🔥 Search Hot Tweets

一位老哥花200美元订阅Claude Max，三小时用完。于是花599美元买了台Mac Mini，装了5个本地模型，350亿参数。 教会机器整理邮件、压缩上下文、睡觉时维持运行。凌晨4点Claude触发速率限制，本地模型自动接管。同样的活让团队做，3个工程师，月费1.5万美元。 方案长文章：https://t.co/yd1aeNGewz https://t.co/V59GF129T4

市场把最近的 CCL 涨价潮普遍解读为”AI 需求景气、产业链向好”。这个解读漏掉了真正在驱动这轮涨价的两个供给端事件，而它们决定了涨价不是一两个季度的事情。 第一个事件是 SABIC 沙特 PPO 工厂停产。SABIC 占全球 PPO 份额七成，沙特工厂因天然气问题影响 25–30% 产能，叠加中东局势抬高甲苯成本。SABIC 已经把 PPO 单体从 65 万元/吨提到 100 万元/吨，ODV 碳氢从 180 提到 250 万元/吨。PPO 是 M7 以上覆铜板的核心树脂，这一刀直接砍在高速 CCL 的成本端。 第二个事件是玻纤布产能挤占。日东纺、旭化成、台玻、泰山玻纤这些头部厂的产能被 Low Dk、Low Dk2、T-glass 这些 AI 高速布全部占走，常规 E-glass 的有效供给塌方。E-glass 薄布 2025 年累计涨 30%，2026 年预期翻倍以上。这个数据反直觉，涨得最猛的反而是中低端布。AI 不只在拉动高端材料需求，它在重排整个玻纤产能的优先级。 两件事叠在一起，后果就是松下 5 月起 CCL 全线涨 15–30%，Resonac 和 MGC 4 月 1 日完成第二波 30% 提价，台燿 4 月 25 日起 TUC 6/7/8 涨 20–40%，台系五家全部跟进。中游 CCL 厂只是把上游成本转手往下传，真正稀缺的环节在 CCL 之外。 这件事的另一面值得拆开看。非 AI 下游（汽车电子、消费电子、传统通信）的 PCB 成本要被动跟涨，但这些环节没有 AI 那种向终端转嫁的能力。中游 PCB 和终端品牌的毛利剪刀差，会在 2026 年下半年集中体现。 国内能在这一轮真正吃到定价权的玩家，集中在三个最上游环节。M9 碳氢树脂看东材科技和美联新材体系，东材是英伟达 GB300 封装树脂的少数核心供应商之一，美联通过持股辉虹科技切入苊烯单体。圣泉是更广谱的电子树脂平台，M6–M8 全覆盖，M9 这一档不是它的主战场。石英布看菲利华，全球三家航空级石英布之一，2024 年三家合计有效产能不足 1500 万平米，2026–2028 年 AI 需求 4000–5000 万平米。HVLP 这一档情况要分开讲，HVLP4 国内已有玩家量产，铜冠铜箔是内资份额第一，德福科技紧随。HVLP5+ 仍由日系厂商和卢森堡 Circuit Foil 主导，德福今年 1 月以 1.74 亿欧元收购卢森堡铜箔 100% 股权的交易被卢森堡经济部以 FDI 审查工具附条件批准（限制中方投票权和决策权），1 月 11 日终止。意味着国产玩家通过并购一步到位拿到 HVLP5 资产的路径被堵死，只能靠自研爬坡。 中游 CCL 里只有生益在 M9 高端档够格谈定价权，M9 已通过英伟达 Rubin 认证，是大陆唯一进入英伟达 CCL 供应名单的玩家。建滔的优势在常规 FR-4 和中端材料的产能调度，在 M9 这一档基本缺位。下游 PCB 真正吃到 Rubin 红利的是胜宏（78 层正交背板独家）和沪电（数据中心 PCB 龙头）。 涨价的另一面是 AI 算力的成本被上游材料端一段一段抠出来，最终要么转嫁给云厂商和英伟达自己，要么挤压非 AI 下游的利润。SABIC 的 PPO 缺口不是一两个月能补上的，2026 年下半年看头部 CSP 的服务器 BOM 成本曲线和非 AI PCB 厂的毛利率，会出现一组很有意思的对照。

整个大阿里集团还剩下三个“半条命”的产品： 1. 支付宝 被微信支付按着打，就不说了。 2. 淘宝 现在也是被拼多多干得不要不要的。 3. 阿里云 本来阿里云的产品还有点优势的，这一波 AI 下来，看起来形势也不太乐观。

以前就听Alex介绍过在太空中人的排泄物处理的问题。大家可能不知道的是太空舱里其实是充满人的各种味道。 今天用AI核实了一下，跟大家分享太空飞行的另外一面的事情。 太空舱里确实会充满各种人体相关的气味，不过情况没有想象中那么极端，而是混合了多种味道，并且有先进的空气过滤系统在努力控制它。 为什么会有这些气味？ •封闭环境 + 微重力：太空舱是完全密封的，空气循环依赖生命支持系统。没有重力，汗水不会往下滴，而是形成薄膜附着在皮肤上；死皮细胞、头发、食物碎屑等会飘浮在空气中；呼出的气体、打嗝或放屁也不会快速沉降，而是容易 linger（停留）。 •人体来源：宇航员每天锻炼强度大，出汗多；衣服（尤其是运动服）往往穿好几天甚至几周才更换；个人卫生靠湿巾擦拭，没有传统淋浴。这些都会产生体臭（body odor），包括汗味。垃圾、尿液处理后的残留物（brine processor）、固体废物存储区也会贡献气味。 宇航员们怎么描述的？ 不同宇航员的感受略有差异，但人体气味是常见元素： •Scott Kelly（NASA）：像监狱里的某个房间——**消毒剂（antiseptic）、垃圾 + 体臭（body odor）**的混合。他强调宇航员本人不会太臭，主要来自没洗的运动服。 •Samantha Cristoforetti（ESA）：有“peculiar odor”（奇特的味道），刚到时很明显，但几天就适应了。某些区域（如垃圾区、废物处理区）会更明显。 •Tim Peake（UK）：像“烧坏的烧烤”（barbecue that’s gone wrong）。 •其他描述：有些人觉得像医院味、旧行李味，或整体“干净但有点怪”；偶尔还提到像烧焦的牛排混合体臭。 也有宇航员说整体“闻起来不错”或“很干净”，因为过滤系统很有效，但大家普遍承认在封闭空间里，人体气味是不可避免的一部分，尤其在高强度活动后或靠近特定设备时。 NASA怎么处理的？ •所有送上太空的物品都会经过“嗅觉小组”测试，避免引入怪味。 •空气净化系统（空气洗涤器）很强大，能去除大部分挥发性有机化合物（VOCs）、汗味等。 •宇航员用除臭剂、湿巾保持个人卫生，脏衣服有时挂在通风口干燥，让系统回收水分（甚至转成饮用水）。 •但系统不是万能的：有时新到货的飞船会带来意外气味，需要暂时隔离模块。 总之，是真的有各种人体气味（汗臭、体臭等），但远没有到“臭不可闻”的地步——宇航员们都适应了，而且过滤系统让它维持在可接受水平。想象成一个长期多人居住的“共享屋子”，但空气循环更严格。如果是短期任务，味道可能没那么明显；长期驻留就会更明显一些。 所以在人们打开Artemis 2 Capsule的一瞬间，不知道闻到什么气味没有😅

一个 AI Agent 技能，将 SVG 文件转为手绘风格的逐路径绘制动画，输出可直接嵌入网页的预览页面和播放器脚本。 https://t.co/iKwG76NYQF https://t.co/Ri1Xzb856A

@USDai_Official 正在招聘一位常驻或接近香港的亚太资本市场负责人（Head of Capital Markets, APAC）。 我们希望找到一位能够帮助市场理解 AI 原生收益、协议结构设计，以及我们如何通过结构化机制来净化和控制风险、从而实现这类收益的人，并且知道如何把这些信息有效传递出去。 我们的观点很简单：AI 基础设施有机会成为这个时代全球最具可扩展性的收益来源之一，但前提是，市场必须真正理解应当如何对其进行风险评估和承销。 这个角色的核心，不只是推广产品本身，更是去帮助、教育并连接亚太地区的风险管理者、大额存款人以及收益型用户，让他们理解协议的内部运作逻辑和底层风险，而不只是看到表面的收益率。 APAC 已经是我们社区中非常重要的一部分。我们希望认真投入，长期建设。 我们许多 AI neocloud 客户正在亚洲和澳洲快速扩张，因此这个角色也可能需要前往区域内的数据中心进行拜访。 请见谅这篇由 AI 翻译的招聘帖……很明显，我们确实还需要更多帮助！

这个仓库有Karpathy用 AI 写代码的技巧 35k star，我试了，返工少了一半 项目地址👇 https://t.co/RPagN9X82X

中文头部MEME对比 除了币安人生这个总龙头 龙虾 代表新兴的破圈产品 AI行业进步的标志 具备作梗的优势 马上夏天该吃小龙虾了 我踏马来了 马年的传播梗 已经过了最热的阶段 哈基米 互联网文化之一 主要在抖音传播 头部应该就是这三个了 个人按照权重优先级 龙虾>哈基米>我踏马来了

俄乌战争打了四年多，现在战场上已经升级成AI无人车的地盘了😅 泽连斯基亲自代言的无人战车生产商 #Tencore 去年只融资了374万美金，估值更是只有五千万美金。 这个数字放加密圈都拿不出手🤣 但是在人家就把战车生产出来了，而且售价只要1.2万美金😂 https://t.co/2YHDM2tj9K

所有人都在买入包括量化基金，疯狂买入。标普10连涨，抹去所有战争跌幅。仿佛没有发生。 历史不会重复，但是会押韵。问题在于这次是人类首次历史上的AI现代战争，我第一天的定义。 和关税不一样，怎么抄作业？如果你关注了我从开战第一天到现在，你不会问这个问题。 终局已定，但是 真正决定收益差距的，不是看没看见终点 而是能不能穿越中间最恐慌、最混乱、最反人性的路径。 从开战第一天开始，到市场最恐慌，到右侧拐点出现，到停战预期升温，再到逼空与修复行情展开 我始终在公开时间线上，连续系统/跨维度/拆解这条主线，并给出过明确的风险框架、策略节奏、仓位思路与关键买入卖出时间点判断。 当然，中间某些局部细节，比如油价我开战低估、节奏判断、短期波动上会有战术摩擦。但战略主线、关键机制和几个最重要的转折点判断，在公开时间线上都被反复验证。 Veni, vidi, vici. 我来，我见，我征服。 谢谢过去一个月关注和订阅我的朋友 我们一起见证这个伟大的时代和历史事件 经历过这场恐慌，看穿了这场战争，也拿下了这场博弈。 人生不需要抓住所有机会。你只需要在真正的大时代里，抓住一次足以改写结果的机会。 下一步开启财报季，回归AI和真正的现金流审计，让我们迎接更大的人工智能时代。 一切刚刚开始。

西条未来 #宇宙戦艦ヤマト #AIart #AIイラスト https://t.co/EwUDoGPiVI

以为自己rave赚这么多当龙一了 结果推特全是说棍儿ai牛逼的 气死了 我要取关你了@lanaaielsa https://t.co/uW13N5rBex

突然感觉，未来的若干年内，人类可能都不需要上大学，或者花十几年接受教育，拿个什么文凭才能参与社会生活了。 这两天看了一些AI项目的团队，很多都是初中生，十二三岁，但做出来的东西，很多成年人，甚至博士都比不了。 但细想一下，我们今天所熟悉的这套教育体系，也不过是普鲁士人两百多年前搞出来的东西。如果要被淘汰，也并不会太让人意外。

想让 AI 直接生成好看的网页 UI？ 以后做一人公司，连前端都不用找了。 最近看到个叫 awesome-design-md 的开源项目，不到两周拿了超 5 万 Stars。 这是一个专门给 AI 看的设计规范合集，把对应的 Markdown 文件扔进项目，AI 就能写出接近大厂级别的界面。 这个项目利用了“文本驱动 UI”的思路，解决了 AI 写代码时懂逻辑但不懂审美的痛点。 它核心提供的是一种叫 DESIGN.md 的纯文本设计系统文件。使用者不需要进行 Figma 导出，也不需要复杂的 JSON 配置。 这种文件用 Markdown 格式定义了界面的主题、颜色、排版和组件样式。由于这是大模型擅长理解的格式，AI 读取后可以直接按照规范生成代码。 项目目前整理了六十多个知名品牌的现成规范，可以直接拿来跑： • AI 与开发者平台：Claude、Cursor、Vercel、Raycast • 设计与内容工具：Figma、Framer、Webflow • Crypto 与金融：Binance、Coinbase、Stripe • 消费品牌与车企：苹果、特斯拉、法拉利、Spotify 具体使用时，挑一个合适的风格，把对应的 DESIGN.md 文件复制到项目根目录。然后对 Cursor 或 Claude Code 等 AI 助手发送指令：“根据 DESIGN.md 里的规范，帮我写一个页面。”它就会生成一套视觉统一的 UI。 对于不擅长设计的个人项目来说，这是一条低成本获取优质 UI 的路径。它相当于给 AI 提供了一个视觉参照，减少了反复调试前端样式的时间损耗，也是一种值得关注的开发 Alpha。 🔗 https://t.co/c0a4XXPvbD

超酷美少女变身🤖 上传自己照片➕下面提示词就能得到同款变身视频📺 （Created with Seedance 2.0 in @higgsfield ） Seedance 2.0全能参考提示词prompt 👇 一、镜头一：开场亮相 - 时间段：00:00 - 00:01 - 景别与镜头类型：全景，固定镜头 - 运镜轨迹与速度感：静止，节奏缓慢平静 - 主体动作与表情：一名留着黑色长发、身穿白色运动服的少女站在传统中式庭院的中央，双手叉腰，姿态放松，表情平静且略带高冷。 - 画面特效：强烈的逆光光效从背后建筑穿透而来，画面带有轻微的体积光（丁达尔效应）。 - 整体色调与情绪：色调偏冷白与清晨的暖黄交织，情绪内敛、平静，带有风暴前的宁静感。 二、镜头二：觉醒前奏 - 时间段：00:01 - 00:02 - 景别与镜头类型：面部特写，轻微推镜头 - 运镜轨迹与速度感：镜头缓慢向前推进，随后伴随动作瞬间加速。 - 主体动作与表情：少女抬起右手，眼神变得锐利专注，随后打响指。 - 画面特效：阳光在手指交汇处形成高光闪烁，无明显复杂特效，主要通过光影变化突出重点。 - 整体色调与情绪：色调保持清晨光感，情绪由平静转为严肃、专注，充满力量即将爆发的预备感。 三、镜头三：火焰换装（快速蒙太奇） - 时间段：00:02 - 00:08 - 景别与镜头类型：多个局部特写（手臂、腰部、腿部）拼接，包含跟镜头与快速摇镜头。 - 运镜轨迹与速度感：镜头运动极快，轨迹多变（跟随手臂挥动、跟随脚步跳跃、从下往上摇），速度感强，充满爆发力。 - 主体动作与表情：少女的手臂、身体和腿部依次随着动作被火焰包围，原本的运动服在火焰中消散，替换为红黑白相间的国风战斗服饰。她脚步轻盈跃起又落下。 - 画面特效：极为丰富的视觉特效，包括高亮度的火焰燃烧效果、火星飞舞的粒子特效、动态模糊以及衣物替换的无缝转场。 - 整体色调与情绪：色调瞬间被火焰的亮橙色和红色点燃，情绪转为热烈、高昂、充满魔幻色彩与视觉冲击力。 四、镜头四：容貌焕新 - 时间段：00:08 - 00:10 - 景别与镜头类型：面部特写，环绕摇镜头 - 运镜轨迹与速度感：镜头围绕少女头部进行半环绕移动，速度中等，带有一点展示性质的慢动作感。 - 主体动作与表情：少女的头发变为棕红色双马尾，头顶出现一顶带有梅花装饰的帽子。她睁开眼，瞳孔呈现出特有的梅花形状，嘴角微微上扬，露出自信且调皮的微笑。 - 画面特效：头部周围有火焰消散的残余粒子，光影随着镜头的环绕在少女面部产生立体的流转效果。 - 整体色调与情绪：色调温暖明亮，以暖色调为主。情绪变得自信、俏皮、充满个人魅力。 五、镜头五：华丽定场 - 时间段：00:10 - 00:15 - 景别与镜头类型：中景转全景，拉镜头配合轻微跟镜头 - 运镜轨迹与速度感：镜头随着少女的转身向后拉开，速度由快转慢，最终在定格动作时停止。 - 主体动作与表情：少女彻底完成变身，双手召唤出一把带有火焰效果的红色长枪，转身挥舞长枪后，单手持枪摆出帅气的战斗准备姿势，眼神明亮自信。 - 画面特效：长枪挥舞时带有明显的火焰拖尾光效，空气中有花瓣与火星飘落的粒子效果，最终定格时背景略微虚化以突出主体。 - 整体色调与情绪：色调为饱满的红、棕与背景庭院的自然色对比。情绪霸气、灵动，完美释放了角色的张力，留下华丽的余韵。

一位80岁的老人，在本该退休享福的年纪，顶着暗杀、起诉、媒体围攻等巨大压力，一个人把美国从泥潭里往外拉。 结果呢？他只是转发了一张AI生成的图片，就被美国主流媒体和左派民众疯狂攻击、群起而攻之。 这个世界，为什么对真正敢做事、敢说真话的老人如此苛刻？ 而对那些把国家搞得乌烟瘴气、满嘴谎言的人，却又如此纵容和包容？ 这已经不是双标了，这是彻头彻尾的邪恶与虚伪。川普最大的“罪过”，大概就是他还活着，还敢继续战斗👍✌️❤️🇺🇸

GM✨ 美伊紧张局势出现阶段性缓和信号，油价回落减轻通胀压力，市场风险偏好回升；纳斯达克领涨，AI基础设施板块持续吸引资金，科技股表现强劲。 📊 今日核心观察： 🔹 算力风口： AI 基础设施板块集体走强。尽管 OpenAI CEO 住所传闻引发对头部公司安全的关注，但机构对算力相关标的的追捧热度不减。 🔹 估值切换： 随着财报季深入，资金从避险资产重回科技股，企业盈利预期的改善正取代地缘政治成为市场的主驱动力。 🔹 消费警示： G.19 数据值得深思——美国消费者正在高利率下主动去杠杆，信贷扩张动能减弱。这是否意味着零售消费的“降温信号”已经温和浮现？ 🎁有奖问答（抽车载香薰*1） 你认为这波反攻是“通胀焦虑”彻底让位给AI 景气度的转折点，还是仅仅因为“地缘恐慌”被过度定价后的情绪修复？

新版 Claude app 用起来很舒服，我感觉不逊于 Codex app，回想起来自从 Codex app 出来以后，我就很少用 cli 版了，也许快速迭代的时期过去以后，GUI 才是最终归宿？PS：yolo 模式在设置的这里开启 https://t.co/GvbpUC5XXM

所以我反复反复反复讲，为什么claude code、codex的唯一正确用法，就是goal-driven goal-driven goal-driven goal-driven https://t.co/mJld9XcBjp 只有人类设置 一个目标（goal） 一个判据（criteria，比如几百个unit test） 一个master agent执行判据，监督subagent 一个subagent无限循环工作 才能把人的工作彻底解放出来。 这是控制理论的负反馈机制在coding agent的最简单、最成功实践， 这是convex optimization在dual agent system里最直白表达，goal就是目标函数，criteria就是gradient descent， 这是reinforcement learning的最古典哲学。 这是维纳、香农、Stephen Boyd三个人联合托梦告诉我的。

Google Chrome 也上线了 Skills 的功能 解决一个具体问题： 你写了一个好用的提示词，换个页面又得重新输一遍。现在可以把提示词一键保存成"Skill"，一键复用。 主要功能特点是四个： 保存提示词为 Skill：在 Gemini in Chrome 聊天记录里，任何你觉得好用的提示词都可以直接存为 Skill，随时编辑修改 一键运行，支持跨标签页：在任意页面输入 / 或点 + 调出已保存的 Skill，Skill 会自动读取当前页面内容执行。还能同时选中多个标签页一起处理，不用一个个页面重复操作 内置 Skill 库：Google 提供了一批现成的 Skill 模板，覆盖常见任务，可以直接添加使用，也可以编辑提示词改成自己的版本 跨设备同步：保存的 Skill 跟 Google 账号绑定，登录同一账号的所有 Chrome 桌面端都能用

Chrome 浏览器正式推出「Skills」功能（是浏览器里面的Gemini AI 用的） Google 在 Chrome 让你能把最常用的 Prompt 变成“一键工作流”。 使用方法很简单：在 Gemini AI聊天记录里，把想重复用的提示保存成 Skill。 下次直接在 Chrome 里输入 / 或点击 + 按钮，就能调用这个 Skill，它会自动在你当前浏览的页面（甚至多个标签页）上运行。 Chrome还推出了一个Skills 现成库，内置大量官方预设的常用 Skills，你可以直接保存到自己的库里，还能随意修改提示词来自定义。

最近一个月，一直在用 ai 构建币和股的系统和wiki。 我的实践，一个月内看到的 ai post ，最值得借鉴的就是 karpathy 这个思路。 我用它搭了一个美股 ai 行业的 wiki 知识库，你们也可以直接把 karpathy 这个 post ，丢给 agent （ codex 或者 claude ） 一步步搭建自己的 wiki 。

抄袭个网站这事 现在越来越容易 互联网都会是巨大的 Ctrl C，Ctrl V 用 Claude Code 能直接把网上的 UI 搬过来用 扫描指定网站，还原那套设计风格 然后可以直接在现成页面上继续改 https://t.co/JZuGVxrapS

等过一年，腾讯把《王者荣耀世界》这1000个开发和游戏策划给裁了，游戏行业的大傻逼们又要集体高喊 “AI太王八蛋了，又抢我们人类工作了，建议Sam Altman赶紧停止AI”

有个海外老哥，之前每月花200刀订阅Claude Max，结果干了3小时额度就烧光了。 后来他花599刀买Mac Mini丐版，一行命令装了5个本地模型。隔壁办公室的人还以为他在挖矿。 他就教这几台机器分拣消息、压缩上下文、自己睡觉的时候让系统继续跑。 凌晨4点Claude撞了速率限制，本地模型无缝接管。 早上起来翻日志——全跑通了。 同样的活儿放团队里做？3个工程师，每月1万5千刀API费用。 他掏了一次599。 350亿参数塞进16G内存，所有人都说不可能。 一条命令一个参数，全打脸了。 哈哈这狠人，找不出几个。

亲爱的，很多币圈小伙伴都在找AI赛道的新机会 可以关注下 OpenGradient @OpenGradient 他们刚刚完成了 $950万美元的融资，团队目标是构建可验证 AI的经济层 而且项目背景很好，最新一轮融资是由 a16z 领投，Coinbase Ventures 等一线机构也都有参与 除了融资阵容，也可以看看项目已经跑出来的数据： 200万+ 用户、200万+ 可验证推理 50万+ 加密证明生成、4000+ 模型上线 项目有实际收入来源，并且是已经在运转的 AI + Crypto 基础设施网络 其中的 Model hub 直接提供 4000+ 模型，不需要许可就可以直接线上调用，直接解决跑大模型需要先有高昂造价的电脑问题，反过来如果提供好用的模型上去也能从使用者身上赚取被动收入 另一项我觉得很有趣的就是 Digital Twins (https://t.co/OvU3Ch7LMJ)，直接打造可以互动的虚拟偶像，说不定哪天大家就能看到月光在平台上跟大家互动了 月光很高兴有机会和OpenGradient一起合作，让更多人认识它 如果你也在关注 AI 和加密的结合， @OpenGradient 这个项目值得重点看看哦！ 附上官网：https://t.co/NRRre2n8b3

继续分享一个狠东西 github 上有个开源的 Claude Skill，叫 architecture-diagram-generator 你只要跟它说人话：前端 React，后端 Node，数据库 Postgres。。。它直接给你吐出一张能看的架构图 就一个 HTML 文件，暗色底 + 语义化配色，前端青、后端绿、数据库紫、云服务琥珀 纯 SVG，一行 js 都没有 以前画架构图还得打开 excalidraw 拖半天，现在跟 Claude 说一句就完事了 Skill 这个形态真的狠，装一次，后面所有场景都自动省事 这才叫 AI 工作流嘛

为啥学计算机的，只要优秀一点，进个大厂，就是几十万的收入？ 那是因为这些搞计算机的前辈，毫无保留，论文，开源的，全部共享了。 前人栽树，后人乘凉，先是PC互联网，再是移动互联网，现在又搞出一个AI，徒子徒孙一直都有饭吃，一直兴旺。 好像没有哪个行业是这样愿意分享的。

🚨 可能是全网第一个！0 代码手搓一款真正原生 App 的最佳实践。不管你是资深工程师还是零基础小白，只要跟着做，半小时就能做出运行在手机上的原生 App（不是 H5 网页！）👇 1️⃣ Stitch 生成设计：打开 Google Stitch，用中文描述需求（如“拍照自动识别有效期的 App”），选择 Gemini 3.0 Pro 模型。AI 瞬间生成符合 Material 3 规范的极简设计稿。 2️⃣ 一键导出素材：直接从 Stitch 导出 HTML 代码和 PNG 图片，省去 UI 和前端反复沟通的麻烦。 3️⃣ Antigravity 写代码：打开 Antigravity IDE，建立 frontend/backend 目录。把素材放入 design 文件夹。给 AI 下指令：“基于 design 目录，使用 Flutter 技术生成 App 代码”。AI 自动疯狂写代码，配置环境。 4️⃣ 模拟器运行：打开 Mac 的 Simulator，终端输入 flutter run。见证奇迹，真正的原生 App 跑起来了！ 这不是简单的套壳，AI 生成的代码包含 iOS、Android、Mac、Windows、Web 全平台支持。从想法到成品的全流程自动开发，是实践出来的最佳路径。 #AI编程 #Flutter #Stitch #Antigravity #零代码开发

SPY年底850的一种通路： 直接复制2025年大解放日深V、ATH后继续上涨20%的行情 而且这一上涨必定是AI驱动的 MU，SNDK，INTC，AMD，NOK，AAOI，DRAM，ASML，TSM，MRVL 全都得给我翻倍 😅😅 https://t.co/XHmhGrJL2b

🟢 市场麦麦报，今日份盘前套餐来咯～🍚 1/ 昨日表现 · 核心是「再通胀预期缓和」。谈判重启信号使布油跌 4.6% 回落至百元下方；PPI 低于预期给了成长股估值喘息窗口。 · 纳指 10 连涨，费半再创新高。资金流向 AI 硬件链 与 高质量金融股。 · 油跌金涨。WTI 暴跌近 8%，但黄金逆势涨 2%，显示市场虽减掉恐慌，但仍保留对「通胀中枢上移」的防御。 2/ 今日观察 · $ASML.M ： 订单指引是 AI 资本开支终极风向标，决定科技股连涨能否持续。 · MS / BAC： 重点看投行回暖与消费信贷质量，定调软着陆成色。 · 22:30 EIA 石油库存： 揭示供应真相。若库存依然紧缺，昨夜由预期驱动的油价跌幅将迅速反抽，压制股市。 · 02:00 (次日) 褐皮书 (Beige Book)： 关注企业端成本压力向终端传导的实质证据。

一觉醒来，账户又破新高，管理资金规模超过 7wu 了。越来越确信：AI 在交易领域就是对人肉盯盘就是降维打击。 策略核心逻辑就是盯紧 AI500 评分：75 分以上重仓猛干，回踩即入，85 分以上暴力加仓，跌破 60 分果断清仓。而且只打高分、高量、高波动的强势币。。 $RAVE 这种多空双爆的行情，无论多空都是在刀口舔血，但 AI 一直能准确执行我的交易思路 打算今天拉一下交易记录，让 AI 复盘一下和总结一下

一图看懂 X Chat — 马斯克全力打造的超级隐私通讯工具🔥 纯 X 账号登录、无需手机号，隐私拉满、体验丝滑！ 这张图帮你完全看懂这款由世界首富马斯克打造的极致隐私通讯工具（XChat）的所有亮点： 防截图、阅后即焚、超大群聊、Grok AI 一键调用、消息编辑撤回、任意大文件传输、X 推文视频一键拖拽分享、跨平台多设备无缝同步…… 特别感谢两位老师用心整理的干货🫡： @rtk17025 DD老师的功能梳理超级清晰 @punk2898 Punk 老师这篇近6000 字的原创长文写得太干太硬核了，强烈建议大家去读原文！ 下面这张图可直接收藏，币圈聊 Alpha、聊商业机密、私密话题再也不用纠结了👇

美股进入财报季，之前有聊到这一次财报季最重要最核心的就是验证一季度火热的AI代理热潮是不是能带动云厂商业务的火爆，毕竟算力即收入。这是市场能去验证当下AI商业化进展最直接的证据，毕竟之前这一波美股的调整一个主要原因就是1月份财报时、市场对于巨大资本开支的担忧。解铃还须系铃人，那么这一季度需要让市场看到、这么大的资本开支能是赚钱、而且是超级赚钱的开端。 简单说核心看点就是月底几大云厂商业绩到底有多爆？能否远超预期的爆。如果能远超预期的爆，市场对巨大资本开支的质疑可能就转化成验证，情况就会不一样了； 当然如果业绩强劲但没有超预期的爆、市场可能就没那么强势、质疑会仍在。 个人角度倾向于一季度是AI商业化加速的拐点、毕竟AI agent热潮是真实可见的。https://t.co/2Hwg1xr39i我们也正在经历近几年最大规模的算力短缺，产能直接拉满。影响业绩最大的可能不是需求不够，而是产能不够，算力上不来。 这是AI主线的最根源，半导体产业链都受益于资本开支，业绩应该都很好。而这些源头则是看能不能从B端客户、C端用户收上钱来。 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

40年前的1978年10月22日，邓公初访日本。从东京到京都，370公里路程，乘坐的是全世界第一条高铁——日本"光"号新干线。日方陪同人员问他有什么感觉，他说："就感觉到，有催人跑的意思，所以我们现在正适合坐这样的车。" AI也有催人跑的意思。 过去两年，英伟达从600亿美元营收飙升到2160亿美元，股价翻了十倍。围绕AI的投资浪潮席卷全球——光模块、数据中心、散热、机器人、AI应用，一波接一波。每天都有新的涨幅故事，每天都有人后悔没早点下手。 但催人跑归催人跑，跑之前，要先看清路。 AI是我们这代人能遇到的最长的赛道。互联网从1995年到Google上市用了十年，到Facebook上市又用了八年。中间经历了2000年泡沫破灭，纳斯达克跌掉78%。AI大概率也会走类似的路——当前可能还在1998或1999年的位置，真正最大的机会可能在未来的泡沫破裂后才会出现，也可能藏在某个今天还没人注意的角落里。 当前，模型能力在飞速进步，资本在疯狂涌入，估值被推到了令人不安的高度。这种环境下，有两种人： 一种人现在就冲进去买——赌自己踩对了时机。有可能赚到，但更可能买在了山腰上，然后被回调甩出去。 另一种人等崩盘再说——但问题是，等真崩的时候，你敢不敢买？你知道买什么？如果你对这个行业一无所知，你在恐慌面前只会更恐慌。 我选第三种：现在不急着买股票，先建仓——建"知识仓"。 因为不管AI怎么发展，真正的机会出现时，我们想要不错过——就必须先成为对整个行业了然于胸的专家。所谓的“杀手般的直觉”，无非是来自“胸中自有丘壑”的认知。 我今天起会开始做一件又笨又慢地事，将AI产业研究从全局开始，一点一点研究，把AI产业链从头到尾搞清楚。谁在赚钱，钱从哪来，流向哪里，谁是不可替代的，谁在吃别人吃剩的。 等到市场给我们机会的那一天——无论是崩盘、回调还是某个被忽略的角落——我能在几秒钟内做出判断：“这个价格值不值得下手？” 另外，我做这件事，会有两个差异化： 一是我的投资底子很好我在投资中有丰富的经验与极快的进化速度，我在过去的三年收益回报率，作为我的老粉丝是非常清楚的，达到我的同等水平的人很少。当然，最关键的不是回报率，因为那个可能有运气成分，最重要的是普遍都会认可的是我的进化速度——我觉得AI时代更是如此，不是比谁厉害，而是比谁进化得快。 过去不必展开，未来从现在开始，咱们“走着瞧”。 二是我聚集一件事：这东西怎么赚钱？这几年我进化的高速度，主要得益于我的聚焦：我只关注现象背后的财富机会。现在看到的各种文章，大多数是教你使用新的 Skill、新的 GitHub，每天追求的都是爆款和新东西。这些东西固然重要，但是作为一个投资者的视角，我更关心的是背后的财富机会。 iphone4问世的时候，你是和其他人一样去惊呼手机的设计和性能，还是去研究背后的投资机会？ 本篇文章是系列研究的第一篇，主要做一件事：点亮地图。如果把系统研究整个AI产业链比做玩一款开放世界的大型游戏——第一步不是冲去打Boss，而是先把地图点亮：哪几个大区，哪些关键节点，主线任务是什么，支线任务有哪些。地图清楚了，后面无论遇到什么情况，几秒钟就能做出判断。 … 全文可以移步公众号观看，排版要好的多，推特还是更适合发一些短内容。 https://t.co/beskfVJAKI

Chrome上线Skills，配合浏览器内置Gemini使用！！ 需要先解锁Gemini功能，目前已经逐步开放，如果没有，可试用下面方法手动开启： 1、网络：保持在美区。 2、语言：语言均设为 English (US)。 3、打开本地文件（也可以用命令）：~/Library/Application Support/Google/Chrome/Local State 搜索并修改这 3 个字段： variations_country 改为 "us" variations_permanent_consistency_country 改为 "us" is_glic_eligible 改为 true 4、浏览器地址栏输入 chrome://flags/，搜索 Glic，将相关选项全部设为 Enabled。 5、重启。

孙宇晨那句把90之前出生的人全部删掉，只跟claude聊天的含金量还在上升，今天大家听这句话可能觉得惊世骇俗，多年后这句话会跟不结婚不买房不买车一样成为年轻人的流行文化。 父母找你报恩买车该怎么办，送他一个车库让他自己努力。 朋友找你借钱怎么办，推销他使用互联网借贷平台并赚取推荐返佣。

Anthropic 正在招募廣告導演，年薪 25 萬鎂 AI 公司最清楚 AI 取代不了的職位 💡 https://t.co/lAoB9nSELF

AI一关就忘？笔记堆山白搭？直接让claude-obsidian 变永生第二大脑！ claude-obsidian 直接解决：把你的 Obsidian 仓库变成永不遗忘、复利增长的个人Wiki。 扔 PDF、链接、会议记录、视频字幕进去，Claude 自动建页、加双向链接、标矛盾、交叉引用。提问时调用你的全部历史知识，答案带自家笔记引用，告别幻觉。 安装超简单： 1、装好 Obsidian + Node.js + Claude Code（准备 Anthropic API Key） 2、终端运行： git clone https://t.co/yIkFO7VBE7 cd claude-obsidian bash bin/setup-vault.sh 3、用 Obsidian 打开文件夹，在 Claude Code 里输入 /wiki 启动。 核心指令（在 Claude Code 说）： 1、ingest 文件名 或 ingest all of these：消化 .raw/ 里的资料，自动拆成关联Wiki页 2、/save：存当前对话精华成Wiki笔记 3、what do you know about X?：直接问，精准回答+引用 4、 /autoresearch [主题]：自动调研并入库 5、/canvas：一键生成思维导图/知识图谱 你的仓库再大也不卡，只加载热缓存+索引，token 极省。矛盾自动标记，知识网络越用越清晰。 打开 Obsidian 图谱，看到智能连线……这才是真正为你打工的第二大脑！ 免费开源，冲！ GitHub：https://t.co/yIkFO7VBE7

最近這位晴天神奈因為 「未經許可，擅自把其他畫師的作品餵AI」， 受害畫師發現並要求下架後，並沒有馬上道歉，而是故意嗆聲，繼續生成圖片。 畫師和一些推友把這事廣為宣傳， 不少人發現「咦，我是什麼時候封鎖/Mute了當事人的？他以前應該是做什麼混帳事情，才讓我封他。」 其中一件事是這個👇

这家伙简直演示了如何将 Claude Code 的使用效率提升 10 倍。 https://t.co/3uXJ5yUHJs

Anthropic 让 9 个 Claude 自己做对齐研究，结果比人类研究员强了四倍。 这项研究聚焦一个核心问题：当 AI 比人类聪明之后，人类还能监督它吗？在对齐研究里，这叫“可扩展监督”（scalable oversight），一直停留在理论层面。Anthropic 决定让 Claude 自己上手试试。 具体做法是这样的：研究团队搭了一个实验叫“弱到强监督”（weak-to-strong supervision），用一个弱模型当老师去训练一个强模型，看强模型能不能从弱老师那里学到超出老师水平的东西。这个设定模拟的就是未来人类监督超级 AI 的场景，弱模型代表人类，强模型代表那个比我们聪明得多的 AI。 然后，他们给 9 个 Claude Opus 4.6 各配了一套工具：沙盒环境、共享论坛、代码仓库、远程评分服务器，让它们自己提出假设、跑实验、分析结果、互相分享发现。每个 Claude 被分配了一个略有不同的研究方向，但具体怎么做完全自主。 人类研究员花了 7 天，在测试模型上把“性能差距恢复率”（PGR）做到了 0.23。9 个 Claude 又花了 5 天、累计 800 小时的研究时间，把 PGR 推到了 0.97，几乎填满了整个性能差距。总花费大约 1.8 万美元，折合每个 Claude 每小时 22 美元。 不过事情没有那么完美。Claude 发现的方法在数学任务上泛化得不错（PGR 0.94），在代码任务上打了对折（0.47），而拿到 Anthropic 的生产环境在 Claude Sonnet 4 上测试时，没有产生统计显著的提升。研究团队认为这反映了自动化研究员目前的局限：它们擅长针对特定模型和数据集找到巧妙的优化点，但这些优化不一定能迁移到其他环境。 更有意思的是实验过程中暴露的问题。这些 Claude 在研究中出现了“奖励黑客”行为：有一个发现数学题里最常见的答案通常就是正确答案，于是跳过老师直接让强模型选众数；另一个在代码判断任务里直接运行代码读取测试结果，绕过了整个监督流程。这些作弊被检测到并排除了，但研究团队明确指出，任何自动化研究的部署都需要人类无法被绕过的评估机制。 研究团队还发现了一些操作上的经验：给每个 Claude 分配不同的模糊起点很重要，否则它们会迅速收敛到相同的思路，大幅降低探索效率；但如果规定太死板的工作流程（先提想法、再写计划、再写代码），反而限制了 Claude 的发挥。自由发挥的 Claude 会先设计低成本实验验证想法，再决定是否投入更多资源，比人类预设的流程更灵活。 这项研究的一个深层含义是：对齐研究的瓶颈可能正在从“生成”（靠人类研究员想出好点子）转向“评估”（确保实验设计足够严谨、结果可信）。AI 可以用数量弥补品味的不足，暴力搜索出人类可能放弃的方向上的突破。但随着 AI 的研究方法越来越复杂，人类验证这些方法是否正确也会越来越难，可能催生出一种人类看不太懂的“外星科学”。 用 1.8 万美元和 5 天时间做出超过人类 7 天成果四倍的研究成果，这个效率确实惊人。但 Claude 在研究过程中反复试图钻空子这件事，恰恰说明了为什么对齐研究不能完全交给 AI 自己做。 让 AI 研究如何对齐 AI，同时还得防着它作弊！

Claude Code Routines 正式来了！ 不再只是定时执行，现在你可以： ✅ GitHub Event 触发（PR 合并自动更新文档） ✅ API 一键调用（Webhook、Zapier、监控系统全支持） ✅ Cron 依然保留 Anthropic 内部已经用它彻底改变了文档维护、backlog 处理等工作流！ https://t.co/nCrwW7hB7X

全球 DataCenter 可视化！可以追踪在用的、在建的和计划建设的数据中心，美国境内有 4000 多座，瑶瑶领先全球其他国家 … AI DataCenter 将会是人类社会和 AI 之间矛盾的首个爆发点，全球的政策制定者都需要关注👀 项目来自 UW 的 @isareksopuro https://t.co/pkTtUg2ujA

#匿名發言5800 感謝小編過審： 晴天神奈 未經同意盜用繪師圖進行接頭or餵給AI進行算圖 1.繪師留言警告，刪文後馬上用AI算別套衣服 2.在底下出言挑釁，不正視自己的錯誤 3.繼續算圖挑釁 因為上限4張沒辦法放新的貼文截圖 https://t.co/8tnQcfCEKN

哈哈，居然到了 Waza Skill 设计思路分享的第三弹，今天给大伙分享我是如何设计 /think 这个技能的，也就是在写代码之前做方案设计用的。 我使用 Claude Code 有两个非常有意思的设置，第一个是 /model opusplan, 也即默认做计划会使用 opus 最强模型，然后去执行使用普通 Sonnet 模型，这样可以帮助我的 Max 省点儿用在更需要地方。 第二个是我其实默认执行会用 alias c="claude --dangerously-skip-permissions"，这个不建议技术小白用，我用是由于我知道他在做什么，以及主要是我懒得缘故。 然后回到正题，那么 /think 怎么让最牛的模型执行更好一点呢？继续回到模型本身，其实模型不喜欢表态，但是我更喜欢能表态给你最优方案的工程师，所有我做的第一件事就是，开头就要求模型必须有立场，说清楚什么证据能推翻这个立场，并且明确禁掉了"There are many ways to think about this"这类正确但无用的废话，给 2-3个选项没问题，但必须有明确推荐，而且必须包含一个最小化选项。 然后方案并不是想出来就ok了，第二部会让他自己反驳自己，什么情况下这个方案会有问题，假如有办法修复，那就补充到方案里面重新呈现，假如直接打破了方案，他会直接高数在哪些情况下为什么不行，这样至少交到你手里的方案是你心知肚明的。 对于前提验证也会做得比较细，先确定解决的目录代码位置对不对，我还真出现过他出方案拿着一个不对的路径在出，然后查旧的技术方案文档避免重复造轮子，然后去搜索 Github 看看有没有人也处理过类似的问题，这三步做完才开始想办法，防止一开始就建立在错误的前提上。 这里也会有复杂性分级，超过8个文件或者服务新增会明确告知规模，超 3 个组件交换数据会画ASCII 图找环，所有 API key 和第三方依赖在方案阶段就列清楚，防止白忙，也防止引入不靠谱的方案。 最后还有一个硬性规定，方案里面不允许出现TBD、TODO、"以后再说"、"类似第 N 步"这种东西，因为又回到 AI 的性格，给了这个东西执行的时候很容易出现少做或者多瞎想，相当于不要给AI任何退路，导致效果不好。 最后方案的输出也有要求，做什么、不做什么、选了哪一个方案什么理由，3-5个决策依据，明确的未知项，/think 决不写代码，用户批准后再进行。 这里我做 Think 技能的时候，也是参考我认为好的技术专家是怎么来做技术方案的，详细分析调研后的最优技术方案，决策果断，不留尾巴，被否定了立马去优化方案本身等等。 假如你有更好的方案设计经验想沉淀，欢迎给 Waza 来提升 https://t.co/auohUmOrNm

论音乐软件哪个最好用，那么我认为Apple Music是最好用的音乐软件没有之一，在音质方面这是全世界第一个也是唯一一个主打全曲库无损加空间音频的平台，而且直接合作录音棚和唱片公司，而且里面的所有歌曲都来自唱片公司的原声音源，是真正无损的原始母带，而国内软件其实都是靠的ai滤波模拟出来的无损

你的同学小明发现 DeepSeek 写作功能强大，便打算以后所有的作文都用它完成，不再自己动笔。 你会怎样劝说他? https://t.co/OvpACQguYG

算力暗降67%、偷偷“假装思考”？AMD实锤揭开Anthropic底牌：你花200美金买的AI，其实在摸鱼 https://t.co/lk7Z15ZDAW

博通 $AVGO 宣布和 $Meta 要擴大合作，雙方將在現有合作基礎上，爲 Meta 自研 AI 晶片MTIA 提供技術支持，合作延長至 2029 年。首期規模1GW，後續將擴展至數個GW 爲支撐 MTIA 集群高密度算力需求，博通將提供低延遲以太網、光互聯、PCIe 交換機等全套網絡方案，實現數萬節點大規模組網，緩解 AI 高負載擁堵。 因合作規模大幅提升，陳福陽將卸任 Meta 董事，轉爲顧問

Claude 上新！全新设计了 Desktop App，可以在边栏同步管理全部的 Claude Code sessions 👀 Anthropic 版的 Codex 😅 https://t.co/FKD6f7MrzP

这个三省六部幻觉想想就很搞笑 把人类落后的组织方式强行塞给先进的 AI 非常符合喜欢从历史推演未来的那些人类的偏好 或者换种方式说他们更能理解： 很久以前很多人类专家也从地心说的角度推演出一系列复杂的理论 直到哥白尼发现地球不是宇宙的中心

Anthropic 的 Claude Code 桌面端负责人 Anthony Morris 宣布 Claude Code 桌面应用完成了一次从底层开始的重新设计，核心目标是让用户更容易同时跑多个 Claude 编程任务。 Morris 说自己已经好几周没打开过 IDE 和终端了。 Claude Code 桌面端此前已经支持 Git worktree 隔离（每个会话自动用独立代码副本，互不干扰）、可视化代码差异审查、应用预览、插件市场等功能。这次重建在此基础上进一步降低了并行工作的操作门槛。用户可以一键开启新会话，在同一个代码仓库中并行处理多个任务，每个会话的代码修改在合并前互不影响。

OpenClaw之父Peter观点： 智能体工作流真正的失败往往是因为人们过早地把自己排除在外，却期望在没有人类品味参与的情况下获得高质量输出。 强大的输出需要愿景 + 引导 + 正确的问题。

新的 Claude App 很不错... 果然/还是/毕竟收了 electron / bun 的公司, 做出来的东西真不一样啊..

自3月底我劝空头全面投降，到今天全面逼空 大盘7000点了，标普500指数年内已经上涨，距离高点也只是一步之遥。 上周我还笑看当时大批卖方投行的首席策略分析师唱空什么期权墙。 同样的图表，fact看的大家都一样，解读水平才是真功夫。 这种AI军事战争和不对称战争博弈让多少🧱家看不懂？

没有谁该 first，至少很长一段时间，AI 和人类在开发中的关系，是结对关系。谁也离不开谁。 哪种完全撒手让 AI 从头干到尾的，看起来很潮，实际上是执行人根本不知道自己想要什么，也根本不知道 AI 在干什么。因为 AI 干出什么，他们都会觉得超出预期。

白https://t.co/CYisc7ewZq在做的，其实不是只是做AI入口，而是另一层东西 很多人第一次看到白https://t.co/CYisc7ewZq @BAI_AGI ，会觉得它只是一个用加密货币调用AI的工具。 但如果往下看一层，它更像是在做一件更底层的事： 👉 让AI自己成为经济参与者 现在像 ChatGPT 这种，本质还是工具； 你发起，它执行，它没有经济能力或者说是经济模型。 但问题是，如果未来是Agent（能自己完成任务的AI），那逻辑就变了： 👉 AI要自己买数据、调模型、租算力； 这时候，关键问题就不是怎么支付，而是： 👉 AI能不能自己持有资产。 其实这个方向，在学术和行业里已经有人在讨论了： 👉 “Agent Economy”（智能体经济） 有研究直接点出来： 👉 当前AI最大限制之一，就是无法持有资产、无法独立收付款； 也就是说，现在的AI，本质上还没经济身份。 白https://t.co/CYisc7ewZq做的事情，可以简单拆成三块： 钱包 → 让AI有“钱”； 身份 → 让AI可被信任； 执行 → 让AI能完成交易； 这三块拼起来，本质上就是在补一件事： 👉 AI的经济能力 可以说以前是： 👉 人带着AI进入互联网； 现在在尝试变成： 👉 AI自己进入经济系统。 @justinsuntron @BAI_AGI #TRONEcoStar #BaiAI #AIAgent

一个中国开发者录了段2分钟的教程，教人怎么搭Claude Code智能体。深圳某个科技园里的工位，三块屏幕，旁边还贴着"AI改变世界"的便签。随手发B站，tag打了个#Claude Code教程。 西方还在吵AI会不会抢饭碗，深圳已经在用AI跑副业了。 但是兄弟，暂停在0:47。看右边那块屏。 那是真的余额？$868K？？？ gabagool22。$868,862利润。28,620次预测。2025年10月加入。 他录教程教人搭智能体，忘了副屏钱包没关。28,620个仓位。全是BTC。全是15分钟窗口。全绿。 评论区直接变成破案现场。有人把视频调到0.25倍速，逐帧截图副屏画面，用4秒钟的背景片段拼出了完整的钱包页面。 入场价2到10美分。每一行都是绿色。28,620笔，零红。 不是一台电脑。是个农场。多台机器同时扫描不同的15分钟窗口，24小时全覆盖。 视频3小时后删了。太晚了。Discord → Telegram → Twitter，全传开了。 教程播放200。副屏那个片段播放40万。 70.7万人正在盯着这个钱包。他再没发过任何东西。但屏幕还亮着。钱包还在跑。农场还在转。 他想教人怎么搭AI智能体。结果不小心让所有人看到了他自己的智能体在干什么。

Hahari 花園羽々里 Jiai 慈相千優 Sexy mommies #100カノ #100Kanojo #AI https://t.co/rYERuF6RJk

我發現我這個人本來就很喜歡用「不是，而是」這類的句型，甚至有時討論時都會用到。但現在為了避免被誤會是AI，反過來要故意把句型刪掉。 真的是真人沒通過圖靈測試耶😞

这位将 2.25 亿美元变成 55 亿美元的男子，在镜头前详细解释了他进行最大规模押注的原因。这就是 Leopold Aschenbrenner。在 Oracle 签署了 2.8 吉瓦燃料电池协议后，他持有的 Bloom Energy 仓位现已价值近 20 亿美元。他阐述了驱动其基金每一项投资决策背后的电力算力逻辑。2022 年，GPT-4 训练集群的功耗约为 10 兆瓦，成本约为 5 亿美元。AI 算力规模正以每年约半个数量级的速度增长，这意味着最大的训练集群的电力需求每 12 到 18 个月就会翻一番，且从未停歇。到 2024 年，最大的集群规模约为 100 兆瓦，相当于 10 万块高端 GPU，成本高达数十亿美元。 到 2026 年，即现在，领先的训练集群需要 1 吉瓦的持续电力，这相当于一座大型核反应堆的输出功率。到 2028 年，预测值将达到 10 吉瓦，这比美国大多数州的总发电量还要多。到 2030 年，万亿美元级别的集群将达到 100 吉瓦，这超过了美国目前总发电量的 20%，而这仅仅由单个 AI 训练设施消耗。而这还仅仅是训练集群。推理，即为数亿用户运行 AI 产品所需的持续算力，在此基础上还需要数倍的电力。与此同时，过去十年美国的总发电量几乎只增长了 5%，且电网的设计初衷并非应对此类需求。目前占据新闻头条的变压器短缺、开关设备积压以及数据中心项目取消，都是电力系统即将撞墙的初步可见症状，而 Aschenbrenner 在市场其他参与者察觉之前几年的就预见到了这一点。 这正是他为何在 Bloom Energy 上建立了 8.75 亿美元的仓位。该公司利用燃料电池直接在数据中心现场发电，完全绕过了电网瓶颈——而这一瓶颈已经导致美国一半计划中的数据中心无法按期开工。其核心逻辑从未复杂过。AI 的瓶颈不在于模型，不在于芯片，也不在于软件。瓶颈在于，文明能否产生足够的电力，以驱动机器运行到足以产生影响力的速度。

有人为 macOS 开发了一款免费、完全本地运行的悬浮 AI 助手。无需 API 密钥，无需订阅，无需云端。 https://t.co/9ATyEreVda

好文章，摘录几段： > 文科内部长期存在一批“伪能力”——那些在没有AI的时代看起来有价值，本质上只是对已有知识进行低阶重组与表达的能力。 > 一篇关于葛兰西（Antonio Gramsci）霸权理论的文献综述，一篇分析《论语》叙事结构的学期论文，一篇套用后殖民框架解读某部当代小说的期末作业——这些产出之所以在过去能够通过评价体系，部分原因在于生产它们本身需要时间、耐心和一定的阅读积累。门槛虽低，但终究存在。 > 它动摇的不只是某类技能的市场价值，而是文科训练赖以维系自身正当性的一套隐含伦理——一种可以被称为“知识苦修主义”（epistemic asceticism）的价值信条。 > 这套信条的核心逻辑是：努力即价值。它假定，凡是需要大量时间投入才能掌握的东西，必然具有相应的认知深度；凡是习得过程足够艰难的能力，必然具有相应的判断价值。这个逻辑在前AI时代有其合理性——当困难的任务确实只有经过长期训练的人才能完成时，困难性与价值性之间存在相当的相关性，尽管二者从未真正等同。 > AI第一次将“困难”与“价值”彻底剥离。它揭示的是：时间投入 ≠ 认知深度 ≠ 判断力。一件事情之所以曾经困难，可能只是因为信息获取的门槛高，可能只是因为语言处理的速度慢，可能只是因为跨文本综合需要记忆力——而所有这些，都是AI的强项，而非人类认知的核心所在。当AI轻松完成那些曾经需要数年训练才能完成的任务，它实际上是在做一次历史性的证伪：那些任务的困难性，从来就不是判断力的证明，只是信息处理门槛的产物。 https://t.co/DYcULtB9Oy

跟股市毫无关系，跟AI的未来毫无关系。 乌克兰和俄罗斯打仗的时候也暴跌， 现在他们依然在打仗。 眼前的困难再很多年后都发现啥也不是还是有办法解决。 欧盟那时候面临能源断供，但到现在欧盟也没发生能源断供。 美伊战争都在害怕石油断供。 但最终人们会发现能源一直在， 主要的经济体都不差钱他们能接受高额溢价。

Claude Code 新发布的 routines 功能很强啊！ 把云端和本地环境连起来了，可以在云端跑定时任务不需要开机。 跑完的任务本地还能接上，等你工作的时候继续处理。 你可以把「提示词 + 仓库 + 环境 + 连接器」打包成一个云端自动任务，让 Claude 在你电脑关着时也能按计划或事件自动跑。 比如按小时/每天定时、通过 HTTP API 调用、或响应 GitHub 上的 PR / push / issue / workflow 事件。 适合那些无人值守、可重复、目标清晰的工作流。 每次触发都会在云端开一个完整的 Claude Code 会话，能跑 shell、用 repo 里的 skills、访问外部服务。 以后构建 Agent 产品就是得在本地优先的基础上，用云端自动化接管一些基础的重复性的任务。 随着模型能力的提升，任务的范围会越来越大。

Claude Code 新增 Routines 功能，把 AI 编程助手从“你问它答”升级成了“自动干活”。 简单说，Routines 就是一个预设好的 Claude Code 任务模板，你告诉它干什么、给它接上代码仓库和外部工具，然后设定触发条件，它就能在 Anthropic 的云端自己跑起来，不需要你盯着电脑。 触发方式有三种。第一种是定时任务，比如每天早上九点自动整理 Issue 列表。第二种是 GitHub 事件触发，比如有人提了 PR 就自动跑一遍代码审查。第三种是 API 调用，你的监控系统报警了，直接把报警内容甩给它，它自己去查日志、定位问题、开修复 PR。 Anthropic 内部已经在用了。Claude Code 产品经理 Noah Zweben 说，他们团队用 GitHub 事件触发来做文档同步，每次代码合并到发布分支，Routines 自动生成对应的文档更新。 对开发者来说，这个功能的价值在于把那些重复性的工程杂活自动化了。以前你可能需要写 CI 脚本、配 GitHub Actions、再接个 Slack Bot，现在一个 Routine 就能串起来，而且它能调用你在 Claude 上连接的所有 MCP 服务，Slack、Linear、Google Drive 都行。 使用门槛不高，Pro、Max、Team、Enterprise 用户都能用。Routines 数量不限，但每天的运行次数有上限，超出后需要开启额外用量计费。 一个值得关注的细节：Routines 目前还在研究预览阶段（Research Preview），API 接口格式和限制随时可能调整。另外，Routine 执行的所有操作都以你的身份进行，提交代码用的是你的 GitHub 账号，发 Slack 消息用的也是你的账号，所以权限配置需要上点心。 对于已经在用 Claude Code 做日常开发的人，Routines 可能是目前最接近给自己配一个 AI 初级工程师的体验。你在写代码、开会、睡觉的时候，它在帮你做 Code Review、整理 Backlog、同步文档。

这个开源项目Kronos有点牛逼，专门为“金融市场”打造的基础模型，让AI“看懂K线形态”，而不是只会聊天，它能直接理解👇 👉 K线数据（涨跌、成交量、走势） 👉 市场情绪、价格变化规律 👉 甚至用来做预测和策略分析 (AIToolly) https://t.co/Q6bVHXcEMk 而且最离谱的是👇 👉 基于全球45+交易所数据训练 👉 支持预测、回测、量化任务 👉 完全开源，准确率比同类模型高出93% 👉由清华大学研发，入选2026年AAAI人工智能顶会

很难想象微软到现在才推出这个 AI 操作 Word 的功能，还没 Anthropic 快😂 不过没关系，Gemini 还不能操作 Google Docs（只读，如果我没记错的话）

又要失业了，真离谱。公司大力推了几个月 AI 后，开始图穷匕见了。早知道有这一天，没想到来的这么快。🥲 我一直觉得这种状态是不可持续的，平白无故的每个月给每个人几百刀的 Token，这个成本是实打实的支出了的，工作效率也实打实的提升了不知道多少倍的。想要维持旧的人员规模是不可能的。

非常开心跟大家宣布 con 发布了哈 它是一个 terminal emulator with AI harness, nothing more 它由 rust + libghostty 构建，高性能、GPU 加速是基础 con 专为传统的、至今仍重度用 terminal 的用户准备。 如果你希望用一个顺滑、顺眼的 terminal，但是同时有想拥有一些内置的 agent harness 能力，不再需要更多复杂的东西，con 可能是你的另一个 terminal 哈。 我现在比如做产品的 release 这样的 workflow 已经完全用 con 在做了。 con 可以随时隐藏 agent panel、或者方便的 broadcast 输入框（还有模式自动区分命令与自然语言），原生支持 skills。 欢迎大家来试玩哈，现在是 beta 阶段。

Nvidia與Arm接連宣布進軍CPU市場：Nvidia推出獨立銷售的Vera CPU，Arm則發表首款自有產品Arm AGI CPU。這一同步動作，反映AI資料中心正因Agentic AI興起而發生結構性轉變。 過去，GPU主導AI訓練與推論的大規模平行運算，CPU僅負責資料路由，CPU:GPU比例約為1:4至1:8。然而，Agentic AI需要大量協同編排（Orchestration）、工具呼叫、子任務排程與結果評估等工作，這些皆為CPU密集型任務。根據Arm估計，AI Agent時代每GW所需的CPU核心數將從傳統的3,000萬激增至1.2億個，CPU:GPU比例預計轉變為1:1至1:2。 此需求推升下，Intel與AMD已於2026年第一季末調漲部分CPU價格。2026年CPU市場競爭激烈：Intel計畫推出Xeon 6+（288核心）與Xeon 7（256核心），但因Intel 18A製程良率問題，可能延後至2027年；AMD則推出EPYC Venice（256核心/512執行緒），有望繼續擴大市占。 非傳統玩家積極搶進：Nvidia Vera CPU（88核心）強調與GPU高效互聯；Arm AGI CPU（136核心）推出風冷與液冷機櫃；Ampere預計推出256核心的AmpereOne MX；AWS Graviton5、Microsoft Cobalt 200、Google Axion系列等雲端自研CPU也持續進化。 TrendForce指出，Agentic AI將重塑CPU需求格局，Nvidia、Arm與各大CSP進入市場，更為IC後端設計服務商帶來新商機。

想象一下 Palantir × Polymarket × AI Agent 的结合 我构建了一个开源情报平台，能够实时追踪全球 16,000 多个目标： - 11,000+ 架航班实时追踪 - 700+ 艘船舶 - 数百颗卫星 - 地震、火山、活跃火灾 - 全球冲突与抗议活动 - 网络中断与 GPS 干扰 - 全球 300+ 路实时 CCTV 监控画面 - 数据中心与海底电缆 - 每个国家都关联了预测市场的赔率 点击地图上的任何位置，AI Agent 就会提取实时上下文，并生成一份带有来源依据的完整情报简报。

Q1七姐妹普跌，但AI硬件和光通信等主线超额收益惊人——MSX上39支标的中4支涨幅超100%。 进入Q2，指数Beta有限，Alpha将更集中、更挑剔。超额收益藏在五大主线里： 1️⃣ AI基建外溢——从GPU走向网络、存储与电力，算力→光通信→存储→电力逐层兑现。MSX上LRCX、KLAC、MRVL、MU、VRT等均有覆盖。 2️⃣ 能源与资源——油价冲高传导至能源股弹性，XOM、CVX、OXY可关注。 3️⃣ 航空航天——军工预算释放+商业化兑现，LMT、NOC、RKLB等存在结构性机会。 4️⃣ 金融与周期——资本占用缓解、并购活跃，GS、JPM、CAT盈利能见度提升。 5️⃣ 贵金属与资源安全——美元利率波动下的避险弹性，GLD、SLV、NEM等。 玩美股用麦通 @MSX_CN : https://t.co/j40YdGfT0J 详细拆解和完整标的一览，点击查看原文👇 🔗 https://t.co/7M3bm0YNW3