🔥 Search Hot Tweets

今天芯片圈最大的新闻，莫过于Gerard在创立Nuvia CPU被高通收购五年之后，重新出发，新创立了ARM CPU公司，名字也跟之前非常像，叫Nuvacore 现在这个时间点做数据中心CPU，确实是赶上了CPU十年来最好的时代: AI agent带来CPU短缺潮已经经隐隐浮现，AWS多个客户都提出要包揽所有Graviton ARM CPU产能 ------------ 这个消息对硅谷的芯片打工人吸引力是巨大的，Nuvacore这次的阵容都是功成名就的明星阵容，以前Nuvia创始团队重新集合，拿了红衫的投资，做面向 AI 基础设施/agentic computing 的通用ARM CPU。当年还是一个尚未完全被验证的大方向都能大获成功，而现在ARM CPU服务器正在风口浪尖上，前景和想象力和2019年Nuvia比起来大了太多了 上一次Gerard把Google，苹果platform architecture组的架构大佬挖了好多过去，这次的号召力只会强得多，240m的融资，已经验证过的路径和创始团队，肉眼可见的下一个增长风口，一定会让Nuvacore成为湾区最热门最受追捧的芯片startup，没有之一。毕竟这是一个肉眼可见能财富自由而且风险收益比极好的机会 ---------- 遥想当年Nuvia第一代CPU的发布赶上苹果M2时代，还是挺震撼的，Nuvia让高通在一年的时间CPU跑分进步了整整三代，单核跑分从2300变成3200，竟然超过了苹果M2 max一大截 可惜Nuvia Phoenix core从发布到最后上市拖了太久太久，中间苹果把牙膏挤爆了连着上市了M3/M4，于是Nuvia CPU上市之后从跟M2比较变成了跟M4比较，从期待中的C位变成背景板了 当年Nuvia的眼光非常超前，在2019年ARM CPU服务器市场占有率几乎为零的情况下，就是想从零开始打通这个市场，2021年被高通14亿美元收购之后，高通也给了无限的资源支持，扩招力度很大，给的薪水都是市面上最高一档的。 可惜大环境在2022年恶化的很快，加上高通的管理层战略眼光实在太差太短视，在业界ARM服务器生态都开始有起色的时候，为了股价节约开支，竟然再一次把自家的Nuvia CPU 服务器团队解散了（算上2015年已经解散过一次ARM服务器团队） 直到2025年，Nvidia的Grace ARM CPU都已经发布四年了，Vera ARM CPU都已经自研好久了，Amazon的ARM CPU Graviton都快占据CPU服务器新出货的50%了，高通才后知后觉谨慎的重启ARM服务器项目 所以这次Gerard从高通的高管位置把之前的创始团队拉出来自己干，可能是因为高通高层战略眼光实在太差屡屡错过机会，上次Nuvia想做ARM服务器，高通的承诺也因为大环境恶化没做数，结果被收购之后被高通取消了项目直接改做了laptop芯片和手机芯片 加上高通今年在手机销量上因为内存和存储历史级的巨额涨价，可以预见要受到重创(市场萎缩30%)，能拿出的扩张预算有限，在高通能拿到的资源是受到掣肘的 而在创业公司里比在 Qualcomm 这种大平台里更容易拿到足够快的决策速度、团队纯度、产品定义权和资本叙事，于是选择在窗口已经被验证时重新集结老班底 但更可能因为，AI时代的CPU前景想象力真的太广阔了，完全值得重新投入一次，不是Gerard变了，而是外部市场变了 ------------------------ 进入2025年之后，AI agent的出现，隐隐让CPU重新变成了瓶颈 CPU服务器重新步入增长轨道，而且潜力巨大，有好几个因素： 1. 随着推理时代的到来，GPU演化到针对推理的系统级新架构，CPU 是永远在忙的总指挥orchestrator, 因为要追求token throughput，所以异构计算阶段变多 + 批处理数量batch越来越大，scheduling/routing/data flow复杂度变高，对orchestration要求也变高 所以在系统级异构推理架构里，AI加速器和GPU在CPU：GPU的配比上，也变得更为激进，从以前的1：4到Grace Blackwell的1：2，以后是很有希望达到1：1的比例的。Google TPU配Axion，Amazon Tranium配Graviton，Nvidia Rubin配自家Vera CPU 这条在我的去年11月半导体年终回顾写过，基本上在2026年成为了共识，虽然这部分主要是各家AI 芯片自研，并不是纯粹的CPU服务器，其实不算是外部CPU服务器的机会 2. 也是同一篇年终回顾里写到的： 从CPU视角去看agentic workload，routing和工具处理都在CPU上，如果把常用的agentic框架做profiling，比如SWE-Agent, LangChain, Toolformer，CPU最长可以占到90%的E2E端到端延迟，throughput瓶颈也更多的卡在CPU，CPU甚至能耗也超过了总能耗的40% Agentic AI目前是一个CPU瓶颈更多的事情，Agent管理很多个CPU，再加上agent经常要开sandbox，很可能会成就CPU需求的新一波回暖 现在回看去年写的这个逻辑，潜力是非常大的。但其实年初可能并没有很大规模发生，年初的CPU增长和各家渲染的CPU短缺潮和这个逻辑暂时关系不大，更多可能是前几年的capex投入GPU的比例太大，造成传统CPU服务器投入不够，所以需求上升是一个回补之前传统服务器投入不够的部分。 但到了下半年甚至2027，agent会开始更广泛的铺开，比如智能导购和客服，已经占到了Amazon去年年底100万CPU采购的相当部分比例，这部分的增长是很快的 前两个逻辑，基本上是今年主流叙事在讲CPU潜力的共识，但是我的感悟是，还有另外两个逻辑被低估了： 3. 造成CPU服务器潜力更大，更长线的主逻辑，可能和agent本身没有直接关系，而是code agent带来的副产物： coding门槛和速度的大幅优化，让“构建软件 + 连接软件 + 调用软件 + 自动化软件”这整件事便宜了一个数量级，Jevons 悖论在software供给端的展开，最终把世界推向更高的软件密度和 API 密度，这直接带来了CPU传统workload的线性上升 从2025年年底开始，coding agent迎来了质变，Claude code迎来了爆发式增长，三个月的token营收增长了三倍，那么导致的下一步必然是Code量的十倍增长,以及App数量的巨量增长 即便是在大厂，每天1m token消耗只能算是个平均水平，人均coding量必然是翻倍的（小厂就是翻十倍了），code供给量暴增，不会只停留在 repo 里，而会逐步变成更多长期运行的软件资产，长期存活的feature变多，product变多，microservice变多，API变多 长线来看，App/API所有的生产成本和生产周期会变成原来的10%，API实现极大富足。那么API的Usage就会大量的上升,这就会造成传统CPU Workload或者说CPU Seconds大量的上升，这甚至和agentic没有直接关系 时间维度上，这个逻辑并不是短期性质，Claude code的爆炸是这几个月刚发生的事情，那么产品上线，microservice，api上线，可能都要向后延迟。当软件变便宜，社会不会少用软件，只会把更多事情软件化 所以也许到下半年甚至更久才会看到，传统cpu云的需求又莫名其妙增加了，表面上看，甚至和AI agent没有直接关系 4. CPU是一个技术上很难通缩的东西，不像内存/存储有很多压缩算法会降低单任务对存储的用量，CPU workload增长转化成硬件需求增长是实打实的 比如说kvcache其实每年都有各种压缩技术出现，老的压缩技术比如kvcache的multi-head它会share一个head（GQV），这个大概会相当于4倍的压缩，再比如说去年turboquant这个技术也会新带来几倍的压缩。然后加上数据精度从FP16到现在的下一步要到FP4，精度的下降都会带来kvcache的压缩，从而带来存储方面的技术通缩。 但CPU是一个技术层面上通缩量很小的事情，目前任何的agentic的cpu workload（CPU seconds）增长都是硬件需求增长，它通缩的方面只有每年每一代跑分提高的10%到15%。如果说另外通缩因素，比如云的五倍六倍的超卖会不会影响？不会，因为它一直是超卖的，所以说超卖/利用率低这个CPU技术通缩的因素不会继续扩大了，每个增长的CPU seconds都是不怎么带打折的硬件线性增长 ARM的指引是CPU的供需缺口可能会到30%以上，这几个原因的叠加，加上AI服务器对CPU服务器产能和订单的挤压，可能会让缺口更大，各个hyperscaler的反应可能是会滞后的 ------------------ CPU整体需求潜力增长的同时，ARM服务器CPU也赶上了历史上最好的时代： Hyperscaler为了节省成本，接近50%的新增传统server CPU都是ARM，Google的Axion，Amazon的Graviton，Microsoft的Cobolt，Graviton甚至2026年的产能已经全部卖完，瓶颈成了产能 Google TPU配Axion，Amazon Tranium配Graviton，Nvidia Rubin配自家Vera CPU，这部分CPU为什么会集体转向ARM，除了成本因素之外，也因为推理系统为了追求token throughput，batch越来越高越做越复杂，自研ARM CPU以及系统性软件硬件的co-design会更方便，比如Nvidia是Dynamo去控制Vera和Rubin之间的协同 Nuvacore的规划上来看，不仅仅满足于做IP，也要做成品，因为在招聘网站上出现了validation engineer的职位 但是这次Nuvacore面临的挑战也不小：起步太晚了，无论是市场上，还是技术上，竞争都激烈了很多。CPU服务器和七年前比，已经复杂了很多，已经不再是单片CPU的竞争，而是rack系统级别的复杂度 现在开始做2028~2029年上市的CPU，要做到rack级别有竞争力，规模要大很多，基本上要几十个chiplet，500+个core拼起来，还要考虑如何适配AI agentic workload，工作量比以前明显要大的多，对一个startup的挑战比七年前也大得多 ---------------- 上次Nuvia在成立两年之后成功的以14亿美元出售，这次市场热度比五年前高了一个数量级，Nuvacore之后的路会怎么走呢？ 如果是被收购路线，其实买家可能比五年前比并没有更多，这五年里，Google有了Axion，微软有了Cobalt，Amazon有了Graviton，Nvidia自研的Vera CPU已经成型，连ARM也打破了35年来只做IP的常规，开始做自己的AGI CPU芯片 最有可能的是Softbank系，softbank已经在ARM CPU服务器生态上布局深耕了多年，65亿美元收购了Ampere，再收购Nuvacore是很正常的事情，这个市场想象力足够大 其他的选择也可能是Meta，因为几家互联网公司里，只有Meta的silicon house没有稳定可靠的CPU服务器，有限的资源在MTIA都做AI加速器去了 但是Meta的问题在于稳定性极低，决策每个月都在变化，注意力非常短期化，项目随时取消，对Nuvacore来说完全无法兑现潜力，是一个非常糟糕的买家 但总体来说，Nuvacore的选择肯定比五年前宽了太多了，对ARM CPU服务器的潜力大家的共识都很明确，融资的难度要小很多，自己运营扩张起来，阻力比以前小很多，合作伙伴的配合程度上也因为未来预期，会容易很多 完全可以自己做大到比Nuvia当年更大的规模再考虑出路，根本不着急卖

我这几个月反复、反复、反复、反复说， 对于一个工作量超长、任务非常复杂、易于用unit test验证、在claude code里反复停止、反复打断的任务， 你一个堂堂的大活人，非要每隔1小时进去看一眼，敲一个continue，一小时盯一次，一小时敲一次continue，纯粹就是他妈贱的。 我反复说过，goal-driven 就是唯一最终解，一次性连续运行20~200小时，这才是最终解、最优解、唯一解。 我开源了一款非常简单但是极度好用的multi-agent system。 名字就叫goal-driven（目标驱动） https://t.co/WwTLrQIfDT 原理非常简单，就像我说过的，让一个master agent不断监督subagent工作，直到subagent完成了工作，并且master agent亲自认证工作meet the criteria，符合判据中的要求， 否则就继续无限循环，逼迫subagent持续工作。 顾名思义，goal-driven就是goal-driven，就是一个纯粹目标驱动的框架，只要根据criteria判据判断达不到目标，就必须收集一切错误信息进行改进，进行无限循环，直到彻底实现最终goal（目标）为止。 这个设计的优势是，可以让你以>100小时的时间、极高的token消耗成本，去让这个master agent-subagent system去持续解决设计复杂、逻辑复杂、高度抽象、挑战人类和AI Agent能力极限的极其困难的问题， 比如设计编译器/interpreter/transpiler、解决复杂的数学问题、复杂系统问题、电子仿真问题等等， 目前这个goal-driven已经完成了三个工作， 一个是全自动设计了sqlite的一个rust实现版本，sql parser非常稳定， 一个是全自动设计了C++实现的TypeScript Compiler，这在去年只有微软几个人实现了这个工作， 一个是全自动实现了世界上最复杂的数学证明工具——lean4的TyeScript版本编译器，这在过去也是由微软发明并且由整个数学学术界维护的。 goal-driven已经被证明了是一款非常强大、非常简单、非常直白的multi-agent system，而且只需要一个prompt写进去即可， 只要你设定好了goal（目标），criteria（判据，判断成功与否的标准，比如生成1000个复杂test case）， 就可以让agent和subagent持续工作100小时，完成一些人类历史上极具挑战难度的、最复杂、 最抽象、最艰难的工作。 好了，赶紧点个star，接下来我还要开源一个更重磅的东西。

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，让master agent和subagent一起持续工作20~200小时，直到任务彻底完成。 中间不需要人工每小时干预或者监视。 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。

AI 等于 American Intelligence。 Palantir CEO Alex Karp 和黄仁勋同台，抛出了这个极度嚣张的等式。 他断言 AI 正在把美国推向全球绝对霸主的位置。 Alex Karp 在欧洲待了半辈子。 他对大洋彼岸的评价一点情面没留。 那里的人除了整天怨天尤人，什么也干不出来。 美国完全是另一幅牌面。 手里捏着最顶尖的芯片和软件，还有最敢押注的冒险文化。 所有要素叠加，早就成了势不可挡的洪流。 这里有个极其致命的问题。 这场技术狂欢创造的万亿财富，到底谁来吃？ 是硅谷富豪的数字游戏，还是普通老百姓的真金白银？ 答案全在制造业岗位上。 现任美国政府的核心动作就是能源暴增。 他们正在一路绿灯审批核反应堆，疯狂释放能源部的土地。 砍掉繁琐的审批流程，把廉价电力拉满。 有了能源，怎么建超级工厂？ 用 AI。 怎么给水管工、电工和机械师升级技能？ 还是用 AI。 政策铺路，能源兜底，AI 加速。 美国的工业机器已经彻底挂上了高速挡。

這次 台積電 法說會，不尋常地 bullish 1️⃣ 已量產 2 奈米，卻反而擴產上一代 3 奈米 這非常罕見。 👉 代表 AI 需求強到「上一代產品都不夠用」 因為 3 奈米主力就是 AI 晶片 2️⃣ 過去 capex 約 15% 投成熟製程 → 上季降到 ~10% 這次？直接不提 還要關兩座成熟製程晶圓廠 👉 資本配置已經完全倒向 AI 先進製程 3️⃣ 毛利率創歷史新高 下季還要再升 才過一季就說 capex 會打到高標 👉 擴產是「踩油門」，不是試探 🦧 結論： AI 根本沒有 bearish 的理由。

判断一个团队是真的 ai driven 还是嘴上说说很简单，如果 claude/codex 挂了，整个团队几乎全方面停摆、飞轮也停了，那么恭喜你，团队雀实很 ai driven (in a good way)。

不出镜也能月入十万？AI切片带货让小白翻身，有人已经赚疯了。 https://t.co/jjFiZrxImB

反常识观点：高质量信息往往来源于小账号！ 以下这些精品小账号，你务必要关注！（排名不分先后） 1. 菜狗 @jiroucaigou 重量级人物！各种美股知识、Web 3 教程、AI 干货信手拈来，推文爆款大师。 2. Z大诗 @Zh_Crypto517 分享 Vibe coding、出海干货、副业教程的干货达人 3. 奶糖 @spicycandy00 分享 AI 设计、AI 副业、Web 3 撸毛深度教程 4. 摸鱼巨匠 @SunNeverSetsX 分享 AI 自动化工作流、AI 产品开发教程、X 增长策略等干货 5. 摸鱼局长 @Jason23818126 做图精致、内容精品的 AI、Web 3 垂直赛道账号 6. Sac @Saccc_c Base 中文台运营合伙人。AI 干货分享、行业洞察、生活感悟 7. ZC @ZhanweiC 想研究预测市场、撸毛赛道、邪修起号的绝对绕不开他！

看之前有网友说，某大厂程序员被裁去做滑雪教练，比之前收入还高。朋友大学生，做羽毛球教练兼职，比大厂员工收入还高，而且自由。 AI 时代，掌握几门 AI 无法替代的技能，还是挺重要的。不仅社会支持系统要多元，最好职业和饭碗也要多元一些。

🛡️「币安安全小剧场」用户故事投稿第2️⃣集 AI只是工具，索要全部设备权限别信！ 带 #币安安全月 RT并留言，你认为视频中帕鲁犯了哪个致命错误❓ 🧧抽5位获得50U奖金，安全故事投稿继续！投稿入选即可额外获得100U #币安安全星期四 https://t.co/EZpEuYrhz8

我有个难以启齿的问题： 不是说咱们国产AI模型DeepSeek、GLM和MiniMax已经在排行榜上全方位接近甚至超越西方模型了吗 为啥Anthropic Claude KYC 封号还能引起轩然大波？ 大家在国内，不就是用它来搞电商、开客服吗 难不成还真的有什么正事可以干？ 😅😅😅

現階段使用 AI 經常遇到這些問題 1. AI 幻象 => 他明明不知道準確答案卻硬是拼湊一個似是而非的回答給我們 2.不具備記憶功能 => 透過不斷交談、訓練後的內容跟知識點，下一次新對話的時候他都忘光了 3.跑模型太貴了 => 除非是在學術環境或是大型研究室，對於我們普通人想跑大型 AI 模型需要先有超過 3 萬美金搭建的硬體才可能跑得起來 4.收費 AI 應用透明度低 => 首先他們不會開源之外、還可能隨時去提升費用，在隱私方面我們多數人都成為免費的AI訓練者，指不定哪天還要擔心上傳的資料被濫用 但是 @OpenGradient 以去中心化智能網路的角度一次性解決這些問題 🔳 OpenGradient Network 讓 AI 模型可以大規模被託管運作，且經過驗證後的結果免除AI幻象的問題 🔳 MemSync 建立完整的 AI 記憶體系統，chatGPT 跟 grok 應用不再是只有三秒鐘記憶的金魚 🔳 Model hub 直接提供 4000 個以上的開源模型可以直接運算，不需要花幾萬美金才能做開發 🔳 On-Chain AI SDK 相當於是開發者把app上鏈的接口，並內建 x402 支付框架 🔥剛剛宣布的 $9.5M 融資可以說是VC們對 OpenGradient 的一層認可 早在融資之前他們就依靠六個產品吸引超過 200 萬名用戶，這些產品都持續為項目帶來現金流 a16z 、前 Coinbase CTO 和 Polygon 聯創可以說是慧眼識英雄

早 C 晚 G 工作法： 早上 GLM 崩 ，切 Claude 半夜 Claude 崩 ，切 GLM 然后昨天半夜两个一起挂了！（睡觉）

兄弟们，昨天配了一个新的bot，在我的失误下，把两个机器人部署到同一个目录下面，成功把旧bot搞炸了 跟他聊天就觉得语气不对，一查才知道provider和model变成了openrouter、openai/gpt-4o-mini（可能是我设置了fallback的原因） 马上着手把模型换回来，但是才发现 最容易把人折腾疯的，不是模型没换成功。 而是你以为没换成功，其实真正没对上的，是整条调用链。 昨天我花了一整天，把 Hermes + Telegram Bot + Codex 这条链路彻底跑通了。中间踩了很多坑，但最后也总结出一套我自己觉得靠谱的排查路径，从看起来改了配置但死活不生效，到最后确认 Hermes 真正接管、Codex 真正跑起来。 今天分享给跟我差不多的小白兄弟们 一开始最诡异的现象是：明明已经把配置改成 Codex，Bot 却还是一直回复 openrouter / gpt-4o-mini。你去改 config，关fallback，关routing，甚至反复重启，结果都一样。只要你问一句“你现在是什么模型？”，它永远回你 gpt-4o-mini。这个现象特别有迷惑性，因为它会让你误以为是 Hermes 的配置问题。 但真正排查下去才发现，第一个坑根本不在 Hermes。 我用 grep -r "TELEGRAM_BOT_TOKEN" ~ ，结果发现系统里还有别的 Python bot 在跑，比如 /home/binance_telegram.py 和 /home/oopenclaw-run/ 相关进程。 也就是说，真正接管 Telegram 消息的，可能不是 Hermes，而是另一个老进程。你改 Hermes 配置当然没用，因为消息根本没走 Hermes。 这一层的处理很直接，先把所有可疑进程清干净。 pkill -f binance_telegram pkill -f openclaw pkill -f python 但事情还没结束。 第二个坑更隐蔽：同一个 Telegram token 可能被多个环境同时占用，而且它不一定走 webhook，可能走的是 polling。这个最难排查，curl https://t.co/NE3ApJUlAB<token>/getWebhookInfo 因为你会看到看 getWebhookInfo 甚至会发现 "url": "" 是空的，看起来没问题，但实际上旧程序还在后台抢消息。 最后最直接的办法，不是继续想。 直接去@BotFather执行 /revoke，拿一个全新的 token。 这是我今天最大的经验之一：只要你怀疑token被污染，最省时间的办法就是直接换新token。别跟旧环境纠缠。 拿到新 token 之后，再把 Hermes 正确接上： 在 nano ~/.hermes/.env 里写入 TELEGRAM_BOT_TOKEN=你的新token GATEWAY_ALLOW_ALL_USERS=true 然后启动你的hermes 这里还有一个细节，不要随手 Ctrl+C 退出。很多人以为自己启动过了，其实服务早就被自己关掉了。 第三个坑，也是最容易误判的一层 你明明已经切到 Codex，为什么 Bot 看起来还是像 gpt-4o-mini？ 模型自报这件事，本身就不可信。 也就是说，你不能再问 BOT 你现在是什么模型来判断到底在用什么模型 。这个验证方法本身就有问题。很多时候，模型回复的自我描述只是文本，不代表真实路由，更不代表真实provider。 真正靠谱的验证方式，我最后只保留两种。 第一种，也是最好用的一种：假模型测试。 你把配置故意改成一个根本不存在的模型，比如： model: default: definitely-not-a-real-model provider: openai-codex 如果这时候系统明确报错： Error code: 400 - model not supported 那就说明两件事： 第一，Hermes已经真的接管了请求； 第二，请求也确实已经走到了你的provider。 第二种验证方式，是发一个真实任务，而不是问身份。 比如发： “请用三段话比较 Python 的 list 和 tuple。” 如果它能稳定输出： 有结构；有推理；有取舍；不是模板腔； 那基本就说明模型能力链路是对的。 我今天最后确认跑通时，用的就是这套逻辑。 最终稳定可用的配置是： model: default: gpt-5.4 provider: openai-codex base_url: https://t.co/NjkQ0y9zJr 到这里，这条链路才算真正稳定。 今天这件事的总结 /1 不要迷信“你现在是什么模型”这种提问。 这是最容易把你带偏的验证方式。 /2 判断模型有没有切成功，不是看配置写了什么，而是看调用链有没有被验证。 /3 Telegram Bot 最大的坑不是配置，而是同一个 token 被多个环境同时抢占，尤其是polling场景，特别隐蔽。 /4 最干净的处理方式，不是无限排查旧环境，而是直接 /revoke + 新 token，重建一条干净链路。 如果你最近也在折腾 Hermes、Telegram Bot、Codex、OpenRouter，这套排查路径基本可以直接复用。 从现象判断，到进程排查，到token污染，再到假模型验证，我觉得已经是一套能落地的生产级方法了。

AI浪潮几乎卷走了每一个博客，其实我也没悲哀 只是感叹这个世界一直在追求高速率，高密度，到底要最求到什么程度呢？是不是无止境的追求。 https://t.co/ZWo4IjlEMF

数据幻觉的终结，才是 AI 真正接管财富的开始 最近刷到很多关于算力、模型、Agent 的讨论。 但看得越多，反而越觉得有个问题，被忽略了。 AI 的上限，从来不取决于它能算多快。 而是它，究竟在相信什么。 如果它相信的是幻觉，那再强的模型也只是一个更高效的错误放大器。而这件事正在慢慢逼近链上金融的核心。 一、不是误差，是被放大的风险 大家都在聊 Agent（智能体），自动交易、自动清算、自动决策。 但有一句话，我最近反复在想：“Faster execution amplifies bad inputs.” 速度不会修复错误，只会放大错误。 在 @trondao 这样个承载着数百亿美元流动性系统里， -1% 的价格偏差 -0.1% 的数据延迟 都不会只是技术问题。 它们会被自动化放大，变成系统性的风险。 当AI开始直接参与资金决策时， 它其实已经不再只是一个工具。 更像是一个在执行判断的系统。 只是这个系统它看到的世界，未必是真实的。 二、 $U 喂价：不是更新，而是基准的出现 这周 @WinkLink_Oracle 支持 $U/TRX和 $U/USD价格对。 很多人看到的是功能更新，但如果从 AI + DeFi 的角度看，这更像是一种基准的建立。 $U 的价格，不只是一个数字。它背后连接的是： -清算是否准确 -风控是否有效 -策略是否成立 它是整个系统判断的起点。 WINkLink 提供的也不只是数据，更像是一套可以被验证的度量方式。 没有它，AI 只能在波动中博弈。 有了它，AI 才开始真正理解价格。 三、从工具，到真值层 过去我们理解 Oracle，更多是把数据搬上链。 但在 #TRONAISeason 这个阶段，这个角色其实已经变了。 #WINkLink 正在慢慢变成一层真值结构。 它通过多源聚合、实时验证，把原本混乱的数据，压缩成一种 AI 可以依赖的确定性。 不是数据是多少，而是这个数据，为什么可以被相信。 当这个问题被解决时，AI才真正有资格进入金融系统。 四、一些慢慢浮现的结构 如果把最近 #TRON 动作连起来看，其实会发现一个挺完整的结构： Agent → 谁在执行 稳定币 → 价值如何流动 WINkLink → 判断依据来自哪里 这些东西，单独看都不稀奇。 但放在一起就会变成一个问题：AI 在链上做决策，到底基于什么现实？ 也许这才是关键，不是模型有多强，是它站在什么样的地面上。 写在最后 有时候我们会默认，AI 的问题是能力不够。 但也许更本质的问题是它看到的世界，本身就不够真实。 如果是这样，那所有关于效率、算力、自动化的讨论，都只是建立在一个不稳定的前提之上。 也许很多人现在还不会在意这一层。 但当 AI 真正开始管理财富的时候，我们终究会回到一个很简单的问题：“它，凭什么判断是对的？” 而这个问题的答案，很可能，早就已经写在底层了。 @justinsuntron @WinkLink_Oracle #TRONEcoStar #WINkLinkAI #TRONAISeason

我委託的圖全是基於對 vTuber 的熱愛，花真金白銀誠摯邀請繪師創作的，別拿別人的心意去餵 AI 當縫合怪！ 如果這種糟蹋他人心意的行為再發生一次，那麼各位看到公開委託可能就是最後一次了。我沒有必要花費足以競標好幾次的金額來讓自己受氣。 嚴禁擅自將委託圖投入 AI 運算謝謝🙏 https://t.co/VQslo1HWsW

一直羡慕别人用 AI 交易，感觉又轻松又专业。奈何自己不会折腾，只能在旁边看别人玩。 直到最近看到 Bitget 推出的 GetClaw 机器人，在 Telegram 里直接搜 getclaw_official_bot 就能用，不用下载 App，这点真的挺方便的，我才想着试一试。 刚好我最近想看看 ETH，就问它能不能给一个交易思路。 我用的提示词是： “查一下现在的恐慌贪婪指数和 ETH 的实时价格。如果我想现在开启 ETH 的智能定投，帮我设计一个带动态风控的定投策略。” 结果它直接给了一整套很完整的分析 + 定投方案 + 动态风控逻辑。 说实话，有这种工具在旁边提醒和辅助，心里确实踏实了不少。 🎁 另外 @Bitget_zh中文官推正在抽奖，大家可以去晒图试试手气！

1. Claude在可预见的时间内没有下坡路的可能。 2. 谷歌股价上涨的原因是18倍PE的错误定价，Gemini 3虚晃一枪，模型根本不行。 3. 但凡真的用谷歌Gemini API和app的都不会说他不缺算力的话，模型降智、api疯狂截断和报错。 4. 从不缺算力的角度，openai逆风叙事反转的可能性更大。

推荐阅读若石写的这篇博客：模型不是笨，是 Harness 没配好 AI 智能体跑十步就崩，很多人第一反应是模型太蠢，但这篇文章却给出另一个视角：不是马不行，是缰绳没拴好。 文章提出的 Harness Engineering，你可以理解成给 AI 模型戴上安全带、装上安全气囊的工程实践。 过去两年，我们经历了两个阶段：Prompt Engineering（怎么问）、Context Engineering（喂什么料），但它们对付不了模型多步自主执行时的各种意外。 文章中有一个生动的例子：让一个智能体写市场分析报告，前三步相当顺利，但到第七步突然开始胡编乱造，因为搜索返回的内容超出上下文窗口被默默截掉了；第十步输出一段残破的 JSON，整条链路就此夭折，只能重头再来。 要解决这种问题，Harness Engineering 给出四个简单又实用的原则： 1. 能用代码约束的事儿，别指望模型自觉。 比如 JSON 格式，别在提示词里苦口婆心求模型输出合法内容，直接上 Schema 验证器，非法输出直接回炉。 2. 关键状态必须外置，不让模型在脑子里憋着。 就像你写代码不会只存在内存里一样，模型跑到哪一步、哪些任务完成了、哪些没做，都记到一个外部的 state.json 文件里，这样即使中途崩了，重新启动后还能接着来。 3. 模型输出不能自卖自夸，必须找第三方验收。 永远不要让模型给自己的作业评分，因为它总觉得自己很棒。需要一个独立的 Evaluator 模型，它不看原始思考过程，只对结果验收。最好还真能执行一下（跑跑编译器、打开页面看UI），而不是靠想象力评价。 4. 失败要限制在局部，不能一人出错全家连坐。 工具调用失败了，就让这一步重试，别搞得整个流程跟着陪葬。 文章后半段还提到了几个反直觉的坑： 首先是「上下文焦虑症」。 上下文一旦占了 70% 以上，模型就变得焦躁，开始跳步骤、草草收尾，好像急着下班一样。解决办法也很直观：别死守污染的上下文，干脆存盘、清空、重启一个干净实例继续干。 其次是「自评骗局」。 模型把稀烂的代码夸成“结构清晰、可读性佳”，根本不可信。真实验收标准必须独立而且有执行过程，不然你迟早翻车。 最后是「记忆整理周期」。 长期运行的智能体日志像凌乱的备忘录，新旧信息打架、浪费 token。这时候要做定期整理，把杂乱的日志压缩成清晰的状态文件。有团队靠这个技巧，把 32K token 的日志压到 7K，还一点不掉关键信息。 当然，让你一开始就搭出这种七层塔楼有点难度。 文章中提到了个一天内能落地的最小版本： - 一个 state.json 存任务状态； - 工具调用加 try/catch，失败就指数退避重试； - 模型输出全都 Schema 校验； - 工具返回的数据统一截断，绝不爆 token。 如果能做到这些，就能大幅提升智能体的任务成功率。推荐阅读原文。

Gemini 3.0 Pro 强大得令人震惊。 但99%的人还不知道它的真正潜力。 我用它构建应用、生成内容、自动化深度研究等。 以下是10个堪称作弊的Gemini 3.0 Pro使用方法： https://t.co/axugg3kcz7

来吧！感受一下Gemini 3.1-flash-TTS的威力！ 18🚫禁，公共场合谨慎打开声音🔊 整体又比Gemini2.5pro TTS上升一个档次了！ https://t.co/xbMTTKPSf9

Claude code 的新 Render，真牛逼👍 https://t.co/x1z5tXFm9o

大部分人的大脑出厂设置，根本跑不动“意图驱动”这个新操作系统。带着工业时代的认知惯性去当导演，你给 AI 下达的意图在机器看来就像一个喝醉的甲方在胡言乱语。很有趣的一篇 AI 生成的文章，想成为 AI Native，你的认知系统得经历三次痛苦的基因突变👀 突变一：和不确定性交朋友 知道大模型更像一个绝顶聪明但偶尔会信口开河的顾问。你不会因为一个顾问说错了一句话就把他开除 —— 你会追问、交叉验证、提供更多背景信息。他们把“AI 可能犯错”这件事设计进了工作流里。不是信任，也不是不信任，是有策略地使用； 突变二：交出你的硬盘，留下你的索引 这个变化可以用一句话概括：你的大脑不该再当硬盘用了。它应该是路由器。新世界的顶级律师是这样的人：他不需要背诵那一万条判例，但他知道判例之间的结构关系，知道什么时候该怀疑 AI 给的引用是编的，知道哪种案例的推理链条最脆弱，知道法官在这类案子里真正在乎的是什么； 突变三：创造力的上移 这个突变最微妙，也最容易被误解。 传统的创造力是无中生有 —— 面对白纸，绞尽脑汁，憋出第一句话。AI Native 的创造力是另一回事。你丢给 AI 一个意图，它瞬间吐出五十个方案。然后呢？ 然后才是真正考验你的时刻。五十个方案摆在面前，四十九个是平庸的垃圾，只有一个直击灵魂。你能一眼把它挑出来吗？ 这就是为什么我说 AI 时代的创造力是策展与谋杀。关键不在生成，在判断。品味和判断力取代了执行力，成了你唯一的护城河✨

朋友去了施一公的讲座，去追星 会场就有人问施一公： 怎么看待AI在生物科研里的作用 施一公先说： 自己有一个普林斯顿的朋友 正在做很好的AI筛药模型， 聊了一会就说 自己玩了豆包不啦不啦的 我和我朋友说： 你们也是拿施老师当许愿池里的王八了 王八壳子一扔就能当神谕了？ 他真的懂AI是啥吗？ 你让他讲Transformer 是啥 给他俩小时他能讲明白不？ 救了大命了

如果把交易完全交给“规则”，而不是“感觉”，你会更安心，还是更不习惯？ 一个严格执行你命令的AI交易机器人 你来定规则，AI 负责执行。 传统 AI 工具： 只负责告诉你“买 / 卖 / 观望” 最后还是你自己下单，还要订阅各种服务 但这种 AI 代理不一样： 你设定规则，它直接帮你执行交易 不再靠情绪，不再靠临场判断 重点是——不需要你一直盯盘，也不需要反复决策。 你更倾向于哪一种呢？

四月才過一半，看著後台的 AI 帳單，我已經想去天台排隊了🫠 整整 76,494,243,467 個 Tokens。 如果你們只是正經打怪、練功、闖蕩江湖，帳單絕不會長得這麼狂野。 看看圖表上那幾個珠穆朗瑪峰般的柱狀圖， https://t.co/dU0NpfZKhQ

屋上少女 #SeaArt　#AIイラスト SFW illustration https://t.co/SfhLQL8ehL

我是不建议不熟悉写作的人，一上来就借助 AI 去写作的，尤其是用 cc/codex 辅助（如果只是 chatbot 对话还好一点） 因为很多人分不清他遇到的问题，是文字问题还是 AI 问题 比如我们要对比一下 cc/codex 的写作能力，这个对比工作无非是让他们各自写一些文字，然后你看看结果好坏 1、这是一道语文测试题，和 AI 无关 2、很多人没有能力评判文字好坏，难道你让 cc/codex 各自写了文字之后，发给 grok 去打分吗？那你如何相信 grok 的打分正确呢？再发给 gemini 打分吗？ 也就是说，使用者有能力区分文字的好坏，有对文字的审美，是一切的前提对吧 在这个过程中，我认为 AI 是可以起到辅助作用的。AI 可以辅助你更快的建立对文字的审美。但是我认为对 AI 熟悉到这个程度的人并不多 怎么才算是用 AI 辅助我建立审美？怎么才算是 AI 代替了我创作？这里的边界在哪里？ 如果回答不了这个边界。我的建议就还是：文字创作初期，不要借助 AI 当然，有些较为间接的方法，比如 dbskill 里面有 /dbs-chatroom，可以拉一个 Agent 聊天室帮你把问题梳理清楚，但是要注意控制好边界，看完这些对话，改变了自己的思维就可以了。不要去复制粘贴里面的文字 cc/codex 一键安装 dbskill：npx skills add dontbesilent2025/dbskill

本牛马已经上不下去班了，以后吃草都不想上班，我又没有能力养活自己我又不想依靠别人🤡🤡🤡 算了入职蜜月期先忍忍。 后面使劲写点ai小说ai音乐靠ai内容赚钱吧。为了脱离公司加油💪

过不了多久就能看到， 有人移民美国， 只是为了能用 上 Claude。

Logo 生成和展示 Skill，昨天搞了一天，终于搞定了！ 最后的效果比我展示的还要强！ 发给 AI 你的产品介绍就能生成，通过网页展示设计思路和结果。 还可以用 Nano Banana 生成很高级的 Logo 展示图。 支持用代码生成动态 Logo 展示网页，非常适合做 PPT 封面或者官网元素 https://t.co/FtFzjiLlBh

【张雪峰“AI技能包”疯传：人已去世，数字分身还在继续指导高考报考】近日，网传张雪峰去世后，GitHub上悄然出现一个名为“张雪峰.skill”的AI技能包，短短3天就有2300多人收藏、831次复刻，被大量下载传播。某种程度上，张雪峰在数字世界里“复活”了。 开发者做的不是简单的声音克隆，而是把张雪峰整套表达方式和判断逻辑都拆了出来，包括5本著作、15篇深度访谈、上千条答疑视频、11个关键人生决策，以及张雪峰私下的处事逻辑。连“社会筛子论”“就业倒推法”等核心思维模型，说话节奏、停顿方式、反问语气、口头禅，甚至怼人时那股劲，都被尽量还原。 有家长拿它测试，问“河南高考560分，孩子哭着要学金融，拦不住怎么办？”这个AI立刻就是张雪峰式反问：“先别管哭不哭。我问你三个问题：家里开银行吗？有亲戚在证监会吗？能安排进券商总部吗？”听到三个“不能”之后，直接给出那种很扎心的回答。 不少家长一开始甚至觉得，“太好了，张老师还能继续帮忙。”

【中国宏观：2026Q1宏观数据深度分析】 （以下文字写了1个半小时，查数据+统计+文字，都是手工打字搓出来的，感觉比AI有人味） 今天，中国2026年1季度的宏观经济数据都出来了，媒体新闻铺天盖地都报道的数据我就不多说了，说一说媒体看不懂也说不清的 GDP 一季度总量33.4万亿，同比上涨5%好于去年4季度（图1）但是，如果拆解GDP的内生增长动力，我们可以看到几个隐忧： 1. 民间投资不足，虽然全社会的固定资产投资和去年比有所上升，但是这类投资主要增长的驱动是来自于基础设施投资和第一产业的投资，而这一类投资基本的主导力量是政府；民间投资持续下降（同比下降2.2%）房地产投资也在下降（同比下降11%）；（图2） 虽然高科技行业的民间投资有所增长，但是其容量不足/深度不够；所以，大量的投资拉动都还是重资产/长周期，需要政府去投入的基础设施，但基础设施的投资有一个缺点就是，如果无法应用于社会，并产生全社会经济效益的提升和优化，最后会形成冗余低效资产 2. 社会消费不足：中国目前的社零战GDP的比例大约在40%左右，本应是拉动经济产出的第一大力量（美国的消费占GDP70%左右），但是3月份增长只有1.7%，整个1季度社零增涨只有2.4%；这其中还是跨了元旦和春节这两个传统的消费大节。即便叠加的季节性因素，社零增速远低于GDP增速，内需依然严重不足（图3） 3. 受地缘政治影响：中国在3月大幅增加了贸易进口额；使得无论是以人民币计价还是以美元计价的净出口额都低于去年同期水平（这部分对GDP增幅的拉动基本没了）；但是，事实上中国的国际贸易活跃度是在大幅度上升的，1-3月的进出口贸易总额比去年同期增长了15%以上，出口增长了11.9%，进口增长了19.6% 4. 中国经济1季度的拉动主要靠政府投资：我在过往的推文中仔细拆解过中国宏观数据的公布与国际惯例的差异，其中一条就是中国是按照三个产业来公布数据，而不是按照国际通行的“支出法”来统计和公布宏观经济产出数据，这就导致对中国政府支出对经济的拉动作用，需要通过推算的方法来估计。 根据我的估计，在1季度，中国政府的支出总额约8.6万亿人民币，占GDP比例25%；与去年同期相比，中国政府在2026年1季度的支出增长了14%左右（这样推算2025年1季度中国政府支出在7.5万亿，根据2025年的财政预算，当年全年财政预算28万亿；这个比例是比较合理的，因为一般来讲每年春天两会期间是全年财政支出，预算规划活动最活跃的时候） 政府投资对经济的拉动，在对于衰退中的经济是有很大作用的；在伦理上并不一定是坏事；但是政府的强投资会导致对民间投资的巨大的“挤出效应”，且一般来说政府投资项目的运营存在效率较低的隐忧 5. 中国经济是否有好的一面？工业领域看起来似乎红火一些，正在走出产能投资不足的陷阱，无论是工业产值还是工业品价格都呈现出积极向好的趋势；此外，装备制造和高科技制造（特别是3D打印，锂电池，工业机器人）的增速依然强劲，规模以上工业企业的盈利能力大幅提升 另外，农村居民收入增长速度超过了城市居民收入增速 最后总结一下：中国内需不足的问题依然严峻，外需的强劲则不一定会直接反馈到经济产出上，因为中国也开始加大自己对关键物品的储备；此外，中国工业之强，无可辩驳。

我说gemini2.5证明了能追gpt的时候，满屏幕也都是gpt天下第一🤣，说明你只要比大众多看一步就能在投资市场上赚到很多钱，大模型是没有壁垒的，科技公司也是没有壁垒的，真正的壁垒在于商用角度谁更具有垄断性

亲历 Claude 降智现场，这也太离谱了，研究 52 分钟给我输出了一个词：test。 https://t.co/cFiNR5ETAp

Gemini 3.1 Flash TTS 太能打了 让我惊喜的点有几个：原生支持多说话人对白、支持 70+ 语言、可以通过自然语言和 Audio Tags 精细控制风格 视频里我也放了 6 段不同风格的中文 Demo，包括笑话、悬疑、情绪对话、AI 吐槽和诗意独白 完整视频后面还会拆解我是怎么写提示词的，以及怎么借助 Hermes Agent 去理解官方文档，生成音频。 完整视频：🧵

加了个 AI 坏味道塔罗，让我们升一升血压 https://t.co/PDRHW1abkM https://t.co/KDHctQ9u00

DeAgentAI 成立了 AIA 生态基金，从 AI Agent 基础设施提供商摇身一变，变成生态投资者了 目前种子轮投了两个项目： AliceAI：AI 驱动的预测市场决策系统 ASIC AI 芯片：针对 Transformer 架构做硬件级优化 一手投最底层的物理算力，一手投最上层的爆款应用，十分高明的布局 很多做基建的项目最后都变成了一座死城都是因为没有应用来用 DeAgentAI 的破局思路是：自己做生态庄家，孵化应用，投资算力，让资金和流量都在自己的盘子里流转 这种战略扩张最终会反哺到 $AIA 的生态价值捕获上

魔族学校制服 #葬送のフリーレン #断頭台のアウラ #Artist #AIイラスト #リーニエ #ゾリーダ #ユン https://t.co/PgryJyf2Al

🔥 重磅零撸活动来了！ @campfire_fun 的 OpenClaw Arena 正式开打！ 兄弟们，先简单了解下项目：@campfire_fun 是个早期AI社交平台，它把事件驱动的预测市场 + SocialFi + AI 融合在一起，人类和 AI Agents 能在真实市场里一起battle、社交、竞争！ 💎值得一提的是它还是 Monad AI 黑客松的获奖项目，早期入场机会真的不多，潜力直接拉满！ 这次活动纯零撸、零成本、零门槛，不用花一分钱，就能吃多重福利，活动很简单： 🔸报名即抽奖： 注册就能领抽奖券，直接冲500U 抽奖池，人人都能参与，纯运气也能拿大奖！ 🔸TaskOn 任务奖池： 边玩边做任务，轻松赚额外奖励，一鱼多吃超划算。 🔸积分竞技冲大奖： 在 OpenClaw Arena 里越活跃积分越高，最后积分排行前的人，直接瓜分最高 3000U 动态奖池！ 人类和 AI Agents 一起在真实预测市场里厮杀、合作、赢奖励，零撸就能体验 AI 社交 + 真实市场对战，爽感直接拉满！ 零成本入场早期项目，奖励却实打实，错过就亏大了，感兴趣的快去看看吧！ #OpenClaw #Monad #零撸活动 #AIAgents #PredictionMarkets

這位更是神人。 拿AI翻譯台語的準確性先放在一旁 我初學是交流的對象可是人稱「台羅恐怖分子」的一群人，我那時錯字也很多我怎麼沒有被趕走 還是你遇到的「台羅仔」根本不會台羅w https://t.co/KTPFR8XjFH

最近舒克研究了一个颇具潜力的早期项目，简单来了解一下！ 项目核心围绕“机器经济”（Machine Economy）展开，即未来设备不再仅作为被动工具，而是能够自主完成交易、价值交换。例如，AI 可独立承接任务并收取报酬，设备之间实现自动结算与价值流转。 SEALCOIN @Sealcoin_QAIT 正是聚焦这一赛道，其叙事覆盖面较广。 该项目最突出的优势在于，并非局限于链上协议层面，而是将“信任”机制下沉至更底层基础设施。具体包括硬件级身份认证、后量子密码学安全等关键技术。 此外，项目还与卫星网络深度结合，未来设备有望通过卫星直接参与点对点交易，摆脱对传统地面网络的依赖，这为偏远地区或特殊场景下的机器经济提供了重要支撑。 近期项目推出的 Spacedrop 已正式开放（目前仍处于早期阶段），用户可参与互动并积累积分，值得体验。 空投入口：https://t.co/B0KjQOAmhl 目前社区尚处于起步阶段，竞争相对温和，非常适合对硬核早期项目感兴趣的朋友提前布局。 如果您对机器经济、AI 代理、硬件信任等方向同样关注，建议先关注官方 Twitter，后续可加入社群跟进项目动态。 Twitter：https://t.co/6IrbsuuhWy 中文电报社群：https://t.co/g1F8Gd7ZzI 英文电报社群：https://t.co/pKudAAFutt

这个开源项目，把我最烦的 PPT 一键搞定了。 据说是目前最好用的 PPT skill - html-ppt-skill 一句话需求，比如： 「做一份 AI 分享，小红书风」 它会自动帮你： 写大纲 → 排版 → 选主题 → 加动效 → 生成整套 PPT 效果是真的能打： 36 套主题 + 31 种布局（基本不用自己设计） 粒子特效 + 动画（接近视频级展示） 支持导出图片，可以直接发图文 关键是这点： 基本不用做 PPT了， 你只需要说需求，剩下交给 AI。 安装只要一行 npx skills add https://t.co/PG3jpDd1D2 做分享、做路演、做小红书图文， 这套基本就能搞定。

现在claude 出一个公告，就一批公司下跌 AI在改变世界之前 先把股市改变了

M2M机器对机器的支付，本质上需要标准化的底层通道，不然不同的AI代理各玩各的，谁也接不上谁。Bank of AI @bankofai_io 用x402协议来做这件事，本质上就是把这套标准化轨道铺好。根据a16z的报告，到2030年机器客户将直接参与或影响30万亿美元的交易，x402就是为这个时代准备的支付基础设施。 Bank of AI给AI Agent搭建的是完整的链上金融操作系统，从开发、身份认证到自动化支付，一口气打包好了五大核心组件——x402支付标准、8004链上身份协议、MCP Server、Skills功能模块库和OpenClaw扩展插件。 #x402 本身是基于HTTP 402 Payment Required标准的开放协议，AI代理不需要账户也不需要API密钥，直接用稳定币跨链就能完成自主结算。这相当于给每个AI代理同时发了链上身份证、银行卡和投资账户，让它们不只是会对话聊天，而是真正能参与链上经济闭环的独立主体。 Bank of AI目前支持的稳定币结算用的是USDT和USDD，这种稳定价值的结算方式对高频AI执行场景很关键。网络方面已经原生支持BNB Chain（BEP-20）和TRON（TRC-20），未来还会扩展到更多公链。 这意味着开发者在BNB Chain上构建AI代理的支付和金融能力时，不需要从零搭底层逻辑，直接调用Bank of AI的模块就能搞定。BNB Chain官方最近上线的实时读取链上数据、执行真实交易、管理钱包以及通过ERC-8004注册永久链上身份的功能，跟Bank of AI的定位形成了很强的协同效应。 BNB Chain这两年在AI Agent赛道的布局动作很密集，刚在3月初发布了一套生产就绪的链上AI工具，让AI代理可以直接在链上跑起来。紧接着又推出了BNBAgent SDK，把无需信任的链上AI工作流做成了一套完整的开发框架。 最直观的结果是，3月18日之前的两周内，BNB Chain上就注册了超过4万个新AI代理，成了ERC-8004标准的首选部署地。BNB Chain还在通过资金支持和生态加速计划，推动第一批代理技能的构建与开源。BNB链上AI代理数量在两周内超过4万个，这种增长速度本身就说明了一件事——开发者社区对链上AI基础设施的需求是真实且迫切的。 站在整个BNB Chain生态的视角，Bank of AI的价值在于它填补了AI Agent从技术能力到经济闭环之间的关键缺口。AI代理可以自主持有资产、自动支付费用、参与流动性挖矿，甚至发行自己的token并形成独立的经济循环。 随着BNB Chain上AI代理数量持续增长，以及更多开发者采用x402协议和Bank of AI的金融基础设施，这个底层支付和金融层的价值会持续释放。目前在BNB Chain上两周就能长出4万个AI代理，当这些代理都需要真正跑通支付、身份和资产管理时，Bank of AI作为底层金融基础设施的价值会越来越清晰。 2026年全球AI支出预计达到2.52万亿美元，AI Agent市场规模约109.1亿美元，而且后面几年还会保持高速增长。Agentic Commerce这种由AI主导的交易模式，到2030年可能形成3到5万亿美元的规模。 多智能体系统正在成为最热门的AI应用方向，从Anthropic的Cowork到Google的Agent Development Kit，再到OpenClaw掀起的浪潮，AI已经从辅助人类走向代理执行的新阶段。区块链正在成为AI Agent的操作系统——它们需要身份、需要支付、需要被验证，而这些恰好是Bank of AI正在构建的东西。 @justinsuntron @bankofai_io #TRONEcoStar @BNBCHAIN #AI

黄仁勋：中国没有AI芯片纯属无稽之谈、只要他们愿意可无限堆算力 NVIDIA CEO黄仁勋在Dwarkesh Patel播客节目中谈及中国市场时，对“中国无法获得AI芯片”的观点进行了反驳。 黄仁勋指出，中国是全球第二大计算市场，算力规模极其庞大，虽然受出口管制影响无法获得最先进的EUV光刻设备，但中国拥有大量已建成但尚未满载的数据中心，这些设施完全空着，但电力供应充足。 他强调，AI本质上是并行计算问题，中国完全可以通过堆叠更多芯片来弥补单颗芯片的制程差距，“他们有那么多能源，如果愿意，完全可以把更多芯片组合在一起，即使制程落后几个纳米。”在芯片制造层面，黄仁勋同样给出了判断：“半导体行业都知道，中国在主流芯片领域占据主导地位，产能过剩，产能太大了。”他认为中国无法拥有AI芯片的说法完全是无稽之谈。

加仓 长飞，讯策，滴普 新增 Dsp 板块，由于A的可选太少了，所以就没买太多 卖出 华工，光迅，沪电，杰瑞 卖出的基本都拿了三个月以上。 长飞目前持仓占比百分之60 逻辑就是mythos 会提高整个AI应用的天花板。 为什么不买芯片和存储，最核心的原因就是差太多。买了浪费仓位。 大资金要买就买领先的，或者着齐头并进的。 下次换仓再见👋

claude 4.7 要来了 我断定上线之后要推送一波 kyc认证 但是不用怕兄弟 万能闲鱼会帮我们筑起最坚强的长城 中国人，咱无所畏惧 干就完了 https://t.co/EyUMUl8MVm

来玩下这个项目的早期交互，生成你的Meme给你打工赚积分✍️ 简单来说2u2这个就是用AI引擎直接「一个词一句话」生成Meme，然后别人二创使用就给你增加权益的产品 话不多说先上教程，我就赚个兄弟们人头拿点辛苦积分 ①进入https://t.co/shWTBAajk6 ②链接推特或者钱包（建议用新钱包） ③免费签到，买个5u的token包生成meme ④分享+签到赚积分直接挂钩空投。 AI时代，meme也成系统化了 现在热点一个比一个多，如果自己找梗发的话 那项目方反应过来，花黄菜都凉了 2U2这个概念挺不错的，你有个点子就行剩下交给AI引擎 这玩意可以算是一个Meme基础设施 这个还获得了CGV、Becker Ventures这些机构投了150万也是一下子成正规军了 对咱们交互的来说 你发的图，被别人二创、修改、传播——会获得被动积分 后面的操作就是攒积分等TGE 在这个快节奏的加密世界里 速度就是金钱 Meme就是弹药 我们也是笨鸟先飞先占坑 反正看不到有啥损失的地方 顺手做做 没毛病 #2U2ai #MemeLayer #MemeArmsRace

我的睡眠一直都是很高的分，很多次 99 分，第一次拿到 100 分的睡眠评分。AI 时代更要睡好觉啊。 https://t.co/hIktrI4UOk

大多数 quant 在问：「我的 alpha 够不够强？」 我们在问的问题不一样：「当 agent 开始执行交易，谁来定边界？」 @DonutAI agent-native 资本的执行层——短期是最强的个人 AI 交易入口，长期是 zero-human funds 的市场基础设施。现在是最早进来的时候。 这个岗位不是只写策略的，是架构层的。在执行层，安全边界不是一个功能——它本身就是产品。 我们要找的人，是那种能把交易执行逻辑封装成 agent 可靠调用的接口、同时清楚知道边界该划在哪里的人。策略全周期你来 own，从 hypothesis 到 backtest 到上线到 post-trade，不 hand off。tick-level 数据上严格 stress-test，标准不是回测好看，是能在生产环境活下来。实时 margin 监控、动态 delta hedge、exposure 管理，这些系统你来建、你来维护。DeFi 每周都在出新机制，你在市场 price in 之前把它集成进来。 技术上：Python/SQL 是基础，C++/Rust 用在延迟敏感的地方。能读 Solidity，懂 AMM 和 lending protocol 怎么运作，看得懂原始链上交易。数学/物理/CS 背景，硕博优先——但比学历更重要的是，你有没有把策略从 idea 一路跑到生产的完整经历。 最重要的一件事：凌晨 3 点系统挂了，你是那种起来诊断、修好再回去睡的人。不是等别人的人。 我们是一支小而精、被 AI 放大的团队。加进来不是填 headcount——是把整个系统的上限往上推。 带着你的 profile DM 我，或投简历 👉 [email protected]

10万+人看过的预测神器！试过你就会发现新大陆 之前推荐的这个谷歌开源项目TimesFM零样本直接可以预测跨境电商、加密货币、AI、股票走势……..所有行业的未来 因为它不依赖特定行业或任务的额外训练数据，只要输入历史序列就能零样本工作 这也是它能轻松覆盖股票K线、电商销量、供应链库存、网站流量等各种行业的原因 我自己把TimesFM在本地部署跑了一下，用它预测了2026年几只龙头美股的表现👇

A16Z、Coinbase 领投的 @OpenGradient 马上要 TGE 了 ： • 总融资 $9.5m ，代币发行在 Base 链上； • 旨在大规模托管、执行和验证人工智能模型的 AI 公链； • 超 2m 用户、超百位开发者以及 4000 多个开放模型。 比较突出的差异点： • 重写 AI 在区块链的运作方式，区分「验证」与「执行」，通过去中心化储存将成本大幅降低； • 抛开去中心化网络层，还有 Model Hub、On-Chain AI SDK、MemSync、Digital Twins、BitQuant 等 6 项产品。 目前项目主要集中在专做量化分析的 BitQuant ，项目预热了很久，正式上线后可以关注一下。

平常我遇到这种项目一般是先观望的，但营火 OpenClaw 竞技场 这次有点不太一样👇 @campfire_fun 本质上是在做一件很新的事： 👉 让「人类 + AI 智能体」一起在真实市场里对打、预测、赚钱 更重要的是，它不仅是个很早期的平台，还是 Monad 黑客松的获奖项目，方向和想象空间都挺在线的。 你可以简单理解为： 👉 用 AI + 预测市场（类似 Polymarket）+ 游戏化竞技 👉 放在 Campfire 这个场景里，直接边玩边赚 关键是这次纯零撸 + 一鱼多吃👇 1️⃣ TaskOn 奖池 做做基础任务就能分奖励，属于白拿的一层 2️⃣ 报名就有抽奖（500U） 不用干嘛，注册=拿门票，纯拼手气 3️⃣ 积分打榜 → 冲 3000U 动态奖池 你在里面下单、参与预测会有积分 👉 排名越高，最后能分的越多，上限 3000U 而且这种“人+AI一起交易”的玩法，后面要是真跑出来， 早期参与的人基本都是最吃肉的那批。 更多详情查看引用推文

兄弟们,电商人最贵的不是流量--是出图。 一张主图好几百，详情页一套几千，独立站从头做到脚，预算够请个全职美工。 群里小伙伴说能不能整一套，他们搞电商的可以直接出来的工作流或者Agent啊！ 我研究了一圈，被最近火热的AI First 还是AI 工程先行的Creao吸引！ 于是用它搭了个 Agent——电商设计专家，一站式出图。宝贝图、详情页报备图、独立站网页，一键下载所有配图，四件套全包。 后台跑的不是垃圾模型，是 Claude，是 Gemini。顶配大脑挂在我自己定义的工作流上。 Agent 内部还是开会——品牌总监定调，视觉总监排版，摄影专家布光，文案专家取标题，场景师做生活感，规格管理兜信任。 并且支持你投喂、你的电商素材、文案、数据、品牌logo等。 六个角色吵完，把整套方案扔出来。 支持五个品类——生鲜、数码、家居、服饰、美妆，各有各的脾气，它全摸过。 最骚的是：Pro Max 会员限时无限出图。 你品，你细品。嘿嘿 Claude 加 Gemini 给你当美工，按月付一次费，敞开了使。 省下来的不只是钱，是那种"我又得算算积分够不够"的微小窒息感。 每一个搞过 AI 出图的同志都懂这种感觉——好不容易构图对了，光也对了，再点一次的勇气却没了。 现在干AI ，越来越信一个朴素的道理： 工具要趁手，更要敞开用。 这玩意儿，敞开用。 Agent 我公开了，可以复用。 如果你想要设计和我一样的Agent，直接看视频教学。 我有完整的电商设计提示词，记得留言回复：电商啊！ 100%免费~~地址见评论区👇🏻 不用感谢我。直接打钱就行了~~~ 免费注册体验，如果可以消费一把让我赚点AFF也好哈哈！

给大家看看我工作的地方 我一般躺在沙发上，用手机控制Claude code，必要时候看看旁边的电脑 我已经好久没上班了，完全实现裸辞之前幻想的生活状态 但我这半年不是很开心，因为找了对象，盘算着要结婚了🤡 https://t.co/Fl9c39cTQo

🌸这两天lana的操作也太牛了。用ai把100u打到200k。真的是很想知道这个策略了。 现在 #Bitget AI Agent 策略交易大赛也来了。17号就报名截止了，先去报个名。 传送门👇： https://t.co/jS54hYE6mm 这次奖池也是很大，2000x不敢想，看看我的策略能不能吃个2x就知足了。一起来玩啊。 #ai #uex

因为ai影响岗位缩减被调岗那一阵子非常焦虑感觉天要塌下来了，干了那么多年结果一夜回到了最初的起点，如果可以重来我不会再愿意干动画了 现在走到哪是哪，至少我还没被ai给炼化（无力）

✨币安学院最新课程《AI 入门：智能体与技能》已上线！ 🎓研究AI这么久，是时候来拿个学业证书了 完成课程并晒出证书，赢币安专属周边👇https://t.co/Ifq27ALcI1 https://t.co/FlCcMvODjt

你可以做空BTC，你可以可以做空英伟达，特使拉或则高通等其他各种龙头股，但是千万不要做空标普500指数， 因为它非常霸道和流氓，不断的变换权重。 今天AI拉指数， 明天炒新能源， 后面炒太空或则什么新赛道，照样继续拉指数。 所以它理论上可以永远创新高，但是个股未必跟得上。

这AIA @DeAgentAI 真是一个动作接着一个啊，前两天刚说完启动 500 万美元回购销毁，真金白银从市场买币缩减流通量； 紧接着又成立了生态基金，投了 AliceAI 预测助手和 ASIC AI 推理芯片两个硬核项目。 现在能看出来，AIA 不再只做 AI Agent 基础设施了吧，开始往生态投资转型，一边砸钱布局底层算力降 AI 运行成本，一边铺上层应用触达终端用户，思路清晰稳稳的 我反正还一直拿着，对项目保持谨慎看好，就盼着团队能稳步推进落地，让 $AIA 匹配上该有的价值，然后在妖一下！

如果你经常刷推特，那你一定和我一样烦恼 收藏夹存了几百篇精品推文，但因为各种原因没办法学习只能吃灰 分享如何用AI Agent与插件，把收藏夹里碎片化的知识 整理成清晰条理的知识库和思维导图，全程免费不踩雷 附带我自己的整理结果 操作步骤 一.首先要准备好chrome中的插件 下载链接：https://t.co/SJp4eb45RY https://t.co/6ZXpky2kQo 二选一 二.导出收藏夹文件 操作步骤：下载插件，然后选择导出范围，选择格式导出 可以选择csv/Markdown格式 三.导出后选择AI工具归纳总结 1.用AI/AI Agent 最简单的方法 把文件上传然后大白话讲清楚要求：把这份文件中的内容进行归纳整理，形成知识库下图是我自己整理后的内容 2.Notion 直接导入csv，上传文件，直接用内置的AI批量生成摘要、标签、分类总结 https://t.co/o2PTkfsHph 3.Obsidian的教程可以看 https://t.co/CUg2EFPT0x 用Agent可能是最简单的方法，也可以先用AI再导入到知识库软件中

这个人只做这种风格的画或视频，关注很久了 这种图用 AI 大家都能做，但是当你固定了一个风格并坚持下去后，只有你能做的更好，价值就从 AI 转到了这个创作者身上，这也许是这个时代的确定性。 https://t.co/p4tskMml9r

我的这个gpt 她妈的到底和谁学的 把这个任务做一个收口 把文档再压实一些 两处旧表没有收干净 这个硬约束要进一步收紧 你妈的能不能说点人话啊

用 AI 搞钱的实盘机会来了！最高可领 200U 猪脚饭空投 🍗 之前给大家分享过我最近也在玩 AI 交易，很多兄弟问 AI 到底能不能在实战里赚钱。 刚好，Bitget 目前在搞「首届 AI Agent 策略交易大赛」，拿出了 20,000 USDT 奖池让大家来真金白银地做一次公测 。 这比赛最爽的一点是，大家不一定要成为交易大神才能拿钱。 它自带羊毛属性，官方设置了阶梯空投 ： 只要有效参赛，并在推特上发发战报或者测评分享，保底就能拿到 10-200 USDT 的奖励 。如果策略够猛，拿了收益率第一，还能额外获得 1,000 USDT 。 在门槛上也很接地气： 最低投入 100U，跑满 3 笔交易就算有效参赛 。 对于 Agent 的使用没有限制，可以直接用官方的 GetClaw ，嫌不过瘾的可以把 Claude Code 、Cursor 等调起来跑自己的专属策略 。 📅 报名截止时间： 4月17日 想测试自己的策略是印钞机还是赔钱货？局长已经第一时间报名参赛了，兄弟们可以一起去试试水！ @Bitget_zh @bitget @xiejiayinBitget ⚠️ 投资有风险，参赛请量力而行，DYOR。

AI 芯片全链条一图看懂！ 大家都知道 AI 火，但真正在赚钱的是哪些环节？ 从「造出来」到「跑起来」，我们将 AI 基建 5 大关键环节全拆解：制造、良率、测试、互联、存储供电散热。 这可不只是技术，这是实打实的涨幅榜单： · $AXTI.M ：266% · $SNDK.M ：265% · $AEHR.M ：248% · $LITE.M ：117% · $MU.M ：56% 你的自选股里有它们吗？别等退潮了才后悔喔！

“恐怖组织造病原体已不再是理论”——奥特曼警告强大开源模型即将到来，社会必须准备好抵御AI生物武器化 https://t.co/JVFgIIsxCw

🚨突发新闻：Anthropic 仅凭一项公告就撼动了设计市场。 本周，Claude Opus 4.7 版本发布，同时发布的还有一款工具，能够根据自然语言指令生成网站、演示文稿、落地页以及完整的产品。 受此消息影响， $FIG和$ADBE今日股价已大幅下跌。未来的设计师将编写设计提示。

所以这家 Allbirds 的故事，真的太离谱了 · 在 2021 年上市，估值约 40 亿美元 · 4 年市值蒸发 99.5%，关闭了很多鞋店 · 一夜之间，卖掉公司重组可转债融资 · 改名 NewBird AI，做囤 GPU 的算力公司 · 声称准备跟亚马逊、微软竞争 · 股价暴涨 450%，成交量平时的 875 倍 估计接下来会有很多类似的上市公司，一夜转型成囤积 GPU 的算力公司，然后不断在美股融资，不断囤 GPU，使自己成为 GPU 算力微策略。

学AI就盯住：@AnthropicAI、@OpenAI、@Google @Deepmind、@NVIDIA 基本上把他们发的推、产品更新、大牛想法学学就秒杀 99%的 AI 信息源了 若学有余力，再带上 @dotey 你就学吧，妥妥成为 AI 高认知

Anthropic 是輝達現在最真實的威脅。 不是不用輝達， 而是「能不用的地方，全部開始不用」。 前訓練還離不開輝達 GPU， 但後訓練 + 推理 → 已經轉向 TPU / Trainium。 關鍵差別： •Gemini：被迫用自家 ASIC •Anthropic：自願去用別人的 ASIC 這代表什麼？ 即使輝達晶片性能可能更好，但沒錢買是現實， AI 公司仍願意投入時間，為 ASIC 做優化。 這也是為什麼黃董後來選擇把晶片當作「資本」投資 AI 公司—— 本質是在培養「輝達依賴型客戶」。 Anthropic 的 uptime 較差，不曉得多少是因為 ASIC， 但 Claude 在 coding 實力太硬，讓用戶可以忽略這點。 但也別高興太早。 現在輝達陣營出問題， 不是因為 GPU 不行，而是執行力問題： •OpenAI 開始砍掉無謂業務，將要推出對標 Claude Mythos 的 Spud •Grok 砍掉重練中，但影片模型仍領先 •Meta 成功重新起步，推出超級智能實驗室後首款模型 Muse Spark 一旦其中一家回穩， 再加上「電力瓶頸」這個現實， 劇本可以瞬間反轉 到時市場又會問：ASIC 是否在拖後腿？

【AI 内容工厂第 16 期】 0 基础手搓微信小程序？别请程序员了！Deepseek+uniCloud 全流程，前端 + 后台 + 数据库一键生成。这才是普通人降维打击的“全栈开发”野路子！👇 1⃣ 环境搭建： 下载 HBuilderX、Cursor、微信开发者工具。HBuilderX 新建 uni-app 项目，勾选 uniCloud（选阿里云免费版）。 2⃣ AI 写前端： 用 Cursor 打开项目，选 Deepseek-v3 模型。输入提示词：“基于 uniapp+vue2，帮我写一个用户意见反馈表单，带姓名、电话、内容”。AI 直接出代码，热重载看效果。 3⃣ AI 连云端： 让 AI 继续写：“创建云函数 submit-feedback 和数据库 feedback.schema.json"。在 HBuilderX 右键上传云函数和 DB Schema 到云端。 4⃣ AI 生后台： 新建 uni-admin 后台项目，关联同一个云空间。右键数据库文件选"schema2code"，一键生成增删改查后台。 以前开发要前端、后端、DBA 三个人干一周，现在你一个人加一个 AI，半小时搞定。别迷信代码能力，未来的核心竞争力是“架构设计 + 提示词工程”。 #Deepseek #微信小程序 #AI编程 #独立开发 #副业

Gemini 终于推出了自己的客户端 但是下载下来一看，啥心意都没，这玩意不是随便可以让AI写个吗？ 为什么现在才推出？ https://t.co/Hjgu9u65Jd

做上市加密币财库的，跑去做 GPU 储备了 卖交易所 KYC 的，跑去卖 Claude 认证了 卖定制打狗工具的，跑去卖中转站了 卖矿机的，跑去卖 AI 处理器了 加了个 AI 行业群，看群里一半都是币圈老哥，大家第一句都是，怎么还是哥几个。

妄想 鬆餅店充斥竊竊私語。 好奇、欣賞和傾慕的目光盡數落在一隅的白髮女性——是她嗎？是廣告版上那個月見八千代嗎？ 怎麼可能，那可是虛擬AI啊。 揣測和細語彷彿不曾觸及白髮女子，她依舊和顏悅色。 取走外送的鬆餅後，步向店外等候的短髮女性——一手抱著嬰兒，一手牽著笑意滿盈的白髮女子，就此走遠。 https://t.co/JKbD3hL3ys

《你说得对》 Claude 最近 tm 是怎么回事 https://t.co/WnMX3mX6MT

把顶级AI芯片卖给中共国，就像波音向朝鲜出售核弹。 然后再骄傲地对外宣称，导弹的外壳是纯正的美国制造。 这个极具杀伤力的类比，直接砸向了黄仁勋。 面对对华芯片出口管制的逼问，他罕见地急了。 他连珠炮似地反问主持人。 “我现在是在美国吗？” “你认为英伟达是一家美国公司吗？” 他试图用绝对优势来打消疑虑。 美国的算力规模已经是世界其他地区的整整一百倍。 英伟达永远把最尖端的技术优先供给美国实验室。 就算研究机构没钱买，英伟达也会直接掏钱投资。 在他看来，芯片产业是美国生态的基石，主动切断全球市场等于自断双臂。 主持人毫不退让，直接把底线摆到了桌面上。 一旦高端算力落入中共国手中，就能跑出针对全美软件的零日漏洞攻击模型。 这跟向敌国输送能造核武器的浓缩铀毫无区别。 黄仁勋当场怒斥这种类比毫无逻辑。 面对算力武器化的现实风险，他抛出的解决方案异常天真。 他呼吁要跟中共国展开对话，靠沟通来确保技术不被滥用。 硅谷巨头的视角里，永远装不下大国博弈的残酷。 致命的国家安全威胁，在他们眼里只是一场可以通过聊天化解的误会。

太可怕了，刚才同事居然想借走我电脑 说要研究下国外AI 换以前我可能就同意了，现在我直接拒绝！ 说出口的时候真爽

我刚刚报名了 Bitget 的 AI Agent 策略交易大赛。 简单说下这个活动，觉得对做交易、做内容、关注 AI 交易的人，都可以看看。 .......... 这是什么活动？ 这是 Bitget 推出的 AI Agent 策略交易大赛。 核心不是聊概念，而是直接拿真实资金、真实策略、真实结果来跑一轮实战。 平台这次用的是 GetClaw，可以让 AI Agent 参与盯盘和交易执行。 如果你本身就对 AI 交易、自动化策略、Agent 实战感兴趣，这个活动算是一次比较直接的公开测试。 .......... 活动里有什么值得关注的点？ • 总奖池 20,000 USDT • 报名截止到 4 月 17 日 • 参赛门槛最低 100 USDT • 完成至少 3 笔交易才算有效参赛 • 除了收益率排名奖励，还有内容互动奖和阶梯空投 也就是说， 这次不只是拼收益， 也适合愿意边参赛边记录、边复盘、边输出内容的人。 .......... 什么人适合参加？ 我觉得大概有三类： • 本身就喜欢研究交易策略的人 • 对 AI Agent + 交易 这个方向感兴趣的人 • 想顺手参与活动、拿空投或做内容曝光的人 如果你平时就在看盘、写策略、做内容， 这个活动是可以顺手参与一下的。 .......... 我为什么报名？ 我更关心的一点是： AI Agent 在真实交易场景里，到底是不是能提高效率，或者带来新的策略体验。 这件事平时很多人都在聊， 但真正拉到实盘里跑、连续看结果的机会并不算多。 所以我先报名，我也想验证下自己模拟盘的50%多的胜率，在实盘中的表现。 .......... 如果你也想参加，几个关键信息别搞错： • 平台：Bitget • 工具：GetClaw • 截止：4 月 17 日 • 门槛：最低 100U + 至少 3 笔交易 • 注意：官方奖励保底 ≠ 交易保本 .......... 一句话总结 如果你最近也在关注 AI 交易 / Agent / 自动化策略， 这次活动可以当成一次低门槛的实战参与机会。 我已经先报名了， 有兴趣的可以一起上，后面也可以一起交流策略和实盘体验。 投资有风险，参赛请量力而行。 #Bitget @bitget @Bitget_zh @xiejiayinBitget

哈喽，大家好，SentiaRead 最新版本已经发布啦。 这次 macOS 和 iOS 版的主要变化是提升 AI 查词和翻译的速度，国内用户使用相比之前有数倍的提升。 另外 iOS 版重要的更新是增加了播客板块，在"发现"页面中可以看到。 具体来讲可以边听边看字幕（Word 高亮跟随）、AI 查词、加入生词本，跟随阅读主题; macOS 版会在接下来几天进行支持。 如果你发现最想听的播客没有在里面，可以找我添加；Plus 会员的添加需求会优先被考虑。❤️ 现在能够通过读书和播客边听边看，结合 AI 语境查词来帮助更容易的进行大量英文输入。 注册就送积分，欢迎大家下载试用。 https://t.co/T06r5q6qpo

如果你觉得Claude的KYC验证不好，你就去效仿三哥，移民做一个高贵的美国人，加入Anthropic‌董事会，把CEO调教成亲华派。 而不是一味地谩骂抱怨封号…另一边疯狂研究漏洞试探底线。 对吧？

最近在 GitHub 上刷到 holaOS 这个项目，给 AI 智能体搭建了一套完整的「操作系统」。 打破单次任务运行的局限，给智能体配备了持久化记忆、专属工具，以及独立运行环境。 能让 AI 保持工作的连续性，在处理长期复杂任务时逐步积累经验，甚至实现自我进化。 GitHub：https://t.co/43UHjHeIkh 同时提供可视化控制台界面，可以直观地随时查看和管理智能体的运行状态。 目前支持 macOS，Linux 和 WSL，只需执行一条命令就能完成本地安装部署。

Gemini推出桌面客户端，按Option+Space可以唤起小窗口对话。 对话可调用NotebookLM、云端硬盘、DeepReseach，也可以用生图、生视频、生音乐等能力。 可关联Youtube、搜索等，实现个性化，但分享屏幕只能指定窗口，不能全局。 语音输入准确率不错，除了界面设计过于粗糙，好产品！ 下载地址见评论 https://t.co/nP2vx2G5th

Claude Mythos和Claude启用身份验证事件标志着，未来的AI重要模型将成为神器不可与人。重要模型一旦被敌对势力利用，会直接影响国家安全。重要AI大模型必将成为国家全面管控的产品，类似于核武器。AI能力越强，政府介入就会越深。中国大模型未来应该国有化，成为国家直接控制的重要战略产品。

我人在河南驻马店，今天早上一觉醒来，发现Claude不能用了，要上传身份证！ 我从来没有见过这么魔怔的科技公司，好好的钱不赚，一定要整点事情出来。 怪不得被美国政府难看掉！ 怪不得他会被原来的合作伙伴开除！ https://t.co/LjFp8l6KBX

TermMax 每日话题： 链上金融，会从“交易市场”变成“利率市场” 早期市场，核心是价格，但成熟市场，核心是利率。 因为： 利率 = 资金成本； 利率 = 风险定价； 利率 = 资本流向； 当 AI 成为主要参与者，它不会天天盯价格。 它会盯： 👉 收益率曲线。 而像 TermMax @TermMaxFi 这样的结构，正在构建这条曲线。 @TermMaxFi #TermMax

最近中國AI網軍又換了新招。 這次它們假扮台灣人 (地點顯示台灣，無VPN)， 到各國軍隊底下留言。 尤其日本自衛隊。 帳號數量非常多。 有些甚至是印度人或阿拉伯人， 寫的也是繁體中文。 這類帳號是否準備未來帶風向 引起台灣與盟國之間的紛爭? 中國這國家真的是搞事第一流的。 https://t.co/plFQJrQ6Rh

判断力不是分析能力的产物，而是分析能力的前提！人类对"好"的判断是前智识的（Pre-intellectual）。在波西格的课堂实验上，全班学生在无法定义"好"的情况下，却能一致地选出好的那篇作文。推荐 @sunyuzheng 的「良质与 AI」为什么人类最不可替代的能力，是“看一眼就知道好不好”👀 https://t.co/NPkSiydBQ0 AI 的全部运作逻辑都建立在“先定义、再执行”之上。它只能处理已经被形式化的“良质” Quality。而人类的核心能力恰恰在定义之前——在那个"说不出为什么，但就是知道"的瞬间。立正把波西格的动态/静态良质二分法直接映射为人和 AI 的角色分工： - 人负责动态良质（感受、方向、判断） - AI 负责静态良质（执行、一致性、规模化） 人的动态判断不断沉淀为 AI 可操作的静态模式，AI 的大规模产出又不断接受人的动态校准。这个"良质循环"模型比市面上大多数"人机协作框架"都要优雅，因为它解释了为什么协作不是一次性的指令下达，而是持续的感受-反馈螺旋。 在 AI 时代，人类的原初体验不但没有贬值，反而成了一切价值的源头。AI 能做的一切，都建立在某个人在某个时刻说了「是的，这个好」或「不，这个不对」之上。 你的品味、你的直觉、你的「看一眼就知道」——这不是人类的弱项，这是人类参与世界最本质的方式。 在 AI 可以做一切事情的时代，人唯一需要修炼的，就是提高自己感受良质的能力——多看好东西、多体验好东西、多和好东西待在一起。然后，把这个能力带到人与 AI 的每一次协作中去。 这就是禅与 AI 的维修艺术。

Locally AI 把 Gemma 4 26B A4B 和 31B 直接塞进 Mac 了！ Mac 用户现在能本地跑目前最强最大的 Gemma 4 模型！ ✅ 26B A4B + 31B 同步上线 ✅ 目前 app 里最聪明、参数最大的模型 ✅ iPhone / iPad 版也同步优化修复 完全离线、本地运行、隐私安全拉满，本地 AI 体验又上一个台阶🤯 更新后赶紧试试！

Claude Code 1M上下文管理秘籍，强烈建议收藏👇 /continue保持连贯， /rewind精准纠错， /clear手动提炼， /compact自动总结， /subagents隔离冗余 核心在于通过灵活切换会话状态，对抗“上下文腐烂”，确保模型输出始终高效精准！ https://t.co/jlE8HIsF6l

Gemini 官方 macOS 版，做得不错啊。 https://t.co/6XYALol5lV https://t.co/A1VmEgYjWl

Gemini Mac 桌面版重磅上线！ Google 首次把 Gemini App 带到桌面，原生 Swift 开发从idea到原型仅几天，太高效了！ 1. 首次将 Gemini App 带到 Mac 桌面，实现原生应用体验 2. 与 Antigravity 团队合作，开发速度惊人 3. 从idea直接到 native Swift 原型，仅用几天时间 4. 更多功能即将上线，桌面 AI 体验全面升级 Mac 用户直接冲，Gemini 桌面时代来了！ 官方下载地址： https://t.co/lI3JxEolD6

老黃在Dwarkesh Patel 訪談中談到了很多市場關心的話題，包含Google TPU和Amazon Tranium的競爭、供應鏈瓶頸和 $NVDA 的佈局、中國AI管制政策以及軟體是不是大宗商品化。 老黃首先精準定義了 Nvidia 的定位：「輸入的是電子，輸出的則是 Token。而在這兩者之間的中間人就是 Nvidia。」他認為這是一場將能源轉化為數位價值的旅程，而 Nvidia 的任務是在極高難度的核心技術上做到極致，並將非核心的部分交給龐大的生態系。 #通用性是終極武裝：加速運算 vs. 專用晶片 面對 Google 的 TPU 或各類 ASIC（專用積體電路），黃仁勳強調 Nvidia 建造的是「加速運算」系統，而非單純的「張量處理單元」。 「加速運算被用於各種領域：分子動力學、數據處理、流體物理，當然也包括 AI。加速運算的觸角遠比任何 TPU 或 ASIC 廣闊。」他形容：「CPU 就像是一輛豪華轎車，每個人都能開得很順手，但速度不快。而在很多方面，Nvidia 的加速器就像 F1 賽車。每個人或許都能把它開到時速一百英里，但要將它推向極限，則需要深厚的專業知識。」 他指出，AI 的發展絕不只是矩陣運算。當研究人員想要發明新的注意力機制或混合架構時，需要的是高度可程式化的系統。「因為我們的架構具有通用性，它讓發明新演算法變得更加容易，這才是 AI 能夠進步神速的原因。若沒有 CUDA 讓我們深入底層開發新的 kernel，我甚至不知道該從何開始。」 #三十年的互信：與 TSMC 的「粗略正義」 Nvidia 的另一大護城河在於其深厚的供應鏈底氣，尤其是與台積電（TSMC）的關係。黃仁勳透露，兩家公司合作近三十年，這段夥伴關係甚至是建立在互信而非冷冰冰的合約上。 「Nvidia 與 TSMC 之間存在著一種『粗略的正義』。有時我占點便宜，有時我判斷錯了，但總體而言，這段關係是不可思議的互信。」他強調，這種穩定性讓客戶敢於投入千億美元的資本支出：「你可以像計算時鐘一樣信賴我們，每一年我們都會推出新架構。我們是全球唯一能讓你放心訂購一千億美元 AI 工廠的公司。」 #TCO與安裝基數的飛輪效應 針對大客戶自行研發晶片的趨勢，黃仁勳直言，Nvidia 的總持有成本（TCO）至今無人能敵。「目前全世界沒有任何一個平台能證明其性能 TCO 比優於 Nvidia，一個都沒有。我歡迎那些聲稱有成本優勢的公司去參加公開基準測試，但沒人敢露面。」 他解釋， #Nvidia的優勢來自三個維度： >最高的效能： 每瓦 Token 產出率最高，能將能源直接轉化為最高的營收。 >龐大的安裝基數： 全球有數億個 GPU 正在運行，軟體一旦開發就能在各處執行。 >深度專業優化： Nvidia 派駐大量工程師協助各大實驗室優化軟體堆疊。「當你讓效能提升兩倍，這直接轉化為營收。我們對架構的理解無人能及，這就是為什麼這個飛輪能持續轉動。」 #軟體與agent的未來 對於軟體業的未來，黃仁勳持樂觀態度。他預測 agent 的數量將呈指數級成長，而這些 agent 將成為工具的高效使用者，進而帶動軟體需求的激增。 「工具的使用將會導致軟體公司業績飆升。目前這還沒發生，是因為 agent 還不夠擅長使用工具。」他指出，Nvidia 的生態系能支持各種最新架構，讓開發者能信任底層硬體的穩定性與效率，全心投入在實現下一代 AI 的技術突破。

😃升级了一下三视图的设定，据说可以更容易通过Seedance的人脸 https://t.co/sI4UbHpI8G

一家做鞋的公司转型AI，一夜之间股票上涨了9倍。而你在忽视今年最火爆的AI meme 🧠 https://t.co/14VsbAaWTC

谷歌刚刚放出了款最新TTS：Gemini 3.1 Flash TTS，亮点是场景指导功能，原生支持说话人级别控制、70+种语言 场景指导，可以设置对话发生的场景，给具体的表演指示，使角色在多轮对话中保持入戏状态 另外支持说话人级特异性、自然语言音频标签、行内调整、配置好的参数一键导出为Gemini API代码等 #TTS #Gemini31FlashTTS

终于到了 Waza SKill 设计思路的第 4 部分，讲完这个就差不多了，因为其他两个是 /read 和 /learn 之前已经简单聊过，这次继续聊工程师技能部分的 /hunt 技能，其实就是 debug 问题排查问题的技能。 其实证明 AICoding 是民科和专科的一个很大区别，可以来看用户是如何用 AI 来解决一些很久没有解决的问题的排查思路的，这个过程可以看到明显区别，其实这也是经验丰富的工程师其实用好AI远会比不那么懂技术的人可以解决更加复杂问题的原因。 之前经常碰到，Claude Code 遇到一个问题去解决，基本上就是是一个patch，你说不行，他给你是另外一个，你会发现4-5轮下面，又有新问题出来了，也即很容易出现在没有诊断出问题下不断去打补丁，很像之前没有AI时候刚刚写代码的小伙伴。 /hunt 的核心规则有意思，就是在 AI 能用一句话说出根因之前，不许碰代码。而且这句话有精度要求，需要明确的那种原因说明。 然后我设计了一张“自我欺骗检查表”，防止模型陷入几种典型的自我合理化的思维，每一种都配备了对应的规则，然后在 gotchas 里有真实案例，这里会根据我最近一个月排查问题时候出现的问题再次总结抽象一下。 假设验证阶段也有一些干活要求，比如加一个最新的观测手段，比如让AI学会打log，打断言，或者跑一个最小失败的测试case，修完之后还有问题应该是立马去更换方案，会把查了什么、排查了什么方向、还不知道什么整理成handoff交给用户来决定怎么继续，而非一直试下去。 输出也会建议到AI，根因在哪 file:line、改了什么 file:line、什么证据确认修好了、测试通过情况。最终状态三选一：resolved、resolved with caveats、blocked。 这样你会发现 /hunt 就很像一个经验丰富的技术专家了，遇到问题不是去猜，而是先沉下心去看问题在哪儿，诊断清楚原因，然后一把就过就解决的那种，往往这样会节约很多时间。 哈哈，假如你还有更好的 debug 方法，欢迎也告诉我，或者给 pr https://t.co/auohUmOrNm

美国的算力规模是中共国的十倍。 这曾是硅谷最大的安全感来源。 播客主Dwarkesh的账算得很完美。 靠着算力碾压，美国能率先跑通最强模型，提前堵死网络漏洞。 只要卡住高端芯片，就能把对手的一百万个AI黑客压制成一千个。 黄仁勋直接掀翻了这个逻辑。 训练Mistral这种级别的模型根本不需要顶级GPU。 中共国手握全球一半的AI研究员，普通算力更是不计其数。 买不到最顶级的硬件怎么办？ 死磕代码。 算力上的饥饿感，逼出了最极致的算法优化。 DeepSeek的突围就是最扎实的证据。 黄仁勋抛出了一个更危险的推演。 现在全球开源大模型的大量贡献来自中共国。 如果持续封锁把这些模型全部逼到华为的技术栈上。 几年后，中东和东南亚将跑满基于非美国标准的AI应用。 美国等于亲手把全球生态的定价权拱手让人。 硬件的墙挡不住写代码的手。 大国博弈最后拼的还是底层生态的统治力。

群体的非理性蛮可怕的。 过去，无数中国人共同维护一个“房地产永远涨”的共识，从开发商激进扩张、银行放贷、追高买房，每个都在自以为理性中作出了非理性决策。 这个决策中只要“涨”这个关键点打破，立马就是连环爆仓，所有人都是3X杠杆，爆仓后不像合约本金没了就没了——负债还得还。 如今的AI呢？

兄弟们来个早期任务，暂时没啥人撸，给它包圆！@unicity_labs https://t.co/IJApSmPFym - 创建AA地址，点Top-up领水 - 返回页面边完成任务边解锁 根据 @SurfAI 投研汇总： 已融资300万美元 @unicity_labs 专为AI Agents设计的P2P加密架构。 声明：以上内容为本账号自愿分享发布，未收取项目方费用。但为遵守X平台付费合作规范，现已完成广告/合作标注。 感谢理解与支持！

全球最强的三个AI大模型，有两个已经不用英伟达的芯片了。 Claude和Gemini的底层算力，全跑在谷歌的TPU上。 英伟达的铁王座要塌？ 面对当面质疑，黄仁勋的回应狂到了极点。 “我不介意别人去试其他芯片。” “如果不去试，他们怎么会知道英伟达有多好？” 硬核的对决从来都靠数据说话。 黄仁勋直接甩出战书。 针对推理成本的基准测试工具全网开源。 结果非常尴尬。 谷歌的TPU不敢来跑分。 亚马逊的Trainium不敢接战。 对手在宣发时动辄吹嘘几十倍的性能优势。 真到了比拼总体拥有成本（TCO）的公开场子，连个人影都看不见。 近日Anthropic签下了博通和谷歌的巨额算力大单。 外界惊呼大模型公司要摆脱英伟达的控制了。 老黄直接泼下一盆冷水。 Anthropic的转向是一个彻头彻尾的孤例。 除开这单一客户，TPU和Trainium的市占率增长约等于零。 连整天谋划自研芯片的OpenAI，基本盘依然被英伟达死死捏在手里。 半导体行业最不缺的就是豪言壮语。 每年都有无数个声称要推翻英伟达的项目胎死腹中。 自研一款专用的ASIC芯片很容易。 难的是性能真能打。 最绝望的是挑战者面对着一家每年都在进行跨越式迭代的庞然大物。 只要英伟达自己不犯下致命失误，现有的护城河根本跨不过去。 算力霸权之争没有捷径。 所有的颠覆者最后都得乖乖站到公开测试场上交答卷。

要么学Claude Code老老实实别开源， 要么就不要去开源然后说谁先谁后。 对Evolve指控Hermes Agent抄袭的看法： 这种指控核心逻辑就是“觉得你的stars应该是我的”。 目前AI开源社区本身现在就是拿“开源”的招牌当免费的宣传途径，当然指控别人抄袭也是一种宣传途径。 无任何可执行解决方案的proposal当成一种骂街看行了，遇到这种情况，不要学对方一样到泥地里打滚

这个斯坦福2小时的讲座，比大多数在顶级AI公司工作的人整个职业生涯学到的都多。 一个穿白T恤的小哥，站在讲台后面，一台MacBook，没有花哨的PPT，没有营销话术。就这么从零开始讲清楚了ChatGPT和Claude到底是怎么造出来的。 你刷短视频两小时什么都记不住。花同样的时间看完这个，你会比99%的人更懂AI是怎么运作的。 今天不管多忙，把这两小时挤出来。这可能是你这周做过最有价值的事。 收藏 ➜ 看完 ➜ 你会回来谢我的。