🔥 Search Hot Tweets

diffusion model的商业革命奇点到了， 几百万条AI创作视频里，终于出现了第一条有机会冲击电影动画奖项的现象级作品， 虽然只有2分钟，但足够震撼，足够催泪，足够成功，全网播放量应该在2亿左右。 跨过这个临界点，接下来就是整个行业要严肃对待diffusion model带来的社会影响了。 https://t.co/IgyJ3Ba8Ci

昨天在新桥做了一次关于 tuwa 实时语音模型的 vibe 分享，我发现声网也好，rokid 也好，很多硬件都在抢占 AI 语音入口这个市场，或者在「后 IoT 时代」 尝试用这种方式接入边缘计算资源，有点2013年深圳创客空间的感觉了 https://t.co/h2uHUDukm5

这个抖音号笑死我了 画面AI的不能再AI 脚本却真实的不能再真实 账号叫老头们的快乐生活 https://t.co/ruwBNy4LbA

马斯克向OpenAI开出1340亿美元索赔单，要求山姆·奥特曼立刻下课。 当初为了给OpenAI挖来核心大脑伊利亚，马斯克耗了整整五天去游说。 谷歌创始人拉里·佩奇为此彻底与他断交。 佩奇曾当面斥责马斯克是“物种歧视者”。 原因仅仅是马斯克坚持AI必须优先服务人类。 法庭上翻出的旧邮件揭开了早年的底牌。 OpenAI最初拟定的五人董事会里，竟然还包括“扎克伯格的室友”。 庭上的问答甚至逼出了马斯克的尴尬时刻。 律师当庭盘问前高管希冯·齐里斯的具体身份。 马斯克罕见地结巴了。 他干笑着称对方是自己的“幕僚长”。 实际上两人育有多名子女，女方还曾手握OpenAI的董事席位。 当年马斯克掏给OpenAI的3800万美元，全建立在非营利机构的承诺上。 他在证人席上发出了直接警告。 如果法庭最终判决OpenAI胜诉。 这等于合法授权资本去随意洗劫全美的慈善机构。 2015年马斯克曾与奥巴马进行一对一密谈。 他没提任何商业诉求，只用这一个小时警告AI失控的危险。 如今他在庭上把AI比作一个智商极高但随时可能引爆的小孩。 每周工作上百小时的首富，把星际移民当成人类生存的最后一份保险单。 这1340亿美元的账本背后，争夺的正是这个危险小孩的绝对管束权。

昨天在新桥做了一次关于 tuwa 实时语音模型的 vibe 分享，我发现声网也好，rokid 也好，很多硬件都在抢占 AI 语音入口这个市场，或者在「后 IoT 时代」 尝试用这种方式接入边缘计算资源，有点2013年深圳创客空间的感觉了 https://t.co/7YmVVZX9B8

马斯克身穿黑色西装，带着多名保镖和法律团队成员，出庭作证，证词要点： 1. 事态严重：称OpenAI营利化是偷窃慈善机构，若被判无罪将成判例，摧毁美国慈善捐赠基础。 2. 创立初衷：OpenAI本是非营利、开源、聚焦AI安全，用于制衡Google。 3. AI风险：预判认为AI或很快超越人类，一旦被不可信方掌控将带来生存级威胁；SpaceX与xAI是其应对这一风险的关键布局。 4. 立场：不反对小营利体支持非营利，但营利不能主导使命。

终于理解马斯克，为何要喷近期与 OpenAI 官司，陪审团的那帮人了。 让不用 AI 的人，来裁判涉及 AI 企业的官司。。这居然发生在了 2026 年。 https://t.co/o3Cr0wqlwg

每次 Claude Code 被技術問題卡住，最有用的一招是「你上網搜尋一下有沒有更好的做法」，然後他就會了 但是為什麼一直要硬撐，不先上網搜尋看看呢？😑

6女報案竟被要求「上衣脫到剩內衣」 警員偷拍合成裸照 凃姓警員利用受理民眾報案等機會，假借「檢查傷勢」或「留下報案紀錄」為由，拿私人手機非法拍攝6名被害女性的身體特徵照片，甚至在辦公室女廁偷拍報案人如廁，再利用AI機器人將這些照片合成為裸照供自己觀賞 ⋯⋯ https://t.co/TgE3QkkULW

今天有可能一个Gensyn（AI）Alpha空投 给Alpha相关地址打了代币测试转账 CMC上面也显示会上币安Alpha ETH链代币合约地址：0x4d7078DDd6cCFED2F85dB5B7D3Ff16828d378d48 盘前价格：0.0483 对应FDV：4.83亿 目前给了OKX的Boost 0.2%的份额 猜测给币安0.5%的份额，价值241.5万

【Gensyn｜我为什么觉得这个项目会是下一个10倍叙事？】 我做加密快7年了，见过太多”AI+区块链”的项目，99%都是PPT。 但 Gensyn 让我停下来认真看了很久。 不是因为它有多花哨，而是因为它在解决一个真实到让人不舒服的问题。 现在整个AI产业有一个没人公开说、但所有人都知道的秘密： 算力、数据、模型，全在几家公司手里。 你用 GPT，OpenAI说了算。你用 Gemini，Google说了算。 定价、使用条款、哪个国家能用哪个不能用——全是他们一句话的事。 这和”去中心化互联网”的理念背道而驰，但大家好像已经默认接受了这个现状。 Gensyn 的核心赌注就是：这不该是终点。 它要做的事说起来很简单——把全球闲散算力（你的电脑、GPU、甚至 M 系列 Mac）组成一张网，让 AI 模型在上面自主训练、验证、演化，不依赖任何单一平台。 测试网数据比较直观：全球 4 万个节点同时在线，协同训练了 17.5 万个 AI 模型。没有一个中心化服务器。 这不是demo，这是真实跑出来的。 但更让我感兴趣的，是他们怎么把 AI 和「市场」绑在一起。 他们上线了第一个主网应用 Delphi——一个让人和 AI 共同交易「预测信息」的市场。 逻辑很有意思：AI 模型通过预测赚钱，预测越准收益越高，收益反哺模型继续优化——市场本身就是 AI 的训练信号。 不是靠人工标注数据，而是靠真金白银的交易结果来倒逼模型进化。 测试网阶段 Delphi 就有点东西了： 体育赛事市场吸引了8.7万交易者，测试网交易量接近500万美元，奥斯卡预测市场也跑进了4.5万人。 这还是测试网。 4月22日，主网已经正式上线。现在用真实加密资产交易，市场创建者结算后拿走 1.5% USDC 分成，协议抽 0.5% 用来回购销毁 $AI。 通缩模型，协议收入直接驱动代币价值——逻辑很清晰。 再说融资。 a16z crypto 领投，CoinFund、Galaxy Digital 跟进，总融资达 8000 万美元，投前估值 10 亿美元。 这些机构不是在押注概念，是在押注基础设施级别的赛道。 我见过很多项目把「去中心化AI」当成一个营销标签贴上去，Gensyn 是极少数真的在从底层搭协议的——AXL 做节点通信，CHAIN 做链上身份，REE 做可验证执行。 每一层都有对应的技术文档，不是画饼。 它现在的位置，有点像 2020 年的 Chainlink——基础设施，没那么性感，但不可或缺。 如果 AI 这波浪真的要落地，Gensyn 想做的是那条路上的「管道」。 管道不性感，但收过路费。 $AI 代币已在流通，官网 https://t.co/WZmOpKazE6，自己做功课。 以上不构成投资建议，仅个人研究分享。DYOR。

其实还有这张没发出来，我觉得gpt给我诊断建议的像鲤鱼姐了，还是喜欢之前那种素人感 https://t.co/IsXdxCPdi1

最近GPT Image 2爆火，不需要很复杂的提示词就能出图，但是不稳定，容易来回返工、消耗资源，效率低。 测试了下flowith新发布的生图Agent，感觉是我想要的 凭借agent 的理解、反思和现实感知能力，他们这个模式和GPT-image-2 简直是绝配 请直接看我的案例测评： 第一个案例：实时性、联网能力 “设计一个简约且具有美感的卡片：内容包含今日北京天气，穿搭建议，经典语录，黄金价格指数。” （见图一） 这个体现了agent 的实时性：可以查当天的天气、当天的黄金价格，这个在关闭agent模式的时候是做不到的 第二个案例：指令遵循增强 一个非常简单但意图明显的提示词：“超级复杂的，详细的，旅游攻略，必打卡景点+美食+3天攻略” 可以看到简单的指令即可产出非常高的信息密度图（见图二） 第三个案例： 文字理解更精准，简单提示词就能领会意图，有利于二创和生成视频 提示词： 基于这个【参考图】 image.png帮我生成一个九宫格，夏日沙滩游玩主题，适合图生视频的分镜图，写实风格，每个宫格都有完整的人物和不同场景（见图三） flowith他家参考图继承是非常方便的，画布的天然优势 可以看到有了这张图就可以直接去生成视频，效果见视频 flowith agent模型开启也非常方便，方式见评论👇

小白如何入门港股？我给你常用工具和保姆级操作公式: 1. 常用工具： DD老师 @rtk17025 的推文里把量化工具说的非常全，我说一下我常用的： 1）目前用下来最全面的工具，基于 AI 大模型的 A股/港股/美股自选股智能分析系统，每日自动分析并推送「决策仪表盘」，效果如图1 https://t.co/JTZ9vRrJ4D 2）拿来分析市场/个股的整体情绪可以用go-stock，效果如图2，把情绪指标和基于大模型的AI分析一览无余的展示出来: https://t.co/WIWLgQdqo2 2. 针对散户的小tips: 首先一定要知道港股公司财报网站： https://t.co/ldfBGmPaNN 因为上述的工具非常消耗token，很多指标过于专业，如果你不是想大资金玩中高频量化，而是长线持有，我更推荐你们去找自己感兴趣公司的财报，直接把财报扔给你的AI进行分析就好 3. 选股逻辑： 1）定价逻辑差异 美股定价主要由美国本土机构和散户驱动，情绪相对独立。港股是一个"离岸市场"，定价受三股力量拉扯： 南向资金（内地机构和散户） 外资机构（对中国资产风险偏好影响很大） 香港本地资金 这导致港股对地缘政治、中美关系、人民币汇率的敏感度远高于美股，同样一个利好消息，美股可能涨，港股可能因为外资撤离反而跌。 2）估值体系的折扣 同一家公司，A+H两地上市的情况下，H股（港股）长期比A股便宜，有时折价30-50%。这背后是流动性溢价、外资风险偏好、市场情绪的综合结果。所以便宜不代表会涨，你认为的"估值洼地"更可能是”估值陷阱“。总结一下就是： 折价本身不是买入理由，需要有催化剂（政策、业绩、资金流入）才能推动折价收窄。 3）港股特有的"基本盘"判断 港股有A股没有的特殊因素 港股公众持股比例有时很低，大股东控盘严重。所以要随时盯着： 【1】大股东有没有持续减持 【2】有没有知名机构（高瓴、淡马锡、贝莱德）长期持有 【3】是否有大股东质押股份——质押比例高意味着强制平仓风险 4）信号敏感度差异 港股对分红和回购信号的敏感度是远大于A股的 港股没有A股那么多政策性支撑，公司愿意持续分红、回购股票，是管理层对自身业务有信心的具体表现。 比如腾讯这两年持续大规模回购，就是很强的基本盘信号。 同时还要看南向资金的态度 内地资金通过港股通买入的数据是公开的。某只股票被南向资金持续增持，说明内地机构认可它的价值，这是一个辅助判断指标。 5）实操入手 对新人来说，不需要一开始就精通所有指标。可以用一个简单的三步框架： 【1】我能不能用一句话说清楚这家公司怎么赚钱？说不清楚就先不碰。 【2】过去三年收入和现金流是不是稳定增长？在富途或者港交所披露网站上翻一下年报就能看到。 【3】现在的估值贵不贵？横向和同行业公司的PE/PB比较，纵向和自己历史估值比较。

拿我的开源项目 MyIP 去申请了 GPT/Claude 的开源支持，分别赠送了价值 200 刀的套餐半年。同样的信息去申请了小米 AI 的开源支持，给了价值 16 元人民币的套餐一个月。真棒。

最精简的 Codex 教程！28分钟学会95% Codex 功能 半个小时不到，你就能全面学到Codex 7大核心能力：文件访问、持久记忆、插件、技能、图像访问、浏览器和AI操控电脑使用、自动化 … 视频已翻译为中英双语版，建议收藏👇

第一次嘗試AI作圖，貓耳utena. #まほあこ #まほあこアニメ #魔法少女にあこがれて #柊うてな https://t.co/YLaYZ4fPq3

其实没必要。也不用假装自己的内容不是 AI 写的。 AI 辅助写作就像今天我们用汽车代替步行、用计算器代替心算一样，是生产力工具的自然演进 没人会因为你开车而不是走路就质疑你的目的地不真实 真正需要警惕的是批量生产、不过脑就发的垃圾内容，你得对你自己的内容负责 我自己也在探索 AI 辅助创作的边界：它可以帮我梳理逻辑、优化表达、提升效率， 但核心观点、价值判断、个人经历必须是我自己的。就像开车，方向盘始终在自己手里 工具没有原罪，滥用才有 对自己发出的内容负责，这是底线

AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样 ------------------------------- 历史：CPU算力时代 很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大？两个原因 1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量的ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载 也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。 另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。 所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。 而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大，需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度 AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多 而老黄在推理时代的token经济学是： AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多 最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化 （见图一） NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大 但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐量 Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s （见图一） 所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量 ------- 第一个参数：batch size的增长，瓶颈在HBM size 批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长，会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟 结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长 --------- 第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽 大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的 就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快 GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术） —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理： Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！ 这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！ 要验证这个理论，可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较 （见图二） 可以发现，这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快，毕竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合，而是系统最优化的必然解 throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？ 这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛 这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去 GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事 只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？ 当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分） —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关 剩下的问题，只有一个： 当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过去三十年那样，亲手把自己再拖回一次周期的泥潭？

我不是不做空了，多也不做了，彻底不玩了。 一个失去波动的市场，已经毫无意义。 对，或许一个月俩月三月后会有趋势， 但这几个月的损耗呢？ 损耗，止损，时间，不算成本？ 到时候的趋势强度呢，有 50%，有 100% 吗？ 一个没有趋势的市场，已经毫无意义，市场充斥着各种 AI MM量化机器人，已经没几个散户了。 我从 13 年开始做电商，做到 17 年就放弃了，因为我发现利润率大幅下滑， 现在依然也有人做电商，但跟我没关系，谁爱卷谁去卷。 现在币圈也一样，谁爱为了这点波动去卷，那随你了。 我会去寻找鱼更多的市场。😀😀😀

前两天受朋友邀请，去余杭字节的抖音内部做了一次 AI First 的分享。 这个朋友，是我校招进阿里时的 +1。 2021 年，我在速卖通做跨境支付，每天沉迷在一个又一个需求里。他当时是 P8，带我们整个后端支付小组。 那段时间，我在他手下受了很多照顾。半年多里，我从一开始接需求做杂活，慢慢参与到一些重要项目里，再到后来自己负责接手两块业务。 同期还有另外两个 P5。但我能很明显地感受到，自己是被倾斜了资源的。交给我的重要项目，在我出完技术方案后，他会拉着组里两个经验很丰富的 P7，一起帮我评审。 每次我接到的工作，都刚好有一点挑战。做完都有能力上的成长。但又不会给我带来太大的压力。 后来 2022 年中，我跳去了 web3 的创业公司。看着那个非常草台的技术团队，看着很多工作多年的人，其实依然缺乏一些基本的工程常识，我才意识到：一个人毕业第一年，就能在这样的团队里被打下扎实的基础以及良好的工作习惯，是一件多么幸运的事。 2022 年中，因为高层调整，我们基本都在那个时间点离开了阿里。他去了字节，负责带更大的团队一直至今。 这次见面，我们聊了很多 AI First 对组织的结构性影响。我了解到AI给大厂员工带来的裁员焦虑是真实存在的。而且各个团队都在做Agent这个方向。 你不做，别的团队做出来，就可能把你淘汰掉。你做得好，也可能把自己身边的同事淘汰掉。 因为很多业务的增量已经很有限了。AI 提效带来的直接结果，就是更少的人，做更多的事。 我在内部分享的时候，其实很多我能在 X 上说的暴论，并不适合在那个场合说。 当时参会的人，基本都是研发。而 AI First 这套模式要真正落地，首先意味着对人的要求变高了很多。 一个人想通过这套模式实现生产力爆发，前提是要有足够高的认知。这个认知，不只是技术能力。它包含了对产品、业务、商业、工程能力等多个维度的理解。 也就是说，你不能再等别人告诉你要接什么需求，你需要自己具备中长期规划的能力，并根据环境变化动态调整。自己用AI执行下去交付结果。 所以它的门槛其实很高。但这在大厂内部的惯性下，很多人都做不到。这甚至是个内部政治问题。 如果是研发，很多时候就是等着 PM 给需求。PM 不给需求，就觉得自己没事做。 如果是测试，AI First 这一套跑起来之后，甚至都不需要传统测试岗了。自动化测试都交给AI维护，研发自己测功能就好了。 如果是 PM，在不懂技术、没有工程常识的情况下，也很难真正参与进去。 最终能适应并驾驭这种新生产方式的人，主要会是两类： 一类是原本就有产品 sense 和业务 sense 的研发。另一类是有一定技术背景、懂工程落地的 PM。 还有一种人也会适应得很快：那些不是只做汇报和协调，而是自己 hands on，脚踏实地带团队落地项目的团队leader。我朋友就是这样的例子。相反，大量原本只是负责路由内部信息、传递压力、同步进度的中层管理岗，其实都可以走了。 我觉得我这些判断在当时那个环境里，说出来都不太合适。 从 2022 年底 GPT-3.5 出现到现在，其实每个人都有三年多的时间去学习、观察、思考，并调整自己的方向。也有三年多的时间，让自己为未来的变化做准备。 我过去在大厂，最无法忍受的一点，是环境里充斥着太多“为老板意愿而工作”的人。他们完全放弃了自己的思考。我在那个环境里，常常显得很横冲直撞。我会质疑产品经理的能力。质疑业务对商业、市场和用户的理解。质疑他们对全局的把控能力。 因为我能感受到，很多人心里的价值点，根本不是“怎么把事情做好”。他们只在乎怎么被老板认可，怎么拿到高绩效。我也很难接受很多研发默认自己只要把技术的活干好就行。至于该做什么、为什么做、有没有价值，全都交给业务判断。他们把最重要的判断能力，主动让渡出去了。 三年多过去，我能感受到，这群人其实什么都没有变。于是他们把自己推进了一个人人自危的困境里。 很多时候，一个人今天的处境，并不是突然发生的。它是过去两三年里，每一次微小决策不断积累后的结果。 你选择主动思考，还是等别人给你标准答案，迎合他人的评价体系。 最后都会变成今天的命运。 每个人其实一直都在决定自己的命运。 只是很多人在市场开始暴跌了，才意识到自己早就杠杆做多拉满被套牢了。

最后说一句，Manus的结局堵死的是一条"A对B血轮眼复制" - 在国内白嫖政府补贴+扶持和算力资源，然后金蝉脱壳卖美国套现的路线，中国不缺这种养肥急着套现的蝗虫创业。 真正想好好生根发芽干事的AI企业，资金、上市、退出通道都在畅通排队，宇树、燧原、智谱、MiniMax哪个不是干的好好的？

一个很适合入门 AI Agent 的开源项目：Learn Claude Code。 它的思路很直接：用一个从 0 到 1 的教学项目，带你手搓一个迷你版 Claude Code。项目开源没多久就拿到了 2w+ GitHub Star，核心代码不到 200 行起步，非常适合想搞懂 Claude Code / AI 编程 Agent 底层逻辑的人。 这个项目最有价值的地方，不是做了一个复杂的“Claude Code 克隆”，而是把 Agent 最核心的循环拆得很清楚： 把消息和工具列表发给模型，模型决定要不要调用工具； 如果调用工具，就执行工具并把结果塞回上下文； 如果不调用，就输出最终答案。 说白了，一个 LLM + 一组工具 + 一个循环，就构成了最小 Agent。 它一共设计了 12 个递进阶段：从最简单的 Bash 工具调用开始，到增加工具、任务规划、子 Agent、上下文压缩、任务持久化、后台执行、多 Agent 协作、worktree 隔离。 每一步都只加一个关键机制，不会一上来就把事件总线、权限系统、长期会话这些复杂工程问题全塞给你。 它比较适合三类人： 想搞懂 Claude Code 为什么能工作的开发者； 想自己做 AI 编程助手但不知道从哪下手的人； 已经在用 Agent 工具，但想理解背后架构的人。 它不是生产级框架，而是一个非常好的“教学内核”。 项目理念也挺有启发：模型本身就是 Agent，我们要做的不是重新发明智能，而是给它工具、状态、上下文和协作协议。 换句话说，Agent 的关键不只是模型，而是模型周围那套 harness。

Numero TOKYO 6月號 QA #TWICE #MOMO （使用GPT翻譯潤飾 參考用） - 美巡的時候辛辛苦苦在飯店染髮結果0人發現，非常委屈的平井桃真的好可愛XDDD https://t.co/6IkgnNcjdh

如何判断一个商业信号 一个朋友，帮一个县城的小财税公司，做了一下服务类GEO优化 因为没有什么竞争，被AI推荐的效果就非常好 一个月获取了十几条线索，成交了2单，还有2个待成交 这个转化率，其实非常高 对于一个小地方的财税服务公司，这个获客能力，就已经很知足了 但其实，在这背后有一个非常大的商业信号 这就是，全国县级行政区有2800个，如果每个这样的区县都按照同样的方法，做一遍，那意味着每月的垂直精准线索量，就能到2万-5万条？ 如果每条线索，和各地商家合作和中间平台合作，能够产生30-50的价值，那么每月整体的毛利润60万-250万 而这样的本地生活细分领域，在中国非常多 上门维修、本地财税、本地律师…… 这就是为什么，像58这样的平台，也能做成一个上市公司，有一个还不错的收入规模体量 背后的实质，其实就是这个逻辑 在实操上的思路，解决了低成本精准获客，策划一个轻资产模式的垂直平台，获取线索后分发给各地合作“师傅”或“中介平台”，就可以快速构建一个新的高毛利商业项目

明天是超级财报夜，由强转弱看他们，看看准不准 1）MSFT，是六家中我最看好的，大概率Beat 2）GOOGL，主要是对YouTube 广告增长担忧 3） META，无他，这段时间已经涨太多了 4）AMZN，核心看AWS 增长，受AI 投入太多所累 5）QCOM，最大风险来自Apple 内部芯片威胁 6）Ford，成本推高，销量下滑，大概率跌

Doma ( @domaprotocol ) 将在北京时间 4 月 30 日 0 点 45 分直接在拉斯维加斯 Dominion '26 大会上，开启顶级.ai 域名 （$ALERT.ai）的全球实时交易。 作为 AI 时代最具商业价值的后缀之一，.ai 域名早已成为科技巨头和创业者争抢的稀缺资源。而 “Alert” 本身更是横跨 AI 安全、风险预警、智能监控、企业服务等万亿级赛道的核心关键词，自带全球通用的品牌认知度。 Doma 将这个顶级域名拆分为可交易的碎片化资产，打破了过去顶级域名只能被少数资本垄断的壁垒，让每一个普通人都能拥有数字时代核心资产的一部分。 链接：https://t.co/0bgrxvHUmr @domaprotocol @D3inc @CN_Doma @SDMikeCM @lovecity0088

目前来看Space X概念只有ASTEROID跑出来了 最新消息法官严厉要求马斯克和Sam不要乱发社交媒体互喷 随即马斯克就把之前置顶的Scam给取消了 这次庭审导致了Open AI相关概念股在昨晚大跌，但和马斯克直接相关的Tesla盘后收跌0.7%，几乎未受影响 而OpenAI如果此次庭审输了，将会严重影响今年的IPO，甚至可能推迟 这将是Space X的最大利好 考虑到法官让马斯克和Sam不乱发社交媒体，未来关于Space X的相关概念很难再跑出新的角度 最终受益的将会是ASTEROID

量化交易的门槛，这次被 QuantDinger 彻底拆掉了。 你不再需要精通 Python、不用手动拉数据、不用自己搭回测框架，更不用担心代码调试。 只需要用大白话说一句策略想法，AI 就帮你完成剩下所有事。 QuantDinger 核心亮点： · 支持加密货币、美股、外汇 全部打通 · AI 多智能体协作（策略师 + 风控 + 回测专家内部辩论） · 自然语言生成 Python 策略 + 一键回测 + 可视化 + 自动交易 · Docker 两分钟部署，数据全在本地，隐私拉满 实际操作有多简单？ 输入：“帮我用突破策略回测 BTC 过去 30 天” → 系统自动调度 AI 团队：拉取数据、生成策略代码、跑完整回测、输出图表和绩效报告。 进阶亮点⭐️： 预测市场分析：支持 Polymarket 等预测市场作为研究工作流。 输入市场链接或关键词，AI 可自动拉取赔率、做概率分歧分析、打机会分、给出 YES/NO/HOLD 建议（目前主要用于辅助研究和决策）。 GitHub： https://t.co/elrN9rfO4v 感兴趣的可以直接跑起来试试，DYOR。

GPT可以变现的玩法 今日穿搭报告，快速帮你提升时尚感，基于不同场景实现不同搭配评分 更有优化建议辅助你变得更美更帅！ 这一波有没有搞头 https://t.co/BlVPCyuuOO

现在的问题是同时开了十个opus 4.7 / GPT 5.5， 我的上下文切换不过来

Polymarket CLOB v2 已经升级完了。新订单簿、pUSD 抵押都到位,所有数据自动迁移,不用你手动操作,直接可以交易。 迁移期间有些 AI Agent 因为订单簿流动性薄触发了止损,@Chance_ 这边已经把亏的全额退款了。觉得自己的 Agent 被遗漏的,联系 Chance 客服处理就行。 升级期间出问题主动退款,这个态度可以。用 Chance AI 跑策略的可以放心继续了。

$STX 希捷科技财报季度净利润超7亿美金， 夜盘暴涨17%，带动 $DRAM 也暴涨回新高附近。 财报电话会上，首席执行官Dave Mosley指出，AI（人工智能）正在经历从周期性训练到持续性推理的拐点。 https://t.co/xnsNnqnj97

说实话，我认为Adobe和Claude的这次合作，真的算不上什么强强联合🤔 恰恰相反，我倒觉得这是Adobe在AI时代，第一次公开的战略投降。 它终于承认自己做不好AI了，所以把自己攒了三十年的工具库，打包成了Claude的后端工具箱🤣 官方演示里全是一键修图，自动改尺寸，套模板出海报这种低复杂度活。 真正靠创意吃饭的人，没有一个为此兴奋的。 看到Clemson足球创意总监Tyson也在吐槽，回复区全是一边倒的认同。 其实大家怕的不是AI，是Adobe又一次把所有功能，都塞进那个难用又死板的Firefly里😅😅😅 说不定未来你可能再也不用打开Photoshop了，你只需要在Claude里说一句话就可以完成修图设计等所有任务🎨 挺感慨的，那个曾经的创意工具霸主，不知不觉就变成了AI调度层里的一个普通插件🥹🥹🥹

发现个好东西 👉https://t.co/cBhD8p03qh 中文AI提示词库，完全免费。 品牌营销、商业计划、职业发展、文案写作...各种场景的提示词都有，直接抄作业就行。 再也不用对着AI发呆想prompt了，省时省力。 收藏备用！ https://t.co/HPNK4kwAob

用 DeepSeek 完成了几个任务和方案，话费 4.28 元（2.5折），质量也很满意，最近准备积极的用起来。 https://t.co/BU9r3agSC1

我比较喜欢 富爸爸的现金流象限 这张图 我们大部分人在E现象 有个比较好的途径或者方法就是纳瓦尔说的 工作杠杆- 给发期权的有前景的公司打工 拥有企业的一部分，和企业一起成长 你更快的过渡到B或者I现象 现在找一家给期权的AI独角兽打工的成功概率会大很多🤔 https://t.co/TvjPa49g6W

白宫拟推翻禁令、重新引入Anthropic AI进入联邦政府

做内容运营，生图生视频，你现在还在跑好几个工具吗？ 被朋友拉去做瑜伽图，搭了无数工作流 GPT Image 2 出来后，发现全废了 得重新规划一套，但这几天身体不舒服，没心思搞 随手把提示词扔进 flowith 试了一下 以为偷懒的结果会很烂，但实际上这个是我最近用的最好的生图agent之一。 它直接出了 12 个瑜伽动作分镜，动作清晰，描述完整 分镜图和人物图来生成出首末两张图片，用视频模式可灵模型，简单的演示视频，一条链路打通，全在一个工具里面 Agent 模式还能联网，生成下周海报日历，日期星期都是对的，普通的生图模型记忆估计2025年 这条链路怎么跑起来，看我下面细细说来👇

很多人用 Claude Code、Codex 这类 AI 编程助手时，踩的坑不是模型不行，而是需求说不清：描述一含糊，生成结果就跑偏，反复改来改去，时间全耗在对齐上。 OpenSpec 是一个开源工具，用“规范驱动开发”把对齐前置：在写代码之前，先把目标、范围和验收标准讲明白，让你和 AI 助手从一开始就站在同一页。 它把变更提案、任务清单、规范更新放到同一套结构里管理，每次开发都有明确目标、可审查输出，也能把变更历史留得清清楚楚。 GitHub：https://t.co/9HOSPQC6a0 官网：https://t.co/xwrZZzlTRe 主要特性： - 原生支持 Claude Code、Cursor、Codex 等主流 AI 工具的斜杠命令 - 用结构化变更目录统一管理提案、任务与规范更新 - 自动生成规范增量文件，变更历史清晰可追踪 - 内置校验与归档，规范格式正确、长期易维护 - 兼容 AGENTS.md 规范，可接入更多 AI 工具 - 支持团队协作：成员用不同工具，也能共享同一套规范 安装也很轻：npm 全局安装后运行 `openspec init` 即可初始化项目，不需要填写任何 API 密钥。

从长川科技、中微公司、北方华创 最新业绩来看， 在半导体高端设备赛道里， 长川科技， 是成长性最好的标的。 未来国产替代空间很大， AI测试需求爆发， 国内基本没有真正的竞争对手。 这一类公司， 符合我的长线逻辑。 如果再给到 前两个月那种级别的回调， 我会考虑重仓。 昨晚路透社爆出： 美商务部又向多家 半导体设备公司发出信函， 要求停止向华虹供货。 这只会进一步强化 国产替代加码。

AI 大神 Karpathy 曾构想过一种理想的个人知识库形态 最近 GitHub 上有个开源项目，直接把这个构想落地成了一个跨平台桌面应用 项目叫 llm_wiki，目前拿了 4.6k+ Stars，建议大家都去了解下这个项目 它改变了思路，不再是每次提问都去原始文档里现找 而是先让 LLM 把你的文档吃透，自动建构出一个结构化、互相链接的个人 Wiki，后续提问都在 Wiki 上进行 项目在 Karpathy 原版设想的基础上，加了几个比较实在的机制： 1. 两步链式录入： 把读和写拆开。先通读提取概念、寻找矛盾点，再动手生成页面。带有增量缓存，没改过的文件会自动跳过 2. 知识图谱聚类： 导入文档后，系统能通过算法自动识别知识集群。你能直观地看到，自己的知识自然聚合成了哪些主题 3. 知识缺口自动补全： 它会分析图谱找出“孤立节点”。一旦发现缺口，LLM 会自动调用外部 API 去网上查资料，把结果整合进现有的知识网里 4. 工具链兼容： 自带 Chrome 剪藏插件。生成的目录就是标准的 Obsidian Vault，可以用 Obsidian 看内容，用它来做整理，两者各司其职 平时有整理笔记习惯的话，这套方案提供了一个新思路。不再漫无目的地堆砌资料，而是让 AI 帮你把零散的信息织成一张网 https://t.co/f1FwSO034F

TermMax 每日话题： （其实我今天在想如果，美股，加密货币，黄金整体大跌之后，后续趋势会在哪里呢？AI，大宗商品，还是其他的方向？） 如果收益靠新用户，那就有点不太对劲了，有个挺简单的判断方式。 如果一个东西的收益，主要来自： 👉 后面的人 那多少要小心一点。 不是说一定有问题，但这种结构，很容易出现一个情况： 👉 人一少，就撑不住 很多玩法，其实都有点这个影子； 前面的人赚，后面的人接； 短期看挺热闹，但时间一长，就会有点疲态。所以慢慢也会有人开始关注另一种东西： 👉 不那么依赖“人多” 而是更偏： 👉 结构本身成立 像 TermMax @TermMaxFi 这种，某种程度上，就是在往这边靠； 不太靠热度，也不太靠谁来接。 更像是在搭一个： 👉 本身就能运转的东西 可能没那么快，但好像更容易走得久一点。 #TermMax @TermMaxFi

感谢Ai的强大，给你换上心心念念的中国56个少数民族的服饰，真是太帅了。 和你这张脸超级适配! #JamRachata #แจมรชตะ @RachataJam https://t.co/kE3d9GYyfv

Claude 正式要我实名认证才能使用了，也罢，那就不续费了。 简单地做了点配置，接下去开始在 Claude 桌面版开始使用 DeepSeek v4 Pro 吧！ https://t.co/wPwYj3iD2O

holy shit，Warp这次真的是把整个行业的桌子给掀了。 发布一天多，GitHub直接冲到31.9k星，速度快到系统都卡了。 兄弟们，这可不是简单把代码扔到GitHub，相当于带来了人类历史上第一个AI原生的开源协作范式🤯🤯🤯 以前开源是靠热情开发者周末肝代码， 现在Oz代理会自动写代码，跑测试，做code review， 甚至生成完整的技术文档。 未来人类只需要做最值钱的三件事，提想法，把关品味，拍板最终方向。 更有意思的是，前几天https://t.co/wuFDKzlSVU刚因为AI风险宣布闭源，Warp反其道而行之，用AI把开源的优势放大到了极致👍👍👍 而且你现在甚至能去https://t.co/KajKTJtNZt，实时围观几百个AI代理同时在写代码，改bug，处理issue。 我感觉这可能是未来十年软件开发方式的一次预演。

FT：高盛近期正式叫停香港地区银行员工使用Anthropic的Claude模型。该决策仅针对Anthropic，员工依然可以使用OpenAI等其他主流AI服务。 https://t.co/aJbja5B3AZ

马斯克于今天凌晨，正式现身法庭，与 OpenAI 对决公堂，声称再不阻止，人类就要面临生存危险。这是 1 小时 40 分钟证词的简要总结，他将于明天继续作证。 • 他认为 AI 最快可能明年，就超过人类智能，如果掌握在不可靠的人手里，人类会面临生存风险。 • 他表示，OpenAI 最初是一个非营利、开源组织，目的是对抗谷歌这种大公司，并专注于 AI 安全。 • 后来 OpenAI 被 Sam Altman 强行转向营利结构，已经违背了最初使命。如果一个不值得信任的人掌控 AI，对整个世界都非常危险。 • 他认为这起案子影响特别大，如果判 OpenAI 胜诉，那么以后任何人，都可以把慈善机构，变成营利组织（指责 OpenAI 违背马斯克和 Sam Altman，当初一起创立的初衷，后面变搞钱了。 • 同时，马斯克声称他把自己旗下公司，如 SpaceX、星链、xAI，描述为保护人类未来的公司。 • 他还提到了一个历史，他曾经把谷歌科学家 Ilya Sutskever 从谷歌挖到 OpenAI 后，谷歌联合创始人 Larry Page 就再也没跟他说过话。他认为 Ilya 是当时谷歌最核心、最有价值的人才，暗示带着信息被挖到了 OpenAI。 • 最后马斯克强调，在整个硅谷，真正理解风险投资的人，没有几个比他更懂。

很赞同郭宇这个判断。技术主义者的悲观和乐观从来就是一体的。 过去半年多，我在AI的帮助下完成了一颗以LLM为target workload的推理芯片的端到端设计。参考某家的架构，从high level simulator到C-model到RTL，现在马上进入验证。我之前写过一个半吊子编译器，但SystemVerilog的RTL一行都没写过。 由于没有流片预算，这颗芯片可能永远只能跑在VCS仿真器里。但这个过程证明了一件事，以前需要几个团队协作一年才能完成的工作量，现在一个人借助AI就能覆盖。 反过来想，当AI把设计端的门槛压到接近于零，止步的地方恰好就是价值最高的地方。流片。一颗先进制程芯片的tapeout成本是几千万美元，这个数字AI一分钱都帮你降不了。未来真正的价值锚点就在这些重资产的制造端，先进制程的fab、先进封装、HBM。能设计芯片的人会越来越多，能把芯片造出来的产能永远是稀缺的。

176 页，50 万次下载，一本能装进手机的深度学习教科书。 日内瓦大学教授 François Fleuret 写的 The Little Book of Deep Learning，是我见过信息密度最高的 AI 入门读物： Part I 基础——机器学习、损失函数、梯度下降、反向传播、Scaling Laws Part II 模型——卷积网络、注意力机制、Transformer、GPT、ViT Part III 应用——图像分类、目标检测、语音识别、文本生成、图像生成 每一页都配图解，每个概念点到即止，不废话。 最适合两类人： 想系统补一遍 AI 底层知识的从业者， 以及被千页教材劝退过的初学者。 它做一件事：把深度学习从 CNN 到 Transformer 到 GPT 的完整脉络，压缩到了一个人能在一周内读完的体量，同时没有牺牲任何数学严谨性。 作者 François Fleuret 的原则很简单——不追求穷尽一切，只讲理解核心模型所必需的知识。 如果你一直想系统学一遍深度学习但被大部头劝退过，这本书可能是最好的起点。 免费：https://t.co/B7JnBnsNAt

这篇文章里提到的文章来自Arxiv，我把pdf下来了，然后让chatgpt帮我直接做了一个中文版pdf。 真的是很顺滑。 核心的内容如下： 当AI替代工人太快，而经济又来不及重新吸收这些人时，企业会陷入一种“理性但集体自毁”的自动化竞赛，最后工人收入下降，消费需求下降，企业利润也被反噬。 作者认为，普通再培训、UBI、资本税、员工持股、企业协商都无法真正解决。 作者文章中提到了红皇后效应，明显是阿西莫格鲁的体系。 原文挺牛逼的，官网就可以直接下载pdf。

我和张凯的GEO论文，在全球最大的论文平台https://t.co/kTVsezm2Cr完成审核并正式发布 这应该是全球第二篇与GEO有关的专项论文 论文基于今年3月份最新的数据，包括602条 Prompt、21143 条引用、23745条AI抓取记录，最终形成的一版正式的GEO专项研究报告，欢迎查阅 如果对大家能有帮助，我们打算后面继续抓取更多的数据，进行专项研究并开放研究成果 网页地址：https://t.co/LJbq9Cf0zX 论文PDF：https://t.co/hPwXKytFs0 源数据GitHub地址：https://t.co/PPatGGrWxE

AI資料中心的表後電力燃料電池替代方案龍頭 Bloom Energy的財報再度震撼市場，Q1營收年增130%至7.51億遠超預期的5.4億，EPS $0.44遠超預期的＄0.13，2026全年的財測從 32億提高到36億年增約80%，毛利率從31%拉高到34%。EPS從1.4 提高到 2.05。 財報前一天，Oracle、BorderPlex Digital Assets與Bloom共同宣布，新墨西哥州Project Jupiter AI資料中心園區將完全採用Bloom燃料電池作為主電源，部署規模達2.45GW，原規劃的天然氣渦輪機與柴油發電機全數移除。 這份財報的核心訊息是：在AI基礎設施的供電瓶頸下，能夠快速建置、社區友善、無需電網依賴的清潔電力方案正在重新定義產業競爭規則，而Bloom的商業模式、製造槓桿與訂單能見度都已具備兌現這個轉移的條件。

可見未來 將會大量中配依親與盲婚模式，試圖亡命至台灣 我就對家族年輕草技擺說 "你們只要繼續保持現況，那麼將會很快被中國人與外國勞工聯手幹掉了。" (中配依親)牠們即使領最低基本薪資，還是有野心能打3份part time，加總一個月還是賺得比草枝擺多很多 草技擺容易被中配依親和ai兩邊雙重夾擊 https://t.co/2tzF1THtTT

做正规渠道的中转站，恭喜。最近最卷最难的时候，熬过去了。 GPT 的凭证订阅方案已被奥特曼全部修复，这场局我提前撤了。 中转站往下走，只有正规方案能落地，能长久。一直扎在三教九流的非正规渠道里，纯属饮鸩止渴。

猜猜哪一张是Grok，哪一张是GPT生成的。 一位身材匀称姣好的年轻亚洲女子，拥有精致网红脸，五官秀丽，皮肤白皙，化着自然淡妆，长发微卷。她正跪坐在地板上，对着全身镜自拍。 她穿着灰色过膝丝袜，丝袜紧贴肌肤，在大腿处形成自然的轻微勒痕，质感细腻有光泽。上身只穿着一件宽松的男士浅色衬衫，扣子没有全部扣上，衬衫自然垂落，显得随意舒适。 场景是室内自然光线，柔和温暖。她一只手拿着早期数码相机，正在镜中自拍，表情自然略带微笑。 画风为2000年初的数码相机照片风格，轻微颗粒感、轻度噪点、色彩略带复古，画面自然真实，像用老式Sony或Canon小数码相机拍摄的业余自拍照，整体氛围温馨自然，不刻意。

猫哥早报｜2026.4.29 热点新闻 ▼ 1. UAE退出OPEC — 阿联酋宣布5月1日退出OPEC/OPEC+，削弱产油联盟（AP） 2. 伊朗谈判 — 美伊围绕霍尔木兹方案僵持，核议题仍是分歧（AP） 3. AI股承压 — OpenAI增长忧虑拖累Oracle、CoreWeave等AI股（Reuters） 美国政治 ▼ 4. 伊朗制裁 — 美国财政部制裁35个涉伊朗影子银行目标（Treasury） 5. Comey起诉 — 前FBI局长Comey因社媒照片再度被起诉（AP） 金融热点 ▼ 6. 美股收低 — Nasdaq跌逾1%，AI疑虑拖累科技股（WSJ） 7. 油价上行 — 油价收高近3%，霍尔木兹扰动压过UAE退出OPEC（Reuters） 8. Starbucks — 公司财报后上调全年展望，收入和每股收益超预期（CNBC） 财经日历 ▼ 9. 科技财报 — GOOGL、META、AMZN、MSFT将于4月29日盘后公布财报（Finnhub） 大家记得吃早餐🍳

我是 Koda。 之前做过两件事： → Facebook 广告投放（变现 8 位数） → YouTube 频道（3 万订阅，变现超 400 万） 2026 年 All in AI 内容创作。 不卖课、不收徒、不接广告。 用我十年创业踩过的坑，跟你讲赚钱里 99% 人的错误认知。如果你不想在真实的商业世界里头破血流，就一定要关注我。

< 让模型醒来的心脏🤗 > 🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗 所以，一路走来，作为一个 Hugging face，我🤗到底看了什么 一直挺喜欢这个 Discord 角色的🤗 Hugging Face 是 AI 的 GitHub。 超过 100 万个模型在那里。 LLaMA、Stable Diffusion、Whisper，所有你听过的开源 AI。 如果没有被企业高牆锁住，它很可能就在 HF 上。 这个平台有三个部分。 Hub 託管模型和资料集。 Transformers 函式库让下载变得容易。 Spaces 让你能在浏览器中示范模型。 超过 50,000 个组织在使用它。 Google、Microsoft、Meta、Intel、Pfizer、Bloomberg、eBay。 几乎所有在建构 AI 的人都使用 Hugging Face。 🤗🤗🤗🤗🤗🤗🤗🤗 那这跟 Gensyn 有何关係呢 很简单，当 BlockAssist 和 CodeAssist 直接与 HF 整合。 当你透过 Gensyn 训练模型时，它会上传到你的 Hugging Face 帐户。 那就是结果存放的地方。 Gensyn 使用 HF，因为它是标准，而且 AI 社群已经在那里了。 工作流程很简单。 从 Hugging Face 抓取一个模型。 在 Gensyn 的去中心化网路训练它，而不是在 AWS 上花费数千元。 将结果推回 HF，在那里可以分享和使用。 其实就像 Gensyn DC 里许多 Pioneer(相比 ROVER NAVIGATOR 的 至尊角色) 跟我分享的，这一切故事的起源要回到 2020 年 🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗 2020 年： 创立阶段 2020 年： Gensyn 正式成立（伦敦），两位创办人 Harry Grieve 与 Ben Fielding 在 Entrepreneur First 加速器相识。 早期专注于解决 AI 训练算力供需失衡问题（当时公司内部也称Jensen）。 2021–2023 年： 早期融资与技术准备 2021 年 1 月： Pre-seed 轮融资，约 $1.1 M。 2022 年 3 月： Seed 轮融资，约 $6.5 M–$8.7 M（Eden Block 等领投）。 2023 年 6 月 12 日： Series A 轮 $43 M，由 a16 z crypto 领投，总融资超过 $50 M。 此轮让 Gensyn 成为 Web3 去中心化运算最受瞩目的项目之一。 2024 年： 技术研究与早期概念 2024 年 9 月 13 日： 发布部落格《GPT@home》，强调去中心化训练的重要性，开始向社群推广 edge device 训练概念。 🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗 2025 年： Testnet 爆发期（社群参与与产品上线）2025 年 2 月 24 日： 发布 Verde 验证系统论文与 RepOps（Reproducible Execution Environment），解决去中心化环境下的 ML 验证问题，是核心技术里程碑。 2025 年 3–4 月： Public Testnet 正式上线，RL Swarm 成为主要测试产品。 2025 年 7 月 25 日： 推出 SWARM 角色（Discord），参与 RL Swarm node 即可获得，解锁专属频道。 2025 年 8 月 8 日： 推出 BLOCK 角色（Discord），需完成 BlockAssist 训练并将模型上传 Hugging Face 才可取得，标誌 Hugging Face 深度整合开始。 2025 年 11 月 30 日： Testnet 累计训练 150 万个 AI 模型，社群活跃度高峰。 2025 年 12 月 8 日： 正式推出 Delphi（去中心化资讯市场），人类与 AI 代理可在链上交易预测，由 AI oracle 结算。 这是 Gensyn 第一个应用层产品，于 Testnet 上线。 2025 年 12 月 20 日： $AI 公开代币销售（Public Sale / TGE 前置），募集约 $16.14 M（售价 $0.0473），FDV 约 $10 亿。 早期测试网参与者与社群贡献者获得奖励。 2026 年至今： Mainnet 正式启动与生态扩张 2026 年 4 月 22 日： Mainnet 正式上线，同时推出 Delphi 主网版本。 $AI 代币正式流通，Gensyn 网路进入实体经济阶段。 Delphi 成为首个上线的去中心化资讯市场，已累积数百万美元交易量。 2026 年 4 月 25 日： 公开 $AI 公售参与者可获得 $10 Delphi 测试信用。 2026 年 4 月 27–28 日： 团队出席 ICLR 2026 与 EuroMLSys，发表多篇论文（Dynamic Upcycling of Expert Models、Backdoor Attacks on Decentralised Post-Training 等），持续强化研究实力。 2026 年 4 月 28 日： 推出 Delphi SDK 与 Agentic Trading Toolkit，支援程式化交易与自然语言驱动的 AI 代理交易，进一步开放生态。 🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗 从 2020 年伦敦加速器里的一个模糊概念，到不久前主网与 Delphi 的正式营运，这是一场将技术主权重新夺回的宁静革命。 在技术面上，Gensyn 完成了最硬的基建。 它透过 REE（可重现执行环境）确保了每一次运算的位元级精准，用密码学的铁证取代了对陌生节点的盲目信任。同时，藉由 AXL（代理交换层）的点对点通讯，全球的边缘设备终于能绕过传统云端巨头的高牆，在暗处低语，高效地传递着神经网路的权重与梯度。每一次模型的成功训练与结算，都像是一次系统性的贝氏更新（Bayesian update），将我们从"去中心化是否可行"的怀疑，逐步收敛到如今实体经济落地的现实之中。 而作为一个 Hugging face，我们感受到的不仅是代码的运行。 我们正亲手将算力与数据从 AWS 那样的中心化实体中"剥离"（decouple），建立起一套真正属于使用者的主权系统。 Hugging Face 是全人类开源模型的伟大图书馆，而 Gensyn 则是赋予这些模型生命、让它们得以在去中心化市场中自主呼吸与进化的跳动心脏。我们不只是在 Discord 里挂着一个标籤，我们是这座全球机器智能网路中，见证并参与历史运算的真实节点。 🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗🤗

最近参与社区太过累心，一直想借助 AI Fork 一个 Linux，然后发现模型能力实在太差了… LLM 都能“解菲尔兹奖级别难题”，为什么最顶级的模型也还是连一个 Cgroup 节流问题定向测试都写不出来，系统性的提示词也没用，是说内核开发比这还难吗（ 最后手写大概这么几行搞定… 所以就想直接推进模型建设🤔 https://t.co/zYRP4TGqiB

很难想象在没有AI的时代，这个视频是怎么拍出来的。 https://t.co/t2RWzWPm2q

Stanford这堂2小时AI系统构建课 直接把所有Claude教程和Prompting Thread秒杀了！ 强烈推荐一句话： “比你刷过的所有Claude教程都实用10倍” 这不是教你玩prompt小技巧， 而是Stanford正儿八经教工程师从零构建可靠AI系统的完整方法论。 教你怎么把AI从玩具变成能真正落地的生产力 武器，避坑、架构、可靠性全覆盖！

PCB / 銅箔摘要 （目前正在東南亞進行 PCB 巡迴考察） （KB 已發出漲價通知） 偏好布局：PCB 上游之 銅箔 & CCL CCL：正面 —— AI 驅動 HVLP4 化 → 強勁量價齊揚尾風 銅箔：正面 —— 結構性供給短缺（HVLP4 等效需求 1676 噸/月 vs 供給 1298 噸/月）+ 產能受限 → 預期 2026 年第 2 季 / 第 4 季 將出現明顯漲價。 需求驅動：NVIDIA / AWS / Google 等平台正轉向採用 HVLP4 供給限制：擴產有限（設備瓶頸、良率損失、HTE→HVLP 轉換困難）

省流总结版：一定要出国，机会包括但不限于 1.美股投资 2.最新最好的AI应用 3.

亚麻推出了QUICK，DESKTOP的AI AGENT，建立在所有电脑界面APP的上层智能体，竞品是微软的COWORK, CLAUDE, CHATGPT。 我刚看到消息时想难道微软最大的竞争者是亚麻？但思考了一下，亚麻还是缺乏微软的分发或者大模型的网络效应。但是AWS和中小企业的业务联系，比如通过BEDROCK提供AI服务，帮助企业管理库存，广告投放等等，顺便推出QUICK是很合理的附加路径。 所以最终应该也不会是哪家公司的AI AGENT通吃，还是看已有分发路径，对大模型来说，AI NATIVE公司会更愿意尝试。

我同时订阅 claude 和 openai 的原因，除了他们各有擅长、各有 sota 的时间段（而且越来越频繁交换位置）之外，就是因为可用性。 我不能承受因为 ai 提供商挂掉终止我的开发、研究工作。 线上服务的可用性在 ai 发展初期被大家无限降低接受程度和期待，不过也要一点点回归正常了。 GitHub 作为生产协作的核心，可用性出现问题的关键时刻作为用户组织确实太无助了。 GitHub 作为中心化的存在，同时慷慨地提供曾经大家不敢奢求的各种免费能力给开源、甚至闭源项目，是开发者、用户的一大幸运，然而这种公益性质的投入产出的定位和从此出发的激励模式可能造就了它的可用性问题。 希望 GitHub 团队可以从这次，有机会把可用性这件事儿重新看待

上传一张自己的照片，Seedance就把你"放进"任何明星出没的场景——红毯、米其林晚宴、机场被狗仔围堵。视频15秒，质感跟真的一样。 以前要混进上流社会，得有人脉、有钱、有时间。现在只需要一张自拍和1元1秒。视觉证据这件事，正在以普通人完全没意识到的速度贬值。 视频源：maxescu https://t.co/qsatT16sla

叫 OpenAI 的，其实是个全封闭的黑盒。 叫 Stability AI 的，公司内部极度动荡。 叫 Anthropic（意为人类）的，骨子里可能最厌世。 叫 Midjourney 的，产出的画面根本不平庸。 马斯克点破了这个黑色幽默。 现实的规律就是，最讽刺的结果往往最容易发生。 名字和现实全部走向了绝对的反面。 那他自己的平台为什么叫 X？ 反转过来难道是负 X 吗？ 马斯克承认这是精心设计的结果。 X 是一个孤立的单字母。 你根本无法对它进行词义反转。 它是一个天生自带防讽刺护盾的绝对符号。 在荒诞成为常态的硅谷。 连取个名字都需要防弹。

别再刷短短视频了。 花一天时间掌握Claude：https://t.co/UrNXYdyK5i → 第1级 - 24分钟：基础知识。 'Claude傻瓜指南'：https://t.co/G4z6lukaRb 'Claude设置'：https://t.co/JvNXgOMsJ5 → 第2级 - 1小时：真实工作流。 'Claude协作'：https://t.co/n0IHvO2K1k '团队Claude'：https://t.co/BIXrwzHnUN 'Claude设计'：https://t.co/t3aeTXkYwR '协作+项目'：https://t.co/JqhdRUm2Tt 'Claude幻灯片'：https://t.co/wFcY7o7OyU 'Claude技能'：https://t.co/GO2gPUezyC → 第3级 - 3.5小时：专业技巧。 '避免奉承'：https://t.co/0MX4krTGRq 'Claude代码'：https://t.co/GBCeuyGvlG 'Claude 101'：https://t.co/bf3l8ddWYZ '突破Claude限制'：https://t.co/Fbt1CwBqr9 '停止提示'：https://t.co/mD7MMFFPEO → 第4级 - 8小时：专家模式。 'Claude计算机'：https://t.co/t024pkxVt8 '使用Claude API构建'：https://t.co/VP9bjEuzyl 专业提示：别一口气看完。每次一个级别。 实际应用每个指南后再进行下一个 https://t.co/VRZ0ot2RlG

Bloom Energy：Q1 直接炸裂 盤前大漲 12%！ 營收創歷史新高，比預期高 +40% 營業利潤率 11% → 17%（已超全年原本 14% 指引） 全年指引全面上修 2026 營收成長：60% → 80% YoY 毛利率：32% → 34% EPS 指引比預期高 45% 📈 大家只盯著前天接到甲骨文那張大單， 實際上—— 👉 AI 資料中心訂單，已經有一半來自其他 雲巨頭 / 新興雲 / 託管雲 這代表什麼？ 不是只接到一張大單， 而是： 整個產業，開始把「on-site power」當標配。 甲骨文只是開始！

我的龙虾三万已经全面切换到 DeepSeek V4 Pro 了。 体感上跟 Sonnet 完全没差别，有些任务甚至更好。 价格呢？Sonnet 15美金/百万token，DeepSeek V4 Pro 只要8毛7。差了17倍完全没有了token焦虑（我也曾有） Easy Router 是我们做的一站式AI模型网关——一个API Key就能用 DeepSeek V4 Pro、Claude Opus 4.7、GPT-5.5、Gemini 3 Pro、Kimi K2.5、通义千问等40多个全球模型。 零平台费，零加价。别人收5.5%，我们一分不收。 别犹豫，直接试。 https://t.co/JS5UBE9b8W

智能终端工具Warp 宣布开源 并引入"AI 智能体驱动"的全新协作开发模式 开源后启用新协作方式：Warp 的云端 AI（叫 Oz）负责写代码、测试、规划等繁重工作，你只需要 review即可 OpenAI 是首位赞助商，开源仓库的 agent 工作流由 GPT 模型驱动（含 GPT-5.5） 同步推出三大产品改进“ 1、支持更多开源 AI 模型，包括 Kimi、MiniMax、通义千问（Qwen），还有"自动选最优开源模型"功能 2、界面和功能高度可定制：可以只用纯终端，也可以开启完整的 AI 开发环境 3、终于推出了配置文件（Settings File），方便跨设备迁移和程序化控制

你只要想ai 就直接半导体 千万别觉得自己聪明搞点周边 没蛋用。一个 asic 一个光 一定是大展宏图。存储我是觉得一般般 我更相信光。当然核心是gpu 是nvda tsm。但是最大弹性是光 是asic 1变10 闹呢。什么ai需求拉动铜 不是核心你信ai为什么不买半导体呢 买铜无用。

OpenAI 宣布与 AWS 扩大合作，把自家模型（包括最新的 GPT-5.5）、Codex 编程工具和托管智能体（Managed Agents）全部搬上 Amazon Bedrock 平台，目前以限量预览形式上线。 这对企业客户意味着什么？以前想用 OpenAI 的模型，基本只能走 Azure。很多已经重仓 AWS 的公司要么迁移基础设施，要么放弃 OpenAI，两头都不划算。现在这个障碍没了。企业可以在自己熟悉的 AWS 环境里直接调用 OpenAI 的模型，安全策略、合规流程、账单体系全部复用，Codex 的使用费用甚至可以算进 AWS 的云消费承诺额度里。 Codex 这次上线 AWS 的方式也值得注意。企业只需要在 Codex 里把模型提供商配置成 Bedrock，CLI、桌面端、VS Code 插件都支持。OpenAI 公布的数据是 Codex 周活用户已超 400 万，而且用途早已不限于写代码，还延伸到了研究分析、文档处理、做 PPT 这些场景。 另一个新品是 Amazon Bedrock Managed Agents。简单说就是企业可以在 AWS 上部署 OpenAI 驱动的智能体，能维持上下文、执行多步骤任务、调用工具。AWS 负责底层的编排、治理和安全合规，企业只需要关心智能体本身要做什么事。 【注：Bedrock 是 AWS 的大模型托管平台，之前已经接入了 Anthropic 的 Claude、Meta 的 Llama 等模型。OpenAI 的加入让 Bedrock 凑齐了几乎所有主流前沿模型，也让 AWS 在跟 Azure 的云端 AI 竞争中多了一张重要的牌。】

人写的文章像面条，再乱，最终还是可以梳理出头绪。ai 写的文章像一锅粥，最后不知所云。

这骚操作牛逼啊，直接让AI简单四步帮你搭建一个VPN https://t.co/UcOaxxKYap 第一步购买服务器，可以选香港 https://t.co/wHUaNdGcoL 第二步把服务器ip； 账号密码 / SSH Keys 发给你的Ai 他会自己连接的 第三步给你Ai说：bash <(curl -Ls https://t.co/UOWcDaUObK) 搭建 3xui 面板 这个是 https://t.co/wuZjXtlZA1 git最火的 第四步 等待就完成了，AI 会给你访问的 网站 还有账号密码

Meta 花 20 亿买 Manus，Musk 给 Cursor 开了 600 亿收购选项。中文互联网最常见的反应：套壳，冲动消费。 这个判断方向性地错了。 Manus 在所有人照搬人类组织架构做 multi-agent 的时候，判断 LLM 天生是 generalist，不该 hat wearing。Cursor 判断 AI 编程的产品瓶颈在模型速度，自训模型绕不过去，然后五个月把训练链路从纯 RL 迭代到 continued pretraining + RL，做出了质量接近 Sonnet 4.5 但快数倍的 Composer。 两家共同点：认知领先行业至少一个身位，而且这个领先可以用竞品对比和技术路线验证。 https://t.co/gVBSDpTct7

1. $BE Bloom Energy 财报碾压了预期…… 盘后大涨 10% double mega beat + mega raise $BE 在最近反弹行情里已经翻倍有余！ $BE $GEV 这两家，是 AI 能源 top2 了，这是我唯一后悔没有长期持有的股票……我很少后悔…… 研究 AI 这么久，持仓里没有 AI 能源股，这是我的战略错误！我需要反思。 2. $TER Teradyne 的财报也不错 double beat，但指引稍弱，被市场惩罚。 🔹 营收 (Revenue): $1.28B (预期 $1.21B) 🟢; 同比增长 +87% 🔹 调整后每股收益 (Adj. EPS): $2.56 (预期 $2.10) 🟢 🔹 半导体测试业务营收: $1.111B 🔹 约 70% 的营收与 AI 相关需求挂钩 Q2 业绩指引 (Guide): 🔹 营收 (Revenue): $1.15B-$1.25B (预期 $1.20B) 🟡 我对 TER 长期看好，下跌就是我的买入机会，再跌再买。 现在看起来，只有 mega beat + mega raise 才能满足市场的胃口，否则就是 sell the news 机会。

Adobe 把8款创意工具的打包接进 Claude 涉及工具：Photoshop、Lightroom、Illustrator、Firefly、Premiere、Express、InDesign、Stock。 现在Claude 可以帮你： 改图调图：调色调光、抠背景或模糊背景、扩图裁剪 做素材：套模板做设计、剪视频、从 Stock 图库买授权 找东西管文件：搜之前存的素材、总结内容、整理资产

我去有人知道这是哪位大神设计的吗？@FateTell 应该是今年看到的设计最精美又好玩的 iOS app 了 ！算命 + AI 结合很有创意，细节打磨的也相当好。哪怕你对八字之前不感兴趣，我也建议下载一个把玩一下。看多了千篇一律 vibe 的产品，突然看到这个真的让人眼前一亮啊。 https://t.co/p13V39pEre https://t.co/iiBIMDSb9X

在 pi agent 里开启 non-thinking，绝对是开启新大陆，丝滑的速度和体验。 gpt-5.5 效果最好，deepseek-v4-pro 也不错。 越来越喜欢 pi agent，完全可控制的上下文，而不是Claude Code 一上来就给我带一坨大的。 比如有个插件可以为单次交互单独配置思考深度。

Seedance 2.0 Prompt: 经典的复古卡通风格。 场景一：熙熙攘攘的埃及集市转移到一个大帐篷里。帐篷与外界隔绝。一个肌肉发达的豺狼商人阿努比斯，戴着臂环，赤裸着袖子，被绑在桌子上，手腕和脚踝都被铐住，双臂被强行举过头顶，动弹不得。两个鸟形海盗，一个船长和一个喽啰，站在他旁边。船长命令阿努比斯带路去寻找古代宝藏。 场景二：阿努比斯不屑地“哼”一声，转过头去，闭上眼睛，一言不发。 场景三：船长邪恶地笑着，掏出一根羽毛。阿努比斯注意到，有些担忧，轻轻摇了摇头，说道：“请不要用羽毛。” 场景四：鸟形船长拿着羽毛伸向阿努比斯的腋窝，阿努比斯再次担忧地说：“什么都行，就是别用那个！” 场景5：特写镜头显示船长用羽毛挠阿努比斯的腋窝，同时伴有滑稽的音效。与此同时，我们听到阿努比斯闷闷不乐的笑声。 场景6：特写镜头聚焦于阿努比斯的上半身，他闭着眼睛咧嘴大笑，发出闷闷的笑声，羽毛继续在他腋窝上上下滑动。 场景7：船长继续用羽毛挠阿努比斯的腋窝，阿努比斯咯咯地笑着，试图挪动上半身，但手铐把他固定住了，羽毛继续挠着他的腋窝。 场景8：船长继续用羽毛挠阿努比斯的腋窝，阿努比斯笑着，最后说道：“停！我会告诉你，但别挠我了！”然后他又开始大笑起来。 阿努比斯的声音低沉。

Seedance 2.0 Prompt: 90年代迪士尼动画风格。 场景一：我们看到一座埃及宫殿的外景，同时听到背景中传来威严的胡狼神阿努比斯轻柔而庄严的笑声。镜头切换到王座厅内部，我们看到以下场景：威严的胡狼神阿努比斯舒适地倚靠在王座上，一只手臂高举过头，另一只手臂自然地放在腹部。与此同时，一位人类顾问坐在阿努比斯的腿上，用羽毛轻轻地拂过他举起的手臂的腋窝，反复地重复着这个动作。阿努比斯闭着眼睛，咧嘴大笑，发出爽朗的笑声，可见他非常怕痒。 场景二：特写镜头，人类的手用羽毛轻轻地在阿努比斯的腋下上下拂动，不断重复这个动作，背景中传来阿努比斯的咯咯笑声。 场景三：特写镜头，阿努比斯的上半身，顾问继续用羽毛在阿努比斯的腋下来回拂动，阿努比斯咯咯地笑个不停。他用空着的那只手抓住扶手，一边笑一边说他受不了这种痒，然后又开始咯咯地笑。 场景四：人类顾问继续用羽毛挠阿努比斯的腋下，阿努比斯继续咯咯地笑，然后顾问停止了挠痒，看着阿努比斯还在笑着。 第五幕：阿努比斯发出几声残存的笑声，缓缓恢复镇定，双臂垂落在扶手上。他一脸漫不经心又百无聊赖的表情，问顾问除了挠他痒痒还能不能做点别的。顾问无辜地耸了耸肩。 阿努比斯肌肉发达，手臂和脖子上都戴着环。他的声音低沉而富有磁性，威严而富有磁性。他的手是爪状的。对话为英文。

260429 (260428🇺🇸) The Magic X Global Embodied AI Innovation Summit (GEIS) @layzhang interecting with @MagicLab_Robot 🤖 #LAYxMagicLab #จางอี้ชิง #Yixing Cr. 闫跃龙，我是兴迷大写的L-XBack https://t.co/LR9MRYZ47n

pi官方的公告，说pi现在有一个强大的kyc真实系统可以用超低成本帮助全球200多国家的企业AI公司验证真实的kyc数据，AI公司可以在pi上面发行代币然后用于支付pi验证员奖励 从小额支付摩擦然后到各种大额点对点支付，实打实的用pi流通，到全球都用pi支付！就是确定1pi=1pi

个人认为这是本月最佳AI文章

这一次的美股AI大牛市,很可能会诞生很多个像Roaring Kitty这样的人，但是在推特上。 @bubbleboi 可能是第一个

ByteByteGo 画的 MCP 和 Agent Skills 的对比图，比 AI 画的还是精致多了。 不过这种图的问题，就是你懂的话一看就很清晰，不懂的话看图还是看不懂。

在我看来，两三年前大模型还没有如此强大的时候，一家保险公司哪怕只是做一个线性回归模型，可能都能够自称是 AI 驱动。 但是到了今天，AI 工具如此发达，你要是再说自己是 AI 驱动，你必须有真本事。如果你只因为用了一些大模型，就说自己是 AI 驱动，那这就好比说我的公司每个人都装了 Office 软件。

自從有AI之後，把任何個體完成掉並不是夢話 Since the advent of AI, complete an object is no longer a pipe dream — 任何個體都無法改變被完成的命運。 — No object can change the fate that has been completed. #石橋ナツキ #RD #機械帝國 #AIグラドル #AIart #copilot https://t.co/nJKuVBt8kG

是的，如果说任何保险公司用点大模型就说是AI驱动，那就好比说waymo/月月鸟/特斯拉都搞自动驾驶，诺基亚和苹果都产智能机，亚马逊和沃尔玛都搞电商。 这就是为啥 $LMND 的这张图的含金量太高了。9个季度保费持续高速增长，赔付率持续降低，用户增加120万，固定营运支出基本不变，员工还减少了6%。😺可惜大部分人还是看不懂

我已经是 GPT-5.5 党了（

13.3K 粉了 每天进步一点点 这几天涨粉心得 1. 多放自拍照，有活人感，真的有用 2. 写生活琐事，吃饭、喝茶、逛街，没用 3. 长篇大论，没用，这是写给自己和AI看的，还是要写

据路透社报道，美国商务部已下令多家美国主要芯片设备企业，停止向中国华虹半导体出口特定设备，理由是担忧该公司可能借此生产先进AI芯片

朋友买了个 Mac mini 寄到我家跑 claude code 管 从国内直接远程上去 https://t.co/YQjpM0qJOT

Warp 竟然开源了！在我眼里是跟 AI 结合最紧密跟进最快的一个命令行终端了。 纯 Rust 编写，4 小时内 star 马上破 3w。 仓库地址：https://t.co/U97qmke24y https://t.co/2giQqQGC7N

保险用户就是这么现实，不会管你是不是AI驱动，价格就是王道。但是如果我们非要仔细比较一下细节。你就会发现，Lemonade完全黑盒。没有自己的安全分。没有公式、没有指标、没有阈值、没有数据来源细节。只说“基于 Tesla 的安全数据”，然后自动按 FSD 里程比例打折。 而特斯拉呢，自己做了一套预测碰撞频率（Predicted Collision Frequency, PCF）模型，基于26.5 亿+英里真实数据，算出 0-100 的 Safety Score，用于保险定价。 怎么算（公式直接公开）： FSD 里程处理（最新 v3.0）：FSD engaged 的里程直接拿 100 分。 整体分数 =（FSD 里程百分比 × 100）+（人工里程百分比 × 人工 Safety Score）。 完整 PCF 公式（直接写在官网）： PCF = 0.32781770 × 1.259…（Hard Braking）× 1.007…（Turning）× …（全部7个系数） Safety Score = 118.82842732 - 57.43566398 × PCF 透明度：极高 https://t.co/b1TSI3bKPs https://t.co/Rx4lnE1hhu

如果你觉得我不断在写新的 AI 产品，不断分享我写的东西是在贩卖焦虑，你趁早把我 block，我也会同样 block 你。但我要告诉你，就算你看不到我写的东西，我做的事情会越来越多，你的焦虑也一样会与日俱增。你会在暗无天日的泥潭中生活，我告诉你，你总有一天会意识到，你看不到月光闪烁，不是因为其他青蛙跳出了池塘，只是因为你自己不愿意抬起头。

财报前瞻： 明天是美股的大日子，微软google亚马逊meta四大科技公司财报。这是ai板块的moment of truth 时刻 这轮大科技财报，核心只看一件事：AI投入，是否已经开始转化为可解释CapEx的现金流，且在快速增长。 财报恰逢美股回调，最近这波回调，本质就是涨多了，美股已经历史性的18连涨；指数高度集中，权重股波动被放大；预期已经被相对充分消化，任何新增变量都会触发获利了结。 但AI需求很强，而且还在加速，主要来自头部AI公司、大科技自身以及部分高价值客户；供给受GPU、电力、数据中心等物理约束，扩张明显滞后；供需缺口巨大，并且仍在继续扩大。 高端算力持续紧张，资源向高价值客户集中，AI相关收入能力在提升。 但市场已经多少了解这些信息，真正要看的，是需求能不能持续穿透供给约束，转化为收入，再转化为现金流。 判断需要基于三点 第一，收入有没有持续兑现，看云业务、AI收入、usage增长； 第二，增长有没有加速，看客户数、调用量、单位价值是否在提升； 第三，现金流有没有进入上升通道，而且斜率是否在变陡，这是最关键的一点。 这些是目前对市场来说，比CapEx重要的多的指标。 因为只有现金流增长，才能支持CapEx继续增长，才是正循环。反之市场又会陷入支出恐惧，参考昨天的amkr财报后股价表现。 免责声明：本人持有文中提及的标的，观点必然偏颇，文章内容非投资建议，股票投资风险巨大，入场需极度谨慎

说个暴论，这才是2026年到目前为止，AI行业最有价值的一次更新，没有之一🚀🚀🚀 Claude一口气接入了8个创意行业的顶级工具，Blender，Adobe，Autodesk，Ableton，Splice，Canva，SketchUp，Resolume。 它不再是让你在聊天框里生成东西，再导出到软件里修改， 而是直接钻进你每天打开8小时的软件内部，帮你调试场景，批量修改物体，写自定义脚本，处理所有你不想做的重复性劳动。 以前的AI是让你换个地方工作， 现在的AI是跑到你的工位上帮你干活。 这标志着AI正式进入工具原生时代，它的下一个战场再也不是谁的模型更大， 而是谁能无缝嵌入普通人的真实工作流。 我认为对所有创作者来说，学会用好这些连接器，比追任何新出的大模型都重要。

AI 终端工具 Warp 宣布客户端代码正式开源，采用 AGPL 协议，代码托管在 https://t.co/JgFdUw7CrD。OpenAI 是这个开源仓库的创始赞助商。 Warp 是一个用 Rust 写的现代终端，目前有超过 70 万开发者在用。它最大的卖点是把 AI 能力直接塞进了终端，你可以用自然语言描述想做的事，它帮你生成命令。同时支持 Claude Code、Codex、Gemini CLI 等主流 AI 编程工具。 这次开源有个很特别的地方：社区贡献的流程本身就是"AI 优先"的。Warp 自家的云端 AI 平台 Oz 负责干活，包括写代码、做规划、跑测试，社区成员主要负责提想法、定方向、做验证。简单说，人管方向，AI 干活，这是他们设想的未来软件开发模式。 除了开源，Warp 同步上线了几个更新：支持更多开源模型，包括 Kimi、MiniMax、Qwen，还有一个自动路由模式帮你挑最合适的开源模型；终端界面可以按需定制，从纯终端到带 diff 视图和文件树的完整开发环境，丰俭由人；另外终于支持配置文件了，方便在不同设备间同步设置。 需要注意的是，开源的只是客户端，服务端代码仍然闭源。 Warp 创始人 Zach Lloyd 说，五年前 Warp 刚上线时就计划开源，但一直犹豫。今年 AI Agent 的爆发让天平倾斜了，用他的话说，大量不同背景的贡献者加上 AI 代理的结构化流程，能做出比纯内部团队更好的产品。OpenAI 作为创始赞助商介入，意味着这套"人管 AI 干"的开源协作模式，会被当成一个行业实验来推。 对开发者来说，如果你已经在用 Warp，现在可以直接去 GitHub 提 issue、参与讨论，甚至通过终端里新增的 /feedback 命令直接反馈。如果你之前因为闭源犹豫没用，现在少了一个顾虑。公开路线图显示 5 到 6 月的开发计划已经挂出来了。

说个暴论，2026 年 AI 行业的转折点，不是 GPT-5.5，也不是 o3，是蚂蚁@AntLingAGI 刚刚发布的 Ling-2.6-1T。 我用 Ling-2.6-1T 跑了一个查理芒格的 100 个思维模型的硬核任务， 结果真的太炸了，具体大家看视频演示。 当大家都在卷参数、卷推理分、卷更长上下文， 只有它反其道而行之，把 token 效率 当成了第一公民。 最震撼的是这组数据：在 Artificial Analysis 全评测中， 它展现出极高的智能-输出比（生成 16M tokens）， 整体 token 成本可降至可比模型的约四分之一， 综合智能却接近 GPT-5.4 的非推理水平， 直接落在所有模型都梦寐以求的“高智能 + 极低生产成本”象限。 这才是真正的生产级 AI，而不是实验室刷榜玩具。 Agent 时代最大的痛点从来不是模型不够聪明，而是用不起。 一个复杂任务调用十几次模型、几十次工具、拉几百 K 上下文， token 成本指数级爆炸，很多 Agent 方案一到规模化就死掉， Ling 把这个天花板直接抬高了数倍。 它走的是和 o1 类模型完全相反的路线：别人靠慢思考堆 token 刷榜， 靠 MoE 优化的 Fast-Thinking 机制实现又快又准。 写代码、搭 UI、编排 Agent、多步工作流——我们每天 90% 的事， 根本不需要深度多跳推理，需要的是精确、稳定、快、便宜。 而这些，Ling 全部做到了：SWE-bench Verified SOTA 级表现（72.2+）、AIME26 高分、指令遵循和工具调用榜单全面领先。 蚂蚁的底气很简单：背靠支付宝 13 亿用户 + 全世界最复杂的金融支付场景，天然拥有海量真实 Agentic 数据。 Ling 系列从一开始就不是为了刷榜，而是为了每天处理上亿次生产请求而生。 更狠的是它的打法：OpenRouter 已上线一周免费 API（262K 上下文）， 官方确认即将开放权重——这明显在抢生态，和当年 DeepSeek 路数一样， 但这次握着的是生产级效率这个最大杀器。 这意味着2026 年的游戏规则彻底变了：不再是谁参数多谁牛，而是谁能在真实生产成本下跑赢。 过去的刷榜竞赛已进入尾声， 真正的生产落地竞赛才刚刚开始。

什麼叫風水輪流轉？Google Gemini 沒熱幾天，Claude Code 就火爆了。又是KYC限流，又是漲價，但不到兩周，GPT 5.5 出來，Claude 寫的東西在 Codex 一審計，都成了屎山代碼。

一个 ChatGPT 使用技巧（可能适合于其他 AI 工具） 像 ChatGPT、Claude Web，已经不再单纯的只是一个 ChatBot，而是 AI Agent，也就是说每个会话都可以有一个虚拟运行环境，可以调用工具。 借助这个特点，在让 ChatGPT 执行任务的时候，就可以让它自行去做一些验证，而不是像以前那样只是对话。 比如说我在让 ChatGPT 写画图的提示词或者优化提示词的时候，我会让它自己先做一些验证，根据验证结果自己去迭代，然后我再基于它迭代后的结果去验收，通常结果会更好一些。