🔥 Search Hot Tweets

NeurIPS 2026 真的要成为 AI slop 顶会了 https://t.co/kb6D62aJoD

市场随时会闪崩大跌，为什么？如果你读懂美联储新范式，就知道这是Fed让市场给自己干活，完成一次紧缩加息。 当然不是Fed想主动砸盘，而是Fed不再第一时间接盘了。鲍威尔时代，市场跌了是逼Fed出手；Warsh时代，市场下跌恐慌，本身就是金融条件收紧，帮着美联储外包。近期一定市场大幅波动为常态… 你会发现没啥坏消息的大跌会变多。很多下跌不是基本面崩，而是 Fed 不再替市场压波动。 当然Warsh 不是不看市场。他只是拒绝再看一个只会复读 Fed 话术的市场。过去 Fed 讲一句顶一万句，市场马上定价，然后Fed 再拿市场定价证明自己讲得对。Fed主席一句话偏鹰，2 年期利率加息预期马上往上打；一句话偏软，科技股立刻反弹。股市跌了，交易员不先问公司基本面啥问题，而是先算，跌到什么位置，美联储会不会出来救。 价格本来应该反映经济，后来变成了猜央行脸色，然后养了一帮职业解读主席各种姿势语态的财经小编。 这才是Warsh新上任要拆的东西。 但撕了旧套路，市场不会马上变聪明。它会先戒断。没有前瞻指引，就四处找看起来像是信号的老地图”比如点阵图“或者再习惯性去解释Fed的话术细节，但是都out了。 以后市场要真正判断的是真正的市场信号，并做出反应。比如油价、信用利差、AI Capex，订单等真正的变量，回归对真实经济世界的解读。 如果是盲目杀跌只因为Fed不出面安抚，那就是接带血筹码的时候；如果真正的经济信号和利率风险系统提升，就是要真赶紧跑路了。 具体颗粒度更细和操作策略解读，及时update见订阅者专享。波动时代，事实和数据信息不值钱，唯有真知解读穿越熊牛。

再聊聊黑莓，5月初开始聊黑莓当时股价5块多，到6月初最高冲到接近11美金，最近两周调整幅度不小。其实也正常，毕竟从四月份到6月初两个月时间涨了三倍多基本面再好，短期股价也有透支。这个时候就要回归到基本面来看。 1、5月中，黑莓获批为期一年的股份回购计划，计划从5月12日开始执行，至2027年5月为止， 授权最高回购约2678万股普通股，约占公众流通股的4.58%。 2、5月20日，黑莓的AtHoc危机事件管理平台完成FedRAMP Class D（High）再认证。这是目前唯一达到这一最高安全级别认证的关键事件管理平台，能够处理美国政府最敏感的非机密数据。这一认证进一步巩固了黑莓在联邦政府和关键基础设施领域的地位，尤其在应急响应和危机协调场景中具有明显优势。 3、6月11日，黑莓与马来西亚国立大学（UKM）宣布深化合作，UKM将成为东盟首家将QNX操作系统和QNX Everywhere计划纳入课程的大学，计划于2026年底开设相关选修课，目标是为汽车、机器人、工业自动化等关键产业培养人才。此举是黑莓在教育与人才生态方面的最新动作，延续了此前在网络安全培训上的合作。同时深度介入东南亚地区的终端安全生态， 4、6月16日，黑莓推出Unified Endpoint Management（UEM）平台的系列增强功能，重点回应市场对“主权端点控制”的需求。新功能包括支持on-prem部署的macOS管理、后量子密码学支持、AI辅助操作、多租户管理和安全文件共享等。这些更新让企业或政府用户能在自有基础设施上管理设备，同时兼顾数据驻留要求和现代技术应用，预计核心功能将于今年夏季逐步上线。 综合来看，黑莓过去三周的动作： 回购计划体现了对自身价值的信心，FedRAMP认证和UEM升级直接回应了政府与合规市场的需求，QNX教育合作则着眼于长期生态建设。这些举措与即将发布的Q1财报形成了呼应——市场目前对财报的预期相对正面，主要寄希望于核心业务能延续此前的增长势头。 所以接下来最重要的就是下周6月25号公布截止5月31日的最新一季度财报，机构预期营收约138-139百万美元，较去年同期约122百万美元增长约13%。每股收益（EPS）平均预期为0.03美元，区间在0.02-0.03美元之间，较去年同期0.02美元增长约50%。 黑莓财报最重要的关注点在于，QNX部门的增长延续性，以及安全通信板块在政府和企业端的表现。近期AtHoc的FedRAMP认证和UEM主权功能升级，被视为支撑营收和利润的重要因素。此外，公司约9.5亿美元的积压订单，也为未来几个季度的可见性提供了支撑。 个人角度黑莓正在从转型阵痛中走出来，进入更稳定的增长阶段。当然短期内股价涨的太多、可能透支了很多的预期。 下周黑莓的财报值得关注，看到不少机构担心汽车行业需求仍存在不确定性，而近期股价大幅上涨后，市场对部分增长板块的预期已经不低。如果财报能验证QNX和安全通信的实际进展，可能会获得正面反馈；反之，若汽车相关业务承压，或指引相对保守，则可能引发继续调整。 当然最终结果仍需以6月25日的财报发布为准。届时除了财报数据，管理层在电话会议和股东大会上的表态，也将为下半年走势提供更清晰的指引。对于关注黑莓的投资者而言，这将是一个值得重点跟踪的节点。 整体个人对黑莓的判断跟5月初没有变化 “之前与英伟达的深度合作让黑莓进一步打开物理 AI（Physical AI） 的巨大市场。它强化了 BB 从“手机公司”向“安全软件公司”的转型，目标是让 QNX 成为 AI 驱动的机器人/工业/医疗设备里的“看不见的安全基础”。” 但操作上建议只低吸不追高，毕竟整体市值体量也不大，市值不大波动就会很大。 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

陈立武最近接受采访明显变多，最新的一期是接受NoPriors播客的采访，这一次重点是关于半导体供应链的重塑，他对先进封装、新材料领域的布局和对代工业务的定位值得重点看看，还透露出跟马斯克合作的Terafab项目的进展（英特尔提供技术与工艺）每周都跟老马开会，还有他的半导体产业投资框架和看好的新方向。梳理下要点： 1、陈立武明确提出，目标是5-10年内为股东实现10倍回报。他过去14个月已为股东创造约6倍回报，但强调“这只是开始”。他预计到2030-2032年，外界才能真正看到英特尔的潜力。 2、AI需求增长面临几个瓶颈：一是电力限制，一些国家根本没有足够的电力；二是氦气的影响，很多人没有意识到氦气对半导体行业的影响相当显著；三是存储器短缺，这是现在最紧迫的问题 3、技术路线重构：面对传统工艺节点微缩接近物理极限的挑战，陈立武正系统性转向先进封装和新材料领域： 1）主推EMIB先进封装技术，并在印度和美国新墨西哥州推进先进封装制造项目。 2）投资玻璃基板公司（3DGS），看好玻璃的散热与绝缘性能。 3）投资人工合成钻石晶圆公司，钻石作为隔热材料潜力巨大。 4）布局GaN（氮化镓）、SiC（碳化硅）、InP（磷化铟）等新材料领域。 4、AI带来的新机遇：智能体AI爆发正带动CPU需求强劲回升。数据中心CPU与GPU的配比已从过去的1:8降至1:4甚至更低。CPU在强化学习和智能体协调调度上表现更优。陈立武认为AI将深刻重塑半导体行业，远超互联网影响，并延伸至边缘计算、物理AI等领域。 5、代工业务定位：坚持发展晶圆代工业务，核心逻辑是美国本土先进制造的战略价值（供应链安全，不能过度集中）。代工本质是“信任的生意”，重点抓良率、缺陷密度、周期时间。与台积电是合作伙伴而非单纯竞争对手。预计2030-2032年代工业务的真正潜力才会显现。 6、与埃隆·马斯克共建Terafab项目 1）与马斯克共同判断：半导体基础设施的发展没有跟上AI的增长——无论是产能、生产效率，还是功耗效率，都存在缺口； 2）非常享受与马斯克合作的过程。他非常不拘一格，对每一个环节都会追问"为什么要用传统方式做"，这很让人耳目一新。我喜欢听到不同意见，然后大家一起找出最优路径，双方都能学到很多。他有一个清晰的愿景——他的机器人、他的汽车需要大量芯片。 3）英特尔每周开会提供技术和工艺支持，每周都和马斯克开会。 7、陈立武对于半导体产业投资框架和看好的方向： 1）在做VC阶段，陈立武有159家公司IPO、126个并购退出的记录，其中半导体投资超过200笔，38%在美国。 2）在投资方法上，始终从一个核心问题出发：瓶颈在哪里，你在解决什么问题。比如我投了Cradle Semiconductor，因为互连成为了瓶颈；我投了Celestial AI，因为光互连在集群内变得越来越重要——黄仁勋几乎投了所有光子学相关的公司，这不是巧合。 3）投资框架始终是：问题是真实存在的吗？客户真的在为此挣扎吗？然后非常重要的是：第一个目标客户是谁？倾向于选择超大规模客户——他们有能力、有意愿，如果他们喜欢你的东西，接下来几年愿意付出数百万甚至提供一定的保障，因为拿下一个大客户之后就可以规模化 4）看好的投资领域 -EDA领域有巨大机会，AI和机器学习能否帮助降低复杂度、提升设计质量； -在新材料方面，氮化镓、碳化硅、磷化铟都是投资方向； -功耗管理——从40V转换到1V这个过程损耗极大——也是看好的瓶颈赛道； -物理AI是下一个重大前沿，要认真看全栈，非常看好用于物理AI的开源前沿技术，这是一座金矿。 8、转型框架与愿景：采用“爬-走-跑”模式，目前仍处于“爬”的阶段（夯实基础、搭建团队）。长期战略是整合XPU + 先进封装 + 代工能力，为不同工作负载提供定制化芯片解决方案。 能看出这次访谈聚焦战略转型而非短期财报或者股价。

八十年代初期，应该是83、84年左右，我还上小学的时候，老娘说未来三样东西一定会是基本生活技能：开车、电脑、英语 那时候小学还没英语课呢，电脑更是绝大部分中学生都没见过，开车还是一种非常专业的技能 后来虽然我这英语也就勉强够在英语国家生活，攒电脑倒是一把好手，编程多少也算学过，开车也是早早学了 但一直佩服老娘的远见卓识 没想到人生过了三分之二，眼看着AI这几年打破语言障碍，连带着编程也可以了，连开车也快成为过时的技能 这怕是老娘当年完全想不到的事儿，别说她了，十年前很多人想不到会发展这么快

一点不同意见。 如果是程序发生了错误，那首先这是代码问题，代码问题不一定是 Codex 的锅。你让它再怎么改 AGENTS.md，也不见得下次就不会犯同样的错误。 从软件工程的角度来说，通常处理错误的顺序是这样的： 1）恢复生产 先恢复再找原因，尤其是线上紧急问题。要么回滚要么打补丁，先把生产恢复了再说。但也要注意保留日志和现场，方便后续追查。 2）找根因 错误发生了，找 Root Cause 是必须的。到底是逻辑错误、边界条件没处理、还是对需求理解有偏差？不同的根因，对应不同的解法。 3）避免再次发生 这一步当然没问题，但怎么做有讲究，不是一句更新 AGENTS.md 就能解决所有情况的。 比如边界条件没覆盖，那就加测试用例；代码架构有缺陷，那就重构；Code Review 流程有漏洞，那就改进 review 流程。具体怎么做，要根据根因来定。 那什么情况下才应该更新 AGENTS.md？ 当错误的根因是 AI 对项目特有的约定或上下文缺乏了解的时候。 比如项目有特定的命名规范或目录结构约定，代码里看不出来； 比如某些 API 有隐含的使用限制，文档里没写清楚； 比如团队有特殊的测试规范或提交规范。 这些属于项目知识，写进 AGENTS.md 是合理的。 但如果一个 bug 应该靠测试来防，那就写测试；应该靠 Code Review 来防，那就改流程。把什么都往 AGENTS.md 里塞，反而会让它变得大而无用还占 Token，规则越多越不精准，AI 反而更容易忽略真正重要的那几条。

用 Nano Banana 去超分放大 GPT-Image-2.0 图片 GPT 生成的图片很多时候会有这种毛躁的感觉，特别是一些非写实的图片，会有这种破碎的纹路和纹理，非常影响观感，而且一眼就能看出来是 GPT 生成的。 其实可以用 Nano Banana 去放大 GPT 生成的图像，去掉那种破碎感和无意义的细节，增加更多有意义的细节，同时让文字和细节更锐利、更清晰。 下面左边的是 GPT 生成的，右边的是 Nano Banana 放大的。 提示词：帮我将这张图片重绘和清晰化，让他细节更丰富，同时去掉原图中杂乱不必要的细节

#AI 昨天和 Passluo 聊天，认可他说的因为每个人擅长的东西都不一样，所以才需要团队合作。 我自己来说，我擅长分析和理解本质，不擅长钻研很深的技术难题，不喜欢跟人打交道。 所以过去几年，我确实自然地选择了一个不用跟人打交道的领域（交易），然后自然地找了两位擅长技术的合伙人。 然后我们也聊到有一些开发者推友，自身就是巨大宝藏，但是不擅长商业化，没有合理变现，属于守着金矿没有挖😂

最近越来越体会到成为一名全市场交易员的重要性。 这并不是说需要对每类资产都了如指掌，难度太大也不现实，而是对不同市场有基本的了解，做到既可以跟随各个市场的牛熊进行轮动，选择相对简单的作为主战场，也能够具备充足的敏感性，极大提升捕捉机会的覆盖面。 举几个例子说明： 第一个是智谱，近一周股价接近翻倍，主要催化剂并非来自业绩或数据面，而是在一个完美的时间节点发布了GLM 5.2。Fable 5因为美国政府出口管制要求被下架后，市场对AI的访问权与监管问题产生了担忧，目光聚焦在主权AI和开源大模型上。GLM 5.2优秀的评分，在英文区引起了广泛的讨论，再加上本身流通股就少，这些因素共同助推了这波暴涨，让智谱成为了这次事件的最大受益者。 第二个是近期加密货币市场的一些机会，例如Hype监管利好/Circle合作/上线Pre-IPO等都可以做多，微策略卖币可以做空BTC，都是盈亏比非常好的交易。 第三个是2月底的时候，我开始找渠道想投Anthropic，主要逻辑基于两点，一是配置AI赛道的龙头公司肯定没错，二是Anthropic和OpenAI的估值差距与Claude和ChatGPT的表现差距不符。当时市面上的deal报价普遍在390~440B左右，而且Ticket Size要求都比较大，如果顺利投进去已经能翻2.5~3倍，但最终没有拿到额度。 这可以说是上半年最令我遗憾的一件事，直到前几天和群友聊天，突然意识到，其实同一时间买入 $SNDK 、 $MU、 $NBIS 等，都能吃到3~4倍的涨幅，而这几只股票其实不难选中，难的是一路拿住。 这两者相比，投Pre-IPO的确定性相对强一些，也更容易拿住，但需要较高的门槛和繁琐的流程，而且期间可能因为各种原因导致最后收益无法落袋，例如SPV不受认可或者对方机构不靠谱等等；而直接二级交易美股则更简单快捷，流动性充足。 这也进一步印证了对各个市场都有所了解的重要性，如果当时对于美股有更广泛的认识，意识到这波存储需求的结构性变化，对Forward P/E有更深刻的理解，都能帮助更坚定地持有。

Anthropic国际董事总经理Chris Ciauri表示，公司有信心“未来几天内”向美国之外地区重新开放Claude Mythos以及Claude Fable 5模型。 https://t.co/Iuxu11zkcE

与此同时，在航运造船的大周期里，中国船舶的市值，已经跌到不到三千亿人民币，还不如随便拉出一个科创板AI半导体公司的市值。 人们是不是误解了造一个大型燃气燃油运输轮船，或者造一个海上数据中心大型货轮，属于老登传统制造业，不需要任何科技含量。 不妨问问，如果美国可以花三千亿美元买下“中国船舶”，他们是否愿意。

DeepSeek 创始人梁文峰在 5 月份，与潜在投资者举行线上会议时，明确表示投资 DeepSeek 的条件之一，是承诺不挖走公司员工，也不鼓励他们自己创业。 如果属实，这也意味着，腾讯、宁德时代、京东、网易等这些新股东，无法从 DeepSeek 挖人了。 https://t.co/IWhyyoohHP

公司一个日本人， 想来跟我学AI， 我跟他巴拉巴拉讲了半天， 然后讲到要消耗token需要用信用卡充值， 他给我来了一句还要自己花钱啊… 我说你要有想法可以跟公司申请无限token啊， 你要自己学习肯定只能自己先花钱尝试， 然后他说要自己花钱那就不学了… 我好像知道为啥日本AI发展缓慢了… https://t.co/vkYfEW8V26

后续:纸尿裤甲酰胺风波反转：原报道证据链遭质疑，医院否认相关研究，多品牌称未检出 6月19日，山东省公共卫生临床中心发布声明称，中心特聘专家于兆衍从未提及该中心检测的甲酰胺物质与婴幼儿纸尿裤有任何关系，中心也从未开展婴幼儿纸尿裤等产品对健康影响的研究 中国造纸学会卫生用品专业委员会发文指出，原报道没有公开检测机构资质、完整报告、样品来源、检测方法、检出限和具体数据，难以支撑“纸尿裤导致婴幼儿健康风险”的结论 目前，好奇、Babycare、碧芭宝贝等品牌均已回应，称已进行或正在进行第三方检测，其中部分报告显示甲酰胺未检出。 有网友指出，原报道中部分检测图表疑似带有“豆包AI生成”水印。 小红书账号“靠谱老王”曾以“纸尿裤甲酰胺实测系列”为主题发布内容，账号自称从事检测设备研发，目前主页显示“还没有发布笔记”。

28年之后，再次参加 Kenny G 的音乐会，才意识到他是刚过 70岁的人了。但远看，他身材精瘦，体姿端正，行动流畅，可以感觉到那种令人羡慕的对于身体各个部位的精准控制又不露痕迹，豪不费力的状态。如果从背后看，和一个 20多岁的年轻人并没有区别。 原本以为他大概是长期练习瑜伽才有这样的好状态。问了 ai 说主要还是长期台上表演的训练，打高尔夫球，还有对饮食的高度节制。另外长期吹萨克斯风可以培养对于横隔膜，呼吸和核心肌群的强大精准的控制能力，远超普通人的想象。

美籍华裔哲学家、数理逻辑学家、数学家，王浩 王氏悖论：王浩关于数理逻辑的一个命题被国际上定为“王氏悖论” 他证明了图灵机都可转为一组王氏砖（Wang tile） 在数学定理自动证明研究领域有开创性贡献 1959年，王浩在“IBM 704计算机”上用9分钟计算时间 证明了罗素、怀特海所著《数学原理》中350多条定理 这可能是最早将 AI 用于数学形式化自动化证明了 https://t.co/DIWdMT0aCy 王浩曾发表100多篇论文，主要著作有： 《数理逻辑概论》(ASurveyofMathematicalLogic，l962)，其中收集了他在l947年至1959年期间写的关于数学基础、形式公理系统、计算机理论和数学定理机械化证明的一些研究论文和其它文章 《从数学到哲学》(FromMathematicstoPhlcosophy，1974)，作者试图用"实事求是论"(Substantialfactualism)的观点阐述对一系列哲学问题，特别是数学哲学问题的看法，并对当今在西方世界影响甚大的分析哲学进行批判，书中还包括大逻辑学家哥德尔一些未发表的哲学观点，极有研究价值 《数理逻辑通俗讲话》中英文两种版本，这是根据作者在1977年在中国科学院作的6次关于数理逻辑的广泛而通俗的讲演整理而成的 《超越分析哲学--公平对待我们具有的知识》(BeyondAnalyticPhilosophy--DoingJusticetoWhatweKnow，l986)，作者对分析哲学的代表人物罗素、维特根斯坦、卡纳普和奎因等人的思想观点作了详细介绍，并给予镇密的分析和有力的批判，主要论据是他们的哲学无法为人类现有的知识，特别是数学知识，提供基础。由于作者非常熟悉这四人的工作，甚至与其中一些人有直接交往，所以他的批判十分深刻 牛津大学的彼特·斯特苏森爵士(SirP.Strawson)评论到："哲学家们对于王浩此书的主要的、深厚的兴趣在于，它记录了一位极富才智、卓越和敏锐的哲学家对所谓’’分析’’或’’英一美’’哲学在本世纪经历的发展过程的看法。王的书是对现代哲学史和元哲学的丰富、迷人的贡献。" 王浩是美国艺术与科学学院院士，英国科学院外藉院士和符号逻辑学协会会员。1983年在美国丹佛召开的，由人工智能国际联合会会议(LnternationalJointConfernceonArtificialinteIIigence)和美国数学会共同主办的，自动定理证明(AutomatedTheoremProving)特别年会上，王浩被授予首届"里程碑奖"(MilestonePrize)，以表彰他在数学定理机械证明研究领域中所作的开创性贡献。提名时列举的主要贡献有：强调发展应用逻辑新分支--"推理分析"(inferentialanalysis)，其对于数理逻辑的依赖关系类似于数值分析(numericalanalysis)对于数学分析的依赖关系；坚持谓词演算和埃尔布朗(Herbrand)与根岑(Gentzen)形式化的基本作用；设计了证明程序，有效地证明了罗素与怀特海(Whitehead)的《数学原理》中带集式的谓词演算部分的350多条定理；第一个强调在埃尔布朗序列(Herbrandexpansion)中预先消去无用项的算法的重要性；提出一些深思熟虑的谓词演算定理，可用作挑战性问题来帮助判断新的定理证明程序的效能

一个视频讲清楚HBM的制造原理。 HBM是AI 高端显卡的“核心刚需”，这也造就了HBM三家厂商海力士、三星和美光近几年股价的飞升。 视频内容极为扎实，毫无冗余，对堆叠封装流程的讲解清晰明了且概念简洁。看完之后感叹人类的智慧怎么可以这么牛逼，真正的创造力不是靠宏大叙事遥遥领先吹出来的。 https://t.co/bUtpoMvT4X

金融时报援引数据预计，中国 AI 模型的 Token 消耗量已超过美国模型。 在美国，伊利诺伊州等数据中心重镇的平均电价约为 7.9 美分，而中国同类地区只有 4.4 美分，更低的能源成本，意味着中国 AI 公司，训练大模型的成本也更低。 随着需求量越大，这个优势会无限放大。 https://t.co/vLBEzsuUpN

$GOOG 没有办法，他没有all in AI，相反他和 $MSFT $AMZN $SPCX一样，用尽一切办法堆算力然后出租出去。 Google的逻辑和过去一样，他们认为构建一个算力的平台要比研发一个改变一切的大模型重要。 未来究竟如何，其实无人知晓。但是AGI永远都是最性感的故事，

美国数据分析公司 Palantir 为乌克兰军方（军事情报总局）开发的人工智能系统“Prism”，被设计用于支持对俄罗斯境内远程目标的打击行动。 该系统整合整合了大量高分辨率商用卫星图像等，AI能瞬间分析俄罗斯领内的防空导弹部署和武器变化。 此外，即便因强大的电子战（干扰电波）导致通信（Starlink等）中断，搭载于无人机的AI也能切换至自主模式，利用预先记忆的地形数据和机体摄像头影像抵达目标。乌克兰成为“世界AI战争实验室”的象征性案例之一。

模型降智是我打开编辑器的好时机。有个 bug AI 搞了半天越搞越糟，我一气之下打开了尘封多年的编辑器，想亲自审查亲自部署，结果惊觉我现在的 Vim 连代码高亮都没有了

Codex 上线了一个跨设备任务迁移功能，叫 Handoff。你在笔记本上用 Codex 写代码写到一半，合上盖子之前，可以把正在进行的任务连同代码状态一起迁移到远程服务器上继续跑。回到家了，再把任务拉回来。 这个功能有两个有意思的地方。 第一，迁移操作不是在界面上点按钮，而是直接在聊天框里用自然语言下指令。比如你可以说： “我要离开办公室了，把我正在跑的线程迁移到远程主机上，确保它们在那边正常运行。” Codex 会自动帮你完成整个迁移流程。 第二，迁移的不只是对话记录，而是完整的 Git 状态。你本地没提交的代码改动、当前所在的分支，都会跟着一起过去。到了远程机器上，代码接着你离开的那个位置继续。 不过用起来有几个前提条件。 首先你得在 Codex 的 Settings > Connections > SSH 里配置好远程主机连接，远程机器上也要装好 Codex 并开启“允许其他设备连接”，两边还得登录同一个 ChatGPT 账号。 然后远程主机上要有同一个 Git 仓库的克隆，并在 Codex 里把它保存成项目。 如果你本地打开的是仓库的某个子目录，远程那边也得保存同样的子目录路径，不然 Codex 找不到匹配的迁移目标。远程机器还得能访问同一个 Git 远程仓库，私有仓库的话需要提前配好 SSH key 或 GitHub 认证。 我觉得这还是太麻烦了一点，不如办公室或者家里有台电脑常年开着方便。 当然对于重度使用 AI 编程工具的开发者来说，这个功能解决了一个很实际的问题：AI 帮你改代码改到一半，你得走了，之前只能等它跑完或者放弃进度。现在可以把任务托管到云端服务器上，通勤路上它继续干活，你到家了再接手看结果。

Typora 团队新作 Otty：我终于找到心仪的轻量终端了！ 我之前一直在找一个带简单文件编辑功能的终端工具。像 Warp、Superset、Orca 这类偏 Agentic IDE 的工具虽然功能很强，但用起来总觉得太重，启动和占用资源都不太理想。 前段时间用了下 Muxy，它足够轻巧，功能也基本能满足我的要求，但界面还是差点意思。作为一个颜值党，我一直没完全满意。 直到前天我看到了 Otty，说实话，第一眼就被它的颜值吸引了。默认的主题虽然是当下泛滥的类纸配色，但看惯了黑乎乎的终端界面，这种浅色设计还挺让人眼前一亮。整体界面干净整洁、细节打磨不错。 后来才知道，Otty 的开发团队 @appmakes 就是知名 Markdown 编辑器 @Typora 背后的团队。之前用 Typora 的体验不错，只是后面收费了就没在用了😅。 当然，Otty 并不只是给传统终端换了一层漂亮外壳： - 核心采用 Rust，macOS 版本通过原生 Metal 进行 GPU 加速，滚动和大量文本输出都比较流畅。 - 支持标签页和灵活的分屏布局，标签页位置可以自己配置。 - 右侧的 Details Panel，可以查看当前目录、命令历史、Git 状态以及项目文件树。 - 内置了轻量级文件编辑器，能够快速预览 Markdown、查看代码或临时修改配置文件。 - 支持会话恢复，重新打开应用后可以还原之前的窗口、分屏、工作目录和滚动记录。 - 与 Claude Code、Codex 和 OpenCode 深度集成，在标签页上显示 Agent 的运行、完成和等待输入状态。 - 还可以把标签页、分屏、目录和启动命令保存成 Recipe，方便一键恢复常用工作环境。 配置项也比较丰富，外观配置非常细致，可以自己修改边距、圆角和阴影，对于喜欢折腾终端外观的人来说，可玩性并不低。 Otty 的定位正好介于传统终端和 Agentic IDE 之间：比普通终端多一些现代工作流，又不像完整 IDE 那么重。 目前 Otty 只支持 macOS 14 及以上版本，Windows 和 Linux 版本还在开发中；现在免费使用，看上去后面要做云端同步等收费功能。 官网地址：https://t.co/dmr0Glh0qt

$FLKR 正在构建高性能、低延迟的数据库基础设施，旨在为 AI 模型和自主代理提供持久的结构化记忆。@falkordb 该公司专注于超高速图数据库技术，使智能系统能够超越无状态交互，存储上下文信息、理解关系并持续运行。 其近期一项显著进展是与 Snowflake 达成合作，FLKR 通过在 Snowflake 平台上原生发布 FalkorDB 来拓展其业务范围。 此次集成使企业团队能够用简洁的图原生查询取代复杂的 SQL 工作流，从而显著简化大规模数据的查询和连接方式。 随着 AI 系统向长期记忆和自主行为演进，此类基础设施的重要性日益凸显。

为什么未来世界会越来越重视人品？ 不仅因为AI正在缩小知识和技能的差距，更因为社会正在进入一个高不确定性、高波动性的周期。当增长放缓、机会减少、风险增加时，人们会变得更加谨慎，资源会越来越向可信的人集中。经济越繁荣，能力越重要；经济越动荡，信用越重要。因为在不确定的环境里，人们最关心的已经不是你能赚多少钱，而是你是否可靠、是否有责任感、是否值得长期合作。当能力被技术不断放大，而风险被时代不断放大时，人品、信用和长期主义就会从加分项变成筛选项。未来真正脱颖而出的，往往不是最聪明的人，而是那些能够持续获得他人信任的人。

https://t.co/c7aBPZy00b 挺方便的，扫一下就可以将 AI Agent 添加到微信中 https://t.co/wzNSkCyues

AI时代的普通人，只要愿意持续学习，完全可以打破一切专业和学术的壁垒。 我上周在哈佛医学院参加学术会议，见到了一位江西上饶的民办三本文科全职宝妈做了一个poster，讲她是如何花了一周时间，用codex预测出艾滋病mRNA疫苗的基因序列。 可惜这位宝妈中午就急急忙忙坐飞机回国了，说要回国过端午， 现场七八个教授抢着加她小红书和微信群，她都没来得及加我们。 最新进展是，听说红杉这边包了一架飞机，下周直接从San Jose直飞江西上饶，带着1亿多美元的现金、支票、合同、SAFE、term sheet、国库券，要和这位民办三本文科全职宝妈合作，把这款疫苗生产出来。

据说抖音搜广推裁了200多人，招了3个文科生用AI重写了一遍推荐算法，整个业务performance和accuracy提升了一大截。 据说张一鸣听完报告，后半夜蜷缩在被子里哭出来了，早知道文科生用AI用得这么好，就不该招这么多清华计算机系学生进来上班，给他们发工资简直太浪费钱了。 据说今年下半年， 腾讯、阿里、华为、拼多多也都在往这个方向调整策略，大规模裁掉985计算机背景的程序员，全部高薪去图书馆、博物馆、中小学、广告公司、传销公司抢文科生，训练他们用AI，直接顶上去写代码。

梁文锋对 DeepSeek 投资者的最大要求：不能挖人 https://t.co/nikW758Gtr

AI正在改变普通人的学习路径，大学已经彻底没用了。只要有了AI和学习思维，任何专业壁垒都可以打破。 我侄子在北京师范大学中文系在读，用AI做出了一个月活100万的互联网产品，融了1个亿， 我表妹中专毕业，以前是做美甲的，自己用AI学习了半年，掌握了临床知识，现在在江西三甲医院天天切肿瘤， 我堂弟初中辍学，以前在山东跟着他二叔做建材装修生意，后来用了AI学习CAD建模，现在进了比亚迪做机械架构师，年薪200多万，手底下管着20个清华博士， 这20个清华博士以前都没听过AI是什么东西，我堂弟空降过去给他们当领导，这20个人直接震惊了，居然有这么厉害的东西，现在我堂弟天天教这些清华博士们用AI，管着他们来设计汽车。 AI真的是普通人翻身改命的最好机会，有了学习思维和AI工具，普通人真的可以打破专业和知识的壁垒，获得成功和机遇。

GLM-5.2 看似简单却很有用的想法：每 4 层共享一次注意力索引，省了 3 倍算力 GLM-5.2 用了 DSA（DeepSeek Sparse Attention）。在标准 DSA 里，每一层都要单独计算一个轻量"indexer"来决定关注哪些 token。GLM-5.2 的创新是：每 4 层共享一个 indexer，只有第一层算，后三层直接复用。 这样 3/4 的 indexer 计算被省掉了，1M 上下文下整体 FLOPs 降低 2.9×。

最近Intel CEO 陈立武在 No Priors播客的采访比较火 在约45分钟的访谈中，他系统阐述了他接手英特尔后的转型思路：核心主题是用VC思维重构半导体供应链，结合企业文化变革、AI时代新需求、新材料突破和战略合作，推动英特尔的转型 他还重点提到新材料是突破摩尔定律物理极限的关键：当传统硅工艺微缩成本指数级上升时，必须回归材料科学。他重点布局氮化镓（GaN）、碳化硅（SiC）、磷化铟（InP），并投资玻璃基板和人工合成钻石晶圆，用于功率效率、热管理和先进封装 干货很多，建议看看完整版

驚人發展，DeepMind 大神轉投 Anthropic 拿下諾貝爾獎一年多後，AlphaFold 的主要打造者 John Jumper 宣布離開待了近九年的 Google DeepMind，下一站是 Anthropic。 他和 DeepMind 執行長 Demis Hassabis 共享 2024 年的諾貝爾化學獎，得獎成果就是 AlphaFold，一套用 AI 預測蛋白質三維結構的系統。在它出現之前，解出一個蛋白質結構往往要耗上好幾年；AlphaFold 把這件事壓縮到幾分鐘，並公開了超過 2 億個蛋白質的結構預測，幾乎涵蓋科學界目前已知的所有蛋白質。 Jumper 的資歷有點傳奇，他在博士畢業後僅僅六個月，就被 Hassabis 交付帶領 AlphaFold 團隊的重任，最後做出了讓他站上諾貝爾講台的成果。他在告別貼文裡寫，Hassabis 當年「冒了很大的風險」，才願意把這個專案交給一個剛畢業的新人。 這已經是 Google 近期接連失去的重量級研究者之一，就在不久前，Gemini 的共同負責人 Noam Shazeer 才被 OpenAI 挖走；更早之前，打造 AlphaGo 與 AlphaZero 的 David Silver 也離開自立門戶。這幾個名字串起來，幾乎就是 DeepMind 過去十年最核心的幾項突破。 Anthropic 目前還沒公布 Jumper 的職務和研究方向，他本人也說會先休息一陣子，充飽電再去報到。 不過接下來的方向並不難猜，Anthropic 執行長 Dario Amodei 去年那篇《Machines of Loving Grace》，花了大量篇幅描繪 AI 如何加速生物醫學的突破，而 AlphaFold 正是這個願景目前最有力的證據。把這套願景的主要打造者請進門，比任何聲明都更能說明 Anthropic 想把資源押在哪裡。 --- 📱 請訂閱我的 Threads / Facebook / 電子報「狐說八道」 #人工智慧 #Anthropic #DeepMind #AlphaFold #AI產業

Skill 和软件一样，需要不断迭代的，而且你用户越多，遇到的各种问题就越多，就需要去解决各种边边角角的问题，才能越来越好用。 比如 @yangyi 昨天在他的牛马AI里面测试了这个Skill，说导出好像有问题，我拿到结果一看，简直惨不忍睹（图2），这里面有两个问题： 1. 样式表不对，没有铺满整页，只占了一半 2. 导出的渐变色没有了，把图片都遮没了 写 Skill 比写软件有个优势，就是你可以让 Agent 先跑，跑完之后 Agent 它自己知道有哪些上下文，遇到了什么问题，这样它可以分析问题在哪。 于是我在本地跑一次，能重现，再让它分析原因，解决，那么它就能找出原因，并从 Skill 的层面去解决，添加测试覆盖，避免类似的问题再次出现。图1就是修复后的，看起来就好多了。 这其实也是我日常迭代 Skill 的方法： 自己用 -> 发现问题 -> 让 Agent 分析原因 -> 让 Agent 出解决方案 -> 确认方案♻️ -> 更新 Skill -> 自己用 ♻️

DASS-960 无碼 中文 [AI解碼版]「吵鬧愈激烈，越是好」正在進行偶像活動而囂張的義妹與爭吵後進展到性行為！？無法控制的爆衝抽插內射！！ 逢澤美優 https://t.co/oAYD7cyvsU

今天在外面一整天沒注意到啊，只能追高了… 有趣，2024 年我在做 Agent 相關東西的時候，就已經聽到過 FalkorDB 了。 Vector DB 只能幫你找「相似的文字」，但真正的 Agent 要能長期運作，一定要知道人、文件、任務、決策、事件之間的關係。 這就是為什麼我一直覺得 GraphRAG 很重要。 簡單講，GraphRAG 有點像把 Obsidian 那種「知識節點互相連結」的概念，拿來做 AI 的記憶與推理。不是只搜尋文字，而是讓 AI 知道資料之間怎麼連起來。 FalkorDB 當時就是我覺得很適合做這件事的 graph database，不是單純的 Agent framework，而是更底層的 knowledge graph / agent memory infrastructure。 我印象中他們之前有拿融資，後來查了一下，2024 年確實有完成約 3M美金 seed round。現在也已經有 GraphRAG SDK，方向看起來走得很明確。 我覺得接下來 Agent 真正的戰場，不只是模型誰比較強，而是誰能把記憶、任務、文件、決策關係組織起來。 GraphRAG / Agent Memory 可能才是下一階段。 Always DYOR。

蔡崇信说AI的市场规模将达到50万亿，占人类生产总值的一半。什么概念？现在估计只有1%…… 兄弟们，我很早之前就说过，格局要打开，忘记过去的经验，不要被你那个落后的碳基大脑束缚住。人类的想象力是有局限的，你觉得现在AI有泡沫了，实际可能连起步都算不上。还有人拿互联网泡沫来比较……互联网算个什么玩意儿，20年前的东西也好意思拿出来当度量衡😅。要我说，十个互联网泡沫都装不下AI的故事……不对，我又局限了，是一百个😅。 从今天开始，我要给自己立个规矩：以后觉得贵了，就强制把上限提高一百倍。我宁愿被泡沫带走，也不想错过这百年的机遇。🥰🥰 Buy the dip，长期持有，Discord在个人资料。

DeepSeek 可能要扩招到现在的 10 倍大小，他们已经在融科新盘下了一层楼，很多组（不仅是 Harness）都缺人 但这不代表你可以加入 DeepSeek，因为“我们缺人但是不招人” 并且 DeepSeek 应该不敢再招一个推特大 V 了，在推上招人肯定是错的，我说我比你会 hype 你信吗😇 所以我放弃了 DeepSeek https://t.co/RV9cUejHgl