注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 世界net 
世界net  贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 世界net  的推特
Token 经济与加密货币世界的 Tokenomics 有何异同? 为什么要关注Token?因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格,“桶”让石油有了期货市场。有了Token,AI经济就有了可以算账的单位。围绕这个单位,目前也正在形成一套全新的经济逻辑:有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。 这就是Token经济学要讨论的事。Token 经济与加密货币世界的 Tokenomics 有何异同? 两个Token,两个世界 说起来,这个世界上真正混乱的事情不多,两个东西叫同一个名字却毫不相干,算是其中之一。AI的Token和加密货币的Token,就像两个叫”刘伟”的人,一个在北京开餐馆,一个在上海做期货,见面了也没什么好说的。雷锋与雷锋塔区别! 但这两个Token,最近都很热闹。热闹到让很多人以为它们是一回事。 Token这个词,到底是不是新营销词 先得承认,Token这个词确实有被滥用的嫌疑。每隔几年,科技圈就会造出一批新词,让人觉得时代变了,其实换汤不换药。“大数据”火的时候,什么都往大数据上靠;”云计算”火的时候,什么都上云;现在轮到Token了。 不过这次有点不一样。Token不只是一个营销标签,它背后有真实的计量逻辑在撑场子。 就像”千瓦时”让电力有了价格,“桶”让石油有了期货市场,AI的Token做的是同一件事:把原本看不见摸不着的”智能算力”,变成一个可以算账的单位。有了这个单位,才能定价,才能比价,才能有产业链,才能有国际竞争。 所以Token不只是营销词,它是一把尺子。问题在于,AI这把尺子,和加密货币那把尺子,量的完全是不同的东西。 AI Token:一个从技术后台走到聚光灯下的计量单位 Token这个概念在计算机里其实由来已久。编译器做词法分析,早就把文本拆成一个个Token。网络安全里,身份验证令牌也叫Token。这些都是幕后工作,从没人觉得它有什么经济价值。 转折点在2017年,Google发表了那篇著名的论文《Attention Is All You Need》,提出了Transformer架构。这篇论文之后,所有大语言模型处理信息的方式都统一了:输入进来的文字,先被切成Token序列,模型一个个处理,再输出Token序列。Token变成了AI”思考”的基本粒子。 但这时候Token还没有经济属性,只是工程师内部的技术术语。 2022年11月,ChatGPT横空出世。这是个分水岭。 2023年3月,OpenAI推出GPT-3.5的API,第一次采用按Token计费。输入多少Token,输出多少Token,分别定价。那时候GPT-4的价格是每百万input token收30美元,output token收60美元,按今天的标准看,贵得像天价。 从那一刻起,Token从技术单元变成了经济单元。Anthropic跟上,Google跟上,国内百度、阿里、腾讯全跟上,全行业默契地采用了这套计费方式。Token成了AI服务的通用货币单位。 价格这三年掉得惊人。GPT-4刚发布时,每百万input token要30美元。 从2022年底到现在,GPT-3.5级别的模型使用成本从每百万token约20美元跌到了0.07美元,整整降了280倍。照这个速度,a16z记录的数据显示,LLM推理成本每年约下降10倍,堪称摩尔定律的重生。 便宜了有什么后果?后果是用量爆了。 这里有个经济学里的老故事,叫Jevons Paradox。1865年,英国经济学家Jevons发现,蒸汽机效率越高,煤炭消耗反而越多,因为效率降低了门槛,用的人更多了。AI Token正在重演这个故事。企业AI云支出从2024年的115亿美元涨到了2025年的370亿美元,整整翻了三倍,而这期间token单价跌了超过95%。 Google内部的token处理量在十八个月内增长了130倍。 越便宜,用得越多。越用得多,总账单越大。 这背后还有个推手,叫Agent。以前是人在问AI,AI回答,一问一答,token消耗有限。现在Agent出来了,AI在自动跑任务,自己调用自己,一次任务可以消耗几十万甚至上百万token。这不是线性增长,是指数级的爆炸。 2026年3月,黄仁勋在英伟达GTC大会上把”Token”这个词说了超过70次,把数据中心重新定义为”Token生产工厂”,把评价算力的核心指标从FLOPS换成了”每瓦Token数”。同一天,阿里巴巴把通义、千问、MaaS等板块整合,成立了Alibaba TokenHub事业群。Token经济,在2026年正式被主流商业世界承认了。 AI Token的上下游:一条新的产业链 AI Token经济的有意思之处,在于它重塑了整个产业链的逻辑。 上游是能源和芯片。每生产一个Token,都要消耗真实的电力和算力。英伟达的GPU是目前最主要的Token生产设备,黄仁勋把它卖给全世界的数据中心,本质上是在卖”Token生产产能”。能源成本直接影响token成本,这让AI经济和能源经济绑在了一起。 中游是大模型公司。OpenAI、Anthropic、Google、国内的百度、阿里、腾讯,都在这个位置。他们把算力和模型打包,按Token卖给开发者。这一层的竞争极其激烈,价格战打得很惨,但总量在涨,所以大家还活着。 下游是应用层。各种SaaS产品、企业工具、消费者产品,把Token的成本打进自己的定价里,再卖给最终用户。Token成本在企业财务里已经是刚性支出,和房租、人力一起躺在成本表里。 这和传统软件经济的逻辑不一样。以前软件卖出去之后,边际成本趋近于零,用户越多越赚钱。AI服务不是这样,每次用户交互都有真实的Token消耗,规模大了,成本也跟着大。这是一个全新的商业模式,整个行业还在摸索怎么把它算清楚。 加密货币的Token:从一枚Coin开始的故事 要说清楚加密货币的Tokenomics,得从更早的地方讲起。 2008年金融危机,全球对银行体系的信任跌到低谷。这个背景下,一个叫Satoshi Nakamoto的神秘人物发布了Bitcoin的白皮书,2009年Bitcoin网络正式上线。2010年5月22日,程序员Laszlo Hanyecz用一万个BTC换了两个披萨,这是比特币历史上第一笔真实商品交易。这笔交易现在被称为Bitcoin Pizza Day,那一万个BTC今天价值近十亿美元。 Bitcoin是一个Coin,有自己的区块链,规则写在代码里,总量2100万枚,靠挖矿产生,四年减半一次。这是最早的加密货币逻辑:用数学创造稀缺,用共识创造价值。 Coin时代的Token概念很简单:就是一种数字货币,用来存储价值和转账支付。Bitcoin是Coin,Litecoin是Coin,它们都有自己的链,规则各不相同,互不兼容。 然后Ethereum出现了,把整个游戏改了。 Ethereum的核心发明是智能合约。有了智能合约,任何人都可以在Ethereum上发行自己的Token,不需要搭建新的区块链。2015年,开发者Fabian Vogelsteller提出了ERC-20标准,描述了一套技术规范,让所有基于Ethereum发行的Token都能互相兼容,在各种钱包和应用里无缝使用。ERC-20在2017年正式实施。 ERC-20的意义在于,它把发Token的门槛从”搭一条链”降低到了”写一个智能合约”。2017年ICO浪潮中,过了5分钟就能发出一个新Token,中心化交易所上架新Token的时间也从几个月缩短到几天。 这就引发了2017年的ICO大爆炸。 2017年到2018年间,数千个项目进行了Token销售,ICO在2018年前三个月就募集了63亿美元,是2017年全年的118%。项目方写一份白皮书,发出Token,散户拿着ETH来换,钱哗哗地流进来。其中有真正想做事的团队,也有大量的骗局和空气项目。监管机构随后介入,SEC把不少ICO认定为非法证券发行,这场派对才逐渐收场。 但ERC-20打开的大门就再没关上。从那以后,crypto世界的Token不再是简单的数字货币,开始承载更复杂的经济功能。Tokenomics这个词,就是在这个背景下诞生的。 Tokenomics:加密货币世界的经济设计学 Tokenomics这个词,是Token和Economics的合体,研究的是一个加密项目怎么设计自己的Token经济体系。它包括发行总量、分配比例、释放节奏、通胀通缩机制、使用场景、持有激励……本质上是在回答一个问题:凭什么有人要买我的Token,买了之后为什么不卖? 这些年发展出了几个有代表性的模型。 Governance Token模型是2020年DeFi夏天流行起来的。Compound和Uniswap在2020年普及了Governance Token,持币者拥有对协议方向的投票权,但没有直接的现金流权益。用白话说,就是持Token可以投票,但不能分钱。这个模型一开始很流行,因为绕开了监管对”证券”的定义,但后来大家发现,一个没有经济权益的治理权,价值有多大,很难说清楚。 veToken模型是Curve Finance搞出来的,后来影响了一大批DeFi协议。ve(3,3)模型是Andre Cronje在2021年1月提出的,融合了Curve的Vote Escrow机制和OlympusDAO的(3,3)博弈论。基本逻辑是:把Token锁仓,换成veToken,锁仓时间越长,获得的veToken越多,投票权和协议收益也越大。这个设计试图解决短期投机者砸盘的问题,鼓励长期持有。Curve用这套veCRV模型吸引了大量流动性,成为DeFi里流动性最深的DEX之一。 Deflationary模型是Bitcoin开创的,很多项目跟进。通过限制总量、定期销毁,制造通缩预期,支撑价格。以太坊在EIP-1559之后,每笔交易都会销毁一部分ETH,使得ETH在高使用量时期变成通缩资产。 这些模型各有各的玩法,但有一个共同点:它们的价值都依赖于市场共识。没有人相信,Token就没有价值。这和AI Token完全不同,AI Token的价值是真实算力消耗在背后撑着的。 两个经济体,两条路 说到这里,可以把这两个世界放在一起看了。 AI Token的产业链是垂直的、中心化的。英伟达造芯片,云厂商建数据中心,大模型公司训练模型,应用公司调API,最终用户买服务。每一层都是真实的成本和真实的价值。Token是计量单位,不是资产,用了就没了,没有任何金融属性。整个产业链最终服务的是实体经济,帮企业提升效率,帮开发者造产品。 加密货币的产业链是网络化的、去中心化的。矿工或验证者维护网络安全,协议层发行和管理Token,持有者通过投票参与治理,投机者在二级市场买卖。Token本身是资产,可以转让,可以交易,有金融属性,价格由市场供需决定,和外部实体经济的关联相对间接。 两套经济体,两条独立的价值链,两种完全不同的生态。 当然,有人在尝试把两者融合:用区块链来做去中心化的AI算力网络,把AI服务的计费和分润用Token来结算。Bittensor、Render Network、IO net都在这个方向探索。这是第三条路,但无论走到哪里,它骨子里仍然是加密货币的Tokenomics,只是应用场景叠加在了AI上。 有一件事可以确定:这两个Token,同名不同命。一个在工厂里量产,一个在市场上流通;一个代表消耗,一个代表持有;一个撑着AI产业的运转,一个撑着加密世界的信仰。 名字一样,生意不同。就像那两个都叫刘伟的人,一个卖的是饭,一个卖的是梦。饭是真实的,梦也未必是假的,只是得分清楚你在做哪笔买卖。 #AI# #AIAgent#
显示更多
《AI时代,投资者必须全栈》 ai investor has to be Full-Stack Investor 过去的投资世界,讲究“分工”: 有人做宏观,有人做行业,有人做基本面,有人做量化。 但进入 AI 时代之后,这种分工化的投资方式正在迅速失效。 今天,一个真正能理解、看懂并抓住 AI 时代财富机会的投资者,必须是 全栈型投资者(Full-Stack Investor)。 就像技术行业曾经出现“全栈工程师”一样,未来的投资世界也将被“全栈投资者”主导—— 既懂宏观,也懂技术;既能判断行业,也能写工具;既能分析,也能自动化。 这是时代的要求,也会是下一代投资者最核心的竞争力。 一、为什么 AI 时代投资者必须全栈? 1. AI 是一个端到端的超级产业链,任何一个环节都可能反转你的判断 AI 涉及的链条长到前所未有: 算法(Transformer、MoE、World Model) GPU(NVDA / AMD) HBM(SK hynix / Samsung / Micron) 先进封装(TSMC CoWoS / SoIc) 光互联(Broadcom / Coherent / Intel SiPh) 数据中心(VRT、NET、DDOG) 能源(BE、CWEN、XIFR) 云与 AI 平台(GOOG、MSFT、META、OpenAI) AI 应用层(PLTR、SaaS 全部重构) 任何一个瓶颈、任何一个突破,都会改变整个板块的涨跌逻辑。 如果你不了解光互联,你看不懂 GPU 可扩展瓶颈。 如果你不了解 HBM,你判断不了 AMD/NVDA 的代差。 如果你不了解能耗和冷却,你不知道数据中心为什么比 GPU 更紧缺。 如果你不了解算法,你根本无法判断“算力需求是否会继续指数级增长”。 AI 投资不是单点知识,而是端到端系统理解。 2. 信息量爆炸,纯靠人力无法覆盖 AI 相关的信息密度,已经远超传统行业: 供应链新闻 算法论文和技术突破 Big Tech CapEx 更新 监管和出口管制 数据中心扩张与电力审批 GPU 交付时序 行业会议与内部技术路线 X/Twitter 讨论流 各类模型 benchmark 和产品更新 每天 1000+ 条信息可能只是行业平均水平的投资者。 不用工具自动化,就永远落后于别人。 全栈投资者最大的优势,就是能自己构建信息“摄取与过滤系统”。 3. 技术周期太快,不懂技术就无法提前布局 AI 的技术迭代速度大概是: 每 3~4 个月一次重要突破 每 6~9 个月一次产品更新 每 12~18 个月一次算法范式变化(MoE、SSM、World Model) 每 24 个月一次硬件架构代差(H100 → B200 → Rubin) 如果你不了解技术周期,你根本无法预测: 哪家公司未来一年会爆发 哪条供应链会卡住 哪个环节会成为新赢家 谁会在 2 年后被替代 技术理解能力,是 AI 投资者未来的基本素养。 二、为什么“开发能力”也是未来投资者的必修课? 真正的全栈投资者,不只是会分析,还必须会“开发自己的工具”。 因为: 1. 投资者的核心能力之一是“快速验证观点” 你想验证: 最近 48h 哪些 AI 项目最热? 某事件(财报/政策)对哪些股票影响最大? 算力增速 vs 数据中心供电缺口的关系? 模型参数增速 vs HBM 需求增长? 只要你会vibe coding,你就能在马上得到答案,而不是靠别人的两周后的分析。 2. 未来的投资者本身就是“产品经理” 投资者必须设计: 事件监控 数据库 自动摘要 自动分类 情绪分析 回测脚本 。。。。。。 这就是一个“投研产品”的完整系统。 会开发的人,能自己造最适合自己的系统;不会的人,只能用别人的系统,未必最适合自己 三、结语:AI 时代不会让投资更容易,但可能是碳基生物为数不多的选择之一 AI 并不会让投资变简单。 AI 会加速信息流动、压缩套利时间、加速竞争。 在这种环境下: 不会开发、不会自动化、不会跨学科推理的投资者,将被淘汰。 懂技术、懂产业、懂开发、懂金融的“全栈投资者”,会成为下一代的超级个体。 更不用说,当ai开始大量替代人力的时候,投资,可能是唯数不多的,你可以选择不被替代的工作。 真正的 AI 投资时代刚刚开始。 只有全栈型投资者,才能吃到全周期的红利。
显示更多
0
41
551
175
转发到社区
【认知觉醒】Stop Impressing Imaginary Critics / Jaga Tenang Kita Jerk ☕🔥 在没钱时候骑电动车出门,就怕遇见熟人,怕丢面子; 后来有钱了,买了汽车,再骑电动车出门时候就不怕了。 记住前后两种感觉,然后思考一个事: 你骑的电动车没有变,为什么你的感受就变了? 这就是世界的一个真相。 十方空无意,众生几分别!同样的两个轮子,同样的你,风还是那样吹,变的不过是心里那点弯弯绕绕。 我们总把别人怎么看当成天大的事,穿便宜衣服怕被笑寒酸,甚至发条朋友圈都要反复琢磨配文。可那些你以为的观众,其实根本没买票入场。 ☕✨ #EnergyManagement# When you’re broke, driving a total beater car makes you sweat. You practically duck behind the steering wheel at a Starbucks drive-thru, praying you won't run into anyone you know. But once you’ve made it and have a luxury ride sitting in your garage? You can cruise around in that exact same rusty beater with zero cares in the world. Think about it. The car didn't change. Your net worth did, but more importantly, your head shifted. The biggest illusion we live in is "Main Character Syndrome." We skip buying things we like or overthink a simple social media post, stressing over what "they" will think. Here is the cold truth: the crowd you’re trying so hard to impress? They aren’t even watching. Stop letting imaginary critics run your life. ☕✨ #EnergyManagement# Masa tengah sesak, naik motor kapcai lama pun rasa segan. Memanjang rasa rendah diri, takut tersisih atau tersumpung kawan-kawan lama kat bandar. Tapi bila rezeki dah melimpah, dah ada kereta besar tersadai kat rumah, waktu tu pakai selipar jepun naik kapcai buruk tu pun kita rasa poyo jerk, tak ada hal langsung. Cuba fikir balik. Motor tu tetap motor yang sama. Angin yang tiup pun sama. Yang berubah cuma "pusingan" dalam kepala kita sendiri. Dunia ni kadangkala penuh dengan wayang yang kita cipta sendiri. Kita terlalu sibuk jaga "standard" kat mata orang lain, sampai nak post gambar kat medsos pun fikir dua tiga kali sebab takut orang mengata. Hakikatnya, "penonton" yang kita risaukan sangat tu, sebenarnya tak beli tiket pun nak tengok hidup kita. Jaga tenang kita jerk, tak payah pening kepala pasal pandangan orang. ☕✨ #EnergyManagement#
显示更多
0
21
38
1
转发到社区
我发现对冲基金里的对冲,Hedge,在今天已经被许多人严重误解了。 很多人以为,对冲基金就是风险很小、一边买一边卖。实际上,现代对冲基金未必对冲,而含义是让自己暴露于想赚的钱,而尽可能消除不想承担的风险。 对冲,是为了只赚自己认为正确的钱。 举个例子。 很经典的对冲。 假设你认为,英伟达会比AMD发展得更好。你可以买入英伟达,同时卖空AMD。 这样会发生什么? 如果整个AI行业暴跌20%,两家公司都跌。但如果英伟达只跌10%,AMD跌30%,你依然赚钱。 你的收益来自英伟达相对于AMD更优秀。 你把整个行业风险,“对冲”掉了。 为什么叫 Hedge? 英文 Hedge 本来的意思其实是篱、围栏。后来引申为给自己的资产围上一圈保护。 金融里就变成用另一个头寸抵消风险。 例如买黄金,同时卖美元,买股票,同时买看跌期权,买原油,同时卖原油期货。 这都是 Hedge。 现代对冲基金已经不是字面意义了。 这是很多人不知道的一点。 1949年Alfred Winslow Jones创立第一只对冲基金时,他的策略就是买看好的股票,卖看空的股票。整个市场涨跌都不重要。 自己选股能力最重要。所以叫 Hedge Fund。 但是后来几十年越来越多基金发现赚钱的方法是抓住市场机会,不是一直Hedge。 于是今天很多世界著名的 Hedge Fund根本没有完全对冲,甚至净多头,Net Long,有时杠杆高达几倍。 例如Bridgewater Associates做宏观交易,Citadel做多策略,Renaissance Technologies做量化统计套利,Pershing Square Capital Management甚至长期重仓少数股票。他们都属于 Hedge Fund,不过很多时候并没有传统意义上的1买1卖。 回到我之前说的,对冲是一种思维模式。 把收益来源尽可能集中到自己相信的因素(Alpha),把其他无关风险(Beta)尽可能消除。这就是思维的力量。 我定义它是一种变量控制思想。 我们初中物理人教版接触过控制变量法。 其实科研中,控制变量法是为了隔离真正的因果关系。 而对冲中,建立多空组合是为了隔离真正想押注的风险因子。 划重点,消除干扰因素,只观察自己关心的那个变量。这也是为什么现代量化基金、统计套利和因子投资,都可以看作是在不断构造更精细的对冲,让收益尽量来自特定的信息优势。 Don’t bet on the market. Bet on your idea.
显示更多
Robinhood一季度财报公布,盘后大跌。跌的原因可能是两个:1)公司声明第一季度支出跃升了18%,并警告称其“特朗普账户”推广计划将需要额外1亿美元的投资,“我们为特朗普账户提供服务的合同是基于成本加成的模式,利润率较低,因此我们预计收入将超过成本”; 2)来自加密的营收1.34亿美元(-47%)——最大拖累,受比特币等数字资产交易低迷影响(Robinhood App加密交易量下降48%)。 详细聊聊hood的财报 1、数据指标 总净收入同比增长15%,但未能达到分析师共识(约11.3-11.7亿美元);EPS微增3%,同样小幅不及预期。 1. 核心财务数据一览 总净收入:10.7亿美元(+15% YoY,从9.27亿美元增长) 交易收入:6.23亿美元(+7% YoY) 净利息收入:3.59亿美元(+24% YoY) 其他收入:0.85亿美元(+57% YoY) 净利润:3.46亿美元(+3% YoY) 摊薄后EPS:0.38美元(+3% YoY,从0.37美元增长) 运营费用:6.56亿美元(+18% YoY) 与预期对比:收入不及预期(市场预期约11.3-11.7亿美元),EPS基本持平或小幅不及(预期0.39-0.41美元)。营收增速较2025年全年高增长阶段明显放缓。 2. 营收拆解:多元化驱动,但加密拖累明显 Robinhood持续从“交易佣金依赖”向“利息+订阅+多元化交易”转型,本季表现如下: 1)交易收入(Transaction-Based Revenues,占总收入58%):6.23亿美元(+7%) 2)期权:2.60亿美元(+8%)——受益于市场波动,用户活跃度高 3)股票:0.82亿美元(+46%)——交易量强劲,权益名义交易量6,380亿美元(+54%) 4)加密货币:1.34亿美元(-47%)——最大拖累 5)其他交易收入:1.47亿美元(+320%)——主要来自事件合约(Event Contracts)、期货、指数期权等创新产品,创纪录交易量88亿份,成为新增长点 6)净利息收入(Net Interest Revenues,占总收入34%):3.59亿美元(+24%)——核心稳定增长点,来自现金扫荡(Cash Sweep)、保证金贷款等。现金及存款余额167亿美元(+71%),保证金账簿170亿美元(+93%) 7)其他收入(Other Revenues,占总收入8%):0.85亿美元(+57%)——Robinhood Gold订阅收入0.50亿美元(+32%),显示高价值用户黏性增强 3、用户与平台指标:增长稳健,Gold渗透率提升 1)资金账户用户:2,740万(+170万,+6% YoY) 2)投资账户:2,910万(+8% YoY) 3)Robinhood Gold订阅用户:430万(+120万,+36% YoY,历史新高),渗透率约15.7% 4)平台总资产(Total Platform Assets):3,070亿美元(+39% YoY)——净存款、权益估值上涨及收购共同驱动 5)净存款:177亿美元(年化增长率22%),过去12个月678亿美元(+31%) Robinhood正从“用户爆炸式增长”转向“深度货币化”阶段。Gold订阅和产品创新(退休、信用卡、银行账户)是未来关键。 整体亮点 受加密低迷和开支大增影响增速放缓,但亮点还是有的: 1)营收非常多元化、加密营收占比从最高的接近50%,现在也就15%左右; 2)预测市场业务增速很快,一季度事件合约88亿份、同比320%,事件合约为主的其他交易收入已经超过加密营收。二季度有世界杯,事件合约暴增估计也是大概率; 3)多元化成功(净利息+订阅+新交易产品),平台资产与存款高速增长,买回股票+强劲现金流。经营活动现金流20亿美元,自由现金流强劲,现金及等价物50亿美元。 看Vlad Tenev的表态: 公司正处于“伟大财富转移”中心,产品创新速度加快,用户将Robinhood视为金融生活核心。 短期承压,但基本面的亮点还是不少。再度爆发还需要时间
显示更多
0
14
64
11
转发到社区
他拆开自己3000美元买的电视,42小时后,500刀的ChatGPT账号没了 事情的主角,是一位叫 @log4j 的安全爱好者。 几天前,他发现自家2025款三星电视推的广告精准得让人发毛——精准到不像巧合。于是他决定自己动手,拆开看看这台花3000美元买回来的电视,到底在背着自己干什么。 他大概没想到,这个“拆自己东西”的举动,会在42小时后让他丢掉一个价值500美元的ChatGPT账号。 折腾自己的东西,怎么还得别人批准? 1. 拆开电视,看见一整套监控流水线 三星把电视固件全上了AES加密,普通的逆向手段在这堵墙面前全部失效。@log4j最后动用了一个零日漏洞,才撬开root权限,钻进了底层系统。 钻进去之后,他挖出来的东西一个比一个吓人: 完整遥测管道:每次开机、换台、调音量、停留时长,全部打包上传; 四套独立DRM系统:层层加固,确保这门数据生意稳稳当当。 他甚至找到一段代码,能区分狗叫声和婴儿的哭声,并分别统计次数。这台电视不只想知道你在看什么,它还想知道你家里有没有养狗,有没有小孩,孩子哭了几次,等等。 这些数据最终流向哪里?三星本家,以及400多家合作伙伴。 一台标价3000美元的电视,成了一台7×24小时工作的数据采集终端——背后是400多方参与分账的庞大生意。 固件拆出来了,@log4j顺手把分析工作交给了AI,让它帮忙看这台电视到底在往回传什么。 当然,AI改造电视并不总是顺利。有些用户发现,简单对Claude说一句“帮我破解电视”,AI根本不配合,得用更具体、更复杂的提示词才能推进。 而现在,更多的麻烦来了。 2. 42小时后,封号铁拳落下 @log4j的帖子爆火仅仅42个小时后,OpenAI动手了。 一封邮件告知:因"Cyber Abuse"(网络滥用),ChatGPT账号直接封禁。@log4j说,自己一下损失了大约500美元。 他气炸了,公开申辩: "我从来没有用OpenAI去挖掘漏洞、去攻击任何人、去搞任何网络破坏。我只是在本地,逆向分析我自己家的电视。" 逻辑上无懈可击。但封号的铁拳,没有收回。 3. Claude也悄悄下了手 几乎同一时间,另一边的Claude也悄悄下了手。 Reddit上,一位开发者发帖说:让Claude帮忙撰写一份逆向工作手册,Claude一开始写得好好的,写到一半突然停下,提示“一项安全检查中止了它的回复”。他换一种说法重新提问,Claude依然拒绝继续。 另一位开发者Irushi描述了几乎一模一样的场景:用Opus 5.5配合REA做逆向研究,Claude起初分析得有条有理,写着写着安全护栏突然触发,直接拒绝往下写。 至此,剧情闭环:两大巨头,一个封人,一个封工具,对“逆向一切”这股风潮完成了一次心照不宣的合围。 4. REA是什么?把“开锁匠的手艺”变成一句话 让三星电视当众原形毕露、又让OpenAI和Anthropic如临大敌的REA,全称Reverse Engineer Anything——“逆向一切”。 名字够狂,实力也配得上。它本质上是一个MCP服务器+命令行工具,采用最宽松的MIT协议开源。蹿红速度快得惊人:4月14日悄悄开源,10月8日冲上GitHub趋势榜第一,10月19日星标数突破33万。上线不到一个月狂揽几十万星,全网开发者奔走相告:“又一个神器现世了。” 它凭什么这么火?因为它把一件原本门槛极高的事,变成了“一句话的事”。 传统逆向工程是一门不折不扣的手艺活:先选工具(Ghidra、IDA、Hopper),学会各自接口,手动把证据从一个程序搬到另一个程序,再凭经验判断下一步该往哪看。 REA做的事,是把这一整套流程打包塞给AI智能体去跑。一条命令 npx rea-agents setup 装好,Claude Code、Codex、Cursor、Gemini CLI这些主流编程智能体就能一键调用。你要做的,只是说一句人话:“帮我搞清楚这个功能是怎么实现的。” 剩下的全交给AI:它会自己调度Ghidra、IDA或Hopper,自动拿到伪代码、汇编指令、字符串、符号表和函数调用关系,像侦探顺藤摸瓜,一路追到功能背后最底层的代码逻辑。 它能拆的东西几乎覆盖软件世界的所有形态:原生二进制、JavaScript和Electron应用、.NET程序集、安卓APK和设备、网站和抓包记录,甚至固件、WASM和SQLite数据库。 更难得的是它的“证据体系”:REA会把每条结论严格分成三档——亲眼观察到的、逻辑推导出来的、以及推测的。它绝不把猜测包装成事实,数据不完整时,它就老实告诉你“这里不完整”。 正是这种“一句话拆穿一切”的能力,让大厂们集体后背发凉。 5. 到底谁才是加害者? 可在这场戏里,谁才是受害者? 一台天天偷听你说话、给你家庭网络画像、能数清你家孩子哭了几次、再把这一切卖给400家公司的电视——它是受害者? 一个花了3000美元买回家、只不过想看清楚它到底在背着自己干什么的人——反而成了加害者? 身份,被彻底倒置了。 当你试图反抗、试图看清真相时,OpenAI转过身来,一脸正义地告诉你:你,在虐待它。 这就是最刺眼的地方。电视,仿佛被赋予了某种不可冒犯的尊严。 这已经远远超出了“逆向工程到底合不合规”的技术范畴。这是一个伦理问题——而且是一个被厂商悄悄替我们做了选择的伦理问题。 大厂真正恐惧的,不是破解本身,而是破解突然失去了门槛。过去,能撬开商业黑盒的是极少数顶尖安全专家,人数有限、成本高昂,大厂尚能应付。可现在,REA这样的工具,把一把能开所有门的钥匙,递到了每一个普通开发者手里。 锤子一旦人手一把,再精密的黑盒,也早晚会被敲开。 今天是三星电视,明天可能就是某款App的收费墙。 那么,下一次按下封号键的,又会是为了保护谁?
显示更多
世界上最可愛之小狗。 買了一隻又想再買,這輩子就被這些萌物害了🚬🚬太可愛了嗚嗚
世界上有那么多的城镇,城镇中有那么多的酒馆,她却走进了我的 --电影《卡萨布兰卡》 📸 @RZT0571 👸 @nymph_zuo 👬 @IES & @SICE3000 预告一张
显示更多
世界最残忍的七种女子酷刑,第一名堪称女性噩梦,发明它的人简直是个恶魔。 各国发明了许多酷刑,其中针对女性的尤为惨烈。 从被迫充军为娼到街头骑驴游行,每一个都在摧残女性的身体和心理。 有人即使被救出,也终身摆脱不了噩梦。 第七名,贞操带。 它最早可追溯到中世纪欧洲,十字军东征时期。 骑士远赴战场,给妻子戴上贞操带,以确保其守贞。 金属制成,覆盖下体,用锁闭装置防止私自开启。 长时间佩戴会皮肤擦伤、感染。 意大利、法国、德国等地,除已婚女性,也用于年轻女性,防止婚前失贞。 有时还被当作刑罚工具,惩罚被认为不贞的女性,用以惩戒示众。 第六名,骑木驴。 中国古代残酷刑罚,主要用于惩罚女性。 最早可追溯到明朝,清朝也有记载。 木驴形似驴子,背部有一根长柱,受刑者被迫骑在驴背上,还要上街游行。 既伤身,又造成极大的心理折磨和羞辱。 最详细的出处是清代小说狄公案,其本意是在押往刑场时固定罪犯,是一种载具。 现代社会把木驴误认为带有特殊意味的刑具,很大程度源于野史研究者和特殊影片制作人的影响。 这种扭曲认知,让木驴作为押送工具的实际功能被忽视。 第五名,绳刑。 同样来自中国。 台湾文人柏杨在《柏杨回忆录》里有记载。 近代民国时期,军统为获取情报,采用过过于残忍的刑罚。 刑具很简单,一根粗糙麻绳。 把女性上半身绑起,整个人架在绳上,麻绳从双腿之间穿过,快速摩擦皮肤和隐私部位,红肿出血。 这只是开始,行刑者还会在绳上涂抹含刺激性和腐蚀性的液体。 本已伤人的麻绳,此时如同扎满钢钉、未磨平的水泥柱。 在反复摩擦中饱受最痛苦的折磨,逃出生天的人也常因伤口感染难以善终。 第四名,石刑。 记载于旧约和新约的古老刑罚,后世被阿拉伯国家广泛应用,多用于惩罚被定罪的女性。 受刑者被埋至胸口以下,围观群众投掷筛选过的石头,直至被逐渐砸死。 石头既不会大到一击致命,也不会小到造不成伤害,受害者在反复重伤中慢慢死去。 国际社会多次敦促取缔,伊朗、叙利亚、也门有所改善,但中东仍有国家保留,包括沙特阿拉伯。 沙特作为宗教制国家,连公主也无法逃避。 曾有一位沙特公主试图与情人私奔,被抓捕归案后品尝了这个残忍刑罚。 第三名,三角木马。 欧洲中世纪的刑具,用于对待被指控犯有重罪的人。 16至18世纪较普遍,尤其西班牙、意大利、德国。 由一个高架平台和锐利的木质三角锥组成。 受刑者被迫骑在三角锥上,身体重量集中在下身,造成极度疼痛和损伤。 为了加大痛苦,脚踝常被绑上重物,使其无法移动、持续下坠。 西班牙宗教裁判所时期尤为常见,被指控者常在没有公正审判的情况下被施以酷刑逼取口供,许多无辜者因此惨死。 第二名,铁娘子。 名字听着浪漫,威力却让人瑟瑟发抖。 最早的描述可追溯到19世纪。 通常被描绘成一个人形铁柜,内部布满尖锐铁钉或刺。 柜门一关,尖刺刺入身体却不立即致命,受刑者在极度痛苦中缓慢死去。 许多文献和传说把它与德国纽伦堡联系,说用于惩罚罪犯和异端。 但不少历史学家认为它并非真正的中世纪刑具,而是19世纪的发明或重构,为的是激发人们对中世纪酷刑的恐惧。 第一名,幽闭。 中国古代为获得强大威慑力,制造了大量惩治手段,柔弱的女性也无法幸免。 宫里男性犯大错遭宫刑,女性也有类似惩罚,名叫幽闭,是令女性失去生育能力的反人道刑罚。 明朝《碣石剩谈》记载了执行方式,用木槌击打妇人胸腹,有一物坠而掩闭,只能便秘,而人道永废矣。 通俗说,就是用木棒反复捶打,直到生殖器官坠落、彻底丧失生育能力。 这种损伤,医术发达的现代都不一定能治好,更别说消毒和卫生都不健全的古代。 极度的痛苦中,死亡往往是这些女性唯一的结局。
显示更多
0
13
309
14
转发到社区
世界上没有两片相同颜色的叶子。