中国做不出像《地元最高》这样的动画。
不是技术不够,也不是资金不够,而是生活在中国的编剧实在无法想象自己没见过的事物……
能想象出来的话就当不了编剧了😁
显示更多
黄金热度消停了,跌到1000元一克了,
正好借此谈一下黄金的稀缺性,顺便推荐个黄金类A股。
过去的几千年,全人类挖出来的黄金大概只有21万吨,剩余还未开采出来的地下黄金还剩下5万吨,而且产量逐年下降,就像比特币一样可开采数量越来越少,
如果把挖出来的黄金全部融化,只能堆成一个边长22米的正方体,大概就是6层楼那么高,但这一抹金色确支撑起了全人类几千年的财富信仰。
黄金不能凭空制造,现在的黄金来自于几十亿年前宇宙深处两颗垂死中子星的猛烈碰撞,那一瞬间释放出的极端能量,才把黄金这种重元素创造了出来,随后随着陨石坠落地球,埋进了地壳深处,所以说黄金贵,是因为背后站着整个宇宙的稀缺性,
很多人会说地核深处埋藏着很多黄金,的确如此,但是地核深处大概距离地球表层6400公里,虽然现在人类可以探索火星,甚至太阳系外,但是可以深入到的地底距离地表也只有12000米,还不到地心距离的0.2%,所以最起码未来几百年甚至上千年,人类可接触到的黄金总量比较稳定。
过去几个月,AI热,全球股市都热,影响到黄金价格回落,黄金类股票价格同步大幅回调,比如西部黄金,从1月底最高50.5元,回调到现在的27.5元,公司肯定是优质公司,跌到这个价格出现了好的购买机会。
随着AI短期热度的下降,资金很有可能再度流入黄金类A股,有一定闲钱的家人们推荐一部分仓位买入西部黄金。
显示更多
29岁姚顺雨空降:改造腾讯混元的 300 天
- 2024 年,腾讯的高招团队在一场顶级学术会议上认识了姚顺雨。当时这个 97 年的年轻人还是 OpenAI 的研究员,他被介绍给了腾讯总裁刘炽平。一年后,他回国,一跃成为了腾讯的大语言模型负责人。
- 姚顺雨的幸运之处在于,在他来之前,腾讯的最高决策者已经意识到 AI 可能是生死之战,而腾讯远远落后。马化腾在 2025 年的员工大会上说:“一年前我们以为上了船,后来发现那个船漏水了。”他们提前扫清了障碍——混元原先各岗位的关键负责人已悉数离场,姚顺雨可以直接向集团总办汇报,TEG 总裁卢山是一位温和的管理者,愿意最大程度放权。
- 初入腾讯时,姚顺雨向总裁刘炽平提了一个请求:从新模型发布起至少一年,希望总办不要看榜单 (benchmark)。一年大约是训练两代模型的时间。“Martin(刘炽平)同意了。”
- 以顾问身份加入腾讯时,姚顺雨任务只有一个:排查混元大模型长期落后的原因。排查结果是:“简单来说,几乎每个环节都在漏水。” 混元过度追求榜单成绩,把打榜语料放进训练集污染了数据,模型变得很会考试,但在真实场景表现很差。当时数据标注准确率的验收线定在 95% ,实际却长期停留在 60%-70%,团队为了交差生产出大批无法使用的数据,算法团队默许了这一切。
- 混元从起步开始就不算顺利。2023 年立项时,项目组连一块 GPU 都没有,最后还是从广告部门匀来 2000 张。卡少导致混元的基础建设(Infra)先天不足,系统缺少针对大规模训练任务的设计。训练环节也不健全,混元几乎没有做过强化学习。竞争压力下,团队做了两个选择,一是换架构,冒险用 Transformer 与 Mamba 结合的混合架构这条路线在行业里尚未被充分验证,“但有噱头。”除了腾讯几乎没有大厂选它。另一条路是打榜,用分数向上汇报。
- 姚顺雨来后几个月内,混元预训练、后训练、评估、Infra 的负责人全部换人,新人来自字节、Kimi、DeepSeek、美团。招人不再看出身——目前混元的模型架构负责人还是一名在读博士生。字节 Seed 的招聘团队发现好几个候选人连 Seed 都没抢过。原因是:Seed 人才密度已经很高,年轻人更容易成为“螺丝钉”;而重建期的混元正是用人之际。
- 改革不是疾风骤雨。姚顺雨没有大量清退老人,但带来的压力更隐晦——他常在群里发论文聊技术,能跟上的人很少,有时甚至看不懂。“Peer 压力太大了。”
- 部门层级被简化到只有三层:姚顺雨——方向负责人——研究员/实习生。不赶发版的时候,混元的强度并不大。另一边,混元也取消了部门年中考核,鼓励聚焦长期研发。偶尔也有例外。“只要哪个组来了 Seed 的人,那个组很快就会自发地卷起来。”
- 姚顺雨用自己的旧东家 OpenAI 举例给团队鼓劲:直到今天,OpenAI 的基础模型也没有依赖过什么神秘的技术,做大模型没有魔法,也不要相信别人有魔法。真正难的是把最基础、确定能做对的事情都做对——做到这些,足以让混元挤进中国的第一梯队。
- 2026 年 5 月底,距离混元 Hy3 正式发布只剩一个月,因为一批提交上来的数据出了问题。姚顺雨少见地发了脾气,严厉告诫团队:“数据非常重要。如果下次再出现这样的情况,直接走人。”
-混元 Hy3 是姚顺雨在年初带队开始训练一款大模型,也是他加入腾讯后的第一张成绩单,但内部抱的预期并不大。Hy3 并不是完全没有企图心。按照姚顺雨的设想,混元不需要在所有能力上正面击败 Claude Opus 这样的前沿模型。如果一个模型能以 Opus 1% 的价格,在 90% 的日常问题上做到与它一样好,甚至超过它,对大多数用户来说这就是一个更优的模型。Hy4 已经在训练中,混元团队的判断是 2027 年进入国内第一梯队。
- 在姚顺雨的构想中,模型与产品应该以联合设计(Co-design)的模式合作,即模型和产品从一开始就绑定在一起开发,模型可以第一时间拿到产品的真实场景和用户反馈,知道自己该往哪里改;产品也能及时向模型同步需求,不用等一个通用模型送上门,再调整、将就。姚顺雨清楚自己当前的主要任务是什么,就是和业务处好关系,把 Co-design 的想法落地
- 今天大模型行业普遍面临商业化难题,但腾讯的思路是,不一定要向外部客户收费,能帮业务提升收入,同样是混元的价值。“举个例子,《王者荣耀》一年收入几百亿,混元如果能帮它提升 1%,那就是好几个亿。”
- 在腾讯,一个产品一旦受到高层重视,老板们就会开始密集提意见,其他辅助部门的人也随之加入,参与决策的人越来越多。去年腾讯集全公司资源扶持元宝,于是高层们总会不时提出非常具体的意见,某处的字体是不是太小了,对年长的人不太友好;某处设计为什么要用这种颜色。“上面一提,下面就开始揣摩,老板到底是什么意思,到底要不要改。”
- 腾讯 2019 年引入过一批从 Google、Snapchat、Uber 来的工程和数据专家。他们大多没留下什么成果,陆续离开。今天姚顺雨有总办的授权,圈了一块地,一个人拍板负责。但当改革进入更深的地方,牵动更大利益、风险更高时,能替他扛住压力的只有总办。到那时,考验的不只是他,还有他和老板们之间的信任能否撑得住。改革走到最深处,从来就不只取决于改革的那个人。
显示更多
过去20年日本最成功的房地产公司
刚刚出炉的数据,大伙儿猜猜日本工资最高的上市公司是谁?
不是丰田,也不是软银,更不是五大商社。
而是一家可能你从来都没有听过的房地产公司——Hulic。
如果说OpenHouse将新入社员的月薪调整到40万起步,已经是行业的翘楚,那么当你了解了Hulic这家公司之后,你才会发现,什么叫小巫见大巫?
根据东京商工Research最新披露的数据:Hulic员工2025年度平均年收入达到2295万日元(约合人民币110多万元),比上一年的1908万日元又涨了一大截,创下日本上市企业的历史纪录。
Hulic的员工年薪在被统计的3123家日本上市公司中排名第一。
第二名M&A Capital Partners是2266万,第三名Keyence是2178万。
Hulic在日本房地产行业的市值只能排到第四位。
目前日本市值最大的房地产公司分别是三井不动产,总市值为4.58万亿日元;三菱地所,总市值为4.14万亿日元;住友不动产,总市值为2.98万亿日元。Hulic的总市值为1.24万亿日元。(以上总市值均为2025年9月8日数据)
市值第四位,用人最后一位。
这家公司的员工总数,如果不算入子会社,总数只有234人。我估计比很多中坚型不动产公司的人数还要少。
即使算入子会社,包括酒店管理公司,物业管理公司等等,全部加起来,员工也只有3495人。
比起传统的大财阀,如果按照集团来算,比如三菱6万多人,三井5万多人,伊藤忠11万多人,住友8万多人,丸红5万多人,Hulic的职工人数也就是这些巨头的零头。
就这234个人,管理着一家总资产超过3.5万亿日元的房地产公司。
Hulic从2008年开始,实现了连续18年的增长,2008年利润123亿,2025年利润大约1550亿日元,意味着平均每一名员工,对应创造约6.6亿日元经常利润。
所以它敢给员工2000多万年薪。
看来不是工资给得太高,而是人均创造得太多!
从ROE的角度看,Hulic一直保持了10%以上的水平。来看看2025年头部几家房地产公司的ROE对比数据。
ROE本质上回答的是:股东给你100块钱,你一年能替股东赚回来多少钱?
三菱地所大约赚8.5块。
三井不动产大约赚8.7块。
Hulic能赚13块。
所以Hulic真正超过日本三大财阀地产公司的,不是规模,而是资本效率。
要比规模,三菱地所有丸之内,三井不动产有日本桥,住友不动产有新宿,东急有涩谷,森大厦有六本木,这些传统财阀的资产规模都比Hulic大。
但要是比同样出100亿资本,谁能赚出更多的钱。
毫无疑问,Hulic遥遥领先!
那么这家公司成功在哪里呢?
答案就藏在他们过去20年的经营逻辑里。
Hulic以前根本不是什么地产巨头。
1957年成立的时候叫“日本桥兴业”,本质上就是富士银行旗下管理自有房地产的公司。本来是用来存放自用不动产和安置半退休行员的子公司,说得更直白一点,它就是富士银行的养老院。
真正的转折点发生在2006年,前瑞穗银行副行长西浦三郎接手以后,做了改革,干了三件事:改名字、挖人才、准备上市。
开始彻底改造这家公司,这三件事的背后,就是一个目标:摆脱银行控制!
在这样的大刀阔斧改革之下,过去银行体系里那些半退休式的人事安排慢慢退出核心岗位,大量引入真正懂建筑、开发、金融、不动产投资的人。
Hulic最大的秘密:就是坚决不把公司做大。西浦三郎一直认为,公司保持300人左右最好。所以一直到今天,Hulic也只有234人。
很多房地产公司赚钱以后第一件事是扩编:开发部、管理部、销售部、酒店部、海外部、、、、、、最后楼越来越多,人更多,会议更多,效率反而越来越低。
Hulic走的是反方向:公司可以做到万亿级,人要在300以内!
人少,做的事儿就得精!只是,西浦三郎要的不是“小而精”,而是“中而精”。
简而言之,五点战略:
1、只要东京都心,车站3分钟的物业,放弃日本地方小城市的房地产。
2、重点发展中规模的写字楼,舍弃了大规模的地标性的写字楼。
3、重点做旧楼的再开发和中小规模再开发,舍弃了大规模的再开发。
4、重点做面对老人的养老设施,舍弃了住宅开发。
5、重点做面向观光客人的酒店和日式旅馆,舍弃了海外地产业务。
Hulic的战略高度浓缩,可以归纳成一句话:只做东京核心车站边上的中型物业,加上“3K”:高龄者Koureisha、观光Kankou、环境Kankyou。
目前Hulic持有物业中,68%在东京23区,46%在千代田、中央、港、新宿、涩谷这都心5区,73%的楼距离车站步行5分钟以内。结果就是空室率只有0.3%,而东京都心5区的市场平均空室率是4.0%,相差差了十几倍。
20年后,这家当年没人瞧得上的银行子公司,成了日本银座最大的房东,手握银座39栋物业,超过三井、三菱、住友这些财阀系巨头在银座的存在感。
今天大家都在聊AI,它又开始投资东京的数据中心。战略又进一步延伸到了酒店、数据中心、航空物流、研究设施等下一代资产。
Hulic这样的公司对于我们这样小型房地产公司有哪些启示呢?
这个,我们明天再聊。
显示更多
重新审视 Token (词元)的属性
TLDR:
之前我也一度觉得是大宗商品/资产
甚至还设想过相关的交易和定价逻辑
也看到不少人提过Token期货,交易所之类
但现在我倾向它只是一种服务,没必要过度金融化
毕竟它没有办法脱离AI推理单独存在,无法被提前生产出来或预先被囤积。但换个角度看,是服务,就天然是分层的、多元的,不同的人有不同的需求,这其实也恰恰奠定了AI 经济必将是百花齐放而非赢家通吃的基础。
在这浪潮中,红利属于能把廉价 Token 加工成更有价值的 Token 卖出去的人。
--------------------------------
我的一些个人思绪和逻辑:
1、Token (词元)经济从何而来?
首先它是AI训练转向AI推理的产物,
这是理解 Token 商业模式的基础。
过去模型训练时代,主要是卖算力时间。为什么?因为训练是持续性的大工程,需要大量算力协同工作。这种规模的投入,有资本的大厂基本都会选择自购,毕竟可控性最强,但对于没有能力一次性投入大量资金的团队来说,出于对稳定性的要求,也会倾向选择租赁模式,包下一整段时间的独占使用权,榨干这段时间内算力的所有价值,是一种占用的逻辑。
但随着主流大模型开始进入商用阶段,AI 算力的需求重心也从模型训练转向了推理。你用 GPT聊天、用 Claude写代码、问豆包问题,这些本质上都是在跑推理,每一次调用,都在为你做一次推理和计算。
而推理是相对碎片化的、一次性的、用完即走的。虽然也有不少企业,仍然会采用租赁或自购的模式来跑推理,但对于广大中小开发者和应用方来说,他们对算力独占性的要求并不高,因而额外衍生出了按消耗计费的模式,这样算力服务商就可以把算力资源同时卖给成千上万个客户。
Token (词元) 就是在这种背景下而产生的,衡量每次计算消耗了多少资源的那个单位,你付的钱,就是对这次计算的补偿,本质是消耗逻辑。
所以训练和推理是完全不同的生意形态:
训练时代,商业模式是卖 GPU 时间。
推理时代,商业模式是卖 Token (词元)。
---------------------------------
2、为何Token (词元) 是服务属性而非商品/金融属性?
卖Token (词元),就是卖服务!
Token (词元) 经济,本质是服务经济!
为什么?
一个比较直接的原因是 Token (词元)不能被预先生产出来,而是产出后就被消耗掉了,并作为衡量你这次推理服务所消耗资源的参考,来给你计费。
且Token (词元) 的一些特性,也和大宗商品的逻辑不像:
- 价格长期下降趋势
- Pay-As-You-Go
- 难以标准化
你在Claude的100万Token额度,和你在Minimax的100万Token额度,两者本身是没有可比性的,模型不同,性能不同,定价完全可以不一样。
而大家愿意接受价格差异的原因,也是因为 Token (词元) 本质上计量了一种非标准化的服务,而不同用户对服务的诉求是不同的,有的人看重性能,所以愿意支付溢价,有的人看重成本控制,所以觉得国产开源模型也够用了。
而整个模型市场占有率,并没有出现几家独大,本身也是其服务属性的体现。如果 Token (词元) 是资产,那资产的流动性、网络效应,一定会引发所有资源最终向一个市场集中,形成赢家通吃的局面。但恰巧 Token (词元) 其实是服务,而服务市场天然是分层的、多元的,不同的服务商满足不同的需求,所以才构成了 AI 经济百花齐放的基础。
我想通这点后,就不再纠结模型厂商只有哪家笑到最后了。
因为未来必将是多模型共存、多层级并行的格局,Token(词元)也将会被计入到企业的会计成本之中,并反映到企业的产品和服务之中。
比较值得关注的一点是,AI时代Token所代表的服务经济和传统的人力服务经济,成本曲线可能是完全反过来的。由人所提供的服务,长期要求的是报酬上升,这也是为什么服务业占比高的经济体,服务更贵。但 Token 服务恰恰相反,价格长期只会下降,当 Token 逐步替代掉一部分原本需要人力智力才能完成的工作,这部分成本不但不会随时间上升,反而会持续走低。
这可能也是这一波AI的红利之一。
-------------------------
3、这个Token (词元) 服务都有谁在卖?
- 闭源模型厂商
- 开源模型厂商
- 开源模型托管商
- 大模型聚合器、中转站
1)闭源模型厂商:直营为主,分销为辅
最直接的模式。OpenAI 卖 GPT 的 Token,Anthropic 卖 Claude 的 Token。模型自己训的、API 自己提供、定价权在自己手里,产品和渠道都是自己的,跟品牌直营店一个逻辑。当然作为最顶级的模型,难免会被接入像一些API中转站,或者Open Router这样的大模型聚合平台被动分销。
2)开源模型厂商:开源也挺赚钱的
开源模型谁都可以拿去用,很多人不想自己本地跑,因此催生出了一批开源模型托管商,他们可以帮你跑模型,并按 Token 收费。但这就引出一个问题:Token 的钱都让模型托管商这些中间商赚了,开源模型的开发者自己怎么赚钱?这一点,至少中国的开源模型厂商,走的很灵活。
像Minimax,Kimi,Zhipu,它们都有自有的 API 直售,更多面向开发者群体,并且也都有自己的 Coding Plan 订阅包,把按 token 计费玩出了订阅制,完全是中国移动卖流量的玩法。而OpenClaw 这波更是让它们赚得盆满钵满,各自推出了品牌化的 Claw 产品,帮用户把 OpenClaw 部署好,底层跑自家模型,Token 消耗从自家 API 走。
3)开源模型托管商:帮别人跑模型,赚差价
对于那些没有能力或意愿自己卖 Token 的开源模型来说,托管商就是它们触达用户的渠道。它们帮开发者跑模型、按 Token 收费:
- Together AI / Fireworks:自有 GPU 集群 + 极致推理优化,核心竞争力是翻台率,同样的卡单位时间能吐出更多 Token。
- Groq:自研 LPU 推理专用芯片,不用传统 GPU,核心竞争力是极致速度,跑 Llama、Qwen 等开源模型比 GPU 快。
- Cloudflare Workers AI:全球 300+ 边缘节点,跑 Llama、Mistral、Qwen,最近还加了智谱 GLM 和 Kimi,核心竞争力是低延迟 + 开发者生态
- AWS Bedrock / Google Vertex AI — 企业级云平台,跑 Llama、Mistral 等主流开源模型,核心竞争力是客户的数据和基础设施已经在这些云上了,迁移成本低
4)大模型聚合器:一个入口管所有模型
闭源和开源的大模型越来越多,而不同场景适合不同模型,不同模型的优劣势不同,对开发者来说,一个个去接不同厂商和托管商的 API,管理起来很痛苦。于是催生了 OpenRouter 这类聚合器,可以接几十个模型,开发者在一个地方统一管理、按需切换即可。
OpenRouter按照批发转零售的模式盈利,各家模型厂商把自己的Token分销出去。而 OpenClaw 这波直接让 OpenRouter 上中国模型的消耗量暴增,前十名 Token 消耗量中,中国模型占了 61%,前五有四个是中国的。
而围绕这条 Token (词元) 产业链,也衍生出了一些其他的参与者和新需求:
第一是一些推理优化引擎,vLLM、SGLang 这些开源项目,在大家对效率极致追求的当下,通过对硬件算子层面(更高效地利用 GPU 计算单元,减少内存碎片和带宽瓶颈)以及 LLM 算法层面(让多个请求共享已经算过的内容,更聪明地管理显存)的优化,提升同一张卡在同一时间内的 Token 吞吐量。
它们自己不面向终端用户收费,但 Together AI、Fireworks 这些托管商底层用的就是这些技术。也有不少自己本地跑开源模型的开发者,会直接使用 vLLM 或 SGLang 来搭建自己的推理服务。
第二是对Token消耗的优化需求,当 Token 消耗逐渐常态化,自然就会有人开始琢磨怎么省钱,也有不少人早就抱怨OpenClaw高昂的Token消耗,那么,帮你预览一次 Prompt 会消耗多少 Token、建议怎么优化 Prompt 来降本、甚至自动帮你选性价比最高的模型和服务商的产品,就很有市场了。
----------------------------
4、AI经济时代,真正的机会在哪?
我觉得 Token 经济的红利,属于把廉价的 Token 加工成更有价值的 Token 卖出去的人。
1)如果你有能力,就做一个模型,哪怕是微调的
你不需要从头训一个 GPT,在开源模型基础上针对某个垂直场景做微调,只要在某个细分领域效果够好,就有人愿意按 Token 付费调用你的模型。前面说了,Token 是服务,服务市场天然分层,通用大模型吃不掉所有场景,垂直微调的模型在自己的领地里反而更有定价权。
2)做一个新时代的产品,开放 API
你的产品底层消耗 Token,但你的产品本身也可以对外输出能力,你开放 API,让别的开发者和 Agent 来调用。你买入底层模型的 Token,加上你的产品逻辑和数据,产出更高价值的 Token 服务卖出去。这跟传统行业买原材料、加工、卖成品的逻辑是一样的。
3)写 Skill,做 Agent
每一个被广泛使用的 Skill 和 Agent,背后都是源源不断的 Token 消耗。你写的 Skill 越好用、越多人用,你帮模型厂商卖出去的 Token 就越多。这不是你直接卖 Token,但你是这条产业链上的分销渠道。
而不管你选哪条路,
你的护城河在我看来最终都会归结为三样东西:
算力、算法、数据。
算力影响你的吞吐量
算法影响你的效率和成本
数据决定你是不是不可替代
显示更多
憋了这么多年、起售价15999元的苹果首款折叠屏iPhone Duo,首批大冤种刚拿到手还没捂热乎,屏幕就先顺着中线“劈叉”了。
一个澳洲老哥拿到新机才6个小时,没摔没碰,前前后后开合不到20次,正准备在朋友面前展开大屏装个逼,只听“啪”一声脆响,内屏折痕处直接裂开一道大口子,坏点瞬间蔓延成片。
国内和美国的买家也接连中招,有人刚迈出直营店大门屏幕就废了,更倒霉的刚拆封手滑摔了一下,近两万块的电子茅台当场变成废铁。
最绝的不是手机裂了,而是苹果面对翻车时那套吃人不吐骨头的“售后算盘”。
去问客服,客服打太极说:一切以门店实物检测为准,要是怕坏,建议您提前买份AppleCare+延保。要么你现在乖乖交保护费,要么等进了售后判定成“人为损坏”,准备好大出血。
一台iPhone Duo起步价15999元,2TB顶配版更是高达26499元。光买手机还不够,配套的AC+延保直接定到了2599元,比同期的iPhone 18 Pro整整贵800块!
如果你嫌贵没买延保,一旦屏幕裂了被门店甩锅成“外力受损”,不好意思,保外换一块内屏的价格是7998元,连换块电池都要1898元。
7998元什么概念?
修半块屏幕的钱,放在国产手机市场,足够你全款买下一台顶配的旗舰新机还有找零!买手机宰你一刀,防碎屏再收你一笔,这哪里是在卖科技创新,分明是给高净值用户量身定制的“金融连环套”。
更魔幻的是,就在一周前,这款一掰就裂的手机还在被全网当成硬通货疯抢。
预售当晚全网秒空,发货期直接排到明年1月。
黄牛们蜂拥而上,把26499元的顶配机最高炒到了7万多,单机溢价突破5万。
不少手机档口的小老板以为抓住了财富密码,押上几十万真金白银锁货赌行情。结果临近首销,溢价先从5万跳水到两三千,紧接着首发屏幕集中爆雷。
那些高价囤货的黄牛和跟风加价的数码博主,这会儿看着手里随时可能“自爆”的盲盒,估计心都在滴血。
过去几年,华为、小米、荣耀、OPPO在折叠屏赛道里摸爬滚打,从铰链材质到屏幕抗摔,苦哈哈地死磕了一代又一代,甚至连三折叠都量产上市了。那时苹果一直按兵不动,果粉和媒体还替它挽尊,说苹果这是“严控品控、憋大招”,嫌弃早期折叠屏有折痕、容易坏。
现在底牌亮出来了,所谓的“高标准”全是公关话术。
苹果为什么偏偏在这个节点硬着头皮端出这盘夹生饭?
底层逻辑很简单:传统直板iPhone已经彻底摸到了增长天花板,挤牙膏式的升级再也骗不到消费者的换机预算。为了稳住万亿市值、给华尔街讲出新的高毛利故事,苹果必须闯进折叠屏这个唯一能撑起两万元高溢价的赛道。
只是大家伙都明白,制造业的物理规律从来没捷径可走。你不去老老实实交学费、磨供应链,试图靠着品牌光环直接下场摘桃子,最终一定会被反噬。
我觉得,最冤的其实还是整个折叠屏行业。国产厂商苦心孤诣好不容易才打消了大众对“折叠屏娇贵易碎”的偏见,结果全行业苦等多年的“苹果标准”,交上来的答卷第一页就裂开了。
神话滤镜碎了一地,大家觉得,这次集中爆雷之后,那些加价抢购的果粉和砸钱囤货的黄牛,还会继续为苹果的傲慢买单吗?
显示更多
一名在Tesla上海工厂实习后转正的女生高兴的分享自己在Tesla的生活环境,还晒出了工资单,称自己好不容易进来了就不想出去了。
很多网友表达恭喜她进入了文明之地,进入了正规工厂,这才是良心工厂,外资企业对待员工就像家人,虽然特斯拉在中国的工厂,是所有特斯拉工厂里待遇最低的,但是在中国这待遇算最高的😂简直是祖坟冒青烟了,能在一个把人当人的企业工作。
还有的说特斯拉普工底薪并不高(五千多),收入大头来自:加班费、夜班补贴、绩效、全勤。但也很不错了!
注:
特斯拉上海工厂一线普工底薪普遍被内部员工和招聘信息反复提到在 5341 元左右(有的岗位略高到 5500–6500),和上面说的“五千多”一致。收入大头确实来自加班费、夜班/倒班补贴、季度绩效奖、全勤奖和年终奖,综合下来常被宣传为“17薪”,税前年收入多在 11–12 万区间。实际到手月收入多数在 7000–10000 元之间,看加班多少和绩效档次(季度奖分 A–E,很多人拿的是中间档)。这不是固定高底薪,而是“底薪不高 + 各种补贴奖金撑起来”的典型结构。
显示更多
IBM( $IBM)〈IBM Quantum Nighthawk 展現更高速度與品質,計畫 2027 年擴展到 1,000 量子位元以上〉
1、Nighthawk r3:520 個量子位元、可執行 1 萬個運算
1)新一代處理器 Nighthawk r3 設計目標是在 520 個可程式化量子位元上,準確執行 10,000 個量子運算;整顆晶片共有 2,034 個實體量子位元,多出的部分用來控制和重置。
2)r3 沿用 r2 的方格連接架構和高速運算,另外加入 10 個晶片間互連,IBM 稱為 l-coupler,用來把多顆處理器串成更大的系統。
3)IBM 計畫 2027 年把兩顆 r3 串成單一 1,040 量子位元系統。
4)配圖是 r2 和 r3 的晶片對照:r2 標示 120 個可程式化量子位元,r3 是 520 個,晶片面積明顯放大。
2、模組化的兩項關鍵技術已經驗證
1)今年 IBM 用 4 個 l-coupler 串接 Nighthawk r1,量子態傳輸保真度達 99.3%,目標是 99.9%。
2)IBM 也首次把兩座低溫模組連成單一系統,不到五天就達到運作溫度,降到 15 毫克耳文以下。
3、Nighthawk r2:速度已經在客戶端跑出成果
1)r2 在 9 月推出,在 120 個量子位元上可執行超過 7,500 個量子運算,每秒最多產生 10 萬個樣本。關鍵是高速重置量子位元,縮短每次執行電路的間隔。
2)E.ON、Algorithmiq、Q-CTRL 等客戶與夥伴已在 r2 上執行 340 億個電路,回報速度比 IBM 前代處理器最高快 19 倍。
3)E.ON 用量子機器學習做電網最佳化,速度快 15 倍;IBM 和橡樹嶺國家實驗室(ORNL)的磁性材料模擬快 12 倍,結果和中子散射實驗一致。
4)和 Algorithmiq 合作的量子材料模擬移到 r2 後快了 8 倍,而且新電路更難用古典電腦模擬,IBM 估計用頂尖的張量網路方法要多約 240 倍記憶體,才能達到相近精度。
4、量子與古典運算整合在同一平台
1)IBM Quantum Platform 把高效能運算(HPC)和量子運算放進同一個託管環境,使用者可以串接自己的筆電、超級電腦,或平台上新開放的古典運算資源。
2)IBM 和日本理化學研究所(RIKEN)的樣本式量子對角化流程,速度快約 5 倍,計算量多 100 倍;Cleveland Clinic 和 RIKEN 自動處理 6.08 億個樣本,比沒有自動化快 33 倍。
3)平台提供脈衝層級控制,讓研究人員更精細地偵測和修正錯誤。
4)IBM 也和 ORNL、AMD( $AMD)推出量子錯誤修正共同設計平台,把 Nighthawk 和 ORNL 的 Umbra 超級電腦放在一起;Umbra 採用 AMD Instinct MI355X GPU 和第五代 EPYC CPU。
显示更多
🎮 链游新鲜事!GMA日报速递 ⬇️
📅11/7
1️⃣每日资讯
1. Rosentica 启“SHADOW BLITZ”锦标赛,总奖池超3000美元
本次赛事提供价值超过3,000美元的卡包奖励、专属徽章、卡牌光环以及Plinko奖励,玩家在特定游戏模式和卡包中最高可获取5倍积分以冲击排行榜。
2. 元宇宙项目 Otherside 披露虚幻引擎PCG地形生成与74种链上资源经济机制
游戏共包含74种基于ApeChain的ERC-20C代币资源,每个地块最多含4个矿床且产量上限在链上强制执行,地块持有者可自定义与采集者的资源分成比例。
3. Moku 完成 Robinhood Crypto 首期盲盒抽奖,披露游戏资产与股票挂钩机制
每个盲盒内含2只由代币化股票提供底层价值支撑且可繁殖的 Pupkins,平台交易市场一半的手续费将用于回购生态代币 SCHIFFY,繁殖产生的大部分费用也将用于购买底层股票及回购代币。
4. 卡牌平台 DYLI 上线折扣码交易市场 DYLI Code Market
允许收藏家与玩家在平台上安全地买卖闲置的折扣码。
5. Anthropic 放宽 Claude 的游戏限制:可做同类型原创游戏
Claude 可以帮助用户制作同类型原创游戏,但仍会拒绝直接复刻现有商业游戏。争议焦点从“能不能生成游戏”转向版权边界和开发者保护。
2️⃣数据来源
X、Tom’s Hardware
显示更多
赚钱最全的26种方式:
1、赚差价
做中间商低买高卖
2、转包装
10块钱的月饼20块钱的包装卖150。10元的酒20元的包装卖200。
3、賺时间差
到比自己发达的地区,寻找那里火爆的趋势项目,这种项目早晚会在欠发达地区火起来,复制就能吃到红。
4、赚经验差
把自己成功的经验做成一个课或者一本书,卖给刚创业的人。
至于别人能不能学成,那要看天赋。
5、賺垄断差
烧钱挤掉所有竞争对手一家独大最后想卖什么价就卖什么价,从外卖到打车无不攻于此道。
6、赚认知差
内行赚外行的钱,专家赚小白的钱,专业知识可变现
7、賺执行差
把文章转成音频赚钱,把音频转成视频赚钱,把视频转成文章赚钱。
8、賺稀缺资源
你需要,但只有我有,垄断生意利润最高。
9、赚广告轰炸
铺天盖地的广告,以量变带来质变,真理就是重复次数够多。
10、赚抽成
做系统平台,让一群有能力的人为自己赚更多的钱别人赚钱我们抽成
11、赚流量的钱
把人气做起来,先把人圈住,只要有人卖啥都赚钱,可以卖别人的产品,可以为商家导流,接广告。
流量是所有生意的根本。
12、赚平台的钱
自己建个平台租给商家,商家至少可以收三笔钱:入场费、停车费、过路费。
大型商超和电商平赚平台的前台都是这么干的
13、赚投资的钱
看准项目让钱生钱,用自己超前的眼光投资未来必定升值的优质资产,分分钟数钱数到手抽筋。
14、赚抄袭的钱
看赚了钱的人怎么干就怎么干
反向解构拆解;
一抄二改三创新;
复制测试,优化迭代,放大;
嫌钱等于模仿,这两字威力无穷。
15、赚地域差的钱
把产品从盛产的地方卖到不出产的地方,从过剩的地方卖到稀缺的地方。
16、赚卖点的钱
做足卖点,把卖点做成功了,我没说我能清热去火,但你一上火就能想到我
17、赚人群细分的钱
缩小客户群体,只为一小部分人提供最优质和专业的服务:情侣款、儿童款
18、賺品牌溢价
有了品牌,就能滥价,就能延伸,同样产品只要挂一个知名品牌一般都可以溢价30%以上。
19、賺概念的钱,一个 PPT、一个概念、一个故事、一个愿景,商业模式就能忽悠住一群人给你投资。
20、赚规模的钱
量大是致富的关键,只要有量就有规模效应,利润再低也不是问题,甚至亏钱也很容易找补回来,因为批量可以降低进货成本,可以通过后端赚钱。
21、赚渠道差
把货卖给代理商、分销商、渠道商加盟商赚进门费、原材料费、品牌授费
23、賺未来的钱
想办法让大家都认为你能赚钱再把项目打包卖了,世上最牛的赚钱方式就是把未来的钱提前变现
24、赚人设的钱
打造人设包装成功案例,当下的网红靠此方法赚钱,那叫一个快。
25、赚搭桥的钱
为供需双方搭线,赚取佣金,空手套白狠。房屋中介、婚姻中介都是这种模式
26、赚风口的钱
抓风口,在你的领域内持续精进,当风来了,赶紧抓住,成为那一只在天上飞的猪。
赚钱的方式千干万,打工不是唯一的出路,也永远不会赚到大钱。
想赚大钱,第一步:先停止打工!
一个人一生能改变命运有4次机会,第一投个好胎,第二拿到一个高学历,第三找到一个好的伴侣,第四就是靠自己!
一个人没有行动力的根源源于对末知的恐惧,当你不断去探索未知领域熟悉形成闭环后,你的执行力自然会拉满。
想都是问题,做才有答案!
显示更多