这个月最喜欢的ai功能，来自叮咚买菜！ ——根据订单记录，帮你检查临期产品（感觉还能大幅度提升叮咚用户统一买菜的可能性 这才叫生活，ai就该这样用嘛 by @一泽Eze #大产品小细节#

刚发现slack有个表情:thumbsup_all:, 是个黑白棕黄会切换变色的竖大拇指，从源头上解决了种族问题，也能避免一条大群announcenent下面一排各种颜色的点赞表情。这个设计我给满分。逗死了，made my day. by @虹口孙工 #大产品小细节#

以小见大之从OK、Binance、Bybit三家合约产品细节洞见老板价值观和人品： 干赌场这一块，ok最良心，冷静期是实打实的最高能开一个月，且不能取消；想戒赌了直接冷静期拉满，赌瘾上来了也不行，忍着。减小了悲剧变惨剧的概率，虽然亏钱，但是好歹能留下辆电动车，给你跑外卖用。 徐明星和OK确实也在踏踏实实做产品，老是劝你别滥赌。 bn有冷静期，理论上最高能开到下辈子，但是你赌瘾犯了忍不住了，想开的话能把冷静期修改了，第二天就能重新开赌，给cz和何一送钱了。冷静期相当于脱裤子放屁多办手续，Bn也纯纯是立了牌坊后当婊子，属于婊子交易所。 cz确实和bn的风格一样，属于伪善、爱立牌坊，举着大旗喊口号，最后割你割你割得最狠。 bybit连冷静期都没有，就是让你瞎几把赌，交易所做的活动都是吸引赌狗来拉杠杆的。算交易所里最畜生的一个。 ben周也是纯纯的畜生，21年顶部极高估值发了bitdao，天天吹牛逼说bit要去100刀，把一堆赌狗套了好几年；后来发现平台币的故事玩不转了，L2开始火了，把平台币转L2，死活不认搞过平台币了；今年平台币开始涨了，又擦边把mantle变平台币了。这不是畜生是什么？ 交易所的经营理念和风格，都是这些做人做事的特征的映射。 你在这些地方每买卖一回，直接抽你千分之二的本金，多交易几次，钱全几把被抽水抽没了。炒土狗的，更是傻逼中的大傻逼，买卖一回抽你差不多2%的本金，赌几次裤衩子都没了。 听我的，卸载掉Bybit，你赚钱的概率能提高20%；卸载掉Bn，再提高20%；卸载掉ok，再提高20%。你不赚钱，本质上是因为离畜生们太近了，钱都被畜生们搞走了。 徐明星、ben周、赵长鹏，都是你们命里的克星。

OneKey @OneKeyCN 最近做的 Perps，直接把交易终端塞进钱包里。 它底层接的是 Hyperliquid 的链上流动性，不用跳转第三方 DApp，网页和 App 都能直接开永续，体验其实已经很接近中心化交易所。 而且它不是只做 Crypto。 BTC、ETH 这些不用说，美股、黄金、原油、外汇这些传统资产也都能交易，甚至还有一些 Pre-IPO Token，等于把不同市场全塞进一个入口里。 1 / 没有传统交易所那种很重的流程感。 连钱包直接交易，不 KYC，不充值提现来回切，链上资产直接开仓，确实顺手很多。 2 / 产品细节做得挺交易员思维。 比如 Auto BBO 限价单、图表直接显示止盈止损和爆仓线、实时预警这些，小功能看着不大，但真正交易的人会知道差别。 再加上最高 50x 杠杆，其实已经不是“钱包附属功能”了，更像一个轻量级链上多资产交易平台。 现在很多产品还在卷“更多币”，OneKey Perps 已经开始卷“更完整的交易场景”了。 体验一下：

上次推文重点提到CPU的爆发需求，不辱使命，如期迎来大暴涨，上次AMD价格还在280美金，今天已经409美金，半个月涨幅高达46%！从最新苏妈的电话会议来看，未来GPU与CPU需求将是1：1的比例，更加证实了当时我们的预判：「到2030年，未来75%的AI计算需求将会来自推理，CPU市场将会迎来大爆发」 今天看完 #AMD# 交出的这份 2026 Q1 成绩单，我最直观的感受是，风向变了。 如果说过去两年是“大模型训练”的肌肉秀，那么现在，我们正式进入了「AI Agent与推理」的爆发期。在这个阶段，原本被视为“配角”的 CPU，正在拿回它的主场。 1️⃣逻辑重构：CPU 配比逻辑变了！ 以前数据中心都是1颗CPU带8颗GPU，CPU就是个配角，负责发指令递数据。 但苏妈这次财报会提到，推理和智能体场景下，CPU的压力远超预期。 Agent不是简单的问答，它要做任务编排、拆解步骤、调用插件，这些都是CPU干的活。 所以现在高密度AI场景下，CPU和GPU的配比正在从1:8往1:1演进，甚至更高。 AMD把服务器CPU的市场预期直接从18%年复合增长拉到35%，到2030年是1200亿美金的盘子。这个调整很有意思。 2️⃣财报十分亮眼：不只是增长，是质变 这次 AMD 的数据确实硬气，创纪录的 103 亿美元营收（同比增长 38%）只是表象，真正让我这个投资者兴奋的是底层的财务质量： 利润率实现“戴维斯双击”， 毛利率拉升到 55%，自由现金流翻了三倍多。这说明 AMD 卖出的产品越来越高端，话语权越来越强。 数据中心成了绝对核心，营收占比和增长几乎全靠数据中心（同比涨 57%）。以前大家觉得 AMD 是靠 PC 起家的，现在它已经彻底进化成了一家高性能 AI 基础设施公司。 另外Meta给了个6GW级别的大单，还是多代定制的MI450，说明在顶级客户眼里，AMD已经不是备胎，是正选了。 3️⃣护城河：从“单兵作战”到“机架级全家桶” 我注意到苏妈提到了一个关键词：「Helios 架构」。 这是AMD的杀手锏，把自家最强的EPYC CPU（Verano系列）和Instinct GPU（MI450）做成机架级方案，直接送货上门。 相比之下，英特尔虽然也在追赶，但制程和生态整合上还有坑；而 ARM 方案虽然省电，但在处理复杂、高吞吐的 AI 编排任务时，还是打不过 AMD 的 x86 性能怪兽。 4️⃣有个小风险⚠️ 内存价格暴涨，HBM4和高端内存太贵，成本压力很大，游戏业务下半年预期下滑20%以上。虽然苏妈说供应链他们能处理，但这块肉确实被割了。 总结来说，我个人目前长期看好CPU发展的逻辑和方向，AMD已经从便宜替代品变成高性能定义者。苏妈提的EPS超20美金目标，按现在增长势头（Q2预期涨46%），不像画饼。 关注7月份推进AI活动，会有2纳米Zen 6架构CPU和MI450的更多细节。 如果您跟我一样，坚定的相信，AI会从聊天框演变成全自动AI Agent时代，那么AMD的CPU+GPU双轮驱动，可能是目前市场上比较稳的爆发点。 以前买AMD是买潜力，现在买AMD是买确定性。🧐 持续关注CPU赛道，另外还有其他相关利好公司，比如 #ARM# #INTC# 等，DYOR🙏 目前上述提及的公司在 #MSX# 上面基本都有，炒美股，我选择用 #RWA# 美股代币化平台 #MSX，一同投资参与美股市场：# 早期美股投资粉丝和伙伴，可以私信我，填写表单后，可免费进入美股交流和探讨社群(目前每周仅限定10人，助理审核，可能需要一点时间，感恩🙏)！

关于Qwen基模负责人林俊旸离职，我要说句不意外，肯定有人又要说我马后炮，但其实我这几个月来在上播客和写稿子里不止一次的提到过一个细节： 清华大学那场AI-Next峰会上，林俊旸邀请观众体验Qwen，用的是 模型干模型的，产品干产品的，这当然是模型团队的舒适区了，只投身研究、不负责市场，Qwen在开源社区里的究级口碑就是这么打下来的，但产品团队就难受了，做什么事情都需要和自己平级的模型团队配合，只能协调，不能统筹。 产模分离是阿里过去几年里最奇怪的地方，在千问App还没有被独立出来发展的时候，还可以说且行且珍惜，现在千问App要直接和豆包元宝打消耗战了，还让模型团队保持例外论，这肯定行不通。 最新的形势就是，大厂在做DAU，豆包现在还在发红包你敢信，小虎在冲ARR，月暗智谱MiniMax三家给洋人卖Tokens卖疯了，那么Qwen的位置在哪里呢，你总得沾个边吧？ 事实上，AI一号位工程的调整，是这一年来几乎所有国内互联网大厂都在做的事情，字节和腾讯都干了，轮到阿里大家觉得很奇怪，主要还是Qwen模型本身没出太大问题，突然换将有些刺激。 还是那句话，组织的方向很重要，不认同组织的判断，就会很麻烦，这和你是不是一个好人、你做的工作是不是很优秀，关系不大。 就像没人会不尊重杨立昆的学术成就，没有他老人家的贡献，AI的发展指不定还要晚多少年，但大家也都心知肚明，继续让他带Meta的AI实验室，那Meta就真完蛋了，你不可能让一个不相信Transformer的人去带领大模型⋯⋯ 前段时间，因为诉讼披露，微软的CTO有一封2023年底发给老板的邮件被曝光，里面是他但是作为对接人看到并汇报的OpenAI宫斗事件，说以Ilya Sutskever为首的研究团队讨厌需要和产品团队争夺资源，how dare you，竟敢让我们排队等GPU！ 微软的CTO在此批注，表示自己内心都是崩溃的：「OpenAI的研究团队根本没有明白，如果没有Applied的商业成功，他们根本不可能拥有现在这么多GPU。」 所以，从国内到海外的实践经验都说明，产模分离是一个田园牧歌的理想状态，它可以暂时性的存在，但前提是公司没有市场回报的预期，愿意千金买马骨，Qwen这几年过的的好日子，都是这么来的。 新的剧本就是阿里不愿意了，作风依然很粗暴很阿里，但就目的来说，其实没那么大的争议。 再说了，和OpenAI的11个联合创始人里走了9个相比，这才哪到哪啊⋯⋯ 记得马老师曾说阿里要每年定期给社会输送人才，结果都是些年满35岁后被优化出来的P7P8们，给接收方的牛马们带去了一点点阿里味的震撼，连山姆看似牢不可破的名声都差点被打崩了，不过这次林俊旸流入自由转会市场，就没得阴阳了，是真的大牛出圈，大厂们赶紧抢吧。

艾伦研究所的知名研究员Nathan Lambert，前两天来北京和我们熟知的国内 AI 公司聊了一圈，包括月之暗面、智谱、字节、阿里、美团、小米等等。 聊完之后，他写了一篇文章做总结。我觉得这篇挺有意思的，因为 Nathan 本身对硅谷非常熟，这次相当于带着硅谷的视角来看我们中国的 AI 实验室是怎么运作的，以及他看到了哪些不一样的地方。 文章我看完了，写一些自己的笔记。 1、DeepSeek 被所有人公认为技术品味和执行力最好，是技术方向上的引领者，但在商业上并不是引领者。 反过来，像字节、阿里这种巨头，被视为真正能够把大模型吃进整个业务体系、最终兑现成大规模市场份额的那批公司。 2、字节是各大中国 AI 实验室最重视的竞争对手，因为他们思路清晰，而且战斗力极强。 一个可以印证侧面是，在开放权重已经成主流气质的中国 AI 圈子里，字节是少数坚持走 OpenAI 这条闭源路线的公司，同时，目前他们的豆包应用地位相当于中国的ChatGPT。 3、美团、蚂蚁、小米这些公司为什么自己做大模型？国外Uber、Airbnb 这批公司也没做自己的模型，用的时候买别人的就行了。 但在这些中国公司眼里，LLM 是未来产品的核心底座，如果完全依赖外部模型，等于把自己最关键的那一层放在别人手里，被掣肘只是时间问题。所以宁可自己花大力气训一个通用模型，把这块底座攥在自己手里。 4、中国开发者几乎都被 Claude 圈粉了。Nathan 说，很多一线开发者描述日常写代码时，都主动提到 Claude，承认它改变了自己的开发方式，哪怕它在中国并不能正式落地。 少数人会提到自己在用 Kimi 或者智谱的命令行工具，但被问到真正高频依赖的助手时，几乎都会说回 Claude。在湾区很火的 Codex，在中国被提到的频率反而没有那么高。 5、中国的 LLM 社区更像一个生态，而不是彼此敌对。Nathan 和多家实验室私下交流后，发现他们谈到同行时，几乎都是尊重和欣赏，很少有火药味。而在硅谷，私下聊起其他实验室，话锋会很快变得尖锐。 6、中国大模型团队的整体气质和美国不一样。表面上看，大家都是搞大模型、RL、Agent，用的技术栈差不多，但在组织方式和人本身的气质上，中国这边更像一支全栈工程队。 研究员普遍愿意做琐碎、不出彩的脏活累活，愿意为了整体模型效果搁置自己的方案，不太追求个人署名和明星科学家身份。 这种弱 ego 的文化，在那种需要各个模块严丝合缝配合的大工程里，反而更适配。Llama 团队据说就是被相反的那种文化拖垮的，一群顶尖研究员都想让自己的方案进最终模型，互相博弈。 7、中国顶级实验室里，学生的比例非常高，而且是直接参与主战场的大模型研发，不是被边缘化的实习。和美国的 OpenAI、Anthropic、Cursor 这些几乎不开放相关实习形成鲜明对比。 Google 名义上有 Gemini 实习，但大家普遍担心实习内容被隔离在核心工作之外。 学生的优势是对旧时代 AI 范式没有太多包袱，能很快把上一套观念清空，重新学习。同时他们极度习惯在巨量论文和内部技术细节中速成，把复杂栈啃下来，进组之后就愿意把人生阶段压在这件事上。 8、中国研究员对宏大的 AI 叙事兴趣不高。Nathan 在和不少一线研究员聊天时，发现他们一提到经济结构变化、社会风险、AI 道德这些问题，往往会有明显的停顿和困惑，像是被问了一个和日常工作无关的问题。 很多人会直接表达，自己的角色就是把模型做好，而不是对社会怎么变发表观点。有位研究员还引用了 Dan Wang 的说法，中国是工程师在掌舵，美国是律师在掌舵。 Nathan 也观察到，中国并没有 Dwarkesh、Lex Fridman 这种能系统性把科学家捧成明星的播客生态。这种习惯既和个人性格有关，也深受教育和制度环境的塑造，他们在一个不鼓励公开争论社会议题的系统里长大，并且在里面取得了成功。 9、北京的 AI 圈子整体很像湾区版的紧凑硅谷。从机场下飞机，可以顺路去阿里北京园区，坐几趟滴滴，在三十六小时之内走完智谱、月之暗面、清华、美团、小米、零一万物等一长串机构。 整座城市里，打车过去就是一个新的实验室。选大一点的车型，常见是带按摩椅的电动小面包。这种空间上的密集分布，让不同实验室之间的交流成本被压得很低，研究员之间的流动也变得非常频繁。 10、中国研究员普遍更偏工程视角，对融资、产业格局、资本叙事这些话题兴趣没那么高。Nathan 在硅谷习惯了另一种氛围，研究员对外部环境的敏感度非常高，融资、算力、数据生态、行业风向，几乎每个人都在认真琢磨自己所在公司的位置和外部环境的关系。 因为今天做 AI 已经不是关起门来搞工程奇迹那种事了，模型公司同时是一个综合体，要建模、要部署、要融资、要拉生态，外面的每一根线都会反过来影响里面的研究节奏。 但中国研究员明显不在这个频道上。Nathan 问到行业生态、融资、算力供应、数据产业这些话题，得到的反应常常是耸耸肩，说那不是我的问题，我的事就是把模型做好。 11、中国企业对 AI 的花钱习惯，更接近云，而不是 SaaS。外界常说中国企业不愿意为软件买单，所以本土 AI 市场会偏小。但 Nathan 和多位从业者聊完后，感受到的现实是，虽然传统 SaaS 市场确实不大，但云服务在中国是个大生意。 关键问题变成，企业为 AI 付费，最终会更像买 SaaS，还是更像买云基础设施。从目前各家公司的实际讨论和规划来看，大家普遍不太担心企业侧的 AI 支出，倾向认为它会挂在更刚性的基础设施那一侧。 12、中国的数据产业在 RL 和高质量任务环境上明显不如美国成熟。和 OpenAI、Anthropic 那种可以为单个 RL 环境花上千万美元、一年累计几亿美金的玩法相比，中国团队的普遍反馈是，本土数据服务供应商不是没有，但质量参差不齐，很难直接买到能用的内容。 于是就形成了一种很中国式的解决办法，很多 RL 场景、评测环境干脆自己搭，研究员本人要花大量时间设计任务、构建环境。字节、阿里这种大公司，也会养起自己庞大的标注团队，在公司内部自给自足。 13、算力是所有中国实验室的共同痛点。无论走到哪家，大家对高质量英伟达 GPU 的需求都是一个词，不够用。如果供应允许，他们会毫不犹豫地继续加仓。 国产加速卡在推理侧评价还可以，已经被不少公司部署到在线服务里，华为芯片在很多实验室都有落地。但在大规模训练上，英伟达依然是黄金标准，国产方案更多是辅助补位。 14、在开放程度和生态态度上，中国实验室显得既务实又有整体视角。Nathan 几乎问遍了所有头部团队，为什么会在这样的环境下持续开放自家最强模型。他自己坦言，把所有权心态和真实的生态支持这两件事联系起来，他还没完全想明白。 但从对话里，他归纳出几个共同的现实诉求，通过开放权重，快速让更多开发者参与打磨，发现缺陷；通过回馈开源社区，获得技术和口碑上的正循环；同时在内部保留更定制、更私密的模型版本服务自家业务。整体表现出来的，是一种既不绝对开源、也不一味封闭的中间态。 15、中国实验室对英伟达芯片的渴求是压倒性的。Nathan 走访下来，所有人现在的进展都卡在同一件事上，就是英伟达的卡不够用。 如果能买到，毫无疑问会继续加仓。 这里他特意点出来一个区分，英伟达是训练这一侧的黄金标准，没有替代品。但在推理这一侧，画风就完全不一样了。包括华为在内的国产加速卡，评价都是正面的，不是凑合用，是真的能打。 Nathan 说他遇到的实验室里，无数家都已经能拿到华为芯片，供给这边不是问题。所以中国实验室现在的真实状态是一个两层结构，训练咬牙抢英伟达，推理大方用国产卡，分得很清楚。