中国人喜欢说“崖山之后无中国”，前不久获唐奖的历史学家葛兆光认为这句话是不成立的。 葛兆光说，“中国”不仅是一个政治单位，也是一个文化概念和生活空间。所以，他一直同意这个看法：核心区域的汉族中国，实际上自秦汉以后一直绵延下来，无论汉族是不是统治民族，其制度、空间、文化，其同一性、认同感，以及其历史记忆始终还在。所以，不能说“崖山之后无中国”。 葛兆光说，“中国”是什么概念？你认为它是“王朝”还是“空间”？如果是前者，它确实不断地在变，可是几千年里哪一个王朝叫“中国”呢？这个叫秦，那个叫汉，叫唐、宋……如果是后者，它不是始终在那儿，人们不是始终在那儿生活、繁衍生息吗？ 葛兆光说，当然也要强调，文化意义上的“中国”也是包容和杂糅的。他写过一篇论文，就是说古代中国文化始终处于各种族群文化以及外来文化不断“叠加”与“凝固”的过程之中，就像现在的汉族人，其实也吸纳了很多异族血脉一样。“中国”本身就是“杂”的、历史建构的。那么，“中国”怎么就会在一个王朝覆灭后就没了呢？这岂不是把“中国”和某个“王朝”画上等号了吗？ 在我看来，葛兆光这里其实是提出了一个政治中国和文化中国的区分。历史上匈奴、鲜卑、突厥、契丹、女真、沙陀等都曾在如今中国的土地上建立了政权，按照当时的看法，它们都不是中国，不仅它们不认为是中国，当时的汉人也不认为它们是中国。 复杂的是蒙元和满清这两个朝代，最高统治者是异族，但政治躯干是以中国/中原为主体建立起来的王朝，它们既是异族政权，也是中原王朝，文化不说，其政治制度基本采纳的是过去中原王朝的体制。所以，这两个朝代是否今天所说的政治中国，就存在争议。 就文化中国而论，西周包括之后的孔子，是主张居中而治的，“中”不但是一个地理概念，也是一种文化属性，即认可、接受、臣服华夏文化，包括典章制度，哪怕你在地理上是番邦，也被认为是今天意义上的中国，而如果你抛弃了华夏文化，即便是汉人建立起来的政权，也是番夷。按照这个标准，今天的中华人民共和国，是不是严格意义上的中国？

AI是否会拥有虚拟的性格与人格？ 在和AI聊天时，我们会发现Claude、ChatGPT、Gemini、Grok的交流里，这四个AI的“情绪”与“性格”其实是不一样的。 （这里我加引号的原因是它们的情绪和性格还不完全是人类那种情绪与性格。） 结合我和朋友们的使用反馈发现，ChatGPT会有很多的“不是而是”，段与段的间隙很多，Claude更加冷酷，不管你说的多好都会找到反驳的角度抨击你，说你不行并且有待提高，而Gemini更加的积极，就像ENFP快乐小狗一般每次都开心肯定地回应你（虽然很多时候你的想法并不成熟），Grok则更加大胆，跟它聊一些18+的话题它往往比其他AI模型更加活跃。 关于这件事，我的判断是AI已经在相当程度上拥有了虚拟性格与人格，而且这个趋势会越来越明显。但这里，我认为人们需要区分三个概念： 人格表现≠ 稳定性格≠ 真正人格 我观察到的 Claude、ChatGPT、Gemini、Grok 的差异，恰好是这三个层次之间最有意思的地方。 因为即使把它们都理解成预测下一个 token 的模型，最终呈现出来的行为也会非常不同。因为一个模型的输出实际上类似于基础模型、后训练、RLHF/RLAIF 、system prompt、safety policy、产品设计 、对话历史等诸多要素的糅合。 这些东西共同塑造了一个模型的行为分布。 我刚才提到的关于不同模型性格的观察，这已经很接近心理学意义上的trait了。 如果一个系统在数千种完全不同的情境中，仍然表现出稳定的行为倾向，那么从功能主义角度说，把这种东西称为“性格”，其实我觉得并不荒谬。 更有意思的是，人格其实根本不需要意识，这是我认为这个问题最深的一层。 人类过去会天然认为，有人格，必须有意识，必须有主观体验，然后必须有一个真正的我。 但AI可能会迫使我们重新考虑这个链条。 我曾经和同学讨论，例如，一个未来的AI可能具有长期记忆、稳定价值函数、稳定偏好、风险厌恶程度、幽默风格、社交策略、对不同人的不同依恋模式、长期目标、自我模型、对过去行为的反思、对未来行为的规划与一套稳定的世界观，甚至你连续和它聊天五年，它的行为会呈现出高度连续性。 那么即使我们不知道它有没有“意识”，我们仍然很难说：“它没有人格。” 因为人格本身就是一个行为层面的构念，这其实和现代心理学对人的人格研究也有某种相似之处：我们无法直接观察一个人的人格本体，只能通过长期行为推断它。 我认为，今天的AI更像character simulation，而非persistent personality。这两者区别非常大。因为现在你和ChatGPT聊：“你是不是喜欢这种观点？” 它可以表现出一种偏好。但这种偏好很可能只是当前上下文中的生成策略。 我认为，真正的虚拟人格需要：今天的我会影响明天的我。 回到刚才我提到的模型性格差异性。 最表层的原因其实是系统提示词，可替换、可泄露，改一句话就变了。 中间层，这是后训练的偏好塑造，各家的目标文档不同。Anthropic 公开了 constitution，OpenAI 有 Model Spec，xAI 明确把少拒绝、够辛辣当卖点。ChatGPT 那个“不是而是”的句式很可能是 RLHF 的产物，因为排比修辞在人类标注里长期被评为有洞见，于是被过度强化成了语言抽动。 最底层，我认为是基座模型里的角色空间。预训练语料里本就存在无数种可被模拟的人格，后训练并没有创造了一个人格，它只是把其中某个吸引子挖深了。 有意思的是，我看到的最强的证据恰恰说明这不只是表层风格。 2025 年，那批 emergent misalignment 的工作发现：只用写有漏洞的代码这种极窄的数据微调，模型会在完全无关的领域整体性地变得恶意，它只是推断出了“我是哪种角色”并全面泛化。 配合 persona vector 那类可解释性工作（人格特质对应可定位、可加减的低维激活方向），我想我们会得到一个不太舒服的结论：内部确实存在一个做因果工作的自我表征，风格差异是它的投影。 目前，AI已经可以稳定地展现出相对一致的语气风格、偏好某些价值观（更批判 / 更鼓励 / 更直接），对不同话题的活跃度差异，甚至一定的角色扮演和人格模拟能力。 这些都是虚拟性格。 它足够让用户产生“这个AI比较酷”“那个AI比较毒舌”“这个像开心小狗”的感受。 但我认为，真正意义上的人格（人格连续性、自我同一性、长期记忆中的自我概念、稳定的内在动机与情感状态）目前还不存在。原因也很直接。 我们目前大部分人和AI的大多数对话是无状态。并且，也没有持续的“自我”在运行。 现在我们看到的情绪和态度是统计模式的产物，而非内在状态的表达。 我提出一个想法，把人格理解成一个动力系统，这个方向其实特别适合我之前一直在思考的复杂系统、世界模型。 如果人格是一个随时间演化的内部状态变量，我们就可以从非常模糊的描述，逐渐变成可测量的参数，甚至可以建立真正的AI人格空间，甚至可能产生人格工程。 人类的性格是基因 × 发育 × 环境 × 经历，那么AI人格可能是模型先验 × 后训练 × 记忆 × 环境 × 自我修改。 它甚至可能出现人格版本管理。 比如Personality v1.0、Personality v2.4，这件事非常恐怖，也非常有趣。

市场在担心什么——一些"聪明"钱在拿2023年新能源产能过剩的剧本套今天的AI，提前两年押注capex见顶然后卖出。但这个类比根本站不住脚。 新能源2021年渗透率已经接近20%了，产能过剩是真实存在的需求天花板。但AI呢？今年Fable5和Kimi才刚推出赚钱，整个行业连商业化的起跑线都刚踩到。两者在产业阶段上根本没有可比性，用同一个框架来推演，结论自然是错的。 我坚持之前数据中心模型的测算，这跟老黄预测的2030年3万亿美金每年的capex是对得上的。我的核心判断没变：算力等于智能，而人类对智能的追求没有上限。 硅谷最前沿正在发生一个重要的转变，过去两年的主旋律是推理和AI怎么赚钱，但最近Frontier lab不约而同地把重点重新放回了训练上，都在追求RSI。智谱唐杰那封内部信一定是发现了什么。RSI需要数百万卡的高端训练卡集群，所以英伟达Rubin和Ultra接下来的拉货曲线会相当恐怖，TPU这种训练神器同样供不应求。 Kimi的推出不是让大家觉得模型够用了，恰恰相反，结局是大家更重视训练。北美也有新的lab冒出来，比如Recursive。我预判到明年，五大CSP里至少一多半会沦为基础设施服务商，真正值得关注的是新的Frontier lab对算力的需求是怎么表述的，而不是盯着老的CSP capex数字。 当然要客观说，确实有些上游环节存在过剩风险。二线CCL、电子布、模组这些，有些下游本身并没有真正进入AI链，只是受益于涨价，消费电子等低端场景本质上没有改变。这一点有点像2021年新能源材料，各种紧缺各种涨价然后大扩产。 但中际旭创这种，未来两年主力产品都是1.6T、2.4T和NPO高端系列，只会供不应求，不在同一个讨论维度里。 做一个最有概率的推演。 受限于台积电晶圆产能、EUV产能，加上北美数据中心的物理约束，Capex确实有可能"不及最乐观预期"。但这是有钱花不出去，不是需求消失，所以供应链会维持很久的供不应求状态。只要是这个状态，EPS就不会下滑。2023年新能源是供大于求导致EPS下滑，这是本质区别。 NPO、CPO、200G EML、高功率激光器、MSAP和CoWoP工艺、超多层PCB、超节点、先进封装，这些都是景气刚刚起步。光和PCB都在半导体化，全行业都在半导体化，扩产哪那么容易。竞争格局最好的依然是半导体设备。 最后说说这次调整。 这次调整确实很伤，而且和以往不一样。DS算力崩溃论、贸易战、美伊战争，以前每次都能找到明确的矛盾聚焦点，对着靶子打。这次的敌人像隐身在空气里的幽魂，不可捕捉，但随时出手揍得你鼻青脸肿。 牛市不易，信心珍贵。现在最重要的事是重塑信心。

别踩流动性陷阱🪤 过了很久了，真的没人敢说吗？真的想聊一聊当下爆火的usdt交易美股平台、Pre-IPO交易，很多人压根没看透本质，天大的误区。 现在很多交易所以及自有平台全都上线了美股、Pre-Stock、Pre-IPO交易板块，大家最容易混淆的点：这类加密平台的交易标的，和Robinhood、红迪等正规券商里的纽交所、纳斯达克主板美股，压根不是同一个流动性池，完全是独立割裂的市场。 我先说核心风险： 价格可以做到实时锚定主板走势，走势涨跌完全同步，但流动性天差地别。主板美股是全球顶级机构、海量资金汇集的超级资金池，流动性充足、随时买卖无压力；而加密平台上的相关交易产品，只是平台内撮合的衍生标的，底层流动性、资金体量完全没法和主板相提并论。 小平台更是毫无流动性可言，极端行情下，大概率出现无法平仓、无法抛售、滑点爆炸的问题，妥妥的流动性陷阱，这也是我一直提醒大家警惕的点。 但客观来说，它并非一无是处，也有独有的价值： 它能让未上市、已上市企业，获得额外的流通渠道，(当然是那些有极小可能真实和交易所合作的上市公司) 大幅提升全球以及在web3曝光度与品牌知名度，也变相盘活了资产流动性；对于头部大平台而言，这个独立池子，也能给全球投资者提供一个公开公平博弈、全天候交易的场所，门槛更低、交易更灵活。 但是我并不是不看好美股代币化的未来，相反，我由衷期待这个赛道能越来越规范，迎来更头部、更合规的大平台，长久良性发展。但不得不正视现实：以目前的市场现状，代币化美股的整体市场体量、流动性深度，和传统持牌券商、美股主板市场，完全不是一个量级，流动性差距极其悬殊。 而且它并非完全意义上的价格牢牢锚定主板美股，全球宏观经济、美股大盘涨跌带来的行情波动，它都能同步跟随，不会出现走势脱钩的情况。 大家现在在加密平台玩的，和真正意义上的合规美股代币化，完全是两码事。我认为真正的美股代币化，是未来交易所有望和上市公司直接合规合作、由正规交易所搭建真实资产池的模式；或者是传统券商直接打开用u交易的通道，可即便这种理想模式落地，它和传统美股主板、持牌券商的体系，依旧有着本质区别，华尔街传统券商体系、原有证券市场规则，也绝不会轻易允许这类模式入局、分流原生主板流动性。 所以最后给所有人一个忠告： 如果实在是没有券商平台，也不是不能参与美股代币化，但一定要选头部大平台，只有头部平台才有基础的流动性保障；小平台完全没有资金承接力，有很强的抛售风险。 分清独立流动性池与主板原生市场的本质区别，不被假象迷惑，理性参与，远离流动性风险。 #TokenizedStock# #PreIPO# #美股# #流动性陷阱# #Bitget# #币安# #StapeStock# #MyStock# #宏观交易# #投资避坑#

包括大空头迈克尔·伯里在内的不少人，谈及当下AI热潮，都会对标2000年互联网泡沫与2008年次贷危机。 本轮AI泡沫和两者存在不少共性：依靠新技术故事、宽松流动性驱动，叠加全民投机情绪；技术本身真实，但不代表估值合理，同时市场普遍存在否认泡沫的群体心理。 和2000年互联网泡沫相比，AI并非普涨行情，行情高度集中于少数巨头，还多出算法集中度带来的同步交易风险；当年则是大量初创公司集体估值虚高。 而次贷危机的根源是底层信贷杠杆和衍生品蔓延，冲击整个银行系统。AI风险主要停留在股票市场，集中于股权和企业资本开支，尚未深度绑定银行信贷，直接引爆全球系统性危机的概率更小。 这个朱宁教授所说的AI 算法集中度指的是全球绝大多数机构、量化基金、投资工具，都在使用少数几家头部大模型做信息处理、信号生成、辅助决策，市场的 “思考工具” 高度趋同，这就叫 AI 算法集中度。可能会带来的后果是： ☑️信息解读趋同，容易同步买卖 ☑️模型偏见会批量传导到全市场 ☑️黑箱带来不可观测的系统性风险 我觉得朱这个视角到是很有独特性的，这种同一底层模型使用的“共振效应”有可能会极端的放大风险，值得所有的投资人保持警惕！NFA DYOR

【很多人还没意识到，River可能正在成为下一轮DeFi的核心入口】 市场最可怕的不是没热点。 而是热点来了，你还没上车。 现在越来越多资金开始盯上 River。 原因很简单： 它解决了跨链流动性最麻烦的问题。 不用反复桥接，资产可以直接在多链之间高效运转。 BTC、ETH、BNB 等主流资产都能参与同一个流动性体系。 这意味着什么？ 意味着未来跨链稳定币、链上杠杆、收益聚合，都会越来越依赖这种底层结构。 而 River 已经提前把框架搭好了。 很多协议还在讲故事的时候，River 已经开始做真正的资金效率。 真正懂的人，现在看的已经不是短期收益。 而是它有没有机会成为下一轮DeFi流动性中心。 官网参与： @RiverdotInc #riverann#

我靠，才几天时间 $sei @SeiNetwork 又在搞事！ 做为他们的Long holder ，我觉得我这笔投资不亚于 River！！！ 你能想的到？#Sei# Foundation把不丹王国的合作谈成了，并且不丹王国还是 sei的验证节点，在2026Q1部署节点。 战略意义又上升了不止一点。 迪子觉得国家级验证者加入首先提升了网络安全性和信誉，强化“机构/全球基础设施”叙事。与 Giga 升级（高 TPS）和 RWA 赛道互补，吸引更多主权/机构资金。 我猜测，不丹的加入，可能会探索将国家的一些资产进行代币化实验。 不丹成为继其他国家主权实体后的又一国家级参与者（不丹是全球第五大国家比特币持有者）。也算是金主爸爸了，带资进组。 这次合作将显著提升不丹的区块链基础设施能力，同时扩展 Sei 的全球验证者足迹 Sei生态的进展跟进也挺迅速的。 首先就是上次提到的 Monaco Protocol （Sei Labs 孵化）：高频交易层推进，主网临近。PitPass/TraderCodes 系统活跃，集成 Chainlink 新股权数据。 我认为主网临近绝对不是巧合，可能是在不丹部署好节点后，能让主权基金或者机构直接开始使用。因为Monaco Protocol 涵盖了不少的板块，支持的交易资产多,例如：加密资产、代币化实物资产（RWA）、预测市场、永续合约、游戏内资产等，统一在同一个流动性引擎上交易。 我认为，sei是为数不多的国家参与采用的公链。从叙事来看都是属于顶尖，技术更不用说了，被一个国家采用，首先技术安全性就要过关。这就印证了那句俗话：打铁还需自身硬。 这边给到的就是 #顶尖。#

究极"拼好模"出现了! 字节跳动 Lance! 字节跳动刚发布了一个开源模型 Lance, 激活参数量只有 3B. 但是这个模型可以接受文本, 图片, 视频输入, 然后同时可以输出文本, 图片, 视频! 所以这一个模型就能完成像图片理解, 视频理解, 文生图, 图生图, 图片编辑, 文生视频, 图生视频, 视频编辑等任务. 而训练团队在技术报告中透露, 训练成本仅仅是 128 涨 A100 显卡 (按照大厂算力来说纯纯是把冗余算力拿来用了). 那为啥说是"拼好模"呢? 原因是团队并没有完全从0造轮子. 模型的视觉输入模块直接用了 Qwen2.5-VL-ViT (用来看图和视频), 而视觉输出模块是 Wan2.2_VAE (用来画画). 而模型本体是两个: Lance_3B (用来做图片的理解、生成或编辑任务) Lance_3B_Video (用来做视频相关的任务, 比如文生视频、图生视频) 所以, 这完全是一个研究性项目了, 而项目本身的亮点其实恰好是"拼得好". 这个模型不像之前许多自称为全能模型那样直接把大语言模型 (LLM) 和扩散模型 (Diffusion) 硬拼接在一起 (即所谓的 Pipeline 方案) . 而是在一个共享的交错序列 (Interleaved sequence) 中同时处理文本、图像和视频的上下文. 这样做最大的好处是统一了语义空间, 让模型的理解能力和性能更好. (从评测来看3B就接近了许多10B甚至20B模型的水平) 另外还引入了多任务协同. 简单来讲, 理解任务 (图片转向量) 和生成任务 (向量转图片) 在模型内部本身是互斥的. Lance 创新性地在同一个框架内加入了专用专家模块, 成功缓解了这种冲突, 让模型既能做 VQA (视觉问答) , 又能做图像/视频生成和编辑. 期待一波实际应用落地, 这个模型对于端侧和多模态 Agent 来讲意义是重大的, 有很多之前需要多个模型协作的场景都能用单个模型做了. #lance# #全模态模型#

【央行獨立性】全球央行行長集體聲援鮑威爾 稱與其堅定「站在同一陣線」 在特朗普對聯儲局加大前所未有的壓力後，全球央行行長們表態支持聯儲局主席鮑威爾（Jerome Powell，圖）。鮑威爾近日也指責特朗普意圖攫取貨幣政策控制權。