之前做LLM推理芯片架构探索的时候，我把四大AI推理ASIC公司的架构都翻过一遍。Groq、SambaNova、Tenstorrent、Cerebras。前三家的思路虽然各有侧重，但底层逻辑都在同一个框架里：片上大SRAM + dataflow架构 + 确定性调度，核心差异在NoC拓扑、内存层级、编译器抽象这些维度上展开。 Cerebras是里面让我真正被震惊到的一家，而它却这四家里马上第一个拿到IPO结果的。 这家公司的选择比其他三家都激进一个量级：不做芯片，直接做整片wafer。 单颗WSE-3，21.5cm × 21.5cm的整片晶圆，90万个PE通过scribe-line stitching在物理上连成一片连续的silicon。这个工艺是Cerebras和TSMC联合定制的，把原本用于晶圆切割的窄条改造成跨reticle的金属导线，让所有reticle在物理上拼接成一整块芯片。（配图二展示了单颗WSE-3内部结构：左半边是整片晶圆的reticle网格和scribe-line拼接，右半边放大了单个PE的微架构。） 单个PE的结构极简：8-wide FP16 SIMD计算核，48KB本地SRAM直连，没有cache层级，所有数据访问都是确定性的单周期。加上一个5端口路由器（N/S/E/W + loopback），相邻PE之间的通信延迟也是单周期。关键在于，跨reticle边界的mesh在物理参数上和reticle内部完全一致，编译器和runtime完全不需要感知reticle边界的存在。 从LLM推理的视角看，这个均匀性的价值非常大。 LLM推理的瓶颈在decode阶段。每生成一个token，模型权重要被完整读取一次，计算量却很小，典型的memory-bound场景。GPU集群在这个环节的核心问题是数据搬运：HBM带宽有限，多卡之间还要经过NVLink → NVSwitch → InfiniBand → Ethernet四层互联，每一层带宽和延迟都差几个量级，编程模型必须显式处理每一层的拓扑边界。 Cerebras的做法完全绕开了这个问题。单片wafer内部fabric带宽27 PB/s，权重从外部的MemoryX存储集群通过SwarmX流入wafer后，在PE之间按数据流模式传播执行，同一套placement和routing算法跑遍整片wafer。（配图一展示了这个系统级架构：MemoryX参数存储集群到SwarmX互联fabric，再到底层最多2048台CS-3节点，权重广播和梯度规约的数据流方向一目了然。） 90万个PE各自带48KB SRAM，合计约42GB片上存储，每个PE对自己本地SRAM的访问是单周期确定性的，PE间通信每跳single-cycle，延迟和曼哈顿距离成正比。对于推理场景，前提是weight streaming的编译器能把权重有效地分配到对应的PE上，这42GB分布式片上SRAM的聚合带宽远超GPU的HBM方案，没有cache层级带来的访问不确定性，没有跨芯片搬运的开销。 回到我自己的体感。做推理芯片架构的时候，NoC拓扑和内存层级的权衡花了大量精力，因为芯片边界是硬约束，跨芯片通信的成本和片内通信之间永远存在断层。Cerebras的做法等于从片内通信的角度消除了这个断层，代价是整条制造和封装链都要重新定义。 这也解释了Cerebras的工程取舍。所有架构创新集中在wafer内部，scale-out方向直接复用100GbE + RoCE的以太网生态。wafer内27 PB/s对比跨CS-3的SwarmX在Tbps量级，几个数量级的差距全部交给商品化网络承担。推理场景下单wafer内部的带宽和延迟优势可以直接转化成token生成速度。 OpenAI选择和Cerebras合作做推理，从架构层面看逻辑是通的。大规模在线推理需要低延迟、高吞吐、确定性时延，这三点恰好是wafer-scale架构在片上通信均匀性方面的结构性优势。 但这套架构也有几个结构性的问题值得正视。 良率和成本是绕不开的。整片wafer做单颗芯片，任何一个reticle的缺陷都影响整体。Cerebras靠冗余PE和路由绕行来应对，但冗余比例和良率数据从未公开过。一片wafer的制造成本本身就远高于切割后卖单颗die的模式，叠加23kW、15U的单系统功耗和体积，部署密度和TCO在大规模推理集群的经济性上面临考验。 最关键的是KV cache的容量瓶颈。42GB片上SRAM看起来很大，但长上下文推理场景下KV cache随序列长度线性增长。以Llama 70B为参考，FP16下128K上下文的KV cache就要吃掉约40GB，即使做KV cache量化，长序列场景下的容量压力仍然显著。片上放不下的部分必须依赖MemoryX做外部存储，数据要经过SwarmX回传，这条路径的带宽在Tbps量级，和wafer内部27 PB/s的差距意味着长序列场景下decode速度会被外部带宽卡住。这可能是Cerebras在推理场景面临的最核心的架构约束。

🎮社交金融 当社交信号（Social Signal）能直接触发链上执行，当代币发射能被「编程」设计，Web3 社交才真正开始释放其独有的金融爆发力。 Dapital @trydapital 【核心】： 将社交信号与链上执行无缝融合的 DeFi 交易体验。 很多人第一次注意到一个资产，其实不是因为研究报告，而是先在社区里看到别人讨论。Dapital 做的就是把这种社交发现直接变成原生的 DeFi 交易体验。社交信号和链上执行融合进同一个产品里，让观点、讨论、跟单和组合展示都在一个带有金融属性的社交网络中完成，真正让信息流同时变成资金流。 Flap @flapdotsh 官推 XHunt 排名：9231 【核心】： 支持社区激励与后续运营的“可编程”代币发射平台。 Flap 的定位是可编程代币发射基础设施，简单说就是让创作者、社区和项目方可以更灵活地发行、交易和运营自己的 token。Flap 强调 programmable launch：即代币发行后可以围绕社区激励、交易机制、创作者收益和后续运营做更复杂的设计。如果说 pump 类产品把发币门槛降到最低，那么 Flap 更像是在探索发币之后如何让代币和社区关系长期运转。 GEMINT @GEMINT 【核心】： 用链上结算重构传统集换式卡牌（TCG）的交易格式。 集换式卡牌游戏（TCG）是一个体量不小、但底层长期依赖物流和信任的市场。GEMINT 用链上结算和互动交易格式彻底重构这个市场的基础结构，目标是把传统集换式卡牌的收藏属性、稀缺性和交易属性搬到链上。它的看点在于把 Web2 玩家熟悉的卡牌消费体验，转化成可持有、可交易、可组合的链上资产。

🚀 Bitget CFD 跟單體驗全新升級！ 看盤、跟單、管理部位 —— 所有操作一氣呵成，流暢度直接拉滿： ⭐️ K 線頁面直觀展示專家：在分析圖表時，能同步查看表現頂尖的交易專家，助你做出更明智的跟單決策。 📊 交易操作區部位管理再進化：全新的「跟單部位」專屬模組現已上線 —— 讓你一目了然，輕鬆掌控所有持倉狀況。 👉 現在就前往體驗，將你的跟單管理實力提升到全新高度！ 👇公告詳情👇

《一个 05 后，3 天 Claude Code，10 万单：深圳 AI 圈给我上了一课》 昨天去参加了“生财有术”航海家的深圳线下交流会，4个小时的交流体验下来，相对比于广州，深圳人真的好强、好卷、好厉害。 这次参会的大约有 100 人左右，现场分为 AI +不同主题的小组，每个主题大约有 12 个人左右，每个小组会分在不同的会议室，3个多小时后，每个小组总结出本小组最核心的观点，所有小组再次聚集到大会议厅，每个小组把本小组最核心的观点向大家展示，这种玩法挺新的，照顾到大家想学到不同的知识。 这次参会还有一个亮点值得一提，就是每一个新进的航海家可以随机抽取一名老的航海家，2个人有大半个小时的时间互相去了解对方有业务领域，这样就避免了新人进来不知所措的尴尬，同时也让新老成员之间有了更深度的链接。 这次聚会让我印象最深刻的就是两点： 1、一个21岁的小伙凭借刚刚用了3天的 Claude Code，做出了一个适合教师用的产品 ,客单价 9.9, 卖了10万单，收入近90万利润。 2、在我们小组内讨论出来的核心观点：AI时代，普通人最应该做的就是把自己产品化。 首先，这个05年出生的小伙，据他自己分享，初中还没毕业，对 AI 是零基础 , 他刚刚熟悉 Claude Code 三天的时间，就针对老师的需求，搞了一个叫“班级宠物园”的管理工具，在小红书上卖出了 10 万单，收入近 90 万。 在 AI 时代，大家开发产品的能力已经大大提升，很容易就能做出一款产品。但现在最缺的其实是找到客户的需求，找到创意点，这才是最重要的，也就是说，在当下的世界，只要你有好的想法，就相对更容易赚到钱。 其次，AI 时代普通人最应该做的就是把自己产品化，普通人用 AI 变现，重点不是追新的工具，而是把自己的经验、判断、方法等等，整理成可以被 AI 重复调用的系统。 比如，我们首先要做的是形成自己的知识库，将之前积累的文字资料全部分门别类地整理出来，存入 Obsidian 知识库中，形成我们自己的系统，随着你在各方面积累的越来越多，你自己的系统就会越来越强大。这个系统不单纯仅仅是一个资料仓库，而是真正在你未来的工作生活中起到很大的帮助。 举个例子说，像我平时每天都有好几个人过来问我各种各样的问题，如果单靠花时间一对一地回复，其实挺占用时间的，如果有这套系统后，可以把问题直接在我的知识库时咨询，系统就会按照我的认知给出回复，而这些回复，不像在那些外面的 AI 工具那样，只给你一些看上去很正确，但感觉又解决不了问题的回复，就比如现在的“生财有术”创始人亦仁的智能体，也就是我们大家所知道的 AI 亦仁，就是按这套逻辑去操作的。 接下来我也在努力创造这一套系统给我的付费学员去用，这样他们想问什么或者操作哪一个项目，其实只要在这个系统里面打出自己的问题即可。 所以我觉得在当下这个 AI 年代，很多事情只要你有想法，你就可以去实现，同时，在这个 AI 时代会不断出现很多很多的工具，我们也可以不着急，我们要做的就是先把自己变成一个 AI 智能体，再用 AI 来放大这个智能体。

HUNTC-562 🔞全裸組體操 學校體育館裡，一群青春學生被迫參加「全裸體操」課堂，從單純伸展動作開始，教練逐步要求跨腿展示、裸身彎腰、翹臀張開私處、男孩從後猛烈抽插；多人群交場面爆發，口交、騎乘位、狗爬式交錯，高潮呻吟與肉體撞擊，汗水體液四濺成一片淫亂狂歡 🎉

看了犀牛哥的讨论，感觉很多人真的很喜欢在投资圈造神， 这个人最近赚了，就觉得他牛逼，开始跟单：他买啥我买啥。粉丝越来越多以后，博主自己也容易膨胀，慢慢变成我就是比你们懂，你们听我的就行， 但问题是，我们看到的永远只是别人愿意展示给你的那一面，一个正常会犯错的投资者，就被包装成了永远正确的人。 所以前阵子我看富途评论区，犀牛都快被骂惨了😂 踏空半导体要骂，拿微软要骂，拿英伟达也要骂。某种程度上，这反而说明他的影响力确实已经很大了，大家已经开始拿他的每一笔操作当标准答案。 但我觉得犀牛有一点还是挺好的，他很多时候愿意公开自己加仓、减仓和仓位变化。赚了大家能看到，判断错了、没吃到某段行情，大家其实也看得到。 而且说到底，你也不知道人家账户到底是怎么玩的。没准长仓看起来很保守，短线期权玩得飞起，只是懒得什么都跟散户讲。 想想也正常。 赚了，你觉得这是他应该的，亏了，评论区追着骂，讲多了还容易被人直接照着跟单。 那人家图啥呢😂

我一直是特朗普总统及其加密友好政策的坚定支持者。 作为World Liberty Financial的早期支持者，我在项目初期投入了大量资金，因为我相信该项目向公众展示的愿景：一个促进金融自由、去除中介、将去中心化金融的福祉带给普通民众的DeFi平台。 然而，从未有人向我或任何投资者披露的是：World Liberty在部署WLFI代币的智能合约中暗植了一个后门黑名单功能。该功能赋予公司单方面的权力，可以在无需通知、无需理由、无需救济途径的情况下，冻结、限制乃至实质没收任何代币持有者的财产权利。 这是去中心化的反面。这是一扇伪装成大门的陷阱。 我在此谴责WLFI内部不良行为者持续制造的代币丑闻。 我是第一个也是最大的受害者——早在2025年，他们就非法将我的WLFI代币钱包列入黑名单，这一行为违反了基本的投资者权利和区块链的公平原则。 WLFI团队所采取的一切行为——从用户身上榨取费用、秘密植入后门控制用户资产、在未经披露和正当程序的情况下冻结投资者资金、将加密社区当作个人提款机——所有这些行为都是不正当的，从未经过任何公平、透明、善意的社区治理程序授权。 那些被援引来为上述行为正名的治理投票，并非通过公平或透明的程序进行。关键信息对投票者隐瞒，实质性的参与受到限制，结果早已预定。这些投票代表的不是社区的意志——而是设计它们的人的意志。 这些行为与我无关。与那些相信该项目承诺的投资者无关。我们以最强烈的态度反对上述每一项行为。 WLFI团队的所作所为正在侵蚀社区对项目的信任。解锁代币，维护对社区的透明。让我们以诚信建设，而非以不端行事。

科研 Agent 真正进入实验室，最缺的可能是一套能把论文、代码、数据和研究决策串起来的工作台。 上海人工智能实验室这篇论文提出 SciForge，一个面向科研流程的 AI 原生环境。 它会把论文、数据、代码、模型参数和人工决策连接到同一张 Evidence DAG 上，让研究过程能够持续保存，也方便后续追踪和复查。 研究者主要负责判断和审批，文献搜索、数据分析、绘图、实验执行和写作则交给后台 Agent 与工作流。 论文展示了基因发现、蛋白质设计、分子优化和论文复现等 8 个案例，其中一个长期任务经历了 132 个阶段，留下 199 次以上 Git 提交。 这项工作把科研 Agent 从单次任务工具，推进成了一个能够维护长期研究现场的系统。 科研自动化越深入，证据链和可复查性就越重要。 真正进入科研流程的 Agent，需要把做过什么、结论从哪里来，一起留下来。 📎 arxiv:

杰哥也是世界杯深度爱好者！ 发现了 【杰哥传送门🌝】 【聚合Play】 它不是单纯做一个世界杯竞猜页，而是把世界杯相关预测市场聚合成一个专业交易入口！把 Polymarket 和 Hyperliquid 的相关事件市场放到同一入口！一站式聚合Play！ 看球的时候追注很好用！ 【玩法超多】 冠军、金靴、晋级盘、单场盘口和赛中实时盘都集中在世界杯专题里！妈妈再也不用担心我开多个网页了！ 【标的很细】 既能做赛前，也能做赛中。 市场不仅有冠军、金靴、晋级等长线盘，还有胜平负、让球、大小球、准确比分、半场、角球、进球、助攻、射门等子市场；比赛进行中还会显示实时比分和状态，价格随进程更新！ 【数据丰富】 边看边下的信息密度高。 他展示价格变化、可缩放走势图、规则说明、Market Context ；更牛逼喔是交易终端还整合了图表、订单簿、下单面板和链上分析。 欢迎加入杰哥社群一起踢球🌝🌝