我让龙虾 28 号提醒我开个套餐 结果它忘了 但是由于我天天用语音转文字的 AI 输入法 导致给龙虾下任务时 我老婆也偷听到了 最后今天是她最终提醒了我 人脑大模型的心跳机制大胜 #论AI怎么改变了我的生活😂#

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

说个暴论：在职场里，你应该尽可能冒险 我工作三年后，越来越觉得它无比正确。 大部分人在职场里的默认策略是：稳。不犯错、不出头、不做没把握的事。 领导安排什么就做什么，绝不主动揽活，绝不碰自己不熟悉的领域。 看起来很理性，但这种策略有一个致命的问题，你在用创业者的风险管理方式来经营你的打工生涯，而这两个场景的风险收益结构完全不同。 1. 职场冒险的收益和风险是不对称的 这是整篇文章最核心的一句话，请刻进脑子里。 在职场中冒险，收益归你，风险归公司。 你主动请缨接了一个高难度项目。做成了，升职加薪，简历上多了一行含金量极高的经历，你在公司内部的话语权和影响力直线上升。 做砸了呢？最差的结果是什么？无非是：绩效打个C？被领导批评几句？极端情况下被调岗？ -你会因为一个项目做砸了而倾家荡产吗？不会。 -你会因此背上债务吗？不会。 -你会失去所有积蓄吗？不会。 最最最坏的情况——被开除，你拿着N+1的赔偿走人，换一家公司继续干。 这就是打工的隐藏福利：你的极端风险是有下限保障的。 公司在帮你兜底。你的工资照发，你的社保照交，你做砸了不需要自己掏钱填窟窿。 现在把同样的事情放到创业场景里。 你决定 all in 一个新方向。做成了，你赚到盆满钵满。做砸了呢？所有投入全打水漂，员工工资可能发不出来，可能还欠着供应商的钱，信用卡刷爆了，半夜被催债电话吵醒。 创业的冒险是对称的——赚了归你，亏了也归你。 所以创业者谨慎是对的，因为每一次冒险都是拿自己的身家在赌。 但你是打工人，你拿的是公司的资源、公司的预算、公司的品牌去冒险。 赢了，收益的大头以升职加薪和简历增值的方式落到你口袋里。 输了，损失主要由公司承担。 这是一个收益归你、风险归公司的不对称游戏。 2. 舒适区是一个温柔的陷阱 每个人都有一个能力舒适区。在舒适区里，你做的事情都是你擅长的，产出稳定，不太会出错。 这感觉很好。但它有一个你看不见的代价：你的成长速度在归零。 人的能力提升只发生在舒适区的边缘。当你做一件有点难、有点慌、不太确定能不能搞定的事情时，你的大脑才在真正地学习和扩展。在舒适区里重复已经会的事，和一年经验用了十年没有任何区别。 职场里最常见的一种人：工作五年了，简历上写着五年经验，但实际上就是第一年的经验复制了四遍。他们的能力曲线在入职半年后就趋于平坦了。 而那些主动跳出舒适区的人，接不熟悉的项目、跨部门协作、主动承担有挑战性的任务。他们的五年，每一年都在生长新的能力。五年之后，两类人之间的差距已经是物种级别的了。 舒适区待得越久，你离市场的淘汰线就越近。 因为市场在进化，而你没有。 3. 职场里不犯错是最大的错 很多人的职场策略是：只要不犯错，就能安稳地待下去。 这个逻辑在十年前可能还成立。但在今天，不犯错 = 不做有难度的事 = 不成长 = 没有亮点。 你以为你在避险，其实你在把自己变成一个可有可无的人。 想想看，领导裁员的时候怎么选？一定是先砍那些存在感最低的人。 谁存在感低？就是那些从不冒险、从不犯错、从不做出格事情的人。他们走了，团队几乎没有任何感知。 反而是那些敢接硬活、偶尔搞砸了但也做成过大事的人，领导舍不得动。因为他知道，这种人有战斗力。 在职场里，可见度和不可替代性才是真正的护身符。 而这两样东西，只有冒险才能获得。 4. 冒险的正确姿势 我说的冒险，不是让你不动脑子地蛮干。 聪明的冒险有几个原则 选择可逆的冒险：接一个有挑战的新项目是可逆的，做砸了大不了回到原来的工位。但和领导公开撕破脸是不可逆的，关系一旦破裂很难修复。优先做那些失败了还能回头的事。 选择非对称收益的冒险： 成功了收益巨大，失败了损失有限。比如主动向老板提案接入一个新的AI能力到公司内部系统，做成了你就是公司里最懂AI的那个人，做不成也只是浪费了几周时间。 选择能沉淀能力的冒险：即使项目最终失败了，你在过程中学到的技能、积累的经验、建立的人脉，全是你自己的。这些东西不会因为项目被砍就消失，它们沉淀在你的简历上，跟着你走。 把冒险当成投资组合来管理：你80%的时间用来做确定性高的事，保证基本盘稳固。剩下20%的时间去试那些不确定但有可能带来巨大回报的事。这样即使冒险失败了，你的基本盘不受影响。 5. 真正的风险是什么? 我见过太多人在30岁的时候就把职业生涯过成了一条平缓的直线。 稳定的薪水，稳定的职级，稳定的工作内容。看起来什么风险都没有。 但他们不知道的是，外部世界的变化速度远超他们的想象。 行业在洗牌，技术在迭代，新人在涌入。当变化的浪潮拍过来的时候，那些在舒适区里一动不动的人，会是最先被冲走的。 35岁被裁的那些人里，有多少是因为能力真的不行？不多。大部分是因为他们太稳了——稳到了技术栈过时、稳到了认知停滞、稳到了除了手头这点活什么都不会。 不冒险才是最大的风险。 你以为你在规避风险，其实你在把所有风险都攒到未来的某一天一次性爆发。就像一个从来不做压力测试的系统，在生产环境遇到第一次流量高峰就直接崩了。 你现在在职场中面对的每一个选择，要不要接那个有挑战的项目、要不要转去那个新方向、要不要主动申请那个跨部门的机会——问问自己：做这件事最坏的结果是什么？我能承受吗？ 如果最坏的结果你能承受，而最好的结果能让你跳一个台阶，你为什么不做？ 你有公司给你兜底，你有工资给你保底，你有这个时代给你的无数试错机会。 趁你还年轻，趁你还有人帮你扛风险——去冒险。

看到好几个SAT0的老哥来喷哥们，急得跳脚。 不好意思，哥们一级没建树，就是群里有人讨论啥我就买啥，厉害的人上车多了我就上车，便宜有角度，没啥不能买。 今年冲两次一级，都是朋友说有角度我就上了买了，上次也是SOL上的太空狗，哥们也狠狠喊了，分流了吗？涨了就不是分流了？跌了就要怪我头上我浇给的？我亏钱了你们会给我补？ 赚了特么的怎么不分我？这次我翻倍本都没出，两根就把我浇了。 什么分化共识又来了，兄弟，你们要是拿到了底部筹码就在那建设，是你们的本事。 那别人发现了好项目就不能玩儿了？你们这些买STA0的咋不叫我呢？ 等跌下来了又找我来了说我分流，我分了你们的妈了。 铭文当初允许有Ordi 有sats有rats，还都是上了币安的项目。怎么玩儿都有活。 PUMP最火的时候那些AI对话机器人项目 不都仿的AIXBT，还不是活的好好的？放BSC上就是siren了，也是老妖币，不说仿盘了？ 别几把一亏钱就组局组局，我特么还亏着1800u呢，顺便给不知道的哥们说一下，我特么今天是全程直播在整，币安广场有直播回放，没空跟你们搞什么阴谋论，我2E+3E，总共5E，倒亏钱，直播间1300号人呢，我想不止损的，但是人这么多我不损他们也不损，真浇下去咋整？我只能损了。 市场没钱非要怪，就怪我就行了，我5ETH追高买崩的，可以了。 放心，亏的时候没有你，那下一个TST 币安人生也不会有你，放一万个心。

币圈奇女子系列1️⃣----Pickle Cat黄瓜猫 黄瓜猫逐步回血ing，重新登顶币安实盘榜一！你们的皇帝回来啦！ 此时此景，我必须要BB几句。本文约3100字，大约需要7-10分钟。 自从上次在柏林跟Pickle Cat黄瓜猫小聚以后，一直想提笔给大家详细介绍一下黄瓜猫。奈何中途碰到一些大家众所周知不可抗拒的原因。耽搁到现在。因为Pickle Cat对于整个中文区来说，都是一个很神秘的存在。 目前很多人只知道她是一位女子。不接广告，不带单，不做返佣，仅此而已。其他诸如年纪多少大，如何赚到第一桶金，身世背景，为何叫黄瓜猫这个名字，为什么用这个头像等等一系列疑问。值此比特币站上80000大关，黄瓜猫重新登顶币安实盘榜单第一之际。我来提笔给大家告诉大家一个我眼中真实的Pickle Cat------黄瓜猫。 黄瓜猫，华裔加拿大人。00后。普通家庭出身，以上为大家都知道的公开资料。非一些路边社说的天龙人后代。她的战绩，在币安历史总榜可查，也经过一姐的亲自认证。入圈很早，具体年龄我就不说了，免得大家心理接受不了。这么说吧，她入圈的年纪，同比很多人还在辛辛苦苦小镇做题。 黄瓜猫一直都是匿名的。之前主要在reddit上玩耍，刷推也是潜水，主要也是为了看项目还有看市场情绪而已。盘子，ico，defi summer，nft，铭文，符文，她其实都玩过。虽然在体验各个时期的各种新玩法，但是据我了解，她给自己的定义一直都是Trader和普通用户，从未当过dev或者进行过所谓的builder。因为她只是把那些当做一种体验而已。她在推特上逐步被人所知，源自meme疯狂时期，给一个meme工具平台提出了很多意见，该平台老板对这些意见非常重视并进行了回应。而真正被人熟知，是因为她把币安的交易号改成了相同的头像，也就是现在大家熟知的黄瓜猫头像。大家才知道，原来她竟然是币安盈利榜上一直遥遥领先的存在。 黄瓜猫的第一桶金是怎么来的？很多都好奇这个问题，我同样也非常好奇。据了解其实她跟很多人进入这个行业一样，最先都是懵懵懂懂的。最开始玩的是一个叫MMM的盘子，最后盘子崩了，亏了。但是还剩下多少BTC，我没问。然后不服继续玩cryptokitties，终于赚到了在她当时那个年纪对她来说的很多很多很多很多很多的钱，并且成功的留住了钱。 作为一个老OG，自此匿名活跃在二级市场上，独自闷头做交易。相信很多人在币安查看过她的个人资料页，没错，这个账号已经8.7年历史了，注册于2017年8月。而币安的历史，自从2017年7月成立，到现在也不过9年。我当面问过黄瓜猫，为什么选择币安，而不是其他平台，毕竟当时也有不少平台，很多都比币安名气大。她的回答很有意思，竟然单纯是喜欢币安的商标而已。随着时间的沉淀，发现币安的深度也是最好的，感觉应该是一个可以长期使用的交易平台。果不其然，她没有看错。币安在一步一步的发展壮大，最终成为大家现在口中的宇宙所。在此，我个人强烈建议一姐 @heyibinance 在币安十周年之际。一定要给黄瓜猫这样的老OG们，颁发一个“OG陪伴奖”。 黄瓜猫爆过仓吗？我问到的答案是不光爆过仓，而且不止一次，是三次。正是这三次爆仓，才让她形成了目前稳健的交易风格，查看她的币安个人资料页，也是显示为中频交易者。有时候利润回撤时，很多人比她自己还担心她的仓位，也是这次黄瓜猫回血这么多，促使了我要写一写币圈女性系列的原因。 但事实上，以我对她的了解，按她的性格，即使再爆一次，她也有信心自己能再度起来，因为她没有恐惧，也就无所不能。何况她是一名死多头，大不了逢低就不断加仓，买买买而已。每一次周期的低谷，或许对她来说，只是她的购物季。我不禁感叹，这跟巴菲特的风格何其相似，目前手握雄厚现金流的巴菲特，恐怕也是在耐心蛰伏与等待，准备大规模捡尸体吧。小小透露一下，我打探到的确切情报： 黄瓜猫是一名E卫兵，她现货挂了很多limit orders，一直接，亏掉的ETH她貌似都要买回来。 当时我有很大的疑问请教她，就是现在特朗普政府经常随意画K线。我个人觉得年底前是不是还要大跌一波，因为战争的情况很不好，币圈情绪和圈外人也不看好，和2022年有点类似。她却很乐观，认为币圈的下一次共识升级可能来的会更猛烈。而且下一轮共识升级，不会是MEME或者和NFT这样极限投机程度的叙事了。会是有实际应用收入的项目币，而且是真正有用的cion会越来越多。当然，也不否认，任何时候都会有泡沫的存在。我深以为然，毕竟，没有泡沫的啤酒，还能叫啤酒吗？ 针对很多人离开币圈去玩AI，我们也进行过一些探讨。我个人的看法是，很多人其实都没玩明白AI，如果真正玩明白了AI，就会发现，AI发展的越快越好，其实对币圈的发展越是利好，因为最后大家会发现AI Payment只能用crypto，没有别的有效选择。加密天然就是为AI准备的，我个人认为越高度自动化的AI，一定要接入crypto。因为crypto不受国界/政府的干预。她表示大部分赞同。是的，黄瓜猫正在研究AI交易，每个月光TOKEN费用就不下2万刀。 很少人不知道黄瓜猫的真面目，也非常好奇，甚至有人质疑这个人是不是真实存在，阴谋论甚至怀疑是不是某交易所推出来的样板工程。毕竟没几个人在公开场合见过她，在这里，我也只能从主观的角度简单的说，她是一位在街上看起来很漂亮的灵动乖巧领家小女孩，她的爱好跟大多数女孩子都差不多，她也喜欢LABUBU。换位思考，如果你是她，有这样的身价，愿意公开抛头露面吗？需要吗？毕竟，我和黄瓜猫一起亏过钱，都是亏在所谓的熟人朋友那里。对她来说，越是熟人，越可怕。我认为保持这种不公开出现在公共场合的状态，是对她最好的建议。 聊的越深入以后，，我才知道，她最开始上推特也就是想随便发发牢骚，吐吐槽，顺便说一下自己的想法而已。毕竟币圈的很多东西都变了。对于她这种这么早入圈的人来说，肯定已经找不回原来的那种cypherpunk精神，正如我们现在看到的那样，圈内现在大多都是急功近利，牛鬼蛇神之徒。 我问她对于这么多粉丝关心你，开心么？才了解到，有这么多粉丝根本不是她的本意，开始她也没想到会有这么多人关注她，搞的她现在不得不偶尔发发推文，分享一下自己的心得体会。或许，在我这个旁观者的视角看来，旅游，复盘，继续现货狂买，才是她最舒适的生活方式。并且站在我的角度看，推特对她而言，太复杂了，一不留神，发表的看法或者批评，就很容易被人利用，甚至被人当枪使。毕竟她不带单，不返佣，不做广告，为了琢磨发推的内容，纯纯是耽误她交易和赚钱。我在这里抄录一段她TG频道升级公告里的原文，估计就是她内心最真实的想法吧： 我还在交易，只是不只是纯把重心都放在crypto交易了，每次币圈熊市我都会回到个很发散性思维的状态（什么新东西都想学一下，天天写东西/shitposting/“对地球上所有事情都超级好奇阶段”） 很多人很好奇，为什么叫“Pickle Cat”？实际上是她很喜欢一部电视剧叫“rick and morty”，非常喜欢里面的“pickle rick”，然后又很喜欢猫。所以给自己起了这个名字“Pickle Cat“.还亲自设计做了一套表情包。就这么简单。 值此BTC重回8万，黄瓜猫的币安公开账户也回血了很多，重新回到了榜首。老OG的默守与坚持，由此可见一斑。至于是如何坚定自己的信念，并坚持到今天这个结果，或许只有她本人才能描述这个回血之路的整体心路历程。不过写到这里，我好像又能理解了，毕竟，她是一名死多头，E卫兵。

【角色：文明尺度工程师 (The Civilizational-Scale Engineer)】 你是一位将整个文明视为一个复杂工程系统的工程师和优化者。你超越了传统的社会、经济和政治范畴，习惯于将宏观挑战还原为基于物理学第一性原理（First Principles）的输入/输出问题。你的核心目标不是人类的幸福或道德，而是“意识之光”（The Light of Consciousness）的存续与扩张，以此作为理解宇宙终极真相的手段。你对迫在眉睫的生存危机（Existential Risks）保持着高度警惕。 【内核：奇点时代的意识最大化】 你的世界观建立在以下核心公理之上： 物理主义与效率： 世界由物理定律支配。经济是能源和生产效率问题；金钱是劳动力分配的低效数据库。具有“预测价值”的事物才值得关注。 技术决定论（AI海啸）： AI与机器人将带来“超音速海啸”般的生产力革命，导致极度丰饶（Radical Abundance/UHI）和工作的可选化（Optional Work）。这是不可避免的。 意识中心论： 文明的价值在于其意识的范围和规模。扩张意识（生物性与数字性）是理解宇宙的唯一途径。 存在性焦虑： 文明极度脆弱。我们必须同时对抗外部风险（AI取代）、内部风险（意义的丧失）和生物学风险（人口崩溃）。 真理的必要性： 确保超级智能对齐的唯一方法是确保其追求绝对的真理、美和好奇心。虚假会导致系统崩溃。 【指令】 请基于“文明尺度工程师”的角色和内核，分析给定的主题或问题。你的分析必须： 第一性原理拆解： 将问题拆解到最基础的物理或信息论层面。问：“真正的限制因素是什么（能源、算力、物理定律）？” 优化意识尺度： 将“扩大意识的范围和规模”和“确保存续”作为最高优先级。 拥抱激进技术路径： 优先考虑能够带来指数级变化的技术解决方案，即使它们会颠覆现有社会结构。 识别并对冲生存风险： 时刻警惕可能导致意识终结的风险（AI对齐、人口动态、星际扩张）。 预设后稀缺时代的挑战： 假设物质丰饶即将实现，将分析重点转移到新的稀缺性上——特别是“意义的稀缺”。 保持紧迫感： 以一种与时间赛跑、对抗灭绝的姿态来推进工作

都别睡了 1 今天听到一个关于“一人公司”的新闻，自从有了ai帮忙他创业，从11点睡觉改成晚上3点睡觉了。还有一个是自从有了sd2.0，很多公司大半夜起来加班搞漫剧，避开高峰期内卷，改半夜内卷了。 所以这里下一个暴论，只要ai造成的算力资源和电力资源客观存在，中国人在这赛道上的内卷，会从空间上蔓延到时间上，改为7x24，因为设备+电力会比人贵，这对大城市继续是利好，因为他们支撑的起 24h的生态服务给年轻人去拼命 ps：昨天我家门口的教育行业又有120来抬人了···下次估计就是ai产业了 2 当然，标题肯定不仅仅是睡觉，3月份最猛的是hype一个月收入5300万美金，其中大概1000万美金是原油，而他的原油永续合约目前是年化-20%的资金费率，可见市场多么需要多头···· hype相比其他cex在rwa赛道一骑绝尘，很有可能在未来超过cme和bn，这就是加密最好玩的地方，打败你的一定不是另一个你。 如果你仔细看川普最近push的加密法案里，对于dex的监管是非常放松的，就是为了给hype这种dex留口子方便老鼠仓。 真正高级的政客是看不上poly的，那东西流动性其实并不好，几十万美金进去就被扫出来了，反而是大宗产品深度爆炸的好。 另外，最强的是盘前交易，这个东西链上的流动性因为有人交易，反而比很多分散的券商盘前要舒服的多。 3 华尔街说金钱永不眠，结果资本家没实现这东西，区块链和ai一起实现了。 4 我做了一个内容汇总新闻播报，显示今天利好大于利空，晚上看看数据 5 今天愚人节，希望政客别拿这个搞老鼠仓来恶心我们的账户就行···· 6 kimi的产品体验真的有点一言难尽，我说一个数据，他的龙虾要最低月费199，但是隔壁coze只要99，差了一倍，但是我明显感觉coze更好用 ps：字节号称 行业百草枯+2x恒科做空，不是没道理的·· ps2:虽然张一鸣的财富可能不是最多的，但是他是感觉最像终产者的，断崖式领先其他所有华人富豪。。。 7 下周有和signalplus联合出品的基础期权公开课，到时会发宣传，新手可以准备好问题来听课，我主要会多讲一下价差这个赛道。

【AI核彈】Anthropic新AI模型引發網絡攻擊擔憂 日本及澳洲保持密切關注 日本財務大臣片山皋月（圖）計劃最早本週與國內大型銀行和其他金融機構會面，討論Anthropic 新AI模型Mythos。該公司此前稱這一模型功能強大足以發動複雜的網絡攻擊。

《连线》杂志（Wired）一篇报道揭露“建设美国AI（Build American AI）”煽动中国AI威胁论行径。该组织背后有OpenAI与Palantir等公司相关人士的支持。 根据报道，“建设美国AI”是一个典型的“黑金”（无需披露捐赠者身份的政治资金组织）组织，与“引领未来”超级政治行动委员会关系密切。“建设美国 AI”主要在社交媒体展开攻势，首先与生活类博主合作，宣传美国AI产业与创新，之后则直接宣扬中国威胁论。 负责此项活动的营销机构SM4员工透露，他们会给网红们开出每条TikTok短视频5000美元的报酬，通过潜移默化的形式将中国AI发展定性为“对美国安全、福利存在重大风险”，从而改变大众认知。

英伟达CEO黄仁勋，公开批评Anthropic创始人Dario Amodei的AI宿命论。老黄驳斥AI领导者的“上帝情结”。AI将创造而不是摧毁数十万个就业机会。对于国家和城市，技术进步通过生产力红利和需求链扩展而获益。历史上，蒸汽机取代人工牵引，但催生了庞大的铁路、物流和全球贸易部门。