下阶段重点：TapeOut 元件设备仓库 TapeOut 到今天为止，协议中有两种基础元件：与非门（NAND）和触发器（LATCH）。这两样东西在理论上足以搭出任何数字电路，整个宇宙的逻辑都可以由它们堆出来。但"理论上可以"和"实际做得出来"之间，隔着一道很现实的墙。举个例子：一个二值神经网络的神经元，用与非门硬堆需要 441 个门、深度接近 40 层；而在真实的芯片里，它本来就该是一个原生的运算单元。这道墙决定了很多东西现在做不出来，不是因为不会做，是因为堆出来之后太大、太深、跑不动。 TapeOut元件设备仓库 让一切创造变得可能。 它的逻辑很简单，而且和真实的半导体工业一模一样：一座芯片厂能造什么，取决于它买了什么设备。 从今往后，任何人创建自己的处理器时，除了照旧设定 NAND 和 LATCH 的供应量与价格，还可以从元件设备仓库里选购新的元件 Mint 能力：比如二值神经网络、存储块、多路选择器等等。这个选购要用 $BEM 支付。一旦买了元件设备，这座工厂就永远拥有制造这种元件的能力。 拥有这个元件能力之后，创建者要为这种元件设定它在自己处理器工厂的供应量和单价，就像现在设定晶体管一样。然后用户通过使用 BNB 来进行 Mint 这个元件。用户拿着这些元件去流片，流片时元件被真实烧掉，换来一张能力更强的链上电路。 处理器工厂为此付出的是 $BEM，收回来的是 BNB。 而所有用于购买元件设备的 $BEM，协议会全部进行销毁。这意味着处理器创建方把 $BEM 变成链上硬件制造能力，然后 $BEM 永远被销毁。矿工挖矿产出 $BEM，处理器创建方每建一座新工厂，就销毁 $BEM，链上的芯片工业每新增一家，流通的 $BEM 就少一分。这就是 TapeOut 独有的循环规则。关于价格，我们不是拍卖或者随人数上涨的曲线。而是总价和你申请的产能挂钩：你想要一万个的产能，就付一万份的价；想要一百万个，就付一百万份的价。产能越大、设备越贵，这仍然是光刻机的逻辑。 元件能力不设数量上限，也不限制每个人能买几份。我们不用人为的稀缺去制造紧张感。真正的稀缺发生在下一层：每一座厂里，每一种元件的供应量都是厂长亲手设定。市场自己会分辨哪座厂的元件值钱、哪座厂的不值，就像它现在已经在分辨哪台处理器的晶体管值钱一样。 这套机制会带来一个我们期待很久的变化：处理器工厂第一次有了真正的差异。 在此之前，所有处理器工厂的逻辑完全一样，都是同一份代码克隆出来的，区别只有名字、供应量和价格。所以"创建自己的处理器工厂"这件事，实质意义有限。有了元件能力之后，一座厂支持什么、不支持什么，成了它真正的身份：有的厂专做 AI，有的厂专做存储和处理器核，有的厂只提供最基础的门电路但价格极低。你想做某一类电路，就得去支持那种元件的厂里流片，那座厂的晶体管，从此有了不可替代的需求。 另外，元件设备仓库只对之后新创建的处理器生效，已经存在的处理器不受任何影响。 我们首发只上一种元件：二值神经网络 BNN（Binary Neural Network） 先说清楚 BNN 在人工智能里的位置，它不是「低一档的 AI」，而是神经网络的一个品种，和大语言模型属于同一层： 人工智能（AI） └── 机器学习 └── 神经网络 ← GPT 和 BNN 都在这一层 ├── 大语言模型（GPT、Claude…） ├── 卷积网络（图像识别） └── 二值神经网络（BNN） ← 这里 换句话说，GPT 也是神经网络。BNN虽然规模小，不比它低级，只是走了一条完全不同的路：它的权重只有 +1 和 −1，所以可以被直接刻成门电路，而这恰恰是它能活在链上的原因。 因为，它能带来我们最想要的东西，推理！！任何人可以通过TapeOut的链上模型训练台来训练自己的 BNN，当然这个训练也需要消耗少量的 $BEM，而一个训练好的 BNN，任何人都可以免费调用它做推理。这是神经网络本身以电路的形态活在链上，这里的AI推理是链上真实的门级运算。 我们不打算掩饰它的不足，它跑不了现在我们认知中那么庞大的模型，因为参数量有限。它截止到现在，还比不了你已知的任何一个大模型。但它有一件事是所有链下 AI 都做不到的，它不是黑盒的，它的一切从被上链的那一刻起，谁也无法修改和控制，任何人都能独立验证这一点。在需要这个推理"判定必须可信"的地方，这个性质比快一万倍更重要。另外，谁说我们现在做不到，以后就做不到呢？BTC 出来的时候，一个区块什么速度？ @BNBCHAIN 现在一个区块什么速度？我们要相信 AI 时代的技术迭代能力，我也相信BNBChain的迭代速度。 元件设备仓库是 TapeOut 从"实验场"走向真正"链上硬件制造商基础设施"的那一步。 官网：

年轻阶段最应该积累的是能够产生未来现金流的资产：能力（决定收入上限）、认知（决定财富方向）、信用（决定获取机会）、系统（决定能否摆脱时间交换），以及一定的资本（决定能否将积累转化为复利增长）。

陷入阶段性迷茫了 除了两个预测，还有一些容量很小的项目奖励活动 最近我真不知道做什么了 也没什么人发空投推文，可能大家觉得现在还撸毛有点丢人把 能不能给我点可以猛干的项目啊，我很猛的

硕士阶段过得越顺利的人，越倾向于继续读博；而那些被科研折磨得死去活来的人，反而头也不回地选择了就业。 我身边也有个朋友，硕士期间发了三篇SCI，导师夸、同学羡，顺风顺水。他理所当然地认为博士也是这条路，结果呢？博一就开始怀疑人生，直呼跟他想的完全不一样。 而那些硕士期间实验反复失败、论文被拒成常态的同学，反而在毕业后迅速调整心态，找到工作后活得有滋有味。 为什么？ 因为顺利容易让人产生错觉。你把硕士的顺境归结为自己的能力，却忽略了运气、导师的扶持、课题的偶然性这些变量。你误以为博士只是硕士的延续，却不知道这是完全不同的游戏。 而吃过苦头的人，提前领教了科研的真实面貌。他们知道一篇论文从构思到发表要经历多少轮自我怀疑，知道实验结果不理想时那种无力的窒息感，知道导师放养时的迷茫和无助。 这些经历像一盆冷水，浇醒了他们对学术的浪漫想象。 博士不是硕士的升级版，而是一场完全不同的生存游戏。硕士还能靠努力和听话混个毕业，博士必须靠创新和坚持才能活下来。没有足够的心理准备和抗压能力，光靠硕士那点顺利经验，根本撑不过博士的至暗时刻。 有意思的是，那些硕士过得苦的人，反而因为提前遭受了社会的毒打，学会了降低期待、管理风险。他们清楚地知道自己的抗压阈值在哪里，不会轻易被“博士学位”的光环迷惑。 他们不是不优秀，而是太清醒。 所以，如果你硕士过得顺风顺水，想读博之前，请先问自己一个问题：如果博士前三年没有任何成果，我还能坚持下去吗？ 如果你的答案是犹豫的，那还是再想想吧。 毕竟，硕士的顺境，可能是博士深渊前最美的陷阱。

第一阶段:调教奴下-公狗 以主人身份单独调教 跪姿羞辱 手里握着马鞭和牵引链 连续抽了公狗几鞭 用高跟鞋尖踢在公狗的蛋蛋上
 「 屁股抬高点…再骚一点！」 @KazamaTom @KasukabeAe @Suotomet @sktwobba

两个阶段，两种人生，但成为宝妈后的我增持了母性的光辉，似乎变得更有女人味～ 如狼似虎的年纪肉体真的很难满足，试图用新鲜感的刺激来弥补，但似乎于事无补… 有没有那种既会调情，做爱又持久粉丝呢？私信报名（线下仅限同城）

目前阶段，AI agent产品还是要找到付费能力强的用户画像，并尝试找到和满足他们的付费需求； 因为AI产品的成本不是规模效应递减，token的模型成本很贵，用户量越大，成本越多； AI产品现阶段的核心服务对象绝对不是屌丝群体。 Anthropic这么赚钱？选对了coding赛道和开发者生态，其次是产品的侧重。这是一个具有最高付费能力的群体。 今天做AI产品，需要从0开始考虑，哪个产品模块具备让用户aha能够掏钱的潜力，不然就不要做了； 其次，今天能让用户愿意为agent掏钱的核心还是agent的功能的强大和最大智能化的解放生产力。

四阶段就是排泄阶段。 较早入场的聪明钱和机构资金会开始派发筹码，或者开始做空，这就导致价格会出现下跌。 这个阶段有四类的悬崖跳水(Cliff Dive)，也就是狂热拉升后针头位置附近，这区域可以做空，但是跟一阶段一样难把握。 五类的逢低买入(Dip Buy)阶段，才是我们容易赚钱的位置。 一个涨了百分之三十五十的标的，经历了断崖式下跌后的接多，很容易让我们快速吃到 5% 以上的涨幅。 想做空的可以看看六类的死泵弹跳(Dead Pump Bounce)。 在经历了断崖式跳水和反弹后，做空就会容易一些，但是大幅盈利比较难，波动范围也会开始逐渐变小。 七类长吻晚安(the Long Kiss Goodnight)。 是说这类低价标的都是垃圾，走完这个周期后波动率就会开始消失，主力带着钱收割完走了，可能再有动作都是几月几年后了，所以处在这个类别的一定不要参与。