注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 |记录给未来的自己📖
|记录给未来的自己📖 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 |记录给未来的自己📖 的推特
中国民主党全国联合总部(海外)德国党部人物介绍|李腾蛟 李腾蛟@LiTengjiao2026 ,现参与中国民主党全国联合总部(海外)德国党部工作,并负责德国党部 X 账号的运营。 他并非出身政治家庭,也不是职业政治人物。他曾是一名印刷厂工人,后来进入互联网行业,也是一名普通父亲。 他曾经相信,只要努力工作、认真生活,就能够改变自己的命运。但随着人生经历以及对中国社会现实的不断观察,他开始追问:如果个人的努力无法决定一切,那么究竟是谁决定了我们的命运? 这个问题,成为他认识中国社会和政治问题的重要转折点。 印刷厂的工作经历,让他长期接触普通劳动者。工资、工作、生活压力,以及普通人在现实生活中的种种无奈,使他越来越关注一个问题:一个国家的发展,究竟应该由什么来衡量? 在他看来,一个国家的发展不应该只是经济数字、城市建设和宏大的宣传口号,更应该体现在普通人的生活与尊严上:劳动者有没有基本的权利?普通人有没有尊严?公民能不能自由表达?面对公共权力时,一个普通人有没有说“不”的权利? 这些问题,逐渐成为他思考中国社会的起点。 进入互联网行业以后,他接触到了更加广阔的信息,也看到了不同社会之间的制度差异。尤其是在中国经历疫情封控之后,他更加深刻地认识到,个人的努力当然重要,但一个人的命运并不完全由个人努力决定。 教育、就业、住房、劳动权益、司法、公民表达以及政治制度,都可能影响一个普通人的人生。 于是,最初的问题变得更加清晰:如果人民无法参与决定制度,又如何真正决定自己的命运? 随着思考不断深入,李腾蛟开始关注民主、自由、人权、法治与宪政,并逐渐从一个关注现实生活的普通人,走向中国民主运动的参与者。 他最终选择参与中国民主党德国党部的工作。 对他而言,这不仅是一种政治身份,也是一种个人选择。他希望通过自己的能力,让更多人了解中国民主运动的历史,让更多人认识那些曾经为民主、自由、人权和公民权利付出代价的人。 因此,他开始参与运营中国民主党德国党部 X 账号,并逐渐将账号定位为一个记录历史、介绍人物、关注现实、传播民主思想和讨论中国未来的平台。 2026年8月11日,徐文立校长发布特聘令,特聘中国民主党党校第一期学员李腾蛟担任校长助理。这一任命,是对他参与民主事业以及学习、传播民主思想的一份认可,同时也意味着更大的责任。 在此前的交流和评价中,徐文立校长也曾对李腾蛟的思想学习和政治理念表示肯定,并以“吾之第一大弟子”相称。 对于李腾蛟而言,这份信任并不是终点,而是一份需要继续学习和实践的责任。他希望更加系统地学习中国民主运动的历史,以及民主、自由、人权、法治和宪政思想,并将这些思考通过互联网传播给更多人。 来到德国以后,他更加直观地感受到,一个正常的社会并不是没有问题,而是允许人们公开讨论问题。 政府可以受到批评,媒体可以进行调查,公民可以组织起来表达诉求,不同政治观点可以和平存在,政治权力也应该受到法律和制度的约束。 这些看似普通的事情,让他更加思考一个根本问题:公共权力究竟属于谁? 因此,他选择在海外继续发声。 不是因为身处海外就可以忘记中国,而是因为他认为,在能够自由表达的地方,更应该珍惜表达的权利,也应该让更多人听到来自中国民主运动的声音。 李腾蛟认为,民主运动并不只是政治人物的事情,它同样属于每一个普通人。 一个普通人可以从提问开始:为什么?凭什么?我们有没有选择的权利? 当越来越多的人开始思考、开始提问、开始表达,社会改变也就开始了。 因此,他坚持通过公开、理性的方式表达自己的观点,并坚持和平、理性、非暴力的原则。 在他看来,政治分歧应该通过制度解决,权力应该受到法律约束,政府应该接受人民监督,人民应该拥有选择和监督政府的权利,不同政治观点也应该能够和平竞争、和平共存。 李腾蛟并不把自己看作一个伟大的政治人物。 他更愿意把自己看作一个普通中国人:一个印刷厂工人出身的人,一个互联网从业者,一个父亲,也是一个不愿意继续沉默的人。 他曾经相信:努力可以改变命运。后来,他开始追问:谁决定了我们的命运?而今天,他继续追问:中国人民什么时候才能真正拥有决定自己国家未来的权利? 也许,一个普通人的力量非常有限。但历史的改变,往往就是从一个普通人决定不再沉默开始。 中国民主运动需要前辈留下的历史,也需要后来者继续学习、记录和传承。 对于李腾蛟而言,参与中国民主事业,就是希望在自己能够做到的范围内,为这种历史传承尽一份力量。 中国人的未来,最终应该由中国人民自己决定。 心之所向,虽远必行。 中国民主党德国党部 2026年9月17日
显示更多
《和 AI 对话 #001|RWA# 是“信任”上链不是“资产”上链》 【今天明明想看 DeFi,结果偏题学了 RWA】 最近为了深入了解一个项目,我顺着它所在的 DeFi 赛道开始深挖 在 AI 的帮助,我尝试把原本看起来有些复杂的 DeFi 体系拆解成几个核心模块(见下期今天学偏了)。 在这个过程中,我发现自己的很多认知正在被重新整理,一些过去一直模糊的概念也开始慢慢变得清晰,在来回多次对话中我有提出的疑问之一是: 稳定币和 xStocks 这些都是锚定现实资产的产品,那用户为什么会相信它有价值? AI 给我的答复让我印象很深。 它说,很多人讨论 RWA(现实世界资产上链)的时候,关注的都是技术、性能、成本这些问题,但实际上,RWA 最大的挑战从来不是技术,而是信任。 因为像比特币这样的原生加密资产,它的价值本身就存在于链上,人们信任的是代码、共识和网络本身。 但 Stablecoin 稳定币和 xStocks 股票代币不一样。 1 个 USDT 为什么值 1 美元? 并不是因为智能合约写得有多好,而是因为大家相信发行方背后真的持有对应的美元资产,并且有能力完成兑付。 同样的道理,1 个股票 Token 为什么能够代表 1 股真实股票? 关键也不在链上,而在于背后是否真的有机构持有、托管并负责赎回这些资产,重要的是这几个背后的大头! 相当于RWA 的本质其实并不是把“资产”搬上链,而是把现实世界的“信任”搬上链。 未来这个赛道真正竞争的,或许不是谁的技术更强,而是谁能够更透明地证明: ✅ 资产是否真实存在 ✅ 托管是否可信可靠 ✅ 审计是否公开透明 ✅ 赎回机制是否长期有效 从黄金时代信任黄金,到法币时代信任政府,再到加密时代信任代码。 而 RWA 正在尝试建立一种新的模式:信任代码 + 信任现实资产。 或许这才是稳定币、xStocks 乃至整个 RWA 赛道能否真正大规模发展的关键,看到这里,我突然就意识到:原来过去我一直觉得 RWA 的核心是“资产上链”,但当我们从信任的角度重新去理解之后会发现:RWA 真正要解决的,其实是如何把现实世界的信任机制映射到链上。 这也是这次对话过程中,最让我有收获的一个思考。顺便感叹一句,现在 AI 确实是个非常强的学习搭子。很多过去需要查几十篇资料才能慢慢捋顺的概念,现在通过不断追问和讨论,往往半小时就能建立起一个比较完整的认知框架。 以上这段和 AI 对话的内容,是对我自己很有帮助的思考,mark 分享一下,也正因为这个契机,我想自己写一个“和 AI 对话” 的学习记录系列,感觉会非常有意思,今天就算是第一期啦
显示更多
0
25
29
0
转发到社区
华尔街观察|粉丝福利:长期账户压舱石标的,美股 $VIG深度解析 今天给我的长期追随者送出一份资产配置干货福利。在美股大类资产轮动当中,有一只被成熟长线机构公认的“躺赢型压舱石ETF——VIG,非常适合放进你的海外长期底仓账户,作为跨周期稳健配置的核心选择。 VIG,全称Vanguard Dividend Appreciation ETF,领航股息增长ETF,2006年成立,跟踪标普美国股息成长指数。它最核心的筛选门槛:持仓内的企业,必须拥有连续10年上调分红的历史记录,并且指数会主动剔除当期收益率过高、分红压力过载的标的,从源头避开高股息陷阱,选出来的全部都是经过一轮轮经济周期检验、现金流雄厚、盈利稳定的美股龙头公司。 目前基金持仓333只优质大盘标的,重仓分布在科技、医疗、工业、消费赛道。资产规模超过1100亿美元,是全球体量最大的股息成长类ETF之一,流动性充足;管理费费率仅0.04%,几乎是市场最低一档,长年下来省下大量隐形成本,复利效应会被持续放大。 很多新手会把VIG和高息ETF混为一谈,这里必须厘清一个关键区别:它并不追求当下最高的股息。当前30天股息收益率约1.44‑1.5%,短期现金流回报并不算亮眼。VIG赚的不是眼前的高利息,赚的是股息逐年抬升+股价长期增值的戴维斯双击。持仓企业每年主动提高分红,久而久之你的被动收入会越变越高,同时企业盈利增长带动股价稳步上行,属于典型长坡厚雪复利品种。 从波动属性来看,VIG的贝塔系数仅0.82,震荡市当中回撤幅度显著小于纳斯达克纯科技赛道。在地缘冲突、利率摇摆、市场剧烈回调的阶段,这类盈利确定性强的股息成长龙头,抗风险能力远远高于题材成长股。牛市能跟上大盘收益,熊市具备很强的防御属性,完美适配长期账户“进可攻、退可守”的定位。 那么什么样的人适合配置VIG? 如果你准备搭建5‑10年周期的海外资产底仓,不想频繁追涨杀跌、害怕单一个股暴雷,希望拿到一份稳健、可持续增长的海外资产,VIG就是极佳的选择。它适合作为美股组合当中的防守底座,和高弹性科技ETF形成对冲搭配,平滑你整个账户的净值曲线。 站在大类资产视角,未来全球利率下行周期慢慢开启,能够稳定逐年提高分红的优质企业,估值将迎来长期修复窗口。VIG的底层逻辑,就是买入一批美国各行各业的“常青树龙头”,陪伴企业长期成长。 最后提示大家:它是长期底仓品种,不适合短线博弈。建议采用分批建仓、红利再投入的方式持有。 风险提示:本文仅作为资产科普分享,不构成任何买入投资建议,美股市场存有汇率、市场波动多重风险,请结合自身风险承受能力决策。
显示更多
华尔街观察|A股,到底有没有真正可以穿越牛熊的板块? 很多投资者穷其一生都在寻找一个答案:A股有没有一个板块,可以无视牛熊起伏,稳稳创造回报? 市场最常被拿出来的两个候选,就是红利板块与银行板块。但如果拆开历史数据仔细看,二者都有非常明确的边界,并不是完美的穿越牛熊资产。真正值得重视、被很多人低估的标的,是水电板块。 一、红利板块:优势只是回撤更小,不等于高收益 红利策略这几年风靡全市场,核心观感很直观:大盘大跌的时候,红利跌得少。 这就是红利板块最核心的本事——防守属性。 以中证红利全收益指数为样本:红利指数最大回撤明显小于沪深300、成长赛道。熊市里,它能扛住下跌;但它的短板同样清晰:红利的目标是控制回撤,而不是博取很高的资本收益。 历史数据告诉我们真相:红利是“少亏”的工具,不是“多赚”的工具。 拉长周期,红利指数长期全收益年化大多落在8%–10%区间,其中很大一部分贡献来自现金分红,股价本身的上涨弹性有限。牛市行情一旦启动,红利板块经常跑输成长主线。 一句话概括红利板块:熊市抗跌,牛市难大涨;适合控回撤,不要指望它持续跑出高收益。 二、银行板块:本质是深度周期股,低估值不是白给的 很多人误以为银行属于稳资产,常年破净、高股息,看着非常便宜。但银行并不是纯防御板块,它是典型的深度周期板块,这也是它长期估值压得很低的根本原因。 银行的盈利锚点是净息差与资产质量。 经济上行周期、利率抬升、坏账风险下降,银行利润改善;一旦经济下行,净息差持续收窄,地产、地方债务等资产端潜在风险浮出水面,市场就会持续给估值折价。 历史上银行板块曾经出现过非常深的回撤。哪怕股息稳定,股价照样可以长期阴跌。市场不是看不见银行的高分红,而是一直在定价两件事:未来息差会不会继续下行、潜在坏账到底有多大。 只要这两个担忧没有彻底消除,银行就很难获得估值溢价。 银行板块的低PB,是周期折价,不是捡漏。 三、水电板块:A股最接近“穿越牛熊”的资产 如果要在A股挑选商业模式最接近永续现金流的板块,水电毫无疑问排在前列。 水电的护城河非常硬: 1. 资源壁垒极高:大江大河的优质水电站属于不可再生资源,已经建好的大型电站,几乎没有新竞争者; 2. 成本几乎固定:大坝折旧、财务费用是主要成本,没有持续上涨的原材料开支;水是免费的自然资源; 3. 现金流极强:发电量稳定,电价长期可预期,每年可以拿出大部分利润拿来分红; 4. 波动来源只有来水:唯一变量是汛期来水丰枯,属于自然周期,和宏观经济、地产周期、企业信用坏账几乎脱钩。 大家最关心的历史数据:过去七八年水电板块收益 自2018年末到2025年末完整7年周期: • 算术平均年化收益率约16.42% • 复利(复合年化)约15.75% 区间累计涨幅235.09%,而且有一个极其罕见的特征:2019至2025连续七个完整年度收红,哪怕是2022年市场深度调整,水电板块依旧维持正收益。 这在A股是非常难得的记录。 它不是每年暴涨,而是每年稳定兑现收益;牛市不会疯狂泡沫化,熊市不会被市场抛弃。 当然水电也不是完美资产: 来水偏枯的年份业绩会承压;大型新电站投产越来越少,内生增速不会特别高;利率上行阶段,高负债的水电企业财务费用抬升,估值会受到压制。 四、三者对比小结 • ✅红利:回撤小,收益中等,适合控波动; • ⚠️银行:深度周期,高股息,但资产端隐忧持续压制估值; • ✅水电:永续现金流、高分红、与宏观周期弱相关,过去七年复合年化接近16%,是A股长跑能力最强的板块之一。 结尾 A股没有永远上涨的板块。 但穿越牛熊的核心要义,不是永远大涨,而是在每一轮熊市不发生毁灭性回撤,同时持续释放现金流。 红利做到了回撤控制,但弹性不足; 银行看着便宜,本质仍然是宏观周期资产; 水电,是A股为数不多,底层资产自带永续现金流、已经被七八年历史行情验证过的板块。 市场很多时候总是追逐短期热点,但是长期资本慢慢意识到:最珍贵的资产,是不受经济周期剧烈扰动、每年稳定回来的现金流。 ——华尔街观察 @cnfinancewatch
显示更多
AI 再聪明,也怕看见不该看的东西 事情是这样的。 那天参加币安华语区创作者活动,我用 AI 生成了一段 30秒《极乐净土》,昨天一看,竟然中奖了。 结果转头看,四五个类似项目的创作者比赛也开卷了。 emmm…. 是不是有点太卷了? 🤯🤯🤯 // 你会发现,现在大家挤的都是同一层,应用层。Agent、机器人、内容生成,更新速度比吃饭还快,所有人都想抢占“AI 能直接用”的入口。 现在市场最热闹的地方,几乎都集中在 AI 应用层。 这一层里,我一直关注的项目是 Venice(VVV)。 我认为它最大的价值,不是产品本身,而是验证了一件事:市场愿意为 AI 隐私付费。 但当我顺着这条逻辑继续往下思考时,一个更大的问题出现了。 如果未来 AI 不只是陪你聊天,而是开始帮机构处理资金、身份、病历、合同、交易数据呢? 如果一个 Agent 同时需要调用多个组织的数据完成决策,而这些数据彼此都不能公开呢? 这时候要解决的,已经不是聊天记录隐不隐私的问题。 而是: 数据不能被看见,却必须被计算。 试想一下,VVV 证明用户需求,Arcium @Arcium 承接底层基建。 这也是 Arcium 最吸引我的地方。 Arcium 并没有选择再做一个 AI Agent,也没有去竞争应用入口。 它在 Solana 上构建的是去中心化机密计算网络,本质上是一层专门为隐私计算服务的基础设施。 通过 MPC、FHE、ZKP 等密码学技术,Arcium 允许多个互不信任的参与方,在不暴露原始数据的情况下完成联合计算,并验证计算结果的正确性。 说得简单一点: 几个人一起解一道题,但谁都看不到对方的草稿纸,最后还能证明答案没有作弊。 这听起来很技术。 但未来真正有价值的 AI,大概率都绕不开这个问题。 → 因为高价值数据从来不是公开的。 → 银行的数据不能公开。 → 医疗记录不能公开。 → 企业经营数据不能公开。 → 身份信息不能公开。 可偏偏这些领域,又是未来 AI 最可能创造巨大价值的地方。 如果没有机密计算,AI 要么拿不到数据,要么需要牺牲隐私。 而 Arcium 试图解决的,就是这个矛盾。 另一个让我关注的原因,是它对底层技术的投入。 Arcium 收购了隐私计算公司 Inpher 的核心技术团队。 Inpher 在隐私计算领域深耕近十年,累计融资超过 2500 万美元,背后包括 JPMorgan、Amazon Alexa Fund 等知名机构。 机密计算不是讲故事的赛道。 它需要密码学、分布式系统以及企业级场景长期验证。 这样的技术团队,不是短时间蹭 AI 热点就能搭建出来的。 所以我对 Arcium 的判断一直很简单。 市场现在主要给模型、Agent 和流量入口定价。 但随着 AI 开始接触越来越多高价值数据,市场最终一定会重新审视底层隐私基础设施的价值。 / 如果 AI 未来只是玩具,机密计算确实不重要。 但如果 AI 真要管理资产、处理合同、分析病历、参与商业决策, 那么隐私计算就不是加分项。 而是必需品。 Arcium 能不能成为这条赛道最后的赢家? 答案只能交给时间了。 // 作者:Akiii|一个热爱生活的 Web3 博主 <赚了别骂我,亏了也别感谢我,DYOR。>
显示更多
0
103
68
0
转发到社区
JST 回购再升级 !GasFree、USDD 加入战场 前五轮回购销毁完成后,JST 又迎来一次机制升级:回购资金来源,将从 JustLend 扩展到 JUST 生态的多条业务线。这次值得关注的,是 JST 能承接的业务收入更多了。 01|借贷、支付、稳定币共同支持回购 JustLend 将继续把 sTRX 质押、SBM 等业务产生的协议收益用于回购。 GasFree 自 2026 Q4 起加入。自上线至今年 Q3,累计收入已达约 1202.7 万美元,为新的回购资金来源提供了业务基础。 USDD 未来满足相关运营条件后,净收入超过 1000 万美元的部分,也将用于支持 JST 回购。 借贷有人用、支付有需求、稳定币业务继续发展,都有机会为 JST 带来持续的回购支持。 02|留足 5000 万美元,再安排持续回购 JUST DAO 将保留至少 5000 万美元国库安全储备,用于风险管理、紧急赎回及流动性支持,低于这一门槛的资金不参与回购。 另外约 2034 万美元超额资金,计划从 2026 Q4 起分四批投入回购,每轮规模根据市场情况动态调整。 既给协议留足应对风险的资金,也给后续回购安排了弹药。长期执行,靠的就是这样的资金规划。 03|JUST 品牌统一 ,价值联系也更紧了 升级后,回购销毁由 JUST DAO 统一执行,购回的 JST 将按计划转入 TRON 黑洞地址永久销毁,交易哈希与历史记录公开可查。 随着 JUST 品牌升级,旗下业务与 JST 的联系也进一步明确:更多产品产生收入,更多符合条件的收入支持回购。 以后看 JST,值得看的就不只是一项借贷业务,而是整个 JUST 生态能做出多大的生意。 生态业务越扎实,持续回购的底气就越足。 @justinsuntron @DeFi_JUST #TRONEcoStar#
显示更多
黃仁勳:十年把 AI 效能提升 100 萬倍!|GTC 柏林 2026 主題演講 2026.10.21 概述NVIDIA 创始人兼 CEO 黄仁勋在柏林 GTC 发表主题演讲。他回顾了 NVIDIA 在欧洲 33 年的发展,提出 AI 是一个“五层蛋糕”式的新制造业,并发布了 Vera Rubin 全栈 AI 工厂、DSX Pod、OpenShell 安全运行时、Hyperion 自动驾驶生态扩展、Agile ONE 参考机器人和 RTX Spark 个人 AI 电脑。 = 》他的判断是:每家欧洲企业都会成为 AI 公司。 核心要点AI 是新的工业革命:AI 是“生产智能的制造业”,按五层结构理解:能源 → 计算 → AI 工厂 → 模型 → 应用。 Vera Rubin 已全面量产:100% 液冷,无线缆,单节点组装时间从 Grace Blackwell 的 2 小时降到 5 分钟以内;性能约为 Blackwell 的 30 倍。 过去 10 年 AI 性能累计提升约 100 万倍,同期摩尔定律只能带来约 100 倍。 DSX Pod:把 NVL72 机架在供应链内完成集成、测试并装入集装箱交付,现场部署从约 4–5 个月缩短到约 1 个月。智能体五要素:模型、Harness(“外骨骼”)、沙箱(OpenShell)、知识、工具。 OpenShell + Sentry:开源(Apache 2.0)的智能体安全运行时,策略在智能体外部执行;Sentry 运行在 BlueField-4 上,提供硬件级隔离监控。 物理 AI:覆盖电信 AI-RAN、自适应放疗、Robotaxi(Hyperion)和人形机器人,需要“三台计算机”:训练、数字孪生、机器人端。 RTX Spark:与微软合作 4 年,搭载 N1X 芯片,提供 1 PFLOPS 算力和 128GB 内存,规格相当于 2016 年交付给 OpenAI 的 DGX-1。 NVIDIA 与欧洲:早期芯片 NV1、NV2、NV3(RIVA 128)都在欧洲制造:合作伙伴 SGS-Thomson,在法国 Crolles 生产,在马耳他封装。 早期最大客户是 Medion;ELSA 于 2000 年把 NVIDIA 带入工作站市场;2005 年进入 Audi 车内;2020 年与 Mercedes 合作自动驾驶。过去一年在欧洲投资近 100 亿美元,本周宣布投资 14 家初创公司,欧洲合作伙伴超过 12,000 家。 合作的欧洲企业包括 L'Oréal、Revolut、Spotify、Merck、Vodafone、Zara、Porsche、Nestlé、HSBC 等。 AI 五层蛋糕与基础设施,每一层都在增长:能源层(Schneider、Siemens Energy)、计算层(NVIDIA)、AI 工厂层(Nebius、Firebird、Cassava)、模型层、应用层(AI 原生初创公司)。预测全球约 10 万个电信站点、约 100GW 的分布式基站和数据中心,未来会演变为分布式 AI 网络。 模型层不只有语言模型,还包括生物、化学、物理、机器人动作、动画等多种模态。1GW AI 工厂造价约 500 亿美元;如果年收入按 400 亿美元计,延迟 3 个月约损失 100 亿美元收入。 全栈 AI 工厂平台硬件:Vera Rubin GPU、NVLink 交换机(72 颗 GPU 连成一个巨型 GPU,每颗 20 PFLOPS)、Vera CPU(每时钟 8 条指令,首个 LPDDR 内存系统)、BlueField-4、Spectrum-X 以太网(使 NVIDIA 成为全球最大的网络公司)、Groq 3 解码加速器。 Spectrum-X CPO:全球首款量产的共封装光学交换机,512 端口 × 200Gb/s,采用与 TSMC 合作的 COUPE 工艺。软件:AI 工厂系统软件、350 多个 CUDA-X 库(cuDNN 被比作“AI 界的 SQL”),以及多领域模型。 架构演进:Pascal(DGX-1,2016 年交付 OpenAI)→ Volta → Ampere → Hopper → Blackwell(首个机架级计算)→ Vera Rubin(处理整个智能体)。DSX 参考架构:PTC、Dassault Systèmes、Schneider Electric、Jacobs、Siemens、Procore 参与数字孪生设计;DSX Max-Q 节省 30% 电力;冷却液温度最高 45°C,采用干式冷却;2GW 规模下每天可节水 5,400 万升,相当于 18 万户家庭的日用水量。 NVIDIA 的两大差异化:通用加速计算架构(CUDA,保持一致约 25 年),以及 全栈 AI 工厂交付能力。架构“可互换(fungible)、耐用、高生产力”,可服务 CSP、新云、OEM/ODM、AI 实验室和各行业终端市场。 智能体与安全OpenClaw 开启了开源智能体浪潮,token 消耗和 GPU 需求随之激增。OpenShell 在系统调用、文件访问、网络连接三个粒度上执行策略。形式化验证保证权限不超出上限;密钥由 supervisor 保管;Sentry 可在毫秒级隔离异常智能体,并留下防篡改记录。安装只需两条命令。 前沿实验室、操作系统、网络安全和平台公司纷纷采用;Anthropic 与 NVIDIA 合作打造 Claude OpenShell 智能体。可用的 Harness 包括 OpenClaw、Hermes、OpenHands、LangChain Deep Agents,或直接用 Python 编写。 开放模型、知识与工具开放模型家族:Nemotron(语言)、Cosmos(世界基础模型)、GR00T(人形机器人)、Alpamayo(自动驾驶)、Ising(量子-经典计算)、Earth-2(物理 AI)。同时开放权重、数据和训练脚本。客户案例:AI21 与 Alice、Baseten 与 CodeRabbit、Trajectory 与 Harvey、Scale 与 Skydance、Palantir 与 Tampa General Hospital,通过后训练达到前沿水平。 知识基础:Nemotron Parse、Embed、Rerank(排行榜领先),以及用 Kumo 对结构化数据做预测(例如预测供应短缺)。 CUDA-X 工具相比 CPU 可加速 10–100 倍。 案例: - Lila Sciences:B 细胞淋巴瘤疗法设计,使用 BioNeMo。 - Siemens Erlangen 工厂:使用 Cosmos 和 Omniverse。 - Dassault Systèmes:把 Golf 车门设计改到 Tiguan 上,使用 ENOVIA、CATIA、SIMULIA。 观点:AI 不会终结软件或工具公司,工具公司会变成智能体公司。 物理 AI电信:与 Nokia 在 T-Mobile 网络上完成首个商用通话,历时近 8 年。自适应放疗:被视为一种机器人手术。Hyperion:标准传感器套件包括 14 个摄像头、9 个雷达、3 个激光雷达,由双 NVIDIA GPU 驱动。 新增 VW 厢式车、JLR、Volvo、Mercedes 下一代车型;全球每年行驶约 1 万亿英里。人形机器人:标准化形态能带动技术飞轮,欧洲在机电一体化方面有优势。 Agile ONE 参考机器人与 Agile Robots 合作,预计明年第一季度推出。 RTX Spark 与演示: RTX Spark 系列包括台式机、笔记本和工作站;DGX Station for Windows 提供 20 PFLOPS 和 754GB 内存,预计今年底上市。构建智能体的方式是“让智能体帮你构建智能体”。 演示中,Hugging Face/Pollen Robotics 的 Micro Duck 机器人由 Hermes、Nemotron 和 GPT-6 Astra 驱动,借助 FreeCAD、Blender、Isaac Sim/Lab 和 Newton 完成建模、云端并行训练、本地验证和真机部署。 关键结论AI 工厂正在从“运行模型”转向“运行完整智能体”。欧洲应成为 AI 的生产者而非消费者,每家公司都将成为 AI 公司。 行动方向:使用开放模型结合自有数据进行后训练,以 OpenShell 保证安全,借助 DSX Pod 加速 AI 工厂部署,并抓住物理 AI 和人形机器人的机遇。 $NVDA
显示更多
后门开发记录 | 非菊花爱好者慎点 扩张完成后 就轮到真阳具的使用了 使用过程 后面会更新 今天先给大家看看被使用后 排出精液的菊花收缩 @XJDRS @XHSJSX @SXHCL @XNZSTZ
显示更多
0
7
3.8K
209
转发到社区
工作笔记|0625 最近发现一个很好用的工作方法 偶尔听不懂老板在说什么 我就把聊天记录截图丢给 AI AI 不只是帮我总结老板的核心观点 还会拆解: 他真正的需求是什么? 我应该怎么回复? 下一步该怎么推进? 最近一直在用 AI 辅助工作 也顺便学习不同场景下的沟通方式 我最常用的三个回复公式: 👨‍💼 对老板 收到 → 理解 → 方案 → 行动 🤝 对客户 认可 → 分析 → 建议 → 下一步 ❤️ 对伴侣 接情绪 → 共情 → 感受 → 需求 后来发现,这三套公式底层其实都是同一个逻辑: 先证明你听懂了,再证明你能解决。 最近最大的收获也不是学会了「高情商」。 而是开始学会了一件更重要的事: 不要急着表达自己,而是先翻译对方真正想表达的意思。 很多沟通问题,并不是不会说,而是没有听懂。 最需要成长的不是: 假装认同。 而是: 翻译他的语言。 今天的工作就到这里啦 晚上和爱人吃火锅 同时也用这套方法和爱人好好说话 ♥️
显示更多
【美股盘前】2026.09.24|美债破位压制成长,科技极端分化,三大主线定调 数据截止:18:30 北京时间|仅复盘记录,不构成投资建议 一、全局盘面:内外共振承压,科技严重分化 今日A股全线重挫,成长赛道领跌,创业板、科创50跌幅超2.3%,权益市场避险情绪升温。 美股盘前指数承压:QQQ-0.84%、SPY-0.72%,核心压制来自10年期美债收益率突破5.15%(二十年新高),高估值成长估值体系被动收缩。 个股极致割裂: 杀跌端:GOOGL-3.80%、AMZN-2.24%、NVDA-1.47% 抗涨端:META+1.02%、MSFT+0.52%、TSLA+0.32% 核心结论:并非全市场走弱,是资金从传统搜索、云服务科技出逃,抱团AI硬件与AI代理新赛道。 二、隔夜核心催化(行情底层逻辑) 1. 宏观压制:美债收益率持续走高,AI万亿级建设(10.3万亿)融资风险外溢,压制高位科技估值 2. 事件催化:中美元首峰会前夕,市场观望情绪浓厚,贸易科技板块波动率抬升 3. 产业拐点:DeepSeek年化营收破10亿,中国AI商业化正式落地;Meta发布高端VR眼镜+AI代理硬件,新产业叙事兑现 4. 个股催化:Gemini 4即将发布、Micron获华尔街最高目标价,存储算力板块利好落地 三、四大投行最新评级变动(核心资金预期) 高盛:双重升级福特,下调部分科技消费标的 大摩:下调苹果、Expedia,翻倍上调Dell目标价 小摩:下调Meta(盘前利空完全被市场消化),给到Micron史上最高目标价 整体特征:投行开始高低切、换赛道,抛弃传统科技,转向硬件、存储、实体制造科技。 四、今日三大确定性主线 1、META AI代理+元宇宙硬件(最强逆势主线) 利空(小摩下调)不跌反涨,资金逆势净流入。新款VR硬件+AI Charm代理落地,AI从模型炒作转向终端硬件落地,是当前市场唯一穿越美债压制的科技分支。 2、AI算力基础设施(预期差主线) Micron最高目标价夯实存储逻辑,10.3万亿AI建设开支确认中长期景气。CRWV、AMD小盘算力标的散户热度拉满,弹性远大于英伟达等大盘权重,适合短线博弈。 3、全球AI模型迭代+中概联动 Google Gemini 4迭代、国内DeepSeek商业化落地,全球AI竞赛持续升温。叠加腾讯大额回购、外资4.7万亿A股持仓托底,中概AI具备修复基础。 五、小盘Alpha机会 1. CRWV:纯正算力租赁标的,散户热度TOP级,高波动弹性标的,受益AI基建扩容 2. BB:情绪题材小盘,AI+安全双概念,大盘震荡环境下短线波动率优势显著 六、中美联动风险与机会 机会:中概龙头持续回购、外资持仓稳定、AI商业化逻辑双向共振 风险:三安光电实控人被拘、半导体减持落地,A股成长小票风险仍在;峰会地缘不确定性压制风险偏好 七、盘前实操策略 1. 指数不看单边涨跌,重点做板块分化套利,避开GOOGL、AMZN弱势传统科技 2. 主线重仓:AI硬件、AI代理、存储算力,无视美债短期扰动,产业逻辑未破 3. 短线博弈:CRWV、BB等高弹性小盘,快进快出、严格止损 4. 规避高位纯估值科技,跟随投行高低切节奏,布局实体落地型科技赛道
显示更多