据马尔科·雷斯平蒂（Marco Respinti）在《寒冬》（Bitter Winter）文章中援引的数据，到2024年，西藏自治区99%以上的电力已由清洁能源发出。但雷斯平蒂的核心判断是，这场能源扩张不只是环保和发展工程：水坝、光伏电站、微电网和输电线也把边境村庄、后勤节点与哨所接入稳定的能源网络，为中共巩固边疆以及解放军在中印边境附近长期部署提供基础。 文章援引中国国家能源局称，西藏已形成统一的500千伏电网，并以正负400千伏直流线路连接青海、以500千伏线路连接四川，用于建设大型清洁能源基地和远距离输电。据文中数据，自2015年以来，“藏电外送”累计近180亿千瓦时，规划到2050年至少建设十条特高压外送通道。作者强调，这些设施在向内陆和沿海地区送电的同时，也让面向印度的山谷和山口附近获得充足电力。 雅鲁藏布江墨脱水电项目集中体现了这种既服务民用又服务军事的设计。文章转引一篇流传甚广的中文评论称，该项目预计投资1.2万亿元，兼具能源安全、地区发展、生态治理、国防和地缘政治功能。评论还称，配套的战备公路可把解放军重型装备在当地的部署时间缩短70%；电站可迅速切换为边防网络的供电枢纽；五座新边境城镇将组成纵深30公里的防御带。与此同时，该项目还计划向尼泊尔和孟加拉国输出低价电力。 作者认为，同样的逻辑也存在于“边境小康村”建设中。文章援引官方统计称，到2025至2026年，西藏已建成624个边境小康村，所有边境县乡实现通路，所有边境乡镇接入主电网，西藏约4000公里边境沿线的宽带和第四代移动通信覆盖率达到或接近百分之百。中国官媒报道，这些建设给居民带来了稳定的供电、取暖和通信条件，也支持旅游、贸易和特色农业；当地官员则公开把边境繁荣、社会稳定与巩固边防联系起来。雷斯平蒂据此把这项计划解读为基础设施、人口治理与边疆控制的结合。 微电网是其中更直接的一环。这种小型本地电网把太阳能发电、电池储能、输电和入户配电组合起来，可在严寒、缺氧和道路被雪封闭时持续供电。文章称，西藏国有投资集团2024年在阿里地区札达县一处边境乡镇建设的项目，能够向居民提供全天供电，并被项目方称为巩固、发展和加强边疆的创新实践。 文章还转述国际媒体引用的一则与《解放军报》有关的报道称，到2024年初，已有700多个边防哨所接入国家电网并使用可再生能源。这改善了哨所的供水、取暖、洗浴和供氧条件，也使耗电量较大的武器装备能够运行。文中援引的中国军事分析人士则把可再生能源视为建设现代军事能源系统、解决战备供能瓶颈的一部分。作者据此认为，低维护、可持续运行的能源网络能够支撑高海拔驻军的长期行动。 文章援引印度塔克沙希拉研究所的地理空间分析称，2013至2025年间，西藏新增了数千兆瓦可再生能源装机；其中2023年增加700兆瓦，2024年增加860兆瓦，2025年的估计增量为2600兆瓦，主要来自两个大型项目。该分析认为，日喀则一些光伏电站靠近机场设施，噶尔县部分项目的位置和电网连接也显示，能源设施与附近军事设施的联系正在增强。 文章又转引华盛顿战略与国际问题研究中心的报告，将北京在西藏高原的做法称为“灰色地带基础设施战略”：即不诉诸公开战争，而是通过水坝、道路、铁路和数字系统增加对印度、尼泊尔等邻国的施压能力。雷斯平蒂承认，这些项目确实可以照亮民居、支持学校并提高边境居民收入；但他认为，同一套设施也为雷达、通信、无人机和军营供电，并支持永久定居、全天候监视和快速调动。这正是文章所说的绿色转型被纳入边疆控制和军事保障的机制。 原文：China’s Weaponization of Tibet’s Green Revolution Bitter Winter｜作者：Marco Respinti｜2026-08-21

再见体育生e和小警犬被野爹调教 三部(已更新) 双奴肌肉💪狗被野爹调教欢迎抢先👀 ⬇️⬇️⬇️ Bitter: @batiao1115 @jiroumicai Top:@elizabe63294166 ⬇️⬇️⬇️ 1. 2. 3.

再见体育生e和小警犬被野爹调教 三部(已更新) 双奴肌肉💪狗被野爹调教欢迎抢先👀 ⬇️⬇️⬇️ Bitter: @batiao1115 @jiroumicai Top:@elizabe63294166 ⬇️⬇️⬇️ 1. 2. 3.

“酒很苦嗎？那這樣你就能喝下去了吧？” ——『小酌怡情』 "Is the wine very bitter? So then you can drink it, right?" ——『A little drink is delightful』

最近看了一篇 career advice 的长文。作者是一家 fully agent-native 公司的 founder，之前在 Scale、OpenAI、Google 都待过。 之前也跟一些行业内的研究员聊到过一个问题：如果你有小孩，在 AI 时代准备怎么教育他？确实啊，AI 把活都干得七七八八了，该让孩子学什么、卷什么？ 借着这篇，聊聊我们自己的看法/建议。 1、把注意力放在真正稀缺的资源上 那篇长文里有个细节，我觉得很真实。作者当年手里有量化的 offer，保底现金高不少，但他选了 Scale AI，因为喜欢那里的社区，也想接触不同的产品和应用。后来正是通过 Scale，他认识了做 LLM inference 的那批人，才有了 DeepMind 和 OpenAI 的机会。当年的同事，现在也成了一圈 Scale 系 founder。 回头看，这些人脉和学习机会带给他的东西，远超 quant 多给的那点现金。 他的观念是：现在拿钱比任何时候都容易。vibe-coding 时代，找个快速赚一笔的机会不难。但真正稀缺的，是别人真实的时间，是牢固的人际关系，是你做成过事之后积累的声誉。 我周围也有些朋友，之前不在 AI 圈，但这两年一头扎进来，逐渐走到更核心的位置。他们放弃了安稳打工的收入，选择在 AI 圈摸爬滚打。要的就是这些稀缺资源。 2、学会找题 AI 最先替代的，是定义清楚、可以评分的任务。学校过去训练的大多也是这种能力：题目已经有人出好了，你负责把答案做对。 但 agent 越来越强之后，真正拉开差距的会是：你能不能发现一个值得解决的问题，能不能判断该把多少时间、token 和资源投进去。 答案越来越便宜，好问题越来越贵。 所以如果问 AI 时代该怎么教育小孩，我觉得至少要让他长期待在真实的问题里。自己做项目也好，研究一个没人布置的题目也好。找题的能力不是上课教出来的，是在一次次选错、做砸和重来里长出来的。 3、用 bitter lesson 选公司 Rich Sutton 那篇 bitter lesson 说的是：通用方法加 scaling，最终会赢过任务特化的优化。这条规则拿来选问题、选公司，同样适用。 公司和职业的回报从来都是幂律分布，AI 只是把走到结果的速度加快了。现在写软件门槛这么低，谁都能搭个简单系统，真正持久的价值只会来自对足够有野心的问题的极致专注。 选公司就问两件事：它做的是不是这个问题最有野心的形态？它有没有真的解掉的可能？ 选岗位就问一件事：这个位置能不能让你直接在公司要解决的那个问题的最前沿干活？ （当然，上述说的是最理想的版本。如果暂时进不了最核心的位置，也看这个岗位能不能让你逐渐靠近核心问题） 4、最后一英里，用冲刺跑 红杉的 Alfred Lin 写过，最后 10% 是 90% 的工作量，也是 90% 的回报。 AI 把结果两极化了，因为中位数水平就是一个 agent 拿着随手写的 prompt 能吐出来的东西。价值只能来自你对某一小片问题的独特视角，或者对细节的执着。 最后一英里靠迭代。而且 coding agent 进步太快，经常更好的做法，是带着上一轮的教训，直接用下一代模型从头再来。 5、xG 和射门效率 足球里 xG（预期进球），衡量一支球队按机会质量算应该进几个球；效率，则是把机会真正转化成进球的比率。 职业生涯很长，不是每个高 xG 的机会都必须抓住。但你得先让自己站在能看见这些机会的位置。 不过人生到某个阶段是要进球的，不能光看见机会，临门一脚的效率也重要。他复盘自己的职业选择时说，大部分决定都做对了，但后悔没有在做决定前，多花一点时间收集信息。 6、researcher 是心态，不是职业 说实话，现在做 research 的门槛前所未有地低。你不需要先进入前沿实验室，才能开始做研究。先大量使用模型，再把直觉沉淀成 evaluation。 前沿实验室里研究员的日常，无非是好奇心驱动着探索新想法，跟 infra 搏斗着把想法实现，把整个系统理解到足够细以便高效 debug、再把结果的价值讲清楚，去换更多算力。 这些事，你不在前沿实验室也全都能做。 所以我越来越觉得，researcher 是一种心态，不是一种职业。这是我整篇文章最想送给大家的一句话。 世界仍然充满机会。解锁的钥匙就是找到有意思的问题，然后交付超出预期的结果。就这么简单，也就这么难。