从洛杉矶高端杂货店Erewhon的货架，到Casa Cipriani等俱乐部的私人活动现场，Loonen瓶装水的身影无处不在，已成为追求时尚、注重健康的多金一族的首选饮品。Loonen的玻璃瓶装设计吸引着关注环保并希望从生活中根除微塑料的消费者。

吴说获悉，据 Galaxy Research 数据显示， Casascius 是内含比特币私钥的实物硬币，如果剥离全息图，私钥就会显露，从而可以在链上花费其中的 BTC 。在 2011 年至 2013 年期间，大约铸造了 2.8 万枚 Casascius 实体硬币，总计持有 91,469 枚 BTC 。随着时间的推移，不断有实体币被持有人剥离提取，目前这些未被剥离的实体硬币中仅剩余约 35,300 枚 BTC。

谁看了不说一句时代造就暴富神话！2012年有人花500美元入手一枚Casascius实体比特币金条，这块金条内嵌整整100枚比特币。 早些年比特币价格突破一万美元时，持有者就天天焦虑，手握价值百万的藏品压力拉满。他舍不得直接兑换，在他眼里，未拆封兑现的实体比特币收藏价值远不止账面数字。他也尝试过找渠道转手，可巨额藏品交易风险太高，不管私下交易还是拍卖行，都很难卖出匹配比特币本身的真实价值。 随着币价一路暴涨，这根金条估值直接突破千万美元，持有者再也不敢长期持有，纠结许久后，近日终于完成兑换。曾经五百美金拿下的藏品，如今直接套现千万美元，对于实体比特币收藏爱好者来说，属实是五味杂陈的一天。 bitcoin:native

🤔 这几天 X 上围绕中国开源模型，尤其是 Kimi，出现了一场很有意思的争论： 当一个能力很强、价格又很低的模型把权重公开出来，人人都能部署、调用，它到底是在加速 AI 进步，还是一种会打击美国 AI 公司研发动力的“倾销”？ 这个观点最早由刚加入 OpenAI 的 @deanwball 提出。 他认为，训练前沿模型要投入数十亿甚至数百亿美元，但模型权重一旦公开，其他云厂商和开发者都可以拿去提供服务，最初承担训练成本的公司就很难回本。 结果可能是：短期里，用户都能更便宜地使用 AI；但长期里，美国实验室的收入、估值和融资能力会被压低，投入下一代模型训练的意愿也会下降。 Dean 把这种情况类比为“倾销”——用低于成本的方式抢占市场，最终削弱竞争对手继续投入的能力。 a16z 合伙人@martin_casado 强烈反驳，认为“开源权重会让 AI 变慢”没有逻辑，开源通常会带来更多创新者、更多竞争和更多应用，而不是阻碍进步。 Dragonfly 管理合伙人 @hosseeb 则认为，Dean 不是简单反对开源，而是在问一个更具体的问题： 当模型训练已经极度资本密集，而部署又能被所有人复制时，谁来为下一代前沿模型买单？ 开源带来的短期普惠，是否会在未来削弱前沿模型研发的商业基础？ 以上到底是 OpenAI 面对中国模型追赶时的焦虑，还是一个被低估了的真实问题？ 你们怎么看？来说说👇

你衣柜里那台吃灰的旧笔记本，其实不是废品。 它可能是一台被你闲置的私人服务器。 电池不行了。 处理器慢了。 风扇还有点吵。 你舍不得扔，就让它一直躺在抽屉里。 但换个角度看，它还能帮你省下一堆订阅费。 算一笔账： • Netflix • Google Photos • Dropbox • 1Password 这些服务加起来，一个月可能就是几十美元。 一年下来，几百美元没了。 你花的钱，很多时候只是为了租用那些本来可以自己掌控的东西： 照片、文件、密码、影音库、家庭数据。 这里可以看看 CasaOS。 一个免费开源的家庭云系统。 旧笔记本、树莓派、Intel NUC 都能装。 一行命令，差不多 30 分钟，就能把旧电脑变成家庭服务器。 装好之后，它不是那种黑乎乎的命令行系统。 而是一个类似应用商店的界面。 想装什么，点一下就行。 可以用它搭： 1. Jellyfin 替代 Netflix 这类影音订阅。 把自己的电影、剧集、纪录片放进去， 手机、电视、电脑都能串流播放。 2. Immich 替代 Google Photos。 照片自动备份， 支持搜索、人脸识别、时间线管理。 自己的照片，不一定非要一直交给云厂商。 3. Nextcloud 替代 Dropbox。 文件同步、远程访问、多设备协作都能做。 你的资料放在自己机器里。 4. Vaultwarden 替代 1Password。 密码、密钥、登录信息自己管理。 适合对隐私和数据控制要求更高的人。 5. Syncthing / Home Assistant / AdGuard 分别可以做： • 多设备文件同步 • 智能家居中枢 • 全屋广告过滤 以前自己搭家庭服务器，门槛很高。 要装 Linux， 学 Docker， 写配置文件， 查报错， 修一堆莫名其妙的问题。 CasaOS 的价值就在于： 把这些复杂步骤尽量封装掉。 不用从零学运维， 不用长时间折腾命令行， 看图标安装应用就能跑起来。 项目在 GitHub 上已经有 3.4 万+ Star， Apache 2.0 开源协议。 从 2021 年开始维护， 支持多种常见设备， 也能安装大量 Docker 应用。 最值得注意的一点是： 你那台旧笔记本，哪怕已经过时， 性能也可能比很多年前支撑网站运行的服务器还强。 买新硬件要钱。 但抽屉里的旧电脑，成本是 0。 一行命令， 半小时配置， 它就能从一台吃灰设备，变成你的私人数据中心。 项目地址： 一句话总结： 旧笔记本不一定只能卖废品。 装上 CasaOS， 它可以变成你的私有云、影音库、照片库、密码库和家庭服务器。

机器人运动控制算法 C++ 工程化工程师（细分方向） 一、工业机器人运动控制工程师 技术/算法：轨迹规划（直线/圆弧/NURBS 样条）、梯形/S 形速度规划（五段/七段）、运动学正逆解（解析/数值）、牛顿-欧拉递推动力学、前馈补偿 工具/领域：Eigen、ROS 2 Control、OMPL、Linux + PREEMPT_RT、EtherCAT(SOEM)、1kHz 实时闭环 工程要点：S 形速度规划闭式公式、解析逆解奇异规避、EtherCAT 分布式时钟同步、抖动分布量化 二、协作机器人运动控制工程师 技术/算法：阻抗控制、导纳控制、基于广义动量的碰撞检测、重力/摩擦力前馈补偿、拖拽示教 工具/领域：Libfranka、FRI、ROS 2 Control、实时力控接口、ISO 10218 安全限幅 工程要点：动量观测器残差阈值、柔顺刚度/阻尼整定、安全响应时延 三、移动机器人运动控制工程师 技术/算法：底盘运动学（差速/阿克曼/麦克纳姆）、轨迹跟踪（MPC/LQR/Pure Pursuit）、局部规划（DWA/TEB）、EKF 多源融合 工具/领域：OSQP、ACADO、ROS 2 Control、Eigen、Gazebo 工程要点：MPC 约束建模（速度/加速度限幅）、Pure Pursuit 前视距离稳定性、轮速+IMU 融合 四、人形机器人运动控制工程师 技术/算法：全身控制(WBC)、双足步态（ZMP/捕获点/MPC）、浮基动力学、QP 接触力优化、零空间投影 工具/领域：Pinocchio、Crocoddyl、CasADi、OSQP、MuJoCo C++ API、摩擦锥不等式约束 工程要点：任务优先级分层、浮基系统建模、接触力可行域求解 五、具身智能运动控制工程师 技术/算法：RL 策略部署（PPO/SAC）、Sim2Real 补偿、领域随机化、系统参数在线估计（RLS） 工具/领域：LibTorch、ONNXRuntime/TensorRT、Eigen、推理延迟优化（量化/算子融合/异步） 工程要点：1kHz 推理管线、策略输出平滑与安全校验、递推最