最近在看麦道夫的纪录片，1990年代他的资金渠道向私募基金业(feeder funds)延伸。纪录片中提到1999年有策略公司(Rampart Investment Co)觉得麦道夫稳定月化1%的‘期权策略’（所谓Split-Strike Conversion策略，买蓝筹股篮子 + 买OTM看跌期权对冲 + 卖OTM看涨期权）应该可以复制出来，也分一杯羹，于是安排他们的策略经理Harry Markopolos去研究。策略经理发现策略无论和股票收益率还是债券收益率的相关性极低，立即断言这是骗局。他没有办法拿正常策略和骗局去竞争。他最多能做到的是月化1%的收益率，但是可能最差情况会损失50%。不出意外地没能引起客户的兴趣。 Jim Simons投过钱给他，并且对RenTech的同事说：我们的期权模型要升级，看看麦道夫是怎么做的？他的同事说：要不你把麦道夫雇过来？（这段我是在Simons的传记里面看到的） 一个takeaway是，量化公司的老板们在听到所谓的策略描述时，并没有立即反应出来这个收益风险比是不可能的，而是安排同事去研究。这说明了量化公司老板更多是个资源管理者，对具体的衍生品细分领域并不熟悉。很多quant基金的成功依赖“人才工厂”而非单一天才对所有细节的掌控。

和Quant Alex @StochAlex07 讨论： SABR Theta与Spot Theta+Vol Theta+Cross Theta的异同与应用，以及SABR模型自洽性分析。 **English Summary of the Chat** **SABR Theta vs Spot Theta + Vol Theta + Cross Theta** The conversation between **Alex Wu** (white bubbles) and **Jeff Liang** (green bubbles) is a technical discussion focused on **SABR Theta versus Total Theta** (i.e., Spot Theta + Cross Theta + Vol Theta), model self-consistency, PDE residual, and the correct definition of SABR Greeks. ### Key Points Discussed: 1. **SABR Gamma = Spot Gamma** (first major question, raised by Jeff) Jeff asked whether SABR Gamma (\(\partial^2 P / \partial F^2\)) is identical to Spot Gamma and whether it includes the dependence of \(\sigma_B\) on \(F\). He also provided the full chain-rule expansion of SABR Gamma in terms of Black-76 Greeks. Alex confirmed the understanding and **later affirmed in code** that this is exactly how SABR Gamma is implemented in their system. 2. **SABR Theta vs Total Theta and Model Self-Consistency** (main topic, led by Jeff) Jeff shared a clear 3-point understanding: - SABR Theta is computed directly via the SABR approximation formula to obtain \(\sigma_B\), then applying the Black-76 chain rule: \(\partial P/\partial t =\) BS_Theta(\(\sigma_B\)) + BS_Vega \(\cdot \partial\sigma_B/\partial t\). - Total Theta is the exact decomposition from the SABR PDE (Spot Theta + Cross Theta + Vol Theta). - When the model is **fully self-consistent** (Residual = \(\partial P/\partial t + \mathcal{L}P = 0\)), SABR Theta = Total Theta; otherwise the difference is the unexplained PnL caused by the approximation error in the Hagan formula (especially pronounced in long-dated, high vol-of-vol, or high-skew options). 3. **Practical Implication – Theta Decomposition Decision** (comment by Alex) Alex noted that whether to perform Theta decomposition depends on the risk-management approach: - Without decomposition → use SABR Gamma vs. dP/dt. - With decomposition → SABR Gamma maps to Spot Theta, Vanna to Cross Theta, and Volga to Vol Theta. **Overall Tone**: The discussion is highly technical and collaborative. Jeff drives the conversation by asking clarifying questions and presenting a well-structured 3-point summary of his recent study. Alex provides confirmations, practical insights, and code-level validation. Both participants demonstrate a strong command of SABR model nuances, particularly the relationship between approximation error, PDE residual, and real-world risk management.

「e嫂陪酒3P实录」 「Milky's Big Tits 3P)」 一个大客户要求嫂子一起陪酒聊天，为了签下合同，嫂子的巨乳今晚将属于另一个男人💋 My client demanded that my wife accompany him for drinks and conversation, in order to sign the contract, her large breasts would belong to another man that night.💋 @ToBuerma @ToBulaer @KawasawaSen @BulmaList

马克·库班（Mark Cuban）是美国顶级的亿万富翁、连续创业者、风险投资人，也是前 NBA 达拉斯独行侠队的大老板。他在科技、体育、娱乐和医疗等多个周期都踩中了时代红利，库班最大的特点是不讲空话，注重商业的实际落地 在 2026 Convergence AI Dallas 大会上的分享精华 1、AI 不是未来，是已经发生的生产工具跃迁 到现在还不知道 agent 是什么的管理者、员工、学生，已经落后。AI 不一定能通向 AGI，但它和 PC、互联网、流媒体一样，是工具层的一次跃迁。 他把 AI agent 比作是宿醉实习生，不可靠、不完美，但能 24 小时干那些没人愿意干的繁琐活。AI 的价值不是判断，是把大量低价值流程自动化。 低价值流程就是企业的代谢物。经济条件不错的家庭把家务外包，企业用 agent 把代谢物外包。真正的问题是，省下来的时间，让员工去做什么？如果做有价值的事情？想不清楚这件事，ROI 永远是负的。 2、AI 是指数级，不是移动互联网的年更 手机一年一代是线性升级，AI 不是。AI 能给建议，不能承担后果，能优化目标，前提是人类把目标、上下文、边界定义清楚。 现实世界不是封闭游戏。所以 AI 在商业流程里价值很大，在复杂现实判断中仍要谨慎。 了解 AI 现在到哪一步，唯一的办法就是每天用。 3、两类人正在分化 一类用 AI 是为了不学习、不思考，这类人会变弱。 另一类用 AI 是为了学习一切，这类人会拥有巨大优势。 库班反复强调一个词：好奇心(curiosity)，AI 时代最重要的能力不是写代码本身，还有持续提问、持续试错、持续迭代。 悲观一点说，AI 对那种打破砂锅问到底式好奇心的容忍度极高，可能会是后 AI 时代拉开就业率的关键。 4、未来三年只有两类公司：AI Native 和被淘汰的 大公司只是花钱接入 AI、ROI 大概率为负，因为旧流程没改。要释放 AI 价值，CEO 必须愿意炸掉旧业务流程，重新设计组织、客服、法务、运营。 难点不在技术，在 CEO 的决心。新进入者用 AI 原生方式做同一件事，成本更低、速度更快。 这也是库班对咨询行业不悲观的原因，企业需要的不是部署 AI，是有人帮它们重新设计业务。咨询业的机会从传统报告，转到 AI 时代的组织重构。 值得注意的是：AI 也在改造咨询公司本身的生产力，未来一个独立顾问就可能干掉一个传统咨询团队。 5、软件股的护城河重新定义 市场在惩罚标准化 SaaS，AI 让软件变得更容易构建。库班举的反例是 DocuSign，它不只是签名工具，还掌握不同国家、地区、司法环境下电子签名的复杂规则。这种法规知识库 + 流程嵌入不容易被普通 AI 替代。 软件公司的护城河，从功能转向专有数据 + 工作流嵌入 + 法规/行业知识。 按席位卖标准化产品、没有独特数据、没有专有流程的 SaaS，会非常危险。 顺带提一下 ServiceNow（NOW），2026 年 YTD 跌幅约 40%，近期开始反弹，市场在用脚投票区分真护城河和标准化席位生意。 6、对 OpenAI 们的万亿资本开支，库班是质疑的 库班的核心判断：数据中心算力会更快、更便宜，今天宣称的万亿美元级基础设施投入未必兑现。基础模型行业最终是像流媒体（多个玩家赚钱）还是像搜索（赢家通吃），现在看不清。 他不否定 AI 有用，而是怀疑，AI 有用，不等于所有基础模型公司的资本开支都能赚回来。 垂直领域的竞争会越来越依赖 IP。问题是一旦公开发表、申请专利或开放数据，就会被所有模型训练，原有优势被稀释。 AI 时代企业没有 IP 就没法收割溢价。注意力经济会被重塑但不会消失，专注垂直赛道的 KOL 会有加成，类似以前时尚主编的定位。 7、世界模型才是下一站，不是 LLM 今天的大模型主要建立在文字和图片上，不真正理解物理世界。未来 AI 会从 LLM 走向世界模型，理解视频、材料、空间、物理因果。 竞争会从文本/代码生成，延伸到视频理解、卫星数据、材料识别、机器人。 LLM 不是 AI 的终点，只是一个阶段。 最后一条最实在：库班给年轻人的建议 学 AI，然后去服务中小企业。 他投资的一家公司用 agent 自动核对物流箱规、发票和运费差异，每月省 5 万美元。这种想做但没时间做的繁琐事项，正是 agent 落地的金矿。 库班不认同50% 失业这种极端说法，但承认只做格式整理、简单问答、重复执行的岗位风险很高。未来需要的是知道什么时候用 AI、什么时候不用 AI、如何设置 agent、如何检查 AI 输出的人。 AI 不理解后果。企业仍然需要人作为判断缓冲层，这才是普通人在 AI 时代真正可以站住的位置。

点外卖（海外中餐/Uber Eats） 外卖平台只认本地卡 现金支付？送货员不找零 汇率换算头大，实际付多了 MiPay 怎么做： USDT 扫码支付 自动按实时汇率结算本地币 免手续费，小费直接加扣 就这么简单。 Mipay下载链接： 官方中文客服群： Order takeout (overseas Chinese food/Uber Eats) The takeaway platform only recognizes local cards Cash payment? Delivery boy doesn't give change The exchange rate conversion is complicated, so you actually pay more. How to do MiPay: USDT Scan QR code to pay Automatically settle local currency at real-time exchange rates No handling fee, tips will be directly deducted It's that simple. Mipay download link: Official Chinese customer service group:

一个很野的 Polymarket 账户出现了 一名在日本的中国学生，据说只玩了 Polymarket 2 天 把 $0.90 做到了 $408,292 几乎没人讨论 0 viewers 他的 profile 叫 Gravia 他说这是他的 terminal 有人反向拆解后，用 Claude 按同样策略做了一个类似 bot 一个 prompt 20 分钟 完成 它做的不是普通交易 而是 Polymarket BTC UP/DOWN 5MIN scalper 核心流程是： 实时拉 Binance WebSocket + 5M K-lines 交叉验证 TradingView signals + CryptoQuant exchange flows 用 Mirofish force-graph engine 映射 100 nodes / 180 edges 检测 BEAR / BULL clusters 的 convergence 捕捉 Polymarket CLOB 相对现货价格滞后超过 0.3% 的窗口 在合约重新定价前，低于 100ms 执行 在 UP/DOWN 5MIN 市场里，每秒 1000+ orders 每笔抓 0.3%–0.8% 没有 edge，就跳过 流动性太薄，跳过 信号冲突，跳过 触发 daily cap，也跳过 风控也写得很清楚： 单笔风险 0.5% 每日上限 2% -0.4% hard stop 本地 terminal 运行 不依赖 cloud 不需要 GPU 这类 bot 的 edge，不是真的在“预测 BTC” 而是在吃现货价格、信号收敛、CLOB 重新定价之间的时间差 它赚的不是方向判断 是延迟 问题是： 这种 5MIN 高频 scalper，最后到底能放大到什么规模？ 以及 Polymarket 会不会禁掉它？

和同事打赌输掉了，每天发50个俯卧撑… 那就顺便发一下每天碎碎念吧 最近在湾区出差，昨天作为portco 参加投资人年会draper summit，晚上被拉去了一个sf城里酒吧的的tipsy coworking session。 感慨： 1. 有越来越多纯crypto的公司在做ai实验室，而且的确在核心ai圈里做出来了很好的产品。Yzi下周在湾区的demoday 起名叫the convergence真的很应景。 2. 新市长上任后SF城里的治安和卫生条件的确好了很多，和朋友们约跑步不用担心不小心踩到💩了。尤其是mission bay那一块BVNK Visa Bridge的办公室和众多AI模型大厂办公室聚集在一起，人才密度很高。 3. AI圈内有了更多更疯狂的想法，做产品即使短期不可能有PMF在湾区也敢砸钱去做，赌模型能力还是可以继续快速提升让不可能的事情变得再平常不过。crypto发币的项目都感慨ai创业激进派讲的故事太meme了，连当初web3叙事都做不到这么百花齐放。 4. preseed投资的泡沫还在继续，后期跑出pmf的股值也在继续疯狂拉升，但是seed到A中间层似乎青黄不接，拿钱不容易。有刚毕业的朋友室友多位new grad印度留学生通过造假数据都很简单进了YC

前几天用 @xhunt_ai 检测幽灵关注，才发现这轮寒冬比想象中更严重。 AI Agent MEME 红极一时的 @neur_sh 、 @griffaindotcom 一年没更新推特，elizOS 27天、AVA 2个月、 1个月。 Moonshot Listings 也已经7个月没更新推特了。PeopleDAO 2个月没更新，咆哮小猫1年4个月。 之前关注的一些 P 统领和 P 小将好多也几个月没更新过了。 当年开启 L2 存款热潮，狂揽 20多亿美元 Blast，已经8个月没更新推特。 7个月。 不仅如此，我关注的一些研究类型的账号，投资机构或者研究员也已经好几个月没更过推文了，当年 DODO Research、Mint Ventures、SevenX Ventures Grace Deng 等等老师的研究报告，我真是每期必看，如今都已经不更新了。 值得注意的是，Ethena 基金会和他们计划做的公链 Converge 也已经几个月没有更新过推文了。 哎，拿什么拯救你，我的区块链。

最近我们一直在想，怎么能让 和社区靠得更近一点。 所以，我们决定正式启动 品牌大使计划。 希望找到真正懂社区、懂情绪、也懂 Meme 的人，一起把 的文化和声音传递出去。 而小鱼，就是那个我们觉得“很 如果说 Meme 是一片海，那我们需要顶级的“冲浪者”。 很高兴邀请 @vvxiaoyu8888 正式出任 首位品牌大使。 长期潜伏于链上最前线、在 X 上自带“信号塔”属性的小鱼，对市场风向有着天生的嗅觉。 从捕捉热点节奏，到解码社区情绪，她始终保持着非常敏锐的感知。 今天起，她也来自 接下来，小鱼将作为我们的“生态翻译官”和“灵感捕手”，深度参与品牌内容与市场协作。 懂社区者得天下。 她会把 的声音带给社区，也会把你们最真实的反馈带回团队。 欢迎小鱼加入 一起搅动这片 Meme 蓝海，一起把 BSC 的生态带向新的高度。 The Brand Ambassador Program officially starts today. We want to work more closely with the community, stay connected to real onchain culture, and build alongside the users who shape this space every day. More conversations. More feedback. More building together.

周末行研---AI拉动的电力电子系统大基建里SiC、GaN 与硅MOSFET的份额浅析 AI数据中心疯狂建设推动的电网大升级，正在让另一个长期被低估的领域重新回到舞台中央：功率半导体。 电力系统核心在于高效地控制电流。而控制电流最核心的器件，就是MOSFET（Metal-Oxide-Semiconductor Field-Effect Transistor）金属-氧化物-半导体场效应晶体管。 过去几十年，全球功率器件几乎都建立在硅MOSFET之上。硅便宜、成熟、产业链完整，因此长期统治整个行业。但随着AI服务器功率暴涨、EV进入800V时代、数据中心向高压化演进、高频电源需求提升，传统硅开始逐渐碰到物理极限。于是，SiC（碳化硅）与GaN（氮化镓）开始崛起。 SiC更像重工业路线。它的核心优势，在于高压与大功率。SiC拥有更高击穿电压、更强导热能力，在高压、高电流场景下效率明显优于传统硅IGBT。因此EV主驱逆变器、光伏逆变器、储能、工业高压驱动、电网、高压UPS这些领域，正在快速SiC化。尤其特斯拉推动的800V平台，本质上是整个SiC产业爆发的重要转折点。过去几年，新能源车一直是SiC最大的驱动力。Wolfspeed、onsemi、STMicroelectronics、Infineon Technologies、ROHM、Mitsubishi Electric等公司，都在这一轮周期中受益。 但SiC并不完美。相比GaN，它通常开关速度更慢、Qg更高、高频性能较弱，高频下磁性器件难进一步缩小。于是GaN走向了另一条路线。GaN真正强的地方，是高频。GaN拥有更低Qg、更低输出电容，以及几乎没有reverse recovery的问题，因此特别适合高频DC-DC、AI服务器供电、GPU VRM、手机快充、高频PSU、小型化电源。 AI可能是GaN真正的大周期。因为AI数据中心正在推动整个供电架构向高频化、高电流化、小型化、高效率演进。尤其48V架构之后，大量高频DC-DC开始成为核心瓶颈，而这正是GaN的甜点区。 传统服务器机架可能只有5-10kW，现在AI机架已经开始进入50kW、100kW，未来甚至可能接近MW级别。 AI数据中心正在从IT设施，逐渐变成“电力设施”。而从电网到GPU，中间需要经历大量电力转换：高压输电、变压器、UPS、PSU、AC/DC、DC/DC、VRM、GPU近端供电。每一次转换都会损失能量。当单个AI园区开始消耗GW级电力时，1%的效率提升，都可能对应巨大的经济价值。于是，功率半导体开始从配角变成核心瓶颈。 GaN因此开始大量进入AI服务器PSU、高频DC/DC、GPU VRM、电源模块。很多系统甚至开始出现“SiC + GaN”混搭。高压主干用SiC，高频末端用GaN。数据中心里，电网到数据中心的大功率高压部分，更适合SiC。服务器机架内部的高频供电，则更适合GaN。 未来整个功率半导体可能形成三层结构。低压低成本：硅MOSFET。高频高效率：GaN。高压大功率：SiC。 650V附近，是GaN与SiC正面竞争的区域。低于650V，GaN优势明显。高于650V，SiC优势越来越强。而650V附近，两边都能做。 同时，因为全球大量关键系统，都工作在400V~800V DC母线附近。 650V器件通常对应400V AC整流后、380V HVDC、48V架构上游、数据中心PSU、工业电源、光伏、OBC、AI服务器电源。 这是现代工业和数据中心最核心的电压区间之一。 于是竞争开始从单纯器件参数，变成系统成本、EMI、驱动复杂度、散热、良率、可靠性、客户验证、使用寿命、热循环、ppm失效率，以及长期供货能力。 这也是为什么功率半导体行业护城河极深。尤其SiC。SiC真正难的，不只是器件设计，而是晶圆生长、外延、缺陷控制、良率、高温可靠性。这些能力需要长期工艺积累。因此行业真正强势的玩家，往往都是十年以上沉淀出来的公司。不同公司的强项也不同。Wolfspeed强在材料。STM强在EV。Infineon强在模块与系统能力。onsemi强在汽车客户。Rohm强在可靠性。 GaN世界则还没有完全进入成熟阶段。目前Texas Instruments、Navitas Semiconductor、Infineon Technologies、Efficient Power Conversion都在不同方向推进GaN。其中TI可能长期被市场低估。因为真正的大客户最在意的，往往不是PPT参数，而是reliability、qualification和长期供货能力，而这些恰恰是TI最强的地方。 总的来说，AI正在提高整个系统里的“功率半导体含量”。未来AI基础设施的竞争，可能不只是算力竞争，还会是电力竞争、配电竞争、散热竞争、电源效率竞争。 过去半导体行业的核心是计算。未来十年，功率控制本身，可能会成为新的核心瓶颈之一。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor