Superficial 如词，只是表面，欣赏表面的，终不长久。 见多了漂亮的女生，其实都会腻的，富豪们如刘銮雄，大刘，以前的女友都是李嘉欣、关之琳等，最后情归干比，一个高中毕业的普通屋村女孩。 这太太很有贤妻相，旺夫。 看起来也漂亮自信，Vivi 说的很对十亿级别以上的大佬，“看中的的确是稳定、聪明、韧性、低 drama、长期主义、家庭感”，样子“顺眼即可”，更重要是忠诚、能持家，教育好孩子，做好传承。否则，娶个漂亮身材火辣的拜金女，没以上特质的，家族的传承不能延续，家族可能过不了二代（如秦二世而亡…） 很多漂亮的女生不懂，以貌而得，必因貌而失。东亚的富豪的梦想妻子，是汉学注重家庭和西方教育的最佳结合。 没有内涵，华丽的外表，终将与时间流逝。 Superficial 如词，只是表面，欣赏表面的，终不长久。

这个 超级视觉分析神器 在 GitHub 上拿下了 2.7 万⭐️—Supervision。 不管是动态运动还是静态图片，重复又繁琐的视觉分析工作都交给它，你只管拿结果炫耀就行。 它能做的事情： - 高速公路车辆测速：自动跟踪每辆车的轨迹和速度，再也不用人工数车流量 - 足球比赛球员分析：谁跑得快，谁停着不动，一眼就能统计清楚 - 宠物动作追踪：家里小猫小狗乱跑，也能全程记录 - 静态画面分析：图片里的物体状态、位置、数量，全套一体化解决 - 可视化报告：生成漂亮图表和标注图，开会汇报直接用 - 数据集处理：加载、转换、拆分、格式互转，一条龙搞定 它让复杂、重复的视觉分析工作变得简单高效，你只管用结果就行。

推荐个最最便宜的大陆 eSIM 流量卡，6.75 元 25G 流量。Superalink 能薅羊毛适合体验下 eSIM 和防止机场 VPN 出问题失联备用，打开 或「JZB000000」优惠码能领 5 美元的优惠券。 国内移动网络支持 5G 速度很快，漫游香港或新加坡，能解锁 ChaGPT，支持支付宝付款，推荐选 5 天每天 5G 的，货币选人民币更便宜，180 天内都能启用，每个邮箱都能薅一次。

纳斯达克上市公司 SUI Group（SUIG）宣布与 Karatage 共同领投 AI 交易实验室 Nof1 的 1500 万美元融资，并参与 AI 公司 Recursive Superintelligence 的 6.5 亿美元融资。SUI Group 分别向两家公司投资 300 万美元。Nof1 的 Alpha Arena 使用真实资金测试 OpenAI、Anthropic、Google、xAI、阿里巴巴等模型的自主交易能力，并计划推出面向市场的 AI 编码代理平台。

连续熔断五次估计也就200左右。 然后在群友们各种fomo下280开始冲？ @sss_crypto fan哥230的时候喊的时候， @SuperBILI 逼哥已经觉得很高了，现在270接盘开始fomo了，又恍然大悟怎么翻倍了🤣。 逼哥演绎价格： 140 第一次 +7.5% → 150.5 第二次 +7.5% → 161.8 第三次 +7.5% → 173.9 第四次 +7.5% → 186.9 第五次 +7.5% → 200.9

3 月 30 日 币安 Alpha $BASED 项目分析： 一、项目介绍： @BasedOneX是一个基于 Hyperliquid的SuperApp，支持永续/现货交易、预测市场等。 二、代币模型： 代币总量：10亿 初始流通：2.35亿(23.5%) 上线时间：3 月 30 日 16:00 项目融资：1820万美元 鸣人评级：★ ★ ★ ☆ ☆[综合感受，非权威评级] ETH 合约：0x4f2b33840227ddd0e28da8d4185d6fa07adfed87 BSC 合约：0x1d28d989f9e3ccb8b15d0cec601734514f958e4d 三、代币经济学： ▶︎社区（S1、S2、PUP持有者、BasedPal NFT）：23.5% (TGE 全额解锁) ▶︎Ethena社区：7.5% (TGE 0%，前3个月每月6.67%释放，12个月锁后40%解锁，13-18个月线性释放剩余40%) ▶︎社区（S3预留）：5% (TGE 0%，2026年5月11日全额解锁，无锁仓) ▶︎生态：23.64% (TGE 0%，结构化归属，逐步释放 ▶︎机构：20.36% (TGE解锁0%，12个月锁定，其余24个月按月线性解锁) ▶︎团队：20%(TGE解锁0%，12个月锁定，其余24个月按月线性解锁) 四、筹码分析： * 16:00 币安 Alpha预计 1% * 18:00 S1+S2 空投16%，直接放送到Hyperliquid账户。 * PUP持有者 + BasedPal NFT 共约5% * Bybit Launchpool 0.3%，OKX Boost 0.4%(链上数据未公示) 五、融资详情： * 三轮分别270万、400万、1150万美元，共记1820万美元，机构分配20.36%，平均成本约 0.0894 U 六、收益预估： *盘前价0.1U，对应流通市值2350万，FDV 1亿 *池子价0.075U，对应流通市值1760万，FDV 7500万 * 币安 Alpha 先到先得 七、补充 * Hyperliquid的生态项目，项目有实际营收，预上CB。流通市值相对正常，危机来源空投份额太重，诡异的是查了一圈全网聊该项目相关空投的并不多，不排除大头在项目方老鼠仓上的可能性。 *上线Alpha与空投派发有两小时间隔，开盘如果能稳在0.08附近，在空投前可以尝试波看看。 #BASED#

每个人都应该了解的AI 术语名词，你都认识吗？ 搞懂这些名词 并了解其实现方式和原理。你基本就入门了。 AGI（类人AI）：类似人类思维的AI。 CoT（链式思维）：AI一步步思考。 AI Agents（AI代理）：自动化决策的程序。 AI Wrapper：简化与AI模型的互动。 AI Alignment（AI对齐）：确保AI遵循人类价值观。 Fine-tuning（微调）：使用特定训练数据来改进AI。 Hallucination（幻觉）：AI编造的信息。 AI Model（AI模型）：用于任务的训练AI。 Chatbot（聊天机器人）：模拟人类对话的AI。 Compute（计算）：AI模型的处理能力。 Computer Vision（计算机视觉）：AI理解图像和视频的能力。 Context（上下文）：AI为更好响应保留的信息。 Deep Learning（深度学习）：通过多层神经网络学习的AI。 Embedding（嵌入）：AI的词汇数字化表示。 Explainability（可解释性）：理解AI决策背后的逻辑。 Foundation Model（基础模型）：可适应任务的大型AI模型。 Generative AI（生成式AI）：创建文本、图像等内容。 GPU（图形处理单元）：用于快速AI处理的硬件。 Ground Truth（真实数据）：AI学习的验证数据。 Inference（推理）：AI对新数据做出的预测。 LLM（大型语言模型）：用大量文本数据训练的AI。 Machine Learning（机器学习）：AI通过数据经验改进。 MCP（模型上下文协议）：AI内部数据访问的标准。 NLP（自然语言处理）：AI理解人类语言。 Neural Network（神经网络）：受大脑启发的AI模型。 Parameters（参数）：AI学习的内部变量。 Prompt Engineering（提示工程）：创建输入以指导AI输出。 Reasoning Model（推理模型）：有逻辑推理能力的AI。 Reinforcement Learning（强化学习）：AI通过奖励与惩罚学习。 RAG（检索增强生成）：结合搜索与生成的AI。 Supervised Learning（监督学习）：在标记数据上训练的AI。 TPU（张量处理单元）：AI处理专用芯片。 Tokenization（分词）：将文本分割成词片。 Training（训练）：通过调整参数教AI。 Transformer（变换器）：用于语言理解的AI架构。 Unsupervised Learning（无监督学习）：AI在无标签数据上发现模式。 Vibe Coding（情绪编码）：通过语言捕捉情绪并预测输出。 Weights（权重）：影响AI学习的值。 #AI# #AIAgent#

Culper Research 发布做空英伟达（ $NVDA ）的详细解读 Culper Research 是一家美国激进做空机构，它的模式非常简单，先建立空头仓位，再发布调查报告，攻击上市公司的财务、业务、监管、关联交易或信息披露问题。 所以 Culper 的报告并不是一份中立的研究，而是交易的一部分。 不过这类机构真正的价值，是把市场没注意到的异常线索，挖掘出来，但从我个人的理解来看，可能更多的是对于做空标的短期的价格影响，长期还是要看企业本身的业绩。尤其是对于 英伟达 这种 AI 风口浪尖的企业来说。 这次 Culper 做空英伟达，核心表述只有一个，就是 英伟达 的中国业务，可能没有真正归零。潜台词就是 英伟达 可能没有完全遵循美国的对于中国的限制。 英伟达对市场的公开表述是： 2025年4月 美国收紧出口限制后，公司在中国的算力业务已经基本归零。黄仁勋也多次说，英伟达在中国的 compute business 从接近 95% 份额跌到 0%。 那么市场因此会认为： 既然中国业务已经没了，那么未来如果中美关系缓和，或者出口限制放松，中国就是英伟达的额外增量。尤其是这次在最后关头 黄仁勋 也加入了访华团队，这对于打开 英伟达 在中国的销售可能会有帮助。 但 Culper 的判断正好相反，Culper 认为中国需求并没有消失，只是从直接销售，变成了东南亚中转、云算力租赁、OEM 供货和中间商采购的形式。 也就是说，英伟达财报上看到的可能不是中国收入，但最终真实需求仍然可能来自中国客户。 Culper 报告里最重要的几条线索： 第一， Megaspeed Megaspeed 是一家新加坡 AI 算力云服务商，表面上是在东南亚购买英伟达服务器，然后把算力租给客户。 英伟达曾为 Megaspeed 背书，说它没有中国股东，也没有发现芯片转移。但没有中国股东，不等于没有中国资金。 Megaspeed 2023 年底体量还很小，2024 年底资产负债表突然膨胀到接近 30 亿美元，主要来自 29 亿美元可退还押金。 同时，它又有接近 29 亿美元对子公司的应收款，资金继续流向马来西亚子公司 Speedmatrix。 第二，Speedmatrix 和阿里相关资金链 Culper 指出，Speedmatrix 曾把自己的业务、设备和未来资产抵押给一家新加坡公司 Apex Enterprise Solutions。 而新加坡文件显示，Apex 的母公司是 Alibaba Group，业务目的包括 procurement activities。Apex 账上有超过 41 亿美元预付款，同时有约 42 亿美元来自阿里相关公司的贷款。 所以 Culper 的推论是阿里相关资金可能通过 Apex 进入采购结构，再通过 Megaspeed 和 Speedmatrix 体系购买英伟达服务器。 第三，Aivres Speedmatrix 从 2024 年底到 2026 年初进口了约 46 亿美元产品，其中约 40 亿美元来自 Aivres Systems。Aivres 是英伟达 Elite OEM compute partner，负责组装高端英伟达服务器。 但 Aivres 的前身是 Inspur Systems，也就是浪潮体系的一部分。浪潮集团被美国列入实体清单后，Inspur Systems 改名为 Aivres。 Culper 认为，Aivres 表面上是美国公司、合规 OEM 伙伴，但它和中国需求之间的关系非常敏感。如果 英伟达 把货卖给 Aivres，财报上可能体现为美国客户收入。 但如果这些服务器最终通过马来西亚、新加坡、印尼等路径服务中国客户，那么市场看到的区域收入分布，就可能低估英伟达对中国真实需求的依赖。 第四，Supermicro / OBON 案件 2026年3月，美国司法部起诉了几名与 Supermicro 有关的人士，指控他们通过东南亚中间实体，把至少 25 亿美元英伟达芯片服务器走私到中国。 这个案件对 Culper 很看重，因为它证明了东南亚中转 + 假数据中心 + 真实服务器转移到中国不是幻想，而是已经进入司法程序的真实案例。 第五，马来西亚数据中心 Culper 认为，东南亚数据中心是绕开出口限制的关键节点。美国限制的是高端 GPU 直接出口中国。但如果 GPU 放在马来西亚、新加坡、泰国的数据中心，中国公司远程租用算力，形式上可能不是芯片出口，但实质上仍然是在满足中国 AI 需求。 这才是英伟达中国问题的复杂之处。问题不是芯片有没有被直接运进中国。而是算力是否被中国客户实际使用。这也是 Culper 对英伟达最严重的指控，认为 英伟达 不可能完全不知道。 因为 英伟达 理论上可以通过客户 KYC、订单规模、客户成立时间、保修记录、服务器 IP、软件更新、延迟数据、设备心跳信号等方式，判断 GPU 是否真的在申报地点运行。 如果几万张 GPU 声称部署在马来西亚、新加坡，但实际使用路径异常，英伟达不应该完全没有感知。如果英伟达知道、默许或者放任，那就会变成出口管制、收入质量和管理层可信度问题。 当然，到这里复杂的情况就变多了，因为要证明 英伟达 主观知情，门槛非常高。英伟达有能力知道和英伟达已经知道并故意放任，完全是两回事。 所以这份报告真正的目的，并不是在于 Culper 能不能定罪英伟达，而在于后续监管会不会接手调查。 如果美国商务部、司法部、新加坡、马来西亚继续调查 Megaspeed、Speedmatrix、Aivres、YTL、Novagate 这些链条，那它就不是单纯做空报告，而是监管事件。 总体来说 Culper 做空英伟达的核心逻辑就是市场认为中国是英伟达未来的潜在增量。而 Culper 认为中国其实是英伟达过去一年隐藏的存量。 如果中国业务早就归零，那么未来放松限制就是利好。但如果中国业务过去只是藏在东南亚、OEM 和云算力渠道里，那么当美国继续收紧出口管制，中国又推动国产替代时，英伟达面对的就不是增量消失，而是隐藏存量被切断。 这才是 Culper 做空英伟达的真正逻辑。

聚焦在现有工作上用coding Agent去解决，是一条错误道路，人类已经把能吃的红利吃差不多了， 接下来就是无尽的人指令-agent执行-人指令-agent执行的iteration中逐渐迭代工作，很难把人从这种小幅度高强度反复的iteration中解放出来。 因为现有codebase不仅高度复杂，而且人的大部分命令都是高度模糊、 高度开放、高度自由、无法验证的命令， 场景也是高度开放、高度自由、无法在containers中直接测试跑一跑，必须在真实世界中获得反馈才能继续修改工作。 所以我最近半年一直坚持反复告诉大家： 1. 在现有所有大型科技互联网软硬件移动外包平台coding agent的红利很快就吃完，现有人类像唱山歌一样和claude code高强度一问一答的模式，就是短期内的最优解——像full self coding一样大量agent并行完成coding工作，不会带来更多的收益； 2. 在coding agent很快增长和红利消失的大前提下，人类如果想继续把AI Agent和multi agent的红利吃干抹净，必须持续找到有价值的新领域、新方向、新问题： A. 同时满足问题定义简单干净、环境封闭、非常非常易于verify、问题解决方案搜索空间巨大的复杂问题，让goal-driven( 前提是易于verify，必须用很低的成本去verify最终输出是否正确，保持持续验证这个criteria，给予正确的反馈和无限工作循环的核心条件，直到完整完成工作； B. 能够把multi agent的并行度吃干抹净，一次性1000个agent大批量初始化和启动，在一些setup中持续活跃，保持multi agent的可观测性， 除了openclaw时代就臭大街的各种爬虫以外，还有行为经济学、社会学、心理学、教育学、法学等等大规模试验，不由分说充足token，先初始化1000个agent模拟跑几天，观察一些初步结论； C. 就像我半年前说的价值10万刀的策略：把一切人类社会中遇到的所有问题，整理成文档、表格、图片、文字、structured data，让一些富有经验、富有memory的coding agent（就是claude code和codex本人）进行一步步解决， 你始终要明白，现阶段的头部coding agent已经足够复杂、 足够高级、机制足够完善，AI Agent已经经历了4~5轮工业革命，完善到整个industry其他任何生态和框架继续手搓的任何agent都像一个玩具，只要一个claude code/codex一个文件夹+一个docker/kubernete，就是未来一切企业和流程中的general agent； 3. 有一点几乎被所有人忽略，也是我近几个月意识到的问题。 在经典deep learning时代，一些产业对于经典neural network和baysian model有天然的不信任感和敌意，他们会非常激进、偏执地要求一切machine learning的模型尽可能地跟随可解释性、AI伦理、因果推断等等方向。 在AI Agent时代，越是激进使用的人，越是对AI Agent产出的代码、报告、分析、数据、结论产生严重的怀疑， 因此不只是GPT model需要superalignment，LLM Agent本身更需要superalignment，在Agent时代，superalignment的重要性会越来越高， 而且AI Agent产出和workflow的可解释性需求也会越来越高，最最基础浅表的就是各种问答chatbot的来源引用，今后其他越来越复杂的工作，包括coding本身，都会有可解释性的大量问题涌现， 一种方式是尽可能用formal verification或者prover的形式来自动化验证， 一种是用agentical的验证方式，就像人一样去用一个或者多个agent来反复review和challenge一项工作； 4. 还有一点很多人没想到，就是AI Agent会对人施加反过来的影响。 比如office出现后，普通人要求用office三件套来完成工作，office重塑了人类办公的基本流程和规范， 比如出现了google之后的早期，普通人要学会正确输入搜索关键词，把想问的问题拆分成正确的关键词，以获得正确query的结果（后来google反复做了优化，这个技能也逐渐不重要）， 比如social network出现之后，人们学会了全新的交友方式、social network的交友礼仪、聊天方式， 所以在AI Agent时代，人最重要的技能，没有之一，就是如何正确使用AI Agent、挑选正确的模型、使用正确的工具、组建正确的prompt、描述正确的问题、输入充足完备的信息、如何用goal-driven去构建一套dual-agent的简单无休止infinite-loop workflow， 一个不会正确定义问题、不会正确输入足够多的信息、不能让AI Agent在一个边界清晰的闭包问题中正确工作、持续工作的人，天天拿AI Agent当成无所不知的万能神、百宝箱、随机神、超人，除了问弱智问题，就是玩猜猜看、问宏大开放的无异议问题， 这种人大概率会被这个时代逐渐淘汰掉。

如果让我设计一款中国大学： 1. 只有一个计算机专业； 2. 微积分、线性、概率、复变、大学物理（上下）、基础编程语言、基础数据结构，全部下放到高中，AP修完入读； 3. 大一开学一顶门，直接上算法、操作系统、体系架构、编译器四门课，大二大三大四全部专业课，删掉所有政治课； 4. machine learning、deep learning、LLM、AI Agent这个track的课直接开满，从linear regression、logistic regression、SVM、HMM到古典CNN和back propagation到transformer到AI Agent和SWE Agent，这个路线的课程全部打通，随便选修（非必修）； 5. 大一、大二、大三、大四必须累计3个学期co-op（包括暑假），co-op都去外面实习，写个report就能抵整个学期的学分； 6. 把弱电类专业课开全（非必修），电路数电模电嵌入式电磁场电力电子嵌入式信号控制开全，随便选修，可以从其他各种在线平台直接transfer； 7. 学校地址放在一线城市硬科技互联网核心区域，北京五道口，上海张江科技园，深圳南山科技园，天津北辰天穆镇， 校园直接租商用办公楼，楼上楼下都是公司，周围2公里全是科技公司，孩子们平时可以全职实习写代码，有空再来上课， 学校只提供正常科研运营上课的场所，不提供宿舍、食堂、体育馆、图书馆，不提供其他一切服务设施，一切衣食住行需要自己解决； 8. 只要做research就可以抵上课学分，只要supervisor导师打分即可，可以发paper也可以跟着导师在外面实习，可以代替任何必修课选修课，最多抵~100学分（本科四年全部做research，不用上课）； 9. 推出5年制本硕，第四年拿到本科学位后，修一年（三个学期）的课程，修够30学分就直接拿硕士学位， 如果第一年的课程全部在AP修完waive掉，第三年拿到本科学位，第四年拿到硕士学位， 如果四年拿research或者co-op学分抵扣，大一课程拿AP课抵扣，四年不用迈进学校一步，全部在外面工作实习，四年结束后直接拿到本硕学位； 10. PhD program完全工业项目制，本科可以课程直接抵扣PhD credits，剩下的credits纯粹做research，强制校外co-op，不需要qualifying exam，学生可以单向自由换导师，发够paper直接毕业，最快2~3年毕业，期间可以进入休眠状态，随时回来继续读。