终于到周五了，水个推吧 #睦子米的愉快赛博飞升之旅开始咯# #AIart️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️# #aiイラスト# #avemujica# #MyGo# #Crychic# #モーティス# #若叶睦# #若葉睦# #バンドリ# #BanGDream# #cosplay# #コスプレ#

芒果原创《听干妈的话找个老实人嫁了》第三集 前往主页点击置顶链接观看更多免费剧集 子明发现爸爸和菜菜互相称呼“八号”和“陈总”却同时装不认识，当场拆穿两人默契。爸爸强行解释是认错人，菜菜立刻附和，妈妈却全程沉默观察，气氛瞬间变得可疑。让我们看下菜菜的母狗形态 #原创首发# #芒果短剧# #AI成人视频# #AIart️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️️# #AIイラスト#

【AI風險】城堡投資創辦人格里芬：人工智能「幾乎肯定」處於泡沫之中 城堡投資創辦人格里芬（Ken Griffin）說，投資者「幾乎可以肯定」正處於AI泡沫之中。「我們經濟的任何劇烈變革通常都是和泡沫交織在一起的。」今年初在達沃斯論壇上，格里芬將人工智能斥為「垃圾」。

AI医疗3只“最可能十倍”的美股（按非对称性+平台潜力排序）： $RXRX、 $ABSI、 $TEM。 这三只都是纯美股、可直接买，且属于计算制药/AI诊断核心方向。 十倍股的核心逻辑是：当前市值够小 + 平台有数据/技术护城河 + 临床或商业化催化剂明确 + 成功后市场空间巨大。大市值工具股（ILMN、TMO、DHR、NVDA等）或已经跑起来的诊断龙头（NTRA约600亿、GH约220亿）十倍难度高很多。 1. RXRX（Recursion Pharmaceuticals）——首选十倍候选 •当前市值：约22亿美元（2026年10月数据）。 •核心逻辑：最完整的AI原生药物发现平台（Recursion OS = 大规模自动化实验室 + 海量细胞图像/多模态数据 + ML模型）。与Roche/Genentech、Sanofi、Bayer等有重大合作，潜在里程碑超过10亿美元。 •催化剂：REC-4881在家族性腺瘤性息肉病（FAP）中已有积极Phase 2数据（息肉负担显著下降），正在与FDA讨论注册路径；其他肿瘤项目也在推进。现金跑道已延伸至2028–2029年。 •十倍路径：如果平台真正产出多个临床成功资产或高价值授权，从20亿基数直接重估到200亿+完全有可能。多家分析将其列为AI制药中最具不对称性的标的之一。 •风险：临床失败风险高、收入仍小且波动、高稀释历史。属于“平台期权”。 2. ABSI（Absci）——高弹性AI抗体平台 •当前市值：约17亿美元。 •核心逻辑：生成式AI设计全新抗体（Origin平台），强调“从设计到IND更快、更便宜”。领先项目ABS-201（抗催乳素受体抗体）正在做雄激素性脱发（AGA）的Phase 1/2a，市场空间巨大，同时向子宫内膜异位症等适应症扩展。 •催化剂：临床数据读出（安全、PK、初步疗效）、潜在合作推进。分析师共识偏强（Strong Buy，目标价有约50%上行空间）。 •十倍路径：单品成功+平台验证即可带来数倍；多适应症落地或被大药企高价授权/收购，十倍空间存在。市值更小，弹性高于RXRX。 •风险：收入几乎可忽略，完全依赖临床与平台验证，波动极大。 3. TEM（Tempus AI）——数据飞轮最强的“相对稳健”十倍候选 •当前市值：约120亿美元。 •核心逻辑：最大规模的多模态临床+基因组数据平台（数百万患者记录），既做肿瘤精准诊断，又向药企授权数据/AI工具。收入增长强劲（历史多季度50%+，TTM已超14亿美元），有清晰向盈利迈进的路径。 •催化剂：数据授权加速、诊断渗透率提升、与更多药企/AI模型合作。 •十倍路径：从120亿到1200亿需要它成为AI医疗/药物研发的核心数据层，并拿走可观的R&D支出份额。比前两只更难，但商业化已验证、下行风险相对更可控，长期复利潜力被多篇文章提及。 其他观察： #PACB（约6–7亿）若长读长测序在AI时代真正抢走份额，弹性极高但基本面更弱；# #DNA（Ginkgo）市值小但目前分析师评级偏负面、增长乏力，不优先。# 重要声明：这些是高风险投机性标的，绝大多数AI制药公司最终无法兑现平台价值。十倍是“可能”而非“大概率”，需要临床/商业里程碑持续兑现。以上基于公开数据与分析（截至2026年10月下旬），不构成投资建议。请结合自身风险承受能力、做足尽职调查，并注意仓位管理与分散。市场变化快，建议持续跟踪财报与临床进展。

AI 没少投，钱赚得怎么样了？ WEEX 财报季关注 $META $TSLA $IBM：广告和汽车业务能留下多少利润，AI 订单能转成多少收入，比“又投了多少钱”更值得看。 报名参与 WEEX「美股财报预言家」，选场次猜涨跌，有机会瓜分 8,000 USDT 奖池： #TradFi# #WEEX财报预言家# #美股#

AI 算力到底是建多了，还是不够用？我坚定认为，在当前时间，AI不可能、也绝对不是泡沫，2028 年算力都已经售罄。我在硅谷所见之处都是缺算力，目前没有看到泡沫迹象 有些网友说这些高强度用 AI 的人生活在 AI 的 bubble 里，看不到全部的世界，老百姓用 AI 的很少。真的是这样吗？ 谷歌 CEO Sundar Pichai 的两个回答： 问：亚马逊算力已卖到 2028 年。谷歌也一样吗？ Sundar Pichai: “现在客户来要 2027 年的算力，已经很难满足。去年我们还租了短期算力来服务部分客户。 问：AI 会不会像铁路、光纤一样，出现过度建设？ Sundar Pichai: “现在算力每天都不够用，应用和底层技术还在快速进步。长期看，这样的建设规模有道理。 但过度建设仍可能发生，局部短缺与过剩也能并存。我们会结合需求、合同承诺和技术能力决定投入。给足时间，我相信规划的算力会用得上。”

AI对大学最大最直接的的冲击，是对大量高教系统里的中小学阀派系的毁灭，这些中小学阀派系基本是没有科研能力的，全靠派系关系拿资源忽悠点小钱混日子。AI基本可以替代这些人和事。至于大学阀派系，暂时没有办法毕竟AI是没有政治资源的。

AI 总忘记之前聊过什么？可以看看这个开源记忆系统。 🧠 MemPalace：面向 AI 助手的记忆管理项目，目标是帮助模型更好地保存、检索和利用历史信息，也支持探索与 Claude Code 等工具的结合方式。 📚 长期记忆：减少跨会话的信息丢失 🔎 检索历史：需要时找回相关上下文 🤖 开源可研究：适合想增强 AI 助手记忆能力的开发者 项目与米拉·乔沃维奇的参与情况、LongMemEval 测试成绩，建议以仓库说明和实际评测为准。 🔗 ：

AI 圈最老土的一招，数数，刚给 1B 模型换来了相当于多 57% 算力的效果。 数的东西很简单： 在一大堆语料里，每个词组后面最常跟什么词，提前统计好，存成一张表。 这就是 n-gram，几十年前的语言模型基本就靠这个。 最近一篇论文把这玩意又捡回来了，叫 COUNT。 做法很朴素： 模型读到一段话，先去表里查一下“这几个词后面通常接什么”， 然后用模型自己的词向量，按出现频率加权拼成一个提示，当额外输入喂进去。 全程不加任何要训练的参数。 结果是，同样的算力预算下，1B 参数的模型，验证损失的改善幅度相当于多给了 57% 的算力。 我觉得更有意思的是这张表放在哪。 它放在普通内存里，不占显卡显存。 显存贵，还永远不够用。 内存条便宜多了，训练的时候大部分还闲着。 论文里还比了一下： 显存有限时，把显存全留给模型主体、计数表丢进内存， 效果比分一块显存去训练 n-gram 向量更好。 还有一个点让我愣了一下： 推理的时候，可以直接把计数表换成某个专业领域语料的统计，模型就能适配新任务。 不用微调，换张表就行。 有点像给模型配了一本随时能换的常用搭配词典。 边界也得说清楚： 目前实验是 1B 规模，更大的模型还能不能保持这个比例，得看后续。 换表适配能做到什么程度，摘要里也没给具体数字。 这一年大家都在抢 GPU、堆显存。 结果有人回头去数词频了。 家里那几根闲置的内存条，我突然觉得它们没那么废了。