Notion Business 和 Enterprise 的 AI 不再不限量:每人每月 1,500 个 Standard 积分加 500 个 Select 积分,现有工作空间 11 月 2 日切换
Notion 的 Business 和 Enterprise 套餐,此前宣传 AI 不限量使用,现在改成按积分算:每位成员每月 1,500 个 Standard 积分和 500 个 Select 积分。10 月 19 日起新建的工作空间已经用上新规则,现有工作空间 11 月 2 日切换。官方说额度可能因套餐和采购协议不同,签了合同的企业以合同为准。
两种积分的区别在于谁选模型。让 Notion 自动挑模型(Auto 模式)时扣 Standard 积分,日常的写作、翻译、问答、AI 公式都走这里。自己手动指定模型,或者运行给自己用的自定义智能体(Custom Agent),扣 Select 积分。
官方给了估算:Auto 模式下,简单任务约 5 个积分,复杂任务约 25 个。手动选 Opus 5.5 做同样的事,要 50 到 150 个。所以 1,500 个 Standard 积分够做几百次日常任务;500 个 Select 积分如果全用顶级模型,简单任务十次左右,复杂任务三次多就见底。Notion 说绝大多数用户每月用不完。
两种积分各算各的,不能合并,不能转给同事,也不能换成别的积分,每月重置,没用完的不结转。Select 用完、Standard 还有,可以把 Notion Agent 切回 Auto 继续用。
用完会被扣钱吗?默认不会。积分耗尽后,相关 AI 功能暂停,等下个月重置。管理员可以在设置里打开一个开关,让成员用完后继续消耗工作空间另外购买的 Notion 积分,这个开关默认关闭。另外,个人的 Notion Agent 现在可以接入自己的 ChatGPT Plus、Pro 或 Go 账号,用 ChatGPT 的额度代替 Notion 积分。
容易漏掉的是会议记录。AI Meeting Notes 从 12 月 1 日起开始扣 Standard 积分,官方估算一小时会议约 10 个。单算会议,一个月的额度够录 150 小时,但它和日常 AI 用的是同一笔额度。常开会又常用 AI 的团队,管理员最好在切换后先看看成员的实际用量,再决定要不要打开额外积分的开关。
官方用量规则:
产品公告:
顯示更多
如何给美光等存储公司估值?方法与案例
上篇:PE与PS估值的基本框架、逻辑与适用边界
一、PE(市盈率)估值:锚定盈利的成熟企业定价工具
1. 核心公式与含义
• 公式:PE=总市值/净利润=股价/每股收益(EPS)
• 含义:投资者为获取公司每1元年度净利润所支付的价格;理论上代表回本年限(如15倍PE对应15年回本)。
2. 底层逻辑
• 核心假设:盈利稳定、可预测、现金流扎实,利润能持续支撑股东回报。
• 定价本质:对持续盈利能力的定价,盈利确定性越高,市场愿意给的PE倍数越高。
3. 适用对象
• ✅ 盈利稳定的弱周期行业:消费(茅台、海天)、公用事业、医药(成熟药企)。
• ✅ 现金流稳健、利润无大幅波动的成熟制造业。
• ❌ 周期股(盈利大起大落,高点PE极低、低点PE极高)。
• ❌ 未盈利/亏损企业(PE为负,无意义)。
• ❌ 高成长早期企业(利润被研发/扩张压制,PE失真)。
4. 关键口径与陷阱
• 口径:静态PE(去年年报)、滚动PE(最近四季,NTM)、动态PE(预测,依赖可靠性)。
• 陷阱:周期高点低PE陷阱、利润造假/一次性损益导致PE失真、高负债企业盈利脆弱。
二、PS(市销率)估值:锚定收入的成长/周期底部替代工具
1. 核心公式与含义
• 公式:PS=总市值/营业收入=股价/每股销售额
• 含义:投资者为获取公司每1元年度营业收入所支付的价格,反映对营收规模与增长的定价。
2. 底层逻辑
• 核心假设:收入增长是核心驱动力,利润终将随规模/毛利率提升释放;或利润受周期/短期因素干扰,收入更真实。
• 定价本质:对市场份额、营收扩张能力的定价,高增长赛道可支撑高PS倍数。
3. 适用对象
• ✅ 未盈利/亏损但营收高增长的成长股:早期互联网、创新药、AI芯片(如寒武纪)。
• ✅ 周期行业底部:利润为负/微利,PS可规避周期陷阱(如2025年部分化工、存储)。
• ✅ 轻资产、高研发投入企业:利润被压制,收入更能反映行业地位。
• ❌ 营收停滞/下滑、低毛利/高亏损企业(高PS伴随高风险)。
• ❌ 成熟稳定、盈利清晰的企业(PE更有效)。
4. 关键口径与陷阱
• 口径: trailing PS(历史营收)、forward PS(预测营收,常用于分部估值SoTP)。
• 陷阱:忽略成本与盈利能力(营收高但巨亏,PS低也危险)、不同行业PS差异大(科技5–20倍vs传统消费0.5–2倍)。
三、PE与PS的核心差异与选择逻辑
• 核心差异:PE看“赚多少钱”(盈利质量),PS看“做多大生意”(营收规模与增长)。
• 选择逻辑:
◦ 成熟稳定、盈利可预测→PE
◦ 高成长、未盈利/周期底部→PS
◦ 多元业务、成长与成熟板块并存→SoTP分部估值(不同业务用不同倍数)。
下篇:UBS美光估值深度拆解——从SoTP(PS)到整体PE的史诗级重估
一、前序:SoTP分部估值(PS框架)——周期股的传统定价
1. 估值逻辑(2026年5月前)
• 核心判断:美光是强周期存储公司,仅HBM业务受益AI、增长更快,DRAM+NAND仍为周期属性。
• 方法:分部加总(SoTP),HBM与核心业务按不同PS倍数估值。
2. 完整数据(无遗漏)
• HBM业务:2027年预计收入278.9亿美元,给予6倍P/S,对应每股132美元。
• 核心DRAM+NAND业务:2027年预计收入1,877亿美元,给予3倍P/S,对应每股405美元。
• 原目标价:132+405=535美元。
• 隐含倍数:整体约4.5倍PS,符合周期股折价逻辑。
二、剧变:整体PE估值(15倍NTM)——去周期化的成长定价
1. 估值逻辑(2026年5月26日更新)
• 核心判断:美光因AI需求+长期协议(LTA),盈利稳定性被系统性抬高,不再是单纯周期股,而是穿越周期的成长型AI存储龙头。
• 方法:放弃分部,采用整体PE估值,锚定长期稳态盈利。
2. 完整数据(无遗漏)
• 核心参数:15倍NTM P/E(对标英伟达),锚定2029年EPS=117美元,12%股权成本折现回2028年。
• 目标价:15×117=1,625美元(从535美元上调,涨幅204%)。
• 选择2029年的原因:包含一轮温和存储下行周期,若仍能赚100+美元EPS,证明是穿越周期的盈利能力,非周期高点盈利。
三、估值切换的核心催化剂:LTA(长期协议)——存储行业的“去周期化”革命
1. LTA核心条款(UBS调研)
• 期限:3–5年(3年固定+2年浮动或5年固定)。
• 机制:固定量承诺+部分固定价格,锁定出货量与价格区间。
2. 行业与美光渗透数据(无遗漏)
• 2027年行业DDR出货:20%–30%被LTA覆盖。
• 美光LTA份额:约20%。
• 超大规模客户(Hyperscaler):已锁定行业Server DDR5约60%–70%的量。
3. 对盈利的影响
• 收入/利润可见度:显著提高。
• DDR价格波动:峰谷波动被压低约50%,周期属性大幅弱化。
四、重估本质:从“HBM单独重估”到“美光整体重估”
• 旧框架(SoTP-PS):周期折价,仅HBM享成长溢价,核心业务按周期低倍数,目标价535美元。
• 新框架(整体PE):成长溢价,LTA+AI驱动盈利稳定性,整体对标AI成长股(英伟达15倍PE),目标价1,625美元。
顯示更多
终于有人把“”换手率”说清楚了,一个必须搞懂的指标!
炒股不懂换手率,阅尽股票也枉然!
同时“换手率”是找主力的最好方式,此文无价,献给炒股圈里所有的人。
啥叫换手率?
就是股票买卖交易的频率,它反映的是该股票的活跃程度。大盘的换手率就是指大盘的活跃程度。
换手率高达60%,证明该票充分易手,为什么说股票市场是互道小可爱的地方呢?
就是,买的人说:傻B啊你,强势股每次下跌都是买入的机会。
卖的人说,你才傻,我已经赚了50%了,现在不卖、更待何时?
所以,不要觉得自己的决策一定是正确的,想想那些和你做相反交易的人,是什么理由?
偏听则暗、兼听则明。多问几个为什么,你会理智很多。
换手率高的股都是被爆炒的股,是众人关注的焦点。
毕竟波动小、不温不火的,谁也不会注意它,没有眼球效应。换手高也有好处,就是流动性好,只要单子不是太大,想买就能买,想卖就能卖掉。不同换手率,对应股票不同的状态。
1.1%-3%,萎靡不振,机构不理,游资不爱,一般是大家伙,飞不动,或者题材过于传统,不够性感。
2. 3% - 5%,有人试探性建仓,依然不活络。
3.5% - 7%,多空双方有分歧,连续多日换手率一直在小幅波动,股价慢慢抬升,有可能是主力资金在缓慢吸筹。
4.7% - 10%,主力资金买盘较为积极,如果是下跌,有可能是主力在打压股价、缓慢洗盘,动作依然比较轻柔。
5. 10% - 15%,主力想要控盘,吸筹力度加大,吸筹完毕就是拉升。
6.15% - 20%,交易活跃、波动加剧,若股价依然在低位,底部放量,可能是启动前兆。如果是高位放量下跌,需要警惕。
7.20% - 30%,多空博弈激烈,如果是低位,主力资金可能是暴力吸筹,想通过这种方式,吸引散户跟买;如果是高位,那可能是在出货。别盯着大单看,为迷惑小散,现在的主力早就学会将大单拆成小单,慢慢卖,一是为了降低摩擦成本,二是担心散户跟着砸盘,卖不出好价。
8. 30% - 40%,很高的换手率,只有题材性感的热门股才会有这么大换手,一般来说,主力吸筹喜欢用悄咪咪的方式,毕竟痕迹太明显,价格容易被炒高,影响买入成本。这种,有可能是主力出货,把筹码置换给接盘侠。
9. 40% - 50%,关注度巨高,股价大幅波动,一般人根本HOLD不住,这种票风险很高,谨慎入手。
10. 50% - 60%,这就是我给的图了,有可能因为某个消息产生巨大分歧,股价高位,卖出的人一般是前期赚到钱的,买入的一般是想趁机回调接盘的。
11. 60% - 70%,可以说是极度疯狂了,买卖双方互道SB,这种如果是底部的话,一般是突发超大利好,顶部的话,就是上面说的这种情况。
12. 70% - 80%,脱离正常轨道,股价不确定性极大,如果是下跌,我劝大家千万不要接飞刀,因为可能有你不知道的利空消息,而且,下跌有着极大的惯性,这种级别的换手,后续行情大概率继续大幅度颠簸,想想今年初,因为雪球产品敲入,很多小股票出现炒高换手,大家争相卖,出现踩踏。
13.80% - 100%,几乎所有筹码都在易手,情绪疯狂到极致,我劝诸位,这种票,只可远观不可亵玩,等稍微平静点,再介入不迟。
总之,低位放量上涨,值得关注;高位放量下跌,我个人不会介入,更不会在股票连续下跌时接飞刀。再看好一只票,也会在企稳后,右侧介入。
该怂怂,不与趋势对着干,是我对它的尊重。
股票的便宜和贵,兄弟们真的懂了吗?
问兄弟们一个问题,股票的便宜和贵,在你心里是怎样的一个衡量标准?
是不是你会觉得70元的股票比7元的股票便宜?
大多数股民都是表示以股票二级市场的现价来分辨所谓的便宜和贵,我想说的是四个字“大错特错”!
看一只股票便宜还是贵,绝对不是看现价,而是看其内在价值,打个比方,一只股票现在70元,市盈率现在是10倍,另外一只股票,现价是 7元,市盈率是负数,请问哪只便宜?相信大多数人会认为是7元的便宜,其实,正确答案是70元的便宜,虽然,市盈率不是判定股票贵和便宜的绝对指标,但是也是其中之一,今天我就教大家一个简单的方法,然后你好好看一下你现在所持有的股票,是便宜,还是贵!
第一,首先,你先看一下你所持有的个股是什么板块的,然后打开这个板块,这样这个板块的所有的股票都会列表出现,接下来,你进行一个市盈率正排序,看看你持有的股票,按照市盈率排序能排第几名?这叫同行业同板块的横向比较法
第二,一个公司的好坏,从大俗话讲,无非就是看它是不是赚钱呗,好,那你就再来一次净利润的正排序,看看你的股票能排第几名。
第三,股东人数,相信大多数人都知道,股东人数减少是好事,好,那你就再来一次股东人数的正排序,看看你的股票能排第几名。
第四,每股净资产:一般每股净资产越高的公司越好,当然,我指的是二级市场的股价还没有被疯狂炒高的,还在离开每股净资产比较近的那些个股,你也来个排序,看看能排第几。
第五,分红能力:对未分配利润这个数据来一次正向排序,看看你能排第几名。
以上排序全部结束后,你就可以自己心里得出一个综合排名分数,满分是100分的话,你的票能得几分,这才是真正的计算出你的股票是便宜,还是贵!
什么是换手率?
上面我们说通俗易懂的理解,现在我们说下官方解释:“换手率”也称“周转率”,指在一定时间内市场中股票转手买卖的频率,其数值为某只股票的累计成交量与其流通股本之间的比率,是反映股票流通性强弱的指标之一,可以有效地帮助投资者识别一只股票的活跃度。
举例:
例如,某只股票在一个月内成交了2000万股,而该股票的总股本为1亿股,则该股票在这个月的换手率为20%。在中国,股票分为可在二级市场流通的社会公众股和不可在二级市场流通的国家股和法人股两个部分,一般只对可流通部分的股票计算换手率,以更真实和准确地反映出股票的流通性。按这种计算方式,上例中那只股票的流通股本如果为2000万,则其换手率高达100%。
计算公式为:
换手率=某一段时期内的成交量/发行总股数×100%(在中国:成交量/流通股本×100%)
例子:某只股票在一个月内成交了1000万股,该股票的总股本为 l亿股,则该股票在这个月的换手率为10%。在我国,股票分为可在二级市场流通的流通股和不可在二级市场流通的非流通股,一般只对可流通部分的股票计算换手率,以便真实和准确地反映出股票的流通性。按这种计算方式,上例中那只股票的流通股本如果为2000万,一个月内成交了1000万股,则其换手率高达50%。在国外,通常是用某一段时期的成交金额与某一时点上的市值之间的比值来计算周转率。
通过换手率判定股票的活跃性
由于个股的流通盘的大小不一,仅仅用成交金额的简单比较意义不大。在考察成交量时,不仅要看成交股数的多少,更要分析换手率的高低、高换手率出现的相对位置、高换手率的持续时间。这主要有以下几种情况:
1、低换手率
表明多空双方的意见基本一致,股价一般会保持原有的运行趋势进一步发展,多数情况下是小幅下跌或横盘运行。
2、高换手率
表明多空双方的分歧较大,但只要成交活跃的状况能够维持,一般股价都会呈现出上扬走势。
3、过低或过高的换手率
在多数情况下,过低或过高的换手率是股价变盘的先行指标。一般而言,在股价出现长时间调整后,如果连续一周多的时间内换手率都保持在极低的水平(如周换手率在2%以下),则往往预示着多空双方都处于观望之中。由于空方的力量已经基本释放完毕,此时的股价基本已进入底部区域,此后很容易出现上涨行情。
4、低位高换手率
对于高换手率的出现,投资者首先应该区分的是高换手率出现的相对位置。如果个股是在长时间低迷后出现高换手率的,且较高的换手率能够维持几个交易日,则一般可以看做是新增资金介入较为明显的一种迹象,此时高换手的可信度比较大,由于是底部放量,加之换手又充分,因此,该股未来的上涨空间应相对较大,同时成为强势股的可能性也很大。
换手率识别主力
1、中长线主力运作个股的换手率
考量个股盘面活跃度时需要借助换手率来进行判断。有些个股换手率很低,但是股价始终会上涨,这样的盘面特征表示有中长期主力运作,类似这样的个股就具备非常强的持续性,风险非常小。
2、高位换手和低位换手对股价的预判分析
如何判断一支股票是否处在底部区域有很多种方法,其中最简单的一种方法就是看换手率,如果一支股票在下降通道中运行时,换手率极低,换句话说,这支股票已经没人买卖了,特别是前期主力建仓过的股票,经过洗盘,一旦出现这种情况是需要密切关注的,这说明股价已经在底部区域。
那么能不能笼统地说换手率越高,股价就涨得越高呢?答案是否定的。在股价涨得还不是很高,还处于拉升阶段时,这样说是对的。但当股价涨得相当高,已远离庄家建仓的成本线时,这样说就不对了,不但不对,而且恰恰相反:高换手率成为出货的信号,我们常说的“天量见天价”,指的正是这种情况。当股价在上涨途中必须保持持续均匀的高换手率,一旦换手率减少,表示高空接力的资金少了,股价上行动力会减弱。
在实战中,投资者通过换手率分析庄家动作的时候,应把握以下几点。
(1)事实上,3%以下的换手率非常普通,通常表明没有较大的实力资金在其中运作。当一只股票的换手率在3%~7%之间时,该股已进人相对活跃状态,应该引起投资者的注意;7%~10%的日换手率在强势股中经常出现,属于股价走势的高度活跃状态,一般来说,这些股票正在或者已经广为市场关注;日换手率10%~15%的股票如果不是在上升的历史高价区或者见中长期顶的时段,则意味着强庄股的大举运作,若其后出现大幅回调,在回调过程中满足日最小成交量或者成交量的1/3法则或1/10法则,可考虑适当介入;当一只股票出现超过15%的日换手率后,如果该股能够保持在当日密集成交区附近运行,则可能意味着该股后市具潜在的极大的上升能量,是超级强庄股的技术特征,因而后市有机会成为市场中的大黑马。
(2)关注换手率一直保持充沛、价涨量增的个股。这表明庄家已深度介入,由于股价上涨会不断受到获利盘和解套盘的卖压,换手越是积极充分,则卖压盘清洗得也就越彻底,持股者平均成本不断提高,上行所遇的卖压也大为减轻。
(3)股价大幅上涨后换手率回落,股价随大盘波动。这种现象现在也很多,一般出现在成长股上,表明大量筹码已经被锁住,庄家长线运作,随着时间的推移股价将再上台阶。
(4)换手率激增,股价波动不大,大盘变化不大。这是一种出现概率并不低的现象,表明有大量的筹码在特定的小区域内换手,一般来说这是事先约定的换手,很有研究价值。
(5)新股上市首日换手率一般是很高的。新股上市首日换手率越高越好,因为在新股申购的时候,股票是以现金进行申购中签获得的,持股相当分散,而在上市首日出现极高的换手率,则说明吸筹积极。
(6)连续多天换手率处于高位,股价随之大涨并远强于大盘。这种现象一直存在,不过结果却有多种,有庄家拉高建仓的可能,也有短线游资炒一把的可能,还有老庄家出货的可能,需要结合其他因素进一步研判。
(7)第一次即将封涨停时,换手率小的通常要比换手率大的好。在大盘处于弱市和盘整市时这一点尤其重要,理想情况是普通股换手低于2%,ST股低于1%。在大盘处于强势时这个换手条件可以适当放宽,对龙头股也可以适当放宽。但无论在任何情况下,不能超过5%,包括涨停被打开后又被封住时换手率的情况。这些对换手率的限定其实也是限定当天就已经获利的买盘数量和说明当天抛压的大小,这时获利盘越小、抛压越小,第二天的上攻余地也就相应越大。
换手率的高低往往意味着这样几种情况
(l)股票的换手率越高,意味着该只股票的交投越活跃,人们购买该只股票的意愿越高,属于热门股;反之,股票的换手率越低,则表明该只股票少人关注,属于冷门股。
(2)换手率高一般意味着股票流通性好,进出市场比较容易,不会出现想买买不到、想卖卖不出的现象,具有较强的变现能力。然而值得注意的是,换手率较高的股票,往往也是短线资金追逐的对象,投机性较强,股价起伏较大,风险也相对较大。
(3)将换手率与股价走势相结合,可以对未来的股价做出一定的预测和判断。某只股票的换手率突然上升,成交量放大,可能意味着有投资者在大量买进,股价可能会随之上扬。如果某只股票持续上涨了一个时期后,换手率又迅速上升,则可能意昧着一些获利者要套现,股价可能会下跌。 一般而言,新兴市场的换手率要高于成熟市场的换手率。其根本原 因在于新兴市场规模扩张快,新上市股票较多,再加上投资者投资理念不强,使新兴市场交投较活跃。
换手率高的操盘原理
1、相对高位成交量突然放大,主力派发的意愿是很明显的,然而,在高位放出量来也不是容易的事儿,一般伴随有一些利好出台时,才会放出成交量,主力才能顺利完成派发,这种例子是很多的。
2、底部放量,价位不高的强势股,是我们讨论的重点,其换手率高的可信程度较高,表明新资金介入的迹象较为明显,未来的上涨空间相对较大,越是底部换手充分,上行中的抛压越轻。
3、新股,这是一个特殊的群体,上市之初换手率高是很自然的事儿,一度也曾上演过新股不败的神话,然而,随着市场的变化,新股上市后高开低走成为现实。
顯示更多
八、九十年代分配到国有企业的大中专及本科生,大多数都下岗了。
下岗之后,所有人的干部身份都没了,职称的用处也不大了。对此,有网友呼吁,从养老的角度,应该给他们一定的“政策关怀”。
从法律的角度,是没有依据的,但从情理的角度,给予这一群体一定的政策性关怀,却也并非是特殊优待。
当年,统招统分生完成学业后,通常在22-23岁才参加工作,比十六七岁进厂的职工少6-7年的视同缴费年限,在“长缴多得”的规则下先天处于劣势。
他们的“国家干部”身份是国家分配赋予的,国家分配时承诺的是干部身份与相应待遇,改制下岗是政策性结果,并非个人放弃。国企改制打破身份固化后,企业破产、政策性下岗,干部身份的载体随之消失,但养老金核算并未对这段历史身份做任何区分。
目前,绝大多数地区对企业职工视同缴费年限统一按指数1.0计算,档案中的干部履历、学历、职称完全不参与养老金核算,只用于确认参加工作时间。这意味着,一个1985年统分进厂的本科生,与同年招工进厂的普通工人,在养老金公式里被完全等同处理。
国家对退役军人有军龄视同与身份优待,对老知青、特殊工种均有单独认定与倾斜,对国企退休高工也已有连续多年的倾斜调整实践。唯独这批“国家统分、企业下岗”的干部身份群体,在公式中被系统性忽略了。
目前,这一群体的现存人数并不多,据估算,1995年前分配到企业的大中专毕业生约有1300-1400万人。
对这一群体因国家改革而被动承受的历史代价,进行制度性认可与适度补偿,既是还历史公道,也是社保改革“尊重历史、实事求是”原则应有的体现。
顯示更多
用 AI 干活,要分清哪些需要它思考,哪些可以交给固定的工具执行。
还是来自于和企业员工的交流,有一个问题是:你们现在能分辨出,哪些是思路,哪些是稳定的执行吗?
比如自然语言,还有我们工作当中的一些判断,可能需要灵活应变。这些需要理解、分析、判断的地方,可以让 AI 去思考。
那什么样的东西是稳定的呢?比如已经验证过的代码、公式,只要输入足够标准,它就按照固定的逻辑去执行。真正执行的时候,能固定下来的,就用稳定的工具去跑。
比如经营数据分析来说。我们拿到数据之后,要去分析自己的经营情况,对吧?这里面的销售额、退货率、同比、环比,这些计算都是可以通过公式实打实地算出来的。
那这些公式就可以用代码来实现,非常适合沉淀成一个工具。具体来讲,可能就是一个脚本。
当 AI 判断需要计算这些指标的时候,就不用靠它自己的心算去做,直接调用已经沉淀好的工具,把这些数算出来。
在数据、计算口径和代码都校验过的前提下,它就能按照确定的公式去算。这个就是一个稳定的工具。
有了这些数据之后,接下来要分析销售额为什么下降了,就得结合自己的实际业务背景,去分析可能有哪些原因,优先要排查什么。
这些问题,光靠前面几个固定的计算公式就回答不了了,需要用到模型的思考和推理能力。
所以你看,这个分工就是:能用代码按固定规则实现的计算、格式化处理,就把它沉淀成稳定的工具。AI 执行到这一步的时候,直接调用这些工具就可以了。
那些涉及语义理解、业务理解,需要复杂逻辑推理和分析的环节,就需要它去思考。
顯示更多
PDF 直接丢给大模型,表格乱码、公式崩溃、扫描件还认不出字。
这 5 个工具帮你把文档转成 AI 能读的干净格式。
1、Stirling-PDF — 本地 PDF 全能工具箱,85k star
合并、拆分、压缩、加水印、转格式,几十种操作全在本地跑,文件不出本机,隐私敏感的文档放心用。
2、MinerU — 复杂文档转 Markdown,71.7k star
PDF、Office 里的表格、公式、图片精准抠出来转成 AI 可读的 Markdown,喂给大模型做问答前必备的一步。
3、docling — 文档为生成式 AI 做准备,62.3k star
IBM 出品,把各种格式文档统一转成结构化输出,接 RAG 流程很顺,企业文档处理的热门选择。
4、marker — PDF 高精度转 Markdown,36.6k star
速度快、还原准,长文档、论文转 Markdown 加 JSON,排版和结构保留得好。
5、OCRmyPDF — 给扫描件加文字层,34k star
扫描的 PDF 没法选字搜字,它自动 OCR 加上文字层,扫描件秒变可搜索可复制。
顯示更多
确保养老改革公平正义,必须猛砍“五刀”
聊养老公平,流传很广的一句话:养老已经并轨,不必再纠结公平问题。
但老百姓心里自有一杆秤。同样干到退休,企业退休人员养老金大多三千出头,机关事业单位不少退休人员可以拿到七千以上。虽然表面计算公式已经统一,但缴费基数、工龄核算、补充养老,两套体系带来的差距依旧客观存在。
口号没有实际意义,真正到手的退休金,才是衡量养老公平最实在的标准。抛开情绪化的争论,我们来聊聊,制度层面如何把养老公平落到实处。
养老待遇的差距,并不是大家盲目攀比,是三层历史旧账长期叠加形成的。
第一层:缴费基数大量失真
社保法规明确,社保缴费按照员工应发工资核算,缴费区间60%-300%。现实当中不少私营企业,员工实际月薪八千,却按照四千的最低档位缴纳社保;还有部分高管,刻意做高账面工资,直接按300%顶格缴费套利。
金税四期落地之后,税务与社保数据打通,这类违规很容易核查。长期按照低基数参保,直接压低普通劳动者未来的养老金水平。
第二层:视同缴费存在双重标准
2014年10月是机关事业单位养老改革关键分界点。
改革之前,机关事业单位全部工龄予以认可,缴费指数和职级职称挂钩,不少人临近退休职级提升,二三十年工龄全部按照高标准核算。
企业职工,大多只认可92‑96年社保建账之前的工龄,视同缴费指数基本固定为1.0。
同样1985年参加工作,仅仅身份不同,单单过渡性养老金,就会拉开近乎二十年积累出来的差距。
第三层:补充养老的隐秘鸿沟
机关事业单位职业年金属于全员强制缴纳,单位缴纳8%、个人缴纳4%,退休之后相当于多一份稳定收入。
而企业年金完全依靠企业自愿。2026年一季度公开数据,全国仅3389万人参保,覆盖率仅有7%,一百位企业退休人员当中,不到十人享有企业年金。
三层问题层层叠加,即便基础养老金计算公式统一,底层的制度底盘,已经制造了巨大待遇落差。想要实现真正的公平,需要实实在在落下“五刀”。
第一刀:严查缴费基数造假,破除低缴潜规则
现有法规要求社保按真实应发工资申报,但私企按最低档缴社保,成为行业潜规则。
税务、社保打通个税、对公流水、工资表三方数据,一方面查处高管违规顶格缴费套利;另一方面整治普通劳动者被按最低基数参保的情况。查实之后要求全额补缴,叠加滞纳金,提高企业违规成本。
做实缴费基数,不给下一代参保人遗留低缴费的历史包袱,这是养老公平最前置的一环。
第二刀:修正视同缴费指数,工龄与职级脱钩
这是历史遗留最突出的痛点。目前机关事业单位视同缴费指数跟随职务、职称分档,临退休提升职级,过往数十年工龄同步水涨船高,每月多出数百上千元十分普遍;同期参加工作的企业老工人,指数固定1.0。
社保专家郑功成、郑秉文均提出建议:“十五五”期间,把视同缴费认定标准、指数区间、各省不统一的过渡系数,全国统一标准。
工龄只核算实际工作年限,剥离职务职级带来的加成。已经退休的存量人员,结合财政承受能力分批核算补差;未来新增参保人,彻底切断职级挂钩,化解多年积累的矛盾。
第三刀:补齐补充养老短板,缩小第二支柱差距
不是取消职业年金,职业年金属于依规缴纳的合法待遇。公平的内核是:别的群体拥有的保障渠道,企业职工也应当可以享有。
企业年金不能单纯依靠企业自觉自愿,推行半强制模式,发展园区集合年金计划。中小微企业无力承担8%缴费,可以从较低比例起步,由园区统筹托底,配套个税递延、社保补贴,减轻企业负担。
同时个人养老金进一步向私企职工、灵活就业人群放开抵扣优惠,用第三支柱弥补第二支柱的缺口。正如郑秉文提出的思路:不改动基础养老金,依靠扩大补充养老覆盖面,兼顾激励与待遇均衡。
第四刀:养老金年度调整,坚持提低控高
过去养老金上调直接和现有待遇基数挂钩,养老金拿得越多,涨得就越多,待遇差距会逐年放大。
近些年调整政策已经开始向低收入、长缴费年限、高龄企业退休人员倾斜,这个方向应当持续坚持。
不去削减已经发放到手的养老金待遇,只在每年新增上调额度上优先保障底层群体,用十几到二十年的周期平缓消化历史落差,远优于简单一刀切降低待遇。
第五刀:开通档案容缺纠错通道,善待改制老工人
很多企业退休人员待遇吃亏,责任并不在个人。老国企、集体工厂破产改制,转正材料、工资台账遗失,数年乃至十数年工龄直接不予认定。一年工龄对应近百元养老金,十几年累计下来,待遇差距十分悬殊。
全国养老统筹系统落地之后,档案容缺认定走向常态化。同事证言、老考勤记录、工资台账,都可以作为佐证,跨部门联动核查。不能因为档案遗失,抹掉老一辈几十年劳动付出。
说到底,真正的养老公平,并不是把机关事业单位的待遇向下拉平搞平均主义。
而是推动企业退休群体待遇向上提升,制度评判不再被编制身份束缚。先做实缴费基数,再补齐补充养老短板,养老改革才能够行稳致远。
五刀之中,你最期待哪一项落地?你的身边,企业退休与机关事业单位退休,每月养老金相差多少?
顯示更多
随想/具身智能的基础模型已经四大流派。
两位科学家、一个企业巨头和明星创业公司。李飞飞的世界模型,强调仿真和数据,英伟达前半场信奉VLM从感知到理解,如今直奔仿真流的WAM、后面的几篇论文有直接抛弃VLM+ACT路径的意思,毕竟要卖软件和算力。只有可爱的PI,坚持了OpenVLM的感知-理解-行动的经典流派,在确定场景中拿数据集作验证和逐步泛化。
却唯独杨(LeCun)的JEPA很另类,更像纯粹的牛顿物理AI。
这几天思考,这哥们敢于提出把真实世界压缩为高维度空间的“潜在表示”。以前听到介绍JEPA中反复提及的用“抽象表征”总是心里各种不适应,在理科生的眼中,表征等于外在表现或者肤浅的表面。其实英文Abstract Representative,原意是“抽象的再次复现”,更容易理解。“表征”是哲学中译词汇,文科生可能更懂。今天的计算机论文翻译者,大概需要哲学或者心理学PDH。
也想起来以前看那本西瓜书《机器学习》教材的时候,听到辛顿“反向传播理论“的别扭。反向可能是倒着推算吧,可是提到传播理论四个字,还以为串课到了传媒大学新闻系。其实这个该死的词汇,只是复合函数偏微分中常用的“链式法则”,那个公式简单极了,一句话,Loss损失函数(也是一种复合函数)中的一个权重自变量向上一个函数的递归式逐级偏微分连乘。你不知道我高中多讨厌语文。
LLM的计算,超级黑盒。
从I/O之间的有如无限大的张量线性叠加的隐藏层。
如今,具身智能则要计算从Encode到Decode的复杂几何倍数于LLM的“隐空间”。
超级大黑盒。
资本希望的趋势,VLM的黑盒套在LLM的黑盒上。别让我的钱白烧。
无论是Hidden Layer还是今天的latent Space,中文翻译都用了一个隐字。很喜欢。
想起自己五年前的起名ID,简直是为AI而生。以后直接叫我,隐。《边水往事》的导演,我朋友,当年第一部创作我们参与过投资,他的名字叫做算。别忘了,请以后叫我,隐。
比起李飞飞的Sim to Real结合Dateset出发的世界模型,杨的视角里,完全不关心像素、纹理、阴影和光照。杨更关心的“抽象的潜在表征”,比如预测”被遮挡的区域形态,时间的后续状态”。
三位都说自己的模型、数据和工具如何,针对创业者、商业和落地预言。唯独杨的提出,是绝世独立的一套抽象架构。今天,主流从业者似乎没人理会杨。我感觉,但愿是错觉,在Meta杨像一个Loser,但是杨的JEPA,所谓的“联合嵌入预测架构”,让我想起最初的谷歌提出Transformer和注意力机制,也只是从一套理论架构开始,其实也被一度冷落。
做学术研究的,往往结局是一条路走到黑,从黑天开始走。无论价值还是审美,都没错。想起刚拿奖的两位数学家的样子,都美,都很优雅。扯远了。已经文非所题。
杨更像是一位物理学家。
顯示更多
三大蓝筹长期收益测算:招行、长电、移动谁是复利之王
投资核心逻辑:长期持有个股的复利收益,趋近企业常年盈利水平,买入价位、持续分红再投、经营稳定,是收益三大关键,高价入场会直接压缩实际收益。
通用测算公式:长期年化收益=企业年均盈利水平roe÷买入净资产溢价倍数bp×分红收益调节值
依托稳态经营、分红不变、红利复投、行情平稳四大前提,测算三大龙头长期真实收益。
长江电力常年盈利水平约一成五,市场买入溢价接近三倍。公司业态稳固、现金流充足、分红长久稳定,是市场公认避险核心资产。但过高的买入溢价,抵消了超强赚钱能力,最终拉低整体收益,测算长期年化收益8.12%,稳健有余,上涨空间受限。
中国移动常年盈利水平约一成,买入净资产溢价不足一点五倍。个股经营平稳、分红丰厚、抗波动能力强,短板是内生发展动力不足,盈利提升空间有限。即便入手价格合理,受自身盈利上限制约,长期年化收益仅7.6%,三者之中收益最低。
招商银行未来稳态盈利水平回落至一成,当前买入价格低于实际净资产,处于深度折价状态。市场普遍看淡其盈利下滑,却忽略低价入场带来的巨大收益优势。同等盈利水准下,低价布局大幅拉高实际回报,叠加红利持续复投,测算长期年化收益高达10.62%。
收益清晰排序:招商银行>长江电力>中国移动。
长江电力胜在极致安稳,败在价格偏高;中国移动赢在低波动,输在盈利偏弱;招商银行虽市场预期低迷,凭借极致低价优势,成为长期复利最优选择。
投资不靠热度与名气,不靠短期行情起伏,唯有依托合理买入价位,坚守优质标的长期持有,拿到稳定可持续的复利回报,才是长线投资的根本真谛。
顯示更多
🚨 AI 正在摧毁传统软件的护城河!微软股价突然下跌,科技七巨头面临重新洗牌,真正的赢家可能是 SpaceX!
大家注意了!这不是危言耸听,而是一场正在发生的软件行业生存危机。
过去30年,软件公司依靠复杂的代码、庞大的开发团队和成熟的企业系统建立护城河。但随着人工智能迅速发展,这些曾经难以复制的竞争优势,正在受到前所未有的挑战。
11月10日,市场已经给出了一个非常直接的反应。
Anthropic 宣布推出 Claude Sheets、Claude Whiteboards 和 Claude Data,并预告 Claude Meetings,正式向传统企业办公软件市场发起挑战。
Claude 现在不仅能回答问题,还可以协助创建电子表格、编辑公式、制作数据仪表板、组织白板内容,并通过连接器操作其他企业应用。
更值得关注的是,Adobe、Atlassian、HubSpot 等公司的应用正在被整合进 Claude 的工作界面。用户不再需要频繁切换不同的软件,而是可以通过一个 AI 平台完成越来越多的工作。
与此同时,OpenAI 也在扩大 ChatGPT 的企业功能,推出面向商家的专属 AI 代理,让企业能够通过 ChatGPT 直接与潜在客户互动。
消息公布后,微软 $MSFT 股价盘中一度下跌超过3%,最终收跌约2.2%。
这次下跌背后,市场担心的可能不仅仅是 Excel 或 Office 的竞争,而是整个传统软件商业模式正在发生根本性变化。
过去的软件护城河是代码。未来的护城河可能是算力、电力、芯片、能源、土地和无法轻易复制的实体基础设施。
以前,要开发一套成熟的软件系统,需要数百名工程师花费几年时间。现在,AI 已经可以根据自然语言指令生成大量程序代码,甚至构建相当复杂的应用原型。
当然,真正可靠的企业软件仍然需要安全、合规、数据管理和长期维护,但软件开发的门槛正在快速降低。
这意味着一个危险的趋势:如果 AI 能够不断降低开发成本,那么传统软件公司仅仅依靠功能复杂、代码庞大和用户习惯建立的竞争优势,就可能逐渐减弱。
那么,当软件变得越来越容易复制时,真正无法复制的东西是什么?
答案正在逐渐浮现:支撑人工智能运行的底层资源。
Anthropic 自己的上市申报文件,恰恰揭示了这一点。
根据其最新披露的基础设施协议,Anthropic 对 Google 的云服务最低支出承诺达到1,213亿美元,对 Amazon 达到1,100亿美元,对微软达到472亿美元,而与 SpaceXAI 签署的算力协议总额最高可达1,205亿美元。
这些金额涉及未来多年的合同,其中部分属于最低采购承诺,部分属于可取消或附带条件的最高支出额度,并不代表已经支付的现金。
但它们共同证明了一个极其重要的事实:
一家正在挑战整个软件行业的顶尖 AI 公司,本身却需要依赖其他企业提供庞大的算力基础设施。
这形成了一个非常有意思的商业关系。
Anthropic 的 Claude 可能威胁微软的 Office 软件业务,但与此同时,微软又通过 Azure 向 Anthropic 提供云计算能力。
换句话说,微软一边面对来自 AI 的软件竞争,一边又可能从 AI 公司的算力需求中获得收入。
Google $GOOGL、Amazon $AMZN 同样处于类似的位置。
因此,未来科技巨头之间的竞争,并不简单是谁开发出更聪明的模型,而是谁能够控制 AI 产业不可或缺的基础资源。
看看科技巨头正在投入多少钱。
2026年第三季度,Amazon、Alphabet、微软和 Meta 四家公司购买物业及设备的现金支出合计达到2,019亿美元。
仅仅三个月,就投入超过2,000亿美元!
这笔资金不是为了编写更多代码,而是大量用于建设数据中心、采购服务器、部署芯片以及扩充相关基础设施。
在我看来,这可能是未来十年科技行业最值得关注的资本流向之一。
AI 正在让软件开发越来越便宜,却让支撑软件运行的实体基础设施变得越来越重要。
这场变化也可能重新划分科技七巨头的竞争格局。
微软 $MSFT 面临传统办公软件被 AI 重新定义的风险,但 Azure 云平台又可能受益于不断增长的算力需求。
Amazon $AMZN 拥有 AWS、庞大的物流网络及云基础设施,即使部分软件服务受到挑战,它依然拥有许多 AI 公司难以复制的实体资产。
Meta $META 则掌握 Facebook、Instagram、WhatsApp 等全球性用户平台。一个 AI 实验室可以快速开发应用,却无法在短时间内复制数十亿用户形成的社交网络与分发能力。
苹果 $AAPL 的情况更加特殊。
我并不认为苹果会轻易被 AI 颠覆,因为它真正强大的资产并不仅仅是软件,而是 iPhone、Mac、自研芯片、全球供应链以及庞大的设备生态系统。
不过,苹果在前沿大规模云端算力方面,与 Google、微软、Amazon 等超级云平台相比,仍然面临不同的资源配置挑战。
这也让我产生一个大胆的想法:
苹果未来有没有可能与 SpaceX 建立更加深入的合作关系?
两家公司都拥有强大的硬件研发能力,但优势却截然不同。
苹果控制全球消费电子设备入口,SpaceX 则拥有火箭发射能力、卫星网络、通信频谱以及持续扩张的 AI 算力基础设施。
如果两者未来能够在卫星通信、AI 计算或设备连接方面深化合作,理论上可能形成很强的互补性。当然,这目前只是我的战略推测,并非已公布的合作计划。
而在这一轮产业变革中,我认为最值得重新审视的公司之一,就是 SpaceX $SPCX。
为什么?
因为 SpaceX 拥有的东西,恰恰是 AI 无法通过简单提示词生成的。
2026年第三季度,SpaceX 完成35次发射任务。
截至第三季度末,Starlink 在低地球轨道运行的卫星已经超过11,100颗。
它拥有自己的火箭技术、发射设施、卫星制造与部署能力、通信频谱,以及正在扩张的超级计算基础设施。
马斯克此前还提出,SpaceX 希望到2027年底实现至少13 GW 规模的算力部署。这是管理层的前瞻目标,并不代表相关算力已经建成。
你可以在一个周末开发出软件原型,却不可能在一个周末复制火箭发射台、卫星星座和全球通信网络。
这就是数字资产与实体基础设施之间最根本的区别。
更有意思的是,SpaceX 并没有完全站在传统软件竞争的另一边。
马斯克此前宣布,Grok Bot 将根据不同任务选择最合适的后端模型,包括 Claude Opus 5.5、Midjourney、Suno 以及其他领先的 AI 服务。
这透露出一个值得深思的战略方向。
如果未来不同 AI 模型可以根据任务进行替换,那么单一模型的领先优势可能越来越难长期维持。
真正有价值的,可能不只是拥有某个模型,而是掌握用户入口、任务执行平台、分发网络,以及提供这些模型运行所需的算力。
Grok 5 能否取得突破仍然值得观察,但即使模型竞争日趋激烈,SpaceX 仍有机会通过自己的基础设施参与整个 AI 产业链。
还有一个更具想象空间的方向:轨道计算。
马斯克在近期的 Baron 投资会议上表示,SpaceX 与 NVIDIA $NVDA 合作设计的 StarMind 太空计算机,可能于2027年第三季度开始首次发射。
按照他的设想,2028年逐步扩大部署规模,并在2029年实现更大规模的发展。
为什么要把 AI 计算带到太空?
因为地面数据中心正在面临电力供应、土地、冷却系统、建设周期及监管许可等多方面的限制。
太空拥有丰富的太阳能资源,也提供了一种与地面不同的基础设施部署路径。
但必须强调,轨道计算仍然需要解决散热、辐射防护、通信、维修及经济性等重要问题。它能否在未来几年真正具备成本优势,目前还没有定论。
不过,一旦这条路线在技术和经济层面得到验证,AI 基础设施的竞争就可能从地面扩展到轨道。
届时,SpaceX 的发射能力、卫星制造能力与太空运输体系,可能成为其他科技企业难以迅速追赶的竞争优势。
这也意味着,未来 AI 产业的价值链可能出现一次非常深刻的重新分配。
软件开发成本下降,不代表所有软件公司都会失去价值。真正拥有客户关系、专有数据、安全体系和深度工作流程整合能力的企业,依然可能建立强大的护城河。
但那些主要依靠简单功能收费、缺乏独特数据与客户黏性的企业,将面临越来越激烈的竞争。
与此同时,芯片、先进封装、数据中心、电力设备、能源供应和高效计算网络的重要性可能持续提高。
$NVDA、$AVGO、$TSM、$AMZN、$GOOGL、$MSFT,以及 $SPCX,都可能从不同环节参与这场产业重构。
当然,掌握稀缺基础设施并不等于投资回报一定更高。资本支出过大、产能利用率不足、技术迭代和融资成本,同样可能侵蚀未来利润。
我的核心判断是:未来真正重要的,不再只是哪个公司能够开发出最聪明的软件,而是谁能够以最低成本、最快速度、最可靠的方式提供支撑 AI 运行的计算能力。
过去30年,软件定义了科技行业的商业模式。
未来10年,人工智能可能重新定义软件,而算力和实体基础设施将决定这场竞争能够发展到多大规模。
代码正在变得越来越容易生产,但芯片、电力、土地、卫星和火箭依然无法凭空创造。
当软件不再是最稀缺的资源,真正控制 AI 底层基础设施的公司,是否会成为下一轮科技财富重新分配的最大受益者?
$SPCX $NVDA $MSFT $AMZN $GOOGL $META $AAPL
顯示更多