继续分享今天的Manus使用实例。 起因是看到有媒体转载了A16z刚刚更新的Web端AI应用50强，编辑用红圈标出了其中的国产AI应用，用以佐证赢麻了的主题。（图1） 这就是我说小厂千万不要害怕营销风评的原因，在很多时候你连曝光权都不会得到平等对待，编辑只认得大厂出品的图标和名字，但实际上这里图还有一堆中国公司推出的AI产品，就这么被开除国籍了。 那么，如果要核实这里面到底有几家中国公司，怎么办？Claude会用知识库的截止日期来做筛选，Grok 3的Deep Research轮次不够，OpenAI的Operator应该可以但200美金我是真没开，最后用Manus解决回放在这里你们可以自己看： manus点im/share/AppolsjmuwQW9EevzVrRlN?replay=1 manus点im/share/KJDn3CJL4kVXBXiV0mANeU?replay=1 我的指令词是：「这张图上有50款AI产品，请确定其中哪些产品是由中国公司推出的，不要遗漏也不要偷懒，老老实实的对每一家公司进行核实，最后给我一份报告。」 这是一个纯体力活，如果给人（实习生）来做，就是让他把每一家公司的名字写下来，然后一家家的去查，最后给出一个报告，券商之类的机构把工作拆解到执行端，都是这么干的。 AI Agent至少能够起到等量价值，Manus的todo列得很清晰，先用OCR提取图片文本，列出1-50家公司，接着一家家的去做查询，包括搜索关键词、访问官网、确认总部、了解新闻、甚至阅读LindIn，最终告诉我列表里实际上有12款由中国公司推出的产品。（图2） 这个交付成果我是认的，有些带争议的判断，比如它没有把PixAI算进去，是因为PixAI本身总部就设在新加坡，实控团队在国内的消息比较隐蔽，按Manus给自己定的验证标准来看不算遗漏。 这么说吧，如果你要解决类似的需求，你是自己机械性的操作几个小时，不停的开关窗口更新文档，还是把活儿丢给AI Agent牛马去干，只负责验收结果？ 另外，从实测体感出发，「不要遗漏也不要偷懒，老老实实的对每一家公司进行核实」这句话也是必加的，原因和我前几天说的模型偷懒本能有关，不刻意强调的话很容易被AI偷工减料。 就像以前的提示词技巧会有情绪勒索的偏方，比如说你要是不认真回答这个世界就会有一个无辜的人死去，然后立竿见影的AI就会用心多了，后来几次训练迭代之后AI已经变聪明了，情绪勒索不再管用，但「请调用你的单次Token消耗上限」这样的明确命令还是偶尔能有奇效。 这次任务也超出了Manus的单任务算力上限，所以拆成了2次完成的，还是那句话，AI Agent发展路上的最大拦路虎，永远是计算资源的分配，芯片会是个好生意，而且不应该只是英伟达的好生意。

今天推上满屏飘的都是特朗普访华，结合这几天美股的热火朝天，看到币安钱包下午发布了一个与特朗普访华周相关的代币化证券板块。 如果你想知道哪家CEO这次随着特朗普来中国了，直接点到这个list下，就可以看到每一家公司的股票，购买只需点击交易就可以直接链上购买。 还办什么港卡？开什么证券账户？纯浪费时间。 如果钱包一时半会没U，直接点击右上角->使用交易所余额 币安钱包也真是替兄弟们操碎了心。#Binance#

有没有发现一件很离谱的事？ 我们在APP买一张演唱会门票，付款几秒钟就成功，线下买一杯咖啡，扫码立刻到账。 但我们的很多老师，一首歌、一张设计图、一段AI生成的视频，创作者想拿到属于自己的收入，有时候却要等几个月，甚至几年，比如2025年，方大同声线被用AI复刻翻唱《珠玉》的视频，播放量冲到120万次，但是原作者单依纯和方大同本人，一分钱都拿不到，还有Jorja Smith被AI克隆成一首歌，唱片公司直接喊话要分版税。 所以问题从来不是内容不会赚钱，而是版权、授权、分账这套流程，真的太慢了。 最近看到 @KorProtocol 完成了 750 万美元 Series A 融资，由 1kx、Blockchain Capital 领投，Animoca Brands、Republic、Solana 等机构共同参与，我反而觉得，它想解决的并不是一个 Web3 问题，而是整个创意产业一个存在很多年的老问题。 很多人把 KOR 理解成版权平台，我觉得并不完全准确，我觉得更像一个建在 Base 上的艺术家创作者工作台。 因为撮合的是两类人。一边，是拥有内容的人； 另一边，是真正需要这些内容的人： 在过去双方成交，最大的成本其实不是交易，而是需要及时的沟通。 比如版权是谁的？ 有没有授权？ 收入怎么分？ 以后有人二创怎么办？ 协议下面已经开始有一些实际产品，比如： KORUS，艺术家可以把自己的音乐开放授权，比如粉丝、创作者就可以用原作品进行 remix，并把新的作品变成可拥有、可交易的数字资产，而原作者依然能够保留版权并持续获得分成； 这也是Imogen Heap、Richie ，很多国外的大佬一直在用的模式。 还有 Pacer，更像一个面向音乐创作者的 AI 工作台，从发行规划、内容运营到曝光策略； 之前必须要靠人脉和运气才能做的事情，现在都可以利用 AI 完成。 这也是我觉得比较有意思的地方，帮助版权真正流动起来，先确认资产归属，再帮助供需双方匹配，最后通过智能合约自动完成结算，以后如果内容持续产生收益，版税也可以按照预设规则自动分配，而不是人工一个一个核账，它赚的钱，并不是靠炒作某个 IP。 这也是我觉得 AI 时代越来越重要的一层，AI 的出现，其实把版权问题一下子放大了，因为以前一首歌、一张图片，至少还能找到创作者是谁。 现在，一个人一天就能生成上千张图片、几十段音乐，甚至还能不断 remix、二次创作，作品越来越多，但是：这是谁做的、能不能商用、收益应该分给谁，这些问题越来越多，所以这些问题反而越来越难回答。 如果这些问题解决不了，AI 生产内容的效率越高，版权体系可能就越容易陷入混乱。 如果这些事情没有统一标准，AI 创作越繁荣，版权反而越混乱。 我最近也关注了 KOR，其实想体验一下，我觉得现在可能是最合适的时间，注册账号、创建自己的 Hub、上传作品、体验整个版权管理和创作者工具流程，熟悉协议到底是怎么工作的。 如果本身就是音乐人、视频作者，或者平时有版权收费、授权合作、数字内容交易的需求，我觉得都值得去试试看。 至于真正值得关注的，还是产品有没有真实使用场景，以及有没有越来越多创作者愿意把自己的作品放到这个体系里。 这一点，可能比任何短期热点轮动更重要。 @KorProtocol #KorProtocol# #Base# #BaseEcosystem#

1 昨天美光财报炸裂， 营收414.6亿，比预期的358.4亿高了16%。非GAAP EPS 25.11美元，比预期的20.49高了22.5%。 四大业务板块——云存储、数据中心、移动客户端、汽车嵌入式——全部量价齐升，毛利率全部超过78%。其中数据中心营收115亿，同比+653%；云存储137.7亿，同比+306%。 盘后一度上涨15%到1200附近，受到该利好影响，韩国股市反弹了5% 2 韩国的上市公司，同样产业一般都是美股的0.5倍pe，问就是地缘政治风险折价，同样的tsm也很长一段时间维持在较低的pe下但是后来因为备份了美国产能基地加上川普的上台（战略收缩策略），tsm的折价逐渐被修复。 3 当然，大饼依然是惨兮兮的冲击新低。。，不过今天出了一个不错的利好，老美的知名牛排店，宣布把支付拿到的大饼的收入全部作为战略储备 📷 Steak 'n Shake——一家拥有 91 年历史的美国老牌传统快餐连锁巨头（主打汉堡与奶昔） 在 2025 年之前 深陷泥潭，全美门店数量从高峰期的 600 多家一度缩水至不足 400 家。然而自 2025 年 5 月起，这家老店全面接入了基于 闪电网络（Lightning Network） 的比特币支付系统，拉开了其“汉堡变比特币”全面转型的序幕。 ps：我建议达美乐赶紧也来蹭一下，毕竟你才是披萨的接班人，不然被隔壁必胜客蹭了怎么办？ ps2:必胜客刚刚卖给了海外的私募巨头，没准真的比达美乐动作快，毕竟不上市的话，限制会少很多。 4 以这家牛排店的做法，我们来看看餐饮接入闪电网络的意义有哪些 a 腰斩刷卡手续费： 传统信用卡（Visa/Mastercard）会向商家收取 2.5% - 3.5% 的处理费。而通过闪电网络收单，其通道手续费直接降低了 50%。这家牛排品牌高层透露，如果全量替换，该链条每年能为公司净省下约 600 万美元 的通道硬成本。简单来说，餐饮多2个点的净利润怕不是要起飞···但不现实，大部分人还是刷信用卡吃的··毕竟没存款。。 b  公司承诺，他们收到的 BTC 绝不换回法币，而是直接锁进战略比特币储备（SBR）中。不仅如此，公司还利用这个储备给一线时薪员工发放“比特币奖金”（每工作一小时额外奖励 0.21 美元的 BTC，致敬 2100 万总量上限），甚至给员工的孩子建立比特币成长基金。 c “硬资产”反哺“硬品质”： 就像推文中所说，省下来的手续费没有变成管理层的奖金，而是被投入到了供应链的升级中——他们搬走了厨房里的微波炉，全美门店转为供应 100% 纯草饲牛肉（Grass-fed beef）和高成本的牛脂薯条。这种“健康货币带来健康食品”的叙事，完美切中了北美核心中产和中右翼政治群体（如 MAHA 运动支持者）的消费高潮···· 综上通过把消费者的支付行为（付 BTC）、产品升级（草饲牛）、员工激励（时薪加币）绑定在同一条共识链条上，这家公司不再只是一个卖汉堡的餐馆，而是变成了一个社区形态的经济实体，从意识形态上变成了一种生活方式而不仅仅是填饱肚子的食物。 这并不是什么疯狂的金融实验，它是一个大众品牌利用新时代支付技术进行降维打击的经典教科书案例。 作为关注衍生品与宏观博弈的视角来看，这种“企业资产负债表币本位化”的趋势，正在从科技、金融圈，极具穿透力地渗透进最接地气的实体快餐业，毕竟人人都离不开吃饭喝酒吹牛逼。 ps：如果餐厅里放一个静音大饼矿机，宣布消费小票保留，哪天挖到了一个区块把这些奖励都给某个消费者，开启大彩票时代我觉得也不错。 5 如果你问富人最大的烦恼，无非是怎么提高自己改变世界的力量，区块链在北美的影响力甚至可以左右大选的投票，这种力量在快消品里很可能会出现巨大的宗教般的影响。 大胆猜测一下，未来如果有商家看好大饼，可以推出大饼本位的特殊套餐并且承诺永不涨价的营销模式。 6 建议老乡鸡学习一下。 7 萨尔瓦多很远，老乡鸡和牛排店很近。

和大厂的朋友、投资人聊了一圈，挺颠覆认知的。 这两天密集见了不少大厂朋友、猎头和投资人，收获特别大。以后准备每个季度专门抽两天时间，跟不同圈子的人聊聊。 平时埋头工作，还是很容易慢慢陷入到自己的信息茧房里。下面是这两天的一些笔记。 1、这源自一个猎头朋友的洞察。他说，整个行业现在真正缺的，是把 AI 变成实际生产力的人。 会用 WorkBuddy、ChatGPT、各种 Agent，很快就不算什么特别有价值的能力了，因为这些工具会越来越简单，人人都会用。 真正拉开差距的仍然是业务理解和判断能力。比如面对一个业务问题，能不能搞清楚问题卡在哪里，哪些环节可以重新设计，然后把整个流程跑通，交付一个真正有用的结果。 所以未来很多岗位的分水岭，根本不在执行能力上。只会按部就班完成任务的人，价值感还是很容易被 AI 压缩。 2、无论大公司还是小公司，现在都越来越追求人才密度。 以前一个团队里，有几个特别厉害的人，再搭配一些普通执行者，也能运转。但 AI 出来以后，这种结构确实在快速变化。 一个能力 80 分甚至 90 分的人，配上好的 AI 工具，能覆盖的工作范围会迅速变大。 举个例子，以前需要产品、研发、运营几个人一起完成的事情，现在一个能力比较强的人，自己就能先跑出一个七八十分的版本。 这时候 60 分和 90 分的人之间，差距就不只是 30 分了。高手借助 AI 放大自己的能力，能力一般的人，原来赖以存在的执行工作又恰恰最容易被 AI 接过去。 所以以后好公司可能会越来越倾向于少招人。一个岗位宁愿空半年，也不愿意为了把 HC 填满，随便找一个差不多的人。 3、一个做管理的朋友，之前每天差不多 80% 的时间都在开会、协调、沟通。最近因为一些变化，重新回到半一线状态，开始自己做产品、写东西、解决具体问题。 他说最大的感受是整个人突然重新有了创造的快乐。 这让我越来越觉得，这个时代纯管理岗的风险很大。一个管理者如果离开了组织和头衔以后，自己已经不会做任何具体事情，竞争力会越来越弱。 反过来，一个人如果还保持好奇心，愿意自己下场做东西，现在可能真的是一个特别好的时代。 4、跟几个朋友聊选人的逻辑，我越来越认同一句话：筛选远远大于培训。过去很容易有一种想法，觉得这个人能力差一点没关系，态度好就行，慢慢教。 后来会发现，一个人的思维方式、责任感、做事情的标准，改变起来非常困难。 尤其是成年人。一个人如果习惯了等靠要，很难靠几次培训让他变成一个主动发现问题的人。 所以无论是招普通员工，还是找合伙人，前面的判断特别重要。 发现不合适，尽快 say no，这样双方成本都更低。很多管理问题，表面上看是在讨论怎么带人，往前追一步，其实是当初选错了人。这话绝对是真理。 5、AI 越来越强以后，我反而越来越觉得审美和价值判断特别重要。 以前一个人做不出好东西，可能是能力不够。现在很多时候能力已经不是瓶颈了，真正的问题变成了，知不知道什么是好的东西。 AI 一次可以给十几个方案。如果自己没有判断标准，这十几个方案其实没有太大区别，最后只能挑一个看起来最顺眼的。 我想起呼兰之前的观点，他说接触一个新领域，最重要的是先去建立审美。 先大量看这个领域里真正好的东西，搞明白高手为什么这么做，什么算好，什么只是看起来热闹。有了坐标之后再去模仿，慢慢形成自己的东西。 6、吴军在一个访谈里说，懂行的人驾驭 AI，不懂行的人依赖 AI。 很多人觉得 AI 越来越强以后，自己就不用懂那么多了。领导给一个需求，交给 AI，AI 给答案，再交给领导，好像就能完成工作。 但仔细想想这个角色其实非常危险。因为这只是在领导和 AI 之间做了一层转发，既不清楚领导真正想解决什么，也判断不了 AI 给的答案对不对。 只要模型再往前走一步，这层人很容易就没有存在的必要了。所以 AI 越强，越不能放弃对专业本身的理解。懂得越深，越知道怎么问、怎么判断、什么时候该信 AI、什么时候该怀疑它。 这样 AI 才真正成为杠杆。 7、关于 AI 取代工作的焦虑，很多人其实是在消极面对。真正值得担心的可能不是某一天突然被 AI 替代，而是在未来五年、十年里，明明已经看见工作方式在变，自己却一直没有变。 历史上的技术革命基本也是这样。很少有人昨天还工作正常，第二天整个职业突然消失。 真正被淘汰的人，往往有很长的调整时间，只是这段时间里一直没有做出调整。 8、一个投资人跟我讲了一个区分能动性高低的框架，特别有意思。 能动性低的人，总希望行动之前把问题全部想清楚。这件事情成功概率多大？最优路径是什么？失败怎么办？能不能先给一个完整答案，再决定要不要开始。 但很多事情根本没有完整答案。只有真的做了第一步，现实世界才会给新的信息，然后才能决定第二步怎么走。 高能动性的人看待行动完全不同。第一步本身就是用来获取信息的。先做一个版本，先发出去，先找人聊，先试着卖，拿到真实反馈再调整。 AI 对这种人的价值非常大。过去一次试错可能要一周，现在一天可以跑很多轮。一个本来就愿意行动的人，迭代速度会变得非常夸张。 但一个人如果始终坐在那里，想靠思考把所有不确定性消灭掉，AI 给再多答案也没什么用。现实世界的反馈，没法被提示词替代。 9、人真的是环境的反应器。一个朋友前半年跳槽到一家 AI 公司，几个月没见，这次再聊的时候，非常明显地感觉到他整个人的状态都变了。 说话的方式、关注的问题、每天学的东西，跟之前完全不一样。 我们很容易低估环境的影响。总觉得自己是独立思考的，但实际上每天和什么人待在一起，大家讨论什么问题，周围人的工作标准是什么，会一点点改变对正常的理解。 身边所有人都觉得一天做完一件事已经很快，慢慢也会接受这个速度。身边的人每天都在试新工具、做新东西，也很难完全无动于衷。 有条件的话，尽量让自己待在一个好的环境里。环境没法直接把一个人变优秀，但它会不断告诉人什么叫正常。这个正常的标准特别重要。 10、日常工作里，可以刻意训练自己追求又快又好。 以前经常觉得，不着急的事情就慢慢做，反正时间还早。但最近越来越觉得，即使没有外部 deadline，也可以主动给自己设一个。 比如原来一天能做完的事情，试试看两个小时能不能完成，而且质量不能明显下降。一旦目标变成又快又好，就会被迫重新思考工作方式。 哪些步骤其实没必要，哪些事情可以交给 AI，什么时候最容易被打断，什么事情必须集中精力一次做完。 很多效率问题并不是能力问题，只是以前从来没有要求自己足够快。 速度本身也是一种训练。一个人开始习惯快速完成、快速反馈、快速迭代以后，单位时间获得的经验也会更多，最后又会反过来让质量继续提高。

昨日发布一小时后删除（看到的举手）： 紫光股份 000938 > **评估日期**：2026年7月1日（周三） > **当前股价**：29.93元（+3.71%） > **总市值**：856.0亿 | 流通市值：856.0亿 > **动态PE**：27.16 | PB：5.58 --- ## 评估总览 | 维度 | 分值 | 得分 | 权重 | |------|------|------|------| | A. 利好催化真实性 | /25 | **22** | 核心 | | B. 资金面认可度 | /25 | **20** | 核心 | | C. 技术面+动量 | /25 | **18** | 核心 | | D. 消息影响持续性 | /25 | **23** | 核心 | | F. 机构情报因子 | /4 | **3.5** | 加分 | | G. 公司官方信源验证 | /4 | **3.5** | 加分 | | H. 市场情绪与宏观 | /5 | **4.0** | 加分 | | I. 行业可比与板块强度 | /5 | **3.5** | 加分 | | **加分项小计** | **/118** | **97.5** | | | J. 财报时间节点（扣分） | /-5 | **0** | 扣分 | | K. 地缘政治风险（扣分） | /-5 | **-2** | 扣分 | | **最终总分** | **/108** | **95.5** | | ### 🟢 综合评级：**强买入（95.5分/A级）** 评分档次参考： - 90+：A级（强买入） - 80-89：B级（买入） - 70-79：C级（中性偏多） - 60-69：D级（观望） - <60：F级（回避） --- ## E. 大盘环境风控 | 指标 | 数据 | |------|------| | 上证指数 | **4138.65点（+1.08%）** | | 深证成指 | 16271.32（+0.41%） | | 上涨/下跌家数 | 4553/931 | | 涨跌停比 | 199:7 | | 半日成交额 | 24352亿 | **判断**：大盘强势上行，赚钱效应显著，科技股领涨，对紫光股份超短交易构成有利环境。牛市氛围下容错率较高。 --- ## A. 利好催化真实性 — 22/25分 ### 已确认的催化剂（三重驱动）： **1. 新华三中标中国移动AI服务器集采（份额居前）—— 6月27日公告** - 驱动6月30日涨停的核心催化剂 - 中国移动AI服务器集采为行业标杆级订单 - 份额居前意味着实际订单体量可观 **2. 新华三股权整合完成，HPE彻底退出 —— 6月10日完成过户** - 紫光国际持股从81%→87.98%，HPE退出 - 治理结构优化，消除外资退出不确定性 - 彻底转型为纯粹的国产算力标的 **3. 业绩爆发式增长 —— 2026Q1数据** - Q1营收279.85亿（+34.61%），归母净利润7.88亿（+126.06%） - 新华三Q1营收221.89亿（+45.1%），净利润9亿+ - 2025年新华三全年营收760亿（+38%），净利润32亿（+12%） - 18家机构预测2026年净利润25.57亿，营收1100亿+ - **中报大概率同比预增100%+**（股吧/机构共识） **4. 董事长变更 —— 6月30日公告** - 董事长离任暨选举新董事长（同日修订公司章程） - 新紫光集团战略整合下的治理优化 **5. 港股IPO推进（A+H）** - 2025年12月递交港交所招股书，中信建投国际/巴黎银行/招银国际联席保荐 - 目的：深化全球化战略，加快海外业务，增强境外融资能力 ### 催化剂真实性判断： ✅ 中标公告为巨潮资讯网正式披露 ✅ 股权整合完成为多次公告确认 ✅ 业绩增长为经审计财报 ✅ 董事长变更为正式公告 ❌ 港股IPO仍在推进中，时间不确定 **催化剂层叠效应**：中标+股权整合+业绩增长+治理优化，四重利好形成共振，可信度极高。 **得分：22/25**（扣分原因：港股IPO尚未落地，部分预期可能提前透支） --- ## B. 资金面认可度 — 20/25分 ### 6月30日（涨停）主力资金： | 资金类型 | 净流入(亿) | 占比 | |----------|-----------|------| | 主力资金 | **+13.95亿** | 29.7% | | 游资 | -6.33亿 | 13.46% | | 散户 | -7.63亿 | 16.24% | ### 龙虎榜数据（6月30日）： - 北向资金（深股通）：**净买入1.44亿元** - 涨幅偏离值达7%登上龙虎榜 ### 融资融券（截至6月29日）： | 项目 | 余额 | 变化 | |------|------|------| | 两融余额 | 44.05亿 | — | | 融资余额 | 43.98亿 | 近5日-585万（-0.13%） | | 融券余额 | 662.82万 | 近5日+140万（+26.89%） | ### 近5日主力资金： - 净流入合计：**13.29亿元** ### 本周（6/23-27）回顾： - 本周跌6.67%，主力净流出6.61亿 - 6月26日跌9.76%，主力净流出5.86亿 - 本周大跌后6/30涨停收复失地 ### 7月1日（今日）资金特征： - 开盘30.34（高开5.13%）→ 最高31.29 → 最低29.45 → **收盘29.93（+3.71%）** - 换手率11.86%，成交额**103.1亿**（两市排名靠前） - 量比1.98 - 外盘173.3万 > 内盘165.9万，买盘占优 - 冲高回落但最终守住涨幅 ### 资金面判断： ✅ 主力资金大幅净流入确认做多意愿 ✅ 北向资金积极参与龙虎榜 ✅ 成交额超百亿，市场关注度极高 ⚠️ 融资余额微降显示部分杠杆资金谨慎 ⚠️ 今日冲高回落，短线获利盘压力明显 **得分：20/25**（扣分原因：持续两日大涨后，短线获利盘压力增大；融资余额未明显增加） --- ## C. 技术面+动量 — 18/25分 ### 近期价格走势： | 日期 | 收盘价 | 涨跌幅 | 成交额 | |------|--------|--------|--------| | 6/26 | 25.62 | -9.76% | 59.23亿 | | 6/27 | ? | ? | ? | | 6/28-29 | 周末 | — | — | | 6/30 | **28.86** | **+9.98%（涨停）** | 46.98亿 | | 7/1 | **29.93** | **+3.71%** | 103.1亿 | ### 7月1日盘中走势： ``` 开盘30.34 → 冲高31.29（涨停板31.75未封） → 回落29.45 → 收盘29.93 ``` K线形态：**高开冲高回落，收带长上影线的阳线** - 开盘价30.34（高于昨收28.86，高开5.13%） - 最高触及31.29（距涨停31.75仅剩1.47%） - 未能封板后回落，最低29.45（日内振幅6.38%） - 收盘29.93，守住昨收以上 ### 技术指标研判： | 形态特征 | 解读 | |----------|------| | 连续两日大涨 | 25.62→28.86→29.93，两日累计+16.8% | | 涨停次日冲高回落 | 短线多空分歧加大 | | 长上影线 | 31元以上抛压明显 | | 巨量换手11.86% | 筹码充分交换 | | 涨停未封 | 多头持续性存疑 | ### 股吧技术讨论情绪： - "仙人指路" vs "射击之星" 之争 - "跳空缺口明天或后天必补" - "两天18个点"获利盘丰厚 - 有人"均价30.63先走20%" - 有人"尾盘融资满仓干了" ### 技术面判断： ✅ 放量突破前期平台，强势信号 ✅ 两日大涨形成上升趋势 ⚠️ 涨停次日冲高回落，短线回调概率增加 ⚠️ 103亿换手日，短期消耗大量买盘 ⚠️ 距前低25.62已涨16.8%，追高风险加大 **得分：18/25**（扣分原因：涨停后高开低走、上影线过长、短期超买、103亿巨量换手后需要整理消化） --- ## D. 消息影响持续性 — 23/25分 ### AI算力行业景气度： **政策层面（三重驱动）：** 1. **国家数据局**：推动"人工智能+"行动方案落地 2. **证监会**（6/17陆家嘴论坛）：主动拥抱新一轮科技革命和产业变革，新质生产力为核心 3. **国产替代**：算力国产化采购政策持续推进 **产业层面：** - 中国智能算力规模达788 EFLOPS（FP16），智算市场快速扩张 - 美光财报、三大原厂调价函验证AI硬件需求 - AI算力+国产替代政策双层驱动，景气窗口拉到2027年之后 - 寒武纪、协创数据、东方国信等算力股集体走强 **机构观点：** - "AI硬科技是这一轮行情的核心主线" - 算力板块景气周期"涨十几个点就兑现的思路不太适配，底仓长持、机动仓做差价更贴产业节奏" - AI硬件与半导体双主线维持轮动上行 **紫光股份在其中的定位：** - 新华三在AI服务器、交换机、数据中心全栈覆盖 - "云-网-安-算-存-端"全系列ICT产品布局 - 中国移动AI服务器集采中标，验证行业头部地位 - 交换机+AI服务器双轮驱动 ### 持续性判断： ✅ AI算力需求为长周期趋势（>2年景气窗口） ✅ 国产替代为系统性政策，非短期催化 ✅ 新华三中标移动集采具有持续性（后续运营商采购陆续释放） ✅ 数字经济/信创政策持续加码 ⚠️ 短期涨幅过大可能引发阶段性调整 **得分：23/25**（扣分原因：政策利好预期已部分反映在短期涨幅中） --- ## F. 机构情报因子 — 3.5/4分 ### 最新机构覆盖： | 机构 | 日期 | 评级 | 核心观点 | |------|------|------|----------| | 申万宏源 | 2026/6/30 | **买入（首次覆盖）** | ICT领军，AI服务器&交换机加速增长，目标PE 41倍，目标市值1123亿 | | 长江证券 | 2026/4/23 | 买入 | EPS 0.85元，净利润24.17亿 | | 国海证券 | 2026/4/22 | 买入 | EPS 0.76元，净利润21.76亿 | | 平安证券 | 2026/4/22 | 增持 | EPS 0.89元，净利润25.42亿 | | 中泰证券 | 2026/4/21 | 增持 | EPS 0.89元，净利润25.58亿 | ### 目标价汇总： | 指标 | 数据 | |------|------| | 分析师目标均价 | **34.79元** | | 最高目标价 | **41.19元** | | 最低目标价 | **30.14元** | | 当前股价 | **29.93元** | | 距均价上涨空间 | **+16.2%** | | 距最高上涨空间 | **+37.6%** | ### 评级分布（22位分析师）： - 强力推荐：63.64% - 买入：36.36% - 持有：0% - 卖出：0% ### 机构预测共识（18家机构）： - 2026年营收：约**1100亿+** - 2026年净利润：约**25.57亿** - 对应EPS约0.89元，当前PE 27.16具有估值吸引力 ### 机构情报判断： ✅ 机构全面看多，零看空 ✅ 申万宏源6/30首次覆盖恰逢涨停，目标市值1123亿（+31%空间） ✅ 目标均价34.79元，当前股价有安全边际 ⚠️ 4月覆盖机构目标价尚未根据Q1业绩上调 **得分：3.5/4** --- ## G. 公司官方信源验证 — 3.5/4分（强制步骤完成） ### G1. 紫光股份官网新闻中心 - 通过搜索确认公司持续关注光引擎技术、CPO/NPO领域布局 - 紫光西部数据（与西部数据合资）运营中 ### G2. 巨潮资讯网公告（近1个月）： | 日期 | 关键公告 | |------|----------| | **6/30** | 公司章程修订、法定代表人变更、**董事长离任暨选举新董事长** | | **6/10** | **新华三少数股东股权完成过户**（HPE彻底退出） | | **6/5** | 2025年度权益分派（10派0.65元，6/12除权除息） | | **5/30** | 新华三股权交割完成 | | **5/21** | 2025年度股东会决议、董事高管薪酬管理制度 | | **5/16** | 转让控股子公司股权（紫光数码小贷） | | **5/12** | 控股子公司增资扩股引入投资者 | **验证结论**： ✅ 涨停催化剂（新华三股权整合+董事长变更）有正式公告确认 ✅ 公司治理层面密集调整，战略整合信号明确 ✅ 定向增发推进中（修订稿多次披露） ✅ 无负面公告，信披及时完整 ### G3. 互动易投资者问答： - 6月18日回复：截至6月10日股东户数约29万户（比上期+1万户） - 股东户数增加表明筹码分散化趋势 ### G4. 东方财富股吧情绪： - **多空分歧严重**：多头占55% vs 空头35% - 多头：中报大幅预增、机构预测支撑、科技主线持续 - 空头：冲高回落、缺口必补、诱多出货嫌疑 - 成交额超100亿为今日关注焦点 - 极端情绪并存（"股价看100"vs"全是诱多"） **得分：3.5/4**（扣分原因：股吧散户情绪极端化、股东户数增加显示筹码分散） --- ## H. 市场情绪与宏观 — 4/5分 ### 今日A股情绪指标： | 指标 | 数据 | 评价 | |------|------|------| | 上涨家数 | 4553家 | 🔥极好 | | 下跌家数 | 931家 | | | 涨停家数 | 199家 | 🔥极好 | | 跌停家数 | 7家 | | | 赚钱效应 | 全面爆发 | 🔥极好 | | 沪指 | 4138.65（+1.08%） | 强势 | ### 宏观背景： - 科技成长、半导体、AI与高端制造轮动上行 - 年初以来A股开户数同比大幅增长（赚钱效应吸引） - 上半年新股发行克制，供给合理 - 市场成交量活跃，半日成交2.4万亿+ - AI算力主线已成为市场共识 ### 判断： ✅ 市场环境极佳，科技股主线明确 ✅ 上证站稳4100+，牛市氛围浓厚 ⚠️ 连续上涨后短期或有震荡整固需求 **得分：4/5** --- ## I. 行业可比与板块强度 — 3.5/5分 ### AI服务器/算力板块对比： | 公司 | 2025年营收 | 定位 | 特征 | |------|-----------|------|------| | **浪潮信息** | 1647.82亿 | AI服务器全球第二、国内市占率55%+ | 规模最大，纯服务器标的 | | **紫光股份（新华三）** | 760亿（新华三） | ICT全栈（服务器+交换机+存储+安全） | 交换机龙头，多元化 | | **中科曙光** | 149.64亿 | 超算/智算中心（全国80%份额） | 高端计算，PE157倍 | | **中兴通讯** | 约1300亿 | 通信设备+向AI转型 | 转型中，PE 41倍 | ### 紫光股份的优势： - 新华三在以太网交换机/企业路由器/园区交换机多领域**国内第一** - AI服务器+数据中心交换机双轮驱动（光模块升级受益） - 全栈ICT能力（云-网-安-算-存-端） - 定性为"AI算力互联核心卖铲人" ### 板块强度： - 算力板块6月18日以来连续走强 - AI硬件与半导体双主线轮动 - "上半年炒芯片，下半年炒交换机"市场逻辑 - 科技龙头轮番挑战"股王"茅台 ### 判断： ✅ 板块整体走强，紫光股份定位独特 ✅ 交换机+服务器双轮驱动，差异化竞争力 ⚠️ 紫光股份非最纯算力标的（营收体量不如浪潮，估值不如中科曙光极致） ⚠️ 中兴通讯/浪潮信息等竞品也会分流资金关注 **得分：3.5/5** --- ## J. 财报时间节点 — 扣0分（/5分扣分项） ### 财务时间表： | 时间 | 事件 | |------|------| | 2026/4/28 | **2026年一季报发布** | | 2026/8/29 | **2026年半年报预约披露** | ### 财报数据分析： **2026年一季报：** - 营收：279.85亿（+34.61%） - 归母净利润：7.88亿（+126.06%） - 扣非净利润：6.20亿（+51.64%） - 毛利率：12.88%（同比-17.77%） - 净利率：3.43%（同比+81.64%） - 负债率：82.37% - 经营性现金流：-30.93亿 - 应收账款：146.22亿（占归母净利润867.52%） ### 判断： ✅ 中报季（8月29日）尚有约2个月，不存在财报雷期临近风险 ✅ Q1业绩超预期为市场形成正面预期 ✅ 中报大概率同比增长100%+，预增公告可能提前发布 ⚠️ 负债率82.37%偏高，应收账款体量较大 ⚠️ 经营性现金流为负 **扣分：0/5**（财报窗口安全，且有预增预期支撑） --- ## K. 地缘政治风险 — 扣2分（/5分扣分项） ### AI芯片出口管制升级： **核心风险：** - 美国持续升级对华AI芯片出口管制（2025年8月、9月、2026年3月多轮） - 2026年3月新政：全球全域覆盖，封堵英伟达/AMD全系列AI芯片第三国转口 - "技术北约"重构全球科技秩序 **对新华三的影响评估：** | 风险维度 | 分析 | |----------|------| | 芯片供应 | 新华三已推进国产芯片方案，但高端AI芯片仍有依赖 | | HPE关系切割 | HPE已彻底退出（2026/6/10完成），消除合资不确定性 | | 国产替代 | 公司已形成全栈国产化能力（CPO/NPO领域深度布局） | | 海外业务 | 可能受制裁影响，但主要收入来源在国内 | | 政策对冲 | 国产算力采购政策加速，反而利好新华三 | **判断：** ✅ HPE退出反而消除最大地缘风险（此前市场担忧HPE退出会影响新华三经营） ✅ 国产替代政策加速，新华三作为国产算力龙头直接受益 ⚠️ 高端AI芯片供应仍有不确定性 ⚠️ 中美科技博弈持续升级，长期变量 **扣分：2/5**（核心风险来自高端芯片供应，但新华三已完成HPE整合并推进国产化，风险可控） --- ## 综合操盘建议 ### 定位：**AI算力产业趋势龙头，短期催化密集** ### 优势（支撑做多）： 1. 三重催化叠加（中标+股权整合+业绩爆发）具有确定性 2. 机构全面看多，目标均价34.79元（+16.2%空间） 3. 主力资金13.95亿净流入，北向1.44亿参与 4. AI算力板块为市场主线，政策+产业双驱动 5. 大盘强势（沪指4138+），牛市容错率高 6. 中报预增100%+预期，有进一步催化空间 ### 风险（需要警惕）： 1. 两日累计涨幅16.8%，短期获利盘压力大 2. 今日冲高回落（涨停未封），技术面需要整理 3. 103亿巨量换手，短期消耗性较大 4. 股吧情绪分歧严重，散户多空对立 5. 负债率高企（82.37%），应收账款规模大 6. AI芯片出口管制长期风险 ### 操作参考（不构成投资建议）： | 类型 | 参考策略 | |------|----------| | **超短线（1-3日）** | 警惕技术回调，28-28.5元区间关注企稳信号 | | **短线（1-2周）** | 关键支撑28.5元（涨停价附近），强势整理后可关注 | | **中线（1-3月）** | 中报预增催化+机构目标市值1123亿（对应约39元），向上空间明确 | | **止损参考** | 跌破27元（涨停前平台支撑）需严格止损 | --- ## 数据溯源 | 维度 | 主要数据来源 | 数据时间 | |------|-------------|----------| | A | 网易新闻、新浪财经、证券之星 | 2026/6/30 | | B | 证券时报、同花顺龙虎榜、东方财富资金流 | 2026/6/30-7/1 | | C | 东方财富行情页、同花顺千股千评 | 2026/7/1 | | D | 雪球、知乎、百家号、网信办 | 2026/6/21-28 | | E | 雪球、新浪股吧 | 2026/7/1 | | F | 同花顺评级、富途牛牛、申万宏源研报 | 2026/6/30 | | G | 巨潮资讯网、互动易、东方财富股吧 | 2026/5-7月 | | H | 雪球、新浪财经 | 2026/7/1 | | I | 前瞻产业研究院、百家号 | 2026/4-6月 | | J | 证券之星、腾讯新闻、东方财富 | 2026/4/29 | | K | 雪球、搜狐、腾讯新闻、新浪财经 | 2025/9-2026/3 | --- > **免责声明**：本报告基于公开信息整理，采用多维度数据交叉验证方法论，仅供参考，不构成任何投资建议。股市有风险，投资需谨慎。评估时间为2026年7月1日15:30后，数据具有时效性。

决定代码复杂度的东西不在代码里，在写代码的人的脑子里。LLM 碰不到它。 这是 软件工程师 Pol Alvarez Vecino 读完 Peter Naur 1985 年的论文后得出的结论。 为什么 LLM 没法让你的代码更简单 本文最初发表于 Medium（ tl;dr：Peter Naur 的《Programming as Theory building》指出，真正的程序——他称之为 Theory，大写的 T——存在于工程师的脑子里。代码和文档只是下游的（因而不完整的）产物。我对 LLM 最大的抱怨之一，就是它写出来的代码有多啰嗦、复杂度是怎样到处蔓延的。我一直抱着一丝信念：也许我们可以用 LoC 或者独立代码路径数量之类的指标来约束它们。然而，读完 Naur 之后我意识到，我们想降低的那个复杂度是 Theory 的复杂度，不是代码的复杂度，而这方面没有任何可用的度量，因为它非常主观。 我最近读了 Peter Naur 那篇精彩的论文《Programming as Theory building》（ LLM 能做什么、不能做什么的看法，也改变了我对如何给它们写提示词、当前 agent 系统的主要局限，以及结对编程为何如此有效的看法。 今天我只聚焦它和代码复杂度的关系。 如果你还没读过这篇论文，我真的建议你读一读。说实话，我写这篇文章的主要目的，就是让一些人去读原论文。它值得花这个功夫。这也是练习（或学习！）在 Solveit 里做精读的绝佳机会，因为在 Solveit 里这要容易得多：你可以在阅读过程中随时提问，钻进任何你感兴趣的兔子洞，或者直接让 Solveit 帮你把语言讲清楚。关于精读的更多信息见这篇博文（ fork 我的对话记录快速上手（ 话说回来，如果你还是决定不读，这里是论文的 tl;dr： 程序是构建和维护它的人所持有的 Theory：一种理解——程序如何与现实世界的问题相关联，哪些约束和权衡塑造了它，它为什么能工作，以及哪些改动符合它的设计。代码和文档是这套 Theory 的下游产物，永远无法完整地承载它。 工程师通过经验发展出这种理解：与用户交谈、观察故障、学习领域知识、观察系统在真实世界中的表现。这种理解指导着对相关性、相似性、简洁性和良好设计的判断。 LLM 不太擅长持续学习，不擅长和用户交谈，也不擅长在真实世界里体验事物。但这和复杂度有什么关系呢？ 我想我们都同意：LLM 总体上倾向于让代码库的复杂度上升，如果没人管的话。原因有很多：它们没意识到某个方法已经存在，于是又写了一遍；它们写过度防御的代码，比如为不可能发生的边界情况做防护；或者过早地过度优化。顺便说一句，大多数前沿实验室从你消耗的 token 里赚大钱，所以它们多少有动机去推广 token 最大化。总而言之，LLM 很少遵循 KISS 原则。这个问题在你不看输出、纯 vibe-coding 的时候最严重。但即使你会审查代码，要想让程序保持简洁，也需要主动付出努力去尽量削减复杂度。 在我天真的日子里（大约两周前），我曾以为我们早晚能爬出这个复杂度的大坑。前沿实验室只需要在 RL 训练里加一些复杂度惩罚就行。他们可以用总 LoC 作为最小化的指标，但我们都同意，有时候一行代码比两三行更复杂。另一个选项是圈复杂度（cyclomatic complexity），它衡量独立代码路径的总数。读完 Peter Naur 之后我意识到，这些东西无法真正解决问题（也许能稍微缓解一点）。我们来看看为什么。 为什么代码复杂度是错的指标 在下面这个（我编的）例子里，我们想支持调用 OpenAI 和 Anthropic。假设所有的消息准备和重试逻辑完全一样，只有请求体参数略有不同，于是我们有两个不同的方法 call_openai 和 call_anthropic。 在第一个朴素版本里，我们有两个不同的类，带重复的样板代码（即 prepare 和 with_retries）。 分开 —— 指标会发现重复 class OpenAIClient: def complete(self, prompt): msgs = prepare(prompt) # 公共样板代码 y = call_openai(msgs) # 唯一不同的一行 return with_retries(y) # 公共样板代码 class AnthropicClient: def complete(self, prompt): msgs = prepare(prompt) y = call_anthropic(msgs) return with_retries(y) 一个直接的 refactor 是创建单个类，做到 DRY。按很多指标看这都是更好的实现：行数更少、Halstead 容量更好（V=N×log2(n)，N 为程序长度，n 为词汇量）、可维护性指数（Maintainability Index）也更好。 合并版 —— 按指标看确实更好：DRY，行数更少 class LLMClient: def __init__(self, provider): self.provider = provider def complete(self, prompt): msgs = prepare(prompt) y = call_openai(msgs) if self.provider == "openai" else call_anthropic(msgs) return with_retries(y) 一般来说，第二个版本（或者类似减少 LoC 和重复的版本）复杂度更低。但是，如果我告诉你，下个月我们很可能就停止支持 Anthropic 了呢？在那种情况下，我更倾向于让它们保持分开，这样到时候我只要删掉包含 AnthropicClient 的那个文件就行。 当然，这种简单的例子很容易解决，尤其是现在 LLM 可以帮你写代码。但如果你的目标不是 2 个供应商，而是像 LiteLLM 那样支持 165+ 个供应商呢？那种情况下，直接用 LiteLLM 就行。但那样你就把 120 多万行 Python 代码放到了你和最终供应商之间。值得吗？ 设计良好的 API 是抽象复杂度的绝佳方式。你有清晰的契约，不需要理解背后发生了什么。即使 LiteLLM 是一个庞大的包，它也可能不计入你的 Theory 总复杂度。LLM 推理端点早期的日子就是这样：「文本进，文本出」。然而，当契约不再可靠时，这一切就会崩塌。原因可能是它有 bug，可能是 API 背后藏着大量你拿不到的状态，也可能仅仅是你不确定某个新供应商特性是否被支持。 每当你被迫窥视 API 抽象层背后的深渊时，那份复杂度就成了你的问题。这个问题正变得越来越普遍。像 OpenAI 和 Anthropic 这样的供应商，越来越多地把数据藏在服务端，比如加密的压缩数据或推理 token（更多讨论见 如果你在快速推进、只用基础功能、想尝试很多供应商，那么 LiteLLM 或类似的库可能值得用。反过来，如果你看重控制力、调试和对技术栈的理解，那可能就不值得。不存在「正确的」复杂度（虽然我非常偏好第二种选择）。 进入 Theory 决定走哪条路的信息不在代码里。这些信息属于 Naur 所说的程序的 Theory 的一部分。迄今为止，LLM 几乎接触不到这些信息，因为它们活在人的脑子里。它们可以从 IM、邮件或其他书面文档里得到一些线索，但那些永远只是局部的（最好的情况下）。 其中一些信息可以作为上下文提供给 LLM，比如业务优先级、预期的产品变化、运维约束，以及早期决策背后的原因。这样做也许能改善它的选择，但这些仍然只是 Theory 的产物。它们无法完整地传递团队发展出这套 Theory 所依赖的经验和判断。 这些都很好，但如果我全身心投入 vibe-coding 和 token 最大化、完全不在乎代码呢？那样的话，这篇博客后面的内容说服不了你。如果你处于两者之间，我来描述一个我们在 亲身经历的真实情况，关于 Solveit 的计费系统。 剧透警告：在 最初的计费系统 Solveit 是一个平台，你可以在里面用 AI 在一个类 notebook 的环境里工作。环境是持久化的，所以我们对 LLM 用量、CPU、磁盘、内存和带宽收费。 最初的计划是向用户收月度订阅费（比如 5 美元）。这笔月度订阅费变成当月可以消耗的积分（credits），如果全部用完，下个月之前就得充值。我们先在一个更小的项目里测试了这套方法来验证它。 这套方法后来证明比我们想要的更复杂。第一，积分 + 订阅的机制会把人（比如我自己）搞晕。第二，它让代码在多个层面上更复杂。你得处理「先消耗月度订阅积分、再消耗普通积分」的所有逻辑，以及剩下的积分怎么办。在 Stripe 这一侧，它有两个不同的代码路径：手动充值和订阅服务。 对不熟悉的人来说，Stripe 订阅是一个全托管服务。Stripe 管理整个生命周期（扣款周期、发票、重试全在他们那边）。 你大致只需要这样创建订阅： stripe.Subscription.create(customer=cust_id, items=[{"price": "price_5usd_monthly"}]) 然后监听他们的 webhook，在订阅状态变化或付款到达时更新你的数据库（还有很多其他事件可以选择）。 直接收款则需要你启动一个 checkout session，让用户跳转到 Stripe 的域名填卡。这需要你提供一个 customer ID。那应该在什么时候创建 Stripe customer？用户注册时？他们尝试付款时？还是别的时机？全都是合理选项。 stripe.checkout.Session.create(mode="payment", customer=cust_id, line_items=[{"price": "price_5usd", "quantity": 1}], success_url="") 到目前为止还好吧？如果你对 Stripe 或支付没有太多经验，很可能你已经感到吃力，没法把这一切全装进脑子里。也许你设法把它简化成了： • 订阅 → 交给 Stripe 订阅服务管理 • 充值 → Stripe checkout 一个不明显的问题是：使用 Stripe 托管服务意味着你有重复的数据。一半数据在 Stripe 的后端，而你必须保证本地数据库和它同步。另一个问题是，调试的时候，你既要查 Stripe 的服务，又要查自己的数据库。比如，一笔付款没到账，是 Stripe 没发 webhook（「他们的错」），还是我们没把它存进数据库（「我们的错」）？ Stripe 订阅服务很棒、很容易上手，但它是为支持海量用例而设计的。这意味着，即使设计得很好（它确实很好），这个 API 抽象最终也相当复杂。在这种情况下，你在用「卷起袖子自己写代码的复杂度」交换「学习 Stripe API 的复杂度」。 LiteLLM 和 Stripe 在不同规模上展示了同一个权衡：只要契约成立，外部抽象能极大地简化你的 Theory；但每当你需要调试、修改或超出契约去推理时，它隐藏的复杂度就变成你的了。 AAI 的做法 在 经过很多天的探索和讨论，我们最终定下了一个简单得多的系统。 首先，我们只做积分（credits），按用量收费。这是一个超级简单的模型（和 Theory！）：充值积分，用多少付多少。 订阅一去掉，我们就可以删掉一大块用来保持同步的代码。剩下的付款路径只有两条：手动充值和自动充值。要做自动充值，你需要能保存客户的信用卡，以便随时扣款。而 Stripe checkout 不会保存信用卡，你只是让 Stripe 在他们的 UI 里处理这次付款。 长话短说，我们最终发现最简单的办法是：用户一注册就保存他们的信用卡。卡一旦在档，用户可以用它手动充值，也可以设置成自动充值。因为全部是我们自己处理的，同步问题几乎为零。我们只监听支付成功事件（没有订阅了！）。 结果就是，我们支付系统的 Theory 可以用一句话概括： 客户注册时添加信用卡，之后我们对该卡扣款——要么手动（充值），要么在余额不足时自动扣。 手动充值和自动充值现在走同一条支付路径。我们整个支付技术栈——拆在 Solveit 和 faststripe 之间——大约 300 行代码。 结果是非常低的复杂度，但这是数小时的探索、尝试和讨论换来的。我这里的解释充其量只是触及皮毛。 印度登场 那么上线那天发生了什么？一切顺利吗？没有。上线后我们发现，印度信用卡不支持你想什么时候扣就什么时候扣的 off-session 扣款。手动充值属于 on-session，仍然可以工作，因为用户会在我们的 UI 里看到一个类似 3DS 的验证流程；但自动充值不行。 在寻找解决方案时，我们发现 Stripe 托管订阅在印度确实能工作。为什么？因为 Stripe 替你绕开了所有这些复杂度。他们提前一天创建并持有 off-session 的支付意图（payment intent），这样银行就能在实际扣款前向用户发送预扣款通知或认证请求。 我们迁移出托管订阅时，就失去了这个特性。我问了一个前沿 LLM——我记得是 GPT-5.5——我们该怎么处理这个问题。你猜它给出的方案是什么？ 用回 Stripe 订阅来处理 这个 LLM 提议的正是我们刚刚迁移出来的方案。读到这里，你会怎么说？你的意见是什么？我们应该迁回去吗？ LLM 列出了两个选项：要么同时支持两套系统（随时可以开工，你一句话就行！），要么完全迁回旧的系统。我们做了什么？什么都没做。我们非常看重 Theory 复杂度，于是我们决定：让印度用户手动充值就好了（抱歉了各位！），换来一个更简单、更健壮的平台。 如果你不同意我们的选择，反思一下为什么不同意。真的，现在就停下来想一想。 这个问题没有正确答案，而这篇博客的目的之一，就是帮你看清你的答案来自哪里。你的论据是什么？更具体地说，它们是从哪里来的？ 有很多场景下 Stripe 托管服务是更优的选择。举几个例子： • 公司收入最重要，手动充值的额外摩擦可能会让我们损失一些印度销售额，那我们应该迁回去（或者同时支持两套） • 销售团队用 Stripe Dashboard 的 UI，所有支付信息都放在我们自己的数据库里并不理想，因为他们没法在那里管理 我的观点是：你的代码的复杂度，真的取决于一大堆和代码无关的因素，而那些信息不在代码里。 隐藏的优势 那么为什么不干脆让 LLM 全权处理这些事呢？在我看来，最妙的答案是：我们的工作方式揭示了一个可能的商业机会。印度不支持 debit mandate（借记授权）的方式和世界其他地方不一样。Stripe 试图解决这个问题，但远远不是一个完整的解决方案。 在理解和简化流程与 Theory 的过程中，我们学到了产品之外有价值的东西。在我看来，这类洞察是可以转化为竞争优势的。 努力去理解，本质上就是一个简化 Theory 的过程。如果你放任 LLM 在复杂度上为所欲为，你可以很快产出大量代码。选择简化路线更长、更费劲，但长远来看我认为它是值得的，而且你可能会在路上发现隐藏的宝石。 原文： #LLM# #编程# #代码复杂度#

《币圈当自强，26年买币清单，别再吃屎了!》 昨天一夜没睡，泪水打湿了床单，我对着夜空大喊，难道币圈就一直接盘这些垃圾币吗？那全都要一起死了，韭菜根都没了。 我想我应该做一个用户教育，告诉所有人尤其是小白，哪些币是还可以买的，哪些币是不能买的——因为只有我们拒绝吃屎，才能倒逼币圈良性发展，才能倒逼庄家知道让人吃屎已经不赚钱了，得想办法做真正对人有用有收入的项目，这样币圈才有未来啊？ 我会用尽可能谨慎的表述，让看的人尽可能是赚钱的，而不是亏钱。 一、现状与选币逻辑 当前的币圈，主要是“造屎”与“喂屎”两件事： 造屎是没有营利能力的项目方，讲一个故事、花一些钱，找一些交易所上线，然后等着韭菜接盘，通过做市等方式割了VC和韭菜，这其中只有交易所是赚钱的，所以这么玩下去，一定是行业凉凉的。 你过去这种玩法是可以的，因为币圈大赌场，我们有机会赚钱就行了。 那时候币很少，大家也都是没有什么投资经验，哪有什么估值高还是低的概念，上了就冲，有人冲就有涨跌，就有人赚有人亏，就这么回事。 那时候，我们不懂，但有美好的憧憬，真觉得币圈在改变未来，但现在看到外面AI、美股蓬勃发展，我们在为交易所上哪一坨屎争得面红耳赤时，终于懂了，币圈的我们是如此可笑可悲可叹。 现在为什么这种玩法不行了？因为现在币太多了。 有背景的跟随在币安麾下，从发币、营销到上币安一条龙；没背景的也没关系，可以PUMPFUN发了，然后上推特卖屎。 从5年前到现在币的数量增加了10万倍，但人数增长已经见顶——币安年报说，每20多个人中就有一个用币安的，这对币安是好事，但这也是为什么行业开始有一种难以为继的感觉，新人增长终究是下行的，当行业新人越来越少的时候，问题就会出现。 我们不能期望谁谁谁应该怎么做，那是非常SB的行为——朱门酒肉臭，谁会在意路边一条野狗的叫声？ 人要自强，币圈要自强。 自强第一步，就是更少的人去接盘垃圾币。 接下来，我从“怎么选”到“选什么”，一篇文章让你在币圈从从容容、游刃有余。 我"踏马"来了，干！ 二、几个评估原则 这一部分我会讲得详细，也可能对新手阅读会有点吃力，虽然推荐你早晚要认真并看懂，但如果现在看不懂，可以直接跳到第三部分看币的清单。 1、要有营收 一个币圈项目如果没有真实收入，没有用户，他这个币是什么作用？他怎么给这个币赋能？他屁用没有，上了大所，就等你去接盘，然后你接盘了又希望隔壁群的傻逼接你的盘？ 停！不要再玩这样的项目了。 一个新项目出来，不要听他吹那些你听不懂的名词，苹果、特斯拉这么伟大的公司你要搞懂，你也不需要懂一堆的字母和奇怪的名词对吧？ 项目没收入、没用户，基本就是垃圾，你别管对方什么来头，上了什么所——因为这些来头和所都是来割你的，不是为了让你发财的。 记住了：来头越大、割得越狠 2、要有发展 光看收入和用户数不行，现在项目方已经懂了，得刷啊。 当年L2四大天王多好，数据多牛逼？结果呢？一停刷就成鬼城了，有一些现在还没发币。 所以要从常识去看有没有长远的发展，不要光看数据。 现在的币圈就是，一个项目有创新，马上一堆的仿盘出来，有一些有背景，有一些没背景，大家都是用发币吸引人去刷，全是虚假繁荣。 想要赚钱，就去向撸毛的大佬们学习，去撸，不要去接盘。真正有发展的项目，是刷完之后真有人用，甚至一开始就不用刷，没有积分，没有PUA，就是给你用。 有人说这就是WEB3的特性啊，但是WEB2没一个项目要刷，出来的全是牛逼项目，这是为什么？从常识角度考虑你就懂了，因为真正想做项目的人，是不想要假数据的。 美团的王兴当年从几千家团购网站胜出，我印象很深的一点就是，别家全在做假，数据、流量是美团的很多倍，而王兴坚持不做任何假数据，比如什么先提价再打扣，就是觉得赛道很大，要为大家提供更高质量的产品，他就能笑到最后——他做对了。 二级要买的话怎么办？回到本段几条原则互相对照和评估。如果你在二级买，你得知道这个项目因为有谁喊了，你成本要比市场低，你要评估是否有更多傻子接盘，然后你还知道见好就收。 新手什么也不懂，不要按我说这个方法买，你懂个毛的评估和动态观察，就买比特币就行了。 3、币要有用 项目赚再多钱，但币又不是股票，你又不是股东，那币还是垃圾，一个都不要碰。因为在这种情况下，币就是一个投机品，和项目基本面没有任何关系，全靠傻子们怎么想怎么做。 比如，有一个海外的顶流说，我看好ZEC，大家就冲，这时候就是先信先冲的人赚钱，至于项目本身没收入币没用之类，你不用研究这么多，先信割后信。 但如果没收入币又没用，你还去接盘，那肯定就会纳闷：怎么我刚上车就不涨了？ 所以，长线思维，就要回到我些原则上，项目赚多少钱？是否有未来？币是不是挂钩？ 4、赚钱与币价怎么算？ 以永续合约赛道的龙头 $HYPE 为例来计算一下，顺道说一声，这是币圈最好的山寨币项目，但你50多买的，现在不是傻眼了？本段的估计方法适合新手仔细研究。 比如，我决定买HYPE，我需要怎么去评估这个有收入、有用户、有未来的项目？ 第一步：看他现在赚多少钱，全流通市值多少 $HYPE 他一年如果赚20亿美元，那假如全流通市值是200亿美元，那么可以认为全流通市值/收入=10，币价在20左右，参照科技股票，10的PE不算高，说明可能还行。 但现在他一年没有赚20亿美元，那么币价在20以下好像才合理？ 但为什么涨到超过50？这部分就是脱离了基本面的，原因很多，主要有： ——他是龙头，那么龙头大家就更容易FOMO，所以涨，尤其是币圈傻钱多。 ——他有100%收入回购代币，订单薄很薄，每天200万美元的买盘，只要当天卖的人不多，就容易涨。 所以，涨到50，在牛市背景下是非常合理的。 但现在能买么？要考虑一些新的内部变量： 比如，团队代币开始解锁了，每天的回购虽然还在继续，但如果解锁的币是1000万美元，而回购的代币是200万美元，那你可以理解每在的抛压是800万美元，HYPE当前的情况就是抛压远大于回购。 此外，还要考虑外部变量： 第一个变量：外部的竞争开始激烈 比如LIGHTER等，团队背景、资金实力等和他一样，而且机构投资等，HYPE就像是COINBASE，而LIT有点像ROBINHOOD了；还有CZ搞的ASTER和一堆新的永续合约。 这就导致一个问题，外面的竞争越来越强了，而且这种竞争是否有效？有的，直接看链上数据，HYPE的市场统治力被拉下一大截了。 而且，竞争只会越来越激烈，越不好弄了。 你要找女朋友，本来她是仙女，现在突然又跳出5个，也要做你女朋友，而且她们还打起来了，左一个黑虎掏心，右一个猴子摘桃，你最好先别上去，要不然容易选错人…… 第二个变量：存量资金有限，增量资金谁能吃到还没定？ 币圈存量资金是有限的，也就是币圈现在就这么多人和这么多钱，这些聪明钱+傻钱在一起的规模上限大概是多少？ 我觉得直接以TRUMP为锚来评估相对准确，也就是700亿美元，后面就没钱了。 永续合约赛道远不如TRUMP那样多人感兴趣和买，那他的上限的钱可能是400-500亿。 这正好是HYPE当时回调附近的市值，现在激烈竞争，类似美团和京东打架，大家股票都跌一样，加上熊市，赛道总市值到300亿附近很合理。 总市值300亿的情况下： 只有一两个标的，那龙头250亿可以。 如果有10个标的呢？那龙头占比多少呢？ 所以，如果只是圈内内卷，赚钱的方式就不多了：主要是去撸还没有发币的，不过后面肯定也会出现反撸的，所以不参与也不是不行；其次是看哪个项目能吃到最多的未来美股上链的流量，币圈这群韭菜不割了，去割到美股的散户，那这个项目就能跑出来。 5、小结 一句话：一个币能不买，就要看他现在能赚多少钱，未来能赚多少钱，这些钱多少会用来推动币价上涨，还要动态观察内外部竞争有多激烈。 三、选币清单 一轮行情抓住三四个币就足够翻身了，但搞错一个就要亏惨。我这里列的肯定不算全，可能有一些还不错的项目我没写，毕竟饿着肚子写的本文，后面有想到的我更新在评论区。 大家有好的可以评论区推荐——但是不管谁推荐，大家不要轻易自己做判断，包括我选的币，你都要看我上面这些模型——它们不是万能的公式，可能有一些机械和不适用某一些项目，比如公链的上涨逻辑，但总体是为了避免吃屎。 注意：币一定要看文字，我写了币的名字，不代表现在可以买！好项目还要好价格！ 你要用上面我说的估值方法去看，比如上面的方法让我在10的时候抄底了HYPE，在30多50多卖掉了HYPE（买入和卖出都在我的群里有详细讲逻辑，不是本人胡乱吹牛抬高自己），现在我们开始， 1、BTC 新人可能看不上他，但如果币圈只选一个币，一定选他。虽然现在看起来不涨，我将来冲上20万可能会很快。 你如果是小白，一点知识没有，现在8-9万的币买不了吃亏和上当，先拿这个，边疯狂补课学习，其他币买少一点，错不了。 2、ETH 未来币圈最大的发展来自机构将美股、美债上链，上链之后，华尔街和美股散户都可以玩链上股票，这是ETH最大的优势，币圈老二。 但是，我对它一直提不起什么兴趣，所以我个人没有持有多少，因为我还研究了美股，如果作为一个科技股来看的话，那用我上面的模型去看，就实在不怎么样了。 ETH市值几千亿，无限增发，质押的大佬获得的币也会越来越多，买这个币有点像接盘，我个人觉得没意思。现在看好的人很FOMO，觉得是文明级的创新，是个好东西，但我不确定币价是不是有足够确定性。 举个例子，现在它市值比马斯克的航天公司SPACEX还高，而SPACEX一年赚很多很多钱，而且接下来还要赚更多的钱，未来在火星建设基地，将地球人变为多星球种族，去外太空挖天量黄金，搞能源，那差不多的价格，我肯定买SPACEX啊。 这一波ETH的上涨，主要是东西方顶流机构一起喊，一起买，但ETH的基本面不会因为这些有变化的，你信，你就早点上车，将来差不多了找个位置先跑，钱到自己手上才是对的。 至于对ETH未来的展望，比如成为链上金融的基地，我同意的，但是我还是只看ETH能赚多少钱，这些钱能回购多少ETH带来多少买盘，否则就还是一个情绪和共识的游戏——这个我作为在这个领域赚钱最多的人，我很精通，我的选择是我不会在这样的大标的上和大庄家赌这破玩意，你们喊、你们玩、你们赚吧。 3、BNB $BNB 仍然是所有CEX平台币中最好的。 但我已经不太推荐了，未来是链上的时代，5年后最大交易场所可能不再是币安，而是链上的交易所。作为BNB的持有者，原来的持有BNB，获得代币空投，又吃又拿，现在无非是反复吃屎，也没什么意思了。再加上币安的商业模式是不断拉新人进场，合约+垃圾币，这种零和游戏一定是巅峰后下行的。 但注意，我这里并不是说BNB能不能涨，高控盘+币圈最有钱的机构，肯定会涨的，但只是他不再是我最理想的标的了，如果ETH和BNB中选一个，我肯定选ETH，但我ETH也没选。 至于 $OKB ，短鸟已成经典，但没收没赋能，暂时归入垃圾币就好 4、其他公链 暂时没有什么意思，包括SOL和其他币，很多都是增发非常猛，比如SOL现在币价跌了很多，但市值和巅峰期差不多，MEME不行了的话暂时不玩了。 公链很可能成为重要但不怎么赚钱的基础设施，因为你抽水多人就会走，速度快，0免用会成为标准。 5、MEME币 建议暂时什么MEME都不要买了，任何一个现在喊单任何MEME币，找角度的人，你翻译过来就是，“你快来吃我的屎”。 我暂时看不到什么机会，要玩的话，小赌怡情吧，就和去买个刮刮乐，图个乐，没毛病的。 *** 接下来讲一下山寨币，山寨币99.99%都是没收入没未来的垃圾，我挑出一些你可以慢慢小买一点，长拿应该亏不了的——最好你要会用第二段的估值方法，找到合适的价格更好。 我只告诉你好标的，告诉不了你好价格——因为每个币你看上面的模型，既要看币本身，还要动态监测外部竞争、外部环境，基本上好项目也要边走边看的。 如果你不想边走边看怎么办？买BTC啊，买完就去玩，去工作，看啥？ 6、链上永续赛道 这个赛道是真实的赌场，有收入有回购，未来最大的机会是来自圈外流量，也就是华尔街机构与美股散户。 $HYPE 这个比较简单，上面说了很多，我觉得10左右如果未来不是出大问题或竞争者太强，应该暂时这个价格不太容易套多久。 未来一年多解锁的抛压是很大的，很多韭菜什么希望团队不卖之类，其实是不厚道的自私的想法，团队成员应该拿回报，卖了更好——你如果真看好就不应该是希望人家不卖，而是希望价格更低。 $LIT 这个赛道LIT算是HYPE直接对标，而且优势甚至更大，只是因为后发。 团队背景都是一样的顶级量化+天才，但HYPE只做聪明钱和巨鲸，面向大户和机构；LIT更偏ROBINHOOD，做散户。 HYPE是没有VC，走社区路线；LIT拉上了城堡做市商、ROBINHOOD投资，创始人还和ROBINHOOD老板是同学加老乡，关系很铁，整体走的华尔街机构与合规打法。 架构上HYPE是自己的链和生态，封闭在HYPE世界；LIT是开放的ETH生态，未来可以直接承接所有RWA资产，比如在AAVE上借贷的几百亿资金可以在ETH的安全性保证下直接到LIT系统用（即使LIT不做了，资产也仍然是自己的，挺好）。 LIT撸毛成本约在0.5U一个，所以未来如果有2U以下的价格应该都是不错的。 永续赛道如果想要现在就布局一些，LIT只有HYPE 1/10，但增长潜力可能大过HYPE。 但要注意，和一年前的HYPE一样，一年后LIT这边有大量解锁时还要重新评估，山寨币都要动态观察，现在我会认为LIT比HYPE在一年内都有显著的性价比。 但 $LIT 的风险在于市场份额的获取，最乐观的一种预期（AI认为是高概率）是，ROBINHOOD的链上订单薄直接用LIT的，他自己的公链可以作为结算层之类，但这里面不知道ROBINHOOD投了LIT多少钱，占股多少，如果占股多的话可以，当时这一轮估值好像是15亿美元，现在市值是20多亿——但要警惕的是，这是社区的一些乐观预期，即使是真的也还早，另外，并不确定这件事有多大概率，这些都是对新手来说巨大的风险因素。 至于ASTER我觉得是垃圾项目，99%会死掉的，我之前讲过，币安想扶持一个傀儡打HYPE，那必败的——这里我觉得我可能我也有偏见，但我看不出ASTER有什么优势，讲不合规，有HYPE，讲合规有LIT。 当然，从赛道的逻辑看，永续现在好像过了最香最美的时候，不是最好的选择了。 现在买LIT建议直接去本网，其他所的深度都太小 新手请注意：除非你研究这些非常多，那请不要买 $LIT 这种高风险代币，你没有持续跟踪能力，也不会估值，我的文章也不是专写给你看的，所以请只买BTC，切记！ 二、预测赛道 1、POLYMARKET，这一块的话可以先从小钱参与玩玩，顺便撸点小毛，这适合新手。高手和大资金现在场外在卖120亿美元估值的股权，我倾向于是也可以买，有大收入，有大发展，挺好的。 2、其他预测市场，都是仿盘，没个鸟用。 这种项目到南山拉个队伍一百万就做出来了，然后上大所不需要赋能，也不需要讲收，几十亿砸给你，要玩的话尽量低成本撸，要买的话先信割后信，跑得快一点就好了。 预测赛道是超强的赛道，不是纯的零和，我觉得未来会比永续还要大。 二、DEFI赛道 $AAVE ，这个是很好的标的，就是价格上现在也仍然是很高的。这个估值你也只需要去看他一年赚多少钱，然后市值是多少？这里我懒得去查了，它的PE比HYPE还要高得多大概是这样的。 所以这是一个可以长线跟踪和关注的标的。但它的风险就是未来美股美债上链，它能吃到多少？贝莱德和摩根大通会自己做借贷的——券商都有借贷，未来他们也肯定会做链上的。 AAVE之所以列入好标的，是因为这是咱们币圈DEFI赛道最好的标的，多年安全，存了几百亿美元的资产在里面，搞链上借贷，很活跃，又很稳健，收入也挺稳，代币也有一定作用。 但山寨币都是有风险！需要动态观察，新人千万小心。 暂时只想到这个 ONDO之类是证券化代币，背景一流，但是代币目前没用，还有大量待解锁，而且未来美股上链之后，可能不再是通过这个项目不一定能赋能，所以不确定性也挺强的。 三、AI赛道 $VIRTUAL ，这个项目也是有营收的，团队韧性也很强，我很喜欢的年轻团队，他们好像是少有的穿越牛熊仍然在不断探索新东西并为代币努力的团队，很了不起。 但确实我不太好估值这个项目，因为不确定性非常高，你用营收之类去估计不好弄的。 但值得长期关注，大跌后看情况买一点之类，属于好项目，但多少是好价格我说不准。 $WLD ，这个币现在线下拓展遇到很大问题，而且拓展的抛压也将持续，长期关注吧，也属于收入还早，全是抛压，但是项目是好项目，尤其是OPENAI的BOSS搞的。 四、隐私币 ZEC很火，但我觉得不如等熊市，什么跌到100之类再说了，现在的话主要还是大佬喊单，傻子接盘。未来是合规的天下，不合规的强如马杜罗都被从床上抓起来了，还隐个毛的私？ 先信割后信，努力做先信，没做到先信，就不要信，错过又不会死。 暂时先想到这么多，后面有的话我在评论区补充吧。 ** 最后，大家可能会说，这没几个币啊，那不没得玩了？你要送钱的话有10亿个币等你买，但不想送钱的话就先买好币，然后半年内，币圈人会越来越多买美股的标的，里面各种短期5-10倍的多的是，而且一旦套住了，死拿往往还能回来。 未来，各交易所，尤其是链上，全是美股的标的，你非要急着吃屎做啥？ ***END*** 转发本文，助力“不再吃屎”币圈自救运动！ 新手也可以访问 ，完全免费，从0到1，一站搞懂币圈投资。