【速報】彩月七緒出擊！朝向發片機器之路首戰開打！ 終於等到了，在發完SOD STAR的作品後，彩月七緒就要成為到處發片的企画単体女優了：現在，她改變身分後的第一支作品和大家見面了，片中她是個溺愛弟弟的姊姊，每天就是幫忙哺乳打手⚫⋯ #彩月七緒#

成為企劃女優第一戰、山下紗和竟然守住了！ 看到這支作品，你就知道「山下紗和」不再是Faleno Star的專屬女優惹：她在社群上說了，自己是要拚發片的企画単体女優了，只是很有趣的是，一般這種女優失去專屬的第一張幾乎都是解禁，但山下紗和的防守卻很好⋯ #山下紗和#

国内各大企业家蹭马斯克合影， 让马斯克似乎感觉中国变了。 他一直在找一个人，杰克马。 他很奇怪这位会英语、从容自信的中国首富怎么突然不见了。 我们何尝不是？ 川普再度访华，2017年到现在，也就9年。 那年，腾讯和阿里跻身全球市值前十的行列。 华为手机出货量达到1.53亿台，全球第二，超过苹果，逼近三星。 那一年，也是马云最意气风发的一年。 他像武侠小说里的风清扬——自由、张扬、无所不能。 砸900亿搞新零售。 到处演讲，会见各国元首，从容不迫。 主演《功守道》，跟李连杰、甄子丹、吴京对打。 还和王菲合唱《风清扬》。 那时的企业家，身上真有一种"时代主角"的感觉。 许家印财富一年翻四倍，首次成为中国首富。 李彦宏All in AI。 董明珠说华为手机第一格力第二。 就连跑路的贾跃亭，都自信地说"下周就回"。 后来很多人会说，2017年其实是中国互联网黄金时代最后的高潮。 那时的人们，真的相信技术、资本与全球化会永远向前。 2017年底，乌镇世界互联网大会召开。 丁磊组织"东半球最强饭局"。 之后又有刘强东、王兴组织"东兴局"。 饭桌上坐着中国互联网最有权势的一群人。 他们讨论的不只是赚钱，而是未来。 他们那时真觉得，未来在自己手里。 ------- 今天很多年轻人已经忘了， 当时这种"大国叙事"有多强。 你打开电视，是港珠澳大桥。 打开手机，是国产航母下水。 刷微博，是C919首飞。 连综艺和广告，都在讲"中国速度"、"中国奇迹"。 那年，中国首艘国产航母下水。 "一带一路"首届高峰论坛召开。雄安新区设立。 "人类命运共同体"被反复提及。 建军90周年阅兵。 香港回归20周年。 十九大召开。 所有新闻都带着一种历史车轮滚滚向前的气息。 经济学家林毅夫当时预测：到2030年，中国将超过美国成为世界第一大经济体。 今天看，你会觉得这个预测有点乐观。 但在2017年，很多人真信。 自信的人们 但回头看，会有一种奇怪的感觉：那仿佛已经不是同一个时代了。 ------------ 这9年里发生了太多事。 贸易战、疫情、俄乌战争、AI革命、房地产下行、互联网退潮、全球化收缩……世界像被人拧过一遍。 很多当年坚信不疑的东西，现在都变得模糊；很多当年热气腾腾的人和行业，现在已经沉默。 所以，当人们重新翻出2017年特朗普访华的视频时，会有一种强烈的时代感。 那真的是一个"烈火烹油、鲜花着锦"的年份。 那年11月8日，特朗普抵达北京。 很多年后，他仍在不断回味那次访问。 中国的"上升感" 他说，中国仪仗队是他见过最整齐的，"他们身高几乎完全一样，差距不到四分之一英寸"。 特朗普是一个极度重视排场、礼仪与个人感受的人。 你很少见他认真赞美什么，但他后来多次提到那次中国之行。 因为他确实被震撼了。 飞机刚落地，他就被直接带去了故宫。 不是普通参观，是包场。 整个故宫，在夜色里只为特朗普夫妇开放。 红墙、金瓦、宫灯、京剧、文物、长长的御道，像一个文明古国把自己的藏宝阁掀开了一角。 ------- 特朗普后来反复提到一句话："从没人得到过这样的待遇。"他是真的信。 因为美国总统访问别国，一般是进会议室、住酒店、签文件。 很少有人会直接把五百年帝国的中轴线打开给他看。 而2017年的中国，也确实有一种"终于轮到我出场"的心态。那种感觉，就像是一个练了二十年武功、终于下山的少年。 今天再回头看2017年的新闻，会发现一种扑面而来的自信。 那一年春节，央视《新闻联播》推出特别节目——《厉害了，我的国》。 这个词后来直接变成了年度热词。 紧接着，央视财经开始做纪录片《厉害了，我的国》，向全国征集"百姓眼中的中国成就"； 之后又连续播放《辉煌中国》、《大国外交》、《超级工程》。 2017年的中国人，是真的相信"东升西降"已经开始了。 《战狼2》与那个时代 2017年，还有一件特别重要的事：《战狼2》。 今天很多人已经习惯了"战狼"这个词，甚至带点调侃意味。 但在2017年，《战狼2》不是调侃，它是情绪。 它最后拿了56.95亿票房，长期位居中国影史第一。 真正让它成为现象级的，其实不是动作戏，而是片尾那行字幕："当你在海外遭遇危险，不要放弃！请记住，在你身后，有一个强大的祖国！" 那一刻，很多中国观众是真的热血沸腾。 因为过去几十年，中国人太习惯"落后挨打"的叙事了。 突然之间，电影里中国护照能救命了。 这种心理变化，非常巨大。 《战狼1》里的"犯我中华者虽远必诛"，再到《湄公河行动》，再到海外撤侨、亚丁湾护航，这些真实事件和影视作品混合在一起，共同构成了2017年的强国想象。 那年电视剧《人民的名义》火得离谱。 年轻人一边吐槽"达康书记GDP第一"，一边追反腐剧。 今天已经很难想象，一部主旋律电视剧能变成全民流行文化。 但2017年就是这样。 整个社会都处于一种"国家正在变强，而我也参与其中"的兴奋感里。 周杰伦演唱会叫"地表最强"。 范冰冰和李晨对未来也是信心满满，所以宣布"求婚成功"。 大家真觉得，好日子还在后头。 当然，中国男足还是没进2018年俄罗斯世界杯。 有些东西，确实稳定。 世界转向 关于那一年特朗普访华，美方很多高官、幕僚，都写了回忆录。 里面有很多有意思的细节。 比如，有人提到，中方在会谈中不断讲自己的长期规划：产业升级、科技发展、未来目标、合作愿景。 但特朗普其实不太感兴趣。 -------- 他最感兴趣的有两件事： 第一，3000多亿美元的大单； 第二，对他个人的超规格接待。 特朗普是一个非常"具体"的人。他对宏大叙事兴趣有限。 但他对排场、数字、交易、赢，非常敏感。 后来随行人员透露，特朗普对中国国宴印象极深，尤其是中式摆盘与大型宴会组织效率。 他无法理解，为什么几百人的国宴能像机器一样精准运转。 特朗普外孙女唱中文歌的视频，当时被反复传播。特朗普本人特别喜欢这个桥段，经常提起。 因为这让他感觉自己"跟中国关系很好"。 特朗普甚至说，与中国的问题，不怪中国，怪以前的总统。 而2017年的中国，也愿意展示这种友好。因为那时候，中美关系虽然已经有竞争苗头，但整体仍处于"斗而不破"的阶段。 甚至很多中国人当时觉得，特朗普虽然不靠谱，但未必比传统美国政客更坏。 因为他至少"讲交易"。 不像后来那样彻底撕裂。 ------------- 但历史很快转向。 特朗普访华没几个月，中美贸易战开始。 美国开始针对"中国制造2025"。 开始限制高科技出口。开始强调产业链安全。 后来很多分析认为，美国之所以反应如此激烈，一个重要原因，就是中国在2017年前后表现出的那种"高技术崛起"趋势，以及"厉害了我的国"的宣传。 那时候的美国，已经意识到，中国不只是"世界工厂"了，而是在向产业链上游走。 芯片、5G、AI、高端制造、新能源、航天……中国开始全面进入美国最敏感的领域。 而与此同时，特朗普上任后的美国，则不断"退群"。 退出TPP。 退出巴黎协定。 退出联合国教科文组织。 整个美国社会都弥漫着一种疲惫与撕裂。 如果用武侠来比喻。 2017年的中国，像一个刚闯入江湖、准备重塑武林规则的少年。 而美国，则像一个已经称霸江湖几十年、开始对世界失去耐心的老盟主。 于是，冲突几乎不可避免。 因为真正的大国竞争，从来不是意识形态，而是产业、科技、资本与未来。 ---------- 凡是过往 2017年的人们，并不知道后面会发生什么。 没人知道新冠。 没人知道房地产会调整。 没人知道互联网会降温。 没人知道AI会重新洗牌。 没人知道全球化会开始倒车。 所以今天回头看2017，会有一种特殊的感伤。 那是一种"后来的人，重新看旧照片"的感伤。 照片里的人在笑，但你知道后面会发生什么。 现在特朗普"前度特郎今又来"。 中国也已经不是那个青春少年。 这些年经历了太多事，双方都成熟了很多，也都疲惫了很多。 今天再谈中美，以及我们个人， 已经少了2017年的激情， 不再那么意气风发， 也不再那么轻信未来一定线性向上的投资， 兄弟们都多了一份沉稳。。。

轉做企画単体女優後⋯J罩杯的她常無法自片中的角色抽離！ 你有注意到這支「MIKA」嗎？演出的女優臉蛋甜美、胸前偉大而且還是匹很好駕馭的小隻馬，再加上敏感的反應以及以男優為尊的討好型人格，應該很有機會走紅吧？她是誰呢？答案是⋯ #小鈴みかん# #小鈴蜜柑#

日本这次彻底破防了！他们 捂了整整半个世纪、连美国 盟友都不肯松口的半导体核 心绝密，居然被中国用 AI 这 个 “降维打击” 的武器给掀了 个底朝天。 就在 5 月 11 日，上海人工智 能实验室联合国内多所顶尖 高校，突然抛出一个炸翻全 球半导体圈的重磅消息。 依托国产 “书生” 大模型，我 们实现了，KrF 光刻胶树脂 的完全自主创制，而且各项 核心指标均达到国际顶尖水 平。 这事儿有多狠。 这么说吧，光刻胶就像是芯 片制造里的 "特种油墨"，没 有它，再先进的光刻机也只 能当摆设。 而 KrF 光刻胶又是目前全球 用量最大、应用最广的中端 光刻胶，从 28 纳米到 90 纳 米的芯片都离不开它，咱们 平时用的手机、电脑、汽车 里的绝大多数芯片，都是用 这种光刻胶做出来的。 过去半个世纪，这块市场几 乎被日本企业牢牢攥在手 里。 JSR、东京应化、信越化 学、富士胶片这四家日本公 司，加起来拿走了全球 KrF 光刻胶 80% 以上的市场份 额。 更气人的是，他们卖的不是 产品，是 "黑箱"。你花钱买 他们的光刻胶，只能拿到一 瓶液体，至于里面到底是什 么成分、怎么合成的、反应 条件是什么，人家一个字都 不会告诉你。 这就好比你去饭店吃饭，菜 做得特别好吃，但老板死活 不告诉你配方，还说 "你爱吃 不吃，反正全世界就我会 做"。 更过分的是，他们还会根据 你的身份定价，卖给中国企 业的价格往往比卖给其他国 家的贵好几倍。而且一旦国 际形势有个风吹草动，人家 随时可以断供，让你整个芯 片产业都停摆。 以前咱们也不是没想过自己 搞，但实在是太难了。 光刻胶这东西，差一点都不 行。金属杂质含量要控制在 十亿分之一以下，相当于在 一个标准游泳池里不能有超 过一滴水的杂质。分子量分 布稍微有点波动，做出来的 芯片就全是废品。 传统的研发模式就是 "经验试 错"，科研人员要在几千种单 体配比、几百种聚合体系和 无数个反应条件里一个一个 试，一轮实验下来就是好几 个月，有时候辛辛苦苦干了 好几年，可能连门都没摸 着。 日本人就是靠着这种 "笨办 法"，花了三四十年时间，一 点点积累经验，才筑起了这 道技术高墙。 他们以为只要把这个 "黑箱" 捂得严严实实，咱们就永远 也追不上。可他们万万没想 到，咱们根本没走他们的老 路，而是直接开了一条新赛 道 —— 用 AI 来搞科研。 这次上海 AI 实验室搞出来的 这套 "AI 决策 + 自动化合成" 闭环体系，简直就是降维打 击。 以前需要科研人员熬夜做实 验、记数据、分析结果，现 在全交给 AI 和机器了。"书 生" 科学大模型就像是一个超 级大脑，它能在几秒钟内模 拟出几百万种可能的分子结 构和合成路径，精准找到最 有潜力的那几个。 然后自动化合成平台就按照 AI 给出的方案，在全密封的 环境里精准完成所有实验步 骤，从根本上杜绝了人工操 作带来的污染和误差。 结果怎么样呢？咱们不仅成 功合成出了 KrF 光刻胶树 脂，而且关键指标一点都不 比日本的差。 金属杂质含量稳定控制在 10ppb 以下，PDI 指标稳定 在 1.3 以下，这两个都是日 本企业长期把持的核心技术 指标。 更重要的是，研发周期从原 来的几个月缩短到了几天， 成本也降了一大截。 这就相当于日本人花了半个 世纪、用无数次失败堆出来 的 "经验宝库"，被咱们的 AI 用几天时间就给 "抄" 明白 了。 而且 AI 还能不断学习、不断 优化，越用越聪明。 以后再研发更先进的 ArF 光 刻胶甚至 EUV 光刻胶，咱们 也不用再从零开始一点点试 错了，直接让 AI 帮咱们找最 优解就行。 现在厦门恒坤新材已经基于 这套体系完成了树脂适配， 关键性能指标都达到了预 期，接下来就要进入客户端 验证阶段了。 用不了多久，咱们自己生产 的 KrF 光刻胶就能大规模上 市，到时候日本企业再想靠 "黑箱" 垄断市场、漫天要 价，可就没那么容易了。 其实这事儿最有意思的地方 在于，它证明了一个道理： 在 AI 时代，很多传统的技术 壁垒可能会变得不堪一击。 以前那些需要几十年经验积 累才能掌握的 "手艺活"，现 在可能被 AI 在很短的时间内 就破解了。日本人捂了半个 世纪的 "绝密配方"，被咱们 用 AI 几个月就搞定了，这就 是最好的例子。 当然，咱们也不能太骄傲, 这次突破的是 KrF 光刻胶树 脂，更先进的 ArF 和 EUV 光 刻胶还有很长的路要走。但 至少咱们已经找到了正确的 方向，而且走在了世界前 列。 相信用不了多久，咱们就能 在更多的 "卡脖子" 领域实现 突破，让那些曾经看不起我 们的人刮目相看。

非常同意：单智能体工作流已经过时！！ Anthropic 公司 Claude Code 的创造者 Boris Cherny 刚刚解释了为什么它过时了？ 在这次演讲中，他详细阐述了未来是智能体团队协作，而非更好的提示词： 在输入任何内容之前，你因 CLAUDE.md 而损失了 14% 的效率 一个负责协调，一个智能体负责研究，一个负责构建，一个负责审查 真正拉开“玩票者”和“构建者”差距的，是底层架构设计 每个智能体团队真正生存所需的三个特性 如果你已经用 Claude 超过一个月，却始终只停留在聊天界面，那其实你本可以搭建一整个智能体团队，却只当作一个单独的助手在用。 今晚先看看这个吧👇

几个客观性说明： 1）这一条和 MiniMax 没有任何关系（我从来不接商单） 2）「体感」不等于真实水平，不是量化数据 用了更多的一些体验，整体上 coding 能力对比 m2.7 是质的提升，目前发现的缺点是 1-shot 的结果相比较 Opus 4.6/4.7/gpt5.5 没有那么全面，会出现考虑不是特别全的情况。 但是加另外一个 Agent 作为 gate 和 mentor（例如 Opus 4.7），可以获得一个非常好的结果，M3 写代码，Opus 4.7 做 code review 并给出具体的修改意见，可以做到一个很好的「效果 + token 使用」的平衡。 为了保证客观性，正在做一个更加量化的数据评测：用 Multica 这个项目中真实的 Issue 来做 benchmark。 整个流程均基于 Multica 的 Squads 功能，会同步加上其他主流 OSS 模型作为评测的对象。

很多人玩AI Agent，至今分不清Agent Skill和MCP，看懂底层逻辑，才能精准踩中AI Agent的发展风口，少走弯路少踩坑，今天一次性给你讲通透，新手也能秒看懂。 其实Agent Skill说白了，就是AI智能体的专属技能包。 本质上它是AI智能体可调用的标准化执行能力模块，相当于给Agent预装专属工具，让AI从单纯对话升级为可落地执行的实用助手，自主完成查询、运算、交互等复杂任务。没有技能的AI，只会空谈对话；装上Skill之后，AI能干活、能执行、能落地，是让AI从嘴炮变实干的核心关键。 它的用法超级简单，不用复杂编程，按需加载、随开随用，想让AI具备什么能力，直接匹配对应技能就行，门槛极低，适配绝大多数AI落地场景。 开发者直接接入预设技能库，按需启用对应功能即可，普通用户也能在交互界面一键开启，无需复杂代码配置，大幅降低AI落地门槛。 最核心的亮点是它的渐进式披露机制：不会一次性给AI全开权限，而是根据你的需求，一步步解锁对应能力。 既杜绝权限滥用风险，又兼顾安全和实用性，完美解决AI失控、隐私泄露问题。 很多人混淆它和MCP，二者核心差异一目了然：MCP侧重协议层面的资源互通，通用性强但落地繁琐；Agent Skill聚焦单智能体的垂直能力强化，轻量化、易部署、上手快。

最佳 Claude 托管智能体应用奖：来自法国的 Idriss Benguezzou 和 Adam Hnaien 带来的 ARIA 一套设备维护系统，能够读取机器手册，当故障发生时，自动为技术人员生成包含上次有效修复方案的工单。

半导体产业链之上，数字孪生之前：良率提升的隐形冠军分析 如果把半导体制造当成一个系统来看，会发现一个被长期忽视的位置：在产业链之上、在数字孪生真正落地之前，存在一层尚未被完全定义的跨企业，全流程的“认知层”。PDF Solutions的价值，就来自这里。 它处理的不是单点数据，而是贯穿设计、工艺、设备、测试的因果链：某个设计结构，在某个工艺步骤、某台设备上形成特定缺陷，最终映射为电性失效。单个fab或者检测机构可以拥有某些环节的全部原始数据，但很难把这些数据稳定地连接成可复用的因果模型，这就是PDFS切入的本质。 为什么EDA、fab、设备厂没有把这件事自己做完？不是做不到，而是没有动力做到那一步。 设计端如Synopsys、Cadence Design Systems只能做到前馈优化，缺乏制造后的反馈闭环； fab如TSMC、Intel数据最全，但系统割裂、组织分散，跨流程整合成本极高； 设备厂如KLA Corporation、Applied Materials掌握检测和控制，但视角局限在单工序。 每一层都在优化局部，跨边界问题无人承接，于是在产业链之上，自然出现了一层“解释系统”的空白，这正是PDFS所在的位置。 产业链使用PDFS，是因为数据之间的断层——设计看设计，工艺看工艺，设备看缺陷，但没有统一机制把这些信息串成一条可解释的因果链。PDFS的作用，本质上是提供一种跨环节的“统一语言”，把原本无法关联的数据转化为可以用于决策的结构化认知。 PDFS复用的是抽象层：缺陷分类、特征工程、分析路径以及“模式—原因”的映射关系。这是一种“认知复利”，而不是互联网式的强网络效应。客户越多，模型越好。 PDFS为什么能做到今天的位置？ 因为他们从最苦的活开始。 他们最早不是平台公司，而是以工程服务切入，解决最棘手的良率问题。良率问题天然跨越设计、制造和检测，它从一开始就被迫打通全链条。随着项目积累，相似问题反复出现，分析方法和数据结构被不断沉淀，逐步从“人驱动”转向“方法驱动”，最终产品化为平台（Exensio）。所谓“覆盖全产业链”，并不是自上而下设计的结果，而是问题驱动下的自然扩张。 公司目前护城河仍然不足以自动演化为行业标准。决定其上限的三个条件，目前只有一个在加速：AI对数据结构的依赖。随着AI进入制造环节，企业更倾向于在既有数据框架上建模，而不是重建体系，这在强化PDFS的位置。但数据模型标准化仍然缓慢，跨公司协同也还停留在早期，飞轮尚未闭环。 与KLA Corporation相比，这种差异更清晰。KLA控制的是“看见什么”，数据来自设备，绑定物理世界，护城河刚性且直接；PDFS控制的是“如何理解”，属于认知层，依赖数据结构和经验积累。前者不可绕开，后者存在替代路径。因此当前阶段，KLA更强、更确定；PDFS上限更高，但路径未锁定。 用nvda老黄常挂在嘴边的词来看PDFs的end game，就是数字孪生。 数字孪生需要实时数据、因果模型和控制能力三者闭环。PDFS已经覆盖了最难的一块——因果建模和跨链条数据结构，因此它位于一个非常微妙的位置：既在产业链之上，又在数字孪生之前。它负责“理解世界”，以便让其他人“改变世界”。 从发展路径看，PDFS下一步很可能向三条主线收敛：标准化、AI化和嵌入化。标准化意味着把自身的数据结构变成行业默认语言；AI化意味着让模型能力依赖其数据体系；嵌入化则意味着从“分析建议”进入“生产决策”。如果这三点成立，它才有可能跨过那条界线，从认知层走向真正的系统层。 因此，对PDFS最准确的判断是：它站在一个特殊的位置——半导体产业链之上，数字孪生之前。 如果这一层最终被标准化，它可能成为基础设施；如果没有，它仍然只是高价值工具。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，投资风险巨大，入场需极度谨慎