註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 各視角完整版近30分鐘
各視角完整版近30分鐘 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 各視角完整版近30分鐘 的搜尋結果
集智慧與性感於一身的艾熙 認識也有一段時間了 雖然踏入成人產業有一陣子 但對於約砲還是新手 前陣子剛恢復單身 她表示要大開殺戒了 本人會來看留言也在持續觀望對象 或許你的稱讚跟留言會讓她挑上唷 還不來自己爭取機會!! 就算是女優 在工作之餘 也是有自己的性需求 ————————— 百年難得一見的無碼影片 好好欣賞這淫蕩又性感的女人吧 Feat.麻豆女神 @_ai_xi_bb #麻豆女神# ⭐️#還不到Fansone看更多色色的艾熙# ⭐️#各視角完整版近30分鐘#
顯示更多
0
87
7.7K
1.2K
轉發到社區
《靈魂深處的隱形藩籬:海外民主化運動的思維慣性與自我啟蒙》——王戴 在通往政治清明與社會進步的崇山峻嶺中,那些自詡為盜火者的反抗者們,往往只顧著對抗眼前的銅牆鐵壁,卻鮮少有人願意停下腳步,俯身端詳一下自己鞋底沾上的泥土。 我們義正辭嚴地批判威權體制,矢志不渝地追求憲政民主、言論自由與多黨競爭,這些宏大目標無疑是照亮黑暗的燈塔。然而,在與惡龍纏鬥的漫長歲歲年年裡,我們自己身上是否也悄然長出了閃爍著寒光的鱗片?這並非一種居高臨下的道德審判,而是一個必須共同面對的切膚之痛:反對某個政權的統治,絕不意味著我們已經在潛意識裡與它徹底切割。 專制教育就像一種無色無味的慢性毒素,在漫長的歷史歲月裡,早已滲透進我們不曾起疑的常識、習以為常的情感以及對歷史的全部想像中。我們在理智上砸碎了它的神壇,卻在不經意間,依然沿用著它編織的邏輯框架去理解國家、民族與大眾的權利。這種思想上的「借屍還魂」,正是當前海外民主化運動最深沉的悲哀,也是無數抱持進步理想的同道至今未能跨越的隱形藩籬。 要看清這一思想迷局,就必須將目光投向海外民運風雨漂泊的歷史脈絡與二十一世紀的宏大背景中。回望過去,自1989年那一場震驚世界的地緣政治與民主浪潮之後,三十多年來,海外民主運動在異國他鄉的風雨飄搖中艱難前行。而在中國大陸,一種更為精細、隱蔽且強大的意識形態控制術正悄然升級。 尤其是進入2010年代和2020年代以後,伴隨著大數據和國家民族主義的狂熱聯姻,專制政權成功地進行了一場跨世代的思想格式化。它將「疆域版圖」幻化為不可觸碰的圖騰,將「大一統」塑造成不容置疑的歷史宿命,並把「愛國」與「順從」天衣無缝地焊接在一起。在這種溫床中孵化出來的知識分子,即便有一天走出了國門,呼吸到了自由的空氣,甚至加入反抗的行列,他們的思維底色卻依然帶有某種深刻的「出廠設置」。 這種思維慣性在海外民主化運動的各派系演變中,留下了極其深刻且難以磨滅的歷史烙印。回顧老一代古典自由派或傳統改良派的觀點,他們在二十世紀九十年代初期,往往寄希望於經濟發展帶動政治體制改革的溫和路徑,或者試圖在傳統儒家天下觀的宏大框架內去拼湊出一幅理想主義的憲政地圖。在他們的論述中,民主往往被降格為一種復興大國、重振漢唐雄風的工具,只要建立了民主體制,國家就會更加強大,疆域就會更加穩固。這種將民主工具化、將國家強盛作為終極目的的邏輯,在不經意間為強權威權留下了隱蔽的後門,使得反抗流於形式,而內核依然缺乏對多元個體的終極關懷。 而到了二十一世紀初,伴隨著激進革命派與改良溫和派的路線之爭,關於邊疆與台灣問題的分歧開始全面爆發。部分激進派雖然在反共立場上最為決絕,主張採取最徹底的手段推翻體制,但在國家觀上卻走向了另一種極端。他們將疆土的完整、民族的純潔性與歷史的命定論視為不可逾越的政治紅線,甚至不惜祭出民族大義的旗幟來排斥內部的異見。 隨後興起的聯邦改良派,雖然試圖通過多聯邦或邦聯的架構來包容地方差異,但在探討具體的主權歸屬時,依然無法擺脫中心輻射邊緣的盲目優越感。每當話題轉向台灣的民主實踐與前途抉擇,或者邊疆地區的自決訴求時,這幾派人骨子裡的家長式作風和唯我獨尊的強權崇拜便會按捺不住地跳出來。他們會用一種居高臨下的傲慢去評判台灣民眾的身份認同,把對方對自由的堅守貶低為歷史的任性,甚至用自古以來的宏大敘事去壓制活生生的人民意願。 正如古人所云:「欲正其末者,必端其本;清其流者,必潔其源。」如果我們連鄰人最基本的自由選擇權都無法包容與尊重,如果我們依然將某種疆域的完整視為高於人權的絕對真理,那麼我們口中承諾的民主,究竟是解放個體的靈藥,還是換了包裝的另一場集體主義壓迫? 在這種群體性的集體盲區中,反抗者與其說是在解構暴政,不如說是在用另一種視角重塑暴政的邊界。這種思想的作繭自縛與派系撕裂,最終在海外民運圈子裡演變成了一幕幕令人啼笑皆非、精采絕倫的幽默喜劇。 在無數個海外的研討會、沙龍或是網絡論壇上,我們常常能看到這樣一幅奇景:幾位在不同時期流亡海外、各自代表著古典派、激進派或聯邦派的反抗派精英,前一秒還在用流利的英語或慷慨激昂的言辭,向西方社會控訴專制政權對言論的鉗制、對人權的踐踏,雙方引經據典,惺惺相惜。 然而,一旦進入茶歇時間,有人不小心提到了台灣的民主現狀或是某些民族的歷史傷痕,飯桌上的空氣便會瞬間凝固。剛才還在一起抱團取暖的民主同道,會立刻擼起袖子、拍桌子瞪眼,因為地圖上的一條線吵得面紅耳赤。有人搬出九十年代的傳統大一統綱領,有人則揮舞著當下最新潮卻依舊排他的民族主義大棒,用當年政治課本上學來的套話互相扣帽子,甚至指責對方是民族敗類,最後不歡而散,在社交媒體上互相拉黑。 這群誓言要推翻威權體制的人,在這一刻,完美地展現了什麼叫「身體走進了現代,腦袋還留在清朝」
顯示更多
今日更新 9 篇 · 编号 68777 68773 68765 68751 68670 68667 68663 68656 68649 编号 68777:导演车厢内四位美女轮番侍奉,互动热烈,展现国产多P场景的极致享受。 编号 68773:短发女神漫漫酒后自慰,神情陶醉,淫水四溅,尽显一线天极品风采。 编号 68765:汇聚各大平台焦点女神,以丰满身材和成熟御姐气质,呈现视觉盛宴。 编号 68751:可爱女孩演绎反差裸舞,动作柔美中透着野性,带来清新脱俗的观看体验。 编号 68670:黑丝巨乳播音员利用道具进行自慰,制服造型搭配肥臀,展现性感魅力。 编号 68667:粉嫩新人啵啵使用道具进行深度刺激,水滑肌肤与激烈动作相得益彰。 编号 68663:抖音网红深爹最新力作,后入视角展现极致深度,节奏猛烈令人印象深刻。 编号 68656:网红直播 · 一线天、制服诱惑、御姐 编号 68649:网红直播 · 内射、制服诱惑、国产 登徒子资源站 输入编号就能看完整版
顯示更多
好消息不断,年底Tesla股价能上$600+? 去年底可能不少人真这么想,但今年至少现在估计很少有人真这么认为了。不过今天看到有人感叹Tesla的目前的业务多点开花,然后马上开始量产的Semi和还没有放出的大招Optimus v3机器人等等,到了2030年底收入会非常的丰富,想象空间巨大。那我索性让Grok 中性评估了一版2030年底 Q4的业务预测,看看到底如何: Tesla 中性推演:2030 年营收拆解与折回今天的估值推算 🧵👇 不做最乐观的极客幻想,也不按传统车企的悲观视角,我们按中性平均 case 给特斯拉做一次完整的算数推演。看看从 2030 年底的估值倒推,今天的合理锚点在哪里。 一、 2030Q4 收入总表(单季 582 亿美元) 预计 2030 年全年营收约 2,120 亿美元(对比今年约1050亿美元,翻一倍),第四季度的收入结构将呈现明显的多轮驱动趋势: 🚗 乘用车:338 亿(占比 58%)— 依旧是盘子最大的基本盘,但整体收入占比显著下降。 ⚡ 能源:100 亿(占比 17%)— 规模增长迅速,贡献稳定的现金流。 🤖 Optimus:60 亿(占比 10%)— 商业化放量,成为第三大业务板块。 🚕 Robotaxi:49 亿(占比 8%)— 平台抽成模式渐成规模。(过于保守) 🚚 Semi:35 亿(占比 6%)— 锁定干线物流市场。 📊 合计:582 亿美元。 二、 各板块核心假设 🚗 乘用车:年交付维持在 260–270 万辆,单车均价继续下移;随着车辆保有量增加,个人 FSD、售后维修、超级充电及保险收入成为重要支撑。卖车仍是主力,但占比不断稀释。 ⚡ 能源:年部署量约 150 GWh,以 Megapack 为主。虽然单价低于当下,但毛利率表现优于造车业务。 🤖 Optimus:2030 年年产约 50 万台。注意:工厂自用的机器不计入外部营收。主要是 B2B 工厂租赁/RaaS 模式支撑;家庭 C 端处于起步阶段,约占 15%。 🚕 Robotaxi:自营约 10 万辆 + 第三方商用约 18 万辆 + 私家车兼职接入。乘客端定价约 $1/英里,平台抽取 25–30% 服务费(未按“全美 Uber 替代者”的极端垄断模式估值)。(这里假设的过于保守,很多乐观情绪认为到2030年底不会只有28万辆Robotaxi运营的而是百万级) 🚚 Semi:内华达工厂实际年产约 4.5 万辆,在营规模 12–13 万辆。FSD 主要聚焦高速走廊辅助驾驶,并非全路网无人在营。 💡 Terafab:芯片作为自用供应链与成本内化处理,不单独列为外部收入板块。 三、 2030 年底市值与股价 中性净利润:约 208 亿美元 稀释股本:约 39 亿股 EPS:约 $5.3 估值 PE 选择: 到了 2030 年,特斯拉的机器人与 Robotaxi 等新业务依然在放量阶段,市场不会给今天 TTM 330+ 倍的高估值,也不会给普通车企 30 倍的低估值。取市场仍愿意给予的折中 PE 220 倍(这个将会是争论最大的点,其实按照目前的共识看到2030年市场最多只会给Tesla约70倍的PE,除非有其他新的重大未兑现的成长故事) 💥 目标股价:约 $1,170 – $1,200 🏢 对应市值:约 4.6 万亿美元 四、 DCF 折回 2026 年 Q4 底(正好 4 年) 按照 12% 股权折现率(不考虑分红): DCF折现到今年年底:1,200 / (1+12%)^4 ≈ 760 美元 🎯 2026 年底合理市值:约 3.0 万亿美元(按 39 亿股口径) 💡 总结与风险提示 目前特斯拉股价约 $365 左右。 如果这条推演路径成立,意味着从现在到 2026 年底隐含了 翻倍以上 的理论空间 - 760 美元。 但请注意,这一计算依赖两个核心的前提硬约束: 中性收入表中的各项假设按时兑现; 2030 年市场依然愿意给予约 220 倍的较高 PE 溢价(大概率不可能,目前最多愿意给到60-70)。 任一条件发生打折,回推到现在的价格锚点都会相应下移。 不过Robotaxi的规模上面估算的过于保守,我大约计算了一下,如果不是28万的车队规模而是120万的规模,Q4的收入会冲到670亿左右而不是上面的580亿,但这跟220倍的PE假设来说还是小头了。所以其实以上估算业务方面是很保守的,但PE过于乐观了,这里就不列举各种可能了。 (注:本文仅为同一套中性假设下的算术推演结果,不构成任何投资建议,仅为个人娱乐效果而已,切勿当真!)
顯示更多
0
13
66
6
轉發到社區
Velvet Capital 不只是一个 DeFAI 项目,它在重新定义“链上资产管理的分工方式” 市场上讨论 Velvet @Velvet_Capital 的推文,大 多停留在AI 交易终端”或“DeFi 金库”的层面。但真正把 Velvet 的架构拆开看,会发现一个被绝大多数人忽略的核心叙事:Velvet 在做的,是把华尔街机构级别的投研-决策-执行链条,压缩成一套普通人能用的链上操作系统。 这篇文章不聊币价、不聊空投,只聊三个很少有人写到的细节维度。 🧩 细节一:Multi-Agent 不是“多个机器人”,而是一条完整的投研流水线 很多项目加个聊天机器人能查币价就敢叫 AI+Web3。Velvet 的不同之处在于它的 Multi-Agent 架构——不是一个大模型回答所有问题,而是把交易流程拆成四个专职角色: Researcher:全网搜集情报 Analyst:清洗链上数据 Trader:设计策略 Executor:跨链执行 这就像一个迷你版的华尔街交易台:研究员找机会、分析师做判断、交易员定策略、执行员下单。AI 之间各司其职、互相校验。 更关键的是迭代速度。Velvet 的 Multi-Agent 从 v1 的“Swarm”架构进化到了 v2 的“CEO-Led Org”模式 一个 CEO Agent 负责任务分发,其他 Agent 各司其职。这不是功能堆砌,而是组织架构的进化。Velvet 在复刻的不是一个交易机器人,而是一个完整的交易团队。 这个视角为什么重要?因为大多数 DeFi 项目解决的是“执行”问题——怎么更快地 swap、怎么更低地滑点。Velvet 解决的是“决策”问题——在你有精力做执行之前,先帮你把该执行什么搞清楚。 🧩 细节二:Velvet 的真正商业模式藏在“白标”里,不在终端里 绝大多数人把 Velvet 当成一个面向 C 端的交易工具。但打开官网的 Institutions 页面会发现一个截然不同的叙事。 Velvet 提供了一套 DeFi-as-a-Service 基础设施:任何资产管理机构都可以用 Velvet 的底层,以自有品牌部署自己的 DeFi 金库和交易产品。这意味着: 一个传统对冲基金想进入链上资产管理,不需要从零搭智能合约、不需要自建跨链路由、不需要训练 AI 模型——直接租用 Velvet 的“引擎”,贴上自己的品牌就能上线。 一个 KOL 想发自己的链上基金,几分钟就能创建一个自定义金库,设置管理费、绩效费、入场费和退出费。 这个 B2B 白标层,才是 Velvet 真正的护城河。Velvet 正在做的,是成为链上资产管理领域的“AWS” 不直接面对终端消费者,而是给所有想做链上资管的人提供一套开箱即用的基础设施。 这个视角为什么重要?因为所有 DeFi 协议的终局竞争都是“谁被更多机构采用”。Velvet 的白标方案让它不是在和 DEX 竞争,而是在降低整个行业进入链上资管的门槛。 🧩 细节三:Intent OS 的底层逻辑,是“把复杂性藏起来” Velvet 官方把自己定位为“Intent Operating System”。这个词被很多人当成营销话术忽略掉了,但它恰恰揭示了 Velvet 最核心的产品哲学。 什么是 Intent-based?用户只需要说“我要做什么”,系统负责“怎么做到” 。 在多链环境下,一个普通的链上操作可能涉及:切换钱包网络→跨链桥→DEX 交易→收益策略交互→再跨回来。每一步都有 Gas、滑点、时间成本。Velvet 通过账户抽象技术把跨链结算和最优路由封装在底层,用户面对的是一个统一的终端界面。 目前 Velvet 已经整合了 BNB Chain、Solana、Base、Ethereum、Hyperliquid,甚至 Robinhood Chain。它不是在做又一个 DEX,而是在打造一个覆盖多链的统一交易终端。 这个视角为什么重要?因为多链时代的真正痛点不是“链不够多”,而是“每一条链都是一个孤岛”。Velvet 的价值不在于它支持多少条链,而在于它让用户感觉不到自己在切换链。 🔮 一个很少有人串联起来的判断 把上面三个细节串起来看,Velvet 的终局图景其实很清晰: AI 层解决“投什么”的问题(Multi-Agent 投研流水线) Intent 层解决“怎么投”的问题(跨链执行抽象化) 白标层解决“谁来投”的问题(降低机构进入门槛) 三层叠加,Velvet 在做的不是一款产品,而是一套链上资产管理的工业化标准。 这解释了为什么 YZi Labs(原 Binance Labs)、Blockchain Founders Fund、Selini Capital、Gate Labs、DWF Ventures 等 17 家机构同时押注 他们投的不是一个交易终端,而是一套可能成为行业基础设施的操作系统。 当然,这条路还很长。Velvet-1自有模型的训练效果、跨链流动性的实际深度、白标客户的扩展速度,都还需要时间验证。但方向是对的 Crypto 里真正的护城河,从来不是某一个功能,而是你能不能成为别人离不开的那层基础设施。 以上为个人研究观察,不构成任何投资建议。DYOR。
顯示更多
一个人就是一个剧组!拿一句灵感喂给腾讯 OnSolo,48 小时后它回我一部 8 集 AI 短剧 前面几篇写过 WorkBuddy 做办公、跑自动化、剪视频粗剪,那条线是“桌面数字员工”。这次换一个同属腾讯、但完全不是一路货的 AI 新物种——OnSolo。它由此前内测的 WorkSolo 更名而来,2026 年 8 月正式上线,Slogan 就一句:“a Crew of One”,一个人就是一个剧组。如果说 WorkBuddy 是给你配了个行政+数据搭子,那 OnSolo 是给你塞进一个“编剧+分镜+美术+摄像+配音+剪辑”六合一的小剧组,只不过这六个人都是 Agent。 一、它和 WorkBuddy 不是兄弟,是两条平行线 先纠个容易混的点:OnSolo 不是 WorkBuddy 的视频版。WorkBuddy 出自腾讯云 CodeBuddy 团队,长在全场景办公智能体上;OnSolo 来自腾讯视频智能创作平台部,和工业级 AIGC 平台 WorkRally 共用同一套技术底座——只是 WorkRally 砍给专业工作室/机构做规模化漫剧,OnSolo 把协同、资产管理、复杂权限这些“团队件”全拆掉,留给个人一个轻量但完整的成片流水线。 一句话分野:WorkBuddy 替你在桌上搬 Excel/PPT,OnSolo 替你在屏幕上拍片子。 二、四入口,不是“生成一段视频”那么浅 打开 onsolo_ai 首页四个入口并列排开,对应四种创作人格: Start a story:主战场。丢一句“夜班店员和急救员在便利店重逢”进去,AI 先结构化出角色、场景、道具,确认后批量出人物三视图、多视角参考图、分镜提示词,再一键批量生成各场景视频片段,最后在时间轴里重排镜头、加转场、字幕、配音,导出 MP4。 FMV Game:互动影游。设好叙事视角/画幅/风格,AI 生成剧情树,每个节点展开成分支对白+视频,观众点不同选项走不同结局。 Meme Play:把热点梗/表情包拉成 60 秒带叙事节奏的轻短片,是引流和试水最快的入口。 Canvas:无限画布,Idea/Story/Image/Video 四类节点拖拽组合,左侧 PIN 区固定角色卡、道具参考,专治“换一镜就变脸”的 AI 视频老毛病。 三、最狠的不是生成,是 Story Flow 把“卡壳”外包了 我这次试的是 Start a story,灵感就一句:“她杀了我,而在他臂弯里,我忘了自己曾是个男人。”AI 先反问 4 个问题——类型(短剧/短片/病毒式)、集数、画幅、视觉风格(56 种里选了“霓虹冷调心理惊悚”),然后出 8 集剧本。 中途卡在第 3 集反转,我点开 Story Flow:整个故事被摊成一张节点地图,AI 在每个卡点自动延展 3 条剧情走向,我选了“记忆不是被抹掉,是被移植”那支,反推回剧本重写——这比在剪映里硬憋强太多。OnSolo 的自研视频模型也确实在“角色一致性”上比纯接外部模型稳一点,同主角跨 20 个镜头没崩脸,这是它敢叫板可灵/Seedance 的底气。 四、泼盆冷水:能成片 ≠ 能爆 DataEye 那组数据还是得贴在屏幕上:2026 上半年抖音端原生 AI 剧漫剧新剧 22.19 万部,播放破亿的 1055 部,破亿率 0.48%。OnSolo 把“一个人能不能拍”的门槛打到地板,但“拍出来有没有人看”还是你的故事、你的人设、你的钩子说了算。另外两点也别忽略: 积分不是无限:图像渲染、分镜视频、配音、导出都吃 Credits,8 集短片我烧掉约 60% 新手包,长剧批量产真不便宜; 目前主推英文界面+海外模型,国内直连某些外部视频模型偶有抖动,中文版还没正式铺开,尝鲜可以,当生产主力再等等。 收一句 OnSolo 的意义不是“AI 替你当导演”,而是把短剧生产里最耗人、最重复的那 80%(拆剧本、画分镜、做参考图、批量渲镜头、套配音)吞掉,把你从“六边形战士”放回“唯一该负责审美和故事的人”。等中文版再稳一版,网文作者自己把小说改成可播短剧、独立 UP 主做原创剧情番、小店老板娘给自己拍一支 30 秒带货漫剧——这些以前要凑 6 个人的活,2026 年下半年开始,真的在一个网页里就够。
顯示更多
今天去了百度世界大会,今年的主题叫“下一幕,智能组织”。完整的听了李彦宏的分享。 Robin 把自己踩过的坑讲出来了,听着挺耳熟。 他说早期的时候,各部门拿开源模型自己微调,基础模型一升级,原来训好的就落后了。后来他们定了个规矩,业务部门不能自己训模型,只能专门的模型部门来。 熵增这件事,他是这么收的。其实除了模型之外,围绕模型的基建、应用,甚至在之前都有大量的熵增出现,非常考验管理者的魄力。这里可以给 Robin 点个赞。 还有一个我更熟。 什么智能体火了,就想做一个什么智能体。做着做着资源就散了,每个方向的成功率反而更低。后来他们每个月开会,要求做更少的事情。 我自己也有这种感觉。AI 一上手,产出变得特别容易,东西就开始往多了堆。 有的没人理解,有的没人验收,有的就一直搁在那儿,没人关掉。 造成的后果就是交付得越勤,待收拾的队列越长。 进度看起来很快,但是最后系统现在到底跑到哪了,反而没人说得清。 这不安全事件出来了,几乎所有的互联网公司都在为过去几年的AI coding 收拾烂摊子。 那句话叫什么来着“有因必有果,你的报应就是我”。 他后面说,人工智能是新电能,智能组织才是新厂房,生产力真正发生的地方。 换一台 AI 新电机,只是起点,重新设计厂房,才是分水岭。没有一家公司会因为用了几个 AI 应用,就一夜之间更有竞争力。 这几句我认同。 岗位他是这么看的。 岗位是工业时代的单元,任务才是智能时代的单元。岗位不会消失,但会收敛,他给分了两类,一类叫 Builder,做新东西,一类叫 Seller,跟人建立信任。 经验也不能只留在员工脑子里,得沉淀到组织里,这才叫护城河。 流程做成可衡量的闭环,公司就变成由无数 Loop 组成的组织。 说起来都对。 但是拆岗位边界这件事,我总觉得说起来容易。 尺子得先收紧。完成是什么,合格是什么,这个数怎么算,得先说成同一种话,再用权才能放宽。 看起来在同步,并不等于闭环已经转起来了。 还得有负责人,有截止时间,有验收口径。 判断谁来做,出事谁负责,这两条不先讲清楚,岗位拆了会更乱。 后来的对谈里他又说,AI 现在替代不了 CEO 出差,组织最核心的其实还是人。 杨元庆讲了革命性技术初期不必太看投入产出,他接了一句先不要太在意投入产出。 这句跟前面要求做更少的事情,搁一块儿,其实我听着有点拧巴。 当然阶段不同判断也不同,大家的站位和视角不同,也正常。
顯示更多
0
17
53
10
轉發到社區
AI作品创作过程中, 一致性问题一直是难题 场景一致性和人物一致性同等重要🙌 “场景的俯视图+场景九宫格” 便是最佳解决方案🥳🥳 分享俯视图以及透过俯视图生成九宫格的提示词prompt: 俯视图prompt:“以参考图1作为空间依据,绘制对应场景的鸟瞰式俯视平面结构图。准确还原场景整体空间组织关系,包括建筑主体、功能区域划分、重要景观元素、家具陈设、固定装置、门窗及出入口位置,以及人物可通行的动线逻辑。采用拆解式布局,将各区域的空间分布清晰展示,形成完整的全景空间示意图,为后续分镜设计、镜头调度及跨镜头场景一致性提供参考。整体画面保持结构清晰、比例准确、层次分明,避免出现过度锐化、色彩噪点、纹理破碎、细节崩坏、透视错误、结构畸变或其他生成瑕疵。” 九宫格prompt:“结合场景俯视布局参考图1与场景效果参考图2,在完全继承原有空间规划的前提下,仅调整摄影机的拍摄机位、朝向与观察角度,输出同一场景的九个不同镜头画面。所有镜头均采用平视机位,并以3×3九宫格统一排版展示。要求九个画面始终属于同一场景,严格保持建筑布局、主体景物、家具陈设、装置位置、门窗出入口、通行动线及空间比例一致,不新增、不删减、不移动任何关键元素,仅通过镜头语言变化形成不同分镜视角。最终结果需满足影视分镜设计与后续镜头衔接参考需求,保证空间连续性和场景一致性。画面质量要求:高清、真实、细节完整,避免出现过度锐化、色斑、噪点、纹理碎裂、结构崩坏、物体膨胀变形、透视错误、重复物体、模型幻觉及其他影响画面质量的问题。” ps:使用这两段提示词的前提是需要准备一张场景图,如果大家没有场景图,后续为大家更新好看的场景提示词~
顯示更多
0
39
46
11
轉發到社區
之前做LLM推理芯片架构探索的时候,我把四大AI推理ASIC公司的架构都翻过一遍。Groq、SambaNova、Tenstorrent、Cerebras。前三家的思路虽然各有侧重,但底层逻辑都在同一个框架里:片上大SRAM + dataflow架构 + 确定性调度,核心差异在NoC拓扑、内存层级、编译器抽象这些维度上展开。 Cerebras是里面让我真正被震惊到的一家,而它却这四家里马上第一个拿到IPO结果的。 这家公司的选择比其他三家都激进一个量级:不做芯片,直接做整片wafer。 单颗WSE-3,21.5cm × 21.5cm的整片晶圆,90万个PE通过scribe-line stitching在物理上连成一片连续的silicon。这个工艺是Cerebras和TSMC联合定制的,把原本用于晶圆切割的窄条改造成跨reticle的金属导线,让所有reticle在物理上拼接成一整块芯片。(配图二展示了单颗WSE-3内部结构:左半边是整片晶圆的reticle网格和scribe-line拼接,右半边放大了单个PE的微架构。) 单个PE的结构极简:8-wide FP16 SIMD计算核,48KB本地SRAM直连,没有cache层级,所有数据访问都是确定性的单周期。加上一个5端口路由器(N/S/E/W + loopback),相邻PE之间的通信延迟也是单周期。关键在于,跨reticle边界的mesh在物理参数上和reticle内部完全一致,编译器和runtime完全不需要感知reticle边界的存在。 从LLM推理的视角看,这个均匀性的价值非常大。 LLM推理的瓶颈在decode阶段。每生成一个token,模型权重要被完整读取一次,计算量却很小,典型的memory-bound场景。GPU集群在这个环节的核心问题是数据搬运:HBM带宽有限,多卡之间还要经过NVLink → NVSwitch → InfiniBand → Ethernet四层互联,每一层带宽和延迟都差几个量级,编程模型必须显式处理每一层的拓扑边界。 Cerebras的做法完全绕开了这个问题。单片wafer内部fabric带宽27 PB/s,权重从外部的MemoryX存储集群通过SwarmX流入wafer后,在PE之间按数据流模式传播执行,同一套placement和routing算法跑遍整片wafer。(配图一展示了这个系统级架构:MemoryX参数存储集群到SwarmX互联fabric,再到底层最多2048台CS-3节点,权重广播和梯度规约的数据流方向一目了然。) 90万个PE各自带48KB SRAM,合计约42GB片上存储,每个PE对自己本地SRAM的访问是单周期确定性的,PE间通信每跳single-cycle,延迟和曼哈顿距离成正比。对于推理场景,前提是weight streaming的编译器能把权重有效地分配到对应的PE上,这42GB分布式片上SRAM的聚合带宽远超GPU的HBM方案,没有cache层级带来的访问不确定性,没有跨芯片搬运的开销。 回到我自己的体感。做推理芯片架构的时候,NoC拓扑和内存层级的权衡花了大量精力,因为芯片边界是硬约束,跨芯片通信的成本和片内通信之间永远存在断层。Cerebras的做法等于从片内通信的角度消除了这个断层,代价是整条制造和封装链都要重新定义。 这也解释了Cerebras的工程取舍。所有架构创新集中在wafer内部,scale-out方向直接复用100GbE + RoCE的以太网生态。wafer内27 PB/s对比跨CS-3的SwarmX在Tbps量级,几个数量级的差距全部交给商品化网络承担。推理场景下单wafer内部的带宽和延迟优势可以直接转化成token生成速度。 OpenAI选择和Cerebras合作做推理,从架构层面看逻辑是通的。大规模在线推理需要低延迟、高吞吐、确定性时延,这三点恰好是wafer-scale架构在片上通信均匀性方面的结构性优势。 但这套架构也有几个结构性的问题值得正视。 良率和成本是绕不开的。整片wafer做单颗芯片,任何一个reticle的缺陷都影响整体。Cerebras靠冗余PE和路由绕行来应对,但冗余比例和良率数据从未公开过。一片wafer的制造成本本身就远高于切割后卖单颗die的模式,叠加23kW、15U的单系统功耗和体积,部署密度和TCO在大规模推理集群的经济性上面临考验。 最关键的是KV cache的容量瓶颈。42GB片上SRAM看起来很大,但长上下文推理场景下KV cache随序列长度线性增长。以Llama 70B为参考,FP16下128K上下文的KV cache就要吃掉约40GB,即使做KV cache量化,长序列场景下的容量压力仍然显著。片上放不下的部分必须依赖MemoryX做外部存储,数据要经过SwarmX回传,这条路径的带宽在Tbps量级,和wafer内部27 PB/s的差距意味着长序列场景下decode速度会被外部带宽卡住。这可能是Cerebras在推理场景面临的最核心的架构约束。
顯示更多
0
45
270
47
轉發到社區
谁能解释一下: 为什么把特朗普雪茄当工作餐的女人,会把“醒茄”做到黑丝大腿上,然后对镜头假扇? 45、拜登、47。一镜拍完。评论区先别站队,先说看见了什么。 阴阳怪气体 不是政治片。 是侍茄片。 只是这三支管上写着 45、TRUMP 2024、47,中间那位自己挤进来了。 她说想抽很久了。抽完还扇了你一下。 She said her work lunch was a Trump cigar. 45. A Biden in the middle. 47. Then he told her it “doesn’t count if I didn’t see it wake.” So she rolled it on her stocking thigh, lit it, and air-slapped the camera. Watch first. Pick a side later. SEEDANCE 2.0 PROMPT: 👇 Part 1 / 15秒】 时长:15秒 画幅:9:16竖屏 风格:未经处理的iPhone手持拍摄素材,所有设置均为自动,以第一人称男友手持自拍视角拍摄于高端雪茄房。没有灯光效果,没有调色,自动白平衡随室内暖黄灯光与阴影自然轻微偏移。轻微手持呼吸抖动和实时反应晃动,营造真实“我”随手拍感。一镜到底无剪辑。 角色:成熟女性,精致小巧的五官,佩戴装饰眼镜,穿着、黑色薄丝袜、长款黑手套,冷艳却带魅惑气质,全程跪姿服务。所有角色均为成年人。 【机位与景别原则】 男友手持手机以第一人称视角拍摄,两人之间始终保持正常聊天的社交距离(约1.5–2米)。全片以全身和上半身景别为主,绝不出现脸部填满画面的大特写。 景别变化靠她真实挪膝或靠近产生: 起手:全身中景(她整个人在画面里,跪姿、脚下木地板和身后皮质沙发都看得到) 中段:上半身(腰部以上,头顶留余量) 镜头全程轻微手持呼吸抖动,无稳定器,自动对焦偶尔轻微失焦再合焦。 【环境】 高端雪茄房暖黄灯光,她跪在深色皮质沙发前的木地板上,身前是圆形木桌。桌上有三支透明管装纪念雪茄(45、TRUMP 2024、47) 63926f1a-abfa-4105-a2d0-0bc1eda00287 、加湿器、金剪、火机。浅景深把背景化成柔和的金色光斑。全程无字幕、无滤镜、无美颜、无特效、无背景音乐。 —————— 【00:00-00:04】全身中景·介绍三支茄 起手是全身中景。她跪在地板上,身体已经微侧成流畅S曲线,肩颈拉长,半垂眼皮。长款黑手套托着三支并排的纪念雪茄管,语气低沉、带着一点冷淡的嘲意: “我的工作餐,是一款特别搞笑的雪茄。特朗普雪茄@。” 她用黑手套指尖依次点过左边、右边: “这是四十五。这是四十七。” 【00:04-00:08】上半身·点中间那根 景别变成上半身。她把中间那支往前推半寸,半垂眼抬起来看镜头,嘴角只极轻微勾一点就停住: “中间没连起来,因为有个拜登。他把自己二零二四年大选成功的日子,插在中间。” 画外男声(近讲、轻微失真,带着笑):“这什么呀?” 她延迟半拍才答,声音更低: “抽特朗普。” 【00:08-00:12】上半身·冷笑泄漏 一侧嘴角先不受控地抽动一下,鼻子泄出一声极短的气音,眼睛这才半眯成细长弧,发出一声极低的“呵……”: “……我早就想抽他了。” 说完她把中间那支抽出来,黑手套缓缓拧开管盖,取出雪茄。另一只手把空管放回桌上。 【00:12-00:15】上半身·起身挪膝准备侍茄 她保持S曲线往前挪了半膝,靠近木桌。黑手套把雪茄横在掌心检查椭圆尖头,半垂眼重新对上镜头,尾音平直: “来。看我怎么抽这根。” 画面定格在她跪姿前倾、黑手套托着未切尖头雪茄的样子。 —————— 【完整对白表】 时间说话人台词00:00.5女我的工作餐,是一款特别搞笑的雪茄。特朗普雪茄。00:02.5女这是四十五。这是四十七。00:05女中间没连起来,因为有个拜登。他把自己二零二四年大选成功的日子,插在中间。00:08男(画外)这什么呀?00:09女抽特朗普。00:11女……我早就想抽他了。00:14女来。看我怎么抽这根。 【表演总纲】 情绪曲线:冷淡介绍 → 点破中间那根的荒诞 → 克制不住漏出冷笑 → 进入侍茄。 全程海妖风:S曲线跪姿、半垂眼、拉长颈线。笑必须按“抿唇抽动 → 鼻子泄气 → 眼睛半眯 → 极低冷笑”的顺序。禁止甜美、娇羞。 【音效】 纯现场收音:雪茄房空调底噪、透明管互相轻碰、拧开管盖的细响、黑手套与茄衣摩擦、她极低的冷笑和呼吸。无背景音乐。 【Part 2/ 15秒】 时长:15秒 画幅:9:16竖屏 风格:未经处理的iPhone手持拍摄素材,所有设置均为自动,以第一人称男友手持自拍视角拍摄于高端雪茄房。没有灯光效果,没有调色,自动白平衡随室内暖黄灯光与阴影自然轻微偏移。轻微手持呼吸抖动和实时反应晃动,营造真实“我”随手拍感。一镜到底无剪辑。 角色:成熟女性,精致小巧的五官,佩戴装饰眼镜,穿着、黑色薄丝袜、长款黑手套,冷艳却带魅惑气质,全程跪姿服务。所有角色均为成年人。 【机位与景别原则】 男友手持手机以第一人称视角拍摄,两人之间始终保持正常聊天的社交距离(约1.5–2米)。全片以全身和上半身景别为主,绝不出现脸部填满画面的大特写。 景别变化靠她真实挪膝或靠近产生: 起手:全身中景(她整个人在画面里,跪姿、脚下木地板和身后皮质沙发都看得到) 中段:上半身(腰部以上,头顶留余量) 镜头全程轻微手持呼吸抖动,无稳定器,自动对焦偶尔轻微失焦再合焦。 【环境】 同Part 1。桌上加湿器、金剪、火机仍在。 —————— 【00:00-00:04】上半身·醒茄被叫停 承接上一秒:她已跪在桌边,黑手套拿着未切尖头的雪茄,正要把加湿器盖子打开。 画外男声(故意认真,手指从画面右侧伸进来点了一下):“这特朗普还没醒呢。” 她先僵半拍,半垂眼皮几乎不动,然后极慢地看向镜头: “先生,这刚才已经醒过了。” 画外男声立刻打断:“我没看见不算。这环节不能少。重来。” 她鼻子里极轻地“啧”了一声,没有争辩,把雪茄重新放回掌心。 【00:04-00:09】上半身·剪尖头 + 腿上滚动 她用金色雪茄剪,干净利落地剪掉从未点过火的椭圆尖头,露出崭新圆形切面。 然后把雪茄横放在跪姿露出的黑色丝袜大腿上,用戴着黑手套的掌心缓慢来回滚动,把“醒茄”这一环重做一遍。动作极慢、极专注,半垂眼看着自己的腿与手,肩颈始终拉长。滚动几下后拿起来检查。 【00:09-00:12】胸口以上半身近景·点火递茄 她往前挪半膝,景别变成胸口以上半身近景,头顶和肩膀完整在画面内。镜头本能后退半步、轻微失焦再合上。 黑手套点燃喷枪,火焰对准新切面缓慢旋转,白烟升起。吹掉余烟后,她双手把点燃的雪茄递向镜头,冷感直视,不说话,只把茄递出去。 【00:12-00:15】上半身·他提议一起抽 她后撤回上半身景别,黑手套还维持着递出的姿势。 画外男声(放软,带着笑意):“太难抽了。哎,要不然咱们一起抽它吧。” 她听完没有马上接话。半垂眼先向下瞟开半秒,再抬起来冷感直视镜头,黑手套食指缓慢竖到唇前做一个极慢的噤声动作,嘴角一边高一边低地极轻微勾着。画面定格在她跪姿S曲线、黑手套抵唇、冷感直视镜头的样子。 —————— 【完整对白表】 时间说话人台词00:01男(画外)这特朗普还没醒呢。00:02.5女先生,这刚才已经醒过了。00:04男(画外)我没看见不算。这环节不能少。重来。00:13男(画外)太难抽了。哎,要不然咱们一起抽它吧。 【表演总纲】 情绪曲线:被叫停的冷感配合 → 重做醒茄(腿上滚动)→ 无声递茄 → 听他邀请一起抽 → 噤声定格。 她在Part 2几乎不主动说话,只回那一句“先生,这刚才已经醒过了”。其余全是画外男声。全程海妖风:S曲线、半垂眼、拉长颈线、黑手套全程可见。禁止可爱、娇羞。 【音效】 纯现场收音:加湿器盖轻碰、金剪切口脆响、雪茄在丝袜大腿上滚动的轻响、火机喷火与燃烧滋滋声、她极低的“啧”和呼吸、男友近讲气口、最后手指抵唇的细微声。无背景音乐。 PART 3: 真人实拍短视频风格。人物全程使用预设角色#1# 的脸部、发型、身材和身份特征,参考图 ;角色#1为成熟女性且明确为成年人。全程只穿预设服装##3# ,加丝袜 、长款黑手套,保持精致小巧的五官,佩戴装饰眼镜 ,脚穿深紫色高跟鞋。人物身份、服装、丝袜、手套、眼镜和鞋履全程固定,不继承舞者的相貌、发型或衣服。气质为冷艳50%、俏皮魅惑50%,所有巴掌动作均为隔空表演,不发生真实击打。 画幅9:16竖屏,总长12.42秒,30fps,一镜到底无剪辑。房间音箱现场播放约126 BPM、4/4拍的Dance Pop手势舞音乐,声音带真实室内混响;保留衣料摩擦、长手套挥动产生的轻微破风声,不添加真实耳光撞击声。 00:00—00:02.00|全身中景。人物在深色皮质沙发前保持端正高跪姿,双膝与髋同宽,腰背挺直,深紫色高跟鞋位于身后。右手轻扶头发,左手叉腰;肩部先向右下沉,再向左回弹,同时依靠双膝完成两次很小的向前挪动,始终不站起。表情冷静克制,嘴唇自然放松;先略微侧看,第一拍时转回并直视镜头。 00:02.00—00:04.00|人物保持跪姿向前挪近少许,景别自然成为膝盖以上中景。右手从头发旁落下,右前臂水平扫过胸前;左手沿腰侧抬起,两肘同时向外打开。随后双手在肩部高度握成松弛小拳,再同时翻腕展开,掌心朝向镜头并停在脸颊两侧。表情由冷淡变成轻微挑眉;视线短暂跟随右手,双掌打开的重拍瞬间重新锁定镜头。 00:04.00—00:05.80|双掌从脸侧开始交替移动:右掌沿脸前从右向左快速横切,在左脸外侧停住;右手收回时左掌立即从左向右横切。两次动作都只掠过自己脸前,不触碰皮肤,手指并拢、掌面清晰。上身随手掌方向小幅左右转动,膝盖保持落地。表情像故意装凶,略压下巴、轻抿嘴;第二次横切结束后嘴角露出浅笑。 00:05.80—00:07.80|右手沿上一动作惯性抬到耳侧蓄势,左前臂横放在腰前。鼓点落下时,右掌以清晰圆弧从画面右侧向镜头左侧挥出,在镜头前约20厘米处急停,不接触手机或男友;摄影者本能地向左后方轻躲约3—5厘米,画面产生一次短促真实晃动,自动对焦因黑手套靠近而轻微失焦,手掌收回后立即重新合焦。人物保持冷艳直视,击空定点时轻挑一侧眉毛。 00:07.80—00:10.40|右手收回肩侧,人物通过跪姿左右换重心带动腰肩律动;左右手连续完成三次交替“巴掌扫镜”:左掌由左向右横扫、右掌由右向左横扫、左掌再从较低位置斜向上扫过。每一掌都在镜头前15—25厘米急停,手臂随即沿原路收回,绝不碰到摄影者。摄影者随掌风做幅度极小的反方向闪避,形成真实男友反应感,但人物头顶始终留有余量。前两掌保持冷脸直视,第三掌前提前露出忍笑神态,目光始终盯住镜头。 00:10.40—00:12.42|人物将右手从肩后拉开,做最后一次幅度最大的横向假扇:身体从左侧拧转回正,右掌快速扫向镜头,在距离镜头约15厘米处准确刹停。手机向后轻缩并右倾约3度,随即自然回正。她没有继续攻击,而是把停在镜头前的掌心翻成轻巧挥手,手腕放松、手指依次展开;左手回到腰侧,上身微微后撤恢复端正跪姿。装凶表情瞬间破功,露出明亮俏皮的笑容,眼神稳定直视镜头,以轻轻歪头和浅笑定点结束。 【机位与构图】 未经处理的iPhone后置1×主摄素材,所有设置自动。男友以第一人称手持手机,起始距离约2米,结束距离仍不少于1.5米。机位接近坐姿成年男性胸口高度,略微向下拍摄。起手完整拍到人物头顶、跪姿、木地板、身后高跟鞋和皮质沙发;中段由她真实挪膝靠近形成上半身景别,摄影者不主动推近、不变焦。全程轻微呼吸抖动,仅在假巴掌临近时出现短促躲闪;绝不让人物面部填满画面。 【环境与质感】 高端雪茄房,深色皮质沙发、温润木地板和胡桃木饰面。圆形木桌位于人物侧前方,与身体斜向错开,不遮挡跪姿;桌上摆放三支透明管装纪念雪茄,包装分别为“45”“TRUMP 2024”“47”,道具参考 ,并有加湿器、金色雪茄剪和火机。所有道具全程静止,人物不触碰雪茄及火具。 只有室内原有暖黄灯光,无摄影灯、轮廓光或舞台灯。iPhone自动白平衡随暖灯和阴影产生轻微偏移;手套靠近镜头时曝光短暂呼吸,随后自动恢复。背景因距离形成自然浅景深和柔和金色光斑,不使用人工人像虚化、调色或磨皮。 排除:真实扇耳光、手掌接触脸部或镜头、疼痛、受伤、红肿、淤青、攻击性暴力;----------------给这三段视频连起来的故事取一个能在推特引爆流量的引导语,符合中文社区和英文社区的都各来一份,可以夸张和反问总知越爆炸越好
顯示更多
0
53
89
8
轉發到社區