大疆创始人汪滔接受了晚点的采访，十年来的唯一一次采访，信息量特别大，推荐。 一个从来没工作过的人，第一次创业就成功，而且是绝对意义上的成功。 十年前他留下一句话，世界蠢得不可思议，然后消失。 十年后，他补上了后半句——“世界蠢得不可思议，我也是。” 全文

扮演網紅大鍋炒！這是白上咲花拍得最辛苦的作品！ 時間過很快，出道到現在快兩年了(2024.4～)，你知道白上咲花覺得哪一支作品拍得最辛苦嗎？在IG的問與答中，她回覆了粉絲，就是這個月發售的作品，為什麼拍得很累？白上咲花的答案是⋯ #白上咲花# #這支作品很好看# #大推#

GATA去中心化数据基础设施，CZ非常重视的项目类型，入选币安加速器孵化，并且刚获得币安400万美元种子轮，币安孵化后又获得币安融资，叠加属性满满，重视其交互 图文交互教程 登录后连接 #OKX# 钱包（目前习惯性用OKX钱包，比起小狐狸太好用） 1. 绑定推特和DC获得400积分 - 绑定邀请码：9k7y3jd8 2. 点击“Start DVA”运行，电脑挂着就能一直挖矿获得积分奖励（我已经跑了一段时间） DVA（数据验证代理）是 Gata 的首个数据代理，它评估互联网上图像字幕数据的质量，并给出 DVA 分数奖励 - @Gata_xyz项目本身属于数据处理概念，币安重视这一块儿，并且也得到了币安多重助力，先是入选币安加速器，然后经过孵化后，又获得了币安融资，证明其潜力不错，哪天直接上线币安不要感到奇怪 - 有点DEPIN类项目挖矿类型，运行电脑可以获得挖矿奖励 - DEPIN类型我觉得会有些不错的项目跑出来，目前阶段有大推手在后面推动DEPIN发展，前面的推文我已经分享过3个类似有潜力的免费挖矿DEPIN项目

臣推举大阿哥召北 @JobberTheGuru 为我大安国新任太子，理由是： 1-稳重：情绪稳定、做事稳重，黑粉环伺但从不破防。 2-明礼：不结党，不逼宫，身为KOL的总KOL，拿面包也是独来独往，不与人合谋。 3-忠义：将逮捕谷仓耗子做市商作为终生己任，维护平台利益决心如铁。 4-孝悌：救援老丈人于水火，从不含糊。

为什么大模型厂商都与投资机构成立合资公司？这意味着大模型在B端的竞争进入了地面阵地战模式。这两天大模型厂商最大的动作无疑是Authropic和OpenAI在同一天宣布联合PE投资机构、投行等成立AI-native 企业服务的合资公司（JV），堪称“AI大模型厂商在企业落地赛道上的正面交锋”。 Anthropic与Blackstone、Hellman & Friedman 以及 Goldman Sachs合作；而OpenAI则是拉上了TPG、Brookfield Asset Management、Bain Capital还有软银几家机构。 成立的合资公司都是企业服务性质的，将各自的大模型推广给广大中型企业，帮助它们将AI部署到核心业务运营中，两家大模型厂商会派驻工程师、顾问，提供从定制、集成、合规到持续优化的全套服务。 1、为什么要找这些投资机构合作？ 1）这些投资机构手里握着成千上万家 portfolio company（覆盖医疗、制造、金融、零售等）。通过合作，大模型厂商能快速获取客户群，同时为这些 PE 公司带来生产力提升和成本节约（提升投资回报 IRR）。这是一种高效的分销策略，避免一家家推销。 2）AI 采用瓶颈在“部署”而非“模型”本身，模型再强，企业也缺“最后一公里”——集成、流程重构、合规、培训、持续迭代。传统咨询公司太贵太慢，大模型厂商又没有足够咨询人才。 跟投资机构成立合资公司，招募专业的部署、实施、培训人才，加快企业采用AI的进程和速度，同时加快自己在B端的拓展，抢夺更多的B端客户。这就是Authropic和OpenAI纷纷与投资机构成立合资公司的真是意图。 2、更深层次看，这就意味着大模型厂商在 B端（企业/政府侧） 的扩张确实已从“空军轰炸”（品牌宣传、hype、广撒网影响力）转向“阵地战/地面作战”（深挖壕沟、嵌入核心流程、逐个战场争夺具体合同）。 正好大模型在B端营销推广从“空军”到“阵地战”的转变逻辑 1）早期空军策略（2023-2025）： 主要靠 ChatGPT/Claude 等爆款产品制造品牌影响力，通过媒体、开发者社区、免费/低价试用快速占领心智。目标是“让大家都知道 AI 很强”，然后等企业自然来买 API/订阅。收入主要来自品牌溢价和规模效应，竞争焦点在模型性能、参数、安全叙事上。 2）现在阵地战（2026年之后）： 模型能力已趋同，胜负手转向“最后一公里”：谁能真正把 AI 嵌入企业核心业务流程（ERP、供应链、客服、决策系统）、政府机密网络、合规体系，并持续提供实施服务。 这需要重资产投入：派驻工程师、定制集成、行业 playbooks、长期驻场支持、风险共担。不是卖“模型”，而是卖“AI 驱动的业务转型解决方案”。 OpenAI 和 Anthropic 的 JV（DeployCo / 新企业服务公司）就是典型地面作战： 借 PE 机构的 portfolio 公司作为“根据地”，直接把工程师塞进企业内部，帮中型企业做深度部署。这不是广撒网，而是建立“俘获式分销渠道 + 护城河”——一旦嵌入业务，切换成本极高 今年初各家大模型争夺美国国防部订单就是这一转变的典型体现。各家纷纷游说五角大楼，Anthropic因为安全护栏刚被国防部排除在外，OpenAI就快速快速补位。而后续国防部跟多家大模型厂商一起签约，这种多家并存（避免单一依赖）的情况，更是体现“阵地战”的残酷：不是赢者通吃，而是寸土必争 更深层次看，大模型厂商在B端的竞争，技术领先程度已经不是唯一的权重，部署能力、渠道网络、政府关系、合规灵活性将会成为新护城河。 PE + 政府双渠道，本质就是就是在抢“地面控制权”

Avarok Cybersecurity 开源了 Atlas，一个用 Rust + CUDA 从零写的大模型推理引擎。它不依赖 Python 和 PyTorch，项目方称 Docker 镜像约 2.5GB，冷启动不到 2 分钟，目前主要面向 NVIDIA DGX Spark 的 GB10 平台优化。 官网模型矩阵显示，Atlas 在单台 DGX Spark 上跑 Qwen3.5-35B-A3B 可到约 130 tok/s，跑 Qwen3.6-35B-A3B 约 71 tok/s。Atlas 官网和 Hugging Face 页面称，在同硬件下，Qwen3.5-35B 平均约 111 tok/s、峰值 130 tok/s，vLLM 约 37 至 38 tok/s。 这组「3 倍 vLLM」数据来自项目方公开基准。GitHub README 写明，测试使用的是「法国首都是哪」这类短 prompt，生成上限不超过 30 个 token，temperature 为 0.1。这个口径更接近短请求、低并发、快速响应场景，也正好对应 Atlas 想打的卖点：用更小镜像、更少依赖和更快冷启动，把本地大模型服务变得更轻。 Atlas 现在仍是早期项目，真实生产场景还要看后续长文本、高并发和复杂工具调用测试。GitHub 上已有用户反馈输出质量和工具调用稳定性问题，相关 Issue 截至 2026 年 5 月 11 日仍处于 Open 状态。对开发者来说，它更像一个值得关注的新推理底座，而不是已经能全面替代 vLLM 的成熟方案。

陆续看到关于HTX交易所 USDJ 的推文我莫名的兴奋，又可以喷孙割了！可当我推特搜索输入关键词 USDJ 详细看了很多篇推文了解详情后，好像喷不了任何！详细情况比特吴大V推文写的清清楚楚，还是等下一次喷孙割的机会吧！孙哥 @justinsuntron 别怕，我是有素质的喷子。