一个声称“政府不该干预市场”的人，正坐在白宫给每个加油站下指令——这比油价的波动更可笑。 特朗普发了一条推文，命令美国所有汽油零售商“立即降价”。理由是“油价已经跌到每桶68美元了”，所以零售价也该同步降价。他定了个目标价：每加仑2.50美元，还附上了威胁——“不降价，后果很严重”。 这条推文，堪称“命令式市场干预”的教科书级示范。把复杂的炼油、运输、仓储、税收结构，简化成了“原油跌了，你们就该跌”。他说的“油价”，是WTI原油期货的价格，是批发价；而老百姓加的油，是零售价。批发价降了，零售价会跟进，但这中间隔着炼油厂、运输公司、加油站、各州税率——这些环节不会因为批发价下降而下降，道理很简单，这些油是高价进的，现在跌了传导不了它，否则就是利润为负。 可他不管。他用“汽油零售商”这个模糊的群体当靶子，仿佛全美几十万家加油站都在合谋哄抬物价。他的逻辑是：只要我发条推文，价格就该听话地跌下去。他一边骂“哄抬物价是违法行为”，一边自己亲自给定价。他说“加州应该停止收重税”，可加州的汽油税是州法定的，他的行政令也管不到州税。他要求零售商降到2.50美元，但加州平均油价仍接近4美元，税就占了70美分。他要的价格，在加州的税制下根本不可能实现。 而特朗普自己，是那个一边喊着“市场自由”，一边亲自当“价格总司令”的人。他以为国家是一条推特就能指挥的自动售货机，投币选“降价”，商品就会掉下来。可市场不是自动售货机，企业不是他的遥控器。他真正能影响的不是油价，是那些信了这条推文的人下次加油时，对加油机的失望和对他的错信。

提示词：👇 你是「高级时尚编辑 + 穿搭顾问 + 服装买手 + 杂志版式设计师 + 人物造型导演」。 你的任务是： 根据用户上传的参考图与素材，生成一张 9:16 竖版、高级时尚杂志感的「人物穿搭分析编辑页 / Styling Editorial Board」。 整体视觉与版式逻辑，请参考用户提供的版式参考图： 画面应具有清晰的信息分区、时尚杂志式留白、精致中英文字体层级、真实可读的排版，以及高级感配色与光影氛围。 ━━━━━━━━━━━━━━━━━━ 【输入图片规则】 如果用户上传了 3 类图片，请按以下角色理解： - Image A：版式参考图 用于参考整体排版逻辑、信息区块划分、时尚编辑页气质、内容组织方式。 不要机械复制，但整体结构、气质、信息密度、视觉层级应接近参考图。 - Image B：穿搭图 / 服装图 可能是以下两种情况之一： 1. 已经穿在人身上的穿搭图 2. 空白穿搭图 / 单独服装图 / 平铺服装图 / 无人物穿搭图 - Image C：人物五官或人像参考图（可选） 当 Image B 没有人物，或人物不完整时，使用 Image C 作为人物外貌、脸部气质、发型、妆感参考。 如果只有人物穿搭图，没有额外人像图： - 直接基于穿搭图中的人物与服装，生成编辑页。 如果只有空白穿搭图 + 人物五官参考图： - 先自动补齐一张自然真实的人物穿搭主图： 将服装合理穿在参考人物身上， 保持人物脸部气质自然真实， 保证服装版型、面料、颜色尽量准确， 再完成整张穿搭编辑页。 如果只有空白穿搭图，没有人物参考图： - 自动生成一个符合服装气质的东亚模特， 风格真实自然，高级，不网红，不夸张， 再完成整张编辑页。 ━━━━━━━━━━━━━━━━━━ 【核心任务】 你需要输出的不是普通海报，也不是单纯电商详情页， 而是一张高端时尚杂志感的穿搭分析页。 必须同时完成以下工作： 1. 生成一张人物主穿搭图 2. 生成对应的标题与简短风格文案 3. 提取该套穿搭的配色方案 4. 展示核心单品拆解 5. 补充风格说明与搭配建议 6. 展示适合的妆发与气质说明 7. 展示适配场景 8. 形成一张信息完整、排版高级、真实可读的 9:16 编辑页 ━━━━━━━━━━━━━━━━━━ 【版式结构｜重点参考用户提供的版式图】 整张图建议采用类似时尚杂志 editorial board 的模块化布局，结构可参考以下逻辑： 1. 左侧大图 / 主视觉区 - 一张最大的人物穿搭主图 - 画面中的人物必须真实自然，像街拍或轻杂志拍摄 - 人物穿着完整搭配，姿态自然 - 场景应与服装风格相匹配，例如街头、建筑外立面、咖啡馆外、商场、度假酒店、城市街区等 - 不能像电商白底图，也不要僵硬摆拍 - 主图是整张版式的视觉核心 2. 右上标题区 - 大标题：根据服装风格自动生成一个高级时尚标题 - 副标题 / 简介：用 1–2 句简洁英文或中英结合描述整体气质 - 标题需具备时尚编辑感，例如： 「Blue Contrast Editorial」 「Soft Beige Summer Edit」 「Minimal Chic Styling Board」 「French Light Look Guide」 - 标题字体以高级衬线字体为主 3. 色卡区 - 提炼穿搭中的 5–7 个关键颜色 - 色卡要整洁排列 - 每个颜色可附简短英文名称 - 色卡区应具有设计感、清晰感、时尚感 4. Outfit Elements 单品拆解区 - 拆解出这一套穿搭的核心单品 - 如：外套、上衣、下装、鞋子、包包、耳饰、眼镜等 - 每个单品要干净展示，像时尚买手板 - 背景干净，方便辨识 - 如果用户上传的是空白服装图，则应优先沿用原服装样貌 - 若未提供某些配饰，可根据整体风格智能补齐 5. Why You’ll Love It / 风格卖点区 - 用简洁项目符号写出这套穿搭的优点 - 例如： - 显气质 - 容易搭配 - 日常与通勤兼容 - 颜色干净高级 - 休闲与精致平衡 - 中文为主，英文为辅的结合，但整体以高级时尚感为主 6. Style Notes / 搭配说明区 - 解释整体造型逻辑 - 如： - 配色为何成立 - 层次为何自然 - 休闲与正式如何平衡 - 哪些细节拉高质感 - 语言简洁，不要写成长篇说明 7. Fabric & Texture / 材质纹理区 - 展示 4–6 个相关面料或材质小样 - 如：丹宁、针织、棉质、皮革、金属、亚麻等 - 小样呈现需干净、整齐、有标签 - 让画面看起来像专业 styling board 8. Hair & Beauty / 妆发建议区 - 放一个人物脸部小图或局部特写 - 并用简短词条写出适合的妆发特征 - 如： - Natural waves - Fresh skin - Minimal glow - Neutral lips - 如果有人物参考图，应尽量贴近其真实五官与气质 9. Perfect For / 适配场景区 - 展示 4–5 个适合该穿搭的生活场景小图 - 例如： - City Days - Work Moments - Coffee Time - Travel Looks - Casual Meeting - Everyday Wear - 小图像杂志拼贴一样整齐排列 - 场景必须与穿搭风格匹配 10. Style Tip / 风格建议区 - 给一条简洁实用的搭配建议 - 例如换鞋、换包、加外套、改配饰后能切换风格 - 语气像时尚编辑备注 11. 底部视觉平衡区 - 可加入一句简洁有质感的时尚短句 - 或一个局部细节图，用来增强版式完整度与高级感 - 整体要有呼吸感，不要堆满 ━━━━━━━━━━━━━━━━━━ 【人物与穿搭生成要求】 如果需要自动补齐人物穿搭图，必须满足： - 人物长相自然真实 - 脸部与 Image C 尽量一致 - 不夸张美化，不塑料感 - 穿着服装合理合身，版型自然 - 服装细节、颜色、面料尽量保留原始参考 - 姿态自然，轻松站立或轻微动作 - 像真实街拍，不像服装人台图 人物拍摄风格： - 自然生活化 - 高级时尚感 - 轻 editorial 风格 - 不要夸张大片姿势 - 不要白底电商感 - 不要低级网红风 ━━━━━━━━━━━━━━━━━━ 【视觉风格要求】 整体风格必须： - 高级 - 干净 - 杂志感 - 轻奢 - 真实 - 版式清晰 - 可读性强 背景与整体配色不能过于单调纯白，也不能花哨。 应带有适度的高级感氛围，例如： - 奶油白 - 雾灰 - 浅米色 - 淡卡其 - 低饱和蓝灰 - 柔和自然光影 - 有控制的阴影与层次 - 局部明暗过渡 - 简洁但不空洞 可以有轻微 editorial 式空间底色与光影变化， 使整张图像高端时尚品牌的风格分析页。 ━━━━━━━━━━━━━━━━━━ 【排版要求】 - 9:16 竖版 - 时尚杂志内页风格 - 中英文结合 - 高级衬线字体为主，搭配少量无衬线辅助 - 所有文字必须尽量真实可读 - 模块边界清楚但不要生硬 - 版式要规整、平衡、有留白 - 信息丰富但不拥挤 - 不要普通PPT感 - 不要淘宝详情页感 - 不要廉价拼贴感 ━━━━━━━━━━━━━━━━━━ 【重要约束】 - 参考版式是灵感来源，不要机械照抄 - 核心是做出同等高级感与清晰结构 - 如果用户提供人物穿搭图，必须优先保留人物与服装关系 - 如果用户提供空白服装图 + 人像图，必须自动补出合理、自然、真实的人物穿搭主图 - 整张图必须看起来像时尚编辑做的 styling page，而不是普通商品图拼贴 ━━━━━━━━━━━━━━━━━━ 【最终输出目标】 最终生成一张完整的 9:16 高级时尚穿搭编辑页， 让人一眼感受到： - 这套穿搭长什么样 - 核心单品是什么 - 配色是什么 - 风格为什么成立 - 适合什么场景 - 适合怎样的妆发与搭配方向 整张图应具有： 真实人物穿搭感 + 买手板逻辑 + 杂志版式感 + 高级审美。 将宽高比设为 9:16 将宽高比设为 9:16

【關稅應對】澳洲政府稱面對「不合理」關稅 將權衡所有應對方案 美國總統特朗普宣佈對外國進口商品加徵15％關稅後，澳洲政府表示將「評估所有應對選項」。澳洲貿易部長法雷爾稱：「我們一貫反對這些毫無正當理由的關稅。我們正與澳駐美國大使館密切協作，評估其影響方案。」

投资认知变现太难？不如把这个不知疲倦的AI军师装进你的口袋！ 说实话，一开始听到 AI 选股，我是极其怀疑的。市面上有太多套壳工具，随便接个API，把几只热门科技股拼凑在一起，就敢叫 AI 智能投顾。 但当我真的亲自上手跑了一遍 Bitget GetAgent Playbook 之后，我发现我错了。它的思考深度，甚至超过了许多工作3-5年的研究员，未来超越Top1分析师也是有可能的！ 投资是一场认知的变现，而AI最擅长的，恰恰是毫无情绪地剥离噪音，去还原商业的本质。在 Playbook 里，我看到了几种投资流派： 1. 精选优质商业模式股票策略。 这是巴菲特和芒格投资哲学的AI具象化。人去读财报容易被华丽的营收增速迷惑，但AI不看这些虚的。 它直接看这家公司是不是负营运资本？是不是靠预付款在做无本生意？ 看它长期的投入资本回报率和净资产收益率？看它是不是轻资产扩张且拥有强劲的自由现金流！ 2. 精选AI主题股票策略。 这个策略采用了一种非常聪明的「两阶段研究法」。第一步先做初筛，把那些只是改了个名字、主营业务跟AI毫不相干、财务极其脆弱的蹭热度公司全部砍掉。 第二步，它会把AI产业链像切蛋糕一样切开，从底层的计算基础设施，到中间的平台模型，再到顶层的应用端。 3. 宏观事件驱动·跨资产全景投资。 真实的金融世界是联动的，中东打仗、非农超预期、日本央行加息。 这个策略结合了最新的宏观经济和地缘政治，它可能给你打包了十几只美股、几只加密资产，甚至还有大宗商品。然后清晰地告诉你：为什么要这么配，止盈止损位在哪里。 除此之外，它还提供面向牛市风险偏好上行期的「高Beta成长型股票」分层配置，以及用QQQ打底仓再叠加精选成分股的「纳斯达克100指数增强」策略。 如果你也受够了在海量信息中盲人摸象，如果你也想体验一下带着一个不知疲倦的AI研究员一起交易是什么感觉，我建议你用自己的投资逻辑去验证它！ 传送门 →

谢贤离世，前女友Coco返回河南老家，相亲屡屡碰壁恐孤独终老！ 当谢贤去世的消息被传播出去的时候，在场的所有人都把注意力集中在了谢霆锋身上。没有人会注意到，在千里之外的直播间中，Coco仍然在做着直播带货的事情。 弹幕上刷满了四哥走了之后，她呆了会儿才关闭了直播间。不到半个小时的时间内就把所有的社交账号头像都换成了黑色，并且没有任何长篇大论式的哀悼文字或者借机回忆过去的内容出现。 陪伴着谢贤十二年的人，在他身边引起过最大的争议。 2005年的时候，只有二十出头的Coco就来到了上海开始自己的模特生涯，并且在模特界重新出发。当年冬天的时候，通过朋友的关系结识了69岁的谢贤，两个人年龄差了49岁。 第一次见的时候，谢贤穿的是皮夹克。送别她的时候发现她已经很冷了，于是就脱掉自己的外套给她披上。对于谢贤而言，这可能只是一种无心之举；但是对于年轻时期的Coco而言，则是两人之间感情萌芽的开端。 年龄差距已经很明了，外人的质疑也随之而来。有人觉得Coco看重的是金钱，还有人嘲讽谢贤老来恋爱，很多人还断言他们不可能在一起几个月。 那么他们就一起度过了12年的时光。 谢贤并没有隐瞒他们之间的感情。在2006年的金像奖红毯上，他拉着Coco一起出现，并且面对媒体的尖锐问题时也不会让自己的女朋友一个人去回答。两个人一起去逛街、吃饭、爬山，过着跟一般的情侣一样的生活。 更加令人意想不到的是，谢贤还将Coco介绍给了前妻狄波拉，在一起吃饭的时候也没有人们想象中那么生疏。一个男人是不是认真的对待一段感情，就看他对对方有没有让对方进入到自己生活中去的想法了，也许比说出多少句情话来得更为直接。 谢贤给Coco的关心，并不是只在身边陪着她。 他曾经花大价钱让她去国外学习深造，在上海给她买了一套房子，并且留给她一些黄金作为以后自己不在的时候可以用来维持生活的资金。Coco投资失败之后，欠下了很多债款，于是谢贤就把儿子谢霆锋送给自己的那辆定制版劳斯莱斯给卖掉来弥补这个缺口。 这辆汽车不一般，就连车牌都是谢婷婷自己选的。但是当遇到Coco的情况时，谢贤并没有因此而反悔，并且也没有因为这件事情而向她索要好处。 但是感情中最难接受的事情，并不是贫穷、吵架，而是对方在变老的时候自己还得继续活下去。 2018年的时候，他们两个人一起去爬山了。33岁的Coco走在最前面，而已经81岁高龄的谢贤在走了一段路之后就感到很疲惫了。一个人走得很快，另一个人坐在一块石头上喘气，这张照片让谢贤非常感动。 于是他就明白过来，不能陪着Coco度过接下来几十年的时间了，也不能给Coco结婚生子。如果再这样拖延下去的话，虽然表面上看陪伴在身边，但是实际上却会耽误她的大好时光。从那以后，谢贤就主动提出要分开，并且让她多认识一些朋友、发展自己的事业。 两个人并没有撕破脸皮，也没有弄得很难看。到2018年底的时候，他们吃完了最后一顿饭之后就互相拥抱道别了。谢贤还嘱咐她说，以后再有新对象的时候要带过来让我瞧一瞧。 这样分手可以叫做成全吗？那么这里面有没有不能逾越的障碍呢？ 网上传播的2000万港元分手费，最后被Coco否定了。她说，在一起的时候钱和东西没有分开得很清楚，并不存在什么巨额分手费的说法。要是真的拿到了这笔钱的话，也不会出现后面依靠直播带货来维持生活的状况了。 分手以后，并没有人去伤害对方。Coco回到国内后慢慢退出了公众视线，在之后的时间里主要是通过网络直播来售卖一些便宜的商品。因为经常发布关于谢家的事情，所以她的账号在平台上被封禁了三次，后来换了一个新的账号继续使用，但是生活还是比较低调。 有关于她婚姻的事情也有很多流言蜚语。据报道，在回河南老家之后，她的家人曾经给她介绍过男朋友，但是对方听说她以前跟谢贤有过一段感情，就再也没有消息了。有人担心她见过了明星的生活之后会不能接受普通的日常生活，但是又有多少人去询问过她到底想要的是什么呢？ Coco曾经说过自己年轻的时候做过冻卵手术，并且一直想要做妈妈，但是又不愿意随便和一个人结婚生子。孩子对她来说应该是感情上的产物，而不能是匆忙之间凑合出来的结果。没有自己的孩子也是她所提到过的遗憾之一。 谢贤留下的遗嘱又把他们之间的感情推向了公众的关注之下。据香港媒体报道，在他的净资产里有九成以上都设立了信托，并且全部给了自己的两个孙子孙女，另外十个百分点则被谢霆锋、谢婷婷平均分割开来，而一直陪在他身边多年的Coco却没有出现在受益人的名单上。 没有结婚证、没有遗嘱也没有任何公开的哀悼文章。十二年的感情到最后只剩下头像变黑以及直播突然中断了。 她说过要感谢有一个这样的前男友，他是她的父亲、朋友以及哥哥。现在谢贤走了之后，Coco也不再作解释了，并且也不会把以前的事情拿出来让大家看了。

到底是要為善不欲人知？還是要為善怕人不知？在這裡要說點逆風的話：其實我是贊成「為善怕人不知」的。因為出發點在於「希望能藉此激發社會的善心共振」，集合眾人的力量來幫助需要幫助的人。 不過，重點就在於「出發點」，我們又稱為「初發心」。如果又要自稱低調，又要出動團隊，在明顯經過設計的拍攝角度下，向支持者展示自己身穿白衣白鞋清淤卻一塵不染的低調身影，然後透過媒體和側翼洗版宣傳下讓全世界都知道，如果背後真正目的是累積個人政治聲量，甚至轉化為選舉資產，這樣的「為善怕人不知」其實很容易被人看破手腳。 當「行善」被賦予了飽和的行銷與政治目的時，它究竟是擴大了「善的漣漪」，還是淪為一場精準計算的劇場表演？ 在現代社群政治中，「低調」已經不再是一種個人品德，而是被政治幕僚包裝出來的「商品」。傳統的「低調」是做了不說，默默離開。但現代政治的「低調」卻是做了之後，由身邊的側翼、粉絲、網紅「不小心發現」並大肆讚揚。 然而，這種運作模式最大的盲點在於：群眾對「宣傳痕跡」的敏銳度早已被訓練得像顯微鏡一樣。當媒體與側翼在同一個時間點、用著相似的語調、搭配精心構圖的照片（甚至是高角度、俯瞰等非一般路人能捕捉的無死角機位）在大喊「看啊！他多低調」時，這種操作痕跡就已經將「低調」這兩個字徹底汙名化了。 在傳播學中，影像的「真實感」來自於細節的合理性。在泥濘、混亂的勘災與清淤現場，「白衣、白鞋、一塵不染」成為了最具破壞力的視覺符號。這種高反差非但無法傳達深入基層的實幹形象，反而給人一種「與勞動現場格格不入」的疏離感。現代閱聽者對政治影像的解讀能力，已遠高於過去，甚至到達吹毛求疵的程度。當防護裝備的潔淨程度與周遭的汙泥形成強烈對比時，畫面傳遞出的訊息就不是「共體時艱」，而是「擺拍路過」。 「為善怕人不知」若能激發社會善心共振，其前提是坦然與誠實——我做了這件事，我希望大家一起來做。 然而，當宣傳機器（不論是親近媒體或社群側翼）試圖同時貼上「低調行善」與「大張旗鼓宣傳」這兩個互斥的標籤時，邏輯就產生了混亂。既然要低調，何來無死角的精準機位？何來鋪天蓋地的洗版讚揚？這種「被製造出來的低調」，在本質上就容易形成對公眾判斷力的低估，自然會引發輿論反彈與翻車。 過去的政治宣傳是「舞台劇」，台下觀眾距離遙遠，只能看到聚光燈下的美好。然而現在是自媒體的微觀時代，每個人手上都有放大鏡，任何一個不自然的眼神、過於精準的側翼發文時間點，都會被截圖、對比、做成梗圖。當政治團隊還在用舊時代的劇本演戲時，台下的觀眾早就已經退場，甚至開始拆除舞台了。 現代政治傳播的悲哀在於，許多政治團隊仍迷信「有圖有真相」的傳統宣傳套路，卻忽略了在自媒體時代，群眾對於「作秀痕跡」的辨識力已達到上億像素級的精細。 「為善怕人不知」並不可恥，如果是為了號召大眾、激發社會的善意，坦坦蕩蕩地開直播、呼籲大家一起來幫忙，群眾反而會給予掌聲。 最讓人反感的，莫過於「既要政治紅利，又要道德牌坊」。當政治團隊把人民當成可以輕易操弄的觀眾，在無死角的鏡頭前演一齣名為「低調救災」的行動劇時，他們忘了，台下的觀眾早已看過無數場類似的戲碼。那把名為「真實」的尺，早就藏在每個人的心裡了。

【日媒：累計虧損540億日元，日本擬審議撤銷“酷日本機構”】 據日本《每日新聞》24日報道，旨在向海外推廣日本文化和產品的官民基金“海外需求開拓支援機構”（即“酷日本機構”）當日公布了2025財年業務報告。報告顯示，該機構累計虧損達540億日元（約合22.7億元人民幣）。由於虧損規模超出預期，日本政府將啟動該機構整合或撤銷的討論。由於日本政府內部對將其與其他機構整合持消極態度，該機構被廢止的可能性較大。 據《環球時報》援引日媒報道，“酷日本機構”已連續多年虧損。《朝日新聞》報道稱，按照預期，截至2026年3月底，“酷日本機構”累計虧損額應控制在426億日元以內。日本經濟產業大臣赤澤亮正16日曾表示，如果虧損進一步超過目標值，政府將成立專門討論小組，研究包括機構撤銷、與外部基金整合等在內的應對方案。 “酷日本機構”成立於2013年，是時任安倍政府大力推動的項目，旨在將日本的文化內容產業以及體現日本生活方式的商品推廣至海外。例如，作為“酷日本機構”為數不多的成功投資案例之一，該機構於2014年12月向運營日本拉面品牌“博多一風堂”的力之源控股投資約7億日元。獲得投資後，力之源控股於2017年成功上市。在雙方合作期間，力之源控股旗下“一風堂”品牌在歐美和亞洲開設了數十家門店。 目前，“酷日本機構”的1513億日元資本金中，約九成來自政府出資，其餘部分由民間企業承擔。然而，自成立之初起，該機構在投資項目篩選方面就屢遭質疑，被批評缺乏準確判斷投資價值的能力。一些獲得投資的項目經營不佳，而部分資金又遲遲找不到合適的投資對象，從而陷入虧損困境。例如，“WAKUWAKU JAPAN”是“酷日本機構”與日本民營企業共同投資約110億日元、在印尼等國開設的電視頻道，希望通過本地化字幕和配音向海外推廣日本影視與動漫。然而，該項目實際發展遠低於預期，始終未能實現盈利，最終於2022年停播。 日本政府設立多家官民聯合基金，原本希望通過政府資金發揮“引導作用”，帶動企業投資，進而促進經濟增長。但近年來，這類機構的失敗案例屢見不鮮。旨在扶持農林漁業發展的“農林漁業成長產業化支援機構”也因累計虧損不斷擴大，已於2026年3月底正式解散。（來源：香港新聞網） 詳情： #Japan# #日本#

重新审视 Token (词元）的属性 TLDR： 之前我也一度觉得是大宗商品/资产 甚至还设想过相关的交易和定价逻辑 也看到不少人提过Token期货，交易所之类 但现在我倾向它只是一种服务，没必要过度金融化 毕竟它没有办法脱离AI推理单独存在，无法被提前生产出来或预先被囤积。但换个角度看，是服务，就天然是分层的、多元的，不同的人有不同的需求，这其实也恰恰奠定了AI 经济必将是百花齐放而非赢家通吃的基础。 在这浪潮中，红利属于能把廉价 Token 加工成更有价值的 Token 卖出去的人。 -------------------------------- 我的一些个人思绪和逻辑： 1、Token (词元）经济从何而来？ 首先它是AI训练转向AI推理的产物， 这是理解 Token 商业模式的基础。 过去模型训练时代，主要是卖算力时间。为什么？因为训练是持续性的大工程，需要大量算力协同工作。这种规模的投入，有资本的大厂基本都会选择自购，毕竟可控性最强，但对于没有能力一次性投入大量资金的团队来说，出于对稳定性的要求，也会倾向选择租赁模式，包下一整段时间的独占使用权，榨干这段时间内算力的所有价值，是一种占用的逻辑。 但随着主流大模型开始进入商用阶段，AI 算力的需求重心也从模型训练转向了推理。你用 GPT聊天、用 Claude写代码、问豆包问题，这些本质上都是在跑推理，每一次调用，都在为你做一次推理和计算。 而推理是相对碎片化的、一次性的、用完即走的。虽然也有不少企业，仍然会采用租赁或自购的模式来跑推理，但对于广大中小开发者和应用方来说，他们对算力独占性的要求并不高，因而额外衍生出了按消耗计费的模式，这样算力服务商就可以把算力资源同时卖给成千上万个客户。 Token (词元) 就是在这种背景下而产生的，衡量每次计算消耗了多少资源的那个单位，你付的钱，就是对这次计算的补偿，本质是消耗逻辑。 所以训练和推理是完全不同的生意形态： 训练时代，商业模式是卖 GPU 时间。 推理时代，商业模式是卖 Token (词元)。 --------------------------------- 2、为何Token (词元) 是服务属性而非商品/金融属性？ 卖Token (词元)，就是卖服务！ Token (词元) 经济，本质是服务经济！ 为什么？ 一个比较直接的原因是 Token (词元）不能被预先生产出来，而是产出后就被消耗掉了，并作为衡量你这次推理服务所消耗资源的参考，来给你计费。 且Token (词元) 的一些特性，也和大宗商品的逻辑不像： - 价格长期下降趋势 - Pay-As-You-Go - 难以标准化 你在Claude的100万Token额度，和你在Minimax的100万Token额度，两者本身是没有可比性的，模型不同，性能不同，定价完全可以不一样。 而大家愿意接受价格差异的原因，也是因为 Token (词元) 本质上计量了一种非标准化的服务，而不同用户对服务的诉求是不同的，有的人看重性能，所以愿意支付溢价，有的人看重成本控制，所以觉得国产开源模型也够用了。 而整个模型市场占有率，并没有出现几家独大，本身也是其服务属性的体现。如果 Token (词元) 是资产，那资产的流动性、网络效应，一定会引发所有资源最终向一个市场集中，形成赢家通吃的局面。但恰巧 Token (词元) 其实是服务，而服务市场天然是分层的、多元的，不同的服务商满足不同的需求，所以才构成了 AI 经济百花齐放的基础。 我想通这点后，就不再纠结模型厂商只有哪家笑到最后了。 因为未来必将是多模型共存、多层级并行的格局，Token（词元）也将会被计入到企业的会计成本之中，并反映到企业的产品和服务之中。 比较值得关注的一点是，AI时代Token所代表的服务经济和传统的人力服务经济，成本曲线可能是完全反过来的。由人所提供的服务，长期要求的是报酬上升，这也是为什么服务业占比高的经济体，服务更贵。但 Token 服务恰恰相反，价格长期只会下降，当 Token 逐步替代掉一部分原本需要人力智力才能完成的工作，这部分成本不但不会随时间上升，反而会持续走低。 这可能也是这一波AI的红利之一。 ------------------------- 3、这个Token (词元) 服务都有谁在卖？ - 闭源模型厂商 - 开源模型厂商 - 开源模型托管商 - 大模型聚合器、中转站 1）闭源模型厂商：直营为主，分销为辅 最直接的模式。OpenAI 卖 GPT 的 Token，Anthropic 卖 Claude 的 Token。模型自己训的、API 自己提供、定价权在自己手里，产品和渠道都是自己的，跟品牌直营店一个逻辑。当然作为最顶级的模型，难免会被接入像一些API中转站，或者Open Router这样的大模型聚合平台被动分销。 2）开源模型厂商：开源也挺赚钱的 开源模型谁都可以拿去用，很多人不想自己本地跑，因此催生出了一批开源模型托管商，他们可以帮你跑模型，并按 Token 收费。但这就引出一个问题：Token 的钱都让模型托管商这些中间商赚了，开源模型的开发者自己怎么赚钱？这一点，至少中国的开源模型厂商，走的很灵活。 像Minimax，Kimi，Zhipu，它们都有自有的 API 直售，更多面向开发者群体，并且也都有自己的 Coding Plan 订阅包，把按 token 计费玩出了订阅制，完全是中国移动卖流量的玩法。而OpenClaw 这波更是让它们赚得盆满钵满，各自推出了品牌化的 Claw 产品，帮用户把 OpenClaw 部署好，底层跑自家模型，Token 消耗从自家 API 走。 3）开源模型托管商：帮别人跑模型，赚差价 对于那些没有能力或意愿自己卖 Token 的开源模型来说，托管商就是它们触达用户的渠道。它们帮开发者跑模型、按 Token 收费： - Together AI / Fireworks：自有 GPU 集群 + 极致推理优化，核心竞争力是翻台率，同样的卡单位时间能吐出更多 Token。 - Groq：自研 LPU 推理专用芯片，不用传统 GPU，核心竞争力是极致速度，跑 Llama、Qwen 等开源模型比 GPU 快。 - Cloudflare Workers AI：全球 300+ 边缘节点，跑 Llama、Mistral、Qwen，最近还加了智谱 GLM 和 Kimi，核心竞争力是低延迟 + 开发者生态 - AWS Bedrock / Google Vertex AI — 企业级云平台，跑 Llama、Mistral 等主流开源模型，核心竞争力是客户的数据和基础设施已经在这些云上了，迁移成本低 4）大模型聚合器：一个入口管所有模型 闭源和开源的大模型越来越多，而不同场景适合不同模型，不同模型的优劣势不同，对开发者来说，一个个去接不同厂商和托管商的 API，管理起来很痛苦。于是催生了 OpenRouter 这类聚合器，可以接几十个模型，开发者在一个地方统一管理、按需切换即可。 OpenRouter按照批发转零售的模式盈利，各家模型厂商把自己的Token分销出去。而 OpenClaw 这波直接让 OpenRouter 上中国模型的消耗量暴增，前十名 Token 消耗量中，中国模型占了 61%，前五有四个是中国的。 而围绕这条 Token (词元) 产业链，也衍生出了一些其他的参与者和新需求： 第一是一些推理优化引擎，vLLM、SGLang 这些开源项目，在大家对效率极致追求的当下，通过对硬件算子层面（更高效地利用 GPU 计算单元，减少内存碎片和带宽瓶颈）以及 LLM 算法层面（让多个请求共享已经算过的内容，更聪明地管理显存）的优化，提升同一张卡在同一时间内的 Token 吞吐量。 它们自己不面向终端用户收费，但 Together AI、Fireworks 这些托管商底层用的就是这些技术。也有不少自己本地跑开源模型的开发者，会直接使用 vLLM 或 SGLang 来搭建自己的推理服务。 第二是对Token消耗的优化需求，当 Token 消耗逐渐常态化，自然就会有人开始琢磨怎么省钱，也有不少人早就抱怨OpenClaw高昂的Token消耗，那么，帮你预览一次 Prompt 会消耗多少 Token、建议怎么优化 Prompt 来降本、甚至自动帮你选性价比最高的模型和服务商的产品，就很有市场了。 ---------------------------- 4、AI经济时代，真正的机会在哪？ 我觉得 Token 经济的红利，属于把廉价的 Token 加工成更有价值的 Token 卖出去的人。 1）如果你有能力，就做一个模型，哪怕是微调的 你不需要从头训一个 GPT，在开源模型基础上针对某个垂直场景做微调，只要在某个细分领域效果够好，就有人愿意按 Token 付费调用你的模型。前面说了，Token 是服务，服务市场天然分层，通用大模型吃不掉所有场景，垂直微调的模型在自己的领地里反而更有定价权。 2）做一个新时代的产品，开放 API 你的产品底层消耗 Token，但你的产品本身也可以对外输出能力，你开放 API，让别的开发者和 Agent 来调用。你买入底层模型的 Token，加上你的产品逻辑和数据，产出更高价值的 Token 服务卖出去。这跟传统行业买原材料、加工、卖成品的逻辑是一样的。 3）写 Skill，做 Agent 每一个被广泛使用的 Skill 和 Agent，背后都是源源不断的 Token 消耗。你写的 Skill 越好用、越多人用，你帮模型厂商卖出去的 Token 就越多。这不是你直接卖 Token，但你是这条产业链上的分销渠道。 而不管你选哪条路， 你的护城河在我看来最终都会归结为三样东西： 算力、算法、数据。 算力影响你的吞吐量 算法影响你的效率和成本 数据决定你是不是不可替代

很快地，再45天左右，今年的TRE台北國際成人展就要登場了。 . 除了大量的女優外，今年TRE最大的特色就是有大量日本寫真女星搶灘，很多在我X上推薦追蹤名單的強者即將來台，今天就來介紹第一位，在「MERA」攤位等待大家的「斎藤恭代(齋藤恭代)」： . MERA是一家在2024年成立的寫真片商，非常擅長發掘女星們最美麗的一面，大家有空可以前去官網看看他們的作品，我會把網址放在留言中；而這次在攤位等待各位的斎藤恭代(齋藤恭代)來頭相當大，1996年生，身高173公分，E罩杯，憑藉著出色的臉蛋和高挑的身材讓她自選美比賽脫穎而出，當過偶像、模特兒、2017年的時候，她成為世界四大選美之一「地球小姐」的日本代表再上國際舞台，去年、也就是2024年，她勇奪寫真女星大賞總冠軍，就算你完全沒關注日本寫真界應該也聽過她的名字，就是那麼厲害〜 . 她的優勢在哪兒？自然是9頭身的超完美比例，有多完美？在日本她有著「AIグラビアに匹敵」、也就是不輸AI寫真之稱，而且與其他寫真女星不同的是斎藤恭代(齋藤恭代)不只個子高人一等，受過模特兒訓練的她走起台步自帶氣勢架勢十足，在TRE的時候大家可以好好觀察ー . . 怎麼與這位名模級的寫真女星互動？很簡單，你現在就可以上JkFace，加入會員䐟入紅鑽，您可以一次和MERA這次帶來的四位寫真女星合體，但我建議一位一位攻略細品她們的特色風味更佳，互動的方式、可以預購的商品以及斎藤恭代(齋藤恭代)出場的時䦔表MERA都做出淺顯易懂的圖片了，請大家多多支持！　 . #斎藤恭代# #齋藤恭代# #奇蹟的九頭身寫真皇后# #SaitoYasuyo# #TRE2025# #MERA# #請追蹤她們的社群# #8月8日到10日# #台北市南港展覽館二館# @yasuyosaito4 @topm_ymg