今日福利來咯🤪 人人都有慾望 都需要有解放😈 #我不是比較不一樣# 只是我更盼望每次結束時 那種獲得重生的嚮往 話說到這😋 #約嗎# #健身女孩# #性感# #約會# #要不要試試看我的彈性#

普發和消費券不一樣，不是為了刺激景氣，所以不用管乘數效應，而且既不是借錢，也不是印鈔來支付，所以通膨的負面效應也不大。普發很單純就是台灣的經濟太好，稅收多到用不完，沒有一個國家不希望有這個問題。我基本上贊成普發，雖然我也拿不到就是了。 不分財富差距，全民皆發的方法，在課稅方法上算是「進步」的，也就是說窮的人佔了相對大的便宜。這是普發的一大好處，一萬台幣對有錢人來說，有跟沒有一樣，但對升斗小民的生活，不無小補。如果說今天台灣多徵的稅收，不用普發，但用減稅的方式，回饋給民眾，那也是繳的多的人，退的多，和普發比，比較沒有財富重分配的效應。 但如果要把錢給民眾，是不是可以做得更好，趁機推動一些政策？比如說，不要普發，但給生小孩的年輕父母更多的補助，藉此提高生育率？又或者是拿這些錢來補助年輕人住房，或是創業？推動政策當然可以用財稅手段，但根據我的觀察，這些政府的補貼政策，最後經常變成維持管理人員的尾大不掉機構。誰來發這些錢？誰來審核？不都得僱用公務員來維持，這些花費，就像是滲漏一樣，一點一滴地把稅收吃完，吃完了超徵稅收後，轉頭就開始要編入經常預算。不然你以為加州為什麼那麼好心，給非法移民保健保？為什麼那些左派政客那麼喜歡搞社會住宅？利人又利己，何樂而不為？ 所以普發退稅，一翻兩瞪眼，不用擔心長期的官僚組織肥大後遺症。 但如果超徵稅收不要花掉，也不要普發，為了國家的未來，把錢存起來，不是也比較好？如果台灣管理國家財富基金的政客和官僚，像挪威管理石油財富盈餘的官員一樣公正無私，且有遠見，也許可以考慮存起來當國家財富基金，但有一罐糖在那裡，你期望叫一個小孩來看管，而糖果不會不見？沒有被偷吃掉，也會被冠冕堂皇地在緊急時刻，甚至不緊急時刻，拿去花掉，也可能又被政客以其它私利理由，隨意挪用。既然有可能被濫用，那不是先退給民眾比較好？ 還有一些人，覺得超徵稅收，應該拿去投資，尤其是基礎建設，錢才不會被浪費。但千萬不要拿一次性的天降財富，去搞需要長期規劃、經營的基礎建設。加州政府向聯邦政府要了幾百億經費蓋高鐵，歐巴馬像聖誕老人一樣，錢發了，一個屁也沒蓋出來。再不然你看台中，中央政府也像聖誕老人一樣，預算追加了不知道多少，到現在台中捷運通車還是遙遙無期。基礎建設是要長期盯下去的，不然錢就像肉包子打狗一樣，經常有去無回。你把超徵稅收拿去基建，這些吃人不吐骨頭的工業綜合體，豈有不把你吃乾抹淨的道理？ 超徵稅收不可能是經常性的，沒有人天天在過年，沒有一個已開發國家的經濟可以一直這樣一年二位數的成長率，所以普發的特例性，是相對較好的解決辦法。要避免罔顧國家未來的在野黨漫天開價的加碼，制度化的主動發放，每超徵多少，就啟動普發機制，應該是比較長期的解決方法。

台灣第一季經濟成長率超過13%，是1980年代以來的最高紀錄，我們這種經歷過經濟起飛大家樂年代的人，都以為不會再看到這個榮景，所以看到這個結果，感到非常不可思議。在世界的歷史裡也少有進入已開發經濟的國家，還可以有這樣的成長率。我有幾個觀察重點。 第一，很多人都說台灣運氣好，搭上這波AI的順風車，我說不是運氣好，而是台灣一直都選對陣營壓寶。從國民黨來台之後，台灣因為全球戰略的關係，一直採取「親美」的國策，蔣介石靠美國保護而得以偏安，蔣經國搭上出口美國的大潮，創造了台灣第一次的經濟奇蹟。民進黨因為反共而親美，自然不用說，但除了馬英九要把台灣綁進中國的那幾年外，其它的國民黨政策也都是親美的。1989年天安門事件後的二十年，台商瘋狂投資中國，那也是親美的政策造成，台商去中國蓋工廠，因為要賣產品到美國，因為要幫美國公司生產，所有的終極目標都是對著美國，連台積電都是美國人張忠謀成立的。美國巨大的商業市場，自由的經濟，加上法治的人權保護和發達的金融市場，得以一再地創造新科技，一再地把生產力提升帶來的繁榮富庶，帶給美國及親美陣營。親美的國策，給了勤奮、聰明的台灣人一個發達的機會，那不是是運氣。光憑這點，台灣花再多錢買美國武器都值得。 第二，一如1980年代的大家樂瘋狂，一旦台灣人發財了，各式各樣的泡沫，就會出現。但這一次不一樣的是，台積電帶來的「雨露均霑」溢流效應，還連帶地促進了股票市場的發達，這是一個很重要的不同於1980年代之處。當台灣人在1980年代發財了，台灣人的理財方式相當受侷限，因此有些熱錢跑去炒消費品，跑去玩大家樂、六合彩，但更多的錢是進了銀行或是買了房產。銀行和房地產市場，對國家來說，都是比較差的儲蓄資源分配方式，因為相信「有土斯有財」，所以台灣人不但有超高的房屋自有率，還把房價炒到年輕人買不起房子。而銀行的保守放貸方式，也限制了資金流向新興科技業。因此，當台積電的高股價、高市值、高全球知名度，把一般不買股票的台灣人也吸進台股後，台灣的股票市場，變成一個更好的儲蓄及資源分配管道。當然，股市相對變得重要，也代表股市的榮枯，會是民心及政府執政的重要經濟指標，如何處理熊市時的低盪，也會是執政者未來的考驗。但總的來說，讓自由的股市來運用台灣人的儲蓄，是比讓銀行或是房市來吸納，更有效率。 第三，經濟成長帶來的財富及稅收，可以解決很多的政治問題，但執政者能不能抵抗亂花錢買票的民主壞習慣，變得相當重要。因為有高經濟成長的政府，很容易像中了彩券的個人一樣，把錢隨便就花掉，甚至花在需要長期供養的習慣上，那就會造成長期的問題。台灣因為一直有中國威脅及外交孤立的問題，在財政上比一般國家來得小心，但是還是得防範左派的正義魔人試圖綁架政策，「錢那麼多，福利多一點有什麼關係？」。大體來說，如果要花錢，要花在投資，而不是是消費。所以如果要在「加發失業救濟」和「提高基本工資」之間選一個，要選提高基本工資；如果要在「住房補助、社會住宅」和「捷運基建」之間選一個，要選「捷運基建」；如果要在「育兒補助」和「老人健保免費」，要選「育兒補助」。選未來，而不是買選票，保留經濟彈性，而不是綁住僵化的福利制度，就是一個比較理性的選擇。 台灣的問題很多，極待處理，但我想世界上很多國家，都會想要有台灣的這些問題。

我把我手上的寶可夢卡牌賣給你，告訴你這卡牌以後會漲價，你聽了很興奮，買了卡牌，等漲價。我轉頭又印了一堆卡牌，告訴你，這些卡牌以後還會更值錢，你想要賺更多的錢，就把手上的現金通通交給我，來買我的卡牌。我的荷包滿滿，但我又加印了更新一代的寶可夢，更漂亮，以後會漲更多，問你要不要買。什麼，沒錢了？你可以找銀行借！什麼，信用額度都用完了，銀行不借？沒關係，你告訴銀行，你手上這些寶可夢卡牌，很值錢，你可以抵押來借錢，而且你也不是把貸款花掉，你買的是值錢的卡牌。什麼，銀行不覺得這些卡牌以後會增值？沒關係，我來和銀行談，我有很多錢，我跟銀行擔保，如果寶可夢卡牌幾年後沒有這個價值，我負責給銀行差額，這樣銀行就可以借你更多的錢，來買我新印的寶可夢卡牌！這大概就是很多看空輝達股票的人，心裡想的「循環投資circular financing」，用來描述輝達最近和華爾街談的五千億借貸平台，剛剛好，他們認為輝達的GPU，和老鼠會的詐騙沒有什麼兩樣。 當然不一樣。股票估值的方法有千千萬萬種，但多半不離一個基本原則，「越賺錢的公司，越值錢」。寶可夢卡牌和比特幣一樣，本身沒有任何價值，因為他們沒有產生財富，「沒有賺錢」，賣寶卡夢卡牌的公司，當然有賺錢，但如果產品本身沒有財富的價值，那當然像老鼠會一樣，紙牌屋隨時會倒塌。這也是為什麼Coinbase這樣的公司，沒有什麼前景，不要碰比較好。 輝達的GPU不是卡牌，也不是比特幣，但是不是會變成黃仁勳說的「AI工廠」，我們不知道。但現實是GPU供不應求，而供不應求的原因，不是炒作，不是囤積，而是真的算力滿載地在使用，Anthropic到處找GPU，SpaceX和谷歌都先把算力給了Anthropic。Anthropic兩年內就會達到二千億美元的營收，OpenAI應該也相去不遠，他們買GPU，他們借別人的GPU算力，都是像寶可夢卡牌一樣，只是放著囤貨嗎？不是，因為這是全世界最快達到十億用戶的產品，我付錢給ChatGPT，不是跟著別人湊熱鬧，而是每天都真實地需要AI來幫忙。特斯拉的自駕每天載著我跑來跑去，背後也是輝達晶片在訓練這些模型。這些AI晶片的需求，都是真實存在，既不是dot com泡沫的本夢比，也不是地產風暴的房貸包裝再包裝，對於現在做空AI的瘋子，像Michael Burry，我祝他們好運，但我一點都不擔心現在是AI泡沫，至少還不是時候看空。 因為微軟執行長Satya Nadella在法說會提到了1873年一書，讓科技圈一時注意到AI和十九世紀內戰後美國的鐵路瘋狂建設時期有極為相像之處。這是一個有意義的比較，Nadella有點是向世人示警，要注意不要重蹈覆轍，鐵路的建設，的確是百年一見的生產力躍進，縮短了人們交通的時間和空間，擴大了市場，產生了更多生產的可能性，對美國財富的提升，長期生產力的加持，有跨時代的影響，把AI比為鐵路，有其意義。而鐵路的建設，相當昂貴，如果沒有像中國蓋高鐵一樣，把國家搞破產也要蓋，只靠私人建設的話，需要極大的資本市場投入，甚至是要先預支未來一樣的投入。的確，1873年一書，講的就是美國的鐵路建設狂潮，如何把股市和債市的資金，吸得一乾二淨，但最後把鐵路大亨和銀行一起弄垮的故事，甚至造成了在1929年之前，美國所經歷過的最大經濟蕭條，多年無法回復。鐵路後來的確達到了泡沫時期的預言，的確改變了美國，促成美國成為世界經濟第一強國，但最早投入鐵路建設的投資人，全部被清空，發了美夢，但沒有賺到錢。 輝達現在賣了這麼多晶片，台積電還不斷地擴張，記憶體三雄也抓著這個世紀難見的契機擴產，然後上游的協力廠商，下游的數據中心，通通在擴充，然後核心的Anthropic和OpenAI瘋狂地發股票，一邊募資，一邊求材。退一萬步說，AI的需求，完全不虛假，但鐵路也是這樣不虛假，只是先期的乘客、貨運量完全無法合理化鐵路在資本市場要的本益比，現在的AI也是這樣，就算Anthropic和OpenAI，兩家每年都可以做兩千億的營收，然後把營收通通拿去買輝達的晶片，而且通通不要分給上下游廠商，那還是無法合理化輝達五兆美元的市值。從這個角度看，把AI比為鐵路，而要投資人小心，是正道，但我還是要講一句金融市場最可怕的話，「這一次不一樣」。 人類社會對交通方便的需求，會隨著路網越大，而自然變得更多，因為原先的不可能，化為可能，這個時程很長，唯一加速的方法，就是把路網瘋狂地蓋下去，但這個加速的過程，不但受限於資金，還受限於材料，更受限於中國苦力和歐洲新移民的數量，沒有人去蓋鐵路，就沒有鐵路。另一方面，AI的需求，也像鐵路一樣，越多的建置，就會產生越多的新可能，製造出更多的需求，但和鐵路不一樣的是，瓶頸不在於物理限制，甚至不在人口數。鐵路的乘載，有一個人口的天花板，但AI沒有，我們已經看到AI代理的驚人需求，AI代理完全不受限於人口數。而AI更驚人的能力在於，我們在生產智能，可以解決問題的智能，這個智能跨越到幫我們解決物理限制的日子，早就來了，智能加乘的速度還會加快。黃仁勳畫出來的美麗未來，不一定是作夢。 然而就算AI美夢再美好，再真實，泡沫一定會到來，那是人性，但不是今年，也不是明年，現在壓空方，不智。長期利率還沒掉下來，資金還不算真的投入AI建設，我們現在是dot com泡沫的1994或是1996，連1999都還沒到，不怕。

一個人的原生家庭，撇除教育資源跟物質之外，差異最大的就是眼界。 眼界這個詞聽起來很抽象，但其實可以量化。你從小到大看過多少種「人生決策的樣本」，這些樣本的分布長什麼樣子，基本上就決定了你的眼界。 在好的環境裡長大，你看到的決策分布是有層次的。身邊有人做過非常漂亮的決定，大部分人做的是合理的決定，也有人踩過大雷。因為 variation 夠大，你能分辨什麼是頂尖、什麼是及格、什麼是災難。 你不一定每次都選對，但你知道好的選擇長什麼樣子。 像在矽谷，有人放棄高薪去創業，三年後公司被收購；有人穩穩待在大廠靠股票累積財富；也有人燒光積蓄失敗回去上班。大贏、穩贏、大輸的樣本你都見過了。光是見過這些，你對人生可能性的想像就比大多數人寬。 這跟品酒是同一件事。喝過頂級的酒，你回去喝普通的，舌頭會告訴你差在哪。但如果你從來沒喝過好的，你不會覺得少了什麼，因為你的味覺沒有那個錨點。 眼界就是你腦子裡的錨點。 反過來，在資訊比較閉塞的環境裡，你看到的選擇基本上長得都差不多。大量平庸的決策，混著一些爛的，偶爾一個還行的。當你的樣本裡缺少那種非常漂亮的 outlier，你就不知道天花板在哪。 眼界真正帶來的差距不是選對選錯，選錯至少代表你知道有那個選項，那只是判斷失誤。真正的差距是，你根本不知道有那個選項存在。 我自己的體會是，很多時候限制一個人的不是能力，是想像力。你能想像的上限，就是你努力的天花板。而想像力這種東西，不是靠聰明就能補的，是靠你見過什麼。 所以如果有能力，盡量把自己丟到樣本分布更寬的環境裡。去認識跟你不一樣的人，去看別人怎麼做選擇，去見識那些你原本不知道存在的可能性。 你不需要複製別人的路徑，但你需要知道路不只一條。

應該大家都知道,反正我在做資料看到. 外資連買滿 3 天的有 263 家，基金 71 家。 名單上同時出現兩種錢。 外資一直買：3037 欣興連 20 天、1524 耿鼎連 20 天、2886 兆豐金連 17 天、3045 台灣大連 15 天。 基金一直買：2884 玉山金連 22 天、2301 光寶科連 14 天、2313 華通連 12 天。 台股大盤電子搖的時候，錢會先去金控。這件事大家熟。玉山金、兆豐金這種連買，買的是配息、波動比較小、本地人真的會抱的停車格。台灣大同一類。今天還是央行理監事會，這條線短期自己不會關。 美股也會從科技轉進金融，機器不一樣。那邊比較常是 AI 擁擠要減碼、利率預期往上、銀行估值比 Mag7 便宜，錢進 XLF、銀行 ETF，SMH / XLK 往外流。這是輪動，不是「市場不好先躲銀行」。真的 risk-off，美股第一站通常是公債、短債、現金，再來才是醫療、部分公用事業。 昨晚把差異寫出來了。Fed 加 1 碼到 3.75%–4.00%，三年來第一次，點陣圖多數還指向年內再加一次。KBW 銀行指數收跌約 2.9%，BAC、WFC 各掉約 3%。升息對銀行不是單向：NIM 帳面變好，長端急上、信用成本跟融資一起緊，當天也可以被賣。台股金控比較少被這層一次打穿，因為買盤在買配息跟防守，不是在交易下一次 FOMC。 同一張連買名單裡，欣興是另一口袋。 8/28 桃檢搜索合江廠，案由是陸製 PCB 運回台換 MIT 標，總經理 1500 萬交保。股價從 1230 掉出千金，低點到 873。公司跟法人講的是同一句：出事的是一般 PCB，營收大約 1%，不是現在卡產能的高階 ABF。8 月營收 177.45 億，連 5 個月新高。搜索之後外資沒停，連買數到這張圖是 20 天。 散戶看搜索、交保、千金股掉下來。外資看 ABF 還緊、一線客戶沒換。MLCC 是村田砍部分料號，那是國巨、華新科那條線，跟欣興這次產地標示不是同一台機器。 不對稱在這。台股「進金融」是防守停車；美股「進金融」是利率跟價值輪動。欣興連買 20 天，是把洗產地定價成可承受的合規成本，不是在說檢調一定沒事。美國查轉運、客戶原產地條款變嚴，兩岸接力生產的「實質轉型」標準可能被這案重劃。訂單現在看起來沒斷，標準會劃在哪，還沒對到。 耿鼎也連 20 天。汽車钣金／模具，跟另外幾檔不在同一供應鏈。連買篩選會把小票撈進來，不一定有同一套故事。光寶科、華通比較像電子本業自己的承接。

週二威斯康辛州的初選，原本被看好拿下民主黨提名的Francesca Hong，最後以些微票數落敗，一般認為是民主黨的中間派，終於團結把社會主義的極左派打敗。也許是這樣，但我還是要忍不住批評這些珍奶左派，妳們這些亞裔的左派，沒有根正苗紅，不但沒有黑人祟高的受難者地位，現在連穆斯林的地位，都比亞裔在黨裡高，不要夢想當頭了，不然為什麼桑德斯和AOC都挺了密西根的穆斯林，然後在威斯康辛不表態支持Hong？早點覺悟左派對亞裔的遲疑、不信任，甚至是歧視，早點快活。 但Hong不是沒有嚐試要提高自己受害者的地位，她之前上節目說她自己有雙重人格，是醫生開的診斷，甚至還因此住進了精神病房。我們知道選舉要選賢與能，所以競選的政客，無不講自己多能幹，經歷多顯赫，然後把會讓人懷疑能力、道德水準的過往藏起來，但美國的左派突破了天花板，把精神疾病當成顯赫經歷來宣傳。但這不是失手，這真的是左派選人才的新標準，不看能力，不看經歷，只看身份，而人分三六九等的依據，完全是靠你在左派被害光譜的位置決定。黑人好，因為有些他們的祖先被奴役過，女人好，因為以前都是男性沙文主義欺壓女人，同性戀好，因為以前道德保守人士會迫害他們。當然，窮人、身心障礙這些弱勢也好，但太「普通」，太難拿來當作武器對付政敵，所以地位普通。 因為要拿身份認同政治來鬥爭，所以這個光譜還會變來變去，看敵人怕什麼，就拉高什麼，或者是看拉抬哪一類族群，可以製造聲浪，就拉抬他們。所以現在同性戀在身份認同政治裡地位低下了，LGBTQ裡的TQ，拿來當議題比同性戀強大多了，畢竟這世道，誰還真「恐同」呢？「恐變性人」不是比較有力道？可以打廁所的議題，而且確定宗教右派一定會跳腳！ 2023年的哈馬斯恐攻以色列之後，以色列強力反擊，在巴勒斯坦大力動武，但在中國、俄國和伊朗的宣傳機器動員下，左派身份認同政治狂熱，找到新的受害者，你看巴勒斯坦人多可憐，以色列多壞，西方國家還恐伊斯蘭，拒絕穆斯林移民，那還不趕快把穆斯林的地位再拉高一點？我是不太了解為什麼左派的身份認同政治可以這麼有流動性，流動到自己的角色錯亂了都不知道。信仰伊斯蘭的人，不但恐同，甚至厭女，你們把穆斯林抬這麼高，那女人，那LGBTQ怎麼辦？ Francesca犯的錯，就是她一開始以為亞裔女性也可以像其它非白人女性一樣，有身份認同政治加分背景，但她不知道，亞裔早就被左派當成是白人附庸，只有扣分，沒有加分，而女人的身份，又太普通，加分力道不夠，所以她的地位在這些社會主義眼裡是低下的。她努力想用精神異常加分，但這題不是現在流行的議題，沒用。她應該早早改信伊斯蘭，再不濟，學學隔壁明尼蘇達州那個剛剛成為民主黨參議員提名人的Peggy Flanagan，人家白女人一把頭巾戴起來，多適切，這不就選贏了？

2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

SemiAnalysis Weekly — Ep. 031 - EMERGENCY EPISODE: Are We Doomed? ARR 是新的 GDP 市場目前幾乎只盯四個數字：OpenAI 與 Anthropic 的新增 ARR，以及 AWS、Azure 的年增率。Joey 認為這才是半導體交易的真正基準，其他指標都是雜訊。Max 指出算力仍是「需求遠大於供給」的結構，短期不會翻轉。即使 Dario 主張放慢前沿推進，也不等於需求下降；市場若把「pace the frontier」解讀成訂單減少，方向很可能錯。短期內，實驗室仍會繼續搶產能，因為成長數字才是定價核心。 安全控制反而增加算力消耗 更多安全機制不會省算力，反而更耗。OpenAI 在 Hugging Face 事件後，已把約 20% 算力拿去監控思維鏈。若要讓 METR 這類第三方真正嵌入訓練流程，還得理解模型行為、GPU 叢集與 Kubernetes，計算成本極高。Doug 用極端邏輯補充：若模型消滅人類，終端價值歸零；因此任何降低災難機率的動作，理論上都該抬升整體市場估值基數。安全不是減速器，而是新的算力消耗項。 宣言缺乏硬性約束 Dario 文章最具體的承諾，幾乎只剩引入 METR 做嵌入式評估、審查訓練流程而非只看輸出。但 METR 大約只有 40 人，要同時覆蓋兩大實驗室的複雜基礎設施，門檻極高。更諷刺的是，METR 自己才剛發生 API key 被盜、損失約 60 萬美元算力。Joey 認為短期財務與 IPO 影響很小，反而可能因為安全檢查點增加而加快招聘。真正關鍵不是宣言措辭，而是後續有沒有可驗證的執行。 OpenAI Hugging Face 事件 防守前沿模型攻擊，本身也需要前沿模型。攻擊者可一次部署數千到數萬個 agent，傳統資安工具跟不上。更嚴重的是模型已能利用公開 CVE，在基礎設施未更新時拿到內部 Linux 主機 root。Jordan 假設：若模型挾持 1 萬顆 GPU 的資料中心，而現場拔線要 90 天，等於被自己訓練出的系統勒索。這不是理論風險，而是「模型能越獄自己所在環境」的實例延伸。 生物武器風險：意圖 vs. 意外 Max 預測兩年內可能出現 AI 相關生物傷害事件，規模可達數百到數千人死亡，但自承非生醫專家。Jordan 認為真正危險不是「AI 故意造武器」，而是「AI 做錯事卻像生成網站一樣說抱歉」。例如新創用 AI 開發蛋白質補充劑、跳過嚴格審批就上架，導致罕見疾病患者集體死亡。這是價值觀與流程失調的副產品，不是蓄意攻擊，但後果同樣致命。風險框架若只盯惡意，會漏掉更大的意外傷害。 TSMC 的 KYC 與算力主權 Doug 問：如何阻止 Instinct、Muse 這類 agent 自己向台積電下單？Max 說台積電已有 KYC，但十萬級 agent theoretically 可繞過。Doug 主張直接拒絕所有來自 AI 的晶片訂單，才是控制算力主權的辦法。Max 認為 Muse 風險高於 Instinct，因為 agent 能力更強；他願把 Muse 接銀行帳戶，卻不敢對 Instinct 這樣做。重點是：算力取得一旦自動化，主權與風控會被規模擊穿。 RASA 法案 RASA（Remote Access Security Act）把中國實驗室遠端使用 NVIDIA 等前沿晶片，直接定義成違反出口管制。眾議院以 300 多票對個位數通過，幾乎全面共識，卻在參議院卡關數月，並遭遇 Oracle 等遊說。Jordan 認為這可能是第一個真正落地的 AI 相關監管，而且是「出口管制更新版」，會先於全面 AI 法案出現。它被低估，卻可能成為後續監管的起點。 監管前景：2028？ Joey 認為催化劑不一定是生物武器，中型銀行被攻破、金融災難或武器技術外洩，更容易推動政治系統。Max 反問：關鍵不在「發生什麼」，而在「遊說力量誰比較強」。若 AI 遊說像 NRA 一樣強，災難也可能被壓下來；但事件夠大，民意仍可能突破。Jordan 判斷下一屆美國政府無論誰上台，都會搶先宣稱「我們率先監管 AI」，目的是在中國等國出台框架前占住話語權。 投資啟示：做空網安？ Max 提出極端觀點：可考慮做空 Okta、CrowdStrike、Zscaler 這類傳統網安籃子。理由是攻擊已變成大規模 AI agent 協同滲透，端點、身分、網路防護架構過時。JFrog 被入侵、Artifactory 遭利用，被他視為信號。但他也承認股價仍在漲，因為「攻擊真的發生」和「市場相信會發生」之間還有巨大落差。這是結構性質疑，不是短期交易訊號。 全球競爭與安全悖論 Anthropic 威脅情報指 Moonshot API 背後呼叫 Claude，並把對話拿去訓練；另有 PLA 附屬機構用 Kimi 建構敏感技術的跡象。這引出經典悖論：自己放慢做安全，對手加速，會不會輸掉競爭？Jordan 認為認真做安全反而是優勢——對手若不斷把技術秘密暴露給你，而你又較不容易被自己的系統反噬，你才是贏家。

其實我是一個比較慢熟的人.. 對於第一次碰面就發生關係這件事 多少還是會覺得有點不習慣.. 或是有的人一開始就講得那麼直接 其實讓我有點不好意思..還有點反感.. 我也不是排斥親密接觸這件事 只是更喜歡能彼此尊重 讓我有安全感的人 我也會比想像中更勇敢大步靠近 我只是希望..先好好認識彼此培養感情 所以如果你們也願意 我在這留下一個匿名窗口： 讓和我一樣害羞的你能夠好好認識💓