泡沫上升期，技术的内行，整天讲的是：我们技术多么牛逼，每句话都掺杂着各种英文字母缩写的新名词，以彰显自己的前卫，潜意识里坚定的认为资产价格上涨是新技术带来的。 但其实真正的关键，是后续是否还有新的规模越来越大的资金进入来接盘，新技术只是一个用来维系庞氏结构的道具而已。 当技术内行真诚的相信牛逼的技术自动等于高涨的价格后，价格下跌时他会真诚的认为便宜而去亲自接盘，一直接到自身资源耗尽，濒临破产为止。

泡沫经济背后的始作俑者到底是谁？你有没有想过这个问题？ 建议兄弟们花8分钟看完这个有趣的财经科普视频，看完你就能明白： 《金融自由化》才是所有泡沫经济的底层真相！ 视频用最简单的卡通比喻，拆解最残酷的金融规则。 曾经的金融绑定实体，踏实造血、稳步发展。 而金融自由化之后，彻底挣脱束缚、脱离实体经济。 不靠生产创造价值，只靠炒作、套利、资产包装收割财富， 层层抬价制造虚假繁荣，凭空吹出巨大泡沫。 击鼓传花的游戏里，机构有兜底，富人提前离场， 最后买单、背负债务、被悄悄收割的，永远是普通人。 看完瞬间通透，看懂当下经济与存钱贬值的底层原因👇

【泡沫警鐘】美銀調查顯示AI泡沫成首要尾部風險 美國銀行最新調查顯示，投資者將「AI泡沫」視為市場首要尾部風險，認為企業資本支出過高的比例創下紀錄。約30%受訪者警告，在AI領域的巨額投入可能成為引發信貸危機的導火線。資金正撤離科技股與美元，轉向防禦型板塊。

泡沫炸了 1 山寨暴跌，隐私币这个板块也炸裂了，现在倾巢之下了，不过毕竟纳斯达克都跌了这么多，也就无所谓了，大家一起喝西北风 图 1 是泡沫，图 2 是炸到了废水沟 2 十大金股净值继续在 1.06 附近，安全的很。恐慌指数短期拉了一个涨停板，虽然 ai 有泡沫，但是存储本身我觉得泡沫没有那么大了，核心是大模型本身就是“压缩即智能”，一个十几 g 的模型可以比你更聪明的去推理出来如何图生视频简直太梦幻了，自己还不如这十几 g 都信息更专业？不禁脊背发凉。 3 期权方面开始去找四月做一下反阶梯价差，这行情别赚 theta 了，蹲一波大反弹就行了，黄金吃肉，大饼总要喝汤 4最后关于大饼和野鸡山寨有个历史故事 楚庄王身边的俳优都穿金丝织成的衣服，戴青玉点缀的发冠，点缀水晶和金线织成的配饰。 孙叔敖见了以后对楚庄王说：“您身边的俳优衣着华贵胜过了您，这不是形成僭越了吗？” 楚庄王说：“俳优们没有别的本事，只能依靠华贵的衣着吸引我的视线。你不让他们穿华贵的衣服，他们还怎么吸引视线？吸引不来视线，他们还当什么俳优？我是堂堂的一国之君，难倒我需要像俳优一样，通过华贵的衣着来吸引视线吗？如果我沦落到和俳优比赛衣着华丽，那我还做什么君王呢

拥抱泡沫＝拥抱争议 投资 crypto 的黄金窗口，恰是它争议最大的那几年。 当它还被视为“投机工具”和“监管灰区”时，多数人看到的是风险，少数人看到的，却是一个尚未被主流定价的新网络。 类似的故事并不少见： ▌iPhone 刚问世时，许多人认为手机只能用于通信，小屏幕不可能取代 PC ▌电动车长期被质疑续航短、成本高、补能难，特斯拉也一度被视为资本游戏 争议越大，认知差往往越大。等共识形成、叙事被证明正确，不对称机会通常已经所剩无几。 1/ 下一场争议：机器人 如今分歧最大的行业之一，是具身智能/机器人。 看多者认为，它将引发下一场劳动力革命；看空者则认为，这只是靠 PPT 造富的工业版共享单车。 质疑并非毫无根据： 硬件和维护成本高 人形未必是最优工程方案 高质量真实数据极度稀缺 应用场景分散，付费意愿有限 这些问题都指向同一个核心：物理世界的摩擦。 语言模型可以从互联网学习文本和图像，机器人却必须学习如何行动。 它不只要认出一只杯子，还要判断从哪儿抓、用多大力、怎么避开障碍、如何稳稳放下。一旦抓空、打滑，或者物体位置和预期不符，它还得知道怎么纠错。 这类数据，比互联网上的文本稀缺太多了。 2/ 机器人缺的不是故事，而是数据 具身智能行业正卡在一个明显的矛盾里。 一边，硬件、传感器、算力和模型都在飞速进步； 另一边，能让机器人在真实世界中泛化的数据，依然昂贵、缓慢、稀缺。 传统的数据采集高度依赖封闭实验室：搭建场景 → 安排操作员 → 遥控真机 → 工程师清洗、标注、训练。 这套模式的问题一目了然： ▌速度慢、成本高 ▌场景覆盖有限 ▌难以处理真实世界的大量长尾情况 ▌数据供给很难跟上模型迭代速度 所以行业真正的瓶颈，也许从来不是能不能造出机器人，而是能否以足够低的成本、足够快的速度，持续生产出让机器人变聪明的数据？ 这正是 @axisrobotics 的切入点。 3/ Axis Robotics：不造机器人，生产机器人数据 Axis Robotics 没有把重点放在再造一台人形机器人，而是选择了产业链中更基础、也更难规模化的一层：机器人训练数据。 它的路径分三步。 第一步：用浏览器，把仿真数据做成规模生意 用户不需要任何硬件，打开浏览器就能远程操作一台仿真机械臂，完成拿杯子、分拣物品、打开抽屉等任务。 每一次操作都会留下一条完整轨迹——关节状态、物体位姿、控制动作、任务元数据等，可直接用于基础策略的预训练。 第二步：用人工纠错，采集高价值的后训练数据 当策略开始自主执行任务时，人类只需在一旁监督。模型一出错，操作员立刻接管、纠正，然后把控制权交还给模型。 第三步：用手机，补上真实世界的那一块 手机可以捕捉第一人称的空间与动作信息，把日常人类行为直接转化为机器人可学习的样本，填补仿真难以覆盖的真实分布。 后台会对轨迹做回放、验证与清洗，再通过 Isaac Sim 扩展为大规模、照片级、域随机化的训练样本，用于训练泛化能力更强的模仿学习策略。 4/ 结语 具身智能能否像市场期待的那样快速落地，仍是未知数。但有一件事正在变得越来越清晰： 如果物理 AI 真正进入现实世界，数据将是无法绕过的基础设施。 Axis Robotics 传送 -

金融泡沫上升期，实际上是整个体系内劣币驱逐良币的过程。就是说那些搞各种浮夸，甚至接近于欺诈的企业，都在上升期获得巨大奖励，以至于开始想老实做事的人，后来也被迫参与这些浮夸。最后大家全在浮夸。 在泡沫最高期，终于按耐不住去追高的人，好比良家人守身如玉多年，最后关头还是堕落风尘.