#GM# ➡️ 万向和 Hashkey 的行业地位是不可否认的，毕竟手里有一个加密市值第2的项目 @ethereum ，万向和Hashkey 是 $eth 最大的庄家之一。 当年万向跟 还是小V 的 Vitalik 签了一系列不平等条件。比如，早年小V必需参加万向的一些重大公开活动，不到一场罚款500W. 所以 小V 是不得不参加，不然一场亏500万亏不起。 ➡️ 除以太坊以外，从过往其他项目的表现来看，万向跟Hashkey 的项目们开盘都是直接往死里砸，砸到市场情绪崩溃了，才会开始慢慢收筹码。 至于拉盘与否，则不一定。 当年Gavin Wood 是在万向 Hashkey 及其他几个der 们忽悠之下，发了波卡 @Polkadot $DOT 。 至于 $LAT ，早年万向跟分布式联合投了1亿多 @PlatON_Network 背后的 #矩阵元 # 这么多年历来是这样的风格，百科看了很多年了。 ➡️ 当然，这里面不得不提一下万向给小V 派过去的生活小秘书，贴心御姐 姜英英（图2左1） 可以这么说，如果没有贴心御姐姜英英当年全方位的照顾，可能就没有现如今的 V 神 和 $ETH 而姜英英，则成了吃到 $ETH 和 小V 全部高光红利的币圈真正一姐  。 除万向以外，最大的赢家就是姜英英。     @HashKeyGroup @WXblockchain @VitalikButerin @gavofyork @SunLilin @sukie234 @HashNewsHK @Meta8Mate @Trader_S18 @Xtormfrog @BBJieRan @DeFi8362 @giantcutie666 @shabi2026 @Zh_Crypto517 @Bqlsj2023 @Jhy256 @yanbojack @sanyuanVC @off_thetarget @linwanwan823 @TingHu888 @samsir1997 @superbili @chaozuoye @0xZiye @sleepy0x13 @cryptobraveHQ @_FORAB @nft_hu @Xiaoniu6161 #hashkey# #万向# #鲁伟鼎# #肖风# #V神# #姜英英#

说到“词元”的来历，最关键的是理解 Transformer 模型。Transformer 模型本质上是一种用于描述概率转移的数学结构。 什么是概率转移？ 简单来说，就是我们在输入上一个字并预测下一个字时，它们之间存在着特定的概率关系。例如，“父”字后面接“亲”、“母”或“兄”的概率非常高，但如果接“鱼”、“猫”、“狗”，概率就会变得极低。我们可以通过这种概率转移机制来模拟人类语言。不过，单纯依靠低阶的概率转移很难得到有意义的结果。只有当我们把人类所有有价值的语言作为上下文背景，进行概率统计计算并构建起高维矩阵模型，再结合多头注意力机制（Multi-Head Attention）去捕获长距离的上下文依赖时，模型才能够输出逻辑连贯、甚至富有智慧的内容。 在这一计算过程中，我们把高维连续向量空间与离散输入输出序列之间的最小离散映射单位，定义为一个 Token。 由于 Transformer 模型不光是可以用来描述语言，所有的离散化之后的以一定概率进行转移的模型都可以进行描述。比如说，我们把图像分成一系列的色块，这些色块之间有意义的转移就会构成特定的图像，这个也是 Transformer，再比如说，我们还可以用 Transformer 来描述机器人的一系列动作，一系列的空间映射关节的活动。 一句话，Token 绝不仅仅是用来描述语言的。 以具身智能模型为例，其动作空间同样被进行了离散化处理。当我们控制机器人去完成“拿起一支笔”或“拿起一个茶杯”的动作时，并不需要过度纠结中间每一个微观动作过渡得有多么精确，只要这一连串动作序列整体执行完毕并达成目标即可，这样反而能让机器人的控制更具灵活性。这和我们表达同样的意思可以用不同的语句是一个道理。 如果在这些非语言场景中，如果我们依然把 Transformer 处理的各类基本单元都统称为“词元”，在语义上就会产生明显的概念错配，这是完全没有必要的。 在纯文本的自然语言处理中，用“词元”来表达 Token 或许尚可接受；但一旦延伸到多模态和具身智能领域，这种说法就不再适用了。事实上，在通用人工智能（AGI）时代，“词元”这种译法很快就会被淘汰。在这种情况下，如果硬要把一个单纯的术语翻译问题与所谓的“科技话语权”强行联系起来，是会出大问题的。 通过行政命令，让所有的科技工作者，用一种不恰当的说法来进行特定的科技概念的描述。这是一种经不起历史检验的语言污染。最终会损害喜好这样的一些什么搞科技话语权的这样一些人物的历史名声。

Bernstein昨天给海光信息的目标价从280元上调至450元，核心逻辑是Agentic AI正在颠覆过去四年"GPU独占AI capex"的格局，CPU的角色从配角回到主角。全球服务器CPU TAM从2025年的390亿美金膨胀到2030年的2230亿美金，六倍。海光作为全球唯一Intel/AMD之外的x86服务器CPU供应商，是这个结构性转向里最直接的中国受益标的。 先看Agentic AI为什么对CPU需求完全不同于传统LLM。LLM时代的工作负载映射在大规模并行矩阵运算上，GPU天然契合，CSP训练集群的GPU:CPU比从2020年的3:1一路拉到2024年的8:1。但Agentic AI的计算结构完全不一样。Agent编排、工具调用、上下文窗口管理、多Agent协调、人机交互回路，这些全是通用顺序处理，要求低时延和高内存带宽，都是CPU的活。GPU的工作退缩到token生成本身，其余一切回归CPU。Bernstein给出的数据是GPU:CPU比到2030年反转到2:1，CPU在推理集群AI capex中的占比从14%升至50%。 AMD自己在2025年11月分析师日给的CPU TAM预期是600亿美金，半年后2026年Q1财报电话会翻倍到1200亿。Intel连此前减值报废的库存芯片都能卖掉，客户抢着要。供需紧张程度可见一斑。 中国的x86服务器CPU TAM从2025年的70亿美金到2030年的270亿美金，但增长节奏分两个阶段。2025到2028年CAGR约31%，低于全球的35%，原因是双重供给约束。一方面AMD和Intel的产能被美国超大规模客户优先吸收，分配给中国的份额在缩减。另一方面SMIC先进制程产能有限，既限制了国产AI加速卡的放量（AI加速卡供应不足直接压制CPU的配套需求），也限制了海光自身的晶圆分配。2028年之后这两个约束同时松动。SMIC及其他国内代工厂的先进节点产能规模化释放，国产AI芯片供应上量带动服务器整体部署加速，叠加地方政府主导的AIDC投资追赶，中国CPU市场CAGR升至36%，开始跑赢全球。 海光的技术代际演进值得细看。2016年通过AMD Zen1授权起步，2019年被列入实体清单后失去AMD后续技术支持，但Zen1的IP授权本身不可被追溯撤销。从Gen2到G4，海光在14nm（后转SMIC N+1/10nm等效）的制程约束下，通过架构、内存子系统和I/O的自主改进，每代实现30-50%的性能提升。G4已经做到64核、DDR5、PCIe5.0，SPEC2017 int-rate得分大约1000，对标Intel Xeon四代/五代（2022-2023年产品）和AMD Zen3（2021年产品），技术差距稳定在2-3年。一个有意思的侧面验证是今年曝出的StackWarp硬件漏洞影响了多代AMD Zen处理器，海光完全不受影响，原因是其安全架构已经从AMD的SEV-SNP替换为自研的CSV3。这说明微架构层面的分叉是真实的，不是换皮。 G5是整个增长逻辑的承重点。128核、512线程（SMT4）、16通道DDR5、CXL2.0，全自研微架构，预计在SMIC N+2（7nm等效）上制造。Bernstein估计SPEC2017 int-rate得分能到2000以上，而Intel Granite Rapids（128 P核，2024年9月上市）得分2440，AMD Zen5（2024年）得分2089。如果G5按计划出来，海光跟全球最新产品的差距就从现在的"差两代"缩小到"差一代"。 128核的可行性不依赖制程突破，依赖chiplet封装。不上单片128核的巨型die（良率会崩），而是把多个较小的compute chiplet拼在一起，这是AMD EPYC从Zen2开始用的路线。在SMIC 7nm等效节点上做较小面积的计算die，良率可控，总核心数取决于封装多少块die。IPC的+17%提升来自从Gen2到G4积累的四代全流程设计经验加上国产EDA工具在7nm数字逻辑综合上的成熟。16通道DDR5则依赖长鑫存储的DDR5产能扩张和澜起科技的CXL控制器IP。三个条件中，SMIC的7nm产能分配是最硬的瓶颈。 海光G5真正差异化的点在SMT4。512线程/每socket，这在当前所有服务器CPU里是最高水平。AMD和Intel的主流产品是SMT2。SMT4在什么场景有优势？多租户推理服务（逻辑CPU密度翻倍，单位推理请求成本下降）、Agentic AI的编排层（大量I/O-bound和memory-bound的轻量线程）、以及内存受限的LLM推理（线程在等KV-cache数据时其他线程能利用执行单元）。这恰好是中国市场未来最大的增量场景。中国在推理侧有结构性优势，电力成本低加上DeepSeek等厂商展示的LLM推理优化能力，意味着同样算力下token产出更高。如果中国数据中心的CPU:GPU配比因此高于美国，那CPU需求的上行空间比Bernstein的base case还要大。 Bernstein给海光的市占率预测是按价值从2025年的19%到2030年的36%，按出货量接近50%（因ASP低于Intel/AMD）。逻辑分两步。第一步是信创存量需求的持续消化，这是政策驱动的底仓，不依赖性能绝对值。第二步是2027年之后CSP的商业化采购启动，这才是增量的大头。CSP客群到2030年会占中国x86服务器部署的约75%。海光在这个市场从目前的中个位数渗透率做到20%，需要G5的性能足够用，同时AMD/Intel的供应持续偏紧。海光还有一个独特杠杆，CPU+DCU（AI加速卡）的全栈捆绑。在国产AI芯片供应紧张期，海光可以用DCU的分配权换CPU的采购量，反之亦然。除华为外没有第二家能这么做。 整套逻辑成立与否，供给侧取决于SMIC先进节点的产能爬坡能不能支撑G5持续放量，需求侧取决于CSP客户的实测验收。G5在6月已确认量产出货，配套服务器从风冷双路到浸没式液冷（单组80,000+核心）都有了，但目前没有任何独立的SPEC跑分公开数据。2000分是Bernstein的估算，不是实测。CSP大规模采购需要POC验证周期，从送样到资质认证到批量上架通常两到三个季度。看看下半年是否有头部CSP的集采订单落地。

很多人看AI生成的视频 觉得画质好就是"效果不错" 阿里DAMO院做了一件事： 专门去测这些视频里的物理定律有没有被遵守 水往上流吗？物体穿墙了吗？ 光照方向前后帧一致吗？ 你说"向左转"，它真的转了吗？ 这就是WorldOlympiad干的事—— 把视频世界模型扔进三项全能测试： 物理合理性、3D几何一致性、指令跟随 1000条长视频，全自动打分 Cosmos、混元、矩阵游戏这些顶级视频模型都跑进去测过了 代码全开源，arXiv也有论文 👉 你觉得现在最好的AI视频模型，能不能通过物理常识测试？ #AI视频# #世界模型# #开源评测#

【京东方A(000725)】 • 研报数量：1家机构 • 评级机构：中邮证券有限责任公司 • 一致预期目标价：（目标价数据未公开披露） • 今年EPS预测：0.22元 | 明年EPS预测：0.32元 • 预测PE(今年)：25倍 | 预测PE(明年)：17倍 • 提高预期逻辑理由： 中邮证券：「1+4+N+生态链」战略发展 ━━━━━ 二、近期三日一致预期提高最多的三家个股 【天通股份(600330)】 • 评级机构：中航证券有限公司 • 当前评级：买入 | 上次评级：买入（维持） • 一致预期目标价：（目标价数据未公开披露） • 预测PE(今年)：504倍 • 提高预期逻辑理由： 聚焦电子材料主业，铌酸锂抢占光通信先机，受益于AI算力需求爆发 【中兵红箭(000519)】 • 评级机构：中航证券有限公司 • 当前评级：买入（首次覆盖） • 预测PE(今年)：数据未披露 • 提高预期逻辑理由： 2025年年报及2026年一季报点评——营收规模跃上新台阶，特种装备产能与交付能力增强 【京东方A(000725)】 • 评级机构：中邮证券有限责任公司 • 当前评级：买入（首次覆盖） • 一致预期目标价：（目标价数据未公开披露） • 预测PE(今年)：25倍 | 预测PE(明年)：17倍 • 提高预期逻辑理由： 「1+4+N+生态链」战略发展，显示业务多点开花 ━━━━━ 三、近期三日机构首次评级买入的个股 【华策影视(300133)】 评级：买入 | 机构：中邮证券 | 日期：2026-06-08 • 逻辑：内容主业储备丰富，看好算力业务持续业绩兑现 【新雷能(300593)】 评级：买入 | 机构：中邮证券 | 日期：2026-06-08 • 逻辑：算力电源产业化提速 【恺英网络(002517)】 评级：买入 | 机构：中邮证券 | 日期：2026-06-08 • 逻辑：业绩稳健增长，传奇盒子打造第二增长曲线 【渝农商行(601077)】 评级：买入 | 机构：开源证券 | 日期：2026-06-08 • 逻辑：公司首次覆盖报告——高股息筑底、量增价稳释放业绩弹性 【莱特光电(688150)】 评级：买入 | 机构：中银国际 | 日期：2026-06-08 • 逻辑：OLED材料持续放量，各项新业务有序布局 【妙可蓝多(600882)】 评级：买入 | 机构：中邮证券 | 日期：2026-06-08 • 逻辑：产品矩阵全面升级，B端+C端双轮驱动 【安井食品(603345)】 评级：买入 | 机构：山西证券 | 日期：2026-06-08 • 逻辑：反转加速，业绩超预期，经营拐点确立 【行动教育(605098)】 评级：买入 | 机构：东吴证券 | 日期：2026-06-08 • 逻辑：发布股权激励，彰显增长信心 【和林微纳(688661)】 评级：买入 | 机构：东吴证券 | 日期：2026-06-08 • 逻辑：背靠算力头部客户，半导体测试业务打开成长空间 【长盈精密(300115)】 评级：买入 | 机构：华鑫证券 | 日期：2026-06-07 • 逻辑：公司动态研究报告——精密制造全球龙头，全面拥抱新兴产业 【石英股份(603688)】 评级：买入 | 机构：国金证券 | 日期：2026-06-07 • 逻辑：锚定半导体材料、光纤材料快车道 【强一股份(688809)】 评级：买入 | 机构：东吴证券 | 日期：2026-06-07 • 逻辑：国产晶圆测试探针卡稀缺龙头，高端化与国产替代共振打开成长空间 【蓝思科技(300433)】 评级：买入 | 机构：中邮证券 | 日期：2026-06-07 • 逻辑：开启「全域智造」新纪元 【兴蓉环境(000598)】 评级：买入 | 机构：华源证券 | 日期：2026-06-07 • 逻辑：成都优质水务固废资产，经营质量持续提升 【天通股份(600330)】 评级：买入 | 机构：中航证券 | 日期：2026-06-06 • 逻辑：聚焦电子材料主业，铌酸锂抢占光通信先机 【天华新能(300390)】 评级：买入 | 机构：华源证券 | 日期：2026-06-06 • 逻辑：氢氧化锂龙头，深度绑定大客户，锂资源加速布局 【东鹏饮料(605499)】 评级：买入 | 机构：中邮证券 | 日期：2026-06-06 • 逻辑：补水啦战略升级，回购彰显公司信心 【京东方A(000725)】 评级：买入 | 机构：中邮证券 | 日期：2026-06-06 • 逻辑：「1+4+N+生态链」战略发展 【菲沃泰(688371)】 评级：买入 | 机构：中邮证券 | 日期：2026-06-06 • 逻辑：以纳米「膜」力赋能AI时代 【协鑫能科(002015)】 评级：买入 | 机构：中航证券 | 日期：2026-06-05 • 逻辑：扣非稳增验证经营韧性，能源服务驱动增长提速 【潞安环能(601699)】 评级：买入 | 机构：开源证券 | 日期：2026-06-05 • 逻辑：公司深度报告——山西喷吹煤龙头，周期上行业绩弹性领跑 【中兵红箭(000519)】 评级：买入 | 机构：中航证券 | 日期：2026-06-05 • 逻辑：2025年年报及2026年一季报点评——营收规模跃上新台阶 （注：近期三日共27只个股获得机构首次买入评级，以上为部分重点标的） ━━━━━━━━━━━━━ ⭐️⭐️⭐️ 文章所载内容信息参考，不构成任何投资建议或操作指南。信息基于公开公告整理和量化数据机器学习计算，文章信息与数据的真实性、完整性、有效性不承担任何责任。历史数据不代表未来、案例分析不代表收益承诺。投资者据此操作，风险自担。投资有风险，入市需谨慎。 ━━━━━━━━━━━━━

赚钱的10个层次，看看你在第几层？ 第一层：体力劳动 - 核心特征：用时间+体力换取收入。 - 典型职业：外卖员、快递员、建筑工人、保洁员、服务员。 - 关键点：门槛低、收入上限低、可替代性强。 - 收入范围：月薪3000-8000元(一线城市可能更高)。 - 时间投入：每天10-12小时，几乎无休息日。 - 风险：低(收入稳定)，但身体损耗高。 - 能力需求：体力、简单技能(如驾驶)、重复劳动耐力。 - 适合的人：学历低、缺乏技能积累、短期急需用钱者。 - 瓶颈：收入上限=时间总量×时薪，无法突破“时间枷锁”。 - 进阶策略：节省时间学技能：利用业余时间学习(如编程、设计、电工)；兼职过渡：体力工作+轻技能兼职(如代驾、安装维修)；借力工具：用工具提升效率(如外卖员优化接单路线)。 第二层：技能变现 - 核心特征：用专业知识/技术换取溢价，收入与技能稀缺性相关。 - 典型职业：程序员、设计师、律师、会计师、摄影师等。 - 收入范围：月薪8000-5万元(自由职业者可能更高)。 - 时间投入：每天8-10小时，需持续学习保持竞争力。 - 风险：中等(技能过时风险，如传统行业技术员)。 - 能力需求：专业认证、持续学习、客户管理能力。 - 适合的人：有学历或技能证书、依赖个人能力而非团队。 - 瓶颈：收入=技能单价×时间，上限明显(如律师接案量有限)。 - 进阶策略：提升技能溢价：专攻细分领域；时间杠杆化：录课程、写专业文章、做咨询模板(边际成本递减)；转管理/合伙人：从执行者升级为团队管理者(如设计师→设计总监)。 第三层：时间杠杆 - 核心特征：一份时间多次收入，突破线性增长。 - 典型职业：知识付费(课程/电子书)、自媒体广告、软件订阅等。 - 关键点：突破单一时薪限制，边际成本递减。 - 收入范围：月入1万-50万元(取决于流量和产品化能力)。 - 时间投入：前期投入高(创作/引流)，后期维护成本低。 - 风险：中等偏高(内容过时、平台规则变化)。 - 能力需求：内容创作、流量获取、产品设计能力。 - 适合的人：某领域KOL、有独特知识/经验的创作者。 - 瓶颈：需持续产出内容，个人IP依赖性强。 - 进阶策略：矩阵化运营：多平台分发，降低单一渠道风险；团队化：雇佣助手处理重复工作(如剪辑)；转被动收入：将内容沉淀为标准化产品。 第四层：信息差套利 - 核心特征：利用信息不对称赚取差价，短期暴利机会多。 - 典型模式：跨境贸易(区域价差)、二手奢侈品倒卖、抢注域名、代运营服务等。 - 关键点：需敏锐的市场洞察力和资源整合能力。 - 收入范围：单笔利润几百-几十万，波动性大。 - 时间投入：灵活，但需大量时间寻找信息源。 - 风险：高(信息差消失快，法律风险如灰产)。 - 能力需求：信息敏感度、快速执行、风险判断力。 - 适合的人：商业嗅觉敏锐、人脉资源丰富者。 - 瓶颈：不可持续，需不断寻找新信息差。 - 进阶策略：建立信息网络：加入高端圈子、行业数据库订阅；合规化转型：将短期套利转为长期服务；资源沉淀：积累上下游渠道，转型资源整合者(第五层)。 第五层：资源整合 - 核心特征：连接供需双方，掌握资源分配权，赚取“连接价值”。 - 典型模式：房产中介平台、MCN机构、供应链服务商、会展公司。 - 收入范围：年利润50万-千万级别(取决于资源规模)。 - 时间投入：前期搭建资源网络耗时，后期运营较轻。 - 风险：中高(依赖资源稳定性，如关键客户流失)。 - 能力需求：人脉拓展、谈判能力、系统化运营。 - 适合的人：行业资深人士、跨界资源链接者。 - 瓶颈：资源有限性，需持续拓展新领域。 - 进阶策略：数字化工具：用CRM系统管理资源，提升效率；资本介入：引入投资扩大资源网络(如并购小平台)；制定规则：从连接者升级为规则制定者(如行业协会发起人)。 第六层：创业系统化 - 核心特征：建立可复制、可扩展的商业系统，脱离对个人能力的依赖。 - 典型模式：连锁加盟(肯德基、蜜雪冰城)、标准化服务企业、SaaS平台等。 - 收入范围：年利润100万-5k万元(取决于规模和行业)。 - 时间投入：前期3-5年搭建系统(选址、流程、团队)，后期依赖系统运转。 - 风险：高(市场竞争、管理失控、现金流断裂)。 - 能力需求：商业模式设计、团队管理、标准化流程制定。 - 适合的人：连续创业者、擅长从0到1搭建体系者。 - 瓶颈：管理成本随规模上升(如门店越多，品控越难)；行业限制(如区域型连锁难全国化)。 - 进阶策略：流程数字化：用ERP系统替代人工管理；轻资产化：从直营转加盟(输出品牌和管理，降低资金压力)；资本化：引入风投加速扩张。 第七层：资本增值 - 核心特征：通过资本配置获取复利收益，钱成为“员工”。 - 典型模式：股票、房产投资、私募股权、债券/信托。 - 收入范围：年收益50万-上亿元(本金越大，收益潜力越高)。 - 时间投入：研究决策期密集投入，持有期时间自由。 - 风险：中高风险(市场波动、政策变化)；低流动性风险。 - 能力需求：宏观经济分析、行业研究、风险对冲(如期权套保)。 - 适合的人：有原始积累的创业者、金融从业者、富二代。 - 瓶颈：本金规模限制；认知不足导致的亏损(如跟风炒股被套)。 - 进阶策略：分散配置：股+债+房产+黄金的多元组合(降低黑天鹅风险)；长期主义：专注价值投资；杠杆谨慎化：低息贷款放大收益。 第八层：杠杆放大 - 核心特征：通过金融杠杆、流量杠杆或品牌杠杆，几何级放大收益。 - 典型模式：资本杠杆：私募基金等；流量杠杆(头部IP等)；品牌杠杆。 - 收入范围：年收益千万-数十亿元。 - 时间投入：杠杆搭建期耗时(如融资、IP孵化)，后期收益爆发。 - 风险：极高(杠杆断裂可能导致崩盘)。 - 能力需求：资源整合、趋势预判、危机处理。 - 适合的人：资本操盘手、顶流IP、垄断行业掌控者。 - 瓶颈：政策监管；杠杆依赖症(失去杠杆后收益暴跌)。 - 进阶策略：对冲风险：杠杆收益部分用于买保险或低风险资产；虚实结合：杠杆+实体支撑；退出时机：泡沫期套现。 第九层：品牌溢价 - 核心特征：通过品牌心智占领获得超额利润，用户愿为“信仰”付费。 - 典型模式：奢侈品；个人IP；文化品牌。 - 收入范围：年利润亿级-百亿级。 - 时间投入：品牌建设需长时间沉淀，爆发后边际成本极低。 - 风险：长期低风险(品牌护城河深)，但短期有舆论风险(如明星人设崩塌)。 - 能力需求：品牌叙事、文化符号塑造、用户心智管理。 - 适合的人：百年企业、现象级IP创始人、文化符号缔造者。 - 瓶颈：品牌老化；跨界失败。 - 进阶策略：故事升级：从产品功能转向情感价值；跨界联名：如茅台冰淇淋(触达新人群)；传承机制：家族信托+职业经理人(避免后代毁品牌)。 第十层：生态布局 - 核心特征：掌控行业全链条，制定规则者通吃。 - 典型模式：互联网巨头：腾讯(社交+游戏+支付+云)、阿里(电商+金融+物流+云)；产业寡头：台积电(掌控芯片制造关键环节)；国家资本：主权财富基金(如沙特阿美掌控石油定价权)。 - 收入范围：年利润百亿-万亿级。 - 时间投入：生态搭建需10年以上，依赖长期战略定力。 - 风险：系统性风险(如行业颠覆性技术出现)；政治风险(如跨国企业遭遇制裁)。 - 能力需求：顶层架构设计、政策游说、全球化资源调度。 - 适合的人：国家支柱企业、跨国财团、垄断性科技巨头。 - 瓶颈：反垄断拆分；创新者窘境。 - 进阶策略：技术卡位：掌控行业标准(如华为5G专利)；生态投资：通过投资而非自建覆盖上下游；公共价值：绑定社会利益。 所以，你在第几层了呢？

先知用DappOS的 X Bubble不到7分钟就Vibe Coding了一个万能视频下载网站，太牛了！ 最近一直刷YouTube和X，看到好多精彩的视频内容想下载下来保存或二次创作，但要么需要开会员要么提示「该地区无权下载」 先知因为之前作图一直用X Bubble，这次也是灵机一动，直接打开@dappOS_com 的XBubble输入口令： 帮我创建一个能解析YouTube、Instagram、Twitter、Threads等主流平台视频的免费下载网站。 就这一句话的口令需求，X Bubble不到7分钟就自动执行并生成了一个完整的、可直接上线的网站！而且效果太让人满意了，先知直接把生成的操作流程发上来给兄弟们看！ 功能也是该有的都有，还超出我的预期： 1.全平台智能识别：粘贴任意链接，自动判断来源平台 2.一键粘贴解析：输入框支持URL智能识别，复制链接后自动嗅探 3.清晰度与格式自由选择：从720p到4K，MP4、WebM、音频提取，全部可视化勾选 真的是太震撼了，而X Bubble还不仅于此，更是是把「一人公司」（OPC-One Person Company）从概念变成了人人可用的现实。 ➣什么是OPC经济？ OPC就是一人公司，一个人一个脑子一台电脑啥都能干，之前这事儿只存在于Twitter上那些硅谷数字游民的励志帖子里，普通人听听就好。但X Bubble把这扇门直接踹开了。 X Bubble的核心亮点是端到端的业务服务，从代码生成、服务器部署、域名绑定，到稳定币支付结算、多平台矩阵宣发、3D渲染图和广告片批量产出，整条商业链路全部由内置的成熟SOP一键跑通。 ➣说句大白话你什么都不用懂，只需要说你要啥，剩下的全归它了。 这才是为OPC量身定制的商业基础设施，人人都能变现，最重要的是这玩意实在， 比如宠物群群主想变现，做一个「猫咪表情包生成器+宠物寄养需求匹配」的小工具，卖29.9元的会员订阅。用X Bubble打开对话框说清楚你要什么，一个带支付的网站就出来了，你当天就能往社群里丢网站链接收钱。 再比如你是个知识付费创作者，想把自己整理的行业资料做成带搜索和付费下载功能的微型网站，挂9.9元解锁全部资源。X Bubble也能自动搞定一切 所以这个时代下没有穷人只有懒人，只要你有点子，@dappOS_com 和 @xBubble_ai 就可以帮咱们把点子变成钞票。 当然，没有一套固定SOP能让你躺赚一辈子。平台风控在变，用户需求在变，玩法在变。 所以X Bubble提供了双轨机制：既有成熟标品SOP直接拿来用，又有Bubble Engine持续生成全新的专用SOP应对新场景。你永远比别人快半步。 这就是X Bubble重新定义「超级个体」的方式 它让超级个体的门槛降到了三个字：有想法 兄弟们，何不现在尝试起来！

李湘，赵薇，黄有龙，一条跨境黑金链的瓦解！ 源自 最后的稻草 新锐消息        2025年11月12日晚，一架民航客机降落在南京禄口国际机场。舱门打开后，一名戴着手铐、神情萎靡的男子被法警押下舷梯——他就是长期盘踞在缅甸妙瓦底、操控“亚太新城”电诈园区的主犯佘智江。这一天，不仅标志着一个涉案金额超千亿元人民币的跨境犯罪帝国正式崩塌，也揭开了另一张隐秘网络的冰山一角：这张网，由血缘、资本、身份与信任编织而成，牵涉赵薇、黄有龙、李湘等公众人物，其运作之精密、链条之完整，令人震惊。 同根同源：邵东表兄弟的“草莽起点”      根据《中国经营报》2025年的实地探访，佘智江的母亲与黄有龙的母亲是亲姐妹，两人均出生于湖南邵东县佘田桥镇，老家相距仅500米。他们都曾在当地中学就读，却均在初二辍学，早早踏入社会。上世纪90年代末，二人曾一同混迹于邵东县城的灰色地带，甚至拜入当地“大哥”赵士合门下。1996年赵士合因命案被枪决后，两兄弟仓皇逃离，人生轨迹由此分岔：黄有龙南下深圳，后辗转澳门、新加坡；佘智江则随父母迁居广西，后赴东南亚谋生。      转折点出现在2005年。据多方信源交叉印证，黄有龙当时已初具资本实力，向表弟佘智江提供了赴菲律宾发展的启动资金。正是这笔钱，成为佘智江涉足网络赌博、继而构建电诈帝国的第一块砖。明星光环下的“洗钱通道”      2009年，黄有龙与赵薇结婚，这段“影后嫁富豪”的婚姻一度被视为娱乐圈佳话。然而回看资金流向，这场联姻更像是为黑金洗白量身定制的“信用背书”。       警方调查发现，自2010年起，黄有龙名下突然冒出23家注册于英属维尔京群岛、开曼群岛等地的离岸公司。这些公司无实际业务、无员工、无办公场所，唯一功能是承接来自东南亚的非法资金。赃款经由地下钱庄流入香港，再通过离岸架构层层转移，最终以“投资收益”“艺术品收藏”“红酒品牌运营”等形式，注入赵薇名下资产。       赵薇名下的3.5亿港币半山豪宅、400万欧元波尔多酒庄、毕加索画作等，表面光鲜，实则成为黑钱的“安全容器”。更关键的是，这些资产均登记在赵薇个人名下，与黄有龙形成法律上的风险隔离——一旦出事，可声称“不知情”或“个人收入”。而在这条链条中，李湘的角色远非“旁观者”，而是深度嵌入的关键节点。李湘：从“综艺女王”到“洗钱白手套”      李湘与赵薇的关系远不止于“娱乐圈好友”。据多位湖南广电旧人透露，两人自2000年代中期便因共同投资影视项目建立联系。2010年前后，赵薇与黄有龙开始布局文化产业时，李湘多次以“顾问”身份参与其早期资本运作会议。2013年赵薇高调收购万家文化期间，李湘曾通过其控制的“北京快乐星文化传播有限公司”为赵薇团队提供媒体资源对接服务。        更关键的是，李湘与黄有龙存在间接股权交集。2015年，李湘与王岳伦共同设立“芒果互娱基金”（未备案私募），该基金曾短暂持有某香港SPV公司10%股权，而该公司另一股东正是黄有龙控制的BVI公司“Dragon Sky Holdings Ltd.”。尽管该结构在2016年即被拆除，但显示出三方在资本层面早有协同。异常消费与资金缺口     自2014年起，李湘年均个人购汇额度稳定在35万美元（中国公民年度上限），但其实际海外支出远超此数：奢侈品采购：2018–2023年间，李湘及其女儿王诗龄在巴黎、伦敦、米兰等地年均消费超800万元；教育支出：王诗龄就读英国伯奈德女校期间，年均花费约70万英镑（约合600万人民币）；艺术品交易：2021年王诗龄一幅水彩作品以98万元售出，买家为开曼“Art Horizon Fund”；2024年《桃子》画作再以145万元成交——这些买家均与佘智江关联账户存在资金往来。    这些大额支出从未通过李湘本人银行账户直接支付，而是由多家离岸公司、第三方代持人或“朋友”垫付，形成典型的“对敲洗钱”路径。空壳公司矩阵：快设快撤的洗钱工具截至2025年底，李湘名下曾关联企业共21家，其中15家已注销，注销率高达71.4%。 典型如：“芒果创展”（深圳）：2025年8月注册，11月注销，注册资本500万元，无社保、无纳税记录；“湘雅品牌管理”（上海）：曾接收一笔来自新加坡“Golden Maple Ltd.”的200万美元转账，后者与黄有龙关联；“尽开颜影视”（湖南）：2025年8月成立，持股99%，却无任何影视备案或拍摄记录。      这些公司普遍呈现“快设快撤、无实缴、无员工、大额跨境流水”特征，符合地下钱庄常用的“壳公司洗钱工具”模型。直播带货：掩护性现金流？      2020–2023年，李湘高调进军直播电商，宣称“年带货15亿”。但多方核查显示，其直播间退货率长期高于60%，多个合作品牌被曝刷单造假。业内分析认为，直播对李湘而言，主要功能并非盈利，而是制造“合法经营流水”，用于解释其账户中频繁出现的大额进账。引渡风暴：多米诺骨牌接连倒下      2022年8月，佘智江在泰国曼谷被捕。此后三年，他通过律师团队极力阻挠引渡，但中泰执法合作持续推进。2025年10月，泰国上诉法院裁定同意引渡；11月10日，最高检察院正式批准；11月12日，佘智江被押解回国，由江苏镇江公安局执行逮捕。 引渡当日，风暴骤起：赵薇：名下“龙薇传媒”等3家公司股权被冻结，总额1590万元。这是自2019年被封杀以来首次大规模资产冻结，且直接指向其与黄有龙共同持股的实体。黄有龙：11月中旬，其在新加坡的两处豪宅紧急挂牌，售价低于市价20%；控制的多家离岸公司开始注销，涉及资金超5亿元。12月，其香港银行账户被冻结，金额约2亿；2026年1月12日，被限制出境，新加坡籍身份未获豁免。 李湘：11月16日，“芒果创展”突告注销（注册仅3个月）；12月初停止所有直播；12月20日起，微博出现“禁止关注”提示，抖音搜索消失；2026年1月10日，全平台账号被封禁；1月18日，英国冻结其伦敦公寓按揭账户，开曼基金被划走3000万美元。与此同时，赵薇的商业版图彻底停摆：12月10日，其“普林赛斯文化传播”被列为经营异常；12月30日，个人红酒直播被秒封；累计股权冻结超1850万元，担保方直指黄有龙实控企业。 清算逻辑：为何李湘成为重点对象？据接近办案机关人士透露，李湘之所以被列为重点对象，原因有三：资金链高度重合：其接收资金的离岸账户，与佘智江电诈集团用于洗钱的“湖南—香港—东南亚”通道完全一致；“白手套”角色典型：年消费三五千万，体量适中，不易触发反洗钱预警，却能有效消化黑金；社会影响力大：作为前主流媒体主持人，其行为具有示范效应，若不处理，将严重损害公众对金融秩序的信任。佘智江电诈集团非法获利超千亿元，需要大量“白手套”分散资金。李湘年消费三四千万、赵薇资本运作十来个亿，在地下钱庄眼中，恰是“安全小额”，完美适配对敲模式。 清算时刻：没有“法外之地”        佘智江的落网，不仅是对一个电诈头目的惩处，更是对整条“黑金—白手套”链条的系统性清算。这条链的核心逻辑在于：利用公众人物的社会信用，将非法所得包装为“合法财富”，并通过离岸架构、空壳公司、艺术品交易等手段规避监管。     然而，随着中国跨境执法能力提升、国际司法协作深化（如中泰引渡条约落实），以及金融监管对“异常消费”“高频注销”“离岸穿透”等行为的敏感度提高，这种“丝滑”的洗钱模式已难以为继。      正如一位办案人员所言：“他们以为换了国籍、藏了资产、切割了关系，就能全身而退。但他们忘了，钱的源头是血，而血债，终要偿还。”      从邵东小镇的辍学少年，到妙瓦底的“土皇帝”；从资本市场“女版巴菲特”，到全网封禁的“污点艺人”；从综艺女王到海外账户被冻——这场始于亲情、成于贪婪、终于法律的崩塌，揭示了一个残酷现实：在法治日益严密的时代，任何试图以“身份”“名气”“国籍”为盾牌的罪恶，终将无处遁形。李湘至今未发一言。但沉默无法掩盖资金流向的铁证，也无法阻挡司法程序的推进。苍天或许沉默，但从不缺席

Justin Skycak 数学教学思想深度研究报告 Justin Skycak 数学教学思想深度研究报告 认知科学基础、Math Academy 工程实现及可操作教学框架 摘要 Justin Skycak 的数学教学思想可以概括为一套以长期记忆、前置知识和任务选择为核心的教学系统： 建立细粒度知识依赖关系，诊断学生当前状态，提供最少必要讲解，让学生立即独立解题，再通过反馈、间隔提取和混合练习维持掌握。 这套体系最有价值的部分，是把提取练习、间隔效应、明确指导、掌握学习和个性化任务选择整合到同一系统中。它特别适合数学基础知识的快速获得、自动化和长期保持。 需要谨慎对待的部分包括： 将广义“主动学习”研究直接用于证明 Math Academy 的具体教学形式； 将直觉主要归因于重复练习； 将完全个性化视为高效学习的必要条件； 将少记或不记笔记推广为普遍建议； 用课程学习效率解释竞赛数学、证明和研究能力； 用公司内部数据证明 Math Academy 整体优于高质量人工教学。 在本次检索范围内，没有找到针对 Math Academy 的独立、同行评议随机对照研究。因此，目前能够可靠支持的是它所采用的若干教学原则，尚不能据此确认整个产品方案已经达到全局最优。 研究范围与证据等级 本报告使用三类资料： Skycak 本人的文章和公开讨论； Math Academy 关于教学法、知识图谱和任务算法的官方说明； 关于提取练习、主动学习、掌握学习、智能辅导系统、发现学习等主题的独立研究和综述。 X 的历史内容无法完整索引，因此部分观点通过 Skycak 个人网站上同步发布或扩写的文章还原。Math Academy 的系统结构可以从官方资料确认，但学习速度、产品优越性等效果主张主要来自公司自身。 报告采用以下证据等级： 等级含义A多项研究、系统综述或元分析反复支持B总体有支持，但效果依赖学习阶段、内容和实施条件C工程设计合理，缺少独立产品级验证D个人判断、价值判断或超出现有证据的推广 一、Skycak 教学理论的完整结构 数学是高度层级化的知识系统 Skycak 认为，高级数学任务由大量底层事实、程序和概念组成。学生在当前内容上遇到困难，往往源于更早的前置知识没有达到稳定掌握。 Math Academy 因此使用细粒度知识图谱表示： 一个主题依赖哪些前置主题； 一道题调用了哪些底层技能； 学习高级内容时，哪些旧技能得到隐式复习； 学生当前可以学习哪些新内容。 该知识图谱主要由领域专家手工构建。官方材料曾描述约 2500 个主题，每个主题又包含若干知识点、前置关系和组成关系。它属于专家系统和学生建模路线，核心并非让大模型自行生成课程。 这一设计很适合计算、代数、函数、微积分程序等结构明确的内容。证明、建模、策略创新和数学表达较难拆成稳定、可自动观察的节点。 证据判断：B/C。 数学确实存在大量前置依赖。具体如何拆分节点、设置关系权重，仍然包含课程专家的判断。 学习的目标是形成可长期调用的知识 Skycak 把学习看成长期记忆发生稳定改变。学生在课堂上理解了一次，并不等于以后能够独立提取和使用。 他的典型教学过程是： 给出最少必要解释； 展示一个完整示例； 学生立即独立做题； 系统提供反馈； 之后在逐渐拉长的时间间隔中重新提取； 将相关题型混合，训练方法选择； 在高级内容中继续调用底层技能。 Math Academy 将“讲解后几分钟内开始解题”作为主要教学形式，并强调自动化、间隔练习和混合练习。 证据判断：A/B。 提取和间隔有很强证据。具体到“讲解应该多短”“做几题后应该离开”，需要根据内容和学习者调整。 初学者需要明确指导 Skycak 反对让缺少相关知识的学生长时间自行发现方法。他认为初学者工作记忆容量有限，开放探索会让学生同时处理过多无关信息。 因此，他支持： worked example； 细分步骤； 显式指出子目标； 提供完整的初始方法； 随着熟练程度提高逐步撤除提示。 这一判断与认知负荷理论、示例学习效应和专业知识反转效应总体一致：知识较少的学习者通常需要更多指导；已有较强知识结构的学习者会逐渐从独立问题解决中获得更多收益。 问题在于，Skycak 有时把无指导发现、有脚手架探究、问题解决后教学和高水平开放问题放在一起批评。独立研究一般区分： 缺乏指导的发现学习； 教师设计并提供反馈的引导式发现； 学生先尝试、教师随后比较和正式讲解； 专家阶段的开放探索。 后几类方法可能有效，适用阶段和目标不同。 证据判断： 初学者需要明确指导：A/B； 所有探索都低效：D。 自动化为复杂思考释放认知资源 Skycak 强调基础事实和程序应达到快速、准确调用。例如： 基本运算； 分数和比例； 代数变形； 常见函数性质； 经常使用的解题程序。 当学生每次都需要重新推导这些内容时，工作记忆会被基础操作占用，很难处理更复杂的结构。 这个判断有较强合理性。但自动化不足以单独构成深层理解。概念知识和程序知识通常相互促进：概念帮助学生选择和修改程序，程序实践也可能促进概念关系的形成。 Skycak 关于“直觉主要来自大量重复”的观点只能解释其中一部分。数学直觉还来自： 比较不同解法； 研究反例； 转换表示方式； 解释条件为什么必要； 判断方法适用范围； 在新情境中重新组织知识。 证据判断： 基础自动化的重要性：A/B； 重复能够充分产生直觉：C/D。 二、核心方法的证据核验 提取练习 Skycak 主张学生在尝试作答前不要立即看笔记或答案。只有实际从记忆中提取，才能知道自己是否真正掌握。 一项课堂情境下的系统综述筛选了近 2000 篇摘要，最终分析了 50 个实验、5374 名学习者和49个效应量；多数研究发现提取练习对学习结果有中等或较大促进作用。研究覆盖多个年龄和学科，但非西方样本仍然较少。 实施中需要区分： 先独立提取，随后看反馈：有效； 一直不允许使用资料：可能妨碍复杂任务； 提取尚未学会的知识：容易变成无效猜测； 错误后缺少纠正反馈：可能巩固错误。 证据等级：A。 间隔练习 集中做完大量同类题，通常会产生很强的短期熟练感，但长期保持较弱。将练习分散到多次学习中，通常更有利于记忆保持。 Math Academy 根据学生状态动态安排复习，并通过高级题中调用的底层技能计算隐式复习。其 FIRe 机制会将一道复杂题的练习收益分配给多个组成技能，以减少重复做简单题的需要。 需要区分两个结论： 间隔优于集中突击：研究支持较强； Math Academy 的具体 FIRe 权重和复习算法达到最优：缺少独立验证。 证据等级：一般原则 A；产品算法 C。 混合练习 传统教材常把同类题放在同一节中。学生只需执行当前章节的方法，不必判断题型。 混合练习将多种问题放在一起，要求学生先回答： 这道题应该使用什么方法？ 它特别适合训练： 区分相似问题； 方法选择； 长期保持； 防止依赖章节标题和表面格式。 初次学习一个程序时，少量连续同类练习仍有价值。较合理的顺序是： 少量集中练习 → 间隔复习 → 混合辨别。 证据等级：B。 效果依赖题型之间是否需要辨别。没有辨别需求时，混合练习未必带来明显收益。 主动学习 Skycak 经常引用 STEM 主动学习研究，支持学生实际解决问题，而非持续听讲。 这里存在定义差异。相关大型元分析中的主动学习包含课堂讨论、小组任务、测验、问题解决和高阶思考等多种活动；Skycak 将它主要落实为“简短讲解后个人独立做题”。两者存在重合，但研究不能直接证明这一种具体形式优于所有其他主动教学形式。 能够稳妥得出的结论是： 学生需要频繁作答和思考； 持续被动听讲通常效果较差； 活动形式需要与学习目标匹配； 个人练习、小组解释和教师讨论可以同时存在。 证据等级：主动参与 A；Skycak 的窄定义 B/C。 掌握学习 掌握学习要求学生达到预定标准后再进入依赖该知识的新内容。未掌握时提供额外练习、反馈和补救。 总体研究显示掌握学习通常产生正向效果，但效果高度依赖： 掌握标准如何定义； 是否有高质量纠错； 学生获得多少额外学习时间； 测试是否与训练内容高度相似； 学生能否长期坚持。 智能辅导系统的元分析也通常发现正向效果，但系统自带测试上的效果往往大于外部标准化测验，说明部分收益可能来自训练与评价的一致性。 证据等级：B。 三、Skycak 观点中证据较弱的部分 “真正的刻意练习必须完全个性化” Skycak 认为，只有系统能够根据每名学生的实时状态选择任务，才称得上严格意义上的刻意练习；普通班级很难实现这一点。 个性化确实能够减少： 重复已掌握内容； 跳过未掌握前置知识； 全班使用同一难度； 复习时机不匹配。 但“完全个性化是高效学习的必要条件”缺少充分证据。高质量班级教学也可以通过： 分层任务； 小组反馈； 低风险测验； 作业数据； 教师巡视； 周期性诊断； 实现部分个性化。 证据等级：C。 “学生通常不应该记笔记” Skycak 认为，记笔记经常变成把教师的话复制到纸上，降低实际提取和解题时间。他建议主要保留少量参考材料，把时间用于练习。 这个批评对机械抄写成立。但研究并不支持“普遍不记笔记”： 生成式笔记可以促进组织和解释； 笔记可以作为外部存储； 引导式笔记可能提高注意和学习效果； 抄写式笔记通常价值较低； 在提取测试时依赖笔记会削弱诊断价值。 更可靠的规则是： 学习时可以写结构化笔记；练习时先闭卷提取；完成后再用笔记检查和修正。 证据等级：Skycak 的普遍建议 D。 “困难问题通常浪费学习时间” 对初学者和课程基础学习而言，一小时反复尝试一道远超当前能力的问题，单位时间获得的正确反馈很少，确实可能低效。 竞赛数学、证明和研究型训练具有不同目标。它们要求训练： 在长时间没有反馈时维持问题状态； 生成和淘汰猜想； 构造反例； 切换表示； 修正证明； 忍受较低成功率； 从失败路径中提取策略。 AoPS 等竞赛教育体系会主动让学生接触超出当前常规程序的问题，并把挣扎、失败和讨论作为训练内容。 因此，需要区分： 知识获得任务：较短反馈周期通常更有效； 开放搜索任务：长时间探索本身就是训练对象。 证据等级：针对初学者 B；推广到所有数学训练 D。 四、Math Academy 产品设计分析 Math Academy 的产品结构可以分成四个部分。 专家构建的课程模型 领域专家拆分主题、编写解释、设计例题和练习，并指定前置关系。它通过人工课程设计保证内容结构和解法稳定。 优势： 可控； 可审查； 不依赖大模型临时生成； 前置关系比较明确。 风险： 图谱反映编写者的课程观； 难以覆盖所有非标准解法； 维护成本高； 证明和建模难以细粒度编码。 学生状态模型 系统综合诊断测试、练习结果、答题时间、近期错误和历史复习记录，估计学生对不同主题的掌握程度。 问题在于，系统只能根据可观察行为推断知识。答对可能来自： 真正理解； 记住模板； 猜测； 利用题目格式； 短期记忆。 因此，状态模型需要加入解释、变式和迁移任务，避免只观察标准答案。 任务选择 系统从以下任务中选择下一项： 学习新知识； 修补前置缺口； 复习即将遗忘的知识； 完成测验； 暂停当前课程并降低难度。 官方说明称测验通常会调整到大约 80% 的成功水平，并在学生连续出错时停止新内容、转入补救。 这能够控制平均学习难度，但对追求高正确率的学生可能产生长期失败感。产品需要明确告诉学生： 当前是新知识训练； 当前是熟练度检查； 当前是开放挑战； 不同任务具有不同预期正确率。 复习压缩 FIRe 机制通过复杂题中的组成技能，计算底层知识获得了多少隐式复习，从而减少单独练习简单题。 这是很有价值的工程设计，但它依赖两个假设： 成功完成复杂题确实意味着底层技能得到有效提取； 人工设定的组成关系和权重能够准确表示练习收益。 这些权重尚未看到独立验证。 五、总体证据矩阵 Skycak 或 Math Academy 的主张证据等级判断学生需要实际解题，不能长期只听讲A可靠提取练习提高长期保持A可靠间隔练习优于集中突击A可靠初学者通常受益于明确指导和完整示例A/B可靠，但应逐渐撤除指导基础技能自动化有助于复杂任务A/B可靠混合练习有利于方法辨别B依赖题型和学习阶段掌握前置知识后再推进B原理合理，实施条件重要智能系统可以改善任务分配B总体有支持，效果差异大所有学生都需要完全个性化C工程主张FIRe 是最优复习算法C缺少独立验证80% 左右是普遍最佳难度C可作起始参数，不能普遍化不记笔记更有利于学习D过度推广数学直觉主要由重复形成C/D只解释部分机制困难问题通常不值得投入时间D只适用于部分学习目标Math Academy 明显优于人工教学C尚缺独立产品级证据 六、可操作的六层数学教学框架 该框架保留 Skycak 体系中证据最强的部分，同时加入概念理解、迁移、开放问题和心理负荷控制。 课程结构层 将课程内容拆成可教学单元，并记录四类关系： 内容说明前置知识学习当前内容前必须独立掌握什么组成技能完成当前任务时实际调用什么相似概念学生容易混淆哪些方法或定义迁移方向当前知识以后会用于哪些复杂问题 单元不宜只用“章节”表示。较合理的粒度是学生能够在一次或数次学习中形成初步掌握的技能或概念。 例如“一元二次方程”可以拆成： 整式运算； 提取公因式； 乘法公式； 因式分解； 零乘积性质； 配方法； 判别式； 方法选择。 状态诊断层 每个单元使用五级掌握状态： 状态可观察标准M0 未知无法完成，或尚未接触M1 辅助完成在示例、提示或笔记帮助下完成M2 即时独立学习后能够独立完成同结构题M3 延迟稳定数天后在混合题中仍能独立完成M4 迁移掌握能解释、比较方法并解决新变式 推进规则： 新课程的必要前置知识至少达到 M2； 高度依赖的核心前置知识应接近 M3； 只达到 M2 的内容必须进入后续复习； 证明、建模和竞赛内容需要观察 M4。 这样可以防止系统把一次答对直接视为完全掌握。 新知识获得层 一次新知识学习使用以下过程： 用一至两个问题检测前置知识； 给出目标、条件和方法； 展示一个完整示例； 学生复述关键判断； 学生独立完成三至五个变式； 错误后先定位错误类型，再提供提示； 达到初步稳定后停止连续同类练习。 讲解时间没有统一上限。判断标准是学生是否获得完成第一次独立尝试所需要的信息。 反馈顺序建议： 指出结果是否正确 → 标出错误位置 → 提供局部提示 → 展示完整解法。 不要在第一次错误后立即给完整答案。 长期保持层 可以先使用一个简单的复习时间表： 当天 → 1天后 → 3天后 → 7天后 → 21天后 → 60天后 根据表现调整： 独立正确且速度稳定：拉长间隔； 正确但明显犹豫：保持当前间隔； 依赖提示：缩短间隔； 完全忘记：返回简短讲解和即时练习。 复习题应逐渐从同类题转向混合题。复习时先闭卷尝试，再使用资料。 高级题已经充分调用某项底层技能时，可以减少单独复习，但不应完全取消延迟抽查。 概念与迁移层 每个核心主题至少配置四类非标准任务： 任务目的方法比较判断不同方法的条件、成本和优点错误分析找出错误推理发生的位置反例任务判断结论缺少什么条件新情境变式检查是否能够迁移 例如学习一元二次方程后，不只要求求解，还可以要求： 判断因式分解、配方和公式法分别适合什么情况； 分析“方程两边同时开平方”的错误； 构造一个有两个整数根的方程； 根据根的性质反向确定参数； 解释判别式为什么能够决定实根数量。 难度与心理负荷层 将任务明确分为三种类别，避免学生把所有错误都理解为学习失败。 类别目标建议首次正确率巩固任务验证稳定掌握85%—100%学习任务获得新知识70%—85%挑战任务训练搜索和迁移20%—60% 这些比例只是起始参数。 连续出现以下情况时应降低难度或修复前置知识： 两到三次独立尝试都无法开始； 错误集中在同一底层步骤； 学生只能模仿示例表面形式； 学生无法说明当前使用的方法； 学习任务长期低于约 60%。 连续两次学习中正确率很高、速度稳定且不依赖提示时，应减少重复并加速推进。 七、建议的任务时间结构 普通数学学习：60分钟 时间内容5分钟闭卷提取近期旧知识10分钟新知识讲解和示例20分钟独立变式练习和反馈10分钟间隔混合复习12分钟方法比较、解释或迁移题3分钟记录错误与下次任务 时间比例可根据课程阶段调整。新内容较多时增加获得阶段；复习期增加混合练习。 算法竞赛或高水平数学：90分钟 时间内容10分钟基础知识和模板提取20分钟新算法、定理或典型结构20分钟标准变式练习30分钟非标准问题的独立搜索10分钟反例、证明或失败路径复盘 竞赛训练中，开放问题时间不能被自适应基础练习完全取代。 建议的总体任务比例： 课程基础阶段：获得与巩固 70%，迁移与挑战 30%； 竞赛初期：获得与巩固 60%，迁移与挑战 40%； 高水平竞赛阶段：获得与巩固 30%—40%，迁移与挑战 60%—70%。 八、教学数据指标 系统不应只记录总正确率。建议跟踪以下指标： 指标计算内容用途延迟保持率学习数天或数周后的独立正确率判断是否真正保持提示依赖率使用提示或资料的题目比例区分独立掌握和辅助完成新知识掌握速度每小时从 M0/M1 达到 M3 的单元数判断学习效率迁移成功率未见过变式中的正确率防止只记模板错误恢复时间从首次错误到独立正确需要多久判断反馈质量方法辨别率混合题中选择正确方法的比例判断是否会识别题型主观负荷学生对难度、疲劳和挫败的简短评分防止长期过载 正确率只能与任务类别结合解释。挑战题正确率低，不应降低学生的“掌握度”评价。 九、四周试运行方案 准备阶段 选择一个范围有限的单元，拆分约 30—80 个知识节点。为每个节点准备： 两至三道诊断题； 一个简短解释； 一个完整示例； 三至五道即时变式； 两道延迟复习题； 一道迁移或错误分析题。 第一周 完成诊断并建立初始掌握状态。记录： 当前正确率； 作答时间； 提示使用； 学生主观难度； 前置知识缺口。 第二至第三周 运行完整流程： 诊断 → 新知识 → 即时练习 → 混合复习 → 迁移任务。 每周根据错误数据修正： 节点粒度； 前置关系； 提示内容； 题目难度； 复习间隔。 第四周 进行三类评价： 无提示延迟测验； 与训练题表面不同的迁移题； 学生对压力、进步感和控制感的反馈。 判断框架是否有效时，应同时观察： 掌握速度是否提高； 延迟保持是否提高； 迁移能力是否下降； 学生是否长期感到挫败； 教师准备和维护成本是否可接受。 十、结论 Skycak 的体系可以作为数学教学中的高效率知识获得系统。它最适合解决： 学生前置知识差异； 固定班级进度； 基础技能不稳定； 复习时机不合理； 优秀学生重复等待； 教师无法持续追踪大量细粒度技能。 它不能独立代表完整数学教育。完整方案仍需保留： 数学解释和书面表达； 概念之间的联系； 证明与反例； 建模； 开放问题； 长时间问题搜索； 同伴讨论； 学习动机和自主性。 实际采用时，可以把 Math Academy 的思想用于知识获得、熟练化和长期保持，再用独立的迁移与挑战任务训练证明、竞赛和研究能力。这样能够保留其认知科学优势，同时避免把数学能力缩减成标准题目的正确率。