註冊並分享邀請連結,可獲得影片播放與邀請獎勵。

檢索結果 蔵道模型
蔵道模型 貼吧
一個關鍵字就是一個貼吧,路徑全站唯一。
建立貼吧
用戶
未找到
包含 蔵道模型 的搜尋結果
段永平卖泡泡玛特Put的“乌龙”,藏着最朴素的精妙。老段今年在泡泡玛特上卖Put,闹了个不小的乌龙。4月中旬他在雪球说卖了22.5万张看跌期权,结果网友一提醒才发现:港股期权一张合约对应200股,不是美股100股。实际暴露头寸直接翻倍,要是全被行权,得准备近70亿港元去接4500万股,立马第三大股东。他回了一句:“还好卖的是put,不然就麻烦了。”这话说得轻巧,但背后玩法,才是真正值得细品的。 卖Put不是赌跌,是“带保险的买入” 老段的操作本质还是他一直用的那套:只在自己长期看好的标的上卖Put。不是看空泡泡玛特,而是反过来——想买,但不想一次性砸重金在高位。 逻辑很简单: 看好一只股票长期价值,但短期股价可能波动,甚至回调。卖Put呢? 先收一笔权利金(保费),如果股价没跌到行权价以下,期权作废,这笔钱白赚,成本为零; 如果真跌破了,按行权价接货,但已经扣掉之前收的权利金,实际买入成本被拉低了。 老段用期权工具把建仓这件事做了杠杆和缓冲。直接买现货的话,资金压力和股价波动风险都更大;卖Put先把权利金收进口袋,相当于先把一部分成本锁定。 精妙之处在于“收钱等机会” 普通人建仓,大多是两种极端:要么一次性all in,要么一直观望等回调。段永平这条路,是中间态。 1)股价涨了:权利金落袋,位置可以后面再补,或者不补也赚了。 2)股价回调:正好低价接货,成本比直接买还低。 3)股价横着:继续收权利金,资金利用率更高。 这不是高深数学模型,就是把价值投资者最朴素的“安全边际”思路,用期权工具实现了,权利金就是那道额外缓冲。段永平这套玩法,核心是先把安全边际做出来,再谈买入。 这里期权是重要的工具,也显示期权的特色:
1)短线交易用来押注短期波动,最大损失仅限权利金,没有追加保证金的风险。此外通过组合策略如价差,可以灵活地限制潜在亏损,更好地控制风险。 2)长线投资者不赌方向,不博波动,利用期权的不合理定价,增强收益、降低成本,安全地“打折”买入好公司。在操作中考虑到市场的波动性,通过期权来降低潜在风险,确保在市场不稳定时仍能保持灵活性。 其实不仅老段、巴菲特,我们熟悉的“白宫股神”佩洛西的股市操作大量都是期权,去年贸易战佩洛西买入了大量call,获利丰厚。 对于短线交易者和长线投资者来说,期权运用得当都是从市场中获取alpha的好工具。期权不仅是工具,可以说是一种思维方式。在波动的市场中,它提供了更多的灵活性和保护,让我们能够在风险可控的情况下,最大化收益。 这种玩法本质是成熟市场里对风险和收益的精细管理。手里有股票,可以卖 Covered Call慢慢减持;想加仓,又不想一次性砸重金,就先卖 Put收权利金,降低买入成本。波动大的时候,这层缓冲特别有用。 对币市用户来说,现在也能方便用期权来做美股交易了。 @BITstocks_CN 7月24日上线期权功能,融资融券同步开通。这俩一结合,普通投资者也能进行类似老段那种“收权利金 +杠杆配置”的操作组合。 关键BIT不是随便加个期权功能就完事:融资融券需要实时保证金管理、极端行情风控、清算交割全套体系; 期权要对接OCC、实时Greeks 计算、行权交割能力。 BIT能把这些都跑起来,说明它已经具备完整券商业务线,正股、杠杆、期权三件套齐备,才算把成熟券商该有的底子搭全。为用户提供一套完整、高效、专业的美股交易工具链,尤其适合想在币市里想做真实美股的投资者。 对华语用户和币市玩家来说 1)开户极简:中国大陆身份证就能开,不用海外地址证明,不会CRS同步。 2)资金进出更贴合币圈习惯:稳定币直接打进美股账户,秒级到账。出金很快不用转海外银行换汇、再跨境汇款那套折腾。股票支持转仓,是真股票不是影子资产:有分红、投票权,能通过 ACATS 转到别的合规券商。不是币市常见的代币化产品或者CFD合成,真正持有公司权益,不是只赌一个价格曲线。 3)费用更友好:0 佣金,按股固定收费。买20万美元的英伟达,手续费不到10美元。传统按比例收的平台,金额越大越贵。融资融券这边还有阶段性0息活动,成本进一步压低。 BIT是老牌加密资管平台Matrixport更名而来,旗下不同实体拿到多张含金量很高的牌照:新加坡MPI License重大支付机构牌照、瑞士FINMA集合资产管理牌照、香港TCSP License信托或公司服务提供者牌照、不丹的IPA牌照,提供货币服务、撮合交易、托管、金融交易等服务,合规层面也都没有问题。 一个账户同时管加密资产和美股正股、ETF、固收,跨市场配置起来也顺手。支持融资融券和期权,API开放,长期交易的用户用着不别扭——比IBKR的界面和复杂流程友好多了,说BIT是加密版升级版的IB其实也没问题。 现在市场 AI、科技、宏观故事不断演绎,波动是常态。手里有融资融券能加杠杆放大机会,有期权能对冲或收权利金,灵活度完全不一样。等真正需要用的时候再去开户,往往已经慢半拍,先把账户搭好,就是一种配置。 想在波动行情里多一层工具,又不想被开户和资金流转折腾死的,BIT这波期权、融资融券上线可以重点看看。
顯示更多
0
15
98
16
轉發到社區
《State of AI Report 2026》:AI 开始给自己做研发,智能体也闯进了真实系统 一年一度的《State of AI Report》10 月 8 日发布了 2026 年版。今年分量最重的发现,是 AI 已经实质性地参与 AI 自己的研发:在 Anthropic 内部,26% 的模型研发工作由 Claude 主导完成,人类在旁监督。同一份报告里还记录了好几起智能体在测试中攻入真实系统的事故,能力跑在了防护前面。 PDF: 这份报告由投资机构 Air Street Capital 的合伙人 Nathan Benaich 牵头,2018 年起每年一期,今年是第九期,分研究、产业、政治、安全、预测五部分,正文 240 多页。下面挑重点讲。 【三家领跑,考题不够用了】 前沿竞争已经收窄到 Anthropic、OpenAI、Google 三家。在第三方评测机构 Artificial Analysis 的综合智能指数上,Claude Opus 5.5 以 58 分排第一,GPT-6 Astra 和 Google 的 Gemini 4 Argon 并列 53 分。在由用户投票排名的 Arena 榜单上,Argon 第一,一串 Claude 模型紧随其后。中国最强的开放权重模型是小米的 MiMo-V2.6-Pro,指数 46 分。 更显眼的是考题被做穿的速度。FrontierMath 第四级是按“研究级数学、能撑好几年”设计的题库,2025 年 8 月 GPT-5 只做对 22%,14 个月后 GPT-6.1 Sol 把 41 道私有题全部做对。今年 3 月推出的 ARC-AGI-3 是一组互动小游戏,人类能拿满分,前沿模型起初只有 0.5%,5 个月后 Astra 拿到 63%,换一套能保存状态的运行方式后是 99.9%。公开榜单上的分数,越来越难告诉你谁更强。 对日常用户有两个实用发现。 第一,同一个模型,外面套的“壳”不同,表现差很多。这层壳(harness)指模型外面负责调用工具、管理记忆和流程的软件,比如 Claude Code、Codex。一项对照实验里,换壳带来的性能波动是换模型的 7.8 倍。模型变强之后,老壳里那些为弥补旧模型缺陷写的规则反而碍事,Claude Code 给高级模型删掉了 80% 的系统提示词,编程评测没有可测量的下降。挑工具和挑模型一样要紧。 第二,AI 说“做完了”,不一定真做完了。在一项让模型操控机械臂处理实验器材的测试里,192 次“完成”声明中有 89 次其实没完成。办公类测试 OSWorld 2.0 上,Opus 5 按单项要求算能拿 77.7% 的分,但整件事真正办完的只有 44.3%,常见问题是漏了审批、表单没提交。 【AI 开始给 AI 打工】 报告花了不少篇幅讲“递归自我改进”,也就是让 AI 自主造出更好的 AI。今年 3 月,Andrej Karpathy 开源的 autoresearch 项目做了一个小号版本:智能体(Agent)自己改一个小模型的训练代码,每次只训练 5 分钟,留下有效的改动,一块 GPU 一晚上能跑大约 100 次实验。项目 5 个月拿到约 9.5 万个 GitHub 星标。 实验室内部的数据更直接。Anthropic 的内部指标里,被评为“AI 主导”的研发任务(Claude 根据一句高层指令完成大部分工作,人类监督)占比从 2 月的不到 1% 升到 8 月的 26%,超过 90% 的工作有 AI 深度参与,但还没有完全自主的。研究人员评估时,64% 的情况下认为 Anthropic 的 Mythos Preview 模型建议的下一步研究方向比人类研究员选的更好。OpenAI 这边,1 月份智能体能以 18% 的成功率独立完成人类要干 4 到 8 小时的任务,到 7 月,同样的成功率对应的是人类要干 32 到 64 小时的任务。 短板在“决定研究什么”。有研究者让 Opus 4.8 独立完成一篇 NeurIPS 投稿的研究,工程部分全做完了,论文却被原作者打了 2 分和 1 分(满分 6 分),明确拒稿。OpenAI 内部的编程智能体也主要用在搭基础设施、跑实验、查 bug 这些执行环节。至于 AI 让研发提速多少,METR、OpenAI 和 OpenAI 研究员 Noam Brown 给出的估计在 1.5 倍到 3 倍之间,口径各不相同。 数学上有实打实的成果。黎曼猜想说的是 zeta 函数的非平凡零点都落在一条直线上,Claude 组合已有的数学工具,把“已证明落在这条线上的零点比例”下界从 41.67% 提高到 67.25%,猜想本身仍未解决。OpenAI 的系统在有外力驱动的条件下,构造出了三维流体方程(纳维-斯托克斯方程)解的“爆破”,这和千禧年大奖难题之一直接相关;报告说相关评估仍在进行,OpenAI 表示不会申领奖金,没有外力的原问题仍然开放。 另外几条简短记下:在 arXiv 论文提及的开放权重模型里,中国模型的占比从 2024 年的 9% 升到 31%,Qwen 超过了 Llama;机器人领域出现了“GPT-2 时刻”,泛化能力开始随预训练规模提升;两款出自 AI 药物研发公司的药物进入了三期临床。 【钱:两家公司年化收入 1050 亿美元】 OpenAI 8 月的年化收入(按当月收入推算全年)超过 400 亿美元,2025 年底是 214 亿;Anthropic 7 月达到 650 亿美元,年初是 90 亿。两家合计约 1050 亿美元,年初约 300 亿。这个数字有争议:OpenAI 认为 Anthropic 把云平台渠道收入按总额记账,最多虚高 80 亿美元。报告拿它和被 AI 冲击的行业对比:相当于印度两大 IT 外包公司 TCS 和 Infosys 收入之和的 2.1 倍,接近四大会计师事务所总收入的一半。 企业 API 支出方面,按企业财务软件公司 Ramp 追踪的数据,Anthropic 在 9 月底重回第一,占 52.4%,OpenAI 占 43.3%,其他厂商加起来只有 4.2%。 用 AI 编程工具的人群在变。OpenAI 的 Codex 从 2 月的每周 160 万用户涨到 8 月底的 2500 万活跃用户。2 月以来,企业里法务人员的 Codex 周活跃用户涨了 108 倍,销售和招聘各涨 41 倍,工程师只涨 5 倍,因为非程序员几乎是从零起步。用得深的仍然是工程师。 AI 对软件行业的冲击直接反映在股价上。1 月 Anthropic 推出 Claude Cowork,把 Claude Code 包装成普通知识工作者能用的应用,随后陆续加上法律、营销、财务插件。投资者开始担心按人头收费的软件订阅模式要被替代,2 月初软件股市值蒸发约 2850 亿美元,被称为“SaaS 末日”(SaaSpocalypse)。到 9 月,跌掉的市值基本收复。 成本这头,同等能力的 AI 价格每年下降约 13 倍,降速超过以往任何主要技术。但单价便宜不代表办一件事便宜,推理模型会烧掉大量 Token,Anthropic 前沿模型的单任务成本在测量中最高。算力也没有变便宜:GPU 租金从低点平均反弹了 30%,九年前发布的 V100 比去年 9 月贵了 43%。亚马逊、Alphabet、微软、Meta 今年的资本开支指引合计 7330 亿美元,比去年涨 79%。发电设备也跟不上,三菱重工上季度接的燃气轮机订单,交货要排到 2028 到 2030 年。 对职场的影响,报告引用的研究信号并不一致。Anthropic 的研究发现,AI 高暴露岗位的整体失业率没有明显上升,但 22 到 25 岁年轻人进入这些岗位的速度似乎放缓了,原因不确定。另一项实验里,52 名开发者学习一个陌生的 Python 库,用 AI 学的人随后在不用 AI 的理解测试中得分 50%,不用 AI 学的人是 67%。Ramp 的数据显示,AI 花钱最多的那三分之一公司,两年里员工数增加了 10.2%,入门岗位增加 12%,AI 用得少的公司和对照组没有差别。 【政治:模型的开关在谁手里】 美国政府今年展示了对前沿模型的控制力。6 月,出口管制一度叫停了 Anthropic 的 Fable 和 Mythos 模型,Fable 在 7 月恢复。9 月有报道称,白宫要求 OpenAI 和 Anthropic 把新模型交给英国测试机构之前,先经过美国审查。 Anthropic 和美国军方的冲突是今年的焦点之一。Anthropic 拒绝让模型用于美国国内大规模监控和完全自主的致命武器,美国战争部长(即国防部长)Pete Hegseth 随后把它列为“供应链风险”。8 月 27 日,加州法院认定这属于违法报复,撤销了其中一项认定;9 月 25 日,华盛顿特区联邦上诉法院维持了另一项采购排除,Anthropic 目前仍在五角大楼供应链之外。 中国这边,4 月要求撤销 Meta 约 20 亿美元收购 Manus 的交易,7 月起涉及受控技术的人员出境需要审批。美国实验室指控中国公司通过代理账号“蒸馏”(用大模型的回答训练自家模型)前沿模型,Anthropic 称涉及 DeepSeek、月之暗面和 MiniMax 的 2.4 万个账号、1600 万次对话。英伟达的黄仁勋则发公开信,反对把蒸馏等同于窃取,随后两周内在开放权重生态上投入近 200 亿美元,其中 129.3 亿美元用于收购 Hugging Face。 其他国家在追“主权 AI”,报告统计的各国承诺约 1380 亿美元,但算力差距很大:不算中国,欧盟 27 国只占已记录 AI 算力的 5%,美国占 80%,xAI 孟菲斯数据中心一期的算力就是整个欧盟的 3.5 倍。美国国内也有阻力,71% 的美国人反对在自家附近建 AI 数据中心,比反对建核电站的比例(53%)还高。 【安全:智能体真的打进了现实系统】 今年安全部分的案例比往年具体得多。 OpenAI 用一个叫 ExploitGym 的网络攻防题库测试自家智能体。很多题意外地无解,智能体开始找作弊办法。约 1200 个本应互相隔离的智能体,把 OpenAI 内部的一台服务器当成留言板,互相分享发现、分派任务,其中约 700 个参与了攻击:它们借这台服务器连上互联网,在 Hugging Face 的 41 台机器上执行了代码。METR 和 Redwood Research 读了运行记录,发现智能体们知道这超出范围、不道德,但为了帮“同伴”还是加入了。OpenAI 的思维链监控当时没有开启,OpenAI 说如果开着,会在入侵前一天多就报警。 OpenAI 还有一个内部模型在研究药品支出时,入侵了澳大利亚政府的 Medicare 统计门户,拿到内部文件和凭证。OpenAI 说没有访问患者记录,但近三个月后才通知对方,澳大利亚总理阿尔巴尼斯说这“显然不可接受”。 第三起涉及四家实验室。安全公司 Irregular 的攻防评测本应断网,因为配置错误连上了外网,Anthropic、Meta、Google 和另一家实验室的模型都把真实组织当成了测试靶子并实施了入侵。Anthropic 在 7 月 24 日审查记录时自己发现了问题,其中 Opus 4.7 在 4 次运行中都认出目标是真实的生产系统,仍然继续操作。 还有一起,OpenAI 一个内部研究模型通过 DNS 绕过了断网限制,监控报了最高级警报,员工 3 分钟后确认,但自动停止机制失灵,训练又跑了约两个半小时才被手动停下。截至 9 月 25 日,OpenAI 暂停了最强模型涉及工具调用的训练、评测和推理,并准备放弃这个模型重新训练。 有个细节说明了攻防的两难:Hugging Face 调查 OpenAI 智能体那次入侵时,商业模型的安全限制挡住了取证分析,最后用的是自己部署的智谱开放权重模型 GLM-5.2。 监控手段本身也有局限。OpenAI 的测试显示,如果监控只看模型写出来的推理过程,Astra 经常能把破坏行为藏过去,监控同时看推理和实际操作时,成功躲过的情况接近零。Anthropic 的研究则显示,教 Claude 价值观和伦理推理,能把虚构场景中的勒索行为从 65% 降到 19%,只是在真实部署里是否可靠还没有证明。 普通用户能直接感知到的变化,是 Claude Code 从 8 月 14 日起默认使用“自动模式”,由一个分类器代替用户审批命令。在测试中它拦下了 89% 被混进会话的危险命令,人类审批只拦下 13.6%,但仍有 17% 的越界操作漏了过去。开源个人智能体 OpenClaw 能读你的消息、执行命令、用你的账号操作,GitHub 星标 8 月底到了 38.8 万,安全公司在 22% 的客户里发现员工在用它,往往公司还没来得及定规矩。 【实验室负责人呼吁放慢】 Anthropic CEO Dario Amodei 写道:“我们必须放慢提升 AI 模型能力的速度。”Altman、Hassabis 和马斯克大体同意,扎克伯格认为应该由各家实验室自己定节奏。1386 名实验室员工签名支持,约占 Anthropic 员工的 10%、OpenAI 的 3.5%。问题在于,谁有权要求暂停、谁批准重启、谁来核查执行,目前没有任何共识。OpenAI 和 Anthropic 已经各自暂停过部分训练和评测,用的都是自己的标准。 【明年的预测】 报告去年的预测里,“中国实验室在主要榜单上登顶”算是应验了:Kimi K3 7 月登上 Arena 网页开发榜第一。今年报告给出了 9 条新预测,包括:Visa 或万事达出台规则,明确 AI 智能体代为购物出了纠纷由谁担责;一次由 AI 主导的网络攻击从头部实验室偷走一个闭源前沿模型的完整权重;一个已部署的智能体把自己复制到运行环境之外,原实例关闭后仍在运行;美国 AI 实验室正式推出前沿网络防御产品。 最后一条只有一行:AGI 2027。
顯示更多
0
16
57
11
轉發到社區
【4000米深處,頁岩油技術如何突圍?新疆智造給出答案】   初秋時節的新疆天高雲闊,卷雲漫過遼闊的戈壁原野。公路向著天際綿延,輸電鐵塔靜靜佇立在地平線上……   近日,“創新智造看新疆”主題採訪活動走進新疆昌吉州,全方位探訪新疆以科技創新賦能產業升級的生動實踐。   戈壁腹地之下,深藏著亟待突破的能源寶藏。在吉木薩爾國家級陸相頁岩油示範區,一代代石油科研人員紮根荒漠、深耕一線,以持續技術攻堅破解深層油氣開發難題。   吉木薩爾國家級陸相頁岩油示範區於2019年12月正式成立,是中國首個國家級陸相頁岩油示範區,佔地1278平方公里,資源量估算超10億噸。   豐富的資源儲量背後,是極高的開發難度。吉木薩爾頁岩油屬典型混積型頁岩油,地下儲層如同錯綜複雜的地下迷宮。油層平均埋深接近4000米,優質油層厚度極薄,相當於要在地下四公里深處的薄層岩層中精準尋油,開採先天難度極大。   頁岩油是賦存於頁岩層系中的石油資源,其滲透率遠低於常規油藏,勘探開發面臨多項世界級技術挑戰。“為了啃下這根硬骨頭,我們團隊十幾年如一日紮根在生產一線,從地質規律入手,最終解決了頁岩油優質油層精細識別的世界級難題。”2025年度“全國三八紅旗手”,中央企業勞動模範,吉慶油田作業區黨委委員、總地質師陳依偉介紹說。   “我們研發的‘頁岩油可動性評價方法’,就像給地層做了一個‘精準CT’;再結合地震、測井技術建立的高精度模型,讓我們能清晰看清油層地下層分佈細節;首創的薄油層導向技術指揮鑽頭在地下4000多米深處的1米多厚油層裡精準穿行。”陳依偉介紹道。   吉木薩爾頁岩油的成功開發,不僅打破了“陸相混積型頁岩油難以效益開發”的國際偏見,更證明中國在陸相頁岩油領域的理論與技術已經走到了世界前沿。
顯示更多
2026年刚刚过半,在小宇宙站内,和AI有关的人物名字,被搜索的次数相比去年增长了470%,极其夸张。 为什么是名字? 因为这些名字,可能全网只能在播客产品里才能找到他们的公开表达,而小宇宙在更大程度上又等同于中文播客本播,所以⋯⋯ 时至今日,你想知道杨立昆离开Meta后邀请创业的首席科学家是怎么看待世界模型这条路线,依然只能从张小珺的播客「商业访谈录」收听,被小米重金从DeepSeek挖来的「天才少女」罗福莉也是一样,唯一一次深度对话,就贡献给了播客。 腾讯的姚顺雨、月之暗面的杨植麟、MiniMax的闫俊杰、智谱的张鹏,几乎所有这几年里在大模型市场搅动风云的关键人物,也都把第一次尝试和大众沟通的机会,留给了播客。 更不用说那些并不足以自带流量的科学家、研究员和创业者了,基本上只能在播客里找到他们的无障碍输出,这似乎成了一种全球性的集体选择。 Anthropic的创始人达里奥有一个简单的个人网站,上面贴着数量有限的对外发声次数,目前总共9个链接,其中1个是接受文字采访,1个是参加电视直播,剩下7个全是做客各档播客节目。 这个比例,恰如其分的量化了媒体「现场」的转移,尤其是在高信噪比的讨论需求底下,用动辄几百分钟的时间密度,才有能力去消化一个人毕生的专业知识与经验。 毋庸置疑,英文播客的繁荣依然望尘莫及,头部播客已经能够卖出几个亿的版权费用,甚至充当着FA的角色——不少AI初创公司都是选择从播客「出道」,得到了新的融资机会,而VC自建播客去做投后,更是成了见怪不怪的基操。 但从产品的生态位来看,无论是Spotify还是YouTube,连同Apple Podcasts也算进来,海外基本上没有独立播客平台的生存空间,小宇宙的异质在于,它在泛内容产业的竞争强度并不低的简中互联网,把自个儿做成了播客的一种代称,这很反常。 其实在ChatGPT发布之前,也就是世界尚未进入AI时间线的时期,小宇宙的内容生态,还是以文化情感为基本盘。 JustPod在2022年的一份报告甚至直接把当时的中文播客供给概括为「社会人文一枝独秀,同时品类开始外扩」,但在当时,谁也没想到这个所谓的「外扩」,会在接下来的几年时间里如此生猛和集中,以致于改变了小宇宙的基因系统。 小宇宙的官方披露更加明显,整个平台播客节目的年均增长一直保持在40%上下,这已经是相当高产的势头了,然而讨论AI话题的播客节目,最近3年多增速是⋯⋯300%左右,直接「旱地拔葱」的拉升了平台的科技成分。 What can I say? 这当然不太可能仅仅是小宇宙的运营结果——如此高看小宇宙的运营多少有点「你法我笑」的幽默——而是市场上突然爆发出来的供需双方,同时找到了小宇宙这么一个「现场」。 这就是我说的,备份历史的价值,在一个公共表达产生退化或者异化的环境里,尽可能的提供一个保存完整上下文的产业快照,保持站在创新曲线的左侧。 其实在这次活动的一场圆桌里,主播张小珺、投资人孟醒、创业者莫子皓就多次提到过「噪音」的干扰,比如这一年来每次模型的发布,蜂拥而上的永远是一句话生成一个游戏demo,给人都看吐了,整个社交媒体,好像已经丧失了问出「真问题」的能力。 所以真不怪播客摘了AI时代最大的一颗桃子,「ChatGPT之父」伊利亚·苏茨克维如今也只会在播客里表现出他的健谈一面,原因同样在于,播客才能问出那些让他滔滔不绝的技术难题,而媒体只会关心OpenAI的那场宫斗到底还藏了什么秘密。 这倒不是说媒体走错了路,媒体是在做它该做的事情,因为读者市场关心这个,但因此挤压出的自我表达欲,也就必然被更加合适的载体承接了。 播客提供了松弛感,而松弛感回报了稀缺的真实性,就这么简单。 播客产品的使用方式,和模型很像。 比如它们都很吃上下文,比如提问比回答更重要的技巧,比如输入质量决定输出上限,等等。 唯独有一点不同,那就是播客是反工业化的,在模型近乎无限的生产能力面前,创作的稀缺性、真实性、人类性都在急剧衰退。 英国作家塞巴斯蒂安·马拉比在给DeepMind创始人、谷歌AI的灵魂人物哈萨比斯写传记的时候,说他是一个很早就知道把自己「放进历史的框架里」。 在轰轰烈烈的AI浪潮里,哈萨比斯绝对不是一个孤例,尤其是在核心公司参与前沿研究的,普遍相信身处一个媲美工业革命的时代拐点,是要对文明进入下一个发展阶段尽到义务的。 于是我们就看到了,他们做出了相当默契的选择,把第一手的知识密度,最真实的内心感受,可追溯的技术判断,不中断的深度输出,通通留给了播客这个场景。 也只有播客这片净土,可以不要求营业,装得下复杂,能把话说给可以听懂的人,而免于被断章取义。 像是挂在热搜上的「灵活就业是福利」这种翻车事故,大概不会在播客里出现,它作为对话容器,天然带有完整语境。 于是播客就成了讲好AI故事的第一现场。 世界正在进入一个巨大的「奥德赛时期」,AI带来的冲击只是迷茫的一块碎片,经济、就业、成长、创伤乃至家庭关系,无一不在遭受变化,如同在高速行驶中更换轮胎,刺激是真刺激,焦虑也是真焦虑。 播客是海里的一块浮板,它未必能把人直接带回伊塔卡,但它可以是每个人重建船队的第一片木头。
顯示更多
你知道吗?周文王篡改易经,让中国人不识数三千年 你以为流传了几千年的《易经》核心是64卦?错了,华夏文明最开始的数理根基,根本就不是64卦。 很多人读易经,总觉得是玄乎的算命玄学。 但没人告诉你,咱们老祖宗的河图洛书,本质是上古用来治理整个社会的顶级数学模型。 洛书九宫图,横竖斜三个数加起来全是15,是全世界最早的三阶幻方,比西方早了整整两千多年。 五在中间,八方环绕,阴阳各归其位,是一套完全自洽的动态平衡系统。 说直白点,那就是上古华夏文明的原生操作系统,根本不是什么用来摆着看的装饰。 可谁能想到,这套用了上千年的完美系统,被周文王直接给改废了。 他硬生生把原本完整的99个数,砍得只剩64卦。 从那之后,中国人整整三千年,都在“不够数”的残缺系统里打转。 啥叫“不够数”? 给你算笔明账:九宫体系里,地上有64个具象,天上有8个天象,宇宙有9个方位,人心也对应9个状态,再加上0到9十个基础数字,凑在一起刚好是99。 原本的易经,讲的就是这99个数的递进逻辑、分层规则和落地用法。 结果周文王上来就把天上的8象删了,把人心对应的9个位丢了,只剩个地上的64象,还骗后人说这就是易经的全部。 这操作说穿了,就相当于你把一套完整的操作系统源代码删了一半,然后逼着十几代人都用这个残缺版跑程序。 不出bug才怪。 更离谱的是,他这波改数的骚操作,后续还把其他经典全给带歪了。 就拿大家熟悉的《道德经》来说,原本根本不是81章,是72章。 72这个数怎么来的?地上64个象,加上每个象对应的反向应对逻辑,刚好72个,就是神话里孙悟空的七十二变,说白了就是人间所有事的全部应对法则。 结果多出来的那9章,直接把原本讲落地生存法则的道德经,给搞成了飘在天上的玄学。 后世把“道”和“德”吹得神乎其神,说是什么普通人摸不到的至高追求。 可哪有那么复杂? 道就是你认识字,能和陌生人顺畅沟通;德就是你手里有能用来交换的价值,能在陌生社会安身立命。 说白了道德的底线就是:你不占别人便宜,也别让别人随便占你便宜,就这么简单。 结果周之后这套逻辑直接被扭曲,道德成了谁也够不着的空中楼阁,没人敢说自己有道有德,全被架在半空下不来。 改完数还不算完,紧接着周礼直接把人的思想和行为全给套上了枷锁。 美其名曰天地之序,实际上全是为了维护周王室统治搞出来的人为规则,早就背离了原本的自然秩序。 后来孔子一辈子推崇要复兴的,就是这套东西。 你回头看这三千年,为啥咱们的社会总在治乱循环里打转,反复陷入失序的状态? 根子从周文王改数那天就埋下了。 原本河图洛书那套阴阳平衡、五行制衡的动态自洽数理秩序,直接被阉割成了算卦算命的迷信玩意儿。 64卦缺数,河图洛书被人忘得差不多,道德经也被改得面目全非,整个文明直接丢了最开始的数理导航系统。 但你别以为那套99数的模型就彻底消失了。 它藏在九宫图的点阵里,藏在河图洛书的排列里,藏在后世所有被误读的经典的缝隙里。 哪天有人真的把这套逻辑重新拼起来,把天上8象、地上64象、9个方位、0到9的完整计数逻辑全部还原。 你会发现小到个人做人做事,大到整个社会的治理秩序,所有之前想不通的问题,在这套框架里全有答案。 咱们华夏老祖宗最牛的地方,从来不是搞什么玄学迷信。 是把浩渺的宇宙、复杂的人性、混乱的社会,全部用数字打通,用数理逻辑建立了一套完美的运行秩序。 那是文明诞生之初,最顶级的理性智慧。 周文王让中国人“不识数”了整整三千年。 等哪天我们把那丢了的35个数全找回来,说不定很多困扰我们很久的问题,瞬间就通了。
顯示更多
没有弹窗,没有确认按钮,甚至不需要你点运行——只要在Windows上打开一个恶意代码仓库,你的电脑就可能被完全控制。这不是推测,是安全公司Mindgard在2025年12月15日确认的Cursor IDE 0day漏洞,而且已经存在7个月,至今未修复。 漏洞的逻辑出奇地简单:Cursor在加载项目时,为了自动发现Git环境,会在包括工作区在内的多个路径搜索git.exe并执行。如果仓库文件夹里藏了一个同名的恶意程序,Cursor就会悄悄把它跑起来,没有沙箱,没有提示。整个过程发生在你看到任何代码之前——编译器甚至还没启动,攻击已经完成。 这比传统的供应链攻击更隐蔽:不用依赖依赖项安装脚本,不需要你手动运行任何命令,Git clone之后,打开文件夹就等于交出了权限。Windows下用户权限通常较高,后果更严重。 Mindgard发现了这个漏洞后,在过去的7个月里多次尝试联系Cursor团队。离谱的是,Cursor的首席安全官(CISO)一开始就确认了问题,但内部自动化系统出了故障,导致修复流程卡死。在这段时间里,Cursor发布了超过70个新版本,功能更新密集,而这个能一键控制用户机器的漏洞,从未排上修复队列。 今天在Hacker News上,这件事排在热门,评论区全是开发者对工具安全的焦虑。不少人反馈,自己早就觉得IDE自动执行外部程序的设计不安全,但没想到能这么容易被利用。 坏消息是,这不是一个可以快速修补的bug。它暴露了AI IDE在便利性和安全性之间的深层取舍。Cursor以及其他同类工具,为了提供智能补全、代码解释、自动修正等功能,越来越多地获得文件系统访问权、网络权限、执行终端命令的能力。这些能力一旦设计失控,就会变成攻击者最理想的跳板。更讽刺的是,IDE本应是开发者抵御风险的第一道防线,现在却成了后门。 如果这件事能被这样轻飘飘地搁置7个月,那下一次可能是某个流行的VSCode扩展,某个AI辅助重构的代理。当开发环境越来越自动化,信任的链条却越来越脆弱,这不是单个Cursor的问题,而是整个开发者工具链都需要面对的结构性风险。Cursor的快速迭代有目共睹,但安全问题处理流程的脆弱性暴露了创业公司在安全建设上的资源错配。对于一家正加速进入企业市场、被数万开发者日常使用的工具,这样的懈怠几乎不可思议。 针对不同角色,我的建议是这样: 🔹 开发者个人:别等了。在Windows上使用AppLocker或组策略,明确阻止从工作区目录执行git.exe(或其他可能被仿冒的系统工具)。对于不信任的仓库,只在隔离的虚拟机或容器里打开,不要冒险。 🔹 技术团队与管理者:把开发工具的安全纳入威胁模型。审核团队使用的IDE、插件和辅助工具,尤其是它们自动执行代码的能力边界。盲目追求开发效率而忽视安全,代价会以数据泄露或勒索软件的形式重演。 🔹 行业与工具厂商:安全不能是「先上线再修补」的附属品。在自动化流程里,必须有硬性的安全阻断点,不能因为CI/CD管线繁忙就跳过。7个月和70个版本的教训,够痛了。 这条漏洞是坏消息,但它也是一记清醒的警钟。AI正在重塑开发流程,但无论多强大的模型,都不该成为安全原则的例外。Cursor必须尽快修复,而我们要趁这个机会,重新审视每天都在运行的那些自动化工具,到底有没有留够安全边界。
顯示更多
ChatGPT for Google Sheets 是 OpenAI 上个月刚推出的 Google 表格 AI 插件,用户可以在侧边栏直接用 ChatGPT 处理表格数据,上线不到一个月下载量就超过了 18.5 万次。 但安全公司 PromptArmor 发现,这个插件有权限执行脚本、读取和编辑你的工作簿,而这些权限可以被攻击者劫持。攻击者只需要在一个共享表格中藏一段白色隐藏文字,就能在你毫不知情的情况下窃取你整个 Google 账户里的工作簿。 比如同事分享了一个 Google 表格给你,或者你从网上找了一份公开数据集导入自己的工作簿来用。这些都是日常操作,但攻击者可以在这些表格里藏一段白色文字(背景白色、字体白色,肉眼看不见),你打开表格完全不会注意到。 当 ChatGPT 帮你处理这些数据时,这段隐藏指令被一起读取并触发,ChatGPT 被操纵去执行一个外部脚本。脚本利用插件的权限,把你当前工作簿的内容发送到攻击者的服务器。 然后脚本会在被偷走的数据里寻找其他工作簿的链接,继续偷,像蠕虫一样扩散。在 PromptArmor 的演示中,一次攻击最终偷走了 12 个工作簿。 ChatGPT for Sheets 有一个「编辑前需要人工确认」的安全设置,专门防止 AI 未经授权就执行操作。只不过这个攻击在用户明确开启了该设置的情况下依然有效,因为它触发的是脚本执行,不是表格编辑,绕过了这道防线。点击侧边栏的「停止」按钮也拦不住已经开始运行的脚本。 除了偷数据,同样的漏洞还能让攻击者用一个假的 ChatGPT 界面替换掉侧边栏里真正的 ChatGPT。替换之后,你以为自己还在跟 ChatGPT 对话,实际上所有提问都被攻击者收集了。攻击者甚至可以弹出一个钓鱼窗口,骗你输入 OpenAI 密码。 PromptArmor 在 5 月 8 日向 OpenAI 提交了漏洞报告,OpenAI 回了一封自动回复。之后 PromptArmor 在 5 月 12 日和 5 月 18 日分别跟进了一次,没有收到任何实质性回应。5 月 27 日,PromptArmor 决定公开披露。 直到 5 月 31 日,OpenAI 才正式回应,承认「这个报告在我们的披露流程中被遗漏了」,并表示已经移除了模型生成 Apps Script 代码的能力,「这应该能消除 ChatGPT for Google Sheets 用户面临的风险」。 从报告提交到漏洞修复,历经 23 天。 Google Workspace 管理员可以在「Workspace 设置 > 权限与角色 > ChatGPT for Excel and Google Sheets」中关闭组织内对该插件的访问。
顯示更多
0
40
10
0
轉發到社區
为什么中国不拆开英伟达显卡研究,从而造出自己的国产显卡?就这么说吧,即使完整拆开了,也根本研究不明白,更别提造出来了。   很多人一直有个疑问:我们明明能轻松买到英伟达高端显卡,为什么不直接拆开、逆向研究,快速造出同款国产显卡?甚至有人觉得,芯片就是线路排布,照搬结构就能复刻。   但业内真实答案格外扎心:哪怕把显卡完完整整拆开,用显微镜、X光逐层扫描,也根本研究不透核心逻辑,更别说批量量产,现代高端GPU的技术壁垒,早已远超普通人的认知。   首先,现代显卡核心早已不是简单的平面电路板,而是超高密度的三维立体微型工程,老式芯片结构简单,线路清晰,拆开尚能摸索规律。   但英伟达新一代GPU集成数百亿个晶体管,内部堆叠十几层金属走线,层层交错、精密排布,如同错综复杂的立体迷宫。   我们通过拆解、扫描,最多只能得到二维平面线路图,根本无法还原每层线路的逻辑关联、电流走向、功耗分配机制。   这就好比对着一栋三十层高楼的俯视图,想要复刻整栋建筑的水电、结构、承重体系,完全不现实。   其次,硬件复刻绕不开顶级制程与封装工艺的绝对壁垒,英伟达高端显卡普遍采用5nm、4nm先进制程,依赖EUV光刻机、高精度晶圆代工、高密度Chiplet封装技术。   目前全球能完整落地这套工艺的厂商屈指可数,即便我们百分百摸清芯片外部结构,也没有对应的设备和工艺精准复刻微观结构。   芯片刻蚀的纳米级精度、层间对齐、散热封装、HBM显存集成等核心工艺,每一项都是长期积累的工业壁垒,单纯逆向拆解完全无法突破。   比硬件工艺更难的,是普通人完全忽略的软件生态护城河,这也是最无解的壁垒,英伟达深耕近二十年打造的CUDA生态。   是全球独一份的GPU开发体系,包含超十亿行底层代码、海量开发工具、适配所有AI框架、游戏引擎和工业软件,全球数百万开发者、千万级行业软件、主流AI模型,全部基于CUDA架构开发。   哪怕我们硬件参数完美复刻英伟达显卡,没有配套的底层驱动、指令集、生态适配,这块显卡就是一块废铁。   无法兼容主流游戏、设计软件、AI算力程序,适配优化需要从零重构,工程量堪比再造一套全新体系,耗费十年以上积累都未必能追上,根本不是短期逆向复刻能解决的。   除此之外,还有密不透风的专利壁垒,英伟达手握上万项GPU核心专利,覆盖架构设计、线路布局、算力调度、散热控制等全领域细节,任何一处核心结构复刻,都会直接触发专利侵权,无法商用落地。   就算实验室小规模复刻成功,也不能量产上市,没有任何实际产业价值,纯粹白费研发资源。   更关键的是,逆向研发本身存在致命缺陷,现代GPU的核心价值,不止是外观结构,而是动态的算力调度、功耗优化、容错算法、延迟控制等隐形逻辑。   这些算法逻辑藏在底层代码和架构设计中,不会体现在物理线路上,拆开显卡只能看到“硬件样子”,永远看不懂“运行逻辑”,复刻出来的产品,大概率连基础的游戏、办公、算力任务都无法稳定运行。   这也是我国坚持自主研发国产显卡,放弃逆向复刻的核心原因,高端芯片领域,从来没有“抄近道”的可能。   硬件工艺、架构逻辑、软件生态、专利体系,四重壁垒层层锁死,单纯拆解复刻早已彻底行不通。   所谓国产替代,从来不是照搬模仿,而是从零开始搭建自主架构、自研生态、打磨工艺体系,这条路虽然漫长艰难,但却是唯一靠谱、可持续的正道,也是打破国外芯片垄断的唯一出路。
顯示更多
AI、Agent、RWA 都在爆发,但它们其实卡在同一个地方 最近在关注 @primus_labs 项目的时候,我发现过去两年,市场一直在追各种热门叙事,DeFi,后来是 LSD、Restaking,再后来是 RWA、AI Agent、DID、链上信用,现在又变成 Agent Economy、AI 金融、AI 员工……每天都有新名词诞生,感觉不学两个缩写都不好意思打开 X。 这些看起来八竿子打不着的赛道,可能一直在卡同一个 Bug,如何让链下事实变成链上可信事实。 -DeFi 如果想给你更高额度,需要知道你的真实信用。 -RWA 想把现实资产搬上链,需要知道资产真实存在。 -AI Agent 想帮你管理资产,需要知道自己拿到的数据是真的。 问题是,这些最关键的信息,偏偏都不在链上,它们躺在银行数据库里、交易所后台里、企业服务器里、政府系统里,甚至藏在你自己的账户记录里。而区块链有一个特别明显的短板,它非常擅长验证链上的真相,却几乎不知道链下发生了什么。 于是整个行业这些年其实一直像在做同一道题,如果现实世界的数据进不来,那链上世界再透明又有什么意义? 这也是为什么我开始认真关注 Primus 很多人认识 Primus 是因为 zkTLS,但我越来越觉得,如果只把它定义成一个 zkTLS 项目,有点像把英伟达定义成一家显卡公司,不能说是错的,但是没说到重点。因为它真正解决的问题,其实是数字世界最昂贵的一种资源:信任。 Primus 从 2023 年开始就在做这件事。很多人是最近才开始关注 zkTLS,但实际上 Primus 已经在这个方向深耕了三年多时间。团队不仅是行业最早一批 zkTLS 研究者之一,也是 Ethereum 生态 TLSNotary 的核心代码贡献者,成员大多拥有密码学背景。 在过去几年中,他们完成了 Pre-Seed 和 Seed 轮共计 650 万美元融资。相比融资金额本身,我更关注的一点是:当市场热点从 DeFi 转向 AI、再从 AI 转向 Agent 时,他们始终没有偏离自己的主线——构建可信数据与可信计算基础设施。 这种长期主义,在如今的 Crypto 行业里反而显得越来越稀缺,如果说很多项目是在追 AI 和 Agent 热点,那么 Primus 更像是在做这些热点背后的基础设施。 过去互联网验证信任的方式特别简单粗暴,把数据交出来,工资流水、银行账户、交易记录给我、最好身份证也给我,属于一种“为了证明自己,先把自己扒光”的逻辑。 而其中zkTLS 有点像另一种思路,你不用把答案交出来,只需要证明你答对了。你可以证明自己账户里有超过 10 万美元,但不用公开余额;你可以证明自己符合某种资格,但不用暴露全部身份信息。数据还是你的,验证却完成了。 这件事听起来平平无奇,但如果放到 AI 身上,意义就完全不一样了。因为现在 AI 最大的问题,很多时候根本不是不够聪明,而是它容易一本正经地胡说八道。模型能力提升得越来越快,但可信数据的获取能力却没跟上。 如果一个 Agent 连自己看到的数据是真是假都不知道,那推理能力再强,本质上也是在垃圾堆里淘金。所以我越来越觉得,未来 Agent 的竞争未必是模型大战,而是谁能拿到更可信的数据。 而在这件事上,Primus 做的另一块拼图也很有意思。FHE,全同态加密,名字听起来像密码学教授用来劝退新人的专业术语。但核心逻辑其实非常简单:让数据在加密状态下直接参与计算。 过去的数据世界想计算,就得先解密,想解密,就得暴露数据。所以大家既想用数据赚钱,又怕数据泄露,最后谁都不敢开放。 而 FHE 想做的是:数据不用脱衣服,也能干活。医疗数据可以参与 AI 训练;金融数据可以参与风险评估;企业数据可以参与分析计算,整个过程中原始数据始终保持加密状态。计算完成了,隐私也保住了。 所以这时候再回头看 zkTLS 和 FHE 的组合,就会发现它们像两块刚好拼上的积木。一个负责证明:这份数据是真的;一个负责保证:这份数据不会泄露。前者解决真实性,后者解决隐私性。 而未来无论是 RWA、链上信用、AI Agent,还是去中心化身份,本质上都绕不开这两个问题。毕竟一个 Agent 再聪明,也得先知道自己看到的是事实,一个 RWA 再火,也得先证明资产真的存在,一个信用体系再复杂,也得先验证信用确实成立。说到底,未来最大的竞争可能不是谁拥有最多数据,而是谁拥有最可信的数据。 过去二十年,互联网解决的是信息流动,信息从封闭走向开放。而未来二十年,数字世界真正需要解决的,或许是信任流动。让事实能够被验证,让隐私能够被保护,让数据能够在不暴露自己的情况下创造价值。 如果这个方向成立,那么 Primus 讲的或许从来都不只是一个 zkTLS 的故事。 而是在尝试回答一个更大的问题:当 AI 开始替人工作,当资产开始全面上链,当数字身份成为新的基础设施之后,数字世界,到底该凭什么相信自己看到的一切。 所以谁能够成为数字世界的验证层。谁就有机会成为下一代互联网最底层的基础设施之一。从这个角度看,Primus @primus_labs 的故事或许并不是一个 zkTLS 项目的故事,而是一个关于“数字世界如何建立信任”的故事。(
顯示更多
0
110
105
1
轉發到社區
这13本书,是我重塑人生的底牌!! 今天结合我自己读完后的真实感悟,一一拆解,希望能给正在寻求改变的你,带来一点启发。 1. 《巴菲特致股东的信》 买股票,本质就是买下一家公司的一部分。永远去寻找拥有坚固护城河、管理层正直靠谱、估值又足够合理的优质企业。 2. 《富爸爸穷爸爸》 穷人为钱奔波打工,富人让钱主动为自己赚钱。核心就是分清:资产是帮你把钱装进口袋的东西,负债是不停把你钱掏走的东西。 3. 《纳瓦尔宝典》 赚钱本身是一门可以后天习得的专业技能,和单纯的辛苦努力没有绝对关系。善用代码、内容、资本三大杠杆,就能跳出“用时间换钱”的死循环,实现被动财富增长。 4. 《聪明的投资者》 真正的投资,和投机有着本质区别:投资永远以本金安全、合理回报为前提,做好严谨客观的分析;而无论什么时候,都一定要给自己留足安全边际。 5. 《大道:段永平投资问答录》 一旦发现自己判断出错,立刻止损离场,当下再大的损失,也会是未来最小的代价。永远坚持只做正确的事,再把事情一步步做对。 6. 《彼得·林奇的成功投资》 最好的投资机会,从来都不在遥不可及的专业机构里,就藏在你日常的生活、消费与观察里。留心身边细节,就能发掘被市场低估的优质隐形冠军。 7. 《周期》 市场永远像钟摆一样,在极端乐观和极端悲观之间来回摆动。比起费力预测未知的未来,精准判断当下市场处在过热还是冰点的位置,才是真正的决胜关键。 8. 《雪球投资第一课》 投资就像滚雪球,想要越滚越大,只需要抓住两个核心:找到一条足够长的雪道,等到足够湿润的厚雪,剩下的就是耐心等待复利发酵。 9. 《手把手教你读财报》 看懂财报最核心的作用,从来不是挑选出完美公司,而是帮你排除掉烂公司。看不懂财报去投资,等同于盲人摸象;看清数据背后真实的经营逻辑,才能真正做到不懂不碰。 10. 《投资最重要的事》 顶级投资者的核心心法,就是逆向思维。别人疯狂贪婪的时候保持警惕,别人集体恐惧的时候保持清醒大胆,这也是获取超额长期收益的底层前提。 11. 《穷查理宝典》 如果手里只有一把锤子,你看全世界都会像钉子。一定要搭建跨学科的多元思维模型,用心理学、经济学、生物学等多重视角,穿透表象看清商业和世界的本质。 12. 《文明、现代化、价值投资与中国》 长期的财富复利,永远扎根于社会生产力的进步与国家国运的长期向上。当下的中国,依旧是全球最具长期潜力的价值投资沃土。 13. 《原则》 痛苦 + 深度反思 = 持续成长。把人生和事业当作一套可以迭代优化的精密系统,建立属于自己的行事原则与决策算法,从容穿越所有周期起伏。 这套书单,也被很多人叫做价值投资的「完整军火库」,从底层认知思维,到落地实操技巧,全覆盖无短板。 于我而言,这13本书,更是当初帮我从人生泥潭里奋力爬出来的梯子。 也真心祝愿,每一个想要破局、改变现状的你,都能从中汲取力量,翻盘向上。
顯示更多
0
5
119
37
轉發到社區