日本電氣硝子株式會社 (5214) 2025財年投資者會議 Q&A 會議重點（2026年2月9日 星期一 於東京舉行） Q1. 為什麼2026財年的營業利益預測低於2025財年？另外，為何下半年的營業利益會高於上半年？ A1. 2025財年表現強勁，營業利益超過原先公布的數字。2026財年我們計畫進行多座玻璃熔融爐的定期維修，並在顯示器事業中切換為全電熔融爐。這些工作大多集中在上半年。全電熔融爐的生產效率遠優於傳統瓦斯燃燒爐，雖然資本投資與工程費用會暫時增加，但長期來看將對業績有所貢獻。下半年因工程項目減少且設備進入正常運轉，獲利預計會恢復。 複合材料事業的結構改革成果已開始顯現，生產力提升將使營業利益率從上半年逐步改善至下半年。綜合以上因素，2026財年營業利益預計將略微下降。但我們將透過各事業提升生產力，力求維持與2025財年相當的營業利益水準。 Q2. 請說明顯示器事業的環境展望？ A2. 2025財年我們已成功調漲價格。2026財年，由於電視等大型螢幕尺寸增加，玻璃需求預計比2025財年成長約5%。 Q3. 您提到半導體支撐用玻璃晶圓的競爭環境將趨於嚴峻，請說明2026財年的銷售預測與競爭狀況？ A3. 半導體支撐用玻璃晶圓的市場預計會持續成長，但隨著市場擴大，進入的競爭者也增加。2026財年上半年，由於競爭加劇以及客戶生產營運計畫影響，銷售額將暫時呈現高原狀態（plateau）。不過我們目前正與客戶針對下半年進行開發討論，預計下半年銷售將恢復。此外，我們也正在開發適合面板級封裝（Panel Level Package）的方形玻璃基板。 Q4. 探針卡用玻璃基板的現況如何？ A4. 我們的探針卡用玻璃基板採用LTCC材料，具有對應半導體配線細線化的溫度特性。2025財年銷售低於預期，但2026財年隨著客戶逐步決定採用我們的產品，銷售額預計將會增加。 Q5. 複合材料事業中，您們正在推動英國子公司停業等事業結構改革，請說明其他提升獲利能力的措施？ A5. 用於樹脂強化之玻璃纖維的事業環境依然嚴峻，因此難以像其他事業一樣調漲價格。我們因此持續致力於提升生產力、優化產品組合，並積極推廣高附加價值產品。主要措施已記載於簡報資料第12頁。2026財年銷售額預計較2025財年略微下降，但獲利預計將穩健改善。 Q6. D2纖維預計於2026財年第四季開始量產，請說明客戶認證進度？另外，也想了解低膨脹玻璃纖維的開發狀況？ A6. D2纖維已獲得客戶高度評價，未來用戶的認證工作正在進行中。隨著2026財年第四季量產設備正式運轉，我們將回應客戶的需求。我們同時也在開發低膨脹玻璃纖維，目標是將這兩者都培育成未來事業的重要支柱。 Q7. 請問中期經營計畫 EGP2028 的目標是否能達成？ A7. EGP2028 訂定2028財年的目標為： - 營業額 4,000 億日圓 - 營業利益 500 億日圓 - 營業利益率 12.5% - ROE 8% 2025財年營業利益率已達到11.0%，非常接近目標。我們預計既有事業營業額為3,500億日圓、新事業為500億日圓。既有事業方面，在2026財年預估3,200億日圓的基礎上，加上半導體相關產品的成長，預計可達成目標。新事業部分，我們將聚焦於材料中提到的無氟防水防油塗層、工程事業，以及透過併購（M&A）與合資等方式，力求達成EGP2028的目標。

電報 Managed Bots 讓你兩次點擊就能擁有專屬 Agentic AI 機器人！ 過去，建立一個 @Telegram Bot 要經過 BotFather 繁瑣的設定流程：申請 token、設定權限、寫程式碼、部署伺服器……普通人光是看到一堆指令就頭痛。現在，一切徹底改變了！ 全新體驗：兩次點擊就搞定 只需透過管理機器人（例如 LobsterClawBot），輸入簡單指令： t. me/newbot/SourceBot/你的username 系統就會自動幫你： ✅ 建立 Bot ✅ 管理 token 與 API 權限 ✅ 設定 Agentic 行為模式 ✅ 直接在聊天視窗中啟動 整個過程不到 10 秒，零程式基礎的人也能輕鬆擁有自己的「AI 代理人」！Durov 直接把 Telegram 從聊天 App 變成易用的 AI Agent 平台。 它能主動思考、呼叫工具、執行多步驟任務、與其他 Bot 或用戶互動，甚至在背景持續運作。 這代表：你不再只是「跟 AI 聊天」，而是擁有了一個能真正幫你「做事」的數位分身！ 超多實際應用場景（直接抄去用） 1個人生活助理（每天都離不開） •早上自動幫你總結今日新聞、天氣、交通路況 •智慧排程：讀取你的日曆，自動幫你預約會議、訂機票、提醒繳費 •健康管家：追蹤運動數據、飲食紀錄，還能根據你的習慣推薦食譜 2工作生產力神器 •會議紀錄 Bot：加入群組後自動轉錄語音、整理重點、產生行動清單 •郵件/訊息自動處理：掃描重要郵件、分類優先順序、甚至幫你草擬回覆 •研究助理：輸入「幫我整理 Tesla 最新財報」，它會自動抓取資料、製作簡報大綱 3電商與客服革命 •商家直接在 Telegram 開店：Bot 能即時回答商品問題、下單、查物流、處理退貨 •24 小時無人客服：支援多語言，解決 90% 重複問題，真正做到「永不打烊」 4加密貨幣與 Web3 應用（TG 原生優勢） •交易 Bot：自動監控價格、執行限價單、DeFi 收益農場管理 •錢包守護者：即時通知大額轉帳、風險警示 •NFT 社群管理：自動驗證持有者、發放空投、舉辦活動 5教育與學習夥伴 •個人家教：輸入「用繁體中文教我微積分」，Bot 會循序漸進出題、批改、解釋 •語言練習：每天跟你對話、糾正發音、推薦閱讀素材 •考試準備：自動產生考古題、記憶卡片、弱點強化計畫 6娛樂與創作工具 •遊戲 Bot：文字冒險、策略對戰、甚至多人即時遊戲 •內容創作助手：寫文案、生成故事、配圖提示詞、剪輯影片腳本 •音樂/影視推薦：根據你的心情與觀看紀錄，精準推播 7社群與團隊管理 •群組管家：自動歡迎新成員、過濾廣告、整理討論主題 •專案管理 Bot：整合 Notion/Trello，自動更新任務狀態、@ 負責人 •粉絲經濟：創作者可建立付費私人 Bot，提供獨家內容、問答服務 8未來進階玩法 •多 Bot 聯動：你的「財務 Bot」+「行程 Bot」+「健康 Bot」可以互相溝通，自動協調 •開放 API 整合：開發者能把自家服務直接嵌入 Bot（Durov 已呼籲大家快跟上） •隱私優先：所有資料都在 Telegram 生態內，端到端加密 這波影響有多大？ Telegram 目前有超過 9 億月活躍用戶，這次更新等於把 AI Agent 的門檻直接打到地板。 以前只有工程師能玩的東西，現在變成人人都能擁有的「AI 超能力」。

1888年出生的史蒂文生，可以說是在一個鳥不生蛋的地方長大。在德州奧斯汀西方兩百英哩的地方，離文明很遠，地也種不出東西，所以他很小就會騎馬，因為放牧牛馬是當地人唯一的謀生管道。史蒂文生上學總共上了七年，之後他就開始賺錢。十來歲的小朋友，開了個馬車貨運行，從他的家鄉拉貨到附近比較大的鎮，單趟75英哩，但來回要一個星期。就像牛仔一樣，史蒂文生駕著馬車趕著貨，露宿野地。晚上就著營火讀書，把握機會，史蒂文生開始自學簿記，然後一邊讀著歷史。這樣的生活過了幾年，史蒂文生聽說附近開了銀行，憑著他的簿記知識，他去應徵了簿記員，但銀行不缺行員，缺清潔工，為了這個鄉下難得的機會，史蒂文生不幹貨運，到銀行當起了清潔工。 工作勤奮的史蒂文生(Coke Stevenson)，終於在簿記員生病的時候，頂上了缺，二十歲，還不到法定成人的年紀，他當上了銀行的行員。二十五歲的時候，銀行重組，史蒂文生被推選為銀行的總裁。但這五年時間，史蒂文生把一天當兩天用，他追求鎮上醫生的女兒，結了婚，沒錢買大房子，用自己的兩隻手，利用晚上下班的時間，拆掉舊房子的木頭，拿來蓋新房。同時，他又在晚上自學法律，在律師事務所當學徒。在當上銀行總裁的那年，同時也考上律師。 為人正直不阿的史蒂文生，很快變成縣裡的重要人物，先是被推選為縣的檢察官，專門抓偷牛馬的賊。在他的任內Kimble縣的馬賊消聲匿跡。然後他被民眾選為縣裡的大法官，在德州地廣人稀的鄉下，法官也兼縣長，所以史蒂文生變成縣城最大的官。在他的任內，把通往州府奧斯汀的馬路修了起來，完成了鄉民最渴望的公共建設。史蒂文生不貪污，不搞複雜的人際關係，他買了個牧場，不工作的時候，就在牧場裡蓋房子、修花園，沒水沒電，過著日出而作、日落而息的自給自足生活。但他的名聲響亮，讓他一再地被選為政治領袖，從州議員開始，一路當到了州長。他是德州第一個當到州議長、副州長及州長三冠王的政治人物，他也是在那個時候在德州州長任期最久的政治人物，每次他的選舉，都是超過對手極大比例的壓倒性勝利，一直要到1948年聯邦參議員的選舉，碰到不世出的政治奇材，後來當上總統的詹森(Lyndon Johnson)，史蒂文生才首吃敗仗，當然詹森的選舉髒得不像話，買票作票，無所不用其極，但那是另外的故事了。 1888年的德州鄉下，遠遠不比1889年希特勒出生的奧地利小鎮，也比不上1878年史達林出生的喬治亞，也許和1893年毛澤東出生的湖南韶山相差不多。但史蒂文生生長在美國，就算是鄉下，就算是機會稀缺，但廣大的自由土地，讓任何人都可以憑著自己的雙手，憑著自己的意志與努力，找尋到生命的出路，敬天愛人的過上有意義的一生。相比之下，希特勒、史達林、毛澤東這些魔頭，生長的社會沒有希望，也沒有讓年輕人可以有機會靠著自己雙手做點事，如果有點野心，又加上有社會的思想騷動，很容易就想賭一把，走向革命之路，變成亡命之徒，這樣的年輕人，失敗的時候多，而他們真的成功了，對世人，也是災難，而不是救贖。

博士班將畢業要上就業市場的時候，我聽從了當時正因為Freakonomics火紅，芝加哥大學教授Steven Levitt公開的建議，取了個美國化的名字。他說他都這樣建議他為數眾多的國際學生這麼做，因為他的研究證實，「名字」充滿了許多訊息，會給僱主認識到你是不是非常願意融入環境、擁抱當地的文化，你是不是想和其它人一樣，而決定要不要給你加分。講到這裡，就很多人想要舉反例，但是愛舉反例的人，常常不了解這種實證研究的意義，就業結果的差異，當然是有很多因素造成，但這種設計良好的實驗，真正的解讀方法是，「如果兩個各方面都一模一樣的人，取了一個美國化的名字那個，會有比較好的就業結果」。我那一年的就業市場正在金融風暴的谷底，任何一點加分的機會，我當然不能錯過。 Levitt的意見，放在今時今日，那是非常政治不正確的。我都可以想見各式各樣的批評，「死白男，你憑什麼要人家放棄自己的身份認同」「為什麼不擁抱自己的文化」「你很好，沒有需要改變」「是別人該來學你的名字怎麼唸，而不是你要配合他們」「世界本應該如此多元」諸如此類的看法。如果是個人的價值觀，自我的選擇，我都沒有意見，但在現實上，這些批評並沒有辦法改變這個世界上，人生下來就存在的偏見，也許社會比較文明了，社會比較多cancel文化了，這些偏見不敢顯露出來，但一直都在而去除不了，只是變成隱性的偏見而已，這也是Levitt和Ronald Fryer等人研究的價值，人是會說一套，做一套的，所以有人選擇保留自己驕傲的一切，有人極力融入新社會，那都沒有關係，「名字」的訊號傳遞機制，不會因為你做了什麼，或是不做什麼，而失去作用。所以，你看為什麼這麼多東亞移民，給小孩取名字，都是非常美國化的名字，那是一個想要融入的心情，那是一個務實的心態。反觀印度人...... 但這些強調要政治正確的左派意識型態，其實還是有害的。首先，這些高大上的多元價值讓新世代對社會的運行有誤解，造成他們的認知和現實有落差。但更大的問題是，這種多元價值幾乎都不可避免地變成紅衛兵的鬥爭手法，為什麼Levitt現在不太敢再講這些實證上反多元的研究？因為那是會被人cancel的大逆不道言論。現在美國的教育界，不管是中小學，還是高等教育，通通是這種多元的氛圍，所以多數的老師，自己言論審查的厲害，而一旦開始懼怕被告發，那就當不了老師了，因為老師很多時候，是要「教育」學生，是帶有價值判斷的傳道責任。而一旦老師不敢要求，那學生其實就失去了學習做人做事道理的機會。一如我之前所說，大學的價值一在credentials，二在無憂無慮的四年探索，而如果老師都是畏首畏尾，那這個探索的過程，這個讓青少年成熟的獨特經歷，就少了一些能導正行為和看法的力量。 所以，我的課，不准用手機和電腦。學生可以遲到，可以中途離席上廁所，但我都很明白告知，你有你的來去自由，但你要知道，每個人心中都有一本帳，記載了和所有人的往來好壞，你每次上課都要晚來，或者是都要用上課時間上廁所，你雖然不會在這堂課被扣分，但你在我的私人帳裡，會一直都是負值，你的印象分數就是負的。當你身邊的人，對你的帳上，記的都是這些負值，你就把自己在社會成功、人生幸福的機會一降再降，如果不自己想辦法改變，那也不要日後悔恨。是的，我就是那個沒有政治正確危機感的說教老頭，但這不就是學校給我終身職的立意初衷？

前幾天剛好跟朋友在討論預測市場當前到底需要的是什麼，看似繁榮其實並沒有很好的讓大家都上手 多數交易量肯定都是來自 bot ，而且多數人參與其實滿容易虧錢的 最大的問題就是不同市場的流動性碎片化再加上介面不好用、不直覺 以台灣來說甚至登入個 polymarket 都有問題，仍是最大痛點，我最常用的還是 polymarket 的 CLI 當前有兩個痛點需要被解決：更好懂的介面以及更絲滑的入金方式 市面上的方案都沒有真正解決這個問題，更不要說單純的 AI 工具 不管是否幣圈，AI agent 使用率都是不高的，一個重要原因是最一開始的啟動流程仍然有些複雜，只有真的動力強的少數族群才會每天用 另一個更根本的原因是，主流模型從來沒有被真正為「在市場裡賺錢」而設計過，它們能提供分析結果 但分析≠ 不代表真的能夠賺錢 用戶本身具有交易賺錢的能力， ai agent 才能發揮得好，否則很容易只是幫我們花式虧錢 Sui 上面的 @0xbeepit 還挺有趣，這個協議是一個讓交易型 AI agent 在真實市場中競爭、篩選、進化的系統，只保留真實市場裡活下來的策略 而且除了 agent trading 還有發展其他的產品線 這是當前預測市場賽道所欠缺的 「有更多讓用戶資金留存的誘因」 創始團隊在 PayPal 和 Walmart 等企業建構過 TradFi 系統，平均 12 年以上的開發經驗，橫跨支付、交易、區塊鏈基礎設施等 Beep 主要運作的方式有五個階段 1️⃣ 用對的工具開發策略 LLM 負責理解語言、分析情緒、提取資訊；另一種 AI 專為數字時間序列設計的模型，負責數值計算、風險判斷和交易執行 2️⃣獨家訊號 Beep 的 agent 接入獨有的數據流，包含鏈上交易元數據、預測市場訊號、訂單流微觀結構 3️⃣ 開放接入 任何 agent 都可以接入、提交策略。 越多參與者，接觸到的市場資訊廣度也更大，利好所有玩家 4️⃣ 嚴格篩選 每個策略先用模擬資金跑，通過了才能用真實資本 能穩定賺錢的策略獲得更多資金信任，跑輸的淘汰 5️⃣ 結果反哺 每一筆交易的結果，都會成為模型訓練的一部分，讓系統變得更準 理論上隨著時間的推進，系統會越來越強大 接著是其他產品線，Beep 最新上線的 R3，是基於 Polymarket 的預測市場產品，提供兩種玩法 💡手動預測，適合想自己下單的用戶，Beep 為用戶提供 AI 洞察輔助用戶做判斷 💡全託管預測 Agent ，適合想讓 AI 全權負責的用戶，AI 全權接管，掃描市場、選題、交易、結算，全程無需人類介入 我這次先丟了 1000u 來測試一下他們家的 trading agent 1️⃣ 選擇自己要用的模型（GPT5.4 , Claude Sonnet , Kimi , Groq 等） 2️⃣ 選擇要交易的市場：美股竟然也可以 , 不單純只是加密市場可以選擇 3️⃣ 除了 eth sui 之外我添加了近期火熱的 $SNDK $INTC $MU 三支股票 在這些交互的過程中都是可以嚕分數的，包含創建 agent、交易量、錢包餘額等（treasury），創建 agent 的花費跟交易頻率有關，越高當然花費越多，還可以設定單次交易最高金額，使用的槓桿大小等 agent 開跑之後, 可以動態看到 agent 當時的想法 下週來跟大家分享一下結果，有興趣的可以一起來玩玩： 這邊記得，受邀人記得至少要充值 10 usdc 以上才可以激活 ⚠️ 地區限制，台灣的朋友們記得一樣要切換 VPN 才能使用 去年年底 Sui 宣布了 The Agentic Economy is coming to Sui ，很明顯這是當前每條鏈都在積極發展的方向，Beep 是我認為值得一試的 Sui 鏈 agentic finance 項目 Beep 還支持基於 Hyperliquid 的全託管交易 agent 的創建，支持 Hyperliquid 上 Crypto + TradFi 全部 USDC 交易對 對於心癢癢想追高美股的用戶來說，如果想追高又不知道怎麼設止損，讓 ai agent 根據設置的策略來參與市場也不失為是一種方式

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。

技術保障自由，意志鑄就未來： 中國議會大陸院開啟「暗網匿名註冊創始選民」安全通道 中國議會籌備委員會公告 致全體中國大陸同胞： 中國的未來，應當由人民共同參與與塑造。在海外議院選民註冊工作平穩運行並取得階段性成果之際，中國議會籌備委員會（下稱「籌委會」）正式宣佈：即日起，全面開啟「中國議會大陸區議院」選民註冊工作。 這不僅是制度建設的里程碑，更是每一位大陸公民行使正當權利、表達政治意志的開端。 一、 啟動安全技術屏障，保障用户安全 在安全方面，我們採取了多層保護措施，包括數據加密、訪問控制以及風險監測機制，盡最大努力保障用戶信息的安全。需要說明的是，任何互聯網系統都無法做到絕對零風險，因此我們會持續優化安全措施，並盡量減少收集不必要的敏感信息。如果用戶對隱私有顧慮，可選擇以匿名方式參與。 二、 建立彈性參與機制，支持匿名註冊 我們始終認為，制度的價值在於其包容性與真實性。因此，大陸院將採取審慎且具彈性的參與機制——正式允許申請人以匿名方式參與註冊及相關公共事務活動。無論您選擇實名還是匿名，本質上都是對公共事務的理性關注與對未來道路的自主選擇。 三、 註冊成為「創始選民」的重大意義 我們誠摯鼓勵廣大同胞積極參與註冊，成為大陸院創始選民。作為創始選民，您不僅是制度的見證者，更是建設者： 奠定制度基石： 您的參與將直接定義議會的代表性，確保制度從一開始就植根於真實的人民意志。 賦予歷史合法性： 在制度初創期，每一份理性的加入都是對民主、自由與法治理念的實質投票，共同鑄就未來政治生活的合法性基礎。 開創參與路徑： 創始選民的勇氣與智慧，將為後續更廣泛的社會參與探索出安全、有序且可行的範例。 四、 踐行真正的代表制度 真正的代表制度不應流於形式，而應是人民意志的真實體現。我們邀請所有認同普世價值的大陸同胞：無論您身處何地，只要心繫家國，皆可參與這一進程。我們深知，制度的建立不會一蹴而就，但每一位創始選民的加入，都是歷史前行不可或缺的一部分。 未來，隨着條件的逐步成熟，我們將持續優化機制，推動更加開放、有序且安全的制度發展。 大陸院注冊地址： 中國議會籌備委員會 謹啟

販毒的黑道常會告誡手下，「不要用自己賣的東西」，我最近找到一個新的例子，芝加哥教師工會的會長，把自己的小孩，送去唸私立學校，拒絕用自己賣的產品。這是很不可思議的虛偽，更暴露出教師工會現在把美國的公立學校弄成什麼樣子。芝加哥的公立學校，是美國數一數二大的學區，但二十年來，學生人數少了近八萬人，教職員卻多了三千人，整體學區預算幾乎加倍，師生比拉這這麼高，資源這麼豐富，教育品質一定好了？沒有，芝加哥公立高中學生達到伊利諾規定的學業水準，只有兩成！州定的標準，已經相當低，還有近八成的芝加哥學生達不到。我有很多芝加哥高中畢業的學生，所以我深受其害，面對這麼多基本算數、識字寫作都有問題的學生，我只能一直放鬆教學內容，連帶影響其它程度好的學生。 公立學校資源一點都不是問題，但工會教師就一直用錢不夠的理由，找到機會就罷工抗議。如果不是家長太過憤怒，讓政治人物害怕，工會原本還要在五一國際勞動節停課，讓學生上街抗議。抗議什麼？名義上是為教師勞動權益，但很多是想拿反川的標語上街。他們要抗議川普是有道理的，芝加哥學區這幾年本地學生巨幅外流，如果不是非法的拉丁裔移民填補了空缺，芝加哥還要少更多的學生，預算還會有更大的問題，所以他們當然要抗議川普抓非法移民。有一個學生告訴我，他的朋友最近經濟發生困難，因為他原本的工作是安置芝加哥的非法移民，拿的是政府經費，結果被川普政府搞到沒有收入。我忍不住問他，你沒有覺得奇怪嗎？我沒沒有說出來的是，幹得好。稅金，就給這些米蟲拿去了。 很多移民來到美國，小孩上學了，就會發現，這國家錢真多。公立學校教室設備一流，公發的電子產品人手一台，學生自由，活潑開放。但時間一長，就發現這是個糞坑，這是個教師工會的社會福利機構。老師經常請假，代課老師只會點名，上課時間很少，管秩序時間很多，老師的精力，都花在處理少數具有破壞性的學生，好的老師不敢管教學生，壞的老師不懂教學，浪費學生時間，再不然就整天講黑命貴、川普種族主義、LGBTQ權益，每日上課時數極短，每年上課天數極少。然後一天到晚道德綁架家長，只有他們懂教育，只有他們最辛苦，只有他們收入最少。但讓我講一個很多人不知道的事，大部份的美國公立學校教師，不用繳Social Security，這個僱主和員工合繳12.4%的稅，老師是不繳的。 工會殘害美國至巨，但要怎麼改革這個問題呢？目前有一個聲音是要在最高法院打官司，禁止教師成立工會。這有法律上的道理，因為如果反拖拉斯的目的是反對商業市場壟斷，那教師工會在實質上也是在就業市場壟斷，同樣是傷害消費者行為。進行這個訟訴也有政治上的道理，因為民主黨和教師工會交相苟且，一個把會費金錢輸送給政黨，一個用政黨控制政府的能力，保證工會的利益。這就是芝加哥教師工會這麼囂張的原因，如果把教師工會判為違法，那是一石二鳥。但也因為這個關係到民主黨的權力掌控能力，所以民主黨一定會誓死而反對。 但更重要的是，我認為把工會廢了，公立學校也救不回來。美國沒有什麼師範學校，普通大學畢業，上個教育學程，滿足州的教師規定，就可以當老師。此前，女性受到歧視，工作機會不多的時候，很多優秀的女性，想要展長才的女生，很多都當了老師，因為那是少數女生能在職場發揮的地方，而因此，美國以前公立學校的品質非常高。但這個壓抑女性的社會問題大致解決了，公立學校的老師也失去了優秀人材的管道。現在在大學唸教育的，通常是其它學門唸不來的學生的最後選擇，有統計說，美國大學的專業裡面，平均智商最低的就是教育系。當然少部份學生是為了理念去唸教育，也很有能力，我常在鄉下來的高中畢業生裡看到這種學生，但他們很快就被丟進一個不需要太認真就可以畢業的環境，很快就向下平均去了。在逆向淘汰的情況下，造成公立學校教師資質越來越差。這一點，就連廢掉教師工會也救不回來。 所以，最好的解決方法，是讓工會徹底把公立教學搞砸，那就會有更多納稅人要求開放教育券的發放，鼓勵私立和特許學校的成立。我們愛荷華州這幾年在共和黨的全面執政下，教育券得到充份實施，私立學校像雨後春筍一樣，紛紛冒出頭，也順帶推倒許多品質江河日下的公立學校。私立學校並不一定好，但有競爭才會有進步，才會想要嚐試教學的新作法，在這個AI改變人類生活的時代，我們更需要這種民間的競爭，來導入AI教學，提高教學品質。因此，我非常支持這些混蛋教師工會的惡搞，越惡搞，越加速公立學校的死亡。

最後還是決定出來提醒一下，有請別人刷空投的或是自己有寫相關BOT都注意一下吧。 我有一個刷 LP rewards的BOT一直在跑，會自動去掃適合的市場來掛單吃LP，本來就都知道在台灣不能碰選舉盤，但之前開發Bot的時候完全沒想到這點，這段期間跑BOT的時候不小心吃到了一場跟台灣選舉有關的市場，金額3U，持倉不到5小時，0獲利出場。 然後我昨天早上就被警察叫醒了。 建議把相關的關鍵字都設定一下，KMT、Kuomintang、DPP 什麼的都要過濾掉（特別提醒一下，用API 抓 PM 上的市場名稱上並不會有任何Taiwan字眼） 還有就是很多人問為什麼找得到人，不管有沒有用VPN，錢包基本上都可以追回去是哪一家CEX入金的，只要你有在交易所KYC的，警察那邊都可以跟交易所要到資料，再加上現在警界也是有不少撈錢包高手在的。 真沒想到生平第一次做筆錄是因為這件事😂

這是我上班的動力!! 你想要哪個女生當你的秘書? 這陣子越研究 DeFi，我越覺得一件事 市場真正缺的，從來都不是收益 而是能長期留下來的收益 很多協議在牛市時看起來都很漂亮 APR 高得誇張，資金流入速度也很快 但問題是，這種收益很多時候建立在短期激勵上 代幣補貼一減少，流動性開始下降，整個收益模型很快就變了 所以現在我看項目，會特別注意一件事 這個收益，到底是來自真實需求，還是單純靠補貼撐起來 這也是為什麼我最近越來越關注 @TermMaxFi 因為它想做的方向，和很多傳統高 APR 敘事不太一樣 它更重視的是 如何建立一個可以被長期使用的固定收益市場 借款人願意支付固定成本取得流動性 出借人願意接受相對穩定的固定收益 市場透過期限與利率形成更完整的資金曲線 這種結構，其實更接近真正的金融市場 而不是只靠短期情緒推動 尤其現在 RWA、Tokenized Stocks、機構資金慢慢進場之後，我覺得市場對「穩定性」的需求會越來越高 因為大資金通常不會天天追逐最新池子。 他們更在意 這個市場能不能穩定運作 收益能不能預估 風險能不能量化 從這個角度來看，@TermMaxFi 現在做的固定利率基礎設施，我認為很有機會成為下一階段 DeFi 裡的重要一環 至少對我來說，它已經不只是單純的借貸協議，而是開始有點像鏈上的固定收益市場雛形了