非常年輕的傳奇投資人 Leopold @leopoldasch 為什麼砍了 $3 億 NVDA？而把錢全押在電力和礦場 核心邏輯是：他認為AGI 的真正瓶頸不是 GPU 光是電力、GPU 算力、BTC 礦企轉 AI 託管 這三個賽道就佔了大部分持倉 我用黃仁勳的 5 Layer Cake theory 拆解他的持倉 👇 5️⃣ 記憶體 — SNDK 加倉 816%，HBM 佔 AI 支出從 8% → 30% 4️⃣ 光學 — LITE 佔 8.7%，「不管誰的 GPU 贏都要用我的光模組」 3️⃣ GPU 雲 — CRWV call options 加了 672% 槓桿，最激進倉位 2️⃣ 礦場轉 AI — 8 檔佔 22.7%，有電有地換 GPU 就行 1️⃣ 電力 — BE 最大持倉 16.5%，能使用燃料電池繞過電網直接發電 - 最熱的記憶體和內存 - 代表 $SNDK $INTC $MU AI 模型的「工作記憶」每一次推論都需要高速讀寫 DRAM 和 NAND。HBM 短缺已成為 GPU 出貨的限制因子，記憶體佔 Hyperscaler AI 支出從 2023 年的 8% 飆升到 2026 年的 30% 💡 Leopold 在 Q4 把 SNDK 倉位加了 816%，同時用 INTC call options 押注 Intel 的先進封裝能搶到 HBM 封裝訂單。 - 半導體與光學 $LITE $COHR $TSEM $INFY 連接 GPU 叢集的「神經系統」— 光學收發器決定了 GPU 之間的通訊頻寬。800G/1.6T 光模組供不應求，交貨期超過 40 週 💡Lumentum 是最大個股持倉（8.7%），押的是「不管誰的 GPU 贏，都要用他們家的光模組」 - GPU 雲端運算 $CRWV $APLD $WYFI Hyperscaler 自己蓋不夠快，Neocloud（獨立 GPU 雲）填補缺口。CoreWeave 從幣圈公司轉型為 NVIDIA 最大的獨立客戶，已簽下數十億美元合約。 💡CoreWeave 佔組合 17.6%（含 call options），是第二大曝險，Leopold 用 call options 加了 672% 的槓桿，這是最激進的倉位，Neocloud 就是 AI 時代的 AWS - 比特幣礦企轉型的 AI 基礎設施 $CORZ $IREN $CIFR $RIOT $BTDR $HUT $CLSK $BITF 礦場是被低估的「AI 不動產」。比特幣礦場擁有現成的電力合約、散熱系統和土地，轉型 AI 託管的邊際成本極低， 💡8 檔礦場股佔組合 22.7%，是最大的單一賽道，礦場已經有電、有地、有散熱，只需要換 GPU 就能變成 AI 數據中心。Core Scientific 跟 CoreWeave 簽了 $10B+ 的託管合約就是最佳證明。 - 電力 $BE $EQT $SEI $BW $PUMP $LBRT $PSIX 💡 Bloom Energy 是整個組合的最大持倉（16.5%）當電網瓶頸停擺時，它的固態氧化物燃料電池可以繞過電網，直接在數據中心旁邊發電，EQT 則是天然氣供應商 實時追蹤他的 portfolio 👇

TrendForce：受惠於北美市場需求持續上調，Enterprise SSD第四季價格預估將持續上行 TrendForce指出，近兩週美系雲端業者上調Enterprise SSD需求，因各大CSP加速擴大部署與應用場景。需求不只集中在高效能TLC，價格與容量更具效益的QLC成為主要成長動能。 從拉貨動能看，第四季Enterprise SSD訂單總量極可能突破第三季高點，持續向上。原廠在企業級市場的產能配置與議價主導權因此提升，價格上行基礎更穩固。 驅動因素已從初期LLM訓練延伸至AI落地應用。北美Agentic AI系統佈建興盛，對即時巨量數據擷取與快取需求倍增，QLC在向量數據庫的應用同步放大，成為承載非結構化數據的高性價比方案，未來將推升其在北美雲端與資料中心的滲透率。 中國方面，以DeepSeek為代表的架構正推廣大容量QLC Enterprise SSD用於KV Cache Offload，將記憶體快取卸載至高速大容量QLC，以較低成本提升推論效率，中國市場後續也有機會擴大採用QLC eSSD。

Reddit 论坛的一位老哥， all in 在了海力士。 买了 70% 的仓位进去，现在内心压力很大，觉得自己的操作有点像赌徒，所以在网络上寻求大家意见。 虽然他知道上的仓位有点太大，但因为看到 AI 内存周期、海力士技术优势和估值都太诱人，所以还是很难克制加仓的冲动。 · 文章里，他看涨海力士的原因： 1）HBM 技术领先：SK 海力士在 HBM3E / HBM4E 上领先三星和美光，短期内是英伟达 AI 芯片最核心的内存供应商之一。 2）估值偏低：在利润高速增长的情况下，预期市盈率只有约 8 倍，看起来像是被 “韩国折价” 压低的 AI 价值股。 3）纳斯达克 ADR 催化：如果 8 月在纳斯达克上市，可能吸引美国机构、科技 ETF 和期权市场资金进入。 4）传统 DRAM 短缺：厂商把产能转向 HBM 后，普通 DRAM 可能出现供给紧张，进一步推高海力士盈利。

彻底癫了 又是行情疯癫的一天。 今天a股成交额3.6万亿，刷新了历史纪录。很多人在讨论巨额成交量意味着什么，我打个比喻，成交额差不多相当于是股市的心跳，心跳太低说明a股在睡觉或者缺乏运动，一旦a股情绪激动或者剧烈运动，心跳就会攀升，但心跳太快对身体是一种负担，像今天3.6万亿的成交额大概相当于每分钟200下的心跳，已经是超频运转，这个状态不可能一直持续的，否则会出事的。 今天市场的中位数+1.2%，其实涨的不算很多，但局部板块被资金疯狂推高，形成了高烈度的积聚效应。商业航天继续暴涨6.4%，脑机上涨5.1%，除了这两个当红炸子鸡外，还新出了一个GEO概念（生成式引擎优化）。 要解释GEO，先解释一下SEO。 我早年刚创业的时候做过互联网网站，当时为了获得免费流量，会进行专门针对搜索殷勤的优化。具体操作是给网站加一些伪原创文章，用几个账号来回对话假装讨论很热烈，另外还会找其他网站交换友情链接，目的是让搜索引擎觉得我的网站很繁荣，很有料，很体面，增加在搜索结果里的推荐权重。 这种就是SEO优化，有专门的公司做这类业务，我当初刚创业，为了省钱就自己做，效果当然不好，就是瞎搞。 知道了SEO后就知道GEO是什么了，SEO是针对搜索引擎（主要是百度）的优化，GEO就是针对AI引擎（豆包、元宝等大模型）的优化。给品牌批量写一些宣传内容，投喂到ai日常搜索的语料库里，这样ai在回答用户的提问时就会主动替品牌说好话或者进行推荐。 为什么GEO概念今天突然爆发了呢？其实还是和马斯克有关，因为他说要在7天内公布X平台（就是以前的推特）的内容推荐算法，并且以后每4个星期更新一次。 马斯克这么做是为了化解欧盟等多国监管压力，回应算法偏见、影子禁言等质疑以重建用户信任，是经营层面的选择。但传到a股这边就被解读成算法公开后，会刺激针对算法的GEO发展，至于谁来做GEO生意，暂定a股的传媒板块。 于是今天传媒+8%，顺带把影视+6.5%和游戏+6%也带飞了，因为这三个板块的个股是大量重叠的。 其实我觉得这个概念炒作是不靠谱的，首先目前只有X愿意开源，其它大模型并没有跟进，其次x在墙外，国内ip无法访问，业务关系不大。当然最重要的是就算后面有GEO产业，我也不相信a股哪些传统传媒公司能做好，没这个基因。 只是这次概念发明的太快，等不及了，直接找个以前的老登板块，戴个头套就先上去表演了。牛市的时间窗宝贵，一天都不能浪费。 我昨晚给你们说过牛市的本质，就是情绪饱满，流动性溢出，这个时候大部分的股民都处于fomo的状态，着急寻找共识板块，挣大钱，挣快钱。现在一天涨2-3%都很难满足散户的胃口了。 这种时候最容易凝聚共识的就是超级机构或者超级大v，马斯克正好就承接了这个角色，他说的话会被放大，然后映射到a股，热钱积极炒作投机。你问那些追涨停的游资大户有几个真的相信商业航天、脑机、GEO，他们根本不在乎，只要在退潮之前卖掉股票，后面就算天塌下来也无所谓了。 …… 今天有6个板块是绿的，保险、油气开采、农化制品、房地产、石油加工、煤炭开采，在这种群魔乱舞的交易日里亏钱也是够糟心的。另外像汽车、制药、银行、高速公路、养殖这些传统行业今天也涨的很少很少，这些都是本轮行情的失意者。 很多人在股吧和社区论坛上咒骂，诅咒科技板块的泡沫风险，痛骂市场不理性，其实就是没给自己的持仓抬轿。 我前面也说了，牛市时间窗宝贵，资金都在追随最强共识。这些滞涨的传统行业缺的就是共识，没业绩，没故事，没流量，你在牛市里买这些股票，亏钱风险小，但是浪费了机会成本。 除非出现超级事实，或者超级机构、超级大v来创造共识，不然都扳不过来，只能等那些热门概念玩透了，玩崩了，资金逃出来的时候看看能不能高低切反弹一下。 …… 1、黄金和白银又涨起来了，黄金已经到4600了，白银今天最高也超过85了，前几天挖的坑都填回来了。4500以上的黄金我停止定投了，虽然还是没有买到我满意的仓位，但过去半年好差还是加了一些，就先这样了，黄金后面没有大调我暂时不买了。 对了，前几天说的那个白银lof，其实一直有溢价，一直是可以滚动套利的，就是限购金额有点少，在这个牛市的大环境下，一天十来块钱都不好意思提了。 2、伊朗外长称政府已经和抗议者展开对话，局势得到控制。但就我看到的信息而言，局势先不说恶化，反正是没有好转。我教大家看一个信号，什么时候在国内官媒上看到关于伊朗的大面积报道了，说明那边确实不闹了。 大致就这些吧，今天很多股民在讨论目前的行情合不合理，那肯定是不合理的，涨幅能算出来的那是熊市，牛市的行情一定是突破技术指标，突破估值模型的，因为牛市完全由流动性和情绪驱动的。这个时候看财务的书，看技术的书，还不如看点行为心理学的书更实用。 记住你现在已经不是在投资，接下来的时间就是标准的博弈投机。 发射～

17 岁 AI 实习生日薪 5500 元，1998 年的算 “中登” 00 后 AI 从业者，多数喜欢用动漫或卡通角色做头像，习惯用表情包和感叹号，工作间隙会在周围一连串的冰美式订单中点一杯棉花糖热可可。 见一位 00 后 AI 创业者前，投资人提醒我们，想快速拉近距离最好给他带两杯奶茶。 刚刚本科毕业，大厂或投资机构已经给他们开出 200 万元、500 万元 或 100 万美元的高额年薪。不过，谈起几百万元的薪水时，喝着棉花糖热可可的年轻研究员语气平淡，像是讨论上学期的课程表。 “哎，我不太在意，多个一两百万也都无所谓。” 另一位 22 岁的研究员有类似的想法，“反正要创业，我也挣不了几年的工资”。今年夏天，他刚刚大学毕业，拿超过 500 万元的年薪，还有大厂和投资机构想要挖他。 大模型行业批量制造了几百、几千个年薪数百万的年轻精英。大厂们打破过往年龄、职级、经验的限制，高薪招揽年轻人才。 几位猎头和 HR 说，顶尖高校毕业、在大厂大模型核心团队实习过、顶刊论文方向符合、拿到大厂头部人才计划的应届生年薪基本都在 150 万元以上。一位参与 Seed 招聘的人士说，2024 年 TopSeed 校招生年薪约 150 万元，2025 年涨到 300 万-500 万元，2026 年核心岗位的校招生可以开到 600 万元，部分人还能更高。 还没毕业，这些人才就被提前锁定——2000 元起步，最高不止 5500 元，日薪。有人拿到 Meta 的实习录用，月薪 2 万美元，且提供食宿。在大多数行业实习日薪 200 元就算不错时，这些数字超出常识，听到的人经常需要再次确认，“日薪还是月薪”“人民币还是美元”。 按照行业统计数据，2026 年一季度北京外卖员平均月薪一万出头，一个日薪 5500 元的实习生相当于 10 个外卖员。一个年薪 300 万元的 AI 研究员干一年，抵得上一名 2025 年毕业的本科生勤奋工作 39 年。后者还要保证自己别失业。 即便在以高薪著称的互联网大厂，想达到年薪 300 万，你需要硕士毕业，连续工作 8 至 12 年，经历至少 3 次晋升答辩，每一次都名列前 30%，还要身处核心业务或赶上高速发展，才能在 40 岁前成功干到字节 3-2、阿里 P9、腾讯 T11 以上。这时候，你已经管着几十人的团队，在行业里小有名气。 而今天一个 22 岁、本科刚毕业的 AI 研究员，没带过人，没做过业务决策，没经历过一次绩效周期，就拿到了同等收入。 何况他们实在年轻。“1998 年出生，在基模团队里已经算 ‘中登’。” 一个大厂大模型团队的实习生有点沮丧，自己比同公司多数实习生年龄大。有次加班到深夜，他抬头见到一位年纪 “小多了” 的实习生，“写代码时还蹦蹦跳跳的”，他加重语气，又说了一遍，“字面意义上的蹦蹦跳跳”。 年纪相对小的才 17 岁——大厂对年龄越来越不设限，很难说谁最小。她被一家大厂的 HR 主动联系上，一边准备高中期末考试，一边在大模型团队实习，在工位上庆祝了六一儿童节。 “读博很浪费时间啊！” 一位年轻研究员想劝那些清华 “姚班” 的朋友，“最聪明的大脑为什么要那么慢地学？” 他举例，一位 19 岁的斯坦福学生没读到大二就离开学校，很快为自己的 AI 初创公司募集了 450 万美元融资，“最坏的情况不过是重新回到斯坦福”。 一名招聘人士曾劝过三四名博士放弃学位、转为正职，开出颇有诱惑的职级和薪酬。“如果读书是为了找到好工作，你现在已经有了。而且两年后不一定还有。” 于是几个年轻人选择中途退学，奋力一跃抓住 AI 这趟车。 一家 AI 公司创始人想法更激进。他计划让读高一的孩子休学，边工作边学习，“他在学校怎么可能学到比我这儿更多的东西？” 全球投资机构  Antler 调研超过 3500 名独角兽创业者后发现，2024 年，全球 AI 独角兽创始人的平均年龄 29 岁，而 2020 年他们大都 40 岁。这个数字大概率还会继续下降——AI 让这些足够聪明的年轻人有可能找到一份更高薪水的工作，也有可能把身价推至数亿美元。

为什么接下来国内的中产会大面积返贫？而富人就越富？ 日本用三十年给出了答案：社会进入低增长、低利率、低通胀周期后，手里有积蓄能守住资产，阶层就可能会向上跃迁。 这几年守不住资产、扛不住风险，中产就会快速滑落，重新回归普通阶层。 未来中国的中产，只会剧烈分化，很难全员安稳。 从中等收入迈向发达经济体，中产阶层收缩、分化是必经过程。 美国、日本、韩国都经历过同阶段。 中国也是后发现代化国家，发展轨迹有相似之处，但并非完全复刻。 如果能避开前人踩过的资产泡沫、高负债陷阱，就能最大程度守住自身阶层，避免滑落。 美日韩的上升路径，都是依靠城镇化与房地产扩张，配合工业化完成国家腾飞。 韩国汉江奇迹、日本昭和繁荣、美国战后黄金时代，本质都是通过国民适度加杠杆，完成从农业国迈入工业国。 全球多数工业化国家，都走过这条城镇化驱动发展的道路。 这种模式的特点是经济增长自主性强，外部国家难以直接打断。 实体产业随城镇化快速壮大，政府也能积累充足财力完善基建、升级城市，实现整体国力提升。 但最难的，是全民负债扩张之后，如何实现风险平稳清理、完成房地产软着陆。 依靠地产驱动工业化的国家，想要完成经济转型，几乎都要经历一轮资产泡沫清出。 日本1991年泡沫破裂，经济停滞三十年； 韩国1997年遭遇金融风暴，资产大幅缩水，外资借机大举抄底； 美国更早也经历过资产泡沫引发的严重经济危机。 所以从高速增长转向高质量发展的二次转型，注定是一段痛苦的周期，必然伴随深度调整和政策发力。 中国的转型之路，还叠加了外部的持续遏制与打压。 在结构调整、压力释放的过程中，最容易被波及、被消耗的就是中产。 事实上，中产本身就是社会高速发展下的阶段性产物。 从资本论的阶级逻辑来看，这个世界只有掌握生产资料的有产者，和依靠劳动生存的无产者，从来不存在稳固的中间阶层。 过去中产财富暴涨，大多是房产增值带来的时代红利，源于货币超发、债务扩张，并非个人能力。 现在进入存量竞争周期，降薪、裁员成为常态，资产逐步回归理性，中产便开始躺平。 一边是背负的刚性债务不变，一边房产等资产缩水、收入停滞甚至下滑，大量中产快速返贫也就成了必然。 日本失去的三十年里，中产阶层持续萎缩，每三个家庭中就有一户零储蓄，大量中产跌落原有阶层。 日本、韩国泡沫见顶后，靠汽车、高端制造、半导体完成了产业升级。 中国当下走的也是类似道路，政策刺激消费，鼓励购车、购房、以旧换新，是为了推动产业结构平稳转型。 宏观层面无可厚非，消费拉动经济复苏； 但对个人而言，当下消费必须极度克制，优先储蓄，守好现金流。 当年日本守住资产和理性负债的家庭稳住了阶层，而盲目加杠杆的中产大多回到了社会的底层。 如今日本已是典型的M型社会，上层群体稳定，底层人群不断扩大，中产持续塌陷萎缩。 三十年低增长周期里，低收入的人群和高收入的人群数量并没有变化，但阶层固化加剧、贫富差距拉大，增量时代彻底终结。 那富人的财富为什么会越滚越多？ 核心在于财产性收入持续增加。 股票、核心房产、以及具备长期稳健收益的金融资产，都在为他们创造被动收益。 在经济不确定的环境下，社会资金纷纷涌向优质资产避险，进一步推高资产价值，放大富人的财富权益。 就像日本不少高分红股票常年稳定在5%左右，而银行贷款利率仅1%，长期存在可观的套利空间。 而中产集体塌陷，是劳动收入停滞，仅够覆盖日常开支与债务，再也没有多余现金流去配置资产、完成阶层跨越。 如果我们最终走向M型社会，普通人该如何应对？ 这件事一定要提前做好防范，尤其中产群体。 如果你现在手里还有积蓄，几万、几十万甚至几百万，我建议不要盲目消费、不要冲动投资，把仅有的存款妥善留存，选择安全稳健的资产守住本金。 未来5到10年，对中产而言，能稳住现有阶层、避免返贫，就已经赢了绝大多数人，未来才有向上跃升的机会。 反之，一旦守不住资产、扛不住风险，很容易阶层滑落，重回普通人群。

VPN这个生意，是痛点和刚需。它的金融本质是无息揽储。 目前已知全国十多个省份都有合作项目。 首先声明： 以下文字，完全是通过整合知乎，小红书，网络段子，各种网络谣言等信息杂糅而成。 大陆梯子VPN的起源，详细分类，注意事项及如何自建 先说最重要的。免费的梯子，不建议用。 再一个可以确认的是，那些说什么 6 月 7 月切断 vpn 访问，无法使用梯子的话题，稍微有点脑子的都知道，全是扯淡，都是谣言。因为目前技术上做不到，经济发展因素(外贸，外资公司等等)也不可能。 VPN是一项网络技术，而技术就存在不断更新升级迭代的可能，除非完全拔网线，断海底光缆。否则不可能在物理层面杜绝。 大陆梯子的产生，不得不提一个人-方滨兴 俗称中国网络长城(GFW)之父 所有人每月的梯子费，根源都是因为GFW。 他的弟子任我行现在还在影响着生活的方方面面和股民。 好了，大陆梯子的起源只说这么多，不懂的可以 Google 自行了解。 海外很多国家也需要梯子。陈天桥兄弟陈大年，出海第一站，做的就是梯子，赶上印尼那事，用户拿到手软。 美国人民也需要梯子，没有梯子，他们之前也玩不了 polymarket 。 技术之类的不细说了。普通人主要接触到两种梯子： 游戏加速器和现在大家普遍使用意义上的梯子 游戏加速器：主要是加速应用和游戏，即数据流。主要目的是为了减少卡顿和减低延迟。一般不提供深度的数据加密和隐私保护。最多也就是加速一下 steam 页面而已。所以国家也不怎么管。你可以把游戏加速器理解为特快专递，就是为了快快快，延迟越低，游戏越爽。游戏加速器能不能访问被墙的内容？很明确的告诉你，可以。但是敢开就敢干你。 游戏加速器非常赚钱。腾讯游戏加速器当初清退业务时，退费退了一个多亿。雷神加速器，在武汉盖了独栋楼。UU加速器就不用说了，闷声发大财的典范。 梯子：就是VPN，能看到这条推文的大陆用户，都可称为人中龙凤，马中赤兔，几乎都是开了VPN 的。VPN 主要目的就是翻墙和安全。翻墙是为了开头的GFW，安全是把数据加密，ip 隐藏改变后进行远程访问被墙的网站和服务。 留子都用反向加速，因为很多版权问题，留子看不了国内的很多视频或者音乐。因为娱乐需求，大部分买盒子的多。 现在重点说常规意义上的梯子： 第一种商业梯子： 大家很多人在用的低端商业梯子，名字就不说了。就是为了赚钱。规模做大了后，基本都在海外了。通俗的讲，就是XX这样的厂家，修了一些高速公路，一辆车也是跑，一万辆车也是跑，成本多不了多少，也就是多了些流量成本，带宽成本。车多了，就经常不稳定。大不了多修几条高速，也就是线路，海外机房怎么便宜怎么来。俗称，千人骑。所以XX这样知名度越高的梯子，ip 污染越严重，很容易被各种应用或者网站识别为垃圾 ip，撸毛党应该体会比较深。 他们最牛的就是上了苹果商店。能上苹果商店的梯子，就是睡后收入，躺着赚钱。 以粥稠为代表的高端梯子，基本走专线，贵是贵点，但是用的人会少一些。原理就是跟大陆的机房合作，用切片方式把数据打碎，走中港专线出去后，再重新组合。所以比较安全，稳定，快速。最近这波受影响最大的也是粥稠这样的高端梯子，就是走专线的，国内放了中转服务器的。粥稠这次受到影响，挂了两天多。目前粥稠的国内入口好像换成了XX云，估计也是临时过渡，缓一缓。据说，大厂现在对 idc 都要求签背靠背，一旦发现，绝不手软。 最近梯子很不稳定，不是梯子厂家的问题。是梯子合作机房，边缘节点的问题。因为运营商一直在扫描端口，扫到就封。所以梯子一定会涨价。如果还没涨价，那是梯子厂家暂时自己在抗成本，终究会转移。 这类梯子，无法做到垄断，一家独大，谁大谁冒头，谁挨揍。 商业梯子适合经常要切换不同国家地区的人群使用。 第二种蜜罐梯子： 一般是在各地保密局或警备厅的支持下，由网安公司出面来搞。保密局或警备厅一般不直接给经费，而是给予其他的业务一些来补偿。 网安公司生产的蜜罐梯子，一般都标榜免费，超快等等噱头。可以记录用户的真实 IP，所有上网流量，访问记录等。触发相关的关键字会直接提交给有关部门。主要目的懂得都懂。当然，蜜罐梯子也有收费的。如果你有反诈助手或者爱国手机用户，那就更方便了。 网安公司靠什么赚钱？ 1.涉政的必须上交，这是主要工作成绩。给的合作业务现在基本都收不回款，苦不堪言。所以只能靠其他的方式赚钱。 2.通过网赌用户扫网赌台子，有机会就自己掏。没机会就整理好完整的链条，给警备厅，完成 kpi。警备厅如果动手，通过推荐律师中介方式，掏网赌台子相关人员/网赌人员家属。所以网赌案子，不要奇怪为什么有异地律师很精确的能打通家属的电话。 3.掏加密行业。有个著名的项目，就被网安公司掏过。谁让这个项目蠢到把项目服务器和网赌台子放一起呢，直接被扫到了。当然，这个时候，一般他们都成了朝鲜国籍。 4.如果是灰色暴利行业，那就直接照着抄就行了。有开卷范本和伞，这个最赚钱。毕竟抄作业最香了。 5.其他不能多说了，太得罪人。毕竟断人钱财，如杀人父母。你知道行行都有自己的赚钱门路就好了。 所以不要贪图免费，免费最贵。当然，如果你只是想看看爱情动作片，不逛那些不符合社会主义核心价值观的网站和论坛，那无所谓。没人关心你。但如果发表不和谐言论或暴恐视频图文，神仙难救。 真正的看片用户，是路边一条，没人在乎，连第一类梯子厂家都嫌弃，因为流量带宽用的多。 第三种就是所谓的机场： 主打量大管饱。能翻墙就行，超级性价比。一般搭配Clash、V2Ray、Shadowrocket等使用。适合学生党等满足日常科学上网需求。 第四种就是路由器专线：直接整个路由器，把翻墙软件装到路由器里，按落地点，带宽收费。适合固定住所，企业跟有钱大哥用的家伙。 第五种就是自建梯子： 方法很多，开源软件也很多，推荐经典OpenVPN，企业级的，大厂基本都是用这个。一般买了落地服务器以后，懂点技术就可以自己搞，不懂自己学，再不懂还有AI。 第六种也是最强的一种： 肉身翻墙，无敌。 便宜的 vps 购买指南可以看叉叉 @siberiaxx1909 整理的这个推文：（ vps 导航帖 买了 vps 后动手的话，可以看以下这几个推文。 有很多好方法介绍和归拢。不懂就去下面这这几条帖子里面边看边学，都是保姆级的教程，建议收藏： 作者叉叉@siberiaxx1909：（ 作者小奇说 @xingbugengming，账号虽小，干货很多： （Cloudflare自建永久免费节点，适合白嫖党） 作者初白@0xchubai： （clash+机场手把手教学） 作者Toni @0xtonixie，聚合整理的相当完整。 （ ）（各位干货老师的合集） 如果你是纯小白，连学都不愿意学，就回到第一种梯子，简直不要太多，比如 @yonglianvpn ， @ttcloud579694 ， @DriftVPN @AOXVPN 等等。这种梯子，基本是用户越少越好。 上个推文，他们很积极踊跃留言。他们也愿意给了一些福利，会在TG 群( ) 免费发放例如免费月卡之类的鸡和马，先到先得。 梯子协议之类的，就不说了，一般人没啥秘密的话，什么协议都差不多。如果都要考虑破你协议了，那事可大了。 道高一尺，魔高一丈。没有人能阻碍人类信息相互获取的自由。 最后，让我们一起，隆重，郑重的衷心祝愿直肠癌早日战胜方滨兴博士。 希望知道更多行业内幕或者八卦的，可以留言点菜，如果知道，会展开说说。最后麻烦点击一下这条链接，获取更多上网小妙招（胡编与乱造）。

推荐系统也开始换代了。 快手在推荐系统这块的技术确实做得扎实。 周六下午我去现场听了一下午他们的分享，几个议题里，最让我感兴趣的还是推荐相关的技术。 前两天我写过一篇文章。起因是在朋友圈看到有人转了快手 OneReason 的文章，我就点进去看了一下，发现快手已经在逐步把推理的能力引入推荐系统。 熟悉大模型发展的话会知道，这几年大模型经历了三个关键节点：Scaling、Reasoning、Agent。 而推荐系统，现在居然也开始走到推理这一步了。 文章发出来之后，我发现自己和评论区很多人有一样的困惑，集中在三个问题上： 第一，为什么一定要上推理？ 第二，推荐系统的推理具体怎么做？ 第三，推理的成本不低，这事在线上能划得来吗？ 我其实也是带着这三个问题去的现场。听完分享，今天把我的想法梳理一下。不一定对。 我十多年前在工作中做过推荐系统，这些年断断续续也在跟进这个领域的进展。 特别是大模型这一波浪潮来了之后，跟不少朋友聊过 LLM 和推荐系统结合的可能性，都觉得这事很有意思。 如果推荐系统也逐步过渡到 LLM 的技术栈上，互联网的基础设施这一层，还会有比较大的变化。 1 先说第一个问题：为什么一定要和大模型结合，为什么要做推理？有人觉得是不是在追技术的时髦。推荐系统好好的，为什么非得跟大模型挂钩？ 我自己是这么理解的。 传统推荐系统正在接近既有架构的天花板，而 LLM 为推荐系统提供了一条新的演进路径。 推荐本身也是 AI，是 AI 最早的应用场景之一。如果推荐系统无法融合最新的 LLM 技术栈，从技术发展的角度来说，推荐系统就会断代。 那为什么还要做推理？去年快手做了 OneRec，已经证明了 Scaling Law 在推荐系统中的有效性。 既然可以端到端生成，已经跟上了技术栈，为什么还需要推理？ 我想起刚毕业的时候做推荐系统，当时 Leader 讲过，推荐系统的核心，抽象来讲，就是在做两件事： 一类是基于用户的协同过滤，推荐系统根据用户的自然属性（年龄、性别、学历等信息）和浏览兴趣来计算用户相似度，进而给相似用户推荐内容。 第二类是基于内容的协同过滤。推荐系统提取内容的特征，然后计算不同内容之间的相似性之后，给用户推荐与过去喜欢内容相似的内容。 说白了，无论哪一种，其实都是基于相关性的匹配。推荐系统能够捕捉用户行为模式，但它并不会显式地推理用户为什么会产生这些行为。 这种逻辑的局限很明显。 举个例子。一个用户最近看了杜甫的诗词、李白的生平，还刷了几条安史之乱的纪录片。 系统会把这些行为编码成向量，然后去内容池里找向量距离最近的内容推过来。 它并不知道什么叫唐代文化，只知道看过这几条内容的人，大概率也会看另外那几条。 结果就是，更多唐诗、更多唐朝纪录片，推来推去都是同一类内容。 经常刷着刷着就会发现，怎么推的全是差不多的内容。这就是纯粹基于相关性匹配的局限。 但如果系统能往前想一步呢？这个人看杜甫、看安史之乱，背后的兴趣也许不只是唐代文化，而是乱世里个体的命运。 想到这一层，推荐的范围就打开了，不会只困在唐诗和唐朝纪录片的圈子里，能给用户带来更好的内容体验。 这就是溯因的价值。它把推荐系统从记住用户过去喜欢什么，推进到理解用户为什么喜欢。 只有理解了为什么，系统才可能预测出用户还没有表现出来、但可能存在的兴趣。 这是我觉得推荐系统引入推理最重要的一点。 2 理解了为什么要做推理之后，第二个问题就来了。推荐系统里的推理，到底怎么做？ 说实话，这也是我去之前最好奇的地方。 我一开始的想法挺简单。既然大模型已经把推理这条路走通了，那推荐系统是不是直接把这套能力搬过来就行？ 后来听完分享，发现完全不是这么回事。因为推荐系统面对的问题，和大模型平时解决的问题不一样。 比如问大模型：李白和杜甫的诗歌风格有什么区别？模型会调用历史知识、文学知识、时代背景，组织出一个解释。这当然也是推理，但它推理的对象是世界知识。 而推荐系统推理的对象是用户。它需要回答的问题是，这个兴趣为什么会产生？未来哪些兴趣会增强，哪些会减弱？用户下一阶段可能会对什么产生兴趣？ 所以快手在现场一直在讨论一个核心问题：推荐系统里的 CoT，到底应该长什么样？ 他们给出的答案挺有意思。把整个推理过程拆成了四步： 第一步，总结用户的历史兴趣。 第二步，推测兴趣背后的原因。 第三步，推测影响未来兴趣变化的因素。 第四步，推荐相关内容。 还是用杜甫那个例子来感受一下这个过程。 系统看到用户最近看了杜甫、安史之乱、李白，先做归纳，这个人对唐代文人和那个时期的历史有持续关注。 然后开始溯因：为什么关注？用户是主动搜索、反复观看、停留时间很长，背后可能的原因是对乱世中个体命运这个主题有深层兴趣。 基于这个理解再往前推演，如果关注的是乱世中的个体命运，那兴趣不会局限在唐代，宋代的苏轼、南宋的陆游，甚至近现代的故事，都可能命中同一个深层兴趣。到这一步，系统才去推荐内容。 整个过程是一条完整的思考链：归纳兴趣，溯因理解，演绎发散，最后推荐。 对比一下传统推荐系统做的事。它同样会从用户行为里提取兴趣特征，也会建立用户画像。 但这些过程更多是隐式完成的。系统知道用户喜欢什么，却很难解释用户为什么喜欢，也很少进一步推演兴趣未来会如何变化。 这也就解释了为什么传统推荐总是千篇一律。它没有理解，只有匹配。 匹配只能找到相似的东西，理解才能找到相关但不相似的内容。 3 第三个问题：推理的成本这么高，线上能划得来吗？ 大模型的推理很贵，而线上推荐要求实时更新。如果每次推荐都让大模型完整思考一遍，成本和延迟肯定都没办法接受。 他们现在的解法叫 Fast-Slow Thinking。名字听起来有点像人脑的快慢系统，实际上思路也确实差不多。 Slow Thinking 负责深度思考。它会周期性地分析用户过去一段时间的行为，把用户兴趣、兴趣背后的原因、未来兴趣可能的变化方向提前算出来，存下来。 这个过程可以慢，不要求毫秒级返回，甚至一天更新一次都可以。相当于提前把用户研究了一遍。 Fast Thinking 负责实时响应。用户打开 App 的时候，在线推荐系统不会重新走一遍完整的推理流程，只读取提前算出来的结果，再结合最新的行为快速完成推荐。 这样一来，真正昂贵的推理过程被放到了离线阶段，线上看到的仍然是一个高速推荐系统。 我觉得这个思路挺有代表性的。很多人聊 Agent、聊推理的时候，容易有一种错觉，好像未来所有事情都要实时推理。 但工业系统通常不这么做。工业系统更习惯把复杂计算提前做完，把实时链路尽可能做轻。 OneReason 的 Fast-Slow Thinking 本质上也是这个思路。慢链路负责理解用户，快链路负责服务用户。 现场公布的数据里，他们已经把这套方案用在了本地生活广告场景，收入提升超过 8%。 这一点其实挺让我意外的。原来以为 OneReason 更偏研究性质，没想到已经开始在真实业务里创造价值了。 不过这套方案也不是终点。 为了控制成本，OneReason 目前更多承担的是 Slow Thinking 的角色。 它会基于用户历史行为，离线生成对用户兴趣的理解，再把这些结果交给在线推荐系统使用。 这种方式解决了推理成本的问题，但实时性仍然会受到影响。 举个简单的例子。如果系统昨天分析认为我最近在关注杜甫和唐朝历史，但今天的兴趣突然转向了游戏，那么离线生成的用户画像就有可能滞后一段时间。 所以从工程角度看，这其实是在成本和实时性之间做平衡。 但可以确定，随着未来推理成本继续下降，推荐系统里的推理能力可能会越来越靠近实时链路。 到那个时候，推理或许会像今天的排序模型一样，逐渐成为推荐系统的基础能力。 不过至少从目前来看，快手给出的答案还是比较务实的。先让大模型负责它最擅长的部分，理解用户，然后把理解的结果交给传统推荐系统去执行。 这可能也是生成式推荐的推理能力从论文走向工业落地的一条现实路径。毕竟，这事也才刚刚开始。 更有意思的是，活动现场快手这次还发起了一个 LLM-Rec 挑战赛，官方直接开放了 OneReason-0.8B-pretrain、SFT 数据以及脱敏后的 50 万条用户行为数据。 这个活动面向的是全日制在校学生，所以我看到之后第一时间就转给了家里还在上学的亲戚。 还有在现场的时候，我原本以为来参加活动的大部分都是已经参加工作的工程师。 结果到了提问环节才发现，现场有很多北京高校的研究生和博士。 而且说实话，提问质量非常高。所以我觉得这样大赛确实很有意义，因为学生可以花大量时间去研究最新技术，可以去尝试各种天马行空的想法。 毕竟像推荐系统和 LLM 的结合，本身就是一个非常新的方向，行业里其实也没有标准答案。很多问题都还在探索阶段。 而且奖金也不低，前 20 名还能直接进入快手算法的中面。具体大家去看链接。反正看了我都很心动。 写到这里，这篇文章也就结束了。那天参加完沙龙，在回家的路上，我直接把整篇文章的语音底稿录完了。 今天下午又抽了一个多小时，把它逐段润色、修改、成稿，基本算是一气呵成。 写着写着，突然想起十多年前我刚毕业，作为一个新手工程师，和团队一起构建推荐系统时的场景。 顺手翻了一下朋友圈，看了一下当时 Leader 的状态，他已经转行做其他的事情去了。 好多事就飘散在了回忆里。 有点感慨。因为我关于推荐系统最早的那些知识，几乎都是他教给我的。 十多年前，我们讨论的是召回、排序、特征工程和 CTR。今天大家讨论的是 Scaling Law、Reasoning，以及 Agent。 很明显，推荐系统又走到了一个新的时间节点。一代又一代啊。

推特突然都在说AI缺CPU，突然都是在冲英特尔？我是一脸蒙的。 我自己持有英特尔，但持有的逻辑跟缺CPU半毛钱关系都没有。 让我先把AI真正的瓶颈优先级排一排。 GPU和HBM并列第一。 这是目前最刚性最核心的需求。这俩是不可替代的。 第二层，高速互连网络。光模块光器件这些。 第三层才是CPU。 随着智能体数据预处理和系统调度增加，CPU需求确实在上升。这个趋势是真的。 但英特尔的x86一直在被AMD蚕食。英特尔服务器CPU出货份额从64.4%跌到54.9%，一年掉了近10个百分点。 AMD营收份额飙到46.2%创历史新高，几乎跟英特尔平起平坐了。AMD的EPYC192核比英特尔Xeon 128核还便宜，吃到这个缺货红利最多的是AMD不是英特尔。 还有一点非常重要，就是自研ARM才是未来。 AWS Graviton、谷歌Axion、微软Cobalt、英伟达Vera，全在用ARM架构自研CPU。 美国AI数据中心虽然当前仍以x86为主，但厂商自研ARM架构CPU增长快得多前景好得多。瑞银预测2030年ARM份额到40-45%，英特尔从62%跌到35.8%。 趋势很清楚，英特尔两头承压。 那我我自己持有英特尔。逻辑是什么呢？ 持有的逻辑不是缺CPU，是代工业务。 代工收入依然很低，亏损严重，代工业务还在亏。18A节点刚量产，我赌的是AI可以让英特尔制造复兴，美国政府也入了股，马斯克200-250亿美元项目选英特尔14A做代工伙伴。 我赌的是英特尔能把代工做起来，从台积电抢肉。 如果英特尔代工成了，估值重估空间巨大。 参考台积电市值一万多亿美元。 英特尔代工业务已经有18A量产和14A在路上。 代工才是想象空间，不是卖几颗CPU。

拼多多 $PDD 的高速增长可能要快到头了。公司周一公布了一份喜忧参半的Q2财报后，股价下跌。营收1124亿元人民币，同比增长8%，但低于市场预期。净利润272亿元，虽然好于预期，但同比下降12%。现在最大的压力是，为了重新回到两位数增长，拼多多正在大幅加大销售和营销投入，运营费用同比增长13%。 拼多多现在还面临内外两线作战。国内，阿里、京东和抖音的竞争依然非常激烈；海外，Temu面临的监管和贸易环境也越来越严峻。这次财报电话会里有一点尤其值得注意：管理层表示，欧盟海关政策的变化正在降低跨境订单的履约效率，同时推高成本，迫使Temu更多依赖当地商家、本地仓储和本地履约。 这一点可能非常关键，因为Temu当初快速扩张，很大程度上靠的就是“中国直发+极低价格”这套模式。现在如果被迫转向本地化，这个核心优势可能会被削弱。