“早安，指挥官，95式为您服务” “Good morning, commander, QBZ95 is on your serve.” Photo by @ImMuze Character: #95式# #qbz95# from #少女前線# #girlsfrontline# #ドールズフロントライン#

95岁股神巴菲特最新CNBC 采访——对市场的最新 10个观点： 1.现在的美股并不便宜，还没到出手的价格。 2.不会为了赚5-6%的反弹就入场。 3.伯克希尔现在手里有3500亿美元现金，在等更好的时机。 4.真正的机会，是那种市场腰斩级别的下跌。5.最近的市场下跌波动，根本不算什么。 6.苹果这笔投资赚了1000亿美元以上，但承认卖早了。 7.即使跌了，苹果现在的价格，依然不够便宜。 8.如果价格足够低，会重新大举买入苹果。 9.银行体系开始出现脆弱迹象，风险正在积累。 10.近期信贷市场的问题，一旦市场恐慌爆发，投资者会争相逃离（踩踏式出逃

为什么 95% 的 Claude Fable 5 做的网站看起来“垃圾”？ Every Level of Claude Fable 5 Websites Explained 这个 21 分钟的实操视频，把如何通过一套可复制的七级进阶系统（Skills 和 Knowledge），持续产出高质量、可交付的网站讲的很透。 # 七级进阶框架 1. Grab And Go · 像聊天机器人一样直接说“给我建个网站” · 3/100，典型 AI 网站感 2. Screenshots & References · 上传参考图、截图、情绪板（Moodboard） · 10/100，图像胜千言 3. Design Skills · 注入 GitHub 上的设计技能文件（Skills） · 大幅质变，接近专业风格 4. Image & Video · 用 OpenArt 生成/编辑图片与视频资产 · 媒体质感提升 5. UI Snapping · 从 21st. dev、CodePen、Magic UI 等库复制组件 · 直接复用现成高质量组件 6. Finding The Data · 用 Firecrawl 做竞品调研、找转化数据 · 网站开始具备商业逻辑 7. Design Extraction · 提取优秀网站的设计 DNA 并让 Fable 5 重建 · 一夜之间的差距 # 逐层要点提炼 Level 1：聊天式建站的陷阱 · 用户像指挥设计师一样随口说“给我做一个很酷的黄 iPhone 网站”。 · 结果：经典 AI 味、浮动 iPhone、配色平淡、缺乏创意。 · 结论：这只是“草稿”，不能交付。 Level 2：视觉参考 · 关键资源：godly. io、landbook、dribbble 等。 · 方法：把优秀网站截图直接丢进 Claude，让它“照着风格做”。 · 效果：设计架构立刻改善，因为图像比语言更精确。 Level 3：设计 Skills - 前半段最大升级 · Skills 是社区或专家整理好的预包装指令，相当于给 Claude 一本“设计圣经”。 · 推荐资源：GitHub 上近 10 万星的 UIUX Pro Max、Shading UI 等。 · 操作：复制 Skill 文件 → 让 Claude 加载 → 再让它“使用所有相关设计技能”建站。 · 结果：网站出现 Apple 风格、Bento 布局、统一配色、专业字体，明显跨越“可交付”门槛。 Level 4：图片与视频资产 · 工具：OpenArt（Nano Banana、C dance 等模型）。 · 不仅可以生成静态 iPhone 产品图，还能从单帧生成循环视频，并保证首尾帧一致。 · 作者强调：可以连接 Claude 的 MCP，让图像生成变成自动化资产流水线。 Level 5：UI Snapping · 概念：像“从任意房子复制壁炉”一样，把互联网上公开的高质量 UI 组件直接粘贴进自己的网站。 · 推荐库：21st. dev、CodePen、Magic UI、Mobin。 · 操作：复制组件代码/URL → 让 Claude 集成到底部或指定位置。 · 演示：把气球动画组件加到页面，立刻提升动态感。 Level 6：数据驱动 · 漂亮网站若不能转化，就像“没有引擎的法拉利”。 · 工具：Firecrawl。 · 用例：让 Claude 抓取 10 家成功屋顶公司 + 10 家失败屋顶公司，分析差异、CTA 结构、转化逻辑，输出“可交给另一模型执行”的 Blueprint。 · 核心洞察：用外部证据指导设计，而非凭空创意。 Level 7：设计提取 - 视频高潮 · 方法：以优秀网站（如 anti-gravity. co）为例，让 Claude 提取其字体、配色、设计规则、情绪、版式。 · 然后把这些提取出的设计 DNA 应用到新主题（如卖黄 iPhone 或耳机）上。 · 使用 Fable 5 执行最终“one-shot”重建。 · 结果：动态变色光球、精致排版、统一视觉语言——与 Level 1 的网站“天差地别”。

【遼寧瀋陽舉行勿忘九一八撞鐘鳴警儀式】2026年是九一八事變爆發95周年。1931年，九一八事變爆發，中華民族開啟了長達14年的浴血奮戰。今天，勿忘九一八撞鐘鳴警儀式在遼寧瀋陽舉行，以銘記歷史、緬懷先烈。9點18分，瀋陽全城拉響防空警報。

美国企业花了 400 亿搞 AI，95% 没有回报 赚到钱的那 5% 做对了什么？ AI 时代最大的陷阱是 “做很酷的东西” 🦊 Cursor 不酷，它只是让写代码变快了。Harvey 不酷，它只是帮律师省了时间。ElevenLabs 不酷，它只是让任何人都能做配音。 真正的护城河 = 垂直数据 + 分发渠道 + 工作流嵌入，不是模型本身 (Claude 和 GPT 不是你的，你也做不了，开发模型要花很多钱) 95% 的 AI 项目烧钱，因为它们在炫技 剩下 5% 在印钞，因为它们在省人力 MIT 2025 年的一份报告我看简中推几乎没人讨论，数据非常惊人： 1、美国企业在生成式 AI 上投了 350-400 亿美元，但 95% 的 AI 试点项目没有产生任何可衡量的 P&L 影响 2、14000 家 AI 创业公司有 40% 在 24 个月内死亡 与此同时，赚到钱的那 5% 公司却赚到离谱 先来看看炫技派们的墓碑 🪦 1、Builderai：微软投的，估值 15 亿，融了 4.45 亿美元 号称 AI 自动生成代码，实际上是后台靠 700 个印度工程师手写，破产时账上只剩 500 万 2、Jasper AI：AI 写文案的标杆。2023 年营收峰值 1.2 亿美元。2024 年暴跌到 3500 万。跌幅 70%。原因很简单：ChatGPT 的文案能力变好了，用户不需要一个"套壳"了 AI Wrapper 数据显示：8500 家活跃 AI Wrapper 公司 只有 2-5% 月入超过 1 万美元，24 个月累计失败率 80-85% 再看看赚钱的有多赚钱 💸 1、Cursor：零营销：17 个月做到 10 亿 ARR，又 3 个月翻到 20 亿 ARR Slack 用了 5 年，Zoom 用了 9 年，Cursor 不到 2 年就做到了 2、Harvey（法律 AI）：3 年做到 1.9 亿 ARR 42% 的美国顶级律所在用。估值 110 亿 3、ElevenLabs（语音 AI）：ARR 超 3.3 亿 从 33 亿估值飙到 110 亿，只用了 3 个月 4、Perplexity（AI 搜索）：ARR 自 2022 年以来增长 1900% 为什么垂直 AI 能赚 10 倍？ 顶级 VC Bessemer给了一个清晰的框架： 传统 SaaS 争夺的是企业 IT 支出——仅占 GDP 的 1% 垂直 AI 争夺的是劳动力支出——占 GDP 的 13% 美国劳动力市场 11 万亿美元，企业软件市场 4500 亿美元，差 24 倍。传统 SaaS 捕获一个员工价值的 1-5%，AI 可以捕获 25-50% Harvey 不是在卖 AI，它是在卖律师的时间 一个 AmLaw 100 律所的初级律师年薪 $20 万+，Harvey 替代掉他 30% 的工作，省下来的钱是任何 SaaS 订阅费的几十倍 而每个赛道都有“Cursor 时刻” 💡 ▪️法律：Harvey 1.9 亿 ARR，Casetext 被 Thomson Reuters 以 6.5 亿美元收购 ▪️医疗：Abridge 估值 53 亿（AI 环境记录），一家医院用 AI 做保险验证，年增收 230 万 ▪️会计：Basis 估值 11.5 亿（AI 报税），CPA 事务所效率提升 30-50% ▪️房产：EliseAI 估值 22 亿，PropTech AI 投资年增长 42% 不是做更通用的 AI，而是做某个行业的"替代人力" 给我的启发是 1、数据"无聊"的 AI 其实最赚钱： 例如 AI 发票自动化、合同审核、销售线索生成，叙事不性感但有人月入 25 万美元 2、90% 的员工在用"影子 AI"： 只有 40% 的公司有官方订阅，但 90% 的员工每天在用个人 AI 工具（牛马们自费开 Claude 写代码，我真的哭死）需求是真实存在的，只是企业产品没跟上 3、AI 公司到 1000 万 ARR 只需 2.5 年 传统 SaaS 需要 6 年 4、最大 ROI 不在销售和营销，在后台自动化 如果你想赚钱，3 条路线可以思考，或者和你的 AI 多讨论 A：做垂直 AI 工具 找一个你熟悉的行业（律师、牙医、房产中介）用现成 API 包装成行业专用工具，月费 SaaS。AI 一直强，重点看你有没有行业 know-how 和分发渠道 B：做 AI 集成 帮企业接入 Claude/GPT API，做定制化部署 MIT 数据说外购成功率高 3 倍，但企业不会自己接（或担心数据风控风险）他们需要人帮忙 C：做"无聊"的 AI 自动化 发票、合同、客服、数据录入。没有人会把这些发到 Product Hunt，但它们的 ROI 最高 今天早上我在公司开会时说： 赚聪明人的钱很难很难，因为聪明人自诩聪明，你能想到的一切他都会自己搭，最好赚的其实是傻子的钱 怎么找到傻子和如何赚到傻子的钱 think think 再 think

今天，家用太阳能安装运营商Sunrun 与分布式能源聚合平台 Voltus 达成协议，将其在 PJM 和 MISO 两大核心电网区域内的数千套家庭光储系统接入 Voltus 的“自带容量™”（Bring Your Own Capacity, BYOC）计划，直接为 AI 超大规模数据中心（Hyperscalers）提供可调度的电网级容量。 这项合作意味着科技巨头正在通过虚拟电厂（VPP），把分散在美国家庭车库和屋顶上的储能电池，变成自己外挂的分布式发电厂。 对于微软、谷歌、亚马逊等 AI 巨头而言，这是解决“通电时间（Speed-to-power）”的一条捷径。 在 PJM（美东/中西部）等数据中心高度集中的区域，传统集中式火电或核电的新建与并网排队动辄需要 3 到 5 年以上。算力延迟上线的机会成本，远高于电力采购本身的溢价。 而由数据中心出资直接向聚合商采购分布式容量指标，Voltus 在用电高峰期远程指令数万个家庭电池放电或削减负荷。数据中心向电网监管机构证明新增负荷具备等量的本地柔性资源对冲，从而免于漫长的扩容等待。 这很可能开启了一个新的数据中心能源获取的赛道：数据中心提供增量资金补贴，家庭用户贡献备用电量，电网获得调峰韧性，各方共同瓜分“时间红利”。 要支撑 AI 庞大的能耗缺口，分散的户用光伏与储能到底有多大能量？ 根据 SEIA (美国太阳能行业协会) 与 Wood Mackenzie 的统计，全美目前有约 8,500 万～9,000 万户单户独立屋（Single-Family Homes），户用光伏渗透率约为 9%（约 600 万套系统），累计装机约 46～50 GW。 如果这一渗透率提升 10 个百分点（以户均 7.5 kW 测算）： 测算口径新增家庭户数新增名义装机 (GW)配套储能调峰容量 (GWh)*独立屋绝对渗透率 +10%（达 19%）850 万户~63.8 - 67.5 GW55 - 60 GWh全美总住宅基数 +10%（达 14.5%）1,400 万户~105.0 GW90 - 95 GWh现有装机基数相对增长 10%60 万户~4.6 - 5.0 GW4.0 - 4.5 GWh *注：以 50% 配储率、单户 13.5 kWh（如 Tesla Powerwall）进行折算。 新增的 ~65 GW 直流发电容量与 ~60 GWh 储能，规模相当于数十座大型核电机组或数百座天然气调峰电站。更关键的是，分布式能源部署在用户负荷末端（Behind-the-Meter），无需等待高压跨区输电线的审批与铺设。 这将是家用太阳能创业的范式转移：从“单纯省电”到“向 AI 售卖容量” 旧模式：居民贷款装光伏 ──> 依赖政府 ITC 补贴/全额净计量 ──> 仅靠省电费回本（周期长） 新模式：光储一体化装机 ──> 接入 VPP 平台 ──> 赚取峰谷套利 + AI 巨头容量补贴（周期大幅缩短） 算力扩张对电力的饥渴，正在击穿传统公用事业与分布式能源之间的藩篱。当算力巨头愿意为“时间”支付高额溢价时，资本顺着阻力最小的路径，迅速流向了部署最快、最灵活的末端家庭储能资产。未来几年，千家万户屋顶上的每一度光伏电和车库里的每一个电池模组，都将成为支撑全球人工智能底层运算不可或缺的微型基石。 免责声明：本人持有文章提及资产，管道充满偏见，非投资建议dyor