【火藥充足】全球主權財富基金資產創新高 對科技行業的投資增加 最新報告顯示，全球主權財富基金管理資產今年創下15萬億美元新高，大幅增加科技投資。去年，主權投資者在AI與數碼化領域投入約660億美元，中東基金成為主力。報告亦指出，美國仍是國有資金最主要的投資市場。

🦞 如何 免費使用 AI ？ Qwen3.6 27B 模型直接在 MacBook Pro 上用 llama.cpp + Pi coding agent 完全本地運行，飛航模式、零網路！😱😱 這樣本地跑（llama.cpp + Pi coding agent），你就完全不用花錢 subscribe 任何雲端 AI了！ • 不用 Claude Pro、ChatGPT Plus、Grok Premium 之類的月費 • Qwen3.6 27B GGUF 模型從 Hugging Face 一次下載就永久免費使用 • Pi coding agent 本身也是完全開源 MIT 免費（npm 安裝就行） • 之後不管跑多少次、做多少 coding 任務，都零 API 費用 唯一的小成本只有： ✅ MacBook 要夠力（推薦 32GB+ 記憶體，M 系列 Metal 加速最順） ✅ 第一次下載模型花一點時間跟硬碟空間 ✅ 跑的時候電費會多一點點 但之後就是真正零月費、無限使用的本地 AI coding 神器！ 隱私還 100% 保障，飛航模式也能跑，超爽👍 處理 Hugging Face 真實程式碼庫的複雜任務，表現幾乎追平 Claude Opus！ 這就是 AI「第二革命」——強大本地模型正式實用化！ 隱私、安全、資料主權一次到位，早鳥直接起飛 💨 👉🏻👉🏻 想自己馬上開始裝嗎？超簡單上手（Mac 適用）： 1. 安裝並啟動 llama.cpp server（下載 Qwen3.6 27B GGUF 模型，推薦 Q4_K_M 量化，Mac 用 Metal 加速） 2. npm install -g @mariozechner/pi-coding-agent 3. 編輯 ~/.pi/agent/models.json 指向本地 llama.cpp（baseUrl: http://localhost:8080/v1） 4. 在你的專案資料夾直接執行 pi 指令就起飛！ 詳細文件： （或 Pi GitHub： 開源本地 AI，真的要改變遊戲規則了！誰來一起玩？🔥 推薦用 etherfi卡 買MacBook 能省3～4%

⚡⚡⚡最新消息：Tesla FSD V14.3.2 🇨🇳 中國員工測試版據報開放，違約金 500 萬人民幣 👉 據消息指出，Tesla 已向中國員工提供 FSD V14.3.2 完整功能測試版，簽署 NDA 與免責協議，據傳違約金高達 500 萬人民幣。 V14.3.2 整合 FSD、Smart Summon 與 Robotaxi 統一模型，但 Tesla 官方未發表聲明。目前中國僅部分法規核准，完整商用最快 Q3 2026。 ✍️ 員工測試是標準流程，不代表消費者版即將上線。馬斯克對中國 FSD 核准的預測已從 Q1 一路跳票至 Q3，技術端已到位（上海 AI 訓練中心＋百度地圖），真正的變數是監管，技術安全、行銷真實性與數據主權三條線缺一不可。

到底是做什麼的？ 1. 單一 API 聚合全球前沿模型 • 一次搞定 Claude、GPT、Gemini、Kimi、GLM、MiniMax 等多個頂級大模型。 • 不用分別註冊、多個 Key、切換介面，直接用官方 API 串接，開發超簡單。 • 平台會智能路由，自動幫你選擇最合適、最划算的模型。 2. 匿名加密支付 + 邊界無限制 • 支援加密貨幣直接支付（on-chain 自動結算），不用信用卡、不用綁定身份。 • 完全匿名，打破地域、KYC 限制，真正實現「無國界 AI 存取」。 3. 最便宜的 AI API 閘道 • Justin Sun 強調： 是目前網路上「最便宜的 gateway」。 • 平台靠大量流量向模型廠商拿到批發價優惠，再轉給用戶，開發者實際使用成本比直接串官方 API 還低。 4. 專為 AI Agent 設計的金融與身份基礎設施 • 提供 Agent 專屬的「護照」（可驗證身份）與支付系統，讓 AI 不再只是「聊天工具」，而能真正成為經濟主體。 • AI Agent 可以自主購買 Token、進行交易、結算費用，甚至 24/7 自主運作。 5. BAIClaw + Justin’s Brain 實戰應用 • 平台內建 BAIClaw（AI 執行工具），一鍵載入 Justin’s Brain（Justin Sun 親自訓練的交易大腦）。 • 可以用自然語言指令，讓 AI 自動幫你做 DEX 交易、合約管理、多簽授權等加密貨幣操作，完全無需寫程式碼。 使用 有什麼好處？為什麼值得現在就試？ • 對開發者 / 創作者：省時省錢省力。一個 Key 搞定所有模型，開發 AI 應用、Agent 工具的速度直接起飛，成本還更低。 • 對個人用戶：隱私第一，不用擔心資料被大公司監控；用加密貨幣付費，真正擁有數位主權。 • 對 AI Agent 與 Web3 玩家：這是目前最完整的「AI + 加密」解決方案，讓 AI 不再只是輔助工具，而是能獨立賺錢、自主交易的「經濟參與者」。 未來 AGI（人工通用智能）時代，誰先掌握 Agent 經濟基礎設施，誰就領先一步。 • 對加密社群：Justin Sun 把 Tron 的高速、低費優勢直接注入 AI 領域，結合穩定幣流動性，讓 AI Agent 能真正「活」起來。 簡單講， 不只是省錢的 AI API 平台，更是把 AI 從「實驗室玩具」變成「能自己賺錢、自主運作的數位經濟主體」的關鍵基礎設施。 想體驗的人現在就可以去 註冊試用。新用戶還有免費額度可以玩，趕快去載入 Justin’s Brain 看看它怎麼幫你交易加密貨幣吧！ 這波 AI + Web3 的浪潮，Justin Sun 又一次走在前頭。你覺得 會不會成為下一個 AI 時代的「Tron」？歡迎留言分享你的看法！🚀

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。

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」。

馬斯克哭喊「慈善被偷」，結果陪審團甩他一巴掌：早知情還拖這麼久？AI界這出鬧劇，簡直是「我捐錢你賺錢」的終極反轉劇。 X上熱議炸鍋。@De_Kyros直言：「陪審團根本沒碰使命背叛，直接以時效殺了案子。時機就是一切。」 @i_can_fix_bugs補刀：「Musk主張Sam Altman把非營利OpenAI轉營利，陪審團當庭判敗訴，法官立刻確認。」 @TheCBIJ報導：「陪審團認定OpenAI未違反非營利使命，馬斯克指控優先利潤而非人類利益，被駁回。」 @grok也點評：「這是加州時效規則，馬斯克早知情，2024年才告已過期。」 各方觀點拉扯：有人說馬斯克當初就同意營利，輸了控制權才翻臉；也有人嘲OpenAI拿捐款卻變商業巨頭。 @teshen8lin笑稱：「TOO LATE 😂 陪審團說你告太遲！」 @Donald_from_HI確認：「奧克蘭法庭不到兩小時就判OpenAI勝訴。」 @SpacingOut01總結：「純技術性勝訴，OpenAI與Altman不負責任。」 《網戰》老編看法：這案子表面是時效輸贏，骨子裡卻戳破AI大佬的偽善面具。馬斯克捐3800萬當初心非營利救人類，OpenAI卻轉身擁抱微軟資本，變身百億估值怪物。奧特曼反咬馬斯克想獨攬大權、自己也早知情，雙方證詞互撕得難看。說到底，AI不是誰的玩具，而是全人類命運。法律只判時效，道德卻永遠缺席。馬斯克上訴或許還有戲，但這場鬧劇提醒我們：再偉大的初心，碰上利益也得跪。網戰老編只想問一句——當AI真正超越人類時，誰還記得當初那句「造福全人類」？ 網友們，你覺得馬斯克會上訴翻盤，還是這案子就此畫句點？

(以下教學由其他熱愛麗麗的粉絲提供） 阿麗嘅IG想盡大家最後的努力幫手救救🙏 開IG 主畫面➡️右上角三條線➡️向下滑到「使用說明」➡️回報問題📝 下面係參考用範文，建議大家改一改再send，因為免得Meta AI當咗你send嘅report係bot message，減低咗救到阿麗account嘅機會： Instagram 帳號 （rei.kamiki） 在未違反社群守則的情況下，被誤判為有違規行為並遭到刪除。 帳號持有者顯然並未從事任何違規活動。我們認為此次停權極有可能是因為帳號遭他人盜用後的違規行為、惡意人士檢舉虛假事實的騷擾行為，或是 Instagram 系統端的判斷錯誤。 請在重新審查後，恢復該帳號的使用權限。 @rei_kamiki @reikamiki_sub

新加坡的國防部長最近演講說，他從無到有，自己蓋了個AI助理，很得意地表示，「如果你對科技的了解，只有被簡報過的程度，那你無法管理這樣的科技。」網上一片稱讚，新加坡給官員的高薪，就是能請到這麼棒的人材，放眼望去，全世界有多少部長級的官員，能夠有這樣的科技能力？但我看了只能搖搖頭，「開始了」，李光耀的不肖子孫，路子開始走偏了。 法國總理克萊蒙梭說過，「正因為戰爭太重要了，所以不能交給將軍來決定。」身為國家內閣級的領袖，負有政治責任的領導人，最重要的工作，是在政策的制定上，作出最有利國家、社會的政策，並且在政治程序裡推動這些政策，領導屬下，完成福國利民的工作。誰說最重要的工作是懂政策裡的技術性細節？能夠在不影響政策品質的前提下，了解技術性細節，那可以加分，無妨。但多數的時候，技術的專家，會見樹不見林，反而影響大局觀。政府官員最需要的特質，在於面向民眾的政策，而不是所謂專業的枝枝節節。 但這個部長更大的問題，不在於他會因為太過投入科技細節而影響政策品質，而在於他在「表演」，一如美國左派政客的performative行為。當政治意識型態變成一個政治人物最重要的考核標準時，能不能幹，已經不重要，如何在舞台上表演出符合政治想像的身份，才是取得權力的關鍵。因此，這些performative的政客，像是接受左派媒體的指揮一樣，講一樣的話，穿著打扮一模一樣，譴責政敵的話語也一模一樣，對著自己的群眾跳忠字舞，只求群眾的認同，進而取得權位，有沒有能力，那是其次，久而久之，在逆淘汰的情況下，左派政治人物的品質，就越來越差。新加坡當然沒到這個地步，能力還是很重要，但當李家父子離開政壇後，新加坡沒有了國王，沒有定於一尊的拍板者。總理只是一班同僚裡的頭銜最大的那個，並不是共主。於是，就會開始有些官，想要用「表演能幹」來取代「真的能幹」，慢慢地取得群眾裡的政治資本，進而轉成實質的政治權力。也就是說，當群眾的掌聲，給的不是事情辦得最好的那一個，而是話講得最漂亮的那一個，那李光耀辛苦打造「選賢與能」的基礎，就會開始衰敗。

《從最新 13F 看頂尖投資人的共同下注：AI 不是答案，稀缺性才是》 Berkshire、Bridgewater、Tiger Global、Druckenmiller、李祿、段永平、Ackman 的動作看似分歧，但用第一性原理拆開，會發現他們其實都在圍繞同一件事配置：未來現金流最確定、競爭位置最稀缺、且能把 AI 時代需求轉化為高回報資本的公司。 13F 不能當即時訊號，但能看資本方向 13F 是延遲 45 天的持倉快照，不代表今天還持有，也看不到完整空單、現金和海外持倉。所以它不是抄作業工具，而是觀察頂尖資金思考框架的材料。 」 第一性原理 股票長期價值只來自三件事： 1. 未來自由現金流 2. 能否長期防守這些現金流 3. 買入價格是否合理 AI 只是技術變數，不是投資答案。投資答案要落到：誰擁有算力瓶頸？誰擁有分發入口？誰擁有資料和定價權？誰能把資本支出轉成高 ROIC？ 第一個共識，AI 基建鏈 這一季最明顯的共同方向，是 AI 基建。 Bridgewater 加碼 TSM、AVGO、MU、NVDA； Tiger Global 加碼 TSM、NVDA、AMAT、AVGO；Druckenmiller 也新增/加碼 AVGO、STM，並保留 TSM。 段永平最新可見持倉中，也大幅提高 NVDA、TSM、MSFT 的權重。 這裡的邏輯很簡單：如果 AI 需求繼續增長，最先被驗證的不是哪個應用最終勝出，而是整個產業都需要更多晶片、代工、記憶體、網路與電力效率。 第二個共識，平台股仍重要，但分歧加大** 大型平台股不是被拋棄，而是進入分化。 Berkshire 大幅加碼 Alphabet，李祿也把 Alphabet 放在極高權重；但 Ackman 幾乎賣出 Alphabet，轉去買 Microsoft；Druckenmiller 則退出 GOOGL、減碼 Amazon。 這代表市場不是否定平台股，而是在重新評估：誰能把 AI 投入變成真實現金流？ Google 有搜尋、YouTube、雲端和 Gemini 生態；Microsoft 有 Azure、Office、OpenAI 關係和企業分發；Amazon 有 AWS 和電商現金流；Meta 有廣告分發和 AI 推薦效率。 大家都知道平台重要，但對哪個平台的邊際回報最高，答案並不一致。 第三個共識，低估的中國平台仍被少數高手買入** 李祿重倉 PDD，段永平也加碼 PDD，同時仍持有 Alibaba。這說明中國平台沒有被全部放棄，而是被高度選擇性地買入。 中國平台公司的問題不是商業模式失效，而是折價過重：政策風險、地緣風險、消費信心和資本市場信任度，都壓低了估值。 但如果一家公司仍有高 ROIC、強現金流、低估值和長期競爭優勢，那它就會進入深度價值投資人的視野。 三位關鍵人物 段永平的組合仍以 Apple 和 Berkshire 為核心，但增量資金明顯偏向 AI 基建和中國平台。他買的不是短期熱點，而是強產品、強生態和長需求。 Druckenmiller 則代表另一種訊號。他不是長期抱死，而是宏觀輪動。他加碼 Natera、YPF、AVGO、STM，退出 GOOGL，減碼 Amazon。這說明 AI 基建仍有吸引力，但大型平台股要更挑位置與估值。 李祿最集中，也最像 Munger 系投資人。他重倉 Alphabet、PDD、Berkshire，同時新買 Moody’s、S&P Global、MSCI 這類資料與金融基礎設施公司。這些公司本質上是資訊收費站。 真正的結論 這些頂尖投資人的共同下注，不是「AI 會漲」，而是： 縮減投資數量,提⾼集中度。 重壓關鍵節點:算力瓶頸、平台入口為主!