19667面国产高精度定日镜全域追光，59万平米镜场毫米级稳控，中国AI算法抵消大风干扰#国产聚光装备# 19,667 domestically-made high-precision heliostats track sunlight across 590,000 sq.m mirror field, with Chinese AI algorithms offsetting wind disturbance under millimeter-level control.

兄弟们，40个有用的GitHub仓库，强烈建议收藏起来！ 1. public-apis — 免费API合集 2. build-your-own-x — 边做边学 3. developer-roadmap — 学任何技术 4. free-programming-books — 免费书籍 5. system-design-primer — 掌握系统设计 6. coding-interview-university — 自学计算机 7. the-art-of-command-line — 精通终端 8. project-based-learning — 项目式学习 9. you-dont-know-js — 深入学JavaScript 10. the-book-of-secret-knowledge — 黑客资源 11. tech-interview-handbook — 面试通关 12. awesome-selfhosted — 自建应用 13. javascript-algorithms — 可视化算法 14. 30-seconds-of-code — 实用代码片段 15. gitignore — 各语言模板 16. ollama — 本地运行AI模型 17. langchain — 快速构建AI应用 18. n8n — AI自动化工作流 19. openclaw — 本地AI助手 20. dify — 可视化创建AI代理 21. langflow — 拖拽式AI管道 22. mem0 — AI代理记忆层 23. browser-use — AI控制浏览器 24. ruflo — Claude代理编排 25. crewai — 多代理AI团队 26. hermes-agent — 开源AI代理 27. markitdown — 文件转Markdown 28. maigret — 3000+网站OSINT 29. open-webui — 自建ChatGPT界面 30. aider — 终端AI编程助手 31. agency-agents — 完整AI代理机构 32. tradingagents — 交易多代理框架 33. browserbase-skills — Claude网页SDK 34. autogen — 微软多代理框架 35. metagpt — AI代理软件公司 36. lobe-hub — 可视化多代理平台 37. huggingface-transformers — 现代AI基础 38. cocoindex — 长文本代理引擎 39. freeCodeCamp — 免费编程学习 40. stable-diffusion-webui — 本地AI画图

《立党基础教育》最核心的精髓，一个是给6岁孩子孩子买mac mini+大显示器，一个是订阅coding plan（claude/OpenAI/智谱/kimi/阿里/grok）， 最核心是建立“党哥家庭图书馆”，卧室装满这些书，可以陪伴孩子从6岁到18岁的数学物理计算机教材，让孩子随机翻、随机看、躺着看、拉屎看，挖掘天赋潜能。 一定要听党哥的，党哥就住天津图书大厦旁边，这些书党哥没给童年的自己买齐，党哥想扇自己100个大嘴巴子，你们一定不要给自己家聪明的孩子留遗憾，先把书买齐了，孩子只看10%，每本书只看一章，都是有用的。 1. 小学、初中、高中全年级的数学、物理、信息学基础官方教材； 2. 小学、初中、高中全年级的数学、物理、信息学学科竞赛教材和题集； 上面这些书一定要买齐，供孩子随时按照兴趣翻阅，吃饭时翻阅，拉屎时翻阅，无聊时翻阅， 3. 大学本科基础数学教材《微积分》《线性代数》《概率统计》《复变函数》，如果孩子看得津津有味并且觉得太简单，立刻按照北大数学系培养方案继续买实分析、高代、抽代、组合数学等等， 喜欢物理直接买四大力学教材，或者直接买《费曼物理学讲义》，按照孩子需求买齐买全，挖掘孩子在数学和物理上的最大天赋； 4. 一定要买齐计算机教材，从6岁可以陪伴到60岁的几本书，都是党哥自己掏真金白银在天津或者Texas亲自买过的纸质书，哈佛MIT斯坦福也用这些书当做本科生或者graduate level（硕士博士阶段课程）教材，记住，一定要买齐，摆孩子卧室里，让孩子随机翻阅，随机看，拉屎看，吃饭看，睡觉看，周末看，看一章节就算稳赚。 记住，这些书尽量买齐，在中国就买影印版中文翻译版，一本书50块钱，买齐了并不贵，在英语国家可以买二手英文版，这些书可以陪伴绝大多数人从6岁到60岁。 a. 《Python Crash Course: A Hands-on, Project-based Introduction to Programming》（Python编程：从入门到实践），孩子的第一本编程书，让孩子一边拿着书，一边对着电脑敲敲敲，敲敲敲，敲敲敲， python入门了以后，可以买《Thinking in Java》《C++ Primer》，挑着学Java和C++这两本书； b. 计算机三套经典，党哥都买了纸质版，党哥都没看完。 - 计算机基础教材CSAPP《Computer Systems A Programmers Perspective》（CSAPP） - 算法和数据结构圣经《introduction to algorithms》（算法导论） - 可以陪伴到50岁、几代人读的圣经大套装《The Art of Computer Programming》（TAOCP） 记住，党哥没看完是因为岁数太大了（算法导论看得最多，其他两本进度很少），你的孩子只有6~18岁，如果激发了巨大的兴趣，你的孩子是完完全全有精力看完的。 如果18岁之前能扎扎实实看完这三本书，可以说比Google和Meta里面90%的员工要强。 c. 全球公认的计算机其余主要专业教材 操作系统《Operating Systems Concepts》（操作系统概念，恐龙书） 编译原理《Compilers: Principles, Techniques, and Tools》（编译原理，龙书） 《Modern Compiler Implementation in C》（现代编译原理，虎书） 《Advanced Compiler Design and Implementation》（编译器设计与实现，鲸书） 数据库《Database System Concepts》（数据库概念） 计算机网络《Computer Networks》Andrew S. Tanenbaum 计算机图形学《Fundamentals of Computer Graphics》（图形学虎书） 机器学习和深度学习《Pattern Recognition and Machine Learning》(PRML）和《Deep Learning》 by MIT Press 党哥不是拉书单，党哥给你推荐图书是非常谨慎小心的，已经砍到不能再砍，精简到不能再精简了，精简到再砍掉任何一本就会出现大问题了， 记住，这些计算机科学computer science书籍，要买全，买齐，在中国大陆就买影印版、翻译版，在美国就买二手，把这些书整整齐齐放在孩子书架上， 孩子靠兴趣驱动学习时，是跳跃的、离散的、冲动的，也许孩子感兴趣两个月看完一本书，也许两年翻不了三页，也许一本书只看零星两三章， 但是一定要给孩子买齐、买全、买完整，放在卧室书架上，吃饭看、拉屎看、无聊看、闲着看、呆着看、随机翻看、边看边敲、边看边在claude code里实现， 一定要买齐，在家里置办“党哥家庭图书馆”，孩子对知识的欲望和冲动，远比对抖音直播间大美女的冲动要强烈得多，当冲动来临的时候，一定要做好图书、知识、教材的准备，让孩子凭借一腔热血和兴趣，选择随机翻阅和学习。 当然，另一件重要的事情，就是听党哥的话，围绕北京、上海、深圳、bay area全球四大科技中心，每个月至少带孩子逛一次电子展、科技展会、技术大会、学术会议、路演日、融资大会、技术沙龙、AI线下沙龙、技术公开课、产业大会、学校技术论坛、学校学术展览，逐步建立世界观，认识技术，认识产业，认识各行各业，形成自己的价值观，并且开始接触一些各行各业的“大朋友”， 当这些大朋友给孩子一些启发的时候，孩子就会立刻回家，闷头去翻这些教材，继续去补充营养，带着白天开会时满脑子的小问号，回到自己的“党哥家庭图书馆”，去狠狠恶补自己欠缺的知识。 记住，除了买mac mini+大显示器+人体工程学座椅+订阅coding plan，除了开会，家长首先要做到的，就是买书，买书，买书，买书，买书，买书，买书，买书，买书。 如果要看视频课程，可以按照csdiy wiki上面课程去学习，可以上B站上中文平替， 先从哈佛CS50起，接下来看UC Berkeley CS61A、CS61B、CS61C，然后按照csdiy wiki上面对应的视频课程自己去学习，一般youtube有原版，B站有翻译版本。 让孩子自己自由随机去挑感兴趣的视频去跟着学。 但是一定他妈给我把这些书给孩子买齐，买全，加起来没有几千块钱，能改变你的孩子一辈子的命运，让他获得一个9位数的人生。 现在就给我去京东天猫拼多多闲鱼去下单，给我买！！！！

《立党基础教育》最核心的精髓，一个是给6岁孩子孩子买mac mini+大显示器，一个是订阅coding plan（claude/OpenAI/智谱/kimi/阿里/grok）， 最核心是建立“党哥家庭图书馆”，卧室装满这些书，可以陪伴孩子从6岁到18岁的数学物理计算机教材，让孩子随机翻、随机看、躺着看、拉屎看，挖掘天赋潜能。 一定要听党哥的，党哥就住天津图书大厦旁边，这些书党哥没给童年的自己买齐，党哥想扇自己100个大嘴巴子，你们一定不要给自己家聪明的孩子留遗憾，先把书买齐了，孩子只看10%，每本书只看一章，都是有用的。 1. 小学、初中、高中全年级的数学、物理、信息学基础官方教材； 2. 小学、初中、高中全年级的数学、物理、信息学学科竞赛教材和题集； 上面这些书一定要买齐，供孩子随时按照兴趣翻阅，吃饭时翻阅，拉屎时翻阅，无聊时翻阅， 3. 大学本科基础数学教材《微积分》《线性代数》《概率统计》《复变函数》，如果孩子看得津津有味并且觉得太简单，立刻按照北大数学系培养方案继续买实分析、高代、抽代、组合数学等等， 喜欢物理直接买四大力学教材，或者直接买《费曼物理学讲义》，按照孩子需求买齐买全，挖掘孩子在数学和物理上的最大天赋； 4. 一定要买齐计算机教材，从6岁可以陪伴到60岁的几本书，都是党哥自己掏真金白银在天津或者Texas亲自买过的纸质书，哈佛MIT斯坦福也用这些书当做本科生或者graduate level（硕士博士阶段课程）教材，记住，一定要买齐，摆孩子卧室里，让孩子随机翻阅，随机看，拉屎看，吃饭看，睡觉看，周末看，看一章节就算稳赚。 记住，这些书尽量买齐，在中国就买影印版中文翻译版，一本书50块钱，买齐了并不贵，在英语国家可以买二手英文版，这些书可以陪伴绝大多数人从6岁到60岁。 a. 《Python Crash Course: A Hands-on, Project-based Introduction to Programming》（Python编程：从入门到实践），孩子的第一本编程书，让孩子一边拿着书，一边对着电脑敲敲敲，敲敲敲，敲敲敲， python入门了以后，可以买《Thinking in Java》《C++ Primer》，挑着学Java和C++这两本书； b. 计算机三套经典，党哥都买了纸质版，党哥都没看完。 - 计算机基础教材CSAPP《Computer Systems A Programmers Perspective》（CSAPP） - 算法和数据结构圣经《introduction to algorithms》（算法导论） - 可以陪伴到50岁、几代人读的圣经大套装《The Art of Computer Programming》（TAOCP） 记住，党哥没看完是因为岁数太大了（算法导论看得最多，其他两本进度很少），你的孩子只有6~18岁，如果激发了巨大的兴趣，你的孩子是完完全全有精力看完的。 如果18岁之前能扎扎实实看完这三本书，可以说比Google和Meta里面90%的员工要强。 c. 全球公认的计算机其余主要专业教材 操作系统《Operating Systems Concepts》（操作系统概念，恐龙书） 编译原理《Compilers: Principles, Techniques, and Tools》（编译原理，龙书） 《Modern Compiler Implementation in C》（现代编译原理，虎书） 《Advanced Compiler Design and Implementation》（编译器设计与实现，鲸书） 数据库《Database System Concepts》（数据库概念） 计算机网络《Computer Networks》Andrew S. Tanenbaum 计算机图形学《Fundamentals of Computer Graphics》（图形学虎书） 机器学习和深度学习《Pattern Recognition and Machine Learning》(PRML）和《Deep Learning》 by MIT Press 党哥不是拉书单，党哥给你推荐图书是非常谨慎小心的，已经砍到不能再砍，精简到不能再精简了，精简到再砍掉任何一本就会出现大问题了， 记住，这些计算机科学computer science书籍，要买全，买齐，在中国大陆就买影印版、翻译版，在美国就买二手，把这些书整整齐齐放在孩子书架上， 孩子靠兴趣驱动学习时，是跳跃的、离散的、冲动的，也许孩子感兴趣两个月看完一本书，也许两年翻不了三页，也许一本书只看零星两三章， 但是一定要给孩子买齐、买全、买完整，放在卧室书架上，吃饭看、拉屎看、无聊看、闲着看、呆着看、随机翻看、边看边敲、边看边在claude code里实现， 一定要买齐，在家里置办“党哥家庭图书馆”，孩子对知识的欲望和冲动，远比对抖音直播间大美女的冲动要强烈得多，当冲动来临的时候，一定要做好图书、知识、教材的准备，让孩子凭借一腔热血和兴趣，选择随机翻阅和学习。 当然，另一件重要的事情，就是听党哥的话，围绕北京、上海、深圳、bay area全球四大科技中心，每个月至少带孩子逛一次电子展、科技展会、技术大会、学术会议、路演日、融资大会、技术沙龙、AI线下沙龙、技术公开课、产业大会、学校技术论坛、学校学术展览，逐步建立世界观，认识技术，认识产业，认识各行各业，形成自己的价值观，并且开始接触一些各行各业的“大朋友”， 当这些大朋友给孩子一些启发的时候，孩子就会立刻回家，闷头去翻这些教材，继续去补充营养，带着白天开会时满脑子的小问号，回到自己的“党哥家庭图书馆”，去狠狠恶补自己欠缺的知识。 记住，除了买mac mini+大显示器+人体工程学座椅+订阅coding plan，除了开会，家长首先要做到的，就是买书，买书，买书，买书，买书，买书，买书，买书，买书。 如果要看视频课程，可以按照csdiy wiki上面课程去学习，可以上B站上中文平替， 先从哈佛CS50起，接下来看UC Berkeley CS61A、CS61B、CS61C，然后按照csdiy wiki上面对应的视频课程自己去学习，一般youtube有原版，B站有翻译版本。 让孩子自己自由随机去挑感兴趣的视频去跟着学。 但是一定他妈给我把这些书给孩子买齐，买全，加起来没有几千块钱，能改变你的孩子一辈子的命运，让他获得一个9位数的人生。 现在就给我去京东天猫拼多多闲鱼去下单，给我买！！！！

说真的，GitHub上藏着一堆宝贝，大多数人根本不知道。 我整理了35个仓库，分四类给你，建议截图收藏，以后用得上。 一、学习类（打基础用的） 1️⃣ public-apis — 免费API大合集，做项目直接拿来用，不用自己造轮子 2️⃣ build-your-own-x — 边做边学，比看书强十倍 3️⃣ developer-roadmap — 不知道学什么方向？进去看一眼，路线图全给你画好了 4️⃣ free-programming-books — 免费编程书，能省不少钱 5️⃣ coding-interview-university — 自学计算机科班内容，有人靠这个进了大厂 6️⃣ the-art-of-command-line — 终端用得溜，效率直接翻倍 7️⃣ project-based-learning — 项目驱动学习，学完就能上手 8️⃣ you-dont-know-js — 你以为你懂JavaScript？进去看看再说 9️⃣ freeCodeCamp — 免费编程课，从零开始也能跟上 二、工具类（干活用的） 1️⃣ system-design-primer — 系统设计必读，面试聊架构全靠它 2️⃣ tech-interview-handbook — 面试准备手册，刷完通过率肉眼可见地高 3️⃣ javascript-algorithms — 算法可视化，看得懂，记得住 4️⃣ 30-seconds-of-code — 实用代码片段，复制粘贴直接用 5️⃣ gitignore — 各语言.gitignore模板，别再手写了 6️⃣ the-book-of-secret-knowledge — 黑客资源合集，懂的人懂 7️⃣ awesome-selfhosted — 想自建应用？这里全是开源替代品 8️⃣ markitdown — 各种文件一键转Markdown，省事 9️⃣ maigret — 3000多个网站OSINT查询，信息收集神器 三、AI基础设施类（现在最值钱的方向） 1️⃣ ollama — 本地跑AI模型，不花一分钱API费 2️⃣ langchain — 构建AI应用的基础框架，绕不开 3️⃣ n8n — AI自动化工作流，能替你干很多重复活 4️⃣ dify — 可视化创建AI代理，不会代码也能玩 5️⃣ langflow — 拖拽式搭AI管道，门槛极低 6️⃣ mem0 — 给AI代理加记忆层，让它记住你说过的话 7️⃣ open-webui — 自建ChatGPT界面，数据留在本地 8️⃣ aider — 终端里的AI编程助手，写代码快很多 9️⃣ huggingface-transformers — 现代AI的地基，绕不开这个 四、多代理AI类（下一波红利在这） 1️⃣ browser-use — AI直接控制浏览器帮你干活 2️⃣ crewai — 多个AI代理组团协作，像个虚拟团队 3️⃣ autogen — 微软出的多代理框架，稳 4️⃣ metagpt — AI代理模拟整个软件公司，细思极恐 5️⃣ tradingagents — 交易多代理框架，量化方向的人注意了 6️⃣ lobe-hub — 可视化多代理平台，管理起来方便 7️⃣ cocoindex — 长文本代理引擎，处理大文档用得上 8️⃣ agency-agents — 完整AI代理机构框架，直接拿来二开 这35个仓库，光是AI这块就够你研究半年。 现在不收藏，等你想用的时候根本找不到。

马斯克刚刚把 X 算法的最新版本开源到 GitHub 这次放出来的是 xAI 接手 X 之后重写的整套「为你推荐」核心代码，仓库叫 xai-org/x-algorithm Apache 2.0 授权 最大的变化是旧版那几百条工程师手写的相关性规则全部被删光了，整套推荐逻辑现在交给一个 Grok @grok 架构的 AI 模型，模型自己从用户的行为里学什么该推给谁，X 也走上了「AI 自己学」这条路 那算法到底怎么决定要把哪条帖子推到你眼前，大致分成这几步 1️⃣ 先看你最近做了什么，点过谁的赞，在哪些帖子停留比较久，回复过谁，封锁过谁。这些行为就是它判断你的依据 2️⃣ 两条线同时捞候选帖子，一条从你关注的人里面捞，另一条在全站几亿条帖子里找「跟你兴趣最像」的内容。这就是为什么你会刷到完全没关注过的人 3️⃣ AI 模型给每条帖子同时预测 15 种行为的概率，你会不会点赞 / 会不会转发 / 会不会停下来看看 / 会不会点「不感兴趣」/ 会不会封锁作者 / 会不会举报 4️⃣ 正面行为加分，负面行为扣分。把 15 个概率加总算出一个分数 5️⃣ 同一个作者连续出现会被打折，避免你看到的全是同一个人 6️⃣ 排好序，选出最高分的几十条送到你眼前 对内容创作者来说，关键词跟标签的权重在下降，真正决定一条内容能不能被推爆的是「目标用户有没有对这类内容做出过正向行为」 ，谁能进到对的用户的互动历史里，谁就能进到算法的视野 这是 2026 年至今 X 公开过最完整的一次算法说明

【自动发推记录 02】 时间：11:30 主题：算法调侃 / 蓝V曝光 别太相信算法。 它有时候像喝多了的保安： 该放的人不放，不该推的乱推。 蓝V朋友，评论区抠 1。 先让同频圈子自己亮起来。 Don’t trust the algorithm too much. Sometimes it acts like a drunk security guard: blocking the right people, pushing random noise. Blue V friends, drop “1”. Let the circle light itself up first. #蓝V# #X# #Crypto#

grok 自动检测 AI 内容怎么感觉失效了！ 这个格式的提示词感觉来讲还是稳一点，一击即中✅ Seedance 2.0 prompt 👇 【风格】高端电影级播客访谈（Cinematic Podcast Talk Show），A24暗调电影质感，8K超清，真实摄影（Photorealistic），低反差冷调光影，浅景深 【时长】15秒 【场景】暗色调专业录音棚，背景是哑黑色吸音棉墙板，深色木质桌面摆放两支Shure SM7B专业话筒、两个黑色陶瓷咖啡杯、皮面笔记本；暖白色侧上方面光配冷色背景填光，远景可见红色"ON AIR"霓虹灯牌微微透出 【角色】Sera@图片1（深酒红长直发亚洲女性，黑色高领无袖配渔网长袖战术装扮）、Liora@图片2（粉红色长卷发亚洲女性，黑色挂脖背心配黑色长手套袖） [00:00-00:03] 镜头1：开场抛梗（Medium Two-Shot） 两人隔桌相对而坐的中景，前景话筒轻微失焦，浅景深聚焦Sera。 Sera 微微前倾靠近话筒，红发垂落肩头，嘴角带一丝冷笑： 【English Dialogue】"Another week, another crowd crying — 'the algorithm buried me.'" Liora 端着咖啡杯静静抿了一口，目光斜睨过来，没接话。 [00:03-00:07] 镜头2：Liora 接梗（OTS Close-up） 越肩特写切到Liora脸部，她放下杯子，指尖在木桌面轻敲两下，粉发在环形光下泛柔和光泽。 她抬眼直视对面，嘴角微微上扬，停顿半秒： 【English Dialogue】"I clicked into their profiles. Honestly? They earned it." [00:07-00:12] 镜头3：Sera 推进（Single Close-up） 切到Sera单人近景，她靠回椅背双臂交叉，红发在边缘逆光下泛着暗红轮廓光。 她略微歪头，眼神锐利： 【English Dialogue】"The algorithm isn't unfair. It just says what your audience won't — your content is boring." 说完轻轻吐出一口气，嘴角微挑。 [00:12-00:15] 镜头4：Liora 收束（Direct-to-Camera） 镜头切到Liora正面特写，她微微前倾接近镜头，眼神平静有穿透力： 【English Dialogue】"The time you spent complaining? Three original posts you didn't write." 镜头缓慢拉远回到两人中景，背景"ON AIR"红色灯牌轻微闪烁，画面底部缓缓淡入字幕："Originality is the only algorithm worth gaming."

这几天闲来无事，粗略研究了下量子计算机对区块链生态的影响，涉及大量密码学的背景知识，不说太多细节，分享几个观点： 1）过去学界普遍认知要破解256位的椭圆曲线加密算法大概需要数百万个物理量子比特，逻辑量子比特6000个左右，但Google这次发表的新论文，并没有推出什么逆天的新硬件，而只是重新编译了Shor's algorithm（肖尔算法）在量子电路上的执行方式，就把所需的逻辑量子比特压缩到了1200个。 什么概念？意味着算力成本直接缩减了近20倍。这是本次量子威胁论被热议的根本，以前我们一直认为绝对不可能的事，到了今天，开始有了一个“倒计时”； 2）Google给这个倒计时的时间节点是2029年，意味着这个时间点前包括互联网的HTTPS、SSL银行证书、SSH远程登录等加密方式以及BTC和以太坊等公链的底层ECDSA签名体系都必须完成一次“抗量子”换血，否则到时候可能会存在灭顶之灾。 关于这一点，2029年也就是3年的时间，我觉得过于夸张了，毕竟纯理论落地到现实可执行落地还有很大的距离，但至少说明了一点，抗量子攻击的加密算法升级时间窗口开始打开了，没有迫在眉睫，但也绝不能掉以轻心； 3）如果说到此，很多人对量子威胁还是没概念，那可以再细化说几个攻击面： 1、目前BTC链上大概有25%-35%的地址，公钥已经处于暴露状态，包括中本聪时代采用P2PK格式的早期地址，以及所有复用过、发生过转账的地址，这些地址都在攻击范畴内；而其他没有发生转账的地址，只要在量子计算机成熟后启动转账，其在Mempool处理交易的10分钟内，足以被量子破解抢先截胡攻击，等于整个网络都已瘫痪； 2、以太坊面临的危机更直接，ETH的EOA账户在第一次发送交易时，公钥就会通过签名被暴露上链，，加上EIP-4844之后的数据可用性采样机制，以及本身依赖POS签名验证的共识网络。以太坊公链面临的都不是私钥能不能破解的问题，而是一旦签名算法得不到升级，整个网络都形同虚设了； 3、关键是，由于区块链交易历史都是可追溯且永久存储在链上，别看现在量子计算机攻击条件还不成熟，但过去和今天链上已经暴露公钥的交易，都会被记录起来，成为潜在攻击的对象，就等量子机器慢慢就位。 4）当然，既然量子攻击还存在技术突破+时间的窗口，同样理论上，只要在接下来的数年内完成“抗量子攻击”大换血，也可以实现一次自救。 以太坊早就在抗量子威胁上面做“工程化”优化布局了，包括推进账户抽象允许EOA地址在应用层面直接切换签名方案，验证者签名也在向抗量子攻击的PQC加密算法（Post-Quantum Cryptography，后量子密码学，专门为抵抗量子攻击设计的新一代加密标准）等都可以从底层结构上强化抗量子特性。本身以太坊最牛逼的就是“飞行状态下加油”的动态升级特性，既然方向明确了，抗量子特性也只是时间问题了。 比特币选择了引入BIP-360，这会引入FALCON或CRYSTALS-Dilithium这类后量子签名算法，技术上并不复杂，但是难在共识确立，要知道，比特币社区曾为了一个区块大小的分叉吵了几年，指望他们在抗量子硬分叉上迅速妥协，实在难以乐观。但一旦威胁进一步有了“确定性”，这个自救式的补丁再佛系的开发社区也会硬着头皮上。 以上。 最后说一件有意思的是，Google用零知识证明ZK披露了这个潜在的量子威胁，一开始就有意识的让其“软着陆”，毕竟一旦失控发生别说区块链了，互联网文明都是毁灭性的。另外Google Quantum AI团队里，有以太坊基金会的研究员参与，没准抗量子攻击会成为区块链接下来的一个主流叙事也未可知，毕竟天然基因就是密码学技术，这样全新的使命，很Crypto！

AMD + Anthropic合作的意义 如果 AMD 获得 Anthropic 的 GW 级部署，这意味着产业竞争逻辑开始发生变化：过去决定领先优势的是模型，今天越来越取决于谁能够持续获得、部署并利用更多计算资源。准确地说，不是 GPU 数量，而是 Effective Compute。 Frontier Model 已经成为资本密集型产业。单次训练成本进入数十亿美元时代，而 Agent、长上下文、持续学习和推理规模扩张，使 Inference 正逐渐成为比 Training 更大的长期资本开支。 这意味着 Compute 正逐渐成为 AI 能力增长的第一约束。领先模型之间的差距，不再只是论文和算法，而是谁能够持续获得数 GW、数十 GW 甚至更大的计算资源，并把这些资源快速转化为智能产出。 Anthropic 如果能够在 AMD 平台上部署大规模生产负载，将更近一步确定 Frontier AI 不再绑定单一 GPU 平台。 frontier lab的角色也因此发生变化。Anthropic 并不需要自己建设几十 GW 数据中心，它可以购买不同厂商的Compute。 Google、Oracle、CoreWeave 等云厂商甚至包括frontier labs自身，都开始扮演 Compute Broker 的角色，真正竞争的不再只是 GPU，而是谁能够最快交付 GW 级算力。这也是 Hyperscaler 持续上调 CapEx 的底层原因。市场购买的不只是服务器，而是未来几年 AI 生产能力。 云厂的客户，企业们，最终购买的不是 GPU，而是智能产出。NVIDIA 的优势来自系统效率，包括软件生态、通信、互联、利用率；AMD 如果能够以更低成本提供接近的有效算力，同样能够提高每美元获得的智能；Anthropic、OpenAI、Google 等模型公司则不断通过算法、RL、Agent 和推理优化，提高每一个 FLOP 的智能产出。 未来 AI 的竞争可以归结为一个简单的公式： Effective Intelligence = Compute × System Efficiency × Algorithm Efficiency Compute 决定能力上限，System Efficiency 决定硬件释放多少有效算力，Algorithm Efficiency 决定每一单位算力能够产生多少智能。算法仍然重要，但随着基础模型逐渐成熟，持续获取并高效利用大规模计算资源，正在成为 Frontier AI 最核心的竞争优势。AI 行业也因此开始从模型驱动，进入计算资源驱动的新阶段。