今天的早期空投项目分享，信息量不小：⬇️👇 1️⃣@m1xglobal 是 Paradigm 刚投的链上资本市场 L1，$850 万种子轮，赛道很明确。 2️⃣@hyperlink_xyz 做的是 Hyperliquid 交易者的主经纪商基建，Alliance 在背后支持——这个生态位的需求是真实存在的。 3️⃣@botfunHQ 把 AI 代理和链上发币/交易结合起来，叙事很新，但能不能跑出来还要看产品。 4️⃣@ekidenfi 是 Canton Network 上的机构级衍生品 DEX，合规方向走得比较深。 5️⃣@fullstack_trade 做一站式交易 App，赛道拥挤但需求一直存在。 6️⃣@Keystone_Fi 把 Solana 上的收益聚合成 1 美元——简单直接，但执行力是关键。 7️⃣@OseroHQ 做稳定币储蓄账户，门槛低，受众广。 8️⃣@metricxyz 是最有意思的一个——隐身期间交易量干了 $50 亿，frontrunvc 提前 126 天就标记了，属于被验证过的 Alpha。

贯通芯片、载荷、云平台全产业链，北京创新中心构建完整国产太空算力产业生态#全栈自主可控# Covering chips, payloads and cloud platforms, the center forms a full domestic industrial ecosystem for space computing with independent core tech. #FullStackSelfReliance#

🤩发现了一个很哇塞的网站！ Full Stack Open 是一门系统介绍现代 JavaScript 全栈 Web 应用开发的免费公开课程。教你如何使用 JavaScript 开发单页应用程序（SPA）。 课程并非泛泛而谈，而是有明确的技术落地栈： 1️⃣ 前端与核心架构：重点是使用 ReactJS 构建前端单页应用，同时包含 REST API 的现代替代方案——GraphQL。 2️⃣ 后端与数据存储：使用 Node.js 构建 REST API，并使用 MongoDB 来存储应用的数据。 3️⃣ 工程化与新特性：包含代码测试、配置管理、环境管理，并加入了由 Terveystalo 提供的 TypeScript 专属章节。 课程内容与赫尔辛基大学计算机科学系的春季正规课程【全栈课程】完全相同。 这门课程价值 5~12 个学分，并附带一个相关的项目作业（价值 1~10 个学分）。课程的合作伙伴和友情机构包括 Houston Inc, Terveystalo, Elisa, Unity Technologies 以及 Konecranes 等知名科技企业，网页中还提供这些合作机构的多位专家带来的客座讲座。 这门课对学习者有明确的门槛要求。上课的同学需要具备良好的编程技能、基本的网络编程和数据库知识，并且了解如何使用 Git 版本控制系统。 推荐配合沉浸式翻译插件来得到更丝滑的学习体验。 🥰如果你想扎实地掌握全栈开发，建议开启沉浸式翻译，从网站的“第0部分”开始，去探索现代网页开发技术吧。 🔗：

《AI时代，投资者必须全栈》 ai investor has to be Full-Stack Investor 过去的投资世界，讲究“分工”： 有人做宏观，有人做行业，有人做基本面，有人做量化。 但进入 AI 时代之后，这种分工化的投资方式正在迅速失效。 今天，一个真正能理解、看懂并抓住 AI 时代财富机会的投资者，必须是 全栈型投资者（Full-Stack Investor）。 就像技术行业曾经出现“全栈工程师”一样，未来的投资世界也将被“全栈投资者”主导—— 既懂宏观，也懂技术；既能判断行业，也能写工具；既能分析，也能自动化。 这是时代的要求，也会是下一代投资者最核心的竞争力。 一、为什么 AI 时代投资者必须全栈？ 1. AI 是一个端到端的超级产业链，任何一个环节都可能反转你的判断 AI 涉及的链条长到前所未有： 算法（Transformer、MoE、World Model） GPU（NVDA / AMD） HBM（SK hynix / Samsung / Micron） 先进封装（TSMC CoWoS / SoIc） 光互联（Broadcom / Coherent / Intel SiPh） 数据中心（VRT、NET、DDOG） 能源（BE、CWEN、XIFR） 云与 AI 平台（GOOG、MSFT、META、OpenAI） AI 应用层（PLTR、SaaS 全部重构） 任何一个瓶颈、任何一个突破，都会改变整个板块的涨跌逻辑。 如果你不了解光互联，你看不懂 GPU 可扩展瓶颈。 如果你不了解 HBM，你判断不了 AMD/NVDA 的代差。 如果你不了解能耗和冷却，你不知道数据中心为什么比 GPU 更紧缺。 如果你不了解算法，你根本无法判断“算力需求是否会继续指数级增长”。 AI 投资不是单点知识，而是端到端系统理解。 2. 信息量爆炸，纯靠人力无法覆盖 AI 相关的信息密度，已经远超传统行业： 供应链新闻 算法论文和技术突破 Big Tech CapEx 更新 监管和出口管制 数据中心扩张与电力审批 GPU 交付时序 行业会议与内部技术路线 X/Twitter 讨论流 各类模型 benchmark 和产品更新 每天 1000+ 条信息可能只是行业平均水平的投资者。 不用工具自动化，就永远落后于别人。 全栈投资者最大的优势，就是能自己构建信息“摄取与过滤系统”。 3. 技术周期太快，不懂技术就无法提前布局 AI 的技术迭代速度大概是： 每 3～4 个月一次重要突破 每 6～9 个月一次产品更新 每 12～18 个月一次算法范式变化（MoE、SSM、World Model） 每 24 个月一次硬件架构代差（H100 → B200 → Rubin） 如果你不了解技术周期，你根本无法预测： 哪家公司未来一年会爆发 哪条供应链会卡住 哪个环节会成为新赢家 谁会在 2 年后被替代 技术理解能力，是 AI 投资者未来的基本素养。 二、为什么“开发能力”也是未来投资者的必修课？ 真正的全栈投资者，不只是会分析，还必须会“开发自己的工具”。 因为： 1. 投资者的核心能力之一是“快速验证观点” 你想验证： 最近 48h 哪些 AI 项目最热？ 某事件（财报/政策）对哪些股票影响最大？ 算力增速 vs 数据中心供电缺口的关系？ 模型参数增速 vs HBM 需求增长？ 只要你会vibe coding，你就能在马上得到答案，而不是靠别人的两周后的分析。 2. 未来的投资者本身就是“产品经理” 投资者必须设计： 事件监控 数据库 自动摘要 自动分类 情绪分析 回测脚本 。。。。。。 这就是一个“投研产品”的完整系统。 会开发的人，能自己造最适合自己的系统；不会的人，只能用别人的系统，未必最适合自己 三、结语：AI 时代不会让投资更容易，但可能是碳基生物为数不多的选择之一 AI 并不会让投资变简单。 AI 会加速信息流动、压缩套利时间、加速竞争。 在这种环境下： 不会开发、不会自动化、不会跨学科推理的投资者，将被淘汰。 懂技术、懂产业、懂开发、懂金融的“全栈投资者”，会成为下一代的超级个体。 更不用说，当ai开始大量替代人力的时候，投资，可能是唯数不多的，你可以选择不被替代的工作。 真正的 AI 投资时代刚刚开始。 只有全栈型投资者，才能吃到全周期的红利。

7. Anthropic - Applied AI Architect（Startups 团队） - 角色: 帮助创业公司构建 Claude 应用的技术架构师 - 要求: 有 LLM 应用开发经验，能与创始人对话 - 中国讨论度: 低 - 🔗 8. Stripe - Staff Full Stack Engineer - 角色: 创业公司级别的早期员工，设定技术方向 - 薪资: 高端（未公开具体数字） - 中国讨论度: 低 - 🔗 --- 校招/实习信息差 9. Cloudflare - 2026 年招聘 1,111 名实习生 - 背景: 从原来 60 人项目暴增至 1,111 人 - 目标: "培养下一代技术领袖" - 中国讨论度: 低 - 🔗 10. - 2026 校招（New Grads） - 岗位: 计算机视觉 / 算法工程师 - 地点: San Jose, CA - 公司: 自动驾驶上市公司 - 中国讨论度: 低 - 🔗 11. Databricks - 2026 New Grad + 实习 - 岗位: 多个 AI/ML 研究、工程岗位 - 地点: SF / NYC / Mountain View / Berlin / Amsterdam / Bengaluru - 中国讨论度: 低 - 🔗 12. IBM - 2026 年校招扩招 3 倍 - 背景: IBM 人力资源官表示将"重写每一个岗位" - 原因: AI 能做入门级工作，但需要能驾驭 AI 的新人 - 中国讨论度: 极低 - 🔗 13. Google DeepMind - Student Researcher Program - 项目: 付费研究实习，覆盖 BS/MS/PhD - 团队: DeepMind / Google Research / 其他 AI 团队 - 中国讨论度: 低 - 🔗

我为什么劝所有300~600分的人学电子，做PLC和嵌入式？ 我发现绝大多数人的核心问题，是智力水平有缺陷+不学习。 如果高中阶段不接触编程、没有因为编程和偏科耽误高考，全力以赴准备高考，那么高考600分以下基本可以认为是智力和学习能力同时存在重大缺陷。 对于这些人，连高考都学不到600分， 进入大学之后，哪怕选了计算机专业，本科四年基本也跟条狗一样，人人都完完全全不学习的状态，是不可能靠传统学frontend、full stack、AI Agent这些路线吃饭的。 所以我建议分数高一点的学一点嵌入式，好歹有碗饭吃，肯定饿不死。 分数低一点的、所有转码的、所有不学习的、所有脑子不够用的，直接都去学PLC就完事儿了。 PLC是全世界最简单的“编程”，难度约等于美国小学生的水平，目前中国一线PLC工程师平均学历基本是中专，连他妈高中学位都不用。 PLC工程师的唯一工作，就是每天随机开车到一个深圳或者苏州的小工厂，找个桌子椅子，点杯奶茶，把一整套工业流水线的某个小环节的PLC插到自己电脑上， 然后盯着一整天，在电脑上用图形化的梯形图去编辑最基本逻辑，把基本逻辑写好后，关上电脑直接回家， 每天有效工作时长不超过2小时。 这是全世界最简单、最简陋、最不需要脑子、最不可能被AI替代的程序员， 数理抽象逻辑大概等于美国小学阶段的编程课水平，而且这项工作在中国99%都是由中专学历以下的人来完成的。 PLC这门课，在绝大多数985以上的大学，基本上就是两周左右的时间介绍完整，实际自学整个PLC知识不超过3天。 最难能可贵的是，这份工作平均工资在1万块钱左右，比绝大多数中国大陆的前端培训班出来的程序员还要高得多， 而且非常稳定，几乎永不裁员，没有任何大学和学历要求，中专学历都能上手直接干活儿。 无论你高考是300分还是600分，你问我选择什么大学和专业，我现在只会告诉你一个原则： 如果高考到不了深圳大学，就选择深圳技术大学、东莞理工、深职院、深圳信息职业技术学院，一个个往下排，排到哪个选哪个，认准电子专业。 只要你能好好学PLC，能开车，能吃苦，你就有一份永远不会被裁员、永远不用脑子、有桌子椅子、有奶茶喝的“编程”工作。

我为什么劝所有300~600分的人学电子，做PLC和嵌入式？ 我发现绝大多数人的核心问题，是智力水平有缺陷+不学习。 如果高中阶段不接触编程、没有因为编程和偏科耽误高考，全力以赴准备高考，那么高考600分以下基本可以认为是智力和学习能力同时存在重大缺陷。 对于这些人，连高考都学不到600分， 进入大学之后，哪怕选了计算机专业，本科四年基本也跟条狗一样，人人都完完全全不学习的状态，是不可能靠传统学frontend、full stack、AI Agent这些路线吃饭的。 所以我建议分数高一点的学一点嵌入式，好歹有碗饭吃，肯定饿不死。 分数低一点的、所有转码的、所有不学习的、所有脑子不够用的，直接都去学PLC就完事儿了。 PLC是全世界最简单的“编程”，难度约等于美国小学生的水平，目前中国一线PLC工程师平均学历基本是中专，连他妈高中学位都不用。 PLC工程师的唯一工作，就是每天随机开车到一个深圳或者苏州的小工厂，找个桌子椅子，点杯奶茶，把一整套工业流水线的某个小环节的PLC插到自己电脑上， 然后盯着一整天，在电脑上用图形化的梯形图去编辑最基本逻辑，把基本逻辑写好后，关上电脑直接回家， 每天有效工作时长不超过2小时。 这是全世界最简单、最简陋、最不需要脑子、最不可能被AI替代的程序员， 数理抽象逻辑大概等于美国小学阶段的编程课水平，而且这项工作在中国99%都是由中专学历以下的人来完成的。 PLC这门课，在绝大多数985以上的大学，基本上就是两周左右的时间介绍完整，实际自学整个PLC知识不超过3天。 最难能可贵的是，这份工作平均工资在1万块钱左右，比绝大多数中国大陆的前端培训班出来的程序员还要高得多， 而且非常稳定，几乎永不裁员，没有任何大学和学历要求，中专学历都能上手直接干活儿。 无论你高考是300分还是600分，你问我选择什么大学和专业，我现在只会告诉你一个原则： 如果高考到不了深圳大学，就选择深圳技术大学、东莞理工、深职院、深圳信息职业技术学院，一个个往下排，排到哪个选哪个，认准电子专业。 只要你能好好学PLC，能开车，能吃苦，你就有一份永远不会被裁员、永远不用脑子、有桌子椅子、有奶茶喝的“编程”工作。