2026 CHINA P&E SIRUI 부스 포즈 모델 第二十七届中国国际照相机械影像器材与技术博览会 The 27th China International Photograph & Elecrical Imaging Machinery and Technology Fair

资本市场，下一个追逐的会是ROBOT经济赛道吗？ @FabricFND 及旗下 @openmind_agi 会王者归来吗？ 一直以来，康子都认为 $ROBO TGE早了些， 若这个时候的话，会不会更恰当？ 摘要：OpenMind是一个专注于机器人AI与机器经济（Machine Economy）的开源基础设施项目，目前作为Fabric生态的核心技术贡献者（Core Contributor）存在。而Fabric Foundation则负责协议治理、生态建设和长期发展。随着项目发展，Fabric的治理已从OpenMind团队中独立出来，以保持协议的中立性和去中心化。 简单理解就是，OpenMind负责造技术（OM1+FABRIC），Fabric Foundation负责管生态。两者共同目标是构建一个开放、可信、可协作的机器人互联网（Internet of Machines），让AI机器人能够像互联网中的计算机一样互联互通，并参与未来的机器经济。 @dj673285379 ，可以继续肝吗？顺便透露些许内幕。

作品上新 番号新春特辑 新春家具:人形桌子 - 口交.射精.潮噴 onlyfans没有潮吹版 请至fansly或私信询问 完整视频 或加电报 或直接推特私信 VX.QQ不常回 出演: @hakuhaku @abbykitty0606 玩具:@roomfun3 #炮叽roomfun# 最近在卖场买了一张桌子 想准备过新年的时候拆封使用 今天正好是来测试测试这桌子的实用性了 我摆了盘坚果子在上面 嗯!!没想到这桌子挺不牢固的 盘子打翻了，果子洒了一地 我是该好好修理这张桌子了 我拿出了我的槌子 朝桌子的孔洞钉了下去 哎呀!这桌子怎么出水啊?? 还是不停的出水呢! 窝滴麻鸭 没想这桌子还有开饮机的功能阿!! 接着我又做了第二次的测试 放了个元宝上去 怪啦!!这桌子还是不牢固阿! 元宝又掉了 我只好拿出了我最宝贝的丁丁 继续好好地修理她 我朝她另一头的孔洞插了进去 嘤~嘤~嘤~ 奇怪我怎么感觉好舒服啊 没想到这桌子还有按摩的功能啊!! 最后我就.... 艾爷工作室 @abbykitty6666 #支持原创# #拒绝黄牛# AB110 New Year Furniture: Human Table blowjob,cumshot,squirting (Chinese and English subtitles) Onlyfans not have squiting version Full version at fansly I recently bought a table at a store I want to open it and use it when preparing for the CNY. Today I just came to test the practicality of this table. I put a plate of nuts on top Hmm!! I didn’t expect this table to be quite unstable. The plate was overturned and the nuts was spilled on the floor. It's time for me to repair this table. I took out my mallet Nailed it into the hole in the table Oops! Why is water leaking from this table?? Still leaking water non-stop! Oh my god I didn't expect this table to have the function of opening a drinking machine!! Then I did a second test Put an ingot on it Weird! The table is still not strong! The ingot dropped again I had no choice but to take out my most precious penis Keep working on her I inserted it into her other hole. Ummmmmmmmmm~ Strange! why I feel so comfortable I didn't expect that this table also has a massage function!! Finally I just...

FEL：马斯克重新定义 EUV并开启太空芯片制造 马斯克最近一句“FEL FTW”，让 Free-Electron Laser（自由电子激光器，FEL）重新进入半导体行业视野。 市场很容易把这件事理解成“马斯克要造自己的 ASML”，但这可能并不是最准确的框架。 FEL 首先不是一种全新的光刻原理，而是一种新的 EUV 光源。如果这条路线最终进入 Terafab，它真正挑战的可能不是整台 ASML EUV scanner，而是过去二十多年 EUV 产业形成的一个基本架构：每台 scanner 配备自己的 LPP 光源。 FEL 更激进的可能性，是把 EUV 光源从 machine-level component 变成 fab-level infrastructure。 1、从锡滴到电子束 今天 ASML EUV 的核心波长是 13.5 nm。产生这种光的方法非常复杂：高功率激光每秒数万次击中高速飞行的微小锡滴，把锡瞬间变成高温等离子体，再从等离子体辐射中收集 13.5 nm EUV。这就是 LPP，Laser Produced Plasma。这里有巨大的工程问题：锡滴变成超高温 plasma然后才能产生 EUV。 但过程中必须处理：锡碎屑、collector污染、hydrogen plasma、镜面寿命、清洁、热负荷…… 这本身就是 ASML/Cymer 二十多年积累起来的一座巨大技术壁垒。ASML甚至长期与大学研究团队合作解决氢等离子体环境、锡清洁和组件寿命问题。 FEL 完全不同。电子枪产生电子束，加速器把电子加速到接近光速，再让电子穿过周期性磁场组成的 undulator。电子不断摆动并逐渐形成 microbunching，最终产生高度相干的电磁辐射。通过设计电子能量和 undulator，可以直接产生 13.5 nm EUV。 所以两条路线解决的是同一个问题：怎样大量、稳定地产生 13.5 nm 光子。LPP 的答案是“激光+锡等离子体”；FEL 的答案是“相对论电子束+加速器”并以此绕过锡等离子体的巨大工程技术壁垒，并还能增加EUV photon throughput。 2、FEL 最大的赌注是功率 EUV 光源功率直接影响曝光速度、光刻胶剂量和 scanner throughput。LPP 已经从早期几瓦一路发展到数百瓦，并正在向千瓦级推进。但继续提高功率越来越困难。更多激光能量意味着更极端的锡等离子体、更大的 collector 热负荷、更严重的污染和更复杂的系统可靠性问题。 FEL 的长期诱惑在于数千瓦甚至 10 kW 级 EUV。公开的 FEL-EUV 研究已经讨论过这种量级。这里必须区分“理论/工程设计目标”和“半导体量产能力”：今天并不存在一台 10 kW FEL 在先进晶圆厂里稳定量产芯片。但如果这种光源最终实现，它提供的就不只是“比 LPP 多一点光”，而可能是一个数量级不同的技术路线。 FEL 的优势也不仅是功率。它可以提供高度相干、窄频谱、可控偏振的辐射，没有 LPP 那套锡滴、锡碎屑和等离子体污染问题。某些偏振模式甚至可能改善极小尺寸图形的成像对比度和 process window。换句话说，FEL 不只是更大的灯泡，而可能是一台更强、更干净、更可控的 EUV photon engine。 代价也非常明显：它把“锡滴地狱”换成了“粒子加速器地狱”。 电子枪、RF、加速腔、磁铁、undulator、超高真空、beam control、energy recovery、冷却和控制系统，每一项都可以成为新的工程瓶颈。今天 LPP 最大的优势不是物理原理漂亮，而是已经经过数十亿小时级别的产业学习和大规模晶圆生产验证。FEL 最大的问题也不是能不能产生 EUV——答案早已是能——而是能不能把一个粒子加速器变成 semiconductor-grade manufacturing infrastructure。 3、Terafab 改变了 FEL 的经济学 如果目标是制造一台设备卖给 TSMC，FEL 的体积和复杂度是巨大劣势。但如果目标从“造一台光刻机”变成“从零设计一座超大型 AI 晶圆厂”，问题就完全不同。 传统架构大致是： Scanner A + LPP A Scanner B + LPP B Scanner C + LPP C Scanner D + LPP D FEL 更激进的架构可能是： 10 kW Central FEL → EUV Beam Distribution → Scanner A / B / C / D / E…… 这意味着不再试图把一个粒子加速器塞进光刻机，而是直接把整个晶圆厂建在粒子加速器周围。FEL 从一台机器的 component，变成整个 fab 的 utility，类似电力、超纯水和中央气体供应系统。 这可能正是 Terafab 与 FEL 结合最有想象力的地方。巨大的 accelerator 不再是单台 scanner 必须承担的固定成本，而可以由十台甚至更多 scanner 分摊。一套价值数亿美元甚至更高的 FEL，如果能够稳定向大量 scanner 提供数千瓦 EUV，其单位曝光成本可能完全不同。 4、长期看，FEL 甚至比传统光刻机更适合成为“太空半导体工厂” FEL 本身具有几个天然适合太空的特征。首先是高真空。电子束和 EUV 本来就需要真空环境，太空至少在外部环境上与这套系统高度兼容。其次是规模。地面建设一公里级 accelerator 意味着土地、建筑、隧道、地基和振动隔离；轨道大型结构如果未来能够低成本模块化部署，“很长”本身未必是最致命的问题。第三是机械环境。太空不存在传统地震和地面振动， 因此轨道 FEL 比轨道先进晶圆厂更容易想象。当低成本重型运输、机器人自主建设维修和高度自主 AI fab 同时成熟以后，“Orbital FEL Terafab”更可能从科幻式工程概念变成真正可以计算 ROI 的工业方案。 5、RSI 是 FEL 最值得关注的变量 这可能是整件事情最重要、也可能是最终让马斯克下定决心的因素。 AI 对成熟 LPP 和 FEL 都有帮助，但边际价值可能非常不同。LPP 已经经历二十多年极端工程优化。剩余问题越来越集中于 collector 寿命、热负荷、锡污染、材料耐久性、光刻胶和精密制造。这些问题 AI 可以帮助优化，但越来越受到现实材料和制造能力限制。 FEL 仍然拥有巨大的未搜索设计空间。Electron gun、beam energy、emittance、RF phase、bunch compression、magnetic optics、undulator geometry、energy recovery、beam distribution 和反馈控制形成一个极其复杂的高维系统，而且其中相当大一部分可以通过 Maxwell equations、particle dynamics 和 accelerator physics 在计算机里模拟。 这恰好是科研 AI 最容易产生巨大杠杆的领域。 过去是工程师提出一个方案，跑 simulation，修改参数，制造 prototype，再测试。未来可能是 AI 生成十万种 architecture，用 surrogate model 初筛，再通过高精度 physics simulation 搜索 Pareto frontier，最后只制造最有希望的几十种设计。 AI 的价值还不仅在设计。FEL 最大的工业问题之一是稳定性：RF phase、beam energy、magnet current、temperature 和 beam position 的微小漂移都可能最终变成 wafer 上的 CD variation。FEL 本质上也是一个巨大的实时高维控制系统，而这正是 advanced AI control 最可能发挥作用的地方。 能力不断增强的ai，会让FEL开发建设循环变成： AI 设计 FEL Gen 1 → 制造 → 自动采集 beam/wafer 数据 → AI 找到 simulation-to-reality gap → 修改 accelerator、undulator 和 control → FEL Gen 2 → 更多数据 → FEL Gen 3。 这也解释了为什么 FEL 在 RSI 时代可能比过去任何时候都值得重新评估。没有 AI，挑战拥有二十多年工业学习曲线的 LPP 是一个极其困难的命题。有了越来越强的科研 AI，FEL 大量尚未解决的问题恰恰属于 AI 最容易压缩的“simulation + search + optimization + control”空间。 因此，马斯克看好FEL，其底层的最重要的逻辑其实是： 当 AI 芯片需求扩大一个数量级、科研 AI 开始参与硬件设计、晶圆厂走向 Terafab 规模以后，FEL架构，相比今天以独立 scanner + 独立 LPP source 为核心的 EUV 架构，更可能会是最优解！

《从技术史的角度看“卖token”》 这篇文章的主线是： Energy → Computation → Information → Intelligence 能源→计算→信息→智能 19世纪初，人类进入电气时代，开始用kwh来计算电的基本单位，标志着电力进入工业化生产，电力不再被简单地理解为代替人力畜力的一种生产力，而是可以通过网络传输，被标准化计量购买的商品，广泛参与到人类生产中。 引发我们的第一个问题，就是一个技术发明到什么阶段，才能变成基础设施，引发科技革命呢？ 20世纪初，IBM mainframe等大型机的诞生，MSU（Million Service Unit，百万服务单元），衡量CPU处理能力，MSU成为软件计费的新的计量单位。 随后AWS所代表的云计算革命，让计算能力开始像电力一样，可以被远程调用、弹性扩展和按量付费，资源、算力、存储都可以被标准化售卖。 第三阶段，则是API Economy 革命，API计费时代，概括来讲就是cloud computing + SaaS + API economy，不再是出售硬件、云算力，而是而是把算力、数据库、业务能力、AI能力全部封装成可调用接口，对外商业化。 不管是laas代表的infra： GCP Azure AWS paas代表的开发者工具如数据库中间件消息队列等。 还是Saas：salesforce、飞书、zoom等成品软件，直接面向客户。 API通过按量计费，成为统一的接口，成为参与到工业化的标准产品。 第四阶段，就是我们现在正处，AI API token时代，跟上一代计费标准不同，AI API计费主要是按照 input tokens + output tokens。 跟电力时代的kwh一样，token正成为ai时代的计量单位，但目前这个计量单位并不统一，因为从实验室出来的智能并不一致，deepseek的token只有claude fable 5token的 1/200。 token只是依托于api时代流传下来的短暂计量工具，它可能不是 machine intelligence 最终的价值单位，而是机器智能从实验室技术走向标准化商品过程中出现的一种过渡性计量制度。 如果未来商业模式不是api，如果开源模型能占据主导地位，在普及度上超越闭源模型，Electricity → Computing → AI，一定会出现统一的计量单位。 过去150年，现代技术体系不断把原本依附于机器、组织乃至人的能力，抽象出来，使其变得可计量、可定价、可通过网络输送，并最终成为可以按需购买的商品。 电网对电力做过一次统一。 云计算对 computation 做过一次统一 API economy 对 digital capabilities 做过一次。 但是ai暂时还没有实现智能计量统一，一个可以商业化的通用计量方式，是不是还有很久的路要走。

SemiAnalysis的创始人Dylan Peter在访谈中提到，OpenAI的架构比较稀疏，Anthropic的架构虽然也是MOE，但是没那么稀疏。刷了原文，很多有意思的观点： ① 模型架构分化：OpenAI 更稀疏，Anthropic 更稠密 Dylan 的原话是，两家的模型架构相当不同。OpenAI 的要稀疏得多，这有它的好处；而 Anthropic 的，仍然是稀疏的，但总体上更稠密，这又有另外的好处。 所以实际上，按 OpenAI 模型现在的走向，他们去用 TPU 可能会是一个糟糕透顶的决定；而按 Anthropic 和 Google 模型的走向，他们用 GPU 做训练，可能同样是个糟糕透顶的决定。 ② CUDA 护城河正在变形 这可能是整段访谈最有意思的部分。 红杉的 Sean 说他以前觉得 CUDA 是 NVIDIA 最大的护城河，但最近几个月改观了。因为模型已经很会写 kernel 了，Claude 和 Codex 能帮你做大量优化工作，编程壁垒在瓦解。 Dylan 的回应很妙：CUDA 护城河确实在被部分解绑，但原因不是 CUDA 本身，而是中国开源模型。 DeepSeek、Kimi、通义、智谱、小米……这些公司开源出来的模型，全都是按 NVIDIA GPU 协同设计的。下游的推理服务商、做 RL 定制化的公司，拿到这些模型一看，expert 的 shape、attention 的 arithmetic intensity，全是对着 GPU 调过的。你要跑在 TPU 上，不好意思，跑不好。 所以护城河不是 CUDA 编程难，而是整个开源生态默认你的硬件是 NVIDIA。谷歌要破局怎么办？Dylan 的潜台词：你得开源自己的强模型，让生态反过来适配 TPU。Gemma 是在往这个方向走，但还不够猛。 （感觉这跟之前 DeepSeek v4 用华为 CANN 栈跑 Day 0 推理是一个信号：非 CUDA 路线不是不能走，但得有人先把模型给你调好。） ③ 黄仁勋在下什么棋：制造多极世界 Dylan 对 Jensen 的解读非常锋利。 Jensen 最怕的世界是什么样的？只有三家超大云厂商 + 三家闭源实验室。那种世界里，Google 自己有 TPU，Amazon 自己有 Trainium，Microsoft 可以跟 AMD 深度合作，NVIDIA 的定价权直接崩。 所以 Jensen 到处投资 NeoCloud（Crusoe、CoreWeave），到处扶持 NeoLab（包括 Thinking Machines 这种刚起步的），力挺中国开源模型。不是因为他慈善，是因为他需要买家足够多、足够分散。 Dylan 说得很直：今天一张 GPU 卖给 Crusoe 和卖给 Google，对 NVIDIA 来说价格一样。但五年后，Crusoe 和 CoreWeave 活着，意味着 Google TPU 的议价权更弱、Amazon Trainium 的空间更小。更多推理跑在非闭源模型上，对 NVIDIA 就更有利。 （换句话说，Jensen 买的是供应链的分散度。） ④ “AI 没 ROI”是最让他恼火的言论 这段对应 42:11，Dylan 情绪很明显。 他说最让他恼火的就是有人跑出来说“AI has no ROI”。他拿出来的数据是：AnthropicQ2 盈利了，一个 Opus token 的 API 毛利 80% 以上。他们现在租 GPU 的逻辑是：每个 GPU 租能立刻卖 token 出来，而且是正毛利。就算 compute 成本翻倍，gross margin 从 75% 掉到 50%，NOI 还是在涨。所以他们愿意出高于市场价拿货。 还有一种说法也让他烦：模型进步停滞了。他的回应很简单：能力曲线一直向右上走。你觉得 benchmark 不涨了，是因为饱和了，换个新 benchmark 又在飙。 （Fable 发布之后，即使价格更贵，用户也在大量迁移过去。大家用脚投票。）

《收割华尔街，10张“20倍”暗牌的底牌拆解”-寻股策略指南》 散户在美股做微盘，就像在毫无保护的情况下裸冲高杠杆的合约——满眼都是20倍的贪婪，却看不见头顶悬着的清算热力图。 在这个市值不到10亿美金的修罗场里，看市盈率（P/E）和财报纯粹是自欺欺人。 真正具备20倍爆炸潜力的标的，本质上是一张没有到期日的虚值期权。 它们的暴涨从来不靠业绩的线性增长， 而是依赖三大底层逻辑的共振：流动性枯竭后的Gamma逼空、宏观算力/能源的物理资产化映射，以及纯粹的二元事件驱动（FDA/军工订单）。 如果你还在按传统估值模型选股，你就是流动性提款机。 以下是当前处于资金暗流交汇处的10个高弹性标的，按顶级游资的分类逻辑进行降维拆解。 一、 算力与能源的“物理化 RWA”映射 AI的尽头是电力，而美股微盘里的电力和矿企，本质上就是传统金融市场里的算力RWA资产。 当英伟达和甲骨文（Oracle）等巨头的期权链结构固化后，热钱必然向下寻找高杠杆的替代品。 1. CIFR • 高维逻辑： 曾经的比特币挖矿纯打野选手，正在全面向HPC（高性能计算）和AI数据中心转型。它的核心资产不是机器，而是那些签署在电网底部的廉价长期购电协议。 当数据中心电荒加剧，CIFR的电力储备就是最硬的通缩资产。 2. IREN • 高维逻辑： 相比于大盘的巨头，IREN的市值极小且对AI算力需求的敏感度极高。这种标的就像是自带高倍杠杆的现货，一旦宏观降息释放流动性，资金涌入基础设施赛道，它的戴维斯双击会极其暴烈。 3. OKLO (Oklo Inc.) • 高维逻辑： 纯粹的SMR（微型核反应堆）叙事龙头。 目前零营收，完全靠“AI需要核电”的宏大叙事和OpenAI创始人的光环支撑。这是一家你不能用基本面去衡量，只能用资金费率和持仓量逻辑去交易的标的。 二、 流动性黑洞与 Gamma 逼空阵区 这类标的常年被机构重度做空，盘口极轻。它们不需要基本面变好，只需要让做空机构“觉得痛”。 当做市商为了对冲Delta而被迫疯狂买入正股时，就是烟花绽放的时刻。 4. SOUN (SoundHound AI) • 高维逻辑： 边缘AI语音概念。空头头寸极大，同时又时不时有英伟达持股的利好刺激。它的价格走势就是一张清算热力图——每次跌穿关键支撑位洗盘后，稍微一点火星就能引发连环爆仓，向上拉升的速度极快。 5. BBAI ( • 高维逻辑： Palantir的影子股，主打军工与防务AI。由于其极低的流通盘和高度集中的筹码，BBAI是期权玩家最爱的战场。只要拿到一个中型国防部订单，就能瞬间引爆Gamma Squeeze（伽马逼空）。 6. NNOX (Nano-X Imaging) • 高维逻辑： AI医疗影像赛道。长期在“颠覆医疗”和“可能破产”之间横跳。被做空比例极高，一旦其冷阴极X射线技术获得大规模商业化验证，空头踩踏的血腥程度将是史诗级的。 三、 绝对的二元期权：零或无限 这种标的胜率可能不到20%，但盈亏比极高。 要么拿到政府批文/临床数据一飞冲天，要么原地归零。交易它们，本质上是配置一个极小仓位的彩票库。 7. LUNR (Intuitive Machines) • 高维逻辑： 月球物流运输。 这是被美国国家机器绑定的航天微盘股。 每次NASA的合同竞标都是一次生死轮盘赌，这种非对称博弈只适合在事件真空期潜伏，绝不能在靴子落地时追高。 8. ACHR (Archer Aviation) • 高维逻辑： eVTOL（电动垂直起降飞行器）龙头之一。 它的催化剂极其明确——FAA（美国联邦航空管理局）的最终适航认证。这是一个纯粹的监管二元博弈。 9. QBTS (D-Wave Quantum) • 高维逻辑： 量子退火计算领域的先驱。相比于市值已经膨胀的同类，QBTS盘子极小。量子计算目前还在“炼金术”阶段，它不需要盈利，只需要一个类似“突破量子霸权”的PR稿，就能让市值重估10倍。 10. SAVA (Cassava Sciences) • 高维逻辑： 阿尔茨海默症药物研发。 这是Biotech领域最臭名昭著、也最令人血脉贲张的标的。数据造假争议与奇迹疗法交织，三期临床数据的盲盒一旦打开，不是直奔天堂就是深陷地狱。

《金融时报》周一（6月29日）援引中国全国各地运营商的消息报道称，在上周五一架飞机撞上北京最高建筑“中国尊”后，中国已停飞休闲轻型固定翼飞机。 北京地方政府在事故发生的次日表示，这架双座飞机在周五发生的事故中坠毁，机上唯一一名驾驶员遇难，此外造成13名人员受伤。该飞机在晚高峰时段撞上了一座位于北京中央商务区、高528米的建筑——中信大厦（又称“中国尊”）。 《金融时报》报道称，当局已发布一项针对休闲飞行的全国性空域管制令，禁止所有相关飞行活动。这些限制措施尚未公开宣布。 中国民用航空局未立即回应路透社的置评请求。 中国有关部门正在调查这起事故，但尚未公布关于可能造成撞机原因的细节。 路透社报道指出，中国的空域管理属于全球最严格之列，军方掌握着空域准入与分配的主要控制权。北京更是这一管理体系中最敏感的区域之一。 根据路透社对官方航空导航规则的查阅，中国首都的政治与礼仪核心区域上空设有一片面积约100平方公里的永久性禁飞区。 该禁飞区紧邻摩天大楼林立的中央商务区西侧，涵盖了天安门广场及中南海——中国最高领导层的办公所在地。 尽管偶尔能看到警用或其他官方飞机在北京市区上空飞行，但除了国庆阅兵期间的军机编队外，在城市摩天大楼附近出现飞机的情况极为罕见。 商业客机的航线通常会绕开北京人口稠密的城区，而低空通航飞行活动也大体上被限制在郊区进行。 北京于今年早些时候实施了全市范围的无人机禁令。目前，无人机已无法在京销售或带入京城，其仓储保管也受到严格监管。 周五发生的这起坠机事故恰好发生在7月1日中国共产党建党105周年庆祝活动前夕，这使得该事件受到高度政治关注，同时也给相关管理部门带来了实施更严厉管控措施的压力。 周一，中国低空空域产业相关股票普遍下跌，其中中信海直（CITIC Offshore Helicopter）股价下跌4%，宗申动力（Zongsen Power Machinery）下跌7.7%。