本系列拍摄均由Creative Direction & Production by @WANIMAL912组织提供。 并感谢老师提供此次拍摄机会,同样ck老师绳艺也是点睛之笔 Rope art:@CK11230970 📷:@zerotwo1000 moodel:@chunmomo0127

我发现一个问题 就是我的拍摄创意 从构思到落地 场景选择装置搭建 模特安排服装制作 道具制作部门调度 灯光设备安排 全是我操办的 有一些人来跟我拍摄 只参与了拍摄部分 最后他妈的在署名处 只落得个 with WANIMAL 或shooting location by WANIMAL 这是对我工作的轻视 以后凡我的创意监制 必须是 Creative Direction & Production by WANIMAL 以后我会开辟新战场 开设WANIMAL PROJECT 我来构思和投资 给有才华的年轻人实施拍摄 我做总控 实现我的idea

过去 2 小时跟踪了全网 197 条新闻消息，筛出 5 条值得关注的核心信号。Kevin Warsh 正式入局美联储，配合智利铜矿与中东原油的双重实物紧缩，全球宏观定价正从 '增长博弈' 转向 '硬资产封锁'。 1. Kevin Warsh confirmed for 14-year Fed term, clearing the path to Chair. Senate voted 51-45 to install the 'sound money' hawk, marking the end of the Powell era. Market must now price in a Fed that prioritizes financial stability and currency strength over liquidity bailouts. $TSM $NVDA 2. EIA extends Hormuz closure forecast through May with 10.8M bpd peak outage. Global inventories are projected to shrink by 2.6 million bpd in 2026, a massive revision from previous estimates. This is a structural supply shock that won't fully resolve until 2027. $FCX $CPER 3. Chile copper output collapses as Escondida reports 15.7% production drop. March data shows Codelco also down 9.98% YoY, proving that physical mining limits are overriding price incentives. The 'sell-the-news' metal trade is being dismantled by raw physical scarcity hitting the tape. $FCX $CPER 4. US DOE to inject billions into long-lead nuclear reactor components. As commercial power demand is set to surpass residential use for the first time in 2027, the government is treating baseload nuclear as a national security priority for the AI arms race. $CEG $URA 5. SpaceX and Google pivot to orbital data centers to solve grid constraints. Moving compute to space bypasses terrestrial power limits and cooling bottlenecks, marking a paradigm shift in AI infrastructure. If scalable, this redefines the capital expenditure ceiling for the entire sector. $GOOG $AVGO That's the signal from this window. With Chile output dropping 15% and Hormuz closed through May, are you still betting on a soft landing for inflation? Repost if useful.

半年来，我一直反复介绍的四个原则： 原则1，AI时代的第一性原理：LLM一定会越来越聪明，benchmark越来越高，context window越来越大，reasoning越来越长，价格越来越便宜，inference速度越来越快， 这是scaling law今天依然持续的具体方向，不用你质疑，这是你唯一的信仰和行业最大共识。 原则2， 管理学设计红利：从我提出“自动编程机”、行业提出vibe coding、SWE-Agent以来，从cursor到manus到metaGPT到claude code， 人们逐渐把LLM Agent抽象成人，把软件管理、工程管理、管理学等等所有方法论直接套在multi agent workflow上面，严格按照人类管理学的方式去拆分、review、执行、反馈、循环， 这一波很快红利也吃完了，因为 a. LLM Agent毕竟不是人，存在着memory有限、执行力有限、function calling工具有限等等局限；b. 人类用于管理学的各种方法，直接套在LLM Agent上有利有弊，红利迅速挖掘完，剩下的弊端大量存在，比如过度交流、七手八脚、随时停工等等。 原则3，LLM Agent的职位和定位：绝大多数人，把claude code当做一个工具，最终的产品是用工具来完成的，最终的代码也是人与SWE Agent一步一步interactively迭代产生、迭代review、迭代部署的， 而我反复告诉过所有人，也是我又一条首次提出的原创观点，multi agent未来越来越会变成本身的一个runtime，这个runtime就运行在production里面，产品和面向的对象消费的，不只是软件或者SaaS本身，而是这个runtime实时产生的内容， 所以claude code/opencode/codex/openclaw这些agent，本身将会越来越多地被嵌入到产品本身，在产品关键逻辑和决策中发挥作用， 而绝对不仅仅停留在开发层面，把产品仅仅局限在SWE Agent单向产出和部署的代码和服务上。 原则4，也是我一直强调的，就是当人们试用了SWE Agent这种强大工具之后，人们还有哪些low hanging fruits可以寻找？SWE Agent目前最适合解决哪类问题？ 我反复讲过的一点是，对于一个设计复杂、环境复杂、场景复杂、用户复杂、体量复杂、范式复杂、一切开放、一切无解的超级复杂系统，这并不是SWE Agent最擅长的领域，相反这些场景需要人去和环境、客户、场景、性能一点点迭代才能打磨好的产品， 比如微信的100种功能，Facebook的一大堆功能模块和十几年来迭代出来的极其复杂的infra，支付宝后面成千上万的基金和风控，这些都不是AI Agent能一次性解决的问题，相反这些场景和问题不仅高度开放，更高度依赖人的观察、人的设计、人的反馈、人的定义。 AI Agent最适合的场景，甚至是我原创提出goal driven（ a. 定义简单、干净、封闭（一道数学系、一个确定性最小系统、一个编译器、一种算法、一个lean证明、一个电路或者信号模拟、蛋白质模拟和预测、CAD设计与仿真、游戏关卡测试、行为经济学仿真，都是well-defined problems，都有非常明确且封闭的边界） b. 解决问题的搜索空间巨大（可能有100~10万种天马行空的解决方案，并且绝大多数都是错的） c. 容易验证，容易verify，验证的成本是设计成本的千分之一（比如编译器，设计可能需要几万行甚至几十万行，验证只需要2000个test case全面覆盖，或者一道数学题，解决需要100步，验证答案只需要带入或者lean编译这一步） 当然，写一段简单的代码，定义一个封闭、完整、定义完全的编程问题，符合上面这些定义， 但是设计一套巨大、复杂、开放、与现实世界深度绑定、高度耦合的系统，让这个系统复杂迭代、添加功能、沟通、review、工程管理、产品管理，这些问题都远远超出这个范畴，很明显是不符合这个要求的。 人们未来探索这些multi agent产品和场景的最关键出路，在于继续挖掘这一类问题，而不是盲目把agent比作一个人，乱套各种管理学方法。 原则5，这一点我先保密，之后我再讲。

AI光互连正在进入“混合化时代” AI scaling真正撞墙的位置，已经越来越接近data movement。移动bit的成本，开始越来越接近，甚至超过计算bit本身。 massively parallel IO、power/bit、thermal density、reliability、optical packaging、chip-to-chip bandwidth这些问题越来越成为瓶颈。未来光互连越来越像系统工程问题。 AI光互连重要的趋势，是“光互连混合化”。行业正在从每模块独立激光、pluggable optics、板级光模块，逐渐走向 CPO、ELS（External Laser Source）、Optical IO、chiplet optics、MicroLED optical interconnect。核心原因很简单：激光器越来越难放在最热、最密集、最难维护的位置。于是行业开始把激光集中化、共享化、远程化。ELS路线背后的本质，也是把光源从局部模块变成系统级资源。 ai集群的网络功耗正在逼近计算功耗。GPU越来越像“被IO限制的计算器”。于是光开始越来越靠近封装。过去是 GPU → PCB → 铜 → 光模块 → 光纤。未来越来越像 GPU旁边直接就是光。而一旦光进入封装，热、良率、耦合、封装、可靠性，全部开始指数级变难。 于是MicroLED开始成为选项。传统激光路线更强调单通道极限速度、长距离、相干性、超低损耗。MicroLED路线更强调海量并行lane、超短距离、低功耗、CMOS-like scaling、低成本、超高密度。重要的是，它更接近“半导体+显示产业链”的制造逻辑。 很多人会把MicroLED理解成激光替代。更准确的理解是：它更接近“铜线升级方案”。尤其适合 chip-to-chip、package-to-package、board-level optics、rack内部互连这些超短距离场景。 这里真正重要的，是总IO数量能不能持续扩展。 现在这个方向最积极的推动者之一，其实是Microsoft。MediaTek已经和Microsoft Research联合开发基于MicroLED的AOC（Active Optical Cable）。路线很明确：重点放在AI scale-up网络里的超短距高并行光互连。核心思路是“slow-and-wide”。重要的是海量低速并行光通道，而不是少量超高速channel。这其实非常符合AI时代的网络特征，因为AI真正需要的，越来越像“无限并行IO”。 MTK具备完整的数据中心系统能力，包括高速IO、ASIC协同、SerDes、封装、power delivery、hyperscaler协同、大规模量产。而且它已经绑定Microsoft。这意味着它已经开始进入hyperscaler验证阶段。微软公开时间线是2027年前后开始商业化部署。 另一边，KOPN也已经正式进入这个赛道。它原来的核心能力是AR、military optics、MicroLED display，但现在已经开始向AI optical interconnect迁移。KOPN已经和Fabric. AI合作，推出MicroLED optical interconnect demo chipset，并签下初始订单和exclusive agreement。这意味着行业已经开始从“研究验证”进入“早期商业化验证”。 KOPN和MTK路线很接近，都在赌未来AI网络会从“few ultra-fast lanes”转向“many lower-power parallel optical lanes”。重要的是，两者定位不同。MTK更像系统路线定义者，KOPN更像底层光源和器件供应商。未来很可能形成：MTK负责系统方案，KOPN负责部分核心MicroLED器件，其他SiPho/CPO厂商提供不同层级补充。整个行业最终更像异构拼图。 这个赛道门槛是半导体、光学、显示、封装、数据中心系统五个产业叠加。难点是如何同时做到：超高良率、超高一致性、超低误码率、超低功耗、超长寿命、超高密度。这里最难的几个环节包括：III-V外延、GaN制造、MOCVD、mass transfer、wafer-level alignment、光学耦合、thermal engineering、光学封装。 MicroLED仍然高度依赖III-V GaN体系，尤其蓝光/绿光MicroLED，本质更接近显示产业链。其瓶颈是GaN外延、高端MOCVD、MicroLED mass transfer、wafer-level alignment、optical packaging、thermal management、高速驱动IC。 很多东西已经开始接近“TSMC CoWoS + 光学 + 显示制造”三者叠加的复杂度。所以这个行业最终很可能形成极少数核心玩家，而且一旦进入hyperscaler production，护城河会非常深。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议，dyor

在 prediction market 上，中西方开始明显分野。 西方选择了金融化与机构化。所以我们看到IB founder说，最高频交易的是天气/温度合约。更广泛意义上讲，比如能源、农业、航运这些行业都长期暴露在气候风险之下，却始终缺乏足够精细、可交易的对冲工具。在这个语境里，prediction market 的发展方向变成了能不能规模化流动性、能不能做出足够强的衍生品结构、能不能被机构风控体系理解并接纳。创业者思考的是如何把它打磨成合格的金融基础设施。 东方则走向了互联网化与内容化。它更像一种娱乐化的信息消费与表达机制。在这个语境里，核心是用户在什么时间点、愿意为什么下注。它是内容的一种变现形态：下注是参与感，赔率是叙事强度，交易量是情绪共识。产品要解决的不是复杂的金融工程，而是一套内容运营逻辑，即如何把热点、舆论、社交讨论，转化为持续的交易动机。 这个底层是由两边的需求（用户）与供给（创业者基因）共同决定的。we are still early

⚽ 世界杯倒计时：23 天 XBIT 的 Prediction Leverage（杠杆预测）也已经进入最后收尾阶段。 而世界杯，将会是首批重点场景之一。 最近整个市场已经开始提前进入“世界杯周期”。 🇦🇷 阿根廷的 Messi 最后一届世界杯话题持续发酵； 🇧🇷 巴西依旧是流量中心； 🇫🇷 法国与 Mbappé 的讨论热度也开始重新冲高。 同时 🇩🇪 德国、🇮🇹 意大利、🇪🇸 西班牙 等传统强队的话题，也在持续升温。 世界杯还没开始， 但预测、站队、情绪和流量，其实已经提前进入市场。 因为世界杯从来不只是体育赛事。 它更像是一个全球级的实时情绪市场。 冠军走势、爆冷概率、球员状态、舆论变化…… 所有情绪和预期，都会在同一个周期里被持续放大。 而当 Prediction Leverage 遇上世界杯， 很多东西可能会和以前完全不同。 关于新玩法以及接下来的白名单活动， 很快会正式和大家见面

Opinion Protocol: An universal token standard that makes prediction markets tradable across all venues 结合之前的内容，metapool要解决的问题 ➡️流动性分散问题：流动性不足，导致难以高效地建仓或平仓 ➡️资金流动率低：持仓份额（YES/NO份额）经常闲置，无法产生任何收益 ➡️语义分散问题：语义相似但解析结果可能不同导致流动性分散 用户可以通过提供资金充当流动性提供者(LP)，通过对冲或投机这些差异的交易者赚取兑换费。 关于metapool的内容原文来自8月的这篇thread，这次终于要落地了

🚨【XBIT 社区领航员计划】招募！ 随着 XBIT 预测市场生态的全面扩展（全新 Prediction Leverage / 杠杆预测玩法即将上线），我们正在寻找志同道合的先锋玩家，一起参与并推动预测市场的新阶段。 我们正在寻找 5 位真正懂交易、热爱社区、愿意和 XBIT 一起成长的社区大使。 【我们希望你做什么】 1️⃣ 社区增长与内容传播 通过你的 Twitter / 社群 / YouTube 等渠道，分享 XBIT 最新动态、产品玩法以及生态机制（如 Blind Box、XP 系统、Prediction Leverage 等），帮助更多用户了解并体验 XBIT。 2️⃣ 社区互动与话题讨论 围绕热门预测话题（如宏观市场、世界杯、热点事件等）建立社区讨论氛围，分享你的预测逻辑、观点或交易截图，带动更多用户参与互动。 3️⃣ 用户反馈与信息收集 收集社区用户在产品使用过程中的建议、痛点与 BUG，并协助反馈给官方团队。 4️⃣ 官方活动协同推广 在 XBIT 重大产品更新或市场活动期间，协助官方进行内容扩散、活动宣传与话题传播。 📌 名额仅限 5 位，招满即止。 📝 报名表： 欢迎真正热爱交易、热爱社区、愿意长期建设的人加入。 优秀的人，最终都会被看见 👀

吴说获悉，SEC 文件显示，Tema ETF Trust 已提交注册声明修正文件，拟推出 Tema Trading & Prediction Markets ETF。该主动管理型 ETF 计划将至少 80% 净资产投资于交易与预测市场相关上市公司，涵盖金融交易所、事件合约平台、预测市场、加密交易场所及金融数据公司等。 文件称，该基金不直接投资加密货币，但可通过相关公司获得间接敞口。目前文件仍为初步招股说明书，SEC 尚未批准或否决。