「牛奶小饅頭」 「Milk Bun」 知道你這個時間一定又餓啦，吶～你的專屬宵夜「牛奶小饅頭」🥛 寶寶你看，濃濃的奶慢慢淋在白白嫩嫩的小饅頭上面，是不是超有食慾啊？而且冰冰的奶淋上去🧊，怎麼你的肉棒好像也變得更燙了🔥 這種冰火兩重天的感覺，真的可以讓抽插的爽感更強烈欸✌️😭✌️ I knew you’d be hungry right about now, so here’s your midnight snack “Milk Buns”🥛 Look, baby... see how the thick milk drips all over these soft, white buns? Doesn't it look delicious?But wait...the moment that cold milk touched me🧊 I felt you getting so much harder and hotter🔥This contrast is insane. It makes the friction feel ten times better✌️😭✌️

#为什么是中国# #WhyChina# The Global Logic of China's Economic Growth in the First Half of 2026: A 4.7% GDP Increase 2026年上半年GDP增长4.7%：中国经济增长的全球逻辑 According to the latest semi-annual report, China's gross domestic product (GDP) reached 69.6 trillion yuan, representing a year-on-year increase of 4.7% at constant prices, in line with the annual growth target. Against a backdrop of intertwined international complexities and volatilities, China's economic performance is commendable. Yet, a closer look at the data reveals that the logic underpinning China's economic growth is being reshaped. (I) At the Industry Level, Notable Highlights Emerge: First, new quality productive forces are being cultivated and strengthened at an accelerated pace.** In the first half of the year, industrial production grew robustly. The value-added output of the equipment manufacturing sector increased by 9.3% year-on-year, and that of high-tech manufacturing grew by 13.3%, both outpacing the overall growth rate of industrial output above a designated scale. This underscores a clear trend toward a high-end, intelligent, green, and integrated industrial structure. Looking at specific products, the output of 3D printing equipment, lithium-ion batteries, industrial robots, and other products emblematic of new quality productive forces surged. The average daily token call volume has reached hundreds of trillions, showcasing the vitality and potential of the digital and intelligent economies. Second, new growth drivers are accelerating to take on a leading role. Preliminary estimates suggest that new growth drivers—encompassing high-end manufacturing, the digital economy, and modern services—contributed over 40% to economic growth in the first half of the year. The economy's distinct shift toward a higher quality and more optimized structure is evident, and this overall trend is accelerating. For instance, industries related to artificial intelligence, such as integrated circuit manufacturing and intelligent vehicle equipment manufacturing, have all maintained high growth rates exceeding 30%, vividly illustrating the pace of China's industrial upgrading. Third, confidence on the investment front is on the rise. In the first half of the year, investment in high-tech industries grew by 4.6% year-on-year. Notably, investment in the manufacturing of aircraft, spacecraft, and equipment, computer and office equipment manufacturing, and information services grew by 23.3%, 8.1%, and 15.5%, respectively. Investment structure best reflects market expectations. The increasing "new economy content" in investments signals an acceleration in the replacement of old growth drivers with new ones. Investment in intellectual property products grew by 9.4%, indicating that enterprises are placing greater emphasis on R&D and innovation. This suggests that technological advancement is not simply about capacity expansion but about qualitative change driven by innovation. (II) Observing a Major Economy Requires Looking Beyond the Immediate Figures to the Long-term Trajectory. Behind the "new economy content" of the semi-annual report lies China's ongoing transformation from a global manufacturing hub to a global center of innovation. At the 17th Annual Meeting of the New Champions (Summer Davos), observers noted a new phenomenon: a host of unicorn companies are heading to China. They are establishing R&D centers, regional headquarters, and deeply integrating into China's innovation and industrial chains—shifting from "produced in China" to "created in China." So, why China? Economist Justin Yifu Lin, in his book *Demystifying the Chinese Economy, touched upon the theory of the "speed of technological change." He argues that the essence of the industrial revolution is not just the application of new technologies, but more fundamentally, the ever-accelerating pace of technological change. Since the mid-18th century, starting with the steam engine reshaping the textile industry, the snowball of technological change has grown, rapidly sweeping through industries like chemicals and automobiles, ultimately redrawing the geographical map of great power competition. Looking at China today, the trajectory of accelerating technological change is equally clear. A leading enterprise can drive an entire industry, which in turn can boost a whole region. These burgeoning industrial clusters, growing from saplings to forests, not only enhance production efficiency and invigorate market vitality but also effectively improve development quality and resilience. For example, specialized and sophisticated "little giant" enterprises above a designated scale in Beijing, through deep cultivation of innovation chains, supply chain collaboration, and international expansion, have become "connecting points" and "accelerators" for the dual circulation strategy. More importantly, emerging industrial clusters possess powerful spillover effects. The rapid rise of new energy vehicles is not only reshaping the automotive industry but also driving transformations in chips, software, and energy networks, allowing more sectors to gain value from efficiency improvements. The swift advancements in AI and biomedicine are sparking a "gentle qualitative change" in people's livelihoods, significantly enhancing the sense of fulfillment and well-being through smarter, more affordable products and more livable environments. (III) Looking from the First Half to the Full Year, China's Development Momentum Remains Positive. Of course, during this critical period of transitioning between old and new growth drivers, China's economy still faces lingering issues and new challenges. Some core areas are still grappling with "bottleneck" technologies, certain high-tech industries face external risks of "decoupling" and supply chain disruptions, and "involution"-style competition affects the new energy market ecosystem. However, most of these are issues arising from development and transition, and they can be addressed with effort. The supporting conditions and fundamental trends for long-term economic improvement remain unchanged. China's economic journey toward a newer, higher-quality model is itself a process of encountering new problems and solving them along the way. By maintaining confidence, proceeding steadily, and balancing both qualitative improvements and quantitative growth, China's industries are poised to be brimming with dynamism, and the Chinese economy will continue to advance steadily and sustainably. #China# #Jiangxi# #JiangxiEconomy# #世界经济看中国# #赣出新精彩#

【尝试了5年交换】他们把第一次给了我们 第2集（21:15分钟） 对他们来说，这一天，是真正的第一次。 Kelly 一直说自己是慢热的人， 但 Sam 的幽默和温柔，让她完全放下了紧张和戒备。 在没有压力、没有剧本的互动下， 她轻轻握住了 Sam 的肉棒，开始帮他口交。 而 Sam 也自然地回馈，用嘴唇温柔地回应她的身体。 那一刻，她的喘息是真的，她的湿润也是真的。 不需要被鼓励，不需要被说服， Kelly 抬起屁股，她什么都没说，主动张却用身体迎接了 Sam 的进入。 Sam从后方插入，每一下都让她忍不住呻吟。 那是她人生第一次和老公以外的男人做爱。 而 Jacky，看着她被爱抚、被进入， 他也不再退缩。 而我，也引导着Jacky靠近。 他一开始很紧张，动作卡住了， 我没有催他，只是轻轻摸着他、看着他—— 直到他慢慢放松、顺利进入我体内。 他从后面顶进来，每一下都又深又满， 我真的爽到全身发软，忍不住叫出了声。 那一刻，我们知道—— 他们终于，真的走过了那道门。 这不是试探，而是真正的交换，真正的释放。 ⸻ 【5 years trying】They Gave Us Their First Time – EP2 (21:15) For them, this was truly the first time. Kelly always said she’s a slow starter, but Sam’s humor and gentleness helped her completely let go of her nervousness and walls. With no pressure and no script, she gently reached for Sam’s cock and started to suck him. Sam responded naturally—using his lips to tenderly explore her body. Her moans were real. Her wetness was real. There was no need for encouragement, no need to ask. Kelly lifted her hips, and without saying a word, welcomed Sam’s cock inside her. He slid in from behind, and every thrust made her moan uncontrollably. It was her first time making love to a man other than her husband. And Jacky, watching her being touched and entered, stopped holding back. I gently guided Jacky closer. He was nervous at first, and his movements were stiff. But I didn’t rush him—just softly touched him, looked into his eyes… until he slowly relaxed, and finally entered me. He pushed in from behind, deep and full with every stroke. I couldn’t help but moan—my whole body melting from the pleasure. In that moment, we knew— they finally crossed the line. This wasn’t an experiment. It was a real swap. A real release.

那个45倍的「白毛女股神」，到底在买什么？ 事情是这样的。 最近币圈和美股圈都在传一个名字。 @aleabitoreddit 一个X账号，头像是个白毛二次元少女。 2026年5月晒出年度战绩。 4502.45%。 我当时就愣了。 45倍？ 这尼玛是什么操作？ 我跟你说，兄弟们，她不是蒙的。 公开讨论的35只股票，31只正收益。 胜率接近90%。 超10只股票翻倍。 SIVE年内涨超10倍。 AXTI涨超5倍。 AAOI涨超5倍。 而且最骚的是，这些公司，在Serenity公开讨论之前，市值大多不到2亿美元。 华尔街的研究几乎没人覆盖。 机构根本看不上。 但当市场发现，这些企业居然是AI产业链中不可替代的关键环节时。 估值开始疯狂重估。 我跟你说，这人的厉害之处，不是敢买小票。 真正厉害的是，他不是在预测股价。 他是在推演供应链哪里会断。 01）普通人看AI，Serenity看什么？ 大部分人看AI，通常会问： 谁最火？ 谁涨最多？ 谁是龙头？ 谁最确定？ 所以最后大家都会看向英伟达、微软、Meta、台积电。 但Serenity的思路不是这样。 他真正问的是： 如果AI继续扩张，最后会被谁卡住？ 这就是他最核心的方法。 不找热门，找瓶颈。 02）瓶颈中的瓶颈 比如AI发展，第一反应当然是需要更多GPU。 但GPU只是第一层。 GPU变多之后，数据中心会变得更大。 数据中心变大之后，服务器之间、机柜之间、芯片之间的数据传输压力会越来越高。 于是光通信、激光器、硅光、CPO，就会变得越来越重要。 再继续往下挖： 谁提供关键材料？ 谁提供测试设备？ 谁掌握细分产能？ 谁是那个不起眼，但一旦缺货就会拖慢全链条的环节？ 这就是所谓的，瓶颈中的瓶颈。 一个公司不一定名气最大，也不一定收入最大。 但如果它卡在一条大产业链的关键位置。 当需求爆发，而供给短期跟不上。 它就可能被市场重新定价。 03）Serenity的七层卡脖子地图 Serenity把AI供应链拆成了七层。 每一层都找到了那个「没有它整个链条就断掉」的关键节点。 第一层，原材料。 AXTI，做InP磷化铟衬底。 没有它，光子学建设会倒下。 第二层，pBN坩埚。 信越化学，做InP晶体生长设备。 第三层，衬底加工。 AXTI加上一个未命名的双寡头。 Serenity说，这是「皇冠明珠卡脖子」。 第四层，CW激光器。 SIVE，Sivers Semiconductors。 控制下一代CPO的连续波激光光源。 市值不到3亿美元，Serenity说「严重错误定价」。 第五层，光模块。 AAOI、LITE、COHR、中际旭创。 组装光模块的。 第六层，测试设备。 AEHR，做光子学测试。 第七层，光纤电缆。 GLW康宁、Prysmian、Furukawa。 传统光纤加空心光纤。 你看，从原材料到成品，每一层都有一个「没有它就不行」的节点。 Serenity不是在买股票。 他是在画一张AI供应链的「断点地图」。 04）三个经典案例 案例一：SIVE，10倍股 Sivers Semiconductors，瑞典半导体公司。 做AI光互联激光器和光子芯片。 Serenity反复提及超过190次。 公开讨论前，市值不到1.5亿美元。 长期交易量不到100万美元。 没人关注。 但Serenity看到了什么？ 他看到了CPO，也就是共封装光学。 下一代数据中心，光模块要直接封装到芯片旁边。 这需要CW激光光源。 而SIVE控制了这个卡脖子点。 他预测，2026/27年SIVE可能还是零收入、亏损5000万。 但2028年收入可能到5亿。 2029年到10亿。 更骚的是，空头机构Two Sigma建仓SIVE净空。 股价暴涨之后，空头保证金压力越来越大。 被迫平仓，被动买盘助推。 至少一家空头认亏出局，损失数千万美元级。 这就是Serenity说的逼空共振。 在一个流通盘极小的股票里，做空本身就是在给多头递刀子。 SIVE最高涨了近20倍。 案例二：AXTI，5倍股 AXT Inc，美国衬底材料商。 做InP磷化铟衬底。 Serenity说，AXTI「基本上是整个光子学供应链」。 垂直整合了4个不同的卡脖子点。 他用了一个类比。 霍尔木兹海峡。 全球20%的石油通过霍尔木兹海峡。 一旦堵住，整个系统停摆。 AXTI就是光子学领域的霍尔木兹海峡。 Serenity说，大多数人完全不知道自己在说什么。 尽管日波动15%到25%，他仍然持有。 认为当前估值合理。 后来AXTI从十几美元涨到百元以上。 涨幅接近10倍。 案例三：AAOI，数倍股 Applied Optoelectronics，美国光模块公司。 Serenity说，这家公司「激光→设计→组装→销售光模块，拥有整个供应链」。 正在建设ELSFP，也就是外置光源。 进入CPO领域。 他预测，2027年下半年光模块收入10倍增长。 他在84美元左右买入相当数量。 说66亿市值对他来说太便宜了。 后来股价从30多美元一路上涨数倍。 05）Serenity的五步选股法 Serenity的方法，可以总结成五步。 第一步，找超级趋势。 AI、数据中心、算力、半导体、光通信。 大趋势要足够大，足够确定。 第二步，找第一层瓶颈。 GPU、HBM、电力、网络、数据中心。 这些是最明显的瓶颈。 但也是最拥挤的。 第三步，找第二层瓶颈。 激光器、硅光、CPO、特殊材料、测试设备、系统集成。 真正的认知差，往往藏在这里。 第四步，找「小市值 + 关键卡位」的公司。 不是因为它小就买。 而是因为它小，同时又卡在重要位置。 大趋势很大。 公司很小。 位置很关键。 市场还没完全理解。 这才是十倍股可能出现的地方。 第五步，做前瞻推演。 这家公司未来拿到订单的概率大不大？ 有没有产能扩张能力？ 管理层在做哪些布局？ 过去有没有进入核心供应链的经验？ 它卡住的瓶颈，会不会越来越重要？ 这一步最难。 因为此时订单可能还没明显增加。 财报还没验证。 机构也还没大规模买入。 市场还没给出确定性。 但真正的超额收益，恰恰来自这里。 机构等订单确认、收入兑现、财报验证之后才敢买。 Serenity做的是，在这些信号完全出现之前。 先基于供应链逻辑和工程常识。 判断这家公司有没有机会进入核心位置。 06）为什么是小市值？ Serenity专门挑小市值公司。 不是因为小市值涨得快。 而是因为大基金有体量限制。 一个管理百亿美元的基金，不可能去买一个市值2亿的股票。 买多了，流动性不够，进出都困难。 所以小盘股存在定价真空。 华尔街的研究几乎没人覆盖。 机构根本看不上。 但Serenity不一样。 他用的是自己的钱，加上1.4倍杠杆。 集中持仓。 他不需要考虑流动性。 他只需要考虑，这家公司卡在产业链的哪个位置。 当市场发现这个卡脖子点的时候。 估值就会疯狂重估。 这就是信息差。 市场上研究英伟达的人有几万人。 研究激光器供应链的人可能只有几十个。 研究硅光材料的人可能只有几个人。 而研究某个特殊外延片供应商的人。 可能全世界不到十个人。 Serenity就是这几个人之一。 07）Serenity是谁？ 说实话，没人知道。 全网现在还不知道这个人的真实身份。 没有人知道她的真实姓名、国籍、年龄、职业。 是完全隐匿于网络的顶级投资大佬。 X账号简介写的是： AI半导体产业链研究院、Nature论文作者、RISC-V基金会核心成员。 整个含金量拉满。 她还公开了一段过往。 2018年拒绝了英伟达AI团队主管的邀约。 那时候英伟达股价只有6美元。 我跟你说，这人的背景，大概率是真的。 因为她对AI硬件的理解，不是看研报能看出来的。 是从工程细节里抠出来的。 她自己说过，「Only buys what he's touched」。 只买自己摸过的东西。 她大概率是真的在半导体行业干过。 08）机构轮动理论 Serenity还有一个核心观点。 机构轮动。 她抓住了内存名称上涨的尾巴。 SNDK、三星、SK海力士、美光。 然后机构之前用AAOI、AXTI、LITE、COHR等光子学名称跑赢。 现在再次通过大量增加SiPh、ELS来做到这一点。 她说的三阶段轮动是： 第一阶段，内存。 第二阶段，光模块。 第三阶段，外置光源和硅光。 她认为自己现在处于第三阶段的开端。 而大部分人还在第一阶段徘徊。 这就是认知差。 09）风险与争议 Serenity的方法也不是没有风险。 第一，幸存者偏差。 她公开讨论的股票，涨了的大家都能看到。 跌了的，可能就不提了。 第二，没有监管披露。 她没有基金，没有13F报告。 持仓大小、进出时间，都不透明。 第三，高波动。 她持仓的股票，日波动15%到25%是常态。 普通人根本扛不住。 第四，流动性风险。 小市值股票，进出都困难。 她想卖的时候，可能根本没人接盘。 第五，逼空风险。 她自己也参与逼空。 但逼空是双刃剑。 空头被逼平仓，股价暴涨。 但如果空头坚持不撤，或者更多空头加入。 股价可能暴跌。 10）普通人能学到什么？ Serenity的方法，普通人很难完全复制。 因为她有实打实的AI科研背景。 她对供应链的理解，是从工程细节里抠出来的。 不是看几篇研报就能学会的。 但有几个思路，是可以借鉴的。 第一，不追热门，找瓶颈。 热门股已经被充分定价。 瓶颈股，市场还没发现。 第二，往下挖三层。 英伟达需要GPU。 GPU需要光模块。 光模块需要激光器。 激光器需要衬底材料。 每一层都可能有机会。 第三，小市值+关键卡位。 大趋势很大。 公司很小。 位置很关键。 第四，做前瞻推演。 在订单确认之前，先判断逻辑是否成立。 第五，接受高波动。 如果承受不了15%的日回撤。 就别玩这个。 说到底 Serenity的方法，本质上是「供应链断点投资」。 她不是在看股价。 她是在看产业链哪里会断。 当需求爆发，供给跟不上。 卡在关键节点的公司，就会被重新定价。 这就是十倍股的来源。 但说实话，这种方法，门槛极高。 你需要对产业链有极深的理解。 你需要能接受高波动。 你需要有耐心，等市场发现你发现的逻辑。 我跟你说，股市会奖励错误。 以至于很多人赚到钱之后，就意识不到自己的错误。 但把时间拉长来看，市场是公平的。 所有短期的盈利靠运气。 长期的超额收益，永远靠认知壁垒。 Serenity的认知壁垒，就是她比全世界99.99%的人，更了解AI供应链的断点在哪里。 这就是她一年赚45倍的原因。

一个女孩靠“空气手势控制3D”赚了42万美金！ 技术门槛低到离谱： 一个80刀的摄像头 + 两个免费软件（TouchDesigner + MediaPipe）。 最狠的是： 核心代码全是 Claude 帮她从零写出来的。 她靠这个去时装秀和发布会做现场交互表演，一场收费 5000-15000 美金。据说诺兰的新电影也用了类似的技术。 我刚才顺着她的思路用 Claude Code 跑了一遍，一个周末真能复刻出来。 这算不算普通设计师/程序员最直接的搞钱路子？

学术水平的提高，本质上只有一个指标：你能独立产出别人无法轻易复现的技术结果的能力。其余都是它的副产品。 举个例子，一个人想要穷尽一生，追求非平衡态统计物理，非线性动力学，复杂系统科学，控制论、博弈论的探索。 首先我会看到这些是同一套数学的五个出口。 状态空间上的流，确定性的是非线性动力学，加噪声就是随机过程，加控制项就是控制论，加多个各自优化的主体就是博弈论。 大偏差理论是贯穿一切的热力学形式。Touchette 2009 的综述值得读三遍，它让我们看清熵、速率函数、自由能、Lyapunov 指数其实是同一个东西的不同外衣。 路径积分、作用量表述把随机热力学和随机最优控制缝在一起（Kappen 的 path-integral control 是最漂亮的接口）。 信息即热力学资源，把控制论真正接回物理。 平均场博弈=控制 + 统计物理 + 博弈的合流点。 看清主干，就不会把时间浪费在互相重复的科普层。 数学地基：测度论概率、随机微分方程（Øksendal）、常微分方程定性理论、变分法。 记得导师说，地基不牢，后面全是文学。 主干书目大脑里过一遍。 随机过程：Gardiner 或 van Kampen ，Sekimoto《Stochastic Energetics》，Seifert 2012 综述 ，Peliti & Pigolotti《Stochastic Thermodynamics》 非线性动力学：Strogatz打底，Kuznetsov，分岔，Guckenheimer & Holmes 控制：Åström & Murray《Feedback Systems》，Liberzon《Calculus of Variations and Optimal Control》，Bertsekas 博弈：Hofbauer & Sigmund《Evolutionary Games and Population Dynamics》（这本直接把博弈变成动力系统，是你这个组合的天然入口），然后Sandholm 网络、复杂系统：Newman《Networks》，其余谨慎，这个领域良莠混杂最严重，暂且不提。 然后，选一个窄到令人不安的锚点。 比如“活性物质中的热力学不确定关系”或“有限信息下的反馈冷却”。 我觉得科研水平真正跃升的地方在这四件事。 1.手算 + 数值复现。 拿一篇佩服的论文，从零复现它的图，会发现论文里 80% 的关键细节没写。 这种痛苦，就是水平本身。 2.写。 把以为懂了的东西写成给别人看的推导。写不出来 = 没懂。 这是廉价也最少人做的自检。 3.进入真实的学术共同体。 独自求索在这几个领域几乎必然失败。判断什么问题值得做只能通过和高手的高频摩擦获得。 找到导师、组会、arXiv 上的通信对象。 4.接受长期的技术孤独。 前五年你会觉得自己只是在学别人早就知道的东西。这是正常的。 穷尽一生是个好志向，但一生需要一个营地。 如果是我，我或许会以一个方向为职业性专长，随机热力学或随机最优控制，毕竟两者技术门槛高、饭碗实在、且是其余三者的枢纽，其余作为持续侵入的卫星。