初创公司 往往团队是很重要的 尤其是ceo的能力 在tsla的历史上 如果没有musk 这公司真的可能黄了几次了 毫无疑问musk是那个亿里挑一的创业者 但是有一些公司 ceo和团队的光环效应并不需要那么强 比如茅台、可乐、支付宝、微信 其实大家对其ceo和其他高管都非常陌生 从股东的角度考虑 买入ceo不重要的公司其实是更安全的 在我以前买tsla并且持有的的过程中 总有人问一个重复问题 如果musk死了怎么办 其实就像你问早期的伯尔希尔 如果巴菲特死了怎么办 那只能凉（拌）了 我觉得crcl 是更接近茅台可乐支付宝微信这种企业 创业团队比品牌比 品牌知名度更高 搭建这个品牌也比组建这个团队更难 我的看法可能不正确 也只是我个人的感觉 稳定币还是成长赛道 你说如果有个musk这样的创业者 来干稳定币这件事会怎样 那可能市场格局也会有变数 好的企业和好的管理者是互相成就的 起码新的管理者不能添乱 比如茅台你起码别来个捣乱的ceo 他自己就不会有太大问题 crcl换cfo自然是有风险的 比如是不是可能换个差劲的人进来 所以市场还是以下跌来回应 但往后回顾crcl的高管换帅 我觉得这是个非常小的插曲 无关轻重其实

一个曾经帮助过我的房产经纪人近日突然过世，原因是她最近和丈夫去欧洲旅游休假，在某地品尝了生蚝，她丈夫吃了七个，她尝了一个，结果她感染了（Necrotizing fasciitis）噬肉菌，回美国后住院治疗，但是为时以晚，医生也无力回天，在切除了一些器官之后还是没有抢救过来。 最好远离生蚝。

Palantir CEO Alex Karp explains how to make yourself valuable when LLMs make general knowledge cheap: He starts from the premise that AI has already changed what knowledge is worth. "The thing about the commodity nature of LLM is it commodifies general knowledge." If a model can hand anyone broad, general information, that information no longer sets you apart. Karp says this matters most for one kind of person: the classically smart generalist. He uses Yale as his example, and he says he picks it because it's strong. "I like to pick on people who are strong. It's a very strong school." He still recommends the top schools: "There's a couple schools you should go to if you get into. Yale's one, Stanford's one. There's some schools you maybe should go to otherwise go to the cheapest school and come to [Palantir] or just come here." His point is that the degree alone doesn't protect you. General intelligence without specific knowledge does not hold up well: "If you are the kind of person that would have gone to Yale would have ear kind of classically high IQ um and you have generalized knowledge but it's not specific you're effed." So how do you become valuable? Karp's answer is to build deep, specific domain knowledge, the kind of practical ability that general knowledge can't stand in for. He gives concrete examples: "How do I actually bend the metal of the hull on a ship?" "How do I actually write a script that allows me to target terrorists..." "How do I put the cement in a factory with such precision that you can build a factory like it was built in Taiwan in America?" He also describes someone with only a high school diploma who can diagnose what's going wrong in a complicated device that would otherwise need a Japanese engineer to fix. Then he names the category plainly: "How do I do anything with deep specific particularly voca what's considered vocational training?" Karp says these are the people who will be rewarded: "Those people are going to make a a lot more money simply because you can turn it any way you want, but at the end of the day, within a relative rapid amount of time, you will get paid downstream of the value."

Sam Altman on one of the highest-return years of his career: no job, exploring his interests, and a lot of people who were nice enough to teach him things. "I read many dozens of textbooks. I learned about fields that I had been interested in. I didn't have any idea that they were all gonna come together in the way they did." "I learned a lot about nuclear engineering. AI was starting to work, so I learned a lot about AI. I learned about synthetic biology. I learned about investing." " I met people that were working on all sorts of different things who were nice enough to talk to me." "If I met someone interesting and it seemed good and needed help, I would just help them. And they would teach me stuff, or they would offer me the chance to invest in their startup later." "Out of all of it, almost all of it didn't work out. But the seeds were planted for things that worked in deep ways later." @sama w/ @CraigCannon (Nov 2018)

Don’t just trust. Verify. 🔐 Binance Proof of Reserves lets anyone check that user assets are backed 1:1. See September’s latest PoR update here 👉

说一个GPT没法告诉你的信息： 在前几个月，分析CRCL、USDC时，我头脑里的一个担忧（或者说我发现市场潜在的一个担忧），是：币安现在上面绝大部分稳定币都是USDT，而USDC跟COINBASE深度绑定，币安如果因为跟COINBASE的竞争关系，而疏远、打压、刻意不推广USDC，那么这对USDC长期发展不利。 现在币安这个1亿美元的战略投资CRCL信息公开，这个顾虑、担忧、潜在利空压制就不存在了。 你觉得这个基本面的跳变，价值几何？ 你觉得这个GPT没法分析出来的一手感悟，价值几何？

就头疼程度而言： 1.Tether：一半的USDT在孙割的Tron上流通； 2. Circle：一半的储备利息收入要给Coinbase. 如果你是这两家的CEO，你觉得哪个更头疼？

1. 我不认识这个人，也不知道他是不是 OKX 前员工。 2. 但他是不是 OKX 前员工，其实并不重要。任何一家公司的前员工，甚至未经授权的现员工，都不能代表这家公司。请大家只认官方渠道、官方账号和正式授权。 3. 绝大多数高收益骗局，利用的都是人性里的贪婪。很多时候，你惦记的是别人承诺给你的收益，骗子惦记的却是你的全部本金。 不要因为遇见所谓“大佬”或者有“内部身份”的人，就产生不切实际的贪婪。 有些人之所以能成为所谓“大佬”，未必是因为能力有多强，也可能只是因为底线更低、镰刀更锋利。 真正的大佬，往往不混江湖。你大概率也不会轻易遇见。

顿悟的马和被噪音驱动的投资者 1.一匹马在遛马机里突然停了，一动不动。 配文写：Bro realized everything around him is just an illusion（兄弟发现周围一切都是幻象）。 我第一反应笑了。第二反应想到了投资。 2.每个月CPI、PPI、PMI、NFP、初次申请失业救济金人数、消费者信心指数……再加上Fed官员轮番讲话、点阵图、会议纪要。 本质上就是一台”信息遛马机”——驱动投资者频繁反应、短线交易、调整仓位，让你觉得不动就会”错过什么”。 但回头一看，这些数据对持仓的长期基本面几乎没有影响。真正消耗掉的，是投资者的精力、注意力，和一笔又一笔不必要的交易成本。​​​​​​​​​​​​​​​​ 3.Buffett说他从来不看宏观预测做投资决策。Munger更直接——macroeconomic forecasting is useless。段永平反复强调他不关心短期股价波动。 这些人本质上都是那匹”停下来的马”：看穿了数据噪音是系统给投资者设计的”幻觉循环”，拒绝参与。 4.真正危险的不是”错过”了某个数据，而是被数据流拖进了一个不属于自己的决策频率。 如果持仓逻辑是季度甚至年度级别的，却每个月跟着CPI跳一次、跟着Fed讲话抖一次——那其实是在用日频噪音干扰年频判断。 这恰恰是Taleb反脆弱框架里最典型的”脆弱化”行为：把自己暴露在不必要的波动信息下，增加错误行动的概率。 5.真正值得关注的信号其实很少。 对自己的每一个持仓，问自己：什么变量的变化会真正改变我的投资论点？那就是”真实的栏杆”。 拿CRCL举例：每个月CPI高了低了、Fed鹰了鸽了，股价可能跳几个点。但真正决定Circle长期价值的信号就那么几个——USDC市值趋势、stablecoin立法进展（GENIUS Act / CLARITY Act）、Circle Payments Network的机构采用率。 这些才是”真实的栏杆”。其余的，都是遛马机在转。 所以投资上的”顿悟时刻”可能就是—— 不是学会分析更多数据，而是学会对大部分数据和噪音无动于衷。🐴

看到一个16岁女孩在秋千项目绳子没栓紧而摔死的事故。 三年前我写的“低端旅游设施的草台班子和你只是肉鸡”理论和公式，还提到了“秋千”这一项。 你去土耳其、埃及坐热气球、7月雨季去普吉岛坐船出海，去某个县城游乐场坐过山车跳楼机、旋转飞机、大摆锤，在某个山区旮旯蹦极、悬崖秋千、悬崖缆车等。 都存在这些风险。 解释下“大都是草台班子”和“游客只是贡献门票的肉鸡”： “草台班子”的特质：无知，不专业，不用心。 归零公式： 大都是草台班子和山寨设备 X 操作人员眼睛呆滞三心二意疏忽 X 机械长时间运营必然出故障 X 高负荷运转失修 X 外地游客不是他们自己家人而只是贡献门票的肉鸡 X遍历性 = 出事故概率100% =肉身归零。 “千金之子坐不垂堂；百金之子不骑衡”。 要把自己当个千金宝贝一样来做风控。 不要把命交给一个每天领100多块工资红马甲兼职草台人员的手里。

CATHIE WOOD SAYS TODAY’S MARKET FEELS LIKE THE 80S AND 90S Her point is that big worries often show up right before major technology cycles: - The 80s and 90s had fears around interest rates, inflation, wars, trade quotas, and recessions - New technologies like PCs and wireless disrupted the traditional world order and created concern - Cathie Wood says the right move back then was to stay focused through the wall of worry, and today’s technology revolution is even bigger

做量化、炒币、盯美股的兄弟们，金融界的 Codex 今天真落地了！！ 这可能是今年把散户投研门槛干得最碎的一次，没有之一！！！ 你敲一句中文大白话： →左边有4 个 Agent 当场开圆桌会，看多的、挑刺的、风控、决策委员会分开干活互相撕； →右边同步写代码、拉盘口、跑回测； →而真金白银扣出去那一下，必须你亲手点确认。 它叫 Minara Harness，刚拿了 Circle Ventures 的投资，口号就一句话：自己运营你自己的华尔街。 我刚才直接开它的「机构圆桌」做了一场真实压力测试，咱们看下方视频： 我只敲了一句话：“AAPL 现在该买、持有还是卖？把整套逻辑讲给我听。” 指令一敲，后台立马拉响 7 阶段投研流水线！ 中间 4 个专业 Agent 瞬间扑上去并行开工： 基本面分析师去扒财务底稿、情绪分析师去扫 Polymarket 预测、宏观分析师盯新闻政策、技术分析师拉盘口指标——谁在采哪份物证、谁在复核数据，屏幕上全部透明实时跳动！ 经过观点对辩、风控复审、投委会闭门收敛，它没有像野鸡 AI 那样无脑喊冲，而是给了一份冷静到可怕的顶级机构级结论： “Hold（持有）：不追买，也不急于卖出。” 前瞻 PE 飙到 34 倍严重透支安全边际， 317 到 330 箱体上沿追高盈亏比极差， 模型置信度直接给你亮出 0.55， 甚至连毛利率口径冲突都抓出来示警！ 更绝的是，跑完当场甩出一份 317KB 的交互式 HTML 报告和 PDF，连建仓纪律、关键硬损位都切得清清楚楚。 以前机构养一个分析师团队加风控委员会才有的架势， 现在敲敲键盘，18 分钟在眼前全自动跑完交付！ 大家也别把它跟那些 AI 荐股脚本混为一谈， 刚才你看到的实测，只是它最能打的三刀之一： 1️⃣ 机构投研圆桌：一个标的丢进去，多空风控各执一词，谁依据什么数据、在哪一步吵翻，全程摊开。通用大模型最坑的就是没实时盘口、没你的持仓，还能一本正经编行情；这玩意直接接几十个数据源，研究覆盖的市场比它能下单的市场大得多； 2️⃣ 一句话变策略 IDE：用中文说一句做多半导体的趋势策略，当场出代码、跑回测，净值曲线、回撤、夏普全拉出来，改一句话就出一个新版。然后顺序替你焊死：真行情假钱纸交易 ➔ 小资金加回撤上限逐笔确认 ➔ 最后才轮到要不要自动跑，绝不让你一步冲动上实盘； 3️⃣ 决策下单同屏：K 线、盘口、拟执行订单排在同一屏，报价在动绝不追单，仓位、滑点、敞口都有硬上限。没有你的最终手动确认，一分钱都出不去。 做过交易的都懂以前有多碎： 看盘在 TradingView，研报在 ChatGPT， 算账在 Excel，回测在 Jupyter， 真下单还要切去交易所。 每切一次窗口，假设和数据就断一次， 现在全钉进同一个工作区，模型还能自选，OpenAI、Anthropic、Kimi、Grok、本地 Ollama 都能接。 AI 金融这行都在比拼谁更敢替你扣扳机， 它反过来，把扳机牢牢焊在你手里。 但先把丑话说在前头，这玩意是趁手的兵器， 绝不是印钞机这东西是工具，不是印钞机： 策略市场那张最唬人的卡片，回测涨了 619%、夏普 4.38，同一个策略近 90 天真跑只有 24.8%。 它把两条曲线分开画给你看，本身就是警告： 回测是写给历史的，证明不了未来； 咱们再把交易底层看清楚： 它能下单的不是美股真股票， 是 Hyperliquid 和 Lighter 上的 USDC 链上永续。 代币化的英伟达、苹果没有分红、没有投票权、有资金费、还会被爆仓。 想要 Schwab 那种真实股权和期权的这里给不了， 市场风险、滑点、过拟合、你自己的贪念， 它一个都消除不了。 第一周记住五个字：先用别打钱。 先跑一份能逐条核对出处的财报审查，再开圆桌逼它找看空逻辑，最后写一条策略只跑纸交易盯回撤。 等代码、逻辑、费用假设你自己都盯明白，再谈碰真钱。 说穿了：投研队伍可以是 AI 的，但扣扳机的手必须是你自己的。 大家觉得金融交易里，AI 最终是该全权托管自动跑， 还是必须把最后那道确认权死死扣在人手里？ 入口、定价、实测避坑和 3 条可直接抄的 Prompt 放评论区了👇