Caroline（大叔）
@thcaroline2233
币圈资深玩家，绝对散户，冷静的现货交易员。13年第一个牛市以绝对的小白姿态入行，12年的风雨行程，造就了币圈沧桑大叔。
407 正在關注 27.5K 粉絲
最近 @RaoulGMI 称：AI 不是泡沫，因为这场建设谁都停不下来。昨天 Reuters Breakingviews 的 @chancellor_e 却得出相反结论：
正因为谁都停不下来，才可能导致过度建设和回报率下滑。
这篇长文对比两种逻辑：AI 会成功，但谁能真正赚到钱？
顯示更多
美国8月CPI同比增长3.4%,符合市场预期，市场预计下周美联储加息的概率为90%。加息假如没有持续性，不会形成系统性抛压。
美光台湾员工刚刚获得相当于35至68个月薪资的奖金。美光 $MU 表示，将为其台湾员工提供31,600美元的现金奖金以及额外的股票奖励。 所有全球员工将获得股票，作为年度绩效相关奖金池的一部分。
对于普通打工人来说，只能再次感叹，选择大于努力。
顯示更多
陶哲轩对 AI 有一个很朴素的解释：
机器学习最底层做的事，本质上是“拟合”。大语言模型只是把它推到了极致——不断预测一句话里的“下一个词”。
真正的转折发生在规模。当训练数据、算力和时间大到一定程度后，同样的预测机制开始表现出连贯表达、推理、编程甚至解决复杂问题的能力。一个可能的原因是：自然语言里隐藏着大量我们自己都未必意识到的规律，而模型把这些模式吸收了进去。
但 AI 并不等于真正理解世界。更准确地说，它很擅长模仿“聪明人会怎样回答问题”。
它单次输出可能很差，但一旦进入“生成—检查—修改—验证”的循环，能力会明显提升。
所以人类和 AI 的优势并不在同一个方向：
人类擅长深度，AI 擅长广度。
人类选择少数重要问题长期钻研；AI 可以同时尝试上千个问题和方法组合。哪怕成功率只有 5%，1000 个问题也可能解决 50 个。
但关键是：
那 50 个，未必是最值得解决的 50 个。
AI 可以越来越擅长找答案，但“什么问题值得问”，仍然是人类最重要的能力之一。
顯示更多
我们探讨AI如何改变工作，学习以及生活方式，我们感叹未来已来，我们被GPT时刻震惊。但是要真正去思考AI擅长做什么，不擅长做什么，为什么有时会胡说八道，我们要回到大语言模型的底层逻辑，理解AI的工作原理。
顯示更多
吴恩达说AI模型非常不适合用来学习，显然他说的是AI帮你写论文，告诉你答案的那一类。看看陶哲轩在工作中怎么使用AI。
他说他非常喜欢数学中和别人合作的部分，非常重要，长期的合作者会达到心意相通的境界。但是AI不能以合作者的身份加入他的工作，至少说现在的AI还不能。AI有时会谄媚，说你喜欢听的东西。
他说他不并AI去做真正的解题，AI更擅长的是二级任务，比如文献检索，检查证明，写一点代码，或者校对我写的东西。
顯示更多
吴恩达说AI模型非常不适合用来学习。用AI的确可以提高分数，但是学生的记忆留存，长期表现会差得多。很简单，活都是AI干的。相当于一个学霸帮你学习，写作业，你的论文得了很高分，但是仍然是个学渣。
顯示更多
看数学大神陶哲轩怎么比喻用AI来探索科学问题。
如果说科研像是去寻找森林里的一个瀑布，我们在找到瀑布之前会走很多弯路，前人在探索的过程中会做好标记，给后来的人提供指引。当我们真正到达瀑布之后，我们不仅看到了瀑布，也了解了森林本身。
但是现在AI可以帮我们坐上直升机，直接空投到瀑布上方，我们看到了瀑布，我们和瀑布合影打卡，但是我们仍旧对森林一无所知。
顯示更多
我们探讨AI如何改变工作，学习以及生活方式，我们感叹未来已来，我们被GPT时刻震惊。但是要真正去思考AI擅长做什么，不擅长做什么，为什么有时会胡说八道，我们要回到大语言模型的底层逻辑，理解AI的工作原理。
顯示更多
特朗普昨天说他要是赢了中期选举，每人发5000美元。
咋听起来很美好？钱从哪里来？对穷人真的好吗？
美国成年公民数量：2.45亿，每人发5000就是1.2万亿美元
联邦政府没有收入， 那么钱从哪里来？ 如果没有削减开支或新增收入，那就得借钱。这将使国债再增加1.2万亿美元。
这会对通胀造成什么影响？ 不是什么新剧情。
新冠刺激计划是用借来的钱资助的，通胀推高至9%以上，40年来的最高水平。
穷人拿到钱一般会立刻花掉，这些钱最终还是会进入富人的口袋。
顯示更多
伊朗原来可以靠控制霍尔木兹海峡搅动全球能源市场，但是现在海峡被美军接管了，伊朗的石油出口已经几乎归零，经济濒临崩溃，非常脆弱，处境艰难。想遏制全球能源的咽喉，结果卡住了自己的脖子。
顯示更多
2025年8月，美国政府以约88.7亿美元投资Intel，获得相当于当时9.9%的股份，综合成本约20.47美元/股。如今Intel股价已升至约105美元，美国政府这笔投资的市值接近450亿美元，账面浮盈约360亿美元，一年左右获得约4倍投资回报。
Intel 正在从一家普通上市公司，变成美国政府直接持股的国家战略资产。
AI 数据中心需求、代工翻身预期、英伟达/苹果/美国政府等重量级资方入场,再加上超预期财报和管理层增持,共同推动了这波暴涨。
顯示更多
油价又重回100元了，通胀压力又回来了，即使有财政部回购美债的消息，仍然遏制不了美债利率上涨。
苹果折叠屏终于出了，iphone Duo。不知道能不能解决折叠屏折痕问题，拭目以待。
OPENAI的实验室最新模型，比Astra还要强。这是已经可以解决人类未知的问题了。
上万个Agent同时相互合作，同时跑，就像有上万名科学家一起同步工作。
之前觉得AI重塑了科研。很多耗时一个博士几年才能解决的问题，在AI的加持下几个月甚至几天就可以完成。现在好了，直接可以解决科学家不能解决的问题。以后科研比的不是智力，而是算力了。
顯示更多
We’re sharing a solution to the Navier-Stokes Millennium Prize Problem, one of the deepest problems at the frontier of mathematics.
The proof was produced by a group of agents, using an OpenAI next-generation model significantly more capable than GPT-6 Astra.
The problem concerns whether the description of smooth three-dimensional fluid motion modeled by the Navier-Stokes equations can break down. It has remained unresolved for roughly 90 years.
顯示更多
不使用 AI 聊天机器人做功课的学生，其成绩比使用的学生更好。
彭博社今天这篇报道的说法和之前发的吴恩达的观点一致。
AI可以帮你写作业，但是你自己却因此记不住知识，对思维的训练也会有损害。
如何使用AI来辅助学习，应该是一个非常值得研究的话题，尤其对于小孩子来说，在没有养成自主学习的习惯之前，或者获得自学能力之前，怎么用AI才能利大于弊呢？
顯示更多
吴恩达说AI模型非常不适合用来学习。用AI的确可以提高分数，但是学生的记忆留存，长期表现会差得多。很简单，活都是AI干的。相当于一个学霸帮你学习，写作业，你的论文得了很高分，但是仍然是个学渣。
顯示更多
美债是最大的雷，我认为加息将通胀是最好的手段。
但一次两次加息，不会搞崩股市
除非23年那种持续性的加息
通胀下来了，再去降息
我们一直讨论的问题是，
应用端产生的收入，压根就覆盖不了投入端，所以这颗雷早晚爆掉。
可是在目前这个阶段，甚至在未来的几年时间，大家都没有认为投入端能够被应用端覆盖。
所以，ai的投入和应用目前是两条线。
两条线相交，盈亏平衡。
或者债务暴雷。
或者应用端不及预期。我们自己认为的不及预期，是应用端的产出覆盖不了投入端口。
可事实并不是这样。
比如，大家认为anthropic在2028年arr达到2800亿就能够达到预期。假如openai也有1500亿的arr，两者相加，有4300亿的arr，还是远无法覆盖投入端。
貌似在我们的认知里，这是失败的。可市场不这么认为，只要债务扛得住，应用端的盈利达到目标，他们就能接受。故事就能继续吹。
所以，在债务暴雷之前，只要应用端的收入达到华尔街的目标，这个故事就会继续下去。
顯示更多
