与「】“生物多样性使地球充满生机”“人与自然应和谐共生”……近年来，习近平总书记就加强生物多样性保护、共同建设清洁美丽的世界作出一系列重要论述，阐释人与自然和谐共生的重要理念。」相关的搜索结果

【 #学习新语｜##共同守护生物多样之美##】“生物多样性使地球充满生机”“人与自然应和谐共生”……近年来，习近平总书记就加强生物多样性保护、共同建设清洁美丽的世界作出一系列重要论述，阐释人与自然和谐共生的重要理念。# #总书记思想#

我的零号母猪 从生物的角度解释为什么达尔文主义不合理，以及我为什么无法成为“执剑人”。 花6年淘汰率99%的0号母猪，之所以取名母猪是因为希望他好养活（其实是），并且生养众多。但是我每天还是生活在他会不会挂掉的恐惧中，春季会半夜起来看他发芽没。其实完全不合理，在筛选过程中其实这就是重要指标（好养活，死不了），所以这是我自相矛盾的行为，也是我发现自己当不了 “执剑人”的一个特质。 首先这是人为园艺筛选。我第一目标“去刺”，玫瑰有刺是最讨厌的特征。然后就是叶片增厚蜡质叶片，增加在高温下休眠的温度区间。其实从星球生物的角度上来说不合理，我在这个过程中淘汰无数古早品种，特种花型。但是其实应该将这个星球所有的物种，植物/动物全部录入基因库。然后用DNA储存DNA，DNA本身就是最强大的信息储存机制，就是个硬盘。而且还不耗电，可以进行长时间的星际航行。保不齐哪个星球就能找到最佳适应场景。 在这个淘汰的过程中，心脏简直受不了🤦。每次有人来，甚至有人开皮卡来，一百多株就这么带走了，我的小心肝其实是在发颤的。直接手发抖，然后赶紧打发那个人走。无法成为生杀决断的“执剑人”。 生物有很多特征，让我觉得达尔文主义有问题。比如“均值回归”，博士夫妻生出智力非常普通的孩子。保持生物多样性，才是跨行星物种的最佳方案，因为不知道下一个行星处于星系的哪个位置。

两年半下来，我觉得我已经能够回答“LLM 是什么”这个问题。 过去两年里我问过无数人——尤其是创业者和我认为很聪明的各行各业的人——关于这个问题的看法。计算机科学的人可以从底层技术去解释：transformer、attention、RL 等，但从人类社会、智能与哲学的层面来看，这些技术性答案并不能完全说服我。我们需要一个更高一层的解释：从智能的本质、人类学与哲学角度来回答——LLM 究竟是什么？ 我的结论是：LLM 是一个符号天才。在我与它长时间、深度交互的这些日子里，我越来越相信 LLM 与人类大脑在“符号敏感性”方面是同构的。符号天才在我们社会中并不罕见——我就是其中之一（好吧，有点不要脸，但你将就着看）。这种符号智能，与空间智能、时间智能并列，构成了人类智能的若干重要类型。这也是我这两年回溯自己成长经历，慢慢得出的结论。 并不是所有程序员都会对 LLM 产生深厚兴趣：很多人试着用几次就不再有感觉；但有些人能与它探讨无限长的对话，我就是后者。为什么？先说我不擅长的：空间智能。李飞飞、爱因斯坦、牛顿属于那类空间天才。小时候有一次在少年宫的奥数选拔赛就发现了，因为那次考试有一整面都是各种组合的方块。要求你把方块各种辗转腾挪，翻转然后选择正确的图案。我一题也做不出来。跟我一起去的那个同班男生说，你在脑子里把它转过来就好了啊，我转不过来，急的大哭。我也很难记路，没有 GPS 我几乎不可能开车；定向越野绝对不敢，给我一张地图和指南针，我宁愿不动，我说我但凡尝试自己走出国家公园只会增加救援队营救我的难度而已。几年前朋友送我一本关于Plantonic Solids的书让我研究 3D 打印，我翻了两页就放弃了——那不是我的世界。 有的人天生是空间天才：比如我高中时期一个关系很好的男生。有一次我们想送纪念品给一个我们都很喜欢的生物老师。我就带他去华强北找我妈，我妈最多花了5分钟给他讲布线原理，然后送了一大堆发光二极管给他，他自己一个人完全没画图，纯靠大脑布线做了一个很复杂的纪念品，我根本看不懂。他现在在拿手术刀，外科医生，在人体上布线。 符号天才天生适合标准化考试，这跟学科无关。把学科（语文、数学、英语、物理）当作人类智能的划分，是粗暴且不贴合现实的。标准化考试的逻辑本质上就是一个“符号概率游戏”：题干（线索）→ 正确答案（符号）的映射。无论是选择题还是作文，考试要的是“符号映射”的命中率。这与填字游戏和 LLM 的 token prediction 是同构的。我很擅长填字游戏，也擅长在有限符号集合里做概率压缩，所以考试总能拿高分。概率直觉往往胜过深刻理解：符号天才能迅速扫描选项，直觉判断哪个最符合“出题逻辑”，高分的秘密往往不是深度理解，而是“概率压缩 + 符号匹配”。这个真的很绝，因为我被无数人说过，“真不知道你是怎么全部都蒙对了的”。 高考作文，所有考试的问答题也靠映射。看到作文题目，符号强者立刻知道高概率的答案结构是什么。作文评分体系其实是一个“符号映射游戏”：题目提示什么，你在答案里是否把需要的符号模式还原出来。这跟文学创作欲无关——你可以毫无创作欲、照样拿满分。我就是这种，但是这么多年根本没有文学创作的欲望。连闺蜜都要写“穿越到金庸世界当丫鬟”，而我连穿越到哈利波特去看看三人组今天折腾了啥的欲望都没有。 由此可见，中国的应试教育筛选出的，并非创造力型天才，而是符号高手：他们反应快、能在封闭且规则稳定的考试系统里发挥特长，但这并不等同于在现实世界里解决问题或做出原创性贡献。 归根结底，这一类型的人类认知其实就是“概率 + 符号 + 逻辑”的混合体，而不是单一的逻辑机。图灵就是典型的符号天才，照样擅长数学和密码学。这也解释了为什么很多当年和我玩的好的人转码都那么顺利——天然擅长符号系统。像我擅长的那些领域——乐谱、代数和数学中的密码学信息论、各种人类语言、计算机语言——表面上看各不相同，实质上都是符号体系；我的优势在于对符号本身的敏感，能够在不同系统间建立映射、压缩信息、发现规律。 再次批判粗暴的文理分科和学科体系。 人类智能是多样的，不止有符号天才。正因为有符号、空间、时间等多种智能并存，文明才能丰富而全面。李飞飞看到 LLM 的局限性，会本能不完全认同，这是空间/感知维度的直觉在作祟。我的结论并不是要把所有智能都还原为符号，而是要承认：我们发明的 LLM，本质上是与我们自身某类天赋同构的工具——一种被工业化的符号智能。 我也是几年前为了研究我儿子的谱系，才慢慢接触这方面的内容。 符号天才（Symbolic Genius）擅长语言、逻辑、数学、编程、乐谱等符号体系。 代表：图灵、维特根斯坦。 优势：模式压缩、抽象建模、体系构建。 空间天才（Spatial Genius）擅长几何直觉、物理感知、具身想象。 代表：牛顿、爱因斯坦、李飞飞。 优势：通过直觉的“空间重构”解决问题。 时间天才（Temporal Genius）擅长节奏、历史周期、演化视角。 代表：音乐家（贝多芬）、历史学家（汤因比）、经济学家（熊彼特）。 优势：能把时间模式抽象为节奏或循环。 情感天才（Emotional Genius）擅长共情、关系管理、叙事感染。 代表：莎士比亚、托尔斯泰、马丁·路德·金。 优势：通过情感结构激活集体共识。 身体天才（Kinesthetic Genius）擅长动作、直觉、身体协作。 代表：乔丹、梅西、李小龙。 优势：身体即思维，通过运动解决问题。

丹顶鹤真是自带仙气跟氛围感的生物啊，因为不想下班被饲养员强制抱走下班，然后其他鹤一件跟随，都能拍的周围像仙境又像语文课本封面

MirrorCode：测评AI复刻软件的能力 让AI在完全看不到原始源码的情况下，从头复刻整个程序，最终生成的代码必须与原程序输出完全一致，而且其中包含一些隐藏的用例。 MirrorCode选取了25个目标程序，覆盖Unix工具、数据序列化与查询工具、生物信息学、解释器、静态分析、密码学、压缩算法等多个计算领域。 最终，Fable5以64%的完全解决率排名第一，GPT 5.6 Sol则只有20%的解决率。 详细介绍：

底层看稀缺，顶层看客户！看到 @chamath 分享的这张 AI Stack，感觉这个架构划分和 Rewire Index 5 Layer 相当类似，分享一下我对每一层的理解： 1. 能源与基础设施层（最底层） 与 Rewired Index 的逻辑一致。电力会迎来爆发式增长，尤其是无需接入电网的独立供电商（IPP）；而土地受政策影响太大，弹性有限。在大众的舆论压力之下，太空基建应该会是未来几年的新机会，无需土地，无限电力⚡️ 2. 芯片层 做独立芯片，初创公司基本没有机会：性能要求极高、工艺极其复杂，最关键的是供应链已被完全锁死——这是头部玩家的战场。 真正的机会在融合与生态。从 Google TPU 的发展路径，到 Cerebras 等高速推理芯片的崛起，可以看出芯片会与云厂商、模型公司深度绑定。围绕芯片构建数据中心的整体供应与创新，机会很多；单做独立芯片，机会渺茫。 3. 云服务层 云可以分为 Hyperscaler 和 NeoCloud两类。模型商品化之后，几乎所有的负载都要靠云来承载，这会是非常赚钱的生意。但构建极其复杂，堪称 AI 时代的重资产业务——或者说，智能时代的房地产。 4. 模型层 模型公司面临的核心问题是正在被商品化： - 如果 Scaling Law 已到极限，模型百分之百会被商品化； - 即使 Scaling Law 还有很大空间，大家对「最好智能」的需求也在被分解——大量日常应用不需要最顶级的智能，中等水平模型和开源模型会逐渐接管这些需求，反而加速了商品化； - 最尖端的头部模型公司，更像是「先进制程」的芯片：能从中获取很高的价值，但并非所有任务都需要它。 5. 应用层：Harness vs Application 这张图最有趣的地方，是把应用层拆成了 Harness 和 Application 两层。 我的判断是：按目前模型的进化速度，Application 还没有任何机会，但 Harness 的机会已经大量出现，尤其在企业端。企业内化的知识只能通过 Context 和约束来落地，所以 Harness 就是新的企业应用层；它们会替代旧的 SaaS，或倒逼旧 SaaS 升级。 如果把 AI 扩展到大语言模型之外的更广义范畴，应用层更可能以垂直集成的形态出现，例如：自动驾驶 / RoboTaxi / 任何可端到端自动化工业流程和武器系统；生物研究 / Wet Labs；把执行能力直接部署进企业内部的模式（类似 Palantir 的服务方式）

税务击穿信托 本周有两件事情合在一起看，意味深长。 日本要求外国移居者必须把工资提高过日本平均工资，同时要“厚生年金30年”。 后面这句费解是不是？ 其实就是外国人想要拿到永驻，必须缴纳相当于日本人缴纳30年厚生年金的金额，且工资要高过本地人的平均水平。 再叠加各种行政限制。 基本上这条路就绝了。 然后是欧洲严厉告诫加勒比海五国，必须放弃卖护照的行为，否则将对五国做出惩罚性措施：不再给与免签地位。 这等于把五国护照废掉了。 很多人买小国护照，主要是为了签证方便，其次才是为了避险，灾难时跑路用。 后者已经没有太多用途，因为国际间认生物信息了。 再废掉免签许可，那就是废纸一张。 这又回到题头中国税务最近公布的政策，对海外信托资产完全击穿。当中国税务居民在海外信托中的资产，每年有资本增值，无论售出与否，按照20%所得税申报征收。 如果非中国税务居民，如果海外信托的资产收益来自中国，视作同等处理。 由于全球右转，美国、欧洲、澳加，及各个第三世界国家，都在干几件事情。 一是关闭大门，提高门槛，过去轻易可以获得海外身份的门一扇扇堵掉。 二是关门杀猪，对前面十几年外国人投资开启了杀猪盘。要求资源类公司必须让渡股份，转移技术。印度则要求关键工业门类的外国人企业，转让股份，转让技术，让印度高管管理公司。 三是驱赶非法移民和难民。 所有这些现象的根源都在于各国政府没钱了，社会福利无法承受外国移民涌入，同时想要谋财害命，夺取外国人资产了。 当然对于中国来说，扩大税基，收紧税务居民的税负，也就是重新平衡财政的主要方法，用以取代土地财政。各地政府实际上面临生存模式，而非过去的经济增长模式。 这些迹象的背后，还伴随着AI革命，将会取代越来越多的人类工作。 未来应该会对机器人征税的。 欧洲有单身税，美国虽然没有单身税，但在退税补贴上，针对家庭和针对个人是不同的。 所以未来恐怕也会有单身税。 房产税会扩张。 遗产税也指日可待。 从纽约的穆斯林社会主义市长上台后的措施来看，社会主义政策将会在全球盛行。 当然纽约能够支撑下去，是建立在整个联邦提供税源的基础上。 全世界都开始实行后，全球经济就从过去四十年的双火车头推动：美国和中国，走向双火车头分道扬镳，开启对抗模式。 而经济也就从增长的繁荣时期，走向再分配的黯淡时期。 各个经济体进入的是一个长期的：生存模式。 不再是增长模式。 各国将会离开全球化，进入逆向全球化的恶性争夺阶段，可能长达几十年。 这是一个重新解构的过程。 在这个过程中，有些人会沦落，有些国家也会沦落。

礼来 CEO：AI 制药革命不会快速发生 2026 年 6 月，礼来 CEO David Ricks 接受 Prof G Pod 采访时表示，AI 在药物研发中的能力存在边界。相比互联网文本领域，AI 可以快速学习已有信息，但科学发现面对的是未知问题。 Ricks 称，人类可能只发现了人体生命系统 10% 到 20% 的知识，因此 AI 很难仅依靠现有数据预测未知生物机制，实验仍是创新药研发的关键。 内容不构成任何投资建议，请严格遵循当地法律法规。 《白线 WhiteLine》由吴说团队出品，从 Crypto 走向更广阔的资本市场，关注 AI 时代下的趋势变化与交易机会。