与「从零开始的异世界生活」相关的搜索结果

吴恩达怒批“AI 导致失业论”！我在新加坡看到的真相：企业正排队花钱抢人 “AI 马上要砸掉所有人的饭碗了！”——这段时间你肯定被这种恐慌新闻刷屏了。 但就在这几天，AI 泰斗吴恩达公开发文怒批：“所谓 AI 引发大规模失业，纯粹是不负责任的恐慌故事。大家必须立刻停止这种炒作！” 为什么？听我给你讲讲宏观的谎言和我在新加坡看到的微观真相。 第一，谁在推动“AI 失业”的恐慌？ 吴恩达一针见血：这是三股力量在推波助澜！ 1️⃣ AI 大模型公司： 极力渲染 AI 能取代人类，是为了拉高定价锚点。既然能帮你省下 10 万美金的人工费，收你 1 万美金订阅费不就显得很划算？ 2️⃣ 传统大厂： 需要“AI 提效”的借口，掩盖自己疫情期间盲目扩招后的“裁员遮羞布”，讨好华尔街。 3️⃣ 媒体： 天然偏爱恐慌。“AI 灭绝人类”永远比“AI 改变工作流程”更有流量。 历史上盲目恐惧“人口炸弹”和“脂肪”都带偏了社会决策，今天绝不能再被“AI 失业论”洗脑！ 🇸🇬 第二，实地走访新加坡的真相：根本招不到人！ 昨天我走访了新加坡国立大学（NUS）的计算机教授，真实情况是：懂 AI 的学生供不应求！ 企业甚至愿意交几千新币的“排队费”来买一个进场抢人的名额。 这种恐怖的需求不仅来自科技巨头。昨天我还走访了一家新加坡本地的传统蛋糕店，老板都在想方设法用 AI 改造订单系统和生产排产。 全世界有无数这样急需 AI 改造的中小企业。但是，把大模型落地到业务流程里，极度缺乏一种人才—前向部署工程师（FDE）。既懂 AI 工具，又懂业务场景，缺口极大！ 🚀 总结：停止无效内卷，迎接 AI 就业狂欢 (Jobapalooza) AI 带来的不是失业末日，而是一场史无前例的就业狂欢！ 但我必须提醒一个巨大的培训误区： 别再花大量时间去算模型权重、学底层的神经网络原理了。除非你想去 OpenAI 盖基建，否则这些在日常工作中根本用不到！ 真正的机会在于： ✅ 搞懂 AI Agent（智能体）的工作原理 ✅ 熟练使用最新的 AI 工具组合 ✅ 深入传统企业，摸透他们的工作流，用 AI 帮蛋糕店提升 30% 排产效率！ 现在不是焦虑失业的时候，现在是你躬身入局，成为 AI 时代超级个体的最佳历史机遇！ BTW，我们正在与 NUS 合作策划一系列从零开始的 AI agent 企业应用课程，感兴趣的朋友可以关注起来。 #AI# #吴恩达# #AI就业# #人工智能# #新加坡# #职场发展#

David Silver在DeepMind负责Reinforcement Learning（RL，强化学习），是AlphaGo团队的核心。他最近有个分享，有些启发： 学习的三个阶段： 1. 基于现有知识的学习 2. 基于人类已有经验的强化学习 3. 忘记人类经验的自我学习 每个更高阶的学习，都在不断丢掉旧的知识，旧的经验。 更具体而言： 1. 当前LLM主流还是Data驱动。问题在于1）Data会成为一个天花板，2）模型会和当前的Data尽量拟合而自身的学习能力被弱化。3）LLM默认会证明自己是对的，所以经常有幻觉的产生。而强化学习是让AI在实际使用中获得数据，反馈，它不试图证明自己是对的，而是不断地在真实世界中试错来验证。 2. 如果没有强化学习，那么AlphaGo只会学会人类的技巧，而没有它第二局超越人类经验的第37手。经验比知识更重要。 3. 而AlphaZero是AlphaGo的下一代，证明了忘记人类经验学习的价值。AlphaZero从完全随机的行为开始，从系统自身生成的经验中学习的方式，使得 AlphaZero 从零开始达到了并超越了人类在围棋和国际象棋等领域的最高水平。 4. 反馈有两种，基于人类经验的反馈（RLHF）和真实世界的反馈。前者是人类事先根据经验设定的标准，但它在真实世界仍然可能是错的。而后者是真正通过行动在真实世界得到的反馈。这是AlphaZero超越AlphaGo的背后原理。 5. David Silver提出“Reward is enough”。我们训练AI的职责主要是把目标和我们的价值观对齐融合在设定的奖励标准中。比如我们设定一个标准，奖励AI让我们变得更健康的策略。这个符合我们的需求，而且这里并不是具体的目标，而是模糊的高层目标——如何变得健康。AI系统自己去优化具体的目标（心率，BMI等），并根据真实的反馈调整具体目标的组合。 6. Anthropic以及一些团队证明了基础模型仍然有提升的空间，因此，Data驱动和强化学习驱动会是两个持续演进的双螺旋，而强化学习会越来越重要。 进一步： 1. 从哲学上讲，在时间之矢方向上的Randomness和熵增是确定的，因而我们无法完全从既有的数据和经验学习，我们只有不停地探索，无论是AI还是我们自身。 2. 我们几乎所有在AI训练中的启示都适用于我们对下一代的教育。

一个35岁的中国营销总监，只用Claude，一个月赚了30万美元。 AI的游戏，彻底变了。 他放出了一群由Opus 4.7驱动的AI代理，在Polymarket上交易BTC市场。 Claude当大脑 + 代理集群模拟引擎 = 每笔交易赚5,000–15,000美元。 👉 钱包： 讽刺的是，他的用户名就叫 Marketing101 —— 一个从零开始、不懂代码、没做过App的普通人，也能搞出这种离谱结果。 这家伙一年能赚超过300万美元。 而别人还在把Claude当普通聊天机器人用，聪明人已经开始拿它印钱了。 全自动运行，一台完美收割BTC市场数学定价错误的机器。 他不需要预测未来，只是在早期把两个方向都买进去，然后在到期前把弱的那一边卖掉。 纯数学驱动的印钞机。

storybloq 为 AI 编码助手提供跨会话上下文持久化方案，解决每次会话从零开始、丢失决策与进度的问题。 把项目的 ticket、issue、roadmap、session handover 和经验教训都记下来，AI 编码助手下次会话能直接接上。提供 CLI、MCP 服务器（43 个工具）和 Claude Code skill 三种用法，还有个 Mac 应用实时看项目状态。

情绪低迷、流动性变弱，很多项目逐渐没了声音。这个阶段反而特别容易看清，哪些项目只是讲故事，哪些项目还在认真往前推进。 今天看到 @ShareX_Network 正式上线 Binance Alpha，突然想起来自己其实在 3 月份就参与过他们的活动。当时更多是抱着观察的心态，但一路看到现在，还是会觉得这种“还在做事”的项目挺难得的。 目前空投已经开放查询，5 月 5 日已经完成快照： 空投查询： 官方也正式公布了 $SHARE 的 Tokenomics。整体看下来，比较明显的一点是：它并不是那种只想着短期释放流动性的模型。长期用户激励占比最高，而且释放周期拉得很长；Team 和 Investors 甚至是 TGE 0 解锁；项目更偏向长期建设，而不是一开始就把筹码快速释放给市场。 $SHARE 本身的定位也不只是一个单纯的“交易代币”。 它承担的是整个 ShareX 生态里的支付、治理、节点抵押、RWA 参与资格等功能。简单来说，它想做的是一个围绕“现实世界共享设备”的价值结算层。 ShareX 这套东西它不是传统意义上那种只停留在概念阶段的 DePIN，而是真正试图把现实世界已经存在的共享经济网络搬到链上。比如共享充电宝、智能柜、自动售货机、共享滑板车、充电站这些设备，本来每天就在产生真实订单和真实现金流，但这些数据过去都封闭在 Web2 系统里。 而 ShareX 想做的，是把这些设备的数据、使用行为和现金流，通过 Deshare Toolkit 和 Deshare Suite 做成可验证的链上资产和结算体系。 这也是为什么它会同时带有 DePIN、RWA 和 Consumer Crypto 的属性。 更重要的是，它不是完全从零开始。 项目已经进入 BNB Chain 第十期 MVB，也拿到了 OKX Ventures、Folius Ventures 等机构的早期支持。背后还有真实线下共享经济业务的积累，而不是纯 PPT。 目前 ShareX 已经接入超过 50 万台活跃设备。 很多 Web3 项目还停留在“靠发币维持叙事”的阶段，但 ShareX 至少已经能看到比较明确的收入逻辑： 设备交易 → 平台抽成 → 收益分配。 收入来源包括设备租借手续费、RWA 上链费用，以及未来共享经济数据服务等。 说白了，它最大的不同就在于：很多项目的收入是“预期”，而它已经开始有现实世界里的现金流。 当然，这类项目风险也一定存在。包括执行、监管、竞争，以及链上规模化数据是否真的能持续增长，这些都还需要时间验证。 但至少在现在这个市场环境里，看到还有项目愿意认真做基础设施、认真推进现实落地，而不是只靠情绪和热点拉盘，本身就已经是一件挺难得的事情。 如果未来它真的能把大量 Web2 用户逐步带进链上，把现实世界设备收入真正变成可投资、可验证的链上资产，那这个方向的想象空间其实会很大。

深度穿透 CIFR：算力基建的估值陷阱、财务杠杆与 3.5 GW 隐秘管线 在确认了 Cipher Digital (CIFR) 从矿商向 AI 基建商的战略转型后，我们必须进一步剥离财务报表上的会计粉饰，直击其真实的企业价值与执行风险。对于交易算力基础设施 Alpha 收益的投资者而言，以下是五个最容易被市场误判的核心认知。 一、 估值错位：为什么不能看市盈率 (P/E)？ 散户投资者最容易踩的陷阱，是将公司预期高达 7.87 亿美元的年化净运营收益（NOI）直接等同于净利润，从而算出十几倍的“低估值”。 真相是，NOI 只是项目层面的毛现金流。 CIFR 背负着 72 亿美元的巨额债务，且拥有庞大的重资产结构。在扣除每年约 5.4 亿美元的利息支出和 6.6 亿美元的折旧与摊销（D&A）后，其真实的净利润（Net Income）极大概率为微利或亏损。因此，其远期 P/E 实际上是失效的（N/A）。 正确的估值锚点： 基于当前 85 亿美元的市值和 72 亿美元的债务，CIFR 的远期 EV/EBITDA 约为 20.3x。这恰好落在成熟数据中心 REITs（18x-25x）的公允定价区间内。市场并没有瞎，目前的股价已经完美计价（Priced-in）了那 700 MW 已签约容量的价值。 二、 免费的期权：3.5 GW 剩余管线的终极博弈 CIFR 的总电网容量为 4.2 GW，扣除已定价的 700 MW，公司手里还捏着 3.5 GW 的未签约容量。 如果按远期满产状态保守估算，这 3.5 GW 对应的资产终极价值可能高达数百亿美元。但在当前的市值中，这部分资产几乎被定价为零。这种极端的折价，反映了基建投产的“地狱级”门槛。 要把这 3.5 GW 变为摇钱树，CIFR 必须跨越三座大山： 并网监管： 突破 ERCOT 等电网极其拥堵的审批批次（Batch Process）。 供应链窒息： 抢夺交货周期长达 3-4 年的高压变压器。 天量 CapEx： 筹集 350 亿至 500 亿美元的建设资金。 三、 租不如造？大厂为何甘做“冤大头” 面对上述天量资金和复杂工程，AWS、Google 等云巨头为何不绕开 CIFR，自己去德州拿地建厂以节省成本？ 核心答案只有一个：算力竞赛中，时间比资本贵得多。 科技巨头如果从零开始排队拿地并网，至少需要再等 3-5 年，这意味着在下一代 LLM 军备竞赛中直接出局。通过向 CIFR 支付高额的租金溢价，巨头们买到的是“即刻投产的确定性”。同时，将基建重资产外包，也让云厂商得以将宝贵的现金流（CapEx）全部倾注于采购昂贵的 AI 芯片，实现表外融资和工程风险转移。 四、 终极 确认：合同带来的财务杠杆跃迁 CIFR 最核心的质变，并非挖到了多少比特币或建了多大的厂房，而是其资产负债表性质的彻底洗白。 拿到科技巨头长达 15 年的不可撤销合同，相当于获得了 AAA 级的信用背书。这将使 CIFR： 从高息的“矿企垃圾债”市场，跃迁至低息的投资级项目融资（Project Finance）市场。 资本成本（WACC）的大幅下行和贷款比例（LTV）的显著提升。 总结： 对于量化追踪和事件驱动型交易而言，CIFR 后续的“Alpha 催化剂”非常清晰：不再是电价的微调，而是能否顺利获得更低成本的银团循环信贷，以及能否将手中的 3.5 GW 管线分批转化为新的大厂长协。每一次融资成本的下降，都是直接增厚股东价值的纯粹收益。 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

一名 Spotify 的普通员工揭露了数百人正在使用的致富方案：无需唱片公司，无需巡演，也无需任何音乐教育，每月即可赚取 5,000 至 30,000 美元。只需订阅 10 美元的 Suno，输入一段文本提示词——30 秒内即可生成一首完整的曲目。每年只需支付 23 美元的 DistroKid 费用，即可将其上传至 Spotify、Apple Music 以及其他 150 个平台。版税会在你睡觉时随着每一次播放而自动入账。 Telisha Jones 就是从零开始做到这一点的。她的曲目获得了 1,300 万次流媒体播放，登上了 Billboard 福音音乐排行榜第三名，并签署了一份价值 300 万美元的合约。在试听时，她甚至从未打开过摄像头。 Reddit 上的一位匿名创作者通过包含 80 首 Lo-fi 和冥想曲目的曲库，每月赚取 5,000 美元。另一位创作者仅靠睡眠音乐和学习歌单，在四个月内赚取了 30,000 美元。 在 Spotify 上，靠 AI 流行乐是无法获胜的。真正的商机在于那些音乐人不愿涉足的领域——睡眠音乐、冥想音乐、专注歌单。人们会连续数小时播放这些音乐，而版税会随着每一次播放而不断累积。

用于在 Polymarket 上进行交易的 6 个 GitHub 仓库 - 全部完全免费 1. Firecrawl：即时抓取任何网站并将其转换为可供分析的整洁、结构化数据 2. TradingAgents：从零开始构建你自己的全自动交易系统 - 无上限 3. Tavily MCP Server：直接接入你交易设置的强大搜索模块 4. n8n：过滤并整理新闻推送，让你能做出更明智的交易决策 5. Prediction-market-backtesting：在投入真金白银之前，在真实的 Polymarket 和 Kalshi 数据上测试你的交易策略 6. Pydantic AI：用于构建真正稳健的生产级交易机器人的即用型框架