与「只見工業所」相关的搜索结果

夏爾特、李伊，你們欠全球 BitMart 用戶跟員工一個交代。@sheldonbitmart @BitMartExchange 到現在還是一堆用戶領不回自己的錢，一堆員工連最後一個月的薪水、該拿的補償都沒拿到。 這不是丟一句「停止營運」就可以當作沒事的商業糾紛。 對很多普通用戶來說，鎖在 BitMart 裡的可能是一輩子、甚至十幾年的積蓄；對基層員工來講，被欠的就是房租、家裡的開銷，甚至是下個月的生活費。 但到了今天，我們等到的依然不是完整的資產說明、不是透明的償還計畫，而是一個接一個沒有答案的問題。 夏爾特，還有你的伴侶李伊，我們正式要求在 8 月 19 號以前，公開回答下面幾件事。 一、BitMart 用戶的錢，到底跑去哪裡了？ 如果 BitMart 到現在還有足夠的資產能 cover 所有用戶餘額，那就拿出可以經過第三方驗證的證據。 公開錢包。 公開資產。 公開負債。 公開實際能動用的儲備金。 不要再用口頭保證。 不要再用那種模糊公告。 拿證據出來講。 二、為什麼一大堆用戶到現在還是不能正常提領？ 是誰決定要限制提領的？ 什麼時候做的決定？ BitMart 管理層到底是從什麼時候開始知道，平台已經沒辦法正常讓用戶把錢領出來？ 而在管理層明明知道有問題的情況下，是不是還繼續鼓勵大家入金、交易，甚至叫用戶把更多資產留在平台？ 這些問題，不能再閃躲。 三、所有跟 BitMart 用戶資產有關的關聯資金，都必須查清楚。 外面已經出現一大堆關於關聯帳戶、關係企業、信託跟其他資金安排的消息跟線索。 我們不會在證據還沒齊全之前，就先給任何人扣上刑事帽子。 但同樣的，任何可能來自 BitMart 用戶資產的錢，不管最後轉到誰的名下，都不能因為換了帳戶、換了公司、換了持有人，就從此不用被追究。 錢流到哪，調查就該跟到哪。 李伊，這邊也有幾個問題需要你本人回答。 你以前在社群平台上公開秀過名錶、名酒、鑽戒、高級飯店還有其他高額消費。 這些消費本身不是罪，也沒有人會因為過得奢華就被定罪。 但現在既然已經出現跟你、夏爾特還有 BitMart 資金有關的疑問，那資金來源就有必要講清楚。 目前也有一些還需要進一步查證的資料指出，跟你有關的 BitMart 帳戶可能曾經持有數千萬美元規模的資產，而且出現分批提領的紀錄。 如果這些紀錄是假的，請公開澄清。 如果帳戶確實存在，請回答： 這些資產是誰的？ 錢從哪裡來？ 為什麼會出現在相關帳戶？ 提領到哪裡去？ 跟 BitMart 用戶資產有沒有任何關係？ 如果完全無關，那就拿出可以驗證的證據把話說清楚。 如果有關，那就該依法追查到底。 四、把員工該拿的薪資跟補償付清。 員工不是股東。 一般員工沒有決定公司資金怎麼管，也沒有決定 BitMart 什麼時候停止營運。 公司出問題，不能到最後讓基層員工來幫管理層的決策擦屁股。 做完的工作，就該給薪水。 該給的補償，就該支付。 這不是施捨，是最基本的責任。 五、8 月 19 號以前，提出一份真正可以執行的用戶償還計畫。 不是一句「請耐心等待」。 不是下一篇公關稿。 更不是沒有時間表的承諾。 我們要知道的是： 剩下多少資產？ 總負債是多少？ 用戶能拿回多少？ 按照什麼順序還？ 什麼時候開始？ 什麼時候完成？ 誰負責監督？ 願不願意接受第三方獨立稽核？ 這些，才是全球 BitMart 用戶真正有權利知道的答案。 ⸻ 8 月 19 號，是我們等你們公開回應的最後期限。 如果到時候還是沒有完整、透明、可驗證的資產說明跟償還計畫，我們會持續依法把現有資料、資金線索跟相關證據，提交給各地執法機關、監管單位、律師還有媒體，要求進一步調查。 我們要追的從來不是任何人的私生活。 我們要追的是： 用戶的錢。 事實的真相。 真正該負責的人。 你們可以關掉一間公司。 可以離開一間辦公室。 甚至可以離開一個國家。 但只要用戶的錢還沒回來，這件事就不會因為一紙公告就結束。 夏爾特、李伊，8 月 19 號以前，請正面回答。 ⸻ 我們也呼籲整個 Web3 產業關注這件事。 BitMart 曾經服務全球大量加密貨幣用戶，也曾經是全球市場有一定影響力的交易平台。 今天，當大量用戶無法正常提領資產、員工還在等該拿的薪水，而平台管理層又沒有給出完整、透明、可驗證的資產跟償還說明時，這已經不只是 BitMart 這一家的問題。 這關乎整個 Web3 產業最基本的信任： 用戶把資產交給交易平台之後，誰來保障他們的權益？ 所以我們公開呼籲業界人士、交易平台、媒體、研究機構還有全球 Web3 社群： 請關注 BitMart 用戶跟員工現在面臨的問題。 如果你們認為中心化交易平台應該對用戶資產負責，請幫忙轉發、引用並關注後續發展。 我們也希望下面這些業界人士跟媒體能看到這件事，並協助推動更多公開、透明跟獨立的調查： @cz_binance @heyibinance @ChandlerGuo @justinsuntron @brian_armstrong @VitalikButerin @wublockchain12 @WuBlockchain @PhyrexNi @JackClawAI @CoinDesk @Cointelegraph @zachxbt @lookonchain @Cointelegraph @PANewsCN @OdailyChina @BlockBeatsAsia @Joes__Crypto @binance @okx @Bybit_Official @coinbase @bitget @Gate @MEXC @kucoincom 我們不要求任何人預先相信哪一邊。 我們只要求一件事： 讓證據被看見。 讓資金流向被查清楚。 讓用戶知道自己的錢在哪裡。 讓員工拿回自己應得的薪水。 如果 BitMart 核心管理層覺得上面這些問題有誤解，也完全可以用公開、可驗證的證據一個一個回答。 真相不該害怕公開透明的追問。 請轉發這篇公開問責聲明，讓更多 BitMart 用戶、員工跟 Web3 社群看到。 #BitMart# #BitMartUsers# #BitMartEmployees# #Crypto# #Web3#

拥抱泡沫＝拥抱争议 投资 crypto 的黄金窗口，恰是它争议最大的那几年。 当它还被视为“投机工具”和“监管灰区”时，多数人看到的是风险，少数人看到的，却是一个尚未被主流定价的新网络。 类似的故事并不少见： ▌iPhone 刚问世时，许多人认为手机只能用于通信，小屏幕不可能取代 PC ▌电动车长期被质疑续航短、成本高、补能难，特斯拉也一度被视为资本游戏 争议越大，认知差往往越大。等共识形成、叙事被证明正确，不对称机会通常已经所剩无几。 1/ 下一场争议：机器人 如今分歧最大的行业之一，是具身智能/机器人。 看多者认为，它将引发下一场劳动力革命；看空者则认为，这只是靠 PPT 造富的工业版共享单车。 质疑并非毫无根据： 硬件和维护成本高 人形未必是最优工程方案 高质量真实数据极度稀缺 应用场景分散，付费意愿有限 这些问题都指向同一个核心：物理世界的摩擦。 语言模型可以从互联网学习文本和图像，机器人却必须学习如何行动。 它不只要认出一只杯子，还要判断从哪儿抓、用多大力、怎么避开障碍、如何稳稳放下。一旦抓空、打滑，或者物体位置和预期不符，它还得知道怎么纠错。 这类数据，比互联网上的文本稀缺太多了。 2/ 机器人缺的不是故事，而是数据 具身智能行业正卡在一个明显的矛盾里。 一边，硬件、传感器、算力和模型都在飞速进步； 另一边，能让机器人在真实世界中泛化的数据，依然昂贵、缓慢、稀缺。 传统的数据采集高度依赖封闭实验室：搭建场景 → 安排操作员 → 遥控真机 → 工程师清洗、标注、训练。 这套模式的问题一目了然： ▌速度慢、成本高 ▌场景覆盖有限 ▌难以处理真实世界的大量长尾情况 ▌数据供给很难跟上模型迭代速度 所以行业真正的瓶颈，也许从来不是能不能造出机器人，而是能否以足够低的成本、足够快的速度，持续生产出让机器人变聪明的数据？ 这正是 @axisrobotics 的切入点。 3/ Axis Robotics：不造机器人，生产机器人数据 Axis Robotics 没有把重点放在再造一台人形机器人，而是选择了产业链中更基础、也更难规模化的一层：机器人训练数据。 它的路径分三步。 第一步：用浏览器，把仿真数据做成规模生意 用户不需要任何硬件，打开浏览器就能远程操作一台仿真机械臂，完成拿杯子、分拣物品、打开抽屉等任务。 每一次操作都会留下一条完整轨迹——关节状态、物体位姿、控制动作、任务元数据等，可直接用于基础策略的预训练。 第二步：用人工纠错，采集高价值的后训练数据 当策略开始自主执行任务时，人类只需在一旁监督。模型一出错，操作员立刻接管、纠正，然后把控制权交还给模型。 第三步：用手机，补上真实世界的那一块 手机可以捕捉第一人称的空间与动作信息，把日常人类行为直接转化为机器人可学习的样本，填补仿真难以覆盖的真实分布。 后台会对轨迹做回放、验证与清洗，再通过 Isaac Sim 扩展为大规模、照片级、域随机化的训练样本，用于训练泛化能力更强的模仿学习策略。 4/ 结语 具身智能能否像市场期待的那样快速落地，仍是未知数。但有一件事正在变得越来越清晰： 如果物理 AI 真正进入现实世界，数据将是无法绕过的基础设施。 Axis Robotics 传送 -

也是时候调整自己了，生活还是要向前看，让时间消化一切吧☀️ 今天偶然间在 pyq 看见这张图，提供了一个跟目前的主流声音截然不同，却更能精准对标现在 AI 周期所处的位置，有点启发 确实越想越觉得，AI 产业里很多我们原本「看不懂」的东西，一旦套到房地产的商业模式上，反而会变得异常清晰 🟨融资工具的进化，是 AI 周期能否持续的关键 房地产行业之所以能延续二十年长周期，本质上并不是因为开发商们自己多有钱，而是因为围绕着房地产，长出了一整套多层次、多期限、低成本的融资体系 ➡️通过银行贷款支持拿地 ➡️通过开发贷支持建设 ➡️信托和地产基金参与股权投资 ➡️商业地产可以做 REITs 退出 ➡️最后，甚至连购房按揭都可以变成一个长达三十年的金融工具 如果没有这整套的融资体系，再厉害的开发商也撑不过一轮周期 而现在的 AI 产业，最缺的就是这套体系 今天的大科技公司，本质上都是在用自己的信用、自己的现金流、自己的股票做融资担保 谷歌、Meta、亚马逊、微软这些巨头，即便账上现金再多，也不可能实现无限扩张 他们迟早需要把手里那几千亿美元的 AI 基础设施，打包成可以被外部资金持有的资产 这条路其实已经开始出现苗头了 CoreWeave、Lambda、Nebius 这些独立算力供应商的兴起，本质上就是「专业开发商」在崛起 他们用私募基金的钱建设数据中心，签长期租约给大模型公司，再把这些数据中心打包融资 相信未来几年里，我们将一定会看到： AI 数据中心 REITs、AI 算力基金、GPU 租赁资产证券化、算力收益权凭证这些金融工具的陆续出现 甚至，主权基金、养老金、保险资金这些长期资本，也会慢慢成为 AI 基建最重要的资金来源，就像当年的保险公司就是地产行业最大的长期资金一样 可以预见，谁能先把 AI 资产的证券化、标准化、可交易化这条路打通，谁就掌握了下一个十年的金融话语权 这也是为什么英伟达已经开始自己下场做投资、做生态、做长期客户绑定 GPU 厂商正在变成「卖地+放贷+做物业」的三合一角色 🟨AI 时代的「土地」，是电力、是冷却、是不动产 曾经，房地产开发商最关心的是什么来着？ 不是房价，是地段 而地段的核心是什么？是稀缺资源 AI 时代的稀缺资源并不是硅片 真正的稀缺资源是电力、冷却水源、网络枢纽位置、政府的审批牌照，是当地电网的承载能力 GPU 可以每年迭代，而变电站的审批和建设周期是 5-7 年，核电就更狠了，一座新核电站从规划到投产要 10-15 年 将来谁手里有电力指标，谁就是手里有未出让土地的开发商 马斯克把 xAI 的最大数据中心放在孟菲斯，是因为那里有田纳西河流域管理局提供的廉价电力 亚马逊 AWS 在弗吉尼亚北部的疯狂扩张，是因为那里既有便宜的水电，又有美国东海岸最大的人口聚集区 微软重启三里岛核电站，是因为这将提供稳定、低碳、24 小时运转的基载电力，而这，才是数据中心最稀缺的「土地」 未来十年里，AI 产业的「拿地」大战，本质上是一场关于电力、冷却资源、网络时延的战争 甚至，连地理位置都会分层： 一线数据中心会建在能源富集区 二线数据中心会建在用户密集区 边缘计算节点嵌入到每一座城市 这种分层结构，是不是有熟悉的感觉了，几乎和城市核心区、郊区、卫星城的房地产分层逻辑一模一样 🟨周期是逃不掉的，房地产的教训 AI 行业必须早学 房地产行业最伟大的智慧 —— 是周期 涨多了会跌，跌多了会救，救完又会涨，涨完又会跌 二十年来，央行、政府、开发商、购房者都在与这个周期共舞 如今的 AI 产业也不能例外 现在很多人以为 AI 是没有周期的，会一直涨下去，这是一个非常危险的错觉 GPU 会换代，大模型会过时，数据中心会折旧，客户会流失，利率会上升，资本开支会放缓 当全球大科技公司的资本开支增速开始见顶的那一天，AI 产业链的上游会最先感受到寒意 就像房地产周期里，工程机械、水泥、玻璃这些上游周期股，永远是周期最敏感的方向 未来几年里，AI 产业链里最大的风险不是模型的能力不够强，而会是产能的过剩 当所有大科技公司都建好了足够多的数据中心 当所有大模型公司都签了足够多的算力合约 当英伟达一年能卖出几千万颗 GPU 需求端只要稍微放缓一个季度，整个产业链就会进入库存调整期 这个时候，能活下来的公司只会有两类： 一类是成本最低的全产业链龙头 一类是绑定了长期需求的服务商 这就是为什么众多云计算厂商（AWS、Azure、GCP）一旦建成，就是他们自身最强的护城河 就像真正穿越房地产周期的，不是开发商，而是那些采取收租模式的物业公司 🟨折旧与「拆迁」，是这个 AI 时代最被低估的风险 房地产行业有着一个很重要的特征：房子很难过时 一栋楼一旦盖好，可以用 50 年、70 年，即使户型过时了，只要地段还在，主结构还在，折旧相对都是可控的 但反观 AI 基础设施的折旧速度，会比房地产快上几十倍 H100 还没大规模铺开的时候，H200 就来了，Blackwell 还没交付多久，Rubin 又在路上了 每一代 GPU 的性能提升，都是对上一代资产的「功能性报废」 这就相当于在地产周期里，房子盖好两年就要被强制拆迁 这种「技术性折旧」才是 AI 时代最大的资本风险，投出去的成本还没收回来就不能用了 英伟达之所以能一直维持这么高的估值，本质上不是因为它卖了多少 GPU 给众多 AI 公司，而是因为通过 CUDA 生态，能把所有客户都锁死在它的折旧节奏上 客户用得越深，迁移成本就越高，英伟达的护城河也就越深 这就是为什么英伟达毛利率可以维持在 75% 以上，本质上，这已经不是一家卖产品的芯片公司了，而是一家「AI 时代的房地产收租公司」 同理，AMD、博通、Marvell 这些公司如果想挑战英伟达，核心也不是堆算力，而是要建立自己的生态 没有生态的算力，就相当于过去空置的写字楼 🟨需求侧：AI 不是为了「住人」，是为了「生产」 「房地产满足的是居住需求，AI 满足的是生产力需求」 这是 AI 和地产最大的区别，同样也是 AI 最大的希望 居住需求是有上限的，毕竟一个人只能住一套房子，而生产力的需求没有上限，只要有真实的效率提升，一个企业可以无限叠加 AI 能力 如果 AI 能持续提升企业的利润率，提升整个社会的产出效率，那么这场算力建设周期的天花板，就会比房地产高得多 这也是为什么我虽然对短期 AI 资本开支的泡沫保持着高度警惕，但对 AI 产业的中长期需求充满信心 关键变量是 —— AI 创造的价值，能不能持续大于 AI 消耗的算力成本 如果答案是肯定的，那么这场建设周期还可以持续 20 年，甚至 30 年 如果答案是 no，那么今天所有的数据中心、所有的 GPU、所有的资本开支，都会变成明天的折旧负担 应用层跟得上，就是又一个黄金十年，应用层跟不上，就是下一个日本 90 年代拉开序幕 这个问题的答案，就不是任何一家公司能单独回答的了，它需要整个产业去回答 🟨回到投资：谁是这个时代的「卖铲子的人」？ 如果整个 AI 周期是真实存在的 如果「卖铲子」的逻辑是持续成立的 如果应用层真的是会爆发的 那么未来十年，最值得长期持有的标的，就不一定是模型公司和云厂商了 而是那些在产业链中游、无法被绕开的「材料和工具」供应商 GPU 厂商们是显而易见的，但真正被低估的，会是那些不起眼的基础设施供应商： 电力设备公司、冷却系统公司、光模块公司、高速互联公司、机柜结构件公司、电源管理公司 这些公司会像房地产周期里卖水泥、卖钢筋、卖防水材料的公司 他们的题材不性感，上不了台面儿，不会轻易被媒体讨论 但他们的现金流稳定，毛利率可控，订单可见性极强 每一次新的数据中心开工，他们都会是最先拿到订单的 每一次数据中心的交付，他们都是最先收到回款的 他们才是这个 AI 时代的「隐形收租人」 如同上个房地产周期里一样 🟨最后 —— 一个或许不一样的结尾 相比一个互联网行业故事的重复，这次的 AI 或许是更贴近地产行业的故事 如果用互联网的思维去理解 AI，会持续高估软件、低估基建 而用房地产的思维理解 AI，相信至少在未来 3-5 年的时间维度下，会更接近真相 但也要指出，不同的是，AI 的需求侧可能会是下一场工业革命级别的叙事 这就意味着，AI 产业既会有房地产式的周期波动，同时也会有工业革命式的长期红利 作为聪明的投资者，我们应该做的是： 在房地产式的周期里，找到工业革命式的长期赢家 周期是逃不掉的，但长期趋势，更是挡不住的 我们这代人，正在见证的，可能就是人类有史以来最大的一次算力建设周期，也是最大的一次生产工具革命 潮水最终会退去 但这次 潮水退去之后留下的 会是一个完全不同的世界吧 #AI#

今天和韩国投资博主 @blazingbees 在评论区聊了很久，加上前几天微信向李哥 @hazenlee 请教了关于A股的一些问题，很有感触，喝了二两白的，写下了这篇 中国和韩国其实走的是同一条路 过去二十多年，两国老百姓最认可的投资品 不是股票，而是房子。 韩国人信房地产 中国人也信房地产 因为房地产真的给过大家回报 中国1998年住房市场化改革之后，全国房地产开启了长达二十多年的超级牛市，从1998年到2021年，整整23年 很多城市房价上涨了十倍、几十倍 在那个时代，买房是理财 炒房甚至不是贬义词 一个家庭最成功的投资，往往就是买了一套房 股市反而成为反面教材 A股3000点横盘十几年 老百姓提起股票想到的是： 割韭菜、赌场、投机 谁家有人是在炒股的 大家就会觉得这个人不务正业 而提起房子想到的是： 财富、增值、阶层跃迁。 韩国其实也差不多 KOSPI长期在2000点附近震荡。 韩国人把大量财富配置到房地产 首尔房价一路上涨 很多韩国年轻人甚至认为： 股票是赌博，房子才是投资 但最近几年，事情开始变了 韩国股市创出新高后，大量居民资金重新流向股市 年轻人开始开户，资金开始从房产流向权益资产 这背后其实不是韩国人突然变聪明了。 而是一个时代结束了 房地产时代结束了 股权时代开始了 很多人觉得中国人不爱投资股票 其实恰恰相反，中国人是全世界风险偏好最高的投资者，说的直接点，中国人是全世界赌性最强的种族 从2007年全民炒股到2015年全民加杠杆配资 基金热、可转债热、新能源热、量化热 甚至加密货币、黄金、期货 哪里有赚钱效应，中国人就会出现在哪里。 中国人从来不缺赌性，缺的是赚钱效应 而今天，中国正在站在一个时代切换的节点 房地产时代没有结束 但房地产的黄金时代已经结束 未来北京、上海、深圳等核心区域的优质房产，大概率仍然会像东京核心区、首尔江南区一样继续上涨 因为稀缺资产永远稀缺 但是 未来大多数房产很难再复制过去二十年那种几十倍的财富神话，因为人口、城镇化、住房存量等因素已经发生变化 未来房地产更像是保值资产 而不是创造巨大财富增量的资产 真正的增量财富，更可能来自股权 因为未来最值钱的，不再是谁拥有更多土地 而是谁拥有最优秀的企业 很多人没有意识到： 中国真正被低估的，不只是股市 而是中国金融资产本身 过去这两年，证监会一直在强调建设金融大国、金融强国 从注册制改革，到养老金入市，到长期资金入市，到推动居民财富向权益市场转移 背后其实都指向同一个目标： 让资本市场承担资源配置和财富增长的功能 作为全球第二大经济体 中国拥有全球最完整的工业体系 全球最大的制造业规模 全球领先的新能源产业链 全球领先的电动车产业链 全球最大的消费市场之一 以及正在快速崛起的AI和机器人产业 如果只看产业实力 今天的中国资本市场，和市场给予它的估值水平之间， 存在非常明显的落差 而这种落差存在很多原因 有过去房地产长期吸走居民资金的原因。 有市场长期缺乏赚钱效应的原因。 有以美国为首的国际资本持续看空中国资产的原因。 也有IPO、再融资、减持等供给压力长期存在的原因。 这些因素共同压制了市场估值。 但市场最有趣的地方就在于： 价格不可能永远背离基本面 当一个国家拥有越来越强的产业竞争力 越来越多的科技企业 越来越大的经济体量 最终一定需要一个与之匹配的资本市场 韩国曾经如此。 日本曾经如此。 美国更是如此。 所以我越来越觉得： 未来二十年，中国最重要的资产逻辑 很可能会从土地时代逐渐转向股权时代。 房子负责保值 股权负责增值 核心地段房产依然重要 但真正能够分享中国科技进步、产业升级、金融强国红利的人，最终一定是企业股东，而不是土地持有者。 很多人觉得中国人不喜欢股票 我不这么认为，国人只是太久没有见过向2008年那样真正的大牛市了 如果未来A股持续上涨三五年 如果赚钱效应不断积累 如果居民财富开始从房地产逐渐流向权益资产 那么今天很多认为自己永远不会买股票的人 未来也会像今天的韩国散户一样 重新坐回交易桌前 因为人们追逐的从来不是房子 也不是股票 而是财富增长本身 感兴趣的，看我这篇 属于房地产的时代已经写进历史 而属于股权的时代，才刚刚开始

美股新手应该如何选择投资标的？（1） 今天刷推，看到 @nini_incrypto_ 说了句：短期投资看特朗普，长期投资看黄仁勋。我觉得这话特别精辟，新手甚至可以直接照着抄作业。 那这篇就从这儿聊起，说说怎么挑标的。先看特朗普的持仓。他这级别的持仓其实很好盯，有不少网站和工具能查到特朗普家族甚至白宫官员的买卖记录： 1. 这是个 OGE 278-T 信息披露工具，数据截止到 2026 年 5 月 8 日，覆盖了 2026 年第一季度（1-3 月）的所有交易。每笔交易都按公司、证券类型、行业和估值范围分类。点开公司名还能看到完整交易历史和近期的政策动态。 2. 和 这俩能查白宫一堆重要官员的持仓，包括总统、副总统、财长、防长等等。可以翻翻看哪些股票被重复持仓最多。 上面这三个站基本能把美国主要政策制定者的投资偏好覆盖全了。 再说黄仁勋。自从他中午提了一嘴 $MRVL，这只股票夜盘直接拉涨 30%。这就是英伟达老板的喊单能力。那有没有可以直接抄的标的呢？答案就藏在英伟达推的 DSX AI 工程生态链里。NVIDIA DSX 生态包含：GPU、网络、存储、机柜、软件、数字孪生、供配电、冷却、施工、云服务商等等。其中部分已经上市，我列出来了： AI 云： - CoreWeave：专注 AI 和高性能计算的云服务商，代码 CRWV - AWS（亚马逊旗下），代码 AMZN - 三菱（Mitsubishi Electric），电子和工业自动化跟 AI 工厂搭边，代码 6503.T (这种都是东京交易所，下同） - 丰田，代码 7203.T - 软银，代码 9984.T AI 工厂软件： - Red Hat（母公司 IBM），代码 IBM - SUSE，代码 设计与建设: - 楷登电子（Cadence），代码 CDNS - 西门子，代码 或 SIEGY - PTC，代码 PTC 能源与冷却: - ABB，代码 ABBN.SW 或 ABBV - 卡特彼勒，代码 CAT - GE Vernova，代码 GEV - 日立，代码 6501.T - 三菱（同上），6503.T - National Grid，代码 NG.L 或 NGG - 施耐德电气，代码 或 SBGSY - Trane Technologies，代码 TT 基础设施与设施: - Eaton，代码 ETN - Equinix，代码 EQIX 计算系统: - 华硕，代码 - 戴尔，代码 DELL - 富士康，代码 或 HKG:2038 - 技嘉，代码 - HPE，代码 HPE - 联想，代码 或 LNVGY - 超微电脑，代码 SMCI 最后建议一下，抄作业的时候可以顺手用点 AI 工具辅助了解一下标的，省得自己瞎翻。 我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

长鑫存储的材料与耗材供应链全景 昨天讲了长鑫的设备供应链，今天讲另一半的材料和耗材。这一块的国产化进度比设备端要快一截，但内部分化也更剧烈。长鑫2024年LPDDR系列占主营收入82.74%，材料消耗结构跟Mobile和AI需求节奏强相关。招股书披露2024年六大类原材料采购合计约114.7亿元（主要原材料采购金额121.9亿元），2025年上半年61.45亿元。六大品类结构是化学品37.29%、备件及其他约34.69%、光阻剂12.16%、硅片8.55%、气体5.10%、靶材2.21%。化学品从2022年的27.49%一路升到37.29%，已经超过备件成为第一大头，既来自DDR5迭代后湿法和ALD消耗量放大，也来自产能建设期备件采购前置完成后的镜像效应。按2026年Q1的业绩以及历史数据推测，全年材料采购规模冲到270亿以上是大概率。 一个品类一个品类看。 化学品占了近38%，是国产替代弹性最大的一格。湿电子化学品方面，晶瑞电材向长鑫供应高纯双氧水、硫酸、氨水、异丙醇、盐酸、硝酸、NMP等全品类，年出货量数千吨，核心产品已全面实现国产替代（晶瑞同时也是国内i线光刻胶龙头，见光阻剂段）。格林达是国内半导体显影液隐形冠军，国内唯一实现SEMI G5级TMAH显影液量产，已供应长鑫。江化微是国内湿电子化学品龙头，江阴本部产能9万吨/年，三大基地全部建成后总产能将超30万吨。CMP抛光液方面安集科技是绝对龙头，2024年抛光液营收15.5亿元，国内市占率约70%、全球约10-11%。CMP抛光垫方面鼎龙股份国内市占率超70%，在长江存储供应链中占主导地位，与长存共建联合实验室开展抛光垫底层技术攻关，CMP抛光垫2025年收入10.91亿元同比增长52.34%。ALD/CVD前驱体方面，雅克科技是国产龙头，已进合肥长鑫和长江存储。据产业链消息，安德科铭也值得关注，长鑫科技全资持股的长鑫芯聚2025年10月入股了这家公司，同时它本身就是长鑫的重要材料供应商，2024年自研High-K前驱体批量供货，2025年铜陵基地营收2.39亿元，形成210吨/年高纯前驱体产能，7款产品转量产。产业资本反向绑定材料厂的玩法在前道材料里很罕见，意味着高k前驱体已经被长鑫定性为战略环节亲自拉国产替代。化学品单价指数从2022年的100跌到2025上半年的77.90，过去三年累计跌22%。景气回升直接传导的是采购量而非单价，单价反弹要看上游化工大宗品走势，但量价叠加后化学品这一格的总采购额弹性最大。 备件及其他占近35%，是设备零部件耗材，包括反应腔体、石英件、密封圈、靶材辅件、传输部件等。单价跟着半导体大宗品价格剧烈波动，2024年单价指数升到156.53涨了56%，2025上半年骤降到97.29已经低于2022年水平。国产标的集中在石英件和密封件，菲利华是石英玻璃龙头，半导体级石英玻璃已用于多家头部晶圆厂。新莱应材在密封件和洁净管路国产替代上走得比较深。备件供应商集中度最高，2024年前五大供应商里有三家是备件供应商，合计占比超过19%。 光阻剂占12.16%，是材料端分层最严重的一格。i线光刻胶用于非关键层，晶瑞电材多年国内市占率第一，已批量供货长鑫，国产化率约10%。KrF已经跑通，晶瑞电材批量供合肥长鑫和中芯国际，彤程新材旗下科华微电子是国内唯一为本土8寸和12寸晶圆厂批量供应KrF的企业，上海新阳的KrF也实现批量销售。ArF还在爬坡，南大光电现有ArF光刻胶产能50吨/年，28纳米ArF已小批量供货（2025年销售额突破2千万元），14纳米浸没式良率达99.7%。市场流传的宁波500吨/年扩产项目公司称未实施，需谨慎对待。彤程新材的ArF/ArFi已开始批量供货。鼎龙股份的浸没式ArF获得了客户订单。上海新阳的ArF浸没式光刻胶也已取得销售订单。ArF国产化率从接近零开始破冰，已有少量供货，但离摆脱日本依赖还远。2025年日本对华光刻胶供应配额削减10-15%，年底部分日企暂停供货，倒逼效应明显。光刻胶的天花板跟光刻机一样硬，没有先进光刻机进入国内，先进光刻胶就没有真实的量产验证机会。国产ArF再好，也只能在长鑫这种被限制在DUV阶段的产线上跑。EUV光刻胶目前为零，上海新阳在开发但离量产很远。 硅片占比8.55%，是六大类里2025年下半年加仓最明显的一项。2025上半年占比一度跌到6.27%，全年回升到8.55%，反映下半年长鑫主动加大硅片备货，对应DRAM价格快速上涨之后产能爬坡和战略备库存的双重逻辑。国内主供是沪硅产业，2025年300mm硅片销量641.63万片，存储是其主要应用领域之一。立昂微12英寸硅片覆盖14纳米以上节点存储电路，进入部分存储客户供应链。海外端长鑫还在依赖信越、SUMCO、环球晶圆、Siltronic。对比长江存储已经大幅减少SUMCO采购转向国产，长鑫硅片国产化方向是定的，但完整切换还需要两到三年。 气体这一格要单独看。招股书披露的"气体"采购占5.10%，但有明确注释"气体不含大宗气体耗用"。也就是说5.10%只是工艺特气和电子特气，氮氢氧氩等大宗气体走的是另一条单独的供应通道。这条通道的国产化反而走得最彻底。广钢气体是长鑫最大的电子大宗气体供应商，双方签了15年长期供气协议，覆盖合肥和北京两座基地，2025上半年广钢在长鑫的采购占比40%到45%。15年长协在半导体材料端非常罕见，本身就是国产化已经走通的强信号。工艺特气这边，华特气体的光刻气国内市占率60%，全球四家通过ASML和Gigaphoton双重认证的企业之一。中船特气是国内电子特气第一、全球第九，2002年就突破了三氟化氮的国外垄断。金宏气体补充中端品类。气体单价指数从100跌到62.29，跌幅38%。单价跟上游工业气体成本走，但采购量跟着长鑫投片量走，量的弹性确定性最高。 靶材只占2.21%，但国产替代故事最完整。江丰电子覆盖铝、钛、钽、铜、钨全系列，钽/钛/铝靶已实现5纳米节点量产，部分产品进入3纳米工艺验证。有研新材旗下有研亿金是央企背景的第二供应商，稀土靶材全球市占超85%。这个环节国产化率已经在60%以上，对长鑫扩产的弹性主要体现在订单放量而不是国产突破。 掩模版是跟ArF光刻胶并列的另一个薄弱点。先进节点一套掩模版成本数百万美元，长鑫用的高端掩模版大概率仍由美国Photronics和日本Toppan、DNP供应，国产化率极低。 封测基本实现国产化。深科技旗下沛顿科技是长鑫最大的委外封测供应商，承接其超50%的封测需求，处理17纳米及以下先进制程。长电科技提供DRAM模组封装，通富微电配合开发HBM芯片样品。盛合晶微、华天科技也有布局。 HBM封装材料是新增量。招股书披露的原材料结构主要对应前道晶圆制造，HBM后段封装材料是2026到2027年才放量的新故事，对应长鑫上海HBM后段封装厂2026年底投产。华海诚科的颗粒状环氧塑封料（GMC）已通过客户验证处于送样阶段，芯片级底填胶已完成验证正在量产准备。联瑞新材配套供应HBM封装用GMC所需的球硅和Low α球铝。弹性最大但兑现要等长鑫上海后段厂投产。 招股书提及4F²等新型工艺架构是未来方向，业内公认对应VCAT垂直沟道访问晶体管路径。这意味着2027年以后的G6、G7工艺会带来新的材料需求，垂直沟道和堆叠结构对ALD前驱体、高深宽比刻蚀气体的依赖会进一步加深，雅克科技、安德科铭、华特气体这类公司的长期成长性会被进一步打开。 整体看材料端国产化进度领先设备端一个身位，但各品类差异很大。电子大宗气体（广钢主导超50%）、CMP抛光垫（鼎龙国内超70%）、靶材（江丰国内12寸超70%）已在50%以上。湿电子化学品和工艺特气在30-50%区间。前驱体尤其高k仍在20-30%。光刻胶和掩模版的国产化跟着光刻机天花板走，要等上游设备突破。HBM封装材料是2026到2027年才开始放量的新增量。基本面上可以满足量产需求，但顶层精细化学品和光刻胶仍依赖进口。 设备一次性资本开支属性强，材料是经常性采购。长鑫Q1单季营收508亿，2026年H1指引1100到1200亿，材料采购盘子冲到2026年270亿以上是大概率。这部分订单不需要等扩产完成，每多开一片晶圆就立刻转化成材料厂的收入。对广钢气体、安集科技、鼎龙股份、雅克科技、华特气体、江丰电子、格林达、晶瑞电材、沪硅产业这一批公司，长鑫扩产的传导比设备厂商更快，也更持续。

卧槽！真心强烈推荐所有人，不管你是刚毕业的大学生，还是已经在职场摸爬滚打的打工人，只要你想在未来的AI大洗牌中不被淘汰、甚至抓住时代级红利，都去狠狠刷一遍英伟达CEO黄仁勋在卡内基梅隆大学最新的18分钟超神毕业演讲！ 他直接把未来十年普通人如何跨越技术鸿沟、如何吃到AI底层红利的真实演化路径彻底讲透了！ 这绝对是降维打击级别的认知。内容深度直接拉满，它根本不是空洞的名人鸡汤，而是用英伟达30年生死存亡换来的四重顶级实操干货： 1. 撕下失败滤镜，把耻辱爆改为翻盘筹码 别再搞什么“失败是成功之母”的虚词。他自爆当年公司濒临破产，亲自飞到日本低声下气求世嘉CEO高抬贵手支付尾款，才勉强保住英伟达一命。在真实残酷的商业世界里，每一次惨败和被逼到绝境的屈辱，本质上都是给你重新发牌、塑造抗风险能力的终极筹码。 2. 终结代码霸权，抢占“人人皆为开发者”的红利 过去60年靠手敲代码的计算范式已经被彻底锤爆！人类写软件的时代结束了，AI让计算从“死板执行”变成了“理解与推理”。不管是街边开杂货铺的老板还是搞装修的木匠，只要你会提需求，AI直接替你干活。极少数人的技术壁垒被强行踏平，普通人直接利用AI变现的基建已经搭好。 3. 降维押注物理世界，爆赚万亿“再工业化”狂潮 别以为AI只是互联网大厂在虚拟世界里的代码游戏！黄仁勋极其敏锐地指出，支撑AI的将是人类史上最大规模的物理基础设施重建。建芯片厂、铺数据中心、疯狂爆改传统电网！这不仅是一线大厂的狂欢，更是直接喂到电工、水管工、钢铁工人和建筑商嘴里的超级造富时代，现实世界的产业重塑才是最大的金矿。 4. 看透失业真相，用AI实现降维平替 天天焦虑AI抢饭碗？他一针见血地定调：AI根本不会取代你，但“一个比你更会用AI的人”绝对会把你踢出局！AI不会消灭人类的岗位目的，只会无限放大个人的单兵作战能力。你现在的唯一任务，就是疯狂装备AI，去碾压、去平替那些还在原地踏步的同行。 连很多科技圈和投资界的大佬看完都觉得头皮发麻。别再整天碎片化刷短视频浪费时间了，赶紧先点赞收藏存下来，抽个18分钟静下心完整看一遍。 看完你绝对会瞬间清醒，彻底弄懂怎么在这场史诗级的技术革命里抢占先机，绝对是你这周回报率最高、最颠覆认知的一次学习！

1、稳态被打破，一定会有新的稳态诞生。新稳态的必然性，是人类社会发展的规律，这符合经济史上的“创造性破坏”（creativedestruction）理论。技术变革摧毁旧结构，但释放资源创新新平衡。例如农业机械化取代农民，却催生城市化和现代服务业。AI可能类似：解放“双手和大脑”后，人类转向高价值活动、高情绪活动。 2、人们只看到失业和混乱，而忽略了长远创新如火车、飞机带来的繁荣如太空基础设施（利用AI降低发射成本、优化计算）、生物永生研究（AI加速药物发现）。工业革命初期（18-19世纪），蒸汽机确实引发大规模失业（如纺织工人抗议），社会动荡（如卢德派破坏机器），但最终推动了生产力爆炸。从蒸汽到电力，再到铁路、汽车、飞机，这些创新创造了新产业、新职位（如工程师、飞行员），整体提升了人类福祉。历史数据显示，技术革命虽延迟显现效益（如蒸汽机需数十年才显著提升生产力），但总带来净正面：例如，数字革命（计算机、互联网）初期也担忧失业，却创造了软件开发、电商等百万职位。 当前AI发展（如代理工具、生成模型）正重演这一模式：2025-2026年已见生产力提升，创业门槛降低（AI工具让启动成本降70-80%），新企业涌现，新的职位也会诞生。而且让个体的能力和效率得到了极大地提升和扩展。 3、AI对就业岗位的冲击，本质是对人类生产属性的挤压。人类需要对自己的功能再定位，当人不主要负责生产甚至不需要生产时，“有用”将变得廉价，人类的稀缺性将转向有趣：生产属性压缩 → 分配结构重构 → 消费属性释放 →人类价值重估。 如果人类劳动时间下降，空闲时间上升，人们会把时间投入到娱乐、消费、内容、游戏、购物等领域。AI不会把所有摩擦和消费都替代掉，否则人类就会“变成植物人”。这里的逻辑是：时间是会被重新分配的，而不是被消灭的。劳动者从重复任务转向高价值活动（如创意或监督AI） 这不是末日，而是重构的过渡期和阵痛期。 4、AI带来生产力和生产效率的极大提升，人类很有可能进入充裕时代。生产力大幅度提升带来的通缩（价格下降）实际上提升购买力，让消费者更富裕。Citrini提到的中介崩塌，实则是资金从中介（rent-seekers）转移到终端用户，推动新消费循环。例如，房地产佣金从2.5-3%降至1%以下，不是破坏市场，而是让卖家净收入增加，买家节省用于装修或家具等新支出。类似地，DoorDash费率下降受益于餐厅、司机和消费者，交易量激增（如Mastercard案例：费率降但收入最终创新高）。历史证明，技术通缩（如计算机革命）总是带来增长，而非崩溃 5、生产力决定生产关系，AI的快速发展，一定会带来整个社会制度、治理结构的变化。这些变化进而导致出现新的分配制度。有潜力推动社会向挪威（以主权财富基金为基础的福利国家）和沙特（资源租金分配模式）式的分配主义制度转型。政府可以通过宏观政策进行对冲，比如财政转移支付、福利体系强化等。 6、当然不是说前方全是坦途，巨大的阵痛期不可避免。前方有坦途，但必须穿越荆棘，这是清醒的现实主义。我们看到最终长期丰裕，但历史也都反复证明，转型过程充满痛苦、颠覆和不平等放大。不能因为“最终繁荣”而忽略短期/中期代价。 生产力提升收益先流向资本和高技能者（科技巨头、AI专家），导致“伟大脱钩”（great decoupling）：工资停滞、生产力暴涨。低技能/中技能工人受冲击最大，收入差距拉大，也已引发社会不满和动荡。 也就是倒逼了第5点说到的，政府在政策上必然会做出调整。大规模再培训、失业保险扩展、AI税收资助UBI或主权政策，如挪威主权基金模式。

Demis Hassabis 达沃斯访谈：比工业革命大 100 倍的变革 视频地址： 2026 年 1 月，达沃斯世界经济论坛期间，Bloomberg 主持人 Emily Chang 采访了 Google DeepMind CEO Demis Hassabis。这位诺贝尔奖得主用“每周 100 小时、每年 50 周”描述自己过去几年的工作状态，并给出了一个惊人的判断：AI 带来的变革将是工业革命的 10 倍规模、10 倍速度。 这场访谈覆盖了 AI 领域几乎所有热门议题：AGI 时间线、中国竞争、机器人突破、就业冲击、是否应该暂停，以及后稀缺世界的哲学困境。以下是访谈的完整整理。 --- 【1】Google 的势头回归 Emily Chang 开门见山：Gemini 3 发布了，据说 OpenAI 内部宣布了“code red”——Google 是不是找回了状态？ 【编者注】Gemini 3 Pro 于 2025 年 11 月 18 日发布，是 Google 迄今最强的 AI 模型，在推理、多模态理解和编程能力上均有显著提升。12 月 17 日，Google 又推出了更快更便宜的 Gemini 3 Flash，直接替换 Gemini app 的默认模型。这一系列发布引发了 OpenAI 内部的紧张反应——三年前 ChatGPT 发布时，Google 内部也曾宣布过类似的“code red”。 Hassabis 回应说，过去一年确实是“非常艰苦的一年”，团队付出了巨大努力让模型重新回到最前沿。他特别提到 Gemini 3 和图像生成模型 Imagen 的表现让他们“非常满意”。 “我们也适应了这个新世界——快速发布，把创业公司的能量带到我们所做的事情中。” 当被问到外界是否低估了 Google 时，Hassabis 说他不确定，但 Google 一直具备所有必要的条件。“过去十年，Google 和 DeepMind 加在一起，发明了现代 AI 行业所依赖的大约 90% 的突破性技术。”他列举了 Transformer、AlphaGo、深度强化学习等例子。 “我们有这些不可思议的产品触达数十亿用户——从搜索到邮箱到 Chrome——它们天然适合 AI。只是需要把这一切组织到一起。我们在过去几年做到了，虽然还有很多工作要做，但已经开始看到成果了。” --- 【2】全栈优势能维持多久？ Emily Chang 追问：如果你认为自己有优势，这个优势有多大？能维持多久？ Hassabis 的回答很直接：一切从研究开始。模型的前沿水平是最重要的，这是 Google 和 DeepMind 合并后首先聚焦的方向。 “我认为我们是唯一拥有完整技术栈的组织——从 TPU 和硬件、数据中心、云业务、前沿实验室，到所有这些天然适合 AI 的产品。从第一性原理来看，我们理应做得非常好。而且我认为未来还有很大的提升空间。” --- 【3】AI CEO 的日常：凌晨 1 点到 4 点的深度思考 Emily Chang 说她读到 Hassabis 大部分深度思考都发生在凌晨 1 点到 4 点之间。他确认了这一点。 “你有没有感到舒服过？”她问。 “从来没有。”Hassabis 说，“过去三四年一直是难以置信的高强度。每周 100 小时，每年 50 周，这就是常态。” 他认为这是处于“科技史上可能最激烈的竞争”前沿所必需的。“商业上、科学上，再加上所有关于 AGI 的兴奋……用 AI 加速科学发现一直是我的热情所在。这是我毕生的梦想，我为此工作了一辈子。很难入睡，因为有太多工作要做，同时又有太多激动人心的事情要探索和推进。” --- 【4】机器人：突破时刻还需要 18-24 个月 Emily Chang 提到 Gemini 已经被集成到人形机器人中，问物理世界的“AlphaFold 时刻”是否已经到来。 【编者注】2026 年 1 月 5 日，在 CES 展会上，Boston Dynamics、Google DeepMind 和 Hyundai 宣布了一项重大合作。Boston Dynamics 将把 DeepMind 的 Gemini Robotics 基础模型整合到其 Atlas 人形机器人中，首先应用于 Hyundai 的汽车制造工厂。这是 Google 2013 年收购又于 2017 年出售 Boston Dynamics 之后，双方的首次重要合作。 Hassabis 说他过去一年花了大量时间仔细研究机器人领域。“我确实认为我们正处于物理智能突破的临界点。但我仍然认为还需要大约 18 个月到 2 年的时间，需要做更多研究。” 他解释说，Gemini 从一开始就被设计成多模态的，能够理解物理世界，原因之一是可以构建一个存在于眼镜或手机上的通用助手，理解你周围的世界；另一个用途就是机器人。 “那么物理世界的突破时刻会是什么样子？我认为是机器人能够可靠地在现实世界中完成有用的任务。” 他列举了几个阻碍因素。首先是算法还不够稳健，需要比 LLM 更少的数据就能工作。其次，也是让 Hassabis 感触最深的，是硬件问题——特别是机械手。 “当你仔细研究机器人时，你会对人类的手产生一种全新的敬畏。进化设计得太精妙了。要匹配人手的可靠性、力量和灵巧性是非常困难的。” 他提到了与 Boston Dynamics 和 Hyundai 的合作，将在汽车制造领域进行原型测试。“一两年后，我们可能会有一些真正令人印象深刻的展示，然后可以规模化部署。” --- 【5】中国与 DeepSeek：西方反应过度了 Emily Chang 说，一年前 DeepSeek 的出现对西方来说似乎是灾难性的，但现在中国似乎安静了下来。Hassabis 对中国竞争的看法有变化吗？ Hassabis 的回答很坦率：“没有。我一开始就不认为那是灾难性的。我认为西方的反应是大规模过度反应（massive overreaction）。” 他承认 DeepSeek 展示了中国公司的能力，但认为一些说法被夸大了。“关于他们使用的计算量非常少之类的说法被过度夸大了，因为他们依赖了一些西方模型，也在一些领先西方模型的输出上做了微调。所以这不是从零开始的。” 他认为字节跳动可能是中国最有能力的 AI 公司，“可能只落后 6 个月，而不是一两年。” 但 Hassabis 提出了一个关键问题：“到目前为止，中国公司能否超越前沿进行创新，这还有待观察。他们非常擅长追赶前沿，越来越有能力，但我认为他们还没有展示出能够超越前沿进行创新的能力。” --- 【6】AGI 时间线：2030 年 50% 概率，但标准比别人高 Emily Chang 说 Hassabis 帮助定义了 AGI，并且曾表示 2030 年之前有 50% 的概率实现。这个时间线还成立吗？ “是的。”他说。 “AGI 对你来说还是一个有用的目标吗？” Hassabis 说是的，虽然他的时间线比一些同行更长，但那是因为他的标准更高。“我说的是一个系统能够展现人类拥有的所有认知能力。我认为我们距离那还很远。” 他举了科学创造力的例子：“不只是解决一个猜想或科学问题，而是能够首先提出假设或问题。任何科学家都知道，找到正确的问题往往比找到答案困难得多。” 他明确表示当前系统“肯定还不具备这种能力”，未来会有，但不清楚还需要什么。 他还提到了“持续学习”（continual learning）——系统需要能够在线学习，超越它们被训练的内容，在现实世界中即时学习。“在我看来，还有相当多的关键能力是缺失的。” --- 【7】AI 对就业的影响：比 Dario Amodei 乐观，但承认冲击终将到来 Emily Chang 提到 Anthropic CEO Dario Amodei 当天早些时候在达沃斯说 AI 可能在 5 年内消灭 50% 的入门级白领工作。Hassabis 同意吗？ 【编者注】Dario Amodei 在 2025 年 5 月接受 Axios 采访时首次提出这一预测，随后在 60 Minutes 等多个场合重申。他表示 AI 可能导致失业率飙升至 10-20%，并呼吁政府和 AI 公司停止“粉饰”这一风险。 Hassabis 的回答明显更保守：“我的时间线会长得多。” 他承认今年可能会开始看到一些迹象，比如入门级工作或实习的变化，但要实现真正的任务 Agent，需要解决当前 AI 的不一致性问题。 “我称之为‘参差不齐的智能’（jagged intelligence）。当前系统在某些事情上非常好，在其他事情上非常差。如果你想把整个任务委托给一个 agent，而不是像今天这样只是辅助程序，你需要全面的一致性。” 他给出了一个精辟的比喻：“如果它只在 95% 的任务上表现好是不够的。你需要它在整个任务上都表现好，才能真正做到‘发射后不管’。” 但他也承认，这种颠覆终将到来。“在极限情况下，有了 AGI，我认为那会改变整个经济，远远超出就业问题。” 他描绘了一个后稀缺世界的愿景：如果我们正确地构建它，我们将处于一个解决了一些世界根本问题的世界——比如能源。“如果我们用 AI 的帮助解决了聚变之类的问题，新材料……我认为在 AGI 之后 5 到 10 年，我们将处于一个极度富足的世界。那时经济和社会会是什么样子？” --- 【8】转型期的焦虑：10 倍规模、10 倍速度 Emily Chang 说，在到达后稀缺世界之前——如果能到达的话——人们对中间发生的事情有很多焦虑。她提到自己是一位母亲，知道 Hassabis 也有孩子。“你最担心他们什么？你和他们谈些什么？” Hassabis 承认这将是一个颠覆的时代，“就像工业革命一样。也许是 10 倍于工业革命，而且快 10 倍。” Emily Chang 迅速接话：“100 倍。” “是的，100 倍。”Hassabis 说，“但我也是人类创造力的坚定信仰者。我们极其适应性强，因为我们的心智是如此通用。你看看我们周围的现代世界——我们狩猎采集者的心智成功建造了现代文明。” 他认为人类会再次适应，但这次的独特之处在于速度。“通常这样的转变需要一到两代人，但这次的速度和变革的规模都是前所未有的。” 对于年轻人，他的建议是：“我会鼓励他们精通这些新工具，成为这些工具的原生用户。这几乎相当于给他们超能力。” 他以创意艺术为例：“你可能能够做到过去需要 10 个人才能完成的工作。如果你有创业精神，在游戏设计、电影、项目方面有创意，你可能比过去更容易进入这些行业。” --- 【9】是否应该暂停？理想与现实 Emily Chang 问：一些人主张暂停，给监管时间赶上，给社会时间适应。在一个完美的世界里，如果所有公司和国家都暂停，Hassabis 会支持吗？ “我想是的。”他说。 他提到这一直是他的梦想。“当我 15 年前创立 DeepMind、25 年前开始从事 AI 工作时，我的路线图是：当我们接近 AGI 这个门槛时刻时，我们可能会以科学的方式合作。” 他描述了一个“AI 版 CERN”的愿景：世界上最优秀的人才聚集在一起，以非常严谨的科学方式完成最后的步骤。“不只是技术专家，还包括哲学家、社会科学家、经济学家，共同思考我们想从这项技术中得到什么，如何以造福全人类的方式利用它。” 【编者注】CERN（欧洲核子研究中心）是全球最大的粒子物理学实验室，由 23 个成员国共同运营，是国际科学合作的典范。 但他话锋一转：“不幸的是，这需要国际合作。即使一家公司、一个国家，甚至整个西方决定这样做，除非全世界至少在一些最低标准上达成一致，否则没有用。而现在国际合作有点棘手。” Emily Chang 追问：如果 AGI 在 2030 年到来，而监管还没有到位，我们是否注定会遇到困难？ Hassabis 说他仍然乐观，希望足够多的领先参与者能够沟通并合作，至少在安全和安保协议上。“我们已经与 Anthropic 等公司在这些方面进行了相当密切的合作。” 当被问到是否愿意与 Sam Altman 合作时，Hassabis 说：“可能吧。我和几乎所有领先实验室的领导者关系都相当好。如果风险足够高——我认为每个人在未来 2 到 3 年会更清楚地认识到风险和代价。” --- 【10】Transformer 是死胡同吗？Hassabis 不同意 Emily Chang 提到 Yann LeCun 说他不认为 Transformer 和 LLM 单独能让我们达到 AGI。 【编者注】Yann LeCun 是图灵奖得主、Meta 前首席 AI 科学家。他在 2025 年 11 月离开 Meta，创立了一家专注于“世界模型”的新公司。他多次公开称 LLM 是通向人类级智能的“死胡同”，认为它们缺乏对物理世界的理解、缺乏常识和因果关系。 Hassabis 明确表示不同意：“我不同意它们是死胡同，我认为那显然是错的——它们已经如此有用了。” 但他也承认这是一个经验性问题。“我认为有 50% 的概率，仅仅扩展现有方法加上一些调整就足够了。可能足够。” 他认为无论如何都值得这样做，因为即使需要其他东西，“这些 LLM 也将是最终 AGI 系统的一个极其重要的组件。唯一的问题是：它是唯一的组件吗？” 他估计可能还需要一到五个突破，“可能是世界模型——这是 Yann 谈到的，我们也在研究这个，事实上我们拥有目前最好的世界模型 Genie，我直接参与了那个项目，我认为它非常重要。” 【编者注】Genie 是 DeepMind 开发的“世界模型”系列。2025 年 8 月发布的 Genie 3 可以根据文本提示生成可交互的 3D 环境，被 DeepMind 视为通向 AGI 的重要阶梯，并被 TIME 杂志评为 2025 年最佳发明之一。 他还提到了持续学习、系统一致性、更好的推理和长期规划等仍然缺失的能力。“从 Google DeepMind 的角度来看，我们在两个方向上都在全力推进——既发明新事物，也扩展现有事物。” --- 【11】“我们从未离开研究时代” Emily Chang 提到 Ilya Sutskever 说“通过扩展和做更大模型来获得改进的时代几乎结束了”。 【编者注】Ilya Sutskever 是 OpenAI 联合创始人，于 2024 年离开后创立了 Safe Superintelligence Inc. (SSI)。2025 年 11 月在 Dwarkesh Patel 的播客中，他表示 2012-2020 年是“研究时代”，2020-2025 年是“扩展时代”，现在“又回到了研究时代”。 Hassabis 的回应很有意思：“不，我不同意。他的原话是‘我们又回到了研究时代’。我爱 Ilya，我们是很好的朋友，在很多事情上看法一致，但我的观点是——我们从未离开研究时代。” 他强调 DeepMind 一直在投资研究，拥有“最深厚、最广泛的研究储备”。“如果你看过去十年，Google 和 DeepMind 加在一起发明了大约 90% 的突破性技术——当然最著名的是 Transformer，还有深度强化学习、AlphaGo 等。如果未来需要新的突破，我会押注我们，就像过去一样，会是做出那些突破的人。” --- 【12】奇点来了吗？“太早了” Emily Chang 最后一个“同意还是不同意”的问题：Elon Musk 说我们已经进入了奇点。 【编者注】2025 年底至 2026 年初，Elon Musk 在 X 平台上多次发帖称“我们已经进入了奇点”和“2026 年是奇点之年”，引发广泛讨论。他回应的是 Midjourney 创始人 David Holz 关于 AI 工具让他在圣诞假期完成了比过去十年更多编程项目的帖子。 “不，我不同意。我认为那非常过早。”Hassabis 说，“奇点是完全 AGI 到来的另一种说法，我之前解释了为什么我认为我们离那还很远。” 他承认即使 5 年也不算长，但“我认为在我们拥有任何看起来像奇点的东西之前，还有很多工作要做。” --- 【13】Google 的文化与创始人的参与 Emily Chang 问到 Google 内部现在的文化，以及 Larry Page 和 Sergey Brin 的参与程度。 Hassabis 说两位创始人都非常投入。“Larry 更多在战略层面，你会在董事会议上见到他。Sergey 更亲力亲为，参与 Gemini 团队的编码，更多涉及算法细节。” 他说这是一个“对计算机科学来说绝对不可思议的时刻”，科学上、人类历史上都是如此。“当然每个人都想亲身参与其中。” 他描述了自己试图结合多种优势：创业公司快速发布和冒险的能量，大公司的资源，以及长期和探索性研究的空间。“我认为过去一年进展顺利，我们还能做得更好，今年会做得更好。我认为我们的进步轨迹是业内最陡峭的。” --- 【14】为什么应该信任 Google？ Emily Chang 说所有这些公司都在要求我们信任他们，特别是如果监管跟不上技术的话。她直接问：为什么我们应该信任你们？为什么 Google 是最值得信任的地方？ Hassabis 说需要通过行动来判断这些公司，也要看领导者的动机。 “我选择 Google 作为 DeepMind 的归宿有几个原因。主要原因是 Google 的创始人和他们建立 Google 的方式——作为一家科学公司。很多人忘了 Google 本身是 Larry 和 Sergey 的 PhD 项目。所以我对他们感到一种直接的亲近感。” 他还提到了 Google 董事会的构成。“主席 John Hennessy 是图灵奖得主，Frances Arnold 是另一位诺贝尔奖得主。这些在企业董事会中是非常罕见的人物。” 【编者注】John Hennessy 是斯坦福大学前校长，因 RISC 架构获得 2017 年图灵奖。Frances Arnold 因定向进化研究获得 2018 年诺贝尔化学奖。 他说这种科学和研究主导的文化意味着“在最高水平做科学意味着真正严谨、深思熟虑，并在任何可能的地方应用科学方法。不只是对技术，也是对你作为一个组织的运营方式。” 最后他提到 Google 的使命。“‘组织世界的信息’——我认为这是一个非常崇高的目标。它与 DeepMind 的使命‘解决智能，然后用它解决一切其他问题’非常契合。这两个使命天然配合——AI 和组织世界的信息天然相关。” --- 【15】后稀缺世界：比经济更担心的是“意义” Emily Chang 问：后稀缺世界，人们不再有工作。Hassabis 在实现所有技术目标后打算做什么？ “我想用它来探索物理学的极限。这是我在学校时最喜欢的科目——那些大问题。现实的本质是什么？意识的本质是什么？费米悖论的答案？时间是什么？引力是什么？” 他说了一句令人印象深刻的话：“我惊讶于更多人不去思考这些巨大的问题。我们只是日复一日地生活，而这些深刻的谜题几乎在向我尖叫——答案是什么？” 他希望用 AI 探索所有这些问题，“也许还有星际旅行，借助新能源和 AI 解锁的材料。” Emily Chang 问：如果我们没有工作，我们还会有意义和目的吗？ Hassabis 回答道：“老实说，这是我比经济问题更担心的事情。我认为经济几乎是一个政治问题——当我们获得所有这些额外的收益和生产力时，我们能否确保它为每个人的利益而分享？我相信这是可以做到的。” “但比这更大的问题是：我们很多人从工作和科学事业中获得的目的和意义，在新世界中我们将如何找到？” 他说我们需要“一些新的伟大哲学家”来帮助思考这个问题。“也许我们会在艺术和探索上变得更加精致，还有极限运动之类的。今天我们做很多不只是为了经济利益的事情，也许未来我们会有这些事情的非常高深的版本。” --- 【16】给年轻人和企业家的建议 Emily Chang 最后问：房间里的每个人都在想他们应该做什么。10 年后，人们关于 AI 最大的错误会是什么？ Hassabis 给出了两条建议。 第一条是给年轻一代的：“我们唯一确定的是会有大量的变化。所以在学习技能方面，要准备好‘学会学习’——这是最重要的事情。你能多快适应新情况，用我们拥有的工具吸收新信息。” 第二条是给商业领袖的：“现在有很多领先模型和服务提供商，还会有更多。选择那些你认为正在以正确方式行事的合作伙伴。与那些正在推动变革、以你希望看到的方式对待这项技术的人合作。” 他总结说：“我认为我们可以一起构建那个未来——随着 AI 的到来，一个我们都想要的未来。” --- 【写在最后】 这场访谈中，Hassabis 展现了一种独特的气质：既是最前沿竞争的参与者，又试图保持长线思考的清醒。 他与几位同行的分歧值得注意：比 Dario Amodei 更保守地估计就业冲击，比 Elon Musk 更审慎地看待奇点，比 Ilya Sutskever 更相信 scaling 仍有价值，比 Yann LeCun 更认可 Transformer 的未来。 但他们有一个共识：无论 AGI 是 2030 年还是更早到来，我们可能都没有准备好。Hassabis 想要的“AI 版 CERN”需要国际合作，而他自己也承认“现在国际合作有点棘手”。 最后一个细节让我印象深刻。当被问到后稀缺世界的愿景时，这位每周工作 100 小时的 CEO 说他最想做的事情是思考“时间是什么？引力是什么？”——那些“几乎在向我尖叫”的宇宙深层谜题。 也许这就是为什么他能在“科技史上最激烈的竞争”中保持某种平静：对他来说，AGI 不是终点，而是探索更大问题的起点。

《 变成更好，更自由的自己 》 引用的这篇文章是我今天读到很有共鸣的一篇文章，尤其适合KOL这个赛道。不管你是否打算做KOL，都非常值得花点时间琢磨。 如果你用小红书，你会发现这哥们 @thedankoe 已经成了很多博主特别追捧的对象（养活了很多学习号😂😂）。 不过有一说一他是有干货的，在个人品牌和数字创作者领域非常有见地，也相当成功。 反鸡汤，反主流教育/工作观，很戳“不想一辈子打工的当代年轻人”。 好了，说说昨天他这篇长文说了啥。 ~~~~~~~~~~~~~ 拥有多种兴趣不是弱点，而是当今时代（他称为“第二文艺复兴”）的超级优势。 不要浪费未来2-3年去强迫自己“专注单一领域”，而应该把多种兴趣整合成一份有意义、可赚钱的生活方式。 下面是文章主要观点的提炼（对应原文7大板块）： 1⃣专家时代已经不再吃香 工业时代推崇专业化（像工厂流水线），但这导致人变得愚蠢、依赖性强。
 真正成功靠三点： 自我教育（自己主导学习） 自我利益（追求真正对自己和他人有益的事，而不是公司/系统的利益）、 自给自足（不把判断权、学习权外包给别人）。
 这三者自然催生“通才/泛化者”（generalist），他们能跨领域整合想法、快速适应，而纯专家容易被取代。 2⃣我们正处于第二文艺复兴，抓住机会
 像印刷术引发了文艺复兴一样，今天的互联网、AI让知识极度廉价、任何人一生都能掌握多领域。 
多种兴趣会产生独特的“视角残留”（residue），形成别人（甚至AI）模仿不了的交叉洞见，这是你最后的护城河。
 例子：达芬奇不只画画，还搞工程、解剖；现代人结合心理学+设计、销售+哲学、健身+商业，就能创造别人想不到的价值。 3⃣如何把多种兴趣变成可持续赚钱的生活
 需要一个“容器”（vessel）把兴趣整合起来 → 成为创作者（creator）。
 把社交媒体当成“公开做笔记”的地方，学习过程本身就是内容。
 吸引注意力 → 卖产品（课程、系统、软件等），而不是找一份压抑兴趣的工作。
 这样学习=研究、工作=创作，自由度极高，还能快速试错、推出新产品。 4⃣把自己变成一门生意
 创业不再需要大资本，只需笔记本+网络。
放弃“技能型路径”（学一门技能→教→卖，容易变成新9-5）； 选择发展型路径： ◦追求自己的目标（打造个人品牌） ◦分享学到的东西（内容） ◦帮别人更快达到同样目标（产品）
把自己当成客户画像，帮“过去的自己”解决问题。 5⃣品牌 = 一个环境/世界
 品牌不是头像+简介，而是读者3-6个月后脑海中积累的对你的整体印象。
 它是你的人生故事、世界观、哲学在所有触点（帖子、Newsletter、页面设计等）的体现。
先写出自己的人生低谷、成长经历，用故事过滤所有内容，保持一致性。 6⃣内容 = 新颖视角
 互联网信息爆炸，胜出的靠高信号、高密度想法。 
建一个“创意博物馆”（swipe file）：收集旧书、优质博客、顶级账号的高密度想法。筛选标准：有表现潜力（别人会喜欢）+让你兴奋（自己真感兴趣）。
 练习：把同一个想法用1000种不同结构写出来（钩子、列表、故事等），提升表达力。 7⃣系统就是新产品
 现在人们不想要泛泛的解决方案，他们想要你的独特系统（你自己验证过、迭代出来的方法）。
 例子：Dan Koe 的“2小时写作”系统，就是他解决自己内容创作难题的实验结果（收集想法→模板→跨平台复用→Newsletter为核心）。
 系统是个人经验的结晶，很难被复制。 总结一下，Dan的意思是： 把好奇心、多种兴趣通过自我教育 → 公开分享 → 打造系统 → 卖给同频人群这条路径，变成自由、充实又有收入的生活方式。 ~~~~~~~~~~~~~~ 我非常赞同这个思路，原因在于能支撑我多年如一的学习，分享的重要逻辑就是上面的这一条。 币圈认知更替速度非常快，你真想学几乎每天24小时全部投入进去都学不完。我对Defi，对交易，对项目投研，对Vibe Coding等知识的学习基本都是自我教育。 但如果我想要输出给更多的读者，我需要把自己学习的东西系统化，印证有效，然后才能公开分享出去，并逐步沉淀为自己的铁粉群体。 大部分收益我依然来自于自己学习体系的投资和交易逻辑，但分享后带来的额外收益会让我更愿意投入到自我学习这个循环里，并试图做的更好。 而且这个循环让我能享受自由充实且有收益的生活方式，让我很乐在其中。 他文中的1/2/3/4 都是我已经有做到的，但5/6/7 我还有待提高。 “品牌不是头像+简介，而是读者3-6个月后脑海中积累的对你的整体印象。” -- 我兴趣很杂，到底我应该如何更进一步凝聚读者们对我个人品牌的印象？ -- 需要思考。 现在AI的平民化，便利化，让“超级个体”更加容易成为之前一个企业所能达到的规模和影响力。我们的确处在第二个文艺复兴的黄金节骨眼上。 我最近几个月远比过去几年焦虑，焦虑的不是如何赚钱，而是如何在这股浪潮里不被淘汰下去。 Dan Koe这篇文章帮助我把过去一些思路理的更清晰了，希望也能对你们有所帮助。 2026，我们一起变的更好