与「和楽器」相关的搜索结果

重构 AI 工厂的电力地基：拆解 NVIDIA Vera Rubin 的储能与集成密码（兼谈flnc为什么暴涨） 昨天Fluence Energy (FLNC)、西门子（Siemens）与英伟达（NVIDIA）联合发布了 136MW 级数据中心基础设施参考设计。 这是面向 NVIDIA Vera Rubin 平台 极限物理指标的深度协同设计（Co-Design）。 一、 物理极限的逼近：为什么通用设计在 Rubin 时代失效？ 传统的通用电力设计在旧代服务器（如 10kW-20kW 机架）中行之有效，但在面对未来的 Vera Rubin 平台时则彻底卡壳。 Rubin 带来了三大颠覆性的物理改变： 从 54V 到 800V DC 的跳跃： 随着单芯片功耗冲向 2000W+，传统 54V 机架配电的电流强度将直逼物理极限，铜缆面临熔断风险。Vera Rubin 彻底转向 800V 高压直流母线供电，要求电力与储能设备必须在源头上进行高压适配。 恐怖的瞬态负载（脉冲功耗）： 代理 AI 在高频推理时，算力负载会在微秒到毫秒间产生断崖式的暴涨或暴跌。这种极端的功率跳变会形成高频电网冲击，极易击穿数据中心的配电系统。 全液冷与超高密度： 普通机架功耗仅十余千瓦，而 Vera Rubin NVL72 机架直接飙升至 120kW-130kW，未来甚至将直奔 600kW。该平台彻底告别风冷，100% 绑定全液冷设计，这要求基础设施重组所有配电单元空间。 二、 混合储能协同：微观拆弹与宏观大坝 为了应对 Rubin 平台的脉冲功耗，一套由“超级电容 + 锂电池储能”构成的混合储能系统（HESS）成为了新架构的核心。 1. 武藏精密 HSC 贴身拆弹 在算力机架内部，武藏精密（Musashi Seimitsu）的混合超级电容（HSC）充当了微秒级的电力缓冲垫。 毫秒响应： 传统锂电池响应速度在秒级，而 HSC 具备超级电容的电荷快速释放特性，能在毫秒内对 Rubin 芯片的爆发式功耗进行高功率充放电。 百万次寿命： AI 高频推理意味着脉冲波动每天发生数万次。HSC 支持超过 100 万次的完全循环寿命，避免了电池频繁充放电带来的快速衰减。 800V 高压契合： 相比传统电容，HSC 具备更高的单体电压，在搭建 800V 直流储能模组时所需的串联单元更少，能够以极小的体积塞入寸土寸金的算力机柜中。 2. Fluence Smartstack 稳住后方 在算力园区外围，Fluence 的 Smartstack 储能平台则负责秒级到小时级的大规模能量平衡。 削峰填谷： 平滑长周期的电网变动，在 peak 阶段（GPU 满载需求突增时）提供兆瓦级的容量支撑。 并网缓冲： 充当 136MW AI 工厂与外部公共电网之间的缓冲隔离带，防止 AI 工厂的剧烈波动导致外部公共电网频率失稳。 三、 角色演变：FLNC 如何定义“能源系统集成商”？ 在这场三方合作中，Fluence (FLNC) 的核心角色是系统集成商（System Integrator）。它的商业壁垒和价值，早已不再是售卖底层的电芯资产，而是提供“软硬件一体化的能源大脑”：（拆解见插图） 物理与高压直流集成： FLNC 将上游西门子的中低压配电柜、自身的电池模块以及冷却系统打包，在物理和电气层面整合成标准化的集装箱舱体，实现 Tier III 级别的在线可维护性。 核心软件控电（Fluence OS）：FLNC 依靠其 Fluence OS 操作系统，打通了 NVIDIA 的 DSX 动态功率调配协议。Fluence OS 会在百毫秒内做出频率响应，并向下对接机架内武藏精密（通过代工巨头伟创力 Flex 整合）的电容数据。 避免级联冲突： 软件的集成确保了“机架内的电容”与“园区外的大电池”在充放电逻辑上保持步调一致，防止两者在剧烈波动时因响应延迟而发生功率互卷或控制死锁。 四、 商业底层逻辑：从定制时代走向“乐高式”交付 将大储能引入基础架构蓝图，预示着数据中心供应链的底层商业逻辑发生了巨变。 对于 Hyperscaler（超大规模云厂商）而言，以往新建一座 100MW+ 级别的 mission-critical AI 工厂，仅供电与电气系统的定制化设计和审批就需要耗费 18 个月以上。 而 FLNC、西门子与 NVIDIA 推出的这种预工程化参考设计，将原本需要单独设计的强电变电、高压直流母线、液冷 CDU、机架电容以及园区大储能，打包成了一套“即插即用”的标准化全栈方案。厂商可以像搭乐高积木一样直接复制部署，将交付周期缩短数倍。 在这场算力狂飙的军备竞赛中，能源不再只是 IT 的被动配套，而是决定 AI 算力能否落地、能否稳定运行的直接生产力。FLNC 与武藏精密在微观和宏观层面的合围，恰恰掐中了未来 gigawatt 级 AI 时代最核心的物理命门。 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

6月12号 SpaceX 要上市了，1.75万亿估值打底，有人喊到2万亿，史上最大 IPO，比沙特阿美还猛一倍。我看完这数字，又看了眼自己账户，差点没把烟掐了。 我那 $ASTS，前两天蓝色起源一发火箭在发射台上原地爆炸,炸的还不是它的，是隔壁老王家的.它给我跟着崩了 17%。别人放炮，我吃灰。这就是我的太空梦，建立在邻居的事故率上。 看着账户里趴着一堆"下一个 SpaceX”： $RKLB $NNE $XE4 $CBRS 结果真·SpaceX 要上市了，我手里全是平替、高仿、A 货。正主一登台，我这些山寨集体扑街。 炒股炒成这样，我也算个人才。还好手里的 $DRAM $NOK $BB $IBM还是盈利的。 痛定思痛认真想了想三年的钱该咋整....还是别再赌谁能熬成大佬了，直接抄那些已经在闷声数钱、还没被炒到天上的。现在 AI 不比谁芯片猛，比谁有电。微软（MSFT）八百亿的云订单卡在手里发不出货，缺的不是订单，是插座。 所以我现在盯的就这几个 $ORCL（甲骨文）、 $MSFT （微软）贵，但是那种"人家真在赚钱"的贵，不是我那种"幻想它会赚钱"的贵； $APH 整条 AI 概念翻倍了它还在原地装死，全场最没存在感的优等生；再就是电 $GEV、 $ETN 做变压器和电网的，现在订一台变压器排队排五年。都在挖金子，我蹲门口卖铲子，它不香吗。 至于我那堆太空核能量子彩票（ $ASTS $RKLB $NNE、 $XE ）……留着吧，本来就是当刮刮乐买的，中了回本，不中就当给行业做慈善了。

给本地 Claude Code / Codex / Copilot 装上 Chrome MCP，可以很大程度释放双手，它会直连到你当前打开的浏览器，网页各种登录态和浏览器插件依旧都在，也省却了很多环境配置复杂度。 无论是文档写作、表格处理、资料搜索还是网页开发，甚至是游戏开发、后台运营，它都可以长时间跑下去，20～60min，直到将任务完成。 这些任务，凭借着自己的“眼疾手快”和“经验丰富”，需要的时间其实也差不多，但现在可以交给 AI 了，何乐而不为呢？😄，推荐大家都试一试，把自己的工作流跑通。 我验证下来，让 AI 操作浏览器去解决问题，对 Token 的消耗没有想象中那么大。很多人会直觉认为浏览器自动化一定很重，但只要把链路设计清楚，它就是一种可控的观测系统，关键在于如何做任务拆解。举几个例子： 如果你的 AI 不够聪明或者表现不好，就把下面这段话发给它，让它先学习学习。 第一个是样式验证。 很多人第一反应是截图对比，但 Chrome MCP 更稳定的方式是先做结构确认。先拿页面快照，关注 DOM 结构和可访问性树，确认关键节点是否存在、层级是否正确，再用脚本读取计算样式，例如 getComputedStyle 或直接读 class、style 字段。只有在结构和样式都符合预期的情况下，才做一次截图作为最终确认。这样做的好处是把“视觉问题”拆成“结构问题 + 样式问题”，前两步都是低成本、低 token 的判断，截图只是兜底，用的不多。 第二个是模拟用户操作。 这里的核心不是“点按钮”，而是让每一步都有状态反馈。AI 会先确认当前页面和上下文，再去执行 click、fill、键盘输入等操作，但关键在于它不会连续盲点。每一次交互之后，都会用脚本去读状态，比如页面是否跳转、某个节点是否出现、文本是否变化、某个状态位是否被更新。如果没有变化，它会判定这一步“无效”，进而调整策略，比如重新定位元素、等待异步完成，或者回溯上一步。这其实是在浏览器里构建了一个非常轻量的状态机。 第三个是执行流校验。 人做这件事，往往靠感觉，觉得“好像不对劲”。AI 的方式更偏显式约束。你在一开始就定义好几个关键断点，例如页面标题、URL、关键 DOM、某个接口返回值、甚至是某段文本的存在与否。每走一步，它都会去对齐这些断点。如果某一步之后，断点没有满足预期，它就会认为执行流发生偏移，然后触发排查路径，一般是查看控制台日志、网络请求和当前状态快照。通过这三块信息，它可以定位是前端状态没更新、接口失败，还是页面结构发生了变化。 第四个是接口与数据链路验证。 Chrome MCP 并不直接替你发请求，它更像一个旁观者，去观察真实页面发生的请求。AI 会在关键操作之后抓取网络请求列表，定位到目标请求，再分析请求参数和响应结果。如果发现接口返回异常，它可以把这一步和前面的用户操作串起来看，从而判断问题是在输入阶段、交互阶段，还是后端返回阶段。相比直接写接口测试，这种方式更接近真实用户路径。 从上面四个例子就可以看出来，它为啥不怎么耗 Token：先定位上下文，再读取结构和状态，然后执行最小必要操作，最后用多维信号去验证结果。一旦验证失败，就回到观测层重新判断，而不是继续往下硬跑。 大家可以尝试将自己的工作做经验拆解，定义好清晰节点，配置好显式化的验证规则。剩下的，就交给 AI 吧～😄

终于快做完 vibelab，今晚 tmux 让人调试的眩晕...效果还是很棒的，我开始逐渐切换到云端和 cc 进行长程任务沟通，因为不需要管理权限，支持浏览器自动化，agents 直接可以通过 sandbank relay 通信，天然适合跑 wanman ai 的环境。我这段时间像搭乐高一样终于快把零件凑齐了。

總結吳說 EP-93 香港共识大会的共识：竟然是币圈完蛋了？ ## Part 1：分享本次香港共識大會的感受 @colinwu Colin Wu：他觀察到香港政府層面對此次共識大會很重視，現場也有宣布一些政策，整體可感受到官方重視程度高。他同時覺得整體偏冷清、落地型熱點不多；並指出「預測市場」與「股票代幣化」雖是全球熱點，但在香港面臨較高合規難度，因此會場較難看到深入落地討論；RWA 雖有人提，但因活動偏海外參與者，討論度沒有特別高。 @tmel0211 Haotian：他對比上一屆「大家各聊各的、沒有共識」，這次反而出現了強烈且一致的悲觀情緒，像是「幣圈不行了／行業完蛋了」這種集體唱衰，但他也強調這不代表他個人立場。他原先以為海外項目方會更樂觀，但實際接觸後感到部分海外項目方呈現更麻木、躺平、與外界情緒脫節的狀態，並表示自己因此有些失望。 @nomadcindyy Cindy Wang：她形容此次跑會是「離譜加驚喜」的體驗，感覺像頂級圈子聚會、幾乎看不到散戶，且「你永遠不知道旁邊坐的是誰」。她分享自己曾把 Bullish CEO Tom Farley 誤認成路人、後來才發現對方上台演講；也提到酒會上孫宇晨送「大箱子但裡面只有一根香蕉」的荒誕趣事（並提到與香蕉膠帶藝術梗相關）。 @DeFiTeddy2020 DeFi Teddy：他覺得主會場許多項目更偏機構業務、合規相關，使他在主會場停留時間變短，反而在周邊活動交流更多。他直觀感到「機構進、散戶退」的轉折點正在發生；同時認為幣圈不會完蛋，去中心化的精神與需求長期存在，但 AI 的確分走注意力、資金與 builder，因此本次的「共識」更像是「要轉 AI」（包含純 AI 轉型、或 AI 與 Web3 結合如 AI Agent、用 AI 服務 Web3 增長投放等）。 @anna_nanachan 娜娜子：她觀察到中文局與英文局差異很大：中文局更常圍繞幣價、是否抄底、投資標的討論，情緒更受價格波動影響；英文局更少談幣價，交流較偏生活與想法、氛圍更鬆。她也提到許多公鏈活動中「AI 類」項目仍很多，且常見現象是「不論做什麼賽道（如支付、RWA）都會加一些 AI 元素／敘事」；另外也看到一些原本做 Web3 的創辦人轉做純 AI，而她提醒 AI 與 Web3 的融資邏輯與玩法不同，盲目轉型未必是好事。 @estherinweb3 Esther：她提到預測市場團隊非常多、參與者背景複雜（包含合規券商孵化、甚至澳門博彩背景團隊等），並說穩定幣相關華人團隊也多樣化，連應用層團隊都想發穩定幣以掌握結算與發行權。她同時觀察到做市商更活躍、活動整體更國際化，並提到 Coinbase、Kraken 等海外大型交易所更明顯關注華語市場，且她提到華語用戶交易頻率與資金活躍度高、海外交易所也可能具備部分離岸平台沒有的優勢（如股票代幣化方向）。 @assassinaden Albert Luxon：他從二級／基金交易視角表示本屆規模與新鮮感不如上一屆，主會場「老面孔」多、參展新人少，side event 也看到交易團隊數量較以往下降。他提到去年 10 月後不少套利／carry 類團隊被「wiped out」，並觀察到支付與 RWA 暴露/搬運更像「牌照生意」，因此傳統金融背景與信用積累更重要，機構業務也正被傳統金融團隊逐步接管；同時 LP/FoF 越來越看重跨市場（Crypto 與美股、商品等）能力。 @0xKirara Kirara：她感覺今年和去年最大差別在於：以前大家「找項目、聊空投與搞錢」，這次更像在「找吃的」，且很多人不再熱衷聊炒幣暴富。她提到不少人利用熊市空檔研究 AI、Vibe Coding，用 AI 工具做小網站/小產品，並用「以前說不要當產品經理、現在人人都像產品經理」來形容這種轉向。 ## Part 2：幣圈是否真的「完蛋」、還有哪些機會？ @0xKirara Kirara：她主張要拆開看：不是整個行業完蛋，但「某些舊的東西/舊敘事」確實在退潮；她以比特幣敘事演變與「窗口期很短、像流量選秀」來描述項目競爭節奏。她也指出 AI 的定位在變：從「專案賣點/特色」走向更像「基礎配置/基礎設施」，變成沒有 AI 反而奇怪，並認為若還停留在舊賽道與舊敘事，會更難生存。 @assassinaden Albert Luxon：他不太認同「完蛋」，更傾向用「成熟」形容，並提到市場賽道收斂、圍繞較穩定的方向形成共識（他轉述朋友的總結為支付、交易、合規、風控）。他也談到優秀項目可能更希望走傳統資本市場上市路徑（如納斯達克/港交所），以及交易所角色可能從「偏一級/上幣」轉向更偏「二級服務」能力競爭（如托管、法幣通道等）。 @nomadcindyy Cindy Wang：她說自己「至少同意一半」：單純的「幣圈時代」在結束，並用交易所與平台產品往「美股上鏈/傳統資產」延伸的現象作為觀察例子。她也強調另一面是 Crypto 與傳統金融/支付的融合在加速，並以穩定幣對傳統支付結算效率、成本與透明度的衝擊，以及產業人士的焦慮與轉型需求作為她的體感佐證。 @estherinweb3 Esther：她看好政策框架更清晰後的合規路線與政策窗口期，並談到「最可怕不是價格熊市，而是心態熊市」的觀點（對變化麻木、排外、拒絕新玩家/新變化更危險）。她也提到她認為較有機會的三類：有清晰商業模式與現金流的入口級業務、具備強美式政治/資本背書的項目、以及把加密視為新增盈利點的券商與傳統金融機構（例如 VATP 牌照升級後拓展業務）。 @anna_nanachan 娜娜子：她認為早期靠背書與白皮書就能發幣收割的模式在當下更難成立，流動性變低、VC 更謹慎，反而形成優勝劣汰，長期可能提升行業品質。她也提到機構進場使籌碼更集中、散戶相對不友好，散戶可能轉看 Meme，但在經歷波動與 FUD 後整體熱情下降、更謹慎，市場更機構化與理性。 @tmel0211 Haotian：他明確說「情緒面肯定是完蛋了」，並將其歸因於老敘事與老規則失效、資產與發幣更流水線化、注意力經濟加劇與「共識破裂」等現象。他提出下一階段可能的機會在「Agentic Economy」宏觀框架，嘗試把穩定幣、預測市場、AI trading、機器人/Physical AI 等趨勢串起來，作為可能的新共識方向。 @DeFiTeddy2020 DeFi Teddy：他回到「去中心化」作為 Crypto 核心價值，認為其不會完蛋，但直指近年問題在於缺乏同等級的突破式創新，導致信仰流失與「上所/上幣」成為許多項目的單一目標。他同樣看重 AI 帶來的生產力變化（如 Vibe Coding），並認為 Crypto 若要形成新共識，可能需要與 Agentic Economy 結合；他也提到去中心化 AI 與可驗證、可共同擁有的模型願景仍很早期但與去中心化精神一致。 @Leoninweb3 Leon Liu：他以參展方視角說本屆國際化氛圍明顯、海外面孔多，但整體偏冷清，且不少人反映「有意思的項目不多」，票價/參與度也受到影響。他提到現場讓他意外的是預測市場與 AI 相關項目在會場內反而不多（但賽道在外部很熱），並分享他較看好的方向包含合約/永續（含跨市場資產上鏈衍生品的優勢）、AI 與 Crypto 的結合，以及仍屬早期但被關注的預測市場。 --- gemini + gpt-5.2 協助整理 youtube 有時間軸更好跳轉

年4%预期理财 先分享个有价值的小信息。今天看到乐视网公告说要拿公司的1.8亿闲置资金去理财，对，就是贾跃亭的那个乐视网，我以前简单介绍过它们的情况，公司靠视频网站卖会员、短视频以及《甄嬛传》、《芈月传》等经典版权的收入，勉勉强强还在运营。 我关注的是这1.8亿的理财去向，有3000万是要去炒股，明确说了就买银行股。还有1.5亿更有意思，是逆回购+北交所打新。 之前很多读者问我现在有没有比存银行更好的理财，我忘了还有北交所打新这个选项，适合50万以上的资金。北交所打新是资金预缴制，2025年申购的年化收益是3.8-4%左右，这非常不错了。 但这个3.8-4%只是数学期望，不是稳拿的，钱少拼人品，有可能你一年下来0收益，也有运气好的接近10%，钱越多越接近平均预期。肯定比存银行强。 我就分享这个信息，具体操作你自己去学习，不难。 …… 今天a股行情挺坑的，8大宽指红了6个，但其实场内70%的个股今天是跌的，中位数下跌0.9%。出现这种情况说明资金肯定都去权重高的个股里抱团了，中下盘股被抽血严重，今天两市的成交额只有可怜的1.54万亿，再往下跌连1.5万亿都守不住。 目前市场最大的问题就是缺乏人气，砸盘其实不多，但买盘更少，机构和游资都隐身了，没有炒作的主线，就靠散户那点散兵游勇的流动性是不够的。 我看了一眼统计，今年a股的中位数涨幅是19.4%，你们跑赢这个数了吗？其余的宽指年内表现如下，也不是故意要给你们制造焦虑，这就是市场正常表现。微盘股是高频调动的小市值指数，没有跟踪的etf，剩下几个都有的。你如果觉得一直跑不赢指数，那最简单就是买指数etf。 这几年场内量化基金的水平越来越厉害，散户们自以为得意的波段操作，大都成了量化模型的增额收益。现在有一些券商给大户提供一种服务，就是你配仓指定的股票，然后授权给券商的量化模型做t，一年能给你t出10%的价差。场内这类镰刀越来越多，散户折腾个股的难度也就越来越大。 我觉得照这么发展下去，a股真会慢慢向美股靠拢，散户逐渐被消灭或者退出，散户在日内交易的比重会逐渐下降，如果这能让a股也变成类似于美股的有效市场，那我觉得也凑合吧。只有一些老派的股民还不认命，每天在股吧、论坛上抨击量化交易，呼吁应该打压或者关停量化基金，就像刚进入汽车时代的时候那些拼命挣扎的马车夫。 …… 1、有色最近逆势上涨，洛阳钼业刷新史高，紫金矿业也逼近史高。现在除了黄金在4250附近徘徊，白银和铜价每天都在刷新史高，我看了境外机构对2026年铜价的预判，普遍落在11000-13000区间，可最新的铜价已经114000了，只能说乐观的预期也跟不上了，现货市场的情绪更乐观。之前黄金主升浪的时候，机构也是每个月都在上调目标价。随着12月美元降息已经板上钉钉，大宗商品的涨势还会继续。 2、30年国债etf今天大跌1%，这玩意离几个月前的高位已经回撤将近10%了。至于近期下跌的原因，有说是因为万科债暴雷后的全市场连锁反应，还有人认为是银行端因之前的高息存款到期，主动缩短负债久期，导致资产端被迫减配长债，砸盘导致的下跌。证据是最近银行已经不卖5年期的大额存单了。 我从年初就不看好今年的债市，去年预期打的太满了，我们现在的国债收益率甚至比日本还低，这个时候买债的预期空间很小。我看了一眼招商产业债，今年的收益率还不到1.5%，还不如把钱取出来去北交所打新，回头教教我媳妇，让她去弄。 3、今天商业航天概念大涨，所以昨天的火箭试射整体上给市场的情绪是积极的，市场认为成功的那部分（卫星入轨）就已经满足了预期，失败的那部分（推进器回收）后面可以改进再来。昨天我说中国民企大概相当于2014年的spaceX，有人问我咋得出这个结论，因为猎鹰2015年回收成功，我觉得朱雀明年能成功，所以2015-1=2014这么来的。 商业航天的核心要素是成本，传统火箭送1公斤载重去太空的成本是1万美元以上，比如咱们国家的长征系列，马斯克的猎鹰通过回收技术降低成本，可以压缩到2000美元。咱们的朱雀系列如果成功回收也可以压到3000美元以内。但最便宜的还是马斯克的星舰，可以把成本压到100美元。 4、豆包和中兴合作的手机据报道就做了3万台，没有追加物料，现在二手市场溢价100%在交易，下一批手机预计是2026年下半年。 5、宁德时代：三年内有望实现纯电船舶远洋航行。这是今天电池板块的一个热点，宁德时代的电池目前正在往远洋航运，港口运输这两个行业渗透，一方面需要攻克适配的技术，另一方面也在通过产品迭代降低成本，量变的积累迟早会引起质变。话说中东的酋长们真的要有危机意识，他们是最应该用现金投资中国的新能源产业链的，否则他们的好日子不多了。 6、摩尔线程明天上市，这是媲美寒武纪的另一个芯片明星股，这个中签的人太少，我没细看，问了一下ai预期涨幅100-200%，一签大几万的利润。 7、今年前11月港股ipo募集资金2598亿港币，全球第一，所以从年中开始港股就不涨了，稍微有点行情就跟穷疯了似的圈钱。 就这些吧，今晚收一下稿费，又写了2个月啦。还是老规矩，给多少随你高兴，给不给随你高兴，我这边当然是希望你能破费1元鼓励下我。之前搬家的时候我最难过的是以为打赏数据不迁移，结果等迁移完发现数据还在的时候太高兴了，我很看重这个，打赏次数很直观量化出一个读者的铁杆程度。

很高兴和大家介绍我的第 15 款 Vibe 产品「摇曳电台」 这款产品的灵感来自于两周前和啵啵在上海看法兰克福头盔和 Frank Bretschneider 的现场 live 时，我意识到许多艺术家使用可视化技术来进行音乐表达。 那么，为什么没有人为艺术家、音乐现场和自媒体做一款基于 AI 的音乐与可视化艺术创作工具呢？摇曳电台就是为此而生。 你可以使用自然语言创建电子舞曲，操作鼓点和其他数字乐器，创建 AI 人声伴奏，合唱或者完整的歌曲，它会自动适配所有音乐的具体节奏，旋律，章节并创造可视化特效，不仅如此，我还为摇曳电台编写了 MV 制作功能。如果你想，音乐与可视化特效能自动融合进 Seedance 2 创建的 AI 视频 MV 中。第一个和最后一个视频就是我创作的杜甫穿越现代版的「茅屋为秋风所破歌」 和一首英文嘻哈歌曲 均为 one shot 创作而成。 此外，它还支持多音轨和历史记录的版本管理，回退到任何你想要回到的音乐版本，并支持 web 录制视频，方便分享到社交网络。 创造 Yuragi FM 的时候，我花了比想象中更多的时间，一开始，我以为这只是简单将 Vibelab 中的 DJ skill 转移到新的产品中，开发的过程中，我才逐渐意识到，最困难的部分不在于代码，而在于如何理解音乐中存在的语言结构。音乐是一种跨越国家、民族、甚至时间的艺术，而正因为它是艺术，如何在语言模型中探寻它的蛛丝马迹，是我在 vibe 此产品的过程中，倍感欣慰的思维游戏。 「摇曳电台」从今天开始免费向所有用户开放，每天，你可以使用它创作 20 次 AI 音乐，如果你需要创作 MV，则需要绑定信用卡额外付费。使用 url 可以将特定的音乐分享给朋友，如果点击「发布」，你创作的音乐就可以被所有用户在首页刷到。 Yuragi 的语源来自日语，代表随机，微小而有美感的噪音。希望大家都能使用这个产品创作自己喜欢的音乐，玩得开心！

Notion 创始人这期分享确实很精彩。 大家千万别错过 Notion CEO Ivan Zhao 在红杉聊的这期播客，观点特别有见地。 甚至我觉得，这是近半年来所有创业者都应该认真精读的一期内容。 相当解惑。Ivan 把 AI 时代里一个组织正在发生的变化，用一种特别形象的方式串了起来。 1、Ivan 提到一个非常有意思的概念，叫 Jazz Mode。传统公司像 marching band（行进乐队），队形整齐，节奏固定，指挥说什么大家做什么。 Notion 想做的是 jazz band，有基本结构，但更强调即兴、互相接住、每个人都能主动发挥。 Ivan 觉得 AI 时代变化太快，太像 marching band 的组织会跟不上，所以 Notion 这几年在刻意招那种高主动性、高好奇心、能自己找路的人。 2、公司并不存在完美的扁平结构，人和人之间的层级关系始终存在，在这一点上他选择承认现实。 真正能设计的是一起工作的方式，把公司组织得更像一支可以即兴合奏的爵士乐队，而不是一支只会整齐队列表演的军乐队。 3、但爵士模式的前提是主旋律要清楚，相当于愿景、产品方向和少数几条铁律，类似底层和声结构。 团队在这个主旋律之上拥有较大的即兴空间，可以根据用户反馈和技术变化自己处理段落，而不是在每一个决策点都往上递审批。 4、Notion 现在大约有六十个曾经做过创始人的员工，这是他刻意营造的人才结构。 他更愿意招对 0 到 1 负过全责的人，这类人习惯自己发现问题、搭框架、推进落地，也更愿意在模糊地带主动出手。 公司需要的是能自己写歌、也能听懂别人演奏的人，而不是只会照谱子执行任务的演奏员。 5、在工程组织上，他把 Notion 重构成一个杠铃结构。 一端是非常 junior 的工程师，刚毕业或者职业早期；另一端是少数非常 senior 的架构师和技术带头人。 中间那类常规中高级工程师反而被刻意压缩，整个分布像一根两头重、中间瘦的杠铃。 6、杠铃结构背后的逻辑很简单。年轻工程师可塑性强，不会被旧时代的大规模工程实践和工具链束缚思路，在大模型快速变化的环境里能更容易接受全新的开发范式。 资深架构师负责定义系统级的分工和抽象，比如哪些部分交给模型，哪些部分坚持规则，如何组织数据和服务，确保整个产品作为一个系统是连贯的，而不是东一块西一块的功能拼盘。 7、当一个工程团队里大多数人都停在经验不浅、但也谈不上顶尖的这个档位时，整个组织很容易陷入一种温水状态：事情都有人做，但缺少敢颠覆旧方案的人，也少了愿意疯狂尝试新东西的人。 年轻人缺少全局视角，只能局部优化，老一辈如果人数太少，声音又容易被流程淹没，这种结构在 AI 时代会变得非常迟钝。 8、他用一个很有画面感的比喻来解释大模型产品开发。传统软件工程更像修桥，强调确定性的结构分析和数学推演，只要按照规范搭建，结果会高度可预测。 基于大语言模型做产品更接近酿啤酒，需要在原有配方和工艺上不断试验，调整温度、时间和原料比例，最后的标准来自人的口感而不是单一技术指标，用户体验是第一参照系。 9、他把 Notion 的 AI 能力视作对产品的再创作，而不是简单给旧界面贴一个智能按钮。 在拿到 GPT4 的早期访问时，他的直觉是，工具本身的工作方式需要重想，如果从公司一开始就可以假设存在这样的模型，那么 Notion 的交互结构、功能边界和价值主张应该是完全不一样的一套设计，这需要以重启思维来对待，而不是做一个插件。 10、他的职业生涯里出现过两次真正意义上的重启。 第一次发生在公司最困难的时候，团队被压缩到只剩几个核心成员，几个人躲在京都的小公寓里，用近乎白纸的心态重新问自己。 Notion 还要不要继续存在，如果要继续，哪些东西必须放弃，哪些能力哪怕再难也要保留。这一轮更偏向拿掉包袱、守住本质。 11、第二次重启发生在他拿到 GPT4 早期权限之后。 当模型能力跃迁时，他意识到自己这家公司可能会失去原本的位置，也可能借此进化成下一代生产力工具，关键在于有没有勇气承认旧的产品假设正在过期。 这一次的重启更偏向向前跳，是把 Notion 推向 AI 原生路线的转折点，从「文档+数据库」升级成「有理解能力的工作空间」的起点。 12、关于什么时候该重启，他给的判断标准非常实际。 并不是等到财务报表撑不住，更多是看组织与时代之间的错位：技术和市场环境已经明显往前走了，内部流程、产品形态和人才结构还停在旧逻辑里。 同时创始人对当下这家公司明显提不起兴趣，每天更像在维护一台运转正常但没有灵魂的机器，这种状态持续存在，基本就到了需要重启的阶段。 13、他谈创始人角色时，把重心放在创始人能量上。 创始人在公司里最关键的价值不只是最后拍板，更是持续发射出一套稳定的频率，这套频率包括对产品审美的标准，对什么算好体验的直觉，对哪些细节不能妥协的执念，以及面对不确定性时愿不愿意亲自下场试。 只要这股能量还在线，团队就知道自己在跟随一位有风格的乐手，不是在为一个抽象的 KPI 系统打工。 14、在人才选拔上，他逐步弱化简历本身的重要性。 Notion 的第一轮面试已经不再以简历为核心材料，更关注候选人在开放问题前的思考方式，对产品的直觉，对工具和工作方式的理解。 名校和大厂的履历在他眼里容易变成噪音，他更在意一个人能不能提出自己的看法，能不能在真实的情境下把事情推进，而不仅是在纸面上合格。 15、在销售文化上，他没有把销售放在产品的对立面。 他希望 Notion 的销售像懂音乐的乐手，先听清楚客户现在那首歌的节奏，再思考 Notion 这件乐器应该在什么位置加入，是主旋律，是伴奏，还是间奏，而不是一上来就把音量拉到最大只追逐签约数字。 真正重要的是建立长期合作关系，帮助对方把 Notion 用深、用广，而不是满足一次性收入目标。 16、他反复把组织、产品和 AI 放在同一个坐标系里思考。 组织设计要适配新的技术范式，人才结构要为试错和即兴留出空间，产品要在模型能力和用户体验之间找到新的平衡点，销售和商业化则负责把这套东西带到更大的市场里。 整套思路的底层前提很简单：这家公司永远是一支在不断改编曲目的爵士乐队，而不是一台固定工序的流水线。

音乐，生成式的交互其实一直存在，这几年我们只是短暂的被这种模式镇住了。 这两天全家来参加东岸最大的游戏展，真的很快乐。现场人才济济，居然凑出了一个接近 400 人的超级管弦乐团：长笛手五十多位、单簧管五十多位，还有无数小提琴、萨克斯风、鼓手、电吉他……那种“所有人都在同一个时刻发声”的密度，震撼又好玩。 但我最大的收获，其实不是乐团本身，而是误打误撞参加了一个 Open Jam，一种爵士/蓝调的音乐社交方式。我觉得这事特别值得讲，因为它对我们这种从小在“正统、严谨、以乐谱为中心”的训练体系里长大的人来说，简直是 blow my mind。同时我又非常佩服它：像是推开了一扇新世界的大门。 我本来是被朋友拉去的，完全不知道怎么玩。进去以后我就像误入服务器的新号，站着看了好几个小时。每首曲子只有开头和结尾有谱（theme / head in & head out），只有那一刻我能参与；中间进入即兴段落之后，我就彻底掉线：不知道什么时候该进、该怎么进、该说什么“话”。更别提上去 solo 了，我一次都没上过。完全懵，后来知道怎么玩，就是昨天去参加了专门介绍JAM的一个讲座。 后来陆续来了几位长笛手，状态基本跟我差不多。只有一位上去 solo 了，看得出来是玩过 jam 的。其他人不是水平不行，恰恰相反，光看装备、架势、气质就知道都是传统训练下的顶尖高手。但面对这种随性、流动、强对话的爵士语境，反而“玩不进去”。现场真正控场的，大多是萨克斯风和电吉他；木管里能把 jam 玩得很厉害的，是几位单簧管手。 这并不是说长笛不能玩爵士。长笛当然可以，甚至音色很适合唱旋律、做动机、做空间。但现实层面会吃一点亏：比如长笛需要离麦近一点，不然很容易被鼓和电声淹没；更大的差别也不在乐器，而在语言体系：你是不是会用“爵士的语法”实时说话。 没错，语言。昨天在讲座上，我一个人提了很多问题。演讲者和我互动，感觉很好。我就问他，我怎么觉得这一切都像一种CONVERSATION， 他很同意我，甚至整个课程我们一种乐手都没怎么动用乐器，一直在用语言交互。 没玩过的人可能不知道 jam 到底是怎么回事。我试着用最朴素的话描述：它是一种源自美国的音乐社交机制（很多人会把它和爵士、蓝调传统连在一起）。大家临场定一个调、一个速度、一个律动、一个形式，然后! 真正的高手开始 现场即兴作曲。你会看到他们不是在“演奏一首写好的作品”，而是在一边演奏一边写（我其实有问他们，需不需要大脑作曲，那种我认识的五线谱。小哥，这位演讲主讲人，一位职业音乐人，跟我说不需要。他们有大量的出色乐手，不懂五线谱！），一边写一边对话。 就在那一瞬间，我脑子里自动切到大模型视角：我突然强烈地感觉——jam 就是人肉版的生成式音乐。 它有 prompt：曲名/调性/速度/feel/form，就是那包最小约束。 它有上下文：前面的人刚刚讲了什么动机、鼓给了什么节奏暗示、钢琴铺了什么和声色彩、观众对当下能量的反馈。 它有交互：你说一句，整个节奏组就回你一句；你抛一个 motif，别人可以引用、变形、反驳、补全。 它甚至也有“系统调度”：谁控场、谁收放、什么时候 trading fours、什么时候该收尾。 这决定了这段现场生成到底是“高级的共同写作”，还是“失控的噪声增长”。 而我们这些新手为什么会卡住？因为我们没法在现场即兴生成——至少没法稳定生成。某种意义上，我们做不到那件事：predict the next token of notes，并且还要在正确的和声与小节位置上预测、在观众可接受的审美窗口里预测、在与他人对话的语境里预测。 所以我们只能在开头和结尾“有谱的地方”参与：那里像是固定脚本，像是把模型输出锁死的 deterministic segment。中间的 solo 段落才是真正的生成区：你要在每一个回合里既保持形式不崩，又能推进叙事，还要给别人可接的线索， 那才是厉害的地方。 我现在回想，那几个传统训练特别强的长笛手“玩不进去”的样子，其实很像一个很聪明、参数很大、但没做过对话微调的模型：能力在那里，但缺少 jam 这个生态所要求的交互协议、实时反馈、以及“在不确定中仍然可控地产出”的生成策略。 我觉得这件事太有意思了：一个音乐现场，竟然让我把“生成模型—上下文—prompt—对话—调度”这套东西看得如此具象。甚至让我开始反过来理解：为什么爵士被称为一种语言？ 因为它真的就是一种语言体系，只不过它的句子不是字，而是音。 这才是音乐，现场那个氛围，那种热情，那种人与人，人与环境，人与音乐之间的交互。那种心跳加速，那种忘我，真的，相见恨晚，顿时不想练莫扎特了。

nano banana pro 提示词 🎬 一张照片，两个时代的完美融合！过去与现在在画面中自然交汇，跨越时空的神奇互动，尽在眼前。⏳✨ --- 提示词（使用时请替换为自己的场景） --- 一个水平分割的电影级镜头，展现出【场景】在两个截然不同年代的无缝融合：画面左侧是【年代A】，右侧是【年代B】（默认对比为大约100年前与当代）。 在画面的左侧（【年代A】）： 呈现与当时历史相匹配的建筑、室内或环境设计、材料、交通工具和道具，所有细节明确属于那个特定的历史时期。人物穿着完全符合【年代A】的服饰，包括发型、配饰和手中典型物品（如书籍、雨伞、乐器、信件、报纸等）。整体氛围充满怀旧感，历史感真实细腻。 在画面的右侧（【年代B】）： 展示同一【场景】的现代版本，建筑经过更新或翻新，采用现代材料（玻璃、钢铁、LED显示屏、现代家具），配有现代化的车辆或设备，以及当前科技产物（智能手机、笔记本电脑、相机等）。人物的着装风格则完全符合当下潮流。 在画面的中央区域： 两个时代的元素自然地交汇融合，不出现明确的硬性分界线。来自【年代A】和【年代B】的人物在视觉上进行互动：不同年代的人们彼此对视、穿梭于对方所在的空间，或对彼此年代的技术与物品流露出惊奇的神情。建筑和环境实现平滑变形，例如：古老的石制大门渐渐演变为现代校园大门，古典音乐厅装饰渐渐转变为充满未来感的舞台，老街商铺逐渐变成霓虹闪耀的现代商店。 务必确保场景不仅仅是左右简单对比，而是动态的跨时代互动体验，建筑、服饰、道具和人物的动作姿态均清晰地体现两个时代的对比与融合。画面风格为照片级真实感，8K超高清分辨率，电影级光影效果，广角视野，材质细节丰富，具备强烈的时空穿越叙事感。 --- 场景：复旦大学校园 时代对比：100年前 vs 现在 画面比例：4:3