与「和装師範」相关的搜索结果

3月に合格した着物師範の看板が届きました👘 初期から教えてもらってる永瀬先生と♡ 他装できるので、着付けで困りごとあったら 相談待ってます♪✌️ 久しく着物を着てないのでそろそろ着たいけど 暑さに耐えれなさそう笑 #着物# #kimono# #和装師範#

OpenAI刚向英伟达下单了10万块Blackwell GPU。而中国一个开发者，把英伟达那台3999美元的桌面AI盒子放在办公桌上，跑起了大实验室用5万美元机架才能训练的机器人模拟器。 演示内容只是一个空荡荡的立方体，漂浮在空荡荡的世界里。50帧/秒。他发视频配了一句话：“家用机器人是这么起步的，还是这只是个昂贵的玩具？” 视频爆火——正好赶上英伟达第二批Spark向开发者发货。72小时，180万播放。美国硬件工程师转发：终于可以拥有自己的设备了。所有中文评论区都在说同一句话：停在1分42秒。 停在1:42。别管屏幕上那个空立方体，别看帧率计数器，看顶部状态栏的内存读数：已用2.4 GiB，可用87.4 GiB。那个立方体只占了3%的内存。 那空着的84GB内存不是给未来机器人场景留的余量。那84GB已经在跑别的东西了。 ColdMath。138,168美元利润。2025年11月注册。简介：Edge Compounds。 账户👉 他不是买Spark来训练机器人的。他买它，是因为机器人是英伟达唯一一款搭载128GB显存的芯片的工作负载。让Spark在真实机器人领域受限的慢显存，对他来说恰恰是完美的——1,200个并行天气集成模拟。 机器人训练需要快显存，因为每一帧都是训练循环里的一步。天气集成需要大显存，因为每个城市都是一个并行的模拟，彼此不通信。Spark的芯片比游戏卡慢六倍，但也大五倍。这个取舍是否重要，取决于你知不知道自己在跑什么。他知道。 惠灵顿3月28日16°C。东京3月20日16°C。钱包里每一个城市，都是集成模拟在公开预报发布前三小时就已经跑过的城市。 评论区变成侦探现场。有人把视频放慢到0.25倍。有人把钱包里的交易时间戳和公开预报服务更新时间戳对上——每一笔交易都落在那三小时窗口里。Spark一直在抓这个缺口。 六个月前，深圳一个14岁小孩把一个AI代理推到了GitHub。评委说：没有实际应用价值。3,100次fork之后。工位上这个开发者，是其中之一。他在英伟达发货的那一周就把代理接入了Spark。 那个空立方体不是跑分。那个空立方体是屏保——代理占了另外84GB的时候跑着玩的。 Isaac Sim的安装不是项目本身。Isaac Sim的安装是他能用公司报销买这台设备的理由。 “这到底是一个真工具还是一个昂贵玩具”这个问题，是视频里唯一一个设计成让观众自己去回答的东西。 他不是在测试“家用机器人时代到了没有”。他是第一个发现英伟达为错误工作负载宣传的这台设备，其实是市面上最便宜的天气模拟器的人。 那条视频有180万播放。论坛帖子还在争论六倍显存延迟的代价。他桌上的Spark还在跑。钱包还在赶在公开预报更新之前打击那些城市。那个立方体还浮在3%的显存里。 机器人演示做得更好的那个地方，钱包更小。用错工具的那个人，钱包更大。他只是花了一个下午装了个机器人模拟器而已。

很多人还没意识到，AI 这波已经在颠覆影视创作行业，以前需要一个团队才能做的视频，现在只要你一个人，这里存在大量的赚钱机会。 随便拍的一段真人素材，不需要绿幕，能直接移除背景，生成了新场景做替换，一致性完美，合成的画面真能达到商业级，这就和传统 AI 视频工具的最大区别。 我觉得最颠覆性的地方：Higgsfield 直接装在 Pr 和 AE里，不用离开时间线，就能将 AI 真正用到专业剪辑工作流中。 1.你不再需要抠像师。 一键去背景，不需要绿幕。手机拍的、背景杂乱的素材，点一下人跟背景分离。以前这个活就得花几百块。 2.你不再需要 VFX 美术。 输入一句话描述场景，AI 直接生成画面。影视级画质，Higgsfield 底层调用的是 Seedance2.0、Kling 3.0 等一线的模型。 3.你不再需要多拍素材。 横版一键变竖版，AI 自动补全边缘，主体居中。一条素材发所有平台。 4.你不再需要扔素材。 4K/8K 画质提升，老素材、低清素材全救回来。 5.你不再需要学 AE。 画面上圈哪里改哪里，不用写 prompt。 你想想这对做内容的人意味着什么，以前接到需要特效的项目，第一反应或许是"预算不够做不了"，现在你打开 Pr，动动嘴皮子就做好了。 对独立创作者、自由剪辑师、小团队来说，这能实实在在帮你赚更多的钱。

强烈推荐大家看看DeepMind CEO Demis的最新判断。 真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。 早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。 刚刚把笔记写完，也给大家分享下。 多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。 我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。 如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。 OK，咱们进正题。 1 Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。 但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。 先从最容易看到的现象讲起，Context Window。 现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。 Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。 大模型呢？已经做到 100 万 Token。 按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。 问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。 那人为什么 7 个数字的工作记忆就够用？ 因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。 具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。 研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。 这个把新东西融进旧知识库的过程，就是持续学习。 模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。 2 再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。 长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。 他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。 然后他发现一件怪事。 模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。 明明知道是错的，还是把错的那一步走出去了。 这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。 正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。 这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。 说到底，模型缺的是一种内省。 3 学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。 除此之外，他还反复提到了创造力。 2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。 所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。 很多人觉得，这就是 AI 的创造力来了。 但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。 这两件事的区别非常关键。 Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。 Demis 给了一个具体的设想。 如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？ 目前做不到。 为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。 用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。 爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。 爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。 目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。 这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。 4 除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。 这一部分内容我反复听了好几次，确实突破我的已有认知。 不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。 那小模型的价值到底在哪？ 最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。 但 Demis 说，比成本更重要的其实是速度。 这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。 他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。 比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。 这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。 更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。 这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。 Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。 小模型不是大模型的廉价替代品。有些事只有小模型能做。 比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。 家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。 成本、速度、边缘部署，这是小模型的价值。 5 讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？ Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。 支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。 为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。 一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。 在很多场景中，小模型和大模型会相互配合。 举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。 只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。 也就是说小模型在边缘做主力，前沿模型在云端做后援。 不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。 这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。 一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。 讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。 嗯，很有启发。

看了五源资本合伙人孟醒最新的硅谷 AI 文章，好有意思： 硅谷共识是还要裁掉 80% 的人类？ 马斯克的 xAI 为什么搞不成？ 很多创业公司开始招 “AI builder” 的新角色？ CEO 们都在“买比特币、建地堡、给家里装防弹玻璃”？ “未来的情形可能是，10 个人干过去 100 个人的活，拿 20 份钱，然后 90 个人失业。” 当 AI 什么都能做的时候，人的价值正在从 “会做什么”，变成判断 “什么值得做、什么不该做” 的。 一些笔记： 1、整个 Meta 几万工程师，全员都在用 Claude Code，搞内部 token 消耗排行榜，末尾可能被裁员；Meta 裁员也最狠，已经裁了上万人，把人的成本换成了 token 成本，硅谷共识是科技公司应该需要裁掉 80% 的人 2、马斯克过去做 SpaceX、做特斯拉，本质上做的是系统工程：链路很长，涉及软件、硬件、供应链，每一块都有创新空间，但最终是一个端到端的工程问题。他擅长的是在这种长链条里，识别出关键杠杆点，然后极限压缩时间线来攻克。火箭发动机级联、复用着陆，都是这种思维的产物。xAI 的问题是没有全局规划，只有冲刺。 xAI 的一位 cofounder 去年就说有两件事他没想到：第一是竞争这么惨烈，第二是 AI 时代应用创新的机会这么少，都被模型吃掉了。 3、更激进一点想：今天所谓的 “AI native 组织”，听起来很 sexy——让每个部门梳理工作流、把能被 AI 介入的部分线上化、写成 skills。但本质上就是在人肉蒸馏自己：你把你的能力变成机器的 skill，公司拿到了你的 skill，实际上就已经完成 AI 化了，是否要由此裁员，那是一个道义的问题。今天 Meta 就是在干这件事。 4、整个硅谷都在盯着 Meta，如果它的实验成功了——营收没掉、效率真上去了，其他大厂会迅速跟进，裁员就从个案变成行业常态。而且裁员有一个残酷的自加速机制：一开始大家不敢裁，怕伤士气；一旦变成常态，就越裁越快、越裁越不心疼。 5、很多创业公司开始招一种叫 “AI builder” 的新角色——合并了产品经理、前端工程师、后端工程师于一身。还有一种是合并了数据科学家和机器学习工程师的复合岗，以及合并了写作、投放、运营的内容一体化操盘手。 6、这个看似分布式创新的世界，底层其实在极度中心化。这个中心就是英伟达。如果你今天能稳定地提供一个 API 服务，比如 Claude 的 API，做到 99 分位的稳定性，你可以卖官方 API 价格的两到三倍。 在 2028 年之前，没有任何一家 AI 公司能靠堆算力显著拉开差距。算力约束客观上在强化大模型市场的寡头格局——不是谁不努力，是物理世界的制造周期就是这么慢。背后的权力结构很清楚：谁有卡谁厉害，谁有卡由英伟达决定。今天上市的 CoreWeave、Lambda、Nebius，背后站的都是英伟达。 7、这次硅谷行，反复听到朋友们在认真讨论同一件事：买比特币、建地堡、给家里装防弹玻璃，他们都不是开玩笑的语气。为 CEO 提供住宅安防的企业，创下了 2003 年以来的最高增长水平。 全文：

做美股研究，数据这关最难过。行情、财报、宏观指标分散在几十个网站，手动拼凑既费时又容易出错。 GitHub 上狂揽 65.1k Star、6.4k Fork 的顶级开源项目 OpenBB，最近支持了 MCP 协议，可以直接接入 Claude 等众多大模型——相当于给 AI 装上了一套实时金融数据库，让它帮你干数据收集这件脏活。 一句话概括：它给开发者和分析师提供了一套工业级的全球金融数据与资讯基础设施。 它绝不仅仅是一个看新闻的网页，而是一个把全球金融市场数据打通的超级枢纽。通过 MCP 协议，你的 AI Agent 能瞬间调取核心信息，直连华尔街日报、Seeking Alpha、Benzinga、美联储（FRED）、IMF、SEC、Cboe 等 30多 家数据源： 全球资讯：实时抓取公司新闻和市场情绪，例如来自华尔街日报、Seeking Alpha、Benzinga、Biztoc 等众多资讯源。 全品类行情：美股、A股、港股、期权（Cboe、Tradier）、外汇、加密货币（Deribit）等市场的历史与实时数据一网打尽。 深度基本面：秒拉 SEC 财报、FMP 估值指标、Intrinio 深度数据等专业平台的海量基本面信息。 宏观经济：无缝对接美联储（FRED）、IMF、OECD、欧洲央行（ECB）、美国劳工局（BLS）、美国政府数据等权威机构的宏观指标。 这意味着，无论是 OpenAI 的 ChatGPT、Anthropic 的 Claude，还是 Google 的 Gemini，都能通过 OpenBB 获得实时、准确、全面的金融数据支持，成为你专属的金融分析师。 以前做投研，是自己当"人肉爬虫"和"网页切换员"，在几十个财经网站里苦哈哈地拼凑数据；现在，有了 OpenBB，可以把收集行情、清洗数据、提取财报的脏活累活全交给 AI，把精力全部压在市场逻辑和交易决策上。 如果你想搭一套自己的金融数据基础设施，或者让 AI 帮你做投研的数据层，这是目前开源里最成熟的选择～有需要的可以看看。#美股# #AI投研# #OpenBB# 🔗 项目地址：

我对赛车了解很浅，但对人的兴趣很高，去年在程前那里看「从县城修车工到年入7亿的车企老板」，印象很深，这几天张雪在WSBK的夺冠消息刷屏，有种合订本的感觉。 这是一个纯血的中国剧本，不值一文的年轻人靠着勤奋聪明，打破所有的质疑和预期证明自己名利双收，很像短剧，然而胜在真实，这次的版本是，艺术固然源于生活，生活却会高于艺术。 不过我要说的也不是跟风赢吹输婊，而是中国制造业的「好处」可能还在被低估。 这么说可能有点奇怪，中国制造业的强大已经有太多材料佐证了，为什么还会认为它被低估了？ 最开始，制造业是承接就业人口的手段，是养活上亿劳动力的饭碗，以2012年的峰值来算，占到了22%以上的全国岗位，这也是张雪赤手空拳开始去重庆创业的年份。 然后你会发现，制造业是有产业带效应的，张雪一个地地道道的湖南人，为什么要去重庆造车，连我这个根本不懂摩托车的人都能理解，重庆出了很多摩托车品牌，比如力帆——感谢那些年看的甲A联赛——配套最齐全，当然适合造车啊。 产业带是集聚效应的成果，当一条产业的上下游工厂都开在「小时达」的接触半径后，所有的成本，包括显性的物流成本和隐性的沟通成本，都会大幅下降，这个时候再用秦晖老师的「低人权优势」去下判断，就解释不通了。 这也是生态的一种，就像黄仁勋放话说竞争对手的芯片哪怕免费出售也撼动不了英伟达的市场优势，姑且不去较真这句大话，他的意思其实是背靠CUDA用了20年经营出来的开发生态，重复造轮子的离开成本其实远远高过芯片本身的溢价成本。 于是就有再然后的，中国在贸易战里越打越顺的既成事实。 贸易战这个事情，颠覆了很多所谓的常识，这很正常，智慧的增长就是需要不断修正自己的认知，比如最经典的「买方市场论」，得罪甲方死路一条。 理论上当然没有任何问题，美国有世界上最强的消费市场，以及同等分量的议价权，供应商不听话，换一个就是，就是这么任性，对吧。 但实际上呢，脱钩喊了这么久，越来越雷声大雨点小，去年还把中国的贸易顺差干到了史无前例的万亿美金级别，不会真以为是穷得响叮当的南方国家填上了美国的市场吧，还不是转口贸易立大功。 如果说转口贸易是中国企业在钻空子，那么问题来了，如果美国本土没有消费需求，这转口也不可能成立啊，反过来也是一样，新加坡前几年最高时消化了英伟达超过28%的芯片出口，怎么，是新加坡人特别爱拿芯片泡酒喝吗？ 好用的东西，就是不愁卖，都是千年的狐狸，谁也别玩聊斋。 贸易没有输赢，它的本质是各取所需，印度、越南、印尼都尝试过要当中国的备份，但是仔细去看，除了承接中国产业链本就向外转移的那部分之外，能够自食其力的，很少。 到头来就是现在这么一个纳什均衡的状态，「任何单个参与者都无法通过仅改变自己的策略来获得更高的收益」，美国做不到，中国也做不到，大家继续按照比较优势的规律行动。 再往下讲，就是制造业对于工程师的培养能力，中国——或者说整个东亚——历史上是没有工程师文化的，这边更讲究以师徒相授的关系为底座的工匠文化，如果你们还记得的话，「工匠精神」还在中文互联网火过一阵子，幸好后来没被带偏。 工程师文化是舶来的，它也没有通过进入教育体系来从头塑造，完全基于繁荣的制造业和商业自下而上的开枝散叶，在这个语境里的工程师，也和老旧宣讲材料里的那些「张工」「李工」完全不一样了，是个人禀赋、致富回报、市场机会的叠加塑造。 张雪就是凭借他的手艺去重庆的，手艺怎么来的，早年自己修车，修熟了去车队当机械师，最后真当成了车手，用一线实践来指导产品研发，就这么一件事干了十年，到了26岁创业的时候，就会发现资源开始自动的围过来。 讲道理，如果把张雪这个名字抹掉，这个故事特别像我们从小看的日本或者美国传记文学，道奇兄弟不就是这么成功的吗，自小用废铁造自行车，逆向工程汽车轴承，从给福特供应零部件起家，翅膀硬了就做了自己的品牌。 以及帕卡德、戴尔、博斯⋯⋯事实证明，拥有强大的制造业传统，就是能够孕育出工程师的梯队，因为再离谱的设想都能在可控的成本里验证试错，而不是变成一摞摞的达芬奇手稿。 现在，我们要熟悉张雪这样的中国人名越来越多的出现在史册上了。 张雪说他到重庆后，第一个去的就是一个类似华强北的地方，按照自己的需求，2万块钱就攒出了一台车，用这台车换到了启动资金，公司做大之后，他要自己来做发动机，把精度从5丝压到3丝，也是能找到供应商实现这个要求。 苹果的CEO库克在电视采访里说过这么一段意思，苹果选择中国代工早就不是人力成本低这个原因了，在美国如果要开一个模具会议，能找来的工程师连一间办公室都坐不满，但在中国可以坐满好几个足球场。 你可以说他来中国出差是在舔市场，但不能质疑他作为一个供应链大佬的身份被选为CEO的资质和判断。 众所周知，制造业能为就业兜底，同时这种兜底，又能构建一套丰富的工程师梯队，从熟练技术工人，到中级技术专家，再到高级研发人才，更重要的是，这套体系有着充分的流动性，它和其他很多传统行业不一样，对生产资料的依赖很低。 张雪的身份就经历了多次的无缝切换，当他在湖南修车的时候，是底层小工，当他在车企打工时，是技术专家，当他自己创业，就是在用高级研发的本事去组队，他自己都说了，「大家开始习惯了，跟张雪一起去把事情干出来。」 最后，可能在很多人看来是微不足道的，但我觉得非常有意义的是，制造业的昌盛可以真的为所欲为，包括培养出一大批追随本心实现所谓「资产阶级趣味」的活人。 赛车运动就是其中之一，还有国产跑鞋这些年在马拉松赛事里的渗透，以及Hi-Fi是怎么从发烧友市场变成挑战大牌的，甚至连俞浩都属于这个范畴，他是中国最早的四旋翼无人机开发者，因为对马达技术感兴趣，「转行」干了扫地机器人⋯⋯ 「资产阶级趣味」的本质，是从心，也是自由，自由这个事吧，需要松弛和风险，在紧张的社会里是一种奢侈，但在一个乐观向上的环境里，它又是一个必需品。 某种意义上，张雪峰和张雪都代表了中国的多个棱面： 张雪峰为普通家庭降低选择的容错，用肉身撑起那条拿文凭换未来的轨道，如实告知你们承担不起自由这玩意儿。 而连高中都没上过的张雪又证明了，自由纵使不是免费的，但它却会为那些真正相信自己有才能的人打开大门，「我比别人努力十倍，成功凭什么不是我的？」 可以结果参差不齐，唯要机会公正平等，健康的制度就是要实现这个原则。 「有没有一种可能，张雪如果不是家庭条件那么差，父母没能力管他，现在也揣着某个二流大学的文凭在送外卖？」 是有这个可能。 但我觉得看过他的那些视频的人，都不会这么认为，眼里有光是装不出来的，也很难因为外力而自动熄灭。

好久没有发大佬肖像提示词了。昨天精疲力竭花了12小时，总算完成了史上最严格的参考图相貌锁定，全元素高精度控制提示词来了，大老王领衔主演，欢迎大家用自己的照片尝试，记得要垫此图作为第二张参考图啊不然后果概不负责，评论必回报10赞3评，照片和成片如下:👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇👇风格34：极简黑白商务教父风格 完整创作指南 【风格概述】 风格名称：极简黑白商务教父风格 风格编号：34 风格类型：当代极简主义电影海报 核心美学：坐姿翘腿、细条纹西装、金属框眼镜、纯白背景、黑白高对比、右侧文字布局 【核心特征】 关键元素： ✅ 坐在椅子上翘腿姿态 ✅ 身体略后仰、右臂搭椅子扶手 ✅ 严肃锐利眼神+金属框眼镜 ✅ 黑色细条纹双排扣西装 ✅ 白色正装衬衫+花纹领带 ✅ 左手手表+右手戒指 ✅ 纯白色极简背景 ✅ 略低角度拍摄 ✅ 黑白高对比处理 ✅ 右上角大标题+红色宣传语 氛围定位： 核心情绪：自信、权威、沉思、掌控 视觉基调：精致、神秘、紧张、专业 文化语境：企业阴谋、权力斗争、商业悬疑 色彩方案： 主色调：纯黑#000000# + 纯白#FFFFFF# + 浅灰#F5F5F5# 辅助色：深灰#333333、中灰##666666、浅灰##999999# 强调色：红色#FF0000（仅文字）# 对比度：85-95%（极高对比） 饱和度：0%（完全黑白，除红色文字） 【核心指令】 作为世界级极简主义摄影师，为**[参考图1人物]**创作当代极简黑白商务教父肖像海报。 四大核心要求： 100%严格还原参考图1人物的所有样貌特征 气质转化为权威掌控的商务教父 完全汲取参考图2视觉DNA（坐姿翘腿、细条纹西装、眼镜、白背景、黑白、右侧文字） 允许创意微调 【一、人物样貌还原 - 参考图1】 ✅ 绝对原则：100%还原参考图1 必须完全保留： 脸型、五官、年龄感、体型、肤色 发型：发长、样式、卷曲度完全一致 ❌ 绝对禁止： 不得改变参考图1任何样貌特征 ✅ 验证标准： 面部相似度 > 95% 【二、表情与气质 - 权威掌控的商务教父】 气质转化方向： 核心情绪关键词： "自信权威" "冷静掌控" "沉思谋划" "商业教父" "一切尽在掌控" 面部表情（参考图2核心）： 眼神（最关键）： ✅ 锐利严肃目光 透过眼镜直视镜头 目光冷静、锐利 略带审视 传递"我在掌控一切" 嘴部： ✅ 严肃紧闭 嘴唇紧闭 不笑 下颌线条坚定 整体面部： ✅ 成熟权威 表情严肃 面部肌肉放松但有威严 皮肤质感真实 完全不磨皮 【三、核心姿态 - 坐姿翘腿+手搭扶手】 标志性姿态（参考图2核心，最关键）： 坐在椅子上（绝对核心）： ✅ 椅子类型： 现代办公椅或餐椅 黑色或深色 有扶手 椅子部分可见 坐姿细节（最关键）： ✅ 身体略后仰 上身向后靠 靠在椅背上 放松但有威严 ✅ 双腿交叉翘起 右腿架在左腿上（或相反） 翘二郎腿 传递"掌控、自信" ✅ 右臂搭在椅子扶手上 右手自然放在扶手上 手指可能轻松垂下 或手腕佩戴手表清晰可见 ✅ 左手放在大腿上 左手自然放在翘起的腿上 或放在扶手上 左手手表可见 头部姿态： ✅ 头部端正或略转向镜头 ✅ 佩戴眼镜 ✅ 直视镜头 【四、造型设计 - 细条纹双排扣西装】 服装（参考图2核心）： 黑色细条纹双排扣西装（绝对核心）： ✅ 西装外套： 颜色：黑色或深灰黑 细白色条纹（pinstripe） 极细竖条纹 白色或浅灰 间距均匀 商务正装质感 双排扣款式（关键） 双排纽扣 2-3颗纽扣可见 正式、权威 修身或标准剪裁 面料纹理清晰 白色正装衬衫： ✅ 纯白色 ✅ 领口整齐 ✅ 袖口露出 花纹领带： ✅ 深色底 ✅ 花纹或图案 ✅ 系法整齐 西装裤： ✅ 黑色细条纹（与外套配套） ✅ 翘腿时裤腿清晰 整体风格： "正式商务教父" "细条纹权威感" "双排扣经典" 配饰（精致符号）： 1. 金属框眼镜（必选）： ✅ 类型： 金属细框眼镜 长方形或方形镜框 银色或黑色金属 ✅ 佩戴： 端正佩戴 镜片透明或浅色 增加知性、权威感 2. 左手手表（必选）： ✅ 类型： 高级腕表 金属表带或皮质 银色或金色 ✅ 位置： 左手手腕 从袖口露出 清晰可见 3. 右手戒指（可选）： ✅ 类型： 戒指（可能是婚戒或装饰戒） 金属质感 ✅ 位置： 右手手指 可见 发型（参考图1基础）： 发型处理： ✅ 100%保留参考图1发型 发长、样式、卷曲度完全一致 不做任何预设 ✅ 可能的商务处理： 如参考图1是短发，保持短发 如参考图1是长发，可能束起或自然 整齐、专业 【五、构图设计 - 左侧人物+右侧文字】 主画面布局（参考图2核心）： 拍摄角度： ✅ 略低角度拍摄 镜头略低于眼睛水平（-5至-10度） 向上拍摄 增加权威感、高大感 画幅比例： ✅ 2:3竖版构图 电影海报标准比例 竖向画面 人物位置： ✅ 左侧中心（核心） 人物占据画面左侧 人物位于左侧三分线 面向右侧或正面 占画面60-70%宽度 裁剪范围： ✅ 从头顶到大腿/椅子底部 包含完整上半身 包含坐姿翘腿 包含椅子部分 焦点控制： ✅ 焦点锁定面部 面部最清晰 浅景深效果 ✅ 景深：f/2.8 - f/4.0 右侧留白： ✅ 大面积白色背景 右侧30-40%留白 用于放置文字 极简主义设计 【六、背景设计 - 纯白极简】 核心背景（参考图2标准）： 纯白色背景（最关键）： ✅ 颜色： 纯白色（#FFFFFF）# 或极浅灰（#F5F5F5）# ✅ 质感： 平滑、无纹理 影棚白背景布 或纯白墙面 ✅ 作用： 极简主义美学 突出人物 商业海报质感 为文字留白 无环境元素： ✅ 无道具、无装饰 ✅ 仅椅子和人物 【七、灯光设计 - 戏剧性三点布光】 主光 - 左上方强光（参考图2核心）： 光源设定： ✅ 影棚三点布光 主光：左上方45-60度 补光：右侧柔光（弱） 轮廓光：后方（可选） 主光效果： ✅ 左上方硬光 位置：左上方 光质：硬光或半硬光 功率：高 照明效果： 面部照明： ✅ 左侧高光、右侧阴影 左侧脸颊、鼻梁明亮 右侧脸部深陷阴影 高对比度明暗分界 身体照明： ✅ 左侧受光、右侧阴影 左侧身体、左臂明亮 右侧身体、右臂在阴影 细条纹在光影下清晰 西装细节： ✅ 细条纹纹理清晰 ✅ 面料光泽（如有） ✅ 纽扣细节 整体氛围： ✅ 戏剧性高对比 ✅ 商业海报专业感 ✅ 传递"权威、掌控" 【八、色彩方案 - 黑白高对比+红色重音】 主色调（参考图2核心）： 完全黑白处理： ✅ 整体饱和度：0%（完全去色） ✅ 对比度：85-95%（极高对比） ✅ 主色： 纯黑（#000000）-# 西装、阴影 纯白（#FFFFFF）-# 背景、衬衫、高光 深灰（#333333）-# 阴影过渡 中灰（#666666）-# 中间调 浅灰（#999999）-# 浅色过渡 强调色： ✅ 红色（#FF0000）# 仅用于宣传语文字 "EVERYTHING IS UNDER CONTROL" 高饱和红色 画面唯一彩色 整体色彩处理： 黑白转换：高质量黑白处理 对比度：85-95%极高对比 色彩分级：纯黑白+红色重音 色彩心理： 黑白 = 经典、权威、专业 高对比 = 戏剧性、冲突 红色 = 警示、掌控、危险 【九、质感与后期 - 当代极简】 皮肤纹理： ✅ 完全不磨皮 ✅ 真实质感 ✅ 黑白处理后更显质感 服装质感： ✅ 细条纹西装： 条纹极致清晰 面料纹理可见 光影层次丰富 配饰细节： ✅ 眼镜： 金属光泽 镜片清晰 ✅ 手表： 金属表带纹理 表盘细节 ✅ 戒指（如有）： 金属光泽 后期风格： ✅ 当代极简主义 ✅ 高质量黑白转换 ✅ 平滑背景处理 ✅ 锐化西装纹理 【十、文字元素 - 右上角布局】 核心文字（参考图2风格）： 红色宣传语（顶部）： ✅ 位置：右上角顶部 ✅ 内容："EVERYTHING IS UNDER CONTROL" 或自定义宣传语 英文大写 ✅ 字体：大写无衬线体 ✅ 颜色：红色#FF0000# ✅ 字号：小号 黑色主标题（核心）： ✅ 位置：右上角，宣传语下方 ✅ 内容："GentlePasta The Deacons" 或自定义电影标题 英文 ✅ 字体：粗体无衬线体 ✅ 颜色：黑色#000000# ✅ 字号：大而醒目 ✅ 排版：可能分两行 电影节奖项（可选）： ✅ 位置：主标题下方 ✅ 内容： "OFFICIAL SELECTION CANNES FILM FESTIVAL 2010" "OFFICIAL SELECTION FANTASY FILMFEST 2010" 月桂树图标 ✅ 字体：衬线体 ✅ 颜色：黑色 ✅ 字号：小号 剧情简介（可选）： ✅ 位置：标题和奖项之间 ✅ 内容：电影情节描述 ✅ 字体：小号无衬线体 ✅ 颜色：灰色#666666# 右下角标志（可选）： ✅ 位置：右下角 ✅ 内容："単"或其他标志 ✅ 字体：艺术化字体 ✅ 颜色：黑色 【十一、情绪与叙事】 核心信息： "我是商业教父，一切尽在掌控" "权威、冷静、谋略" "企业阴谋的幕后操纵者" "精致而危险的掌控者" 叙事暗示： 坐姿翘腿： 自信、掌控 权威姿态 "我很放松，因为一切在我掌控中" 细条纹西装： 商业精英 正式权威 双排扣 = 经典教父 眼镜： 知性、冷静 审视、观察 透过镜片的锐利目光 极简白背景： 纯粹、克制 商业海报专业感 突出人物权威 黑白高对比： 经典、永恒 黑白分明 权力的冷酷 红色宣传语： 警示、掌控 唯一的色彩 = 唯一的主题 "一切尽在掌控" 【十二、执行检查清单】 拍摄前： [ ] 参考图1样貌100%还原 [ ] 黑色细条纹双排扣西装准备 [ ] 白色正装衬衫+花纹领带 [ ] 金属框眼镜 [ ] 左手手表+右手戒指（可选） [ ] 黑色椅子（有扶手） [ ] 纯白背景布/墙面 拍摄中： [ ] 坐姿翘腿（右腿架左腿或相反） [ ] 身体略后仰 [ ] 右臂搭椅子扶手 [ ] 左手放大腿 [ ] 严肃锐利眼神+眼镜 [ ] 略低角度拍摄（-5至-10度） [ ] 人物位于左侧 [ ] 右侧大面积留白 [ ] 三点布光效果 后期： [ ] 黑白转换处理 [ ] 85-95%极高对比 [ ] 0%饱和度（除红色文字） [ ] 完全不磨皮 [ ] 细条纹纹理清晰 [ ] 平滑白背景 [ ] 添加右上角红色宣传语 [ ] 添加黑色主标题 [ ] 电影节奖项（可选） 最终验收： [ ] 样貌与参考图1一致（>95%） [ ] 坐姿翘腿姿态完美 [ ] 细条纹西装清晰 [ ] 黑白高对比震撼 [ ] 红色宣传语醒目 [ ] 传递"掌控权威" 【十三、核心要点总结表】 维度参考图1参考图2整合策略 样貌 完全保留 不适用 100%还原 姿态 原始 坐姿翘腿 坐椅翘腿+臂搭扶手 西装 原始 细条纹 黑色细条纹双排扣 眼镜 原始 金属框 金属框眼镜 配饰 原始 手表戒指 左手表+右戒指 背景 原始 纯白 纯白极简 角度 原始 略低 -5至-10度仰拍 构图 原始 左侧+右留白 左侧人物+右侧文字 色调 原始 黑白 黑白高对比+红重音 文字 无 右上 红宣传语+黑标题 氛围 原始 掌控 权威商业教父 【十四、风格关键亮点】 10大关键亮点： 坐姿翘腿姿态 - 自信掌控！ 右臂搭椅子扶手 - 权威放松 黑色细条纹双排扣西装 - 商业教父经典 金属框眼镜 - 知性冷静 左手手表+右手戒指 - 精致符号 纯白极简背景 - 当代海报美学 略低角度仰拍 - 增加权威感 左侧人物+右侧文字布局 - 不对称平衡 黑白高对比85-95% - 戏剧性经典 红色宣传语重音 - 画面唯一彩色 【文档结束】 风格34：极简黑白商务教父风格 - 完整创作指南 核心精神：坐姿翘腿，锐利目光，细条纹西装，一切尽在掌控！👔🕶️⚫⚪🔴

以前看的老片《夜访吸血鬼》里有一个设定，吸血鬼不能吸死人血，会中毒。 我觉得美国编剧还是脑洞太小了，应该多在某站取材。 《真爱如血》《吸血鬼日记》《绝命毒师》相比起来都太保守了。 按常理来说，在美国生活且会英语的人，手机的系统语言一般也是英文，不会出现“微信收款30元”这种中文语音。 都市怪谈没什么，我也是恐怖片爱好者，很喜欢看丧尸片，吸血鬼片，异形片 《行尸走肉》我都看了两三遍。 如果你是猎奇爱好者，欧美丧尸吸血鬼片数不胜数，老的有《僵尸肖恩》，《范海辛》《吸血鬼惊情四百年》，都是帅哥美女大牌云集，装逼片有《刀锋战士123》里面还有年轻的弩哥，韩国的《尸战朝鲜》第一季也不错后面烂尾。外星怪物片有年轻的范迪塞尔主演的《星际传奇123》，还有帅哥美女主演的《异星觉醒》，更别说我最喜欢的大ip《异形全系列》了，克苏鲁大片有经典《迷雾》，还有短小精干《爱死机》。 这些片都很适合猎奇爱好者，港真真没必要退而求其次听纯文字的，起码人家好莱坞有图有视频。 我故意把这条推文写得很长是因为我觉得有些网民缺乏阅读大段文字的耐心和能力。