与「帰化」相关的搜索结果

NVIDIA 发布 Skill2Env：用“集体技能”强化智能体 NVIDIA 研究者们把社区公开的 Agent Skills 编译成可执行 RL 训练环境的数据流水线：3.4k 个 Skills 变成 8k 个带程序化测试和行为量规的终端任务；仅 300 步 RL 训练就让 Qwen3.8-27B 在 Terminal-Bench 2.1 上提升 4.7 个百分点，且模型行为显著向源 Skills 的方法论对齐。 开源项目： 核心洞察：公开 Agent Skills 是一个被忽视的监督来源 Agent Skills 是“教智能体做某件事”的文件夹：一个 SKILL.md 加上可选的脚本、参考资料和资产。论文指出，把公开 Skill 语料当作数据来读，它同时提供三样东西： · 任务分布的采样：人们真正想让智能体处理的任务分布（有人愿意花时间写下工作流，说明这活儿值得自动化）； · 真实世界的锚点：指向真实的仓库、数据集、工具和工件； · 结果测试表达不了的质量标准：领域专长、默认参数、常见坑、“好结果长什么样”。 # 数据流水线：四阶段编译，验证靠构造 1. Plan（分解）：容器化的 Codex 规划器读取完整 Skill 包、联网调研相关公共资产，把 Skill 拆解成若干可验证的 workflow，每个附带元计划（场景、初始世界、预埋缺陷、难点来源、解法草案、验证策略）、资产建议和“任务轴池”（任务原型 × 验证器模式 × 人物画像）。 2. Diversify（多样化）：宿主从轴池采样一组组合，加上复杂度、指令语气、请求者专业水平。关键设计是轴池以 workflow 为条件：研究型 workflow 配“证据可追溯”验证和研究者画像，而不是从全轴乘积空间乱抽，这让多样化保持 sensible。 3. Create（构造）：全新创建者 Codex agent 在 Docker 内工作，尽可能用真实素材（钉在特定 commit 的开源仓库、真实版本化文档、官方 API 规范）；需要联网服务的场景改造成本地替身（stub 服务器、录制回放 fixture、PATH 上的假 CLI、种子数据库），求解时绝不依赖网络。创建顺序被严格固定：先建世界 → 写指令 → 写测试 → 写量规 → 最后才写参考解，测试先于解法冻结，保证解法必须迁就评分契约而非反过来。 4. Verify（验证）：宿主端无模型参与的接收门：静态检查（布局、符号链接、Dockerfile 安全、基础镜像按内容摘要钉死）+ 两个容器内试跑：Oracle（参考解）必须全指标满分，NOP（什么都不做的 agent）必须全指标零分。任一失败即拒绝。 值得注意的一个反直觉选择：不做 teacher 模型预验证（不像部分工作用强模型试解、解不出就丢弃任务）。理由有二：这会把任务难度上限压到验证器能力，且成本翻倍；而 group-based RL 的在线动态过滤（rollout 无优势的 prompt 自动不产生梯度）天然淘汰过难/过易任务。 # 数据画像：广、贵、且忠实于源 规模与成本：7,971 个任务，用 GPT-5.6 Sol（xhigh 推理档）生成，API 花费超 9 万美元。（脚注：出于法律原因，公开发布的数据集改用 Kimi-K3-max 在同一流水线下生成。） 领域分布：13 个领域中，软件工程仅占 22.5%，AI/ML 10.5%，商业/金融/法律/HR 10.5%，营销 9.3%……论文对比了 TMax-15K、Terminal-Bench、DeepSWE 等，Skill2Env 是唯一全覆盖 13 域、且非技术知识工作占大头的语料。 忠实度探针（很聪明的设计）：用任务指令+量规作查询、对 3.4k 个 SKILL.md 做 TF-IDF 检索，73.2% 的任务 top-1 命中真实源 Skill，94.6% 进 top-10（随机 0.03%）。单用量规也有 68.5% top-1，证明量规携带的是 Skill 专属方法论而非泛泛建议。 SFT 数据：用 GLM-5.3 对每个任务 rollout 两次，得到 15,968 条轨迹，平均奖励 0.74，中位轨迹 19 次模型调用 + 23 次工具调用。 S2EBench：考虑到公开基准饱和，从 SkillHub 另外生成、逐条人工审核（指令无歧义、忠实于源 Skill、测试公允）后的 79 任务私有 held-out 基准。 # RL 实验：基础设施 + 极简配方 基础设施（论文明确说“现代 agentic RL 首先是基础设施挑战”）：Molt（PyTorch 原生全异步训练，Ray + vLLM + FSDP2）+ Polar（agent rollout 层：rootless Apptainer 沙箱、代理回传 token ID 和采样时 log-prob、prefix merging 把 harness 的多次补全缝合成训练轨迹）。 配方（刻意走“简单路线”）：GRPO 组归一优势 + DPPO 的 binary-KL 信任域掩码（δ=0.05，超出阈值的 token 直接丢弃，无需参考模型，还能防训练-推理失配）；G=8 rollouts/组，批 64，lr 1e-6 恒定，无 KL 惩罚、无熵奖励、无 SFT 热启动，每任务 65k 上下文。 量规校准奖励：开量规时，额外由 GPT-6 Astra 做 LLM-as-Judge（带“宪法”：惩罚无脑循环、reward hacking、答非所问；hacking 实证 = -5 分），总奖励 r = r_V + λs/5（λ=0.2），即 judge 最多把程序化奖励拉动 ±0.2。量规是校准可执行结果奖励，而非取代它，这是与“Rubrics as Rewards”一系的定位差异。 # 四项发现（论文最有信息量的部分） 发现 1：小规模 RL 即有跨域迁移。 仅 300 步、只用 2,400 任务子集训一个 epoch：S2EBench pass@1 +4.3（均分 +18.5），Terminal-Bench 2.1 +4.7（49.4→54.1）。训练集与 TB 无重叠（13-gram Jaccard < 0.8），且训练集从未针对 TB 调过，论文将其解读为规划、工具使用、收尾能力的通用提升而非任务族记忆。这让 27B 本地模型显著缩小了与云端前沿模型的差距。 发现 2：量规校准 RL 在基准上落后于纯结果 RL，一个诚实的负结果。 量规版在 TB 2.1 只有 50.1（纯结果版 54.1）；训练中量规版的程序化奖励长期停在 0.5–0.6，judge 分项从头到尾无上升趋势，两个奖励在训练分布上互相拉扯。论文不把它当作对量规奖励的终审判决（两者优化不同目标，而基准只考结果那一半），并给出两个疑因：λ=0.2 的加性形式让失败任务仍能拿正奖励、judge 看不到文件系统等设定均未调优；以及更本质的，Skill 写下的方法论可能本来就不是最大化基准通过率的分布。 发现 3：行为确实向 Skill 对齐，量规的价值所在。 200 个任务的成对偏好测试（judge 拿源 SKILL.md 当标准，比较匿名化的 base 与 RL 轨迹）：纯结果 RL 已被偏好 54.5% vs 33.5%；量规版被偏好 73.0% vs 24.0%。这说明量规奖励买到的东西在结果基准上看不见，但对“怎么做事”影响实质，对网页开发、报告综合、开放研究这类难验证任务尤其重要。 发现 4：GLM-5.3 蒸馏 SFT 反而伤害 Qwen。 在 GLM-5.3 轨迹上做 SFT：27B 上 TB 2.1 掉到 45.8；4B 上直接崩塌（TB 18.7→3.4，出现思维/工具调用死循环）。归因：教师的 interleaved-thinking + 工具调用风格与学生自身 post-training 不兼容，模仿覆盖了学生依赖的行为模式却带不来教师的能力。与 TMax 报告的“SFT 混合数据劣化已后训练的 Qwen”互相印证。因此论文所有 RL 结果都从未修改的原始 checkpoint 出发。

《欢迎来龙餐馆》不论是特效还是剧情，真的是近些年不可多得的优秀国产电影，尤其是在当前舆论形势和价值观导向的情况下依然能够跳出那堵透明的墙，最早我看到简介后，本来以为又是一个烂俗套的反美战狼片，但是冲着沈腾还是进了电影院，没想到居然给了如此大的惊喜，在这部电影里，美国人和中东人不再脸谱化非黑即白，都是被莫名其妙裹挟到这场乱局里的普通人，你把自己代入任何一个角色后，他们做的事情好像又都合情合理，但拼到一起又整体形成一个无法解开的死局。 最近我也遇到了个类似苦恼的事，我小区后面有一片长达10年的烂尾房，经常有人钻进去开荒种菜焚烧枯枝烂叶，搞的乌烟瘴气，在提交了几次12345后，前天早上看到又有人焚烧，烟都飘到我家阳台来，气的我直接报警，警察10分钟就出警到达，态度也非常好，说只要我报警他们一定会来，但是他们也只能做到发现后制止，不可能长期驻守在这里。 然后我又去找街道办事处，对方说他们也很无奈，之前就有人反馈过，但他们没有任何执法权，只能起到沟通协调作用，之前还专门派人拿个大喇叭喊话教育。 街道说这片烂尾楼所属的地块是一个村委，给了我电话，然后我又去联系这个村委，他们说这片地之前属于他们，但早就被征收卖给企业了，村民都拆迁搬走了，现在部分村民私自进去开荒，他们作为村委也只能批评教育，总不能把人家锁在家里不让出来。 然后我又找环保部，对方说如果想彻底根除，那就只能把整个这片先调集铲车全部清理，然后用围挡全部封死，彻底杜绝人进来开荒，但是这需要申请一大笔经费，需要走流程。 在整个环节里每个人好像都没有错，警察尽心尽职及时出警但不能长期蹲守，街道也尽力协调但没有执法权，村委已经把地卖出去了不归他们管，环保需要申请经费调动铲车和修建围挡成本太高。 在没有尝试解决这个问题之前，我一直以为是某个部门不作为，但是真正开始躬身入局后，发现好像如果我是警察、街道、村委、环保这几个角色，我好像也做不了其他更多事情了。 最初始的源头就是10年前那个开发商资金链断裂导致房子烂尾，罪魁祸首是很清楚的，但是这个死局却好像无人能解了，就像中东现在各方势力，一切的源头也许就是当初萨达姆入侵科威特，或者是某个什么事情，但过去几十年后，你杀了我爹，我干了你妈，一层又一层的混战后，现在每个人都觉得自己有道理而对方是坏人，成了一个无解的死局。

刚从电影院回到家，脑子还在嗡嗡作响，诺兰这部《奥德赛》有很多让人深思之处，充满了隐喻，哲理，与人性的思考。堪称今年最佳电影，没有之一！迫不及待，躺在沙发，打开电脑，写下观后感受！ 首先讲讲隐喻部分，海伦在原著中，是众神之神宙斯下凡人间化为天鹅，与斯巴达王后勒达所生的女儿，她由一颗天鹅蛋孵化而出，具有倾国倾城的美貌与高贵的气质。但在诺兰的影片中，她是黑人，脸上还刻着冰冷的刀疤，讲真的，跟原著相差甚远。 荷马史诗里的海伦是引发千帆竞发的终极诱惑。但在诺兰的镜头下，他想表达的是最冷酷的事实，海伦根本不是战争的原因，她只是阿伽门农粉饰侵略的幌子。 这与千百年来西方霸权的行事逻辑如出一辙，为了争夺地中海关键航道的贸易命脉，便穿上“拯救美女”的伪正义外衣。电影里阿伽门农将自己年幼的女儿冷血献祭，进一步扯下了统治者虚伪的面具。 这不免让人联想到现代历史中的种种巧合，比如03年伊拉克战争，美国以“大规模杀伤性武器”为由发动战争，耗时八年，最终什么也没找到。海伦越丑、越不具说服力，影片对“正义借口”的质问就越发鞭辟入里。 古希腊文明曾建立在“宙斯款待规则”之上，依靠互信与敬畏维持生存秩序。然而，木马计骗开了城门，阿伽门农血洗了城邦，奥德修斯在归途掠夺村落，彻底打破了这个规则。 影片中最震撼的一幕，莫过于奥德修斯在归途中反复听到的预言，“有一群海上来的人要摧毁希腊城邦”。当他以为是外敌入侵时，妻子却一语道破天机：“你自己不就是海上来的人吗？” 从大航海时代的掠夺，到近代坚船利炮打开国门，再到现代以“普世价值”为名留下的废墟，不禁要问，最终留下的是什么？是废墟、难民、仇恨。 今天欧美的移民撕裂、内部对立,不就是当年"海上来的人"对本土秩序的现实报应?海洋文明的扩张基因，最终吞噬了自己的根基。 接下来讲讲哲理部分，我个人认为诺兰应该很喜欢东方佛学，尤其是金刚经。里面多处折射出了人性的五毒，贪嗔痴慢疑。比如独眼巨人、女巫、塞壬、忘忧莲，他们每一个都是佛学五毒的映射： 独眼巨人：代表着狂怒与暴力； 女巫：将人类贪婪异化为野兽； 塞壬的歌声：唱的是你心底最深处的渴望与我执； 忘忧莲：则是对现实的逃避 你对抗什么，什么就存在；你接受什么，什么就消失。所有的风暴诅咒，终归都是心魔。 这里与《金刚经》的核心达成了共振，“凡所有相，皆是虚妄”，“应无所住，而生其心”。 奥德修斯归家路上，一直在对抗风暴、执念于掌控命运，这导致他执迷其中，迟迟无法得到自己想要的“回家”。只有当他明白自己无法掌控一切，学会放下对自我的执念，向暴风雨屈服、向宙斯屈服、向波塞冬屈服、向命运屈服时，他才真正获得了重生的力量。 归乡的路，就是不断失去、不断放下，最终在满身伤痕中认清自我、接纳世界的过程。心外无物，归途即是心途。 最后是男人寻找伴侣的一些思考，巴菲特说过，伴侣是人生最重要的投资，而好的女人，是可以福泽三代的。电影中直接应征了这一点。一个是珀涅罗珀对奥德修斯的20年坚贞守候，一个是海伦的姐妹对阿伽门农凯旋后的谋害。一反两面，活生生的对照！ 奥德修斯离开时，珀涅罗珀还是年轻王后。二十年后，丈夫生死不明，王国被侵占，一百多个男人逼迫她改嫁。但她没有崩溃。她用织布骗局拖延好多年，白天织布，晚上拆掉。她等待的不是一个抽象的“国王”，而是那个她相信不会消失的人。 最精彩的是，奥德修斯归来后，她没有盲目拥抱，而是依然测试他。她用一个只有他们俩知道的秘密去确认丈夫。他们的婚床，那张一根柱子直接扎根在活橄榄树上的床。这不是简单的浪漫，这是二十年夫妻共同生命的密码。真正智慧的女人，绝不只相信外表与甜言蜜语。 而对于奥德修斯来说，这也是一场关于“矢志不渝”的终极考验。 在仙女卡吕普索的岛上，他面对的是永恒的青春、不死之身、没有痛苦的人生和每天如仙境般的生活。换成普通人，可能早已选择留下。但奥德修斯拒绝了。 因为卡吕普索给的是一个完美的牢笼和没有痛苦的人生；而奥德修斯想要的是有意义的人生。 他宁愿回到伊萨卡，做一个会衰老的凡人，去面对现实的困顿，和妻子一起经历有限的生命，也不愿在虚幻的永生里麻木。 一个男人真正的成熟，不是看他能征服多少疆域，而是看他在面对极致诱惑时，是否还能认清自己内心的锚点。 面对智慧、耐心与忠贞的妻子，他也用无惧岁月与神力诱惑的矢志不渝，完成了对这段伟大关系的双向奔赴，我觉得这是诺兰在这部电影中最歌颂的人性之美！ 《奥德赛》表面上是一个关于冒险、努力回家与家人团聚的史诗，但在我看来，它是人类一生的终极隐喻。 从出生到死亡，我们都在命运的汪洋上航行。我们会遇到独眼巨人(暴怒)、女巫(贪婪)、塞壬(欲望)。 最终能否回到那个"家"？这个家不是伊萨卡岛，而是我们的本心: 佛家叫"明心见性" 道家叫"返璞归真" 荣格叫"自性化" 当上帝已死、灯火熄灭，我们还能否找到自我的本心? 归途也是心途。这是我一个多小时敲字中，满脑子一直浮现的话！🧐

纽约时报：鸡蛋变成火箭蛋 中午刷到纽约时报的文章，借着中国鸡蛋价格暴涨说事。 我在纽约时报这里调侃了一句，鸡蛋8月9月合约跌超100，你一个文科生，就别来扯我们生鲜行业的蛋了。 纽约时报这种左翼政治性媒体，与狐狸新闻这样的右翼媒体，是对中国经济挑三拣四，造谣生事的两大死对头，但在中国这里和谐统一了。 作者的春秋笔法还是很厉害，字里行间，在描述中国消费紧缩下，鸡蛋价格上涨带来的行业伤害。你往左看，是坏的；往右看，也是坏的。 作为大宗商品行业分析师，我前不久刚写了几篇鸡蛋的报告，对数据和趋势很了解。 在过去的五年里，蛋禽存栏持续上升，祖代鸡和父母代鸡存栏，雏鸡、青年鸡、在产蛋鸡的存栏在2025年达到顶峰，超过13亿存栏。 因为饲料原材料豆粕等持续下跌，实际上是来自于大豆与玉米价格的下跌后持续低位震荡，导致禽蛋产业在某种程度上维持了相当长的盈利时间或轻微亏损。 这件事不应该政治化。 因为美国农民会因为大豆与玉米的价格持续下跌受损。 美国政府不得不提供补贴来帮助农民。 在美国农业上，如果价格跌穿某个平衡点，政府补贴就会启动。 那美国纳税人需要付出代价。 这样做政治意识流就没有意思了。 实际上对于禽蛋产业来看，存栏去化不像活牛、生猪存栏那样艰难。 牛周期8到9年，猪周期5年。 因为并不是简单杀牛去栏就可以拯救价格的，这里面有市场行为博弈的困境。 而禽蛋产业的老鸡去化，损失极小，老鸡还可以卖肉。 在行业默契去化后，鸡蛋价格马上就会上扬。而且对于鸡蛋这种产品来说，不容易保存，供给快速缩减后，市场立即会把几个月内的价格提前预支到近月，约贴近现货周期，涨的越疯。 在快速去化出清亏损风险后，雏鸡和青年鸡补充为产蛋鸡，父母代鸡开始补栏。 这个时间周期上的远期合约价格就会下跌。 下跌到一定程度，更远期的合约就会对未来的存栏产生预期。 这就构成鸡蛋这个产品周而复始的波动。 市场的归市场，市场的行为人自动可以调节供需、价格，对冲亏损和盈利。 如果你不想看政治化的纽约时报来了解鸡蛋和鸡蛋投机，就来看看我们的生鲜世界专业分析网站吧。 9月初上线。 专业的归专业，政治的归政治。

書終於上架了了亞馬遜 《AI 超級週期： 五層產業鏈視⻆下的 AI 基礎設施投資: 從能源到應用，一條產業鏈看懂 AI 投資的底層邏輯》 - Chris Lee 李書沸以「五層產業鏈」為框架，從最底層的能源（核電、天然氣、電網）出發，逐層向上穿透至半導體（NVIDIA、台積電、Broadcom）、硬體基礎設施（HBM 記憶體、光互連、液冷散熱）、雲端與數據中心（超大規模運營商、主權 AI）、再到大模型與應用層，完整呈現 AI 基礎設施投資的全貌。 鏈接 ： 亞馬遜Kindle會員的無限量會員的話，能免費觀看，單獨是美元$2.99 抱歉，可惜亞馬遜只有繁體字，但大家應該可以看的懂。 前言： "當所有人都在談論 AI，真正的問題是：錢該投在哪裡？ 2026 年，僅四大超級雲廠商的 AI 資本支出就達到 7,250 億美元。這不是一場短期炒作，而是一個可能持續十年以上的超級週期。但對大多數投資者而言，AI 產業鏈就像一座黑箱——你知道 NVIDIA 很重要，卻說不清為什麼一顆 GPU 需要搭配價值數倍的電力、散熱、網路與儲存設備才能運作。 這本書要打開這個黑箱。 李書沸以「五層產業鏈」為框架，從最底層的能源（核電、天然氣、電網）出發，逐層向上穿透至半導體（NVIDIA、台積電、Broadcom）、硬體基礎設施（HBM 記憶體、光互連、液冷散熱）、雲端與數據中心（超大規模運營商、主權 AI）、再到大模型與應用層，完整呈現 AI 基礎設施投資的全貌。 這不是一本泛泛而談的趨勢書，也不是一本只講概念的入門讀物。書中深入分析超過 80 家公司的競爭格局、護城河與估值邏輯，並為每一層提供具體可操作的投資框架。無論你是想理解為什麼鈾礦股會因為 AI 而暴漲，還是想搞懂 CoWoS 先進封裝的產能瓶頸如何影響整條供應鏈，這本書都能給你清晰的答案。 本書的獨特之處還在於作者的跨界視角。李書沸曾任 OKEx（現 OKX）CEO 與火幣 CFO，是加密貨幣行業最資深的高管之一，同時在傳統金融領域深耕多年。他在書中專闢章節探討 Crypto 與 AI 的交匯——去中心化算力、AI Agent 經濟、代幣化激勵機制——這些是傳統分析師不會觸及、卻可能催生下一波爆發性機會的領域。 本書涵蓋的核心議題包括：為什麼 AI 超級週期的本質是一場能源革命，而非僅僅是算力競賽？NVIDIA 的真正護城河在哪裡，它的統治地位是否會被挑戰？台積電與 Broadcom 在 AI 晶片供應鏈中扮演什麼不可替代的角色？HBM 記憶體為何成為 AI 時代最關鍵的瓶頸之一？光互連技術如何解決數據中心的頻寬牆問題？超大規模雲端運營商的 AI 資本支出將流向何處？大模型競爭格局如何從「比大」轉向「比效率」？AI 應用層何時能真正兌現商業價值？Crypto 與 AI 的融合將創造哪些新的投資範式？如何建構一個穿越週期波動的 AI 投資組合？ 最後三章聚焦實戰：風險管理框架幫助你識別泡沫信號與週期轉折點；投資 Playbook 提供從選股到配置的完整方法論；結語則回歸長期視角，探討這場技術革命的終局。 這本書寫給這樣的讀者：你有一定的投資經驗，對科技趨勢保持關注，但苦於找不到一個系統性的框架來理解 AI 產業鏈的投資機會。你可能是主動型投資者、科技業從業者、金融從業者，或是對 Crypto 與 AI 交叉領域感到好奇的探索者。 如果你只想讀一本書來建立對 AI 基礎設施投資的全局認知，這本書是為你寫的。" 關於作者：李書沸（Chris Lee）現為 Merkle 3s Capital 與 XResearch 聯合創始人。曾任全球前三大加密貨幣交易所 OKEx CEO 及火幣集團 CFO，擁有超過二十年橫跨傳統金融、加密貨幣與科技投資的從業經驗。 感恩轉發、分享。#AI#

孙哥这次又开始下血本直接开始花钱买美股流动性了。 刚试了下HTX搞的TradFi交易挖矿，说实话有点离谱，别人交易交手续费。 HTX这次直接反过来发钱：Maker最高返110% Taker最高返105%。 意味着你去给美股市场挂单提供流动性，平台倒贴钱给你。 我刚刚自己开了一单体验了一下，还挺有意思，选来选去看中了美光MU，顺手开了一单！ TradFi一直是今年最大的叙事之一，RWA、美股上链、股票代币化，所有人都在讲故事。 但最大的问题一直没解决：流动性，没有流动性，再好的资产也只是个摆设。 所以HTX这次其实干了一件很简单粗暴的事：直接拿钱买流动性。 让更多资金进入TradFi交易市场，让盘口更深，让交易更活跃。 更狠的是活动期间产生的手续费收入，100%用于回购销毁HTX。 交易量越大，回购越多，价值捕获越强，这已经不是单纯的活动补贴了，而是在给TradFi生态做冷启动。 当然。 羊毛归羊毛，别为了赚返佣去赌方向。 赚补贴可以，接飞刀没必要。 毕竟市场上最舒服的交易永远是：方向对了赚钱，方向错了还有人给你发补贴。 😎 👇 我已经亲自体验了一单，只能说，今年各家都在讲TradFi，但真正开始砸钱抢流动性的，还真不多。

李少民：為什麼紐約市搞社會主義，經濟仍然不會崩潰？ 最近，紐約民主社會主義陣營聲勢大振。紐約市長佐赫蘭．馬姆達尼（Zohran Mamdani）提出凍結租金、擴大政府補貼、免費公車、提高富人稅負等一系列激進政策，而支持這些理念的左派人士也在紐約市議會選舉中取得優勢。他們所主張的政策，再次引發美國社會對國家未來發展方向的激烈辯論。 自從佐赫蘭·曼達尼今年贏得紐約市長選舉以來，批評者就不斷預言災難即將降臨。租金凍結、免費公共服務、擴大補貼、對非法移民更優厚的福利、對富人加重稅負……熟悉的結論隨即出現：社會主義在所有曾經嘗試過的地方都已失敗，紐約市注定走向經濟崩潰。 我认为這個預測不可能成真——不是因為社會主義突然變得有效，而是社會主義的批評者往往忽略了一個關鍵差異：實行社會主義的地方究竟是封閉的，還是開放的。 在封閉的社會主義經濟裡，必須自己創造全部財富，同時進行再分配。歷史一再證明，這種故事通常如何收場。蘇聯在中央計畫下最終停滯不前，1970與1980年代成長率大幅下滑，總要素生產率停滯甚至倒退，產出對資本的比率因效率低下而急劇惡化。毛澤東時代的中國在開放前經歷多次經濟災難。東歐各國則在低效國營企業與長期短缺的重壓下崩潰。更近期的委內瑞拉也走上同樣道路：國內生產毛額從2013年到2020年代初，縮減約75%至80%——這是現代史上最大規模的和平時期經濟收縮之一。 原因其實很簡單。當政府把報酬與生產力逐漸脫鉤，人們創新、投資、生產的動機就會減弱。生產下滑、再分配卻持續擴大，經濟餅就會越來越小。最後，已經沒有足夠財富可以再分配。在封閉經濟中，社會主義最終會把自己賴以維生的資源耗盡。 紐約市的情況則完全不同。它不是獨立國家，而是嵌入紐約州、美國以及全球經濟的一座城市。 它享有聯邦政府支出、州政府支持，以及全球最大規模的國際競爭企業集群之一。紐約都會區的GDP約達2兆美元，約佔美國經濟總量的9%，其中金融與保險業貢獻數千億美元（有分析指出，金融業約佔該市經濟的24%）。 華爾街的收入並非只來自紐約市民。全球金融機構、跨國企業、大型律師事務所、顧問公司、媒體集團與觀光業，都把來自全美乃至全世界的財富帶進這座城市。換句話說，紐約市的再分配政策，不只靠本地居民，更靠遠超出其邊界的財富來源支撐。 這一點從根本上改變了局面。 如果曼達尼推行其政策，部分富裕居民幾乎肯定會搬走，部分企業可能外移，投資活動也可能趨緩。這些反應與數十年來的研究結果一致：稅負、管制與價格管制確實會影響經濟行為。高盛曾估計，2018年至2023年間，紐約市年收入超過1000萬美元的家庭中，有整整10%已在其他地方設立居住地。紐約州在全美申報超過100萬美元所得的納稅人比例，也從2010年的12.7%降至2022年的8.7%，意味著可觀的稅收損失。然而，資本外流並不必然導致立即崩潰。紐約市更可能出現的是緩慢的經濟活力流失，卻仍能維持財務運作，因為外部資源持續注入。因為更廣大的美國經濟仍在創造可課稅財富，國使得市政府則以更多再分配來给紐約输血。当然，纽约市政服務越来越差，更多的無家可歸者繼續依賴日益昂貴的政府補貼，中產階級納稅人則可能被夾在稅負上升與公共服務品質下降之間，投資者可能悄悄將資金轉移他處。但這一切都不回把纽约變成像蘇聯那樣戲劇性地崩潰。 它更像另一種現象：寄生在健康宿主身上的寄生蟲。寄生蟲不需要自己生產食物，只要宿主保持生產力就能存活。同樣地，一個嵌入大型資本主義經濟體系中的再分配型行政區，可以比試圖把全國經濟完全納入社會主義原則的國家，存活得更久。 這種寄生在美國不止於紐約。 加州長期以來也同時推行大規模再分配政策，並擁有全球具競爭力的產業，創造巨額財富——然而它卻面臨全美最高的貧窮率（近期數據約17.7%），以及美國最大的無家可歸人口（約18.7萬至20萬人，約佔全國總數的24%）。在這些案例中，再分配之所以能夠持續，正是因為財富創造發生在更廣泛的資本主義系統之內或之外。 因此，真正的教訓並非社會主義突然變得經濟可行，而是社會主義往往靠著從較大的資本主義系統汲取資源而得以存續。 美國人真正應該思考的問題，不是紐約市是否會變成另一個蘇聯——它肯定不會。 更重要的問題是：紐約市搞社會主義最終由誰來買單？ 只要生產力強的美國人、具全球競爭力的企業以及世界資本市場持續創造財富，紐約市就能繼續進行再分配。該市的經濟扭曲会日益嚴重，但不会崩潰。然而，這種韌性不應被誤解為成功。它只反映出紐約市並非自給自足的經濟體，而美國與紐約州某種程度上縱容了它的寄生行為。 社會主義在蘇聯失敗，是因為它無處可求助。但在龐大的資本主義經濟體系內的社會主義飛地，卻可能持續數十年之久。 所以，美國選民必須明白，一個以自由市場、私有財產與法治為基礎建立的國家，不應該容許其城市或州採行越來越社會主義的政策、讓全國其他地區承擔大部分經濟代價。@baodiantimes

刚看到Bitget GetAgent Playbook 新上了一批美股选股策略，说实话我第一反应是：又来一个黑盒？结果跑了一遍「精选 AI 主题股票」，发现真不是那种扔几个代码就完事的东西 它用大模型做了两阶段研究：先初筛，把纯蹭概念、财务太弱的剔除；再深度精选，给出 AI 细分层（计算/基础设施/平台/应用）、质量因子、信心标签、投资逻辑和关键风险。每个标的都列了主要风险，比如 AI 板块集中度高，回调时名单里多只可能同步回撤——不藏着掖着这点让我好感拉满 我自己研究 AI 赛道也会按这个框架，但它一天就能扫完全市场，比我手动覆盖的效率高太多。而且这是 Signal Only 模式：只输出研究名单和逻辑，不自动下单，钱在你手里，参考不参考自己决定 五个策略我挨个摸了一遍，用大白话说说真实感受： 🔹 如果你跟我一样看好 AI 但不想自己挖标的——「精选 AI 主题」直接帮你把全栈产业链筛完了，省去每天翻研报的功夫 🔹 赌牛市、想博弹性——「高 Beta 成长型」把仓位分成核心/战术/投机三层，激进归激进，纪律感给得很足 🔹 偏保守、信复利那一套——「优质商业模式」是真的在找那种“躺着赚钱”的公司，护城河浅的、太贵的直接滤掉 🔹 不想只盯美股——「宏观事件驱动」直接跨资产覆盖到加密、黄金和原油，全球视角这点很加分 🔹 手里本来就有 QQQ——「纳指增强」等于是 AI 帮你从成分股里再掐尖，做超额收益的加法 没有一个是给你一个黑盒代码就完事的。全部 Signal Only，AI 只负责交研究作业，下单的权利一直在你自己手里 加密圈很多人还没接触过美股深度研究工具，“原来在 Bitget 上能看 AI 分析美股”这件事本身就挺有意思。Playbook 现在不只是炒币，是把机构分析师那套研究流程自动化了——一揽子多资产选股，全程可解释、可追溯 想自己上手试的，直接去体验👉 风险提示：本文仅为个人体验分享，不构成投资建议。AI 选股策略基于历史数据与模型分析，不保证未来收益，市场有风险，投资需谨慎

神奇的越南团建🇻🇳 出发前一天，@mia_okx 找不到护照，没办法和我们一起入住西贡Mia酒店。 出发当天，凌晨五点半要集合去机场，我五点到了集合点，却发现手机掉在滴滴上被人拿走了。所有团建行程和订票都是我负责的，我急得不得了，立刻去找手机。 @Cryptosis9_OKX 一开始以为我只是没睡醒，还发消息让我安心睡，睡醒再改签。结果到9:30我都没回消息，大家才开始着急。9:30是我每天早上发早报的时间，入职半年，每一天我都会在这个时间准时、甚至提前在工作群打卡早报。 九姐从9:30就感觉不对劲，开始担心，让HR找我的紧急联系人，团队到处找我。平时认认真真打卡，在关键时刻真的会救命，出了特殊情况，至少会有人管你、担心你，至少没人会觉得你只是睡着了。 十点多我才找回手机，联系上团队，马上又出现新问题——同事的行李到了越南后丢了。我提前到香港机场，又立刻开始找行李。 奇妙的是，所有的不顺利，到最后竟然都迎来了一个超级 Happy Ending： 我赶上了第一天晚上的米其林，喝到了99年的生日酒；因为误机在机场呆了很久，反而帮同事找回了行李；Mia姐护照丢了，没法去国外开会，结果会议取消。 感觉命运很喜欢开玩笑，但只要和对的人在一起，所有困难都会化险为夷。 这几天团队在越南团建，我深深感受到越南经济上行的美，和那种蓬勃发展的生命力，跟我在公司感受到的、不停向上生长的能量，如出一辙。 刚进公司的时候，每个人都对我说：你好幸运，从大学老师跨行过来，就进了最顶尖的公司，跟着九姐工作。彼时，我也只是觉得幸运。在公司工作半年后的此时，除了幸运，我心里多了很多很多的感恩。 一份工作，除了带来收入，还给了我很多能量、成长、自信和快乐。这是九姐的力量，是团队的力量，是OKX的力量。 在越南这几天，我们团队每个人突然都多了新身份——专业摄影团队、专业导游、美食家。有人专门去学了摄影，负责拍摄；有人能精确找到绝佳的打光角度；有人教大家拍照动作；有人规划好每一个最佳行程；有人预订好当地每一家最好吃的餐厅；有人精心挑选每一支配餐好酒。每一个过程，大家都很轻松地沉浸其中，但每一个看似轻松的片刻，其实都是大家习惯性精益求精后的胜利果实。 最后一天，九姐意外拍到一对正在求婚的情侣。这对情侣看了照片，甚至专门请人过来问我：九姐是不是专业摄影师，能不能花钱请九姐帮他们拍一整套婚纱照。我觉得好好笑，也觉得好骄傲。看吧，认真且专业的人，是哪怕没那么擅长的领域，一出手都可以做到八十分。我真真切切感受到，专业带来的巨大魅力和生产力。 世界是能量守恒的，OKX浇灌给我们丰盈而充沛的爱，一定会经由我们，流向每一个客户。公司真的把我养得很好！入职半年感受到的太多，也洋洋洒洒写了很多，最后就分享一下我的2026年心愿之一——希望我的每一个节点伙伴，也都能带着爱和财富满载而归。@star_okx