与「技术思考」相关的搜索结果

如果这类项目继续发展下去，“手机”这个概念可能真的会消失。我们未来用的，可能根本不是“手机”，而是“运行在云上的 Android 实例”。 docker-android 做了一件很反常识的事：把完整 Android 系统，直接塞进 Docker 容器里运行。 不是简化版，不是模拟器壳子，而是：👉 Android Emulator + ADB + QEMU + libvirt 的完整组合 结果一个“手机环境”，变成了一个可以部署的服务。 更夸张的是它的体积：Android API 33：约 1.97GB，API 28：约 1.46GB，极限精简后：138MB 一个“手机操作系统”，可以小到接近一个轻量服务镜像。 它带来的变化不是技术，而是定义层面的： 👉 Android 不再绑定设备 👉 手机不再是“硬件形态” 👉 操作系统开始变成“云端服务” 你甚至可以在服务器上直接： 跑 Android App 做自动化批量测试 远程控制 UI 构建虚拟设备集群 真正值得讨论的是这一点👇 当手机系统可以被容器化部署，那“手机厂商”的护城河还剩什么？ 🗂 #Android# #Docker# #云计算# #开源# #技术思考#

强烈推荐大家关注以下13个AI 帐号。 这13个人主要是身份是工程师、科学家。 他们几乎影响了历史发展进程。 @karpathy - Andrej Karpathy（约248万粉丝） Bio：我喜欢训练大型深度神经网络。曾任Tesla AI总监、OpenAI创始团队成员、斯坦福博士。 AI社区最受欢迎的“网红导师”，讲解极度清晰，常分享模型训练实战心得和前沿趋势，适合所有水平的学习者。 @fchollet - François Chollet（约66.5万粉丝） Bio：Keras & ARC-AGI 创建者。 Keras框架之父 + ARC通用智能基准提出者，技术深度与哲学思考结合极强，能看到最前沿的AGI思考。 @ylecun - Yann LeCun（约116万粉丝） Bio：图灵奖得主，前Meta首席AI科学家。 深度学习三巨头之一，观点犀利直接，常对行业热点发表一针见血的评论，信息含金量极高。 @AndrewYNg - Andrew Ng（约153万粉丝） Bio：Coursera联合创始人，前百度/Google Brain负责人。 AI教育界第一人，课程推荐、职业建议和落地经验极其实用，非常适合想系统学习或转行的从业者。 @rasbt - Sebastian Raschka（约44.6万粉丝） Bio：《Build a Large Language Model From Scratch》作者。 从零实现LLM的顶级实践者，代码教程和论文解读质量极高，是工程师最爱的技术干货账号。 @lilianweng - Lilian Weng（约22万粉丝） Bio：前OpenAI AI安全与机器人VP，Lil'Log博主。 AI安全、强化学习和机器人领域的深度思考者，长文综述质量顶尖，适合想深入某个细分方向的人。 @jeremyphoward - Jeremy Howard（约29.4万粉丝） Bio： 联合创始人，前Kaggle总裁。 实用深度学习倡导者，教学方法和开源工具非常接地气，风格亲切且强调“能上手”的实战派。 @simonw - Simon Willison（约18万粉丝） Bio：Datasette & Django联合创建者。 AI工程实践和LLM工具链专家，产品感和实用性极强，常分享好用的开源AI工具和工程技巧。 @ID_AA_Carmack - John Carmack（约163万粉丝） Bio：游戏传奇程序员（Doom引擎之父），现专注AGI。 极客之神，直率的技术哲学思考和跨领域洞见（游戏+火箭+AI），深度极高，启发性爆棚。 @gwern - Gwern（约7.5万粉丝） Bio：互联网研究者，挑剔的深度分析者。 粉丝虽少，但硬核程度顶级，常发布高质量AI实验、长文分析和独特观点，是“硬核爱好者”必备账号。 @goodside - Riley Goodside（约20.3万粉丝） Bio：提示工程专家，前Google DeepMind/Scale员工。 LLM提示技巧和模型行为研究最强账号之一，分享大量实用技巧+有趣截图，幽默且直接能用。 @drfeifei - Fei-Fei Li（约66.9万粉丝） Bio：ImageNet之母，Stanford HAI联合主任。 计算机视觉先驱，兼顾学术深度与AI人文/伦理视角，视野开阔且充满人文关怀。 @demishassabis - Demis Hassabis（约93万粉丝） Bio：DeepMind CEO、诺贝尔奖得主。 AlphaGo/AlphaFold之父，直接来自AGI最前沿的第一手信息和愿景，含金量最高。

技术人的迷茫，社会的矛盾，临界感的逼近：其实都是同一个问题。 我们需要理解：共识—协议—结构—叙事 的循环 技术人迷茫，尤其是中国的技术人。肉眼可见，推特上越来越多的中青年工程师在寻找“出海”和“独立开发”的机会（这里头有多少卖课的？）。经历过 2010 年代那套“跟随战略”之后，再看看自己手机上那一万个 App，你还能生出再做一个 App 的冲动吗？经历过 LLM 横空出世的狂喜，再看到任何套壳功能都迅速被指数级进化的模型吞没，你是不是更想躺平？——毁灭吧，赶紧的。 我也经历过这样一个阶段，但后来我发现，这其实是个死胡同。因为从根本上说，我们从未真正体验过、进入过现代意义的工业迭代。我们习惯的是“好学生”模式：接外包、抄作业、后发优势、跟随战略，把硅谷的成功搬过来。可整个技术圈没有经历过真正意义上的“原生循环”，所以才在眼前的巨变里显得格外无力。 这一切是什么？它不是单一事件，而是万千头绪的叠加： 科技飞跃发展； 社会躁动不安，就业市场低迷，“毕业即失业”，高校知识体系彻底脱节； 经济衰退、通缩，社会信心几年内跌入低谷； 国际关系骤然僵化，中美关系从十年多次往返签证到如今的彼此封闭； 信息流汹涌而至，大脑完全跟不上节奏。 在这样的背景下，问题回到原点：开发个什么？开发出来给谁？用来干嘛？你如何知道它有用？还是只是在盲目堆积代码？ 共识—协议—结构—叙事 的循环 我们往往没有认真思考过：在工业社会里，技术突变如何推动社会变革，这背后有一个极其关键的循环。这个循环不是单一的直线，而是社会在各个层面上不断上演的动态过程：有成功，也有失败；有偶然的发现，也有刻意的设计。在一个技术既遵循达尔文主义的自然选择，又承载人为设计和制度化推动的社会里，这个循环才是技术变革真正的动力。 很多人以为，新技术的崛起是从下往上，从第一行代码写起，逐步推到最高权力层面。但事实并非如此。技术的应用与扩张，从来都是“自上而下”与“自下而上”的互动：它有反馈、有闭环、有分叉（fork），并且这一切是可以通过文字去探讨和推演的。如果你完全没有想过这个循环，大概率只能在失败者的阵营里。 遗憾的是，我看到许多中国技术人，尤其是独立开发者，技术感很强，但社会感、推演力和与社会共识的连接力却非常薄弱。于是他们更容易陷入“功能”与“代码”的死循环，却缺乏把技术嵌入社会循环的能力。事实上，这个循环并不是有固定起点和终点的，而更像是一条首尾相接的蛇：你生我，我生你，彼此生成，彼此强化。 那它到底是怎样的呢？我认为，这个循环的基本原型就是：共识—协议—结构—叙事。 共识—协议—结构—叙事 这一循环，是技术与社会互动演化的核心路径。 首先是一种 共识（Consensus）。社会必须在价值和判断上达成某种普遍认同，这才是一切循环的起点。没有共识，协议就是空洞的，结构是僵化的，叙事则变得虚假。比如，“货币必须有信用”，“AI 必须可解释”，“能源必须清洁”——这些共识都是推动制度与技术演化的起点。 当共识逐渐稳定，就会被转化为 协议（Protocol）。协议把抽象的价值翻译成可执行的条文、标准或接口，它是文明的源代码。金本位制、法币制度、GDPR、AI 法案、巴黎协定，这些都是共识的协议化结果。 随着协议被执行，它会在社会层面逐步沉淀为 结构（Structure）。结构是一种“硬件化”的结果，协议通过它转化为具体的组织、岗位、制度和产业网络。央行体系、银行网络、AI 伦理审计部门、第三方评估机构、碳交易市场、绿色能源产业链，都是从协议中演化出的社会结构。 然而，如果没有 叙事（Narrative），结构和协议是难以为社会大众理解和接受的。叙事把冷冰冰的制度转化为可传播的符号和故事，是文明的扩音器。比如，“美元=国家信用”“In God We Trust”，“透明=竞争力”“AI 是人类的最后发明”，“拯救地球”“绿色未来”，这些叙事为协议和结构提供了合法性和情感支撑。 整个循环以 闭环逻辑 的方式运转：共识被写入协议，协议沉淀成结构，结构通过叙事放大，再次反馈回新的共识。如此周而复始，推动技术与社会的互动演化。理解并主动参与这一循环，才是真正意义上的“做技术”。 当然，不是说所有的技术都能完美符合这个循环，但我们可以举一个人人都听得懂的例子：比特币。 比特币最初的起点，是一个共识：货币不应该完全依赖政府信用，价值必须有去中心化的保障。这个共识源自 2008 年金融危机之后的信任崩塌——“货币必须透明、可验证、不可随意增发”。 在这个共识的基础上，比特币的白皮书就是那份协议。它不是模糊的宣言，而是一套清晰的规则：区块链、工作量证明、有限发行、点对点的验证机制。这些协议把去中心化的理想翻译成了可执行的程序代码。 随着协议的运行，逐渐形成了新的结构。矿池、交易所、钱包服务商、监管沙盒、开发社区，这些都是围绕比特币协议自然生长出来的社会和产业组织。就像央行体系是法币制度的结构化产物一样，比特币也有了自己的生态结构。 但如果没有叙事，比特币不会传播开来。比特币背后的叙事是“数字黄金”，是“对抗通胀的避险资产”，是“货币的未来”。这些叙事让比特币从极客圈走向公众视野，让它成为一种社会现象，而不仅仅是几千行代码。 于是我们就能清晰看到：比特币从共识到协议，再到结构，最后被叙事放大，然后又反过来推动新的共识（例如“区块链不止是货币，还可以用于智能合约”）。这就是循环的力量。 我们现在正处在一种 “结构化推演信息”真空 的状态。 真的，完全真空。科幻故事满天飞，但真正基于链式因果的大规模合理推演和尝试的共识信息，却几乎难以找到。尤其是当下，我们所熟悉、从小习以为常的范式——比如全球化——已经走到尽头。整个世界进入了一种“范式不稳定”时期：过去的经验逐渐松动，看上去根本撑不到未来。 2015 年我去德国旅行时，眼中的德国是一个已经走上工业化巅峰的“社会主义”国家；而现在呢？德国车在美国的存在感越来越低。美国也是如此，我刚到美国时的感受和现在完全不同。国内更不用说，大家刚经历了一个黄金时代，转眼房价突然腰斩，魔幻得让人怀疑现实。 这一切意味着什么？意味着整个世界的上层结构都已经发生了深刻变化。如果上层已经变了，你怎么还能用旧有的技术思维去想象今天的开发工作？循环已经断裂，信息的偏差正在急剧放大。更何况，当 LLM 这种级别的技术成熟时，它投下的可不是一块小石子啊，而是一颗彻底改变水流方向的深水炸弹。 应用型的技术的思考，一定是先从上层出发的 上层逻辑的变化在于：技术必须先从社会层出发，才不会陷入“自嗨内卷”。 因为只有当方向和价值被锚定之后，技术才有存在的意义。 首先，上层决定合法性。技术的生死，往往并不取决于性能是否优越，而是取决于社会是否愿意认同它。谷歌眼镜的技术曾经十分先进，但因为社会共识没有准备好，它最终失败了；而比特币在技术上并不复杂，却因为共识和叙事先行，至今仍顽强存活。换句话说，合法性才是技术能否走出实验室的真正门票。 其次，上层可以约束迭代方向。如果技术仅仅从下层出发，往往会在“能做什么”的自我探索中迷失，结果是越做越偏离社会需要。而一旦从上层先行推演，就能预设价值边界：哪些功能是必须的，哪些功能即便能实现也不能做。这样一来，下层的技术开发才不会陷入盲目内卷，而是有清晰的采纳接口，知道自己要服务的目标是谁。 最后，上层的叙事能反哺技术生态。只有当叙事被建构起来，开发者、投资人和政策制定者才能形成合力。没有叙事的技术，社会往往冷漠以待；但一旦叙事先行，即使技术还不完善，也能迅速获得试点和落地机会。 因此，从上层出发，不仅是为了合法性，更是为了方向、价值和合力。没有上层逻辑的支撑，技术只能在自我封闭的循环中打转，最终被社会抛弃。 （4/n)

夸克这次重新提了「超级框」的概念，就是因为现在的「框」能比以前做更多的事情了，统管阿里AI To C业务的吴嘉说夸克23年做用户细分需求产品很痛苦，因为基座模型能力不行，必须专门为写作文、写报告手搓工作流，但场景是无尽的，人力有时而穷，根本跟不上需求增长，但在深度思考的技术上来之后，终于可以实现「人用AI，AI用工具」的目标了，这时那个「框」能办成的事情也丰富起来了，不再需要每个环节都得人工干预，AI终于学会了「坐上来，自己动」。 Manus能火也是因为它让用户看到了AI真的有在干活，这种体验和DeepSeek当时开放思维链是一样的，Sam Altman说他最后悔的就是出于保密心态而决定隐藏o1的思维链，没想到观察AI的思考过程也能成为产品体验的一部分。 如果大家的共识是重做一个「框」出来，张宁比较关心生产关系会怎么变，毕竟科技史上不乏生产力的进步被生产关系的落后给破坏掉的例子——比如我们之前聊过的RSS——他对最近火得不行的MCP的担忧也在于此，说白了，不谈利益分配、只谈创新变革，对于被OTT的一方就是耍流氓，就像某外卖平台已经开始屏蔽AI Agent了，这是很合理的结果，你不能要求别人来为你的创新当祭品。 海外市场的几条线索包括：Google每个财季都会展示AI overview对广告业务的冲击，目前来看，是可控的，没有自残迹象；Satya Nadella带头起了「模型被商品化了」的调子，背景是微软和OpenAI开始同床异梦了；Sam Altman说在10亿用户级别的网站和SOTA级别的模型之间，他一定会选前者…… 是的，这些信号都在说明，应用很重要，得用户者得天下，这是移动互联网的逻辑延续，但在另一边，「模型即产品」的拥护者同样很多，在理论和证据的支持上也不多让，相信模型的演化的终局就是会把产品能做的事情都做了，并形成技术为王的新一代AI逻辑。（4/n）

此时是买入BTC的时机 是不是最好的时机，不知道 但是买入的时机，从情绪面看 此时是应该变得嗜血起来 而不是畏缩不前 所有的，加息呀、美股不行了呀，民主党呀，AI拉爆安全呀，量子破解呀 所有的坏消息，威力都增加了10倍 还有某安被盗，过了这么久，我都自驾游玩过一轮回来了 还有分析师找原因说被盗是暴跌的主要原因 真是牵强而附会呀 不能说不对，更像是节点去思考全局的感觉 但这种简单归因，能够极大程度环节散户的“找原因”的心理 获得流量 等到市场一好，没人会在乎这些消息 还有一大堆技术面分析，画线的，这么画那么画，得出的支撑位虽不太一样，但基本都破了 而且各个群说抄底的声音少了，他们大部分人的已经被闷杀，怀疑人生了 散户就是这样的 跌得时候忘了会涨 涨的时候，忘了会跌 如果不是组成市场的散户是这种属性，赚钱会难得多 傻哥在6.3加仓了 徐图建仓

很多人翻墙之后，只会刷推特 其实真正的信息差，藏在海外这些网站里。 下面这 10 个地方，建议全部收藏。每天花半小时逛一圈，信息获取能力可能超过身边 90% 的人！ 1、Reddit 互联网最大的兴趣社区之一。AI、投资、编程、创业、科技，几乎任何领域都有专属 Subreddit。真人经验、深度讨论、行业内幕，挖宝圣地！ 2、GitHub 全球最大的开源代码社区之一。AI Agent、LLM、大模型、自动化工具、开发框架，想找宝藏开源项目，这里简直挖不完！ 3、Hacker News 硅谷程序员的情报站。AI、开源项目、技术趋势、创业故事，每天都有高质量讨论，技术信息密度爆表！ 4、Product Hunt AI 工具和 SaaS 产品的发射场。每天都有新产品上线，很多爆火的 AI 项目都能在这里提前发现。 5、LinkedIn 千万别只把它当招聘网站。全球 CEO、投资人、创业者、科技公司高管都在这里分享一手行业动态。 6、Telegram 海外信息集散中心。AI、加密货币、投资、开源工具，各种频道和社群层出不穷，不少一手消息传播速度非常快。 7、Threads Meta 旗下社交平台。海外创作者、开发者、创业者聚集地，氛围比 X 更轻松，经常能看到有意思的新观点。 8、Discord 海外互联网社区的大本营。AI 项目、Web3、游戏、开发者社区都喜欢在这里建群，很多项目的核心讨论和早期动态都在 Discord。 9、Medium 海外技术和商业长文聚集地。AI 技术教程、创业复盘、投资思考、产品分析，适合系统性补充知识。 10、Substack 独立作者和行业专家的内容订阅平台。大量投资人、科技创业者、研究员在这里发布深度报告，有些内容比新闻媒体更有洞察力。 最后说一句： 不要把翻墙后的互联网，只当成一个刷 X 的娱乐工具。 Reddit 找讨论，GitHub 挖项目，Hacker News 看趋势，Product Hunt 找工具，Substack 追踪大佬观点。 这才是打开海外互联网的正确姿势！ 建议收藏，也转发给还在只会刷 X 的朋友。 你还有哪些值得推荐的海外网站？评论区补充！

世界上前20的Skill必装榜！ 1、superpowers（by obra），当时星标 30.2 万 它把开发拆成四步：头脑风暴、写计划、测试驱动、代码审查，串成一套开发流程。做中大型功能之前装上，AI 不会一上来就乱写代码。 2、skills（by mattpocock），当时星标 29.8 万 需求说不清的时候，它会反过来追问你，再帮你理清架构。排查 bug、重构老项目，用它最顺手。 3、andrej-karpathy-skills（by multica-ai），当时星标 22.1 万 一份项目规则：AI 先想清楚再动手，只改该改的地方。放进项目根目录，写代码时就生效。 4、skills（by anthropics），当时星标 18.2 万 官方技能库，Word、PPT、表格和 PDF 都能直接做。想自己写 Skill，照着它的模板改就行。 5、ponytail（by DietrichGebert），当时星标 16.8 万 让 AI 像最懒的资深工程师一样思考：能不加的抽象就不加。代码写完让它过一遍，把过度设计和技术债挑出来。 6、ui-ux-pro-max-skill（by nextlevelbuilder），当时星标 13.8 万 整套配色、字体搭配和交互规范都在里面。做落地页、后台和 APP 界面之前装上，页面更像设计师做的。 7、graphify（by Graphify-Labs），当时星标 12.9 万 把代码、文档和数据库结构转成一张知识图谱。接手陌生项目时先建图，再问"这个函数被谁调用"，一查就清楚。 8、caveman（by JuliusBrussee），当时星标 11.4 万 让 AI 用最少的字回答，啰嗦的铺垫全删掉。长时间跑 agent 的时候装上，能省下一大截 token。 9、agent-skills（by addyosmani），当时星标 10.9 万 谷歌工程师整理的工程规范，覆盖接口设计、上下文管理和质量检查。团队一起写项目，用它统一写法。 10、taste-skill（by LeonxLnx），当时星标 9.9 万 给 AI 补上审美：排版、参考图和动效都有讲究。做官网首页和作品集的时候用，页面不再像套模板。 11、Understand-Anything（by Egonex-AI），当时星标 8.7 万 把代码变成能点开的交互图谱，还会讲清楚业务流程。新人上手项目、读开源代码，最省时间。 12、impeccable（by pbakaus），当时星标 8.3 万 专门提升 AI 的设计能力，会检查间距、层级和细节。页面做完先让它审一遍，再按建议打磨。 13、awesome-claude-skills（by ComposioHQ），当时星标 7.7 万 一份技能合集，按场景收录了八百多个 Skill。不知道该装什么，先来这里挑。 14、last30days-skill（by mvanhorn），当时星标 6.5 万 它会去 Reddit、X 和 YouTube，汇总最近 30 天的讨论。 做选题、追热点、调研同类产品的时候用。 15、humanizer（by blader），当时星标 5.9 万 专门去掉文字里的 AI 痕迹，比如套话和固定句式。公众号、口播稿和邮件写完，都可以让它过一遍。 16、diagram-design（by cathrynlavery），当时星标 5.8 万 支持四十多种图表，直接输出成网页文件。写技术文档、做方案汇报，用它画架构图和流程图。 17、i-have-adhd（by ayghri），当时星标 5.8 万 让 AI 先说结论和下一步，再给细节，不把答案埋在长段落里。问技术问题、想马上拿到结果，就装它。 18、marketingskills（by coreyhaines31），当时星标 5.6 万 覆盖文案、SEO 和数据分析这些营销技能。写推广文案、提升网站搜索排名的时候用。 19、academic-research-skills（by Imbad0202），当时星标 5.3 万 从查文献、写论文到模拟审稿，一条流程串起来。写毕业论文、投期刊之前都能用。 20、scientific-agent-skills（by K-Dense-AI），当时星标 5.3 万 让 AI 变成科研助手，接入生物、化学这些领域的数据库和工具。做实验分析、查专业资料的时候用。

中美大模型最新现状盘点： 🔻 国内模型：集体陷入停滞 ▪️ Kimi k3.1 pro：发版 100 天，毫无技术飞跃。 ▪️ Deepseek：至今交不出合格的 Pro 版。 ▪️ GLM 5.3：惊艳发版后，近 3 个月几乎交白卷。 ▪️ Qwen 4 Max：实测表现远低于预期。 🚀 海外巨头：前沿能力狂飙 ▪️ Gemini 4 Argon：主攻深层推理与前沿 Agent，拉满 100 万上下文，能实打实自主挖漏洞及控制机器人。 ▪️ Gemini 4 Hydrogen：主打极速编码工作流，直接上线 4 档“动态思考深度（Thinking Levels）”。 ▪️ GPT 序列：正在全面铺开高级复杂推理机制。 ▪️ Claude 5 系列：高速迭代，且通过底层分类器彻底锁死了外部“白嫖”思维链数据的通道。

很伤心也很遗憾，看到黄教主在短短几天内就被迫辞去 CEO 的职务，现实过于魔幻。我自己从 2019 年开始就坚定地投资 NVDA，一同走过了疫情和如今的 AI 革命，而现在我们将进入一个“后黄仁勋”的智能时代。但有句古话，世界离开了谁都会继续运转，我分享一下对这件事情的思考和结论：抛开所有的阴谋论，让他离职原因的是第二段和直接下属的关系。 就在同一天，路透报道白宫在讨论商务部长卢特尼克的去留。此前 Axios 报道他三次拖延执行特朗普批准的打击转运措施，商务部否认发生过对质。我觉得政治是背后的主因。黄仁勋是对华芯片市场准入最主要的游说者，也是特朗普在 AI 产业里最重要的企业盟友。民主党刚在选举中大胜，他已经同意感恩节前到国会作证，舒默也表示辞职免除不了国会问责。所以他离任不会让事情结束，反而可能让 H200 对华销售、商务部的角色、白宫是否知情，都变成听证会的主题，出口管制收紧的速度会更快。 SemiAnalysis 最新的文章写到有超过 1.5GW 受限芯片流入中国，这个数字与 Epoch 的全渠道估计（中位数 66 万 H100 当量）粗算在同一量级。但走私金额不是重点，合法的远程租赁才是。《远程访问安全法案》（RASA）已在众议院以 369 比 22 通过，参议院正在表决，Nvidia 和 Oracle 一直在大力游说反对。远程访问规则一旦落地，真正会被切掉的，是中国公司在东南亚合法租用的算力，以及靠这类需求融资的 NeoCloud。 算力融资信贷会被重新估值。Nvidia 是这里的“央行”，但 CFO Kress 曾反对给 OpenAI 的担保，SemiAnalysis 则认为 NeoCloud 能融到资，靠的是黄仁勋的个人信用。两条拼在一起：现在掌舵的正是对兜底最谨慎的人。算力需求不会变，但由 Nvidia 信用撑起来的那部分需求可能收缩，但收缩多少还不确定。 短期内不用过于悲观，未来 12–18 个月的产品路线、已锁定的供应承诺和 CUDA 的粘性，不会因为换人消失。关键人物风险兑现得慢：2028 年之后的产能分配，以及下一个赌注有没有人敢下，是最大的风险。苹果的先例也说明，这种转变对技术节奏是坏事，对股东未必。执行力和生态协调上那部分“黄仁勋溢价”会慢慢消退，我们可能会看到一个平凡的 Nvidia，没有了创始人睿智和开辟新疆域的 Nvidia，但依然是一个赚钱的 Nvidia。 开源这条线被市场低估了。如果中国的 AI 实验室不再开源针对 Nvidia硬件的优化、转向国产芯片，结果是两套逐渐分离的技术栈。这对闭源前沿实验室有利，对依赖开源模型的创业公司和主权 AI 项目不利，影响会比股价波动持续得久。 管制方向基本确定，时间不确定。 该不该全面切断远程访问，是一个有真实分歧的政策问题。支持者看重堵住漏洞；反对者（包括 SemiAnalysis）认为这会失去监控能力，并加速国产替代。这里不下结论。能判断的是，最有分量的反对者已经离场，而下周的深圳会面可能让执行推后。 黄教主的离场，感觉是牺牲自己来拯救 Nvidia。从此，算力流向何处将由国家安全而非商业信用裁决，全球 AI 技术栈也将加速一分为二。不过，斗争的大戏才刚刚开始，群众可以继续吃瓜，但伟大的企业确少了一个伟大的企业家！希望能有奇迹发生✨

顶尖华尔街量化巨头 Jane Street（以超难面试题与极致技术著称的交易公司）刚刚在 GitHub 开源了一个 AI Skill，但它不是用来做自动交易的。 这个 Skill 是让你的 ChatGPT / Claude 变成一位「苏格拉底式 AI 导师」： 🎯 能力诊断：先测出你目前的知识边界 🗺️ 技能地图：自动建立 Level 0 到 5 的学习路径 💬 引导提问：答错时不直接给答案，每次只抛出一个问题，引导你自己思考 🧠 间隔复习：定期带你温习旧概念，确保真正吸收 🏁 终极考核：通过最终测试才算解锁技能 那么如何用上呢？ 把 socratic-tutor 文件夹复制到你 AI Agent 的 skills 文件夹，对它说「Teach me 任何主题」就能启动。 用普通聊天机器人也没问题，直接复制粘贴 SKILL.md 的内容给它就行！ GitHub：