与「文末抽獎」相关的搜索结果

#文末抽獎# 有人會去下禮拜的成人展嗎？ 我會穿辣辣的去唷(๑⃙⃘ ˃̶͈̀ロ˂̶͈́)੭ु⁾⁾ 🌟野生願願出沒消息🌟 8/10(六) 14:00-16:00 南港展覽館二館 攤位E09 當天可以拍照，可以互動🫶🏻 如果湊巧去不同天也可以來攤位看看 有我的寄賣限定商品唷💕 #想要免費門票請到IG查看（#@wish_yuan1126) 可以面交

孙宇晨的前女友这么评价他： 孙宇晨最常挂在嘴边的三句话是：看数据说话，看结果说话，谁有钱谁说话。 非常冷酷的一个人，所以他没有朋友，没有亲人，没有敌人。 谁强他就服谁，谁弱他就踩谁。 他面对一切问题，从来不会去找外界的原因。哪怕你今天背叛了他，他也不会说你背叛了他。他对身边发生的一切事情，只会找自己的原因。 他对身边发生的一切事情，都只会用一句话总结。他会觉得，所有困难，只是因为我还不够强大。 跟孙宇晨在一起的那段时间，从来没有见过他哪怕有 1 秒的情绪失控。哪怕是在被各种人——各种不是官方的人、黑道白道的人——上门围堵的那种至暗时刻，她都没有见过孙宇晨有哪怕 1 秒的情绪失控。 她说，孙宇晨有一种永不屈服的意志力，以及在绝境里面仍能爆发出的那种强大生命力。 说实话，以前我只知道孙割高调买过巴菲特的午餐，是那种马斯克一样的疯子。 但看到他前女友对他的评价之后，突然对他的个人经历产生了浓厚的兴趣，于是查了很多公开资料，整理了一个孙割人物小传。 1. 高二还是学渣，模拟考 450 分，高三一年拼命，裸分 650 分考上北大中文系； 2. 为了考上北大，他连续三年参加新概念作文大赛，目的就是获得一等奖的自主招生资格，最终他获得了 2007 年第九届新概念作文大赛的一等奖。孙割想要，孙哥得到。 3. 18 岁大一发现北大中文系高手如云，很难出头，果断转学到历史系，并最终以历史系第一名的成绩毕业； 4. 很早就知道利用媒介杠杆。大一在《萌芽》发表《一道论证题》，公开宣称“高中一年可弥补所有遗憾”，文末留通信地址，两年收到近万封中学生来信。18 岁就已经展现出极强的个人传播意识； 5. 大二在《南方周末》实习，仿照胡适创办校内评论刊物，聚焦时政点评，篇篇点击破百万，风靡全国高校； 6. 大学阶段并不满足于传统学术路径，而是大量参加模拟联合国、论坛演讲、公共讨论等活动，很早就开始训练“公共表达”和“影响力”能力； 7. 大学毕业获得了斯坦福、哥伦比亚、宾夕法尼亚等五所美国顶尖名校录取通知，最终选择宾夕法尼亚大学；同年，登上《亚洲周刊》封面，被称为“北大青年领袖”； 8. 在他爹拒绝提供经济支持的情况下，依旧选择了去美国读书； 9. 在美国读书期间，他逐渐意识到：学术影响力和现实世界财富并不成正比，于是开始主动从“学术路径”切换到“资本路径”； 10. 留学阶段就开始尝试内容创业和个人 IP 运营，参与制作《留美三人行》等留学生节目。在多数人还没意识到“个人品牌”价值的时候，他已经开始做传播实验； 11. 2013 年，在比特币价格仅百余美元的时候，他敏锐捕捉到区块链的颠覆性潜力，用学费重仓比特币，开启加密资产投资之路。后来比特币暴涨，为他积累第一桶金，也奠定其“加密圈先行者”地位。 12. 2014 年，他出任 Ripple Labs 大中华区首席代表，成为国内最早一批区块链布道者，将区块链概念系统引入中国，提前布局万亿级赛道； 13. 25 岁进入马云创办的湖畔大学，成为首批学员中唯一的 90 后；同年入选《福布斯》中国 30 位 30 岁以下创业者； 14. 27 岁创立区块链项目波场 TRON，目标打造“去中心化全球内容娱乐体系”。初期波场因代码借鉴以太坊饱受争议，被嘲“空气项目”，但他以高调营销、快速迭代破局，聚焦稳定币赛道。凭借零手续费、高吞吐量的优势，让波场成为全球第二大公链。截至 2025 年，波场用户超 3.1 亿，TRC20-USDT 流通量达 800 亿美元，占据全球稳定币市场半壁江山。 15. 29 岁花 456 万美元拍下巴菲特慈善午餐，创下当时历史最高成交价。这场午餐本身不是重点，真正厉害的是，他用一次事件，把自己和“传统金融 VS 加密世界”的全球话题绑定在一起； 16. 31 岁在加密行业全球牛市期间，持续强化个人 IP 运营；大量活跃于 X、国际采访和行业峰会，把“注意力”本身变成了商业杠杆； 17. 33 岁面对美国 SEC 起诉和监管争议时，并没有像很多创业者一样转入低调，而是依旧保持高强度公开发声和市场动作。他的人生策略始终不是“避开争议”，而是“在争议中心继续扩大影响力”； 18. 2025 年，登上《福布斯》全球封面，身家约 85 亿美元，跻身全球富豪榜第 368 位；同年出席美国总统特朗普晚宴，完成亚轨道太空观光飞行，成为首位亚轨道飞行的华人企业家，刷新华人商业宇航员最低龄纪录。 19. 孙割创立的 TRON 长期维持全球最活跃公链之一的位置，并持续承载大量稳定币交易；相比很多昙花一现的区块链项目，波场真正完成了从“流量叙事”到“链上现金流”的转化。 总结： 孙割最大的特点，从来不是技术，而是极强的机会识别能力、流量意识和杠杆思维。复盘他高考后的人生路径，几乎一直是在主动进入高波动、高风险、高争议领域，然后利用传播、资本和规则不断放大收益。 在很多人眼里，孙宇晨属于天赋型选手。毕竟，不是谁都可以高三一年从 450 分逆袭到 650 分的。 我们一起来看看，孙宇晨究竟是不是天赋碾压、一帆风顺的。 1. 高二的时候网瘾极大，沉迷游戏； 2. 参加新概念作文大赛前，跟大获奖的作品风格变化极大。为了拿一等奖，下了大功夫研究新概念规则，迎合评委偏好； 3. 大一中文系高手如云，果断选择转系； 4. 赴美留学前，孙父因家境普通，拒绝为其提供留学资金支持； 5. 早期做 Ripple（瑞波）中国业务时，整个区块链行业还非常边缘化。大量传统互联网和金融圈的人并不理解这个行业，也很难获得主流认可； 6. 创业初期面临区块链概念小众、融资困难、技术团队搭建不易的现实情况；波场 ICO 上线后，央行等七部委出台监管政策，明确 ICO 为非法集资； 7. 2018 年遭遇“波场超级社区”资金盘跑路事件，投资者上门维权。因波场官方未及时辟谣，陷入信任危机； 8. 2022 年被传因旗下平台涉赌等原因被边控，长期处于“无法回国”的悬疑状态；2023 年，美国证券交易委员会（SEC）正式起诉他及其公司，指控其涉嫌欺诈、市场操纵（通过洗盘交易人为制造 TRX 交易活跃假象）。 我的一贯逻辑是：承认世界的复杂性和多维性，然后从成功者身上学习、借鉴，以提升自己的竞争力。

记得Defi Summer 20年到22年这三年时间，大家经常感慨的一句话就是“币圈一天，人间一年” 因为技术迭代太快了，每天都有数不行的新东西出来，几天不看就跟不上节奏 现在这个感觉在币圈彻底消失，在AI那边出现了，每天的新东西就看不完，真的看不完 正好这几天看到圈里讨论Cerebras的帖子多了起来，昨天还看到不少路演信息，毕竟14号要挂牌交易。之前在Amber做分享的时候也单独讲过这个公司（当时用的那页PPT放在文末），所以简单说下我对Cerebras的判断 先说结论：这家公司很有意思，但核心变量不一定是他们造的芯片本身，而是未来AI的workload形态会是成什么样。 先简单说下它是干嘛的，防止有老铁还没看Cerebras 它最核心的技术，就是wafer-scale chip（晶圆级芯片），简单理解就是别人还在用“邮票大小”的芯片，它直接把整片晶圆做成一颗超大处理器，再配上超大 SRAM，把大量数据尽量留在本地高速处理，减少传统GPU最头疼的memory bottleneck。现在海力士美光涨上天就是因为HBM这东西太抢手，Cerebras是直接绕开了对HBM的依赖 很多人看到 Cerebras最牛逼的benchmark：推理速度比GPU快10-15倍，第一反应就是下一个英伟达？！ 先别急。 这个benchmark最大的问题，是默认AI的核心需求永远是“更快吐token”。 如果只是人类盯着ChatGPT聊天，这故事其实没那么性感。你每秒吐 30 个 token，我已经快读不过来了。再翻10倍，边际体验提升几乎为零。 真正有意思的是 Agent。 Agent不读字，Agent消费Token。速度直接等于生产力。 一个OpenClaw/Hermes agent，如果要读网页、写计划、调 API、跑代码、报错重试、继续执行，一个任务可能要几十次 inference call。 每次 2 秒，任务就是分钟级体验。 每次 200ms，就是另一个世界。 所以 Cerebras更值得关注的地方，是 AI worker 这条线，而不是单纯的chatbot加速。 但问题来了 - 它的magic来自 wafer-scale + 超大SRAM，本地访问极快。但SRAM这东西有天然 tradeoff，速度快，容量贵，大模型塞不下就必须拆分。 而一旦拆分，chip-to-chip communication 就上来了。 LLM inference里最怕通信的恰恰是 decode 阶段。token 是一个一个往外吐的，每多一次 hop，延迟就是硬加上去，没法隐藏。 所以 Cerebras能不能成，关键根本不在“比 GPU 快几倍”，而是未来 AI 的主流计算形态到底是什么。 1. 时间线一 - 未来几年还是 前沿超大模型一统天下，动不动几千亿甚至万亿参数，所有请求都让超大模型自己处理，那 Nvidia的distributed infra 依然最舒服，Cerebras的速度优势会被通信损耗吃掉很多。 2. 时间线二 - MoE、蒸馏、量化这些技术如果继续快速进步，未来两年70B左右的模型做到今天700B模型 80%-90% 的效果，我一点都不意外。（这里要强烈感谢Deepseek一大波!) 如果世界往这个方向走，故事就变了。 大模型负责 planning / judgement / orchestration。 真正执行任务的大量 worker model 落在 30B-70B 这个区间。 这些模型足够聪明，又刚好能吃到高速本地推理带来的红利。 Agent 世界里，大部分token根本不需要最聪明的大脑。很多工作本质就是执行层体力活：浏览网页、改代码、调工具、retry、继续跑流程。 这个 topology一旦成立，Cerebras就直接进入自己的甜区 3. 时间线三 - 未来推理是端侧为主，用的都是8B，14B的这些小模型，那GPU也能跑的很好，甚至专用的ASIC芯片效率更高，这个场景下Cerebras的优势和护城河也就不高了 换句话说，超大模型云端推理或者超小模型的端侧推理这两个平行宇宙，Cerebras的优势都不够明显，只有主流推理落在32B-70B中等模型这个Size，正好“Big enough to stress GPU memory, Small enough to fit locally” 才是Cerebras最能大展身手的世界 所以我对Cerebras的判断是，300多亿的市值，短期看订单，财务报表这些数据，长期赌的则是未来Agent时代的计算范式到底落在哪个平行宇宙的时间线上

今日行った病院の先生が、 〜〜してください、田中です。 〜〜ですね、田中です。 みたいに、文末に名前を入れるタイプで心の中でちょっとまてぃ！ボタン押しまくってた。（笑） でもおかげで一回で名前覚えられた！わたしに名前を覚えてもらい人、ぜひ使ってください！！ #STU48# #りこのりこめんど#

#增补# 此华盛顿大学图书馆藏本《御制盛京赋》（清乾隆帝撰）含满汉各体篆文共存十种： 大篆、鹄头书、龟书、金错书、科斗书、麟书、龙书、鸟书、奇字、穗书。各篆满汉文均书一册，计二十册，每册内容包括《御制盛京赋》全文，文末附有各篆缘由一篇。介绍下载：