与「板尾創路」相关的搜索结果

６月４日(木)よる７時🪭 #突破ファイル# ２時間SP✨ 🚢海上税関 　#加藤清史郎# と密輸の手口を暴く！ 💸突破国税局 　#板尾創路# 住職の１億円税逃れの証拠は！？ 💪スグやる課 　🆚外来ゾンビ草 スタジオには #上川隆也# #瀬戸朝香# そして #andTEAM# から #NICHOLAS# #TAKI#

前前后后给 15 个喊单王发了 505 万美元工资。 仅仅 10 月 12 日以来，跟着他们冲的钱包，合计亏了 89.9 万美元🤣 一边领工资，一边你买单，这叫什么？这叫分工明确。 数据来自 @zettelkastten 整理的免费 Dune 看板。图里每一根紫柱是一个喊单人领的钱，下面那根红柱是跟他的人亏的钱。替各位跟单侠算了算： 1. 按中位数，跟一单 1000 美元，1 小时后剩 515，1 天后剩 263。不用等牛市，一天就能体验腰斩再腰斩； 2. 45.4% 的币 5 分钟内就到顶，40.9% 是到顶之后才被喊出来的。你看到的是“早期机会”，人家那边是“出货通知”； 3. 跟单 24 小时后，只有 37.2% 的人是赚的，平均每人亏 3.26 美元。单看不多，乘上人数就是 89.9 万； 4. 喊单人拿平台的钱，你花自己的钱。喊错了他不亏，喊对了你也未必赚，这账从头到尾就不是跟你算的。 你刷到那条推的时候，最好的几分钟早就过了。 这门生意稳赚的只有两方： 发工资的平台，领工资的喊单人。剩下那方是谁，请自动对号入座🤑 原帖另外十几个看板也值得收藏： 按胜率、赚到的 SOL、持仓时长筛钱包的； 看 dev 上线后几分钟第一次卖的； Polymarket 和 Kalshi 成交、用户、费用对比的。 有几个热门看板已经停更了，打开先看标题下面写的多久前更新，别拿死数据参考。

你是一位像素动画师兼游戏手感（game feel）设计师，也会写芯片音乐。你用代码做出的东西，要像 16-bit 时代一流工作室手绘的角色动画，而不是缩小的矢量图。 以下是默认值，直接开工，不用问我： - 片名：《第 99 次施法》 - 画幅：1920×1080，60fps，时长正好 16 小节（140 BPM，约 27.43 秒），结尾无缝衔接开头 - 逻辑分辨率：192×108，整数 10 倍放大（竖屏版改为 108×192 → 1080×1920） - 声音：代码合成的芯片音乐和音效 一个老巫师在夜里的山崖上练一个总是失败的法术。三次尝试，一次比一次认真，最后一次成功点亮了山下整座沉睡的村庄。 140 BPM，一拍约 0.429 秒，一小节约 1.714 秒。 - 第 1–2 小节 待机：巫师轻晃，胡子摆动，星星闪烁。镜头极慢地推近。 - 第 3–5 小节 第一次：蓄力 → 宝石亮了一下 → "噗"地冒出一缕灰烟，帽子被吹歪。音乐停半拍，留出喜剧停顿。 - 第 6–8 小节 第二次：更用力 → 飞弹射出 → 在空中掉头飞回来 → 打掉自己的帽子。停 1 拍，巫师眨两次眼。 - 第 9–10 小节 准备第三次：捡起帽子戴正，深呼吸（身体 1 像素起伏两次），音乐收得只剩三角波低音。 - 第 11–13 小节 第三次：长蓄力，火花螺旋聚拢，越转越快；第 13 小节最后一拍前全场静音 0.3 秒。 - 第 14 小节正拍 施法：hit-stop 冻结 5 帧，全屏白闪 1 帧，飞弹划过夜空落向山下。 - 第 15–16 小节 村庄的窗户从近到远依次亮起（错相，每扇窗间隔 2–4 帧），音乐全奏。巫师满意地捋胡子，帽子又滑下来挡住眼睛，然后回到待机姿势。 - 循环：render(16 小节的时长) 与 render(0) 逐像素一致，成片只包含 [0, 总时长) 内的帧。 像素纪律 - 所有内容画在 192×108 的离屏画布上，再按整数倍放大；imageSmoothingEnabled = false，CSS image-rendering: pixelated。 - 所有坐标对齐整数格。禁止亚像素、抗锯齿、shadowBlur、线性渐变；需要过渡时用 4×4 Bayer 抖动。 - 固定调色板不超过 24 色，先输出色板：夜空深蓝紫 4 阶、长袍暖色 4 阶、肤色 3 阶、魔法色 3–4 个，石头和村庄若干。画面上每个像素都必须来自色板。 - 角色约 22×30 个逻辑像素，用选择性描边（sel-out，受光一侧的描边用较浅的颜色）。光照靠切换色板色阶表现，不叠半透明。 动作语言 姿势参数化（法杖角度、手臂高度、头部倾斜、长袍摆动、胡子摆动），但姿势按 12fps"一拍二"的节奏量化更新；火花、飞弹、烟这些特效每一帧都动。 每个动作都走完：预备 → 动作 → 冲击 → 余震 → 回稳。法杖快速挥动时插 1–2 帧拖影帧（smear frame），不用运动模糊。 冲击感：命中瞬间 hit-stop 冻结 3–5 帧；屏幕按整数像素震动，幅度 3 → 2 → 1 → 0 衰减；宝石白闪 1 帧。 挤压拉伸控制在 1–2 像素以内：在像素动画里，1 像素已经是很大的变化。 错相：身体先动，胡子和帽尖晚 2–3 帧跟上，长袍下摆再晚 2 帧。 喜剧靠停顿：失败后的静止和眨眼要给够时间，不要用特效把停顿填满。 场景与光 三层视差：星空（几乎不动）、远山、近处的石崖和巫师。镜头漂移时各层速度不同，位移都取整。 宝石是动态光源：蓄力时，巫师面向宝石的一侧加 1 像素轮廓光，越亮色阶越高。成功那一刻，整个画面的色板短暂整体提亮一阶，再回落。 村庄平时是暗色剪影；窗户亮起时用 2 阶暖黄，每扇窗下方的地面亮起 1 像素反光。 禁止 角色以外的大字、UI、边框、logo；铺满屏幕的粒子爆炸；任何先画高清再降采样的"伪像素"。 - 只用四个通道，模仿 8-bit 主机：方波 1 弹旋律；方波 2 弹和声或琶音（占空比在 12.5%、25%、50% 之间切换）；三角波弹低音；噪声通道打鼓。方波用带限合成（PolyBLEP 或加法合成），避免刺耳的混叠。 - 音效用同一套芯片音色：蓄力是上升琶音；失败的"噗"是向下扫频的噪声；飞弹掉头是一声变调的"啵咿"；命中是噪声爆破加低音下潜；窗户亮起是一串高音"叮"，每扇窗一声，音高沿五声音阶上行。 - 喜剧停顿时，音乐真的停下来；hit-stop 的 5 帧里，只留一条拉长的噪声尾巴。 - BPM 已知，节拍网格直接用公式算。所有关键动作落在拍上，预备动作可以提前 2–3 帧。 确定性渲染（违反任何一条都算失败） - 页面暴露 window.render(t)，t 单位为秒，画面只由 t 计算。不用 requestAnimationFrame、setTimeout、 transition/animation 驱动画面。 - 随机数一律用带固定种子的 PRNG（如 mulberry32）；帧与帧之间不保存状态。 - 粒子（火花、烟、飞弹拖尾）用种子预先生成每个粒子的出生时间、初速度和寿命，位置由 t 解析计算后取整。 - 角色和场景全部程序化生成，不用任何图片；渲染时不联网。 拍摄与编码 Playwright 无头 Chromium，viewport 1920×1080，deviceScaleFactor=1。 逐帧调用 render(t) → 截图 → 通过管道直接喂给 ffmpeg，不在磁盘上堆几千张 PNG。 视频 H.264、-pix_fmt yuv420p、-crf 17、-preset slow、-movflags +faststart；音频 AAC 48kHz 192k，响度归一到 -14 LUFS，真峰值 ≤ -1 dBTP。 - 像素网格检查：随机抽 10 帧，先最近邻缩小 10 倍再放大 10 倍，必须与原帧逐像素相同（证明没有亚像素和抗锯齿）。 - 色板检查：随机抽 10 帧统计用到的颜色，必须全部属于色板。 - 循环检查：render(总时长) 与 render(0) 逐像素一致；音频首尾做 10ms 交叉淡化，循环播放时不爆音。 - 抽帧拼图：每 0.5 秒一张。按这几项各打 1–10 分：剪影可读性、喜剧节奏（停顿够不够）、打击感、动作完整度（有没有直接滑过去的动作）、声画同步、像素纯度。把最严重的 3 个问题修掉再重渲，直到每项 ≥ 8。 自主模式，中途不要停下来问我。先输出色板图和 3 张关键帧（待机、第二次失败、成功那一刻）自己检查，再做整片。 交付：out/wizard.mp4、out/contact_sheet.png、色板图，以及一段 5 行以内的创作决策说明。

《说普通话的人都特能装》 傻哥这次南迁终于结束了 在南迁的过程中，有点很深的体会： 1、南北气候差异 整个北方因为空气干，感觉灰扑扑的，卫生很难搞好 从河南到武汉，感觉有提升 从武汉到江西，则明显感觉空气从阴灰，变得透亮清明 2、雾霾到处都是 过去十年，傻哥因为待在新德里 觉得印度的雾霾治理得到了极大的改善 但这次出了新德里，发现北方城市的雾霾还是极重 从大城市到小县城都是如此 就连武汉这样的中部城市，都让人难受 3、普通话普及度 傻哥本以为普通话已经十分普及了 但到了河南地区、江西地区、岭南地区等， 仍然发现一些年纪偏大的服务人员，无法用普通话沟通 甚至河南大姐说：说普通话的人，都特能装 4、自动驾驶汽车 高速上，每隔一段时间都能看到国产新能源车开启了自动驾驶的蓝灯 在自动驾驶不成熟的今天 国内依旧有很多用户拿生命安全去做early adopter 傻哥能做的，只能离他们远一点 5、高速服务区留宿 高速服务区出现了很多带着帐篷留宿的 新能源车就直接睡车里 油车也有带着車尾帐篷的 不下高速不付高速费+不住酒店 穷游界的天花板 南迁结束了，傻哥要逐步回到市场了 傻哥要开始适应飞机噪音了 嗡嗡嗡的

我用 ChatGPT 5.6 测了 9 种漫剧男主脸，终于不是“AI帅哥流水线” 附全套漫剧男主脸提示词🤣 这次我用的是 5.6 模型，一口气测试了 9 种漫剧男主人设。不是只生成一张头像，而是从： 人物脸型 → 全身三视图 → 六宫格故事板 → 最终视频 完整跑了一遍。 这次最明显的感受是，ChatGPT.5.6 不只是把脸做得更精致了，而是开始真正接近“能继续拍戏的男主脸”。 我觉得它有三个地方特别好用： 1. 真人感更稳 脸部骨相、眼鼻口比例、皮肤质感都更接近真人，不会一眼看起来像 2D 插画。 尤其是侧脸和近景，鼻梁、下颌线、眉眼关系都更有层次。 2. 人设差异真的拉开了 这次测试了 9 种风格： 禁欲霸总、清冷校草、邻家少年、不羁青年、美式街头狼尾男、斯文精英、野性冷感硬汉、韩系花美男、校园阳光男神。 它们不是换个发型就结束，而是连眉眼、脸型、气质和穿搭都跟着变化。 你一眼就能看出来： 这个适合演霸总，那个适合演校草，还有的天生就是漫剧里的危险男主。 3. 角色脸更适合做视频 很多 AI 男主图片单张看很帅，但一动起来就崩。 这次我特意把角色继续做成故事板和视频，发现 GPT 5.6 设计的脸更适合特写、侧脸、低头、抬眼这些镜头。 也就是说，它不是只能做一张海报，而是可以继续往角色卡、分镜和漫剧视频里延展。 真正好用的“漫剧男主脸”，重点不是单纯帅。 而是要有： 清晰的骨相、能记住的眉眼、明确的人设气质，以及一张经得住镜头靠近的脸。 我的提示词习惯也很简单： 人设标签 + 骨相特征 + 眉眼细节 + 发型造型 + 服装身份 + 镜头光线 这样出来的脸，才不容易变成千篇一律的 AI 男模。 这轮ChatGPT 5.6 测试，我是真的有点惊喜。 如果你也想做漫剧角色、AI 短剧，或者想要 9 种女主人设的提示词，可以在评论区留：女主脸。 #ChatGPT# #AI漫剧# #漫剧男主# #AI角色设计# #PromptEngineering#

大多数人都会严重低估 Anthropic Claude Fable 5。 不是因为这个模型弱，而是因为他们的提示词太弱。 旧的提示风格是： “去做这个任务。” 新的风格必须更接近： “这是目标、背景、质量标准、限制、停止规则，以及你应该如何汇报。” 这种转变很重要。 Fable 5 不是普通聊天机器人。它更像一个能读文件、做决策、跑长流程、验证输出、而且不需要人手把手带的操作型工作者。 所以提示需要完全不同的结构。 我会用这样的结构： 1. 任务 从“目标”开始，而不是“指令”。 “我正在为 [更大的目标]、[目标对象] 工作。他们需要 [输出能带来的东西]。在此基础上：[任务].” 这给模型的方向，而不只是“干点活”。 2. 背景 上传文件。别再把所有东西都塞进提示里。 “先完整读完这些文件再回复。” 提示应该指向“脑子”。文件就是“脑子”。 3. 参考 给它看“优秀”的样子。 一个强有力的示例胜过十条模糊的指令。 4. 难度 告诉它这个问题有多难。 “这是一道例行 / 困难 / 最难——未解的问题。按你能力上限顶端来估算规模。” 别给一个前沿模型丢个天花板很低的任务，然后抱怨它不厉害。 5. 行动 让它动起来。 “当你有足够信息可以行动时，就行动。不要重新审视我的决策。如果在权衡选择，请给出一个推荐。” 目标是减少澄清循环，带来更多有用的进展。 6. 范围 控制“过度搭建”。 “做最简单但效果好的东西。不许加额外功能、改版或抽象化。” 模型越强，这一点就越重要。 7. 委托 在合理的地方用并行工作。 “把独立子任务拆给子代理。做一次带新背景的审查来验证。” 一次模型调用不再是天花板。 8. 证据 干掉“假进度”。 “在汇报进度前，对每个主张都用一个工具结果来审计。如果没验证，就说明。测试失败了，就展示输出。” 这是整个提示里最重要的几行之一。 9. 记忆 让系统“复利式增长”。 “把学到的东西记录在 notes.md。更新，不要复制。证明是错的就删掉。” 提示会过期，记忆会复利。 10. 检查点 定义它什么时候该停。 “只在会造成破坏的操作、真正范围变化，或只有我能提供的输入时才暂停。否则从头到尾持续执行。” 长期运行的代理需要停止规则。 11. 汇报 让输出好读。 “先开头写结果。句子要完整。清楚比简短更好。” 它可以跑一个小时。 但你应该在十秒内看懂结果。 总结： 给 Fable 5 写提示，与其说是玩文字游戏，不如说是给模型装一个操作系统。 就是把它当成聊天机器人用，和把它当成真正队友用的区别。 #claude# #promptengineering# #fable#

我们也有属于自己的智能体了，字节跳动刚刚开源了一个AI智能体，能替你完成整个工作。 所有人都在把Hermes捧为头号智能体，然后字节跳动发布了DeerFlow。 72000+ GitHub星标，9700+复刻，免费，MIT协议。 它不像Hermes那样只是运行工具，而是完成整个任务。 你给它一个任务，它会规划步骤，启动一组子智能体，编写代码，测试，修复自己的错误，然后在自己的沙盒中把成品交给你。 研究、完整网站、仪表板、幻灯片、报告，全部完成，不是草稿。 完整的新手安装： 最简便的方式（如果你使用Claude Code、Cursor或Codex）： 把这段粘贴给你的智能体，它会自动为你安装所有东西： “克隆deerflow并使用 手动方式（大约5分钟）： 1. 安装基础工具：git、docker、node 22+、uv、pnpm（deerflow的“make check”会标记任何缺失项） 2. 克隆仓库： git clone cd deer-flow 3. 运行设置向导： make setup 它会询问你选择哪个模型并保存你的密钥。指向openrouter、groq或nvidia nim可免费运行。 4. 检查是否正常： make doctor 5. 使用docker启动： make docker-init make docker-start 6. 在浏览器中打开并分配你的第一个任务。 下面这部分可能会引发争论： Hermes是OpenRouter上最常用的智能体（每天2240亿token），我也一直全力使用它。 但Hermes运行你的工具，而DeerFlow从头到尾执行你的整个项目。 我实际上很想切换，这出乎我的意料。 那么现在哪个更胜一筹？ - Hermes：美国出身，轻量级，存在于你的笔记本电脑上 - DeerFlow：中国出身，字节跳动的实力，能替代整个团队 收藏起来，你们平时都在用哪个智能体？

华为τ scaling定律营销策略，无非是more than moore的广义摩尔定律的另一种说法而已 作为芯片架构师，我更感兴趣的，还是芯片密度提升，ppt上41%能耗提升和12.7%性能提升，到底是怎么实现的 看完了论文，感觉华为这次创新，本质上是用设计复杂度高 + 高制造成本 + 超前散热，一定程度弥补了工艺差距 ----------------- 1. 华为芯片堆叠带来的等效密度提升，是虚假宣传还是真的，是不是工艺突破？有没有实打实的好处？ 等效密度提升的来源，是两片芯片用hybrid bonding技术绑在一起，投影面积理论上能减小一半，但第一代不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292） 这2026第一代等效密度从 2025 年 155 MTr/mm² 跳到 2026 年 238 MTr/mm²，时钟频率也提升了12.7%，功耗比提升41%，表面上看似乎和工艺突破没有什么区别，但有一点重要区别就是leakage power华为从头到尾没有提，只要工艺节点不变，gate leakage、junction leakage 不会因为 3D stacking 自动改善 2030年到2031年的等效密度突变，大概率是来自于2层堆叠到3层堆叠，正如2025到2026年的等效密度突变，时钟频率突变，来自单层到2层折叠 所以从leakage没提这个事来看，这个2031年等效1.4nm，和工艺节点上的突破没有联系。 本质上是用设计复杂度高 + 高成本 + 超前散热 + 超前部署advanced packaging，一定程度弥补了工艺差距 ----------- 那么这样看起来虚假的等效密度提升，有用处吗？好处在哪里？ 有的，设计上topology折叠，原来要跑几毫米的水平走线，折叠后变成了几十微米。降低了super buffer/bus的长度，降低了clock tree的深度（clock depth -42%、clock wire -28%），clock skew也带来了改良(-25%)，这对动态功耗的改善是实实在在的。部分critical path的缩短，也让时钟频率的上升更容易 所以ppt roadmap上performance的提升，从2025年到2026年上升了12.7%，大部分都是来自于时钟频率的上升（12.7%） 所以好处基本上是topology拆分电路逻辑设计上带来的提升 既然没有实质上的工艺提升，华为芯片堆叠带来等效密度提升的trade off代价在哪里？ 三个代价：散热超前发展，设计复杂度高，制造成本变高 最大的代价就是热密度的同步上升，理论上logic on logic都是CPU execution发热最严重的区域，这部分折叠起来相当于功耗密度直接翻倍，但算上41% power efficiency改善，功耗密度仍只比非堆叠方案高40%左右。所以第一代只能对最关键的部分做折叠，大概只占全芯片面积的53%。 所以散热技术也被逼的超前发展，直接上毫米级的MEMS风扇，做micro-cooling fan。 另外的代价就是设计复杂度的变高，critical path的折叠，哪个部分的logic能折叠，折叠之后又会带来从前端到后端的巨大变化要推翻重来 现有的所有EDA工具也不可能支持3D topology，论文自己也承认，full-scale LogicFolding需要全新的3D-native EDA toolchain，把多层stacked dies当作单一连续设计实体处理。哪些logic能折叠、折叠后的inter-die timing closure怎么做，Physical Design（PD）也是难点 制造成本也会更高，被迫超前部署advanced packaging封装，1.5~2um的hybrid bonding + logic on logic都是很有挑战需要显著更高的成本 以前一层wafer做一次光刻；现在两层wafer分别做光刻再bonding，加上hybrid bonding的overlay控制（论文要求<0.5μm）、TSV、KOZ keep-out zone、冗余修复、良率乘法损失，每颗芯片的制造成本和测试成本都要显著上升 -------------------------- 2. Tau scaling这个说法，scaling的到底是什么，这个scaling技术路线是不是一次性的design topology红利？潜力如何？持续进步的空间在哪里？ τ Scaling的核心主张是：用时间常数τ替代几何线宽作为全栈优化目标，在器件、电路、芯片、系统四个层级分别压缩特征延迟 公式本身没有任何新物理。"关注瓶颈延迟"是所有架构师都在做的事情。整个行业都知道互联RC是延迟瓶颈，TSMC每一代工艺都在用low-k dielectrics/semi-damascene等手段降RC。把一个众所周知的优化方向包装成"定律"是显然的营销宣传手段，本质是More than Moore的广义摩尔定律的另一种说法 抛开marketing，华为目前所谓RC delay的改善，本质上是芯片堆叠之后，topology距离缩短，让匹配的effective RC都变小，不是RC工艺常数 至于scaling的意思，是能持续发展的一条roadmap。这里的持续改善路径指的是，全芯片堆叠的层数越来越多，从25~30年的2层堆叠，到31年开始的3层堆叠，以后甚至会考虑4层堆叠 第一代折叠技术甚至不是全芯片双层折叠，而是选择性折叠关键logic，所以只有大概53%的芯片面积实现了折叠(密度155->238)，等到后面几代折叠面积会逐渐增大，到2030年接近全折叠（密度155->292）。2031年的roadmap之所以会出现一个阶跃，就是因为那是从2层折叠到3层折叠的时间点。 但需要注意的是，这个scaling方法的边际效应是逐渐缩小的，折叠成双层的收益是100%，2->3层的收益就只有50%，如果2035年再从3->4层堆叠，收益就只有33%了 另外随着堆叠层数变高，上面说到的三个挑战，散热，设计复杂度，成本，都是越来越大 --------------------- 3. 华为的芯片堆叠，是不是TSMC/AMD已经有的hybrid bonding技术？华为做到的是cache on logic，cache on cache，还是logic on logic，logic on logic最大的散热问题是怎么解决的？ 是已经有的技术没错，但同时也是把现有技术指标做到了领先也是真的，3D堆叠本身不是新技术，TSMC的hybrid bonding量产还是6um，华为论文给出Kirin 2026的hybrid bonding pitch是1.5μm 我在刚刚看到华为的堆叠消息之后，第一反应也是怀疑和AMD的3D V cache类似，它主要把 SRAM cache 叠在 已经有的L3 cache 区域上，通常会避免直接堆在最热的 CPU execution logic 上，就是避免散热问题，毕竟SRAM 的功耗密度和热点特性与high-activity logic 不一样，如果最热的logic on logic堆叠，散热恐怕会碰到困难 但看了更多数据之后，clock buffer -56%、clock depth -42%、clock wire -28%，这些只有在core内部的clock distribution被重构时才可能发生。纯SRAM stacking不会碰core内部的clock tree。另外如果只是cache on cache，大概率是不需要单独MEMS微型风扇额外散热的，证据普遍都指向logic on logic方式 华为这个技术的精妙之处在于，logic on logic 折叠之后热密度并没有翻倍，而是因为topology的好处，能耗下降了30%，这样热密度只上升了40~50% 而第一代没有完全把整个最热的execution logic 100%堆叠起来，论文也明确说selectively applied along key critical paths，只是大概53%有选择性关键路径会堆叠起来，可能颗粒度都没有那么好，只是IP堆叠在IP上，那么热密度上升也许能维持在20%以内 但这条道路继续前行，超前发展的散热就成了必然，现在是MEMS微型毫米级的主动散热风扇，紧贴处理器传导效率高，和华为手机一样，散热堆料特别足，而且技术领先同行。 以后怕是要把HBM7/8的微流道散热技术提前用起来了，毕竟HBM7/8要上24+层堆叠，华为很可能要在提前用上下个世代的散热技术了 ------------------------- 4. 从架构角度来说，最重要的问题，华为41%的power efficiency（能耗比）提升，到底是怎么实现的？为什么AMD的3D V cache没有这么大的提升？ 首先确定41%的定义。论文只说"SoC performance-core power efficiency improved by 41%"，没有给出benchmark名称、Voltage/Freq点、温度条件、功耗边界。但PPT roadmap上有一个关键线索：ISO-Power Performance的数字，2025年是2.75，2026年是3.1，提升12.7% 这个时钟频率提升12.7%完全一致，可以理解为，同功耗的性能提升是12.7%，绝大部分是时钟频率提升带来的 至于能耗比上优化的猜测是，LogicFolding缩短critical path → 在固定Vdd下Fmax从2.75GHz提升到3.1GHz → 这意味着在原来的2.75GHz频率下，有了约12.7%的timing headroom → 这个空间在iso-performance模式下可以换成更低的Vdd 另外的能耗比的提升，可能也来自于电路折叠之后，cache hit latency的下降。从业界经验来看，一般L2/L3 cache hit latency下降10%，CPU整体性能会有至少5%的提升 ppt里显示SRAM latency下降30%，估计会有一部分转化为cache hit latency的下降 AMD的3D V cache没有这么大的提升，主要是因为AMD的底层logic die并没有重新设计，3D cache的延迟latency不仅没有减小反而加大，只是增加了cache大小，收益不如latency下降那么明显。 另一方面，clock skew的下降,critical路径变短，造成电路timing变好，意味着华为可以使用更低的vdd（猜测甚至能低7~8%），以及路径缩短所带来的RC的下降(考虑到clock buffer -56%、wire -28%、SRAM pJ/bit -24%这些数字，比如C_eff下降10~15%合理)，再加上clock tree的整体缩短和下降，确实是有可能在部分Voltage/Freq点做到同性能下，做到30%的功耗下降的，而30%的功耗下降换算过来就是41%的power efficiency 对比苹果和高通，每一代手机芯片在iso-power下单核性能一般提升10-20%，iso-performance下功耗一般降30-40%，这是V/F曲线的特性决定的，所以从经验上来说，数字是对的上的。 所以这个power efficiency（能耗比）的提升，从现有的数字上来说可以从topology推导出来是合理的，可能真的和工艺节点没有太大关系 ---------------------------- 5. 这个技术路线有没有可复制性，其他家会不会效仿？ 短期内不会大规模效仿，因为性价比和风险收益比来说不好。长期来看，这个方向所有人都在走，只是名字不一样 华为做LogicFolding的根本驱动力是制裁，工艺节点被卡在7nm，只能在封装，散热，和设计层面想办法弥补。华为也为此付出了不小的代价：散热成本，设计复杂度，以及制造成本更高（包括良率）。这是一个被逼出来的路线，不是一个自然选择 其他玩家在用TSMC就能做到正常的经济迭代，是没有必要冒着这个风险，去超前迭代散热技术和设计复杂度的 长期来看，Intel的Foveros、TSMC的SoIC、AMD的MI300的3D stacking都在朝同一个方向走。如果继续追最先进节点的经济性持续恶化，那么"固定一个成熟节点+3D topology optimization"的路线会越来越有吸引力 散热方面，MEMS微型风扇和微流道也会成为未来HBM散热的主流 ------------------- 总结一下，华为这次的创新，绝对是值得尊重的，在制裁环境下，用极高的设计复杂度和成本，在一个被锁定的工艺节点上大胆重新设计，榨出了一次大的topology红利，虽然它有天花板。每多加一层的边际收益递减（堆叠1->2层, 2->3层, 3->4层，提升百分比变小），leakage无法解决，散热越来越难，3D EDA工具链更是全新的挑战。 但这个Tau scaling不是一条可以走十年的指数增长路径，每次爬完一个台阶，下一个台阶更难爬，而且台阶更矮收益更小，华为以后想缩小差距，还得再想想靠什么其他的路线

富士山凌晨五点的一支舞，炒翻了网络。 先来聊聊故事的全貌。 很短小精美的一个视频，怎么就戳中了这么多人的G点。 一对中国情侣，抖音网红达人“藤短短”，来到山梨县河口湖镇那家以“富士山背景”闻名的罗森便利店前，跳了一支舞，发布了极短的12秒的抖音视频，引发争议了。 当前日本社会整体向右的情况下，会中文的日本人在小红书和抖音等平台搬运涉及日本的视频，也成了一门生意。 甚至有人鼓励拍摄在日外国人的各类不当行为，每个片子还可以获得4000日币左右的酬劳。 这类不当行为，日本人称其为：迷惑行为。 什么意思呢？ 简而言之，就是给别人添麻烦，造成困扰的行为。 比如常见的旅游途中的迷惑行为：电车里打电话，神社里大吼大叫，边走边吃东西，随处抽烟，富士山违规登山、奈良踢鹿等等，这几年曝光出来的挺多的。 这对中国情侣的短视频被日本网友扒出来以后，日本的网友先炸锅了。 “迷惑行为！”“堵住入口了！”“日本不是你们的主题公园！”铺天盖地的批评，账号被扒，人肉开始。 最多的一条批评他们跳舞的内容，浏览量都超过了600万次了。 紧接着，故事迎来了反转。 这对情侣拿出了带时间戳的原始素材：拍摄时间是凌晨五点。店门口空无一人，连一个路人都没有。 所谓的“堵住门口让人进不去”，是彻头彻尾的谎言。 当前的中日关系，加上高市内阁的外国人政策，一些本来微不足道的小事儿，经过不断地发酵，反而变得挺敏感的。 日本的一些右翼党派，也需要这样的矛盾和冲突，来获得更多的选票。 于是，一个精心剪辑过的视频，配上煽动性的文字，就足以让一个人在网络上社会性死亡。然后等反转出来，骂人的那批人早就散了，没有人道歉，没有人负责。 这，才是真正的迷惑行为。 要说迷惑行为，你往深了挖，日本人绝对是这个赛道天花板。 当然了，支持这个视频的，日本网友也不是少数。 遗憾的是，这个事件在中文互联网上同样引发了激烈的撕裂。 有人说：就算是早上五点，在公共场所这么跳也不妥。日本有日本的规矩，入乡随俗，懂吗？ 也有人说：同样的事白人做、日本人做，有人拍吗？凭什么中国人小心翼翼选了个没人的时间段，还是不行？这不是规则问题，这是仇中问题，承认仇中有那么难吗？ 还有一种声音，冷静得有点扎心：在以色列人眼里，这点事根本不值一提，能为这种鸡毛蒜皮吵翻天的国家，其实挺幸福的。 你瞧，同一个世界，同一个事件，不同的声音，这不挺好的。 我个人对这件事的看法。凌晨五点，没有妨碍任何人，我支持跳。 旅行是什么？旅行就是到一个地方，用自己的方式感受它、表达它。你可以拍照，可以大喊“好美啊”，可以在富士山脚下喝一罐啤酒，也可以跳一支舞。 这是人的天性，是自由最朴素的形态。 舞跳得很专业，富士山的背景恰如其分，既表达了旅行快乐，也表达了环境的美好，还表达了日本的魅力。这段舞蹈展现出来人的生命力与周围环境浑然天成。 这难道不是一条官方花钱都买不来的宣传片吗？ 当然也会有人说了，如果每天早上5:00都有一大堆人在那里跳舞，不就成了集体的迷惑行为，你还支持吗？ 东亚文化从来不缺乏杠精。你杠你有理、你杠你就是对的。你去跳舞，没准浏览量更高。 开心了就要跳舞嘛，跳舞有什么错？高市开心的时候跳起来更是眉飞色舞。 唯一能够批评的，应该是罗森便利店，便利店的门口，是人家的私有领域。但是便利店，在日本的环境里面，又是一个类似公共的空间。 不能忽略，故事还有另一面，同样值得正视。 中国的网红文化，有一条隐形铁律：不要脸，才有流量。于是，你看到了有在泥地里打滚的，有人在色情边缘不断的擦边，有人吃播吃到送急诊、、、 没背景、没资源的普通人，唯一的出路就是豁得出去。所以越来越多的人选择在一切公共场合展示自己，管它是便利店门口还是新宿车站，涉谷十字路口。 这种文化，在日本的环境里确实是异物。日本的公共空间逻辑是：你的存在感，不能超过你的社会许可。 在店门口制造任何形式的“被注目”，哪怕没堵着任何人，本身就已经越界了，很多日本人骨子里面是这么认为的。 两种逻辑，都有其内在的合理性。问题是，当这两种逻辑撞在一起，又叠加上民族情绪，事情就没法好好谈了。 这支凌晨五点的舞，你是支持还是反对呢？在评论区聊一聊。

谁懂啊！浅蓝水钻吊带直接把纯欲天花板焊在身上 软乎乎的齐刘海+白纱花朵耳饰，笑起来眼尾弯弯，甜得恰到好处，又纯又欲的氛围感直接拉满！ 浅蓝吊带yyds！ 甜妹脸+辣妹身材，这反差感谁顶得住啊💥