与「為替介入」相关的搜索结果

今天日銀砲發動了（疑似兩次），但日銀目前基調是放話堅持不加息（至少維持兩三年）。 目前看起來日銀砲只是一個速率調節器，政客一直在講穩定穩定，看來對他們來說只要別暴漲暴跌就好，沒有要長期護盤的意思，要做好長期貶值對抗物價的準備... #為替介入#

在任何国家，军队都必须建立在命令服从、纪律严明的基础上。美国军法明确规定，拒绝执行合法命令可以构成严重罪名。在战争条件下，如果 CO 申请被视为“挂羊头卖狗肉”的逃兵行为，相关军人可能面临军事法庭甚至牢狱之灾。 这就构成了一个尖锐的制度张力： - 一方面，法律制度承认“良心拒服兵役”作为例外渠道，承认个人有权出于深刻道德信念拒绝杀戮； - 另一方面，军队的组织逻辑要求个体在战时将服从置于良心之上，一旦 CO 被大规模使用，就会在根本上削弱指挥体系的可靠性。 伊朗战争将这对张力推到了前所未有的高度。一旦战争从空袭升级到规模化地面战，伤亡上升、战线拉长，CO 申请量很可能进一步增加。同时，五角大楼也势必收紧 CO 审核尺度，以维持部队战斗力。 结果就是：在军队内部 会同时存在两类人—— - 一类是被迫压抑道德疑虑、继续执行命令的官兵； - 另一类是冒着严重法律风险、试图通过 CO 逃离战场的人。 从组织心理学角度看，这种“道德撕裂”是一支军队最危险的状态之一：表面纪律尚在，但内部信念正被侵蚀。 五、对美以同盟与美国战争能力的长远影响 从更宏观的视角看，美军内部“愈发不愿为以色列送死”的情绪，有可能从三个方面改变未来的战略格局。 其一，是削弱美国进行长期地面战争的政治可行性。 在越战、伊拉克战争之后，美国社会对长期占领战的耐受度已经大幅下降；如果连军人群体内部都对“替盟友出头打仗”渐生抗拒，那么未来美国总统在考虑类似伊拉克式大规模地面介入时，将面对更高的政治和军事阻力。空海优势打击、代理人战争和特种作战，可能会更加成为美国惯用的工具，而大规模地面战将被视为“只有在本土安全直接受到威胁时”才会动用的极端手段。 其二，是重塑美国国内对美以关系的认知边界。 当“我们为什么要为以色列去死”这样的直白质问在军队内部都频繁出现时，它已经不仅仅是校园抗议口号，而是国家安全机器核心部分对同盟政策的质疑。长期来看，这将迫使华盛顿重新讨论“无条件支持”的成本和底线，推动美以关系从情感绑定走向更冷静的利益核算。 其三，是放大美国债务与利率路径中的“政治溢价”。 在财政早已高度失衡的情况下，每一场新战争都不只是“多花几百亿美元”，而是增加了未来十年利息支出和金融市场对美国政治稳定性的疑虑。 如果一场以伊朗为中心、部分被视为“为以色列出头”的战争，导致内部军心动摇、社会分裂加剧，那么海外投资者在定价美国国债时，很难不将这种政治风险纳入期限溢价中。 结语：将军人当作“可耗尽资源”的时代正在结束 “美军不愿为以色列送死”，并不是一句情绪化的口号，而是一个正在显形的现实约束。它来自二十年中东战争留下的心理创伤，来自加沙与伊朗战场上不断刷新的道德红线，也来自美国自身财政与政治体系的压力。 对观察者而言，更重要的问题不在于“美军还愿不愿意打仗”，而在于： 在一个军人、社会和财政都不再愿意为无尽战争买单的时代，华盛顿还能否继续沿用过去那套“为盟友开战、事后补预算、用国债填坑”的惯性？ 如果不能，这场对伊朗的战争，可能不仅是中东秩序的转折点，也会是美国军事与同盟政策的拐点——一个由前线士兵用他们有限却坚决的“良心拒绝”，悄然划出的界线。

左右派之争，悲惨世界，Do you hear the people sing? 右派青年领袖之死，公开行刑式刺杀，政治战争的残酷，左右之争的白热化，我要说说《悲惨世界》（Les Misérables）这本小说。 大文豪雨果。 芳婷：左派家庭未婚先孕的少女 她原本只是一个普通的乡村少女，美丽、纯真，却没有社会地位与保护力量。年轻时被一个轻浮男子的甜言蜜语所诱惑，生下了私生女珂赛特，却被无情抛弃。这是一场典型的“浪漫主义骗局”。在工厂里，芳婷勤劳肯干，却因为未婚先孕的身份而被同事排挤，最终失去了赖以生存的工作。 从此，她的人生进入急速坍塌：先是卖掉一头秀发，又被迫拔掉门牙贱卖，最后不得不沦为妓女。雨果冷峻而毫不留情地记录了她的堕落，仿佛在展示社会制度如何一步步摧毁一个弱者的生命。 然而，放眼今日的西方资本主义社会，尤其是当代法国，未婚先孕早已不再是无法承受的耻辱。相当一部分新生儿是非婚生子女，单亲妈妈也有完善的社会福利制度支撑。芳婷若活在今天，她或许无需把珂赛特送人，而是可以直接领取儿童补助、住房津贴，甚至在某些地区连房租都由政府承担。她甚至可能选择继续单身生子，只要孩子足够多，每个月都有数千美元的福利到账，几乎无需工作。 然而，一代芳婷，代代芳婷。 福利制度的初衷是防止女性落入“芳婷式”的悲剧，却在某些社区里代代相传，固化为一种文化循环。男孩在无父之家长大，成年后又留下更多私生子；女孩熟悉整套福利领取流程，也继续走着同样的道路。结婚？从未认真考虑过，因为婚姻反而会让她们失去补助。于是，新的芳婷一代代诞生，“代代芳婷”，成了社会的阴影。 左派的福利政策本意是慈悲，但也在无意中制造出大量 dysfunctional 的家庭结构。那些右派所坚持的“正常”：为家庭辛勤奔波的父亲，善良美丽的母亲，在许多家庭里早已不复存在。雨果笔下的芳婷，是19世纪的悲剧；而现实中的芳婷们，则成了21世纪福利国家的悖论。 全身刺青的左派青年，染着鲜艳色彩头发和全身各种金属环的左派少女。 县城婆罗门沙威 vs 县城小混混青年冉阿让 县城婆罗门沙威 vs 县城小混混冉阿让——这就是《悲惨世界》里最尖锐的对立。沙威为何对冉阿让穷追不舍？表面是执法，深层是阶层的蔑视。沙威出身低微，却通过进入体制爬上来，变成县城里的“婆罗门”，一种自以为稳固的中层秩序的化身。他对冉阿让的愤恨，并不是因为冉阿让偷了一块面包，而是因为冉阿让代表了体制之外的可能性：一个混混居然可以变好，甚至比体制内的人更有道德力量。 沙威问：你为什么不当公务员？为什么不在十几岁就像我一样，去追求秩序、依附制度？这是县城婆罗门的逻辑：我所选的道路就是唯一的正道。你冉阿让若不走这条路，就该一辈子伏在阴沟里。 而冉阿让的反击，是通过一生的行动：他用善行、用救赎，证明“体制外的混混”也能走出一条高于法律的道路。这就是为什么他要终身寻求救赎：为了证明人类可以超越标签。 然而，沙威之所以最终无法接受冉阿让的救赎，是因为那会动摇他赖以存在的全部意义。若冉阿让能自我救赎，那法律与制度的绝对性就被削弱了。沙威宁可毁灭自己，也无法承认体制外的人可以比体制内的人更高贵。 换句话说： 沙威象征县城婆罗门的自恋与优越感，活在秩序和身份的幻象里。 冉阿让象征县城小混混的痛苦与可能性，他的人生不是直线上升，而是痛苦跋涉中的涅槃。 道德洁癖，伴随一种自以为绝对正确的优越感，甚至带着法利赛人式的宗教姿态——这种态度，倒和许多右派的气质颇为相似。 Do you hear the people sing? 我确实听见了。那不是雨果笔下的1832年巴黎街垒，而是2008年的“占领华尔街”。这是现代版的法国大革命呐喊：贫富差距越来越大，富者恒富，穷者无望。不同的是，今天的人民手里有了广泛的沟通工具，文化水平也足以看穿资本积累背后的剥削逻辑。当他们在网络和街头集结，所燃起的，已不只是情绪，而是对制度性不公的清醒反抗。 那一刻，本来有可能演变成一场真正的全球性大火。可就在火苗即将点燃时，有一个意外的变量介入，像一桶水浇了下来——那就是 中国。 中国在2008年金融危机后祭出了强力的举措：天量刺激、基建狂潮、出口扩张，把全球的生产链、消费力和流动性全部硬生生拖了回来。华尔街的火焰没有烧透，美国的体制暂时缓过一口气。于是，“占领华尔街”的怒吼逐渐散去，青年们回到日常，革命的浪潮被压制了下去。 然而，问题并没有消失，只是被延迟。资本的逻辑没有改变，反而更加精致化、全球化。中国救的不仅是华尔街，也是在帮整个旧秩序续命。人民的歌声因此没有停息，而是潜伏在地下，等待下一次的爆发。 还给不给年轻人活路？ 雨果写的是街垒与子弹，而今天的街垒可能是区块链、AI模型、社群共识。 珂赛特，马吕斯，爱潘妮，安灼拉， 谁是左派？谁是右派？人民哪有什么界限呢？ 珂赛特，那她要按照她的出身，连艾潘妮都不如，但她却成了右派心目中完美女性的化身：纯洁、顺从、光明，雨果笔下的“光之少女”，甚至像是十九世纪版的 Sydney Sweeney，一个需要父权与守护来托举的形象， 是靠冉阿让用生命去托举的。 马吕斯，贫困贵族出身，出身“右派”家庭，又投身于左派革命。出身右派家庭，却转身投向街垒。他既有血脉的保守负担，又有浪漫的革命激情。 爱潘妮，出生底层，把自己活成了个女混混。就是左派叙事里的“原生家庭之痛”啊，但是她对马吕斯的爱情不真挚吗？为了保护马吕斯，替他挡下了子弹，死在他怀里，她就不高尚吗？ 所以谁是左派，谁是右派？哪有什么界限？没有敌我，如何有战争？如果真的划不清界限，又何来左右之分？ 宗教式右派的解法？ 政教早已分离，基督的归基督，凯撒的归凯撒。圣经的经文早已封卷，不会再多出一个字，它所能救赎的是个人的灵魂，而不是正在坍塌的社会结构。眼前的问题依然存在：制度的腐败、秩序的失衡、阶层的撕裂，这些都超出了经典所能提供的解法。过去的圣典可以安慰人心，却无法修补现实的裂缝。 社会的未来，需要更加高维的智慧。 但是在任何情况下，刺杀都是人类秩序的容忍底线。 政治是一个高风险游戏，本兔子早就吓的瑟瑟发抖，躲洞里去了。走之前写文一篇。

在淘宝做技术专家那几年,是我职业生涯里成长最猛也最疼的一段。 那时候淘宝的技术氛围有一种很特殊的东西,后来在其他公司再也没遇到过:所有人都觉得自己在做一件前人没做过的事,而且这种感觉是真的,不是老板画的饼。双十一的流量,全世界没有第二个参照系。你不能去 Google 抄答案,因为 Google 没处理过这种规模的交易洪峰。你也不能等着别人先趟路,因为没有别人,你就是那个趟路的。 我记得最清楚的是那种"被逼出来的成长"。不是公司安排你去学什么,是系统扛不住了、数据跑不动了、链路断了,你不解决就没人解决。你今天还在看文档学一个中间件的原理,明天凌晨两点它就在生产环境里出了一个文档里没写过的问题,你得当场想办法。那种压力下学到的东西,跟上课学的完全不是一回事。上课学的是知识,凌晨两点学的是本能。 淘宝教会我的第一课:数据比代码值钱。那个年代大家都在追架构、追框架、追中间件,觉得写出一个高并发高可用的系统是最牛的事。后来我慢慢发现,系统是手段,数据才是资产。系统挂了可以重启,数据丢了或者数据质量烂了,业务决策就是在盲人摸象。我后来转到大数据方向,根子就是在淘宝种下的:你见过一次因为数据口径不统一导致几百万预算打水漂的事,你就再也不会觉得"数据治理"是一个无聊的话题。 第二课:大厂最稀缺的不是技术人才,是能把技术翻译成业务价值的人。淘宝不缺写代码的高手,缺的是能坐在业务方对面,听懂他到底想要什么,然后回来把这个东西变成一个技术方案的人。很多技术做得极好的同学,在这一步上卡住了,不是能力不够,是不愿意"降维"去听那些在他看来很初级的业务问题。后来我发现,这个"翻译"能力才是最值钱的,因为它两头都稀缺:业务方不懂技术,技术方不愿意懂业务,中间那个位置空着,谁站进去谁就有话语权。 第三课:组织比技术变化更快。我在的那几年,组织架构调了好多次,今天你的团队在这个事业部,三个月后可能整体划到另一个 BU,你的汇报线换了、合作方换了、优先级全变了,但手里的活不能停。你得学会一种能力:在组织剧烈变动的时候,保持自己的技术判断不被行政结构带偏。老板换了三个,方向调了四次,可底层该解决的数据问题还是同一个。能看到这一层的人,不管组织怎么变都有位置;看不到的,每次变动都觉得天塌了。 第四课,也是最私人的一课:身体是有极限的,而且它不会提前跟你商量。在淘宝和后来的大厂里,我一直觉得自己扛得住。连续加班、长期高压、睡眠不足,身体偶尔发出的信号都被我当成"扛扛就过去了"。直到 2017 年主动脉裂开,我才明白:身体给你的警告不是商量,是通知。你忽略了它,它不会再发第二次警告,直接执行。 从淘宝出来之后,我又在几家公司做到了大数据总监,管过上百人的团队。再后来到了大阪,一个人做独立 AI 工程师。回头看,淘宝那段经历给我最深的烙印不是某个技术,是一种面对未知问题时"先上手再说"的本能。不等条件完美,不等方案完整,先冲进去,边打边想,错了就调。 这个习惯在大厂有时候会被诟病为"不够严谨"。可出来单干之后才发现,这恰恰是独立工程师最需要的东西。因为没有人给你排期,没有人帮你评审,没有人替你兜底。你就是那个凌晨两点被叫起来的人,也是唯一一个能解决问题的人。 淘宝没教我怎么做一个好员工。它教我怎么在没有路的地方走出一条路来。这个能力,到今天还在用。

你是不是也经常在这些场景里纠结：工作压力大想喝一杯解闷？朋友聚会社交不得不喝？或者，你还在自我安慰“适量饮酒有益健康”？ 科学早已证实：喝酒对健康没有任何好处。 如果你想减少对酒精的依赖、克制那股按捺不住的“酒瘾”，或者想彻底告别痛苦的宿醉，今天这篇文章就是为你量身定制的。我们要聊的，是一个流传了 1400 多年、几乎毫无副作用的天然控酒秘诀！ 要搞懂怎么戒酒，先得看看酒精进入体内后遭遇了什么。肝脏分解酒精主要分两步： 第一步：乙醇（酒精） ➡️ 乙醛肝脏中的酶会先将酒精转化为“乙醛”。这是一种剧毒物质！ 它会直接疯狂损伤你的细胞，也是导致你头痛、恶心、隔天痛不欲生（宿醉）的罪魁祸首。 第二步：乙醛 ➡️ 乙酸（醋）随后，其他酶会把这个剧毒的乙醛进一步分解为“乙酸”——没错，就是我们日常吃的醋。醋对肝脏是无毒的。 虽然肝脏在努力把酒精变成醋，但这个过程对身体的伤害是巨大的：它会疯狂消耗维生素 B1（引发一系列神经系统副作用）、诱发脂肪肝与肝脏炎症、大大提高肝硬化和患癌的风险。更糟糕的是，它还会升高体内的雌激素，而雌激素一高，男性的睾酮水平就会直接暴跌。 有没有一种方法，既能安全地踩下“酒瘾刹车”，又能减轻酒精的毒性？答案就在一种研究充分、效果显著的天然草药里——葛根（Kudzu）。 在中国医学中，葛根作为解酒良药的历史可以追溯到公元 600 年左右。这种看似普通的豆科藤蔓植物，实际上是一个“营养宝库”：它含有高达 26% 的蛋白质和极高的氮含量（甚至能用来做优质的动物饲料和绿肥）。 但它最厉害的武器，是其中蕴含的特殊植物营养素： 科学平替戒酒药： 葛根的提取物能够作用于大脑中与成瘾直接相关的神经递质——GABA（γ-氨基丁酸）和多巴胺。它的控酒机制类似于某些处方戒酒药，但完全没有药物的副作用。 显著降低饮酒渴望： 在一项安慰剂对照的双盲实验中，仅仅单次给予 2 克葛根，在短短 2.5 小时内，实验对象的饮酒欲望就出现了断崖式下跌！研究甚至表明，它对可卡因等成瘾性渴望同样有抑制作用。 控酒+防宿醉： 当你摄入葛根后，不仅会发现自己“不想喝了”，而且由于它能加速毒性物质的分解，即使不得不喝，酒精对身体的毒害也会大大减轻，甚至能让你免受宿醉之苦。 葛根是完全可食用的，安全度极高。日常调理中，你可以像烹饪瑞士甜菜（牛皮菜）一样把葛根叶子煮熟了吃，或者直接加进沙拉里。 如果你今晚有避不开的应酬或聚会，在出发前几小时，提前服用葛根提取物。到了酒局上，你会惊讶地发现，自己对酒精的冲动和渴望明显减弱了，整个人都能保持清醒和克制。 真正的自律，不是靠意志力死扛，而是善用大自然的智慧给身体减负。你有过为了戒酒、解酒踩过哪些坑吗？下一次去社交应酬前，不妨提前备好葛根提取物，亲自验证一下它的神奇效果！ 如果你觉得这个帖子对你有用请点赞收藏，并转发给你的朋友们吧。关注我，一起用营养提升生命质量！

发现一个宝藏应用，@dappOS_com 旗下的新产品 @xBubble_ai 简直惊喜。 记着明天得前几天晚上，为了制作一份详细的新项目投研简报，我全神贯注地在屏幕前与 AI 工具深度互动到了凌晨。 我尝试了多个不同的大模型，不断精进和打磨提示词，希望得到最完美的输出。 这个过程让我深刻意识到，熟练驾驭 AI 需要极高的耐心与时间投入。 我们都满怀期待地想让 AI 成为得力助手，但在实际操作中，为了让结果更精准，我们往往要投入大量精力去引导。 这让我开始思考：一定存在一种更流畅、更懂人心意的方式，让工具真正服务于我们的直觉。 于是，我发现了xBubble，它更加高效几乎能够一键解决我的烦恼，一图看清！ 2.如今大模型的迭代日新月异，获取强大现在各大平台的新模型层出不穷，算力早已不是瓶颈， 但真正拉开体验差距的是什么？是“会写神级提示词”与“不会写”的差距，是“懂代码和编写技能（Skill）”与“完全不懂”的差距。 为了让大家直观感受到这种体验上的天壤之别，我们可以从几个真实的投研和工作场景，来看看传统 AI 工具和采用“低提示词”理念的 xBubble 到底有何不同：  3.对于很多追求高效的专业人士和中小团队来说，这背后隐藏着巨大的隐性时间投入。 为了让 AI 的输出稳定可靠，我们需要持续评估不同模型在各类任务中的表现，精心挑选适配的工具组合。 很多创业团队也面临着权衡：增设专职岗位预算较高，而让现有团队从头学习 AI 调优，沟通和学习成本同样可观。 更重要的是，每当大模型迎来更新，我们积累的经验往往需要重新建立。 我们真正渴望的，是一个能精准理解模糊指令、即开即用的智能系统，让大家把宝贵的时间集中在核心业务上。 4.好消息是，技术创新的脚步总能为我们带来极佳的解决方案。 近期 dappOS 推出的 xBubble 就是那个让人充满期待的行业破局者！它创新性地提出了 Low-prompt AI0理念，简单来说，就是“AI 替用户使用 AI”。 其核心枢纽 Bubble Pilot 就像一位超级懂你的智能管家，你只需要像和朋友聊天一样输入一句简短的需求，Pilot 就会自动接管后续的所有统筹工作。 它能迅速识别任务类型，自动匹配最优的处理路径，将繁杂的模型挑选、提示词构建、工具调用全部包揽，让你轻松畅享一键直达结果的愉悦体验。 你可能会好奇，Pilot 为什么能如此精准地理解我们的意图？ 这要归功于其背后时刻都在成长进化的强大引擎——Bubble Engine。这是真正的“AI 学习 AI”。 当你提出一个新颖的需求时，Engine 会在后台自动生成海量的解决方案组合，  通过严格的测试框架与质量标准进行比对，最终将最高效、最完美的路径固化为通用的 SOP。 这意味着，在 xBubble 的生态里，随着大家的使用，高难度的技能会被自动沉淀，哪怕是零基础的小白 也能毫不费力地直接调用这些千锤百炼的最优解，获得大师级的交付品质。 为了满足极其多元的使用场景，xBubble 精心打造了两种极具安全感与实用性的运行环境。  第一种是云端的“Bubble Computer”，这是一个端到端的专属工作区。 面对需要搜集资料、撰写、排版等多步协同的复杂项目，它会自动开启安全的沙盒环境，按需加载所有技能，一气呵成地完成并交付最终成果。 第二种是主打本地陪伴的“Bubble Personal”模式，它能在你的设备上安全运行，协助管理本地文件与日程， 回想当初那个专注打磨提示词的夜晚，如果当时有 xBubble 的协助，我只需轻松输入一句“请帮我汇总今日链上热点并生成一份深度简报”， 便可去享受一杯香醇的咖啡，回来就能收获排版精美的专业成果。 科技演进的终极方向，永远是让人的创造力得到最大程度的释放。 正如 xBubble 所倡导的核心愿景：AI 应该学习 AI，AI 应该使用 AI，而用户，只需陈述目标。 兄弟们冲一波官网： dappOS 官网（

体验了一下 @xBubble_ai @dappOS_com 的功能，感想颇多！ 说句扎心的，撸毛圈现在真正拉开差距的，很多时候已经不是信息差了，而是谁更会把 AI 用起来。 不少人不是没看到早期项目，也不是不敢冲，更不是不会用 AI 工具，而是在使用工具时卡在了繁琐的前置流程中： 1、改 Prompt 2、调脚本 3、发现问题 4、再改 Prompt 这样循环往复会浪费大量时间。窗口期本来就短，结果时间都耗在"让 AI 先跑通"这件事上，等你好不容易折腾明白，机会也差不多过去了。所以，如果有一个 AI 工具不需要你循环往复地做这些事，而是你简单提一嘴就能轻松帮你解决各类问题，效率就会大大提高。 而 dappOS xBubble 就是我说的这类工具。它有意思的点就在于——它不是让你先学一堆东西再来用 AI，而是尽量把这些门槛直接拿掉。不用自己写代码，不用反复调 Prompt。 举一个例子，这里我分别对市面上某AI工具以及xBubble提出了一个诉求："请为我找出 10 个当下可交互且未发币的 Web3 撸毛项目"。这刚好也是我平时撸毛+投研中非常需要使用到AI的场景也就是项目投研，如果还靠传统的方式去找项目的话效率太低了。 下面是俩个不同的AI工具给我制作的可交互项目图 1、图 1 是某 AI 平台生成的 可以明显看出，尽管它生成了 10 个项目，但这些项目大多已经发币，且很多任务都已截止。对于这种情况，我一般需要反复调试 4-5 次才能真正达到理想效果。 2、图 2 是 xBubble 生成的 对比非常明显，它理解了我真正的意图，甚至把项目的融资情况、项目介绍都列了出来。从专业性和绘图的精美度上来看，都是遥遥领先的。 那么为什么 xBubble 能如此快速、精确且专业地解决问题呢？ 这主要得益于其巧妙的设计。xBubble 由 Pilot（执行）与 Engine（学习）构成：Pilot 将请求匹配至 SOP；Engine 自动研发并固化 SOP。两者协作实现 AI 自主学习与任务处理的闭环。简单来说，用户只要说一句话，它就能替你调动 AI 解决问题，且其强大的学习能力能自发地迭代进化。 所以，让合适的、专业的 AI 去处理问题，人才有精力去抓红利。好的工具不仅能节省你的时间，也能提供更大的便利！ 【官推】 【dappos官网】 【xbubble官网】

前几天看了不少人说 @42space 大把都只是在讲从Polymarket类型的预测市场机制来看，42的机制多么多么的“不合理” 不能说这个说法是错的，但是路走窄了兄弟。这就好像你跟F1赛车说你耐久力不好，跟拉力赛车讲你空气动力学不对一样 都是赛车，差别天差地远 @Leozayaat 自己也说了，这个东西他就不是传统意义上的预测市场，而是新闻事件期权，可以做多做空的那种 他真正的对标，压根就不是Predict或者Polymarket上的盘口，而是战壕里最大的门类 —— 新闻盘 “Pump Fun是大众传媒” —— 加密韦驮 我这句话到今天一直被小黑子三不五时拿来黑我 但是没有人能证明我是错的 因为新闻本身就是最好的博弈载体 —— 影响受众最广、门槛最低、博弈注意力的周期、博弈新闻本身的真假、博弈新闻造成的结果 （想象一下新闻盘出现在“斐迪南大公遇刺”的时代会如何） Pump Fun为代表的传统战壕本质上是博弈注意力 - 流动性定价（见我主页开源镰刀25）为基础的3- 125x的单向做多合约 它不能开空，不足以捕捉其他围绕新闻进行的博弈 42通过把预测市场和战壕冲狗结合，解决了这一点：赔率以内靠二元期权，赔率以外靠链上博弈 而且用的是最BNB的形式 —— 冲狗 不管你对机制有什么意见，BNB链上的现实就是活跃用户基本只有两类行为模式 —— 合约用户、冲狗用户 我BNB Chain自有国庆在此，单纯把Kalshi预测市场那一套照搬进来并无卵用 42只需要解决一个问题：只有42的合约，才是有正统性的新闻盘，彻底解决掉BNB的分流问题 所以再一次，不要把42当成预测市场 任何项目方要让大家认可它是更牛逼的预测市场，需要统战各种实际上已经是量化交易员的用户，要被拿去和Polymarket比较，是困难的任务 但是要做到“新闻正统在42”，只需要把每一个BNB关心的重点新闻盘拉过$50K农民日结盘的合格线就行了 利益相关：没鸡毛利益，@42space 跟 @Hertzflow_xyz 同期 @EASYResidency 毕业，替好兄弟说几句罢了

【怎么让AI更聪明的完成任务？】 这是一个在AI快速发展的现在，最常遇见的问题。 因为现在AI发展的很快，每个模型都在不停的迭代版本，并且不同的模型都有自己的特性，如何去挑选适合自己需求的模型，如何去调教不同模型的prompt，这会直接决定产品最终呈现效果的优劣。 之前做过好几个AI交易的辅助工具，模型尝试用过GPT、Deepseek、Claude，AI工具用过n8n、小龙虾、骡子，但是最后呈现的效果和自己预期的总是差很多，虽然最后做出来的不错的版本，但是消耗了太多的时间精力和Token，我也在寻求更好的解决方案，直到用了dappos！ dappos简单来说，就是：AI 替用户使用 AI，AI学习AI 你不需要再纠结选哪个模型、怎么写 prompt、要不要写 skill，你只需要说一句 简短请求，剩下的交给 xBubble。 其中的核心是Bubble Pilot帮用户去完成任务，取用户的简短请求，识别任务类型，检索匹配的 SOP 并分发到最优路径 Bubble Engine帮你去学习AI，针对特定任务，使用 AI 编程 Agent 生成解决方案变体，构建测试框架，组合候选模型与工具，将最优路径固化为可复用 SOP。 就比如说我想做一个Defi赛道的投资机会速览，同一套提示词，xBubble和豆包生成的图片可以说是天差地别，豆包连文字都是马赛克，而xBubble不仅逻辑清晰还有数据作为支撑，信息的详细程度和豆包不是一个层级上的！只有两个字，好用！ 总的来说，你有了dappos，就相当于有了一个AI秘书，直接跟秘书去提需求，秘书会帮你把剩下的流程全部走完，你等着接收汇报就行了！ 用dappos，当AI的老板，有事就让秘书干！

前几天在新浪的「赛博对话」录了一期视频播客，话题是大模型厂商怎么就从烧钱走到了赚钱的转折点，主持人是高飞 ，嘉宾是庄明浩和我。 其实最开始是想聊豆包收费这件事情，我和庄明浩还在私下嘀咕，豆包传出付费方案的消息是在月初，早就不是热点了，实在是过了蹭的时机，但如果放大到AI这门生意终于迈过了亏本赚吆喝的那条线，就没问题了，这是一个相当长效的题材。 省流版总结如下： - 根据黄仁勋提出的五层蛋糕理论，应用层虽然是直接和终端用户打交道的，但它也是整个产业结构里盈利压力最大的那个，毕竟上面四层都是供给逻辑，有货就不愁卖，唯有应用层是需要竞争流量的，在这个前提下，收费堪比拔鹅毛但又不让鹅叫唤的艺术； - 豆包当初传出收费消息被猛带了一波节奏，很多人以为从此就没法免费使用豆包了，无论是从中国互联网的历史来看，还是ChatGPT作为先例的样板，收费模式必然是增值服务，大家现在怎么用豆包的还是怎么用，然后一些旗舰级的能力就只会放在会员方案里予取予求； - 再就是国内用户对于为产品功能买单这件事情极其抵触的特有生态，之前北京车展，The Information的记者过来跑了一圈新势力，发现它们的出海计划里都会把车机功能当作付费点，但在中国市场完全没有这个想法，负责人的解释也是很直白无奈，「中国人不会为软件付钱」； - 庄明浩和我都觉得豆包在绝对领先的地位上开启收费尝试是很有意义的，这点钱对于字节的CapEx来说无异于杯水车薪，但整个消费观念的转变很重要，甚至我相信千问元宝都会感谢豆包，否则都被卡死在给全国人民做公益这个沼泽里，「你不收，我怎么收？我不收，耿专员怎么收？大伙怎么进步啊？」 - 再就是豆包的定价梯度可能比较意外，或者说整个AI应用的订阅门槛都是偏高的，长视频平台还在10块钱、20块钱一个月的留人时，豆包的最低档会员就是68块钱一个月了，像是Kimi也是49块钱一个月的起价，越过了30块钱一个月这个标准； - 30块钱一个月就是手游里的月卡，再往上才是大月卡，即通行证/战令，这一档的定价通常从68块钱到98块钱一个月不等，至于豆包计划里最贵的500块钱一个月套餐，相当于一单648的8折价，是不是也很容易理解了； - 马化腾在财报会议上也专门讲了中国用户在2C市场的付费转化率不太高这个点，要知道腾讯已经是最能从用户口袋里掏钱的互联网公司了，它都这么为难，叠加年年喊崛起年年也没能支棱起来的SaaS，模型下游的商业循环在国内实在需要一点乐观趋势，要知道智谱、MiniMax、月之暗面本质上是出海赚美金的公司； - 对于收入能够保持同步增长的公司而言，CapEx其实不是问题，从谷歌Q1财报来看，营收1000亿美金出头，利润差不多600亿，毛利率比纯卖广告的Meta还高，所以烧钱有什么问题呢，烧不出回报才是问题，马化腾说以为上船了但发现船是漏的，就是这个意思； - 中国互联网除游戏外的订阅制付费上限，单产品差不多在1.3亿的水平线，爱优腾和QQ音乐在巅峰期都没能超过这个阈值，我个人不太相信AI应用可以创造例外论，但是抛开订阅不谈，被越炒越火的各种Token套餐如果真的普遍化了，搞不好还真能带来变数； - 其实模型厂商也倾向于按量计费的买卖，订阅制的商业模式就像健身房，赚的是那些开了卡但不经常来的客人的钱，如果大家都用满，在这么一个不太存在规模效应——用户越多，越容易摊薄成本——的行业，AI应用很容易成为一个失血点而非造血器，所以庄明浩看到了一个怀旧服的可能性出现； - 也就是各大运营商开始力推的Token包，这跟当年的流量包不能说是一模一样，只能说是完全一样，所以如果运营商能够成为一个分销Token的角色，像大王卡那样，用Token包去覆盖一些模型的用量，再去后端完成分账，这个故事是完全说得通的； - 不过，无论是订阅制还是卖Token，模型能力都是撬动市场的第一要素，就像GPT-Image-2出来之后所有代开会员的第三方价格全数涨价，以及「六小虎」里把编程套餐卖断货的行情，都说明生产力需求是可以无视价格敏感的； - 但我总觉得豆包的收费不会走生产力路线，豆包大模型可以有生产力市场的目标，比如配合Trae去打，豆包App却未必要这么把路走窄，它的人格化和陪伴性其实是可以在情绪价值市场做出更多可能性的，就像我看有数据显示开源模型超过半数以上的Token消耗用在了角色扮演上，这里的经济价值是被低估了的； - 高飞和庄明浩认为模型厂商还有一个创收机会，就是转移支付，借着全民AI这个热潮，去让市政单位、高校学府来买单，比如某个市的行政区，去给市民提供常态化的Token额度，或者大学对标自己和知网签年框的方式，让师生享有最基础的Token套餐，用财政预算去替大家消费AI； - 总的来看，头部的模型厂商基本不再担心会倒闭了，包括已经上市的财务数据都摊开了，一个基本事实是，如果不算预训练，毛利率都能是打正的，同时预训练的成本增加是一个线性的，而收入的增加是指数级的，所以Anthropic、OpenAI这种烧钱大户都预计能在2030年甚至2028年就实现正现金流，这个速度比亚马逊当年都要快得多； - 庄明浩说做上游投资的现在是在焦虑物理极限，什么意思呢，就是会不会说，地球上的铜不够用了⋯⋯包括要去太空建数据中心，也是因为缺算力缺成了连力大砖飞都搞不定的事情，光有钱没用啊，你得有地方花出去，全世界的工业品暴涨，核心原因就是产能跟不上，需求侧在竞价锁单； - 中美大模型的发展差异在于，美国是在追求速胜，一波钱砸下去，掉队的、认输的马上就出来了，集中度很高，「御三家」就是这么高速洗牌洗出来的，中国因为相对慢一些，同时大家对成本更谨慎，所以能有更多的玩家不下牌桌，赚钱的难度也会高一些，这是充分竞争的经济学理论； - 庄明浩举了Seedance 2.0的例子，按理来说这场仗就应该打完了，你不可能怀疑字节在视频模型身上的决心和疯狂，但实际上呢，快手的可灵、阿里的Wan和Happy Horse、MiniMax的海螺都是该怎么继续还是怎么继续，后面还跟着HiDream、Vidu、Pixverse、SkyReels一长串名字，它们甚至都能拿到融资； - 中国互联网的缠斗传统，加上大盘上涨的规律，意味着你可以不是吃到肉的那个人，跟着喝汤一样能够保存希望，而且AI行业的标的天然优于非AI行业，这种「种族优势」，决定了「投AI总比投别的强」的底层逻辑，于是纷纷续命，等对手犯错，等轮到自己，等一切可能性； - 还是用那五层蛋糕的比方来说，美国是标准的纺锤结构，稀缺性最高的英伟达在中间赚得盆满钵满，中国则更偏向于柱状结构，在产业指导的作用下，不会有哪一层特别明显的去吸整条上下游的血，所以这个蛋糕必然不会跟太平洋对面一样甜，一个人走得快，一群人走得远嘛； - 最后还有一个变数是硬件，庄明浩说，美国做硬件的Startup，拿到钱后的第一件事就是飞深圳，跟逛迪士尼乐园似的，什么梦想都能找到供应商，为什么一级市场那么喜欢投大疆、追觅、影石出来的人，就是因为他们有从0到1的经验，可以复用到AI这一波，难道文曲星和背背佳就不算应用了么，对吧； - 高飞说得很有意思，AI用的东西，都在涨价和赚钱，比如能源、光纤、芯片这些，只有人用的东西，是在通缩和亏损，那么AI应用赚钱很难就说得通了，因为这是给人用的，人类不争气啊，碳基世界完蛋了，哈哈哈哈； - 所以，虽然这话可能有政治不正确的嫌疑，但判断AI是否真正产生了价值的标准，就是企业有没有在大规模裁员......是的，AI替代人类很残酷，但这起码说明AI可以产生真实的经济效益，反倒是喊着AI改变一切，却凡事仍要人类亲力亲为，才是真的有问题。