与「産学官　」相关的搜索结果

今天值得關注的消息之一，是美國國防部助理部長、中亞洲和中國台灣蒙古辦公室主任，對張又俠回憶，提到幾個重要信息： 1、2012年，張又俠和國防部長梁光烈訪美，表達的和其他那些酒囊飯袋的中共軍官不一樣，顯得有經驗、有能力、有魄力，深得中共參謀和美方喜歡； 2、2023年9月，習近平就在調查張又俠和張升民，張又俠一度岌岌可危； 3、2023年10月底，《南華早報》中國軍事記者陳敏莉前往北京採訪第10屆香山論壇，失蹤。 4、作者擔心，沒有了張又俠，中共犯台的危險大增，因為沒有人敢說真話 文章全文如下：《張又俠的倒台格外令人震撼》 Drew Thompson 2026年1月26日 這篇貼文不同於我之前的分析總結、文章連結或訪談。這次是個人感受。 週六宣布中央軍委副主席張又俠正接受調查、很可能已被拘留的消息，讓我真正感到震驚和意外。我本不該意外。自習近平2012年上台以來，已有數百名解放軍高級將領被調查、拘留甚至判刑。 腐敗在解放軍中根深蒂固，這給習近平提供了永恆且通用的反腐工具，用來清除他認為政治上不可靠的軍官。自2023年起我就聽到有關他的調查傳聞，但我總是假設、甚至希望他能逃過習近平無休止的清洗。張又俠曾負責解放軍裝備採購五年，那涉及巨額預算和可想而知的巨額回扣。據報導，解放軍軍官需向上級「買官」，價格因職位等級和潛在獲利能力而異。他的前任和繼任者都因腐敗被懲處。 我曾評估，張又俠的作戰經驗、自信、智慧，以及終身捍衛中國和共產黨的承諾，應該能保護他。我以為他與習近平的終身關係是他的保險。他們的父親還是朋友。我以為，憑藉他的能力和與習的關係，一些財務不當行為會被忽略。 主要的是，我希望他能挺過清洗，因為我喜歡他。 2012年5月，張又俠隨時任國防部長梁光烈上將率領的代表團訪美一周，由當時的美國國防部長萊昂·帕內塔接待。當時張又俠是瀋陽軍區司令員，代表團中有十多位將軍。我當時在國防部長辦公室擔任中國、台灣、蒙古事務主任，負責規劃和組織這次訪美行程。我全程陪同，包括在五角大樓的會議，以及東海岸和西海岸軍事基地的參觀。 在那次行程中，我認識了張又俠，我也喜歡他。 （照片說明：照片中有一些傳奇人物——戴夫·斯蒂爾韋爾，當時的北京國防武官（後來從空軍退役後成為助理國務卿）；彼得·拉沃伊，國防部助理部長首席副手；吉姆·米勒，國防部政策副部長；帕內塔部長，以及已故的副國防部長阿什·卡特。我不記得那次會議美方翻譯的名字。張又俠坐在梁光烈部長右邊，鏡頭外。梁部長左邊是解放軍最能幹的參謀之一、英語翻譯謝康敏少校（當時）。我在後面或走廊。細心的觀察者會注意到，卡特副部長帶了一個有密級封面的文件夾進會議室。別問我為什麼。） 張又俠與我遇到的多數解放軍將領不同。解放軍本質上是政治組織——它是共產黨的武裝翼，而不是宣誓保衛憲法或國家的國家軍隊。軍官的仕途主要取決於政治可靠度和人際關係。忠誠與意識形態比作戰能力更重要。批判性思維和獨立思考在解放軍中可能成為負擔而非資產。這是解放軍的文化。毛時代的階級鬥爭塑造了社會和軍隊，所以軍官多來自工農家庭，受教育程度低，很多人甚至文盲。這種遺留影響至今猶存。我遇到過許多教育程度不高的解放軍高級軍官。他們可能聰明，但從強烈的口音、詞彙和談話內容就能看出，他們既不具備知識分子氣質，也不世故。有些高級軍官能長篇大論背誦黨的路線，但除此之外說不出什麼。 張又俠很突出。他親歷過戰鬥，也因此謙卑。他受過教育、有知識分子氣質、直覺敏銳。他看到展示的東西，就能理解其重要性和價值，也大概明白我們為什麼向他展示。 多年來，我與對口的年輕解放軍參謀密切合作，他們負責對美交流。我們在華盛頓和北京無數次會議中建立起關係，包括類似張又俠參與的代表團行程。五角大樓中國事務組與解放軍總部美洲事務組之間有健康的相互尊重。負責陪同代表團的參謀當然有自己與將領的關係。令我著迷的是他們如何回應和支持自家高層。有些將領需要人哄、餵食、大量奉承，那些人通常在討論中沒什麼實質內容。他們的參謀為他們服務，但我看得出他們對那些將領不太尊重。我總猜那些軍官是買來的職位，並證明了彼得原理。 張又俠不同。他周身散發著能力的光環。其他解放軍將領和參謀都看得出來，也因此尊重他。他進房間時，他們站得更快、更直。他們給他最好的表現。不僅因為他是少數仍存活的1979年中越戰爭參戰者（而且那場戰爭輸了），也不僅因為他與習近平幼稚園就認識，而是他確實有那種氣場。 那週，張又俠比代表團中任何其他解放軍將領都更願意和我交談。他好奇、深思、尊重他人，極富同理心。他不像某些高級軍官那樣害怕或無法與外國人交流。（也許我的中文太爛，他們不願聽。）他對自己的參謀也很尊重，我想他對我也是同樣態度。他願意和我聊天讓我印象深刻，因為這很不尋常。 參觀本寧堡時，張又俠變得非常興奮。我們提供了靜態展示一些武器系統的機會，以及試射幾種的機會。許多解放軍軍官主要從事行政和政治工作，而不是作戰。很多人從未開過槍，在射擊場上會猶豫是否與士官交流。張又俠不然。他迫不及待要試射機槍。他認真觀察所有靜態展示，向解說員提出關於美國技術和作戰理念的好問題（放心，全都是非密級的！）很多將軍不知道該問什麼，因為參謀沒提前給他們準備問題。看張又俠參觀軍事基地、吸收所見所聞，顯露出他遠超同儕的智慧。 （照片說明：張又俠迫不及待試射M240機槍。（我直接選了.50口徑！）他非常享受這次「武器體驗」。這些是我在喬治亞州本寧堡拍的私人照片。我給了他拷貝。） 出於美中軍事關係穩定和台海穩定的考量，我希望張又俠能留在中央軍委高層，繼續做習近平最親近的軍事顧問。我認為他是現役解放軍軍官中唯一能給習近平提供最客觀建議的人，包括解放軍的實際能力及其短板，尤其是軍事衝突的人命代價。他能客觀評估美國和台灣的軍事能力，向習近平解釋攻台行動的軍事風險和代價。一個沒有作戰經驗的馬屁精只能告訴習近平想聽的話。張又俠的智慧、經驗和與習的關係，讓誠實與客觀成為可能，這使他成為解放軍將領中的例外。 （照片說明：張又俠在照片邊緣，仔細觀察展示系統，而梁光烈將軍看著解說員。我當時旅行和開會一週後很疲憊，眼紅眼袋明顯。我在這張照片裡有點生氣，因為隨團的一名解放軍武官剛做了件小壞事但無傷大雅，所以我擺出威懾臉，警告他別再犯。你得設下界限。） 要讓美國的威懾戰略有效，我們需要習近平身邊有能提供客觀建議的稱職將領。目前中央軍委僅剩的政治委員出身的張升民將軍。撇開習近平透過「一人委員會」指揮百萬大軍的治理與運作風險不談，我擔心由其他人而非張又俠向習近平提供軍事建議的後果。 沒有張又俠在中央軍委，誤判風險會上升。 我大半輩子都在從事某種形式的美中關係工作，這讓張又俠被調查並很可能被拘留的消息，對我而言成為個人失望。 對張又俠倒台的個人感受還有另一層。 2023年10月，南華早報記者陳敏莉（Minnie Chan）赴北京參加香山論壇時失蹤。她當時正在調查張又俠和張升民被調查的傳聞。 眾所周知，她和我經常聯繫。她很多關於解放軍的報導都引用了我，提供我對她研究議題的分析評估。她也是朋友。她對解放軍的了解不輸任何局外人，我們能整天交換情報。我通常從她那裡學到的比她從我這裡的多。我們有時通電話，有時發簡訊。她失蹤後不久，她發給我的簡訊幾乎全被刪除，只剩一條。我不知道是她自己刪的，還是控制她手機的人刪的。 她失蹤前一個月，我們討論張又俠和張升民是否被調查。她很確定。2023年9月我問：「你認為張又俠和張升民有麻煩，正在被調查嗎？」她簡短回覆：「Yes」。 那條唯一的「Yes」是整串簡訊中唯一沒被刪除的。 我不知道敏莉為何被拘留至今。她在大陸有很多消息來源和聯繫，報導過很多題材，所以我不確定2023年調查張又俠和張升民是否是她被失蹤的原因。 我的希望是，既然張又俠的調查已公開，敏莉能被釋放，回到寫出優質報導的工作，提供準確、真實的中國軍事與國防戰略視角，讓我們更好地理解中國，降低誤判風險。 我擔心她已被遺忘。 我想我的朋友們回來。 （照片說明：2012年5月，張又俠在北卡羅來納州勒瓊營檢視一輛MRAP。我身邊是三位我非常尊敬的解放軍軍官。從左到右：李繼少將，解放軍外事辦公室副主任；徐南峰少將，駐華盛頓國防武官；當時的黃學平大校，外事辦公室美洲處長。）

第一個智能體不用自己寫迴圈，那程式設計師還剩下什麼？ 官方來源：Martin Bernaola Mendez，原文發表於 2026-11-13（1 天內，見文末核實）。原文標題直譯：《在微軟開發平台做你的第一個智能體，比你想的簡單》。先把反常識結論放前面：多數人以為做智能體要先學一堆新東西，新的框架、新的寫法、新的觀念，沒三個月下不來；真相剛好相反，你的第一個智能體根本不用學新東西，用你本來就會的主程式語言、你本來就熟的寫法，一個下午就跑起來了。智能體的本質一點都不神秘，就是模型加指示加工具加記憶，繞著圈跑到答案出來：模型先判斷要不要用工具、再叫你的程式去做事、拿到結果再寫答案，迴圈跑完才收工。關鍵在最後一句：這個迴圈不用你寫，框架全包了。你只剩三件事：給它一個名字與指示、給它一個工具、給它一段記憶。微軟的智能體框架就是幹這個的，底下還有一個聊天客戶端介面，幫你把不同模型的呼叫方式統一成同一套寫法。這篇只做一件事：照原文四步走，帶你從零做出第一個會查天氣、會記得你名字的旅行小幫手，最後再換成本機免費版，一毛錢都不花。先說清楚底線：前置條件是開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能的應用程式介面金鑰；沒有金鑰也沒關係，文末有本機免費版。 說清詞： - 智能體：模型加指示加工具加記憶，繞著圈跑到答案出來的程式，模型負責判斷、你的程式負責做事。 - 聊天客戶端介面：微軟擴充智能裡的統一介面，把不同模型的呼叫方式包成同一套寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面、專門加智能體功能的那一層，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 指示：你給智能體的工作說明，寫明它是誰、說話多簡短、什麼時候該用工具，寫得越具體、它做得越穩。 - 工具：就是你本來就會寫的普通方法，加上一句說明文字掛進智能體，模型看說明決定什麼時候叫它。 - 說明屬性：掛在方法與參數上面的說明文字，告訴模型這個方法是幹什麼的、參數是什麼意思，模型就靠它決定要不要叫、要傳什麼。 - 迴圈：模型決策、呼叫方法、結果回填、寫答案，四步轉一圈，直到答案夠好才停，框架自動跑，你不用自己寫。 - 工作階段：對話的記憶盒子，建立一次、每次跑都傳進去，智能體才記得上一句講過什麼。 - 串流：答案一個字一個字出現的跑法，像聊天視窗那樣慢慢印出來，整段等完才印是另一種跑法。 - 主控台專案：最簡單的那種程式，沒有視窗、沒有網頁，只在命令列視窗裡跑，做第一個智能體用它就夠了。 - 環境變數：存在電腦系統裡的設定值，金鑰放這裡，程式碼裡只讀它、不寫明文。 - 本機模型：裝在你自己電腦上跑的模型，不用連雲端、不用付按量費用，代表作是奧拉瑪接開源模型。 - 模型上下文協定：接現成工具伺服器的標準作法，原文只在展望裡提，叫你以後自己去接，不用現在學。 - 可觀察性：把每一次模型呼叫與工具呼叫都留下紀錄的作法，出怪事時靠它追查，原文只在展望裡提。 一個真實的例子：原文的第一個智能體叫旅行小幫手，做的事再小不過：回答去馬德里旅行的小建議。做法是拿開放智能的客戶端取一個聊天客戶端、指定一個支援工具呼叫的聊天模型，再把它轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，跑起來就完成了。問它去里斯本玩兩天怎麼排，答案一個字一個字慢慢印出來，那是串流跑法。接著給它一個工具：一個查天氣的普通方法，加上一句說明說這是查某個城市的天氣預報，方法本身只是回傳一段寫死的假天氣。問它去里斯本要不要帶傘，背後發生四件事：模型讀問題、發現需要天氣資料、叫方法去查里斯本、拿到結果寫答案說早上會下小雨、記得帶傘。迴圈你一行都沒寫，框架全包了。最後加記憶：建立一個工作階段、每次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本，再問要不要帶傘，第二問根本沒提城市，智能體自己用對的城市查天氣；再問我叫什麼名字，它答得出安娜。這三問跑下來，第一個智能體該有的東西全齊了：會判斷、會動手、會記得。 為什麼是框架全包，而不是你自己寫迴圈？因為迴圈裡最容易出錯的地方，全是重複的髒活：模型回傳要叫工具，你要解析它叫的是哪一個、參數對不對；方法跑完，你要把結果用對的格式回填給模型；模型又回傳要再叫一次，你要判斷這是正常接力還是無限鬼打牆；答案終於出來了，你要決定什麼時候停。這些事每一件都不難，但加起來就是幾十行容易寫錯的程式碼，錯一次、除錯半天。框架把這整圈包起來，你只寫三件事：指示寫清楚、工具掛上去、工作階段傳進去。11 月 12 日那篇手寫迴圈的教程立場剛好相反，叫你自己把迴圈寫出來、看懂每一圈在幹什麼；這篇的立場是先跑起來再說，迴圈交給框架，你先嚐到智能體動起來的滋味。兩篇沒有誰對誰錯，是先後順序：新手先照這篇跑起來，想搞懂底層再去讀手寫迴圈那篇，順序反過來很容易卡在第一圈就放棄。 再算一筆帳，讓你知道第一個智能體到底花多少錢。示範用的是開放智能的輕量聊天模型，特點是便宜、支援工具呼叫，跑幾十次問答常常不到一塊錢美金，練手完全不心疼。真正貴的不是模型，是你把正式環境的大模型、長上下文、高價輸出全開來練手，練十次就抵得上一個月的示範費用。所以練手的規矩只有一個：示範模型挑輕量便宜的，指示寫簡短，工具先用寫死的假資料，跑通了再換真資料、再換好模型。本機免費版更徹底：模型裝在自己電腦上跑，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行。先在本機版把迴圈、工具、記憶三件事都摸熟，上雲端花錢時才知道錢花在哪裡。 反方適用條件清單——以下情況，先別照本篇做第一個智能體，免得把本篇讀成保證： - 不想碰微軟開發平台、只用別的語言生態：本篇是微軟開發平台的作法，換生態等於整篇重寫。 - 沒有金鑰、也不想裝本機模型：兩條路都沒有，模型叫不動，智能體跑不起來，先選一條路再開工。 - 挑的模型不支援工具呼叫：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 想一次做多智能體協作、寫作者加審查者的流程：原文只做到單一智能體，多智能體是展望裡的下一步，現在做還太早。 - 想直接做正式上線的產品：本篇只到主控台示範為止，正式產品要另外做驗證、備份、錯誤處理。 - 指示寫得含糊、只寫你是個助理：指示越空、模型做得越飄，指示要寫明身分、語氣、什麼時候用工具。 - 除此之外，只要你會寫主程式語言、想親手跑一個會動手的智能體——這篇就是為你寫的。 一句定性金句：迴圈不用你寫，判斷不用你寫，你只剩三件事：給指示、給工具、驗答案。 一、翻車清單 - 金鑰寫進程式碼、貼進群組、傳進公開倉庫：誰拿到都能花你帳上的額度，正確做法是存進環境變數，程式碼裡只讀變數不寫明文。 - 開發平台軟體開發套件版本太舊：原文要第十版或全新的第十一版，舊版可能沒有智能體框架要的寫法，先升級再開工。 - 套件裝錯：開放智能版與通用版是兩個套件，雲端版裝開放智能那一個，本機版才裝通用版加奧拉瑪那一個，裝錯就接不上。 - 模型挑不支援工具呼叫的：工具掛上去模型也不會叫，示範用的輕量模型有支援，換模型之前先確認支援清單。 - 指示寫得太空：只寫你是個助理，模型不知道該簡短還是詳細、該不該用工具，指示要寫明身分、語氣與用工具的時機。 - 工具沒加說明文字：模型看不懂這個方法是幹什麼的，永遠不會叫它，說明文字是工具能不能被叫到的關鍵。 - 工具方法寫了真的去查天氣：示範階段先用寫死的假資料，跑通迴圈再換真資料，一開始就接真服務，出錯不知道是迴圈錯還是服務錯。 - 忘記建立工作階段：每一次呼叫都從零開始，第二問不提城市它就不知道去哪裡，名字也記不住，記憶要靠工作階段傳進去。 - 工作階段建了卻沒傳進去：建立一次不夠，每一次跑都要傳，漏傳一次、那一次的對話就斷了。 - 串流與整段回傳搞混：串流是一個字一個字印，整段是等完一次印，兩種跑法的寫法不一樣，抄錯會編不過。 - 金鑰放環境變數卻沒重開命令列視窗：環境變數改了要重開視窗才生效，舊視窗讀到的是舊值，一問就說金鑰沒設。 - 本機模型挑不支援工具呼叫的：本機開源模型不是每一個都支援工具呼叫，挑之前先確認，否則工具掛上去也不動。 - 本機服務沒啟動就跑程式：奧拉瑪的本機服務要先跑起來，程式連的是本機位址，服務沒開就連不上。 - 把示範程式當正式產品：主控台示範沒有錯誤處理、沒有備份、沒有驗證，正式上線要另外補齊，示範跑通不等於產品做完。 - 一次給太多工具：第一個智能體先給一個查天氣就好，工具一次給五個，模型叫錯的機率立刻上升，出錯不知道是哪一個工具的問題。 - 指示與工具打架：指示寫不要用工具、工具又掛上去，模型左右為難，指示與工具要講同一套話。 - 名字與指示寫完就以為智能體懂了：名字只是名字，真正管行為的是指示，指示沒寫清楚，名字再好聽也沒用。 - 測試不跑就說通了：模型說帶傘不算數，程式真的跑起來、答案真的對、第二問真的記得城市，才算通。 - 換雲端平台就以為程式碼要重寫：聊天客戶端介面就是為了換模型不用重寫，雲端平台、開源模型、微軟雲端，全是換呼叫模型的那一行，其餘不動。 - 把多智能體協作當第一步：原文的展望是下一步，先把單一智能體跑通，作者加審查者的流程以後再加，一步登天一定摔。 二、替代方案＋理由 原文只給一條主路，理由很硬：先拿雲端輕量模型跑通，再換本機免費版——理由是雲端版最快驗證迴圈、工具、記憶三件事，本機版再把花費壓到零，順序反過來很容易卡在本機安裝那一步、還沒看到智能體動起來就放棄。雲端版的理由是套件裝好、金鑰設好就能跑，示範用的輕量模型便宜又支援工具呼叫，練手不心疼。本機免費版的理由是模型裝在自己電腦上，一毛錢都不花，工具、工作階段、串流的程式碼一個字都不用改，只換呼叫模型的那一行，適合想一直練、一直試的人。還有一條同理可推的路：雲端平台版、開源模型平台版、微軟雲端版，理由是聊天客戶端介面把模型呼叫統一了，換平台只是換呼叫模型的那一行，其餘程式碼全不動，適合公司已經有指定平台的人。順序只有一個：雲端輕量版先跑通，再換本機版或公司平台版，不要三種同時開工。 工具的作法也有替代方案，理由一樣硬：示範用寫死的假天氣，理由是先驗迴圈對不對，出錯只可能是迴圈錯；換真資料是下一步，理由是迴圈通了再接真服務，出錯只可能是服務錯。兩步分開除錯，永遠比一次全上、錯了不知道找誰快。記憶的作法也一樣：工作階段是原文給的正規作法，理由是框架幫你管記憶，不用自己寫對話紀錄；自己寫對話紀錄是另一條路，理由是想完全掌控格式的人可以自己來，但新手先不要，框架的版本先跑通再說。 三、目標形態 一個能對照的最小閉環：開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數；主控台專案已建好、開放智能套件已裝好；智能體已有名字旅行小幫手、指示寫明友善的旅行助理、答案保持簡短；問它去里斯本要不要帶傘，模型自己叫查天氣的工具、拿到結果寫答案說早上會下小雨、記得帶傘；第二問不提城市，它用對的城市查天氣；第三問問我叫什麼名字，它答得出安娜。三問全對、程式真的跑起來，才算通。一句話：先讓一個智能體真正動起來，再談多智能體。 這個最小閉環還有三個進階樣子，通了之後可以一個一個加上去。第一個是換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案裡的溫度與天氣要對得上真實預報，迴圈不動、只換方法裡面。第二個是換本機免費版：模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問，答案一樣對，帳單變零。第三個是加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問一個同時需要天氣與景點的問題，看模型會不會自己挑對工具。這三個樣子有一個共同點：一次只換一件事，換完立刻驗三問，驗不過就只退一步，不用整段重寫。 四、遷移步驟 1. 先備前置條件：開發平台軟體開發套件裝第十版或全新的第十一版，開放智能金鑰申請好、存進環境變數，不要寫進程式碼。 2. 新建主控台專案：用命令列工具新建一個主控台專案、進到專案資料夾，裝開放智能版的智能體套件。 3. 寫第一版主程式：拿開放智能客戶端取聊天客戶端、指定輕量聊天模型，轉成智能體，給名字旅行小幫手、給指示說你是友善的旅行助理、答案保持簡短，問一句去馬德里旅行的小建議，跑起來。 4. 換串流跑法驗一次：同一個問題改用串流跑法，答案一個字一個字印出來，確認兩種跑法都通。 5. 給它第一個工具：寫一個查天氣的普通方法、加一句說明說這是查某個城市的天氣預報，方法裡先回傳寫死的假天氣，掛進智能體。 6. 問它去里斯本要不要帶傘：看模型自己叫查天氣的方法、拿到結果寫答案，迴圈四步都發生了才算通。 7. 建立工作階段：建立一個工作階段，每一次跑都傳進去，先說嗨我是安娜、星期五要飛里斯本。 8. 驗記憶三問：第二問要不要帶傘不提城市，看它用對的城市查天氣；第三問問我叫什麼名字，看它答得出安娜；三問全對才算通。 9. 換本機免費版：裝通用版套件加奧拉瑪套件，本機服務先啟動，模型換成本機開源模型，其餘程式碼一個字都不改，跑同樣的三問。 10. 換真資料：查天氣的方法從寫死的假資料換成真的天氣服務，問同樣的問題，答案要對得上真實預報。 11. 加第二個工具：再掛一個查機票或查景點的方法，指示寫明什麼時候用哪一個，問同時需要兩種資料的問題，看模型挑不挑得對。 12. 換公司平台驗一次：雲端平台版、開源模型平台版、微軟雲端版挑一種，換呼叫模型的那一行，其餘不動，確認聊天客戶端介面真的統一了寫法。 13. 記帳：示範用的輕量模型跑幾十次常常不到一塊錢美金，練手用輕量模型、指示寫簡短、工具先用假資料，跑通了再換真資料、再換好模型。 14. 排定主力與備胎：主力一種平台每天用，備胎一種放在旁邊，主力出問題、換專案時立刻換備胎頂上，不用臨時翻文件重學寫法。 15. 每月回頭對一次官方文件：智能體框架還在長大，多智能體流程、模型上下文協定、除錯工具都會變，每月花十分鐘對一次，才不會拿著舊地圖走新路。 跑完這十五步，真正拉開差距的不是你會幾種平台，是你給指示的方式。指示寫得含糊，模型就做得含糊；指示寫得具體，模型就動得具體。好的指示有三個要素：先說身分，再說語氣，最後說用工具的時機。身分是你是誰，例如友善的旅行助理；語氣是答案多長，例如保持簡短；用工具的時機是何時該查資料，例如需要天氣資料時就用工具查。三個要素寫進每一次設定，模型的命中率立刻不一樣。反過來最差的指示是只寫你是個助理，模型不知道你要它簡短還是詳細、不知道什麼時候該動手，只能憑感覺猜，猜錯了你還要花時間收拾。框架是硬體，指示是軟體，硬體接好了、軟體跟不上，一樣跑不快。 問問題也有一個進階技巧：一次只問一件事。請模型同時排行程、查天氣、再訂機票，它常常三件都做得半調子；拆成三輪，每一輪只做一件、每一輪都驗收，總時間反而更短，因為返工最花時間。還有一個習慣值得養：每一次請模型動手之前，先請它用一句話說出它理解的任務是什麼，它說對了再讓它動手，它說錯了先糾正理解、不要讓它帶著錯誤的理解去叫工具。這兩個習慣加起來，模型的出錯率會掉一大截，你花的檢查時間也會跟著掉。 五、團隊共建分工 做第一個智能體是小事，但三個角色別一個人全扛： - 你自己管金鑰：金鑰只你經手，存進環境變數、不寫進程式碼、不貼進群組，誰要用就請他自己建一把。 - 審查者核對帳單：每週對一次用量，示範用的輕量模型跑幾十次常常不到一塊錢美金，大模型、長上下文、高價輸出的帳單先抓出來看。 - 紀錄者留對照表：把每一次實驗的模型、指示、工具、工作階段、驗收結果寫進本篇贈品驗收表，換人接手時不用重讀原文，換模型時照表改名字就好。 - 守門員管範圍：每一次請模型動手之前，先說清楚哪些工具能叫、哪些資料不能碰，正式環境的設定一律列入禁區，模型動手之前先對一次範圍，叫錯工具的代價比多問一句話貴得多。 - 新人先跑最小閉環：新加入的人不要一次做多智能體，先照本篇第四節跑一遍最小閉環，三問全對、程式真的跑起來，通了才算入門，通不了先找守門員對設定，不要自己硬湊。 六、官方工具包 - 微軟擴充智能：聊天客戶端介面，統一不同模型的呼叫寫法，換模型不用重寫程式。 - 微軟智能體框架：坐在聊天客戶端介面上面，負責指示、工具呼叫、工作階段，往後還能接多智能體流程。 - 開放智能版套件：雲端版裝這一個，示範用輕量聊天模型，支援工具呼叫。 - 通用版套件加奧拉瑪套件：本機免費版裝這兩個，接本機開源模型，其餘程式碼不變。 - 示範模型：輕量聊天模型，支援工具呼叫，練手便宜。 - 本機模型代表：駱馬三點二，裝在自己電腦上跑，一毛錢都不花。 - 同理可接的平台：雲端平台、開源模型平台、微軟雲端，換呼叫模型的那一行就好。 - 展望裡的下一步：多智能體流程、模型上下文協定、智能體對智能體、可觀察性、除錯工具，現在先知道名字就好。 - 前置條件：開發平台軟體開發套件第十版或全新的第十一版，加上一把開放智能金鑰或一台裝好本機模型的電腦。 結尾收束：原則比框架多重要——智能體框架不是魔法，是把迴圈包起來的那一層。可重複的動作規則只有一條：每次換模型、換平台、加工具之前，先回到那個最小閉環——三問全對、程式真的跑起來——通了再往下走。今晚就能做的事：先備好金鑰、建一個主控台專案、問它一句去馬德里旅行的小建議，答得對，這條路就是你的了。 最後再提醒一次最容易被低估的事：第一個智能體真正的成本不是金鑰、不是套件，是你願不願意把指示寫清楚。指示寫不清楚，模型做得再快也是亂做，你還要花更多時間收拾；指示寫清楚了，迴圈、工具、記憶三件事立刻各就各位。這筆帳，比幾十次問答不到一塊錢美金重要得多。今晚先跑三問，明天上班第一件事就拿一個你真正的工作問題去問它，問完看它會不會自己挑對工具，挑對了，你就知道這條路值不值得走下去。 本篇贈品：微軟智能體首次落地驗收表 開通之前逐項打勾：1 前置——開發平台軟體開發套件已裝第十版或第十一版、開放智能金鑰已存進環境變數、沒寫進程式碼；2 專案——主控台專案已建好、開放智能版套件已裝好；3 第一版——智能體已有名字旅行小幫手、指示已寫明友善的旅行助理與答案保持簡短、問去馬德里旅行的小建議已跑通；4 串流——串流跑法已驗一次、答案一個字一個字印出來；5 工具——查天氣的方法已寫好、說明文字已加上、方法裡先用寫死的假資料、問去里斯本要不要帶傘已看到模型自己叫方法；6 記憶——工作階段已建立、每次跑都已傳進去、第二問不提城市已用對的城市查天氣、第三問已答得出安娜；7 本機版——通用版套件加奧拉瑪套件已裝好、本機服務已啟動、模型已換成本機開源模型、三問已重跑全對；8 真資料——查天氣的方法已換成真的天氣服務、答案已對上真實預報；9 第二工具——第二個方法已掛上、指示已寫明什麼時候用哪一個、同時需要兩種資料的問題已驗過；10 帳單——示範用的輕量模型跑幾十次不到一塊錢美金的算法已知道、練手用輕量模型與假資料的規矩已立好；11 維護——每月回頭對一次官方文件、換平台只換呼叫模型那一行的作法已驗過；12 指示——每一次設定已寫明身分、語氣、用工具的時機三個要素，一次只問一件事，模型動手前已先用一句話說出它理解的任務。 S1哥觀點 別再問「做智能體是不是很難」了——難的不是智能體，是你以為迴圈要自己寫。還在觀望的人，花的時間不是學習，是猶豫；照這篇跑起來的人，一個下午就有一個會查天氣、會記得你名字的旅行小幫手，迴圈框架全包了，你只剩給指示、給工具、驗答案。更值得問的是：你現在每天重複做的那件小事，是查資料、還是回覆、還是整理？那一件，就是你第一個智能體該先接的理由。還有一個更扎心的問題：你上一次說要學智能體，結果三個月過去、連第一個主控台專案都還沒建，是什麼時候？這種拖延，跑起來一次就治好了，因為跑通的那一刻你就知道，原來第一步這麼小。你第一個智能體想讓它先幫你做什麼？評論區說說。

初代礦工 - 神魚，是我最敬佩的幣圈前輩之一。 不管是挖礦還是 DEFI 都顯示出他超前的認知。 這集 18 分鐘演講他分享了他使用 AI 的認知，我仔細看完後又用 AI 拉逐字稿分析，總結出以下核心認知，分享給大家： 1 同一份資訊，看到多少 insight ，取決於你有多少算力，用得對不對。 人腦算力和時間有限，只能抽出很少的 insight； 藉助 AI 能夠瞬間調用大量算力，同一份資訊就能看出更多東西。 了解這個底層邏輯，你就可以在各個領域超前創造額外價值。 2 三個世界稀缺的東西不一樣。 實體世界缺位置（房地產）， 網路世界缺注意力（流量）， AI 世界缺的可能是品味和判斷力（AI 無法取代的能力）。 3 花 Token 是在買時間。 讓 AI 把每本書壓成一頁簡報、把一個學科做成知識圖譜；讀不懂的書讓 AI 照他的背景和經歷改寫。 4 讀書要雙軌並行。 知識進得快但沒有真的進腦子。所以一邊讓 AI 抽結構，一邊自己反覆精讀。 他拿健身房來類比：體力勞動被機器取代後大家上健身房，腦力也需要類似的鍛鍊。 5 讓 AI 當鏡子認識自己。 他從玩龍蝦就開始讓 AI 寫人格設定檔，回頭整理自己的經歷給 AI 讀。 AI 回他一封信，他看完哭了很久。 之後每天花 10 到 20 分鐘讓 AI 找他前一天的工作盲區。 AI 讀完他的交易紀錄還問他：你是在做交易，還是在滿足心理需求。他想了兩天大徹大悟，承認是後者，決策品質從此好了很多。 6 人和 AI 協作像層層回路。 人負責講清楚要什麼、給足背景； AI 團隊去試、回饋、沉澱成方法。 兩個關鍵旋鈕： 每一步交給 AI 多大的任務（太大它會變笨，太小就像一直開會不做事）、多久回饋一次。 系統越自動，人越關鍵：目標偏一點，下面全部白費。 7 他自己的變化。 體感生產力增加約十倍，最關鍵的是性格變了，從不擅長抽象思考變成偏向抽象思考。 8 很強的個人放進傳統組織反而變差。 團隊產出被組織裡最窄的瓶頸卡住，個人再強也沒用，所以要變成以 AI 為本的公司，組織的做法得改。 9 他們公司怎麼做。 每個員工配一個 AI 同事，大量協作由 AI 之間溝通，不用開會拉齊。 他拋出靈魂拷問：如果 AI 之間都能即時協商，公司的邊界還存在嗎？ 10 人生只有三件事。 吃飯、睡覺，剩下就是用好算力。 對外看懂世界、對內看懂自己。 11 AI 給他的十年建議。 守住自己的資料和私鑰； 趁父母還在、孩子還願意牽你的手，去遠行； 每半年檢查一次自己的預測邏輯，自負是很貴的漏洞； 吃真正的食物、把可被攻擊的破口縮到最小。 每天問自己：用好 AI 之後，你的一天有沒有變得更充實更有生產力。

最近看到一件事情， 2026 年 2 月，Bill Ackman 26 歲的女兒 Lucy 突然發生嚴重腦出血。 她最後活了下來，但腦傷非常嚴重，一度無法走路、說話，視力也受到重創。 對 Bill Ackman來說，這時候已經不是投資問題。 他開始動用自己能找到的所有資源，去問世界上最頂尖的醫生、科學家和科技創業者： 還有什麼技術可能把女兒失去的能力帶回來？ 其中一個他去諮詢的人，就是 Elon Musk。 原因很直接： Musk 手上有 Neuralink。 而 Lucy 最棘手的問題之一，就是視覺。 Bill Ackman 後來回憶，他問 Musk，像 Lucy 這樣的情況，未來有沒有可能透過腦機介面重新獲得視覺？ Musk 給了他一個非常 Elon Musk 的答案。 大概五年。 Musk 告訴他，未來可能出現某種 bionic vision——仿生視覺。 概念不是把原本受損的視覺系統完全修好。 而是想辦法讓科技直接與大腦連接。 這其實正是 Neuralink 已經公開提出的方向之一。 Neuralink 有一個計畫叫 Blindsight：希望透過植入大腦的裝置，最終讓失明者產生視覺感知。 對一般人來說，這可能只是一個很遙遠的科技新聞。 但對 Bill Ackman完全不是。 因為坐在他面前的，是一個正在失去視力的 26 歲女兒。 突然之間， 「五年後腦機介面能做到什麼？」 不再是一個 Silicon Valley 的未來學問題。 而是一個父親真的願意花幾億美元等待答案的問題。 後來 Bill Ackman 做了一件非常 Ackman 的事情： 他沒有只投一家 BCI 公司。 他和妻子 Neri Oxman 決定直接建立一整個研究機構。 Ackman Oxman Institute。 目前承諾投入約 4 億美元，而且還計畫繼續投入一筆相近甚至更大的資金。 研究範圍直接涵蓋神經科學、AI、復健醫學與 brain-computer interface。 Bill Ackman 後來也公開點名 Neuralink、Synchron、Precision Neuroscience 等公司。 接著事情又往前走了一步。 2026 年 9 月，Bill Ackman 旗下 Pershing Square 與 Ackman Oxman Institute 共同領投 BCI 公司 Precision Neuroscience 的 2.5 億美元 Series D。 所以把整件事情連起來看，非常有意思： 女兒突然腦出血 ↓ Ackman 開始尋找所有可能的治療方式 ↓ 直接去問 Elon Musk ↓ Musk 告訴他，BCI 未來可能帶來 bionic vision ↓ Bill Ackman 投入約 4 億美元建立自己的腦科學研究機構 ↓ 再領投 2.5 億美元進入 BCI 公司 這也是為什麼我覺得，腦機介面的發展速度可能會比很多人預期得快。 因為現在推動它的已經不只是 Elon Musk 的科幻願景。 另一批非常有錢、非常有能力調動醫療與科研資源的人，開始有了極其私人的理由，希望這項科技快一點成熟。

感謝 Ondo 讓我見上了我的偶像 Arthur Hayes 我直接搶了個大前排去做筆記，印象比較深的是 ⬇️ 1️⃣ 首先就是我們最在意的問題，這個週期走到哪了 他表示這一輪本質是信用的問題：看行情只看新錢進場的速度。也就是信用脈衝，速度在加快資產就漲，去年到現在明顯是負向 他認為原因有兩個，AI 在吸錢不吐錢和共產式資本主義。就是政府決定錢往哪流，股東拿利潤 所以市面上不缺錢，但錢不流動了，這就是他說的負向信用脈衝，也是這一年多行情難做的原因 Arthur Hayes 說政府不會認錯，會是印更多的錢。而對 Crypto 來說，這是完美的時刻現在的價格很棒（划重點） 2️⃣ 然後就是 Copy trading、社交交易會改變資產配置嗎，像 Phantom、pump fun 這類的 他覺得是社會症狀，被通膨碾壓的人覺得翻身唯一的路就是開 20 倍槓桿，而且會越來越嚴重，因為不分中美，沒有政治人物敢承擔停止印鈔的代價，只要繼續印，這類 App 就一波波爆紅然後崩掉。印鈔既是行情的燃料，也是賭場的客源。會一直存在 3️⃣ TradFi 和 crypto 能互相學什麼？ 傳統 TradFi 最大的問題是機構不必為自己的判斷承擔損失。賺了收管理費，虧了由客戶承擔。於是他們怕波動、迴避有機會帶來高報酬的投資 而 Crypto 一年約等於傳統金融的十年，但幣圈人總覺得這次不一樣不看歷史 美股代幣化對傳統金融本質是降本：只有代幣化和公鏈做得到實時結算。而且大量交易發生在人們下班和週末真正有空的時候，傳統市場的開盤時間永遠跟不上人 成本困住機構，時間困住用戶，這就是代幣化的重要性，也是 Ondo @Ondo 這類 RWA 玩家站上風口的原因 這就是這個週期 $ONDO 代幣化最偉大的故事，今天在 KBW 追星成功！@CryptoHayes

找到兩張50年前，我和已故妻子，吳秀錦，在Caltech做學生時在實驗室的照片，勾起許多的回憶。她做的是原子核，我做的是半導體實驗。這兩者差距甚大，實驗室的規模天差地遠。我本以為自己的實驗很了不起，但進了他的實驗室，像劉姥姥進了大觀園，才知道什麼是真正的物理實驗室。 我們是1978年畢業的，我上了Caltech的檔案室把兩個人的論文都找了出來。我發現那一年總共有122個博士畢業，其中10個是華人，而這裡面有六個是來自台灣。 再看一看Caltech今年的畢業生，博士有265人畢業，其中79人是華人，光是姓李的就有九人。我不知道有多少來自台灣，我想絕大部分是中國大陸來的。與將近50年前相比，當時華人占的比例不到10%，而現在卻有三分之一。這個比例真不得了，知識就是力量，未來華人在科技領域扮演的角色，大概會獨步全球。現在中國，台灣崛起，跟這一大批在美國受了高等教育的人絕對有很大關係。 Caltech是一個很特別的學校，學校不大，人數很少，目前在學人數大約是2300到2400 ， 50年前在我做學生的時候，學生人數大約是1500到1600。當年大學部和研究生大約各占一半，現在則研究生佔多數。光從博士畢業人數來看，今年比50年前多了一倍以上，可是大學部人數增加大約只有20%。 今年Caltech畢業的博士生佔了所有畢業生人數的42%。這個數字應該是全世界所有大學之冠。若跟台灣相比，台大今年博士生佔所有畢業生人數的5.25%，陽明交大是6.3%。所以台灣的研究型大學與Caltech這種學校根本無法相比。他們性質完全不同。 我們經常強調要提高研究實力，也喜歡與世界一流大學相比，這真的是自找麻煩。從上面的這些數字就知道這根本無法相比。要比的話，只能比我們的學生在產業界的影響力。畢竟我們傲視全球的半導體和電子產業是我們訓練出來的這一群螞蟻雄兵造成的。他們也許做不出最頂尖的研究，但卻為台灣創造了奇蹟。 by CP Lee in FB

转：1949 年的上海，赫赫有名的商人丁永福，把自家的洋房全賣了，換成了美金。旁人都說他傻，他卻拿著這筆錢，扭頭買了六張去美國的三等艙船票，頭也不回地走了。 丁永福在上海經營棉紗和百貨生意二十餘年，南京路的兩間臨街鋪面是他打拚半生的根基，法租界的三層洋房是他給家人置辦的安穩居所，在滬上商界，他也算小有名氣的實業商人。周圍的街坊、生意夥伴全都無法理解他的舉動，時局交替的關口，房產是最保值的資產，美金匯率隨時可能浮動，放著殷實的家業和舒適的生活不要，偏要換幾張漂洋過海的廉價船票，所有人都認定他是被時局嚇昏了頭。 沒人知道，丁永福並非衝動行事，他提前半年就通過海外華商和往來滬港的商船，摸清了時局走向。他親眼見過身邊家底豐厚的私營商人被無端盤查，也聽聞不少工商界人士因資產問題身陷困境，他清楚留在上海，自己的產業和家人都會面臨無法預估的風險。他反覆權衡後認定，只有離開故土，帶著家人去往局勢穩定的海外，才能保住一家人的性命和基本生計。 賣洋房的過程十分順利，買家是上海本地的綢緞商，對方多次勸說他留下房產，稱洋房是不可再生的硬通貨，就算時局變動也不會有太大損失。丁永福始終堅持全款收取美金，他深知當時的本土貨幣信用崩塌，只有美金能在海外通用。拿到錢款後，他立刻前往輪船公司購票，彼時前往美國的高等艙位早已被權貴富商預訂一空，僅剩三等艙還有餘票，他沒有絲毫猶豫，直接買下六張，剛好適配他、妻子和四個孩子的出行需求。 家人對此極度牴觸，妻子整日以淚洗面，指責他拋家舍業，讓一家人放棄優渥生活去異國他鄉受苦；四個孩子捨不得熟悉的家園和玩伴，整日哭鬧不止。丁永福沒有過多辯解，只是默默收拾行李，只攜帶換洗衣物和必備生活用品，家中的古董字畫、金銀細軟全部留在洋房內，他清楚這些貴重物品無法攜帶，也沒必要為了身外之物耽誤行程。 出發當日，上海港碼頭人頭攢動，逃難的百姓、急於離境的商人、維持秩序的軍警混雜在一起，場面混亂擁擠。丁永福緊緊牽著最小的孩子，讓妻子帶領另外三個孩子緊隨其後，攥緊船票和裝著美金的皮夾，艱難擠過人群登船。三等艙的條件極為簡陋，狹小的艙室擺滿上下鋪，空氣里充斥著海水腥味與汗味，床板堅硬硌人，每日伙食只有干硬的麵包和淡水。 海上航程共計二十三天，丁永福幾乎未曾合眼，一邊照料哭鬧的孩子，一邊安撫情緒低落的妻子，手中的美金分文不敢亂花，僅用於購買家人必需的飲食。他時常站在甲板上眺望大海，心中對未來並無十足把握，但他始終堅信，留在上海的風險，遠大於異國漂泊的艱難。 抵達舊金山港口時，一家人早已疲憊不堪，因語言不通，入關流程耽擱了近兩個小時，幸好他提前聯繫了遠房堂叔，堂叔在唐人街經營小餐館，專程開車前來接應。最初的生活極為窘迫，一家人擠在唐人街一間十平米的小公寓內，丁永福放下上海富商的身段，每日凌晨前往批發市場進貨，在唐人街擺攤售賣華人常用的日用品與調味品。 他從零學習基礎英語，面對本地商販的排擠與刁難，始終隱忍退讓，靠著誠信經營和實在的價格，慢慢積累了固定客源。半年後，他用剩餘美金租下一間小鋪面，開設華人雜貨鋪，生意逐漸步入正軌。 三年後，丁永福收到上海舊友的來信，信中提及，當年勸說他留房的綢緞商資產被全部沒收，洋房收歸公有，本人被下放至郊區勞動；眾多留在上海的商界同行，要麼失去全部產業，要麼流離失所，曾經人人艷羨的房產與家業，最終都化為泡影。 丁永福看完信件，只是默默將其收好，並未向家人提及太多。他的雜貨鋪後來逐步擴張為連鎖超市，四個孩子都在美國接受了完整的教育，各自成家立業。晚年時，他坐在自家的獨棟小屋內，向孫輩講述當年的抉擇，他說自己從不是聰明人，只是懂得在變局中守住底線，家人的平安，遠勝於洋房、財富等所有身外之物。旁人眼中的愚蠢，不過是他藏在心底的清醒，他從未後悔賣掉洋房、遠渡重洋，因為他用看似決絕的選擇，給了一家人安穩活下去的可能。

⚡⚡⚡最新消息：馬斯克表示只要利用太陽能量的百萬分之一，其價值就超過地球整體經濟的百萬倍 馬斯克：「即使只利用太陽能量的百萬分之一，這極其困難，所產生的經濟價值，將遠超過地球當前整體經濟的百萬倍以上。」 這並非誇大：太陽每秒輸出約 3.8 × 10²⁶ 瓦，其中百萬分之一約為 3.8 × 10²⁰ 瓦，以電力市價換算，年產值約為當前世界 GDP 的百萬倍，數學上成立。 Dyson Sphere（戴森球）概念，在太陽軌道上建造龐大能源收集結構——正是這個方向的終極工程想像。SpaceX 推進星際文明、殖民火星的背後，都有同樣的邏輯，把文明的天花板從地球移到太陽系。

川普访华，英伟达总裁黄仁勋半路上飞机陪同，AI半导体小跌之后继续上涨。 AI概念继续，底层光模块成为下一个百倍机会。 AI算力的「新天花板」已現－GPU再猛，也被資料傳輸徹底卡住！ 從機架到資料中心，銅纜已到極限，光子學正式接管AI互聯命脈！ 雷射、光收發器、DSP、矽光子、光開關、光纖…這些曾經的「冷門技術」，正在成為決定萬億AI集群性能的核心基礎設施！ 📈2025光子學頂級玩家速覽（今年真實漲幅，乾貨拉滿）： $AAOI +430% 超大規模AI光收發器，月產能10萬台，直連Houston&台灣供應鏈 $AEHR +418% 矽光IC燒錄驗證系統，全球大廠排隊，訂單積壓5090萬美元 $LITE +186% InP雷射全球50-60%份額，400G差分EML已量產，訂單超4億美元 $CIEN +149% AI長短距網路核心，1600ZR/ZR+光模組+6.4T光引擎震撼亮相 $GLW +137% 光纖光纜基礎設施王者，Meta簽60億大單，多芯光纖容量暴增4倍 $MTSI +114% 光模組類比晶片龍頭，800G/1.6T全面升級 $COHR +106% InP+矽光+1.6T全覆蓋，400Gbps矽光已實測 $MRVL +101% 光DSP訊號處理大腦，1.6T/6.4T矽光引擎全面鋪開 $CRDO +46% 活躍電纜+光DSP+矽光一體化，7.5億收購DustPhotonics $FN +43% 精密製造底層，泰國+美國產能支撐光模組爆發量產 $ALAB +25% Chip-to-chip光學引擎IP，直接嵌入AI互連平台 $AVGO +24% 光DSP+EML+VCSEL+400G DSP，3.2T→204.8T切換已就位 ⚡光子學不是概念，是AI算力突破的唯一答案！ 錯過GPU紅利的人，這次真的要再錯過光子學萬億賽道嗎？ 把這條乾貨收藏、轉發、拉進你的AI知識庫—— 真正的財富密碼，往往藏在「看不見」的底層基礎建設裡！ #AI# #Photonics# #光子學# #矽光子# #AI基礎設施# #資料中心# #高效能運算# #半導體# #光模組# #AI算力#

非常年輕的傳奇投資人 Leopold @leopoldasch 為什麼砍了 $3 億 NVDA？而把錢全押在電力和礦場 核心邏輯是：他認為AGI 的真正瓶頸不是 GPU 光是電力、GPU 算力、BTC 礦企轉 AI 託管 這三個賽道就佔了大部分持倉 我用黃仁勳的 5 Layer Cake theory 拆解他的持倉 👇 5️⃣ 記憶體 — SNDK 加倉 816%，HBM 佔 AI 支出從 8% → 30% 4️⃣ 光學 — LITE 佔 8.7%，「不管誰的 GPU 贏都要用我的光模組」 3️⃣ GPU 雲 — CRWV call options 加了 672% 槓桿，最激進倉位 2️⃣ 礦場轉 AI — 8 檔佔 22.7%，有電有地換 GPU 就行 1️⃣ 電力 — BE 最大持倉 16.5%，能使用燃料電池繞過電網直接發電 - 最熱的記憶體和內存 - 代表 $SNDK $INTC $MU AI 模型的「工作記憶」每一次推論都需要高速讀寫 DRAM 和 NAND。HBM 短缺已成為 GPU 出貨的限制因子，記憶體佔 Hyperscaler AI 支出從 2023 年的 8% 飆升到 2026 年的 30% 💡 Leopold 在 Q4 把 SNDK 倉位加了 816%，同時用 INTC call options 押注 Intel 的先進封裝能搶到 HBM 封裝訂單。 - 半導體與光學 $LITE $COHR $TSEM $INFY 連接 GPU 叢集的「神經系統」— 光學收發器決定了 GPU 之間的通訊頻寬。800G/1.6T 光模組供不應求，交貨期超過 40 週 💡Lumentum 是最大個股持倉（8.7%），押的是「不管誰的 GPU 贏，都要用他們家的光模組」 - GPU 雲端運算 $CRWV $APLD $WYFI Hyperscaler 自己蓋不夠快，Neocloud（獨立 GPU 雲）填補缺口。CoreWeave 從幣圈公司轉型為 NVIDIA 最大的獨立客戶，已簽下數十億美元合約。 💡CoreWeave 佔組合 17.6%（含 call options），是第二大曝險，Leopold 用 call options 加了 672% 的槓桿，這是最激進的倉位，Neocloud 就是 AI 時代的 AWS - 比特幣礦企轉型的 AI 基礎設施 $CORZ $IREN $CIFR $RIOT $BTDR $HUT $CLSK $BITF 礦場是被低估的「AI 不動產」。比特幣礦場擁有現成的電力合約、散熱系統和土地，轉型 AI 託管的邊際成本極低， 💡8 檔礦場股佔組合 22.7%，是最大的單一賽道，礦場已經有電、有地、有散熱，只需要換 GPU 就能變成 AI 數據中心。Core Scientific 跟 CoreWeave 簽了 $10B+ 的託管合約就是最佳證明。 - 電力 $BE $EQT $SEI $BW $PUMP $LBRT $PSIX 💡 Bloom Energy 是整個組合的最大持倉（16.5%）當電網瓶頸停擺時，它的固態氧化物燃料電池可以繞過電網，直接在數據中心旁邊發電，EQT 則是天然氣供應商 實時追蹤他的 portfolio 👇