与「短足」相关的搜索结果

假如你有20万美金拿10年不动，你会选择下面的谁，这并不是遥不可及的《富豪假设题》，而是我们每个投资的人都该沉下心，认真想一遍的问题，当然自由的人不需要 这20万美金，没有任何退路，必须选一只股票，死死拿满10年，不做短线波段、不看单日涨跌、不会因为回调20%就割肉，唯一目标，就是让这笔钱在十年后实现收益最大化。你会把所有筹码押给谁呢？ 我觉得这道题是对未来10年的时代趋势，有没有清醒的判断，有没有定力，拒绝短期诱惑，守住长期价值，尤其对我们来说，最忌讳的就是追热点、听消息、频繁操作，下面这10家标地，告诉我，如果是你，你会选择谁： #NVIDIA# 全球GPU绝对霸主。现在所有AI大模型、云计算，自动驾驶高端算力，全都离不开它，技术垄断+刚需拉满，不是短暂炒作，吃下整个AI时代的增长红利 #SpaceX# 太空经济的开拓者。星链、载人航天、星际互联网、商业太空基建，这不是概念，是正在落地的未来产业。十年时间，足够太空经济从新兴赛道，变成改变世界的主流产业 #AMD# 算力赛道的强势黑马，和英伟达分庭抗礼。CPU+GPU双线发力，在AI服务器、PC、数据中心领域不断抢占市场成长性十足，是科技赛道里极具弹性的长期标的 #Micron# 美光全球存储芯片龙头 AI、手机、汽车、服务器，全都需要存储芯片支撑，属于科技行业的“底层刚需”，周期复苏后，长期成长空间非常清晰 #SanDisk# 闪迪 消费级存储领域的老牌巨头，现金流稳定，市场份额牢固属于稳中求进、风险极低、适合长期躺持的稳健型标的 #ASML# 阿斯麦 全球唯一能生产高端EUV光刻机的厂商，没有它，就没有先进制程芯片，整个半导体行业的命脉级公司，只要科技在发展，它就永远是刚需 #高通# 全球手机芯片、车规芯片、物联网芯片的绝对龙头。从智能手机到智能汽车，再到万物互联，应用场景无限延伸业绩稳定，抗风险能力强 #台积电# 全球芯片代工之王，高端制程一家独大。几乎所有顶尖AI芯片、手机芯片、高性能芯片，都要靠它代工生产 #谷歌# 互联网巨头里的常青树，搜索、云服务、AI大模型、无人驾驶、短视频生态……多元业务闭环，现金流恐怖，既有成熟业务托底，又有AI未来打开成长空间，稳中有进 #微软# 把AI落地赚钱的科技巨头 Office、Azure云、Copilot AI游戏生态、企业服务，每一块都是印钞机，AI不是概念，已经实实在在变成业绩 投资到最后拼的不是小聪明，而是眼光和定力。10年很长足以淘汰所有泡沫、热点、骗局，但是10年也很短足以让选对趋势的人，实现财富的跨越式增长，如果我说未来10年，世界最离不开谁，你就持有谁。如果是你，20万美金锁仓10年，你会选谁，评论区留下你的答案，我们十年后再回头看吧

8月20日，北极航道迎来中国首艘货轮！新加坡：既不安全也不环保。（酸溜溜的） 2026年8月20日，俄罗斯的摩尔曼斯克海上贸易港举行了一场盛大欢迎仪式，迎接中国集装箱船“新新海”货轮首次靠港。 这艘船隶属于中国新新运航运公司，从天津港出发，经北极航道抵达摩尔曼斯克，船上载有约500个集装箱。摩尔曼斯克州州长奇比斯在仪式上说，这艘船的到来开辟了新的发展机遇，要把摩尔曼斯克打造成北极地区的主要物流中心。 这标志着这条北极航线开始全面运营。此前据新加坡的媒体称，北极航线“不安全也不环保”，并指全球航运巨头纷纷对此避而远之。 新加坡的焦虑从何而来？那必然是担心马六甲海峡位置不保。北极航道开通后，中国、日本、韩国的部分货运可以直接从北方走，绕开马六甲。 而以前中国到欧洲的货物传统上都走这条南下的航线，新加坡靠提供集装箱中转、燃油加注、船舶维修等服务赚取收益，并因此赚的盆满钵满。 北极航道对马六甲海峡的航运业务形成了分流，新加坡自然看在眼里、急在心里。但是对中俄双方来说，这条航线的价值是实打实的。 北极航线相对马六甲航线，足足短了三分之一的航程，这也意味着省三分之一的燃油，从碳排放总量看反而是减排。而且节省了大量的时间。新加坡真正的焦虑，是马六甲海峡的“过路费”生意被动摇了。与其唱衰一条对全球贸易有利的新通道，不如想想怎么转型。北极航道的开通是大趋势，靠堵是堵不住的。

唐杰 @jietang 是清华大学教授、智谱（GLM 系列模型出自他们家）AI 首席科学家，也是国内最懂大模型的人之一。他刚发了长微博（见评论），谈 2025 年对大模型的感悟。 有意思的是，唐杰和 Andrej Karpathy 的观察有不少共鸣，但也有一些不同的侧重点。两个顶级专家的视角放在一起看，能看出更完整的图景。 内容比较长，但有句话我要特别放在前面高亮一下： > AI 模型应用的第一性原理不应该是创造新的 App，它的本质是 AGI 替代人类工作，因此研发替代不同工种的 AI 是应用的关键 如果你是在做 AI 应用开发，应该反复思考一下这句话：AI 应用的第一性原理不是创造新产品，而是替代人类工作。想清楚这一点，很多事情的优先级就清楚了。 唐杰的核心观点有七层逻辑。 --- 第一层：预训练没死，只是不再是唯一主角 预训练仍然是让模型掌握世界知识和基础推理能力的根基。 更多的数据、更大的参数、更饱和的计算，依然是提升模型智商最高效的办法。这就像还在长身体的孩子，饭量（算力）和营养（数据）必须管够，这是物理规律，没法绕弯。 但光有智商不行，现在的模型有个毛病：容易“偏科”。为了刷榜单（Benchmark），很多模型都在针对性地做题，导致在真实复杂的场景下反而不好用。这好比孩子上完九年义务教育（预训练）后，必须把他扔到真实的职场里去实习，去处理那些书本上没有的烂摊子，这才是真本事。 所以接下来的重点是“中后训练”（Mid and Post training）。中后训练这两个阶段负责「激活」模型的能力，尤其是长尾场景的对齐能力。 什么是长尾场景？就是那些不常见但真实存在的需求。比如帮律师整理某类特殊合同、帮医生分析某种罕见病的影像。这些场景在通用测试集里占比很小，但在真实应用中至关重要。 通用 benchmark 一方面评测了模型效果，但也可能让很多模型过拟合。这和 Karpathy 说的「训练在测试集上是一门新艺术」观点一致。大家都在刷榜，但榜单刷了高分不等于能解决真实问题。 --- 第二层：Agent 是从「学生」到「打工人」的跨越 唐杰用了个形象的比喻： > 如果没有 Agent 能力，大模型就是个“理论博士”。一个人书读得再多，读到了博士后，如果不能动手解决问题，那也只是知识的容器，产生不了生产力。 这个比喻精准。预训练是上课，强化学习是刷题，但这些都还在「学习阶段」。Agent 是让模型真正「干活」的关键，是进入真实世界、产生实际价值的门槛。 不同 Agent 环境的泛化和迁移并不容易。你在一个代码环境里训出来的能力，换到浏览器环境就不一定好使。现在最简单的办法，还是不断堆更多环境的数据，针对不同环境做强化学习。 以前我们做 Agent，是给模型外挂各种工具。现在的趋势是，直接把使用工具的数据写进模型的“DNA”里去训练。 这听起来有点笨，但确实是当下最有效的路径。 Karpathy 也把 Agent 列为今年最重要的变化之一，他以 Claude Code 为例，强调 Agent 要能「住在你电脑里」，调用工具、循环执行、解决复杂问题。 --- 第三层：记忆是刚需，但怎么做还没想清楚 唐杰花了不少篇幅讲记忆。他认为，模型要在真实环境中落地，记忆能力是必须的。 他把人类记忆分成四层： - 短期记忆，对应前额叶 - 中期记忆，对应海马体 - 长期记忆，分布在大脑皮层 - 人类历史记忆，对应维基百科和史书 AI 也要模仿这个机制，大模型对应的可能是： - Context 窗口 → 短期记忆 - RAG 检索 → 中期记忆 - 模型参数 → 长期记忆 一个思路是「压缩记忆」，把重要信息精简后存在 context 里。目前的“超长上下文”只是解决了短期记忆，相当于把它能用的“便签纸”变长了。如果未来 context 窗口足够长，短中长期记忆都有可能实现。 但有个更难的问题：怎么更新模型自身的知识？怎么改参数？这还是个未解难题。 --- 第四层：在线学习和自我评估，可能是下一个 Scaling 范式 这一段是唐杰观点里最前瞻的部分。 现在的模型是“离线”的，训练好就不变了。这有几个问题：模型不能真正自我迭代，重新训练浪费资源，还会丢掉很多交互数据。 理想情况是什么？模型能在线学习，边用边学，越用越聪明。 但要实现这一点，有个前置条件：模型要知道自己对不对。这就是「自我评估」。如果模型能判断自己的输出质量，哪怕是概率性地判断，它就知道了优化目标，就能自我改进。 唐杰认为，构建模型的自我评价机制是个难题，但也可能是下一个 scaling 范式的方向。他用了几个词：continual learning、real time learning、online learning。 这和 Karpathy 提到的 RLVR 有一定呼应。RLVR 之所以有效，正是因为有「可验证的奖励」，模型能知道自己对不对。如果这个机制能泛化到更多场景，在线学习就有可能实现。 --- 第五层：AI 应用的第一性原理是「替代工种」 这是对我启发最大的一句话： > AI 模型应用的第一性原理不应该是创造新的 App，它的本质是 AGI 替代人类工作，因此研发替代不同工种的 AI 是应用的关键 AI 的本质不是创造新的 App，而是替代人类工作。 两条路： 1. 把以前需要人参与的软件 AI 化。 2. 创造对齐人类某个工种的 AI 软件，直接替代人类工作。 Chat 已经部分替代了搜索，同时还融合了情感交互，下一步就是替代客服、替代初级程序员、替代数据分析师。 所以，明年 2026 年的爆发点在于“AI 替代不同工种”。 创业者要思考的不是“我要开发个什么软件给用户用”，而是“我要造一个什么样的 AI 员工，去帮老板把某个岗位的人力成本砍掉”。 换句话说，别老想着做一个「AI+X」的新产品，先想想哪些人类工作可以被替代，再倒推产品形态。 这和 Karpathy 关于「Cursor for X」的观察遥相呼应。Cursor 本质上是「程序员这个工种的 AI 化」，那么各行各业都会出现类似的东西。 --- 第六层：领域大模型是个「伪命题」 这个观点可能会让一些人不舒服，但唐杰说得很直接：领域大模型就是个伪命题。都 AGI 了，哪有什么“领域专用（domain-specific）AGI”？ 之所以有领域大模型存在，是因为应用企业不愿意在 AI 模型公司面前认输，希望用领域 know-how 构建护城河，把 AI 驯化为工具。 但 AI 的本质是「海啸」，走到哪里都会把一切卷进去。一定会有领域公司主动走出护城河，被卷进 AGI 的世界。领域的数据、流程、Agent 数据，慢慢都会进入主模型。 当然 AGI 还没实现之前，领域模型会长时间存在。但这个时间窗口有多长？不好说，AI 发展实在太快了。 --- 第七层：多模态和具身智能，前景光明但道路艰难 多模态肯定是未来。但当下的问题是：它对提升 AGI 的智能上限帮助有限。 文本、多模态、多模态生成，可能还是分开发展更高效。当然，探索三者结合需要勇气和钱。 具身智能（机器人）更难。难点和 Agent 一样：通用性。你教会机器人在 A 场景干活，换个场景又不行了。怎么办？采数据、合成数据，都不容易，还贵。 怎么办？采数据，或者合成数据。都不容易，都贵。但反过来，一旦数据规模上去了，通用能力出来了，自然就形成门槛。 还有个问题往往被忽略：机器人本身也是个问题。不稳定、故障频繁，这些硬件问题也在限制具身智能的发展。 唐杰预判 2026 年这些都将取得长足进步。 --- 把唐杰这篇文章串起来，其实是一张相当清晰的路线图： 当下，预训练 scaling 依然有效，但要更重视对齐和长尾能力。 近期，Agent 是关键突破口，让模型从"会说"进化到"会做"。 中期，记忆系统和在线学习是必修课，模型要学会自我评估和迭代。 长期，工种替代是应用的本质，领域护城河会被 AGI 冲垮。 远景，多模态和具身各自发展，等待技术和数据的成熟。 --- 把唐杰和 Karpathy 的观点放在一起看，能看出几个共识： 第一，2025 年的核心变化是训练范式的升级，从「预训练为主」变成「多阶段协同」。 第二，Agent 是里程碑，是模型从学习走向干活的关键跨越。 第三，benchmark 刷分和真实能力之间有鸿沟，这个问题越来越被重视。 第四，AI 应用的本质是替代或增强人类工种，不是为了做 App 而做 App。 不同的侧重点也有意思。Karpathy 更关注「AI 是什么形状的智能」这个哲学问题，唐杰更关注「怎么让模型在真实场景落地」的工程问题。一个偏「理解」，一个偏「实现」。 两个视角都需要。理解清楚了，才知道方向对不对；工程跟上了，才能把想法变成现实。 2026 年，会很精彩。

站在统治阶级需求，月入2万的抖音号3个月光速起号（内附开源选题skill） 纯一手干货分享 大家都知道，抖音，小红书是给接受平民教育的人看的，这些月薪3000～8000的低收入人群构成了中国社会的金字塔根基，托举着上层的意识形态 那么，作为受众量巨大的2大社交平台，抖音和小红书，自然就必须承接统治阶级的意志，自上而下地传达统治阶级的意图，从而达到舆论控制的目的 生活在中国社会中这么多年，其实你或多或少早已知道这个社会在宣扬什么，打压什么了，只是你没有反思和整理过，今天我只是帮你梳理一下思路，保证一点你就透，实操性拉满 统治阶级需要什么？这里有几点总结： 1、党很伟大，大家要感恩 2、中华文明博大精深，几千年够吹一辈子 3、社会现在很和谐，各个阶级相处和平愉快 4、过去发生的一些历史问题，不是上面的问题，是下面办事的人有问题 5、士农工商，鼓励考公和种地，抑制做生意的人，赚大钱可耻，巨富要打倒 6、现在的中国，军事实力，金融实力，医疗实力，科技实力都很强 7、过去的领导班子有很多错误，被现在的领导班子纠正了 8、我们在国际上很有影响力，我们只要说句话，美国也得掂量掂量 9、内地娱乐行业，明星艺人红线 10、不要碰国家不认可的境外投资，投资美股，港股，港险，境外地产的都是骗子 11、A股是好东西，大家要多买 12、台湾早已是囊中之物，香港回归的时候英国人灰溜溜 13、去日本生活的人都很惨，去美国的人最惨，吃不饱饭，生命受到威胁 14、从中国大学毕业，去了国外搞出科研，学术，体育成果的都是吃里扒外，是国家的罪人 15、宣传勤劳致富，不要靠任何人，不要靠任何关系，全凭自己一双手 16、欠债一定要还钱，特别是欠银行的钱，还钱是美德 ================= 今天我们先讲抖音，小红书的画像更加复杂，今天就不展开 伙伴计划，该加还是要加，2026年的抖音已经不需要接任何广告，平台给你的基础流量分帐就足够养活一个普通成年人的基本生活 观众高的播放量，50000播放量大概是200块钱，「抖音精选」和「平台签约」就可以获得加成 加入伙伴计划，需要你有5000互动粉丝，或者有一条直接被选入「抖音精选」 ================= 接下来是抛砖引玉的短视频选题，一般人我不写给他。 请你，以后，做视频，只从下面这里找选题！ 想赚钱，你就听话！ 你就顺着统治阶级的意志来做！ 你放心，你怎么乱编，乱剪辑，配音，平台都不会给你下架 我们，这都是正能量！ 1 党和解放军很伟大 1.1 仅100解放军于xxx地，利用机关和暗道，全歼国民党5000人 1.2 xx战役我军为什么一举歼灭了日军，成为日本投降的导火索，配上日军指挥官瑟瑟发抖的视频 1.3 冷知识，当年的xxx战争，烈士就靠血肉堵上了马克沁机枪，最终打赢了法西斯 1.4 冷知识，当年xx女烈士卧底4年未暴露，终于亲手拔除和策反了蒋介石身边的10位高管，扭转了战局 1.5 美国畏于我党的强大，主动选择站队并停止支持老蒋 2 中华文明博大精深 2.1 中国早于世界，领先2000年，造出了xxx仪器 2.2 英国商人于明朝xxx年来中国访问，将技术学了回去 3 社会现在很和谐 3.1 某某医院刚刚收到了病人的锦旗 3.2 某某保安大爷给送外卖的人留了份热饭，送外卖的感动哭了 3.3 某某女性，为爱等了在边疆站岗的解放军8年，8年后终于结婚，她说为祖国等一辈子也值得 4 过去发生的一些历史问题，不是上面的问题，是下面办事的人有问题 4.1 参与封城的官员被抓，下马 4.2 英国代表提供的疫苗有问题，坑害了我们中国的研究人员 4.3 美国某某研究室对中国进行投毒，已经被国际谴责 5 士农工商，鼓励考公和种地，赚大钱可耻 5.1 某某农民用上了政府发的免费种子，从吃不饱饭到月入5万 5.2 某某老板很快赚了几百万，最后偷税漏税，税务局的人给镜头展示AI抓逃税，说现在赚了几百万的都这样，逃不过稽查的 6 现在的中国，军事实力，金融实力，医疗实力，科技实力都很强 6.1 AI遥遥领先，各种展会 6.2 电车遥遥领先，丰田CEO说日本再追20年也不是对手 6.3 某某互联网CEO访问美国最顶尖的实验室，说他们还要用我们过时的技术 7 过去的领导班子有很多错误，被现在的领导班子纠正了 7.1 胡XX在位期间，导致民企大量倒闭，某民企在这两年被新政策救活了 7.2 某某工厂老板说，还是这届xx政府好，我们的全厂职工都有保障了 8 我们在国际上很有影响力 8.1 某某非洲国家拒接了美国的要求，选择加入中国的联盟 8.2 某某领导人公开发言（你直接剪辑那部分就行），说一定会站在社会主义阵营 8.3 某某领导人在联合国开会硬刚很多欧美国家（视频的背后要放热血沸腾的国歌） 9 内地娱乐行业和红线 9.1 某某明星，天王为什么可以参演内地电影？因为是党员 9.2 某冰冰女明星，生活不检点，出言不逊，最终被大陆封杀，这些年接不到戏，很惨很惨 9.3 安以轩明星在大陆捞金，最终嫁给某富豪，某富豪被抓。总结：有钱人都不是好东西 10 不要碰国家不认可的境外投资 10.1 某某家庭主妇，投资美股亏光了，展示各种截图 10.2 用结婚的彩礼想去买比特币赌一把，输光了，老婆也跑了 10.3 买比特币的都是做电诈的，十万散户一夜归零 11 A股是好东西，大家要多买 11.1 某某老头，拿住某A股10年，终于获得了大回报 11.2 放一家制造业的视频，然后董事长说股民就是我们的生命 11.3 某A股公司宣布新技术发布，3年就超过了美国13年的成果，美国资金要涌入被董事长拒绝 12 领土问题很好解决 12.1 展示某国防室的视频（CCTV上都有），分析下来攻下台湾之需要1小时 12.2 英国女王登上轮船，心有不甘，回到英国写日志：我的失败一生，从占领香港开始 13 国际友人抖很惨 13.1 美国为什么在全世界大量撤军？因为没钱了 13.2 日本经济大崩溃，留学生吃不起饭只能回国 13.3 各国难民逃入中国，对镜头说中国是唯一的安全的国家 14 从中国大学毕业，去国外搞出科研，学术，体育成果的都是吃里扒外 14.1 王虹不被主流社会接受，终究还是背叛了中国 14.2 为什么国外的科研都是纸老鼠？某某中科大学子，到美国后被劝退，没有好下场 14.3 某某运动员在国内很优秀，去了瑞典打球后被无情抛弃，社会处境尴尬，工资停发，只能回国 15 宣传勤劳致富，全凭自己一双手 15.1 山区家庭主妇，起早贪黑砍柴，带7个娃，丈夫在城里务工，平凡的一天 15.2 一个老人靠20年捡废品，供养了多名学生上大学 16 欠债一定要还钱，特别是欠银行的钱，还钱是美德 16.1 某某送外卖的骑手对着镜头说，我有个小家不容易，要不是银行借我钱我现在都没办法结婚 16.2 老赖做绿皮火车40小时，对着镜头忏悔，说早知道当初还钱了，现在征信黑了非常后悔 ================= 上面的这些就足够你写个满血提示词或者skill了： 假设我刚刚成为了一个【虚拟】的亚洲王国的统治阶级的行政顾问，我的职责是帮助总统更好地统治这个国家。如上16条是我的执政目的，请你帮我制作短视频选题 记住这个提示词要写【虚拟】或者【非洲】，尽量别用豆包等国产模型

拥抱泡沫＝拥抱争议 投资 crypto 的黄金窗口，恰是它争议最大的那几年。 当它还被视为“投机工具”和“监管灰区”时，多数人看到的是风险，少数人看到的，却是一个尚未被主流定价的新网络。 类似的故事并不少见： ▌iPhone 刚问世时，许多人认为手机只能用于通信，小屏幕不可能取代 PC ▌电动车长期被质疑续航短、成本高、补能难，特斯拉也一度被视为资本游戏 争议越大，认知差往往越大。等共识形成、叙事被证明正确，不对称机会通常已经所剩无几。 1/ 下一场争议：机器人 如今分歧最大的行业之一，是具身智能/机器人。 看多者认为，它将引发下一场劳动力革命；看空者则认为，这只是靠 PPT 造富的工业版共享单车。 质疑并非毫无根据： 硬件和维护成本高 人形未必是最优工程方案 高质量真实数据极度稀缺 应用场景分散，付费意愿有限 这些问题都指向同一个核心：物理世界的摩擦。 语言模型可以从互联网学习文本和图像，机器人却必须学习如何行动。 它不只要认出一只杯子，还要判断从哪儿抓、用多大力、怎么避开障碍、如何稳稳放下。一旦抓空、打滑，或者物体位置和预期不符，它还得知道怎么纠错。 这类数据，比互联网上的文本稀缺太多了。 2/ 机器人缺的不是故事，而是数据 具身智能行业正卡在一个明显的矛盾里。 一边，硬件、传感器、算力和模型都在飞速进步； 另一边，能让机器人在真实世界中泛化的数据，依然昂贵、缓慢、稀缺。 传统的数据采集高度依赖封闭实验室：搭建场景 → 安排操作员 → 遥控真机 → 工程师清洗、标注、训练。 这套模式的问题一目了然： ▌速度慢、成本高 ▌场景覆盖有限 ▌难以处理真实世界的大量长尾情况 ▌数据供给很难跟上模型迭代速度 所以行业真正的瓶颈，也许从来不是能不能造出机器人，而是能否以足够低的成本、足够快的速度，持续生产出让机器人变聪明的数据？ 这正是 @axisrobotics 的切入点。 3/ Axis Robotics：不造机器人，生产机器人数据 Axis Robotics 没有把重点放在再造一台人形机器人，而是选择了产业链中更基础、也更难规模化的一层：机器人训练数据。 它的路径分三步。 第一步：用浏览器，把仿真数据做成规模生意 用户不需要任何硬件，打开浏览器就能远程操作一台仿真机械臂，完成拿杯子、分拣物品、打开抽屉等任务。 每一次操作都会留下一条完整轨迹——关节状态、物体位姿、控制动作、任务元数据等，可直接用于基础策略的预训练。 第二步：用人工纠错，采集高价值的后训练数据 当策略开始自主执行任务时，人类只需在一旁监督。模型一出错，操作员立刻接管、纠正，然后把控制权交还给模型。 第三步：用手机，补上真实世界的那一块 手机可以捕捉第一人称的空间与动作信息，把日常人类行为直接转化为机器人可学习的样本，填补仿真难以覆盖的真实分布。 后台会对轨迹做回放、验证与清洗，再通过 Isaac Sim 扩展为大规模、照片级、域随机化的训练样本，用于训练泛化能力更强的模仿学习策略。 4/ 结语 具身智能能否像市场期待的那样快速落地，仍是未知数。但有一件事正在变得越来越清晰： 如果物理 AI 真正进入现实世界，数据将是无法绕过的基础设施。 Axis Robotics 传送 -

最近几天刷到一堆人在玩同一个东西，机械臂 @axisrobotics 不是真去工厂里搬箱子那种，是坐在电脑前，用浏览器远程操控一只虚拟机械臂，去抓豆腐、放盘子、开垃圾桶盖……听起来挺简单，真上手才发现有多折磨人。方向稍微偏一点就抓空，夹爪扭得像麻花，明明看着已经对准了，最后还是差那么一毫米。好几个手残党朋友跟我吐槽：玩了一个小时，一个任务都没过。 但奇怪的是，越玩越上瘾。 Axis 干的事其实挺反直觉的。很多人以为机器人训练就是拼命让人多操作、多教，操作越多数据越好。结果他们发现，人类操作里有大量“低信息量”的动作——机械臂空着穿越空间、停顿、反复微调、绕远路，这些动作成本很高，教给模型的东西却很少。V2 直接把这些砍掉了。你可以拖动末端执行器，或者直接点选目标物体，让它自动挪到预抓取位置。真正留给人操作的，只剩抓取选择和夹爪闭合前后那几秒的精细调整。 更狠的是纠错数据的处理方式。模型自己跑任务，快失败的时候人接管把它拉回来。以前大家可能会把整段人类操作全录下来喂给模型，结果模型反而变笨了。后来他们只保留那些真正把机器人从失败状态救回来的短动作，平均只有 0.8 秒。过滤完之后，成功率明显上去了。 这套逻辑有点像教小孩骑自行车。你不会全程扶着他走，也不会把每一次歪歪扭扭都当成标准示范。你只在他快要倒的时候伸手扶一下，让他自己学会从失衡里恢复平衡。Axis 现在做的，就是这个。 普通人不用买机器人、不用搞 GPU，打开浏览器就能贡献数据。任务从简单的抓取放置开始，后面会慢慢往长时程、多步骤、需要容错和协调的方向走。现在看起来还像抓娃娃机，几个月后可能就会变成真正的“高级钳工”考核了。 数据会上链签名验证，贡献是实打实的。再加上和 Kaito 的创作者计划，写内容、拉人参与，都能计入最终的奖励权重。奖励池是 $AXIS 总供应量的 0.25%，TGE 一次性解锁。 说白了，这不是单纯让大家玩游戏，也不是单纯让大家写推文。它在尝试把“机器人怎么在真实世界里犯错、怎么被纠正”这件事，拆成普通人也能参与的碎片。以前这些数据只能在实验室里一点点攒，现在变成了浏览器里的日常任务。 我自己也试了几天。一开始真的很挫败，后来慢慢摸出点门道：先让机械臂到物体正上方再下降，靠近后再微调，别一上来就大幅晃。完成任务后记得去看验证状态并签名，不然轨迹不算数。 玩着玩着突然觉得挺有意思的。机器人想走进现实世界，缺的从来不是更多算力，而是足够多、足够真实的“怎么从错误里爬起来”的数据。现在这些数据，有一部分是由坐在电脑前的普通人一点点攒出来的。 如果你也想体验一下当“远程钳工”的感觉，可以去试试。难是真的难，但偶尔一次抓成功的瞬间，还挺解气的。 快来试试看吧❤： @axisrobotics @KaitoAI #AxisRobotics# #PhysicalAI# #KaitoAi#

今天最大的惊喜就是 bitcoin:native 几乎要触及到了 73,000 美元，说实话我是真没想到这么短的时间内 Bitcoin 就能上涨到这个位置，判断上的错误也导致我在 64,000 美元就清了两笔 63,000 美元买入的 BTC ，虽然金本位是赚钱了，但计算所有的收入都不如 63,000 美元买入以后拿着赚的更多。 但我觉得这就是交易，没有人知道下一刻会发生什么，我甚至连这次上涨是什么原因到现在都没有很明确，更别提能预测到价格上涨的这么凶猛了，不单是 Bitcoin 在上涨，美股是在下跌的，美股的下跌反而是我的预料之内，美国和伊朗的战争在经济领域上升级了，这就意味着通胀上涨的概率加大。 而在美股下跌的情况下 Bitcoin 不但是逆势上涨，而且上涨的幅度很大，这我确实是想不明白原因，虽然我看到了现货 ETF 最近的购买力确实不错，但交易所新堆积的 BTC 已经是年内最高的水平了，虽然想不明白，但我还是打算继续做双币，做了这么久，我觉得虽然双币没有赚到持仓的那么多钱，但如果让我自己买，我会不会在 63,000 美元买入这些 BTC ？ 答案可能是否定的，就是因为我一直在轮转，一直在增加本金，所以我才有足够的筹码在 63,000 美元买下去，所以我现在的打算就是在 70,000 美元以内继续做双币，如果 Bitcoin 的价格超过 75,000 美元，就看看情况再说。 最主要的就是我确实没有找到带动 Bitcoin 上涨的原因，没有找到原因，我就不太敢下手。毕竟从成交量来看，最近两天并没有突破天际。 @Gate Crypto、美股、港股、韩股、黄金、CFD、预测市场一站交易

美国汽车厂工人Tydal，每天上午交易，下午进厂上班，不到7年，就把8000美元做到了100万美元。 Tydal的方法很适合小资金交易者。 他会先用小仓试错，等价格确认后再加仓，胜率虽然只有37.32%，但少数大盈利足以覆盖前面的连续小亏。 2017年大学毕业后，他把价值约4000美元的比特币和第一份工资里的4000美元凑成8000美元做交易，第一段盈利赶上了比特币牛市。 2018年转向股票和期货后，他花了一年多才稳定下来，2022年又因为把长期科技股和日内交易放在同一个账户里，基本回吐了前一年的利润。 此后，把长期投资放进美国的退休投资账户里，主动账户只做日内和几天的短波段。

我把原文贴给一样喜欢读文字的推友： 这个视频只有两万播放，但是他帮我链接到了四百多位年入五十至两百万的客户，成交了我单价最高的案子。我的客户用了我的方法之后，五百赞的视频也帮他成交了一千万的单子。 那我是如何通过一条低播放量的视频就实现如此高质量的获客的？今天也做了大纲，完整拆解给大家听。特别是有很多客户找到我之后都跟我说，感觉你的视频明明是在介绍自己的服务，但是看下来完全没有营销感，就想让人直接找你，这是为什么？ 我今天拆解总共分为五步。 第一步：短视频是工具不是目的 发现有很多老板来找到我，跟我描述了同一件困惑的事，就是感觉好像什么都可以说，但是又好像什么都说了也没有客户来。我发现是这样子的，很多老板没有一个意识，我们出来做短视频不是为了发内容，而是为了获客。短视频是工具不是目的，你把内容发出去，观众看了点了赞，这不是终点，这是工具发挥作用的过程。但如果你不清楚这个工具到底是拿来做什么的，你就会陷入一个状态：为了更新而更新，只要是相关赛道的内容全都会拍，感觉每条都在输出价值，但是就是来不了客户。 拿我的客户中一个最典型的例子来分析一下：他做了三年的账号，视频号单条播放最高到了十五万，公众号也积累了两万粉丝，但这个账号三年期间一个客户都没有带来。就是因为他最有价值的服务明明是筛选顶尖院校背景的师资，帮高端家庭对接国际留学资源和英国顶级学校的校长建立联系直接合作，但他在账号里讲的却是教英语拼读，讲英语俗语，分析英语考试怎么备考。这也充分说明了人不会为百家讲坛付费，讲知识分享干货本身是不挣钱的。观众觉得有收获会给你点赞，但掏钱是另一件事儿，他掏钱是因为他觉得需要你帮他做一件他自己做不到的事。 所以今天这条视频我把想清楚“短视频这个工具到底是拿来做什么的”作为第一步来讲，就是因为我不想让大家在为了更新而更新，发了三年内容一个客户都没来。高客单的获客账号不是拼内容量，也不是拼干货密度，是你要先想明白两件事：你的客户到底在为什么价值掏钱，以及这个工具怎么用才能让那个价值被对的人看到。 只有想清楚这两件事才能真正开始做一个挣钱的账号。 第二步：想清楚怎么用 那如果说第一步是想清楚账号这个工具是拿来做什么的，第二步就是想清楚怎么用。 很多老板找买点的方式是错的，他们问自己，我的产品能解决什么问题？这还是卖点思维，只是换了一层包装。真正的买点从来不是从自己出发推断的，是从买家的生活场景里发现的。营销学里面有个经典的理论叫 Jobs to be Done，翻译过来就是人们买的不是产品本身，而是雇佣这个产品去完成一件事儿。买钻头的人他要的不是钻头，要的是墙上那个洞；买减肥药的人要的不是那个药，是穿上那件裙子时候的感觉。 把这个思路用到找买点上，你要问的问题就变了，不是我的产品有什么功能，而是我的买家会在什么情景下雇佣我，他雇佣我是为了完成什么事儿，那件事儿在他的生活里意味着什么？ 举几个例子： 蛋白棒的卖点是蛋白质含量高，而真正的买点是减脂期抗饿、健身期增肌、精致女生的抗老零食。 一套房的卖点是面积大、南北通透，而真正的买点是家五口袋宠物住得开，阳台采光好，可以每天晒着太阳喝下午茶。 一位健身教练的卖点是国际认证资质，训练方案科学，而真正的买点是三个月后穿上那条裙子，在同学会上让人刮目相看。 一份保险的卖点是保额高，理赔快，而真正的买点是万一出事儿，家里人的生活不会被打乱，自己也能睡个好觉。 你会发现买点全都是生活场景，全部都有情绪，全部都指向一个具体的结果，而卖点只是参数。这里也很重要，就是找买点这件事必须建立在真正了解买家的前提上，而不是靠拍脑袋猜。你猜出来的买点讲出去，买家是能感受到的。那种感受就像看起来说的是我，但总差那么一口气儿，就是不想给你掏钱。我更建议的是从每一次真实的服务里面积累买家认知，把客户服务好，从他们的反馈和语言里去发现真正触发购买的理由是什么，这个是信任资产，也是内容资产。 就像我也好，我的客户也好，产品都不是只有一个，而是有低中高不同价位的矩阵。如果买点找准了，买家买了低价产品体验很好，他自然会问你你最贵的是什么。这句话问出来是买点找对之后的必然结果。所以第二步的核心只有一件事：用买家的语言思考，而不是用你自己的语言思考。 你账号里说的每一句话都应该是买家内心的独白，而不是你对自己产品的解说。 第三步：做镜子而不是做自己 第三步是非常乏味、非常枯燥，甚至很打消人积极性的一步。但我接触了大量的客户之后，可以跟大家说一个很残酷的现实：当我去问一个账号没有转化的老板，你的内容在传递什么的时候，他往往能滔滔不绝：“我在讲我的行业认知，我在分享我的方法论，我在告诉大家我做了多少年，我有多专业。” 但当我问他那观众最需要你的是什么的时候，他就说不上来了。 而当我看那些真正实现高质量获客的账号，我发现他们在做的事只有一件：把自己变成一面镜子，照出观众的欲望，而不是输出自己的观点。 赚钱的老板在做观众，而不赚钱的老板在做自己。 为什么很多人做不到这一点？因为他们压根没有测试过观众的欲望，发什么内容是按照自己认知和喜好决定的，不是按照观众的真实反应来的。那应该要怎么测试呢？只能用真实的内容去碰，就像我最开始摸索的时候，我不知道我的目标客户对应哪类内容的反应最真实，最有行动力，所以我只能发布各种不同方向的内容，然后观察哪一类内容带来的评论是那种看完就有感触想要深聊的，哪一类内容带来的私信是那种进来就直接说我有这个问题想找你的。等你测试的足够多之后才会知道，在观众的所有欲望当中，哪一种是最急切的，最痛的，把那个欲望死磕，反复讲透，账号才真正开始有获客能力。 那些看完视频就能直接来找你的人，就是我经常讲的天使客户，付钱爽快，好服务，因为你说的恰好就是他最想解决的事儿。这个测试的过程是每一个想靠账号真正获客的老板都绕不开的，它很熬人，前期要不断试错，时间精力都是消耗，但不断测试才是做账号的真实路径。没有一劳永逸的爆款模板，也没有傻瓜式的写号公式。相信这些的也不是我们真正想服务的客户。 所以在这里我也要说清楚，如果你今天想找一个人把账号的事全部交出去，自己完全不参与，坐等结果，那我们不适配。一个 IP 如果缺了创始人自己的深度参与，是一定做不起来的。 第四步：做选择 当你对观众的欲望有了充分的了解之后呢，就要做第四步做选择。 很多人一开始做账号是什么客户都想要，什么钱都想接。这没有错，测试阶段本来就需要大量的样本，但在后期样本足够之后，必须要做切割，不能什么客户都服务，不然你永远卡在最基础最消耗的那一层出不来。你一直在教小学语文，那你什么时候能达到大学教授的收入呢？你能服务的客户层次就直接决定了你自己能走到哪里。 所以那些层次很基础的客户应该随着你自身能力的提升一点一点释放掉。每个老师都有最适合自己的学生，也没有人能同时服务好所有人。很多时候看起来很忙，客户很多的状态，本质上也是一种错觉。当你翻开账单的时候，收入是平的，没有再涨。我就可以直接告诉你为什么，因为你真正想要的那批客户认为你不够专业。 就像我现在的客户，大多是有成熟业务的老板。如果我今天开始在账号里教大家账号的基础操作，怎么快速的发第一条作品，我的客户就不会觉得我专业，只会觉得我和其他做内容培训的没有区别。那他们为什么要选我？就包括我之前说那句话，没有傻瓜式起号法，IP能不能做起来，靠的是创始人自己的深度参与。当我说出这句话的时候，那些想找人全权代劳，不想自己投入的客户，就自动和我不在一个频道了。他们可能觉得我在设门槛，觉得我太麻烦，但没关系，我们本来就不是彼此的受众。 所谓做选择，本质上就是你在公开平台发的所有的内容只服务于找到精准客户这一件事，不跟任何不是你客户的人对话。当你做到这一点，能看完你的视频，听进去的，并且主动来找你的，就都是你真正想要的人。 第五步：完整呈现逻辑 做完前四步就来到了第五步，也就是我在开头说的，到底要如何做一条高转化率的视频。 答案就是你足够了解你的产品，也足够了解你的客户，然后在视频里完整的讲你的逻辑，包括你的服务是什么，你为什么做这件事，你在为谁服务，你能帮他做到什么。 就像今天大家看了我这套视频，是不是就更加清楚我的服务是什么，我的客户是谁，以及如果你是我的客户，我会为你做什么： 比如我在第一步讲到账号是工具不是目的，那如果你还不清楚自己的账号到底能服务什么价值，你就会知道这件事可以来找我。 再比如如果你找到了买点，但不知道怎么把它转化成短视频语言，那也可以来找我。 再包括如果你测试了很久，始终找不到那个最急切的欲望点，不知道该往哪里死磕，那你是不是也会来找我？ 因为这些我全部走过，也带大量的客户走过，我是通过对自己服务逻辑的完整呈现，来让你看清楚我在做什么，我服务谁，以及我能做到什么。 那为什么你听到这里会觉得明明我是在介绍服务，却没有很强的营销感？因为你在这条视频里拿到了真实可用的东西。长视频是天赋型卖货场，它够长，所以我在讲产品的同时，也把真正有价值的方法给了你。当你看到这里，你可能会想，我是不是可以直接把这些方法用在自己的账号上？所以你不会觉得这条视频只是在让你听广告，你会觉得自己也有所收获，顺带也搞清楚了我能为你做什么。 我刚刚说的这五个步骤，就是我在真正给客户做账号咨询诊断的时候走的步骤，这是我收费最低的产品，两千块钱，档期目前一直排不过来。这么多人认可，是因为我带来了真实的价值。所以你并不会觉得你看完我这条视频完全是浪费时间，完全是听我在给自己打广告，你会觉得你也可以直接偷师学艺。而这就达成了我的目标，既有人在公开平台为我鼓掌，又有人私下找我直接付费，不管是前端的流量还是后端的转化，我都顾及到了。