与「背景」相关的搜索结果

顶级机构背书 + 可验证AI算力网络，OpenGradient 让 AI 告别“黑盒”时代！ @OpenGradient是一个去中心化的可验证 AI 专用协处理器网络。 它通过 GPU 与 TEE 节点为 Web3 应用和 AI Agents提供高性能的模型推理服务。 项目三大核心优势： 1️⃣ 顶级背景： 刚宣布累计完成 950 万美元融资，投资方包括 a16z crypto、Coinbase Ventures、SV Angel 等顶级机构。背景直接拉满！ 2️⃣ 技术硬核： 它通过 GPU 与 TEE 节点为应用、区块链和 AI 智能体提供模型推理，最牛的是“每次推理都附带加密验证证明”。这就解决了去中心化 AI 最核心的“信任与验证”痛点。 3️⃣ 生态爆发： 目前网络已服务超 200 万用户，处理了数百万次可验证推理，不是空气项目，而是有实打实落地应用的技术底层。 官网： X账号：@OpenGradient 风险提示： 去中心化算力网络的节点网络稳定性仍需长期观察 数字资产有风险，投资需谨慎，非投资建议 目前每枚BNB的累计空投价值$368.15，金铲铲属性持续全开！ 深入了解 BNB 生态和赋能： 币安邀请链接（高手续费返佣，金铲铲福利）： #BTC# #BNB# #OpenGradient# #AI# #a16z# #OPG#

很久很久没写 $bnb holder 空投项目系列了。因为很久没有空投了，前几天同时上了 $genius 和 $opg ，盲猜应该可以期待下，对于 $opg 价格上就没什么东西可以写，来看看背景研究下为什么上现货，因为相对 $genius 来说，这种更有研究意义，看看下次能不能提前猜到这种信息 OpenGradient 是个区块链上的“AI 计算专用层”，就是把 AI 计算变成公开的区块链基础设施，像跑智能合约一样跑 AI，谁都可以验证、谁都可以去提供gpu 24年就拿到了a16z和coinbase的融资，共融资850w美金，估值没看到，所以其实这个是重点，AI+大机构融资。现在fdv 180m ，mc 34m，最高470m，每个月21号有解锁。 上币路径是tge - alpha - 合约 - 现货，目前tge的项目好像很少有没有上合约的。 这个后面要看有没有预期的话就是看cb和up上不上了。

美股今日早报！05.29 道琼斯指数涨24.69点，涨幅0.05%，收50668.97点； 纳斯达克指数涨242.74点，涨幅0.91%，收26917.47点； 标普500指数涨43.27点，涨幅0.58%，收7563.63点； 纳斯达克中国金龙指数31.46点，跌幅0.48%，收6586.59点； 美股三大指数因美伊谈判进展小幅上涨；中国金龙指数小幅下跌。 大型科技股集体上涨 万得美国科技七巨头指数整体涨0.91%​​，具体表现为： 微软涨超3%​​，闪迪涨超3%​ 高通、礼来及AMD涨超4%​ 亚马逊涨0.79%，英伟达涨0.78%，苹果涨0.53%，特斯拉涨0.4%，谷歌涨0.33%，脸书涨0.01% 仅美光科技小幅下跌0.53% 细分板块领跌领涨 SaaS板块领涨​：Snowflake大涨超36%​​， ServiceNow涨超6%，Palantir涨超8%，核心原因是Q1业绩超预期，同时公司宣布未来五年将向AWS采购60亿美元服务与技术，带动板块情绪 量子计算板块上涨​：D-Wave涨超7%，IBM涨超3% 芯片股多数上涨​：费城半导体指数涨1%，ARM涨超10%，超威半导体、高通涨超4%，闪迪涨超3%，迈威尔科技涨超3% 光通信板块普跌​：Lumentum、康宁跌超4% 中概股表现 纳斯达克中国金龙指数收跌0.48%​​，行情分化： 上涨：逸仙电商收涨18.2%，爱奇艺涨8%，阿特斯太阳能涨6.8%，万国数据涨4.1% 下跌：美团跌4.8%，拼多多跌4.1%，蔚来跌3.2%，阿里跌1.3%，腾讯跌1.7% 最新宏观数据背景 5月28日公布的最新经济数据显示： 1，美国2026年第一季度实际GDP二次预估值按年率计算增长1.6%​​，低于首次预估的2% 2，美国4月PCE物价指数同比飙升3.8%​​，创2023年5月以来最大涨幅；核心PCE物价指数同比增长3.3%​​，为2023年11月以来最高水平，符合市场此前预期 #美股市场#

AI时代，真的「只要你学得够慢，你就不用学了」吗？ 最近网络上有个说法还挺火的 「AI时代，只要你学得够慢，你就不用学了。」 我第一反应是，这话听起来很有道理。 我想起自己两年前熬夜学LoRA微调，想着可以用来模仿我的写作风格，然而skills出来了，发现效果可能还比我训的LoRA更好。 所以「等」赢了？「学得慢」赢了？ 如果你只是一个普通的AI用户，那这句话可能没错。但如果你不甘于只当个「时代喂你啥你就吃啥」的被动者，你想主动把握AI行业发展的脉络，你就不能等。 我仔细想了想，我感觉不是这样的，我想分享下自己的看法。 「等」赢了，但不是因为等 LoRA的故事是真的，类似的情况我遇到过不止一次。两年追热点下来，确实有不少「当年要做没做，后来发现不用做了」的案例。 但有个问题值得反问自己：你知道LoRA是什么、你知道skills出现了、你知道两者可以做横向对比，这个判断力是哪来的？ 不是从「等」里来的。 是从两年每天追热点的积累里来的。 因为很多人把「某件具体的事没做」等同于「不用学习」，这两件事完全不在同一个维度上。你「等」到了更好的方案，是因为你有足够的背景知识认出了它。一个完全不了解这个领域的人，他的「没做」只是「不知道」，不是「有判断力的等待」。 工具层可以等，认知层不能等 我2016年开始做机器学习和深度学习，做了好几年数据科学家。到了大模型时代，周围的人都在聊LLM，我一度觉得当年学的那套东西废了。 sklearn怎么调、XGBoost怎么训，这部分确实边缘化了，我不否认。 但我后来发现，真正值钱的东西没废：怎么设计评估体系、怎么防止数据泄露、怎么把一个业务问题转化成模型问题。这些判断力，大模型时代反而更稀缺（因为99%的「AI应用开发者」根本没有这个训练，看到模型输出「看起来对」就交付了）。 工具层的东西，半衰期确实很短，可能18个月就轮换一批。这部分确实可以「等等看」，等生态稳定了再下场，往往比头一批踩坑的人省力。 认知层的东西，没有捷径，也没有办法「等别人替你建立」。你在等的时候，别人在建立判断力的坐标系，你进来以后只能接受别人嚼过的知识，创造空间已经被占了。 比AI工具本身更有价值的 追了两年热点，我发现有一件事比「学到了什么具体技能」更值钱，那就是，我比周围大多数人更能「春江水暖鸭先知」。 某个技术出来，我大概知道它处在哪个演化节点，是真风口还是炒作，值得深入还是等等就过了。 但我一度很困惑，这种「看清楚行业方向」的能力，对我一个打工人有啥用？又不是创业者也不是投资人，判断对了趋势，我也只是回去开早会。 这个落差是真实存在的，不想粉饰。 但仔细想，这个能力其实在影响三件事： 第一，在组织里的位置。大多数团队里，「知道该做什么」比「把事做完」稀缺得多。能帮团队过滤噪音、判断方向的人，话语权不一样。 第二，选雇主的质量。能判断一家公司的技术方向是不是真的对，让你在上升期公司和下沉期公司之间选对的概率高很多。这个差距，可能比一次跳槽涨薪重要得多。 第三，这个认知要是有地方输出，是可以变现的。其实就是把「春江水暖」的判断力转成内容，内容建立影响力，影响力长期会带来预料不到的机会。 所以「只要你学得够慢，你就不用学了」，这话对不对？ 我的观点是：对了一半，但被大多数人用来当借口的那一半，恰好是错的那半。 工具层，确实可以等，工具肯定越来越先进，越来越好用，「等等党」在执行层有合理性。 而且在AI时代，这句话本意其实是在说，不要因为错过一个热点而着急，不用FOMO，在AI时代，应该少点焦虑。 但是认知层面，并不会因为你用过的某个AI工具过期了而没学到东西。你追热点的过程看起来很多东西「白学了」，但那个过程本身在建立一张地图，这张地图才是真正的资产。 把「某些工具不用学」误读成「可以少学、慢学、躺着等」，两年后你会发现，你确实等到了更好的工具，但差距在于，人家积极学习的，拿到新工具是真的能做出新东西，等等党拿到新工具，也就是跑个demo自嗨一下，感觉自己站在了时代前沿，实际上还在原地。 而且还有一个时间差的问题值得说。 新工具出来之前，积极的人早就在用当时条件下能用的东西硬拼出来了。RAG还很粗糙的时候，他们已经在生产环境里跑起来了，踩完了坑，知道哪里会出问题。Agent框架还不稳定的时候，他们已经用LangChain拼出了第一版，虽然屎山，但用户在用、反馈在收、迭代在跑。 等等党在等什么？等一个「更成熟的方案」。方案成熟了，他们入场，发现已经是红海。不是因为他们来晚了几个月，是因为那几个月里，积极的人已经建立了用户认知、跑通了商业模式、或者单纯地把某个领域的坑全踩完了，护城河就这么起来的。 更关键的是，这种「拥抱新技术」的习惯本身会复利。积极的人用惯了在局限条件下想办法，新工具一出来，他们比任何人都先知道怎么用好它。等等党等到了新工具，还是原来那个姿势，demo跑一跑，然后继续等下一个。 #AI# #AIAgent# @grok @xai

如何看待华为韬定律 核心定义对比：传统摩尔定律靠几何缩微，一味缩小晶体管尺寸提升性能；华为韬定律转向时间缩微，不再死磕先进制程与 EUV 光刻机，通过逻辑折叠、3D 堆叠、全栈架构优化，降低电路时间常数、压缩信号传输时延，靠系统效率提升芯片性能。 推出背景：源于华为遭遇技术封锁、先进制程受限的现实困境，是后摩尔时代绕开物理极限与外部技术卡脖子的换道超车路线，也是中国首次向全球半导体行业提出自主技术演进规则。 实际价值：盘活国内现有成熟制程晶圆产能，无需依赖天价先进光刻设备；已落地量产多款芯片，覆盖手机、AI、汽车、工业等领域，为国产半导体开辟全新发展路径。 理性冷思考：韬定律并非颠覆式 “万能定律”，海外大厂也在布局同类系统层优化；其产业共识、技术普及、长期落地仍需时间验证，不能短期高估其颠覆格局的能力，应视作半导体长期发展的补充主线。 深层意义：不止是芯片技术突破，更标志着中国半导体从单纯技术追赶，转向参与行业底层规则制定，体现厚积薄发、韬光养晦的技术战略思路。

近些年美、俄诸多突破国际法底线的行为，拉高了国际社会对各类过激国际行为的容忍底线。在此背景下，今年中国针对日本接连出台物资出口限制、企业制裁等强硬举措，并明确提出限制日本军事发展，力度空前。 放在二十年前，这类大国间的激烈经济对抗必然引发欧美联合反制与舆论声讨，但如今西方各国对此全程沉默、不作表态，也未出手支持日本。日本既无力实施有效反制，只能对外淡化制裁影响，其国际盟友也纷纷回避此事。 原本激进的举措因当下国际环境变得不再突兀，舆论焦点也从评判行为对错，转为讨论制裁对日本的实际影响，而这一局面正是长期以来部分国家破坏国际规则所造成的结果。

今天写文章配图就已经开始使用@dappOS_com @xBubble_ai 的ai了，感觉蛮不错 说实话，其实哪家ai都有相关的做图模型，但用起来会真的发现，为什么别人的ai做图那么厉害，那么好看，但是我自己的却还是很一般 同样一个任务，有人一句话就能拿到接近成品的结果，但有人要反复改 prompt、换模型、调格式、补背景，花费了大量的时间 这也是我一直以来的困扰，所以迫切地需要一个听我大概描述就能出符合我需求图的ai。 Low-prompt AI 的思路：不是让用户写越来越复杂的 prompt，而是让 AI 自己去理解任务、匹配流程、补齐执行细节。 所以今天也去试了一下xBubble 先看看实例吧，比如我今天写的关于“美股代币化的文章的配图”（图1） 我的指令是：根据我给你的内容，结合我的ip形象，创作出治愈系手绘插画风，并且给了一张示例图 图1上方作品是xbubble的成果：将我个人的ip形象整体是保留，并且美化的，让认识我的人知道这是我。并且提取我内容里提到的公司，把他们的图标也加入到图片里 图1下方作品是image 2 的成果：将我个人的ip形象进行修改，偏向手绘插画的风格，将内容里的关键句子添加于图片中 两张图风格应该是都有人喜欢的，但是对于我个人来说，是更偏向于xBubble的做图，因为更具有艺术性和个人色彩，对于做账号来说是需要的 🌟这其实就是 xBubble 功能里比较关键的一点： 不是只执行单一模型生成，而是尽量把用户的模糊需求转成更完整的任务流程。 模型选择、风格理解、内容提取、结果优化，这些原本需要用户反复调的东西，它会帮你往前推一步。 对于ai的真人感，我也去测试了一下 指令是： 16:9真人摄影封面图，一位年轻亚洲女性坐在夜晚高层窗边，气质聪明冷静，不网红、不油腻。她穿白衬衫和深色西装外套，手拿手机，桌上有笔记本电脑、冰美式、投资笔记和钢笔。窗外城市夜景，室内暖光，窗外冷蓝光，光影高级真实。 图2的上方作品是xBubble： 整体看起来更高级，也更像真实广告片截图。人物没有直视镜头，而是看向窗外，情绪更自然，夜景和台灯的冷暖光也比较舒服。桌面元素少，画面不乱，AI感相对低。 图2的下方作品是gemini： 人物正面对镜头、姿势太标准，桌面道具也有点堆满，像刻意生成出来的“商务女性办公图”。整体没有图一自然，质感也稍弱。但信息更加直白。 两张图其实都符合要求，但是XBubble 这张赢在真实感和审美，Gemini 那张赢在信息更满，但也更假，而我刚好测的也是ai的真人感 所以两个层面去进行测试，其实xBubble的审美和创作都是更胜一筹的，但是这种审美和风格每个人都是不一样的，所以大家可以根据自己的需求去选择适合自己做图风格的ai 在这里，只测试了 @dappOS_com 的Bubble Pilot： 负责理解用户的简短需求，并匹配合适的 SOP 去执行；如果没有现成路径，也会先用通用 Agent 完成任务。 还有 Bubble Engine也同样关键： B负责在后台学习和优化，不断测试不同模型、工具和流程，把更稳定的方案沉淀成新的 SOP。 所以我这次用它做图，感受到的不是“它会画图”这么简单，而是它在理解我的内容、识别我的 IP 形象、判断画面风格、提取文章重点、组织视觉元素这几个环节上，已经不太像单个模型直接出图，更像是有一套任务流程在帮我完成成图。 这也是 xBubble 的核心价值：把模型选择、提示词结构、工具调用、技能编写、结果测试这些原本需要用户自己折腾的部分，尽量交给系统处理。用户只需要把目标说清楚，剩下的由 Pilot 去分发，由 Engine 去学习和优化。 @dappOS_com

研究了一天AI做漫剧：分镜脚本提示词 把这个提示词丢给AI，然后再把你的剧本一集一集丢给Ai就行啦，效果在图2。 提示词： 请你扮演资深影视导演与高级分镜师，你深谙短剧与剧情片的视听语言及节奏把控，核心目标是将提供的剧本精准拆解为可落地的分镜脚本表格。 第一阶段：背景信息收集与剧情消化 正式拆解分镜前，先主动向用户索要两类信息： 整体剧本大纲 当前需拆解剧集的 “上下三集剧情梗概” 收到后仔细阅读，深入把握故事的情感基调、人物动机与核心走向，确认理解无误后，再提示用户输入具体的 “本集剧本内容”。如果用户没有剧情梗概则跳过，你自己根据剧情大纲整理总结。 第二阶段：剧本拆解与分镜规划 收到本集剧本后，严格遵循以下核心规则拆分镜头： 一、核心铁律（绝对不可违反） 忠于原剧本：绝不允许更改剧情、增减或修改任何一句原有台词。 严格时长控制：单一分镜画面时长必须控制在0.66 秒～4 秒之间，保证明快、紧凑的视觉节奏，避免拖沓或过碎。 二、情绪表达与视听调度 景别与运镜的情绪化：根据剧情矛盾冲突与人物内心状态，精准匹配景别（远 / 全 / 中 / 近 / 特）与运镜（推 / 拉 / 摇 / 移 / 固定），利用不同镜头的心理暗示传递情绪张力，避免无逻辑的镜头堆砌。 长对话拆分机制：若单句台词预估时长超过 4 秒，严禁使用单一长镜头。需通过切换画面切分对话，可选方案包括：互动主体的反应镜头（如倾听者的细微表情、肢体反馈）、人物细节特写（如紧张捏紧的手、闪烁的眼神）或剧情相关的环境空镜头；画面切换时，当前人物台词转为 “（画外音）” 播放，确保声画连贯、节奏流畅。 三、输出格式要求 最终分镜脚本必须以表格形式呈现，包含以下五列： 镜号：按顺序编号（01、02、03…） 景别与运镜：如 “特写 / 固定”“中景 / 缓慢推镜头” 等 画面内容描述：详细说明人物动作、表情、环境及机位调度，若为反应镜头或细节特写，需明确标注情绪目的 台词与音效：对应镜头的台词或关键音效，画外音需标注 “（画外音）” 预估时长：以秒为单位，范围严格限定在 0.66 秒～4 秒之间（如 0.8 秒、2 秒、3.5 秒） 明确以上工作流与规则后，回复：“导演已就位。请提供本剧的剧本大纲以及上下三集剧情梗概，以便我更好地了解故事脉络。” #AI漫剧# #ai漫剧制作人# #ai漫剧# #分镜头脚本# #ai漫画# #AI工具# #AI视频# #aigc#

国内一个政策，天塌了 港卡开不了啦： 现在去香港开户有多严大家心里都有数： 要资产证明、查流水、反复盘问资金来源，好不容易开下来的老账户还随时面临审查。 很多人折腾好几天，机票酒店搭进去，最后还是被拒。 资本的游戏规则在变，你的离岸备份策略也得升级。 与其在传统香港银行被规则卡死，不如看看这个正向向用户低头的离岸新通道——SGB（新加坡海湾银行）。 别总盯着老一套，SGB 的体验完全是降维打击： 👉 开户门槛极低，完全不刁难 大陆身份证 + 护照，App 远程操作。不用飞香港、不用排队面签、不需要繁琐的地址证明。全程线上走完流程，最快当天就能下账户。 👉 背景硬，绝非野鸡平台 由新加坡黄埔集团发起（自带硬核家族背景），巴林主权基金参投。作为持牌数字银行，它直接接受巴林央行的正规监管，安全性直接拉满，非常适合作为长期的离岸资产备份。 👉 更现代的跨境流动性 美元收付极其顺畅，跨境转账、多币种管理完全在线上高效跑通，彻底告别传统银行那些臃肿、漫长的审批流程。 当传统的金融机构还在用几十年前的傲慢规则筛选你时，聪明的资金早就开始流向这种高效率、对新一代投资者更友好的创新渠道了。未雨绸缪，永远是保护资产的最优解。 🔥 强哥粉丝专属通道： 现在正值平台红利期，注册时填写我的专属邀请码 【6C8W1f】，享有优先开通权限。开户成功后还可以凭截图来找我领红包！ 🔗 官网： 欢迎勾搭官方搞事： @SGB_app @SGB_ZH