与「花輪英司」相关的搜索结果

#崩壊スターレイル# 千の星を巡る紀行PV 「星空の寓話集・その二」 ▼YouTube 厄災前衛には、4つの運命が銀河を「終焉」へと向かわせる、「四末説」という預言が伝わっている。 そのうちの1つが「壊滅」である。ナヌークの炎がすべてを呑み込み、「熱的死」の中で宇宙は1つ目の結末——永遠の終わりを迎えるのだ。 人々は恐れおののきながら問う。其の原動力は一体どこから来るのか——生命への蔑視か？宇宙への憐みか？それとも、神々への否定と憎悪か？その答えを知る者はいない。だが「壊滅」の果てには、文明も、生命も、あらゆる運命も、そして星神すらも、群星のごとく塵と化すのだ。 ▼キャスト 鏡流 CV: #桑島法子# 景元 CV: #小野大輔# 椒丘 CV: #豊永利行# 飛霄 CV: #小松未可子# 黄泉 CV: #沢城みゆき# 血罪霊 CV: #塾一久# ライコス CV: #唐戸俊太郎# 絶滅大君・星嘯 CV: #原由実# 絶滅大君・幻朧 CV: #日野由利加# 絶滅大君・帰寂 CV: #花輪英司# 絶滅大君・風焔 CV: #田所陽向# ▼今すぐダウンロード #スターレイル#

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。

#OpenAI# 还没上市，它的算力小弟先要IPO了，这事挺有意思。🧐 之前黄仁勋讲过，未来推理需求将会增长10亿倍，而下周四5月14日，推理时代的 #AI# 芯片黑马，Cerebras ( $CBRS)要上市了，定价区间115-125美金，募资最高35亿美金，估值266亿美金。也将是 @MSX_CN 的第一期 PreIPO项目，还是十分值得期待的！ 今天我们就来拆解一下这家Cerebras公司，以及估值分析情况，还有我个人的一些私人判断和意见。 要了解这个OpenAI系的推理芯片黑马，就要知晓山姆奥特曼的资本布局。 我们都知道英伟达在AI芯片领域有多牛，大模型公司烧钱，云厂商买卡，创业公司排队等GPU，最后利润大多流向卖铲子的英伟达，这是目前行业的现状。 但这种一家独大的局面，各家大模型厂商，都希望有一个嫡系方案做PlanB，比如谷歌Gemini便联合博通采用TPU方案，OpenAI也一直想扶持自己的嫡系部队。 所以在5月6日，OpenAI把英伟达、AMD、英特尔、博通、微软这些本该互相竞争的芯片公司拉到一起，搞了个MRC网络协议。表面看是技术合作，其实是OpenAI要重新分蛋糕了。 更深一层看，我认为是 #OpenAI# 想要拆开英伟达全栈垄断格局。 以前训练、推理、网络、云，全让英伟达一家包圆了。现在呢？OpenAI开始精细化运营：训练归训练，推理归推理，不同场景用不同芯片，不同环节找不同供应商。 #Cerebras# 就是在这个时候被推上了牌桌，它核心负责推理这一环。这正好与最近炒作火热的推理CPU概念，比如 #AMD，##INTC# 等，撞在了风口上。 🔥Cerebras到底牛在哪？ Cerebras的核心杀手锏是WSE-3芯片，直接把整片12英寸晶圆做成一颗巨型芯片，面积46225平方毫米，相当于A4纸的三分之一。 我们数据对比看看，相较于英伟达H100： • 它面积是H100的57倍 • 核心数是52倍 • 片上内存是880倍 • 内存带宽是7000倍 这数据📊看起来蛮夸张的，但核心关键不在大，而在于快。 在推理场景，尤其是长文本输出、实时交互、代码生成、AI Agent这些需要低延迟的任务上，Cerebras的CS-3系统推理速度比英伟达DGX B200快21倍，成本和能耗降到三分之一。这个效率和功耗，采用WSE-3芯片意味着OpenAI能在单位时间服务更多客户，这就相当于白花花银子啊。 📊财务数据也很漂亮 首先从市场趋势来看，AI 产业正从训练为主转向推理为主，这是不争的事实，2025 年全球 AI 推理市场规模已达1062亿美元，预计2030年将增至 2550亿美元，而 Cerebras 的技术优势正好踩在了风口上。 另外本轮IPO估值为266亿美金，发行价为115-125美金/股，我觉得是相对便宜的，虽然比上一轮估值翻了倍，上一轮F轮估值约为120亿美金，短短两年时间，直接翻倍，但架不住漂亮的财务数据。 2025年Cerebras营收5.1亿美金，比2024年的2.9亿增长76%。更牛的是净利润8790万美金，2024年还亏4.85亿，直接扭亏为盈。 以266亿估值来算，PS为52倍。以24年上市的热门半导体连接芯片公司Astera Labs( #ALAB#)做对比，它上市首日PS高达81倍。而目前正处于火热的推理赛道炒作中，个人认为Cerebras冲击80-100倍PS绰绰有余，对应的收盘价192美金—239美金，预计有50%以上涨幅！(但也要观察当天纳斯达克指数行情来综合判断) 不能只说好的一面，目前Cerebras问题也很明显，客户集中度太高。阿联酋MBZUAI贡献62%收入，G42贡献24%，前两大客户占86%。意味着Cerebras必须听大客户的话，自主性有限。可喜的是，OpenAI的介入，未来这种收入结构会有所改善，而且OpenAI会成为最大客户。 🎯OpenAI和Cerebras的深度绑定 最新的数据，OpenAI与Cerebras签了多年的合作协议，总价值超200亿美金，Cerebras要给OpenAI提供750兆瓦算力，部署到2028年。 但这不只是采购合同这么简单。OpenAI创始人奥特曼、总裁布鲁克曼、前首席科学家伊利亚、董事会成员亚当·安戈洛，这些核心高管都个人投资了Cerebras。 OpenAI还通过贷款、认股权证等金融工具，和Cerebras建立长期利益绑定。说白了，现在的Cerebras就是OpenAI的芯片部门。 除此之外，Cerebras 3月又与 AWS 达成合作，CS-3 系统上线亚马逊云端服务，成为首个进入主流云端厂商供应链的非 GPU AI 加速器。此外，葛兰素史克、美国能源部、多个国家实验室等也都是其客户，技术实力也得到多维度的验证。 💡OpenAI的资本局 OpenAI的真实意图很清楚： • 训练继续用英伟达高端GPU • 推理引入Cerebras低延迟方案 • 部分GPU采购AMD • 网络协议开放化 • 云服务在AWS、Azure、谷歌Cloud之间多家下注 • 未来可能推自研芯片 这是算力组合拳策略，不同工作负载匹配不同系统，不再单独依赖英伟达全栈方案。 OpenAI正在从模型公司转变为算力架构公司。以前只能被动接受芯片厂商定义的技术路线，现在要主动设计符合自己需求的算力组合。 OpenAI要把芯片供应商从"平台提供者"降维为"模块供应商"。所以扶持Cerebras是其战略中最重要的一环，预期来看，Cerebras上市首日股价，爆火的概率极大！ ⚡对英伟达的影响 短期看，Cerebras上市对英伟达冲击不大，就像身上长个粉刺一样无关痛痒。 英伟达目前占AI芯片市场80-90%份额，CUDA生态、GPU供应链、NVLink网络，这些护城河短期很难撼动。 但长期看，威胁是存在的。以前AI公司别无选择，只能用英伟达GPU。现在至少在推理场景，客户有了可行替代方案。这种选择权的出现，削弱了英伟达定价权。 当OpenAI可以说"推理我用Cerebras，训练我用英伟达"时，英伟达就失去了"全包"的议价能力。 AI推理市场正在快速增长。根据预测,2026-2032年全球AI推理市场复合增长率将达28.9%。推理场景更适合专用芯片。当推理市场规模超过训练市场时，英伟达在推理领域的相对弱势就会成为更大问题。 英伟达正在从"唯一供应商"变成"核心供应商之一"。这个转变不是因为英伟达变弱了，而是市场变大了，客户变强了，需求变复杂了。 🧐我的判断 Cerebras上市真正值得看的，不是又一家AI芯片公司IPO，而是OpenAI开始把推理这门生意单独拎出来定价了。 当推理市场被验证可以独立定价时，AI算力市场就真的开始分层了。训练和推理的需求差异被明确化，专用芯片在细分场景的优势被验证。 英伟达"一种芯片打天下"的叙事不再完全成立。市场会从"通用GPU垄断"走向"场景化芯片组合"。 而且不只OpenAI这么干，Anthropic也在和亚马逊、谷歌结盟。头部AI公司都在通过多元化采购降低对英伟达依赖。单一供应商的"完整解决方案"不再是最优选择。 最后值得一提的是，这次 #MSX# 第一期PreIPO项目即将上市，它就是本周四即将上市的Cerebras，拭目以待吧！🧐 DYOR🙏

今日はどんなお祝いをする？ Happy Birthday Kiyoko 👑💝 1月6日は「 烏野排球部に咲く一輪の花 」 こと、潔子さんの誕生日！⋆₊˚✧ ハイキュー!! 🏐🐦‍⬛ 清水潔子 #清水潔子生誕祭2026# #ハイキュー#

こんばんちゃ だるまさんが転んだ けども立ち上がり歩み続け一輪の花を見つけパンジーかな？と思ってスキップしてたらパンジーじゃなくてハロウィンの時に使ったカボチャのシールだった さぁこれを動きで表してみよう💪 おやすみっちゃ🌙

昨天实测 @dappOS_com @xBubble_ai xBubble vs 其他主流模型： 同一个prompt，两张图已经不是代际差距，而是工作流 vs 裸模型的降维打击！！！ 我这次用的提示词如下： A girl standing in front of a mirror, but the reflection shows a futuristic robot version of herself, cinematic lighting, emotional atmosphere, realistic reflections.（一个女孩站在镜子前，但镜中映出的却是她自己未来主义的机器人版本，电影灯光，情绪氛围，真实倒影。） 这个 prompt 其实很适合测模型和工作流，因为它同时考验镜像逻辑、光影、人像、金属材质、空间关系和情绪表达，所以我特意使用了这么一套比较全面专业的提示词来做这组测试！！！ —————————————————— 闲言少叙，直接上结果： 图一是我用 xBubble 跑出来的。 最明显的感觉是光影，这张图的光影已经接近电影镜头了！！！左边暖光像真实房间里的环境光，镜子里的冷光又能撑住科技感。人脸面部高光、皮肤反射、玻璃反射、金属高光都在一个统一的空间里，基本上已经是电影级 lighting 了！整体已经跟电影截图差不多了！！！ 图二虽然也能完成最基本的设定，但视觉上更偏概念海报，蓝色发光和机械结构会更直接。第一眼大致看过去也很抓人，但仔细看，跟图一那种克制感和真实镜头感对比，完全不是一个时代的产物！！！ 这也是我这次对 xBubble 比较有感的地方！ 以前做这种图，经常要反复改 prompt、换模型、试风格、调细节，时间全耗在“怎么让 AI 正确理解我”上。 很多时候你以为自己在做图，实际是在做模型测试、工具测试和工作流测试。 —————————————————— 我理解的 xBubble 的核心就两句话： 1、AI 替你使用 AI。 2、AI 在后台学习怎么把 AI 用好。 Bubble Pilot 负责读懂你的简单需求，然后去匹配合适的 SOP。 Bubble Engine 则在后台持续训练这些 SOP，把模型选择、skill 调用、运行环境、MCP、第三方服务全藏在后台。 所以用户这边不用先研究哪个模型更适合出图、哪个 skill 更稳、哪个环境更适合跑任务。 你只要把目标说清楚，它自己会尽量把任务分发到更合适的路径里。 对会折腾 AI 的人来说，这可能只是少花一点时间。 但对很多 Web2 公司、一人公司、内容团队来说，这个差别很大。 因为他们真正需要的从来不是研究一堆模型参数，而是今天有个图要出、一个页面要做、一份内容要交，最好一句话就能跑出相对稳定的结果，极致的效率才是真正的生产力解放！！！ 所以 xBubble 的 Bubble SOP 有意思的点就于它把会用 AI 这件事往后藏了一层，让普通用户不用先变成 prompt 工程师也能更快拿到可用结果。 —————————————————— 大胆预测一波，这轮 AI 最大的门槛，很有可能就是把复杂的工作流封装到普通人一句话就能用。 最后请看图 图一：xBubble 图二：另一 AI 模型 图三：我让 ChatGPT （GPT5.5）当裁判打分，结果一目了然。 同样提示词，结果自己看。

一个可能反常识的判断： 2026 年，社区运营最大的浪费不是没人回答问题。 是你的社区每天产生大量用户信号，但没有任何系统在捕捉。 谁在活跃，谁在沉默，谁的问题暗示了产品缺陷，谁的行为模式说明他下周就会流失。 这些信息全部以聊天记录的形式，消散在 Discord 和 Telegram 的滚屏里。 你的社区运营在干嘛？ 在手动欢迎第 200 个新人，在回答第 47 遍怎么注册，在翻 500 条消息找昨天那条关键反馈。 80% 精力花在重复劳动，0% 花在理解用户。 @LuciusHQ 它不是又一个 FAQ 机器人。它做的事本质上是把社区从一个客服窗口，变成一个用户情报系统。 · 每个开口的人不再只是一条消息，而是一份持续更新的画像：身份标签、活跃时段、核心需求、30 天行为曲线 · 每天定时汇报：社区聊了什么、处理了多少问题、哪些类型最集中 · 回复不是 FAQ 复读，是带引用、分点结构化、能主动补充关联信息的深度应答 · Discord、Telegram、Slack、飞书、网页小部件全平台覆盖，10 分钟部署 我自己测了一周。在 Discord 里随手问了几个 AI 模型相关的问题，5 秒内收到结构化回复，后台已经自动给我建好了用户画像：兴趣方向、活跃时段、提问偏好，连 30 天活跃曲线都画出来了。 不是在回答问题，是在理解提问的人。 Lucius 刚完成 300 万美金天使轮，目前已服务 30 多个客户，覆盖超过 3000 个社区和工作频道。产品层面支持 Discord、Telegram、Slack、飞书和网页嵌入，从配置到上线大概 10 分钟。 大多数团队还在把社区当需要维护的成本中心。 但真正跑通社区飞轮的团队已经意识到， 社区不是成本，是你最密集的用户情报来源。 差的只是一个能把情报捞出来的系统。

2022年8月3号。 合伙人被投资人刺激了一下——竞品AppFlowy刚融了640万美金——当晚决定开源。只给团队一个星期准备。 官网是开源当天凌晨1点47分才上线的。我坐在研发小哥旁边盯着他调每一个字号和间距。 开源第二天来了800个Star。第三天又涨了1000。 第一周：6000。 一年半后：33000+。 前者靠爆发力。后者靠耐力。大部分人只看到前者。 那个「爆发力」背后是什么？ 不是产品有多完美（说实话当时bug一堆）。是三件事： 1. 铺满所有渠道——Reddit、HN、Twitter、Discord一起发 2. 时机——开源趋势最热的时候 3. 勇气——产品不完美也敢发 但6000到33000的那段路——才是真正难的部分。 每月稳定200-300 Star增长。每周输出Tutorial教程。和10+个项目做集成。持续在Reddit和HN刷存在感。跟上下游框架作者互相站台。 没有一天是轻松的。没有捷径。 花了一整年才close一个很小的天使轮。却只花了一个月就确定了Pre-A。前后融资1000万美金。 前面的苦不会白吃。但吃的时候你确实不知道。 （所以每次有人跟我说「我想7天冲1万Star」——我都会问：你打算花多久从1万做到10万？如果没想过这个问题，说明还没准备好。） 你做过开源冷启动吗？最有效的渠道是什么？ 方法论我整理成了开源playbook👇

越来越享受「研究 -> 决策 -> 验证」这个正向循环。 2 月底才认识到内存/存储的庞大需求缺口，开始边研究边建仓，3 月赶上中东战争，小幅加仓，吃到了美光 $MU 的一倍涨幅。 3 月底看到了太空板块老二 $RKLB 的潜力，正好也能吃到 SpaceX IPO 的催化剂红利，果断建仓，吃到了财报后 50% 的涨幅。 4 月中意识到 CPU 整体供需错配，第一次追高建仓英特尔 $INTC，并打消了止盈 $AMD 的念头，吃到了 50-60% 的涨幅。 上个月布局的光互连板块，包括 $COHR $AAOI $SIVE，最近涨的也很不错，是我接下来关注的重点板块。对了，还有能源板块。 不过这些都不算是我的核心仓位，有一定投机性。 其中一些标的也确实已经到了超买的区间，知行合一，暂时止盈一部分，包括美光、RKLB、AMD、英特尔。 我觉得美股还是会出现资金轮动板块轮动，一些标的不会永远上涨永远超买，反而那些基本面很好但没怎么涨过的标的，现在最值得关注。 尤其是 Meta、微软，我觉得市场的注意力和资金迟早还是会回到大科技身上，需要一些时间耐心等待。 总结一下今年为止的美股，一二月不操作等待，三月左侧接飞刀，四月右侧追趋势，五月边享受边止盈落袋为安。 不求从鱼头吃到鱼尾，不求赚到最后一个铜板。接下来还是会花更多时间投研，把前沿 Alpha 频道做好，享受投研的乐趣，分享更多有质量的内容。

Anthropic 今天正式上线了一个叫做「Claude for Legal」的仓库，一口气放出了 12 个针对具体法律岗位的插件，以及超过 20 个连接行业常用软件的 MCP 连接器。 无论你是公司法务、打并购战的律所、专注隐私和 AI 治理的法律顾问，还是每天苦熬到半夜的诉讼律师，甚至是法学院里摸爬滚打的学生，这个仓库都给你准备好了对应的 AI 工具，直接在 GitHub 上开源了： 这些插件用之前不是即插即用，你得花 10 到 20 分钟，带着 Claude 做个简单的“冷启动访谈”，把你团队的 playbook、模板和风格习惯都塞进一个叫 CLAUDE.md 的本地文件。这样，以后每个插件干活儿的时候，都自动按照你自家的风格和标准来。 Anthropic 这么搞，是为了彻底解决 AI 法律工具最常见的槽点：输出内容太通用，看起来不像哪家律所自己的东西。 Anthropic 还是挺懂律所的痛点的。 比如 Vendor Agreement Reviewer 插件，它能自动对照你家合同模板改供应商协议，还贴心地输出一份 redline 备忘录； 又比如 NDA Triager，帮你自动把涌进来的 NDA 文件按绿黄红分级，绿灯放行、红灯直接推律师处理； Claim Chart Builder 插件可以一键生成专利侵权对比表； Privilege Log Reviewer 自动帮你跑第一轮特权日志审查； 而 Docket Watcher 插件则不知疲倦地盯着法院动静，帮你把最新动态实时扫进来。 简单讲，就是把律所里最烦、最机械、最浪费人力的活，变成了一个个简单的 slash command。 如果说插件解决的是律所内部效率问题，那么对行业系统的深度接入才真正体现 Anthropic 的野心。 现在，Thomson Reuters 的 CoCounsel、Harvey，还有 iManage、NetDocuments、Ironclad、DocuSign、Everlaw、Relativity、Box、Datasite 等几乎所有你能叫得上名字的平台，全都接入了官方 MCP 连接器。日常办公的 Word、Excel、Outlook、PPT 也全线打通。合同改完后，Claude 甚至会直接输出成 Word 修订模式，律师一条条接受或拒绝就行。 Anthropic 不只是把目光停留在高端律所。他们还特意做了些更「接地气」的事儿，联合 Free Law Project 和 Justice Technology Association，给法律援助机构、公设辩护人、非营利法律组织推出特别折扣，连给普通当事人设计的 Courtroom5 工具也接进来了。这点挺让人感触的，因为美国大约八成民事诉讼里的原被告，根本请不起律师。 Claude for Legal 背后的大脑是刚升级的 Claude Opus 4.7 模型。Anthropic 很谨慎地强调：所有插件输出都是“仅供律师审阅的草稿”，绝对不能替代律师的专业判断。 README 文件里反复提醒：引用必须追踪来源，涉及特权和主观法律判断时，要默认保守处理。毕竟法律这件事，AI 还是不能完全代替专业律师。 官方博客：