与「英検」相关的搜索结果

半年間で8回英検を受験した私の教訓を歌にしました。 #英語力ゼロの人間が英検準一級目指します# #英検SCBT# #英検# #英検準1級# #海外留学#

谷歌1800-1900亿美元的资本开支动向，才是检验半导体景气度的“试金石”——下游金主敢不敢砸钱，直接决定英伟达、台积电们的订单能排到哪一年。眼下市场盯着谷歌既要云业务维持60%高增长，又要自有现金流扛住天量支出，伯克希尔百亿入局更把这场“军备竞赛”的赌注推到台前。 下周特斯拉、英特尔先探路，微软亚马逊紧随其后，只要巨头Capex不刹车，半导体的高景气叙事就还能接着讲。

Ai赛道的公司 现在大致分成两（三）类 一类是卖铲子和牛仔裤的 一类自己去挖金子的 卖铲子和牛仔裤的（不全只是我自己知道的听过的） 英伟达、超威、英特尔、华为、谷歌 、亚马逊 阿斯麦、三星电子、SK 海力士、美光科技 长鑫存储、南亚科技、华邦电子 铠侠、西部数据、希捷 沪电股份、深南电路、高伟电子、安费诺 是德科技、思博、英维克、佳力图 挖金子的（不全） 谷歌、微软、meta、亚马逊、苹果、特斯拉 百度、字节、阿里、腾讯、理想、小鹏、比亚迪 deepseek、质谱、minimax、kimi 卖铲子（核心工具硬件）： 给所有淘金者提供刚需生产工具 不管模型 / 应用能不能赚钱 只要有人做 AI 就必须采购 业绩确定性最强 卖牛仔裤（配套基建 / 耗材 / 配套服务）： 淘金必备消耗品、配套基础设施 云、存储、网络、检测设备 属于 AI 产业刚需配套 介于纯铲子和挖矿之间 持续复购 挖金子（淘金者）： 亲自下场做大模型、AI 应用、AI 终端 直接面向客户变现 竞争惨烈、成败不确定 大部分亏钱 少数跑出来赚大钱 现在涨的都是卖铲子和牛仔裤的 因为淘金者都还没赚到钱 但是淘金者又不敢退出 只能继续加码要不然之前投的就打水漂了 金子大概率也是有的 但是什么时候暂时还不知道 淘金者现在有些股价也表现不错 但是业绩压力非常大

【香港猎人书店遭警方搜查 负责人被捕】 香港民主派人士黄文萱创办的独立书店“猎人书店”周三（6月24日）遭警方搜查，港警并以涉嫌“出于煽动意图作出具煽动意图的作为”及“处理已知道或相信为代表从可公诉罪行的得益的财产”罪名拘捕书店的两位负责人。港府周四凌晨发布公报指，已拘捕一名33岁女子及32岁男子，但未公布被捕人士身份；《明报》等香港媒体引述消息人士报导，其中一名被捕者为黄文萱。 据港媒《集志社》，24日傍晚，十数名警察至猎人书店搜查，期间撕下书店门窗上的《七年》歌词贴纸“罕见但也许还有”、拉下铁卷门，并有顾客与路人遭警方拦下盘查。 警方称被拘捕的两人涉嫌在店里展示及出售“具有煽动意图”刊物，内容“煽动他人引起对香港特区政府、司法机构及执法部门的憎恨”，涉嫌违反《维护国家安全条例》第二十四条“出于煽动意图作出具煽动意图的作为”。警方并在搜查店铺时检取一批具煽动意图物品、书籍和涉案文件。 警方还称，两人涉嫌收取外国组织的多笔汇款，可能违反《有组织及严重罪行条例》第二十五条“处理已知道或相信为代表从可公诉罪行的得益的财产”罪。 两人涉及的两项罪名均属严重罪行，依法分别可判处监禁7年及14年。 黄文萱为香港前区议员，自香港2020年实施国安法、多名民主派人士遭监禁后，仍持续公开发声。黄文萱曾表示感受到官方压力，她去年向美联社指出，2022年7月至2025年6月期间，政府部门曾对书店采取92次行动，包括到店检查、在店外高调巡逻，以及发出涉嫌违规的警告信等。 黄文萱也曾接受DW访问，谈她去年举办的“无处不阅读”独立书展；亲北京媒体《文汇报》去年7月撰文批评该书展具有“软对抗”意味，指其“释放大量反中乱港讯息”，并提及猎人书店贩售《黎智英传》、漫画家尊子等“反政府人士”的作品、邀请“反中乱港”人士专题演讲，或与其他“反政府”商店合作举办展览、电影放映会等。 今年3月，香港另一间独立书店“一拳书馆”负责人庞一鸣及3名职员亦曾因贩售《黎智英转》被以“明知而出售具煽动意图的刊物”罪嫌遭警方拘捕，后获准保释。

今天飞机上听了一下Anthropic “人精”们的演讲分享，觉得不错分享给大家。（含中英字幕） Anthropic内部的人说，他们99%的工程师都在跑300+个自改进的agent swarm。 核心不是堆更多agent，而是“close the loop”，给模型一个验证自己输出的机制。 让它自己跑计划模式、动态工作流、自我检查，然后根据真实反馈迭代。 他们内部已经在大量使用这种自循环系统，效果据说远超大多数花300美元买的agent课程。 关键在于不是一次性生成，而是让agent在多次尝试中不断修正和进化。 这其实把agent从“工具”变成了“能自我迭代的系统”。 当验证和反馈真正进入循环后，agent的可靠性会大幅提升，而不是只靠第一次输出赌对错。 当然，这也意味着token消耗会更高，但换来的是明显更强的执行能力和自我纠错能力。

字节第一个赚到钱的 AI 业务：Seedance 2.0，毛利率达70% 每卖出 10 元 API 调用，服务器和推理成本约占 3 元。一位业内人士根据 Seedance 2.0 的模型参数估算，一次完整训练成本在数亿元。 相比之下，语言模型通常有更多版本、更密集的迭代和更长的训练周期，总体训练成本可能是视频模型的 3 到 5 倍。Seedance 目前主要押注一个视频生成模型，训练投入更容易被后续收入摊薄。按这样的成本结构，“要实现盈利并不困难。” 上述人士说。 不过大模型的毛利率还取决于字节如何计算折旧。字节并非长期租用外部算力，主要成本来自自建数据中心和自购芯片。芯片按几年折旧会显著影响账面成本。类似争议在硅谷也存在：AI 芯片迭代太快，折旧年限到底该按传统服务器计算，还是按更短的技术周期计算，尚无定论。 这些都是更大的投入换来的。2025 年，业内主流判断是：沿传统的 DiT 架构（扩散式 Transformer）继续训，模型提升空间已经不大，多数团队转向后训练。业内头部的团队，有更多的资金、资源投入，做极致预训练模型。 经近一年优化，Seedance 2.0 成为第一个完整采用 MoE 的视频生成模型，参数 2000 亿，2026 年 2 月上线后迅速成为全球性能最强的视频模型。 今天的视频和语言大模型训练都必须用昂贵且难以买到的英伟达 GPU 或者 Google TPU。但训练完，上线使用时，视频模型对推理芯片的要求更低。语言模型一个词接一个词生成、每步都要回看上下文，对显存和卡间通信要求很高；视频模型的 DiT 架构能把一批数据一起算、分批输出，同样吃算力，但对卡间通信依赖低，很多国产芯片都可以跑。这是高毛利的基础。 Seedance 研发人力也更便宜。一位猎头说，多模态高阶人才薪资普遍比语言模型方向低 30% 左右。视频生成的竞争烈度低于语言模型，团队也精简——Seedance 核心算法成员仅十余人，绝大部分毕业就去了字节：总负责人曾妍是 2021 届博士毕业后加入，预训练负责人魏国强是 2023 届博士毕业，负责工程化的吴捷 2020 年从中山大学硕士毕业。 如今 Seedance 已经成为 AI 仿真人剧、漫剧的重要生产工具。制作公司借助它自动拆解剧本，生成分镜和提示词，再上传提前确定好的人设图、场景图，就能生成视频。人的工作主要变成检查结果，筛选出可用画面。 据我们了解，头部漫剧公司使用 Seedance 的算力成本在 5 万元左右。

黄仁勋跟红杉聊了一场很深的对话，把AI产业的底层逻辑讲得特别清楚 他提了一个概念：过去60年的计算机行业本质上就干了一件事——检索。写代码、拍照片、录音乐，存成文件，用的时候再调出来。数据中心说到底就是一个大硬盘 现在不一样了。AI不是从硬盘里找旧数据，是实时生成新内容。这是完全不同的计算范式，他管这叫"AI工厂" 然后他画了一个"五层蛋糕"来解释AI产业的结构： 最底层：能源。AI工厂需要巨量电力 第二层：芯片和计算。英伟达在这里 第三层：基础设施。土地、电力接入、建筑、融资 第四层：模型。OpenAI、Anthropic 在这里 最顶层：应用。创业公司和终端用户在这里 每一层都是万亿级别的市场 关于AI取代工作，他反驳得很干脆：AI消灭的是任务，不是职业。放射科医生没有因为AI看片子更准就失业，反而需求增长了。软件工程师也是，代码越容易写，能解决的问题越多，需要的工程师反而更多 你们觉得这个"五层蛋糕"的框架，哪一层机会最大？

在日本做了几年独立 AI 工程师,聊几个只有真正在这里干过才知道的事。不是签证、收入、市场分析那些,是日常工作里那些不会出现在任何攻略帖里的细节。 第一个没人告诉你的事:在日本,中国人做 AI 有一个非常奇怪的信用加成。 日本企业对"AI"这件事的认知来源主要是两个:美国和中国。美国代表前沿(OpenAI、Anthropic、Google),中国代表速度(DeepSeek、千问、字节)。你是中国人,天然被归到"速度快、实战经验丰富、见过大场面"这个认知框里。 日本本土的 AI 工程师大多数是从学术界转过来的,理论功底扎实,但生产部署经验偏弱。你跟日本客户说"我在中国的互联网公司做过日均千万级 DAU 的数据系统",他们的反应不是"哦",是"えー、すごいですね(哇好厉害)"。因为日本本土很少有这种体量的实战场景。 这个加成不是永久的,干砸一个项目就没了。但它给了你一个很好的开局:第一次见面时,客户对你的预期天然比对一个日本本地工程师高半格。 第二个没人告诉你的事:日本客户最怕的不是你技术不行,是你"突然消失"。 在日本商业文化里,"飞ぶ"(消失/跑路)是对合作关系最大的恐惧。他们之前遇到过的外国 freelancer 里,有人项目做到一半签证到期走了,有人拿了预付款之后联系不上了,有人说好的交付日期突然说"还需要两周"然后反复延期。 所以日本客户考察你的第一优先级不是"你有多强",是"你靠不靠谱"。靠谱的定义极其具体:说好周五交就周五交,邮件当天回,电话接得到,出了问题第一时间主动说而不是藏着。 我刚来日本的时候不理解这一点,觉得"技术好就够了"。后来才明白,在日本,你交付质量 90 分但每次都准时,比你交付质量 98 分但偶尔迟到一次,在客户心里的评价要高得多。信赖感(信頼感)是日本商业关系的地基,地基不稳什么都白搭。 第三个没人告诉你的事:在日本做 AI 落地,最有效的销售话术不是"AI 能帮你省多少钱",是"不用 AI 你会被同行甩开多远"。 日本企业的决策动机跟中国企业不一样。中国企业决策靠 ROI:"花这些钱能赚回来多少?"算得过来就干。日本企业决策靠"危機感":"不做这件事会不会落后于同行?"同行都在做,我不做,不行。同行都没做,我为什么要第一个冒险? 所以你跟日本客户谈 AI,最有效的切入方式不是给他算 ROI,是告诉他:"你的竞争对手 XX 已经在用 AI 做这件事了。"这句话在日本商业文化里的杀伤力,比任何 ROI 计算表都大。 当然,前提是你说的是真的。日本圈子小,胡说被抓到一次,你在整个行业就废了。 第四个没人告诉你的事:中日英三语是一个被严重低估的壁垒。 表面上看,语言只是沟通工具。实际上,三语能力让我能做到一件几乎没有竞争者能做的事:用英文读 Anthropic 的 system card 和最新的技术文档,用中文跟国内的 AI 社区保持同步,用日语跟客户的业务方和技术方深度沟通。 全球最前沿的 AI 信息首先出现在英文世界,通常晚一到两天出现在中文世界,晚一到两周出现在日文世界。我能在信息出现的第一天就消化它,然后在一周内把它变成日本客户能理解和使用的方案。 这个时间差就是我的定价权。日本本地的 AI 工程师要等日文翻译或解读出来才能跟进,美国的 AI 工程师不会日语进不了日本市场。中间这个位置,人极少。 第五个没人告诉你的事:我交过最贵的学费是"把中国的工作习惯带到日本"。 刚来的时候我犯了几个现在想起来都想扇自己的错误: 给客户发了一个方案,里面直接写"你们现在的做法效率很低,应该换成 XX"。在中国这叫直接、高效。在日本这叫"失礼"。日本的方式是:"贵社目前的方式当然是经过深思熟虑的(先给面子),不过如果考虑未来的扩展性(给台阶),或许可以参考一下这种方法(才提建议)。"同样的意思,包装方式完全不同。我花了大概半年才把这个习惯改过来。 还有一次,客户说"検討します"(我们考虑一下),我以为是真的在考虑,等了两周去跟进。后来才知道这句话在很多场合的真实含义是"我们不打算做,但不好意思当面拒绝你"。在日本,"不"很少被直接说出口,你得学会听懂那些"不是不"的"不"。 还有一次把项目进度做成了飞书文档共享给客户。客户完全不知道飞书是什么,打不开。后来老老实实改用 Excel + 邮件。在日本企业里,Excel 和邮件是永远不会错的选择。你觉得落后,人家觉得稳当。 第六个:最意想不到的获客渠道。 我以为在日本获客要靠 LinkedIn 或者行业展会。实际上我最有效的获客渠道有两个:一个是 X(推特),另一个是日本特有的"勉強会"(学习会/技术分享会)。 日本的技术社区有一种独特的文化:定期办免费的技术分享会,大家轮流讲自己在做的东西。你去讲一次,讲得好,会后有人来跟你换名片(是的,日本还在用纸质名片,而且交换名片有一套完整的礼仪),两周后邮件来了:"之前听了您的分享,我们公司正好有一个类似的课题,方便聊一下吗?" 这种获客方式成本为零,但信任转化率极高,因为对方亲眼见过你讲东西,知道你是真的懂而不是嘴上说说。 最后说一句总结。 在日本做独立 AI 工程师,最核心的能力不是技术,是"翻译"。不是语言翻译,是把全球最前沿的 AI 技术,翻译成日本企业能理解、敢尝试、用了之后能看到结果的东西。技术只是原料,翻译才是手艺。 而这个"翻译"能力是没法被 AI 替代的,因为它的核心不是信息转换,是理解两种完全不同的商业文化各自在怕什么、想要什么、能接受什么。这种理解只能靠在两边都踩过坑才能长出来。 所以如果你问我在日本做 FDE 最大的壁垒是什么,不是技术,不是签证,不是日语,是你愿不愿意花几年时间在一个节奏完全不同的市场里,把那些只有踩过才懂的坑全部踩一遍。 踩完了,壁垒就是你自己。

黄仁勋说AI会创造更多的工作岗位。 看了Sequoia对黄仁勋的完整访谈，41分钟，远比那些切片有分量。 他先把AI的进化路径捋了一遍：从生成文本到能思考、推理的系统，计算范式也从检索转成实时生成，每个像素、每段声音都是现造的。 接着用发电机比喻AI工厂，电进去，智能令牌出来。 最后给了五层投资框架，说今年基建投1万亿，未来生态年产值可能到20万亿。 上面这句话半导体投资者应该划重点 最后他举了放射科医生的例子。 AI没消灭岗位，反而因为效率提升让需求增加了，和多数人直觉相反。 整条视频适合想理解AI产业底层逻辑的人，从技术演变到商业格局都覆盖了，不是那种只教快捷键的教程。 不确定老黄提到的数字能不能兑现，但他说法本身值得琢磨。 #黄仁勋# #AI投资# #英伟达# #科技趋势#