与「超条先輩』2026年10月期放送開始！」相关的搜索结果

黃仁勳辭了 輝達少了一個能讓整條台灣供應鏈一起拍板的人。 🇹🇼 老黃是台南囝仔，共同創辦輝達、掌舵 33 年。他懂台灣的人情味，能直接用中文跟台廠老闆談。他敢先給承諾，台廠也敢先留產能、排產線。這份信任是幾十年一起做事累積下來的，新 CEO 要花多久才有？ 這幾天有人公開逼他下台。這波攻勢也衝著開源來。 老黃就應該fight 到底。。 全球市值最大的創辦人就這樣辭了？ 也太奇怪了。。背後不知道有什麼超級勢力

Cerebras 三季报调整后多半又超，可前两次超了，第二天都跌了一成以上🤣 8 月 12 号 Cerebras 出二季报那天，股价白天先涨了 11.6%，收在 262.06。盘后数字出来，调整后的主营收入 2.1 亿美元，比它自己给的指引多了 8%。调整后的经营亏损率是 16%，它自己给的是 30% 到 32%。第二天股价跌了 11.85%，第三天又跌了 5.21%。到昨天，它收在 101.08，比那天低了六成多。 6 月那次是上市后的第一份财报。调整后每股亏 4 美分，华尔街估的是亏 1 毛 4，也超了，第二天照样跌了 19.61%。 这两次跌，原因不太一样。6 月那次，市场盯的是毛利率，它把二季度的毛利率指引给到 36% 到 38%，一季度还有 47% 左右。8 月那次，我觉得一半要怪标题。华尔街的一致预期按调整后的主营收入算，新闻稿上并排还有一个 GAAP 营收，要先扣掉认股权证资产的摊销。快讯标题抓的就是 GAAP 那个，写成营收 1.801 亿、预期 1.94 亿，看着就像不及预期。 这季这笔摊销还在，我估有 5,000 万，美东今天盘后的标题多半又是营收不及预期，门槛这次也更高。华尔街一致预期调整后每股亏 1 毛 3，Earnings Whispers 的耳语数只亏 3 分。大家已经在等它大超了。股价也提前动了，从 11 月 5 号的 81.71 到昨天的 101.08，四个交易日涨了 23.7%。 四季度指引才是我最在意的。按三季度落在它自己的指引里算，全年主营收入 8.8 亿到 8.9 亿，倒推四季度得有 2.65 亿到 2.73 亿。这比三季度的指引要多两成以上。按第三方整理的 8 月电话会稿，CFO 说三季度是调整后毛利率的谷底，四季度会明显改善。北京时间明早 5 点前后数字出来。四季度营收指引要是过了 2.73 亿，调整后毛利率指引也到了 45%，前两次那种第二天大跌，这次就不一定了。 期权押的到周五涨跌，ApexVol 给的是 10.5%，拿周五到期的跨式粗算是 13.7%。欧易 CBRS 永续上没什么人，持仓才 260 万美元，多空账户比 1.64，资金费率是 0，两边都不挤。 超预期那个盘子，线是 GAAP 每股亏 1 毛 4。可这个数跟华尔街调整后的一致预期是一档的，几家估的在亏 1 毛 3 到 1 毛 4 之间。公布出来的 GAAP 要把上市以后摊的股权激励算进去，二季度连上市补记一共 3.77 亿，这季我估还有一亿多。这么算下来，GAAP 每股在亏 8 毛上下，离这条线很远。 第二天涨不涨，我没把握。前两次的样子摆在那，可股价比 8 月出数那天已经跌了六成多，锁定期 11 月 9 号也全部到期了。 等看完四季度指引和盘后，到时候详细的在我欧易星球跟进。

黄仁勋被暴出了小四后 那英伟达的股价情绪现在处于哪个阶段 恐慌见底通常要四条同时出现： 放量、长下影、VIX 跳升、板块跟着一起跌。现在只中了一条，就是放量 11/9 到 11/11 三天成交分别是 4.6 亿、4.3 亿、3.1 亿股，六个月的均量是 1.4 亿股，放量是真的 但 VIX 在往下走，同行走强，也没有出现单日反转的形态，说明市场在做理性重定价，还没到恐慌宣泄 这种阶段的特点就是，反弹多是技术性的，因为资金有更好的去处 黄仁勋真被开掉，对公司的伤害排序 1/ 合规这条最实质，也最不可控 调查里牵出的 Megaspeed 是芯片转运到中国的通道，只要查出公司内部有人给关系方开过绿灯，BIS 或者司法部立案就是罚单加上更严的许可条件 中国收入本来已经很低，杀不死它，但能持续压倍数，而且这个变量不靠情绪修复 2/ 接班人真空期 公司没有公开的接班计划，黄直接管几十条业务线，这是创始人扁平结构的代价 真换人，哪怕只是临时 CEO，未来 6 到 12 个月决策速度一定降，超大客户的 2028、2029 采购规划会先观望，这段窗口正好是 AMD 和自研 ASIC 抢位置的时机 3/ 关系资产折价 和台积电的产能、CoWoS 配额、各国主权 AI 订单，很大一部分是黄个人谈下来的 人不在了，这套关系不会消失，但优先权和议价会松 4/ 叙事溢价 市场给的倍数里有黄仁勋溢价，执行力加讲路线图的能力 去掉这一层，合理倍数大概从 25 到 30 倍落到 20 到 22 倍 5/ 经营数字，基本没影响 Q3 指引 1088 亿、毛利率 75% 是已经签下的单，未来一两个季度财报不会因为换人崩 定价是不是过激 要把两件事拆开，市场现在混成一团在卖 人事这块，我认为过激了 Kalshi 上 12/1 前离职的概率 80%，共识已经打满，等于把最坏结果当既成事实 但按第 4 条算，去掉人的溢价也就是 20 到 22 倍对应 190 到 210，现在按 Q3 预期年化只有 17 倍，比“没有黄的英伟达”还便宜一截 这中间的差价，是市场额外贴现了真空期出错，属于情绪定价 合规这块，我认为定价不足 它没有时间表，罚多重、管制会不会加码，全看调查结论，这种风险只能等，不能用估值便宜来对冲 所以现在的价格是这样一种结构，人事的恐慌已经超卖，合规的尾巴还没算进去 接下来三个可验证的信号 - 董事会给的是临时 CEO，还是董事长与 CEO 分权、黄留任 后者是预期差最大的一条路 - 11/17 电话会谁主持。黄缺席，说明结果已经内定，财报再漂亮也没用 - 有没有 BIS 或者司法部正式立案的公告，这条一出，这几乎是可能最差的情景了，虽然出现的概率比较低 至于能不能买，说真话啊 理性告诉我，别买，别抄底 但这个市场就是奖励勇敢者的市场，我买了一些英伟达

分享一个恶心的AI自媒体爆款开头 最近两篇用这个方法，小红书涨粉 1000+，爆了两条互动 2000+的视频，3s完播和互动率都非常高。 那就是——用Seedance2.5 +自己的形象，做个10s 左右的冲突短剧，再引出AI 主题。 比如我这条就是OiiOii 短剧出海功能的商单，开头是我在演讲，“做 ai 短剧出海的步骤很多，” 然后一个人站出来说“你放屁，明明有更简单的方法”。 这种冲突的手法，结合如今以假乱真的AIGC 效果，顺其自然的就把产品和讲解引出来了！ 无论是平时普通的分享，还是广告植入，这个方法太博人眼球了。 制作也非常简单： 不需要去抖音上找灵感，直接让你的 GPT 帮你做几个 10s 左右的冲突反转剧本的提示词，挑一个你觉得不错的，保存下来。 然后打开像即梦，Libtv，Tapnow，OiiOii这种画布工具，上传一张你的照片，先用 image2.5把你的人物三视图做出来，也可以加入你的音频，然后用 Seedance2.5 480P，选好比例，把刚才GPT 的提示词输入进去，生成，最后超分到 1080P 就完事儿了。 简单粗暴但是很好用，成本才几块钱… 对于上万的商单来说简直是九牛一毛 but 四两拨千斤的效果！！ 大家快去试试吧，不会起号的小伙伴，用这个AI 冲突开头+之前分享的爆款模板，说不定有惊喜！

世事无常，生命有限。两年前肚子上长了个大包，医院建议割掉，嫌麻烦也没管。7 月初感染了，一开始保守治疗，吃抗生素、抹药，还越来越严重了。309 医院做了 B 超，发现囊肿已经长到了 3cm * 3cm * 2cm，还破裂感染了，说只能切开引流，留下开放创口慢慢长肉了。 老婆推荐我去北京中医医院。疮疡科王广宇主任一看，就说这也只能清创之后慢慢长肉了。当天下午就做了清创手术，把囊肿和附近烂掉的肉挖掉，留下一个 3cm * 3cm * 1.5cm 的大坑。 王主任说我这来看的太晚了，囊肿比鹌鹑蛋都大了，相当于一个小鸡蛋了。如果不感染的时候来切掉，创口可以缝合，半个月就能好。现在感染了，只能留下开放式创口，得天天换药一两个月了。 手术过程中肯定是疼的不行，本来以为麻药下去后会更疼，没想到一小时后就不怎么疼了。由于一牵拉到腹部就会疼，走路都跟跛了脚一样，医生说我这又不是腿上做了手术，用不着这样。 术后前三天，每天去医院换药，换药的时候肯定疼，但换完药之后过一个小时就不疼了。第三天换完药后医生说长得不错，给开了红纱条（引流条），让自己回去天天换药。 老婆一开始买了一些纱布、碘伏、酒精、镊子和剪刀，但家里怎么消毒倒成了麻烦。一开始是在蒸笼里蒸半个小时，感觉太麻烦了。 后来我发现无菌换药包只要不到 5 块钱一包，里面有一套无菌的镊子、碘伏、纱布，每天用一包就行了。只要一开始用消毒后的剪刀把红纱条剪好，后面就不用剪了。无菌换药包里面有两个镊子，一个是用来夹干净东西的（红纱条、碘伏），一个是用来接触伤口的。这些都是我们第一次知道。 为了方便洗澡，我们买了无菌敷贴，洗澡前贴上无菌敷贴，就不会进水，但一开始还是不敢洗澡，只敢用水冲腿、后背和洗头，上身用毛巾擦。 手术后 7 天的时候，大坑开始逐渐变浅、变小了，每天 1-2 毫米的样子，每天换药就不怎么疼了。 10 天的时候，我去医院复查，王主任告诉我说红纱条塞的太多了，把旁边的好肉都给腐蚀了，只要覆盖里面就行了。9 天的时候我腿上也长了一个皮脂腺囊肿，心想这还能转移呢，王主任正好看到，给开了一个复方化毒膏，抹了两天，囊肿就破了。这样每天连肚子带腿，要给两个地方换药消毒。 12 天的时候，大坑里的肉基本长平了，周围的皮也开始往中间爬，边缘处已经被新皮覆盖了。这比估计的快不少，本来以为得三四周才能长平的。 19 天的时候，肚子上的创面结痂了。腿上的囊肿小，好的快，一周就长好了。21 天的时候去复查，王主任说等痂掉了，就好了。终于可以贴着无菌敷贴洗澡了，不用擦身子了。25 天的时候痂掉了，露出了新长的嫩皮。28 天的时候，洗澡的时候也不贴无菌敷贴了。 今天距离手术已经过去两个多月，那里还是留下红红的一片肉，像皮下塞了一块鲜牛肉，按起来还是有点疼。可能得三四个月才能完全长好。 北京中医医院疮疡科王广宇主任真的不错，首先在感染的情况下一次就给切干净了，避免了开两刀（其他医院要先切开引流，消除感染后再完整切除），其次术后除了换药以外几乎没有疼痛，不影响正常睡觉和生活，最后好的也比想象的快，换了三周药，这么大的坑就长好了。 皮脂腺囊肿还是要趁没有感染的时候尽早切除，感染了太麻烦了。 对了，这条内容是 Codex 用 greenbubbles 访问我的微信聊天记录写出来的，之前一直懒得写。没有 context，怎么能做出好的 personal agent。

NVIDIA 发布 Skill2Env：用“集体技能”强化智能体 NVIDIA 研究者们把社区公开的 Agent Skills 编译成可执行 RL 训练环境的数据流水线：3.4k 个 Skills 变成 8k 个带程序化测试和行为量规的终端任务；仅 300 步 RL 训练就让 Qwen3.8-27B 在 Terminal-Bench 2.1 上提升 4.7 个百分点，且模型行为显著向源 Skills 的方法论对齐。 开源项目： 核心洞察：公开 Agent Skills 是一个被忽视的监督来源 Agent Skills 是“教智能体做某件事”的文件夹：一个 SKILL.md 加上可选的脚本、参考资料和资产。论文指出，把公开 Skill 语料当作数据来读，它同时提供三样东西： · 任务分布的采样：人们真正想让智能体处理的任务分布（有人愿意花时间写下工作流，说明这活儿值得自动化）； · 真实世界的锚点：指向真实的仓库、数据集、工具和工件； · 结果测试表达不了的质量标准：领域专长、默认参数、常见坑、“好结果长什么样”。 # 数据流水线：四阶段编译，验证靠构造 1. Plan（分解）：容器化的 Codex 规划器读取完整 Skill 包、联网调研相关公共资产，把 Skill 拆解成若干可验证的 workflow，每个附带元计划（场景、初始世界、预埋缺陷、难点来源、解法草案、验证策略）、资产建议和“任务轴池”（任务原型 × 验证器模式 × 人物画像）。 2. Diversify（多样化）：宿主从轴池采样一组组合，加上复杂度、指令语气、请求者专业水平。关键设计是轴池以 workflow 为条件：研究型 workflow 配“证据可追溯”验证和研究者画像，而不是从全轴乘积空间乱抽，这让多样化保持 sensible。 3. Create（构造）：全新创建者 Codex agent 在 Docker 内工作，尽可能用真实素材（钉在特定 commit 的开源仓库、真实版本化文档、官方 API 规范）；需要联网服务的场景改造成本地替身（stub 服务器、录制回放 fixture、PATH 上的假 CLI、种子数据库），求解时绝不依赖网络。创建顺序被严格固定：先建世界 → 写指令 → 写测试 → 写量规 → 最后才写参考解，测试先于解法冻结，保证解法必须迁就评分契约而非反过来。 4. Verify（验证）：宿主端无模型参与的接收门：静态检查（布局、符号链接、Dockerfile 安全、基础镜像按内容摘要钉死）+ 两个容器内试跑：Oracle（参考解）必须全指标满分，NOP（什么都不做的 agent）必须全指标零分。任一失败即拒绝。 值得注意的一个反直觉选择：不做 teacher 模型预验证（不像部分工作用强模型试解、解不出就丢弃任务）。理由有二：这会把任务难度上限压到验证器能力，且成本翻倍；而 group-based RL 的在线动态过滤（rollout 无优势的 prompt 自动不产生梯度）天然淘汰过难/过易任务。 # 数据画像：广、贵、且忠实于源 规模与成本：7,971 个任务，用 GPT-5.6 Sol（xhigh 推理档）生成，API 花费超 9 万美元。（脚注：出于法律原因，公开发布的数据集改用 Kimi-K3-max 在同一流水线下生成。） 领域分布：13 个领域中，软件工程仅占 22.5%，AI/ML 10.5%，商业/金融/法律/HR 10.5%，营销 9.3%……论文对比了 TMax-15K、Terminal-Bench、DeepSWE 等，Skill2Env 是唯一全覆盖 13 域、且非技术知识工作占大头的语料。 忠实度探针（很聪明的设计）：用任务指令+量规作查询、对 3.4k 个 SKILL.md 做 TF-IDF 检索，73.2% 的任务 top-1 命中真实源 Skill，94.6% 进 top-10（随机 0.03%）。单用量规也有 68.5% top-1，证明量规携带的是 Skill 专属方法论而非泛泛建议。 SFT 数据：用 GLM-5.3 对每个任务 rollout 两次，得到 15,968 条轨迹，平均奖励 0.74，中位轨迹 19 次模型调用 + 23 次工具调用。 S2EBench：考虑到公开基准饱和，从 SkillHub 另外生成、逐条人工审核（指令无歧义、忠实于源 Skill、测试公允）后的 79 任务私有 held-out 基准。 # RL 实验：基础设施 + 极简配方 基础设施（论文明确说“现代 agentic RL 首先是基础设施挑战”）：Molt（PyTorch 原生全异步训练，Ray + vLLM + FSDP2）+ Polar（agent rollout 层：rootless Apptainer 沙箱、代理回传 token ID 和采样时 log-prob、prefix merging 把 harness 的多次补全缝合成训练轨迹）。 配方（刻意走“简单路线”）：GRPO 组归一优势 + DPPO 的 binary-KL 信任域掩码（δ=0.05，超出阈值的 token 直接丢弃，无需参考模型，还能防训练-推理失配）；G=8 rollouts/组，批 64，lr 1e-6 恒定，无 KL 惩罚、无熵奖励、无 SFT 热启动，每任务 65k 上下文。 量规校准奖励：开量规时，额外由 GPT-6 Astra 做 LLM-as-Judge（带“宪法”：惩罚无脑循环、reward hacking、答非所问；hacking 实证 = -5 分），总奖励 r = r_V + λs/5（λ=0.2），即 judge 最多把程序化奖励拉动 ±0.2。量规是校准可执行结果奖励，而非取代它，这是与“Rubrics as Rewards”一系的定位差异。 # 四项发现（论文最有信息量的部分） 发现 1：小规模 RL 即有跨域迁移。 仅 300 步、只用 2,400 任务子集训一个 epoch：S2EBench pass@1 +4.3（均分 +18.5），Terminal-Bench 2.1 +4.7（49.4→54.1）。训练集与 TB 无重叠（13-gram Jaccard < 0.8），且训练集从未针对 TB 调过，论文将其解读为规划、工具使用、收尾能力的通用提升而非任务族记忆。这让 27B 本地模型显著缩小了与云端前沿模型的差距。 发现 2：量规校准 RL 在基准上落后于纯结果 RL，一个诚实的负结果。 量规版在 TB 2.1 只有 50.1（纯结果版 54.1）；训练中量规版的程序化奖励长期停在 0.5–0.6，judge 分项从头到尾无上升趋势，两个奖励在训练分布上互相拉扯。论文不把它当作对量规奖励的终审判决（两者优化不同目标，而基准只考结果那一半），并给出两个疑因：λ=0.2 的加性形式让失败任务仍能拿正奖励、judge 看不到文件系统等设定均未调优；以及更本质的，Skill 写下的方法论可能本来就不是最大化基准通过率的分布。 发现 3：行为确实向 Skill 对齐，量规的价值所在。 200 个任务的成对偏好测试（judge 拿源 SKILL.md 当标准，比较匿名化的 base 与 RL 轨迹）：纯结果 RL 已被偏好 54.5% vs 33.5%；量规版被偏好 73.0% vs 24.0%。这说明量规奖励买到的东西在结果基准上看不见，但对“怎么做事”影响实质，对网页开发、报告综合、开放研究这类难验证任务尤其重要。 发现 4：GLM-5.3 蒸馏 SFT 反而伤害 Qwen。 在 GLM-5.3 轨迹上做 SFT：27B 上 TB 2.1 掉到 45.8；4B 上直接崩塌（TB 18.7→3.4，出现思维/工具调用死循环）。归因：教师的 interleaved-thinking + 工具调用风格与学生自身 post-training 不兼容，模仿覆盖了学生依赖的行为模式却带不来教师的能力。与 TMax 报告的“SFT 混合数据劣化已后训练的 Qwen”互相印证。因此论文所有 RL 结果都从未修改的原始 checkpoint 出发。

Claude Code 会话价值最大化指南 -- 适用于你的 Coding Agents：从缓存、上下文到 Subagent 的成本优化 先看两个问题： 1. 单个 token 的价格由什么决定 2. 一个会话会发出多少 token # Token 单价的三个决定因素 1. 模型 更大的模型对输入、输出都做更多计算。难题/模糊任务用大模型，常规任务用小模型——其余所有优化都会被模型单价放大。 2. 输入 vs 输出 · Prefill：系统提示、CLAUDE.md、你的消息、以及会话中累积的所有内容（读过的文件、命令输出）。 · Decode：思考、工具调用、回复文本。逐 token 串行生成，GPU 占用时间更长，因此输出价格约为输入的 5 倍。 · 输出中很大比例是 thinking token，其数量由 /effort 控制。已知是体力活的会话，可用 MAX_THINKING_TOKENS=0 直接关闭思考。 3. 提示词缓存 · 机制：请求前缀与上次完全相同，则前缀部分直接读取缓存状态，只对新增部分全价 prefill。 · 价格：缓存读取 0.1×，缓存写入最高 2×（写入只发生一次，之后每轮都是 0.1× 读取）。 · Claude Code 自动管理缓存，但以下行为会击穿缓存，导致整个会话重新全价 prefill： · /model 切换模型（含 opusplan 进出 plan 模式） · /effort 切换思考档位 · 开启 Fast mode（且按 fast 价格重新 prefill） · /compact 压缩会话（系统提示部分保留） · 时间过期：订阅 1 小时、API key 5 分钟（ENABLE_PROMPT_CACHING_1H=1 可延长到 1 小时）；恢复旧会话基本必然 miss 结论：不是不能切换，是要选便宜的时机——会话开始时或 /clear 之后，而不是长对话中途。 # 会话 Token 量的成本模型 关键事实：进入上下文的任何内容（读过的文件、命令输出），会在之后的每一轮被重新发送，直到会话结束。虽然有缓存折扣，但便宜不等于免费，还占用模型每轮要"绕着思考"的上下文空间。 1. 什么进入了上下文 · 启动即加载：工具定义、系统提示、CLAUDE.md、MCP 工具定义。用 /context 审计；CLAUDE.md 只留通用指令，流程性内容移到 skills；用不到的 MCP 用 /mcp 关掉。 · 探索成本：说"测试挂了"，Claude 要先 grep、开一堆文件去定位，这些中间结果会留在上下文里。直接说"修 utils.test.ts 里挂掉的测试"省掉搜索；用 @ 提及文件连 Read 调用都省了（文件随第一条消息直接附上，且一次会话只需提及一次）。 · 命令输出：超过 3 万字符会自动落盘只留摘要（BASH_MAX_OUTPUT_LENGTH 可调），真正的杀手是阈值以下的中等输出——比如 400 行逐行打印的通过测试。对策：给命令加 quiet flag、用 subagent、或用 hook 改写嘈杂命令；把高频命令连同静默参数写进 CLAUDE.md。 2. 在上下文里停留多少轮 · 一个长会话比拆成几个短会话贵，且贵得超乎直觉——第 40 轮要重读前 39 轮。 · 任务切换用 /clear，同一任务前半段完成用 /compact；/clear 前可先 /rename 以便找回；/compact 时告诉它保留什么。 · 一个反直觉的省钱技巧：如果最近几轮走偏了，用 /rewind 回滚而不是 /compact——rewind 只砍掉尾部，前缀缓存仍在，成本为零。 · 注意"你不在打字时发生的轮次"：/loop 每次都携带整个会话触发完整一轮，超 1 小时还叠加缓存失效——应在新终端的干净会话里跑。 3. Subagents：隔离上下文的另一手段 · 子 agent 有独立上下文（含系统提示、工具、CLAUDE.md），但不带你的对话；只有最终结论返回主会话，其余全部丢弃。 · 代价是可能要重读主会话已读过的内容，小任务不划算；适合"产出大量你不需要保留的输出"的任务（如翻日志）。 · 固定外包的嘈杂任务，给它定义一个用 haiku/sonnet 的专属 subagent，否则它默认跑在主会话的模型上。 # 可执行清单（按性价比排序） 1. 任务之间 /clear —— 阻断无关上下文持续计费 2. 开工前定好 /model 和 /effort —— 中途切换击穿缓存 3. @ 提及文件代替写路径 —— 省掉 Read 调用和搜索 4. 嘈杂命令加静默 flag 或丢给 subagent —— 命令输出会驻留整个会话 5. 新会话先跑 /context —— 审计启动加载项，砍掉不需要的 6. 离开键盘前 /compact —— 缓存 1 小时过期，趁热压缩便宜得多

李嘉诚又在跑了。而且这次跑的速度比以前都快。 半年四笔交易，套现逼近2000亿港元。英国电网、英国电讯、火车租赁、澳洲能源，全卖了。 这些资产他有的拿了十几年，回报超过六倍，现在一口气全清。 上一次他这么大规模撤退，是2013年从大陆跑的时候。 先看他卖了什么。 英国电网，2010年收的，持有16年，累计分红44亿英镑，总回报超6倍。 今年2月以105亿英镑卖给了法国ENGIE。资产本身没出问题，纯粹是价格到位了，高位兑现。 英国电讯Vodafone Three，长和只持有49%的少数股权，业务本身还在亏损，年亏近1亿英镑。 移动通信要持续烧钱投频谱和网络，少数股权又没控制力，卖了合理。 火车租赁和澳洲能源，加起来又是两三百亿港元。 三笔交易三种逻辑，但有一个共同点：全是主动卖的，没有一笔是被逼的。 问题来了。赚钱的资产为什么要卖？ 因为"搬不走"这件事，从优势变成了劣势。 李嘉诚发家几十年靠的就是一条逻辑：买搬不走的硬资产。 港口、电网、铁路、水务、电信。这些东西不会消失，不会贬值，持续产生现金流。 这套打法让他穿越了无数经济周期。 但2024到2026年，两件事把这条逻辑撕开了口子。 2024年，英国政府以"国家安全"为由强势介入调查了他旗下的电信交易。 2026年2月，巴拿马政府直接以"违宪"为由强行接管了长和系深耕多年的港口资产。 港口、电网、电信，这些都是一个国家的命脉。当政治风向变了，合同就是一张纸。你的资产搬不走，人家的手伸得到。 李嘉诚想明白了一件事：当全球规则从"契约精神"滑向"地缘博弈"的时候，搬不走的硬资产就是最危险的资产。 所以他的选择很干脆——全部变现，把筹码收回口袋。 钱收回来之后往哪去？ 李泽钜说得很明确：不预设地域偏好，只要回报合适，香港、内地、海外都可以。 同时长和系在做另一件事：从重变轻。屈臣氏准备再推上市，全球电讯业务考虑分拆或部分出售，43个港口资产在洽售。 整个家族的资产结构正在从"重资产绑定"切换成"轻资产+现金"。风险敞口从不可控缩到可控。 96岁的李嘉诚在做最后一轮战略调仓。他不在乎别人说他是跑路还是清仓。 他只认一件事：现金到手的确定性，比任何资产的账面价值都高。 半年2000亿港元。他在别人还在犹豫的时候，先把筹码拿到了手里。 上一次他这么干的时候，后面发生了什么，你应该还记得。

做一个下dsh和pi的对比 Pi 的目标是“最小核心 + 用户自己拼”，DSH 的目标是“几乎所有能力都插件化，官方先给你几套完整组合”。 DSH 的骨架是Cordis。 Cordis 不是普通插件加载器，它强调两件事： 1. 可逆副作用（temporal composability）：插件卸载时，注册的服务、事件、工具 schema、prompt section 全部自动撤销。 2. 依赖声明与空间组合（spatial composability）：插件通过 `inject` 声明需要什么服务，运行时按依赖挂载。 所以在 DSH 里： - 模型适配器是插件 - 工具注册表是插件 - session log 是插件 - agent loop 本身也是插件 - 甚至 UI 也是插件 没有“神圣不可动的核心”。你想换 loop、换工具策略、换上下文压缩，挂一个新插件 + 改配置就行。 启动时是 Profile + Bundle叠出来的： 空根 → dsh-base（模型、工具、沙箱、凭证…） → dsh-web-app 或 dsh-headless → 用户自己的 cordis.patch.yml → 命令行 --patch `dsh --profile web --dump-config` 能直接把当前实际挂载的树打出来。 Session 设计是硬核部分 Session 是 append-only 的事件流 模型最终看到的上下文，必须能从这条 log 完整重建出来。官方写得很死： > Model-visible means logged. 任何会进模型请求的内容，都要先变成 session event。 所以 fork、resume、回放、UI 渲染、telemetry，全部从同一条流投影。这点比大多数 coding agent 做得更彻底。 Turn / Step 有claudecode的影子，流程如下： turn/start → claim input → agent/pre-step（可拦截、可改写） → step/start → llm/stream → tool/call → tools/pre-execute → execute → post-execute → step/end → 继续 or turn/end `agent/pre-step`、`tools/*` 这些是 waterfall，监听者必须显式 `next()` 才能往下传。扩展点设计得很规整。 Pi 的实际交集 DSH 仓库里有一个包： `@deepseek-ai/dsh-llm-pi-ai` 它就是把 pi-ai当成 LLM 适配器的后端。 多 provider、协议兼容、reasoning effort 映射、catalog 覆盖，都走 pi-ai 的能力，再包一层 Cordis 插件契约。 所以： - LLM 调用层：吃了 Pi 的基础设施 - Agent 编排、工具、session、UI、沙箱：完全自己的 Cordis 体系 “LLM 适配层直接用了 pi-ai，上层重做了一套更重的可组合 Runtime”。 模式上的对应 DSH 的 Minimal 模式才最接近 Pi 的默认体验：只留 shell + 文件编辑器，专门给 benchmark 用。 官方之前在 V4 的 agent 评测里就用过这个模式。 Standard 模式和 Code（PTC）模式则是完整工具集 + 程序化工具编排，已经远超 Pi 默认的 4 工具。 如果你喜欢 Pi 那种“核心极瘦、自己动手加东西”的感觉，DSH 会显得重，配置和概念也更多。 如果你要的是可替换的 agent loop、完整事件回放、多模式预设、以及官方已经搭好的 Web 界面，DSH 的插件树和 seam 设计更系统。 一句话： Pi 是极简可扩展的 coding harness；DSH 是基于 Cordis 的完整 Agent Runtime，LLM 层复用了 pi-ai，但整体不是同一套代码。

深圳华强北2000余人被抓：一门20年生意的终结。华强北卖水货手机已经不是新闻，这门生意持续了二十多年。从最早的港行诺基亚，到后来的美版、日版iPhone，再到少量的谷歌Pixel，华强北就是靠着这条灰色产业链，养活了几十万人，并把货铺到了全国每一个县城的手机店。所以最近的消息才让人震惊，一开始只是说不让卖外版苹果和谷歌手机，查柜台，后来风向直接就变了，据说以走私罪抓人，涉及两千多人。如果是真的，这就已经不是整治，而是定性了，性质完全变了。 为什么是现在？一个存在了二十多年的行业，不可能今天才被发现，它能存在这么久，本身就是被默许的。默许的原因很简单，有需求，能就业，能交租。美版iPhone比国行便宜一两千，有消费者愿意买单，华强北几万个档口要生存，而水货带来的维修、配件、二手翻新的生意，更是撑起了整个生态。那为什么偏偏是现在要动手？其实是四个原因撞在了一起。 第一个原因是国产手机不好卖了。过去两年，国内手机市场已经是绞肉机，华为强势回归，小米、OV在中低端死磕，就连苹果官方的销量都在下滑。这个时候，每一台免税进来的美版iPhone，都是在抢国行经销商的饭碗，抢国家的关税和增值税。要保国货，要保税收，就必须先砍掉水货。 第二个原因是罚没本身成了一门生意。以前查水货，是行政处罚，没收货物，罚点款就过去了。现在一旦定为走私罪，逻辑就完全不一样了。按照法律规定，偷逃应缴税额五十万以上就是五年到十年，二百五十万以上就是十年以上到无期，并且可以并处没收财产。一个柜的美版iPhone货值就过千万，如果真的涉及两千多人，这背后的罚没金额将是一个天文数字。在当下的财政环境下，这笔钱的吸引力是巨大的。 第三个原因是外版机本身就是一个漏洞。这次被点名的恰恰是美版苹果和原生谷歌手机，它们的共同点不是便宜，而是不可控。美版iPhone是纯eSIM，没有实体卡槽，谷歌手机原生就跑着全套谷歌服务，它们不会预装国内要求的一些框架，也无法被轻易纳入统一的管理体系。在万物皆可管的今天，一个无法被管控的硬件入口，是不能被容忍的。 第四个原因是治理逻辑已经变了。以前是养鱼执法，割韭菜，抓一批罚一批放一批，让你继续养。现在是清场逻辑。从华强北之前的矿机，到美妆，再到现在的手机，路径都一模一样，先让它野蛮生长，形成规模，形成完整的证据链，然后出一个司法解释，一锅端。所以不是现在才发现你有问题，而是现在才需要你有问题。 那么到底是为了图财，还是为了加高信息墙？其实这两者是同一件事的两面。从经济上看，它就是一次精准的没收。走私罪是所有经济犯罪里最容易实现人财两空的罪名。你做水货，流水可能几千万，但利润只有百分之五到八，可一旦定罪，是按货值来计算偷逃税额来罚的，罚没的金额会远超你过去二十年的总利润，你以为的资产，在追缴违法所得面前会全部清零。从政治上看，它则是为了彻底封死硬件的后门。华强北的水货网络，本质上是一个遍布全国、不经过任何官方体系的地下物流和信息网络，它今天能把一台没开封的美版iPhone从香港运到新疆，明天就能运别的东西。把这个网络打掉，把所有非国行的硬件入口堵死，信息高墙才算真正闭环。所以图财是里子，图墙是面子，一举两得。 这件事最让人细思极恐的，不是华强北本身，而是它背后的规则，给所有在国内经商的人都提了个醒，那就是灰色地带是最危险的地方。在华强北，所有卖水货的人都有一套自我安慰的逻辑，认为自己不报关，被查到就认罚，自己就是做生意的，大不了关几天，他们把这叫做生意风险。但他们忘了，在中国的法律体系里，行政违法和刑事犯罪之间，只隔着一张纸，那就是司法解释。只要需要，一个会议纪要，就可以把长期、多次、大量收购、贩卖境外货物的行为，从未经许可经营解释为走私犯罪集团。于是，你的上家、下家、给你转账的老婆、给你开车的司机，全部成了共犯，两千人还只是开始。你以为的行业惯例，在卷宗里叫长期犯罪事实，你以为的交罚款就能出来，在定性之后就叫没收违法所得。 这就是在中国内经商最核心的风险，你手里从来没有确定性，规则的解释权不在你手里。先默许你存在，让你把产业链做大，把把柄做实，等你肥了，需要政绩和税收的时候，再来定性收割。华强北二十年的水货史，可能真的要结束了，但它结束的方式，值得每一个还在灰色地带里讨生活的人思考，当你的生意建立在别人的默许之上时，你所谓的资产，到底是你的，还是别人账本上早已写好的罚没指标。