与「软件资讯」相关的搜索结果

#软件资讯# 印度政府发函要求 GitHub 3 小时内屏蔽 @jack 的去中心化蓝牙网状聊天应用 #BitChat，理由是该应用匿名化、没有中心服务器、不需要实名认证，这不利于监管。# BitChat 不依赖互联网，而是通过蓝牙进行点对点连接和通过蓝牙进行网状组网。 印度无法通过技术手段直接屏蔽 BitChat，所以要求 GitHub 禁止印度民众访问 BitChat 开源代码仓库。 查看全文：

#软件资讯# @Firefox 正在预览 2026 新设计，名为新星计划，旨在为用户提供更加个性化和温暖配色方案。新设计理念旨在保持现代感的同时避免分散用户注意力，因此菜单和控件等元素正在标准化，确保桌面端和移动端保持相同的体验。启用方法：

深圳22岁在校生，依靠一台千元红米手机，仅三月单月就收获14700美元收益，父母一直以为他全身心投入备考。 设备设置每三十分钟自动打开六款国内新闻客户端，自动阅览资讯标题、截屏留存内容，提炼关键信息交由Claude分析。AI结合资讯内容与Polymarket价格波动，生成对应的操作参考建议。 👉 平台官方访问链接： 全程无需掌握编程知识，开源项目PhoneDriver是整套自动化方案核心。运行逻辑简单直观：AI通过视觉识别模拟人操作手机，自主完成点击、滑动动作，使用者只用大白话交代执行任务。不用调用软件API、改动程序底层，仅依靠屏幕画面像素完成识别交互。 他的盈利核心来自信息时差：微博、头条等平台会第一时间放出国内经济、贸易、监管相关中文资讯，外文媒体翻译存在数小时延迟；Polymarket市场参与者以海外用户为主，消息落地盘面存在20至50分钟空档期。 六款资讯软件中有三款严格拦截爬虫程序，但PhoneDriver仅模拟人工操作，不抓取后台原始数据，能够24小时持续运转。绝大多数移动端应用并未对外开放数据接口，但都带有可视化界面，这款视觉自动化工具刚好适配全部软件。 有Polymarket跟单复制需求，推荐PolyCop自动跟单工具：

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 微博VibeLab AI 创意赛收官了，一共有 2500 多件原创作品，2.4 亿多话题阅读。很荣幸这次是评委一员，有机会翻看了不少优秀的参赛作品，也转发了其中一部分。 一个直观的感受就是软件开发这种事情，不再需要专业人士了，普通人也能 Vibe 一个工具出来。 所以借这个机会，整理总结一下：为什么越来越多人愿意“自己搓一个工具”？Vibe Coding正在发生什么变化？ 一、写代码这件事，门槛和成本都降下来了 写代码以前是程序员的专利，想写个工具，别说学语言框架，搭个环境都费劲的要死，随便一个环境都能把你卡住，像我这样写程序得有很多年的，换个不熟悉的语言，一样也搞不定。 现在借助 AI Agent，门槛一降再降，现在你只要有一个 Agent，会打字或者会语音，都能指挥 Agent 帮你写一个 App 出来。写代码这件事，从以前需要专业技能，到现在变成了语言表达能力。 我自己身上都有明显变化，从以前对 Vibe Coding 的嗤之以鼻，到现在“真香”，每天都大量的在指挥 Agent 帮我写代码。 二、以前的软件，满足不了长尾需求 长尾理论说的是，需求分布是一条长长的尾巴：头部是大多数人共有的需求，尾巴上是无数小众的、个性化的需求。传统软件只能做头部，因为为少量用户单独开发功能，成本上是不合算的。 而且，就算你有个好想法，也很难传递到开发者那里。想象一下一个普通用户的需求要经过的链条： 用户反馈 → 产品经理收集筛选 → 转化成需求文档 → 设计师出设计稿 → 程序员做系统设计 → 编码 → 测试 → 运维部署 每一环都在过滤、都在排优先级。最终大部分普通用户的需求，都被筛选掉了，软件最终只能取最大公约数，做绝大部分人都需要的那部分。 结果就是，市面上的软件很多，但每个人都有一堆“要是能这样就好了”的小需求，从来没有被满足过。 这次 VibeLab 里我印象很深的一个作品是 @机器旁白 做的 SiaoCut 。起因是他看到我做的 BaoCut，很喜欢“转写、像改文稿一样编辑、AI 处理、人工审阅、导出”串成一条工作流的思路，但 BaoCut 只支持 macOS，他是 Windows 用户。放在以前，他只能等我哪天有空做个 Windows 版，或者就此作罢。现在他自己和 AI 一起做了一个，而且不是简单复刻，还在这个过程中想清楚了自己关心的问题：AI 进入剪辑流程后，应该拿到多少数据，能替创作者决定到哪一步。 这就是长尾需求被满足的样子：不需要等别人来做，有需求的人自己就能把它做出来！ 三、Vibe Coding 让成本变低、链条变短 所以以前那种长长的从需求到交付的链条，现在可以缩成简单的几步： 有个想法，让 AI 去设计、制作、部署。 甚至于很多需求根本不需要做成一个有界面的产品。 比如你想每天自动整理某个表格里的待办，或者每周追踪最新的 AI 资讯，这些事让 AI Agent 帮你写个脚本，再让它自己定时调用就行了。 比如 @张铁蕾 开源的 Bridgic Agent 就是这样的作品：输入 /build，描述你的目标，它自己去探路、生成、验证，遇到需要你判断的地方再来问你。做出来的不是一次性跑完的任务，而是可以长期运行、随时修改的工作流。 还有一种更轻的做法：把你的操作流程、经验和偏好写成 Agent Skill，就像一份告诉 AI 怎么做某类事的说明文档，那么以后 Agent 就能按照 Skill 的说明帮你把很多繁琐的事情变成自动化半自动化的操作，大幅提升你的效率。 现在随着 Agent Computer Use（操作电脑）的能力增强，你甚至可以让 AI 观察你操作一遍，然后它自己能把它你的操作录制成 Skill。不需要界面、不用部署，但它确实能替你干活。 四、模型和智能体的能力，一直在变强 现在普通人也能 Vibe Coding，还有一个重要原因是模型能力在变强。 回头看这几年的变化： 最初，像 GitHub Copilot 只能做代码补全，你写一半它提示后半段； 然后，它能根据描述生成一段完整的代码； 后来， Claude Code 能自己在项目里探索，读文件、找上下文，把一个功能完整实现； 现在，主流 Agent 都已经能做设计、写代码，还能帮你操作电脑，打开浏览器自己验证做出来的东西对不对。 模型每上一个台阶，普通人做工具的难度就降一截。VibeLab 期间正好赶上 Kimi K3 发布，很快就有创作者拿它做体检报告工具、做斗地主游戏，还有人把 Claude Code、Qoder、GLM、Kimi K3 混着用。 由此也可以看得出越来越多的人已经不再把 AI 当聊天机器人了，能配合 Agent 把 AI 当干活的工具。 五、变化的还有“做工具”这件事本身的心态 看作品的时候我还注意到一点：很多作品不追求改变世界这种宏大的事，就是想先解决一个具体麻烦。比如说工作流太碎、长辈不听劝、拍照没人帮、看不懂热点，作品的起点都是这样一个一个具体的痛点。 最初微博在设定大赛规则的时候，把赛道拆进职场、生活、视觉、微博这些具体场景，现在看来还挺有道理的，因为这确实能激发人 Vibe 的冲动，想去用 AI 解决生活中的问题。 其实这次参赛的作品也不都是工具。@世界第一裹凉皮 把 32657 位诗人、933857 首诗做成了一个三维宇宙 ；@德里克文 的「华夏博物志」把全国博物馆收进一幅可以点开的中国画 ；@海辛Hyacinth 把三星堆&金沙文物变成了互动场景 。这些作品看起来似乎不像工具那么实用，但让我们看到 Vibe Coding 不只是提效，也可以服务于文化和审美。 以前想做这样的东西，需要一个团队，现在一个人，不需要会写程序，有自己的想法加上 AI 就可以试试看。 最后，如果你也想自己搓一个工具，我的一点建议： 从写一个 Agent Skill 开始。 这是成本最低的方式：不用部署，不用界面，把你希望 AI 帮你做的某类事情写清楚就行。做一次，发现哪里不对，改一改，很快就能用起来。 顺便推荐下我的书《图解 Skill》，也是不错的 Skill 入门书籍。 如果要做网页或者 App，不用一上来就让 AI 把整个东西做完。 建议分步走： 1. 先和 AI 一起讨论需求，把你想要什么说清楚，让它复述一遍，确认理解一致。 2. 先做原型。也就是用模拟数据，只看长什么样、怎么操作，不接真实逻辑。原型的好处是改起来成本低，修改容易，就算推翻重来都很快。 3. 再做 MVP（最小可行产品），只做一个最核心的功能，先做一个小的能跑的东西出来。 4. 再慢慢迭代，有了 MVP 了，能跑起来了，就可以慢慢迭代，一次加一个小功能，AI 能处理的过来，你也验收的过来，日积月累，慢慢会变成成熟的软件。 做完一定要验收。 从头到尾按一个真实用户的路径试一遍，AI 说做完验收完不一定靠谱，还得自己上手用用。 注意安全。 涉及钱、隐私、账号权限的东西要格外小心，拿不准的地方去找专业人士问一下。就像 SiaoCut 的作者给 AI 划定了边界：AI 只拿到任务所需的文本和时间戳，不碰原始媒体，处理完只生成待审建议，最终由人决定。这样的思路值得借鉴。 最后说一句，做出来之后，发出来。 这次 VibeLab 里不少作品原本只是作者电脑里的一个 Demo，发到微博之后被讨论、被转发，有的还上了热搜。对于自己动手做东西的人来说，“作品被看见”是最好激励，也是下一次迭代的开始。

中国移动香港通知：我们持续引领创新技术，致力为您带来更卓越的网络体验。贵为GoTone Privilege Club会员，您的本地及中国内地流动网络已自动升级至领先的5.5G网络，无需任何申请或额外操作，服务即时生效。 升级后，在支援装置上，最高下载速度可达2Gbps，让您尽享极速流畅的网络体验。 为彰显您的专属网络身份，您主咭的手机或平板电脑左上角之网络商标志将由“CMHK”更新为 “GoTone”；右上角之网络讯号图示则会视乎装置型号，显示为 「5G」、「5G-A」、「5G+」或「5.5G」 其中之一。 此外，您现时享用的网络已整合了「抢闸王」网络提升功能。由2026年8月31日起，您的免费「抢闸王」增值服务将不再单独显示在您的增值服务列表及账单上，并不影响您享受的网络提升功能。 使用5.5G网络须知： · 须配合支援5.5G制式之流动装置。截至2026年7月26日，适用型号包括： Samsung Galaxy Fold 8 Ultra、Fold 8、Flip 8、S27系列、S26系列；Honor Magic V6、Magic 8 Pro；Vivo X100、；X100 Pro、；X200、；X200 Pro、X300、X300 Pro；OPPO Find N6。其他品牌及型号将陆续加入支援。 · 实际网络体验受服务地点、指定网络供应商、网络覆盖、硬件、软件及其他环境因素影响，表现可能有所差异。 · 5.5G网络及其网络速度不适用于以下两种情况——客户使用4G网络的服务计划，或服务计划已包含无限数据惟受速度限制约束。 · 有关网络服务之最新资讯，将不时更新并以中国移动香港官方网站公布为准，恕不另行个别通知。

每期必看的币安@binancezh广场区块链一百人又来啦！ 这期嘉宾是最近热度最高的字节哥 Leto @leto_bao ！主持人是@jennyukim_bnb！ 全程干货密度很高，全是自己实打实操盘、踩坑攒出来的经验，从新手入门到进阶策略，从决策逻辑到赛道判断都覆盖到了，整理了核心内容给大家参考，一起来看看吧！ Leto 说字节的经历给他的投资打下了很深的烙印： 一是做数据工程师养成了对数字的敏感度，凡事都要挖清楚数字变动背后的原因 二是大厂的前沿技术和业务场景拓宽了视野 三是身边都是顶尖的同事，做事的逻辑和方法让他受益很多 这套数据驱动的思路，后来完整平移到了投资决策里，他也直言技术人做投资最容易踩的坑 天然迷信自己熟悉的行业，觉得自己懂就坚信一定会涨，忽略大环境变化，很容易被思维惯性困住亏钱 至于深耕和探索的关系，他觉得两者并不矛盾：深耕同一个领域攒核心经验，同时在不同发展阶段的公司里探索，能换更多角度看问题，反而看得更透 整场最核心的思路，是他把互联网的 AB 测试逻辑用到了投资里，他说判断力从来不是凭感觉练出来的，都是靠数据验证： 新手如果觉得指数涨得慢想自己选股，不用急着 all in，半仓定投指数、半仓自己操作，跑满一年对比收益、回撤和夏普比率，跑不赢指数就说明不适合主动选股，老老实实投指数就行，方法简单但特别好用 他还完整复盘了自己最经典的存储板块投资案例，整个决策链非常清晰： 最开始是去年 8 月买硬盘发现价格持续上涨，这是第一个信号 加上当时字节内部要求缩短数据存储周期，本质是存储资源紧张，这是第二个验证信号 当时已经有研报提 AI 带动存储涨价，但他没有立刻重仓，直到看到机构连续三个季度加仓的实锤数据，才把大仓位打进去，拿到现在收益很高，至今还持有 全程是逐步验证、分批加仓，完全不是赌一把的思路 关于很多人好奇的期权，他用买房的例子讲得特别好懂： 看涨期权就像付 10 万定金锁定一套 100 万的房子，一年后不管市场价多少都能按 100 万买，定金不退 如果房价涨到 150 万，一份定金就能赚 40 万，相当于用小资金加了杠杆 看跌期权就像买保险，付一笔保费，约定未来不管跌多少，对方都按约定价收购你的资产，跌了能兜底，没跌就亏保费 他也很坦诚，说早期做期权交易虽然有逻辑支撑，但也有赌的成分，当时本金少，亏了也能很快赚回来，现在不会再做这类高风险操作 风险部分他讲得非常实在（这真的重点看）： 值不值得冒风险，核心看能不能承受最坏结果 年轻人没家庭负担、存款少、现金流稳，就算亏完也能很快赚回来，适当冒点风险没问题 但如果要借债、卖房投入，或者上有老下有小有房贷，失败了连累全家，这种风险绝对不能碰，生活杠杆高的人，先给生活降杠杆，再谈投资 他也分享了自己亏得最惨的经历：2022 年跟着佩洛西买英伟达，180 的价格重仓进场，结果遇上美联储加息大盘普跌，英伟达回撤了 40%，当时直接卸载软件躺平 这次经历给他的最大教训是：哪怕是再好的公司，买的时机不对、踩不中周期，一样会亏大钱，大环境的权重一点都不比公司本身低 针对完全没碰过美股的新手，他给了非常明确的入门步骤： 开户后别上来就选股，先买指数 可以先用模拟仓练手，但别全信模拟仓的结果 —— 模拟仓没心理压力拿得住，真金白银心态完全不一样 拿自己能接受归零的钱进场，先跑 AB 测试验证自己的能力，跑不赢指数就放弃主动选股 常见的宏观名词他也做了大白话解释： CPI 就是物价指数，美联储盯着它调利率，2% 是长期目标 非农就是非农业就业人数，和通胀有相关性；美联储是独立于政府的机构，负责制定利率政策调节经济，这些都不是噪音，都会实实在在影响行情，不能忽视 作为数据工程师，他的交易体系也很有技术特色： 自己搭了 AI agent 工作流，订阅各类数据和行情，早晚自动推送持仓异动和重点资讯，同步汇总到 Notion 方便复盘； 自己搭建冷热数据存储跑策略回测； 交易 bot 只负责用期权做对冲，股票买卖必须自己手动决策 —— 买入的核心逻辑没变就长期持有，短期波动用期权对冲，不会随便乱卖 他还分层级推荐了实用书单： 入门必看《生命周期投资法》《持续买入》 想学分选股可以看彼得・林奇的《战胜华尔街》 期权入门看《Options as a Strategic Investment》 想学尾部对冲看《避风港》 想了解暴跌中如何对冲可以看《The Second Leg》； 想拓展思路可以看《嘲笑华尔街》，讲怎么从大众日常内容里找交易信号 他把普通人分成四类，认为最容易受伤的是负债多的人 —— 不仅自己扛不住波动容易追涨杀跌，亏了还会连累家人 他建议没兴趣研究投资的人，老老实实买指数就行，别碰个股 普通人选股难，本质是容易被自己过往的经验和思维惯性困住，判断自己适不适合，跑一遍 AB 测试就知道了 他自己的交易频率很低，走长期路线，工作日基本不怎么看盘，每周固定复盘一次，核对每笔交易的买入逻辑有没有变，有没有受情绪影响做决策 最近存储板块回调比较大，他的判断是机构季度持仓再平衡带来的短期抛压，行业底层逻辑没坏，他提前布局了看跌期权对冲，对整体仓位影响不大 聊到财务自由之后的状态，他说现在最看重健康，排在赚钱前面（每个大佬都这么说过，真的得时刻铭记）： 每天健身、吃干净饮食、买高端保险 —— 相当于给自己的人生买了份 put，健康出问题的时候有兜底 现在主要精力在筹备 AI 方向的创业，写 BP，见投资人，希望以后大家提到他，想到的是他做的公司，而不是炒股赚了钱 他觉得 AI 对普通人财富管理最大的意义，一是省时间，不用手动搜集整理信息 二是有复利效应，写好的工具和方法可以反复迭代复用，不用一直做重复劳动 他现在最信奉的是改良版杠铃策略：大部分仓位放在稳健的指数上，小部分仓位投高波动、高潜力的方向，就算这部分亏光了也不影响整体盘，一旦涨起来就能大幅拉高总收益，回撤可控，收益上限也高 最后几个观众提问的干货也很足： 一是期权他主要做买方，用来给正股加杠杆、做对冲，不靠期权本身盈利； 二是针对机器人、航天、核能、电力几个热门赛道，他判断短期都难成主流： 里面最有潜力的是机器人 航天更多是上市初期的情绪炒作，短期盈利跟不上 传统核电站建设周期长达十几年，小型模块化核电站成本是大电站的两倍多，都很难成为短期主线 电力方向短期最受益的是天然气发电机公司，部署快、不占民用电网、成本合适，是目前 AI 算力供电的最优解 结尾他给年轻人的建议：投资要趁早，尽早把钱投进 AI 相关的优质资产里，给自己做一层 “被 AI 取代” 的对冲 整场听下来最大的感受是，他没有吹任何暴富神话，所有方法都可落地，所有结论都有对应的逻辑和经历支撑 从大厂做事的方法论，到投资体系，再到人生选择，整套逻辑是自洽的，不管做不做投资，这套数据驱动、为风险兜底的思路，都挺值得参考的，希望能帮到大家！ 建议大家去看直播回放，会更直观：

只是刷刷外网也被罚？90%的人分不清VPN和翻墙 最近在办公室喝茶无聊的时候刷到好几条使用vpn被上门查水表的新闻，其中一条看得我心里咯噔一下，谈谈自己的一点看法，也给刚使用vpn来注册x的的推友一点建议。。 今年3月湖北鄂州一个老哥，在家拿荣耀手机装了Clash翻墙刷TikTok、X，啥出格话没说、坏事没干，最后直接被派出所罚了200块。 这种翻墙被抓的消息每次一出，我身边好多朋友也来问我两件事，刚好今天我就谈谈自己的看法 第一个疑问：为啥身边一堆人偷偷翻墙用了好几年，啥事没有，偏偏就少数人被逮到？ 第二个最容易搞混：VPN和翻墙到底是不是同一个东西？很多人到现在都以为，VPN=翻墙，今天掰开揉碎说清楚。 先说大家最关心的：大部分人翻墙没被抓，真不是法律允许，纯粹是运气好。 我之前也跟朋友聊过这个事，执法机关的重心分得特别清楚，不会一上来就盯着咱们普通老百姓。 最先严查的永远是做翻墙软件、倒卖节点、到处卖账号牟利的那群人，这帮人是整条灰色产业链的源头，抓一个就是重罚，严重的直接刑事立案，网上曝光的大案基本全是这类。 其次才是翻墙之后乱搞事的普通人：跑去外网乱发表不当言论、参与网赌、传播不良内容、引流诈骗，只要你在境外平台有输出行为，后台一溯源精准找到人，处罚来得特别快。 至于我们这种只是刷刷视频、看看资讯，不发言不搞违法勾当的，监管系统流量池太大，不可能逐条筛查每个人，所以大部分人能暂时相安无事。 但这不代表没人管，这次鄂州那个男生就是现成例子，公安会不定时抽检排查，一旦撞上，罚款警告跑不掉，不存在“安安静静刷外网就没事”的豁免说法。千万别抱着侥幸心理，觉得大家都在用就法不责众，运气这东西早晚有耗尽的时候。 再聊很多人搞混的VPN和翻墙，我以前也一直误以为两者是一回事，后来查了法规、弄懂原理才知道完全两码事。 VPN本身就是个中性网络技术，压根不是为了翻墙诞生的。全称虚拟专用网络，说白了就是给网络搭一条加密隧道，保护我们传输的数据不被窃取窥探。 打个很生活化的比方，VPN就像家里的菜刀，工具本身没有对错。 正经能用的场景特别多：在外打工的跨国公司员工，远程连公司内网办公；出门在外连商场、车站公共WiFi，用合规VPN防隐私泄露；还有我们平时玩游戏用的正规加速器、大企业办业务走的跨境专线，全都是合规VPN。 那翻墙又是什么？ 在我理解里，翻墙是一种违规行为，指没经过国家相关部门批准，私自绕开网络管理，去访问境内限制的境外网站 而且翻墙不单单只有私自VPN这一种手段，Clash、代理、Tor这些乱七八糟的工具全都能实现，VPN顶多只是众多工具里的其中一个。 简单捋顺逻辑：VPN是工具，翻墙是行为。菜刀能切菜，也能拿来做坏事；VPN能合法办公加密，也能拿来违规跨境上网，好坏全看使用者的用途。 我专门去了解过国内相关规定，界限划得明明白白：技术不违法，私自绕开监管联网才违法。 企业要是做外贸、跨国业务，有真实需求，能走正规流程申请备案VPN专线 但门槛真的很高，必须是注册公司，做全省业务注册资金最少100万，全国业务要1000万，还要配套完整技术方案，法人三年内不能有电信相关违法记录。 光是“公司主体”这一条，就把咱们普通人直接拦在外头，个人根本没有渠道申请合法跨境VPN。 市面上我们随手能搜到、花钱买节点的各类翻墙工具，全都是没有备案资质的非法信道。哪怕你只是单纯刷短视频，只要连接使用，就违反了网络管理相关规定。 这里还有个容易踩的坑：就算你身边朋友有企业合规VPN，借来刷外网娱乐平台也不行，备案用途仅限办公，超出范围使用一样违规。 最后说几句我的真心话，给所有还在偷偷翻墙的朋友提个醒。 第一，别自我麻痹区分“轻度翻墙”“重度翻墙”。法律不会管你是看动漫还是刷资讯，处罚依据是“未经批准私自国际联网”，鄂州那个男生没发任何违规内容照样罚款，足以说明一切。 第二，私自翻墙不止会被罚款，隐藏风险多到离谱。那些私人搭建的节点、破解软件毫无安全保障，运营者能看到你所有浏览记录、手机里的照片，甚至银行卡信息，不少人因为用不知名翻墙工具被盗号、被勒索。更可怕的是，一旦借着翻墙接触网赌、灰色交易，行政违法直接升级成犯罪，代价根本承担不起。 第三，真有查看海外信息的需求，完全没必要铤而走险。做外贸的走企业合规专线；学生查外文文献可以去学校图书馆、科研机构的授权数据库；普通人想了解国外新闻，国内正规媒体平台都有海外资讯板块，完全能满足日常需求。 总结一下我的看法：VPN只是中立的网络工具，翻墙是实打实的违规行为，两者绝对不能画等号。合法跨境VPN只面向符合条件的企业，咱们普通人不存在合规私自翻墙的途径。 现在网络监测技术越来越完善，基层排查也越来越频繁，暂时没出事不代表永远安全。与其赌运气担惊受怕，不如老老实实遵守网络法规，走正规渠道获取信息，既不会惹上行政处罚，也能保护自己手机里的隐私安全。

分享几个追热点/找信息的聚合网站，省下不少到处翻的时间： 📰 Buzzing ( 用中文浏览国外社交媒体热门讨论，聚合 Hacker News、Product Hunt、Reddit、经济学人、纽约时报、华尔街日报等几十个优质信息源，省去翻墙 + 语言成本，想深挖再点进原文。 🔥 SoPilot 起爆帖 ( 监控 X 平台上正在快速升温的帖子，按关键词筛选 AI、Web3 等领域，还会预测起爆概率和浏览量。想抢评论区位置的可以盯着看。 🌐 NewsNow ( 实时聚合知乎、微博、酷安、虎扑、Hacker News、Product Hunt、GitHub 等几十个平台的热榜，一个页面看完全网热点。 📊 今日热榜 ( 老牌热榜聚合站，覆盖科技、资讯、社区、购物、视频、财经等各类平台，适合快速扫一眼各平台都在聊什么。 • V2EX ( 程序员社区，技术讨论质量高，信息密度大 • 少数派 ( 效率工具、数字生活类内容，文章质量稳定 • 小众软件 ( 挖掘冷门好用的软件工具 这几个站配合起来用，基本能覆盖国内外科技圈、开发者社区、主流社交平台的热点动向。

AMD 宣布用约 82 亿美元收购李飞飞创办的 World Labs，这期是彭博科技节目主持人 Ed Ludlow 对两位当事人的联合采访。一位是 AMD CEO 苏姿丰，AMD 做 CPU 和 GPU，OpenAI、Anthropic、Meta 都是它的大客户。另一位是 World Labs 创始人兼 CEO 李飞飞，她主持建立的 ImageNet 图像数据集是这一轮深度学习浪潮的起点之一。两人聊了为什么要做这笔交易、李飞飞在 AMD 的新角色、开放生态，以及 AI 安全该由谁负责。 交易本身 这是一笔全股票交易，也就是 AMD 用自己的股票而不是现金来付款，对 World Labs 的估值约 82 亿美元，预计年底前完成，还需要监管审批。交易完成后，李飞飞出任 AMD 执行副总裁兼首席科学家，直接向苏姿丰汇报，World Labs 团队将成为 AMD AI 模型团队的核心。 两家公司的关系早就开始了。AMD 是 World Labs 的早期投资方，也给它供芯片。苏姿丰说她从 World Labs 只有几个研究员的时候就在看着这个团队成长。两人也都提到彼此认识多年，私下是朋友。 芯片公司为什么要买模型公司 苏姿丰的理由是，AI 现在还在很早期的阶段，而且越来越明显的是，硬件、软件、系统和模型这几层互相影响，对整条链路理解得越透，造出来的系统就越好。收购 World Labs，一方面是拿到李飞飞聚起来的一批顶尖研究人员，另一方面是让 AMD 对模型未来的发展方向有第一手的判断，反过来指导下一代硬件怎么设计。 李飞飞从模型公司的角度讲了同一件事。World Labs 越做越大，对算力的需求也越来越大；和 AMD 合在一起，模型可以用最前沿的硬件加速训练和推理，硬件团队也能提前看到模型未来的工作方式和需求。她把这叫作 AI 软件和 AI 硬件的“共同进化”。 主持人追问 AMD 是不是要开始卖模型、卖软件。苏姿丰说不会改变商业模式，AMD 仍然是一家平台和解决方案公司，软件是用来支撑硬件的。收购的最终目的是让 AMD 更好地服务那些最大的算力客户，也就是各家模型公司。 World Labs 做到了哪一步 World Labs 成立于 2024 年，到现在两年多，专攻空间智能和物理智能，也就是让 AI 理解和生成三维世界、懂得物理规律，这类模型通常叫“世界模型”。李飞飞说，他们想做的是语言模型之外的方向，因为创作者、设计师、教育、医疗都有这方面的需求，机器人技术也快要迎来爆发。 公司目前已经发布了两代模型，先是 Marble，然后是最新的 Atlas。李飞飞介绍 Atlas 是一个多模态的“全能模型”，能生成高质量的画面，同时保持三维和四维（三维空间加上时间）上的一致性，摄像机和智能体可以在它生成的世界里移动和交互。 团队也在扩张。World Labs 最近收购了 SceniX，这家公司做出了一套机器人仿真工作流程，以及训练机器人控制策略的模型，由此给 World Labs 补上了机器人方向的人才。 李飞飞为什么选择加入 AMD 苏姿丰说她给李飞飞的说法是“加入全世界最令人兴奋的 AI 公司”。李飞飞的作用也不只限于 World Labs 团队。苏姿丰说 AI 没有一种方案能通吃，除了大家熟悉的云端 CPU、GPU，物理 AI、机器人、从云端到边缘设备再到个人电脑的端到端 AI，都是 AMD 未来三到十年要重点增长的方向，而这些正好是 World Labs 擅长的领域。 World Labs 今年早些时候刚融过一大笔钱，发展势头也不错，主持人问李飞飞是否考虑过别的出路。她说公司从一开始就以使命为导向，这件事的关键在于双方的愿景是否一致，和有哪些选择关系不大。在她看来，这次合并会是“一加一大于二”，接着她笑着补了一句，AMD 显然比 World Labs 大得多。 至于加入后会不会只做空间智能，李飞飞说两人还没来得及细谈所有计划，World Labs 正在做的工作会继续，但她预计研究方向会扩大、节奏会加快。 开放生态与可选择性 苏姿丰说，AI 未来会同时有开源模型和闭源模型、大模型和小模型，它们跑在不同的硬件上，这一直是 AMD 规划高性能计算和 AI 产品线的前提。她和企业的 CEO、CIO 聊下来，没有人愿意被锁死在某一家的硬件或软件生态里，大家都想在不同时候挑最合适的。所以 AMD 会继续押注开放生态，她和李飞飞也讨论过怎样用 World Labs 已有的成果推动开源生态。 李飞飞补充说，现代 AI 的发展离不开开放。从科学界公开分享神经网络算法，到她自己做的 ImageNet，这个首批开放的大规模数据集就是现代 AI 革命的推动力之一。开放生态能让不同的发现、创新和创业机会互相促进。 AI 安全该由谁负责 主持人提到当前的一个争论：模型能力的进步速度超过了安全和对齐研究的进步速度。苏姿丰说这件事上“没有可选项”，技术必须好，也必须安全。她拿芯片行业做例子：最高性能的处理器在设计时就要把安全和数据保密作为优先事项来考虑，AI 行业也需要把安全放到同样的位置。她说自己是 AI 乐观派，相信行业能建立起合适的流程和防护措施，而且各家应该像硬件行业现在分享安全方面的经验那样，互相分享做法。 主持人进一步问，提供算力的公司对训练是否安全、推理时模型是否按预期行事，要负什么责任。苏姿丰说生态里每一方都要为自己的行为负责。对 AMD 来说，要保证硬件本身安全、按设计运行，模型在上面跑时数据是安全的，还要和模型公司一起处理好软硬件之间的交互。她认为这件事应该由行业主导，但因为 AI 是新东西，各方学习的速度不一样，所以她欢迎更多的行业协作，也欢迎一定程度的第三方评估。 李飞飞说，主持人上周问她监管、第三方评估、前沿实验室自我负责这几种方式该选哪个，她的回答是全都要。她认为 AI 是一项“文明级”的技术，和历史上所有这类技术一样，初衷是让人的生活和工作变得更好，但每项技术都是双刃剑，必须负责任地开发和部署。无论在斯坦福、World Labs 还是现在的 AMD，她都想推动个人、公司、行业和社会四个层面共同承担这份责任。 AMD 的下一步 主持人提到 AMD 市值已经到了 1 万亿美元，苏姿丰近来也多次和美国总统一同公开露面。苏姿丰说 AMD 过去做过好几笔对公司影响很大的收购，World Labs 是下一笔，而且是战略意义很重要的一笔。在她看来，技术如今和经济、国家安全都紧密相关，AMD 有机会真正影响计算的未来走向。 最后主持人请李飞飞预测 AI 下一个重大突破。她没有给具体的技术判断，只说接下来 AMD 和 World Labs 会一起打造未来，而这个未来必须对人类社会和人们的生活有益。苏姿丰在一旁说：“我会让她忙起来的。”