与「，各自包一个系统」相关的搜索结果

【完整版：习近平川普中南海会谈，先公开后私密，习近平赠月季花种子给川普】5月15日上午，习近平邀请川普进入中南海。双方先游历中南海花园，随后举行会谈。习近平与川普各自简短讲话后，现场媒体随即被清场。 讲话中，习近平介绍，刚刚参观的花园曾是中国古代皇家花园，并向川普赠送了月季花种子。川普则表示，期待习近平年底访美，并承诺将以高规格方式接待习近平。

现在不仅是贝莱德，连JP摩根业选择了以太坊，作为其链上货币市场基金的主要阵地。 JP Morgan 一开始搞了一个私有链（private/permissioned blockchain），但发现场景受限。 原因很简单，其他机构根本不会用你的私有链。 代币化的核心之一是，互操作性。A 银行的代币要能轻松和 B 银行、C 基金、稳定币发行方无缝转移、结算、抵押， 如果大家都用自己私有链，就相当于各自建了一个孤岛，谁都不愿意进别人的岛。 这个时候，中性链的好处就凸现了。 
一个中立、被广泛接受、已经经过市场验证的公共区块链，大家都愿意把资产放上去。 而目前，最安全、最去中心化的公链是以太坊，安全性最高、去中心化程度高、生态成熟、流动性也好。 两大华尔街巨头进入，也会有很好的示范作用，带来更多的玩家进入以太坊。

【美股信息KOL第一集】 推特上关于美股的信息很多，但真正长期稳定输出、有独立观点的账号其实并不算多。很多时候，有价值的信息会被热点炒作和情绪内容淹没。 第一集总结的8位KOL的覆盖方向包括： 宏观与流动性/美联储与利率政策/债市与经济周期/ AI和半导体产业链/科技股与商业模式/趋势与实战观察 这些账号各自侧重点不同，放在一起看会比较全面互补。我把每位博主的特点和关注方向都整理成了表格，方便按需求选择关注： 1. Joseph Wang｜@josephwang 经常拆解美联储、准备金体系和美元流动性这些内容，专业度会高一些，但认真看下来，对理解市场运行机制帮助很大。 2. Liz Ann Sonders｜@LizAnnSonders 偏宏观方向，主要看流动性、市场结构以及整体环境变化。她的图表一直做得比较直观，适合拿来辅助判断大盘环境。 3. 美股OK哥｜@artinmemes 偏交易和市场机会观察，内容更接近实战派风格，适合看短中期市场情绪。 4. Lyn Alden｜@LynAldenContact 长期研究货币、财政、能源、信用这些底层逻辑。很多内容不只是讲市场涨跌，而是帮助你理解背后的原因。 5. Jim Bianco｜@biancoresearch 比较典型的传统宏观分析风格，重点会放在利率、债市以及政策预期这些方向。适合用来对照市场情绪。 6. 投资TALK君｜@TJ_Research 偏宏观和实战结合路线，会分析美联储、美股以及 AI 等热门方向，内容逻辑比较清晰。 7. Nico投资有道｜@tychozzz 偏长期投资和定投思路，平时会分享美股和比特币相关内容，整体风格稳健。 8. Byrne Hobart｜@ByrneHobart 擅长把金融、科技和商业模式放在一起聊，很多观点都比较有框架感。适合喜欢深度思考的人。

我把产品、设计、运营、市场...都拉在一起新建了一个 5 月用户访谈群，有个 Agent 把大家各自约的用户访谈会议都自动关联到了这个群，我们只需要在群里聊天发消息，包括文字、语音，或者拉会对进度和想法，不需要人类做任何编辑、整理、汇报工作... 人只需要聊天，只需要用真正的自然语言沟通... 当群里的任何成员想知道关于这个项目的什么，比如想知道什么类型的用户什么场景下的反馈，只要让 agent 生成合适的结构化表格看就好了。 「群」有 AI 自动生成的 timeline，把关键的事件、决策... 直白显示。当下最新的事实会 highlight 出来。 这个「群」，本质上是多位成员围绕某个目标贡献各自 context 又从中拿到更多洞察与判断的容器。 把"协作的副产品"——会议纪要、待办整理、状态汇报、信息同步文档——全部从人的工作里剥离掉，让人回到沟通本身，人只需要自然的沟通、深度的思考、理性的判断和决策，不存在琐碎的文书工作.... 做 agent-native 的 IM 工具, 只服务"AI-native 公司"。

阿里、美团、腾讯三家在这三家AI公司上的浮盈毛估估加起来已经超过 1000 亿，投资上猛赚，但和这三家蒸发的市值来比的话简直亏大发了。 但同样是投AI，三家的画风完全不一样。美团投得最少、赚得最猛，阿里撒网最广、有部分是以算力投进去，腾讯居中。 1、先看智谱：美团45倍，碾压全场 智谱现在市值约 3500 亿 RMB（港股02513，5月初盘中一度突破 1000 港元，总市值超 4000 亿港元），智谱的 GLM5.1 登顶全球大模型 TOP3，coding 套餐天天卖爆。 美团是最早下注的。2023年3月B2轮，3 亿 RMB 直接拍进去，投后估值 32 亿，占股超过 10%。之后美团再没追加，经过后面数轮融资和IPO稀释，美团还剩 3.91%，对应市值 137 亿。3亿变137亿，净赚 134 亿，回报 45 倍。这个数字放在整个中国一级市场都是顶级水准。 腾讯来得晚一些。2024年8月B4轮才进，投了 2 亿，投后估值已经到 72 亿，占股 2.7%。稀释后剩 1.58%，值 55 亿，回报 27 倍。也不差，但跟美团一比，晚了一年多，回报直接砍了一半。 阿里的路径最绕。蚂蚁旗下上海云玡先在B3轮用 1.5 亿认购了智谱 66.7 万元注册资本，IPO后持 1.54%，值 54 亿，回报 33 倍。阿里自己不算差，蚂蚁通过上海云玡和上海飞玡合计持 3.66%，值 128 亿，成本 4.9 亿（已扣掉转让给阿里的 1.1 亿），回报 25 倍。阿里系（阿里+蚂蚁）在智谱合计持股 5.2%，浮盈约 175 亿。 2、MiniMax：阿里重仓，腾讯跟投，美团缺席 阿里在MiniMax上下了重注。通过Alisoft持股 12.52%，按当前市值算约 37 亿美金。阿里参与了B轮和基石轮，但MiniMax没详细披露阿里的出资金额，按毛估估约 6 亿美金成本，增值约 5.2 倍，赚31 亿美金 210亿人民币 腾讯占 2.37%，值约 7 亿美金，参与轮次比阿里略早，成本应该更低，按 ~1 亿美金估算，增值约 6 倍。虽然绝对金额不如阿里，但成本控制得更好，倍数反而更高。 美团没参与MiniMax投资。 3、Kimi：阿里可能是最大赢家、美团也是重注 月之暗面还没上市，最新一轮 20 亿美元融资刚刚完成，投后估值突破 200 亿美元（~1400 亿 RMB），美团龙珠领投。 阿里是Kimi早期最重要的财务投资者。2024年以 8 亿美金购入约 36% 股权，不过其中部分以阿里云算力结算，现金大约 6 亿美金。2026年2月又参与了 7 亿美金融资，具体金额未披露。按 36% 股权算，当前市值约 72 亿美金，账面回报约 9 倍。但这个倍数的前提是：阿里没有在后续融资中被大幅稀释，以及 200 亿估值站得住。两个条件都有变数。 腾讯2024年8月参与了 3 亿美金融资按照 33 亿美金估值投资，2026年2月又联合领投了 7 亿美金融资，但两轮出资金额都没披露，没法算精确浮盈。按腾讯一贯风格，大概率是跟投而非重仓。 美团这边分成两笔。王慧文个人累计投资约 7000 万美金（~4.9 亿 RMB），按当前估值算回报约 5 倍，这笔投得早，赚得还行。美团龙珠则是本轮 20 亿融资的领投方，单笔出资超 2 亿美金，刚投完估值没涨多少，暂时没有浮盈。 几个有意思的点： 1、美团回报倍数碾压。3亿进去，134亿出来，45倍。原因很简单：进得早，出得少。B2轮就进去了。 2、阿里智谱、MiniMax、Kimi三家全投了，总浮盈金额最大，且每家投入金额大，还有很大一部分是用算力来投的。 3、腾讯最均衡。智谱27倍，MiniMax 6倍，综合回报11倍，kimi 预计 6 倍。 4、Kimi可能是阿里最大的单笔回报来源——36%股权按 200 亿美金估值值 72 亿美金，如果最终IPO定价更高，这个数字还会膨胀。 这三家AI公司股价波动剧烈。智谱从上市首日 131 港元涨到 840+ 港元，MiniMax从 165 港元涨到 1200+ 港元，但回调也很猛。这些浮盈在变现之前，都是纸面富贵。 还有一点值得说：这三家大厂投AI的逻辑不是纯财务投资。阿里需要算力客户，腾讯需要生态卡位，美团需要技术壁垒，三个各自投的目的不同但都是为了不被取代。

Polymarket US 交易量增长蛮快，周度和月度增速均超过 40% 以过去 7 天平均 Taker 交易量计算，Polymarket US 已占预测市场接近 5% 的市场份额，位列第三 Polymarket US、Opinion、Predict Fun 和 Limitless 形成了预测市场腰部竞争集团，各自均占 2.5% - 5% 的市场份额

为什么大模型厂商都与投资机构成立合资公司？这意味着大模型在B端的竞争进入了地面阵地战模式。这两天大模型厂商最大的动作无疑是Authropic和OpenAI在同一天宣布联合PE投资机构、投行等成立AI-native 企业服务的合资公司（JV），堪称“AI大模型厂商在企业落地赛道上的正面交锋”。 Anthropic与Blackstone、Hellman & Friedman 以及 Goldman Sachs合作；而OpenAI则是拉上了TPG、Brookfield Asset Management、Bain Capital还有软银几家机构。 成立的合资公司都是企业服务性质的，将各自的大模型推广给广大中型企业，帮助它们将AI部署到核心业务运营中，两家大模型厂商会派驻工程师、顾问，提供从定制、集成、合规到持续优化的全套服务。 1、为什么要找这些投资机构合作？ 1）这些投资机构手里握着成千上万家 portfolio company（覆盖医疗、制造、金融、零售等）。通过合作，大模型厂商能快速获取客户群，同时为这些 PE 公司带来生产力提升和成本节约（提升投资回报 IRR）。这是一种高效的分销策略，避免一家家推销。 2）AI 采用瓶颈在“部署”而非“模型”本身，模型再强，企业也缺“最后一公里”——集成、流程重构、合规、培训、持续迭代。传统咨询公司太贵太慢，大模型厂商又没有足够咨询人才。 跟投资机构成立合资公司，招募专业的部署、实施、培训人才，加快企业采用AI的进程和速度，同时加快自己在B端的拓展，抢夺更多的B端客户。这就是Authropic和OpenAI纷纷与投资机构成立合资公司的真是意图。 2、更深层次看，这就意味着大模型厂商在 B端（企业/政府侧） 的扩张确实已从“空军轰炸”（品牌宣传、hype、广撒网影响力）转向“阵地战/地面作战”（深挖壕沟、嵌入核心流程、逐个战场争夺具体合同）。 正好大模型在B端营销推广从“空军”到“阵地战”的转变逻辑 1）早期空军策略（2023-2025）： 主要靠 ChatGPT/Claude 等爆款产品制造品牌影响力，通过媒体、开发者社区、免费/低价试用快速占领心智。目标是“让大家都知道 AI 很强”，然后等企业自然来买 API/订阅。收入主要来自品牌溢价和规模效应，竞争焦点在模型性能、参数、安全叙事上。 2）现在阵地战（2026年之后）： 模型能力已趋同，胜负手转向“最后一公里”：谁能真正把 AI 嵌入企业核心业务流程（ERP、供应链、客服、决策系统）、政府机密网络、合规体系，并持续提供实施服务。 这需要重资产投入：派驻工程师、定制集成、行业 playbooks、长期驻场支持、风险共担。不是卖“模型”，而是卖“AI 驱动的业务转型解决方案”。 OpenAI 和 Anthropic 的 JV（DeployCo / 新企业服务公司）就是典型地面作战： 借 PE 机构的 portfolio 公司作为“根据地”，直接把工程师塞进企业内部，帮中型企业做深度部署。这不是广撒网，而是建立“俘获式分销渠道 + 护城河”——一旦嵌入业务，切换成本极高 今年初各家大模型争夺美国国防部订单就是这一转变的典型体现。各家纷纷游说五角大楼，Anthropic因为安全护栏刚被国防部排除在外，OpenAI就快速快速补位。而后续国防部跟多家大模型厂商一起签约，这种多家并存（避免单一依赖）的情况，更是体现“阵地战”的残酷：不是赢者通吃，而是寸土必争 更深层次看，大模型厂商在B端的竞争，技术领先程度已经不是唯一的权重，部署能力、渠道网络、政府关系、合规灵活性将会成为新护城河。 PE + 政府双渠道，本质就是就是在抢“地面控制权”

最近一直在研究 Codex 和 Claude Code 的记忆设计，发现两者的设计哲学和玩法有很大差异。 Codex 的设计目标是让一个 agent 运行的够久，所以它的执行策略偏向于把记忆当做工具，持续构建工作上下文（work memory），为当前的 goal 服务。OpenClaw 也是这个工作模式。 Claude Code 更像把记忆当成认知架构。它不只记录当前目标，还会在不同时间尺度上持续沉淀用户偏好、上下文变化、执行经验和行为反馈。它更偏向于让多个 agent 各自在独立上下文中高效工作，由外部逻辑（文件记录、coordinator 管理等）确保整体进度不丢失。它不信任任何单个 agent 能跑到底，所以把进度状态放在 agent 之外。 Codex 也意识到当前记忆设计的缺陷，尝试引入更持久的记忆机制（执行 codex features enable memories 可启用），支持跨对话记住你的项目上下文。每个交互轮次结束后，Codex 会自动从对话中提取有价值的信息（架构决策、代码约定、踩坑经验等），存到 ~/.codex/memories/。 Codex 更像是一个执行者，专注于完成任务，而不是管理记忆或上下文。它的设计哲学是“做就对了”，不太关心过程中的失误或偏差，只要最终结果符合预期就行。正因如此，很多人体感 Codex 在指令遵循方面做的更好。 Claude Code 更像是一个学习者，通过不断的试错和反思来提升自己的能力。它不仅关注完成任务，还关注如何完成任务。它会持续记录和分析执行过程中的每一步，积累经验和反馈，不断优化自己的行为策略。 二者各有优劣，你更看好哪种模式？

最近线下跑了好多地方，见了一堆朋友。聊着聊着，大家都问一个问题：币安到底想做什么？ Miko老师@web4miko最直接：3亿用户到30亿，这么卷，凭什么？ 其实币安从一开始就想做一件事：让钱自由流动。不是做最大的交易所（那已经做到了），而是搭一个金融基础设施。现在非洲、南美、中亚这些地方，普通人每天都在用币安转账、做金融。远远还没做好，但就是这个方向。 为什么要做30亿用户？因为币安的用户哲学。要做极致，就得让足够多的人用得上。所以币安一直在做"降门槛"的事。不管是推alpha还是各种新产品，核心都是降门槛，是让更多人进来。这也是币安和别的交易所最不一样的地方。 Rocky老师@Rocky_Bitcoin是券商出身，问我们在资产代币化的动作。这的确是我们今年发力的方向，我们上线了很多TradFi，目前规模是所有交易所里最大的，并且使用人数和交易量每天都在快速增加。 我觉得这就很币安 —— 实用主义。币安推出的东西不一定非要有特别高大上的概念，但一定务实好用。最近的AI也好，支付业务也好，核心都是怎么把它落地。 公司内部还有一个很有意思的机制。每天都有很多部门在创新，遵循的是"雨林原则"。大家各自提创意，各自跑，然后让市场决定谁能活下去。这也是"赛马机制"。 所以外界有时候觉得币安没有重心，其实这就是币安的原则。不是我们没有方向，而是我们相信这种开放的、让各种想法竞争的方式，最后能跑出来的东西才是真正有生命力的。 George兄@Showy005是在香港认识的，特别会做运营。他说币安特别的地方就是，你们是真心对待用户。所以大博主小博主都是我们的客户和老师。他自己把所有钱都放币安，原因就是"因为你们真心"。 凯哥 @kaikaibtc 有句话我记得，"币安最特别的就是听劝。提需求真的改，改了还给奖励。"通过他认识的朋友球球@qiuqiu232 也说，见过这么多交易所，就币安这个环节最完整。提需求、真改、给反馈，很少有能把这三步都做完的。 所以，币安到底想做什么？币安在变成全球的金融基础设施。这条路还长着呢，我们才刚开始，希望和大家一起努力，我们也会更努力地做好服务💛

行业分析：AI光互连全景：谁是下一个“HBM级瓶颈”？ AI算力的瓶颈正在从计算转向带宽。随着GPU规模扩大，节点间通信接近N²级增长，电互连在功耗与距离上逐步触顶，光互连从可选项变成刚需。这一变化不只是需求扩张，而是产业结构的重排：光开始从数据中心边缘进入系统核心，甚至进入封装内部。 从底层看，硅光（SiPho）是在硅基上做出一整套光通信器件：波导负责传光，调制器把电信号变成光，探测器再把光变回电。它解决的是带宽与能效问题。硅本身不能发光，激光器依赖InP、GaAs等III-V材料，因此整个体系天然是“硅 + III-V”的异构结构。 产业链可以拆成四层：上游材料（InP与激光材料）、中游核心器件（激光器、硅光芯片）、模块与封装（光模块、CPO）、以及系统与网络架构。价值分配并不均匀。最稀缺的是光源，也就是激光器及其背后的InP体系，这一层类似算力链中的HBM，是物理瓶颈；再往下是硅光与光芯片，决定光电融合是否可行；光模块更偏制造与组装，周期性更强；真正的高价值封装集中在系统级CPO。 在硅光制造这一层，Tower Semiconductor 和 GlobalFoundries 是典型代表。它们本质是foundry，把光子芯片从设计变成晶圆。器件公司是它们的客户，而不是供应商。两者路径不同：TSEM更像工艺专家，擅长定制和复杂结构，解决“别人做不出来”的问题；GF更像平台型foundry，提供标准化工艺和规模能力，让更多客户可以复制。 这也解释了近期股价的差异。TSEM的上涨几乎直接由AI光互连驱动，尤其是硅光需求进入订单兑现阶段；GF更多受益于AI整体需求扩散，硅光只是其中一部分。前者是主线变量，后者更像beta。 很多人会误以为竞争在晶圆尺寸，比如300mm。但在SiPho、模拟、RF这些领域，关键不在晶圆，而在工艺复杂度、良率和客户绑定。真正决定竞争力的是能否稳定量产复杂光电结构，而不是晶圆大小。 从全球格局看，中国在光模块层面占据优势，但在SiPho制造仍处于早期阶段。差距不在技术原理，而在量产能力和客户验证。短期内，由于订单和经验的正反馈，差距在拉大；中期随着下游需求反向驱动，上游有望追赶。这一结构和HBM不同，SiPho不属于天然寡头，更可能走向多极竞争。 真正改变产业结构的是CPO（co-packaged optics）。CPO不是一个器件，而是一种封装形态：把光芯片与算力芯片封在一起，使光从“外部模块”变成“系统内部的一部分”。实现路径是先在SiPho晶圆上完成器件制造，筛选良品（KGD），切割成die，再与GPU/ASIC、HBM等一起进行异构集成，通常采用平面并排而非堆叠。 这一变化的核心结果是：硅光从“独立产品”变成“系统中的一层”。功能重要性不变，但定价权下降。过去光模块可以独立定价；在CPO中，价值更多被系统整合者吸收。掌握先进封装能力的厂商更接近控制节点，这也是为什么TSMC和Intel在这一阶段具备更强话语权，而TSEM和GF更接近中游die供应商。 CPO对技术提出了三大硬约束：功耗、带宽密度和封装耦合。功耗决定系统是否可持续，带宽密度决定扩展能力，封装耦合决定良率和成本。这三点直接推动硅光工艺进入新阶段。 在这一过程中，低损耗波导成为关键基础。波导是芯片内部的“光通道”，损耗以dB/cm衡量。0.1 dB/cm与1 dB/cm的差异，会在封装内线性累积，直接决定系统功耗与成本。当前主流量产水平在0.3–1 dB/cm，先进工艺可到0.1 dB/cm，实验室中的氮化硅（SiN）接近0.01 dB/cm，但距离大规模量产仍有距离。材料路径也逐渐清晰：硅波导受限于粗糙度和折射率，长期趋势是向SiN迁移。 难点不在单点，而在多重极限叠加：侧壁粗糙度、PECVD氢吸收、SiN应力、弯曲损耗、光纤耦合等因素同时作用。这也是为什么真正的优势来自“全栈工艺控制”，而不是某个单一技术突破。 CPO不仅改变技术路径，也改变竞争结构。未来不会出现单一路线，而是分层共存： 核心AI集群：定制CPO，追求极致性能 大规模部署：标准化CPO或pluggable，追求成本与灵活性 即使在CPO内部，也会分化为“高性能CPO”和“标准化CPO”，类似HBM与DDR的关系：前者吃价值，后者吃规模。 对TSEM和GF来说，这种分化进一步强化各自路径。TSEM更靠近高性能CPO，承接定制需求，有机会成为局部瓶颈；GF更靠近标准化CPO，承担规模扩张，是产业的放大器。 整条链可以压缩成一句话：材料决定能不能做，芯片决定性能上限，封装决定系统价值，系统厂决定利润分配。对应到算力链，InP激光器类似HBM，CPO类似GPU封装，光模块类似服务器组装，而硅光晶圆厂更像中间层的chiplet供应商。 从投资角度看，最确定的机会在光源，这是物理瓶颈；最大弹性在硅光与CPO，一旦路径跑通会被放大；光模块是顺周期；封装稳定吃利润但不容易爆发；系统层存在潜在黑马，但取决于架构演进。硅光不会消失，但正在被“吞入系统”。未来真正的“HBM时刻”，更可能出现在光源层或系统级封装，而不是封装之前的中游晶圆环节。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议dyor