与「1】」相关的搜索结果

Anthropic IPO 大家参与了多少，在哪参与的？想听一听大家的建议！ 按 Hyperliquid 的价格 101.33 美元计算，相比 70 美元的 IPO 区间中值，加上各大交易所打新 5 美元的费用，盘前溢价约 37%。 三个关键风险： 1️⃣ ANTx 和 Hyperliquid 的盘前合约不是同一种资产，不能直接将价差视为可套利利润。 2️⃣ Kraken 等交易所都不保证实际获配数量，也不保证认购后的流动性和出售价格。 3️⃣ $101.33 是此前查询的参考报价，不是锁定的成交价。 有一定的风险，但是性价比在于，最差结果可能拿不到结果，就是不保证额度，或者给很少，需要上很大资金。 亏损可能性性不大，就是资金的效率成本，可能错过抄底机会，但是我在想有没有可能，参与赚了钱后，拿回来的钱刚好抄底比特币？ 那不就完美闭环了！

现在到底应该不应该买Ai行业 应该不应该买入稳定币龙头crcl 先确认下这一个标的成长过程中的几个阶段 然后把各种带入其中 就像先搞明白人的生老病死 知道一个人的年龄 才好预测他未来可能的行为 它是婴儿还是儿童 还是少年还是中年还是老年 我们来梳理下 先看看行业发展的过程 1、发现阶段 前几年我买入3-4千亿美金英伟达的时候 几乎是全网最早喊英伟达会破万亿 会超过苹果谷歌成为市值第一的企业 那个时候是发现阶段 那个时候我们的看法是未来的竞争 企业和企业国家和国家 缺的是算力 这个算力不是cpu而是gpu 新能车的无人驾驶是gpu而不是cpu 我是从这里走进去AI的门口 找到了英伟达 后面很多人发现光模块存储各种 买入可能都赚了很多倍比英伟达还多 这些市场我没有发现他们 不是我的能力圈 发现这个阶段胜率并不高 完全看你相信什么 比如此刻的crcl 就处在这个阶段 你信不信gpu 能带领Ai带来科技革命 信不信稳定币行业是支付行业的范式转移 这个时候能给你提供的数据支撑很少 你很难定量分析 你只能定性分析 这个阶段风险最高回报最高 2、成长阶段 很多人把成长阶段当做发现阶段 三星海力士在业绩开始起飞之后 赚的是成长的钱了 英伟达1.5万亿到6万亿这段 也是成长的钱 它每个季度财报都超预期 营收和利润都在增长 市值不断提升 现在crcl还没有进入这个阶段 发现阶段是比较难看到的 但成长阶段是可以用定量筛选出来的 财报后就继续拿着 业绩开始不及市场的增长预期 股价也开始放缓甚至回落 这是大多数基金机构开始进入的阶段 风险较低回报也还行 3、信仰阶段 当所有的业绩都已经预期到位 甚至开始透支很多年以后 这个阶段是那些在发现和成长阶段忽视的人 开始上车的时候了 终于被这些宏达叙事所说服 但市场剩下的涨幅已经非常有限 这个阶段风险最高回报最低 btc就已经走完了发现和大部分成长阶段 现在进入了纯信仰阶段 有人说你买crcl难道不是信仰阶段吗 不是 在没有数据支撑前的相信就发现 在数据兑现之后已经没有增长空间了 你依然还相信它继续“增长” 那才是“信仰” 现在依然愿意去买存储那些周期股的 大部分都是“信仰”了 因为业绩已经透支 随着产能开始爬坡价格下跌 企业的盈利增速会下降 甚至盈利总额也会下降 我并不是今天说这句话 而是今年5-6-7股价最高峰的时候就这样说了 4、AI现在到底是哪个阶段 对于英伟达而言 现在已经走进成长阶段的后半程 存储和光模块那些走到了信仰阶段 英伟达有定价权 企业的营收暂时不会陷入周期性变化 但存储光模块那些市场竞争激烈 随着产能扩森行业原先的周期规律还会体现 5、那现在应该买入Ai行业吗 AI行业其实非常庞大 英伟达是 三星海力士美光也是 但他们可能出在不同的时期 我先回答 现在肯定应该买入Ai行业 但可能不是你说的那几只股票 随着AI基建行业走入过热甚至回落 AI应用行业开始崛起 他们从发现阶段走到了成长阶段 现在最具确定性的 就是Anthropic Opneai Deepseek这些 如果我们回顾互联网这轮产业革命 从2000年泡沫开始破裂 到后面互联网龙头企业创造千亿美金营收 股价涨了几百上千倍 真正的底部是从to c端企业盈利开始的 今年10月中Anthropic走到了盈利的门口 虽然增速放缓但整体实现了盈亏平衡 互联网时代的三个细分市场社交电商和搜索 在AI应用端已经开始呈现出 聊天机器人 OpenAI 代码编程 Anthropic 视频生成 Seedance 其中ANT率先实现盈利 但不幸的是AI行业to c的成长阶段 刚好赶上了AI行业to b的信仰阶段 所以我们看到了半导体这一个月以来的暴跌 但事实这恰恰是AI作为整个行业成长阶段你的开始 以to c端企业盈利为标志 本次AI行业的大爆发 可能不会再有2000年的崩盘泡沫了 人类社会其实也是在不断发现问题 修改缺陷的 这次还没等到基建崩盘 to c的企业就开始盈利 参考互联网行业 相当于如果2000年的时候 腾讯阿里谷歌亚马逊就开始盈利了 那还会有互联网泡沫崩盘吗 6、我的结论 现在是买入AI行业的好时机 我们现在相当于是在2004年买入互联网龙头 那个时候买入互联网指数 买入腾讯阿里谷歌亚马逊微软那些 你在未来十年都是躺赚 买入OpneAI Anthropic Seedance Deepseek 相当于在2004年买入了中美互联网龙头 大模型是还没有分出胜负 但优势现在已经进入叠加时代 决赛圈已经出现 没有进入决赛圈的选手才是危险的 已经进入决赛圈的选手是应该下注的 如果不能确定到底买哪家 买入QQQ就是最好的 或者未来会有更窄的Ai应用端指数etf 指数会自动筛进入决赛圈的成长阶段企业 盈利的胜率会提高但赔率会降低 目前看直接买这四家胜率还是很高的 又有人说了ANT上市就14000亿美金了 当年互联网企业龙头上市才多少估值呢 这恰恰是这些龙头企业的价值 那些几百亿美金的企业未来生存下去都难 但这些万亿美金的 是有可能成为垄断标的的 他们的估值也依然有十倍甚至几十倍空间 当年互联网企业上市的时候 谁又不是市梦率呢 7、文章内容有点长 我把结论长话短说 crcl出于支付范式转移成长阶段应该买入 大模型头部几家企业 属于Ai应用端的成长阶段应该买入 AI指数（可能暂时还没有标的） 和QQQ属于长期成长阶段 可以定投长期持有

这两天 BTC 跌到 6.2 万美元，有人说币安上个月被盗了 63 亿美元，这次是故意把市场砸下来，好低价把币买回去。 我去翻了下成交数据，发现这几天现货卖得最凶的，反而是 Coinbase。 11 月 9 日到 14 日（UTC），四家交易所的 BTC 现货成交里，Coinbase 主动卖出的量比主动买入多了约 8,900 枚 BTC，币安是 3,100 枚，Bybit 是 700 枚，OKX 则是主动买入多了 1,400 枚。Coinbase 的差额接近币安的 3 倍，那一周 Coinbase 上的 BTC 还平均折价 0.13%。 周日早上跌到 61,946 美元那一脚，要单独看。上面这组数据没覆盖到那个低点。Coinbase 当时一小时成交了约 3,400 枚 BTC，是前三天小时成交量中位数的 6.4 倍。确实放了大量，但要看谁先打下去，得把几家交易所同一时间的逐笔成交摊开看。 我更在意的是钱往哪走。美国现货 BTC ETF 上周五个交易日天天净流出，一共 10.65 亿美元。截至 11 月 14 日，美元稳定币的流通量，7 天少了 44.4 亿美元，30 天少了 163.9 亿美元。把 USDT 从交易所提到自己钱包，市场上的 USDT 一枚都不会少。这次是整个市场的稳定币供应在缩，至于有多少最后换成法币出了圈，光凭这个数字算不出来。 再说币安。被盗是真的，补买资产也是币安自己说过的。但按币安 11 月 3 日披露的口径，到 10 月 31 日，受影响的代币已经补齐了约 98%。 所以我现在更倾向于这么看：Coinbase 现货卖压重，美国 ETF 在撤钱，稳定币供应也在缩水，这三件事都有数字。至于币安为了补窟窿先砸后买，我想先看看能对到币安自营账户的成交记录。

自美国中期选举以来，Crypto 市场蒸发 6000 亿美元，美国科技股蒸发超过 1 万亿美元。 无论哪个圈，日子都不好过！ 所以钱都去哪儿了？

in this big 2026, you can’t afford to fade Bagel 🥯 @bagel_win is making prediction markets more accessible by creating a dedicated mobile app that allows users to explore markets and make predictions anytime, anywhere. available in 150+ countries and regions, bagel connects users to polymarket’s existing markets and liquidity through a convenient mobile experience. here are some advantages of using bagel: 1. mobile convenience 📱: explore markets and make predictions directly from your phone. 2. polymarket integration: access a wide range of existing prediction markets across different topics. 3. established liquidity: trade through polymarket’s existing liquidity rather than a separate trading ecosystem. 4. personalized discovery: discover interesting markets through the for you feed. 5. live market updates: follow market developments as events unfold. 6. copy trading: follow other predictors and copy their trades. 7. social features: connect with other users, track their activity and exchange market ideas. - download bagel now: - register with my code: stunner - you will get 10% off fees. happy predicting. bagel combines @Polymarket’s market access with mobile convenience and social trading features. whether you’re a beginner or an experienced predictor, there’s plenty to explore.

如何赢得别人的尊重？ 1.不要太频繁地向别人寻求帮助。 2.不要说太多不必要的话。 3.不要费力去维系那些对你不感兴趣的人际关系。 4.专注于自己，多做让自己开心的事情。 5.不要参与对他人的闲言碎语。 6.如果有人不尊重你，要当场明确表达自己的态度。 7.不要总想着占别人的便宜，尤其在吃喝往来上。

11、干活前先跟 Claude 说声“hi”。 为什么？5 小时计时是从你第一条消息开始算的。 9 点开工 → 14 点重置。11 点用完，要等 3 小时。 7 点先说声 hi → 12 点重置。11 点用完，只等 1 小时。 同样的额度，少等很多时间。

人的任务： 1. 检查原型效果，下命令修改 2. 确定大的设计逻辑正确（正式项目还是不太放心，信任Agent的话可以去掉） 3. 最后检查二次复测的结果，可以让Agent直接生出证据截图，直接检查截图。（但是我个人还是相信自己点一下自己做的功能）

十課學完了，你們團隊就會用它了？官方最後一課潑了一盆冷水：學完不等於會用，會不會用，要拿九個問題對一遍纔知道。 這九個問題是課頁上的一張檢查表，做法很簡單：挑一個頻道，最好是你們團隊派活最多、它最常出沒的那一個，一條一條打勾。答得出來，說明那個習慣已經長在團隊裡了；答不出來也沒關係，每一個答不出來的地方，課頁都會告訴你是哪一課教的、回去練什麼。九條全答完，課頁還會幫你拼出一句話，貼進頻道裡，讓它跟你一起把第一個缺口補起來。 前六問看地方對不對。派活不用重講背景，答案用頻道裡現成的東西和工具裡的資料；工具接上了，而且有一條結果真的對過來源；團隊用得上的活在頻道裡幹，不在某個人的私信裡；它做錯了，糾正有留下來，不會下次再犯，而且你們偶爾會回頭看它現在記得什麼；一個頻道只幹一種活，它知道這個頻道是幹哪一種的；它也知道這個頻道裡哪些話不用艾特也該接，哪些話該放著別動。 後三問看任務與責任清不清楚。每週都要做的活，現在它自己開工，不用人每週叫一次；派活的時候，你們說清目標、去哪找、怎麼驗，結果回來在帖子串裡覆盤、給回饋；它手上有一份持續的責任，對著頻道裡寫下的目標，哪些決定它自己定、哪些決定帶回來問人，界線寫得清清楚楚。 官方最後一句話是關鍵：習慣是全隊的，不是一個人說了算，複盤要全隊一起對，結果寫下來，寫進它讀得到的地方。一個人用得再順，頻道裡其他人沒跟上，習慣還是長不出來。這門課從第一課教你怎麼艾特它，到最後一課教你怎麼回頭看，收尾收在這裡：不是你學會了，是你們全隊都養成習慣了，纔算數。 S1哥觀點：說「學完十課就會用」的人，和說「複盤就是開會檢討」的人，錯的是同一處，都沒看懂最後一課——複盤不是檢討誰，是九個問題對著一個頻道打勾，答不出來的地方就是下一課要回去練的東西，練完把結果寫下來，寫進它讀得到的地方。會複盤的團隊，九問越答越順；不會複盤的團隊，十課學完還是一個人在用，其他人還在旁邊看。你們團隊九個問題能答幾條？評論區說說。 收藏用清單（照著做）： 1. 挑一個頻道，最好是派活最多的那一個。 2. 九個問題一條一條打勾，答不出來的記下來。 3. 答不出來的地方，回去練對應的那一課。 4. 九條答完，把結果寫下來，寫進它讀得到的地方。 轉給那個十課都學完了、還是一個人在用的同事，九個問題對一遍，就知道差在哪了。 #Claude中文教程#