与「690」相关的搜索结果

ETHGas @ETHGasOfficial 这个项目有空投的小伙伴可以再查下，二级市场的代币价格已经涨疯了，目前我这边最高的是单号空投价值在690U+ 领取链接：

Bitdeer：AI 数据中心转型和重估值之路 Bitdeer（BTDR）这家比特币矿企，正在努力的让市场尽快开始把它的一部分资产按 AI 数据中心重新定价。 截至 2026 年 5 月，Bitdeer 披露全球电力容量约 3.0GW，其中 1.74GW 已上线，1.26GW 在 pipeline。这个数量并不小。但问题是，这些电力里，真正已经被验证为 AI-ready 的比例还不高。市场不给它 CoreWeave、Nebius 或 IREN 那样的估值，并不完全是错杀。 Bitdeer 当前的估值更像“矿企 + AIDC 期权”。它的 EV/Sales 明显低于 CoreWeave、IREN、Applied Digital、Nebius 等 AI 基础设施标的。但折价的原因也合理：AI Cloud 收入还小，大客户合同还没落地，融资路径也还没完全清晰。 公司 4 月披露 AI Cloud ARR 约 6900 万美元，GPU 部署 4184 张，利用率 92%；但 Q1 AI Cloud 收入只有 370 万美元。 主要原因是Q1 收入是季度累计，而 ARR 是期末点位，业务主要在 3 月后才开始明显爬坡。 真正的问题是gpu租用价格。按 6900 万美元 ARR 和 GPU 数量测算，隐含单价大约在 2 美元/GPU-hour 左右，明显低于成熟高端 GPU 云的 on-demand 价格。 这说明 Bitdeer 可能仍在用较低价格换利用率和客户验证。因此，后续要看的不是单纯 ARR 增长，而是 Q2、Q3 的收入兑现和毛利率。 Bitdeer 最重要的触发器是挪威 Tydal 225MW 项目。如果它签下高信用租户，并披露租期、容量、租金或 ARR，这会显著改变市场对公司电力资产质量的判断。没有租约，3GW 只是潜在资源；有租约，它才变成可融资、可估值的 AI 数据中心资产。 第二个触发器是 AI Cloud ARR 能否突破 1 亿美元。4 月已经到 6900 万美元，短期继续上行的概率不低。但如果增长主要靠低价填满 GPU，估值倍数会被压制。 第三个触发器是融资。Bitdeer Q1 末借款约 19 亿美元，现金约 3 亿美元。AIDC 转型需要大量资本。若公司能依靠项目债、客户预付款或低稀释融资推进，股东能保留更多重估收益；若靠高成本债或持续发股，弹性会被稀释。 第四个触发器是交付。Tydal、Wenatchee、Knoxville 等项目的转换窗口集中在 2026 年 Q4 到 2027 年 Q1。短线看合同，中线看融资，最终还是要看项目能否投运并进入财报。 整体看，Bitdeer 出现第一阶段重估的概率偏大。它有电力、有转型路径，也有接近落地的事件催化。但它还不是成熟 neocloud，而是处在“矿企估值向 AI infra 估值切换”的前夜。 总的来说Bitdeer 的便宜是真实的，折价也是真实的；真正的机会在于，市场是否会因为 Tydal 签约、AI ARR 增长和融资清晰，把它从矿企重新定价为 AI 数据中心平台。 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

AI算力投入2026继续狂飙 中国大厂 字节跳动：约300亿（2000亿人民币）。 阿里：三年总计约530-690亿（3800-4800亿人民币）。 腾讯: 预计3000亿 人民币 国外大厂 亚马逊：2000亿（CapEx主力投AI数据中心+自定义芯片）。 谷歌：1800-1900亿（TPU+数据中心，大幅上调）。 OpenAI：1900亿左右（Azure+OpenAI/Stargate项目）。 元宇宙：1250-1450亿（自研芯片+超级集群）。 Anthropic ：直接支出约190-200亿（匹配营收规模），但通过云承诺锁定巨额算力（AWS 1000亿+10年、Google Cloud 2000亿+5年），另有500亿美国自建基础设施。

🎉 imToken 10 周年预热活动 Day 3 来了！ 前两天没有抢到参赛名额的小伙伴，今晚别错过 ⚡️ 📅 今晚 5月13日 🕗 20:00 房间号：6905 🕣 20:30 房间号：9535 活动入口 👉 比赛席位先到先得 ⏳ 围观互动也有奖励 🎁 🔁 转发本推抽 10 人瓜分 100U 💰

.@veneposa 拿白方式 白名单FreeMint ，总量只有1111个，拿到大概率有不错的福报 一共有6种拿白方式 1.Tallyform 路径拿白 目前已经关闭，应该是早期支持者福利 2.社交拿白: 进入→ 填写钱包地址，按照指引步骤依次完成提交推文即可 3.构建者路拿白： 进入→ 创建一个能反映对宇宙看法的市场预设。有1u成本，由项目方审核是否给免费铸造白名单资格。 4.收藏者拿白： → 持有指定 NFT 合集获得 FCFS 资格 一共12个NFT，目前只公布5个，还未快照 5.抽奖拿白 每四小时一轮，每轮可分配1个GTD和4个FCFS 名额，后面进入需要访问码（项目方推特、社区、DC蹲访问码） 玩法：每轮活动中的星盘抢占一个点位，一共 690 个点位，每个钱包可任意选择 3 个，一定要速度快 → 6.DC身份拿白 → 目前还未开启，目前已开放三个角色，可能和白单有关系，喜欢肝DC的可以争取拿下角色。 Veneposa 是一个专注于主题指数构建的早期项目，覆盖加密货币、股票、大宗商品和 RWA 资产，利用聚合预言机数据提供统一价格信号，支持 AI 代理通过 x402 和 @tempo 的 MPP 访问价格端点。 目前处于社区建设和 NFT 预热阶段，核心产品 Beta 测试也快上线了，可以重点关注下 感觉 Veneposa 有 AI 数据聚合潜力，目前是社区预热项目，这次的NFT 最后表现怎么样还要看FOMO的情况，无广纯分享 Dyor~

转译：西方忘了怎么造东西，现在也快忘了怎么写代码 作者：Denis Stetskov 2023 年，在巴黎航展上，雷神公司的总裁站在台上，讲起他们为了重启“毒刺”导弹（Stinger）生产线，到底费了多大劲。 他们把一批 70 多岁的老工程师请了回来，让这些老人教年轻员工怎么造一枚导弹。图纸还是卡特总统时代画在纸上的老图纸。测试设备已经在仓库里躺了很多年。导弹的鼻锥还得靠手工安装，方法和 40 年前一模一样。 五角大楼已经 20 年没买过新的“毒刺”了。然后，俄罗斯入侵乌克兰，局势一下变了：所有人突然都需要这种导弹。 可生产线早就关了。电子元件已经过时。导引头组件也停产了。2022 年 5 月下的订单，要到 2026 年才能交付。 整整 4 年。 不是因为没钱，而是因为真正知道怎么造它的人，十年前就退休了，而且没人接上。 我在乌克兰带工程团队。我的团队见到的是这个问题的另一面。不是工厂车间，而是战场上接收武器的那一端。 当雷神还在努力根据 40 年前的蓝图重启生产时，美国已经在向乌克兰运送成千上万枚“毒刺”。RTX 首席执行官 Greg Hayes 说，10 个月的战争，消耗掉了相当于 13 年产量的“毒刺”。 这种模式，我太熟悉了。它现在正在我的行业里重演。 一百万发炮弹，没人造得出来 2023 年 3 月，欧盟承诺在 12 个月内向乌克兰提供 100 万发炮弹。 当时，欧洲一整年的炮弹产能只有 23 万发。而乌克兰每天就要消耗 5000 到 7000 发。 任何人拿个计算器算一下，都知道这事根本不可能。 到了最后期限，欧洲只交付了大约一半。马克龙后来称，最初那个承诺太鲁莽。由 9 个国家、11 家媒体联合发起的一项调查发现，欧洲真实的生产能力大概只有欧盟官方说法的三分之一。 那 100 万发炮弹的目标，直到 2024 年 12 月才真正完成，比原计划晚了 9 个月。 问题不是某一个环节卡住了。是每一个环节都卡住了。 法国在 2007 年就停止了国内发射药生产，整整 17 年没有继续做。欧洲唯一一家主要 TNT 生产商在波兰。德国自己的弹药储备只够用两天。丹麦一家 Nammo 工厂在 2020 年关闭，后来不得不从零开始重启。 整个欧洲国防工业，长期以来都被优化成一种模式：生产少量、昂贵、定制化的产品。没人为大规模生产做准备。也没人为危机做准备。 美国也好不到哪里去。 155 毫米炮弹壳主要靠宾夕法尼亚州斯克兰顿的一家工厂；爆炸物填装则依赖爱荷华州的一处设施；美国从 1986 年起就没有本土 TNT 生产了。 后来砸进去几十亿美元，产量依然没达到目标的一半。 要么合并，要么死 这不是偶然。 1993 年，五角大楼告诉国防企业的 CEO 们：要么合并，要么死。 于是，51 家主要国防承包商最终缩成了 5 家。战术导弹供应商从 13 家变成 3 家。造船厂从 8 家变成 2 家。国防工业劳动力从 320 万人降到 110 万人，砍掉了 65%。 弹药供应链到处都是单点故障（single point of failure，指一个环节出问题就会拖垮整个系统）。 155 毫米炮弹壳只有一家制造商，位于加州科切拉，而那里就在圣安德烈亚斯断层上。发射药装药也只有加拿大的一处设施能做。 整个系统被优化到成本最低，却几乎没有任何应急余量。 纸面上看，很高效。 现实里，只差一个坏日子，就会崩。 知识一旦死去，就很难复活 再看 Fogbank。 Fogbank 是一种用于核弹头的机密材料。它在 1975 年到 1989 年间生产，后来生产设施被关闭。 多年后，美国政府为了一个核弹头寿命延长项目，需要重新制造 Fogbank。结果他们发现，自己已经不会做了。 美国政府问责局（GAO）的一份报告指出，几乎所有掌握生产经验的人，要么退休了，要么去世了，要么离开了相关机构。留下来的记录也很少。 经历了 6900 万美元的成本超支，以及数年的失败尝试后，他们终于做出了可用的 Fogbank。 然后，又发现新批次太“纯”了。 原来的生产工艺里，曾经有一种无意中产生的杂质，而这种杂质对材料功能至关重要。可没人知道这件事。 负责复现的工程师不知道。几十年前做出原始材料的工人也不知道。 洛斯阿拉莫斯把它称为原始工艺中的“无意识依赖”（unknowing dependency）：这个环节很关键，但当年没人意识到它关键。 一个核武器项目，竟然失去了制造自己发明出来的材料的能力。 更可怕的是，知识并不只是随着人离开而流失。它从一开始就没有被任何人真正完整理解过。 (更正：原文最初版本曾写道，当年制造 Fogbank 的工人知道这种杂质的存在。事实并非如此。他们也不知道。这个依赖关系是无意形成的，这反而让“知识流失”的论点更强，而不是更弱。感谢评论区的 John F. 指出这一点。) 同一套剧本 我读到 Fogbank 的故事时，立刻认出了这个模式。 我说的不是核材料本身，而是那个熟悉的剧本： 花几十年建立起一种能力。 找到一个更便宜的替代方案。 让人才梯队慢慢萎缩。 享受节省下来的成本。 然后，当危机突然要求你拿回那种能力时，看着一切崩塌。 在国防工业里，那个替代方案叫“和平红利”（peace dividend，指冷战结束后减少军费、把资源转向民用经济的收益）。 在软件行业里，它叫 AI。 我之前写过“人才管道崩塌”的问题。招聘数据、初级工程师到资深工程师之间的断层，都已经有很多证据。还有“理解力危机”：人们会让 AI 写代码，却越来越不理解代码本身。 但我之前一直没有找到一个足够贴切的历史类比。 现在我找到了。 而这个类比告诉我们的东西，是招聘数据看不出来的：重建一种能力，到底需要多久。 重建能力永远需要很多年 国防工业里，每一次大规模恢复产能，哪怕是相对简单的系统，也要 3 到 5 年。复杂系统则要 5 到 10 年。 “毒刺”：从下单到交付，至少 30 个月。 “标枪”（Javelin）：花了 4 年半，产量还没翻倍。 155 毫米炮弹：投入 50 亿美元，4 年过去仍没达到目标。 法国直到 2024 年才重启发射药生产，而距离它关闭国内生产线，已经过去了 17 年。 钱从来不是最大的限制。 知识才是。 兰德公司（RAND）发现，潜艇设计中有 10% 的技术技能，需要 10 年在岗经验才能培养出来，有时还得建立在博士学位之后。国防工业里的技术工种，学徒期通常要 2 到 4 年；要达到能当主管的水平，则需要 5 到 8 年。 现在，把这套时间线放到软件行业里。 一个初级开发者，需要 3 到 5 年，才能成长为合格的中级工程师。 需要 5 到 8 年，才能成为资深工程师。 需要 10 年甚至更久，才能成为首席工程师或架构师。 这条时间线，不能靠砸钱压缩。 也不能靠 AI 压缩。 METR 做过一项随机对照试验（randomized controlled trial，医学和社会科学中常用的一种严谨实验方法）：经验丰富的开发者使用 AI 编程工具后，在真实开源任务上反而慢了 19%。 开始前，他们预测 AI 会让自己快 24%。结果现实和预期之间，相差了 43 个百分点。 研究人员后来想做后续实验时，相当一部分开发者拒绝参加——如果实验要求他们在没有 AI 的情况下工作，他们就不愿意。他们已经无法想象回到不用 AI 的状态。 账单总会来的 软件行业现在正进入同一种“优化”的第三年。 Salesforce 说，2025 年不会再招聘更多软件工程师。LeadDev 的一项调查发现，54% 的工程负责人认为，从长期看，AI 编程助手会减少初级工程师招聘。计算研究协会（CRA）对大学计算机院系的调查显示，62% 的院系报告今年入学人数下降。 我在代码审查里已经看到了这个问题。 现在，审查才是瓶颈。 AI 生成代码很快。 人类审查代码很慢。 于是行业的答案也很可预测：让 AI 去审查 AI 写的代码。 我不会这么做。 我改造了我们的拉取请求模板（pull request template，开发者提交代码变更时填写的说明模板）。现在，每个 PR 都必须说明：改了什么，为什么改，这属于哪类变更，以及修改前后的截图。 也就是说，我们要给审查者提供结构化上下文，不能让审查者靠猜。 我还在每个项目里安排专门的审查人员。更多双眼睛，就有更多机会发现模型漏掉的问题。 但这些仍然解决不了更深层的麻烦。 现在真正需要的能力已经变了。 光有技术能力不够。你还需要能主动负责、能清楚沟通取舍、能反驳机器给出的糟糕建议——哪怕那台机器说话听起来无比自信。 这些其实是领导力。 我们上一轮招聘就能说明这种人有多稀缺：2253 名候选人，2069 人被淘汰，最终录用 4 人。转化率只有 0.18%。 既有技术能力，又有判断力、能看出 AI 什么时候错了的人，在市场上几乎已经不存在了。 我们会记录一切。 Site Books、SDD、RVS 报告、带完整测试覆盖的样板模块……这些今天都有用，因为读这些文档的人，本身具备足够的工程能力，知道该怎么行动。 可如果以后读文档的人不具备这种能力，会怎样？ 坦白说，我不知道。 也许 5 年后的 AI 足够强，这些问题就不重要了。也许问题仍然可控。我没法预测 2031 年模型会强到什么程度。 但危机不会提前给你发日历邀请。 没人预料到 2022 年欧洲会爆发全面陆地战争。国防工业有 30 年时间做准备，但它没有。 就连 Fogbank 当年也有记录。只是记录不够。更糟的是，原来的工人甚至没有完全理解自己的工艺。 5 到 10 年后，我们会需要资深工程师。 我们会需要那种真正理解系统全貌的人；需要能在凌晨两点调试分布式故障的人；需要携带着那些代码库里根本不存在的组织知识的人。 可这些工程师现在还不存在，因为我们没有在培养他们。 本该现在学习成长的初级工程师，要么根本没有被雇用，要么正在形成一项由美国国防部资助的劳动力研究称为“AI 中介能力”（AI-mediated competence）的东西。 他们会提示 AI。 但他们说不出 AI 错在哪里。 这就是代码行业的 Fogbank。 当初级工程师跳过调试，跳过那些塑造能力的犯错过程，他们就无法建立隐性知识（tacit expertise，指难以写成文档、只能通过实践积累的经验性能力）。 等我这一代工程师退休时，这些知识不会转移给 AI。 它只会消失。 西方已经犯过一次这样的错误。账单在乌克兰到期了。 我知道这听起来像什么。我也知道，我之前已经写过人才管道的问题。 但国防工业这个例子，不是为了重复同一个论点。它是为了展示：如果行业现在对 AI 的期待落空，会发生什么。 “毒刺”、“标枪”、Fogbank、那一百万发没人造得出来的炮弹——这就是把赌注押在“优化”上，结果赌错之后要付出的代价。 而我们现在，正在软件工程上押下同样的赌注。 也许 AI 会变得足够强，这场赌局最后会赢。 也许不会。 当年的国防工业，也以为和平会永远持续下去。 来源：