与「AI人外大集合5th」相关的搜索结果

【5Kフォロワー&企画開催】 #AI人外大集合5th# おはようございます 遂に5Kフォロワー達成、1万への折り返し地点ですね 皆様のおかげです、本当にありがとうございます そしてこれからも、どうぞよろしくお願いします 引き続き企画のお知らせです ルール #AI人外大集合5th# 　のタグをつけてください ・人外設定なら何でもあり ・外見の人外度合い、性別一切不問 ・オリジナル主体の企画ですが、今回は二次創作もありでいきます 期間:今から5月6日(水曜日)まで (7日朝までロスタイム) 皆様の投稿お待ちしております 補足 ・当アカウントのキャラクター再現もOK ・吸血鬼等の人間と見た目が大差なくてもOK ・いつものウチの子に動物耳とかでもOK ・モンスター系もOK ・1-2枚/日ぐらいで ・センシティブな投稿はいいねのみでお願いします ・基本いいね＋リポスト ・リプライは出来るだけ頑張る ・人数によっては規制回避でゆっくり反応します #AIイラスト# ……最近の流れからして、踊り子衣装じゃないのかって？ いや作ったけど、お祝いポストが検索除外食らったら洒落にならないので正気に戻りました

Seedance 2.0 这几天是真的火，X 上到处都是它生成的视频，又一次让海外 AI 圈羡慕国内 AI 圈。 影视飓风的 Tim 昨晚发了测试视频，对技术本身评价很高：分镜设计、运镜、音画匹配都是质的飞跃。 那条视频我也看了，其中他提到一个问题：上传自己照片做参考图时，生成视频的声音和他本人很像，而他从未提供过任何声音样本。 这倒不奇怪，影视飓风在全网有大量高清视频，肯定已经被用作训练数据。 之前谷歌 Veo 3 推出时，人们发现生成的视频也很像一些知名创作者的作品；OpenAI 最早推出 Sora 时，外媒也测试到它能高度模仿经典电影片段。用公开数据训练是国内外大模型的共同做法，Tim 作为明星级公众人物，素材进入公开数据集并不意外。 这种担忧挺合理的，但这趋势我们挡不住，现在已经没有人能阻挡 AI 的加速了。 最早音色克隆技术出来的时候，大厂掌握了技术但不敢放开，反倒是小团队先做出来发布了，慢慢大家也就跟进接受了。 这几天大火的 ClawdBot/OpenClaw 也是同样的路径，各种隐私安全问题被讨论，但因为是个人小团队项目，大家宽容度明显更高，等大厂后续下场反而更容易被接受。 这种事大厂反而能让人放心一点，大厂有能力也有动力去做合规限制，小作坊下料才是真的猛。 事实上即梦已经限制了真人人脸生成视频，大厂在技术狂奔时还是会守住一些底线。 结果倒是很多人在那哀叹，限制了真人人脸生成视频，少了一些可以测试的例子，很多视频都成了绝版。 与其焦虑不如多想想怎么在技术创新与数据合规之间找到平衡。 像 Sora 2 的分身（Chapter）功能就是一个不错的尝试方向，让你既能享受技术带来的乐趣，又减少一些隐私上的担忧。比如我给孩子制作了分身，我只会给家人分享，不会让别人用。 好消息是，人们对 AI 生成的音频视频正在建立起更多辨别力和免疫力，这本身也是一种自然的适应过程。我也经常跟家人朋友科普让他们小心 AI 视频。 我自己有个小技巧是先看视频时长是不是 10 秒 15 秒这种整数，不过这招已经快像看 AI 图片人物有没有六根手指一样不灵了。 你们都用什么技巧分辨 AI 生成的图片或者视频呢？

极客公园做了一次相当完整的测试，把主流大模型全都牵了出来去做高考全科试卷，用的还是新课标I卷，这比简单写篇命题作文的参考性要高得多。   先说结果吧，大模型做文科题几乎就是在打表演赛。这应该不意外，「政史地」的拿分点主要在于信息储备，正是AI比较擅长的地方。   以河南省的本科录取线为标准，总共有4个大模型冲进了文科1本线。一句话，靠记忆驱动的科目，大模型战无不胜。这方面，国产大模型几乎达到GPT水准。   但转头去看「理化生」，就成了车祸现场。没有一家能够摸到511的1本线，一半以上的大模型连400分都考不到，不知道该不该安排明年回去复读。不过在理科测试的集体摆烂里，还是能看到一些好消息的。   从竞争角度看，以前外界普遍认为GPT不可战胜。原因无非是从先发优势、算力、芯片角度展开，现在来看，GPT没有出现断层式的领先，第一梯队的国产大模型都是有一战之力的，以后的追赶速度应该不会太慢。   而且，中、外大模型的「长板」很接近，「短板」也大差不差。很多科目里，国产大模型的表现超过了GPT-4o。其中还有起步相对较晚的字节豆包，语文分数比GPT-4o还高，历史和化学两科更是拿到「全校」第一。可见硬件之外，高质量的微调和监督学习或许也是一种行之有效的加速度。   一次小试牛刀当然不值得沾沾自喜了，但还是让我们看到了弯道超车的可能性。   我更希望这场测试可以把大模型造神运动拉回正轨。与其去指望大模型全知全能，不如让它成为一项实打实的新质生产力。让祖冲之这样的天才，不需要去消耗大量心血人肉计算「圆周率」，而把才华投向更有价值的议题。毕竟人类强大的推理能力放着不用，完全是一种资源浪费。   很有意思的是，因为很多题目涉及到读图，而各家大模型的识图准确度又参差不齐，所以经常会在没搞明白问题的情况下「连蒙带猜」，这反而对大模型的逻辑推理能力有了额外的考验。   前段时间看李飞飞说AI的技术瓶颈还是在于缺少感知力，比如饥饿是一种怎样的感受，失去生命又如何会让人恐惧，为什么不能直视刺眼的阳光，等等，AI或许可以解释，但它实际上并不理解。   把大模型们当成做题家赶进考场，场面固然稍微细想就很喜感，它们也不可能身临其境的复刻考生们真实背负的那些紧张或兴奋，但这一步的跨越已经足够惊人，甚至可以说是栩栩如生，让机器来考进1本、2本线，这在以前是根本想不到的事情。   我也很建议极客公园立下一年之约，明年今日再来考一次，看看到时候会不会有大模型可以考进清北，如果有，又会是哪一家或者哪几家？   你们也可以预测一下，明年我来翻牌子。

我发现我的粉丝群体大多都比我牛逼 05年白手起家交易员皕五，资产三千万了吧 01年万单联盟创始人桔梗，也是A8了目前 05年大学生嗯哼，这个不用介绍了太火了哈哈哈 组一个年轻创业者圈子越发重要了 跟这群人在一起能量会超级足 一周前在深圳线下会议遇到的年轻创业者 营收百万的大有人在了，全部清一色的00后 03年04年05年的都有，甚至09年的都有 （当然09年是高考完来学习做事的，并没有创业） 还是举几个例子吧，免得说我在吹牛逼 直接说他们在做啥有什么结果，方便快捷 当然他们大多没有做推特，所以粉丝很少 05年白手起家A8交易员皕五@chen_xiao95600，资产上次问是三千五百万？现在应该又增长了，ok活动起家的 01年本地生活外卖CPS从业者桔梗@jiegengup 万单联盟负责人 擅长外卖行业到1孵化，目前也是A8 00年跨境电商业务年入百万的大浪@Bigwave521，AI 自媒体年商业变现 50w+，刚在推特起号 05在校大学生，销售界的天才小欣@xiaoxin050127，跨境减重赛道百万营收，目前在出海创业 05在校大学生，全推特最会玩营销打广告打的最好的嗯哼@EnHeng456，营销学嗯哼绝对没问题，吾辈楷模 04年创业者殷公子@A8gongzi在 Web3 赚到第一个 100 万，目前在探索AI。持续分享价值投资、AI 商业化和创业实战 01年三建理论创始人方外@yijiangren美股交易和web3赛道顶流博主，三建理论认准方外哥！ 05年AI创业顶流博主温总@gkxspace，目前在AI创业，线下也是非常好的朋友，温总的实力超级强 00年出海创业者小伟@_HIT_SZ_目前长期分享AI工具、硬件落地、海外公司搭建与成本优化等实操经验 04年AI创业者牛肉粉老师@beefnoode，主要在AI中转，企业AI转型业务发力，且做出结果了，同时跟我线下关系真的特别好，我们经常一起交流 03年AI创业者天策@Leobai825卖Token和创业社群及GPT代充月营收破百万，创业半年，持续创业中ing 当然这些只是00后年轻创业者，更多更有实力的大哥还没来得及介绍，有机会了给大家介绍认识一下！ 欢迎各位年轻创业者来推特做内容起号 如果你也是年轻创业者，欢迎来链接我帮你起号 把更多更有意义的事情带到推特中文社区！

再过半年，想接海外单赚美金的人，都会用这个方式找客户 一个能让你月入 $10,000+ 的路径：不在平台等单，直接用 AI 找到需要你服务的海外公司，精准触达客户 你可能觉得这个很难？以前确实难，现在不难了 先说一个暴论：AI 时代写代码赚不了钱，只有找客户，vibe marketing 才能让你真赚到钱 我研究了一圈海外接单的真实数据： Upwork 平均时薪 $39，平台抽 10-15% Fiverr 固定抽 20%，前几个月基本零曝光 Toptal 时薪 $80-200，但只录取前 3% 的申请者 大部分人卡死在同一个地方——被动等单，你把 profile 挂上去，然后祈祷客户搜到你，这不是在搞笑吗？？？ 和全球几百万接单的大牛卷同一个关键词，等来的单子还得竞价，利润被压到极限 全世界的自由职业者，公司都知道要主动找客户，但从 20 世纪开始，这个事就没有被解决过 以前你想主动找客户，得这么干：去 LinkedIn 搜关键词，出来一堆不相关的，一个个点进去看 profile，判断这人是不是决策者 再去找邮箱，一半找不到 好不容易凑了 20 个人，写邮件又不知道怎么开口，一天下来处理 20 个 leads，回复率 3%，等于白干 现在这个活，AI 直接给你干了。 我最近在用一个 AI 找人工具 Lev8（刚拿了 GL Ventures 600 万美金），跑通了从找人到成交的完整链路 我的身份：做 AI 提效、Agent 搭建、自动化工作流的独立开发者，帮 SaaS 公司搭内部自动化，客单价 $3,000-$8,000 我直接跟它说： “我是做 AI 提效、Agent 搭建、自动化工作流的独立开发者，帮 SaaS 公司搭内部自动化，你来帮我先分析我的客户画像，然后帮我找客户 比如：帮我找小型 SaaS 公司，最近 6 个月有融资或产品发布动态，有招聘全职或者兼职AI提效，agent搭建，ai自动化工作六搭建的岗位的公司，提取创始人/CTO 的名字、邮箱、LinkedIn，按匹配度 1-10 分打分，附一句话理由。” 它聚合 50+ 实时数据源（LinkedIn、X、GitHub、公司官网等），直接出一份精准名单 不是那种买来的过时数据库，是实时的、活的数据。每个人都有 360° 画像：公司背景、最近动态、业务痛点、团队规模、匹配度评分 更狠的是下一步—— 它基于每个人最近的真实动态，自动生成个性化破冰邮件 不是一封模板改名字群发，是每封都不一样 比如对方三天前刚发布了新功能，邮件开头就提到这个功能，自然过渡到“我能帮你们把 XX 流程自动化” 对方上周刚发了条推文吐槽内部工具难用？开头就接这个话题 以前要做到这种程度，你得花 30 分钟研究一个人，一天最多写 10 封。现在批量生成，每封都有 context，每封都像是专门写给他的 然后多渠道一键发送——Email、LinkedIn、WhatsApp、X，选渠道，确认内容，发出去 整个流程从输入 prompt 到发出第一批邮件：5分钟 我又试了另一个场景： “帮我找在 YouTube 上有 10W+ 订阅但发布频率下降的创作者，可能需要外包剪辑。提取联系方式，按匹配度排序。” 同样几分钟出结果。做视频剪辑外包的、做设计的、做跨境电商服务的，换个 prompt 就是换个赚钱场景 算一笔账： 传统路径：Upwork 接单，客单价 $5,000，平台抽 10-15%，到手 $4,250。还得和印度团队卷价格，实际成交价可能被压到 $3,000。被动等单，一个月能接 1-2 单已经不错 主动获客路径：客单价 $5,000，直接触达决策人，0 中间商，到手 $5,000。发 50 封精准邮件，回复率 15-25%（因为每封都有 context，不是盲发），8-12 个回复，成交 1-2 单 月入 $5,000-$10,000，不靠平台，不卷价格 关键差异：你触达的不是随机的人，而是“此刻正好需要你服务”的人 以前做到这一点需要一个 BD 团队。现在一个人 + 一个 AI 队友就能跑通完整链路 窗口期不会太长，等到人人都这么干的时候，回复率又会被打下来。先跑通的人，先吃肉 Lev8：

AI 预测世界杯，最容易骗人的不是 AI，是人自己想要一个答案。 这几天刷到好几个 AI 预测世界杯的平台。球队实力、历史战绩、阵容身价、伤病、赔率、近期状态，全都喂进去。模型跑一遍给你一个胜率，再顺手猜个比分，看起来很像那么回事。 但越看越觉得，这东西真正暴露的，不是 AI 有多会预测，而是人对“预测”的误解有多深。 很多人嘴上说想看分析，其实心里要的是结论。最好平台直接告诉你：今晚谁赢、几比几、会不会爆冷。 问题是，足球不是数学题，它是一堆变量在90分钟里互相打架。联赛还好，样本够长，强队踢差几场后面还有时间修正。世界杯不一样。三场小组赛就能改命。一张红牌、一个点球、一次门将脱手、一个定位球漏人，前面所有分析可能直接重写。 所以 AI 预测世界杯，最尴尬的地方不是它会错，而是它经常错得像个意外。 赛前资料它能整理得很漂亮，双方历史、战术风格、阵容变化、赔率走势也都能摊出来。这些东西当然有价值。但比赛里真正杀人的，往往不是最显眼的变量。 强队纸面再强，首战也可能只想稳，不想冒险；弱队牌面再差，也能把比赛拖慢、拖碎，拖进泥地里；有些球队控球率 70%，看着很压制，其实全在禁区外倒脚，像拿着刀在门口比划，就是不进去；有些比赛模型赛前给出的胜率看起来合理，开场十几分钟你就发现节奏不对、腿也不对，场面和赛前报告完全不是一回事。 这就是世界杯最麻烦的地方。很多变量不是不存在，而是赛前很难被压成一个干净的数字。 AI 当然有用，但它有用的地方，不是替你下结论，而是把信息找齐、把变量摆出来、把几种可能的比赛剧本先摊开。这比大多数人手动查资料快，也更完整。 如果一个平台只给你胜率、比分和推荐方向，却不告诉你这个判断最怕什么，那其实没太大意义。这不是预测，这是把不确定性包装成确定性。 以前是章鱼选盒子，现在是模型吐概率。外壳高级了，人想偷懒的心却没怎么变。 所以我现在不太想看它命中了几场。命中率太好包装了，样本一短怎么讲都能讲圆。我更想看它错在哪里。 错在红牌、点球、门将脱手，这种可以接受，足球本来就有这种飞来横刀。但如果它错在一开始就没看见关键变量，比如高估强队进攻效率、低估弱队拖节奏的能力，或者完全没意识到这场比赛一方只想拿 1 分，那才是真问题。 看一个预测平台有没有东西，不是看它对的时候多神，而是看它错的时候，能不能把伤口剖开。它为什么看好这边？核心变量是哪几个？哪个变量一变，整个判断就废了？赛后被打脸，是被意外打脸，还是被自己的盲区打脸？ 这些东西，比晒命中率有用多了。 预测错不可怕。世界杯本来就是专门打脸各种确定性的地方。真正可怕的是，错完以后还不知道自己错在哪里。 所以后面再看 AI 世界杯预测，我不会太关心它喊谁赢。我会先看它有没有讲清楚风险点。只给结论的，适合看热闹。能把变量、推理和失效条件摊开的，才值得多看两眼。 预测不是神谕，它是一个带保质期的假设。AI 能把变量摆上桌，但90分钟一开踢，比赛随时可能把桌子掀了。 #世界杯2026# #AI预测# #WorldCup2026#

想和大伙聊聊，在 AI 时代我是如何深入学习一个技术领域的。 之前没有 AI 之前更多是看书、翻这个领域有名的国内外人的所有博客，然后摘抄记录到笔记本，这种速度挺慢，但是很有学习的乐趣，比如当时学习 WebGL 就是这种感觉，可能学懂一个东西差不多要半年空闲时间，慢但快乐。 现在有了 AI 之后，其实我很讨厌网上那种3分钟教你看完百年孤独，也讨厌一切短剧和倍速看电视剧的方式，更多还是挑好的看，吃好一点。 不过最近写你不知道的 Claude Code 和 Agent 系列，除了自己懂的部分外，其实还有大量不太清楚的领域，好在之前收藏了不少文章，刚好借助这一块清库存，全部搞懂输出出去，一直认为，很多时候，不在于看了多少东西，听了多少东西，输入了多少东西，其实用处不大，更加看重你输出了多少东西，这个才是你自己的。 然后我上上周启动了一个深坑挑战自己，研究大模型的训练流程，确保非专业的人也听得懂，探索了2周，刚好这个经验可以分享给大伙，当然成文也差不多好了，最近会发出。 我会把这个学习过程当做写代码一样的组织，第一步收集高质量的资料，比如与之相关的近几年的精品论文，各大模型厂商发布的关键模型的博客，X上模型负责人发表的一些文章，以及斯坦福等高校的近两年关于这一块的课程学习，还有经典的手搓一个大模型的代码仓库等等，这些都是我的一个资料来源过程，我会借助工具自动化全部下载、转md、清洗，梳理，弄好结构化分门别类到我这次研究的仓库。 然后对于自己看得懂的内容就全部看一遍，把不好的删掉，好的留下，对于看不懂的内容，直接借助 Claude 帮我的理解，更复杂一点的直接翻译成中文去阅读，对于代码本地可以跑的就跑起来，不能跑的那种就去看结构，总之会有一个大概的认识和知晓技术原理，这个阶段可以去掉原有一半可能没有用的内容。 到了这个阶段，其实你对这个领域有一个大概的认知了，就可以给这篇文章开始写一个大纲，以及大纲应该结合的来源内容，这里均可以用markdown很多表达，你要讲什么，或者说你想讲什么更想让读者知道，一定一定，文章是写给你给给看的人看的，需要知晓对方的认知水平，和汇报其实差不多。 然后接下来就是苦力活加之前内容的复习过程，和大学时候考试前复习很像，把每一章的内容填充完整，这样下来，你会得到一篇非常长而且有点啰嗦的文章。 这个时候AI就可以帮太忙，你可以让他帮你不改变你原有的内容意思你的语气的情况下，帮我去掉无用的啰嗦内容，以及连贯不到位的内容，或者是这一块缺少的内容，还需要补充什么知识的地方，借助AI继续去完善补充，这里又可以学到很多原来遗漏的东西。 最后整理好以后，可以继续自己读一遍，而非让AI读一遍，这里AI只是工具，千万不要把你的脑袋被AI代替了，这就没有啥意思来，自己读的过程中可以对文章继续修改调优，这里和写代码又非常像了，自测那种感觉，修复问题修问题，最后读了2遍以后，基本感觉完美了，然后就可以发出来给大伙看看。 有小伙伴肯定是担心自己写的东西没有人看，就不太喜欢发出来，或者说就不写了，其实只要你的内容有意义，自然就有读者，而非是你偷懒的理由。 花10min写完这个碎碎念，结束，欢迎交流你是如何学习一个新领域的，下面视频就是我后面要发的那篇你不知道的大模型训练文章的学习仓库，挺有意思，就录了一个视频给大伙看看我的工业化学习方式。

SpaceX 之后，马斯克最 FOMO 的公司不是 Tesla，而是 Neuralink SpaceX 上市之后，市场最该重新看的，是马斯克 @elonmusk 帝国里，下一张还没被公开市场充分定价的牌。 这张牌叫 Neuralink。 如果说 Tesla 是把汽车变成移动机器人，SpaceX 是把人类文明推向太空，那么 Neuralink 做的事情更夸张。 它想把人脑，接进机器 Neuralink 是马斯克旗下的脑机接口公司，核心产品是一套植入式脑机接口系统。 简单理解一下，就是把一枚芯片植入大脑，通过极细的电极读取神经信号，再把这些信号翻译成电脑、手机、机械臂可以理解的指令。 所以它现在最现实的落点，不是什么“人类永生”“意识上传”。 而是先让严重瘫痪、脊髓损伤、ALS 等患者，重新获得一部分控制世界的能力。 比如不用手，只靠大脑信号移动鼠标。 比如用意念浏览网页、打字、玩游戏。 比如未来控制机械臂、恢复交流、甚至尝试视觉修复。 很多人以为 Neuralink 还停留在 PPT 阶段。 其实已经进入人体临床阶段。 这家公司最关键的产品叫 N1 Implant，植入脑部后，通过多条比头发丝还细的电极线采集神经信号。手术不是医生拿镊子一点点塞进去，而是配套 R1 机器人完成高精度植入。 这就是 Neuralink 和普通医疗器械公司不一样的地方。 它不是只做一个芯片。 它同时在做芯片、机器人、神经信号解码、AI 算法、医疗临床、未来人机交互入口。 这也是为什么我觉得它不能只按“医疗器械公司”去看。 Neuralink 更像是一个站在神经科学、机器人、AI、半导体、医疗监管交叉点上的公司。 这类公司，一旦成功，天花板会非常可怕。 因为它解决的不是一个普通消费需求。 它解决的是人类和机器之间最底层的接口问题。 过去几十年，人和机器交互的方式一直在变。 键盘鼠标是一代 触屏是一代 语音交互是一代 AI Agent 可能是一代 但它们本质上都隔着一层外部媒介。 想让机器做什么，必须先把想法变成语言、文字、手势、点击。 而 Neuralink 想跳过这一步。 它直接读大脑信号。 如果这个方向真的跑通，人机交互的终局可能就不再是“我打开电脑”，而是“我想到，机器就执行”。 这就是它最 FOMO 的地方。 SpaceX 让市场重新相信一件事：马斯克的公司，不能只用当下财务报表去看。 因为他的公司往往一开始看起来一个比一个离谱。 Tesla 早期被认为只是造车。 后来变成电动车、能源、自动驾驶、机器人平台。 SpaceX 早期被认为只是发火箭。 后来变成可回收火箭、Starlink、卫星互联网、太空基础设施。 那 Neuralink 呢？ 现在看，是医疗康复。 但如果长期看，它可能是人类进入 AI 时代之后，最重要的输入输出接口。 AI 越强，人类越会遇到一个问题：机器的理解速度越来越快，但人的输出速度太慢。 打字再快，也跟不上思维。 说话再快，也跟不上模型处理信息的速度。 未来 AI 真正进入个人助手、生产力系统、机器人控制、虚拟世界、医疗康复之后，人和 AI 之间最大的瓶颈，可能不是算力。 而是接口。 也就是：人类怎么把自己的意图，低延迟、高带宽、低误差地传给机器。 Neuralink 押的正是这个点。 这也是为什么它和 SpaceX 的热点可以放在一起看。 SpaceX 讲的是人类文明的外延扩张 从地球，到低轨，到月球，到火星 Neuralink 讲的是人类能力的内向扩张 从身体，到神经，到意识，到智能增强 一个往外走 一个往内走 这两个方向，合在一起，才是马斯克真正恐怖的叙事。 不是在做单一公司，他是在做一套文明级拼图。 Tesla 解决现实世界的移动和机器人 SpaceX 解决太空运输和卫星网络 xAI 解决人工智能 Neuralink 解决人脑和机器的连接 如果未来这些东西真的形成闭环，那市场现在对 Neuralink 的理解，大概率还是太浅了。 当然，风险也非常大。 Neuralink 不是 SpaceX。 SpaceX 已经有商业发射、Starlink 现金流、国防和通信需求。 Neuralink 仍然是强监管、强临床、强伦理争议的公司。 它面对的是 FDA、手术安全、长期植入稳定性、脑部数据隐私、医疗保险支付、医生体系接受度，还有公众对“脑内芯片”的天然恐惧。 而且第一批人体植入也出现过电极线回缩的问题。 所以这家公司不是没有风险。 恰恰相反，它风险极高。 但资本市场最喜欢的，往往就是这种东西。 风险巨大。 想象力更巨大。 一旦某个节点被验证，估值会突然跳跃。 比如更多患者稳定使用 比如语音恢复试验出现突破 比如视觉修复项目进入人体阶段 比如自动化植入手术跑通 比如监管路径变得清晰 比如 Neuralink 开始释放 IPO 信号 这些都可能成为未来的催化剂。 现在的问题是，普通人还买不到 Neuralink。 它还没上市，没有股票代码，也不是买 TSLA 就等于买了 Neuralink。 一级市场份额普通人基本碰不到，就算通过 Pre-IPO 平台或 SPV 接触，也要面对高门槛、低流动性、高费用和真实性问题。 所以对大多数散户来说，Neuralink 现在不是一个“马上怎么买”的问题。 而是一个“提前理解下一轮马斯克叙事”的问题。 SpaceX 上市之后，市场会自然开始问：马斯克体系里，还有哪家公司没被公开市场定价？ 答案很明显。 Neuralink 一定会被反复拿出来讨论。 因为它足够科幻 足够争议 足够难 也足够性感 太空已经上桌了 AI 已经上桌了 机器人正在上桌 那下一个最容易被 FOMO 情绪点燃的方向，很可能就是脑机接口。 而 Neuralink，就是这个方向里最会制造叙事、最会吸引资本、也最有大众心智的名字。 这家公司现在还不是一个成熟投资标的。 但它已经是一个必须关注的超级变量。 因为未来几年，市场可能会越来越清楚一件事： 马斯克真正想做的，不是车，不是火箭，也不是社交平台，他想做的是人类下一代基础设施。 一端连接太空，一端连接大脑 SpaceX 负责把人类送向外部宇宙，Neuralink 负责打开人类自己的内部宇宙

台北旅行圆满结束，惯例讲讲这次看到的信息差。 这次旅行有几个Highlight： - 见到了黄仁勋爸爸，喝了Jensen给的台湾啤酒 - 约出来很多很久没见/第一次线下见的朋友 @SaBiBro666 @94cho94134 @0xMalingshu @yoaka__ - 感谢大家带我见了超多人 - 参访了六间Web2公司，并且跑了好多会。 - 之前在泰国grab上坐摩托跑会本来被疯狂司机搞出心理阴影了，后面跟着周周老师的摩托跑了一天会之后痊愈了。 - 在各种地方探讨 的更新 - 见到了传说中的Ray，也见证了大D哥在匹克球上吊打所有人。 话不多说，我们直接开聊 一、关于Web3： 在生态层面上。台湾的Web3生态和我之前听到的一样，以 $SUI 为中心。很多大学生都参与过 $SUI 的黑客松，或者直接在 $SUI 的项目方工作。近期有听到一些风声，说 $SUI 生态在新加坡也在很努力的BD。 看得出来， $SUI 在亚洲区还是有很努力的BD的。 在交易所层面上，台湾与香港有一些细微的相似之处，即，有交易用的交易所，以及OTC用的合规所。在台湾，最为普遍的交易用大所就是 @BingXZH 和 @BitgetTC，两者都通过大量 KOC 进行了有效的推广。 至于合规所，台湾有一系列包括 Hoyabit 在内的合规所，用于出金 - 这些合规所在定位上跟香港的 @HashKey_Global 和 @osldotcom 类似，以合规，可以让散户出入为主。 但是，Hoyabit 等等本地合规所在渠道上明显比香港的合规所更加亲民，以Instagram/Threads营销为主，能够真正触及到Web2的潜在用户。 在KOL层面上，台湾的本土KOL明显是比香港的本土KOL更多的。虽然很多KOL住在香港，但是粤语区 + 能够触及本地用户的KOL实际上两只手就数得过来。 *甚至可以说 @monsterblockhk 和 @852Web3 相关人士就基本占了所有香港KOL的半壁江山 相比之下，台湾明显有更多的KOC和KOL走到潜在用户当中，这也为本地交易所打出自己的市场空间提供了初步的入场点。 跟香港类似的点，在于这些KOC和KOL非常善于在Facebook和Instagram上起号，有些甚至在这些平台上反而粉丝更多。 Mass Adoption这件事情在执行上，台湾一带确实有很多可以学习的点。 最后说点刺激的 - 有听传言说不少当地的黑社会仍然盛行，会专门挑有钱的kol下手勒索。所以大家跑会时可能还是要尽量少穿merch，少显露财富。或许这也是不少KOL不露脸的原因。 二、关于AI： 这次是在英伟达的Claw活动上见到Jensen的。除了再一次听到孔总办的深圳活动被点名表扬之外，也有不少机会和当地人交流AI。 整体感觉下来，两岸对Agent目前的focus大差不差，都是在讨论怎么加入工作流，怎么更好的融入现有的企业体系。 而这却是也符合英伟达这次活动推广的Nemo Claw以及Open Shell的专属功能 - 即，更方便企业进行信息转移，权限继承，以及信息隔离的claw。 三月份的时候，我就稍微体验过nemo claw。不过用下来感觉除了免费，速度和工作能力没有很多亮眼的地方，甚至不如我直接问codex。 本来期望这次可以看到一些nemo claw更有趣的应用，没想到演示小哥现场翻车了好几次。或许Nemo Claw也不是我们这些初创阶段的startup适合用的。 除此之外，这次探访了华硕和几家Startup（包括SaaS，用户端产品，ESG审计公司，以及一些ToB技术服务），大家也很明显在试图寻找AI时代新的PMF，包括新的硬件，新的叙事，等等。 印象比较深刻的一个叙事案例就是一个共享车位供应商，就在为“成为自动驾驶汽车的上游供应商”准备。这个还是蛮有意思的。 三、关于台股： 说一个题外话 - 我是直到这次旅行，才发现台股也有 +-10% 的限制。 这次见的不少圈内朋友都有在交易台股，而且很多都有赚到钱，让我也忍不住想要研究。 台股的盘子实际上也确实很大，目前已经是全球第五大股票市场。像台湾电信，台湾大哥大等等巨头也投了很多数十亿台币的轮次 - 包括见的六家企业中的其中一家。 由于盘子足够大，所以也有不少本地企业会选择先上台股，再上美股的策略。 所以，一个这次比较直观的感受，就是台湾地区已经产生了独特的VC投资生态，模式，以及上市和退出的common sense。 最后，软件上，大家用的主要还是富途，和一个忘记名字了的本地软件。（@Live_2_Earn和@jhaninvest有跟我提，但是我忘了） 四、 关于生活，生活成本，以及娱乐 台湾的生活确实很舒适，而且超便宜。礼拜六的时候，帮朋友订了宜兰的别墅，带电梯+两层楼，可以容纳20人，居然只需要 16000台币（大概人均30u） 然后虽然台北很多地方感觉有点点破，但是新北一带看房子的外观还是蛮新的。 平常吃饭的成本也比较低。有个朋友约喜欢的女生出来吃饭，找了家蛮有名的店，最后两个人买单也才15u左右。 娱乐上，积分制的扑克是合法的。（师父 @gokunocool 这不得去一下） 这次踩点了Ace8，CTP，6Bet几个赛点。第一天就在CTP打了60人的锦标赛。本来打到第10，结果一手冤家牌三条allin被原地送走。 *草泥马chipchip，怎么每次都是冤家牌？？！ 6Bet的话感觉大家都比较鱼，所以倒是很快收集到筹码。 最后Ace8是和 @SaBiBro666 两兄弟一起去的，没想到这次我彻底成了鱼，被彻底干碎。 路边还有跟多六合彩店，进店可以花钱开刮。朋友直接给干没3000台币。 然后就是按摩。这次去的都是正经的按摩 - 为什么要强调正经的？因为我搜索按摩的时候，真的出现了几家不正经的按摩，就在谷歌地图上。 第一天去了一个叫Villiage的Spa，大概1500台币60分钟，手法非常赞，感觉技师是懂穴位的，按的我骨头全程发响，当晚一躺上床就睡着了。水平超过了不少我在深圳水会体验的按摩。 最后是交通。周周老师的摩托确实非常方便，穿梭于车水马龙之中，解决了所有堵车的问题。 本来是要尝试捷运的，结果明明写着visa可以拍，却完全用不了。哭了。 剩下的时间就是坐uber，价格比香港便宜不少，横跨半个台北也不到20u，司机态度也都很不错。 印象比较深的就是有个司机吐槽，从必胜客下班过来开uber，就是因为打工赚的太少，一个月每天12小时，才赚不到3万台币（约1000u） 五、关于夜市和夜店： 由于住在宁夏夜市旁边，台湾的夜市小吃这次也是吃了个遍，简单评价一下印象深的： 卤肉饭：感觉不如在香港吃到的好吃，但确实有家常菜的味道，而且胜在便宜（约2u） 地瓜球：给到夯。炸的外酥内软，而且不油腻。吃的很上瘾。 牛肉粒：特别喜欢这个，可以说是入口即化。450台币可以买四人份，吃肉爱好者的不二之选。 麻油鸡/麻油猪肝：听第一天司机师傅推荐吃的，感觉麻油味不够重，或许喜欢清淡口味的人会喜欢。猪肝倒是非常爽脆好吃。 酒吧上，台湾有很多不错的选择。不过建议大家有空一定要去之前币安，以太坊等等都办过活动的Sitdown酒吧看看。有很多有意思的调酒，东西也很好吃。每一支鸡尾酒，都是歌的名字。 地址： 如果是 @0xajc @0xAgata 这样的男同，据说西门町一带则有不少Gay Bar，堪比成都。Agata老师的名号更是在台北的Gay Bar被反复提及。 至于夜店，不少当地的朋友和我推荐了fix sober和Ruff，可惜最后去的时候人满为患。不过确实很多好看的小姐姐在排队，没去成很可惜。 最后我去的一家叫Wave，要坐一个超大的电梯上楼。内部非常大，有两层楼，以及可以上下驱动的天花板。价格也很实惠，只要15000台币最低消费就可以开台（约500u） Wave的DJ质量一般，但是光效很不错，至少吊打80%的香港夜店。每次干冰出来的效果也很high。 结语： 总之，这次旅行超级fruitful。 非常推荐还没有去过台湾的朋友有空就去看看，体验一下当地的氛围，以及独有的商业文化和圈子。 可靠消息说，今年的TBW会取消，改成Future Summit，同时做AI和Web3。感兴趣的朋友也一定要去看看！ 照片credit @94cho94134

讲讲上次埋的坑，唠唠AI液冷板块！🧐 液冷板块，我个人持有 #VRT# ，这个应该是无可争议的龙头企业。最近也在找一些市值小，但属于核心供应链的公司，目前锁定了一家，大家可以一同评论区探讨。 液冷的逻辑很简单，就如同视频里面描述的，目前数据中心的功耗密度已经处于巅峰，即将出来的英伟达Vera Rubin Ultra VR200直接干到600千瓦/机柜，唯有液冷能压得住。而一个机柜高达780万美金，所以液冷必须找靠谱大牌，不能含糊。 🎯爆发式的市场增长 虽然液冷，相较于内存芯片和光模块，或许没有那么性感。但整体增长势头也不可忽略，并且由于企业集中度较高，有一定的垄断定价优势！ 根据行业权威机构 Dell'Oro Group 的最新数据，全球数据中心液冷市场规模预计将从 2025 年的约 30 亿美元迅速飙升至2033 年的 276.5 亿美元，复合年增长率高达 31.5%。 推动这一增长的核心驱动力是超大规模云服务商在 AI 基础设施上的资本支出爆发。高盛预测，2025 至 2027 年，全球四大超大规模厂商的 CapEx 总额将达到 1.15 万亿美元，其中约 75% 将直接用于 AI 相关的物理基础设施建设。 📊目前市场上液冷技术，主要分两大阵营，直接液冷和浸没式液冷。 直接液冷技术上，主要通过冷却液通过封闭管道流经附着在芯片表面的铜质冷板，不直接接触电子元件。散染效率比较高，轻松应对100KW+的单机柜密度。而且兼容现有风冷机房和标准服务器机架。属于目前市场中的主流方案，包括英伟达 Blackwell也是这款方案。 浸没式液冷技术上，主要将服务器完全浸没在不导电的介电液体中，液体通过自然对流或泵循环散热（这个方案，我们以前ETH挖矿的年代，尝试过，将显卡浸没在有机硅油里面，散热效果很好，但很占面积）。理论上，这是最佳的散热方案，尤其是浸没在氟化液里面，散热可以轻松应对200KW的单机柜密度。但兼容性差，要对机房进行大改模改造，定制的特殊坦克罐体，管道设计都要彻底重建。而且维护成本也比较贵，属于小众非主流方案。 从供应链逻辑来看，AI机房液冷散热供应链相对比光模块这些简单很多，主要涵盖了从最底层的化学液体、精密泵阀、冷板，到系统级的冷量分配单元CDU以及最外层的水处理基础设施。 接下来详细讲讲其中的核心企业以及投资逻辑： 1️⃣Vertiv Holdings (代码 #VRT#)：液冷领域的绝对霸主 Vertiv 是美股市场中最纯粹、规模最大的数据中心物理基础设施提供商，主营业务做电源与热管理。在液冷时代，Vertiv 构筑了几乎无法被颠覆的统治级护城河。 • 无可替代的全球服务网络：液冷与风冷最大的不同在于，液体泄漏是致命的。超大规模客户，如 Meta、微软在选择液冷供应商时，首要考量不是硬件价格，而是「当系统发生微量泄漏时，谁能在 15 分钟内派工程师到达现场解决」。Vertiv 在全球拥有超过 3000 名常驻数据中心的技术服务工程师，这种规模的服务网络是任何新进入者或服务器 OEM 在 5-10 年内都无法复制的。 • 惊人的订单积压与能见度：截至 2026 年 Q1，Vertiv 的订单积压达到了创纪录的 150 亿美元，同比增长 109% 。其订单与发货比高达 2.9倍，这意味着 Vertiv 已经锁定了未来数年的收入，且积压订单正随着下一代英伟达Rubin的量产持续扩大。 •财务与估值：2026 年 Q1 收入达 26.5 亿美元，调整后稀释 EPS 同比飙升 83% 。管理层将 2026 全年 EPS 指导上调至 5.97-6.07 美元，隐含 51% 增长。尽管目前前向 P/E 达到 46 倍，但相对于其 43% 的 EPS 复合增长率，其 PEG 仅为 1.07，在增长调整后甚至比标普 500 指数更具估值吸引力 。 2️⃣Ecolab (代码 #ECL#)：通过收购 CoolIT 打造的「水-液-电」终极整合者 Ecolab 本是一家市值 770 亿美元的全球水处理与工业卫生巨头。然而，其在 2026 年 3 月做出了一项震惊华尔街的决定：以 47.5 亿美元全现金收购了全球液冷硬件领军企业 CoolIT Systems 。 • 29倍 EBITDA 的天价溢价背后：Ecolab 支付了高达 29 倍 forward EBITDA 的对价 。当时整个华尔街分析师，都震惊了，这种跨界整合，一个做化学材料的公司，来搞AI液冷，很多人都无法理解。但后来市场才慢慢理解，这个整合有一个恐怖之处：液冷本质上不再是硬件生意，而是化学与流体生命周期管理生意。 •「冷却即服务」的唯一独家平台：Ecolab 将 CoolIT 的芯片级硬件（CDU、冷板、歧管）与其自身的 3D TRASAR™ 水质数字化监测、化学防腐防垢技术以及遍布全球的工业水处理网络进行了深度整合 。 • 个人理解：超大规模客户过去需要分别向 CoolIT 采购冷板，向 Vertiv 采购 CDU，再向 Ecolab 采购一次回路的水处理服务。一旦发生管道腐蚀、结垢或冷却液变质，各供应商之间极易互相推诿。Ecolab 收购 CoolIT 后，成为了全球唯一一家能够提供从「芯片级微通道」到「厂房外冷却塔」端到端流体生命周期托管的供应商。这种一站式解决能力具有极强的客户锁定效应，基本上一旦合作，替换成本极大。 • 与 NVIDIA 的独家合作纽带：CoolIT 是 NVIDIA Partner Network的核心成员，其 OMNI 冷板是针对 NVIDIA GB200/GB300 芯片进行联合 co-engineering（的结晶。Ecolab 收购 CoolIT 后，直接继承了这一极具稀缺性的芯片级设计入口，将其高科技业务的可寻址市场直接从 50 亿美元翻倍至 100 亿美元，而这家公司本身的水处理业务本身就是源源不断的现金流。 🧐接下来，我们讲讲液冷供应链中的「隐形冠军」与稀缺零部件提供商。他们掌握着液冷的核心供应链，缺他不可！ 3️⃣精密动力源：Moog (代码 #MOG#.A)，市值100亿 液冷系统中的 CDU 和泵必须保证 10 万小时无故障运行，任何微小的震动或电磁干扰都可能损毁服务器。 • 唯一性：Moog 凭借其在航空航天领域的精密伺服控制技术，其 CoreMotion™ 液冷分配泵几乎是高性能 CDU 的唯一指定选择。 • 供应链锁定：Moog 与 USA Rare Earth 签署了独家备忘录，确保了泵内部高性能钕铁硼稀土永磁铁的稳定供应，在 2026 年地缘政治多变的环境下，构筑了极高的原材料壁垒 ，但稀土这玩意儿，最终还是需要看中国脸色。 4️⃣核心热交换介质：Dow Chemical (代码 #DOW#) 市值250亿 冷却液的化学配方是浸没式液冷的核心。 • Dow 的独家武器：陶氏化学推出了专利保护的 DOWSIL™ ICL-1000 硅有机冷却液，该技术获得了 R&D 100 大奖。其传热效率比空气高 1000 倍，能减少 95% 的服务器冷却能耗，且具备极低的全球变暖潜能值，符合欧盟和美国极严苛的环保准则。核心问题是，陶氏化学本身在这一块的体量不大，并非其主营业务线。 后面再开一期讲讲电力板块，拭目以待！🧐