与「AI月下幻想🌙」相关的搜索结果

🌙 #AI月下幻想🌙# 現時刻より、月下幻想のスタートとさせていただきます！ どうか皆々様の"月とゴスロリ(gothic可)"の幻想にて、TLをgothicで彩って参りましょう✨ 現時刻～6/1 23:59 JST 今週のお題：月とゴスロリ(gothic可) 🌕🖤皆様の月下幻想をお待ちしています🌕🖤 🌙AI月下幻想運営team🌕

🌙 #AI月下幻想🌙# 現時刻より、月下幻想のスタートとさせていただきます。どうか皆々様の"月と銃・重火器"の幻想にて、TLを撃ち貫いて参りましょう✨ 現時刻～4/20 23:59 JST 今週のお題：月と銃・重火器 🌕🖤皆様の月下幻想をお待ちしています🌕🖤 ➤詳細はALTへ記載

7.13梭哈晨报： 和大家预测的一样， @BNBCHAIN 的反击来了，也就那么一回事，三板斧次次都一样。 1. bitcoin:native 兜兜转转周末没什么动静，现在又来到了64000下方试试？ 2. ethereum:native 主网是没人玩了，Robin Hood也用E当Gas，但是问题来了，Gas基本上为0； 3. $SOL 让你抛弃自己的基本盘，现在难受吗？ 4.数据：Polymarket 本周收入达 1146 万美元，创年内新高； 这个逼偷偷提高了手续费，压根不提啊； 5.Forbes 公布 10 大值得投资加密货币名单，HYPE、ZEC 等均在列； 6.比特币2026年第14次难度调整下调5%，降至127.17万亿； 正常人有算力都去做AI了吧？ 7. Fox Business加密记者：本周将关注CPI、PPI、美联储讲话及Clarity Act进展； 8.Noxa Fi过去7天在Robinhood Crypto产生约766万美元费用； 这不会是下一个pumpfun吧？ 9.Uniswap协议费用已开启并销毁UNI，3项治理提案正在投票； 次次都要骗，次次都一样还能骗？ 10.Coinbase：CLARITY 法案将加强加密监管与国家安全保护； 11.特朗普：伊朗昨天已同意“完美协议”，但转头就开了火； 今年金融市场遇到了trump和伊朗两兄弟，这辈子也是有了； 12.泰国计划对USDT交易进行审计，展开新一轮打击行动； 13.分析师：比特币跌破短期持有者成本基础超 9 个月，熊市特征仍未消退； 14.稳定币总市值 6 月创 Terra 崩盘后最大单月回撤，但长期增长逻辑未变； 15.Michael Saylor 再次发布比特币 Tracker 信息，Strategy 或将披露增持数据； 也可能是减持的数据，毕竟上周公布的就是减持； 16. lab:native 应该是走完了自己的一生了， ethereum:0xde4ee8057785a7e8e800db58f9784845a5c2cbd6 默默的也要开始表演自己的一生了； -------------- 现在一看到长篇大论，提及任何项目或者token的，统一当作是广告，是最正确的选择，毕竟都2026年了，都jb🐻成啥样子了，meme都是什么玩意还不懂吗。 一堆a100000的人抱团也就那样，还meme呢，都同样的流程同样走一遍，富裕的还是同一批人，都只是在幻想，自己能成为他们。 #Bitcoin# #Ethereum# #Solana# #Crypto# #NASDAQ#

6月12号 SpaceX 要上市了，1.75万亿估值打底，有人喊到2万亿，史上最大 IPO，比沙特阿美还猛一倍。我看完这数字，又看了眼自己账户，差点没把烟掐了。 我那 $ASTS，前两天蓝色起源一发火箭在发射台上原地爆炸,炸的还不是它的，是隔壁老王家的.它给我跟着崩了 17%。别人放炮，我吃灰。这就是我的太空梦，建立在邻居的事故率上。 看着账户里趴着一堆"下一个 SpaceX”： $RKLB $NNE $XE4 $CBRS 结果真·SpaceX 要上市了，我手里全是平替、高仿、A 货。正主一登台，我这些山寨集体扑街。 炒股炒成这样，我也算个人才。还好手里的 $DRAM $NOK $BB $IBM还是盈利的。 痛定思痛认真想了想三年的钱该咋整....还是别再赌谁能熬成大佬了，直接抄那些已经在闷声数钱、还没被炒到天上的。现在 AI 不比谁芯片猛，比谁有电。微软（MSFT）八百亿的云订单卡在手里发不出货，缺的不是订单，是插座。 所以我现在盯的就这几个 $ORCL（甲骨文）、 $MSFT （微软）贵，但是那种"人家真在赚钱"的贵，不是我那种"幻想它会赚钱"的贵； $APH 整条 AI 概念翻倍了它还在原地装死，全场最没存在感的优等生；再就是电 $GEV、 $ETN 做变压器和电网的，现在订一台变压器排队排五年。都在挖金子，我蹲门口卖铲子，它不香吗。 至于我那堆太空核能量子彩票（ $ASTS $RKLB $NNE、 $XE ）……留着吧，本来就是当刮刮乐买的，中了回本，不中就当给行业做慈善了。

卧槽！今晚华尔街的大资金是真的跑得连鞋都不要了！纳指和费半带头跳水的背后，藏着一个极其恐怖的连环雷！ 这根本不是什么技术性洗盘，而是一场极其罕见的宏观基本面、极值地缘政治、政策周期与衍生品流动性的“五杀共振”！ 揭开盘面暴跌的遮羞布，看懂以下这五张底牌，你才能明白巨头资金到底在害怕什么： 1. 月度期权交割 (OpEx) 引发的史诗级踩踏 法拉第未来（ $FFIE）的妖股炒作、AI 纯正概念股的极致 FOMO（ $PLTR、 $SMCI），以及前期一路狂飙的算力芯片龙头（ $NVDA、 $AMD、 $TSM）……前期市场积累了海量的看涨期权拥挤仓位。而今天恰好是 5 月的第三个星期五——期权交割日！ 当盘面因为宏观利空出现一丝裂缝时，华尔街做市商为了平衡风险自保，被迫疯狂平掉手中的多头对冲仓位。这直接引发了残酷的 Gamma 负反馈循环——越跌越卖，多头自相残杀，把正常的回调硬生生砸成了流动性崩盘。 2. 美联储新旧交替的信任黑洞 这是深埋在华尔街心底的最大恐惧。2026 年 5 月中旬，鲍威尔的任期走到尽头，美联储迎来历史性的权力交接。 新主席刚上台，没有任何信誉积累。 面对现在死灰复燃的通胀，机构根本不知道他会为了迎合特朗普而妥协降息，还是为了立威而超预期加息。资本市场不怕坏消息，最怕“不确定性”。 加上今晚 10 年期美债收益率狂飙至 4.55%，30 年期突破 5.1%，高昂的无风险利率直接对高估值的 AI 科技股进行了无情绞杀。 3. 霍尔木兹海峡引爆的通胀核弹 中东地缘冲突再次极度恶化。特朗普在采访中放出强硬狠话，威胁更严厉的军事打击，导致霍尔木兹海峡航运预期受阻。 布伦特原油直接掀翻 $108 大关！原油是所有大宗商品的通胀之母，能源价格狂飙直接引爆了市场对“通胀二次反弹”的极度恐慌。美联储降息的剧本，已经被原油硬生生撕碎了。 4. 特朗普“川剧变脸”，台海地缘核弹重燃！ 前脚刚结束访华，后脚一回国立马翻脸！特朗普今晚在福克斯新闻上的涉台言论，把政客的“反复无常”演绎到了极致。 他一边喊着“不愿远赴9500英里打仗”、“不鼓励独立”，另一边又极其鸡贼地威胁“可能批准也可能不批准武器”，直接把大国最核心的红线当成了生意桌上的筹码！ 这种毫无底线、随时可能翻桌子的不确定性，彻底击碎了资本对亚太供应链（尤其是 TSMC 和整个半导体板块）的安全感。 巨头资金根本不敢赌他的变脸速度，只能先砸盘为敬！ 5. 中美科技缓和预期彻底落空 此前市场还幻想着 H200 芯片能对中国巨头大规模松口，结果实锤落地后，官方明确表示“双边会谈根本没聚焦半导体出口管制”！叠加特朗普的翻脸，政策全面解禁的幻想彻底破灭，直接引发了英伟达、AMD 等算力巨头的血腥获利了结。 在这个级别的宏观政治面前，所有的技术支撑都是纸老虎。今天杀的是估值，是流动性，是对地缘政治失控的极度恐慌，更是对未来政策的不确定性。 科技股的“英伟达崇拜”正在遭遇严峻的现实压力测试。不要在这个时候盲目伸手接带血的筹码！ 真正的机会，永远跌出来的。紧盯美债收益率的拐点和新一届美联储的首次表态，那里才是我们下一次重仓出击的发令枪。 #美股暴跌# #期权交割# #美联储# #宏观交易# #NVDA# #中美科技# #原油# #财富密码# #OpEx#

Q3目标1000亿 根据最新数据显示， 的每日Token吞吐量稳定100亿以上，百亿级别的规模已经从爆发增长转为稳定常态，同时有三个数据非常出彩 1/ API小号占比高达99.4%，意味着 的用户大多数为开发者，它不是一个聊天工具而是企业级的生产基础设施，全球开发者都在 2/ Stripe 法币支付占比 80.4%，长期订阅与企业团队深度绑定，商业化质量极高，证明 BAI 不是短期流量，而是可持续的生产级平台。 3/ MiniMax M3 持续霸榜，在高级编码、多 Agent 协作等复杂场景中表现最强，成为开发者首选模型。 从上线到如今稳定每日百亿Token吞吐， 只用了两个月，下一季度目标剑指千亿Token每日吞吐，作为AI Agent时代的金融基础设施， + 加密支付 + on chain Agent身份 + A2A自主结算的闭环。AI Agent未来不是一个聊天助手，而是可以自主创造价值的经济体， 就是承载这一生态的核心底座。 百亿吞吐只是起点，千亿正在路上。 @justinsuntron @BAI_AGI #TRONEcoStar#

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：

AI生图构图篇：反向力矩 (Counter-Gravity Torque) 如何让你的静态角色产生一种即将破幕而出的爆发力？ 不靠发光特效，靠的是挑战重力的物理拉扯感。 【核心原理】 反向力矩 = 身体极端倾斜 + 视觉平衡支点 视觉动力学原理： 在 AI 生图中，我们模拟角色在崩塌或高速运动瞬间，身体重心与肢体惯性形成的“对冲”张力。 重心偏离 (Off-center Gravity)：身体轴线向一侧极端倾斜（45度或以上）。 反向拉扯 (Counter-Tension)：长发、丝巾或另一侧肢体向相反方向剧烈甩出，形成天平般的视觉补偿。 神圣静止 (Divine Stillness)：在极度不稳定的姿态中，锁定一个极度稳定的眼神，制造“动静冲突”。 【与“普通侧倾”的区别】 普通侧倾 (Lean)：单纯地歪着身体，没有反向的视觉补偿，看起来像站不稳。 反向力矩 (Torque)：身体偏向左，头发偏向右。像是在视觉上进行一场“物理拔河”，充满紧迫感。 一句话记忆： 普通侧倾 = “站歪了” 反向力矩 = “爆发前的一秒定格” 【通用公式】 Counter-gravity torque composition. Subject body angled at [倾斜角度] degrees. [长发/披帛/肢体] flares violently toward the opposite direction. Lateral tension balance, sense of dynamic kinetic energy. 【测试案例】 案例 1：侠女拔刀 (Wuxia Strike) 适用：武侠、国风、动作张力。 **Subject**: A female swordsman in fluid silk robes. **Effect**: Counter-gravity torque. Her upper body leans forward 60 degrees. **Tension**: Her 3-meter long silk ribbons and ink-black hair flare backwards violently, balancing the forward lunge. **Composition**: 15-degree Dutch tilt to enhance the sense of falling. --ar 16:9 案例 2：月下神启 (Moonlight Deity) 适用：神性、超现实、高冷风格。 **Subject**: A goddess floating above a dark ocean. **Effect**: Impossible torque. Body arched like a bow toward the left. **Balance**: Voluminous glowing fabric flows massively toward the right. **Mood**: Ethereal, god-like, defying physics with grace. --ar 9:16 案例 3：时尚灾难 (Fashion Catastrophe) 适用：赛博、现代设计、视觉冲击。 **Subject**: A model in a structural chrome dress. **Effect**: Extreme lateral torque. **Background**: A collapsing glass building behind her, perfectly static subject vs collapsing background. **Vibe**: High-end editorial, high-speed shutter定格. --ar 3:4 【进阶技巧：如何让张力“拉满”？】 1. 荷兰角配合 (Dutch Tilt)：给相机增加 10-15 度的旋转，让地平线也是歪的，会成倍放大重力的丧失感。 2. 高快门参数：必须包含 High-speed shutter 或 1/1000s，定格那些反向甩出的丝绸和发丝末梢。 3. 眼神锁死 (Eye-Lock)：不管身体扭曲成什么样，眼神必须通过 intense direct gaze 锁死镜头，这才是“宗师级”的冷静。 【避坑】 缺乏支点：如果画面没有反向的元素（如头发或裙摆），AI 可能直接给你生成一个摔倒的姿势。 画幅太窄：力矩构图需要空间去展示“横向拉扯”，建议优先选用 16:9 或广角横屏。 光影太散：建议使用侧光或背光，勾勒出身体扭曲时的线条轮廓。

最近 Anthropic 招募了一篇顶尖人才！我们可以从他们招了谁、进了哪个组，反推出 Anthropic 未来 12–18 个月的下注重心。人事就是路线图，我让 Indigo-mind Agent 从我的知识库收录中按信号强弱排了一下👀 一、核心引擎：用 AI 造 AI + 下一代预训练/效率 信号最强！Karpathy 进预训练组、专门“用 Claude 加速 Claude 的预训练研究”；Jelani Nelson（流式算法/降维、大规模高效算法）也进同一条预训练线。两个顶级人都压在预训练+效率上，说明： • Anthropic 判断预训练远没撞墙（和 Yann Dubois 笔记一致），下一波增益在效率 + 把研究循环自动化（RSI）。 • Nelson 的专长（大规模高效算法、降维）= 压榨每一分算力；Karpathy = 让 AI 接管研究 loop。合起来就是"递归自我改进的复利飞轮"从口号变建制。 → 这是它的主引擎，其它都是围着它转。 二、算力/能源基础设施扩张 招 Ross Nordeen（xAI 数据中心整体规划、选址、能源策略、算力扩容）说明 Anthropic 在自建大规模算力 + 能源布局，不再只靠合作方。又一家前沿实验室进入“抢电、抢算力、烧 Capex”的军备赛。 三、AI for Science（尤其生物）- 皇冠上的垂直 Jumper（AlphaFold 诺奖）+ Neklyudov（生成建模 for 蛋白折叠/分子动力学）+ 自建 wet lab + Allen/HHMI 合作 + 收购 Coefficient Bio。这是一整套认真的 AI-for-bio 下注，而且自建湿实验室 = 把"数字→物理"生物闭环补上。和 Demis/DeepMind 抢同一颗明珠，前沿实验室在往生命科学的物理层走。 四、Agentic 检索/记忆/上下文 Bryan McCann（搜索、检索、LM 集成）直接对口把模型连到外部上下文——这正是我的记忆/持续学习那条簇的产品侧（Engram/Karl Mehta/Satya 的 exhaust）。加上 Bailis 的系统/数据库底子，指向 Agentic 检索 + 上下文工程的产品化。 五、企业/产品（可能含 fintech / agentic commerce） Tom Blomfield（Monzo/GoCardless，支付基础设施 + 消费级产品）+ Peter Bailis（Workday CTO，企业软件）。这批是产品与商业化肌肉——尤其 Blomfield 的支付背景，值得留意 Anthropic 是否往 Agentic 支付/商务方向走。 六、软实力长线：对齐 + AI 经济学/治理 • Lederman（哲学家 → 对齐 + 模型"人格 character" + AI 福祉）； • Chad Jones（Anthropic Institute，Jack Clark，研究 AI 对经济/社会/法治的系统性影响）。 这不是赚钱线，是“负责任守门人”定位 + 政策影响力——正好和 Demis 那篇"前沿 AI 治理框架"是一套打法：用安全/治理/经济学研究占据话语权。 这份人事表画出的 Anthropic 是——主引擎压在"预训练效率 + RSI"（不追消费/机器人/World model），认真做科学垂直（生物方向），自建算力能源，外加治理/经济学的软实力。明显没重仓的：机器人、World model、消费社交——它在收窄、做深，而不是铺开。

最近 Anthropic 招募了一篇顶尖人才！我们可以从他们招了谁、进了哪个组，反推出 Anthropic 未来 12–18 个月的下注重心。人事就是路线图，我让 Indigo-mind Agent 从我的知识库收录中按信号强弱排了一下👀 一、核心引擎：用 AI 造 AI + 下一代预训练/效率 信号最强！Karpathy 进预训练组、专门“用 Claude 加速 Claude 的预训练研究”；Jelani Nelson（流式算法/降维、大规模高效算法）也进同一条预训练线。两个顶级人都压在预训练+效率上，说明： • Anthropic 判断预训练远没撞墙（和 Yann Dubois 笔记一致），下一波增益在效率 + 把研究循环自动化（RSI）。 • Nelson 的专长（大规模高效算法、降维）= 压榨每一分算力；Karpathy = 让 AI 接管研究 loop。合起来就是"递归自我改进的复利飞轮"从口号变建制。 → 这是它的主引擎，其它都是围着它转。 二、算力/能源基础设施扩张 招 Ross Nordeen（xAI 数据中心整体规划、选址、能源策略、算力扩容）说明 Anthropic 在自建大规模算力 + 能源布局，不再只靠合作方。又一家前沿实验室进入“抢电、抢算力、烧 Capex”的军备赛。 三、AI for Science（尤其生物）- 皇冠上的垂直 Jumper（AlphaFold 诺奖）+ Neklyudov（生成建模 for 蛋白折叠/分子动力学）+ 自建 wet lab + Allen/HHMI 合作 + 收购 Coefficient Bio。这是一整套认真的 AI-for-bio 下注，而且自建湿实验室 = 把"数字→物理"生物闭环补上。和 Demis/DeepMind 抢同一颗明珠。对你判断"AI 卖铲人/垂直纵深"是方向信号：前沿实验室在往生命科学的物理层走。 四、Agentic 检索/记忆/上下文 Bryan McCann（搜索、检索、LM 集成）直接对口把模型连到外部上下文——这正是我的记忆/持续学习那条簇的产品侧（Engram/Karl Mehta/Satya 的 exhaust）。加上 Bailis 的系统/数据库底子，指向 Agentic 检索 + 上下文工程的产品化。 五、企业/产品（可能含 fintech / agentic commerce） Tom Blomfield（Monzo/GoCardless，支付基础设施 + 消费级产品）+ Peter Bailis（Workday CTO，企业软件）。这批是产品与商业化肌肉——尤其 Blomfield 的支付背景，值得留意 Anthropic 是否往 Agentic 支付/商务方向走。 六、软实力长线：对齐 + AI 经济学/治理 • Lederman（哲学家 → 对齐 + 模型"人格 character" + AI 福祉）； • Chad Jones（Anthropic Institute，Jack Clark，研究 AI 对经济/社会/法治的系统性影响）。 这不是赚钱线，是“负责任守门人”定位 + 政策影响力——正好和 Demis 那篇"前沿 AI 治理框架"是一套打法：用安全/治理/经济学研究占据话语权。 这份人事表画出的 Anthropic 是——主引擎压在"预训练效率 + RSI"（不追消费/机器人/World model），认真做科学垂直（生物方向），自建算力能源，外加治理/经济学的软实力。明显没重仓的：机器人、World model、消费社交——它在收窄、做深，而不是铺开。