与「HBM」相关的搜索结果

这个开源项目系统整理了 35 家 AI 公司的 AI 工程师面试题，全部来自 “公开报告的面试经历” 来自 @outcome_school 团队 @pallavishekhar_ 开源发布，内容几乎涵盖了 OpenAI、Anthropic、DeepMind、xAI、DeepSeek、Kimi、GLM 等 AI Labs，Cursor、Cognition、ElevenLabs 等 AI Native 团队和 Nvidia、Microsoft、Amazon、Apple 等头部大厂。 覆盖的岗位头衔也非常多：AI Engineer、LLM Engineer、Gen AI Engineer、ML Engineer、Research Engineer、Applied Scientist、FDE、MLOps/LLMOps 工程师等。 开源地址： # 内容架构：一个精心设计的双层结构 第一层：跨公司通用题（Common Questions）。 作者把在多家公司反复出现的题目只列一次，标注"Asked at"哪些公司，按十大主题组织： 1. LLM 内部机制与架构 — attention 缩放因子、KV cache 内存公式推导、MQA/GQA/MLA、FlashAttention、BPE、RoPE/YaRN、Chinchilla scaling laws、MoE、解码采样策略、lost-in-the-middle、RMSNorm、SwiGLU 2. 推理、服务与 GPU 性能 — prefill vs decode、continuous batching、PagedAttention、投机解码、量化（FP16→FP4）、五种并行策略、TTFT/TPOT 指标、H100 上的 roofline 计算、vLLM/SGLang/TensorRT-LLM 选型、“如何把服务成本降 10 倍” 3. RAG 与检索 — 分块策略、BM25 vs 稠密检索、重排序器、HyDE、权限感知检索、ANN 索引、索引新鲜度、答案归因 4. Agent 与工具调用 — ReAct、MCP、工具 schema 设计、多智能体编排、Agent 记忆、循环终止条件、人类审批 5. 微调与对齐 — RLHF/DPO/GRPO/RLVR 全谱系、LoRA/QLoRA 数学、灾难性遗忘、“提示 vs RAG vs 微调”决策框架、蒸馏、reward hacking 6. 评估与可观测性 — LLM-as-judge 及其偏差、幻觉检测、基准污染、Agent 评估、回归门禁 7. 安全与负责任 AI — 提示注入（直接/间接）、OWASP LLM Top 10、护栏、Constitutional AI、红队 8. 多模态与语音 — VLM、语音 Agent 延迟预算、barge-in 打断处理、级联 vs 端到端语音、ASR/TTS 评估 9. AI 系统设计 — 十类高频设计题（千万级文档企业 RAG、代码助手、客服 Agent、Text-to-SQL、LLM 网关、数亿用户聊天服务等） 10. 编码题 — 从零实现 attention、KV cache、BPE、采样；LRU 缓存、令牌桶限流器、异步批处理器、SSE 流解析器、最小 Agent 循环 第二层：35 家公司的专属章节，分为五大梯队： 1. 前沿实验室（12 家）：Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、月之暗面（Kimi）、智谱（GLM）、阿里（Qwen）、Sarvam AI（印度） 2. 大厂 AI 组织：Microsoft、Amazon、Apple、NVIDIA、Tesla，以及一组消费级 ML 公司（Uber/Netflix/LinkedIn/Airbnb/Pinterest/Spotify） 3. AI 基础设施公司：Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity 4. AI 原生产品公司：Cursor、Cognition（Devin）、Sierra、Harvey（法律）、Glean、 AI（机器人）、Waymo 5. 前向部署/企业 AI：Palantir # 题目分布透露的行业信号同样值得关注 1. 公司的差异化考察方向，和它的商业模式严丝合缝。 这是最能体现整理功力的地方： · DeepSeek、月之暗面、智谱、Qwen 的题目深度绑定自家论文——MLA、auxiliary-loss-free 负载均衡、Multi-Token Prediction、MuonClip、DualPipe、长上下文扩展、GLM 的 thinking 模式。面试这些公司等于面试它们的论文，还要求 PyTorch 从零实现 MoE 路由。 · Groq 的题全是 SRAM-only 架构下的 roofline 重推演：“没有 HBM，decode 的 roofline 论证哪里变了”、“确定性在 p99 层面到底买到什么”。 · Apple 清一色端侧：3B 模型在手机上跑、PTQ vs QAT、不采集用户内容的前提下用设备信号改进模型、30+ 语言区无法记录用户内容的评估方案。 · CharacterAI 是推理经济学：“我们的服务成本被 KV cache 而非权重主导，降一个数量级，代价是什么”。 · Harvey（法律）和 Abridge（医疗） 考的是领域约束下的工程：200 页信贷协议里第 140 页的条款依赖第 8 页的定义术语怎么检索、生成的病历中出现了患者没提过的药怎么当作安全事故处理、PHI 如何约束整个架构。 · Palantir 的招牌是 "decomposition" 轮：把“一家货运铁路公司每年因机车非计划停机损失数千万”分解成工程计划。 2. 编码轮的形态正在发生实质性变化。 文档里反复出现的一类题，与传统 LeetCode 明显不同： · “实现一个内存 KV 存储：先 SET/GET/DELETE，再加事务 BEGIN/COMMIT/ROLLBACK，包括嵌套事务”（OpenAI、xAI 都问） · “给你一个 LLM 推理引擎的调度器类，其中一个方法是空壳，没有规格没有文档。说说你头三十分钟干什么”（xAI） “重构这 120 行能跑但很乱的代码，不许破坏测试”（OpenAI） · “对 5 万个文档跑 LLM 调用，API 限 100 并发、偶发 429 和超时，把 Python 写出来”（Anthropic） 考察重心从算法记忆转向增量需求下的代码演进能力、并发正确性、真实工程约束下的取舍。 3. “AI 协作轮”作为新题型已经进入正式面试流程。 这是文档里最前沿的信号： · Anthropic 部分机器学习岗有 AI-collaboration 轮：现场给你 Claude，考察的是你如何指挥它和验证它的产出，而不是你自己写。 · Meta 2026 年的流程新增三阶段 AI 辅助编码轮（探索修复 → 实现新功能 → 扩展改进）。 · Cursor 的 onsite 是两天在真实 Cursor 代码库上做一个功能（或 8 小时远程版），明确考核你对 AI 工具的使用效率和自主 scoping 能力。 · Sierra 给你两小时和任意 AI 工具，看你选择做什么。 xAI 有四小时限时产品构建。 4. FDE 成为一级岗位类别。 Anthropic、OpenAI、Databricks、Scale、Together、Sierra、Harvey、ElevenLabs、Palantir 的章节里都有 "Applied and Forward-Deployed Scenarios" 专属题库——典型题目如“企业客户说 Claude 幻觉太多，你是驻场工程师，头 48 小时做什么”。这对应了 AI 公司向企业交付方式的转变：模型能力差距收窄后，落地能力成为差异化。 5. 硬核系统题的普及。 "H100 上 70B 模型 batch size 1 的 roofline 计算"、"估算 70B 模型的 GPU 显存（权重 + KV cache + 激活 + 碎片）"、"p99 延迟在部署后翻倍但模型没变，走一遍诊断”——这类题横跨 NVIDIA、Together、OpenAI、Perplexity 等多家，说明推理性能的量化直觉已成为 AI 工程师的通用素养，而非基础设施工程师的专属。

高盛Rich Privorotsky：Muse只是起点，AI Agent真正要重写的是整个经济的“摩擦成本” 高盛One-Delta交易台负责人Rich Privorotsky现在关注的，已经不只是 $META 的Muse有多火。 他提出了一个更大的判断： Agentic AI正在开始消除整个经济体系里长期存在的“摩擦”，而这可能带来一次真正的生产率跃升，并形成结构性的去通胀力量。 这可能也是理解下一阶段AI行情最重要的一条线。 过去三年的AI牛市，市场主要交易的是： 训练模型 → GPU → HBM → 数据中心 → 网络 → 电力 而下一阶段，市场开始交易一个完全不同的问题： 当AI真正进入日常经济活动以后，它到底能够替人类省掉多少时间、成本和中间环节？ Muse真正改变的，不只是AI能力，而是“消费者惯性” 很多行业过去能够长期维持较高利润，并不完全因为它们的产品无法替代。 其中一个很重要的原因，是消费者嫌麻烦。 保险续费涨价了，你懒得重新比较几十家公司。 手机套餐贵了，你懒得转运营商。 酒店价格高了，你没有时间每天重新搜索。 订阅服务每个月继续扣钱，你甚至已经忘记自己还在付费。 退款需要打电话、发邮件、等待客服，很多人最后干脆放弃。 这些看似微不足道的事情，实际上构成了一个巨大的隐形经济： Consumer Inertia——消费者惯性。 过去消费者的时间有限，所以很多公司实际上可以从“麻烦”本身赚钱。 Muse这样的AI Agent正在攻击的，恰恰就是这种摩擦。 如果你的AI可以24小时替你比价、取消订阅、申请退款、重新谈账单、寻找更便宜的保险、比较酒店、订机票甚至完成支付，那么过去建立在消费者“不想折腾”之上的商业模式就可能受到压力。 AI最先消灭的，未必是某一个行业，而是“麻烦”本身。 为什么这可能带来结构性去通胀？ 想象一下，当未来几亿甚至几十亿消费者都拥有一个永远不会累、永远愿意比较价格的AI Agent，会发生什么？ 保险公司更难依赖客户懒得换公司维持高价格。 旅游平台必须证明自己的佣金真正创造价值。 长期不用的订阅可能被Agent自动取消。 零售商品的价格透明度进一步提高。 企业内部大量重复的行政、客服和后台流程也可能被自动化。 于是经济体系中大量长期存在的成本： 信息差 + 搜索成本 + 时间成本 + 人工成本 + 中间环节 都有可能被压缩。 这就是Privorotsky所说的生产率红利。 过去互联网降低的是信息传播成本。 移动互联网降低的是连接成本。 而Agentic AI下一步可能降低的是： 行动成本。 这可能比单纯推出一个更聪明的大模型，对整个经济的影响更加深远。 所以AI行情可能开始从“卖铲子”走向“生产率革命” 第一阶段的赢家其实非常容易理解。 $NVDA、$AMD、$TSM、$AVGO，以及HBM、网络、光通信、服务器、数据中心和电力基础设施。 因为无论最后哪一个AI模型胜出，都必须先购买算力。 但Agent时代真正有意思的地方，是AI创造的价值可能开始从基础设施向整个经济扩散。 企业可以减少后台人工成本。 客服效率提高。 营销变得更加精准。 库存管理改善。 软件开发周期缩短。 采购和供应链流程自动化。 消费者寻找商品和服务的成本下降。 当这些效率提升逐渐进入企业利润表以后，AI的赢家就不一定永远只集中在半导体。 第一阶段赚的是“建设AI”的钱。 第二阶段赚的可能是“使用AI提高生产率”的钱。 这两轮行情的受益公司可能完全不同。 CPU为什么突然成为Agentic AI的重要交易方向？ 这一点也值得特别关注。 过去生成式AI最重要的硬件交易是GPU，因为训练和大规模模型推理高度依赖GPU。 但Agent并不是简单回答一个问题。 它需要打开浏览器、运行操作系统、调用API、处理文件、管理数据库、执行代码、安排任务，甚至同时运行多个Sub-Agent。 这意味着Agent时代增加的不只是模型推理负载。 它还增加了大量传统计算工作负载。 所以市场近期开始重新关注CPU以及整个服务器基础设施。 如果未来不是几百万人偶尔问AI一个问题，而是几亿个Agent每天在后台连续工作几个小时，那么计算需求的结构本身都会发生变化。 这也是为什么现在不能再简单用： “AI = GPU” 来理解整个产业链。 未来更完整的公式可能是： AI Agent = GPU + CPU + Memory + Storage + Networking + Power Agent运行时间越长，需要调用的工具越多，整个数据中心被消耗的资源也就越多。 但市场现在仍然处于非常早期的定价阶段 目前指数很强，但市场宽度并不好。 大量资金依然高度集中在AI和少数大型科技公司。 所以现在看到的更像是三个阶段： 第一阶段：AI基础设施重新定价。 GPU、HBM、网络、数据中心、电力率先上涨。 第二阶段：Agent平台重新定价。 $META 的Muse只是最近最明显的案例之一。 第三阶段：整个经济的生产率重新定价。 如果Agent真正大规模进入企业和消费者生活，受益范围才可能从科技行业逐渐扩散到更广泛的权益市场。 而现在，我们可能刚刚站在第二阶段的入口。 这也是为什么高盛交易台对大盘仍然保持积极观察 Privorotsky的另一个核心观点是，目前市场并不是毫无风险。 季节性仍然存在。 实际利率仍然偏高。 地缘政治风险没有消失。 市场宽度也并不理想。 但另一方面，投资者对这些问题已经非常警惕，仓位和情绪本身并没有进入极端乐观状态。 因此他认为，市场仍存在进一步向上突破的空间。 这里真正值得注意的，不是简单地说“美股一定继续涨”。 而是： 如果Agentic AI开始被市场从一个科技产品故事，重新理解成一场生产率革命，那么它能够支撑的估值范围，就不一定只局限在几家AI芯片公司。 这可能才是下一轮行情真正值得观察的变化。 过去三年，我们一直在问： 谁能提供AI需要的算力？ 接下来市场可能开始问： 谁能够利用AI，把自己的收入增长得更快、成本降得更低、利润率做得更高？ 而再往后，还有一个更大的问题： 如果Muse只是第一批真正进入大众市场的Agent，当几十亿个AI Agent每天替人类工作、购物、谈价格、管理订阅和完成交易时，今天哪些行业看起来稳定的利润，其实只是建立在“人类嫌麻烦”这件事上？

阿里平头哥发布真武V900 AI芯片，单卡216GB显存，片间互联来到1.2T，原生支持FP4、FP8精度，配套全新磐久超节点，预计2027年Q1正式上市。 回看三年前英伟达发布的H200：141GB HBM3e显存，片间互联900G。 国产这波参数纸面对标，看起来有机会赢麻了哈哈哈，就看实际落地表现！

SK海力士终于突破关键压力位 HBM4放量预期叠加Q4潜在新一轮回购 市场开始重新交易它的利润和股东回报逻辑。 接下来最关键的，不是涨了多少，而是突破之后能不能站稳。 $SKHY

8.28梭哈晨报： 别说太晚了，我tmd堵车刚到家，遛个弯堵了一上午，这是什么日子啊。 1. $BTC 震荡结束，继续开始单边上涨，全员梭哈做多？ 2. $ETH 也在上升突破了，就看有人买单了没； 3. $SOL 已经开始突破100了，近期新高了； 4.Epoch AI：OpenAI 与 Anthropic 收入高速增长，合计年化达 1050 亿美元； 5.x402日交易笔数达210万笔，创下历史新高； 能不能拉盘下x402啊？ 6.Thinking Machines 联合创始人 Barret Zoph 重返谷歌； 能拉股价吗？ 7.美国法官裁定国防部将 Anthropic 列入黑名单属违法； 8.贝森特：过去14天美国已引导1.3亿桶石油通过霍尔木兹海峡，伊朗原油输出量为零； 9.ICO市场需求减弱，美国SEC拟重新向投资者开放公开代币销售； 正经人还会投资ico吗？ 10.疑似a16z机构两天内已投入3,600万枚USDC买入44.1万枚HYPE并质押； 想到了自己当时被市场fud而割肉的HYPE； 11.Aave V4 存款突破 8 亿美元，单周涨幅达 30%； 所以拉盘不拉盘呢？ 12.小摩：AI token 支出月增 7%、B200 租赁首降 1.5%、DRAM 现货连涨五个月； 所以还是缺CC？ 13.Stripe与Advent决定放弃收购PayPal，此前报价超500亿美元； 好家伙换GME来收购吗？ 14.SemiAnalysis：HBF 非 HBM 替代，成本与散热仍存不确定性； 15.迈威尔FY2028收入预期升至180亿美元，FY2029定制芯片指引成为下一关键； ------------ 整个圈子都是孙哥的小作文了，已经弥漫到了国内的媒体平台了，没想到币圈距离娱乐圈这么近，也从侧面反馈出了，有的人不仅没饭吃还要帮忙教人洗内裤😂。 #Bitcoin# #Ethereum# #Solana# #Crypto# #Nasdaq#

HBM越堆越高的逻辑，可能要反转了 瑞穗证券昨晚发了份研报——他们的分析师刚跟SemiAnalysis总裁Doug O‘Laughlin吃完晚饭，信息量很大。 美股投资网挑几个最核心的结论先说： 内存还是AI最大的瓶颈。但这个瓶颈的形状，正在变。 HBM层数可能不升反降。GPU出货量反而能增加20-30%。 听着矛盾。往下看你就明白了。 HBM层数：风向在变 瑞穗刚把美光目标价从1375美元砍到1300美元，闪迪从1900砍到1875。应用材料从650砍到590，泛林从370砍到365。 砍价理由不是需求不行——是 "DRAM降规风险" 。 Doug跟我们聊到一个关键判断：GPU厂商未来可能在HBM上只堆4-8层，12层的吸引力在下降。16层、20层HBM和混合键合，在未来的DRAM世代里充满不确定性。 市场一直预期HBM会越堆越高。 现在剧本可能反过来。 一个关键的逻辑反转：HBM少了，GPU反而更多 Doug的原话是：HBM转换比率在下降，从3:1降到5:1。 逻辑链条非常直接： 每颗GPU用的HBM层数减少 同样数量的DRAM晶圆，能造出更多GPU GPU/AI芯片出货量可能增加 20-30% 更多GPU出货 → 更多训练和推理需求 → KV Cache总DRAM位元需求反而增长 少即是多。 内存含量下降，出货量上升，总需求不降反升。 铜缆和光互联：正在抢跑 Doug对铜缆的态度很明确：AEC是AI机架内连接的核心方案。 CRDO走在最前面。 Lumentum那边，NPO（近封装光学）被管理层定位为"增量机会"，预计2027年底到2028年进入市场。InP衬底的需求已经严重超过供应。 CPO（共封装光学）呢？还得等2-3年。 短期赢家是铜缆AEC和NPO/SiPh/InP。CPO还早。 800V可能推迟 聊到数据中心电力方案的时候，Doug提了一个很有意思的观察：数据中心运营商对800V高压直流方案有抵触。 原因很实际——变化太大，员工需要重新培训。 数据中心正在转向±400V双极双路机架。在传统400V直流布局上爬坡更容易，对SiC和辅助设备的需求反而减少。 800V推迟 ≠ 电力需求减少。只是换了一条更慢、更稳的路。更多的电压调节模块会补上来，继续支持GPU出货。 2027年的两个大数字 Doug还提到了2027年的两个预期： XAI/USPCX的10GW电力 5000亿美元的NOCL资金 BIC 2027年会给这些项目带来顺风。 10GW是什么概念？ 一个典型核电机组约1GW。10GW就是10座核电站的电力，全砸进AI数据中心。 这顿饭的核心结论：内存还是瓶颈，但瓶颈在变形状——层数在降、出货量在升、总位元需求不降。 短期赢家： AEC铜缆（CRDO）、NPO/InP（LITE） 短期承压： WFE设备商（AMAT/MKSI/LRCX），目标价已被下调 需要观望： CPO（还要2-3年）、800V（可能延迟） 大方向没变： AI算力需求还在往上走。只是技术路线在微调，供应链的赢家和输家在重新洗牌。 美股投资网认为，这顿饭最有价值的信息不是某个目标价上调或下调，而是HBM层数可能见顶这个信号。 如果市场一直按"HBM越堆越高"的逻辑在给内存和设备商定价，那这个预期的松动，就是最大的风险点。 $CRDO $LITE $AMAT $MKSI $LRCX #美股#

据 Bitget 及其股票页行情源数据，美股盘中，AI 相关股多数上涨，应用光电（AAOI）涨 6.64%，SK 海力士（SKHY）涨 2.84%，英伟达（NVDA）跌 1.82%，美光科技（MU）涨 1.65%，AMD（AMD）涨 1.20%，台积电（TSM）涨 1.08%，博通（AVGO）跌 0.99%；加密相关股票多数下跌，Coinbase（COIN）跌 7.39%，Circle（CRCL）跌 4.95%，Bitdeer（BTDR）跌 4.05%，Strategy（MSTR）跌 2.42%。AI 相关股本轮异动方面，存储与光通信板块领涨，AAOI 涨 6.6%、SK 海力士涨 2.8%，美光 HBM 与 DDR5 差距扩大消息提振；美债收益率回落亦支撑 AI 股，但 NVDA 连跌及财报前观望限制涨幅。

昨天不是美股一起跌，是科技股一路被压着狂打 道琼还涨0.3%，标普跌0.3%，纳指跌0.8%，SOXX直接跌2.7%。10年债息反而从4.738%降到4.704%，油价也在跌 $BABA 我昨天说最热闹，结果拉了个大的 成交2390.3万股，比周五少了两成六。不过800亿港元配股压下来，最低116.40，后来还能摸到120.47，最后收118.47，只跌0.7%，今天看116到121能不能站稳了 $NVDA 才是真的难看。周三才财报，昨天又跌2.9%收208.48，最低207.25，已经连跌7天。今天纳指期货涨0.7%，猜测多少会弹一点，看207到214，214差不多就是周五收盘的位置 然后大火箭 $SPCX 昨天最高138.33，最后又被压回135，跌1.4%。卖压就是有，今天预测133到139，135上下 今天还有两支可以关注一下，昨天最惨的两个 $MU 昨天跌5.83%收910.43，从8/17的1,011.75算下来，五个交易日刚好掉10%。市场拿中国CXMT扩产当理由，担心DRAM供给上来以后Micron没那么好涨价。 同一个礼拜Bloomberg才报搭载NVDA芯片的服务器要涨价15%以上，写明原因就是记忆体成本压不住 一边卖MU说它没定价权，一边看搭载NVDA芯片的服务器被逼着转嫁成本，这两件事其实可以同时发生 CXMT扩的主要是传统DRAM，HBM还没追上Micron 盘前926，涨1.7% 今天先看905到950，昨天低点887.60如果再破，这段反弹就先观望吧 另外 $INTC 昨天跌3.12%收87.26，离8/13的107.57掉了19%。但它今年涨137%，要减芯片仓位的时候第一个被卖的一定是涨最多那支 盘前89.54涨2.6%，反而是这几支里面弹最凶的，这是缺钱不是市场缺信心 今天先看86到92，跌破85.14转弱 现在标普期货涨0.4%、纳指期货涨0.7%，WTI跌到82.5附近。伊朗没有继续把油价推高，今晚可以盯着NVDA 明天才是重头戏，NVDA财报和PCE一起出，有点太刺激了

这周如果只能挑一场财报重点看，我大概率还是会把票投给 $NVDA。 但这次我关注它，并不只是因为英伟达本身。 过去几年，$NVDA 已经越来越像 AI 产业链的“温度计”。GPU 卖得怎么样只是第一层，背后真正牵动的是云厂商资本开支、数据中心扩张、半导体需求，以及存储、网络和 AI 软件应用等一整条产业链。 所以周三财报出来后，我更想看几个信号： AI 基础设施的投入有没有继续加速？ 微软、Meta、Google、亚马逊这些大厂，还愿不愿意继续砸钱扩数据中心？ GPU 订单和需求有没有出现边际降温？ 最关键的还是管理层对下一季度的指引，能不能继续给市场“超预期”。 而且周三并不是只有 $NVDA。 $CRWD 和 $CRM 也会公布业绩。 一个可以观察企业网络安全需求，一个可以看看 AI 到底有没有真正开始给企业软件带来增量。 如果说 $NVDA 验证的是“AI 基础设施还在不在加速”，那 $CRWD、$CRM 更像是在验证“AI 能不能开始变成企业端的真实收入”。 本周其他财报也挺有意思。 今天先看 $PDD，中国消费和中概资产是一条独立主线； 明天还有 $INTU、$ZM； 到了周四，$MRVL 接着登场，又可以继续观察定制芯片、高速互联这些 AI 基础设施环节。 所以我觉得，这周真正值得看的不是某一家公司涨跌，而是整个 AI 产业链有没有继续往外扩。 以前市场只盯 GPU。 现在开始看 HBM、存储、高速互联、数据中心，再到网络安全和企业软件。 这其实也是我最近比较关注的一个变化：AI 主线没变，但资金交易的范围正在变宽。 另外，宏观数据也会给这轮行情添变量。 周三还有核心 PCE和 GDP 修正值，周五则有 Warsh 的杰克逊霍尔讲话。 一边是企业业绩和增长预期，另一边是利率与估值。 财报周真正刺激的地方就在这里——公司要是超预期，估值可能继续往上打；如果业绩不错但指引不够强，市场也可能照样先砸一波。 所以最近做美股，我反而不太喜欢只盯着一两个热门标的。 产业链怎么轮动、资金往哪里切，可能比单纯猜一家公司涨跌更重要。 WEEX TradFi 可以直接关注这些热门资产，财报、宏观数据、行业轮动全部撞在一起的时候，机会和波动都会明显增加。 行情来了，最重要的还是别掉线。 全球行情瞬息万变，WEEX 始终接得住👇 （埋点链接） #WEEX# #TradFi# #NVDA# #PDD# #CRWD# #CRM# #MRVL# #AI# #买美股上WEEX# 参与 WEEX TradFi 活动：

睡醒看了很多人测评的deepseek的agent “DSH”，很多人聊的最多的就是token消耗量，kv键缓存命中率，同时DSH的同任务时间消耗是gpt或者clude的2倍。 这点透露的信息强化了我对英特尔陈立武老爷子说的CPU和dram存储堆叠封装的路线理解。 agent代理的普及很快会迎来cpu/gpu的1:1时刻，那时的cpu也非常需要像英伟达的gpu和hbm堆叠封装一样，需要把cpu和hbm堆叠封装在一起，极大的提高读取效率和降低计算时间。