与「INPEX」相关的搜索结果

📢今週の #潟ちゅーぶ# 🔴新潟の巨大建造物特集🔴 ゲストは声の大きさに定評がある #佐藤海里さん（NGT48）# 実は天然ガス生産量日本一 超重要エネルギー施設 #INPEX# 直江津LNG基地の 巨大タンクに #真下華穂# さん挑む 🧐空から新潟の巨大建築クイズ 📺日曜AM9:30 前回 👉

推荐下，这期 JL Collins × Steven Bartlett《The Diary of a CEO》 的完整播客采访。 很有哲理的财富观，推荐每个人看完结合自己的条件再规划下属于自己的路径： 1️⃣为什么要避免债务。 2️⃣支出低于收入成为习惯有多必要。 3️⃣投资剩余的钱，是未来的底气。 4️⃣学会先获得购买权，再消费。 他在36分钟的时候也谈到了对比特币的态度！ 正片2小时15分钟，链接放在最后， 也可以选择看看我下面有 GPT 的整理版和我的注解，不想听我啰嗦的可以直接去看正片。 JL Collins 就是《The Simple Path to Wealth》的作者， 先说我认为这期采访真正的核心：钱最重要的功能，不是让你买更多东西，而是让你越来越不需要向任何人低头。 也就是说，财富的终点不是消费能力，而是选择权。 这也是整期两个多小时反复回到的主线。 下面是 AI 按采访顺序的梳理： 00:00–03:27｜为什么写《The Simple Path to Wealth》 JL 最初根本没准备写一本畅销书，而是在博客上给女儿 Jessica 留下一套关于钱的知识。 他认为，一个人如果把钱的问题处理好，人生会容易非常多。不是因为钱本身能带来幸福，而是有资源的人拥有更多选择，没有资源的人很多时候连选择的资格都没有。 因此他写作的目标从来不是教女儿如何暴富，而是教她：如何避免因为钱而失去人生的自主权。 03:27–05:10｜绝大多数人对钱最大的误解 普通人的第一反应是： 有钱了可以买什么？ 房子、车、旅行、奢侈品…… JL 认为这是文化灌输给我们的默认思维。 钱当然可以消费，但还有第二个用途： 钱可以替你工作。 你工作→赚到钱→把其中一部分变成资产→资产继续产生钱。 于是慢慢发生一个巨大变化： 一开始，是你用时间换钱； 后来，是钱替你换时间。 所以他建议把“我能用这笔钱买什么”改成： “这笔钱将来能替我赚多少钱、买回多少自由？” 05:10–06:15｜什么叫财务自由 只要你必须每天出售自己的时间、劳动和注意力才能活着，你就仍然依赖某一个愿意付钱给你的人或组织。 老板、客户、公司、平台…… 所以财务自由不是“我有很多钱”。 而是： 工作开始变成可选项。 你可以工作，但不是“不工作就活不下去”。 这个区别非常大。 06:15–13:11｜为什么很多成功人士都有创伤 Steven 谈到自己的经历：年轻时冒险、辍学创业、拼命证明自己，很大程度来自内心的不安全感和创伤。 JL 观察到一个有意思的现象： 很多极度成功的人背后都有某种“我要证明自己”的东西。 创伤、不被认可、自卑、家庭问题…… 它可能成为非常强的驱动力。 但反过来，他也认识一些人，没有那么大的野心，只想过舒服、自由、平静的人生。这些人反而往往成长环境更加稳定。 这引出了一个问题： 巨大的野心究竟是一种能力，还是一种没有被治愈的伤口？ 采访没有给确定答案，但 Steven 明确提到，他认识的一些超级富豪并不快乐。 其中一个重要寓言：和尚与大臣 JL 的书开头有个故事。 两个童年好友，一个后来成为国王身边的大臣，一个成为清贫和尚。 大臣看和尚每天粗茶淡饭，就说： 你如果学会讨好国王，就不用吃这种苦了。 和尚回答： 你如果学会满足于粗茶淡饭，也就不用讨好国王了。 JL 说自己一直更接近和尚。 这其实是他全部财富哲学最简洁的表达： 降低欲望，也是一种提高自由度的方法。 当一个人的“必须拥有”越来越少，他需要讨好的人也会越来越少。 13:11–14:22｜钱与幸福的关系 JL 并不认同“钱能让你幸福”。 他的观点更细： 钱不一定增加幸福，但缺钱可以制造大量痛苦。 催债信、房租、账单、医疗费用、失业风险…… 这些东西会长期占据人的心理空间。 所以财富最先改善的，往往并不是快乐，而是： 减少焦虑。 而且金钱有放大效应。 一个本来就不快乐的人， 变成富豪以后仍然可能不快乐； 一个本身就很满足的人， 有钱以后会获得更多选择。 Steven 也谈到自己以前觉得 Range Rover、 豪宅会带来巨大幸福， 后来真正拥有以后， 发现心理冲击远没有想象中大。 JL 因此强调： 享受财富， 但不要要求财富负责治愈你。 14:22–15:59｜什么才是真正的 F.U. Money 一般人把 FU Money 理解为： 钱多到永远不用工作。 JL 说那其实叫 Financial Independence。 他定义的 FU Money 反而是： 走向财务自由途中已经积累起来的那部分钱。 哪怕你只有足够活六个月的钱， 它都已经开始改变你的行为。 老板羞辱你，你可以离职； 行业不好，你可以休息半年； 想去欧洲旅行，你可以辞职； 想换城市，你不用害怕三个月没收入。 所以财富不是到了终点才有用。 每增加一笔储蓄，你的自由其实已经增加了一点。 15:59–25:32｜采访最有争议的观点：年轻人未必应该买房 JL 不是反房地产。 他自己一生也买过很多房。 但他说： 房子应该首先看作一种生活消费，而不是自动等于一项好投资。 买房最大的问题不只是首付和房贷。 还有装修、家具、维修、房产税、保险、屋顶、花园、设备等等。 所以“我的月供和房租差不多”这个比较经常是错误的。 房租 2500 美元，你大致知道成本； 房贷 2500 美元，可能突然再来一个 2 万美元屋顶。 而且人买房时经常出现一个行为偏差： 银行说你最多可以贷 100 万，你就真的去买一个接近自己极限承受能力的房子。 于是房子开始绑架现金流。 买房真正被忽略的是机会成本和流动性 JL 和 Steven 都特别重视这一点。 20 多岁、30 多岁的时候，人的最大财富可能不是现有资产，而是： 未来几十年的机会。 工作突然要求你去纽约； 创业机会在旧金山； 你想去葡萄牙； 换行业； 认识了另一半； 都需要移动。 租房的人可以很容易离开。 房主却要卖房、承担交易成本，或者突然变成一个根本不想当的房东。 所以 JL 的结论不是： “永远不要买房。” 而是： 年轻且正在快速发展事业时， 不要低估流动性的价值。 等你已经非常有钱， 而且某套房确实提升生活质量，再去买。 那时候你是在强势位置购买， 而不是被房贷绑架。 25:32｜整本书浓缩成三句话 JL 的财富路径非常简单： 避免债务。 支出低于收入。 投资剩余的钱。 基本上整场采访后面的一个多小时， 都在解释这三件事。 26:49–36:03｜债务为什么如此危险 个人消费债务在他眼里几乎是财务自由的反面。 尤其：信用卡债务、消费贷、豪车贷款。 因为你不仅在为过去的消费付款， 还把未来的现金流提前抵押掉了。 他把债务形容成游泳运动员腰上绑着铅块。 不是绝对游不到终点，但难度大得多。 他的还债方法也很明确： 把所有债务列出来； 其他债务付最低还款； 集中现金优先消灭利率最高的债务； 然后第二高、第三高…… 这是数学上效率最高的一种方法。 “必须拥有”的暴政 JL 创造了一个很好的概念： Tyranny of the Must-Haves。 “我必须住这个区。” “孩子必须读这所学校。” “必须有两辆好车。” “必须每年出国。” “必须住大房子。” 每增加一个“必须”，自由就少一点。 他自己年轻时直接存收入的 50%。 但他说自己从没觉得这是“牺牲”。 他的心理账户是： 我不是少花掉了 50%。 我把那 50% 花在了购买自由上。 这一点我觉得是整期非常高级的一个重新定义。 消费其实经常是在购买自尊 Steven 讲了自己年轻时候一个非常真实的经历。 发薪以后立刻买大电视、PlayStation， 因为这些东西能让自己短暂感觉： “我成功了。” 过几天发现没钱，又把东西卖掉。 下一次发工资继续循环。 JL 提醒： 很多炫耀性消费，本质并不是需要那个东西， 而是希望别人通过那个东西认可自己。 他举 Ferrari 的例子： 你开 Ferrari 时以为别人想： “这个人真厉害。” 实际上别人很可能想的是： “如果我开这辆 Ferrari，我一定很帅。” 人家压根没那么关心你。 36:03–38:43｜他为什么不投资 Bitcoin 这里应该也是你比较关心的一段。 JL 明确表示： 他不反对 Bitcoin 存在，但自己不投资。 原因不是他说 Bitcoin 一定归零， 而是他认为 Bitcoin 对他来说属于 speculation， 而不是 investment。 他的投资标准是： 背后最好有一个持续产生经济价值的“发动机”。 企业销售产品、产生利润、现金流增长。 而 Bitcoin 在他的框架里没有这套现金流， 所以他无法估值。 Steven 反驳： 如果 Bitcoin 过去十五年的成功如此巨大， 本身是不是已经证明市场存在真实需求？ JL 承认： 完全可能。 Cathie Wood 等人的长期判断也完全可能最终是对的。 但他说他无法判断未来十年，所以选择不参与。 因此他的立场其实没有标题那么绝对。 不是： “Bitcoin 是骗局。” 而是： “Bitcoin 超出了我的投资框架，所以我把它归类成投机。” 38:43–46:37｜应该还房贷还是投资 答案取决于房贷利率。 因为提前还贷相当于获得一个确定性收益： 如果你的房贷利率是 7%，提前还款大致相当于获得一笔确定性的 7% 成本节省。 房贷利率极低时，投资机会成本更重要； 房贷利率非常高时，提前还款吸引力更高。 他随后解释了利率、房贷本金、利息以及为什么前期月供中利息占比较大。 他也说，不要试图精准预测“什么时候利率最低然后买房”。 因为利率同样很难预测。 最终还是回到： 现在是否买得起，这个房子是否真正改善你的生活。 46:37–55:13｜AI 时代，现在买股票安全吗？ JL 给出的答案很经典： 短期永远不安全，长期反而非常安全。 股票最大的特征不是“危险”，而是： 波动。 如果三年后要买房的钱、明年孩子读书的钱放进股市，很危险。 因为明年完全可能跌 30%、40%。 但如果是十年、二十年甚至更长的钱， 股票是人类历史上极强大的长期财富生产工具之一。 核心条件只有一个： 大跌的时候不能因为恐惧卖掉。 否则再好的资产都救不了你。 所以真正最大的投资风险，有时候不是资产： 而是投资者自己。 男人为什么投资经常不如女人 这里他们谈到一个有意思的行为： tinkering——手痒。 觉得： 这个配置再优化一下； 换个 ETF； 追一下热点； 择个时； 卖了再买回来…… JL 发现很多男性尤其喜欢这样做。 Steven 引用了一些男女投资行为的数据，核心结论是： 男性更倾向承担风险、频繁交易和择时； 女性往往交易更少、更长期持有。 所以即使男性经常“感觉自己更懂投资”，最终反而可能因为过度操作拖累回报。 JL 开玩笑说： 看来自己有非常强的“女性一面”。 他的核心仍然是： 少做事。 55:13–1:02:38｜复利真正发生时是什么样 采访展示了一张长期复利曲线。 早期非常无聊。 本金不断增加，资产增长并没有明显脱离投入的钱。 然后几十年后突然： 曲线翘起来。 JL 说他见过很多已经财务独立的人，反而问他： “我真的财务自由了吗？” 不是他们不会算数学。 而是复利增长到后期会快得令人产生不真实感。 他随后解释 4% guideline： 如果一年生活费 10 万美元， 大约需要： 10 万 × 25 = 250 万美元投资资产。 250 万 × 4%=10 万。 所以可以粗略用： 年度支出 × 25 作为财务独立目标值。 但他刻意不用“4% Rule”，而更喜欢叫 guideline，因为现实情况会变化。The Singju Post 复利最终有一个非常有意思的状态： “所有东西都免费了” 意思不是东西真的不要钱。 而是： 当投资资产每年产生的钱已经高于你的全部消费时， 新消费不再需要靠劳动补回来。 年轻时你舍不得买的东西，后来反而可以轻松买。 这也解释了他的财富哲学： 不是永远节俭。 而是： 先获得购买权，再消费。 而不是提前几十年透支未来购买权。 1:02:38–1:12:54｜“我年轻时不享受，老了有钱有什么意义？” Steven 提出年轻人非常自然的反驳： 20 岁不去旅行、不喝酒、不玩、不买东西，一直省钱，等到 70 岁一身钱，有什么意义？ JL 的回答不是让人苦行。 他首先反对： “享受人生=花很多钱。” 更有意思的是，他说 75 岁以后其实钱非常有用。 因为年纪越大，舒适、安全、医疗、便利的价值越高。 但他年轻的时候也并不是为了“75岁的自己”投资。 他 25 岁攒了约 5000 美元，就敢辞职去欧洲背包旅行。 所以： 储蓄不是只帮助未来的你， 它马上就在帮助今天的你。 5000 美元可能还不能退休， 但已经足够让一个年轻人敢辞掉不喜欢的工作。 他为什么主张储蓄率 50% 第一份正式工作年薪约 1 万美元，他直接存 5000。 他认为 50% 是一个非常强的 benchmark。 在市场正常的情况下， 坚持高储蓄率 + 投资， 大概十几年就可能走向财务独立。 当然这不意味着所有人都必须 50%。 他的意思是： 不要先问： “50% 怎么可能？” 应该先问： 财务自由对我到底值多少钱？ 有人选择星巴克、好房子、名车； 有人选择早点自由。 没有道德上的对错，是优先级不同。 1:07:08｜给孩子最大的投资礼物其实是时间 他特别建议，如果孩子已经有合法劳动收入， 可以尽早利用 Roth IRA 等美国税优账户投资。 原因不是那几千美元有多重要。 而是孩子拥有： 50 年、60 年甚至更长的复利时间。 他说财富积累最强大的变量之一就是： Time。 越早开始，后来需要付出的本金越少。 1:12:54–1:20:04｜税优账户到底有什么意义 他详细讲了美国的： 401(k)、403(b)、IRA、Roth IRA。 传统退休账户的本质通常不是“不交税”， 而是：延迟交税。 现在收入高时把钱放进去； 投资增长； 退休以后收入降低，税率可能下降； 再把钱取出来。 同时雇主的 401(k) match 基本属于： 应该优先拿的“免费钱”。 他也提醒： tax deferred ≠ tax free。 JL 自己反而出现了一个特殊情况： 退休后因为写书、事业成功，税率甚至比以前高， 因此传统税延策略对他没有达到典型效果。 1:20:04–1:27:39｜他到底买什么资产 答案极其无聊： 低成本、广泛分散的指数基金。 他的代表选择就是 Vanguard： VTSAX——美国 Total Stock Market Index Fund。 大约覆盖数千家美国上市公司。 为什么？ 因为他完全不知道未来哪个公司会赢。 但指数有一个非常厉害的机制： 赢家越来越大，自然在指数中的权重越来越高； 输家不断萎缩，最终被淘汰； 新的赢家自动进来。 JL 给它起了一个词： self-cleansing——自我清洁。 Sears 曾经像今天 Amazon+Walmart 一样强大。 后来 Sears 消失了。 但指数投资者不需要提前预测 Sears 会死， 也不需要提前猜 Amazon 会赢。 市场替你完成替换。The Singju Post 为什么他不直接买 Nasdaq 100？ Steven 提出： AI、机器人、自动驾驶都属于科技， 过去十年 Nasdaq 又表现极好， 那为什么不直接重仓科技？ JL 承认： 这个逻辑完全合理。 甚至过去十年确实会赚得更多。 问题只有一个： 你仍然是在预测未来。 今天科技领先， 不代表未来四十年始终由科技这个分类领先。 所以 JL 说： 我买整个市场。 科技继续赢——我已经持有科技巨头； 科技输了——新的赢家同样会自动进入我的组合。 所以他放弃一部分极致收益潜力，换来： 不需要预测未来。 1:27:39｜全片最好的投资比喻：啤酒与泡沫 JL 现场倒了一杯啤酒。 杯子里两部分： Beer = 企业真正创造的经济价值。 收入、利润、现金流、业务。 Foam = 市场情绪。 恐惧、贪婪、AI 故事、想象力、炒作、估值。 股价=Beer + Foam。 问题在于现实股票不像透明酒杯，我们很难知道到底多少是啤酒，多少是泡沫。 他拿 Tesla 举例： Tesla 当前估值中包含大量对机器人、自动驾驶等未来业务的预期。 如果未来这些业务真的实现： 泡沫会慢慢变成啤酒。 如果没有实现： 泡沫就可能消失。 巴菲特为什么那么厉害 用 JL 的啤酒逻辑： Benjamin Graham 早期寻找的是： 价值 1 美元的“啤酒”，市场只卖 0.7 美元。 巴菲特后来逐渐升级成： 与其极低价买垃圾，不如合理价格买极好的企业。 优秀企业： 品牌强； 竞争壁垒高； 盈利能力强； 管理优秀。 最难的地方不是分析。 而是： 拥有足够的耐心什么都不做。 所以他们谈到 Munger / Buffett 一个非常重要的投资原则： 不要妨碍复利自己工作。 1:33:40–1:36:06｜市场暴跌怎么办 答案： 不要卖。 2020 年疫情就是案例。 市场暴跌，恐慌蔓延。 但企业和经济最终恢复。 如果你因为新闻而清仓，可能在最低点附近离开； 随后又因为上涨产生 FOMO，在高位重新买回。 所以 JL 的方法很简单： 长期资金继续持有； 如果仍在积累期，甚至可以继续买。 真正危险的是： 把正常波动理解成世界末日。 短线交易和投资完全是两种东西 用“Beer/Foam”理论： 买企业未来几十年的盈利能力，是 investment。 试图预测明天、下周、下个月市场情绪产生的 Foam，是 trading/speculation。 后者在 JL 看来非常接近赌博。 他们也吐槽各种“教你稳定交易赚钱”的课程： 如果真的存在一个可以持续提款的秘密策略， 为什么最赚钱的业务会变成卖课？ 这不是说所有金融教育都是骗局，而是在提醒： 对“快速、稳定、高收益的交易秘诀”高度警惕。 1:39:26｜需不需要财务顾问 JL 对财务顾问整体比较怀疑。 他的一个有意思的判断是： 当你已经懂得足够多，能够识别一个优秀财务顾问的时候，你可能也已经懂得足够多，可以自己投资。 尤其要注意利益冲突。 比如顾问按照 AUM 收 1% 管理费。 你有 100 万美元交给他； 突然想拿 50 万提前还房贷。 如果他说“还”，自己的管理费收入立刻减少一半。 不代表他一定会骗你。 但： 激励结构已经产生冲突。 所以永远要知道： “给我建议的人，是怎么赚钱的？” 1:42:13｜JL Collins 自己到底怎么配置 他当时透露大致： 80% VTSAX 美国全市场股票 15% Total Bond Market 债券 5% Money Market / 现金类资产 另外有两处自住房性质的小房地产， 但在净资产中比例很低。 他已经 75 岁，这个股票比例其实非常激进。 他自己也明确说： 不一定适合其他同龄人。 债券的作用主要不是赚钱，而是降低波动。 他把“风险”重新定义： 股票短期风险大，因为波动； 但长期能对抗通胀。 债券短期稳定； 但长期可能输给通胀。 因此： 安全与否必须带上时间维度。 1:45:23｜Steven 现场问 ChatGPT：普通人如何财务自由 ChatGPT 给出的答案大意和 JL 几乎一样： 控制支出； 购买低成本广泛指数； 长期持有； 让复利工作。 JL 开玩笑： ChatGPT 应该是把他的书拿去训练了。 随后 Steven 又问： 怎样提高收入？ JL 的答案： 提高技能。 ChatGPT 的答案也类似： 学习市场需求高的技能。 1:46:26–1:49:33｜AI 时代应该学什么 Steven 讲自己年轻时候学 Social Media。 创业虽然失败，但因此站在了一个新行业浪潮最前面。 后来企业疯狂需要懂社交媒体的人， 于是那个失败经历反而变成极高价值的人力资本。 JL 由此讲： Failure 是成长的一部分。 甚至创业世界里， 有些投资人更喜欢经历过失败的创始人。 Steven 给未来孩子的建议很有意思： 如果不知道学什么， 去一个处于技术浪潮最前沿的 startup 工作。 哪怕它最后倒闭。 因为你会离创始人很近； 离问题很近； 离失败很近； 离新产业真正发生的地方也很近。 这可能比一个安稳的大公司职位学得更多。 1:49:33以后｜收入低不等于不能财务自由 JL 举了两个极端例子。 一个朋友一辈子收入可能没超过 4 万美元， 却最终财务独立。 另一个金融行业朋友： 90 年代奖金就有 80 万美元； 年收入大约百万美元； 结果仍然接近月光。 为什么？ 豪宅、车、孩子学校、社交圈…… JL 甚至认为： 高收入有时候反而是财务自由的障碍。 因为高收入会自动把你推入另一个消费比较体系。 普通人比较车。 富人比较房子。 更富的人比较游艇。 游戏没有终点。 收入越来越高， Lifestyle Creep 也越来越大。 所以： 决定财务独立的不是绝对收入， 而是收入与欲望之间的差值。 随后谈到了一个经常被忽略的财富杀手：离婚 Steven 讲了一个， 身价可能数亿美元的朋友正在经历长期离婚诉讼。 律师费、资产估值争议、 强迫出售长期持有的股票、税务损失、精神压力…… JL 的结论是： 选人生伴侣同时也是一个巨大的财务决定。 当然 Steven 也补充非常重要的另一面： 如果另一方为了家庭和孩子牺牲职业， 财富本身可能也是夫妻双方共同创造的。 所以他们并不是简单讨论“如何避免分钱”。 真正谈的是： 婚姻是你人生最大的经济合伙关系之一。 Prenup：其实每个人都有婚前协议 一个很有意思的观点： 即使你“不签 Prenup”， 你也并不是没有 Prenup。 你只是选择： 使用政府默认替你制定的 Prenup。 所以问题不是： “要不要规定离婚后怎么处理？” 而是： 你们两个人提前共同决定； 还是几十年以后让法律制度替你决定。 他们认为对于资产复杂的人， 提前认真讨论反而更加成熟。 JL 结婚 44 年最大的经验 Steven 问他： 怎么选对伴侣？ JL 本来一直说自己运气很好， 因为结婚前根本没认真谈过钱。 后来有一次当着妻子的面讲这个故事， 妻子直接纠正他： 两个人第一次约会的时候， JL 就已经跟她讨论储蓄率，甚至说： “你应该存下收入的 50%。” JL 才意识到： 原来财务观早就被自己自然表达出来了。 两个人长期婚姻稳定的一部分原因，就是： 在金钱价值观上高度一致。 1:59:53｜75 岁以后，他最大的遗憾是什么 这是整期采访后面突然非常深的一段。 JL 首先说： 他不太喜欢“如果当时……”这种思维。 因为你永远不知道另一条路是不是真的更好。 创业失败可能导致后来成功； 一次看似错误的选择可能塑造后面的你。 所以从人生路径角度： 他没有特别大的遗憾。 但有两个关于父亲的私人遗憾。 第一个遗憾：童年拒绝父亲的礼物 小时候父亲非常喜欢动手做东西。 有一次给他买了一个电动锯作为礼物。 JL 完全不喜欢，表现得非常失望。 他看到父亲脸上的受伤。 七十年过去，他仍然记得。 他说： 自己当时只是孩子， 也不应该过度责怪那个年纪的自己。 但这件事教会了他： 有时候礼物的价值不在礼物，而在送礼人的心。 第二个，也是他人生最大的遗憾： 父亲去世前的最后一次谈话 JL 24 岁时，父亲因为肺气肿住院。 去世前一天，父亲坐在病床边告诉他： 自己今晚可能要死了。 年轻的 JL 本能回答： 不会的，你会好的，别这样想。 结果父亲那天晚上真的去世了。 五十年以后，JL 才完全理解那个场景： 父亲根本不是需要一句： “别担心，一切都会好起来。” 他是一个已经知道自己即将死亡的人， 想和自己的儿子谈谈死亡。 JL 最大的遗憾是： 自己当时没有成熟到意识到这个邀请。 不是选错答案。 而是： 根本不知道那里存在一道选择题。 说到这里他明显非常动情。 最后谈到死亡 JL 说自己大概率认为： 死亡之后什么都没有。 但他同时对死亡非常好奇。 他并不急着死， 身体和精神状态允许的话仍然很喜欢活着。 只是到了 75 岁，他会好奇： 如果自己错了呢？ 如果真的存在另一边呢？ 最后的问题：人生到底什么最重要？ JL 给出了一个很反鸡汤的答案： 从宇宙尺度上看，什么都不重要。 人类在宇宙时间尺度里只是极短的一瞬。 一个人的生命更短。 所以他不相信宇宙赋予每个人某种宏大使命。 但是，他认为这反而是一件解放人的事情。 因为：既然没有必须完成的宇宙任务， 那就：好好生活；善待别人；尽可能享受这趟旅程； 利用你拥有的自主权，把唯一这一生过好。 他说的不是： “人生没有意义，所以什么都不用做。” 恰恰相反： 正因为没有第二次， 所以更应该把这一次过好。 所以我很喜欢他这段发言。 最后 Steven 播放了一首关于“God on the Train”的诗，主题也与 JL 的观点呼应： 不要为了某个遥远的天堂忽略眼前这一生，善良、不伤害别人、认真活着，本身可能已经足够。 我看完整期以后，认为最值得记住的是下面这一套递进关系：钱 → 资产 → 现金流 → 选择权 → 不被迫 → 自由。 很多人财富增长以后，走的是另一条路：钱 → 消费升级 → 固定成本升级 → 欲望升级 → 必须赚更多钱 → 更不自由。 两个人可能拥有完全相同的净资产，最后得到的东西却完全相反。 这才是 JL Collins 这期采访真正想讲的东西。 而他那句“把收入的 50% 花在自由上”的思维尤其值得琢磨——储蓄不是没有消费，而是在消费一种看不见的东西：未来不必向任何人低头的权利。 视频链接：

$BNB is second among the 18 constituents of @SPDJIndices and @PanteraCapital's new digital asset index, all screened on protocol revenue. Crypto benchmarks have typically measured what an asset is worth. Revenue only exists if people transact. BNB Chain averaged ~4.5 million daily active users through Q1 2026. Every protocol team now has a public standard telling them what institutional capital will count.

RAG system that skips HTML parsing entirely! PixelRAG is an open-source visual RAG framework that renders documents as screenshots instead of parsing them into text. Most RAG pipelines start by converting HTML to text. Tables flatten into unstructured rows. Charts disappear. Layout context is gone before the LLM ever sees it. The paper measured this directly: HTML-to-text conversion accounts for 36.6% of retrieval failures on SimpleQA. PixelRAG skips that step entirely. It renders pages as screenshot tiles using Playwright, embeds those tiles with a fine-tuned Qwen3-VL-Embedding model, builds a FAISS index, and passes retrieved images directly to a VLM reader. No text abstraction in between. Benchmarked across six datasets against the strongest text-based baselines: - SimpleQA: 78.8% vs 71.6% (+7.1 points) - NQ-Tables: 48.8% vs 42.5% (+6.3 points) - EVQA: +15.5 points - LiveVQA: +11.3 points One honest caveat from the authors: this requires Qwen3-VL-4B class models or larger to see the benefit. Smaller models trail text retrieval. The authors also recommend using PixelRAG as an enhancement layer alongside existing text systems rather than a full replacement. Ships with a pre-built Wikipedia index covering 8.28M articles across 28.1M screenshot tiles. A Claude Code plugin lets Claude take screenshots of any URL and reason over the visual content directly. Key capabilities: • Renders web pages, PDFs, and images as screenshot tiles via Playwright • Fine-tuned Qwen3-VL-Embedding model for visual retrieval • FAISS index for fast vector search • Pre-built Wikipedia index: 8.28M articles, 28.1M tiles • 3x token cost reduction via image compression • Claude Code plugin for direct URL screenshot and visual reasoning • LoRA fine-tuning support via pixelrag-train 100% open source. I've shared the link in the replies!

底层看稀缺，顶层看客户！看到 @chamath 分享的这张 AI Stack，感觉这个架构划分和 Rewire Index 5 Layer 相当类似，分享一下我对每一层的理解： 1. 能源与基础设施层（最底层） 与 Rewired Index 的逻辑一致。电力会迎来爆发式增长，尤其是无需接入电网的独立供电商（IPP）；而土地受政策影响太大，弹性有限。在大众的舆论压力之下，太空基建应该会是未来几年的新机会，无需土地，无限电力⚡️ 2. 芯片层 做独立芯片，初创公司基本没有机会：性能要求极高、工艺极其复杂，最关键的是供应链已被完全锁死——这是头部玩家的战场。 真正的机会在融合与生态。从 Google TPU 的发展路径，到 Cerebras 等高速推理芯片的崛起，可以看出芯片会与云厂商、模型公司深度绑定。围绕芯片构建数据中心的整体供应与创新，机会很多；单做独立芯片，机会渺茫。 3. 云服务层 云可以分为 Hyperscaler 和 NeoCloud两类。模型商品化之后，几乎所有的负载都要靠云来承载，这会是非常赚钱的生意。但构建极其复杂，堪称 AI 时代的重资产业务——或者说，智能时代的房地产。 4. 模型层 模型公司面临的核心问题是正在被商品化： - 如果 Scaling Law 已到极限，模型百分之百会被商品化； - 即使 Scaling Law 还有很大空间，大家对「最好智能」的需求也在被分解——大量日常应用不需要最顶级的智能，中等水平模型和开源模型会逐渐接管这些需求，反而加速了商品化； - 最尖端的头部模型公司，更像是「先进制程」的芯片：能从中获取很高的价值，但并非所有任务都需要它。 5. 应用层：Harness vs Application 这张图最有趣的地方，是把应用层拆成了 Harness 和 Application 两层。 我的判断是：按目前模型的进化速度，Application 还没有任何机会，但 Harness 的机会已经大量出现，尤其在企业端。企业内化的知识只能通过 Context 和约束来落地，所以 Harness 就是新的企业应用层；它们会替代旧的 SaaS，或倒逼旧 SaaS 升级。 如果把 AI 扩展到大语言模型之外的更广义范畴，应用层更可能以垂直集成的形态出现，例如：自动驾驶 / RoboTaxi / 任何可端到端自动化工业流程和武器系统；生物研究 / Wet Labs；把执行能力直接部署进企业内部的模式（类似 Palantir 的服务方式）

搞自动化和爬虫的兄弟可以把之前的方案扔了。 GitHub 上突然爆火了一个开源项目 Index（由 AI 开发者平台 Laminar 团队打造），直接把网页浏览器变成了可调用的 API。这玩意本质上是一个极度丝滑的“AI 浏览器 Agent”，你在终端输一句人话，它就能像真人在浏览器里点按、抓数据、填表单，甚至跨站点联动办完一整套复杂流程。在 WebVoyager 跑分里直接飙到了 92% 的惊人准确率。 一句命令就能跑：pip install 之后敲 index run 就能直接在终端调用。 能直接用本地 Chrome：带 --local-chrome 参数，自动复用你已登录的账号状态。 顶配视觉推理引擎：原生支持 Claude 3.7 Sonnet、Gemini 2.5 Pro 等顶尖多模态大模型。 全程会话回放与排错：自带开箱即用的可视化录屏与步骤 Trace 监控。 自动抓取并生成表格：一句话搞定“去网站抓数据并新建 Google Sheets 写入”。 📦 开源协议：Apache-2.0 🔗 GitHub 传送门：

Kimi K3 is now available on Token Factory. We’re excited to announce that Nebius Token Factory is an official Day 0 partner for @Kimi_Moonshot's Kimi K3. Kimi K3 is the first open-weight model to reach frontier-level performance, a major step forward for open models. It is built for long-horizon coding, knowledge work and reasoning, with native vision and up to 1M tokens of context. Artificial Analysis scores it at 57 on its Intelligence Index, just two points behind GPT-5.6 Sol (max). That puts Kimi K3 at the top of the open-weight field and firmly among today’s frontier models. Developers can access K3 through Token Factory’s OpenAI-compatible API and console today. Give K3 the hard problem. Build with Kimi K3:

software isn't dying because AI is eating apps, it's dying because a whole generation's behavior has changed. last night before bed, my girlfriend pulled out her phone and spent 15 minutes using gpt voice to diagnose why her face was breaking out. she didn't google it, that didn't even cross her mind. we're in a transitionary period of the internet where most businesses are still built for being discovered on google or social media. earlier this year the number of people choosing AI for search over google was ~37%, and that was 6 months ago - which means it could be >50% now. there are a ton of products that will go extinct because information is more available than ever (that is 100% the result of AI), but a lot of the decreased traffic is the result of businesses that haven't transitioned to getting indexed by AI, and are losing ground with SEO. there's always going to be new opportunities, you just can't be stagnate with these market conditions.