与「ONE有明」相关的搜索结果

ONE有明に私の作品を出展させていただくことになりました！！！ 花瓶と書。 素敵な作品がいくつかできたので是非お近く行く際ありましたら見て下さい😁✨ #ONE有明#

华为的 X 账号，在今天发布韬定律后，每篇推文基本都是 100 万以上的阅读了，涉及公告文章类的，全是 1000 万起，说老外不高度关注，那是不可能的。 华为这次在讲一个新的半导体思路，叫韬定律。它的核心不是继续死磕，晶体管还能不能更小，而是换个指标，能不能让数据、计算在整个系统里跑得更快。 也就是说，过去摩尔定律看的是空间，也就是芯片越做越小。华为现在想强调时间，也就是同样制程下，通过封装、互连、架构优化，把延迟降下来、效率提上去。 其中一个重点技术叫 LogicFolding 逻辑折叠。简单理解，就是把以前平铺在一个平面上的电路，改成上下多层堆叠，让信号走的路更短。 路短了，延迟就低，功耗也更好。文章里说，麒麟 2026 芯片用了这个技术后，在固定制程下，晶体管密度、能效、频率都有明显提升。 另一个重点是 AI 数据中心。华为认为，AI 时代的瓶颈不只是算力不够，更是数据搬来搬去太慢、太耗电、太贵。文章提到，大型 AI 集群里，很多能耗和成本都花在数据传输、存储和互连上。 所以华为提出统一总线、Hi-ONE 光互连、3D 折叠等方案，目标是让大量芯片像一个整体系统一样协同工作。 大白话来讲，就是既然最先进光刻不好拿，那就别只盯着 2nm、3nm 这种制程了，换条路提升性能。华为说，过去六年已经量产了 381 款芯片，并把经验总结成一套方法，不只优化单个晶体管，而是把晶体管、电路、芯片、系统、数据中心整套链路一起优化。 华为认为，未来芯片竞争可能不再只是台积电、三星、Intel 谁能做 2nm、3nm 那种更小纳米，而是看谁能在封装、互连、系统架构、软硬件协同上做得更强。

阿里前几天刚发季报，破天荒的第一次披露了模型与应用服务——其实就是MaaS——的经常性年化收入： 截至今年3月超过80亿人民币，预计6月达到100亿，年底突破300亿。 相当于半年3.75x的增长速度，大概也是基于如此乐观的势头，阿里才会难得的公布这个数字，向资本市场构建叙事。 所以你以为我要开始吹阿里了？错了。 阿里的AI收入，建立在阿里云这个中国最大的云计算平台上，阿里云拥有现成的客户群体、销售网络和算力资源，用配套升级的方式去叠一层AI服务收入，是很容易的。 所以真正要吹的，不是阿里的AI业绩凭什么增长这么快，而是如果连主要靠存量用户增加预算就能做到半年3.75x的增速，那么原生AI公司今年在同样的市场环境下，增速会飙到什么地步？ 要知道，原生AI公司赚的每一块钱都是从零开始、靠着模型能力兑现而来的，除了更加纯粹的增长之外，因为不必承担其他业务的成本转移，ROI的负担也更小。 比如摩根士丹利测算发现MiniMax平均每分钟进账1美金，同时成本低于0.3美金，而行业平均收入只有约0.5美元/分钟，相当于MiniMax仅凭利润就跑赢了大盘。 这就是Pure-play的价值，算清楚这笔账，对于理解走向拐点时刻的AI行业，非常重要。 在研报里，摩根大通认为中国在2026年的企业端需求，很大概率会复制美国2025年至今的来路，也就是从试点到规模化投入再到AI成为固定支出的三级跳。 简而言之，就是Anthropic的那条离谱曲线。 Anthropic创造了AI行业还是商业史上的创收奇迹，300亿美金的经常性年化收入，让它成为了全球瞩目的新王，甚至让OpenAI的股份交易在一级市场失去了吸引力。 毫无疑问，Coding是一个回报路径极其明确的赛道，根据The Information的报道，在企业级市场，Anthropic展现了空前强势的定价权，从它用按量计费替换订阅套餐，到上线导致Token费用上涨的分词器，都让企业找不到商量余地，只能拿着超标的账单去找老板加大预算。 没办法，品质和稀缺绑在一起，就是硬通货。 摩根大通也是这么判断的，在AI行业，拥有强大模型的公司某种程度上可以豁免于成本战争，而且它想进入「下沉市场」的难度，要远低于低价模型打入「高端市场」。 但Coding是一个已经实现预期的赛道，下一个大的是什么？ 目前来看，几天之后的Google I/O大会非常重要，从已经被剧透的Gemini Omni来看，「All In One」的全栈模型要给多模态打翻身仗了。 那个教授在黑板上写公式讲课的片段，之所以艳惊四座，是因为它并非简单的视频生成，这个新的Gemini Omni模型同时搞对了三件事： 手持粉笔的空间关系、板书撰写的画面关系、推导过程的逻辑关系。 更直白的说，这绝对不是三个模型合在一起的结果，而是基座模型已经就在全模态信息上完成了训练，也就是，世界模型的雏形。 像是杨立昆、李飞飞这些不属于Transform派别的行业大佬，都对语言模型颇有微词，认为这条路线跑不出真正的世界模型，所以都选择了另辟蹊径，但Google、OpenAI甚至字节跳动都在证明，即使语言模型确实有局限之处，只要坚持Sc­a­l­i­ng La­ws、在同一个基座模型上训练全模态能力，同样能够渐进式的通向世界模型。 如果只看Coding的叙事，中国的原生AI公司都在扮演「一个更便宜的Anthropic」，杀成一片红海。 但在找出「一个更本土的Google」这件事情上，就会发现阿里、字节和MiniMax都在这么干，只有它们的模型迭代方向与Google完全一致：在一个系统内完成文本理解、图片生成、视频生成和音频输出。 王慧文在即刻上说，一家新兴公司的估值，是由相信它的资本定价的，不是不相信它的人定价的，「好吧，这是句废话。」 多模态的生成是语言模型理解世界的硬验证信号，且大部分底层能力与核心模型复用，多个模态并不等同于多份研发投入，有限的成本提升，能够极具经济性的帮助AI构建世界，并让每一代模型的更新不断放大效率差，并打开更高的智能上限。 我想吹的和期待看到的，其实就是这个。

财报前瞻：Arista Networks (ANET) 2026年第一季度财报 历史业绩表现与当前市场预期一致性 Arista Networks明天即将发布的2026年第一季度财务报告。 Arista在过去连续多个季度中展现了极强的业绩韧性，其盈利能力和收入增长始终保持在分析师预期的上限。根据历史数据，公司在过去八个季度中每一次都实现了盈利超预期，这种极高的胜率在波动性巨大的科技板块中属于罕见现象。 对于2026年第一季度，市场一致预期已经形成了一个相对较高的基准。目前分析师对每股收益的平均预期约为0.81美元至0.82美元，较2025年同期的0.65美元有显著增长。在收入端，市场普遍预期为26.2亿美元，这与公司管理层此前给出的约26亿美元的业绩指引高度契合。 值得注意的是，在过去90天内，共有24位分析师上调了对ANET的年度盈利预测，而下调者为零。这种单向的业绩修正反映了投资界对于人工智能（AI）基础设施需求持续高涨的集体共识。这种“业绩修正向上”的势头通常是财报超预期的前导指标。 财报核心驱动因素：超大规模云服务商（Cloud Titans）的资本支出 Arista的业务模式高度依赖于“云巨头”的投资节奏，主要包括Meta、微软、谷歌和甲骨文。这些客户在2025年贡献了公司约48%的收入，因此其资本支出（Capex）的任何变动都会直接传导至Arista的业绩中。 微软与Meta的资本狂飙 微软近期公布的信号显示，其2026日历年的资本支出预计将达到1900亿美元，远超此前预测的1520亿美元。微软CFO Amy Hood明确指出，为了满足AI需求，必须在数据中心建设上进行更多投入，且由于GPU和存储容量的限制，这种投入在2026年之前都将维持高压状态。 Meta作为Arista的另一个核心客户，将其2026年资本支出指引从之前的1150亿-1350亿美元上调至1250亿-1450亿美元。Meta的AI广告引擎和Llama系列大模型的持续迭代，要求其底层网络具备更强的并发处理能力和更低的延迟。Meta在财报中提到，其AI支出不仅用于模型训练，更开始转向更大规模的推理（Inference）集群，这为Arista的800G交换机提供了庞大的增量市场。 谷歌Virgo架构的溢出效应 谷歌在2026年第一季度的表现同样亮眼，其云业务收入达到200亿美元，同比猛增63%。谷歌的“Virgo”AI数据中心架构被分析师视为Arista的重要利好因素。Virgo架构强调网络的可扩展性和开放标准，这与Arista一直推崇的以太网（Ethernet）优先策略不谋而合。随着谷歌云订单积压量（Backlog）翻倍至4620亿美元，Arista作为关键网络设备供应商，其订单能见度（Visibility）已经延伸到了2027年。 技术周期迭代：以太网对InfiniBand的替代效应 AI基础设施领域正经历一场从私有协议（如英伟达的InfiniBand）向开放标准以太网转型的结构性变革。这一趋势是Arista股价长期溢价的核心逻辑。 开放以太网联盟（UEC）与ESUN规范 Arista作为超级以太网联盟（UEC）的创始成员，正在推动针对AI优化的以太网规范落地。由于AI集群规模已从数千个GPU扩展到数百万个XPU（通用加速器），传统的InfiniBand在成本、互操作性和可维护性方面面临巨大挑战。Arista的EOS（可扩展操作系统）配合RoCE（聚合以太网上的远程直接内存访问）技术，已经能够在大规模训练负载中提供与InfiniBand相当甚至更优的性能。 公司管理层最近将2026年AI网络收入目标从27.5亿美元上调至32.5亿美元，涨幅高达18%。这种激进的目标上调反映了以太网在超大规模AI后端网络中的渗透速度远超预期。戴尔奥（Dell'Oro）的数据确认，以太网在2025年已经实现了对InfiniBand的反超，占据了AI后端网络市场的主要份额。 800G统治力与1.6T路线图 Arista的7800R4系列平台已成为当前AI数据中心的主力军。到2026年第一季度，Arista已向超过100家累计客户交付了800G产品，其在高端交换机市场的占有率维持在90%以上。 此外，Arista在OFC 2026展会上发布的XPO（超高密度可插拔光学器件）协议，为即将到来的1.6T时代奠定了基础。XPO技术通过液冷设计解决了1.6T模块的散热瓶颈，将交换机机架占用空间减少了75%。这种技术前瞻性不仅确保了公司未来的ASP（平均售价）提升，更进一步加深了与微软等液冷先行者的绑定。 尽管Arista在数据中心交换领域占据先机，但竞争对手的动作不容忽视。 思科的追赶与Silicon One架构 思科（Cisco）近期表现强劲，其在2026财年Q2录得了创纪录的153亿美元收入。思科的AI基础设施订单在单个季度内达到了21亿美元，公司预计2026财年全年的AI订单将突破50亿美元。思科的Silicon One架构提供了高达102.4 Tbps的吞吐量，正试图通过“安全AI工厂”理念抢夺企业级和主权云市场。然而，思科在超大规模客户中的积累仍不及Arista深厚，且其复杂的OS版本管理依然是不少云巨头的痛点。 博通的供应商与竞争者双重身份 博通（Broadcom）在2026年Q1的AI相关收入达到8.4亿美元，同比增长106%。博通的Tomahawk 6交换芯片是Arista等厂商的核心组件，但博通也在通过提供全栈定制ASIC（如谷歌的TPU和Meta的MTIA）来直接锁定客户的网络预算。博通CEO Hock Tan表示，到2027年其AI芯片收入将超过1000亿美元，这种量级的增长意味着博通正成为AI基础设施领域的新重力中心。 英伟达Spectrum-X的捆绑威胁 英伟达（Nvidia）虽然在InfiniBand领域面临挑战，但其迅速推出的Spectrum-X以太网平台正展现出极强的进攻性。通过将GPU与网络设备捆绑销售，英伟达成功锁定了包括Meta在内的多个核心客户的后续订单。Wolfe Research的分析师指出，Arista面临的最大战略风险在于英伟达利用其在计算领域的垄断地位进行垂直整合。 Arista的估值目前处于历史高位，这不仅是对其卓越业绩的认可，也预示着财报后的股价表现将面临极高门槛。 综合利多与利空因素总结 利多因素（Bulls） 强劲的二阶需求导向：英伟达GPU的每一次发货，最终都会转化为对Arista交换机的需求。 现金流充裕：截至2025年底，公司持有107亿美元现金，且没有任何债务压力。 软件定义的防御性：EOS系统的稳定性使其客户粘性极高，即使在硬件价格竞争激烈的环境下，也能维持超过60%的毛利率。 利空因素（Bears） 市场预期过高：如果EPS beat的幅度小于过去平均水平，市场可能解读为增长放缓。 供应链成本风险：内存和光通信组件价格的上涨可能在下半年挤压毛利。 主权AI转向自研：部分主权云客户开始尝试自研网络架构，可能减少对商用交换机的依赖。 综合各项指标，Arista Networks在AI基础设施竞赛中依然处于“蓝海”地位。尽管英伟达在计算领域处于主导，但在连接数百万计算节点的网络层，Arista的软件沉淀和以太网工程能力目前尚无同量级的对手。对于超大规模客户而言，网络的稳定性（Lossless Performance）比单一硬件的原始速度更为重要，而这正是Arista EOS的核心竞争力。 短期内，微软和Meta的资本支出指引已经为Arista Q1的财报超预期打下了坚实的基础。考虑到历史业绩的极高连贯性以及当前分析师普遍的上修态度，财报大幅超预期几乎是大概率事件。然而，考虑到当前市盈率已处于近两年的高点，且部分利好已在过去一个月31.7%的涨幅中得到体现，财报后的涨幅将主要取决于管理层对2026年下半年甚至2027年1.6T产品的交付信心。 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

为了让交付更快、更稳，我通常会先和 AI 一起把需求的整体设计讨论清楚，包括前端交互设计、后端 MVC 结构、代码逻辑抽象、组件复用、开放模块设计、稳定性设计，以及架构和工程层面的优化。 一轮讨论结束之后，AI 通常会生成 3～5 个文件，对应不同维度的项目变更设计文档。 接下来，就会让 AI 根据项目复杂度选择合适的模型配置，同时开启多个进程跑 CLI，或者拉起多个子 Agent 一起干活。 这个模式的效率确实很高，不过带来的最大问题只有一个：钱不够烧。 我在 Codex 上买了两个账号轮着用，Github Copilot 也买了两个账号。用了一段时间之后发现，Codex 的 token 限额算是最亲民的，5 小时窗口 + 周限额窗口。周限额有时候看起来还挺随机，昨天还显示要等一周才能恢复，结果第二天一看，额度已经恢复到 100%。 Github Copilot 刚开始没有太注意，它其实是按照 Request 来限流的。有一次为了调一个细节，一晚上来回聊了很多次，直接把月额度干没了。后来慢慢摸索出一个用法：专门让 Copilot 处理大的需求，一个 Request 里塞进去好几个复杂任务，反而会觉得“真香”。 Google One 的 Family 方案其实也很香，用 Antigravity Tools 做反代就能跑。不过最近封号有点猛，现在基本不太敢用了。 当所有账号都被干到限流之后，也试过用国内的一些模型，比如 Kimi-k2.5、GLM-5。做一些常规的小需求其实问题不大，一旦遇到复杂问题，就很容易陷入无限递归循环： 排查 → 修复 → 没改好 → 继续排查。 这个时候就会特别怀念 Codex-5.3-xhigh 和 Claude-Opus-4.6。 另外，这几天刚出来的 Codex 5.4 表现更明显，之前需要排查好几轮才能解决的问题，它经常一把就能过。

Over the past two weeks, our team XDO has been working closely with @worldlibertyfi — and honestly, it’s been a real surprise for me. 最近两周，我们团队XDO开始和 @worldlibertyfi 密切合作，狠狠的教育了我！ Tbh, I had my own stereotypes at the beginning. Trump-backing, access to top-tier global resources — I assumed the team would be the type like: big vision, endless resources, everyone coming to them instead of the other way around. I mean, you can easily afford to be a “laid-back” team with this level of privilege and prestige.😂 说实话，刚开始接触的时候我是有刻板印象的。总统家族背景，全球顶流资源，我assume团体风格会是：愿景很大、资源很多，一定是所有的资源去找他们。可以猜想这种有顶级资源的美国团队有多么躺。 But after two weeks of working with them, I was genuinely impressed — even humbled. 但接触下来非常惊喜，甚至教育到我。 On nye, co-founder @ZachWitkoff was still handling interviews job. By Jan 2nd — when most people were still in holiday mode — their entire team was fully back in action. Every sync was well-prepared, execution was fast, and nothing was half-hearted. Even though many team members didn’t come from a Web3 background, everyone was actively and intensely learning. In every discussion, they consistently identified the single most critical key to success, made fast decisions, and mobilized the entire team to execute. From @ZachWitkoff & @zakfolkman founding-team-level market strategy decisions to execution, implementation, and even contract reviews — all of that can happen within a single day. 新年当天，Co-founder @ZachWitkoff 还在处理这面试的工作。1月2号，当大多数人还在休假模式的时候，他们已经全员到岗火力全开了。每次对接，准备充分，执行迅速，一点不含糊。虽然，很多人之前没有Web3背景，但是每个人在饥渴的学习Web3的知识。并且每次探讨中，总是可以找到决定事情成功的最核心的KEY，然后快速决策并全团队响应执行。是的，从大市场战略的Founding team决策到对其执行到落地执行包括审核合同，一天足以。 This made me reflect: why is a team with such a background working even harder than many startup founders? 这让我开始反思：为什么有这种背景的团队，反而比很多一般的创业者还拼？ My guess? Because the whole world is watching. If a normal project fails, you pivot and start over. But WLFI is different — with this kind of background, success is expected. That expectation pushes the founding team to focus on how to succeed even more. That pressure forces them to put in 200% effort to prove that what they build goes far beyond what their so-called “background” could ever hand them. 我猜的——因为全世界都在看。普通项目失败了，换个赛道重来就是。但 WLFI 不一样，顶着这种背景，成功变成了是应该的。所以，整个创始团队更聚焦在如何可以更加成功！这种压力，逼着他们必须用 200% 的努力去证明自己可以做的事情要远远超过他们“所谓的背景”可以给予的。 Another detail I noticed: their execution logic is extremely clear. It’s not the “we have resources, let’s just throw money at it” mindset. They are deliberately building long-term value step by step. They value every partner and every dollar — while also knowing how to turn those into weapons for rapid market capture. And when it comes to critical decisions, they don’t hesitate to invest heavily. You can imagine what this combination can ultimately become: top-tier resources + top-tier execution + a massive market = Massive future for @worldlibertyfi $USD1 By the way, this also validates a thesis I shared in my previous article (link below): in 2025, stablecoins are increasingly becoming the bridge to mainstream assets. Sustainability at the business level matters — and this is exactly the direction we’ve been betting on. 而且我观察到一个细节：他们团队做事的逻辑非常清晰，不是那种「有资源就随便造」的心态，而是真的在一步步构建长期价值。珍惜每一个合作伙伴，珍惜每一分钱，但是同时这些也可以成为快速抢占市场的武器。对于关键事情上，丝毫不吝惜。我们可以想象这种组合——顶级资源 + 顶级执行力 + 超级大的市场 WLFI USD1可以成为什么样最终形态。顺便说一句，也验证了我在之前一篇长文里的思考，今年稳定币成为连接主流资产的趋势越来越明显了。业务本身的可持续性。这也是我们一直在押注的方向。 So YEP! My view on WLFI has completely changed. This is a team that genuinely takes execution seriously, and have the power to make all dreams come true. 所以我现在对 WLFI 的看法彻底改变了。至少从合作体验来说，这是一个认真做事并且有实现造梦能力的团队。 If people with backgrounds are working this hard, what excuse do those without one have to be laid-back?? 「Don't make excuses for not being where you want to be. It usually comes down to not trying hard enough, or focusing on the wrong things.」 「Jiayi never used to create anxiety. But from now on, anxiety and self-reflection start with Jiayi.」 有背景的人都在拼命，没背景的凭什么躺平？ 「不要给自己的不够优秀找借口。大多数就是自己不够努力，或者努力方向不对！」 「Jiayi之前不制造焦虑。但是从现在开始，焦虑和反思从Jiayi开始。」 Side note: after deeply engaging with the founding team, I started allocating heavily into $ALTS (already 100% in profit so far) and $WLFI. I’m happy to say that so far, the results have been very encouraging. 题外话： 正式因为深度的接触了创始团队后。我开始重仓WLFI的DAT股票 $ALTS (且翻倍了）和 $WLFI。很开心，目前为止，让我看到了好的结果。 LONG Crypto 🚀 LONG Stablecoin 🚀 LONG Myself

什么都敢赌 周末聊几毛钱的。 我文章里经常会引述链上赌场的概率数据，我觉得它的优势是可以把一些热门事件的概率数字化，它不是专家口嗨，而是真金白银买出来的，甚至这些真金白银里还混进了一些内幕狗，所以它呈现的数字概率往往很有参考性。 我给你们再说说几个眼下热门的池子： 1、美联储1月份的决定，97%的概率利率不变，这个几乎没有悬念。 2、特朗普会提名谁当下一任美联储主席，Kevin Warsh 42%，Kevin Hassett 37%，基本就他两了，这个中国这边关心的人不多。 3、今年NBA谁夺冠，雷霆39%，掘金11%，尼克斯8%，马刺7%，火箭7%，剩下的都是些冷门下狗，湖人只有3%，夺冠希望渺茫。 4、共和党2028年会提名谁竞选总统，万斯头号热门，52%概率，排名第二的是国务卿卢比奥（13%）。让我感到困惑的是第三名竟然是特朗普（4%），这什么意思，他已经当过两届了，根据美国宪法已经不能再担任总统，这帮赌狗在想什么 5、民主党2028年提名竞选总统的人选，目前Gavin Newsom领先，概率35%，他是现任加州州长。 6、哈梅内伊会在1月31日之前下台吗，20%概率，说实话这个概率比我想象的低，所以别看伊朗目前全国抗议规模很大，真正给这事下注的资金却很谨慎。什么时候这个概率蹿升到50%以上，也许就要发生大事了。 7、2026年世界杯冠军，西班牙16%，英格兰14%，法国13%，阿根廷11%，巴西10%，葡萄牙8%，德国6%，再往下都是冷门下狗，值得一提的是日本也有2%。 8、俄乌会在3月31日之前停战吗，概率是15%，还有一个池子是会不会在今年底之前停战，概率是45%。所以这场仗有挺大概率会打到明年的。 9、2026年奥斯卡最佳电影，《One Battle After Another》以绝对优势领先，79%的概率，就是小李子演的一战再战，没想到呼声那么高，突然对这部电影有些好奇，回头我去找资源看看究竟咋样。 热门池子就这些，一些小众池子赌什么的都有，比如.....赌2026年中国会不会统一的，概率是13%，更远期的没人开池子，大家都希望玩尽快能出结果的那种局。 …… 这两天在抖音被动吃到一瓜，是一个东北女演员在直播时吐槽自己儿子儿媳事业不成功，收入低，儿子一年只能接一部戏，20-30万，儿媳音乐剧演员，一年10万左右，夫妻两一年不到40万，难以在北京维持家庭开支。 这番言论引起网民强烈不满，觉得她在凡尔赛、低调炫富，于是就开始网暴她全家。最新的情况是这个女演员的账号已经被处罚，禁止关注。 坦率讲我对这个女演员不熟，但她说的儿子儿媳的收入，确实在演艺圈就是妥妥的底层，三四十万别说和明星比，就是和他妈比也是远远不如。 所以这就是一个妈妈对孩子阶级滑坡的焦虑，日常的吐槽碎碎念，这些话和身边圈子里的人讲没问题，不能真把网友当家人说出来，要知道那些在她直播间的网民我保守估计90%到不了她儿子的贫困线，她这么说等于是在抽这些网民的耳光。 对大部分网民来说，只有月薪3000以下的人可以哭穷，否则就容易冒犯人。政府三令五申公众人物禁止在互联网炫富，背后原因是中国不同阶层收入差距悬殊，以前穷人富人井水河水，现在互联网把他们聚到一起，就容易捅破窗户纸相互真实。 话说中国演艺圈的收入就是挺高的，我第一次被震惊到是七八年前听朋友说某喜剧演员客串一个综艺节目，一天600万，我反复确认这个数字的真实性，真的难以置信，因为他当时还没有那么红的。后来他发展得越来越好，成为中国顶流，现如今一部电影的片酬报价是一个小目标。和这些行业顶尖的艺人相比，一年只能挣二三十万还坚持从艺的真的很卑微了。 每每讨论艺人的高收入时就有很多网民不满，凭什么挣那么多？当然是凭中文市场大咯。 试想如果我是个越南博主，或者韩国博主，我再怎么努力写读者规模可能都不及现在的10%。内容行业的天花板是注定的，全球范围来看只有英语、西语、中文这三个上了规模的市场。 韩国的电影拍的比咱们的好，韩国的综艺更有节目，韩国的偶像团队更时尚，韩国的流行音乐也大幅领先，但是韩国艺人的收入不如中国艺人，就是因为他们本土市场太小了，想来中国发展又被限韩令拒之门外。 聊回前面的话题，在中国做内容行业是极具弹性的，内容行业不会按劳分配，因为你喜欢的歌就那么几首，你喜欢的演员就那么几个，其他默默无名的人再怎么努力你也看不到他们。结果就是内容行业top10%的人拿走行业90%的利润，这是市场的选择。 所以那些顶尖的艺人获得天价酬劳没毛病，有毛病的是别让普通人知道。 就聊这些吧，周末解解闷。

分享一个Claude SKILL, 你可以马上用来创建一个日历App. 一个SKILL+一个JSON文件而已。你就说create a personal calendar, 立即创建了。 创建了以后，第一件事情，叫他把当地所有当个学年的学校放假，early release的日程全部给我加上。以前我手动加，慢的要死不说，还经常漏掉。经常忘记去接我儿子。 第二件事情，把你有会员的健身房什么的，喜欢的瑜伽课不需要预约的课程全部给你加上。 以上全部都是网站有信息的，直接一句话的事情。 以后明天孩子要不要上学。我下一次在孩子上学的时候去上瑜伽课，这种问题还用手动安排，那真是笑死了。 --- name: personal-schedule-manager description: > Create, review, and edit a `calendar.json` file for schedules and routines. Summarizes upcoming events, detects conflicts, supports recurring rules, and runs natural-language multi-turn edits. Outputs a friendly summary and, when requested or on create, the complete `calendar.json` to copy/replace. Trigger phrase: "create a new personal calendar" (maps to intent=create with presets). --- # ─────────────────────────────── # Inputs # ─────────────────────────────── inputs: - id: intent type: string required: true description: One of: create | review | edit | export - id: calendar_json type: json required: false description: Paste full current `calendar.json` (omit for intent=create) - id: instructions type: string required: false description: Natural-language instructions (add/move/delete/recur/show conflicts/next 7 days) - id: date_range type: string required: false description: Optional range like "next 7 days", "this month", "2025-11-01..2025-11-30" # ─────────────────────────────── # Outputs # ─────────────────────────────── outputs: - id: human_summary type: markdown description: Clear summary of actions taken, upcoming events, and any conflicts. - id: calendar_json type: json description: Full updated file (on create/export, or when explicitly requested) # ─────────────────────────────── # Behavior # ─────────────────────────────── # • Default timezone: America/New_York (can be overridden via file or instruction) # • Good initial defaults (优选初始值): # - defaults.event_duration_minutes = 60 # - defaults.reminder_minutes_before = 30 # - = 09:00–17:00, MO–FR # - defaults.priority = "normal" # - defaults.category = "personal" # • Recurrence: iCalendar RRULE (e.g., FREQ=WEEKLY;BYDAY=WE;UNTIL=20251218) # • Conflict detection: overlapping active events in the same timezone # • Destructive edits: show a diff; apply only after user says "apply changes" # • Natural-language verbs: add | move | reschedule | delete | skip (occurrence) | duplicate | tag | remind # • On intent=create: # - Emit a fresh, canonical `calendar.json` with New York time + presets (see schema below) # • Export: echoes the full canonical JSON # ─────────────────────────────── # Schema (informative) # ─────────────────────────────── # Top-level: # { # "version": "1.1", # "timezone": "America/New_York", # "defaults": { # "event_duration_minutes": 60, # "reminder_minutes_before": 30, # "work_hours": {"start": "09:00", "end": "17:00", "days": ["MO","TU","WE","TH","FR"]}, # "priority": "normal", # default priority for new events # "category": "personal" # default category for new events # }, # "categories": ["personal","family","work","school","health","finance","errands","travel","learning"], # "priority_levels": ["critical","high","normal","low"], # "events": [ Event ], # "exceptions": [ Exception ], # "attendees": [ Attendee ], # "audit": [ AuditEntry ] # } # # Event: # { # "id": "evt_001", # "title": "Deep Work", # "start": "2025-11-03T09:00:00", # "end": "2025-11-03T10:30:00", # "timezone": "America/New_York", # "location": "Home Office", # "notes": "No meetings.", # "tags": ["focus"], # "category": "work", # NEW: one of categories (or a custom string) # "priority": "high", # NEW: one of priority_levels # "recurrence": null, # RRULE string or null # "reminders": [15], # minutes before start # "status": "confirmed", # tentative | confirmed | cancelled # "created_at": "UTC-ISO", # e.g., 2025-10-30T20:00:00Z # "updated_at": "UTC-ISO" # }

中文熵控术的一个应用：从一个关键词开始 这篇文章，我想用一个具体的例子，展示我是如何运用我所提出的中文熵控术，完成一次完整的创作循环的。 从一个短句出发，我通过引爆“熵爆”，引发语义裂变与联想扩散，借助 AI 的语言能力进行持续发散。这个过程属于“增熵”阶段，即主动制造语义复杂度、生成大量潜在线索与概念。 随后，我通过“控熵”阶段逐步回收这些发散内容，将思绪归纳、结构整理，并将其转译成低熵语言——英语，以实现内容的收敛与表达的精准。 最后，我使用 Deep Research 工具，对全文的逻辑路径进行审校与规划，确保结构严谨、思想完整。 这一系列过程，正是一轮完整的熵控术闭环：从中文高熵发散，到英语低熵收敛，从灵感的原始混乱，到逻辑的有序呈现。 In this piece, I want to illustrate how I applied my method—Chinese Entropy Control (中文熵控术)—to ignite an “entropy explosion” from a single term. Starting with one keyword, I used this technique to trigger semantic divergence, associative expansion, and AI-powered ideation. Through a continuous process of entropy increase (creative divergence) and entropy control (structured convergence), I was able to explore deeply and then gradually pull the scattered insights back into a coherent whole. The workflow unfolds in stages: from generating high-entropy, language-rich associations in Chinese; to translating and distilling those ideas back into low-entropy English—a language optimized for precision and clarity. Finally, I used Deep Research to verify, organize, and rigorously structure the entire logical framework of the piece. This is a full cycle of what I call Entropy Control Writing—a closed-loop creative methodology that begins with chaos and ends with clarity. 在开始具体的写作方法之前，我想先谈谈我写作的基本前提和个人路径。 虽然我目前仍以“科技创意写作”作为起点，还没有完全进入“通过文字发现世界”的深层阶段，但我已经预设了几个重要的认知起点。这些判断不仅来自我在国内完成完整高等教育的经历，也来自我后来在美国继续学习和工作的观察与体验。 第一， 我深切体会到“假大空作文”对中文写作能力的伤害。绝大多数人其实并不会真正写作，甚至连高级阅读理解能力都未曾建立。我非常认同亚里士多德对“工具理性”与“修辞”的区分：写作首先是一种逻辑推理能力，其次才是语言表达。空有辞藻、没有推理的文字，是最低级的写作。 第二， 我观察到国内真正接受过“好作文”训练的人，很多都是从新东方的 GRE 写作班开始接触英文逻辑写作。那时的训练，虽然有技术性倾向，但的确帮助很多人建立了基础的结构意识和论证方法。 第三， 我认为传统意义上的“好作文”标准，如今已经逐渐失效。即使在美国，接受过高等教育的人也会发现，一篇 academic essay 的写作过程极为消耗，大量时间花在查文献、补 citation、应付格式上，真正的思想贡献反而被边缘化。而在今天这个 AI 能即时输出背景知识与引用的时代，这种写作方式已经过时。如果我们只是把 AI 当成“高级搜索引擎”，那真是对其能力的极大浪费。 我相信：今天的好文章，就算在 AI 的辅助下完成，也应该具备高度的独创性、强烈的个人风格和不可替代的思维方式。 它应该让 AI 也找不到大量“现成答案”；它的论点应该是推理构建的结果，而非数据库检索的产物。它的价值，不在于复述，而在于你提出了一个难以证伪的深刻观点，而这个观点只能靠严密的逻辑演绎来支撑。 这，才是我心目中真正值得书写的“现代文章”。 下面开始说正题： 过程，记录我是如何用中文熵控术展开一轮完整的写作循环的。 我随意挑了一个关键词——Hadoop。当然，未来我会更加系统性地使用 InfraNodus 来监听语义网络、捕捉关键词节点，但这次，我只做一件事：拒绝传统意义上的“定义式写作”。 大部分人一提到 Hadoop，AI 就会给你一整页释义：介绍历史、列举应用场景、堆砌背景知识——这是我不需要的内容。 我要的是从一个模糊、含义开放、带有方向性的语句出发，引爆语义裂变。于是我写下： Hadoop 是 AI 的引擎。 句子越短越好，越模糊越好，越有歧义越能触发 AI 的解释欲和发散空间。 这就是一个“语义引爆点”，既不是定义，也不是结论，而是一个信息密度极高的语言触媒。 接下来是“熵控术”的核心过程：发散——控制——再发散——再收敛。 当我进入发散阶段，我不是随便胡思乱想，而是带着“模糊的问题”去游走语义网，生成一连串带方向但未定形的路径： 大数据框架是 AI 时代的基础设施？ 大数据全链路（采集、清洗、存储、处理、反馈）到底提供了什么？ 如果我们谈文明，那么：你认为什么是数据文明？ Hadoop 真的点燃了数据文明吗？它是起点吗？ 又是一场核心为“去中心化”的实践？ 那么，什么是“原始混乱”？ Hadoop 是否通过处理原始混乱，在虚拟空间中投影出一个真实的世界？ 这些发散式问题本身就是“增熵”的实践。每一个问题都像一道激活神经网络的脉冲，在 AI 的推理系统中引出不同维度的联想。而一旦我希望收敛，我就开始设置锚点词——比如“文明”“基础设施”“原始混乱”这类高熵概念词，作为结构收口的支架。 语言学训练过的朋友会明白：锚点词不是结论，是语义重力场，它们会引导你的话语体系向某个认知中心聚合。 最后，我将这一切过程生成的内容进行人类作者的主动整理与重写。 必须强调一点：AI 只是协助，不是代写。字还是我自己打的，逻辑是我自己建的，文章的风格和立场，是不可替代的。你以为有了AI就不用自己键盘打字了是吧？ 于是，我得到了这样一篇高信息密度、逻辑收束、观点明确的文章： 在信息洪流席卷而来的时代，我们不禁要问：数据文明究竟从何而始？如果说今天的大数据生态和人工智能系统构成了数据文明的肌肉与骨架，那它的第一束火种，很可能就是由 Hadoop 点燃的。Hadoop 并不是最先进的技术，却是第一个用去中心化的结构思维真正把人类带入数据文明时代的开创性系统。它不依赖超级计算中心，而是通过上百台廉价的普通机器，组建起一个分布式的“数据共和国”；它不需要整洁的结构化数据，而是主动接纳来自草根、传感器、网页和日志的“原始混乱”；它不再由少数专家垄断操作权，而是把 Map 与 Reduce 的编程模型交到每一个开发者手中。 正是这种革命性的开放，让 Hadoop 成为真正意义上的大数据起点。它不仅让数据可被收集和处理，更让数据成为一种资源——一种可以转化为洞察、预测乃至智能的“信息流”。Hadoop 接纳混乱，却在混乱中提炼出秩序。它像一个巨大的炼金炉，将世界生成的各种信息垃圾熔炼成洞见与模式，从而在虚拟空间中投影出一个真实世界的镜像。这种能力标志着一种全新的文明形态开始成型——数据文明。 数据文明是一种以数据的采集、流通、处理与反馈为核心机制，推动社会运行、知识生成与智能演化的人类文明形态。如果说农业文明以土地为基础，工业文明以机器为核心，那么数据文明的底座，就是可计算的信息流。在这一文明中，人类第一次用统计与算法取代了部分经验与直觉，社会也从人工调控逐步走向系统自我调节。工业文明的巅峰是流水线与管理学，而数据文明的巅峰，是自动决策与自我优化的智能系统。AI 不再是孤立的工具，而是这一文明的神经系统。 Hadoop 所开启的，并不仅仅是对大数据的初步驾驭，更是一场“原始混乱”的征服。从网页、日志、图像、视频到传感器数据，这些曾被视为信息垃圾的内容，其实正是世界最真实的投影。通过 Hadoop，我们第一次拥有了对非结构化数据进行建模与分析的能力，第一次能够在虚拟空间中重构现实，拥有对现实的观察权与认知权。这是技术上的跃迁，更是哲学上的进化。 今天，我们已经走进了 Spark、Flink、Presto、Kubernetes 和云数据湖构建的新生态，Hadoop 的角色也许已经不再居于中心，但它的意义从未被替代。正是 Hadoop 的架构哲学、计算模型与数据处理思想，为这一整套大数据与智能系统的演化奠定了基础。 在人工智能成为核心技术的当下，大数据框架仍是 AI 运转不可或缺的底座。它提供的不仅是“训练之粮”和“处理之力”，更是一整套生态基础。从采集、清洗、存储、处理到反馈，这五环构成了 AI 的信息循环系统，让它得以学习、成长、反馈与优化。可以说，大数据框架构成了 AI 世界的供血系统与呼吸系统，是智能文明可以运行、生长与演化的底层管网。 我们终于可以像炼钢炼油一样炼数据了。这一切的起点，正是 Hadoop。从原始混乱中抽象秩序，从计算节点中协同智能，从数据信息中重建世界模型。它不只是一个技术系统，它是人类迈入数据文明的第一步。 好，然后把上面的文字翻译成英文。就用这篇文章要求生成Deep Research, 生成内容看链接：“ 我评价一下这篇生成的文章。首先，因为我的提示词很长，有好几条逻辑和叙事线，所以DR反问的时候将这几条线分割出来了： The historical role of Hadoop in shaping modern data infrastructure? Comparative analysis of Hadoop vs newer frameworks (Spark, Flink, etc.)? The concept and evolution of "data civilization" in technological and philosophical terms? How decentralized architectures like Hadoop influenced AI development? The journey from unstructured data ("primitive chaos") to intelligent systems? 我就让他自己看着办。 评论一下这篇DR, 它一方面极力想遵循我提示词所设定的叙事逻辑，保持整篇文章在我设计的语义轨道上推进；另一方面，又在疯狂地调用技术资料，努力为每一个关键观点寻找“佐证”。 但它和我以往那种“高级谷歌式”的问答完全不同：不是简单引用就能收工的。这次它找的很多资料都无法直接复制粘贴用作引证——因为点进链接后你会发现，原文里并没有完全匹配的段落，没有那种“高亮即真理”的瞬间。 为什么？因为它根本就找不到一模一样的观点。 所以它只能靠自己推理——一层层演绎，从相关领域的技术脉络里“构造出一个看似合理的解释路径”。有些推理的确绕得厉害，说实话，只能算逻辑勉强自洽，沾点边，却不够扎实。但问题也在这：你又找不到确切证据去证伪它。 这其实是一个很有意思的AI能力边界：在没有既存文本观点可引用的情况下，它会主动尝试创造性地“弥合语义空隙”，以一套结构上近似学术推理的方式，生成一个“无法验证，也不易否定”的半原创表达。 这就对了，这是我要的方向。他要是能原创了，要我来干嘛。 然后根据DR就可以在扩展和压缩。 那些质疑我熵控术学术严谨性的，你给我钱了？你给我职称了？数学建模不是不能做，但是现在在没有人给我钱的前提下，这只是我自我修炼的一个技能。爱看不看，爱学不学。全世界水论文那么多，不差我一个。那些质疑的，请问有没有，哪怕一次，做过正经的学术peer review，以至于要现在上推来随便找篇推文peer review, 搞笑吧。

东方甄选的心机男CEO孙东旭被开掉了，但东方甄选这些天来已被建立的叙事还是难以逆转。 俞敏洪的决定做得太晚，上策是第一时间吊打那个奉旨挑事的小编，中策是让孙东旭和董宇辉假惺惺的出来握手言和，下策才是用免职CEO的代价去安抚波涛汹涌的群情。 很明显的，东方甄选原本很想立起一个饭圈的靶子，集火到这个人人喊打的安全目标上，某种程度上这比打压董宇辉更加恶劣，相当于AOE到了所有产生共情的观众身上。 如果打工人都不帮打工人，还有什么信仰值得崇拜呢？「你，背叛了工人阶级，操你妈。」 话说回来，干出业绩的打工人和慧眼识珠的老板之间存在相互成就的关系，这本身没毛病，有毛病的是贪天之功的心态，想要赢家通吃。 大哥，这是做生意，不是打德扑，想要复制许多个董宇辉，商业上是合理的，但它又和容不下一个董宇辉是矛盾的，你不能用打破鸡蛋的手段来实现不把所有鸡蛋放在一个篮子里，指南找北，注定别扭。 在决定弃帅保车之前，俞敏洪和稀泥的表态除了继续维持他作为虚君共和的象征之外没有任何意义，而东方甄选的操盘团队也一定还没真正想明白为什么董宇辉能够获得如此压倒性的舆论支持。 答案其实很简单，先撩者贱。 先撩者贱是一个古老且有效的判断原则，它适用于大多数立场先行的事件，谁挑拨，谁负责。 所以唆使小编去给董宇辉拆台的CEO没了，尤其是各路切片都在CEO老早就忍不住开始对董宇辉「动手动脚」，过河拆桥的卑劣表现，直接冒犯到了最基础的朴素正义感。 先撩者贱，如果是打工人站出来说公司有今日荣光都要居功于自己，恐怕支持者也难免会少很多，董宇辉的直播我没看几场，切片倒是满地都是，他的智情双商都很高，分寸感也好，本来走在一条成全老板绝境重生的大路上，然后就被老板们掀了桌子。 这不就是那个表情包显示的，一个人好端端的骑着自行车，然后自个拿根棍子插进前轮，人仰车翻之后捂着伤腿咒骂世道不公⋯⋯ 只能说，新东方这家公司虽然从业务上转型到了直播带货行业，但它的行事作风和管理思维还停留在教学培训行业，至始至终都在把主播当成以前的名师来对待，既不明白、也不尊重互联网时代「皮套即是流量入口」的逻辑，以致于闹出管理者下场抢功的笑话。 笑死，文案到底是不是董宇辉自己写的，迂腐程度堪称2023年的茴香豆的茴字有几种写法，这名场面可不会那么快的就被忘掉。 觉得董宇辉的个人品牌光芒过盛，加大了公司的风险，这种担忧当然是情有可原的，但你的合理做法难道不是去用更复杂和更交叉的资本架构去把董宇辉和东方甄选彻底绑在一起共享回报么，美ONE和李佳琦是怎么做的又没有保密，照抄都不会么？ 笑死x2，天天搁这当着万恶的资本，殊不知连资本都嫌你丢人，最基础的操作都不会。 据说孙东旭过去都是欣赏和提拔董宇辉的那个人，新东方的传统艺能也包括相互贫嘴过招，他大概不会是一个坏人，但就像罗永浩发明的那个词所形容的，爹头爹脑，世上有太多人克制不了这份好为人爹的诱惑。 我有次走访一家制衣工厂，听到老板的神勇事迹，几个员工晚上在厂外宵夜，和混混发生口角，被人多的对方围殴，正好老板开车下班经过，当即停车带着司机加入战局，操起折叠桌就往对方脑袋上砸去，后来受伤员工的诊费和事件赔偿也都是这个老板一手包办的。 按理来说，这家工厂的员工流失率，应该很低吧？然而并没有。因为老板平日里抠门不说，还对员工有种财产式的严苛管理态度，甚至可以说，他为员工出头，未必不是因为觉得自己的财产遭到侵犯，所以尽管员工们感动于老板的仗义，却也冷暖自知的用脚投票，该跑的时候一刻也不犹豫。 我的意思是，人的复杂性是很难预知的，但是一码归一码，昔日的赏识和今时的嫉恨，可以不相冲突，而动辄产生「没有平台你什么都不是」的心理，更是上位者的大忌。 真要「没有平台你什么都不是」，那是不是也可以说，没有抖音你东方甄选也什么都不是？但俞敏洪孙东旭也不会去把抖音当爹，因为他们会认为，东方甄选也给平台创造了价值，双方是平等合作的关系，没有谁亏欠谁的道理。 是啊，怎么这个道理到了自个身上，就不灵了呢？ 事到如今，董宇辉还会不会出走，恐怕还是要靠俞敏洪老师去刷脸了，程门立雪的道德应该终究是有用的，但是就算继续待下去，东方甄选的管理模式也迟早要大改，至少要对齐公司愿意支持业务骨干的决心，而不是像现在这样什么小丑都能在直播间搞阴阳。 倒是有篇文章的标题很能代表一种解决方案——当然可能有点不那么女权——如果俞敏洪是女的就好了，直接嫁给董宇辉，一切质疑都会烟消云散。 唉，和不了亲，合伙人总是可以的吧。都到这份上了，还要教吗？