与「Uber」相关的搜索结果

黄仁勋被英伟达董事会逼下台后，硅谷和华尔街开始反扑了。 华尔街基金打响第一枪 先看资本这边的动作。两家重仓英伟达的知名科技基金 Altimeter 和 Atreides，手里一共管着超过 250 亿美元的资产。他们率先联名发表公开信，要求英伟达董事会恢复黄仁勋的 CEO 职务。 这两家基金在英伟达占的股份比例其实很低，加起来还不到 0.1%，但他们在华尔街和硅谷的号召力极强。2022 年扎克伯格死磕元宇宙，一年烧掉上百亿美金，导致 Meta 股价暴跌。当时就是 Altimeter 发了一封公开信，逼着扎克伯格大裁员，砍掉元宇宙开支，全面转向 AI。 当然，真正能一锤定音的，还是华尔街对英伟达持股最多的三家大股东：先锋领航（Vanguard）、贝莱德（BlackRock）和富达（Fidelity），这三家加起来握着英伟达大约 20% 的股份。这种金融巨鳄平时很少像硅谷投资基金那样公开发信骂街，但现在激进、有号召力的小弟已经打响了第一枪，这三大巨头后续会不会表态支持黄仁勋回来，非常值得关注。 马斯克带头，硅谷大佬集体站队 硅谷的一批创业大佬也开始集体站队。马斯克，还有 Uber、Shopify、Replit 和 Vercel 这些公司的创始人，全都公开发帖支持黄仁勋复职。硅谷知名投资人 Naval 直接说，黄仁勋就是英伟达的乔布斯，无人可以替代。 马斯克昨天一天之内更是连续表态了 5 次。早上他还只是回一句 Hmm 围观，中午回 Indeed 表示认同，到了下午就直接宣布自己也要签复职请愿书，晚上又转发大股东公开信、赞同黄仁勋是乔布斯的说法。短短一天，他已经从最初的认同，变成带头向董事会施压的领头大哥了。 内部员工九成力挺黄老板回家 英伟达内部也一样。有老员工在公司内网发帖抗议，一下子涌进来 1600 多条评论，都在喊话让董事会把老大请回来。在硅谷匿名社区的英伟达员工投票里，接近 90% 的人力挺黄仁勋，支持董事会赶他走的只有 1%。员工跟着他干了这么多年，全靠英伟达的股票发家致富，大家心里只认这一个老板。 这件事才刚刚开始。接下来，英伟达董事会里那些反对黄仁勋的人，面对来自员工、股东、合作伙伴和客户的压力只会越来越大，直到他们妥协让步。 美国两党政治斗争产物，华尔街最后拍板 这两天 X 中文社区盛传一种种族歧视论，说黄仁勋是因为华人身份才被搞下去的，这其实是背后有外宣任务在推动带节奏的舆论。黄仁勋这件事，真正的原因根本不是什么种族问题，而是美国两党政治斗争的结果。 在这之前，黄仁勋一直在积极游说华盛顿，想让美国政府放宽对中国出口芯片的限制。他当时敢这么高调，底气主要来自两边：一边是更看重做生意赚钱、讲究实用的川普，对这事基本是睁一只眼闭一只眼；另一边则是华盛顿内部那些支持放松对华芯片限制的力量，比如商务部长霍华德。财长贝森特就公开抱怨过川普跟黄仁勋走得太近。 但中期选举之后，华盛顿的风向彻底变了。随着民主党重新掌控参众两院，那些在对华芯片禁运上态度强硬的鹰派开始占据话语权，而且民主党里本来就有很多人直接喊话要搞大科技公司。而在一众科技和华尔街大佬里，一直冲在最一线游说对华卖芯片的黄仁勋，理所当然就成了他们最先开刀的对象。 所以说白了，黄仁勋这次下台，根本上就是美国两党政治斗争的产物。但最终结果如何，还是要取决于华尔街最后怎么站队拍板。不管美国两党如何斗得你死我活，最终还是资本说了算。

月300万までいってわかった もうオワコン副業 vs 今が旬の副業 💀もう終わり（月1万も難しい） ・Webライター（AIで激戦） ・動画編集（低単価で消耗） ・ブログ（SEO集客が難化） ・せどり（仕入れ・在庫管理が大変） ・Uber Eats（時間の切り売り） 🔥今が旬（月30万〜300万狙える）↓

Guten Morgen zusammen, heute vor elf Jahren, am 13. November 2015, verübten mehrere Attentäter im Namen des Islams, organisierte Anschläge in Paris. Der Horror dauerte über 4 Stunden und forderte 130 Todesopfer sowie knapp 700 Verletzte. Zuerst sprengte sich gegen 21.17 Uhr ein Selbstmordattentäter in der Nähe des Stadion Stade de France in die Luft und riss dabei einen Menschen mit in den Tod. Der Attentäter wollte eigentlich ins Stadion gelangen. Hier fand gerade ein Freundschaftsspiel zwischen der Deutschen und Französischen Fußballnationalmannschaft vor 80.000 Zuschauern statt. Sein Sprengstoffgürtel wurde jedoch von einem Sicherheitsmann entdeckt, worauf der Attentäter flüchtete. Ein weiterer Sprengstoffattentäter versuchte fast zeitglich ins Stadion zu gelangen, scheiterte ebenfalls und sprengte sich am Toreingang H in die Luft, zum Glück ohne weitere unschuldige Menschen mitzureißen. Beide Attentäter trugen einen gefälschten syrischen Pass mit sich, und beide sollen im Oktober als Flüchtlinge in Griechenland registriert worden sein. Da die Pässe gefälscht waren, ist die Identität der Beiden bis heute nicht bekannt. Beinah zeitgleich fuhr ein sogenanntes Hit-Team in einem Seat Leon vor eine Bar in einem Pariser Stadtteil. Sie feuerten dort mit Kalaschnikows auf die Gäste, die im Außenbereich saßen. Anschließend schossen sie auf Gäste eines gegenüberliegenden Restaurants. Insgesamt 15 Menschen verloren ihr Leben dort. Nach diesem Anschlag fuhren die Attentäter weiter, erschossen in einem Auto einen Mann und in einem Café, einem Waschsalon und in einem Restaurant noch vier Menschen. Anschließend begaben sich die Attentäter zur Bar "La Belle Équipe". Sie erschossen dort weitere 19 Menschen. 15 Menschen wurden teils schwer verletzt. Ein Selbstmordattentäter sprengte sich in einem Café in die Luft. Die Bombe detonierte unvollständig, weswegen hier keine weiteren Todesopfer zu beklagen waren, 15 Menschen wurden jedoch teils schwer verletzt. Rund eine halbe Stunde nach dem ersten Attentat am Stadion begann der Horror im Bataclan Theater, wo gerade die US-Band Eagles of Death Metal ein Konzert vor rund 1.500 Zuschauern gab. Zwei Attentäter erschossen zuerst zwei Radfahrer vor dem Theater. Anschließend drangen sie in das Gebäude ein und schossen mit Kalaschnikows -Gewehren zehn Minuten lang auf die Konzertbesucher. Zusätzlich warfen sie Handgranaten in die Menschenmenge. Einen Angreifer konnten zwei Polizisten töten, mussten sich aber dann wieder zurückziehen und auf Verstärkung warten. Zwei weitere Attentäter nahmen Geiseln und verschanzten sich im Gebäude. Um 0:50 Uhr erfolgte der Zugriff durch die Polizei. Die beiden Attentäter sprengten sich dabei in die Luft. 3 Stunden dauerte das Massaker im Bataclan Theater. 89 Menschen verloren dabei ihr Leben. Der IS bekannte sich später zu den Anschlägen. Einige der Attentäter kamen als Flüchtlinge getarnt nach Europa. Der mutmaßliche Bombenbauer war zusammen mit zwei weiteren Attentätern kurze Zeit in Ulm. Sie stiegen dort in einem Hotel in der Stadt ab, und wurden dort von einem weiteren Attentäter abgeholt. Zeugenaussagen von Menschen, die diese Hölle überlebt haben: „Wir dachten zuerst, es seien Knallkörper. Dann sah es hinten im Saal nach Funken aus. Rasch wurde klar, dass es sich um Mündungsfeuer handelte. Drei Männer mit Gewehren schossen den Zuschauern in den Rücken und stürmten weiter, in die Menge schießend.“ „Das Trio war unvermummt, mit kurzen Bärten. Einer befahl den über tausend Zuschauern, sich auf den Boden zu legen. In akzentfreiem Französisch erklärte er: Ihr habt in Syrien unsere Brüder getötet, jetzt sind wir hier.“ „Sie sagten, wenn ihr euch bewegt, töten wir euch. Sie erschossen die auf dem Boden liegenden Leute trotzdem.“ „Sie töteten, töteten, töteten. Ich war von Toten umgeben. Ich weiß nicht, wie ich überlebt habe.“ „Sie waren schwarz gekleidet. Einer hatte ein sehr jungenhaftes Gesicht, und er ging seelenruhig zur Sache. Er ging sehr methodisch zu Werke, töteten eiskalt einen nach dem anderen.“ „Sein Blut ergoss sich auf mein Bein. Meinen Nachbarn, einen Mann von 50 Jahren, traf ein Schuss direkt ins Gesicht; Stücke seines Hirn fielen auf meine Brille. Ich hörte die Kugeln und versuchte, auf den Boden zu schauen. Da war eine riesige Blutlache.“ „Merkwürdigerweise hört man die Kugeln fast nicht, wenn sie von der Nähe aus abgeschossen werden. Aber ich spürte ihre Hitze an der Wange. Ich war bereit zu sterben. Ich wog damals 122 Kilo, 20 mehr als heute. Wenn einer getroffen wird, dann ja wohl ich.“ „Irgendjemand schaltete das Licht in der Halle an. Keine Ahnung, wer das war. Ich erkannte den Mann, der gerade noch neben mir an der Bar etwas geholt hatte. Er lag am Boden, sein halbes Gesicht war zerstört. Er war tot.“ „Ich lag auf dem Bauch. Meine Freunde waren neben mir. Wir haben langsam und leise geredet. Die Freunde hatten Kinder, ich nicht. Sie hatten mehr Angst als ich. Der rechts sagte: Ich muss meine beiden Kinder wiedersehen.“ „Wenn ein Meteorit irgendwo einschlägt, sind alle sofort tot. Die eigentliche Folter war, dass sie die Leute einzeln erschossen haben. Manche schrien noch Gnade. Schon wurden sie erschossen.“ „Einmal schrie ein Attentäter: Wenn einer nach Hause will, dann jetzt“ Einzelne sind aufgestanden, die wurden gleich erschossen. Auf dem Boden war Blut. Überall waren Tote und Blut.“ „Ich stieg über einen Mann am Boden. Ich nahm seine Hand, doch sie war schlaff und kühl. Ein paar Meter weiter sah ich eine junge Frau, sie war am Rücken getroffen worden. Leute sind auf sie gestiegen. Reflexhaft kauerte ich mich zu ihr, unter uns war eine Pfütze aus Blut.“ „Ich rannte zum großen Boulevard Voltaire, stolperte, verlor meine Brille. Ich drehte mich zurück zu dem Mann, über den ich gestolpert war und wollte mich entschuldigen. Beim Runterbeugen sah ich. Er war tot. Wir sind in ein Wohnhaus geflüchtet und klopften an Türen, aber niemand machte auf. Die Leute hatten Angst.“ „Nach gefühlt einer halben Stunde schrie jemand: Nicht bewegen, sonst schieße ich“ „Dann gab es eine Explosion. Mein linkes Ohr wurde taub davon. Es regnete Blut und menschliche Überreste auf uns.“ „Nach einer Weile kam ein Polizist vom Sondereinsatzkommando zu uns hoch und hielt eine kleine Ansprache, die ich nie vergessen werde. Er sagte: Ich freue mich, Sie alle zu sehen, denn Sie sind Überlebende des Bataclan. Sie sind Helden. Vergessen Sie das nie!“ 130 Menschen verloren ihr Leben an diesem Tag.🙏

龙王这次A社盘前套利，简直酣畅淋漓！1600万操作让人直呼套利还能这样玩？ 🧵很多人没看懂龙王的操作，这篇教程完整拆解憨吧龙王的神之一手！ 最近AI圈最大的新闻就是 Anthropic 要上市了，这也催生了大量的盘前合约需求 同样的盘前，币安标价1.7万亿美金，Hyperliquid只标1.4万亿，中间差了3000亿 核心原因就是股票还没上市，根本没有真实价格可以对标 1⃣️于是同一个A社，出现了两种算法： 币安按"总市值"报价，自己假设A社有10亿股，现在挂1700，也就是1.7万亿美金 Hyperliquid上的xyz按"每股价格"报价，现在挂110，上市后直接等于真实股价 那这两个价格最后怎么对上？ 靠的是币安上市后的rebase： 价格改成真实股价，你手里的合约数量按"A社总股数÷10亿"放大。 你现在开1张，上市后可能变成12.8张，也可能变成16.9张。 Hyperliquid上的xyz：现在报110，不能rebase。 上市后股价多少，它就是多少， 你开1份就是1份，永远不会变。 所以关键来了： 币安上市后到底把你的1张变成几张？ 这个倍数，币安现在还没公布。 全市场都在猜。 猜对的人赚钱，猜错的人给钱。 这就是套利的来源。 2⃣️生死线：15.45 上市后币安每张的等效股价 = 1700 ÷ rebase倍数 拿它和xyz的110对比： 放大12.8倍（128亿股）：等效约132.8，币安贵约21% 放大13倍（130亿股）：等效约130.8，币安贵约19% 放大15.45倍（154.5亿股）：等效110，两边打平 放大16.9倍（169亿股）：等效约100.6，币安反而便宜约9% 也就是只要币安最终的倍数低于15.45， 在币安空、在xyz多，就赚钱； 倍数越接近12.8，赚得越多。 换成市值看更直观： xyz上 110×128亿股 ≈ 1.4万亿 币安现在挂着 1.7万亿 同一个A社，两个所差了3000亿美金。 所以整场博弈其实只有一个问题： 币安会按128亿股算，还是按169亿股算？ 3⃣️为什么大多数人觉得是169亿？ A社招股书里有一句： 公益基金持有8.47亿股，等于某日完全稀释股本的5%。 反推一下：8.47亿 ÷ 5% ≈ 169亿股。 这是认真读招股书的人最先算出来的数字， 所以很多人认定币安会rebase到16.9倍。 再一对：币安现价1700，刚好跟"A社估值2万亿"对得上。 大家拿去问AI，AI也从结果倒推，觉得169亿就是对的。 龙王的原话是：AI会"自我强化"。 4⃣️龙王的逻辑分三层 第一层：币圈和股市的"完全稀释"不是一个意思。 币圈有合约约束，总量有上限，FDV就是总量。 股市的完全稀释，还要额外加上员工期权、可转债、未归属股票。 这些股票可能会发，但发不发、什么时候发，谁都说不准。 第二层：上市后，所有人看的都是流通口径。 上市前，媒体报的是完全稀释估值，那是风投视角。 上市后，行情软件里的市值是"价格×已发行股数"， 没人再看完全稀释口径。 举两个例子： Facebook上市前标题估值1040亿，上市后立刻变成810亿； Uber上市前824亿，上市后750亿。 第三层：币安有先例，只用招股书上白纸黑字的数字。 此前SPCX、Quant、Oura的rebase， 币安用的都是招股书里"发行后在外股份" （shares outstanding after this offering）这个总股本。 169亿这个数，招股书上压根没直接写，是大家自己反推的。 币安要是自己多加一项，马上就有人来扯皮： "招股书上没写，你凭什么加？" 龙王把A社的普通股、优先股、公益基金、IPO新发、团队锁定股全部加总， 得到约128亿股，自估误差±5%。 没发行的期权，币安也不知道最后有多少，不会算进去。 结论：币安大概率按12.8倍rebase，上下5%。 5⃣️这次套利的核心也是xyz不能rebase 龙王在原文里把这句连写了三遍： xyz无法rebase，无法rebase，无法rebase。 这意味着A社上市后， xyz的价格一定等于真实股价， 而真实股价对应的市值，一定不包含没发行的股票。 于是问题被反转了： 不是"币安会不会按128亿算"， 而是"招股书写着约128亿股，币安有什么理由硬凑出一个169亿？" 再往深想一层： 现在的1700是市场炒出来的，不是币安按1700卖给你的。 你买贵了，是市场误导你，币安不用负责。 但币安要是随便拍一个rebase数字，公信力就没了。 以后数字是不是都由币安一句话说了算？ 那大家干脆都去xyz交易，因为xyz就是上市后的真实价格。 所以币安最稳妥的做法只有一个： 招股书写多少，就按多少来。 6⃣️那IO为什么是1800？ Hyperliquid上还有个IO，报价1800，比币安还高，很多人又看懵了。 IO也不能rebase，但它一开始就声明了：按完全稀释股本计价。 1800 ÷ 169亿股 ≈ 每股106.5，跟xyz的110基本对得上。 为什么它敢这么做？ IO是小所，要做差异化拉用户，它的用户本来就懂行。 币安不行。 币安新手太多，A社上市后股票110、币安1700，哪个新手看得懂？ 所以币安一定会rebase，而且会选最简单、最不容易扯皮的那个数。 7⃣️龙王实操 一边空，一边多： 在币安空ANT，每张名义价值约1700美金； 在xyz（或IO）多ANT，按12.8倍配，约12.8份，名义价值约1408美金。 A社上市后不管涨还是跌，两边互相抵掉， 赚的就是两边价格往一起靠的那段差价， 也就是1.7万亿和1.4万亿之间那3000亿的缝。 钱分两段赚： 上市前：大家反应过来币安贵了，对手盘止损，套利盘涌入，溢价提前收窄。 上市后：币安公布倍数，价格强制拉平，剩下的差价一次兑现。 结局就是币安公告还没出，币安和Hyperliquid上的ANT持仓就同步下降。 对手盘投降，市场开始按约130亿股定价。 龙王还吐槽了一句： 你投降啥呢？不应该等到最后时刻再投吗？哈哈

一个月前在雅典遭遇了一场比较严重的车祸。 用 Uber 打了一辆出租，司机错过了高速出口，于是司机开始摆弄手机重设导航，此时我们行驶最右侧车道上，速度并不算快。我突然看到前面有辆车停在了紧急专用道上，而且有一半车身在我们车道上，司机似乎并没有注意到这一情况，于是我立刻警告他，结果他慌了，往左猛打方向盘避让，结果车辆失控，横跨三个车道加速撞到中央隔离带上。（事后回想，司机应该是情急之下错踩了油门，而且全程司机精神状态似乎都比较恍惚，疑似疲劳驾驶。） 最后导致对象胫骨平台粉碎性骨折，我眼部眶骨骨折，均需要接受手术治疗。不幸中的万幸是，没有造成不可逆伤害，手术都很成功，目前还在康复中。

这次跟家里人5人出行港澳，打车用了Uber Taxi和澳门电召，分享下我遇到的问题 香港大部分出租都是4座，通过滴滴和高德叫到的车都是这种。少数有5座、6座车，而UberXL提供了6座反而更省心 澳门也可以用Uber不过我更习惯电召，最多可座5人，氹仔好叫但北边老城区不好叫，只好坐6块一口价的澳巴 因此最佳出行还是得控制在4人内，人少地铁公交、人多打车。上环坐船大概200每人。金巴（港珠澳大桥穿梭巴士）只要65每人小孩半价需要人工买票，算起来比船票还省钱省时，而且中间还是内地基站信号没开漫游也能上网 这次国庆给我的感觉就是，澳门比香港的人还密集。特别是大三巴那边澳巴都不停了，最后到关闸坐发财车到赌场门口再坐发财车到港珠澳大桥澳方口岸，澳门的车巨难打！如果要坐出租车，最好是绕一圈到关闸，再拦出租前往目的地

Grok Bot is now more proactive. What does that mean? Here's one example: I switched flights, but @bot noticed I didn't update my Uber reservation Bot realized, then pinged me to update the reservation *during* my connecting flight I had @starlink, so I was able to change it before I landed and save myself a headache

这次去中国，因为个人原因，主要只是在南京周边。从一个外人的角度乱谈点这次管中窥豹的感受： * 交通还在进一步的发展，南京的地铁6号线都快完工了，我居然在栖霞山看到了修好的地铁站。真的是方便。 * 菜鸟驿站现在都是自己扫码出库，老板轻松了很多。大家自己拿东西，我先后拿了几十个包裹，没一个被别人误拿过。这素质还是很高的。 * 南京地铁仍然很多人不让到站的人先下，我是多次靠着自己的大块头硬挤出去的。这点对老人和身体不强壮的女性孩子真的不友好。几天之后坐首尔的地铁，区别还是不小。不但先下后上，他们各种优先座位，车子再挤大家也不随便坐的。 * 出租车普遍气味好了不少。前几年去，10辆有8辆有异味，现在只有2，3辆了。滴滴似乎在搞车内空气质量的整治。不过有异味的，确实不行，有一种体臭加口臭的非常难闻的味道，很怀疑司机是住在车里的。绝大多数司机表情麻木或者烦躁，生活不易，可以理解。愿意说话的，一直在抱怨平台吸血，赚不到钱。有意思的是，回来打Uber，司机一样抱怨平台吸血抽成太多。 * 买菜真是方便极了。盒马叮咚什么的，app下单一两个小时就送到家了。结果是很多超市菜场都关门了。老人们已经无处可逛。 * 有宠物的人很多，天天看到很多遛狗的，还是有不少人不捡狗屎。我有次看到一个哥们在狗狗拉了之后，拿个纸巾捡起了狗屎，刚刚在心里点了个赞，他随手就丢到旁边的景观灌木里了。 * 男厕的烟味依然如故。我去过的几十个国家中，中国男厕的臭味排名绝对前三。尤其是烟臭。很多人躲在厕所抽烟，非常高档的商场和餐厅，男厕依然一股烟味，很多依然地板满是水渍。 * 随地吐痰的似乎少了不少。还是见到过在商场和餐厅干净地面上用痰砸地板的，可能是少数人吧。 * 很多人打喷嚏咳嗽还是没有避开别人的自觉，也不会拿手肘或者衣服挡一下，各种喷，这个确实不适应。 * 这次需要陪人看病，跑了不少医院，效率还是非常高的，各大三甲永远人山人海。 * 不管在哪里排队，都被别人各种加三。直接挤到你前面当你是空气。 * 国人中口臭的还是不少，有些人一张口两米之内简直令人窒息。可能是没有用牙线的习惯，加上无处不在的幽门螺旋杆菌。中国常见的牙线是类似竖琴结构的那种，不是我常见的一盒一盒的。那种牙线，我试过几种，全部都非常粗极其难用。一个是不习惯，一个是我严重怀疑这么粗的牙线会扩大牙间距，不敢再用了。我一般都是自己带一盒，一个trip够用。 * 满大街的零食量贩店，好想来什么的。一家也没进去过。 * 去过十几个Mall，大多数都非常萧条。最夸张的是一个mall大多数店关门，一楼空间直接租出去给人打羽毛球。以前高大上的金鹰，大多店也关门了。 * 餐饮倒是都还不错。香格里拉里的淮阳菜馆江南灶因为是米其林认证，一位难求。科巷满街的小吃还是那么热闹。 * 中国移动支付非常方便，但是银行随便办点P事只要牵涉到窗口人工，动不动两三个甚至四五个小时，填不完的纸质表，签不完的字，还有各种扫描上传，各种同事商量，领导审核。仿佛每个银行都有巨大的存纸质表格的仓库，里面没人再看的故纸堆一直垒到天花板上。 * 通缩似乎确实存在。很多东西和几年前比反而便宜了些。我几年前买过一双某国外品牌的鞋，400多。这次买了同品牌同一家店类似款式的，不到300。 * 美丽的玄武湖晚上变得乌烟瘴气，全是大喇叭直播的唱歌的，跳广场舞的。 * 南京一个二线城市有10家IMAX。这次在中国看了几场电影，效果不错。 * 以前从没在南京街头看到过印度人。现在不但街上看到过一群一群的好几次，医院也见到来看病的。我在首尔也见到不少。前两年去日本，看到便利店店员很多变成了印度人，也很震惊。他们真的占领了全世界，没有歧视的意思，纯被数量吓到。 * 很多人天天刷AI剧。这个风潮还没吹到北美，不过我觉得快了。

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。