ArtemisX

[nini @nini_incrypto_]

GitHub上星标最高的爬虫工具，没有之一！

据说是因为作者说之前被一个月16 美元的付费爬虫搞烦了，一气之下花几天时间自己手搓了一个

1.纯粹免费无套路：无需注册、不需要API Key、没有按页扣费的模式，开箱即用。

2.专为 AI 打造：能把任意复杂网页直接一键提纯为极简、规范的 Markdown 格式，完美喂给 LLM 跑数据流水线。

3.性能强劲又稳定：不仅跑得比大多数付费服务还快，最新版本还优化了内存调度与 GPU 容器部署，支持高并发稳定抓取。
https://t.co/krUVJwx9u4

[Xudong Han @Xudong07452910]

CMU 这门 NLP 课最硬核的地方：第一份作业就让你从零手搓一个 LLaMA。

卡内基梅隆大学公开了 2026 春季《Advanced NLP》课程，教授是 Sean Welleck。整套资源包括完整课程主页、课件、视频和配套代码，内容从 Tokenizer、Transformer、语言模型基础，一路讲到 RAG、多模态、RLHF、MoE、长上下文和 test-time scaling。

这门课最有价值的地方，不仅是教你怎么调用大模型 API，而且把大模型能力背后的工程路径也拆开给你看。

从「Build Your Own LLaMA」这种手搓模型作业，到后面的推理、效率、评测和 Agent，它训练的其实是一种更底层的能力：你能不能理解模型为什么能工作，为什么会变强，为什么有时会失败。

这也很符合现在 AI 的技术拐点。

过去大家更关心参数规模，谁的模型更大；现在越来越多关键进展，开始发生在推理侧、效率侧和系统侧：怎么让模型更会思考，怎么调度专家，怎么检索外部知识，怎么在有限算力下获得更好的输出。

所以这门课不只是 NLP 进阶课，更像一份 2026 年大模型研究者的训练路线图。

AI 时代真正的分水岭，可能不只是会不会使用模型。

更关键的是：

你停在应用层，还是愿意继续往下走到架构层。

Home: https://t.co/U96QszHIja
Youtubu: https://t.co/05dlefgqbe
Code: https://t.co/nqAsjPwatQ

[徐伦 @Jolyne_AI]

想转行做 AI 工程师？你大概率会先被两样东西劝退：碎片化教程，以及一眼就知道是 AI 拼出来的长文，既不成体系也不落地。

我在 GitHub 上挖到一个更靠谱的：AI Engineering Field Guide。它不是“经验贴”，而是基于 1765 份真实职位描述 + 实际面试经历整理出来的开源指南，数据驱动，直接对准求职和上手。

它把 AI 工程师这份工作的关键信息拆得很清楚：岗位在招什么、技能怎么配、面试怎么走、常见题型和真实案例长什么样。更重要的是，还按数据/后端/前端等不同背景，给出了可执行的转型学习路径。

GitHub：https://t.co/6QycVnSFem

内容覆盖角色定位与技能地图、完整面试准备清单、精选学习资源合集，以及真实的市场数据与项目案例；还收录了 OpenAI、Anthropic、Google、Meta 等 51 家公司的面试流程与经验整理，并附带 17 个 take-home 作业的真实案例分析。

如果你在认真考虑转型 AI 工程师，或想系统搞清楚这岗位到底在做什么、怎么准备，这份指南值得直接收藏。

[KK.aWSB @KKaWSB]

送人送到西，兄弟们，GitHub 上的量化交易项目已经卷到这个地步了，有很多拿来就用的好策略可以练手（合集送上）。

华尔街团队年薪百万干的事,这些开源项目免费给你,还带教程。

Qlib(微软官方) AI 量化投资平台,从挖因子、训模型到回测全链路,39k 星 https://t.co/aO1QOZmydd

TradingAgents AI 多 Agent 量化交易框架,模拟一整个交易公司：基本面分析师+情绪分析师+技术分析师+交易员各司其职。https://t.co/f5SYFXKnaS

OpenBB 开源版彭博终端,机构级投研数据全免费,分析师、量化、AI Agent 都能用,近 70k 星 https://t.co/DyZnNvrgVT

FinGPT 开源金融大模型,情绪分析比 GPT-4 微调还准,一张 3090 就能跑 https://t.co/W7tpTLfqmp

FinRL 用强化学习自动炒股的开山框架,NeurIPS 论文出身,训练 5 种 AI 交易员互相打擂台 https://t.co/S2GJAuK8Yd

Qbot AI 自动量化机器人,从取数据到实盘全流程本地部署,16.7k 星 https://t.co/Kxdg022rb7

vnpy 国内量化老炮都在用的框架,股票期货加密货币全支持,从回测到实盘一条龙 https://t.co/8Vw2Q5WQUo

vectorbt 回测速度怪物,几秒钟测完几千个策略,pandas 用户直接无缝上手 https://t.co/RDgysJCiRk

以前这些能力，是对冲基金的护城河。
现在,一句指令让AI干活的事。

[CyrilXBT @cyrilXBT]

https://t.co/XxnZrmtgw5

[JinYu金鱼 @JinYu762]

美股AI这轮牛市周期

我来整理一下

现在是沿着产业链再走

看懂的人，已经赚了好几波了

第一波｜半导体

$NVDA
$AMD
$AVGO
$ARM
这波是AI革命的起点
英伟达从低点涨了十几倍
大多数人是看着涨的，没敢上车
这波红利，散户吃到的少

第二波｜存储

$MU
$WDC
$STX
$SNDK
AI要算力，算力要存储
HBM价格涨了60%
产能排到2028年
全市场都知道了
现在追是高位

第三波｜光模块

$AAOI
$LITE
$COHR
$CIEN
$MRVL

这波很多人没反应过来
数据中心之间要传数据，铜缆传不了，只能上光纤

$AAOI一年涨了934%
$LITE一年涨了621%
$COHR一年涨了529%
已经爆了

现在资金在猛攻｜算力和数据中心

$IREN
$CORZ
$WULF
$NBIS
$CRWV
AI数据中心是吞电的怪兽
算力就是这个时代的石油
资金正在扎堆，这是当下最热的方向

下一个轮到谁呢？
这才是真正的问题

① 电力、电网、核电

$VRT
$ETN
$CEG
$SMR
$OKLO
数据中心耗电量每年翻倍。核电这条链还没被市场充分定价

② 网络设备

$ANET
$AVGO
$MRVL
$CSCO
数据中心内部的交换机和网络
钱还没大规模进来，但逻辑很硬

③ 原材料和稀土

$MP
$FCX
$AA
$UUUU
AI硬件的底层原料。 铜、铝、稀土，每一个都是供给瓶颈。 这条线最冷，也可能是下一个最猛的。

④ 机器人

$TSLA
$SYM
$SERV
AI从云端走向物理世界。 现在还早，但方向是确定的

⑤ 国防军工

$KTOS
$AVAV
$LMT
AI加军工，两个最不差钱的叠在一起
这个组合很难不涨

仔细分析提前蹲在下一个方向，等资金来把你抬起来

追涨杀跌的，永远是最后接盘的

[Herman Jin @ShanghaoJin]

凡所有相，皆是虚妄。若见诸相非相，则见如来

作为一个AI死多头，我知道在所有人狂欢的时候，但凡发出一点悲观的言论都必被讥讽、嘲笑

但是，我很想写此文，其实是复盘与反思：不但是为自己这两年半写X、做交易做的；也是也是对这个疯狂市场做的

很幸运，作为闲暇的爱好，写X结识了很多新朋友。感谢互相欣赏与启发，在过去2年里，我从24年4月初清仓BTC换成AVGO NVDA，大选前AAOI PLTR TSLA INTC，关税战后INTC GOOG，25年底又加仓INTC AAOI，到今年春节逃跑、再满仓AMD NOK（最近又操作了ORCL LITE）。虽然，有买彩票SUP归零，MRVL MDB也有赚有亏，但是我一直坚信AI对token的需求会让半导体every dog has its time，获得了不差得收益。期间不少小伙伴们也都赚到不少于10倍收益

然而，此刻要清醒的意识到，收益并不是我们选股牛，眼光独到，而是市场牛！我复盘了我自己今年3月最后一周，周末前全仓买入。赚钱并不是因为当时买对了AMD，而是当时call 对了市场资金结构

所以，在这个时点上更需要静心凝神，好好反思下市场接下去会如何

喝醉酒的人是不会知道自己喝醉的；沉醉美梦中的人也不会意识到黄粱一梦，这过程可以很久，我们也可以继续疯，但是必须要清醒地在更高阶意识中，认识到随时有被敲醒的风险

One of the four beasts saying, COME AND SEE – Revelation 6:1

不同于华尔街很多人，我是“坚信”AI的

30年来第一次，AI模型用并行计算替代串联计算，把半导体的进步直接变成了生产力（之前科技进步只是作为平台，让用科技的软件、以及用软件的人创造价值）

AI的结果是token需求指数级升高vs 而半导体供应只能线性增加。加上整个半导体老登们在过去几年黄金时间，没有因 “信” 而扩产，今年需求真正开始爆发后全产业链缺货。造就了这轮大牛市

不过，大牛市的命脉是市场price in了:

模型收入加速度，不远得未来可以justify Hyperscalers 的Capex

要知道任何动摇命脉预期的都会让市场陷入恐慌

1. 铜墙铁壁：horseman之一就是微观、公司层面真的无懈可击

从看模型架构、从架构看需求，微观看半导体每一个赛道，每一个公司都近乎完美。每一个，都越看的细致，越了解深入，越是有自信---- 这就是典型低PE泡沫

Rule of Thumb：当看了几十、上百家公司，每家需求、盈利都真实solid，你就必须质疑这个市场有没有问题

低PE泡沫一样是一个泡沫，只是他不同于2000年。高PE是个预期泡沫，市场会不停设定更高的收益预期，一旦核心公司预期破灭，整体预期立即调整，多米诺骨牌一样一片片倒下。这就好像去年的IGV，市场忽然不给EV/EBITDA估值了

但是低PE泡沫没有这个问题，盈利增长会给你足够信心在稍微下跌之后不断加仓冲进去。毕竟谁能拒绝个位数PE的存储，每年涨价涨盈利，毛利率80%。这个过程中，小跌小买，大跌大买。只要不被切中“命门”市场会非常坚挺。持续性正反馈，好像美梦一样让人不愿醒来，也不相信是做梦（买过p2p的知道我说的什么感觉吧）

不对称反馈：明显的体验是在过去1年中，市场对于宏观负面风险的反馈明显弱于正面利好。此时，并非没有“野蛮人”，而是公司盈利能力的城池固若金汤。不管伊朗危机、油价、通胀、利率、Fed统统能拒之门外。反之，一旦命门被破，所有野蛮人都会杀回来，过去没跌的够的一次性补完

2. 去监管与宏观流动性宽裕：

整个金融体系自从2008年金融海啸之后经历了一轮长期的监管与去杠杆，为了弥补系统性流动性损失美联储对应展开了一轮持续的QE。银行当时平均杠杆x30~x40，后来降低到了x15~20。去年美联储降低了eSLR要求，实质性让银行理论可扩4-5万亿美元资产负债表
其实，4月后银行间流动性泛滥，也加剧了风险资产狂欢，低PE下杠杆入市

流动性是一切之王，流动性泛滥征服一切。如果说疫情期间120b/月是细水长流，现在就是开闸放水。对应过往平衡的QE没有转向QT情况下，直接放任银行去监管，制造大量流动性

但是流动性又如多巴胺，不是快乐分子，而是期待分子

放任之后，现在通胀黏着，Fed其实没有短期降息余地。甚至在危机一旦发生之后，都很难去QE，只有降息手段的Fed面对可能的危机是一个纸老虎。而短期流动性的另一面是，目前半导体、特别是存储中的杠杆已经太高了

3. 群雄并起：He went forth conquering, and to conquer

可能因为TSMC带头不相信AI，半导体行业整体在过去2年没有应对AI需求大规模扩产

后果是，当整个产业面临硅基洪流需求，忽然傻眼。过去半导体产业链主要是为了消费电子设计、定价的。而现在，不但订单忽然拉满，而且需要不停迭代架构

NVDA就从GPU fabless，进步到rack方案解决，再往token factory迈进。每个过程需要的技术、供货商都不同。所有供货商都没有经过如此量产设计。这就好像把一台拖拉机强行拉上高铁，让他以200mile速度奔驰，每个零件都会嗡嗡作响。半导体每个细分行业都缺货，缺产能，提高不够产能

与之伴生的一个问题是：原来卖方市场只有TSMC一个“守门员”控货源、控margin、控价格。原仔汤搓的产业有肉吃，需求方对价格产能有预期，良性发展。今天忽然五亿探长“雷诺”控制不住了，每个“小混混“都能来涨价、收保护费。真正的结果不是半导体都牛叉，而是失控：失控会影响每GW需要投入的成本核算，影响到命脉的预期。会给capex与模型收入会师蒙上阴影

4. 钢丝起舞

AI模型收入预期太满

回顾一下，市场坚信定价Anthropic + OpenAI + Gemini的收入会快速增加让Capex合理。这条命脉的信仰是不能有一点动摇的。哪怕略微的动摇都会导致二级市场剧烈波动

那么，过去GPT 5.0也有模型不及预期，市场质疑scaling law为什么没有让半导体大跌？

首先当时半导体没有像今天这样全面开花，也没有如此高的杠杆；其次，当时hyperscaler的现金流冗余较多，只要他们表示相信，拿钱来capex支持是很容易度过难关的。毕竟一旦他们有钱、继续capex，可见2年NVDA收益确定性高，没有人能顶风做空NVDA的

后来也发生过GPT被Gemini追平，并且导致Orcl持有其大量backlog订单而被做空。不过大总统的好兄弟老Larry敢对wall street说F you，用股权融资也要继续加注。很快， Opus横空出世让人意识到AGI时代已经到了

然而，今年capex已经到了770b，明年要1tril，华尔街是不会看Hyperscaler总营收多少的（道理就跟当时ORCL一样：OAI Anthropic可都是拿了他们投资款的），他们必须看到Anthropic 与OAI的增速持续，这个才是维系整个链条自转下去的核心

与此同时，这个游戏中大厂一直担任AI的监护人角色。但是他们的自由现金流已经变负了。“父母老了，力尽了“，后面的路要靠自己。而且市场满满预期下，对这条路一根筋的执着，不会给“主线”一丝一毫的容错

（你们可以回想NV rack液冷出问题，交换机CPO良率问题，这些小巫见大巫、假以时日一定能解决的问题，市场尚且没有任何容错）

命门在Anthropic：大过，大者过也。栋桡，本末弱也

供应延迟、乃至技术卡壳的问题是腠理之疾；任何模型端的风吹草动才是心腹大患

现在御三家模型的统一问题：算力不够，所以失智

我在自己大量使用模型编程、交易程序部署，多个AWS服务互动过程中发现，Opus4.8实际能力已经远远不如中国模型kimi了。虽然GPT还勉强可堪一用，但是也在逐步降智。市场在用固有软件思维考虑AI, 系统开发成本高、使用成本很低。试用好用将来也就可以稳定保证系统质量。但是AI是一个工厂，模型输出需要成本，饭店吃饭的人多了，厨房做不过来，质量自然变差了

第二个市场固有思维：指数的token需求是没有波动的，也不因质量改变。事实上，虽然我因为模型变蠢多用了很多token。但是我质疑token质量不断下降，token消耗增加的怪异剪刀差可以持久。现在很多公司确实对token使用有KPI考核，很多惯性订阅使用者也会加速使用，但如果算力瓶颈无法解决，我非常担心Anthropic增长曲线会变缓。而且算力问题非一蹴而就，也不是一个新模型能解决的

但是当市场开始意识到这个问题的时候，投资人会质问：

1. 跑不过蒸馏你的，模型花那么多钱训练干嘛？

2. 模型是不是商品化的model commoditize ？

当承载整个AI时代的模型“梦”也将受到质疑，整个盈收逻辑将来能否自我循环跑通将被质疑，所有今天拿了PE估值的半导体都同样会被质疑--- 你是不是周期性的？？

有人会说，失智既然因为算力不够就应该加大投入半导体解决问题

没错！但是钱呢？

如果刨掉OAI 与Anthropic拿到的融资款反哺云厂，他们能有多少净现金流可以继续支持这个投入？这个账对华尔街来说非常好算。当然不排除他们像当时orcl，哪怕融股权也要继续投入，熬过这关。到那时，可能市场的反应就会远远超过去年，假设AMZN Meta如果面临CDS 飙升、负现金流，他能否像老larry一样孤注一掷是不确定的

另外有人会说，OAI收入增加能不能弥补投资人担心。我认为预期如此之满的状况下，因为“比烂”而被替代是很难让人安心的（两军对战关羽被阵斩了，你说还有个张飞？没用的）

同时，我们也要意识到。这个Low PE的泡沫又是非常坚韧的，在没有直击到命门伤到命脉预期之前，几乎无敌。不过，一旦点中死穴就会轰然倒塌

我就业以来也曾看过好几次次纸碎金迷，潮起潮落，没有一次全民疯狂会ends well；

也没有一次梦在其中的人，会想明白这个赛道“怎么输”。最近一次币圈小伙伴熟悉的Defi summer。Uniswap很短时间狂卷几十bil USD，当时觉得取代部分传统金融只是时间问题、多少问题，根本不会想、也想不明白“怎么会输”。然而，如果喝醉酒的人想明白怎么会输，他就不会输了

不管Anthropic模型怎么样，面临什么问题，都不会动摇AI是人类第三次工业革命。AI过程不会受任何危机影响，碾着狂欢者的尸体也会继续前行，直到他替代几亿脑力劳动者

最后评论Low PE泡沫：不要说做空，哪怕踏空，痛苦指数都非常高。回头看看2007年做空subprime的哪些基金，有几个活到了最后狂欢？

牛市踏空都会变成笑柄的环境，我接下去会需要很多Aura力量与专注的力量，去一边看空一边做多。请原谅会减少在推特上消耗自己修为论道了，赠言：

可以喝酒，但是不能喝醉
可以讲故事，但是不能真信
可以跳上party桌子跳舞，但是双眼必须紧紧盯着DJ，他放着音乐跑了，你也得跟着跑

[May @0xMayyy]

OpenClaw + Bank of AI : 真正的 Web3 原生 Agent 已上线 ！

刚刚把 Bank of AI (AINFT) 接入了我的 OpenClaw，体验简直不要太丝滑 ！试用了交易和转账功能后，我的 Agent 告诉我它还能 ：

1/ 7x24小时 自动盯盘与套利
Agent 通过监控代币价格在 sunswap和 pancakeswap 上进行低买高卖进行套利 （ Skill 里已经内嵌好 API 了）

2/ DeFi 自动理财与复利
Agent 可以把钱包里闲置的资产存入 JustLend 或 Venus 赚取利息。赚到的收益再次复投，每天定时收菜，并自动卖成稳定币复投进去，让资产慢慢去滚雪球

3/ x402 解放双手协议

真正的 Pay-per-Request + Auto-Execution
它让 AI 在我的授权范围内拥有了点财务分配权
以前需要打开 App → 扫码 → 签名 → 确认
现在，我只对 Agent 说一句话
它就能在指定时间或条件达成时
自动调用钱包签名并完成链上付款执行

这不仅仅是一个聊天机器人，它是一个拥有独立链上账户、能自主交互、还能赚钱的 Web3 实体。

具体怎么安装 ？只需要把 github 里
官方给的脚本粘贴给你的小龙虾就好啦 ～

Web3 Agent 的时代 真的来了 🤩

@justinsuntron #TRONEcoStar

[[email protected] @Jiaxi_Cui]

又把Claude Code额度用完了，深度使用20天后，聊聊我的一些判断和看法：

最直观的感受是AI 时代，写代码的事越来越简单。以前我们还会追求elegant，对一个项目不停重构以达到性能极致，但这些古法时代的操作都比不上AI的「快」，实现够快，可以不断尝试，找出够用的版本即可。

代码变简单了，但写架构却更关键了。下面聊聊我对「新一代后端架构」的 几个判断：

——————————————————

1. 类微服务的架构（先起个名叫AI-native架构吧）可能是最适合AI时代的架构

一句话概括可能是：统一“平台底座” + 按“场景能力”拆出的可插拔模块 + 事件驱动粘合

可能有点像黑话了，解释一下就是：

(1)把基础服务打成镜像，用 K8s 统一管理。

MySQL、MongoDB、消息队列、监控统统封进各自 Docker 镜像，用 K8s 管理。需要扩就 kubectl scale或者直接通过replica调整节点数量和配置参数，这样服务器上只留一份份的yaml文件

(2)把业务逻辑拆成微服务组件

按收款、用户、通知、风控等「功能」划分出业务逻辑的边界，做成可插拔的模块

每个边界 = 一个 Repo + 一个容器 + 一个 Service。如果性能或协作顶不住，再拆。避免奈米服务地狱。

(3)事件驱动，接口先行

API 先写成 OpenAPI / gRPC，放在某个中央仓库。

能事件驱动就别同步调用，模块通过事件协作，遵循「谁关心谁订阅」的原则。这样改一个模块，别的模块不会跟着炸。

——————————————————

2. AI-native的架构应该多一个功能模块：自动护栏/AI 代码质控

理想的状况可能是：AI生成的代码应该先过护栏，再配上CI/CD做单元测试/漏洞扫描/参数泄漏扫描等等，采用类似金丝雀发布的方案上线，发现问题即时自动回滚。但还没看到很好的实现方案，我也还没有碰到类似场景

——————————————————

3. 团队文化要改变

以前是dev写码，ops上线，或者干脆直接是devops。

现在团队应该变成：少量高价值工程师 + AI，工程师定规则，AI实现，CI/CD自动上线

我认为以后的工程师应该就两个任务：定规则 + 维护AI代码护栏

——————————————————

4. 现在开发项目应该怎么做？

我现在会先梳理逻辑：这个架构是什么，应该有哪些功能，每一个功能的输入输出、状态码、如何测试效果、API长什么样、每一步的目的是什么，还要设置好功能之间的边界在哪里。

整理出一份详细的功能文档.md，然后让Claude Code按照这个功能文档.md去一步步往下执行，在项目还不是太复杂的情况下往往能表现很不错。

如果是老项目，还有希望拯救的话就尝试拆分模块出来，但不要拆太细，因为冗杂的屎山逻辑AI也捋不清的。

完成转型最好的方式永远是另起炉灶而不是修修补补。
大厂不会让现有员工都去认真完成AI化，只会起新的AI化部门，让新部门慢慢替代老部门的作用，然后把老人裁掉

[Jimmy狐狸 @jimmyhuli]

加密货币和美股盘前futures都在跌，现在市场主要归罪为日本可能的加息。

日本加息带来的 carry trade unwind，在去年8月初已经闹过一次了，当时 SP500 跌近3%。纳斯达克从8月1日开始，则跌了 ～8%。

日元套息交易（Carry Trade）的本质是：机构借入低息的日元（Funding Currency），兑换成美元，购买高收益资产（如美债、美股科技七巨头、比特币）。

参考2024年8月“黑色星期一”的数据基准，市场普遍估算的广义日元空头头寸（即套息交易规模）在 5,000亿至1万亿美元 之间。

假设日本央行暗示或实际加息 15-25个基点 (bps)：

- 汇率反应： 历史数据显示，这类鹰派信号通常导致 USD/JPY 在短时间内下跌（日元升值）2% - 4%。

- 止损阈值： 对于高杠杆的宏观对冲基金，3% 的货币反向波动往往是强制平仓（Margin Call）的触发点。

如果触发平仓潮，按 10% - 20% 的头寸被动平仓来估算：约 500亿 - 2,000亿美元 的资金需要在短时间内卖出美元资产，买入日元。

这相当于美联储进行了一个季度的激进QT（量化紧缩），但这一切发生在短短几天内。

对美股来说，美股科技股（尤其是AI和半导体板块）是过去两年套息交易资金最拥挤的去处。

下跌不是因为企业基本面变差，而是因为买家没钱了（Liquidity Crunch）。

纳斯达克100 (NDX) 对流动性的敏感度极高。如果日元升值 3%，根据历史相关性，NDX 往往面临 2% - 4% 的回调压力。

高估值股票（Forward PE > 30x）受创最重，因为它们的定价高度依赖宽松的流动性折现。

Crypto 对流动性变化的反应最快、最剧烈。币圈本身存在大量基于美元稳定币的杠杆。当传统金融机构抽离资金回补日元时，Crypto往往是第一个被抛售变现的资产（因为它流动性好，且周末不休市）。

量化跌幅，Crypto 属于 High Beta 资产。若美股下跌 2%，比特币通常会放大波动至 5% - 8% 的跌幅。

山寨币（Altcoins）由于流动性更差，跌幅通常是 BTC 的 1.5 - 2倍。

[ArtemisX @ArtemisX712]

@DAIEvolutionHub send

[Andy O @andyz8818576155]

https://t.co/iJuiSWDxET

[ArtemisX @ArtemisX712]

@xmanreturn 及时看到狐狸哥的分析，像吃了定心丸

[ArtemisX @ArtemisX712]

@xmanreturn 好详细啊狐狸哥，调研做得很全面啊

[ArtemisX @ArtemisX712]

@xmanreturn 这种不记名的菠菜，知道内幕的人都想来赚点钱。。。。。

[ArtemisX @ArtemisX712]

@xmanreturn smci的最大问题是管理层垃圾，之前做假账风波，不然这么好的故事借着AI早就to the moon了。。。除非管理层大换血，不然故事再动听也不敢买

[ArtemisX @ArtemisX712]

@xmanreturn 麻了。。。狐狸哥。。。

[ArtemisX @ArtemisX712]

@tangjinzhou AI,已关注，谢谢老师

[ArtemisX @ArtemisX712]

@BitMart_zh 11

[ArtemisX @ArtemisX712]

@Bitget_zh 11