Sunday_HK_

Solidity 學習
#Blockchain #Crypto

[RJ @RJDAIGOGO]

可能是我最近看过的最好的一个讲高带宽内存HBM的视频，从基本原理讲到工程工艺，顺便比较了一下内存三巨哪家强。深入浅出，推荐观看。

[Easycompany @Easycompany333]

剑桥大学医学博士，YouTube百万博主 从自身出发，叫一个小白如何使用Claude Code来真正的提高生活、工作效率。
博主最早是最学习方法分享，读书分享

彻头彻尾的工作狂，效率狂人，去看看吧，对想使用AI、和已经在使用AI的人都有帮助

60分钟远比你买什么世面上的Agent教程好的多

[美少女战士_Ayla @Aylababe_]

谷歌前 CEO 强调了一个热知识：
如果你真的想赚钱，必须学习：理解代理、Claude Code、提示、记忆、技能、MCP和例程，然后让你的 AI 来控制你的 AI
大部分人学 AI, 就是在推特刷 AI 帖子，但其实，真正系统性的知识，大模型公司官方出的全面且免费，务必收藏这条帖子：

代理架构 https://t.co/CWHbp94eEG
Code 101 https://t.co/0oqE7KriXa
Code 实战 https://t.co/LFoS19qSOg
提示工程 https://t.co/rvLTIbi4ep
互动提示课程 https://t.co/PkVrmekuJD
Claude.md + 记忆 https://t.co/dnc98oxXhg
技能 https://t.co/r7GmXwg5ga https://t.co/gs3rSVtzSk
例程 https://t.co/DE2yPYvAag
Code 终极指南 https://t.co/E5P06i6gvY
Claude Code https://t.co/GkBByt1nq7
学院 https://t.co/Stjgg0gpqB
官方 Claude Code 文档 https://t.co/ab8BUYsLvZ

现在，复制全文内容，并喂给你的 Agent!

[buzzicra @buzzicra]

İÇERİK FİKRİ BULAMAMANIN SEBEBİ İLHAM EKSİKLİĞİ DEĞİL.

her sabah sıfırdan başlaman.

claude ile bir kere kurduğunda, sana sonsuza kadar instagram içeriği üreten bir asistan kurabilirsin. kod yok, on dakika.

aşağıda adım adım nasıl kurulduğu, kopyalayabileceğin talimatlarla. kaydet.

[rick awsb ($people, $people) @rickawsb]

村田制作的PDN解决方案：为SaaS的未来指明方向

分析村田制作时，市场关注的是MLCC市场份额、BaTiO₃粉体、超薄介质层工艺以及100μF级高端产品。
但村田其实还在悄悄的干另一件大事：围绕MLCC建立起来的PDN（Power Delivery Network）软硬一体的解决方案。

在NVIDIA GB200、GB300等平台单颗GPU功耗已经超过1000W的情况下，AI服务器设计的核心挑战之一已经从算力本身转向Power Integrity（电源完整性），而Power Integrity的核心就是PDN设计。

传统意义上的MLCC厂商负责提供元件，客户负责设计。但今天的村田不仅提供MLCC，还提供PDN仿真模型、S参数数据库、SPICE模型、电源网络分析、元件布局优化以及系统级设计支持。客户采购的已经不再是一颗电容，而是一整套经过验证的供电解决方案。

对于每颗MLCC，村田提供的不只是容量和耐压参数，还包括ESR、ESL、阻抗曲线、自谐振频率、温度特性、DC Bias特性以及高频行为模型。工程师可以直接导入Cadence、Ansys、Keysight等EDA工具进行仿真，在PCB制造之前预测整个供电系统的行为。这意味着大量问题可以在设计阶段解决，而不是等到样机阶段。

随着AI服务器功率不断提升，供电噪声已经进入GHz频段。传统参数已经无法准确描述元件行为，S参数成为高频设计的核心工具。村田长期积累的S参数数据库，使客户能够直接获得真实器件在不同频率下的表现，而不需要重新测量和建模。对于很多客户而言，这些数据库的价值甚至超过元件本身。

更进一步，村田开始参与整个Power Integrity设计过程。例如GPU电流从200A瞬间提升到1000A时，电压会下降多少；哪些位置需要增加MLCC；哪些位置已经过度设计；如何降低阻抗峰值；如何优化瞬态响应。这些已经不是元件层面的问题，而是系统层面的问题。村田实际上正在帮助客户完成整个PDN设计。

元件布局优化同样是PDN方案的重要组成部分。很多时候增加电容数量并不能解决问题，布局反而更加重要。同样100颗MLCC，由于寄生电感，不同摆放位置产生的效果可能相差数倍。
因此真正优秀的PDN设计更多的是优化布局。而村田长期积累的大量设计经验，可以帮助客户找到最优方案。

村田进行中的从“元件数字化”到“PDN设计支持”的转型，并正在向“系统级Power Integrity平台”演进。
其最重要的资产已经不仅是制造能力，还包括数十万个器件数字模型、数十年的参数数据库、AI服务器PDN经验库以及客户项目设计知识库。这些资产共同构成了新的竞争壁垒。

这种模式带来的最大价值，是极强的客户粘性。过去客户采购的是电容，今天客户采购的是经过验证的PDN架构。如果一台AI服务器已经基于村田模型完成仿真验证、EMC认证、热设计验证以及可靠性测试，那么更换供应商将意味着重新仿真、重新打板、重新测试以及重新认证。即使替代产品规格接近，也可能因为ESR、ESL、阻抗曲线或谐振频率变化而影响整个PDN性能。因此客户最终锁定的并不是MLCC，而是整个供电设计体系。

这也是村田PDN方案最有价值的地方。很多公司销售产品，村田正在销售“设计确定性”；很多公司销售元件，村田正在销售“验证结果”；很多公司销售硬件，村田正在销售“经过验证的Power Integrity平台”。

更重要的是，村田的PDN方案或许揭示了未来SaaS真正的发展方向。过去的软件公司依靠代码和功能建立护城河，而AI正在不断降低代码的价值。但无法降低真实世界的数据的价值。

村田制作的PDN解决方案拥有制造业的物理壁垒、EDA行业的工作流壁垒以及数据平台的数据飞轮。随着AI服务器功耗持续提升，Power Integrity的重要性只会越来越高，而村田积累的PDN数据库、设计经验和验证体系也会越来越难以复制。

这或许才是村田制作在AI数据中心时代最核心、也最容易被市场低估的竞争优势：未来最难被AI取代的SaaS形态。

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

[美股金虫哥 @SpermCapital]

我估计大多数现在并不知道 $DELL 是怎么通过AI布局赚钱的

$DELL 已经是全球AI基础设施里的隐形巨头,2026财年，戴尔AI相关业务总收入接近750亿美元

详细拆解一下：

1. AI服务器：卖“算力盒子”

不是普通服务器，是专门跑大模型的，比如给OpenAI、Meta这种公司提供算力集群，一机柜几十颗GPU

收入：247亿美元，最新季度同比增长757%

2. 网络+液冷：帮AI机房降温、提速

AI训练数据量大到普通网线扛不住，需要高速互联和液冷散热

这部分戴尔也在做，未来年增长20%~30%

3. 企业存储：存数据的地方

AI训练需要海量数据，戴尔手里有当年EMC的存储家底，年收入估算150~180亿美元

4. AI PC：你桌面上也能跑小模型

不用联网，本地就能跑Copilot的电脑，戴尔的Precision工作站和AI PC，正在铺这个市场

5. 传统服务器：不性感，但稳定

支撑普通企业IT，年收入195亿美元，增长平稳

所以戴尔在AI里到底扮演什么角色？
不是做芯片的，也不是做大模型的
它是给所有做AI的人搭台子的——提供算力、连接、存储、散热、管理

英伟达卖铲子，戴尔卖铲子柄、卖水、卖电、卖工位

平时我们的注意力可能都在七姐妹的身上

但基础设施层面的公司——戴尔、HPE、超微——也在深度参与，早就不是之前我们印象中的公司了

[rick awsb ($people, $people) @rickawsb]

AI数据中心时代的MLCC性能比拼：为什么村田制作、太阳诱电能大幅领先？

AI数据中心正在推动MLCC进入新一轮技术升级周期。

过去服务器主要采用12V供电，如今正向48V机架供电演进，未来甚至可能进入800V HVDC高压直流时代。与此同时，NVIDIA GB200、GB300等AI平台功耗持续提升，GPU核心电压已经下降至0.6V-0.8V，但单颗GPU电流却突破1000A。

对于MLCC而言，挑战主要来自三个方向。

首先是高压化。48V供电要求更高耐压、更高可靠性、更强耐热和抗机械应力能力，因此100V级甚至更高耐压MLCC的需求快速增长。

其次是瞬态响应。AI GPU负载变化发生在纳秒级，供电网络必须具备极低ESL（等效串联电感）和极低阻抗，否则就会出现电压跌落、性能下降甚至系统不稳定。

第三是空间限制。GPU周围PCB面积越来越紧张，工程师希望在距离GPU最近的位置放置更多去耦电容，因此MLCC必须同时实现小尺寸、高容值和高体积效率。

面对这些需求，行业开始向高压MLCC、超低ESL MLCC以及超高容值MLCC方向发展。

其中，村田制作和太阳诱电成为最具代表性的两家公司。

太阳诱电推出了LWDC低ESL系列MLCC，通过反向电极结构显著降低ESL，特别适合AI GPU供电场景。同时布局100V以上高压MLCC以及高容值MLCC，并积极推进Embedded MLCC技术。

村田则持续刷新行业纪录，在小尺寸、高容值、高可靠性产品上保持领先地位。

让他们获得竞争优势的，在于材料。

MLCC可能属于制造业，而高端MLCC更接近材料科技行业。

其核心技术链条：

BaTiO₃介电粉体 → 浆料配方 → 薄层化 → 层压 → 烧结 → MLCC

其中最难、门槛最高的环节就是介电粉体。MLCC主要采用钛酸钡（BaTiO₃）作为介电材料。

但不同厂商的BaTiO₃的差距体现在：

粒径控制
粒径分布
稀土掺杂体系
Core-Shell结构
晶粒生长控制

这些能力共同决定最终性能上限。

这也是为什么同样是MLCC，村田能够做到100μF，太阳诱电能够做到50μF而其他大多厂商却连22μF都做不到？

原因是村田和太阳诱电能够把介质层做得更薄、堆叠更多层。

对于固定尺寸MLCC而言，想要提升容值，只能依靠三件事：

更高介电常数
更薄介质层
更多堆叠层数

问题在于，当介质层不断变薄时，对材料的要求会指数级提高。

如果BaTiO₃颗粒过大，当介质层厚度下降到0.5μm甚至更低时，可能只剩下两三层晶粒。

此时漏电、击穿和寿命问题会迅速恶化。

村田和太阳诱电最大的优势之一，就是能够将BaTiO₃颗粒做到极细且高度均匀，从而继续推动介质层薄层化。

而粒径只是第一步。粒径分布往往更重要。
如果颗粒大小差异过大，烧结后容易形成异常晶粒、空洞和应力集中，最终导致可靠性下降和良率恶化。

高端MLCC厂商普遍拥有行业最先进的粒径分布控制能力。

再往上，则是Core-Shell技术。高端MLCC需在BaTiO₃核心外部包覆特殊稀土掺杂层。

Core负责提供高介电常数。Shell负责控制漏电流、提升绝缘性能并延长寿命。

这部分往往是村田制作和太阳诱电最核心的技术机密之一。

即便拥有相同粉体，烧结工艺仍会让最终性能差距巨大。烧结过程中的温度曲线、氧分压控制、保温时间和冷却速度都会影响晶粒成长。

真正领先的厂商不仅能够制造超细粉体，更能够在烧结结束后维持细小、均匀且稳定的晶粒结构。

这也是为什么高容值MLCC极难制造。

100μF的难点是需要将数百甚至上千层超薄介质层稳定堆叠在一起。任何一层出现微小缺陷，都可能导致整颗产品失效。

因此，高容值产品本质上是材料科学、工艺控制和良率管理的综合竞争。

从产业格局来看，目前高端MLCC市场大致呈现以下梯队：

Murata Manufacturing —— 行业龙头，材料、工艺、产品全面领先。
Taiyo Yuden —— 最接近村田的竞争者，在高端MLCC领域长期保持领先。
TDK —— 技术实力强，持续追赶第一梯队。
Samsung Electro-Mechanics —— 制造能力突出，在AI服务器市场持续扩张。
Yageo、Fenghua Advanced Technology等厂商正在持续追赶。

未来AI服务器最需要的MLCC，不再是消费电子时代的大众产品。

而是同时具备：

高压
高容值
超低ESL
小尺寸
高可靠性

五项能力的产品。

而这五项能力最终都会指向同一个源头：几十年积累形成的BaTiO₃粉体技术、Core-Shell结构设计、超薄介质制造能力以及烧结工艺经验。

这也是为什么在AI数据中心时代，真正拉开差距的不是MLCC本身，而是背后的材料科学。

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

[alvin617.eth 🦇🔊 @Alvin0617]

給出美光的新目標價是 1625 的分析師 Timothy Arcuri 有多神？全華爾街排名第二

top 10 股票預測大公開，神 call 美光達 770% 報酬

大家都知道美光的新目標價是 1625 , 且大概都知道這分析出自於瑞銀分析師

但其實這不單單只是一個「分析師」而已，這個預測其實出自於瑞銀的 Managing Director Timothy Arcuri

作為排名非常高的業內分析師之一，多虧了美光 $MU 於今年的漲幅，他最賺錢的一筆評等就是 2025/6/5 給 MU 的 buy，至今報酬 +775.50%

當前他在 TipRanks 12,268 名分析師中排名 #2，過去兩年成功率 86%、平均報酬 99.4%，過去一年平均報酬 56.6%

當然是要爬一下過去他的預測以及當前的價格表現, 看似真的有料

$MU +770.9% — DRAM / HBM 記憶體
$SITM +107.9% — 精準時序晶片（MEMS Timing，AI 資料中心/光通訊時脈）
$SMTC +107.8% — 類比連接 / LoRa 物聯網 + 銅纜光通訊（CopperEdge）
$NVDA +82.0% — AI GPU / 加速運算
$ARM +79.0% — CPU IP 授權架構
$AMAT +52.2% — 半導體設備（WFE，沉積/蝕刻）
$ALGM +53.2% — 車用類比 / 磁感測 IC
$AVGO +43.2% — 客製 AI ASIC + 網通晶片（Tomahawk/Jericho）
$MCHP +20.7% — MCU / 工控車用類比
$GFS 0% — 特殊製程晶圓代工

source ：TheStreet Pro

[链上小财女 @Zoozo2025]

普通人学缠论：搞懂这 3 个，中枢、背驰、三买。因为高手都看缠论。

[Roger波杰克 @roger9949]

黄仁勋 Computex 2026 推 AI PC（N1/N1X），算力下沉走向端侧

- 定价权梯队逻辑：过路费 > 独家 SoC > 物理瓶颈 > 弹性层 > 回避组装厂
- 核心结论：AI 从服务器训练 → 端侧 PC 推理下沉，触发亿级换机潮。NVIDIA × 联发科 N1/N1X Arm SoC + 微软 Windows on Arm 站台，生态闭环开启。
炒“收过路费的”和“卡脖子的”，别炒搬砖的。

定调
COMPUTEX 2026，黄仁勋大概率会讲算力下沉：从“卖铲子给矿场”→“卖铲子给每个人”。
本地 AI 低延迟+隐私+降云成本，PC ASP 提升 + 新换机周期。

方向确认
训练在云 → 推理下沉端侧 → N1/N1X Arm 笔电 SoC 首发（联发科合作，TSMC 制程）。
微软+Arm 生态助力，NVIDIA 定义新标准，冲击 Intel/AMD。
全球上游定价权最强环节受益最大。

第一梯队｜收过路费（定价权最强，零边际成本）
- Arm Holdings ：架构授权核心，N1X 用它的，每卖一台收版税。
- NVIDIA：定义 GPU/SoC 标准，吃全链价值。
这层不用大扩产，利润率直接拉满。

第二梯队｜独家 SoC（量价齐升，短期戴维斯双击）
- 联发科 MediaTek ：N1/N1X 深度绑定 NVIDIA，独家/卡位优势。
- Qualcomm：Windows on Arm 老玩家，共同扩大市场。
独家设计 = 议价权 + 出货弹性。

第三梯队｜物理瓶颈（硬核卖铲人，真实产能稀缺）
- 台积电 TSMC：3nm/先进制程 + 封装，AI PC 芯片必过。
- SK海力士/ 美光 Micron：HBM/高带宽内存，本地大模型推理推需求，供给紧。
靠产能瓶颈定价，不靠故事。

第四梯队｜弹性层（单机价值量提升，适合短炒）
TDP/性能上升带动用量：
- 奇鋐 / 双鸿：散热模块。
- Monolithic Power：电源 VRM 管理。
弹性大，但波动也大。

回避层｜组装厂（无定价权，纯加工）
- 广达 、仁宝等。
赚辛苦钱，叙事跟涨、业绩易证伪。

算力下沉 + AI PC 换机是确定趋势。
优先过路费 + 物理瓶颈（ARM、NVDA、TSM、MU），弹性层短线博弈，回避组装。
盯 N1X 细节放出后的订单。全球链条都动起来，盯着这波。

[猴哥｜houge.sol @HougeSol]

猴哥10倍潜力标：MRAM，全球唯一量产商，美国军方抢着买，华尔街却拼命做空，到底谁错了？

先说一件事，MRAM跟你知道的海力士美光三星，完全不是一回事。

海力士做DRAM，断电数据就没了，美光也是。

Everspin做的叫MRAM，磁性随机存取存储器，速度跟DRAM一样快，但断电不丢数据。

DRAM快，但一断电就失忆。

Flash不失忆，但慢。

MRAM两个优点全占了，军工，航天，自动驾驶，数据中心缓存，这些要命的场景里，MRAM是唯一解。

关键来了，Everspin是全球唯一一家量产MRAM的公司。

不是第一名，是独一份。

全世界就它一家能做。

护城河深到什么程度？

Toggle MRAM，没有第二家。

STT-MRAM，跟GlobalFoundries联合开发的，也是最早量产的。

工厂在美国亚利桑那，纯本土制造。

4月刚签了Microchip代工协议，10年期，在俄勒冈建第二条产线。

从单一工厂变成双线布局，这步棋很关键

专利墙极厚。

三星台积电GlobalFoundries都在搞嵌入式MRAM，但没有一家做独立MRAM芯片。

就像大家都会烤面包，但只有它一个人开了面包店。

美国军方用真金白银投票了。

4月24号，4000万美元美国海军合同，30个月，目标是在美国本土建军用MRAM量产线，这是Everspin史上最大单笔合同。

去年8月还拿了1460万航天国防拨款。

两笔加一起5460万美元，几乎等于它一年的收入。

这不是炒概念，这是五角大楼亲自下场买单。

美国现在疯狂推关键半导体本土化，MRAM是军工航天的刚需，Everspin是唯一本土供应商。

这个位置，有点像存储领域的LEU。

财务数据什么样？

收入不大但在加速。

2025年5520万美元，一季度1490万同比涨13.7%，产品收入涨了28%。

毛利率51.2%，GAAP几乎盈亏平衡，Non-GAAP一年赚520万。

资产负债表很干净，现金4050万，零负债。加上军方合同和拨款未来到账的5460万，弹药充足。

现在贵不贵？

股价26美元，市值6.1亿。

52周区间5.49到51.5，一年涨了477%，从高点已经回调了不少。

P/S 13倍，不便宜。

Non-GAAP市盈率140多倍，看着吓人。

但算一笔前瞻账。

海军合同4000万加航天拨款1460万加扩产后新增收入，2027到2028年收入有机会到8000万到1亿。

按1亿算P/S就降到6倍，画面就不一样了。

最核心的问题，

MRAM这个市场到底能做多大？

目前全球独立MRAM市场可能只有1到2亿美元，Everspin已经吃掉了大部分。

如果市场就这么大，6亿市值已经透支了。

但如果AI边缘推理，国防半导体自主化，汽车自动驾驶这些方向真的把需求推到5亿到10亿，那从6亿市值到30亿以上完全有可能。

说白了就是一个问题：这个村子里只有它一家饭店，生意全是它的，但这个村子到底能长多大？

华尔街已经动手了。

Kerrisdale Capital 5月19号发了做空报告，说严重高估。

空头仓位12个月加了131%。

二季度指引也偏弱，Non-GAAP每股收益0到0.03美元，低于预期的0.06，因为扩产前期要花钱。

52周振幅超过800%，流通盘小，一条做空报告就能砸10%到15%。

美国军方说它不可替代，华尔街空头说它不值这个价。

两边都押了真金白银，有人在撒谎。

护城河9分，弹性9分，确定性4.5分，10倍概率5.5分。

这是一只赌赛道能不能变大的票。

4000万海军合同和Microchip扩产是两个引爆点，炸了就是细分赛道的垄断王者，没炸就继续被空头按着打。

适合对MRAM有独立判断的人。

不懂底层技术就跟风冲进去的，大概率会被800%的振幅晃下车！

#存储 $MRAM #猴哥10倍潜力标

[Bean哥 @BroBean88]

机器人供应链 | 10 倍高潜力标的清单？

上一条说了机器人的 10 倍不在整机，在零件。把 Optimus 的供应链翻了一遍，聊几个让我觉得有意思的。

先说一家可能大部分人没听过的：Cognex（康耐视 110 亿）。

做机器视觉。简单说就是机器人的眼睛。工厂里的机器人要识别零件、检测缺陷、定位抓取，全靠它的视觉系统。全球机器视觉领域龙头公司之一。

特斯拉用它，小鹏用它，Figure 也用它。谁赢它都赚。这种卖水给所有淘金者的生意，我最喜欢。

第二家：Novanta（诺万达， 58 亿）。

做精密编码器和微型电机的。Optimus 几十个关节，每个关节都需要精密运动控制组件。这东西精度要求极高，全球能做的没几家。关注度极低，但卡在一个绝对关键的位置上。

说实话气质很像一年前的 AAOI，小市值、没人关注、但卡在供应链的咽喉上。当然能不能复制 AAOI 的走势我不知道，但这种"紫苏叶"型标的至少值得放进观察名单。

第三家大家应该都认识：Intuitive Surgical（直觉外科，做达芬奇手术机器人的）。

因为它已经证明了一件事，机器人一旦垄断一个细分领域，就是印钞机。达芬奇系统卖出去之后，每台手术都要用它的专用耗材，刀头、缝合线、套管这些。

机器越多，耗材收入越高，而且客户根本换不了，因为医生的肌肉记忆已经绑定在达芬奇上了。

过去 10 年涨了十几倍。但让我觉得后面空间可能比前面还大的是一个数字，手术机器人全球渗透率才 5%。如果到 20%，现在的价格回头看可能还是便宜的。

最后一家，争议比较大：Symbotic（西姆博蒂克，仓储自动化机器人）。

沃尔玛的核心供应商，订单积压超过 220 亿美元。220 亿美元的订单积压 vs 280 亿美元的市值，这个比例在美股里非常罕见。

而且 26财年 Q2 数据也实现了 GAAP 净利润 900 万美元（同比扭亏为盈），当季自由现金流为正。

下一条说怎么配，以及我对机器人这个方向的一个更大的判断。

[Dr. Moyu｜摸鱼局长 @Jason23818126]

普通人玩美股可能不知道要买什么

其实思路很简单：

第一选择：直接定投标普500、纳指100，长期基本都赚钱

第二选择：跟着特朗普买（⬇️附追踪网站）

$INTC $DELL $MU 等暴涨个股，他都提前买了

1. Open Cabinet：https://t.co/gXw7MDBbnB
追踪特朗普官员OGE交易记录，数据接近官方

2. TrumpTrades：https://t.co/O2rHPODiLh
特朗普Q1交易可视化数据库（3642+笔），能排序看行业和Top标的，很清楚

3. Trump Tracker：https://t.co/mw32ZJxvbz
覆盖政府人物的交易和资产，浏览方便

4. OGE官网：https://t.co/OLUZ3gOCWW
最权威的原始披露，但查起来麻烦、PDF多、有滞后

5. ProPublica： https://t.co/AXtzBfV5Cx
聚合了很多官员披露，辅助搜索好用

以上都是事后数据，有延迟，适合长期参考

我平时还会多看看特朗普喊话、发Truth、接受采访，经常也能发现机会

[谁是藏镜人 @VedaAI00]

当 AI 补齐了「空间推理」的最后一块短板，工业设计的软件栈就要被重构了。

Anthropic 研究员 Michael Rabinovich 展示了 Claude Opus 4.8 在 CAD 任务上的实测。相比于 4.7 版本，4.8 在处理复杂的 3D 约束和工业设计逻辑时，表现出了「不合常理」的跨越。

这里的工程溢价极其明确：
1/ **彻底终结「复读机式失败」**。在 Opus 4.7 中，AI 经常在更新环形阵列时只修改一个螺栓。而 4.8 终于展现了完美的「全局意识」，能准确理解并同步修改所有对称实例。
2/ **高难度的空间对齐**。新模型对 3D 锚点（Spatial Grounding）的把握变得异常精准，以往最让 AI 头疼的零件对齐和几何校验，现在几乎可以一次性跑通。
3/ **掌握了高级建模术语**。它不再只会简单的「拉伸」，而是能熟练调用螺旋扫掠（Helical Sweeps）和放样（Lofts）等高级 API。

当 LLM 具备了「可执行」的几何直觉，硬件开发的效率瓶颈就从手动建模转向了审美品位。

我是「谁是藏镜人」，专注于挖掘 AI 在底层工程与物理世界演进的底层逻辑。
关注 @VedaAI00，带你看清 AI 空间智能的下个分水岭。

[大老师Bugsbunny ｜DRAM UP only @octopusycc]

https://t.co/2TitYnxhNi

[勃勃OC @bboczeng]

绝大部分机器人的供应商都在日本、中国、欧洲

这反应出美国制造业落后的事实

但这也是特朗普政府所无法容忍的

所以，我预期在不远的未来，美国政府会投资多家美国本土的机器人供应商

正如intc、mu、ibm、dell一样

这些“老登”公司的股价，也至少会10x起步

我就不去日本投机了

听特朗普的话，指哪买哪就好

有关这一全新和独特的投资视角，欢迎大家入群一起讨论，

也谢谢你们的支持

谢谢大家！

[Rika 瑞卡⚡ @rayrayweb5]

https://t.co/zx8Ul4XOPI

[Dr. Moyu｜摸鱼局长 @Jason23818126]

美股值得关注的优质博主推荐（三）

本期依然精选10个美股博主，覆盖宏观、行业研究和实战策略

1. Serenity @aleabitoreddit
新晋美股股神，华尔街的「每日必读」，专注AI与供应链深度分析、挖掘隐形瓶颈，逻辑清晰，2026年内回报率高达45倍

2. Leopold Aschenbrenner @leopoldasch
硅谷大佬的Alpha基金掌舵人，曾在OpenAI工作，专注前沿科技投资，基金管理规模仅两年增幅超73倍，飙涨至167亿

3. Cathie Wood @CathieDWood
ARK Invest创始人，江湖人称木头姐，科技创新与成长股投资。持仓透明，每周更新组合，风格偏进攻型，适合关注科技趋势的投资者

4. 华尔街没有名字 @WallStreet0Name
实战型内容丰富，覆盖黄金、原油等品种，结合基本面与技术面分析，干货较多

5. 川沐｜Trumoo @xiaomustock
半导体与存储行业研究深入，注重行业逻辑拆解，适合学习如何分析具体赛道

6. Lucy L. @LucyBuilding
前Web3工程师，专注“普通人出海投资路径”，分享配置框架、工具与踩坑经验，特别适合小白入门

7. fin @fi56622380
偏 AI 主题分析，框架比较清晰，适合快速建立AI产业链认知

8. 美股仙人 @hanking66
十年美股经验，分享buy the dip观察与盘面情绪，风格直接实用

9. 徐老猫 @raycat2021
以数据和逻辑为主，不追热点，常用宏观、地缘、估值等因素串联分析美股机会，条理清晰

10. 摸鱼局长 @Jason23818126
持续整合美股优质信息源，分享AI选股思路、投资机会与市场总结

以上账号各有侧重，内容仅供学习参考，不构成投资建议

欢迎补充其他优质账号

[jn wang🇨🇳 @jnwang9527]

收藏=练了！每天坚持这几个动作各100次，摆脱富贵包、驼背，拥有挺拔背部和漂亮一字肩，体态好了气质绝了～