a boiling fish

[AYi @AYi_AInotes]

微软CEO Satya Nadella这篇文章
是我今晚睡前必须看完的，

我觉得他把AI时代公司到底该怎么活这件事，说得很透。

他说，以前的软件工具，本质上是“帮人干活的辅助工具”，
你用Word，Word不会因为你用了十年就变得更懂你，

但AI不一样——它能跟人形成一个实时循环：你给它经验，它反过来让你更强。

他用两个词来拆解这件事，

第一个叫“人类资本”，

就是公司里人的判断力、创造力、人脉、那些在走廊上聊出来的经验，

第二个叫“token资本”，

就是公司自己拥有、持续改进的AI能力。

然后他给了一句最关键的话：
人类的价值不会因为AI变强而降低，反而会变得更重要。

我当时读到这句，脑子嗡了一下，
因为它跟很多人的直觉是反的，大家都在焦虑AI会不会取代人，他说不会，因为总要有人指方向，有人做跨领域的连接，有人在模糊地带拍板，

没有人的引导，AI就是在空转。

但真正让我耳目一新的地方，是他对公司护城河的定义。

他说公司真正的护城河，不是一个更好的大模型，而应该是一个“学习循环”，就是把公司自己的工作流程、领域知识、做了十年才攒下来的判断经验，喂给AI，让它在这个过程中不断变聪明。

这个系统越用越强，慢慢变成公司独有的“机构记忆”，
别人挖不走，复制不了，

因为底层模型可以换，但这个长期积累下来的东西，谁也拿不走。

然后他说了一句让我意识到他真正在担心什么的话，

他说，如果少数几个大模型把所有行业的知识都吸走，普通公司会越来越没价值，最终只剩调用权限——就像当年全球化把制造业外包后，很多国家只剩组装线一样。

所以我反复看他这段话，发现他讲的不仅仅是技术战略，
更像是一个CEO在坦白自己最深的恐惧：别让一个行业，最后只剩下调用按钮的权力。

[Satya Nadella @satyanadella]

https://t.co/vLmiBKTtX3

[Tigris 会讲课教授是好老师 @tig88411109]

大笔抄我的内容的我看都几十万流量，这是都不看？还是算法不推荐？

让你20年前投资成功率不到1%九死一生的 $SPCX 很难

但是这种从估值和供需角度独家分析的高胜率的策略，看到还做不到？

[Herman Jin @ShanghaoJin]

我写太琐碎很多人看不明白

互联网：软件迭代增加算力需求<半导体迭代
AI时代：模型迭代增加算力需求>半导体迭代

20年软件上没有看到过的景象是，模型效果会一直被半导体成本制约

这就好像小时候玩游戏，每次游戏升级显卡、内存都不够了

[铁柱 @TiezhuCrypto]

最后一个模块整体架构已经构建完了。包括：
1、全面构建了从半导体材料、设备、晶圆、存储、CPO等各个模块的核心公司以及公司基本情况、股价和估值等。包括全球股市的，不止是美股。目前收录了219家公司，同时详细收录了英伟达芯片代价变化下的价值量变化、功率半导体变化等。

2、大模型的变化以及coding agent的演变以及收录coding技巧。

3、Github分不同场景高星项目的排行和周度热度。比如金融投资、工具类等。

4、AI资讯，包括一手研究、各AI节点变化等。

[白骏知识分享 @cj3214567667]

听说很变态，但是能让你的英语突飞猛进的方法

语言是这个世界上最小的门槛，它能打开另一片世界。

来自于B站博主：Michael大麦哥

[墓碑科技 @mubeitech]

Karp 的逻辑：投资是概率游戏，模型只要比对手好那么一两个百分点，长期就能赢钱，所以大语言模型在这种地方最好使。
可你要造一辆车，缺一个零件就是废品。
你要把火箭送上月球，差一点就是空中解体。
你要把一枚导弹精确送到对手脑袋上、还要把美国人活着带回来，51% 的把握根本不发货。
这种活儿，没有任何一家高端企业敢拿概率模型上线。

硅谷那帮人：你找他们解决今天的问题，他们的潜台词是今天不用解，反正明天 AGI 一来全都解了。
这基本就是一种宗教。
模型确实很强，强在能写、能聊、能猜个八九不离十。可一旦塞进必须 100% 正确才出货的系统，差的那一点就是人命和废铁。
真正值钱的，是把模型焊进现实、还焊得不出错的那套手艺，模型本身反倒是最容易被人抄走的部分。

[小马 | 商业生存指南 @VibePonyAI]

兄弟们，我今天挖到个核弹级干货！

花1小时把这个彭博终端课看完，
你直接把高盛、摩根大通实习2年的交易知识全打包带走！

里面全是实操干货：股票筛选、债券分析、组合管理、实时数据……以前我自己摸索半天都不懂的，现在全通了！

别再瞎看K线了，专业玩家都在用的工具，普通人也能秒变高手！

赶紧点开看完，建议直接三连收藏+转发，晚了你真会后悔！🔥📈
（视频1小时出头，建议倍速看，干货拉满！）

[Tigris 会讲课教授是好老师 @tig88411109]

CPI这数据和我预想差不多，肯定是高的原因是油价，但去掉油价和食品波动大的核心CPI涨幅0.2%意味着住房和服务最大影响还在降温

下周看美联储会议特别是新主席Wash的风格加息概率基本没有，我个人觉得不排除下半年降息

当然周报说了，战争持续性不可测地缘政治油价传导，但至少…

把市场从可能加息拉回到先按兵不动，等待更多数据。

对股市来说，这已经足够形成反弹，尤其是在今天半导体和AI硬件被地缘冲击提前清洗之后

当然具体颗粒度更深的见周报 订阅专享

[郭宇 guoyu.eth @turingou]

目前 vibe 工作的常态：主 codex 账户负责使用 vas 调度，不写大段代码，我只写目标、循环。不再用计划模式，没有复杂的 Chat UI，不使用 GitHub，只使用 wanman 和 ChatGPT iOS app/ macOS app。vas 服务器全权负责开发，提交，构建，部署。99% 全自动的软件开发。

[Tigris 会讲课教授是好老师 @tig88411109]

https://t.co/aJfGxNnat0

[才谷 | 哪吒商业评论 @realCaigu]

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/3s0hmJbyvw
Claude Code 101 https://t.co/MWXloXUljO
Claude Code 实战 https://t.co/LFoS19rqDO
提示工程 https://t.co/rvLTIbiC3X
互动提示课程 https://t.co/PkVrmel2zb
Claude.md + 记忆 https://t.co/dnc98oyv6O
技能 https://t.co/f7gI9A3jep
MCP https://t.co/gs3rSVu7HS
例程 https://t.co/bWzywsUZRY
Claude Code 终极指南 https://t.co/wVDvVgmKGB
Awesome Claude Code https://t.co/Z7VnEIeOTJ
Anthropic 学院 https://t.co/K276utEWhm
官方 Claude Code 文档 https://t.co/ab8BUYtjlx

现在，复制全文内容，并喂给你的 Agent!

[Jealousy 尼卡 @eastweb3eth]

美股昨晚回调，投资切忌心浮气躁，这个阶段推荐大家读两篇文章：

1. 第一篇就是引用的这篇。 @qinbafrank frank大佬带你深度了解美股AI的风险，以及资金的轮动逻辑。

2. 第二篇是 @BTCdayu 大宇哥的 【戴尔三个月暴涨四倍的可复用规律】，大宇哥对戴尔在AI时代爆发逻辑、财务结构、核心竞争优势以及美股定价机制非常深刻且专业的复盘。

阅读地址：https://t.co/TUT0Z3Kq1W

另外推荐大家关注 @BTCdayu 大宇哥的公众号，这是少数几个我推荐的提高投资认知的公众号之一。

学无止境，以达者为师，感恩能看到如此优秀的文章。

我是尼卡，平时会持续分享 AI、美股、Web3 相关有用又有趣的工具和项目，感兴趣的话欢迎关注，下次见～

[Frank trading @Franktradinglog]

新来了好多朋友，自我介绍一下，我不是permanent bear，也不是permanent bull。
我就是一个做空100%胜率且每次都精准在暴跌前一天call顶从来不抗单的macro trader。
谢谢大家！

[168X @168X_Fortune]

https://t.co/RuGnhwcTiZ

[Tigris 会讲课教授是好老师 @tig88411109]

非农就业低于预期，半导体大跌/道指大涨/IPO来袭/泡沫来了？

这是最有价值和前瞻性解读的深度周报和月报投资仓位策略

把第一时间订阅者专享的内容公开

得以见到真正的买方策略，而不是割韭菜的天天用过气的名气忽悠眼球

保存 复盘和之前时间线上一系列的周报公开连续解读 穿越时间和认知差

先看简图，再看文，具体颗粒度更细和第一时间的update见订阅者专享

[Chris Lee @ViewsOfChris]

Frank 是我敬佩的好兄弟推友，有产业的经验，做过VC，投美股很多年了，为人谦厚、认真，是亦师亦友。他每每能深入浅出的看待一个标的，他的研究说实在的比很多一线投行，还透彻，也有话说话，没销售压力。

再者，他对宏观的观点往往准确，完全不是卖弄文字、出身的人，你看到的是方向和一堆数据back up的选项和原因。

我遇到不懂的标的，也会请教他。在这遍文章里，也把存储和光模块说的透彻、仔细，用产类分类、技术、数据、规模和时间点，为大家解惑。

在他身上，我感受到那热爱，学习研究的态度。
是我必须每天关注的推特好友！

这访问值得再三细品。

[墓碑科技 @mubeitech]

Uber 在一个季度内，把全年的 AI 预算烧光了。但这钱没白花，换来了反常识的结果。CEO Dara 发现，自家的工程师用上 AI 后效率暴增，产出简直像"超人"一样。于是 Uber 做了一个极其现实的决定：既然现有人手这么能干，那就不招新人了。他们开始严格控制增员节奏，用高昂的算力成本，直接锁死了未来的人力扩张。而且这场改造根本不局限于写代码。从工程开发、找 bug、平台迁移，一直到法务和营销团队，AI 已经钻进了 Uber 的每一根毛细血管。Dara 给团队下了死命令：自下而上，用 AI 把系统和流程彻底重构一遍。就算第一步只是让 AI 提升个两三成的效率，那也是赚的。最聪明的还是他们在成本上的算计。搞探索和研发时，闭着眼睛用最贵的 OpenAI 和 Claude，因为前沿模型确实聪明，适合试错。但只要某个场景跑通了、要大规模铺开，他们会立刻切回按 token 算更便宜的模型，或者是开源模型。为什么这么抠细节？因为 Uber 一年哪怕跑出远超 100 亿次的行程，手握 100 多亿自由现金流，本质上依然是个低毛利的苦生意。他们只能靠榨干内部的每一滴效率，来换取终端降价的空间。这就是现在顶尖科技公司的真实玩法。没有空喊口号，算力直接替代人力，用最贵的工具探路，用最省的方案落地。一场冷酷又高效的生产力洗牌，已经在看不见的地方完成了。

[勃勃OC @bboczeng]

IBM CEO认为，AI确实存在泡沫，但泡沫主要体现在GW基建的成本上。如果2030年之前全球要建设100GW的数据中心，那么按照黄仁勋提供的存储涨价后的最新成本估算，每GW 800亿美金，100GW将花费约8万亿美元

如果要想在2030年之前收回成本，这意味着我们需要每年创造2万亿的收入，考虑到30%左右的利润率

这基本是不可能的

所以，要么是投入成本无法收回，要么是100GW目标不切实际，要么是有很多玩家最终出局

这就是2030年之前，泡沫需要经历的残酷验证