Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
annie
@annieok9876
Joined November 2024
51
Following
8
Followers
321
Posts
annieok9876
retweeted
惘然
@wr0789
12 days ago
实际上,市场真正的大机会,往往诞生于最没有共识的时候; 而真正的大风险,也往往发生在所有人都觉得“这次不一样”的时候。 周期最大的意义,不是让你预测顶部和底部,而是让你知道:什么时候应该贪婪,什么时候应该克制。 五、牛市最大的陷阱,不是上涨,而是让你失去敬畏 牛市里最容易发生的一件事情,就是人的风险偏好会不断膨胀。 赚10%,觉得自己懂市场了。 赚30%,开始加杠杆。 赚50%,开始相信自己已经掌握了财富密码。 等到所有人都开始相信赚钱很容易的时候,市场往往开始变得危险。 因为市场从来不会奖励盲目的乐观。 牛市真正让人上瘾的,不是上涨,而是“赚钱很容易”的错觉。 而这种错觉,恰恰是很多大亏损的起点。 你开始追涨。 开始满仓。 开始频繁交易。 开始相信“这次一定不一样”。 开始把风险控制抛到脑后。 最后,一个原本可以承受的回撤,变成无法承受的亏损。 所以真正成熟的投资者,并不会因为牛市来了就变得更加激进。 恰恰相反: 行情越顺,越要问自己:如果我错了,我能亏多少? 因为决定你最终收益的,不是你在牛市里赚了多少,而是你能不能把赚到的钱带出牛市。 六、真正的高手,不是预测得准,而是输得起 很多人沉迷于预测。 预测指数涨跌,预测美联储,预测政策,预测下一只牛股。 但市场最残酷的地方就在于: 即使你的逻辑是对的,也可能买错时间;即使方向是对的,也可能承受不了中间的波动。 所以交易真正重要的能力,不是预测。 而是应对。 预测错了怎么办? 判断错了怎么办? 市场不按预期走怎么办? 黑天鹅来了怎么办? 你的核心逻辑被证伪怎么办? 仓位应该怎么调整? 这些问题,比“明天涨还是跌”重要得多。 因为没人能够永远预测正确。 但一个成熟的交易体系,可以让你: 对的时候多赚一点,错的时候少亏一点; 顺的时候敢于持有,逆的时候及时退出; 看不懂的时候空仓,机会出现时再出手。 这才是交易真正的复利。 七、交易的终极目标,从来不是抓住每一次机会 市场每天都有机会。 但属于你的机会,没有那么多。 很多人最大的错误,是把“不交易”理解成“错过”。 实际上: 真正的高手不是每一段行情都参与,而是只参与自己看得懂、赔率合适、风险可控的行情。 看不懂就不做。 没有赔率就不做。 逻辑被破坏就退出。 市场进入疯狂阶段,就开始收缩风险。 这不是保守。 这是纪律。 因为在资本市场里,活着,本身就是一种优势。 只要你还在牌桌上,下一轮机会来了,你还有筹码。 但如果你在上一轮行情里已经满仓、加杠杆、情绪失控,甚至本金都被打光了,那么下一轮超级行情与你无关。 八、真正的交易体系,是一套让你活得久的系统 所以,如果一定要给“交易体系”下一个定义,我认为它不是一套买卖公式。 它应该是一套完整的决策系统: 宏观判断方向,周期判断位置; 行业判断景气,基本面判断价值; 技术面寻找买卖点,仓位管理控制风险; 交易纪律约束情绪,复盘机制不断修正。 最终形成一个闭环: 认知 → 判断 → 交易 → 风控 → 复盘 → 修正 → 再交易。 这才是真正属于你的交易体系。 它不会让你每一次都赚钱。 甚至它也不会让你避免亏损。 但它能够让你的每一次亏损都变得有意义,让你的每一次盈利都可以被复制。 最后 资本市场从来不缺聪明人。 缺的是有体系、懂周期、知进退的人。 真正决定一个投资者最终命运的,往往不是他抓住了多少次机会,而是他在多少次诱惑面前选择了克制,在多少次错误发生之后选择了认错。 市场不会因为你努力就奖励你。 你每天盯盘十个小时,不代表你比别人更接近财富; 你研究几千只股票,也不代表你拥有了交易体系; 你预测对了几次行情,更不代表你已经理解了市场。 资本市场真正的残酷在于: 它可以奖励你的运气,却最终只会留下你的能力。 所以,别再执着于寻找下一只十倍股。 先问问自己: 我有没有自己的交易体系? 有没有宏观框架? 有没有周期坐标? 有没有仓位纪律? 有没有止损规则? 有没有明确的交易逻辑? 更重要的是—— 当市场与你预期相反的时候,你有没有能力承认自己错了? 因为市场真正的绞肉机,从来不是熊市。 而是一个没有交易体系的人,在牛市中不断放大自己的欲望,在震荡中不断消耗自己的本金,在亏损后不断用更大的仓位试图证明自己是对的。 最后才发现: 自己不是输给了市场,而是输给了没有规则的自己。 而交易的终点,从来不是预测市场。 是建立一套即使市场不可预测,你依然能够活下去的系统。
See More
annieok9876
retweeted
惘然
@wr0789
12 days ago
【牛市,才是散户真正的绞肉机】 很多人误以为,熊市才是市场最残酷的时候。 其实未必。 熊市至少会告诉你:危险来了。 真正可怕的是牛市。 因为牛市不会直接把你打趴下,它会先给你希望,再给你幻觉,最后一点一点把你的本金、纪律和判断力消耗干净。 熊市杀的是本金,震荡牛市杀的是交易体系。 过去这一年,指数并没有出现那种让人绝望的单边下跌,更多时候是在一个区间里反复震荡。 指数看起来没跌多少,可很多散户的账户,却已经被来回收割得所剩无几。 为什么? 因为指数的走势,和散户的收益,从来不是一回事。 指数可以横盘,但个股可以轮番杀跌;指数可以创新高,但你的持仓可以不断创新低;市场可以始终存在机会,但你完全可能一次都抓不住。 这就是结构性行情最残酷的地方: 市场没有亏钱,但你亏了;指数没有崩盘,但你的账户崩了。 更残酷的是,很多人甚至不知道自己为什么亏。 今天追热点,明天抄底,后天割肉;看见别人赚钱就觉得自己踏空,看见手里的股票下跌又开始怀疑逻辑。 涨了怕卖飞,跌了不敢止损;上涨的时候没有仓位,下跌的时候满仓硬扛。 最后账户亏损,归结为一句: “今年行情不好。” 但真的是行情不好吗? 很多时候,不是市场没有机会,而是你没有一套能够应对市场的系统。 一、没有交易体系的人,本质上是在靠感觉交易 市场里最危险的东西,往往不是亏损,而是没有规则的盈利。 因为一次偶然的赚钱,很容易让人误以为自己的判断是正确的。 靠消息赚了一次,就开始相信消息; 靠追热点赚了一次,就开始相信热点; 靠重仓赌对了一次,就开始相信自己的胆量; 甚至靠运气抓住一只大牛股,就开始觉得自己悟道了。 可市场最喜欢做的事情,就是让一个人在刚刚建立信心的时候,给他一记重击。 一次盈利证明不了体系,但一次失控,足以摧毁账户。 真正的交易体系,从来不是告诉你“下一只股票买什么”。 而是告诉你: 什么时候应该买,什么时候不能买; 什么时候应该重仓,什么时候必须轻仓; 什么时候坚持,什么时候认错; 什么时候进攻,什么时候防守; 最重要的是——什么时候什么都不做。 很多人研究了十年股票,却从来没有认真研究过自己的交易规则。 每天研究K线,却不知道自己的止损线在哪里; 每天研究公司,却不知道自己的仓位上限; 每天预测指数,却不知道自己错了之后怎么办。 这不是交易。 这是带着本金进入市场,然后把决策权交给情绪。 二、技术分析很重要,但只看技术分析,远远不够 很多人把交易体系理解成几个指标。 均线、MACD、KDJ、布林带、成交量…… 指标当然有用。 但如果你认为几个技术指标组合起来,就能解决交易问题,那就把市场想得太简单了。 K线告诉你价格发生了什么,却不一定告诉你为什么发生。 价格背后,是资金; 资金背后,是流动性; 流动性背后,是利率、美元、信用周期和政策; 而这些东西,最终又嵌套在全球宏观经济周期之中。 所以真正成熟的交易体系,至少应该建立在三个维度之上: 技术面、宏观面、周期面。 技术面解决的是: “现在的价格结构是什么?” 宏观面解决的是: “为什么这个阶段资金会这样定价?” 周期解决的是: “我们究竟站在历史周期的什么位置?” 这三个问题如果没有想清楚,很多时候你所谓的交易,只不过是在K线上寻找安慰。 三、技术决定买卖点,宏观决定风向,周期决定赔率 这是我越来越相信的一句话: 技术决定你什么时候上车,宏观决定这辆车往哪里开,周期决定你这一趟到底有多少利润空间。 同样一个突破形态,发生在流动性宽松周期里,和发生在流动性收紧周期里,意义完全不同。 同样一只股票,处于行业景气上行周期和景气下行周期,估值逻辑也完全不同。 同样一个利好消息,在牛市中可能成为资金加速上涨的催化剂,在熊市中却可能变成资金借利好出货的机会。 所以: 脱离周期谈技术,是刻舟求剑; 脱离宏观谈个股,是只见树木; 脱离估值谈趋势,是用情绪给价格找理由。 真正值得研究的,不是某一根K线,而是: 这轮行情的发动机到底是什么? 是盈利? 是流动性? 是政策? 是估值修复? 是风险偏好? 还是纯粹的情绪推动? 如果连行情的发动机都没有搞清楚,却每天忙着寻找买点,很多时候只是把交易做得越来越勤奋,却没有让自己变得越来越正确。 四、周期意识,是绝大多数散户最缺的一课 市场永远不是一条直线。 有繁荣就有衰退,有扩张就有收缩,有风险偏好提升,就会有风险偏好坍塌。 周期不会消失,它只会换一种方式出现。 经济有周期,流动性有周期,行业有周期,商品有周期,房地产有周期,股票市场同样有周期。 最危险的事情,是在周期顶部用底部的思维做多; 而更危险的事情,是在周期底部用顶部的恐惧卖出。 很多人亏钱,不是因为不聪明,而是因为没有周期坐标系。 不知道自己身处周期的哪个阶段,于是涨一点就觉得牛市来了,跌一点就觉得熊市来了。
See More
annie
@annieok9876
1 day ago
@wr0789
天呐🥳🥳🥳🥳🥳🥳🥳❤️❤️❤️❤️❤️❤️❤️❤️
annie
@annieok9876
3 days ago
@kapi7215
好久不见!
annieok9876
retweeted
fin
@fi56622380
5 months ago
华为τ scaling定律营销策略,无非是more than moore的广义摩尔定律的另一种说法而已 作为芯片架构师,我更感兴趣的,还是芯片密度提升,ppt上41%能耗提升和12.7%性能提升,到底是怎么实现的 看完了论文,感觉华为这次创新,本质上是用设计复杂度高 + 高制造成本 + 超前散热,一定程度弥补了工艺差距 ----------------- 1. 华为芯片堆叠带来的等效密度提升,是虚假宣传还是真的,是不是工艺突破?有没有实打实的好处? 等效密度提升的来源,是两片芯片用hybrid bonding技术绑在一起,投影面积理论上能减小一半,但第一代不是全芯片双层折叠,而是选择性折叠关键logic,所以只有大概53%的芯片面积实现了折叠(密度155->238),等到后面几代折叠面积会逐渐增大,到2030年接近全折叠(密度155->292) 这2026第一代等效密度从 2025 年 155 MTr/mm² 跳到 2026 年 238 MTr/mm²,时钟频率也提升了12.7%,功耗比提升41%,表面上看似乎和工艺突破没有什么区别,但有一点重要区别就是leakage power华为从头到尾没有提,只要工艺节点不变,gate leakage、junction leakage 不会因为 3D stacking 自动改善 2030年到2031年的等效密度突变,大概率是来自于2层堆叠到3层堆叠,正如2025到2026年的等效密度突变,时钟频率突变,来自单层到2层折叠 所以从leakage没提这个事来看,这个2031年等效1.4nm,和工艺节点上的突破没有联系。 本质上是用设计复杂度高 + 高成本 + 超前散热 + 超前部署advanced packaging,一定程度弥补了工艺差距 ----------- 那么这样看起来虚假的等效密度提升,有用处吗?好处在哪里? 有的,设计上topology折叠,原来要跑几毫米的水平走线,折叠后变成了几十微米。降低了super buffer/bus的长度,降低了clock tree的深度(clock depth -42%、clock wire -28%),clock skew也带来了改良(-25%),这对动态功耗的改善是实实在在的。部分critical path的缩短,也让时钟频率的上升更容易 所以ppt roadmap上performance的提升,从2025年到2026年上升了12.7%,大部分都是来自于时钟频率的上升(12.7%) 所以好处基本上是topology拆分电路逻辑设计上带来的提升 既然没有实质上的工艺提升,华为芯片堆叠带来等效密度提升的trade off代价在哪里? 三个代价:散热超前发展,设计复杂度高,制造成本变高 最大的代价就是热密度的同步上升,理论上logic on logic都是CPU execution发热最严重的区域,这部分折叠起来相当于功耗密度直接翻倍,但算上41% power efficiency改善,功耗密度仍只比非堆叠方案高40%左右。所以第一代只能对最关键的部分做折叠,大概只占全芯片面积的53%。 所以散热技术也被逼的超前发展,直接上毫米级的MEMS风扇,做micro-cooling fan。 另外的代价就是设计复杂度的变高,critical path的折叠,哪个部分的logic能折叠,折叠之后又会带来从前端到后端的巨大变化要推翻重来 现有的所有EDA工具也不可能支持3D topology,论文自己也承认,full-scale LogicFolding需要全新的3D-native EDA toolchain,把多层stacked dies当作单一连续设计实体处理。哪些logic能折叠、折叠后的inter-die timing closure怎么做,Physical Design(PD)也是难点 制造成本也会更高,被迫超前部署advanced packaging封装,1.5~2um的hybrid bonding + logic on logic都是很有挑战需要显著更高的成本 以前一层wafer做一次光刻;现在两层wafer分别做光刻再bonding,加上hybrid bonding的overlay控制(论文要求<0.5μm)、TSV、KOZ keep-out zone、冗余修复、良率乘法损失,每颗芯片的制造成本和测试成本都要显著上升 -------------------------- 2. Tau scaling这个说法,scaling的到底是什么,这个scaling技术路线是不是一次性的design topology红利?潜力如何?持续进步的空间在哪里? τ Scaling的核心主张是:用时间常数τ替代几何线宽作为全栈优化目标,在器件、电路、芯片、系统四个层级分别压缩特征延迟 公式本身没有任何新物理。"关注瓶颈延迟"是所有架构师都在做的事情。整个行业都知道互联RC是延迟瓶颈,TSMC每一代工艺都在用low-k dielectrics/semi-damascene等手段降RC。把一个众所周知的优化方向包装成"定律"是显然的营销宣传手段,本质是More than Moore的广义摩尔定律的另一种说法 抛开marketing,华为目前所谓RC delay的改善,本质上是芯片堆叠之后,topology距离缩短,让匹配的effective RC都变小,不是RC工艺常数 至于scaling的意思,是能持续发展的一条roadmap。这里的持续改善路径指的是,全芯片堆叠的层数越来越多,从25~30年的2层堆叠,到31年开始的3层堆叠,以后甚至会考虑4层堆叠 第一代折叠技术甚至不是全芯片双层折叠,而是选择性折叠关键logic,所以只有大概53%的芯片面积实现了折叠(密度155->238),等到后面几代折叠面积会逐渐增大,到2030年接近全折叠(密度155->292)。2031年的roadmap之所以会出现一个阶跃,就是因为那是从2层折叠到3层折叠的时间点。 但需要注意的是,这个scaling方法的边际效应是逐渐缩小的,折叠成双层的收益是100%,2->3层的收益就只有50%,如果2035年再从3->4层堆叠,收益就只有33%了 另外随着堆叠层数变高,上面说到的三个挑战,散热,设计复杂度,成本,都是越来越大 --------------------- 3. 华为的芯片堆叠,是不是TSMC/AMD已经有的hybrid bonding技术?华为做到的是cache on logic,cache on cache,还是logic on logic,logic on logic最大的散热问题是怎么解决的? 是已经有的技术没错,但同时也是把现有技术指标做到了领先也是真的,3D堆叠本身不是新技术,TSMC的hybrid bonding量产还是6um,华为论文给出Kirin 2026的hybrid bonding pitch是1.5μm 我在刚刚看到华为的堆叠消息之后,第一反应也是怀疑和AMD的3D V cache类似,它主要把 SRAM cache 叠在 已经有的L3 cache 区域上,通常会避免直接堆在最热的 CPU execution logic 上,就是避免散热问题,毕竟SRAM 的功耗密度和热点特性与high-activity logic 不一样,如果最热的logic on logic堆叠,散热恐怕会碰到困难 但看了更多数据之后,clock buffer -56%、clock depth -42%、clock wire -28%,这些只有在core内部的clock distribution被重构时才可能发生。纯SRAM stacking不会碰core内部的clock tree。另外如果只是cache on cache,大概率是不需要单独MEMS微型风扇额外散热的,证据普遍都指向logic on logic方式 华为这个技术的精妙之处在于,logic on logic 折叠之后热密度并没有翻倍,而是因为topology的好处,能耗下降了30%,这样热密度只上升了40~50% 而第一代没有完全把整个最热的execution logic 100%堆叠起来,论文也明确说selectively applied along key critical paths,只是大概53%有选择性关键路径会堆叠起来,可能颗粒度都没有那么好,只是IP堆叠在IP上,那么热密度上升也许能维持在20%以内 但这条道路继续前行,超前发展的散热就成了必然,现在是MEMS微型毫米级的主动散热风扇,紧贴处理器传导效率高,和华为手机一样,散热堆料特别足,而且技术领先同行。 以后怕是要把HBM7/8的微流道散热技术提前用起来了,毕竟HBM7/8要上24+层堆叠,华为很可能要在提前用上下个世代的散热技术了 ------------------------- 4. 从架构角度来说,最重要的问题,华为41%的power efficiency(能耗比)提升,到底是怎么实现的?为什么AMD的3D V cache没有这么大的提升? 首先确定41%的定义。论文只说"SoC performance-core power efficiency improved by 41%",没有给出benchmark名称、Voltage/Freq点、温度条件、功耗边界。但PPT roadmap上有一个关键线索:ISO-Power Performance的数字,2025年是2.75,2026年是3.1,提升12.7% 这个时钟频率提升12.7%完全一致,可以理解为,同功耗的性能提升是12.7%,绝大部分是时钟频率提升带来的 至于能耗比上优化的猜测是,LogicFolding缩短critical path → 在固定Vdd下Fmax从2.75GHz提升到3.1GHz → 这意味着在原来的2.75GHz频率下,有了约12.7%的timing headroom → 这个空间在iso-performance模式下可以换成更低的Vdd 另外的能耗比的提升,可能也来自于电路折叠之后,cache hit latency的下降。从业界经验来看,一般L2/L3 cache hit latency下降10%,CPU整体性能会有至少5%的提升 ppt里显示SRAM latency下降30%,估计会有一部分转化为cache hit latency的下降 AMD的3D V cache没有这么大的提升,主要是因为AMD的底层logic die并没有重新设计,3D cache的延迟latency不仅没有减小反而加大,只是增加了cache大小,收益不如latency下降那么明显。 另一方面,clock skew的下降,critical路径变短,造成电路timing变好,意味着华为可以使用更低的vdd(猜测甚至能低7~8%),以及路径缩短所带来的RC的下降(考虑到clock buffer -56%、wire -28%、SRAM pJ/bit -24%这些数字,比如C_eff下降10~15%合理),再加上clock tree的整体缩短和下降,确实是有可能在部分Voltage/Freq点做到同性能下,做到30%的功耗下降的,而30%的功耗下降换算过来就是41%的power efficiency 对比苹果和高通,每一代手机芯片在iso-power下单核性能一般提升10-20%,iso-performance下功耗一般降30-40%,这是V/F曲线的特性决定的,所以从经验上来说,数字是对的上的。 所以这个power efficiency(能耗比)的提升,从现有的数字上来说可以从topology推导出来是合理的,可能真的和工艺节点没有太大关系 ---------------------------- 5. 这个技术路线有没有可复制性,其他家会不会效仿? 短期内不会大规模效仿,因为性价比和风险收益比来说不好。长期来看,这个方向所有人都在走,只是名字不一样 华为做LogicFolding的根本驱动力是制裁,工艺节点被卡在7nm,只能在封装,散热,和设计层面想办法弥补。华为也为此付出了不小的代价:散热成本,设计复杂度,以及制造成本更高(包括良率)。这是一个被逼出来的路线,不是一个自然选择 其他玩家在用TSMC就能做到正常的经济迭代,是没有必要冒着这个风险,去超前迭代散热技术和设计复杂度的 长期来看,Intel的Foveros、TSMC的SoIC、AMD的MI300的3D stacking都在朝同一个方向走。如果继续追最先进节点的经济性持续恶化,那么"固定一个成熟节点+3D topology optimization"的路线会越来越有吸引力 散热方面,MEMS微型风扇和微流道也会成为未来HBM散热的主流 ------------------- 总结一下,华为这次的创新,绝对是值得尊重的,在制裁环境下,用极高的设计复杂度和成本,在一个被锁定的工艺节点上大胆重新设计,榨出了一次大的topology红利,虽然它有天花板。每多加一层的边际收益递减(堆叠1->2层, 2->3层, 3->4层,提升百分比变小),leakage无法解决,散热越来越难,3D EDA工具链更是全新的挑战。 但这个Tau scaling不是一条可以走十年的指数增长路径,每次爬完一个台阶,下一个台阶更难爬,而且台阶更矮收益更小,华为以后想缩小差距,还得再想想靠什么其他的路线
See More
annie
@annieok9876
6 months ago
英维克太吓人了! 4月真的要谨慎!
annie
@annieok9876
7 months ago
牛市多急跌,见识了~
annie
@annieok9876
8 months ago
@tzwqbest
年轻真好~,生日快乐🎁,新年快乐🎊
annie
@annieok9876
8 months ago
@kapi7215
新年快乐🎊,🐴上发财!
annie
@annieok9876
8 months ago
@tzwqbest
疯了
annie
@annieok9876
8 months ago
@kapi7215
这周有色把我砸伤了🥹
annie
@annieok9876
8 months ago
@tzwqbest
每个人都有自己的【商业航天】~
annie
@annieok9876
8 months ago
@tzwqbest
同睡不着了… 这跌得…
annie
@annieok9876
9 months ago
@mengxitang1
哎,最近回撤的厉害🥹
annie
@annieok9876
9 months ago
@tzwqbest
新年快乐,事事如意
annie
@annieok9876
9 months ago
@9777209
新年快乐,事事顺意
annie
@annieok9876
11 months ago
@orhan8902058627
牛!
annie
@annieok9876
11 months ago
@Mistery5387057
亿纬锂能是不是该走了呀
annie
@annieok9876
12 months ago
@Mistery5387057
爱你🥰💗💗
annie
@annieok9876
about 1 year ago
@orhan8902058627
还放人波😂
Last Seen Users on Sotwe
Marc Elll
Seen from
Indonesia
سوداني عطشان🥵🍆💦
.
Seen from
Turkey
Diyabla
Seen from
Egypt
Mostly Creampies
Seen from
Thailand
فحل ليبي🍆🇱🇾
🐏Chú Cừu Sợ Popper🐏
Seen from
Vietnam
Big Dalia 💕
Seen from
Singapore
KIŞKIRTICI HATUN
Seen from
Turkey
ديوث اخواتي نور وزينب وسجى🔥
Seen from
Israel
Trends for you
1
Mike Ditka
Under 10K tweets
2
Da Bears
Under 10K tweets
3
Iron Mike
Under 10K tweets
4
New Yorker
Under 10K tweets
5
RIP Legend
Under 10K tweets
6
Navi Pillay
Under 10K tweets
7
Kicking and Screaming
Under 10K tweets
8
Charlie Kirk
Under 10K tweets
9
Ledger
Under 10K tweets
10
Category 3
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
241.5M followers
2
Barack Obama
@barackobama
118.9M followers
3
Cristiano Ronaldo
@cristiano
114.6M followers
4
Donald J. Trump
@realdonaldtrump
111.8M followers
5
Narendra Modi
@narendramodi
107.1M followers
6
Rihanna
@rihanna
98.7M followers
7
NASA
@nasa
92.3M followers
8
Justin Bieber
@justinbieber
91.8M followers
9
KATY PERRY
@katyperry
90M followers
10
Taylor Swift
@taylorswift13
84M followers
11
Lady Gaga
@ladygaga
75.5M followers
12
Virat Kohli
@imvkohli
73.5M followers
13
Kim Kardashian
@kimkardashian
70.9M followers
14
YouTube
@youtube
68.8M followers
15
Neymar Jr
@neymarjr
66.5M followers
16
Bill Gates
@billgates
65.2M followers
17
Selena Gomez
@selenagomez
63.1M followers
18
The Ellen Show
@theellenshow
62.2M followers
19
CNN
@cnn
61.8M followers
20
X
@x
60.7M followers
Olivia
Online
✨
⭐
💫