Ben@Frontier

Read and Trade. 1823HK

[Ben@Frontier @Ben_Frontier]

财政部借短债买长债的微观操作，短期内看似缓解了长短利率上行的压力，但受制于财政现金的约束，无法替代央行级别的无限量干预。其本质是为了保股市而弃美元的决策，而保股市的本质其实就是为了保中期大选。下面看看美联储的表演吧

[Ben@Frontier @Ben_Frontier]

@daimajia X 就不能��个算法，把那些垃圾评论给自动删了吗？那些评论的内容都同质化得一模一样

[Ben@Frontier @Ben_Frontier]

现在下班跟之前下班定义完全不一样了。现在 token plan 用完了就下班了，工作时长由 token plan 来限制🤣

[Ben@Frontier @Ben_Frontier]

"造软件的地方，和价值产生的地方，不在一个地方。"

这是《前置部署工程师》的核心判断。���本书在讲一件事：别急着做 Demo，先把工程师送到客户真实工作现场，把价值真正交付出去。

AI 产品现在最大的浪费，不是技术不够好，而是系统上线了却没人用。这本书讲的就是怎么填这道鸿沟。

推荐给所有在做 AI to B 的人。

[XDash @XDash]

我把一本二十多万字的新书免费开源在 Github 了——《前置部署工程师：人工智能时代的客户价值交付秘籍》。

全本在线读，一分钱不收，地址在文末。

为什么要写这本书？从两组数字说起。

一组来自麻省理工学院：全球企业在生成式 AI 上烧了三四百亿美元，95% 的项目没能产生可衡量的回报。演示很惊艳，落地全阵亡。

另一组来自招聘市场：一个叫「前置部署工程师」（FDE）的岗位，发布量九个月涨了 800%。OpenAI 在招，Anthropic 在招，YC 一百多家创业公司在招。a16z 直接管它叫「科技行业最热门的岗位」。

两组数字放在一起，结论不难猜：模型已经不稀缺了，能把模型塞进客户真实业务里的人，才稀缺。

FDE 就是被创造出来填这道鸿沟的角色——驻扎在客户现场、把「产品能做的」和「客户需要的」接起来的工程师。Palantir 二十年前在情报机构的保密室里发明了它，如今 OpenAI 为它专门成立了一家估值百亿美元的「部署公司」。

在我看，它就是 AI 时代的前置位的「增长黑客」：一个新物种，一套方法论，一片还没人系统写过的空白。

这本书讲清楚三件事：这个角色从哪来、是什么；从找对问题到规模化复制的完整打法；以及一百多个真实案例，所有数据和案例都在附录里注明了出处，欢迎核查。

也坦白说：这本书是我派 AI 做的深度调研和撰写，框架仿照我十年前写《增长黑客》的那套结构——依然觉得它适合研究和布道各种新岗位。

我原本把它当成自己的学习入门手册，期间驱使 AI 也迭代了好几版。写完觉得，锁在硬盘里有点可惜，于是索性开源免费分享。

如果你正在考虑工程师的转型方向，或者在琢磨 AI 到底怎么在企业里落地，它应该能帮你省下几十个小时的检索时间。

📖 仓库在这，全本免费，欢迎 Star：

https://t.co/kyNVhJrPZQ

会持续迭代，有想补充的案例或想挑错的，Issue 和分支都开着。

——

顺手说一句：十年前那本《增长黑客》的全文开源版，也在我 GitHub 上（zengzhangheike-the-book）。一本是过去，一本是未来，感兴趣的可以一起拿走。

[Ben@Frontier @Ben_Frontier]

@salonbus1024 阿里这么没有存在感吗

[Ben@Frontier @Ben_Frontier]

看现在的大模型之争，回头再去重读一下《遥远的救世主》，对文化属性的理解会更加深刻。

[Ben@Frontier @Ben_Frontier]

把填空题变成选择题

[Ben@Frontier @Ben_Frontier]

@roger9949 主要是常开麦克风费电呀。Typeless 这个输入法，现在好多想做它的、想抄这个产品的，都还没有抄出来。

[Ben@Frontier @Ben_Frontier]

Typeless 真的太费电了，光是一个软件的耗电量就占了整个手机的 40%

[Ben@Frontier @Ben_Frontier]

@0xBoboCrypto Saylor的"永不卖币"从来不是承诺，是品牌叙事。

[Ben@Frontier @Ben_Frontier]

以目前的期权定价和结构性风险，SpaceX的价格在$60-80 是有一定概率实现的底部区间。

[Ben@Frontier @Ben_Frontier]

昨天看到一个个论点：AI驱动的硅基繁荣不产生传统通胀，越发展越看不到加息逻辑。

今天5月非农打脸了一半——17.2万新增远超预期8.8万，V/U重回1以上，工资通胀领先指标已经转向。AI替代就业？宏观数据里暂时看不到。

我理解的逻辑判断是：硅基通缩是真实的长期力量，但渗透速度慢于碳基就业的自然修复。当前周期逻辑���是：就业韧性→工资回升→2027年小幅加息。

碳基是快变量，硅基是慢变量。短期快变量赢。

[Ben@Frontier @Ben_Frontier]

@XDash 是的，这也是我在看你的课程的时候，发现你写了很多脚本。

可能这是 IT 的路径依赖，包括我们 IT 的同事也会喜欢用这种思维模式来处理问题。

[Ben@Frontier @Ben_Frontier]

NOK 的投资逻辑简述

#NOK 早不是你以为的那个手机公司了。

现在的诺基亚，核心逻辑就一句话：它是给 AI 数据中心修"高速公路"的公司——AI 算力集群之间的数据传输，靠的是光通信设备，而诺基亚正在成为这个赛道的老二。

三重引擎叠加：

① 光互联升级（主引擎）
收购 Infinera 后，从"转卖别人芯片"变成"拥有自己的 InP 光子芯片"，一跃成为全球第二大光系统供应商。800G 相干模块���先量产，直接吃到 AI 数据中心互联（DCI）的带宽升级红利。
→ 光网络 FY2026 增长指引从 10-12% 上调至 18-20%

② 数据中心交换机（第二曲线）
Q1 已经拿到美国多家超大规模云客户的 design win，Q2 起放量。之前市场只把它当"欧洲主权云"叙事，美国客户的突破直接打开 TAM 天花板。

③ 欧洲去华为化（政策红利）
欧盟持续推进电信设备"去风险化"，50% 替换情景下 2028 年带来约 €17 亿额外收入——这笔钱目前完全没有算进华尔街的盈利预测里，属于纯增量超预期空间。

已有验证信号：
- Q1 AI/Cloud 订单 €10 亿，占集团收入 8%，book-to-bill >> 1,
- 管理层已连续两季"实际 > 指引"（保守→正面信号）,
- Infinera 整合进度超前，协同效应三年 €2 亿目标有望超额完成

风险考虑：
- YTD +90%，价格已不便宜（现价 $14.85，卖方目标价共识 ~$11-12.5）,
- 85-90% 收入仍来自低增长的电信老业务（RAN 拖累项）,
- DC 交换机 vs Arista/Cisco 仍是小众玩家,

核心矛盾：
- 逻辑方向对、催化剂清晰、有验证信号——但价格已跑了大部分预期。
建议：等回调或 Q2 财报（7 月中）重构估值锚后再动手。

[Ben@Frontier @Ben_Frontier]

流量是注意力，但不是品牌。
品牌是信任。

[Sac @Saccc_c]

一哥们用 seedance 2.0 制作了一个近 2h 的人类进化史科普视频

视频全网撸了上亿的流量，但是哥们你得多有钱呀？这token费用不爆炸？

[Ben@Frontier @Ben_Frontier]

非常同意，Agent其实最适合处理的就是两个事：
1. 需要花时间但是没价值
2. 总是忘但又必须要做的

[vmiss @vmiss33]

https://t.co/Osab1Oa3QX

[Ben@Frontier @Ben_Frontier]

@daimajia 还是比较喜欢 Typeless，它这个还需要重新整理一下文字

[Ben@Frontier @Ben_Frontier]

十年前云迁移也是类似模式——AWS/Azure最初依赖Accenture/Deloitte进行实施推动，但发现系统集成商（SI）的人天计费模式完全无法匹配新范式的快速迭代，最终选择自建服务团队。
AI的部署速度只会更快。PE合资相比SI的优势在于：PE的收益与运营结果绑定，而SI的收入与人天挂钩。激励机制对齐，才能提升落地效率。

[Ben@Frontier @Ben_Frontier]

今天研究了两个知识管理体系，思路完全不同。
@karpathy 的 LLM Wiki 是极简哲学：原始素材扔进一个文件夹，让 AI 编译成结构化笔记，Obsidian 做界面。随时知道里面有什么，随时可以自己改。代价是规模大了之后检索开始吃力。
GBrain 是 YC 总裁 @garrytan 创造的知识库操作系统：包括数据库、向量���索、知识图谱、34 个工作流、定时任务。他自己的部署是 17,888 页笔记、4,383 个人物档案，做到了睡着了系统还在自动整理。代价是搭起来不轻松，维护成本高。
两个都非常值得研究，但最好不要照搬——我选择的是深入理解背后逻辑，再去借鉴这两套设计哲学，给自己的 两套Agent 系统做了一次完整升级。