Ddd

Digital arts and coins.

[0x鸣人 @LuBtc888]

真心建议喜欢商业营销与AI的兄弟们都去耐心听完这场讲座

这是一场在复旦大学给商科学生讲的商业分享，讲者是real屠龙的胭脂井。

她没有讲那些听起来很美但落地困难的理论，而是把过去做高端消费品、开品牌店、搞AI项目的真实经历，

包括踩过的坑、算过的账、打过的仗很易懂的讲了出来。

重点围绕定价如何锁定长期价值、如何用数据模型真正理解客户复购和终身价值、以及AI时代信息优势被打破后，品牌该怎么重新建立竞争力。

整场分享像把商业决策从“靠感觉和短期热闹”拉回到“可测量、可预测”的底层逻辑上。

整场分享像一次商业世界的“减法课”，把那些花里胡哨的东西去掉，只留最硬的底层逻辑。

营销人、创业者、商科学生都值得看。

83分钟，建议认真听完。

[Wayen @wayen_ai]

Ilya Sutskever 曾断言，只要读懂那 30 篇奠基论文，就能掌握人工智能 90% 的精髓。但面对枯燥的数学公式，大多数人很难将其转化为可运行的代码。

最近在 GitHub 上发现一个叫 Sutskever 30的开源项目，用纯 NumPy 把 Ilya 推荐的 30 篇奠基性论文全部实现了一遍，已 100% 完成。

每个实现都不依赖深度学习框架，只用 NumPy 从零构建：
1.配合 Jupyter Notebook 交互式学习，随时改代码看效果
2.自带合成数据，打开就能直接跑，无需下载数据集
3.覆盖 RNN、LSTM、Transformer、ResNet、VAE、RAG、Scaling Laws 等全部核心架构

GitHub：https://t.co/n4uWTnRPGX

只需要装好 NumPy 和 Jupyter，就能挨个 notebook 跑通，从字符级 RNN 一路看到通用人工智能理论。

想真正吃透 AI 底层原理、不再只会调包的朋友，建议直接 Star 收藏，跟着敲一遍代码，比看一百篇解读文章都管用。

[比特币橙子Trader @oragnes]

巴菲特：AI 巨头可能很快就要崩盘！😱

巴菲特承认，他亲自启动了对谷歌母公司 Alphabet 的投资，目前伯克希尔持有的谷歌股份价值已超过 310 亿美元，使之成为仅次于苹果和美国运通的第三大重仓股。

上个月，伯克希尔还通过私募方式直接从谷歌购买了价值 100 亿美元的股份。

然而，在重仓买入的同时，巴菲特对整个 AI 行业的竞争格局发出了严厉警告。

他指出，谷歌、微软和亚马逊等巨头为了维持在 AI 竞赛中的地位，正在进行数千亿美元的资本开支。

这种极其高昂的算力与基础设施运营成本，在过去软件开发成本低廉的时代是难以想象的。

巴菲特认为，这些科技巨头如今根本没有选择，只能被迫持续追加预算，因为谁也承担不起最先退缩、退出竞争的代价。

在他看来，这些巨头正在被迫“玩一场他们自己其实并不想玩的烧钱游戏”。

为了说明行业格局的残酷与不可预测性，巴菲特列举了 IBM 与昔日零售巨头 A&P 的历史教训。

IBM 曾垄断市场数十年，直至竞争对手提供更优方案使其核心业务开裂。

而 1930 年代全美最大的零售商 A&P 曾拥有无可争议的统治地位，如今已彻底消亡。

巴菲特以此暗示，即便当下的 AI 巨头拥有极强的统治力，也无法保证十年后依然处于主导地位。

巴菲特还对当前的华尔街研究风气进行了抨击，称市场上 90% 到 95% 的投研报告本质上只是为了推销金融产品的“商品营销”。

他指出，分析师们极度迷恋下一个季度的业绩表现，却几乎没有报告去真正审视和计算这些企业在 AI 上的实际投资回报率。

伯克希尔一方面豪掷 310 亿美元押注谷歌，另一方面却对整个 AI 战场的终局表示极度担忧。

这一看似矛盾的举动，本质上反映了巴菲特一贯的商业逻辑：

他并非看好 AI 行业整体的非理性繁荣，而是仅仅将谷歌视为一个价格合理的“好生意”，同时冷眼旁观那些陷入资本军备竞赛、缺乏退出通道的其他行业参与者。

[0xCrypto Tied @CryptoTied]

🚨兄弟们！纯 C 引擎在 25GB RAM 机器上跑 744B GLM-5.2 了

Colibri 是一个极致优化的纯 C 推理引擎，能在普通消费级机器（~25GB RAM）上运行 GLM-5.2（744B 参数 MoE）。

核心原理：

→只把活跃的 dense 部分（~17B 参数）常驻内存（int4 压缩后约 9.9GB）
→2万+ 个 routed experts 放在磁盘（~370GB），按需 streaming + LRU 缓存
→支持原生 MTP 推测解码（int8 head 可达 2.2–2.8 tok/forward）
→纯 C 实现，零依赖，带 async readahead 和 RAM 安全预算

实测表现（社区数据）：

→冷启动 ~30 秒
→冷解码约 0.05–0.1 tok/s（磁盘受限）
→暖缓存 + MTP + 热专家 pinning 后可明显提升（有实测 0.37 tok/s 的案例）

对想在低配机器上本地跑前沿大 MoE 模型的人来说，这个项目是目前最激进的开源尝试之一。

[Rahul @sairahul1]

Google Brain founder, Andrew Ng:

"100% of my tasks are done by ai agents, self-improving loops are next.

Give it 3-6 months and prompting is gone."

32 minutes of clear explanation on building loops from scratch.

Worth more than any $500 agentic course.

Watch it, then read the full guide below.

[0xCrypto Tied @CryptoTied]

🚨卧槽！学 AI 量化的第一本书终于出到第三版了

Machine Learning for Trading（作者 Stefan Jansen）目前在 GitHub 上有 19.6k stars，第三版刚刚发布。

这本书不是纸上谈兵，而是代码+案例+实盘一条龙的实战书籍。它系统地讲了如何把机器学习应用到量化交易的全流程：数据获取 → 特征工程 → 模型训练 → 回测优化 → 实盘执行。

核心亮点：

→27 章完整覆盖从数据到实盘的全链路
→9 个跨资产案例（ETF、加密永续、日内股票、期权、外汇、期货等）
→第三版新增：生成式 AI + 自主交易 Agent、因果机器学习、强化学习、合成金融数据
→现代技术栈：Polars + PyTorch + LightGBM + Optuna
→支持实盘对接 Interactive Brokers、Alpaca、QuantConnect

对想系统学习 AI 量化、从理论走到实盘的人来说，这本书是目前信息差最小的选择之一。

[淘沙者(TheSandPicker) @Etudecn]

Google工程师刚刚直播手搓了个完整App。
全程就靠Claude，一个人26分钟搞定。
用的就是他们内部的工作流，不需要团队，小白也能照做。
这比那些500美刀的摸鱼编程课实在多了。
视频下面还附了份指南，告诉你Claude里99%的人都不知道的隐藏功能。

[梭哈.AI @SUOHA_AI]

Serenity 的这篇推文的含金量极高，但信息量太大，估计没多少人能看完

白毛股神 Serenity 围绕波士顿动力、人形机器人与传统汽车产业链的关系做了一篇信息量极大的方向性研判，提供了一套极其扎实的供应链拆解逻辑与真实赔率的思考框架

这可能是近期人形机器人赛道最清醒、也是信息密度最大的一篇推文，如果你对机器人零部件概念股的估值感到困惑，建议先静下心来读完这篇

我逐一回看并核实了她提到的每一个公司和每一条产业链线索，为大家做一次完整的拆解🧐

一、Serenity 到底在讲什么？

三句话总结她的核心观点：

第一，她技术上认可波士顿动力，但商业化上谨慎——如果无法像宇树科技那样迅速实现 3 万台量产规模，布局上游零部件的逻辑就站不住脚

第二，真正值得留意的是传统汽车零部件巨头——因为人形机器人与汽车在驱动电机、减速器、热管理、电池等底层制造工艺上有高达 70% 的技术重合度，再叠加台积电董事长对"AI 汽车"和功率半导体的增长判断，这些被汽车下行周期拖累估值的车企零部件商在 2028 年前后有望迎来人形机器人的增量催化

第三，在人形机器人领域很快会诞生一个类似 Anthropic / OpenAI 级别的平台型主导者——在那个领导者被市场确认并带动整条产业链估值重估之前，此刻最具赔率的做法是趁估值仍然合理时，重仓下游整机集成商（如 Agility Robotics），而不是被上游零部件的概念炒作所吸引

二、在 Naver 上疯传的波士顿动力供应链名单

Serenity 提到，最近有一篇关于波士顿动力新版 Atlas 供应商的文章在韩国 Naver 社区上广泛流传，引发了韩国散户和机构投资者的高度关注

我回看了韩国先驱报、韩国经济新闻等主流媒体的原始报道，核实到：2026 年 6 月，波士顿动力工程团队确实在韩国对十余家传统汽车零部件制造商进行了为期约一个月的现场审计，为 2028 年 Atlas 年产 3 万台的量产目标铺设供应链

流传名单中的推测供应商涵盖以下环节：

1. 计算与 AI 层

Samsung Electro-Mechanics / 三星电机 高精度 MLCC、FC-BGA 封装基板 两家 CEO 已在 CES 2026 正式会晤讨论技术合作，尚未确认正式供应关系

Intel ($INTC) 传闻中的处理器候选

NVIDIA ($NVDA) Jetson Thor 算力平台，人形机器人核心推理计算引擎

Google DeepMind AI 算法与软件系统

2. 存储层

Samsung Electronics / SK Hynix / Micron ($MU) 为推理运算和感知系统提供 DRAM 与闪存模组

3. 视觉感知与传感层

LG Innotek / LG 伊诺特 2025 年 5 月与波士顿动力正式签署合作协议，联合开发集成 RGB 摄像头与 3D 感知模组的视觉传感系统，作为新一代 Atlas 的"眼睛" 量产预计 2026 年后启动（已确认）

Aeva ($AEVA) LG Innotek 于 2025 年 7 月向其投资最多 5000 万美元（约占 6% 股权），联合开发面向物理 AI 的 4D FMCW LiDAR 2026 年 1 月发布联合产品 Aeva Omni，面向机器人、无人机和仓储场景

Ouster ($OUST) 继承原 Velodyne（2023 年合并）与波士顿动力 Spot 的多年期 LiDAR 协议 Spot 增强自主导航载荷 EAP 使用的正是 Velodyne Puck 传感器（已确认）

SOS Lab / 에스오에스랩 (464080.KQ) 韩国本土固态 LiDAR 厂商 预期为新版 Atlas 供应激光雷达模组，波士顿动力工程师已实地到访考察

Onsemi / 安森美半导体 SOS Lab 的底层半导体合作伙伴 2020 年 CES 签署合作备忘录，由安森美提供 SPAD 单光子雪崩二极管阵列，支撑 SOS Lab 的固态 LiDAR 方案

4. 电池与能源层

LG Energy Solution / LG 新能源 (373220.KS) 已确认为新版电驱 Atlas 提供 46 系列高能量密度圆柱形锂电池 同时为特斯拉 Optimus 和 Figure AI 供电（已确认）

CATL / 宁德时代 传闻中的候选电池供应商，尚无公开确认

5. 传动与减速机层

SPG / 에스피지 (058610.KQ) 韩国本土精密减速机龙头，拥有谐波减速机、行星减速机全产品线 在国产替代日本 Harmonic Drive 方面处于领先，已为协作机器人供货

ROBOTIS / 로보티즈 (108490.KQ) Dynamixel 伺服模块是全球研究级机器人中使用最广泛的伺服模块之一 产品覆盖机器人手部、夹爪和关节执行器

ABB (ABBN.SWX) 与 Figure AI 成立 22 亿欧元合资公司，在瑞典建设年产能 5 万台 Figure 04 人形机器人工厂

6. 执行器与运动控制层

Hyundai Mobis / 现代摩比斯 (012330.KS) 独家研发并提供新版 Atlas 全部 31 个核心旋转与线性执行器（已确认） 波士顿动力最核心的硬件垂直整合伙伴

HL Mando / HL 万道 (204320.KS) 已确认为 Spot 供应执行器 人形机器人执行器量产路线图目标 2028 年启动

Samhyun / 삼현 (437730.KQ) 电机、减速器、控制器 3 合 1 智能执行器 2026 年 6 月宣布已获某"全球人形机器人公司"样品关节执行器订单

7. 结构件与外壳层

SL Corp / 에스엘 (005850.KS) 已与波士顿动力签署 Spot 腿部模块及 Stretch 物流机器人指示灯的实质量产供应合同（已确认）

Sungwoo Hitech / 成宇海泰克 (015750.KQ) Atlas 外壳及复合材料保护罩头号候选供应商（考察中）

Seoyon E-Hwa / 瑞延理化 (200880.KS) 汽车内外饰件制造商，Atlas 外壳生产候选（考察中）

Hwashin Precision / 화신정공 (044820.KQ) 现代汽车底盘件核心供应商 正被评估供应 Atlas 轻量化铝合金大结构件，该股因此传闻在 2026 年 6 月出现连续涨停（考察中）

三、Serenity为什么说盲目做多上游零部件是"数学陷阱"？

Serenity 对上述名单的态度非常冷静：她明确表示自己在技术层面看好波士顿动力，但在商业化层面并不看好

她的逻辑是： 如果波士顿动力（或任何西方整机厂）不能像中国的宇树科技那样迅速将整机成本压到约 3 万美元，并很快推进到年产数万台的规模，那么其上游零部件供应商的业绩弹性就极为有限

Serenity 以 $VPG 算了一笔直观的账：

VPG ($VPG)的高精度应变计和力矩传感器被广泛认为是机器人手部和关节力反馈的核心 picks-and-shovels 工具，Citron Research 在 2025 年 4 月的报告中甚至将其与特斯拉 Optimus 的供应链挂钩

但即便按照每台机器人 150 美元的传感器价值量计算，在整机厂达到 5 万台出货量的情况下，带给 VPG 的年收入也仅仅是 750 万美元。对于一家年营收数亿美元的工业零部件商来说，这个数字对利润表根本不构成任何实质性拉动

简而言之：在没有百万台级别的消费级量产爆发前，纯粹炒作上游零部件概念的股票最终都会面临业绩无法兑现的去泡沫化风险

四、中国供应链已跑赢，西方出货拐点在 2028 年

Serenity 特别强调了中西方人形机器人产业的出货节奏的问题

我核实了这一判断的底层数据：
1. 宇树科技 G1 于 2024 年 8 月开始量产，基础版售价约 1.6 万美元起步，2025 年出货约 5500 台，2026 年出货目标提升至 2 万台

2. 智元机器人更为激进，2025 年 1 月累计第 1000 台下线，2025 年 12 月突破 5000 台，2026 年 3 月突破 1 万台，2026 年 6 月已达到 1.5 万台，被 Omdia 评为 2025 年全球人形机器人出货量和市占率第一

相比之下，西方整机厂对韩系和欧美供应链的导入和合规验证仍在进行中，波士顿动力的工程团队刚刚完成对韩国供应商的现场审计，实际量产放量预计要到 2028 年前后

Serenity 因此判断：大约一年半后的 2028 年，西方涉足人形机器人的传统车企零部件商才会开始迎来实质性的增长催化

五、传统车企零部件巨头为什么是隐形期权？

尽管短期内上游零部件的业绩弹性有限，Serenity 仍然认为传统汽车零部件玩家在中长期维度上极具投资价值，她的逻辑有三层：

第一，70% 的技术工艺平移 ：人形机器人与汽车在精密执行器、减速器、电控、热管理和电池组装上高度互通，传统车企零部件商能以极低的边际成本将现有汽车级制造能力平移至机器人赛道

第二，汽车下行周期的估值压缩： 当前全球汽车行业处于周期下行阶段，这些传统零部件巨头的股价和估值被系统性压低，但它们在 2028 年将同时迎来两条增长向量：人形机器人出货爬坡，以及台积电董事长所预言的"AI 汽车"和功率半导体需求增长

第三，舍弗勒是标杆案例： Serenity 提到名字的舍弗勒 (https://t.co/MQxXcgUJAP)，目前正与全球约 45 家人形机器人开发商展开产品送样和技术合作，其减速器、行星致动器和精密轴承组合覆盖了整机 BOM 成本的近 50%。但她也指出目前尚无确认的批量订单证据，因此属于需要持续跟踪的隐形期权而非即刻可以重仓的确定性品种

六、核心主线：为什么Serenity把筹码押在下游整机商？

Serenity 的逻辑：在人形机器人领域的 Anthropic / OpenAI 式领导者诞生并带动产业链估值重估之前，上游零部件不会获得真正的重估。此刻赔率最优的是估值合理的下游整机商

她举了两个对比：

Figure AI（未上市 / 390 亿美元 Series C） 2025 年 9 月完成 Series C 超 10 亿美元融资 与 ABB 合建 22 亿欧元工厂，目标年产 5 万台 Figure 04 估值已透支大量商业化预期，普通投资者无法直接参与

Agility Robotics（https://t.co/Zm3D6NukA2 拟合并 / 25 亿美元）
这是Serenity 目前集中仓位最高的标的 ，2026 年 6 月宣布与 SPAC 公司 Churchill Capital Corp XI 合并上市 估值仅 25 亿美元，注入超 6.2 亿美元现金 已获亚马逊、GXO、丰田加拿大等超 3 亿美元意向订单，投资者包括 NVIDIA、亚马逊和软银 、Serenity本人

相比 Figure AI 的 390 亿估值，25 亿美元的 Agility 在赔率上具备数量级的优势

---

再次感谢Serenity @aleabitoreddit的高质量信息！建议大家成为订阅用户，获得第一时候的消息推送🫡

仅供学习交流，请DYOR

[Movez @0xMovez]

Anthropic just dropped 5 workshops on building self-improving agentic systems from scratch:

00:00 - Ship your first Claude agent
36:44 - Build memory for Claude agents
1:05:06 - Make your agent autonomous
1:26:46 - Set up a proactive agent
2:03:35 - self-improving agents (tools,skills)

These 3-hours of free Claude workshops will replace 10 paid agentic courses.

Watch today, then read article below on how to build a self-improving agentic system with Fable 5.

[Kirill @kirillk_web3]

I genuinely don't understand why everyone isn't using this yet.

Andrej Karpathy, a co-founder of OpenAI, posted a simple idea that hit 16 million views: stop using AI to write code, use it to build a second brain.

You point Claude or Kimi at a folder, drop in any source — an article, a transcript, a PDF — and it reads it, links it, and files it into a living wiki of everything you know. It compounds like interest. the more you feed it, the smarter it gets.

here's the whole thing:

> install Obsidian, create a vault, open it in Claude Code
> paste Karpathy's wiki idea and tell it to build the system
> it makes three folders: raw for sources, wiki for its pages, a CLAUDE.md that runs it
> drop any source into raw and say "ingest this"
> ask questions across everything you've ever added, forever

Claude for deep reasoning. Kimi for reading dozens of files at once with 256K context at a fraction of the cost.

five minutes to set up, and you never start from a blank chat again.

full step-by-step A–Z guide below.

Bookmark this.

[CyrilXBT @cyrilXBT]

MIT just quietly dropped a free AI curriculum that puts $50,000 university courses to shame.

12 books.

Zero tuition.

From the same institution that produced the people building the models everyone is talking about.

FOUNDATIONS

1. Foundations of Machine Learning — https://t.co/Un6UbjJ3Xo
2. Understanding Deep Learning — https://t.co/UQxZmyESdn
3. Machine Learning Systems — https://t.co/YAgrLVGAXt

ADVANCED TECHNIQUES

4. Algorithms for ML — https://t.co/YlBk59o8Hp
5. Deep Learning — https://t.co/KMO1uWPyk1

REINFORCEMENT LEARNING

6. RL Basics (Sutton & Barto) — https://t.co/sOZlDXzu41
7. Distributional RL — https://t.co/uOkviYiAq7
8. Multi-Agent Systems — https://t.co/Dx9caJVx1d
9. Long Game AI — https://t.co/K9Qm2TjAQ6

ETHICS & PROBABILITY

10. Fairness in ML — https://t.co/MgkLdRvicO
11. Probabilistic ML Part 1 — https://t.co/Zz33gQi1vG
12. Probabilistic ML Part 2 — https://t.co/qBe776EjCg

This is a complete MIT-level AI education.

Not a YouTube playlist.

Not a Twitter thread full of fluff.

Textbooks written by the researchers who built the field.

The people who actually study this will not just understand AI better than their peers.

They will understand it better than most people currently getting paid to work in it.

Most people will bookmark this and never open it.

The ones who open it tonight are the ones who show up in 12 months having built something nobody around them understands yet.

Bookmark this.

Open the first one tonight.

[K A L E O @CryptoKaleo]

$QQQ

Local top for stocks / tech.

Dip down and retest the spring range, convince everyone the "AI bubble is popped and the trade is dead", then run it back turbo to new highs.

[0x鸣人 @LuBtc888]

马斯克罕见分享自己的炒股心得：

在他认为，股票与赌场的逻辑是完全相反的

很多人没理解这点，他还说了一些新想法：

[比特币橙子Trader @oragnes]

实物讲解光模块中的“玻璃桥“，5分钟堪比几个小时！

最后的结论真的绝了！

[0x鸣人 @LuBtc888]

翻身的第六次国运来了。

没错，就在2026年。

今天这个视频可能会有点长，但是我建议你哪怕是在上厕所也要把它听完。

因为它关乎你未来十年的钱包：

[0x鸣人 @LuBtc888]

瑞·达利欧2026最新毕业演讲：别被金钱绑架，真正的成功是“有意义的工作与人际关系”。

全网高清精翻，强烈建议收藏反复观看！

这期视频为大家带来了桥水基金创始人瑞·达利欧（Ray Dalio）在2026年长岛大学的最新毕业典礼演讲。

这位掌管千亿资产的投资大佬，毫无保留地分享了他55年来的核心人生经验。

💡 核心干货提取：

1️⃣ 人生的三大阶段： 从学习与依赖，到工作与被依赖，最后走向自由与传授。

看看你现在正处于哪个阶段？

2️⃣ 终极成长公式： 痛苦 + 反思 = 进步。

达利欧曾因误判市场而破产，甚至要向父亲借钱交电费。
但他把每一次痛苦的现实当作解谜游戏，从中获取了价值连城的“原则”宝石。

3️⃣ 成功的真相： 千万不要陷入对金钱和地位的过度执念。

真正的成功，是拥有“有意义的工作和有意义的人际关系”。

无论你是正在探索“一人企业”模式的创业者，还是在打磨自己专业技能的超级个体，找到属于自己的热爱，并与同频的人一路同行，才是破局的关键。

视频有点长，但绝对值得你在这个周末静下心来，沉浸式地看上两三遍。

[比特币橙子Trader @oragnes]

谷歌官方刚放出一套 8 分钟的免费神课，手把手教你搭建人生第一个 AI Agent！

外面卖几百美金的割韭菜课程，内容还没这 8 分钟讲得透。

从零跑通自动化循环架构，几分钱算力就能让 AI 替你全天候通宵打工。

[Sakana AI @SakanaAILabs]

Introducing Sakana Fugu: A full multi-agent orchestration system accessible via a single model API.

Our ‘Fugu Ultra’ model matches the performance of Fable and Mythos, delivering frontier capability without the risk of export controls.

Try it: https://t.co/hhO6qTawgb 🐡

[比特币橙子Trader @oragnes]

有机构分析认为到 2050 年人形机器人市场规模将飙到 7.5 万亿美元！

但真正的财富外挂根本不是组装厂，而是那些掌控核心关节、不管谁赢都得向它交税的垄断巨头。

轴承界的降维垄断：Harmonic 独占全球 85% 的应变波齿轮市场。

单台机器人全身要死锁 20 到 40 个这样的精密关节，在工业量产里几乎没有任何替代品。这大概是目前地球上最坚固的硬件垄断，没有之一。

承重关节的利润暴涨：重载减速器老大 Nabtesco 控盘了 60% 的摆线市场，随着工业和人形订单大洗牌，营业利润同比直接垂直狂飙 60%！

工业规模的肉身清算：安川电机（Yaskawa）靠着积极换轨人形供应链，最新财年利润无脑暴涨 70%。

电动马达霸主 Nidec 更是带着年营收 2.6 万亿日元的恐怖体量，把马达、齿轮箱、控制器全合一，准备通杀未来的百万台级订单。

边缘算力的降本外挂：边缘 AI 芯片老玩家安霸（Ambarella）在 2026 年 CES 甩出了 4 纳米 CV7 芯片，用极低的白菜价功耗直接在本地把机器人的视觉多传感器感知给全盘死锁，根本不需要回传云端。