Lower Lee

dancing

[妮妮要翻倍 @niniSweet88]

丰年收租，灾年买田：巴菲特60年6万倍，用的其实是古代大地主的土办法

先抛一句可能不太中听的话：巴菲特从来不是“股神”，他是人类历史上最会当“地主”的人。

他干的事，跟几百年前那些大地主一模一样——好年景收租子，灾年低价买田，田到手就不卖，收上来的租子再去买下一块田。

变的是地契换成了股票，不变的是那套土得掉渣的生意经。

1、地主的四条祖训，就是巴菲特的四条原则

老地主的账本只有四行字：①丰年收租；②灾年买田；③好田不卖；④租子再买田。

翻译成投资语言：

①持有能持续分红的好公司；

②股灾时用便宜价加仓；

③不因为涨了就卖；

④分红和利润再投入，滚下一轮。

四句话没有任何技术含量，但伯克希尔用它们跑了60年。

2、收租：13亿美元的地，一年收8.16亿美元的租

1988年末，巴菲特开始买可口可乐，42美元一股买入1417万股，市盈率17.2倍；

1989年47美元再买918万股；1994年补到1亿股（拆股后4亿股）。

总投入12.99亿美元，持股9.3%，此后37年一股没动。

现在这块“地”值多少？2019年报显示市值221.4亿美元，而每年的股息收入约8.16亿美元——相当于本金的63%，一年就收回来大半块地钱。

这就是地主最爽的地方：地价涨不涨不重要，租子年年到账，而且年年涨。

3、买田：2500万美元买的地，长出80倍的地租

1972年，Blue Chip Stamps 花2500万美元买下喜诗糖果：

当年卖1600万磅糖，每磅1.95美元，税前利润400万美元，买入价相当于税前利润的6.25倍。

芒格力主，巴菲特还嫌贵，因为超过格雷厄姆“净资产打折”的老规矩。

后来的事：到2007年销量只从1600万磅涨到3100万磅，年化增长仅2%；但累计税前利润超过19亿美元，是收购价的近80倍。

销量几乎没涨，利润涨了80倍——多出来的钱，全是靠提价收上来的“地租”。

这就是“定价权”的土话版本：好地不用多种，租子自己会涨。

4、灾年买田：60年6万倍，年化19.9%对10.4%

这套打法到底有多狠？看数字：

1964—2024年，伯克希尔市值累计上涨5,502,284%（约5.5万倍），标普500含股息只有39,054%；

年化19.9%，对标普的10.4%。

到2025年，60年总回报变成6,099,294%，年化约19.7%。

那些年他买田的时机，全是别人哭的时候：

1973—74年熊市、1987年黑色星期一、2008年金融危机、2020年3月熔断。

灾年买田的人，赚的不是聪明的钱，是胆子的钱。

5、好田不卖：最赚钱的操作是“什么都不做”

可口可乐从1988年建仓到1994年补足，之后37年没有任何买卖动作，哪怕1998年泡沫、2008年腰斩、2020年熔断。

同期多少“高手”在这只票上进进出出几十次？统计下来，绝大多数人的收益还不如躺着不动的那一个。

地主的常识：田只要还在长庄稼，就别急着卖地契。

6、租子再买田：喜诗糖果养出了一串“兔子”

喜诗糖果赚出来的近10亿美元税后利润，巴菲特一分没分掉，全拿去买了别的公司。

他自己的说法是：这就像“养兔子”，兔子再生兔子。

这就是复利最朴素的版本——不是拿计算器算出来的，是一块田的租子去买第二块田，第二块田的租子再去买第三块。

7、为什么这么简单的事，99%的人做不到

因为这四条里，三条要忍，一条要狠。

收租要忍（分红才几个点，看着别人打板心里痒）；不卖要忍（涨三倍手就抖）；等待要忍（可能三年没机会）。

再加上一条最要命的：人性要的是“本周见效”，而地主收的是“今年秋后”。

快钱和慢钱，从来不在一个时间尺度上。

所以价值投资的难点从来不在“懂不懂”，而在“坐不坐得住”。

段永平那句“买股票就是买公司”，说的就是把自己从股民切换成地主。

8、真正的复利，是时间付给耐心的地租。

你不必比市场聪明，只要比市场坐得住；

不必预测明年行情，只要确保手里那块田，年年都能收租。

丰年收租，灾年买田——这套土办法流传了几百年，不是因为它高深，是因为它有效，而有效的东西，往往无聊到没人愿意坚持。

[Li Zexin 李泽欣 @XH_Lee23]

Shenzhen sets a great model for how a modern city should be built. The seaside museum’s huge open-air terrace is so good!

[Chris @chrissick]

@RJDAIGOGO 借RJ宝地再一次在呼吁中国政府，别光修高铁，建光伏风能储能，也要大建特建数字高铁——光缆和交换中心！将区域间带宽提升一万倍，将商用带宽的速度提上去，价格降下来。

[Xudong Han @Xudong07452910]

很明显中国 AI 公司都开始谈 RSI（递归自我改进）了，但大家对「自我改进」的理解可能还不太一样。

很推荐阅读 Asterisk 写的这篇《How Chinese companies talk about recursive self-improvement》。

两位 GovAI 研究员梳理了阿里、DeepSeek、MiniMax、智谱、小米等八家中国 AI 公司的公开资料，发现大家以前更多谈「自进化」「自学习」，直到今年 7 月才开始使用 RSI 这个词。

但实际的技术探索已经挺有意思了。

比如 MiniMax 让 M2.7 在内部 Harness 上迭代超过 100 轮，自己分析失败轨迹、修改 Harness 代码、重新运行 Eval，再决定是否保留改动，最终在内部评测中提升了约 30%。

智谱则让 Agent 参与推理基础设施的分析、代码修改和实验优化。小米的 CodeMidas 甚至尝试从现有代码库自动构建 RL 训练环境。

文章还提到一个有意思的差异。

相比硅谷经常把 RSI 与「智能爆炸」联系起来，中国公司的讨论更多落在实际研发和应用上，背后也有算力成本、商业竞争等现实因素。

我个人挺希望以后相关的技术发布，能多展示一些完整的实验过程。

比如 Agent 自己发现了什么问题，尝试过哪些失败方案，最终保留了什么改动，以及人在哪些环节参与决策。

感觉这些真实的研发过程，比一句「实现了自我进化」更能让人感受到技术究竟走到了哪一步。

原文：https://t.co/aNE7VMaUcD

[杨小乱 @yxl44]

卧槽，AI 现在连美股和加密货币 K 线能预测了，胜率高达93%！！！

GitHub 上发现一个神级开源项目：Kronos​。

它不是普通的聊天大模型，而是专门为金融市场训练的 AI 基础模型。

输入历史 K 线数据，就能预测未来价格走势。

覆盖股票、加密货币等金融市场，量化交易玩家值得关注。

几个亮点：

• 专门针对 OHLCV K线数据训练

• 基于 Transformer 架构

• 支持 BTC/USDT 行情预测

• 支持模型微调、批量预测和回测

• 可用于美股、股票市场及加密货币量化研究

无论是研究纳斯达克、标普500，还是分析 Binance、OKX 等加密货币交易所的 BTC、ETH 行情，都值得研究一下。

AI量化交易、股票价格预测、加密货币交易策略，这些方向正在变得越来越有意思。

以后炒美股、炒币，会不会真的变成 AI 之间的较量？

当然，AI预测不等于稳赚，别看见模型就梭哈。

传送门：https://t.co/DYdOfKrIaq

#AI量化交易 #美股 #纳斯达克 #加密货币 #Binance #OKX #BTC #开源项目

[Justin Spittler @JSpitTrades]

Biotech stocks are where semis were in 2024.

[RamenPanda @IamRamenPanda]

李飞飞的世界模型完蛋了

Anthropic用基本模型搞定了机器人

[月球大叔 @uncle_moon_x]

相信AGI
相信湿实验室机器人化/自动化
相信更多的药会做出来
相信癌症会被治愈

[Chou Chou Xu @Darkbluewp]

黑石集团只给全球100位顶尖富豪开的闭门会：
Jone Gary表示：
现在所处的时代就是1870年工业革命的前夜。接下来的二三十年，整个世界的赚钱逻辑要彻底的换天。

8个核心观点：
1/AI没有泡沫，需求远远跑在了供应的前面，签合同的全是低杠杆的科技巨头，底子稳得很。

2/大模型赚钱的速度人类历史上从来没有过。就Openai和Anthropic这两家，两年前几乎没有收入，现在年化收入直接干到了1,050亿美元，整整涨了100多倍。
半年前两家公司加起来大概估值6,800亿，现合计突破2.3万亿，半年翻了3倍多。

3/AI烧钱多。全球五大云厂商去年资本开支也就是4,150亿，今年直接翻倍到了8,200亿，相当于美国整个GDP的2.5%。
黑石自己就是AI基建的包租公。今年出租的数据中心算力有6G吧，差不多6座大型核电站的满负荷发电量，全租给别人跑AI了。

4/AI拼的不是算法，是电，是基建。
现在想定一台发电用的重型燃气轮机，得排队排到2031年，每建一个g瓦的AI算力，连电网带数据中心加芯片，要砸550亿美元。

5/别人觉得AI是讲故事,人家已经闷声在赚大钱。黑石投的一家通信的铁塔企业，投了400万美元，引入AI处理租赁合同审核效率直接提高了5倍，一年竟新增了450万美元的收益，年回报率超过了100%。
还有能源数据公司做AI代码修复，每投一美元换回来18倍的回报。

6/AI已经在实打实的拉动经济了。
美国劳动生产率过去10年平均才涨了1.5%，AI普及的这两年半直接干到了2.6%。大企业利润率四年涨了5-7个百分点，剔除一次性收益，其实盈利增长都有32%。

7/白领行业的洗牌会比想象中残酷的多，就像当年电商冲垮传统零售，未来很多坐办公室的公司也会被AI拍死在沙滩上。

8/最颠覆了未来最保值的资产居然是AI替代不了的东西。
所有人都在抢AI概念股的时候，黑石反而在买印度的板球队、海边的核心房产、连锁咖啡厅这些带稀缺体验感的实体资产，AI永远复制不了，

有人看到的是失业焦虑，有人看到的是时代红利，而真正的机会永远藏在大多数人还没看懂的地方。

[Mr. Buzzoni @Mr_Buzzoni]

I'm sharing with you one of the best papers I've read on Harness Engineering

it takes apart Claude Code (Opus 5.5), Codex, Gemini CLI and more, and boils all of them down to one line:

agent = model + harness

what you take away:
> what a harness is, in plain terms
> how modern coding agents are built under the hood
> the patterns they all share
> the direction the whole field is moving
> a checklist for building your own

the model collects the applause
the harness decides whether the agent actually works

loop and graph engineering come next, and that part lives in my article below

[awe0 @awe0_io]

远程桌面居然也开始卷 120 帧了……

Airhand 开源了一个支持最高 120fps 的远程桌面，支持 Windows、Mac、Linux，还能通过浏览器访问。

中转服务器可以自己部署，用 6 位控制码连接。

感觉以后远程控制电脑都要往游戏串流的标准卷了 😂

https://t.co/Ur7cOaonHX

[Guillermo Casaus @_guillecasaus]

🚨 ALIBABA HA RESUELTO UNO DE LOS MAYORES PROBLEMAS DE LOS AGENTES DE IA.

Han creado OpenSandbox.

Un entorno seguro y aislado para que tus agentes de IA ejecuten código, naveguen por internet y controlen escritorios completos sin acceder directamente a tu PC.

¿Lo mejor? 👇

→ Ejecuta código y comandos de forma aislada
→ Permite controlar navegadores y escritorios
→ Limita el acceso a internet y otros recursos
→ Protege tus claves API con Credential Vault
→ Funciona con Docker y Kubernetes

Además, según sus pruebas, puede crear entornos aislados con Firecracker en apenas 64 ms.

Es completamente gratuito, open-source y tiene licencia Apache 2.0.

Repo 👇

[yishan @tspy]

不久的将来，生产车间将会像 AI 算力农场一样，成为按需调用的基础设施

如果你要定制并生产一批自主产品，不再需要自建工厂或寻找传统的代工

只需向生产车间企业租赁机器人劳动力和柔性产线

在对应的平台上，根据需求搭起一个虚拟车间实例，导入产品的设计和标准后，并执行生产任务

生产车间根据需求和产能生成生产计划、机器人指令和检验标准

自主进行供应链的物料寻源和采购

再通过机器人和产线完成产品的物料采购、生产、检验和打包，并把产品寄送到指定地点

生产一批的实体产品，就像现在在云端跑一次模型推理

[Artificial Intelligence Papers @SciFi]

DelegateEval: Evaluating Platforms for Personal External Service Agents

Jichao Li, Jinrong Lu, Manjiang Yu, Zhixuan Liu
https://t.co/xVvlhlWPjD [𝚌𝚜.𝙰𝙸]

[Ryven @imryven]

This is f*cking insane, the CEO of Y Combinator open-sourced his own second brain and most people still don’t know it exists

8 second brain repos you haven’t seen yet:

-> gbrain (by garrytan)
https://t.co/cncTyV6CRn
the second brain of the YC CEO, every fact keeps its source and every agent shares one memory

-> llm wiki (by karpathy)
https://t.co/Z0iGVi6sI9
the original idea file behind all of this

-> ai-memory (by akitaonrails)
https://t.co/5S8nkezjq6
hand the work from Claude Code to Codex without losing context, memory lives in plain markdown

-> agent second brain (by smixs)
https://t.co/eNkyXXalyk
send a voice note in Telegram and it lands as a linked note in your Obsidian vault

-> cog second brain (by huytieu)
https://t.co/UPR34jtHqL
33 skills and 10 agents running on plain markdown, no database

-> open second brain (by itechmeat)
https://t.co/ZH1TIEGFk6
a nightly pass turns the corrections you keep repeating into rules your agent follows

-> claude second brain (by jessepinkman9900)
https://t.co/AzscisI1Z1
one npx command scaffolds Obsidian, Claude Code and local search

-> baalda (by naveedharri)
https://t.co/Brgys3RBno
a team second brain where people and agents edit the same markdown files

the CEO of Y Combinator runs his agents on this
you are still digging through bookmarks

[田中義弘 | taziku CEO / AI × Creative @taziku_co]

Claudeを使って、わずか10分でiPhoneをMac用のマウスに変えてしまった事例。

約2,800行のコードで、通信はBluetoothのみ。サーバーも不要。

AIによって、既存のハードウェアに新しい機能を与えるソフトウェアを、個人でも短時間で開発できるようになってきている。

[Infinite-Realities @8Infinite8]

I've seen the behind the scenes of the 4DGS input from @KakuDrop This is a REALLY solid workflow and shows what's possible with a multi camera setup & 4DGS processing combined with video diffusion workflows like using MiniMax H3 @RadianceFields
Worth checking out, it's really great work!

[CF长风 @cfenghub]

这几天在推上刷屏的“神级动捕/动作迁移视频”，底层真实管道梳理清楚了！

不是无脑丢给视频模型抽卡，
而是硬核的工业化管线：
RGBMoCap → 骨骼重定向 → MiniMax H3 → Character Swap LoRA

完整技术栈拆解：

1. RGB MoCap 单目动捕：
普通手机随手拍一段日常视频，
直接解算 3D 人体网格（SMPL/SMPL-X），零穿戴设备直接扒出完整骨骼动画；

2. 骨骼重定向（Retargeting）：
把真人的骨骼体型映射到目标角色资产上，自动解算修复滑步与穿模，输出干净的 3D 控制层；

3. MiniMax H3 扛物理底模：
用 H3 极强的时序连贯性和大动态物理稳定性做生成基座，彻底避免大幅度动作导致的抽搐崩坏；

4. Character-Swap LoRA 换皮渲染：
姿态锁死后交由仅 155MB 的微调 LoRA（Ref2VA int8 + Turbo 8step 官方配方）逐帧重构外观、服饰与光影。

以前动辄上万的动捕服和繁琐的手工关键帧，现在可以被单目视频解算 + 小体积 LoRA 吃透了。
当姿态控制与生成基座分层解耦，AI 视频生成的稳定性才算真正跨过了玩具门槛，有兴趣的朋友可以尝试下。

[PamelaAI·H @pamelaaaaa1218]

终于解码了！为什么X上有些人的头像和视频，亮得像开了灯一样💡

原来是HDR效果！简单说，就是利用HDR屏幕额外的亮度空间，让图片的高光比普通网页内容更亮，刷Timeline时特别显眼——比如这个视频👇

自己制作也很简单，推荐两个免费、效果也不错的工具：

1️⃣ https://t.co/7FVwd4l0FY
开发者 @tolimarchuk，支持图片和视频转换。
2️⃣ https://t.co/VGYMZd7HP0
同样支持图片和视频，还能调节亮度、高光范围。

想直接让AI帮你制作，也可以参考@EianLu 的方法：
https://t.co/LooX9fvB4S

之前在YouTube上就注意到过这种特别亮的头像，也经常刷到类似视频。昨天又看到3万粉大佬@EianLu 用的也是这种「发光头像」，终于忍不住认真研究了一下。

我自己也成功换上了发光头像（在YouMind里，X换头像会短暂地掉蓝V），效果真的很明显！

⚠️ 三个小提醒：

1️⃣ 修改X头像可能会暂时失去蓝V，需要等待平台重新审核
2️⃣ 普通截图无法还原HDR的真实亮度，肉眼在浏览器里看到的效果会明显得多
3️⃣ 需要支持HDR的屏幕才能看到完整效果，普通屏幕上可能看不出明显区别

有兴趣的可以试试，让自己的头像在信息流里更有辨识度😼

[Aircle｜AIコミュニティ @AiAircle34052]

いや、マジで RGB MoCap やばいな。
海外の開発者が無料で公開した Windows アプリで、
普通の動画が3Dキャラのアニメになる。Codex に導入を手伝わせる手順書まで付いてる👇
https://t.co/mk98XGTv9B
・動画から人の動きを3Dの骨組みに変換
・足の滑りや浮きを、あとから手で直せる
・FBX などで Blender・Unity・Unreal へ書き出し
・MMD 用の VMD にも書き出せる
・付属の手順書（AGENTS.md）を Codex に読ませれば、インストールや AI モデルの準備を手伝ってもらえる
つまり
「AIで動きを取って終わり」じゃない。
そのままゲームや映像に使える形まで仕上げられる。
動画から動きを取るモーションキャプチャは、これまで
「足が床を滑る」で止まりがちだった。

RGB MoCap は違う。
足や手が床に着いている区間をタイムラインで指定し、ずれを直してから書き出せる。
しかも驚くのが
アプリ本体が、改変も商用利用もできる MIT ライセンスで公開されていること。
AI モデルは手元の PC で動く。
ただし、
64bit Windows と NVIDIA の GPU、約68GB の空き容量が必要（各モデルの利用条件も個別に確認を）。
モーションキャプチャ＝高い機材？
もう、そうとは限らない。
手持ちの動画から始められる時代になった。
ゲームや3Dアニメを作る人には、かなり刺さるはず。
2026年、
3Dアニメ作りの前提が変わり始めてる。