loveen

[Nico投资有道 @tychozzz]

@aleabitoreddit 我之前出的这期光通信光互连赛道拆解视频，时长 50 分钟，感兴趣的朋友可以去看看：https://t.co/Zt9VgGai2F
可以搭配「光通信产业链」拆解百科一起食用：https://t.co/GOMW0df05a

[猴哥｜houge.sol @HougeSol]

看完才发现，我一直看的竟然是“阉割版”光模块视频…

这个讲光模块的视频确实不错，但我一直没想明白一个事。

为什么很多人搬运视频，总喜欢把原作者内容越搬越短?

原作者是视频号 #坤元财研 一共28分钟。

后来看到另一个号搬运，直接砍成25分钟。

结果但斌再搬一次，又砍成14分钟。

然后在X上疯狂传播的，就是 #但斌 这个版本，

总感觉前面刚讲明白，后面突然就跳了。

像看电影一样，中间莫名其妙少了几段。

后来一看，好家伙。

原来被连续动了两次刀。😂

有时候最有价值的东西，偏偏就在那些被剪掉的地方，这些东西，可以帮助你理解。

推荐大家直接看这个 #坤元财研 28分钟原版。

别最后吃了半天，发现上的还是删减版套餐。🤣

#CPO #光模块 #DSP #LPO #DML #EML #CW

[Prime Video @PrimeVideo]

The Boys Final Season is now streaming on Prime.

[qinbafrank @qinbafrank]

https://t.co/hH0FQPgIt3

[Kova @kovainvest]

https://t.co/mTUfFBfAZF

[Kova @kovainvest]

https://t.co/a1uADOxT5d

[Art of Speculation @ArtofSpecuycky]

硬件涨了10倍，软件还没动。这才是AI超级周期下半场真正的机会

说一个很多人不敢说的感受：
AI涨了一年。 Nvidia涨了10倍。存储涨了10倍。光互连涨了10倍。但你打开手机，用了哪个AI应用让你觉得"这真的改变了我的工作"？硬件的繁荣是真实的。但应用层的繁荣还没来。这让我很焦虑。相信你也有同感。但焦虑本身就是机会的信号。当所有人都在买GPU的时候，软件还没动。 这就是下半场最大的不对称赔率。

1. 先说清楚一件事：为什么软件现在还没涨，反而在跌
AI浪潮分三个阶段：
第一阶段（2023-2026）：基础设施
谁卖铲子谁赢
Nvidia、AMD、TSMC、存储、光互连
第二阶段（2026-2027）：平台层
谁控制数据和调用入口谁赢
正在发生
第三阶段（2027+）：应用层
谁有真实用户和真实收入谁赢
还没完全爆发

市场现在处于第一阶段向第二阶段过渡的节点。软件公司还没涨，不是因为它们不重要，是因为市场还在等一个信号：财报里的真实AI收入数据。故事不够，要数字。

2. 已经给出答案的：DOCN和TEAM
$DOCN（DigitalOcean）——AI初创公司的首选战场
这家公司三个月前还被当成"廉价云"。 现在单日拉升40%，从$82涨到翻倍。为什么？AI应用需要灵活、便宜、低延迟的推理接口。AWS太贵，GCP太复杂，DOCN刚好填这个空缺。AI客户ARR已达$1.7亿，同比暴增221%。这不是故事，这是财报里的真实数字。
标签已经换了：从"廉价云"到"AI推理首选平台"。这就是闪迪公式的软件版本。
$TEAM（Atlassian）——AI没有杀死Jira，反而让它更值钱
所有人都说AI会替代项目管理软件。
现实是：AI Agent需要企业内部的数据和上下文才能工作。这些数据在哪里？在Jira里，在Confluence里，在TEAM的生态里。Rovo智能体上线后，使用Rovo的客户增速是非用户的2倍。RPO大增说明客户在提前锁定预算。
AI没有消灭TEAM，AI让TEAM的护城河变得更深。

3. 即将引爆的：SNOW和CRM
$SNOW（Snowflake）——企业AI Agent的数据控制层
AI落地需要海量企业数据。谁控制数据，谁就控制AI Agent的大脑。Snowflake正在把自己从"数据仓库"重新定义为"企业AI Agent控制层"。5月27日财报是关键——盯三件事：产品收入能否超预期、RPO增速、AI工作负载量。如果三个都超，SNOW会成为下一个DOCN。

$CRM（Salesforce）——目前跑得最快的企业AI Agent
Agentforce ARR已达$8亿，同比增长169%。
这不是概念，这是真实的企业在付钱买的东西。
更关键的是：Agentforce已经跨系统执行——连接Google Workspace、BigQuery、ServiceNow。
它不再是一个AI工具，它正在成为企业工作流的入口。
这个位置一旦占住，护城河比任何单一软件都深。

4. 最被低估的暗线：AI通信基建
这是大多数人没想到的逻辑：
AI Agent越多，通信调用量越大。AI客服要打电话。AI助理要发短信。AI系统要做身份验证。每一个AI Agent背后，都有通信基建在支撑。
$BAND（Bandwidth）
拥有自己的全球通信网络，不是租用。这在AI语音代理时代是核心壁垒——低延迟、高稳定性是AI客服的生命线。已被Salesforce选为AI客服关键基础设施合作伙伴。这个背书意味着：每一个Agentforce的语音调用，都要经过BAND的网络。
$TWLO（Twilio）
语音收入同比增长20%，创19个季度新高。
这个数字说明了一件事：企业正在大规模采购AI客户互动能力，而Twilio是目前最成熟的通道。

5. 我自己觉得不错的：SERVICE NOW和REDDIT
$NOW（ServiceNow）——企业AI自动化的操作系统
如果Salesforce是销售端的AI入口，ServiceNow是IT和运营端的AI入口。企业有多少重复性的IT工单、审批流程、合规检查——这些全部可以被AI Agent自动化。NOW的平台就是这些Agent运行的操作系统。
AI不是NOW的竞争者，AI是NOW的燃料。
$RDDT（Reddit）——AI训练数据的稀缺资源
这个逻辑很多人没想到：
所有大语言模型都需要高质量的人类对话数据。Reddit是全球最大的真实人类讨论数据库，而且有强烈的社区情感和垂直专业深度。Google已经签了数据授权协议。OpenAI也在谈。Reddit不只是社交媒体，它是AI时代最稀缺的数据资产之一。$130附近是很多人认为的买入区间，也是大级别上涨趋势线的强力支撑位。

6. 最后说ZOOM
$ZM（Zoom）——从会议工具到AI工作流平台
这是争议最大的一个，但也可能是赔率最高的反转故事。AI Companion活跃用户同比增长超三倍。Virtual Agent 3.0能处理50%的客服案例。如果Zoom能从"开会的地方"扩展到电话、客服、协作的全场景AI入口——它的估值逻辑会被完全重写。现在的Zoom是被旧标签定价的。

最终想法
已经证明的（买入确定性高）：
$DOCN → AI推理平台，数字已验证
$TEAM → 护城河被AI加深
$CRM → 5/27号财报Agentforce ARR $8亿，最快的企业Agent（如果能在财报前回到140，大级别趋势线的支撑位，那就是完美的买入位置，这个老牌公司希望能在agentic ai的叙事下给他新的估值，我感觉这次财报就是一次机会了）

即将验证的（等财报）：
$SNOW → 5/27财报，企业AI控制层（如果在财报前是跌的把140缺口补了，也是完美的买入位置）
$NOW → IT自动化操作系统（让now再磨一下底，缓慢筑底过程）

暗线机会（最被忽视）：
$BAND → AI通信基建，Salesforce背书
$TWLO → 语音收入19季度新高

反转赌注（高赔率高风险）：
$RDDT → AI训练数据稀缺资产（盯着130的趋势线支撑）
$ZM → 旧标签包装的新故事

最后说一句：
硬件的繁荣是AI的第一章。 应用的繁荣是AI的第二章。
第一章涨了10倍的公司，第二章不一定还是它们。第二章的主角，在上面这张清单里。但记住：软件涨的信号不是故事，是财报里的数字。
等数字出来，再重仓。

#AgenticAI #SaaS #软件股 #AI应用 #美股 #DOCN #CRM #SNOW #TEAM #Twilio #Bandwidth #Reddit #Zoom #ServiceNow #USStocks #AIStocks #下半场 #软件反转 #AI落地 #美股分析

[华尔街没有名字 @WallStreet0Name]

https://t.co/Xjxkh6IPTj

[看不懂的SOL @DtDt666]

美股AI超级周期轮动全节奏，给兄弟们捋一遍

现在的资金已经不是在炒AI了，是在沿着产业链，一层一层往下轮。

第一波炒芯片，
第二波炒存储，
第三波炒光通信，
现在正在猛攻算力和数据中心。

下一个是谁？

给兄弟们捋一遍。

第一波主线：半导体

NVDA，英伟达，AI GPU绝对核心。
ARM，CPU架构底层。
AMD，GPU加CPU双核玩家。
AVGO，博通，AI网络加ASIC芯片。
INTC，英特尔，在追赶。

这波是AI革命的开端，资金最先涌进来。

第二波：存储芯片赛道

MU，美光，HBM核心受益。
WDC，西部数据。
STX，希捷。
SNDK，闪迪。

算力暴涨，存储需求跟着暴涨。

HBM价格涨60%，产能排到2028年。

第三波：光模块和光通信赛道

NOK，诺基亚，通信设备。
LITE，Lumentum，光通信组件。
COHR，Coherent，光电激光器。
AAOI，AOI，光模块。
GLW，康宁，光纤。
CIEN，Ciena，光网络。
MRVL，迈威尔，数据中心互联。

数据中心之间要传数据，800G、1.6T光模块需求爆发。

当下资金正在扎堆猛攻：算力和AI数据中心

IREN，AI算力。
CIFR，Cipher Mining，挖矿转AI算力。
WULF，Terawulf，能源加AI算力。
CORZ，Core Scientific，AI基础设施。
NBIS，Nebius，AI算力云。
CRWV，AI数据中心。
P，Pinterest，AI应用。

这是当下最热的方向，资金在猛攻。

接下来大概率轮动爆发的方向：

01）原材料和稀土赛道

MP，MP Materials，稀土。
USAR，USA Rare Earth，稀土。
UUUU，Energy Fuels，铀和稀土。
FCX，Freeport-McMoRan，铜矿。
AA，美国铝业。

AI数据中心是吞电怪兽，原材料和稀土是供给瓶颈。

02）网络设备赛道

ANET，Arista，数据中心交换机。
AVGO，博通。
MRVL，迈威尔。
CSCO，思科。

03）电源和电网和温控散热赛道

VRT，Vertiv，数据中心电源和冷却。
ETN，伊顿，电源管理。
GEV，GE Vernova，电力设备。
CEG，Constellation Energy，核电。
SMR，NuScale，小型核反应堆。
OKLO，Oklo，核电。

AI数据中心的电力需求暴增，核电和电网设备是长线方向。

04）太空航天赛道

ASTS，AST SpaceMobile，卫星通信。
RKLB，Rocket Lab，商业火箭。
LUNR，Intuitive Machines，月球着陆器。
PL，Planet Labs，遥感卫星。

05）国防军工和无人机赛道

KTOS，Kratos，无人机和国防。
AVAV，AeroVironment，无人机。
ONDS，Ondas，无人机系统。
LMT，洛克希德马丁，军工巨头。

06）机器人和自动驾驶赛道

TSLA，特斯拉，自动驾驶、机器人。
PATH，UiPath，RPA机器人流程自动化。
SYM，Symbotic，仓储机器人。
SERV，Serve Robotics，配送机器人。

AI超级周期，节奏很清晰。

第一波半导体，第二波存储，第三波光通信，现在资金在猛攻算力和数据中心。

接下来，原材料、电网、核电、太空、军工、机器人，一个赛道一个赛道轮过去。

轮动不是让你每个赛道都追。

轮动是让你提前蹲在下一个方向，等资金来抬。

追涨杀跌的，永远是最后接盘的那个。

提前蹲好的，才是吃肉的那个兄弟们。

[Sac @Saccc_c]

Codex + HyperFrame is eating vedio editors

用纯编码的形式手搓各种视频，真tm的太爽了

Claude 官推通过Remotion、hyperframe 这类工具制作视频已经撸了至少10M流量

我真心建议所有自媒体人、运营人以及市场人都花时间学一学

下面是我制作的苹果宣传片，各位老板，尽情享用

[Nico投资有道 @tychozzz]

前两天我帮我朋友走了一遍盈透开户的流程。相比起两三年之前，开户环节上没有太大变化。

目前最大的卡点还是在于地址证明，我研究一圈之后，只能找到两个解决方案。

一个是使用国内的个税单，另一个是使用欧美银行开具的结单，比如 N26 银行。不过仍然没办法确保 100% 成功开户。

我顺手把整个开户过程记录了下来，做了一期视频，给大家分享一下截至 2026 年 5 月份，盈透最新的开户流程。

最近盈透开户需求应该挺大的，因为它也支持韩国股市交易，能直接买到三星海力士这些标的，一个券商投资全球。

感兴趣的朋友可以看看我新出的这期盈透开户视频教程。
https://t.co/CtRzspwTH4

[OpenCils @OpenCils]

✎ 上个帖子我最后留了一个坑，怎么畅读全球媒体资讯？

光有buzzing这个最强聚合网站不够，全球资讯平台，每一个都能把你挡了。

现在我来填坑了，这视频我将教大家安装一个最强的插件，强到 Chrome 都得把它给挡了。

Grok大爷行行好，让我造福广大孜孜不倦学习的终生学习者们，阿门，点点点......😘

[小盖 @xiaogaifun]

强烈推荐大家看看DeepMind CEO Demis的最新判断。

真的，Google DeepMind 的 CEO Demis Hassabis 每一期访谈我觉得值得都花时间看看。这哥们讲东西很实在，而且通俗易懂。

早上边跑步边听完了他和 YC CEO Garry Tan 的最新一期播客。

刚刚把笔记写完，也给大家分享下。

多说一句，好多人问我这种笔记是不是 AI 写的。我说下自己的流程。

我会先完整听完播客，然后用语音输入法把感触尽量充分地讲出来，再让 AI 帮着整理初稿，最后自己逐字修改优化。

如果全部交给 AI 做总结，那等于把思考和理解的能力让渡给了 AI，对自己理解这件事其实没有任何价值。

OK，咱们进正题。

1
Demis 的态度非常明确，现在的大模型范式（大规模预训练 + RLHF + CoT）一定会是 AGI 最终架构的一部分，他不认为这会是条死路。

但要实现 AGI，还有几个关键问题要解决。这几个问题包括：持续学习、长程推理和记忆系统。

先从最容易看到的现象讲起，Context Window。

现在大模型处理长信息，最常用的招就是把 Context Window 一直撑大。一开始 8k，后来 32k，再后来 100 万 Token。听起来很厉害，但本质上是暴力堆砌。

Context Window 其实就相当于人脑里的 Working Memory，工作记忆。人的工作记忆能同时装多少东西？心理学里有个经典数字，7 个左右。背电话号码能记住 7 位上下，再多就溢出了。

大模型呢？已经做到 100 万 Token。

按理说，模型的工作记忆比人大几十万倍，应该比人聪明几十万倍才对。但显然不是。

问题也恰恰就出现在这。把所有东西都塞进 Context Window 里，里面包含了不重要的东西、错的东西、过时的东西。看起来信息很多，其实是一团乱麻。

那人为什么 7 个数字的工作记忆就够用？

因为人脑背后还有另一套机制在工作。我们记得几年前的事，记得童年的事，记得几小时前发生的事。这些都不塞在工作记忆里，而是另一套系统。

具体来说这套系统是海马体，大脑里负责把新知识整合进已有知识库的那个部分。

研究发现，人睡觉的时候，特别是 REM 睡眠阶段，大脑会重放白天重要的片段，让大脑从中学习。新东西在睡觉的过程里，温柔地融进了旧的知识体系。

这个把新东西融进旧知识库的过程，就是持续学习。

模型现在没有这套机制。每一次对话结束，刚学到的东西就会忘记。下次重新打开，还是上次那个模型，没长进。

2
再聊聊长程推理的问题。英文表达是 Long-term Reasoning。我翻译为了长程。

长程推理这个词太抽象了。Demis 讲了一个特别具体的故事，听完会立刻明白他说的是什么。

他说自己喜欢跟 Gemini 下国际象棋。下棋的过程里能看到模型的 thinking trace，也就是它在那里到底想了什么。

然后他发现一件怪事。

模型考虑一步棋的时候，思考链里清清楚楚写着，这步是个昏招。但接下来，它没找到更好的走法，于是又走回这步昏招。

明明知道是错的，还是把错的那一步走出去了。

这个细节比任何 benchmark 数据都说明问题。因为它暴露的是模型缺少对自己思考过程的某种内省能力。

正常人下棋，意识到一步是昏招之后，脑子里会有一个反应，停一下，再想想。停一下、再想想这个能力，模型现在没有。它能在每一步局部判断对错，但没法基于整盘棋的局势去调整整体策略。

这就是长程推理还没搞定的样子。模型可以一步一步往前走，每一步看起来都合理，但走到后面整盘棋的方向其实是错的。它没有那种退回到当前思考的上一层、重新审视一下的能力。

说到底，模型缺的是一种内省。

3
学习、长程推理、记忆，这是 Demis 在播客里点出来的三个 AGI 鸿沟。

除此之外，他还反复提到了创造力。

2016 年 AlphaGo 跟李世石下棋，第二局走出了著名的 Move 37。那一步棋走出来的瞬间，全世界的围棋高手都看呆了。

所有人类几千年下围棋积累的经验都告诉它不该下那里，但 AlphaGo 下了。下完之后大家发现，是一步神来之笔。

很多人觉得，这就是 AI 的创造力来了。

但 Demis 说，对他自己来说，Move 37 只是起点。他真正想看到的是另一件事。AI 能不能发明围棋这件事本身。

这两件事的区别非常关键。

Move 37 是在围棋这个现成的规则里，找到了一步人类没想到的招。但围棋的规则、棋盘的形状、黑白子的对弈方式，是人类发明出来的。AI 在已有的框架里非常厉害，但能不能自己造一个框架，是另外一回事。

Demis 给了一个具体的设想。

如果给 AI 一个高层次的描述。造一个游戏，五分钟能学会规则，要好几辈子才能精通，棋局有审美，一下午能下完一局。AI 能不能根据这个描述，自己倒推出围棋？

目前做不到。

为了把这件事讲得更清楚，Demis 还提了一个测试，他自己叫爱因斯坦测试。

用 1901 年人类已有的全部知识训练一个模型，看它能不能在 1905 年那个时间点，自己推出狭义相对论。

爱因斯坦在 1905 年那一年里，连写了几篇改变物理学的论文，后来叫爱因斯坦奇迹年。那些工作不是从已有的物理学论文里通过拼接得到的，是基于已有材料做了一次全新的概念跳跃。

爱因斯坦测试想问的就是这件事。AI 能不能做这种跳跃。

目前的大模型主要在做两件事，pattern matching 和 extrapolation。一个是从大量数据里找规律，一个是把规律往外延伸一点。但发现新东西需要的是类比推理的能力。从一个领域里抽出深层结构，搬到另一个全新的领域去用。

这个能力，模型现在还没有。也可能是有，但用法不对所以激发不出来。

4
除此之外，Demis 还分享了一个让我特别出乎意料的判断，他说未来 6 到 12 个月，真正的价值不在更大的模型，在更小的模型。

这一部分内容我反复听了好几次，确实突破我的已有认知。

不知道大家的想法，反正我自己，这一年来并没有怎么关注小模型的进展。毕竟行业的焦点就是把模型做大嘛。

那小模型的价值到底在哪？

最直接的是成本。同样一个任务，小模型的推理价格可能只是前沿模型的十分之一甚至更少。

但 Demis 说，比成本更重要的其实是速度。

这里有一个前提得先说清楚。Demis 不是在说速度可以替代智能。

他的原话是，当小模型的能力已经达到前沿模型的 90% 到 95%，也就是已经相当不错的时候，剩下那 5% 到 10% 的能力差距，比不上速度带来的好处。

比如现在工程师用 AI 写代码，已经形成了一种新的工作节奏。一个想法冒出来，几秒之内就能看到结果，不行就改，再不行再改。

这个一改再改的循环跑得越快，做出来的东西就越好。如果每次调用都要等十秒，整个工作流就被打断了。

更关键的是，快到一定程度，工程师在这种节奏里能进入心流。一个想法、一次尝试、一个反馈、再来一个想法，思维不被打断。

这件事写过代码的人都懂，进入心流和频繁掉出心流，产出的差距是数量级的。

Agent 也是同样的逻辑。一个 Agent 跑完一个任务可能要调几十次模型，每次慢一秒，整个任务就慢一分钟。慢到一定程度，Agent 就从一个能用的东西变成鸡肋。

小模型不是大模型的廉价替代品。有些事只有小模型能做。

比如手机、眼镜、家用机器人，需要的就是一个能在本地跑起来的模型。本地跑除了反应快，还有一个特别重要的好处，隐私。

家里机器人看到的视频、听到的对话，全部在设备本地处理，根本不上云。这件事对很多用户来说不是加分项，是底线。

成本、速度、边缘部署，这是小模型的价值。

5
讲完小模型的价值，接下来一个更关键的问题是，能力被压到这么小的参数里，会不会有上限？

Demis 的判断是，目前没看到信息密度有任何理论上限。小模型的智能天花板还远没看到。

支撑这个判断的，是 DeepMind 在蒸馏这件事上的积累。蒸馏简单说就是先训练一个超大的模型，然后用这个超大模型去教一个小模型。教完之后，小模型用极少的参数，能复现原来 95% 以上的能力。

为什么 DeepMind 这么重视蒸馏？因为要把 AI 能力放进谷歌的头部产品中，前提是低延迟、低成本。前沿模型再强，每次推理花几秒钟、花几毛钱...这条路，恐怕很难走得通。

一个前沿模型发布之后，6 到 12 个月内，他们就能把这个模型的能力蒸馏到边缘设备能跑的小模型上去。这个时间表比很多人想的要快。

在很多场景中，小模型和大模型会相互配合。

举个例子，一个端到端的智能助手，绝大部分日常任务在本地的小模型上跑。智能眼镜看到的画面、家里机器人听到的对话、手机里的私人助理，模型直接在设备里读懂，不需要往云端传一遍。

只有遇到特别复杂、本地搞不定的问题，才向云端的前沿模型发起请求。

也就是说小模型在边缘做主力，前沿模型在云端做后援。

不过，这个构想对小模型的要求也比较高，它不能只会处理文字，还得能理解物理世界。

这就是为什么 Gemini 从一开始就坚持多模态，不光处理文字，也处理图像、视频、声音。

一开始这么做比只做文本要难得多，但眼镜也好，机器人也好，需要的是一个能看懂周围世界的模型，不是一个只会聊天的模型。

讲到这里，小模型这条路的轮廓就完全清楚了。它独立成立，不是前沿模型的廉价替代品，而是另一条同样重要的路。

嗯，很有启发。

[木子不写代码 @ai_muzi]

爆肝制作，全网最全最细Codex 零基础保姆教程！👇👇

这一期视频跟完，保证让你成为Codex专家！

从安装、界面、权限，
到 Skills / Plugins，
到做网站、PPT、Excel、部署和自动化，
一路讲到浏览器和电脑自动操控！

视频我精剪过，零废话，不会浪费你一秒的时间！

时间戳：
00:00 开场
00:36 Codex对比ClaudeCode
02:07 安装
02:27 项目与聊天
04:37 多任务并行
06:27 权限系统
08:15 Skills和Plugin
10:53 文档，表格和PPT
13:23 自动化
15:22 AI编程:个人网站
19:16 操作电脑/浏览器
21:36 结尾总结

[Larus Canus @MrLarus]

https://t.co/BbmQkUxL2y

[loveen @lovenftbtceth]

@BoboLucyWisdom @dliphotos 需要加Vc吗

[loveen @lovenftbtceth]

@shuxianWu10 @AIQuantAgent @ChandlerGuo 深圳的加我建群一起去

[郭宇 guoyu.eth @turingou]

今天正式发布了我的第 13 个 vibe 产品 https://t.co/L09qUdQhGA

这款产品比较特殊，它是一个电话服务。准确来说，tuwa 是一个 AI 电话网络，连接着世界上超过 100 种不同语言的人们和互联网上的 agent。

任何人都可以不下载 tuwa 而使用它，你只需要拨打免费的转接热线电话 [phone]，告诉它你需要打给哪个号码，tuwa 就会帮助你拨打对应的号码，你说自己的母语，对方听到的却是TA的母语，反过来也是一样。兼容任何电话，对方不需要安装应用。固话、手机，世界上任何一个角落，都可以。

tuwa 支持 100 多种语言的实时翻译，你甚至可以在打电话时随便切换语言和对方对话。除此之外，tuwa 还支持语音克隆，每一通电话，都会让你的 AI 语音听起来更像你。

当然，我也为它设计了方便的 web app，如果你想，可以不通过转接电话而使用 web app 拨打，并设置自己喜欢的声音，使用外呼 agent 拨打电话，连接自己的 agent（例如 openclaw 或者 codex/claude code）并让他们自由的呼入与呼出。

外呼电话 agent 是我最喜欢用的 tuwa 功能，只需要交待清楚事情，比如完成餐厅预订，它就会在你希望的时间主动拨打对方的电话，说明来意，达到目的，并记录和翻译所有对话内容。

tuwa 的使用和收费都很简单，每月免费额度，固定套餐，按需付费。

这个产品的命名灵感来自于日语的「通話 tsuwa」最初，我只是想设计一个能帮我预订餐厅的电话服务，但后来，我在 vibe 的过程中慢慢意识到，世界上仍然有很多人无法体验 AI 带来的变化与便利，而电话，是连接他们最简单与自然的方式。我希望 tuwa 能帮助外语普及率低，偏远地区和第三世界国家的人们体会到这一点。

[loveen @lovenftbtceth]

下载并注册 Bitget，立即领取 6200 USDT 新人大礼包！
https://t.co/KuHuLpkyTx

[laosji @laosji_fuli]

雪盈证券是美国盈透全披露经纪商，资金出入等全部都是盈透支持。注册雪盈证券还可以免费获得一个盈透账号，雪盈还搭建了和盈透证券的交易专线，用国人的APP体验，美国盈透的速度炒股。开户注意这些问题。https://t.co/YuatvoqFkg