Tiim

code

[Tiim @tim19841111]

@mranti @Viniciu99176891 😅浩川赶得上孟德了

[Tiim @tim19841111]

@ryona_maxwell @ScarletKc 有点像orca

[Tiim @tim19841111]

@chenreason 😅借的

[Tiim @tim19841111]

@traders18 去币圈跟去A股有什么不一样？都是割韭菜的地方😅

[Tiim @tim19841111]

@BoboLucyWisdom 可信度评价整体可信度较低。虽然“平衡能力反映神经系统健康与全因死亡率相关”这一大方向在医学上是成立的，但文章在最核心的证据上偷换了概念。将学术研究中的“睁眼测试”曲解为“闭眼测试”，极大地夸大了测试难度。普通人在闭眼状态下无法站立10秒是非常常见的，这并不等同于原研究中描述的“84%死亡风险

[Tiim @tim19841111]

@Corsica267 @CarGfZero @Jiaxi_Cui 大部分人估计没法用来做生产力工具，对他们来说可有可无吧。

[Tiim @tim19841111]

@stephenny 无以反驳

[Tiim @tim19841111]

@kayliatyyy 据说现在很多币圈大V在宣传买韩股，韩股药丸？

[Tiim @tim19841111]

@xem_churchill @TJ_Research AI的语料问题

[Tiim @tim19841111]

@Areskapitalon 买起来也不要命，外资砸盘那天全给接下来了，现在估计哭了

[Tiim @tim19841111]

@cnfinancewatch 斗米恩升米仇

[3X Long Labubu @labubu_trader]

I will exit all of my silver positions and my wife’s by the end of 12/31 this week, with enormous profits from late November.
I will re-enter when the futures price falls into the $64–$68 range in late January/early February for the next much bigger short squeeze.

[Tiim @tim19841111]

@Balder13946731 为什么底下这么多猫哥。。。。😂

[fin @fi56622380]

文明发展一定是朝着信息自由流通阻碍越小的方向行进，每一次信息流通门槛大幅降低，就会带来一次新科技革命

从信息流通门槛底层逻辑,看LLM这一波浪潮能走多远，想清楚这一点，是我2024年最大收获之一

LLM在信息流视角上实现了两个历史第一次:

人和信息流交互做到双向互动

用token统一了多维度信息

-----------------------------------------------
信息流通门槛大幅降低，主要从两个视角来看
-----------------------------------------------

第一个视角：
科技的发展换一个视角来说，本质上是人和信息流的交互方式的进化
-----------------------------------
电脑(操作系统OS)革命，互联网革命，移动互联网革命，从更高抽象层都是对于人和信息流交互的革命

电脑革命，也就是操作系统革命，是人机交互最早的形态。比尔盖茨最初的愿景就是创建一个图形界面GUI，windows就是一种抽象层，让人可以忽略底层的硬件资源管理，构建一个虚幻的可以任意使用硬件的幻觉，用图形化的方式让人们更容易操控硬件(电脑)，和电子数据/信息流交互

而人机交互界面本质上是人和信息流交互界面的具象化

互联网革命让地域上的信息交流在物理距离上和成本接近零，大幅降低了人和人创造出的信息流交互的门槛

移动互联网本质上是人机交互界面的迭代，UI的易用性，使用门槛，使用场景渗透，即时性和笨重的电脑比都得到了大幅增强

移动互联网在形式上更方便，比如触摸屏，碎片化时间利用率大幅提升以及视频/音频/LBS的随处采集，再一次降低了人和信息流的交互门槛

为什么所有的公司都需要app？本质上是因为要适应于这个新的UI(人和信息流)交互模式

为什么AR被寄予厚望？就是因为这可能是比手机更高效易用的UI(人和信息流)交互模式
------------------------------------

解释了这个视角之后，再来看LLM在这个视角下的历史进程地位

科技历史上看，从人和信息流的有限固定交互（书籍/电脑或静态网页），到人主动去定向低效捞取信息(搜索引擎)，到推荐系统去猜人的心思推送信息流方式的交互（社交网站，Twitter），再到人可以主动高效和信息流双向互动(LLM)。

LLM让信息流第一次有了“生命”，有基本的模拟推理能力，agent flow让信息流可以和人进行双向互动(互相启发思考)，信息流对人的理解能力，反馈精度提高了太多。任何历史上人类创造的方法/经验，编程方式，都以“活的信息流”和人互动的方式大幅降低了信息流的获取难度

甚至在此基础上信息流的“拟人化”模仿人类调用外部工具处理/分析信息，更贴近理解人的上层意图，让自动化范围更广，本质上是把人交互信息流的抽象层又抬高了一层

这种主动贴近人类意图(agent flow)的像是有生命的拟人化信息流，也是历史上第一次出现

如果说web1.0到web2.0，从静态网页单向展示，变成了人和人之间有了互动，那么AI1.0和AI2.0的区别，就是从推送系统信息流个性化单向展示，变成了人和信息流双向互动

-----------------------------------------------------
那么AI3.0在信息流视角的下一步加强会是什么？也许就是人和多个独特信息流的多向互动

每个人都是自身独特人生经历所过拟合函数的产物，只有过拟合才能保持作为人的独特优势，人和人的交流之所以有价值，正是因为能取得自己的过拟合函数所无法取得的视角，信息以及方法论，从而修正自身

人 = 过拟合函数

群体智慧不仅仅只是广度互补，更重要的是各个过拟合函数之间，会有新的组合火花碰撞出来，对新组合的价值评估也更为容易和准确，因为A和B排列出来的新组合的价值很可能是在第三个过拟合函数C眼里才得以闪光

而新组合得到价值超于预期的验证之后，就会正式成为创新

所以多个独特过拟合的信息流和人交流，会碰撞出比单个"全拟合"平庸的LLM信息流多的多的灵感

AI4.0在AI3.0基础上的下一步加强是什么？多人(包括数字分身)和多个独特信息流的多向互动

加入多人在实际世界中的经历之后，带来的碰撞和消除信息差会效果更好，因为人作为消费者的视角和实时反馈，可能是会比信息流更新的信息

数字分身是一个非常好的解决方式：从人类历史信息获取门槛的角度，印刷从10万门槛降低到1万，交通发展从1万降低到1千，互联网/搜索从1千降低到100，在线教育从100变成50，chatGPT把门槛50变成了5，数字分身则把门槛进一步降低，打通了历史上信息流通最大的障碍：人与人之间1v1低效的交流，以及场合所限的物理隔阂

功利的信息交流角度，这是一种高效打通人和人之间信息流通的渠道，现在非常多信息和机会其实是很需要人和人之间的互动交流的，这样的1V1互动交流其实是很低效而浪费时间的。

而有了这种新的方式，你去调研一群人的想法，以后不需要一个一个走访了，大家的数字分身交谈完了，来个总结就行
---------------------
比如未来的AI/agent scale的方向，很可能就是复制人类的文明史：分工带来更好的过拟合结果，执行层和管理层分离带来更高效率，不同领域过拟合的个体交流碰撞才能出来更多的组合火花

-------------------------------------------------

第二个视角：
在历史上第一次，LLM打通了不同维度信息之间流动的障碍，把所有的信息，从视觉，听觉，文字，图表用同一个格式统一了起来：token

信息流动门槛在多个维度的大幅降低，为什么会带来无数组合的机会？ （组合=创新）

1.互联网上不同信息流的互联快捷性以及易用性，打破学科/产业之间的隔阂更容易，让更多不常见组合成为了可能性，创新的速度更快了起来

就像一种“化学反应”：原本看似不相关或难以结合的元素，如今能被灵活地拆分、重构、重组。每一次的组合都是对社会、商业和技术形态的一次新探索，因而能够催生出数量级增长的创新与应用机会

2. 不同维度，不同格式的信息流之间，拥有了一个通用超级接口

信息流之间理解力强，降低了interface接口精确性要求（一般接口种类繁多，各有自家定义，格式严格精确性要求高，还要考虑兼容，做到通用性不容易），大大提高了接口的通用性 相当于把各种接口一统江湖，降低了各个子领域技术组合的门槛

当信息可以用统一的方式（token）进行处理，各种原本分散、隔阂或需要大量人工解析的内容就能够更顺畅地打通。不同学科、不同产业之间的数据、知识更容易被整合、交叉引用、自动调用。

比如说，视觉、听觉、文本、图表等都能以统一的“token”形式表示和处理，也让机器人，或者具身智能，成为了可能性：

通用信息流有了"生命"，自身的“理解”/“推理”能力，让视觉、听觉、文本信息流之间障碍减少几个数量级，可以在同一套系统中对多模态信号进行综合判断。不仅降低了对各模块“精确接口对接”的依赖，在数据训练上scale up效果也非常好，甚至能接入游戏GPU生成数据scale up

特斯拉的自动驾驶是另外一个证明，端到端的自动驾驶策略在scale up效果上，充分发挥了统一各种信息流的优势

---------------------------------------------

从这两个视角来看，LLM在信息自由流通门槛上大幅下降，没有任何疑问

LLM在这个视角下的历史进程地位，有没有达到了和互联网革命相似的水平？2024年的chatbot水平也许还没有，但在可预见的未来是很有希望能达到的。

就像Sam今天发的那样，未来有更长的context，有更好的memory，造就出更好的agents，也就是更有生命力更拟人(能在open ended task有更好表现)的信息流。

那么这两个视角的信息自由流通门槛的下降，与人交互信息流的抽象层提高程度，未来不是梦

不需要纠结LLM像不像理想化中的完全替代人的AI，不需要纠结LLM不像人类那样有0-shot的推理能力，只要能达到信息自由流通门槛的大幅下降，已经足够引发一轮类似互联网革命的科技浪潮了。

还是那句话，科技的发展，甚至文明的发展，一定是向着信息流的networking交互越来越多，交互门槛越来越低的方向前进，因为这才是探索新组合(也就是创新)更高效的方式，最后活的更好的一定是信息流自由交互门槛更低的文明，这是必然的趋势。

[Tiim @tim19841111]

@JourneymanChina @grok 事实核查

[rick awsb ($people, $people) @rickawsb]

《AI时代，投资者必须全栈》
ai investor has to be Full-Stack Investor

过去的投资世界，讲究“分工”：
有人做宏观，有人做行业，有人做基本面，有人做量化。
但进入 AI 时代之后，这种分工化的投资方式正在迅速失效。

今天，一个真正能理解、看懂并抓住 AI 时代财富机会的投资者，必须是 全栈型投资者（Full-Stack Investor）。

就像技术行业曾经出现“全栈工程师”一样，未来的投资世界也将被“全栈投资者”主导——
既懂宏观，也懂技术；既能判断行业，也能写工具；既能分析，也能自动化。

这是时代的要求，也会是下一代投资者最核心的竞争力。

一、为什么 AI 时代投资者必须全栈？

1. AI 是一个端到端的超级产业链，任何一个环节都可能反转你的判断
AI 涉及的链条长到前所未有：
算法（Transformer、MoE、World Model）

GPU（NVDA / AMD）

HBM（SK hynix / Samsung / Micron）

先进封装（TSMC CoWoS / SoIc）

光互联（Broadcom / Coherent / Intel SiPh）

数据中心（VRT、NET、DDOG）

能源（BE、CWEN、XIFR）

云与 AI 平台（GOOG、MSFT、META、OpenAI）

AI 应用层（PLTR、SaaS 全部重构）

任何一个瓶颈、任何一个突破，都会改变整个板块的涨跌逻辑。
如果你不了解光互联，你看不懂 GPU 可扩展瓶颈。

如果你不了解 HBM，你判断不了 AMD/NVDA 的代差。

如果你不了解能耗和冷却，你不知道数据中心为什么比 GPU 更紧缺。

如果你不了解算法，你根本无法判断“算力需求是否会继续指数级增长”。

AI 投资不是单点知识，而是端到端系统理解。

2. 信息量爆炸，纯靠人力无法覆盖

AI 相关的信息密度，已经远超传统行业：
供应链新闻

算法论文和技术突破

Big Tech CapEx 更新

监管和出口管制

数据中心扩张与电力审批

GPU 交付时序

行业会议与内部技术路线

X/Twitter 讨论流

各类模型 benchmark 和产品更新

每天 1000+ 条信息可能只是行业平均水平的投资者。
不用工具自动化，就永远落后于别人。
全栈投资者最大的优势，就是能自己构建信息“摄取与过滤系统”。

3. 技术周期太快，不懂技术就无法提前布局
AI 的技术迭代速度大概是：
每 3～4 个月一次重要突破

每 6～9 个月一次产品更新

每 12～18 个月一次算法范式变化（MoE、SSM、World Model）

每 24 个月一次硬件架构代差（H100 → B200 → Rubin）

如果你不了解技术周期，你根本无法预测：

哪家公司未来一年会爆发

哪条供应链会卡住

哪个环节会成为新赢家

谁会在 2 年后被替代

技术理解能力，是 AI 投资者未来的基本素养。

二、为什么“开发能力”也是未来投资者的必修课？
真正的全栈投资者，不只是会分析，还必须会“开发自己的工具”。
因为：

1. 投资者的核心能力之一是“快速验证观点”
你想验证：
最近 48h 哪些 AI 项目最热？

某事件（财报/政策）对哪些股票影响最大？

算力增速 vs 数据中心供电缺口的关系？

模型参数增速 vs HBM 需求增长？

只要你会vibe coding，你就能在马上得到答案，而不是靠别人的两周后的分析。

2. 未来的投资者本身就是“产品经理”
投资者必须设计：
事件监控

数据库

自动摘要

自动分类

情绪分析

回测脚本
。。。。。。

这就是一个“投研产品”的完整系统。
会开发的人，能自己造最适合自己的系统；不会的人，只能用别人的系统，未必最适合自己

三、结语：AI 时代不会让投资更容易，但可能是碳基生物为数不多的选择之一

AI 并不会让投资变简单。
AI 会加速信息流动、压缩套利时间、加速竞争。
在这种环境下：
不会开发、不会自动化、不会跨学科推理的投资者，将被淘汰。

懂技术、懂产业、懂开发、懂金融的“全栈投资者”，会成为下一代的超级个体。
更不用说，当ai开始大量替代人力的时候，投资，可能是唯数不多的，你可以选择不被替代的工作。
真正的 AI 投资时代刚刚开始。
只有全栈型投资者，才能吃到全周期的红利。

[Steve Hanke @steve_hanke]

According to @Polymarket, there is a 60% chance that Bitcoin crashes below $80k by the end of the year.

BITCOIN = A HIGHLY SPECULATIVE ASSET WITH ZERO FUNDAMENTAL VALUE.

[Manchurius Hao — Greeks.live 首席赌狗 @AntonLaVay]

当前市场担忧泡沫——BRK是保守的价值投资机构——BRK 追高 $goog ——BRK觉得没泡沫

[Tiim @tim19841111]

@mylittleoreo1 作为 ChatGPT 日活订阅用户取消订阅改用 Gemini 和 grok 并没有什么障碍🌚

[Tiim @tim19841111]

@Mistery5387057 @popo88776655 那高市的言论并不是民意的反应？