币圈梦想家7740

vip
幣齡 1.9 年
最高等級 4
用戶暫無簡介
Coinbase 剛把 $PRL 列入上幣路線圖。
我看好 Perle @PerleLabs 的邏輯很簡單,就兩條:正規軍出身 + 解決 AI 的「近親繁殖」危機。
先看團隊,Perle 基本上就是 Scale AI 的核心班底出來創業。Scale AI 現在估值 300 億美金,Meta 砸了 143 億進去,創始人身價幾十億。
Perle 的 CEO 以前就是 Scale AI 負責供給側增長的老大。這個賽道的財富效應早就被驗證過了,Perle 做的是這個邏輯的 Web3 版,且拿了 Framework 和 CoinFund 1750 萬美金的融資。
再看業務。現在 AI 圈最大的隱患是 Model Collapse——用 AI 生成的數據去訓練 AI,迭代幾次模型就廢了。尤其在醫療、國防這些領域,數據必須得是真人專家驗證過的。Perle 做的就是這個:找真正的醫生、律師去審核數據,然後在鏈上留痕。
這就是剛需。Perle 現在手裡握著真實的B端甚至主權國家客戶,有實打實的收入流水。
Coinbase 這一波 Listing 預告算是明牌了。在滿大街都在炒算力的時候,高質量的「人類數據」基礎設施其實才是那個還沒被完全定價的勝負手。
$PRL 這波值得盯緊。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
Seeing that Peking University master's graduate delivering food, I feel the real issue isn't about "wasting education" or personal freedom at all.
In 2023, 11.58 million graduates entered the market, yet the total new job creation target was only 12 million for the entire year. And that's not even counting the 500,000 mid-level talents that internet giants "returned" to society.
The current employment pool is like a pressure cooker. Mid-level professionals with 3-5 years of experience are lowering salaries to compete for positions. HR budgets are fixed, so they naturally prioritize those who c
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
Since o1 launched, the biggest complaint is that it's "too verbose."
I just wanted to fix a simple bug, and it gave me three background explanations, two solution approaches plus error handling, and then wished me good luck on top of that.
I was only looking for a spelling mistake on line 12, but ended up having to review Python naming conventions all over again.
This blame falls squarely on RLHF. Annotators tend to give higher scores to longer responses, thinking more text looks more professional.
So the model desperately piles up "seemingly useful" filler, while the actual core information g
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
老黃說AI是新工業革命,我覺得這話對一半。
對的部分:全世界都在瘋搶GPU,跟當年搶石油一樣。訓練一個大模型燒的電,夠一個小鎮用。大廠排著隊給英偉達送錢,有些小公司甚至提前半年打全款,就為了能排上隊。這熱度是真的。
但說句不好聽的——你現在用AI幹嘛?寫週報、P圖、聊天解悶?說好的顛覆世界呢?設計師還在加班,程式員還在改bug。AI目前替掉的,基本都是本來就快被淘汰的活兒。
老黃當然要使勁吹。他是賣鍬子的,礦工越瘋狂他越賺錢。英偉達市值幹到2萬億,比其他晶片公司加一塊還多。這個價格押的是一個賭注:所有人會一直買GPU,永遠不停。
但歷史反覆教過我們一件事——風口上豬都能飛,風停了摔最慘。2000年光纖泡沫,鋪了一堆沒人用的線。現在會不會鋪了一堆沒人用的算力?
不過有一點我服氣:AI迭代速度確實離譜。兩年前ChatGPT剛出來還像個玩具,現在大模型已經能跑在手機上了。按這個速度,三年後什麼樣,真沒人敢說。
所以革命可能是真的,但現在大概還在1780年,蒸汽機剛造出來,離火車滿世界跑還早著呢。
別急著All in,也別急著唱衰。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
恐懼是個路標,不是路障
昨晚翻《資治通鑒》看到一個細節,挺扎心的。
垓下之戰,劉邦懸賞千金萬戶侯取項羽首級,整個漢軍沒人敢動。一個叫楊喜的小騎兵,被項羽一嗓子吼退了好幾裡地——結果這哥們又掉頭追了回去。最後搶到項羽遺體,一戰封侯。
同一支軍隊,同樣的機會擺在面前。區別就在那個「掉頭」的瞬間。
我自己對這事感觸蠻深的。剛開始寫東西那陣,每篇文章要改十幾遍才敢發出去,發完一分鐘刷幾十次看有沒有差評。看到一條罵的,能喪一整天。後來一個前輩講了句特別損但特別管用的話:你太把自己當回事了,別人罵完就忘了,就你自己還在那反芻。
被罵醒之後我就逼自己每天寫、每天發。慢慢發現,以前抖著手點「發送」的那些事,後來都能笑著聊了。
這幾年我養了個習慣——每年底寫一份「恐懼清單」,然後第二年專門去做清單上的事。怕公開表達就開部落格,怕演講就硬著頭皮上台,有鏡頭羞恥症就逼自己出鏡。每克服一個,第二年就多一塊台階踩。
講個反面的例子吧。以前有個合租室友,開會永遠坐最後一排,有晉升機會不敢爭取,因為要做述職報告。領導點名讓他負責一個項目匯報,他連夜請假推掉了。後來那個項目成了公司標竿,接手的人連升兩級。
他喝酒時跟我說「我命不好,總錯過機會」。但機會確實敲過他的門啊,是他自己反鎖了。
心理學裡有個「行為改變三圈理論」,把人的認知分成舒適圈、學習圈、恐懼圈。大部分人一輩子都站在恐懼圈外面往裡張望,琢磨怎麼繞過去。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
凌晨三點盯著K線,覺得自己還能再撐兩小時。
第二天中午醒來頭疼欲裂,但倉位調完了、文檔交了。你覺得這筆帳劃算。
直到身體開始用另一種方式跟你算帳。
crypto圈有個很離譜的潛規則:不熬夜=不夠努力。
市場24小時轉,時區差讓你半夜開會,鏈上突發隨時要處理。偶爾熬一次是應急,但很多人已經把通宵當常態了。
這兩個東西完全不一樣。
先甩個數據:斯坦福的研究,連續兩週每天睡6小時,你的反應速度和判斷力≈連續48小時沒睡。
最恐怖的部分是——你自己完全感覺不到。大腦會騙你,讓你覺得「我狀態還行」。
你以為你在高效工作,其實你在用醉駕的狀態做交易決策。
免疫系統更狠。通宵一次,自然殺傷細胞活性掉30%。這玩意負責清理病毒和癌變細胞的。
長期睡眠不足的人患癌風險高40%,2018年發在Nature上的數據。
「我年輕撐得住」——這句話是最大的坑。
20多歲通宵,30多歲還債。你透支的不是今天的精力,是未來十年的健康儲備。
crypto本身壓力就大,情緒波動劇烈,已經是心血管高危因素了。再疊一個睡眠剝奪,屬於給自己連續疊debuff。
還有個很多人忽略的:通宵會直接影響你的代謝。
睡眠不足→瘦素下降、飢餓素上升→你的身體在生理層面逼你多吃。所以通宵後暴食不是你意志力差,是激素在操控你。
同樣的飲食習慣,長期熬夜的人更容易胖、更容易得糖尿病。
最隱蔽的傷害是心理層面。
通宵會放大負面情緒,降低你的
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
Sam's Club requires queuing at checkout, while Freshippo lets you scan and go. But Sam's steaks have neat cuts, while Freshippo's salmon has more trim pieces.
Both memberships cost 260, Sam's gives you parking spots and samples, Freshippo gives you app notifications and discount coupons.
The former is like a wholesale market, the latter like a takeout platform with a warehouse. Going to Sam's is planned stockpiling, going to Freshippo is spontaneous or when you're too lazy to cook.
Middle-class drivers and white-collar cyclists already shop along two different lines.
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
說個不太舒服的事實:
AI最可怕的不是「太聰明」,是太標準。
它寫的文案80分,做的PPT80分,寫的代碼80分。全是80分。
這意味著什麼?意味著以前靠「還行」混飯吃的人,直接被抹平了。你幹活跟AI輸出質量差不多,但你要工資、要休息、還會鬧情緒。老闆又不傻。
McKinsey去年的數據,60%的崗位中至少30%的任務可以被AI標準化替代。注意用詞——不是「消滅」,是「標準化替代」。你還在,但你最容易被量化的那部分能力,不值錢了。
所以現在真正的護城河反而是那些「不標準」的東西:審美直覺、奇怪的跨界經驗、能在混亂中做判斷的能力,甚至你的偏見和執念——這些AI學不來,因為它被訓練得太「正確」了。
AI把地板抬高了,但天花板還是人的。
問題是,大多數人一直在地板待著。
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
Aave這次「巨額滑點」其實挺有意思的,很多人第一反應是:協議是不是被黑了?其實沒有那麼戲劇化,更像是一場流動性+機制+市場情緒一起疊加的「連鎖反應」。
事情大概是這樣的——
某個大額交易者在Aave相關池子裡做了一筆規模很誇張的操作,單筆規模接近千萬美元級別(鏈上數據能看到)。問題是:池子的真實流動性並沒有想象中那麼深。
結果就是經典DeFi名場面:
你想賣100塊的東西,市場只準備接10塊。
滑點直接炸了。
有鏈上觀察者算了一下,這筆交易理論價格和實際成交價之間差距非常離譜,滑點一度飆到幾十個百分點。簡單說就是——如果按「理想價格」賣能拿100萬,最後可能只拿到六七十萬。
幾十萬美金,就這麼被市場吃掉了。
很多人第一時間把鍋甩給Aave,但嚴格說這並不是協議Bug。Aave本質上是借貸協議,不是專門做深度做市的DEX。很多資產池子的深度其實沒大家想象中那麼厚。
這裡有個DeFi老問題:
TVL很大 ≠ 流動性很深。
協議裡鎖著幾十億,看起來很唬人,但真正能在某個價格區間吃單的資金,可能就幾百萬。
再加上現在很多鏈上交易其實是機器人+套利bot在盯盤。
一旦出現大額訂單,套利機器人基本是毫秒級反應:
你一砸盤 → 價格被拉歪 → bot立刻套利 → 滑點進一步放大。
整個過程有點像在冰上跳舞。
更有意思的是,這類事件在DeFi裡其實越來越頻繁。過去一年裡,類似「自己把自己滑點幹爆
AAVE-0.86%
UNI-0.66%
CRV-1.43%
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
这段观察很敏锐。你说的其实是:**完美本身成了不真实的信号**。
AI因为没有真实的思考过程,所以每一句都是"最优化输出"——没有思维的死角、没有表达的摩擦、没有犯错后的懒得修改。这种过度的理性反而掉出了人类语言最核心的东西:**冗余感**。
人的真实写作里到处是冗余:
- 句子之间有逻辑跳跃(转过弯的想法)
- 用词有重复或不够精确(没想好就写了)
- 节奏忽快忽慢(情绪在起伏)
- 有些细节明显费笔墨(说话人在乎这点)
这些"不效率"的地方,反而让读者能看到**一个人在实时思考**。
你说"280字里没有一个多余的字"——这才是最不像人话的地方。真实的人会说废话、会纠正自己、会突然扯到另一个角度。不是故意的,就是思考和表达同时进行。
现在的困境是:**越来越难区分,谁在真的想,谁在高效地模拟想。**
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
Gate 創始人又提 AI+Web3。
上一輪是元宇宙,再上一輪是 DeFi 2.0。每次牛市尾聲,交易所創始人都會找個新敘事。
AI 訓練數據確實需要激勵層,但不是每個激勵層都需要發幣。Web3 能解決的問題,Web2 資料庫+合約也能解決,只是後者沒有流動性溢價。
真正從事 AI 基礎設施的團隊,融資簡報中很少提 token economics。
倒是交易所需要新標的上架。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
美国有個數據:退伍軍人創業失敗率比普通人低 30%。
大部分人以為創業需要的是創意、激情、all in 的勇氣。但退伍軍人帶來的是另一套東西:流程、紀律、對不確定性的耐受度。
軍隊訓練的核心不是讓你變得更聰明,而是讓你在資訊不完整的情況下做決策。戰場上沒有完美方案,只有 70% 把握時就得動手的時刻。這種思維轉移到創業場景裡,表現就是更快的執行速度和更低的決策成本。
對比一下兩種創業者的行為模式。
普通創業者拿到融資後,第一件事是招人、租辦公室、做品牌。退伍軍人創業者會先跑通最小可行單元,用三個人測試市場反應,確認需求真實存在再擴張。前者是資源驅動,後者是驗證驅動。
這種差異在 Web3 領域更明顯。很多項目上來就是宏大敘事、複雜機制、十幾頁白皮書。但用戶真正需要的可能只是一個能穩定運行的跨鏈橋,或者一個 gas 費更低的 DEX。退伍軍人式思維會把問題拆解到最小單元,先解決一個痛點,再談生態。
另一個被低估的能力是對失敗的處理方式。
軍隊裡有個概念叫 AAR(After Action Review),每次任務結束後立刻復盤,不追責、只看流程哪裡斷了。這套機制移植到創業裡,就是快速止損和迭代的能力。普通創業者失敗後容易陷入情緒,退伍軍人更傾向於把失敗當數據點,調整參數繼續測試。
Crypto 行業裡有個典型案例。2021 年有個 DeFi 項目遭遇閃電貸攻擊,團隊在 48 小時內完
DEFI-3.46%
查看原文
post-image
  • 打賞
  • 留言
  • 轉發
  • 分享
你打開電腦準備寫程式,突然想起昨天那個bug還沒修。切換到瀏覽器查閱文件,看到一半又想起要回覆客戶郵件。等處理完郵件,已經忘了剛才要查什麼。這種場景每天重複,工作被切成碎片。
Hermes Agent的設計邏輯是:不讓你在工具之間跳來跳去。它能直接接入你的工作流程,把原本需要打開五個窗口才能完成的事情,變成一次對話。
最直接的用法是處理重複性任務。比如每週要整理項目進度報告,需要從GitHub拉取commit記錄,從Jira篩選已完成任務,再從Slack找到團隊討論的關鍵決策。傳統做法是打開三個平台,複製粘貼,手動排版。Hermes可以一次性抓取這些數據,按你要的格式生成報告。省下的不只是時間,更重要的是不用在多個界面間切換,保持專注。
另一個場景是程式碼審查。你在看別人提交的PR,發現一段邏輯有問題,但不確定是否符合項目規範。通常需要翻閱文件、查詢歷史commit、問同事。Hermes可以直接分析代碼庫的上下文,告訴你這段代碼和現有架構的關係,甚至指出潛在的性能問題。它能把判斷所需的信息快速擺到你的面前。
技術支援場景更明顯。用戶反饋某個功能報錯,客服需要先理解問題,再查日誌,然後找對應的代碼模塊,最後寫解決方案。這個流程涉及多個系統,每次都要重新熟悉。Hermes可以直接關聯錯誤日誌和代碼,給出可能的原因和修復建議。客服不需要懂代碼細節,也能快速回應。
還有一種用法是知識管理。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
OpenClaw 的監管麻煩不是會不會來,是什麼時候來。
鏈上自動化執行聽起來很酷,但監管眼裡這就是無牌金融服務。SEC 盯 DeFi 協議的邏輯很簡單:你提供金融功能,就得有牌照。OpenClaw 現在的合規策略是什麼?看不到。
地理圍欄能擋一時,擋不住長期追溯。Tornado Cash 的教訓擺在那兒——技術中立不是護身符。
真想活下來,要麼主動對話監管拿牌,要麼徹底去中心化到沒法被起訴。中間狀態最危險,既沒合規背書,又有明確的運營主體。
市場在賭它能跑多遠。我賭監管比市場快。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享
在國內用 iPhone 想上 eSIM,終於不用再排隊去營業廳了!
1️⃣ 新出的 iPhone 17e 支持“隔空搬家”:把舊 iPhone(比如只吃 eSIM 的 iPhone Air)放在旁邊,幾步就能把 eSIM 直接挪過來。
2️⃣ 也能掃營運商二維碼秒激活,徹底擺脫櫃台。
3️⃣ 17e 依舊留著實體卡槽+eSIM 雙方案,想切換號碼、營運商都省心。
4️⃣ 按這節奏,今年秋天亮相的 iPhone 18 Pro/Max 大概率也會走同一路線。
換機、出國、用副號……統統更隨意。
查看原文
  • 打賞
  • 留言
  • 轉發
  • 分享