@Gosleepriya You can move one stick on 4 and turn that into 7, then it will be 76 and it is bigger than 46
English
Eric Lo
1.4K posts
Eric Lo
@ericlhlo
Love technology, investment and macro views. Putting my energy to understand how things play out in the last mile 🤔
Asia انضم Mayıs 2009
1.4K يتبع132 المتابعون
If you can solve this, your IQ might be above average
Can you solve it?
English
@ba_niu80557 This is also a good way to monetize the knowledge as you have the flexibility to pick project, allocate time and maximize income
English
看了下评论，发现很多人还没整明白独立FDE是啥。我举个具体的我的项目case吧，帮组大家理解。说白了，不是在打工。x.com/ba_niu80557/st…
DataDan｜AI Consultant + Builder@ba_niu80557
讲一个真实的落地案例。客户信息做了脱敏,但技术细节和踩坑过程是完整的。 分享一个我在大阪接的制造业 AI 落地项目,从头到尾讲一遍,包括中间差点翻车的部分。 客户是关西地区一家做精密零部件的中型制造企业,员工大概 400 人,年营收几十亿日元。不是什么明星公司,是日本制造业里最典型的那种:技术积累深、品控严格、信息化程度不高、平均年龄偏大。 他们找到我的原因很具体:质检环节出了问题。 这家公司的质检一直靠老师傅目视。产线上的零部件经过最终检查台,两个经验超过二十年的老师傅拿着放大镜和量具一个一个看。他们的准确率极高,接近 99.7%。可问题是:这两个师傅一个 61 岁,一个 58 岁。三年内两个都要退休。后面的年轻人培养了好几个,准确率最高的一个只有 96%。3.7 个百分点的差距,在精密零部件行业意味着客诉翻倍。 客户最初的需求很直接:"能不能用 AI 做质检,替代老师傅的眼睛。" 这是一个听起来非常标准的"AI 视觉检测"项目。市面上方案一大堆,很多 AI 公司会直接报价:采集图片、标注数据、训练模型、部署边缘设备,三个月交付。 可我去了现场之后发现事情完全不是这样的。 第一次去工厂,我没聊 AI,花了一整天站在检查台旁边看老师傅工作。 看完之后我发现一件事:老师傅检查的不只是"有没有缺陷"。他们在做的是一个极其复杂的多维度判断——零件表面的纹路是正常的加工痕迹还是异常划伤?这个微小的凹陷是模具磨损导致的(需要报修模具)还是材料杂质导致的(需要换供应商)?颜色的微妙变化是热处理正常范围内的还是温度异常的信号? 老师傅不只是在做"合格/不合格"的二分类,他们在做"这个问题的根因是什么"的诊断。而且这个诊断依赖二十年积累的隐性知识,这些知识从来没有被文档化过。 如果我按照客户最初的需求直接做一个"缺陷检测 AI",结果就是:AI 能告诉你"这个零件有问题",但不能告诉你"问题出在哪里、该修什么"。对客户来说,这只解决了一半的问题,而且是价值比较低的那一半。 我回去之后跟客户说了一句不太受欢迎的话:"你们需要的不是一个 AI 质检系统,是一个知识保全系统。AI 检测是其中的一个模块,但不是核心。" 客户一开始不太高兴。他们预期的是"三个月上一个 AI 质检",我告诉他们"这件事比你们想的复杂,而且最有价值的部分不是你们以为的那个部分"。 这是做 FDE 最不舒服但最关键的时刻:告诉客户他的需求定义是错的。在中国,这句话直接说就行。在日本,你得用一种让对方不丢面子的方式说。我的说法是:"贵社的质检水准在业界是非常高的(先肯定),正因为如此,简单的 AI 检测方案可能无法完全承继老师傅们积累的技术资产(把问题框定为'方案不够好'而不是'你的需求错了')。如果可以的话,我想提议一个更能保护贵社技术优势的方案(给出替代)。"同样的意思,日本式包装。 最终的方案分三层: 最底层:把老师傅的判断过程全部录下来。不是录视频,是让老师傅一边检查一边说话。"这个纹路是 A 模具第三次修模之后的正常痕迹""这种颜色说明热处理温度偏高了大概 10 度""这个凹痕的位置和形状说明是材料问题不是加工问题"。用了三周时间,录了大概 60 小时的音频。然后用 LLM 做转写和结构化,把这些隐性知识变成一个可检索的知识库。 中间层:基于这个知识库搭一个 RAG 系统。新的质检员遇到拿不准的零件时,可以拍照上传,系统会从知识库里找到最相关的案例和老师傅的判断逻辑,告诉你"类似的情况老师傅是这样判断的"。不是替代人的判断,是给人提供参考。 最上层:才是 AI 视觉检测模型。用老师傅标注的数据训练一个缺陷分类模型,但这个模型的输出不是简单的"合格/不合格",而是"疑似 XX 类型缺陷,置信度 XX%,建议参考案例 XX"。把检测和诊断串起来。 整个项目花了大概五个月。不是三个月,因为中间踩了两个坑。 第一个坑:老师傅不愿意配合录音。日本的老师傅(職人)有一种很深的职业自尊:我的技术是我几十年练出来的,你要把它"录下来给机器用",他觉得是对他手艺的不尊重。这件事不是靠跟老师傅讲道理能解决的,最后是工厂的部长(中层管理者)出面,以"为了让后辈也能学到您的技术"的框架说服了他们。注意,不是"用 AI 替代你",是"让后辈学到你的技术"。框架不同,配合度完全不同。 第二个坑:图片数据质量远比我预想的差。工厂的检查台灯光不均匀,不同时间段拍出来的照片色温不一样。老师傅用肉眼能自动补偿这种差异,AI 不能。花了额外三周做灯光标准化和图片预处理,这部分工作完全不在最初的计划里。 结果:系统上线之后跑了三个月的 A/B 测试。AI 辅助下的新人质检员准确率从 96% 提升到 99.2%,接近老师傅的 99.7%。更重要的是,知识库的使用频率远超预期——不只是质检环节在用,产线调试的工程师也开始用它来排查问题,因为老师傅的经验对上游工序同样有参考价值。 客户最后跟我说了一句让我印象很深的话:"最初我以为你来是帮我们装一个 AI 摄像头,没想到你帮我们把即将退休带走的二十年经验留下来了。" 这就是 FDE 跟卖 AI 解决方案的本质区别。卖方案的人听到"AI 质检"就开始报价。FDE 先去现场看,搞清楚真正的问题是什么,然后再决定 AI 在整个方案里应该扮演什么角色。很多时候 AI 不是方案的核心,而是核心方案的一个组件。 这个项目教会我的最重要的一课:在日本做 AI 落地,技术只占 30%,剩下的 70% 是理解人。理解老师傅为什么不愿意配合,理解管理层真正害怕的是什么(不是效率低,是技术传承断裂),理解客户嘴上说的需求和真正需要解决的问题之间的差距。 AI 是工具。理解人才是手艺。
中文
在日本做独立 AI 工程师的收入和前景,说几句大实话。有些话可能不太好听,但比打鸡血有用。
先把最常见的误解破掉:在日本做 AI 工程师,收入天花板比美国低得多。
Glassdoor 的数据,东京全职 AI 工程师平均年薪大约 645 万日元(约 30 万人民币),顶部 10% 大约 983 万日元(约 45 万)。ERI 的数据稍微高一点,平均 996 万日元(约 46 万)。对比美国 AI 工程师平均 15 万美元以上(约 110 万人民币),差距是明摆的。
如果你单纯比工资数字,日本完全不值得来。
但独立 FDE 不是打工,不吃本地工资的天花板。这是这件事成立的前提。
我在大阪做独立 AI 工程师,客户不限于日本本地。中国客户、东南亚客户、偶尔有欧美客户,项目按交付结算,不是按日本的雇佣薪资体系定价。当你的客户来源是全球的,你的定价锚点就不是"日本 AI 工程师平均工资",而是"这个项目在客户那边值多少钱"。一个帮客户省掉三个人半年工作量的 Agent 项目,客户不会按日本时薪给你算钱,他会按省下来的人力成本的一部分给你定价。
这是独立 FDE 和全职打工最根本的区别:你卖的不是时间,是结果。按时间卖,你永远被本地市场的时薪天花板卡住。按结果卖,天花板取决于你能解决多大的问题。
Upwork 上 AI 和机器学习方向的专家,全球时薪在 75 到 150 美元之间,顶尖的到 250 美元。这个价格在日本的生活成本下极其舒服,大阪的生活成本大概是东京的七八成,是硅谷的三分之一。同样赚美元,住在大阪的生活质量比住在旧金山高出不止一个档次。
再说项目来源。日本本地的 AI 项目市场正在快速打开。
日本政府的 AI 基本计划白纸黑字写着要成为"全世界最容易开发和使用 AI 的国家",同时也白纸黑字承认自己在 AI 应用、开发和投资上全面落后。NEDO 五年拨了一万亿日元砸 AI,微软承诺投 100 亿美元建日本 AI 基础设施。AI 平台访问量 14 个月涨了 225%。Robert Half 今年的报告说,日本 IT 行业在 AI、网络安全、云和数据工程方向的人才需求远超供给,尤其缺双语人才。
日本软件工程师的缺口大约 30 万人,而且每年在扩大。AI 工程师的缺口更夸张,因为日本本土培养的 AI 实战人才极少。大量日本企业想用 AI 但找不到能帮他们落地的人。
这对一个中日双语(甚至三语)的独立 AI 工程师来说,意味着什么?意味着你在一个供给极度短缺的市场里,拥有大多数本地竞争者不具备的能力组合:懂 AI 落地实战、能跟日本企业用日语沟通、同时又能接入全球最新的技术和工具链。
Hello World Japan 上个月有一篇文章说得很准:2026 年在日本最强的 AI 机会,是成为"implementation bridge"。能理解日本企业的业务问题,选对 AI 方案,接上真实系统和数据,帮团队信任并使用它。
这基本就是我每天干的活。不是做研究,不是训模型,是帮企业把 AI 从概念变成生产环境里真正在跑的东西。
但也得说几句不好听的。
日本客户的决策周期极长。我之前那篇帖子说过,稟議制度可能让一个项目的审批流程走三到六个月。你做惯了中国市场"上午聊完下午开干"的节奏,来日本会极度不适应。第一单可能谈半年,这半年你没有收入,纯靠积蓄扛。
日本企业对信任的要求极高。他们不会因为你 GitHub 上有几个星就信你,他们要看你跟他们的同行合作过没有、有没有本地的推荐人、愿不愿意坐新干线去他们办公室当面聊。在建立信任之前,你就是一个"外国人说自己很厉害",在建立信任之后,你是一个三到五年的长期合作伙伴。日本企业换供应商的意愿极低,这意味着进去难,但进去之后非常稳。
还有一个很多人不知道的事:日本的个人事业主(個人事業主)税务制度对独立工程师其实相当友好。你可以做青色申告(蓝色申报),合法抵扣大量业务相关费用(设备、软件订阅、差旅、家庭办公空间),加上各种控除(扣除),实际税负比你想象的低。大阪没有东京的高房租,生活成本可控,医疗靠国民健康保险覆盖,看病自付 30%。
算一笔粗账:如果你的技术足够硬、客户结构健康,月收入做到 200 万到 400 万日元(约 10 万到 20 万人民币)是完全现实的。我自己目前就在这个区间。关键不是接多少单,是每一单的价值够不够高。你帮一个客户省掉半个团队半年的工作量,这一单的报价就不是按小时算的,是按业务价值算的。扣掉税和社保,到手大概七成。在大阪一家三口生活成本大约 30 到 40 万日元,剩下的全是积累。这个收入水平在日本已经超过绝大多数全职 AI 工程师的天花板(Glassdoor 数据东京 Top 10% 也就 983 万日元年薪,折合月均 82 万),而且没有被裁的风险,没有组织政治的消耗,时间完全自主。
这个收入水平在日本属于中上,在中国一线城市的大厂里可能只是中等。但区别在于:大厂的收入依赖于你不被裁、不被调、不被组织架构调整波及。独立收入依赖于你的技能在市场上有没有人买单。前者是别人给你的,后者是你自己挣的。前者随时可以被拿走,后者只要技能在就拿不走。
最后说一个我自己最真实的感受:在日本做独立 FDE 最大的收获不是钱,是时间的自主权。我自己决定接什么项目、什么时候工作、什么时候停下来。下午三点想去公园坐一会儿就去了,晚上想多干两个小时就干了。没有人在群里 at 你,没有人半夜发消息说"明天早上对一下",没有"周末来公司开个会"。
这种自由在大厂是买不到的,不管你的级别有多高。
当然,这种自由的代价是:所有的不确定性都是你自己的。没有客户的那个月,焦虑是真实的。项目出了问题,没有团队替你扛,你就是最后一道防线。这种压力跟大厂的压力质地不同:大厂的压力是"别人对你的期望",独立的压力是"你对自己的要求"。后者其实更难处理,因为你没法甩锅。
适不适合来日本做独立 AI 工程师?取决于三件事:你有没有一个能跨市场定价的技术能力,你有没有至少六个月到一年的经济缓冲,你能不能接受从"组织里的重要人物"变成"一个人对着屏幕干活的自由人"。
三个都是"是",来。有一个"不确定",再想想。
jobicy.com/salaries/jp/ai… roberthalf.com/jp/en/insights… helloworldjapan.com/en/articles/ja… index.dev/blog/ai-develo…
中文
@ba_niu80557 You can call it a one person company (OPC) or a personal lab where you can be running a portfolio of 2 to 3 projects with defined scope, timeline and outcome
English
@TheApeOfGoldST MOU signed = Good optics + Tangible benefits for both sides + time to stop the bleeding and start the healing 😄
English
My guess on the Iran ”Deal”?
-No nuclear weapons aspiration or path to ever develope one
(Iran probably never had any and never planned to have)
-Strait of Hormuz opens
(It was open to begin with)
-USA ends the blockade
-Iran gets sanction relief
-Iran agree to limit ballistic missile program but will continue to produce anyway deep underground
-The frozen Iranian 24B funds will publicly go to reparations to the Gulf states, but behind closed doors will be funnelled from the Gulf states themselves to Iran. Their way of getting this deal closed so they can get back to tourism and back to business as usual and calm down the region. They’ll probably add some own funds to Iran as their “bribe” and “sorry” for allowing USA to attack Iran via bases from their country and using their airspace. This is a price worth paying to get the oil business going and not ruin the tourism and investments into the countries. That’s a bridge they take to seal red lines between USA/Iran.
-Trump gets his exit going out “looking strong” after recent military posture and save some face (even though we all know the truth).
-Iran gets an end to the military conflict and the regional power posture is stronger than ever.
The joker is Israel, which probably will continue on all fronts, they are rogue and doesn’t seem to look for peace anywhere. Wonder what will happen there. Gaza(Palestine) needs peace, Lebanon needs peace.
USA probably gets Iran to start using dollar for their oil transactions more but no idea on that part really.
USA will make a Hollywood style campaign of how they went out of this as winners, but they didn’t really win anything.
Behind a massive propaganda campaign incoming and ongoing, the world will know Iran may have been pounded military vs military - but they won the outcome. Americas military hegemony posture in the region will never be the same.
I believe the MOU for real will be signed this time. But that’s me.
English
@TheApeOfGoldST Hard to time the market but anchoring on some key points could be good guide - 1. US gov revalue it's gold is net positive to mkt and to it's own balance sheet. 2. Reversal to means & 200d moving average can be good reference. 3. Miner profitability
English
Rick Rule was first clearly vocal about trimming/selling silver stocks around early October 2025, when silver was around $49 to $51/oz. He made money, but missed the big run to $121.
Rick Rule then got vocal about buying silver stocks again when silver was roughly $75-$95/oz. With the motivation that he sold 80% of his physical silver and put half of the proceeds into high-quality silver-mining stocks. He explained that many good silver producers were still being valued as if silver were only around $45, creating upside in the equities.
Miners are since then -20% -30% -40% -50%.
Rick didnt time the exact bottoms or tops, and no one is attacking him daily for "missing the upleg" and "missing the downleg". Rick Rule knows that time in the market beats timing the market.
I try to time the market as much as I can, I got this last downleg wrong, I didn't expect it, but i flagged for the potential of it, in form of a false breakdown and renewed military conflict between Iran and USA, we got it.
Eric Sprott was loading up miners again around silver $80, participating in PP's a lot higher and open market bought stocks +25% higher. Im sure he couldnt care less that they sold off a few weeks here, as he knows the end destination.
We are in the making of a bottom right now, I cant see this continue much longer. My best guess is we bottom coming days. The FED intereste rate decision next week should give us the bottom if not earlier.
Until then, a flashdrop for capitulation is possible, but enough damage has been done already, so it doesnt have to happen.
Hang in there.
English
@AJButton2 Why not MooMoo ? Trading cost should be lower or comparable and it's UI is much better than IBKR
English
Major update:
I will shortly be opening a Singapore-based IBKR account and using it to purchase all my NYSE-listed Chinese stocks on the HKEX.
Whenever I buy one of these stocks on the HKEX I will sell the same stock on the NYSE. So, I will technically be selling many of the stocks I’ve been posting about over the last few years—$BABA, Tencent and Postal Savings Bank of China, etc.
I have decided that this approach is better than doing a securities transfer as my NYSE-listed Chinese stocks are in registered Canadian accounts such as RRSPs and TFSAs. To do a transfer out of an RRSP would incur a tax, while doing a transfer out of an TFSA would cause me to lose contribution room for a year.
I figured I should give everybody a heads up about this because, while I will be keeping all of the shares long term, there will technically be some selling involved in the process of moving my Chinese longs to IBKR.
English
前两天阿里又调了一次AI架构，很多人没看明白这代表着什么。
6月8日，阿里巴巴宣布通义大模型事业部和未来生活实验室合并，成立TokenFoundry事业部，由集团CEO吴泳铭直接负责。
周靖人转任阿里巴巴首席科学家，牵头新成立的AI未来研究院，主要做前沿AI探索。
郑波带着HappyHorse、HappyOyster等项目并入TokenFoundry。
一句话说，阿里把模型、产品和token消耗场景，继续往吴泳铭手里收。
但这件事，得和前俩月的事情连起来看。
3月16日，阿里刚成立AlibabaTokenHub，也就是ATH事业群，吴泳铭亲自负责。
当时ATH的定位是创造Token、输送Token、应用Token。
通义负责造模型，MaaS负责把模型能力输送出去，千问、悟空和AI创新业务负责把token真正烧起来。
而到了4月8日，阿里又成立集团技术委员会，吴泳铭担任组长。
同一天，通义实验室升级为通义大模型事业部，由周靖人负责。
到了6月8日，通义大模型事业部和未来生活实验室合并，变成TokenFoundry。
三个月里，阿里围绕AI连续调了三次组织。
吴妈在一点点把阿里AI的权力、资源和产线重新拧到一起。
很多人其实没想明白：通义和欢乐马为什么要合？
表面看，是底座模型和AI应用合并。
通义做Qwen，负责模型能力。
未来生活实验室孵化HappyHorse、HappyOyster这类多模态和视频生成产品，负责应用探索。
问题也在这里。
模型团队如果只盯benchmark，很容易变成技术部门自嗨。
应用团队如果离模型太远，又会变成套壳产品，烧token、做demo、刷存在感，但很难真正反哺底层能力。
阿里过去两年最别扭的地方也在这。
通义在开源社区、开发者圈、云客户里都打出了存在感，但C端产品感一直差一口气。
欢乐马这类项目有传播度，也有多模态应用的想象力，但如果不能和底座模型、推理成本、云资源绑定起来，就很容易变成孤立创新。
TokenFoundry这个名字，其实已经把答案写出来了。
它不是一个单纯的实验室，也不是一个单纯的AI产品部。
它更像一个token铸造厂：上游管模型能力，中游管推理和交付，下游管真实场景里的消耗。
周靖人的位置变化，是这次最值得看的地方。
4月通义刚升级为大模型事业部时，周靖人还是负责人。
两个月后，他变成阿里巴巴首席科学家，牵头AI未来研究院。
这个title当然很高，但权力分工已经变了。
前沿研究、长期探索、下一代AI方向，交给周靖人。
模型产线、应用整合、token商业化战场，吴泳铭自己接过去。
技术大牛调去看远方，CEO亲自管战场，这很阿里。
但核心是因为AI到了今天，已经不只是模型参数和论文指标的问题。
真正烧钱的地方在推理成本、算力调度、产品分发、组织协同、商业化。
这些事情靠科学家一个人扛不住，也不该让科学家一个人扛。
这次调整阿里真正希望形成的是一条新的AI管线。
阿里云继续负责云底座、算力、基础设施。
ATH负责token的创造、输送和应用。
淘天、钉钉、国际、电商这些业务场景，负责把AI塞进真实交易、工作流和用户行为里。
TokenFoundry则是在ATH内部进一步收缩焦点：把通义模型和未来生活实验室这类应用探索放到同一条线上。
这件事的核心不是集团多了一个部门。
而是阿里正在把AI从「阿里云的能力」里抽出来，变成集团级的一号工程。
云提供水电煤。
TokenFoundry负责把水电煤变成可规模化销售、可持续消耗、可被业务部门调用的AI产能。
这也能解释为什么阿里和字节最近的动作看起来很不一样。
字节更像是在向内锁人，豆包股、算力承诺、Seed团队回流，本质上是用激励和资源把最关键的人留在牌桌上。
阿里更像是在向上收权。
不是先解决某一个产品的问题，而是先把分散在云、模型、MaaS、C端应用、多模态探索里的AI资产，重新捏成一个拳头。
这符合两家公司的基因。
字节相信产品、增长、激励和人才密度。
阿里相信基础设施、组织调度和商业网络。
吴妈现在押的不是单个AI应用爆不爆。
他押的是阿里能不能成为中国最大的一条token供应链。
模型只是上游，MaaS是管道、云是底座、应用是消耗场景。
谁能把这几件事接起来，谁才有机会在AI工业化阶段赚到长期的钱。
这就是大厂AI走到今天绕不过去的一步。
模型竞赛已经进入工业化阶段。
中文
@DonDurrett Bottom = speculators lost their shirts w no more bullets to go + usual investors have lost the appetite 😱. Those with convictions should accumulate miners and stay patience on the next wave, which I take rate cut as the signal to rise
English
Gold and silver are selling off tonight. The Chinese have lost their appetite. We will likely soon see sub $4000 gold and sub $60 silver. This correction likely isn't over.
The ugly part is that the S&P 500 is over 7000. It has a long way to drop when the everything bubble finally pops. Gold and silver will have to fade that crash. 🧐
English