D/Acc | 🦇 🔊|🛡️

@0xMilkRabbit 价值投资，价值投资。。。

@ross_zhang 懂王见我？你把我当大哥整呢🥹 还是让我们一起和老黄 build 吧🤣

我尼玛 懂王在这老鼠仓呢🤡 那我去年买的英伟达算什么？！！

@0xMilkRabbit 所以懂王也去见了你？我真接不住，我们一起浇给老黄. He's the man!

@ross_zhang 让我和懂王一起浇给你哈哈哈哈哈哈哈

@0xMilkRabbit 时间顺序：你给我接盘，懂王给你接盘。我们大家都给老黄接盘。

@ross_zhang Trump 进来给 Ross 老师接盘子哈哈哈哈哈哈哈

@0xMilkRabbit AI surveillance is happening around the world no matter whether he likes it or not. AF1 won't stop for him.

挺有意思的 这篇堪称 AI 界的三战檄文， 就是 Dario Amodei 不认可中国 AI 路线的原因。 不是因为在百度实习过， 是不认可价值观。 Dario 在去年 DeepSeek 爆火时就写过： DeepSeek 很强，但不是「600 万美元干翻美国几百亿美元」的神话， 更像是 AI 成本曲线下降中的一个节点。 R1 也不是凭空开辟新路线，是在 OpenAI o1 那套 reasoning scaling 方向上做出的复现和工程优化。 Dario 认为美国领先优势还是很明显，但要警惕中国获取到先进GPU， 所以他对 DeepSeek 的态度其实很微妙： 一方面承认中国团队很强， 另一方面正因为中国团队强👇🏻 所以他本人更支持限制中国获取先进 GPU。 Dario 认为「几万张卡可以靠库存、灰产、海外数据中心绕过去。 但如果未来 AGI 级训练需要百万级 GPU 集群，这个量级就很难藏了」。 到了今天 Anthropic 最新这篇 2028 AI leadership ，话就更直白了。 他们担心的不是中国没有人才， 恰恰相反，中国 AI labs 有世界级人才。 让他们真正担心的是： 最强 AI 被不透明的权力系统掌握后，会被用于审查、监控、军事和网络攻击…… 这点其实挺值得 AI 圈讨论的🥹 国内不缺聪明人，也不缺 DeepSeek 这种猛团队。 从大学写 paper，搞项目，公司后推项目，催搞专利... 让过来人感觉「目前，国内整体环境确实更容易奖励短时落地产出」， 真正从 0 到 1 的研究需要长期投入和失败容忍。 希望未来也能给潜心研究的人更多空间。 不然最可惜的不是被卡 GPU， 而是明明有人才， 却被环境推着去做最短平快的东西……

@cburniske Is it more like a forward looking mirror on dollar liquidity? when we look at TGA balance, FED BS and etc. And why Bitcoin is the most honest macro asset? I am super curious.

Bitcoin is the most honest macro asset -- in its design, it serves as a forward looking mirror -- I wonder all the time about what it's trying to tell us lays ahead.

所以其实段永平看起来每天打球很清闲，其实每天都在精进

@tickerkira 他们四个skill不一样 lisa是极限残血必出暴击 hock tan吞噬蛇，蛇吞象、蛇吞万物 LBT讨饭 Jensen 霸气撒钱 中神通是开无cool down的无敌

@karpathy and I are back! At @sequoia AI Ascent 2026. And a lot has changed. Last year, he coined “vibe coding”. This year, he’s never felt more behind as a programmer. The big shift: vibe coding raised the floor. Agentic engineering raises the ceiling. We talk about what it means to build seriously in the agent era. Not just moving faster. Building new things, with new tools, while preserving the parts that still require human taste, judgment, and understanding.

@nft_hu 羊毛出在猪身上

国家超算互联网宣布向OpenClaw用户免费发放限时两周总计1000万Tokens额度，并公布续购价格为0.1元/百万Tokens。 0.1元/百万Tokens真的不亏钱么？算开启Token的价格战了么？

@karpathy Scammers colonize new frontiers first. The real builders show up after the gold rush.

I like blockchain tech quite a bit because it extends open source to open source+state, a genuine/exciting innovation in computing paradigms. I'm just sad and struggle to get over it coming packaged with so much braindead bs (get rich quick pumps/dumps/scams/spams/memes etc.). Ew

@nft_hu 发几个美股钓鱼帖，看评论质量就知道了。。。（别问我怎么知道的😂）

听说大家都把小红书当炒股反指，尤其是这次财报前小红书集体做空 Intel? 这么灵？怎么调教的？我的小红书都是各种猫咪直播🥲🥲

@0xMilkRabbit @Sea_Bitcoin @HEontheway_68 知行合一👍

纳斯达克又又又新高了 前阵子跌的时候和几个小伙伴聊行情@Sea_Bitcoin @HEontheway_68 ， 大家不约而同的问我：兔兔还在买吗 我说：当然在买，停了怎么复利！这么跌就是给加大力度的机会。 我就像推文写过的那样执行，不可能说写了我自己不买，那成什么了🤣 当然是认为好才会买，会买我才会写，知行合一。 对于纳指投资，梭哈者与定投者的心情是完全不一样的。 我曾经也是爱梭哈的人🤣，这点很有发言权。 梭哈者整天提心吊胆，今天跌了明天涨了，恨不得一天打开看几十次， 怕大跌更怕大涨再跌回去，严重影响生活质量。 定投者则会格外轻松，股市上涨也行，但是下跌更激动，😌而且就盼着大跌，跌的越深越开心，越跌越加大力度买！ 这样才能买到低价筹码。 当然这点的前提是，识别优质资产。 就像我一直说的，做交易不仅仅是研究标的，更多的是研究自己。 什么适合你，什么适合我，什么适合他，各不相同， 因为每个人的生活是不同的，有人可以熬夜盯盘，有人要花更多的时间享受生活。 不过我依旧认为对于美股指数来说，长线是大多数人的正路，短线是少数人的手艺活 🙌🏻。 最后，越了解自己，才越能做好交易，共勉。 #纳斯达克 #基金

@0xMilkRabbit so what are we gonna build?

老黄批评的典型案例。。。 其实应该给一个senior 2x 工资，1x token, 干10x的活。假设这个senior能指挥agent的话。

其他虽然也复习备考，但不是专门刷题库 到哪里都逃不开小镇做题家思维 刷的分数有啥用，说这话的把代码交给他们，自己去用下Claude vs GLM就知道了

In honor of 50 years of Apple, we're sharing - for the first time ever - Don Valentine's original 1977 memo for Sequoia's investment into Apple Computer. #Apple50

@0xMilkRabbit xueqiu.com/9123516376/381… 看看？

谷歌 TPU 能撼动英伟达吗？ 周末健身时听了硅谷 101 关于谷歌 TPU 工程师的采访揭秘，感觉很有意思。 听完后有了一些新的认识和思考，总结原文核心观点，并记录自己的想法。 1️⃣ 播客中的结论 （另有详细 AI 文字版本总结，较长见图 2） 1） Gemini 有个很反直觉的特性：用的人越多，速度越快。 这是 TPU 架构决定的。并行计算 + 复用缓存机制，刚好把算力打满的时候效率最高。 当然，双刃剑的另一面也出现了。 去年 Gemini 3 发布，GPT 大批用户涌入，服务频繁崩溃…… 本质原因就是 TPU 产能跟不上，扩容没追上用户增速。 2）英伟达 GPU vs 谷歌 TPU，各有各的护城河。 英伟达的优势在软件：CUDA 生态太成熟，通用性强，改不动。 谷歌 TPU 的优势在软硬件结合：跑特定大模型算法时，性能可以直接碾压英伟达。 苹果已经成为 TPU 第一大买家，Anthropic 也在大量采购。 理由很简单：不想把鸡蛋全放在英伟达一个篮子里。 3) 台积电的护城河比想象的还要深。 不管是英伟达、谷歌、苹果……所有芯片全得靠台积电做，台积电的工艺和良品率水平没有第二家可以替代。 更离谱的是台积电产能根本不够用，各大厂商都在排队抢。 卖铲子是稳，我也会坚定看好和持有台积电。 4）TPU 类似于是把算法放进硬件，有点像用 ASIC 挖矿的感觉。 GPU 是通用的，TPU 是定制的。 谷歌芯片团队需要提前一两年向台积电下单，这意味着他们现在做的芯片，是为两年后的 AI 算法设计的。 所以谷歌的 AI 团队和芯片团队必须深度绑定，今天押注的算法方向，决定了两年后芯片能不能用上。 押对了是降维打击，押错了两年全打水漂。 而这层约束对于英伟达来说无需面对。 2️⃣ 说点个人想法 所谓软硬件结合，就是通用硬件设计能力不够，或者成本过高， 干脆直接为某一类算法设计硬件。 就硬件设计水平来讲是比不上通用硬件的。 英伟达为什么不做 NPU/TPU？ 因为没法扩大自己的优势。太多厂商能做了，大家都做就和手机厂商一样。 举个栗子🌰： 基本上安卓机都有了红外遥控，也就是万能遥控功能， 苹果为什么不做？ 这个功能难吗？不难； 客户有需求吗，有。 那为什么苹果为什么不做呢？ 我想商品形态可能真不一定是「完全由需求」决定的。 如果两个集合，相同元素占比越大，越没有辨识度。 想想我们对手机的印象：苹果/ 非苹果。 如果用安卓，大部分人是不在乎小米，oppo，vivo，华为的， 因为他们同质化太高了，用户粘性相对低。 类比计算器和计算机的区别，计算机是通用计算，计算器就是特定计算。 计算器的功耗当然低了，只能做特定计算。 TPU 相对于英伟达的 GPU 没有硬件设计壁垒。 只是在想办法降本。 同时，通过降本赚的盆满钵满的公司是很少的，提出新概念，开辟新方向的才能起飞，也容易炒概念。 目前的神经网络计算主要就是张量计算， 卷成本对于英伟达来讲是下下策。 因此不能单独地看 TPU 是怎么说自己的优势的。 单从 Google 的角度来看，做 TPU 是最好的选择。 但是从英伟达的角度来看，打成本战是下下策。 因为英伟达已经掌握了先发优势，英伟达的 cuda 生态，以及英伟达的顶尖 gpu 设计能力。 Google 做不了 GPU ？ 肯定不是。 摩尔都能做，谷歌怎么可能做不了，多出点钱还怕挖不到人吗？ 芯片的前期投入太大了，如果 Google 一开始做 GPU 没人用，就会面临本都收不回来的情况。 同规模下，Google 做 TPU 成本比 GPU 低，还能打包出售自己的 Gemini， 属于上策。

Thrilled to announce Claude Code auto-fix – in the cloud. Web/Mobile sessions can now automatically follow PRs - fixing CI failures and addressing comments so that your PR is always green. This happens remotely so you can fully walk away and come back to a ready-to-go PR.