Ace form Moeuy or Lfie 美股频道`
84 posts
57.3，我加仓了 DRAM，目前总仓位 12%，均价 63.4。本来说是去等 55.8，不过有点忍不住了，先买一点。
中文
半年以前，我最喜欢用谷歌 Gemini。但其实从那个时候开始，就隐约觉得他们做的 PPT 很一般。到现在，我已经好几个月没用过 Gemini 了。。。。。。。
中文
还有一个事情可能大家都忘了，之前传言说 OpenAI 会出让或者出售 5% 的股份给美国政府。如果这个事情最终落实，那和苹果的官司还不一定会怎么样。。。。。
中文
说一个可能不太受欢迎的观点：OpenAI 如果能够在硬件上搞起来，那真的是巨无霸公司了。好像目前 Anthropic 还没有在硬件上发力。
中文
Anthropic 看到了吧？别瞎整模型瞎搞收费，模型没搞好之前不要发布，这一天天的。。。
Tibo@thsottiaux
Rest assured that GPT 5.6 Sol will stay in the ChatGPT subscription you pay for. Including Go, Plus and Pro subscriptions. At least until we ship an even better model.
中文
每次看到这种说法，我都觉得很蠢。
首先客观地讲，不管一个博主投资赚多赚少，如果有来自订阅者的收入，这些总是额外的增量，肯定是好事情。
其次，博主分享自己的东西，获得订阅者的订阅费用，这本质上就是知识的变现。知识的变现会让博主觉得有成就感，会激励博主进一步去做更好的创作。
Douglas A. Boneparth@dougboneparth
Just remember, if someone is making $90K a month trading stocks, they wouldn’t need to sell you a course.
中文
前一两周是 Palantir CEO Alex Karp 在新闻采访中激烈陈述 AI 安全和 AI 主权的重要性；紧接着是本周末苹果起诉 OpenAI 在硬件知识产权方面存在盗窃行为；然后是微软 CEO 发言强调一家公司拥有 AI full stack 的重要性。
这一切的一切，首先在方向上反而更加说明 AI 自主权非常非常重要，对国家是如此，对公司也是如此。没有 AI 的自主权，在未来就没有竞争力，在过去几十年建立的护城河就会被慢慢地侵蚀。
虽然现在有很多优秀的公司，不过 SpaceX 目前在 AI 方面的布局是独一档的，马斯克在“垂直整合”这四个字上无人能敌。我在上周已经通过多次分享，向大家阐述了我的观点。SpaceX 拥有去捕获太空无限太阳能作为能源的能力，也有在太空利用无限空间大规模建立数据中心的可能性。而在地面 AI 和大模型的竞争中，不管最后排名第几，它都会是第一梯队的玩家之一。
可能 SpaceX 股价还会下跌，但是配置 $SPCX 在我心里是配置 AI 必须的一环。
中文
从持股体验来看，股票大致分为两种：
1. 第一种就是大家所谓的“持股体验很好”：
说白话就是买入之后就不怎么亏钱，而是很快建立起成本安全边际，股价持续上涨，最多也就是小幅震荡。这样的股票会让你安心赚钱，但是要大赚难度很大。
2. 第二种就是波动非常大的股票：
先跌个 30%~40% 甚至更多，然后再涨个 60%~70%，或者翻好几倍也不是没有可能。对于这类型的高波动股票，用白话说就是：投资者如果没有忍受亏损的能力，就没有享受后期上涨的资格。
针对以上两种股票，显然有不同的操作方法，以及需要不同的持仓心态，而平衡两种股票的仓位也非常非常重要。
中文
星舰 第 13 次试飞最早本周五会发生，会首次部署 20 颗 Starlink V3 真实卫星，但这些卫星是沿星舰同样的亚轨道弹道飞行的，所以不会入轨，最终会随再入烧毁。这次的目的是验证部署机构和卫星展开流程，不是真正的组网。但是 20 颗 V3 卫星释放后会展开太阳能板和天线，并尝试通过激光链路与南非地面站及 Starlink 星座建立连接，做端到端功能验证。
我觉得这个速度是符合预期的，意味着接下来的手机直连卫星以及算力卫星按照马斯克计划中的时间去执行是可能的！
中文
下面是微软 CEO 在周末发的文章，我把它翻译过来分享给大家。其实他用了这么高深的词汇，无非就在说一个事情：想要不被坑，完全自己做就行了；想要依靠别人，没办法不被坑。这显然是微软被 OpenAI 坑惨了之后的肺腑发言。我觉得微软 CEO 可以少发点文章，多改善管理。
.........................................
AI 翻译：
在智能时代，企业该如何保护自己的核心知识产权？
诺贝尔经济学奖得主肯尼斯·阿罗曾著名地描述过信息市场中的一个悖论："对购买者而言，信息的价值在他获得该信息之前是未知的，但一旦获得，他实际上已经无偿得到了它。"在阿罗的"信息悖论"中，卖方为了出售知识，就要冒着白白送出知识的风险。
AI 制造了一个反向的问题。在 AI 时代，买方为了使用自己所购买的东西，反而要冒着送出知识的风险。
你本质上为智能付了两次费：一次用钱，另一次则用更宝贵的东西——为了让这份智能真正有用，你必须交出的专有知识。你越希望模型表现出色，就越得把这些知识喂给它！
随着时间推移，信息不对称愈发倾斜。你越使用所购之物，卖方就越了解你；而对方从中学到了什么，你却知之甚少。
这就是我所理解的"反向信息悖论"。
专利解决了阿罗悖论的一个侧面。它让发明者可以披露一个想法，而不至于把它白白送人。反向信息悖论也需要它自己的对等物。
这需要的不只是数据保护。模型从"尾气"中学习——人们写下的提示词、智能体调用的工具，尤其是当模型出错时人们所做的纠正。每一次纠正都被蒸馏为机构层面的实践知识。这类知识是竞争对手永远买不到的，也是几乎不知不觉就流失掉的：一条轨迹接一条轨迹，一次纠正接一次纠正，一次评测接一次评测。
在消费智能的同时，你也在创造智能。而你所创造的，应当归你所有。这是你独有的智能，正是哈耶克意义上的：关于时间、地点与情境的知识，无人能代你持有。它知道你怎么想、你看重什么、你如何衡量成功。
模型提供方对公开数据享有合理使用的训练权利，这是一项必要的伟大创新；但我觉得讽刺的是，现状却是它们转过身来对蒸馏施加限制性条款，并保留从客户使用与交互数据中学习的权利。如果学习只朝一个方向流动，经济价值就会向学习基础设施的所有者收敛，而不是流向知识本身的创造者。因此，我们必须把学习基础设施分发给每一家企业，让它们掌控自己的学习闭环。
正如亚历克斯·卡普所说："技术型客户想要的是对自己算力、模型、数据栈和阿尔法的掌控权。他们想确信自己拥有生产资料，而不是把它转移给别人。"当前的格局，恰恰在进行卡普和企业们所担心的那种转移。
这正是为什么企业需要一条真正的信任边界，好让它们的人力资本与 token 资本得以复利。在这条边界之内，组织的数据、轨迹、评测、微调后的权重与记忆共同积累、共同精进。而这是一条硬边界，未经同意，任何东西都不得跨越——连智能尾气也不行。企业将会要求获得使用模型输出来微调和/或训练自有模型的权利。我认为这就是每一家企业让模型对齐其自身问责义务的权利。
在云时代，企业积累的是数据。在 AI 时代，它们积累的是学习。信任边界也必须随之演进——从保护信息，转向保护组织借以学习、适应并使智能复利的那套机制。为此，每家企业必须做到几件事：
控制（Control）：建立你自己的私有评测，因为评测定义了组织内部"好"的标准。同时，保有对组织的记忆、轨迹、反馈、决策和机构语境的所有权，以及使用模型针对你自身任务与查询所产出的输出的权利。
能力（Capability）：在租户边界内构建你自己的专有学习环境，用以训练或调优模型——让模型在真实工作流中学习，而不暴露公司的知识。
选择（Choice）：确保编排层与任何单一模型解耦。问问自己：如果你正在使用的任一模型被拿走，你是否仍有能力运转，并用其他模型针对你的评测进行优化？即便某个"通才"模型被拿走，公司的"老兵"能力是否依然留在你手中？
成本（Cost）：通过解耦编排层，你还能以最高效、最具成本效益的方式把语境、模型与任务组合起来，而不牺牲质量。
复利（Compound）：把这四点合到一起，你就打造出属于自己的持续学习闭环（即"爬坡机器"），让你的 AI 投入不断复利放大公司的价值。
换句话说，一家公司应当能够使用模型，而不必交出让自己与众不同的那些知识。这就是我们需要直面的反向信息悖论。
Satya Nadella@satyanadella
中文