@helen_maga99 把有錢人趕跑，留下沒錢的窮鬼分有錢人遺留下來的財富，這些投票的選民高興死了，正常有道德有理性的人覺得大環境變差是不好的，高薪工作機會減少，人才出走，但對投給市長的這些選民才不在乎大環境他們也不在乎後代，只要當下他們能拿到手的就好
中文
Liang Chiache
708 posts
Liang Chiache
@smallcar801
SW engineer/ Machine learning/ TSLA share holder/ Elon die-hard fanboy
Taiwan Katılım Mayıs 2009
164 Takip Edilen121 Takipçiler
纽约：一场死亡已预告的编年史
🚨🇺🇸 高盛抛弃纽约，让社会主义市长“妈姆打你”彻底慌了神！
华尔街传奇巨头高盛直接逼迫数百名高管和员工：要么打包滚去德州达拉斯或犹他盐湖城，要么直接卷铺盖走人！全因这位极左市长疯狂加税、堆叠监管，把运营成本搞到天价，彻底把企业逼疯。
标志性企业的集体大逃亡，正式拉开“大苹果”经济崩盘的序幕。左翼乌托邦的现实就是这么残酷——你们投票选的“天堂”，现在慢慢享受吧😂🇺🇸
中文
@michaelz2m1 他開槍，是因為政府無能，所以他用他的方式來解決這些腦殘到以為世界要以他們為中心運轉的小丑。
如果有一個人要負責，那就是市長，無能的市長不要求警察使用強制力
中文
还有人记得Kenneth Darlington吗？
2023年11月，在巴拿马泛美公路上，他下车开枪射杀两名堵路的环保抗议者。
于2024年6月被判48年监禁（加重故意杀人+非法持枪）。
左翼可以无视他人的基本权利和各样紧急情况，封堵道路剥夺他人通行权利，
只要打着关爱全人类的旗子，
引起激烈反应甚至被打死，法官和左翼一定会哭天抢地“无论无何杀人也是不对的啊”，
如果车里有危重病人待产孕妇怎么办？
如果有人因此耽搁生意破产又要如何？
左翼所行的，一贯是以暴力、无理、干扰他人生活的行为来强迫社会接受他们那听起来天使般的善良诉求，
在他们眼里，集体（人类）的利益难道不比你的道路使用权更高吗？
Kenneth的行为并不能简单等同于单纯的恶意谋杀，
若审判地不在巴拿马而在将堵路视作威胁的佛罗里达州尤其保守县，结果会轻得多。
中文
马斯克儿子捅破了窗户纸。
一个自闭症天才的直觉，让全球AI巨头集体背脊发凉。
埃隆·马斯克的儿子萨克森，曾长期无法理解人类去餐厅的行为。
在逻辑的世界里，去餐厅是最不划算的生存方案。
同样的食物可以外卖到家，价格甚至只要餐厅的一半。
想见朋友可以直接约在家里，环境比公共场所更私密、更自在。
直到萨克森在某一天突然悟出了那个终极真相。
人们冒着低效和高价去餐厅，唯一的刚需是与陌生人待在一起。
这是AI和算法永远算不出来的底层变量。
数字技术一直在追求极致的效率，试图让人足不出户就解决所有需求。
但人类这种生物，本质上依然需要那种“处在人群中”的物理感受。
AI可以模拟最完美的语音，却给不了邻桌那一点点无法预知的、真实的人间烟火气。
当科技试图把每个人关进精准计算的信息茧房，这种原始的群体本能成了人类最后的护城河。
硅谷的算力可以抹平地理距离，但无法消除这种源于进化深处的、对同类气息的渴求。
中文
@mingyeye @TJ_Research +1， 公司文化太崩了，也不看好和馬斯克的合作能走到底，除非到了明年馬斯克和英特爾還沒翻臉那我才會開始相信
中文
刚听完英特尔财报，我知道最近涨太凶了，很多人拿不住了，但希望你有时间去听听陈立武的发言。
我追踪上百家公司里让我最安心的两家公司的管理层是台积电和阿斯麦，纯个人感受。今天听完之后，我愿意把陈立武放进去。
1. 客户至上（台积电的风格）
2. 充分接受挑战并且有清晰的应对政策
3. 说得少，做得多（台积电的风格）
4. 行业里的人际关系，了解同行和竞争者
一年多的时间，虽然有CPU的运气成分，但没有陈立武，英特尔可能还是那个价值陷阱。NOT SELLING A SHARE。
投资TALK君@TJ_Research
相信陈爸
中文
@Rustallintsla 賣太多容易帳戶大跌的時候被賣股行權，賣太少買不了多少現股，買了現股之後暴跌的風險邊際更小，風險也是要定價的，投資其實就是風險管理，每個人狀況不一樣，利息低的情況，還不如直接找銀行貸款這樣對黑天鵝的承受能力更高，其實用期權就已經是很大的槓桿了
中文
绝不是投资建议！
最近有个想法一直缠绕着我。 摔也摔不掉。
打算趁机会卖tsla，27年1月15日的naked put，行权价是380。
然后用权利金再全部拿来继续买tsla。
唯一就是用了margin，但是属于免息贷款。
在纠结。
中文
统一回复： $TSLA “绝佳的机会”得综合研判
1、局势-美伊进展
2、情绪-韭菜们受不了割肉了
3、产品进展：Robotaxi、机器人
4、最后才是价格，当然越底越好🤔
不是投资建议！
价值&投资@joely7758521
其实我在等等 $TSLA 给一个绝佳的机会🤔
中文
@IndyCosm @LZRationalnvest 你的理解比較深刻，原文省略太多，結論也不夠全面，說到底買指數不開槓桿，只要拿得住遲早會漲回來
中文
@LZRationalnvest 感觉因果关系有点乱 如果是担心黑天鹅 那随时都要注意仓位管理 跟vix无关 重仓加杠杆遇到黑天鹅就是死
但反过来如果是因为黑天鹅事件vix才飙升 反倒可以重手抄底 因为大概率会在恐慌后反弹
怕的是慢熊 那样的话vix会回落 但股票也一直跌
中文
这几天看了大家在说，美股几乎有一个胜率100%的策略，就是根据VIX来买股票，大于35大胆抄底，越跌越买，然后VIX低于20再卖出。
根据这种策略买股票的朋友，一定要重视仓位管理，千万不要激进，因为你无法预测这次是不是黑天鹅。
只要遇到一次黑天鹅，你的仓位就会受到毁灭性打击，回吐所有的本金和利润，那么以后你也就与市场无缘了。
中文
孙学毕业了。
今天我在闲鱼上找了一个人帮我电脑清灰。
聊天里才知道，对方是本地电脑维修这个品类的销冠，蝉联第一、第二名。
他说自己不上班，也不开店，就靠闲鱼接单。因为排名一直靠前，每天活都接不完，最晚一次忙到凌晨 3 点。
我这一单收费 195。外星人因为风扇结构倒置，所以价格直接翻倍。清一次大概要一个小时，过程中他还顺手帮我换了个网卡，另外收了 50。
最让我意外的不是价格，也不是手艺，而是他已经在闲鱼上做出了自己的事业。
每天十几单，光清灰一天就能做出 1000+ 的收入，这还不算附加收益。关键是这些钱几乎都是稳定现金流，不用担心回款，也不用承担店租，更不用去公司打卡。
回头想想，我跟他接触也就 24 小时，但已经很容易看出来他为什么能做到销冠。
第一，他基本都是秒回，不管什么时候发消息过去，回复都很快。
第二，他回复很热情，但完全没有那种上来就急着成交的压迫感。
第三，他价格透明，上门之后也不会临时乱加价。
第四，他做事很专业，自带口罩和鞋套，全程还会用相机记录整个过程。
第五，他非常重视评价，忙完后的第一句话不是催付款，而是先问我满不满意，能不能给个好评。
你如果只看到这里，可能会觉得这不过是一个会做生意的维修师傅。
但在我看来，这事根本不是“电脑清灰”这么简单。
你以为孙哥是在教你用闲鱼省钱，实际上孙哥是在教你用闲鱼开拓事业。
闲鱼这种地方，很多人只拿它当二手平台，有人却已经把它当成了自己做现金流、做口碑、做个人生意的入口。
未来一定是一人公司时代。
我们每个人都应该有自己的事业，都应该把自己的个人 IP、个人能力、个人信用，做成真正值钱的东西。
平台只是工具，流量只是入口，真正要做大的，是你自己。
你就是自己的王。 @justinsuntron
中文
一个中国大模型，拿下了全球用量第一。
这个大模型就是MiniMax M2.5。
上线不到一个月，用量甚至都超过 GPT、Claude、Gemini。
不光是排第一，比第二名多将近 50%。
OpenClaw 的亲爹 Peter Steinberger，最近也在推特上连续推荐它。
晚晚我研究了一下，为什么 MiniMax M2.5 能拿下全球用量第一？
俩字：便宜。
agent 跑一小时，1美金左右。低速模式，0.3美金。
对开发者来说，够用加够便宜，就够了。
Minimax港股1月上市，发行价165港元，
现在800出头，
两个月不到涨了近5倍。
股价起飞了。
中文
@HotmailfromSH 為了秀所謂的對稱性設計，我認同這的確是一個藝術般的工程設計，應對的場景是為極少數連人類都很難轉身的場景，犧牲的是這機器人的ai學習資料將會非常難以客製化，用人類示範的影片根本不可能直接把頭手腳扭轉180度，這個功能從我這個工程師角度來看就是脫褲子放屁
中文
为什么科技圈的成功人士，很多都有轻微的阿斯伯格综合征？
彼得·蒂尔提出了一个颠覆性的视角。
问题该反过来问。
为什么没有阿斯伯格的人，反而处于劣势？
因为他们太“正常”了。
他们那些有趣、独特的想法，很容易在主流社会的劝说和压力下被放弃。
Palantir的CEO亚历克斯·卡普，现身说法。
他自己有严重的阅读障碍。
他甚至断言，未来人们可能会专门去教孩子如何“拥有”阅读障碍。
为了在商业上成功。
这听起来很荒谬吗？
看看数据。
阅读障碍者在商业上的表现，确实超乎寻常地好。
卡普自己就来自一个学术家庭。
在那种环境里，没有阅读障碍是成功的唯一标准。
如今他却把这个曾经的“缺陷”看作是一种独特的天赋。
他的公司，Palantir，年收入数十亿美元。
他说公司早期几乎所有决策都是错的。
那他们是怎么成功的？
他说，因为公司内部聚集了全世界最顶尖的人才。
他把这些人才当作“阅读障碍者”来管理。
这些人都是独一无二的个体。
他们有非常特殊的需求。
需要在一个极其尊重他们技术能力的环境里工作。
卡普用了一个比喻。
爵士乐里有一种音符，叫“蓝调音符”。
一个我们绝大多数人听不到，也弹不出的音符。
而Palantir的员工，就能听到，或者能弹出这个音。
他要做的，就是为这些能听到“蓝调音符”的人，创造一个专门的环境。
这引出一个更深的问题。
我们现在的教育体系和企业文化，是不是在系统性地扼杀天才？
是不是在用标准化的模具，磨平了那些真正能听到“蓝调音符”的人的棱角？
一个鼓励顺从、扼杀异见的系统，如何能诞生真正的创新？
中文
@Maggie191919 物理傳感器才多少錢留著有什麼問題…，不要把自已幻想講成好像專利裡面有寫來誤導人家。
這套軟體模擬對主動溫度控制的確有很大的幫助，但如果熱量來原不是車子本身呢？ 從來就沒人說這是要取代物理傳感器，而應該是互相輔助對照的…
中文
🚨🧠“最好的零件，是没有零件”——$TSLA 用算法取代刹车温度传感器，真正改变的是什么？
当大多数车厂还在用更大的刹车盘、更复杂的冷却管道来对抗刹车衰减，
$TSLA 选择了另一条路：
删掉传感器。
用算法。
这不是简单的成本优化。
这是一次思维方式的转移。
从“堆硬件”到“写代码”。
一、刹车衰减的问题，本质是热失控
传统摩擦刹车通过摩擦把动能转化为热能。
问题是——
热会堆积。
当温度过高，刹车片材料退化，抓地力下降。
这就是 brake fade。
传统解决方案是：
• 更大刹车盘
• 更复杂风道
• 额外温度传感器
但这些方案都有一个共同点：
增加重量、成本与复杂度。
而且只能“延迟问题”，不能主动管理极限。
二、$TSLA 的逻辑：建立实时热模型
根据专利 US20260048739A1，
特斯拉构建的是“虚拟传感器”。
系统实时计算：
• 车速
• 液压压力
• 能量回收比例
• 路面坡度
并建立高保真的热模拟模型。
关键变量是——“热裕度”（thermal margin）。
简单理解：
刹车还能承受多少热量，才会失效？
一旦热裕度接近临界值，
系统自动限制电机扭矩。
不是等刹车出问题。
而是在物理极限前主动减速。
这是“预测式安全”，而不是“事后补救”。
三、真正的突破：软件控制硬件
核心变化在于：
软件不再只是辅助。
而是主导物理极限。
系统会：
• 找出四个车轮中最热的那个
• 以最弱环节为安全边界
• 动态调整前后制动力分配
• 与再生制动系统协同
当电机能回收更多能量，
摩擦刹车负荷减少。
当电池无法再回收，
系统重新分配制动力。
整个过程完全无感。
驾驶员不会感觉到“突然断动力”。
因为扭矩限制是连续函数映射，而不是暴力切断。
这才是工程上的精妙之处。
四、为什么这对自动驾驶至关重要？
在有人驾驶的世界里，
人类可以闻到刹车片烧焦味。
可以感受到刹车变软。
但在 Robotaxi 时代，
没有方向盘，没有踏板。
AI 必须拥有“机械自我感知”。
虚拟热模型让系统能够：
在危险发生前，
数学上保证可以停下来。
这不仅是安全提升。
这是无人驾驶合法化的基础能力。
五、更深层的意义：AI 公司，而不是车厂
删除物理传感器意味着：
• 更少零件
• 更低成本
• 更高可靠性
• 更易规模化
这与特斯拉的“Unboxed 制造”逻辑完全一致。
软件优先。
硬件最简。
当重型车辆（如 Cybertruck、Semi）下长坡时，
算法主动限制电机扭矩，
避免制动器过热。
这不只是刹车优化。
这是把“物理极限”转化为“代码边界”。
最终结论其实很简单：
未来汽车安全，
不再依赖更大的钢铁。
而依赖更聪明的算法。
“Best part is no part.”
不是一句口号。
而是特斯拉正在持续执行的工程哲学。
当软件开始预测硬件失效，
汽车的定义，
就已经改变了。
中文
@joely7758521 看到一個分析，amaz 賺多少就花多少然後花多少就能賺多少，這種又穩又賺的公司而且已經脫離創始人多年，還是依然表現優秀，長期投資這種公司會讓你很好入睡
中文
@Wahu51267715 @andy88988696 @XieJackie 說到點上，人類不適合開車的路況，也不應該使用任何智駕上路。而且那種路況也沒有一家光達車廠敢說沒問題放心開的，拿現實中不存在的幻想來挑刺，真的每次看到我都想笑
中文
資料科學有一句話gigo, 光達其實是低階而且嚴重失真的資料, 把這些資料加進去在alignment 過程也會造成運算壓力，假設增加100ms運算時間，在100公里時速會移動2.8公尺。 目前fsd 純視覺的反應時間在100ms以內。 而且連過去擁抱光達的中國車廠都開始轉向純視覺拿掉光達了，人家可是真金白銀在光達撞滿頭包才轉向。 現實的執行結果已經很明
確，光達不會增加容錯，只會增加運算成本，用光達的沒有一台在評測上能稍微比的上fsd。
中文
@XieJackie 這種邏輯反映了特斯拉對成本與數據閉環的極端追求，卻忽略了在極端天氣或光影欺騙下，光學成像在物理層面的本質局限。這不是技術的多餘，而是為了商業效率而在容錯率上進行的降維博弈。
中文