世界首富马斯克的编程水平怎么样?

thomasf10_30:伊隆·马斯克 thomasf10_30 伊隆·马斯克(Elon Musk) 立即下载
AI摘要

本文讲述了马斯克早年的热爱阅读、编程天赋和创办Zip2公司的经历,展现了他对互联网、太空探索等领域的独特见解和非凡成就。

我发现很多牛人小时候都有两个重要的特点:

1. 喜欢读书,尤其是百科全书。

2. 专注,极度专注

1

1971年,马斯克出生在南非一个富裕的家庭,很小的时候就书不离手,下午两点放学后,他就跑去书店,一直待到下午6点父母下班回家。 

全家人出去购物的时候,经常发现马斯克不见了,这时候只要去最近的书店去找,就能看见马斯克坐在地板上聚精会神地读书。

马斯克有着过目不忘的记忆力,把《大英百科全书》烂熟于心,可以脱口而出月球近地点和远地点距离的精确数字。

另外,牛人总是在很小的时候就会在电脑上编程,MySQL之父是16岁,Linux之父是10岁,马斯克也是10岁。 

当时他在约翰内斯堡的电子产品商店第一次看到了计算机:Commodore VIC-2,这个可以执行人类指令的计算机立刻把马斯克震住了,他缠着父亲终于买一台。

8b60d7d8c8402e91b91427f9da2bebc1.png

Commodore VIC-2有5K的内存,附送了一本BASIC语言的教学手册。 

正常情况下,需要6个月的时间才能学完所有的课程, 但马斯克像得了强迫症一样,如饥似渴地阅读,三天三夜没有睡觉,把所有的内容都读完了。

虽然他的父亲对这台计算机嗤之以鼻,认为这个玩具计算机不能用于真正的工程项目,但是马斯克却玩得不亦乐乎。

和其他牛人一样,编写游戏成了他的乐趣,12岁那年,他编写了一个叫做“炸弹”(Blastar)的小游戏,不仅自己玩,还颇具商业头脑,把源码出售给了南非的《个人计算机和办公技术》杂志,赚了500美元!

52d83d57162970cff7c3822f3e492044.png

客观地说,仅有100多行的游戏还比较“稚嫩”,但是考虑到马斯克只有12岁,他的编程水平已经超过绝大多数的孩子了。 

后来有个Google程序员看到了源码,翻译成了HTML5版本:

0700b69be7fb0e4608e17059596e5f34.png

大家想玩一下的话,可以到这个网址:https://blastar-1984.appspot.com/

马斯克在学校不是尖子生,他把时间都花在了玩游戏、写代码和读书上面,对学校规定的科目缺乏兴趣。由于突出的编程能力,他被选中参与了南非的一个实验性的计算机学习计划,学习Basic、Cobol和Pascal等编程语言。 

高中时期的马斯克已经展示出对火箭和太空的兴趣,他拿着自制的火箭模型来到学校,并且在课间休息时点火发射。他还反对使用矿物燃料,支持太阳能,幻想着将来殖民其他星球。 

2

17岁时,马斯克离开南非,来到加拿大,有人说他是想逃避南非兵役,有人说是想以加拿大为跳板前往美国。 

在加拿大皇后大学呆了两年,又靠奖学金来到了美国宾夕法尼亚大学,他学的并不是计算机,而是经济和物理。在大学期间,他形成了自己的“信仰”:互联网、可再生能源和太空探索这三个领域会发生巨变,自己一定要在这些领域内有所作为。

2e08405ad9b7b951b7b6778f399db753.png

1994年,马斯克在硅谷找了几份实习,其中一个是火箭科学游戏公司(Rocket Science Games),这家创业公司主要做视频游戏,马斯克被分配的任务是用汇编写驱动程序,控制游戏杆和鼠标。

驱动程序写起来很烦人,挑战很大,但马斯克精力充沛,通宵编程根本不在话下,出色地完成了任务。 

a0c32350b52a56524ea9a3dadbd211d2.png

硅谷的实习让马斯克见识到了什么是创业,一个点子开始在脑海中酝酿。 

1995年,马斯克和他的兄弟决定创立一家叫做Global Link的信息网站,在网站上人们可以查看对餐馆、理发店、服装店之类商家的信息,并且可以获得自己到这些地方的路线。

这有点像早期的大众评和百度地图的结合, 现在看来太小儿科了,但这是在1995年,互联网刚刚兴起,普通人刚学会上网浏览网页, 这绝对是个石破天惊的想法。

6386aa980bcb9cebcec75dc52d69caf6.png

马斯克用C语言独立完成了后台的所有原始代码,包括矢量地图的绘制,点与点之间距离的计算。

但是马斯克写的代码简直就是“意大利面条”, 所有的代码都搅成一团,难以修改,难以维护,很容易导致程序因为某些神秘原因而崩溃。

马斯克对于日期的估算总是过于乐观,一两天的工作量被他说成一个小时,一两周的工作量被他说成一天,让其他人痛苦不堪。

后来公司获得融资,改名为Zip2,也从SGI挖来了一批优秀的程序员,这些程序员实在忍不了“意大利面条”代码,不顾马斯克的愤怒,坚决重写软件的大部分内容,最终实现了模块化良好的系统。

1999年2月,康柏电脑斥资3.05亿美元收购Zip2,马斯克通过这次创业,净赚了 2200 万美元。

这笔钱足以上28岁的马斯克退休,但不安分的马斯克又创了X.com(后来和人合并成为PayPal),SpaceX、Tesla、SolarCity、Neuralink....  最终成为了这个时代的“钢铁侠”。

当然,马斯克现在不会再编程了。

3

马斯克曾经是一个自学成才的程序员,用Basic、汇编、C语言做过一些系统,但是水平肯定不如Monty、Linus、Ken Thompson、Bill Joy等大神,因为他并没有青史留名、影响全世界软件作品。

不过马斯克厉害的地方在于他开创了新的商业模式、有着改变世界的雄心,疯狂的冒险精神和强大的执行力,正是这些特质,最终让他成为了这个时代的“钢铁侠”。 

(完)

最后,隆重介绍一下我的小号,“想躺平的程序员”,这个小号可比我的大号厉害多了,一定要关注啊。

基于python的奥运会历史数据分析【120年】 数据分析实战案例 阅读详情

相关推荐

Moveit +Gazebo:搭建单臂机械臂仿真平台

Moveit +Gazebo:搭建单臂机械臂仿真平台

magic_invaid的博客 5287

【NTN 卫星通信】雷军和马斯克的编程水平如何

今天打算聊聊一个和技术无关的话题,雷军雷布斯是国内的科技大佬,最近关于他的新闻很多,包括造车等等;我想聊聊的是雷军和马斯克的编程水平怎么样,当然我的信息都是一些网上的公开信息,不见得权威,只是当作娱乐把。

weixin_43603524的博客 2108

playwright-mcp 安装使用的详细教程

Playwright MCP 快速入门指南 Playwright MCP Server 是由微软开发的浏览器自动化服务,通过 MCP 协议为 AI/Agent/LLM 提供网页交互能力。它基于可访问性树而非屏幕截图,支持多种浏览器和运行模式。 安装要求: Node.js v18+ 命令行操作能力 支持 MCP 的客户端 安装方式: 通过 npx 快速启动:npx @playwright/mcp@latest 项目依赖安装:npm install @playwright/mcp 主要特性: 支持 Chrome

上善若水 7977

刚刚!马斯克开源Twitter 核心代码,GitHub Star数已破万!

点击“开发者技术前线”,选择“星标”让一部分开发者看到未来 来自:iinfoQ等来等去,马斯克终于兑现了他的开源承诺。 马斯克开源 Twitter 推荐算法3 月 31 日,正如马斯克一再承诺的那样,Twitter 已将其部分源代码正式开源,其中包括在用户时间线中推荐推文的算法。目前,该项目在 GitHub 已收获 10k+ 个 Star。GitHub 地址:https://github....

开发者技术前线-DevolperFront 2022

『n8n』初识界面

在首页(Overview),我们和 n8n 最常打交道的是“Workflows”、“Credentials”、“Executions”这几个面板(其实后面2个也会用到,但初学阶段可以先不管)。Workflows 面板可以看到我们创建的所有工作流,所以要给工作流起一个一眼看上去就知道是干嘛的名字。

weixin_39415598的博客 1458

C# 上位机程序中的数据采集与存储技术:从采集到持久化的完整解决方案

本文系统讲解C#上位机程序如何实现设备数据采集与持久化。主要内容包括:1)多种数据采集方式(串口通信、Modbus、OPC等)及代码示例;2)详细对比不同存储技术(CSV、SQLite、关系型数据库等)的优缺点;3)提供SQLite等存储实现代码;4)推荐分层系统架构(采集-缓存-存储-可视化);5)性能优化建议(多线程采集、异步存储、批量写入等)。文章强调应根据项目需求选择合适的技术方案,构建高效稳定的数据采集存储闭环系统。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1025

马斯克:技术经理也必须写代码,不然……

公众号关注「奇妙的 Linux 世界」设为「星标」,每天带你玩转 Linux !11月28日,硅谷时间凌晨3点,Twitter的软件工程师们收到了一封来自公司的电子邮件,告诉他们当晚将进行新一轮的代码审查,他们必须准备好展示他们在过去10天里的工作成果。上一次的代码审查是在11月18日(星期五)进行的,仅仅只是过了5个工作日,没想到,马斯克又要开始新一轮的代码审查了。看来他对这事非常重视,这让那...

easylife206的专栏 911

C/C++ 静态代码检查工具cppCheck

Cppcheck是一个用于C/C++代码的静态分析工具,它可以帮助开发者检测代码中的错误;Cppcheck可以检测出许多类型的错误,包括语法错误、未使用的函数、内存泄漏、未初始化的变量等;Cppcheck还支持用户自定义规则,这使得开发者可以根据自己的需求定制Cppcheck的行为;使用--suppress如果你想要忽略某些警告,可以在命令行中使用 --suppress 选项。

贝勒里恩的博客 4948

马斯克亲自组织 code review,还晒出 Twitter 架构图,简直秀翻了!

点击关注公众号,Java干货及时送达出品 | OSC开源社区(ID:oschina2013)近日,马斯克前往 Twitter 总部大楼和工程师团队进行了 code review,并在结束后晒出了合照,以及 Twitter 的系统架构图。当然这不是 Twitter 的整体架构图,主要是展示了 Timeline 部分的架构,其中关键的组件是 Timeline Mixer,据称这是将任何特定的 Time...

Java技术栈,分享最主流的Java技术 1033

15、导频辅助信道估计:挑战与解决方案

本文探讨了导频辅助信道估计在双选择性信道中的挑战,分析了传统方法的局限性,并提出了一种新的导频子载波结构。该结构综合考虑相干频率带宽与相干时间,通过动态移动导频位置并结合时间与频率分集,提升了高速移动环境下的信道估计性能。文章还讨论了其硬件实现、系统开销及兼容性等实际问题,并展望了优化策略、降低开销及与其他技术融合的未来研究方向。

o4p5q6r7s的博客 103

TMS320F28377D双核开发例程 - DSP开发

首先,我们需要创建一个新的工程来进行开发。然后,选择适当的目标设备为TMS320F28377D,并设置工程的名称和存储位置。在上面的代码中,我们定义了一个128个元素的输入数组和输出数组。然后,我们使用一个简单的数字信号处理算法,将输入数组中的每个元素平方,并将结果存储到输出数组中。这个芯片的双核架构提供了更高的计算能力和灵活性,使得数字信号处理的开发更加高效和可靠。希望本文对您有所帮助!当应用程序在TMS320F28377D芯片上运行时,它将对输入数组中的每个元素进行平方运算,并将结果打印出来。

IfllUnity的博客 2516

马斯克到底懂多少技术?

我觉得决策的执行也重要,就算决策对了执行不起来也白搭,马斯克牛的地方在于,他在认真执行自己的决策,而不是某些只关心股价,利润的CEO,在敷衍了事。他20多岁又搞了个压缩软件就财富自由了,能玩的都玩腻了,又allin搞了个网络黄页阿里巴巴,又财富自由了,然后又搞了个支付宝(X),虽然最后跟Paypal合并了,但是又财富自由了,就搞啥都赚钱,还是财富自由量级的赚钱。想学太容易学会了,商业嗅觉,技术领导力,敢为天下先的魄力,才是成功最关键的因素。所以,他的技术水平,不是专家级别,而是技术官僚水平。

这个时代,作为程序员可能要学习小程序 849

调用魔搭API出现Please bind your Alibaba Cloud account before use的解决方案

本文主要介绍了调用魔搭API出现Please bind your Alibaba Cloud account before use解决方案,希望能对使用大模型的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案

weixin_43178406的博客 3万+

世界首富马斯克的编程水平怎么样

我发现很多牛人小时候都有两个重要的特点: 1. 喜欢读书,尤其是百科全书。 2. 专注,极度专注 1 1971年,马斯克出生在南非一个富裕的家庭,很小的时候就书不离手,下午两点放学后,他就跑去书店,一直待到下午6点父母下班回家。 全家人出去购物的时候,经常发现马斯克不见了,这时候只要去最近的书店去找,就能看见马斯克坐在地板上聚精会神地读书。 马斯克有着过目不忘的记忆力,把《大英百科全书》烂熟于心,可以脱口而出月球近地点和远地点距离的精确数字。 另外,牛人总是在很小的时.

m0_60797416的博客 1652

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

这位新世界首富,到底有多强...

最近,世界首富换人了!从2017年以来,一直稳坐的世界首富宝座的是亚马逊总裁Jeff Bezos,但是这两天这个位置换人了!由于特斯拉股票疯狂暴涨,马斯克成了妥妥的新一届全球首富。他旗下...

静觅 686

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

世界首富马斯克,一位写烂代码的高手

这有点像早期的大众评和百度地图的结合, 现在看来太小儿科了,但这是在1995年,互联网刚刚兴起,普通人刚学会上网浏览网页, 这绝对是个石破天惊的想法。正常情况下,需要6个月的时间才能学完所有的课程, 但马斯克像得了强迫症一样,如饥似渴地阅读,三天三夜没有睡觉,把所有的内容都读完了。1971年,马斯克出生在南非一个富裕的家庭,很小的时候就书不离手,下午两点放学后,他就跑去书店,一直待到下午6点父母下班回家。17岁时,马斯克离开南非,来到加拿大,有人说他是想逃避南非兵役,有人说是想以加拿大为跳板前往美国。

码农翻身 780

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

微策略创始人迈克·赛勒通往世界首富之路

号外:刘教链“超级小白课”第三期正在火热报名中,学习BTC冷钱包、以太坊/L2操作、DeFi等实操技能,点击本文末尾左下角“阅读原文”查看课程详情,报名直接联系教链注明“小白课”。原创| 刘教链微策略(Microstrategy)是加密行业中为数不多的明牌囤比特币大户。得益于其创始人迈克·赛勒(Michael Saylor)激进的囤币策略,从2020年到2024年,截至3月12号,微策略已经囤积...

刘教链 2229

再见,世界首富!再见,马云!

最近,世界首富换人了!从2017年以来,一直稳坐的世界首富宝座的是亚马逊总裁Jeff Bezos,但是这两天这个位置换人了!由于特斯拉股票疯狂暴涨,马斯克成了妥妥的新一届全球首富。他旗下...

纯洁的微笑 1232

lv老板登顶世界首富创始人老婆是谁

另外,奢侈品专家、药课研究院院长周婷也说,这个消费都是往上看的,去年很多行业前景不清晰,投资市场前景萎靡,所以投资转消费的比较多。世界首富换人了, LV 老板超过马斯克登顶世界首富,没想到在 ChatGPT 和电动汽车革命的时代,世界首富竟然是卖奢侈品的。无论百富,董事长兼首席调研官胡润是这么说的,说在 ChatGPT 和电动汽车革命时代,世界首富是卖奢侈品的,这似乎有些矛盾啊。这不得不提到奢侈品 2022 年的业绩反弹啊,这些奢侈品去年的成绩创下了新高,咱看一下爱马仕和 LV 的成绩就知道了。

eb198710的博客 252

官宣!全球首富马斯克:创办这所“新大学”!

埃隆·马斯克(Elon Musk)是特斯拉和SpaceX的创始人兼首席执行官。来源:青塔编辑:nhyilin美国《福布斯》杂志10月26日称,得益于特斯拉股价大涨,特斯拉CEO埃隆·马斯克...

人工智能学家 437

特斯拉股价大跌7%:市场担心价格战 马斯克痛失全球首富地位

雷递网 乐天 3月5日特斯拉(TSLA)股价大跌7.16%;截至今日收盘,公司股价为188.14美元,市值为5991.86亿美元。特斯拉股价跌至数周新低,原因是中国出货量放缓和新的降价暗示这家全球最大汽车市场的电动汽车巨头遇到了麻烦。根据中国乘用车协会通过彭博社提供的初步数据,特斯拉报告称,2024年2月份其上海超级工厂的汽车出货量为60,365 辆,出货量环比下降16%,同比下降19%,是202...

leijianping_ce的博客 212

聚观早报 |中国企业成世界杯最大金主;马斯克恐失去世界首富位置

今日要闻:中国企业成世界杯最大金主;马斯克恐失去世界首富位置;刘强东称对不起京东高管;苹果在沪最大代工厂重启招工;威马汽车上海全员工资打折中国企业成世界杯最大金主据报道,作为全球最为瞩目的赛事之一,世界杯商业化价值巨大。“环球数据”显示,中国企业为卡塔尔世界杯赞助了13.95亿美元,超过了美国企业投入的11亿美元,总赞助额位列全球第一。赞助世界杯可以让中国企业在全世界面前“刷屏”,提升品牌国际影响力。据不完全统计,有23家中国企业通过赛事赞助、签约足球队和足球明星、媒体合作等形式参与此次世界杯。有数据显示,

Juguan365的博客 331

新世界首富:斥巨资求永生,TikTok收购案最可能买家,得OpenAI千亿订单

甲骨文的股价也因这一重大利好消息,从9月9号每股240美元的低点迅速攀升至9月10号每股最高343美元的高点,直接涨了43%,将埃里森推向他梦寐以求的世界首富,身价一夜暴涨千亿美元,让马斯克屈居第二。我们也于前天的报道中,详细梳理了OpenAI和微软仍未能达成重组条约带来的影响,以及OpenAI未来几年的盈利能力能否跟得上指数级飙升的研发成本。除此以外,深耕娱乐产业的大卫·埃里森,埃里森的儿子,也将在并购派拉蒙后考虑继续并购华纳兄弟,成为好莱坞的新巨头,而老埃里森本人或将出任董事。

lsxxx2011的专栏 108

马斯克豁出4300员工,参与新冠研究,论文登上Nature子刊...

晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI全球首富马斯克成了一篇新冠抗体研究论文的作者,论文还发在了最近一期《自然通讯》杂志上。这是怎么回事,难道身兼多职的马斯克在百忙之中...

lsxxx2011的专栏 157

马斯克员工参与新冠研究,论文登上Nature子刊

点击上方“视学算法”,选择加"星标"或“置顶”重磅干货,第一时间送达晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI全球首富马斯克成了一篇新冠抗体研究论文的作者,...

zandaoguang的博客 174

马斯克豁出4300员工,参与新冠研究,论文登上Nature子刊

点击上方“CVer”,选择加"星标"置顶重磅干货,第一时间送达晓查 发自 凹非寺来源:量子位(QbitAI)全球首富马斯克成了一篇新冠抗体研究论文的作者,论文还发在了最近...

阿木寺的博客 199
上一篇: 我反对中文编程!
下一篇: 顶级代码女神,编程界最有权势的女王
码农翻身
码农翻身 《码农翻身》作者 《码农翻身》作者
博客等级 码龄8年 3万+粉丝 1084原创
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值