中国经济回暖与华尔街的阴谋

ARM / RISC-V 芯片设计生成全流程深度报告(2026):工具链、技术栈与制造工艺 从产品定义一路走到量产爬坡:13 个阶段、4 大工程域、全阶段 EDA 工具矩阵、先进制程与封装工艺、成本与周期模型、签核清单与风险登记册,并标注 ARM 与 RISC-V 两条路线的真实差异。 阅读详情

中国领先全世界这么久回暖,而且很多不该回暖的地方都回暖,包括汽车、奢侈品、房地产,如果经济箫条时期,这些市场领先全世界回暖,那么就代表你和全世界都不一样

 

    如何走在经济复苏之前,我不知道什么是复苏,我都没有看到。所以首先这个开场白,先给你讲几个简单的数据,那就是我们中国经济似乎像题目所讲,领先全世界回暖了,比如说我们的股市在去年十一月慢慢开始回暖,领先全世界达四个月之久,中国的楼市在今年上半年也跟全世界逆势增长,以美国为例,上半年的楼市是狂跌,我们是狂涨,车是美国上半年销售下降35%,我们逆势增长15%,还有奢侈品,你也可以想象到,在这一波冲击下,全世界奢侈品品牌大幅下挫,08年奢侈品下了40%,今年上半年下浮10%,可是我们发现在中国情况不一样。比如说经过受撞最严重的广东省在一个商圈附近,一线品牌奢侈品逆线增长20%几,而且几万的名表销量增长90%,五月份、六月份珠宝销售增长29%和23%。你看到这些数据是不是心里感到异常的兴奋,觉得中国经济开始复苏、开始回暖了,尤其是最近,你看到国有企业抢地皮,发现很多名不见经传小民企,小地产商也是疯狂的拿地,经济似乎一片欣欣向荣。但是那些赚到钱的人心里实际惶恐不安,赚钱赚得如此恐惧还是非常少见。 

 

    为什么呢?因为他们心中的第六感告诉自己,情况似乎比较复杂。我们也不要说一些什么高深的理论,我们用最平常、最简单的思路做判断,就应该会有一些基础的答案。请你想一想,中国领先全世界这么久回暖,而且很多不该回暖的地方都回暖,包括汽车、奢侈品、房地产,如果经济箫条时期,这些市场领先全世界回暖,那么就代表你和全世界都不一样,如果你和别人都不一样的话,我们总是会觉得别人都不正常,只有我们正常!其实,如果当你和别人不一样的时候,你最好认为你自己不正常,这样可能代表你还正常一点。但是我们从来不是这样思考问题的,我们感觉就是好得不得了,甚至这一波回暖,我们对待回暖的态度和过去是迥然不同。我举一个例子,如果儿子生病你们做父母是做什么,首先用手摸一摸他的额头是不是有点发热,下一步你会做一个正确的选择,就是带家里,小宝贝去看看医生,请医生检查一下到底是生了什么病,造成额头的发烧,医生正确的检查病以后,给你对症下药,发烧现象呢就可以退烧了。你们平常是不是这样做的?可是我觉得我们最近的做法特别奇怪,当你摸到儿子额头发烧的那一瞬间,你竟然回头告诉老婆说,你不要担心,我们的儿子是回暖,你甚至不想去查一下他到底是生了什么病。

 

    所以今天,我就把各位聚集在这里我们来看看病,肯定是出了什么问题,才造成回暖的现象。所以今天的演讲就是把这个病给你找出来。你会突然发现,我们讲两三个小时的演讲,讲这么长之后,到最后的结论竟然和今天的股市、楼市密切相关。所以你要真正的了解中国的楼市和股市,你就一定要跳出楼市和股市,从中国经济最基本的层面开始做深入的探讨,你才有可能了解股市、楼市。

 

    各位记得不记得,当时全世界有两派争论,一批是我一个人,另外一派是其他所有人,其他学者都说为什么有泡沫,那是由于经济发展了,老百姓更富裕了,所以大家手上有更多钱炒楼炒股,从而造成了楼市泡沫和股市泡沫,他们给这种说法一个横有趣的名字,叫流动性过剩。流动性过剩的名字就是炒楼楼市有泡沫,炒股股市有泡沫。而我当时说,06年,泡沫必定象征着过来一个新的危机的出现,那就是制造业危机。 

 

    为什么我会这么说?因为我们经过大量的数据调研的结果,我发现情况根本不是如此乐观。我们的结论认为,那是由于以制造业为主的民营企业家,在这个时期面临的投资经营环境全面的恶化,所以很多做制造业的企业家不做了,从实体经济拿出钱炒楼炒股,从而造成楼市泡沫和股市泡沫,所以我们结论完全的相反,泡沫现象造成的结果,不是中国经济发展更高了,而是更差了。讲的更具体一点,那就是06年,中国的制造业危机开始了。

 

    所以各位来宾千万不要认为,中国的问题是由于金融海啸,完全错了,中国危机早就发生了。06年,泡沫已经告诉我们,中国的危机是制造业的危机。而讲得更具体一点,什么是制造业危机,就是投资经营环境全面恶化。当然了,政府在做政策抉择的时候决定不听我的,听另外一派的,所以推出宏观调控。而宏观调控的目的是什么呢?请各位来宾回忆一下,那就是收回流动性,这种想法很简单,如果通过宏观调控收缩流动性的话,那我们就手中就没有这么多金钱,就不能炒楼炒股,所以楼市泡沫、股市泡沫一定会解决。

 

    利率,按照一般的道理来谈,你提高利率了,收回流动性后就没有那么多钱炒楼炒股了,所以股市应该下跌。结果每一次都造成股价大涨。因为整个宏观调控的目标全错了,根本不是流动性过剩。而是因为我讲的原因,制造业的原因。请你想一想,每一次提高利率,就更进一步打击了制造业投资环境,所以我们企业家都不想干了。在07年的时候,这个数据出来,结论已经非常清楚。因此我一直在呼吁,要改变宏观调控。到了2008年6月底你们都知道,广东省制造业倒闭了30%,江浙两省倒闭20%,请注意金融海啸还没有开始!而且,我国的出口还是大幅度的上升,比如说六月份之后的九月份中国出口增长率还超过了30%,虽然这么多企业倒闭。

 

    这个时候,已经证明了我的理论能解释当时的经济环境,一直到08年9月16日政府才出来解决,可是已经晚了。从06年到08年这两三年期间,除了宏观调控以外,我想问一下是不是还有更多的因素影响你的投资环境,到09年底了,你们每个人想想,投资经营环境是改善了还是恶化了?那么我告诉各位来宾,06年到今天,9月21日的今天,我们企业总共经历五大内忧三大外患,使得我们的投资经营环境更恶劣。而这些因素加在一起必须推导出一个奇怪的结论,那就是今天楼市和股市变态的情况。

 

    五大内忧,基本上都是误判形势,这些都应该是可以避免的;而三大外患会对制造、地产等行业产生极大冲击

 

    人民币升值。在金融海啸最危机的时候,人民币对欧元等或者又涨了30%,这不是亲手扼杀我们出口制造业的生机吗?第二,08年一月份推出劳动合同法,政府出面保护弱势群体,问题是这个法律出台太草率,既没有论证也没有试点,造成企业输、劳动者输,劳动合同法又再一次打击了投资环境。第三出口退税,出口退税的决策有多草率,很多媒体问我,郎教授能不能说一下,出口退税调回17%的历史意义,我说不行,我很忙,这种无聊的问题不要问我。我想问一句话,当初为什么调低,出口退税这么一折腾,又打击了出口制造业。第四宏观调控,我们刚刚说了,不用重复一遍了。第五,今年开始的税费全面上涨,在金融危机的时候加税呀!我只能是表示不可思议。我举一个城市为例,重庆建筑行业看起来不错,安监局要收30%安监费,国土资源局要征收50%复耕费,甚至是会计准则都改变了。过去会计准则就是你的产品卖给消费者之后才是销售完成,才要交税,现在不是了,你的产品给渠道商还没有完成销售,就直接算销售完成。这种隐性税费的增加,彻底打击了企业家的积极性。所以五大内忧,基本上都是误判形势,这些都应该是可以避免的。 

 

    除了五大内忧以外,最近又多了一些新玩艺:三大外患。这三大外患过去两年是没有看到过的,到09年这三大外患变本加厉,我相信,会对在座的各位,我相信不止是制造业,对地产各行各业都会有很大冲击。第一外患,汇率战;第二外患,成本战;第三外患,贸易战。千万不要以为这是跟你不相关的,我甚至认为这三个战争是精心策划的。尤其是08年开始,第一个先讲汇率,我们人民币汇率兑美元升值20%几,金融海啸时期,又对欧元升值30—40%,你们肯定认为很正常。因为,你们在学校学的都是这么学的,老师说,汇率是用来调节国际收支,这么多来我们出口创造这么多外汇储备,所以人民币当然要升值,因为大学教科书都是这样教你的嘛!不过我要告诉各位来宾,一个国家的汇率政策,竟然跟着教科书的理论走,好可怜!

 

    我送给各位一句话,汇率就是各国政府为了达到政治目的而变动的。我问你说,四月份开始美元为什么贬值,你以为是美元弱势了吗?你太简单了!我告诉你,那是美国政府从四月份即将发动一场新的政治战,因为汇率本身就是一个战争,是现代金融战。你想想四月份以前的事,从去年11月底到今年,美国一如既往的贸易赤字,而且为了应付金融海啸他们印大量钞票。又是财政赤字,美元贬值,又印这么多钞票,你肯定又会想,美元不值钱了,要贬值。那你太小看美国了!

 

    最后,你发现,美国印这么多钞票,你知道它印了多少钞票,150%增长率的钞票呀!那是不可想象的天量!如此庞大的贸易逆差,美国印150%的增长率的钞票,每一个人都认为美元要下跌,甚至认为美元要失去世界领导地位,你觉得可能吗?,你都能看懂的问题,美国人看不懂吗?最后出乎意料,尤其是中国人意料以外,美元不但没有跌,反而对欧元逆势增长,接近40%!美元史无前例的强劲,那就是一场金融战,可以告诉大家,今年七月份,美国中央央行总裁说了一句话:由于强势美元的结果,一季度,美国已经脱离了金融海啸。怎么脱离了?这个意义是非常重大的,我想花五分钟的时候跟大家谈一谈。

 

    在金融海啸这么危机的时刻,全世界的投资人都在抛售本国货币抢购美元,然后去买金价。因此,金融海啸时期,全球主要货币全部狂跌,只有美元狂涨,你知道美国人创造了什么样的新时代,美国政府成功将美元塑造成全世界唯一的避险货币

 

    你想了解美国吗?那你必须要看一看他的政治目的是什么。因为汇率就是各国政府为了达到政治目的的手段,美国想干嘛呢?美国就是为了借钱,需要大量资金回流美国,你要借钱,你的汇率最好怎么样?强势还是弱势?当然是强势,弱势谁还借钱。你还钱的时候贬值无所谓,你要借钱必须要强势,而且美国总共投入多少钱,这一段一共投入23.7万亿美元。所以美国政治目的就是借钱维持美元的强势。欧盟呢?欧盟的主体是德法,尤其是德国法国持续的贸易顺差,欧元为什么不像人民币一样升值反而是狂贬,那你看看欧盟的政治目的,他希望通过德法来拉动欧盟的经济,所以欧元需要贬值。最后清楚了,在金融海啸冲击下,美国人为了借钱保持美元强势;欧洲的政治目的告诉我们,为了拉动欧盟经济,充分出口拉动,欧元必须贬值,结果在他们的操纵中,美元涨了,欧元跌了。他怎么样操作是非常复杂的,简单跟各位讲,他通过三个办法:第一个办法是美国大量抛欧元,所以欧元下跌美元涨。第二美国为了应付海啸,在去年印了150%增长率的钞票,结果流动美元率只有9%,比中国还是低。所以我告诉各位,你不要担心美国,多担心自己是真的!第三个方法最重要,我也告诉你一下,有关黄金的故事,起码你对黄金有一个新的认识。 

 

    我这一路上来车上有人跟我讲话,挺烦的,但我还得回答。我告诉你,黄金是一个很差的投资品种,不信你看一组数据:民国初年一两黄金可以买两亩良田,五两黄金可以买北京一个四合院,到一百年后的今天,一公斤黄金25万人民币,只能买北京四合院的厕所。你说一百年的区间黄金不行,三十年呢?70年代,各位想想,一两黄金多少钱?八百美元。今天也不过是一千美元。三十年才从八百涨到一千,这个回报比活期存款还要差!

 

    什么时候投资黄金最好呢?2001年,当时黄金价格是250美元一两的样子,如果你在01年投资的话,到了今天你赚残了!这八年的回报保证你是全世界最高最好的投资。可问题就来了,怎么只会到250美元呢?因为美国政府的操纵,因为你赚钱是要靠美国政府操控,所以,黄金的本质问题就操纵的,黄金是无祖国的,不像美元或者是人民币都是有祖国,谁强大谁操纵黄金。当然19世纪是英国,现在是美国在操控。美国如何操纵黄金呢?很简单,黄金是手段,美元才是真正的目的,每当美国政府想拉抬美元价格的时候,他一定会让华尔街资本进入市场抛售,金价下跌,黄金投资受到损失,他们就离开黄金市场,转而购买美元,造成美元涨价,所以每当我们要拉抬美元价格的时候,美国就会打击一下,所以这就是为什么黄金和美元价格为什么一直相反,因为美国在操纵。你想赚钱,炒炒股票可能还好一点。

 

    金融海啸开始到11月的时候,有一件对美国人来讲是很可怕的事情发生了,那就是全世界投资人大量抢购黄金保值,大量钱将流入黄金市场,所以金价必涨,如果金价涨了,美元就必然狂跌,可是美国不能让美元跌,这个时候要保持美元的强势。过去美国政府会指定华尔街打击金价,尽是今天不可能,因为你一个小小华尔街实力怎么能跟全世界相比,所以金价上涨不可避免。美国在这个危机的时刻召开一个秘密的内部会议,会议当中决定采取如下的措施:美国政府指定两家进入黄金市场,一个是汇丰银行,一个是高盛,我们凭直觉判断,这两家要抛售黄金,拉抬美元价格。这两家公司进入金市之后,没有打压金价,反而猛抬金价,使得金价短短几个月由七百美元涨到一千美元。华尔街通过这个机会向全世界谣言说,黄金会涨到两千美元。就是因为这个原因,更多的投资人开始抢购黄金,黄金价格大幅上涨不可避免。这一切完全在美国政府的预料中,按照美国政府的旨意发生了。非常简单的道理,请你想一想,你要买黄金,必须用什么货币?美元。所以对一个欧洲人而言,买黄金要先抛欧元,换成美元买黄金,抛欧元的结果欧元跌,换成美元导致美元上涨,然后再买黄金,此时导致黄金价格上涨。这就造成去年十一月到今年第一季度,黄金和美金同时涨,美国政府的重要目的也达到了,就是保持美元强势。这个结果我不觉得奇怪,因为我也想得到。

 

    欧洲人抛欧元换美元买黄金,加拿大抛加币换美金买黄金,你发现在金融海啸这么危机的时刻,全世界的投资人都在抛售本国货币抢购美元,然后去买黄金。因此,金融海啸时期,全球主要货币全部狂跌,只有美元狂涨,你知道美国人创造了什么样的新时代,那就是在金融海啸时期,当每一个投资都向寻求避险货币的时候,他们发现,美元是唯一涨的,所以美国政府成功将美元塑造成全世界唯一的避险货币。而把欧元等等就此淘汰出局,完成了这个目的。美元的国际地位不可动摇。所以下次再碰到什么危机的时候,我相信全世界人都会抢购美元,因为已经证明了美元是唯一的避险货币。美国做得太厉害了!也太漂亮了!

 

    人民币呢?人民币没有跟欧元一起贬,而是跟着美元一起涨。在这么危机的时刻,出口这么衰落的时候,我们跟着美元涨,这不是亲手扼杀了出口制造业仅剩的生存机会吗?学习一下韩国人,韩国将韩元贬值40%,所以他们三星可以和lg可以成功的突围。而我们呢?则是亲手把出口制造业推向火坑。听懂了吗?!伯南克说,就是因为我之前说的这些故事,美国第一季度已经成功的脱离了金融海啸,所以从四月份开始他就不需要维持强势美元了,因为他不需要借钱了,所以从四月份开始美元贬值了。我们把握汇率不当,让我们的出口制造业遭受沉重打击,出口制造业占中国gdp的三分之一。

 

    美国政府通过华尔街控制石油指数、国际运费指数。我们谈判的终极对象是美国。这不是力拓的问题,也不是澳大利亚的问题,这是全世界的游戏规则

 

    第二场战争是成本之战。这几天有很多制造业企业来问我,未来三个礼拜到三个月之内,铁矿砂、有色金属的走势如何。我不会知道的,只有一个人知道,那就是奥巴马!这是成本战,跟汇率是一样的。

 

    请各位回去后炒一道菜:青椒肉丝。当你要倒油时想想,这个大豆油价格是谁决定的?是华尔街;你切肉的时候想想,中国猪肉价格是谁决定的?不是供需,是华尔街;切青椒那一刹那想想,中国农产品的价格是谁决定的,不是供需,还是外资;你炒一个青椒肉丝的成本都是华尔街决定的,何况铁矿石了。美国大豆价格比东北黄豆便宜10%,你只要开放美国大豆的进口,你就是淘汰我们的东北的大豆,其实这是一种成本战。

 

    就在四月份,华尔街通过他们所操纵的中国媒体对外散步谣言,大豆要涨到七八千。所以,中国的油脂压榨工厂,在前一个月,买了八百多万吨美国大豆,到了五月份,涨到四千四,再到下一个月,不知道是谁一声令下,华尔街开始集体抛售大豆期货,把大豆价格一下子打到两千块一吨,造成70%中国油脂压榨企业被淘汰。我上个礼拜在山东时,有几个朋友跟我讲的嚎啕大哭,他们是山东日照油脂压榨厂的,以没有四千三百块的价格购了一船大豆,船还没有口岸就跌到两千块,还没有生产就倒闭了,他们还没有上班银行就来查了。你知道下一步是什么吗?然后国际四大粮仓趁机进入中国,用贱价收购这些70%倒闭的油脂压榨工厂。

 

    由于加入wto,09年开始,中国必须开放农产品市场。而08年年底,各位记得不记得,我们搞了一个农业改革,也是农民释放经营权,取得资本,他可以去城市打工也,可以回到家乡替那些收购他的经营权的公司打工。国际四大粮商趁此良机收购了这些有经营权的中国农业公司进行参股,参股以后帮他做融资,请他们去大面积收购中国的农地,所以收购中国农业公司的幕后人是是欧美四大粮商。

 

    再来看看铁矿石、有色金属、稀土、国际运价,这些价格都是华尔街控制的,因此送给大家一句话:中国的进口原材料成本、矿产成本是受华尔街控制的,最后你会发现,是由华尔街为首的这一批金融资本通过定价权,全面控制全世界尤其是中国矿产的价格。铁矿石的价格取决于运费的价格指数和石油价格,只要这两个指数上涨,铁矿石就涨,这两个指数下跌,铁矿石就下跌,但是这两个指数谁控制?华尔街。华尔街背后是谁?美国政府。所以美国政府通过华尔街控制石油指数、国际运费指数。你谈判的终极对象是美国。这不是力拓的问题,也不是澳大利亚的问题,这是全世界的游戏规则。  

 

    我们不懂这个游戏规则,做出让全世界啼笑皆非的事。中钢协找了淡水河谷说,我们不要理力拓,可是淡水河谷不跟钢协谈判,因为你不懂游戏规则。中国有矿产叫稀土,我们出口价格是最低的,为什么?我们不掌控稀土的定价权,所以我买进来价格是最贵的,但是我们卖出去都是低的,因为定价权都是掌握在华尔街手中。

 

    所以,如果你想问下个月矿产资源价格怎么变动,我哪有这个水平,他们是奥巴马他们最高战略指导思想。四月份开始美元贬值是第一个外患,六月份开始大宗物资价格上涨,这是两二个外患,这两个加在一起,美国想达到什么样的政治目的,这就是现代金融战!

 

    这个事件由来就是美国工会要对付美国四大轮胎制造商,可笑的是,到现在,很多人连是谁给了我们一刀都没搞清楚

 

    第三个外患,最近开始的轮胎特保案,这个战争你是不能败的,败了以后,后果不堪设想。这个事件由来就是美国工会要对付美国四大轮胎制造商,可笑的是,到现在,很多人连是谁给了我们一刀都没搞清楚。很多学者说,工会有什么资格管轮胎企业。我清楚地告诉各位,我们已经错到了什么地步,连名字都翻译错了。这个工会的全名是钢铁橡胶物流等十几个工业的联合工会,他们名字是美国总工会,我们的对手是美国总工会。这个工会在08年的时候,在奥巴马跟希拉里竞赛难分难解的时候,支持奥巴马,他这样一做,带动很多人支持奥巴马,最后他当选了,这就是美国总工会的威力所在。这家工会对四大轮胎公司进行制裁,这四家美国公司躲在一旁,因为他们不敢跟工会斗,于是把我们推上前。于是美方认为,这四个工厂把在美国的工厂关掉,转而到中国生产,造成美国轮胎业的工人严重失业,由于在中国生产,顺便也把中国的轮胎业对付了。

 

    数据:第一,进口自中国的轮胎所占市场份额由04年的5%升到08年的17%;第二,美国本土轮胎所占市场份额从04年的62%跌到08年的50%。所以美国认为,中国轮胎市场份额从5%到17%,美国轮胎市场份额从62%到50%,这都是中国的罪。我们首先要告诉美国人,5%到17%是准确数字,但是这个数字是四大美国轮胎公司造成的,是他们在中国生产以后,大量出口在美国,跟我们没有关系,你评什么制裁我?!第二,你制裁我们,你就解决问题了吗?这个特保案一旦输了,后果及其严重。

 

    这个贸易案将进一步打击我们的制造业。在五大内忧三大外患之下,从06年到09年,我们企业所面临的投资经营环境恶化,企业更没信心,这是第一个病。金融海啸的冲击是个变革,带来了产能过剩,开始冲击到楼市和股市。 

 

    国企不敢投实体经济,他们开始炒股,所以大量银行信贷进入股市;这些企业除了炒股以外,手上这么多钱,他会炒地皮

 

    这个产能过剩就是我要说的第二个病。产能过剩源于地方政府的两大政策,第一是抓建设拉动gdp,政策二招商引资,什么叫抓建设拉动gdp呢?那就是通过修桥铺路等等方式用钢筋水泥拉动gdp,我们发现,gdp当中,钢筋水泥占70%。包括我们最近所推行的新能源,那是绝对的产能过剩。这种可怕的产能过剩将使中国造成巨大的浪费,请你想一想,我们产能占gdp的70%,而消费只有gdp的35%,我们是一个严重产能过剩的国家。那么过去为什么不会产生这个问题呢?因为我们通过美国人消费吸收到这一部分的过剩产能,那么美国人消费叫什么消费呢?叫超前消费,简单讲就是泡沫消费。原来我们是靠美国人泡沫消费吸收掉我们30%gdp的过剩产能,可是只要是泡沫就一定要破灭,而且美国的泡沫是非常的可怕,他们为了从事泡沫消费已经借了gdp95%的钱。08年11月,美国的泡沫消费就此破灭,冲击到我们的出口,出口下跌使得产能过剩危机立刻暴露无遗,去年九月份我们出口增长率超过30%,十月份19%,11月份当月中国出口下跌2.6%,12月份下跌2.8%,今年一月份中国出口每个月以20%的速度下跌,一直跌到八月底,其实中国出口狂跌我不是很担心,因为很正常。最让我担心的是一月份进口暴跌43%,其中房产之外的原材料下跌50%,进口机器设备下跌40%,什么意思?中国很多制造业包括出口,基本上是简单进口原材料,进口机器设备的粗加工,一月份进口原材料跌了一半,进口机器设备跌了四成,你知道这是什么可怕的意义吗?那就是在我们前面讲的两个病没有解决的情况下,企业家不想干了,他在思考,辛苦了十几年,对不起家庭、子女和老婆,于是跑到广州买了几十万一只的名表或珠宝送给老婆,中国奢侈品市场得以回暖;再看看自己的子女和年迈的父母,觉得特别的愧疚,这几年都是忙着做生意,干脆出去玩玩吧,然后买一个商务车,带着自己的孩子、老婆和自己的岳父母去旅游,因此汽车销售又被带动起来。再想想自己辛苦这么多年,吃没有吃好,穿没有穿好,更重要的是住没有住好,因此江浙这一带企业家就到黄埔江边买一个康城一品,或是到西湖边买一个别墅,中国的高端房产得以开始回暖。

 

    这时候,摸一摸额头,你会发现已经有发烧的现象了。下一步,政府开始治病了,从去年十月份开始,总共推出六大举措。第一是农业改革,第二是四万亿,第三汽车家电下乡,第四是振兴规划,第五医疗改革,最后一个银行信贷。但是结果病症并没有消失,反而是更加恶化。

 

    我以四万亿为例,你投资在哪里?中西部的基础建设,根本不投在宁波,投资在中西部的基础建设以高速公路为例,建完以后有没有车在上面跑,没有车跑的高速公路就是产能过剩。建的时刻需要人工,需要钢材,需要水泥,造成目前gdp上升的假象。需要钢材可以解决今天钢材两千亿产能过剩,也可以解决水泥的今天的产能过剩,也可以解决人工的问题,但是建完了不需要钢材不需要水泥,立刻就会把这两个产业打回原形。所以前面两个药方没有效果,后面四个药方让你的病更重要,还有一个没有谈的,就是7.37万亿剩下的三、四成用什么?这是用错药,这是脚痛医脚、头痛医头,用了之后让你的发烧更严重了。这个药开下去是给以国企为主的短期信贷以及票据融资,你突然拿出接近三万亿资金,拿给以国企为主的企业,但国企不敢投实体经济,他们会开始炒股,所以大量银行信贷进入股市。这些企业除了炒股以外,手上这么多钱,他会炒地皮。谈到这个不能不说潘石屹,他就在这个时候,也跟那些企业竞争广区路15号地,我觉得潘石屹同志特认真,每一次举牌之前,详细计算、成本效益分析,你发现在场就他一个人在算,国有企业没有人算,他精心测算之后,很谨慎的举了一个牌,国有企业看他一举牌马上举的更大,所以潘石屹说他遭到了围剿。围剿到最后,小潘同志在35亿的时候安然离场,看看剩下的,国有企业像疯子一样的举牌,最后在40亿的时候中化集团旗下公司中标,一平方米是46000,而附近的房价不到一万,这样的话你成本加上利润那不得卖上多少?

 

    在这一波楼价上涨过程中,财富进行了重新分配,最弱势的财富移转到中高端人群,如果通货膨胀来临,一定会使得弱势群体损失更多,而大量财富转移到社会的富裕群众体,这是通货膨胀已经不可避免的现象

 

    如果是过去的话,我肯定会稍微批评一下,但是现在我不会批评他(注:此处指拿到广渠路15号“地王”的国企--中化集团)了。把他的财务报表打开一看,我发现他手中有245亿银行信贷,哎呀,非常的同情他们!这些小兄弟,好不容易才花掉40亿,我都替他烦恼还有200多亿怎么办,我为他烦恼得最近都睡不着觉。

 

    地王现象出来之后,刚开始是国有企业在推动,现在不是了,大量不知名的民营地产公司都进入了这个战争,以天价中标。最近地价涨的原因是最近中国地产商的数量突然增加,所以他们必须抢购地,否则怎么盖房子呢?最近民营企业拉高房价是因为民营地产商太多了!而且很多人都是没经验的,看到别人赚钱了,就像两年前看别人炒股赚钱捺不住了。听我讲了课以后,你要自己掂量掂量看看。

 

    这个药用错的结果,今年上半年竟然印了7.37万亿的钞票出去,无可避免造成老百姓通货膨胀的预期,怎么逃避通货膨胀呢?所以大量避险资金会冲击股市,冲击楼市。

 

    那么,都有哪三笔资金进入股市呢?第一笔是制造业资金,第二笔是银行信贷,第三笔是避险资金进。第二笔资金的风险最大,只要央行稍微紧锁的话,一定会通过第二笔资金造成股市大跌。所以我奉劝各位,不要恋战,要快进快出。我只是送给各位一个礼物,我把股市为什么会这样变动背后的理论告诉你。你们应该怎么做呢?你们应该把这三个资金听懂以后,自己做一个准确的判断。然后根据自己的状态该干什么干什么。这不是由于实体经济有了不起的复苏,而是由于整个社会的资金通过三个不同的管道进入股市,所以你会清楚知道,这是及其不稳定的现象,要看央行怎么变。

 

    楼市有两笔资金进入,第一笔是制造业资金,第二笔是避险资金。请注意,这两笔资金进入楼市都是冲击高端楼盘,这就是为什么这一次回暖是高端楼盘拉动,这是最不稳定的。再给你一个数据,你如何解读这次房价上涨,上礼拜我们收集很多数字,中档楼盘高档楼盘,写字楼的房租大幅下挫,平均房租下挫,这就代表整个社会的实质性购买力下跌,也就代表刚性需求是下跌,这种情况下,楼价狂涨的支撑点是什么?当事人心里里有谱。有一个现象让我更为担忧,北京、上海、广州、深圳四个地方,最廉价的楼盘是一千块左右的房租,一个月一千块左右的房租,这种房租是大幅上涨,而中端高端写字楼都是在下跌,什么意思你们知道吗?在这一波楼价上涨过程中,财富进行了重新分配,最弱势的财富移转到中高端人群,如果通货膨胀来临,一定会使得弱势群体损失更多,而大量财富转移到社会的富裕群众体,这是通货膨胀已经不可避免的现象。 

 

    中国经济一旦见底了怎么办?你要问这个问题,想想日本人的故事,中国经济最大的危机是见底之后怎么拉起来?告诉你,我们过去有三架马车还记得吗?消费、出口、政府支出,消费只占gdp的35%,是非常小的一个基数,因此我们很多笑着就说,中国人是一个储蓄大国,这个话你说过没有,我们要把储蓄转为消费,全是胡说八道,我告诉你,中国是一个储蓄小国,说个话的人从来不念数字。告诉你,中国家庭储蓄25万亿,除上13亿人口,人均储蓄只有两万元不到,如果把全社会最有钱的0.4%的人扣除,他们占社会70%的财富,剩下99.6%的人群人均储蓄六千不到,如果99.6%人均储蓄是六千块不到的话,你敢不敢花,你父母生病怎么办?你子女交学费怎么办?你敢不敢花。他今天不敢花的原因是因为他的储蓄太少,而不是太的多,因为他太贫穷,你想推行加强社会保障而增加消费吗?不可能,父母生病怎么办?子女上学怎么办?人群储蓄几千块,因此中国是储蓄小国,要通过储蓄拉动消费是不可能,所以第一架马车不灵了。目前日本问题也是一样的,民主党上来就要拉动日本的消费,看怎么拉。第二架马车是出口,去年十月份我已经说了,中国的出口是靠美国的泡沫消费所拉动的,只要美国的泡沫消费一旦爆破就不会恢复到原来的水平,因此宁波很多出口企业倒闭这是肯定的。去年十月份美国人储蓄是零,今年七月份美国人的储蓄是7%,如果美国人储蓄是7%,那么美国消费将减少同比例,所以他的进口需求也会减少,因此我去年说,很多出口企业倒闭是不可能再回来,再一次得到数据的确认。既然,美国人的消费已经下跌了,所以,出口拉动第二架马车也不灵。搞到最后,就只剩下一架马车,我相信这一次政府从去年开始一直推动四万亿等等,目的就是通过最后一架马车拉动中国经济,当然讲到这里,我可以对政府的政策表示一些理论上的依据。你们最近看到中国今年保8,我去年十月份讲过,我根本不存在保不保8,gdp不重要,由于我们投入大量的资金,短期之内拉动gdp是没问题的。我的问题就是你建完之后怎么办?你和日本有什么差别。建完之后你这条产能过剩的高速公路会自己生出一条来吗?不可能,建完之后怎么办这也是去年十月份在博客上写了一篇文章,我告诉政府,我完全反对你们基础建设,这个钱是白投,我觉得应该投在民营企业身上,当然一如既往他不会听我的。这个月也就是这个礼拜,我们都看到了,大家都想到了,建完之后怎么办,所以政府又说了,应该让民营企业投资取代基础建设,哦!终于听懂了,一年之后听懂了,好极了。第三架马车是唯一的拉动力量,我说过了,建完之后怎么办?一年之后政府有回应了,通过民营企业的投资继续拉动,那我再问一句话,我从两点讲到现在,民营企业是生了两个什么病,投资经济环境全面恶化、五大内虑三大外患、金融海啸造成产能过剩、政府六大药方解决不了问题,这种情况下民营企业敢不敢投资,敢不敢投资制造业?如果三架马车拉不动经济,而民营经济跟不上的话,中国经济将会陷入长期停滞发展的状态。

2025软考中级《数据库系统工程师》案例模拟题合集 1.【说明】某销售企业正在实施电商平台项目,主要功能模块包括用户中心、商品中心、交易中心、支付中心、营销中心等。其中支付中心模块包括了一个账户表:Account (ano, aname, balance),其中属性含义分别为:账户号,账户名称和账户余额。 假设现在存在事务Ti对账户表Account进行余额的修改,系统记录了修改账户表的日志记录,假设更新日志记录表示为 <Ti,A,V1,V2>,表明事务Ti对账户A执行了一个写操作,写操作前账户A的余额是V1,写操作后账户A的余额为V2。<Ti,D 阅读详情

相关推荐

利用正射影像对斜射图像进行反向投影

因此,RANSAC算法可以通过计算inliners和outliers的数量来评估估计关键点的质量,确保与其他点不一致的点不会在Homography矩阵中被估计。然后,它通过考虑关键点周围区域中图像的梯度大小和方向来计算每个提取的关键点的方向。由于单应性矩阵的计算可能会受到两个图像中异常值的存在的影响,这将导致矩阵的不正确估计并导致沿图像的对准和映射不良。FLANN匹配器的方法基于K近邻搜索的概念,即从图像中找到k个近邻。找到相机在正射影像坐标系中的位置并在正射影像上绘制重叠区域的边界框。

gis收藏家的博客 1513

# 昂永(上海)科技非标件自动核价系统落地无锡先导,助力制造核价数字化

近日,昂永(上海)科技自研非标件自动核价系统正式在无锡先导落地应用。针对非标零部件核价痛点,双方协同完成方案适配与上线,依托图纸智能特征解析、自动工艺识别、成本模型计算等核心能力,将过去过于依赖资深工程师经验的人工核价模式,升级为标准化、系统化数字化流程,为企业内部核价、成本评估、跨部门报价协同提供有力支撑。

cjndacn的博客 194

手把手教你用XC7A35T FPGA搭建低成本机器视觉系统(含开发板选型指南)

本文详细介绍了如何利用AMD(原Xilinx)Artix-7系列中的XC7A35T FPGA芯片,搭建一套低成本的机器视觉系统。内容涵盖从芯片选型深度剖析、开发板(如黑金AX7035B)对比指南,到使用Vivado创建工程、编写图像处理模块(如RGB转灰度),以及资源优化和与上位机(如OpenCV)协同工作的完整流程,旨在为开发者提供一套可实践的高性价比硬件加速视觉解决方案。

beta5的博客 353

喜讯 | 顺力智能获评“东莞制造质量品牌引领型企业”

《南方日报》发布《2026年东莞制造质量品牌价值评价研究》,顺力智能凭借从“单一货架制造商”到“全栈方案提供商”的三次转型升级,入选“东莞制造质量品牌引领型企业”。依托五维评价体系,50家标杆企业共同探索质量品牌价值转化路径。顺力智能通过技术迭代与品牌创新,实现从“卖产品”到“交工程”再到“提方案”的跨越,并以工业美学传播新表达,助力东莞制造迈向高质量发展新阶段。

顺力智能物流装备的博客 246

ESP32 CAM使用教程(入门级)

串口被占用,可以关闭其他使用到串口的界面;先将手机也连上wifi,然后使用手机浏览器打开这个IP地址,注意手机连接的wifi需要和开发板的wifi一致,也就是程序里自己修改的那个wifi,否则无法打开IP地址;将开发板连接到电脑,点击点击工具→端口,然后选择自己实际接的COM口,不清楚COM口的可以打开电脑设备管理器查看一下,插拔设备看看哪个COM口会刷新就是哪个COM口;安装好esp32库之后,点击工具→开发板→esp32→AI Thinker ESP32-CAM,型号要仔细找找,不要选错了;

qq_34426854的博客 2万+

NVIDIA驱动版本太低?手把手教你解决CUDA与PyTorch版本冲突问题

本文针对深度学习开发中常见的NVIDIA驱动版本过低导致的CUDA与PyTorch版本冲突问题,提供了从根源理解到实战解决的完整指南。文章详细解析了驱动、CUDA与PyTorch的依赖关系,并给出了升级驱动、降级PyTorch、使用Conda环境管理及Docker容器化四种核心解决方案,帮助开发者快速诊断并构建稳定的GPU开发工作流。

grpc6streamer的博客 970

制造企业如何落地 QMS:全星质量管理QMS软件系统架构与集成实践

典型部署为 B/S 架构,前端 Vue / React,后端 Spring 体系,流程引擎基于工作流标准(如 BPMN)实现。在离散制造和流程制造现场,质量管理长期面临三座大山:质量数据散落在 MES、ERP、纸质记录与工程师电脑中,形成数据孤岛;选型时与其问"功能多不多",不如问"我的闭环它能不能跑得动"。笔者近期参与了一家零部件企业的 QMS 选型与落地,本文以全星质量管理QMS软件系统(上海全星计算机科技有限公司)为参考对象,从工程视角拆解其技术落地思路,供同行评估。

2501_90343043的博客 244

【SigmaStar SSC335系列】空片用Flash_Tool烧写

简介 本文主要讲新拿到的PCBA,板上spi nand flash还是空的,如何在这种情况下烧录固件,这里讲解用官方Flash_Tool烧写的方式。 但只讲一些注意的地方和坑,其它的官方文档里说的比较清楚,不多说。 准备 Flash_Tool烧写软件 编译打包好烧写镜像 串口烧录小板 ----- 这个是个坑,在官方文档里并没有提及,刚开始用的平时调试的USB转串口,怎么都没反应,一度不知烧写软件不对还是硬件有问题,最后通过厂家技术支持才得知,除了专门的Flash_Tool外,还要专门的串口烧录器

老K 4700

使用Techviz虚拟仿真软件探究工业制造中的人体工程学

TechViz的虚拟现实解决方案为人体工程学评估带来了变革性的价值,为公司提供了一种高效、经济和现实的方法来评估工作站和驾驶舱设计。通过模拟真实世界的交互并为设计验证提供身临其境的环境,TechViz从一开始就提高了产品的人体工程学质量,帮助组织提供安全、舒适和高性能的工作空间和车辆。使用TechViz的VR功能,用户可以在完全沉浸式的环境中可视化、交互和评估3D数字模型,从设计的早期阶段简化人体工程学验证过程。增强的安全性:在设计过程的早期识别潜在的人体工程学危险,允许进行修改以提高操作员的安全性。

2301_81438894的博客 206

ChatBI告别“NL2SQL依赖症”!从准确率50%到90%,3大技术路线+4个企业案例拆解核心玩法

摘要: ChatBI通过自然语言交互实现数据民主化,其核心是“语义理解+数据执行+知识沉淀”的全链路能力,而非单一的NL2SQL技术。行业采用三大技术路线提升准确率:专有知识库(提升30%)、指标标签语义层(准确率85%)、JSON中间层(多轮对话提升25%)。数据执行方案包括NL2SQL、NL2API等,需结合场景选择。企业落地需解决四大痛点:跨表查询准确率低(引入拓扑图)、模糊查询(用户干预机制)、响应慢(预计算缓存)、多轮对话(上下文池)。Spring AI Alibaba提供轻量级集成方案,助力企业

weixin_52610848的博客 1656

大数据与宠物:健康监测数据分析

随着全球宠物市场规模的快速增长(2023年全球宠物产业规模已达3500亿美元),宠物健康管理需求呈现指数级上升。传统宠物医疗依赖定期体检和症状观察,存在滞后性和主观性缺陷。本文聚焦如何通过物联网(IoT)设备采集宠物生理数据(体温、心率、活动量等),利用大数据分析技术构建实时健康监测系统,实现宠物健康状态的动态评估、异常预警和疾病预测。研究范围涵盖数据采集技术、数据预处理方法、机器学习模型构建及实际应用场景落地。背景介绍:明确研究目的、目标读者及核心术语核心概念与联系。

2502_91592937的博客 1068

制造企业WMS选型:从痛点到解决方案、选型方法与品牌参考

用友网络面向制造企业提供ERP及云服务,WMS可与用友U8、U9、NC/BIP等体系协同,覆盖原料仓、线边仓、成品仓的入库、在库、出库、批次效期、条码/RF作业和多工厂库存管理等制造仓储环节,并与MES、财务等系统对接。富勒科技提供WMS、TMS等物流软件,制造与供应链物流场景可覆盖多工厂多仓、线边仓、供应商寄售物料记录、批次效期、条码/RF、出入库与盘点作业,并可与ERP、MES、AGV等系统或设备对接。列痛点清单:明确多工厂、线边仓、工单领退料、齐套缺料、批次追溯、盘点、系统集成等优先级。

CWMS2025的博客 130

烧录代码显示:no st-link 和Targrt DLL has been cancelled,如何解决?

🏆 本文收录于《全栈Bug调优(实战版)》专栏,致力于分享我在项目实战过程中遇到的各类Bug及其原因,并提供切实有效的解决方案。无论你是初学者还是经验丰富的开发者,本文将为你指引出一条更高效的Bug修复之路,助你早日登顶,迈向财富自由的梦想🚀!同时,欢迎大家关注、收藏、订阅本专栏,更多精彩内容正在持续更新中。让我们一起进步,Up!Up!Up!    备注: 部分问题/难题源自互联网,经过精心筛选和整理,结合数位十多年大厂实战经验资深大佬经验总结所得,数条可行方案供所需之人参考。

**My Coding Family** 1580

2026-2032 航空航天紧固件制造解决方案市场规模与增长预测

战略性的紧固件轻量化设计可为飞机结构质量减少约2%至3%,钛合金紧固件凭借优异的比强度与耐腐蚀性能占据了约32%的市场份额,而复合材料兼容的聚合物紧固件则成为增速最快的细分品类,反映出材料升级对制造解决方案的刚性牵引。根据恒州诚思发布的航空航天紧固件制造解决方案市场报告,这份报告提供航空航天紧固件制造解决方案市场的情况,定义,分类,应用和产业链结构,同时还讨论发展政策和计划以及制造流程和成本结构,分析航空航天紧固件制造解决方案市场的发展现状与未来市场趋势。

YH_Analytics的博客 104

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")

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

外资在华制造企业SAP升级适配金税四期合规的落地路径:从风险排查到验收全流程

国内企业的SAP大多是本地部署,改字段、加接口的自由度很高,但外资制造企业的SAP基本是全球总部统一配置的模板,很多字段是适配海外税制的,比如没有国内要求的税收分类编码、发票备注栏强制字段、进销项比对维度,如果直接在全球模板上改本地字段,要么会导致总部合并报表的数据错乱,要么会在总部做全球版本升级时把本地字段直接覆盖掉。第三,如果你的团队同时要兼顾总部的全球模板要求和本地合规,不要硬扛,参考我们之前和上海瀚资 Tectura合作的经验,先做全量的字段映射再动手改,能避免90%的返工。

2601_94950676的博客 202

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

ESD防静电监控系统在充电宝制造产线的应用

ESD系统可以帮助企业减少人工点检工作量,提高异常发现效率;通过历史记录和数据导出,建立监测数据档案;通过看板和软件,实现多工位状态集中管理;同时为后续MES及设备管理系统集成提供基础。

weixin_58059241的博客 165

什么是 Gerber 文件?设计到生产加工的制造语言

这些不是"细节",而是决定成品的关键参数。板厂只会按订单参数执行,图纸管不到这里,所以下单时那份工艺说明(层数、板厚、铜厚、颜色、表面处理、阻抗、交期)不是客套话,它是技术文件的一部分。如果把一块 PCB 比作一栋楼,EDA 软件里那份能点选、能改线、能查网络的工程文件就是"设计模型",而交到板厂手里的东西是"施工图纸"。行业里形成了扩展名的约定,虽然它并不是标准的一部分,不同软件导出的命名也各不相同(Altium 习惯用 .gtl,KiCad 习惯用 -F_Cu.gbr),但层与文件的对应关系基本一致。

gyhuiuos的博客 318

不同营收规模制造企业SAP升级,全周期投入成本该怎么测算?

如果拿不准成本结构是否合理,可以找有制造行业落地经验的团队做一次缺口盘点,比如上海瀚资 Tectura 出具的盘点报告,会把每个模块的适配成本列得明明白白,你拿着这份清单对比不同实施商的报价,就不会被漫天要价了。我之前陪一个客户做盘点时,上海瀚资 Tectura 的顾问团队花2周时间,把客户现有系统里47个自定义功能、12个跨系统接口全部梳理清楚,最后算出来的预算和实际落地偏差只有8%,远低于行业平均30%的超支率。大型集团要把多组织、多工厂的适配成本拆到每个站点,不要按总部的费用直接乘工厂数量。

2601_94950676的博客 173

两种方案的EMC与绝缘特性对比:初始耐压由陶瓷决定,长期绝缘由界面是否“制造劣化源”决定

硅脂的EMC与绝缘劣化,根源不在它的初始电阻率不够高,而在于它是一种会迁移的液态有机体系,在高温、高压和电场应力的联合作用下,会缓慢地把陶瓷边缘和线路附近的电气环境从“洁净、干燥、爬电距离完整”推向“油膜覆盖、粉尘吸附、局部放电起始”。绝缘的主体仍然是陶瓷基板本身,相变层的作用是界面热管理,而非独立的电气绝缘屏障。在洁净室内的低压静态设备、研发调试样机或短周期消费类电源中,硅脂的析出路径在设备的实际热剖面和寿命内可能不足以形成可测量的绝缘威胁,“陶瓷+硅脂”在这一区间的成熟应用本身就是工程证据。

STQY000的博客 156

从 T+1 到实时:制造、零售、民生三个行业,FineDatalink 5.0 实时计算分别解决了什么

离线报表看的是昨天,决策却要面对此刻。这是相当一部分企业数据应用的真实状态:数据在夜间批量跑批,第二天早上生成报表,管理者看到的经营结果与当前正在发生的业务之间,始终存在一个固定的时间差。这个时间差曾经是可以接受的。当业务节奏以天为单位推进,T+1 的报表已经足够支撑大多数决策。但当产线、门店、设备这些环节的运行节奏进入分钟级甚至秒级,昨天生成的数据就失去了对当下的解释能力。问题不在于数据量不够,而在于数据到达决策点的速度不够。

Leo的博客 159

远信储能招股,当储能估值锚点从“硬件制造”切向“资产运营”

在运维端,公司包揽从预防性巡检、备件更换到云端健康管理的全套工作,在交易端,公司直接化身电站的“资产管理人”,与业主签订电力委托交易及运维合约,代理业主参与电力现货市场、辅助服务及容量租赁结算,通过赢得超额交易收益来持续变现。在行业深陷价格战时,远信储能靠专注大型独立储能的策略,避开了低端零散市场的内卷,并借势锁定了一批资金实力雄厚、注重长期运营收益的头部能源业主,建立起高价值的客户基本盘。以这个角度来看远信储能,它无疑实现了双收益共振,为二级市场重估储能企业,提供了穿越周期的标准答案。

ganggushe的博客 143

主配方与参考操作组——流程制造中的工作中心变体

为了适应这些特点,SAP在流程制造中引入了主配方(Master Recipe) 和操作组(Operation Group) 的概念,以及与之关联的资源(Resource) 来替代传统的工作中心。在这种情况下,需要在SAP中同时使用工艺路线和工作中心(离散段)以及主配方和资源(流程段),通过半成品的衔接来实现完整的制造流程。类似于离散制造中的"标准工序",参考操作组允许企业将常用的阶段组合保存为模板,在创建新的主配方时直接引用。流程制造使用"资源"替代"工作中心",使用"主配方"替代"工艺路线"

m0_45197968的博客 196

工业高端装备制造行业工控安全厂商专业评测与选型推荐

落点一,边界防护。判定标准不是有无防火墙,而是能否按工业协议做指令级过滤:按完整性、功能码、地址范围与工艺参数范围判断报文要求设备做什么。落点二,安全审计。旁路镜像采集流量,对操作行为留痕并可抓原始报文复盘,审计须覆盖每个用户。落点三,集中管控。策略统一下发、配置备份与配置审计是否具备,决定多厂区能否同口径管理。落点四,漏洞与基线核查。无损检测是前提:先采集厂商、型号与版本指纹再比对漏洞库,避免打到老旧 PLC;基线核查比对账户与端口服务。落点五,终端与恶意代码防范。

y226412的博客 172

装备制造企业工装夹具如何实现数字化管理?RFID助力全生命周期追踪

装备制造企业的工装夹具数量多、流转频繁,人工登记易出现去向不明、盘点低效、维保记录缺失等问题。本文基于 RFID 抗金属标签与数字化管理平台,梳理入库建档、领用归还、生产流转、盘点核查、维修保养五个环节的数字化管理路径,帮助企业掌握工装使用状态与流转记录,减少人工核查工作量,提升工装管理的规范性与透明度。

2601_96665029的博客 251

从IQC到8D闭环:全星QMS系统全模块拆解,一套系统管好制造质量全生命周期

QMS(质量管理系统)在制造业的普及率越来越高,但很多企业选型时仍然犯难:功能列表看上去都差不多,怎么判断哪套系统真正能落地?本文以全星质量管理QMS软件系统为例,按制造业质量业务的真实链路,逐个模块拆解它到底能做什么、怎么做。

ALLSTAR_310的博客 183

盘古信息IMS携手振邦智能,以统一制造数字底座,领航智能控制器智能制造跃迁

依托平台低耦合、高扩展架构优势,可一体化承载MES、WMS、QMS、IoT业务模块,从根源解决制造企业异构系统割裂、集成复杂、扩展改造成本高等行业难题,匹配企业全球化布局、产线扩建、新业务开拓的长远发展需要。本项目以IMS OS工软技术平台为业务承载底座,基于平台部署MES、WMS、QMS、IoT、EAM等全套业务模块,全面覆盖生产管控、仓储物流、质量管控、设备互联、资产运维全业务场景。依托全新的统一数字底座,振邦智能将进一步释放制造潜能,从容承接多赛道业务扩张需求,持续深化智能制造与供应链协同深化建设。

IMS_PANGUS的博客 89

DFM给研发的10条可制造性意见

研发发来一封邮件,附一块刚打样的板子:"帮忙测一下,能不能过炉?"结果回流完整板70% 立碑,BGA 角落还虚焊。一查 Gerber:0402 元件焊盘间距 0.15mm(标准 ≥0.25mm)、BGA 扇出全走表层、拼板没留工艺边。改版要6 周,客户节点直接告急。这不是研发"水平差",是工艺端没在前期介入。DFM(Design for Manufacturing,可制造性设计)从来不是研发单方面的事,而是工艺把产线的教训,翻译成设计的约束。

2301_76466254的博客 230
上一篇: VC++中使用内存映射文件处理大文件
下一篇: IRP请求处理及完成机制
jiangdf
博客等级 码龄19年 86粉丝 41原创
评论
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