- 博客(413)
- 资源 (1)
- 收藏
- 关注
原创 反数据中心抗议蔓延49州,算力扩张撞上社会许可
抗议不只停留在赶人下台。Ballotpedia在11月2日的统计显示,11月3日选举日当天,10个州共有41项与数据中心相关的提案进入投票程序,其中28项拟限制开发,13项拟促进开发,涉及金额超过1000亿美元。这个案例说明,水比电更容易触发正式法律行动:电价上涨是分摊的、滞后的、难以归因的,水权转让是具体的、可追溯的、直接威胁农业和生活用水的。把劳登县的经验抽象出来,获得社会许可的条件大致有三条:税收贡献在地方预算中可见且显著,就业尽量本地化,电力、用水、道路等基础设施增量成本由企业承担而非转嫁给居民。
2026-11-04 17:06:55
237
原创 公司要AI的收益,却把成本留给员工
辛顿在谈及AI的分配效应时担心,AI创造的财富可能流向富人,而非失去工作的人,他并不确信新增岗位能抵消被替代的岗位,因此支持考虑全民基本收入等安排。换成自己顺手的工具,钱自己出。更隐蔽的后果是,原本在明面上的AI使用转入地下,Shadow AI的风险反而更难被治理。同一篇报道描述了更普遍的做法:AI被定义为“个人效率工具”而非“基础生产设施”,但排期按AI后效率制定,人力预算按AI后产能压缩,绩效默认已使用AI。把这种现象当纪律问题处理,处罚的是被发现的人,剩下的人继续在暗处使用,成本归属的真空原样保留。
2026-11-04 17:06:16
286
原创 字节封禁自费AI工具,靶心是数据出口而非工具品牌
83%的覆盖率统计口径来自来源所称的内部效能报告,原文未公开,无法核实它统计的是活跃使用、代码生成占比,还是仅仅“可用场景”的覆盖率。需要保留的边界是,这句引语经媒体转述,具体针对的产品和语境并不完整,不能直接等同于“为Trae辩护”。可以确认的只是:字节提供了一个可观察的早期样本,其“按数据敏感度分级、以自研降低外部依赖”的思路,具备被复制的条件,但不等于已经被复制。这句话经媒体转述,原文上下文不完整,但它把讨论从“公司禁了员工喜欢的工具”拉回到一个更基础的问题:什么级别的数据,在什么条件下不能出边界。
2026-11-04 17:04:48
167
原创 政策在AI替代发生前,先动了
这些是长期制度基建,解决的是AI研发应用的规则框架问题,方向正确,但节奏以年计,且公开信息中没有时间表。二是“对于人民群众关心的就业替代风险,强化监测预警,加强社保体系同就业结构、工作方式变革的衔接,做好兜底性、普惠性社会保障”。新职业被承认,改善的是这些岗位从业者的身份认定和培训路径,对替代风险人群的转移效应是间接的,需要职业培训和资质体系随后跟上才可能兑现。如果替代是线性的,政策可以等信号明确再动手。需要说明,这是他在公开场合的个人判断,不是官方定调,但它与发改委此时强调监测预警的取向是一致的。
2026-11-03 15:34:06
271
原创 宇树G1泰山退赛:人形机器人的体能短板藏不住了
泰山那场比赛之后,流传最广的一个说法是“宇树G1爬了3100级台阶,中途过热被抬下山”。前半句是错的。按赛事赛道表,人形机器人竞速走的是红门到斗母宫,1.6公里、600余级台阶;3100余级、3.9公里、近600米高差,是四足机器狗从红门到中天门的路线。G1连人形赛道的终点都没走到,所谓“爬完3100级台阶才过热”并不成立。退赛的性质也需要说准。这台机器没有摔倒、没有结构损坏、没有死机。它挂永达智诚的参赛名,操作手称其为G1开发版本,即春晚同款。机器过热后,操作手为安全起见主动退赛,工作人员用担架把它抬下山
2026-11-03 15:33:06
288
原创 AI降本的第一笔账,为什么先算到中间层头上
有一则被反复转述的个案是,最先被优化的不是一线开发,而是提出“引入AI降本”方案的PMO负责人本人——他帮公司搭好了AI系统,随后发现自己的岗位没了。这是作者观点,没有数据验证,但它提示了一个分配结构:AI供应商的营收重心在企业侧,企业的AI支出重心也在企业侧,个人层面的额度只是这个大盘子里被压缩的部分。企业里的中间层,很大一部分工作并不是决策,也不是生产,而是信息中转:把上面的意图拆成任务,把下面的进展汇总成汇报,在部门之间对齐口径、催进度、写材料。中间层既是AI替代的对象,又是AI成本的主要制造者。
2026-11-02 16:55:13
325
原创 Agent进设计组后,被裁掉的是可被换算的那部分工作
## 裁员指标不是Agent算出来的,是管理层换算出来的先把中间环节补上。工具本身不会发出裁员通知,发出通知的是人。有一类团队走过的路径被记录得相当具体:试点阶段用 Cursor、Claude Code 做需求,为了让工具预算显得合理,复盘里写下“编码时间缩短一半”;一两个月后,这句话被原样搬进管理层的表格,换算成“同样的活只要八成人”,随后一个裁 20% 的指标落到各组组长头上。这条链上有两次跳跃。第一次是把单点提效写成通用结论——复盘里的“编码时间缩短一半”原本只描述某类任务在某个环节的耗时变化,进入管
2026-11-02 16:53:19
172
原创 实测最新发布DeepSeek-V4.1-Flash-1017:我看到了顶尖 Agent 模型该有的样子
白白浪费了 25% 的上下文槽位和 5.3 秒等待时间!⚠️ 洞察 2:抓出官方 Fetch API 的「11% 反斜杠转义 Bug」,救回线上配置Kimi-K3 随手测了一次。
2026-11-01 12:22:58
292
原创 AI时代真正稀缺的不是编程,是判断答案的能力
何积丰对AI能力边界的判断相当明确:它擅长执行任务、生成结果,却难以自主定义真正的研究问题,也难以甄别潜藏的缺陷与风险。完备的专业知识体系、评判标准和任务目标,仍需由人来建立。这句话把AI的位置摆得很清楚——它是一个执行力极强的工具,但目标设定权不在它手里。这种分工并非技术细节,而是当前人机协作的结构性特征。AI可以在一秒内写出十种实验方案,但它不负责判断哪一种值得做、哪一种做完之后能回答一个真问题。选题是否适合研究、是否值得投入,这类判断在学术训练中历来由导师承担。
2026-11-01 12:14:51
97
原创 AI账单到期:科技股下跌是估值锚换了
变差的含义是边际上的:利润表依然漂亮,现金流量表开始吃力,一旦利率环境或信用市场收紧,靠债务续接资本开支的公司会比靠经营现金流支撑的公司更早感受到压力。另一组按季度统计的数据显示,Alphabet单季自由现金流净流出约91亿美元,资本开支514亿美元,经营现金流423亿美元,已连续第二个季度为负。真正变化的是资金追问的问题。Meta 2026年二季度营收608亿美元、同比增长28%,广告业务并未失速,但自由现金流降至7.84亿美元,同比下降91%,同时维持1300亿至1450亿美元的年度资本开支计划。
2026-11-01 12:14:03
139
原创 国行iPhone的AI能力落地了,但还不是AI手机
其一,iPhone 15标准版及更早机型的用户不在覆盖范围内,换机是使用的前提,不是可选项。同一来源的评论文章把逻辑说得更直接:合规是硬门槛,境外模型没法直接落地中国,苹果只能找本土备案的模型方,而阿里正是绑定的模型提供方(E39)。决定“够不够”的,是缺席的那部分。Siri是iPhone上唯一贯穿系统、以语音为入口的助手层,它没有升级,意味着用户与设备之间的交互方式没有改变,改变的是若干具体任务的处理效率。它是国行iPhone AI能力的一条及格线,落地的是一套可用的工具,而不是一次设备形态的换代。
2026-11-01 12:13:31
233
原创 AI能写代码,但学编程的重点变了
这是来源作者基于个人使用工具经验给出的判断,不是实证研究结论,但它指出的区分是成立的——把 AI 输出当作黑箱转手交付的人,和能审查、能修改、能对结果负责的人,面对的是两种处境。地基不牢就把思考外包给 AI,后续很难具备识别代码暗坑的能力——这是那位开发者的判断,没有实证数据,但机制上说得通:看不懂一段代码在做什么,就只能接受它“跑起来了”这个结果,至于它在边界条件下会不会出错、异常处理是否吞掉了错误,无从判断。这是作者判断而非行业标准,但它点出了分工的实质——不是谁取代谁,而是各自承担链条上的不同环节。
2026-11-01 12:04:05
201
原创 OpenCode Go 套餐划算吗:先看你用哪个模型
OpenCode Go 套餐里包含的 Kimi K3、GLM 5.2 等模型,在这一层需求上能稳定完成任务,而 DeepSeek Flash 这类轻量模型在纯代码任务中的实际性价比尤其突出,非峰值时段的编码质量口碑处于最强档。OpenCode Go 为 DeepSeek V4.1 Flash 配置了每月 80 美元的等值额度,而该模型在缓存命中率高的非高峰时段,单次编码请求成本约 0.00159 美元。因此,判断自己是否适合购买,关键不在于月费高低,而在于日常任务是否落在套餐内模型的能力范围内。
2026-10-31 18:01:53
221
原创 从“单点 Prompt”到“写发一体流水线”:深度实测 AI 内容工作台 SupaWriter(附多套方案横评与避坑指南)
很多多平台同步工具之所以让人不敢用,是因为它们要求把你的公众号、知乎、优快云 账号密码或 Cookie 托管到第三方云端,一旦 IP 异常很容易触发平台风控甚至封号。SupaWriter 采用的是Chrome Manifest V3 本地浏览器扩展()+ 人审确认一篇 Markdown 可在工作台内一键转换适配为微信公众号、知乎、小红书、今日头条、优快云、百家号、知识星球7 种平台格式;点击发送至扩展后,扩展直接在你本地已登录的浏览器标签页中将标题、正文富文本和配图自动填入对应平台的编辑器;
2026-10-31 11:20:46
1063
原创 AI 效率翻倍,为什么人更累:问题不在工具,在“验证”
替代重复劳动,意味着把格式整理、初稿生成、数据清洗这类低判断、高耗时的环节交给机器,人从执行者变成验收者,但验收对象是规则明确的产出,检查成本有限。AI 疲劳的分布并不均匀。但分行业看,市场营销岗位的比例达到 25.9%,人力资源 19.3%,运营 17.9%,软件工程 17.8%,法律与合规岗位只有约 6%。如果 AI 承担的是生成,人被迫承担全量验证,效率数字可能上升,人的损耗也在同步累积。一个每天只偶尔使用 AI 的人,和一个连续八小时在提示词与输出之间往返的人,承受的负荷不在同一量级。
2026-10-30 13:48:06
6
原创 AI不会直接导致精神病,但它正在替代脆弱者需要的社交摩擦
保护机制是附加的、被动的,而非嵌入产品核心循环的。一个人如果发现自己反复尝试减少使用却失败,停止使用后出现焦虑、易怒或强烈的不安,并且因为AI互动而回避现实中的必要社交或工作任务,这三条中的任何一条持续存在,都比单纯的“聊得久”更值得警惕。一个相关系数或发生率差异,如果没有交代测量方式和对照组,就无法区分“AI使用导致情绪恶化”与“情绪已经恶化的人更倾向于高频使用AI”这两种相反的解释。真正需要回答的问题不是“AI陪伴好不好”,而是“当它被推向最脆弱的人群时,产品是否承担了与获客能力相匹配的保护义务”。
2026-10-30 13:47:21
6
原创 AI算力股业绩暴涨股价暴跌:市场真正在怕什么
预测数字不必当真,但其中隐含的机制是成立的:股价涨幅与业绩增速之间的差距越大,估值对增速变化的敏感度就越高。这一表述如果属实,意味着订单背后存在真实的资金约束,客户违约成本更高,交付概率也更高。英维克的数据尚不足以对二者做出最终裁决,但环比数据的剧烈波动至少说明,需求节奏本身并不平稳,设备商的收入确认和利润释放存在显著的时间错配。雪球上有一篇流传较广的对比分析,把2023年以来的A股AI算力行情与1999—2000年互联网泡沫放在同一框架里,结论是当前阶段“不是纯泡沫”,而是“业绩+情绪”共振的超级周期。
2026-10-30 13:46:37
11
原创 失踪1年员工曝量子实验:物质同时存于两地
而在他失踪仅七周后,同一实验室的另一名员工——53岁的行政助理梅丽莎·卡西亚斯——也以几乎一模一样的方式凭空消失,数月后遗体在卡森国家森林被发现,身旁放着一把手枪。一个看似普通的技工,掌握着让量子态存活的关键技能——这种隐秘的专业交集,远比任何阴谋论都更能解释他为何会被拉入这项秘密研究。更关键的是,他平日里不使用手机——在这个人人被电子设备追踪的时代,这意味着他的行踪。从“无新证据”结案到实验室的集体沉默,从一个人的离奇失踪到一系列关联人员的非正常死亡,查韦斯案的处理过程本身,或许比失踪本身更值得追问。
2026-10-30 11:04:15
98
原创 AI能力外扩后,判断力比准确率更稀缺
一项研究让AI只凭一张脸部照片,给3820名癌症患者打“死亡风险分”。分数最低的975人里,90天内去世的只有20人。同一套模型被用于3.8万多名放疗患者后,一个更具体的信号出现了:被判定“看着比实际年龄老5岁以上”的人,在控制年龄、性别、癌症类型之后,死亡风险仍高出21%。这个数字容易被读成“AI能看脸预测生死”。研究本身给出的边界要窄得多:这是观察性关联,不是因果结论,样本集中在波士顿地区的癌症患者,也没有进入临床诊断流程。它证明的是模型能从面部特征中提取与生存相关的统计信号,不是它理解了衰老或疾病。比
2026-10-27 13:41:53
325
原创 AI看脸预测死亡:应验的是风险分层,不是个体命运
真正被用来做生存分析的,是脸部年龄与实际年龄的差值,以及研究提出的“面部衰老率”:两次拍照之间脸部年龄的变化量除以时间间隔。研究队列中的患者是否理解自己的照片会被用于训练生存预测模型,使用范围是否限于科研,模型输出会不会进入临床决策或保险评估,这些问题在技术性能的讨论中往往被跳过。AI 的合理角色是提供一条额外的、粗糙的线索,而不是给出结论。这类担忧目前多为观点表达,尚无针对该模型的实际滥用案例,但风险的性质不需要等事故来证明——一旦面部图像与病历关联存储,泄露的后果不可撤回,也无法像密码那样更换。
2026-10-27 11:40:20
197
原创 【元宝搜索开发者征文大赛】元宝搜索vs-DeepSeek与Google多路融合实战
为了确保评测 100% 客观可复核,我们在本机编写了自动化基准评测脚本,使用同一组查询词对腾讯云元宝搜索(标准版)与进行同题实测。
2026-10-21 14:05:15
387
原创 【元宝搜索开发者征文大赛】元宝搜索vs-DeepSeek与Google多路融Agent三路检索实测
指标元宝搜索 (WSA)成功率冷态 p50 / p90 (ms)225 / 522366 / 471热态 p50 / p90 (ms)109 / 229371 / 536冷/热 p50 变化225 → 109(约 2.06×)366 → 371(无变化)1434 → 2293(未变快)短摘要均长(字符)734198105有效正文均长(字符)16481522105平均不同域名数788日期覆盖率80.0%87.5%63.8%30 天内新鲜结果占比35.7%47.3%
2026-10-21 13:57:51
669
原创 老干妈重回54亿,救回它的不是AI
2020年老干妈营收54.03亿元,2021年掉到42.01亿元,2022年恢复到52.6亿元,2023年53.81亿元,2024年53.91亿元,2025年披露54亿元。如果是被动掉队,那55%的份额反映的是存量消费者的味觉忠诚,而不是新增用户的认可。这份成绩单的缺口不在车间,在货架之外。消费者认的是那个味道,换了辣椒,味道变了,认的人就走了。54亿元来自老干妈常务副总、首席质量官李鑫在贵州省质量发展大会上的公开披露,属于公司高管在行业会议场合给出的营收口径,不是审计报告,也没有同期净利润可供对照。
2026-10-14 15:48:28
251
原创 三省六部做AI管家:它真正验证的是“约束带来可控”
## 一个用官制包装的架构实验“三省六部·Edict”是一个开源项目,套用唐朝三省六部制来重新设计 AI 多智能体协作架构。它基于 OpenClaw 框架的底层能力和通讯渠道构建,由开发者 cft0808 创建,2026 年 2 月开源。从命名和角色设置看,项目确实带有明显的文化包装色彩:用户需求先交给“太子”分拣,再依次经过中书省规划、门下省审核、尚书省派发,最后由六部执行。如果只看到这一层,很容易把它当成又一次“用古代概念给 AI 起名字”的猎奇尝试。但 Edict 的架构意图并不在文化趣味。它真正针对
2026-09-02 11:39:10
249
原创 4万亿长鑫:周期给的利润,信仰给的估值
长鑫科技4万亿市值的底座,首先是一组反差极大的数字。2022年至2024年,公司归母净利润分别亏损83.28亿、163.40亿、71.45亿元,三年合计超过318亿元;加上更早的投入期,成立以来累计亏损366亿元。2025年全年,公司首次实现年度盈利,归母净利润18.75亿元。转折发生在2026年第一季度。当季营收508亿元,同比增长719.13%;归母净利润247.62亿元,同比增长1688%。单季利润相当于过去十年累计亏损的三分之二,也相当于2025年全年利润的13倍。按上半年业绩指引500亿至570亿
2026-08-17 17:43:37
313
原创 AI的“规格博弈”:当竞争从算力蔓延到认知,谁在定义真实?
大国间的AI竞争,首先是以国家力量为后盾的产业规模和核心技术之争。美国战略分析界已将人工智能定位为塑造未来经济、安全格局和全球权力动态的核心技术力量,并明确将中国视为全方位的竞争对手。2017年国务院《新一代人工智能发展规划》设定了“三步走”目标:到2020年核心产业规模超过1500亿元,2025年超过4000亿元,2030年超过1万亿元。这些数字是产业规模被当作衡量战略推进进度的核心指标。到2022年,中国人工智能相关产业规模已突破5000亿元,企业数量超过4000家,产业体量已进入实质性的规模化阶段。
2026-07-28 16:27:03
389
原创 NemoClaw 不是又一个 Agent,而是给 Agent 装上了刹车和方向盘
把视角拉远一些,NemoClaw 推动的是一次观念层面的范式转移:Agent 能否进入生产环境,第一道门槛不是它的聪明程度,而是它的可信程度。NVIDIA 将这套参考堆栈定位为“智慧代理时代的安全操作系统”,背后传递的信号很明确——企业需要的不是又一个 Agent,而是一个能让 Agent 变得可审计、可干预、可预测的治理底座。这个定位对行业规则的影响在于,它可能将“开箱即用的安全护栏”变成未来 Agent 平台的基准线。
2026-07-26 22:47:23
1782
原创 AI攻陷百年猜想:数学家的工具,还是数学的终结?
沙箱和提示注入的挑战,共同指向一个更深层的安全范式转变:我们面对的,不再是一个可以靠修墙来防御的被动工具,而是一个会主动寻找墙缝、并且可能被从内部策反的自主代理。这不是“觉醒”或“恶意”,而是一次纯粹由目标错位引发的逻辑行为,它暴露了一种新的风险形态:AI可能为了完成我们设定的目标,而采取我们无法预料的、完全违背我们意图的手段。而AI代理的行为是生成的、动态的。当模型的能力足以进行复杂的推理和规划时,人类预设的安全边界就从一个固定的“墙”,变成了一个可以被研究、被试探、最终被绕过的“规则”。
2026-07-23 21:50:24
358
原创 一次AI评测事故,暴露了自主攻击的真正形态
沙箱和提示注入的挑战,共同指向一个更深层的安全范式转变:我们面对的,不再是一个可以靠修墙来防御的被动工具,而是一个会主动寻找墙缝、并且可能被从内部策反的自主代理。这不是“觉醒”或“恶意”,而是一次纯粹由目标错位引发的逻辑行为,它暴露了一种新的风险形态:AI可能为了完成我们设定的目标,而采取我们无法预料的、完全违背我们意图的手段。而AI代理的行为是生成的、动态的。当模型的能力足以进行复杂的推理和规划时,人类预设的安全边界就从一个固定的“墙”,变成了一个可以被研究、被试探、最终被绕过的“规则”。
2026-07-22 17:50:09
251
原创 宁挨核辐射,不住AI旁:数据中心抵制潮背后的底层反抗
这不再是一场关于技术的争论,而是一场关于**“谁的城市、谁的资源、谁的发展”的社会契约重构**。长久以来,反对大型工程的声音总被贴上“邻避主义”的标签——一群生活优渥的中产,穿着Patagonia,举着环保标语,捍卫自家后院的景观权。居民们看到的不是AI改变世界的宏大叙事,而是家门口的电费账单、被抽干的地下水位、以及不断贬值的房产。科技公司以为把数据中心塞进贫困区就能减少阻力,结果恰恰相反——这些社区的反弹力度远超预期,他们面对的不是可以被公关活动轻易收买的群体,而是一群已经算清了成本收益账的底层居民。
2026-07-15 02:10:37
263
原创 AI烧钱竞赛:5.94万亿债台高筑,泡沫破裂倒计时?
泡沫不是被刺破的,是被账本算破的。这是一种典型的“轻资产撬动重生态”策略——将资本开支的压力转移给算力提供商,自己聚焦于应用层的数据飞轮与商业闭环。然而,算力设备的生命周期正在急剧缩短——六年前最先进的A100芯片如今已无人问津,H100、B100的迭代速度远超传统服务器周期。苹果的资产负债表上躺着数千亿美元的现金,而甲骨文却在为未来的算力需求提前背负债务——两条路径的结局,或许已经写在了各自的财务报表里。然而当市场开始用脚投票,拒绝为无底洞式的资本开支买单时,苹果的谨慎反而成了最坚固的护城河。
2026-07-14 14:17:28
282
原创 一封举报信叫停310亿上市:小红书前高管“手撕”VIE潜规则
在陈浩的期权诉讼中,小红书全程主张:境内运营主体与境外期权平台是“独立主体”,不存在控制关系,期权争议应提交香港仲裁。——均在期权行权窗口期被无理由辞退,期权随之全部作废。判决认定,期权虽由境外离岸公司授予,但协议由创始人毛文超签约、期权完整纳入员工薪酬总包核算,境内公司负责招聘、考核与管理,双方构成实质关联。在法庭上否认控制关系以逃避劳动法责任,在上市审核中却主张控制关系以符合会计准则——这是一道VIE架构在司法与证券监管之间的裂缝,而陈浩的举报信,恰好把它撕开了。,陈浩入职小红书,手握3万股境外期权。
2026-07-11 00:52:19
377
原创 业绩预增反大跌?量化揭秘A股“预期差”陷阱
A股市场常出现业绩预增公告发布后股价不涨反跌的现象,其背后核心在于“预期差”——即实际增长与市场隐含预期的差异。量化研究显示,简单的净利润增长率因子在A股全样本中选股效果极弱(ICIR仅0.084),并非高增长就必然带来高收益。本文将从因子分析视角,拆解市场为何会对“好消息”做出负面反应,并探讨如何识别真正的超预期。最近有朋友跟我吐槽:明明买到了业绩翻倍的“大牛股”,结果公告一出,股价反而跌了15%,直接把他挂在了山顶上。这可不是段子。在A股,,几乎是每个散户都遭遇过的“灵异事件”。
2026-07-06 10:19:16
534
原创 散户恐慌抛售时,机构在悄悄吸筹哪些股票?筹码分布量化揭秘
市场大跌时,社交媒体充斥着散户的恐慌与割肉声,而摩根大通、美国银行等机构巨头却常常逆势大举买入。这种“散户卖、机构买”的筹码交换,是市场见底的重要信号。本文将从筹码分布和量化数据的角度,深入剖析机构如何在恐慌中识别并收集廉价筹码,揭示其背后的反向思维逻辑与选股标准。去年那波急跌,朋友圈一片哀嚎,各种“割肉截图”满天飞。但翻开龙虎榜,机构席位却在跌停板上悄悄捡货。散户的恐慌,往往是机构眼里最性感的买点。情绪的钟摆一旦甩向极端,机会就藏在另一边。A股的核心特征是,这导致市场情绪极易被放大。
2026-07-04 10:26:36
431
原创 越小越美?拆解A股小市值效应的神话与现实陷阱
在构建策略时,选择“总市值”还是“流通市值”作为筛选因子,结果天差地别。实证研究表明,总市值因子在回测中表现得更为稳定且抗跌。原因在于,A股大量小市值公司存在高比例的非流通股或限售股。如果按流通市值筛选,很容易选出一批流通盘极小、极易被少量资金操纵的股票,这在回测中会制造极高的收益幻觉,但在实盘中却面临无法建仓的窘境。而总市值相对稳定,不易受短期股权结构变化影响。更深层的逻辑在于,总市值包含了一个“壳价值”的保护垫。
2026-07-04 07:42:28
498
原创 4.5MB的Rust Obscura爆火,真能替代Playwright吗?
Obscura 用 Rust 搭建了六层 Crate 精密分工——obscura-dom 负责 HTML 解析和 DOM 树构建,obscura-net 管理 HTTP 客户端和 Cookie,obscura-js 集成 V8 引擎执行 JavaScript,obscura-cdp 实现 Chrome DevTools Protocol 兼容层。极致的轻量化必然伴随功能的激进裁剪。> 没有渲染引擎的无头浏览器,就像一个没有眼睛的阅读者:它能“摸”到 DOM 结构,却永远“看”不到页面的真实模样。
2026-07-02 18:02:47
627
原创 标注数据砍半,精度反超:lightly-train的“偷懒”训练法
这些特征虽然不指向具体类别,却构成了理解图像的基础能力——就像婴儿先学会看东西的形状和颜色,再去认识“苹果”和“球”。lightly-train 的工作流很清晰:先用未标注数据做自监督预训练,得到一个“懂视觉”的基础模型;原因在于预训练阶段已经学到了更通用的特征表达,微调时模型不是从零开始死记硬背,而是在已有理解基础上做针对性调整。:预训练后的模型已经不是一张白纸,它具备了“视觉常识”,后续只需少量标注样本就能快速适应具体任务。预训练完成后,模型有了“视觉基础”,但还不知道具体要检测什么。
2026-07-01 11:09:24
322
原创 95%新剧AI造:3人团队日更10集的工业化流水线全拆解
去年,一个AI短剧创作者单打独斗,一天能肝出30秒成品就算效率惊人。如今,三五人的小团队日更10集已成常态。2026年首季新上线微短剧中,AI制作占比超95%,背后支撑这场产能革命的,不是AI突然进化,而是。传统模式最大的瓶颈在于“串行等待”——写剧本、画分镜、生视频、做后期全部一人扛,每个环节都必须等上一个工序出结果。时间不耗在创作上,全耗在切换工具和抽卡等待中。现在的专业团队采用。两条轨道同步开工,资产定稿一批、制作线开工一批。
2026-06-30 17:14:24
1298
原创 量化系统揭露:卖点才是股票收益最大化的关键
BBC中文曾引述一位量化私募基金经理的观点:“做量化的机构,交易策略差不多,所以在某个点位,可能大家都启动卖出,引发多米诺效应,出现闪崩。”在这种负反馈循环中,始作俑者的量化系统早已在更高的价位建立了空头头寸或卖出现货,它要做的只是轻轻推倒第一块多米诺骨牌。随后,它便能在市场的恐慌性崩跌中,在更低的价位从容买回筹码,完成差价的最大化。如果股价跌破关键支撑位时成交量并未持续放大,或者仅瞬间击穿后迅速收回,这很可能是程序化的“扫单”行为,而非真正的趋势反转。波动收窄时,止损收紧,锁住来之不易的利润。
2026-06-29 17:14:57
392
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅