大概三岁时，就在爷爷脖子上，听到了「天苍苍，野茫茫，风吹草低见牛羊」。
前两年真的去了一次敕勒川，甚至体验了一把在马粪味儿的草原上射箭。
但确实很晚才了解到高欢。

要了解高欢，不一定非得先读北齐史。
可以先去了解尔朱荣、了解宇文泰、了解贺拔胜，甚至去了解一手建造“玉璧”、却最终被迫降齐的王思政。
可以先去了解被北魏抛弃遗忘的北方六镇，有些像美帝的铁锈带，共和国的“长子”。

会看见什么呢？
草莽，流落，贵人，机会，经营，博弈，纵横，平衡，宿命，孤独。

最后——
唱罢阴山敕勒歌，英雄涕泪老来多。
生持魏武朝天笏，死授条侯杀贼戈。
六镇华夷传露布，九龙风雨聚漳河。
祇有山间清流月，曾照高王万马过。

【高欢：北镇逆袭的真神，家谱自我开宗立庙-哔哩哔哩】 b23.tv

很 nice(👍ᐛ)
适当修改了一下，做成了 投资洞察大师：www.coze.cn

示例：
AI 开源战略本质是算力服务的诱饵陷阱 —— 顶级科技巨头通过开放模型权重创造表面价值洼地，实则系统性提升市场对分布式智能算力网络的依赖度，最终通过算力即服务 (SaaH) 的隐性收费模式实现超额收益。
核心：开源即算力锁定，代码自由即算力不自由。

重画了下宝玉老师推测的 Manus 工作原理
推荐看原文：mp.weixin.qq.com

Manus技术架构
- 虚拟机：一个Linux系统的虚拟机，安装Chrome浏览器和Python运行环境。
- 任务规划器：将用户任务请求拆分成ToDo List，推测使用Claude模型。
- 任务执行调度器：根据ToDo List选择合适的Agent执行任务，Agent包括网页浏览Agent等。
- 任务汇总生成器：汇总各子任务的结果，生成最终结果。

Manus 不足
- 任务探索：通过ToDo List规划可能导致结果趋于平庸。
- 模型限制：受限于模型能力和上下文窗口长度，资料筛选和合并效果一般。
- 资源成本：模拟浏览器操作的时间和资源成本较高，OCR可能导致信息缺失。

字面意义上的 一点微小的贡献

即使 OpenAI 的平台战略过去一年都是在梦游，GPTs 在这波 AI 浪潮的角落里，还是有一些长尾流量的😂

（下图还只是这一个月来的反馈邮件

特别好，把我觉得不对劲的地方清楚说出来了。蒸汽机对煤炭需求，那是瓦特改良后 第一次工业革命中蒸汽机是处处都要用、一定程度上“开箱即用”、一用就提效生钱，而且实际时间跨度比较大。 目前的 AI，在这三点上都还早着呢。 //@Dachein大澄: 关于Jevons 悖论 ，初看肯定对，但是如果考虑实际路径的两个关键因素的

- 这个成本下降都是 数量级的下降，而且还在继续发生
- 同时其实大规模 Adopation 这件事需要大量其他成本...

就我做银行的业务的 AI 应用来看， 如果需要产生 1mio USD LLM消耗 ，大概意味着对现有流程、人员、数据， 进行 X 倍投入的改造，X 肯定大于 5， 也就是有效消耗是个渐进的过程... 我想这是微软砍单的重要原因， 最后带来生产力 10% 的提升不是 LLM 开箱即用的过程，

然后在这个配套准备过程中，成本持续下降 1000 倍 ，为未来 1000 倍的需求增量做准备 ，我觉得还是很难说的

一个月前英伟达吹自家最先进的 H200：测试 DeepSeek-R1 最高输出速度 3872 tokens/秒；
今天 DeepSeek 团队：即使是特供版（阉割版）H800，优化后的最高输出速度为14.8k tokens/秒。
- 不到2000 张 H800 显卡服务了几千万DAU
- 盈亏平衡线 16 块钱➡️2块钱

检验杰文斯悖论含金量的时候到了，拭目以待周一的英伟达股价

Kimi 感觉很老派，长推理模型硬是叫 1.5、1.6🌚「我们这只是个过渡产品，但是不妨/形式所迫 拿出来请大家看看」

感谢钟公子今晚买单😼我好眼红

好领导就是 即使开会中间 也会提醒大家暗盘落袋为安

招人，速来

本人招实习生
要求对 AI 应用（大语言模型应用）和股票市场感兴趣

感兴趣的同学，评论区留言、私聊、面聊都行
（这个真的“亲自带”

服了🙂