PresentTrading

OpenAI 把資本支出目標砍了 60%。媒體說這是「趨於理性」。
我覺得更準確的說法是：他們終於要對投資人說一個能自圓其說的數字了。
幾個月前，Sam Altman 對外喊出 1.4 兆美元的算力承諾。
那個數字一出來，整個產業開始動：GPU 排單、資料中心選址、電力合約。沒人仔細算，因為是 OpenAI 說的。
現在變成 6000 億。
表面上，這是「財務紀律」。把支出跟預期營收綁在一起，顯示公司成熟了。很多分析師在用這個框架解讀。
但有個數字值得停下來看一下。
OpenAI 2025 年營收 131 億美元。他們的 2030 年目標是 2800 億。
這不是激進，這是五年複合成長率超過 80%。而且要維持這個速度，整整五年不能掉速。
6000 億的支出「有紀律」，是相對於 1.4 兆而言的。如果你把它換算成年均支出，大約每年 1000 億——這比 Microsoft 或 Amazon 整個雲端業務的年度資本支出還要高。
所以那個「趨於理性」的敘事，其實只是換了一個更大的數字當基準。
這有點像一個人說「我把消費從月花 14 萬改成 6 萬了，我理性多了」——但他現在的月薪只有 1.3 萬。
工程現實是這樣的：當算力需求的敘事是「越多越好，因為模型還沒到瓶頸」，資本支出就沒有天花板。但 DeepSeek 之後，「用更少算力做出差不多效果」的論文開始真的進入生產環境。投資人開始問一

Cloudflare Workers 可觀測性團隊負責人 Boris Tane 發了一個Claude Code 使用心得.
他的整個工作流有一條守則：在你審過並同意書面計畫之前，Claude 不准動一行 code。
大多數人的用法是：給 prompt、看輸出、修錯誤、重來。這個循環在簡單任務上跑得通，在複雜功能上會讓你花三倍時間收拾爛攤子。真正的問題不是 Claude 寫錯語法，是它在你還沒確認前提的情況下，已經在錯誤的方向蓋了十五分鐘的東西。
他的方法是：先讓 Claude 深讀 codebase 並寫成 inline 注記——不是在 chat 裡解釋，是在錯的地方直接寫「不對，改成這樣」。
這個循環跑一到六次，直到他滿意，才說「implement it all」。
文章以下:

「慢知識的護城河」
大家都知道科學是集體成就。
引力波是幾千人花幾十年搞出來的。AlphaFold 背後是整個 DeepMind 團隊。沒有人會說這些是某個天才單打獨鬥的結果。
但科技公司在招 AI 研究員的時候，賭注押的恰恰相反。
《Nature》剛發的評論揭了一個數字：入職約五年、論文引用量排在前列的年輕研究員，隔年跳去業界的機率，是同期普通學者的 100 倍。
100 倍。不是兩三倍。
這不是個人選擇的問題，這是結構性的抽血。
一個頂尖 AI 教授，全薪大概 20 到 40 萬美金。聽起來不少。但 Google、OpenAI 給的 total comp，可以到 100 到 300 萬。同一個人，做的是類似的工作，薪資差了一個數量級。
業界的邏輯很直接：只要有一個「10x 工程師」，就不用養十個普通的。而且現在連這個邏輯都在進化——如果 AI 能替代中低階的工程師，那就更應該集中資源搶頂尖的人。
問題是，這個邏輯把一件事搞反了。
你可以把學術界想成土壤，業界是在上面蓋房子。
土壤的工作是慢的，是不預設應用場景的，是允許失敗的。它產出的是可以被反覆引用、被開放批評的知識，而不是一個被商業目標驅動的產品。
把土壤裡最肥沃的那部分挖走蓋房子，短期房子蓋得更好，但長期你的地基在慢慢空洞化。
我自己在 PhD 最後這一年同時在處理這個問題：論文要發，但也面對業界 offer。
那個選擇不

🔹 「AI 成本已跌破臨界點，不用就是浪費」
NVIDIA Blackwell + 開源模型讓推理成本直降90%（Baseten醫療案例），Together AI語音查詢成本降6倍。當AI執行成本遠低於人力，自動化從「可選項」變成「必選」。 → 必然性：經濟引力 — 成本優勢已大到無法忽視
💼 工程師/產品經理：立刻審計現有工作流程中所有高頻率、低複雜度任務，用低成本AI代理替換
🔗

Qwen3.5-plus 真香
1. 你要的是「接近前沿能力，但 output 不想付到 GPT-5.2 那麼貴」：qwen3.5-plus 的 $2.4/1M output 對比 GPT-5.2 的 $14/1M output，非常香。
2. 需要更強的 agent/中文穩定性/多模態/長上下文（尤其要 1M）
3. 它本身就是託管版、預設 1M、帶工具。

2026 年 2 月 16 日，你站在懸崖邊。
一邊是舊世界的餘暉（依靠信息差賺錢、依靠重複勞動生存），一邊是新世界的晨曦（依靠創造力、依靠人機協作、依靠能量掌控）。

沒人告訴你
其實現在最香的版本是用KIRO
到閑魚買個號, 70人民幣狂刷opus 4.5.

現在是哪個熱就吹哪個
opencode 有甚麼變強了???

沒人說實話的嗎??
智譜 glm 4.7 的API 真的垃圾到爆. 全是幻覺....
誇的人真的全拉黑得了. 服了.

[2025 AI 大模型荒野生存周报]
別寫代碼了，去“召喚幽靈”!
Karpathy 最近那篇總結真的看焦慮了。這周我把那堆碎片化的信息拼成了這張“生存地圖”。
1. 智能不再是圓柱體，而是“尖刺” 🌵
別再指望模型是全能超人了。2025 是“鋸齒狀智能”的時代。它可能在寫數學推導時像個天才，轉頭在寫請假條時又像個小學生。
接受這種隨機性，是邁向 10x 戰力的第一步。
2. “技能”注入靈魂，“協議”安裝手腳 🧠🦾
這周最火的爭論莫過於 Skill vs MCP。其實沒那麼複雜：
- Skill 是你教 AI 的“獨門祕技”（怎麼重構、怎麼寫出符合你公司審美的 UI）。
- MCP 是你給 AI 的“萬能插座”（讀數據庫、翻 Notion、刷 GitHub）。
3. 程序員的職業地震：10x 鴻溝是真實的 🌊
如果你還在糾結怎麼寫一個 React Hook，而不是在思考怎麼編排一套 Agent 工作流，那你可能正站在鴻溝的另一邊。
現在的核心競爭力是 Context Engineering。代碼只是副產品，你的“意圖編排”才是硬通貨。
4. 屬於我們的“開源說明書” 🛠️
這周存了 Z Code 的視覺編排、CC Switch 的快速切換，還有那個像 App Store 一樣的 skillsmp。
現在的工具迭代快到沒時間寫文件，最好的說明書就是你昨天剛跑通的那份

這樣的清算, 好像不買1/3的倉位 有點過不去.

看好ASTR.
可以做beta, 1.1 : 1 多ASTR 空MNT/OP

建議多用coinglass.
交流 心得 : )

當每個人都認為自己強過巴菲特時,
就是要先停一停，
看一下市場情況.