我思故不在
Leisure

我思故不在

作者: 我思故不在
最近更新: 3个月前
这是一个每日的思考播客,涵盖AI技术、股票投资等

Recent Episodes

马斯克的绝望,却是特斯拉的希望

马斯克的绝望,却是特斯拉的希望

本期节目深入探讨埃隆·马斯克思想的巨大转变:从对传统政治方案的失望,转变为将人类未来的希望押注在颠覆性科技上。我们将剖析他为何放弃华盛顿的“支线任务”,以及这种绝望如何催生了特斯拉、xAI和SpaceX等公司背后的宏大科技愿景。本期要点:• 政治绝望: 马斯克认为**“政府基本上是无法修复的”**,并将他在华盛顿特区的时间描述为**“地狱般的支线任务”**。他对美国“高得离谱”的国债表示担忧,并直言**“如果人工智能和机器人不能解决我们的国家债务,那我们就完蛋了”**。他还对“西方文明的自杀式倾向”(如出生率下降、宗教真空)感到极度担忧,认为需要新的哲学或目标来激发乐观主义。• 特斯拉的希望:◦ Optimus机器人: 马斯克视其为**“人类历史上最伟大的产品”**,并投入了大部分精力。Optimus将具备人类的灵巧性(解决“手的问题”),预计量产成本约为2万美元,其复杂程度甚至超越Cybertruck和Gigafactory。◦ AI芯片与FSD: 特斯拉AI5芯片的性能预计将比AI4提升40倍,这将显著提升全自动驾驶(FSD)的质量和安全性。马斯克预言,到今年年底,汽车通过软件更新将“感觉像有知觉一样”。• 更广阔的科技愿景:◦ xAI Grok模型: 马斯克团队正在构建下一代Grok模型,目标是纠正人类知识语料库中的错误并可能推出**“Grokipedia”**。他预测,人工智能最快在明年就能在任何方面超越任何单个人类,并在2030年前超越所有人类的总和。◦ 火星殖民: 他将火星殖民视为提升人类“意识寿命”的关键,旨在建立一个自给自足的火星城市,为人类文明提供“行星冗余”以应对地球潜在的灾难。他认为这将在大约30年内实现。马斯克通过科技创新,为他所见的社会困境和文明挑战,提供了一线“希望”的解决方案。

4个月前
16分钟
教师节特别节目——AI如何重塑教育与科研

教师节特别节目——AI如何重塑教育与科研

在这个充满敬意的教师节,我们聚焦于人工智能(AI)如何深刻地改变着教育的面貌,并为科学研究开启新的篇章。本期亮点:• 智能时代下的教育变革:◦ AI技术正驱动大学从教学模式到治理结构的系统性变革,旨在处理好人与人、人与社会、人与自然的关系。◦ 提升教育公平性: AI的进步将通过“智能辅导、远程课堂、个性化学习平台”等手段,突破地域与师资壁垒,让薄弱地区学生共享高质量内容。自适应系统能依据学生差异规划专属学习路径;智能平台跨越地理障碍,将名师课程送达偏远教室;虚拟导师与智能评估工具则有效缓解师资短缺、提升教学效率。◦ 挑战与思考: 尽管AI带来希望,但也可能加剧“数字鸿沟”,特别是在发达国家和资源匮乏地区之间。联合国教科文组织强调,教育应秉承“人本主义”理念,避免沦为逐利性AI的“被动实验田”。◦ 未来计算机教育峰会洞察: 吕建教授、杨宗凯教授、杜小勇教授、毛新军教授等在第九届未来计算机教育峰会上,深入探讨了数智技术驱动的大学变革、规模化与个性化矛盾、项目式学习以及大模型融入教育的两面性(如“人才培养幻觉”)。• AI赋能科学研究(AI4S):开启探索未知的新范式:◦ 新一轮科技革命的核心: 人工智能是可能引发第四次技术革命的关键因素之一。科学智能(AI4S)作为AI赋能科学研究的领域,正通过突破人类认识世界的极限,开启一种全新的探索未知范式。◦ 提高生产率: AI4S显著提升科研活动的生产率,主要体现在视觉理解、自主知识处理、领域模型精练、智能体协同和实验自动化等方面,实现降本增效。◦ 突破认知极限: AI4S的最大作用是帮助科学家突破人类认知的极限。这主要通过两种典型技术路线实现:▪ 无确定物理模型的数据驱动: 如DeepMind的AlphaFold在蛋白质结构预测上的突破,通过海量数据和深度学习颠覆了研究范式。▪ 有确定物理模型的机理内嵌: 如DeePMD通过高性能计算(HPC)与AI结合,解决了传统分子动力学模拟在处理大体系、长时程问题时的“维度灾难”,实现了高精度模拟。◦ AI4S支撑平台: 需要构建面向科学研究的“中间件生态”,包括科学基础大模型(建议按一级学科训练学科大模型,再互联形成“科学大模型网络”)、模型工厂等低门槛开发工具 以及面向HPC+AI应用的L0级大原子模型(LAM)。• AI4S的普及教育与未来展望:◦ 普及教育的重要性: 鉴于AI在科学研究领域的广泛应用,AI4S的普及教育至关重要。◦ 三项关键举措:1. 课程体系革新: 在中小学、大学本科、研究生等各阶段课程中增加AI算法、大模型精调、AI-ready数据准备、智能体开发等内容,培养未来的科学家自然运用AI思维和工具。2. 专业体系建设: 依托国家超算中心、人工智能国家实验室等机构,建立跨学科的AI4S专业队伍,特别是帮助科学家进行本学科科学数据的AI-ready化。3. 普惠化实训平台: 利用模型工厂等低门槛平台,结合廉价算力资源,建立学AI、训AI、用AI的全流程AI4S实训平台,并通过“算力劵”等政策促进应用与发展。结语: AI为教育和科研带来了前所未有的机遇,它不仅是工具,更是重塑我们认知世界、培养人才方式的强大力量。面对“智能+教育”的未来之路,我们需秉持“实事求是”的理念,探索技术如何真正成为教育公平的桥梁,并赋能科研突破人类认知的极限。

4个月前
23分钟
霸王茶姬:“东方星巴克”梦,是突围还是豪赌?深度剖析上市新茶饮的“护城河”与多重挑战

霸王茶姬:“东方星巴克”梦,是突围还是豪赌?深度剖析上市新茶饮的“护城河”与多重挑战

本期节目,我们将深度聚焦中国新茶饮品牌霸王茶姬(Chagee)发布的2025年第二季度财报,探讨其在快速变化的市场中,如何努力实现“东方星巴克”的品牌愿景。从财报数据到战略布局,我们将全面剖析霸王茶姬的“护城河”究竟有多宽阔,以及它在追求全球化增长的同时,所面临的国内挑战与多重风险。核心议题:1. Q2财报亮点:逆势中的稳健增长◦ 2025年Q2,霸王茶姬总净收入达33.319亿元人民币,同比增长10.2%;全球商品交易总额(GMV)81.031亿元,同比增长15.5%。◦ 调整后净利润6.298亿元,净利率达18.9%,显示出公司在运营效率上的优势。◦ 全球门店增至7038家,注册会员突破2.069亿,其中73.9%的订单来自复购,用户忠诚度高。2. 海外扩张:点燃第二增长曲线◦ 海外市场表现尤为强劲,GMV同比激增77.4%至2.352亿元。马来西亚门店盈利超预期,印尼和美国洛杉矶首店开业反响热烈,验证了海外市场的巨大潜力。◦ 公司通过本土化产品创新和吸纳前星巴克高管加盟北美团队等举措,加速全球化布局。3. 国内困境:价格战与单店承压◦ 面对国内茶饮市场的激烈“外卖大战”和消费降级趋势,霸王茶姬大中华区单店月均GMV同比下滑23%至40.4万元,同店销售额已连续六个季度下滑。◦ 为坚守高端品牌定位,公司选择不参与低价补贴战,但这也导致了短期客流分流和业绩压力。4. “护城河”的深度与挑战◦ 霸王茶姬的“护城河”体现在其独特的东方茶文化品牌塑造、明星单品“伯牙绝弦”的强大号召力。◦ 同时,高效的供应链管理和自动化制茶设备(8秒出杯),也为其带来了领先行业的成本优势与运营效率。◦ 然而,费用激增(管理费用上半年同比增长186.31%)导致非调整净利润暴跌87.72%,以及对单一爆品的过度依赖和创新瓶颈,都对其“护城河”的深度构成挑战。5. 未来展望:机遇与风险并存◦ 霸王茶姬未来的增长将依赖于加速海外盈利、深化会员运营和持续的技术与产品创新。◦ 公司需在控制费用与扩张之间取得平衡,并找到应对国内市场饱和与价格战的长期策略,方能持续提升价值,实现其“东方星巴克”的宏伟愿景。敬请收听本期节目,与我们一同探讨霸王茶姬在“东方星巴克”之路上,将如何平衡理想与现实,穿越重重迷雾!

4个月前
19分钟
今天把7月份对汽车行业的预测做了核查,感兴趣可以听听

今天把7月份对汽车行业的预测做了核查,感兴趣可以听听

本期节目重点回顾我们7月份对汽车行业的分析预测,并结合截至2025年9月的最新信息进行核查。一、出行服务业的变革起点:Robotaxi• 原分析预测: 出行服务业规模庞大、基础设施一致性高,Robotaxi是变革的开端。驾驶本质上是对世界物理和社会规则的理解,与AI世界模型高度匹配,因此AI在出行服务领域潜力巨大。• 核查结果:准确。 截至2025年9月,该预测是高层次的行业趋势描述,没有具体可证伪的细节。全球Robotaxi市场持续扩张,Waymo和Cruise等已在多城市运营,基础设施一致性确实促进了技术推广。AI在理解物理和社会规则方面的进展,如多模态模型,已验证其潜力。二、Tesla的逻辑与风险• 原分析预测: Tesla“All in Robotaxi”战略面临巨大风险,市值波动剧烈但值得押注。纯视觉技术路线是高带宽单向系统,容量无限,优于雷达、激光或车联网等方案。人类90%的交通事故源于自身失误,纯视觉足以达到社会所需的安全标准。• 核查结果:准确。 Tesla继续推进Robotaxi战略,Elon Musk在2025年9月确认将在年底移除安全驾驶员,Robotaxi应用已公开发布,首日下载量超200万。尽管市值波动剧烈(如Dojo超级计算机关闭导致股价压力),但战略未变,纯视觉路线坚持。人类事故数据(约94%人为因素)仍成立,Tesla FSD安全记录支持视觉路线潜力,风险存在但押注逻辑未被证伪。三、国内新势力的机会与挑战• 蔚来:◦ 原分析预测: 陷入利基市场,电池技术(换电)可能削弱商业优势。品牌调性好,但被大厂收购是必然选择,投资者可关注收购概率进行短线套利。◦ 核查结果:部分准确,部分错误。 蔚来仍聚焦高端利基市场,换电模式虽有优势但未主导。8月交付创纪录,Q2交付量也大幅增长,2025全年目标翻倍。品牌调性强,但上半年股价下跌。收购传闻存在(如小米潜在收购),但截至9月未发生,蔚来独立运营,目标2025年盈亏平衡。“必然收购”的预测是错误的,但短线机会因传闻而存在。• 小鹏:◦ 原分析预测: 供应链反腐重塑后全面进入廉价车市场,最大挑战是如何持续支撑智能化研发成本。◦ 核查结果:准确。 小鹏已进入廉价车市场,G6等车型定价亲民。Q3收入预计翻倍,Q1交付量大幅增长,8月连续超3万交付。供应链优化后,小鹏开始全球扩张,亏损减半,但智能化研发成本高企仍是其最大挑战。• 理想:◦ 原分析预测: 产品定位和规划能力最强,高端奶爸车定位精准,市场空间上限相对较低(集中一二线城市中产高知群体),下沉困难。竞争加剧,VLM技术路线第一版不成功。◦ 核查结果:准确。 理想Q2交付量超过11万辆,在中国新能源高端市场份额领先,L系列奶爸车定位稳固。然而,Q2收入同比下降,市场主要集中在一二线城市,三四线下沉挑战大。竞争加剧(问界、深蓝、零跑、腾势等),8月交付量有所下降。VLM(end-to-end + VLM)技术已推出,但Q2报告显示AI策略矛盾,第一版仍在优化中,未达预期成功。四、小米与华为的模式• 华为模式:◦ 原分析预测: 优势显著(市场规模、技术实力、资金储备)。底层矛盾在于社会化大服务的终局是垄断,作为供应商,华为要么赚不到大钱,要么必然走向前台,可能收购车厂。◦ 核查结果:部分准确。 华为汽车业务强势发展,与奇瑞合资投资,并与广汽合作新高端品牌,上汽首款车将于2025年推出。Aito系列在6月销量超过理想。华为正通过新伙伴模式(车厂保留控制)转向前台,但并未收购整厂,而是以合资或生态模式(如HarmonyOS)进行。垄断矛盾依然存在,估值已达160亿,但供应商角色仍主导。• 小米模式:◦ 原分析预测: 类似于车界的松下,通过模仿索尼产品设计实现性能和价格双重优势,但AI技术能力相对较弱,目前的估值主要基于修复和情绪。◦ 核查结果:部分错误。 小米SU7系列成功推出,2025年交付目标上调至35万辆,并推出了YU7 SUV。小米在设计上展现出创新性(如多风道空气动力),Q2收入增长,并显著加大了AI投入。SU7 Ultra已集成AI+LiDAR达到L4自主驾驶能力,其AI技术不再“弱”。估值修复是基于实质销售,而非纯粹的情绪,AI进展超预期。五、比亚迪、吉利、长城的中期价值• 原分析预测: 中期具有投资价值,碳酸锂等原材料价格有望降至4万/吨(当时约6万/吨,有近40%价格空间)。原材料下降和国内完备供应链优势将带来海外巨大利润。关注锂价和地缘政治因素。比亚迪面临非AI领域高强度投资带来的债务压力以及未来资本市场和政策收缩的挑战。• 核查结果:部分准确,价格预测错误。 碳酸锂在2025年9月8日的价格为74,742元/吨(约1万美元/吨),远低于原分析预测的“当前6万”,且已降超80%,产能过剩导致实际降幅更大,4万/吨的预测未达(实际更低)。然而,成本优势确实助推了这些车企的海外扩张,如吉利H1出口18.4万辆,长城海外销量超40万辆,比亚迪匈牙利工厂年底投产。中期价值成立,吉利2025年目标271万辆。比亚迪Q2利润首次下降(3.5年来),债务与资产比率较高(71.1%),投资高强度(供应链融资1650亿),政策收缩风险仍在。总结: 原分析的整体框架准确,成功捕捉了AI变革、Robotaxi潜力以及中国电动汽车市场的竞争趋势。然而,具体预测如蔚来和华为的收购未能实现,小米AI能力被低估,以及碳酸锂价格的实际降幅都超出了预期。汽车行业机遇与挑战并存,投资者需持续监测地缘政治和政策因素。

4个月前
16分钟
深入解读阿里巴巴:战略转型、AI野心与电商混战下的机遇挑战

深入解读阿里巴巴:战略转型、AI野心与电商混战下的机遇挑战

欢迎收听本期播客!本期节目将深入剖析阿里巴巴最新的战略布局、AI雄心以及在激烈电商竞争中的机遇与挑战。本期要点:• 战略转型: 阿里巴巴正聚焦“AI+云”与“大消费”两大核心战略。公司已完成业务重组,将淘天、饿了么、飞猪整合,并简化了财务报告结构,以提升运营效率和用户体验。• AI野心: 云智能集团收入同比增长26%,AI相关产品收入连续八个季度实现三位数增长。阿里巴巴宣布未来三年将持续投入3800亿人民币用于AI基础设施建设,并为全球AI芯片供应及政策变化准备了**“后备方案”**。其Qwen3开源模型在全球基准测试中表现出色。• 电商混战: 即时零售(淘宝闪购)成为用户增长亮点,月活跃用户已突破3亿,带动淘APP月活跃用户增长25%,预计未来三年将带来1万亿新增成交额。国际数字商业集团收入同比增长44%,AliExpress订单量激增60%,菜鸟物流是关键驱动力。国内反垄断整改已完成,监管环境趋缓。• 机遇与挑战: AI和国际扩张是阿里巴巴当前主要的增长引擎,业务重组旨在释放各板块的潜在价值。然而,对即时零售的大规模投入导致本季度自由现金流为负,公司仍面临来自拼多多、美团、Shein/Temu等平台的激烈市场竞争以及地缘政治风险。

4个月前
27分钟
Palantir的“护城河”分析

Palantir的“护城河”分析

欢迎收听本期节目!今天我们深入探讨由亚历克斯·卡普(Alex Karp)博士领导的科技巨头Palantir,聚焦其在市场中难以被超越的核心竞争优势——深厚的“护城河”。Palantir已从一家神秘的政府承包商,转型为企业AI软件的领导者。本期要点:1. 与美国军方和政府的深度合作是基石◦ Palantir在国家安全领域声誉卓著,获得美国国防部(DOD)数十亿美元的高价值合同。◦ 被国防部明确视为首选供应商,有望成为军事行动的AI骨干。◦ 美国政府收入强劲增长,第二季度同比增长53%,达到4.26亿美元。◦ 参与多项关键项目,如陆军的TITAN系统、Maven智能系统,以及高达100亿美元的陆军多年期合同。◦ 这些合同使其深入嵌入军事AI领域,构建了难以逾越的壁垒。2. 专有技术平台及累积的竞争优势◦ 三大核心平台:▪ Gotham: 专为政府机构设计,用于国防和情报部门,融合海量异构数据 。▪ Foundry: 面向商业领域,帮助企业集中、清理和分析数据 。▪ Apollo: 为Gotham和Foundry提供动力,确保任务关键型软件在复杂环境下的顺畅运行 。◦ 整个软件套件为机器学习(ML)和人工智能(AI)集成而设计,具备“先发优势” 。◦ 致力于构建AI基础设施,而非仅仅AI模型,带来潜在的垄断机会 。◦ 每次政府合同都加深了竞争护城河,其技术设计使得客户转换成本极高,形成“准垄断”地位。3. Alex Karp对“垄断”的明确追求◦ 卡普向竞争对手发出“读懂就哭吧”的直接信息。◦ 明确目标是让美国及其盟友的所有大型机构将大部分甚至全部运营运行在Palantir平台上,“抓住整个市场” 。◦ 相对于BigBear.ai等竞争对手,Palantir展现出稳健的增长和盈利能力 。4. 挑战与风险◦ “神秘感”是双刃剑,可能导致投资者难以量化其产品价值和可扩展性 。◦ 对政府收入的高度依赖(第二季度约56%),政府预算和合同续签的不确定性带来风险 。◦ 商业领域扩张相对缓慢 。◦ 目前估值更多是对未来潜力的押注 。总结: Palantir的护城河是多方面的,结合了先进AI技术、与政府机构的深度信任、专有平台和CEO明确的垄断野心。尽管面临质疑,但在AI驱动的数据分析领域,尤其是在国防和情报等高价值领域,Palantir仍保持着显著的竞争优势,为投资者提供了“被验证的业绩记录”。

4个月前
18分钟
蔚来生死劫:L90与新ES8能否助其扭亏为盈,摆脱被收购危机?

蔚来生死劫:L90与新ES8能否助其扭亏为盈,摆脱被收购危机?

本期播客将深入探讨蔚来汽车当前面临的财务困境,以及其全新旗舰SUV ES8和乐道L90在公司能否实现扭亏为盈中的关键作用。蔚来深陷亏损泥潭:• 2025年第二季度,蔚来净亏损达 49.95亿元。• 公司CEO李斌设定了 2025年第四季度实现盈利 的艰巨目标。• 公司累计亏损已超千亿,且汽车毛利率面临压力。• 为达目标,蔚来正优先提升全新ES8和L90的产能。全新蔚来ES8:旗舰SUV的全面进化• 价格与定位: 作为高端智能电动SUV,全新ES8预售价 41.68万-45.68万元,电池租赁方案(BaaS)起价 30.88万元,大幅降低了入门门槛。• 设计与空间: 采用第二代家族设计,车长5280mm,轴距3130mm,提供六座/七座布局,车内空间宽敞舒适。拥有230L前备箱。• 智能豪华座舱: 配备14.8英寸中控屏、12.3英寸仪表盘、6.6英寸后排触控屏及NOMI AI助手。新增Skyline天际线屏、38英寸AR-HUD、双21.4英寸Mini-LED后排娱乐屏、冰箱及零重力座椅,营造极致体验。• 超强动力与补能: 双电机四驱,总功率520KW, 百公里加速3.97秒。标配 100kWh电池包,CLTC续航635公里。支持蔚来第三代换电站, 3分钟极速换电,且具备900V高压架构及5C超充能力。• 智能驾驶与安全: 搭载最新Neo Pilot,支持高速与城市NOA 2.0,硬件包括激光雷达、Nvidia RS芯片等。全铝合金车身、超高强度钢,标配11个安全气囊,提供卓越被动安全。乐道L90:拓展大众市场份额• 乐道L90定位智能大空间旗舰SUV,主打大众市场,旨在通过亲民定价扩大用户群体。• 蔚来计划10月将L90月产量提升至 1.5万辆,以推动销量增长和市场渗透。• 数据显示,ES8和L90的新用户中,有七成来自增程式和燃油车用户。蔚来的“生死劫”:• 尽管产品力强大,蔚来仍需应对市场激烈竞争,例如问界M9和理想i8。• 公司在充换电基础设施和核心技术研发上持续巨额投入,力图建立竞争壁垒。• 新车型能否带来显著销量提升,并提高公司整体毛利率,将是蔚来能否在Q4实现盈利,并摆脱潜在收购危机的关键。

4个月前
8分钟
滴滴2025年第二季度财报深度解析——增长与盈利双引擎驱动

滴滴2025年第二季度财报深度解析——增长与盈利双引擎驱动

各位听众,欢迎收听本期节目,今天我们将聚焦滴滴最新发布的2025年第二季度财报,这份财报不仅展现了亮眼的增长数据,更透露出滴滴未来发展的强劲势头和清晰战略。核心财报亮点:稳健增长,盈利能力显著提升• 营收表现超越预期: 滴滴第二季度总营收达到564亿元,同比增长11%,上半年总营收更是突破千亿大关,达到1096.66亿元,同比增长9.7%。在我看来,在当前的市场环境下,滴滴能够保持如此稳健的增长,实属不易,这表明其核心业务基础扎实。• 盈利能力实现跨越式增长: 财报最引人注目的莫过于其盈利能力的显著提升。第二季度调整后EBITA达到2.5亿元,同比增长48%。更令人振奋的是,非国际财务报告准则下的调整后EBITDA更是高达31.98亿元,同比激增56.17%。这不仅仅是数字上的增长,更是滴滴在运营效率和成本控制方面取得巨大进步的明证,预示着公司已经进入了一个高质量发展的阶段。业务板块洞察:中国市场稳固,国际业务成新引擎• 中国核心业务基石稳固: 中国出行日均订单量达到3710万单,中国出行营收456亿元,同比增长10.3%。这说明滴滴在中国这个竞争激烈的市场中依然保持着强大的用户粘性与市场份额,其作为出行巨头的地位无可撼动。• 国际业务表现亮眼,潜力巨大: 国际出行营收达34.13亿元,同比大幅增长27.8%。这个数据特别值得关注,它清晰地展现了滴滴在海外市场的扩张策略正在开花结果,国际业务正逐步成为公司未来增长的新引擎,为整体业绩贡献了重要的增量。从一个个人观察者的角度来看,国际市场的快速发展为滴滴的长期增长注入了强大的信心。战略展望:聚焦体验,科技赋能未来• 以用户和司机为中心: 滴滴创始人兼CEO程维表示,公司将持续深化产品、服务及运营效率,聚焦提升用户和司机体验。在我看来,这正是滴滴能够持续发展的根本,只有不断优化两端体验,才能构建稳固的生态系统。• 持续投入AI与自动驾驶: 财报也提及滴滴将持续进行AI应用和自动驾驶研发投入。这表明滴滴并非只满足于当前的成绩,而是着眼于未来的技术革新,将通过科技赋能,进一步提升服务效率和安全性,从而巩固其在未来出行领域的领导地位。这种前瞻性的战略布局,无疑是其长期竞争力的重要保障。总而言之,这份财报描绘了一个正处于上升通道的滴滴,不仅财务数据健康,更重要的是,其清晰的战略方向和对用户、技术的持续投入,都让我们对其未来的发展充满期待。

4个月前
18分钟
数据为中心的人工智能

数据为中心的人工智能

本期播客内容主要引用自鄂维南、汤林鹏、张文涛发表在《计算》杂志上的文章**《Data-Centric AI》**。【核心摘要】 人工智能正经历从**以模型为中心(MCAI)向以数据为中心(DCAI)**的范式转型。随着模型创新边际效益递减,数据质量和数量成为决定模型性能上限的关键。该研究提出了一个面向DCAI的全新数据基础设施框架,主要包含两大核心组件:• AI数据库:用于统一管理海量多模态数据,支持结构化与非结构化数据的融合检索与分析,例如MyScale AI数据库。• DataFlow数据准备与动态训练工具:这是一个集成平台,提供数据解析、合成、质量评估、处理等模块,并通过DataFlex模块实现训练数据的动态调度和配比。这套DCAI基础设施能够显著提升模型性能,并大幅降低AI开发门槛和计算成本。它通过自动化数据准备,实现了用更少数据、更短时间达到更优的大模型预训练效果。同时,它赋能企业高效构建基于私有数据的个性化模型和专用知识库,并为**检索式人工智能(Retrieval-Augmented AI)**提供了关键的存储和数据处理能力。DCAI预示着AI系统开发模式的革新,将推动数据采集与合成向标准化、自动化、智能化方向发展。

4个月前
25分钟
科研小白论文写作与创新研究点发掘

科研小白论文写作与创新研究点发掘

本集播客内容均整理自CCF talk {于静开讲了}。由中央民族大学信息工程学院副教授于静老师主讲,是CCF talk开讲了系列的第一讲,主要围绕科研和论文写作分享心得体会。讲座内容基于对三十多万学生反馈的问卷调查,聚焦十大核心问题,旨在帮助学生,特别是科研新手,从零开始寻找创新性研究点和合适的研究方法。主讲人详细区分了实际需求、科学问题与解决方法,并通过具体案例阐述了科研中常见的误区,如混淆概念、盲目追新等。讲座还提出了从数据、模型、优化目标及学习框架四个维度寻找创新方法的思路,并强调找到核心科学问题的重要性,鼓励学生探索领域通用性问题,以期产出高水平学术论文。

4个月前
24分钟
编程、习惯与成长,从IMO金牌到计算思维的培养之道

编程、习惯与成长,从IMO金牌到计算思维的培养之道

本集播客内容整理自CCF Talk,讲座内容主要围绕编程、科技特长与学习习惯的培养展开,由王云平老师主持,并邀请了资深信息学教育专家“乖妈”顾静进行分享。顾静老师结合自身作为ACM获奖者、前贝尔实验室计算机专家以及优秀信息学教师和家长的多重经验,系统介绍了培养孩子良好学习习惯的五种实用方法,包括口算表、草稿纸使用、积分表、背诵计划表和计时器,旨在提升孩子的计算能力、条理性、时间管理、坚持性和专注力。讲座还强调了编程对孩子计算思维发展的核心作用,并推荐了官方认可的信息学学习资源和比赛,如CCF认证、智慧杯及USACO等。最后,两位老师讨论了学龄儿童学习编程的最佳时机、所需的投入以及在竞赛中保持积极心态的重要性,指出过程中的能力和意志品质培养远比最终结果更有价值。

4个月前
21分钟
数据平台的新机遇:AI驱动的端到端价值重塑

数据平台的新机遇:AI驱动的端到端价值重塑

随着基础大模型能力跃升与成本持续下降,企业数据基础设施正迎来新一轮的范式重构。市场热议的Text-toSQL技术,仅仅是这场变革的冰山一角,其更深层的意义在于,AI正在从根本上解决长期困扰数据平台的核心瓶颈——数据加工链路的级联复杂性。级联复杂性:上一代数据平台的固有瓶颈企业经营的本质是数据驱动,数据处理的效率决定了企业的运营效率,而对独有数据的创新处理能力则直接关系到企业的利润率。理论上,数据平台应是企业数字化转型的基石。然而,受限于技术架构,上一代数据平台始终未能突破一个根本性制约:其价值链路高度依赖以人为核心的多角色协同,由此产生了巨大的“摩擦成本”。这种复杂性体现在两个核心业务流程中:业务决策流程:业务决策者提出商业问题,需由数据科学家或BI分析师将其转化为数据问题,再交由数据仓库工程师进行定制化的数据流开发与处理,最终由BI或数据科学团队将结果解读给业务方。这是一个漫长且易失真的信息传递链条。业务系统构建流程:产品经理定义业务需求,数据架构师设计其中的数据流集成与计算逻辑,随后由数据工程师、机器学习工程师分别完成数据流程开发和模型训练部署,最后由应用工程师将数据能力与业务系统集成。这是一个跨职能、长周期的工程协作过程。因此,上一代数据平台本质上是一个面向人类协作的工具集。它通过组织多角色专家的协同,在企业内部勉强完成数据价值的闭环。这种模式带来了两个必然结果:一是工程难度与实施成本极高,成为企业名副其实的“高消费”项目;二是对团队管理能力提出了极高要求,协同效率直接决定了数据平台的成败。行业观察表明,当前企业在数据建设上的投入,其成本结构存在显著的失衡现象,绝大部分资源消耗在了非技术性的摩擦环节:协同摩擦成本(约60%):高达80%的所谓“数据问题”,根源在于多角色间对业务逻辑、数据口径的理解不一致,这种沟通与认知偏差在复杂的协同链条中被不断放大。迭代失配成本(约20%):剩余的20%问题,源于不同业务线的演进速度与数据平台的迭代响应速度不匹配,导致数据服务无法及时跟上业务变化。纯技术成本(约20%):真正用于系统开发、计算与存储的资源,仅占总投入的五分之一。高昂的摩擦成本与迭代门槛,使得数据平台的价值难以在中小型企业中充分释放,其红利长期局限于少数具备雄厚资金与顶尖人才储备的超大型企业。AI大模型:重构数据价值链的引擎AI大模型的出现,为打破这一僵局提供了革命性的技术路径。它并非简单地优化某个环节,而是有望从根本上重塑整个数据价值链,将一个“人-人”协同的系统,升级为一个“人-AI-人”乃至“AI-AI”自主运行的智能中枢。其核心变革体现在以下几个层面:技术栈的统一与融合:大模型强大的多模态理解能力,可以直接处理文本、图像、语音等非结构化数据。同时,其代码生成与逻辑推理能力,能够驱动传统数据引擎(如Spark, Flink)高效处理结构化与半结构化数据。这首次为全模态数据处理提供了统一的技术框架,打破了过去不同数据类型需要不同技术栈的壁垒。价值链路的自动化与智能化:在统一的技术框架下,基于AI Agent(智能体)的系统有望承担起数据链路的构建、运行与维护。从需求理解、逻辑设计、代码生成、任务调度到异常监控与优化,整个生命周期均可由Agentic系统自主完成。这将极大消除前述的协同摩擦成本,并使数据平台的迭代速度实现数量级的提升,以匹配业务的敏捷性需求。从“管理问题”到“工程问题”的转化:这是最具深远意义的一点。通过利用业务数据、平台运行时产生的运维数据以及最终的业务效果数据,可以对数据平台自身的AI Agent进行持续的后训练、微调或上下文工程优化。这意味着,过去依赖管理智慧与经验来解决的团队协同、效率优化问题,未来将转化为一个可量化、可迭代的系统工程问题。系统将具备自我进化与升级的能力,从而实现效率的持续提升和成本的持续下降。业务与技术的无缝对接:最终,业务人员得以通过自然语言直接与数据平台对话,其业务诉求将被平台自动转化为端到端的数据加工流程,快速与现有业务系统集成,上线验证商业逻辑。这将彻底打破业务与技术之间的“翻译鸿沟”,使一线业务人员也能快速实现数据驱动的业务创新与系统落地。结语:数据平台的范式转移综上所述,大模型驱动的下一代数据平台,正在经历一场深刻的范式转移。其核心服务对象,将从协同的人类团队,转变为具备自主决策与执行能力的AI模型。未来的数据平台,将不再仅仅是一个被动的数据加工厂或协作工具,而是一个主动的、智能的“数据智能中枢”,它能够理解业务意图,自主构建数据流,并持续自我优化,最终成为驱动企业智能化运营的核心引擎。这场变革,不仅将重新定义数据平台的技术架构,更将深刻影响企业的组织形态与竞争格局。

5个月前
7分钟
投资洞察:垄断、竞争与中国市场策略

投资洞察:垄断、竞争与中国市场策略

对投资的思考2025年06月26日 16:21原创 张茂森 & Grok3 我思故不在我一直有种莫名的冲动,想要写下关于投资的思考。并非因为自己在投资领域有多么厉害的成就,也不是因为掌握了什么独门秘籍,只是觉得有些想法值得记录和分享。投资不仅关乎金钱的增值,更是对经济规律、市场逻辑和社会结构的深刻洞察。它是一场复杂而迷人的博弈,充满挑战与机遇。既然有这份冲动,那就动笔吧。一、投资的公理:噪声中的博弈金融市场有一条颠扑不破的公理:没有人能准确预测股票价格。市场是一个高度复杂的系统,充斥着噪声——无关紧要的数据、情绪波动和短期扰动——而真正有价值的信息往往被淹没其中。信噪比(signal-to-noise ratio)极低,普通投资者几乎无法通过分析市场数据精准预测价格走势。偶尔预测成功的案例,更像是随机漫步(random walk)的偶然胜利,而非可复制的策略。研究表明,标普500指数的短期波动中有超过70%可归因于噪声而非基本面因素,这进一步印证了预测的困难性。更重要的是,市场并非中立的竞技场。股票价格不仅受供需关系驱动,还可能被操控。机构投资者利用信息不对称、资金优势或高频交易的算力优势,常常占据博弈上风。例如,华尔街的量化基金通过毫秒级的算法交易,捕捉微小价差,完成对散户的“收割”。量化交易的本质并非预测市场,而是利用信息或算力的不对称,在市场中寻找套利机会。散户因缺乏专业工具、数据支持和快速反应能力,很难与机构抗衡。因此,普通投资者试图通过短线交易或预测股价获利,是一场胜率极低的游戏。成功的投资需要跳出噪声干扰,回归经济和企业基本面的分析,寻找真正具有长期价值的资产。那么,这种价值的决定性基础是什么?二、价值背后的经济学逻辑:利润与竞争投资的核心是对未来利润的预期,而利润来源于经济学中最基本的关系——需求与生产。在完全竞争市场中,企业利润会被竞争压榨至接近于零。只有在不完全竞争状态下,利润才会出现。竞争越不充分,利润越高,而垄断则是利润的巅峰。1. 垄断与证券市场的估值逻辑证券市场的估值逻辑建立在企业利润基础上。一家企业的长期价值取决于其持续创造利润的能力,而超额利润往往来自某种形式的垄断能力。这种垄断可能源于技术壁垒(如苹果的生态系统)、品牌优势(如可口可乐的市场号召力)、政策支持(如中国烟草的专营权)或市场控制力(如亚马逊的电商平台)。因此,选择股票的底层逻辑是寻找具备垄断能力的企业,因为它们能在竞争中保持定价权,为投资者带来超额回报。2. 中美市场的制度差异中国证券市场与华尔街的逻辑存在根本差异,这种差异源于两国的政治经济制度。在美国,资本主义的核心是权力归于资本家。通过宽松的监管、资本市场的自由化以及财团与政治的紧密结合,美国市场被刻意维持在不完全竞争状态。例如,美国科技巨头通过专利保护和并购,巩固了市场支配地位。2023年,FAANG(Facebook、Apple、Amazon、Netflix、Google)五家公司的总市值占标普500的近20%,它们的高利润支撑了华尔街的估值逻辑。投资者通过持有这些高利润企业的股票,分享经济红利。反观中国,权力归于人民,共产党作为人民利益的代表,主导经济体系设计。这带来一个核心矛盾:若允许资本家长期持有巨额利润,可能导致政体性质改变;但若完全剥夺利润,又会削弱经济发展动力。中国通过“改革开放”找到了一条独特路径:利用强有力的产业政策和国有银行投资体系,推动市场进入高度竞争状态。例如,光伏和新能源汽车行业通过补贴和投资迅速发展,但竞争也导致企业利润率普遍低于10%。这种高竞争环境既释放了资本活力,又限制了资本家对巨额利润的掌控,防止其对政体构成威胁。3. 利润的流向与中国特色利润犹如能量守恒,不会凭空产生也不会凭空消失。在中国,利润并未完全流入资本家手中,而是被重新分配到国家主导的领域。国有基础设施企业(如国家电网)、资源企业(如中石油)、国有银行的收益,以及房地产的土地出让金,构成政府获取利润的主要渠道。2022年,中国土地出让金总额约6.7万亿元,占地方政府财政收入的40%以上。这些利润被用于大规模社会主义建设,包括高铁网络、5G基建、精准扶贫等,形成了中国特色的社会主义经济制度。这也是中国的制度优势所在:社会和政体有着逆熵的能力。因此,中国股市的估值基础与西方不同。国内市场高度竞争,多数上市公司利润被压缩,估值更多依赖政策导向、市场情绪或流动性,而非传统盈利能力。这导致中国股市常被戏称为“猴市”——价格波动大、逻辑复杂,西方投资理论难以直接适用。然而,贵州茅台是个例外。其高端白酒市场的垄断地位(2024年市占率约30%)被打包进上市资产,形成了独特的估值逻辑,股价持续上涨,成为市场“漏网之鱼”。三、垄断的逻辑与中国的未来垄断是理解全球经济和投资逻辑的关键。垄断形式可分为两类: 依附武力的垄断:通过政治或军事力量维持,如资源控制(OPEC的石油定价权)或地缘政治优势(美国对全球金融体系的控制)。 依附市场的垄断:通过技术、品牌或规模优势形成,如微软的操作系统或茅台的白酒品牌。1. 全球经济中的垄断博弈美国主导的全球经济模式,是一种以美国为核心的垄断体系。美国凭借技术(半导体)、军事(全球军事基地)、金融(美元霸权)和文化(好莱坞、社交媒体)的综合优势,维持了“吃肉”的地位,其他国家大多“喝汤”。例如,2023年美元占全球外汇储备的58%,巩固了美国金融垄断。然而,中美矛盾的根源在于中国正系统性打破美国的垄断。通过技术创新(如华为的5G技术)、产业升级(如新能源电池,全球市占率超60%)和“一带一路”倡议,中国正在构建自己的大市场,并挑战美国在全球的主导地位。这种博弈不仅是经济竞争,更是制度和价值观的较量。2. 中国的双重估值逻辑在这一背景下,中国资产估值体系呈现两种逻辑: 国内市场的“猴市”逻辑:由于高竞争和利润压缩,国内股市估值更多受政策、市场情绪和流动性驱动。例如,2024年新能源板块因政策支持而暴涨,但企业盈利能力差异导致股价波动剧烈。投资者需深入理解政策信号和宏观趋势,而非仅依赖财务报表。 海外市场的垄断逻辑:中国企业在全球市场的扩张逐渐形成新垄断能力。例如,宁德时代在全球动力电池市场占35%份额,比亚迪在电动车出口中崭露头角。这些企业的海外超额利润将成为估值基石,与国内市场形成鲜明对比。3. 未来的投资启示对于投资者,这双重逻辑带来不同策略: 国内市场:关注政策导向和产业趋势,如“双碳”目标下的新能源、半导体国产化。投资者应跟踪政府规划(如“十四五”规划)而非仅看财报。 海外市场:聚焦具备全球竞争力的中国企业,如华为供应链企业、光伏龙头(如隆基绿能)或消费品巨头(如安踏)。这些企业的国际化进程将带来超额回报。结语投资不仅是金钱的博弈,更是对经济规律和制度逻辑的洞察。金融市场的噪声和复杂性让预测股价成为低胜率游戏,但理解垄断、竞争和制度差异可指引更可靠的投资逻辑。中国的独特经济模式既限制了传统超额利润,又通过政策设计为发展注入动力。对于普通投资者,建议从以下三点入手: 学习基本面分析:关注企业的垄断能力和行业竞争格局,而非短期价格波动。 紧跟政策信号:在中国市场,政策导向往往比财务数据更重要。 放眼全球机会:投资于中国企业的国际化进程,捕捉全球市场中的垄断红利。无论是国内的“猴市”还是海外的垄断机会,投资者需以开阔视角,结合经济、政治和全球趋势,寻找属于自己的投资路径。

5个月前
10分钟
学用AI入门

学用AI入门

# 提示词工程:掌握与AI对话的艺术**老师:** 同学们,今天我们先做个小实验!(转向电脑)我问AI同一个问题,但用两种不同的问法。第一种:"写一篇关于环保的文章"。第二种:"你是一位环保专家,请为大学生写一篇800字的环保文章,内容包括当前环境问题、个人可以采取的行动,以及环保对未来的意义。要求语言生动有趣,避免说教。"大家看看结果有什么不同?(展示两篇AI生成的文章)**学生A:** 哇,差别好大!第一篇就像随便在网上抄的,第二篇简直可以直接交作业了!**学生B:** 这也太神奇了吧?同样的问题,换个问法效果差这么多?**老师:** 这就是我们今天要学的"提示词工程"的魔力!提示词工程,专业上称为"Prompt Engineering",就是一门研究如何设计和优化提示词,帮助大语言模型更好地为我们服务的学科。为什么我们要学这个呢?(看向走神的学生C)小张,你觉得AI对你有什么用?**学生C:** (被点到名,慌张地)啊?我...我平时用AI帮我写作业...**全班哄笑****老师:** (微笑)没什么不好意思的!其实很多同学都用AI辅助学习。但你知道吗?掌握提示词工程,AI不仅能帮你写作业,还能成为你的私人学习助理、论文顾问、甚至PPT设计师!现在市面上的AI模型主要分为两种:一种是像"已经上过很多课的学生",比如text-davinci-003,它们已经经过大量指令微调;另一种是像"天赋很高但没怎么上过课的学生",比如davinci模型,它们潜力大但需要更多引导。我们日常说的提示词工程更多是指如何激发第一种模型的能力。**学生D:** 老师,那具体怎么用呢?我试过让AI帮我做PPT,但效果一般...**老师:** 好问题!这就是我们接下来要学的"怎么用"。提示词工程有几种核心技术,我们既要知道它们的专业名称,也要理解它们的作用:第一种叫"零样本提示词"(Zero-shot Prompting),我把它称为"直截了当法"——就是不给例子,直接告诉AI你要什么。比如"帮我写一份关于气候变化的演讲稿"。第二种叫"少样本提示词"(Few-shot Prompting),我称为"照猫画虎法"——给几个例子,让AI学着做。比如先给两个好的问答例子,然后让AI照着模式回答你的问题。第三种叫"思维链提示法"(Chain-of-Thought Prompting),我称为"步步为营法"——让AI一步步思考问题。比如"先分析这个问题,然后给出解决方案,最后评估方案的可行性"。第四种叫"零样本思维链提示法"(Zero-shot Chain-of-Thought Prompting),这是思维链提示法的一种变体,不需要提供示例,只需在提示词中加上"让我们一步步思考"这样的引导语,就能激发AI的推理能力。比如:"让我们一步步思考:如果地球停止自转会发生什么?"第五种叫"设计全局性的System信息",我称为"角色扮演法"——给AI设定一个角色。比如"你是一位有10年经验的大学教授,帮我点评这篇论文"。**学生E:** 哦!我明白了!就像跟人说话一样,你越清楚自己想要什么,表达得越具体,对方就越能帮你?**老师:** 完全正确!现在我们来试试看。(拿出手机)我请一位同学来现场指挥AI,看看不同提示词的效果。小李,你来试试?**学生F:** (紧张地)好...那我想让AI帮我写一份历史课的PPT...**老师:** 好的,先试试简单的提示词。**学生F:** "帮我做一个关于二战的PPT"。(老师输入,展示结果)**老师:** 看到结果了吗?很普通,对吧?现在试试用我们刚学的技巧,加上角色扮演和具体要求。**学生F:** "你是一位历史教授,请帮我设计一个关于二战的PPT,要求包含5个关键战役的介绍,每个战役包括时间、地点、参战方和结果。PPT要有吸引人的标题,每个页面配一个相关图片的建议,最后加一个思考题。语言要生动有趣,适合大学生理解。"**老师:** (输入后展示结果)大家看,这个结果是不是专业多了?**全班:** 哇!真的!**学生G:** 老师,我有个问题!我们怎么知道一个提示词好不好呢?有没有方法可以检验?**老师:** 问得好!这就是"提示词工程的效果检验"。有几种方法可以评估提示词的质量:首先,看提示词本身是否表述清晰、准确、有结构性、简单易懂,没有错别字和语法错误。其次,可以进行人工评估,就是对AI的回答进行正确性的人工检查,看看准确率如何。第三,可以与标准模型对比,比如与text-davinci-003的效果进行对比。最后,还可以用自动化方法计算"困惑度"(Perplexity,简称PPL),这是用来衡量AI对文本理解程度的指标,数值越低表示理解越好。**学生H:** 老师,我在使用AI时发现,有时候提示词写得很长,效果反而不好,这是为什么呢?**老师:** 观察很敏锐!这就是我们要讲的"可能的问题"中的第一个:Prompt越长性能越差。这是因为当前AI模型采用Transformer架构,计算复杂度会随文本长度呈平方增长,就像人脑处理信息一样,太长的指令会让AI"记不住"前面的内容。同时,提示词越长,AI单次能生成的回答长度也会越短。**学生I:** 那有什么解决方法吗?**老师:** 有几种解决方案。对于一些需要加入外部文本的任务,比如阅读理解,我们可以采用"知识内化"的方法——就是把一些必要的背景知识"教"给模型,让模型记住这些知识,然后我们就可以用更简短的提示词直接提问,不需要每次都重复那些背景信息。另外,对于一些固定场景,比如你经常需要AI帮你做同一类事情,最好的解决方案是把提示词"固化"到程序中,做成一个简单的工具或按钮。这样你只需要输入你的具体需求,而不需要每次都输入完整的提示词。就像我们常用的手机APP,它们背后都有复杂的程序,但我们使用时只需要点几下按钮。**学生J:** 那老师,提示词工程主要用在哪些方面呢?**老师:** 提示词工程的应用非常广泛!主要有两大类:第一类是"生成数据",利用提示词加上真实数据,从AI模型中获取有用的信息作为训练数据或评估数据。比如从一篇文档中挖掘问答对,或者基于给定的实体生成相关的属性信息等。第二类是"构造副驾驶",也就是我们常说的AI助手,比如编程助手、写作助手等,它们能帮助我们完成各种任务。**学生K:** 能给我们一些具体的例子吗?比如怎么用提示词让AI扮演不同角色?**老师:** 当然!这里有一些来自实际应用的例子:比如,让AI当语言检测器:"我希望你充当语言检测器。我会用任何语言输入一个句子,你会回答我,我写的句子在你是用哪种语言写的。不要写任何解释或其他文字,只需回复语言名称即可。"或者让AI充当旅游指南:"我想让你做一个旅游指南。我会把我的位置写给你,你会推荐一个靠近我的位置的地方。在某些情况下,我还会告诉您我将访问的地方类型。您还会向我推荐靠近我的第一个位置的类似类型的地方。"再比如让AI担任面试官:"我想让你担任Android开发工程师面试官。我将成为候选人,您将向我询问Android开发工程师职位的面试问题。我希望你只作为面试官回答。不要一次写出所有的问题。"**学生L:** 太实用了!我今晚就去试试!**学生M:** 老师,我听说AI还有两个参数可以调整,temperature和top_p,这些是什么意思?**老师:** 问得好!这两个参数确实很重要。Temperature参数控制AI回答的"随机性"——简单来说,temperature值越小,模型就会返回越确定的结果;如果调高该参数值,AI可能会返回更随机的结果,带来更多样化或更具创造性的产出。在实际应用中,对于质量保障等任务,我们可以设置更低的temperature值;对于诗歌生成等创造性任务,可以适当调高temperature参数值。Top_p参数与temperature类似,也是控制模型返回结果的真实性。如果你需要准确和事实的答案,就把参数值调低;如果你想要更多样化的答案,就把参数值调高一些。**学生N:** 那老师,有没有什么提示词是万能的?适合各种场景?**老师:** 虽然没有真正的"万能提示词",但我可以给大家一个"黄金模板":角色+任务+要求+格式。比如"你是一位[专家身份],请帮我[具体任务],要求[详细要求],格式为[输出格式]"。记住这个模板,大部分场景都能应对!**学生O:** 老师,我试过让AI帮我写论文,但担心会被查重,这怎么办?**老师:** 好问题!AI不是让你抄袭的,而是辅助你思考的。你可以用提示词让AI帮你"头脑风暴"论点,或者帮你"润色"你已经写好的内容,或者帮你"检查"逻辑漏洞。记住,AI是你的助手,不是代替你思考的工具。**老师:** 记住,提示词工程的核心就是"清晰表达你的需求"。就像跟人沟通一样,你越清楚自己想要什么,表达得越具体,对方就越能帮你。AI也是一样!今天的课就到这里,大家有什么问题吗?**全班:** 没有了老师!谢谢您!

5个月前
10分钟