#@inside1024

之前 Kimi 说海外收入疯涨，我这里有可以印证的数据。
2026年1月，Kimi 在 Stripe 的订单数相比于2025年12月增长了8280%，然后2026年2月相比于1月又增长了123.8% 。
在2024到2025年24个月时间里，Kimi 的订单都没有进入 Stripe 订单排行榜的前100名，但是在2026年1月立马飙升到了第22名，然后在2月升到了第9名。
在2月排行榜里，也能看到 MiniMax 的身影，位居28位，相比于1月增长157% 。
2026年2月数据，Kimi 的订单是 MiniMax 的3倍多一点。
有个意外但也不意外的数据是，Grok 在2月增长到了第一名，而1月是第七名，并且从2025年9月开始就一直在涨，可能的原因是推特上大家可以用 Grok 给别人脱衣，给 Grok 带来了特别多的新增流量。
另外值得一提的是 Manus，2025年3月上线，就立马进入了排行榜前100名，虽然只是第90名，这是很多人不知道的吧。
之后 Manus 就一路高歌猛进，2025年4月第10名，接下来半年一直在10到20名徘徊，之后在2025年11月首次进入前10名，拿到了第5名的好成绩，接下来就没有跌出过前5名，2025年12月第4名，2026年1月第1名，2026年2月第4名。
最后问一下，第7名 Brave 的订单上涨，大家能猜到原因吗？

作为一个成人用品无人店的老板娘，我比任何一个人都害怕店里出现假货。 其实店里的那些货品，进价跟售价真的是天差地别，几块钱的tt，就能卖十几二十几，进价几十的喷剂，能卖好几百。正品拿货价不高，假货也没便宜多少，以次充好根本没必要。 还有就是，别在店里做些不太雅观的行为，监控画质很好，我是真的都能看见……

@inside1024
#行业内幕 #你不知道的行业消息

#@inside1024

小红书都不能发遇到的事情了吗…只能分享美好生活是吧。

不同阶层的人在语速、语气、用词、逻辑和内容上都有很大的差异。
较低层级的人，开口就索取，语中常带有道德绑架、尖酸刻薄或指责意味。
当你发现周围的人开始以法律、规则和契约为基础进行交流时，并总是在分享有用信息，并喜欢谈共赢的时候，说明你所处的环境正在发生变化，这种变化的本质就是阶层的跃升。
语言的敏感度极高，它是社会阶层的代码，而语言背后不仅体现了阶层的划分，更蕴藏着无穷的智慧。

@inside1024

#内幕消息

钻空子还得是律师行业

我真的强烈建议高考300分的男生们考虑空少和护理专业。

如果你身高180，当空少绝对是这个分数段唯一一个能保证就业率并且相对体面的工作，否则你就只能进厂干数控机床或者焊接，或者进铁道系统，或者干汽车房地产销售。

每天能在飞机上服务，能和飞机的旅客们打交道，真的是这个分数段最体面的工作， 没有之一——否则你就要进厂面对机床的各种油泥、每天加班焊接闪眼睛烫头发的命运了。

另一个就是护理，绝大多数医院是非常欢迎男护士的，毕竟很多时候护士面对真正的体力工作，是必须由男护士来完成的。

更重要的一点是，无论当男护士，还是男空乘，都是你高考300分这个分数段里唯一一个绝对稳定、绝对安全、永不裁员、相对体面的工作，

哪怕是焊接和数控机床，也要面对企业倒闭等等各种文体，哪怕你干汽车和房地产销售，前期挣得多，后面企业一完蛋，不知道今后又要去哪里，

在中国的体制下，航空公司全是国企央企，医院全是地方事业单位，并且随着老龄化，医院只能越来越吃香。

当你高考真的只有300多分，并且面对中国绝大多数一本甚至211就业率都不到50%的恶劣情况下，这两个专业绝对是能让你有饭吃的手艺。

如果有异性勾引你 千万不要认为自己有魅力 有可能是对方感染了艾滋病

围观这草台班子的世界
@zheshijieya

宏大叙事你左右不了的， 能做的就是踏实下来， 虚心学习， 一步一个台阶， 让自己有个安身立命的本事， 什么经济周期都能平稳度过。
学编程， 学英语， 练写作， 高强度all in AI 。
越年轻， 就使劲多学习一点。
借着AI 工具， 计算机科学、通信、控制、信息、 经济学、金融学、生化环材， 完全都可以学。 学这些， 理解这些的思维， 将来投资的时候， 脑子有个判断标准， 越年轻， 学习获得杠杆效应越大。
从一开始投资自己周围前10%的人， 跟他们交朋友， 向他们学习， 建立长期的友谊， 做空后10%的人，离他远点， 这些人除抱怨还是抱怨（这段思想来自于吴军） 。
参与那些宏大叙事， 只会瞎耽误你的保贵的时间。
再说一个， 科技进步， 实际上， 让我们的寿命增加了， 也让我们有生之年可以比过去的人能做的更多的事情， 过去的很多范式都被打破了， 35岁在过去中年， 而如今只不过是壮年， 坚持终身学习， 50岁才算中年，
信命也不能认命。
关注我， 我们一起学习， 创业， 交朋友， 享受人生。

@inside1024

芒格的9大投资箴言，值得每一位兄弟深思：
1、赚大钱不靠买卖，靠等待。

2、破产有三种方式：酗酒、好色、赌博。

3、不能接受50%的回撤，注定只能接受平庸的投资表现。

4、以一般的价格买伟大公司，远好于以便宜价格买平庸公司。

5、时刻提醒自己不做傻事所带来的长期回报，要远远超过耍小聪明带来的回报。

6、我最想知道的事情是我会死在哪里，然后坚决不去那里。

7、空仓需要巨大的勇气。我不是通过追逐那些平庸的机会来获得今天的成就的。

8、保持逆向思维，换个角度看问题。

9、变富就像滚雪球一样，最好的策略是站在一条很长的雪道上并持续滚很久。

💥长沙女大学生炸裂录音，教科书级别的教唆，三观尽毁道德沦丧。

@inside1024

#内幕消息

你不知道的商业冷知识：

1.广告公司不靠抽成赚钱，靠平台返点。
2.零售企业不靠利润赚钱，靠上下游账期。
3.虚拟资料不靠卖课赚钱，靠网盘拉新。
4.奶茶连锁不靠奶茶赚钱，靠加盟费+供应链。
5.MCN公司不靠带货赚钱，靠医美+违约贷。

每当你感到迷茫时，看看这个。

每日吃瓜 @doubannew
每日尴图 @moyu2023

💥⚙️ Tesla 最新专利曝光：8-bit 芯片跑 32-bit AI，这不是优化，是重写硅规则
Tesla 刚刚公开的一项专利（US20260017019A1），揭示了其自动驾驶与人形机器人底层算力的真正“作弊点”。
不是更大的 GPU，也不是更先进的制程，而是一套混合精度数学桥（Mixed-Precision Bridge），让廉价、低功耗的 8-bit 芯片，稳定运行本该属于 32-bit 高精度硬件的 AI 计算。
这不是性能微调，而是对“算力 ≠ 功耗”的一次系统级反击。
很多人好奇：
为什么一辆车能在 30 秒后依然“记得”被遮挡的停车标志？
为什么 Optimus 能在负重、晃动的情况下维持平衡？
核心并不是“模型更大”，而是 RoPE（Rotary Positional Encoding） 的精度没有崩。
RoPE 本质是 AI 的“空间 + 时间 GPS”。
问在于：
标准 RoPE 需要大量 32-bit 浮点三角运算。
而 32-bit = 高功耗 + 高发热 + 高成本。
传统路线只有两条：
要么牺牲精度 → 记忆漂移
要么堆硬件 → 续航和散热直接崩
Tesla 选了第三条。
他们没有强行让整条计算链路都跑高精度，而是把最关键的“位置信息”压缩成对数形态，在 8-bit 硬件中“脱水运输”，到关键节点再一次性高精度还原。
这就是专利中的 Mixed-Precision Bridge。
核心思路很反直觉：
不是减少计算，而是改变数据存在的形态。
角度 → 对数
连续浮点 → 离散可控
大动态范围 → 小动态范围
这样，8-bit INT8 单元也能在不丢“灵魂”的前提下安全搬运信息。
更狠的是：
这些对数值并不是实时算出来的，而是来自预计算查表（lookup storage）。
能耗几乎为零，延迟极低。
当数据抵达高精度 ALU 时，再通过 Horner’s Method 优化过的泰勒展开，把角度恢复到 32-bit 精度，并直接生成 Rotation Matrix。
换句说：
低精度负责搬运，高精度只在“必须精确”的瞬间介入。
硬件层面还有一个非常“工程师思维”的细节。
Tesla 用 8-bit MAC 单元，充当数据“拼接器”：
把两个 8-bit 数据，通过位移与乘法，合成为一个 16-bit 输出。
效果是什么？
在不改布线、不加晶体管的前提下，有效带宽直接翻倍。
这让 AI5

这类大规模矩阵阵列，不再被内存喂数据的速度拖死。
这些数学技巧最终指向一个目标：
长期一致性（Long-Context Stability）。
FSD 的一个老问是：
被遮挡的物体，时间一长就“漂移”。
现在，位置被 RoPE 精准锁定在 3D 世界模型中。
30 秒前看到的路标，不会因为中间被卡车挡住就“忘掉”。
为了让 30 秒甚至更长时间的历史可用，Tesla 还在 KV-cache 上做了两件事：
第一，把“位置”直接以对数形式存入缓存，内存占用直接腰斩。
第二，引入 Paged Attention，把注意力像操作系统内存一样分页管理。
结果是：
更多对象
更长时间
更低延迟
而且，这条数据管线是单向只读的。
下游模块不能写回，上游不能反读，彻底避免“记忆污染”和反馈幻觉。
在更长时间尺度上，Tesla 还解决了 Transformer 的“注意力塌陷”问。
通过硬件级固定 Attention Sink token，
即便长时间运行、窗口滑动，模型也不会因为失去锚点而数值爆炸。
算力不只是“更快”，而是更稳。
同样的逻辑还被用在音频上。
通过 Log-Sum-Exp 近似，车辆能在 8-bit 硬件上处理从细微环境声到刺耳警笛的巨大动态范围。
听得见，且不失真。
最后，是训练层面的闭环。
Tesla 并不是先训练 32-bit 模型再硬压缩。
而是一开始就用 Quantization-Aware Training，让模型“从出生起就适应 8-bit 世界”。
这解释了为什么它们在真实硬件上稳定，而不是实验室里好看。
这项专利的意义，并不只是 FSD。
它是 AI5、Optimus、以及未来“端侧 AI 全面下沉”的前提条件。
当你能用 8-bit 的功耗，获得 32-bit 的空间与时间一致性：
算力不再被电池、散热、尺寸锁死。
这也是 Tesla 能彻底摆脱 CUDA 生态、同时走 Samsung + TSMC 双代工策略的底层原因。
如果说算力是现代 AI 的货币，
那这项专利做的事，是重写了汇率。
你觉得这种“数学 + 硅协同”的路线，会先颠覆自动驾驶，还是人形机器人？
📬我会持续追踪 $TSLA 在自动驾驶、机器人与端侧 AI 架构上的关键技术拐点，拆解那些真正改变算力边界的底层设计。
如果你关注的是长期竞争力，而不是短期情绪，欢迎订阅一起前瞻布局。
$TSLA

@inside1024