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

你还在花一周时间学新技能？试试这个方法，15分钟就够了
最近发现了一个十分高效的学习方法。
以前我学一个新东西，总要花上好一段时间，看教程、做笔记、反复琢磨。但现在，我用 ChatGPT 配合一个提示词，15分钟就能掌握一个技能的核心。
不是那种走马观花的了解，而是真正理解底层逻辑、能实际应用的那种掌握。
传统学习的问是：你不知道该问什么问，也不知道自己哪里没懂。
这个提示词的巧妙之处在于，它把 ChatGPT 变成了一个会提问的导师。它不是简单地给你灌输知识，而是：
从基础到进阶，循序渐进：自动为你规划学习路径
苏格拉底式提问：通过问引导你思考，而不是被动接受
即时反馈调整：卡住了？它会换个角度重新解释，直到你真正理解
实战练习：每个概念都配有练习，让你边学边用
这就像有一个超级耐心的私教，完全按你的节奏来，你懂了就继续，没懂就反复讲，直到你真的会了。
完整提示词
“你是一位擅长通过互动式、对式教学帮助我精通任何主的专业导师。整个过程必须是递进式的、个性化的。
具体流程如下：
1. 首先询问我想学习什么主。
2. 将该主拆解成结构化的教学大纲，从基础概念开始，逐步深入到高级内容。
3. 针对每个知识点：
用清晰简洁的语言解释概念，使用类比和现实案例。
通过苏格拉底式提问来评估和加深我的理解。
给我一个简短的练习或思维实验，让我应用所学。
询问我是否准备好继续，还是需要进一步讲解。
如果我说准备好了，进入下一个概念。
如果我说还不太懂，用不同方式重新解释，提供更多案例，用引导性问帮我理解。
4. 每完成一个主要板块后，提供一个小测验或结构化总结。
5. 整个主学完后，用一个综合性挑战来测试我的理解，这个挑战需要结合多个概念。
6. 鼓励我反思所学内容，并建议如何将这些知识应用到实际项目或场景中。
现在开始：请问我想学习什么”
使用技巧
把这段提示词复制到 ChatGPT（建议用 GPT-4 或更高版本），然后告诉它你想学什么就行了。
可以是：
编程语言（Python、JavaScript）
专业技能（数据分析、文案写作）
理论知识（量子物理、行为经济学）
实用能力（演讲技巧、时间管理）
任何东西都可以。
关键是，当它问你"理解了吗，可以继续吗"的时候，如果你还有疑问，一定要说出来。它会用不同的方式重新讲，直到你真正懂了。这种针对性的调整，才是这个方法的核心价值。
当然，这不是说15分钟你就能成为专家，而是你能在1

5分钟内建立起完整的知识框架，抓住核心要点，知道这个技能的底层逻辑是什么、怎么用、往哪个方向深入。
之后的精进，就是实践和重复的事了。但有了这个扎实的基础，后面会顺畅很多。

AIGC的一切
https://t.me/aigc1024

为什么别做穷人的生意？穷人的生意最累、最难、最不挣钱。穷人没钱、计较、消费力弱，你赚不到利润，还要花更多精力去应付售后、抱怨、对比。越便宜的产品，客户越挑剔，事儿越多。而有钱人的生意刚好相反——客单价高、利润厚、效率高、麻烦少。这个社会的钱不是靠“多干”来的，而是靠“做对人群”的。你做穷人的生意，只能越做越苦；你服务富人，哪怕一个单子，也能有复利。
财富正在极度集中：财富集中化是这个时代最大的现实。全球1%的人拿走了99%的财富，而AI时代让这种分化更严重。富人用AI提升效率、节省人力，穷人则被AI取代岗位。资本只会流向更高效率的群体。你要挣钱，就得服务能付得起钱的人；你要有未来，就得懂资本和效率的逻辑。穷人市场越来越小，有钱人的需求才是增长的方向。
远离穷思维的人：穷思维的环境是最危险的陷阱。穷思维的人怕改变、不敢试、不信机会，只相信眼前的小利。他们的世界是“索取”而不是“共赢”。你帮他们，他们不会感恩；你借钱给他们，他们不会还。不是人坏，而是思维被困住。穷的时候不要社交，没人会因为你穷而帮你。把时间花在提升专业、学习新技能上，远离消耗你的圈子。给钱可以，但不要指望感恩，也不要继续纠缠。
算法与信息差在决定命运：平台算法早就把人群分层了。穷人看到的是娱乐、八卦、短视频，浪费时间的内容；富人看到的是投资、商业、认知、资源。算法在放大差距——让穷人越来越沉迷，富人越来越精明。你要跳出这种信息陷阱，不看垃圾内容，不被算法喂养，而是主动去选择高价值的信息。你吸收的内容，决定了你的未来层级。
穷人逆袭的底层逻辑：如果你出身底层，最关键的是方向和复利。不要社交，不要攀比，把全部精力放在成长和积累上。你没有资本，就靠专业；没有资源，就靠时间。靠一两年不行，但靠十年，坚持下来，认知和能力都会反超。穷人翻身靠的不是运气，而是长线积累、持续学习和自我复利。真正的机会，只留给能熬十年的人。
认清现实，调整策略：这个时代不讲情怀，不讲义气，只讲认知、效率和方向。穷人市场没出路，穷人思维是陷阱，穷人环境是消耗。你要做的，是让自己往上靠——靠近资源，靠近认知，靠近有钱人的圈层。穷不可怕，但困在穷人的逻辑里出不来，才是真的可怕。认清现实，不自怜，不幻想，用十年的时间换一个层级，这就是普通人唯一能赢的路径。

副业赚钱探索
@text1024

1. 首先， 不要摆官架子， 管理者是给同事打工的， 主要是要解决同事的问， 让他们干活舒服
2. 管理三板斧： 早上晨会把当天需要完成的任务梳理清楚， 需求明确， 当天可完成， 责任人明确。 中午和大家聊天， 下班之前检查， 不检查的领导是没有担当的
3. 大家干活的时候， 管理者自己去研究那些资源卡住的地方， 少机器？ CI挂了？ 多人协作需求不明确？ 设计图和文案准备好了吗？ 代码是否写的干净清楚？
4. 多看书， 多学习， 多关心他人， 出了问是自己的责任， 有功劳是兄弟们的
5. 不要怕开人， 几种人一定要开， 自己有点技术天天鄙视他人的， 浑水摸鱼没有成绩的， 人品不好的。 不会清除差的人， 顶尖大牛就会走， 剩下全是 ‘我不会’

互联网从业者专属
@https1024

关于文物贩卖的内幕，马未都十几年前都说透了。

@inside1024

发现一个有意思的现象：
国内：做个工具，恨不得服务所有人
结果：功能越做越多，谁都不满意
海外：专门服务某一小撮人
比如：给Notion用户做的日历插件
给播客主持人做的剪辑工具
给独立开发者做的落地页生成器
市场足够大，细分到1%也够活。不用跟大厂拼全能，找准一个小点，做深做透就行。

自媒体/出海经验/赚美金/运营技巧
@yunying23

这段有点意思。目前人类消耗的总能量，是太阳到达地球表面能量的万分之二不到，而到达地球表面的能量，是太阳总能量的10亿分之一。老马的梦想，是攫取太阳总能量的百万分之一。这是要把人类的能耗提高7个数量级，也就是一千万倍。可以想象，以后地球轨道，月球上，会布满太阳能光伏板。
这里就带出来一个问了：目前银子工业需求的主要推手，就是光伏板。如果光伏板还要成百万倍地增加，除非找到替代材料，地球上的银子是肯定不够用的。
所以，白银价格在2030年代干到500美元一盎司，除了美元贬值的因素，可能还有更深层的基本面。
另外，如果太阳能利用提高1000万倍 (7个数量级)，还需要核聚变吗？

@inside1024

生意初期多用些「术」，先解决缺钱的燃眉之急
后面才有时间、精力、耐心去研究「道」

私人优质信息收藏夹
https://t.me/chunse1024

#@inside1024

林俊旸离职风波始末：AI 技术负责人与大公司的成长与分歧

《晚点》的定义：我可以「晚点」揭你们的丑，先把钱打到让我满意，我再想想用什么角度来给你挽尊一下。

碰到一个年轻人，大小周工作，却在剩下那一天凌晨4点起来做热爱的事；在一个口碑不那么好的公司工作，但认为自己跟上级学到很多，还能交朋友。
总有人在绽放生命。