#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。
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。
👍2
💥⚙️ 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
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
❤6👍3
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
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
❤2🔥2👍1👎1
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
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
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
👍2❤1
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
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
❤6👍2🔥1
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
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
❤6👍2😁2
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
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
👍4
This media is not supported in your browser
VIEW IN TELEGRAM
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
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
❤2👍1
Forwarded from 中年人生存报告
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。
总有人在绽放生命。
为什么靠学历实现阶级跃升的时代已经彻底结束了呢?
十年前,你错过了比特币。
八年前,你错过了直播风口。
五年前,你错过了能源大宗。
四年前,你错过了短视频风口。
三年前,你错过了美股。
两年前,你错过了A股。
一年前,你错过了黄金。
中途还有元宇宙、Meme币、新能源、电动车、半导体、硬科技等一系列的各种机遇。你抓住了几个?
很多人连账户都没开,却天天抱怨时代不公。
永远有人发财,关键是你能不能成为那个人,而不是站在岸边骂水凉。
真正的成长,从来不是刷遍全网焦虑文,而是:
•潜下心,研究一个具体行业
•结合优势,把一件事做深做透
•紧盯经济动向,提前做投资规划
学历只是手段,不是终点。
985/211 是起点,不是人生天花板。
先找对能最大化你价值的领域,再去匹配学历,而不是倒过来瞎卷。
回头看 12 年:
土木是天顶星专业,计算机被调剂才去
华为小米二本都能进,没人愿意去
人人挤破头去外企国企 —— 宝洁、移动、银行
时代翻篇,比翻书还快。
现在问自己 5 个问:
1.你找到当下种子期的 “下一个华为 / 小米” 了吗?
2.你敢坚信它能长成千亿巨头吗?
3.你愿意长期扎根、陪它成长吗?
4.你有被它选中的实力吗?
5.你能一路走到决策层,共享时代红利吗?
大部分人,第一就答不上来。
少数人走完 5 步,行业没了;
有人稀里糊涂走对前 4 步,反而活得很好。
越见得多,越信:运气 = 命运。
别只看现在热门,要看十年后依然不可替代。
你要做的,从来不是追上所有风口,
而是在属于你的风来之前,先把自己站稳。
内心坚定,头脑灵活,充分实践,尽情探索。过得潇洒一点,别总想那些有的没的,折磨自己,没有任何好处。
@inside1024
十年前,你错过了比特币。
八年前,你错过了直播风口。
五年前,你错过了能源大宗。
四年前,你错过了短视频风口。
三年前,你错过了美股。
两年前,你错过了A股。
一年前,你错过了黄金。
中途还有元宇宙、Meme币、新能源、电动车、半导体、硬科技等一系列的各种机遇。你抓住了几个?
很多人连账户都没开,却天天抱怨时代不公。
永远有人发财,关键是你能不能成为那个人,而不是站在岸边骂水凉。
真正的成长,从来不是刷遍全网焦虑文,而是:
•潜下心,研究一个具体行业
•结合优势,把一件事做深做透
•紧盯经济动向,提前做投资规划
学历只是手段,不是终点。
985/211 是起点,不是人生天花板。
先找对能最大化你价值的领域,再去匹配学历,而不是倒过来瞎卷。
回头看 12 年:
土木是天顶星专业,计算机被调剂才去
华为小米二本都能进,没人愿意去
人人挤破头去外企国企 —— 宝洁、移动、银行
时代翻篇,比翻书还快。
现在问自己 5 个问:
1.你找到当下种子期的 “下一个华为 / 小米” 了吗?
2.你敢坚信它能长成千亿巨头吗?
3.你愿意长期扎根、陪它成长吗?
4.你有被它选中的实力吗?
5.你能一路走到决策层,共享时代红利吗?
大部分人,第一就答不上来。
少数人走完 5 步,行业没了;
有人稀里糊涂走对前 4 步,反而活得很好。
越见得多,越信:运气 = 命运。
别只看现在热门,要看十年后依然不可替代。
你要做的,从来不是追上所有风口,
而是在属于你的风来之前,先把自己站稳。
内心坚定,头脑灵活,充分实践,尽情探索。过得潇洒一点,别总想那些有的没的,折磨自己,没有任何好处。
@inside1024
💩12❤2
为什么别人做趋势总能抓到主升浪,而你一做趋势就被扫掉?
问不在方向,而在进场的位置。趋势里最稳定的一种做法,就是只做“结构突破”之后的那一段,而不是在结构内部提前猜。
更高的低点(HL)只代表下跌被挡住,但这不等于趋势继续。真正关键的是价格能不能突破前高(HH)。
突破发生的那一刻,市场才完成从“止跌”到“推进”的转换,这种接力比任何指标都更可靠。
前高被突破后能否回踩有效,也不是理论,而是市场行为本身决定的。买盘能不能接力,价格会直接告诉你。
进场放在突破之后,是因为风险点立刻变得明确:HL 就是结构的失败点,止损自然放这里;下一段结构也会告诉你目标在哪里。
结构突破的核心不是预测,而是顺着市场的推进节奏做你能做的那一段。
@web2star 👈金融/投资/币圈
问不在方向,而在进场的位置。趋势里最稳定的一种做法,就是只做“结构突破”之后的那一段,而不是在结构内部提前猜。
更高的低点(HL)只代表下跌被挡住,但这不等于趋势继续。真正关键的是价格能不能突破前高(HH)。
突破发生的那一刻,市场才完成从“止跌”到“推进”的转换,这种接力比任何指标都更可靠。
前高被突破后能否回踩有效,也不是理论,而是市场行为本身决定的。买盘能不能接力,价格会直接告诉你。
进场放在突破之后,是因为风险点立刻变得明确:HL 就是结构的失败点,止损自然放这里;下一段结构也会告诉你目标在哪里。
结构突破的核心不是预测,而是顺着市场的推进节奏做你能做的那一段。
@web2star 👈金融/投资/币圈