AIMARSP retweeted
by the time ur kids enter adulthood there will be nearly no moats left:
- intelligence commoditized by ai
- looking jacked and sexy commoditized by glp-1s and myostatin inhibitors
- agency and resilience commoditized by dopamine and prefrontal modulators
- being fun to be around commoditized by meta raybans which will give u jokes to tell in real time
the only moat left is having rich and powerful parents.
therefore ur job is to get rich and powerful.
AIMARSP retweeted
憋了快半年终于做得能看了：
github.com/AgentVis-OS/aipho…
一个基于 @LineageAndroid LineageOS 的手机上原生（不通过 adb 注入）运行和操作的 AI agent
因为商标原因建了个新的 AgentVis OS 项目，并通过另一个 WD40（机器的血液脉）项目挂到源码树编译
大的 roadmap 就差一个端侧模型支持了😎
AIMARSP retweeted
买UNI没什么问题，几经曲折以后终归还是开了回购，现在这个资产是对的。
但说“HYPE有自己的局限性，而UNI可能才刚刚展现它真正的想象力” ，这话真的不合适。
AMM是天才的，但在CLOB，RFQ，AMM这几种比较常见的价格发现模型里面，AMM才是局限性最大的那个。
2022年的时候Hyperliquid刚上线就写过为什么选择订单簿，因为AMM的无常损失解决不了，RFQ的透明度太低。
AMM的发明，是为了解决那些没有做市商的长尾资产的交易问题，所以AMM和CLOB其实是互补的，因为订单簿最大的局限性就在于，没做市商挂单，交易就很难进行，而交易不活跃、对手方少或者很新的资产，都没有做市商，AMM赋予了所有资产都拥有价格的能力，只需要把做市资金预先存入，就可以产生一个被动价格。
但AMM的局限性在于，对于交易者来说，其滑点是来自公式本身，不是“深度不够”这么简单，并且没有原生的限价、止损、部分成交等功能，只能通过外挂合约或意图层实现。
最大的问题是MEV / 三明治的结构问题，待成交 swap 在公开 mempool 里，路径和滑点上限可算。私有内存池、批量拍卖、意图求解能减，但“确定性曲线 + 公开意图”这个组合本身就在纳税。
对于LP提供者来说，无常损失永远存在，所谓无常损失，是相对“两边都拿着不进池”的机会成本：池外价格变了，套利把池子再平衡，你手里的组合变差。
在V2版本里，资金平铺在全区间，大部分资金闲置在几乎没人成交的价格，V3版本是意识到AMM的局限性以后向CLOB的靠拢，效率上来了，模仿订单簿“把钱放在盘口附近”，但 LP 必须自己选区间、自己调仓。出区间后变成单边持仓、不再收手续费，IL 被放大而不是消失。
AMM的价格发现是跟随，不是发现，AMM自己不“发现”公允价，靠套利把外部 CEX / 其他池的价格搬进来。搬的过程就是 LP 的 LVR，相当于被动廉价的“卖期权给套利者”，极端行情、跨链延迟、预言机滞后时，池价可以明显偏离，直到套利打完。最近那个fables就是想缓解这个问题。
GMX、Jupiter的合约，可以理解成借贷，也可以理解成永续版本的AMM+外部预言机对赌。
RFQ的优势是大单滑点更小，且不会把自己的意图暴露在盘口。但也有局限性，比如对于买方来说，价格发现不公开，而且你相当于为了滑点而把规模和方向在成交前就自己告诉了对手盘，另外，在暴涨暴跌时，因为对冲跟不上、库存风险跳升，做市商会扩点或静默。
对于做市商来说，接一笔要算库存、对冲、签名、结算风险。几百、几千美元的单，点差覆盖不了成本，往往不报或报得很差；这时 AMM 更便宜。新币、无对冲盘口的长尾，专业做市商通常直接不参与。
RFQ 救不了冷启动，这点上它比订单簿还挑客户。所以Variational的策略是用自营的OLP来做对手方承接这些小币种的单子，然后在外部市场对冲风险。在tradfi这种大单子上引入传统市场的做市商报价。
这就是为什么2022年Jeff团队就选择了订单簿，最终的价格发现场所一定是订单簿，这一点不管是传统金融市场，过渡的中心化交易所，还是未来的链上金融载体都不会变。
但不代表AMM和RFQ没有可取之处了，大家都有各自适合的交易标的物，AMM和RFQ也可以很好的存在于HyperEVM里，目前evm上的两个股票项目分别就是用了xstocks和ondo的rfq，amm不用说了很多了。
总结就是amm适合资产的冷启动，rfq适合作为执行层，而clob是价格发现层，成为定价基准，让别人拿你的价去报。
AIMARSP retweeted
过去，美貌是一种稀缺资源；短视频和直播时代，美貌变成了一种流动性很高的可量化资产
以前一个漂亮女孩，只能辐射身边几百人；现在理论上可以瞬间触达几百万人，只需要发一个短视频
点赞、关注、打赏、广告、直播、私域，都在告诉你：市场愿意为你的形象支付多少钱
甚至还可以加杠杆和再投资，花 10 万做医美，获得更高关注，再把关注变现，继续投资自己的形象
“年龄折旧”会被放大，当外貌成为可量化资产以后，年龄变化也会被平台不断提醒
亲密关系越来越容易被“市场逻辑”侵入
婚恋从一个相对封闭的本地市场，变成了一个持续在线、持续比价、持续估值的市场
AIMARSP retweeted
借 GPT-6 发布，回头审了一遍这大半年搭的 各种AI 系统模块。大概有六个主题，初步跑通了生活全链路：
人生导航——规划、周复盘、盲区与情绪管理。群友启发的思路，意外好用
信息管道——输入、整理、加工、沉淀成wiki笔记。信息不过系统，等于没进过脑子
健康中枢——穿戴、基因、血检、甲基化，散点连成图，问题自己浮出来
投研引擎——自动抓市场异常、初筛分析、管理标的与持仓。机器做侦察，人做判断
输出锻造——所思所感过一遍 AI，落成文章、PPT、可交付物
物品管理——选品、渠道验证、买入反馈、日常运维。连买东西都跑系统了
六个模块，一个闭环：信息进来，处理成判断，判断变行动，行动产生数据，数据回流系统。闭环是通了，但每一环都还毛糙，全在迭代中
小朋友的教育还没成型。反馈周期十年起，对象是个活人——最难系统化的一块，可能也是最不该急着系统化的一块
大家手里有什么好用的工具、跑通的系统，推荐推荐，一起迭代，一起成长
AIMARSP retweeted
宇树老板的文章传播很广
好奇，制造业和芯片业的老板，都对员工极度暴虐和攻击性，什么原因？比如黄仁勋自传，大陆老詹
和 AI 交流，感觉挺有意思，很 make sense。候选人有选择，千万不要去硬件和制造业。
最核心原因：制造业尤其芯片，本质是“一个小错误就能造成巨大损失”的系统。
软件公司程序出 bug，很多时候还能发补丁；晶圆厂某个参数错一点、设备停几个小时、良率掉几个百分点，可能直接损失几百万甚至上千万，而且交付周期已经锁死。
所以老板每天面对的不是“做得好不好”，而是“绝对不能出错”。久而久之，管理方式就会变成：追责、盯细节、催进度、骂人。
第二个原因是它们普遍属于重资产 + 低容错 + 极强周期性行业。
你投进去一座厂，设备、折旧、人工、水电一天都在烧钱，机器最好 24 小时不停。需求一跌，利润可能瞬间蒸发；需求一旺，又必须疯狂抢产能。
所以老板很容易形成一种战争状态：“慢一天就是死，少 1% 良率也是死。”这种环境非常容易产生军事化管理。
第三，制造业的绩效特别容易量化。产量多少、良率多少、报废多少、设备 uptime、交付有没有延期，全部都有数字。
因此老板很容易产生一种幻觉：“只要压得再狠一点，数字就还能再提高一点。”
知识型行业很多工作压得太狠，效果反而很难立刻看到；流水线、工厂却经常真的可以短期内靠加班、催促、严厉管理把数字拉上去。这就形成了正反馈。
芯片行业还多一个特点：技术层级极深，但是权力又高度集中。
CEO未必懂每一个技术细节，但最终所有失败都会汇总成一句：“为什么还没搞出来？”中间管理层于是层层向下施压。你最后看到的往往就是一种非常典型的结构：
老板骂副总 → 副总骂厂长 → 厂长骂经理 → 经理骂工程师 → 工程师骂设备供应商。
而且很多亚洲制造业企业还有很强的第一代创业者文化。第一代老板往往真的是从极度残酷的竞争里杀出来的：缺钱、被客户压价、供应商违约、银行催贷、员工跳槽。他们自己的成功经验就是“别人都扛不住，我扛住了”。于是很自然会觉得：我当年能吃这种苦，你为什么不能？
这也解释了为什么你会觉得芯片行业特别明显。像三星、台积电、富士康、早期华为，包括很多日本制造业，历史上都出现过这种“工程师文化 + 军事纪律”的气质。并不一定意味着老板人格上比互联网老板更坏，而是行业把“偏执、控制欲、极端责任心、攻击性”这些性格特征的回报放大了。
还有一个很有意思的选择效应：温吞、随和、特别讲 work-life balance 的人，可能根本熬不到成为大型制造企业老板那一天。
创办互联网公司，有时一个十几个人的小团队就可能快速爆发；制造业老板通常要经历十几年供应链、客户、现金流、扩产、质量事故之后才做到几百亿规模。这个过程本身就在筛选人格。
所以你如果观察一批顶级制造业企业家，会发现他们经常有一个共同特征：对产品、流程、效率极端苛刻，同时对人的感受没有那么敏感。
这两者甚至可能来自同一个心理机制——他们把公司当成一个必须不断优化的机器，而员工在这个机器里也容易被当成一个变量。
不过也有一个反例特别值得注意：并不是高压才可以做好制造业。丰田著名的生产体系其实非常强调“出了问题先查系统，而不是先骂工人”，现代半导体企业也越来越强调安全文化和“no-blame”机制。因为到了足够复杂的工业体系，员工如果害怕被骂，反而会隐瞒问题，而隐瞒问题才是最危险的。
所以我甚至觉得可以总结成一句：
制造业的残酷，不一定来自老板更坏，而是来自这个行业对时间、资本、质量和错误的容忍度都极低；而这种环境又会不断奖励最偏执、最强硬、最控制型的人。
文章
mp.weixin.qq.com/s/kOrC1mdj7…
AIMARSP retweeted
想到孙哥之前拍了个巨贵的雕像，贾科梅蒂《鼻子》，含佣金总成交价：7839.6万美元（约5亿人民币）。
但这个雕像后来被他员工私下换手，员工现在还在蹲局子。
景甜的标价还不如这个鼻子，但带来的营销曝光度可以换个鼻子了。
AIMARSP retweeted
cpu必然会发生和2026年跟存储发生的结构性需求缺口。
现在cpu和gpu的配置需求是1/8，
随着各AI大模型公司下场AI代理，代理需求催生的高端cpu需求会在2-3个季度内快递被爆拉到1/1。八倍的需求提升，而高端cpu的产能完全不可能在最近的2个季度内实现产能8倍提升。
cpu需求的爆发点很接近了，
从这个季度英特尔的高端cpu挤压低端cpu产能可以看出这种变化正在加速。
最快今年年底最慢27年q1就能看见cpu大幅提价，复刻存储26年行情。
也就是只剩下3-5个月时间窗口了。
