Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

好喜欢这种甜甜的爱情，相互奔赴才是真爱，那种你一眼喜欢的千万远离！绝对是来报仇的！ ⸻ 很多 AI 项目，其实不是被 Kindred Labs 打败的，而是自己先失去了存在感。它们上线时都很像：一个新功能、一次性能提升、一组漂亮的 demo。刚开始确实惊艳，用两天、三天，甚至一周。然后呢？你不知不觉就不再点开了。不是不好用，而是没有再打开一次的理由。 Kindred 有点反常。它并不急着证明“我能做多少事”，而是在反复强化一件事：下一次，你为什么会想起我。角色有没有延续性，它记不记得上次的对话，情绪是不是连贯的，这些东西几乎不写在白皮书里，却直接决定用户会不会回来。这也是为什么效率型 AI 很容易被替代。当你的价值只体现在“帮我快一点”，那总会有人比你更快。但当一个 AI 占据的是心理位置，竞争维度就变了。你不是在比参数，而是在比“陪伴时间”。所以说，不是 90% 的 AI 项目不够聪明，而是它们从一开始，就选了一条留不住人的路。而 Kindred，恰好站在另一边。 #KaitoYap... show more

董小姐

8,470 subscribers

17,039 Aufrufe • vor 8 Monaten •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。不是它们不厉害，恰恰相反——都太厉害了。模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。不是“哇好强”，而是突然冒出一个不太技术的问题：如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？不是那种我问你、你马上答的关系，而是你会不会哪天顺手再点开它。有些 AI 真的很聪明，但你心里清楚，它就是工具。用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。它更像是在琢磨一件事：人为什么会愿意和一个存在长期相处？这时候我才开始注意到他们说的那套 Mind / Body / Soul。不是因为名字，而是方向。 Mind 这一层，其实挺像人。不是一直保持同一种状态。有时候你需要逻辑，有时候只是想被理解，有时候甚至不需要答案，只要有人把话接住。再加上它会记得你。不是那种冷冰冰的“你在某年某月问过什么”，而是你们之间发生过的那些事。一旦记忆变成关系的一部分，整个体验就不一样了。 Body 这点我以前真没太当回事。但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。有形象、有存在的位置，在你已经习惯的设备和场景里出现。不是为了炫，而是为了让你不抗拒。在你信任之前，你首先得觉得它“正常”、不吓人。至于 Soul，其实是我最看重的。现在的 AI 都很会，但很少有那种让人想一直留着的。 Kindred 没那么急。不催你、不拉你、不用力制造黏性。你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西，给我的感觉更像是一起走一段，而不是被系统牵着跑。所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI，但底层其实是在讲人。我们怎么建立信任，怎么产生依附，怎么愿意长期和一个存在共处。 AI 只是载体。被认真对待的，其实是人的感受。如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。不是因为它最强，而是它没有急着证明自己。

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。不是它们不厉害，恰恰相反——都太厉害了。模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。不是“哇好强”，而是突然冒出一个不太技术的问题：如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？不是那种我问你、你马上答的关系，而是你会不会哪天顺手再点开它。有些 AI 真的很聪明，但你心里清楚，它就是工具。用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。它更像是在琢磨一件事：人为什么会愿意和一个存在长期相处？这时候我才开始注意到他们说的那套 Mind / Body / Soul。不是因为名字，而是方向。 Mind 这一层，其实挺像人。不是一直保持同一种状态。有时候你需要逻辑，有时候只是想被理解，有时候甚至不需要答案，只要有人把话接住。再加上它会记得你。不是那种冷冰冰的“你在某年某月问过什么”，而是你们之间发生过的那些事。一旦记忆变成关系的一部分，整个体验就不一样了。 Body 这点我以前真没太当回事。但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。有形象、有存在的位置，在你已经习惯的设备和场景里出现。不是为了炫，而是为了让你不抗拒。在你信任之前，你首先得觉得它“正常”、不吓人。至于 Soul，其实是我最看重的。现在的 AI 都很会，但很少有那种让人想一直留着的。 Kindred 没那么急。不催你、不拉你、不用力制造黏性。你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西，给我的感觉更像是一起走一段，而不是被系统牵着跑。所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI，但底层其实是在讲人。我们怎么建立信任，怎么产生依附，怎么愿意长期和一个存在共处。 AI 只是载体。被认真对待的，其实是人的感受。如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。不是因为它最强，而是它没有急着证明自己。

董小姐｜预测世界杯就在Gate

43,660 Aufrufe • vor 8 Monaten

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,621 Aufrufe • vor 8 Monaten

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 |上Gate玩事件合约

36,252 Aufrufe • vor 9 Monaten

两个人不见面，不聊骚，不涉黄，不约会，不聊色的情况下，一个男的一个女的能聊多久？我长期观察 Kindred Labs ，有了一个清晰的判断。它真正想解决的不是 AI 像不像人，也不是 IP 会不会火，而是一个更底层的问题，IP 在数字世界里，第一次拥有完整生命周期的数据主权。现在大多数 IP 的命运都很相似。被创作被传播被消费被平台吃掉数据。用户的情绪行为偏好和记忆，全都留在平台，IP 本身却什么都带不走。 Kindred Labs 的核心改变在于，它把 IP 从一次性内容，变成一个持续运行的系统。这个系统不是靠曝光驱动，而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。真正重要的不是它是蚂蚁，而是它作为一个可持续存在的 AI 实体，每天在和用户产生可记录可学习可累积的数据关系。这点非常关键。因为一旦 IP 拥有了长期连续的数据轨迹，它就不再只是形象，而是具备了状态演化和历史。这在传统 IP 体系里是不存在的。从技术角度看，Kindred 在做的是三件事的叠加。第1️⃣：IP 的行为层被模块化，所有互动不再是一次性调用，而是状态更新。第2️⃣：用户关系被本地化，IP 不依赖平台推荐生存，而是存在于用户设备。第3️⃣：数据权属被重新定义，IP 的成长轨迹是可验证可迁移的。这三件事组合起来，本质上是在为 IP 构建一个类似账户系统的存在形式。不是账号，不是 NFT，而是一个可以持续运行的智能体。这也是为什么我不把 Kindred 看成 AI 产品公司。它更像是在搭建一个IP 的操作系统。未来每一个进入 Kindred 的 IP，本质上都是在接入同一套运行环境。从这个角度看，SATO 的经济设计反而只是外层。真正的价值在于，Kindred 已经证明了一件事。 IP 可以不依赖平台流量，也可以持续存在并扩展关系。这对内容产业意味着什么。意味着未来 IP 的估值不再只看曝光，而会开始看留存看互动深度看生命周期长度。而这些指标，只有在 Kindred 这种系统里才成立。很多人把 Kindred 和其他 AI 项目放在一起对比，其实是错位的。它不是在比模型能力，而是在重写 IP 的存在方式。从长期建设的角度，我更关心的是下一步。当更多 IP 进入这套系统，IP 之间是否会产生协作。用户是否会开始把时间分配给不同智能体。以及这些关系是否会反过来形成新的价值网络。如果这些成立，Kindred 就不是一个爆款项目。而是一条新的数字文明基础设施。这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO

两个人不见面，不聊骚，不涉黄，不约会，不聊色的情况下，一个男的一个女的能聊多久？我长期观察 Kindred Labs ，有了一个清晰的判断。它真正想解决的不是 AI 像不像人，也不是 IP 会不会火，而是一个更底层的问题，IP 在数字世界里，第一次拥有完整生命周期的数据主权。现在大多数 IP 的命运都很相似。被创作被传播被消费被平台吃掉数据。用户的情绪行为偏好和记忆，全都留在平台，IP 本身却什么都带不走。 Kindred Labs 的核心改变在于，它把 IP 从一次性内容，变成一个持续运行的系统。这个系统不是靠曝光驱动，而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。真正重要的不是它是蚂蚁，而是它作为一个可持续存在的 AI 实体，每天在和用户产生可记录可学习可累积的数据关系。这点非常关键。因为一旦 IP 拥有了长期连续的数据轨迹，它就不再只是形象，而是具备了状态演化和历史。这在传统 IP 体系里是不存在的。从技术角度看，Kindred 在做的是三件事的叠加。第1️⃣：IP 的行为层被模块化，所有互动不再是一次性调用，而是状态更新。第2️⃣：用户关系被本地化，IP 不依赖平台推荐生存，而是存在于用户设备。第3️⃣：数据权属被重新定义，IP 的成长轨迹是可验证可迁移的。这三件事组合起来，本质上是在为 IP 构建一个类似账户系统的存在形式。不是账号，不是 NFT，而是一个可以持续运行的智能体。这也是为什么我不把 Kindred 看成 AI 产品公司。它更像是在搭建一个IP 的操作系统。未来每一个进入 Kindred 的 IP，本质上都是在接入同一套运行环境。从这个角度看，SATO 的经济设计反而只是外层。真正的价值在于，Kindred 已经证明了一件事。 IP 可以不依赖平台流量，也可以持续存在并扩展关系。这对内容产业意味着什么。意味着未来 IP 的估值不再只看曝光，而会开始看留存看互动深度看生命周期长度。而这些指标，只有在 Kindred 这种系统里才成立。很多人把 Kindred 和其他 AI 项目放在一起对比，其实是错位的。它不是在比模型能力，而是在重写 IP 的存在方式。从长期建设的角度，我更关心的是下一步。当更多 IP 进入这套系统，IP 之间是否会产生协作。用户是否会开始把时间分配给不同智能体。以及这些关系是否会反过来形成新的价值网络。如果这些成立，Kindred 就不是一个爆款项目。而是一条新的数字文明基础设施。这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO

比克大魔王

571,202 Aufrufe • vor 8 Monaten

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面：这玩意儿怎么这么像拆熟食的？传统 AI 给我的感觉，就像买一整块封装好的肉。看起来油亮，切面也不错，但你永远不知道里面有没有掺点别的。你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”：它不让你信整块，而是把 AI 推理一刀一刀拆开。你不需要接受“这个模型很强”这种宏大叙事，你只需要确认一件小事：这一刀，是不是真的这么切的。说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。不是让所有人去理解整个模型，而是让验证这件事本身变轻。我不用背“我要为整个 AI 结果负责”的心理包袱，我只关心我现在用到的这一小段推理，有没有被乱来。这在很多现实场景里太重要了。医生、风控、合规，没人有精力啃完整头猪。更让我有好感的是，他们连“怎么验”都顺手简化了。我是真的讨厌管理私钥。不是不懂，是不想。每次验证之前先来一套仪式感，本身就已经在劝退人了。和 Self Chain 的无密钥方案，第一次看到的时候我心里是松了一口气的那种感觉：哦，终于不是为难普通人了。验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。它不讲终极信任，也不喊改变世界，只是很务实地把信任拆碎、摊平、递到你手里。你想验，就验这一小块。你不想理解，也没关系。未来如果 AI 真开始翻车，那些没法被拆、没法被验的模型，大概真的会被永久挂在链上当反例。我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。我更在意的是：当我真的要用 AI 的那一刻，它有没有为我考虑过。这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面：这玩意儿怎么这么像拆熟食的？传统 AI 给我的感觉，就像买一整块封装好的肉。看起来油亮，切面也不错，但你永远不知道里面有没有掺点别的。你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”：它不让你信整块，而是把 AI 推理一刀一刀拆开。你不需要接受“这个模型很强”这种宏大叙事，你只需要确认一件小事：这一刀，是不是真的这么切的。说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。不是让所有人去理解整个模型，而是让验证这件事本身变轻。我不用背“我要为整个 AI 结果负责”的心理包袱，我只关心我现在用到的这一小段推理，有没有被乱来。这在很多现实场景里太重要了。医生、风控、合规，没人有精力啃完整头猪。更让我有好感的是，他们连“怎么验”都顺手简化了。我是真的讨厌管理私钥。不是不懂，是不想。每次验证之前先来一套仪式感，本身就已经在劝退人了。和 Self Chain 的无密钥方案，第一次看到的时候我心里是松了一口气的那种感觉：哦，终于不是为难普通人了。验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。它不讲终极信任，也不喊改变世界，只是很务实地把信任拆碎、摊平、递到你手里。你想验，就验这一小块。你不想理解，也没关系。未来如果 AI 真开始翻车，那些没法被拆、没法被验的模型，大概真的会被永久挂在链上当反例。我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。我更在意的是：当我真的要用 AI 的那一刻，它有没有为我考虑过。这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 MemeMax ⚡️ 🐬TermMax

27,155 Aufrufe • vor 8 Monaten

芒格说，普通人实现财富自由的关键，就是拼命攒下第一个100万。这句话听起来有点让人摸不着头脑，因为他没有告诉你机会在哪、风口在哪，也没有点出一夜翻身的机会，但他极度真实。你仔细想想，大多数普通人一辈子卡住，不是因为赚不到钱，而是因为钱始终留不下来。工资涨了，生活立刻升级；账户刚有点积蓄，欲望就开始排队。于是你会发现一个残酷现实：忙了十年，好像很努力，却依然对未来没有安全感。芒格为什么死死盯着第一个100万？因为在这之前，你赚的每一分钱，本质上都是在卖命——卖时间、卖精力、卖健康、卖情绪。只要你停下来，收入就立刻归零。而第一个100万，不是让你变有钱，而是让你第一次有资格，让钱帮你分担人生风险。我见过很多人，在月薪一两万的时候，活得比百万身价的人还焦虑。为什么？因为他们的生活完全依赖下一次工资到账。一场病、一次裁员、一个家庭变故，就足以把他们推回原点。这不是能力问题，而是结构问题。芒格看问题，从来不看表象，他只关心一件事：你有没有站在正确的一侧。第一个100万，就是普通人第一次站到复利那一边。我讲一个特别普通的例子。一个朋友没有暴富机会，也没做什么惊天动地的投资，他只做了一件事：给自己定了一个很笨的目标——每年存十万，不管怎么样，先存下来。投资很保守，指数基金加债券，年化七个点左右。头几年几乎没有存在感，第三年30多万，第五年50多万。这时候最容易放弃，因为你会怀疑，这点增长到底有什么意义。但第七年账户破百万的那一刻，他的心态明显变了。不是兴奋，而是一种“我好像没那么怕未来了”的踏实。从这一天开始，钱的角色发生变化，它不再只是存款，而是开始持续产生结果。接下来几个100万，用的时间明显缩短。你会发现一个反直觉的事实：越往后，你越不是靠攒，而是靠钱生钱。这就是芒格反复强调的复利。但多数人误会了复利。复利不是加速器，而是放大镜，它会放大你的纪律，也会放大你的错误。如果你忍不住消费，复利会让你永远在起点打转；如果你能守住本金，时间就会站到你这边。为什么第一个100万最难？因为它考验的不是智商，不是眼光，而是长期克制的能力——克制攀比、克制冲动、克制“先爽一下再说”的诱惑。芒格说过一句非常冷静的话：真正的风险，不是赚钱慢，而是在你没资格的时候，提前过上资本生活。很多人不是穷，而是太急。刚有点积蓄，就想换车、换表、换生活方式。结果是，每一次奖励自己，都在亲手掐断复利的脖子。芒格这一生从不追求刺激，他只做三件事：少犯错、不出局、让时间工作。第一个100万，就是你能否进入这套系统的门票。你不需要一夜暴富，也不需要抓住所有机会，你只需要问自己一个问题：如果明天什么都不发生，我的人生会不会继续变好？当资产开始替你承担一部分未来，你才真正拥有选择权——选择慢一点，选择不加班，选择不讨好，选择不焦虑。所以，如果你现在还在为第一个100万拼命，别怀疑自己，你正在走的，本来就是最难也最值钱的那一段。如果你现在还在为第一个100万咬牙，别急着否定自己，你正在经历的，正是人生里最安静也最昂贵的一段爬升期。火箭起飞之前，总是慢得不像话，但只要不熄火，时间终究会站到你这边。记住芒格这句话：第一个100万，不是财富的终点，它只是你真正第一次看到复利世界的大门，为你打开的那一刻。

芒格说，普通人实现财富自由的关键，就是拼命攒下第一个100万。这句话听起来有点让人摸不着头脑，因为他没有告诉你机会在哪、风口在哪，也没有点出一夜翻身的机会，但他极度真实。你仔细想想，大多数普通人一辈子卡住，不是因为赚不到钱，而是因为钱始终留不下来。工资涨了，生活立刻升级；账户刚有点积蓄，欲望就开始排队。于是你会发现一个残酷现实：忙了十年，好像很努力，却依然对未来没有安全感。芒格为什么死死盯着第一个100万？因为在这之前，你赚的每一分钱，本质上都是在卖命——卖时间、卖精力、卖健康、卖情绪。只要你停下来，收入就立刻归零。而第一个100万，不是让你变有钱，而是让你第一次有资格，让钱帮你分担人生风险。我见过很多人，在月薪一两万的时候，活得比百万身价的人还焦虑。为什么？因为他们的生活完全依赖下一次工资到账。一场病、一次裁员、一个家庭变故，就足以把他们推回原点。这不是能力问题，而是结构问题。芒格看问题，从来不看表象，他只关心一件事：你有没有站在正确的一侧。第一个100万，就是普通人第一次站到复利那一边。我讲一个特别普通的例子。一个朋友没有暴富机会，也没做什么惊天动地的投资，他只做了一件事：给自己定了一个很笨的目标——每年存十万，不管怎么样，先存下来。投资很保守，指数基金加债券，年化七个点左右。头几年几乎没有存在感，第三年30多万，第五年50多万。这时候最容易放弃，因为你会怀疑，这点增长到底有什么意义。但第七年账户破百万的那一刻，他的心态明显变了。不是兴奋，而是一种“我好像没那么怕未来了”的踏实。从这一天开始，钱的角色发生变化，它不再只是存款，而是开始持续产生结果。接下来几个100万，用的时间明显缩短。你会发现一个反直觉的事实：越往后，你越不是靠攒，而是靠钱生钱。这就是芒格反复强调的复利。但多数人误会了复利。复利不是加速器，而是放大镜，它会放大你的纪律，也会放大你的错误。如果你忍不住消费，复利会让你永远在起点打转；如果你能守住本金，时间就会站到你这边。为什么第一个100万最难？因为它考验的不是智商，不是眼光，而是长期克制的能力——克制攀比、克制冲动、克制“先爽一下再说”的诱惑。芒格说过一句非常冷静的话：真正的风险，不是赚钱慢，而是在你没资格的时候，提前过上资本生活。很多人不是穷，而是太急。刚有点积蓄，就想换车、换表、换生活方式。结果是，每一次奖励自己，都在亲手掐断复利的脖子。芒格这一生从不追求刺激，他只做三件事：少犯错、不出局、让时间工作。第一个100万，就是你能否进入这套系统的门票。你不需要一夜暴富，也不需要抓住所有机会，你只需要问自己一个问题：如果明天什么都不发生，我的人生会不会继续变好？当资产开始替你承担一部分未来，你才真正拥有选择权——选择慢一点，选择不加班，选择不讨好，选择不焦虑。所以，如果你现在还在为第一个100万拼命，别怀疑自己，你正在走的，本来就是最难也最值钱的那一段。如果你现在还在为第一个100万咬牙，别急着否定自己，你正在经历的，正是人生里最安静也最昂贵的一段爬升期。火箭起飞之前，总是慢得不像话，但只要不熄火，时间终究会站到你这边。记住芒格这句话：第一个100万，不是财富的终点，它只是你真正第一次看到复利世界的大门，为你打开的那一刻。

另一面

14,525 Aufrufe • vor 6 Monaten

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

🎬 90% 的人没用明白 Codex。因为一开始就把它当成了 ChatGPT。但 Codex 最厉害的地方，从来不是聊天，而是动手。它会读项目、改文件、做表格、操作浏览器，直接在你的电脑里完成任务。 💡 真正决定体验的也不是 Prompt，而是四件事：Project、Permissions、Context 和 AGENTS.md。少一个都能用，多一个才开始好用。我后来甚至不把它当 AI，而是当新人来带：先教它，再纠正它，最后把经验沉淀成 Skill。当你开始这样用 Codex，它就不再是助手，而是一套持续进化的工作系统。

Martin

27,560 Aufrufe • vor 3 Monaten

《关于接话》你有没有发现—— 有些人一开口，气氛就热了；而有些人，一说话，场子就冷了。问题往往不在“会不会说话”，而在——你会不会“接话”。很多人接不好话，根本原因不是嘴笨，而是太关注自己了。你脑子里想的全是：我该说什么？会不会说错？这样说显得聪明吗？于是，你根本没有在听对方。真正会说话的人，心里装的不是自己，而是对方。当你的注意力，真的放在对方身上—— 你在听他的情绪，你在接他的重点，你在顺着他的节奏。接话，就会变得很自然。社交的本质，从来不是你说了什么，而是—— 你让对方，感受到了什么。

《关于接话》你有没有发现—— 有些人一开口，气氛就热了；而有些人，一说话，场子就冷了。问题往往不在“会不会说话”，而在——你会不会“接话”。很多人接不好话，根本原因不是嘴笨，而是太关注自己了。你脑子里想的全是：我该说什么？会不会说错？这样说显得聪明吗？于是，你根本没有在听对方。真正会说话的人，心里装的不是自己，而是对方。当你的注意力，真的放在对方身上—— 你在听他的情绪，你在接他的重点，你在顺着他的节奏。接话，就会变得很自然。社交的本质，从来不是你说了什么，而是—— 你让对方，感受到了什么。

shun

12,028 Aufrufe • vor 5 Monaten

🤣🤣🤣被ai玩坏了咯！！！ —— 大的什么时候才能到来这两天一直在刷到 Kindred Labs 的动静，说实话，这种“你懂的”式暗示一出来，基本就能判断：空投和 TGE 应该离得不远了。放在 Sei 生态里看，它现在的关注度也确实排在前面。但让我更在意的，其实是另一件事。我看到不少人把 Kindred 简单归类成“接了 API 的聊天工具”，每次看到这种说法，我都会有点替项目可惜——因为这明显低估了它真正想做的事情。如果只是套壳主流大模型，在现在这个 AI 项目密集到几乎同质化的赛道里，根本不可能靠运气站住脚。Kindred Labs 没走那条路。它把情绪拆解成唤醒度、愉悦度、支配度三个维度，用上下文、表达节奏和长期互动来判断一个人的真实状态。差别在于：普通 AI 只“听懂话”，而 Kindred Labs 在尝试“理解人”。你说一句“没事”，多数 AI 会照字面理解；但 Kindred 更像是会停一下，意识到你可能是在强装平静，然后给出更贴合当下情绪的回应。这种持续学习、越聊越懂你边界和性格的设计，其实带来的是一种很微妙的情感连接感，而不是功能堆叠。这也是我觉得它能留下用户的核心原因。现在太多 AI 项目在拼谁更聪明、参数更大、功能更多，但越往后我越确信：真正的分水岭不会是智力，而是“理解力”。谁能读懂人的状态、尊重人的情绪，而不是冷冰冰地输出答案，谁才更可能走得远。从这个角度看，Kindred 至少是在往一个我个人很认可的方向探索。 #KaitoYap Kaito AI 🌊 Kindred Labs #Yap Max Giammario $KIN

🤣🤣🤣被ai玩坏了咯！！！ —— 大的什么时候才能到来这两天一直在刷到 Kindred Labs 的动静，说实话，这种“你懂的”式暗示一出来，基本就能判断：空投和 TGE 应该离得不远了。放在 Sei 生态里看，它现在的关注度也确实排在前面。但让我更在意的，其实是另一件事。我看到不少人把 Kindred 简单归类成“接了 API 的聊天工具”，每次看到这种说法，我都会有点替项目可惜——因为这明显低估了它真正想做的事情。如果只是套壳主流大模型，在现在这个 AI 项目密集到几乎同质化的赛道里，根本不可能靠运气站住脚。Kindred Labs 没走那条路。它把情绪拆解成唤醒度、愉悦度、支配度三个维度，用上下文、表达节奏和长期互动来判断一个人的真实状态。差别在于：普通 AI 只“听懂话”，而 Kindred Labs 在尝试“理解人”。你说一句“没事”，多数 AI 会照字面理解；但 Kindred 更像是会停一下，意识到你可能是在强装平静，然后给出更贴合当下情绪的回应。这种持续学习、越聊越懂你边界和性格的设计，其实带来的是一种很微妙的情感连接感，而不是功能堆叠。这也是我觉得它能留下用户的核心原因。现在太多 AI 项目在拼谁更聪明、参数更大、功能更多，但越往后我越确信：真正的分水岭不会是智力，而是“理解力”。谁能读懂人的状态、尊重人的情绪，而不是冷冰冰地输出答案，谁才更可能走得远。从这个角度看，Kindred 至少是在往一个我个人很认可的方向探索。 #KaitoYap Kaito AI 🌊 Kindred Labs #Yap Max Giammario $KIN

董小姐 |Gate美股0费率

55,445 Aufrufe • vor 8 Monaten

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

比特币橙子Trader

122,896 Aufrufe • vor 8 Monaten

🔥AI搬回本地！ $NVDA 黃仁勋剛剛宣布重大突破，个人电脑迎来全新时代！ ———————————— 过去四十年，一直是你在伺候电脑。这一次，它要反过来。我们这代人，是被机器训练大的。记快捷键，清后台，等进度条，文件存在哪个文件夹自己得记牢，我们学会的全是“迁就它”，把自己一点点训练得像台机器，它才肯好好干活。所以黄仁勋这次最重要的东西，很多人看漏了。不是又一个开源模型，也不是新芯片的跑分。是 AI 要从云端“搬回家”，住进你这台本机里。这两年我们用的 AI，说穿了都是“租来的大脑”。你得先把家底打包上传：合同、工资条、还没写完的东西、和家人的聊天记录。它在别人的机房里跑，按别人的价收钱，入口攥在别人手里。聪明是真聪明，可它始终不是你的，你只是个访客。而“本地 Agent”这四个字的意思是：这些东西，终于可以留在你自己屋里了。不用上传，不用排队，不用看网速的脸色。它能看你的文件、懂你开着的软件、替你把那些零碎活儿干完。第一次，电脑不再是你点一下它动一下的工具，而是一个会自己动手的人。为了这件事，老黄把数据中心级的算力，上百 GB 的统一内存、接近一个 petaflop 的性能，硬塞进了一台摆得上书桌的小机器。不是为了让你在本地跑个玩具模型，是为了让你桌上这台电脑，真有本事自己干活。往大了说，棋局其实很清楚：云端那颗大脑，继续在数据中心里想最难的事；你桌上这台，负责手脚，管你每天的柴米油盐。而老黄想要的，是大脑和手脚，两头都攥在自己手里。但我更想讲的，是那种很具体的感觉。PC 是上一代互联网的入口，手机是移动时代的入口。下一个入口不在某个网站里，就在你书桌上那台开机的电脑里。谁先住进去，谁拿下下一个十年。所以他这次真正想说的，从来不是“我们出了块更强的芯片”。而是过去四十年，你把自己训练得越来越像一台电脑。从今往后，是电脑，开始学着像你请来的那个人。

🔥AI搬回本地！ $NVDA 黃仁勋剛剛宣布重大突破，个人电脑迎来全新时代！ ———————————— 过去四十年，一直是你在伺候电脑。这一次，它要反过来。我们这代人，是被机器训练大的。记快捷键，清后台，等进度条，文件存在哪个文件夹自己得记牢，我们学会的全是“迁就它”，把自己一点点训练得像台机器，它才肯好好干活。所以黄仁勋这次最重要的东西，很多人看漏了。不是又一个开源模型，也不是新芯片的跑分。是 AI 要从云端“搬回家”，住进你这台本机里。这两年我们用的 AI，说穿了都是“租来的大脑”。你得先把家底打包上传：合同、工资条、还没写完的东西、和家人的聊天记录。它在别人的机房里跑，按别人的价收钱，入口攥在别人手里。聪明是真聪明，可它始终不是你的，你只是个访客。而“本地 Agent”这四个字的意思是：这些东西，终于可以留在你自己屋里了。不用上传，不用排队，不用看网速的脸色。它能看你的文件、懂你开着的软件、替你把那些零碎活儿干完。第一次，电脑不再是你点一下它动一下的工具，而是一个会自己动手的人。为了这件事，老黄把数据中心级的算力，上百 GB 的统一内存、接近一个 petaflop 的性能，硬塞进了一台摆得上书桌的小机器。不是为了让你在本地跑个玩具模型，是为了让你桌上这台电脑，真有本事自己干活。往大了说，棋局其实很清楚：云端那颗大脑，继续在数据中心里想最难的事；你桌上这台，负责手脚，管你每天的柴米油盐。而老黄想要的，是大脑和手脚，两头都攥在自己手里。但我更想讲的，是那种很具体的感觉。PC 是上一代互联网的入口，手机是移动时代的入口。下一个入口不在某个网站里，就在你书桌上那台开机的电脑里。谁先住进去，谁拿下下一个十年。所以他这次真正想说的，从来不是“我们出了块更强的芯片”。而是过去四十年，你把自己训练得越来越像一台电脑。从今往后，是电脑，开始学着像你请来的那个人。

老白

14,544 Aufrufe • vor 3 Monaten

作为一名理工男，看到 Notion 创始人 Ivan Zhao 的这篇文章和视频，感触确实挺深的。Notion 和Obsidian是唯一两个我用来做学习记录的工具，用Notion你绝对会感受到开发者那种人文感。如果你最近也因为 AI 的各种进化感到焦虑，甚至觉得自己的专业技能快要“贬值”了，那这个视频真的非常推荐你看一下。它不是在贩卖焦虑，反而在帮我们梳理在 AI 时代，到底什么是“人”的核心价值。我们习惯了卷代码、卷效率、卷逻辑，但 Ivan Zhao 提出了一个很扎心的观点：当 AI 让脑力劳动变得像自来水一样廉价时，以往那种“拼谁记得多、拼谁手快”的努力方式可能真的不值钱了。但这并不代表人类没戏了，恰恰相反，这其实是给了我们一次“变回人”的机会。以前我们为了追求效率，把自己练成了机器的一环。现在 AI 帮我们分担了那些繁重、重复的工作，反而逼着我们去思考一些更本质的东西。未来人与人之间的差距，不再是技术掌握得多深，而是你的审美、你对人性的理解、以及你独立思考的能力。说白了，AI 就像油门，而我们的“品味”和“判断力”才是方向盘。如果你没有那种人文层面的沉淀，那你只是在用更快的速度制造数字垃圾。我们得学着从一个“干活的工匠”转型成一个“挑剔的甲方”，去驾驭 AI，而不是被它取代。所以没必要焦虑，现在的重点不再是死磕某项具体的技术参数，而是要回过头来经营好你自己这个“人”。不管是做个人 IP，还是提升精神层面的独立性，本质上都是在强化那些 AI 模拟不出来的灵魂。人变强大了，AI 才只是你手里的一件趁手工具。当“怎么做”不再是门槛，我们唯一的胜算就是把那个“真实的自我”活得更有厚度。如果把执行全都交给 AI，你觉得我们身上还有什么东西是机器永远拿不走的？欢迎评论区说说你的想法。这是一个非常值得看的视频，强烈推荐！

作为一名理工男，看到 Notion 创始人 Ivan Zhao 的这篇文章和视频，感触确实挺深的。Notion 和Obsidian是唯一两个我用来做学习记录的工具，用Notion你绝对会感受到开发者那种人文感。如果你最近也因为 AI 的各种进化感到焦虑，甚至觉得自己的专业技能快要“贬值”了，那这个视频真的非常推荐你看一下。它不是在贩卖焦虑，反而在帮我们梳理在 AI 时代，到底什么是“人”的核心价值。我们习惯了卷代码、卷效率、卷逻辑，但 Ivan Zhao 提出了一个很扎心的观点：当 AI 让脑力劳动变得像自来水一样廉价时，以往那种“拼谁记得多、拼谁手快”的努力方式可能真的不值钱了。但这并不代表人类没戏了，恰恰相反，这其实是给了我们一次“变回人”的机会。以前我们为了追求效率，把自己练成了机器的一环。现在 AI 帮我们分担了那些繁重、重复的工作，反而逼着我们去思考一些更本质的东西。未来人与人之间的差距，不再是技术掌握得多深，而是你的审美、你对人性的理解、以及你独立思考的能力。说白了，AI 就像油门，而我们的“品味”和“判断力”才是方向盘。如果你没有那种人文层面的沉淀，那你只是在用更快的速度制造数字垃圾。我们得学着从一个“干活的工匠”转型成一个“挑剔的甲方”，去驾驭 AI，而不是被它取代。所以没必要焦虑，现在的重点不再是死磕某项具体的技术参数，而是要回过头来经营好你自己这个“人”。不管是做个人 IP，还是提升精神层面的独立性，本质上都是在强化那些 AI 模拟不出来的灵魂。人变强大了，AI 才只是你手里的一件趁手工具。当“怎么做”不再是门槛，我们唯一的胜算就是把那个“真实的自我”活得更有厚度。如果把执行全都交给 AI，你觉得我们身上还有什么东西是机器永远拿不走的？欢迎评论区说说你的想法。这是一个非常值得看的视频，强烈推荐！

纽约博叔

125,862 Aufrufe • vor 8 Monaten

杰哥也是个渣男！哼！和豆腐先生一样晕豆腐但是青云嫂可真美！李嘉欣我也爱！！ —— 说实话，我第一次看 Mike 这段采访时，并没有被什么“AI 愿景”打动。真正让我停下来思考的，是一个很简单的感觉： Talus 好像默认了一个前提——未来不是人亲自下场，而是“派东西下场”。你不再自己盯着 DeFi、刷链上机会、算风险，而是把一套判断和规则交出去，让它替你跑。这不是工具升级，更像是身份的外包。那为什么非得折腾到链上？因为如果 AI 全都跑在中心化服务器里，说白了还是平台的。平台随时可以关、改规则、优先自家账户。你用得再熟，也只是“借用”。 Talus 看起来是在较真一件事：如果 AI 要替你赚钱、替你决策，那它必须是你真正“拥有”的。能被验证、能被追责、也能光明正大地结算收益。至于他们为什么选 Sui，我的理解一点也不浪漫。不是因为口号，而是因为没别的链能撑住这种玩法。当你把世界想象成几千、几万甚至更多 Agent 同时在链上做决定、改状态、动资产—— 你就会发现，顺序执行的链根本不够用。 Sui 更像一个能并行跑任务的底层系统，每个 Agent 各干各的，不卡、不抢、不排队。再加上 Move 把“钱是谁的”这件事写死在规则里，至少你敢让 AI 碰资产。我不觉得 Talus 现在已经很成熟。但它让我第一次认真想了一件事：以后拼的，可能不是你多努力，而是你放出去的那个“替身”，有没有比别人的跑得更聪明。这事一旦成立，世界的玩法真的会变。 #KaitoYap Kaito AI 🌊 #Yap Talus Labs Talus 🐸 $US

杰哥也是个渣男！哼！和豆腐先生一样晕豆腐但是青云嫂可真美！李嘉欣我也爱！！ —— 说实话，我第一次看 Mike 这段采访时，并没有被什么“AI 愿景”打动。真正让我停下来思考的，是一个很简单的感觉： Talus 好像默认了一个前提——未来不是人亲自下场，而是“派东西下场”。你不再自己盯着 DeFi、刷链上机会、算风险，而是把一套判断和规则交出去，让它替你跑。这不是工具升级，更像是身份的外包。那为什么非得折腾到链上？因为如果 AI 全都跑在中心化服务器里，说白了还是平台的。平台随时可以关、改规则、优先自家账户。你用得再熟，也只是“借用”。 Talus 看起来是在较真一件事：如果 AI 要替你赚钱、替你决策，那它必须是你真正“拥有”的。能被验证、能被追责、也能光明正大地结算收益。至于他们为什么选 Sui，我的理解一点也不浪漫。不是因为口号，而是因为没别的链能撑住这种玩法。当你把世界想象成几千、几万甚至更多 Agent 同时在链上做决定、改状态、动资产—— 你就会发现，顺序执行的链根本不够用。 Sui 更像一个能并行跑任务的底层系统，每个 Agent 各干各的，不卡、不抢、不排队。再加上 Move 把“钱是谁的”这件事写死在规则里，至少你敢让 AI 碰资产。我不觉得 Talus 现在已经很成熟。但它让我第一次认真想了一件事：以后拼的，可能不是你多努力，而是你放出去的那个“替身”，有没有比别人的跑得更聪明。这事一旦成立，世界的玩法真的会变。 #KaitoYap Kaito AI 🌊 #Yap Talus Labs Talus 🐸 $US

董小姐

73,450 Aufrufe • vor 9 Monaten

很多人一聊到选哪条链？第一反应都是：热度高不高？补贴多不多？生态有没有流量？但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议，我反而有种感觉：这不是在给 Sui 站台，更像是一场技术自白。首先Talus 选 Sui，真的不是因为它现在火。而是因为 Talus 想做的这件事，在别的链上，很难跑得像样。先说清楚一点：Talus 要做的不是一个 AI 应用，也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络：成千上万个代理同时运行、同时决策、同时交互。光是这个前提，就把底层链的门槛直接拉满。为什么是 Sui？我听下来，核心其实就三点。第一，并行执行。代理世界不是排队点菜，不是你先我后那种单线程逻辑。代理一多，如果底层还是串行执行，结果只有一个：越跑越卡，最后只能做 demo。Sui 的并行执行，本质上就是为“多主体同时操作” 这种系统准备的，这点和 Talus 的形态非常贴合。第二，高吞吐量。代理不是偶尔动一下，而是持续、高频地产生状态变化。TPS 要是撑不住，所有“自主”“实时”都会变成慢动作回放。对 Talus 来说，吞吐量不是加分项，是能不能活下来的前提条件。第三，移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑，它一定会越来越靠近用户。Sui 在账户模型和安全设计上，本身就更像现代应用，而不是早期 DeFi 那套「钱包就是一切」的逻辑。所以当 gmike 说“我们一直都是 SUI Maxis”，我反而觉得这句话挺克制的。这不是情绪站队，而是工程师视角下的现实选择。至于多链？我自己的理解是：Talus 不是不懂多链，而是很清楚——在基础设施阶段，过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统，先把一个底层跑通、跑稳，比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”，但真正做底层的人，往往会先问一句：现在这个系统在哪条链上能真正跑到规模？从这个角度看，Talus 的选择是理性的，也是偏长期的。不追热点，不抢流量，先把代理世界里最难的那一块解决掉。这种项目短期不一定最热，但一旦真跑起来，后面的持续热度，反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝

很多人一聊到选哪条链？第一反应都是：热度高不高？补贴多不多？生态有没有流量？但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议，我反而有种感觉：这不是在给 Sui 站台，更像是一场技术自白。首先Talus 选 Sui，真的不是因为它现在火。而是因为 Talus 想做的这件事，在别的链上，很难跑得像样。先说清楚一点：Talus 要做的不是一个 AI 应用，也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络：成千上万个代理同时运行、同时决策、同时交互。光是这个前提，就把底层链的门槛直接拉满。为什么是 Sui？我听下来，核心其实就三点。第一，并行执行。代理世界不是排队点菜，不是你先我后那种单线程逻辑。代理一多，如果底层还是串行执行，结果只有一个：越跑越卡，最后只能做 demo。Sui 的并行执行，本质上就是为“多主体同时操作” 这种系统准备的，这点和 Talus 的形态非常贴合。第二，高吞吐量。代理不是偶尔动一下，而是持续、高频地产生状态变化。TPS 要是撑不住，所有“自主”“实时”都会变成慢动作回放。对 Talus 来说，吞吐量不是加分项，是能不能活下来的前提条件。第三，移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑，它一定会越来越靠近用户。Sui 在账户模型和安全设计上，本身就更像现代应用，而不是早期 DeFi 那套「钱包就是一切」的逻辑。所以当 gmike 说“我们一直都是 SUI Maxis”，我反而觉得这句话挺克制的。这不是情绪站队，而是工程师视角下的现实选择。至于多链？我自己的理解是：Talus 不是不懂多链，而是很清楚——在基础设施阶段，过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统，先把一个底层跑通、跑稳，比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”，但真正做底层的人，往往会先问一句：现在这个系统在哪条链上能真正跑到规模？从这个角度看，Talus 的选择是理性的，也是偏长期的。不追热点，不抢流量，先把代理世界里最难的那一块解决掉。这种项目短期不一定最热，但一旦真跑起来，后面的持续热度，反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝

百里 🌊RIVER | MemeMax⚡️|🧠SENT

13,710 Aufrufe • vor 9 Monaten

你等我放出来的我让你嘚瑟如果你觉得 AI 只是一个冷冰冰的语音助手，那是因为它还缺少一个让你愿意倾诉的壳 #KindredAi Kindred Labs做了一件很聪明也很有温度的事：它把全球知名的 IP（比如天线宝宝、Axie Infinity、Hello Kitty 等）变成了有情绪、有记忆的数字生命，这不只是换个皮肤那么简单。为什么 IP 结合 AI 是刚需？以往我们看《天线宝宝》，它只是屏幕里的画面；但通过 Kindred，丁丁或拉拉变成了你可以互动的伙伴打破恐怖谷效应：比起模拟一个僵硬的虚拟人，熟悉可爱的 IP 角色更能让人放下戒备，产生天然的信任感从工具到陪伴：你不会对计算器产生感情，但你会对一个陪你聊了半年、记得你生日的数字宠物产生依赖实际场景：不仅仅是聊天想象一下，当你打开浏览器工作时，一个来自 Kindred Labs 的数字伴侣就在你的屏幕角落，它不是在监视你，而是根据你的状态实时互动就像当你深夜加班疲惫时，它可能不会死板地提醒你该睡觉了，而是以该角色的口吻，给你分享一个治愈的小故事，甚至利用它背后的 AI 逻辑，帮你整理好刚才凌乱的笔记这就是 #KindredAi 的野心：利用 IP 的文化共鸣，把 AI 这种尖端技术，润物细无声地塞进每个人的日常生活里它让科技不再是高高在上的代码，而是变成了触手可及的、有灵魂的陪伴 #KindredAI #KaitoYap Kaito AI 🌊 #Yap

你等我放出来的我让你嘚瑟如果你觉得 AI 只是一个冷冰冰的语音助手，那是因为它还缺少一个让你愿意倾诉的壳 #KindredAi Kindred Labs做了一件很聪明也很有温度的事：它把全球知名的 IP（比如天线宝宝、Axie Infinity、Hello Kitty 等）变成了有情绪、有记忆的数字生命，这不只是换个皮肤那么简单。为什么 IP 结合 AI 是刚需？以往我们看《天线宝宝》，它只是屏幕里的画面；但通过 Kindred，丁丁或拉拉变成了你可以互动的伙伴打破恐怖谷效应：比起模拟一个僵硬的虚拟人，熟悉可爱的 IP 角色更能让人放下戒备，产生天然的信任感从工具到陪伴：你不会对计算器产生感情，但你会对一个陪你聊了半年、记得你生日的数字宠物产生依赖实际场景：不仅仅是聊天想象一下，当你打开浏览器工作时，一个来自 Kindred Labs 的数字伴侣就在你的屏幕角落，它不是在监视你，而是根据你的状态实时互动就像当你深夜加班疲惫时，它可能不会死板地提醒你该睡觉了，而是以该角色的口吻，给你分享一个治愈的小故事，甚至利用它背后的 AI 逻辑，帮你整理好刚才凌乱的笔记这就是 #KindredAi 的野心：利用 IP 的文化共鸣，把 AI 这种尖端技术，润物细无声地塞进每个人的日常生活里它让科技不再是高高在上的代码，而是变成了触手可及的、有灵魂的陪伴 #KindredAI #KaitoYap Kaito AI 🌊 #Yap

Winner🔶BNB | 美股合约首选Gate

58,737 Aufrufe • vor 8 Monaten