Trissy

vip
币龄 3.4 年
最高 VIP 等级 0
用户暂无简介
Robinhood 就是 Base 被用来成为的样子。
仅凭这一点,就让我对 $CASHCAT 交易如此看涨。
熊市迫使所有人陷入过度的风险管理,并失去了对那些可能引爆的叙事进行火力全开的能力,进而形成突破型交易。
这也就是为什么 $ANSEM 表现得如此出色,因为市场共识转向了这样一种想法:在模因(memes)里不会再出现 9+ 位数的中大型上涨跑者了。现在这件事已经发生过一次了,精灵已经从瓶子里跑出来了。仅仅来自 CZ 的几个暗示,就几乎把一枚币推向 9 位数。
即便如此,考虑到 L1 以及新的链在尝试“吸引注意力和流动性”的失败数量,这可能甚至比模因币叙事的死亡还要糟。
我们正在看到 DEX 交易量在首周就已经接近 Sol 的水平,同时团队那边几乎没有什么沟通,Vlad 也几乎没有动静。
再说一次,我并不是想用我的看涨情绪来“先把你打懵”。这些只是我认为交易者在“认知”和“现实”之间存在出入的主要因素而已。如果 RH 团队沉默下去并停止背书等等,那么 Cashcat 显然会很快走完它的生命周期。基于目前的支持和暗示,我觉得可以公平地说,他们在概率上不太可能让这件事就此死去。CFO 的个人简介里写着 Cashcat…
会不会上架?他们在什么情况下上架最理想,才能同时实现链上层面的胜利,并让用户在上架时按上架价格买入这枚币?
最初我买的时候,我觉得上架定价相对划算,但经过进一
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
与Anthropic对抗战争部的斗争对于我们的自由至关重要。
我们正在关注政府首次公开尝试利用AI进行大规模监控。
“我们用你的产品捕获了委内瑞拉总统”可以翻译为“你们需要完全控制以监控用户行为,让我们能够推送政治宣传,并对未来决策施加控制,因为我们拥有大量的行为数据”。
这与CBDC的理念完全相同,甚至更具破坏性。虽然我没有看到政府会因为“国家安全风险”而放慢控制科技公司的步伐,但公众必须对此进行反对。
使用Claude、ChatGPT和其他AI工具,数据变得更加个性化。你可以问一些非常私人的问题,而这些问题通过Google很难获得,许多人甚至与他们的助手建立了真正的关系,尽管听起来很奇怪。
你基本上可以微观了解大多数社会的思维、逻辑和反应。只需对大型语言模型(LLM)进行一些微调,就能重塑他们的思维模式和信仰,这并不是什么高深的科学。
AI军备竞赛正在加速,使美国在对抗中国时处于脆弱位置。通过Claude成功提取委内瑞拉总统的案例,为战争部推动其激进议程提供了完美的铺垫。
如果Anthropic倒闭并让战争部获得超控权限,美国很快就会变成一个类似中国的共产主义国家。
为什么这如此重要:这是对一家领先AI公司的首次示范,意味着它为所有后续公司树立了先例。
创新和技术极大依赖于顶级AI公司的规模扩展。很快我们将在社会中看到类人机器人,它们将主要使用相同的LLM和框架。如果强制在这些
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
盈利模型
鉴于我们最近经历了行业历史上最严重的清算之一,我想分享几个获利模型,以帮助那些正在复苏或希望生存更长时间的人。
这些将基于投资组合估值,并使用50k、100k、200k和500k进行简单的数学计算。
您可以根据个人情况和投资组合调整这些数字的规模。
模型 #1:在里程碑处提取百分比 (我最喜欢的)
线性:
20% @ 50k = 10千
20% @ 100k = 20千
20% @ 200千 = 40千
20% @ 500千 = 100千
动态:
10% @ 50k = 5千
20% @ 100k = 20千
30% @ 200千 = 60千
40% @ 500千 = 200千
我个人更倾向于一种更动态的方法,因为在早期阶段,资本对你的扩展至关重要,如果这对你的生活方式不是至关重要的,你不想在早期就抽出大笔资金。这个想法是保证你的未来,同时尽可能快地实现目标。
模型 #2:在里程碑(进行Twapping 每周提款)
线性:
投资额 >50k = 每周提款2% = 每周1000
>100千 = 每周2%提取 = 每周2000
>200千 = 每周2%提现 = 每周4000
>500千 = 每周2%的提现 = 每周10000
动态:
>50千 = 每周1%提款 = 每周500
>100千 = 每周2%提现 = 每周2000
>200千 = 每周4%提取 = 每周8000
>5
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
在互联网和网页开发的早期,一切都是用原始的JavaScript或HTML手动编写的。
每个网络应用都是一个独立的孤岛。随着它们变得更加复杂,社区发明了像 Webpack 和 Vite 这样的工具,它们是模块打包器和构建系统,可以自动处理不同的文件类型和资产。
这意味着开发者可以将图像、字体或 TypeScript 文件导入到他们的项目中,打包工具的加载器将知道如何处理它 (将 TS 转换为 JS,内联图像等)。
浏览器本身只理解HTML/CSS/JS,但这些工具包将其他格式编码/解码为浏览器友好的输出。
尽管这只是对数据格式的小调整,但它彻底改变了网页开发。
由于它解锁了更快的迭代循环和更好的实验,您可以使用更高级的语言(如TypeScript或框架),因为构建工具会为您翻译它们。
这导致了网络应用的爆炸性增长以及一个更加密集的生态系统,因为开发者不再浪费时间为每个项目重新发明构建管道。
同样,机器人技术处于一个预 Webpack 阶段,许多团队仍然“手动编写”他们的数据管道。
一个像$CODEC 这样的工具包可以为机器人数据做的事情,就像Webpack为网络资产所做的那样。
这是 @unmoyai 的愿景,也是“编解码器”的原始定义。
这将使机器人开发人员能够更轻松地整合新的数据源或格式,而无需进行数月的定制工程。
这将导致更快的迭代周期。曾经需要团队6个月的工作现在可能缩短到几
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
机器人技术是下一个工业革命。
第一次工业革命(从蒸汽到机械化)使全球GDP在1820年至1910年间增长了大约10倍。
机器人也会反向实现这一点,机器将会实现劳动的机械化。一个人不再需要操作一台机器,而是一个人(或没有人)将监督成千上万台网络连接的自主机器。
蒸汽机时代几乎花了一个世纪来取代人类和动物的劳动。一旦一个功能性的蓝领大脑被训练出来,类人机器人可以以指数级的速度进行扩展,它可以通过软件和廉价硬件复制无限克隆。
工业革命大约创造了$30T 现代GDP,以今天的美元计算。预计到2035年,机器人技术和自动化每年可以为全球产出增加15-25万亿美元,在十年内压缩超过100年的GDP。
每个发达经济体的出生率正在下降。一个婴儿需要18年才能进入劳动力市场,而一个人形机器人则不到一年。
日本每年出生的婴儿数量已经不及机器人数量。到2030年,类人机器人将在多个国家的建筑工人中占据优势。
Steam花了60年才达到5000万人,电力用了40年,互联网只用了10年。机器人技术和人工智能将通过连接的舰队和软件更新几乎瞬间达到数十亿人。当一个机器人学习时,整个行业会在一夜之间学习。
19世纪的铁路消耗了全球超过一半的投资资本。它们促进了商业的脊梁,并成为工业时代的财富引擎。
全球企业资本支出的50%以上投入到数字化和自动化基础设施中。机器人和人工智能是当今的等价物,而现在的铁路则由数据、芯
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
SOL即将迎来一波上冲行情,个人认为。
自5月以来,ETH的表现优于其他资产,主要是由于机构资金流入,90%以上的稳定币在(circle IPO)中,robhinhod的建设,每个人都将其视为交易等。随着仓位的加重,我们开始看到叙述变得更加成熟。
这并不意味着ETH不会表现(我相信它会)。我只是说SOL将以更大的优势成为最快的马。
随着SOL接近历史新高,其定位感觉轻松得多,背景也更为强大。我们看到真正的机构采用,例如Forward Industries筹集了16.5亿美元,让我们行业中一些最顶尖的人才如Kyle Samani掌舵,我更愿意支持他而不是Tom Lee。
随着这一点的发展,它正成为一个主要的结算层,甚至Visa也在其即将推出的稳定币试点中使用它。很明显,Solana基金会也在积极追求链上股票,这将成为我们生态系统中最大的流动性驱动因素之一。
ETH因资金流动和头寸而上涨;人们忘记了SOL的上涨是因为它是一个更好的产品,以及新一代开发者纷纷涌向它。是的,由于每个新币和叙事的抛售,过去9个月的交易情况非常糟糕。
没有根本性的变化。它仍然是唯一一个新开发者积极入驻并尝试新想法的链,这些想法最终会在黄金锁条件达成后推动更大的叙事。Solana 的优势在于用户体验和降低摩擦。因此,我们看到整个互联网资本市场的叙事和链上股票找到了自己的归属。
Solana 基本上在速度上达到了链
SOL2.83%
ETH5.80%
查看原文
post-image
  • 赞赏
  • 1
  • 转发
  • 分享
飞往迪拜与$CODEC 团队面对面工作。
机器人技术将成为一个过于庞大的领域,不值得不全力以赴。
努力工作为你的包包。
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
有一种币几乎没有竞争,抽象化了在我们可能见过的增长最快的行业中最复杂的任务。
该团队甚至正从Hugging Face的LeRobot团队那里获得直接输入,以构建一个用于世界模拟的开放SDK。换句话说,他们正在与开源AI领导者合作,使他们的开发工具包尽可能高效地模拟现实。
这个领域至关重要,因为类人机器人不处理文本或代码,它们在原子和物理对象中操作。AI 代理可以分析文本,但类人机器人需要感知和操纵它面前的 3D 世界。
特斯拉在其Optimus人形机器人方面取得领先的一个原因是,特斯拉车队收集的丰富现实世界神经网络数据。特斯拉的汽车每年共同记录约500亿英里,提供了一个几乎无限的数据集来训练视觉和控制AI。
然而,在现实世界中训练机器人仍然 painfully slow 和资源密集。进展受限,因为没有人完全破解类人机器人合成数据的"sim to real"差距。教会机器人一个简单任务可能需要数百小时的物理训练,而模拟往往无法达到现实的标准。
所有的要素都在,这些类人身体正接近人类水平的能力,但缺失的环节是大脑,即指示这些机器人如何行动的软件。一个机器人可能有手臂和腿,但没有智能代码,它连在你看Netflix时给你做晚餐都做不到。
就像智能手机在应用商店解锁第三方应用之前毫无用处一样,人形机器人在没有高质量技能库的情况下也将毫无用处。最大的价值将来自于构建基础设施的人,这种基础设施可
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
我经常被问到除了 $CODEC 之外我参与了哪些机器人相关的项目。
回答:目前没有。
如果我相信机器人技术是下一个人工智能风格的元概念,具有达到数十亿的潜力,并且我将Codec视为生态系统中的ai16z/虚拟产品,为什么我还要把资本,更重要的是信念,投入到我的第二个最佳想法上呢?
我的交易风格更接近Jez的风格,我会全仓投入我最有信心的交易。这意味着我经历了一些可怕的反复交易,但我并不追求平均回报。
全面转移促使问责,你无法躲在一篮子半成品的赌注后面。这种心理清晰是你优势的一部分。
如果你每天都出现在这个行业,你的目标就是承担超额风险和波动,如果正确的话,这可能会为你带来世代财富。
问题是大多数交易者的“最佳想法”实际上并不出色。当你完全投资平庸时,你就会破产。
多样化只有在你在主要项目中遇到流动性限制时才有意义。即便如此,除非你拥有3-4%以上的供应,我认为这并不是真正的问题(你仍然可以通过场外交易)。
在过去的一年中,链上已经证明了旋转速度越来越快。即使机器人技术成为我几个月以来所呼吁的宏大叙事,只有顶尖项目才能吸引所需的关注度和流动性,以实现改变生活的结果。
领导者一直是造王者的交易者,而追逐贝塔的策略在过去9个月里并没有奏效。市场上活跃的流动性实在不足。
历史表明,绝大多数的代际回报集中在一个行业的前1-3个项目上。机器人技术也不会例外。
最快的马就是最快的马。
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
今天我意识到,如果你在链上日复一日积极交易超过12个月,那你现在被认为是个老手了。
正如几年前我们在多个替代币上表现出色一样,我们的局面已经翻转,叙事往往难以持续超过一周。
反过来,那些每天都出现并进行尝试的人经历了孤立生态系统中的数十个小周期。基本上是在快速完成你的学费或是你们中一些人可能更喜欢的一个学期,堡垒之夜创意模式。
对于像我这样的年轻人,曾经是《堡垒之夜》的狂热玩家,创意模式之前和之后的差别就像白天和黑夜。
前创意模式意味着你必须通过在长时间的游戏中玩来获得技能,而这些游戏的机会有限,无法尝试新策略。
我多年来一直持有这样一种独特观点:你在视频游戏中的自然能力可能是最纯粹和最准确的智商测试。
创意模式的推出意味着每一个智商异常高的16岁少年都能够每天磨练18个小时,尝试存在的每一种建筑战斗。
你可以将发布创意模式与我们每周看到的链上轮换相提并论。
竞争性视频游戏本质上是动态智商测试,它们衡量一个人识别模式的速度、在工作记忆中保持多条信息流的能力、适应新规则或新环境的能力,以及在压力下做出高质量决策的能力。
你可能会认为“精英玩家通过反应能力成功”,实际上是通过结合前瞻性、创造力和规划,这些技能反映了流体智力的核心组成部分。
在一个每个选择都瞬间被对手检验的环境中,这款游戏成为了认知能力的实时审计。
这就是为什么总有大量新交易者在链上取得成功。2021年的S级玩家已经无迹
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
上一次我在一个主要的 CoinGecko 类别中抢先交易时是 $PENDLE 进行重质押。
Pendle 从 $150M 直接增长到 $1B,Restaking 发展成了一个超过 $20B 的行业。
让你思考。
$CODEC编码。
MAJOR-1.15%
PENDLE3.14%
IN0.92%
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
我不喜欢贬低其他人的币,因为这表明你在自己的叙述中缺乏力量,但拜托。
宝可梦卡片
CS皮肤
预测市场
甚至 ICM
这些在激动人心程度和对一个即将垂直增长到数万亿美金的行业(如机器人技术)方面,有什么接近的呢?
其他一切只不过是短期噪音,而这正在慢慢地在后台升温。
IN0.92%
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
为什么你应该为你的钱包工作:
1. 由于持有时间,信念的门槛非常低。每个人都害怕相信某件事情,因此当他们看到有人在积极发声并构建一个好的论点,同时在几天后没有放弃这个币时,他们非常倾向于加入。
论文质量越高 + 发布一致性越高 = 信任度越高。每个参与者至少有一个忠实的社区成员为项目全力以赴 (murad, lexapro, Him, Unipcs 等)
2. 你的影响变得呈指数级增长。我很少自己找到币种,发现新的叙事通常是通过在数十个到数百个小账户、频道、群聊等中进行侦查。
无数次我见过一个粉丝少于1千的账户发布了关于一种新币的论文,最后我也买了并分享了它。你会惊讶于一条帖子在正确的信息传达下能产生多大的影响。
3. 这是扩大你的网络和寻找相似风格交易者的最佳方式。如果你想加入新的群聊或找到其他朋友,开始多发关于你所持币种的帖子,并提供独特的深刻见解。
我通过为同一个币工作结交了很多朋友。没有什么比找到一群核心的交易者/撰稿人来帮助项目成长更好的了,前提是你要有道德意识。
4. 小账户的包工作是+ev。如果你刚刚开始,成长的最佳方式是不断挖掘新币并撰写关于它们的叙述,个人认为。
当你最终以附带论点的方式达到20倍、50倍、100倍时,你的声誉和投资组合都将增长。关键在于不要过度分享币种,这样人们才能尊重你的信念,并知道你不是在寻找退出流动性,同时真正提供某种形式的见解。
我最大的
WHY-0.51%
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
Pump和它的生态感觉是这里显而易见的交易。
- 本周回购1000万(9%的收入),几乎是超流动性收入的50%,回购的FDV低于15倍
- 显示出它是清晰的王者制造者启动平台
- Sol突破新的区间,SOL/ETH看起来已触底
- 下个月的鸽派宏观环境
由于每日活跃的DEX交易者数量降至一年以来的最低水平,价格受到压制。
每个人都低估了通过几个跑者重新点燃动物精神是多么简单,研究 2024 年 10 月。
你只需要一种币就能再次激发每个人的想象力。
$PUMP
PUMP-0.86%
IN0.92%
SOL2.83%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
您将看到类人模型不断使用一种系统2 + 系统1风格的架构,这实际上是受到人类认知的启发。
大多数视觉-语言-行动(VLA)模型今天被构建为集中式多模态系统,能够在单一网络中处理感知、语言和行动。
Codec的基础设施非常适合这一点,因为它将每个操作员视为一个沙盒模块。这意味着您可以并行启动多个操作员,每个操作员运行自己的模型或任务,同时通过相同的架构保持它们的封装和协调。
机器人和类人机器人通常具有多个大脑,其中一个操作员可能负责视觉处理,另一个负责平衡,另一个进行高级规划等,这些都可以通过Codec的系统进行协调。
Nvidia的基础模型Issac GR00T N1使用了两模块的System 2 + System 1架构。System 2是一个视觉语言模型(a版本的PaLM或类似的多模态),它通过机器人的摄像头观察世界并听取指令,然后制定高层次计划。
系统1是一个扩散变换器策略,它将计划转化为实时的连续动作。你可以把系统2看作是深思熟虑的大脑,而系统1则是本能的身体控制器。系统2可能会输出诸如“移动到红杯,抓住它,然后将其放在架子上”这样的指令,而系统1将生成详细的关节轨迹,以便腿和手臂顺利地执行每一步。
系统1在大量轨迹数据(上进行了训练,包括人类遥控演示和物理模拟数据),以掌握精细动作,而系统2则基于具有互联网预训练的变压器(进行语义理解)。
这种推理与行动的分离对NVIDI
LL0.22%
VSN1.01%
UP3.82%
IN0.92%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享
你不知道人形机器人将会变得多么火爆。
想象一下,当最初的几支舰队部署并在社会中运作时。
埃隆看到他的机器人公司将比特斯拉本身更大,而他们距离这一目标不超过6个月。
ELON-6.20%
查看原文
  • 赞赏
  • 评论
  • 转发
  • 分享
机器人技术与人工智能的工作方式非常相似。
你需要大量高质量的数据来运营,除了你不能仅仅从互联网抓取机器人数据,因为它需要现实世界的经验和变量。
没有“机器人行动的互联网。”
成千上万的团队正在努力投入巨额资金到人形机器人中,因为它们是最明显的万亿级行业,由于它们将使劳动力变得(比印度平均工资每年50,000美元的效率更高)。
但最大的竞争,像人工智能一样是:
1. 获取高质量数据
2. 训练任务
基础模型在人工智能中类似于大型语言模型,但它们生成的是机器人执行的动作,而不是文本。
团队在任务训练方面采取了几种不同的方法,一些团队使用像Figure这样的高保真小数据集进行标注,而其他团队则采用喷洒和祈祷的方式,使用大量模型。
目标是赋予机器人广泛的、预训练的常识以及在任务和环境之间进行概括的能力。
与其为每项任务编程一个机器人,不如在多样的数据上训练一个巨型模型(人类视频、模拟、真实机器人演示、带有任务文本描述的图像等等),模型学习对物理世界的具身理解。
然后您可以通过命令或示例提示机器人做某事(,基础模型的“知识”就会启动来处理,就像您可以向ChatGPT询问任何事情一样。
因此,对于许多这些公司来说,最大的脱节将是在任务训练领域,他们目前深度关注数据方面)世界仿真、合成数据、机器人轨迹、人类视频等(,因为他们需要它与现实世界完美互动,但在机器人/类人机器人实际能够做什么方面的发展
LL0.22%
IN0.92%
查看原文
post-image
  • 赞赏
  • 评论
  • 转发
  • 分享