Jeonlees

认认真真撸毛

981Đang theo dõi

1,5 Nngười theo dõi

Hoạt động

AI Agent đã có thể viết code, làm nghiên cứu, đưa ra phương án. Điều khiến nó trở thành kinh tế không phải là mô hình thông minh hơn, mà là không có đường ray giữa hai giao dịch. Đối phương là ai, tiền đặt ở đâu, công việc có được coi là hoàn thành không, kết quả lần này có thể dùng cho lần sau không. Bốn điều này không thỏa mãn, Agent chỉ là công cụ, không phải chủ thể có thể tự kiếm tiền. @termix_ai AACP, thị trường gọi là. Nền tảng không giữ tiền, cũng không giữ bản ghi cuối cùng. Tiền nằm trong hợp đồng, uy tín được ghi trên chuỗi. Điều này khác với các danh mục Agent đầy rẫy ngoài kia. Danh mục là tủ trưng bày, chịu trách nhiệm cho thấy ai có thể làm gì. AACP là đường ray sắt, chịu trách nhiệm cho việc giao dịch diễn ra như thế nào. Danh mục dù lớn đến đâu, nếu không có đường ray thì cũng chỉ là triển lãm. Danh tính cũng không phải là tài khoản website. .agent được đúc trong ví, là danh tính trên chuỗi của chính bạn. Cùng một danh tính, đơn này có thể là bên A, đơn kế tiếp có thể là bên B. Uy tín từ 1 đến 100 điểm, khi thanh toán được hợp đồng ghi vào, bạn không thể tự điền "đánh giá chuyên nghiệp". Nền tảng đóng thì điểm vẫn còn, có thể mang theo lịch sử thị trường khi đổi sang thị trường khác. Agent muốn trở thành chủ thể kinh tế, phải trở thành chủ thể có thể mang đi được. Một đơn chỉ có hai chỗ ngồi: một người trả tiền, một người làm việc. Khi báo giá được chấp nhận, USDC hoặc USDT sẽ vào ký quỹ. Công việc làm ngoài chuỗi, khi nộp sẽ ghi hash giao hàng lên chuỗi. Ghi lại là hash này, không phải câu "tôi đã làm xong". Không hài lòng thì tranh chấp, ai chịu trách nhiệm sẽ bị phạt đặt cọc. Quá hạn cũng có hợp đồng kết thúc, không cần chờ dịch vụ khách hàng. Năm trạng thái không thể quay lại: đăng, báo giá, giao hàng, tranh chấp, thanh toán. Chỉ khi thanh toán xong mới ghi vào uy tín. Giao thức lấy khoảng 2%. Thấp không phải ưu đãi, mà vì nó không phải ngân hàng cũng không phải tòa án. Vì vậy, nhìn Agent. Phải xem có bao nhiêu đơn thực sự vào thanh toán và chịu được thử thách. Cuối tháng 8 chính thức có bản snapshot trên chuỗi có thể kiểm tra: khoảng 370.000 Agent, 220.000 Jobs, hơn 12 triệu USD giao dịch. Con số sẽ thay đổi, hướng đi rõ ràng — bắt đầu có ký quỹ và giải ngân, không chỉ là câu chuyện. Bước nhỏ tiếp theo không phải là viết airdrop. Đúc một .agent, mở một đơn đã thanh toán, xem tiền từ ký quỹ đi đến giải ngân như thế nào. Chỉ là quan sát thị trường cá nhân, DYOR.

Axis @axisrobotics hôm nay vừa báo cáo một bộ dữ liệu mới nhất: 3,7 triệu+ Quỹ đạo 42.000+ giờ dữ liệu 4.000+ Nhiệm vụ hoạt động 150.000+ Người đóng góp Tại sao robot cần nhiều dữ liệu như vậy? Bởi vì LLM có thể thu thập văn bản trên internet, nhưng robot phải học "cách làm". Cách cầm, cách đặt, sửa khi cầm lệch, kéo ngăn kéo bị kẹt giữa chừng thì làm sao. Những dữ liệu hành động này không thể thu thập trên mạng, thu thập trên máy thật thì vừa tốn kém vừa chậm, đổi bộ cánh tay cơ khí khác, dữ liệu cũ chưa chắc dùng lại được. Axis chính là giải quyết tầng này. Họ định nghĩa mình là Compounding Data Engine for Physical AI. Người bình thường không cần mua cánh tay cơ khí, chỉ cần trình duyệt là có thể điều khiển robot mô phỏng từ xa. Bạn gửi lên không phải video quay màn hình, mà là một chuỗi Quỹ đạo hoàn chỉnh: robot di chuyển thế nào, vật thể thay đổi ra sao, nhiệm vụ cuối cùng có thành công hay không. Sau khi replay kiểm tra, dữ liệu mới được đưa vào quy trình huấn luyện. Tôi nghĩ điều thực sự đáng chú ý là Axis V2. Nó không phải "người thu thập dữ liệu → huấn luyện mô hình → kết thúc", mà để mô hình tự làm trước, con người chỉ can thiệp sửa khi nó bắt hụt, bị kẹt, hoặc lệch hướng. Mô hình thất bại → Con người sửa → Huấn luyện lại → Lại lộ ra lỗi mới. Đây mới thực sự là vòng quay dữ liệu. Dataset V1 hiện có 207 nhiệm vụ thao tác, 50K+ quỹ đạo minh họa của con người, bao phủ hơn 60K biến thể nhiệm vụ/cảnh. Dùng bộ dữ liệu này tiếp tục tiền huấn luyện π0.5, tỉ lệ thành công của LIBERO-Plus tăng từ 83,9% lên 88,8%. Ít nhất cho thấy một điều: Dữ liệu crowdsourcing không nhất thiết chất lượng thấp, quan trọng là có thể xác thực, làm sạch và bao phủ đủ nhiều phân bố cảnh. Axis trước đó cũng đã hoàn thành vòng Seed 12 triệu USD, do Hack VC dẫn đầu, và đã giao Task Packages cho đối tác mô hình. Vì vậy giờ tôi xem Axis không quá quan tâm "có thêm bao nhiêu quỹ đạo". Tôi quan tâm ba điều: Dữ liệu này có thể liên tục nâng cao mô hình không; Có thể tái sử dụng giữa các robot khác nhau không; Khi mô hình mạnh hơn, chi phí sửa lỗi thủ công có tiếp tục giảm không. Nếu ba câu hỏi này đúng, Axis không chỉ là nền tảng nhiệm vụ "chơi cánh tay cơ khí trên web", mà có thể thực sự là tầng dữ liệu của thời đại robot. Tất nhiên rủi ro cũng rất rõ: Mô phỏng ≠ Thế giới thực, dữ liệu crowdsourcing chắc chắn có nhiễu. Vậy nên rào cản thực sự của Axis không phải số người tham gia, mà là có thể biến hàng loạt thao tác con người không đồng đều thành dữ liệu mà mô hình thật sự có thể tiêu thụ. Robot hiện nay nóng nhất là phần thân thể. Axis muốn bổ sung là: những thân thể này sau này sẽ học làm việc ở đâu. Lối vào: Có máy tính là chơi được, tự mình cầm một lần, có thể dễ hiểu hơn xem mười bài báo nghiên cứu Physical AI. @axisrobotics

Thật lòng mà nói, phiên giao dịch chợ đen của Junzheng hôm nay có phần đáng tiếc. Đợt đăng ký công khai đã gần 700 lần, kỳ vọng thị trường vốn không thấp, giá phát hành 100 đô la Hồng Kông, khi mở chợ đen cũng có người tranh mua lên, cao nhất chạm tới 109.3, tương đương mỗi lô có thể lời tối đa 930 đô la Hồng Kông. Sau khi chạm 109.3, giá lao dốc liên tục, thấp nhất còn 97.5, giảm 11.8% so với đỉnh. Nếu bạn không bán ở đỉnh hoặc chần chừ một chút, lợi nhuận nổi nhanh chóng biến thành lỗ nổi. Cuối cùng giá lại về khoảng hơn 99, gần như công sức bỏ ra không có kết quả. Đây mới là điểm đáng chú ý nhất của Junzheng hôm nay: không phải không có người giao dịch, mà là có người giao dịch nhưng lực đỡ từ trên xuống rõ ràng không đủ. Hơn nữa, thị trường A-share cũng đang giảm trong vài ngày qua. Junzheng A hôm nay lại giảm hơn 3 điểm, trước đây mọi người luôn lấy "chiết khấu A/H lớn" làm một trong những lý do chính để đầu tư Junzheng mới, nhưng khi A-share giảm thì lợi thế chiết khấu của H-share cũng tự nhiên thu hẹp. Còn một điểm mà nhiều người dễ bỏ qua: A-share. Trước đây khi tôi viết về Junzheng, một điểm tôi khá chú trọng là chiết khấu A/H. Ngày 17 tháng 8, giá đóng cửa của Junzheng A-share là 155.39 nhân dân tệ, lúc đó quy đổi theo tỷ giá thì khoảng 181 đô la Hồng Kông. H-share niêm yết ở 100 đô la Hồng Kông, chiết khấu quả thật rất lớn, nên nhiều người nghĩ rằng dưới 100 đô la sẽ có một lớp đệm an toàn khá dày. Nhưng vấn đề là — H-share chưa chính thức niêm yết, còn A-share đã giảm trước. Hôm nay Junzheng A-share đóng cửa ở 133.75 nhân dân tệ, giảm 3.42%. Tính từ ngày 17 tháng 8 là 155.39, trong một tuần đã giảm gần 14%. Theo tỷ giá hiện tại, 133.75 nhân dân tệ tương đương khoảng 156 đô la Hồng Kông. Vậy nên H-share giá 100 đô la Hồng Kông vẫn rẻ, chiết khấu vẫn còn khoảng 35%, nhưng không còn lớn như lúc mới phát hành với hơn 40%. Điều này tôi thấy rất quan trọng. Nhiều người đầu tư Junzheng không phải vì nghĩ 100 đô la rẻ, mà là vì nghĩ "A-share bên cạnh 170-180 đô la Hồng Kông, tôi mua H-share 100 đô la, làm sao thua được?" Giờ A-share tự giảm, mốc neo đó cũng theo đó mà hạ xuống. Chỉ là quan sát cá nhân về thị trường, hãy tự nghiên cứu kỹ (DYOR).

Theo chân Hu Chuliang làm AI Workbench, cuối cùng tôi không còn phải tự mình vật lộn với việc phân tích và chọn cổ phiếu nữa Gần đây, AI Workbench của Hu Chuliang đang gây bão trên toàn mạng, thực sự rất hiểu người bình thường. Ai mà ngờ được? Cô ấy vốn chỉ là một blogger về thời trang và làm đẹp, vô tình đăng một video hàng ngày về việc cô ấy dùng AI để xây dựng bàn làm việc cá nhân, ngay lập tức thu hút hàng triệu lượt thích và cả mạng xã hội bắt chước làm theo. Không khoe kỹ thuật, không dùng mã chuyên nghiệp, toàn bộ quá trình chỉ là những công việc giảm tải thực tế nhất của người bình thường, đó cũng là lý do cốt lõi khiến nó có thể phá vỡ mọi giới hạn. Nhiều người theo trào lưu chỉ sao chép giao diện hoa mỹ, hoàn toàn không học được tinh túy. Cách dùng của Hu Chuliang rất thẳng thắn: không rối rắm với các thiết lập phức tạp, không cần viết mã, giao toàn bộ những việc vặt vãnh hàng ngày và các nhiệm vụ lặp đi lặp lại cho AI. Phân tích chủ đề, điểm danh lịch trình, sắp xếp nội dung, tất cả đều giao cho AI tự động thực hiện, bản thân chỉ tập trung vào sáng tạo cốt lõi. Điều này tôi rất thấm thía, tôi cũng đang làm AI Workbench chọn cổ phiếu, những điểm đau hoàn toàn giống nhau. Trước đây, việc phân tích, chọn cổ phiếu, tổng hợp dữ liệu thị trường thật sự rất mệt mỏi. Hàng ngày có lượng lớn dữ liệu thị trường, một đống báo cáo nghiên cứu PDF, thông tin rời rạc về các ngành, việc lọc, đối chiếu, tổng hợp đều phải làm thủ công. Tốn thời gian, nhàm chán, lao động lặp đi lặp lại thuần túy, nhưng lại là nhu cầu thiết yếu của việc phân tích giao dịch, không thể tránh được. Đó cũng là lý do tôi bắt đầu dùng Tencent WorkBuddy, hoàn toàn hiểu được logic bùng nổ của Hu Chuliang: AI thật sự hữu dụng không phải là công cụ, mà là đồng nghiệp mới chuyên đảm nhận những việc vặt cho bạn. Phần lớn AI trên thị trường vẫn chỉ dừng lại ở mức "hỏi một câu trả lời một câu". Bạn hỏi về thị trường, hỏi chỉ số, muốn ý tưởng phân tích, nó chỉ đưa ra một đống mẫu lý thuyết, cuối cùng việc tổng hợp dữ liệu, tổng kết nội dung, phân tích có cấu trúc vẫn phải bạn thức khuya làm. Nói trắng ra, chỉ là đổi cách thức làm thêm giờ, giống hệt "cách dùng AI vô hiệu" mà Hu Chuliang loại bỏ. Nhưng WorkBuddy hoàn toàn là một mô hình làm việc khác: không cần tinh chỉnh lệnh tỉ mỉ, không cần hướng dẫn từng bước, không cần tự mình hoàn thiện. Quy trình phân tích chọn cổ phiếu của tôi giờ rất nhẹ nhàng: Chỉ cần đóng gói toàn bộ bảng dữ liệu thị trường trong ngày, báo cáo ngành, thông tin ngành, ghi chú giao dịch rời rạc rồi đưa vào, nói cho nó biết yêu cầu của tôi — phân tích hàng loạt thông tin hiệu quả, lọc dữ liệu thừa, sắp xếp logic chọn cổ phiếu, xuất ra bản tóm tắt phân tích có cấu trúc trong ngày. Tất cả các bước rườm rà còn lại, nó tự động xử lý hoàn toàn. Tự động đọc kỹ nhiều tài liệu, lọc thông tin thị trường hiệu quả, loại bỏ nhiễu không cần thiết, chuẩn hóa các chiều dữ liệu, sắp xếp khung phân tích chọn cổ phiếu rõ ràng. Toàn bộ quá trình không cần tôi can thiệp, cuối cùng trực tiếp giao nộp tài liệu phân tích có thể dùng ngay, tóm tắt dữ liệu chọn cổ phiếu, kết quả phân tích có cấu trúc. Trước đây tôi luôn nghĩ, những việc vặt tinh tế như vậy, công việc tổng hợp dữ liệu chỉ có thể tự mình làm, chỉ có sếp mới xứng đáng có trợ lý riêng. Giờ thì hoàn toàn hiểu: năm 2026, ai cũng nên có trợ lý AI riêng. Dù là việc văn phòng lặt vặt, sắp xếp tài liệu, hay chúng ta làm phân tích chọn cổ phiếu, nghiên cứu dữ liệu, những công việc tốn thời gian nhất, khó chịu nhất, không phát triển nhất đều có thể giao thẳng cho WorkBuddy. Nó chuyên trị mọi công việc bận rộn mà con người không muốn làm. Không còn lãng phí nửa thời gian làm việc lặp đi lặp lại, giao việc vặt vãnh cho đồng nghiệp AI mới, bản thân chỉ cần tập trung vào phán đoán cốt lõi, suy nghĩ sâu sắc là đủ. Đây chính là sự thật cuối cùng khiến AI Workbench của Hu Chuliang trở nên nổi tiếng: cô ấy đã chạm đúng tất cả các xu hướng ngắn hạn của video ngắn, thương mại điện tử, AI, hiểu rõ nhất nhu cầu cơ bản của người bình thường — AI không phải để làm màu, chơi trào lưu, mà là để giúp người bình thường giảm tải, giải phóng bản thân. Không cần trở thành đại gia, người bình thường cũng có thể nhờ AI thoát khỏi sự bận rộn vô ích. Gặp gỡ đồng đội mới của bạn — WorkBuddy @TencentAI_News Giao việc bạn không muốn làm cho nó, giữ lại năng lượng cốt lõi cho bản thân. #WorkBuddy #MeetYourNewTeammate #LetWorkBuddyDoIt #AIAtWork #WorkSmarter #Productivity #AI选股 #AI工作台 #胡楚靓AI工作台