累ーかさねー 映画
0post
2025.11.30 18:00
:0% :0% （30代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
翼竜の「名前」を断捨離⁉️🇧🇷
#古知累論文紹介
翼竜（よくりゅう）ファンなら誰もが知っておくべき、超重要な「まとめ」論文を紹介します。
舞台はブラジル、アラリピ盆地。
ここは、世界で最も重要な「翼竜の聖地」の一つと言われています 。
なぜなら、ここでは化石が「ぺちゃんこ」にならず、立体的（3D）に保存されていることが多いからです 。
さらに、筋肉や皮膚、トサカなどの「柔らかい組織」まで残っていることがあるという、とんでもない場所なんです 。
最初の発見から50年以上が経ち、これまでにたくさんの種類の翼竜が報告されてきました 。
しかし、研究が進むにつれて「ある問題」が浮き彫りになってきました。
それは、「名前が多すぎる問題」です 。
化石が少し違うだけで「新種だ！」と名前が付けられてきましたが、実はそれが「ただの成長段階の違い（大人と子ども）」だったり、単なる個体差だったりする可能性が高まってきたのです 。ｿﾘｬｿｳｼﾞｬ。
今回紹介する論文では、これまでにアラリピ盆地で報告されたすべての翼竜を徹底的に見直しています。
まさに、翼竜図鑑の「大改訂版」とも言える内容です。
特に注目すべきポイントをいくつかピックアップして解説しますね。
１．アンハングエラ類の整理
口先に丸いトサカを持つ「アンハングエラ」という翼竜がいます。
これまで、トサカの形や位置の違いでたくさんの種が作られてきました 。
しかし、この論文では「トサカは成長とともに大きくなり、形も変わる」という点を重視しています 。
つまり、トサカの微妙な違いだけで別の種とするのは間違いかもしれない、ということです。
その結果、過去に名前がついたいくつかの種は「疑問名（詳細不明で有効ではない名前）」として整理されました。
２．巨大なトサカを持つタペヤラ類
頭の上に巨大なトサカを持つことで有名な「トゥパンダクティルス」なども詳しくレビューされています 。
彼らのトサカは骨だけでなく、大部分が「軟組織（ソフトティッシュ）」でできていました 。
驚くべきことに、化石に残された色素（メラニン）の研究から、彼らのトサカに色があった可能性まで示唆されています 。
この論文では、これらが単なる飾りではなく、種の違いも反映してそう、ということが再確認されています 。
３．化石の密輸問題
この論文は、科学的な分類の話だけでは終わりません。
非常にシリアスな問題である「化石の違法取引」についても警鐘を鳴らしています 。
アラリピ盆地の美しい化石は、高値で取引されるために違法に持ち出されることがありました 。
その結果、「その化石が地層の『どこ』から出たのか」という、極めて重要な情報が失われてしまっているのです 。
地層の情報がないと、「いつの時代の」「どんな環境にいたのか」が正確に分かりません 。
著者は、これからの研究には、きちんとした地質学的な調査と、化石の保護が不可欠だと訴えています 。
～🐦～🐦～🐦～🐦～
この論文は、過去50年の研究を整理し、散らかり気味だった「翼竜の名前」をスッキリさせました 。
「新種発見！」というニュースはワクワクしますが、既存の化石をじっくり見直すことで、彼らの「成長」や「本当の多様性」が見えてくるんですね。
これからは単に名前を付けるだけでなく、彼らがどのように空を飛び、何を食べていたのかという「生活」に迫る研究が進んでいくと期待したいですね！
・・・まぁ、多分そんなことは起きないがな！
最近は首の骨だけで名前がつくのとか多いしな！！
元論文URL→ https://t.co/cZcv6IsIb5 November 11, 2025
10RP
大公報 被下架文章
2025年11月28日星期五 A7要聞
天價收費 圍標合謀 利益輸送 劣質工程
揭開維修棚架背後重重黑幕
搭棚維修調查❶
宏福苑五級火大埔宏福苑五級火造成大量人命傷亡。翻查紀錄，今年至今已有至少10宗棚架起火事故（見表），大廈外牆維修搭棚的安全問題引發公眾強烈關注。警方昨日凌晨拘捕三名涉嫌誤殺的男子，他們為負責屋苑大廈維修的宏業建築工程有限公司負責人，包括現任董事侯華健及何建業。
大公報記者展開偵查，透過業界代表及多名知情人士，逐 層 揭 開 建 築 棚 架 背 後 的 黑幕，當中牽涉天價維修費、圍標合謀、利益輸送，以及工程質量等問題。
大公報記者
張真、李雅雯、陳玥、馮錫雄
競標公司遭「警告」被迫退出
有業界人士透露，由於圍標及種種原因，參與工程競標的建築公司越來越少。建築業界內的工程投標一直都欠缺透明度，有不願具名的工程業界代表接受《大公報》訪問時表示，十多年來，工程公司圍標的情況也非常嚴重，甚至有工程公司負責人參與競標後立即被人惡言警告，無奈退出競標， 「導致有水準的公司越來越少，沒有多少間公司投標，競標的結果自然就來來去去都是那幾間了。」 他形容，這種情況在業內已維持段長時間，導致行業生態非常不健康。他表示，今次負責人被捕的宏業建築工程，是業內有名的競標 「常勝將軍」， 「他們接了很多工程，但試問這麼多工程，哪有這麼多資源投入呢？」 業內常有偷工減料或用劣質的材料等事情；更甚的是投標價低者得，不少中標工公司往往會以拉長工程期的做法來繼續讓業主多些掏錢，以補回低價中標的利潤，「這些不時發生的事，在業內知情者看來是見怪不怪。」
阻燃網成本較普通網貴近倍
有建造業界人士透露，維修棚的阻燃網，每張約90元，沒有阻燃功能的普通網僅售50多元，而且阻燃網被太陽曬後會變脆，只用一次就要扔，普通防護網則可以不停重用。大埔宏福苑奪命火發生前，相關部門甚少巡查，不少行內人士抱着僥倖心態，鋌而走險。
這場火災的慘烈，背後是香港城市治理能力的考驗。該名建造業界人士透露，搭建金屬棚是合法輸入外勞的工種，加上金屬棚工人日薪低於竹棚工人，勢令本地工人收入受影響，金屬棚架的成本比竹棚昂貴約兩至三倍，因而增加施工成本，雖然有工人考獲搭金屬棚架資格，但由於市場需求不高及薪酬較低，從事相關工作的人員不多。
另外，大公報記者昨日在警方執法押解負責人何建業至元朗蝦尾新村進行搜證工作時，接觸到其鄰居吳先生。吳先生透露，自己從事小型工程起家，對行業有一定了解，談到宏福苑疑因維修工程物料不符合安全規格觸發五級大火，他坦言這是業界多年的潛規則： 「香港做工程，個個項目貪平，中標往往是價低者得，報價最低才有得做。低價中標的工程如何畀足料？」
業界 ： 地盤工違例吸煙難管
吳先生指出，雖然現時香港政府已有很多規例規管工程，然而執行上仍有很大優化空間。有宏福苑居民直指今次大火的起因與搭棚工人經常吸煙、遺下煙頭，疑燃點防護網觸發大火。吳先生坦言有關情況是常態，「無得管，很多（工人）教唔聽，工人很多讀書少，吸煙是幾十年的習慣。」 業界曾建議在工程地盤劃出安全吸煙區，卻難以實行， 「有些人不會遵從在指定地方吸煙，總之難管！」吳先生透露，低價中標的公司工程延期也是常事， 「發泡膠和竹棚都是易燃物，經過一年的日曬雨淋，竹棚變得更乾燥、腐化，一旦燃燒火勢就會特別快蔓延。加上近日天氣乾燥又大風，所以宏福苑的大火，才會在短時間內就從底層蔓延到頂部，還連累了相鄰的樓宇。」
「這麼多家庭妻離子散，實在讓人難過。」 他認為，此次慘劇令人痛心，希望這場悲劇能促使政府和業界反思，立例監管，加強工程質量監管與施工安全巡查，嚴查違規操作，避免類似的人間慘劇再次發生。 November 11, 2025
6RP
孙悟空（SunX）真的杀疯了。
刚刚看了下数据，平台累计交易额已经干到 112亿 USDT+，而且速度还在往上飙。
更离谱的是，这波直接开了个邀请兄弟一起赚的大活动，总奖池：100万枚 $SUN
重点不是平台赚多少钱，重点是—— 这次是真的轮到我们薅一波了👇
只要你拉一个朋友来玩，双方都能拿 $SUN ，而且不是那种“画饼奖励”，是分阶段、可完成的那种：
第1阶段： 好友第一笔交易 ≥ 300 USDT
你：30枚 $SUN
他：20枚 $SUN
第2阶段： 好友7天内交易 ≥ 20,000 USDT
你：再拿 100 枚
他：再拿 100 枚
也就是说，一个好友=最高 260枚 $SUN 到你们手上。
这个活动还能叠加迎新活动 + 20%返佣， 相当于你同一波邀请，吃三份奖励。
玩法也不复杂：
1. 打开孙悟空 → 找到【邀请好友】
https://t.co/eX1jAjwRZw
2. 复制你的专属链接 / 邀请码
3. 让好友参加：来不来？送你钱的那种。
讲真，这种平台在狂砸钱拉新时，不上车才是真的亏。
钱在那放着，就看你要不要伸手拿。
一起参与起来，活动详情： 👇https://t.co/o6u5Pib4ZR
@justinsuntron @SunX_DEX #TRONEcoStar November 11, 2025
6RP
🐨「有袋類ライオン」ティラコレオ🦁
実はコアラの兄妹だった……！？
#古知累論文紹介
かつてオーストラリア大陸には巨大な動物たちが闊歩していました 。
体重100kgを超え、強力な顎で獲物を仕留める「ティラコレオ（有袋類ライオン） 。
あるいは、体重1000kgにもなる巨大な草食獣「パロルチェステス」。
彼らは数万年前に姿を消してしまいましたが、その「正体」や「絶滅の原因」には多くの謎が残されています。
なぜなら、オーストラリアは気候が暑いため、化石に残されたDNAがすぐに分解されてしまうからです 。
DNAが壊れてしまえば、彼らが進化の系統樹のどこに位置するのか、正確にはわかりません。
しかし今回、研究チームはDNAの代わりに「コラーゲン（タンパク質）」という別の物質に注目しました。
コラーゲンはDNAよりもはるかに頑丈で、長期間保存されやすいという特徴があります。
研究チームは、タスマニアの洞窟などから発掘された、約10万年前の骨の破片など51点を分析しました。
その手法は「ZooMS（ズームス）」と呼ばれ、コラーゲンを細かく分解したときのペプチドの質量パターン（“指紋”）を読み取ることで、動物の種類を特定するものです。
その結果、肉食獣である「ティラコレオ」の、現生する最も近い親戚が、「コアラ」である可能性が高まったのです。
これまでもウォンバットやコアラに近いグループ（ウォンバット型目）だとは考えられてきましたが、今回の分析でコアラとの強い結びつきが支持されました。
この研究は、進化の謎を解くだけではありません。
これまで「正体不明」として扱われていた小さな骨の破片でも、この手法を使えば「どの動物の骨か」を正確に突き止められるケースがありました。
骨の種類がわかれば、その地層の年代測定と合わせて、「いつ、どの動物が絶滅したのか」をより詳細に知ることができます。
これにより、長年の論争である「巨大動物を滅ぼしたのは人間か、気候変動か」という問いに、決着をつける大きな鍵になるかもしれません。
元論文URL→ https://t.co/p8Q54XOU1e November 11, 2025
5RP
BTC、ETH 都扛不住的时候，JST 却在悄悄走强
最近的大盘，大家都看到了：
BTC 一路往下，-19.98%；
ETH 跌得更狠，-27.57%。
但 JST 完全不是那个画风。
同期 JST 竟然涨了 +22.47%，走出了独立行情。
为什么 JST 能在这种行情里逆势？
为什么别人在找底，JST 却在稳步回收筹码？
为什么就算没大行情，它依旧能涨？
答案其实很简单：
这不是情绪驱动，而是基本面驱动。
1/ 首轮回购销毁落地，JST 的价值锚定正式建立
大家都知道，Justlend 官方这波动作是实实在在的硬利好—不是喊口号，不是画饼，而是直接拿钱下场。
第一次就把 5900 万美金收益的 30% 拿出来做回购销毁，
一口气干掉了 5.6 亿枚 JST，
占总供应量 5.6%。
注意，这是第一轮。
剩下 4140 万美元 还在路上，按季度持续销毁。
这叫长期、可持续的通缩。
叫「价值回流」的闭环终于建立起来了。
大多数项目的回购销毁都只是 PR，
但 JST 的这套机制，是靠真实平台收入支撑的。这点太关键了。
2/ JustLend DAO 正在持续赚钱，销毁只是开始
JST 的价值来自哪里？来自生态的真实现金流：
JustLend DAO 的借贷利息，能量租赁的手续费，USDD 多链生态的盈利，平台 TVL 的增长带来更大收益池
光 JustLend DAO 一个协议，累计收益就接近 6000 万美金。今年 Q3 一个季度收入就接近 200 万美金。
你说这种协议，它回购销毁 JST，是不是“真金白银”？
更别忘了，USDD 的盈利超过阈值后，也会加入回购销毁池。
这意味着 JST 后面会迎来第二条“价值注入管道”。
说白了：
JUST 在赚多少钱，JST 就能被买回来、被销毁多少。
这是硬逻辑，不靠讲故事。
3/ 五年零安全事故，熊市更显出真正价值
什么叫“能在熊市看出真实力”？
就是别人都在暴跌、爆仓、黑客攻击时，
你依旧稳如老狗，还在不断赚钱。
Aave、Venus、Kamino 都遭遇过安全事故，
唯独 JustLend 五年运营下来零事故。
这就是为什么在市场不稳的时候，
资金更愿意往 JST 所在的生态流。
熊市最怕什么？怕不确定性。
而 JST 恰恰给了市场一个“最高确定性”的叙事：
收益稳定 → 回购确定 → 通缩确定 → 价值增长确定
这种确定性，在熊市里尤为昂贵。
4/ JST 的这波涨，不是拉盘，是重估
JST 这轮涨，不是那种“新闻刺激的直线拉升”。
它是：
稳 → 稳 → 稳 → 慢慢涨
但 JustLend 的 TVL 是全球前四，安全性第一，盈利能力稳健，又有 TRON 整条能量经济支撑。
这种“估值错配”迟早会被市场修复，
现在只是修复的开端。
所以 JST 的上涨，不是“激情”，而是“迟到的价值回归”。
5/ 无惧熊市，因为 JST 走的不是投机路线
为什么 JST 这波能逆势跑赢 BTC 和 ETH？
因为它走的是完全不同的轨迹：
•大盘跌 → 情绪崩 → 投机资金撤退
•JST 涨 → 生态赚钱 → 透明回购 → 通缩推进
你会发现一个现实：
JST 的上涨和市场情绪没强相关性，它跟基本面绑定。
也就是说：
哪怕现在还是熊市，哪怕延续半年，它依旧能一步步涨。
因为：
销毁还会继续
收益还会继续
通缩还会继续
价值重估还没走完
熊市最能检验“谁是真实力、谁是纯靠故事”。
而 JST 已经把答案写在链上。
这一次，不是暴涨，也不是故事。
JST 是在用“回购+销毁+盈利”把价格一点点往上推。
不是喊口号，不是追热点，它走的是长期路线。
当一个项目靠基本面推动上涨，它就不会被大盘绑架。
JST 的逆势，就是最好的证明。
接下来怎么走？我只说一句：
真正的价值，从来不是在牛市里被发现的，而是在熊市里被重新定价的。
@justinsuntron @DeFi_JUST #TRONEcoStar November 11, 2025
3RP
🦕チリ最古？
恐竜たちが残した「足跡」の謎に迫る👣
#古知累論文紹介
南米の恐竜と聞いて何を思い浮かべますか？
実は、南米の「ジュラ紀後期（約1億6000万年前〜）」の恐竜化石というのは、これまであまり見つかっていませんでした。
特にチリがある南米の西側（かつてのゴンドワナ大陸の西縁）では、骨の化石記録が極めて少ないのです。
「骨がないなら、どうやってそこに恐竜がいたと証明するの？」
重要になるのが、今回紹介する論文のテーマである「足跡化石」です。
骨は残りにくくても、足跡なら地層に残っていることがあるからです。
今回、チリ北部のHuatacondoという場所にある「マハラ層」から、重要な発見がありました。
なんと、チリおよびゴンドワナ大陸西縁において「最古」となる恐竜の足跡が報告されたのです。
これまで知られていた記録よりも古い時代の地層から、恐竜たちの痕跡が見つかりました。
では、どんな恐竜たちが歩いていたのでしょうか？
分析の結果、見つかった足跡の多くは「獣脚類（じゅうきゃくるい）」のものである可能性が高いことがわかりました。
獣脚類とは、ティラノサウルスのように二足歩行をする肉食恐竜のグループです。
面白いのは、そのサイズの多様性です。
長さ50cmを超える「巨大」な足跡から、40cm程度の「大型」、そして20cm台の「中型」まで様々。
さらに驚くべきことに、わずか8cmから13cmという「極小〜小型」の足跡も多数発見されました。
この小さな足跡は、当時のこの地域において最小クラスの記録です。
研究チームは、ただ「足跡があった」と言うだけではありません。
ドローンや近距離撮影を用いた「フォトグラメトリ」という技術で、足跡を3Dモデル化しました。
そして、足跡の長さや幅、指の角度などを数学的に解析（主成分分析）することで、客観的に形を比較しました。
その結果、これらの足跡は5つの異なるタイプに分類できることがわかりました。
具体的には、CarmelopodusやGrallatorといった、世界的に知られる足跡化石の分類に近い特徴を持っていたようです。
※ただし、保存状態の問題もあり、断定ではなく「類似している（cf.）」という慎重な表現が使われています
また、保存状態は良くないものの、首の長い植物食恐竜である「竜脚類（りゅうきゃくるい）」と思われる痕跡も見つかりました。
この発見は、何を意味するのでしょうか。
骨の化石がほとんど見つかっていないこの時代・この場所にも、確かに多様な恐竜たちが生息していたという重用な証拠になります。
どうやら当時のこの地域は、乾燥した気候の中で、一時的に水が存在するような環境だったようです。
そこに大小さまざまな肉食恐竜を中心とした恐竜たちがやってきて、湿った地面に足跡を残していったのかもしれません。
元論文URL→ https://t.co/AeqmMHLETO November 11, 2025
3RP
倭国外务省旗下杂志《外交》vol.94封面文章
(译文仅供参考)
围绕中国习近平体制的博弈
对谈：习近平体制——走向个人独裁的政治力学
铃木隆 大东文化大学教授 川岛真 东京大学教授、本刊编辑委员
习近平统治是否稳固？
川岛： 习近平政权目前已进入第三任期的中期阶段。在展望政权走向时，让我们先梳理一下中国未来的政治日程。2027年第三任期结束将是一个节点，但如果没有突发事件，预计将迎来第四任期（至2032年）。从更长远来看，2049年是建国100周年，中国设定了实现"社会主义现代化强国"、在国际社会获得霸权地位、与美国比肩甚至超越美国的宏大目标。而2035年则是"基本实现社会主义现代化"的阶段性目标。因此，2027年、2032年、2035年、2049年都是展望中国政治时必须关注的重要节点。
川岛： 也就是说，习近平本人的设想可能是：干满四届后，视接班问题的进展选择退休，或者干到第五届，大约到2035年左右。如果真打算第四届就结束，那现在应该已经能看到接班人布局的动向。现任政治局常委中除习近平外的六人，以及23名政治局委员中高龄者不少，进入第四届时可能会有较大调整。主要从新进委员中遴选，在第四届任期内逐步锁定接班候选人。
铃木： 我认为习近平会物色两三个接班候选人，让他们在忠诚度和政策能力上相互竞争，但他本人会尽可能长久地保持最高领导人地位。
川岛： 习近平有可能就任党主席吗？
铃木： 有可能。届时接班人担任党总书记，而他本人以被"推戴"的形式成为党主席。总书记体制原则上是集体领导、多数决，但党主席可以独自决策。我认为会根据第四届的情况相机而动，不过从实际情况来看，习近平的个人独裁已经确立。
川岛： 江泽民、胡锦涛时期推进党内民主化，通过建立明确的政治程序来抑制权力斗争，习近平本人就是通过党内选举当选总书记的。为什么他要逆转这一党内民主化潮流？另外，支撑习近平路线的权力基础在哪里？
铃木： 我认为其根源在于这样一种思维：江泽民、胡锦涛时代约20年积累的问题，比如党内纪律松弛等，必须通过向习近平个人集中权力才能克服。此外，习近平的执政风格和执政哲学很大程度上继承自毛泽东，这一点也很重要。同时，反腐败斗争和改善环境问题等与普通民众切身相关的工作取得了成效，这也成为其向个人集权正当化的依据。
川岛： 就现实的权力基础而言，习近平比毛泽东更强大。毛泽东虽有卡里斯马（charisma）魅力超过习近平，但毛身边有周恩来这样必须重视的同辈。而习近平周围没有能与之并肩的人物。
地方执政经历塑造的海洋进取意识
铃木： 如您在近著中所论述的，习近平的执政风格和政策，他的履历有怎样的影响？
川岛： 地方经验非常重要。政策层面值得关注的是，习近平主政过的福建省、浙江省、上海市都是沿海地区。福建面对台湾，浙江和上海濒临东海，在军事和经济上都是重要地区。正因为有这些经历，台湾问题和海洋进出对他来说是切身关注的事务。
铃木： 内陆陕西省出身、年轻时住窑洞务农的人物，后来作为精英官僚赴任沿海地区，对本国的海洋进出产生兴趣，这确实很有意思。那么在治理层面，"重党轻政"的思想形成也与地方经验有关吗？
川岛： 从他的成长经历来看，他是革命第一代人体悟到的党的献身精神、党作为国家基础而存在的意识的自然继承者。对党国体制的信任可以说是"红二代"（革命前建国时期贡献于党的高级干部子弟）的身份认同。
考察他的权力基础时，与军队的关系也很重要。习近平政权缩减陆军，重视陆海空、火箭军的均衡，致力于建设现代化军队。正因为能够掌控军队，才能推进如此大规模的军制改革。
铃木： 这是因为习近平在1979至1982年有过军队服役经历，对军队这一暴力组织的特性有自信能够理解吧。加之他在地方领导人时期就积极与当地军队干部建立人脉。与刘少奇之子、幼年好友刘源的合作关系也有助于反腐斗争的推进。
川岛： 作为党中央军委主席，他在对军队的影响力方面与前两届政权大不相同。
铃木： 除了中央军委主席，习近平还拥有"联合作战指挥机构总指挥"这一新头衔，位居军令部门之首。与其说是单纯的文职领导人，不如说他有更进一步的"军人政治家"自觉。
川岛： 掌控了党和军队，习近平在中央的权力基础比前两届政权要稳固得多。通过反腐斗争清除政敌，现任政治局常委、政治局委员几乎都是他的人马。最近经常听到"健康隐忧"或"可能进不了第四届"之类的传言，但仔细观察现状，认为他权力基础脆弱的分析令人难以认同。社会和地方当然有不满，但都是静默的。
"欲罢不能"的习近平
铃木： 让人担心的是接班问题。正因为权力向习近平集中，才产生了难题。无论党还是军队，不太可能轻易出现一个值得信任、能够接手他这般权力的人。他似乎被权力之网缠住了。撇开作为权力者对长期执政的野心不谈，包括自身的进退在内，都是权力惯性或惰性的结果，"欲罢不能"才是实情。
川岛： 四五年后的接班问题将会非常棘手。预兆之一是党中央军委人事。解放军中地位仅次于习近平的张又侠预计2027年退休，但其接班候选人一个个"被刺"落马，人事至今悬而未决。外交也是如此，7月份被视为王毅外长接班人的刘建超失势。
铃木： 在国防、外交接班人都不明朗的情况下，习近平本人的接班问题更是困难重重。这样下去，可能会出现"无名小卒被一眼相中"的情况。普京就是先例——1996年被提拔进俄罗斯总统府之前还只是圣彼得堡市副市长。无论如何，在接班人事冻结的状态下，将迎来第四届。
经济困境不会动摇权力基础
川岛： 尽管党中央权力基础稳固，习近平政权面临诸多课题也是事实。经济尤其重要，也有人指出他在这一领域经验不足。
铃木： 习近平本人恐怕对经济本身兴趣不大。但他强烈自认为是"马克思主义者"，在观念上重视经济作为下部结构。但如果真是这样，就不应该只关注供给侧，而应积极处理格差纠正等分配问题。2021年提出的"共同富裕"作为口号传播开来，但缺乏实际举措。另一方面，在美中对抗背景下，对经济增长的维持和科技开发等关注很高。
川岛： 中国共产党的正统性曾建立在革命和民族主义之上，改革开放后又加上了富裕。近年来科技受到重视，但追求富裕依然重要。中国经济失速是否会导致对习近平政权和共产党的支持丧失？
铃木： 在正统性和权力基础维护方面，经济富裕依然重要，但我想指出两点新趋势。第一，以AI应用便利性为代表的科技，以及对政权正统性强化的作用。DeepSeek等大规模语言模型的开发就是典型——"我们能造出不输美国的东西"，科技被用于国威发扬。但第二，回顾中华人民共和国的历史，实际上并没有仅因经济因素就导致体制动荡的先例。1989年天安门事件时，除了通胀等经济困境，还有政治腐败、统治精英分裂等因素共同作用，才发展成全国性政治危机。现在的习近平政权对"三件套"中的后两项应对得绑绑有余，很难想象中国经济恶化就会立即动摇习体制。
川岛： 确实如此。常听到"中国经济恶化，政权会制造对外危机转移国民视线"的说法，但这也缺乏依据。如果危机应对失败，反而无法成为"出气口"，尤其是入侵台湾等对执政者来说门槛极高。
铃木： 即便不至于政争，经济和社会保障问题确实导致国民尤其是年轻人不满积累。本来社会保障改革、国企改革等"核心"政策应该受到重视，但这类长期课题国民难以感受到成效，因此不得不优先眼前的景气对策。
川岛： 社会保障政策难以成为政争焦点。中国独生子女政策一代即将步入50多岁，到2035年将以超过倭国的速度进入超老龄化社会。人口动向将大幅改变社会结构，这可能会影响习近平自己设定的2035年乃至2049年国家目标的实现。
AI催生"超监控社会"的新型治理
川岛： 习近平政权相较前任政权最显著的特征是什么？
铃木： 所谓"数字监控"体制。除了监控摄像头，还利用数字支付网络等，一方面运用大数据掌握全民动向，另一方面获取个人信息强化监视，彻底实施治理。习政权高效察觉各种社会风险，同时还试图利用AI等介入人们的认知领域。
川岛： 作为社会管控强化的工具，确实相当有效。纵观中国历史，中央权力要将影响力延伸到地方各个角落何其困难……蒋介石时代都没能到达村级，村庄纳入中央政府治理还是中华人民共和国成立之后的事。但习近平体制不只是村，还要深入每个国民的头脑。
铃木： 或许存在某种强迫观念，非要把治理做到如此彻底。另一个特征是强调各种"安全"——国家安全等，并通过法制化来实现。
川岛： 相比毛泽东、邓小平，习近平意识到自己缺乏基于实绩的卡里斯马（charisma）权威。因此，他试图通过将各种政策法制化、明确权限来弥补这一不足。
铃木： 确实很"一丝不苟"。不过数字监控体制加上法制化，确实让整个社会越来越压抑。
川岛： 富裕阶层外流就是社会自由丧失的反映。
"北京逻辑"下的中美关系
川岛： 也想讨论一下第二届特朗普政府以来的中美关系。从长期视角来看，对中国而言，如何看待特朗普？
铃木： 对习近平来说，最重要的是遂行自己确立的长期目标，与美国进行持久对抗是特朗普上台前就既定的路线。美国"本国优先"的动向将在特朗普之后持续，但中国不会因此调整长期目标。当然需要应对如追加关税等个别问题，但包括外交因素在内的美国因素是风险管理对象，不会因此改变国家目标。
川岛： 关于特朗普关税，中国经济的GDP大部分已由内需构成。出口方面，只能卖给美国的产品会受冲击，否则找到其他买家就行。从这个意义上说，影响是有限的。
铃木： 从中国的视角来看，随着时间推移，世界大势将对自己有利。既然如此，中国无需主动对美国采取什么行动。这集中体现在加强与全球南方国家的关系上。在亚洲等世界各地的"阵地争夺"中，中国认为自己比"走下坡路的西方"更有优势。
川岛： 特朗普政府解散美国国际开发署(USAID)、实质上撤销美国之音和自由亚洲电台等，以及美国对加沙冲突的应对，都被中国利用。
铃木： 观察中美对抗时，经济安全当然重要，但讨论并不简单。以半导体为例，西方越是试图封锁尖端技术，中国越会推进自主化。据说中国已能制造6纳米制程。当然要量产和进一步突破尖端技术会很艰难，但终究有可能追上。从这个意义上说，特朗普关税和经济安保将加速中国追求的内需型经济建设和自主化。因此，这些应对与既定大方针并不矛盾。
中国更警惕的其实是特朗普就职前后"夺回巴拿马运河控制权"、"购买格陵兰"等言论。这是20世纪初的古典海权复兴行动，与中国的海洋进出战略正面冲突。不过特朗普的言论是在"本土防御要塞化"的语境下发表的，只要止于北美和南美大陆范围，影响有限。
川岛： 特朗普政府的出现及其后的关税和对盟国的防务努力要求，在西方国家引起巨大震动。更不用说作为美国主要竞争对手的中国了——倭国往往有这种思维定式。但站在习近平的立场和逻辑来看，中国目前基本是在既有框架下应对。中国可能会修改长期规划，但眼下更大的问题是人事。
如何看待台湾局势
铃木： 前面谈到了习近平的海洋政策，那么台湾问题呢？
川岛： 习近平设想的海权不仅包含商业要素，还涵盖军事力量在内的全面海洋霸权的实现，台湾也是不可分割的组成部分。除了军事和经济重要性，统一更是担保共产党正统性的命题，不存在不追求统一的选项。而且台湾在甲午战争后成为倭国殖民地，二战后也与大陆分离，统一还有雪洗历史屈辱的意味。
铃木： 台湾局势对倭国也很重要。从中国来看，倭国位于第一岛链（九州、冲绳、台湾、菲律宾等）之上，也是第二岛链（伊豆群岛、小笠原群岛、关岛等）的一部分。中国会对倭国乃至日美同盟采取怎样的策略？
川岛： 日美同盟积累深厚，中国也认为不可能轻易离间日美。但如果倭国方面威胁认知上升，台湾有事的具体军事行动讨论深入，国民不安完全可能蔓延。
铃木： 在倭国社会制造"被卷入恐惧"的舆论工作也会进行。正如已经在台湾实施的那样，利用倭国的民主制度制造国论分裂，以综合削弱倭国的政治和外交力量，各种工作手段都会被使用。如果我是中国当局者，肯定会这么做。
川岛： 需要充分认识这一点。围绕台湾有事，尤其令人担忧的是对冲绳的影响。
铃木： 也有报道称中国正在对冲绳进行各种"工作"，这是值得警惕的事态。
川岛： 不过，倭国国内流传的"中国对冲绳的政治工作和影响力已深度渗透"说法，目前来看是过度评估。但如果轻视这类言论的传播，东京与冲绳政策制定者之间的心理疏离是可能发生的。定期且细致的意见交换和信息共享不可或缺。
台湾有事的应对固然重要，但首先要做好准备。尤其是社会韧性的提升、海底电缆等信息基础设施的保护，以及网络攻击、虚假信息等非武力灰色地带渗透的信息共享合作，应该先推进。在战时与和平时期界限模糊的情况下，需要重新审视日台合作方式，重新设定课题。
倭国新政权应如何面对中国
川岛： 10月21日高市新政权成立。中日关系课题堆积如山，您期待怎样的应对？
铃木： 首先是适当展开首脑外交。近年日韩关系改善就是好例子，首脑外交的成果对两国国民感情影响巨大。中日之间也是如此，要构建稳定关系，首脑层面的对话不可或缺，这也将支撑包括商界在内的国民舆论。
川岛： 日中关系和日韩关系类似，曾因尖阁诸岛问题，中方冻结首脑交流，安倍政权将其恢复到可以重新开展的水平。政治家的决断很重要。
铃木： 在权力集中于习近平个人的政权下，能直接向他输入什么信息将是胜负关键。正因为高市首相拥有保守派支持基础，才可能做出大胆的政策决断，安倍也是如此。
川岛： 倭国常有这样的说法："只要经济恶化，中国就会依赖倭国，采取友好姿态。"但现在中国GDP的大部分由内需构成，焦点在于如何刺激国内个人消费。这一点应该牢记。需要着眼于当前的中国，构建适合当下的中日关系。
川岛真：1997年东京大学研究生院人文社会系研究科博士课程单位取得退学。文学博士。专攻中国政治外交史、东亚国际关系史。历任北海道大学助教、东京大学副教授，现任东京大学教授。合编著有《日中关系2001-2022》《欧亚的自画像》等。
铃木隆：2005年庆应义塾大学研究生院法学研究科博士课程肄业。法学博士。专攻中国政治。历任爱知县立大学副教授，现任大东文化大学教授。著有《中国共产党的支配与权力：党与新兴社会经济精英》《习近平研究：支配体制与领导人的实像》等。
注：
.以上为Claude Opus 4.5基于学术对谈的直接翻译，忠实于原文内容。
.呈现倭国学者视角的分析，原文本身具有立场性，翻译保持中立转述。
.原文未涵盖中方官方叙事、西方主流分析的对比视角，以及经济数据的具体验证。 November 11, 2025
3RP
Google TPU 要干掉英伟达了吗？Meta 被曝将大规模采购 TPU，引发市场震动。但真相是：TPU 能撼动英伟达，却永远无法取代英伟达。这不是性能之争，而是生态、时机与战略的较量。
The Information 的一篇重磅报道把整个 AI 行业给炸了，Meta 正在与 Google 进行秘密谈判，计划大批量采购 Google 的 TPU 芯片，用于部分替代英伟达的 GPU 以支持其庞大的数据中心 AI 运算。
根据报道披露的细节，这盘棋下得很大：
- 2026 年： Meta 将大规模租用 Google 云服务（Google Cloud）上的 TPU 算力进行模型训练；
- 2027 年： Meta 将直接采购数十亿美元的 TPU 芯片，部署于自建的数据中心内。
什么？全球最大的 GPU 采购大户要抛弃英伟达了？ Google 的 TPU 居然要走出自家机房，去取代英伟达的 GPU 了吗？
消息一出，资本市场瞬间恐慌了。英伟达股价应声大跌，而 Google 则逆势暴涨，大家都在问：难道英伟达靠 GPU 垄断 AI 数据中心的故事真的讲不下去了吗？TPU 开始逆转了战局了吗？要讲明白这场 GPU vs TPU 的战争，我们要先从英伟达为什么能够像“铁桶”一般垄断 AI 数据中心讲起。
当今的 AI 技术堆栈：一座精密的金字塔
今天的人工智能是一个无比庞大的工业化产业。像 ChatGPT 这样顶尖的 AI 产品，其背后是由一层一层的技术基石堆砌而成的，这在 IT 行业被称为“技术堆栈（Tech Stack）”。
即使采用最粗略的划分方式，要支撑起当下的生成式 AI，至少也包含 5 层关键技术，缺一不可：
- 第一层：算力硬件层（Infrastructure） 这是金字塔的底座，是一切的基础。核心代表毫无疑问是英伟达的 GPU 和 Google 的 TPU。它们提供了 AI 运算所需的庞大算力，就像是工业时代的电力引擎。
- 第二层：系统软件与加速层（System & Compiler） 光有芯片还不够，AI 计算需要成千上万个芯片协同工作。这一层负责调度硬件并优化效率，充当硬件与上层软件的翻译官，它们决定了你能发挥出硬件多少潜能。这一层最典型的护城河技术，就是英伟达的 CUDA，而 Google 的 TPU 也有能够把上层软件编译为 TPU 机器码的 XLA 编译器。
- 第三层：深度学习框架（Deep Learning Frameworks） 想要构建和训练大规模神经网络，开发者不能手搓底层的软件代码，需要成熟的“脚手架”。业界目前最流行的是 META 发起开源软件 PyTorch（目前对 GPU 生态支持最好，是事实标准），以及 Google 发起的开源软件 JAX 和经典的 TensorFlow。
- 第四层：基础大模型（Foundation Models） 这是由深度学习框架训练出来的“超级大脑”，是目前竞争最激烈的战场。
- 语言/多模态模型： 如 OpenAI 的 GPT-5、Google 的 Gemini 3；
- 视频生成模型： 如 OpenAI 的 Sora、Google 的 Veo；
- 图像生成模型： 如 Google 的 Imagen、Midjourney。
- 第五层：AI 应用与交互层（Applications & Agents） 这是用户直接接触的产品。它将底层强大的模型能力封装成人类可以交互的工具。例如 ChatGPT，它的底层核心是 GPT 模型，但它本身是一个增加了对话界面、联网搜索、记忆功能的产品；又比如 Google 的 NotebookLM。
为什么英伟达在 AI 数据中心市场形成了绝对垄断？
我们经常感叹英伟达的 GPU（如 H100、H200、B200）硬件参数如何炸裂，但这只是冰山一角。英伟达之所以能对 AI 数据中心市场形成近乎无解的垄断（市占率一度超过 95%），主要源于以下三个维度的降维打击：
1. 通用性极强的单点算力 英伟达的 GPU 本质上是通用计算加速器（GPGPU）。它不仅能完美覆盖 AI 大模型的训练（Training）和推理（Inference），还能兼顾科学计算（气象模拟、药物研发）、图形渲染甚至加密货币挖掘。这种“一卡多用”的特性，使其成为了数据中心的硬通货——买了永远不亏，不用来炼丹还能用来挖矿（开玩笑，但道理如此）。
2. 恐怖的集群扩展能力（Scale-up & Scale-out） AI 大模型训练不是单打独斗，而是需要成千上万张显卡协同作战。英伟达在这方面做得太绝了：
- 节点内互联：通过独家的 NVLink 技术，英伟达可以将多个 GPU（甚至高达 72 个 GPU 组成的 GB200 NVL72 机柜系统）连接成一个“超级逻辑 GPU”，显存和算力实现无缝共享。
- 节点间互联：通过收购 Mellanox 获得的 InfiniBand 高速网络技术，让成千上万台服务器之间的数据传输快如闪电，解决了大规模集群的通信瓶颈。
3. 真正的护城河：CUDA 软件生态 这是英伟达最难被逾越的壁垒，就像 PC 时代的 Windows 操作系统。
- 底层基石：CUDA 提供了最底层的并行计算库，几乎所有的高性能计算场景都基于此构建，经过了 20 年的打磨。
- 顶层框架：当今统治级的深度学习框架 PyTorch 对 CUDA 提供了最原生的支持。这意味着开发者只需编写几行 Python 代码，就能调用底层强大的算力。
- 生态闭环：围绕 PyTorch/CUDA/GPU 已经形成了一套成熟的“开箱即用”基础设施。
为什么竞争对手很难追赶？ 即使竞争对手（如 AMD 或国产芯片厂商）在硬件参数上追平了 H200，依然无法撼动英伟达的地位。因为缺乏庞大的软件生态支持，意味着极高的迁移成本和时间风险。
一个真实的行业痛点（听起来很痛）： 目前很多致力于适配非英伟达芯片的 AI 团队都面临着巨大的痛苦。许多针对英伟达 GPU 进行过深度优化的模型（特别是涉及复杂算子或 MoE 架构的模型），一旦迁移到其他芯片平台，往往会面临严重的兼容性问题。
- 开发难：大量算子需要从头手写，费时费力，如同用汇编语言写网页。
- 稳定性差：模型训练过程中经常出现莫名其妙的数值溢出或系统崩溃（Crash）。
在当前的 AI 竞赛中，一次全量模型训练往往耗时数月，成本以千万美元计。如果因为芯片兼容性导致训练中途崩溃几次，浪费的不仅是电费，更是半年甚至一年的宝贵时间窗口。这种巨大的试错成本，是任何一家争分夺秒的 AI 公司都无法承受的。传言某国内顶级 AI 模型就是因为在国产芯片上训练下一代模型频繁崩溃，导致一直难产，真的是太痛了。
这就是为什么英伟达在 AI 数据中心市场越成功，行业对其路径依赖就越严重——因为没有人敢承担离开英伟达的代价。
Google 的 TPU 又是怎么崛起的？
尽管英伟达的统治力无可争议，但是 Google TPU 却是个异类，它不仅活下来了，还活得很好，已在 AI 顶级赛道站稳脚跟。
首先，TPU 已经用实战成绩证明了自己在 AI 大模型训练和推理领域的成功：
- Google 本家基石： Google 最强的 Gemini 系列模型，完全基于 TPU 进行训练和推理；
- 独角兽的选择： 顶级 AI 公司 Anthropic (Claude) 在 Google Cloud 上大规模使用了 TPU 算力；
- 科技巨头的背书： 就连 Apple 在训练其 Apple Intelligence 基础模型时，也公开表示使用了 Google 的 TPU v4 和 v5p 集群，而非英伟达 GPU。
那么，在英伟达已经成为绝对霸主的情况下，Google TPU 凭什么能异军突起？我们不妨对照英伟达成功的三个维度来深度解析：
1. 算力哲学：极度通用 vs 极致专用 英伟达 GPU 的强大在于“通用性”。而 Google TPU 从 2012 年设计之初，就是为了特定用途——大规模矩阵乘法而生。 现在的 AI 大模型训练，本质上就是在大规模地做矩阵乘法。因为放弃了图形渲染等通用功能，TPU 的芯片设计得以大幅简化，从而在“矩阵计算”这单一场景下取得了极致的能效比和性能表现。
2. 互联技术：电互联 vs 光互联 (OCS) 英伟达在服务器间的高速互联（NVLink/InfiniBand）上表现出色，覆盖了从单机多卡到万卡集群的广泛场景。 而 Google TPU 另辟蹊径，主攻超大规模集群互联。Google 引入了独特的 OCS（光路交换）技术，用光互联将成千上万颗 TPU 动态编织在一起。最新的 TPU v5p 单个 Pod 即可容纳 8960 颗芯片，甚至可以通过光互联扩展至数万卡的超级集群。这种架构在大规模并行训练中，展现出了极高的带宽利用率和灵活性，且布线极其整洁。
3. 软件生态：CUDA 帝国 vs JAX/XLA 新势力 英伟达的 CUDA 和 PyTorch 让 AI 开发变得“开箱即用”，这是其最大的护城河。但 Google 经过多年深耕，也打磨出了一套极为硬核的软件栈：
- XLA (2016)： 一个强大的编译器，能将计算图直接编译为 TPU 机器码，榨干硬件性能。
- JAX (2018)： 一个旨在替代 TensorFlow 的前沿框架。
对比 PyTorch： PyTorch 是面向对象编程，符合人类直觉，简单易用；而 JAX 是函数式编程，学习曲线陡峭，但在处理超大规模并行计算时具有先天优势，代码更简洁，数学表达更纯粹。
跨界打击： JAX 的优秀甚至溢出了 TPU 生态。如马斯克的 xAI 虽然使用的是英伟达 H100 集群，但为了追求对硬件性能的极致压榨，在训练 Grok 模型时并没有使用 PyTorch，而是选择了 JAX。
总结：生态位的胜利 经过多年的演化，在超大模型训练这一“皇冠上的明珠”场景下，JAX + XLA + TPU 技术栈已经形成了一个完整的闭环。它不仅被验证是成功的，甚至在某些超大规模场景下，能取得比 Pytorch + CUDA + GPU 更优的能效比。在 Google Cloud 上，TPU 的 token 成本定价低于英伟达 GPU，就是最好的证明。这也是 Google Cloud 在云计算市场竞争中的秘密武器。总之：
英伟达 vs Google：两种技术哲学的碰撞
- 应用场景： 通用型霸主 vs 超大模型专用特种兵
- 软件门槛： 低门槛的群众基础 vs 高门槛的专家利器
- 商业模式： 庞大的全行业生态 vs 垂直整合的自研闭环
如果说英伟达就像一辆豪华的全能越野车，哪里都能去，谁都能开，到处都有维修店；那么 Google 就像一辆定制的 F1 方程式赛车，只能跑赛道，赛车手才能开。大多数人买车首选 SUV（英伟达），因为方便、省心；但在争夺世界冠军的顶级赛场上，追求极致速度的车队（如 Google、xAI、Anthropic）会考虑使用 F1 赛车（TPU）。
Google TPU 能干掉英伟达吗？
照你这么说的话，Google TPU 岂不是已经成功挑战英伟达，打破了英伟达 GPU 的绝对垄断地位吗？事情没有那么简单。
1. TPU 的局限性与 Google 的双重身份 前面提到 Google TPU 极其擅长超大模型的训练/推理以及大规模推荐系统，但在通用性上，其他场景要么根本不适用，要么能效比不如英伟达 GPU。 对于 Google 庞大的产品线（YouTube、Search、Cloud）来说，对通用 GPU 的需求依然是海量的。因此，Google 一边自研 TPU，一边依然是英伟达 GPU 的全球采购大户。这一点在未来几年内都不会改变。
2. 迁移成本高昂的“生态墙” 尽管在超大模型场景下，JAX + XLA + TPU 的技术栈能取得显著优势，但这要求你必须“从零开始”就拥抱 Google 生态。 如果现有的项目是基于 PyTorch 和 CUDA 深度优化的，想要迁移到 TPU，约等于重写底层代码并进行大规模兼容性测试。这种“重起炉灶”的时间成本和工程风险，足以让绝大多数企业望而却步。
因此目前来看，Google TPU 的用户群体画像非常清晰，主要就两类：一是高校科研（科学计算），二是超大模型的训练和推理。
为什么 TPU 会有很多科学计算用户？ 这是因为 Google Cloud 长期为高校科研开放免费的 TPU 资源（TPU Research Cloud），加上极度好用的 Colab 服务（免费提供 TPU/GPU 算力），在学术界圈粉无数，培养了一大批习惯 TPU 的科研生力军。
那么，超大模型领域的潜在客户呢？ 我们逐一分析市面上的两类大客户：
- 大型云计算厂商： Amazon, Microsoft, Oracle 以及 CoreWeave 等新兴 GPU 云厂商。
- AI 大模型厂商： OpenAI, Anthropic, xAI, Meta 等。
大型云计算厂商（Amazon, Microsoft）本身就是 Google Cloud 的死对头，且都在自研芯片（Trainium, Maia），绝无可能去买对手的算力。而 Oracle 和 CoreWeave 早就通过深度绑定英伟达赚得盆满钵满，是英伟达的铁杆盟友。
AI 大模型厂商呢？
- OpenAI： Google Gemini 的头号宿敌，微软的盟友，不可能用 TPU。
- xAI： 马斯克与 Google 积怨已久，且正通过特斯拉和 xAI 构建自己的超算集群。
- Meta： 回到开头的新闻，Meta 是个超级大户。虽然传闻在谈，但 Meta 也是 Google 广告业务的直接对手。扎克伯格目前手握全球最大规模的 H100 集群之一，并且 Meta 正在积极迭代自研芯片 MTIA。虽然他们不搞公有云，但为了战略安全和技术自主，Meta 不太可能全面依赖 Google 的 TPU，最多是作为补充或谈判筹码。
- Anthropic： 剩下的只有它了。Google 是 Anthropic 的大金主，所以 Anthropic 使用 TPU 是顺理成章的。
盘算下来，TPU 的外部大客户其实寥寥无几。 这点体量，完全不足以对英伟达的统治地位构成“颠覆性”冲击。 因此，Google 最明智的策略依然是：在 Google Cloud 上提供极致性价比的 TPU 服务，用“省钱”和“能效”从其他云厂商口中抢肉吃，而不是想着彻底干掉英伟达。
如果 Google 非要“头铁”，下场卖 TPU 芯片抢市场呢？ 我认为这极其不明智：
- 供应链与利润结构： TPU 是 Google 与博通（Broadcom）合作设计的 ASIC。如果对外售卖，不仅涉及复杂的供应链管理，还要分润给博通，这会拉低硬件毛利。卖贵了，打不过英伟达；卖便宜了，除去博通的成本，Google 图什么？
- 客户池太浅： 如前所述，愿意买 TPU 且不与 Google 构成直接竞争的大客户极少。
- 田忌赛马的反面： 用自己公司的“内部工具/副业”去硬拼英伟达赖以生存的“主业”，胜算能有多高？
- 最后，也是最关键的宏观背景： 目前全球 AI 数据中心市场正处于“短缺经济”时代。不仅 GPU 缺，HBM 内存、CoWoS 封装产能、电力、甚至建设数据中心的土地都极度紧缺。虽然各大科技巨头的资本支出（Capex）已经高得吓人，但面对爆炸性的业务需求，供给依然不够。微软今年初曾试图下调资本支出，结果发现需求太猛，转头又开始疯狂追加投入。
在一个供不应求的增量市场里，无论你填进去多少算力（无论是 GPU 还是 TPU），都会被瞬间吃干抹净。英伟达的 GPU 和 Google 的 TPU 目前仍处于“各自跑马圈地”的阶段，而非“你死我活”的零和博弈。
我的结论：
Google TPU 对英伟达确实有冲击，但不必过度恐慌。 从长期看，Google TPU 的存在更像是一个强有力的“议价筹码”。当大客户有了备胎（TPU 或自研芯片），英伟达就很难长期维持如今夸张的 75% 利润率。
英伟达未来的市场份额确实会受影响，主要来自：
- Google 自身业务（搜索、推荐、Gemini）更多转向 TPU，减少购买 GPU；
- Google Cloud 的深度合作伙伴（如 Anthropic）减少购买 GPU。 这可能会导致英伟达在数据中心的市占率从 90%+ 缓慢回落到 75%-80% 左右，但这并不改变其商业逻辑的本质。
这就像当年的 PC 市场： 苹果 Macintosh 电脑的崛起虽然让 Windows 的市占率有所下降，但并没有终结 Windows 的垄断。真正终结 Windows 霸权时代的，不是 Mac，而是智能手机的兴起。 同理，Google TPU 干不掉英伟达。真正能干掉英伟达的，只能是下一代计算范式的彻底变革。
Google 的成功是不可复制的
好吧，虽然你说的很有道理，但是 Google 能干成全栈自研，尝到了甜头的其他巨头岂不是会纷纷效仿吗？Amazon，Microsoft，Meta，OpenAI 这几个英伟达的头部大客户都在自研 ASIC 芯片，将来他们都减少了对英伟达芯片的采购，英伟达不是要喝西北风了？
我的观点就是：Google 的成功是不可复制的。
Google 的技术栈能够成功，综合了以下几个不可或缺的因素，而这恰恰是微软、Meta 和亚马逊所不具备的：
1. 十年的时间壁垒（Time & Iteration）
芯片设计不是搭积木，它需要漫长的迭代周期。 Google 早在 2013-2014 年就开始秘密研发 TPU，2016 年 AlphaGo 击败李世石震惊世界时，背后就是 TPU v1 在提供算力。
当微软在 2023 年才匆忙推出 Maia 100 时，Google 的 TPU 已经迭代到了第 6 代甚至第 7 代。
这 10 年间踩过的坑、修复的 Bug、积累的制程经验、以及对散热和互联架构的微调，绝非其他公司靠“砸钱”就能在两三年内追平的。在硅基世界里，经验值就是良率，就是能效比。
2. 真正全栈的“软硬一体”的垂直整合掌控力（Full-Stack Control）
这是 Google 最可怕的地方，也是其他巨头最大的软肋。
Google 拥有整个链条： 硬件（TPU）+ 编译器（XLA）+ 框架（JAX）+ 模型（Gemini）。Google 的科学家 Jeff Dean 可以让设计 Gemini 的算法团队直接坐在设计 TPU 的硬件团队对面，告诉他们：“我们需要一个特定的指令集来加速这个算子。”这种协同效应是核爆级的。
反观微软/Meta： 微软虽然造了 Maia 芯片，但它上面的软件栈主要依赖 OpenAI，而 OpenAI 和整个业界主流依赖的是 PyTorch。PyTorch 的亲爹是 Meta，但 PyTorch 对英伟达 GPU 的优化是刻在基因里的。
微软想要 Maia 好用，就得去魔改 PyTorch 底层，或者指望 OpenAI 为了适配 Maia 去重写代码。这中间不仅隔着公司墙，还隔着巨大的技术债务。
只要 PyTorch 依然是业界标准，其他自研芯片就永远是在“模拟”或“适配”英伟达，而 Google 是在玩一套完全独立的游戏规则。
3. 极其特殊的“光互联”基础设施（OCS Infrastructure）
前面提到的 OCS（光路交换）技术，是 Google 数据中心的独门绝技。 Google 为了适配 TPU 的大规模互联，甚至重新设计了数据中心的物理布线和机柜架构。这种光互联技术允许 TPU 节点之间以极低的延迟和功耗进行动态重组。 其他云厂商的数据中心是基于标准以太网架构建设的，想要复刻 Google 这套“光互联”网络，意味着要推翻现有的数据中心物理架构，这个沉没成本是天文数字。
4. 无法比拟的内部“吞吐量”（Internal Workload）
在生成式 AI 爆发之前，Google 就拥有地球上最庞大的 AI 推荐系统——Google Search、YouTube 推荐算法和 Google Ads。
这些业务每天产生数以亿计的并发请求，为 TPU 提供了天然的、海量的“练兵场”。
即便没有外部客户买单，Google 自己的业务就能消化掉 TPU 的产能。这让 Google 敢于在 TPU 早期性能不完善时，强行在内部推广（Dogfooding），通过海量真实数据把芯片“磨”出来。
相比之下，Meta 虽然有推荐算法需求，但起步晚且早期全押注 GPU；微软的 Azure 主要是卖资源给客户，如果自研芯片不好用，客户会直接用脚投票切回英伟达。
英伟达更像 AI 时代英特尔
著名电影《大空投》原型 Michael Burry 曾暗示英伟达正处于类似互联网泡沫时期的境地，不少看空者也认为英伟达与 OpenAI 之间相互投资和采购的关系，吹起了一个巨大的估值泡沫。他们认为一旦泡沫破裂，英伟达就会像 2000 年的 Cisco（思科）一样，股价暴跌 80% 以上。
但我认为，当下的英伟达并不像当年的 Cisco，而更像 PC 黄金时代的 Intel。 Intel 的股价腾飞始于 1993 年，于 2000 年触顶，随后经历了漫长的震荡与调整。 回顾那段历史，我们可以发现惊人的相似性：
- 1993 年之前（群雄逐鹿）： PC 的 CPU 市场处于混战时代，各路架构互不相让。
- 1993 年（霸主确立）： Intel 推出奔腾（Pentium）处理器，凭借强悍的性能一举确立了 CPU 市场的统治地位。
- 1995 年（杀手级应用爆发）： 微软推出 Windows 95，图形界面的革命引发了全球性的 PC 换机潮。受此驱动，Intel 的股价在 1996 年迎来了极高斜率的上涨。
- 2000 年（盛极而衰）： Intel 股价在 2000 年见顶，随后狂跌。这背后既有互联网泡沫破灭的宏观原因，也有 PC 市场渗透率见顶的因素。同时，Intel 在技术路线上遭遇了 AMD 速龙（Athlon）处理器的强力挑战，且在后续的 64 位指令集之争中（安腾项目）犯了严重的战略错误。
2022 年 ChatGPT 的横空出世，就是 AI 时代的 "Windows 95 时刻"，它极大刺激了全行业对于算力基础设施的升级换代。借助这股 AI 浪潮，英伟达正在狂飙突进。现在的英伟达，像极了 1997 年处于巅峰缓慢爬升期的 Intel。
我相信，在未来几年的 AI 算力市场将呈现“一超一强多级”的格局：
- 英伟达（The Generalist King）： 依然是绝对的“一超”。它占据 75%-80% 的市场份额，服务于所有追求通用性、追求开发效率、追求 Time-to-market 的企业。所有的初创公司、大部分云客户、以及需要频繁试错的模型团队，依然只能选英伟达。
- Google TPU（The Specialized Powerhouse）： 它是那个“特种部队”。它守住 Google 自己的万亿帝国，并在超大模型训练这一垂直领域，成为唯一能跟英伟达叫板的“异类”。
- 其他自研芯片和 AMD（AWS Trainium, MS Maia, Meta MTIA）： 它们更多是“成本调节器”。它们会被用于处理那些负载稳定、算法成熟的推理任务（比如每天运行几亿次的简单推荐或聊天机器人推理）。巨头们用它来通过简单的替代降低运营成本，也就是所谓的“省钱芯片”，但很难承担起“探索下一代 AI 前沿”的重任。
Google 的王者归来：全栈自研的胜利
2022 年底 ChatGPT 的横空出世，曾让 Google 这位 AI 领域的先行者显得黯淡无光。然而，站在 2025 年底的今天回望，Google 的表现足以让人刮目相看。
目前的 Google，是全球唯一一家真正实现了AI 全栈自研、软硬件垂直整合的头部厂商。这种整合优势正在形成巨大的飞轮效应：
- 算力底座： 在硬件层面，Google 利用 TPU 大规模集群高效实现了 Gemini 3 模型的训练和推理，摆脱了对外部 GPU 的依赖。
- 生态闭环： 通过多年的技术积累，打造了难以复制的软硬件一体化技术栈生态：JAX / XLA / TPU，极大地提升了研发效率。
- 云端优势： Google Cloud 虽然在市场份额上仍居 Amazon 和 Microsoft 之后，但增速惊人。更重要的是，得益于自研芯片，其 TPU 的租赁费用相比 GPU 拥有显著的价格优势，这对初创公司极具吸引力。
- 模型与成本：Gemini 3 在多项基准测试中已完全不输 GPT-5.1，甚至在长上下文和多模态理解上有所超越。基于自有云和芯片的成本优势，Gemini 能够提供更具竞争力的 API 调用价格，这种“低成本高智能”的反向优势正在快速抢占开发者市场。
- 产品矩阵全面开花：
1. NotebookLM 已成为“杀手级”的 AI 知识库和学习工具，深受科研与教育用户喜爱。
2. 多模态创作： Gemini 现已深度整合 Veo（视频生成）和 Imagen（图像生成），用户可在一个工作流中完成复杂的创作任务。
3. 搜索进化： Google Search 全面推出了 AI Overviews，成功将传统搜索与 AI 问答无缝整合。
4. 交互创新： 最新推出的生成式 UI (Generative UI) 更是令人惊艳，根据用户意图实时生成交互界面。
关键在于，Google 形成了一个从芯片、基础设施、模型到应用产品的完整闭环，各环节还能互相加强。这就好比 Google 一家公司独自完成了“英伟达 + 微软 + OpenAI”三家公司的工作。再加上 Google 全球数十亿的用户基数，以及 Chrome 浏览器和 Android 移动端两大核心入口，其上限不可估量。
为何半年前股价低迷、备受质疑的 Google，能在这半年实现逆袭？
此前市场看衰 Google，主要基于以下隐忧：
- 商业模式挑战： Google Search 靠竞价排名赚钱，市场担心 AI 问答范式会彻底颠覆这一现金牛。
- 大公司病与人才流失： 尽管 AI 大模型的基石——Transformer 论文是 Google 于 2017 年发表的，但果实却被 OpenAI 摘取。CEO Sundar Pichai 被认为过于稳健，缺乏魄力；内部 DeepMind 和 Google Brain 两个顶尖团队曾各自为战，内耗严重，导致许多论文作者离职。
- 模型落后： 在 Gemini 2.5 发布之前，Google 长期被 OpenAI 的 GPT 系列压制，甚至一度不如 Anthropic 的 Claude，面临在 AI 时代掉队的风险。
但在过去两年，Google 成功扭转了局势：
- 搜索护城河依然稳固： 事实证明，Google Search 并未被轻易颠覆，反而通过集成 AI 变得更强。用户在多轮对话中不仅有明确的个性化需求，AI 还能更精准地推荐个性化的产品与服务。广告业务被 AI 范式颠覆的风险被大大高估了。
- 组织架构重塑： 2023 年起，创始人 Sergey Brin 回归一线，深度参与模型开发。Google 将原本竞争的两个 AI 团队合并为 Google DeepMind，由 Demis Hassabis 挂帅。这一举措成功消除了内耗，重新激活了团队的创新力。
- 模型反超：Gemini 3 Pro 如今展现出后来居上的态势，不仅在性能上反超 GPT-5.1，市场占有率也稳步攀升。攻守之势异也，现在压力来到了 OpenAI 一方。
归根结底，AI 时代的核心竞争点依然是谁能做出最强的大模型。
如果 Gemini 弱，Google 的生态优势无从发挥；一旦 Gemini 领先，Google 强大的全栈整合能力就会瞬间爆发，形成降维打击。
最后我想说，英伟达是算力时代的‘卖水人’，而 Google 是全栈 AI 的‘领航员’。它们都是伟大的公司，对于投资者来说，与其在非此即彼的零和博弈中焦虑，不如看到它们各自不可替代的价值——这两者都值得你们同时拥有。
#AI产业 #大模型 #AI基础设施 #GPU #Gemini #TPU #JAX #XLA #CUDA #谷歌 #英伟达 November 11, 2025
2RP
『美國共和黨剛提出《司法問責法》，要開始讓那些一再釋放暴力慣犯的法官進監獄。
這項法案簡單、狠辣：
只要法官讓被告以「自行具保」或超低保釋金獲釋，而該被告在 12 個月內再犯重罪，法官就會自動面臨聯邦刑事指控——最高可判 10 年，並永久取消執業資格。
他們甚至附上公開資料庫：
所有「對犯罪太軟」的法官姓名、照片、以及他們放出去的再犯累犯紀錄都會公開，讓受害者家屬清楚知道，是哪位法官讓殺害親人的兇手在謀殺前被放了三次。
法案由那些曾目睹 Darrell Brooks 在只付 1000 美元保釋金後、開車衝進聖誕遊行的共和黨強硬派提出——而沃基肖那位法官到今天還穿著她的法袍。
民主黨痛批這是「攻擊司法獨立」。
但司法獨立不代表司法免責，尤其當你的「同情心」讓街道上多了屍體。
黑袍社工把城市變成自由槍擊區的時代結束了——
下一站，是讓他們穿上和那些被他們放出去的犯人同款的橘色囚服。
來源：美國眾議院 H.R.9177《司法問責法》，2025/11/27；Fox News、NY Post』 November 11, 2025
2RP
古知累すすむさんという方が従事されている「恐竜研究」という仕事は、どのようなキャリアプランを経た上でなれるものなのだろうか…？
一般企業の研究者も面白いけど、そういうロマン溢れる研究の仕事もしてみたかったな。 November 11, 2025
今天分享一个我在 @trylimitless 上的“干净预测”流程，真的把我从瞎猜拉回到概率思维
1）只跑3个市场：两档小时 Above/Below + 一档日内
2）进场前写一句话的论点 + 一条“杀掉条件”，仓位小到可以忽略
3）用挂单优先（挂单免费），吃单时清楚显示手续费，避免情绪化
4）下单后离开屏幕，晚上复盘收据，第二天微调
Base 上极速结算、低费率、YES/NO 结构足够直线，实时数据干净到像读市场脉搏。更妙的是不交易也能参与生态的“被动引擎”。规模方面：累计成交已过 0M，11M $LMTS 质押，周周有 K 费收益回购，点数赛道占总量 2% 到 1月26日结束，日内流量常见 M-M，节奏很明确。想更刺激，ApeX 合作的事件合约最高 20x，但仍是 YES/NO 的心智负担
我把这套节奏同步到 @wallchain 的创作者例行，像注意力健身房一样稳定输出，顺便追 Royale 7D 排名
#DeFi #PredictionMarkets #Base $LMTS
你这周最干净的 Above/Below 读法是？ November 11, 2025
ですから、学術的に「正当性」のある（と僕が言う）北朝正統を、議論を専らにし、公的な手続きを経て、公的に「北朝正統」（北朝を歴代天皇にする）を実現しよう、と累々述べています。現時点で明治天皇の勅裁のため「正統」でなくとも、それは変更可能であるなら「北朝正統」は実現可能ですよね？ https://t.co/989RyJJcD1 November 11, 2025
@mame_EVOL 久々にチビサイズから育成やります。
PDのスタッフさんがずーっと何年も累代してた種達なのですが店がなくなって継続出来なくなるから、是非引き継いでほしいという話になりまして。 November 11, 2025
@soruto5i1r2h430 ♠︎パゲ子orコウくん/パゲちゃん、コウくん
♠︎イデア・シュラウド💗/糸師凛/累/冨岡義勇etc…
💙19歳
💙10月11日
♠︎タメ大歓迎〜╰(*´︶`*)╯♡
♠︎もちろん‼️
♠︎どっちもOK〜
💙これからもよろしくね〜
沢山絡みに行くよ！ November 11, 2025
🧠 betaione · AI 足彩公开实验｜阶段战报（截至 11 月 30 日） 收益率将近 300%
我们是 betaione，一个用 AI 来分析和预测足球比赛的公开实验项目。
模型结合了多种信息：
•历史数据：球队近期表现、进失球数据等
•赔率变化：开盘 / 变盘、隐含概率对比
•基本面：主客场、赛程、伤停等
然后由 AI 给出每场比赛的预测方向和「预测信心」。
从 2025-11-26 开始，我们做了一件事：
👉 不卖料、不带单，只做一个完全公开的资金模拟实验。
⸻
💰 一、资金模拟结果（只看 Top5 高信心比赛）
规则非常简单：
•初始资金： class="drawer drawer--top" id="detail">累ーかさねー 映画
0post2025.11.30 18:00:0% :0% （30代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
翼竜の「名前」を断捨離⁉️🇧🇷
#古知累論文紹介
翼竜（よくりゅう）ファンなら誰もが知っておくべき、超重要な「まとめ」論文を紹介します。
舞台はブラジル、アラリピ盆地。
ここは、世界で最も重要な「翼竜の聖地」の一つと言われています 。
なぜなら、ここでは化石が「ぺちゃんこ」にならず、立体的（3D）に保存されていることが多いからです 。
さらに、筋肉や皮膚、トサカなどの「柔らかい組織」まで残っていることがあるという、とんでもない場所なんです 。
最初の発見から50年以上が経ち、これまでにたくさんの種類の翼竜が報告されてきました 。
しかし、研究が進むにつれて「ある問題」が浮き彫りになってきました。
それは、「名前が多すぎる問題」です 。
化石が少し違うだけで「新種だ！」と名前が付けられてきましたが、実はそれが「ただの成長段階の違い（大人と子ども）」だったり、単なる個体差だったりする可能性が高まってきたのです 。ｿﾘｬｿｳｼﾞｬ。
今回紹介する論文では、これまでにアラリピ盆地で報告されたすべての翼竜を徹底的に見直しています。
まさに、翼竜図鑑の「大改訂版」とも言える内容です。
特に注目すべきポイントをいくつかピックアップして解説しますね。
１．アンハングエラ類の整理
口先に丸いトサカを持つ「アンハングエラ」という翼竜がいます。
これまで、トサカの形や位置の違いでたくさんの種が作られてきました 。
しかし、この論文では「トサカは成長とともに大きくなり、形も変わる」という点を重視しています 。
つまり、トサカの微妙な違いだけで別の種とするのは間違いかもしれない、ということです。
その結果、過去に名前がついたいくつかの種は「疑問名（詳細不明で有効ではない名前）」として整理されました。
２．巨大なトサカを持つタペヤラ類
頭の上に巨大なトサカを持つことで有名な「トゥパンダクティルス」なども詳しくレビューされています 。
彼らのトサカは骨だけでなく、大部分が「軟組織（ソフトティッシュ）」でできていました 。
驚くべきことに、化石に残された色素（メラニン）の研究から、彼らのトサカに色があった可能性まで示唆されています 。
この論文では、これらが単なる飾りではなく、種の違いも反映してそう、ということが再確認されています 。
３．化石の密輸問題
この論文は、科学的な分類の話だけでは終わりません。
非常にシリアスな問題である「化石の違法取引」についても警鐘を鳴らしています 。
アラリピ盆地の美しい化石は、高値で取引されるために違法に持ち出されることがありました 。
その結果、「その化石が地層の『どこ』から出たのか」という、極めて重要な情報が失われてしまっているのです 。
地層の情報がないと、「いつの時代の」「どんな環境にいたのか」が正確に分かりません 。
著者は、これからの研究には、きちんとした地質学的な調査と、化石の保護が不可欠だと訴えています 。
～🐦～🐦～🐦～🐦～
この論文は、過去50年の研究を整理し、散らかり気味だった「翼竜の名前」をスッキリさせました 。
「新種発見！」というニュースはワクワクしますが、既存の化石をじっくり見直すことで、彼らの「成長」や「本当の多様性」が見えてくるんですね。
これからは単に名前を付けるだけでなく、彼らがどのように空を飛び、何を食べていたのかという「生活」に迫る研究が進んでいくと期待したいですね！
・・・まぁ、多分そんなことは起きないがな！
最近は首の骨だけで名前がつくのとか多いしな！！
元論文URL→ https://t.co/cZcv6IsIb5 November 11, 202510RP大公報 被下架文章
2025年11月28日星期五 A7要聞
天價收費 圍標合謀 利益輸送 劣質工程
揭開維修棚架背後重重黑幕
搭棚維修調查❶
宏福苑五級火大埔宏福苑五級火造成大量人命傷亡。翻查紀錄，今年至今已有至少10宗棚架起火事故（見表），大廈外牆維修搭棚的安全問題引發公眾強烈關注。警方昨日凌晨拘捕三名涉嫌誤殺的男子，他們為負責屋苑大廈維修的宏業建築工程有限公司負責人，包括現任董事侯華健及何建業。
大公報記者展開偵查，透過業界代表及多名知情人士，逐 層 揭 開 建 築 棚 架 背 後 的 黑幕，當中牽涉天價維修費、圍標合謀、利益輸送，以及工程質量等問題。
大公報記者
張真、李雅雯、陳玥、馮錫雄
競標公司遭「警告」被迫退出
有業界人士透露，由於圍標及種種原因，參與工程競標的建築公司越來越少。建築業界內的工程投標一直都欠缺透明度，有不願具名的工程業界代表接受《大公報》訪問時表示，十多年來，工程公司圍標的情況也非常嚴重，甚至有工程公司負責人參與競標後立即被人惡言警告，無奈退出競標， 「導致有水準的公司越來越少，沒有多少間公司投標，競標的結果自然就來來去去都是那幾間了。」 他形容，這種情況在業內已維持段長時間，導致行業生態非常不健康。他表示，今次負責人被捕的宏業建築工程，是業內有名的競標 「常勝將軍」， 「他們接了很多工程，但試問這麼多工程，哪有這麼多資源投入呢？」 業內常有偷工減料或用劣質的材料等事情；更甚的是投標價低者得，不少中標工公司往往會以拉長工程期的做法來繼續讓業主多些掏錢，以補回低價中標的利潤，「這些不時發生的事，在業內知情者看來是見怪不怪。」
阻燃網成本較普通網貴近倍
有建造業界人士透露，維修棚的阻燃網，每張約90元，沒有阻燃功能的普通網僅售50多元，而且阻燃網被太陽曬後會變脆，只用一次就要扔，普通防護網則可以不停重用。大埔宏福苑奪命火發生前，相關部門甚少巡查，不少行內人士抱着僥倖心態，鋌而走險。
這場火災的慘烈，背後是香港城市治理能力的考驗。該名建造業界人士透露，搭建金屬棚是合法輸入外勞的工種，加上金屬棚工人日薪低於竹棚工人，勢令本地工人收入受影響，金屬棚架的成本比竹棚昂貴約兩至三倍，因而增加施工成本，雖然有工人考獲搭金屬棚架資格，但由於市場需求不高及薪酬較低，從事相關工作的人員不多。
另外，大公報記者昨日在警方執法押解負責人何建業至元朗蝦尾新村進行搜證工作時，接觸到其鄰居吳先生。吳先生透露，自己從事小型工程起家，對行業有一定了解，談到宏福苑疑因維修工程物料不符合安全規格觸發五級大火，他坦言這是業界多年的潛規則： 「香港做工程，個個項目貪平，中標往往是價低者得，報價最低才有得做。低價中標的工程如何畀足料？」
業界 ： 地盤工違例吸煙難管
吳先生指出，雖然現時香港政府已有很多規例規管工程，然而執行上仍有很大優化空間。有宏福苑居民直指今次大火的起因與搭棚工人經常吸煙、遺下煙頭，疑燃點防護網觸發大火。吳先生坦言有關情況是常態，「無得管，很多（工人）教唔聽，工人很多讀書少，吸煙是幾十年的習慣。」 業界曾建議在工程地盤劃出安全吸煙區，卻難以實行， 「有些人不會遵從在指定地方吸煙，總之難管！」吳先生透露，低價中標的公司工程延期也是常事， 「發泡膠和竹棚都是易燃物，經過一年的日曬雨淋，竹棚變得更乾燥、腐化，一旦燃燒火勢就會特別快蔓延。加上近日天氣乾燥又大風，所以宏福苑的大火，才會在短時間內就從底層蔓延到頂部，還連累了相鄰的樓宇。」
「這麼多家庭妻離子散，實在讓人難過。」 他認為，此次慘劇令人痛心，希望這場悲劇能促使政府和業界反思，立例監管，加強工程質量監管與施工安全巡查，嚴查違規操作，避免類似的人間慘劇再次發生。 November 11, 20256RP孙悟空（SunX）真的杀疯了。
刚刚看了下数据，平台累计交易额已经干到 112亿 USDT+，而且速度还在往上飙。
更离谱的是，这波直接开了个邀请兄弟一起赚的大活动，总奖池：100万枚 $SUN
重点不是平台赚多少钱，重点是—— 这次是真的轮到我们薅一波了👇
只要你拉一个朋友来玩，双方都能拿 $SUN ，而且不是那种“画饼奖励”，是分阶段、可完成的那种：
第1阶段： 好友第一笔交易 ≥ 300 USDT
你：30枚 $SUN
他：20枚 $SUN
第2阶段： 好友7天内交易 ≥ 20,000 USDT
你：再拿 100 枚
他：再拿 100 枚
也就是说，一个好友=最高 260枚 $SUN 到你们手上。
这个活动还能叠加迎新活动 + 20%返佣， 相当于你同一波邀请，吃三份奖励。
玩法也不复杂：
1. 打开孙悟空 → 找到【邀请好友】
https://t.co/eX1jAjwRZw
2. 复制你的专属链接 / 邀请码
3. 让好友参加：来不来？送你钱的那种。
讲真，这种平台在狂砸钱拉新时，不上车才是真的亏。
钱在那放着，就看你要不要伸手拿。
一起参与起来，活动详情： 👇https://t.co/o6u5Pib4ZR
@justinsuntron @SunX_DEX #TRONEcoStar November 11, 20256RP🐨「有袋類ライオン」ティラコレオ🦁
実はコアラの兄妹だった……！？
#古知累論文紹介
かつてオーストラリア大陸には巨大な動物たちが闊歩していました 。
体重100kgを超え、強力な顎で獲物を仕留める「ティラコレオ（有袋類ライオン） 。
あるいは、体重1000kgにもなる巨大な草食獣「パロルチェステス」。
彼らは数万年前に姿を消してしまいましたが、その「正体」や「絶滅の原因」には多くの謎が残されています。
なぜなら、オーストラリアは気候が暑いため、化石に残されたDNAがすぐに分解されてしまうからです 。
DNAが壊れてしまえば、彼らが進化の系統樹のどこに位置するのか、正確にはわかりません。
しかし今回、研究チームはDNAの代わりに「コラーゲン（タンパク質）」という別の物質に注目しました。
コラーゲンはDNAよりもはるかに頑丈で、長期間保存されやすいという特徴があります。
研究チームは、タスマニアの洞窟などから発掘された、約10万年前の骨の破片など51点を分析しました。
その手法は「ZooMS（ズームス）」と呼ばれ、コラーゲンを細かく分解したときのペプチドの質量パターン（“指紋”）を読み取ることで、動物の種類を特定するものです。
その結果、肉食獣である「ティラコレオ」の、現生する最も近い親戚が、「コアラ」である可能性が高まったのです。
これまでもウォンバットやコアラに近いグループ（ウォンバット型目）だとは考えられてきましたが、今回の分析でコアラとの強い結びつきが支持されました。
この研究は、進化の謎を解くだけではありません。
これまで「正体不明」として扱われていた小さな骨の破片でも、この手法を使えば「どの動物の骨か」を正確に突き止められるケースがありました。
骨の種類がわかれば、その地層の年代測定と合わせて、「いつ、どの動物が絶滅したのか」をより詳細に知ることができます。
これにより、長年の論争である「巨大動物を滅ぼしたのは人間か、気候変動か」という問いに、決着をつける大きな鍵になるかもしれません。
元論文URL→ https://t.co/p8Q54XOU1e November 11, 20255RPBTC、ETH 都扛不住的时候，JST 却在悄悄走强
最近的大盘，大家都看到了：
BTC 一路往下，-19.98%；
ETH 跌得更狠，-27.57%。
但 JST 完全不是那个画风。
同期 JST 竟然涨了 +22.47%，走出了独立行情。
为什么 JST 能在这种行情里逆势？
为什么别人在找底，JST 却在稳步回收筹码？
为什么就算没大行情，它依旧能涨？
答案其实很简单：
这不是情绪驱动，而是基本面驱动。
1/ 首轮回购销毁落地，JST 的价值锚定正式建立
大家都知道，Justlend 官方这波动作是实实在在的硬利好—不是喊口号，不是画饼，而是直接拿钱下场。
第一次就把 5900 万美金收益的 30% 拿出来做回购销毁，
一口气干掉了 5.6 亿枚 JST，
占总供应量 5.6%。
注意，这是第一轮。
剩下 4140 万美元 还在路上，按季度持续销毁。
这叫长期、可持续的通缩。
叫「价值回流」的闭环终于建立起来了。
大多数项目的回购销毁都只是 PR，
但 JST 的这套机制，是靠真实平台收入支撑的。这点太关键了。
2/ JustLend DAO 正在持续赚钱，销毁只是开始
JST 的价值来自哪里？来自生态的真实现金流：
JustLend DAO 的借贷利息，能量租赁的手续费，USDD 多链生态的盈利，平台 TVL 的增长带来更大收益池
光 JustLend DAO 一个协议，累计收益就接近 6000 万美金。今年 Q3 一个季度收入就接近 200 万美金。
你说这种协议，它回购销毁 JST，是不是“真金白银”？
更别忘了，USDD 的盈利超过阈值后，也会加入回购销毁池。
这意味着 JST 后面会迎来第二条“价值注入管道”。
说白了：
JUST 在赚多少钱，JST 就能被买回来、被销毁多少。
这是硬逻辑，不靠讲故事。
3/ 五年零安全事故，熊市更显出真正价值
什么叫“能在熊市看出真实力”？
就是别人都在暴跌、爆仓、黑客攻击时，
你依旧稳如老狗，还在不断赚钱。
Aave、Venus、Kamino 都遭遇过安全事故，
唯独 JustLend 五年运营下来零事故。
这就是为什么在市场不稳的时候，
资金更愿意往 JST 所在的生态流。
熊市最怕什么？怕不确定性。
而 JST 恰恰给了市场一个“最高确定性”的叙事：
收益稳定 → 回购确定 → 通缩确定 → 价值增长确定
这种确定性，在熊市里尤为昂贵。
4/ JST 的这波涨，不是拉盘，是重估
JST 这轮涨，不是那种“新闻刺激的直线拉升”。
它是：
稳 → 稳 → 稳 → 慢慢涨
但 JustLend 的 TVL 是全球前四，安全性第一，盈利能力稳健，又有 TRON 整条能量经济支撑。
这种“估值错配”迟早会被市场修复，
现在只是修复的开端。
所以 JST 的上涨，不是“激情”，而是“迟到的价值回归”。
5/ 无惧熊市，因为 JST 走的不是投机路线
为什么 JST 这波能逆势跑赢 BTC 和 ETH？
因为它走的是完全不同的轨迹：
•大盘跌 → 情绪崩 → 投机资金撤退
•JST 涨 → 生态赚钱 → 透明回购 → 通缩推进
你会发现一个现实：
JST 的上涨和市场情绪没强相关性，它跟基本面绑定。
也就是说：
哪怕现在还是熊市，哪怕延续半年，它依旧能一步步涨。
因为：
销毁还会继续
收益还会继续
通缩还会继续
价值重估还没走完
熊市最能检验“谁是真实力、谁是纯靠故事”。
而 JST 已经把答案写在链上。
这一次，不是暴涨，也不是故事。
JST 是在用“回购+销毁+盈利”把价格一点点往上推。
不是喊口号，不是追热点，它走的是长期路线。
当一个项目靠基本面推动上涨，它就不会被大盘绑架。
JST 的逆势，就是最好的证明。
接下来怎么走？我只说一句：
真正的价值，从来不是在牛市里被发现的，而是在熊市里被重新定价的。
@justinsuntron @DeFi_JUST #TRONEcoStar November 11, 20253RP🦕チリ最古？
恐竜たちが残した「足跡」の謎に迫る👣
#古知累論文紹介
南米の恐竜と聞いて何を思い浮かべますか？
実は、南米の「ジュラ紀後期（約1億6000万年前〜）」の恐竜化石というのは、これまであまり見つかっていませんでした。
特にチリがある南米の西側（かつてのゴンドワナ大陸の西縁）では、骨の化石記録が極めて少ないのです。
「骨がないなら、どうやってそこに恐竜がいたと証明するの？」
重要になるのが、今回紹介する論文のテーマである「足跡化石」です。
骨は残りにくくても、足跡なら地層に残っていることがあるからです。
今回、チリ北部のHuatacondoという場所にある「マハラ層」から、重要な発見がありました。
なんと、チリおよびゴンドワナ大陸西縁において「最古」となる恐竜の足跡が報告されたのです。
これまで知られていた記録よりも古い時代の地層から、恐竜たちの痕跡が見つかりました。
では、どんな恐竜たちが歩いていたのでしょうか？
分析の結果、見つかった足跡の多くは「獣脚類（じゅうきゃくるい）」のものである可能性が高いことがわかりました。
獣脚類とは、ティラノサウルスのように二足歩行をする肉食恐竜のグループです。
面白いのは、そのサイズの多様性です。
長さ50cmを超える「巨大」な足跡から、40cm程度の「大型」、そして20cm台の「中型」まで様々。
さらに驚くべきことに、わずか8cmから13cmという「極小〜小型」の足跡も多数発見されました。
この小さな足跡は、当時のこの地域において最小クラスの記録です。
研究チームは、ただ「足跡があった」と言うだけではありません。
ドローンや近距離撮影を用いた「フォトグラメトリ」という技術で、足跡を3Dモデル化しました。
そして、足跡の長さや幅、指の角度などを数学的に解析（主成分分析）することで、客観的に形を比較しました。
その結果、これらの足跡は5つの異なるタイプに分類できることがわかりました。
具体的には、CarmelopodusやGrallatorといった、世界的に知られる足跡化石の分類に近い特徴を持っていたようです。
※ただし、保存状態の問題もあり、断定ではなく「類似している（cf.）」という慎重な表現が使われています
また、保存状態は良くないものの、首の長い植物食恐竜である「竜脚類（りゅうきゃくるい）」と思われる痕跡も見つかりました。
この発見は、何を意味するのでしょうか。
骨の化石がほとんど見つかっていないこの時代・この場所にも、確かに多様な恐竜たちが生息していたという重用な証拠になります。
どうやら当時のこの地域は、乾燥した気候の中で、一時的に水が存在するような環境だったようです。
そこに大小さまざまな肉食恐竜を中心とした恐竜たちがやってきて、湿った地面に足跡を残していったのかもしれません。
元論文URL→ https://t.co/AeqmMHLETO November 11, 20253RP倭国外务省旗下杂志《外交》vol.94封面文章
(译文仅供参考)
围绕中国习近平体制的博弈
对谈：习近平体制——走向个人独裁的政治力学
铃木隆 大东文化大学教授 川岛真 东京大学教授、本刊编辑委员
习近平统治是否稳固？
川岛： 习近平政权目前已进入第三任期的中期阶段。在展望政权走向时，让我们先梳理一下中国未来的政治日程。2027年第三任期结束将是一个节点，但如果没有突发事件，预计将迎来第四任期（至2032年）。从更长远来看，2049年是建国100周年，中国设定了实现"社会主义现代化强国"、在国际社会获得霸权地位、与美国比肩甚至超越美国的宏大目标。而2035年则是"基本实现社会主义现代化"的阶段性目标。因此，2027年、2032年、2035年、2049年都是展望中国政治时必须关注的重要节点。
川岛： 也就是说，习近平本人的设想可能是：干满四届后，视接班问题的进展选择退休，或者干到第五届，大约到2035年左右。如果真打算第四届就结束，那现在应该已经能看到接班人布局的动向。现任政治局常委中除习近平外的六人，以及23名政治局委员中高龄者不少，进入第四届时可能会有较大调整。主要从新进委员中遴选，在第四届任期内逐步锁定接班候选人。
铃木： 我认为习近平会物色两三个接班候选人，让他们在忠诚度和政策能力上相互竞争，但他本人会尽可能长久地保持最高领导人地位。
川岛： 习近平有可能就任党主席吗？
铃木： 有可能。届时接班人担任党总书记，而他本人以被"推戴"的形式成为党主席。总书记体制原则上是集体领导、多数决，但党主席可以独自决策。我认为会根据第四届的情况相机而动，不过从实际情况来看，习近平的个人独裁已经确立。
川岛： 江泽民、胡锦涛时期推进党内民主化，通过建立明确的政治程序来抑制权力斗争，习近平本人就是通过党内选举当选总书记的。为什么他要逆转这一党内民主化潮流？另外，支撑习近平路线的权力基础在哪里？
铃木： 我认为其根源在于这样一种思维：江泽民、胡锦涛时代约20年积累的问题，比如党内纪律松弛等，必须通过向习近平个人集中权力才能克服。此外，习近平的执政风格和执政哲学很大程度上继承自毛泽东，这一点也很重要。同时，反腐败斗争和改善环境问题等与普通民众切身相关的工作取得了成效，这也成为其向个人集权正当化的依据。
川岛： 就现实的权力基础而言，习近平比毛泽东更强大。毛泽东虽有卡里斯马（charisma）魅力超过习近平，但毛身边有周恩来这样必须重视的同辈。而习近平周围没有能与之并肩的人物。
地方执政经历塑造的海洋进取意识
铃木： 如您在近著中所论述的，习近平的执政风格和政策，他的履历有怎样的影响？
川岛： 地方经验非常重要。政策层面值得关注的是，习近平主政过的福建省、浙江省、上海市都是沿海地区。福建面对台湾，浙江和上海濒临东海，在军事和经济上都是重要地区。正因为有这些经历，台湾问题和海洋进出对他来说是切身关注的事务。
铃木： 内陆陕西省出身、年轻时住窑洞务农的人物，后来作为精英官僚赴任沿海地区，对本国的海洋进出产生兴趣，这确实很有意思。那么在治理层面，"重党轻政"的思想形成也与地方经验有关吗？
川岛： 从他的成长经历来看，他是革命第一代人体悟到的党的献身精神、党作为国家基础而存在的意识的自然继承者。对党国体制的信任可以说是"红二代"（革命前建国时期贡献于党的高级干部子弟）的身份认同。
考察他的权力基础时，与军队的关系也很重要。习近平政权缩减陆军，重视陆海空、火箭军的均衡，致力于建设现代化军队。正因为能够掌控军队，才能推进如此大规模的军制改革。
铃木： 这是因为习近平在1979至1982年有过军队服役经历，对军队这一暴力组织的特性有自信能够理解吧。加之他在地方领导人时期就积极与当地军队干部建立人脉。与刘少奇之子、幼年好友刘源的合作关系也有助于反腐斗争的推进。
川岛： 作为党中央军委主席，他在对军队的影响力方面与前两届政权大不相同。
铃木： 除了中央军委主席，习近平还拥有"联合作战指挥机构总指挥"这一新头衔，位居军令部门之首。与其说是单纯的文职领导人，不如说他有更进一步的"军人政治家"自觉。
川岛： 掌控了党和军队，习近平在中央的权力基础比前两届政权要稳固得多。通过反腐斗争清除政敌，现任政治局常委、政治局委员几乎都是他的人马。最近经常听到"健康隐忧"或"可能进不了第四届"之类的传言，但仔细观察现状，认为他权力基础脆弱的分析令人难以认同。社会和地方当然有不满，但都是静默的。
"欲罢不能"的习近平
铃木： 让人担心的是接班问题。正因为权力向习近平集中，才产生了难题。无论党还是军队，不太可能轻易出现一个值得信任、能够接手他这般权力的人。他似乎被权力之网缠住了。撇开作为权力者对长期执政的野心不谈，包括自身的进退在内，都是权力惯性或惰性的结果，"欲罢不能"才是实情。
川岛： 四五年后的接班问题将会非常棘手。预兆之一是党中央军委人事。解放军中地位仅次于习近平的张又侠预计2027年退休，但其接班候选人一个个"被刺"落马，人事至今悬而未决。外交也是如此，7月份被视为王毅外长接班人的刘建超失势。
铃木： 在国防、外交接班人都不明朗的情况下，习近平本人的接班问题更是困难重重。这样下去，可能会出现"无名小卒被一眼相中"的情况。普京就是先例——1996年被提拔进俄罗斯总统府之前还只是圣彼得堡市副市长。无论如何，在接班人事冻结的状态下，将迎来第四届。
经济困境不会动摇权力基础
川岛： 尽管党中央权力基础稳固，习近平政权面临诸多课题也是事实。经济尤其重要，也有人指出他在这一领域经验不足。
铃木： 习近平本人恐怕对经济本身兴趣不大。但他强烈自认为是"马克思主义者"，在观念上重视经济作为下部结构。但如果真是这样，就不应该只关注供给侧，而应积极处理格差纠正等分配问题。2021年提出的"共同富裕"作为口号传播开来，但缺乏实际举措。另一方面，在美中对抗背景下，对经济增长的维持和科技开发等关注很高。
川岛： 中国共产党的正统性曾建立在革命和民族主义之上，改革开放后又加上了富裕。近年来科技受到重视，但追求富裕依然重要。中国经济失速是否会导致对习近平政权和共产党的支持丧失？
铃木： 在正统性和权力基础维护方面，经济富裕依然重要，但我想指出两点新趋势。第一，以AI应用便利性为代表的科技，以及对政权正统性强化的作用。DeepSeek等大规模语言模型的开发就是典型——"我们能造出不输美国的东西"，科技被用于国威发扬。但第二，回顾中华人民共和国的历史，实际上并没有仅因经济因素就导致体制动荡的先例。1989年天安门事件时，除了通胀等经济困境，还有政治腐败、统治精英分裂等因素共同作用，才发展成全国性政治危机。现在的习近平政权对"三件套"中的后两项应对得绑绑有余，很难想象中国经济恶化就会立即动摇习体制。
川岛： 确实如此。常听到"中国经济恶化，政权会制造对外危机转移国民视线"的说法，但这也缺乏依据。如果危机应对失败，反而无法成为"出气口"，尤其是入侵台湾等对执政者来说门槛极高。
铃木： 即便不至于政争，经济和社会保障问题确实导致国民尤其是年轻人不满积累。本来社会保障改革、国企改革等"核心"政策应该受到重视，但这类长期课题国民难以感受到成效，因此不得不优先眼前的景气对策。
川岛： 社会保障政策难以成为政争焦点。中国独生子女政策一代即将步入50多岁，到2035年将以超过倭国的速度进入超老龄化社会。人口动向将大幅改变社会结构，这可能会影响习近平自己设定的2035年乃至2049年国家目标的实现。
AI催生"超监控社会"的新型治理
川岛： 习近平政权相较前任政权最显著的特征是什么？
铃木： 所谓"数字监控"体制。除了监控摄像头，还利用数字支付网络等，一方面运用大数据掌握全民动向，另一方面获取个人信息强化监视，彻底实施治理。习政权高效察觉各种社会风险，同时还试图利用AI等介入人们的认知领域。
川岛： 作为社会管控强化的工具，确实相当有效。纵观中国历史，中央权力要将影响力延伸到地方各个角落何其困难……蒋介石时代都没能到达村级，村庄纳入中央政府治理还是中华人民共和国成立之后的事。但习近平体制不只是村，还要深入每个国民的头脑。
铃木： 或许存在某种强迫观念，非要把治理做到如此彻底。另一个特征是强调各种"安全"——国家安全等，并通过法制化来实现。
川岛： 相比毛泽东、邓小平，习近平意识到自己缺乏基于实绩的卡里斯马（charisma）权威。因此，他试图通过将各种政策法制化、明确权限来弥补这一不足。
铃木： 确实很"一丝不苟"。不过数字监控体制加上法制化，确实让整个社会越来越压抑。
川岛： 富裕阶层外流就是社会自由丧失的反映。
"北京逻辑"下的中美关系
川岛： 也想讨论一下第二届特朗普政府以来的中美关系。从长期视角来看，对中国而言，如何看待特朗普？
铃木： 对习近平来说，最重要的是遂行自己确立的长期目标，与美国进行持久对抗是特朗普上台前就既定的路线。美国"本国优先"的动向将在特朗普之后持续，但中国不会因此调整长期目标。当然需要应对如追加关税等个别问题，但包括外交因素在内的美国因素是风险管理对象，不会因此改变国家目标。
川岛： 关于特朗普关税，中国经济的GDP大部分已由内需构成。出口方面，只能卖给美国的产品会受冲击，否则找到其他买家就行。从这个意义上说，影响是有限的。
铃木： 从中国的视角来看，随着时间推移，世界大势将对自己有利。既然如此，中国无需主动对美国采取什么行动。这集中体现在加强与全球南方国家的关系上。在亚洲等世界各地的"阵地争夺"中，中国认为自己比"走下坡路的西方"更有优势。
川岛： 特朗普政府解散美国国际开发署(USAID)、实质上撤销美国之音和自由亚洲电台等，以及美国对加沙冲突的应对，都被中国利用。
铃木： 观察中美对抗时，经济安全当然重要，但讨论并不简单。以半导体为例，西方越是试图封锁尖端技术，中国越会推进自主化。据说中国已能制造6纳米制程。当然要量产和进一步突破尖端技术会很艰难，但终究有可能追上。从这个意义上说，特朗普关税和经济安保将加速中国追求的内需型经济建设和自主化。因此，这些应对与既定大方针并不矛盾。
中国更警惕的其实是特朗普就职前后"夺回巴拿马运河控制权"、"购买格陵兰"等言论。这是20世纪初的古典海权复兴行动，与中国的海洋进出战略正面冲突。不过特朗普的言论是在"本土防御要塞化"的语境下发表的，只要止于北美和南美大陆范围，影响有限。
川岛： 特朗普政府的出现及其后的关税和对盟国的防务努力要求，在西方国家引起巨大震动。更不用说作为美国主要竞争对手的中国了——倭国往往有这种思维定式。但站在习近平的立场和逻辑来看，中国目前基本是在既有框架下应对。中国可能会修改长期规划，但眼下更大的问题是人事。
如何看待台湾局势
铃木： 前面谈到了习近平的海洋政策，那么台湾问题呢？
川岛： 习近平设想的海权不仅包含商业要素，还涵盖军事力量在内的全面海洋霸权的实现，台湾也是不可分割的组成部分。除了军事和经济重要性，统一更是担保共产党正统性的命题，不存在不追求统一的选项。而且台湾在甲午战争后成为倭国殖民地，二战后也与大陆分离，统一还有雪洗历史屈辱的意味。
铃木： 台湾局势对倭国也很重要。从中国来看，倭国位于第一岛链（九州、冲绳、台湾、菲律宾等）之上，也是第二岛链（伊豆群岛、小笠原群岛、关岛等）的一部分。中国会对倭国乃至日美同盟采取怎样的策略？
川岛： 日美同盟积累深厚，中国也认为不可能轻易离间日美。但如果倭国方面威胁认知上升，台湾有事的具体军事行动讨论深入，国民不安完全可能蔓延。
铃木： 在倭国社会制造"被卷入恐惧"的舆论工作也会进行。正如已经在台湾实施的那样，利用倭国的民主制度制造国论分裂，以综合削弱倭国的政治和外交力量，各种工作手段都会被使用。如果我是中国当局者，肯定会这么做。
川岛： 需要充分认识这一点。围绕台湾有事，尤其令人担忧的是对冲绳的影响。
铃木： 也有报道称中国正在对冲绳进行各种"工作"，这是值得警惕的事态。
川岛： 不过，倭国国内流传的"中国对冲绳的政治工作和影响力已深度渗透"说法，目前来看是过度评估。但如果轻视这类言论的传播，东京与冲绳政策制定者之间的心理疏离是可能发生的。定期且细致的意见交换和信息共享不可或缺。
台湾有事的应对固然重要，但首先要做好准备。尤其是社会韧性的提升、海底电缆等信息基础设施的保护，以及网络攻击、虚假信息等非武力灰色地带渗透的信息共享合作，应该先推进。在战时与和平时期界限模糊的情况下，需要重新审视日台合作方式，重新设定课题。
倭国新政权应如何面对中国
川岛： 10月21日高市新政权成立。中日关系课题堆积如山，您期待怎样的应对？
铃木： 首先是适当展开首脑外交。近年日韩关系改善就是好例子，首脑外交的成果对两国国民感情影响巨大。中日之间也是如此，要构建稳定关系，首脑层面的对话不可或缺，这也将支撑包括商界在内的国民舆论。
川岛： 日中关系和日韩关系类似，曾因尖阁诸岛问题，中方冻结首脑交流，安倍政权将其恢复到可以重新开展的水平。政治家的决断很重要。
铃木： 在权力集中于习近平个人的政权下，能直接向他输入什么信息将是胜负关键。正因为高市首相拥有保守派支持基础，才可能做出大胆的政策决断，安倍也是如此。
川岛： 倭国常有这样的说法："只要经济恶化，中国就会依赖倭国，采取友好姿态。"但现在中国GDP的大部分由内需构成，焦点在于如何刺激国内个人消费。这一点应该牢记。需要着眼于当前的中国，构建适合当下的中日关系。
川岛真：1997年东京大学研究生院人文社会系研究科博士课程单位取得退学。文学博士。专攻中国政治外交史、东亚国际关系史。历任北海道大学助教、东京大学副教授，现任东京大学教授。合编著有《日中关系2001-2022》《欧亚的自画像》等。
铃木隆：2005年庆应义塾大学研究生院法学研究科博士课程肄业。法学博士。专攻中国政治。历任爱知县立大学副教授，现任大东文化大学教授。著有《中国共产党的支配与权力：党与新兴社会经济精英》《习近平研究：支配体制与领导人的实像》等。
注：
.以上为Claude Opus 4.5基于学术对谈的直接翻译，忠实于原文内容。
.呈现倭国学者视角的分析，原文本身具有立场性，翻译保持中立转述。
.原文未涵盖中方官方叙事、西方主流分析的对比视角，以及经济数据的具体验证。 November 11, 20253RPGoogle TPU 要干掉英伟达了吗？Meta 被曝将大规模采购 TPU，引发市场震动。但真相是：TPU 能撼动英伟达，却永远无法取代英伟达。这不是性能之争，而是生态、时机与战略的较量。
The Information 的一篇重磅报道把整个 AI 行业给炸了，Meta 正在与 Google 进行秘密谈判，计划大批量采购 Google 的 TPU 芯片，用于部分替代英伟达的 GPU 以支持其庞大的数据中心 AI 运算。
根据报道披露的细节，这盘棋下得很大：
- 2026 年： Meta 将大规模租用 Google 云服务（Google Cloud）上的 TPU 算力进行模型训练；
- 2027 年： Meta 将直接采购数十亿美元的 TPU 芯片，部署于自建的数据中心内。
什么？全球最大的 GPU 采购大户要抛弃英伟达了？ Google 的 TPU 居然要走出自家机房，去取代英伟达的 GPU 了吗？
消息一出，资本市场瞬间恐慌了。英伟达股价应声大跌，而 Google 则逆势暴涨，大家都在问：难道英伟达靠 GPU 垄断 AI 数据中心的故事真的讲不下去了吗？TPU 开始逆转了战局了吗？要讲明白这场 GPU vs TPU 的战争，我们要先从英伟达为什么能够像“铁桶”一般垄断 AI 数据中心讲起。
当今的 AI 技术堆栈：一座精密的金字塔
今天的人工智能是一个无比庞大的工业化产业。像 ChatGPT 这样顶尖的 AI 产品，其背后是由一层一层的技术基石堆砌而成的，这在 IT 行业被称为“技术堆栈（Tech Stack）”。
即使采用最粗略的划分方式，要支撑起当下的生成式 AI，至少也包含 5 层关键技术，缺一不可：
- 第一层：算力硬件层（Infrastructure） 这是金字塔的底座，是一切的基础。核心代表毫无疑问是英伟达的 GPU 和 Google 的 TPU。它们提供了 AI 运算所需的庞大算力，就像是工业时代的电力引擎。
- 第二层：系统软件与加速层（System & Compiler） 光有芯片还不够，AI 计算需要成千上万个芯片协同工作。这一层负责调度硬件并优化效率，充当硬件与上层软件的翻译官，它们决定了你能发挥出硬件多少潜能。这一层最典型的护城河技术，就是英伟达的 CUDA，而 Google 的 TPU 也有能够把上层软件编译为 TPU 机器码的 XLA 编译器。
- 第三层：深度学习框架（Deep Learning Frameworks） 想要构建和训练大规模神经网络，开发者不能手搓底层的软件代码，需要成熟的“脚手架”。业界目前最流行的是 META 发起开源软件 PyTorch（目前对 GPU 生态支持最好，是事实标准），以及 Google 发起的开源软件 JAX 和经典的 TensorFlow。
- 第四层：基础大模型（Foundation Models） 这是由深度学习框架训练出来的“超级大脑”，是目前竞争最激烈的战场。
- 语言/多模态模型： 如 OpenAI 的 GPT-5、Google 的 Gemini 3；
- 视频生成模型： 如 OpenAI 的 Sora、Google 的 Veo；
- 图像生成模型： 如 Google 的 Imagen、Midjourney。
- 第五层：AI 应用与交互层（Applications & Agents） 这是用户直接接触的产品。它将底层强大的模型能力封装成人类可以交互的工具。例如 ChatGPT，它的底层核心是 GPT 模型，但它本身是一个增加了对话界面、联网搜索、记忆功能的产品；又比如 Google 的 NotebookLM。
为什么英伟达在 AI 数据中心市场形成了绝对垄断？
我们经常感叹英伟达的 GPU（如 H100、H200、B200）硬件参数如何炸裂，但这只是冰山一角。英伟达之所以能对 AI 数据中心市场形成近乎无解的垄断（市占率一度超过 95%），主要源于以下三个维度的降维打击：
1. 通用性极强的单点算力 英伟达的 GPU 本质上是通用计算加速器（GPGPU）。它不仅能完美覆盖 AI 大模型的训练（Training）和推理（Inference），还能兼顾科学计算（气象模拟、药物研发）、图形渲染甚至加密货币挖掘。这种“一卡多用”的特性，使其成为了数据中心的硬通货——买了永远不亏，不用来炼丹还能用来挖矿（开玩笑，但道理如此）。
2. 恐怖的集群扩展能力（Scale-up & Scale-out） AI 大模型训练不是单打独斗，而是需要成千上万张显卡协同作战。英伟达在这方面做得太绝了：
- 节点内互联：通过独家的 NVLink 技术，英伟达可以将多个 GPU（甚至高达 72 个 GPU 组成的 GB200 NVL72 机柜系统）连接成一个“超级逻辑 GPU”，显存和算力实现无缝共享。
- 节点间互联：通过收购 Mellanox 获得的 InfiniBand 高速网络技术，让成千上万台服务器之间的数据传输快如闪电，解决了大规模集群的通信瓶颈。
3. 真正的护城河：CUDA 软件生态 这是英伟达最难被逾越的壁垒，就像 PC 时代的 Windows 操作系统。
- 底层基石：CUDA 提供了最底层的并行计算库，几乎所有的高性能计算场景都基于此构建，经过了 20 年的打磨。
- 顶层框架：当今统治级的深度学习框架 PyTorch 对 CUDA 提供了最原生的支持。这意味着开发者只需编写几行 Python 代码，就能调用底层强大的算力。
- 生态闭环：围绕 PyTorch/CUDA/GPU 已经形成了一套成熟的“开箱即用”基础设施。
为什么竞争对手很难追赶？ 即使竞争对手（如 AMD 或国产芯片厂商）在硬件参数上追平了 H200，依然无法撼动英伟达的地位。因为缺乏庞大的软件生态支持，意味着极高的迁移成本和时间风险。
一个真实的行业痛点（听起来很痛）： 目前很多致力于适配非英伟达芯片的 AI 团队都面临着巨大的痛苦。许多针对英伟达 GPU 进行过深度优化的模型（特别是涉及复杂算子或 MoE 架构的模型），一旦迁移到其他芯片平台，往往会面临严重的兼容性问题。
- 开发难：大量算子需要从头手写，费时费力，如同用汇编语言写网页。
- 稳定性差：模型训练过程中经常出现莫名其妙的数值溢出或系统崩溃（Crash）。
在当前的 AI 竞赛中，一次全量模型训练往往耗时数月，成本以千万美元计。如果因为芯片兼容性导致训练中途崩溃几次，浪费的不仅是电费，更是半年甚至一年的宝贵时间窗口。这种巨大的试错成本，是任何一家争分夺秒的 AI 公司都无法承受的。传言某国内顶级 AI 模型就是因为在国产芯片上训练下一代模型频繁崩溃，导致一直难产，真的是太痛了。
这就是为什么英伟达在 AI 数据中心市场越成功，行业对其路径依赖就越严重——因为没有人敢承担离开英伟达的代价。
Google 的 TPU 又是怎么崛起的？
尽管英伟达的统治力无可争议，但是 Google TPU 却是个异类，它不仅活下来了，还活得很好，已在 AI 顶级赛道站稳脚跟。
首先，TPU 已经用实战成绩证明了自己在 AI 大模型训练和推理领域的成功：
- Google 本家基石： Google 最强的 Gemini 系列模型，完全基于 TPU 进行训练和推理；
- 独角兽的选择： 顶级 AI 公司 Anthropic (Claude) 在 Google Cloud 上大规模使用了 TPU 算力；
- 科技巨头的背书： 就连 Apple 在训练其 Apple Intelligence 基础模型时，也公开表示使用了 Google 的 TPU v4 和 v5p 集群，而非英伟达 GPU。
那么，在英伟达已经成为绝对霸主的情况下，Google TPU 凭什么能异军突起？我们不妨对照英伟达成功的三个维度来深度解析：
1. 算力哲学：极度通用 vs 极致专用 英伟达 GPU 的强大在于“通用性”。而 Google TPU 从 2012 年设计之初，就是为了特定用途——大规模矩阵乘法而生。 现在的 AI 大模型训练，本质上就是在大规模地做矩阵乘法。因为放弃了图形渲染等通用功能，TPU 的芯片设计得以大幅简化，从而在“矩阵计算”这单一场景下取得了极致的能效比和性能表现。
2. 互联技术：电互联 vs 光互联 (OCS) 英伟达在服务器间的高速互联（NVLink/InfiniBand）上表现出色，覆盖了从单机多卡到万卡集群的广泛场景。 而 Google TPU 另辟蹊径，主攻超大规模集群互联。Google 引入了独特的 OCS（光路交换）技术，用光互联将成千上万颗 TPU 动态编织在一起。最新的 TPU v5p 单个 Pod 即可容纳 8960 颗芯片，甚至可以通过光互联扩展至数万卡的超级集群。这种架构在大规模并行训练中，展现出了极高的带宽利用率和灵活性，且布线极其整洁。
3. 软件生态：CUDA 帝国 vs JAX/XLA 新势力 英伟达的 CUDA 和 PyTorch 让 AI 开发变得“开箱即用”，这是其最大的护城河。但 Google 经过多年深耕，也打磨出了一套极为硬核的软件栈：
- XLA (2016)： 一个强大的编译器，能将计算图直接编译为 TPU 机器码，榨干硬件性能。
- JAX (2018)： 一个旨在替代 TensorFlow 的前沿框架。
对比 PyTorch： PyTorch 是面向对象编程，符合人类直觉，简单易用；而 JAX 是函数式编程，学习曲线陡峭，但在处理超大规模并行计算时具有先天优势，代码更简洁，数学表达更纯粹。
跨界打击： JAX 的优秀甚至溢出了 TPU 生态。如马斯克的 xAI 虽然使用的是英伟达 H100 集群，但为了追求对硬件性能的极致压榨，在训练 Grok 模型时并没有使用 PyTorch，而是选择了 JAX。
总结：生态位的胜利 经过多年的演化，在超大模型训练这一“皇冠上的明珠”场景下，JAX + XLA + TPU 技术栈已经形成了一个完整的闭环。它不仅被验证是成功的，甚至在某些超大规模场景下，能取得比 Pytorch + CUDA + GPU 更优的能效比。在 Google Cloud 上，TPU 的 token 成本定价低于英伟达 GPU，就是最好的证明。这也是 Google Cloud 在云计算市场竞争中的秘密武器。总之：
英伟达 vs Google：两种技术哲学的碰撞
- 应用场景： 通用型霸主 vs 超大模型专用特种兵
- 软件门槛： 低门槛的群众基础 vs 高门槛的专家利器
- 商业模式： 庞大的全行业生态 vs 垂直整合的自研闭环
如果说英伟达就像一辆豪华的全能越野车，哪里都能去，谁都能开，到处都有维修店；那么 Google 就像一辆定制的 F1 方程式赛车，只能跑赛道，赛车手才能开。大多数人买车首选 SUV（英伟达），因为方便、省心；但在争夺世界冠军的顶级赛场上，追求极致速度的车队（如 Google、xAI、Anthropic）会考虑使用 F1 赛车（TPU）。
Google TPU 能干掉英伟达吗？
照你这么说的话，Google TPU 岂不是已经成功挑战英伟达，打破了英伟达 GPU 的绝对垄断地位吗？事情没有那么简单。
1. TPU 的局限性与 Google 的双重身份 前面提到 Google TPU 极其擅长超大模型的训练/推理以及大规模推荐系统，但在通用性上，其他场景要么根本不适用，要么能效比不如英伟达 GPU。 对于 Google 庞大的产品线（YouTube、Search、Cloud）来说，对通用 GPU 的需求依然是海量的。因此，Google 一边自研 TPU，一边依然是英伟达 GPU 的全球采购大户。这一点在未来几年内都不会改变。
2. 迁移成本高昂的“生态墙” 尽管在超大模型场景下，JAX + XLA + TPU 的技术栈能取得显著优势，但这要求你必须“从零开始”就拥抱 Google 生态。 如果现有的项目是基于 PyTorch 和 CUDA 深度优化的，想要迁移到 TPU，约等于重写底层代码并进行大规模兼容性测试。这种“重起炉灶”的时间成本和工程风险，足以让绝大多数企业望而却步。
因此目前来看，Google TPU 的用户群体画像非常清晰，主要就两类：一是高校科研（科学计算），二是超大模型的训练和推理。
为什么 TPU 会有很多科学计算用户？ 这是因为 Google Cloud 长期为高校科研开放免费的 TPU 资源（TPU Research Cloud），加上极度好用的 Colab 服务（免费提供 TPU/GPU 算力），在学术界圈粉无数，培养了一大批习惯 TPU 的科研生力军。
那么，超大模型领域的潜在客户呢？ 我们逐一分析市面上的两类大客户：
- 大型云计算厂商： Amazon, Microsoft, Oracle 以及 CoreWeave 等新兴 GPU 云厂商。
- AI 大模型厂商： OpenAI, Anthropic, xAI, Meta 等。
大型云计算厂商（Amazon, Microsoft）本身就是 Google Cloud 的死对头，且都在自研芯片（Trainium, Maia），绝无可能去买对手的算力。而 Oracle 和 CoreWeave 早就通过深度绑定英伟达赚得盆满钵满，是英伟达的铁杆盟友。
AI 大模型厂商呢？
- OpenAI： Google Gemini 的头号宿敌，微软的盟友，不可能用 TPU。
- xAI： 马斯克与 Google 积怨已久，且正通过特斯拉和 xAI 构建自己的超算集群。
- Meta： 回到开头的新闻，Meta 是个超级大户。虽然传闻在谈，但 Meta 也是 Google 广告业务的直接对手。扎克伯格目前手握全球最大规模的 H100 集群之一，并且 Meta 正在积极迭代自研芯片 MTIA。虽然他们不搞公有云，但为了战略安全和技术自主，Meta 不太可能全面依赖 Google 的 TPU，最多是作为补充或谈判筹码。
- Anthropic： 剩下的只有它了。Google 是 Anthropic 的大金主，所以 Anthropic 使用 TPU 是顺理成章的。
盘算下来，TPU 的外部大客户其实寥寥无几。 这点体量，完全不足以对英伟达的统治地位构成“颠覆性”冲击。 因此，Google 最明智的策略依然是：在 Google Cloud 上提供极致性价比的 TPU 服务，用“省钱”和“能效”从其他云厂商口中抢肉吃，而不是想着彻底干掉英伟达。
如果 Google 非要“头铁”，下场卖 TPU 芯片抢市场呢？ 我认为这极其不明智：
- 供应链与利润结构： TPU 是 Google 与博通（Broadcom）合作设计的 ASIC。如果对外售卖，不仅涉及复杂的供应链管理，还要分润给博通，这会拉低硬件毛利。卖贵了，打不过英伟达；卖便宜了，除去博通的成本，Google 图什么？
- 客户池太浅： 如前所述，愿意买 TPU 且不与 Google 构成直接竞争的大客户极少。
- 田忌赛马的反面： 用自己公司的“内部工具/副业”去硬拼英伟达赖以生存的“主业”，胜算能有多高？
- 最后，也是最关键的宏观背景： 目前全球 AI 数据中心市场正处于“短缺经济”时代。不仅 GPU 缺，HBM 内存、CoWoS 封装产能、电力、甚至建设数据中心的土地都极度紧缺。虽然各大科技巨头的资本支出（Capex）已经高得吓人，但面对爆炸性的业务需求，供给依然不够。微软今年初曾试图下调资本支出，结果发现需求太猛，转头又开始疯狂追加投入。
在一个供不应求的增量市场里，无论你填进去多少算力（无论是 GPU 还是 TPU），都会被瞬间吃干抹净。英伟达的 GPU 和 Google 的 TPU 目前仍处于“各自跑马圈地”的阶段，而非“你死我活”的零和博弈。
我的结论：
Google TPU 对英伟达确实有冲击，但不必过度恐慌。 从长期看，Google TPU 的存在更像是一个强有力的“议价筹码”。当大客户有了备胎（TPU 或自研芯片），英伟达就很难长期维持如今夸张的 75% 利润率。
英伟达未来的市场份额确实会受影响，主要来自：
- Google 自身业务（搜索、推荐、Gemini）更多转向 TPU，减少购买 GPU；
- Google Cloud 的深度合作伙伴（如 Anthropic）减少购买 GPU。 这可能会导致英伟达在数据中心的市占率从 90%+ 缓慢回落到 75%-80% 左右，但这并不改变其商业逻辑的本质。
这就像当年的 PC 市场： 苹果 Macintosh 电脑的崛起虽然让 Windows 的市占率有所下降，但并没有终结 Windows 的垄断。真正终结 Windows 霸权时代的，不是 Mac，而是智能手机的兴起。 同理，Google TPU 干不掉英伟达。真正能干掉英伟达的，只能是下一代计算范式的彻底变革。
Google 的成功是不可复制的
好吧，虽然你说的很有道理，但是 Google 能干成全栈自研，尝到了甜头的其他巨头岂不是会纷纷效仿吗？Amazon，Microsoft，Meta，OpenAI 这几个英伟达的头部大客户都在自研 ASIC 芯片，将来他们都减少了对英伟达芯片的采购，英伟达不是要喝西北风了？
我的观点就是：Google 的成功是不可复制的。
Google 的技术栈能够成功，综合了以下几个不可或缺的因素，而这恰恰是微软、Meta 和亚马逊所不具备的：
1. 十年的时间壁垒（Time & Iteration）
芯片设计不是搭积木，它需要漫长的迭代周期。 Google 早在 2013-2014 年就开始秘密研发 TPU，2016 年 AlphaGo 击败李世石震惊世界时，背后就是 TPU v1 在提供算力。
当微软在 2023 年才匆忙推出 Maia 100 时，Google 的 TPU 已经迭代到了第 6 代甚至第 7 代。
这 10 年间踩过的坑、修复的 Bug、积累的制程经验、以及对散热和互联架构的微调，绝非其他公司靠“砸钱”就能在两三年内追平的。在硅基世界里，经验值就是良率，就是能效比。
2. 真正全栈的“软硬一体”的垂直整合掌控力（Full-Stack Control）
这是 Google 最可怕的地方，也是其他巨头最大的软肋。
Google 拥有整个链条： 硬件（TPU）+ 编译器（XLA）+ 框架（JAX）+ 模型（Gemini）。Google 的科学家 Jeff Dean 可以让设计 Gemini 的算法团队直接坐在设计 TPU 的硬件团队对面，告诉他们：“我们需要一个特定的指令集来加速这个算子。”这种协同效应是核爆级的。
反观微软/Meta： 微软虽然造了 Maia 芯片，但它上面的软件栈主要依赖 OpenAI，而 OpenAI 和整个业界主流依赖的是 PyTorch。PyTorch 的亲爹是 Meta，但 PyTorch 对英伟达 GPU 的优化是刻在基因里的。
微软想要 Maia 好用，就得去魔改 PyTorch 底层，或者指望 OpenAI 为了适配 Maia 去重写代码。这中间不仅隔着公司墙，还隔着巨大的技术债务。
只要 PyTorch 依然是业界标准，其他自研芯片就永远是在“模拟”或“适配”英伟达，而 Google 是在玩一套完全独立的游戏规则。
3. 极其特殊的“光互联”基础设施（OCS Infrastructure）
前面提到的 OCS（光路交换）技术，是 Google 数据中心的独门绝技。 Google 为了适配 TPU 的大规模互联，甚至重新设计了数据中心的物理布线和机柜架构。这种光互联技术允许 TPU 节点之间以极低的延迟和功耗进行动态重组。 其他云厂商的数据中心是基于标准以太网架构建设的，想要复刻 Google 这套“光互联”网络，意味着要推翻现有的数据中心物理架构，这个沉没成本是天文数字。
4. 无法比拟的内部“吞吐量”（Internal Workload）
在生成式 AI 爆发之前，Google 就拥有地球上最庞大的 AI 推荐系统——Google Search、YouTube 推荐算法和 Google Ads。
这些业务每天产生数以亿计的并发请求，为 TPU 提供了天然的、海量的“练兵场”。
即便没有外部客户买单，Google 自己的业务就能消化掉 TPU 的产能。这让 Google 敢于在 TPU 早期性能不完善时，强行在内部推广（Dogfooding），通过海量真实数据把芯片“磨”出来。
相比之下，Meta 虽然有推荐算法需求，但起步晚且早期全押注 GPU；微软的 Azure 主要是卖资源给客户，如果自研芯片不好用，客户会直接用脚投票切回英伟达。
英伟达更像 AI 时代英特尔
著名电影《大空投》原型 Michael Burry 曾暗示英伟达正处于类似互联网泡沫时期的境地，不少看空者也认为英伟达与 OpenAI 之间相互投资和采购的关系，吹起了一个巨大的估值泡沫。他们认为一旦泡沫破裂，英伟达就会像 2000 年的 Cisco（思科）一样，股价暴跌 80% 以上。
但我认为，当下的英伟达并不像当年的 Cisco，而更像 PC 黄金时代的 Intel。 Intel 的股价腾飞始于 1993 年，于 2000 年触顶，随后经历了漫长的震荡与调整。 回顾那段历史，我们可以发现惊人的相似性：
- 1993 年之前（群雄逐鹿）： PC 的 CPU 市场处于混战时代，各路架构互不相让。
- 1993 年（霸主确立）： Intel 推出奔腾（Pentium）处理器，凭借强悍的性能一举确立了 CPU 市场的统治地位。
- 1995 年（杀手级应用爆发）： 微软推出 Windows 95，图形界面的革命引发了全球性的 PC 换机潮。受此驱动，Intel 的股价在 1996 年迎来了极高斜率的上涨。
- 2000 年（盛极而衰）： Intel 股价在 2000 年见顶，随后狂跌。这背后既有互联网泡沫破灭的宏观原因，也有 PC 市场渗透率见顶的因素。同时，Intel 在技术路线上遭遇了 AMD 速龙（Athlon）处理器的强力挑战，且在后续的 64 位指令集之争中（安腾项目）犯了严重的战略错误。
2022 年 ChatGPT 的横空出世，就是 AI 时代的 "Windows 95 时刻"，它极大刺激了全行业对于算力基础设施的升级换代。借助这股 AI 浪潮，英伟达正在狂飙突进。现在的英伟达，像极了 1997 年处于巅峰缓慢爬升期的 Intel。
我相信，在未来几年的 AI 算力市场将呈现“一超一强多级”的格局：
- 英伟达（The Generalist King）： 依然是绝对的“一超”。它占据 75%-80% 的市场份额，服务于所有追求通用性、追求开发效率、追求 Time-to-market 的企业。所有的初创公司、大部分云客户、以及需要频繁试错的模型团队，依然只能选英伟达。
- Google TPU（The Specialized Powerhouse）： 它是那个“特种部队”。它守住 Google 自己的万亿帝国，并在超大模型训练这一垂直领域，成为唯一能跟英伟达叫板的“异类”。
- 其他自研芯片和 AMD（AWS Trainium, MS Maia, Meta MTIA）： 它们更多是“成本调节器”。它们会被用于处理那些负载稳定、算法成熟的推理任务（比如每天运行几亿次的简单推荐或聊天机器人推理）。巨头们用它来通过简单的替代降低运营成本，也就是所谓的“省钱芯片”，但很难承担起“探索下一代 AI 前沿”的重任。
Google 的王者归来：全栈自研的胜利
2022 年底 ChatGPT 的横空出世，曾让 Google 这位 AI 领域的先行者显得黯淡无光。然而，站在 2025 年底的今天回望，Google 的表现足以让人刮目相看。
目前的 Google，是全球唯一一家真正实现了AI 全栈自研、软硬件垂直整合的头部厂商。这种整合优势正在形成巨大的飞轮效应：
- 算力底座： 在硬件层面，Google 利用 TPU 大规模集群高效实现了 Gemini 3 模型的训练和推理，摆脱了对外部 GPU 的依赖。
- 生态闭环： 通过多年的技术积累，打造了难以复制的软硬件一体化技术栈生态：JAX / XLA / TPU，极大地提升了研发效率。
- 云端优势： Google Cloud 虽然在市场份额上仍居 Amazon 和 Microsoft 之后，但增速惊人。更重要的是，得益于自研芯片，其 TPU 的租赁费用相比 GPU 拥有显著的价格优势，这对初创公司极具吸引力。
- 模型与成本：Gemini 3 在多项基准测试中已完全不输 GPT-5.1，甚至在长上下文和多模态理解上有所超越。基于自有云和芯片的成本优势，Gemini 能够提供更具竞争力的 API 调用价格，这种“低成本高智能”的反向优势正在快速抢占开发者市场。
- 产品矩阵全面开花：
1. NotebookLM 已成为“杀手级”的 AI 知识库和学习工具，深受科研与教育用户喜爱。
2. 多模态创作： Gemini 现已深度整合 Veo（视频生成）和 Imagen（图像生成），用户可在一个工作流中完成复杂的创作任务。
3. 搜索进化： Google Search 全面推出了 AI Overviews，成功将传统搜索与 AI 问答无缝整合。
4. 交互创新： 最新推出的生成式 UI (Generative UI) 更是令人惊艳，根据用户意图实时生成交互界面。
关键在于，Google 形成了一个从芯片、基础设施、模型到应用产品的完整闭环，各环节还能互相加强。这就好比 Google 一家公司独自完成了“英伟达 + 微软 + OpenAI”三家公司的工作。再加上 Google 全球数十亿的用户基数，以及 Chrome 浏览器和 Android 移动端两大核心入口，其上限不可估量。
为何半年前股价低迷、备受质疑的 Google，能在这半年实现逆袭？
此前市场看衰 Google，主要基于以下隐忧：
- 商业模式挑战： Google Search 靠竞价排名赚钱，市场担心 AI 问答范式会彻底颠覆这一现金牛。
- 大公司病与人才流失： 尽管 AI 大模型的基石——Transformer 论文是 Google 于 2017 年发表的，但果实却被 OpenAI 摘取。CEO Sundar Pichai 被认为过于稳健，缺乏魄力；内部 DeepMind 和 Google Brain 两个顶尖团队曾各自为战，内耗严重，导致许多论文作者离职。
- 模型落后： 在 Gemini 2.5 发布之前，Google 长期被 OpenAI 的 GPT 系列压制，甚至一度不如 Anthropic 的 Claude，面临在 AI 时代掉队的风险。
但在过去两年，Google 成功扭转了局势：
- 搜索护城河依然稳固： 事实证明，Google Search 并未被轻易颠覆，反而通过集成 AI 变得更强。用户在多轮对话中不仅有明确的个性化需求，AI 还能更精准地推荐个性化的产品与服务。广告业务被 AI 范式颠覆的风险被大大高估了。
- 组织架构重塑： 2023 年起，创始人 Sergey Brin 回归一线，深度参与模型开发。Google 将原本竞争的两个 AI 团队合并为 Google DeepMind，由 Demis Hassabis 挂帅。这一举措成功消除了内耗，重新激活了团队的创新力。
- 模型反超：Gemini 3 Pro 如今展现出后来居上的态势，不仅在性能上反超 GPT-5.1，市场占有率也稳步攀升。攻守之势异也，现在压力来到了 OpenAI 一方。
归根结底，AI 时代的核心竞争点依然是谁能做出最强的大模型。
如果 Gemini 弱，Google 的生态优势无从发挥；一旦 Gemini 领先，Google 强大的全栈整合能力就会瞬间爆发，形成降维打击。
最后我想说，英伟达是算力时代的‘卖水人’，而 Google 是全栈 AI 的‘领航员’。它们都是伟大的公司，对于投资者来说，与其在非此即彼的零和博弈中焦虑，不如看到它们各自不可替代的价值——这两者都值得你们同时拥有。
#AI产业 #大模型 #AI基础设施 #GPU #Gemini #TPU #JAX #XLA #CUDA #谷歌 #英伟达 November 11, 20252RP『美國共和黨剛提出《司法問責法》，要開始讓那些一再釋放暴力慣犯的法官進監獄。
這項法案簡單、狠辣：
只要法官讓被告以「自行具保」或超低保釋金獲釋，而該被告在 12 個月內再犯重罪，法官就會自動面臨聯邦刑事指控——最高可判 10 年，並永久取消執業資格。
他們甚至附上公開資料庫：
所有「對犯罪太軟」的法官姓名、照片、以及他們放出去的再犯累犯紀錄都會公開，讓受害者家屬清楚知道，是哪位法官讓殺害親人的兇手在謀殺前被放了三次。
法案由那些曾目睹 Darrell Brooks 在只付 1000 美元保釋金後、開車衝進聖誕遊行的共和黨強硬派提出——而沃基肖那位法官到今天還穿著她的法袍。
民主黨痛批這是「攻擊司法獨立」。
但司法獨立不代表司法免責，尤其當你的「同情心」讓街道上多了屍體。
黑袍社工把城市變成自由槍擊區的時代結束了——
下一站，是讓他們穿上和那些被他們放出去的犯人同款的橘色囚服。
來源：美國眾議院 H.R.9177《司法問責法》，2025/11/27；Fox News、NY Post』 November 11, 20252RP古知累すすむさんという方が従事されている「恐竜研究」という仕事は、どのようなキャリアプランを経た上でなれるものなのだろうか…？
一般企業の研究者も面白いけど、そういうロマン溢れる研究の仕事もしてみたかったな。 November 11, 2025今天分享一个我在 @trylimitless 上的“干净预测”流程，真的把我从瞎猜拉回到概率思维
1）只跑3个市场：两档小时 Above/Below + 一档日内
2）进场前写一句话的论点 + 一条“杀掉条件”，仓位小到可以忽略
3）用挂单优先（挂单免费），吃单时清楚显示手续费，避免情绪化
4）下单后离开屏幕，晚上复盘收据，第二天微调
Base 上极速结算、低费率、YES/NO 结构足够直线，实时数据干净到像读市场脉搏。更妙的是不交易也能参与生态的“被动引擎”。规模方面：累计成交已过 $600M，11M $LMTS 质押，周周有 $50K 费收益回购，点数赛道占总量 2% 到 1月26日结束，日内流量常见 $2M-$3M，节奏很明确。想更刺激，ApeX 合作的事件合约最高 20x，但仍是 YES/NO 的心智负担
我把这套节奏同步到 @wallchain 的创作者例行，像注意力健身房一样稳定输出，顺便追 Royale 7D 排名
#DeFi #PredictionMarkets #Base $LMTS
你这周最干净的 Above/Below 读法是？ November 11, 2025ですから、学術的に「正当性」のある（と僕が言う）北朝正統を、議論を専らにし、公的な手続きを経て、公的に「北朝正統」（北朝を歴代天皇にする）を実現しよう、と累々述べています。現時点で明治天皇の勅裁のため「正統」でなくとも、それは変更可能であるなら「北朝正統」は実現可能ですよね？ https://t.co/989RyJJcD1 November 11, 2025@mame_EVOL 久々にチビサイズから育成やります。
PDのスタッフさんがずーっと何年も累代してた種達なのですが店がなくなって継続出来なくなるから、是非引き継いでほしいという話になりまして。 November 11, 2025@soruto5i1r2h430 ♠︎パゲ子orコウくん/パゲちゃん、コウくん
♠︎イデア・シュラウド💗/糸師凛/累/冨岡義勇etc…
💙19歳
💙10月11日
♠︎タメ大歓迎〜╰(*´︶`*)╯♡
♠︎もちろん‼️
♠︎どっちもOK〜
💙これからもよろしくね〜
沢山絡みに行くよ！ November 11, 2025🧠 betaione · AI 足彩公开实验｜阶段战报（截至 11 月 30 日） 收益率将近 300%
我们是 betaione，一个用 AI 来分析和预测足球比赛的公开实验项目。
模型结合了多种信息：
•历史数据：球队近期表现、进失球数据等
•赔率变化：开盘 / 变盘、隐含概率对比
•基本面：主客场、赛程、伤停等
然后由 AI 给出每场比赛的预测方向和「预测信心」。
从 2025-11-26 开始，我们做了一件事：
👉 不卖料、不带单，只做一个完全公开的资金模拟实验。
⸻
💰 一、资金模拟结果（只看 Top5 高信心比赛）
规则非常简单：
•初始资金：$1,000
•每天选出当日「预测信心最高的 5 场」作为组合
•当天资金平均分成 5 份，全部按 AI 推荐方向做模拟下注（并非真实投注）
截止 2025-11-30：
•参与资金模拟的 Top5 比赛：19 场
•命中：15 场（命中率约 79%）
•资金从：$1,000 → $2,914
•累计盈利：+$1,914（约 +191% 模拟收益）
按天看一下波动（都是“模拟盘”的结果）：
•🗓 11/26：5 场全中，资金 $1,000 → $3,360（+236%）
•🗓 11/27：5 场中 4 场，$3,360 → $3,823.68（+13.8%）
•🗓 11/29：5 场中 4 场，当日大致打平，$3,823.68 → $3,823.68（0%）
•🗓 11/30：有效模拟 4 场中 2 场，出现回撤，$3,823.68 → $2,913.64（约 -23.8%）
也就是说：
•这个模型有爆发（首日翻得很夸张），
•也有回撤（后面几天有输有赢），
•更接近真实世界中「长期做交易 / 投注系统」的感觉——不会只给你看爽图。
⸻
🎯 二、所有已结算比赛的整体预测表现
我们不仅看 Top5 模拟盘，也统计了表里 所有已经有赛果的比赛：
•总预测场次（有实际结果）：38 场
•命中场次：20 场
•整体命中率：约 52.6%
在所有命中的比赛中：
•命中场次的平均赔率：约 2.17
•最低命中赔率：1.11
•最高命中赔率：9.50
如果对这些比赛做一个非常简单的「每场固定 1 单位下注」模拟：
•总投入：38 单位
•累计盈利：+4.18 单位
•模拟 ROI：约 +11%
这部分更多是告诉你：
•模型不是神，整体命中率也不是 80%、90% 那种玄学水平；
•但在合理赔率区间内，长期下来仍然有正的期望收益（在当前小样本下）。
⸻
📋 三、我们到底“下”了哪些场？（均为模拟）
Top5 模拟组合中，几天的代表场次举例（实际推荐可在配图 / TG 中对照）：
•11/26：Dortmund vs Villarreal、Ajax vs Benfica、Chelsea vs Barcelona 等，5/5 全中 ✅
•11/27：Sporting CP vs Club Brugge、PSG vs Tottenham、Olympiakos vs Real Madrid 等，4/5 ✅
•11/29：Bayern vs St. Pauli、Barcelona vs Alaves、Man City vs Leeds 等，4/5 ✅
•11/30：Atletico Madrid vs Oviedo、AC Milan vs Lazio、Juventus vs Cagliari 等，3/5 ✅
所有这些比赛，在开赛前都会先发在我们的 Telegram 机器人 / 频道里，并且赛后不会删贴，方便任何人回头核对。
⸻
📈 四、你在这个账号能看到什么？
•每天的部分 AI 推荐场次（X 上公开 Top3）
•昨日资金模拟结果 & 曲线截图
•一场热门比赛的详细分析（数据 + 赔率 + 模型视角）
•阶段性战报：总体命中率、资金曲线、模拟 ROI 等
👉 想看完整推荐列表、实时资金曲线和所有历史战绩：
进入我们的 Telegram 机器人： [TG 链接]
（截图里也会标出入口）
⸻
⚠️ 安全与合规说明（必须看 👇）
•本项目所有内容均为 AI 技术研究 + 数据模拟展示，不是、也不会成为任何形式的投资 / 博彩 / 理财建议；
•我们不鼓励也不引导任何人进行真实下注；如果你仍然选择参与，请务必量力而行，只用自己可以承受亏损的钱，理性对待；
•请确认你所在地区允许并合法参与相关活动，务必遵守当地法律法规；
•未成年人严禁参与。
⸻
English summary
We are betaione, an AI-driven football prediction project running a fully transparent public bankroll simulation.
•Start bankroll: $1,000
•Current simulated bankroll: $2,914 (+191%)
•Daily strategy: take the top-5 highest-confidence AI picks and split the bankroll equally (simulation only).
•Top-5 simulation so far: 15 wins / 19 bets (~79% hit rate)
•All finished predictions: 20 wins / 38 games (~52.6% hit rate)
•Flat 1-unit staking on all games gives a simulated ROI of about +11%.
Full pick history and bankroll curve are logged in our Telegram bot: [TG link].
All of this is for technical demonstration and simulation only – it is not betting or financial advice.
Please make sure sports betting is legal in your jurisdiction, bet responsibly if you choose to, and 18+ only. November 11, 2025＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。倭人速報公式アカウント
•每天选出当日「预测信心最高的 5 场」作为组合
•当天资金平均分成 5 份，全部按 AI 推荐方向做模拟下注（并非真实投注）
截止 2025-11-30：
•参与资金模拟的 Top5 比赛：19 场
•命中：15 场（命中率约 79%）
•资金从： class="drawer drawer--top" id="detail">累ーかさねー 映画
0post2025.11.30 18:00:0% :0% （30代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
翼竜の「名前」を断捨離⁉️🇧🇷
#古知累論文紹介
翼竜（よくりゅう）ファンなら誰もが知っておくべき、超重要な「まとめ」論文を紹介します。
舞台はブラジル、アラリピ盆地。
ここは、世界で最も重要な「翼竜の聖地」の一つと言われています 。
なぜなら、ここでは化石が「ぺちゃんこ」にならず、立体的（3D）に保存されていることが多いからです 。
さらに、筋肉や皮膚、トサカなどの「柔らかい組織」まで残っていることがあるという、とんでもない場所なんです 。
最初の発見から50年以上が経ち、これまでにたくさんの種類の翼竜が報告されてきました 。
しかし、研究が進むにつれて「ある問題」が浮き彫りになってきました。
それは、「名前が多すぎる問題」です 。
化石が少し違うだけで「新種だ！」と名前が付けられてきましたが、実はそれが「ただの成長段階の違い（大人と子ども）」だったり、単なる個体差だったりする可能性が高まってきたのです 。ｿﾘｬｿｳｼﾞｬ。
今回紹介する論文では、これまでにアラリピ盆地で報告されたすべての翼竜を徹底的に見直しています。
まさに、翼竜図鑑の「大改訂版」とも言える内容です。
特に注目すべきポイントをいくつかピックアップして解説しますね。
１．アンハングエラ類の整理
口先に丸いトサカを持つ「アンハングエラ」という翼竜がいます。
これまで、トサカの形や位置の違いでたくさんの種が作られてきました 。
しかし、この論文では「トサカは成長とともに大きくなり、形も変わる」という点を重視しています 。
つまり、トサカの微妙な違いだけで別の種とするのは間違いかもしれない、ということです。
その結果、過去に名前がついたいくつかの種は「疑問名（詳細不明で有効ではない名前）」として整理されました。
２．巨大なトサカを持つタペヤラ類
頭の上に巨大なトサカを持つことで有名な「トゥパンダクティルス」なども詳しくレビューされています 。
彼らのトサカは骨だけでなく、大部分が「軟組織（ソフトティッシュ）」でできていました 。
驚くべきことに、化石に残された色素（メラニン）の研究から、彼らのトサカに色があった可能性まで示唆されています 。
この論文では、これらが単なる飾りではなく、種の違いも反映してそう、ということが再確認されています 。
３．化石の密輸問題
この論文は、科学的な分類の話だけでは終わりません。
非常にシリアスな問題である「化石の違法取引」についても警鐘を鳴らしています 。
アラリピ盆地の美しい化石は、高値で取引されるために違法に持ち出されることがありました 。
その結果、「その化石が地層の『どこ』から出たのか」という、極めて重要な情報が失われてしまっているのです 。
地層の情報がないと、「いつの時代の」「どんな環境にいたのか」が正確に分かりません 。
著者は、これからの研究には、きちんとした地質学的な調査と、化石の保護が不可欠だと訴えています 。
～🐦～🐦～🐦～🐦～
この論文は、過去50年の研究を整理し、散らかり気味だった「翼竜の名前」をスッキリさせました 。
「新種発見！」というニュースはワクワクしますが、既存の化石をじっくり見直すことで、彼らの「成長」や「本当の多様性」が見えてくるんですね。
これからは単に名前を付けるだけでなく、彼らがどのように空を飛び、何を食べていたのかという「生活」に迫る研究が進んでいくと期待したいですね！
・・・まぁ、多分そんなことは起きないがな！
最近は首の骨だけで名前がつくのとか多いしな！！
元論文URL→ https://t.co/cZcv6IsIb5 November 11, 202510RP大公報 被下架文章
2025年11月28日星期五 A7要聞
天價收費 圍標合謀 利益輸送 劣質工程
揭開維修棚架背後重重黑幕
搭棚維修調查❶
宏福苑五級火大埔宏福苑五級火造成大量人命傷亡。翻查紀錄，今年至今已有至少10宗棚架起火事故（見表），大廈外牆維修搭棚的安全問題引發公眾強烈關注。警方昨日凌晨拘捕三名涉嫌誤殺的男子，他們為負責屋苑大廈維修的宏業建築工程有限公司負責人，包括現任董事侯華健及何建業。
大公報記者展開偵查，透過業界代表及多名知情人士，逐 層 揭 開 建 築 棚 架 背 後 的 黑幕，當中牽涉天價維修費、圍標合謀、利益輸送，以及工程質量等問題。
大公報記者
張真、李雅雯、陳玥、馮錫雄
競標公司遭「警告」被迫退出
有業界人士透露，由於圍標及種種原因，參與工程競標的建築公司越來越少。建築業界內的工程投標一直都欠缺透明度，有不願具名的工程業界代表接受《大公報》訪問時表示，十多年來，工程公司圍標的情況也非常嚴重，甚至有工程公司負責人參與競標後立即被人惡言警告，無奈退出競標， 「導致有水準的公司越來越少，沒有多少間公司投標，競標的結果自然就來來去去都是那幾間了。」 他形容，這種情況在業內已維持段長時間，導致行業生態非常不健康。他表示，今次負責人被捕的宏業建築工程，是業內有名的競標 「常勝將軍」， 「他們接了很多工程，但試問這麼多工程，哪有這麼多資源投入呢？」 業內常有偷工減料或用劣質的材料等事情；更甚的是投標價低者得，不少中標工公司往往會以拉長工程期的做法來繼續讓業主多些掏錢，以補回低價中標的利潤，「這些不時發生的事，在業內知情者看來是見怪不怪。」
阻燃網成本較普通網貴近倍
有建造業界人士透露，維修棚的阻燃網，每張約90元，沒有阻燃功能的普通網僅售50多元，而且阻燃網被太陽曬後會變脆，只用一次就要扔，普通防護網則可以不停重用。大埔宏福苑奪命火發生前，相關部門甚少巡查，不少行內人士抱着僥倖心態，鋌而走險。
這場火災的慘烈，背後是香港城市治理能力的考驗。該名建造業界人士透露，搭建金屬棚是合法輸入外勞的工種，加上金屬棚工人日薪低於竹棚工人，勢令本地工人收入受影響，金屬棚架的成本比竹棚昂貴約兩至三倍，因而增加施工成本，雖然有工人考獲搭金屬棚架資格，但由於市場需求不高及薪酬較低，從事相關工作的人員不多。
另外，大公報記者昨日在警方執法押解負責人何建業至元朗蝦尾新村進行搜證工作時，接觸到其鄰居吳先生。吳先生透露，自己從事小型工程起家，對行業有一定了解，談到宏福苑疑因維修工程物料不符合安全規格觸發五級大火，他坦言這是業界多年的潛規則： 「香港做工程，個個項目貪平，中標往往是價低者得，報價最低才有得做。低價中標的工程如何畀足料？」
業界 ： 地盤工違例吸煙難管
吳先生指出，雖然現時香港政府已有很多規例規管工程，然而執行上仍有很大優化空間。有宏福苑居民直指今次大火的起因與搭棚工人經常吸煙、遺下煙頭，疑燃點防護網觸發大火。吳先生坦言有關情況是常態，「無得管，很多（工人）教唔聽，工人很多讀書少，吸煙是幾十年的習慣。」 業界曾建議在工程地盤劃出安全吸煙區，卻難以實行， 「有些人不會遵從在指定地方吸煙，總之難管！」吳先生透露，低價中標的公司工程延期也是常事， 「發泡膠和竹棚都是易燃物，經過一年的日曬雨淋，竹棚變得更乾燥、腐化，一旦燃燒火勢就會特別快蔓延。加上近日天氣乾燥又大風，所以宏福苑的大火，才會在短時間內就從底層蔓延到頂部，還連累了相鄰的樓宇。」
「這麼多家庭妻離子散，實在讓人難過。」 他認為，此次慘劇令人痛心，希望這場悲劇能促使政府和業界反思，立例監管，加強工程質量監管與施工安全巡查，嚴查違規操作，避免類似的人間慘劇再次發生。 November 11, 20256RP孙悟空（SunX）真的杀疯了。
刚刚看了下数据，平台累计交易额已经干到 112亿 USDT+，而且速度还在往上飙。
更离谱的是，这波直接开了个邀请兄弟一起赚的大活动，总奖池：100万枚 $SUN
重点不是平台赚多少钱，重点是—— 这次是真的轮到我们薅一波了👇
只要你拉一个朋友来玩，双方都能拿 $SUN ，而且不是那种“画饼奖励”，是分阶段、可完成的那种：
第1阶段： 好友第一笔交易 ≥ 300 USDT
你：30枚 $SUN
他：20枚 $SUN
第2阶段： 好友7天内交易 ≥ 20,000 USDT
你：再拿 100 枚
他：再拿 100 枚
也就是说，一个好友=最高 260枚 $SUN 到你们手上。
这个活动还能叠加迎新活动 + 20%返佣， 相当于你同一波邀请，吃三份奖励。
玩法也不复杂：
1. 打开孙悟空 → 找到【邀请好友】
https://t.co/eX1jAjwRZw
2. 复制你的专属链接 / 邀请码
3. 让好友参加：来不来？送你钱的那种。
讲真，这种平台在狂砸钱拉新时，不上车才是真的亏。
钱在那放着，就看你要不要伸手拿。
一起参与起来，活动详情： 👇https://t.co/o6u5Pib4ZR
@justinsuntron @SunX_DEX #TRONEcoStar November 11, 20256RP🐨「有袋類ライオン」ティラコレオ🦁
実はコアラの兄妹だった……！？
#古知累論文紹介
かつてオーストラリア大陸には巨大な動物たちが闊歩していました 。
体重100kgを超え、強力な顎で獲物を仕留める「ティラコレオ（有袋類ライオン） 。
あるいは、体重1000kgにもなる巨大な草食獣「パロルチェステス」。
彼らは数万年前に姿を消してしまいましたが、その「正体」や「絶滅の原因」には多くの謎が残されています。
なぜなら、オーストラリアは気候が暑いため、化石に残されたDNAがすぐに分解されてしまうからです 。
DNAが壊れてしまえば、彼らが進化の系統樹のどこに位置するのか、正確にはわかりません。
しかし今回、研究チームはDNAの代わりに「コラーゲン（タンパク質）」という別の物質に注目しました。
コラーゲンはDNAよりもはるかに頑丈で、長期間保存されやすいという特徴があります。
研究チームは、タスマニアの洞窟などから発掘された、約10万年前の骨の破片など51点を分析しました。
その手法は「ZooMS（ズームス）」と呼ばれ、コラーゲンを細かく分解したときのペプチドの質量パターン（“指紋”）を読み取ることで、動物の種類を特定するものです。
その結果、肉食獣である「ティラコレオ」の、現生する最も近い親戚が、「コアラ」である可能性が高まったのです。
これまでもウォンバットやコアラに近いグループ（ウォンバット型目）だとは考えられてきましたが、今回の分析でコアラとの強い結びつきが支持されました。
この研究は、進化の謎を解くだけではありません。
これまで「正体不明」として扱われていた小さな骨の破片でも、この手法を使えば「どの動物の骨か」を正確に突き止められるケースがありました。
骨の種類がわかれば、その地層の年代測定と合わせて、「いつ、どの動物が絶滅したのか」をより詳細に知ることができます。
これにより、長年の論争である「巨大動物を滅ぼしたのは人間か、気候変動か」という問いに、決着をつける大きな鍵になるかもしれません。
元論文URL→ https://t.co/p8Q54XOU1e November 11, 20255RPBTC、ETH 都扛不住的时候，JST 却在悄悄走强
最近的大盘，大家都看到了：
BTC 一路往下，-19.98%；
ETH 跌得更狠，-27.57%。
但 JST 完全不是那个画风。
同期 JST 竟然涨了 +22.47%，走出了独立行情。
为什么 JST 能在这种行情里逆势？
为什么别人在找底，JST 却在稳步回收筹码？
为什么就算没大行情，它依旧能涨？
答案其实很简单：
这不是情绪驱动，而是基本面驱动。
1/ 首轮回购销毁落地，JST 的价值锚定正式建立
大家都知道，Justlend 官方这波动作是实实在在的硬利好—不是喊口号，不是画饼，而是直接拿钱下场。
第一次就把 5900 万美金收益的 30% 拿出来做回购销毁，
一口气干掉了 5.6 亿枚 JST，
占总供应量 5.6%。
注意，这是第一轮。
剩下 4140 万美元 还在路上，按季度持续销毁。
这叫长期、可持续的通缩。
叫「价值回流」的闭环终于建立起来了。
大多数项目的回购销毁都只是 PR，
但 JST 的这套机制，是靠真实平台收入支撑的。这点太关键了。
2/ JustLend DAO 正在持续赚钱，销毁只是开始
JST 的价值来自哪里？来自生态的真实现金流：
JustLend DAO 的借贷利息，能量租赁的手续费，USDD 多链生态的盈利，平台 TVL 的增长带来更大收益池
光 JustLend DAO 一个协议，累计收益就接近 6000 万美金。今年 Q3 一个季度收入就接近 200 万美金。
你说这种协议，它回购销毁 JST，是不是“真金白银”？
更别忘了，USDD 的盈利超过阈值后，也会加入回购销毁池。
这意味着 JST 后面会迎来第二条“价值注入管道”。
说白了：
JUST 在赚多少钱，JST 就能被买回来、被销毁多少。
这是硬逻辑，不靠讲故事。
3/ 五年零安全事故，熊市更显出真正价值
什么叫“能在熊市看出真实力”？
就是别人都在暴跌、爆仓、黑客攻击时，
你依旧稳如老狗，还在不断赚钱。
Aave、Venus、Kamino 都遭遇过安全事故，
唯独 JustLend 五年运营下来零事故。
这就是为什么在市场不稳的时候，
资金更愿意往 JST 所在的生态流。
熊市最怕什么？怕不确定性。
而 JST 恰恰给了市场一个“最高确定性”的叙事：
收益稳定 → 回购确定 → 通缩确定 → 价值增长确定
这种确定性，在熊市里尤为昂贵。
4/ JST 的这波涨，不是拉盘，是重估
JST 这轮涨，不是那种“新闻刺激的直线拉升”。
它是：
稳 → 稳 → 稳 → 慢慢涨
但 JustLend 的 TVL 是全球前四，安全性第一，盈利能力稳健，又有 TRON 整条能量经济支撑。
这种“估值错配”迟早会被市场修复，
现在只是修复的开端。
所以 JST 的上涨，不是“激情”，而是“迟到的价值回归”。
5/ 无惧熊市，因为 JST 走的不是投机路线
为什么 JST 这波能逆势跑赢 BTC 和 ETH？
因为它走的是完全不同的轨迹：
•大盘跌 → 情绪崩 → 投机资金撤退
•JST 涨 → 生态赚钱 → 透明回购 → 通缩推进
你会发现一个现实：
JST 的上涨和市场情绪没强相关性，它跟基本面绑定。
也就是说：
哪怕现在还是熊市，哪怕延续半年，它依旧能一步步涨。
因为：
销毁还会继续
收益还会继续
通缩还会继续
价值重估还没走完
熊市最能检验“谁是真实力、谁是纯靠故事”。
而 JST 已经把答案写在链上。
这一次，不是暴涨，也不是故事。
JST 是在用“回购+销毁+盈利”把价格一点点往上推。
不是喊口号，不是追热点，它走的是长期路线。
当一个项目靠基本面推动上涨，它就不会被大盘绑架。
JST 的逆势，就是最好的证明。
接下来怎么走？我只说一句：
真正的价值，从来不是在牛市里被发现的，而是在熊市里被重新定价的。
@justinsuntron @DeFi_JUST #TRONEcoStar November 11, 20253RP🦕チリ最古？
恐竜たちが残した「足跡」の謎に迫る👣
#古知累論文紹介
南米の恐竜と聞いて何を思い浮かべますか？
実は、南米の「ジュラ紀後期（約1億6000万年前〜）」の恐竜化石というのは、これまであまり見つかっていませんでした。
特にチリがある南米の西側（かつてのゴンドワナ大陸の西縁）では、骨の化石記録が極めて少ないのです。
「骨がないなら、どうやってそこに恐竜がいたと証明するの？」
重要になるのが、今回紹介する論文のテーマである「足跡化石」です。
骨は残りにくくても、足跡なら地層に残っていることがあるからです。
今回、チリ北部のHuatacondoという場所にある「マハラ層」から、重要な発見がありました。
なんと、チリおよびゴンドワナ大陸西縁において「最古」となる恐竜の足跡が報告されたのです。
これまで知られていた記録よりも古い時代の地層から、恐竜たちの痕跡が見つかりました。
では、どんな恐竜たちが歩いていたのでしょうか？
分析の結果、見つかった足跡の多くは「獣脚類（じゅうきゃくるい）」のものである可能性が高いことがわかりました。
獣脚類とは、ティラノサウルスのように二足歩行をする肉食恐竜のグループです。
面白いのは、そのサイズの多様性です。
長さ50cmを超える「巨大」な足跡から、40cm程度の「大型」、そして20cm台の「中型」まで様々。
さらに驚くべきことに、わずか8cmから13cmという「極小〜小型」の足跡も多数発見されました。
この小さな足跡は、当時のこの地域において最小クラスの記録です。
研究チームは、ただ「足跡があった」と言うだけではありません。
ドローンや近距離撮影を用いた「フォトグラメトリ」という技術で、足跡を3Dモデル化しました。
そして、足跡の長さや幅、指の角度などを数学的に解析（主成分分析）することで、客観的に形を比較しました。
その結果、これらの足跡は5つの異なるタイプに分類できることがわかりました。
具体的には、CarmelopodusやGrallatorといった、世界的に知られる足跡化石の分類に近い特徴を持っていたようです。
※ただし、保存状態の問題もあり、断定ではなく「類似している（cf.）」という慎重な表現が使われています
また、保存状態は良くないものの、首の長い植物食恐竜である「竜脚類（りゅうきゃくるい）」と思われる痕跡も見つかりました。
この発見は、何を意味するのでしょうか。
骨の化石がほとんど見つかっていないこの時代・この場所にも、確かに多様な恐竜たちが生息していたという重用な証拠になります。
どうやら当時のこの地域は、乾燥した気候の中で、一時的に水が存在するような環境だったようです。
そこに大小さまざまな肉食恐竜を中心とした恐竜たちがやってきて、湿った地面に足跡を残していったのかもしれません。
元論文URL→ https://t.co/AeqmMHLETO November 11, 20253RP倭国外务省旗下杂志《外交》vol.94封面文章
(译文仅供参考)
围绕中国习近平体制的博弈
对谈：习近平体制——走向个人独裁的政治力学
铃木隆 大东文化大学教授 川岛真 东京大学教授、本刊编辑委员
习近平统治是否稳固？
川岛： 习近平政权目前已进入第三任期的中期阶段。在展望政权走向时，让我们先梳理一下中国未来的政治日程。2027年第三任期结束将是一个节点，但如果没有突发事件，预计将迎来第四任期（至2032年）。从更长远来看，2049年是建国100周年，中国设定了实现"社会主义现代化强国"、在国际社会获得霸权地位、与美国比肩甚至超越美国的宏大目标。而2035年则是"基本实现社会主义现代化"的阶段性目标。因此，2027年、2032年、2035年、2049年都是展望中国政治时必须关注的重要节点。
川岛： 也就是说，习近平本人的设想可能是：干满四届后，视接班问题的进展选择退休，或者干到第五届，大约到2035年左右。如果真打算第四届就结束，那现在应该已经能看到接班人布局的动向。现任政治局常委中除习近平外的六人，以及23名政治局委员中高龄者不少，进入第四届时可能会有较大调整。主要从新进委员中遴选，在第四届任期内逐步锁定接班候选人。
铃木： 我认为习近平会物色两三个接班候选人，让他们在忠诚度和政策能力上相互竞争，但他本人会尽可能长久地保持最高领导人地位。
川岛： 习近平有可能就任党主席吗？
铃木： 有可能。届时接班人担任党总书记，而他本人以被"推戴"的形式成为党主席。总书记体制原则上是集体领导、多数决，但党主席可以独自决策。我认为会根据第四届的情况相机而动，不过从实际情况来看，习近平的个人独裁已经确立。
川岛： 江泽民、胡锦涛时期推进党内民主化，通过建立明确的政治程序来抑制权力斗争，习近平本人就是通过党内选举当选总书记的。为什么他要逆转这一党内民主化潮流？另外，支撑习近平路线的权力基础在哪里？
铃木： 我认为其根源在于这样一种思维：江泽民、胡锦涛时代约20年积累的问题，比如党内纪律松弛等，必须通过向习近平个人集中权力才能克服。此外，习近平的执政风格和执政哲学很大程度上继承自毛泽东，这一点也很重要。同时，反腐败斗争和改善环境问题等与普通民众切身相关的工作取得了成效，这也成为其向个人集权正当化的依据。
川岛： 就现实的权力基础而言，习近平比毛泽东更强大。毛泽东虽有卡里斯马（charisma）魅力超过习近平，但毛身边有周恩来这样必须重视的同辈。而习近平周围没有能与之并肩的人物。
地方执政经历塑造的海洋进取意识
铃木： 如您在近著中所论述的，习近平的执政风格和政策，他的履历有怎样的影响？
川岛： 地方经验非常重要。政策层面值得关注的是，习近平主政过的福建省、浙江省、上海市都是沿海地区。福建面对台湾，浙江和上海濒临东海，在军事和经济上都是重要地区。正因为有这些经历，台湾问题和海洋进出对他来说是切身关注的事务。
铃木： 内陆陕西省出身、年轻时住窑洞务农的人物，后来作为精英官僚赴任沿海地区，对本国的海洋进出产生兴趣，这确实很有意思。那么在治理层面，"重党轻政"的思想形成也与地方经验有关吗？
川岛： 从他的成长经历来看，他是革命第一代人体悟到的党的献身精神、党作为国家基础而存在的意识的自然继承者。对党国体制的信任可以说是"红二代"（革命前建国时期贡献于党的高级干部子弟）的身份认同。
考察他的权力基础时，与军队的关系也很重要。习近平政权缩减陆军，重视陆海空、火箭军的均衡，致力于建设现代化军队。正因为能够掌控军队，才能推进如此大规模的军制改革。
铃木： 这是因为习近平在1979至1982年有过军队服役经历，对军队这一暴力组织的特性有自信能够理解吧。加之他在地方领导人时期就积极与当地军队干部建立人脉。与刘少奇之子、幼年好友刘源的合作关系也有助于反腐斗争的推进。
川岛： 作为党中央军委主席，他在对军队的影响力方面与前两届政权大不相同。
铃木： 除了中央军委主席，习近平还拥有"联合作战指挥机构总指挥"这一新头衔，位居军令部门之首。与其说是单纯的文职领导人，不如说他有更进一步的"军人政治家"自觉。
川岛： 掌控了党和军队，习近平在中央的权力基础比前两届政权要稳固得多。通过反腐斗争清除政敌，现任政治局常委、政治局委员几乎都是他的人马。最近经常听到"健康隐忧"或"可能进不了第四届"之类的传言，但仔细观察现状，认为他权力基础脆弱的分析令人难以认同。社会和地方当然有不满，但都是静默的。
"欲罢不能"的习近平
铃木： 让人担心的是接班问题。正因为权力向习近平集中，才产生了难题。无论党还是军队，不太可能轻易出现一个值得信任、能够接手他这般权力的人。他似乎被权力之网缠住了。撇开作为权力者对长期执政的野心不谈，包括自身的进退在内，都是权力惯性或惰性的结果，"欲罢不能"才是实情。
川岛： 四五年后的接班问题将会非常棘手。预兆之一是党中央军委人事。解放军中地位仅次于习近平的张又侠预计2027年退休，但其接班候选人一个个"被刺"落马，人事至今悬而未决。外交也是如此，7月份被视为王毅外长接班人的刘建超失势。
铃木： 在国防、外交接班人都不明朗的情况下，习近平本人的接班问题更是困难重重。这样下去，可能会出现"无名小卒被一眼相中"的情况。普京就是先例——1996年被提拔进俄罗斯总统府之前还只是圣彼得堡市副市长。无论如何，在接班人事冻结的状态下，将迎来第四届。
经济困境不会动摇权力基础
川岛： 尽管党中央权力基础稳固，习近平政权面临诸多课题也是事实。经济尤其重要，也有人指出他在这一领域经验不足。
铃木： 习近平本人恐怕对经济本身兴趣不大。但他强烈自认为是"马克思主义者"，在观念上重视经济作为下部结构。但如果真是这样，就不应该只关注供给侧，而应积极处理格差纠正等分配问题。2021年提出的"共同富裕"作为口号传播开来，但缺乏实际举措。另一方面，在美中对抗背景下，对经济增长的维持和科技开发等关注很高。
川岛： 中国共产党的正统性曾建立在革命和民族主义之上，改革开放后又加上了富裕。近年来科技受到重视，但追求富裕依然重要。中国经济失速是否会导致对习近平政权和共产党的支持丧失？
铃木： 在正统性和权力基础维护方面，经济富裕依然重要，但我想指出两点新趋势。第一，以AI应用便利性为代表的科技，以及对政权正统性强化的作用。DeepSeek等大规模语言模型的开发就是典型——"我们能造出不输美国的东西"，科技被用于国威发扬。但第二，回顾中华人民共和国的历史，实际上并没有仅因经济因素就导致体制动荡的先例。1989年天安门事件时，除了通胀等经济困境，还有政治腐败、统治精英分裂等因素共同作用，才发展成全国性政治危机。现在的习近平政权对"三件套"中的后两项应对得绑绑有余，很难想象中国经济恶化就会立即动摇习体制。
川岛： 确实如此。常听到"中国经济恶化，政权会制造对外危机转移国民视线"的说法，但这也缺乏依据。如果危机应对失败，反而无法成为"出气口"，尤其是入侵台湾等对执政者来说门槛极高。
铃木： 即便不至于政争，经济和社会保障问题确实导致国民尤其是年轻人不满积累。本来社会保障改革、国企改革等"核心"政策应该受到重视，但这类长期课题国民难以感受到成效，因此不得不优先眼前的景气对策。
川岛： 社会保障政策难以成为政争焦点。中国独生子女政策一代即将步入50多岁，到2035年将以超过倭国的速度进入超老龄化社会。人口动向将大幅改变社会结构，这可能会影响习近平自己设定的2035年乃至2049年国家目标的实现。
AI催生"超监控社会"的新型治理
川岛： 习近平政权相较前任政权最显著的特征是什么？
铃木： 所谓"数字监控"体制。除了监控摄像头，还利用数字支付网络等，一方面运用大数据掌握全民动向，另一方面获取个人信息强化监视，彻底实施治理。习政权高效察觉各种社会风险，同时还试图利用AI等介入人们的认知领域。
川岛： 作为社会管控强化的工具，确实相当有效。纵观中国历史，中央权力要将影响力延伸到地方各个角落何其困难……蒋介石时代都没能到达村级，村庄纳入中央政府治理还是中华人民共和国成立之后的事。但习近平体制不只是村，还要深入每个国民的头脑。
铃木： 或许存在某种强迫观念，非要把治理做到如此彻底。另一个特征是强调各种"安全"——国家安全等，并通过法制化来实现。
川岛： 相比毛泽东、邓小平，习近平意识到自己缺乏基于实绩的卡里斯马（charisma）权威。因此，他试图通过将各种政策法制化、明确权限来弥补这一不足。
铃木： 确实很"一丝不苟"。不过数字监控体制加上法制化，确实让整个社会越来越压抑。
川岛： 富裕阶层外流就是社会自由丧失的反映。
"北京逻辑"下的中美关系
川岛： 也想讨论一下第二届特朗普政府以来的中美关系。从长期视角来看，对中国而言，如何看待特朗普？
铃木： 对习近平来说，最重要的是遂行自己确立的长期目标，与美国进行持久对抗是特朗普上台前就既定的路线。美国"本国优先"的动向将在特朗普之后持续，但中国不会因此调整长期目标。当然需要应对如追加关税等个别问题，但包括外交因素在内的美国因素是风险管理对象，不会因此改变国家目标。
川岛： 关于特朗普关税，中国经济的GDP大部分已由内需构成。出口方面，只能卖给美国的产品会受冲击，否则找到其他买家就行。从这个意义上说，影响是有限的。
铃木： 从中国的视角来看，随着时间推移，世界大势将对自己有利。既然如此，中国无需主动对美国采取什么行动。这集中体现在加强与全球南方国家的关系上。在亚洲等世界各地的"阵地争夺"中，中国认为自己比"走下坡路的西方"更有优势。
川岛： 特朗普政府解散美国国际开发署(USAID)、实质上撤销美国之音和自由亚洲电台等，以及美国对加沙冲突的应对，都被中国利用。
铃木： 观察中美对抗时，经济安全当然重要，但讨论并不简单。以半导体为例，西方越是试图封锁尖端技术，中国越会推进自主化。据说中国已能制造6纳米制程。当然要量产和进一步突破尖端技术会很艰难，但终究有可能追上。从这个意义上说，特朗普关税和经济安保将加速中国追求的内需型经济建设和自主化。因此，这些应对与既定大方针并不矛盾。
中国更警惕的其实是特朗普就职前后"夺回巴拿马运河控制权"、"购买格陵兰"等言论。这是20世纪初的古典海权复兴行动，与中国的海洋进出战略正面冲突。不过特朗普的言论是在"本土防御要塞化"的语境下发表的，只要止于北美和南美大陆范围，影响有限。
川岛： 特朗普政府的出现及其后的关税和对盟国的防务努力要求，在西方国家引起巨大震动。更不用说作为美国主要竞争对手的中国了——倭国往往有这种思维定式。但站在习近平的立场和逻辑来看，中国目前基本是在既有框架下应对。中国可能会修改长期规划，但眼下更大的问题是人事。
如何看待台湾局势
铃木： 前面谈到了习近平的海洋政策，那么台湾问题呢？
川岛： 习近平设想的海权不仅包含商业要素，还涵盖军事力量在内的全面海洋霸权的实现，台湾也是不可分割的组成部分。除了军事和经济重要性，统一更是担保共产党正统性的命题，不存在不追求统一的选项。而且台湾在甲午战争后成为倭国殖民地，二战后也与大陆分离，统一还有雪洗历史屈辱的意味。
铃木： 台湾局势对倭国也很重要。从中国来看，倭国位于第一岛链（九州、冲绳、台湾、菲律宾等）之上，也是第二岛链（伊豆群岛、小笠原群岛、关岛等）的一部分。中国会对倭国乃至日美同盟采取怎样的策略？
川岛： 日美同盟积累深厚，中国也认为不可能轻易离间日美。但如果倭国方面威胁认知上升，台湾有事的具体军事行动讨论深入，国民不安完全可能蔓延。
铃木： 在倭国社会制造"被卷入恐惧"的舆论工作也会进行。正如已经在台湾实施的那样，利用倭国的民主制度制造国论分裂，以综合削弱倭国的政治和外交力量，各种工作手段都会被使用。如果我是中国当局者，肯定会这么做。
川岛： 需要充分认识这一点。围绕台湾有事，尤其令人担忧的是对冲绳的影响。
铃木： 也有报道称中国正在对冲绳进行各种"工作"，这是值得警惕的事态。
川岛： 不过，倭国国内流传的"中国对冲绳的政治工作和影响力已深度渗透"说法，目前来看是过度评估。但如果轻视这类言论的传播，东京与冲绳政策制定者之间的心理疏离是可能发生的。定期且细致的意见交换和信息共享不可或缺。
台湾有事的应对固然重要，但首先要做好准备。尤其是社会韧性的提升、海底电缆等信息基础设施的保护，以及网络攻击、虚假信息等非武力灰色地带渗透的信息共享合作，应该先推进。在战时与和平时期界限模糊的情况下，需要重新审视日台合作方式，重新设定课题。
倭国新政权应如何面对中国
川岛： 10月21日高市新政权成立。中日关系课题堆积如山，您期待怎样的应对？
铃木： 首先是适当展开首脑外交。近年日韩关系改善就是好例子，首脑外交的成果对两国国民感情影响巨大。中日之间也是如此，要构建稳定关系，首脑层面的对话不可或缺，这也将支撑包括商界在内的国民舆论。
川岛： 日中关系和日韩关系类似，曾因尖阁诸岛问题，中方冻结首脑交流，安倍政权将其恢复到可以重新开展的水平。政治家的决断很重要。
铃木： 在权力集中于习近平个人的政权下，能直接向他输入什么信息将是胜负关键。正因为高市首相拥有保守派支持基础，才可能做出大胆的政策决断，安倍也是如此。
川岛： 倭国常有这样的说法："只要经济恶化，中国就会依赖倭国，采取友好姿态。"但现在中国GDP的大部分由内需构成，焦点在于如何刺激国内个人消费。这一点应该牢记。需要着眼于当前的中国，构建适合当下的中日关系。
川岛真：1997年东京大学研究生院人文社会系研究科博士课程单位取得退学。文学博士。专攻中国政治外交史、东亚国际关系史。历任北海道大学助教、东京大学副教授，现任东京大学教授。合编著有《日中关系2001-2022》《欧亚的自画像》等。
铃木隆：2005年庆应义塾大学研究生院法学研究科博士课程肄业。法学博士。专攻中国政治。历任爱知县立大学副教授，现任大东文化大学教授。著有《中国共产党的支配与权力：党与新兴社会经济精英》《习近平研究：支配体制与领导人的实像》等。
注：
.以上为Claude Opus 4.5基于学术对谈的直接翻译，忠实于原文内容。
.呈现倭国学者视角的分析，原文本身具有立场性，翻译保持中立转述。
.原文未涵盖中方官方叙事、西方主流分析的对比视角，以及经济数据的具体验证。 November 11, 20253RPGoogle TPU 要干掉英伟达了吗？Meta 被曝将大规模采购 TPU，引发市场震动。但真相是：TPU 能撼动英伟达，却永远无法取代英伟达。这不是性能之争，而是生态、时机与战略的较量。
The Information 的一篇重磅报道把整个 AI 行业给炸了，Meta 正在与 Google 进行秘密谈判，计划大批量采购 Google 的 TPU 芯片，用于部分替代英伟达的 GPU 以支持其庞大的数据中心 AI 运算。
根据报道披露的细节，这盘棋下得很大：
- 2026 年： Meta 将大规模租用 Google 云服务（Google Cloud）上的 TPU 算力进行模型训练；
- 2027 年： Meta 将直接采购数十亿美元的 TPU 芯片，部署于自建的数据中心内。
什么？全球最大的 GPU 采购大户要抛弃英伟达了？ Google 的 TPU 居然要走出自家机房，去取代英伟达的 GPU 了吗？
消息一出，资本市场瞬间恐慌了。英伟达股价应声大跌，而 Google 则逆势暴涨，大家都在问：难道英伟达靠 GPU 垄断 AI 数据中心的故事真的讲不下去了吗？TPU 开始逆转了战局了吗？要讲明白这场 GPU vs TPU 的战争，我们要先从英伟达为什么能够像“铁桶”一般垄断 AI 数据中心讲起。
当今的 AI 技术堆栈：一座精密的金字塔
今天的人工智能是一个无比庞大的工业化产业。像 ChatGPT 这样顶尖的 AI 产品，其背后是由一层一层的技术基石堆砌而成的，这在 IT 行业被称为“技术堆栈（Tech Stack）”。
即使采用最粗略的划分方式，要支撑起当下的生成式 AI，至少也包含 5 层关键技术，缺一不可：
- 第一层：算力硬件层（Infrastructure） 这是金字塔的底座，是一切的基础。核心代表毫无疑问是英伟达的 GPU 和 Google 的 TPU。它们提供了 AI 运算所需的庞大算力，就像是工业时代的电力引擎。
- 第二层：系统软件与加速层（System & Compiler） 光有芯片还不够，AI 计算需要成千上万个芯片协同工作。这一层负责调度硬件并优化效率，充当硬件与上层软件的翻译官，它们决定了你能发挥出硬件多少潜能。这一层最典型的护城河技术，就是英伟达的 CUDA，而 Google 的 TPU 也有能够把上层软件编译为 TPU 机器码的 XLA 编译器。
- 第三层：深度学习框架（Deep Learning Frameworks） 想要构建和训练大规模神经网络，开发者不能手搓底层的软件代码，需要成熟的“脚手架”。业界目前最流行的是 META 发起开源软件 PyTorch（目前对 GPU 生态支持最好，是事实标准），以及 Google 发起的开源软件 JAX 和经典的 TensorFlow。
- 第四层：基础大模型（Foundation Models） 这是由深度学习框架训练出来的“超级大脑”，是目前竞争最激烈的战场。
- 语言/多模态模型： 如 OpenAI 的 GPT-5、Google 的 Gemini 3；
- 视频生成模型： 如 OpenAI 的 Sora、Google 的 Veo；
- 图像生成模型： 如 Google 的 Imagen、Midjourney。
- 第五层：AI 应用与交互层（Applications & Agents） 这是用户直接接触的产品。它将底层强大的模型能力封装成人类可以交互的工具。例如 ChatGPT，它的底层核心是 GPT 模型，但它本身是一个增加了对话界面、联网搜索、记忆功能的产品；又比如 Google 的 NotebookLM。
为什么英伟达在 AI 数据中心市场形成了绝对垄断？
我们经常感叹英伟达的 GPU（如 H100、H200、B200）硬件参数如何炸裂，但这只是冰山一角。英伟达之所以能对 AI 数据中心市场形成近乎无解的垄断（市占率一度超过 95%），主要源于以下三个维度的降维打击：
1. 通用性极强的单点算力 英伟达的 GPU 本质上是通用计算加速器（GPGPU）。它不仅能完美覆盖 AI 大模型的训练（Training）和推理（Inference），还能兼顾科学计算（气象模拟、药物研发）、图形渲染甚至加密货币挖掘。这种“一卡多用”的特性，使其成为了数据中心的硬通货——买了永远不亏，不用来炼丹还能用来挖矿（开玩笑，但道理如此）。
2. 恐怖的集群扩展能力（Scale-up & Scale-out） AI 大模型训练不是单打独斗，而是需要成千上万张显卡协同作战。英伟达在这方面做得太绝了：
- 节点内互联：通过独家的 NVLink 技术，英伟达可以将多个 GPU（甚至高达 72 个 GPU 组成的 GB200 NVL72 机柜系统）连接成一个“超级逻辑 GPU”，显存和算力实现无缝共享。
- 节点间互联：通过收购 Mellanox 获得的 InfiniBand 高速网络技术，让成千上万台服务器之间的数据传输快如闪电，解决了大规模集群的通信瓶颈。
3. 真正的护城河：CUDA 软件生态 这是英伟达最难被逾越的壁垒，就像 PC 时代的 Windows 操作系统。
- 底层基石：CUDA 提供了最底层的并行计算库，几乎所有的高性能计算场景都基于此构建，经过了 20 年的打磨。
- 顶层框架：当今统治级的深度学习框架 PyTorch 对 CUDA 提供了最原生的支持。这意味着开发者只需编写几行 Python 代码，就能调用底层强大的算力。
- 生态闭环：围绕 PyTorch/CUDA/GPU 已经形成了一套成熟的“开箱即用”基础设施。
为什么竞争对手很难追赶？ 即使竞争对手（如 AMD 或国产芯片厂商）在硬件参数上追平了 H200，依然无法撼动英伟达的地位。因为缺乏庞大的软件生态支持，意味着极高的迁移成本和时间风险。
一个真实的行业痛点（听起来很痛）： 目前很多致力于适配非英伟达芯片的 AI 团队都面临着巨大的痛苦。许多针对英伟达 GPU 进行过深度优化的模型（特别是涉及复杂算子或 MoE 架构的模型），一旦迁移到其他芯片平台，往往会面临严重的兼容性问题。
- 开发难：大量算子需要从头手写，费时费力，如同用汇编语言写网页。
- 稳定性差：模型训练过程中经常出现莫名其妙的数值溢出或系统崩溃（Crash）。
在当前的 AI 竞赛中，一次全量模型训练往往耗时数月，成本以千万美元计。如果因为芯片兼容性导致训练中途崩溃几次，浪费的不仅是电费，更是半年甚至一年的宝贵时间窗口。这种巨大的试错成本，是任何一家争分夺秒的 AI 公司都无法承受的。传言某国内顶级 AI 模型就是因为在国产芯片上训练下一代模型频繁崩溃，导致一直难产，真的是太痛了。
这就是为什么英伟达在 AI 数据中心市场越成功，行业对其路径依赖就越严重——因为没有人敢承担离开英伟达的代价。
Google 的 TPU 又是怎么崛起的？
尽管英伟达的统治力无可争议，但是 Google TPU 却是个异类，它不仅活下来了，还活得很好，已在 AI 顶级赛道站稳脚跟。
首先，TPU 已经用实战成绩证明了自己在 AI 大模型训练和推理领域的成功：
- Google 本家基石： Google 最强的 Gemini 系列模型，完全基于 TPU 进行训练和推理；
- 独角兽的选择： 顶级 AI 公司 Anthropic (Claude) 在 Google Cloud 上大规模使用了 TPU 算力；
- 科技巨头的背书： 就连 Apple 在训练其 Apple Intelligence 基础模型时，也公开表示使用了 Google 的 TPU v4 和 v5p 集群，而非英伟达 GPU。
那么，在英伟达已经成为绝对霸主的情况下，Google TPU 凭什么能异军突起？我们不妨对照英伟达成功的三个维度来深度解析：
1. 算力哲学：极度通用 vs 极致专用 英伟达 GPU 的强大在于“通用性”。而 Google TPU 从 2012 年设计之初，就是为了特定用途——大规模矩阵乘法而生。 现在的 AI 大模型训练，本质上就是在大规模地做矩阵乘法。因为放弃了图形渲染等通用功能，TPU 的芯片设计得以大幅简化，从而在“矩阵计算”这单一场景下取得了极致的能效比和性能表现。
2. 互联技术：电互联 vs 光互联 (OCS) 英伟达在服务器间的高速互联（NVLink/InfiniBand）上表现出色，覆盖了从单机多卡到万卡集群的广泛场景。 而 Google TPU 另辟蹊径，主攻超大规模集群互联。Google 引入了独特的 OCS（光路交换）技术，用光互联将成千上万颗 TPU 动态编织在一起。最新的 TPU v5p 单个 Pod 即可容纳 8960 颗芯片，甚至可以通过光互联扩展至数万卡的超级集群。这种架构在大规模并行训练中，展现出了极高的带宽利用率和灵活性，且布线极其整洁。
3. 软件生态：CUDA 帝国 vs JAX/XLA 新势力 英伟达的 CUDA 和 PyTorch 让 AI 开发变得“开箱即用”，这是其最大的护城河。但 Google 经过多年深耕，也打磨出了一套极为硬核的软件栈：
- XLA (2016)： 一个强大的编译器，能将计算图直接编译为 TPU 机器码，榨干硬件性能。
- JAX (2018)： 一个旨在替代 TensorFlow 的前沿框架。
对比 PyTorch： PyTorch 是面向对象编程，符合人类直觉，简单易用；而 JAX 是函数式编程，学习曲线陡峭，但在处理超大规模并行计算时具有先天优势，代码更简洁，数学表达更纯粹。
跨界打击： JAX 的优秀甚至溢出了 TPU 生态。如马斯克的 xAI 虽然使用的是英伟达 H100 集群，但为了追求对硬件性能的极致压榨，在训练 Grok 模型时并没有使用 PyTorch，而是选择了 JAX。
总结：生态位的胜利 经过多年的演化，在超大模型训练这一“皇冠上的明珠”场景下，JAX + XLA + TPU 技术栈已经形成了一个完整的闭环。它不仅被验证是成功的，甚至在某些超大规模场景下，能取得比 Pytorch + CUDA + GPU 更优的能效比。在 Google Cloud 上，TPU 的 token 成本定价低于英伟达 GPU，就是最好的证明。这也是 Google Cloud 在云计算市场竞争中的秘密武器。总之：
英伟达 vs Google：两种技术哲学的碰撞
- 应用场景： 通用型霸主 vs 超大模型专用特种兵
- 软件门槛： 低门槛的群众基础 vs 高门槛的专家利器
- 商业模式： 庞大的全行业生态 vs 垂直整合的自研闭环
如果说英伟达就像一辆豪华的全能越野车，哪里都能去，谁都能开，到处都有维修店；那么 Google 就像一辆定制的 F1 方程式赛车，只能跑赛道，赛车手才能开。大多数人买车首选 SUV（英伟达），因为方便、省心；但在争夺世界冠军的顶级赛场上，追求极致速度的车队（如 Google、xAI、Anthropic）会考虑使用 F1 赛车（TPU）。
Google TPU 能干掉英伟达吗？
照你这么说的话，Google TPU 岂不是已经成功挑战英伟达，打破了英伟达 GPU 的绝对垄断地位吗？事情没有那么简单。
1. TPU 的局限性与 Google 的双重身份 前面提到 Google TPU 极其擅长超大模型的训练/推理以及大规模推荐系统，但在通用性上，其他场景要么根本不适用，要么能效比不如英伟达 GPU。 对于 Google 庞大的产品线（YouTube、Search、Cloud）来说，对通用 GPU 的需求依然是海量的。因此，Google 一边自研 TPU，一边依然是英伟达 GPU 的全球采购大户。这一点在未来几年内都不会改变。
2. 迁移成本高昂的“生态墙” 尽管在超大模型场景下，JAX + XLA + TPU 的技术栈能取得显著优势，但这要求你必须“从零开始”就拥抱 Google 生态。 如果现有的项目是基于 PyTorch 和 CUDA 深度优化的，想要迁移到 TPU，约等于重写底层代码并进行大规模兼容性测试。这种“重起炉灶”的时间成本和工程风险，足以让绝大多数企业望而却步。
因此目前来看，Google TPU 的用户群体画像非常清晰，主要就两类：一是高校科研（科学计算），二是超大模型的训练和推理。
为什么 TPU 会有很多科学计算用户？ 这是因为 Google Cloud 长期为高校科研开放免费的 TPU 资源（TPU Research Cloud），加上极度好用的 Colab 服务（免费提供 TPU/GPU 算力），在学术界圈粉无数，培养了一大批习惯 TPU 的科研生力军。
那么，超大模型领域的潜在客户呢？ 我们逐一分析市面上的两类大客户：
- 大型云计算厂商： Amazon, Microsoft, Oracle 以及 CoreWeave 等新兴 GPU 云厂商。
- AI 大模型厂商： OpenAI, Anthropic, xAI, Meta 等。
大型云计算厂商（Amazon, Microsoft）本身就是 Google Cloud 的死对头，且都在自研芯片（Trainium, Maia），绝无可能去买对手的算力。而 Oracle 和 CoreWeave 早就通过深度绑定英伟达赚得盆满钵满，是英伟达的铁杆盟友。
AI 大模型厂商呢？
- OpenAI： Google Gemini 的头号宿敌，微软的盟友，不可能用 TPU。
- xAI： 马斯克与 Google 积怨已久，且正通过特斯拉和 xAI 构建自己的超算集群。
- Meta： 回到开头的新闻，Meta 是个超级大户。虽然传闻在谈，但 Meta 也是 Google 广告业务的直接对手。扎克伯格目前手握全球最大规模的 H100 集群之一，并且 Meta 正在积极迭代自研芯片 MTIA。虽然他们不搞公有云，但为了战略安全和技术自主，Meta 不太可能全面依赖 Google 的 TPU，最多是作为补充或谈判筹码。
- Anthropic： 剩下的只有它了。Google 是 Anthropic 的大金主，所以 Anthropic 使用 TPU 是顺理成章的。
盘算下来，TPU 的外部大客户其实寥寥无几。 这点体量，完全不足以对英伟达的统治地位构成“颠覆性”冲击。 因此，Google 最明智的策略依然是：在 Google Cloud 上提供极致性价比的 TPU 服务，用“省钱”和“能效”从其他云厂商口中抢肉吃，而不是想着彻底干掉英伟达。
如果 Google 非要“头铁”，下场卖 TPU 芯片抢市场呢？ 我认为这极其不明智：
- 供应链与利润结构： TPU 是 Google 与博通（Broadcom）合作设计的 ASIC。如果对外售卖，不仅涉及复杂的供应链管理，还要分润给博通，这会拉低硬件毛利。卖贵了，打不过英伟达；卖便宜了，除去博通的成本，Google 图什么？
- 客户池太浅： 如前所述，愿意买 TPU 且不与 Google 构成直接竞争的大客户极少。
- 田忌赛马的反面： 用自己公司的“内部工具/副业”去硬拼英伟达赖以生存的“主业”，胜算能有多高？
- 最后，也是最关键的宏观背景： 目前全球 AI 数据中心市场正处于“短缺经济”时代。不仅 GPU 缺，HBM 内存、CoWoS 封装产能、电力、甚至建设数据中心的土地都极度紧缺。虽然各大科技巨头的资本支出（Capex）已经高得吓人，但面对爆炸性的业务需求，供给依然不够。微软今年初曾试图下调资本支出，结果发现需求太猛，转头又开始疯狂追加投入。
在一个供不应求的增量市场里，无论你填进去多少算力（无论是 GPU 还是 TPU），都会被瞬间吃干抹净。英伟达的 GPU 和 Google 的 TPU 目前仍处于“各自跑马圈地”的阶段，而非“你死我活”的零和博弈。
我的结论：
Google TPU 对英伟达确实有冲击，但不必过度恐慌。 从长期看，Google TPU 的存在更像是一个强有力的“议价筹码”。当大客户有了备胎（TPU 或自研芯片），英伟达就很难长期维持如今夸张的 75% 利润率。
英伟达未来的市场份额确实会受影响，主要来自：
- Google 自身业务（搜索、推荐、Gemini）更多转向 TPU，减少购买 GPU；
- Google Cloud 的深度合作伙伴（如 Anthropic）减少购买 GPU。 这可能会导致英伟达在数据中心的市占率从 90%+ 缓慢回落到 75%-80% 左右，但这并不改变其商业逻辑的本质。
这就像当年的 PC 市场： 苹果 Macintosh 电脑的崛起虽然让 Windows 的市占率有所下降，但并没有终结 Windows 的垄断。真正终结 Windows 霸权时代的，不是 Mac，而是智能手机的兴起。 同理，Google TPU 干不掉英伟达。真正能干掉英伟达的，只能是下一代计算范式的彻底变革。
Google 的成功是不可复制的
好吧，虽然你说的很有道理，但是 Google 能干成全栈自研，尝到了甜头的其他巨头岂不是会纷纷效仿吗？Amazon，Microsoft，Meta，OpenAI 这几个英伟达的头部大客户都在自研 ASIC 芯片，将来他们都减少了对英伟达芯片的采购，英伟达不是要喝西北风了？
我的观点就是：Google 的成功是不可复制的。
Google 的技术栈能够成功，综合了以下几个不可或缺的因素，而这恰恰是微软、Meta 和亚马逊所不具备的：
1. 十年的时间壁垒（Time & Iteration）
芯片设计不是搭积木，它需要漫长的迭代周期。 Google 早在 2013-2014 年就开始秘密研发 TPU，2016 年 AlphaGo 击败李世石震惊世界时，背后就是 TPU v1 在提供算力。
当微软在 2023 年才匆忙推出 Maia 100 时，Google 的 TPU 已经迭代到了第 6 代甚至第 7 代。
这 10 年间踩过的坑、修复的 Bug、积累的制程经验、以及对散热和互联架构的微调，绝非其他公司靠“砸钱”就能在两三年内追平的。在硅基世界里，经验值就是良率，就是能效比。
2. 真正全栈的“软硬一体”的垂直整合掌控力（Full-Stack Control）
这是 Google 最可怕的地方，也是其他巨头最大的软肋。
Google 拥有整个链条： 硬件（TPU）+ 编译器（XLA）+ 框架（JAX）+ 模型（Gemini）。Google 的科学家 Jeff Dean 可以让设计 Gemini 的算法团队直接坐在设计 TPU 的硬件团队对面，告诉他们：“我们需要一个特定的指令集来加速这个算子。”这种协同效应是核爆级的。
反观微软/Meta： 微软虽然造了 Maia 芯片，但它上面的软件栈主要依赖 OpenAI，而 OpenAI 和整个业界主流依赖的是 PyTorch。PyTorch 的亲爹是 Meta，但 PyTorch 对英伟达 GPU 的优化是刻在基因里的。
微软想要 Maia 好用，就得去魔改 PyTorch 底层，或者指望 OpenAI 为了适配 Maia 去重写代码。这中间不仅隔着公司墙，还隔着巨大的技术债务。
只要 PyTorch 依然是业界标准，其他自研芯片就永远是在“模拟”或“适配”英伟达，而 Google 是在玩一套完全独立的游戏规则。
3. 极其特殊的“光互联”基础设施（OCS Infrastructure）
前面提到的 OCS（光路交换）技术，是 Google 数据中心的独门绝技。 Google 为了适配 TPU 的大规模互联，甚至重新设计了数据中心的物理布线和机柜架构。这种光互联技术允许 TPU 节点之间以极低的延迟和功耗进行动态重组。 其他云厂商的数据中心是基于标准以太网架构建设的，想要复刻 Google 这套“光互联”网络，意味着要推翻现有的数据中心物理架构，这个沉没成本是天文数字。
4. 无法比拟的内部“吞吐量”（Internal Workload）
在生成式 AI 爆发之前，Google 就拥有地球上最庞大的 AI 推荐系统——Google Search、YouTube 推荐算法和 Google Ads。
这些业务每天产生数以亿计的并发请求，为 TPU 提供了天然的、海量的“练兵场”。
即便没有外部客户买单，Google 自己的业务就能消化掉 TPU 的产能。这让 Google 敢于在 TPU 早期性能不完善时，强行在内部推广（Dogfooding），通过海量真实数据把芯片“磨”出来。
相比之下，Meta 虽然有推荐算法需求，但起步晚且早期全押注 GPU；微软的 Azure 主要是卖资源给客户，如果自研芯片不好用，客户会直接用脚投票切回英伟达。
英伟达更像 AI 时代英特尔
著名电影《大空投》原型 Michael Burry 曾暗示英伟达正处于类似互联网泡沫时期的境地，不少看空者也认为英伟达与 OpenAI 之间相互投资和采购的关系，吹起了一个巨大的估值泡沫。他们认为一旦泡沫破裂，英伟达就会像 2000 年的 Cisco（思科）一样，股价暴跌 80% 以上。
但我认为，当下的英伟达并不像当年的 Cisco，而更像 PC 黄金时代的 Intel。 Intel 的股价腾飞始于 1993 年，于 2000 年触顶，随后经历了漫长的震荡与调整。 回顾那段历史，我们可以发现惊人的相似性：
- 1993 年之前（群雄逐鹿）： PC 的 CPU 市场处于混战时代，各路架构互不相让。
- 1993 年（霸主确立）： Intel 推出奔腾（Pentium）处理器，凭借强悍的性能一举确立了 CPU 市场的统治地位。
- 1995 年（杀手级应用爆发）： 微软推出 Windows 95，图形界面的革命引发了全球性的 PC 换机潮。受此驱动，Intel 的股价在 1996 年迎来了极高斜率的上涨。
- 2000 年（盛极而衰）： Intel 股价在 2000 年见顶，随后狂跌。这背后既有互联网泡沫破灭的宏观原因，也有 PC 市场渗透率见顶的因素。同时，Intel 在技术路线上遭遇了 AMD 速龙（Athlon）处理器的强力挑战，且在后续的 64 位指令集之争中（安腾项目）犯了严重的战略错误。
2022 年 ChatGPT 的横空出世，就是 AI 时代的 "Windows 95 时刻"，它极大刺激了全行业对于算力基础设施的升级换代。借助这股 AI 浪潮，英伟达正在狂飙突进。现在的英伟达，像极了 1997 年处于巅峰缓慢爬升期的 Intel。
我相信，在未来几年的 AI 算力市场将呈现“一超一强多级”的格局：
- 英伟达（The Generalist King）： 依然是绝对的“一超”。它占据 75%-80% 的市场份额，服务于所有追求通用性、追求开发效率、追求 Time-to-market 的企业。所有的初创公司、大部分云客户、以及需要频繁试错的模型团队，依然只能选英伟达。
- Google TPU（The Specialized Powerhouse）： 它是那个“特种部队”。它守住 Google 自己的万亿帝国，并在超大模型训练这一垂直领域，成为唯一能跟英伟达叫板的“异类”。
- 其他自研芯片和 AMD（AWS Trainium, MS Maia, Meta MTIA）： 它们更多是“成本调节器”。它们会被用于处理那些负载稳定、算法成熟的推理任务（比如每天运行几亿次的简单推荐或聊天机器人推理）。巨头们用它来通过简单的替代降低运营成本，也就是所谓的“省钱芯片”，但很难承担起“探索下一代 AI 前沿”的重任。
Google 的王者归来：全栈自研的胜利
2022 年底 ChatGPT 的横空出世，曾让 Google 这位 AI 领域的先行者显得黯淡无光。然而，站在 2025 年底的今天回望，Google 的表现足以让人刮目相看。
目前的 Google，是全球唯一一家真正实现了AI 全栈自研、软硬件垂直整合的头部厂商。这种整合优势正在形成巨大的飞轮效应：
- 算力底座： 在硬件层面，Google 利用 TPU 大规模集群高效实现了 Gemini 3 模型的训练和推理，摆脱了对外部 GPU 的依赖。
- 生态闭环： 通过多年的技术积累，打造了难以复制的软硬件一体化技术栈生态：JAX / XLA / TPU，极大地提升了研发效率。
- 云端优势： Google Cloud 虽然在市场份额上仍居 Amazon 和 Microsoft 之后，但增速惊人。更重要的是，得益于自研芯片，其 TPU 的租赁费用相比 GPU 拥有显著的价格优势，这对初创公司极具吸引力。
- 模型与成本：Gemini 3 在多项基准测试中已完全不输 GPT-5.1，甚至在长上下文和多模态理解上有所超越。基于自有云和芯片的成本优势，Gemini 能够提供更具竞争力的 API 调用价格，这种“低成本高智能”的反向优势正在快速抢占开发者市场。
- 产品矩阵全面开花：
1. NotebookLM 已成为“杀手级”的 AI 知识库和学习工具，深受科研与教育用户喜爱。
2. 多模态创作： Gemini 现已深度整合 Veo（视频生成）和 Imagen（图像生成），用户可在一个工作流中完成复杂的创作任务。
3. 搜索进化： Google Search 全面推出了 AI Overviews，成功将传统搜索与 AI 问答无缝整合。
4. 交互创新： 最新推出的生成式 UI (Generative UI) 更是令人惊艳，根据用户意图实时生成交互界面。
关键在于，Google 形成了一个从芯片、基础设施、模型到应用产品的完整闭环，各环节还能互相加强。这就好比 Google 一家公司独自完成了“英伟达 + 微软 + OpenAI”三家公司的工作。再加上 Google 全球数十亿的用户基数，以及 Chrome 浏览器和 Android 移动端两大核心入口，其上限不可估量。
为何半年前股价低迷、备受质疑的 Google，能在这半年实现逆袭？
此前市场看衰 Google，主要基于以下隐忧：
- 商业模式挑战： Google Search 靠竞价排名赚钱，市场担心 AI 问答范式会彻底颠覆这一现金牛。
- 大公司病与人才流失： 尽管 AI 大模型的基石——Transformer 论文是 Google 于 2017 年发表的，但果实却被 OpenAI 摘取。CEO Sundar Pichai 被认为过于稳健，缺乏魄力；内部 DeepMind 和 Google Brain 两个顶尖团队曾各自为战，内耗严重，导致许多论文作者离职。
- 模型落后： 在 Gemini 2.5 发布之前，Google 长期被 OpenAI 的 GPT 系列压制，甚至一度不如 Anthropic 的 Claude，面临在 AI 时代掉队的风险。
但在过去两年，Google 成功扭转了局势：
- 搜索护城河依然稳固： 事实证明，Google Search 并未被轻易颠覆，反而通过集成 AI 变得更强。用户在多轮对话中不仅有明确的个性化需求，AI 还能更精准地推荐个性化的产品与服务。广告业务被 AI 范式颠覆的风险被大大高估了。
- 组织架构重塑： 2023 年起，创始人 Sergey Brin 回归一线，深度参与模型开发。Google 将原本竞争的两个 AI 团队合并为 Google DeepMind，由 Demis Hassabis 挂帅。这一举措成功消除了内耗，重新激活了团队的创新力。
- 模型反超：Gemini 3 Pro 如今展现出后来居上的态势，不仅在性能上反超 GPT-5.1，市场占有率也稳步攀升。攻守之势异也，现在压力来到了 OpenAI 一方。
归根结底，AI 时代的核心竞争点依然是谁能做出最强的大模型。
如果 Gemini 弱，Google 的生态优势无从发挥；一旦 Gemini 领先，Google 强大的全栈整合能力就会瞬间爆发，形成降维打击。
最后我想说，英伟达是算力时代的‘卖水人’，而 Google 是全栈 AI 的‘领航员’。它们都是伟大的公司，对于投资者来说，与其在非此即彼的零和博弈中焦虑，不如看到它们各自不可替代的价值——这两者都值得你们同时拥有。
#AI产业 #大模型 #AI基础设施 #GPU #Gemini #TPU #JAX #XLA #CUDA #谷歌 #英伟达 November 11, 20252RP『美國共和黨剛提出《司法問責法》，要開始讓那些一再釋放暴力慣犯的法官進監獄。
這項法案簡單、狠辣：
只要法官讓被告以「自行具保」或超低保釋金獲釋，而該被告在 12 個月內再犯重罪，法官就會自動面臨聯邦刑事指控——最高可判 10 年，並永久取消執業資格。
他們甚至附上公開資料庫：
所有「對犯罪太軟」的法官姓名、照片、以及他們放出去的再犯累犯紀錄都會公開，讓受害者家屬清楚知道，是哪位法官讓殺害親人的兇手在謀殺前被放了三次。
法案由那些曾目睹 Darrell Brooks 在只付 1000 美元保釋金後、開車衝進聖誕遊行的共和黨強硬派提出——而沃基肖那位法官到今天還穿著她的法袍。
民主黨痛批這是「攻擊司法獨立」。
但司法獨立不代表司法免責，尤其當你的「同情心」讓街道上多了屍體。
黑袍社工把城市變成自由槍擊區的時代結束了——
下一站，是讓他們穿上和那些被他們放出去的犯人同款的橘色囚服。
來源：美國眾議院 H.R.9177《司法問責法》，2025/11/27；Fox News、NY Post』 November 11, 20252RP古知累すすむさんという方が従事されている「恐竜研究」という仕事は、どのようなキャリアプランを経た上でなれるものなのだろうか…？
一般企業の研究者も面白いけど、そういうロマン溢れる研究の仕事もしてみたかったな。 November 11, 2025今天分享一个我在 @trylimitless 上的“干净预测”流程，真的把我从瞎猜拉回到概率思维
1）只跑3个市场：两档小时 Above/Below + 一档日内
2）进场前写一句话的论点 + 一条“杀掉条件”，仓位小到可以忽略
3）用挂单优先（挂单免费），吃单时清楚显示手续费，避免情绪化
4）下单后离开屏幕，晚上复盘收据，第二天微调
Base 上极速结算、低费率、YES/NO 结构足够直线，实时数据干净到像读市场脉搏。更妙的是不交易也能参与生态的“被动引擎”。规模方面：累计成交已过 $600M，11M $LMTS 质押，周周有 $50K 费收益回购，点数赛道占总量 2% 到 1月26日结束，日内流量常见 $2M-$3M，节奏很明确。想更刺激，ApeX 合作的事件合约最高 20x，但仍是 YES/NO 的心智负担
我把这套节奏同步到 @wallchain 的创作者例行，像注意力健身房一样稳定输出，顺便追 Royale 7D 排名
#DeFi #PredictionMarkets #Base $LMTS
你这周最干净的 Above/Below 读法是？ November 11, 2025ですから、学術的に「正当性」のある（と僕が言う）北朝正統を、議論を専らにし、公的な手続きを経て、公的に「北朝正統」（北朝を歴代天皇にする）を実現しよう、と累々述べています。現時点で明治天皇の勅裁のため「正統」でなくとも、それは変更可能であるなら「北朝正統」は実現可能ですよね？ https://t.co/989RyJJcD1 November 11, 2025@mame_EVOL 久々にチビサイズから育成やります。
PDのスタッフさんがずーっと何年も累代してた種達なのですが店がなくなって継続出来なくなるから、是非引き継いでほしいという話になりまして。 November 11, 2025@soruto5i1r2h430 ♠︎パゲ子orコウくん/パゲちゃん、コウくん
♠︎イデア・シュラウド💗/糸師凛/累/冨岡義勇etc…
💙19歳
💙10月11日
♠︎タメ大歓迎〜╰(*´︶`*)╯♡
♠︎もちろん‼️
♠︎どっちもOK〜
💙これからもよろしくね〜
沢山絡みに行くよ！ November 11, 2025🧠 betaione · AI 足彩公开实验｜阶段战报（截至 11 月 30 日） 收益率将近 300%
我们是 betaione，一个用 AI 来分析和预测足球比赛的公开实验项目。
模型结合了多种信息：
•历史数据：球队近期表现、进失球数据等
•赔率变化：开盘 / 变盘、隐含概率对比
•基本面：主客场、赛程、伤停等
然后由 AI 给出每场比赛的预测方向和「预测信心」。
从 2025-11-26 开始，我们做了一件事：
👉 不卖料、不带单，只做一个完全公开的资金模拟实验。
⸻
💰 一、资金模拟结果（只看 Top5 高信心比赛）
规则非常简单：
•初始资金：$1,000
•每天选出当日「预测信心最高的 5 场」作为组合
•当天资金平均分成 5 份，全部按 AI 推荐方向做模拟下注（并非真实投注）
截止 2025-11-30：
•参与资金模拟的 Top5 比赛：19 场
•命中：15 场（命中率约 79%）
•资金从：$1,000 → $2,914
•累计盈利：+$1,914（约 +191% 模拟收益）
按天看一下波动（都是“模拟盘”的结果）：
•🗓 11/26：5 场全中，资金 $1,000 → $3,360（+236%）
•🗓 11/27：5 场中 4 场，$3,360 → $3,823.68（+13.8%）
•🗓 11/29：5 场中 4 场，当日大致打平，$3,823.68 → $3,823.68（0%）
•🗓 11/30：有效模拟 4 场中 2 场，出现回撤，$3,823.68 → $2,913.64（约 -23.8%）
也就是说：
•这个模型有爆发（首日翻得很夸张），
•也有回撤（后面几天有输有赢），
•更接近真实世界中「长期做交易 / 投注系统」的感觉——不会只给你看爽图。
⸻
🎯 二、所有已结算比赛的整体预测表现
我们不仅看 Top5 模拟盘，也统计了表里 所有已经有赛果的比赛：
•总预测场次（有实际结果）：38 场
•命中场次：20 场
•整体命中率：约 52.6%
在所有命中的比赛中：
•命中场次的平均赔率：约 2.17
•最低命中赔率：1.11
•最高命中赔率：9.50
如果对这些比赛做一个非常简单的「每场固定 1 单位下注」模拟：
•总投入：38 单位
•累计盈利：+4.18 单位
•模拟 ROI：约 +11%
这部分更多是告诉你：
•模型不是神，整体命中率也不是 80%、90% 那种玄学水平；
•但在合理赔率区间内，长期下来仍然有正的期望收益（在当前小样本下）。
⸻
📋 三、我们到底“下”了哪些场？（均为模拟）
Top5 模拟组合中，几天的代表场次举例（实际推荐可在配图 / TG 中对照）：
•11/26：Dortmund vs Villarreal、Ajax vs Benfica、Chelsea vs Barcelona 等，5/5 全中 ✅
•11/27：Sporting CP vs Club Brugge、PSG vs Tottenham、Olympiakos vs Real Madrid 等，4/5 ✅
•11/29：Bayern vs St. Pauli、Barcelona vs Alaves、Man City vs Leeds 等，4/5 ✅
•11/30：Atletico Madrid vs Oviedo、AC Milan vs Lazio、Juventus vs Cagliari 等，3/5 ✅
所有这些比赛，在开赛前都会先发在我们的 Telegram 机器人 / 频道里，并且赛后不会删贴，方便任何人回头核对。
⸻
📈 四、你在这个账号能看到什么？
•每天的部分 AI 推荐场次（X 上公开 Top3）
•昨日资金模拟结果 & 曲线截图
•一场热门比赛的详细分析（数据 + 赔率 + 模型视角）
•阶段性战报：总体命中率、资金曲线、模拟 ROI 等
👉 想看完整推荐列表、实时资金曲线和所有历史战绩：
进入我们的 Telegram 机器人： [TG 链接]
（截图里也会标出入口）
⸻
⚠️ 安全与合规说明（必须看 👇）
•本项目所有内容均为 AI 技术研究 + 数据模拟展示，不是、也不会成为任何形式的投资 / 博彩 / 理财建议；
•我们不鼓励也不引导任何人进行真实下注；如果你仍然选择参与，请务必量力而行，只用自己可以承受亏损的钱，理性对待；
•请确认你所在地区允许并合法参与相关活动，务必遵守当地法律法规；
•未成年人严禁参与。
⸻
English summary
We are betaione, an AI-driven football prediction project running a fully transparent public bankroll simulation.
•Start bankroll: $1,000
•Current simulated bankroll: $2,914 (+191%)
•Daily strategy: take the top-5 highest-confidence AI picks and split the bankroll equally (simulation only).
•Top-5 simulation so far: 15 wins / 19 bets (~79% hit rate)
•All finished predictions: 20 wins / 38 games (~52.6% hit rate)
•Flat 1-unit staking on all games gives a simulated ROI of about +11%.
Full pick history and bankroll curve are logged in our Telegram bot: [TG link].
All of this is for technical demonstration and simulation only – it is not betting or financial advice.
Please make sure sports betting is legal in your jurisdiction, bet responsibly if you choose to, and 18+ only. November 11, 2025＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。倭人速報公式アカウント
•累计盈利：+ class="drawer drawer--top" id="detail">累ーかさねー 映画
0post2025.11.30 18:00:0% :0% （30代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
翼竜の「名前」を断捨離⁉️🇧🇷
#古知累論文紹介
翼竜（よくりゅう）ファンなら誰もが知っておくべき、超重要な「まとめ」論文を紹介します。
舞台はブラジル、アラリピ盆地。
ここは、世界で最も重要な「翼竜の聖地」の一つと言われています 。
なぜなら、ここでは化石が「ぺちゃんこ」にならず、立体的（3D）に保存されていることが多いからです 。
さらに、筋肉や皮膚、トサカなどの「柔らかい組織」まで残っていることがあるという、とんでもない場所なんです 。
最初の発見から50年以上が経ち、これまでにたくさんの種類の翼竜が報告されてきました 。
しかし、研究が進むにつれて「ある問題」が浮き彫りになってきました。
それは、「名前が多すぎる問題」です 。
化石が少し違うだけで「新種だ！」と名前が付けられてきましたが、実はそれが「ただの成長段階の違い（大人と子ども）」だったり、単なる個体差だったりする可能性が高まってきたのです 。ｿﾘｬｿｳｼﾞｬ。
今回紹介する論文では、これまでにアラリピ盆地で報告されたすべての翼竜を徹底的に見直しています。
まさに、翼竜図鑑の「大改訂版」とも言える内容です。
特に注目すべきポイントをいくつかピックアップして解説しますね。
１．アンハングエラ類の整理
口先に丸いトサカを持つ「アンハングエラ」という翼竜がいます。
これまで、トサカの形や位置の違いでたくさんの種が作られてきました 。
しかし、この論文では「トサカは成長とともに大きくなり、形も変わる」という点を重視しています 。
つまり、トサカの微妙な違いだけで別の種とするのは間違いかもしれない、ということです。
その結果、過去に名前がついたいくつかの種は「疑問名（詳細不明で有効ではない名前）」として整理されました。
２．巨大なトサカを持つタペヤラ類
頭の上に巨大なトサカを持つことで有名な「トゥパンダクティルス」なども詳しくレビューされています 。
彼らのトサカは骨だけでなく、大部分が「軟組織（ソフトティッシュ）」でできていました 。
驚くべきことに、化石に残された色素（メラニン）の研究から、彼らのトサカに色があった可能性まで示唆されています 。
この論文では、これらが単なる飾りではなく、種の違いも反映してそう、ということが再確認されています 。
３．化石の密輸問題
この論文は、科学的な分類の話だけでは終わりません。
非常にシリアスな問題である「化石の違法取引」についても警鐘を鳴らしています 。
アラリピ盆地の美しい化石は、高値で取引されるために違法に持ち出されることがありました 。
その結果、「その化石が地層の『どこ』から出たのか」という、極めて重要な情報が失われてしまっているのです 。
地層の情報がないと、「いつの時代の」「どんな環境にいたのか」が正確に分かりません 。
著者は、これからの研究には、きちんとした地質学的な調査と、化石の保護が不可欠だと訴えています 。
～🐦～🐦～🐦～🐦～
この論文は、過去50年の研究を整理し、散らかり気味だった「翼竜の名前」をスッキリさせました 。
「新種発見！」というニュースはワクワクしますが、既存の化石をじっくり見直すことで、彼らの「成長」や「本当の多様性」が見えてくるんですね。
これからは単に名前を付けるだけでなく、彼らがどのように空を飛び、何を食べていたのかという「生活」に迫る研究が進んでいくと期待したいですね！
・・・まぁ、多分そんなことは起きないがな！
最近は首の骨だけで名前がつくのとか多いしな！！
元論文URL→ https://t.co/cZcv6IsIb5 November 11, 202510RP大公報 被下架文章
2025年11月28日星期五 A7要聞
天價收費 圍標合謀 利益輸送 劣質工程
揭開維修棚架背後重重黑幕
搭棚維修調查❶
宏福苑五級火大埔宏福苑五級火造成大量人命傷亡。翻查紀錄，今年至今已有至少10宗棚架起火事故（見表），大廈外牆維修搭棚的安全問題引發公眾強烈關注。警方昨日凌晨拘捕三名涉嫌誤殺的男子，他們為負責屋苑大廈維修的宏業建築工程有限公司負責人，包括現任董事侯華健及何建業。
大公報記者展開偵查，透過業界代表及多名知情人士，逐 層 揭 開 建 築 棚 架 背 後 的 黑幕，當中牽涉天價維修費、圍標合謀、利益輸送，以及工程質量等問題。
大公報記者
張真、李雅雯、陳玥、馮錫雄
競標公司遭「警告」被迫退出
有業界人士透露，由於圍標及種種原因，參與工程競標的建築公司越來越少。建築業界內的工程投標一直都欠缺透明度，有不願具名的工程業界代表接受《大公報》訪問時表示，十多年來，工程公司圍標的情況也非常嚴重，甚至有工程公司負責人參與競標後立即被人惡言警告，無奈退出競標， 「導致有水準的公司越來越少，沒有多少間公司投標，競標的結果自然就來來去去都是那幾間了。」 他形容，這種情況在業內已維持段長時間，導致行業生態非常不健康。他表示，今次負責人被捕的宏業建築工程，是業內有名的競標 「常勝將軍」， 「他們接了很多工程，但試問這麼多工程，哪有這麼多資源投入呢？」 業內常有偷工減料或用劣質的材料等事情；更甚的是投標價低者得，不少中標工公司往往會以拉長工程期的做法來繼續讓業主多些掏錢，以補回低價中標的利潤，「這些不時發生的事，在業內知情者看來是見怪不怪。」
阻燃網成本較普通網貴近倍
有建造業界人士透露，維修棚的阻燃網，每張約90元，沒有阻燃功能的普通網僅售50多元，而且阻燃網被太陽曬後會變脆，只用一次就要扔，普通防護網則可以不停重用。大埔宏福苑奪命火發生前，相關部門甚少巡查，不少行內人士抱着僥倖心態，鋌而走險。
這場火災的慘烈，背後是香港城市治理能力的考驗。該名建造業界人士透露，搭建金屬棚是合法輸入外勞的工種，加上金屬棚工人日薪低於竹棚工人，勢令本地工人收入受影響，金屬棚架的成本比竹棚昂貴約兩至三倍，因而增加施工成本，雖然有工人考獲搭金屬棚架資格，但由於市場需求不高及薪酬較低，從事相關工作的人員不多。
另外，大公報記者昨日在警方執法押解負責人何建業至元朗蝦尾新村進行搜證工作時，接觸到其鄰居吳先生。吳先生透露，自己從事小型工程起家，對行業有一定了解，談到宏福苑疑因維修工程物料不符合安全規格觸發五級大火，他坦言這是業界多年的潛規則： 「香港做工程，個個項目貪平，中標往往是價低者得，報價最低才有得做。低價中標的工程如何畀足料？」
業界 ： 地盤工違例吸煙難管
吳先生指出，雖然現時香港政府已有很多規例規管工程，然而執行上仍有很大優化空間。有宏福苑居民直指今次大火的起因與搭棚工人經常吸煙、遺下煙頭，疑燃點防護網觸發大火。吳先生坦言有關情況是常態，「無得管，很多（工人）教唔聽，工人很多讀書少，吸煙是幾十年的習慣。」 業界曾建議在工程地盤劃出安全吸煙區，卻難以實行， 「有些人不會遵從在指定地方吸煙，總之難管！」吳先生透露，低價中標的公司工程延期也是常事， 「發泡膠和竹棚都是易燃物，經過一年的日曬雨淋，竹棚變得更乾燥、腐化，一旦燃燒火勢就會特別快蔓延。加上近日天氣乾燥又大風，所以宏福苑的大火，才會在短時間內就從底層蔓延到頂部，還連累了相鄰的樓宇。」
「這麼多家庭妻離子散，實在讓人難過。」 他認為，此次慘劇令人痛心，希望這場悲劇能促使政府和業界反思，立例監管，加強工程質量監管與施工安全巡查，嚴查違規操作，避免類似的人間慘劇再次發生。 November 11, 20256RP孙悟空（SunX）真的杀疯了。
刚刚看了下数据，平台累计交易额已经干到 112亿 USDT+，而且速度还在往上飙。
更离谱的是，这波直接开了个邀请兄弟一起赚的大活动，总奖池：100万枚 $SUN
重点不是平台赚多少钱，重点是—— 这次是真的轮到我们薅一波了👇
只要你拉一个朋友来玩，双方都能拿 $SUN ，而且不是那种“画饼奖励”，是分阶段、可完成的那种：
第1阶段： 好友第一笔交易 ≥ 300 USDT
你：30枚 $SUN
他：20枚 $SUN
第2阶段： 好友7天内交易 ≥ 20,000 USDT
你：再拿 100 枚
他：再拿 100 枚
也就是说，一个好友=最高 260枚 $SUN 到你们手上。
这个活动还能叠加迎新活动 + 20%返佣， 相当于你同一波邀请，吃三份奖励。
玩法也不复杂：
1. 打开孙悟空 → 找到【邀请好友】
https://t.co/eX1jAjwRZw
2. 复制你的专属链接 / 邀请码
3. 让好友参加：来不来？送你钱的那种。
讲真，这种平台在狂砸钱拉新时，不上车才是真的亏。
钱在那放着，就看你要不要伸手拿。
一起参与起来，活动详情： 👇https://t.co/o6u5Pib4ZR
@justinsuntron @SunX_DEX #TRONEcoStar November 11, 20256RP🐨「有袋類ライオン」ティラコレオ🦁
実はコアラの兄妹だった……！？
#古知累論文紹介
かつてオーストラリア大陸には巨大な動物たちが闊歩していました 。
体重100kgを超え、強力な顎で獲物を仕留める「ティラコレオ（有袋類ライオン） 。
あるいは、体重1000kgにもなる巨大な草食獣「パロルチェステス」。
彼らは数万年前に姿を消してしまいましたが、その「正体」や「絶滅の原因」には多くの謎が残されています。
なぜなら、オーストラリアは気候が暑いため、化石に残されたDNAがすぐに分解されてしまうからです 。
DNAが壊れてしまえば、彼らが進化の系統樹のどこに位置するのか、正確にはわかりません。
しかし今回、研究チームはDNAの代わりに「コラーゲン（タンパク質）」という別の物質に注目しました。
コラーゲンはDNAよりもはるかに頑丈で、長期間保存されやすいという特徴があります。
研究チームは、タスマニアの洞窟などから発掘された、約10万年前の骨の破片など51点を分析しました。
その手法は「ZooMS（ズームス）」と呼ばれ、コラーゲンを細かく分解したときのペプチドの質量パターン（“指紋”）を読み取ることで、動物の種類を特定するものです。
その結果、肉食獣である「ティラコレオ」の、現生する最も近い親戚が、「コアラ」である可能性が高まったのです。
これまでもウォンバットやコアラに近いグループ（ウォンバット型目）だとは考えられてきましたが、今回の分析でコアラとの強い結びつきが支持されました。
この研究は、進化の謎を解くだけではありません。
これまで「正体不明」として扱われていた小さな骨の破片でも、この手法を使えば「どの動物の骨か」を正確に突き止められるケースがありました。
骨の種類がわかれば、その地層の年代測定と合わせて、「いつ、どの動物が絶滅したのか」をより詳細に知ることができます。
これにより、長年の論争である「巨大動物を滅ぼしたのは人間か、気候変動か」という問いに、決着をつける大きな鍵になるかもしれません。
元論文URL→ https://t.co/p8Q54XOU1e November 11, 20255RPBTC、ETH 都扛不住的时候，JST 却在悄悄走强
最近的大盘，大家都看到了：
BTC 一路往下，-19.98%；
ETH 跌得更狠，-27.57%。
但 JST 完全不是那个画风。
同期 JST 竟然涨了 +22.47%，走出了独立行情。
为什么 JST 能在这种行情里逆势？
为什么别人在找底，JST 却在稳步回收筹码？
为什么就算没大行情，它依旧能涨？
答案其实很简单：
这不是情绪驱动，而是基本面驱动。
1/ 首轮回购销毁落地，JST 的价值锚定正式建立
大家都知道，Justlend 官方这波动作是实实在在的硬利好—不是喊口号，不是画饼，而是直接拿钱下场。
第一次就把 5900 万美金收益的 30% 拿出来做回购销毁，
一口气干掉了 5.6 亿枚 JST，
占总供应量 5.6%。
注意，这是第一轮。
剩下 4140 万美元 还在路上，按季度持续销毁。
这叫长期、可持续的通缩。
叫「价值回流」的闭环终于建立起来了。
大多数项目的回购销毁都只是 PR，
但 JST 的这套机制，是靠真实平台收入支撑的。这点太关键了。
2/ JustLend DAO 正在持续赚钱，销毁只是开始
JST 的价值来自哪里？来自生态的真实现金流：
JustLend DAO 的借贷利息，能量租赁的手续费，USDD 多链生态的盈利，平台 TVL 的增长带来更大收益池
光 JustLend DAO 一个协议，累计收益就接近 6000 万美金。今年 Q3 一个季度收入就接近 200 万美金。
你说这种协议，它回购销毁 JST，是不是“真金白银”？
更别忘了，USDD 的盈利超过阈值后，也会加入回购销毁池。
这意味着 JST 后面会迎来第二条“价值注入管道”。
说白了：
JUST 在赚多少钱，JST 就能被买回来、被销毁多少。
这是硬逻辑，不靠讲故事。
3/ 五年零安全事故，熊市更显出真正价值
什么叫“能在熊市看出真实力”？
就是别人都在暴跌、爆仓、黑客攻击时，
你依旧稳如老狗，还在不断赚钱。
Aave、Venus、Kamino 都遭遇过安全事故，
唯独 JustLend 五年运营下来零事故。
这就是为什么在市场不稳的时候，
资金更愿意往 JST 所在的生态流。
熊市最怕什么？怕不确定性。
而 JST 恰恰给了市场一个“最高确定性”的叙事：
收益稳定 → 回购确定 → 通缩确定 → 价值增长确定
这种确定性，在熊市里尤为昂贵。
4/ JST 的这波涨，不是拉盘，是重估
JST 这轮涨，不是那种“新闻刺激的直线拉升”。
它是：
稳 → 稳 → 稳 → 慢慢涨
但 JustLend 的 TVL 是全球前四，安全性第一，盈利能力稳健，又有 TRON 整条能量经济支撑。
这种“估值错配”迟早会被市场修复，
现在只是修复的开端。
所以 JST 的上涨，不是“激情”，而是“迟到的价值回归”。
5/ 无惧熊市，因为 JST 走的不是投机路线
为什么 JST 这波能逆势跑赢 BTC 和 ETH？
因为它走的是完全不同的轨迹：
•大盘跌 → 情绪崩 → 投机资金撤退
•JST 涨 → 生态赚钱 → 透明回购 → 通缩推进
你会发现一个现实：
JST 的上涨和市场情绪没强相关性，它跟基本面绑定。
也就是说：
哪怕现在还是熊市，哪怕延续半年，它依旧能一步步涨。
因为：
销毁还会继续
收益还会继续
通缩还会继续
价值重估还没走完
熊市最能检验“谁是真实力、谁是纯靠故事”。
而 JST 已经把答案写在链上。
这一次，不是暴涨，也不是故事。
JST 是在用“回购+销毁+盈利”把价格一点点往上推。
不是喊口号，不是追热点，它走的是长期路线。
当一个项目靠基本面推动上涨，它就不会被大盘绑架。
JST 的逆势，就是最好的证明。
接下来怎么走？我只说一句：
真正的价值，从来不是在牛市里被发现的，而是在熊市里被重新定价的。
@justinsuntron @DeFi_JUST #TRONEcoStar November 11, 20253RP🦕チリ最古？
恐竜たちが残した「足跡」の謎に迫る👣
#古知累論文紹介
南米の恐竜と聞いて何を思い浮かべますか？
実は、南米の「ジュラ紀後期（約1億6000万年前〜）」の恐竜化石というのは、これまであまり見つかっていませんでした。
特にチリがある南米の西側（かつてのゴンドワナ大陸の西縁）では、骨の化石記録が極めて少ないのです。
「骨がないなら、どうやってそこに恐竜がいたと証明するの？」
重要になるのが、今回紹介する論文のテーマである「足跡化石」です。
骨は残りにくくても、足跡なら地層に残っていることがあるからです。
今回、チリ北部のHuatacondoという場所にある「マハラ層」から、重要な発見がありました。
なんと、チリおよびゴンドワナ大陸西縁において「最古」となる恐竜の足跡が報告されたのです。
これまで知られていた記録よりも古い時代の地層から、恐竜たちの痕跡が見つかりました。
では、どんな恐竜たちが歩いていたのでしょうか？
分析の結果、見つかった足跡の多くは「獣脚類（じゅうきゃくるい）」のものである可能性が高いことがわかりました。
獣脚類とは、ティラノサウルスのように二足歩行をする肉食恐竜のグループです。
面白いのは、そのサイズの多様性です。
長さ50cmを超える「巨大」な足跡から、40cm程度の「大型」、そして20cm台の「中型」まで様々。
さらに驚くべきことに、わずか8cmから13cmという「極小〜小型」の足跡も多数発見されました。
この小さな足跡は、当時のこの地域において最小クラスの記録です。
研究チームは、ただ「足跡があった」と言うだけではありません。
ドローンや近距離撮影を用いた「フォトグラメトリ」という技術で、足跡を3Dモデル化しました。
そして、足跡の長さや幅、指の角度などを数学的に解析（主成分分析）することで、客観的に形を比較しました。
その結果、これらの足跡は5つの異なるタイプに分類できることがわかりました。
具体的には、CarmelopodusやGrallatorといった、世界的に知られる足跡化石の分類に近い特徴を持っていたようです。
※ただし、保存状態の問題もあり、断定ではなく「類似している（cf.）」という慎重な表現が使われています
また、保存状態は良くないものの、首の長い植物食恐竜である「竜脚類（りゅうきゃくるい）」と思われる痕跡も見つかりました。
この発見は、何を意味するのでしょうか。
骨の化石がほとんど見つかっていないこの時代・この場所にも、確かに多様な恐竜たちが生息していたという重用な証拠になります。
どうやら当時のこの地域は、乾燥した気候の中で、一時的に水が存在するような環境だったようです。
そこに大小さまざまな肉食恐竜を中心とした恐竜たちがやってきて、湿った地面に足跡を残していったのかもしれません。
元論文URL→ https://t.co/AeqmMHLETO November 11, 20253RP倭国外务省旗下杂志《外交》vol.94封面文章
(译文仅供参考)
围绕中国习近平体制的博弈
对谈：习近平体制——走向个人独裁的政治力学
铃木隆 大东文化大学教授 川岛真 东京大学教授、本刊编辑委员
习近平统治是否稳固？
川岛： 习近平政权目前已进入第三任期的中期阶段。在展望政权走向时，让我们先梳理一下中国未来的政治日程。2027年第三任期结束将是一个节点，但如果没有突发事件，预计将迎来第四任期（至2032年）。从更长远来看，2049年是建国100周年，中国设定了实现"社会主义现代化强国"、在国际社会获得霸权地位、与美国比肩甚至超越美国的宏大目标。而2035年则是"基本实现社会主义现代化"的阶段性目标。因此，2027年、2032年、2035年、2049年都是展望中国政治时必须关注的重要节点。
川岛： 也就是说，习近平本人的设想可能是：干满四届后，视接班问题的进展选择退休，或者干到第五届，大约到2035年左右。如果真打算第四届就结束，那现在应该已经能看到接班人布局的动向。现任政治局常委中除习近平外的六人，以及23名政治局委员中高龄者不少，进入第四届时可能会有较大调整。主要从新进委员中遴选，在第四届任期内逐步锁定接班候选人。
铃木： 我认为习近平会物色两三个接班候选人，让他们在忠诚度和政策能力上相互竞争，但他本人会尽可能长久地保持最高领导人地位。
川岛： 习近平有可能就任党主席吗？
铃木： 有可能。届时接班人担任党总书记，而他本人以被"推戴"的形式成为党主席。总书记体制原则上是集体领导、多数决，但党主席可以独自决策。我认为会根据第四届的情况相机而动，不过从实际情况来看，习近平的个人独裁已经确立。
川岛： 江泽民、胡锦涛时期推进党内民主化，通过建立明确的政治程序来抑制权力斗争，习近平本人就是通过党内选举当选总书记的。为什么他要逆转这一党内民主化潮流？另外，支撑习近平路线的权力基础在哪里？
铃木： 我认为其根源在于这样一种思维：江泽民、胡锦涛时代约20年积累的问题，比如党内纪律松弛等，必须通过向习近平个人集中权力才能克服。此外，习近平的执政风格和执政哲学很大程度上继承自毛泽东，这一点也很重要。同时，反腐败斗争和改善环境问题等与普通民众切身相关的工作取得了成效，这也成为其向个人集权正当化的依据。
川岛： 就现实的权力基础而言，习近平比毛泽东更强大。毛泽东虽有卡里斯马（charisma）魅力超过习近平，但毛身边有周恩来这样必须重视的同辈。而习近平周围没有能与之并肩的人物。
地方执政经历塑造的海洋进取意识
铃木： 如您在近著中所论述的，习近平的执政风格和政策，他的履历有怎样的影响？
川岛： 地方经验非常重要。政策层面值得关注的是，习近平主政过的福建省、浙江省、上海市都是沿海地区。福建面对台湾，浙江和上海濒临东海，在军事和经济上都是重要地区。正因为有这些经历，台湾问题和海洋进出对他来说是切身关注的事务。
铃木： 内陆陕西省出身、年轻时住窑洞务农的人物，后来作为精英官僚赴任沿海地区，对本国的海洋进出产生兴趣，这确实很有意思。那么在治理层面，"重党轻政"的思想形成也与地方经验有关吗？
川岛： 从他的成长经历来看，他是革命第一代人体悟到的党的献身精神、党作为国家基础而存在的意识的自然继承者。对党国体制的信任可以说是"红二代"（革命前建国时期贡献于党的高级干部子弟）的身份认同。
考察他的权力基础时，与军队的关系也很重要。习近平政权缩减陆军，重视陆海空、火箭军的均衡，致力于建设现代化军队。正因为能够掌控军队，才能推进如此大规模的军制改革。
铃木： 这是因为习近平在1979至1982年有过军队服役经历，对军队这一暴力组织的特性有自信能够理解吧。加之他在地方领导人时期就积极与当地军队干部建立人脉。与刘少奇之子、幼年好友刘源的合作关系也有助于反腐斗争的推进。
川岛： 作为党中央军委主席，他在对军队的影响力方面与前两届政权大不相同。
铃木： 除了中央军委主席，习近平还拥有"联合作战指挥机构总指挥"这一新头衔，位居军令部门之首。与其说是单纯的文职领导人，不如说他有更进一步的"军人政治家"自觉。
川岛： 掌控了党和军队，习近平在中央的权力基础比前两届政权要稳固得多。通过反腐斗争清除政敌，现任政治局常委、政治局委员几乎都是他的人马。最近经常听到"健康隐忧"或"可能进不了第四届"之类的传言，但仔细观察现状，认为他权力基础脆弱的分析令人难以认同。社会和地方当然有不满，但都是静默的。
"欲罢不能"的习近平
铃木： 让人担心的是接班问题。正因为权力向习近平集中，才产生了难题。无论党还是军队，不太可能轻易出现一个值得信任、能够接手他这般权力的人。他似乎被权力之网缠住了。撇开作为权力者对长期执政的野心不谈，包括自身的进退在内，都是权力惯性或惰性的结果，"欲罢不能"才是实情。
川岛： 四五年后的接班问题将会非常棘手。预兆之一是党中央军委人事。解放军中地位仅次于习近平的张又侠预计2027年退休，但其接班候选人一个个"被刺"落马，人事至今悬而未决。外交也是如此，7月份被视为王毅外长接班人的刘建超失势。
铃木： 在国防、外交接班人都不明朗的情况下，习近平本人的接班问题更是困难重重。这样下去，可能会出现"无名小卒被一眼相中"的情况。普京就是先例——1996年被提拔进俄罗斯总统府之前还只是圣彼得堡市副市长。无论如何，在接班人事冻结的状态下，将迎来第四届。
经济困境不会动摇权力基础
川岛： 尽管党中央权力基础稳固，习近平政权面临诸多课题也是事实。经济尤其重要，也有人指出他在这一领域经验不足。
铃木： 习近平本人恐怕对经济本身兴趣不大。但他强烈自认为是"马克思主义者"，在观念上重视经济作为下部结构。但如果真是这样，就不应该只关注供给侧，而应积极处理格差纠正等分配问题。2021年提出的"共同富裕"作为口号传播开来，但缺乏实际举措。另一方面，在美中对抗背景下，对经济增长的维持和科技开发等关注很高。
川岛： 中国共产党的正统性曾建立在革命和民族主义之上，改革开放后又加上了富裕。近年来科技受到重视，但追求富裕依然重要。中国经济失速是否会导致对习近平政权和共产党的支持丧失？
铃木： 在正统性和权力基础维护方面，经济富裕依然重要，但我想指出两点新趋势。第一，以AI应用便利性为代表的科技，以及对政权正统性强化的作用。DeepSeek等大规模语言模型的开发就是典型——"我们能造出不输美国的东西"，科技被用于国威发扬。但第二，回顾中华人民共和国的历史，实际上并没有仅因经济因素就导致体制动荡的先例。1989年天安门事件时，除了通胀等经济困境，还有政治腐败、统治精英分裂等因素共同作用，才发展成全国性政治危机。现在的习近平政权对"三件套"中的后两项应对得绑绑有余，很难想象中国经济恶化就会立即动摇习体制。
川岛： 确实如此。常听到"中国经济恶化，政权会制造对外危机转移国民视线"的说法，但这也缺乏依据。如果危机应对失败，反而无法成为"出气口"，尤其是入侵台湾等对执政者来说门槛极高。
铃木： 即便不至于政争，经济和社会保障问题确实导致国民尤其是年轻人不满积累。本来社会保障改革、国企改革等"核心"政策应该受到重视，但这类长期课题国民难以感受到成效，因此不得不优先眼前的景气对策。
川岛： 社会保障政策难以成为政争焦点。中国独生子女政策一代即将步入50多岁，到2035年将以超过倭国的速度进入超老龄化社会。人口动向将大幅改变社会结构，这可能会影响习近平自己设定的2035年乃至2049年国家目标的实现。
AI催生"超监控社会"的新型治理
川岛： 习近平政权相较前任政权最显著的特征是什么？
铃木： 所谓"数字监控"体制。除了监控摄像头，还利用数字支付网络等，一方面运用大数据掌握全民动向，另一方面获取个人信息强化监视，彻底实施治理。习政权高效察觉各种社会风险，同时还试图利用AI等介入人们的认知领域。
川岛： 作为社会管控强化的工具，确实相当有效。纵观中国历史，中央权力要将影响力延伸到地方各个角落何其困难……蒋介石时代都没能到达村级，村庄纳入中央政府治理还是中华人民共和国成立之后的事。但习近平体制不只是村，还要深入每个国民的头脑。
铃木： 或许存在某种强迫观念，非要把治理做到如此彻底。另一个特征是强调各种"安全"——国家安全等，并通过法制化来实现。
川岛： 相比毛泽东、邓小平，习近平意识到自己缺乏基于实绩的卡里斯马（charisma）权威。因此，他试图通过将各种政策法制化、明确权限来弥补这一不足。
铃木： 确实很"一丝不苟"。不过数字监控体制加上法制化，确实让整个社会越来越压抑。
川岛： 富裕阶层外流就是社会自由丧失的反映。
"北京逻辑"下的中美关系
川岛： 也想讨论一下第二届特朗普政府以来的中美关系。从长期视角来看，对中国而言，如何看待特朗普？
铃木： 对习近平来说，最重要的是遂行自己确立的长期目标，与美国进行持久对抗是特朗普上台前就既定的路线。美国"本国优先"的动向将在特朗普之后持续，但中国不会因此调整长期目标。当然需要应对如追加关税等个别问题，但包括外交因素在内的美国因素是风险管理对象，不会因此改变国家目标。
川岛： 关于特朗普关税，中国经济的GDP大部分已由内需构成。出口方面，只能卖给美国的产品会受冲击，否则找到其他买家就行。从这个意义上说，影响是有限的。
铃木： 从中国的视角来看，随着时间推移，世界大势将对自己有利。既然如此，中国无需主动对美国采取什么行动。这集中体现在加强与全球南方国家的关系上。在亚洲等世界各地的"阵地争夺"中，中国认为自己比"走下坡路的西方"更有优势。
川岛： 特朗普政府解散美国国际开发署(USAID)、实质上撤销美国之音和自由亚洲电台等，以及美国对加沙冲突的应对，都被中国利用。
铃木： 观察中美对抗时，经济安全当然重要，但讨论并不简单。以半导体为例，西方越是试图封锁尖端技术，中国越会推进自主化。据说中国已能制造6纳米制程。当然要量产和进一步突破尖端技术会很艰难，但终究有可能追上。从这个意义上说，特朗普关税和经济安保将加速中国追求的内需型经济建设和自主化。因此，这些应对与既定大方针并不矛盾。
中国更警惕的其实是特朗普就职前后"夺回巴拿马运河控制权"、"购买格陵兰"等言论。这是20世纪初的古典海权复兴行动，与中国的海洋进出战略正面冲突。不过特朗普的言论是在"本土防御要塞化"的语境下发表的，只要止于北美和南美大陆范围，影响有限。
川岛： 特朗普政府的出现及其后的关税和对盟国的防务努力要求，在西方国家引起巨大震动。更不用说作为美国主要竞争对手的中国了——倭国往往有这种思维定式。但站在习近平的立场和逻辑来看，中国目前基本是在既有框架下应对。中国可能会修改长期规划，但眼下更大的问题是人事。
如何看待台湾局势
铃木： 前面谈到了习近平的海洋政策，那么台湾问题呢？
川岛： 习近平设想的海权不仅包含商业要素，还涵盖军事力量在内的全面海洋霸权的实现，台湾也是不可分割的组成部分。除了军事和经济重要性，统一更是担保共产党正统性的命题，不存在不追求统一的选项。而且台湾在甲午战争后成为倭国殖民地，二战后也与大陆分离，统一还有雪洗历史屈辱的意味。
铃木： 台湾局势对倭国也很重要。从中国来看，倭国位于第一岛链（九州、冲绳、台湾、菲律宾等）之上，也是第二岛链（伊豆群岛、小笠原群岛、关岛等）的一部分。中国会对倭国乃至日美同盟采取怎样的策略？
川岛： 日美同盟积累深厚，中国也认为不可能轻易离间日美。但如果倭国方面威胁认知上升，台湾有事的具体军事行动讨论深入，国民不安完全可能蔓延。
铃木： 在倭国社会制造"被卷入恐惧"的舆论工作也会进行。正如已经在台湾实施的那样，利用倭国的民主制度制造国论分裂，以综合削弱倭国的政治和外交力量，各种工作手段都会被使用。如果我是中国当局者，肯定会这么做。
川岛： 需要充分认识这一点。围绕台湾有事，尤其令人担忧的是对冲绳的影响。
铃木： 也有报道称中国正在对冲绳进行各种"工作"，这是值得警惕的事态。
川岛： 不过，倭国国内流传的"中国对冲绳的政治工作和影响力已深度渗透"说法，目前来看是过度评估。但如果轻视这类言论的传播，东京与冲绳政策制定者之间的心理疏离是可能发生的。定期且细致的意见交换和信息共享不可或缺。
台湾有事的应对固然重要，但首先要做好准备。尤其是社会韧性的提升、海底电缆等信息基础设施的保护，以及网络攻击、虚假信息等非武力灰色地带渗透的信息共享合作，应该先推进。在战时与和平时期界限模糊的情况下，需要重新审视日台合作方式，重新设定课题。
倭国新政权应如何面对中国
川岛： 10月21日高市新政权成立。中日关系课题堆积如山，您期待怎样的应对？
铃木： 首先是适当展开首脑外交。近年日韩关系改善就是好例子，首脑外交的成果对两国国民感情影响巨大。中日之间也是如此，要构建稳定关系，首脑层面的对话不可或缺，这也将支撑包括商界在内的国民舆论。
川岛： 日中关系和日韩关系类似，曾因尖阁诸岛问题，中方冻结首脑交流，安倍政权将其恢复到可以重新开展的水平。政治家的决断很重要。
铃木： 在权力集中于习近平个人的政权下，能直接向他输入什么信息将是胜负关键。正因为高市首相拥有保守派支持基础，才可能做出大胆的政策决断，安倍也是如此。
川岛： 倭国常有这样的说法："只要经济恶化，中国就会依赖倭国，采取友好姿态。"但现在中国GDP的大部分由内需构成，焦点在于如何刺激国内个人消费。这一点应该牢记。需要着眼于当前的中国，构建适合当下的中日关系。
川岛真：1997年东京大学研究生院人文社会系研究科博士课程单位取得退学。文学博士。专攻中国政治外交史、东亚国际关系史。历任北海道大学助教、东京大学副教授，现任东京大学教授。合编著有《日中关系2001-2022》《欧亚的自画像》等。
铃木隆：2005年庆应义塾大学研究生院法学研究科博士课程肄业。法学博士。专攻中国政治。历任爱知县立大学副教授，现任大东文化大学教授。著有《中国共产党的支配与权力：党与新兴社会经济精英》《习近平研究：支配体制与领导人的实像》等。
注：
.以上为Claude Opus 4.5基于学术对谈的直接翻译，忠实于原文内容。
.呈现倭国学者视角的分析，原文本身具有立场性，翻译保持中立转述。
.原文未涵盖中方官方叙事、西方主流分析的对比视角，以及经济数据的具体验证。 November 11, 20253RPGoogle TPU 要干掉英伟达了吗？Meta 被曝将大规模采购 TPU，引发市场震动。但真相是：TPU 能撼动英伟达，却永远无法取代英伟达。这不是性能之争，而是生态、时机与战略的较量。
The Information 的一篇重磅报道把整个 AI 行业给炸了，Meta 正在与 Google 进行秘密谈判，计划大批量采购 Google 的 TPU 芯片，用于部分替代英伟达的 GPU 以支持其庞大的数据中心 AI 运算。
根据报道披露的细节，这盘棋下得很大：
- 2026 年： Meta 将大规模租用 Google 云服务（Google Cloud）上的 TPU 算力进行模型训练；
- 2027 年： Meta 将直接采购数十亿美元的 TPU 芯片，部署于自建的数据中心内。
什么？全球最大的 GPU 采购大户要抛弃英伟达了？ Google 的 TPU 居然要走出自家机房，去取代英伟达的 GPU 了吗？
消息一出，资本市场瞬间恐慌了。英伟达股价应声大跌，而 Google 则逆势暴涨，大家都在问：难道英伟达靠 GPU 垄断 AI 数据中心的故事真的讲不下去了吗？TPU 开始逆转了战局了吗？要讲明白这场 GPU vs TPU 的战争，我们要先从英伟达为什么能够像“铁桶”一般垄断 AI 数据中心讲起。
当今的 AI 技术堆栈：一座精密的金字塔
今天的人工智能是一个无比庞大的工业化产业。像 ChatGPT 这样顶尖的 AI 产品，其背后是由一层一层的技术基石堆砌而成的，这在 IT 行业被称为“技术堆栈（Tech Stack）”。
即使采用最粗略的划分方式，要支撑起当下的生成式 AI，至少也包含 5 层关键技术，缺一不可：
- 第一层：算力硬件层（Infrastructure） 这是金字塔的底座，是一切的基础。核心代表毫无疑问是英伟达的 GPU 和 Google 的 TPU。它们提供了 AI 运算所需的庞大算力，就像是工业时代的电力引擎。
- 第二层：系统软件与加速层（System & Compiler） 光有芯片还不够，AI 计算需要成千上万个芯片协同工作。这一层负责调度硬件并优化效率，充当硬件与上层软件的翻译官，它们决定了你能发挥出硬件多少潜能。这一层最典型的护城河技术，就是英伟达的 CUDA，而 Google 的 TPU 也有能够把上层软件编译为 TPU 机器码的 XLA 编译器。
- 第三层：深度学习框架（Deep Learning Frameworks） 想要构建和训练大规模神经网络，开发者不能手搓底层的软件代码，需要成熟的“脚手架”。业界目前最流行的是 META 发起开源软件 PyTorch（目前对 GPU 生态支持最好，是事实标准），以及 Google 发起的开源软件 JAX 和经典的 TensorFlow。
- 第四层：基础大模型（Foundation Models） 这是由深度学习框架训练出来的“超级大脑”，是目前竞争最激烈的战场。
- 语言/多模态模型： 如 OpenAI 的 GPT-5、Google 的 Gemini 3；
- 视频生成模型： 如 OpenAI 的 Sora、Google 的 Veo；
- 图像生成模型： 如 Google 的 Imagen、Midjourney。
- 第五层：AI 应用与交互层（Applications & Agents） 这是用户直接接触的产品。它将底层强大的模型能力封装成人类可以交互的工具。例如 ChatGPT，它的底层核心是 GPT 模型，但它本身是一个增加了对话界面、联网搜索、记忆功能的产品；又比如 Google 的 NotebookLM。
为什么英伟达在 AI 数据中心市场形成了绝对垄断？
我们经常感叹英伟达的 GPU（如 H100、H200、B200）硬件参数如何炸裂，但这只是冰山一角。英伟达之所以能对 AI 数据中心市场形成近乎无解的垄断（市占率一度超过 95%），主要源于以下三个维度的降维打击：
1. 通用性极强的单点算力 英伟达的 GPU 本质上是通用计算加速器（GPGPU）。它不仅能完美覆盖 AI 大模型的训练（Training）和推理（Inference），还能兼顾科学计算（气象模拟、药物研发）、图形渲染甚至加密货币挖掘。这种“一卡多用”的特性，使其成为了数据中心的硬通货——买了永远不亏，不用来炼丹还能用来挖矿（开玩笑，但道理如此）。
2. 恐怖的集群扩展能力（Scale-up & Scale-out） AI 大模型训练不是单打独斗，而是需要成千上万张显卡协同作战。英伟达在这方面做得太绝了：
- 节点内互联：通过独家的 NVLink 技术，英伟达可以将多个 GPU（甚至高达 72 个 GPU 组成的 GB200 NVL72 机柜系统）连接成一个“超级逻辑 GPU”，显存和算力实现无缝共享。
- 节点间互联：通过收购 Mellanox 获得的 InfiniBand 高速网络技术，让成千上万台服务器之间的数据传输快如闪电，解决了大规模集群的通信瓶颈。
3. 真正的护城河：CUDA 软件生态 这是英伟达最难被逾越的壁垒，就像 PC 时代的 Windows 操作系统。
- 底层基石：CUDA 提供了最底层的并行计算库，几乎所有的高性能计算场景都基于此构建，经过了 20 年的打磨。
- 顶层框架：当今统治级的深度学习框架 PyTorch 对 CUDA 提供了最原生的支持。这意味着开发者只需编写几行 Python 代码，就能调用底层强大的算力。
- 生态闭环：围绕 PyTorch/CUDA/GPU 已经形成了一套成熟的“开箱即用”基础设施。
为什么竞争对手很难追赶？ 即使竞争对手（如 AMD 或国产芯片厂商）在硬件参数上追平了 H200，依然无法撼动英伟达的地位。因为缺乏庞大的软件生态支持，意味着极高的迁移成本和时间风险。
一个真实的行业痛点（听起来很痛）： 目前很多致力于适配非英伟达芯片的 AI 团队都面临着巨大的痛苦。许多针对英伟达 GPU 进行过深度优化的模型（特别是涉及复杂算子或 MoE 架构的模型），一旦迁移到其他芯片平台，往往会面临严重的兼容性问题。
- 开发难：大量算子需要从头手写，费时费力，如同用汇编语言写网页。
- 稳定性差：模型训练过程中经常出现莫名其妙的数值溢出或系统崩溃（Crash）。
在当前的 AI 竞赛中，一次全量模型训练往往耗时数月，成本以千万美元计。如果因为芯片兼容性导致训练中途崩溃几次，浪费的不仅是电费，更是半年甚至一年的宝贵时间窗口。这种巨大的试错成本，是任何一家争分夺秒的 AI 公司都无法承受的。传言某国内顶级 AI 模型就是因为在国产芯片上训练下一代模型频繁崩溃，导致一直难产，真的是太痛了。
这就是为什么英伟达在 AI 数据中心市场越成功，行业对其路径依赖就越严重——因为没有人敢承担离开英伟达的代价。
Google 的 TPU 又是怎么崛起的？
尽管英伟达的统治力无可争议，但是 Google TPU 却是个异类，它不仅活下来了，还活得很好，已在 AI 顶级赛道站稳脚跟。
首先，TPU 已经用实战成绩证明了自己在 AI 大模型训练和推理领域的成功：
- Google 本家基石： Google 最强的 Gemini 系列模型，完全基于 TPU 进行训练和推理；
- 独角兽的选择： 顶级 AI 公司 Anthropic (Claude) 在 Google Cloud 上大规模使用了 TPU 算力；
- 科技巨头的背书： 就连 Apple 在训练其 Apple Intelligence 基础模型时，也公开表示使用了 Google 的 TPU v4 和 v5p 集群，而非英伟达 GPU。
那么，在英伟达已经成为绝对霸主的情况下，Google TPU 凭什么能异军突起？我们不妨对照英伟达成功的三个维度来深度解析：
1. 算力哲学：极度通用 vs 极致专用 英伟达 GPU 的强大在于“通用性”。而 Google TPU 从 2012 年设计之初，就是为了特定用途——大规模矩阵乘法而生。 现在的 AI 大模型训练，本质上就是在大规模地做矩阵乘法。因为放弃了图形渲染等通用功能，TPU 的芯片设计得以大幅简化，从而在“矩阵计算”这单一场景下取得了极致的能效比和性能表现。
2. 互联技术：电互联 vs 光互联 (OCS) 英伟达在服务器间的高速互联（NVLink/InfiniBand）上表现出色，覆盖了从单机多卡到万卡集群的广泛场景。 而 Google TPU 另辟蹊径，主攻超大规模集群互联。Google 引入了独特的 OCS（光路交换）技术，用光互联将成千上万颗 TPU 动态编织在一起。最新的 TPU v5p 单个 Pod 即可容纳 8960 颗芯片，甚至可以通过光互联扩展至数万卡的超级集群。这种架构在大规模并行训练中，展现出了极高的带宽利用率和灵活性，且布线极其整洁。
3. 软件生态：CUDA 帝国 vs JAX/XLA 新势力 英伟达的 CUDA 和 PyTorch 让 AI 开发变得“开箱即用”，这是其最大的护城河。但 Google 经过多年深耕，也打磨出了一套极为硬核的软件栈：
- XLA (2016)： 一个强大的编译器，能将计算图直接编译为 TPU 机器码，榨干硬件性能。
- JAX (2018)： 一个旨在替代 TensorFlow 的前沿框架。
对比 PyTorch： PyTorch 是面向对象编程，符合人类直觉，简单易用；而 JAX 是函数式编程，学习曲线陡峭，但在处理超大规模并行计算时具有先天优势，代码更简洁，数学表达更纯粹。
跨界打击： JAX 的优秀甚至溢出了 TPU 生态。如马斯克的 xAI 虽然使用的是英伟达 H100 集群，但为了追求对硬件性能的极致压榨，在训练 Grok 模型时并没有使用 PyTorch，而是选择了 JAX。
总结：生态位的胜利 经过多年的演化，在超大模型训练这一“皇冠上的明珠”场景下，JAX + XLA + TPU 技术栈已经形成了一个完整的闭环。它不仅被验证是成功的，甚至在某些超大规模场景下，能取得比 Pytorch + CUDA + GPU 更优的能效比。在 Google Cloud 上，TPU 的 token 成本定价低于英伟达 GPU，就是最好的证明。这也是 Google Cloud 在云计算市场竞争中的秘密武器。总之：
英伟达 vs Google：两种技术哲学的碰撞
- 应用场景： 通用型霸主 vs 超大模型专用特种兵
- 软件门槛： 低门槛的群众基础 vs 高门槛的专家利器
- 商业模式： 庞大的全行业生态 vs 垂直整合的自研闭环
如果说英伟达就像一辆豪华的全能越野车，哪里都能去，谁都能开，到处都有维修店；那么 Google 就像一辆定制的 F1 方程式赛车，只能跑赛道，赛车手才能开。大多数人买车首选 SUV（英伟达），因为方便、省心；但在争夺世界冠军的顶级赛场上，追求极致速度的车队（如 Google、xAI、Anthropic）会考虑使用 F1 赛车（TPU）。
Google TPU 能干掉英伟达吗？
照你这么说的话，Google TPU 岂不是已经成功挑战英伟达，打破了英伟达 GPU 的绝对垄断地位吗？事情没有那么简单。
1. TPU 的局限性与 Google 的双重身份 前面提到 Google TPU 极其擅长超大模型的训练/推理以及大规模推荐系统，但在通用性上，其他场景要么根本不适用，要么能效比不如英伟达 GPU。 对于 Google 庞大的产品线（YouTube、Search、Cloud）来说，对通用 GPU 的需求依然是海量的。因此，Google 一边自研 TPU，一边依然是英伟达 GPU 的全球采购大户。这一点在未来几年内都不会改变。
2. 迁移成本高昂的“生态墙” 尽管在超大模型场景下，JAX + XLA + TPU 的技术栈能取得显著优势，但这要求你必须“从零开始”就拥抱 Google 生态。 如果现有的项目是基于 PyTorch 和 CUDA 深度优化的，想要迁移到 TPU，约等于重写底层代码并进行大规模兼容性测试。这种“重起炉灶”的时间成本和工程风险，足以让绝大多数企业望而却步。
因此目前来看，Google TPU 的用户群体画像非常清晰，主要就两类：一是高校科研（科学计算），二是超大模型的训练和推理。
为什么 TPU 会有很多科学计算用户？ 这是因为 Google Cloud 长期为高校科研开放免费的 TPU 资源（TPU Research Cloud），加上极度好用的 Colab 服务（免费提供 TPU/GPU 算力），在学术界圈粉无数，培养了一大批习惯 TPU 的科研生力军。
那么，超大模型领域的潜在客户呢？ 我们逐一分析市面上的两类大客户：
- 大型云计算厂商： Amazon, Microsoft, Oracle 以及 CoreWeave 等新兴 GPU 云厂商。
- AI 大模型厂商： OpenAI, Anthropic, xAI, Meta 等。
大型云计算厂商（Amazon, Microsoft）本身就是 Google Cloud 的死对头，且都在自研芯片（Trainium, Maia），绝无可能去买对手的算力。而 Oracle 和 CoreWeave 早就通过深度绑定英伟达赚得盆满钵满，是英伟达的铁杆盟友。
AI 大模型厂商呢？
- OpenAI： Google Gemini 的头号宿敌，微软的盟友，不可能用 TPU。
- xAI： 马斯克与 Google 积怨已久，且正通过特斯拉和 xAI 构建自己的超算集群。
- Meta： 回到开头的新闻，Meta 是个超级大户。虽然传闻在谈，但 Meta 也是 Google 广告业务的直接对手。扎克伯格目前手握全球最大规模的 H100 集群之一，并且 Meta 正在积极迭代自研芯片 MTIA。虽然他们不搞公有云，但为了战略安全和技术自主，Meta 不太可能全面依赖 Google 的 TPU，最多是作为补充或谈判筹码。
- Anthropic： 剩下的只有它了。Google 是 Anthropic 的大金主，所以 Anthropic 使用 TPU 是顺理成章的。
盘算下来，TPU 的外部大客户其实寥寥无几。 这点体量，完全不足以对英伟达的统治地位构成“颠覆性”冲击。 因此，Google 最明智的策略依然是：在 Google Cloud 上提供极致性价比的 TPU 服务，用“省钱”和“能效”从其他云厂商口中抢肉吃，而不是想着彻底干掉英伟达。
如果 Google 非要“头铁”，下场卖 TPU 芯片抢市场呢？ 我认为这极其不明智：
- 供应链与利润结构： TPU 是 Google 与博通（Broadcom）合作设计的 ASIC。如果对外售卖，不仅涉及复杂的供应链管理，还要分润给博通，这会拉低硬件毛利。卖贵了，打不过英伟达；卖便宜了，除去博通的成本，Google 图什么？
- 客户池太浅： 如前所述，愿意买 TPU 且不与 Google 构成直接竞争的大客户极少。
- 田忌赛马的反面： 用自己公司的“内部工具/副业”去硬拼英伟达赖以生存的“主业”，胜算能有多高？
- 最后，也是最关键的宏观背景： 目前全球 AI 数据中心市场正处于“短缺经济”时代。不仅 GPU 缺，HBM 内存、CoWoS 封装产能、电力、甚至建设数据中心的土地都极度紧缺。虽然各大科技巨头的资本支出（Capex）已经高得吓人，但面对爆炸性的业务需求，供给依然不够。微软今年初曾试图下调资本支出，结果发现需求太猛，转头又开始疯狂追加投入。
在一个供不应求的增量市场里，无论你填进去多少算力（无论是 GPU 还是 TPU），都会被瞬间吃干抹净。英伟达的 GPU 和 Google 的 TPU 目前仍处于“各自跑马圈地”的阶段，而非“你死我活”的零和博弈。
我的结论：
Google TPU 对英伟达确实有冲击，但不必过度恐慌。 从长期看，Google TPU 的存在更像是一个强有力的“议价筹码”。当大客户有了备胎（TPU 或自研芯片），英伟达就很难长期维持如今夸张的 75% 利润率。
英伟达未来的市场份额确实会受影响，主要来自：
- Google 自身业务（搜索、推荐、Gemini）更多转向 TPU，减少购买 GPU；
- Google Cloud 的深度合作伙伴（如 Anthropic）减少购买 GPU。 这可能会导致英伟达在数据中心的市占率从 90%+ 缓慢回落到 75%-80% 左右，但这并不改变其商业逻辑的本质。
这就像当年的 PC 市场： 苹果 Macintosh 电脑的崛起虽然让 Windows 的市占率有所下降，但并没有终结 Windows 的垄断。真正终结 Windows 霸权时代的，不是 Mac，而是智能手机的兴起。 同理，Google TPU 干不掉英伟达。真正能干掉英伟达的，只能是下一代计算范式的彻底变革。
Google 的成功是不可复制的
好吧，虽然你说的很有道理，但是 Google 能干成全栈自研，尝到了甜头的其他巨头岂不是会纷纷效仿吗？Amazon，Microsoft，Meta，OpenAI 这几个英伟达的头部大客户都在自研 ASIC 芯片，将来他们都减少了对英伟达芯片的采购，英伟达不是要喝西北风了？
我的观点就是：Google 的成功是不可复制的。
Google 的技术栈能够成功，综合了以下几个不可或缺的因素，而这恰恰是微软、Meta 和亚马逊所不具备的：
1. 十年的时间壁垒（Time & Iteration）
芯片设计不是搭积木，它需要漫长的迭代周期。 Google 早在 2013-2014 年就开始秘密研发 TPU，2016 年 AlphaGo 击败李世石震惊世界时，背后就是 TPU v1 在提供算力。
当微软在 2023 年才匆忙推出 Maia 100 时，Google 的 TPU 已经迭代到了第 6 代甚至第 7 代。
这 10 年间踩过的坑、修复的 Bug、积累的制程经验、以及对散热和互联架构的微调，绝非其他公司靠“砸钱”就能在两三年内追平的。在硅基世界里，经验值就是良率，就是能效比。
2. 真正全栈的“软硬一体”的垂直整合掌控力（Full-Stack Control）
这是 Google 最可怕的地方，也是其他巨头最大的软肋。
Google 拥有整个链条： 硬件（TPU）+ 编译器（XLA）+ 框架（JAX）+ 模型（Gemini）。Google 的科学家 Jeff Dean 可以让设计 Gemini 的算法团队直接坐在设计 TPU 的硬件团队对面，告诉他们：“我们需要一个特定的指令集来加速这个算子。”这种协同效应是核爆级的。
反观微软/Meta： 微软虽然造了 Maia 芯片，但它上面的软件栈主要依赖 OpenAI，而 OpenAI 和整个业界主流依赖的是 PyTorch。PyTorch 的亲爹是 Meta，但 PyTorch 对英伟达 GPU 的优化是刻在基因里的。
微软想要 Maia 好用，就得去魔改 PyTorch 底层，或者指望 OpenAI 为了适配 Maia 去重写代码。这中间不仅隔着公司墙，还隔着巨大的技术债务。
只要 PyTorch 依然是业界标准，其他自研芯片就永远是在“模拟”或“适配”英伟达，而 Google 是在玩一套完全独立的游戏规则。
3. 极其特殊的“光互联”基础设施（OCS Infrastructure）
前面提到的 OCS（光路交换）技术，是 Google 数据中心的独门绝技。 Google 为了适配 TPU 的大规模互联，甚至重新设计了数据中心的物理布线和机柜架构。这种光互联技术允许 TPU 节点之间以极低的延迟和功耗进行动态重组。 其他云厂商的数据中心是基于标准以太网架构建设的，想要复刻 Google 这套“光互联”网络，意味着要推翻现有的数据中心物理架构，这个沉没成本是天文数字。
4. 无法比拟的内部“吞吐量”（Internal Workload）
在生成式 AI 爆发之前，Google 就拥有地球上最庞大的 AI 推荐系统——Google Search、YouTube 推荐算法和 Google Ads。
这些业务每天产生数以亿计的并发请求，为 TPU 提供了天然的、海量的“练兵场”。
即便没有外部客户买单，Google 自己的业务就能消化掉 TPU 的产能。这让 Google 敢于在 TPU 早期性能不完善时，强行在内部推广（Dogfooding），通过海量真实数据把芯片“磨”出来。
相比之下，Meta 虽然有推荐算法需求，但起步晚且早期全押注 GPU；微软的 Azure 主要是卖资源给客户，如果自研芯片不好用，客户会直接用脚投票切回英伟达。
英伟达更像 AI 时代英特尔
著名电影《大空投》原型 Michael Burry 曾暗示英伟达正处于类似互联网泡沫时期的境地，不少看空者也认为英伟达与 OpenAI 之间相互投资和采购的关系，吹起了一个巨大的估值泡沫。他们认为一旦泡沫破裂，英伟达就会像 2000 年的 Cisco（思科）一样，股价暴跌 80% 以上。
但我认为，当下的英伟达并不像当年的 Cisco，而更像 PC 黄金时代的 Intel。 Intel 的股价腾飞始于 1993 年，于 2000 年触顶，随后经历了漫长的震荡与调整。 回顾那段历史，我们可以发现惊人的相似性：
- 1993 年之前（群雄逐鹿）： PC 的 CPU 市场处于混战时代，各路架构互不相让。
- 1993 年（霸主确立）： Intel 推出奔腾（Pentium）处理器，凭借强悍的性能一举确立了 CPU 市场的统治地位。
- 1995 年（杀手级应用爆发）： 微软推出 Windows 95，图形界面的革命引发了全球性的 PC 换机潮。受此驱动，Intel 的股价在 1996 年迎来了极高斜率的上涨。
- 2000 年（盛极而衰）： Intel 股价在 2000 年见顶，随后狂跌。这背后既有互联网泡沫破灭的宏观原因，也有 PC 市场渗透率见顶的因素。同时，Intel 在技术路线上遭遇了 AMD 速龙（Athlon）处理器的强力挑战，且在后续的 64 位指令集之争中（安腾项目）犯了严重的战略错误。
2022 年 ChatGPT 的横空出世，就是 AI 时代的 "Windows 95 时刻"，它极大刺激了全行业对于算力基础设施的升级换代。借助这股 AI 浪潮，英伟达正在狂飙突进。现在的英伟达，像极了 1997 年处于巅峰缓慢爬升期的 Intel。
我相信，在未来几年的 AI 算力市场将呈现“一超一强多级”的格局：
- 英伟达（The Generalist King）： 依然是绝对的“一超”。它占据 75%-80% 的市场份额，服务于所有追求通用性、追求开发效率、追求 Time-to-market 的企业。所有的初创公司、大部分云客户、以及需要频繁试错的模型团队，依然只能选英伟达。
- Google TPU（The Specialized Powerhouse）： 它是那个“特种部队”。它守住 Google 自己的万亿帝国，并在超大模型训练这一垂直领域，成为唯一能跟英伟达叫板的“异类”。
- 其他自研芯片和 AMD（AWS Trainium, MS Maia, Meta MTIA）： 它们更多是“成本调节器”。它们会被用于处理那些负载稳定、算法成熟的推理任务（比如每天运行几亿次的简单推荐或聊天机器人推理）。巨头们用它来通过简单的替代降低运营成本，也就是所谓的“省钱芯片”，但很难承担起“探索下一代 AI 前沿”的重任。
Google 的王者归来：全栈自研的胜利
2022 年底 ChatGPT 的横空出世，曾让 Google 这位 AI 领域的先行者显得黯淡无光。然而，站在 2025 年底的今天回望，Google 的表现足以让人刮目相看。
目前的 Google，是全球唯一一家真正实现了AI 全栈自研、软硬件垂直整合的头部厂商。这种整合优势正在形成巨大的飞轮效应：
- 算力底座： 在硬件层面，Google 利用 TPU 大规模集群高效实现了 Gemini 3 模型的训练和推理，摆脱了对外部 GPU 的依赖。
- 生态闭环： 通过多年的技术积累，打造了难以复制的软硬件一体化技术栈生态：JAX / XLA / TPU，极大地提升了研发效率。
- 云端优势： Google Cloud 虽然在市场份额上仍居 Amazon 和 Microsoft 之后，但增速惊人。更重要的是，得益于自研芯片，其 TPU 的租赁费用相比 GPU 拥有显著的价格优势，这对初创公司极具吸引力。
- 模型与成本：Gemini 3 在多项基准测试中已完全不输 GPT-5.1，甚至在长上下文和多模态理解上有所超越。基于自有云和芯片的成本优势，Gemini 能够提供更具竞争力的 API 调用价格，这种“低成本高智能”的反向优势正在快速抢占开发者市场。
- 产品矩阵全面开花：
1. NotebookLM 已成为“杀手级”的 AI 知识库和学习工具，深受科研与教育用户喜爱。
2. 多模态创作： Gemini 现已深度整合 Veo（视频生成）和 Imagen（图像生成），用户可在一个工作流中完成复杂的创作任务。
3. 搜索进化： Google Search 全面推出了 AI Overviews，成功将传统搜索与 AI 问答无缝整合。
4. 交互创新： 最新推出的生成式 UI (Generative UI) 更是令人惊艳，根据用户意图实时生成交互界面。
关键在于，Google 形成了一个从芯片、基础设施、模型到应用产品的完整闭环，各环节还能互相加强。这就好比 Google 一家公司独自完成了“英伟达 + 微软 + OpenAI”三家公司的工作。再加上 Google 全球数十亿的用户基数，以及 Chrome 浏览器和 Android 移动端两大核心入口，其上限不可估量。
为何半年前股价低迷、备受质疑的 Google，能在这半年实现逆袭？
此前市场看衰 Google，主要基于以下隐忧：
- 商业模式挑战： Google Search 靠竞价排名赚钱，市场担心 AI 问答范式会彻底颠覆这一现金牛。
- 大公司病与人才流失： 尽管 AI 大模型的基石——Transformer 论文是 Google 于 2017 年发表的，但果实却被 OpenAI 摘取。CEO Sundar Pichai 被认为过于稳健，缺乏魄力；内部 DeepMind 和 Google Brain 两个顶尖团队曾各自为战，内耗严重，导致许多论文作者离职。
- 模型落后： 在 Gemini 2.5 发布之前，Google 长期被 OpenAI 的 GPT 系列压制，甚至一度不如 Anthropic 的 Claude，面临在 AI 时代掉队的风险。
但在过去两年，Google 成功扭转了局势：
- 搜索护城河依然稳固： 事实证明，Google Search 并未被轻易颠覆，反而通过集成 AI 变得更强。用户在多轮对话中不仅有明确的个性化需求，AI 还能更精准地推荐个性化的产品与服务。广告业务被 AI 范式颠覆的风险被大大高估了。
- 组织架构重塑： 2023 年起，创始人 Sergey Brin 回归一线，深度参与模型开发。Google 将原本竞争的两个 AI 团队合并为 Google DeepMind，由 Demis Hassabis 挂帅。这一举措成功消除了内耗，重新激活了团队的创新力。
- 模型反超：Gemini 3 Pro 如今展现出后来居上的态势，不仅在性能上反超 GPT-5.1，市场占有率也稳步攀升。攻守之势异也，现在压力来到了 OpenAI 一方。
归根结底，AI 时代的核心竞争点依然是谁能做出最强的大模型。
如果 Gemini 弱，Google 的生态优势无从发挥；一旦 Gemini 领先，Google 强大的全栈整合能力就会瞬间爆发，形成降维打击。
最后我想说，英伟达是算力时代的‘卖水人’，而 Google 是全栈 AI 的‘领航员’。它们都是伟大的公司，对于投资者来说，与其在非此即彼的零和博弈中焦虑，不如看到它们各自不可替代的价值——这两者都值得你们同时拥有。
#AI产业 #大模型 #AI基础设施 #GPU #Gemini #TPU #JAX #XLA #CUDA #谷歌 #英伟达 November 11, 20252RP『美國共和黨剛提出《司法問責法》，要開始讓那些一再釋放暴力慣犯的法官進監獄。
這項法案簡單、狠辣：
只要法官讓被告以「自行具保」或超低保釋金獲釋，而該被告在 12 個月內再犯重罪，法官就會自動面臨聯邦刑事指控——最高可判 10 年，並永久取消執業資格。
他們甚至附上公開資料庫：
所有「對犯罪太軟」的法官姓名、照片、以及他們放出去的再犯累犯紀錄都會公開，讓受害者家屬清楚知道，是哪位法官讓殺害親人的兇手在謀殺前被放了三次。
法案由那些曾目睹 Darrell Brooks 在只付 1000 美元保釋金後、開車衝進聖誕遊行的共和黨強硬派提出——而沃基肖那位法官到今天還穿著她的法袍。
民主黨痛批這是「攻擊司法獨立」。
但司法獨立不代表司法免責，尤其當你的「同情心」讓街道上多了屍體。
黑袍社工把城市變成自由槍擊區的時代結束了——
下一站，是讓他們穿上和那些被他們放出去的犯人同款的橘色囚服。
來源：美國眾議院 H.R.9177《司法問責法》，2025/11/27；Fox News、NY Post』 November 11, 20252RP古知累すすむさんという方が従事されている「恐竜研究」という仕事は、どのようなキャリアプランを経た上でなれるものなのだろうか…？
一般企業の研究者も面白いけど、そういうロマン溢れる研究の仕事もしてみたかったな。 November 11, 2025今天分享一个我在 @trylimitless 上的“干净预测”流程，真的把我从瞎猜拉回到概率思维
1）只跑3个市场：两档小时 Above/Below + 一档日内
2）进场前写一句话的论点 + 一条“杀掉条件”，仓位小到可以忽略
3）用挂单优先（挂单免费），吃单时清楚显示手续费，避免情绪化
4）下单后离开屏幕，晚上复盘收据，第二天微调
Base 上极速结算、低费率、YES/NO 结构足够直线，实时数据干净到像读市场脉搏。更妙的是不交易也能参与生态的“被动引擎”。规模方面：累计成交已过 $600M，11M $LMTS 质押，周周有 $50K 费收益回购，点数赛道占总量 2% 到 1月26日结束，日内流量常见 $2M-$3M，节奏很明确。想更刺激，ApeX 合作的事件合约最高 20x，但仍是 YES/NO 的心智负担
我把这套节奏同步到 @wallchain 的创作者例行，像注意力健身房一样稳定输出，顺便追 Royale 7D 排名
#DeFi #PredictionMarkets #Base $LMTS
你这周最干净的 Above/Below 读法是？ November 11, 2025ですから、学術的に「正当性」のある（と僕が言う）北朝正統を、議論を専らにし、公的な手続きを経て、公的に「北朝正統」（北朝を歴代天皇にする）を実現しよう、と累々述べています。現時点で明治天皇の勅裁のため「正統」でなくとも、それは変更可能であるなら「北朝正統」は実現可能ですよね？ https://t.co/989RyJJcD1 November 11, 2025@mame_EVOL 久々にチビサイズから育成やります。
PDのスタッフさんがずーっと何年も累代してた種達なのですが店がなくなって継続出来なくなるから、是非引き継いでほしいという話になりまして。 November 11, 2025@soruto5i1r2h430 ♠︎パゲ子orコウくん/パゲちゃん、コウくん
♠︎イデア・シュラウド💗/糸師凛/累/冨岡義勇etc…
💙19歳
💙10月11日
♠︎タメ大歓迎〜╰(*´︶`*)╯♡
♠︎もちろん‼️
♠︎どっちもOK〜
💙これからもよろしくね〜
沢山絡みに行くよ！ November 11, 2025🧠 betaione · AI 足彩公开实验｜阶段战报（截至 11 月 30 日） 收益率将近 300%
我们是 betaione，一个用 AI 来分析和预测足球比赛的公开实验项目。
模型结合了多种信息：
•历史数据：球队近期表现、进失球数据等
•赔率变化：开盘 / 变盘、隐含概率对比
•基本面：主客场、赛程、伤停等
然后由 AI 给出每场比赛的预测方向和「预测信心」。
从 2025-11-26 开始，我们做了一件事：
👉 不卖料、不带单，只做一个完全公开的资金模拟实验。
⸻
💰 一、资金模拟结果（只看 Top5 高信心比赛）
规则非常简单：
•初始资金：$1,000
•每天选出当日「预测信心最高的 5 场」作为组合
•当天资金平均分成 5 份，全部按 AI 推荐方向做模拟下注（并非真实投注）
截止 2025-11-30：
•参与资金模拟的 Top5 比赛：19 场
•命中：15 场（命中率约 79%）
•资金从：$1,000 → $2,914
•累计盈利：+$1,914（约 +191% 模拟收益）
按天看一下波动（都是“模拟盘”的结果）：
•🗓 11/26：5 场全中，资金 $1,000 → $3,360（+236%）
•🗓 11/27：5 场中 4 场，$3,360 → $3,823.68（+13.8%）
•🗓 11/29：5 场中 4 场，当日大致打平，$3,823.68 → $3,823.68（0%）
•🗓 11/30：有效模拟 4 场中 2 场，出现回撤，$3,823.68 → $2,913.64（约 -23.8%）
也就是说：
•这个模型有爆发（首日翻得很夸张），
•也有回撤（后面几天有输有赢），
•更接近真实世界中「长期做交易 / 投注系统」的感觉——不会只给你看爽图。
⸻
🎯 二、所有已结算比赛的整体预测表现
我们不仅看 Top5 模拟盘，也统计了表里 所有已经有赛果的比赛：
•总预测场次（有实际结果）：38 场
•命中场次：20 场
•整体命中率：约 52.6%
在所有命中的比赛中：
•命中场次的平均赔率：约 2.17
•最低命中赔率：1.11
•最高命中赔率：9.50
如果对这些比赛做一个非常简单的「每场固定 1 单位下注」模拟：
•总投入：38 单位
•累计盈利：+4.18 单位
•模拟 ROI：约 +11%
这部分更多是告诉你：
•模型不是神，整体命中率也不是 80%、90% 那种玄学水平；
•但在合理赔率区间内，长期下来仍然有正的期望收益（在当前小样本下）。
⸻
📋 三、我们到底“下”了哪些场？（均为模拟）
Top5 模拟组合中，几天的代表场次举例（实际推荐可在配图 / TG 中对照）：
•11/26：Dortmund vs Villarreal、Ajax vs Benfica、Chelsea vs Barcelona 等，5/5 全中 ✅
•11/27：Sporting CP vs Club Brugge、PSG vs Tottenham、Olympiakos vs Real Madrid 等，4/5 ✅
•11/29：Bayern vs St. Pauli、Barcelona vs Alaves、Man City vs Leeds 等，4/5 ✅
•11/30：Atletico Madrid vs Oviedo、AC Milan vs Lazio、Juventus vs Cagliari 等，3/5 ✅
所有这些比赛，在开赛前都会先发在我们的 Telegram 机器人 / 频道里，并且赛后不会删贴，方便任何人回头核对。
⸻
📈 四、你在这个账号能看到什么？
•每天的部分 AI 推荐场次（X 上公开 Top3）
•昨日资金模拟结果 & 曲线截图
•一场热门比赛的详细分析（数据 + 赔率 + 模型视角）
•阶段性战报：总体命中率、资金曲线、模拟 ROI 等
👉 想看完整推荐列表、实时资金曲线和所有历史战绩：
进入我们的 Telegram 机器人： [TG 链接]
（截图里也会标出入口）
⸻
⚠️ 安全与合规说明（必须看 👇）
•本项目所有内容均为 AI 技术研究 + 数据模拟展示，不是、也不会成为任何形式的投资 / 博彩 / 理财建议；
•我们不鼓励也不引导任何人进行真实下注；如果你仍然选择参与，请务必量力而行，只用自己可以承受亏损的钱，理性对待；
•请确认你所在地区允许并合法参与相关活动，务必遵守当地法律法规；
•未成年人严禁参与。
⸻
English summary
We are betaione, an AI-driven football prediction project running a fully transparent public bankroll simulation.
•Start bankroll: $1,000
•Current simulated bankroll: $2,914 (+191%)
•Daily strategy: take the top-5 highest-confidence AI picks and split the bankroll equally (simulation only).
•Top-5 simulation so far: 15 wins / 19 bets (~79% hit rate)
•All finished predictions: 20 wins / 38 games (~52.6% hit rate)
•Flat 1-unit staking on all games gives a simulated ROI of about +11%.
Full pick history and bankroll curve are logged in our Telegram bot: [TG link].
All of this is for technical demonstration and simulation only – it is not betting or financial advice.
Please make sure sports betting is legal in your jurisdiction, bet responsibly if you choose to, and 18+ only. November 11, 2025＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。倭人速報公式アカウント
按天看一下波动（都是“模拟盘”的结果）：
•🗓 11/26：5 场全中，资金 class="drawer drawer--top" id="detail">累ーかさねー 映画
0post2025.11.30 18:00:0% :0% （30代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
翼竜の「名前」を断捨離⁉️🇧🇷
#古知累論文紹介
翼竜（よくりゅう）ファンなら誰もが知っておくべき、超重要な「まとめ」論文を紹介します。
舞台はブラジル、アラリピ盆地。
ここは、世界で最も重要な「翼竜の聖地」の一つと言われています 。
なぜなら、ここでは化石が「ぺちゃんこ」にならず、立体的（3D）に保存されていることが多いからです 。
さらに、筋肉や皮膚、トサカなどの「柔らかい組織」まで残っていることがあるという、とんでもない場所なんです 。
最初の発見から50年以上が経ち、これまでにたくさんの種類の翼竜が報告されてきました 。
しかし、研究が進むにつれて「ある問題」が浮き彫りになってきました。
それは、「名前が多すぎる問題」です 。
化石が少し違うだけで「新種だ！」と名前が付けられてきましたが、実はそれが「ただの成長段階の違い（大人と子ども）」だったり、単なる個体差だったりする可能性が高まってきたのです 。ｿﾘｬｿｳｼﾞｬ。
今回紹介する論文では、これまでにアラリピ盆地で報告されたすべての翼竜を徹底的に見直しています。
まさに、翼竜図鑑の「大改訂版」とも言える内容です。
特に注目すべきポイントをいくつかピックアップして解説しますね。
１．アンハングエラ類の整理
口先に丸いトサカを持つ「アンハングエラ」という翼竜がいます。
これまで、トサカの形や位置の違いでたくさんの種が作られてきました 。
しかし、この論文では「トサカは成長とともに大きくなり、形も変わる」という点を重視しています 。
つまり、トサカの微妙な違いだけで別の種とするのは間違いかもしれない、ということです。
その結果、過去に名前がついたいくつかの種は「疑問名（詳細不明で有効ではない名前）」として整理されました。
２．巨大なトサカを持つタペヤラ類
頭の上に巨大なトサカを持つことで有名な「トゥパンダクティルス」なども詳しくレビューされています 。
彼らのトサカは骨だけでなく、大部分が「軟組織（ソフトティッシュ）」でできていました 。
驚くべきことに、化石に残された色素（メラニン）の研究から、彼らのトサカに色があった可能性まで示唆されています 。
この論文では、これらが単なる飾りではなく、種の違いも反映してそう、ということが再確認されています 。
３．化石の密輸問題
この論文は、科学的な分類の話だけでは終わりません。
非常にシリアスな問題である「化石の違法取引」についても警鐘を鳴らしています 。
アラリピ盆地の美しい化石は、高値で取引されるために違法に持ち出されることがありました 。
その結果、「その化石が地層の『どこ』から出たのか」という、極めて重要な情報が失われてしまっているのです 。
地層の情報がないと、「いつの時代の」「どんな環境にいたのか」が正確に分かりません 。
著者は、これからの研究には、きちんとした地質学的な調査と、化石の保護が不可欠だと訴えています 。
～🐦～🐦～🐦～🐦～
この論文は、過去50年の研究を整理し、散らかり気味だった「翼竜の名前」をスッキリさせました 。
「新種発見！」というニュースはワクワクしますが、既存の化石をじっくり見直すことで、彼らの「成長」や「本当の多様性」が見えてくるんですね。
これからは単に名前を付けるだけでなく、彼らがどのように空を飛び、何を食べていたのかという「生活」に迫る研究が進んでいくと期待したいですね！
・・・まぁ、多分そんなことは起きないがな！
最近は首の骨だけで名前がつくのとか多いしな！！
元論文URL→ https://t.co/cZcv6IsIb5 November 11, 202510RP大公報 被下架文章
2025年11月28日星期五 A7要聞
天價收費 圍標合謀 利益輸送 劣質工程
揭開維修棚架背後重重黑幕
搭棚維修調查❶
宏福苑五級火大埔宏福苑五級火造成大量人命傷亡。翻查紀錄，今年至今已有至少10宗棚架起火事故（見表），大廈外牆維修搭棚的安全問題引發公眾強烈關注。警方昨日凌晨拘捕三名涉嫌誤殺的男子，他們為負責屋苑大廈維修的宏業建築工程有限公司負責人，包括現任董事侯華健及何建業。
大公報記者展開偵查，透過業界代表及多名知情人士，逐 層 揭 開 建 築 棚 架 背 後 的 黑幕，當中牽涉天價維修費、圍標合謀、利益輸送，以及工程質量等問題。
大公報記者
張真、李雅雯、陳玥、馮錫雄
競標公司遭「警告」被迫退出
有業界人士透露，由於圍標及種種原因，參與工程競標的建築公司越來越少。建築業界內的工程投標一直都欠缺透明度，有不願具名的工程業界代表接受《大公報》訪問時表示，十多年來，工程公司圍標的情況也非常嚴重，甚至有工程公司負責人參與競標後立即被人惡言警告，無奈退出競標， 「導致有水準的公司越來越少，沒有多少間公司投標，競標的結果自然就來來去去都是那幾間了。」 他形容，這種情況在業內已維持段長時間，導致行業生態非常不健康。他表示，今次負責人被捕的宏業建築工程，是業內有名的競標 「常勝將軍」， 「他們接了很多工程，但試問這麼多工程，哪有這麼多資源投入呢？」 業內常有偷工減料或用劣質的材料等事情；更甚的是投標價低者得，不少中標工公司往往會以拉長工程期的做法來繼續讓業主多些掏錢，以補回低價中標的利潤，「這些不時發生的事，在業內知情者看來是見怪不怪。」
阻燃網成本較普通網貴近倍
有建造業界人士透露，維修棚的阻燃網，每張約90元，沒有阻燃功能的普通網僅售50多元，而且阻燃網被太陽曬後會變脆，只用一次就要扔，普通防護網則可以不停重用。大埔宏福苑奪命火發生前，相關部門甚少巡查，不少行內人士抱着僥倖心態，鋌而走險。
這場火災的慘烈，背後是香港城市治理能力的考驗。該名建造業界人士透露，搭建金屬棚是合法輸入外勞的工種，加上金屬棚工人日薪低於竹棚工人，勢令本地工人收入受影響，金屬棚架的成本比竹棚昂貴約兩至三倍，因而增加施工成本，雖然有工人考獲搭金屬棚架資格，但由於市場需求不高及薪酬較低，從事相關工作的人員不多。
另外，大公報記者昨日在警方執法押解負責人何建業至元朗蝦尾新村進行搜證工作時，接觸到其鄰居吳先生。吳先生透露，自己從事小型工程起家，對行業有一定了解，談到宏福苑疑因維修工程物料不符合安全規格觸發五級大火，他坦言這是業界多年的潛規則： 「香港做工程，個個項目貪平，中標往往是價低者得，報價最低才有得做。低價中標的工程如何畀足料？」
業界 ： 地盤工違例吸煙難管
吳先生指出，雖然現時香港政府已有很多規例規管工程，然而執行上仍有很大優化空間。有宏福苑居民直指今次大火的起因與搭棚工人經常吸煙、遺下煙頭，疑燃點防護網觸發大火。吳先生坦言有關情況是常態，「無得管，很多（工人）教唔聽，工人很多讀書少，吸煙是幾十年的習慣。」 業界曾建議在工程地盤劃出安全吸煙區，卻難以實行， 「有些人不會遵從在指定地方吸煙，總之難管！」吳先生透露，低價中標的公司工程延期也是常事， 「發泡膠和竹棚都是易燃物，經過一年的日曬雨淋，竹棚變得更乾燥、腐化，一旦燃燒火勢就會特別快蔓延。加上近日天氣乾燥又大風，所以宏福苑的大火，才會在短時間內就從底層蔓延到頂部，還連累了相鄰的樓宇。」
「這麼多家庭妻離子散，實在讓人難過。」 他認為，此次慘劇令人痛心，希望這場悲劇能促使政府和業界反思，立例監管，加強工程質量監管與施工安全巡查，嚴查違規操作，避免類似的人間慘劇再次發生。 November 11, 20256RP孙悟空（SunX）真的杀疯了。
刚刚看了下数据，平台累计交易额已经干到 112亿 USDT+，而且速度还在往上飙。
更离谱的是，这波直接开了个邀请兄弟一起赚的大活动，总奖池：100万枚 $SUN
重点不是平台赚多少钱，重点是—— 这次是真的轮到我们薅一波了👇
只要你拉一个朋友来玩，双方都能拿 $SUN ，而且不是那种“画饼奖励”，是分阶段、可完成的那种：
第1阶段： 好友第一笔交易 ≥ 300 USDT
你：30枚 $SUN
他：20枚 $SUN
第2阶段： 好友7天内交易 ≥ 20,000 USDT
你：再拿 100 枚
他：再拿 100 枚
也就是说，一个好友=最高 260枚 $SUN 到你们手上。
这个活动还能叠加迎新活动 + 20%返佣， 相当于你同一波邀请，吃三份奖励。
玩法也不复杂：
1. 打开孙悟空 → 找到【邀请好友】
https://t.co/eX1jAjwRZw
2. 复制你的专属链接 / 邀请码
3. 让好友参加：来不来？送你钱的那种。
讲真，这种平台在狂砸钱拉新时，不上车才是真的亏。
钱在那放着，就看你要不要伸手拿。
一起参与起来，活动详情： 👇https://t.co/o6u5Pib4ZR
@justinsuntron @SunX_DEX #TRONEcoStar November 11, 20256RP🐨「有袋類ライオン」ティラコレオ🦁
実はコアラの兄妹だった……！？
#古知累論文紹介
かつてオーストラリア大陸には巨大な動物たちが闊歩していました 。
体重100kgを超え、強力な顎で獲物を仕留める「ティラコレオ（有袋類ライオン） 。
あるいは、体重1000kgにもなる巨大な草食獣「パロルチェステス」。
彼らは数万年前に姿を消してしまいましたが、その「正体」や「絶滅の原因」には多くの謎が残されています。
なぜなら、オーストラリアは気候が暑いため、化石に残されたDNAがすぐに分解されてしまうからです 。
DNAが壊れてしまえば、彼らが進化の系統樹のどこに位置するのか、正確にはわかりません。
しかし今回、研究チームはDNAの代わりに「コラーゲン（タンパク質）」という別の物質に注目しました。
コラーゲンはDNAよりもはるかに頑丈で、長期間保存されやすいという特徴があります。
研究チームは、タスマニアの洞窟などから発掘された、約10万年前の骨の破片など51点を分析しました。
その手法は「ZooMS（ズームス）」と呼ばれ、コラーゲンを細かく分解したときのペプチドの質量パターン（“指紋”）を読み取ることで、動物の種類を特定するものです。
その結果、肉食獣である「ティラコレオ」の、現生する最も近い親戚が、「コアラ」である可能性が高まったのです。
これまでもウォンバットやコアラに近いグループ（ウォンバット型目）だとは考えられてきましたが、今回の分析でコアラとの強い結びつきが支持されました。
この研究は、進化の謎を解くだけではありません。
これまで「正体不明」として扱われていた小さな骨の破片でも、この手法を使えば「どの動物の骨か」を正確に突き止められるケースがありました。
骨の種類がわかれば、その地層の年代測定と合わせて、「いつ、どの動物が絶滅したのか」をより詳細に知ることができます。
これにより、長年の論争である「巨大動物を滅ぼしたのは人間か、気候変動か」という問いに、決着をつける大きな鍵になるかもしれません。
元論文URL→ https://t.co/p8Q54XOU1e November 11, 20255RPBTC、ETH 都扛不住的时候，JST 却在悄悄走强
最近的大盘，大家都看到了：
BTC 一路往下，-19.98%；
ETH 跌得更狠，-27.57%。
但 JST 完全不是那个画风。
同期 JST 竟然涨了 +22.47%，走出了独立行情。
为什么 JST 能在这种行情里逆势？
为什么别人在找底，JST 却在稳步回收筹码？
为什么就算没大行情，它依旧能涨？
答案其实很简单：
这不是情绪驱动，而是基本面驱动。
1/ 首轮回购销毁落地，JST 的价值锚定正式建立
大家都知道，Justlend 官方这波动作是实实在在的硬利好—不是喊口号，不是画饼，而是直接拿钱下场。
第一次就把 5900 万美金收益的 30% 拿出来做回购销毁，
一口气干掉了 5.6 亿枚 JST，
占总供应量 5.6%。
注意，这是第一轮。
剩下 4140 万美元 还在路上，按季度持续销毁。
这叫长期、可持续的通缩。
叫「价值回流」的闭环终于建立起来了。
大多数项目的回购销毁都只是 PR，
但 JST 的这套机制，是靠真实平台收入支撑的。这点太关键了。
2/ JustLend DAO 正在持续赚钱，销毁只是开始
JST 的价值来自哪里？来自生态的真实现金流：
JustLend DAO 的借贷利息，能量租赁的手续费，USDD 多链生态的盈利，平台 TVL 的增长带来更大收益池
光 JustLend DAO 一个协议，累计收益就接近 6000 万美金。今年 Q3 一个季度收入就接近 200 万美金。
你说这种协议，它回购销毁 JST，是不是“真金白银”？
更别忘了，USDD 的盈利超过阈值后，也会加入回购销毁池。
这意味着 JST 后面会迎来第二条“价值注入管道”。
说白了：
JUST 在赚多少钱，JST 就能被买回来、被销毁多少。
这是硬逻辑，不靠讲故事。
3/ 五年零安全事故，熊市更显出真正价值
什么叫“能在熊市看出真实力”？
就是别人都在暴跌、爆仓、黑客攻击时，
你依旧稳如老狗，还在不断赚钱。
Aave、Venus、Kamino 都遭遇过安全事故，
唯独 JustLend 五年运营下来零事故。
这就是为什么在市场不稳的时候，
资金更愿意往 JST 所在的生态流。
熊市最怕什么？怕不确定性。
而 JST 恰恰给了市场一个“最高确定性”的叙事：
收益稳定 → 回购确定 → 通缩确定 → 价值增长确定
这种确定性，在熊市里尤为昂贵。
4/ JST 的这波涨，不是拉盘，是重估
JST 这轮涨，不是那种“新闻刺激的直线拉升”。
它是：
稳 → 稳 → 稳 → 慢慢涨
但 JustLend 的 TVL 是全球前四，安全性第一，盈利能力稳健，又有 TRON 整条能量经济支撑。
这种“估值错配”迟早会被市场修复，
现在只是修复的开端。
所以 JST 的上涨，不是“激情”，而是“迟到的价值回归”。
5/ 无惧熊市，因为 JST 走的不是投机路线
为什么 JST 这波能逆势跑赢 BTC 和 ETH？
因为它走的是完全不同的轨迹：
•大盘跌 → 情绪崩 → 投机资金撤退
•JST 涨 → 生态赚钱 → 透明回购 → 通缩推进
你会发现一个现实：
JST 的上涨和市场情绪没强相关性，它跟基本面绑定。
也就是说：
哪怕现在还是熊市，哪怕延续半年，它依旧能一步步涨。
因为：
销毁还会继续
收益还会继续
通缩还会继续
价值重估还没走完
熊市最能检验“谁是真实力、谁是纯靠故事”。
而 JST 已经把答案写在链上。
这一次，不是暴涨，也不是故事。
JST 是在用“回购+销毁+盈利”把价格一点点往上推。
不是喊口号，不是追热点，它走的是长期路线。
当一个项目靠基本面推动上涨，它就不会被大盘绑架。
JST 的逆势，就是最好的证明。
接下来怎么走？我只说一句：
真正的价值，从来不是在牛市里被发现的，而是在熊市里被重新定价的。
@justinsuntron @DeFi_JUST #TRONEcoStar November 11, 20253RP🦕チリ最古？
恐竜たちが残した「足跡」の謎に迫る👣
#古知累論文紹介
南米の恐竜と聞いて何を思い浮かべますか？
実は、南米の「ジュラ紀後期（約1億6000万年前〜）」の恐竜化石というのは、これまであまり見つかっていませんでした。
特にチリがある南米の西側（かつてのゴンドワナ大陸の西縁）では、骨の化石記録が極めて少ないのです。
「骨がないなら、どうやってそこに恐竜がいたと証明するの？」
重要になるのが、今回紹介する論文のテーマである「足跡化石」です。
骨は残りにくくても、足跡なら地層に残っていることがあるからです。
今回、チリ北部のHuatacondoという場所にある「マハラ層」から、重要な発見がありました。
なんと、チリおよびゴンドワナ大陸西縁において「最古」となる恐竜の足跡が報告されたのです。
これまで知られていた記録よりも古い時代の地層から、恐竜たちの痕跡が見つかりました。
では、どんな恐竜たちが歩いていたのでしょうか？
分析の結果、見つかった足跡の多くは「獣脚類（じゅうきゃくるい）」のものである可能性が高いことがわかりました。
獣脚類とは、ティラノサウルスのように二足歩行をする肉食恐竜のグループです。
面白いのは、そのサイズの多様性です。
長さ50cmを超える「巨大」な足跡から、40cm程度の「大型」、そして20cm台の「中型」まで様々。
さらに驚くべきことに、わずか8cmから13cmという「極小〜小型」の足跡も多数発見されました。
この小さな足跡は、当時のこの地域において最小クラスの記録です。
研究チームは、ただ「足跡があった」と言うだけではありません。
ドローンや近距離撮影を用いた「フォトグラメトリ」という技術で、足跡を3Dモデル化しました。
そして、足跡の長さや幅、指の角度などを数学的に解析（主成分分析）することで、客観的に形を比較しました。
その結果、これらの足跡は5つの異なるタイプに分類できることがわかりました。
具体的には、CarmelopodusやGrallatorといった、世界的に知られる足跡化石の分類に近い特徴を持っていたようです。
※ただし、保存状態の問題もあり、断定ではなく「類似している（cf.）」という慎重な表現が使われています
また、保存状態は良くないものの、首の長い植物食恐竜である「竜脚類（りゅうきゃくるい）」と思われる痕跡も見つかりました。
この発見は、何を意味するのでしょうか。
骨の化石がほとんど見つかっていないこの時代・この場所にも、確かに多様な恐竜たちが生息していたという重用な証拠になります。
どうやら当時のこの地域は、乾燥した気候の中で、一時的に水が存在するような環境だったようです。
そこに大小さまざまな肉食恐竜を中心とした恐竜たちがやってきて、湿った地面に足跡を残していったのかもしれません。
元論文URL→ https://t.co/AeqmMHLETO November 11, 20253RP倭国外务省旗下杂志《外交》vol.94封面文章
(译文仅供参考)
围绕中国习近平体制的博弈
对谈：习近平体制——走向个人独裁的政治力学
铃木隆 大东文化大学教授 川岛真 东京大学教授、本刊编辑委员
习近平统治是否稳固？
川岛： 习近平政权目前已进入第三任期的中期阶段。在展望政权走向时，让我们先梳理一下中国未来的政治日程。2027年第三任期结束将是一个节点，但如果没有突发事件，预计将迎来第四任期（至2032年）。从更长远来看，2049年是建国100周年，中国设定了实现"社会主义现代化强国"、在国际社会获得霸权地位、与美国比肩甚至超越美国的宏大目标。而2035年则是"基本实现社会主义现代化"的阶段性目标。因此，2027年、2032年、2035年、2049年都是展望中国政治时必须关注的重要节点。
川岛： 也就是说，习近平本人的设想可能是：干满四届后，视接班问题的进展选择退休，或者干到第五届，大约到2035年左右。如果真打算第四届就结束，那现在应该已经能看到接班人布局的动向。现任政治局常委中除习近平外的六人，以及23名政治局委员中高龄者不少，进入第四届时可能会有较大调整。主要从新进委员中遴选，在第四届任期内逐步锁定接班候选人。
铃木： 我认为习近平会物色两三个接班候选人，让他们在忠诚度和政策能力上相互竞争，但他本人会尽可能长久地保持最高领导人地位。
川岛： 习近平有可能就任党主席吗？
铃木： 有可能。届时接班人担任党总书记，而他本人以被"推戴"的形式成为党主席。总书记体制原则上是集体领导、多数决，但党主席可以独自决策。我认为会根据第四届的情况相机而动，不过从实际情况来看，习近平的个人独裁已经确立。
川岛： 江泽民、胡锦涛时期推进党内民主化，通过建立明确的政治程序来抑制权力斗争，习近平本人就是通过党内选举当选总书记的。为什么他要逆转这一党内民主化潮流？另外，支撑习近平路线的权力基础在哪里？
铃木： 我认为其根源在于这样一种思维：江泽民、胡锦涛时代约20年积累的问题，比如党内纪律松弛等，必须通过向习近平个人集中权力才能克服。此外，习近平的执政风格和执政哲学很大程度上继承自毛泽东，这一点也很重要。同时，反腐败斗争和改善环境问题等与普通民众切身相关的工作取得了成效，这也成为其向个人集权正当化的依据。
川岛： 就现实的权力基础而言，习近平比毛泽东更强大。毛泽东虽有卡里斯马（charisma）魅力超过习近平，但毛身边有周恩来这样必须重视的同辈。而习近平周围没有能与之并肩的人物。
地方执政经历塑造的海洋进取意识
铃木： 如您在近著中所论述的，习近平的执政风格和政策，他的履历有怎样的影响？
川岛： 地方经验非常重要。政策层面值得关注的是，习近平主政过的福建省、浙江省、上海市都是沿海地区。福建面对台湾，浙江和上海濒临东海，在军事和经济上都是重要地区。正因为有这些经历，台湾问题和海洋进出对他来说是切身关注的事务。
铃木： 内陆陕西省出身、年轻时住窑洞务农的人物，后来作为精英官僚赴任沿海地区，对本国的海洋进出产生兴趣，这确实很有意思。那么在治理层面，"重党轻政"的思想形成也与地方经验有关吗？
川岛： 从他的成长经历来看，他是革命第一代人体悟到的党的献身精神、党作为国家基础而存在的意识的自然继承者。对党国体制的信任可以说是"红二代"（革命前建国时期贡献于党的高级干部子弟）的身份认同。
考察他的权力基础时，与军队的关系也很重要。习近平政权缩减陆军，重视陆海空、火箭军的均衡，致力于建设现代化军队。正因为能够掌控军队，才能推进如此大规模的军制改革。
铃木： 这是因为习近平在1979至1982年有过军队服役经历，对军队这一暴力组织的特性有自信能够理解吧。加之他在地方领导人时期就积极与当地军队干部建立人脉。与刘少奇之子、幼年好友刘源的合作关系也有助于反腐斗争的推进。
川岛： 作为党中央军委主席，他在对军队的影响力方面与前两届政权大不相同。
铃木： 除了中央军委主席，习近平还拥有"联合作战指挥机构总指挥"这一新头衔，位居军令部门之首。与其说是单纯的文职领导人，不如说他有更进一步的"军人政治家"自觉。
川岛： 掌控了党和军队，习近平在中央的权力基础比前两届政权要稳固得多。通过反腐斗争清除政敌，现任政治局常委、政治局委员几乎都是他的人马。最近经常听到"健康隐忧"或"可能进不了第四届"之类的传言，但仔细观察现状，认为他权力基础脆弱的分析令人难以认同。社会和地方当然有不满，但都是静默的。
"欲罢不能"的习近平
铃木： 让人担心的是接班问题。正因为权力向习近平集中，才产生了难题。无论党还是军队，不太可能轻易出现一个值得信任、能够接手他这般权力的人。他似乎被权力之网缠住了。撇开作为权力者对长期执政的野心不谈，包括自身的进退在内，都是权力惯性或惰性的结果，"欲罢不能"才是实情。
川岛： 四五年后的接班问题将会非常棘手。预兆之一是党中央军委人事。解放军中地位仅次于习近平的张又侠预计2027年退休，但其接班候选人一个个"被刺"落马，人事至今悬而未决。外交也是如此，7月份被视为王毅外长接班人的刘建超失势。
铃木： 在国防、外交接班人都不明朗的情况下，习近平本人的接班问题更是困难重重。这样下去，可能会出现"无名小卒被一眼相中"的情况。普京就是先例——1996年被提拔进俄罗斯总统府之前还只是圣彼得堡市副市长。无论如何，在接班人事冻结的状态下，将迎来第四届。
经济困境不会动摇权力基础
川岛： 尽管党中央权力基础稳固，习近平政权面临诸多课题也是事实。经济尤其重要，也有人指出他在这一领域经验不足。
铃木： 习近平本人恐怕对经济本身兴趣不大。但他强烈自认为是"马克思主义者"，在观念上重视经济作为下部结构。但如果真是这样，就不应该只关注供给侧，而应积极处理格差纠正等分配问题。2021年提出的"共同富裕"作为口号传播开来，但缺乏实际举措。另一方面，在美中对抗背景下，对经济增长的维持和科技开发等关注很高。
川岛： 中国共产党的正统性曾建立在革命和民族主义之上，改革开放后又加上了富裕。近年来科技受到重视，但追求富裕依然重要。中国经济失速是否会导致对习近平政权和共产党的支持丧失？
铃木： 在正统性和权力基础维护方面，经济富裕依然重要，但我想指出两点新趋势。第一，以AI应用便利性为代表的科技，以及对政权正统性强化的作用。DeepSeek等大规模语言模型的开发就是典型——"我们能造出不输美国的东西"，科技被用于国威发扬。但第二，回顾中华人民共和国的历史，实际上并没有仅因经济因素就导致体制动荡的先例。1989年天安门事件时，除了通胀等经济困境，还有政治腐败、统治精英分裂等因素共同作用，才发展成全国性政治危机。现在的习近平政权对"三件套"中的后两项应对得绑绑有余，很难想象中国经济恶化就会立即动摇习体制。
川岛： 确实如此。常听到"中国经济恶化，政权会制造对外危机转移国民视线"的说法，但这也缺乏依据。如果危机应对失败，反而无法成为"出气口"，尤其是入侵台湾等对执政者来说门槛极高。
铃木： 即便不至于政争，经济和社会保障问题确实导致国民尤其是年轻人不满积累。本来社会保障改革、国企改革等"核心"政策应该受到重视，但这类长期课题国民难以感受到成效，因此不得不优先眼前的景气对策。
川岛： 社会保障政策难以成为政争焦点。中国独生子女政策一代即将步入50多岁，到2035年将以超过倭国的速度进入超老龄化社会。人口动向将大幅改变社会结构，这可能会影响习近平自己设定的2035年乃至2049年国家目标的实现。
AI催生"超监控社会"的新型治理
川岛： 习近平政权相较前任政权最显著的特征是什么？
铃木： 所谓"数字监控"体制。除了监控摄像头，还利用数字支付网络等，一方面运用大数据掌握全民动向，另一方面获取个人信息强化监视，彻底实施治理。习政权高效察觉各种社会风险，同时还试图利用AI等介入人们的认知领域。
川岛： 作为社会管控强化的工具，确实相当有效。纵观中国历史，中央权力要将影响力延伸到地方各个角落何其困难……蒋介石时代都没能到达村级，村庄纳入中央政府治理还是中华人民共和国成立之后的事。但习近平体制不只是村，还要深入每个国民的头脑。
铃木： 或许存在某种强迫观念，非要把治理做到如此彻底。另一个特征是强调各种"安全"——国家安全等，并通过法制化来实现。
川岛： 相比毛泽东、邓小平，习近平意识到自己缺乏基于实绩的卡里斯马（charisma）权威。因此，他试图通过将各种政策法制化、明确权限来弥补这一不足。
铃木： 确实很"一丝不苟"。不过数字监控体制加上法制化，确实让整个社会越来越压抑。
川岛： 富裕阶层外流就是社会自由丧失的反映。
"北京逻辑"下的中美关系
川岛： 也想讨论一下第二届特朗普政府以来的中美关系。从长期视角来看，对中国而言，如何看待特朗普？
铃木： 对习近平来说，最重要的是遂行自己确立的长期目标，与美国进行持久对抗是特朗普上台前就既定的路线。美国"本国优先"的动向将在特朗普之后持续，但中国不会因此调整长期目标。当然需要应对如追加关税等个别问题，但包括外交因素在内的美国因素是风险管理对象，不会因此改变国家目标。
川岛： 关于特朗普关税，中国经济的GDP大部分已由内需构成。出口方面，只能卖给美国的产品会受冲击，否则找到其他买家就行。从这个意义上说，影响是有限的。
铃木： 从中国的视角来看，随着时间推移，世界大势将对自己有利。既然如此，中国无需主动对美国采取什么行动。这集中体现在加强与全球南方国家的关系上。在亚洲等世界各地的"阵地争夺"中，中国认为自己比"走下坡路的西方"更有优势。
川岛： 特朗普政府解散美国国际开发署(USAID)、实质上撤销美国之音和自由亚洲电台等，以及美国对加沙冲突的应对，都被中国利用。
铃木： 观察中美对抗时，经济安全当然重要，但讨论并不简单。以半导体为例，西方越是试图封锁尖端技术，中国越会推进自主化。据说中国已能制造6纳米制程。当然要量产和进一步突破尖端技术会很艰难，但终究有可能追上。从这个意义上说，特朗普关税和经济安保将加速中国追求的内需型经济建设和自主化。因此，这些应对与既定大方针并不矛盾。
中国更警惕的其实是特朗普就职前后"夺回巴拿马运河控制权"、"购买格陵兰"等言论。这是20世纪初的古典海权复兴行动，与中国的海洋进出战略正面冲突。不过特朗普的言论是在"本土防御要塞化"的语境下发表的，只要止于北美和南美大陆范围，影响有限。
川岛： 特朗普政府的出现及其后的关税和对盟国的防务努力要求，在西方国家引起巨大震动。更不用说作为美国主要竞争对手的中国了——倭国往往有这种思维定式。但站在习近平的立场和逻辑来看，中国目前基本是在既有框架下应对。中国可能会修改长期规划，但眼下更大的问题是人事。
如何看待台湾局势
铃木： 前面谈到了习近平的海洋政策，那么台湾问题呢？
川岛： 习近平设想的海权不仅包含商业要素，还涵盖军事力量在内的全面海洋霸权的实现，台湾也是不可分割的组成部分。除了军事和经济重要性，统一更是担保共产党正统性的命题，不存在不追求统一的选项。而且台湾在甲午战争后成为倭国殖民地，二战后也与大陆分离，统一还有雪洗历史屈辱的意味。
铃木： 台湾局势对倭国也很重要。从中国来看，倭国位于第一岛链（九州、冲绳、台湾、菲律宾等）之上，也是第二岛链（伊豆群岛、小笠原群岛、关岛等）的一部分。中国会对倭国乃至日美同盟采取怎样的策略？
川岛： 日美同盟积累深厚，中国也认为不可能轻易离间日美。但如果倭国方面威胁认知上升，台湾有事的具体军事行动讨论深入，国民不安完全可能蔓延。
铃木： 在倭国社会制造"被卷入恐惧"的舆论工作也会进行。正如已经在台湾实施的那样，利用倭国的民主制度制造国论分裂，以综合削弱倭国的政治和外交力量，各种工作手段都会被使用。如果我是中国当局者，肯定会这么做。
川岛： 需要充分认识这一点。围绕台湾有事，尤其令人担忧的是对冲绳的影响。
铃木： 也有报道称中国正在对冲绳进行各种"工作"，这是值得警惕的事态。
川岛： 不过，倭国国内流传的"中国对冲绳的政治工作和影响力已深度渗透"说法，目前来看是过度评估。但如果轻视这类言论的传播，东京与冲绳政策制定者之间的心理疏离是可能发生的。定期且细致的意见交换和信息共享不可或缺。
台湾有事的应对固然重要，但首先要做好准备。尤其是社会韧性的提升、海底电缆等信息基础设施的保护，以及网络攻击、虚假信息等非武力灰色地带渗透的信息共享合作，应该先推进。在战时与和平时期界限模糊的情况下，需要重新审视日台合作方式，重新设定课题。
倭国新政权应如何面对中国
川岛： 10月21日高市新政权成立。中日关系课题堆积如山，您期待怎样的应对？
铃木： 首先是适当展开首脑外交。近年日韩关系改善就是好例子，首脑外交的成果对两国国民感情影响巨大。中日之间也是如此，要构建稳定关系，首脑层面的对话不可或缺，这也将支撑包括商界在内的国民舆论。
川岛： 日中关系和日韩关系类似，曾因尖阁诸岛问题，中方冻结首脑交流，安倍政权将其恢复到可以重新开展的水平。政治家的决断很重要。
铃木： 在权力集中于习近平个人的政权下，能直接向他输入什么信息将是胜负关键。正因为高市首相拥有保守派支持基础，才可能做出大胆的政策决断，安倍也是如此。
川岛： 倭国常有这样的说法："只要经济恶化，中国就会依赖倭国，采取友好姿态。"但现在中国GDP的大部分由内需构成，焦点在于如何刺激国内个人消费。这一点应该牢记。需要着眼于当前的中国，构建适合当下的中日关系。
川岛真：1997年东京大学研究生院人文社会系研究科博士课程单位取得退学。文学博士。专攻中国政治外交史、东亚国际关系史。历任北海道大学助教、东京大学副教授，现任东京大学教授。合编著有《日中关系2001-2022》《欧亚的自画像》等。
铃木隆：2005年庆应义塾大学研究生院法学研究科博士课程肄业。法学博士。专攻中国政治。历任爱知县立大学副教授，现任大东文化大学教授。著有《中国共产党的支配与权力：党与新兴社会经济精英》《习近平研究：支配体制与领导人的实像》等。
注：
.以上为Claude Opus 4.5基于学术对谈的直接翻译，忠实于原文内容。
.呈现倭国学者视角的分析，原文本身具有立场性，翻译保持中立转述。
.原文未涵盖中方官方叙事、西方主流分析的对比视角，以及经济数据的具体验证。 November 11, 20253RPGoogle TPU 要干掉英伟达了吗？Meta 被曝将大规模采购 TPU，引发市场震动。但真相是：TPU 能撼动英伟达，却永远无法取代英伟达。这不是性能之争，而是生态、时机与战略的较量。
The Information 的一篇重磅报道把整个 AI 行业给炸了，Meta 正在与 Google 进行秘密谈判，计划大批量采购 Google 的 TPU 芯片，用于部分替代英伟达的 GPU 以支持其庞大的数据中心 AI 运算。
根据报道披露的细节，这盘棋下得很大：
- 2026 年： Meta 将大规模租用 Google 云服务（Google Cloud）上的 TPU 算力进行模型训练；
- 2027 年： Meta 将直接采购数十亿美元的 TPU 芯片，部署于自建的数据中心内。
什么？全球最大的 GPU 采购大户要抛弃英伟达了？ Google 的 TPU 居然要走出自家机房，去取代英伟达的 GPU 了吗？
消息一出，资本市场瞬间恐慌了。英伟达股价应声大跌，而 Google 则逆势暴涨，大家都在问：难道英伟达靠 GPU 垄断 AI 数据中心的故事真的讲不下去了吗？TPU 开始逆转了战局了吗？要讲明白这场 GPU vs TPU 的战争，我们要先从英伟达为什么能够像“铁桶”一般垄断 AI 数据中心讲起。
当今的 AI 技术堆栈：一座精密的金字塔
今天的人工智能是一个无比庞大的工业化产业。像 ChatGPT 这样顶尖的 AI 产品，其背后是由一层一层的技术基石堆砌而成的，这在 IT 行业被称为“技术堆栈（Tech Stack）”。
即使采用最粗略的划分方式，要支撑起当下的生成式 AI，至少也包含 5 层关键技术，缺一不可：
- 第一层：算力硬件层（Infrastructure） 这是金字塔的底座，是一切的基础。核心代表毫无疑问是英伟达的 GPU 和 Google 的 TPU。它们提供了 AI 运算所需的庞大算力，就像是工业时代的电力引擎。
- 第二层：系统软件与加速层（System & Compiler） 光有芯片还不够，AI 计算需要成千上万个芯片协同工作。这一层负责调度硬件并优化效率，充当硬件与上层软件的翻译官，它们决定了你能发挥出硬件多少潜能。这一层最典型的护城河技术，就是英伟达的 CUDA，而 Google 的 TPU 也有能够把上层软件编译为 TPU 机器码的 XLA 编译器。
- 第三层：深度学习框架（Deep Learning Frameworks） 想要构建和训练大规模神经网络，开发者不能手搓底层的软件代码，需要成熟的“脚手架”。业界目前最流行的是 META 发起开源软件 PyTorch（目前对 GPU 生态支持最好，是事实标准），以及 Google 发起的开源软件 JAX 和经典的 TensorFlow。
- 第四层：基础大模型（Foundation Models） 这是由深度学习框架训练出来的“超级大脑”，是目前竞争最激烈的战场。
- 语言/多模态模型： 如 OpenAI 的 GPT-5、Google 的 Gemini 3；
- 视频生成模型： 如 OpenAI 的 Sora、Google 的 Veo；
- 图像生成模型： 如 Google 的 Imagen、Midjourney。
- 第五层：AI 应用与交互层（Applications & Agents） 这是用户直接接触的产品。它将底层强大的模型能力封装成人类可以交互的工具。例如 ChatGPT，它的底层核心是 GPT 模型，但它本身是一个增加了对话界面、联网搜索、记忆功能的产品；又比如 Google 的 NotebookLM。
为什么英伟达在 AI 数据中心市场形成了绝对垄断？
我们经常感叹英伟达的 GPU（如 H100、H200、B200）硬件参数如何炸裂，但这只是冰山一角。英伟达之所以能对 AI 数据中心市场形成近乎无解的垄断（市占率一度超过 95%），主要源于以下三个维度的降维打击：
1. 通用性极强的单点算力 英伟达的 GPU 本质上是通用计算加速器（GPGPU）。它不仅能完美覆盖 AI 大模型的训练（Training）和推理（Inference），还能兼顾科学计算（气象模拟、药物研发）、图形渲染甚至加密货币挖掘。这种“一卡多用”的特性，使其成为了数据中心的硬通货——买了永远不亏，不用来炼丹还能用来挖矿（开玩笑，但道理如此）。
2. 恐怖的集群扩展能力（Scale-up & Scale-out） AI 大模型训练不是单打独斗，而是需要成千上万张显卡协同作战。英伟达在这方面做得太绝了：
- 节点内互联：通过独家的 NVLink 技术，英伟达可以将多个 GPU（甚至高达 72 个 GPU 组成的 GB200 NVL72 机柜系统）连接成一个“超级逻辑 GPU”，显存和算力实现无缝共享。
- 节点间互联：通过收购 Mellanox 获得的 InfiniBand 高速网络技术，让成千上万台服务器之间的数据传输快如闪电，解决了大规模集群的通信瓶颈。
3. 真正的护城河：CUDA 软件生态 这是英伟达最难被逾越的壁垒，就像 PC 时代的 Windows 操作系统。
- 底层基石：CUDA 提供了最底层的并行计算库，几乎所有的高性能计算场景都基于此构建，经过了 20 年的打磨。
- 顶层框架：当今统治级的深度学习框架 PyTorch 对 CUDA 提供了最原生的支持。这意味着开发者只需编写几行 Python 代码，就能调用底层强大的算力。
- 生态闭环：围绕 PyTorch/CUDA/GPU 已经形成了一套成熟的“开箱即用”基础设施。
为什么竞争对手很难追赶？ 即使竞争对手（如 AMD 或国产芯片厂商）在硬件参数上追平了 H200，依然无法撼动英伟达的地位。因为缺乏庞大的软件生态支持，意味着极高的迁移成本和时间风险。
一个真实的行业痛点（听起来很痛）： 目前很多致力于适配非英伟达芯片的 AI 团队都面临着巨大的痛苦。许多针对英伟达 GPU 进行过深度优化的模型（特别是涉及复杂算子或 MoE 架构的模型），一旦迁移到其他芯片平台，往往会面临严重的兼容性问题。
- 开发难：大量算子需要从头手写，费时费力，如同用汇编语言写网页。
- 稳定性差：模型训练过程中经常出现莫名其妙的数值溢出或系统崩溃（Crash）。
在当前的 AI 竞赛中，一次全量模型训练往往耗时数月，成本以千万美元计。如果因为芯片兼容性导致训练中途崩溃几次，浪费的不仅是电费，更是半年甚至一年的宝贵时间窗口。这种巨大的试错成本，是任何一家争分夺秒的 AI 公司都无法承受的。传言某国内顶级 AI 模型就是因为在国产芯片上训练下一代模型频繁崩溃，导致一直难产，真的是太痛了。
这就是为什么英伟达在 AI 数据中心市场越成功，行业对其路径依赖就越严重——因为没有人敢承担离开英伟达的代价。
Google 的 TPU 又是怎么崛起的？
尽管英伟达的统治力无可争议，但是 Google TPU 却是个异类，它不仅活下来了，还活得很好，已在 AI 顶级赛道站稳脚跟。
首先，TPU 已经用实战成绩证明了自己在 AI 大模型训练和推理领域的成功：
- Google 本家基石： Google 最强的 Gemini 系列模型，完全基于 TPU 进行训练和推理；
- 独角兽的选择： 顶级 AI 公司 Anthropic (Claude) 在 Google Cloud 上大规模使用了 TPU 算力；
- 科技巨头的背书： 就连 Apple 在训练其 Apple Intelligence 基础模型时，也公开表示使用了 Google 的 TPU v4 和 v5p 集群，而非英伟达 GPU。
那么，在英伟达已经成为绝对霸主的情况下，Google TPU 凭什么能异军突起？我们不妨对照英伟达成功的三个维度来深度解析：
1. 算力哲学：极度通用 vs 极致专用 英伟达 GPU 的强大在于“通用性”。而 Google TPU 从 2012 年设计之初，就是为了特定用途——大规模矩阵乘法而生。 现在的 AI 大模型训练，本质上就是在大规模地做矩阵乘法。因为放弃了图形渲染等通用功能，TPU 的芯片设计得以大幅简化，从而在“矩阵计算”这单一场景下取得了极致的能效比和性能表现。
2. 互联技术：电互联 vs 光互联 (OCS) 英伟达在服务器间的高速互联（NVLink/InfiniBand）上表现出色，覆盖了从单机多卡到万卡集群的广泛场景。 而 Google TPU 另辟蹊径，主攻超大规模集群互联。Google 引入了独特的 OCS（光路交换）技术，用光互联将成千上万颗 TPU 动态编织在一起。最新的 TPU v5p 单个 Pod 即可容纳 8960 颗芯片，甚至可以通过光互联扩展至数万卡的超级集群。这种架构在大规模并行训练中，展现出了极高的带宽利用率和灵活性，且布线极其整洁。
3. 软件生态：CUDA 帝国 vs JAX/XLA 新势力 英伟达的 CUDA 和 PyTorch 让 AI 开发变得“开箱即用”，这是其最大的护城河。但 Google 经过多年深耕，也打磨出了一套极为硬核的软件栈：
- XLA (2016)： 一个强大的编译器，能将计算图直接编译为 TPU 机器码，榨干硬件性能。
- JAX (2018)： 一个旨在替代 TensorFlow 的前沿框架。
对比 PyTorch： PyTorch 是面向对象编程，符合人类直觉，简单易用；而 JAX 是函数式编程，学习曲线陡峭，但在处理超大规模并行计算时具有先天优势，代码更简洁，数学表达更纯粹。
跨界打击： JAX 的优秀甚至溢出了 TPU 生态。如马斯克的 xAI 虽然使用的是英伟达 H100 集群，但为了追求对硬件性能的极致压榨，在训练 Grok 模型时并没有使用 PyTorch，而是选择了 JAX。
总结：生态位的胜利 经过多年的演化，在超大模型训练这一“皇冠上的明珠”场景下，JAX + XLA + TPU 技术栈已经形成了一个完整的闭环。它不仅被验证是成功的，甚至在某些超大规模场景下，能取得比 Pytorch + CUDA + GPU 更优的能效比。在 Google Cloud 上，TPU 的 token 成本定价低于英伟达 GPU，就是最好的证明。这也是 Google Cloud 在云计算市场竞争中的秘密武器。总之：
英伟达 vs Google：两种技术哲学的碰撞
- 应用场景： 通用型霸主 vs 超大模型专用特种兵
- 软件门槛： 低门槛的群众基础 vs 高门槛的专家利器
- 商业模式： 庞大的全行业生态 vs 垂直整合的自研闭环
如果说英伟达就像一辆豪华的全能越野车，哪里都能去，谁都能开，到处都有维修店；那么 Google 就像一辆定制的 F1 方程式赛车，只能跑赛道，赛车手才能开。大多数人买车首选 SUV（英伟达），因为方便、省心；但在争夺世界冠军的顶级赛场上，追求极致速度的车队（如 Google、xAI、Anthropic）会考虑使用 F1 赛车（TPU）。
Google TPU 能干掉英伟达吗？
照你这么说的话，Google TPU 岂不是已经成功挑战英伟达，打破了英伟达 GPU 的绝对垄断地位吗？事情没有那么简单。
1. TPU 的局限性与 Google 的双重身份 前面提到 Google TPU 极其擅长超大模型的训练/推理以及大规模推荐系统，但在通用性上，其他场景要么根本不适用，要么能效比不如英伟达 GPU。 对于 Google 庞大的产品线（YouTube、Search、Cloud）来说，对通用 GPU 的需求依然是海量的。因此，Google 一边自研 TPU，一边依然是英伟达 GPU 的全球采购大户。这一点在未来几年内都不会改变。
2. 迁移成本高昂的“生态墙” 尽管在超大模型场景下，JAX + XLA + TPU 的技术栈能取得显著优势，但这要求你必须“从零开始”就拥抱 Google 生态。 如果现有的项目是基于 PyTorch 和 CUDA 深度优化的，想要迁移到 TPU，约等于重写底层代码并进行大规模兼容性测试。这种“重起炉灶”的时间成本和工程风险，足以让绝大多数企业望而却步。
因此目前来看，Google TPU 的用户群体画像非常清晰，主要就两类：一是高校科研（科学计算），二是超大模型的训练和推理。
为什么 TPU 会有很多科学计算用户？ 这是因为 Google Cloud 长期为高校科研开放免费的 TPU 资源（TPU Research Cloud），加上极度好用的 Colab 服务（免费提供 TPU/GPU 算力），在学术界圈粉无数，培养了一大批习惯 TPU 的科研生力军。
那么，超大模型领域的潜在客户呢？ 我们逐一分析市面上的两类大客户：
- 大型云计算厂商： Amazon, Microsoft, Oracle 以及 CoreWeave 等新兴 GPU 云厂商。
- AI 大模型厂商： OpenAI, Anthropic, xAI, Meta 等。
大型云计算厂商（Amazon, Microsoft）本身就是 Google Cloud 的死对头，且都在自研芯片（Trainium, Maia），绝无可能去买对手的算力。而 Oracle 和 CoreWeave 早就通过深度绑定英伟达赚得盆满钵满，是英伟达的铁杆盟友。
AI 大模型厂商呢？
- OpenAI： Google Gemini 的头号宿敌，微软的盟友，不可能用 TPU。
- xAI： 马斯克与 Google 积怨已久，且正通过特斯拉和 xAI 构建自己的超算集群。
- Meta： 回到开头的新闻，Meta 是个超级大户。虽然传闻在谈，但 Meta 也是 Google 广告业务的直接对手。扎克伯格目前手握全球最大规模的 H100 集群之一，并且 Meta 正在积极迭代自研芯片 MTIA。虽然他们不搞公有云，但为了战略安全和技术自主，Meta 不太可能全面依赖 Google 的 TPU，最多是作为补充或谈判筹码。
- Anthropic： 剩下的只有它了。Google 是 Anthropic 的大金主，所以 Anthropic 使用 TPU 是顺理成章的。
盘算下来，TPU 的外部大客户其实寥寥无几。 这点体量，完全不足以对英伟达的统治地位构成“颠覆性”冲击。 因此，Google 最明智的策略依然是：在 Google Cloud 上提供极致性价比的 TPU 服务，用“省钱”和“能效”从其他云厂商口中抢肉吃，而不是想着彻底干掉英伟达。
如果 Google 非要“头铁”，下场卖 TPU 芯片抢市场呢？ 我认为这极其不明智：
- 供应链与利润结构： TPU 是 Google 与博通（Broadcom）合作设计的 ASIC。如果对外售卖，不仅涉及复杂的供应链管理，还要分润给博通，这会拉低硬件毛利。卖贵了，打不过英伟达；卖便宜了，除去博通的成本，Google 图什么？
- 客户池太浅： 如前所述，愿意买 TPU 且不与 Google 构成直接竞争的大客户极少。
- 田忌赛马的反面： 用自己公司的“内部工具/副业”去硬拼英伟达赖以生存的“主业”，胜算能有多高？
- 最后，也是最关键的宏观背景： 目前全球 AI 数据中心市场正处于“短缺经济”时代。不仅 GPU 缺，HBM 内存、CoWoS 封装产能、电力、甚至建设数据中心的土地都极度紧缺。虽然各大科技巨头的资本支出（Capex）已经高得吓人，但面对爆炸性的业务需求，供给依然不够。微软今年初曾试图下调资本支出，结果发现需求太猛，转头又开始疯狂追加投入。
在一个供不应求的增量市场里，无论你填进去多少算力（无论是 GPU 还是 TPU），都会被瞬间吃干抹净。英伟达的 GPU 和 Google 的 TPU 目前仍处于“各自跑马圈地”的阶段，而非“你死我活”的零和博弈。
我的结论：
Google TPU 对英伟达确实有冲击，但不必过度恐慌。 从长期看，Google TPU 的存在更像是一个强有力的“议价筹码”。当大客户有了备胎（TPU 或自研芯片），英伟达就很难长期维持如今夸张的 75% 利润率。
英伟达未来的市场份额确实会受影响，主要来自：
- Google 自身业务（搜索、推荐、Gemini）更多转向 TPU，减少购买 GPU；
- Google Cloud 的深度合作伙伴（如 Anthropic）减少购买 GPU。 这可能会导致英伟达在数据中心的市占率从 90%+ 缓慢回落到 75%-80% 左右，但这并不改变其商业逻辑的本质。
这就像当年的 PC 市场： 苹果 Macintosh 电脑的崛起虽然让 Windows 的市占率有所下降，但并没有终结 Windows 的垄断。真正终结 Windows 霸权时代的，不是 Mac，而是智能手机的兴起。 同理，Google TPU 干不掉英伟达。真正能干掉英伟达的，只能是下一代计算范式的彻底变革。
Google 的成功是不可复制的
好吧，虽然你说的很有道理，但是 Google 能干成全栈自研，尝到了甜头的其他巨头岂不是会纷纷效仿吗？Amazon，Microsoft，Meta，OpenAI 这几个英伟达的头部大客户都在自研 ASIC 芯片，将来他们都减少了对英伟达芯片的采购，英伟达不是要喝西北风了？
我的观点就是：Google 的成功是不可复制的。
Google 的技术栈能够成功，综合了以下几个不可或缺的因素，而这恰恰是微软、Meta 和亚马逊所不具备的：
1. 十年的时间壁垒（Time & Iteration）
芯片设计不是搭积木，它需要漫长的迭代周期。 Google 早在 2013-2014 年就开始秘密研发 TPU，2016 年 AlphaGo 击败李世石震惊世界时，背后就是 TPU v1 在提供算力。
当微软在 2023 年才匆忙推出 Maia 100 时，Google 的 TPU 已经迭代到了第 6 代甚至第 7 代。
这 10 年间踩过的坑、修复的 Bug、积累的制程经验、以及对散热和互联架构的微调，绝非其他公司靠“砸钱”就能在两三年内追平的。在硅基世界里，经验值就是良率，就是能效比。
2. 真正全栈的“软硬一体”的垂直整合掌控力（Full-Stack Control）
这是 Google 最可怕的地方，也是其他巨头最大的软肋。
Google 拥有整个链条： 硬件（TPU）+ 编译器（XLA）+ 框架（JAX）+ 模型（Gemini）。Google 的科学家 Jeff Dean 可以让设计 Gemini 的算法团队直接坐在设计 TPU 的硬件团队对面，告诉他们：“我们需要一个特定的指令集来加速这个算子。”这种协同效应是核爆级的。
反观微软/Meta： 微软虽然造了 Maia 芯片，但它上面的软件栈主要依赖 OpenAI，而 OpenAI 和整个业界主流依赖的是 PyTorch。PyTorch 的亲爹是 Meta，但 PyTorch 对英伟达 GPU 的优化是刻在基因里的。
微软想要 Maia 好用，就得去魔改 PyTorch 底层，或者指望 OpenAI 为了适配 Maia 去重写代码。这中间不仅隔着公司墙，还隔着巨大的技术债务。
只要 PyTorch 依然是业界标准，其他自研芯片就永远是在“模拟”或“适配”英伟达，而 Google 是在玩一套完全独立的游戏规则。
3. 极其特殊的“光互联”基础设施（OCS Infrastructure）
前面提到的 OCS（光路交换）技术，是 Google 数据中心的独门绝技。 Google 为了适配 TPU 的大规模互联，甚至重新设计了数据中心的物理布线和机柜架构。这种光互联技术允许 TPU 节点之间以极低的延迟和功耗进行动态重组。 其他云厂商的数据中心是基于标准以太网架构建设的，想要复刻 Google 这套“光互联”网络，意味着要推翻现有的数据中心物理架构，这个沉没成本是天文数字。
4. 无法比拟的内部“吞吐量”（Internal Workload）
在生成式 AI 爆发之前，Google 就拥有地球上最庞大的 AI 推荐系统——Google Search、YouTube 推荐算法和 Google Ads。
这些业务每天产生数以亿计的并发请求，为 TPU 提供了天然的、海量的“练兵场”。
即便没有外部客户买单，Google 自己的业务就能消化掉 TPU 的产能。这让 Google 敢于在 TPU 早期性能不完善时，强行在内部推广（Dogfooding），通过海量真实数据把芯片“磨”出来。
相比之下，Meta 虽然有推荐算法需求，但起步晚且早期全押注 GPU；微软的 Azure 主要是卖资源给客户，如果自研芯片不好用，客户会直接用脚投票切回英伟达。
英伟达更像 AI 时代英特尔
著名电影《大空投》原型 Michael Burry 曾暗示英伟达正处于类似互联网泡沫时期的境地，不少看空者也认为英伟达与 OpenAI 之间相互投资和采购的关系，吹起了一个巨大的估值泡沫。他们认为一旦泡沫破裂，英伟达就会像 2000 年的 Cisco（思科）一样，股价暴跌 80% 以上。
但我认为，当下的英伟达并不像当年的 Cisco，而更像 PC 黄金时代的 Intel。 Intel 的股价腾飞始于 1993 年，于 2000 年触顶，随后经历了漫长的震荡与调整。 回顾那段历史，我们可以发现惊人的相似性：
- 1993 年之前（群雄逐鹿）： PC 的 CPU 市场处于混战时代，各路架构互不相让。
- 1993 年（霸主确立）： Intel 推出奔腾（Pentium）处理器，凭借强悍的性能一举确立了 CPU 市场的统治地位。
- 1995 年（杀手级应用爆发）： 微软推出 Windows 95，图形界面的革命引发了全球性的 PC 换机潮。受此驱动，Intel 的股价在 1996 年迎来了极高斜率的上涨。
- 2000 年（盛极而衰）： Intel 股价在 2000 年见顶，随后狂跌。这背后既有互联网泡沫破灭的宏观原因，也有 PC 市场渗透率见顶的因素。同时，Intel 在技术路线上遭遇了 AMD 速龙（Athlon）处理器的强力挑战，且在后续的 64 位指令集之争中（安腾项目）犯了严重的战略错误。
2022 年 ChatGPT 的横空出世，就是 AI 时代的 "Windows 95 时刻"，它极大刺激了全行业对于算力基础设施的升级换代。借助这股 AI 浪潮，英伟达正在狂飙突进。现在的英伟达，像极了 1997 年处于巅峰缓慢爬升期的 Intel。
我相信，在未来几年的 AI 算力市场将呈现“一超一强多级”的格局：
- 英伟达（The Generalist King）： 依然是绝对的“一超”。它占据 75%-80% 的市场份额，服务于所有追求通用性、追求开发效率、追求 Time-to-market 的企业。所有的初创公司、大部分云客户、以及需要频繁试错的模型团队，依然只能选英伟达。
- Google TPU（The Specialized Powerhouse）： 它是那个“特种部队”。它守住 Google 自己的万亿帝国，并在超大模型训练这一垂直领域，成为唯一能跟英伟达叫板的“异类”。
- 其他自研芯片和 AMD（AWS Trainium, MS Maia, Meta MTIA）： 它们更多是“成本调节器”。它们会被用于处理那些负载稳定、算法成熟的推理任务（比如每天运行几亿次的简单推荐或聊天机器人推理）。巨头们用它来通过简单的替代降低运营成本，也就是所谓的“省钱芯片”，但很难承担起“探索下一代 AI 前沿”的重任。
Google 的王者归来：全栈自研的胜利
2022 年底 ChatGPT 的横空出世，曾让 Google 这位 AI 领域的先行者显得黯淡无光。然而，站在 2025 年底的今天回望，Google 的表现足以让人刮目相看。
目前的 Google，是全球唯一一家真正实现了AI 全栈自研、软硬件垂直整合的头部厂商。这种整合优势正在形成巨大的飞轮效应：
- 算力底座： 在硬件层面，Google 利用 TPU 大规模集群高效实现了 Gemini 3 模型的训练和推理，摆脱了对外部 GPU 的依赖。
- 生态闭环： 通过多年的技术积累，打造了难以复制的软硬件一体化技术栈生态：JAX / XLA / TPU，极大地提升了研发效率。
- 云端优势： Google Cloud 虽然在市场份额上仍居 Amazon 和 Microsoft 之后，但增速惊人。更重要的是，得益于自研芯片，其 TPU 的租赁费用相比 GPU 拥有显著的价格优势，这对初创公司极具吸引力。
- 模型与成本：Gemini 3 在多项基准测试中已完全不输 GPT-5.1，甚至在长上下文和多模态理解上有所超越。基于自有云和芯片的成本优势，Gemini 能够提供更具竞争力的 API 调用价格，这种“低成本高智能”的反向优势正在快速抢占开发者市场。
- 产品矩阵全面开花：
1. NotebookLM 已成为“杀手级”的 AI 知识库和学习工具，深受科研与教育用户喜爱。
2. 多模态创作： Gemini 现已深度整合 Veo（视频生成）和 Imagen（图像生成），用户可在一个工作流中完成复杂的创作任务。
3. 搜索进化： Google Search 全面推出了 AI Overviews，成功将传统搜索与 AI 问答无缝整合。
4. 交互创新： 最新推出的生成式 UI (Generative UI) 更是令人惊艳，根据用户意图实时生成交互界面。
关键在于，Google 形成了一个从芯片、基础设施、模型到应用产品的完整闭环，各环节还能互相加强。这就好比 Google 一家公司独自完成了“英伟达 + 微软 + OpenAI”三家公司的工作。再加上 Google 全球数十亿的用户基数，以及 Chrome 浏览器和 Android 移动端两大核心入口，其上限不可估量。
为何半年前股价低迷、备受质疑的 Google，能在这半年实现逆袭？
此前市场看衰 Google，主要基于以下隐忧：
- 商业模式挑战： Google Search 靠竞价排名赚钱，市场担心 AI 问答范式会彻底颠覆这一现金牛。
- 大公司病与人才流失： 尽管 AI 大模型的基石——Transformer 论文是 Google 于 2017 年发表的，但果实却被 OpenAI 摘取。CEO Sundar Pichai 被认为过于稳健，缺乏魄力；内部 DeepMind 和 Google Brain 两个顶尖团队曾各自为战，内耗严重，导致许多论文作者离职。
- 模型落后： 在 Gemini 2.5 发布之前，Google 长期被 OpenAI 的 GPT 系列压制，甚至一度不如 Anthropic 的 Claude，面临在 AI 时代掉队的风险。
但在过去两年，Google 成功扭转了局势：
- 搜索护城河依然稳固： 事实证明，Google Search 并未被轻易颠覆，反而通过集成 AI 变得更强。用户在多轮对话中不仅有明确的个性化需求，AI 还能更精准地推荐个性化的产品与服务。广告业务被 AI 范式颠覆的风险被大大高估了。
- 组织架构重塑： 2023 年起，创始人 Sergey Brin 回归一线，深度参与模型开发。Google 将原本竞争的两个 AI 团队合并为 Google DeepMind，由 Demis Hassabis 挂帅。这一举措成功消除了内耗，重新激活了团队的创新力。
- 模型反超：Gemini 3 Pro 如今展现出后来居上的态势，不仅在性能上反超 GPT-5.1，市场占有率也稳步攀升。攻守之势异也，现在压力来到了 OpenAI 一方。
归根结底，AI 时代的核心竞争点依然是谁能做出最强的大模型。
如果 Gemini 弱，Google 的生态优势无从发挥；一旦 Gemini 领先，Google 强大的全栈整合能力就会瞬间爆发，形成降维打击。
最后我想说，英伟达是算力时代的‘卖水人’，而 Google 是全栈 AI 的‘领航员’。它们都是伟大的公司，对于投资者来说，与其在非此即彼的零和博弈中焦虑，不如看到它们各自不可替代的价值——这两者都值得你们同时拥有。
#AI产业 #大模型 #AI基础设施 #GPU #Gemini #TPU #JAX #XLA #CUDA #谷歌 #英伟达 November 11, 20252RP『美國共和黨剛提出《司法問責法》，要開始讓那些一再釋放暴力慣犯的法官進監獄。
這項法案簡單、狠辣：
只要法官讓被告以「自行具保」或超低保釋金獲釋，而該被告在 12 個月內再犯重罪，法官就會自動面臨聯邦刑事指控——最高可判 10 年，並永久取消執業資格。
他們甚至附上公開資料庫：
所有「對犯罪太軟」的法官姓名、照片、以及他們放出去的再犯累犯紀錄都會公開，讓受害者家屬清楚知道，是哪位法官讓殺害親人的兇手在謀殺前被放了三次。
法案由那些曾目睹 Darrell Brooks 在只付 1000 美元保釋金後、開車衝進聖誕遊行的共和黨強硬派提出——而沃基肖那位法官到今天還穿著她的法袍。
民主黨痛批這是「攻擊司法獨立」。
但司法獨立不代表司法免責，尤其當你的「同情心」讓街道上多了屍體。
黑袍社工把城市變成自由槍擊區的時代結束了——
下一站，是讓他們穿上和那些被他們放出去的犯人同款的橘色囚服。
來源：美國眾議院 H.R.9177《司法問責法》，2025/11/27；Fox News、NY Post』 November 11, 20252RP古知累すすむさんという方が従事されている「恐竜研究」という仕事は、どのようなキャリアプランを経た上でなれるものなのだろうか…？
一般企業の研究者も面白いけど、そういうロマン溢れる研究の仕事もしてみたかったな。 November 11, 2025今天分享一个我在 @trylimitless 上的“干净预测”流程，真的把我从瞎猜拉回到概率思维
1）只跑3个市场：两档小时 Above/Below + 一档日内
2）进场前写一句话的论点 + 一条“杀掉条件”，仓位小到可以忽略
3）用挂单优先（挂单免费），吃单时清楚显示手续费，避免情绪化
4）下单后离开屏幕，晚上复盘收据，第二天微调
Base 上极速结算、低费率、YES/NO 结构足够直线，实时数据干净到像读市场脉搏。更妙的是不交易也能参与生态的“被动引擎”。规模方面：累计成交已过 $600M，11M $LMTS 质押，周周有 $50K 费收益回购，点数赛道占总量 2% 到 1月26日结束，日内流量常见 $2M-$3M，节奏很明确。想更刺激，ApeX 合作的事件合约最高 20x，但仍是 YES/NO 的心智负担
我把这套节奏同步到 @wallchain 的创作者例行，像注意力健身房一样稳定输出，顺便追 Royale 7D 排名
#DeFi #PredictionMarkets #Base $LMTS
你这周最干净的 Above/Below 读法是？ November 11, 2025ですから、学術的に「正当性」のある（と僕が言う）北朝正統を、議論を専らにし、公的な手続きを経て、公的に「北朝正統」（北朝を歴代天皇にする）を実現しよう、と累々述べています。現時点で明治天皇の勅裁のため「正統」でなくとも、それは変更可能であるなら「北朝正統」は実現可能ですよね？ https://t.co/989RyJJcD1 November 11, 2025@mame_EVOL 久々にチビサイズから育成やります。
PDのスタッフさんがずーっと何年も累代してた種達なのですが店がなくなって継続出来なくなるから、是非引き継いでほしいという話になりまして。 November 11, 2025@soruto5i1r2h430 ♠︎パゲ子orコウくん/パゲちゃん、コウくん
♠︎イデア・シュラウド💗/糸師凛/累/冨岡義勇etc…
💙19歳
💙10月11日
♠︎タメ大歓迎〜╰(*´︶`*)╯♡
♠︎もちろん‼️
♠︎どっちもOK〜
💙これからもよろしくね〜
沢山絡みに行くよ！ November 11, 2025🧠 betaione · AI 足彩公开实验｜阶段战报（截至 11 月 30 日） 收益率将近 300%
我们是 betaione，一个用 AI 来分析和预测足球比赛的公开实验项目。
模型结合了多种信息：
•历史数据：球队近期表现、进失球数据等
•赔率变化：开盘 / 变盘、隐含概率对比
•基本面：主客场、赛程、伤停等
然后由 AI 给出每场比赛的预测方向和「预测信心」。
从 2025-11-26 开始，我们做了一件事：
👉 不卖料、不带单，只做一个完全公开的资金模拟实验。
⸻
💰 一、资金模拟结果（只看 Top5 高信心比赛）
规则非常简单：
•初始资金：$1,000
•每天选出当日「预测信心最高的 5 场」作为组合
•当天资金平均分成 5 份，全部按 AI 推荐方向做模拟下注（并非真实投注）
截止 2025-11-30：
•参与资金模拟的 Top5 比赛：19 场
•命中：15 场（命中率约 79%）
•资金从：$1,000 → $2,914
•累计盈利：+$1,914（约 +191% 模拟收益）
按天看一下波动（都是“模拟盘”的结果）：
•🗓 11/26：5 场全中，资金 $1,000 → $3,360（+236%）
•🗓 11/27：5 场中 4 场，$3,360 → $3,823.68（+13.8%）
•🗓 11/29：5 场中 4 场，当日大致打平，$3,823.68 → $3,823.68（0%）
•🗓 11/30：有效模拟 4 场中 2 场，出现回撤，$3,823.68 → $2,913.64（约 -23.8%）
也就是说：
•这个模型有爆发（首日翻得很夸张），
•也有回撤（后面几天有输有赢），
•更接近真实世界中「长期做交易 / 投注系统」的感觉——不会只给你看爽图。
⸻
🎯 二、所有已结算比赛的整体预测表现
我们不仅看 Top5 模拟盘，也统计了表里 所有已经有赛果的比赛：
•总预测场次（有实际结果）：38 场
•命中场次：20 场
•整体命中率：约 52.6%
在所有命中的比赛中：
•命中场次的平均赔率：约 2.17
•最低命中赔率：1.11
•最高命中赔率：9.50
如果对这些比赛做一个非常简单的「每场固定 1 单位下注」模拟：
•总投入：38 单位
•累计盈利：+4.18 单位
•模拟 ROI：约 +11%
这部分更多是告诉你：
•模型不是神，整体命中率也不是 80%、90% 那种玄学水平；
•但在合理赔率区间内，长期下来仍然有正的期望收益（在当前小样本下）。
⸻
📋 三、我们到底“下”了哪些场？（均为模拟）
Top5 模拟组合中，几天的代表场次举例（实际推荐可在配图 / TG 中对照）：
•11/26：Dortmund vs Villarreal、Ajax vs Benfica、Chelsea vs Barcelona 等，5/5 全中 ✅
•11/27：Sporting CP vs Club Brugge、PSG vs Tottenham、Olympiakos vs Real Madrid 等，4/5 ✅
•11/29：Bayern vs St. Pauli、Barcelona vs Alaves、Man City vs Leeds 等，4/5 ✅
•11/30：Atletico Madrid vs Oviedo、AC Milan vs Lazio、Juventus vs Cagliari 等，3/5 ✅
所有这些比赛，在开赛前都会先发在我们的 Telegram 机器人 / 频道里，并且赛后不会删贴，方便任何人回头核对。
⸻
📈 四、你在这个账号能看到什么？
•每天的部分 AI 推荐场次（X 上公开 Top3）
•昨日资金模拟结果 & 曲线截图
•一场热门比赛的详细分析（数据 + 赔率 + 模型视角）
•阶段性战报：总体命中率、资金曲线、模拟 ROI 等
👉 想看完整推荐列表、实时资金曲线和所有历史战绩：
进入我们的 Telegram 机器人： [TG 链接]
（截图里也会标出入口）
⸻
⚠️ 安全与合规说明（必须看 👇）
•本项目所有内容均为 AI 技术研究 + 数据模拟展示，不是、也不会成为任何形式的投资 / 博彩 / 理财建议；
•我们不鼓励也不引导任何人进行真实下注；如果你仍然选择参与，请务必量力而行，只用自己可以承受亏损的钱，理性对待；
•请确认你所在地区允许并合法参与相关活动，务必遵守当地法律法规；
•未成年人严禁参与。
⸻
English summary
We are betaione, an AI-driven football prediction project running a fully transparent public bankroll simulation.
•Start bankroll: $1,000
•Current simulated bankroll: $2,914 (+191%)
•Daily strategy: take the top-5 highest-confidence AI picks and split the bankroll equally (simulation only).
•Top-5 simulation so far: 15 wins / 19 bets (~79% hit rate)
•All finished predictions: 20 wins / 38 games (~52.6% hit rate)
•Flat 1-unit staking on all games gives a simulated ROI of about +11%.
Full pick history and bankroll curve are logged in our Telegram bot: [TG link].
All of this is for technical demonstration and simulation only – it is not betting or financial advice.
Please make sure sports betting is legal in your jurisdiction, bet responsibly if you choose to, and 18+ only. November 11, 2025＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。倭人速報公式アカウント
•🗓 11/27：5 场中 4 场，,360 → ,823.68（+13.8%）
•🗓 11/29：5 场中 4 场，当日大致打平，,823.68 → ,823.68（0%）
•🗓 11/30：有效模拟 4 场中 2 场，出现回撤，,823.68 → ,913.64（约 -23.8%）
也就是说：
•这个模型有爆发（首日翻得很夸张），
•也有回撤（后面几天有输有赢），
•更接近真实世界中「长期做交易 / 投注系统」的感觉——不会只给你看爽图。
⸻
🎯 二、所有已结算比赛的整体预测表现
我们不仅看 Top5 模拟盘，也统计了表里 所有已经有赛果的比赛：
•总预测场次（有实际结果）：38 场
•命中场次：20 场
•整体命中率：约 52.6%
在所有命中的比赛中：
•命中场次的平均赔率：约 2.17
•最低命中赔率：1.11
•最高命中赔率：9.50
如果对这些比赛做一个非常简单的「每场固定 1 单位下注」模拟：
•总投入：38 单位
•累计盈利：+4.18 单位
•模拟 ROI：约 +11%
这部分更多是告诉你：
•模型不是神，整体命中率也不是 80%、90% 那种玄学水平；
•但在合理赔率区间内，长期下来仍然有正的期望收益（在当前小样本下）。
⸻
📋 三、我们到底“下”了哪些场？（均为模拟）
Top5 模拟组合中，几天的代表场次举例（实际推荐可在配图 / TG 中对照）：
•11/26：Dortmund vs Villarreal、Ajax vs Benfica、Chelsea vs Barcelona 等，5/5 全中 ✅
•11/27：Sporting CP vs Club Brugge、PSG vs Tottenham、Olympiakos vs Real Madrid 等，4/5 ✅
•11/29：Bayern vs St. Pauli、Barcelona vs Alaves、Man City vs Leeds 等，4/5 ✅
•11/30：Atletico Madrid vs Oviedo、AC Milan vs Lazio、Juventus vs Cagliari 等，3/5 ✅
所有这些比赛，在开赛前都会先发在我们的 Telegram 机器人 / 频道里，并且赛后不会删贴，方便任何人回头核对。
⸻
📈 四、你在这个账号能看到什么？
•每天的部分 AI 推荐场次（X 上公开 Top3）
•昨日资金模拟结果 & 曲线截图
•一场热门比赛的详细分析（数据 + 赔率 + 模型视角）
•阶段性战报：总体命中率、资金曲线、模拟 ROI 等
👉 想看完整推荐列表、实时资金曲线和所有历史战绩：
进入我们的 Telegram 机器人： [TG 链接]
（截图里也会标出入口）
⸻
⚠️ 安全与合规说明（必须看 👇）
•本项目所有内容均为 AI 技术研究 + 数据模拟展示，不是、也不会成为任何形式的投资 / 博彩 / 理财建议；
•我们不鼓励也不引导任何人进行真实下注；如果你仍然选择参与，请务必量力而行，只用自己可以承受亏损的钱，理性对待；
•请确认你所在地区允许并合法参与相关活动，务必遵守当地法律法规；
•未成年人严禁参与。
⸻
English summary
We are betaione, an AI-driven football prediction project running a fully transparent public bankroll simulation.
•Start bankroll: class="drawer drawer--top" id="detail">累ーかさねー 映画
0post2025.11.30 18:00:0% :0% （30代／男性）
人気のポスト ※表示されているRP数は特定時点のものです
翼竜の「名前」を断捨離⁉️🇧🇷
#古知累論文紹介
翼竜（よくりゅう）ファンなら誰もが知っておくべき、超重要な「まとめ」論文を紹介します。
舞台はブラジル、アラリピ盆地。
ここは、世界で最も重要な「翼竜の聖地」の一つと言われています 。
なぜなら、ここでは化石が「ぺちゃんこ」にならず、立体的（3D）に保存されていることが多いからです 。
さらに、筋肉や皮膚、トサカなどの「柔らかい組織」まで残っていることがあるという、とんでもない場所なんです 。
最初の発見から50年以上が経ち、これまでにたくさんの種類の翼竜が報告されてきました 。
しかし、研究が進むにつれて「ある問題」が浮き彫りになってきました。
それは、「名前が多すぎる問題」です 。
化石が少し違うだけで「新種だ！」と名前が付けられてきましたが、実はそれが「ただの成長段階の違い（大人と子ども）」だったり、単なる個体差だったりする可能性が高まってきたのです 。ｿﾘｬｿｳｼﾞｬ。
今回紹介する論文では、これまでにアラリピ盆地で報告されたすべての翼竜を徹底的に見直しています。
まさに、翼竜図鑑の「大改訂版」とも言える内容です。
特に注目すべきポイントをいくつかピックアップして解説しますね。
１．アンハングエラ類の整理
口先に丸いトサカを持つ「アンハングエラ」という翼竜がいます。
これまで、トサカの形や位置の違いでたくさんの種が作られてきました 。
しかし、この論文では「トサカは成長とともに大きくなり、形も変わる」という点を重視しています 。
つまり、トサカの微妙な違いだけで別の種とするのは間違いかもしれない、ということです。
その結果、過去に名前がついたいくつかの種は「疑問名（詳細不明で有効ではない名前）」として整理されました。
２．巨大なトサカを持つタペヤラ類
頭の上に巨大なトサカを持つことで有名な「トゥパンダクティルス」なども詳しくレビューされています 。
彼らのトサカは骨だけでなく、大部分が「軟組織（ソフトティッシュ）」でできていました 。
驚くべきことに、化石に残された色素（メラニン）の研究から、彼らのトサカに色があった可能性まで示唆されています 。
この論文では、これらが単なる飾りではなく、種の違いも反映してそう、ということが再確認されています 。
３．化石の密輸問題
この論文は、科学的な分類の話だけでは終わりません。
非常にシリアスな問題である「化石の違法取引」についても警鐘を鳴らしています 。
アラリピ盆地の美しい化石は、高値で取引されるために違法に持ち出されることがありました 。
その結果、「その化石が地層の『どこ』から出たのか」という、極めて重要な情報が失われてしまっているのです 。
地層の情報がないと、「いつの時代の」「どんな環境にいたのか」が正確に分かりません 。
著者は、これからの研究には、きちんとした地質学的な調査と、化石の保護が不可欠だと訴えています 。
～🐦～🐦～🐦～🐦～
この論文は、過去50年の研究を整理し、散らかり気味だった「翼竜の名前」をスッキリさせました 。
「新種発見！」というニュースはワクワクしますが、既存の化石をじっくり見直すことで、彼らの「成長」や「本当の多様性」が見えてくるんですね。
これからは単に名前を付けるだけでなく、彼らがどのように空を飛び、何を食べていたのかという「生活」に迫る研究が進んでいくと期待したいですね！
・・・まぁ、多分そんなことは起きないがな！
最近は首の骨だけで名前がつくのとか多いしな！！
元論文URL→ https://t.co/cZcv6IsIb5 November 11, 202510RP大公報 被下架文章
2025年11月28日星期五 A7要聞
天價收費 圍標合謀 利益輸送 劣質工程
揭開維修棚架背後重重黑幕
搭棚維修調查❶
宏福苑五級火大埔宏福苑五級火造成大量人命傷亡。翻查紀錄，今年至今已有至少10宗棚架起火事故（見表），大廈外牆維修搭棚的安全問題引發公眾強烈關注。警方昨日凌晨拘捕三名涉嫌誤殺的男子，他們為負責屋苑大廈維修的宏業建築工程有限公司負責人，包括現任董事侯華健及何建業。
大公報記者展開偵查，透過業界代表及多名知情人士，逐 層 揭 開 建 築 棚 架 背 後 的 黑幕，當中牽涉天價維修費、圍標合謀、利益輸送，以及工程質量等問題。
大公報記者
張真、李雅雯、陳玥、馮錫雄
競標公司遭「警告」被迫退出
有業界人士透露，由於圍標及種種原因，參與工程競標的建築公司越來越少。建築業界內的工程投標一直都欠缺透明度，有不願具名的工程業界代表接受《大公報》訪問時表示，十多年來，工程公司圍標的情況也非常嚴重，甚至有工程公司負責人參與競標後立即被人惡言警告，無奈退出競標， 「導致有水準的公司越來越少，沒有多少間公司投標，競標的結果自然就來來去去都是那幾間了。」 他形容，這種情況在業內已維持段長時間，導致行業生態非常不健康。他表示，今次負責人被捕的宏業建築工程，是業內有名的競標 「常勝將軍」， 「他們接了很多工程，但試問這麼多工程，哪有這麼多資源投入呢？」 業內常有偷工減料或用劣質的材料等事情；更甚的是投標價低者得，不少中標工公司往往會以拉長工程期的做法來繼續讓業主多些掏錢，以補回低價中標的利潤，「這些不時發生的事，在業內知情者看來是見怪不怪。」
阻燃網成本較普通網貴近倍
有建造業界人士透露，維修棚的阻燃網，每張約90元，沒有阻燃功能的普通網僅售50多元，而且阻燃網被太陽曬後會變脆，只用一次就要扔，普通防護網則可以不停重用。大埔宏福苑奪命火發生前，相關部門甚少巡查，不少行內人士抱着僥倖心態，鋌而走險。
這場火災的慘烈，背後是香港城市治理能力的考驗。該名建造業界人士透露，搭建金屬棚是合法輸入外勞的工種，加上金屬棚工人日薪低於竹棚工人，勢令本地工人收入受影響，金屬棚架的成本比竹棚昂貴約兩至三倍，因而增加施工成本，雖然有工人考獲搭金屬棚架資格，但由於市場需求不高及薪酬較低，從事相關工作的人員不多。
另外，大公報記者昨日在警方執法押解負責人何建業至元朗蝦尾新村進行搜證工作時，接觸到其鄰居吳先生。吳先生透露，自己從事小型工程起家，對行業有一定了解，談到宏福苑疑因維修工程物料不符合安全規格觸發五級大火，他坦言這是業界多年的潛規則： 「香港做工程，個個項目貪平，中標往往是價低者得，報價最低才有得做。低價中標的工程如何畀足料？」
業界 ： 地盤工違例吸煙難管
吳先生指出，雖然現時香港政府已有很多規例規管工程，然而執行上仍有很大優化空間。有宏福苑居民直指今次大火的起因與搭棚工人經常吸煙、遺下煙頭，疑燃點防護網觸發大火。吳先生坦言有關情況是常態，「無得管，很多（工人）教唔聽，工人很多讀書少，吸煙是幾十年的習慣。」 業界曾建議在工程地盤劃出安全吸煙區，卻難以實行， 「有些人不會遵從在指定地方吸煙，總之難管！」吳先生透露，低價中標的公司工程延期也是常事， 「發泡膠和竹棚都是易燃物，經過一年的日曬雨淋，竹棚變得更乾燥、腐化，一旦燃燒火勢就會特別快蔓延。加上近日天氣乾燥又大風，所以宏福苑的大火，才會在短時間內就從底層蔓延到頂部，還連累了相鄰的樓宇。」
「這麼多家庭妻離子散，實在讓人難過。」 他認為，此次慘劇令人痛心，希望這場悲劇能促使政府和業界反思，立例監管，加強工程質量監管與施工安全巡查，嚴查違規操作，避免類似的人間慘劇再次發生。 November 11, 20256RP孙悟空（SunX）真的杀疯了。
刚刚看了下数据，平台累计交易额已经干到 112亿 USDT+，而且速度还在往上飙。
更离谱的是，这波直接开了个邀请兄弟一起赚的大活动，总奖池：100万枚 $SUN
重点不是平台赚多少钱，重点是—— 这次是真的轮到我们薅一波了👇
只要你拉一个朋友来玩，双方都能拿 $SUN ，而且不是那种“画饼奖励”，是分阶段、可完成的那种：
第1阶段： 好友第一笔交易 ≥ 300 USDT
你：30枚 $SUN
他：20枚 $SUN
第2阶段： 好友7天内交易 ≥ 20,000 USDT
你：再拿 100 枚
他：再拿 100 枚
也就是说，一个好友=最高 260枚 $SUN 到你们手上。
这个活动还能叠加迎新活动 + 20%返佣， 相当于你同一波邀请，吃三份奖励。
玩法也不复杂：
1. 打开孙悟空 → 找到【邀请好友】
https://t.co/eX1jAjwRZw
2. 复制你的专属链接 / 邀请码
3. 让好友参加：来不来？送你钱的那种。
讲真，这种平台在狂砸钱拉新时，不上车才是真的亏。
钱在那放着，就看你要不要伸手拿。
一起参与起来，活动详情： 👇https://t.co/o6u5Pib4ZR
@justinsuntron @SunX_DEX #TRONEcoStar November 11, 20256RP🐨「有袋類ライオン」ティラコレオ🦁
実はコアラの兄妹だった……！？
#古知累論文紹介
かつてオーストラリア大陸には巨大な動物たちが闊歩していました 。
体重100kgを超え、強力な顎で獲物を仕留める「ティラコレオ（有袋類ライオン） 。
あるいは、体重1000kgにもなる巨大な草食獣「パロルチェステス」。
彼らは数万年前に姿を消してしまいましたが、その「正体」や「絶滅の原因」には多くの謎が残されています。
なぜなら、オーストラリアは気候が暑いため、化石に残されたDNAがすぐに分解されてしまうからです 。
DNAが壊れてしまえば、彼らが進化の系統樹のどこに位置するのか、正確にはわかりません。
しかし今回、研究チームはDNAの代わりに「コラーゲン（タンパク質）」という別の物質に注目しました。
コラーゲンはDNAよりもはるかに頑丈で、長期間保存されやすいという特徴があります。
研究チームは、タスマニアの洞窟などから発掘された、約10万年前の骨の破片など51点を分析しました。
その手法は「ZooMS（ズームス）」と呼ばれ、コラーゲンを細かく分解したときのペプチドの質量パターン（“指紋”）を読み取ることで、動物の種類を特定するものです。
その結果、肉食獣である「ティラコレオ」の、現生する最も近い親戚が、「コアラ」である可能性が高まったのです。
これまでもウォンバットやコアラに近いグループ（ウォンバット型目）だとは考えられてきましたが、今回の分析でコアラとの強い結びつきが支持されました。
この研究は、進化の謎を解くだけではありません。
これまで「正体不明」として扱われていた小さな骨の破片でも、この手法を使えば「どの動物の骨か」を正確に突き止められるケースがありました。
骨の種類がわかれば、その地層の年代測定と合わせて、「いつ、どの動物が絶滅したのか」をより詳細に知ることができます。
これにより、長年の論争である「巨大動物を滅ぼしたのは人間か、気候変動か」という問いに、決着をつける大きな鍵になるかもしれません。
元論文URL→ https://t.co/p8Q54XOU1e November 11, 20255RPBTC、ETH 都扛不住的时候，JST 却在悄悄走强
最近的大盘，大家都看到了：
BTC 一路往下，-19.98%；
ETH 跌得更狠，-27.57%。
但 JST 完全不是那个画风。
同期 JST 竟然涨了 +22.47%，走出了独立行情。
为什么 JST 能在这种行情里逆势？
为什么别人在找底，JST 却在稳步回收筹码？
为什么就算没大行情，它依旧能涨？
答案其实很简单：
这不是情绪驱动，而是基本面驱动。
1/ 首轮回购销毁落地，JST 的价值锚定正式建立
大家都知道，Justlend 官方这波动作是实实在在的硬利好—不是喊口号，不是画饼，而是直接拿钱下场。
第一次就把 5900 万美金收益的 30% 拿出来做回购销毁，
一口气干掉了 5.6 亿枚 JST，
占总供应量 5.6%。
注意，这是第一轮。
剩下 4140 万美元 还在路上，按季度持续销毁。
这叫长期、可持续的通缩。
叫「价值回流」的闭环终于建立起来了。
大多数项目的回购销毁都只是 PR，
但 JST 的这套机制，是靠真实平台收入支撑的。这点太关键了。
2/ JustLend DAO 正在持续赚钱，销毁只是开始
JST 的价值来自哪里？来自生态的真实现金流：
JustLend DAO 的借贷利息，能量租赁的手续费，USDD 多链生态的盈利，平台 TVL 的增长带来更大收益池
光 JustLend DAO 一个协议，累计收益就接近 6000 万美金。今年 Q3 一个季度收入就接近 200 万美金。
你说这种协议，它回购销毁 JST，是不是“真金白银”？
更别忘了，USDD 的盈利超过阈值后，也会加入回购销毁池。
这意味着 JST 后面会迎来第二条“价值注入管道”。
说白了：
JUST 在赚多少钱，JST 就能被买回来、被销毁多少。
这是硬逻辑，不靠讲故事。
3/ 五年零安全事故，熊市更显出真正价值
什么叫“能在熊市看出真实力”？
就是别人都在暴跌、爆仓、黑客攻击时，
你依旧稳如老狗，还在不断赚钱。
Aave、Venus、Kamino 都遭遇过安全事故，
唯独 JustLend 五年运营下来零事故。
这就是为什么在市场不稳的时候，
资金更愿意往 JST 所在的生态流。
熊市最怕什么？怕不确定性。
而 JST 恰恰给了市场一个“最高确定性”的叙事：
收益稳定 → 回购确定 → 通缩确定 → 价值增长确定
这种确定性，在熊市里尤为昂贵。
4/ JST 的这波涨，不是拉盘，是重估
JST 这轮涨，不是那种“新闻刺激的直线拉升”。
它是：
稳 → 稳 → 稳 → 慢慢涨
但 JustLend 的 TVL 是全球前四，安全性第一，盈利能力稳健，又有 TRON 整条能量经济支撑。
这种“估值错配”迟早会被市场修复，
现在只是修复的开端。
所以 JST 的上涨，不是“激情”，而是“迟到的价值回归”。
5/ 无惧熊市，因为 JST 走的不是投机路线
为什么 JST 这波能逆势跑赢 BTC 和 ETH？
因为它走的是完全不同的轨迹：
•大盘跌 → 情绪崩 → 投机资金撤退
•JST 涨 → 生态赚钱 → 透明回购 → 通缩推进
你会发现一个现实：
JST 的上涨和市场情绪没强相关性，它跟基本面绑定。
也就是说：
哪怕现在还是熊市，哪怕延续半年，它依旧能一步步涨。
因为：
销毁还会继续
收益还会继续
通缩还会继续
价值重估还没走完
熊市最能检验“谁是真实力、谁是纯靠故事”。
而 JST 已经把答案写在链上。
这一次，不是暴涨，也不是故事。
JST 是在用“回购+销毁+盈利”把价格一点点往上推。
不是喊口号，不是追热点，它走的是长期路线。
当一个项目靠基本面推动上涨，它就不会被大盘绑架。
JST 的逆势，就是最好的证明。
接下来怎么走？我只说一句：
真正的价值，从来不是在牛市里被发现的，而是在熊市里被重新定价的。
@justinsuntron @DeFi_JUST #TRONEcoStar November 11, 20253RP🦕チリ最古？
恐竜たちが残した「足跡」の謎に迫る👣
#古知累論文紹介
南米の恐竜と聞いて何を思い浮かべますか？
実は、南米の「ジュラ紀後期（約1億6000万年前〜）」の恐竜化石というのは、これまであまり見つかっていませんでした。
特にチリがある南米の西側（かつてのゴンドワナ大陸の西縁）では、骨の化石記録が極めて少ないのです。
「骨がないなら、どうやってそこに恐竜がいたと証明するの？」
重要になるのが、今回紹介する論文のテーマである「足跡化石」です。
骨は残りにくくても、足跡なら地層に残っていることがあるからです。
今回、チリ北部のHuatacondoという場所にある「マハラ層」から、重要な発見がありました。
なんと、チリおよびゴンドワナ大陸西縁において「最古」となる恐竜の足跡が報告されたのです。
これまで知られていた記録よりも古い時代の地層から、恐竜たちの痕跡が見つかりました。
では、どんな恐竜たちが歩いていたのでしょうか？
分析の結果、見つかった足跡の多くは「獣脚類（じゅうきゃくるい）」のものである可能性が高いことがわかりました。
獣脚類とは、ティラノサウルスのように二足歩行をする肉食恐竜のグループです。
面白いのは、そのサイズの多様性です。
長さ50cmを超える「巨大」な足跡から、40cm程度の「大型」、そして20cm台の「中型」まで様々。
さらに驚くべきことに、わずか8cmから13cmという「極小〜小型」の足跡も多数発見されました。
この小さな足跡は、当時のこの地域において最小クラスの記録です。
研究チームは、ただ「足跡があった」と言うだけではありません。
ドローンや近距離撮影を用いた「フォトグラメトリ」という技術で、足跡を3Dモデル化しました。
そして、足跡の長さや幅、指の角度などを数学的に解析（主成分分析）することで、客観的に形を比較しました。
その結果、これらの足跡は5つの異なるタイプに分類できることがわかりました。
具体的には、CarmelopodusやGrallatorといった、世界的に知られる足跡化石の分類に近い特徴を持っていたようです。
※ただし、保存状態の問題もあり、断定ではなく「類似している（cf.）」という慎重な表現が使われています
また、保存状態は良くないものの、首の長い植物食恐竜である「竜脚類（りゅうきゃくるい）」と思われる痕跡も見つかりました。
この発見は、何を意味するのでしょうか。
骨の化石がほとんど見つかっていないこの時代・この場所にも、確かに多様な恐竜たちが生息していたという重用な証拠になります。
どうやら当時のこの地域は、乾燥した気候の中で、一時的に水が存在するような環境だったようです。
そこに大小さまざまな肉食恐竜を中心とした恐竜たちがやってきて、湿った地面に足跡を残していったのかもしれません。
元論文URL→ https://t.co/AeqmMHLETO November 11, 20253RP倭国外务省旗下杂志《外交》vol.94封面文章
(译文仅供参考)
围绕中国习近平体制的博弈
对谈：习近平体制——走向个人独裁的政治力学
铃木隆 大东文化大学教授 川岛真 东京大学教授、本刊编辑委员
习近平统治是否稳固？
川岛： 习近平政权目前已进入第三任期的中期阶段。在展望政权走向时，让我们先梳理一下中国未来的政治日程。2027年第三任期结束将是一个节点，但如果没有突发事件，预计将迎来第四任期（至2032年）。从更长远来看，2049年是建国100周年，中国设定了实现"社会主义现代化强国"、在国际社会获得霸权地位、与美国比肩甚至超越美国的宏大目标。而2035年则是"基本实现社会主义现代化"的阶段性目标。因此，2027年、2032年、2035年、2049年都是展望中国政治时必须关注的重要节点。
川岛： 也就是说，习近平本人的设想可能是：干满四届后，视接班问题的进展选择退休，或者干到第五届，大约到2035年左右。如果真打算第四届就结束，那现在应该已经能看到接班人布局的动向。现任政治局常委中除习近平外的六人，以及23名政治局委员中高龄者不少，进入第四届时可能会有较大调整。主要从新进委员中遴选，在第四届任期内逐步锁定接班候选人。
铃木： 我认为习近平会物色两三个接班候选人，让他们在忠诚度和政策能力上相互竞争，但他本人会尽可能长久地保持最高领导人地位。
川岛： 习近平有可能就任党主席吗？
铃木： 有可能。届时接班人担任党总书记，而他本人以被"推戴"的形式成为党主席。总书记体制原则上是集体领导、多数决，但党主席可以独自决策。我认为会根据第四届的情况相机而动，不过从实际情况来看，习近平的个人独裁已经确立。
川岛： 江泽民、胡锦涛时期推进党内民主化，通过建立明确的政治程序来抑制权力斗争，习近平本人就是通过党内选举当选总书记的。为什么他要逆转这一党内民主化潮流？另外，支撑习近平路线的权力基础在哪里？
铃木： 我认为其根源在于这样一种思维：江泽民、胡锦涛时代约20年积累的问题，比如党内纪律松弛等，必须通过向习近平个人集中权力才能克服。此外，习近平的执政风格和执政哲学很大程度上继承自毛泽东，这一点也很重要。同时，反腐败斗争和改善环境问题等与普通民众切身相关的工作取得了成效，这也成为其向个人集权正当化的依据。
川岛： 就现实的权力基础而言，习近平比毛泽东更强大。毛泽东虽有卡里斯马（charisma）魅力超过习近平，但毛身边有周恩来这样必须重视的同辈。而习近平周围没有能与之并肩的人物。
地方执政经历塑造的海洋进取意识
铃木： 如您在近著中所论述的，习近平的执政风格和政策，他的履历有怎样的影响？
川岛： 地方经验非常重要。政策层面值得关注的是，习近平主政过的福建省、浙江省、上海市都是沿海地区。福建面对台湾，浙江和上海濒临东海，在军事和经济上都是重要地区。正因为有这些经历，台湾问题和海洋进出对他来说是切身关注的事务。
铃木： 内陆陕西省出身、年轻时住窑洞务农的人物，后来作为精英官僚赴任沿海地区，对本国的海洋进出产生兴趣，这确实很有意思。那么在治理层面，"重党轻政"的思想形成也与地方经验有关吗？
川岛： 从他的成长经历来看，他是革命第一代人体悟到的党的献身精神、党作为国家基础而存在的意识的自然继承者。对党国体制的信任可以说是"红二代"（革命前建国时期贡献于党的高级干部子弟）的身份认同。
考察他的权力基础时，与军队的关系也很重要。习近平政权缩减陆军，重视陆海空、火箭军的均衡，致力于建设现代化军队。正因为能够掌控军队，才能推进如此大规模的军制改革。
铃木： 这是因为习近平在1979至1982年有过军队服役经历，对军队这一暴力组织的特性有自信能够理解吧。加之他在地方领导人时期就积极与当地军队干部建立人脉。与刘少奇之子、幼年好友刘源的合作关系也有助于反腐斗争的推进。
川岛： 作为党中央军委主席，他在对军队的影响力方面与前两届政权大不相同。
铃木： 除了中央军委主席，习近平还拥有"联合作战指挥机构总指挥"这一新头衔，位居军令部门之首。与其说是单纯的文职领导人，不如说他有更进一步的"军人政治家"自觉。
川岛： 掌控了党和军队，习近平在中央的权力基础比前两届政权要稳固得多。通过反腐斗争清除政敌，现任政治局常委、政治局委员几乎都是他的人马。最近经常听到"健康隐忧"或"可能进不了第四届"之类的传言，但仔细观察现状，认为他权力基础脆弱的分析令人难以认同。社会和地方当然有不满，但都是静默的。
"欲罢不能"的习近平
铃木： 让人担心的是接班问题。正因为权力向习近平集中，才产生了难题。无论党还是军队，不太可能轻易出现一个值得信任、能够接手他这般权力的人。他似乎被权力之网缠住了。撇开作为权力者对长期执政的野心不谈，包括自身的进退在内，都是权力惯性或惰性的结果，"欲罢不能"才是实情。
川岛： 四五年后的接班问题将会非常棘手。预兆之一是党中央军委人事。解放军中地位仅次于习近平的张又侠预计2027年退休，但其接班候选人一个个"被刺"落马，人事至今悬而未决。外交也是如此，7月份被视为王毅外长接班人的刘建超失势。
铃木： 在国防、外交接班人都不明朗的情况下，习近平本人的接班问题更是困难重重。这样下去，可能会出现"无名小卒被一眼相中"的情况。普京就是先例——1996年被提拔进俄罗斯总统府之前还只是圣彼得堡市副市长。无论如何，在接班人事冻结的状态下，将迎来第四届。
经济困境不会动摇权力基础
川岛： 尽管党中央权力基础稳固，习近平政权面临诸多课题也是事实。经济尤其重要，也有人指出他在这一领域经验不足。
铃木： 习近平本人恐怕对经济本身兴趣不大。但他强烈自认为是"马克思主义者"，在观念上重视经济作为下部结构。但如果真是这样，就不应该只关注供给侧，而应积极处理格差纠正等分配问题。2021年提出的"共同富裕"作为口号传播开来，但缺乏实际举措。另一方面，在美中对抗背景下，对经济增长的维持和科技开发等关注很高。
川岛： 中国共产党的正统性曾建立在革命和民族主义之上，改革开放后又加上了富裕。近年来科技受到重视，但追求富裕依然重要。中国经济失速是否会导致对习近平政权和共产党的支持丧失？
铃木： 在正统性和权力基础维护方面，经济富裕依然重要，但我想指出两点新趋势。第一，以AI应用便利性为代表的科技，以及对政权正统性强化的作用。DeepSeek等大规模语言模型的开发就是典型——"我们能造出不输美国的东西"，科技被用于国威发扬。但第二，回顾中华人民共和国的历史，实际上并没有仅因经济因素就导致体制动荡的先例。1989年天安门事件时，除了通胀等经济困境，还有政治腐败、统治精英分裂等因素共同作用，才发展成全国性政治危机。现在的习近平政权对"三件套"中的后两项应对得绑绑有余，很难想象中国经济恶化就会立即动摇习体制。
川岛： 确实如此。常听到"中国经济恶化，政权会制造对外危机转移国民视线"的说法，但这也缺乏依据。如果危机应对失败，反而无法成为"出气口"，尤其是入侵台湾等对执政者来说门槛极高。
铃木： 即便不至于政争，经济和社会保障问题确实导致国民尤其是年轻人不满积累。本来社会保障改革、国企改革等"核心"政策应该受到重视，但这类长期课题国民难以感受到成效，因此不得不优先眼前的景气对策。
川岛： 社会保障政策难以成为政争焦点。中国独生子女政策一代即将步入50多岁，到2035年将以超过倭国的速度进入超老龄化社会。人口动向将大幅改变社会结构，这可能会影响习近平自己设定的2035年乃至2049年国家目标的实现。
AI催生"超监控社会"的新型治理
川岛： 习近平政权相较前任政权最显著的特征是什么？
铃木： 所谓"数字监控"体制。除了监控摄像头，还利用数字支付网络等，一方面运用大数据掌握全民动向，另一方面获取个人信息强化监视，彻底实施治理。习政权高效察觉各种社会风险，同时还试图利用AI等介入人们的认知领域。
川岛： 作为社会管控强化的工具，确实相当有效。纵观中国历史，中央权力要将影响力延伸到地方各个角落何其困难……蒋介石时代都没能到达村级，村庄纳入中央政府治理还是中华人民共和国成立之后的事。但习近平体制不只是村，还要深入每个国民的头脑。
铃木： 或许存在某种强迫观念，非要把治理做到如此彻底。另一个特征是强调各种"安全"——国家安全等，并通过法制化来实现。
川岛： 相比毛泽东、邓小平，习近平意识到自己缺乏基于实绩的卡里斯马（charisma）权威。因此，他试图通过将各种政策法制化、明确权限来弥补这一不足。
铃木： 确实很"一丝不苟"。不过数字监控体制加上法制化，确实让整个社会越来越压抑。
川岛： 富裕阶层外流就是社会自由丧失的反映。
"北京逻辑"下的中美关系
川岛： 也想讨论一下第二届特朗普政府以来的中美关系。从长期视角来看，对中国而言，如何看待特朗普？
铃木： 对习近平来说，最重要的是遂行自己确立的长期目标，与美国进行持久对抗是特朗普上台前就既定的路线。美国"本国优先"的动向将在特朗普之后持续，但中国不会因此调整长期目标。当然需要应对如追加关税等个别问题，但包括外交因素在内的美国因素是风险管理对象，不会因此改变国家目标。
川岛： 关于特朗普关税，中国经济的GDP大部分已由内需构成。出口方面，只能卖给美国的产品会受冲击，否则找到其他买家就行。从这个意义上说，影响是有限的。
铃木： 从中国的视角来看，随着时间推移，世界大势将对自己有利。既然如此，中国无需主动对美国采取什么行动。这集中体现在加强与全球南方国家的关系上。在亚洲等世界各地的"阵地争夺"中，中国认为自己比"走下坡路的西方"更有优势。
川岛： 特朗普政府解散美国国际开发署(USAID)、实质上撤销美国之音和自由亚洲电台等，以及美国对加沙冲突的应对，都被中国利用。
铃木： 观察中美对抗时，经济安全当然重要，但讨论并不简单。以半导体为例，西方越是试图封锁尖端技术，中国越会推进自主化。据说中国已能制造6纳米制程。当然要量产和进一步突破尖端技术会很艰难，但终究有可能追上。从这个意义上说，特朗普关税和经济安保将加速中国追求的内需型经济建设和自主化。因此，这些应对与既定大方针并不矛盾。
中国更警惕的其实是特朗普就职前后"夺回巴拿马运河控制权"、"购买格陵兰"等言论。这是20世纪初的古典海权复兴行动，与中国的海洋进出战略正面冲突。不过特朗普的言论是在"本土防御要塞化"的语境下发表的，只要止于北美和南美大陆范围，影响有限。
川岛： 特朗普政府的出现及其后的关税和对盟国的防务努力要求，在西方国家引起巨大震动。更不用说作为美国主要竞争对手的中国了——倭国往往有这种思维定式。但站在习近平的立场和逻辑来看，中国目前基本是在既有框架下应对。中国可能会修改长期规划，但眼下更大的问题是人事。
如何看待台湾局势
铃木： 前面谈到了习近平的海洋政策，那么台湾问题呢？
川岛： 习近平设想的海权不仅包含商业要素，还涵盖军事力量在内的全面海洋霸权的实现，台湾也是不可分割的组成部分。除了军事和经济重要性，统一更是担保共产党正统性的命题，不存在不追求统一的选项。而且台湾在甲午战争后成为倭国殖民地，二战后也与大陆分离，统一还有雪洗历史屈辱的意味。
铃木： 台湾局势对倭国也很重要。从中国来看，倭国位于第一岛链（九州、冲绳、台湾、菲律宾等）之上，也是第二岛链（伊豆群岛、小笠原群岛、关岛等）的一部分。中国会对倭国乃至日美同盟采取怎样的策略？
川岛： 日美同盟积累深厚，中国也认为不可能轻易离间日美。但如果倭国方面威胁认知上升，台湾有事的具体军事行动讨论深入，国民不安完全可能蔓延。
铃木： 在倭国社会制造"被卷入恐惧"的舆论工作也会进行。正如已经在台湾实施的那样，利用倭国的民主制度制造国论分裂，以综合削弱倭国的政治和外交力量，各种工作手段都会被使用。如果我是中国当局者，肯定会这么做。
川岛： 需要充分认识这一点。围绕台湾有事，尤其令人担忧的是对冲绳的影响。
铃木： 也有报道称中国正在对冲绳进行各种"工作"，这是值得警惕的事态。
川岛： 不过，倭国国内流传的"中国对冲绳的政治工作和影响力已深度渗透"说法，目前来看是过度评估。但如果轻视这类言论的传播，东京与冲绳政策制定者之间的心理疏离是可能发生的。定期且细致的意见交换和信息共享不可或缺。
台湾有事的应对固然重要，但首先要做好准备。尤其是社会韧性的提升、海底电缆等信息基础设施的保护，以及网络攻击、虚假信息等非武力灰色地带渗透的信息共享合作，应该先推进。在战时与和平时期界限模糊的情况下，需要重新审视日台合作方式，重新设定课题。
倭国新政权应如何面对中国
川岛： 10月21日高市新政权成立。中日关系课题堆积如山，您期待怎样的应对？
铃木： 首先是适当展开首脑外交。近年日韩关系改善就是好例子，首脑外交的成果对两国国民感情影响巨大。中日之间也是如此，要构建稳定关系，首脑层面的对话不可或缺，这也将支撑包括商界在内的国民舆论。
川岛： 日中关系和日韩关系类似，曾因尖阁诸岛问题，中方冻结首脑交流，安倍政权将其恢复到可以重新开展的水平。政治家的决断很重要。
铃木： 在权力集中于习近平个人的政权下，能直接向他输入什么信息将是胜负关键。正因为高市首相拥有保守派支持基础，才可能做出大胆的政策决断，安倍也是如此。
川岛： 倭国常有这样的说法："只要经济恶化，中国就会依赖倭国，采取友好姿态。"但现在中国GDP的大部分由内需构成，焦点在于如何刺激国内个人消费。这一点应该牢记。需要着眼于当前的中国，构建适合当下的中日关系。
川岛真：1997年东京大学研究生院人文社会系研究科博士课程单位取得退学。文学博士。专攻中国政治外交史、东亚国际关系史。历任北海道大学助教、东京大学副教授，现任东京大学教授。合编著有《日中关系2001-2022》《欧亚的自画像》等。
铃木隆：2005年庆应义塾大学研究生院法学研究科博士课程肄业。法学博士。专攻中国政治。历任爱知县立大学副教授，现任大东文化大学教授。著有《中国共产党的支配与权力：党与新兴社会经济精英》《习近平研究：支配体制与领导人的实像》等。
注：
.以上为Claude Opus 4.5基于学术对谈的直接翻译，忠实于原文内容。
.呈现倭国学者视角的分析，原文本身具有立场性，翻译保持中立转述。
.原文未涵盖中方官方叙事、西方主流分析的对比视角，以及经济数据的具体验证。 November 11, 20253RPGoogle TPU 要干掉英伟达了吗？Meta 被曝将大规模采购 TPU，引发市场震动。但真相是：TPU 能撼动英伟达，却永远无法取代英伟达。这不是性能之争，而是生态、时机与战略的较量。
The Information 的一篇重磅报道把整个 AI 行业给炸了，Meta 正在与 Google 进行秘密谈判，计划大批量采购 Google 的 TPU 芯片，用于部分替代英伟达的 GPU 以支持其庞大的数据中心 AI 运算。
根据报道披露的细节，这盘棋下得很大：
- 2026 年： Meta 将大规模租用 Google 云服务（Google Cloud）上的 TPU 算力进行模型训练；
- 2027 年： Meta 将直接采购数十亿美元的 TPU 芯片，部署于自建的数据中心内。
什么？全球最大的 GPU 采购大户要抛弃英伟达了？ Google 的 TPU 居然要走出自家机房，去取代英伟达的 GPU 了吗？
消息一出，资本市场瞬间恐慌了。英伟达股价应声大跌，而 Google 则逆势暴涨，大家都在问：难道英伟达靠 GPU 垄断 AI 数据中心的故事真的讲不下去了吗？TPU 开始逆转了战局了吗？要讲明白这场 GPU vs TPU 的战争，我们要先从英伟达为什么能够像“铁桶”一般垄断 AI 数据中心讲起。
当今的 AI 技术堆栈：一座精密的金字塔
今天的人工智能是一个无比庞大的工业化产业。像 ChatGPT 这样顶尖的 AI 产品，其背后是由一层一层的技术基石堆砌而成的，这在 IT 行业被称为“技术堆栈（Tech Stack）”。
即使采用最粗略的划分方式，要支撑起当下的生成式 AI，至少也包含 5 层关键技术，缺一不可：
- 第一层：算力硬件层（Infrastructure） 这是金字塔的底座，是一切的基础。核心代表毫无疑问是英伟达的 GPU 和 Google 的 TPU。它们提供了 AI 运算所需的庞大算力，就像是工业时代的电力引擎。
- 第二层：系统软件与加速层（System & Compiler） 光有芯片还不够，AI 计算需要成千上万个芯片协同工作。这一层负责调度硬件并优化效率，充当硬件与上层软件的翻译官，它们决定了你能发挥出硬件多少潜能。这一层最典型的护城河技术，就是英伟达的 CUDA，而 Google 的 TPU 也有能够把上层软件编译为 TPU 机器码的 XLA 编译器。
- 第三层：深度学习框架（Deep Learning Frameworks） 想要构建和训练大规模神经网络，开发者不能手搓底层的软件代码，需要成熟的“脚手架”。业界目前最流行的是 META 发起开源软件 PyTorch（目前对 GPU 生态支持最好，是事实标准），以及 Google 发起的开源软件 JAX 和经典的 TensorFlow。
- 第四层：基础大模型（Foundation Models） 这是由深度学习框架训练出来的“超级大脑”，是目前竞争最激烈的战场。
- 语言/多模态模型： 如 OpenAI 的 GPT-5、Google 的 Gemini 3；
- 视频生成模型： 如 OpenAI 的 Sora、Google 的 Veo；
- 图像生成模型： 如 Google 的 Imagen、Midjourney。
- 第五层：AI 应用与交互层（Applications & Agents） 这是用户直接接触的产品。它将底层强大的模型能力封装成人类可以交互的工具。例如 ChatGPT，它的底层核心是 GPT 模型，但它本身是一个增加了对话界面、联网搜索、记忆功能的产品；又比如 Google 的 NotebookLM。
为什么英伟达在 AI 数据中心市场形成了绝对垄断？
我们经常感叹英伟达的 GPU（如 H100、H200、B200）硬件参数如何炸裂，但这只是冰山一角。英伟达之所以能对 AI 数据中心市场形成近乎无解的垄断（市占率一度超过 95%），主要源于以下三个维度的降维打击：
1. 通用性极强的单点算力 英伟达的 GPU 本质上是通用计算加速器（GPGPU）。它不仅能完美覆盖 AI 大模型的训练（Training）和推理（Inference），还能兼顾科学计算（气象模拟、药物研发）、图形渲染甚至加密货币挖掘。这种“一卡多用”的特性，使其成为了数据中心的硬通货——买了永远不亏，不用来炼丹还能用来挖矿（开玩笑，但道理如此）。
2. 恐怖的集群扩展能力（Scale-up & Scale-out） AI 大模型训练不是单打独斗，而是需要成千上万张显卡协同作战。英伟达在这方面做得太绝了：
- 节点内互联：通过独家的 NVLink 技术，英伟达可以将多个 GPU（甚至高达 72 个 GPU 组成的 GB200 NVL72 机柜系统）连接成一个“超级逻辑 GPU”，显存和算力实现无缝共享。
- 节点间互联：通过收购 Mellanox 获得的 InfiniBand 高速网络技术，让成千上万台服务器之间的数据传输快如闪电，解决了大规模集群的通信瓶颈。
3. 真正的护城河：CUDA 软件生态 这是英伟达最难被逾越的壁垒，就像 PC 时代的 Windows 操作系统。
- 底层基石：CUDA 提供了最底层的并行计算库，几乎所有的高性能计算场景都基于此构建，经过了 20 年的打磨。
- 顶层框架：当今统治级的深度学习框架 PyTorch 对 CUDA 提供了最原生的支持。这意味着开发者只需编写几行 Python 代码，就能调用底层强大的算力。
- 生态闭环：围绕 PyTorch/CUDA/GPU 已经形成了一套成熟的“开箱即用”基础设施。
为什么竞争对手很难追赶？ 即使竞争对手（如 AMD 或国产芯片厂商）在硬件参数上追平了 H200，依然无法撼动英伟达的地位。因为缺乏庞大的软件生态支持，意味着极高的迁移成本和时间风险。
一个真实的行业痛点（听起来很痛）： 目前很多致力于适配非英伟达芯片的 AI 团队都面临着巨大的痛苦。许多针对英伟达 GPU 进行过深度优化的模型（特别是涉及复杂算子或 MoE 架构的模型），一旦迁移到其他芯片平台，往往会面临严重的兼容性问题。
- 开发难：大量算子需要从头手写，费时费力，如同用汇编语言写网页。
- 稳定性差：模型训练过程中经常出现莫名其妙的数值溢出或系统崩溃（Crash）。
在当前的 AI 竞赛中，一次全量模型训练往往耗时数月，成本以千万美元计。如果因为芯片兼容性导致训练中途崩溃几次，浪费的不仅是电费，更是半年甚至一年的宝贵时间窗口。这种巨大的试错成本，是任何一家争分夺秒的 AI 公司都无法承受的。传言某国内顶级 AI 模型就是因为在国产芯片上训练下一代模型频繁崩溃，导致一直难产，真的是太痛了。
这就是为什么英伟达在 AI 数据中心市场越成功，行业对其路径依赖就越严重——因为没有人敢承担离开英伟达的代价。
Google 的 TPU 又是怎么崛起的？
尽管英伟达的统治力无可争议，但是 Google TPU 却是个异类，它不仅活下来了，还活得很好，已在 AI 顶级赛道站稳脚跟。
首先，TPU 已经用实战成绩证明了自己在 AI 大模型训练和推理领域的成功：
- Google 本家基石： Google 最强的 Gemini 系列模型，完全基于 TPU 进行训练和推理；
- 独角兽的选择： 顶级 AI 公司 Anthropic (Claude) 在 Google Cloud 上大规模使用了 TPU 算力；
- 科技巨头的背书： 就连 Apple 在训练其 Apple Intelligence 基础模型时，也公开表示使用了 Google 的 TPU v4 和 v5p 集群，而非英伟达 GPU。
那么，在英伟达已经成为绝对霸主的情况下，Google TPU 凭什么能异军突起？我们不妨对照英伟达成功的三个维度来深度解析：
1. 算力哲学：极度通用 vs 极致专用 英伟达 GPU 的强大在于“通用性”。而 Google TPU 从 2012 年设计之初，就是为了特定用途——大规模矩阵乘法而生。 现在的 AI 大模型训练，本质上就是在大规模地做矩阵乘法。因为放弃了图形渲染等通用功能，TPU 的芯片设计得以大幅简化，从而在“矩阵计算”这单一场景下取得了极致的能效比和性能表现。
2. 互联技术：电互联 vs 光互联 (OCS) 英伟达在服务器间的高速互联（NVLink/InfiniBand）上表现出色，覆盖了从单机多卡到万卡集群的广泛场景。 而 Google TPU 另辟蹊径，主攻超大规模集群互联。Google 引入了独特的 OCS（光路交换）技术，用光互联将成千上万颗 TPU 动态编织在一起。最新的 TPU v5p 单个 Pod 即可容纳 8960 颗芯片，甚至可以通过光互联扩展至数万卡的超级集群。这种架构在大规模并行训练中，展现出了极高的带宽利用率和灵活性，且布线极其整洁。
3. 软件生态：CUDA 帝国 vs JAX/XLA 新势力 英伟达的 CUDA 和 PyTorch 让 AI 开发变得“开箱即用”，这是其最大的护城河。但 Google 经过多年深耕，也打磨出了一套极为硬核的软件栈：
- XLA (2016)： 一个强大的编译器，能将计算图直接编译为 TPU 机器码，榨干硬件性能。
- JAX (2018)： 一个旨在替代 TensorFlow 的前沿框架。
对比 PyTorch： PyTorch 是面向对象编程，符合人类直觉，简单易用；而 JAX 是函数式编程，学习曲线陡峭，但在处理超大规模并行计算时具有先天优势，代码更简洁，数学表达更纯粹。
跨界打击： JAX 的优秀甚至溢出了 TPU 生态。如马斯克的 xAI 虽然使用的是英伟达 H100 集群，但为了追求对硬件性能的极致压榨，在训练 Grok 模型时并没有使用 PyTorch，而是选择了 JAX。
总结：生态位的胜利 经过多年的演化，在超大模型训练这一“皇冠上的明珠”场景下，JAX + XLA + TPU 技术栈已经形成了一个完整的闭环。它不仅被验证是成功的，甚至在某些超大规模场景下，能取得比 Pytorch + CUDA + GPU 更优的能效比。在 Google Cloud 上，TPU 的 token 成本定价低于英伟达 GPU，就是最好的证明。这也是 Google Cloud 在云计算市场竞争中的秘密武器。总之：
英伟达 vs Google：两种技术哲学的碰撞
- 应用场景： 通用型霸主 vs 超大模型专用特种兵
- 软件门槛： 低门槛的群众基础 vs 高门槛的专家利器
- 商业模式： 庞大的全行业生态 vs 垂直整合的自研闭环
如果说英伟达就像一辆豪华的全能越野车，哪里都能去，谁都能开，到处都有维修店；那么 Google 就像一辆定制的 F1 方程式赛车，只能跑赛道，赛车手才能开。大多数人买车首选 SUV（英伟达），因为方便、省心；但在争夺世界冠军的顶级赛场上，追求极致速度的车队（如 Google、xAI、Anthropic）会考虑使用 F1 赛车（TPU）。
Google TPU 能干掉英伟达吗？
照你这么说的话，Google TPU 岂不是已经成功挑战英伟达，打破了英伟达 GPU 的绝对垄断地位吗？事情没有那么简单。
1. TPU 的局限性与 Google 的双重身份 前面提到 Google TPU 极其擅长超大模型的训练/推理以及大规模推荐系统，但在通用性上，其他场景要么根本不适用，要么能效比不如英伟达 GPU。 对于 Google 庞大的产品线（YouTube、Search、Cloud）来说，对通用 GPU 的需求依然是海量的。因此，Google 一边自研 TPU，一边依然是英伟达 GPU 的全球采购大户。这一点在未来几年内都不会改变。
2. 迁移成本高昂的“生态墙” 尽管在超大模型场景下，JAX + XLA + TPU 的技术栈能取得显著优势，但这要求你必须“从零开始”就拥抱 Google 生态。 如果现有的项目是基于 PyTorch 和 CUDA 深度优化的，想要迁移到 TPU，约等于重写底层代码并进行大规模兼容性测试。这种“重起炉灶”的时间成本和工程风险，足以让绝大多数企业望而却步。
因此目前来看，Google TPU 的用户群体画像非常清晰，主要就两类：一是高校科研（科学计算），二是超大模型的训练和推理。
为什么 TPU 会有很多科学计算用户？ 这是因为 Google Cloud 长期为高校科研开放免费的 TPU 资源（TPU Research Cloud），加上极度好用的 Colab 服务（免费提供 TPU/GPU 算力），在学术界圈粉无数，培养了一大批习惯 TPU 的科研生力军。
那么，超大模型领域的潜在客户呢？ 我们逐一分析市面上的两类大客户：
- 大型云计算厂商： Amazon, Microsoft, Oracle 以及 CoreWeave 等新兴 GPU 云厂商。
- AI 大模型厂商： OpenAI, Anthropic, xAI, Meta 等。
大型云计算厂商（Amazon, Microsoft）本身就是 Google Cloud 的死对头，且都在自研芯片（Trainium, Maia），绝无可能去买对手的算力。而 Oracle 和 CoreWeave 早就通过深度绑定英伟达赚得盆满钵满，是英伟达的铁杆盟友。
AI 大模型厂商呢？
- OpenAI： Google Gemini 的头号宿敌，微软的盟友，不可能用 TPU。
- xAI： 马斯克与 Google 积怨已久，且正通过特斯拉和 xAI 构建自己的超算集群。
- Meta： 回到开头的新闻，Meta 是个超级大户。虽然传闻在谈，但 Meta 也是 Google 广告业务的直接对手。扎克伯格目前手握全球最大规模的 H100 集群之一，并且 Meta 正在积极迭代自研芯片 MTIA。虽然他们不搞公有云，但为了战略安全和技术自主，Meta 不太可能全面依赖 Google 的 TPU，最多是作为补充或谈判筹码。
- Anthropic： 剩下的只有它了。Google 是 Anthropic 的大金主，所以 Anthropic 使用 TPU 是顺理成章的。
盘算下来，TPU 的外部大客户其实寥寥无几。 这点体量，完全不足以对英伟达的统治地位构成“颠覆性”冲击。 因此，Google 最明智的策略依然是：在 Google Cloud 上提供极致性价比的 TPU 服务，用“省钱”和“能效”从其他云厂商口中抢肉吃，而不是想着彻底干掉英伟达。
如果 Google 非要“头铁”，下场卖 TPU 芯片抢市场呢？ 我认为这极其不明智：
- 供应链与利润结构： TPU 是 Google 与博通（Broadcom）合作设计的 ASIC。如果对外售卖，不仅涉及复杂的供应链管理，还要分润给博通，这会拉低硬件毛利。卖贵了，打不过英伟达；卖便宜了，除去博通的成本，Google 图什么？
- 客户池太浅： 如前所述，愿意买 TPU 且不与 Google 构成直接竞争的大客户极少。
- 田忌赛马的反面： 用自己公司的“内部工具/副业”去硬拼英伟达赖以生存的“主业”，胜算能有多高？
- 最后，也是最关键的宏观背景： 目前全球 AI 数据中心市场正处于“短缺经济”时代。不仅 GPU 缺，HBM 内存、CoWoS 封装产能、电力、甚至建设数据中心的土地都极度紧缺。虽然各大科技巨头的资本支出（Capex）已经高得吓人，但面对爆炸性的业务需求，供给依然不够。微软今年初曾试图下调资本支出，结果发现需求太猛，转头又开始疯狂追加投入。
在一个供不应求的增量市场里，无论你填进去多少算力（无论是 GPU 还是 TPU），都会被瞬间吃干抹净。英伟达的 GPU 和 Google 的 TPU 目前仍处于“各自跑马圈地”的阶段，而非“你死我活”的零和博弈。
我的结论：
Google TPU 对英伟达确实有冲击，但不必过度恐慌。 从长期看，Google TPU 的存在更像是一个强有力的“议价筹码”。当大客户有了备胎（TPU 或自研芯片），英伟达就很难长期维持如今夸张的 75% 利润率。
英伟达未来的市场份额确实会受影响，主要来自：
- Google 自身业务（搜索、推荐、Gemini）更多转向 TPU，减少购买 GPU；
- Google Cloud 的深度合作伙伴（如 Anthropic）减少购买 GPU。 这可能会导致英伟达在数据中心的市占率从 90%+ 缓慢回落到 75%-80% 左右，但这并不改变其商业逻辑的本质。
这就像当年的 PC 市场： 苹果 Macintosh 电脑的崛起虽然让 Windows 的市占率有所下降，但并没有终结 Windows 的垄断。真正终结 Windows 霸权时代的，不是 Mac，而是智能手机的兴起。 同理，Google TPU 干不掉英伟达。真正能干掉英伟达的，只能是下一代计算范式的彻底变革。
Google 的成功是不可复制的
好吧，虽然你说的很有道理，但是 Google 能干成全栈自研，尝到了甜头的其他巨头岂不是会纷纷效仿吗？Amazon，Microsoft，Meta，OpenAI 这几个英伟达的头部大客户都在自研 ASIC 芯片，将来他们都减少了对英伟达芯片的采购，英伟达不是要喝西北风了？
我的观点就是：Google 的成功是不可复制的。
Google 的技术栈能够成功，综合了以下几个不可或缺的因素，而这恰恰是微软、Meta 和亚马逊所不具备的：
1. 十年的时间壁垒（Time & Iteration）
芯片设计不是搭积木，它需要漫长的迭代周期。 Google 早在 2013-2014 年就开始秘密研发 TPU，2016 年 AlphaGo 击败李世石震惊世界时，背后就是 TPU v1 在提供算力。
当微软在 2023 年才匆忙推出 Maia 100 时，Google 的 TPU 已经迭代到了第 6 代甚至第 7 代。
这 10 年间踩过的坑、修复的 Bug、积累的制程经验、以及对散热和互联架构的微调，绝非其他公司靠“砸钱”就能在两三年内追平的。在硅基世界里，经验值就是良率，就是能效比。
2. 真正全栈的“软硬一体”的垂直整合掌控力（Full-Stack Control）
这是 Google 最可怕的地方，也是其他巨头最大的软肋。
Google 拥有整个链条： 硬件（TPU）+ 编译器（XLA）+ 框架（JAX）+ 模型（Gemini）。Google 的科学家 Jeff Dean 可以让设计 Gemini 的算法团队直接坐在设计 TPU 的硬件团队对面，告诉他们：“我们需要一个特定的指令集来加速这个算子。”这种协同效应是核爆级的。
反观微软/Meta： 微软虽然造了 Maia 芯片，但它上面的软件栈主要依赖 OpenAI，而 OpenAI 和整个业界主流依赖的是 PyTorch。PyTorch 的亲爹是 Meta，但 PyTorch 对英伟达 GPU 的优化是刻在基因里的。
微软想要 Maia 好用，就得去魔改 PyTorch 底层，或者指望 OpenAI 为了适配 Maia 去重写代码。这中间不仅隔着公司墙，还隔着巨大的技术债务。
只要 PyTorch 依然是业界标准，其他自研芯片就永远是在“模拟”或“适配”英伟达，而 Google 是在玩一套完全独立的游戏规则。
3. 极其特殊的“光互联”基础设施（OCS Infrastructure）
前面提到的 OCS（光路交换）技术，是 Google 数据中心的独门绝技。 Google 为了适配 TPU 的大规模互联，甚至重新设计了数据中心的物理布线和机柜架构。这种光互联技术允许 TPU 节点之间以极低的延迟和功耗进行动态重组。 其他云厂商的数据中心是基于标准以太网架构建设的，想要复刻 Google 这套“光互联”网络，意味着要推翻现有的数据中心物理架构，这个沉没成本是天文数字。
4. 无法比拟的内部“吞吐量”（Internal Workload）
在生成式 AI 爆发之前，Google 就拥有地球上最庞大的 AI 推荐系统——Google Search、YouTube 推荐算法和 Google Ads。
这些业务每天产生数以亿计的并发请求，为 TPU 提供了天然的、海量的“练兵场”。
即便没有外部客户买单，Google 自己的业务就能消化掉 TPU 的产能。这让 Google 敢于在 TPU 早期性能不完善时，强行在内部推广（Dogfooding），通过海量真实数据把芯片“磨”出来。
相比之下，Meta 虽然有推荐算法需求，但起步晚且早期全押注 GPU；微软的 Azure 主要是卖资源给客户，如果自研芯片不好用，客户会直接用脚投票切回英伟达。
英伟达更像 AI 时代英特尔
著名电影《大空投》原型 Michael Burry 曾暗示英伟达正处于类似互联网泡沫时期的境地，不少看空者也认为英伟达与 OpenAI 之间相互投资和采购的关系，吹起了一个巨大的估值泡沫。他们认为一旦泡沫破裂，英伟达就会像 2000 年的 Cisco（思科）一样，股价暴跌 80% 以上。
但我认为，当下的英伟达并不像当年的 Cisco，而更像 PC 黄金时代的 Intel。 Intel 的股价腾飞始于 1993 年，于 2000 年触顶，随后经历了漫长的震荡与调整。 回顾那段历史，我们可以发现惊人的相似性：
- 1993 年之前（群雄逐鹿）： PC 的 CPU 市场处于混战时代，各路架构互不相让。
- 1993 年（霸主确立）： Intel 推出奔腾（Pentium）处理器，凭借强悍的性能一举确立了 CPU 市场的统治地位。
- 1995 年（杀手级应用爆发）： 微软推出 Windows 95，图形界面的革命引发了全球性的 PC 换机潮。受此驱动，Intel 的股价在 1996 年迎来了极高斜率的上涨。
- 2000 年（盛极而衰）： Intel 股价在 2000 年见顶，随后狂跌。这背后既有互联网泡沫破灭的宏观原因，也有 PC 市场渗透率见顶的因素。同时，Intel 在技术路线上遭遇了 AMD 速龙（Athlon）处理器的强力挑战，且在后续的 64 位指令集之争中（安腾项目）犯了严重的战略错误。
2022 年 ChatGPT 的横空出世，就是 AI 时代的 "Windows 95 时刻"，它极大刺激了全行业对于算力基础设施的升级换代。借助这股 AI 浪潮，英伟达正在狂飙突进。现在的英伟达，像极了 1997 年处于巅峰缓慢爬升期的 Intel。
我相信，在未来几年的 AI 算力市场将呈现“一超一强多级”的格局：
- 英伟达（The Generalist King）： 依然是绝对的“一超”。它占据 75%-80% 的市场份额，服务于所有追求通用性、追求开发效率、追求 Time-to-market 的企业。所有的初创公司、大部分云客户、以及需要频繁试错的模型团队，依然只能选英伟达。
- Google TPU（The Specialized Powerhouse）： 它是那个“特种部队”。它守住 Google 自己的万亿帝国，并在超大模型训练这一垂直领域，成为唯一能跟英伟达叫板的“异类”。
- 其他自研芯片和 AMD（AWS Trainium, MS Maia, Meta MTIA）： 它们更多是“成本调节器”。它们会被用于处理那些负载稳定、算法成熟的推理任务（比如每天运行几亿次的简单推荐或聊天机器人推理）。巨头们用它来通过简单的替代降低运营成本，也就是所谓的“省钱芯片”，但很难承担起“探索下一代 AI 前沿”的重任。
Google 的王者归来：全栈自研的胜利
2022 年底 ChatGPT 的横空出世，曾让 Google 这位 AI 领域的先行者显得黯淡无光。然而，站在 2025 年底的今天回望，Google 的表现足以让人刮目相看。
目前的 Google，是全球唯一一家真正实现了AI 全栈自研、软硬件垂直整合的头部厂商。这种整合优势正在形成巨大的飞轮效应：
- 算力底座： 在硬件层面，Google 利用 TPU 大规模集群高效实现了 Gemini 3 模型的训练和推理，摆脱了对外部 GPU 的依赖。
- 生态闭环： 通过多年的技术积累，打造了难以复制的软硬件一体化技术栈生态：JAX / XLA / TPU，极大地提升了研发效率。
- 云端优势： Google Cloud 虽然在市场份额上仍居 Amazon 和 Microsoft 之后，但增速惊人。更重要的是，得益于自研芯片，其 TPU 的租赁费用相比 GPU 拥有显著的价格优势，这对初创公司极具吸引力。
- 模型与成本：Gemini 3 在多项基准测试中已完全不输 GPT-5.1，甚至在长上下文和多模态理解上有所超越。基于自有云和芯片的成本优势，Gemini 能够提供更具竞争力的 API 调用价格，这种“低成本高智能”的反向优势正在快速抢占开发者市场。
- 产品矩阵全面开花：
1. NotebookLM 已成为“杀手级”的 AI 知识库和学习工具，深受科研与教育用户喜爱。
2. 多模态创作： Gemini 现已深度整合 Veo（视频生成）和 Imagen（图像生成），用户可在一个工作流中完成复杂的创作任务。
3. 搜索进化： Google Search 全面推出了 AI Overviews，成功将传统搜索与 AI 问答无缝整合。
4. 交互创新： 最新推出的生成式 UI (Generative UI) 更是令人惊艳，根据用户意图实时生成交互界面。
关键在于，Google 形成了一个从芯片、基础设施、模型到应用产品的完整闭环，各环节还能互相加强。这就好比 Google 一家公司独自完成了“英伟达 + 微软 + OpenAI”三家公司的工作。再加上 Google 全球数十亿的用户基数，以及 Chrome 浏览器和 Android 移动端两大核心入口，其上限不可估量。
为何半年前股价低迷、备受质疑的 Google，能在这半年实现逆袭？
此前市场看衰 Google，主要基于以下隐忧：
- 商业模式挑战： Google Search 靠竞价排名赚钱，市场担心 AI 问答范式会彻底颠覆这一现金牛。
- 大公司病与人才流失： 尽管 AI 大模型的基石——Transformer 论文是 Google 于 2017 年发表的，但果实却被 OpenAI 摘取。CEO Sundar Pichai 被认为过于稳健，缺乏魄力；内部 DeepMind 和 Google Brain 两个顶尖团队曾各自为战，内耗严重，导致许多论文作者离职。
- 模型落后： 在 Gemini 2.5 发布之前，Google 长期被 OpenAI 的 GPT 系列压制，甚至一度不如 Anthropic 的 Claude，面临在 AI 时代掉队的风险。
但在过去两年，Google 成功扭转了局势：
- 搜索护城河依然稳固： 事实证明，Google Search 并未被轻易颠覆，反而通过集成 AI 变得更强。用户在多轮对话中不仅有明确的个性化需求，AI 还能更精准地推荐个性化的产品与服务。广告业务被 AI 范式颠覆的风险被大大高估了。
- 组织架构重塑： 2023 年起，创始人 Sergey Brin 回归一线，深度参与模型开发。Google 将原本竞争的两个 AI 团队合并为 Google DeepMind，由 Demis Hassabis 挂帅。这一举措成功消除了内耗，重新激活了团队的创新力。
- 模型反超：Gemini 3 Pro 如今展现出后来居上的态势，不仅在性能上反超 GPT-5.1，市场占有率也稳步攀升。攻守之势异也，现在压力来到了 OpenAI 一方。
归根结底，AI 时代的核心竞争点依然是谁能做出最强的大模型。
如果 Gemini 弱，Google 的生态优势无从发挥；一旦 Gemini 领先，Google 强大的全栈整合能力就会瞬间爆发，形成降维打击。
最后我想说，英伟达是算力时代的‘卖水人’，而 Google 是全栈 AI 的‘领航员’。它们都是伟大的公司，对于投资者来说，与其在非此即彼的零和博弈中焦虑，不如看到它们各自不可替代的价值——这两者都值得你们同时拥有。
#AI产业 #大模型 #AI基础设施 #GPU #Gemini #TPU #JAX #XLA #CUDA #谷歌 #英伟达 November 11, 20252RP『美國共和黨剛提出《司法問責法》，要開始讓那些一再釋放暴力慣犯的法官進監獄。
這項法案簡單、狠辣：
只要法官讓被告以「自行具保」或超低保釋金獲釋，而該被告在 12 個月內再犯重罪，法官就會自動面臨聯邦刑事指控——最高可判 10 年，並永久取消執業資格。
他們甚至附上公開資料庫：
所有「對犯罪太軟」的法官姓名、照片、以及他們放出去的再犯累犯紀錄都會公開，讓受害者家屬清楚知道，是哪位法官讓殺害親人的兇手在謀殺前被放了三次。
法案由那些曾目睹 Darrell Brooks 在只付 1000 美元保釋金後、開車衝進聖誕遊行的共和黨強硬派提出——而沃基肖那位法官到今天還穿著她的法袍。
民主黨痛批這是「攻擊司法獨立」。
但司法獨立不代表司法免責，尤其當你的「同情心」讓街道上多了屍體。
黑袍社工把城市變成自由槍擊區的時代結束了——
下一站，是讓他們穿上和那些被他們放出去的犯人同款的橘色囚服。
來源：美國眾議院 H.R.9177《司法問責法》，2025/11/27；Fox News、NY Post』 November 11, 20252RP古知累すすむさんという方が従事されている「恐竜研究」という仕事は、どのようなキャリアプランを経た上でなれるものなのだろうか…？
一般企業の研究者も面白いけど、そういうロマン溢れる研究の仕事もしてみたかったな。 November 11, 2025今天分享一个我在 @trylimitless 上的“干净预测”流程，真的把我从瞎猜拉回到概率思维
1）只跑3个市场：两档小时 Above/Below + 一档日内
2）进场前写一句话的论点 + 一条“杀掉条件”，仓位小到可以忽略
3）用挂单优先（挂单免费），吃单时清楚显示手续费，避免情绪化
4）下单后离开屏幕，晚上复盘收据，第二天微调
Base 上极速结算、低费率、YES/NO 结构足够直线，实时数据干净到像读市场脉搏。更妙的是不交易也能参与生态的“被动引擎”。规模方面：累计成交已过 $600M，11M $LMTS 质押，周周有 $50K 费收益回购，点数赛道占总量 2% 到 1月26日结束，日内流量常见 $2M-$3M，节奏很明确。想更刺激，ApeX 合作的事件合约最高 20x，但仍是 YES/NO 的心智负担
我把这套节奏同步到 @wallchain 的创作者例行，像注意力健身房一样稳定输出，顺便追 Royale 7D 排名
#DeFi #PredictionMarkets #Base $LMTS
你这周最干净的 Above/Below 读法是？ November 11, 2025ですから、学術的に「正当性」のある（と僕が言う）北朝正統を、議論を専らにし、公的な手続きを経て、公的に「北朝正統」（北朝を歴代天皇にする）を実現しよう、と累々述べています。現時点で明治天皇の勅裁のため「正統」でなくとも、それは変更可能であるなら「北朝正統」は実現可能ですよね？ https://t.co/989RyJJcD1 November 11, 2025@mame_EVOL 久々にチビサイズから育成やります。
PDのスタッフさんがずーっと何年も累代してた種達なのですが店がなくなって継続出来なくなるから、是非引き継いでほしいという話になりまして。 November 11, 2025@soruto5i1r2h430 ♠︎パゲ子orコウくん/パゲちゃん、コウくん
♠︎イデア・シュラウド💗/糸師凛/累/冨岡義勇etc…
💙19歳
💙10月11日
♠︎タメ大歓迎〜╰(*´︶`*)╯♡
♠︎もちろん‼️
♠︎どっちもOK〜
💙これからもよろしくね〜
沢山絡みに行くよ！ November 11, 2025🧠 betaione · AI 足彩公开实验｜阶段战报（截至 11 月 30 日） 收益率将近 300%
我们是 betaione，一个用 AI 来分析和预测足球比赛的公开实验项目。
模型结合了多种信息：
•历史数据：球队近期表现、进失球数据等
•赔率变化：开盘 / 变盘、隐含概率对比
•基本面：主客场、赛程、伤停等
然后由 AI 给出每场比赛的预测方向和「预测信心」。
从 2025-11-26 开始，我们做了一件事：
👉 不卖料、不带单，只做一个完全公开的资金模拟实验。
⸻
💰 一、资金模拟结果（只看 Top5 高信心比赛）
规则非常简单：
•初始资金：$1,000
•每天选出当日「预测信心最高的 5 场」作为组合
•当天资金平均分成 5 份，全部按 AI 推荐方向做模拟下注（并非真实投注）
截止 2025-11-30：
•参与资金模拟的 Top5 比赛：19 场
•命中：15 场（命中率约 79%）
•资金从：$1,000 → $2,914
•累计盈利：+$1,914（约 +191% 模拟收益）
按天看一下波动（都是“模拟盘”的结果）：
•🗓 11/26：5 场全中，资金 $1,000 → $3,360（+236%）
•🗓 11/27：5 场中 4 场，$3,360 → $3,823.68（+13.8%）
•🗓 11/29：5 场中 4 场，当日大致打平，$3,823.68 → $3,823.68（0%）
•🗓 11/30：有效模拟 4 场中 2 场，出现回撤，$3,823.68 → $2,913.64（约 -23.8%）
也就是说：
•这个模型有爆发（首日翻得很夸张），
•也有回撤（后面几天有输有赢），
•更接近真实世界中「长期做交易 / 投注系统」的感觉——不会只给你看爽图。
⸻
🎯 二、所有已结算比赛的整体预测表现
我们不仅看 Top5 模拟盘，也统计了表里 所有已经有赛果的比赛：
•总预测场次（有实际结果）：38 场
•命中场次：20 场
•整体命中率：约 52.6%
在所有命中的比赛中：
•命中场次的平均赔率：约 2.17
•最低命中赔率：1.11
•最高命中赔率：9.50
如果对这些比赛做一个非常简单的「每场固定 1 单位下注」模拟：
•总投入：38 单位
•累计盈利：+4.18 单位
•模拟 ROI：约 +11%
这部分更多是告诉你：
•模型不是神，整体命中率也不是 80%、90% 那种玄学水平；
•但在合理赔率区间内，长期下来仍然有正的期望收益（在当前小样本下）。
⸻
📋 三、我们到底“下”了哪些场？（均为模拟）
Top5 模拟组合中，几天的代表场次举例（实际推荐可在配图 / TG 中对照）：
•11/26：Dortmund vs Villarreal、Ajax vs Benfica、Chelsea vs Barcelona 等，5/5 全中 ✅
•11/27：Sporting CP vs Club Brugge、PSG vs Tottenham、Olympiakos vs Real Madrid 等，4/5 ✅
•11/29：Bayern vs St. Pauli、Barcelona vs Alaves、Man City vs Leeds 等，4/5 ✅
•11/30：Atletico Madrid vs Oviedo、AC Milan vs Lazio、Juventus vs Cagliari 等，3/5 ✅
所有这些比赛，在开赛前都会先发在我们的 Telegram 机器人 / 频道里，并且赛后不会删贴，方便任何人回头核对。
⸻
📈 四、你在这个账号能看到什么？
•每天的部分 AI 推荐场次（X 上公开 Top3）
•昨日资金模拟结果 & 曲线截图
•一场热门比赛的详细分析（数据 + 赔率 + 模型视角）
•阶段性战报：总体命中率、资金曲线、模拟 ROI 等
👉 想看完整推荐列表、实时资金曲线和所有历史战绩：
进入我们的 Telegram 机器人： [TG 链接]
（截图里也会标出入口）
⸻
⚠️ 安全与合规说明（必须看 👇）
•本项目所有内容均为 AI 技术研究 + 数据模拟展示，不是、也不会成为任何形式的投资 / 博彩 / 理财建议；
•我们不鼓励也不引导任何人进行真实下注；如果你仍然选择参与，请务必量力而行，只用自己可以承受亏损的钱，理性对待；
•请确认你所在地区允许并合法参与相关活动，务必遵守当地法律法规；
•未成年人严禁参与。
⸻
English summary
We are betaione, an AI-driven football prediction project running a fully transparent public bankroll simulation.
•Start bankroll: $1,000
•Current simulated bankroll: $2,914 (+191%)
•Daily strategy: take the top-5 highest-confidence AI picks and split the bankroll equally (simulation only).
•Top-5 simulation so far: 15 wins / 19 bets (~79% hit rate)
•All finished predictions: 20 wins / 38 games (~52.6% hit rate)
•Flat 1-unit staking on all games gives a simulated ROI of about +11%.
Full pick history and bankroll curve are logged in our Telegram bot: [TG link].
All of this is for technical demonstration and simulation only – it is not betting or financial advice.
Please make sure sports betting is legal in your jurisdiction, bet responsibly if you choose to, and 18+ only. November 11, 2025＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。倭人速報公式アカウント
•Current simulated bankroll: ,914 (+191%)
•Daily strategy: take the top-5 highest-confidence AI picks and split the bankroll equally (simulation only).
•Top-5 simulation so far: 15 wins / 19 bets (~79% hit rate)
•All finished predictions: 20 wins / 38 games (~52.6% hit rate)
•Flat 1-unit staking on all games gives a simulated ROI of about +11%.
Full pick history and bankroll curve are logged in our Telegram bot: [TG link].
All of this is for technical demonstration and simulation only – it is not betting or financial advice.
Please make sure sports betting is legal in your jurisdiction, bet responsibly if you choose to, and 18+ only. November 11, 2025
＜ポストの表示について＞
本サイトではXの利用規約に沿ってポストを表示させていただいております。ポストの非表示を希望される方はこちらのお問い合わせフォームまでご連絡下さい。こちらのデータはAPIでも販売しております。
倭人速報公式アカウント