前段塔勒布在告诉人们: 打工是件超高风险的事，小概率事件来临后，打工仔有灭顶之灾。 这还是在延续黑天鹅这本书关于概率的解释。 普通人认为的小概率是致命的。 我曾跟国产电车爱好者解释这个，他们没听懂。 电车燃烧是小概率，小于油车，但你死亡的概率是油车燃烧的几百倍。 开电车是很爽，一旦燃烧，死亡的风险无法用人生覆盖。 年轻人听不懂，嘲笑我这个期货老登。 这就像我说加密货币平台插针会让你倾家荡产，你赢一万次，赢一万倍，死于一毫秒。 他们也听不懂。

今后5-10年在日本投资的思考 又停更一段时间了，主要是因为懒，不想写。现在每天过着简单的日子，除了陪家人之外，就是想着投资。今天再写投资话题，立足日本，和大家分享。篇幅比较长，请耐心看。 一、应该如何投资 很多人买完股票或交易商品，跌了惶惶不可终日，涨了就神经兮兮不淡定。 投资的目的是改善生活，拓展生活的乐趣和意义。如果一个投资让自己心神不宁，血压升高，这种投资也就失去意义了，不做也罢。还有些人，喜欢把鸡蛋放在一个篮子里，不愿经历时间的积累，总想一夜暴富，把投资当押宝，过着有了今天没明天的日子。 投资本身必须令人安心。我们只是普通人，根本不可能抓住短期某股票或商品的涨跌。切不可听风，更不能偶尔蒙对一次就觉得自己是巴菲特。连国际专业机构的团队也经常做出错得离谱的预测。有大型金融机构研究来研究去，最终把自己研究破产了。而我们这些金融知识不健全、IQ非常普通的人，如何能确定自己比大部分人聪明，能玩得过市场？ 分散、被动、顺势的投资，才是普通人的财富之路。 二、投资赚钱的背后逻辑 投资为什么一定可以赚钱？最主要的原因是社会在发展。 人类社会始终是在向前发展的。历史上，哪怕是毁灭性的战争之后，也能再迅速发展起来。发展是永恒的趋势，也是投资必能赚钱的最大逻辑和信心来源。 社会在发展，与每个人都息息相关，但是相关性有大有小，有远有近。社会发展了，有的人吃住改善了，涨工资后有点闲钱了，但是算起来，还是落后于时代发展的脚步。而有的人，登上时代发展的列车，吃尽了发展的红利。 什么是发展的红利？房地产发展上升期，你买房了，你就吃了房地产发展的红利。当前的Ai时代，你用适当的形式参与进去了，你就吃上了Ai时代的红利。 我们普通人做不了时代的弄潮儿，无法领航方向。我们能做、且必须要做的是，搭便车。别人吃肉，我们喝汤。你能喝上时代发展大杂烩中的一口汤，就超越了大部分人。 这个世界上的大部分人，虽然也在经历时代的发展，目睹世界的各种变化，但是他们似乎永远只是个旁观者，完全没有参与进去。别人吃肉，你喝汤，而这些人也就只能闻个味儿。这个味儿，就是他们在推特微博上吹牛逼、指点江山的本钱。 投资赚钱的另一个逻辑是世界的此消彼长。商品的此消彼长，国家的此消彼长，都给了我们逐利的机会和可能。这个世界，通常有一样东西暴涨，就一定有别的东西下跌。而这种此消彼长一般都有周期性。三十年河东，四十年河西，我们永远不缺逐利的机会。 一个社会的发展趋势通常是明确的，且不会在短期内有翻天覆地的改变。我们要做的是看清楚趋势，采取行动。 这个世界并不缺能看清楚趋势的人，缺的是能面对趋势积极采取行动的人。非常多的人在趋势面前如同傻子一样，什么也不做。 当然，追逐趋势也有赌的成分。在百家乐赌桌前看牌路趋势是傻，你把钱押上去，一切老天爷决定，你什么也做不了。 但是，这个世界的发展趋势确是实实在在的。看准了趋势路数去分散投资，这种赌往往是靠谱的，是必须的。 三、如何定义赚钱 赚钱还需要定义？我口袋里的钱多了，账户里的数字变大了，不就是赚钱了？ 还真不是这样。比如，你5年前把人民币换成日元，在日本的非核心地段买了一栋小楼。5年后，你把它卖了，赚了30%。你赚钱了吗？表面上是，但是如果考虑到你当时是拿多少人民币买的，算起来你可能还亏了20%。折腾了5年，赔本赚吆喝。 有人说，我已经来了日本了，我就以日元计算，人民币与我无关了。错，财富不是以哪国的货币来计算的，是以其实际价值来计算的。 所以，投资赚钱一定要有“本金”（base currency）的概念。每项投资，永远用本金去衡量投资的盈亏。有了本金的概念，才会重视汇率走势在投资中的重要作用，才会去想办法对冲、趋利。 你在美元兑日元130的时候买了一只股票或商品，今天涨了15%你给卖了。如果用日元来算，你赚了。如果考虑日元贬值的因素，你亏了。 写这段，主要是想引出汇率话题。 四、今后5-10年的日元汇率走势 关于日元汇率，我写过不止一次。以前写的时候，话说得都有所保留，不愿说得太直白。 今天给写直白一点：美元兑日元5年内达到180是非常大概率的事情。抛弃所谓美国降息，日本加息，日元会回到110-130的幻想吧。完全不可能！ 既然日元贬值的趋势不可避免，你坐在那里啥也不做，就是对自己不负责任了。因为这是个大概率事件，也可以把它当作一个机会。在机会面前，大胆投资。 我很少碰大A，不会玩。股票投资我主要买日本和美国股票。在做资金分配时，通常50/50。一半资金买日本股票，一半买美股。 最近日本股市高歌猛进，日经指数已经突破了5万大关。市场不断传出包括巴菲特在内的大佬和投资机构加仓日本股市，让人感觉日本股市就是一个提款机，希望满满。 在这个背景下，我做了一个逆向决定：把一直以来日美股市资金的一半一半，变成美股80%，日股20%。 这看起来似乎是在走极端，其实是非常理性的决定。我认为，当前还在加码日本股市的人才是在走极端。 无论是汇率，还是社会方方面面的发展速度，美国今后都会把日本碾压。 所以，减少日股，增加美股，是明智之举。 毕竟，赚钱是有定义的。 五、买啥呢？ 很多在日本的朋友不太了解美国股市。一开始玩，要么是听风，要么是玩“七姐妹”。 玩七姐妹也是不错的选择，毕竟美国在今后可预见的将来，依然是全球科技发展的领头羊。而七姐妹涵盖了几乎全部热门赛道，包括人工智能、自动驾驶、云计算、网络安全、网络电商等热门投资领域。 但是七姐妹也有选哪个的问题。比如，我会用一部分资金来买微软、英伟达、特斯拉，别人会更看重谷歌、亚马逊。也有我理解不了的人紧抱着Meta（Facebook）不放。这些都是个人选择问题，也都是在片面押注。 普通人正确的投资方式应该有两步。1、找出你认为接下来几年美国必然会发展迅速，几乎没有悬念的领域；2、买这个领域最优的ETF。 做了这样的投资，你心里会很稳，内心会比别人平和很多。根本不在乎一时的涨跌。你甚至可以完全忘记它。5-10年中，每年给你带来平均9%-25%的复利收益。 那么，投资哪些领域是今后美国稳赚不赔的呢？每个人的观点不同。这里说说我的看法。 我的首选是网络安全。有人会说，网络安全很重要，但没必要放在首选吧？ 网络安全是个永恒的话题，是永远的攻守之道，永无止境。你永远不会听说哪天人们停止或减少在网络安全方面的投入。魔越来越高，道越来越强，人们只能不断掏银子保平安。个人看法，未来几年在这个领域投资，几乎看不到亏钱的可能。 网络安全这个领域，有好几个ETF。CIBR和HACK都不错。我选择CIBR，因为我永远选择最好的。篇幅有限，这里无法展开细述。 其次是人工智能。我这里说的人工智能指的不仅是Ai，也包括人型机器人、工业机器人及制造过程自动化。人工智能真正赚钱的时代还没有到来。什么时候机器人在美国大地家家户户，各个工厂开始普及了，那才是真正人工智能的黄金时代。 中美这两天似乎相互达成了妥协，这是好事。但是，必须清醒地认识到，一切都只是暂时的。和是一时的妥协，干才是永恒的主题。 这次因为稀土等原因，老美的蛋被老共捏了一把，搞得前言不搭后语，汗都下来了，没办法。老美总算是被人治了一回。对于美国来说，没了稀土，不是断供的问题，是断代的问题。 这个问题，至少5年内，老美搞不定。而我党当前也面临各种困难，也需要一个喘息的时机，这是此次中美达成协议的大背景。 这与我们投资有什么关系？ 老美尝到了放弃制造业的苦果，接下来必然会大力发展制造业。缺少人工，人工智能和自动化生产就是唯一的选择。 人工智能领域的ETF太多。我选的，是广义的人工智能。在BOTZ和ROBO之间，我选择BOTZ，不仅是因为ROBO每年的费用太高，因为我只选最好的。 另外，在医疗方面的人工智能发展也非常迅速，不应该错过。在这方面，我直接买了股票，没买ETF。比较之下，感觉这个领域的ETF，比如XLV，不如直接买龙头股。 第三个领域，我选基础建设。美国和日本都面临一个共同问题：基础设施老旧化。这两个国家在今后10年都必然会、也不得不加大基础建设的投入，从新建，到修修补补，都要花钱，很大很大的钱。 美国这个领域的ETF选择，PAVE当仁不让。因为它是最好的。 篇幅有限，就这样闭着眼写下去，我能把这篇写成一本书。哈哈。在此篇成书之前，还是收笔吧。 收笔之前，和大家分享一个词“DX”，即Digital Transformation。这个词距离首次被提出来已经20年了。十几年前，随着云计算、大数据的发展开始引得人们关注。最近几年，特别是在2018年被纳入日本政策发展框架后，在日本变得常见。比如Medical DX。 日本很多领域真的是刚刚开始DX。它无论在创业，还是投资方面，都提供了一些致富的机会。

最近写得比较多，主要还是围绕 AI时代的红利和芯片产业的投资机遇。 从半导体、公司、交易、心理到宏观，每一篇都是在讲故事，更是在拆结构。 我不求篇幅，只想每篇有逻辑、有不一样能打中要害，多一句都是浪费。写完自己也能回头验证预判。 所以干脆做个合集方便我自己复盘，也方便你一键直达⬇️ 芯片行业分析： $AMD 和OpenAI芯片加股权对赌的交易分析 x.com/tig88411109/status/197… $INTC 英特尔和$NVDA 英伟达交易分析 x.com/tig88411109/status/196… 利好HBM 高带宽存储芯片$MU x.com/tig88411109/status/197… $NVDA 和OpenAI 投资购买策略分析 x.com/tig88411109/status/197… $INTC 英特尔美国投资和的产业回归价值系列 x.com/tig88411109/status/196… x.com/tig88411109/status/197… x.com/tig88411109/status/197… 交易端分析 ： AMD股价走势的分析 为何一切刚刚开始？ x.com/tig88411109/status/197… 长期投资也需要抓住AI时代红利 x.com/tig88411109/status/197… 为何Buy the Dip 最好策略 x.com/tig88411109/status/197… 需求端分析： AI是时代机遇和GDP最大增量 x.com/tig88411109/status/197… AI云计算数据中心的需求泡沫是否破灭？ x.com/tig88411109/status/197… AI的需求渗透性 x.com/tig88411109/status/197… ChatGPT的多样化发展 x.com/tig88411109/status/197… 电力端分析 电力即是电力 x.com/tig88411109/status/197… 交易心理分析 x.com/tig88411109/status/197… 创始人价值分析 x.com/tig88411109/status/197… 中国地缘政治分析 x.com/tig88411109/status/197… 底层逻辑 中推全网独家 宏观预测： 关键是市场钱太多的背后全网第一：关税不等于通胀的分析 x.com/tig88411109/status/188… 2025年开启AI效率投资时代 x.com/tig88411109/status/186… 投资标的 美股代码 x.com/tig88411109/status/186…

非常精彩的一篇分析新闻稿 科技新闻类报道，也被颠覆了 OpenAI的芯片博弈：百亿美元豪赌背后的战略与权力 OpenAI在2025年打出了AI基础设施史上最大的一手牌：同时与NVIDIA和AMD签署总价值超过1600亿美元的GPU采购协议。这不仅是商业合同，更是一场重塑AI芯片市场权力格局的深度博弈。 2025年9月22日，Sam Altman宣布与NVIDIA达成1000亿美元战略合作，部署至少10吉瓦（约400-500万颗GPU）的计算能力。仅两周后的10月6日，OpenAI又抛出震撼弹：与AMD签署6吉瓦部署协议，预计带来数百亿美元收入。AMD股价单日暴涨23%，而这一系列动作背后，是AI时代最激烈的供应商博弈与战略算计。 这场游戏的核心矛盾是：OpenAI每年需要600-800亿美元的GPU支出，但2025年营收仅100-200亿美元。在技术依赖、成本压力、供应安全的三重约束下，Altman必须在NVIDIA的技术霸权与AMD的性价比之间走钢丝，同时利用公开承诺制造谈判筹码。本报告将解析这场涉及数千亿美元、影响全球AI产业的权力博弈。 核心事件时间线：从独家到多元化的战略转向 OpenAI的GPU采购策略经历了从完全依赖到激进多元化的戏剧性转变。2024年5月是转折点：AMD的MI300X芯片开始通过微软Azure为OpenAI提供服务，首次打破NVIDIA的垄断地位。这一看似技术性的调整，实则预示着Altman布局已久的供应商制衡战略正式启动。 2025年1月21日，微软官方宣布OpenAI不再是其独家云服务客户，改为"优先购买权"安排。次日，OpenAI联合软银、甲骨文发布Stargate项目：4年5000亿美元投资计划，首期1000亿美元立即部署。这标志着OpenAI从依附微软Azure转向自主构建多云基础设施的战略独立。 真正的高潮出现在2025年9月。9月22日的NVIDIA协议规模空前：10吉瓦容量、逐吉瓦部署、首批交付定于2026年下半年。Jensen Huang亲口表示这是"史上最大AI基础设施项目"，相当于NVIDIA一年的出货总量。但协议措辞微妙——NVIDIA被定义为"首选合作伙伴"而非"独家"，且作为"被动投资者"参与，这为后续变化埋下伏笔。 仅两周后的10月6日，AMD协议落地，细节更加激进：不仅是6吉瓦采购（首个吉瓦同样定于2026年下半年），还包括AMD向OpenAI发放1.6亿股认股权证（约占AMD总股本10%），行权条件与AMD股价挂钩（最高目标600美元/股）。AMD被称为"核心战略计算合作伙伴"，措辞强度甚至超过NVIDIA。AMD CFO Jean Hu明确表示这将带来"数百亿美元收入"。 这一系列协议的总价值惊人：NVIDIA 1000亿、AMD 600亿+、甲骨文3000亿（5年期）、CoreWeave 224亿（三份合同累计）。OpenAI在不到一年时间内锁定了总计超过5000亿美元的计算资源，年均支出600-800亿美元——这是其当前年营收的4-6倍。 更值得注意的时间同步性：NVIDIA和AMD的首个吉瓦部署都定于2026年下半年，暗示OpenAI在同步推进两套并行基础设施。UBS分析师此前指出，AMD"明显缺席"Stargate项目初期公告，因此判断项目将严重依赖NVIDIA。但10月的AMD协议证明，Altman早已在暗中布局双轨策略，只是等待最佳时机公开。 战略动机：供应链焦虑与成本压力的双重驱动 OpenAI激进多元化的第一驱动力是真实而严峻的GPU短缺危机。2025年3月，Altman在社交媒体坦承"我们的GPU正在融化"，被迫对图像生成功能实施限流（免费用户每天仅3张）。2月，GPT-4.5发布因"GPU耗尽"推迟。他直言OpenAI被迫做出"不自然的事情"——从研究团队借用算力、暂缓新功能、对用户实施访问限制。 这不是谈判策略，而是运营现实。OpenAI拥有7亿周活用户，但计算能力无法匹配病毒式增长速度。Altman在7月宣布目标是"2025年底前上线超过100万颗GPU"，随后又表示需要"再增长100倍"——即1亿颗GPU，相当于3万亿美元投资。这种数量级的需求下，任何单一供应商都无法满足，多元化成为生存必需而非战略选择。 成本因素更加赤裸。NVIDIA H100售价3-4万美元，H200达3.5-5万美元，而AMD MI300X仅1-1.5万美元——价差达2-4倍。在16,000颗GPU的集群规模下，选择AMD可节省约40%资本支出（NVIDIA集群5.5-8.4亿美元 vs AMD集群2.1-3.2亿美元）。对于年均需要投入数百亿美元、但2025年营收仅100-200亿的OpenAI，这种成本差异关乎生存。 NVIDIA的定价权源于其78%的惊人毛利率（AMD为47%，Intel为41%）。汇丰银行分析师直言"震惊于NVIDIA在AI芯片上的定价权"——AI芯片售价是游戏芯片的10-20倍，但成本增幅远小于此。在垄断地位下，NVIDIA有能力维持这种暴利，而OpenAI作为最大单一客户，却无力单独制衡。 更深层的担忧是循环融资风险。NVIDIA投资1000亿给OpenAI，OpenAI转手购买NVIDIA的GPU，资金回流至NVIDIA——这与2000年互联网泡沫时期的供应商融资模式惊人相似。伯恩斯坦分析师Stacy Rasgon警告："这显然会加剧'循环融资'担忧……距离危机还有一段距离，但随着AI估值飙升，这段距离正在缩短。"NewStreet Research估算：NVIDIA每投资100亿美元给OpenAI，就能获得350亿美元GPU采购回报，占其年收入27%。 Altman面对的核心困境是：NVIDIA既是OpenAI最关键的合作伙伴，也是潜在的制衡目标。NVIDIA同时投资100多家AI公司，包括OpenAI的竞争对手；它也在发展自己的AI服务；它必须在微软、Meta、Google、xAI等客户间分配稀缺的GPU产能。在这种结构下，完全依赖单一供应商等同于将命运拱手相让。 Sam Altman的谈判杠杆：规模、替代性与公开施压 Altman手中握有三张王牌。 第一是无可替代的市场地位：7亿周活用户、5000亿美元估值、AI消费级应用的绝对霸主。OpenAI是全球最大的AI算力消费者，失去这一客户对任何芯片供应商都是重大打击。2025年OpenAI的计算采购规模预计占NVIDIA数据中心收入的15-20%，这种体量本身就是谈判筹码。 第二是可信的替代选项。OpenAI不仅宣布与AMD合作，还在使用Google Cloud的TPU运行ChatGPT和相关服务——这是首次大规模偏离NVIDIA生态。甲骨文3000亿美元云协议、CoreWeave多达224亿的三份合同、微软Azure的深度集成，都证明OpenAI有能力快速切换基础设施。更关键的是，这些替代方案不是威胁，而是已经在生产环境中运行的现实。 Altman将这种能力公开化以制造压力。他频繁在社交媒体发布关于GPU短缺的信息（"GPU正在融化""我们已经没有GPU了"），营造稀缺叙事；他公开表示需要1亿颗GPU（当前的100倍），迫使供应商竞争战略地位；他将NVIDIA描述为"被动投资者"而非主导伙伴，弱化依赖性。 第三是结构性谈判策略。OpenAI采用"首选"而非"独家"关系定位，在协议中保留灵活性；它从直接购买转向租赁模式，降低前期资本需求并维持供应商切换选项（虽然NVIDIA承担折旧风险）；它将10吉瓦NVIDIA容量分散到多个合作伙伴（微软、甲骨文、软银、Stargate），避免单一故障点。 这种多线布局的高明之处在于：每一个公开承诺都是对其他供应商的暗示压力。当OpenAI宣布与AMD签署6吉瓦协议时，实际上在告诉NVIDIA："我们有能力大规模迁移工作负载。"当它维持与NVIDIA的1000亿合作时，又在向AMD展示："你必须证明软件生态成熟度，否则我们随时回到NVIDIA。" Altman本人的表态微妙平衡。在宣布NVIDIA协议时，他说："没有哪个伙伴能像NVIDIA一样以这种规模和速度完成交付"——这是认可。但在AMD协议后接受《华尔街日报》采访时，他又表示："很难夸大获得GPU有多困难……我们希望速度超快，但这需要时间"——暗示NVIDIA供应不足。这种两面话术精准维持着微妙平衡。 NVIDIA的垄断护城河：技术霸权还能维持多久？ NVIDIA在AI芯片市场的统治地位近乎绝对：70-95%市场份额（多数估算为80-85%），78%的恐怖毛利率，4.5万亿美元市值峰值（一度成为全球最有价值公司）。 这种垄断源于三重护城河。 CUDA软件生态是最深的护城河。自2007年推出以来，CUDA已成为AI开发的行业标准，拥有18年的优化积累和广泛社区支持。几乎所有AI框架（PyTorch、TensorFlow、JAX）都以CUDA为默认目标，多数机器学习工程师只接受过CUDA训练。SemiAnalysis的5个月独立测试显示：NVIDIA H100"开箱即用"，单条命令即可启动；而AMD MI300X需要60多条命令的Dockerfile从源码编译，构建时间超过5小时，还需设置数十个AMD特定环境变量。 硬件性能优势依然明显。在实际LLM训练任务中，H100的BF16训练性能达720 TFLOPS（理论值的73%），而MI300X仅620 TFLOPS（理论值的47%），慢14%。FP8训练中，H100达1,280 TFLOPS（65%利用率），MI300X仅990 TFLOPS（38%利用率），慢22%。在Mistral 7B等采用滑动窗口注意力的模型上，H100比MI300X快2.5倍。多节点训练场景中，随着集群规模增加，NVIDIA的NVLink交换拓扑相对AMD的xGMI点对点拓扑优势进一步扩大，性能领先10-25%。 供应链控制和客户关系网同样关键。NVIDIA通过2019年收购Mellanox获得领先的GPU互联技术；它与台积电深度绑定，优先获得最先进制程产能；它对SK海力士、美光的HBM3E高带宽内存有优先分配权；它与所有主要云服务商（AWS、Azure、GCP、Oracle）建立了深度技术集成。这些关系不是一朝一夕能够复制的。 然而，裂痕正在出现。2025年1月的DeepSeek冲击是转折点：中国初创公司DeepSeek声称用600万美元和出口限制版的H800芯片（性能远低于H100），训练出与GPT-4竞争力相当的模型。消息传出当日，NVIDIA市值单日蒸发6000亿美元——美国公司史上最大单日损失。虽然NVIDIA股价随后反弹，但DeepSeek证明了一个危险事实：通过算法优化和效率突破，可以大幅降低对顶级硬件的依赖。 监管压力同步升温。美国司法部正调查NVIDIA涉嫌反垄断行为，包括捆绑销售GPU与服务、独家安排、对优先购买竞品客户的惩罚性措施。中国也在反垄断调查中审查NVIDIA收购Mellanox的交易。欧盟对其市场支配地位保持关注。这些监管行动可能削弱NVIDIA的定价权和合同控制力。 更结构性的威胁来自超大规模客户的自研芯片。Google的TPU v6（Trillium）已为Gemini等模型提供支持；亚马逊的Trainium/Inferentia专注训练和推理；微软的Maia 100和Cobalt 100虽然进展缓慢但目标明确；Meta的MTIA已在内部工作负载中使用。摩根大通估计，到2028年云服务商的定制芯片市场将达300亿美元，年增长20%。这些巨头合计占据NVIDIA数据中心收入的40%以上，它们的自主化努力将逐步侵蚀NVIDIA的份额。 AMD的历史性机遇：技术追赶与软件短板 AMD的MI300X在硬件规格上拥有显著优势：192GB HBM3内存（H100仅80GB，多2.4倍）、5.3 TB/s带宽（H100为3.35 TB/s，高60%）、256MB三级缓存（Infinity Cache）。在特定工作负载下，这些优势转化为实际性能：Llama2-70B推理任务中，MI300X比H100延迟降低40%，主要得益于更高的内存带宽；在小批量（1-4）和大批量（256-1024）推理场景下，MI300X成本效益优于H100。 价格优势更加突出。MI300X售价1-1.5万美元，仅为H100（3-4万美元）的25-37%。在16,000颗GPU集群规模下，选择AMD可节省约3.5-5.2亿美元资本支出（40%成本削减）。网络成本方面，AMD生态支持以太网而非昂贵的InfiniBand，进一步节省40%网络开支（收发器和白盒交换机更便宜）。对于需要部署数万甚至数十万颗GPU的OpenAI，这种成本差异具有决定性意义。 OpenAI的背书对AMD具有标志性验证效应。在此之前，AMD主要服务推理工作负载（Meta使用MI300X进行推理，但不用于训练），缺乏在前沿大模型训练上的成功案例。OpenAI的6吉瓦承诺，尤其是明确将用于训练和推理的表述，证明AMD已被AI最前沿公司认可为"核心战略合作伙伴"。这一信号将加速其他客户采纳AMD方案。 AMD的股权激励结构同样精明。1.6亿股认股权证（约10%股本）分批行权，与部署里程碑和AMD股价挂钩（目标价最高600美元/股，当前约165美元）。这意味着：（1）OpenAI与AMD利益深度绑定，有动力推动AMD成功；（2）AMD通过股权而非现金补偿了部分价格折扣；（3）双方形成长期战略联盟而非单纯买卖关系。这种结构比NVIDIA的"被动投资者"定位更紧密。 然而，AMD面临软件生态的致命短板。SemiAnalysis历时5个月的深度测试得出严厉结论："MI300X无法开箱即用"——公开发布版本BUG频发，Flash Attention内核在数月内以<20 TFLOPS运行（BUG未被发现），FP8训练会导致段错误，FlexAttention功能（NVIDIA在2024年8月发布）到2024年12月在AMD上仍无法工作。 ROCm软件栈质量问题严重。它需要PYTORCH_TUNABLE_OPS标志进行性能调优（每个模型1-2小时），任何代码更改需要重新调优，存在25GB内存泄漏，启发式模型默认选择错误算法。RCCL（NVIDIA NCCL的AMD分支）在集合通信上慢2-4倍（all_gather、reduce_scatter、all_to_all），128颗以上GPU规模的all_reduce操作慢50%。这些性能损失在大规模训练中被指数级放大。 更糟糕的是，AMD在实际生产环境测试严重不足。据报道，AMD的RCCL团队研发用的MI300X不到32颗，而NVIDIA拥有11,000多颗H100集群用于内部测试。这种研发资源差距导致AMD的CI/CD流程薄弱，BUG频繁进入生产版本。Meta虽然部署MI300X，但仅用于推理且使用定制内核，完全回避训练工作负载——这本身就说明问题。 OpenAI与AMD的合作能否改变这一局面？关键在于OpenAI是否会投入工程师团队深度优化ROCm。如果只是期待AMD提供"即插即用"解决方案，那么这6吉瓦部署将面临严重执行风险。但如果OpenAI像Meta那样组建专门团队开发定制内核（OpenAI的Triton编译器已支持MI300X），并与AMD工程师深度协作，那么ROCm生态有望在OpenAI的实战需求推动下快速成熟。AMD CFO明确表示这是"变革性的，不仅对AMD，对整个产业动态都是"，暗示AMD将投入巨大资源支持这一合作。 产业格局重塑：从垄断到寡头竞争 OpenAI的双轨战略标志着AI芯片市场从NVIDIA近乎垄断向寡头竞争过渡。最直接的影响体现在股市反应：AMD协议宣布当日，AMD股价盘前暴涨23%，市值增加约650亿美元；NVIDIA虽然小幅下跌1%，但随后稳定，显示市场认为多元化并未根本威胁其地位。 NVIDIA的市场份额将缓慢侵蚀，但远未崩溃。主流分析师预计，未来3-5年NVIDIA份额将从当前的80-85%降至60-70%，但仍保持领先。关键原因是：（1）CUDA生态的转换成本极高，现有客户短期内难以大规模迁移；（2）性能领先仍然明显，尤其在训练工作负载上；（3）Blackwell架构（B200/GB200）承诺相对H100实现4倍训练速度、30倍推理速度，技术代际优势依然存在；（4）供应链掌控力短期难以撼动。 但定价权将受到实质性挑战。78%的毛利率在竞争环境下不可持续。当OpenAI等大客户拥有2-4倍价差的可信替代方案时，NVIDIA必须在保持技术溢价与维护客户关系间平衡。分析师预计NVIDIA毛利率可能在3-5年内压缩至60-65%——仍然非常健康，但显著低于当前水平。年化GPU价格降幅可能达到10-15%，而不是历史上的5-10%。 AMD有望在2027年前达到10-15%市场份额，前提是软件生态快速改善。OpenAI的6吉瓦承诺本身就可能占AMD 2025-2027年AI GPU出货量的25-30%。如果执行顺利，甲骨文（已订购30,000颗MI355X）、微软Azure（MI300X VM已上线）、Meta（推理部署）等客户的采纳将加速。AMD在2024年AI芯片收入目标为40亿美元，OpenAI合作"未来数年将贡献数百亿美元"，意味着到2027-2028年，AMD AI收入可能达到150-200亿美元年化规模。 超大规模云服务商的定制芯片将占据15-25%份额。Google TPU已在内部大规模使用，为Gemini、Imagen等提供支持；亚马逊的Trainium 2号称训练性价比优于GPU；微软虽然进展缓慢但长期意图明确。这些定制方案不会进入公开市场，而是降低巨头自身对NVIDIA的依赖。摩根大通估计，到2028年这一市场将达300亿美元规模。 创业公司和中国玩家面临更艰难竞争。Cerebras的巨型晶圆级芯片、Groq的LPU架构、Tenstorrent等虽然技术新颖，但在OpenAI这种超大规模客户选择NVIDIA+AMD双轨后，留给小玩家的市场空间被压缩。中国的华为Ascend系列虽然在国内有政策支持，但2024年产量仅20万颗（NVIDIA在中国销售了100万颗H20），良率仅20-40%，与领先厂商差距仍大。 更深层的影响是"循环经济"模式受到质疑。NVIDIA投资OpenAI 1000亿，OpenAI购买NVIDIA GPU，资金回流；NVIDIA持有CoreWeave约7%股权（30亿美元），CoreWeave已向NVIDIA采购75亿美元H100。美国银行分析师Vivek Arya估算，NVIDIA对OpenAI的交易可能产生高达5000亿美元收入。分析师们开始公开比较这种模式与2000年互联网泡沫时期的供应商融资——当时思科等公司向客户提供贷款购买设备，泡沫破裂时损失惨重。 问题在于：AI需求有多少是真实的，有多少是NVIDIA融资催生的？如果链条中任何一环断裂（OpenAI未能实现盈利、云服务商AI收入不达预期、效率突破降低GPU需求），整个生态可能面临剧烈调整。DeepSeek事件已经展示了这种风险：一个600万美元预算的项目挑战了"必须大力出奇迹"的假设，NVIDIA单日蒸发6000亿美元市值就是市场对此的恐慌反应。 深层博弈：Altman的多线平衡与产业权力重构 Sam Altman正在操盘一场极端复杂的多方博弈。他的真正目标不是选边站，而是建立制衡系统。通过同时承诺NVIDIA 10吉瓦和AMD 6吉瓦，他确保： （1）任何单一供应商都无法卡住OpenAI的脖子； （2）供应商间存在实质竞争压力； （3）OpenAI在价格、优先级、技术路线上拥有谈判空间。 供应商多元化的必要性已从战略选项变为生存必需。在当前AI芯片供需失衡（需求超供给10倍）环境下，OpenAI即使签署了1000亿合同，仍可能因为NVIDIA优先供应微软Azure或Meta而面临短缺。通过AMD作为"核心战略合作伙伴"，OpenAI获得了第二供应渠道。更关键的是，AMD的1.6亿股权证让OpenAI成为AMD重要股东（10%），这种利益绑定确保AMD在产能紧张时会优先保障OpenAI。 成本套利空间巨大。假设OpenAI计划部署100万颗GPU（Altman的2025年底目标），如果全部采购NVIDIA H100（3.5万美元均价），成本为350亿美元；如果30%切换至AMD MI300X（1.2万美元均价），可节省约70亿美元——相当于其2025年全年营收的35-70%。在不影响核心训练工作负载的前提下，将推理任务分流至AMD，是显而易见的经济理性。 但Altman面对的约束同样严峻。技术锁定效应难以短期突破：OpenAI的数千名工程师、数百个模型、数百万行代码都基于CUDA生态开发。即使AMD硬件性价比突出，迁移工作负载需要数百人年的工程投入——重写内核、调试性能、验证结果一致性、培训团队。这种转换成本远超硬件价差，解释了为何NVIDIA仍获得10吉瓦（高于AMD的6吉瓦）承诺。 时间维度是另一考量。NVIDIA和AMD的首个吉瓦都定于2026年下半年交付，但Blackwell架构（B200/GB200）已因设计缺陷和CoWoS-L封装产能限制推迟数月，卖空至少12个月。AMD的MI450系列虽然承诺2026年下半年，但AMD历史上产品延期也不罕见（MI300X本身就比原计划晚了几个月）。OpenAI通过双供应商策略对冲这一风险：如果NVIDIA延期，加大AMD采购；如果AMD延期，增加NVIDIA订单。 更隐秘的博弈发生在软件生态层。OpenAI开发的Triton编译器已支持AMD MI300X，这是一个信号：OpenAI可能正投入资源建设跨平台抽象层，降低对CUDA的依赖。如果成功，这将从根本上改变与NVIDIA的权力关系。但这是多年工程，短期内CUDA护城河仍难以逾越。Jensen Huang公开表示CUDA代表"20年的研发投入"，并非虚言。 地缘政治因素增加了复杂性。美国对中国的芯片出口管制意味着NVIDIA必须为中国市场开发阉割版（H20），台海紧张局势威胁台积电供应链稳定，NVIDIA在中国面临反垄断调查。这些不确定性促使OpenAI分散风险——AMD同样依赖台积电，但产能需求更小，受地缘冲击的影响可能较低。 Altman在公开表态中的微妙平衡值得细品。宣布NVIDIA协议时，他强调"没有哪个伙伴能像NVIDIA一样"，这是必要的尊重；但在AMD协议后，他又说AMD将"加速进步并更快将先进AI的好处带给所有人"，暗示AMD是"加速器"而非"备胎"。这种话术精准维持着微妙平衡，既不激怒NVIDIA，也给AMD足够重视。 技术现实的冷酷真相：性能差距与软件生态 抛开商业策略，技术层面的现实冷酷而清晰：NVIDIA在生产环境性能上仍有显著领先，AMD的硬件优势被软件短板抵消。SemiAnalysis的5个月独立测试是迄今最详尽的第三方评估，结论几乎全面否定了AMD在训练工作负载上的竞争力。 训练性能：AMD落后14-22%。BF16精度下，H100实际性能720 TFLOPS（理论989.5 TFLOPS的73%），MI300X仅620 TFLOPS（理论1,307 TFLOPS的47%）。这意味着AMD的硬件利用率不到50%，白白浪费了纸面算力优势。FP8精度情况更糟：H100达1,280 TFLOPS（65%利用率），MI300X仅990 TFLOPS（38%利用率）。在实际模型训练中（GPT 1.5B、Llama 8B/70B、Mistral 7B），H100全面领先，部分场景快2.5倍。 多节点训练差距扩大。在单机8卡训练中，AMD尚能勉强跟上；但扩展到128卡及以上集群时，NVIDIA的NVLink交换拓扑（每GPU 450 GB/s，全连接）相比AMD的xGMI点对点拓扑（GPU对间仅64 GB/s）优势显著。集合通信操作（all_reduce、all_gather）是大规模训练的瓶颈，RCCL在这些操作上比NCCL慢50-400%。这意味着训练千亿参数模型时，AMD的劣势会被指数级放大。 推理性能：AMD在特定场景有优势，但H200大幅缩小差距。MI300X的192GB大内存和5.3 TB/s带宽在Llama2-70B推理中确实展现出40%延迟优势——但这仅限于H100比较。H200配备141GB内存和4.8 TB/s带宽后，性能比H100快45%（Llama 2 70B：31,712 tokens/sec vs 21,806 tokens/sec），基本抹平了MI300X的领先。更重要的是，推理性能高度依赖批量大小：MI300X仅在极小（1-4）和极大（256+）批量下有优势，中间批量（8-128）仍是H100更快。 软件生态的现实更为残酷。MI300X"无法开箱即用"意味着它根本不是通用产品，而是需要深度定制工程的半成品。OpenAI如果真要大规模部署6吉瓦AMD GPU（约25万颗MI450），必须：（1）组建专门的平台工程团队（数十到上百名工程师）；（2）为每个模型和工作负载开发定制内核；（3）持续跟踪和修复ROCm BUG；（4）维护自己的编译器和运行时栈。这不是简单的"采购"决策，而是长期战略投资。 Meta的案例提供了参考。Meta部署MI300X仅用于推理，并开发了定制内核，完全避开训练。即便如此，Meta工程团队规模庞大（数千名AI基础设施工程师）。OpenAI虽然也有顶尖工程师，但优先级是构建和训练模型，而非底层系统优化。将资源分散到两个硬件平台（NVIDIA + AMD）可能降低整体效率——除非AMD生态快速成熟到接近CUDA水平。 即将到来的Blackwell架构（B200/GB200）可能进一步拉开差距。NVIDIA承诺相对H100实现4倍训练速度、30倍推理速度（FP4精度）。虽然实际性能打折扣，但如果能达到承诺的50-70%，B200仍将大幅领先AMD当前产品线。AMD的MI450要到2026年下半年才交付，届时面对的将是已经量产数月的B200，技术代际可能再次落后。 能耗和成本的真实对比也值得审视。H100功耗700W，MI300X为750W（高7%），单卡功耗相近。但H200保持700W功耗同时性能提升45%，能效比显著优于MI300X。未来的GB200功耗达1,200W，但如果性能提升2-3倍，能效比仍可能更优。从总拥有成本看，虽然AMD硬件便宜40%，但如果性能和软件成熟度导致需要更多GPU才能完成相同工作，成本优势将被侵蚀。 这些技术现实解释了为何OpenAI给NVIDIA的承诺（10吉瓦）仍高于AMD（6吉瓦）。核心训练工作负载——决定OpenAI竞争力的GPT-5、GPT-6等下一代模型——大概率仍将主要运行在NVIDIA硬件上。AMD的6吉瓦更可能用于：（1）推理服务（尤其是大批量场景）；（2）较小模型训练（7B-70B规模）；（3）实验性工作负载；（4）作为NVIDIA的备份和议价工具。 未来图景：从万亿投资到格局重塑 OpenAI的激进策略揭示了AI基础设施竞赛的真实规模：数万亿美元级别的长期投资。Altman声称100亿只是"小小的凹痕"，需要"再增长三个数量级"——即从百万颗GPU到十亿颗，从千亿投资到百万亿。这种规模下，地球上没有任何单一供应商能够垄断市场。 未来3-5年的市场格局最可能演化为：NVIDIA保持50-60%份额，但毛利率从78%压缩至60%左右；AMD达到15-20%份额，成为可信的第二选择；超大规模云服务商的定制芯片占据20-25%，主要服务各自内部需求。总市场规模以25-30%年复合增长率扩张，从2024年的1230亿美元增至2029年的3100亿美元以上——足够大到支撑多个赢家，但竞争将空前激烈。 三种潜在情景值得关注。 情景一（概率60%）：NVIDIA主导但非垄断。技术领先和CUDA护城河继续发挥作用，但份额缓慢侵蚀。AMD站稳脚跟，软件生态逐步改善。定价权分散，客户议价能力增强。行业进入相对健康的寡头竞争。 情景二（概率30%）：快速碎片化。效率突破（如DeepSeek类事件）加速商品化进程。算法改进降低对顶级硬件的依赖。NVIDIA份额跌至40-50%，AMD达到25-30%，定制芯片扩展至25-30%。价格战爆发，全行业毛利率压缩，周期性波动加剧。 情景三（概率10%）：范式转移。光子计算、类神经形态芯片或量子启发架构出现突破，现有玩家优势被侵蚀。时间窗口可能在2027-2030年。这种颠覆性变化难以预测，但AI芯片架构的根本性创新不能排除。 对OpenAI的影响同样深远。双轨战略提供了供应链韧性和成本优化，但执行复杂性显著增加：两套硬件平台、两套软件栈、更高的工程开销。如果AMD生态成熟速度不及预期，OpenAI可能被迫在性能（坚守NVIDIA）和成本（迁移AMD）间做痛苦权衡。 财务可持续性是终极考验。OpenAI承诺的总计算支出（NVIDIA 1000亿、AMD 600亿+、甲骨文3000亿、CoreWeave 220亿）意味着未来5年年均支出800-1000亿美元，但2025年营收仅100-200亿。这种倒挂只能依靠持续融资维持。穆迪已对甲骨文/OpenAI协议的财务可行性表示担忧，质疑OpenAI是否能产生足够现金流偿付这些承诺。如果OpenAI未能实现盈利预期，整个计算采购计划可能需要缩减，届时与AMD的6吉瓦承诺将首当其冲受到重新评估。 地缘政治和监管维度不容忽视。美中科技竞争将继续塑造供应链格局。美国对先进芯片的出口管制迫使中国发展本土替代（华为Ascend等），全球市场可能分裂为两个生态。NVIDIA面临的反垄断调查如果实质推进，可能削弱其合同控制力，客观上有利于AMD等竞争者。欧盟的《人工智能法案》和数字市场法规也可能影响AI基础设施市场结构。 结论：权力的微妙平衡与不确定的未来 Sam Altman与NVIDIA、AMD的千亿博弈，本质上是AI时代权力分配的缩影。OpenAI的双轨战略揭示了一个残酷现实：在当前技术和市场条件下，没有完美选择，只有权衡取舍。 NVIDIA提供最佳性能和成熟生态，但价格高昂、供应受限、存在依赖风险；AMD提供成本优势和供应多元化，但软件不成熟、性能打折扣、需要巨大工程投入。OpenAI的解决方案不是二选一，而是两个都要——用NVIDIA保证核心竞争力，用AMD控制成本并制衡NVIDIA，同时推动行业向更健康的竞争格局演化。 这场博弈的赢家不会只有一个。NVIDIA将继续统治市场，但其垄断地位和超额利润将受到挑战。AMD迎来历史性机遇，但能否把握取决于软件生态改善速度和大规模交付执行力。OpenAI获得战略灵活性，但财务压力和多平台复杂性是长期考验。 从更宏观视角看，这场博弈推动了整个AI基础设施生态走向成熟：打破垄断、促进竞争、加速创新、降低成本。这对整个AI产业是福音——当计算资源更易获取、价格更合理、供应更稳定时，AI应用的民主化才能真正实现。 但不确定性依然巨大。DeepSeek证明了效率突破可能瞬间改写游戏规则；地缘政治可能打乱供应链；技术范式可能突然转移；金融市场对AI泡沫的担忧可能自我实现。 在这个充满变数的棋局中，唯一确定的是：Sam Altman已经成功确保，无论风向如何变化，OpenAI都不会被单一供应商扼住咽喉。 这或许就是这场千亿豪赌的真正价值所在。

Sam Altman 的 神之一手 让我惊叹，是我之前低估他了 不愧是AI时代顶级玩家 合纵连横 玩的溜啊 事件概览 2025年9月22日：Sam Altman 宣布 OpenAI 与 NVIDIA 达成 1000 亿美元战略合作，计划部署 10 吉瓦（约 400–500 万颗 GPU）级别的算力。 2025年10月6日：OpenAI与 AMD 签署 6 吉瓦部署协议，预计带来 数百亿美元收入。AMD 股价当日暴涨 23%。 这两项协议合计涉及上万亿人民币的长期算力布局，是当前全球 AI 基础设施格局中最重磅的事件之一。 背景与动因 1. 算力瓶颈与成本危机 · OpenAI 每年 GPU 支出预计达 600–800 亿美元。 · 2025 年公司营收约 100–200 亿美元，远低于硬件投入需求。 · 成本与营收严重失衡，逼迫 Altman 必须重构供应链战略。 2. 技术依赖与供应安全 · NVIDIA 目前是唯一能支撑 GPT-5 级模型训练效率的成熟生态。 · 但其价格高昂、供货紧张，形成“算力霸权”。 · AMD 则提供更具性价比、但生态不完善的替代方案。 · 双方竞合，成为 OpenAI 能否打破垄断的关键。 战略逻辑：Altman 的“三重博弈” ① 技术层面：平衡性能与成本 · NVIDIA：技术领先 + CUDA 生态壁垒。 · AMD：开放架构 + 成本优势。 · Altman 选择“两条腿走路”，确保模型训练不中断， 同时用 AMD 牵制 NVIDIA 的议价权。 ② 资本层面：公开承诺即谈判筹码 · 大规模宣布合作，是“市场化谈判”的策略。 · 通过舆论与资本市场制造压力，迫使供应商提供更优惠条款。 · 典型的“以市场换价格”的逆向博弈。 ③ 产业层面：算力主权的争夺 · OpenAI 希望控制自己的算力池，而非依赖微软云或 NVIDIA 云。 · 10 + 6 吉瓦部署，是在为“AI 超级主权”打地基。 · 最终目标：形成自有计算资产，与微软/NVIDIA 平起平坐。 结果与影响 对 OpenAI 而言： · 实现供应链多元化，降低单一依赖风险。 · 借助 AMD 合作，强化自身在算力生态中的议价力。 · 同时向资本市场传递“增长确定性”信号。 对 NVIDIA 而言： · 短期稳住最大客户，但长期被迫降价、开放。 · 垄断地位首次受到实质性撼动。 对 AMD 而言： · 获得史上最大 AI 客户背书，跻身第一梯队。 · 资本市场信心爆发，开启高速扩张周期。 本质洞察 · 算力即货币：AI 时代的“石油战争”已经开打。 · Altman 的真实目标不是省钱，而是建立独立算力主权。 · 公开合作 ≠ 真合作：更多是一种战略信号，意在价格、控制权与未来生态标准。

股神巴菲特早期采访视频，短短几分钟讲清楚投资的本质！

一句话让对话对象当场卡壳。 “我说自己是黑人，你会认同我吗？” “不会，因为你不是黑人。” “谢谢。” 那为啥我说我是男人，就得认同我？ 认同黑人的标准是“你不是”； 认同性别的标准却是“你说是那就是”？ 这不叫尊重，这叫双标。

Japan never fails to amaze with its fireworks

早上起床最好的运动方式，四个动作锻炼到全身！

👉Charlie Kirk：“在西方能有文明社会，唯一的原因是：在西方你想要两条面包，你得靠挣来的，你不能从别人那里抢过来。” 一位学生说：“资本主义吸食工人阶级的血。” Charlie没有嘲讽，只是非常耐心温柔追问： 如果反对市场，为何享用它的便利？ 马克思主义成功过吗？ 自动化能抹平差异吗？ 自由市场把个人能力的差异，编织成分工协作的网络

武林外传的前100秒，为何强到令人发指？ 【十级学者详解武林外传1-1】

爸爸的高情商教育方式，让孩子受益一生！！

所以说你记住了吗？😏

Try these exercises to burn belly fat 💯

完整版： 川普在今天与普京的历史性阿拉斯加峰会后，FOX电视台独家专访👇 两分钟就能看透一个人。 川普和普京见面，他摸到了什么底？ 普京亲口承认，如果换个人，这场仗根本不会打。 这场历史性的会晤，到底谈了什么？ 来看一下。 川普说，他和普京关系一直不错，本来可以一起干大事。 俄罗斯有什么？ 国土世界第一，横跨11个时区，稀土、石油、天然气，资源多到无法想象。 但“通俄门”这个骗局，搅黄了一切。 会谈的核心：乌克兰。 川普的目标很直接：别再死人了。 战争每周要死掉七千人，大部分是俄罗斯和乌克兰的士兵。 普京给了个重磅信息： 如果川普是总统，战争根本不会发生。 为什么？ 川普的答案是：拜登政府的无能。 这件事，已经让数百万人丧生，是二战以来最惨烈的事。 谈判进展到哪了？ 川普说，很多关键问题已经谈妥了。 比如土地交换，比如提供北约之外的安全保障。 他说，“我们距离达成协议已经很接近了”。 但，协议没敲定，就不算数。 现在，球踢到了泽连斯基脚下，他必须点头。 欧洲国家也得参与进来，不能只当旁观者。 那普京为什么愿意坐上谈判桌？ 牌是怎么打的？ 第一张牌，欧盟。签订贸易协议，近一万亿美元的美国石油采购承诺，直接抢了本该流向普京战争机器的钱。 第二张牌，印度。想进口俄罗斯石油？加征50%关税。 第三张牌，北约。过去出钱不积极的国家，现在付款比例从2%涨到了5%。 一个聪明人，尊重的是实力。 川普说，拜登在任时，美国没有得到尊重。 但这中间有个战略失误。 拜登政府硬是把中共国和俄罗斯推到了一起。 这在历史上是大忌。 一个有广袤的土地，一个有庞大的人口，这本是天然的矛盾体。 愚蠢的操作，让他们走到了一块。 会谈还聊到一个有意思的话题：2020年大选。 普京的观点是：选举被操控了，因为邮寄选票。 他说，全世界没有哪个国家搞邮寄投票，因为这不可能有公平的选举。 最后，什么是“川普主义”？ 不是孤立主义，而是“拒绝无休止的战争”。 第一任期，他用最快速度消灭了ISIS哈里发国； 解决了苏莱曼尼；摧毁了伊朗的核计划。 这些都是雷霆手段，不是拖泥带水。 他有能力结束战争，让大家坐下来谈。 怎么谈？用美国的经济实力。 比如，他用贸易协议调停了持续31年、死亡八百万人的刚果卢旺达冲突。 逻辑很简单：不和平，就不跟你做生意。 这次也是一样，他会亲自参加下一场普京和泽连斯基的会谈。 因为他首要的目标只有一个：救人。

李嘉诚——专访完整版 你可以骂他，但是要佩服他的嗅觉和眼光 #Web3 #投资 #每日大赛 #财富自由 #认知觉醒 #逆天改命

大师就是大师😁😁😁

提升男性持久力. 男人性福生活的隐形推手 居家高级凯格尔运动教程！顺序做对效果翻倍！！

用蛋白质拆解蛋白质（一） 人类消化的微观世界漫谈 我们吃进嘴里的蛋白质，其实就是别的生物的组成部分。牛排是牛的肌肉蛋白，鸡蛋清就是卵清蛋白，面包是小麦的谷蛋白，豆腐是黄豆的球蛋白，甚至一口菌菇，也是别的生命体辛辛苦苦搭出来的三维蛋白分子结构。 我们人类身体也是有成千上万种不同的蛋白质组成：血液中红血球里的血红蛋白，肌肉里的肌球蛋白，指甲里的角蛋白，皮肤下的胶原蛋白，血液里的免疫球蛋白。 不论是人的食物还是人类本身，所包含的这些叫做蛋白质的物质，在微观上都是一条长长的，有上百个或者更多氨基酸手牵手组成的链条。最底层的氨基酸只有二十几种。只不过，每种生物都有自己的图纸，按照不用顺序链接氨基酸，制造出不同的蛋白，再构成地球上千变万化的生物。 细究到底，每个动物都可以自己从头制造各种氨基酸，然后再用氨基酸合成蛋白质。但是，地球上的大部分动物，都不愿意自己干这个活（太消耗能量，太影响效率），不约而同地采用了直接拿别的生物的蛋白质来用，把蛋白质拆解成氨基酸。 所以，食草动物和食肉动物的本质都是把别人当“食材”，用“消化”这个动作拆解别人的蛋白质，形成了一个叫做“食物链”的大词。这个过程听起来残忍，其实本质上是一种分子级的重建。我们把外来的“建筑”拆成建材，重新搭建属于我们自己的房屋。 人类专门做这件事情的所有器官构成“消化系统”。包括，口腔，食道，胃、肠、这个通道，还包括：肝、胆、胰这些向通道注入消化液的腺体。 有趣的是，人类自己的消化道是由蛋白质搭建而成的，用来消化外来的蛋白质的消化液也是我们自身的蛋白质：胃蛋白酶、胰蛋白酶、糜蛋白酶。那么，为什么蛋白酶不先消化自己的胃和肠道，而是定向去消化食物。更神奇的是，既然大家都是蛋白质，为什么我们的胃不被蛋白质食物给反向消化了呢？ 当年我问这个问题，被一句话给挡回来了：”你见过铁锤敲铁钉，也见过机床加工零件，为什么它们不能反过来？”今天看，这个回答并没有说到本质，但当时被唬住了。 这种“同类蛋白质定向分解而不误伤自己”的生化奇迹，是靠精密的结构识别、环境调控和延迟激活机制完成的。换句话说，我们体内住着一群“同类拆解专家”，拿着一把把精准的分子手术刀，专门拆解与他们成分相似、结构不同的外来同胞。 如果这套拆解机制失灵，外来蛋白保持原来的架构完整性，那可就不是供你消化的“营养”了，而是入侵者。这些蛋白质独特的外形会引发免疫系统报警，于是我们就看到了麸质过敏，深海鱼虾过敏，坚果过敏这些严重的后果。 另外，几千年来人类使用火来煮熟食物，也是另一个不可忽视的帮助。大部分人类食物，早在进入嘴巴之前，就已经经历了火的洗礼，我们已经不吃“活的蛋白”了。 加热的过程会让蛋白质“变性”，它原本复杂精密的三维结构在高温下塌陷、展开、凝固、失活，再也不是原来的“功能蛋白”，而是一坨无所作为的“氨基酸串”。所以，为什么从牛奶、鸡蛋、豆制品里来的蛋白，都能乖乖被吸收、同化，不引发大规模免疫抗议？ 在牙齿进一步切碎之前，在胃酸进一步清洗消毒之前，在蛋白酶精准下刀之前，火就已经帮我们完成了第一轮的分子拆解准备。它像是提前“破壁”的加工环节，把原本结构坚固、功能复杂的蛋白质，先拷打一遍，打得它服服帖帖。 如果没有火，人类还像动物一样吃生食，那么我们的胃要更酸、消化酶要更多、消耗的能量要更高，消化过程会变得费力低效，还要时刻提防中毒风险。所以，有时候人类之所以伟大，不只是会吃，而是学会了“怎么先把东西处理成能吃的”。 人类消化的第一步是用牙齿撕开，咬断和磨碎。不过这只是一个物理过程，真正的消化战场在胃里。首先出场的是：胃蛋白酶。

如何缓解腰部不适？