1.不要可怜任何人，你瞪大眼睛仔细去看，可怜之人必有可恨之处。

2.任何时候都不要撕破脸，也不要选 择 报复，烂掉的果子自然会从树上掉下来。不要和重要的人计较不重要的事，不要和不重要的人计较重要的事。记住，你的人品就是你最好的运气，你的心态就是你最好的风。

3.形象一定要走在能力前面，不然你的能力很容易被低估，没有拾残局的能力，就不要放纵善变的情绪。

4.不要把秘密告诉好朋友，因为好朋友也有好朋友，保护自己最佳的方式就是从不高估自己在别人心中的分量，不要对一个人太好，时间久了会变成理所当然。

5.太闲的男人不能交朋友，要么 捞偏门，要么就是败家子。太忙的女人不要轻易去聊，要么身价不菲，要么伤痕累累。

6.依赖任何人，都是在自杀。你要明白，大树底下无大草，能为你遮风挡雨，同样也能让你不见天日。

7.求人办事，关系再好，也要让对方得到利益，没有.把握的事不要立刻答应，有 把握的事更不要立刻答应。

8.没事少发朋友圈，太高调的人总有一天会毁了自己。 前车尽量不外借，五人以上的酒局尽量不参与。

9.跟小人来往，勤打招呼，少说话，不深交，但也不绝交。对讨厌的人露出微笑，是我们必须学会的恶心。

10.不要告诉任何人你的实际存款，记住是任何人。

11.没有人主动联系你，说明你在别人眼里没有一点价值，没有价值的交换，就很难成为真正的朋友。不管任何关系，只要对方做事前不考虑你的感受和利益时，你就该及时止.损的。

12.水太深，风太大，没有实力少说话。不要袋一热就跟别人掏心掏肺，否则你迟早会后悔。

13.不要花太多的时间去处理关系，有了钱，有了本事， 一切都顺畅。如果不顺畅，是因为钱和本事还不够，一切关系都是利益，利在哪里，人心就在哪里。

14.旅游回来不要主动说出去，你分享的是快乐，别人听到的是炫耀。朋友亲戚家的孩子再不对也别教育，教育人家孩子等于打人家脸。

15.与领导单独相处时，多倾听，少说话，这是谨慎。同时向你抱怨时，是附和不表态，这是明智。任何时候都少提建议，看不清楚局势的时候不要入局，做一个局外人。

16.进入新环境要注意低调，克制反驳欲，学会赞美和闭嘴。别人问一句你回十句的毛病要改。别人一对你好你就掏心掏肺的毛病要改。

17.你开10万的车，他开劳斯莱斯，你请他吃饭就是无效社交。

18.尽量不要让别人知道你的状态，无论好与坏，好了有人嫉妒，坏了有人嘲笑。

19.想要跟周围的人搞好关系，就永远不要跟他们分享成功的喜悦和开心的事，对于刚认识的人不要太热情，你越热情别人越瞧不上你。

20.找媳妇不要找太漂亮的，.没有实力会被很多人惦记婚前发生多少次关系只能心里有数，婚后要远离对自己有好感的异性。

21.学会闷声发大财。事没做成之前，谁都不要说人性， 就是恨你有，笑你无，嫌你穷，怕你富。管好嘴巴，不说自己的目标，不说自己的钱财，不说自己的家事，不说自己的错事，守住这四个秘密，免灾祸，远是非。

22.不管谁家有事，只要没通知你那就一律装作不知道， 事后也别追问，亲戚朋友请客吃饭没有邀请你装作不知道，更不要去打听。多年不 联系的人突然发来消息当做没看见不回复。

23.说话就是为了让人舒服，不是让人尴尬，千万不要以为实话实说是直爽。

24.邻居不做朋友熟人介绍的工作别去，不要得罪领导身边的红人。

25.亲戚问你工资，一律回答够生活。同事问，一律回答跟你差不多。人有干面，心有干变，知道的不要全说， 听到的不要全信。

26.与你翻脸之人，无论是亲戚还是朋友，无法再回到往昔。坑过你的人一定要远离，不然有机会他还会再坑你。

27.不要跟好朋友一起做生意，朋友不共财共财断往来， 不要随便给别人出主意，成了你不一定有功，败了你一定有错。

28.别人不开口请.你帮忙，尽量不要主动帮忙，做人不能太老实，再好的朋友也有可能出卖你，越低调的人越危险。记住，咬人的狗是从来不叫的。不要和任何人走的太近，时间久了，你会发现，所有的损失都是熟人干的。 November 11, 2025

女人对男人爱的极致是赤裸身体，男人对女人爱的极致是赤裸灵魂。性不是爱，约会不是爱，婚姻更不等同于爱。爱是当有一个人目睹了你所有的缺点，很糟糕、很糟糕，但依然选择爱你。或许这就是爱最本来的样子。现实很苦，生活也很累，婚姻但是没有那么容易。聊一下到底爱是什么？以下五点供大家参考：

第一、爱是单纯享受付出，不计回报，你为了那个人付出的过程，你就会很快乐。爱情是你自己的品质，是你自己的心魂，是你自己的处境，跟别人没有关系。喜欢可能是索取，但是爱一定是付出。

第二、爱是我从来没有怪过你，家是不是讲理的地方？很多人聊过，我们不讨论，但是我确定，爱一定不是。两个成年人，三观哪怕再相合，观点哪怕再一致，积年累月的相处，也难免会有磕碰，甚至是会伤害。但真正的爱是从不责怪，事有对错，情没好坏。真的爱了啊，就会就会把对方的一切照单全收，对错与否那是别人的判断。但是在我这里我从来没有怪过你。

第三、爱是自由意志的沉沦，就是当你心中真的有了那个那个深爱的人，你是无法通过理性告诉自己，我不爱他，因为忍不住的才叫爱。所以有一句话说的特别的好，标准都是留给那些不喜欢的人的。当你就是遇到那个对的人，他就是标准。

第四、爱是把你最高的特权给他。一个本来就喜欢独处的人，偏偏给了情愿陪你聊那些无聊话题的权限。一个对全世界都冷酷无情的人，独独给了你心底最温柔的特权。你不要看他有什么，你要看他看他最在乎的是什么。他可以给你钱啊，但是他不在乎钱。所以这不一定是爱，一个人内心深处他最死死的抓住不放的东西。但是为了你，他放手了，你说这不是爱还能是什么？

第五、爱是责任，也是克制。我我从来不觉得爱可以是放纵的借口，相反爱其实可以承载真正的严肃和崇高。这里的克制不是说自己的感情，而是对对方的尊重。情不自禁是爱，不打扰也是爱。总有人嫌你不够好，也有人觉得你哪里都好，所以不用踮起脚尖爱你的人，他自己会弯腰。

还有，就是你听到这里，你看到这里，心中想到的第一个人，这个人一定是你当下真正爱的人。愿你愿你深爱的那个人，同样也深深的爱着你。春朝秋夕，以爱之名，以余生为期。 November 11, 2025

看著鏡中的自己
我知道我不一樣了…

踏上這段旅程我知道我回不去了
沒有了純樸天真 剩下的只有疲憊不堪的我

真的累了每天帶著面具生活…
也許被慾望控制 才能做最真實的自己

腦海中不斷浮現的是那些親密的畫面..

#一路有你們相伴我很開心
#想找個人分享這些故事 https://t.co/554bQwuQfR November 11, 2025

《为什么说服常常无效？因为真正决定说服的不是话术，而是“认知距离”》

我们常以为，说服一个人靠的是技巧：
换位思考、情绪共情、逻辑链条、优雅表达、语言艺术……

但随着年龄增长，很多人都会经历一个相同的顿悟：

说服的成败，从来不是语言的胜负，而是“认知距离”能不能被跨过。

⸻

一、说服不是信息传递，而是结构重建

你想说服一个人，并不是给他输入一段话，而是要让他在自己的脑子里“重新搭建一套结构”，去理解你为什么这么判断、为什么这么决定、为什么这么行动。

如果他的认知框架、经验结构、价值体系与你差得太远，他在脑中根本无法重建你给的那个结构。

他听得懂你的话，却理解不了你的逻辑。

这种状态下，说服是“不可能事件”。

不是你语言不够好，而是他根本没有你那套结构里的“零件”。

⸻

二、认知差距太大，说服就不可避免变成压制

当两个人的认知层级差距过大时，说服会自然退化为三种形式之一：

1. 高认知压低认知：解释不动 → 强行推进

表现就是对方一句话不懂，你解释十句，也没有任何进展。

解释久了，双方都会累，最终变成“听我的就是了”。

这不是说服，是无奈。

2. 低认知压高认知：情绪、身份、压力

道德绑架、情绪崩溃、身份压力、舆论压力……
都属于“认知无法对齐后的替代方案”。

本质是：
说服不了你，就压你。

3. 双方互相压：沟通变成战争

你觉得他说不通，他觉得你才难沟通。
因为两人的逻辑系统不兼容，核心参数完全不同。

所有语言都是噪音。

⸻

**三、最容易被忽略的真相：

能被说服的人，和你站得本来就不远**

真正的说服发生在：

认知距离不大的人之间。

不是世界观完全一致，而是双方至少共享一部分基础结构：
•能理解你的因果
•能读懂你的动机
•能跟上你的推理
•能反向验证你的结论
•能看见你所看见的问题

在这个区间内，说服是“可能事件”：

你说一句话，对方的脑子会自动补上你没说完的结构。

这叫“能重建你的逻辑”，不是“听懂你的句子”。

说服的核心不在技巧，而在：

你们的起点是否相距太远。

⸻

四、为什么一些沟通越讲越累？因为你们缺的不是信息，而是基础结构

最典型的例子：
•你讲道理，他讲情绪
•你讲因果，他讲感受
•你讲长期，他讲当下
•你讲结构，他讲片段

你们不是观点不同，而是：

你们用的不是同一个世界模型。

在不同模型上说服别人，就像拿 iPhone 的充电器去插安卓手机的充电口——
充电器再高级，手机也不会有一丝电量。

不是工具的问题，是结构的问题。

⸻

**五、接受一个残酷但能解脱你的事实：

说服是稀有事件，不是“应当发生”的事**

真正能被你说服、也能说服你的人——
一定是：
•认知差距不过大
•基础框架有重叠
•愿意承担理解成本
•有现实理由与你同行

这就是为什么：

我们能被某些人一句话点醒，
却永远说服不了另一些人。

不是聪明与否，
也不是态度与否，
而是距离太远，桥无法搭到对面。

⸻

**六、真正有效的沟通策略只有一个：

先判断“是否值得说服”，再决定“怎么说”**

先问自己三个问题：
1.你们的认知距离是否在可沟通区间？
如果距离太远，再多技巧都无效。
2.对方是否有能力重建你的逻辑？
如果没有能力，你讲一万句都是数据噪音。
3.你们是否有对齐的必要？
有的关系不需要说服，只需要边界。

当你理解这一点后，你自然会：
•停止对无效对象浪费精力
•尊重无法对齐的边界
•把时间留给真正能同行的人
•不再期望所有人都理解你

这是成熟的标志。

⸻

七、最后一句话：

说服不是语言的胜利，而是两个人在同一座桥上相遇。
桥搭不到，不是你不会说，是他无法到达。 November 11, 2025

コモドドラゴンと同じ狩りのスタイルの肉食恐竜⁉️
#古知累論文紹介

恐竜映画で、ティラノサウルスが獲物に喰らいつくシーンを見たことはありますか？

迫力満点のシーンですが、実際に彼らが「どうやって」肉を食べていたのかを知るのは、実はとても難しいことなんです。

骨の化石は残りますが、「動き」や「行動」は化石に残らないからです。

しかし、その秘密を解く手がかりが、実は「歯の表面」に残されていました。

今回ご紹介するのは、１億５０００万年前の肉食恐竜の歯に残された、ミクロの傷跡（マイクロウェア）を分析した研究です。

舞台はポルトガルのジュラ紀後期の地層です。

ここから見つかった、アロサウルスやドロマエオサウルス類（ラプトル）と思われる小型の肉食恐竜の「抜け落ちた歯」が主役です。

研究チームは、この歯を電子顕微鏡で拡大し、目には見えない微細な傷を観察しました。

すると、そこには太古の食事の痕跡が刻まれていたのです。

まず見つかったのは、歯と歯がぶつかってできたと思われる「摩耗面」です。

これは、上下の歯が噛み合う際についたものと考えられます。

「欠けた跡（スポーリング）」も見つかりました。

これは、肉だけでなく、骨などの硬いものを噛んだ時にできた傷だと推測されました。

つまり、彼らは肉だけでなく、ときには骨などの硬い部分まで噛んでいた可能性があるのです。

そして、最も重要な発見は「傷の向き」でした。

歯の表面には、斜め方向の細かいひっかき傷が無数に残っていました。

これは何を意味するのでしょうか？

研究者たちは、これを「パンクチャー・アンド・プル（突き刺して引く）」という摂食動作の痕跡だと考えています。

獲物にガブリと噛みつき、そのまま頭を後ろや斜めに強く引くことで、肉を引きちぎるスタイルです。

この動きは、現代のコモドドラゴン（コモドオオトカゲ）の食事方法と非常によく似ています。

さらに、この仮説を検証するために、コンピューターシミュレーション（有限要素解析）も行われました。

歯の3Dモデルを使って、どの角度から力が加わると歯が壊れにくいかを計算したのです。

その結果、歯が最も耐えられる角度と、実際に観察された傷の角度（４５度〜６０度付近）が、見事に一致しました。

つまり、彼らの歯は「噛みついて引っ張る」という動作に最適な構造をしており、実際にその通りに使っていた可能性が高いのです。

また、一本の歯からは、興味深いドラマが見えてきました。

その歯は先端が大きく折れてなくなっていましたが、折れた断面が丸くすり減っていたのです。

これは、獲物をつかむときなどに歯の先端が折れ、その後もしばらく口の中で使われ続けるあいだに、折れた面が丸く摩耗していったことを示しています。

おそらく、獲物を捕らえる際に激しい衝撃が加わったのでしょう。

これまで、白亜紀のコエルロサウルス類などで詳しく示されていた『突き刺して引く』食事法が、今回の研究でジュラ紀の小型肉食恐竜でも支持された可能性が示されました。

元論文URL→　 https://t.co/OAEgF2hi6B November 11, 2025

エピ10
累さんのこの表情メッッッチャ好き…… https://t.co/VRzshpazFV November 11, 2025

這就是所謂層累造成了，年輕時代的發明與年老時代衝突，因為年輕時野心還小，發明的祖先也差一點，以後做大了，就重新發明。史家在亡國以後整理資料，抽取了不同來源的發明。
漢末宗室很多，劉虞劉表劉焉的祖先都很單純，例如劉表就是魯王後裔降為侯爵再降為平民，然後就是一條線都在山陽。長沙王也是降為侯爵再降為平民，延伸到劉秀兄弟的。只有劉備的幾條線是相互矛盾的，還有奪侯以後再封侯，父子封邑封號不同的荒謬紀錄，根本違反兩漢政治和社會常態，明顯是裁剪拼接的產物。
如果臨邑侯的出身為真，他的起點就應該跟劉表相同。如果中山王的家譜為真，他的起點就應該跟劉虞劉焉相同。
事實上，他的起點要低得多。跟公孫瓚相同，也就是次要豪強的出身。當然，也不是無產階級。
門閥社會，起家官不會騙人。如果不是亂世，起家官的高低已經決定了一生能夠達到的最高官職。
從陳壽到司馬光，正史都不承認劉備的皇族資格，同時承認劉秀劉表等人，承認東漢是漢，蜀漢和成漢後漢都不是漢。司馬光對蜀漢的不承認論述，是當時的主流意見。
南宋部分儒生提出蜀漢正統倫，是為了反金維護南宋，純粹是意識形態的尊王攘夷論，沒有任何考據證據。 November 11, 2025

出发了……
现在窗外的树影往后跑，下一站的旅途开始了。想到下一站巷口的糖炒栗子会冒热气，心里就很开心。

这趟没做攻略，就想随便走走——走累了就找家小店喝杯热可可，天黑了就坐在台阶上看路灯亮起来。生活里攒的那些小困倦，该让新的旅程把它们吹散啦。 https://t.co/3snu4yKrCQ November 11, 2025

中国によるこういう常軌を逸した横暴を目にしても尚
「倭国の悪い面と右翼の憎らしさを知ってもらう機会」
と抜かす中国の業界人

仮に倭国政府に非があったとしても、文化交流に累を及ぼす必要はないじゃないか？
仮に規制が適切だとしても、もっと穏便で理に適った手段はあるじゃないか？
（続く） https://t.co/EKTblkpjOK https://t.co/U0Bb3X7CMX November 11, 2025

这么多年倭国报税的问题，刚好这个私信很有代表性，说一下我在倭国这些年的税务规划：
首先是倭国的税法，对于外国人是这样理解的：
住民登陆1年内，倭国以外产生的所有收入免所得税
住民登陆10年内总共累积5年内，倭国以外产生的所有资本利得税免税
住民登陆10年内，海外到倭国的赠与免赠与税
我是2013年10月来的倭国-----
2013.10-2018.10，倭国以外的资本利得免税，理解成只要买资产的本金没进入过倭国，交易平台和交易所都是倭国以外，可以免所得税
2013.10-2023.10，国内亲戚朋友赠予我的资产免赠与税
国内的房产是在我母亲名下，2018年卖出，之后交易国内的黄金ETF，2020年买了币，2023年10月前趁我赠与税免税期之前赠予了我，这个时候原始资金变成了倭国的资金，我用这些又买了币HODL到现在，这些操作全都不产生所得税，只要我不卖就没问题。
2023.10-现在，只要是能算成公司支出的我就会用个人名义借BTC给公司的方式实现，因为是借贷，所以这里面也不产生所得税，然后倭国公司的主营业务是视频制作，我日常的直播和拍摄全都是公司支出，这笔借款只要能用委托慢慢还给我自己就可以。
所以这就是为什么我的投资策略一直是HODL着币，其他东西基本上都没碰的原因，是因为我留了一手，很早就感觉倭国政府可能会割外国人韭菜，我不想交了税养一个对自己不利的环境，现在看这一手留对了。
只是可惜因为币被强行锁仓，ai这一波我只是在21年买了PLTR，NVDA还有ASML一直拿着，其他的我都没参与，这是唯一的遗憾。
我今年唯一碰的就是白银实物交易，把很早之前买的白银实物卖了一些，不过我还留了一手，因为白银实物交易的所得是让渡所得，可以和其他让渡所得相杀，我就卖白银的时候把我以前不值钱的相机和镜头也卖掉实现了亏损，这些亏损和白银的盈利相杀，最后还是不涉及到所得税。
倭国税务居民状态对于外国人来说，可以用停掉倭国的业务，注销在留资格来取消掉，这也是最近这几年我不再靠自媒体赚钱的原因，是为了经济中心不在倭国，只要我随时注销在留资格从倭国离开，我HODL的币就可以开始卖不用担心所得税的问题。
不过还有一点需要注意，如果你的在留资格是永驻，定住或者倭国人配偶，永驻配偶的话，你摆脱倭国的税务居民状态时如果资产超过1亿日元，会涉及到浮盈所得税，这也是我在倭国倭国这么多年，缺没拿永驻或者日籍的原因，13年开始来倭国是因为安倍经济学的短期利好，现在即将离开倭国是因为安倍经济学短期的利空，我的青春虽然是在倭国奋斗的，但是因为我一直留了一手，所以青春换来的成果不会被倭国割走，这是一个青春换积累的交易，这笔交易目前看起来结果还不错 November 11, 2025

ประกาศผล Top spender ครั้งที่ 7📍กับกิจกรรม Jimmy’s warm lights สามารถสะสมยอดได้ถึงวันที่ 29 Nov 2025 ภายในเวลา 22.00 น.✨

公布第 7 次最高消费榜📍
Jimmy’s Warm Lights 活动可累计消费至
2025 年 11 月 29 日 22:00 前✨

#maisonmylenexjimmy #jimmyyjp https://t.co/d05lWQd3yy https://t.co/jbyHQ3Fxse November 11, 2025

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

2025年8-11月份的调整
大概告一段落
市场通过11月份快速下跌
释放了大量风险
45天累计跌幅达到了46000u
126200-80000 = 46,200

46200/80000 = 0.578
大饼如果涨回新高需要反弹57.8%
46200/126200 = 0.366
最高点累计跌幅达到了36.7%

在这样急跌的基础上
我认为市场中期调整风险已经到位
未来一年半的长期熊市格局不变
但是未来3-4个月新高的概率加大

美股AI泡沫当前也并不明显
看美股接下来的1-2个月
纳斯达克和标普也将大概率继续新高
当前策略是等待大饼新高全面看多

等美联储利率在2.75-3%左右全面做空
更新了置顶 November 11, 2025

知识变现正当时！火币成长学院 $MANYU 学习活动重磅开启

想让知识变成实实在在的收益吗？机会来了！火币成长学院 $MANYU 专属学习活动火热上线，学习答题两不误，还能冲击丰厚大奖！

本次活动准备了足足 10000 USDT 的知识财富大奖池，没有复杂门槛，只要参与答题就有机会赢取奖励。每一次答题都是一次知识积累，每一份积累都可能兑换成惊喜收益！

别犹豫，即刻踏上你的 “学赚” 之旅，点击链接开启答题：https://t.co/GkEKsUbo2x November 11, 2025

🦕「デカい動物ほど小顔になる」⁉️
人間にもそれ適用されませんかね・・・？
#古知累論文紹介

皆さんは、動物園や博物館で巨大な動物の骨格を見たとき、ふと疑問に思ったことはありませんか？

「体がこんなに大きいのに、なんで頭はこんなに小さいんだろう？」 「なんで首だけこんなに長いの？」

特に、ブロントサウルスのような巨大な「竜脚類」と呼ばれる恐竜は、巨大な体に不釣り合いなほど小さな頭と、非常に長い首を持っています。

逆に、私たち人間や小さな動物は、体の割に頭が大きいことが多いですよね。

「体のサイズが変わると、各パーツの比率がどう変わるか」という研究分野を「アロメトリー（相対成長）」と呼びます。

これまでも多くの研究がありましたが、「測り方」がバラバラだったり、調べる動物のグループが偏っていたりと、統一的な見解が見出すことが難しかったんです。

今回紹介する論文は、410種類もの絶滅種・現生種の骨格データを3Dスキャンし、カエルから恐竜、鳥類、哺乳類までを一斉に比較分析した、かなり気合の入った研究です。

📏 統一された計測手法
この研究は検証データを独自基準で統一しています。

デジタル骨格モデルを使って、頭や首の「長さ」と「体積」の両方を計算し、さらに全身のサイズも「骨格全体をラップで包んだような体積」で統一して比較しました。

その結果が次の通りです。

🧠 結論1：デカくなると、頭は（相対的に）小さくなる！
410種の動物全体を分析した結果、どの測り方をしたとしても、「体全体が大きくなればなるほど、頭のサイズは相対的に小さくなる（負のアロメトリー）」ことがわかりました。

つまり、ネズミがそのままの比率でゾウのサイズになったら、頭が重すぎて動けなくなるかもしれない……ということです。

これは、哺乳類でも、鳥類でも、恐竜でも、ほぼ共通した傾向でした。

特に体重が100kgを超えるような大型動物では、この「頭が小さくなる傾向」がより顕著になるようです。

🦒 結論2：首の長さは「測り方」で答えが変わる！？
面白いのが「首」です。

「首の長さ」でデータを見ると、体が大きくなるにつれて、首は相対的に「長く」なっていました（正のアロメトリー）。

しかし、「首の体積（ボリューム）」で見ると、体の大きさと比例して「等倍」で大きくなっている（等成長）という結果が出たのです。

つまり、大きな動物は、首を「太く」するのではなく「細長く」することで、体積（＝重さのコスト）を増やさずに、到達範囲を広げている可能性があります。

特に大型の動物（100kg以上）では、首の長さがグンと伸びる傾向が見られました。これは、餌を食べる範囲（フィーディング・エンベロープ）を広げるためだと考えられます。

🍖 結論3：何を食べるかで「形」が決まる
さらに、この研究は「食事」と「形」の関係も明らかにしました。

🦁 肉食動物の場合
肉食動物は、体が大きくなっても首はそこまで長くならず、逆に頭（特に幅）が大きくなる傾向がありました。

これは、暴れる獲物を捕まえるために「強い噛む力」が必要だからかもしれません。頭が大きく重くなる分、首を短くして安定させる必要があるんですね。

🌿 草食動物の場合
逆に草食動物は、頭が比較的小さく、首が長い傾向があります。

植物は逃げないので、強い噛む力よりも、広い範囲の葉っぱに届く「長い首」の方が有利です。

また、噛み砕く処理を口ではなく、巨大な胃腸に任せることで、頭を小さく軽くし、長い首でも支えられるように進化したと考えられます。

🎓 まとめ：測り方が見え方を変える
この論文の最大のメッセージは、「どのモノサシで測るかによって、進化の見え方が変わる」ということです。

例えば、首の進化を語るとき、「長さ」だけで見ていたら「大型化すると首が巨大化する！」となりますが、「体積」で見れば「いや、体全体のバランスは保たれているよ」となります。

進化の謎を解くには、ひとつの視点だけでなく、多角的な視点（長さと体積など）が必要なんですね。

元論文→　https://t.co/Gote9kJjIN November 11, 2025

🚨アンキオルニスは飛べなかった説🪶🦖
#古知累論文紹介

鳥類が恐竜から進化したことは、もはや常識になりつつあります。

しかし、「どの段階で空を飛び始めたのか？」という境界線は、今なお古生物学者たちを悩ませる難問です。

今回は、そんな進化のミッシングリンクに位置する重要な恐竜、「アンキオルニス」に関する最新研究を紹介します。

1億6000万年前のジュラ紀に生息していたアンキオルニス。

手足に長い羽を持つ「四翼の恐竜」として有名です。

これまで、このアンキオルニスが「空を飛べたのか、飛べなかったのか」については激しい議論が続いていました。

ある研究者は「飛べたはずだ」と言い、別の研究者は「いや、滑空が精一杯だ」と言う……。

そこで今回の研究チームは、骨の形ではなく、「羽の抜け替わり方（換羽：かんう）」に着目しました。

鳥にとって、羽は消耗品です。

ボロボロになった羽は、新しい羽に交換（衣替え）しなくてはなりません。

しかし、飛ぶ鳥にとって、翼の羽が一気に抜けてしまうのは死活問題です。

うまく飛べなくなり、敵から逃げたり獲物を捕ったりできなくなるからです。

そのため、現代の「飛べる鳥」の多くは、左右の翼のバランスを保ちながら、少しずつ順番に羽を交換する「順次換羽」という戦略をとります。

一方で、ダチョウやガラパゴスコバネウ、カカポのように、ごく一部の「飛べない鳥」では、羽が左右非対称かつ順番もバラバラに抜けていく「不規則換羽」が見られます。

空を飛ぶ必要がないため、このように羽が不規則に抜けても生存に大きな支障が出ません。

つまり、「羽の抜け替わり方」を見れば、その生き物が飛べたかどうかが推測できるのです。

研究チームは、中国の博物館に所蔵されているアンキオルニスの化石226点を調査しました。

その中から、保存状態が極めて良く、羽の色模様まで残っている9つの標本を詳しく分析しました。

アンキオルニスの羽は、先端に黒い模様があるため、成長途中の短い羽（生えかけの羽）を見分けやすかったのです。

その結果、アンキオルニスの翼には、成長段階の異なる羽が不規則に混在していた事が判明。

左右の翼で対称性もなく、規則的な順番で生え変わっている様子もありませんでした。

これは、現代の飛べない鳥に見られる「不規則換羽」の特徴そのものです。

さらに、翼の構造そのものも奇妙でした。

現代の飛べる鳥の初列風切羽（推進力を生む羽）は通常9〜11枚ですが、アンキオルニスは20〜28枚もありました。

また、風切羽を覆う「雨覆（あまおおい）」という羽が非常に長く、翼の80％以上を覆っていました。

現代の飛べる鳥では、いちばん長い雨覆が覆うのは、
翼の長さの平均でおよそ半分弱（約48％）にとどまり、
多くても6割程度です。

これらの特徴は、空力的に見て、空を飛ぶのには適していない構造だと考えられます。

研究チームは、これらの証拠から「アンキオルニスは飛べなかった可能性が高い」と結論付けました。

系統解析の結果、アンキオルニスを含むパラベス類の共通祖先では、現代の飛べる鳥と同じような「順次換羽」だった可能性が高い、という推定も示されました。

順次換羽は現生では飛翔に依存する種でしか見られないため、もしこの対応関係が当時も成り立っていたとすれば、アンキオルニスの系統は一度は飛べていて、ペンギンのように進化の途中で二次的に飛ぶ能力を失った可能性も示唆されます。

ただし、化石から換羽パターンが分かる種はまだごく少ないため、著者たちはこの点については「暫定的な解釈」にとどめています。

元論文URL→　https://t.co/H9z3De6fa6 November 11, 2025

不仅仅是降水带北移动的因素，甚至这种因素很少。

50年代的塔里木河就会洪水泛滥。从20世纪50年代，随着塔里木河上游人口增加和大面积垦荒，下游来水量逐年减少。

到70年代，塔河下游约400公里河段断流，尾闾台特玛湖干涸。湖水的消失带来了生态灾难。河道两岸的红柳、梭梭、胡杨相继枯死，原本被绿色屏障隔离的塔克拉玛干沙漠和库姆塔格沙漠开始步步紧逼，形成“握手”之势。黄沙漫天咆哮，生存环境极度恶化，个别村落几近整体搬迁。

“50年代防洪，60年代漫灌，70年代节水，80年代抗旱，90年代断流，21世纪咋办？”老百姓编的这个顺口溜，就是塔里木河下游绿色走廊多年来环境恶化的真实写照。

20世纪90年代，塔里木河下游的长期断流引起国家和自治区高度重视，国家投入107亿元实施塔里木河流域综合治理工程，着力恢复塔里木河下游生态。

○ 1976年→　中国科学院考察队发布报告，首次揭示塔里木河因过度开发导致的胡杨林锐减、草地退化及土地沙漠化问题。

○ 1993-1996年→　中科院启动专项研究，攻克干旱区生态恢复关键技术，为综合治理奠定科学基础。

○ 2001年→　国务院批复《塔里木河流域近期综合治理规划》，治理工程全面提速。

○ 2012年→　“治理项目”竣工，年节水27亿立方米，恢复植被2285平方公里，下游生态恶化趋势得到有效遏制。

几十年来，从科学考察到系统治理，再到生态输水，塔里木河流域生态治理的秘诀到底是什么？

塔里木河流域跨越新疆5个地州数十个县市，利益主体多元。2011年，为破解“多头治水”的困局，自治区成立塔里木河流域管理局，统一调度和管理水资源，为全面实施流域水资源合理配置、高效利用打下了坚实基础。

→ 生态输水

2025年8月5日，塔里木河启动了第26次生态输水的第二阶段工程。从2000年首次实施生态输水以来，大西海子水库累计下泄生态水约102亿立方米。

塔里木河流域采用“三年一轮灌”的科学补水方式，每年将中上游洪水作为生态水输送给两岸胡杨林，滋养沿岸绿洲。这种轮灌模式具有多重效益：一方面确保流域不同区域的胡杨林都能得到有效灌溉，另一方面顺应胡杨耐旱特性，给予树木自然恢复生长的周期。同时，实现水资源优化配置，避免浪费。

通过持续引洪灌溉，塔里木河流域生态显著改善，物种多样性不断丰富，胡杨林焕发出了新的生机。

→　河道治理

因为多年淤积，河道被大量泥沙堵塞，水流不通畅，对生态输水效果影响很大。为提升生态输水效率，减少水土流失，加固塔河两岸，塔里木河流域实施了系统的河道治理工程。

同时，为扩大灌溉范围，当地林草部门采取科学措施：沿引洪渠开挖多级人工支渠，形成网状水系，确保水流覆盖胡杨林纵深区域。

→　节水灌溉

为平衡农业用水与生态需求，塔里木河流域采取多项节水措施：

首先，建立全流域水资源动态监控系统，实现取水、用水、耗水、排水全过程管理。

其次，全面推广滴灌、喷灌等高效灌溉技术，淘汰高耗水作物，发展耐旱特色农业。

这一转变使塔里木河流域用水效率显著提升，为生态恢复提供了坚实保障。

→　生态移民

为了恢复塔里木河流域的生态环境，塔里木河流域进行了整体搬迁与生态移民的策略。

2002年，轮台县草湖乡400多户农牧民搬迁至新址，腾退1万余亩耕地全部用于生态造林。这一举措不仅缓解了水资源压力，还促进了生态修复。

2017年，草湖乡贫困人口全部实现脱贫；2021年，全乡农牧民年人均收入达1.5万余元。该工程实现了生态保护与民生改善的双赢。

绿色答卷带来了哪些深刻改变？

20多年生态输水和系统治理，为塔里木河流域带来了什么？

塔里木河流域分布着世界上面积最大、存活最好的“第三纪活化石”——天然胡杨林区。林区面积30万公顷，占我国胡杨林面积90%以上。自2016年开始，新疆政府在塔里木河全流域组织实施胡杨林保护区生态补水，带来显著生态改善：下游地下水水位抬升7米左右；河道周边植物物种由17种增加到46种，鸟类数量增长达115%；胡杨林幼龄树苗占比超80%，种群恢复自然更新能力；灰鹤、水鸟、马鹿等野生动物重现中游流域。

新疆尉犁县罗布人村寨原本是一片沙漠，因塔里木河滋养，胡杨、红柳等植物在此生长扎根，形成一片绿洲。

滔滔河水、漫漫大漠、棵棵胡杨，成为罗布人村寨旅游景区的亮点元素。同时，景区的开发、发展，为当地村民提供了就业机会，也提供了很多创业的机遇。

从断流到复流，再到生态环境大幅改善，这场持续几十年的生态保卫战，通过系统治理、科技创新和制度突破，让古老的塔里木河重新绽放生态活力，为全球干旱区治理提供了鲜活样板。

【来源】https://t.co/jKp9tP6wly November 11, 2025

いつもイイネやリツイート、コメントをたくさん頂きありがとうございます🙇またフォローも感謝致します！
☆マレーヒラタ　マレーシア・キャメロンハイランド産 　　　　
昨日割り出した幼虫が♂９２.３ｍｍ×♀４７.９ｍｍのＷＦ５です。ＷＤメスから累代を重ねて等々ここまでやってきました。そろそろレコードの９４ｍｍUPまで手が届きそうです。この幼虫から本気でブリードを・・・今までは本気じゃなかったんかい！といいたいところですが、エサ慣れさせる為だけに羽化サイクルを回していることもありますので温度や季節など関係なく管理し早期気味になっていたこともあります。一点集中ですね、どれもこれもに全集中はなかなか厳しいので必要なピンポイントに重きを置きます。１サイクル目でレコードが獲れた種類もありますが、累代を重ね確実に１ｍｍづつ更新する楽しみも醍醐味の一つですね！
それでは、今日も一日頑張りましょう！
#クワガタ #カブトムシ #マレーヒラタ #フォロバ100 November 11, 2025

▼Musical Isotope Monthly Picks▼
🍁11月のプレイリスト更新！！🍁

音楽的同位体を使用した素敵な楽曲たちをセレクトしてきました！！
改めてありがとうございます🙏

改めて今回ピックしましたクリエイターの皆様をご紹介いたします。

ぜひ今月も素敵な楽曲をお楽しみください❤️‍🔥

👉Musical Isotope Monthly Picks
URL: https://t.co/2zkPXmRsDZ

#音楽的同位体 #可不 #星界 #裏命 #狐子 #羽累 #KAMITSUBAKI_STUDIO
#ボカロ
#Spotify #プレイリスト November 11, 2025

1895年4月17日那纸《马关条约》的签订，不仅让台湾沦为异域，更点燃了一场震惊世界的抗倭烽火。当“割台”的噩耗传到宝岛，全台百姓北向恸哭，闾巷妇孺皆欲食倭人之肉，这份刻入骨髓的家国情怀，远比清政府的妥协更有力量。

时任台湾巡抚的唐景崧等人奉命内渡，可士绅丘逢甲怒不可遏，当场散尽家财组建义军，牵头给清廷发电：“臣等桑梓之地义与存亡”“倭酋来收台湾，台民唯有开仗”，短短数语，字字千钧。

日军原本以为拿下台湾不过是手到擒来，1895年5月底，海军大将桦山资纪带着近2万日军登陆基隆，可他们很快发现，这片土地上的抵抗远比甲午海战惨烈百倍。

台北失守后，苗栗铜锣湾的天后宫前，数千义军齐聚组成“新苗军”，领头的是被称为“抗日客家三杰”的吴汤兴、徐骧和年仅19岁的姜绍祖。这些拿惯了锄头的农民，此刻手持土铳长矛，以山为屏，硬生生拦住了装备精良的日军。有外国记者亲眼目睹，战场上不仅有男人冲锋，妇孺也扛着物资支援，哪怕面对日军的扫射，依旧没有人退缩。

危难之际，58岁的抗法名将刘永福扛起了抗日大旗。这位本可奉命撤回大陆的老将，毅然违抗清廷命令，掷下狠话：“为大清之臣，守大清之地，分内事业，万死不辞。纵使片土之剩，一线之延，亦应保全，不令倭得。”当时的黑旗军粮饷匮乏、武器落后，可刘永福一面派人四处筹措粮草，一面联合各地义军布防，把台南打造成了铜墙铁壁。他甚至在海岸挖堑坑、埋竹签，伪装成平地，让登陆的日军死伤惨重，硬生生推迟了日军的占领计划。

最惨烈的莫过于彰化八卦山之战，刘永福派黑旗军统领吴彭年与义军死守，吴汤兴率义军在枪林弹雨中鏖战，最终壮烈牺牲。这场战役后，日军占领了彰化，可遍地的忠骸直到1965年才被农民偶然发现，累计挖出679具遗骸，每一具都是为国捐躯的英灵。江苏将领杨泗洪目睹日军烧杀抢掠，悲愤高呼“诛台父如诛我父”，带着“不要家、不要官、不要命”的决心北上反攻，最终中弹牺牲，用生命践行了保台誓言。

从1895年6月到10月，短短五个月的乙未战争，台湾军民以血肉之躯对抗强敌，不仅让日军毙伤3.2万人（其中毙4800人、伤2.7万人），更让日军近卫旅团长山根信成少将和师团长北白川能久亲王相继毙命。

这份战绩背后，是1.4万清军将士和无数义军的壮烈殉国，是没有清廷支援、仅凭民间力量撑起的抵抗奇迹。
清廷的腐朽让国土沦丧，可台湾同胞和黑旗军的血性，却彰显了中华民族不可征服的骨气。他们用最简陋的武器，打了一场最悲壮的保卫战，哪怕最终台南失守，刘永福被迫内渡，这份抗争也从未停止——此后倭国殖民台湾半个世纪，台湾人民就反抗了半个世纪，从简大狮的游击作战到雾社起义的殊死搏斗，爱国的火种从未熄灭。 November 11, 2025