the phenomfnon攻略

姐妹们，最近爆火全网的 spinerman， 有 部分小伙伴已经玩到了，但是还有部分人不会安装，今天统一出个教程教大家，咱们先打开这个 app， 然后在这打入发发的宝藏，发发的宝藏 等待几秒，跳出这个点开，然后在里面找到这个相对应的保存下来就好了。

小白入行特殊资产其实根本没有那么复杂，我给你一套清晰了半年学习思路，帮你二六年呢，业务做不停。第一周，先摸清物权，了解查封状态， 租赁备案，欠税欠费，在阿里、京东等法拍网上选五套本地的法拍房，千万呢，先别着急下手参拍，只是做一份简易的鉴鉴表， 锻炼你的进钓和看资产的眼光。第二周，看懂债权，债权本身只是一张纸，你要懂的是背后的逻辑，什么是抵押债权，什么又是信用债权，一押二押顺位是怎么样影响回收的？那第三周呢，学会赚钱， 搞清楚买卖逻辑以及盈利的模式，查清各个渠道货源的资产，知道每个渠道的折扣，资产类型都不相同，跑银行，跑 amc， 借你你自己的资产库。 第一个月跑通壁，还找一套总价在五十万左右的住宅类的股权，算清楚真实成本，也就是成交价加税费加清场成本，等于实际成本。再看看最后的是亏还是赚，那不求赚钱，只求能够走完全流程，两个半月 锁定细分，再到千万别贪多。我给你几个大致的方向，一呢，在一线城市的话，做居间标的的金额都比较大，分给你的三个点的服务费都是一笔不错的数目。第二，二线省会法拍房简陋，目前还存在一定的信息差，需要一定的专业能力。那第三类呢？信用类债权 信用包市场三年翻了快六倍，但是各大的门槛是比较高的，调解、催收、诉讼需要的资源也不少。第四个月，搞定合作伙伴，你不需要全能，但是必须有这三角 资金方，合适的杠杆是业类人士的必备。第二是处置方，买卖、招商运营、处置回款都需要团队合作。 第三是信息员，像银行的 a m c 的， 那第五个月实操的第一个真实项目，用最小成本来做验证资源、资金和操盘能力。第六个月我们复制以上的成功经验即可。

看好了朋友们，今天教大家如何免费下载最近爆火的游戏 the phenomenon， 支持安卓手机和平板，还可以和朋友联机，下载方法也很简单。第一步，我们打开视频，点右下角的箭头，点分享链接，然后复制链接，再返回桌面，我们打开这个蓝色的小鸟， 进来后它会自己跳转出来一个这个链接，没有跳转的话，我们就在上面搜索实测宝库 也是一样的。然后我们进来之后点这个合集进去，按照首字母，我们点开这个 t 开头的文件夹，先取消全选，然后再勾选这个游戏的文件，点右下角的保存，然后就可以去下载安装了。

这期视频呢，我将会详细的解析一个拥有十五年自动驾驶开发经验的资深工程师。为什么呢？他从嘲笑马斯克觉得 fsd 一定不能成功，到现在看到 fsd 的 发展，选择 allin 全部买入特斯拉股票。 他说呢，他本来完全不碰股票，但是呢，在他深入研究特斯拉 fsd 技术之后，他觉得哇，大规模扩展的无监督 roll taxi 就 要来了。 首先他说他第一次在二零一六年听到马斯克说哦特刹车要凭硬件二就要实现 l 五级自动驾驶的时候，他直接笑出了声。他说他干了十五年自动驾驶， 开发了自适应巡航，开发了 a e、 b 自动刹车，自动变道，高速领航，自动泊车等等所有这些主流功能。他太清楚在真实路况下自动驾驶的感知有多么离谱的复杂。他当时就觉得就靠当年那套硬件想几年内搞定完全的自动驾驶， 纯纯的画大饼做白日梦。所以呢，当时在二零一六年，他就直接给马斯克判了死刑，他觉得马斯克说的百分之一百就是炒作，半点东西都没有。他说呢，在他眼里马斯克就是个空手套白狼的骗子，完全呢靠吹牛皮哄抬特斯拉股价。他说当时在内正经搞技术工程师，没有人觉得自动驾驶 可以去落地，传统车企每年去砸几十亿的去研发，才勉强摸到了 l 三级的自动驾驶边。结果呢，马斯克现在敢直接就说啊，我要在我家的量产私家车上去承诺五级的自动驾驶， 哎，结果呢，他现在说时间拉到现在，我现在满仓重仓压死特斯拉。他说他现在把他这辈子最大的一笔投资全部投入了特斯拉，因为他认为特斯拉真的已经把自动驾驶给啃下来了， 无人监督的 robax 大 规模的普及马上就要实现了。他说他从原先那个嘲讽马斯克最凶的人，打心底觉得马斯克就是割韭菜，一点都看不起他的人，变成了到二零二二年底的一个晚上，彻底颠覆了他整个认知。他说呢，他随手刷到了 holmas 发的一个 f s d 十一的测试视频， 然后呢，还看了特斯拉 ai 日的回放。他说呢，他一开始其实只是当热闹看，但是越看越震惊，越看后背越发凉。他看到 f s d 无剪辑的实拍，在复杂混乱的路况全程自己开。他说呢，如果换成他们那套传统的感知算法，这个座驾室早就崩了。结果呢， f s d 十一各种 奇葩突发场景，全部都轻松拿捏这种 ai 的 泛化能力。他说他在以前根本觉得不可能。他说那一刻，他彻底被打醒了。 从业那么多年，他第一次意识到他错的多么的离谱，错的有多么的彻彻底底，他多年的专业经验，固有认知全部都过时了。他嘲笑了好几年的吹牛大王，根本不是画饼，而是真的在造未来， 而他还是守着老思路原地踏步。所以呢，那天晚上他彻夜难眠，躺床上心慌到不行。他清楚的感受到一场行业大变即将到来，挡都挡不住， 会彻底的颠覆整个自动驾驶的行业，甚至砸掉他现在的工作。他当时觉得，哎，他什么也做不了，只能眼睁睁的看自己被时代淘汰。但是呢，第二天他脑子里就突然进了个念头，打不过就加入。他说呢，他从来不碰股票，但是当天就立马开户， 开始了他一路的 oem， 特斯拉给自己呢，去对冲留一条后路。他说呢，结果呢， f d d 版本一路迭代升级， v 十二、 v 十三陆续上线，超级计算集群也落地，他呢，从一开始的试探性的定投，变成了彻夜的幸福。 他说他凭着业内人士的专业视角，他比普通人更清楚趋势，直接满仓 allen， 特斯拉闲钱全部砸进了股票还有看涨期权里，他现在的工资呢，只是留着日常去买菜。他已经彻底的认错，是他眼光短浅，马斯克是对的，他输的心服口服， 所谓的他觉得不可能，只是来的晚了一点。他认为无监督 robot taxi 大 规模普及已经近在眼前，而传统车型马上就要迎来像黑莓手机被智能手机淘汰的时代拐点。他认为特斯拉股价即将暴涨。特斯拉的第一个优势，也 也就是传统车企的一个非常大的劣势，就是传统车企他们总是呢把他们自动驾驶数据收集收集着，哎，就重归于零了。就是因为传统车企他们的车型遍体泛滥，他们的车型太多了，导致呢，传感器参数失控，他们每一款新的车型 都是一套全新的数据训练分布，即使呢，他们摄像头分辨率保持五百万像素不变，但是呢，只要把 b 柱摄像头外移八厘米， 斜倾两度，这全部会改变边缘测距的深度，估算的逻辑，还有车顶的高度，引擎盖的长度，后视镜的造型的不同，也会带来完全不一样的路况的遮挡效果， 再加上图像传感器的分辨率，雷达设计频繁的改动，最终呢就只会陷入到彻底的数据混乱。结果就是这个传统车型无法去整合他们所有车型的所有的路面的数据。我们知道比如说比亚迪有那么多车型，这个数据就完全的无法整合到一起， 没有办法一起去训练。那相反特斯拉就完全不一样，它就那么几款车型，而且共用同一套硬件平台。特斯拉每四到六年才做一次硬件大的升级， 比如说从硬件三升级到硬件四，它们 model 三、 model y， s x、 cybertron、 robot， taxi、 semi， 全部都享用着同 同样一套硬件和传感器。二零二五年，特斯拉全年生产的大概三百万辆车里面就全部搭载着统一的五百万像素的硬件四传感器套件。而传统车企每年数百万的车辆里面可以搭载最多五十 到七十种不同车身结构，不同传感器配置，这个才是拉开差距的致命的关键。特斯拉刻意的去坚持一套策略，同一时期只用一款传感器套件，限制了车身几何造型的变化。所以呢，当你听到别人说，哦，特斯拉你这个车设计的 怎么不多搞点，车型设计的太单调，你看其他车型有那么多选择的时候，你就可以告诉他，因为这才是最好的选择。 就像未来 ceo 李斌说的，其实每个车企都想像特斯拉一样就生产一两款车型，然后呢变成爆款，但是呢，没有另外一个车企有特斯拉这个能力去做到这一点， 可以让品牌力这么强，他们只能靠更多的车型去增加他们的销量。但是现在我们就知道，这其实就牺牲了他们自动驾驶的能力。 如果一家企业他真心想做 l 四 l 五级自动驾驶，他唯一实现的方法就是敲定同一套传感器硬件，然后呢，全系车型统一标准化，否则呢，就只能接受现实，永远无法累积以 十年作为一个维度的统一数据集，而这个数据集是目前唯一被验证可行实现无监督自动驾驶的路径。除此之外呢，其他所有其实都只是行业表面的去做秀而已。那第二点呢，他就说每一辆车在它交付之后，就要马上变成一个数据采集，还有上传的节点，无监督自动驾驶 需要把事故率控制在十亿分之一左右，想要去验证并且去持续优化这个安全标准，就必须满足两个条件， 首先第一，累计数十亿公里的路测里程，那其实呢，马斯克有时候需要一百亿公里，可能会超过人类。然后第二，需要数百万个稀有边缘场景里面的数据，那其实有的说，你开了这么多公里， 你有没有办法能够把这些公里里面那些非常有价值的像黄金一样的边缘场景的信息提炼出来，因为你 可能有数据，但是你不一定能提炼的了。而他说呢，传统车企呢，现在在数据收集上非常的惨淡。他说呢，像什么宝马、奔驰，其实大部分全部都推出了这种大型数据采集的计划，但是呢，由于欧洲法规的约束，用户呢，参与完全呢是只能自愿选 择，很多他们默认其实根本就选择不上传，而且呢还受网速的限制，所以呢，每天呢，其实你需要一千 t b 以上的数据， 但是呢，实际这些传统车企每个月只能够收集到几个 tb 的 数据，这个数据量的收集和传统车企所需要数据量差的非常非常的远，而特斯拉每辆车八到十一个摄像头全天录制，每天就能产生约一百至两百万个 高价值的路况片段。所以呢，对于传统车企来说，如果他们量产车不能够这种规模化的收集数据，那么车企就只能永远依赖小规模的专业测试的车队去进行数据收集，这和特莎比起来都已经不简简单单是技术差距，而是整个商业模式再加上法律法规的双重的差距。 所以呢，他说现在传统车企他们自动驾驶数据的累积实际上只是几乎根本就没有数据。 萨第三个护城河，在数据收集的时候，特斯拉能够智能的去触发式的收集数据，只抓取有价值的关键场景，特斯拉的车载系统可以实时的去自主的判断哪几秒钟的驾驶画面具备训练价 值，值得上传。这个决策呢，全部取决于 f s d 车载计算机本地去完成。那目前呢，确认的特斯拉会触发这个车载记录的条件呢，就包括最直接的人工接管，脱离自动驾驶。 我们每一次用 f s d 去介入的时候，其实这都是非常非常宝贵的黄金一般的数据去给特斯拉，那最近呢，我没看到特斯拉强制在你接管之后还去要求你去选择，到底是什么原因你要去接管，这其实呢，对于特斯拉收集数据来说非常非常重要，可以节省他们去区分到底为什么 你要去接管这个类别，然后呢触发条件呢？还包括影子模式行驶的时候轨迹严重的偏离，即使你不用 f s d， 特斯拉呢，在背后也会去跑一个影子模式，和车主真实去开车去进行一个比较。那假设呢，有非常大的偏离，它也会自动上传，这套选择机制其实非常非常重要，这样呢，每一辆特斯拉每周可能就仅上传五到五十 gb 的 数据，而非全程录制所需要可能二十到三十 tb 的 数据， 而这每一 gb 的 数据的训练价值是随机高速路片段的一百甚至一千倍。而其他的传统车企在这个数据的选择上做的最好的也仅仅是停留在，哎，你发生碰撞了，它会自动的去记录，或者呢是需要人工的去手动的去开启录制， 特斯拉车呢，还可以去自主的去判断，哎，这好像是雾天，哎，这是施工路段，哎，这是模糊的交通标志，这全部都是黄金训练场景，他一看到这些，他也可以上传给特斯拉。而到二零二五年， 没有任何一个传统车企能够做到这一点，那我们知道在数据量完全拼不过特斯拉，同时他们选择数据也拼不过，那特斯拉第四个护城河就是它的视频 ai 压缩技术，什么意思呢？首先呢，对于特斯拉这个自动驾驶神经网络来说， 它其实最想得到的是未经修饰的原始光泽信号，那马斯克呢，其实也时常说，我们这个摄像头数据是不经过任何后期处理的， 完全呢就是直接去处理，我们知道这光里面最小的光子，我们现在用的手机，用的相机，我们照样照片，然后呢看到的那张图像，其实呢全部已经是通过加工处理了的，为了是让我们更好的去看这张图像。但是呢，其实自动驾驶是不需要这部分处理的，直接呢光子输入会比 处理后的这个图像，让自动驾驶系统对于这个画面的感知程度全面的上升。因为呢，传统的 i s p 图像处理会丢失掉轻微的对比度，还有呢光子照射的梯度这些细节呢，正是深度测距，弱光环境推理的核心的宝贵信息。 所以呢，特斯拉目前仅用 i s p 处理之前的原始的光子数据去训练模型。但是呢，这个随之而来就会有一个问题， 因为你用原始数据，这个数据量是非常非常大的，因为它没有经过任何的压缩，所以呢，传统车企他们不是不想用原始数据，而他们是没有开发自己的这种图像的解码器，这个解码器 是需要非常大的数据结合特斯拉 f s d 的 感知系统是一起去训练的，它也是相当于一个模型，你要去把它训练得非常好，它才知道去舍弃掉哪些不该需要的信息， 而去仅仅保留最重要信息，比如说舍去掉天空的渐变，他就知道该去舍去掉哪些无效的沉鱼信息，而又能确保压缩之后不会去影响在下游里面算法的精度，那特斯拉的这个神经网络视频解码器可以直接把视频的体积缩小十到十二倍， 而且呢同时还能提升感知的识别的精度，那相比呢，现在传统手机就根本没有这个神奇网络的解码器，所以呢，他们完全用不了那种原始的光子数据，而且呢他们对于他们得到的视频 也找不到很好去压缩视频的办法，就使得他们在本来就用不好的数据的前提下存储，还有待宽的成本，全部还多出了十倍以上。特斯拉车队自动的去生成高精度的真实标注数据， 传统车企的激光雷达呢，还需要靠人工的去标注啊，激光雷达去侦测到的每一个东西，但是呢，这么做早已无法适配无监督自动驾驶所需要的体量的数据的需求。 我们经常呢看到特斯拉到一个新的 robottech 的 区域，他会有一些装着雷达那些车，这些车呢，其实是去收集一个所谓的叫做种子数据，那 通过这个种子真实数据，比如说团队标注这个是红绿灯，但是呢，你可能在真实的情况下会看到很多不一样的红绿灯，比如说有的被这个牌子挡住了一半，而有的角度不一样， f s t， 它现在自动标注的方法就是我远处我看不出来它是什么， 那我就走近看，哦，原来这是个红绿灯，然后呢把这个标注好了就倒推回去，倒推给我们本来很远看，但是看不清楚，比如说被遮挡了一半的那个画面，就自动的把那个画面标注成了红绿灯， 通过这种自动的标注方式，现在呢，特斯拉在大部分场景下已经完全超过了传统车企激光雷达的人工标注，因为呢，特斯拉自动驾驶的汽车，他们见过多一千倍的天气光照遮挡场景的变体， 对他们能够更好的去识别这个世界。而到现在传统车企的现状就是，人在花费数千倍的成本 去找很多人去标注，但是产出呢，却远少于现在特斯拉的真实标注数据。特斯拉呢，已经把标注这个最大成本的花费变成了他最强竞争的壁垒，而其余的车型呢，还在花钱去依赖人工的标注。那第六点就是特斯拉自己的巨型的算力中心，传统车企长期去租用别人的算力， 可以说是无监督自动驾驶的死路。二零二五年，特斯拉依靠自己建设的行业顶尖的新模型， 而这个成本呢，仅相当于其他车企单次去租用别人完成一个模型的开销。所以呢，每一次传统车企去训练一个模型都要付出十到二十倍的算力成本，但是呢，又没有任何一家车企敢去花这么多钱像特斯拉一样去建造一个这么大的算力中心。 并不是每个人都有马斯克这样破釜沉舟的决心的，所以在无监督自动驾驶的赛道里，特斯拉一年就可以迭代训练十到十五个前沿模型，这相比于两三年才负担得起去进行一次模型训练的起传统车企这不仅仅只是领先，而是彻底的 甩开，然后淘汰它们。其实呢， jamal 呢，在另一篇文章中还聊到特斯拉的算域中心是有自己的 a i 四的芯片的，那这个相比英伟达通用芯片那简直就是有难以匹敌的优势。 在训练过程中其实是有非常大量的推理工作需要去做的，模型的训练方法是先去推理出一个结果，然后呢再通过模仿学习去让现在 ai 推理的结果和人开车的结果越来越相像。那假设这些传统车企他们都是用英伟达 h 一 百去进行这个推理， 但是呢，到时候到他们车上又不是用 h 一 百去进行这个推理，那么会发生的问题就是他们训练出来这个模型一放到他们车上就不会表现的像他们在训练时候那样就会有偏差。而特斯拉就完美的解决了这个问题， 他把大量的本来就在他们的车上跑的硬件四放到了他们的算力中心里面，所以呢，当他们训练完这整个模型就可以直接的零误差和就是 f s d 模型，它强大的感知能力， 它能够完美的去构建一个真实的三 d 世界模型，它已经可以完美的去理解每个物体，它的深度，它的类别，比如说交通灯标志，车道可行驶的空间等等。你只有在完美理解了整个世界的基础上，你才能够再去教它怎么样去模仿人类去开车。 所以呢，在理解世界这个阶段，其实要花费掉百分之七十到百分之八十五的全部的训练算力，打造出一个坚如磐石的基础。但是呢，至今传统车企其实呢从没有给他们自动驾驶所需的这样的海量的预训练，他们呢就指望直接去模仿人类司机开， 这样呢，其实使得他们自动驾驶非常的脆弱，因为他不是真正的理解这个世界，你稍微换一个不一样的场景，他一下就崩了，他就不知道怎么开了，泛化性就变得非常的弱。第八点呢，就是通过大量的真实驾驶 司机收集到的像黄金一样的宝贵的数据来去训练特刹的自动驾驶模型。其实呢，他在另一篇文章中就讲到，我们这些特刹的车主去使用 f c d， 可以 说对于特刹来说是最最最宝贵的东西， 因为他带来的是最直接最好的政治数据，我们本质上就是完全的去在教特斯拉的 fsd 在 怎么开车，特斯拉 fsd 才会拥有他学习的榜样。那他在另一篇文章里讲到，那很多人呢，就说现在很多车企靠这个虚拟生成的数据 就可以达到特斯拉水平，那其实呢，根本做不到，特斯早就拥有了这些车企，他们的那些视频生成的技术，马斯克早就说 很多年前特斯拉就有了，但是呢，特斯拉现在依旧有解决不完的长尾问题，就是因为这个长尾太长了，这个长尾对于不 像特斯拉这种有这么大数据库的人来说，几乎可以说就是无穷无尽的，用虚拟数据是根本解决不完的。而他说你别忘了特斯拉在上个月他们的 robot taxi 事故是零，那第九个特斯拉 f a d 的 护城河 可以说呢，就是他的端到端模型，那在端到端之前呢，特斯拉的感知层和控制层这两个层是分开的，你要先去运行感知，去认识这个世界，然后呢再把感知的结果再去给控制层，让他通过这个信息去做出决策。那原先呢，这两个层其实就是独立的串联起来， 那这就造成了更高的延迟消耗，更多的内存，更多的功耗，然后呢，也产生了更多的可能会发生故障的层面。 而从 f i d 十二开始，特斯拉端的端把它彻底的融合在了一起，在完全的合并之后，甚至呢出现了一些让人意想不到的特性泛化性， 它们本来是各自有各自的权重，那现在就结合成了一体的权重。那当你去分开去训练感知层的时候，比如说呢，他把全球各种各样的停车标志全部都识别了，但是呢，因为呢缺乏语境，那他其实不知道这些归为一类，但是呢，你停车这个动作一起去训练之后，哎， f i d 他 自己就知道了，哦， 原来这所有的这些停车标志都是让我去停车，他就自己去把它分类了。所以呢，当他第一次去泰国， 去巴西，去冰岛，看到一个他从来没有见过的停车标志，但是呢，他通过他的一些形状识别出啊，他好像就是停车标志，他依然会去平稳的去停车，他已经把这个标志和动作结合在了一起。那假设呢，是之前是两个分开的模块的话，他可能在识别出这个类似停车标志之后，他就不知道该怎么做了。 而现在呢，传统科技仍然呢停留在这种老的旧模块化的架构，所以呢，每次出现新的标识，新的手势， 新的呢，地狱专属的交通习惯的时候，全部呢，他们都需要去手动的去新增标签，新增控制规则，所以他们永远追不上现实世界无穷无尽的路况的变体。 那第十个护城河，那就是特斯拉的虚拟模拟器，因为边缘场景太多了，很多的边缘场景你一年可能也碰不到一两次，但是呢，你仅仅靠那么一两个数据去训练 ipad， 很 明显它的泛化性是不够的，这个时候你就需要虚拟模型就 生成几百万个遍体情况，比如说不同的天气，那辆车以什么样的不同的速度转过来，然后旁边还有什么样的车。特撒的虚拟数据引擎已经强到它生成的画面，无论是特撒车 f、 s、 d 还是你自己去看它那个画面，你根本就区分不了那是真实的还是虚拟的，这样它的适配性就会非常强， 你在虚拟世界训练完了，就可以直接去转移到特斯拉的车里了。但是传统车企他们用的虚拟数据引擎极其的落后，完全达不到要求，部署到真实车辆上路后，适配性极差表现的直接崩盘。而特斯拉靠的是海量的数据还有算力 才搭建完成这套模拟器。所以呢，我们之前也聊到了特斯拉的数据还有算力优势，所以不是传统车企不想去搭建这一套非常完美的 虚拟引擎，而是呢，因为之前讲到的他们对于数据还有算力的约束，他们根本实现不了这一点。而每次呢，特斯拉获得边缘数据，每次人工接管或者发生事故，或者呢，是那种高不确定性的时刻，特斯拉的模拟器就会重放那个精确的时刻，但是呢，改变参数，从一个真实的种子 生成百万种不一样的边缘情况，然后呢， f s d 就 会通过强化学习，找出去适应这几百万种不同情况下的正确的策略。哎，结果呢，就是车辆在边缘场景中表现的越来越好。所以总结来说呢，这就是 f s d 十层无法被逾越的护城河， 这些护城河是环环相扣，你不能说缺乏前面两项就能够实现后面两项，那传统车企几乎没有实现任何一项，这十项需要你 很多年一步一步的积累，你不可能啊，突然有一天，一个传统车企告诉你啊，我突然发明了一个技术，然后跳过了这十项，突然我奇迹般的就实现自动驾驶，这是不可能发生的，他们互相锁死，少任何一层就会整个崩塌，而特斯拉拥有全部的每一层，这已经 不是简简单的差距，而是完完全全的一个代差。特斯拉呢，不只是造出了一辆会自己开的车，它其实造出的代价是极其惊人的。 更不用说特斯拉照着超级充电站、 magpack 电池等等去服务这些 ai 的 基础设施。我觉得特斯拉还有我们特斯拉股东其实最厉害的还有一点就是要能够去忍受多年别人的嘲笑。这几年无数的人在说啊，纯视觉太疯狂了 啊，没有雷达就是自杀， f s e 就是 马斯克的画饼，在这么大压力的时候，马斯克还有特斯拉必须得顶住这些压力， 投资几十亿美元，花费无数的时间去逆流而上，去建造这些工厂，去为将来的无监督自动驾驶打好一切所需的基础设施。一个技术成功之前的铺垫是其实是最难的。而 jamma 说， 特撒打造的这个怪兽终于要开始睁开他的眼睛，他说 f s d 不是 来迟了，而是提早了一千年。我们正在见证这个怪兽的诞生，他在感知推理行动上全部达到了超人的水平，他认为规模化的无人出租车即将到来，这就是为什么他选择 all in 特撒的原因。 最后呢，我要推荐一下我的会员频道，我的会员频道呢，分为三个等级，第一个等级叫做特杀先行者，那这个等级呢，你可以提前看到我每期发布的视频，然后呢，你的留言呢，我也会优先的回复。然后呢，第二个等级叫做特杀探索者。这个等级呢，可以加入到我们超过四百多个人的 vip 会员群讨论中。 里面呢，全部都是像你一样对于特斯拉极度的热爱者。这个群里面更新消息的速度几乎是和 twitter 和 x 是 同步的。每次呢，我看到什么新的消息想发到群里，我发现呢，大家已经发过了。然后呢，所有人呢，再会一起去讨论这个问题。这个群里呢，也鼓励你去踊跃的去交流，去 提出你的疑问。那我相信呢，四百多个投资者一定有知道答案的人，尤其呢，是特斯拉，是一个股价波动极大的公司， 通常呢，股东他们的情绪波动也非常非常的大，在股价跌的时候，很多人就会因为情绪而抛掉股票。那这个时候呢，你在群里，其实呢，和大家一讨论 你就会知道啊，完全没有什么，我相信呢，加入这个群对于你在持有特斯拉上会有非常非常大的帮助，我 认为呢，它的价值远远超过每个月的订阅费两百元多，然后呢，第三个级别不到四美元。在你享受这个会员群的同时，你还能每个星期看到我发布的一个会员视频，在每期的会员视频中呢，我会更加深入的去讨论特斯拉的内容， 讨论的内容呢，是你在网上看新闻是看不到的，会更好的帮助你了解到投资特斯拉的底层逻辑是什么，不会因为表面上一些主流媒体的报道啊，特斯拉不行了就会被动摇。 长期投资很重要的事情就是在你做好深入研究之后，能够坚定不移的持有你的股票，而不是呢，反复的呢被那种大的庄家去割韭菜。非常期待你呢，一起加入到我们这个大家庭之中。

要来一趟济南吧，赴一场泉水之约。给大家整理好了一条不绕路、节奏舒缓的三天两晚的旅游线路，闭眼冲就对了。一天，把全程的灵魂光透。 先去趵突泉，看天下第一泉，静静喷涌，泉水清丽，心都跟着静下来。隔壁五龙潭，清幽雅致，人少景美，随便走走都很惬意。再去大明湖，泛舟漫步，一城山色半城湖，真的自带温柔滤镜。 拐进曲水亭街，流水穿巷，青砖灰瓦，老济南的烟火与诗意都在这中午扎进宽厚里，油馅把子肉甜末，一口论馅，济南味道。 傍晚去黑虎泉听泉鸣，接一杯天然泉水，这才是泉城独有的浪漫。二天，山水相伴，门脉同行。清晨登千佛山，登高望远，将泉城风光尽收眼底， 祈福散心都刚刚好。下午走进山东博物馆，穿越千年齐鲁岁月，在文物里读懂山东的厚重与浪漫。三天，走进李清照笔下的济南明水古城，寻访一代慈东的故里， 一步意境，皆是诗词意境。旁边的百脉泉群，泉眼密布，流水潺潺，比市区更静谧、更原生态。逛古街、赏名泉、寻文脉，给 这场济南旅行画上最温柔的句号。济南不大，却足够让人念念不忘。收藏这条攻略，挑个好天气，一起来感受一下全城的温柔与浪漫吧！

nice， 大家好啊，欢迎来到我的频道，我是著名乐团的非著名演奏员曹晨迪小尺八， 今天这期视频呢，是想跟大家分享一下，前几天我在练习 charlie parker 的 beatles bounce 这首乐曲的时候，里面有两组在削的第三个八度上快速联动的旋律，今天在这里我会把我觉得最方便的指法跟大家分享。 首先这首乐曲呢，因为开头他是从开始的，所以这已经是削的第二个八度的音开始了，所以导致后面第二行的第三小节开始， 他的音非常的高，已经到了 这基本都是在消的度第二八度的高音和第三个八度，而且快速的切换， 那么，呃，有朋友会问，那开头起的音区就比较高，那后面我们把它降下来可不可以呢？ 也可以，但是我还是比较想呃，尊重原著，尽量的不去改变他的音高组成方式，所以不可避免的要去挑战这两组第三个八度的快速联动。 首先我们来看第二组，第二组我觉得是全曲最难的一组。嗯，首先我们看这个搜 固定调是小字三组的嗦，首调的话其实是超高音 rap， 那 么我是吹笛子出身的嘛，所以这个指法超高音 rap 通常我在笛子上面是是开一八，但那天我在练的时候开始是用一八去练，但发现 怎么慢练到了快速的时候他都会半算。呃，就是因为他要快速的切换， 他要在开一八和四七八之间快速的切换，所以我怎么也协调不过来。后来我发现其实只开八孔 也能很好的吹出呃这个音，所以后来在开八孔和开四七八之间去切换就方便很多了。由此可见，在第三个八度，手指之间的切换，音与音之间的切换，手指是变动的越少越好，这样才能比较快比较精准的 完成它的联动。好，我们再往后看这个小字三组的声发，也就是呃手调的超高音兜， 他是开四七八这个音律，大家无论是吹笛子在吹箫还是原本吹箫，应该都是这个指法，没有什么其他的选择。但是大家要注意一个问题，就是我们手中的每一支乐器，他在第三个八度的时候也不一定 同样的指法适合所有的乐器。就比如说我手中这一只四七八吹升 f 一 点问题都没有，但是我的另一只 f 调的削呢？嗯，它单独吹没有问题，但是从 它联动的时候，它总会出现那个哑调的那个音，或者穿到呃上方的泛音。 所以如果我用这只小曲演奏的话，我就必须要更换指法，就是我要把三四七八都打开来吹这个音， 这样这个音才会比较稳定，大家也听到了联动的过程中没有再出现哑音或者在在上方的泛音。同样的道理，那我现在要讲第一组 就是这一组其实也是有难度的，而且他的指法也不是所有的乐器都通用，我有一把削他是要盖三个孔， 但是大家听也听到了，这只削的时候，如果盖三个孔，他特别容易跑去上方反应，所以我在练这一句的时候也练了好久，最后还是选择只盖住下方两个孔，这样他才会比较稳定， 所以大家在练习的过程中要选择，嗯，第一是尽量切换的时候少动手指的，因为它能减少你的失误率。第二要选择你这支弦更稳定的那个指法。 讲到这个稳定，呃，前段时间我们团的那首玖月作品和平之光里面有一句困难片段，它就是用到了固定调的升 f， 也就是首调的超高音 c 啊，这个音可把我有一次演出坑惨了。关于呃这一句的话，我觉得我要单独开一个视频讲一讲这一句后来也是发现了一个非常好的指法，也是借鉴常理的一个指法，才把那个音变得非常的稳定，而且音色也很好。 呃，这个其实我们的乐器的第三个八度的指法还有非常大的开发的空间， 那为什么会出现这种？还有很多好的指法没有被发现，而且就是各个消各个乐器，他的稳定的指法不固定，其实就是因为长期以来就不太会去训练。第三个八度的音，我们的乐曲 也不太会出现这样的。嗯，呃，可能偶尔会出现，但是像这种快速联动的，呃，还是比较少见的， 因为我们用的少嘛，所以我们的绝大多数的乐器制作家，他也不会去调那几个音，那就长此以往，恶性循环。就是 作曲家跑过来问，你这个箫的音域是多少呀？是哪里到哪里啊？那我们的箫会，箫会说，大哥，我是三个八度的乐器，你回答他两个八度多四个音，而且那四个音尽量少写，第一难吹，第二不准啊， 那如此恶性循环下去，那我们的对这个乐器的开拓呢，就就会很局限，所以 这一点我觉得我们要向呃长笛去学习，长笛其实在巴洛克时期的那些作品，他跟我们一样，到首调的嗦拉会很常见，但是到超高音的 c 多就会比较少见，但是有，但是通过之后几百年的演奏家的 开拓，然后乐器制作者的精进，还有作曲家的对这个乐器的一个开发，使得现在长笛的他的常用英语都已经达到了小字三组的 c 是 非常常见的，甚至四组的多 r 都会常见。 说到这个，我想跟大家分享一下，我在二零一七年时候写的那首文折柳就运用到了嗯，消完整的三个八度 啊，简单跟大家分享一下。 呃，希望我们通过我们的努力，在今后能够更多的去运用我们的消的第三个八度的音，包括 乐曲，包括乐器制作的稳定性都能越来越好，因为这个音域是很好听的。当然呃低音、中音第一个八度也各有各的音色的特色。 好，那今天这期视频就分享到这里，希望也在练快速度爵士的朋友们能够得到一点参考。 做自媒体断断续续也有六年了，呃，之前一直是以纯演奏的方式和大家见面，呃，今天是第一期，以讲话的分享的方式和大家见面，今后呢，也会更多的以这种呃讲话的方式， 聊天的方式来跟大家分享一些我自己平时在练习或者演出呃中的一些心得体会。那大家有什么问题也欢迎在评论区提出来，我们下一期再一起讨论。 如果大家在练习的过程中有类似的嗯快速联动的旋律，也欢迎在评论区告诉我。如果有需要这首乐谱的朋友，呃，欢迎关注我，私信我，我把这首的乐谱发给大家。好，那今天这期视频就到这里，我们下期见。

零分，绝对零分，谁敢用洛必达一分不得。我之前说过一种现象， 高考的导数六十五个题型，在校的数学老师最多讲五十个。这家伙给我喷的啊，非说我造谣。我造谣不造谣的，你自己导出板块你丢多少分你自己心里没没有点数吗？ 你丢分的原因是因为我造谣造的吗？不还是因为你在学校没学明白吗对吧？你喷我有啥用啊，没学明白就赶紧找老师把短板给我补上。这很简单逻辑啊，你爱信不信。 高考导数大题位置已经前移了，难度必然是降了。这也是很简单逻辑啊，你也是爱信不信。还有观众啊，说我踩在校老师是为了麦克，我麦克有毛病吗？我明码实价麦克我有毛病吗？ 根本就不存在谁踩谁这么一说啊，我只是把这个在校老师没讲的内容一说啊，我只是把这个在校老师没讲全而已，我有毛病吗？ 你比如说啊，在校老师最常用的导数大题的解题的方法是分餐，你自己品一品啊，你们老师讲导数是不是特别依赖分餐？ 在这里我可以明确的告诉你，真正的高考导数大题用分餐法根本就做不了， 要么是无法分餐，要么是分餐之后需要大量的分类讨论，要么就是分餐之后人家考的是同构 原因是吧？单纯的分餐法在高考的难度虚的里边属于低档次难度，绝对不可能在高考的导数板块里出题。 如果你现在啊是高二的同学，用分餐法来对付一下高二期末考试，那没问题。但如果你是高三同学啊，正在备战高考，请不要奢望高考导出大题能使用分餐法， 所以请远离那些只会讲分餐法的老师们。比如说这道题啊，你看你用分餐法之后， 把最小值 x 等于一往里一带，傻眼了吧？分不等于零咋办呢？要么在这讨论，要么端点效应，那计算量能受了不？干啥不用洛必达呀， 你老师肯定这么说啊，零分，绝对零分，谁敢用落笔答一分不得？ 那你落的过程别往答题卡上写就得了呗，你直接讨论落的答案， 用反证法证不就满分了吗？你先求二者倒，然后把落出来答案设出来，证明他成立，再证明相反情况下不成立，这不就满分了吗？你看看啊，这答题卡上有一点洛必达的痕迹吗？ 同学们，你摸着良心说啊，就这道题的解的过程难理解吗？不要黑化洛必达， 这只是一种特定的题型，你做一道开窍，做两道熟练，做三道就彻底通透了。所以我才说，把导数题型学全在导数这个板块，你抢出十分绝对有可能。

如果做式老化改造只知道改几个扶手和防滑地板，那这样和医院有什么区别？式老化改造最需要解决的是如何让家依然向家。第一，扶手是隐藏式的。第二，座位都是可以撑扶的。 第三，浴室、厨房地板需要防滑的。第四，墙角、桌面都要做成圆角的。第五，洗澡时可以坐着的。第六，一定要有紧急呼叫按钮。如果你现在正准备给父母做式老化改造，典型案例集 可是住建部联合新华大学重磅编著的，还是世界银行课题专项成果，里面全是能直接照班赴用的实战干货，收入了三十八个国内外已经完工的真实项目，包含中、日、美、德、新多国的成熟养老改造经验。 小到一户家庭的卫生间防跌倒细节、全屋无障碍动线规划，大到整片社区的公共动线升级。从扶手高度标准，到灯光采光优化，连施工尺寸规范都拆解的明明白白。 那些行业里的核心难点，钱人已经帮你踩完了所有坑，试错过无数方案，不用你再花冤枉钱，照着实景案例就能落地施工。 不管是老旧小区旧房翻新，还是专门做老人房装修，他都能给你提供一户一方案，让老人居家更安全舒心。这样既可以方便老人的生活，又可以照顾到他们的自尊心。愿长者无忧，优者优解。