we define first and then see

传统存储

postsql mongodb redis不变的组合

机器人-半导体

1️⃣ 机器人浪潮中半导体才是"镐与铲":机器人整机并非最大受益者,半导体作为基础设施将率先重估,类似AI产业链中英伟达逻辑

2️⃣ 需求全面爆发:单台人形机器人半导体BOM成本1500-3000美元,需求涵盖算力芯片、传感器、MCU、电源管理等全链条,2030年市场规模预计达240亿美元

3️⃣ 三类核心受益标的:

▫️算力平台型:寒武纪(AI芯片)、海光信息(DCU)...

▫️传感器/控制器:华工科技(温度传感器)、敏芯股份(MEMS)...

▫️底层技术方:斯达半导(IGBT)、三安光电(碳化硅)...

当前产业已进入设计周期,建议关注技术卡位明确、与机器人厂商深度绑定的半导体企业。

A16Z表面是投资机构,实则是"叙事机器"

通过完整内容体系(播客网络、新闻平台、访谈节目等)高调定义方向,而非安静下注。

未来在成型前如同"一团雾",谁先让众人聚焦、投入资源,谁就能将雾化为雨。

引用李普曼"we define first and then see"揭示本质:当代最厉害的不是预见者,而是率先命名者------谁先定义,谁就占领心智、获取资源

顶级机构早已超越寻找机会,转向用叙事制造共识:钱是共识,估值是讲出来的,风口是喊出来的。AI时代生产门槛降低,"让人相信的能力"比生产能力更珍贵

对个体的启示:别做被动追风口的人,要成为敢在混沌中举火把的定义者。表达不是附加技能,而是参与现实分配的核心能力------我们以为在看世界,实则先被语言框架塑造。

lc3565

式子变形+分类讨论+复用代码

class Solution {

// 顺时针旋转矩阵 90°

vector<vector<int>> rotate(vector<vector<int>>& a) {

int m = a.size(), n = a0.size();

vector b(n, vector<int>(m));

for (int i = 0; i < m; i++) {

for (int j = 0; j < n; j++) {

bjm - 1 - i = aij;

}

}

return b;

}

public:

bool canPartitionGrid(vector<vector<int>>& grid) {

long long total = 0;

for (auto& row : grid) {

for (int x : row) {

total += x;

}

}

auto check = \&(vector<vector<int>> a) -> bool {

int m = a.size(), n = a0.size();

auto f = \&() -> bool {

unordered_set<long long> st = {0}; // 0 对应不删除数字

long long s = 0;

for (int i = 0; i < m - 1; i++) {

auto& row = ai;

for (int j = 0; j < n; j++) {

int x = rowj;

s += x;

// 第一行,不能删除中间元素

if (i > 0 || j == 0 || j == n - 1) {

st.insert(x);

}

}

// 特殊处理只有一列的情况,此时只能删除第一个数或者分割线上那个数

if (n == 1) {

if (s * 2 == total || s * 2 - total == a00 || s * 2 - total == row0) {

return true;

}

continue;

}

if (st.contains(s * 2 - total)) {

return true;

}

// 如果分割到更下面,那么可以删第一行的元素

if (i == 0) {

for (int x : row) {

st.insert(x);

}

}

}

return false;

};

// 删除上半部分中的一个数

if (f()) {

return true;

}

ranges::reverse(a);

// 删除下半部分中的一个数

return f();

};

// 水平分割 or 垂直分割

return check(grid) || check(rotate(grid));

}

};

相关推荐
爱学习的章鱼哥9 分钟前
一些AI实操的经验与感想
人工智能·ai·ai作画·ai编程·ai写作·ai经验
言己lxz23 分钟前
阿里云官方技术文档已全面上线 llms.txt —— AI Agent 一站式消费 300+ 款云产品文档
人工智能·阿里云·llmstxt
happyness4435 分钟前
如何让AI重构旧代码
人工智能·重构
dream_home840739 分钟前
图像算法模型NPU适配与算法服务实战指南
人工智能·python·算法·npu 图像服务
AI服务老曹39 分钟前
Docker部署AI视频分析平台参数配置说明与调优指南
人工智能·docker·音视频
AI大模型-小雄43 分钟前
用 ChatGPT 整理工作资料,正确的提问顺序是什么?附完整操作模板
人工智能·chatgpt·提示词·效率工具·codex·办公技巧·ai办公
AIGS0011 小时前
跨越语义鸿沟:企业本体语义平台的构建与落地
java·人工智能·python·机器学习·人工智能ai大模型应用
Mx_coder1 小时前
8年Java开发者AI转型第二周:RAG检索优化-从60%到90%准确率的3个关键技巧 (Day 13-14)
人工智能·python
空中湖1 小时前
AI是如何思考的|AI的边界与人机共生:在狂热中保持清醒
人工智能
weixin_446260851 小时前
SportMV-Agent:面向多机位体育视频的智能体多视角推理框架 & SportMV-Bench评测基准
人工智能·计算机视觉·音视频