当前，量子计算领域蓬勃发展，却仍面临"它到底有什么用"的本质问题。在本文作者来看，在这样的环境下，正是大力推动量子算法的时刻，应降低对量子 算法原有要求，寻找可验证且实用的算法，呼吁理论家积极探索，推动量子计算突破瓶颈。值得一提的是，本文得到了理论物理学家John Preskill的推 荐："如果你对量子计算感兴趣，我强烈推荐加州理工学院学生robbieking1000的这篇文章，呼吁采取'更务实（scrappier）的方法'来寻找新的应用。" 本文来自微信公众号：返朴 （ID：fanpu2019），作者：robbieking1000，翻译：一二三，题图来自：AI生成 量子计算正处在一个奇特的阶段。技术层面上，经过数十亿美元投资和数十年的研究，实用的量子计算机正逐步接近实现。但令人尴尬的是，如今人们对量 子计算最常提出的问题，仍然和20年前一样：量子计算机到底能做什么？诚实的回答暴露了房间里的大象：我们至今也没有完全的答案。对于像我这样的理 论家来说，这既是一种挑战，也是一种行动的召唤。 技术动能 假设几十年后我们仍未拥有实用的量子计算机，原因会是什么？不太可能是因为遇到了无法逾越的工程障碍。量子纠错的理论基 ...

选择适合交易风格的货币对：分步指南 不同交易风格对货币对的流动性、波动性、持仓周期有差异化需求。以下根据常见交易风格分类，结合 货币对特性，提供适配选择及实战建议： 一、交易风格分类与货币对匹配 1. 日内交易（Day Trading） 特征： · 持仓时间数分钟至几小时，不过夜。 · 依赖技术分析，追求小波幅收益。 适配货币对： · EUR/USD：高流动性，点差低（0.5-1 点），适合高频进出。 · USD/JPY：亚盘时段活跃，美日政策消息驱动短期波动。 · 黄金（XAU/USD）：避险属性带来日内趋势行情，配合美元指数反向操作。 策略工具： · 5 分钟图结合 RSI、布林带捕捉超买 / 超卖信号。 · 伦敦与纽约时段重叠期（UTC 13:00-17:00）集中交易。 2. 波段交易（Swing Trading） 特征： · 持仓数日至数周，捕捉中期趋势。 · 结合基本面与技术面分析。 适配货币对： · AUD/USD：受铁矿石价格与中国经济数据驱动，趋势持续性强。 · GBP/USD：政策预期（如英央行加息周期）带来波段机会。 · USD/CAD：原油价格周期波动形成中长线趋势。 策略工具： · ...

货币定价体系联动 - 国际金价与美元指数呈现负相关关系 美元指数每上涨1%黄金购买成本同比增加 2020年3月美元流动性危机期间金价单周跌幅达12% 而2022年美联储激进加息周期中金价仍保持16%年涨幅 [1] - 主要央行资产负债表扩张直接推升金价中枢 量化宽松政策每增加1万亿美元黄金估值基准上移8%-12% 2008-2015年美联储扩表4.5万亿美元期间金价累计涨幅达180% [2] 宏观风险矩阵 - 黄金远期价格与美债实际收益率负相关 当实际收益率跌破-1%阈值时(如2020年8月达-1.08%)金价突破2075美元/盎司创历史峰值 [3] - 地缘政治风险指数每上升10点黄金月均持仓量增长3.2% 2014年克里米亚危机期间金价月涨幅9.8% 2022年俄乌冲突触发黄金ETF单日流入量13.4吨纪录 [4] 市场结构演变 - 新兴市场央行购金量连续13年净增长 2022年全球官方储备增加1136吨占年供应量23% 中国央行2023年连续7个月增持推动境内金价溢价率升至7.5% [5] - COMEX黄金期货未平仓合约每增加10万手价格波动率提升1.8个基点 2023年3月硅谷银行事件期间期权隐含波动率骤升至22% [6] 产业供需弹性 - 全球前十大金矿平均开采成本升至1250美元/盎司 新探明储量同比下降15% 南非金矿产量较2000年下滑75% [7] - 中印两国占全球实物需求55% 春节/排灯节期间黄金进口量激增40% 2023年印度上调黄金进口税至15%仍难抑制婚庆季200吨/月消费量 [8] 技术面强化机制 - CTA策略持有超过3000万盎司黄金头寸 动量因子贡献率超价格波动的35% 2020年突破1920美元关口后触发12亿美元买盘 [9][10] - 谷歌「黄金投资」搜索量同比增加50%时金价未来30日上涨概率达68% 恐惧贪婪指数低于20时黄金配置比例需提升至投资组合的8%-10% [10]

文章核心观点 《算法经济：商业逻辑与人类生活的智能演进》揭示算法权力博弈，指出算法经济下企业应遵循治理原则，这些原则也可指导人类工作生活，同时强调要重新定义人机关系实现人类主导地位 [1][3][5][6] 算法经济现象 - 2020年英国教育部门引入算法预测学生成绩，因数据依托差异引发学生大规模抗议，近36%学生成绩低于教师预期，3%学生成绩比预期低2个等级 [2] - 伴随人工智能快速发展，算法剥夺人类决策权现象或发生在生活各方面并演化成算法经济 [2] 算法经济定义 - 算法经济是以算法为核心驱动力，通过自动化决策、数据分析和资源优化重塑经济活动运行模式，企业编排算法培养经济活动“代理人”推动从人类管理向算法管理转变 [3] 企业算法治理原则 - 企业要成为算法“代理人”主人，建立以人为本的人机协同模式，发挥AI优势同时彰显人类价值，增补柔性管理举措进行“人性校准” [3] - 企业要保持好奇心，反思新可能性和机会，引导AI算法设计和实施实验，打破运营模式并释放控制权 [4] - 企业要与各界交互，公开关键算法逻辑，接受监督，避免“黑箱操作”，引入第三方评估等塑造信任管理机制 [4] 对人类工作生活的启示 - 人类学习企业原则，主动打破信息茧房，如每周搜索3个无关关键词、定期重置算法推荐 [5] - 人类构建人机协作能力，利用“代理人”工作同时聚焦创造性思维、批判性分析和非暴力沟通的“3C能力” [5] 人机关系本质 - 算法经济未来不应是代码统治，而应是人类主导，人类紧握缰绳，算法提供动力，在效率与人性间寻找平衡 [6]

马斯克：X平台的推荐算法正在被替换为Grok的一个轻量版本。 ...

技术创新在电力行业的应用 - 国家电网上海超高压公司通过无人机技术实现输电线路巡检的智能化转型，包括喷火清障、激光测距、自主巡视等多种功能 [2] - 上海鹰眼无人机智巡中心采用"无人机巡航+人工特巡"模式，在重大保电工作中实现线路零故障 [2] - 无人机技术的应用使电力巡检从传统体力劳动转向技术驱动，显著提升效率和安全性 [1][2] 数字化运维监控系统的建设 - 上海输电数字化运维监控中心整合各类数字化设备，实现对500千伏和220千伏输电线路的在线监测 [2] - 引入AI算法后，监控中心升级为"智能大脑"，可实时分析环境、状态、气象等数据，24小时保障输电安全 [2] - 该系统近三年提前预警和处置缺陷隐患超1万起，跳闸事件数连续三年下降，创造经济效益3.4亿元 [2] 电力行业的技术升级路径 - 电力行业从传统人工巡检向无人机、数字化监控等智能化手段转变，大幅降低安全风险 [1][2] - 技术创新不仅解决即时故障（如风筝线缠绕），还通过预测性维护实现"治未病" [2] - 行业未来可能向柔性材料开发、电力气象预测、数据分析等方向拓展创新 [3] 技术工人的角色转变 - 电力行业技术工人从体力劳动转向创新驱动，通过专利研发和头脑风暴推动技术进步 [1] - 典型案例显示，技术工人主动学习无人机等新技术并组建专业团队，改变传统工作模式 [2] - 行业文化强调"技术只有起点，创新没有终点"，形成持续改进的良性循环 [1][3]

技术创新 - 引入智能算法优化交易策略，提升市场适应能力和数据分析精度 [4][7] - 应用机器学习模型处理海量数据，识别市场潜在模式和趋势 [7] - 采用大数据分析预测市场趋势，减少决策不确定性 [8] - 利用人工智能和区块链技术推动创新，提升交易速度和安全性 [15][16] - 高频交易算法和智能订单执行系统实现快速高效操作 [23] 交易执行效率 - 自动化交易系统快速响应市场波动，减少人为错误 [10] - 低延迟技术提高数据传输速度，确保交易及时性 [10] - 智能订单匹配机制精准配对买卖双方，提升交易效率 [11] - 实时市场数据分析帮助快速识别趋势和波动 [11] 用户体验优化 - 改进用户界面设计，简化导航和交互方式 [12] - 简化交易流程，减少操作步骤提升效率 [12] - 支持多设备使用确保平台流畅运行 [23] - 提供个性化推荐和实时客户支持 [17][18] 安全保障 - 采用先进数据加密技术保护用户信息传输安全 [13] - 加强账户安全管理，实施双重认证 [13] - 实时监控网络活动防范黑客攻击 [15] - 定期安全审查和漏洞测试确保系统稳固性 [15] 市场竞争力 - 通过独特价值主张提供个性化交易体验 [16] - 持续技术创新保持市场领先地位 [16] - 多渠道客户沟通和全天候技术支持提升满意度 [17][18] - 计划全球市场扩展，适应不同地区需求 [19]

核心观点 - 大模型训练成本高昂，分布式训练算法效能低下是主要障碍之一，64%-87%概率因超参数设置不合理导致训练失败 [3] - 南京大学研发的UniAP算法首次实现层内与层间并行策略联合优化，最高比现有方法快3.8倍，比非优化算法快9倍 [7] - UniAP已适配国产AI计算卡海光DCU，为大模型训练提供降本增效解决方案 [8] 技术突破 - 采用混合整数二次规划建模，统一优化流水线并行、张量并行等策略，探索空间更大 [12] - 架构包含性能评估、代价模型、优化求解三阶段，自动生成最优并行计划 [15] - 时间代价模型和显存代价模型精准预估不同策略的开销，避免显存溢出 [16] 性能表现 - 在V100/TITAN XP/A100上测试BERT/T5/ViT等模型，吞吐量最高提升3.8倍 [26] - 策略优化时间从40分钟缩短至0.37分钟，效率提升107倍 [26] - 国产DCU测试显示可自动规避64%-87%无效策略，比手动搜索快9倍 [30] 行业影响 - 解决分布式训练易用性问题，用户无需理解流水线划分等复杂概念 [32] - 显著降低算力成本，相同硬件条件下训练速度提升带来3.8倍成本节约 [32] - 推动国产AI计算卡生态发展，提升硬件利用率和普及速度 [8][32]

大数据杀熟现象 - 消费者反映在直播间购物时遭遇价格歧视，老用户下单比新用户贵30元，优惠券电影票比线下还贵6元 [1] - 平台通过违规收集用户个人信息（包括个人资料、订单特征、搜索痕迹）进行消费习惯分析并实施差别定价 [1] - 差异化营销以"个性化推荐""会员优惠"为名义，消费者对不同收费标准不知情，侵犯隐私权、知情权与公平交易权 [1] 算法治理与行业问题 - 算法不透明性导致消费者维权困难，平台以"商业秘密"为由规避责任，形成算法权力垄断 [1] - 算法推送隐含平台价值判断，若设计偏差将威胁网民权益、网络信息安全及市场公平 [2] - 需通过多元共治推动算法公开，包括用户自主选择信息推荐、建立行业准则、创新监管技术及多部门协同 [2] 平台行为模式 - 杀熟流程分为两阶段：前期违规收集信息构建用户画像，后期实施不透明的差异化定价策略 [1] - 平台利用算法黑箱和规则主导权，使用户被动接受检视且无法质疑定价机制 [1]

技术进步与内容分发 - 2025年简中互联网流行语"手机爹"反映用户对算法推荐内容的错愕感，体现技术与人类关系的重构[2][4] - 推荐算法打破信息筛选的中心化模式，今日头条、抖音等产品通过长尾内容匹配迅速扩大用户规模[9] - 抖音算法推动《额尔古纳河右岸》销量从60万册跃升至500万册，4个月销量超过过去17年总和[12] 电子书与知识民主化 - 亚马逊Kindle Store上线初期提供9万本电子书，畅销书定价9.99美元颠覆出版行业[6] - 电子书消除库存限制并推动知识普惠，使普通人能以低成本获取全球图书资源[7] - 互联网时代信息供给激增，2025年全球数据量达175ZB，现代人日均信息接收量是1986年的5倍[7] 算法机制与社会影响 - 推荐算法本质是数学化表达的信息处理工具，核心目标为提升供需匹配效率[10] - 抖音采用双塔召回模型和"推荐优先级公式"，通过多目标体系（如收藏率）优化内容分发[23][25] - 算法偏见案例显示技术问题实为社会问题，如COMPAS算法因历史判例数据延续种族歧视[17][19] 内容生产工业化 - MCN机构将爆款内容拆解为脚本、剪辑、推流等标准化模块，实现规模化生产[19] - "交个朋友"和"三只羊"等机构通过矩阵账号延续头部网红影响力，形成工业化内容生态[19] - 平台算法与社会情绪共振推动网红更迭，从安妮宝贝到郭有才反映网民心态变迁[19] 技术演进与监管动态 - GPT模型从人工标注演进至递归奖励建模（RRM），实现分层监督提升可控性[21] - 欧盟2021年推出全球首个AI监管框架，中美日韩相继发布AI伦理治理政策[23] - 抖音公开算法原理与社区规范，通过探索类指标主动破除信息茧房[23][25]