事关App个人信息收集使用网信办公开征求意见 向恶意索赔亮剑市场监管投诉举报新规出台 国家医保局启动"个人医保云"建设试点 国家互联网信息办公室起草了《互联网应用程序个人信息收集使用规定（征求意见稿）》，于10日向社会公开征求意见。征求意见稿提出，收集使用个人信 息应当采取对个人信息主体权益影响最小的方式，限于提供产品或者服务所必需，不得超范围收集使用个人信息。根据征求意见稿，互联网应用程序应当为 用户提供注销账号的便捷功能。用户注销账号的，互联网应用程序应当在15个工作日内完成账号注销，删除已收集的相关个人信息或者进行匿名化处理。 （新华社） 国家医保局今天（11日）印发通知，开展"个人医保云"建设试点申报工作，今年2月至12月将在部分地区试点建设"个人医保云"，探索构建覆盖全人群、全 周期、全场景的智慧医保管理新模式。（央视新闻） 记者1月10日从最高人民检察院了解到，2024年至2025年11月，全国检察机关起诉财务造假犯罪191人，其中2025年1月至11月起诉102人，同比增加21%。对 中国证监会移送公安部的财务造假案件，最高检同步向相关地方检察机关交办并跟踪指导，对43件重大财务造假犯罪案件挂牌 ...

每经AI快讯，据新华社，"傅里叶变换"是频率的"翻译器"，可将声音、图像等复杂信号转换为频率语 言，是科学和工程领域一种基础且应用广泛的计算方式。北京大学研究团队创出一种全新的多物理域融 合计算架构，可利用后摩尔新器件支持傅里叶变换，使算力提升近4倍，为具身智能、边缘感知、类脑 计算、通信系统等领域开辟新的可能。该成果9日发表于《自然-电子学》。 ...

据新华社，"傅里叶变换"是频率的"翻译器"，可将声音、图像等复杂信号转换为频率语言 ， 是科学和 工程领 域一种基础且应用广泛的计 算方式。 北京大学研究团队创出一种全新的多物理域融合计算架构， 可利用后摩尔新器件支持傅里叶变换 ，使算力 提升 近4倍，为具 身智 能、边缘感知、类脑计算、通信系统等领域开辟新的可能。 该成果9日发表于《自然-电子学》。 近年来，新型计算场景不断涌现，对运算速度、精度等要求越来越高，而传统硅基器件经过近几十年发展已逼近极限。以忆阻器、光电器件 为代表的后摩尔时代的新型器件凭借独特的计算性能，被视为突破算力与能效困局的希望。然而，这些新器件往往由于可支持的计算方式单 一，无法适配实际应用中多样化计算方式的需求"跑不起来"，严重制约着算力和效能提升。 北京大学人工智能研究院研究员陶耀宇、集成电路学院教授杨玉超组成的科研团队，瞄准傅里叶变换这一通用计算方式，创造性地将"易失 性氧化钒器件"与"非易失性氧化钽/铪器件"这两种适合做频率转换载体的新器件，在多物理域融合架构下进行系统集成，做出了可应用于傅 里叶变换等多样化计算方式的硬件系统。 "这种计算架构可让多种计算方式在其适合的物理域 ...

互联网与数据监管 - 国家网信办起草《互联网应用程序个人信息收集使用规定（征求意见稿）》，要求个人信息收集使用应采取对主体权益影响最小的方式，限于服务必需，不得超范围收集，并规定App应在用户注销账号后15个工作日内完成注销并删除或匿名化相关个人信息 [2] - 《市场监督管理投诉举报处理办法》修订发布，自2026年4月15日起施行，新增规定以规制恶意索赔，要求投诉人提供真实身份信息和事实依据，对滥用权利、提供虚假材料等行为不予受理 [2] 金融与资本市场 - 2024年至2025年11月，全国检察机关起诉财务造假犯罪191人，其中2025年1月至11月起诉102人，同比增加21%，最高检对43件重大财务造假犯罪案件挂牌督办，涉锦州港、金通灵、美尚生态、紫晶存储等重大案件 [3] - QDII基金迎来政策调整，基金公司需调整QDII额度在公募与专户产品的使用比例，要求在2027年底前将用于专户的额度占比调整至20%以内，2026年底前至少完成一半调整任务 [3] 科技与前沿研究 - 西安交通大学与厦门大学联合研究团队提出一种全新的固态分子压印退火策略，为提升钙钛矿太阳能电池稳定性提供新思路，成果发表于《科学》杂志 [3] - 北京大学研究团队创造出一种全新的多物理域融合计算架构，可利用后摩尔新器件支持傅里叶变换，使算力提升近4倍，为具身智能、边缘感知等领域开辟新可能，成果发表于《自然-电子学》 [4] - 我国于2025年12月向国际电信联盟申请了超20万颗卫星的频轨资源，其中超19万颗来自新成立的无线电创新院，此举意味着卫星频轨资源申请已上升至国家战略层面 [4] 国际能源与地缘政治 - 美国总统特朗普与约20个大型石油公司高管会谈，试图达成投资委内瑞拉石油行业的协议，但多位美国石油公司高管对下一步投资委内瑞拉的表态较为谨慎 [5] - 美国总统特朗普称美国需要得到格陵兰岛，若无法“以简单的方式”达成协议将采取“艰难的方式”，格陵兰岛各政党领导人发表联合声明，表示格陵兰人不想成为美国人，并希望美国停止“蔑视” [7] 国际贸易与监管 - 欧盟成员国投票表决同意签署欧盟-南方共同市场自由贸易协定，为正式签署铺平道路，该协定生效还需经过欧洲议会批准 [7] - 英国政府警告马斯克旗下人工智能企业xAI，因其聊天机器人生成色情内容后的应对方案“不可接受”，若拒不遵守英国法律，其服务将在英国被屏蔽 [7] 美国国内事务 - 美国农业部宣布立即暂停对明尼苏达州的所有联邦拨款，原因是联邦政府正在对该州进行大规模欺诈调查 [6]

新华社北京1月10日电（记者魏梦佳）"傅里叶变换"是频率的"翻译器"，可将声音、图像等复杂信号转 换为频率语言，是科学和工程领域一种基础且应用广泛的计算方式。北京大学研究团队创出一种全新的 多物理域融合计算架构，可利用后摩尔新器件支持傅里叶变换，使算力提升近4倍，为具身智能、边缘 感知、类脑计算、通信系统等领域开辟新的可能。该成果9日发表于《自然-电子学》。 近年来，新型计算场景不断涌现，对运算速度、精度等要求越来越高，而传统硅基器件经过近几十年发 展已逼近极限。以忆阻器、光电器件为代表的后摩尔时代的新型器件凭借独特的计算性能，被视为突破 算力与能效困局的希望。然而，这些新器件往往由于可支持的计算方式单一，无法适配实际应用中多样 化计算方式的需求"跑不起来"，严重制约着算力和效能提升。 北京大学人工智能研究院研究员陶耀宇、集成电路学院教授杨玉超组成的科研团队，瞄准傅里叶变换这 一通用计算方式，创造性地将"易失性氧化钒器件"与"非易失性氧化钽/铪器件"这两种适合做频率转换 载体的新器件，在多物理域融合架构下进行系统集成，做出了可应用于傅里叶变换等多样化计算方式的 硬件系统。 "这种计算架构可让多种计算方式在其适 ...

文章核心观点 - 文章通过一张1986年CMU联结主义夏令营的历史照片，串联起AI领域先驱杰弗里·辛顿及其首位博士生彼得·布朗的职业生涯与人格特质，展现了辛顿在长期科研困境中坚守理想、安贫乐道的“贵族风范”，以及其学术思想如何深远地影响了从AI到量化金融等多个领域 [1][4][71] 1986年CMU夏令营合影的历史意义 - 该合影被誉为AI界的“索尔维会议”，照片中人物在几十年后统治了硅谷和华尔街，其中包括深度学习发明人、图灵奖得主杰弗里·辛顿，以及卷积神经网络发明人、图灵奖得主扬·勒昆 [2][4] - 照片中还有当时的研究生彼得·布朗，他后来成为全球顶尖量化对冲基金文艺复兴科技公司的首席执行官 [5] 彼得·布朗的职业生涯轨迹 - 彼得·布朗是杰弗里·辛顿指导的第一位博士研究生，于1987年毕业，博士论文题为《自动语音识别中的声学建模问题》，其研究奠定了基于统计模型的现代语音识别基础 [11][12][21][23] - 博士毕业后，彼得·布朗加入IBM，从事语音识别和机器翻译研究，其团队坚持纯数据驱动的统计方法，在当时备受传统学派冷遇 [23][24][25] - 在IBM期间，彼得·布朗是“深蓝”计算机项目的关键幕后推手，他通过一次偶然的交谈说服公司副总裁投资约100万美元建造该机器，最终“深蓝”在1997年击败国际象棋世界冠军，为IBM带来了约200亿美元的市值增长 [28][29][30] - 因家庭新生儿带来的经济压力，彼得·布朗接受了詹姆斯·西蒙斯给出的双倍薪酬邀请，从IBM跳槽至当时规模尚小的文艺复兴科技公司，其转型决定完全出于财务原因 [31][32][33] 彼得·布朗在文艺复兴科技的成就 - 彼得·布朗与罗伯特·默瑟一同加入文艺复兴科技，引入现代计算机科学方法重写了公司的股票交易系统，并从2002年起逐步接管公司核心业务 [36][37] - 他于2009年成为公司联席CEO，并于2018年成为公司唯一的首席执行官 [37] - 在其领导下，文艺复兴科技的旗舰产品大奖章基金在1988年至2019年间创造了年化超过66%的净回报率，公司被誉为华尔街“最赚钱的机器” [38] - 公司的成功依赖于由数学家和物理学家驱动的系统化量化交易，彼得·布朗倾向于招聘无金融背景的科学家，并自称每周工作80小时，截至2023年已在办公室睡了近2000晚 [39][40][41][42] - 因其卓越业绩，彼得·布朗早在2012年就从公司约33%的净收益中获得约1.25亿美元收入，跻身亿万富翁行列 [43] 杰弗里·辛顿的人格与坚守 - 在AI复兴前的三十年里，辛顿面临科研经费短缺和个人经济拮据的困境，他于2013年以64岁高龄加入谷歌，主要动机是为有学习障碍的儿子的未来储备资金 [8][47][48][50] - 尽管其首位博士生彼得·布朗已成为亿万富翁和对冲基金CEO，但辛顿始终未曾动用这层关系为自己谋取经济利益，展现了其安贫乐道、遗世独立的品格 [9][10][53][71] - 辛顿出身于科学世家，家族成员包括布尔代数发明者、核物理学家寒春等，其“贵族”背景与其长期坚守理想、不随波逐流的气质相契合 [55][59][63] - 在职业生涯中，辛顿在神经网络不被看好的时代坚守数十年，又在AI资本狂欢时离开谷歌，独立发声警示AI风险，其观点和行动往往“不合时宜”却经得起时间检验 [64][65][66][67][69][72][73]

量化模型与构建方式 1. 滤波方法（数据处理模型） 1. **模型名称**：HP滤波 (Hodrick-Prescott Filter)[10] * **模型构建思路**：将宏观经济时间序列分解为长期趋势成分和中期周期成分，以剔除长期趋势和短期噪声，提取周期波动[3][9]。 * **模型具体构建过程**：通过求解一个最小化问题来得到趋势成分。具体公式为： $$\operatorname*{min}\left\{\sum_{t=1}^{T}(y_{t}-g_{t})^{2}+\lambda\sum_{t=2}^{T-1}[(g_{t+1}-g_{t})-(g_{t}-g_{t-1})]^{2}\right\}$$ 其中，\(y_{t}\)为原始序列数据，\(g_{t}\)为待求解的趋势成分，\(\lambda\)为平滑参数，\(\lambda\)越大，趋势线越平滑[10]。在应用中，首先使用较大的\(\lambda\)去除长期趋势得到周期成分，再使用较小的\(\lambda\)过滤噪声，得到用于分析的中周期序列[10]。 * **模型评价**：可以直观地将时间序列分解为趋势和周期成分，符合经典宏观经济分析框架，但存在较严重的端点偏差问题，且无法识别不同频率的周期[3][42]。 2. **模型名称**：傅里叶变换[25] * **模型构建思路**：将时间序列数据分解为一系列不同频率、振幅和相位的正弦函数的叠加，以识别数据中存在的主要周期性规律[25][26]。 * **模型具体构建过程**：对时间序列进行傅里叶变换，公式为： $$F(f)=\int_{-\infty}^{\infty}f(x)e^{-i2\pi f(x)}\,\mathrm{d}x$$ 由于宏观经济数据通常非平稳，在应用傅里叶变换前，先使用HP滤波去除长周期趋势项，得到平稳序列，再进行变换以提取主要周期并拟合周期序列[26]。 * **模型评价**：适合分析历史数据的整体周期结构，尤其适用于探究经济周期的历史规律，但其假设周期结构在时间上恒定，短期内拟合度可能受到影响[3][42]。 3. **模型名称**：混合滤波[42] * **模型构建思路**：结合HP滤波和傅里叶变换两种方法的优点，以挖掘数据的周期性规律并观察短期趋势变化[3][42]。 * **模型具体构建过程**：将HP滤波与傅里叶变换叠加使用。实践中，使用傅里叶变换挖掘宏观数据的周期性规律，同时使用HP滤波观察因子短期上升或下降的趋势变化[42]。叠加使用后得到的序列既具有一定外推性，又保留了HP滤波在周期拟合上的灵活性[42]。 * **模型评价**：结合了两种方法的优势，所得序列兼具周期规律性和趋势观察的灵活性[42]。 2. 资产配置模型 1. **模型名称**：美林时钟模型[68] * **模型构建思路**：依据经济增长（以PMI同比增速代表）和通货膨胀（以PPI同比代表）两个核心指标的高低变化，将经济周期划分为四个阶段，并为每个阶段配置不同类别的大类资产[68][72]。 * **模型具体构建过程**：使用HP滤波处理后的PMI同比增速和PPI同比数据判断经济周期阶段，具体配置方案如下[68][72]： * 复苏期：PMI同比增速上行，PPI同比下行，配置60%股票、40%债券。 * 扩张期：PMI同比增速上行，PPI同比上行，配置60%商品、40%股票。 * 滞胀期：PMI同比增速下行，PPI同比上行，配置60%现金、40%商品。 * 衰退期：PMI同比增速下行，PPI同比下行，配置60%债券、40%现金。 * **模型评价**：是最著名的经济周期模型之一[68]。 2. **模型名称**：货币信用模型[76] * **模型构建思路**：作为美林时钟理论在中国市场的适应性改进，通过观察“货币”（以M2同比增速代表）和“信用”（以社会融资规模同比增速代表）两个核心驱动因素来指导大类资产配置[76]。 * **模型具体构建过程**：使用HP滤波处理后的M2同比和社会融资规模同比数据判断货币信用状态，具体配置方案如下[76]： * 宽货币宽信用：M2同比上行，社会融资规模同比上行，配置60%股票、40%商品。 * 紧货币宽信用：M2同比下行，社会融资规模同比上行，配置60%商品、40%股票。 * 紧货币紧信用：M2同比下行，社会融资规模同比下行，配置60%现金、40%债券。 * 宽货币紧信用：M2同比上行，社会融资规模同比下行，配置60%债券、40%股票。 量化因子与构建方式 1. **因子名称**：M1同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M1的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 2. **因子名称**：M2同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M2的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 3. **因子名称**：社会融资规模同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了社会融资规模的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 4. **因子名称**：1年期国债收益率同比差值[3][9] * **因子构建思路**：作为代表利率的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了1年期国债收益率的同比差值数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 5. **因子名称**：PMI同比增速[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了PMI的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 6. **因子名称**：PPI同比[3][9] * **因子构建思路**：作为代表通胀的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了PPI的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 7. **因子名称**：工业增加值同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了工业增加值的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 8. **因子名称**：企业利润同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了企业利润的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 模型的回测效果 （以下回测结果均基于2006年以来的数据） 1. **美林时钟模型**，累计收益807.28%，年化收益11.71%，波动率11.30%，最大回撤17.10%，夏普比率1.037，信息比率0.681，胜率56.49%[70]。 2. **货币信用模型**，累计收益558.45%，年化收益9.93%，波动率16.84%，最大回撤56.02%，夏普比率0.589，信息比率0.362，胜率56.90%[79]。 因子的回测效果 （以下回测结果均基于2006年以来的数据，使用HP滤波处理后因子进行择时） 1. 单因子股指择时表现 （策略：因子上升周期持有中证全指，下降周期空仓） 1. **M1同比因子**，累计收益971.09%，年化收益12.64%，波动率24.85%，最大回撤69.42%，夏普比率0.509，信息比率0.339，胜率57.74%[58]。 2. **M2同比因子**，累计收益100.26%，年化收益3.55%，波动率22.51%，最大回撤69.42%，夏普比率0.158，信息比率-0.237，胜率48.95%[58]。 3. **国债收益率同比差值因子**，累计收益685.90%，年化收益10.91%，波动率18.43%，最大回撤27.47%，夏普比率0.592，信息比率0.265，胜率49.79%[58]。 4. **社会融资规模同比因子**，累计收益731.39%，年化收益11.22%，波动率24.77%，最大回撤69.42%，夏普比率0.453，信息比率0.249，胜率53.56%[58]。 5. **PMI同比增速因子**，累计收益1436.01%，年化收益14.70%，波动率21.07%，最大回撤42.44%，夏普比率0.698，信息比率0.513，胜率54.39%[58]。 6. **PPI同比因子**，累计收益919.17%，年化收益12.36%，波动率20.58%，最大回撤42.44%，夏普比率0.601，信息比率0.355，胜率52.72%[58]。 7. **工业增加值同比因子**，累计收益124.56%，年化收益4.15%，波动率16.52%，最大回撤39.35%，夏普比率0.251，信息比率-0.226，胜率46.86%[58]。 8. **企业利润同比因子**，累计收益522.94%，年化收益9.62%，波动率18.37%，最大回撤42.44%，夏普比率0.524，信息比率0.172，胜率51.46%[58]。 2. 单因子股债择时表现 （策略：因子上升周期持有中证全指，下降周期持有国债指数；对照组为60%债券+40%股票的固定比例组合） 1. **M1同比因子**，累计收益1297.47%，年化收益14.16%，波动率24.84%，最大回撤69.42%，夏普比率0.570，信息比率0.432，胜率60.25%[61]。 2. **M2同比因子**，累计收益174.96%，年化收益5.21%，波动率22.56%，最大回撤69.42%，夏普比率0.231，信息比率-0.129，胜率53.14%[61]。 3. **国债收益率同比差值因子**，累计收益1358.04%，年化收益14.40%，波动率18.43%，最大回撤27.47%，夏普比率0.781，信息比率0.508，胜率56.07%[61]。 4. **社会融资规模同比因子**，累计收益1110.38%，年化收益13.34%，波动率24.76%，最大回撤69.42%，夏普比率0.539，信息比率0.381，胜率59.00%[61]。 5. **PMI同比增速因子**，累计收益2226.26%，年化收益17.12%，波动率21.07%，最大回撤42.44%，夏普比率0.813，信息比率0.669，胜率57.74%[61]。 6. **PPI同比因子**，累计收益1637.78%，年化收益15.41%，波动率20.59%，最大回撤42.44%，夏普比率0.749，信息比率0.558，胜率58.58%[61]。 7. **工业增加值同比因子**，累计收益274.27%，年化收益6.85%，波动率16.65%，最大回撤36.37%，夏普比率0.411，信息比率-0.026，胜率51.05%[61]。 8. **企业利润同比因子**，累计收益864.21%，年化收益12.05%，波动率18.39%，最大回撤42.44%，夏普比率0.655，信息比率0.340，胜率53.56%[61]。

王虹学术成就与职业动向 - 王虹将于2025年9月1日加入法国高等研究所（IHES）担任数学常任教授，并同时任职于纽约大学柯朗数学科学研究所 [2][6] - IHES目前仅有7位常任教授，其中5位为数学家，包括2名菲尔兹奖获得者（Maxim Kontsevich和Hugo Duminil-Copin） [3] - IHES历任数学常任教授中，13人中有8人曾获菲尔兹奖 [4] 挂谷猜想破解与学术影响 - 王虹与Joshua Zahl合作于2024年2月破解了百年数学难题挂谷猜想，该猜想涉及三维空间中集合的维度理论 [10][11] - 成果与调和分析、数论等多个数学分支紧密关联，引发学界广泛关注 [12][13] - 纽约大学相关讲座现场爆满，数学界认为该成果具备菲尔兹奖潜力 [14] 王虹教育背景与研究领域 - 1991年生于广西桂林，16岁考入北大地球与空间物理系后转数学系，2011年获学士学位 [15] - 2014年获巴黎综合理工学院工程师学位及巴黎第十一大学硕士学位，2019年于麻省理工博士毕业，师从Larry Guth [16] - 研究方向聚焦傅里叶变换相关问题，曾任职普林斯顿高等研究院及UCLA [16][17] IHES学术传统与未来规划 - IHES公告提及王虹将延续该机构在数学分析与几何领域的卓越传统，此前代表人物包括菲尔兹奖得主Jean Bourgain和阿贝尔奖得主Misha Gromov [18] - 菲尔兹奖获得者Hugo Duminil-Copin公开欢迎王虹，强调IHES提供的研究自由与创造力环境 [7][8]

数学突破与菲尔兹奖潜力 - 北大校友王虹与哥大副教授Joshua Zahl合作证明了三维Kakeya猜想，论文长达127页[1][3][5] - 该猜想涉及调和分析、数论等多个数学分支，是困扰数学家百年的经典难题[2][8] - 陶哲轩评价这一突破可能使王虹成为2026年菲尔兹奖热门人选，若获奖将为首位中国籍女性菲尔兹奖得主[5][7] Kakeya猜想核心内容 - 猜想由日本数学家挂谷宗一1917年提出，探讨单位长度线段在旋转时扫过的最小面积[8][9] - 三维Kakeya猜想断言集合的Minkowski和Hausdorff维度均等于3，意味着稀疏结构实际具有与三维空间相同的几何"体积"[10][11][12] - 证明通过离散化管子集合（数量≈δ⁻²，方向δ-分离）并分析其体积与多重性完成[13][14][24] 证明关键技术 - 采用多尺度分析技术，对粗细管分组并引入"粘性"假设，通过维度参数d的归纳逼近d=3[19][21][24] - 核心步骤包括计算粗管体积下限、分析"多重性"属性，并处理非粘性情况下的"粒状化"结构[25][26][30] - 运用Wolff公理和Katz-Tao凸性假设作为归纳基础，最终在粘性情况下验证不等式成立[29][31] 研究者背景 - 王虹16岁考入北大，后转数学系，现任纽约大学副教授，研究方向为傅里叶变换与解耦理论[33][35][38] - Joshua Zahl为不列颠哥伦比亚大学副教授，专注古典傅里叶分析与组合学，尤其关注Kakeya问题[39][40] - 两人学术轨迹均体现跨机构合作特征（MIT、普林斯顿高等研究院等）[36][37]

世界变难与变快的原因 - 世界进入困难模式 创业环境变难 创业者素质提升 95年左右年轻创业者学识能力全球化信心远超10年前创业者 [3] - 资本环境持续恶化 2023年全球20%创业公司估值下调 2024年Q1进一步增至23% [6] - 机会窗口大幅收窄 过去10个机会有1个真机会 现在100个机会仅有1个 且需考虑大厂竞争/市场规模/全球化等多重因素 [9] - 时间加速明显 投放策略从管一年缩短至以小时为单位调整 极端现象频发：英伟达股价一年涨3倍/日经指数年涨30%/美债利率一年内升至5.3% [10] 频率跃迁的本质 - 世界由信息流构建 信息频率决定世界频率 科技革命带来百倍级频率跃迁 从电报/邮件到微信时代日均信息量激增 [17][19] - AI将再次拉高世界频率 未来agent实时交互将加速注意力碎片化 工作生活界限模糊 [19][20] - 高频化带来系统脆弱性/心力消耗/刺激需求增加/行业地域流动等连锁反应 东三省出现年轻人口净流入现象 [20] 应对策略与解法 - 傅里叶变换思维 将变化分解为高频低频信号叠加 专注低频信号实现"定"而非"卷" [23][24] - 低频信号更具穿透力 如电视塔高度与波长正比 低频战略如愿景/初心能穿越周期 [24] - 未来竞争核心是定力 长期主义在加速世界中更具优势 市场反馈将更集中猛烈 类似英伟达股价跃升模式 [26] - 创始人生命力体现为实事求是与全然自爱 能客观处理信息并通过自我关怀保持韧性 [28][29] 行业趋势观察 - 创业赛道明显收缩 对比2012年O2O热潮中上门美甲等赛道获10亿美金估值 当前机会更多存在于夹缝市场 [6] - 内容行业策略迭代加速 MCN公司投放策略调整频率接近量化基金 以小时为单位优化 [10] - 餐饮娱乐呈现强刺激趋势 火锅类连锁/密室鬼屋等业态增长 东南亚奶茶糖精含量达中国两倍 [20]