布加迪脚本

A. 想编个“心理测试.vbe”的小脚本 请大侠指教

Problem0 = "你最喜欢什么山：" & chr(13) & "1.喜马拉雅山" & chr(13) & "2.阿尔卑斯山"
Dim Problem(10)
Dim Result(4)
Problem(1) = "你最喜欢的花是：1.玫瑰 2.茉莉 3.紫罗兰 4.郁金香"
Problem(2) = "你最喜欢的车是：1.宝马 2.奔驰 3.布加迪威龙 4.宾利"
Problem(3) = "你最喜欢的人是：1.爸爸 2.妈妈 3.张三 4.李四"
Result(1) = "A"
Result(2) = "B"
Result(3) = "C"
Result(4) = "D"
Dim Answer
Dim Index
Index = 0
Do Until Index > 5
Answer = InputBox(Problem0)
Select Case Answer
Case "1"
Answer = InputBox(Problem(1))
Case "2"
Answer = InputBox(Problem(2))
Case "3"
Answer = InputBox(Problem(3))
Case "4"
MsgBox("给我重新好好答!")
End Select
Index = Index + 1
Loop
MsgBox(Result(CInt(Answer)))

自己改改吧，
0分，不太厚道！

B. 请问QQ军刀 的主要用法~~

1 // 这里是需要换的旧车车牌号换车=1 // 1表示开启换车功能新车=64 // 新车的代码，代码可以在车市中查看，这里的64代表布加迪威航颜色=1 // 新车的颜色 1=黑色 2= 白色 3= 灰色 4=蓝色 5=红色 6=黄色 7=绿色提示：不要在每辆车上使用自动换车功能，你不可能一次就能换10辆车，但是程序还是会尝试去换车，这样就影响了脚本执行速度不要在短时间执行多个次脚本，这样极大的可能只能执行其中一次，应确保每个触发时间至少间隔3到5分钟以上原则上应该避免在网络高峰期时进行脚本停车，停车失败率相对来说要高，当然也有应对的办法就是隔几分钟再执行一次脚本，以确保万无一失
我告诉你新版的普通应用其他的你可以慢慢摸索出来的先登录你的大号和你的小号在下面就有你登录的账号了而且右边的列表有大号应用和小号应用你登好QQ右击QQ有选项的你选择执行大号就行了大号完了点另一个号，同样右击，选择执行小号
大号就是你用的有用那个QQ小号就是为你大号做辅助作用的没什么用的号根据号来选择执行大号应用还是小号应用列表都写有选项

C. 侠盗飞车5，像兰博基尼，布加迪之类的在哪找，有没有什么秘籍之类的，求大神指点

要内置修改器才能刷出

D. 为什么我的QQ抢车位换车时显示系统繁忙已经半个月了天天这样

QQ抢车位免费换车顺序表：

二手奥拓(5金/分钟) → 吉利自由舰（9金/分钟） → 桑特那 (13尽/分钟) → POLO(14金/分钟) → 标志307(15金/分钟) → S-MAX(18金/分钟) → Mini Cooper(20金/分钟) → 奥迪A6(24金/分钟) → 悍马(25金/分钟) → 玛莎(30金/分钟) → 阿斯顿马丁(32金/分钟) → 迈巴赫62(34金/分钟) → 雅致728(38金/分钟) → 布加迪威航(50金/分钟) 。

经过计算，这是2009年4月13日后最科学的QQ空间抢车位换车攻略，不过要说明的是，在这抢车位换车顺序中，如果钱不够不要去攒到钱够，能早一分钟换个盈利更高点的车就先换，接着再换顺序表的车，如果一直攒着钱，那上面的方法就不是最有效的了。

有很多人到换Mini Cooper不买Mini Cooper，而是换宝马320，或许认为之间只差1W，建议大家还是换Mini Cooper，这样10辆Mini Cooper比10辆宝马320节省了10W，节省10W用来换车，在所有玩家排行中也许1金就差了好几个名次。

那么，更新以后如果想最快拥有一辆布加迪威航该怎样呢？

和以前一样，买够10辆奥迪A6，直接冲威航(不要攒钱，有多少钱先以旧换新)，也就是说，一直换一辆车，其他9辆奥迪A6不换！这样做可以最快的买到威航，但不是最赚钱最省钱的方法。

由于QQ抢车位玩家的剧增，我也来谈谈我的经验，首先要明白一点想赚钱快，必须先拥有10辆2手车 起步 估计1天换2次车不到半个月就能换10台标致307 ，如果你像有些人就为了买一辆自己喜欢的车 拼命的赚啊 赚啊那样 很慢啊，这样是非常慢的

3辆车赚钱 和10辆车你说哪个快？

傻瓜都知道

下面是换车表本人觉得这个表不错 标红字的 是换的车 没钱 就1天换1台

如果钱多可以多换哈

--------------------------------------------------------------------------------

黑字→拥有10辆车的基础上

红字→把其中一辆车逐步的换成下一个最理想的

第一轮二手奥拓→江南奥拓→夏利→奇瑞QQ→spark乐驰→吉利自由舰
第二轮吉利自由舰→富康→雨燕→标志206→雪铁龙C2→名爵3SW→桑塔纳
第三轮 桑塔纳→POLO→福田欧马可→别克凯越→标致307
第四轮 标致307→宝来→赛拉图→福特福克斯→飞度→卡罗拉→速腾→斯柯达明锐→高尔夫→本田CIVIC→骐达→朗逸→新毕加索→马自达6→帕萨特→现代酷派→迈腾→雅阁→S-MAX
第五轮 S-MAX→蒙迪欧致胜→本田CRV→斯巴鲁翼豹→PT漫步者→途胜→甲壳虫→奥迪A4→指南者→哈雷摩托→MiniCooper
第六轮 MiniCooper→宝马320→切诺基→牧马人→宝马Z4→奥迪A6
第七轮 奥迪A6→奥迪TT→悍马→凯迪拉克→宝马730→沃尔沃XC90→奥迪Q7→路虎→宝马X5→林肯加长→保时捷911→RIMOR奔驰房车→積架XK→保时捷卡宴→途锐→雷克萨斯LS600→奥迪R8→玛莎拉蒂
第八轮 玛莎拉蒂→奔驰S600→奔驰豪华大巴→法拉利F430→阿斯顿马丁
第九轮阿斯顿马丁→兰博基尼→迈巴赫62
第十轮迈巴赫62→劳斯莱斯→帕加尼→雅致728
第十一轮雅致728→布加迪威龙→
终极布加迪威航。

一：起步时期
以最快的速度，60小时刷够10辆车
条件：一个大号QQ，三个小号QQ

开始0-12小时：
起步是最关键的全速全效运行的话，2天48小时可以弄到6辆车。开始就是开小号或停在别人的车场里刷钱。初始状态下系统赠送一辆二手奥托+1000金。开3个小号，把小号的车放在自己的车场。自己的二手奥托停在小号那里。4辆车，每辆每分钟5金。每部12小时4辆=14400金，加上系统赠送的1000本金。12小时后你就有15400了.然后把4辆车再停几分钟那就够16000元。然后立刻再买一两二手奥托。

12-24小时：这时候你有5辆车（大号两辆+小号3辆）。12小时后就是：5辆×3600元=18000元。给大号买第三部车。还剩2000金。

24-36小时：6辆×3600元=21600金+余款2000=22600。买第四部车还剩6600

36-48小时：7辆×3600元=25200金+余款6600=31800。这时买第5第6辆车。

48-60小时：9辆×3600元=32400金，买第10辆车。

二：车辆升级
（买够10辆二手奥托，以后都是只换不买，换车时原车可以以原价冲抵，交差价就行了）
在买够10辆二手奥拓后。车辆依次换购顺序为：二手奥拓→吉利自由舰→桑塔纳→标致307→S-MAX→MiniCooper→奥迪A6→玛莎拉蒂→阿斯顿马丁→迈巴赫62→雅致728→布加迪威航（从开始到圆满最科学的方法是换购11次）
理由及数据请看另一篇《车辆换购顺序表》

三：话外题（抢车位的可玩性在哪里？）

其实之所以这个游戏吸引我的地方就是因为它符合了一切现实中的资金运作规律。即“2080法则”有钱的越有钱，穷的越穷。 它同样符合社会主义经济的中国市场的发展规律：“让一部分人，先富起来”和“发展才是硬道理”

什么是2080法则？即“二八法则”
1897年，意大利经济学家帕列托在对19世纪英国社会各阶层的财富和收益统计分析时发现：80%的社会财富集中在20%的人手里，而80%的人只拥有社会财富的20%，这就是“二八法则”。“二八法则”反应了一种不平衡性，但它却在社会、经济及生活中无处不在。而“二八法则”恰恰指出了在原因和结果、投入和产出、努力和报酬之间存在这样一种典型的不平衡现象：80%的成绩，归功于20%的努力；市场上80%的产品可能是20%的企业生产的；20%的顾客可能给商家带来80%的利润。

抢车位的游戏中同样。人有钱的越有钱，穷的越穷。 它同样符合社会主义经济的中国市场的发展规律：“让一部分人，先富起来”和“发展才是硬道理” 20%玩家的洞悉了游戏潜规则的人，在利用规则让自己的10部车每分钟都生钱。而80%的普通玩家为了面子，想要好车。在辛辛苦苦的拼命赚钱想把自己唯一的一部车换成好车。确怎么也没有人家生钱的速度快。还要担心停哪不被罚？不贴朋友的条赚不来钱，贴的多了又没人往自己家停车等问题。还有更可爱的朋友，想靠举报发财。确完全不知道自己找到10辆举报车辆，可能只有2辆举报成功。而在他辛苦奔波的这些时间里，别人的10部车每分钟都在生钱，他赚了200元罚款提成和朋友的责骂。别人赚了几十万和众人的羡慕。（注：举报只能举报自己的好友，也就上说你要在某人的停车场发现自己QQ好友的车。此车的旁边才会有个举报点击标志）

以下是我把所有车辆的车名、车价、每分钟盈利金额、几小时回本、推荐更换星级等数据全部汇总给大家。这些数据是在换车的时候参考的。
例:花79000换每分钟赢利12金的雪铁龙C2，当然不如花80000买每分钟赢利13的桑塔纳，每分钟多赚1金，10辆车每分钟就是10金，每天就多14400元啊。因为从数据上明显可以看见桑塔纳的回本时间是103小时，明显比雪铁龙C2的110赚的快
四：《QQ抢车位车辆性价比表格》
此表用于10辆车刷满以后换车时参考

QQ抢车位今天更新举报新玩法，下午看了看发现，举报新玩法还没有进行更新，却发现一些车辆的盈利又变了，比如悍马，由4月9日的24金/分钟，又恢复成了25金/分钟，既然如此，QQ抢车位换车次序相应的需要进行改动，具体如下所示。

车名 价格(金) 盈利
二手奥拓 16,000 5金/分钟
吉利自由舰 48,000 9金/分钟
桑特那 80,000 13金/分钟
POLO 91,000 14金/分钟
标志307 110,000 15金/分钟
S-MAX 219,800 18金/分钟
Mini Cooper 320,000 20金/分钟
奥迪A6 620,000 24金/分钟
悍马 800,000 25金/分钟
玛莎拉蒂 1,790,000 30金/分钟
阿斯顿马丁 3,620,000 32金/分钟
迈巴赫62 6,180,000 34金/分钟
雅致728 13,880,000 38金/分钟
布加迪威航 43,000,000 50金/分钟

根据调整盈利后，换车次序和以前大致没改变，但是也有不同，下面是计算出的换车次序：

二手奥拓(5金/分钟) → 吉利自由舰（9金/分钟） → 桑特那 (13尽/分钟) → POLO(14金/分钟) → 标志307(15金/分钟) → S-MAX(18金/分钟) → Mini Cooper(20金/分钟) → 奥迪A6(24金/分钟) → 悍马(25金/分钟) → 玛莎(30金/分钟) → 阿斯顿马丁(32金/分钟) → 迈巴赫62(34金/分钟) → 雅致728(38金/分钟) → 布加迪威航(50金/分钟) 。

经过计算，这是4月23日后最科学的换车次序，不过要说明的是，在这换车次序中，如果钱不够不要去攒到钱够，能早一分钟换个盈利更高点的车就先换，接着再换次序表的车，如果一直攒着钱，那上面的方法就不是最有效的了。比如A6换悍马后（十辆全换成悍马），有足够的钱换宝马730或保时捷911（单辆单辆依次换），则先换成盈利更高的车辆，存够了换玛莎的钱后再依次序表中的顺序进行更换。

简单比较：

A6到悍马中间差价18W，可每分钟多增1金

而A6到宝马中间差价46W，每分钟多增2金（即相当于23W多增1金，那么当然是全换成悍马要划算啦）

所以，先由A6十辆全换成悍马是最划算的。

后面的换车走势从悍马到宝马730（差价28W增1金）、保时捷911（差价42W增2金，即21W增1金）、玛莎（差价29W增2金，即14.5W增1金）

PS：以上仅为本人计算换车次序，欢迎大家砸砖头

E. 什么GPU最好

根据全面定性定量的实验结果，截至2018年10月8日，NVIDIA RTX 2080 Ti是现在最好的深度学习GPU（用单个GPU运行Tensoflow）。以单GPU系统的性能为例，对比其他GPU，它的优劣分别是：
FP32时，速度比1080 Ti快38%；FP16时，快62％。在价格上，2080 Ti比1080 Ti贵25%
FP32时，速度比2080快35%；FP16时，快47％。在价格上，2080 Ti比2080贵25%
FP32时，速度是Titan V的96%；FP16时，快3％。在价格上，2080 Ti是Titan V的1/2
FP32时，速度是Tesla V100的80%；FP16时，是Tesla V100的82%。在价格上，2080 Ti是Tesla V100的1/5
请注意，所有实验都使用Tensor Core（可用时），并且完全按照单个GPU系统成本计算。
深入分析
实验中，所有GPU的性能都是通过在合成数据上训练常规模型，测量FP32和FP16时的吞吐量（每秒处理的训练样本数）来进行评估的。为了标准化数据，同时体现其他GPU相对于1080 Ti的提升情况，实验以1080 Ti的吞吐量为基数，将其他GPU吞吐量除以基数计算加速比，这个数据是衡量两个系统间相对性能的指标。

训练不同模型时，各型号GPU的吞吐量
对上图数据计算平均值，同时按不同浮点计算能力进行分类，我们可以得到：

FP16时各GPU相对1080 Ti的加速比

FP32时各GPU相对1080 Ti的加速比
可以发现，2080的模型训练用时和1080 Ti基本持平，但2080 Ti有显着提升。而Titan V和Tesla V100由于是专为深度学习设计的GPU，它们的性能自然会比桌面级产品高出不少。最后，我们再将每个GPU的平均加速情况除以各自总成本：

FP16时各GPU相对1080 Ti的每美元加速情况

FP32时各GPU相对1080 Ti的每美元加速情况
根据这个评估指标，RTX 2080 Ti是所有GPU中最物有所值的。
2080 Ti vs V100：2080 Ti真的那么快吗？
可能有人会有疑问，为什么2080 Ti的速度能达到Tesla V100的80%，但它的价格只是后者的八分之一？答案很简单，NVIDIA希望细分市场，以便那些有足够财力的机构/个人继续购买Tesla V100（约9800美元），而普通用户则可以选择在自己价格接受范围内的RTX和GTX系列显卡——它们的性价比更高。
除了AWS、Azure和Google Cloud这样的云服务商，个人和机构可能还是买2080 Ti更划算。但这不是说亚马逊、微软、Google这些公司“人傻钱多”，Tesla V100确实有一些其他GPU所没有的重要功能：
如果你需要FP64计算。如果你的研究领域是计算流体力学、N体模拟或其他需要高数值精度（FP64）的工作，那么你就得购买Titan V或V100s。
如果你对32 GB的内存有极大需求（比如11G的内存都不够存储模型的1个batch）。这类情况很少见，它面向的是想创建自己的模型体系架构的用户。而大多数人使用的都是像ResNet、VGG、Inception、SSD或Yolo这样的东西，这些人的占比可能不到5%。
面对2080 Ti，为什么还会有人买Tesla V100？这就是NVIDIA做生意的高明之处。
2080 Ti是保时捷911，V100是布加迪威龙
V100有点像布加迪威龙，它是世界上最快的、能在公路上合法行驶的车，同时价格也贵得离谱。如果你不得不担心它的保险和维修费，那你肯定买不起这车。另一方面，RTX 2080 Ti就像一辆保时捷911，它速度非常快，操控性好，价格昂贵，但在炫耀性上就远不如前者。
毕竟如果你有买布加迪威龙的钱，你可以买一辆保时捷，外加一幢房子、一辆宝马7系、送三个孩子上大学和一笔客观的退休金。
原始性能数据
FP32吞吐量
FP32（单精度）算法是训练CNN时最常用的精度。以下是实验中的具体吞吐量数据：

FP16吞吐量（Sako）
FP16（半精度）算法足以训练许多网络，这里实验用了Yusaku Sako基准脚本：

FP32（Sako）

FP16时训练加速比（以1080 Ti为基准）

FP32时训练加速比（以1080 Ti为基准）

价格表现数据（加速/$1,000）FP32

价格表现数据（加速/$1,000）FP16

实验方法
所有模型都在合成数据集上进行训练，这能将GPU性能与CPU预处理性能有效隔离开来。
对于每个GPU，对每个模型进行10次训练实验。测量每秒处理的图像数量，然后在10次实验中取平均值。
计算加速基准的方法是获取的图像/秒吞吐量除以该特定模型的最小图像/秒吞吐量。这基本上显示了相对于基线的百分比改善（在本实验中基准为1080 Ti）。
2080 Ti、2080、Titan V和V100基准测试中考虑到了Tensor Core。
实验中使用的batch size

此外，实验还有关于硬件、软件和“什么是典型的单GPU系统”的具体设置，力求尽量还原普通用户的模型训练环境，充分保障了结果的准确性。

F. 《龙族》作者江南的简介

江南，真名杨治，2013第八届中国作家富豪榜首富、畅销小说领军人物、内地幻想文学代表，《九州志》主编，媒体公司总经理。

1977年7月13日生于安徽舒城县，高中就读安徽名校、李克强总理母校合肥八中，后考入北京大学化学系，留学于美国名校Washington University in St Louis。

师从质谱科学代表人物Michael L. Gross，凭借回忆北大生活的小说《此间的少年》踏入文坛，作品情节多变、热血励志、文字细腻，在高校青年学生中有持续的影响力。

幻想作品《九州·缥缈录》系列构建了以中国历史和神话为原型的架空世界、青春作品《龙族》系列在中国创下了单本即销售200万册的记录，中国出版界官方媒体《中国新闻出版报》撰文探讨《龙年再说“龙族现象”》。

(6)布加迪脚本扩展阅读：

《龙族》是作家江南创作的系列长篇魔幻小说，由《龙族Ⅰ火之晨曦》、《龙族Ⅱ悼亡者之瞳》、《龙族Ⅲ黑月之潮》、《龙族Ⅳ奥丁之渊》，《龙族Ⅴ：悼亡者的归来》组成，2009年10月1日开始在小说绘上连载。

第一部于2010年04月首次出版，第二部于2011年05月出版，第三部上篇于2012年12月出版，第三部中篇于2013年07月出版，第三部下篇于2013年12月出版，第四部则于2015年10月出版，第五部于2018年5月15日在QQ阅读平台开始连载 。

作品讲叙了少年路明非在申请国外大学时收到了来自芝加哥远郊处的一所私立大学：卡塞尔学院的邀请函，随着路明非同学坐上去往芝加哥的CC1000次列车，踏上了与龙族争锋的征程。

G. chatgpt用了多少gpu

谢关于ChatGPT这件事，首先我先帮助大家普及下InstructGPT (Instruct GPT trainning with Human Feed back) 和 Reinforcement Learning，做一个简单的分析。接着，希望通过对英国技术行业，起死回生的故事，给大家关于中国大模型事业带一点点有益的启发。但行胜于言，很多事情原理是清晰的，却不是每一个人都可以做出来。

比如ChatGPT坚持使用开源数据集 TruthfulQA 和 RealToxicity ，比如国内厂商以云计算公司为代表在GPU集群上也早已经有了丰厚的储备，那么做不做，以什么路径做就特别关键。

Before Prompt GPT
我的切入点是大模型训练的数学原理，以及基于Transform, self-attention的基点的历史演变，欢迎其他伙伴来继续补充。

# InstructGPT [Training language models to follow instructions with human feedback, Long Quyang]

* GPT (Generative Pre-trained Transfomer)

Bert开始NLP有一个任务叫做MLM, 即 Masked Language Model 和 NSP，即Next Sentence Prediction 。所以NLR任务开始前先通过这个两个任务对应的脚本工具生成被遮挡的上下文，和答案。因此又称自监督。

这样做有什么问题呢？从过去的实验上看生产的内容包含了大量的，重复，无意义，负面，甚至危险⚠️的回复。这些内容往往在预训练语料里覆盖不足。

由于自监督特性，和生成模型(Generative Models)一样，“Unsupervised Training” 是可以应用的。举个例子，imageNet 有一个 image-1k数据集，为什么会有这个数据集呢？图像在神经网络G里面的表征就是特征向量(feature map)，如果你对图片做各种处理，通个训练让这个网络输出的特征向量数值稳定下来，其实说明网络G学到了最本质的图像特征影射 ：G(img) ~ G(Transform(img)):
min

注意在这个过程中，我们并没有用到标注。所以Image-1k的作用就是初始化参数，启发这个无监督训练过程。

GAN loss
即训练的本质是训练随机变量分布M，而如果这个分布一旦被找到，所有的M(img)，都是从这个随机分布的一个采样。

当我们将分布M的输入调整为文字，其输出调整为应答，就对应从所有可能的回答中采样一个最好的回答。一旦你接受这个思路走下去，就会越来约认同，DeepMind和OpenAI的通用人工智能，也或许一切就起源于此。

所以生成文字，生产图片并不是仅仅为了好玩，方法上是革命性的。OpenAI的所有作品都可以用一句话来形容：Sample from true data distribution

由于是无监督的，为了让结果更好，类似Teacher - Student模式对抗生成网络开始登场。Ian Fellow火了。OpenAI在很长一段时间致力于GAN，VAE等用于生成模型的工作，如果我们不理解这点，我们是无分理解ChatGPT的。GPT的主角不是Transformer是Generative Models Unsupervised training, 虽然训练好的GPT确实使用了“多头自注意力”（Multi-head Self-Attention Decode + MLP）解码器塔。

在GPT2 (Hugging Face)中我们仔细看下loss：

loss_fct = CrossEntropyLoss() loss = loss_fct(shift_logits.view(-1, shift_logits.size(-1)), shift_labels.view(-1))
当一句话的数字特征表示向量，通过decoder得到，"abcd[e]"，和自身的偏移“[a]bcde” 错峰开做CrossEntropy loss，自监督就很形象了。

* InstructGPT : Fine tuning with human feedback [RLHM]

由于MLM限制，Predict next words Loss有没有问题？如果回答是负面的，危险的，重复自身且无意义的怎么办？在训练上引入了一个新的技巧叫做 Prompt 或者 Instruction template.

注意这个技巧是Finetuning，所以是载入训练好的GPT-3参数，然后再通过一组人工标记的数据微调参数，使得模型表现更符合预期：

InstructGPT
由于label是明确人工给出的loss应该就是我们通常的softmax loss. 这个做法有没有问题？评测数据表明InstructGPT在四个任务(TruthfulQA，恶意词汇回答， 客户助手，陪伴)有超凡脱俗的表现。

* Replace self-supervised unsupervised training with RL

强化学习有一个特点和自监督，无监督学习很像：无需label.

像人体分泌多巴胺一样，强化学习通过反馈模型(Reward Model)来模拟基于多巴胺的生物学习机制 -- 不一定是最优解。在关于如何表现的像人一样这个话题，这个目标很合适，因为我们也无法定义什么的目标函数的最优解最合适人类，也许多个目标的中庸解，恰恰就是人类最合适的反应。

ChatGPT通过模型针对一个Prompt作出多种回答的排序，成为了Reward model的关键。排序怎么处理？如果你知道很多年前MSR的Rank from Learning，就不会惊讶，有对应的loss，这是很成熟的技术，总之这不是问题。简单说全排序，由局部排序给出；局部排序，由两两排序给出，也就是相对强弱给出：



如果我们能给出 A > B, B > C, C > D, 我们就能给出全排序 A > B > C > D, 注意在inference阶段这是通过比较特征瞬间给出的，无需Topk机制。

有了Reward model 就开展可以更新参数。在RL更新模块叫做Policy Gradient. 在数学优化方法中有一种叫做Proximal optimization, 即wolf-powell条件进行梯度方向的一维线性搜索。

# British Tech Review from the past

2017 年纽博格林(Nurburging)最快单圈纪录 ：6 min 45.90 s
2017 年2月蔚来汽车在德国正式出圈，以6 min 45.90 刷新纽博格林单圈赛道纪录 (Nurburging Lap Record)。这样一样造型超前的蔚来蓝，迅速刷遍全球。当时蔚来的设计团队主要在德国和上海，不知道大家有没有想过：

“为什么NIO已经在汽车王国德国成立设计团队，却单单将超跑EP9的设计, 车辆制造，以及发动机引擎调校放在英国完成？”

这就不得不提及英联邦毕业生经常可以看到的几个符号 R&R, RCA, Dyson, Inmos （敲重点）, ARM, Lloyd, DeepMind（敲重点） ：

劳斯莱斯（罗尔斯-罗伊斯) 简称R&R，中文罗罗
碰巧的是历史上还有几个大家所熟悉汽车品牌也是来自英国本土 ：

天命不凡的 Rolls-Royce (R&R)
1904Rolls制作了劳斯莱斯汽车最初的原型，后来他和Royce于1906年在英国德比共同创立汽车品牌“劳斯莱斯”。这个品牌还包含了“劳斯莱斯”和“宾利”(1930年收购)两个子品牌。随着在发动机技术进步，劳斯莱斯在航空发动机技术领域取得了成功，R&R与位于英国南部布里斯托(Bristol)的希得来（Bristol Siddeley Engines Ltd）公司合并达到巅峰。时至今日布里斯托仍然保留了发动机设计方面的精华。沧海桑田，汽车业务在70年代后，分别被大众(Volk wgen)和宝马(BWM)收购，留下了我们现在所了解的汽车拼图。

由于Rolls-Royce的设计和发动机技术，十分独特，使得Rolls-Royce品牌得以在收购后保留。收购的导火索是，70年代由于航空发动机业务(Rolls-Royce Aerospace)业务导致财务困境，劳斯莱斯被国有化为劳斯莱斯有限责任控股(R&R Limited)。汽车业务(R&R motors)随后被被剥离。

以发动机着称的Rolls-Royce控股将MK202的生产专利权, 以及大名鼎鼎的燃气涡轮发动机RB211技术转让给中国，历史在一个不经意间，推动了中国航空发动机研发进度。

2018年一组全新的的燃气涡轮组项目在北京西北旺地区开始落成，在源源不断地给北京输出动力的同时，代替传统煤炭火电给北京一个绿色的天空。

RB211涡轮发动机叶片
另一方面被拆分出来的劳斯莱斯汽车则保留在英国最关键的生产车间和研发中心 - 克鲁(Crewe)工厂(生产宾利)和古德伍德(Goodwood)工厂，由于实体制造业消退，汽车发动机和主要零部件由宝马供应。

2. 创始人才是最值钱的宾利：

劳斯莱斯包含两个子品牌，一个是劳斯莱斯，一个是宾利。卖掉宾利的创始人，宾利先生（Walter Owen Bentley）, 自身一个杰出的工程师和汽车发烧友。他设计的汽车，在和法国品牌布加迪在早期比赛中多次取胜(24 Hours of Le Mans)。

卖掉宾利后，闲不住的宾利先生开始为伦敦其他汽车品牌设计发动机，由于其杰出的工作，被看重的宾利先生，连带公司一起被阿斯顿马丁收购。收购完成后, 阿斯顿马丁迫不及待地为新车更换上宾利先生设计的直列六缸发动机(straight 6 engine):

新的发动机在日后帮助阿斯顿马丁赢得24 Hours of Le Mans赛事冠军 。这些炫酷的伦敦超跑，造型独特，线条优美，动力十足。虽然他们有不同的名字，但他们有一个共同的起源：RCA（皇家艺术学院）

3. RCA ：权利和荣誉无处不在

RCA全名 Royal Colledge of Art，现任（2022）校长(Chancellor)是曾经蜚声寰宇，在苹果主导Mac系列设计的英国设计师乔纳森：

RCA的杰出校友包括 Dyson的创始人，工业设计师，发明家Dyson博士：

除了本土汽车品牌R&R, 路虎(Land Rover)，阿斯顿马丁，Mini品牌，还有一众德系汽车设计师也传承于此：

韩国起亚的首席设计师 Peter Schreyer

回到最开始的问题：

“为什么NIO已经在汽车王国德国成立设计团队，却单单将超跑EP9的设计, 车辆制造，以及发动机引擎调校单独在英国完成？”

似乎答案已经跃跃欲出：英国保留了百年汽车工业设计传承，汽车设计学院不断输出设计人才，让英国在这个领域仍然充满活力；保留下来的发动机和制造车间，像火种 一样，还在在每天不间断生产 -- 虽然进度十分缓慢：

大部分生产车间仍然保留了手工打造的痕迹，即使是劳斯莱斯它那拥有1400人研发中心古德，每天也只能生产20辆 -- 这才是价格昂贵的来源。仅仅诞生不足7年的蔚来，今天已经已经交付了20万辆中高端车型，按照劳斯莱斯的速度，得生产33年！

到底是什么导致了这么高的成本？有经济学家分析，是过度扩张的资本导致的脱实向虚。这里大家可能会疑惑，首先我们有一个问题☝️要解决：

在中国可以看到早早押注中国并获利巨亿的新加坡主权基金淡马锡，也可以看到在教育，软件起早贪黑的日系资本，更有实力强劲出手阔绰的美国资本高盛，黑石，摩根大通等。

英国资本像是大洋上的一艘邮轮 ，它就在那，但你就是看不见。

4. 天才的离岸架构设计

既然有资本，就要有为资本服务的便利，英国有三个地方吸引离岸资本注册，并对外国资本提供税收豁免，分别是：
* 百慕大群岛

* 开曼群岛

* 英属维尔京群岛 （也在加勒比海古巴南端）

三岛功能近似，其中又以开曼最为有名。在《实质经济法案》推出前，伦敦和香港的会计师每年会绞尽脑汁将离岸架构设计下的公司注册在英国开曼这个巴掌大的地方 -- 阿格兰屋：

这个5层小楼登记了超过18000注册公司和经济实体的注册地址。很快欧盟和其他主要大国盯上了这块税外之地，2020年开曼顺应形势推出了《实质经济法案》，以确保“反映经济活动”。

这些注册活动都和审计有关，4大国际审计担保公司四有其三就是英国公司：

四大虽然享誉全球，但毕竟是以劳动换报酬的服务公司，钱生钱才是荷兰人和英国人津津乐道的资本主义：银行，保险，投资和债券。最近几年，更多地可以看到中国对英国的投资公司比如亚投行，国家开发银行，中金等，但是鲜见英国资本。这是因为大部分的英国投资银行主要活动在欧洲, 北非和东南亚市场。

5. 健康环保M&G

在撒切尔夫人时期，英国通过海外投资获取了巨大的收益，巨大的海外投资收益带了巨大的消费，但是投资收益和消费并没有反哺到本土生产和技术提高上，这导致英国本土的生产成本不断攀升，以至于什么都比较贵。

和劳斯莱斯同期，1901年M&G投资管理公司在伦敦正式成立，后被英国保诚(PRUDENTIAL)收购，主要市场在欧洲, 北非和东南亚，关注新能源市场：

M&G是一种共同基金，专业的经理人通过收取一定的手续费，帮助公众打理海外资产投资。获取的巨度收益，一部分分用于本土消费进口商品，一部分继续用于海外投资追加。

6. 非洲大镖客巴莱克

巴莱克是英国仅次于汇丰（HSBC）控股的投资银行。2008年雷曼兄弟破产，巴克莱趁机提出收购雷曼兄弟，以获取在北非的业务，但是第二天雷曼兄弟就提交破产保护，收购无疾而终。其旗下巴克莱投资管理公司(BGI)资管规模巨大，管理着约1.5万亿美元资产，这已经远远超美国黑石。

除了老派的做法，金融创新业从未停止。除了共同基金(Mutual Funds)，英国还有一家新兴对冲基金公司(Hedge Funds)，打理着约200亿美元资产：。

对冲基金，以其凶猛，冒险的风格，在市场里迅速翻腾，通过其强悍的收益在市场里迅速积累了迷妹迷弟，风光无两。

其他较小规模的银行保险投资机构，比如如渣打(Standard Charter)等，便不再一一细说。虽然英国经济在金融投资上一路高歌，但投资没有服务实体经济，庞大的消费导致英国工业陷入高成本困境，但是随着半导体技术发展，英国避开制造短板，在设计业方面出现了新转机。

7. 南部小硅谷：布里斯托镇

这是一个十分紧凑和优美的城市，整个城市围绕布里斯托大学展开。从火车站(Temple Meads)下来, 过了河，迎面是KMPG大楼，掠过绿地，大教堂，总共约莫30分钟便来到了布里斯托大学。这里除了享誉的精算科学(actuarial science)，还是一个有着工业基础，历史悠久的科研密集型大学。一战后航空工业，半导体产业纷纷迁入布里斯托，为布里斯托大学注入新生机：

* 劳斯莱斯控股在当地拥有约5000名员工，以及超过75年的发动机生产历史

* 1980年位于布里斯托的Inmos创新地提出了一种近存芯片，用于并行计算技术：这种芯片有自己独立的片上存储。这一发明极大地影响了后世的芯片设计。意法半导体随后收购了这家公司，主要设计家用视频产品专用芯片。

2011年英伟达收购了Bristol当地的一家手机基带芯片设计半导体企业Icera，于是便有了在Bristol一家办公楼：

由于Inomos，Icera在手机基带芯片设计领域的影响, 2014年huawei在布里斯托启动了设计研发(R&D)中心：

8. 大器晚成：手机和服务器芯片新霸主ARM

在个人电脑兴起前，整个电脑市场由大型机，微形机霸主IBM统治，随着苹果 带起个人PC风标，Curry and Hauser 在剑桥创立了剑桥处理器有限责任公司 (Cambridge Processor Unit Ltd., CPU)后，于1978年启用了Acorn Computers品牌正式开展个人电脑业务, 形成了ARM (Acorn RISC Machine)的前身。

个人电脑业务不断发展，IBM在大型机上制造CPU的技术，开始以更低成本被引入到个人电脑。苹果Lisa的成功同时让Acorn工程师觉得，通过现有芯片开发窗口图形操作系统，并不是那么容易。于是，一个大胆的计划诞生了：

受到Berkerly RISC V项目启示，他们开始着手设计新的芯片架构。

ARM在成功开发后，马上就被用到Apple 2系统，从此ARM搭上了苹果的顺风车，在随后的IPhone系列，大展拳脚。

随着苹果和ARM联合开发的推进，ARM架构所展示的低功耗优势愈加明显，不仅仅是在手机市场取得了压倒性的成功，在服务器市场也开始占据一定份额。和Intel有自己fab工厂不一样，ARM芯片生产得益于全球化生产体系，随着台湾半导体在工艺上取得大幅领先，Fabless逐渐取得优势，ARM仿佛如天选之子，又像直勾垂钓的老者，逐渐掌控局势。

9. Imagination Technology : 起源英国落花中国的GPU IP

1993春，Jensen Huang（老黄）穿着皮大衣离开了起源于仙童的LSI ，相比于在AMD短暂2年，老黄在这个中国人并不熟悉的公司里，真正掌控制了ASIC设计。带着新愿景，他和合伙人随后创立了NVIDIA，也带来了NVIDIA新经济学，一路裂变：

The more you buy, the more you save

但是就在老黄下定决心的8年前，英国就已经有一家叫做Imagination的公司嗅到了图形处理器机会。这是一家真正的起源英伦，却花开中国的GPU设计公司，多少年后，为中国GPU崛起立下汗马功劳，中国GPU公司无一例外采用了Imagination的GPU电路板IP授权，开始自主研发之路。

在苹果一路崛起的道路上，有两家英国公司参与了进来，一个是ARM，另一个就是Imigination。和ARM一样，Imigniation也留下了丰厚的遗产，MIPS架构CPU和GPU ASIC电路板设计。

在Fabless模式下，每天都有从英国发订单到台湾进行生产，通过航运将产品运送到英国本土进行最后的测试，软件适配和调校。

中国正式重启丝绸之路，欧洲列车直达连云港前，一个世纪里，远洋运输仍然是大宗商品的主要运输通道。在东亚，中东的石油通过天险马六甲海峡在新加坡卸货，通过当地离岛，石油工业工程完成石油炼化加工，分发到东亚国际。而运往地中海的主要通过亚丁湾走苏伊士运河。

10. 直布罗陀天险：北大西洋上永不沉没的收费站

英国 资本主要在欧洲，北非和东南亚活动，自从开辟了苏伊士运河，直布罗陀作为地中海的西出口，似乎没有那么重要了。但是西非，北欧，以及大西洋洲贸易仍然需要途径英属直布罗陀海峡。

事实上也由于前往西非的便利，英国投资银行持续在非洲下注获取必要的矿石原材料。原材料像养分，而海事就是活跃经济的血液。

作为英国一个关键支柱产业，曾经容纳了大量就业人口。但是随着船舶吨位下降，大量水手移民，造船业和航运有所衰落。苏伊士运河又进一步加剧了这种情况。

但凭借软实力，伦敦港优越条件和配套完善的海事金融服务，大量英国居民开始从事海事经纪服务。最为代表的就是国际船舶协会IACS和英国劳氏(Lloyd's Register Group Limited)解决方案两大机构：

11. 太阳花下的经济血脉：

科技，文化，还有原材料组成了经济。原材料顺着大洋补充到英国经济利益的各个方位。原材料，主要包括高纯度矿石，石油，以及加工品。

由于澳大利亚和英国过于紧密的历史关系，全球铁矿石厂商力拓(Rio Tinto) 和必和必拓同时在伦敦和墨尔本上市，也同时建立实体。在相当长的时间，很多人都分不清这是一家澳洲公司还是一家英国公司。

其实在必和必拓创立之初，英国实体曾贡献高达40%的收益，随着英国影响力下降，英国实体贡献逐步降低，2022年必和必拓正式从伦敦交易所退市，英澳实体分离。力拓同样是英国，澳洲投资者联合创立的公司。英国投资者在两家公司上有非常深厚的利益。

在加工方面，壳牌石油由荷兰皇家石油公司和英国壳牌石油合并而成，总部位于伦敦。壳牌拥有领先的润滑油提炼技术。

除此之外，英国石油（British Petroleum），是世界六大石油公司之一。1908年一群英国地质学家在伊朗发现的一处油田，经伊朗同意，英国人开始开采当地的石油资源。这次地理发现导致了石油工业的发展，是中东第一次开采石油。随后昂格鲁-波斯(Anglo-Persian)石油公司正式成立，在1954年更称现在这个名字。

12. Deep Mind : 人工智能皇冠上的宝石

愿景风投(Horizon Ventures，香港李嘉诚创办)，创始人基金(Founder Funds)以及个人投资者Elen Musk等参与到了Deep Mind的创建。

圣经典籍记载，神用希伯来语说要有光，于是就没有了黑暗；接着抓起一把沙子，操着英语说，要有智慧，于是Deep Mind诞生了。

2010年哈萨比斯(Hassabis) 和 勒格(legg)在UCL相遇, 经过不为人知的讨论，他们创立了一家初创公司(start up)，随后他们制定了DeepMind的主要方向 - 通用人工智能。

2014 年 AlphaGo发布，16年击败李世石，登顶头条，同年发布WaveNet，大模型首次解决TTS问题，语音助手精度大幅提升。

两年后AlphaFold发布，问鼎CASP从此改变生物制药格局。DeepMind正在沿着通用智能的道路不断探索边界，孕育出新的智慧。

能源，发动机，设计支持着第一代汽车工业的发展，英国赶上了。一战结束后一大波代表性企业在英伦三岛雨后春笋般崛起。

二战结束后，曼哈顿工程遗产开始军转民，个人PC兴起，英国亦步亦趋，留下了ARM, MIPS, RISC V精简指令集, 以及以SRAM着称的Inmos设计。英国以弹丸之地紧追，并没有走远。

这些企业几经波折，无论是专卖也好，还是重组，通过资本的广泛参与，一方面分散了风险，一方面传承了技术和品牌为下一个十年不断蓄力。

时至今日大模型智能日新月异，DeepMind与OpenAI花开两朵，中国的大模型在哪里？