如果唐纳德·特朗普获胜,他希望埃隆·马斯克进入内阁

币界网Publicado a 2024-08-19Actualizado a 2024-08-20

币界网报道:

如果唐纳德·特朗普赢得2024年美国总统大选,他已经将埃隆·马斯克列入其政府的最高职位。

在最近的一次采访中,特朗普分享说,埃隆可能会竞选内阁职位或一些重要的顾问职位。这两个人最近变得很亲密,这是很多人没有看到的。

几年前,埃隆并不是特朗普最大的粉丝,但他似乎对特朗普产生了好感,尤其是在7月份特朗普遭到疯狂暗杀之后。

尘埃落定后,埃隆通过在X(前身为推特)上采访特朗普,为特朗普提供了一个庞大的平台,埃隆声称该平台获得了超过10亿的浏览量。

关系时间表

至少可以说,埃隆和特朗普的关系到处都是。早在2016年大选前,埃隆就认为特朗普不适合当总统。

他直截了当地说,特朗普没有代表美国的合适性格,他更支持希拉里·克林顿的政策。

但特朗普获胜后,情况发生了变化。2016年12月,当埃隆被任命为总统的两个经济顾问委员会成员时,他被拉入了特朗普的轨道。

埃隆为自己加入的决定辩护,称他想在环境和移民等重要问题上影响特朗普。

但这并没有持续多久。到2017年6月,特朗普让美国退出《巴黎气候变化协定》后,埃隆受够了,离开了。

埃隆很生气,在推特上说气候变化是真实的,离开巴黎对美国和世界来说都是一个糟糕的举动。

动态再次发生变化

到了2020年,特朗普对埃隆唱了一首不同的歌。他称他为“我们伟大的天才之一”,并赞扬他让特斯拉在汽车行业成为大人物。

疫情期间,当埃隆与加州官员争夺特斯拉工厂的重新开工时,特朗普支持埃隆,表示支持埃隆重返工作岗位。看起来两人又达成了共识。

但当然,在2022年5月,当埃隆暗示如果有机会,他将恢复特朗普的推特账户时,这表明他在言论自由方面与特朗普更加一致。

然后,几个月后,事情变得奇怪了。特朗普在一次集会上称埃隆为“胡说八道的艺术家”,指责他对自己的投票历史撒谎。这位亿万富翁回击道,特朗普应该“驶向日落”

是的,这并不顺利,他们的关系似乎又陷入了困境。到2022年7月,埃隆说特朗普不应该再次竞选总统,但他明确表示,他与特朗普没有任何私人恩怨。

现在,我们到了2024年,在那次暗杀企图之后,埃隆全力支持特朗普。埃隆甚至公开表示支持,这与他之前的立场相比是一个巨大的转变。

街上的消息是,埃隆和特朗普一直在聊天,谈论从移民政策到技术创新的一切。

Lecturas Relacionadas

Diálogo con el fundador de 42 Macro: La "rana hervida a fuego lento" de la Fed y la economía en K

Fuente: "Anthony Pompliano" Organizado por: Felix, PANews En el podcast "Anthony Pompliano", Darius Dale, fundador de 42 Macro, analizó la política monetaria de la Fed, la economía en forma de K y la inflación. Calificó al nuevo presidente de la Fed, Kevin Warsh, como un "halcón con apariencia de paloma", quien posiblemente endurezca la política monetaria en los próximos trimestres para luego poder relajarla. Dale destacó que las expectativas de inflación no predicen resultados futuros; los verdaderos impulsores son factores monetarios y políticos, como el gasto deficitario y la monetización de deuda. Señaló que la Fed no alcanzará su objetivo del 2% de inflación y que su estrategia es una "cocción lenta" (financial repression) para evitar problemas de estabilidad. Sobre la economía en forma de K, explicó que mientras las familias en la parte superior poseen unos 12 billones de dólares en efectivo y consumen intensamente, las de la parte inferior enfrentan tasas de morosidad récord en créditos. Advirtió que quienes no inviertan en activos quedarán rezagados debido al "efecto Cantillón", que transfiere riqueza a los primeros receptores del dinero nuevo. Respecto al mercado bursátil, mencionó que los inversores están trasladando capital de las "siete grandes" tecnológicas hacia empresas más amplias de IA, pero alertó sobre el riesgo de burbuja en los gastos de capital. Finalmente, compartió su experiencia personal sobre la división económica y social, subrayando que todas las personas, independientemente de su origen, buscan dignidad y seguridad para sus familias.

marsbitHace 2 hora(s)

Diálogo con el fundador de 42 Macro: La "rana hervida a fuego lento" de la Fed y la economía en K

marsbitHace 2 hora(s)

Los ocho padres del Transformer, ¿dónde están ahora?

Ocho investigadores de Google Brain revolucionaron la IA en 2017 con el artículo “Attention Is All You Need”, presentando la arquitectura Transformer. Nueve años después, los ocho autores originales han dejado Google, trazando caminos divergentes en la industria. Noam Shazeer, cofundador de Character.AI y clave en el mecanismo de atención, regresó brevemente a Google DeepMind antes de unirse recientemente a OpenAI. Ashish Vaswani, co-diseñador del modelo, fundó Essential AI, aunque hay rumores de que su equipo podría integrarse en Nvidia. Niki Parmar, después de cofundar Adept AI y Essential AI, ahora trabaja en Anthropic. Jakob Uszkoreit, quien propuso la idea central, fundó Inceptive, aplicando la IA al diseño de moléculas de ARN. Llion Jones, tras una larga carrera en Google, cofundó Sakana AI en Tokio, explorando modelos colaborativos inspirados en la naturaleza. Aidan N. Gomez, el más joven del grupo, fundó Cohere, centrada en soluciones empresariales de IA. Łukasz Kaiser, con un trasfondo teórico, es investigador clave en OpenAI, contribuyendo a modelos como GPT-4 y o1. Illia Polosukhin, co-diseñador del Transformer, es cofundador del protocolo blockchain NEAR. A pesar de sus trayectorias distintas —desde biotecnología y blockchain hasta laboratorios de IA—, comparten una creencia: Transformer no es el punto final. Siguen explorando activamente la próxima arquitectura que supere claramente al actual pilar de la IA moderna.

marsbitHace 2 hora(s)

Los ocho padres del Transformer, ¿dónde están ahora?

marsbitHace 2 hora(s)

Respuesta nacional al cálculo espacial: usar fotones es más eficiente, Musk y Huang Renxun dan demasiadas vueltas

La carrera por la computación espacial se ha convertido en una verdadera competencia de armamentos tecnológicos. Figuras como Elon Musk y Jensen Huang han destacado el potencial de la inteligencia artificial y la computación en órbita. Sin embargo, los desafíos en el espacio son extremos: radiación cósmica, disipación de calor en el vacío y limitaciones energéticas severas. Aquí es donde la computación fotónica, que utiliza fotones en lugar de electrones, emerge como una solución prometedora. Sus ventajas son clave para el entorno espacial: es inherentemente resistente a la radiación, genera muy poco calor y consume menos energía. Esto permite empaquetar más potencia de cálculo en un satélite con el mismo peso y recursos, superando las limitaciones de los chips electrónicos tradicionales. Aunque la tecnología fotónica para IA, especialmente en tareas de inferencia, aún debe superar retos de integración y estabilidad mecánica para los lanzamientos espaciales, su trayectoria es distinta. No depende de la miniaturización extrema de los transistores, sino de escalar el uso de propiedades de la luz como la longitud de onda. En una carrera donde la computación electrónica se acerca a límites físicos, la vía "óptica" podría ser la carta decisiva para desplegar de forma eficiente y sostenible la capacidad de cálculo en el espacio.

marsbitHace 3 hora(s)

Respuesta nacional al cálculo espacial: usar fotones es más eficiente, Musk y Huang Renxun dan demasiadas vueltas

marsbitHace 3 hora(s)

Trading

Spot
活动图片