SuperXGet live statistics and analysis of Frank's profile on X / Twitter
算法工程师，前微软&腾讯
The Analyst
Frank is a deep thinker and meticulous algorithm engineer with a rich background from Microsoft and Tencent. He thrives on dissecting complex systems, whether they be historical governance or modern tech stacks, and loves sharing insightful, data-driven content. Fluent in both tech and culture, Frank bridges analytical precision with worldly wisdom in his engaging posts.
Top users who interacted with Frank over the last 14 days
Ex-Goldman Sachs Asia FICC Exec & Co-founder of Zen Family Office. Now diving into crypto, exploring blockchain's potential
曾经的IT人，跨界做了几个网红咖啡厅，疫情亏惨了，现在重启人生，也是一个15岁游戏迷的父亲。文章精选及付费栏目请查看下面链接：
独立开发，AI SaaS出海， AI价值内容分享 — 让AI工具就像积木一样构建产品，拼出无限可能！👉🏻 lnk.bio/JasonZhu
08/17/170/63，深圳男高，ENFJ 爱好很杂，比如航空/轨道交通 欢迎主动来找我🥰
Frank’s brain is so deep in analysis that he probably needs a flowchart just to decide what to have for lunch—hope his Twitter feed isn’t scheduled by an algorithm or he’ll never stop tweeting about it!
Frank’s top tweet showcasing a witty and detailed analysis of ancient Chinese fiscal policy racked up over 779,000 views and thousands of likes — proof that his blend of history and tech appeals far beyond algorithm geeks.
Frank’s life purpose is to decode complex systems and share this understanding widely, helping his community grasp intricate challenges and practical solutions with clarity and depth.
He values transparency, intellectual rigor, and pragmatic optimism. Frank believes that understanding history, culture, and technology deeply can illuminate paths toward smarter decisions and meaningful progress.
His greatest strength lies in his analytical mind and ability to break down complicated problems into understandable insights, backed by practical experience at top tech giants.
Frank’s laser focus on analysis sometimes leads to overthinking and a tendency to get lost in details, making swift decision-making or broad emotional appeals challenging.
To grow his audience on X, Frank should mix occasional lighter, more personal stories or humor with his technical insights to attract a wider crowd. Engaging more by replying thoughtfully to followers can spark community bonds and boost visibility.
Fun fact: Frank affectionately calls the ancient governance system a 'non-stick pan art,' admiring how centuries-old bureaucratic layers cleverly balance competing pressures—a perfect metaphor for resilient systems.
Top tweets of Frank
最近想自己部署一个微调后的模型，由于成本原因优先考虑serverless的方案，调研了几个主流的平台： 1、hugging face 模型放上去就能有serverless的服务可以用（限制10GB内，只有cpu推理），但如果不活跃就会被关掉，会返回503然后重新启动服务。官方给的实践是serverless的推理只用作demo，如果需要产品化还是要部署dedicated api（按时间收费，可以设定autoscale，在不活跃xx时间后将pod数量变为0） 2、aws的sagemaker serverless也限制最大10GB的镜像，以及6GB的RAM，只有CPU的推理（hugging face可能也是调用的aws），但也可以部署自己的模型 3、azure的aml serverless不能部署自己的模型，给了很多公共模型的选项，基本只有nlp的模型（#pay-for-model-usage-in-maas">learn.microsoft.com/en-us/azure/ma…） 4、cloudflare的ai worker serverless不能部署自己的模型，但支持很多主流的模型（与hugging face有合作），包括社区中nlp和cv的比较热门的模型，并且支持gpu的推理 5、其他 还有一些创业公司提供了serverless的gpu推理服务，例如beam.cloud，但个人比较倾向于成熟的平台，没有去细看了 总结 目前看来比较好的方案就是把模型放到hugging face或者aws的sagemaker（看上去hugging face会更简单一些），在早期先用白嫖的serverless测试模型，后期再部署到dedicated api上
jenni.ai的冷启动与增长策略 jenni.ai是用来辅助论文写作与阅读的工具，目前收入已经达到了$5M ARR，用户2.5M，并还在高速增长，作者表示预期能达到$10M~20M ARR，他们的CEO David Park非常诚意的分享了他们的收入和用户的增长策略，有很多值得学习的地方 与大部分toc的产品类似，早期的冷启动都非常困难，从0到$4M ARR花了1678天，后期基本是一个指数增长 增长可以分为下面几个阶段 1、cold call（0-$5000 ARR） 一个个的去打电话，类似于cold email但不太一样，需要很强的心理素质，但好处是可以直接跟用户进行实时的沟通，David的套路是自己是xxx学生想请教xxx问题。不过这种方法不能scale，在一定程度之后需要升级新的增长策略（$5000 ARR） 2、Facebook群组（$5000-$30000 ARR） 混进目标用户的群组里面，并且成为核心成员，然后与他们交流并迭代自己的mvp，做得足够好的话他们会自发帮你做宣传（如果没有那说明做的还不够）。最终可以得到一批愿意给你反馈的用户，和一个还不错的产品。 3、探索增长动量（$30000-$120000 ARR） 有了前两步的基础，现在的产品基本能迎合市场的需求了，需要通过各种渠道来找到一个爆发点，David使用的渠道有这些：付费广告、达人营销、与其他产品合作，赞助学校俱乐部等等。 值得注意的是，在重金投入某个渠道之前需要先探索一下（You need to explore before you can exploit.）经过广泛的探索后，大概率会撞到一个爆发点（对于David来说是某个大v的推文，一个月之间MRR增长了4倍），其实和短视频之类的很像，不断的调整和增大曝光面，大概率会有一个爆发点。 4、社交媒体营销（$120000-$600000 ARR） 在发现大v推文带来的恐怖增长之后，David决定重金投入在社交媒体上，主攻短视频市场（tiktok），并实现了0.5B的观看量。这部分的细节在另一篇文章有讲。 5、瓶颈时寻找其他渠道（$600000-$1740000 ARR） tiktok增长到一定阶段也会陷入到瓶颈期，David选择了转向其他渠道，例如这些：邀请系统、更多的达人营销、认真的SEO、付费广告 6、强化漏斗并关注内部指标（$1740000-$3000000 ARR） 当外部的曝光量到一定程度之后，需要从内部指标寻找增长点，例如下面这些： 转化率（免费用户→付费用户） 留存率（用户留存时间） 增长循环（老用户带来新的用户） 一开始也会关注这些指标，只是现在开始变得更认真了，转化率提高到近三倍 优化前（241700新用户→$26000 MRR） 优化后（152300新用户→$48000 MRR）
Most engaged tweets of Frank
最近想自己部署一个微调后的模型，由于成本原因优先考虑serverless的方案，调研了几个主流的平台： 1、hugging face 模型放上去就能有serverless的服务可以用（限制10GB内，只有cpu推理），但如果不活跃就会被关掉，会返回503然后重新启动服务。官方给的实践是serverless的推理只用作demo，如果需要产品化还是要部署dedicated api（按时间收费，可以设定autoscale，在不活跃xx时间后将pod数量变为0） 2、aws的sagemaker serverless也限制最大10GB的镜像，以及6GB的RAM，只有CPU的推理（hugging face可能也是调用的aws），但也可以部署自己的模型 3、azure的aml serverless不能部署自己的模型，给了很多公共模型的选项，基本只有nlp的模型（#pay-for-model-usage-in-maas">learn.microsoft.com/en-us/azure/ma…） 4、cloudflare的ai worker serverless不能部署自己的模型，但支持很多主流的模型（与hugging face有合作），包括社区中nlp和cv的比较热门的模型，并且支持gpu的推理 5、其他 还有一些创业公司提供了serverless的gpu推理服务，例如beam.cloud，但个人比较倾向于成熟的平台，没有去细看了 总结 目前看来比较好的方案就是把模型放到hugging face或者aws的sagemaker（看上去hugging face会更简单一些），在早期先用白嫖的serverless测试模型，后期再部署到dedicated api上
jenni.ai的冷启动与增长策略 jenni.ai是用来辅助论文写作与阅读的工具，目前收入已经达到了$5M ARR，用户2.5M，并还在高速增长，作者表示预期能达到$10M~20M ARR，他们的CEO David Park非常诚意的分享了他们的收入和用户的增长策略，有很多值得学习的地方 与大部分toc的产品类似，早期的冷启动都非常困难，从0到$4M ARR花了1678天，后期基本是一个指数增长 增长可以分为下面几个阶段 1、cold call（0-$5000 ARR） 一个个的去打电话，类似于cold email但不太一样，需要很强的心理素质，但好处是可以直接跟用户进行实时的沟通，David的套路是自己是xxx学生想请教xxx问题。不过这种方法不能scale，在一定程度之后需要升级新的增长策略（$5000 ARR） 2、Facebook群组（$5000-$30000 ARR） 混进目标用户的群组里面，并且成为核心成员，然后与他们交流并迭代自己的mvp，做得足够好的话他们会自发帮你做宣传（如果没有那说明做的还不够）。最终可以得到一批愿意给你反馈的用户，和一个还不错的产品。 3、探索增长动量（$30000-$120000 ARR） 有了前两步的基础，现在的产品基本能迎合市场的需求了，需要通过各种渠道来找到一个爆发点，David使用的渠道有这些：付费广告、达人营销、与其他产品合作，赞助学校俱乐部等等。 值得注意的是，在重金投入某个渠道之前需要先探索一下（You need to explore before you can exploit.）经过广泛的探索后，大概率会撞到一个爆发点（对于David来说是某个大v的推文，一个月之间MRR增长了4倍），其实和短视频之类的很像，不断的调整和增大曝光面，大概率会有一个爆发点。 4、社交媒体营销（$120000-$600000 ARR） 在发现大v推文带来的恐怖增长之后，David决定重金投入在社交媒体上，主攻短视频市场（tiktok），并实现了0.5B的观看量。这部分的细节在另一篇文章有讲。 5、瓶颈时寻找其他渠道（$600000-$1740000 ARR） tiktok增长到一定阶段也会陷入到瓶颈期，David选择了转向其他渠道，例如这些：邀请系统、更多的达人营销、认真的SEO、付费广告 6、强化漏斗并关注内部指标（$1740000-$3000000 ARR） 当外部的曝光量到一定程度之后，需要从内部指标寻找增长点，例如下面这些： 转化率（免费用户→付费用户） 留存率（用户留存时间） 增长循环（老用户带来新的用户） 一开始也会关注这些指标，只是现在开始变得更认真了，转化率提高到近三倍 优化前（241700新用户→$26000 MRR） 优化后（152300新用户→$48000 MRR）
People with Analyst archetype
打理小型对冲基金，专注美股 + 加密货币， 日常输出投研、交易、理财相关观察与思考。 - Run small hedge fund: U.S. stocks + crypto focus, Daily insights on investment research, trading & finance.
Former: FTX Current : Analyst at FCM. | council for @bohemiaartfair |Immortalized @galacticgeckoSG | NFA
Altcoin analyst | Researcher Alpha @bofab_dao | Vip @arkham
web3 native | trading narratives | stacking xp | riding waves on-chain
Research x InfoFi — signal hunter, alpha digger, never noise. 🧠🧠🧠
Passionate about Windows development and Magic The Gathering (1x Pro Tour). Windows Development MVP alum. Dad of two princesses.
Born on the 🌏 🇸🇬🇺🇸 AI, AIGC, Cloud, 🌧️
Software engineer
Looking for AI startups with fundamental technology.
Building the next personal computing device. @NaturaUmanaAI
Explore Related Archetypes
If you enjoy the analyst profiles, you might also like these personality types:
