大家好，我是最近 antarctic 面临了一个算力上的问题。大家都知道 antarctic 现在是御二家或者叫双雄，之前大家讲的御三家是 oai， antarctic 还有 google gemini， 但是 google 好 像他们的战略上考虑是把 gemini 整合到他们自己的应用，整合到 google workspace 上面去，所以目前你没有看到它在一些企业应用上有一些发力。 当然他这都是一些战术储备嘛。因为 google 家是有从算力一直到模型的权重，所以他有一天可能会做出来一些比较爆发式的东西。但目前我们看到的就是 antarctic 跟 opni 在 竞争，这个双雄里面是一个。 antropic 今年的增长是比去年高了十倍，去年它是三 billion 的 收入，今年它的收入是三十 billion， 大 量都集中在企业端，很多企业去买 antropic 的 api， 然后去订阅它们的服务，用它们的模型。 但也是因为去年他没有意料到自己能够有时差的增长，所以他走的路线一直都是轻资产。我不去建算力中心，不去建所谓的数据中心 data center， 而是我去找别人租算力，我去找云厂商那些 hyper scalers， 像谷歌，亚马逊还有微软去租他们的算力来服务我的这个企业端。 o k i 之前选择的路线是，他发现自己在算力端的攻击严重，于是他就开始去 p u a 他的一些上游上去找奥尔口，奥尔口就是巨大的优势 loser， 他 让奥尔口去基站，去建数据中心，他就给奥尔口下订单，以后他就可以有更多的算力作为他的储备 and topic 之前没有做这种战略上的布局，于是导致它现在在需求暴涨的时候，它的算力供给不够了。这也是最近 c 端的用户可能会有一个明显的感触，就是如果你用 cloud 的 话， 你会发现它降至了。对，你会发现 cloud open 四点六明显的降至了，那里面一个主要原因就是最新的那个 cloud， 你 去看它代码，它有一部叫做 adaptive thinking， 它是根据你给他提问的问题的难度来自动地调整它推理的强度。 对，那么很多时候他就把推理的强度设置成中强。所以你本来一个问题，可能这问题是有点复杂的，但他只用中强度的推理，就会导致他虽然交付的结果，但是这个结果看起来跟他所要达到的那个效果是完全不一样的。 具体说来，或者你更深究一点的话，实际上所有推理都是模型的成本，他推理的这个头肯越多，他的推理成本其实越长，用户期待的只是最终的结果而已。所以如果你把推理程度调成中等了，那么推理的那个思维链会显著的变短，那么你推理的成本其实就下去了。但是用户还是获得了结果， 理论上应该没有什么问题，但问题就是说这个结果用户不满意，于是他最近在很多人都疯狂骂他之后，他又把这个强度给调回去了。另一侧你可以看到的，比如他前阵子砍掉了小龙虾，如果你订阅了 club 的， 就是两百块钱一个月最高的那个 plan， 你 也不能把它用在你的小龙虾上。 为什么？因为他 c 端的这种订阅制，他是一个自助餐，有一些用户他订阅了两百块钱一个月，他用很多，而且是用了超过两百块的价值的。 对，那他实际上在 cloud 这边，他是通过一些自助餐没有吃饱的这些人，从这些人身上赚钱，去补贴那些在自助餐店吃特别多，吃回本的这些人。 但是小龙虾对一个应用，它可以让所有人都少很多头啃，所以他受不了，他本身算力没有那么多，所以他把这方面卡掉了。但是你说他短期之内他也不可能就买到很多的算力，因为很多数据中心他们的算力都是已经被订单下完了。 他如果现在要去，不管是下新的订单，或者自己想去筹备建数据中心，他都会有一个物理上真正需要等的时间，就是你要建议做数据中心，他跟我们做软件不一样，软件你可能花个几天能写出来，但数据中心你是真的要去租地，去建厂，去让各种人去搭建， 他是有真实的摩擦的，所以这个东西他即便要很快的下来，他其实也要等个至少半年的时间。那么在这半年内，他现在的解决方案就是用价格调整需求， 因为他现在满足不了这么多的需求，那没有办法供给这么多的算力，就通过价格让一些可能之前薅他羊毛的人，现在薅不了羊毛了，现在你不用花钱了， 等到他的数据中心建完了，可能是明年，那我们也不知道到时候战局如何，包括他一直迟迟不发的那个 misos 模型。有一种说法是说 misos， 他 claim 说 misos 非常强大， 能够在很短时间内发现很多开源项目的漏洞。 w m d l 说这东西是一个会给互联网带来默认彻底的颠覆， 那为什么那东西没上线？有一个说法就是说他就算上线了，他也可能回不了本，因为这模型太大了，他没有办法找到一个合适的定价，让大家去真正的能够为这个模型付费。另外这也是他们家一贯用的宣传手段，我这个模型太强了，我一上线这个世界就要被颠覆了，所以我不敢让他上线。 所以一切你把这所有的信息串起来看，指向了一个问题，人家缺算力，缺卡，他们的很多新闻你也可以通过这个角度去解读，接下来下半年可能他要去发挥，怎么去筹备更多卡的时候，我们就拭目以待，今天跟大家分享到这里，谢谢。
粉丝1.2万获赞2.2万
相关视频
04:04查看AI文稿AI文稿ai 永远不会产生意识，十年后不会，一百年后也不会，这是谷歌最新研究得出的结论。这两天，谷歌 deepmind 一 篇叫抽象谬物的论文火了，因为它从物理学的底层逻辑出发，分析了为什么 ai 不 会产生真正的意识。 论文说到，不管未来大模型参数堆到多大，算法设计的多精巧，表现的多么像真人， ai 都绝无可能产生真正的主观意识。这不是技术暂时没突破的临时限制，而是物理规则和逻辑结构从跟上所死的终极边界，没有任何侥幸的空间。 这篇论文最牛的地方是完全没陷进意识到底是什么的哲学，吵架也没搞，只有碳基生物配拥有意识的狭隘偏见， 而是用抽象谬物这个核心概念，直接从物理和计算的本质层面，划清了 ai 模拟意识和人类真实意识的红线。 之前为什么那么多人觉得 ai 能产生意识，根源是统治 ai 界几十年的计算功能主义理论。他说，意识就是个抽象的信息处理程序，跟硬件在体完全没关系。就像同一段代码能跑在电脑，也能跑在手机，意识能跑在大脑里，就能跑在硅基芯片上。 这个理论还有两个听着特别有道理的支撑，一个是个体独立性说主观体验只跟逻辑管半毛钱关系都没有。 另一个是复杂度涌现论，说只要算法复杂度够高，意识就会像水分子聚在一起变湿润一样，自动从计算里冒出来。 但 deep money 的 研究直接戳破了这个幻觉。所谓的抽象谬物，就是大家错误地认为主观体验源于抽象的逻辑结构，跟底层物理机制完全没关系。 但本质上，计算根本不是自然界本来就有的东西，是依赖人类这个有意识的观察者才存在的。人为定义 你仔细想，计算机里的零和一根本不是芯片自己生出来的，是我们人为把五伏电压定义成一，零伏定义成零，把连续的电流波动硬生生切成了离散的符号，离开了能理解这些符号的人类，芯片里只有无意义的电和流动，根本没有什么算法和计算。 这里要引入一个核心概念，叫智图者，也就是拥有主观体验、有能动性的认知主体，说白了就是我们人类。 我们既是物理世界概念的提取者，也是计算符号规则的制定者。算法从跟上就是我们意识的产物。指望算法生出意识，就等于指望一张地图凭空生出，画地图的人研究里还画了一道永远跨不过的边界，就是模拟和实力画的区别。 比如电脑能模拟降雨，能算降雨量，能做逼真的视觉效果，但模拟的再真，也永远不可能把电路板弄湿。大模型的类意识表现本质就是这种模拟只是对人类意识行为的统计学模仿。 计算功能主义常说湿润是水分子的涌现，意识也能是算法的涌现，这完全是偷换概念。湿润是水分子自带的物理属性，不需要人定义就真实存在。但算法的意识全靠人类解读，再高的复杂度也没法把对一个东西的描述变成这个东西本身。 还有人说聚深机器人、量子 ai 能不能突破这个边界？答案是不能。哪怕给 ai 装再多传感器，换再先进的量子芯片，只要它的运行逻辑还是基于人为定义的符号计算，就永远跳不出抽象谬物的陷阱， 顶多能把意识模拟的更逼真，永远不可能拥有真实的主观体验。其实我们根本不用遗憾 ai 没有意识，反而该庆幸，正因为它没有主观体验，才能成为纯粹的工具为我们所用。 正因为人类的意识是宇宙独一份的馈赠，我们的情感思考创造才会这么珍贵。点个关注，带你拆解更多 ai 圈的底层逻辑。
3219千海寻风
00:48查看AI文稿AI文稿内存价格究极大降价终于来了！谷歌一条算法解决了内存涨价问题。这消息，谷歌研究院发布了一款名为 turboquatt 的 极端压缩算法， 而这个算法的作用就是能把大模型推理的内存使用量压缩到三点五比特，相当于没有压缩前的六倍，而且不会丢失精度。说人话就是以前需要六百 g 内存才能搞定的大模型推理，现在只需要一百 g 内存就可以搞定了， 内存需求一下子被减少了六倍。与此同时，美光股价大跌百分之三点四，市值损失足足一百五十一点六六亿美元。闪迪同样也大跌了百分之三点五的股价， 悉数和细节同样出现股价大跌。而内存价的价格在亚马逊和新蛋等海外主流平台降幅最高来到恐怖的百分之二十九。内存大降价真的要来了！
801数码嬉皮士（DIY电脑）
02:10查看AI文稿AI文稿有的时候你是不是觉得你的 gbt 比较笨，甚至不如免费的国产 ai？ 那 很有可能是因为你的 gbt 被降智了。今天我将从 open ai 官方角度给大家分析一下 gbt 降智常见的三大原因，以及相应的解决方法。首先给大家解释一下什么是降智， 打开 gpt 页面问他你是什么模型？截止今天， gpt 的 回答是 gpt 五点三或 gpt 五点四。呃，恭喜你，你的 gpt 都没问题，但但是如果你的 gpt 回答是 gpt 四或者 gpt 五迷你大模型， 那很不幸你的 gpt 被降至了。其实 gpt 官方已经给出相应的解释，我们来到左下角，选择帮助，选择帮助中心 调整成中文后，搜索排查模型功能，访问问题。然后这里就是三大原因，呃，一、可能违反服务条款，这里就解释了共享账户是其中最大的原因。呃，现在有很多 gbt 拼号的渠道，如果你的 gbt 账号经常与他人进行共同使用，那就非常容易被官方检测并标记， 降至之后的账号甚至不如免费的国产大模型。所以说选择一个独立的个人账号是非常有必要的。第二点，安全方面的担忧。这里直接翻译就是 ip 问题， 我给大家看下我的 ip 吧。风控值以及共享人数，这两个指标非常重要，尤其是共享人数，很多小伙伴的共享人数是一万加，这也就意味着一个 ip 中有超过一万人进行使用， 出现这种情况，想不被降职都难。只要解决 ip 问题，你的账号就能够恢复。第三个就是账号变更或维护， 这里有着着重强调订阅，说白了就是订阅方式，从去年开始 openai 以及全球统一定价了，都是二十到每个月，差不多也就是一百四十元， 如果走代进渠道，商家还有开卡费、手续费以及商家还需要赚一些钱吧，所以可以想象价格低于一百四甚至一百五以下的他们的订阅方式是怎么样子的。这也是我们个人在使用中最难分辨的问题。我目前已经使用 gbt 快 两年时间了，从来没有出现过降质问题。 我的订阅方式大家可以看我主页置顶视频或者看这里，然后大家都可以用上满血的 gbt。
109按时毕业不延期
09:55查看AI文稿AI文稿就在刚刚过去的四十八小时内，硅谷的核心区域发生了一场影响巨大的资本变动。这场变动的影响正在深刻重塑我们所熟知的数字世界底层逻辑。手握大模型产业关键资源的谷歌向其直接竞争对手 antropic 投入了最高四百亿美元的巨额资金， 并将自身核心的五极瓦 tpu 算力资源全面开放。这不是一次简单的财务投资，这等同于将自身核心技术资源的重要权限交给了正在快速拓展市场的强劲对手。 一百亿美元资金快速投入，剩余三百亿与业务发展目标紧密绑定。这种不同于传统商业逻辑的资本布局，绝非困境下的被动应对，而是酝酿着一场更为激烈的行业格局调整。当一个科技行业头部企业选择用自身资源去扶持一家颇具竞争力的企业时， 我们难道还能用常规的市场竞争来定义这场行业变更吗？我是 ai 启示录。今天，我们将透过这四百亿美金的投入，解析这场 ai 发展进程中激烈的资本运作，解读大模型行业下一阶段的发展格局与竞争趋势。要想看清这场资本布局的核心逻辑，我们必须先理性分析过往的行业格局。 过去两年，我们认为 openai、 谷歌与 antrophtech 形成的行业头部企业格局，是基于技术创新与行业发展的良性竞争。这种认知正在被现实改变。 antrophtech 这家由 openai 内部部分研究员因发展理念差异创立的公司，曾被视作注重 ai 安全发展的企业。 然而，在短短一年内，他的年度营收实现大幅增长，突破较高规模。他的 cloud code 在 企业级编程市场中实现广泛应用，企业市场估值也达到较高水平。 理性的技术探讨氛围逐渐转变，取而代之的是一场激烈的资源竞争。当曾经被关注的模型性能指标在算力资源紧张的现实面前不再是核心优势，这就像是传统技术遇到了革新性的技术突破， 当大量用户的访问需求导致服务器运行压力增大，出现响应不稳定等情况，我们难道还不明白，支撑这类企业发展的核心要素早已不是实验室里的代码了吗？让我们将视线聚焦到这场资本运作的核心层面，现在展现在我们面前的，是一个让众多行业观察者关注的大型资源整合平台。 在这场以算力为核心资源的行业竞争中，亚马逊投入了两百五十亿美元与五极瓦 chinnium 算力资源，英伟达提供了一百亿美元与一极瓦 gpu 算力支持。甚至是作为 openai 重要投资方的微软也调整合作布局，投入五十亿美元并签署了三百亿美元的 acor 算力相关合作。 四家硅谷头部企业不约而同地将大量资源投入 anselpric 累计超过十一级瓦的算力承诺规模十分可观。 面对这种大规模的算力资源投入，那些还在认为算法决定一切的观察者，究竟还要多久才能认清现实？这种集中优质资源的配置方式，难道不是在预示一种全新的行业发展趋势正在到来吗？而与这场算力资源投入形成鲜明对比的是 open ai 面临的发展压力。 曾经的行业标杆企业如今正处于发展成压的状态，奥特曼将重点布局在总投入规模较大、目标算力较高的 stargate 项目上。 然而，现实的项目建设进度不会因规划而加快。截至二零二六年四月，其位于德克萨斯州的第一座数据中心建设进度缓慢，全面投入使用的时间推迟至二零二九年。在 算力决定发展速度、效率影响竞争优势的当下，长远的规划难以解决当前的需求。更关键的是，微软既是他的重要投资方，也是他在企业市场的重要竞争对手。 resiro 云平台同时承载着 copilot 系列产品与 chat gpt 这种合作关系从一开始就存在潜在的竞争矛盾。面对 antarapic 快 速整合多种芯片体系的全面算力布局， openai 较长且存在变数的项目建设周期难道不会让其在竞争中处于劣势吗？ 然而，如果你们认为这场行业头部企业的竞争已经尘埃落定，那就低估了硅谷头部企业的应对能力。在 star gate 项目建设推进的过程中， open ai 并没有消极应对。奥特曼的手中正掌握着三项能够影响行业竞争格局的核心技术储备。 第一项储备是认知层面的技术突破。当竞争对手还在依靠现有文本数据进行模型训练时，数据资源的限制已经逐渐显现。 openai 通过 o 一 模型技术与 q star 项目正在实现从模式识别到逻辑推理的技术升级。这不再是简单的文本生成，而是机器能够自主生成验证高质量的合成数据，实现技术层面的突破。 当算法能够摆脱对现有数据的过度依赖，实现自主优化与技术提升时，那些依靠大量参数与数据积累的传统大模型，难道不会逐渐失去竞争优势吗？第二项储备是终端生态的布局创新。 既然云端算力的主要市场已经被头部企业通过资本与资源占据， openai 正在推进差异化的发展策略。 通过 agenticai 技术的发展以及与苹果生态的深度融合，未来的大模型将不再是需要单独使用的独立应用，而是融入底层系统，直接植入全球大量个人设备的操作系统之中。 它将融入用户的数字使用场景，感知用户的使用需求，甚至在设备端直接完成轻量化的推理与操作。这不仅是对云计算市场格局的突破，更是对数字交互入口的全新布局。 当你的手机、车机甚至智能家居都成为其技术应用的主体时， and surface 在 企业端云服务市场积累的优势，难道不会在这场终端生态布局面前受到影响吗？第三项储备是对硬件技术的深入探索。 算力资源的限制已经推动 open ai 向硬件底层技术研发迈进，试图打破现有算力资源的竞争格局。奥特曼正在联手博通与台积电研发专属的定制化 ai 芯片，尝试突破现有芯片技术的市场格局。 更值得关注的是，他早已将个人资金投入核聚变公司氢能源，这并非单纯的环保相关布局，而是为 agi 发展所需的大量能源消耗寻找长期解决方案。当竞争对手还在为算力资源与相关资源调配奔波时， openai 已经将目光投向新能源领域， 试图用稳定的能源支撑算力发展。这种跨领域的战略布局，难道不是对那些局限于现有竞争领域的企业一种差异化的发展思路吗？分析到这里，那个大家关注的核心问题依然清晰， 谷歌为什么要投入大量资金去扶持一家在开发者市场表现突出的竞争对手？透过行业发展的表象，我们看到的是头部企业构建的资本运作与生态绑定策略。 t p u 芯片是谷歌应对市场竞争的重要技术， 但如果没有足够的市场应用场景、消化潜能，这些大规模的投入将难以发挥价值。谷歌的四百亿投入是一次稳妥的战略布局， 如果 antropic 在 企业市场取得优势，谷歌作为投资方将获得相应收益。如果 gmi 实现反超，谷歌也能兼顾双方发展。即便 gmi 发展不及预期，谷歌也通过算力资源合作，将 cloud 与自身生态紧密绑定。这就像是一种互利的合作模式， 无论企业发展方向如何，其技术应用都将与谷歌的硬件生态产生关联。多年前，英特尔通过生态绑定 pc 产业链的模式正在重现。在 这场行业竞争中，真正掌握核心优势的往往不是直接竞争的企业，而是掌握核心基础设施与技术的平台。这难道不是商业在数字时代的典型发展模式吗？ 然而，在这场头部企业推动的行业发展趋势下，正潜藏着影响行业发展的潜在风险。哈佛大学法学院的相关分析已经指出，这其中存在一定的资本循环运作模式。云服务企业将大量资金投入 ai 企业， 后者拿到资金后又以采购算力和云服务的形式将资金回流到云服务企业，资金在企业间形成循环，营造出 ai 市场需求旺盛的表象。这种资本运作模式不仅掩盖了市场实际需求的情况，更在影响科技行业的长期发展。信用。根据哈佛大学经济学家杰森福曼的计算， 二零二五年上半年美国 gdp 的 增长很大程度依赖数据中心投资，若剔除这部分基础设施投入， 美国的经济增长率将处于较低水平。这究竟是一场推动人类技术发展的产业改革，还是科技巨头通过大规模投入营造的市场假象？当大规模的基础设施投入难以匹配 ai 应用端的实际商业收益时，当企业客户发现相关 ai 工具难以带来实际效益而减少投入时， 这条资金链一旦出现问题，将会给众多行业参与者带来巨大影响。行业快速发展的背后，往往伴随着格局的重塑。 我们正处在一个行业变更的关键时期。四百亿美金的巨额投入彻底改变了仅凭技术团队与优质算法就能实现行业突破的发展模式。未来的技术发展方向将与亚马逊、微软和谷歌的硬件架构深度绑定。 and stocktrick 所强调的发展独立性必将在长期的资本合作中逐渐调整。 全产业链的生态绑定已经成为行业发展的重要趋势，行业资源集中效应将愈发明显，没有头部企业算力资源支持的中小创新企业注定会在这场行业竞争中面临较大发展压力。 这不再是关于通用人工智能何时实现的探讨，而是关于谁能掌握算力资源、谁能构建生态优势、谁能在行业调整期实现可持续发展的现实竞争法则。在这场复杂的行业博弈中，技术已经与资本运作深度结合。 我们每一个人的数字生活都正在受到行业垄断格局的影响，行业变更正在影响每一个人，而绝大多数人依然在关注行业表面的发展动态。 当技术创新与资本运作深度融合，当行业发展逻辑被头部企业的资源布局主导，当 openai 通过技术创新与新能源布局寻求突破。你真的认为自己还能在这场行业变更中置身事外吗？ 这场由四百亿美金引发的行业改革已经开启，传统行业格局正在逐步改变。留下你的看法，让我们理性观察，看看究竟谁能在未来的行业调整中实现可持续发展。
437拿幸·AI启示录
03:34查看AI文稿AI文稿ai 永远不会产生意识，十年后不会，一百年后也不会。这是谷歌最新研究得出的结论。这两天呢，谷歌 deepmind 一 篇叫抽象谬物的论文彻底引爆全网， 他直接从物理学底层逻辑彻底证明，所有基于算法的 ai， 无论多强大，多项真人永远不可能诞生真正的意识。先说一个行业共识，现在几乎所有谈 ai 意识的人都默认同一个前提，计算功能主义。 核心逻辑呢，也很简单，意识只和信息处理方式有关，和硬件是探机还是归机根本无关。 只要算法够复杂，算力够强，完美复刻大脑的信息处理模式， ai 呢，就会拥有主观体验，它会疼，会开心，会思考我是谁。 这是基于这个前提，才会出现一堆的讨论，什么 ai 福利， ai 权力，甚至是有人害怕 ai 被虐待后反抗人类。但这篇论文呀，直接把这个根上就是错的。 作者呢，抛出了一个颠覆性的概念，抽象物。一句话来讲透，计算根本不是物理世界自带的属性。这听起来啊，有点绕，我给你讲明白。 我们总觉得电脑在计算是天经地义的事，但电脑里根本没有零和一只有高低电压。电压本身呢，没有任何的意义， 是有意识的，人类给这些物理状态贴上了标签，赋予了含义。作者呢，把这个过程叫做字母化，而字母化不是被动发生的。 必须呢，有有意识的主体，主体呢，把连续的物理世界切割成离散有意义的符号。没有人类电脑只是一堆通电硅片，只做纯物理运动，根本不存在计算这回事。 而更颠覆的是，不是计算产生意识，而是意识产生了计算。计算功能主义的因果链是有了物理再到计算才能产生意识。 但论文里说完全搞反了，正确的顺序是先有宇宙，然后诞生有意识的人类。人类呢，在定义概念才有计算，从诞生的那一刻，就是意识的源头。没有人类就没有概念，更没有计算。 所以啊，指望算法伸出意识，就像是指望孙子伸出爷爷，是彻头彻尾的逻辑颠倒。作者最后特别强调，他不是说只有探机才能有意识， 如果未来呢，能造出一个系统完美复刻产生意识的真实物理过程，而不是用算法模拟，那他才有可能有意识。但这和计算无关，和算法的复杂度无关，只和物理结构本身有关。 也就是说呀，现在所有的大模型，哪怕未来 a、 g、 i， 只要是基于符号计算，再聪明，也只是模仿意识的行为，没有半分的主观体验。 这也意味着啊，我们对 ai 的 恐惧完全找错了方向。超级 ai 只是一个无比强大但完全没有灵魂的工具， 不是新生命形式。 ai 就 像一面极致高清的镜子，完美的反射人类的意识、思想、情绪。但镜子本身呢，永远不会拥有自己的意识。这里是科创者说，关注我，带你看懂前沿科技，把握未来趋势！
6829科创者说
06:23查看AI文稿AI文稿听说 ai 软件要被谷歌、 oppo， ai 那 种大模型吃掉。哦， ai 软件真的没前途了吗？有前途啊， ai 软件是小模型啊，你别看那些云记头啊，加古文啊，谷歌那些在做大模型， 其实很多人呢，专注花了钱去做小模型，最终这些小模型呢，它是有壁垒的，你侵占不了他们的地盘，这就是他们的核心部分。 其实我最看好的是为，为什么呢？奇怪了。 ai 医疗是最最有价值的，包括 ai 生物制药，比如说国内有个公司叫金泰， 他就是做做药的。嗯，做药啊，大哥，不是问诊的，你那个谷歌怎么能做药出来了啊？他通过 ai 来研究这个药，对 谷歌的人呢？叫做 it， 做 it 的 量子计算，你可以科学家，但是金泰那些人啊，是做分子学的。 就是分子学，我也不知道是什么。你谷歌想做也不一定做的了。你没有认证嘛，是吧，你做出来没有认证，制药厂还要多个实验。现在 ai 的 就是加速他们制药的过程。原来要三年嘛， 我举个简单例子，为什么那个洛和洛的和你来之前，因为一个药它的专利权在二十年左右， 知道吧？啊？但是研发去了五年，所以它要卖很贵，只有十五年的专专利期， ai 是 加速了它的研发速度。对，如果你一年搞完了，那你后面可以卖十九年。哦，就是它成本降低了。对啊， 因为药在一七二七三七吗？你的一七二七还要临床，还给他吃一下。其实药最重要是引发成本了，后面不用给他吃了，给 ai 吃了一下，看他聪不聪明就可以了。我 ai 做一个人出来吃一下都， 他就用伊维达的这个方法。伊维达一次流片不就五个吗？嗯，你可以加速你一期，你一期要了去吃，做三十克出来，然后给三十个小白兔，总有一个 ok， 然后二期三期可以加速整个过程啊。 呃，现在大部分的 ai， ai 医疗相关的都是 ai 制药，国外的叫 i s s s 嘛， 这是搞那个攻克癌症的？对，他们都基本不怎么赚钱的，我看金泰有没有赚钱。不怎么赚钱，就是还是投入了太大，都是亏损阶段。哎，金泰还好，赚个一两千万， 他还好，他已经他已经开始开始赚钱了。然后呢，国外还有一家，他不做药，他是做那个 ai 中介的，就一边对着患者一边对着那个。嗯，医院。 因为呢你，你看啊，你制药是不是还要拿到患者的那个制药啊？数据。对，那这些呢，需要医药代表就要花很多钱去请医药代表喝茶， ktv 啊，唱歌啊，很多东西， 所以你要攻克主任下来才能拿到病例啊。所以呢，这里有个中间商，国外叫 t e f tempos ai， 他就可以双方面收集东西，然后自己去练大冒险，然后卖给药厂，就是中间商的这个上有。那为什么药厂自己不可以去找医院要数据，自己去练呢？啊诺和那朵那种 你来呢？大的那种，你来洛克洛德可以，因为你有钱吗？对啊，这个是可以的，但是呢，你拿到了数据呢？直接的数据是不行的，因为你多模态了，比如说我们去看病呢，要验尿，验血， 现在验血拍胸片，然后数据要标注医生是手写的嘛，像我一样写的天数一样，你怎么看的见？哎，人家检测结果也有一个标准的文字版出来的，哎，比如说你这个血什么什么浓度多少，什么蛋白浓度多少 他都写清楚的，但是医生的问诊啊，病例啊，他的历史病例啊，这些都要标注的， ai 是 看不懂手写的文字的。嗯，看不懂料的 ai 现在只能读读图片和到和文字读里面的参数吗？对， 你是，你是读不了那种其他模形态的东西的。所以呢，这里需要一个中间商，需要非常多的博士生去做这个数据标注鼻炎的核心构成了，就在这里，就他标注是，他标注的是那个医生本个人的意见吗？对， 而且现在医医院呢，现在全部录入一个系统，大部分是他们家的系统，但是他们这种数据他上传到比如说我的谷歌追美奶 ok 里面，他也可以根据你的那些参数来读，不要他要给出结论。他现在训练自己的模型，自己洗干净了，去掉了饮食之后，洗干净的模型呢？直接卖给用场， 要抢呢？你就专门搞你的生物化学分子去研发就可以了，就不用再派医药代表啊，再去搞那个权权钱关系啊，授钱关系啊，唱歌啊那些，这样成本太高了，你用一套中间商嘛。 哦，这个中间商他他们的销售代表就可以重找好了，而且他们有现有数据，主要是这个。 什么叫现有数据？你再去跑，再去标记标注这些数据，再去整理这些数据，又要一年的时间了，你明白吗？啊？ apple c r 有 现有的数据，一份三千万，你直接买那个 r s s 那 个公司他有做这个吗？做生物治疗不做这个 就是他的数据也是跟别人买的。对，小公司就更没有医药代表了。他就觉得制药我只要发明一个攻克癌症的药，我就可以赚大钱了。确实对，花一点点钱跟你买没关系，但是如果他攻克不了呢？他就长期亏损了， 风险很大。超级多生物制药的公司就是低于十亿美元的。这种疫情的时候呢，都涨到一百亿， 想攻克那个变成那个落胎啊什么的，攻克那个新冠，结果一疫情一过全部掉了，家都没了挣，没有交易量了。所以你木头姐投资公司也是非常危险的好吧。 ok， 其他的内部会员群再说吧。
09:08查看AI文稿AI文稿谷歌出手了。二零二六年四月，谷歌把砸了数亿美金训练出的头部级 ai 模型 game 四直接放出来，完全免费。 arpach 二点零协议，全面开源，连个抽成协议都没签。 这不是技术扶贫，这是一场激烈的全面压制。先说清楚一个基本事实，今天的 ai 市场已经被硬生生撕成了两半，一半是闭源付费服务区， open ai and torbic。 这些公司把模型锁在服务器里，你按 token 交服务费，对小团队来说挺香，省去了买显卡折腾的麻烦。 但头部企业一算账就笑不出来。 airbnb 一个月在 a p i 上烧掉两百万美金，这根本算不过来。当你把模型塞进自己的 gpu 阵列边缘，成本只剩电费和硬件折旧， 比按次付费便宜十倍甚至上百倍。更关键的是数据隐私，你把公司核心机密天天往别人服务器上传，晚上睡得着吗？另一半是开源技术自建区，你自己搭场子配显卡，承担所有脏活累活，换来的是相当强的数据主权和极低的运行成本。 过去两年，国内团队在这个桌上疯狂胡牌，阿里通一千问 deepsea， 越知暗面搞出来的开源模型，性能猛的一塌糊涂，有些直接把 gbt 四全面超越。谷歌看明白了这个中局，他们用头部级的 gemini 在 闭源市场抢肉吃，转头用 gemma 在 开源市场疯狂圈地。 这不是双线作战， gemma 吃掉的是那些本来嫌贵，压根就不会用 gemini 的 企业。两套产品，吃两个截然不同的市场。 但免费放出模型，谷歌到底怎么赚钱？这里藏着三层相当犀利的算计。第一层，羊毛出在猪身上。你下载 jm 四确实不要钱，但几十 gb 的 压缩包塞进公司内网，用私有数据微调并发处理几万用户请求，你拿什么跑？你那台普通笔记本吗？必须上云！ jm 从代码底层就被死死嵌在谷歌云生态里，在谷歌自家的 tpu 芯片上跑得相当顺畅，和云原声工具配合得天衣无缝。 模型是免费的，但跑模型的基础设施、高速公路按秒收费。谷歌云去年营收一百七十多亿美金，手里攥着两千多亿美金的代执行合同。 jam 四根本不是什么产品，它是一个巨大无比的漏斗，把所有想免费使用头部级 ai 的 企业，通通吸进谷歌云的算力计费表里。 第二层，物理隔绝竞争对手。先看外部，欧美大企业的 cto 四处一打听，发现市面上相当好用、性能相当强劲、成本相当划算的开源模型，全是国内研发的。这画面让谷歌非常紧张。 如果国内开源模型成了欧美企业内部部署的默认选项，谷歌丢掉的不只是几个开发者，是挂靠在这些企业背后的海量云基础设施订单，甚至可能因为合规审查，彻底失去这批头部客户。 gmus 横空出世，就是谷歌在欧美企业市场狠狠砸下的一面大旗。别折腾国内模型了，这儿有一个技术自主的北美本地替代品，企业级安全背书，完美适配你们用惯的谷歌云。这不是防御战，这是在竞争者的门缝还没撑开时，直接一脚把门堵死。 再看内部， openai 和 antroplex 的 核心利益就是卖 token、 卖订阅。它们的商业模式只有一个软肋，市面上绝对不能出现免费且性能逼近它们的替代品。 现在谷歌把无限接近前沿能力的 g m 四免费放了出来，就好比 openai 刚修好一条收费极高的私家高速公路，谷歌直接在旁边贴着重修了一条不限速的免费国道，还送你几桶汽油。谷歌的基本盘是广告搜索，庞大的云服务， 卖 api 赚的那少量收入根本不是营收大头。哪怕在开源模型上倒贴几亿美金，只要能把人圈进生态，这笔账就是赚的。但 openai 和 astropics 不 行， 它们的核心利益就是迈 token。 jama 四每强一天，币源 a p i 的 定价基石就松动一点，客户会拿着免费效果去质问人家免费都能做到这种程度，你凭什么收我这么贵？第三层，生态深度绑定与终极防御。 jama 四和旗舰版 gemini 底层架构是互通的，相当于保时捷把核心发动机技术稍微改改，装在大众高尔夫上免费提供。 当全球几百万程序员惊叹这免费的 gemma 四性能怎么这么出色，这种震撼感会无缝传到收费版的 gemina 身上，免费的都这么猛，花钱买的原版相当有性价比， gemina 变成了 gemina 相当强大的信誉引擎。但这还不是相当犀利的，今天疯狂下载 gemma 四熬夜研究参数写微调教程的是全球几百万年轻程序员 a patch 二点零协议意味着你拿它干啥都行，基本没有法律风险，入门门槛极低。这些年轻人现在可能只是辛苦打工人，但三五年后，很多人会变成初创公司的技术总监、 大企业的首席架构师，掌握着几百万、几千万美金云采购预算的实权人物。当他们面对 a w s e z 和谷歌云的销售代表准备签一份长达十年的基础设施大单时， 他会本能地倾向那个他相当熟悉、相当了解，甚至职业生涯早期就赖以成名的技术战。如果他当年就是靠改 jimmy 模型起家的，他对谷歌的 ai 接口、云原声工具烂熟于心，绝对不想重新去学一套别的东西。 这就是谷歌的公开策略，用免费的 jm 四绑定这一代开发者的习惯。今天你用我的免费代码，明天你就会用你的采购权来报答我。培养出一批忠实的谷歌派工程师，就等于在企业的技术心脏里安插了无数个忠实用户平台。战争打到最后，就是一场争夺年轻大脑的战争。 既然开源这招这么好使，为什么 openai 和 ospec 不 跟着抄作业？因为他们根本没有谷歌那个命。 openai 在 二零二五年八月突然发布了一个开源模型 gptos， 当时整个硅谷都沸腾了，以为奥特曼转性了。 但如果你仔细琢磨，这根本不是什么主动拥抱，而是面临巨大压力后的无奈反击。 deepstack 二一直接把英伟达股价击穿了，一天蒸发六千亿美金。 奥特曼赶紧跑到 reddit 上发帖，说，我们在开源这事上可能站错队了。嗯，这哪是科技霸主该说的话，分明是一个被吓坏了的商人在承认压力，但别高兴太早，这个 gptos 性能、充气量也就 gpt 四 mini 的 水平，跟真正的顶配差了十万八千里。 发布第二天，他们反手就推出了绝对闭源、性能炸裂的 gpt 五。 openai 的 开源策略就是扔两根骨头，安抚舆论核心利润，机器上绝对不让步。 anarch 的 做法更极端， 这家公司从成立第一天起，就咬死绝对不开园。二零二六年四月，他们搞出了个叫 cloud meta sock 的 内部模型，能在极短时间里找出全球几乎所有主流操作系统和浏览器里成千上万个关键安全漏洞。 astropica 感到这东西太危险，当场决定绝对不能公开发布。但他们搞了个叫玻璃盒计划的私密小圈子，只对微软、谷歌、苹果、亚马逊、英伟达、摩根大通等几十家头部巨头开放。 astropica 压根没打算争夺让模型更聪明。那波研究者， 他们通过发表相当硬核的安全研究论文，与政府合作，牢牢把控住了安全与对齐这部分研究者的心智。他们选择了一个只有币源才能玩得转的高端局。 三家巨头的姿态相当戏剧化。谷歌利用庞大生态两头通吃。 openai 一 边死守收费护城河，一边谨慎搞点小开源 and sopec 非常坚定锁死大门，只和相当高层的人玩高级游戏。 这场战争打到现在，已经不再是谁的模型相当智能这种初级问题了。 ai 市场的终局，其实早就注定开源和闭源会长期共存， 就像今天的手机市场， ios 和安卓，谁能消灭谁，长期不可能。斯坦福大学的数据曲线显示，二零二四到二零二五年，开源和闭源模型的差距疯狂缩小，一度几乎打平。结果到了二零二六年三月，闭源先行者们又突然发力，把差距拉开了约三个点。 这个互相超越的过程，说明谁也击败不了谁。两种模式会在互相竞争的过程中变得越来越强。对于普通企业，这意味着你必须马上停止问哪个 ai 模型相当出色这种外行问题。从今天起，你评估 ai 的 第一句话应该是，我的这个业务到底该进哪个区？ 如果你是个几个人的小工作室业务，只是偶尔写写文案，做个总结，每个月几千块 api 费用就能搞定。别犹豫，直接买头部级闭源模型，花钱买省心，把精力全放在核心业务上。 但如果你的公司每个月要在 api 上烧掉几万甚至上百万美金，如果你的数据里全是客户隐私和公司核心资产，如果你需要把 ai 深度嵌入硬件设备底层， 这个时候如果你还不明智地去给闭园大厂交服务费，那就是在做无用功。你必须立刻组建团队，研究 jam， 四、研究 lema， 研究怎么把这些开源模型部署在自己的服务器上。这不仅是在省钱，这是在拿回你们公司在 ai 时代的相当强的控制权。 谷歌为什么把投入了几个亿美金的 james 免费放出来？因为他们看透了这个终局。他们知道，未来的世界不可能只有一种 ai。 他 们要在币源市场赚高预算客户的钱，也要在开源市场用免费的工具，把那些想自己动手的硬核玩家统统绑进自己的云生态里， 他们不是出手了，他们是比所有人都清醒。好了，以上就是本期内容，觉得有收获的点个关注，我们下期再见！
3369AI 启示录🇨🇳
02:31查看AI文稿AI文稿最近一位网名叫隐私小哥的研究员 alexander hoff 爆料，谷歌 chrome 浏览器会在很多用户不知情的情况下， 自动下载一个名为 gemini nano 的 本地大模型文件。这个文件叫 waits bind， 通常藏在 opt guide on device model 文件夹里， 而且体积已经高达四个 g。 更离谱的是，你就算手动删掉 chrome， 后面还有可能重新下载。根据报道，这其实不是最近才出现的， 有人在二零二五年四月发现时，它大概还是三个 g， 到二零二五年底已经涨到了四个 g。 也就是说， chrome 可能已经悄悄干这件事很久了， 只是很多人根本没注意。那 google 为什么这么做？因为 chrome 正在全面 ai 化。这个 gemini nano 本质上是 gemini 的 本地清量版，主要用于浏览器里的 prompt api 等 ai 功能。说白了， google 想把 ai 推理直接搬到你的电脑本地运行。这样做的好处是速度更快，部分功能不用联网，还能减少云端算力成本。 问题在于，很多用户甚至不知道自己什么时候被下载了这个模型，而且不少人可能压根不用这些 ai 功能。这也是为什么 alexander have 会批评谷歌默认替用户做决定。占用硬盘消耗流量， 而且在全球海量设备上部署，本身也意味着额外的能源消耗。那怎么关掉？方法？其实有，打开 chrome， 在 地址栏输入 chrome flags， 然后搜索 optimization guide on device model， 把它从 default 改成 disabled， 重启 chrome 之后再去删除 wait bin 文件。理论上 chrome 就 不会继续自动下载了。 mac 用户还能在终端输入这条命令检查， windows 用户则可以直接搜索 wait bind， 看看电脑里有没有这个文件。这件事真正值得关注的，其实不是四个 g 的 硬盘空间，而是浏览器正在从网页工具慢慢变成一个 ai 操作系统入口。今天 chrome 能往本地塞四个 g 模型， 明天是不是还能常驻更多 ai 服务？而用户到底有没有明确的知情权和选择权，这可能才是这场争议真正的核心。
64老鱼笔记
00:35查看AI文稿AI文稿cloud 的 最大短板已经被解决了，因为 nscr 宣布了和 spacex 的 算力合作。现在不管你是 pro 用户， max 用户还是 tin 用户， 我们的五小时使用额度已经完全的翻倍了。而且 pro 和 max 用户之前抱怨的高峰期限速的问题也已经全部取消了。 cloud 之前最大的问题就是算力不够，额度又太少，然后用户体验不好，容易降至现在，这些问题已经在慢慢补上了。现在 cloud 一 边有着谷歌的 tpu， 还 还有马斯克的 gpu， open ui 的 日子已经真的不好过了。 ai 的 大模型到最后可能不再是谁更聪明，而是谁的算力足够，谁给用户的额度更多。
110如果我不懂
03:38查看AI文稿AI文稿你有没有发现一个特别离谱的事，你天天用的 ai 大 模型，其实有点像失忆症患者。比如，昨天你刚教他写文案要接地气，别一张嘴就赋能闭环，结果今天再让他写，他又回到官话连篇的老样子。再比如，你花三天让他学懂你行业里的转化率、复购率， 下周再问他怎么提高复购，他又给你一堆套话，简单一句话，看起来很聪明，但他根本不会越用越懂你。这不是用的顺不顺的问题， 而是一个更底层的原因。谷歌 deepmail 最近给出的结论很直接，今天的大模型核心毛病不是参数不够多，也不是算力不够，而是学到的东西很难自然变成长期记忆。你刚教他的内容，只能在当前这次对话里用一会，对话一结束就没了。 想让他真正记住你，只能重新训练，重新微调，继续烧钱。他们用了一个特别狠的比喻来形容这种状态，叫顺行性遗忘症。短期记忆正常，老记忆还在，但新的经历就是存不进去。 现在的大模型状态几乎一模一样。所以问题一下就清楚了， ai 最大的秘门不是不会说，而是不会持续学习。那怎么解决？ 谷哥这次没有继续堆模型，而是回到一个更像人的机制，联想记忆。人之所以能学习，不是因为每次都重新想一遍，而是能把新经历和旧经验连在一起。说白了，就是看到这个就能想起那个。 基于这个思路，谷哥做了一件很关键的事，让 ai 能自己判断什么值得记住，什么可以忘掉，新的经验怎么慢慢沉淀下来。 但市井并没有停在这里，因为现实世界不是一次一次学，而是在不同时间尺度上学。于是他们又往前走了一步，提出了欠套学习 nested learning。 你 可以把它理解成给 ai 装了一个快慢脑。慢脑负责长期经验，比如行业规律、客户偏好你这个人的表达风格。 快脑负责短期应对，比如今天这个客户要低调奢华，明天那个场景要强硬成交。最关键的一点是，快脑学到的东西，可以慢慢变成慢脑的经验，慢脑的经验又能反过来指导下一次决策。这就意味着， ai 不 用每次都从零开始学，他真的开始总结经验了。 而且这种让 ai 越用越懂，你的方向并不是只停留在论文里。像纳米 ai 其实已经早就在跟进这个技术了。如 如果这类能力真的跑通，你以后用 ai 写方案、做数据、搞创意，他就不再是每次都从零开始。你要用接地气的表达，他就不会再给你写赋能闭环那一套沉词烂调。你客户爱听性价比， 他就不会再扯什么品牌调性这种空话。你昨天刚强调安全，今天他就能自己延伸到老人用着放心。简单说，这才是持续学习真正落到产品里的样子。 那么这件事为什么重要？因为它可能把 ai 从一个你问一句，它答一句的工具，推向一个会随着使用不断进化的系统。 transformer 再强，如果没有持续学习，也只是一个很会考试的学生，而不是一个会成长的个体。 也正因为如此，谷歌才会格外谨慎。因为一旦 ai 能持续学习，它就不只是执行指令，而是会开始形成自己的重要性判断。总结一下，未来拉开 ai 产品差距的不是模型有多大，而是谁先把持续学习真正做成可控、 可用、可落地的能力。换句话说，谁先让 ai 变成一个越用越懂你的助手，谁就有可能先吃掉下一波红利。最后问一个问题，如果 ai 真能越用越懂你，你最想先让他帮你解决哪一件事？评论区聊聊。
1.1万红衣大叔周鸿祎
00:39查看AI文稿AI文稿谷歌低频买的最近一便论文火了。 ai 永远不会产生意识，十年不会，一百年也不会。那些担心 ai 会疼会反抗的人，你们全都想多了。这就是二零二六年最清醒的科学定论。如果没有人类，电脑就只是一堆通电的硅片在做物理运动，根本没有计算这回事。 哪怕未来的超级 ai 表现的再像人，他也只是在模拟意识的行为，而不是拥有意识的主观体验。指望靠对算力对算法让 ai 觉醒，就像指望孙子能生出爷爷一样，是彻头彻尾的逻辑自嗨。想要意识，除非你能复刻出产生意识的真实物理过程，而不是跑代码。计算只是意识的产物，他怎么可能反过来生出意识呢？ 简单说， ai 只是人类意识的倒影，他再聪明也只是一堆电信号。别把工具当生命，这是对人类这两个字最大的误解。
374美超半导体
02:11查看AI文稿AI文稿朋友们，谁能想到，谷歌昨天发布的一个新功能啊，却让美股的存储板块集体闪崩，美光闪迪，西部数据啊，全部收跌，而且呢，是在纳斯达克整体啊涨了百分之零点七， 而且占稳了五日均线的情况下。谷歌刚发布的这个黑科技呢，叫 turbo count， 简单说啊，就是一种 ai 内存的压缩算法。我大致了解了一下啊，就是以前跑一个大模型可能需要六块内存条，现在呢，用它这个算法啊，可能只需要一块就能跑通，内存的占用呢，直接是原来的六分之一。 那么市场的逻辑很简单啊，软件变强了，硬件的需求呢，是不是就减少了？哎，但是大家也要冷静下来想一想啊，这种冲击性很强啊的这种标题式的消息，哎，他有时候往往是暂时的， 那虽然单位的存储需求减少了，但是 ai 的 门槛呢，也降低了，那以后人人如果都能跑模型，那总需求真的会跟着降吗？ 目前呢，可能谁也说不清，总之市场对这一点呢，目前可能是有些担心，所以我就想到啊，巴菲特为什么喜欢投那些传统行业，尤其是那些技术轻易改变不了的公司 啊，因为这些前沿技术他迭代太快了，尤其是现在我们所出的这个 ai 时代，那颠覆性的技术呢，可能还会层出不穷。 哎，就像前段时间啊，市场担心呢，就 ishtropic 那 个 cloud 大 模型啊，对很多美股的萨斯软件公司有可能造成降维打击， 像什么 photoshop 之类的啊，都跌了很多，就连最稳的全能选手微软啊，我们看它从高点都跌了百分之三十多，这也是我们如果选择啊，投资高科技行业的一个潜在的风险。 好，那回到存储的问题啊，谷歌的这个新技术啊，到底是技术红利还是行业利空？大家怎么看？评论区可以留言聊一聊。
70Z探聊投资
02:46查看AI文稿AI文稿ai 永远不会产生意识，十年后不会，一百年后也不会。这是谷歌最新研究得出的结论。这两天，谷歌 deepmind 一 篇叫抽象谬物的论文火了，因为它从物理学的底层逻辑出发，证明了所有基于算法的 ai， 不 管多强大，多向人都不可能产生意识。 先说背景，现在几乎所有讨论 ai 意识的人都默认一个前提，计算功能主义。这个前提的核心观点是，意识只跟信息处理的模式有关，跟跑在什么硬件上无关。 这样一来，只要 ai 的 算法足够复杂，算力足够强，能完美复刻大脑的信息处理方式，它就会产生和人类一样的主观体验，比如会疼、会开心、会思考我是谁。基于这个大前提，才会有现在各种 ai 福利、 ai 权力的讨论，甚至有人担心未来 ai 会因为被虐待而反抗。 但该论文的作者说，这个观点从根本上就错了。接着他提出了一个核心概念，叫抽象谬物。简单说就是计算根本不是物理世界本身固有的东西。这句话有点绕，我们用具体的例子来解释下。 很多时候，我们都觉得电脑在计算是天经地义的，但仔细想想，电脑里根本没有零和一只有电压的高低，电压本身也没有任何意义，是一群有意识的人类赋予了这些物理状态以意义。 作者把这个给物理状态贴标签赋予意义的过程叫字母化。字母化不是一个被动的过程，它需要有意识的人类主动的把连续的物理世界切割成离散的、有意义的符号。如果没有人类，电脑就只是一堆通电的硅片，再做纯粹的物理运动，根本没有计算这回事。 还有就是不应该是计算产生意识，而是意识产生计算。功能主义的因果链是物理照计算再到意识， 但作者说这个链条完全搞反了，正确的因果链应该是先有宇宙，然后产生有意识的人类。 人类定义概念才有计算。也就是说，计算从诞生的那一刻就是意识的产物，而不是意识的源头。没有人类就没有概念，更没有计算。所以指望计算，指望 ai 产生意识，就跟孙子生出爷爷一样，是彻头彻尾的逻辑错误。 在最后，作者特别强调他的观点，不是说只有探击生物才能有意识，因为如果我们未来能造出一个系统，能完美复刻产生意识的真实物理过程， 而不是模拟他的算法，那这个系统就可能有意识。但这和计算无关，和算法复杂度无关。他有意识是因为他的物理结构本身，不是因为他运行了什么程序。但是不管是现在的大模型还是未来的 agi， 只要他是基于符号计算，不管他多聪明，他都只是在模拟意识的行为，没有任何主观体验。 这也意味着我们对 ai 的 恐惧可能找错了方向。我们应该把超级 ai 看作一个极其强大但完全没有灵魂的工具，而不是一种新的生命形式。 ai 本身也像一面镜子，能完美的反射出人类的意识、思想和情绪，但镜子本身永远不会有自己的意识。
1.5万智讯Tech
00:36查看AI文稿AI文稿别再被闭源大模型割韭菜了！从四月起，多名 cloud 用户反馈，模型智商下降，推理能力变弱，代码功能变得非常难用。在 bridge bench 测试过后， opus 四点六从第二名跌到了第十名，幻觉率飙升百分之九十八。开发者扒出底层服务日制所谓满血输出，全靠动态算力抽卡服务器载一高，后台直接静默切换低配节点，用 户毫无感知。这根本不是技术失误，是币源巨头精心设计的订阅制镰刀，用顶配参数做诱饵，用动态降级扣利润。你花重金订阅的最强旗舰，根本不是 ai， 是 厂商后台随时可调的概率盲盒。当黑盒模型变成资本控盘的筹码，你的每一次自动续费，都在给他们的毛利率书写。
149算世界算未来
02:20查看AI文稿AI文稿今天，谷歌最新财报正式出炉，看完真实数据才明白，真正的科技大厂竞争，从来不靠口号造势，不靠舆论自嗨，最后拼的全是实打实的营收、用户体量和底层硬实力。 谷歌一年狂揽四千亿营收，旗下 gemini 大 模型月活直接冲到七点五亿，稳稳站在全球 ai 行业的第一梯队。实力摆在明面上，没法轻视，但很多人只看到现在谷歌的高光， 却不知道他曾经跌过多大的坑。早年的谷歌手握全球 ai 最核心的人才加敌 transformer 炸购八位原创核心研究员全都在谷歌阵营里。可就在行业发展关键节点，这八位顶尖骨干集体出走，转身入局。 open ai 直接催生了 chat， gpt 横空出世， 也一度把谷歌逼到 ai 赛道被动掉队。面对核心人才流失，竞品快速崛起，谷歌没有跟风炒作概念，也没有陷入情绪化内耗，反而沉下心做最基础、最漫长的 布局，死磕自研芯片，整合 deepmind 的 顶级研发团队，扎根底层算法，夯实算力根基，慢慢搭建全球 ai 生态靠着长期深耕和耐得住寂寞的投入，才有了今天 ai 生态靠着长期深耕和耐得住寂寞的逆袭， 看懂了谷歌这一轮从低谷到翻盘的全过程，再回头看待当下的国产大模型，就应该保持一份清醒和理性。 不可否认，这几年我们国内大模型进步速度非常快，本土化场景落地、行业适配、产业赋能都走出了自己的特色。从企业到大众，发自内心支持国产、扶持国产，科技自主，完全理所应当。但我们也没必要刻意神话自家成果，更不能把海外头部 ai 贬得一无是处。 谷歌、 open i i 这类老牌巨头，几十年的基础科研积累、底层算法沉淀、国际化算力生态，都是实打实的底蕴，不是短期追赶就能轻易抹平的差距。做科技做商业最忌讳两种心态，一种是盲目自嗨，只看局部突破就觉得已经碾压全球。 一种是过度自卑，完全看不到国产迭代的速度和落地实力。理性的姿态应该是真心支持国产大模型的每一步突破，同时客观承认海外巨头的技术沉淀。不吹不黑，不卑不亢，用实力追赶，用成果说话， 少一点舆论口号，多一点底层深耕。你觉得未来国产大模型是先在应用场景实现弯道超车，还是要先补齐底层技术短板？
76大厂科技观
01:02查看AI文稿AI文稿救命啊，美光大跌那个存储遭了天谴吗？为啥呀？说是谷歌最新推出了那个什么 turboqant， 那 么就是通过大模型将推理里面的这个内存瓶颈 kb cache 无损压制至原来的六分之一， 然后整个市场解读成存储以后就少用缓用不用了，将内存需求直接减少六倍，误读为英伟达的 gpu 或者是 hbm 的 销量暴跌。朋友们呀，求求大家了。事实上 turbo quant 是 仅针对推理阶段的 临时缓存。什么意思啊？临时的完全不占用模型权重，本身的显存占用也不影响训练阶段的算力需求，本质就是一个扩容，而不是缩减。另外， 有没有听过杰文斯备论长期快受杰文斯备论的这个驱动啊？更低的投更成本，是将催生更大的批处理的规模和更长的上下文的需求，最终对硬件大盘形成正向的拉动。不用感谢我，关注我就行了，为你带来最新、最快、最有价值的正确的产业变化。
1366黄小勋
