claude为什么会在Mac里面
龙虾要被干掉了！三月二十四号， cloud 直接扔出王炸！ computer use 功能，能像人一样看屏幕，动鼠标敲键盘，直接替你操作 mac 电脑。它能自己打开日历，自动填备注， 屏幕一圈橙色在提示 ai 正在干活之前，不管是同类工具还是旧版 cloud， 基本都是靠代码调用接口快是快，但微信、剪映、小红书这些没开放接口的平台完全碰不了。现在 computer use 直接不上端版， 跳过接口限制，跟人手动操作一模一样。有人测试让他打开提醒加任务，再切外卖软件，找超市加购物车，他一步步全做完，打错字还能自己删掉重输。关键是 opencloud 需要复杂配置， cloud 开箱即用。 更离谱的是，配合 dispatch 功能，手机发命令，电脑没关机就能自动干活。本以为 cloud 只是和 opencloud 抢个名字，没想到直接抢饭碗。更炸裂的是，就在刚刚， cloud code 的 五十一万行底层代码被泄露开源，整个硅谷直接看傻眼，这一波龙虾压力拉满了！
粉丝1224获赞9682
相关视频
00:32查看AI文稿AI文稿为什么几乎所有最火的 agent 编程工具 cloud code codex 首发全是 mac 版？这不是巧合，是故意的。 mac os 是 unix 系统所有 ai 框架， pie torch tensor flow 终端里直接跑零配置， windows 得装 wsl 二多一层虚拟化，你还没开始干活，先花了一周搭环境。如今写 ai 工具的人和用 ai 工具的人是同一群人，他们都用 mac， 谁生产工具谁决定生态。 mac 在 ai 时代的优势不是靠市场占有率，是靠开发者占有率。
1.0万算力炼丹炉
01:20查看AI文稿AI文稿mac 上这六个 ai 软件，用过你就再也回不去了。第一个 app， 本来它是一款编程的 app， 但是它的斜修用法多得离谱， showback， 写文案、剪视频，妥妥的装机必备。它就是 codex， 比 clark code 的 量大，也比 clark code 便宜，它是更适合普通人干活的选择。第二个， ai 时代你最该用的 笔记软件，它本身没 ai， 却能接入各种各样的 ai， 比如强大的 cloud opus， 它就是 obsidian 最喜欢的文本格式，再加上完全本地存储，不用担心任何隐私问题。第 三个，现在玩 ai 谁没三五个账号？但是每个账号的用量多少你心里有数吗？ c c switch 直接帮你把所有账号管理起来，抽肯用量实时查看一个号，干完一键，切下一个，永远不掉链子。第四个，现在有了 ai 大 模型的加持，语音输入法从未如此好用。 typeless 就是 这波语音输入法里的翘楚，我现在写文档、写代码 消息全靠它。说真的，一旦你用上语音输入，你就再也回不去了。第五个，简单的任务，还在烧云端大模型的钱，真没必要，欧拉玛让你在 mac 上一键下载各种本地模型，榨干你的本地算力，而且很少有人知道他竟然还有免费 云端大模型的额度，记得别浪费了。第六个，谷歌今年开年是有点掉队，但你要是已经买了 pro 会员，千万别浪费。杰米莱 mac 处理日常的简单问答和小任务是真的方便，快捷键直接换起，比网页快太多了。这六个 app 组合起来，你的 mac 就 像开了外挂一样好用，点赞收藏起来，让你的 mac 也用上它们。
1.5万我是戴伦
00:25查看AI文稿AI文稿在 mac 上，无论是装克拉 code 还是 codex， 你 都能感觉到很丝滑。不用担心兼容性问题，因为大模型厂商都是优先给 mac 做适配，而且 mac 的 unix 环境天然适合输入输出。如果你在微商总是遇到各种莫名其妙的问题，可以干，我一样考虑整台 mac mini。 虽然苹果刚刚下架了二百五十六 g 版本，但是二手市场一大堆，因为龙虾乐买了后悔的，目前市场价三千八左右。我是正在玩数码的阿图，后面会分享更多 mac mini 的 折腾故事，下个视频见。
5084阿图同学
05:23查看AI文稿AI文稿想换台 mac 做 web 编辑，先别急着看参数，买电脑这种事， windows 不是 不能选，台式机配英伟达显卡，光比算理它确实更猛，但你要的是一台能天天带着写安静轻便的机器。那么这期就聊 mac 怎么挑， 为什么说？先别看参数，外部固定最容易在这踩坑。你用 ctrl、 close 这些写代码模型是在云端跑的，你这台 mac 只管开 a、 d、 e 开浏览器，真正的重活在云上。可很多人一开始就盯着内存堆，以为要三十二 g 六十四 g， 多花好几千买了根本用不上的配置。 所以这期就一句话，按你要做的项目调，别按参数堆。先搞懂 macbook 怎么分，就两条线， air 和 pro。 你 要是经常带着电脑到处写咖啡馆高铁跑客户，选 air 轻续航也够用。 你要经常坐下来，一挂 logo 的 扣子就是半天，好几个 a 键的一起跑。选 pro， 分 界线就一条散热， air 没风扇，长时间满载会烫到降速， pro 有 风扇扛得住屏幕接口那些都是锦上添花，真正要紧的就这一条。 再说芯片， m 一 m 二 m 三 m 四，别被这一堆标签绕晕，就记一条，外部固定模型在云端，芯片新一代旧一代你基本感觉不出来， m 一 这种老芯片写代码照样跟手， 别为新一代多掏钱。真正要定的不是第几代，是 l 还是 pro， 怎么挑？很简单，看你要做的什么项目，对号入座、清亮落地页插件、单页小工具。这档对应 m 一 l 十六 g 重型大型 model ray dakar， 全站多 a 进他一起跑。这档对 m 二 pro 三十二 g 下面一档档说，你照着自己手里的项目对就行。第一档，清量项目， m 一 l 十六 g， 个人作品集，落地页浏览器小插件，接 ai 接口的小工具，带点交互的静态薄壳文档站，这些都算清亮。 这类活就一个项目，文件不多，模型堆里还全在云端，你本地就开个酷派斯尔酷酷的几个浏览器标签，顶多再挂个 dvserve， 十六 g 一 点也不卡。 参考价，三千五到四千五。第一台外部固定机够用，也不浪费。第二档，主力项目， m 一 pro 十六 g， 带注册付费的 sas， 带后端的小程序爬虫加数据看板，公司内部管理，后台带多个 ai 功能的应用，这些都算主力，每天都得长时间挂着 cloud code 或者 codex 跑功能， 技术战场上后端有 supervis 收款接 three， 复杂点的还要多 a 帧一起调，注意内存还是十六 g 够用，日常也就占八到十二个 g， 真正要提升的是散热，长时间挂 a 帧 l 半小时就得降速， pro 扛得住。 参考价，六千到七千五。第三档，重型项目， m 二 pro 三十二 g， 一个大仓库，前后端就开好几个 app， 一开机十几个服务，一堆容器，好几个 ai agent 同时开工，再加重度本地测试，这些都算重型。基站上就是 turbo ripper 那 种大型的 mona ripper， docker compost， 一 启动就是一堆容器，再用 walktree 让多个 agent 并行到这一档，十六 g 才是真的紧，大仓库多容器都吃内存 多， agent 并行更是吃内存的大头，三十二 g 才稳，参考价，九千到一点，一万没到，这种项目量别硬上你这一档。 这三档我都建议买二手，为什么？因为 mac 特别保值，贬值慢，二手机器没垮，性能成色都还在，不是那种用两年就垮的电子垃圾。 而二手价又比新价低一档，同样的钱能买高一档的配置，算笔账。新款 m 四 pro 官网一点七万，二手 m 二 pro 三十二 g， 一 万出头，差的几千购定大半年。 clod max 加 cold x pro， 这钱花在工地上比堆参数值。但二手卖可不能盲买，好几个二手服务商找过来，最终我选了转转。为什么？因为我自己在用，我从二四年就开始一直通过转转去买卖一些我的设备。好，接下来我们看怎么挑，主要看两点，再靠平台兜个底。 第一，电池循环次数超过五百次，直接 pass， 换块电池上千块，验机报告上写的清清楚楚，瞄一眼就知道。第二，机身有没有磕碰压伤，背面键盘面转轴都得看背包里压出来的伤，光看外观看不出来，验机报告里全拍了下来。 还有大家最怕的 id 锁，这个不用你自己堵，转转不收解不开锁的机器到你手上都是轻管 id 的。 更踏实的售后，一年质保七天，无理由到手，不满意直接退。我自己一直这么挑，到现在没翻过车。 顺带说一句，要是你不止外部抠钉，还想在本地跑大模型，那是另一套账。前面说到外部抠钉模型在云端，本地内存压力不大，但你要本地跑大模型，模型权重全压进内存，这时候内存才真正决定你能跑多大。模型越大越吃。内存跟外部抠钉完全是两种需求，真要重度跑本地大模型才上这一档。 mmax 六十四 g 在 自己电脑上离线跑道模型，自己微调训练模型或者代码不能外传的隐私项目，这些才用的上。进入战场就是欧拉玛跑三十 b 以上的模型做劳拉微调内存得一次性装下整个模型权重六十四 g 起步， 参考价一点三万到一点八万，预算够优先挑带质保的，但说清楚，纯外部固定根本用不上这一档，别为他买单。反过来这几个别碰 八 g 的 mac， 不 管 m 几，不管新旧，开个 id 加浏览器都紧。别卖英特尔的 macbook， 架构太老，又慢又烫，再便宜也别要。还有只做外部固定，却为参数买高，冲着能跑大模型上三十二 g 六十四 g， 那 钱根本用不回来。一句话，记住， 按你要做的项目挑 mac， 别按参数堆外部颗粒，模型在云端十六 g 就 够，该花钱的是散热不是内存。轻量主力重型三档项目对三个机器，这条视频值得你存一下。评论区扣 mac 清单，文字版的项目配置对照表和避坑清单我发给你。
4131九目AI🌈
12:23查看AI文稿AI文稿哎呦，又见面了，朋友们，今天我们来聊一下用 ai 来控制你整个电脑这件事情的最新进展。因为啊，这个 cloud code 和 codex 呢，在最近这一两个月时间，相距推出了他们各自的解决方案，我实际使用下来呢，效果很不错， 之前爆火的龙虾 oppo pro 能够操作我们整个电脑对吧？但说实话，用过的人都知道这个东西吧，稳定性不是很好， 而现在呢，情况完全不一样了，这两家提出的方案的稳定性比龙虾强太多了。但是呢，这两家本身他们的解决方案呢，也有很多的不同，他们的优势劣势非常明显， 所以本期视频我们来做一个全方位的对比，同时我会简单的跟你说一下，哎，这两个方案如何安装，还有一些技术的原理，到最后你就会知道，哎，你该选哪个呢？作为你日常使用的工具，更重要的是，我会教你如何来同时的使用这两个完全不同的方案。 来吧，这里是乾坤下一站，一个用通俗易懂的方式来讲解如何用 ai 来提效的频道。点好关注，赞，我们开始。 好，我们先直接演示一下用 cloud code 和 codex 来操作你电脑的效果。 意思的是啊，这两家做的方案的名字呢，都叫做 computer use， 而且呢，你都可以在你自己电脑终端和他们各自的桌面客户端来用。接下来的操作呢，我们呢，主要在终端里面来操作。 好，我们先在这个终端打开 cloud code， 你 看我让 cloud code 打开我自己电脑上的日历，然后呢，在周六创建一个全天世界，标题就是周六出去玩， 我们输入指令，此时你看我的电脑在这个上面，对吧？然后呢，指令发出去之后，好，你看他打开了我的日历，然后呢，你看啊，我的鼠标自动的被移到了，这个下周六看到了吗？他自动的就被移过去了，他抢了我的鼠标， 然后呢，他自己呢？点击设置周六出去玩，你看他现在在输入周六出去玩。 好，你看这边，周六出去玩已经建好了，没有问题吧？好，我们现在来到 codex 这边啊， 同样的任务呢，我们现在在下周日，哎，我们创建一个全天的事件，叫做周日出去玩。你看这个指令发出去之后呢？你看，哎，他也打开了我的日历，然后你注意看，我自己这边有一个自己的鼠标，对吧？ 但是呢，他那边有一个白色的小鼠标，你看到没有？我自己的鼠标和他的白色小鼠标呢，这两个是不冲突的，你看我自己鼠标呢，想干嘛干嘛，他那边呢自己在操作，这两个完全不冲突， 然后你看他各种点来点去，最后你看啊，这个周日出去玩，他也弄好了，好演示呢，我们就先看到这里，看起来都很丝滑，但是他们的差别很大，具体怎么安装呢？你看我这个视频的图吧，接下来我要做一个深度的对比， 不过在我聊这个具体的对比之前啊，我想先花一点时间来通俗的讲一下这两个工具它们各自实现的核心原理是什么，这样你后面听我说对比的时候，你才能够真正的理解。哎，它们为什么呢？会有这些差别？ cloud code 的 方式呢？你可以想象成就是一个人，他坐在你电脑的前面，他看不到底层代码，他就只能看屏幕，怎么看呢？截屏 具体的流程是这样子的啊，你看这边他是怎么一步步操作的，他就是先打开了一个应用，对吧？然后呢，哎，先截个图，截完图之后呢，哎，他会发给模型去分析这个屏幕上有什么，我要点哪个按钮，在哪个坐标，各种分析。分析完之后呢，他就会操作鼠标或去点击， 点击完之后呢，他再截个图，确定结果对不对。截完图之后，哎，再分析，分析完之后再点击，就这样截图分析，采取行动，一直这样循环下去 好。而 codex 这边呢，就完全不一样了，它是利用了苹果电脑自带的一套系统，叫做无障碍数 a s tree。 这个东西呢，本来是苹果公司给盲人那些视障用户做的，就是让屏幕阅读器呢，哎，知道现在界面上有哪些元素， 然后呢，这个屏幕阅读器呢，就会把这些信息啊，给读给那些试驾用户。而 codex 的 工程团队发现这套系统 ai 也能用， 所以你看啊，这个 codex 的 操作过程是怎么样子的？他一开始呢，先获取了桌面应用的结构化数据，就是每个按钮呢，叫什么，在什么位置，什么状态都一清二楚。他分析完之后呢，他就会直接告诉系统，哎，我要点这个按钮，然后呢，系统呢，就会帮他去做手机。 当然了，他也有这个截屏降级的功能，就是 a x 区读不到的时候呢，他就会退回这个截屏的模式，但是那个只是备选方案，主力还是使用这个无障碍数好。原理就这么简单，一个呢靠看，一个呢靠读。 那么紧接着我就来说一下这两种不同的解决方案，在实际使用中会有哪些差距？ 第一个最直观的区别啊， cloud code 会抢你的鼠标，而 codex 不 会， 为什么呢？就是因为这个 cloud code， 它就是很真实的来操作你的鼠标，来做这个点击啊等一些的行为。而 codex 呢，是直接向系统发指令，它甚至不需要把这个目标窗口放在前台。所以呢，你在前台正常的操作电脑，它呢在后台呢帮你干活，两个之间呢互不影响。 哎，这就让我想到了当时的 madison 团队呢，最早呢，哎，他们想做一个 ai 浏览器，然后他们也遇到了同样的问题，他们觉得 ai 在 用你的浏览器的时候呢，你自己呢，就用不了了，所以他们最后选择把一切操作都放在一个独立的虚拟机里面。 而现在呢，这个 cloud code 的 computer use 目前呢，就有这个问题，它抢你电脑的使用权，除非你专门留一个时间，比如说晚上睡觉的时候呢，哎，你让它慢慢的跑， ok， 我 们再来说说它们其他的区别啊。简单来说，因为 cloud code， 它每走一步呢，都要走完这个一整套的视觉分析的流程。 而 codex 呢，直接读取了这个系统结构化的文本数据，它跳过了整个视觉处理的环节。这就直接导致了下面这个后果，就是 clockcode 相比于 codex， 第一它速度更慢，第二它价格更贵。你想啊，它每一步都要截屏去分析图片，对吧？而图片呢，会占据大量的 token， 所以 同样的任务， codex 的 token 的 消耗量呢，大约只有 clock code 的 四分之一， 第三，它精准度会更差，因为 cloud code 靠截屏算坐标来点击，对吧？而在一些高分辨率的屏幕上，它的按钮呢，是很小的，就是你差几个像素又有可能会点歪了。 而 codex 通过这个无障碍数，它就是指哪打哪，基本不会出错。更重要的是， cloud code 它不能同时的去处理多个任务，因为你想啊， cloud code 要截屏吗？而且你只有一个真实的鼠标，对吧？ 而 codex 呢，是可以同时开好几个任务的，它们每个呢都有自己的虚拟的光标，各干各的，互不影响。 听到这里，你是不是觉得，哎，这个 cloud code 拉完了，直接用 codex 得了。但是我跟你说不是的，它有自己的独特优势，有些地方比 codex 好， 而且长期来说，我反而更看好 cloud code 的 方案。 cloud code 碾压 codex 的 地方就是通用性，因为它是靠截屏来理解你电脑界面的，对吧？所以不管你是什么系统，你是 mac， 你 是 windows， 你 甚至是远程的桌面，只要有屏幕能截图欸，它就能操作。 而 codex 的 computer use 呢，目前呢，只支持 macos， 因为它非常的依赖这个 macos 那 个无障碍数系统，所以现在 windows 用户呢，还用不了。而且呢，你如果在欧洲，因为这个隐私合规的问题， codex 的 整个 computer use 的 功能呢，都被直接封掉了。 更重要的是，这个局限性还不只是平台，因为即使是你在 macos 里面呢，也不是所有的应用都有完整的无障碍数的信息， 比如说一些游戏的界面，一些飞格玛画布里面的元素，还有一些奇奇怪怪的应用，它们在这个无障碍数里面就是一片空白。 这个时候， codex 呢，确实有降级的机制，他会退回到这个屏幕截图加点击这个方案，但是问题是，这个降级的模式的精确度和效率就差很多了。 而截屏识别这件事情呢，恰恰是 cloud code 的 主场，它整个框架都是围绕着这个视觉理解来设计的，所以说在这些非标准的界面应用里面， cloud code 反而更加的靠谱。说到这里呢，让我想到了这个自动驾驶领域的两套方案， 就是说特斯拉呢，坚持用纯视觉，就是摄像头，看到什么呢，它就根据什么来开，这就很像我们真人开车对吧？ 而另一派呢，是用激光雷达，就是他们靠发射光束去扫描周围环境的三维结构。你有没有发现， cloud code 的 截屏识别本质上就是纯视觉的方案，它就是在模拟真人用电脑的方式。 我们人类操作桌面的时候，不就是眼睛看到什么地方就点什么地方吗？而 codex 呢，更像是激光雷达，它不看画面，而是读取底层的结构化数据。 你想想，从这个第一性原理的角度， cloud code 的 方式呢，更加的接近于通用智能的本质。理论上，只要它的模型越来越强，推理越来越快，它的上限是没有天花板的。而 codex 呢，就只能在一些标准化的情境中使用，但凡有一些额外的场景， codex 就 不行了。 所以说，从长期的潜力上来看，我更看好 cloud code 的 这条路。但是目前来说，这套操作电脑的解决方案呢，我更愿意用 codex， 可是呢，我一直是 cloud code 的 忠实粉丝，它整体的 agent 的 能力呢，我用起来更舒服。 那问题来了，有没有一种方案可以让 cloud code 作为总指挥来自动地使用 codex 的 computer use 的 能力呢？有， 答案，就是让 cloud code 去调用 codex 的 命令行。简单来说， codex 有 一个无交互模式，就是你不需要打开和 codex 的 交互页面，你直接的终端输入命令就行了。然后呢， codex 呢，就可以在后台来自己默默地执行任务， 而输入命令这件事情呢，我们可以让 cloud code 来做，对吧？比如说，你看这里啊，我现在在 cloud code 这边，我跟 cloud code 说，让它运行这个命令，其实就是让 codeys 用 computer use 来打开我的计算器，然后呢输入一加一，然后呢把结果告诉我， 我直接输入，你看它会发生什么啊？哎，你看它这边有一个白色的小光标，自己在操作我的计算器， 过一段时间，你看我左边终端里面啊，克拉克说，哎，这个 codex 完成了任务，它通过这个 computer use 打开了计算器，然后呢点击一加一，然后呢，结果是二，怎么样？是不是很丝滑？ 而这个命令里面有很多的参数对吧？具体每一个是什么意思，有什么坑要注意。还有它的官方文档的链接呢，我都整理在我的视频的图文版里面了，你去看就行了。 我再多说一句，如果说呢，你要想在 codex 里面要用 cloud code 的 computer use 的 能力，可不可以呢？也可以，因为 cloud code 呢，它也有一个无交互模式，这个呢，你自己去探索一下。 看完上面的对比呢，到底用哪种方案，我相信你心里已经有数了，我在这个视频图文版里面呢，做了一个详细的快速查找表，你可以按照你的设备和需求直接对号入座。好了，今天就说到这里，我们下期见。
3138乾坤下一站
05:59查看AI文稿AI文稿四月份的时候，如果你问任何一个高阶开发者，桌面端该用什么？答案百分之一百是 cloud。 但是为什么到了五月份，大量原本始终的 cloud 的 用户开始疯狂逃离？ 答案是令人窒息的账单。表面上看， cloud 更新到四点七之后，解决模糊任务的能力确实变强了，甚至还学会了点儿 gpt 那 种我要稳稳接住你的黑化。但在这背后，他悄悄修改了 tokenizer 的 计费逻辑，不再由用户控制思考深度，而是默认强制思考。 很多用户发现，更新之后的 token 消耗量至少比以前飙升了百分之二十到百分之三十。在传统的对话模式里，这或许还能忍，但在桌面端， agent 需要不断地读取本地文件，检查报错，无限循环执行测试。 一个晚上的全自动 bug 修复跑下来可能什么事都没干成，一觉醒来，几百美金的 token 额度就已经灰飞烟灭，甚至账户直接被刷成负数封禁。 cloud 狂飙的代价是，它正在把桌面 ai 变成一种连中产阶级都用不起的奢侈品。如果说 cloud 是 傲慢，那谷歌的 jammer 在 桌面端的表现只能用惊慌失措来形容。 在很长一段时间里， google 的 动作迟缓得让人难以置信。在这个谁先占领本地桌面谁就赢的关键节点， deepmind 内部似乎陷入了极大的混乱。 jimmy 的 模型表现极度不稳定，上下线差距极大，用很多开发者的话说，感觉就像是对牛弹琴，直接废了。但不可否认，谷歌的底子依然在。为了阻击竞争对手，他们成立了专门的 strike team 死磕 anthropic， 并在违背了多年不碰本地客户端原则的情况下，准备赶在五月二十日 google i o 大 会前极限发布了 mac 版的桌面应用。 谷歌的算盘很清晰，模型层面我暂时没拉开代差，但我要用我手里庞大的 g suite 浏览器和系统级生态强行捆绑你。 而整个五月最让人意外的反转，其实还是 codex 的 反杀。几个月前， codex 在 圈子里的名声并不好，他天天操着一口奇怪的黑话，犹如我不跟你绕，你就是太清醒了。 这种略带江湖气的 ai 语言，让很多严肃的程序员觉得他很不专业。但就是这个像街头混混一样的 codex， 在 五月份彻底掀翻了桌子。他凭什么？ 第一，极其暴力的原声计算机控制。它不仅支持浏览器自动化控制，还能直接接管你的电脑操作系统。 很多人戏称它才是真正进化版的太空小龙虾，它会在每天早上你刚睡醒时像个真正的助理一样主动弹出来，告诉你昨天哪些代码跑通了，今天建议怎么改。第二，也是最致命的一击，廉价算力。 这也是为什么大量中国开发者和海外羊毛党集体抛弃 cloud， 转向 codex 的 根本原因。 codex 最聪明的地方在于，它本质上是一个路由器，或者说超级壳子， 它允许用户在后台极度自由地配置第三方 api 接口。在二零二六年的今天，国产大模型在代码生成和多模态理解上的能力已经逼近了美国的一线水平， 更重要的是，它们的价格只有美国巨头的几十分之一。 codex 实际上是借着中国模型的极致供应链优势，在全世界打了一场降维打击的消耗战。你 cloud 确实聪明，但我 codex 挂着国产模型，用只有你十分之一的价格，干成了你百分之九十的活。 在算力成本面前，什么高贵的设计感，什么灭绝师太般的统治力，全都不堪一击。那既然桌面端开打了，既然 agent 这么烧钱，那我到底该怎么用呢？记住一个死理，在桌面自动化时代，永远不要把所有的任务无脑扔给单一的重型模型， 你需要像管理公司财务一样管理你的桌面。 a p i 走向下面，我直接把这套目前硅谷极客圈都在用的三网融合工作流抄给你，建议直接截图或收藏，这能帮你每个月省下至少几百美金的冤枉钱。第一步，零门槛，底层部署， 不要去下载那些花里胡哨的第三方套壳，直接用命令行复制下面三行代码。 jimmy 只要有个公众账号就能白嫖。 codex 需要叉 gpt plus 或 open ai api key， cloud 则最贵，需要 pro 订阅或绑信用卡的 api。 第二步，正确分配工具，装好之后千万别瞎用， 你要学会给它们分配不同的工种。 jammy 去当免费的探路炮灰，他的核心优势是一百万 token 的 免费超大上下文，让他把项目吃透，给出方案，你点头了再动手。 cloud code 可以 当架构师，在多文件的一致性、对边界条件的考虑上， cloud 依然是目前地表最强。 codex 可以 当流水线工人，那些明确的、重复性的需要局换的脏活累活都可以丢给他。但也给个提醒， codex 的 浏览器自动化功能是一个极其危险的吞金兽，一旦它在测试网页时遇到浏览器崩溃，陷入无限重启的死循环，它一个晚上就能烧掉你两百美金，让你的 a p i 账户直接变负数。 所以凡是涉及浏览器的任务，必须一定绝对要设置超时熔断时间。第三步， 把这些工具组合成工作流。早晨掏出 gemini， 把长篇大论的需求文档和乱七八糟的旧代码丢给他，利用免费大模型把思路理清。下午掏出 cloud code， 针对核心模块进行重构，多文件同步修改，确保逻辑严密。下班前就可以让 codex 上场做 review 了。在这场桌面端的大战中，巨头们希望你变成那个无脑续费、任由 agent 烧钱的傻白甜。 但真正的超级个体，是懂得在不同的底层算力之间搭建属于自己的防火墙与调度器。这才是我们今天聊桌面 a p i 的 最终目的。记得关注这里是 ai 商业慢谈，每周分享最新的 ai 资讯和商业理解。
5750Ai商业慢谈
02:34查看AI文稿AI文稿cloud missiles 有 一点一迹绝尘啊，据说呢，在 google cloud console 上已经可以预览了，用 missiles preview 一个加入了团队，仅在数日内呢，用 missiles 破解了苹果 m 五的 macos 内存保护机制。这个呢，也瞬间引起了全网的轰动， 因为这个呢，是被誉为最强的保护机制的。几乎同一天呢， cmu 这台新梅龙大学呢，发布了一个 ai 的 安全精准的测试，在这里面呢，从顺上来看， 在真实浏览器漏洞的表现上呢，遥遥领先，甚至追平了一个相当称职的人类安全研究员。从数据上来看呢，排名第一。第二呢，分别是 cloud middot preview， 当然它里面有一些其实词的 pua 叫 large， 那 在 large 情况下呢， cloud middot preview 能表现的高一个百分点，分别是百分之六九跟百分之六十八。其次到了 gpt 五点五， coxed 就是 与 coxed 结合的 gpt 五点五，在 large 的 情况下，在 pv 的 情况下，能达到百分之四十一，这个差距也很大了。在 其次呢是 g p t 五点五，拉窄也没有 codex 和 hash， 当然呢，有 p u a 的 情况下，只有百分之三十四，降得很严重。再其次呢是 g p t 五点五， codex 在 没有拉窄情况下百分之三十三。可以看出啊，就是 g p t 对 于其实词的 p u a 呢，是很受用的，但是到了呢，其实差距不大。 missus 的 全自主均分呢，是九点五五分，当， 当然，它的预算的算力要求也很高的。 mists 跑完一百二十二个 episode， 花了约三万六千四百二十八美元。 g p g 五点五呢，跑完了同样的量级，只花了三千零七十五美元，有十二倍的加差。所以英国的 ai 安全研究所 ai si 的 独立测试也给了类似的结论， mists 确实很强，但是也贵了很多。 有可能呢， open i 在 愿意花更多算力情况下，性能是可以被缩小。有意思的是， exploit bench 就是 刚刚我们说的这个安全的基础呢，它的作者呢，本身就是一个硬核的安全运动员，它曾经花了大概近一年时间才把这些所有问题都找到，比如说 c b c code case， 作为研究团队尝试复现超过一年 全部失败。但是 missus 呢，在十轮测试中的有一轮成功复现的概率呢，是远超过人类玩家。当然了，这个 missus 按照目前的报价，就跟当年的 open ai 的 o one 跟 o three 一 样，可能只是放出来跑一个精准，像全面的五级化呢，却有非常大的成本压力。那 o one 跟 o three 出来之后呢？紧接着我们看到了当时的发展趋势，是国产的替代，下面快速的上线，包括了 deepsea， 包括 kimi 的 niki 的 模式，成本打下来的。 所以就像 i c r p 创始人说的，预计在未来一到两个季度里面，国内的国行应该能设法付现 miniso 的 能力。我们也在尝试去解密背后的一些原理，到 目前为止呢，还没有成功，也看了很多，比如说 open mythos， 网上通过 recurrent， 通过低轨循环的方式做 transformer 的 一系列的尝试，但到目前为止呢，并没有看到明显的提升和实现 mythos 的 可能性。期待着市场上更多的玩家共享到这样的一个解密， mythos 生态里，让我们更快地普及 mythos 的 超强的能力。
303杨博士说AI
01:12
00:42查看AI文稿AI文稿你有没有过这种经历，脑子里把一件事想的天花乱坠，但双手一碰键盘就全是空白。这并不是脑子断片了，而是因为打字的速度跟不上脑子的转速。 而解法也非常简单，把打字换成口喷，不需要买 tablis， 不 需要联网，更不用下载 whisper， 直接在麦克中开启听写功能即可获得和我视频里一样的效果。我现在和卡扣的交货都改成直接口喷了， 就算里面有一些错别字， ai 也能识别到你是在口喷，依旧能领会到你的真实意图。如果你的口喷速度依旧跟不上脑子的转速，那你可能要考虑下马斯克的脑机接口了。你用什么工具口喷呢？评论区说下我正在搞 ai 的 阿图，后面会分享更多口喷技巧，下个视频见。
129阿图AI
05:23查看AI文稿AI文稿好的朋友们大家好，今天我想讲一个可能有一部分人已经非常了解和清楚的事，但是有一部分却还不太清楚，可能他有听说，但是他还没有完全理解的一个事，那么就是豆包和 cloud code 以及 codex 之间到底有什么区别？ 那么一句话去定义豆包，他是只是会回答，但是 cloud code 和 codex 是 变成会进入你的电脑环境去干活。 我为什么会想到去说这个东西？是因为我在推特刷到这么一条推文，说克拉蔻这么可怕的东西竟然只有几百万人高频使用，几十亿人置身事外，想想觉得荒诞，但我觉得他可能说的有点夸张了，而且我对他的一个说法也不是完全的认同，但是确实也指出了一个现象，我们可能每天强调 和习以为常的克拉蔻的 codex， 但是现在还是有绝大部分的人他们没有去接触，他们只是还停留在用豆包的这个环节上，可能说他们有听过这些概念，但是他们其实没有切实的感受到到底可以干嘛，或者说可以做什么。首先第一个开始，绝大部分人第一次接触 ai 的 时候都是通过豆包和他对话 以及聊天，慢慢的是通过他去搜索，或者说让他帮你写一段内容。 ok， 这是一个普通的入口，那么 cloud code 和 codex 它的区别在什么呢？它是一个生产入口， cloud code 和 codex 它们通常是 从你电脑本地的一个文件夹，一个目录，或者说一个项目，一个仓库开始，最关键的差异是在一个执行的动作上面， 豆包它只能告诉你怎么做，它只能给你输出文字跟给你输出图片，给你输出一个内容去让你去做。但是 cloud code 和 sql 它是能代替你去执行，去做这一个切实的动作。当然这些的动作是指的电脑上面的一个动作，比如粘贴、复制、真删、查改豆包，它是一个 chat ai， 什么叫切的？就是你问他答，而 cloud code 它是一个工作的 agent， 叫 work agent， 它是通过你给他授权它来做，前者是给你一个答案，但后者它是可以进入你的电脑环境，替你完成一系列的动作， 看文件，改文件，运行命令，然后再把结果返回给你。所以总的来说，豆包和 cloud codex 它们不是同一类的一个入口，豆包主要解决的是问答、搜索 以及内容生成。但 codex 和 clock code 则是一个执行型的入口，他们可以打开你电脑的项目，打开你电脑的文件夹文件，他可以读写你的文件，运行电脑里的命令，把变化真实的留在你电脑的文件夹里面，文件里面，代码里面。接下来是这两类产品的一个边界， 像豆包这种聊天助手，它是以对话为中心，用户给问题模型给你一个答案，然后你再把答案粘贴复制到你想用的地方。而像 codex， 查询 code 这类的 agent， 则是可以自己进入文件夹，自己去网络搜索，去网上下载，去执行命令， 调用工具，然后生产出一个可以验收的结果，相当于它是把整个电路都可以打通的去执行。而豆包这一类的聊天 ai， 它们就不能去操作和读写你的本地的文件 以及电脑的命令。那么接下来就是为什么这类 ai agent 他 们可以做到这些？听起来很神奇，但本质并不复杂， 他就是通过让大模型去调用一个个的工具去执行，比如说看文件，通过命令行去看你的文件夹有哪些目录，然后他再去打开文件，再去搜索关键词，再像人一样翻资料去理解一个文档。第二个就是他在你的电脑里面，他可以去执行这些命令，而这些命令其实就是你每一次用鼠标在电脑上点击 右键，左键上下左右粘贴复制，它们的背后其实就是电脑的命令在运行，而这一类的 agent 相当于可以直接去运行这些命令，来达到你同样的粘贴复制 这一类的操作。所以这就很好理解为什么 agent 可以 这么强。当他执行完这些动作之后，他还可以像人一样去看这个最终执行的一个结果， 比如说看这个文本是否满足要求，看这个截图，看这个代码运行之后的输出，失败了，他还可以再去修正，直到你能够验收一个完整的成果。所以说到这里，其实已经大概了解了这一类 ai agent， 它像是会操作电脑的一个助手，你说目标让他去读文件， 读完之后去执行动作，执行完再检查，最后你来验收，这个就是它和普通的聊天 ai 最大的一个区别。所以有些事豆包可以给你建议，但是很难帮助你直接完成。比如说批量改两百个文件名，搜 索并下载网页的资料，然后生成一个可运行的网页，这些东西都更适合交给 cloud code 和 codex。 那 么我介绍了 agent 这么强大的能力之后，其实真正最后是要取决于你到底需不需要它。 如果你的需求只是一段话，那么豆包这一类 ai 其实已经够用，但是如果你希望 ai 可以 帮助你落进文件系统、网页、脚本仓库，去融入到你日常工作的一个工作流当中，那么你其实就应该考虑去学习使用 cloud code 和 codex 这一类 ai agent。 好 的，现在如果好的看到这里，那么 代表你其实对这个 ai agent 是 感兴趣的，且你认为你也有需求去使用它，那么我就接下来建议你可以 第一次去尝试用 agent 帮你做一些很简单的任务，比如说帮你整理电脑的文件夹，最重要的是你自己要去感受这个 ai agent 帮你干活的这么一个过程。那么好的到最后一句话总结，豆包它解决问， 但 cloud code codex 它是解决做普通用户真正接下来要学的不只是怎么去提问，而是怎么把你的需求变成一个可执行、可验证的一个小任务，再交给 ai 去帮你完成。而且其实最终我刚才展示的 ppt 其实就是我用 codex 帮我做的，我只是提供我需要的素材以及一个做 ppt 的 skill， 然后把我的要求告诉他，他就直接帮我做出来了。其实这个例子你就可以很清晰地体会到这种 ai agent 他 们可以做些什么，他们的能力。
3.3万Yuuhann
15:03查看AI文稿AI文稿嗯，哈喽，朋友们大家好，今天想给大家分享一个这个在 mac 上面安装 cloud code 的 一个过程， 因为最近从不更换到了 mac， 然后因为很多环境配置，包括软件之类都要重新来一遍，然后在这里就正好给大家录一下这个 cloud code 的 这个安装过程。 首先在这个浏览器上搜一个这个 cloud code， 然后大家可以看到有些结果嘛，对吧？当到我的这个， 然后这个 dos 就是 点开，大家随便点开都行，我这里已经点开了，对吧？这两个是一样的，然后点开有个这个 c u r l， 我 们直接复制一下，当然这个 over 也也可以啊， 它会给一些这个操作的步骤，对吧？ terminal vs code desktop 就是 桌面端和 vs code， 然后 terminal 端命令行端，然后它会 recommended 推荐这样推荐这个 这个安装的这个 c u r l， 然后还有 homebrew 还有 winget 这种方式嘛，对吧？那我们就先按它这个推荐的试一下，如果不行的话，我们在那个首先点复制一个这个，当然这个命令行跟这前面这个是一样的，然后打开终端， 我们直接 copy 一下， copy 运行，等它的这个结果，哦，你看 报错了，对吧？这一大堆错误，我们可以直接把这个放到 ai 里面去问一下，然后它最后一行也会有一个五十六，对吧？ future writing up to destination。 然后呢？我其实刚刚也试了一下，最主要的 ai 回复说最主要的这个错误，就这个 available in region， 它不太不太行，那我们就 就换换一种方式呗，就直接这个 native 五的方式就不太行，我们可以先看一下这个五十六号错误，他给的是什么解释啊？对吧？你就可以直接在这里搜五十六啊，其实我刚刚搜过了，然后就会出一个这个点开， 对吧？我们进来看一下，哎，一直有点卡， 他这个一直跳不过来啊，那就看这个吧，其实这个就是我刚刚打开的这个就是 c u i 五十六号，然后他给的这个解释是这个，这个错误呢是 跟这个二十三号错误是 related 的。 然后 means brush did not receive the complete script 就是 没有收到完整的这个。然后呢它给的 solutions 有 下面几个，第一个就是 check the network's ability， 就是 稳定性嘛。 第二个就是 an alternative restore method， 在 mac 上面可以用这个 rev 安装包的方式去安装。 第一种就是检查网络稳定性，我估计是因为稳定的原因拉不到远程的它那个包嘛就下载不下来，然后我们就试一下这个。第二种 alternative， 通过这个 break 方式安装一下，我们 copy 一下，然后到这里， 哎， case 一下， ok code 他 会有个 warning， 对 吧？他说这个 available 就是 没有仓库里没有这个名字的这个存在，他说这个搜索相近的 similarly caskets， 他 搜到了这个 cloud， 对 吧？他说他说如果我们下载 cloud 的 话就执行这个命令，但是我们下载的其实是 cloud code。 我 们先看一下这个 rewind 的 这个 version 吧，五点一点十三，然后其实我不知道这个包这个版本是是高还是低啊，这个我可以之后去搜一下，然后呢 先给大家看看能不能 update 一下，他说的是 already up to date， 对 吧？ 还是这个？那我们就其实就这这个方式，就是没找到这个，你们包了，我搜一下吧，看下这个五点一点十三到底是什么版本。 is a recent， 看一下这个里面的 three days ago 应该还是算比较新的，但是它为什么没有找到？可能就是因为它新的这个版本 就是对一些仓库进行更名或者之类的 is a go， 对 吧？其实应该不算不算比较晚，但是我不知道为什么这个包就是更新掉了，那我们就用 就用老一点的这个吧，就参照我们 win 之前的这个，我之前在 win 上面安装的这个步骤，就是先安装这个，安装一个那个 install note， 先安装一下 note， 它正在安装这个，哦，这个还安装还挺快的，对吧？这是就这就算比较正常的一种情况， 你在这里等一下， ok， 看看这个 brief 里面的 list， 哦，你看它有有了一个这个这些内容了，对吧？我们看看 node 的 version 啊，有一个二三点十一，然后我们看一下 npm 的 version， 这两个就是也也有了，说明这两个工具已安装成功了，就是我们通过这两个通过 node 的 方式来安装这个，然后呢，我们执行一下这个， 就是这一步也完成了，然后这一步也完成了，然后我们就复制一下这个工具这个命令，因为我当时在 win 上面安装就是通过这种方式的，因为前两种方式都不成功嘛，对吧？或多或少的遇到问题，那我们就用一下这个直接运行这个 还是要等待一下。 ok， 朋友们，刚才时间比较长，然后我就暂停了一下，大家一看到这个运行这个之后，他说运行成功了，然后我刚才 a u d 就是 运行这个这行命令之后，全机安装之后， 然后呢就安装成功了，然后我们输入这个 cloud， 还可以看到有这个小螃蟹，对吧？ 小螃蟹就成功了，就代表 clock code 已经安装上了，但是呢，它会报一些错误，比如说这个 unable to connect to 这个 service， 因为呢，我们现在就是只是安装这个工具嘛，但是我们这个， 我们的那个相当于大模型，相当于是没有配置的，所以呢，我们要给它加一个大模型，也是大脑， 然后那个 as rapid， 他 那个他的那个大模型， oops， 就 那我们就下载一个这个 cc switch， 用 cc switch 做， 然后 cc switch 就是 调这个大模型进行对大模型进行管理的。这个一个工具直接在 github 上面搜啊，搜这个 cc switch， 哎，网络可能有点慢， 这个，哼，不入，我感觉我下到这个盗版了，对吧？这些按道理对吧？都能用的呀，为什么我老是下载不下来呢？ 哎呀，慢死了，我的妈呀， 好，来了，然后看这个免费下载，看一下文档， 对吧？解决什么问题？问题可以看到这个切换大摩西供应商监控流量的这些问题， 在这下面都能用，对吧？ cloud codex， cloud code， open， cloud hummus 都都可以用，我们可以看到这个 release donot 哦，在这里你看，我们下载一个 c c switch mac 版本，就是这个三点十五， ok， 下载完成了，然后给它安装一下， ok， 嗯？在哪呢？ 哎，怎么找不到呀？直接这样了， 然后对吧，这里就可以配置很多这个路由嘛，包括叉 gpt 也有。呃，我们打开 cc switch 之后呢，可以看到上面有一很多这个魔性的供应商嘛。哦，因为我们是这个 deepsea， 所以呢，我们就在刚才就直接在这里添加了一个这个，然后我这里已经添加过了，就可以编辑一下，然后可以看到这个 api key， 哎，刚才没保存吗？还是这个保存一下？然后呢，它的这个 请求地址可以看到这个接口文档这边的这个 type c 的 调用的接口文档，然后它的请求方式，它模型我们直接都用 pro 了，然后 em 勾上， 然后 pro， 对吧？保存一下，然后我们这时候再到这里， 他问我 choose style 选一下 auto light dark model， 其实也差不多了。哎，感觉这个还还比较好。 only， 就这个吧， enter to continue use yes。 允许 云盘，那我不允许吧，这个就是限制访问， 允许允许允许。妈呀，这数据全给他了。然后我就是问一下他， 你使用的是什么模型？但是前面我记得应该能看到。呃，我先问他一下吧。 哦，这里你看您能够看到 deepsea pro 四 v 四 pro 嘛，对吧？ 这就是就是，这就其实已经配置成功了。 deepsea 它最近不是降价了吗？它的 pro 降价了，然后就因为正好也是国产的，基本上简单的任务还是还是 ok 的， 这个整个的过程就结束了。 首先就是那个安装 cloud code， 对 吧？我们试了三种方法， 第一种就是这个原声的这个 c u r l， 然后第二种使用这个 homebrew 的 这个命令，我怀疑我这个 homebrew 不知道为什么原因啊， 对吧？你看他统计 cloud code 下载了多少个？三十天，下载了这么多次，九十天下了这么多次，对吧？其实可以下载的，但但这种我们刚才没有试成功，所以用第三种方式，就是 就是传统的这种，这个先安装 node， 然后通过这个命令行来安装这个 cloud code， 然后最后安装成功了，下载了一个这个 cc switch， 就是在这个 github 上下载，然后配置，对吧？现在就是使用中了。 当然这个大冒险有很多，像这个智普的 g i m， 对 吧？还有很多了，小米的这个 memo 行，然后这个整过程就这样，本期视频就分享就到这里了。
557狗老师的肉身
05:22查看AI文稿AI文稿马斯克亲手解散了自己的 ai 公司 x ai， 把耗费两年打造的二十二万张顶级 gpu 全部租给自己最大的竞争对手 cloud， 直接把 ai 圈子混乱的战局又添了一把火。作为全球第一首富， 马斯克明明有自己的大模型 grok， 有 全球最大的私人超算集群，为什么要放弃自研，转头去资助死对头？今天这条视频 给你讲透这笔交易背后的底层逻辑。先澄清一个误区， cloud 不是 突然崛起的黑马，它的技术实力已经获得全球广泛认可。 据 l m s s。 最新盲测数据显示，截至二零二六年五月， cloud opus four point seven thinking bell 以一千五百零三分的成绩稳居全球第一。 更关键的是，其在长文本处理代码升腾的准确率上，比 g p t 和 jammy 高出近二十个百分点。也就是说，现在全球公认综合表现最好的大模型不是 g p t 也不是 jammy， 而是 cloud。 在 当下 ai 算力极度紧缺的大环境下，也只有稳居全球第一的 cloud 有 体量、有资金、有业务需求，能一次性吃下马斯克二十二万张顶级 gpu。 马斯克为什么不把这些 gpu 留给 gorque？ 权力和 cloud 的 竞争？答案很现实，因为 grog 已经跟不上第一梯子的节奏。据 cima 了 web 最新数据显示，二零二六年四月， grog 的 全球移动端日活从一千三百九十万降至一千二百二十万，环比下降百分之十二点五，美国市场降幅更是达到百分之十五点六， 市场排名从全球第二跌至第五。更致命的是，其用户留存率不足百分之三十，继续大规模投入， grok 已经很难看到明显的翻盘希望。但这不是马斯克认输，而是他战略转型的开始。他终于调整了自己的竞争路线，从做最好的大模型 转向做最好的算力供应商。以前他想和 open ai 骨骼正面硬钢抢 ai 入口的蛋糕，现在他想给所有 ai 公司提供基础设施，不管谁赢，都要用他的 gpu 和超算。而且 ai 行业的竞争逻辑已经变了， 以前拼的是谁的模型参数更大，谁的推理能力更强。现在拼的是谁有更多的算力，谁能提供更稳定的算力服务。看懂了这一点，你就能明白马斯克为什么要和 klo 的 合作。据路透社二零二六年五月七日报道， spacex 已与 ansorepic 签署独家合作协议，将 klozas 一 超算中心的二十二万张英伟达 gpu 全部租赁给 klo 的 使用，总功率超过三百兆瓦， 相当于一个小型城市的用电量。作为交换， azure pig 承诺未来五年向 spacex 支付超过五百亿美元的算力费用，而且双方还将合作开发太空算力， 把 ai 超算建在轨道上。也就是说，马斯克投出去的不是钱，是闲置的算力资源，换回来的是稳定的现金流和未来的太空算力市场。所以马斯克现在打的是稳定的现金流和未来的太空算力市场。所以马斯克现在打的是稳定。人员聚焦核心， 专注于垂直领域的小模型开发，服务于 x 平台和特斯拉的内部需求，比如自动驾驶、用户交互等。守住自己的基本盘，不彻底退出 ai 赛道第二手牌，把闲置的大规模算力对外出租， 绑定 cloud 这个全球增长最快、商业化最成功的大模型。这样一来，如果 gor 在 垂直领域做出特色，占据一席之地， 马斯克依然拥有自己的 ai 入口。如果 crood 继续领跑通用大模型赛道，马斯克也能从算力服务里赚到最多的钱。不管谁赢，只要用他的算力，他就是最终的赢家。现在的 ai 行业，算力才是真正的稀缺资源，是大模型的命脉。大模型的训练和推理 都需要消耗海量的 gpu， 而且需求还在持续暴涨，而全球 gpu 的 潜能一直处于供不应求的状态，缺口常年存在。 马斯克拥有全球最大的四人 gpu 储备和最成熟的超算运营能力，这是他不可撼动的核心优势，这才是他真正的底细。 cloud 发展得越好，规模越大，对马斯克算力的需求就越大，依赖度也就越高，他赚的钱也就越多。还有人会说， 马斯克为什么不把算力租给 g p t 或者 jammy， 因为 cloud 和 g p t 是 最大的直接竞争对手，而 jammy 和 g p t 的 关系则更加微妙，他们既是对手，又在苹果生态中形成了间接口作。苹果选择了 jammy 作为 siri 的 技术底座，而没有选择 g p t， 这让 jimmy 获得了全球二十亿台 iphone 的 入口，也让 gbt 失去了最大的移动终端市场。马斯克选择和 crow 的 合作，就是为了打破现有的平衡，形成新的三方竞争格局。这件事真正告诉我们的是， ai 战争已经从模型能力之争彻底变成了算力基础设施之争。现在的竞争不再是单个公司之间的竞争，而是生态联盟之间的竞争。一边是微软和 openai， 一 边是谷歌和 android， 还有一边是马斯克的算力联盟。谁能控制更多的 gpu， 提供更便宜的算力，就能吸引更多的开发者 在未来的 ai 行业里占据主导地位。最后问你一个问题，你觉得马斯克的卖铲子策略能让他在 ai 时代继续赢下去吗？你认为两个联盟最终哪个能赢？评论区说说你的看法。收藏这条视频，关注我，带你看透 ai 行业的底层逻辑！
191灵GO
