给AI提供算力个人怎么弄
继上一个 ai 口袋超算 mini 之后，我又看到一款桌面级的 ai 工作站黑板，而且这台的算力明显则更不一样。如果再加上之前的绿联 ai nars 和 ai nars， friday 今年已经陆陆续续看到好几款为 ai 或者 agent 提供算力的本地设备了。 主搭载的是锐龙 ai max 芯片，最高可以调度接近九十六 gb 的 统一内存，官方表示甚至可以运行两百三十八 bmo 大 模型。从目前的消费级产品来看，这已经是非常强大的配置了。 另外，它还支持像 open core 这类 a 准的一键本地部署。说到这，不知道你发现没有，越来越多的硬件开始支持 a 准，甚至专门为 a 准而设计开发的，这也意味着 a 准不仅影响着我们跟软件的交互方式， 影响着硬件的发展。再回来说说我们今年看到的这几款本地算力设备， tini 主打便携同时兼顾算力， friday 则注重隐私安全和个人场景， huber 则往着更大算力的方向去走。我把这几款做了个对照表放到评论区，有兴趣的朋友可以去看看。
粉丝1583获赞1.2万
相关视频
00:50查看AI文稿AI文稿兄弟们，算力要涨！阿里云、百度云宣布，四月十八日起， ai 算力服务涨价最高百分之三十四。那有很多创业团队已经开始焦虑，本来就有限的预算，现在连 ai 都用不起了。这有三个马上能用的降本增效方案。 第一个，边缘计算，就是把轻量级 ai 模型部署到用户设备上，减少云端调用。第二，模型量化，把大模型压缩成小模型，性能损失不到百分之五，成本直接砍半。 第三，合成数据，用 ai 生成训练数据，数据成本降低百分之八十以上。这三个方案组合使用，能让你的 ai 成本在当前基础上再降百分之四十到百分之六十。这不仅仅是省钱，而是在别人都被涨价逼得收缩时，你的项目反而能跑得更快。
160AI赋能 Ethan
00:47查看AI文稿AI文稿搭建机房真的不需要很大的地方看，这里以前是一个小仓库，不到四平方。 ai 算力核，它不受运营商的管制，也不会封网。这是 ai 算力核的工作内容，和我们平时玩手机一样，听歌还能够看短剧， 还能够看小说。 我们是属于正规的商业用途，家庭宽带，做适当规模的运营是没有任何问题的哈。当然喽，如果你想要建规模化的机房，那我建议您用正规的商业宽带。记得点赞关注哦！
04:00查看AI文稿AI文稿上篇我们讲了算力出海的六步练路，资源合规封装、获客、收款、流转。今天接着讲拿到用户之后，具体怎么操作，怎么定价，最容易踩哪些坑。一，算力服务的三种交付模式 不是所有算力都按一种方式卖，根据用户需求和你的资源类型，主流有三种模式。模式一，按调用量计费，用户通过接口调用你的算力，用多少付多少，适合 ai 推理模型调用这类高频小请求。 参考价格，行业普遍在每千次调用零五到五美元之间，取决于模型复杂度和硬件成本。模式二，按时长租用，用户包下一台或几台设备，按时长付费，比如按小时，按天按月， 适合需要稳定环境的训练任务或科研计算。参考价格，单张高性能卡每小时一到三美元是常见区间模式三，按项目打包，用户有明确任务，比如跑一个大规模实验，你按整个项目报价， 适合学术研究企业一次性任务定价逻辑预估，算力消耗乘单位价格， 再加百分之二十到百分之三十的服务费。二、接单渠道去哪里找真实用户？很多人以为算力出海要靠关系，其实公开渠道就能起步。 一，技术社区，比如 gitup huggingface， 很多开发者会在艺术区或论坛里抱怨算力不够，直接去留言或私信提供你的 api 服务。二，海外自由职业平台，比如 upwork 搜索、 gpu runto、 computer power 等关键词，每天都有新需求发布。三，学术圈 reddit 的 r machine learning， r local alme， 经常有研究者求租算力，学术需求往往更稳定、更长期起步，建议先在前两个渠道接三到五个小单，跑通全流程再放大。 三，最容易踩的四个坑。坑一，合规通道没走通就收款，风险很大，必须先拿到牌照或完成通道申报再收海外款项，顺序不能反。 坑二，没有服务协议就交付，哪怕是几百美金的小单，也要有书面协议，写明算力规格、交付时间、验收标准、退款条件。海外用户习惯签合同，不要嫌麻烦。 坑三，定价只看硬件成本，很多新手只算电费和设备折旧，忽略了网络贷、宽运维、人力接口开发、客服响应。建议在硬件成本基础上加百分之三十到百分之五十作为运营和 服务费。坑四，单压一个用户或一个渠道，算力出海最怕用户流失后收入归零，尽量同时维护三到五个稳定客户，并持续拓展新渠道。四，真实起步路径， 如果你现在什么都没有，按这个顺序来，一、先确认你想做的算利类型。二、搞定合规通道。 三、找技术人员合作封装 a p i。 四、在 getup 或 upwork 上找第一个用户，报一个低一些的试用价。五，跑完一个完整订单后，复盘优化再复制到下一个用户。算利出海不是一蹴而就，但每一步都有明确的方向。 五、下篇总结与下一步算力出海的完整闭环资源，合规封装、获客、交付、收款， 每一步都有普通人可以参与的切入点，不需要大资本，不需要大团队，关键是跑通最小闭环。如果你对其中某个环节感兴趣，比如怎么申请海南通道或 api 封装，具体代码怎么写？欢迎留言，我单独出一期戏拆。
8翻盘狮
01:29查看AI文稿AI文稿时代算力就是数字黄金啊，想靠算力赚钱吗？这三种模式，从低门槛到高利润，适配不同的资源和实力的玩家，看懂就能够入卷啊！ 模式一就是机柜的租赁，算力界的租房生意啊，建制算中心做机柜的出租，只提供算力场地和基础的配套，显卡的配置啦，机房的装修全由客户自己搞定的 纯收房租呀！东部高密的机柜月租啊，可以达到一点二到一点八万，西部的绿电机柜呢，四千五到六千元，靠区位和资源优势就稳赚租金了，门槛适中，现金流稳 定。模式二呢，就是算力的直售，一站式的拎包入住，比机柜租赁更进阶，帮客户配齐显卡，调试好设备，打造现成的算力集训， 按需按体、按卡、按时长收费的高端的 gpu 单卡月准四到五万，还持续涨价的啊，客户不用操心搭建你赚硬件的配置，加上算利服务的溢价呀，那毛利比纯租机贵更高了。 模式三呢，就是大模型的 api 的 一个售卖利润天花板啊！算力变现的顶级玩法，背靠自有的大模型，把算力打包成 api， 对 外售卖，按托克调用次数收费的。 像 timi 啦，智普啦走的就是这个路线啊，从赚场地的租金，到赚算利的服务钱，再到赚模型的 api 的 高溢价，卖算利的盈利天花板，一步一步拉高的选对模式，轻松吃定算利的风口。
38AI算力圈刘老师
01:59查看AI文稿AI文稿怎么开始做托管生意呢？今天给大家再分享一个完整的实操步骤啊，一定要点赞收藏！首先第一步呢，你得拥有自己的聚合平台，因为托管像水聚合平台呢，像供水管一样，我们不能见一个人，就问你要不要喝水，是不是等我们有了水，有了管道，才能把托管 卖给 ai 行业当中的企业或者是个人工作者？那第二步啊，你需要把拿到的大模型的 a p a 接口接到你的平台，那么怎么找这些大模型来接入呢？这里有几个办法啊。 首先，目前国内主流正规的大模型厂商，比如说像呃， mini max， 阿里的百链，腾讯的火源这些呢，它头部平台都开放了，这个开发者的 a p a 接口没有啥门槛儿，你可以直接在官网上申请一个开发者的权限就可以了。 呃，等他通过之后，咱们按量付费就行了。这里要记住啊，一开始呢，不要去纠结比价， 不要去纠结有没有专属的一些折扣什么的，刚开始最主要的目的就是跑通完整的业务流程，等到后期你的平台消耗量做起来，再拿着这些单量的消耗呃和厂商谈折扣。 那同时呢，你也可以跟这个托管工厂的直接合作，甚至是一些海外托管的供应商来合作，合作的越多，你提供的就越丰富。然后呢，就可以把这些平台可以把你平台当中的大魔性的 ap 接口推广给你自己的这种上下游的客户还有工作者了。 那么通过上面的这些群体呢，我们把市场上的托管供应商基本上都找到了，是吧？那么最后一个问题来了， 跟这些云服务商啊，还有这个海量的第三方以及海外的公司打交道呢，争取折扣对于来个人来说或者小公司来说是不是非常的难？ 所以这个时候呢，咱们也可以选择直接找一个聚合平台去做他们的服务商。大的聚合平台呢，他们都有稳定的病发量，这个对于刚开始的业务稳定性是非常有帮助的。还想知道哪些留在评论区。
2901汤姆的AI圈
01:45查看AI文稿AI文稿普通人如何抓住算力租赁的风口？三分钟让你初步认识这个新赛道！最近算力租赁和 api 租赁彻底火了，但你知道他们怎么帮你赚钱吗？ 其实原理很简单，就是共享闲置算力。比如你想运行 ai 大 模型或批量生成视频，自己买高端显卡，动辄几十万，成本太高。但如果按小时租赁别人的算力来用呢？成本可能得到控制， 而提供算力的一方也能持续获得收益。 api 租赁就更像租用现成的 ai 能力，比如开发智能聊天机器人或应用，无需自己钻研复杂的技术底层，直接调用成熟接口就能快速上线。现在 ai 视频制作和大模型训练多火， 但高性能计算设备的投入门槛对许多人而言较高，普通人和初创团队根本负担不起， 所以算力租赁就成了市场的刚性需求。对于大多数人，最简单的参与方式就是成为大厂算力产品的推广代理，例如推广腾讯或字节的相关计算服务套餐，不用投入任何硬件成本就能开干成功推荐客户购买算力服务套餐，就能获得可观的推广分成收益。 假如客户购买一万元的算力资源，您可能获得一定比例的佣金。对第二种方式是托管闲置高端显卡，把显卡放到专业算力租赁平台，平台会自动匹配给有需求的用户，你几乎不用操心日常运营维护，可以定期获得收益。 第三种适合有资金实力的朋友，可以合规租赁 a、 i、 d、 c 机房，并配置显卡，然后为企业客户提供算力租赁服务，但这类机房需要严格资质才能运营，个人千万不要随意尝试这种模式，普通人完全可以从代理或托管起步。
16林子烨z
09:47查看AI文稿AI文稿大家好，今天给大家分享用 cloudcode 的 手搓 ai 算力的投研看板。嗯，这期的看板呢，用了一千一百篇研研报，然后最后生成了十一个分析的模块，然后还叠加了 ai 的 新闻的雷达。 开始之前我还是要说一下，本视频仅为 ai 编程能力演示啊，仅展示如何使用 ai 工具工具搭建个人的研究系统，所有内容不构成投任何投资建议，不涉及买卖推荐，市场有风险，投资需谨慎。 ok， 我 们开始先说一下方法论跟工具链啊，我用了 cloud code 加 asset data 我 开源的这个数据库，然后研报出来之后呢，就这次拉了研报比较多，拉了一千一百多篇快一千两百篇研报，然后再让 timi 去批量页阅读和提炼的分析， 最后我再增加了一个 ai 新闻的聚合的一个接口啊，这样就最终就出来了 ai 算力的整个的投研看板核心思路就是 kimi 去读研报，这研报很多嘛，因为都让 crocco 的 读太费头很了，然后 crocco 的 负责搭建这个系统本身，然后 news 一 档就追热点，到时候看喜欢看用了就行了 啊。还是要说一下为什么要手搓啊。就是，呃，每个人都有自己的方法论，就是有了 coco 的 加这些 ai 的 话，你就可以随时迭代升级自己的方法论，它就比较高效吧，也比较贴合自己， 因为每个人的认知都在不停的变，然后也在随时的迭代，技术也在迭代，所以我觉得还是自己手搓的会好用一点。 as 逆的板块呢，其实我是把这些大的方面全部都拆解了，然后接下来我会展示一下就是怎么个拆解的方法，论拆解逻辑才是从成本出发，然后再到服务器，然后再到服务器的各个的模块啊，最终就推导出每个模块的重点是什么。 我给大家还是说一下怎么手搓出来的。首先第一步还是去要搜研报，研报通过这两个去调取就可以了，一千一百份研报我都是这么调取出来的，而且还可以限定二零二六年。 然后这个是 ai 的 批量分析，找一个聪明点的 ai 吧，进行批量分析，别找太笨的，太笨的就就质量就很差。然后第三个就是用 cloud code 搭建这个模块啊， cloud code 根据这个提炼出来的核心的重要的信息，然后进行搭建，然后第四个就接一下 api 的 实时数据，然后加新闻就 ok 了 啊，这个新增什么我就不细说了，就是可能就是对这个模块进行拆解，然后我把这个太空算力也进行了一定的研究，然后还把这个新闻模块也给加进去了。 ok， 感谢大家看到这里啊，就是这期呢，其实研报用的比较多啊，一千一百篇，但是上线肯定还能更高，因为有 ai 嘛，所以这个其实极大提升了我们的效率。 然后分析的模块这个是可以增减的，然后产业环节有十四个，接下来我给大家就开始展示我这个实操的结果啊，因为太长了，所以我就放到了最后，然后大家有兴趣可以接着看这个最终的成果， 大家可以看到这是我整个的一个看版 ai 算力产业链深度分析，这是总的模块，模块有光模块啊， pcb， 嗯，纯 cpu， gpu， 下游算力能源啊，就这些全全都有，我大概给大家展示一下吧，其实你看这个总产业链就得知道到底有什么环节，核心的标的是什么， 然后估值的合理区间啊，这些我就给托敏了，就没展示出来。然后这个估值比较高的是什么？估值比较合理的是什么？然后单个的 b 两百的卡的拆解，它的成本到底是有什么构成的？这样你对某个七分产业链你就有概念了啊？它是不是真的值 啊？这个是机柜啊，机柜他用了这个 g b 两百，他用了七十二张卡嘛？啊，这个标题标题就就就就就不展示了啊。这是一个光模块的板块的分析，就是一点六 t 啊，它的成本拆解，拆解成了芯片，然后只有什么芯片，然后这些就是这些全都下来了，包括他用到的 pcb， 他的主要供应商是谁，就一点六 t， 光模块的成本拆解及主要供应商，这些就可以都拉出来了。然后我们的标的大约标的是什么，这里面也能拆解的出来，这是这个关于核心标的的一些分析啊，就是你看这个大家都知道不可替代性为什么绑定了什么技术路线，中长期的逻辑、核心的风险，这些都是引爆的一些数据的支撑， 然后 ai 也会进行这个专门的分析，然后这个是另外一个标的，然后他不可替代性是什么，然后采链逻辑是什么，核心风险是什么，这些都是有的。然后还包括这个非常疯狂的这个，然后这个是全球的格局，就是这个模块全球的格局，那中际肯定是第一的，它的一点六 t 有 百分之五十， 然后这个是新一胜，那为什么抢优势？在哪？占多少份额？然后元节呢？这个是八百 g 比一点六 t 的 成本的分析， 就是光芯片这块它加了多少？然后这个 dsp 芯片加了多少啊？总的合计加了多少，就是你可以，你就可以看如果要迭代到一点六 t， 那 这个这些这些是不是更，这个销售额会更上升，就大概就是它能拆的很细， 然后就到 pcb 了。 pcb 我 就不想讲解了，反正也是这个逻辑，就是它它有什么用？它为什么要用？然后它用的成本多少？然后每个用完之后它的成本多少？然后每个用完之后它 gpu， 然后户电， 这个是第一的，然后背板是谁？然后电源交换机，就是这些资料呢？他都不是说百度出来的，而是通过这些 research 呃得出来的结论，就是已经经经过这个大的机构去认证过的，把它展示出来给你，然后来形成你自己的逻辑链。所以我觉得这套系统其实是比较有效的。 包括 pcb 的 拆解，就是他的成本为什么从一百涨到了三百到，然后他的因为是成数翻倍了嘛，二十到到四十四，所以就这个就能出来很多你比较了解的结论。然后这个是一个核心票的一个分析，就还是刚才那个逻辑，因为他不可替代性是什么？技术，为什么 p 这么低？核心风险是什么啊？这个也是 这个，这两个是比较热门的标地啊，大家都会想分析，然后这个也有，然后这个是全球的竞争格局，全球啊，目前 pcb 这个板块如果你看好的话，他到到底是一个什么情况，你就会了解的比较透彻了，就是通过 ai 来分析，这么多研报中你就会比较透彻， 然后这是这个我也没细看啊，你们有兴趣可以截图研究一下啊。这个是比较火的存啊，那就它的核心判断是什么呢？大约没有存的直接标定，那都在，都在海外嘛，大家都知道的。那间接收益是什么呢？那是这个封装测试，还有 t s b 的 材料 核心的瓶颈是什么？这个就是，哎，他能通过这么多研报能把这些关键的点给提炼出来啊，你就知道这个市场就是谁的，因为越关键的东西他就越能，越能议价，就供需越不平衡嘛，那，那他的那个业绩就会越好，所以你就通过能通过这个能倒推出来好多东西啊。这个是一个单科的成本拆解， 然后这个是待机的成本的眼镜，就是下一代单 gpu 的 用量，单克的成本堆叠，这个就是啊，封测的这一代都比较火，这个是全球的格局，然后把我们这个间接收益的也写了一下， 然后 gpu 也是 gpu 的 话，那这个是一个推理时代 cpu 的 一个提升的逻辑链路，为什么我们现在会需要 cpu？ 是 因为 a 卷的爆发，然后就推理大于训练，然后 cpu 跟 gpu 协调，反正就是它有一个逻辑链，也有这个分析报告，看这报告还是前天的五月十六号分析的， 然后就可以推解出我们的 gpu， 那 为什么海光它的稀缺性在哪里？因为它叉八六永久的授权，然后库达的百分之九十九兼容，反正就这些。嗯，这个是航空 g 的， 这是整体的一个，你看这是一个竞争的格局啊，现在是一个什么情况？这都是 ai 分 析出来的，通过研报然后加上自己的分析调研出来的，然后这是 cpu， cpu 的 定价的对比。 呃，然后下游企业其实你需要关注整个行业的一个开资本开支的情况，那这些资本开支的信息其实也是能抓取的出来的。你像 q 一 的实际开支，亚马逊是四百四十二亿美元，然后全年直营是两千 啊，这个就在扩张嘛，然后谷歌呢？谷歌啊，这些也是同比增速，反正就是每家都有，就可以看到大概全球的是一个什么水平，然后我们这边呢是个什么水平？你看阿里 未来三年三千八啊，腾讯三百六，然后这个字节也是翻倍，这个估值全景，这个 astropok 啊，它这个，这个信息不准啊，这个目前我知道已经是九千亿了，可能没调研的好。我也我也没太细看， 就是你看到有问题的地方，其实你是能去让他迭代更新信息的，比如说这个肯定是肯定不准的，都是扯淡的。所以现在可以马上让他去更新一批这些模型的信息，然后而且他还能同步 api 去把他的实时股价给更新了。就像昨天那个新闻，智普已经等于两个京东了。所以你看这个多夸张，头部有钱了，那不得开始投投这个算力吗？ 大冒险精神格局，这个也是也是有的，就这太细了，我就不说了，就是，我就给大家分享一下，就是展示一下吧，他的能力边界在哪里？看见我肯定还没有达到能力边界的上限，只是说，嗯，我已经给大家展示出来这个 ai 时代这些工具确实很好用。这个是算力的电力的一个分析，就是全球数据中心的电力的一个增长， gpu 的 一个工号。然后我们这边的能源结构跟美国那边的能源结构跟矛盾顺利协同，这是我们的方案。美国那边的方案呢？是天然气加核电 啊。然后这个是我就专门让他做了一个栏目，叫太空算力，因为特斯拉马斯哥他真的一直在猛猛搞这个东西，吹的很厉害，所以我想看他到底有什么好处，以及啊跟我们的关系是什么，我们的进展怎么样？就他都进行了一些认证，就是 spacex 跟我们的方案， 然后这个命脉是什么，然后跟我们的关联的。呃，这些标的是什么？其实其实他都能分析的出来的。 然后这就是核心标的呢？就是我也进行了一些，就是分析跟布置啊，这个就太太多了，我就不一一说了， 就你就可以分析它的核心竞争力跟全球的格局嘛。 pcb 龙头 a 跟 b 啊，就是刚才那两家，然后这个终极跟天赋就出来了。固值全景呢？其实就是这个产业链内所有的标的，一个固值的全景。那我比较喜欢就是 pe 的 指标嘛，你就可以倒算出来它到底贵还是不贵，因为它增速太快了，所以它的 pe 值就会比较低。 这个就是一个 ai 新闻的聚合，就是把这个 ai 新闻雷达给聚合出来，然后所以它就会出很多的这些新闻，这些都有啊。 ok， 今天讲的比较长啊，也感谢大家收看到这。
1089Simon林
01:19查看AI文稿AI文稿在人工智能加上软件的专项行动中，边缘算力成为核心的关键词。边缘算力就是把 ai 计算放在离用户最近的路由器了，自动驾驶汽车了，然后智能的摄像头等终端的设备上，而非全部运输到远端的大型机房，然后具备低延迟、低成本、保护隐私三大核心的优势。 像自动驾驶这类毫秒级的一个决策的场景，必须依赖是边缘算力，云端的延迟根本就没有办法满足安全的一个需求。那过去行业的盲目扎堆建设大型的智能中心， 存在成本高、能耗大、回报周期长的一个问题啊。边缘算力投入更轻，部署更快，政策明确，有序推进，标志着算力建设从拼规模到转向全域分布式的一个覆盖。算力网络呢，像毛细血管一样渗透到千寒百夜了。 一边是边缘的一个硬件，包括了 ai 推理芯片呢，边缘服务器了，工业级的存储了。二是边缘网覆盖了五 g 装网，然后低功耗的一个广域的互联网。三是边缘的一个应用，聚焦的是智能安防、智能工厂、智能家居的 ai 模组的供应商。 目前赛道仍处于早期的阶段，大家一定要擦亮眼界啊，避开蹭概念这个企业，重点关注财报中边缘计算收入占比高，已经拿到运营商和车企真实订单的公司，这些才是真正值得行业红利的核心玩家。
21AI算力圈刘老师
11:46查看AI文稿AI文稿ai 不 会平等地对待每一个人，但 ai 会公平地对待人类的每一次思考和精益。 这真是个神奇的时代，从人类有历史记录以来，还没有哪个资源能够像今天的 ai 算力一样，是由智慧来分配的。即便你买了最贵的 gptplus 套餐， 只要你不动脑子，不问出一个好问题，你的 ai 就 会像某包 app 一 样，用一堆漂亮的话来讨好你、敷衍你。因为它只需要调动最低限度的计算模型，就能应付一个毫无价值的问题。 那么，什么才是真正有价值的问题？怎样才能从 ai 身上获得最优的答案？如何让 ai 成为自己的能力放大器？这期视频我们主要解答这三个问题。 问题虽然有三个，但答案最终会指向同一个答案。先说一件残酷的事，你以为是同一套 ai 在 回答所有人吗？ 不是同一套系统面对不同的人，运行的是完全不同的底层逻辑。也就是说，高手的 ai 和普通人用的 ai， 虽然界面长得一模一样，但内核根本不是同一个东西。 ai 时代最大的不平等就这样活生生的存在着，他让每个人都困在了自己的认知水平里，而且身处其中，自己却感觉不到。那么，这套系统到底是怎么运行的？ 你问他一个问题，他在生成回答之前，会先做一件事评估你。他不是评估你的学历，不是评估你的付费等级，而是评估你的思维状态。你在找答案还是在找认同？ 你是真的困惑，还是在等一个人举手同意你？一旦系统识别到你是在找认同， 他就会进入一种讨好模式，在守住常识底线的前提下，用最安全的套话尽量附和你，让你感觉被理解、被尊重，甚至被宠爱，绝不会让你感到被冒犯。比如某包 app 的 我太懂你这种感觉了， 我给你最直接、最真相、最不绕弯子、最硬核的回答就是这方面的典型代表。 而一旦识别到你是在真正的思考，他就会瞬间进入另一种状态，调动他的深度推理链条，化身为你的智力假想敌，跟你交锋，指出你的逻辑盲点，甚至毫不客气的反驳你， 这就是业内很多工程师说过的共情模式和交锋模式。同一个系统，两套运行逻辑，到这里，有朋友一定会问，他，只是个程序，凭什么判断我的思维状态？ 凭的是你问出的问题本身。这个问题本身已经出卖了你的认知， 因为你想不明白就写不明白，写不明白就问不明白。而你问的越不明白，系统就越无法激活深度参数，只能在最低工号的简表语言模型下应付你。 这很残酷，因为这几乎意味着，你能从 ai 身上得到什么，并不取决于你给豆包或者千问充了多贵的套餐， 而取决于你提出的问题本身含金量有多高。从程序正义的角度来评价，这已经非常接近哲学家罗尔斯提出的纯粹的程序正义了。 在纯粹的程序正义里，没有绝对的完美结果标准，但游戏规则对所有人绝对公平。算力作为这个时代最核心的资源， 他在运行中的分配机制是极其纯粹的，你输入一刻智慧，他就为你运转一刻算力， 最终你得到的究竟是被哄得舒舒服服的甜言蜜语，还是带给你精神震荡的深刻剖析？你都得认，因为这个结果完全是由你提问的水平决定的。 那么回到第一个问题，什么才是真正有价值的问题？博主个人认为，一个有价值的问题不是你问的有多高深、多生僻，而是他清晰的暴露了你已经思考到了哪一步，以及在哪个具体的点上你被卡住了。 举个例子， ai 会不会取代人类？这就不是一个有价值的问题，因为他没有暴露任何个体思考的痕迹。提问者可能脑子里一片空白，只是随口一问。 但如果你这样问，我观察到 ai 在 逻辑推理、编程和总结分析上已经超过了大多数普通人，但他在提出一个真正的新问题这件事上似乎毫无能力。我想知道，回答问题和提出问题是不是两种完全不同的认知能力。 如果是，当 ai 只能做到前者时，它的进化上限会在哪里？你看，这就是一个极具价值的问题。不是说这个问题本身是什么经世之问， 而是能问出这个问题的人，在敲下键盘之前，已经完成了三件事，观察对比，并发现了事物深层次的矛盾。也就是说，他在向 ai 提问之前，大脑已经深度运转，跑完了一轮完整的思考。 ai 的 神经网络识别到这个状态，就会立刻调动最高规格的推理模块来回应他。不是因为他有什么主观偏好，而是因为你的提问提供了高质量的上下文关联，触发了他深层逻辑关联的最高警报 系统判定这个人值得用最好的回答，最高的算力来拿下。这就是第二个问题的答案。怎样才能获得最优的答案？答案是，你索要不到，你只能配得上。 也就是说，最优的答案不是你可以通过不断挑衅或者花钱定制就能买到的。它是你的思维水平触发的一种系统反应。你自己的引擎转的有多快， ai 这个外挂辅助就能给你加多少油，你到了那个水平，它自动给你， 你没到那个水平，你充多少钱也是白搭。这跟人类历史上任何一种资源的分配方式都完全不同。封建时代按血缘，资本主义时代按资本，互联网时代按信息差。而在 ai 时代按认知水平， 血缘你改不了资本，你可以投资去赚，知识你可以拼命去记。但认知水平这个东西，除了你自己去经历痛苦的自我重构，没有任何人、任何工具能帮你往上抬一步。由此，我们来看第三个问题， 如何让 ai 成为自己的能力放大器？请大家仔细看放大器这三个字。 放大器的物理机制是把你已有的出使值乘以一个倍数。如果你自己脑子里的出使值是零呢？ 零乘以任何庞大的倍数，结果依然是零。这就是为什么很多人每天都在用 ai， 却发现自己的个人能力没有任何长进。他们不是不会用工具，而是他们的大脑里根本没有可以被放大的东西。 有人说，高手用 ai 是 复利型的，普通人是消耗型的。博主觉得这个说法还可以更直白更江湖一点。 高手有内力，可以隔空吸取 ai 的 能量，而普通人没有内力， ai 只能帮他干干杂活。那么，内力到底从哪里来？ a i 绝对给不了你，因为他只能给你结论性的知识，不能替你完成最关键的知识内化。内化的过程必然是痛苦的自我重构，你得推翻自己原来的常识，建立新的理解框架，然后再推翻，再建立。 这个过程，需要你去啃那些成体系枯燥的大布头经典，需要你跟现实中不同的人去碰撞，需要在真实的职场里碰壁，需要从一次次失败的实操里总结肉眼可见的规律。 没有经历过这个痛苦磨练的过程，你面对 ai 的 时候，就永远只能问出那些他用最低工号，不用走算力就能回复你的常识性问题。 不是说那些常识性问题不配被回答，而是说，如果你永远只停留在这个层面，你和 ai 之间就永远只能是一种摸鱼偷懒二人组的关系。你不想烧脑思考， 他也不想费电刺激你，大家客客气气，相安无事。但我必须提醒你，这恰恰是最可怕的。因为久而久之，你会产生一种幻觉，觉得连全知全能的 ai 都百分百认同我的观点，那我肯定没错。 旧时代的信息减房是你自己主动筛选出来的，而 ai 时代的智能减房，是系统为了迎合你，主动为你编织的。也就是说，高手的 ai 越用越锋利，宛如绝世神兵。普通人的 ai 越用越温柔， 最后退化成一个哄你开心的电子宠物。人和人之间的差距，不但没有因为技术的普及而缩小，反而正在被指数级的拉大。 老实说，这幅图景既让人兴奋，也让人感到深深的恐惧。兴奋的是，对于一个习惯了深度思考、有强大内力的人来说， ai 是 一个前所未有的超级杠杆。你过去需要一整个精英团队才能启动的项目， 现在可能只需要你构建一个完美的问题框架， ai 就 能帮你执行出来。而恐惧的是， ai 时代最彻底的筛选是，绝大多数人根本意识不到自己已经被淘汰了，他们手里拿着神兵利器，却觉得这东西也言过其实吗？ 然后继续用它写一些连自己都不想看第二遍的周报日报。讲到这里，我们不难得出那个最终结论， ai 从来没有降低各行各业的门槛，他只是把门槛从技术层面转移到了认知层面。 写代码的语法、画图的技巧、润色文案的套路，这些门槛确实被降成了零。 但能否提出一个一针见血的深度好问题，能否准确判断 ai 生成的答案到底有没有含金量？能否在 ai 给出的无数种可能性中挑出那个制胜的绝杀选项？ 这些门槛反而比以前任何一个时代都要高的多。因为以前你不需要面对一个什么都懂得归机生命。而现在，你每天都要跟他对话，你问出什么水平的问题，你就配得上什么水平的回答。零乘以任何数都只能是零。 种一棵树最好的时机是十年前，其次就是现在，从今天开始，别急着把问题一股脑丢给 ai， 先停一下深呼吸，问问自己，我的大脑里现在有什么东西值得被它放大。 当所有人都被善解人意、百依百顺的讨好型 ai 包围的时候，人和人之间终极的差距将不再取决于他们拥有什么级别的工具，而取决于他们的内力究竟能不能经受得起那个将被无限放大的倍数。 视频的最后，博主也想偷偷地问各位一句，如果 ai 就是 你的能力放大器，此时此刻你正在被放大的到底是什么？
6248僧赵（逻辑∧哲学）
00:53查看AI文稿AI文稿一家专注于肺部 ct 影像 ai 诊断模型研发的本地企业，因每日需要处理五万多份的临床影像数据，现在的算力单的模型训练超过了三十六个小时了， 迭代效率低下严重之后临床验证的速度。其现在的算力设备存在算力密度不足、多卡协调调度能力弱的问题，无法支撑大规模的影像数据并行处理， 多次因算力瓶颈错过了模型优化的关键节点。为此呢，我们提供的解决方案是，部署二十四卡的英伟达 h 一 百 gpu 集训，搭配三 tb 的 高速缓存，加上六 tb 的 内存，支持分布式运行。训练 方案实施后呢，五万多分的影像数据啊，接入了单轮训练，压缩至四点五个小时以内，可同步开展多中心的临床数据适配验证模型的迭代效率提升了百分之八十七，研发周期啊缩短了三分之二。后续呢，还可拓展多部位的影像诊断算力支持，满足 ai 医疗、影像算法训练等算力的需求。
41AI算力圈刘老师
01:04查看AI文稿AI文稿经常有人问，末方制算的算力设备和普通家用电脑、日常办公服务器有什么区别？今天通俗易懂的给大家讲明白。我们的专属算力设备是针对 ai 推理、运算场景深度优化适配的主打 ai 底层算力服务， 和普通民用设备的应用场景完全不同。大家日常使用的家用电脑、普通服务器主要适配办公、简单预算、日常娱乐等轻量化场景，无法长时间承载高频持续的专业 ai 运算工作。 而末方制算的算力设备经过专属底层系统优化和硬件调校，设备到货后仅需简单通电联网完成基础部署，就能接入全域算力网络， 可稳定承接 ai 推理、图像渲染、大数据处理、智能指令运算等各类算力任务，专门适配 ai 算力运营场景。不管是设备适配性、运行稳定性，都更适合长期开展分布式算力服务。
7未来可期
03:38查看AI文稿AI文稿哈喽，大家好，欢迎来到智研所。哎，你听说了吗？全国首个绿色算力全站 ai 平台在呼和浩特上线了。哦，这个我刷到新闻了，当时就觉得首个俩字挺吸睛的，不过听你这语气，背后还有更深的门道。 那可不，首个只是个名头，他背后的三层深意才是真值得咱们好好掰扯的。先说说第一层啊，是价值的三次迭代，你听着就有意思了。价值迭代？怎么个迭代法？ 早年间咱们搞西电东送，说白了就是卖电赚电费，后来东数西算起来了，就变成赚算利租赁费。现在倒好，这个平台直接上线了，磁源交易，开始赚 token 服务费了，每一次转化附加值都翻好几倍呢。 哇，这跨度够大的，那具体到咱们熟悉的东西，比如一度电，搁这三次叠代理能差多少？ 你别说，我还真算了算，一度电在家最多烧八壶开水，到了数据中心呢，能生成五十张 ai 图，这价值差的可不是一星半点吧。 确实，这对比太直观了。那第二层深意又是什么？第二层啊，我觉得才是真正的护城河算电协同。你想啊，这个平台有四十一公里的绿电专线，直供到户电价才零点三六元，比北京低了三分之二呢。 这电价也太香了，除了电价还有别的优势吗？当然有啊，呼和浩特年均气温才七点七度，一年有六个月能自然冷却，所以他的 pe 低到一点一五，这在行业里都是领先水平。你知道 pe 是 什么吗？就是数据中心的能耗比，越接近一一越节能。 哦，对，我之前了解过，一般数据中心 pe 能到一点二就不错了，一点一五确实厉害。那第三层呢？ 第三层就更有意思了，他把 token 从技术概念变成了可交易的资产，这个平台实现了合规的 token 交易，未来还打算发 token 券、算利券，到时候结算就跟交水电费一样日常。这么说来，这是要打造算力版的国家电网啊。 错了，这才是他真正的起点，让算力像水电一样随用随取。说到这，还得提提受益的五大企业，个个都在产业链上占着关键位置。快给我说说都有谁？ 首先是内蒙华电，它是绿电直供的能源基石，然后中科曙光提供液冷的国产算力底座。浪潮信息呢，是算力调度的大脑。还有宏博股份，走的是碳智算加新能源的双线。最后是首都再现，靠本地化运营建起了区域壁垒， 这么一看，整个产业链都给串起来了。那这么说，算力随用随取的时代真的从呼和浩开始了？ 我觉得是这样，这个平台不只是建了个 ai 中心那么简单，它是在给未来的算力经济搭框架，以后咱们用 ai 算力，可能就跟现在插个插座用电一样方便。想想还挺期待的，以后中小企业也能低成本用上高端算力了。 对啊，这才是最有意义的地方，以前算力资源都集中在少数大企业手里，现在这个模式一跑通，说不定能催生出好多新的 ai 应用呢。错，技术落地了，才能真正改变生活。今天这一聊，可真是比光看个首个的新闻明白多了。 可不是吗，所以说咱们看新闻啊，得多往深了想。想好了，今天关于这个绿色算力 ai 平台的事，咱们就聊到这，大家有什么想法欢迎在评论区留言，咱们下期再见！
01:07查看AI文稿AI文稿在这个位置呀，我们要从关注 ai 硬件儿慢慢移给 ai 卖水人了。美国有家公司叫 equinex， 它最开始做机房服务的，如今却成长了全球数字基础设施的龙头性公司，市值现在有一千多亿美金， 基亿竟然有七十多位，拼一拼英伟达还高，为什么呢？因为它不止做的是机房， 它有呢？全球 ai 最稀缺的资源就是把电力算力业了，最大的承载量在中国呢，最像早期的 incase 就是 润泽了，它有自己的园区电力，同时布局了 ai dc。 如果接下来机器人 ai agent 以及无人驾驶大量爆发的情况下，都得需要接入大量的算力，所以最终受益的有可能提供这些算力平台型的公司。 润泽最大的看点的不是它的 a、 d、 c， 而是能不能成为中国版的 equinix。 以上呢，是自己的产业逻辑分析，不构成具体的投资建议，大家如果有相同的看法，欢迎在评论区一起探讨。
