00:00 / 04:38
连播
清屏
智能
倍速
点赞95
00:00 / 09:45
连播
清屏
智能
倍速
点赞150
00:00 / 00:54
连播
清屏
智能
倍速
点赞77
00:00 / 00:24
连播
清屏
智能
倍速
点赞26
据报道,英伟达下周将在加州总部召开闭门峰会,核心议题不是发布新芯片,而是解决“数据中心电力短缺”这个硬骨头。要知道,英伟达可是AI算力的“发动机制造商”,如今主动牵头讨论电力问题,背后藏着AI产业发展的关键转折——芯片之后,电力才是决定胜负的新赛道。 为啥英伟达要急着管“电的事”?答案很简单:自家的芯片太能“吃电”了。2025年数据显示,英伟达H100芯片单卡功耗高达七百瓦,一座万卡规模的AI集群,一年耗电量堪比一座小型城市,相当于三千个家庭的月用电量。 芯片卖得越火,电力缺口就越突出。美国已经出现了尴尬场景:微软弗吉尼亚州的AI数据中心因电网容量不足被迫延迟投产,成堆的H100芯片堆在机架上“吃灰”。摩根士丹利预测,2028年美国数据中心电力缺口将达四十四个吉瓦,相当于四十四座核电站的发电量。对英伟达来说,电力短缺不是别人的难题,而是自家芯片无法落地的“拦路虎”,自然要主动破局。 AI算力的疯狂增长,正在重塑电力行业的发展逻辑,咱们可以用一个通俗的比喻理解:如果AI是飞驰的高铁,电力系统就是轨道和供电网,以前的“乡村小路”根本扛不住“高铁”的速度。 首先是“空间重构”逻辑,电力资源要跟着算力走。AI数据中心不再扎堆东部城市,而是向西部绿电富集区转移。中国“东数西算”战略已经给出答案:内蒙古、甘肃的算力中心绿电占比超百分之五十五,贵州贵安新区四百万台服务器实现绿电直供,既解决了东部电力紧张,又盘活了西部清洁能源 。这种“东算西电”的格局,让电力运输和配置成为新的产业机会。 其次是“技术升级”逻辑,低效供电模式被加速淘汰。传统风冷技术根本压不住AI服务器的高温,液冷技术从“可选”变成“必选”——2025年国产液冷技术渗透率已从百分之十五跃升至百分之四十,华为全液冷方案能让数据中心PUE,从二点二降至一点一,单大型数据中心年省电费超一亿元。 最后是“绿色转型”逻辑,政策和市场双轮驱动。工信部要求2025年全国数据中心平均PUE降至一点五以下,国家枢纽节点新建数据中心绿电占比不低于百分之八十 。在政策倒逼下,“光伏+储能+算力”一体化模式快速推广,中国电信内蒙古信息园绿电消费占比达百分之九十,成为行业标杆 。 #英伟达闭门会议 #数据中心算力 #电力行业现状 #储能概念股 #阳光电源
00:00 / 03:16
连播
清屏
智能
倍速
点赞113
0%变成12%!因为写得太好被检测为AI,这届大学生太难了 最近在 Reddit 上面看到一个AI检测工具的故事,挺有意思的。 一个人帮他老婆改研究生论文。他老婆的写作风格是意识流,不太懂学术规范,他就帮着大改了一遍。 结果,他眼睁睁看着老婆把那些漂亮的句子一个个删掉,换成更笨拙的表达。 原因很离谱:初稿的 AI 检测率为 0%,他改完之后的版本跳到了 12%。她必须把那些“看起来像 AI 写的部分”改回去。 这位丈夫没有生气,他只是看到了一个正在发生的现实:学生们可能正在学习一种奇怪、笨拙的写作方式,只是为了不被 AI 检测器标记出来。 其实类似的事情早就发生过了,叫应试教育。 为了通过考试,学生学会了一套“正确但无用”的八股。高考有高考体,雅思有雅思体。学生通过了考试,写作能力却废了。现在 AI 检测器也在制造同样的问题。 这是一个无解的死局。学校要防止学生作弊,老师要有评判标准,学生要通过考试,检测工具公司要卖产品。每个人都在做正确的事情,但所有“正确”加在一起,却了造成一个哭笑不得的局面:惩罚写得好的人,奖励写得笨拙的人。 完全放弃 AI 检测也不现实,等于放任作弊。但用检测器,就必然会误伤一部分人(比如那些写作能力本来就很好的人)。 系统层面只能不断优化,没有完美解。对个人来说,也只能适应游戏规则,然后自己谋求出路。 这大概就是我们这个时代的“八股文”吧。
00:00 / 02:08
连播
清屏
智能
倍速
点赞1
00:00 / 01:08
连播
清屏
智能
倍速
点赞0
Qiuming1周前
LeCun三周后离职Meta,痛批硅谷陷入“大模型幻觉”. 近日,图灵奖得主、Meta首席AI科学家杨立昆(Yann LeCun)在离职前接受深度访谈,发出尖锐警告。他直言硅谷对大语言模型(LLM)的狂热是一条“死路”,无法通往通用人工智能(AGI),并宣布将创办新公司AMI,全力押注“世界模型”路线。 核心批判:LLM路线是“胡说八道” 在近两小时的访谈中,LeCun猛烈抨击了当前AI界的主流方向。他认为,不断堆数据、扩规模的LLM研发模式纯属“集体幻觉”,依赖合成数据、大量人工标注与强化学习技巧的所谓“超级智能”路径“根本行不通,永远不可能成功”。他强调,LLM缺乏对物理世界的真实理解,智能水平甚至远不及猫或幼儿。 提出出路:“世界模型”与JEPA架构 LeCun指出,实现人类水平智能的关键在于构建“世界模型”——系统能在抽象表示空间中预测行动后果,并据此进行规划。他倡导的“联合嵌入预测架构(JEPA)”正是为此设计,旨在从高维、连续的感官数据(如视频)中学习,而非局限于文本。他认为,现实世界数据的丰富结构性远超文本,是实现突破的基础。 炮轰硅谷文化,宣布创业 LeCun批评硅谷形成了危险的“单一文化”,各大公司在LLM赛道上陷入内卷,恐惧偏离主流而落后。为摆脱此环境,他决定在离职Meta三周后,正式创办Advanced Machine Intelligence(AMI)。该公司总部设于巴黎,将坚持开放研究传统,专注于世界模型的研发与产品化。 展望未来:AGI概念“胡扯”,类人AI需时 LeCun认为“通用人工智能(AGI)”概念本身无意义,但预计未来5-10年可能出现达到“狗级”智能的AI,而实现人类水平可能需更长时间。他建议年轻从业者应学习数学、物理、工程等具有“长保质期”的基础学科,而非追逐短期技术热点,以应对快速变化的AI领域。 https://x.com/ziv_ravid/status/2000654377258745912?s=20 https://www.the-information-bottleneck.com/ep20-yann-lecun/ https://youtu.be/ykfQD1_WPBQ
00:00 / 03:09
连播
清屏
智能
倍速
点赞1
00:00 / 00:24
连播
清屏
智能
倍速
点赞6
00:00 / 01:18
连播
清屏
智能
倍速
点赞8216
00:00 / 05:35
连播
清屏
智能
倍速
点赞57