您是不是在找：

便装电工1年前
电工常用文字符号一览表#电气字母符号大全 #每天学习一点点 #电工 #每天分享不同电工知识 #电工懂电工
00:00 / 00:26
连播
清屏
智能
倍速
点赞1056
新华社1周前
华为今天发布韬（τ）定律，到底是什么意思？今天，在上海的IEEE国际电路与系统研讨会上，华为公司董事、半导体业务部总裁何庭波演讲时，发表了一条新定律——韬（τ）定律。这几个字一出来很快就刷屏了。（韬τ）是时间常数。华为的韬（τ）定律，核心是用"时间缩微"替代"几何缩微"。一起来认识一下吧。
00:00 / 02:11
连播
清屏
智能
倍速
点赞NaN
创客灰太狼1天前
警惕，超级厄尔尼诺来袭！
00:00 / 05:03
连播
清屏
智能
倍速
点赞34
CC CodeX3天前
Claude4.8被问成千问？deepseek？ Claude Opus 4.8 刚更新，网上最热的是它疑似把自己说成千问、DeepSeek，引发“是不是蒸馏同行”的讨论。 但这不是实锤。真正值得注意的是 Claude Code 的 Dynamic Workflows：它开始能把大任务拆开，让 subagents 并行找问题、互相复查、再收口。 AI 编程正在从“一个聪明助手”，变成“可调度、可长跑、可复查的工作系统”。#Claude #ClaudeCode #ClaudeOpus48 #AI编程 #人工智能
00:00 / 01:21
连播
清屏
智能
倍速
点赞40
企业Ai布道师4天前
终于搞懂“本体”（Ontology）了。到底什么是“本体”（Ontology）？1993年，计算机科学家才给它下了个严格定义——“概念化规范”。说白了，本体就是机器和机器、机器和人类之间一份唯一确定的“共享语义契约”。有了它，代码里的符号才不会随时间偏移，被系统张冠李戴。 我对比了现在常用的RAG和基于本体的知识图谱：普通RAG就是扁平的文本块，靠概率算相似度，完全是个黑盒；而基于本体的图谱，靠明确的实体和语义关系，能做确定性的多跳推理，每一步路径都清清楚楚。所以企业架构的终局，肯定是GraphRAG——用图谱保证推理精度和合规，用RAG覆盖非结构化数据的广度。 再说说三层本体架构： 📍顶层“角色本体”：给Agent定视角和KPI，比如让CFO只盯ARR指标； 📊中层“领域本体”：定义行业实体和合规范围，做Agent的业务大脑； 🔗底层“交互本体”：规范工作流和交接协议，确保每步符合SOX或HIPAA法规。 这套体系能在输入端做透视感知，输出端做严格的神经符号约束。 机制设计上，Ontology还首创了ONT和ONG的双币平衡模型：ONT管网络治理，总量10亿且不可分割。
00:00 / 05:06
连播
清屏
智能
倍速
点赞19
Rex4天前
Dwarkesh × 黄仁勋：护城河、TPU威胁与中国芯片 CUDA是一个数据飞轮，"力所能免"是平台公司的正确本能 #英伟达 #AI #人工智能 #芯片#美国
00:00 / 02:31
连播
清屏
智能
倍速
点赞14
何理阮糖1周前
华为发布的韬（τ）定律到底是啥意思？ #科普 #韬定律 #手绘 #芯片 #华为
00:00 / 01:42
连播
清屏
智能
倍速
点赞15
优陆优川工控说1周前
EtherCAT凭啥这么快？真相了 工控人必看！一提到PROFINET和EtherCAT，大家都知道EtherCAT快，但它是靠网线粗取胜的吗？大错特错！ 其实，传统工业总线就像开货车取快递，停一辆拿一件，耗时极长。而EtherCAT真正厉害的是它的“通讯方式”——边开边拿，数据穿行而过，效率直接翻倍！ 想要让设备通讯稳如老狗，选对底层硬件更关键。我们是ULO优陆电子源头工厂与UTRIO优川科技源头厂家，专注于为您提供极致性价比的工业通讯与控制方案。无论是对接倍福系统的EtherCAT分布式IO，还是高频插拔的工业连接器，优陆电子与优川科技自研自造的硬核实力为您保驾护航。依托33.4亩自有土地与23,000㎡智造厂房，我们的全链路数字化车间保障每一款产品交期可控、品质如一。秉承倪总“创一代，信一代”的契约精神，我们坚守信以致远，奋斗以成！部分产品具备UL、CE、RoHS等认证，如需了解详情请与我们联系确认。精密连接驱动创新，智能控制赋能工业！ #工业自动化 #EtherCAT #PLC编程 #电气工程师 #优川科技
00:00 / 00:45
连播
清屏
智能
倍速
点赞17
布道者杨百变3天前
怎么通俗理解算力token AI扫盲。从头到尾把AI拆解给你
00:00 / 02:04
连播
清屏
智能
倍速
点赞4
Kamisama6天前
⚠️ TrapDoor攻击：你的Cursor和Claude正 TrapDoor攻击同时袭击npm、PyPI和Crates.io，涉及34个恶意包 攻击者向开源项目注入篡改的CLAUDE.md和.cursorrules配置文件 这是首次大规模利用AI编码助手信任链的攻击，AI工具链本身成了新的攻击面 当你信任AI帮你写代码，攻击者只需要让AI读一份恶意指令就能绕过所有防线 立即审计你的CLAUDE.md和.cursorrules，拒绝来自不明PR的配置文件变更 AI Coding时代的安全意识不是可选项，而是每个开发者的基础素养#AI安全 #供应链攻击 #Cursor #Claude #AI编程 #网T络rapDoor络安全
00:00 / 00:37
连播
清屏
智能
倍速
点赞0
AI发条橙1周前
Karpathy入职Anthropic后首次公开亮相 1. Vibe Coding（氛围编码/ vibe 编码）已死 • Karpathy 去年自己提出的“Vibe Coding”概念（靠感觉、prompt 驱动 AI 写代码，完全沉浸在“氛围”中，不用太在意底层代码细节）现在被他自己宣告过时。 • 早期用 LLM 写代码很神奇，能快速出 demo，但实际生产环境中问题很多：代码冗余、抽象脆弱、可维护性差、难以长期可靠运行。 2. 转向 Software 3.0 + Agentic Engineering（代理式工程） • Software 3.0：软件开发范式彻底改变。从传统“写代码”（Software 1.0/2.0）转向用 LLM 作为可编程的“幽灵”（ghosts）来构建系统，而不是把 LLM 当成“动物”或随机宠物。 • LLM 不是可靠的“程序员”，而是统计性的、 jagged（参差不齐）的实体，需要人类用新的判断力和品味来引导。 • Agentic Engineering 是更严肃的下一阶段：强调验证（verification）、评估框架（eval harness）、控制回路和系统工程方法，而不是纯靠 vibe。 • 目标是保留专业软件原有的质量标准，同时利用 AI 的速度。 3. 关键观点与隐喻 • LLM 像“幽灵”：你可以召唤它们，但它们不是确定性的，需要精心设计环境和约束。 • 开发者未来竞争力在于系统设计、验证能力，而非单纯 prompt 技巧。 • 演示 vs 生产：demo 很容易“works on my machine”，但产品需要“works all the time”，这就需要工程化方法。 • Karpathy 强调：虽然 AI 能承担更多任务，但人类在理解、判断和最终责任上的技能反而更重要。 总结一句话： Karpathy 亲手埋葬了自己发明的“Vibe Coding”，呼吁大家从“随缘 prompt”转向更结构化、工程化的 Agentic Software 3.0 时代 —— LLM 是强大工具，但必须用严谨的系统思维来驾驭。 #全球ai竞争 #Karpathy #Software3.0
00:00 / 29:43
连播
清屏
智能
倍速
点赞35
土妹编程2天前
【干货】LangGraph / CrewAI 都过时了？ 别再默认上 LangGraph：2026 年做 AI Agent，真正的趋势不是框架越来越复杂，而是重新回到软件工程。 🔧 这期聊一个很现实的问题：LangChain、LangGraph、CrewAI、AutoGen 这些 Agent 框架，到底还值不值得学？我不会简单说它们“死了”或者“没用了”，而是从生产系统的角度讲清楚：什么场景适合用，什么场景其实是在给自己加复杂度。 ⚡ LangGraph 仍然很强，尤其适合 long-running、stateful、human-in-the-loop 的 Agent 编排。但如果只是简单工具调用、结构化抽取、客服机器人、明确业务流，默认上 Graph、State、Node、Edge、Checkpoint，很多时候就是过度设计。 🚧 CrewAI 的 Demo 体验非常爽，角色、任务、协作都很直观。但生产系统要的是确定字段、权限边界、失败重试、审计日志、SLA 和可复现性。纯自然语言多 Agent 协作，在企业系统里很容易变成 token 成本、延迟和调试噩梦。 🧭 AutoGen 的历史意义很大，它很早推动了多 Agent 对话解决问题的范式。但现在新项目选型，需要关注 Microsoft Agent Framework、OpenAI Agents SDK、Claude Agent SDK / Managed Agents、Pydantic AI、Instructor、Temporal、LlamaIndex 这些更明确分层的方案。 🧠 我的核心观点：AI 的尽头不是越来越复杂的黑盒框架，而是回归经典的软件工程。把大模型当成一个组件，用数据库管理状态，用队列和 Temporal 管长任务，用类型系统和 schema 管输出，用 trace/eval/log 管质量。 如果你正在做 AI Agent、LLM 应用、RAG 系统，或者正在纠结 LangGraph、CrewAI、AutoGen、OpenAI Agents SDK 怎么选，这期会给你一个更工程化的判断框架。 喜欢这种 AI 工程实战和技术选型分析，记得点赞、订阅。也欢迎在评论区说说：你们团队现在还在用 LangGraph，还是已经退回原生 SDK 了？CrewAI 有没有真的上过生产？ AI Agent, AI智能体, Agent框架
00:00 / 10:08
连播
清屏
智能
倍速
点赞729
豆爸3天前
ClaudeCode最新功能 /effort ultracode （简称 ultracode）是 Claude Code（Opus 4.8+）最新、最高级的一档，本质是：xhigh 级深度思考 + 全自动动态工作流（Dynamic Workflows） 的组合大招。 强大的背后烧token😂
00:00 / 00:24
连播
清屏
智能
倍速
点赞6
番茄讲堂3天前
用AI解读ASCO Poster，科研效率能提高多少？ ASCO每年的Poster太多了， 可以尝试用「药番茄」的AI知识库功能， 直接把ASCO poster丢进去做解析。 这期视频，带大家实际看看： AI到底能把ASCO poster解读到什么程度。
00:00 / 02:50
连播
清屏
智能
倍速
点赞1
Aki爸爸3天前
比自回归更快？扩散模型如何颠覆文本生成 💡Hugging Face近期发布博客，介绍了Nemotron-Labs推出的扩散语言模型（Diffusion Language Models），旨在打造“光速级”的超高速文本生成 🔍传统的大语言模型通常采用自回归（Autoregressive）机制，即逐个Token生成，这在生成长文本时容易遇到严重的延迟瓶颈。而扩散模型则是通过同时对所有Token进行去噪来生成文本，从而颠覆了传统的推理流程。 📊从分析师视角来看，这一研究代表了LLM底层架构从自回归向非自回归演进的重要趋势。如果该技术能够克服文本离散性带来的训练难题，可能会在推理速度上对现有架构形成有力竞争。 🚀该技术的发展预计将对以下领域产生深远影响： 1. 实时交互领域：如智能客服、语音助手等对低延迟要求极高的场景。 2. 算力成本控制：更低的计算延迟有助于企业降低在大规模部署AI时的硬件运行成本。 🛠对于开发者和企业决策者而言，建议即刻关注Nemotron-Labs在Hugging Face上开源的相关模型与技术文档。通过测试非自回归模型的推理吞吐量，评估其在自身业务场景中的应用可行性。 #AI扩散模型 #大语言模型 #HuggingFace #技术前沿 #生成式AI
00:00 / 00:27
连播
清屏
智能
倍速
点赞1
佳毅in科创圈5天前
#黄仁勋 喊话all in的#物理Ai 究竟是什么？
00:00 / 02:02
连播
清屏
智能
倍速
点赞9
应心2天前
星话大白——厄尔尼诺现象 星话大白——厄尔尼诺现象#宇宙星系科普 #每天一个科学知识分享 #认知科学小知识
00:00 / 00:22
连播
清屏
智能
倍速
点赞0
MCU电子方案开发斯瑞纳10月前
电子元器件上的字母数字意思你知道吗？ #科普 #电子元器件 #干货分享 #软件开发 #芯片
00:00 / 00:25
连播
清屏
智能
倍速
点赞20
山东普纳德测控技术有限公司2月前
PT100 与 PT1000 铂电阻（RTD）传感器的区别 #传感器 #温度传感器 #pt100热电阻 #pt1000 #传感器厂家 现货，欢迎咨询
00:00 / 02:47
连播
清屏
智能
倍速
点赞3
Mekia读研报6天前
5.27 华为提了个“Tau定律”，凭什么让华尔街看好光模块的未来？（Morgan Stanley） 当市场还在纠结摩尔定律的尽头时，华为提出的Tau（τ）定律，似乎为AI时代的硬件需求提供了一个新的底层叙事。Morgan Stanley迅速捕捉到了这一变化，并看到了其中蕴含的巨大商机。 * Tau定律是什么：简单说，这是一个通过优化信号延迟，在不依赖最先进制程的情况下提升芯片性能和集成度的方法。它采用逻辑折叠等技术，预计到2035年将推动AI集群硬件集成度增长超过100倍。 * 投资含义：这对AI光收发器行业意味着什么？指数级的增长。因为硬件集成度的爆炸，意味着数据中心内部需要传输的数据量将出现指数级增长，这将极大地推动对高速、高密度的光互连模块的需求。Morgan Stanley认为这为整个光收发器行业的需求增长提供了“坚实基础”。 所以，不是只有“更小的制程”才能推动半导体进步。中国提出的“Tau定律”展示了另一条路径，而这恰恰打开了一个新的市场空间：光互联设备。这解释了为什么机构对这个看似小众的板块如此乐观。他们赌的是，当物理定律走向尽头时，架构创新将开启新一轮的硬件黄金周期。 大摩真正交易什么 大摩交易的是“架构创新带来的确定性的产业升级”。传统上讲，AI需求靠“堆芯片”，现在是靠“堆连接”。Tau定律的提出，是对“堆连接”这个长期逻辑的顶级背书。机构交易的逻辑是：光模块/光收发器将成为未来AI数据中心最不可或缺的“基础物料”，其需求和价值将因Tau定律而长期增长。这是一个从“算力投资”向“运力投资”转变的宏大叙事。 【催化剂】 * Huawei Connect或其他行业大会上关于Tau定律的更多技术细节发布。 * 800G/1.6T光模块的订单和出货量数据。 * 主要云厂商（Microsoft, Meta, Google）的下一代AI数据中心资本开支计划。 #研报分享 #Mekia研报分享 #Tau定律 #华为#光模块
00:00 / 02:03
连播
清屏
智能
倍速
点赞2
方言4天前
什么是华为“韬定律”？
00:00 / 04:05
连播
清屏
智能
倍速
点赞35
金木的AI思考3天前
Agent-RAG-MCP-Skill-概念梳理
00:00 / 04:54
连播
清屏
智能
倍速
点赞41
安全论谭4天前
3分钟搞懂“事件树分析”！安全专家的秘密武器🚀 事件树分析（ETA）是什么？ 它是一种从初始事件（比如：燃气泄漏、电机过热）开始，按时间顺序顺推，分析系统所有可能发展结果的“二值逻辑”方法。简单说，就是回答：“如果A发生了，接下来会怎样？” 核心灵魂：三招必杀技 找起点（定初始事件）： 这是关键！通常选能引发大事故的源头。比如分析火灾，起点是“燃气泄漏”，而不是“爆炸”。可通过经验或FMEA、PHA等分析结果确定。 画分支（编事件树）： 一旦起点定了，就模拟安全系统如何反应。把每个功能单元（如：探测器是否报警、灭火系统是否启动）设为“成功”和“失败”两种状态，按时序逻辑向右画。成功走上面，失败走下面，直到所有可能路径都画出来。 算概率（定量分析）： 知道每个“成功/失败”的概率后，把一条路径上的概率相乘，就能算出最终后果的概率。比如：串联系统下所有单元都成功，系统才成功；并联系统下，只要有一个成功，系统就成功。 ETA有什么用？ ✅ 动态分析： 看清事故从哪来、如何一步步发展。 ✅ 快速找漏洞： 一眼看出哪个安全环节最薄弱。 ✅ 科学决策： 为制定预防措施、确定事故树（FTA）的顶事件提供依据。 【总结一句话】 ETA是安全管理的“时间侦探”，从源头顺藤摸瓜，把系统所有可能的命运都画出来，让你做到防患于未然。 你学会了吗？评论区聊聊你工作中遇到过的危险初始事件吧！ #安全教育 #注册安全工程师 #事件树 #安全生产 #安全系统工程
00:00 / 07:25
连播
清屏
智能
倍速
点赞21
文竹是真名3天前
黄仁勋的“AI五层蛋糕”理论 #黄仁勋 #英伟达 #AI教育 #学习AI #个人成长 黄仁勋的5层蛋糕理论黄仁勋的“AI五层蛋糕”理论是其在2026年提出的一个关于人工智能产业架构的框架，旨在将AI视为像电力和互联网一样的基础设施，并将其分解为五个相互依赖的层级。自下而上分别是：1.能源层（Energy）这是AI运行的物理基础，被黄仁勋定义为“第一性原理”。实时生成智能需要持续的电力支持，能源供给决定了AI系统能产出智能的规模上限。高效、稳定的能源供应是支撑整个AI生态的生命线。2.芯片层（Chips）负责将电能高效转化为计算能力。AI工作负载需要庞大的并行计算能力、高带宽内存以及快速的互连技术，芯片层的进步直接决定了AI的扩展速度和智能成本的下降程度。英伟达的GPU等专用芯片是这一层的核心。3.基础设施层（Infrastructure）被称为“AI工厂”，涵盖土地、电力输送、冷却系统、建筑工程、网络通信以及将成千上万个处理器协同编排为一台机器的系统。其设计初衷是为了“制造智能”，而非存储信息。4.模型层（Models）是AI的智能内核，涵盖大语言模型以及能够理解生物学、化学、物理学、金融学、医学等多个领域的模型。开源模型在降低技术门槛、加速应用普及方面发挥了关键作用。5.应用层（Applications）是AI创造经济价值的最终体现，包括药物研发平台、工业机器人、法律助手、自动驾驶汽车等具体应用。成功的应用会反向拉动其下方的每一层，形成强大的产业拉动效应。黄仁勋强调，这五层架构并非简单的技术堆叠，而是一个从物理基础到经济价值创造的完整链条。上层应用的繁荣会强劲拉动底层需求，而底层技术的突破又为上层创新提供可能，共同构成一个自增强的飞轮系统。
00:00 / 01:56
连播
清屏
智能
倍速
点赞15
环通点击2年前
RoHS有害物质指令正确认识 #RoHS
00:00 / 05:35
连播
清屏
智能
倍速
点赞29
彐公1天前
《The Stars Silent Watch in the Cosmos》 为你 作者：曹雪松 For you Author/Cao Cedar Don't ask. Where am I? I am in the vast sea of people Floating and sinking I am in the depths of the world As the shadow follows the form I am in the vast starry sky Suddenly and suddenly I am the star. Guard Your Dream Piously Blinking all night For you Shielding is complicated and disorderly Keep quiet <><><><><><><> 为你     作者：曹雪松 别问 我在哪里 我在茫茫人海 浮沉飘零 我在红尘深处 如影随形 我在浩瀚星空 忽暗忽明 我就是那颗星星 虔诚守护你的梦 眨了一夜眼睛 为你 屏蔽繁杂纷乱 静守内心安宁 早安吉祥！
00:00 / 02:42
连播
清屏
智能
倍速
点赞0
大卫的词元工厂4天前
第11集：Token不等于货币，词元比货币更刚需 兄弟们，很多人都在喊Token是AI时代的货币。这话对一半，错一半。搞不清这个，你Token分销的路子容易走歪。 上海交大的史占中教授做了个深度分析，结论很明确：Token具备货币的部分属性，但它绝不是货币。 为啥这么说？Token确实像钱，它是计量单位，衡量AI服务的消耗；它是交换媒介，把你的人民币转化成智能输出。 但它缺了货币最核心的几个命门。 第一，不能通用流通。 你手里的OpenAI Token能在Anthropic用吗？不能。它更像游乐场的游戏币，出了这个门就是废铜烂铁，不能去超市买菜，也不能跨界支付。 第二，不能保值。 货币还能存银行吃点利息，Token呢？价格一直在跌。你囤100万Token，过半年可能同样的钱能买200万。持有Token就是持有贬值资产。 第三，没有统一信用。 货币有央行背书，Token呢？每家公司自己定价，说涨价就涨价，说倒闭就倒闭。模型一淘汰，你的Token直接归零。 那Token到底是什么？教授给了一个精准定义：Token更像电力世界的“千瓦时”。 千瓦时不是货币，但它衡量了电气化时代的生产力。不过，Token比千瓦时还要复杂。1度电就是1度电，标准化生产。但1000个Token，用在不同的模型上，产出的智能水平那是天差地别。 这就给了咱们Token服务商巨大的生存空间。 第一，Token是刚需。 不管它是不是钱，在AI时代没Token就寸步难行。它已经变成了像水、电、煤一样的基础生产要素。 第二，Token的“异质性”就是你的饭碗。 正因为不同平台的Token价值不一样，客户才需要你帮他选、帮他调度、帮他优化。如果Token像水电一样完全标准化，那还要你干嘛？ 第三，我们正处在“前标准化”阶段。 就像19世纪末电力刚兴起时，各家电压频率乱七八糟，后来才有了统一标准。Token也在走这条路，跨平台互通协议迟早会来。 但在标准化完成之前，这个混乱的市场最需要的就是中间层。帮客户在乱象中找到最优解，这就是你稳坐钓鱼台的位置。 #词元大厂 #Token工厂 #词元工厂 #AI工厂 #Token中间商
00:00 / 02:15
连播
清屏
智能
倍速
点赞15
博浪轻舟3天前
华为韬（τ）定律核心解读 一、核心定义 韬（τ）定律，是华为在ISCAS 2026国际会议上正式发布的半导体产业全新发展原则，核心思路是： 用时间（τ）缩微，替代沿用半个多世纪的几何尺寸缩微，作为芯片与电子系统迭代的新底层指导逻辑。 简单理解： 摩尔定律靠把晶体管做更小提升性能； 韬定律靠压缩信号传输时间、减少时延损耗，实现芯片持续升级。 二、提出背景：摩尔定律走到瓶颈 摩尔定律的核心是缩小晶体管物理尺寸，但目前遭遇两大硬约束： 物理极限：制程逼近原子尺度，继续缩小尺寸难度陡增，漏电、散热等问题难以根治； 成本瓶颈：先进制程建厂、流片成本指数级上涨，几何缩微带来的成本红利基本消失，性价比快速下滑。 全球算力需求持续爆发，行业亟需跳出传统路径，韬定律由此应运而生。 三、核心技术：逻辑折叠（Logic Folding） 韬定律的关键实现手段为逻辑折叠技术： 不再执着于缩小晶体管本身的物理长宽； 通过电路架构重构，折叠冗余逻辑路径，缩短信号传输距离、压缩信号传播时延； 搭建器件—电路—芯片—系统全链路多层级协同优化体系，系统性降低时间常数τ，同步提升性能、能效与晶体管密度。 四、落地成果与未来规划 现有成果：近6年依托韬定律技术路线，华为已完成381款芯片设计并实现量产，覆盖各行各业； 近期产品：2026年秋季发布的新一代麒麟芯片，将首次搭载逻辑折叠技术，实现性能大幅跃升； 远期目标：预计2031年，基于韬定律的高端芯片，晶体管密度可对标1.4nm传统先进制程水平。 五、行业意义 韬定律相当于给半导体行业开辟了摩尔定律之外的第二条演进赛道，不再单纯依赖昂贵的先进光刻工艺，依靠架构与电路创新就能持续迭代芯片性能，有望大幅降低高端芯片的制造门槛，对全球算力发展、国产半导体突破都具备长远价值。 需要我把这段内容压缩成一段适合宣传、汇报的精简版吗？#华为芯片 #韬定律 #AI #科技时代 #科普
00:00 / 00:38
连播
清屏
智能
倍速
点赞54
Yulia4天前
美国CPSC eFiling到底是什么？一个视频讲清楚 #跨境知识分享 #创作者中心 #创作灵感 #美国 #美国CPSC
00:00 / 01:53
连播
清屏
智能
倍速
点赞0
阿雷3天前
如何应对时代新浪潮 被称作新时代石油的Token，到底是什么？普通人该如何应对？ #Token #词元 #人工智能 #普通人如何破局 #阿雷
00:00 / 00:55
连播
清屏
智能
倍速
点赞7
小猪6天前
🔥Anthropic官方下场教学！Claude Code的正确用法，90%程序员都跳过这步 昨天Anthropic核心团队刚放出一支内部演示，直接揭开了Claude Code的“隐藏工作流”！不是简单丢需求让AI写代码，而是一套完整的「人机协作引擎」。学会后，开发效率直接翻倍🚀 ✅ 1. 别当“甩手掌柜”，给足“脚手架” ❌ 错误：直接写“帮我做个登录页” ✅ 正确：技术栈+文件结构+约束条件（例：“用Next.js+Tailwind，组件保持隔离，优先调用shadcn/ui，返回完整文件树”） ✅ 2. 上下文管理是命门 Claude Code不是无限记忆！官方强烈建议：单次对话只盯一个模块，用 @file 精准注入相关代码，避免上下文污染和“幻觉蔓延” ✅ 3. “审查→运行→反馈”闭环 AI输出≠直接Merge！正确姿势：生成代码 → 本地跑测试/编译 → 把报错日志原样喂回 → 让Claude自我修复。迭代2-3次，代码质量直逼Senior📈 ✅ 4. 角色预设是隐藏王炸 演示里最实用的一招：开头加一句系统提示词👉 “你是一个注重安全性、可读性与性能的资深架构师，所有输出需附带边界用例与单元测试建议。” 效果立竿见影，废代码率直降60%+ ⚠️ 避坑提醒：AI写的是“草稿”不是“终稿”。核心业务逻辑、敏感权限、支付链路务必人工Review！工具再强，架构师还是你。 💡 以前靠熬夜堆代码，现在靠“Prompt工程+AI协作”。官方这次交底，本质是把Claude Code从“玩具”升级成“生产力杠杆”。 👇 你平时用AI写代码踩过最痛的坑是什么？或者最想让它帮你搞定哪个模块？ 评论区留 技术栈+需求，下次写代码直接抄作业～ #ClaudeCode #Anthropic #AI编程 #程序员日常 #AI提效 #代码助手 #独立开发 #技术干货 #AIGC #开发效率 #小红书科技圈 #程序员成长#大模型 #跨领域学习 #数据科学#多模态人工智能
00:00 / 27:57
连播
清屏
智能
倍速
点赞4
hanesg3天前
终于！ TCFD科普来了！ #我要上热门 @DOU+小助手
00:00 / 02:22
连播
清屏
智能
倍速
点赞0
Bioinfo (Lord Edit1天前
2026MIMIC发文｜从“灌水”到“硬核” 🔴 旧路已死：单库流水线文章正在被淘汰 曾经的“明星指标”，比如LAR、SHR、TyG这些跨疾病复用的复合指数，已经在脓毒症、心衰、AKI等热门病种中被反复薅了一遍。 现在三四区期刊对纯单库、纯关联性研究的容忍度越来越低，除非你的“指标×疾病×结局”组合足够新颖，否则大概率送审即被拒。 🟢 现在能打的，都是这些“硬核玩法” 1. 从静态关联到动态轨迹 不再只看入院时的单一指标，而是挖掘乳酸、血糖、血压等数据的时序变化，比如24小时内的清除率、波动趋势对预后的影响，这才是临床真正关心的过程性问题。 2. 从死亡结局到并发症导向 单纯预测28/90天死亡的同质化文章已经泛滥，而聚焦AKI、谵妄、呼吸衰竭、术后感染等并发症的研究，更贴近临床决策，审稿人也更青睐。 3. 从单库验证到多中心/院内联合 单库内部验证的机器学习模型，早已无法满足期刊的可信度要求。哪怕只是搭配一个小样本的院内数据做外部验证，文章的说服力也会大幅提升。 4. 高级统计方法成了“标配” 以前10分+文章才会用的TTE（目标模拟实验）、中介分析、限制性立方样条，现在在3分多的期刊里也越来越常见。基础的Cox回归已经很难支撑起中分段文章的方法学严谨性。 📌 给新手的最后提醒 如果你的目标只是三四区晋升，依然可以找一个冷门指标×冷门疾病的组合快速上车；但如果想冲更高分，就必须跳出“换指标”的思维，真正从临床问题出发，做有过程、有验证、有机制的研究。 数据库发文的红利期早已过去，现在拼的不是速度，而是方法学的严谨性和临床价值的创新性。#Mimic数据库 #SCI #硕博
00:00 / 00:09
连播
清屏
智能
倍速
点赞0
小乐聊AI1天前
一定要一定要，一定要想尽一切办法用上 codex，至少我不允许我的粉丝还没有用上 codex 或者 Claude code。如果你跟你周围的朋友从来没有谈论过 codex Claude code 或者 gemini，那恭喜你，你刷到这条视频，可能就是你改变命运的机会。 codex 到底是什么东西呢？官方给他的定义就是一个编程助手。但是如果你真的这么理解，那你太小看它了。黄仁勋现在让英伟达所有的员工都要使用 codex，这可是全球市值最高公司的老板都要让他员工使用它。那为什么呢？因为它就是未来财富的密码。 你最近看了这么多新闻，什么纳斯达克又来创新高了，航空股市又涨疯了，AI 公司市值暴涨，存储芯片又缺货了，看起来很乱，其实都在讲述同样一个故事。AI 正在重新改写这个世界。而普通人真正要抓住的，不是看热闹，而是学会使用工具。Claude code 对于大部分人来说，门槛还是有点高的，gemini 的体验呢？我感觉还不是特别友好。而如果你两个月前问我 codex，我可能还会犹豫，而 Codex 这两个月的更新速度，真的让我越来越惊讶。 到现在，codex 能力真的是屌炸天，它就是目前最适合普通人上手的 AI 工具了。如果你现在是大学生或者20多岁，那你太幸运了。你刚刚进入社会，就迎来了一个弯道超车的机会，它就像是你在食堂打饭排队的时候，突然在旁边开了一个新的窗口，这个时候你最应该做的就是赶快跑到新窗口去打饭。Codex 不是工具更新，它是普通人进入 AI 生产力时代的一张入场券。你用上 Codex 了吗？评论区聊聊你的感受。#ai创业 #Codex #AI
00:00 / 01:32
连播
清屏
智能
倍速
点赞16
牧野词元掘金社3天前
在黄仁勋的AI五层蛋糕里找到你的红利层 #Token #Token代理 #Token经济 #词元 #词元经济
00:00 / 02:41
连播
清屏
智能
倍速
点赞131
建安七子4天前
华为韬(τ)定律是什么 #AI #人工智能 #芯片 #华为 #韬定律
00:00 / 00:33
连播
清屏
智能
倍速
点赞5
何为人1周前
中国半导体新定律：韬（τ）定律 2026年5月25日，华为在2026国际电路与系统研讨会（ISCAS）上，由半导体业务总裁何庭波正式发布韬（τ，读作tau）定律，这是中国首次在全球半导体领域提出的产业核心指导原则，旨在破解摩尔定律走到物理与成本极限的行业困境 。 一、核心定义（与摩尔定律的本质区别） 摩尔定律（传统路线） 靠几何缩微：不断缩小晶体管物理尺寸，每18~24个月晶体管数量翻倍，性能提升、成本下降； 瓶颈：2nm以下出现量子隧穿漏电，先进制程建厂成本飙升，行业增速大幅放缓。 韬（τ）定律（中国新路线） 以时间缩微替代几何缩微，核心逻辑： 系统性能 ∝ 1/τ（τ为电路时间常数，代表信号传播时延） 不再死磕晶体管物理尺寸，转而全链路压缩信号传输延迟，通过架构、电路、系统优化提升芯片等效性能与晶体管密度。 二、核心实现技术（四大支柱） 1. 逻辑折叠（Logic Folding）：核心杀手锏，打破芯片平面布局，做立体折叠式电路设计，大幅缩短走线长度、降低电阻电容负载，可实现晶体管密度翻倍、性能提升40%、功耗降低30%； 2. 灵衢总线：重构系统互联协议，实现统一内存编址，降低系统通信延迟； 3. 器件级τ优化：优化晶体管结构，从底层减少信号延迟； 4. 全栈软硬协同设计：贯穿器件、电路、芯片、系统的多层级协同优化 。 三、落地成果与行业目标 - 华为已基于韬定律量产381款芯片，覆盖手机、服务器、IoT等全场景，是经过6年验证的成熟技术路线，并非理论概念； - 行业目标：2031年前，依托韬定律的芯片，晶体管等效密度达到1.4nm先进制程水平，绕开高端光刻机的制程限制，实现半导体自主演进 。 四、一句话通俗理解 摩尔定律：把房子（晶体管）越建越小； 韬定律：不缩小房子，重构立体交通路网，让信号（数据）跑得更快，以此提升整体性能。#视觉冲击 #摩尔定律已死
00:00 / 00:40
连播
清屏
智能
倍速
点赞7
姜子牙的姜5天前
AI不是在价格战，是在赌谁能先建成新时代的工业电网。 #普通人在ai时代 #DeepSeek#AI大模型 #token经济 #AI基础设施
00:00 / 05:03
连播
清屏
智能
倍速
点赞42
小鲁1周前
Codex使用感受
00:00 / 02:38
连播
清屏
智能
倍速
点赞16
AI方法论手册1周前
数据中心热潮的真正目的，可能不是AI 这段话值得认真读一遍，不管你是否认同。 经济学家Richard Werner最近抛出了一个令人不安的观点：全球正在疯狂建设的数据中心，其真实目的可能并非仅仅为了训练大模型、发展AI，而是在构建一套全球级别的金融控制基础设施。 他的核心逻辑围绕“可编程货币”展开。在这种系统中，钱不再是你账户里有就能自由支配，而是由系统决定你能否使用、在哪里使用、能买什么。如果你出现在“不被允许”的地点，或试图购买“不被允许”的物品，交易就会被自动拒绝。这些功能早已被写入CBDC（央行数字货币）的技术框架。 要实现这样的实时监控、行为分析和自动拦截，需要海量算力支撑。这正是当前数据中心大规模扩张的深层原因。AI在这里扮演执行层角色：分析个人行为模式、预判风险，并做出即时裁决。 更进一步看，美国等地正在快速铺开的摄像头网络（如Flock公司项目），能够实时识别车牌、追踪移动轨迹。这些数据一旦与金融系统打通，你去了哪里、见了谁、买了什么，都将被完整记录，并作为权限管理的依据。 “15分钟城市”原本是城市规划概念，在Werner的描述中却有了新的意味：你的货币使用权限可能被绑定在地理围栏内，超出范围就自动失效。这并非遥不可及的阴谋。阿根廷、尼日利亚、印度在过去货币危机中，都实施过不同程度的资本管制和交易冻结，只是当时手段较为粗糙且临时。而数字货币系统，能让这种控制变得精准、持久且高度自动化。 Werner的观点让人不舒服的地方在于，他提到的每一个技术环节都不是虚构：CBDC正在各国测试，摄像头网络在扩张，数据中心持续建设，AI监控能力也在快速商用。真正的问题不在于这些技术是否存在，而在于当它们被整合进同一个系统时，由谁来划定权限的边界。 历史上，每一套强大的控制系统在建成前，都披着“效率”或“安全”的外衣。这不是说AI或数据中心本身是恶的，也不是说所有项目都服务于同一计划。但当基础设施的建设规模远超已知合理需求，当技术演进方向与某种权力结构高度吻合时，继续把一切归因于“巧合”，需要的或许不是乐观，而是刻意的回避。 我们应当保持清醒：在技术飞速发展的同时，密切关注这些能力最终将服务于怎样的规则和谁的利益。 #AI #ai #ai工具
00:00 / 00:45
连播
清屏
智能
倍速
点赞1
萱萱逻辑为王1周前
华为韬（τ）定律#华为 #抖音助手助我上热门
00:00 / 01:36
连播
清屏
智能
倍速
点赞7
天雨侠1周前
5月25日，在电气电子工程师学会（IEEE）举办的国际电路系统研讨会ISCAS 2026上，华为何庭波发表题为“半导体新路径探索与实践”的主旨演讲，发表了半导体产业发展的新原则韬(τ)定律。 根据演讲内容，韬(τ)定律提出以“时间(τ)缩微”替代“几何缩微”作为半导体与电子系统演进的新指导原则，通过逻辑折叠等创新技术，持续压缩信号传播时延，不断提升晶体管密度，从而实现半导体与电子系统的持续演进。 近年来，主导半导体产业半个多世纪的摩尔定律正面临严峻的物理极限和经济效益双重挑战。面对晶体管几何缩微放缓，晶体管成本红利消退等发展困境，如何跨越传统工艺路径的局限，探索出一条全新的可持续演进路线，以满足当下呈指数级攀升的计算性能需求，已成为全球半导体行业亟待攻克的共同难题。 华为提出的“逻辑折叠（LogicFolding）”等核心技术，构建了贯穿器件、电路、芯片到系统层面的多层级协同优化体系，该体系以系统性降低时间常数τ为目标，旨在驱动各层级性能、能效、晶体管密度的持续提升。 在此次主旨演讲中，何庭波详细讲解了华为如何把韬(τ)定律应用到智能手机和AI计算领域的实践。在过去六年的实践中，基于韬(τ)定律，华为已成功设计并量产了381款芯片，广泛覆盖了千行百业的需求。其中，将于2026年秋季面世的麒麟芯片，率先采用了逻辑折叠技术。预计到2031年，基于韬(τ)定律的高端芯片晶体管密度将达到1.4纳米制程的同等水平。 面对未来，何庭波说：“未来一定属于开放合作。在半导体演进的路径上，没有一家企业可以独自完成所有答案。在韬(τ)定律的路径下，我们期待与全球科学家、工程师和产业伙伴紧密合作，共同推动半导体与电子产业持续发展。” #华为 #何庭波 #韬定律 #逻辑折叠技术 #麒麟芯片
00:00 / 00:06
连播
清屏
智能
倍速
点赞422
南昌鸿蒙智家任履兴1周前
华为韬定律：时间替代几何 昨天，华为半导体业务总裁何庭波在上海的国际电路与系统研讨会上发布了一个新概念，叫"韬定律"。几个字就能概括，用“时间缩微”替代“几何缩微”。 昨天，华为半导体业务总裁何庭波在上海的国际电路与系统研讨会上，发布了一套新理论，叫“韬定律”。 “韬”指的是希腊字母τ，念tao，在物理和电子学里代表时间常数。τ越小，信号在晶体管之间传播得越快。一颗芯片跑多快，本质上就看你把τ压到多小。而“韬”这个汉字，是韬略的韬。华为选这个字，两层意思都有了，既是物理量，也是一种大的谋略。 那“韬定律”是什么意思？ 过去半导体行业有一条铁律，叫摩尔定律。每18个月，芯片上的晶体管数量翻一倍。怎么翻？把晶体管越做越小。这个“越做越小”就是几何缩微。 而“时间缩微”的逻辑是这样的，晶体管密度不够，就用逻辑折叠来凑。以系统性降低时间常数（韬τ）为目标，从器件到电路到芯片到系统，多层协同优化，把信号传播的时延压到最低。 物理尺寸没变，但等效性能上去了。 何庭波说，过去六年华为已经基于这套思路量产了381款芯片。381这个数字是流片验证过的，产线跑出来的，很有分量。 这个思路本身并不是全新的。英特尔的Foveros 3D封装、台积电的SoIC，本质上是同一件事，平面缩微撞墙了，就往立体和系统层面要性能。华为只是把它系统化地总结出来了，给了它一个名字。 韬定律预计到2031年，高端芯片晶体管密度达到等效1.4纳米水平。如果兑现，意味着在没有最先进EUV的情况下，通过架构创新绕过了工艺代差。 华为是想说，我们不再苦苦追赶工艺了，我们另开一条路。 但有两点需要观望： 第一，“等效1.4纳米”这个词得拆开看。等效密度可以通过堆叠和折叠在账面上实现，功耗会不会跟着翻倍？良率能不能保证？ 第二，今年秋季的麒麟新芯片是一个硬指标。何庭波说它将完整采用逻辑折叠技术。到时候看实测跑分，看功耗曲线，看机身温度，跑分软件不会说谎，测温枪也不会。 但不管最终成色如何，韬定律这个动作本身的意义，可能比任何一款具体芯片都大。 过去四十年，全球半导体行业的游戏规则都是别人写的，我们一直在跟随。 这是第一次有中国公司站出来说，这有一条新路，我走通了，我把规则总结出来了，你们可以跟。 从追赶者到规则制定者。这个身份转变比一颗芯片值钱。
00:00 / 02:07
连播
清屏
智能
倍速
点赞55
大飞1周前
一文看懂什么是token，什么是算力芯片，华为海思芯片瓶颈在哪里？
00:00 / 00:56
连播
清屏
智能
倍速
点赞2

简介:

您在查找“Micr0s0ftst0re是什么意思”短视频信息吗？帮您找到更多更精彩的短视频内容！最新发布时间：2026-06-01 05:38

最新推荐:

相关推荐:

热门推荐: