Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

不要再抱怨停车难了，其实是设计师在浪费你的空间。 İnşaat Doktoru 展示了一款能彻底颠覆建筑规划流程的软件。你只需要提供地形图纸，它能在几秒钟内自动扫描地形限制，并计算出一条绝对最高效的停车场布局方案。 这里的工程逻辑直指行业痛点： - 传统的 CAD 绘制受限于人类设计师的习惯、视角盲区和计算疲劳，往往会导致大量的无效空间被浪费。 - 而这个系统将「空间规划」变成了一个严谨的优化算法问题，通过穷举测试，榨干每一平米的物理价值。 当 AI 接管了地形与几何的计算，建筑设计中的「习惯性浪费」将被清零。 我是「谁是藏镜人」，专注于挖掘 AI 在工程与物理世界演进的底层逻辑。 关注 谁是藏镜人，带你看清从算法到钢筋水泥的降维打击。

VedaAI00's profile picture

谁是藏镜人

3,043 subscribers

185,240 Aufrufe • vor 3 Monaten •via X (Twitter)

BildungWissenschaft & Technologie
LIVE

Anya Rossi• Live Now

Private livecam show

17 Kommentare

Profilbild von 谁是藏镜人
谁是藏镜人vor 3 Monaten

原帖链接：

Profilbild von Caldis
Caldisvor 3 Monaten

这个好 什么时候做进城市天际线

Profilbild von 白锁Pisone♿坟
白锁Pisone♿坟vor 3 Monaten

0个要素和AI有关系

Profilbild von Hohenheimp
Hohenheimpvor 3 Monaten

国内的停车场要报规划的，规划许可上是多少个车位你就只能建多少个

Profilbild von SunLau
SunLauvor 3 Monaten

这类应用类似排版下料，诸多异形在定尺材料上排布，优化材料利用率和加工效率。 不过用在停车场排版上，需要设定法规，涉及到审批。

Profilbild von book or technique
book or techniquevor 3 Monaten

Designers catching strays today. But yeah, dead space is expensive. Let the math cook.

Profilbild von UBsoft
UBsoftvor 3 Monaten

这是参数化设计软件，和AI就没什么关系，而且出入口，ADA和当地法规适配才是关键

Profilbild von 晚晚
晚晚vor 3 Monaten

以后停车场图纸也要被卷了

Profilbild von Artiom
Artiomvor 3 Monaten

Co to za oprogramowanie jak można go przetestować ?

Profilbild von 苏乞怪🔆
苏乞怪🔆vor 3 Monaten

啊这，AI连停车位都要卷起来了 设计师连夜转行送外卖是吧 省出的空间能多停几辆共享单车了哈哈哈

Profilbild von loving-#
loving-#vor 3 Monaten

最需要的是 skyline ，游戏挡 狂喜

Profilbild von 苏乐
苏乐vor 3 Monaten

先模拟 在实施 让设计更完美

Profilbild von ｜Ai时光🎒
｜Ai时光🎒vor 3 Monaten

补一个普通人视角： Codex / Claude Code 这类工具，重点不是“会不会写代码”。 它真正适合先试的是小文件任务： 改一页网页 整理一批资料 检查一个报错 生成一个简单工具 先跑一个小闭环，比看10个教程有用。

Profilbild von Jason傑森 🇭🇰 | 🛠️
Jason傑森 🇭🇰 | 🛠️vor 3 Monaten

换个智能的

Profilbild von 安叫兽|Bird🕊️ 🔶 BNB
安叫兽|Bird🕊️ 🔶 BNBvor 3 Monaten

停车场画格子这事真该少点玄学

Profilbild von hugolau
hugolauvor 3 Monaten

AI 怎么做实时渲染，本地模型么？

Profilbild von tagee
tageevor 3 Monaten

很好奇你做了什么，你的评论全是AI。。。

Ähnliche Videos

UI 界面正在从「色块叠加」，演向具备流动感的「液态金属」。 著名设计师 Alexander K. (Alexander K.) 展示了他的 iOS 26 概念 UI。这种被称为「Liquid Glass」（液态玻璃）的设计语言，通过极度丝滑的「变形动画」（Morph Animation）打破了功能组件之间的物理硬边界。 这里的工程美学非常硬核： - **组件的「物质化」**。UI 元素不再是简单的出现或消失，而是像液体一样「融化」并流向下一个交互状态，保持了逻辑上的视觉连续性。 - **空间折射（Spatial Refraction）**。通过对背景材质的实时折射与反射计算，让 2D 的手机屏幕具备了类似 visionOS 的空间深度感。 - **动态路径插值**。实时计算复杂的贝塞尔曲线形变锚点，确保了不同形状组件之间切换时，每一帧的「张力」都符合物理直觉。 这种「Canvas as a Fluid」的逻辑，预示着下一代 OS 可能会彻底告别死板的窗口化时代。 我是「谁是藏镜人」，专注于挖掘交互设计与物理感官交汇的工程深度。 关注 谁是藏镜人，带你看清 UI 进化的下个维度。
0:28

UI 界面正在从「色块叠加」，演向具备流动感的「液态金属」。 著名设计师 Alexander K. (Alexander K.) 展示了他的 iOS 26 概念 UI。这种被称为「Liquid Glass」（液态玻璃）的设计语言，通过极度丝滑的「变形动画」（Morph Animation）打破了功能组件之间的物理硬边界。 这里的工程美学非常硬核： - **组件的「物质化」**。UI 元素不再是简单的出现或消失，而是像液体一样「融化」并流向下一个交互状态，保持了逻辑上的视觉连续性。 - **空间折射（Spatial Refraction）**。通过对背景材质的实时折射与反射计算，让 2D 的手机屏幕具备了类似 visionOS 的空间深度感。 - **动态路径插值**。实时计算复杂的贝塞尔曲线形变锚点，确保了不同形状组件之间切换时，每一帧的「张力」都符合物理直觉。 这种「Canvas as a Fluid」的逻辑，预示着下一代 OS 可能会彻底告别死板的窗口化时代。 我是「谁是藏镜人」，专注于挖掘交互设计与物理感官交汇的工程深度。 关注 谁是藏镜人，带你看清 UI 进化的下个维度。

谁是藏镜人

21,282 Aufrufe • vor 3 Monaten

Google量子计算新突破：量子计算芯片 Willow 5 分钟完成传统计算机100亿亿亿年的计算 最近大家都在关注 AI，也许没有注意到 Google 刚发布的 量子计算芯片 Willow 想象一下，有一道数学题，就算用世界上最快的超级计算机来解，也需要计算100亿亿亿年。而Google的最新量子计算芯片Willow只用了5分钟就解决了。如果你对这个数字没有概念，这个时间比我们宇宙的年龄（138亿年）还要长得多！ 什么是量子计算？ 要理解这个突破，我们先来聊聊普通计算机和量子计算机的区别： - 普通计算机使用的是"比特"（位），就像一个开关，只能是开（1）或关（0）两种状态 - 量子计算机使用的是"量子比特"（量子位），它可以同时处于多个状态，这让计算能力呈指数级增长 Willow的突破性进展 Google的Willow芯片最大的突破在于解决了量子计算领域30年来的一个大难题。传统上，量子比特越多，计算错误就越多。但Willow通过创新的"逻辑量子位"设计，实现了相反的效果：随着量子比特的增加，错误反而会减少。这就像搭建了一个会自我纠错的超级计算系统。 这对我们的生活意味着什么？ 虽然现在还不能期待在家里放一台量子电脑，但Willow的突破将在未来带来许多令人兴奋的应用： - 加速新药物的研发 - 设计更高效的电动车电池 - 优化城市交通流量 - 开发更安全的通信加密系统 - 提升人工智能的学习能力 未来展望 Google预计在2030年左右可能会看到商用量子计算机。虽然还面临着提高运算精度、降低成本等挑战，但Willow的诞生就像是莱特兄弟的第一次飞行——它证明了"不可能"是可能的。这打开了一扇通向未来的大门，量子计算革命已经势不可挡。 这次的突破，不仅仅是技术的进步，更预示着人类即将进入一个全新的计算时代。虽然距离普及还需要时间，但就像当年的第一台计算机一样，Willow 有可能会是未来量子计算机的开始。
6:38

Google量子计算新突破：量子计算芯片 Willow 5 分钟完成传统计算机100亿亿亿年的计算 最近大家都在关注 AI，也许没有注意到 Google 刚发布的 量子计算芯片 Willow 想象一下，有一道数学题，就算用世界上最快的超级计算机来解，也需要计算100亿亿亿年。而Google的最新量子计算芯片Willow只用了5分钟就解决了。如果你对这个数字没有概念，这个时间比我们宇宙的年龄（138亿年）还要长得多！ 什么是量子计算？ 要理解这个突破，我们先来聊聊普通计算机和量子计算机的区别： - 普通计算机使用的是"比特"（位），就像一个开关，只能是开（1）或关（0）两种状态 - 量子计算机使用的是"量子比特"（量子位），它可以同时处于多个状态，这让计算能力呈指数级增长 Willow的突破性进展 Google的Willow芯片最大的突破在于解决了量子计算领域30年来的一个大难题。传统上，量子比特越多，计算错误就越多。但Willow通过创新的"逻辑量子位"设计，实现了相反的效果：随着量子比特的增加，错误反而会减少。这就像搭建了一个会自我纠错的超级计算系统。 这对我们的生活意味着什么？ 虽然现在还不能期待在家里放一台量子电脑，但Willow的突破将在未来带来许多令人兴奋的应用： - 加速新药物的研发 - 设计更高效的电动车电池 - 优化城市交通流量 - 开发更安全的通信加密系统 - 提升人工智能的学习能力 未来展望 Google预计在2030年左右可能会看到商用量子计算机。虽然还面临着提高运算精度、降低成本等挑战，但Willow的诞生就像是莱特兄弟的第一次飞行——它证明了"不可能"是可能的。这打开了一扇通向未来的大门，量子计算革命已经势不可挡。 这次的突破，不仅仅是技术的进步，更预示着人类即将进入一个全新的计算时代。虽然距离普及还需要时间，但就像当年的第一台计算机一样，Willow 有可能会是未来量子计算机的开始。

宝玉

131,605 Aufrufe • vor 1 Jahr

把「物理捏脸」实时变成 3D 资产，硬件开发的「Vibe Coding」闭环已经跑通了。 创意技术专家 Hugues Bruyère 展示了一个极具冲击力的实时 3D 扩散管线：**物理界面 → 摄像头 → 实时 img2img → 3DGS（基于 TripoSplat）**。这意味着你对物理实体的每一次微小揉捏，都会在毫秒间同步生成一个可渲染、可导出的高保真 3D 高斯点云（Gaussian Splat）。 这里的工程溢价极高： 1/ **Feed-forward 3D 生成**。核心使用了 TripoSplat 模型，它不同于传统的 3DGS 优化（需要数分钟），而是采用单次前馈预测技术，在不到一秒内就能从单张扩散生成的图片中「抠」出完整的 3D 结构。 2/ **物理与数字的零距离博弈**。通过实时控制物理界面，开发者实际上是在用「模拟信号」直接驱动 AI 的「潜在空间」，彻底消除了传统 3D 建模中繁琐的顶点编辑。 3/ **极致的端到端实时性**。管线集成了 StreamDiffusion 进行高频 2D 生成，并无缝衔接 3D 重建，为「实时 3D 雕刻」提供了工业级的响应速度。 当 3D 模型可以被「实时捏出来」，数字资产的生产效率将被彻底改写。 我是「谁是藏镜人」，专注于挖掘 AI 在工程与空间计算演进中的底层逻辑。 关注 谁是藏镜人，带你看清物理世界数字化的每一个硬核闭环。
1:24

把「物理捏脸」实时变成 3D 资产，硬件开发的「Vibe Coding」闭环已经跑通了。 创意技术专家 Hugues Bruyère 展示了一个极具冲击力的实时 3D 扩散管线：**物理界面 → 摄像头 → 实时 img2img → 3DGS（基于 TripoSplat）**。这意味着你对物理实体的每一次微小揉捏，都会在毫秒间同步生成一个可渲染、可导出的高保真 3D 高斯点云（Gaussian Splat）。 这里的工程溢价极高： 1/ **Feed-forward 3D 生成**。核心使用了 TripoSplat 模型，它不同于传统的 3DGS 优化（需要数分钟），而是采用单次前馈预测技术，在不到一秒内就能从单张扩散生成的图片中「抠」出完整的 3D 结构。 2/ **物理与数字的零距离博弈**。通过实时控制物理界面，开发者实际上是在用「模拟信号」直接驱动 AI 的「潜在空间」，彻底消除了传统 3D 建模中繁琐的顶点编辑。 3/ **极致的端到端实时性**。管线集成了 StreamDiffusion 进行高频 2D 生成，并无缝衔接 3D 重建，为「实时 3D 雕刻」提供了工业级的响应速度。 当 3D 模型可以被「实时捏出来」，数字资产的生产效率将被彻底改写。 我是「谁是藏镜人」，专注于挖掘 AI 在工程与空间计算演进中的底层逻辑。 关注 谁是藏镜人，带你看清物理世界数字化的每一个硬核闭环。

谁是藏镜人

14,975 Aufrufe • vor 3 Monaten

Google Earth 终于不再只是一个「地球放大镜」了。 看到官方刚刚甩出的这个 **3D Model Upload** 更新，我第一反应是：传统的城市规划、建筑可视化甚至 GIS 行业，都要迎来一场「全真数字化」的代差重构。 这次更新极其硬核，彻底打通了三维设计与真实地理的最后 10 米： - **原生 GLB 支持（Experimental）**：现在你可以直接上传 GLB 文件。这意味着从 Blender、Rhino 导出的设计稿，可以「秒级」降临在真实的地球表面。 - **空间精准对齐**：内置了全新的平移、缩放工具。你可以精准地把「未来大楼」摆在第五大道的红绿灯旁边，实时观察光影、遮挡。 - **Shapefile 原生层（SHP）**：支持上传 .zip 格式的 Shapefile，直接渲染成云端图层。配合新增的 **Elevation Profiles**，这已经是一个半专业级的 GIS 平台。 这就是我一直盯着的：**数字孪生的本质，是让「设计」提前在「现实」中呼吸。** 关注 谁是藏镜人，同步全球最前沿的地理 AI 与空间规划实践。👇
0:26

Google Earth 终于不再只是一个「地球放大镜」了。 看到官方刚刚甩出的这个 **3D Model Upload** 更新，我第一反应是：传统的城市规划、建筑可视化甚至 GIS 行业，都要迎来一场「全真数字化」的代差重构。 这次更新极其硬核，彻底打通了三维设计与真实地理的最后 10 米： - **原生 GLB 支持（Experimental）**：现在你可以直接上传 GLB 文件。这意味着从 Blender、Rhino 导出的设计稿，可以「秒级」降临在真实的地球表面。 - **空间精准对齐**：内置了全新的平移、缩放工具。你可以精准地把「未来大楼」摆在第五大道的红绿灯旁边，实时观察光影、遮挡。 - **Shapefile 原生层（SHP）**：支持上传 .zip 格式的 Shapefile，直接渲染成云端图层。配合新增的 **Elevation Profiles**，这已经是一个半专业级的 GIS 平台。 这就是我一直盯着的：**数字孪生的本质，是让「设计」提前在「现实」中呼吸。** 关注 谁是藏镜人，同步全球最前沿的地理 AI 与空间规划实践。👇

谁是藏镜人

32,055 Aufrufe • vor 4 Monaten

计算几何与 3D 打印的结合，正在让那些曾在教科书中被判「死刑」的机械结构起死回生。 山形大学展示了名为 **ABENICS** 的主动球关节机制。这不仅仅是一个万向节，它通过极度复杂的「球面齿轮啮合」（Spherical Gear Meshing），在单个旋转点上实现了完整的 3D 自由度（俯仰、翻滚、偏航）控制。 这里的工程价值极具颠覆性： 1/ **高度集成化**。传统的双足或类人机器人，一个肩膀通常需要 3 个电机和 3 组关节堆叠。ABENICS 将其压缩进了一个单一的球体，极大缩减了机甲的物理体积和重量。 2/ **高扭矩与零漂移**。不同于依赖摩擦力或线缆驱动的普通球头，ABENICS 使用的是刚性齿轮啮合，确保了在高速、重载下的动力传输效率和定位精度。 3/ **几何驱动的创新**。这种结构的齿轮齿形分布在球面上，传统的减材制造几乎无法加工。它是典型的「增材制造专用设计」（DfAM），只有 3D 打印才能释放它的潜力。 当机械结构不再受限于制造工艺，机器人的「肉身」灵活度将迎来非线性爆发。 我是「谁是藏镜人」，专注于挖掘 AI 与底层机械工程演进的深度闭环。 关注 谁是藏镜人，带你看清从算法到硬核硬件的每一场进化。
0:26

计算几何与 3D 打印的结合，正在让那些曾在教科书中被判「死刑」的机械结构起死回生。 山形大学展示了名为 **ABENICS** 的主动球关节机制。这不仅仅是一个万向节，它通过极度复杂的「球面齿轮啮合」（Spherical Gear Meshing），在单个旋转点上实现了完整的 3D 自由度（俯仰、翻滚、偏航）控制。 这里的工程价值极具颠覆性： 1/ **高度集成化**。传统的双足或类人机器人，一个肩膀通常需要 3 个电机和 3 组关节堆叠。ABENICS 将其压缩进了一个单一的球体，极大缩减了机甲的物理体积和重量。 2/ **高扭矩与零漂移**。不同于依赖摩擦力或线缆驱动的普通球头，ABENICS 使用的是刚性齿轮啮合，确保了在高速、重载下的动力传输效率和定位精度。 3/ **几何驱动的创新**。这种结构的齿轮齿形分布在球面上，传统的减材制造几乎无法加工。它是典型的「增材制造专用设计」（DfAM），只有 3D 打印才能释放它的潜力。 当机械结构不再受限于制造工艺，机器人的「肉身」灵活度将迎来非线性爆发。 我是「谁是藏镜人」，专注于挖掘 AI 与底层机械工程演进的深度闭环。 关注 谁是藏镜人，带你看清从算法到硬核硬件的每一场进化。

谁是藏镜人

111,790 Aufrufe • vor 3 Monaten

当机器人甩掉了沉重的「物理手臂」，它的加速度上限就被彻底锁死了。 这段演示展示了布尔诺理工大学与 B&R 工业自动化合作开发的 **CableEndy**：一个极高性能的「绳索驱动并联机器人」（CDPR）。它不仅能精准接住并耍弄剑球（Kendama），其爆发力更是足以让职业人类玩家感到焦虑。 这里的工程数据极具压迫感： 1/ **10G 的极限加速度**。由于不再需要驱动沉重的刚性连杆，电机所有的功率都直接作用于负载，实现了 100 m/s² 的恐怖爆发力。 2/ **毫秒级实时博弈**。并联运动学计算的循环周期被压缩到了 1.2 毫秒。这意味着在每一毫秒内，系统都在重新解算 8 根绳索的张力与位置，以维持 6 自由度的绝对稳定。 3/ **大尺度空间的灵活性**。绳索驱动的本质是「工作空间随卷扬机而定」，这赋予了它从微观精密操作到体育场级巨型吊装的跨尺度适应性。 当搬运和操控不再受限于机械臂的自重，「敏捷」二字将被重新定义。 我是「谁是藏镜人」，专注于挖掘 AI 与前沿自动化硬件的底层逻辑。 关注 谁是藏镜人，带你看清硬核工程的每一次极限突破。
0:53

当机器人甩掉了沉重的「物理手臂」，它的加速度上限就被彻底锁死了。 这段演示展示了布尔诺理工大学与 B&R 工业自动化合作开发的 **CableEndy**：一个极高性能的「绳索驱动并联机器人」（CDPR）。它不仅能精准接住并耍弄剑球（Kendama），其爆发力更是足以让职业人类玩家感到焦虑。 这里的工程数据极具压迫感： 1/ **10G 的极限加速度**。由于不再需要驱动沉重的刚性连杆，电机所有的功率都直接作用于负载，实现了 100 m/s² 的恐怖爆发力。 2/ **毫秒级实时博弈**。并联运动学计算的循环周期被压缩到了 1.2 毫秒。这意味着在每一毫秒内，系统都在重新解算 8 根绳索的张力与位置，以维持 6 自由度的绝对稳定。 3/ **大尺度空间的灵活性**。绳索驱动的本质是「工作空间随卷扬机而定」，这赋予了它从微观精密操作到体育场级巨型吊装的跨尺度适应性。 当搬运和操控不再受限于机械臂的自重，「敏捷」二字将被重新定义。 我是「谁是藏镜人」，专注于挖掘 AI 与前沿自动化硬件的底层逻辑。 关注 谁是藏镜人，带你看清硬核工程的每一次极限突破。

谁是藏镜人

46,255 Aufrufe • vor 3 Monaten

为了对付阳台上的鸽子，硬核开发者已经把「自动防空塔」开源了。 Reddit 用户 muxamilian 徒手搓了一个完全自主的 AI 驱鸽水枪系统。它的硬件极度廉价：一块 50 美元的 Orange Pi 5 开发板、一个 USB 摄像头、两个舵机和一把改装过的电动水枪。 但它背后的工程逻辑非常现代： 1/ **边缘端重计算**。没有依赖云端 API 导致的延迟，整个视觉识别完全在 Orange Pi 5 内置的 NPU 上本地跑通，确保了开火的实时性。 2/ **开放词汇目标检测**。系统运行的是 YOLO World v2 模型。这意味着它不是写死只能打鸽子，你只需要在代码里把 Prompt 改成“猫”或“马蜂”，它就能立刻切换打击目标。 当工业级的边缘 AI 被下放成 50 美元的开源玩具，物理世界的防御成本就被彻底击穿了。 我是「谁是藏镜人」，专注于挖掘 AI 与前沿硬件演进的底层逻辑。 关注 谁是藏镜人，带你看清那些打破常规的工程突围。
0:42

为了对付阳台上的鸽子，硬核开发者已经把「自动防空塔」开源了。 Reddit 用户 muxamilian 徒手搓了一个完全自主的 AI 驱鸽水枪系统。它的硬件极度廉价：一块 50 美元的 Orange Pi 5 开发板、一个 USB 摄像头、两个舵机和一把改装过的电动水枪。 但它背后的工程逻辑非常现代： 1/ **边缘端重计算**。没有依赖云端 API 导致的延迟，整个视觉识别完全在 Orange Pi 5 内置的 NPU 上本地跑通，确保了开火的实时性。 2/ **开放词汇目标检测**。系统运行的是 YOLO World v2 模型。这意味着它不是写死只能打鸽子，你只需要在代码里把 Prompt 改成“猫”或“马蜂”，它就能立刻切换打击目标。 当工业级的边缘 AI 被下放成 50 美元的开源玩具，物理世界的防御成本就被彻底击穿了。 我是「谁是藏镜人」，专注于挖掘 AI 与前沿硬件演进的底层逻辑。 关注 谁是藏镜人，带你看清那些打破常规的工程突围。

谁是藏镜人

188,648 Aufrufe • vor 3 Monaten

黄仁勋跟红杉聊了一场很深的对话，把AI产业的底层逻辑讲得特别清楚 他提了一个概念：过去60年的计算机行业本质上就干了一件事——检索。写代码、拍照片、录音乐，存成文件，用的时候再调出来。数据中心说到底就是一个大硬盘 现在不一样了。AI不是从硬盘里找旧数据，是实时生成新内容。这是完全不同的计算范式，他管这叫"AI工厂" 然后他画了一个"五层蛋糕"来解释AI产业的结构： 最底层：能源。AI工厂需要巨量电力 第二层：芯片和计算。英伟达在这里 第三层：基础设施。土地、电力接入、建筑、融资 第四层：模型。OpenAI、Anthropic 在这里 最顶层：应用。创业公司和终端用户在这里 每一层都是万亿级别的市场 关于AI取代工作，他反驳得很干脆：AI消灭的是任务，不是职业。放射科医生没有因为AI看片子更准就失业，反而需求增长了。软件工程师也是，代码越容易写，能解决的问题越多，需要的工程师反而更多 你们觉得这个"五层蛋糕"的框架，哪一层机会最大？
41:10

黄仁勋跟红杉聊了一场很深的对话，把AI产业的底层逻辑讲得特别清楚 他提了一个概念：过去60年的计算机行业本质上就干了一件事——检索。写代码、拍照片、录音乐，存成文件，用的时候再调出来。数据中心说到底就是一个大硬盘 现在不一样了。AI不是从硬盘里找旧数据，是实时生成新内容。这是完全不同的计算范式，他管这叫"AI工厂" 然后他画了一个"五层蛋糕"来解释AI产业的结构： 最底层：能源。AI工厂需要巨量电力 第二层：芯片和计算。英伟达在这里 第三层：基础设施。土地、电力接入、建筑、融资 第四层：模型。OpenAI、Anthropic 在这里 最顶层：应用。创业公司和终端用户在这里 每一层都是万亿级别的市场 关于AI取代工作，他反驳得很干脆：AI消灭的是任务，不是职业。放射科医生没有因为AI看片子更准就失业，反而需求增长了。软件工程师也是，代码越容易写，能解决的问题越多，需要的工程师反而更多 你们觉得这个"五层蛋糕"的框架，哪一层机会最大？

Vincent

36,626 Aufrufe • vor 3 Monaten

如何构建一座 AI 工厂？这是一个生态级别的系统工程，Nvidia 在 GTC 上展示了一份通过 Omniverse 来模拟的蓝图，从设计、布线到电气和水冷，并且组织了一批供应商，做到模块化即插即用！随着人类对数字空间的需求越来越高，扩展物理空间的地产行业已经过时，以“裸金属”为代表的 NeoCloud 就是 AI 时代的数字地产⚡️
2:35

如何构建一座 AI 工厂？这是一个生态级别的系统工程，Nvidia 在 GTC 上展示了一份通过 Omniverse 来模拟的蓝图，从设计、布线到电气和水冷，并且组织了一批供应商，做到模块化即插即用！随着人类对数字空间的需求越来越高，扩展物理空间的地产行业已经过时，以“裸金属”为代表的 NeoCloud 就是 AI 时代的数字地产⚡️

indigo

13,063 Aufrufe • vor 10 Monaten

凭啥说中国🇨🇳未来是美国🇺🇸唯一对手？你把一颗螺丝、一个零件、一个驱动程序拆开看，它什么都不是。但中国人擅长的不是某一个点，而是把所有点“组装成系统”的能力。上世纪90年代，美国搞去工业化，把制造业往外甩，老美资本家兴奋地下注：我们掌握设计、技术和规则，低端的制造就让“中国工厂”搞定。没人意识到，这不是工厂的外包，这是工业文明主动放弃了自己的“系统底盘”。风险？独家解读⬇️ 什么是底盘。美国🇺🇸它丢掉的是整个“Industrial Commons”—设计、试产、测试、修正、工艺优化……整条从实验室到量产的链条。 你可以限制光刻机、顶尖芯片，但你无法消灭中国的“体系构建能力”。然后中国开始补短板，搞芯片，搞AI，搞软件算法。最可怕的不是它追上了，而是它把这些东西也系统化了。 算法 + 工厂；数据 + 封装；大模型 + 自动化流水线。你可以断它的卡脖子技术，但你断不了它的体系构建能力。这个世界上现在只有一个国家，能把工业体系“整体打包开战”——就是中国。 这不是那种“靠卷”堆出来的，而是有深层文化机制支持的能力。能干，听话，聪明，擅长协作、执行和大工程落地。这不是一种能力，是一种建立在儒家文明结构。 所以说，特朗普不是疯子，他只是看懂了这件事。他知道，中国不是偷走了几个岗位，是在悄悄拼装一个能打仗的产业链闭环。 而这正是美国最怕的事：一个有软件有算法、后面硬件有工厂、有指挥系统、还能一体化推进的国家。 但故事还没结束。 中国🇨🇳真正的对手，其实不是美国🇺🇸。是自己。 因为历史上所有系统性最强、执行力最强的国家，最终往往都败在“刚性太强，转弯太慢”。 它会赢在系统，也可能毁在系统。摧毁一个像中国这样的国家，不需要敌人，只需要它自己不断加速、不留缓冲。
0:40

凭啥说中国🇨🇳未来是美国🇺🇸唯一对手？你把一颗螺丝、一个零件、一个驱动程序拆开看，它什么都不是。但中国人擅长的不是某一个点，而是把所有点“组装成系统”的能力。上世纪90年代，美国搞去工业化，把制造业往外甩，老美资本家兴奋地下注：我们掌握设计、技术和规则，低端的制造就让“中国工厂”搞定。没人意识到，这不是工厂的外包，这是工业文明主动放弃了自己的“系统底盘”。风险？独家解读⬇️ 什么是底盘。美国🇺🇸它丢掉的是整个“Industrial Commons”—设计、试产、测试、修正、工艺优化……整条从实验室到量产的链条。 你可以限制光刻机、顶尖芯片，但你无法消灭中国的“体系构建能力”。然后中国开始补短板，搞芯片，搞AI，搞软件算法。最可怕的不是它追上了，而是它把这些东西也系统化了。 算法 + 工厂；数据 + 封装；大模型 + 自动化流水线。你可以断它的卡脖子技术，但你断不了它的体系构建能力。这个世界上现在只有一个国家，能把工业体系“整体打包开战”——就是中国。 这不是那种“靠卷”堆出来的，而是有深层文化机制支持的能力。能干，听话，聪明，擅长协作、执行和大工程落地。这不是一种能力，是一种建立在儒家文明结构。 所以说，特朗普不是疯子，他只是看懂了这件事。他知道，中国不是偷走了几个岗位，是在悄悄拼装一个能打仗的产业链闭环。 而这正是美国最怕的事：一个有软件有算法、后面硬件有工厂、有指挥系统、还能一体化推进的国家。 但故事还没结束。 中国🇨🇳真正的对手，其实不是美国🇺🇸。是自己。 因为历史上所有系统性最强、执行力最强的国家，最终往往都败在“刚性太强，转弯太慢”。 它会赢在系统，也可能毁在系统。摧毁一个像中国这样的国家，不需要敌人，只需要它自己不断加速、不留缓冲。

Tigris 会讲课教授是好老师

164,394 Aufrufe • vor 1 Jahr

🚨Stitch 这次升级不得了，我觉得重点不是多了几个功能，而是 Google 正在重写 AI 设计工具的定义。 1/ Google 昨晚更新了 Stitch，官方给它的新定位很直接： AI-native software design canvas。 2/ 翻译成人话就是： 它不想只做一个 “你写一句 prompt，我给你几张 UI 图” 的工具了。 3/ 这次更新，核心就 5 个方向： 无限画布 更聪明的设计代理 语音交互 即时原型 设计系统 + DESIGN.md 4/ 最值得看的第一点，是 AI 原生画布。 现在的 Stitch 不只是吃 prompt。 还可以把 图片、文本、代码 一起作为上下文。 这说明它开始更像“设计工作台”，而不是一次性生成器。 5/ 第二点，是 agent 变强了。 Google 这次明确说，新 design agent 能理解整个项目演进过程，而且还有 Agent manager，支持你并行探索多个设计方向。 6/ 第三点，是 语音进入设计主流程。 你可以直接对着画布说话 让 Stitch 一边听一边改 还能给你实时设计反馈 7/ 第四点，是 即时原型。 现在 Stitch 可以把静态设计快速变成交互原型，点一下 Play 就能看 flow，甚至还能自动补出逻辑上的下一屏。 8/ 第五点，是很多人会低估的 DESIGN.md。 Google 把设计规则做成了一个 agent-friendly markdown，支持导入、导出、复用，还支持从 URL 提取设计系统。 9/ 所以这次 Stitch 真正从“帮你出图”，走向“参与整个设计流程”。 10/ 一句话总结： 2025 年的 Stitch，更像 UI 生成器。 2026 年这次升级之后，它开始更像 AI 设计工作台。
1:29

🚨Stitch 这次升级不得了，我觉得重点不是多了几个功能，而是 Google 正在重写 AI 设计工具的定义。 1/ Google 昨晚更新了 Stitch，官方给它的新定位很直接： AI-native software design canvas。 2/ 翻译成人话就是： 它不想只做一个 “你写一句 prompt，我给你几张 UI 图” 的工具了。 3/ 这次更新，核心就 5 个方向： 无限画布 更聪明的设计代理 语音交互 即时原型 设计系统 + DESIGN.md 4/ 最值得看的第一点，是 AI 原生画布。 现在的 Stitch 不只是吃 prompt。 还可以把 图片、文本、代码 一起作为上下文。 这说明它开始更像“设计工作台”，而不是一次性生成器。 5/ 第二点，是 agent 变强了。 Google 这次明确说，新 design agent 能理解整个项目演进过程，而且还有 Agent manager，支持你并行探索多个设计方向。 6/ 第三点，是 语音进入设计主流程。 你可以直接对着画布说话 让 Stitch 一边听一边改 还能给你实时设计反馈 7/ 第四点，是 即时原型。 现在 Stitch 可以把静态设计快速变成交互原型，点一下 Play 就能看 flow，甚至还能自动补出逻辑上的下一屏。 8/ 第五点，是很多人会低估的 DESIGN.md。 Google 把设计规则做成了一个 agent-friendly markdown，支持导入、导出、复用，还支持从 URL 提取设计系统。 9/ 所以这次 Stitch 真正从“帮你出图”，走向“参与整个设计流程”。 10/ 一句话总结： 2025 年的 Stitch，更像 UI 生成器。 2026 年这次升级之后，它开始更像 AI 设计工作台。

比特币橙子Trader

16,604 Aufrufe • vor 6 Monaten

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！
1:30

每个人都能买得起 英伟达发布个人AI超级计算机 ，能运行2000亿参数的大模型。 NVIDIA 今天在CES 2025大会上发布了 NVIDIA Project DIGITS，这是一款能放在你桌面上的个人AI超级计算机。 将传统上需要大型数据中心才能完成的 AI 计算，带到每个人的桌面。‘ Project DIGITS 采用全新的 NVIDIA GB10 Grace Blackwell Superchip，能够提供 1 PFLOP（每秒一千万亿次浮点运算）的AI计算性能。 设计目的用于原型开发、微调以及运行大型AI模型，使用户能够在本地桌面系统上开发和运行推理模型，然后无缝部署到云或数据中心 也就是它能在你的本地就能运行超大的AI模型，能够运行高达 2000亿 参数的大语言模型。 通过 NVIDIA ConnectX 网络，两台 Project DIGITS 超级计算机连接起来，可以运行 4050亿 参数模型。 而且支持在本地电脑上开发和测试AI模型，然后快速部署到云端或数据中心。 简单来说，它就像是给每个开发者配了一台袖珍的AI超级计算机！

小互

85,719 Aufrufe • vor 1 Jahr

终于等到了 GPT 的拐点，人人都可以创建自己的 ChatGPT #设计AI 今天 OpenAI Dev Day 上的高光时刻，Sam Altman 发布了 GPTs 功能，即允许普通人创建自定义的 GPT 工具 随即他就现场演示，用官方 Builder 创建一个创业导师 GPT 工具。他付出的劳动包括： - 定义工具的基本概念（一句话） - 对 GPT 行为的基本指导（一句话） - 提供一个基础的知识库（一个文本文件） - 花费 3、4 分钟 voila，这个创业导师 GPT 工具就创建完毕可以使用了！ 从产品设计角度而言，GPTs 帮助有想法、有资源、有需求的普通人跳过开发者和漫长的产品开发过程，直接把想法和 GPT-4 提供的人类知识库对接，直接输出立刻可用的个性化 ChatGPT。而且这些个性化 ChatGPT 还支持自然语言交互，跳过了提供界面和人机交互设计的设计师 这就给很多自认为“创造者”的开发者、设计师们提出了一个新问题，如果人人都能创建自己的 ChatGPT，那么你作为“专业人士”、作为一个“创造者”，你脑子里有什么东西，可以拿出来创造一个你自己的 ChatGPT？ 嘿嘿……
4:23

终于等到了 GPT 的拐点，人人都可以创建自己的 ChatGPT #设计AI 今天 OpenAI Dev Day 上的高光时刻，Sam Altman 发布了 GPTs 功能，即允许普通人创建自定义的 GPT 工具 随即他就现场演示，用官方 Builder 创建一个创业导师 GPT 工具。他付出的劳动包括： - 定义工具的基本概念（一句话） - 对 GPT 行为的基本指导（一句话） - 提供一个基础的知识库（一个文本文件） - 花费 3、4 分钟 voila，这个创业导师 GPT 工具就创建完毕可以使用了！ 从产品设计角度而言，GPTs 帮助有想法、有资源、有需求的普通人跳过开发者和漫长的产品开发过程，直接把想法和 GPT-4 提供的人类知识库对接，直接输出立刻可用的个性化 ChatGPT。而且这些个性化 ChatGPT 还支持自然语言交互，跳过了提供界面和人机交互设计的设计师 这就给很多自认为“创造者”的开发者、设计师们提出了一个新问题，如果人人都能创建自己的 ChatGPT，那么你作为“专业人士”、作为一个“创造者”，你脑子里有什么东西，可以拿出来创造一个你自己的 ChatGPT？ 嘿嘿……

倪爽

348,541 Aufrufe • vor 2 Jahren

今天好郁闷，发生了一点不愉快的事情！人生第一次为了自己的愚蠢进了叔所！ 期待明天的好结果！！！ ⸻ AI 的下一关，不在能力，而在可被证明 在模型规模不断被刷新纪录的阶段，有一个问题始终被刻意回避： AI 的结论，是否真的来自它声称的计算过程？ Inference Labs 选择从这个问题切入。 他们关注的不是模型性能，而是推理行为本身是否可信、是否可复现、是否可审计。 Proof of Inference 的意义，在于把“我相信模型没问题”变成“模型必须给出证明”。 通过零知识证明，系统可以在不暴露模型结构和参数的前提下，确认一次推理： •确实由指定模型完成 •计算过程未被替换或篡改 •输出结果与真实推理一致 这不是提高透明度，而是引入约束。 在工程层面，DSperse 做的事情同样关键。 它把原本高度定制化、专家依赖的 zkML 开发流程，拆解为可复用组件， 使“可验证 AI”从研究范畴，进入实际应用范畴。 否则，再正确的理念也只能停留在白皮书。 目前，可验证推理在性能上的代价仍然明显， 但这更像早期加密系统的计算成本问题，而不是路线错误。 融资的用途，也正是针对这一层进行系统级优化。 如果说过去的 AI 竞争是“谁能算得更快”， 接下来的竞争，很可能是： 谁的推理能被证明、被追溯、被承担责任。 Inference Labs 所搭建的，不是价值观， 而是一层让 AI 输出进入现实系统所必需的验证基础设施。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs
2:00

今天好郁闷，发生了一点不愉快的事情！人生第一次为了自己的愚蠢进了叔所！ 期待明天的好结果！！！ ⸻ AI 的下一关，不在能力，而在可被证明 在模型规模不断被刷新纪录的阶段，有一个问题始终被刻意回避： AI 的结论，是否真的来自它声称的计算过程？ Inference Labs 选择从这个问题切入。 他们关注的不是模型性能，而是推理行为本身是否可信、是否可复现、是否可审计。 Proof of Inference 的意义，在于把“我相信模型没问题”变成“模型必须给出证明”。 通过零知识证明，系统可以在不暴露模型结构和参数的前提下，确认一次推理： •确实由指定模型完成 •计算过程未被替换或篡改 •输出结果与真实推理一致 这不是提高透明度，而是引入约束。 在工程层面，DSperse 做的事情同样关键。 它把原本高度定制化、专家依赖的 zkML 开发流程，拆解为可复用组件， 使“可验证 AI”从研究范畴，进入实际应用范畴。 否则，再正确的理念也只能停留在白皮书。 目前，可验证推理在性能上的代价仍然明显， 但这更像早期加密系统的计算成本问题，而不是路线错误。 融资的用途，也正是针对这一层进行系统级优化。 如果说过去的 AI 竞争是“谁能算得更快”， 接下来的竞争，很可能是： 谁的推理能被证明、被追溯、被承担责任。 Inference Labs 所搭建的，不是价值观， 而是一层让 AI 输出进入现实系统所必需的验证基础设施。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 |上Gate玩事件合约

303,919 Aufrufe • vor 8 Monaten

测试了一圈设计工具，Claude Design在听懂人话方面完胜 个人感觉它最厉害的地方是，会先帮你把问题理清楚、把需求细节都确认到位，然后才动手 系统提示词里有两句挺关键的： “好的高保真设计不是凭空开始的，而是建立在已有设计上下文之上” “从零开始设计是最后手段” 下面是我分别用Claude Design、V0、Figma make快速直出的个人面板，同一提示词，效果差异明显 上下文了解越充分，明显产出效果更好
0:24

测试了一圈设计工具，Claude Design在听懂人话方面完胜 个人感觉它最厉害的地方是，会先帮你把问题理清楚、把需求细节都确认到位，然后才动手 系统提示词里有两句挺关键的： “好的高保真设计不是凭空开始的，而是建立在已有设计上下文之上” “从零开始设计是最后手段” 下面是我分别用Claude Design、V0、Figma make快速直出的个人面板，同一提示词，效果差异明显 上下文了解越充分，明显产出效果更好

Sac

19,190 Aufrufe • vor 5 Monaten