正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

从另一个角度看Seedance 2.0爆火:算力只是敲门砖，数据才是AI角逐的最核心基础。虽然我们在文字模型上还有差距，但在短视频领域，抖音和快手拥有全世界最海量、标注最全的视频资产。只要有数据，应用层的爆发就是必然。这次毫不夸张，影视行业的寒冬可能真要来了。

傅盛

55,788 subscribers

26,507 次观看 • 5 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

在今天的百度世界大会上，沉寂许久的百度发布其文心5.0（EB5）模型似乎是憋了个大招根据公布的信息,这代模型直接从训练伊始就融合文本、图像、音频、视频训练数据是一个原生的全模态模型... - 参数规模高达 2.4 万亿 - MoE架构激活参数比例< 3% 测试了下视频分析能力，感觉是有点东西... 真的能看懂视频，不只是台词，画面分析的也很可以...

在今天的百度世界大会上，沉寂许久的百度发布其文心5.0（EB5）模型似乎是憋了个大招根据公布的信息,这代模型直接从训练伊始就融合文本、图像、音频、视频训练数据是一个原生的全模态模型... - 参数规模高达 2.4 万亿 - MoE架构激活参数比例< 3% 测试了下视频分析能力，感觉是有点东西... 真的能看懂视频，不只是台词，画面分析的也很可以...

小互

38,838 次观看 • 8 个月前

游戏代打也要失业了? 来看 NVIDIA NitroGen NVIDIA 刚刚又发了个新模型 NitroGen，这是个只有 1B 大小却可以玩游戏的大模型，它接受视频帧输入，然后输出手柄操作。所以非常适合用来玩手柄可以操作的动作类游戏。这个模型最大的特点是，它是基于游戏视频本身学习的，以往互联网上虽然有很多游戏视频，但是游戏操作并没有记录下来，而 NitroGen 它利用了合成动作标签技术。研究团队通过大规模的逆动力学模型，从公开的互联网游戏视频中“反推”出当时玩家可能按下的键，从而人工合成了海量的训练数据，通过上万小时的纯视频数据进行预训练，打破了数据瓶颈。而且最重要的是，这个模型支持后训练。这意味着面对一款它从未见过的全新游戏不需要从头训练，只需少量的微调或适配即可上手游玩。

游戏代打也要失业了? 来看 NVIDIA NitroGen NVIDIA 刚刚又发了个新模型 NitroGen，这是个只有 1B 大小却可以玩游戏的大模型，它接受视频帧输入，然后输出手柄操作。所以非常适合用来玩手柄可以操作的动作类游戏。这个模型最大的特点是，它是基于游戏视频本身学习的，以往互联网上虽然有很多游戏视频，但是游戏操作并没有记录下来，而 NitroGen 它利用了合成动作标签技术。研究团队通过大规模的逆动力学模型，从公开的互联网游戏视频中“反推”出当时玩家可能按下的键，从而人工合成了海量的训练数据，通过上万小时的纯视频数据进行预训练，打破了数据瓶颈。而且最重要的是，这个模型支持后训练。这意味着面对一款它从未见过的全新游戏不需要从头训练，只需少量的微调或适配即可上手游玩。

karminski-牙医

103,416 次观看 • 7 个月前

最近Seedance 2.0 伤透了大家的心，最近不得不把眼光瞄向了最有上进心的grok image,Grok 推出了视频延长功能，一次可以延长10秒，我的账号目前只有10秒，可以在每次的上一个视频的尾部延长两次，总共是30秒，下面是示例，我发现这个延长是有记忆功能的，也就是说人物的相貌是不会在延长后出现变形的，即时上一个视频的最末帧没有脸的样子但是延长后的结果仍然会保持相貌的稳定，唯一的问题是最多一次只能做到30秒长的视频，下次我会试试上传角色绑定后的结果，因为GROK一次只能上传一张图，所以很不方便去绑定角色和统一的场景，但是我对grok image 保持希望。跟帖里有生成过程和提示词

最近Seedance 2.0 伤透了大家的心，最近不得不把眼光瞄向了最有上进心的grok image,Grok 推出了视频延长功能，一次可以延长10秒，我的账号目前只有10秒，可以在每次的上一个视频的尾部延长两次，总共是30秒，下面是示例，我发现这个延长是有记忆功能的，也就是说人物的相貌是不会在延长后出现变形的，即时上一个视频的最末帧没有脸的样子但是延长后的结果仍然会保持相貌的稳定，唯一的问题是最多一次只能做到30秒长的视频，下次我会试试上传角色绑定后的结果，因为GROK一次只能上传一张图，所以很不方便去绑定角色和统一的场景，但是我对grok image 保持希望。跟帖里有生成过程和提示词

John

47,429 次观看 • 5 个月前

上周我在《过度医疗》的视频当中，引用了北大国家发展研究院教授李玲所提供的数据时说： “现在中国人每人平均一年要看7次病，这是世界之最。发达国家一般都是3到4次。” 有人说我胡编乱造，那么我在此贴上李玲的原视频片段。如果说有人胡编乱造，那也是中共的“北大国家发展研究院教授”、 “北大健康发展研究中心主任”在胡编乱造。李玲的父亲是参加了抗美援朝的军人，政治倾向是绝对红色的。她还是一个在体制内专门研究医疗行业的人，并且经常批评美国的医疗制度。所以当她发表的医疗数据是在批评中共制度的时候，我认为可信度比较高（因为跟她自身的利益是冲突的）。就算有人找到了一些别的数据显示“人均看病7次并非世界第一”，那么谁说的才是对的当然值得大家去深入研究，但并不能代表这是我老周张嘴就来。要知道，李玲的这段话和数据，是在凤凰财经播出的。《搜狐》、《网易》、《QQ新闻》、《中华网》等墙内正规大媒体全部都有转载。所以我作为一个自媒体人，在调研数据的时候选择引用李玲的原话，怎么能算是胡编乱造呢？你可以说你不相信李玲的数据，相信你自己找到的，那没问题。但如果是你把你的数据发布在先，那么别人是否也可以引用李玲和凤凰卫视的数据来说你在胡编乱造呢？我认为不能，因为你只是引用了一个你认为数据来源足够可靠的数据，并说明了数据来源。观众当然可以自行判断是否相信这个数据的来源方。所以说，有些蓝勾自己没本事对任何课题做一个完整的、20~30分钟的系统性讲解，因此一以为抓到别人小辫子就兴奋得不得了，也不去自己调查清楚，就急急忙忙发推刷存在感去了。所以，我再次骄傲、自信地重申我对自己油管频道的评价：《老周横眉》的视频虽然不是最紧跟热点、更新最快或最能提供情绪输出的，但必定是实事求是、有理有据、客观公正的。不敢说永远不会有失误，但不会是刻意为之。不信？欢迎你自己去看我的几个热门视频试试。只要你本身是个智商在线、有独立思考能力的人，相信你会有自己的判断。

上周我在《过度医疗》的视频当中，引用了北大国家发展研究院教授李玲所提供的数据时说： “现在中国人每人平均一年要看7次病，这是世界之最。发达国家一般都是3到4次。” 有人说我胡编乱造，那么我在此贴上李玲的原视频片段。如果说有人胡编乱造，那也是中共的“北大国家发展研究院教授”、 “北大健康发展研究中心主任”在胡编乱造。李玲的父亲是参加了抗美援朝的军人，政治倾向是绝对红色的。她还是一个在体制内专门研究医疗行业的人，并且经常批评美国的医疗制度。所以当她发表的医疗数据是在批评中共制度的时候，我认为可信度比较高（因为跟她自身的利益是冲突的）。就算有人找到了一些别的数据显示“人均看病7次并非世界第一”，那么谁说的才是对的当然值得大家去深入研究，但并不能代表这是我老周张嘴就来。要知道，李玲的这段话和数据，是在凤凰财经播出的。《搜狐》、《网易》、《QQ新闻》、《中华网》等墙内正规大媒体全部都有转载。所以我作为一个自媒体人，在调研数据的时候选择引用李玲的原话，怎么能算是胡编乱造呢？你可以说你不相信李玲的数据，相信你自己找到的，那没问题。但如果是你把你的数据发布在先，那么别人是否也可以引用李玲和凤凰卫视的数据来说你在胡编乱造呢？我认为不能，因为你只是引用了一个你认为数据来源足够可靠的数据，并说明了数据来源。观众当然可以自行判断是否相信这个数据的来源方。所以说，有些蓝勾自己没本事对任何课题做一个完整的、20~30分钟的系统性讲解，因此一以为抓到别人小辫子就兴奋得不得了，也不去自己调查清楚，就急急忙忙发推刷存在感去了。所以，我再次骄傲、自信地重申我对自己油管频道的评价：《老周横眉》的视频虽然不是最紧跟热点、更新最快或最能提供情绪输出的，但必定是实事求是、有理有据、客观公正的。不敢说永远不会有失误，但不会是刻意为之。不信？欢迎你自己去看我的几个热门视频试试。只要你本身是个智商在线、有独立思考能力的人，相信你会有自己的判断。

老周横眉

106,436 次观看 • 1 年前

现在的短视频已经有不少精品，在用心创作高质量的作品。推荐一个最近关注的视频号：万能大饼子。它创作的视频特点可能就是充满了细节性的隐喻，经常需要思考下才能知道这个视频想要表达的是什么。比如下面这个有关“AI创作”的视频：

现在的短视频已经有不少精品，在用心创作高质量的作品。推荐一个最近关注的视频号：万能大饼子。它创作的视频特点可能就是充满了细节性的隐喻，经常需要思考下才能知道这个视频想要表达的是什么。比如下面这个有关“AI创作”的视频：

Tristan

168,698 次观看 • 2 年前

用了一段时间 Seedance 2.0，我用了几百次，试着做了短剧、商业广告、文旅宣传片、生活互动小视频、个人vlog，聊点真实感受。 AI 视频从"生成"进入了"创作"时代。以前我们在"用 AI 做视频"，现在是"用 AI 拍片"。它重塑的不是某一个功能，而是整个创作流程：以前你得分别处理文案、素材、剪辑、音效，现在你把想法、参考图、一段旋律一股脑丢给它，出来的东西——是一个完整的、有声音的、有叙事的视频。最让我意外的是它的理解力。你用自然语言描述"主角从疲惫切换到放松的表情变化"，它真的能演出来。不是那种僵硬的 AI 味表演，是有节奏的、有呼吸感的。说"划时代"可能有点大，但至少有三件事回不去了：不会再接受"角色换个镜头就变脸" 不会再接受"视频和声音各做各的" 不会再接受"只能靠文字描述，不能喂参考素材" 这才是 AI 视频该有的样子。

用了一段时间 Seedance 2.0，我用了几百次，试着做了短剧、商业广告、文旅宣传片、生活互动小视频、个人vlog，聊点真实感受。 AI 视频从"生成"进入了"创作"时代。以前我们在"用 AI 做视频"，现在是"用 AI 拍片"。它重塑的不是某一个功能，而是整个创作流程：以前你得分别处理文案、素材、剪辑、音效，现在你把想法、参考图、一段旋律一股脑丢给它，出来的东西——是一个完整的、有声音的、有叙事的视频。最让我意外的是它的理解力。你用自然语言描述"主角从疲惫切换到放松的表情变化"，它真的能演出来。不是那种僵硬的 AI 味表演，是有节奏的、有呼吸感的。说"划时代"可能有点大，但至少有三件事回不去了：不会再接受"角色换个镜头就变脸" 不会再接受"视频和声音各做各的" 不会再接受"只能靠文字描述，不能喂参考素材" 这才是 AI 视频该有的样子。

Adam也叫吉米

27,536 次观看 • 5 个月前

🔥黄仁勋：“特斯拉在自动驾驶上遥遥领先，未来所有汽车都必须具备自动驾驶！最有效的训练方式是让AI直接从海量视频中学习，不再依赖人工标注，这也意味着需要巨大的数据中心算力！ 🚨未来的AI都必须建立在能够理解现实世界的“物理AI”基础上。”

🔥黄仁勋：“特斯拉在自动驾驶上遥遥领先，未来所有汽车都必须具备自动驾驶！最有效的训练方式是让AI直接从海量视频中学习，不再依赖人工标注，这也意味着需要巨大的数据中心算力！ 🚨未来的AI都必须建立在能够理解现实世界的“物理AI”基础上。”

谢嘉琪

29,699 次观看 • 8 个月前

一键生成短视频的AI终于来了！特别神奇的是，它却叫纳米搜索... 我用了一下，输入话题，搜索，下一步，下一步，下一步，一个视频就生成了，就是你现在看到的这个视频。一个字没有改，一个剪辑操作都没有做，就这么做出来了。人物动作比较自然，声音挺真实的，口型对的不错，虽然跟真人肯定还是有一定差距吧，但是直接发抖音没有任何问题。我们都知道，一定会有一款产品，可以把内容一键生成短视频。只是没想到，这么快，就来了。未来一定会来越来越多。人人都是短视频自媒体的时代即将来临。

一键生成短视频的AI终于来了！特别神奇的是，它却叫纳米搜索... 我用了一下，输入话题，搜索，下一步，下一步，下一步，一个视频就生成了，就是你现在看到的这个视频。一个字没有改，一个剪辑操作都没有做，就这么做出来了。人物动作比较自然，声音挺真实的，口型对的不错，虽然跟真人肯定还是有一定差距吧，但是直接发抖音没有任何问题。我们都知道，一定会有一款产品，可以把内容一键生成短视频。只是没想到，这么快，就来了。未来一定会来越来越多。人人都是短视频自媒体的时代即将来临。

Orange AI

42,481 次观看 • 1 年前

又一个天王级项目浮出水面 AI 数据平台 Protege A 轮融资 3000 万美元，a16z 领投累计融资总额 6500 万美元 1/ 团队基因 Protege AI 联创 Travis May 为前 Datavant 创始人 Datavant 在 2021 年以 70 亿美元估值收购 Ciox Health，一跃成为美国最大的医疗数据交换平台另一位联创 Bobby Samuels 此前担任 Datavant 的 Privacy Hub 总监现在是 Protege AI 的 CEO 简而言之就是。两个在医疗数据领域已经跑通亿级市场的操盘手，试图重新定义 AI 训练数据的基础设施。 2/ Protege AI 的定位以及为什么是现在？ AI 进步有三大瓶颈：计算、模型、数据计算能力已经大幅扩展，模型架构也在持续优化。但获取高质量训练数据仍是最大难题。问题的核心在于：世界上最有价值的数据都是私有的、专有的这些数据分散在各个行业，缺乏统一的共享机制法律、隐私、知识产权壁垒让数据流通异常复杂 Protege 要做的就是成为 AI 开发中真实世界数据的基础设施。 3/ 结语随着 AI 变得更加多模态、更加嵌入现实世界工作流程，对特定领域授权数据的需求只会增长。这么一看，Protege 的叙事非常之性感。已加入追踪名单🫡

又一个天王级项目浮出水面 AI 数据平台 Protege A 轮融资 3000 万美元，a16z 领投累计融资总额 6500 万美元 1/ 团队基因 Protege AI 联创 Travis May 为前 Datavant 创始人 Datavant 在 2021 年以 70 亿美元估值收购 Ciox Health，一跃成为美国最大的医疗数据交换平台另一位联创 Bobby Samuels 此前担任 Datavant 的 Privacy Hub 总监现在是 Protege AI 的 CEO 简而言之就是。两个在医疗数据领域已经跑通亿级市场的操盘手，试图重新定义 AI 训练数据的基础设施。 2/ Protege AI 的定位以及为什么是现在？ AI 进步有三大瓶颈：计算、模型、数据计算能力已经大幅扩展，模型架构也在持续优化。但获取高质量训练数据仍是最大难题。问题的核心在于：世界上最有价值的数据都是私有的、专有的这些数据分散在各个行业，缺乏统一的共享机制法律、隐私、知识产权壁垒让数据流通异常复杂 Protege 要做的就是成为 AI 开发中真实世界数据的基础设施。 3/ 结语随着 AI 变得更加多模态、更加嵌入现实世界工作流程，对特定领域授权数据的需求只会增长。这么一看，Protege 的叙事非常之性感。已加入追踪名单🫡

小捕手 Chaos🦅

22,407 次观看 • 6 个月前

很多人还在问：比特币到底是不是“钱”。 Michael Saylor 已经在想下一层了。如果未来是 AI 和 AI 在高频协作、交易、验证、结算，它们需要的，可能不是传统金融系统，而是原生存在于数字世界里的资本、货币和认证网络。他的判断很直接：比特币不只是储值资产。它还可能成为未来数字经济的资本层、结算层、信任层。这个视角，我觉得非常值得看。因为你看的已经不是下一次涨跌，而是下一个时代的底层结构。

很多人还在问：比特币到底是不是“钱”。 Michael Saylor 已经在想下一层了。如果未来是 AI 和 AI 在高频协作、交易、验证、结算，它们需要的，可能不是传统金融系统，而是原生存在于数字世界里的资本、货币和认证网络。他的判断很直接：比特币不只是储值资产。它还可能成为未来数字经济的资本层、结算层、信任层。这个视角，我觉得非常值得看。因为你看的已经不是下一次涨跌，而是下一个时代的底层结构。

大方BigFang

19,931 次观看 • 4 个月前

一个比ChatGPT强大100倍的AI工具codex！ 2026年你可以不会用ChatGPT，但你一定要学会用codex。这条视频可能是你能刷到的最全面最详细的分享codex 0基础使用教程的视频，从小白的角度，用最通俗的语言跟你分享codex的安装使用以及每一个核心功能，让你不需要有任何编程基础就能学会。

一个比ChatGPT强大100倍的AI工具codex！ 2026年你可以不会用ChatGPT，但你一定要学会用codex。这条视频可能是你能刷到的最全面最详细的分享codex 0基础使用教程的视频，从小白的角度，用最通俗的语言跟你分享codex的安装使用以及每一个核心功能，让你不需要有任何编程基础就能学会。

0x鸣人

102,644 次观看 • 2 个月前

赛博大秦，这种科技+国风的视频我最近看的是真上头！这AI 剧情、人物建模、动作设计、配乐，远比不少院线电影都要好啊最近看到很多小伙伴在寻找能做好视频的AI工具，其实大家要明白，工具只能提升效率与质量，但是这类视频的核心还是懂得设置工作流，以及输入相对的专业的关键词才行！ AI降低了行业门槛，但是并未有降低专业的门槛！

赛博大秦，这种科技+国风的视频我最近看的是真上头！这AI 剧情、人物建模、动作设计、配乐，远比不少院线电影都要好啊最近看到很多小伙伴在寻找能做好视频的AI工具，其实大家要明白，工具只能提升效率与质量，但是这类视频的核心还是懂得设置工作流，以及输入相对的专业的关键词才行！ AI降低了行业门槛，但是并未有降低专业的门槛！

Cato_KT

12,298 次观看 • 2 个月前

白宫加密政策主管David Sacks：四年内AI 大模型能力将增长一百万倍！ “我认为目前至少在三个关键维度上，进步的速度都是指数级的。” “首先是算法本身。模型每年提升的速度大概是 3-4 倍。” “它们不仅仅是在速度和性能上更快更好，而且将从量变到质变。” “接着是推理模型。” “我们甚至还没有真正进入智能代理时代，但这将是继推理模型之后的下一个重大飞跃。” “在这个领域，我们才刚刚开始（推理算力增加带来的能力增加也将是倍数增长）。” “接下来是芯片。” “根据多种衡量标准，每一代芯片的性能可能比上一代提高 3-4 倍。” “不只是单个芯片在不断进步，他们还在研究如何将这些芯片联网在一起。” “就像 NVL72 系统，它类似于一个机架系统，可以在数据中心级别大幅提升性能。” “计算能力是第三个你会看到基本上呈指数级进步的领域。” “只需要看看数据中心中部署的 GPU 数量。” “当马斯克最初开始训练 Grok 时，我认为他们大概有 10 万块 GPU。现在已经有 30 万块 GPU，而且正朝着百万块 GPU的目标迈进。OpenAI 的数据中心 Stargate 也是同样的情况。” “在接下来的几年中，他们可能会发展到 500 万、1000 万块 GPU。” 1,000,000 倍的增长是怎么得出的： “算法、芯片和数据中心的扩展和改进速度都是每年 3-4 倍。” “也就是说，每两年进步 10 倍。” “很多人没有理解指数级进步的含义：如果每两年提升 10 倍，并不意味着四年后你只是提升 20 倍。” “这实际上意味着提升 100 倍。” “把这些因素相乘：算法、芯片，以及可用于 AI 的原始计算能力。” 100 倍模型 🧠 × 100 倍芯片 💾 × 100 倍计算能力 ⚡️ = 1,000,000 倍的 AI 大模型🤖 “你所谈论的就是 1,000,000 倍的能力增长。” “但这种变革的影响将是绝对巨大的。” “我觉得人们还没有充分认识到这一点，因为他们不了解指数级进步的意义。”

白宫加密政策主管David Sacks：四年内AI 大模型能力将增长一百万倍！ “我认为目前至少在三个关键维度上，进步的速度都是指数级的。” “首先是算法本身。模型每年提升的速度大概是 3-4 倍。” “它们不仅仅是在速度和性能上更快更好，而且将从量变到质变。” “接着是推理模型。” “我们甚至还没有真正进入智能代理时代，但这将是继推理模型之后的下一个重大飞跃。” “在这个领域，我们才刚刚开始（推理算力增加带来的能力增加也将是倍数增长）。” “接下来是芯片。” “根据多种衡量标准，每一代芯片的性能可能比上一代提高 3-4 倍。” “不只是单个芯片在不断进步，他们还在研究如何将这些芯片联网在一起。” “就像 NVL72 系统，它类似于一个机架系统，可以在数据中心级别大幅提升性能。” “计算能力是第三个你会看到基本上呈指数级进步的领域。” “只需要看看数据中心中部署的 GPU 数量。” “当马斯克最初开始训练 Grok 时，我认为他们大概有 10 万块 GPU。现在已经有 30 万块 GPU，而且正朝着百万块 GPU的目标迈进。OpenAI 的数据中心 Stargate 也是同样的情况。” “在接下来的几年中，他们可能会发展到 500 万、1000 万块 GPU。” 1,000,000 倍的增长是怎么得出的： “算法、芯片和数据中心的扩展和改进速度都是每年 3-4 倍。” “也就是说，每两年进步 10 倍。” “很多人没有理解指数级进步的含义：如果每两年提升 10 倍，并不意味着四年后你只是提升 20 倍。” “这实际上意味着提升 100 倍。” “把这些因素相乘：算法、芯片，以及可用于 AI 的原始计算能力。” 100 倍模型 🧠 × 100 倍芯片 💾 × 100 倍计算能力 ⚡️ = 1,000,000 倍的 AI 大模型🤖 “你所谈论的就是 1,000,000 倍的能力增长。” “但这种变革的影响将是绝对巨大的。” “我觉得人们还没有充分认识到这一点，因为他们不了解指数级进步的意义。”

夜谈

25,895 次观看 • 1 年前

未来三四年，全球最重要的事情是什么？答案是：太空数据中心。你可能会觉得奇怪，但从第一性原理出发，把数据中心建在地球上，其实从一开始就错了。一个数据中心，最核心的成本是什么？两样东西：电，还有散热。先说电。在太空，卫星可以24小时晒太阳。强度还比地面高30%。综合下来，辐射能量是地球的6倍！这意味着什么？你根本不需要昂贵的储能电池。在整个太阳系里，最便宜、最管够的能源，就是太空里的太阳能。再说散热。你在地球上建一个机房，整个机架一半的重量和成本，都是给空调、水冷系统这些复杂玩意儿准备的。但在太空呢？散热是免费的。你只要在卫星背对太阳的那一面，放一个散热器就行了。温度接近绝对零度。所有复杂的散热设备、巨大的成本，瞬间归零。还没完。数据中心里，一个个机柜是怎么连起来的？用光纤。本质是激光在缆线里跑。还有什么比这更快？有。让激光在真空里跑。当无数个卫星数据中心在太空用激光互联，你就拥有了一个比地球上任何网络都更快的超级数据中心。这对我们普通人意味着什么？现在，我手机发个指令，信号要先到基站，进光纤，绕过好几个城市路由器，才能到达数据中心，然后原路返回。未来呢？你的手机直接跟卫星对话，信号上去，算完，下来。 Boom，结束。更低的成本，更快的速度。这才是AI时代该有的样子。

未来三四年，全球最重要的事情是什么？答案是：太空数据中心。你可能会觉得奇怪，但从第一性原理出发，把数据中心建在地球上，其实从一开始就错了。一个数据中心，最核心的成本是什么？两样东西：电，还有散热。先说电。在太空，卫星可以24小时晒太阳。强度还比地面高30%。综合下来，辐射能量是地球的6倍！这意味着什么？你根本不需要昂贵的储能电池。在整个太阳系里，最便宜、最管够的能源，就是太空里的太阳能。再说散热。你在地球上建一个机房，整个机架一半的重量和成本，都是给空调、水冷系统这些复杂玩意儿准备的。但在太空呢？散热是免费的。你只要在卫星背对太阳的那一面，放一个散热器就行了。温度接近绝对零度。所有复杂的散热设备、巨大的成本，瞬间归零。还没完。数据中心里，一个个机柜是怎么连起来的？用光纤。本质是激光在缆线里跑。还有什么比这更快？有。让激光在真空里跑。当无数个卫星数据中心在太空用激光互联，你就拥有了一个比地球上任何网络都更快的超级数据中心。这对我们普通人意味着什么？现在，我手机发个指令，信号要先到基站，进光纤，绕过好几个城市路由器，才能到达数据中心，然后原路返回。未来呢？你的手机直接跟卫星对话，信号上去，算完，下来。 Boom，结束。更低的成本，更快的速度。这才是AI时代该有的样子。

墓碑科技

34,691 次观看 • 7 个月前

影视飓风创始人Tim在最新节目中表示，按照2026年初Seedance视频模型的能力，传统影视流程已进入被AI海啸冲走的倒计时。同时Tim也警告，当一个人的图像和声音数据进入了AI的数据集，模型可以100%地模拟出这个人的任何形态和声音。这并非小革新，而是会推走影视行业过去所有流程和沉淀的海啸。

影视飓风创始人Tim在最新节目中表示，按照2026年初Seedance视频模型的能力，传统影视流程已进入被AI海啸冲走的倒计时。同时Tim也警告，当一个人的图像和声音数据进入了AI的数据集，模型可以100%地模拟出这个人的任何形态和声音。这并非小革新，而是会推走影视行业过去所有流程和沉淀的海啸。

外汇交易员

952,352 次观看 • 5 个月前

强烈推荐兄弟们去看这部《原则2：应对变化中的世界秩序》书籍改编纪录片，这是必看的第二弹。还在因为投资亏损而迷茫？这部40分钟的视频，能帮你吃透经济运行的底层投资逻辑，看完直接豁然开朗。万物皆有周期，只要看清当下所处的周期位置，赚钱就是顺势而为的事。有的投资需要数年甚至数十年才能见效，有的短短几天就能获利。周期是经济运行的基本规律，也是投资里最核心的一环。

强烈推荐兄弟们去看这部《原则2：应对变化中的世界秩序》书籍改编纪录片，这是必看的第二弹。还在因为投资亏损而迷茫？这部40分钟的视频，能帮你吃透经济运行的底层投资逻辑，看完直接豁然开朗。万物皆有周期，只要看清当下所处的周期位置，赚钱就是顺势而为的事。有的投资需要数年甚至数十年才能见效，有的短短几天就能获利。周期是经济运行的基本规律，也是投资里最核心的一环。

0x鸣人

150,353 次观看 • 3 个月前

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。其实 HuggingChat 也不错的你可以在这里体验所有的开源大语言模型

今天 Meta 发布了最新的开源模型的 Llama 3 首发和之前一样，包括了 8B 和 70B 两个版本，小扎说还有个 400B 参数的大号版预计在夏天发布，这可能是第一个 GPT-4 级别的开源模型！Meta 这次在 15T 的数据集上训练了一个 8B 的小模型，在参数规模、易用性和推理能力上做了最佳平衡，看来有算力真香😄 同时 Meta 也推出了自己的 ChatGPT 产品 Chat AI 了。。其实 HuggingChat 也不错的你可以在这里体验所有的开源大语言模型

indigo

183,914 次观看 • 2 年前

我对川普“唐罗主义”的概括：只属于我的，仍然是我的；属于你的，只要我想要、也有能力要，就可以取来。这是我首次在X上做视频，欢迎收看。

我对川普“唐罗主义”的概括：只属于我的，仍然是我的；属于你的，只要我想要、也有能力要，就可以取来。这是我首次在X上做视频，欢迎收看。

邓聿文

20,705 次观看 • 6 个月前

谁拥有算力，谁就拥有了下一个时代的入口。特斯拉造了Dojo超级计算平台，专门训练自动驾驶。现在只撑起了5%的任务，剩下的，还是靠英伟达的GPU。纽约的数据中心在跑，但还不够，远远不够。马斯克的XAI，正在建一个更大的怪兽：全球最大算力集群，目标超20万张GPU一起训练。地点选在孟菲斯，未来扩到一百万张，全是英伟达最新的Blackwell芯片。不是八十万，不是九十万，是一百万。如果你还觉得这只是技术升级，那你错了。马斯克下注的是基础设施的重构。机器人不是工具，是未来的“水电煤”。而算力，是它们的供血系统。所有AI的智能，只是表象；背后的芯片、架构、能耗，才是真正的战争。谁拥有算力，谁就拥有了下一个时代的入口。

谁拥有算力，谁就拥有了下一个时代的入口。特斯拉造了Dojo超级计算平台，专门训练自动驾驶。现在只撑起了5%的任务，剩下的，还是靠英伟达的GPU。纽约的数据中心在跑，但还不够，远远不够。马斯克的XAI，正在建一个更大的怪兽：全球最大算力集群，目标超20万张GPU一起训练。地点选在孟菲斯，未来扩到一百万张，全是英伟达最新的Blackwell芯片。不是八十万，不是九十万，是一百万。如果你还觉得这只是技术升级，那你错了。马斯克下注的是基础设施的重构。机器人不是工具，是未来的“水电煤”。而算力，是它们的供血系统。所有AI的智能，只是表象；背后的芯片、架构、能耗，才是真正的战争。谁拥有算力，谁就拥有了下一个时代的入口。

墓碑科技

59,872 次观看 • 1 年前