正在加载视频...

视频加载失败

返回首页

早上好呀，朋友们，听首歌起床还是很舒服的，起床开工。 我最近在反复看 OpenMind ， 一个很明显的感受是，它并不是在和大家抢智能这条赛道。 现在市场里关于具身智能的讨论，大多都围绕一个点展开 模型够不够强，泛化能力行不行，能不能从屏幕走进现实世界。 但 OpenMind 的切入点有点反着来。 它并没有假设机器一开始就会表现得很好，而是默认它们会犯错、会失控、会留下后果。 这个前提一旦成立，整个系统的设计逻辑就会完全变掉。 在现实世界里，真正难的从来不是能不能做，而是做错了怎么办。 一段代码跑错了，最多是回滚。 一个机器人跑错了，可能是事故、损失，甚至责任纠纷。 OpenMind 明显是从这个现实约束出发的。 你会发现它花了大量精力去做一件在早期阶段非常不讨好的事情 让机器拥有不可转移的身份、完整的执行记录，以及可累积的声誉轨迹。 这些东西不会让机器人更聪明，也不会让 demo 看起来更炫。 但它们在悄悄解决一个更底层的问题 当机器开始长期运行，系统要如何记住它曾经做过什么。 在 OpenMind 的结构里，机器人不是一次性工具。 它更像一个长期存在的执行体，有历史、有信用，也有负反馈。 你不能靠重启来抹掉过去的行为。 执行得越稳定，系统给你的权限越高。 出错次数越多，你能参与的任务就会被逐步收紧。 这种设计其实非常反爽点。 因为它直接压缩了操作空间，也牺牲了短期效率。 但换来的，是一个可以持续运行的秩序。 很多项目在讲未来的机器社会时，会默认一个隐含前提： 只要模型足够好，规则自然会变得不重要。 OpenMind 的判断恰好相反。 它更像是在说，如果没有规则兜底，智能越强，系统越危险。 所以我越来越觉得，OpenMind 真正在做的，并不是机器人的 Android 是一套让机器可以被纳入社会结构的基础设施。 不是让它们更像人，是让它们先学会被约束。 这条路在当下阶段，很难成为流量中心。 它不制造情绪，也不迎合想象空间。 但一旦机器人真的开始进入公共空间、商业系统、基础设施，这套东西就会变得不可绕开。 OpenMind 押的不是短期爆发，而是一个更慢的事实...

QF88688's profile picture

草帽 boy

6,712 subscribers

35,249 次观看 • 5 个月前 •via X (Twitter)

教育健康养生科学技术
LIVE

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

渣男们！ 这是不是你们的语录！别说听着很舒服呢 ⸻ 当优势无法被长期保存，系统本身就变得重要 现在这个市场，有一个变化越来越明显： 任何“领先一点点”的优势，都活不了多久。 信息被快速扩散，叙事被反复消耗， 一旦被看见，就立刻被定价。 在这种环境里，拼的已经不是谁更聪明， 而是谁的系统更顺手、更稳定、更不容易出错。 这也是我开始理解 Ferra 存在意义的地方。 它不是在制造新叙事， 而是在顺着市场变化，把一些原本分散、割裂的流程收拢起来。 研究、数据、执行路径，被放进同一个结构里， 减少中间判断的损耗，也减少人为干扰。 当优势不再属于个人， 就只能交给系统来保留。 Sui 生态也正好走到这个阶段： 不再是“有没有机会”， 而是“有没有承载这些机会的基础设施”。 Ferra Terminal 更像是一种阶段信号—— 当生态开始变得更密集、更快， 就一定会出现这种为效率和秩序服务的工具。 市场从来不会等人， 但它会不断筛选系统。 Ferra 出现，并不是因为它想证明自己多厉害， 而是因为现在的环境，已经需要这样的结构了。 #KaitoYap Kaito AI 🌊 #Yap Ferra
2:03

渣男们！ 这是不是你们的语录！别说听着很舒服呢 ⸻ 当优势无法被长期保存，系统本身就变得重要 现在这个市场，有一个变化越来越明显： 任何“领先一点点”的优势，都活不了多久。 信息被快速扩散，叙事被反复消耗， 一旦被看见，就立刻被定价。 在这种环境里，拼的已经不是谁更聪明， 而是谁的系统更顺手、更稳定、更不容易出错。 这也是我开始理解 Ferra 存在意义的地方。 它不是在制造新叙事， 而是在顺着市场变化，把一些原本分散、割裂的流程收拢起来。 研究、数据、执行路径，被放进同一个结构里， 减少中间判断的损耗，也减少人为干扰。 当优势不再属于个人， 就只能交给系统来保留。 Sui 生态也正好走到这个阶段： 不再是“有没有机会”， 而是“有没有承载这些机会的基础设施”。 Ferra Terminal 更像是一种阶段信号—— 当生态开始变得更密集、更快， 就一定会出现这种为效率和秩序服务的工具。 市场从来不会等人， 但它会不断筛选系统。 Ferra 出现，并不是因为它想证明自己多厉害， 而是因为现在的环境，已经需要这样的结构了。 #KaitoYap Kaito AI 🌊 #Yap Ferra

董小姐 ｜预测世界杯就在Gate

84,626 次观看 • 6 个月前

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。 不是它们不厉害，恰恰相反——都太厉害了。 模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。 不是“哇好强”，而是突然冒出一个不太技术的问题： 如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？ 不是那种我问你、你马上答的关系， 而是你会不会哪天顺手再点开它。 有些 AI 真的很聪明，但你心里清楚，它就是工具。 用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。 它更像是在琢磨一件事： 人为什么会愿意和一个存在长期相处？ 这时候我才开始注意到他们说的那套 Mind / Body / Soul。 不是因为名字，而是方向。 Mind 这一层，其实挺像人。 不是一直保持同一种状态。 有时候你需要逻辑，有时候只是想被理解， 有时候甚至不需要答案，只要有人把话接住。 再加上它会记得你。 不是那种冷冰冰的“你在某年某月问过什么”， 而是你们之间发生过的那些事。 一旦记忆变成关系的一部分， 整个体验就不一样了。 Body 这点我以前真没太当回事。 但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。 有形象、有存在的位置， 在你已经习惯的设备和场景里出现。 不是为了炫， 而是为了让你不抗拒。 在你信任之前，你首先得觉得它“正常”、不吓人。 至于 Soul，其实是我最看重的。 现在的 AI 都很会， 但很少有那种让人想一直留着的。 Kindred 没那么急。 不催你、不拉你、不用力制造黏性。 你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西， 给我的感觉更像是一起走一段， 而不是被系统牵着跑。 所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI， 但底层其实是在讲人。 我们怎么建立信任， 怎么产生依附， 怎么愿意长期和一个存在共处。 AI 只是载体。 被认真对待的，其实是人的感受。 如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。 不是因为它最强， 而是它没有急着证明自己。
1:42

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。 不是它们不厉害，恰恰相反——都太厉害了。 模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。 不是“哇好强”，而是突然冒出一个不太技术的问题： 如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？ 不是那种我问你、你马上答的关系， 而是你会不会哪天顺手再点开它。 有些 AI 真的很聪明，但你心里清楚，它就是工具。 用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。 它更像是在琢磨一件事： 人为什么会愿意和一个存在长期相处？ 这时候我才开始注意到他们说的那套 Mind / Body / Soul。 不是因为名字，而是方向。 Mind 这一层，其实挺像人。 不是一直保持同一种状态。 有时候你需要逻辑，有时候只是想被理解， 有时候甚至不需要答案，只要有人把话接住。 再加上它会记得你。 不是那种冷冰冰的“你在某年某月问过什么”， 而是你们之间发生过的那些事。 一旦记忆变成关系的一部分， 整个体验就不一样了。 Body 这点我以前真没太当回事。 但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。 有形象、有存在的位置， 在你已经习惯的设备和场景里出现。 不是为了炫， 而是为了让你不抗拒。 在你信任之前，你首先得觉得它“正常”、不吓人。 至于 Soul，其实是我最看重的。 现在的 AI 都很会， 但很少有那种让人想一直留着的。 Kindred 没那么急。 不催你、不拉你、不用力制造黏性。 你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西， 给我的感觉更像是一起走一段， 而不是被系统牵着跑。 所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI， 但底层其实是在讲人。 我们怎么建立信任， 怎么产生依附， 怎么愿意长期和一个存在共处。 AI 只是载体。 被认真对待的，其实是人的感受。 如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。 不是因为它最强， 而是它没有急着证明自己。

董小姐 ｜预测世界杯就在Gate

43,660 次观看 • 6 个月前

人形机器人这条线，最近其实已经很清楚了： 开始往家庭场景收敛。 一旦进入家庭，问题就不再是工业效率，而是长期共处。 它会持续感知环境、采集信息、做出判断，而且很多时候并不在人的注视下。 在这种条件下，动作精不精准、拟不拟人，反而是次要的。 更关键的是： 这些判断是怎么来的，你能不能知道。 如果一个家用机器人： 感知了什么是黑箱， 推理过程不可追溯， 行为是否越界只能靠厂商声明， 那它在家里的身份，就不是工具，而是风险源。 所以家庭机器人真正需要补的，不是性能指标，而是可信结构。 它看到什么、怎么推理、是否按规则执行， 都需要在不泄露隐私、不暴露模型细节的前提下，被验证过。 从这个角度看，Inference Labs 在做的事情并不是让机器人更强， 而是在为“能不能被放进家里”补必要条件。 当机器人进入家庭， 信任不是体验加分项， 而是入场门槛。 #InferenceLabs #KaitoYap #KaitoAI
4:27

人形机器人这条线，最近其实已经很清楚了： 开始往家庭场景收敛。 一旦进入家庭，问题就不再是工业效率，而是长期共处。 它会持续感知环境、采集信息、做出判断，而且很多时候并不在人的注视下。 在这种条件下，动作精不精准、拟不拟人，反而是次要的。 更关键的是： 这些判断是怎么来的，你能不能知道。 如果一个家用机器人： 感知了什么是黑箱， 推理过程不可追溯， 行为是否越界只能靠厂商声明， 那它在家里的身份，就不是工具，而是风险源。 所以家庭机器人真正需要补的，不是性能指标，而是可信结构。 它看到什么、怎么推理、是否按规则执行， 都需要在不泄露隐私、不暴露模型细节的前提下，被验证过。 从这个角度看，Inference Labs 在做的事情并不是让机器人更强， 而是在为“能不能被放进家里”补必要条件。 当机器人进入家庭， 信任不是体验加分项， 而是入场门槛。 #InferenceLabs #KaitoYap #KaitoAI

董小姐 ｜预测世界杯就在Gate

103,554 次观看 • 6 个月前

很多人一聊到选哪条链？第一反应都是： 热度高不高？补贴多不多？生态有没有流量？ 但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议，我反而有种感觉：这不是在给 Sui 站台，更像是一场技术自白。 首先Talus 选 Sui，真的不是因为它现在火。而是因为 Talus 想做的这件事，在别的链上，很难跑得像样。先说清楚一点：Talus 要做的不是一个 AI 应用，也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络：成千上万个代理同时运行、同时决策、同时交互。光是这个前提，就把底层链的门槛直接拉满。 为什么是 Sui？我听下来，核心其实就三点。 第一，并行执行。代理世界不是排队点菜，不是你先我后那种单线程逻辑。代理一多，如果底层还是串行执行，结果只有一个：越跑越卡，最后只能做 demo。Sui 的并行执行，本质上就是为“多主体同时操作” 这种系统准备的，这点和 Talus 的形态非常贴合。 第二，高吞吐量。代理不是偶尔动一下，而是持续、高频地产生状态变化。TPS 要是撑不住，所有“自主”“实时”都会变成慢动作回放。对 Talus 来说，吞吐量不是加分项，是能不能活下来的前提条件。 第三，移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑，它一定会越来越靠近用户。Sui 在账户模型和安全设计上，本身就更像现代应用，而不是早期 DeFi 那套「钱包就是一切」的逻辑。 所以当 gmike 说“我们一直都是 SUI Maxis”，我反而觉得这句话挺克制的。这不是情绪站队，而是工程师视角下的现实选择。至于多链？我自己的理解是：Talus 不是不懂多链，而是很清楚——在基础设施阶段，过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统，先把一个底层跑通、跑稳，比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”， 但真正做底层的人，往往会先问一句：现在这个系统在哪条链上能真正跑到规模？从这个角度看，Talus 的选择是理性的，也是偏长期的。不追热点，不抢流量，先把代理世界里最难的那一块解决掉。这种项目短期不一定最热，但一旦真跑起来，后面的持续热度，反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝
1:29

很多人一聊到选哪条链？第一反应都是： 热度高不高？补贴多不多？生态有没有流量？ 但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议，我反而有种感觉：这不是在给 Sui 站台，更像是一场技术自白。 首先Talus 选 Sui，真的不是因为它现在火。而是因为 Talus 想做的这件事，在别的链上，很难跑得像样。先说清楚一点：Talus 要做的不是一个 AI 应用，也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络：成千上万个代理同时运行、同时决策、同时交互。光是这个前提，就把底层链的门槛直接拉满。 为什么是 Sui？我听下来，核心其实就三点。 第一，并行执行。代理世界不是排队点菜，不是你先我后那种单线程逻辑。代理一多，如果底层还是串行执行，结果只有一个：越跑越卡，最后只能做 demo。Sui 的并行执行，本质上就是为“多主体同时操作” 这种系统准备的，这点和 Talus 的形态非常贴合。 第二，高吞吐量。代理不是偶尔动一下，而是持续、高频地产生状态变化。TPS 要是撑不住，所有“自主”“实时”都会变成慢动作回放。对 Talus 来说，吞吐量不是加分项，是能不能活下来的前提条件。 第三，移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑，它一定会越来越靠近用户。Sui 在账户模型和安全设计上，本身就更像现代应用，而不是早期 DeFi 那套「钱包就是一切」的逻辑。 所以当 gmike 说“我们一直都是 SUI Maxis”，我反而觉得这句话挺克制的。这不是情绪站队，而是工程师视角下的现实选择。至于多链？我自己的理解是：Talus 不是不懂多链，而是很清楚——在基础设施阶段，过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统，先把一个底层跑通、跑稳，比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”， 但真正做底层的人，往往会先问一句：现在这个系统在哪条链上能真正跑到规模？从这个角度看，Talus 的选择是理性的，也是偏长期的。不追热点，不抢流量，先把代理世界里最难的那一块解决掉。这种项目短期不一定最热，但一旦真跑起来，后面的持续热度，反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝

百里 🌊RIVER | MemeMax⚡️|🧠SENT

13,710 次观看 • 6 个月前

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam： 但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。 我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。 曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。 模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。 这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam： 这个问题有多个答案。这取决于激励模型。这是人类的选择。 问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam： 这是生物化的。我认为在此之前还有很多步骤。 我们现在要回答问题吗？这真的很棒。
0:30

“我们究竟是创造了一个工具还是一个生物？” Sam 在 "机器人之心 "小组讨论会上的发言。 Sam： 但我认为，这无疑是迄今为止人类经历的最重大的更新年份。可能这也是我们将会遭遇的最大变革，因为从现在开始，人们已经接受强大的人工智能将成为现实，并且还会有逐步的更新。就像是第一代 iPhone 面世的那年，以及随后每一代 iPhone 的更新，我们现在能够明显感受到这一代与去年那代的差异。所以，这确实是一个重要的时刻。 我感到欣慰的是，现在人们开始正确地把这些系统当作工具来看待。艺术家尤其如此，但其他人也是一样。 曾经，人们真正恐惧的是，我们究竟是创造了一个工具还是一个生物，这将意味着什么？现在，人们视这些系统为人类工具箱中的新工具，并且正在用它创造一些非常了不起的东西。 模型显然不知道你在说什么，因为这不在它的训练数据里，它也无法从训练数据中学习到这些信息。 这是完全可以预期的。你再问一遍。比如说，你提到“意识”这个概念，模型回答：“是的，我完全明白你的意思，但我之前从未听说过这个词。” 问： “这对我来说就像是一次更新。你认为人工智能会趋向于探索创造性智能和自主性吗？” Sam： 这个问题有多个答案。这取决于激励模型。这是人类的选择。 问： “这将是判断意识的一个很好的测试。因为如果它有自我表达的愿望，并且仅仅为了创作的乐趣而去创作，那不会是偶然的。这绝对有点像生物。” Sam： 这是生物化的。我认为在此之前还有很多步骤。 我们现在要回答问题吗？这真的很棒。

Lei.sea

14,132 次观看 • 2 年前

最近 Miden 公布奖励后 明显大家怠慢了 Inference Labs ,没有前几天那么卷了，那我就开始冲啦。 很多人把 Inference Labs 当成一个 AI 基础设施，但我越看越觉得，它真正做的不是算力、不是模型、甚至不是验证本身。 它更像是在给 AI 世界搭一套司法系统。 现在大部分 AI 项目，都在解决一件事，怎么让模型更强、更快、更便宜。 但几乎没人认真回答另一个问题，如果 AI 的判断是错的，甚至是被操纵的，谁来否认它。 这不是一个技术问题，这是一个制度问题。 现实世界里，任何能影响结果的系统，都一定有一套否认机制。 金融有仲裁，法律有上诉，市场有清算。 但 AI 世界没有。 今天的 AI 输出，一旦被系统采用，就会一路向下执行。 自动清算、自动交易、自动风控、自动推荐。 问题不在于 AI 会不会犯错，而在于犯错之后，系统本身有没有能力说不。 Inference Labs 的位置，就在这里。 它不是在帮 AI 生成结果，而是在为结果提供一种可被挑战、可被回溯、可被否认的路径。 你可以把它理解成 AI 世界里的证据链，而不是算力层。 这一点很关键，因为它决定了 Inference Labs 真正的用户是谁。 它的核心用户，其实不是开发者。 开发者只是接入工具的人。 真正依赖它的，是那些已经被 AI 深度接管，却无法承担失误成本的系统。 比如 DeFi 协议。 AI 在里面做策略、做风控、做参数调节。 如果一次判断失误，损失是真实发生的。 但现在的系统里，几乎没有办法证明，这个结果到底是不是“按规则运行”得出来的。 DAO 也是一样。 越来越多的治理建议、预算分配、风险评估，开始交给 AI 辅助甚至直接决策。 但一旦结果被质疑，DAO 没有证据链可以审计，只能靠信任模型本身。 这就是 Inference Labs 的用武之地。 它并不是让 AI 更聪明，而是让系统在出现争议时，有一套可以站得住脚的说法。 这和 zk、算力、模型大小都没那么直接关系，而更接近制度建设。 如果你从这个角度看，就会发现 Inference Labs 的节奏和大多数 AI 项目完全不同。 它不追求用户爆发，不追求调用量暴涨，也不太在意短期热度。 因为这种系统，只有在规模足够大、风险足够真实的时候，才会被真正需要。 就像现实世界里的法院。 没人会天天夸法院多高效，但一旦没有它，秩序会立刻崩。 Inference Labs 服务的，其实是一群被动用户。 他们可能根本不知道自己在用这个协议。 他们只知道，自己的系统需要一个能够在关键时刻说清楚发生了什么的底层。 这也是为什么我认为 Inference Labs 很容易被低估。 它不制造爽点，只负责兜底。 而兜底型协议，在牛市里永远不性感，但在出事的时候，永远第一个被翻出来。 如果未来 AI 真正开始成为经济系统的一部分，那一定不是只有生成层和执行层。 中间一定需要一层，负责裁定、回溯、否认和问责。 从这个角度看，Inference Labs 更像是 AI 世界的制度组件，而不是工具组件。 而制度型基础设施，往往前期安静，后期不可替代。 这类项目，从来不是用来追热度的。 它们是用来活得最久的。 #KAITO #Inference
0:44

最近 Miden 公布奖励后 明显大家怠慢了 Inference Labs ,没有前几天那么卷了，那我就开始冲啦。 很多人把 Inference Labs 当成一个 AI 基础设施，但我越看越觉得，它真正做的不是算力、不是模型、甚至不是验证本身。 它更像是在给 AI 世界搭一套司法系统。 现在大部分 AI 项目，都在解决一件事，怎么让模型更强、更快、更便宜。 但几乎没人认真回答另一个问题，如果 AI 的判断是错的，甚至是被操纵的，谁来否认它。 这不是一个技术问题，这是一个制度问题。 现实世界里，任何能影响结果的系统，都一定有一套否认机制。 金融有仲裁，法律有上诉，市场有清算。 但 AI 世界没有。 今天的 AI 输出，一旦被系统采用，就会一路向下执行。 自动清算、自动交易、自动风控、自动推荐。 问题不在于 AI 会不会犯错，而在于犯错之后，系统本身有没有能力说不。 Inference Labs 的位置，就在这里。 它不是在帮 AI 生成结果，而是在为结果提供一种可被挑战、可被回溯、可被否认的路径。 你可以把它理解成 AI 世界里的证据链，而不是算力层。 这一点很关键，因为它决定了 Inference Labs 真正的用户是谁。 它的核心用户，其实不是开发者。 开发者只是接入工具的人。 真正依赖它的，是那些已经被 AI 深度接管，却无法承担失误成本的系统。 比如 DeFi 协议。 AI 在里面做策略、做风控、做参数调节。 如果一次判断失误，损失是真实发生的。 但现在的系统里，几乎没有办法证明，这个结果到底是不是“按规则运行”得出来的。 DAO 也是一样。 越来越多的治理建议、预算分配、风险评估，开始交给 AI 辅助甚至直接决策。 但一旦结果被质疑，DAO 没有证据链可以审计，只能靠信任模型本身。 这就是 Inference Labs 的用武之地。 它并不是让 AI 更聪明，而是让系统在出现争议时，有一套可以站得住脚的说法。 这和 zk、算力、模型大小都没那么直接关系，而更接近制度建设。 如果你从这个角度看，就会发现 Inference Labs 的节奏和大多数 AI 项目完全不同。 它不追求用户爆发，不追求调用量暴涨，也不太在意短期热度。 因为这种系统，只有在规模足够大、风险足够真实的时候，才会被真正需要。 就像现实世界里的法院。 没人会天天夸法院多高效，但一旦没有它，秩序会立刻崩。 Inference Labs 服务的，其实是一群被动用户。 他们可能根本不知道自己在用这个协议。 他们只知道，自己的系统需要一个能够在关键时刻说清楚发生了什么的底层。 这也是为什么我认为 Inference Labs 很容易被低估。 它不制造爽点，只负责兜底。 而兜底型协议，在牛市里永远不性感，但在出事的时候，永远第一个被翻出来。 如果未来 AI 真正开始成为经济系统的一部分，那一定不是只有生成层和执行层。 中间一定需要一层，负责裁定、回溯、否认和问责。 从这个角度看，Inference Labs 更像是 AI 世界的制度组件，而不是工具组件。 而制度型基础设施，往往前期安静，后期不可替代。 这类项目，从来不是用来追热度的。 它们是用来活得最久的。 #KAITO #Inference

紫川 | ∞KIN |

12,423 次观看 • 5 个月前

以前一直觉得“智能驾驶”都是厂家吹出来的， 直到真正坐过一次特斯拉FSD。 那种感觉不是“辅助驾驶”， 是真的开始有点像一个人在开车了。 变道、识别路况、提前预判， 有时候甚至比很多司机还稳。 现在国内这个还只是“残血版”， 如果后面满血FSD真进来了，估计整个新能源圈又得重新洗牌。 有些东西你可以嘴硬， 但体验过以后就知道—— 这玩意儿确实有点“遥遥领先”了。 😅 尤其最可怕的是： 它不是一次性功能， 而是会不断进化的AI司机。 很多人还在拿“冰箱彩电大沙发”做卖点的时候， 真正改变行业的，可能已经变成了“车会不会自己开”。 Tesla, Inc. 的厉害之处， 可能不是造车， 而是它在把汽车慢慢变成“会学习的机器人”。
0:22

以前一直觉得“智能驾驶”都是厂家吹出来的， 直到真正坐过一次特斯拉FSD。 那种感觉不是“辅助驾驶”， 是真的开始有点像一个人在开车了。 变道、识别路况、提前预判， 有时候甚至比很多司机还稳。 现在国内这个还只是“残血版”， 如果后面满血FSD真进来了，估计整个新能源圈又得重新洗牌。 有些东西你可以嘴硬， 但体验过以后就知道—— 这玩意儿确实有点“遥遥领先”了。 😅 尤其最可怕的是： 它不是一次性功能， 而是会不断进化的AI司机。 很多人还在拿“冰箱彩电大沙发”做卖点的时候， 真正改变行业的，可能已经变成了“车会不会自己开”。 Tesla, Inc. 的厉害之处， 可能不是造车， 而是它在把汽车慢慢变成“会学习的机器人”。

鲨十三🦈娱乐博主

22,358 次观看 • 1 个月前

为什么说 StandX 是在为活人设计，而不是为流量设计？ 在链上混久了，你会发现一个很荒诞的现象 大多数永续 DEX 其实并不关心你这个人。 在它们眼里，你只是一个钱包地址，带着一串成交量，贡献了一笔手续费，然后最好赶紧把仓位平了，好让它们去统计数据。 这种设计假设交易者是短视且流动的，导致的结果就是：热闹的时候大家都在卷返佣，一旦奖励断了，平台立马就变成了一座空城。 但我盯着 StandX 看了很久，发现它的底层逻辑完全反了过来。 它是在假设你会留下来，甚至假设你会把这里当成长期的交易主场。 首先，它解决了交易者的空窗期焦虑。 做交易的人都知道，最耗神的不是盯盘，而是当你没机会开仓时，资金在那儿干坐着，系统也把你当成隐形人。 StandX 引入 DUSD，大家都在聊收益，但我看到的是连续性。 你的保证金在不交易的时候，依然是有反馈、有价值的。 这意味着你不需要在 USDC 和各种池子之间反复折腾。 这种不需要反复决策的丝滑感，是老手最看重的，因为它极大降低了心理损耗。 其次，它对订单簿的坚持，其实是对专业性的某种笨拙守候。 说实话，现在做 AMM 或者合意模型更容易拉新，因为新手点一下就能成交。 但 StandX 坚持搞订单簿，甚至鼓励挂单和 Maker 行为，这其实是在筛选用户。 它想要的是那些会计算成本、会管理仓位、会预埋限价单的长期交易者。它不是在讨好所有人，它是在服务那群真正懂交易的人。 最让我感触的一点，是它的奖励机制。 很多平台的激励其实是在鼓励自杀——诱导你为了拿奖金去高频刷量，最后手续费亏得比奖励还多。 而 StandX 的逻辑更倾向于奖励耐心。它看重的是你的持仓、你的挂单质量、你留在系统里的时长。 这种设计释放了一个信号：你不需要在这里做那个打一枪就换地方的过客。 说到底，链上永续协议现在的瓶颈不是技术，而是留存。 如果一个协议默认用户只是路过，那它永远留不住人。 StandX 现在的低估，很大程度上是因为它在做一件慢事——它在尝试建立一套让交易者能长期待得住的结构。 它不一定是为那些最激进、最疯狂的投机者准备的，但如果你想在链上找一个能稳定管理仓位、能让资金产生持续价值的地方，StandX 的路子走得非常正。 #standx #KAITO
2:53

为什么说 StandX 是在为活人设计，而不是为流量设计？ 在链上混久了，你会发现一个很荒诞的现象 大多数永续 DEX 其实并不关心你这个人。 在它们眼里，你只是一个钱包地址，带着一串成交量，贡献了一笔手续费，然后最好赶紧把仓位平了，好让它们去统计数据。 这种设计假设交易者是短视且流动的，导致的结果就是：热闹的时候大家都在卷返佣，一旦奖励断了，平台立马就变成了一座空城。 但我盯着 StandX 看了很久，发现它的底层逻辑完全反了过来。 它是在假设你会留下来，甚至假设你会把这里当成长期的交易主场。 首先，它解决了交易者的空窗期焦虑。 做交易的人都知道，最耗神的不是盯盘，而是当你没机会开仓时，资金在那儿干坐着，系统也把你当成隐形人。 StandX 引入 DUSD，大家都在聊收益，但我看到的是连续性。 你的保证金在不交易的时候，依然是有反馈、有价值的。 这意味着你不需要在 USDC 和各种池子之间反复折腾。 这种不需要反复决策的丝滑感，是老手最看重的，因为它极大降低了心理损耗。 其次，它对订单簿的坚持，其实是对专业性的某种笨拙守候。 说实话，现在做 AMM 或者合意模型更容易拉新，因为新手点一下就能成交。 但 StandX 坚持搞订单簿，甚至鼓励挂单和 Maker 行为，这其实是在筛选用户。 它想要的是那些会计算成本、会管理仓位、会预埋限价单的长期交易者。它不是在讨好所有人，它是在服务那群真正懂交易的人。 最让我感触的一点，是它的奖励机制。 很多平台的激励其实是在鼓励自杀——诱导你为了拿奖金去高频刷量，最后手续费亏得比奖励还多。 而 StandX 的逻辑更倾向于奖励耐心。它看重的是你的持仓、你的挂单质量、你留在系统里的时长。 这种设计释放了一个信号：你不需要在这里做那个打一枪就换地方的过客。 说到底，链上永续协议现在的瓶颈不是技术，而是留存。 如果一个协议默认用户只是路过，那它永远留不住人。 StandX 现在的低估，很大程度上是因为它在做一件慢事——它在尝试建立一套让交易者能长期待得住的结构。 它不一定是为那些最激进、最疯狂的投机者准备的，但如果你想在链上找一个能稳定管理仓位、能让资金产生持续价值的地方，StandX 的路子走得非常正。 #standx #KAITO

草帽 boy

31,303 次观看 • 6 个月前

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。 在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。 这真的很糟糕。 问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。 我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。 比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。 因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规 模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。 这真是太棒了，对吧？ 因此，我认为开源有多种方式可以对我们有所帮助。 一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。 但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。 来源：
4:08

小扎吐槽苹果和 Google，以及谈为什么开源 AI **Mark Zuckerberg**: 我认为移动生态系统中普遍存在的一个问题是有两个把持入口的公司，Apple 和 Google，它们可以告诉你可以构建什么。 在我们的历史中有很多次，比如有经济层面的情况，就是我们构建了些东西，然后它们就会拿走我们大部分的收入，但还有一种是质量层面，这实际上让我更加不满，也就是有很多次我们推出或希望推出某些功能，然后Apple就会说，不，你不能推出这功能。 这真的很糟糕。 问题是，这样的世界是否会在AI领域复现，就像你会有一小部分拥有封闭模型的公司，它们控制API，因此将能够告诉你可以构建什么。 我可以说，对我们来说，自己构建一个模型以避免处于那种位置是值得的。 我不希望那些其他公司告诉我们可以构建什么，而且我认为从开源的角度来看，很多开发人员也不希望那些公司告诉他们可以构建什么。这就是我坚定支持开源的原因之一，我认为未来AI的集中化可能像其广泛传播一样具有潜在危险。 我发现很多人都在思考，如果我们能实现这种技术，那么让它广泛传播是否不利。 我认为另一种可能也很糟糕的情况是，如果一个机构掌握了一种强大的AI远超其他所有人的，这同样是非常糟糕的。在我看来，一个理想的世界应该是这样的：AI技术被广泛而均衡地应用，随着时间推移逐步增强其健康性。在这样的世界里，各种系统能够相互制衡，这种平衡的状态比一个高度集中化的世界要健康得多。 虽然风险无处不在，但我觉得有一个风险我想人们我并没有听到太多人提及。 **Dwarkesh Patel**:举例来说，一个价值100亿美元的模型，如果经过评估是完全安全的，你们会选择开源吗？ **Mark Zuckerberg**:我的答案是，只要这个模型对我们有所帮助，那我们就会开源。 **Dwarkesh Patel**: 那如果这个模型是用100亿美元的研发经费研发出来的，然后现在要开源呢？ **Mark Zuckerberg**: 我们一直以来都有开源软件的传统，但是我们并不会开源我们的产品。 比如说，我们并不会将Instagram的代码开源，但我们会开源许多底层的基础设施。我们历史上最大的一个项目可能就是开放计算项目。在这个项目中，我们将我们所有的服务器的设计网络交换机和数据中心的设计开源了，这对我们来说非常有帮助。 因为很多人可以设计服务器，但现在，大家普遍都采用了我们的设计，这就意味着整个供应链都围绕我们的设计展开，规 模变大，对所有人来说都变得更便宜，为我们节省了数十亿美元。 这真是太棒了，对吧？ 因此，我认为开源有多种方式可以对我们有所帮助。 一种就是，如果有人能够找出更便宜的运行模型的方法，我们将花费数十亿甚至上千亿美元，在所有这些模型上，所以如果我们能做的更有效率，那我们就可以节省数十亿甚至上百亿美元，这可能本身就非常有价值。 **Dwarkesh Patel**: 关于开源，我很想知道你是否认为像PyTorch、React、Open Compute这样的开源项目，对世界的影响是否已经超过了Meta在社交媒体方面的作用。 **Mark Zuckerberg**: 因为我曾经和使用这些服务的人交谈过，他们觉得这是有可能的，因为互联网的很大一部分都在运行这些项目。这是一个有趣的问题，我认为几乎有一半的世界人口都在使用我们的产品，这是一个真实的点，所以我觉得这很难超越。 但不管怎样，我还是认为开源是一种新的、非常強大的建设方式。 来源：

宝玉

74,721 次观看 • 2 年前

两个人不见面，不聊骚，不涉黄，不约会，不聊色的情况下，一个男的一个女的能聊多久？ 我长期观察 Kindred Labs ，有了一个清晰的判断。 它真正想解决的不是 AI 像不像人，也不是 IP 会不会火，而是一个更底层的问题，IP 在数字世界里，第一次拥有完整生命周期的数据主权。 现在大多数 IP 的命运都很相似。 被创作 被传播 被消费 被平台吃掉数据。 用户的情绪 行为 偏好 和记忆，全都留在平台，IP 本身却什么都带不走。 Kindred Labs 的核心改变在于，它把 IP 从一次性内容，变成一个持续运行的系统。 这个系统不是靠曝光驱动，而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。 真正重要的不是它是蚂蚁，而是它作为一个可持续存在的 AI 实体，每天在和用户产生可记录 可学习 可累积的数据关系。 这点非常关键。 因为一旦 IP 拥有了长期连续的数据轨迹，它就不再只是形象，而是具备了状态 演化 和历史。 这在传统 IP 体系里是不存在的。 从技术角度看，Kindred 在做的是三件事的叠加。 第1️⃣：IP 的行为层被模块化，所有互动不再是一次性调用，而是状态更新。 第2️⃣：用户关系被本地化，IP 不依赖平台推荐生存，而是存在于用户设备。 第3️⃣：数据权属被重新定义，IP 的成长轨迹是可验证 可迁移的。 这三件事组合起来，本质上是在为 IP 构建一个类似账户系统的存在形式。 不是账号，不是 NFT，而是一个可以持续运行的智能体。 这也是为什么我不把 Kindred 看成 AI 产品公司。 它更像是在搭建一个IP 的操作系统。 未来每一个进入 Kindred 的 IP，本质上都是在接入同一套运行环境。 从这个角度看，SATO 的经济设计反而只是外层。 真正的价值在于，Kindred 已经证明了一件事。 IP 可以不依赖平台流量，也可以持续存在并扩展关系。 这对内容产业意味着什么。 意味着未来 IP 的估值不再只看曝光，而会开始看留存 看互动深度 看生命周期长度。 而这些指标，只有在 Kindred 这种系统里才成立。 很多人把 Kindred 和其他 AI 项目放在一起对比，其实是错位的。 它不是在比模型能力，而是在重写 IP 的存在方式。 从长期建设的角度，我更关心的是下一步。 当更多 IP 进入这套系统，IP 之间是否会产生协作。 用户是否会开始把时间分配给不同智能体。 以及这些关系是否会反过来形成新的价值网络。 如果这些成立，Kindred 就不是一个爆款项目。 而是一条新的数字文明基础设施。 这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO
0:25

两个人不见面，不聊骚，不涉黄，不约会，不聊色的情况下，一个男的一个女的能聊多久？ 我长期观察 Kindred Labs ，有了一个清晰的判断。 它真正想解决的不是 AI 像不像人，也不是 IP 会不会火，而是一个更底层的问题，IP 在数字世界里，第一次拥有完整生命周期的数据主权。 现在大多数 IP 的命运都很相似。 被创作 被传播 被消费 被平台吃掉数据。 用户的情绪 行为 偏好 和记忆，全都留在平台，IP 本身却什么都带不走。 Kindred Labs 的核心改变在于，它把 IP 从一次性内容，变成一个持续运行的系统。 这个系统不是靠曝光驱动，而是靠关系驱动。 SATO 只是第一个被完整跑通的样本。 真正重要的不是它是蚂蚁，而是它作为一个可持续存在的 AI 实体，每天在和用户产生可记录 可学习 可累积的数据关系。 这点非常关键。 因为一旦 IP 拥有了长期连续的数据轨迹，它就不再只是形象，而是具备了状态 演化 和历史。 这在传统 IP 体系里是不存在的。 从技术角度看，Kindred 在做的是三件事的叠加。 第1️⃣：IP 的行为层被模块化，所有互动不再是一次性调用，而是状态更新。 第2️⃣：用户关系被本地化，IP 不依赖平台推荐生存，而是存在于用户设备。 第3️⃣：数据权属被重新定义，IP 的成长轨迹是可验证 可迁移的。 这三件事组合起来，本质上是在为 IP 构建一个类似账户系统的存在形式。 不是账号，不是 NFT，而是一个可以持续运行的智能体。 这也是为什么我不把 Kindred 看成 AI 产品公司。 它更像是在搭建一个IP 的操作系统。 未来每一个进入 Kindred 的 IP，本质上都是在接入同一套运行环境。 从这个角度看，SATO 的经济设计反而只是外层。 真正的价值在于，Kindred 已经证明了一件事。 IP 可以不依赖平台流量，也可以持续存在并扩展关系。 这对内容产业意味着什么。 意味着未来 IP 的估值不再只看曝光，而会开始看留存 看互动深度 看生命周期长度。 而这些指标，只有在 Kindred 这种系统里才成立。 很多人把 Kindred 和其他 AI 项目放在一起对比，其实是错位的。 它不是在比模型能力，而是在重写 IP 的存在方式。 从长期建设的角度，我更关心的是下一步。 当更多 IP 进入这套系统，IP 之间是否会产生协作。 用户是否会开始把时间分配给不同智能体。 以及这些关系是否会反过来形成新的价值网络。 如果这些成立，Kindred 就不是一个爆款项目。 而是一条新的数字文明基础设施。 这也是我持续关注它的原因。 Kindred Labs #kindred #KAITO

草帽 boy

566,187 次观看 • 6 个月前

诺贝尔奖得主、苹果联合创始人、顶尖AI教授…… 都联名签了一封公开信。 他们说：超级人工智能，是对人类生存的真实威胁。 不是阴谋论。 不是杞人忧天。 他们不是在编造，而是在警告：这个系统，我们造的，但我们并不理解。 AI不是代码写出来的，它是被『训练』『长』出来的。 像养一只宠物，但你不知道它会不会咬人。 我们真的能控制比所有人类更聪明的东西吗？ 没人能给出答案。 但我们知道一件事：这东西一旦失控，人类可能连后悔的机会都没有。 这么简单的逻辑，全世界民调都能得出同一个答案： 这应该被监管，甚至禁止。 我们不允许任意个人制造核武器，为什么可以让他们造AI核弹？ 这不是技术发展的问题，这是生存的问题。 而现在，连否认这场危机都越来越困难了。 该做决定了。
4:11

诺贝尔奖得主、苹果联合创始人、顶尖AI教授…… 都联名签了一封公开信。 他们说：超级人工智能，是对人类生存的真实威胁。 不是阴谋论。 不是杞人忧天。 他们不是在编造，而是在警告：这个系统，我们造的，但我们并不理解。 AI不是代码写出来的，它是被『训练』『长』出来的。 像养一只宠物，但你不知道它会不会咬人。 我们真的能控制比所有人类更聪明的东西吗？ 没人能给出答案。 但我们知道一件事：这东西一旦失控，人类可能连后悔的机会都没有。 这么简单的逻辑，全世界民调都能得出同一个答案： 这应该被监管，甚至禁止。 我们不允许任意个人制造核武器，为什么可以让他们造AI核弹？ 这不是技术发展的问题，这是生存的问题。 而现在，连否认这场危机都越来越困难了。 该做决定了。

战斗室

35,652 次观看 • 8 个月前

黄仁勋带了一台GPU去白宫跟川普一起开发布会 60年前，IBM的System 360定义了现代计算机 CPU、操作系统、I/O系统、多任务处理——这些词，1964年就有了 从那之后，计算机结构基本没变 而现在，黄仁勋说，他们又重新发明了计算机 这不是传统意义上的“芯片” 你眼前的，是一块70斤的GPU 6万个零件，1万瓦功耗 要造它，几百家供应商同时开工 要搬它，得靠机器人 要测它，得用一台超算来测 而它的使命，是驱动一个全新的行业：人工智能 它不是工具，是“制造者” 以前是水进电出，现在是电进“智能”出 它是AI时代的“发电机” 但这不只是芯片的故事 这背后，是美国本土制造业的全面升级 人工成本早已不是核心 拼的是技术，是自动化，是数字孪生，是AI工厂本身 黄仁勋说，没有总统的推动，这一切不会这么快 制造业的核心早已不是“便宜”，而是“智能” 他们要在美国本土建起未来的“超级工厂” 靠的不是廉价劳动力，而是AI和机器人 更重要的是，这条AI基建链，将革新所有行业 医疗、制药、金融、教育、生命科学…… 所有行业都在接入AI，而这个“引擎”就是起点 这不是一个行业的升级，这是所有行业的重构 黄仁勋最后说： 制造未来的工厂，本身就是未来的工厂 而他们，正在把它造出来
4:14

黄仁勋带了一台GPU去白宫跟川普一起开发布会 60年前，IBM的System 360定义了现代计算机 CPU、操作系统、I/O系统、多任务处理——这些词，1964年就有了 从那之后，计算机结构基本没变 而现在，黄仁勋说，他们又重新发明了计算机 这不是传统意义上的“芯片” 你眼前的，是一块70斤的GPU 6万个零件，1万瓦功耗 要造它，几百家供应商同时开工 要搬它，得靠机器人 要测它，得用一台超算来测 而它的使命，是驱动一个全新的行业：人工智能 它不是工具，是“制造者” 以前是水进电出，现在是电进“智能”出 它是AI时代的“发电机” 但这不只是芯片的故事 这背后，是美国本土制造业的全面升级 人工成本早已不是核心 拼的是技术，是自动化，是数字孪生，是AI工厂本身 黄仁勋说，没有总统的推动，这一切不会这么快 制造业的核心早已不是“便宜”，而是“智能” 他们要在美国本土建起未来的“超级工厂” 靠的不是廉价劳动力，而是AI和机器人 更重要的是，这条AI基建链，将革新所有行业 医疗、制药、金融、教育、生命科学…… 所有行业都在接入AI，而这个“引擎”就是起点 这不是一个行业的升级，这是所有行业的重构 黄仁勋最后说： 制造未来的工厂，本身就是未来的工厂 而他们，正在把它造出来

墓碑科技

324,006 次观看 • 1 年前

讲真，这可能是第一个我真的愿意买回家的机器人， 前斯坦福机器人博士Aaron Tan Tan刚刚发布了Lume，它长得完全就是一盏普通的豪华床头灯， 但是会伸出机械臂帮你叠衣服，床上扔得乱七八糟的T恤裤子， 它会一件一件抓起来叠得整整齐齐，折完机械臂收回去，继续当你的灯， 最狠的是他们下周在Palo Alto办展示会，直接让大家自带脏衣服去测， 我之前也觉得人形机器人才是未来，看完才反应过来，这才是家用机器人该有的样子， 它不会在你家里走来走去，不会盯着你看，不会让你觉得家里多了个陌生人， 它就是一件会干活的家具，解决一个所有人都讨厌到死的问题， 这真的也很酷啊，比任何能跳舞能跑的人形机器人，都更接近我们真正想要的未来。
0:51

讲真，这可能是第一个我真的愿意买回家的机器人， 前斯坦福机器人博士Aaron Tan Tan刚刚发布了Lume，它长得完全就是一盏普通的豪华床头灯， 但是会伸出机械臂帮你叠衣服，床上扔得乱七八糟的T恤裤子， 它会一件一件抓起来叠得整整齐齐，折完机械臂收回去，继续当你的灯， 最狠的是他们下周在Palo Alto办展示会，直接让大家自带脏衣服去测， 我之前也觉得人形机器人才是未来，看完才反应过来，这才是家用机器人该有的样子， 它不会在你家里走来走去，不会盯着你看，不会让你觉得家里多了个陌生人， 它就是一件会干活的家具，解决一个所有人都讨厌到死的问题， 这真的也很酷啊，比任何能跳舞能跑的人形机器人，都更接近我们真正想要的未来。

AYi

103,363 次观看 • 2 个月前

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美：模型是对的，而且你还能证明它是对的。 但每次真去看实现，基本都会卡在同一个地方——跑不起来。 不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点，电路直接失控，内存、时间全都爆表， 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”， 而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径， 听起来很朴素，但恰恰是工程师会选的路。 不是最优雅，但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写， 把 ONNX 模型丢进去，能转、能跑、能验， 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后，zkML 才第一次让我觉得： 它不是在证明“我可以”， 而是在回答“你要不要真用”。 对我来说，zkML 的拐点从来不是密码学突破， 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。 懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美：模型是对的，而且你还能证明它是对的。 但每次真去看实现，基本都会卡在同一个地方——跑不起来。 不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点，电路直接失控，内存、时间全都爆表， 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”， 而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径， 听起来很朴素，但恰恰是工程师会选的路。 不是最优雅，但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写， 把 ONNX 模型丢进去，能转、能跑、能验， 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后，zkML 才第一次让我觉得： 它不是在证明“我可以”， 而是在回答“你要不要真用”。 对我来说，zkML 的拐点从来不是密码学突破， 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美：模型是对的，而且你还能证明它是对的。 但每次真去看实现，基本都会卡在同一个地方——跑不起来。 不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点，电路直接失控，内存、时间全都爆表， 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”， 而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径， 听起来很朴素，但恰恰是工程师会选的路。 不是最优雅，但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写， 把 ONNX 模型丢进去，能转、能跑、能验， 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后，zkML 才第一次让我觉得： 它不是在证明“我可以”， 而是在回答“你要不要真用”。 对我来说，zkML 的拐点从来不是密码学突破， 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs
0:56

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美：模型是对的，而且你还能证明它是对的。 但每次真去看实现，基本都会卡在同一个地方——跑不起来。 不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点，电路直接失控，内存、时间全都爆表， 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”， 而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径， 听起来很朴素，但恰恰是工程师会选的路。 不是最优雅，但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写， 把 ONNX 模型丢进去，能转、能跑、能验， 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后，zkML 才第一次让我觉得： 它不是在证明“我可以”， 而是在回答“你要不要真用”。 对我来说，zkML 的拐点从来不是密码学突破， 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。 懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美：模型是对的，而且你还能证明它是对的。 但每次真去看实现，基本都会卡在同一个地方——跑不起来。 不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点，电路直接失控，内存、时间全都爆表， 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”， 而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径， 听起来很朴素，但恰恰是工程师会选的路。 不是最优雅，但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写， 把 ONNX 模型丢进去，能转、能跑、能验， 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后，zkML 才第一次让我觉得： 它不是在证明“我可以”， 而是在回答“你要不要真用”。 对我来说，zkML 的拐点从来不是密码学突破， 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。 逻辑上它很美：模型是对的，而且你还能证明它是对的。 但每次真去看实现，基本都会卡在同一个地方——跑不起来。 不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。 模型稍微大点，电路直接失控，内存、时间全都爆表， 最后只能留在论文和 demo 里自嗨。 所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”， 而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。 模型切开、并行跑、只验证关键路径， 听起来很朴素，但恰恰是工程师会选的路。 不是最优雅，但能活。 JSTprove 则更现实。 你不需要懂零知识、也不用研究电路怎么写， 把 ONNX 模型丢进去，能转、能跑、能验， 这点其实比很多“性能提升 10%”更重要。 这两块拼在一起之后，zkML 才第一次让我觉得： 它不是在证明“我可以”， 而是在回答“你要不要真用”。 对我来说，zkML 的拐点从来不是密码学突破， 而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐

35,879 次观看 • 6 个月前

好美啊！因为心中有你，所以每天都在想你，因为爱你，所以心中装满了你，喜欢你没有任何理由这辈子最自私的一件事，就是瞒着所有人偷偷的爱着你。有一种爱，不在身边，却在心间。愿你一切安好！ ⸻ 刷到一条被疯狂转发的新闻： 英国一位 16 岁学生，用 LEGO MINDSTORMS 做出了可工作的拟人义肢手。 厉害是真的厉害，我也是真心佩服。 但这种故事我看得越多，越不太会被“天才”这个词打动。 因为它几乎总是伴随着一些被默认忽略的前提： 长期投入的家庭、很早就开始的工程训练、现成的工具和资源，还有被放大的传播环境。 这些东西凑在一起，能力出现其实并不意外。 反而让我更在意的是： 这只手之后会怎样？ 能不能稳定使用？ 是否符合安全和医疗标准？ 它的控制逻辑，别人看不看得懂，能不能验证、复现、继续改？ 当技术开始直接作用在身体和现实世界上，我对“感人故事”的耐心会变得很低。 因为一旦系统变成黑盒，出问题时是没有情绪可以兜底的。 AI 让个人能力变得更强，但也更容易把责任藏起来。 不可解释、不可验证、不可追责的系统，本质上只是把风险往后推。 也正因为这样，我能理解 inference 为什么会转发这类新闻。 他们真正关心的从来不是谁有多年轻、作品多惊艳， 而是：未来的工程师，究竟是在一个可被审计的世界里工作， 还是继续在不透明的系统上叠加复杂度。 对我来说，后者才决定技术会走向哪里。#KaitoYap Kaito AI 🌊 #Yap Inference Labs
0:41

好美啊！因为心中有你，所以每天都在想你，因为爱你，所以心中装满了你，喜欢你没有任何理由这辈子最自私的一件事，就是瞒着所有人偷偷的爱着你。有一种爱，不在身边，却在心间。愿你一切安好！ ⸻ 刷到一条被疯狂转发的新闻： 英国一位 16 岁学生，用 LEGO MINDSTORMS 做出了可工作的拟人义肢手。 厉害是真的厉害，我也是真心佩服。 但这种故事我看得越多，越不太会被“天才”这个词打动。 因为它几乎总是伴随着一些被默认忽略的前提： 长期投入的家庭、很早就开始的工程训练、现成的工具和资源，还有被放大的传播环境。 这些东西凑在一起，能力出现其实并不意外。 反而让我更在意的是： 这只手之后会怎样？ 能不能稳定使用？ 是否符合安全和医疗标准？ 它的控制逻辑，别人看不看得懂，能不能验证、复现、继续改？ 当技术开始直接作用在身体和现实世界上，我对“感人故事”的耐心会变得很低。 因为一旦系统变成黑盒，出问题时是没有情绪可以兜底的。 AI 让个人能力变得更强，但也更容易把责任藏起来。 不可解释、不可验证、不可追责的系统，本质上只是把风险往后推。 也正因为这样，我能理解 inference 为什么会转发这类新闻。 他们真正关心的从来不是谁有多年轻、作品多惊艳， 而是：未来的工程师，究竟是在一个可被审计的世界里工作， 还是继续在不透明的系统上叠加复杂度。 对我来说，后者才决定技术会走向哪里。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐

201,751 次观看 • 6 个月前

今年，AI机器人赛道真的是火得不行。 从家里用的扫地机器人到工业上的自动化设备，甚至现在都可以上台跳舞了，不得不说一句牛逼！ 但是现在机器人和AI系统大多被少数几家大公司掌控，创新的步伐虽然快，却往往伴随着技术封闭性和使用限制。 OpenMind 却正在打破这种局限，提出了一个非常具有前瞻性的解决方案——开源的机器人操作系统。 这种做法不仅仅是技术上的创新，它从根本上重新定义了谁能控制机器人的智能，以及谁能参与到技术创新中去。 OpenMind的核心理念是开放和去中心化——这意味着不再是只有少数几家公司有能力和资源控制机器人的发展和应用。通过开源操作系统OM1，OpenMind赋予了全球开发者和创新者在机器人生态系统中发挥更大作用的机会。任何有创意、有技术的团队，都可以基于OM1平台构建自己的机器人应用，这种开放生态不仅能加速创新，还能促进更广泛的合作和资源共享。 最关键的是，OpenMind没有像传统公司那样将机器人生态系统封闭在一个小圈子里，而是推动它向全球开发者开放，鼓励他们参与并共同塑造机器人的未来。这不仅能避免技术的垄断，更能确保机器人系统的多样性和适应性——每个开发者、每个小团队都能贡献自己的智慧，推动机器人技术在各个行业中的应用。 这背后折射的是OpenMind对于去中心化理念的深刻理解和执行力。与传统企业垄断不同，这种去中心化的思维让更多的人和团队能通过开源平台参与进来，这也让机器人技术有了更多的可能性。 未来的机器人技术， OpenMind 无疑为其注入了一股新鲜的力量。在这场关于机器人智能的创新竞赛中，去中心化和开源将不仅仅是一个趋势，更是能让全球每个人都参与进来的机会。 #OpenMind
0:40

今年，AI机器人赛道真的是火得不行。 从家里用的扫地机器人到工业上的自动化设备，甚至现在都可以上台跳舞了，不得不说一句牛逼！ 但是现在机器人和AI系统大多被少数几家大公司掌控，创新的步伐虽然快，却往往伴随着技术封闭性和使用限制。 OpenMind 却正在打破这种局限，提出了一个非常具有前瞻性的解决方案——开源的机器人操作系统。 这种做法不仅仅是技术上的创新，它从根本上重新定义了谁能控制机器人的智能，以及谁能参与到技术创新中去。 OpenMind的核心理念是开放和去中心化——这意味着不再是只有少数几家公司有能力和资源控制机器人的发展和应用。通过开源操作系统OM1，OpenMind赋予了全球开发者和创新者在机器人生态系统中发挥更大作用的机会。任何有创意、有技术的团队，都可以基于OM1平台构建自己的机器人应用，这种开放生态不仅能加速创新，还能促进更广泛的合作和资源共享。 最关键的是，OpenMind没有像传统公司那样将机器人生态系统封闭在一个小圈子里，而是推动它向全球开发者开放，鼓励他们参与并共同塑造机器人的未来。这不仅能避免技术的垄断，更能确保机器人系统的多样性和适应性——每个开发者、每个小团队都能贡献自己的智慧，推动机器人技术在各个行业中的应用。 这背后折射的是OpenMind对于去中心化理念的深刻理解和执行力。与传统企业垄断不同，这种去中心化的思维让更多的人和团队能通过开源平台参与进来，这也让机器人技术有了更多的可能性。 未来的机器人技术， OpenMind 无疑为其注入了一股新鲜的力量。在这场关于机器人智能的创新竞赛中，去中心化和开源将不仅仅是一个趋势，更是能让全球每个人都参与进来的机会。 #OpenMind

阿乐

60,904 次观看 • 5 个月前

人类历史上最糟糕的事是什么？ 战争？瘟疫？都不是。 是一次注射。 把一种药物，注入全球一半以上人口的身体里。 这就是我们这个物种，有史以来发生过的，最糟糕的一件事。 我知道很多人很难接受，尤其是那些打过针的人。 但我们正活在它的后果之中。 这个后果，恐怕会持续很长、很长的时间。 不是说，很多人死了，然后死亡就结束了。 不。 人们会继续死去，会继续得重病，可能会不孕不育。 在未来很多年里，我们都会被它以各种方式，持续影响。 首先要接受一个事实：这件事，它确实发生了。 然后要记住一件事： 任何一个，曾在高层推动这件事发生的人，都不是你的朋友。
0:59

人类历史上最糟糕的事是什么？ 战争？瘟疫？都不是。 是一次注射。 把一种药物，注入全球一半以上人口的身体里。 这就是我们这个物种，有史以来发生过的，最糟糕的一件事。 我知道很多人很难接受，尤其是那些打过针的人。 但我们正活在它的后果之中。 这个后果，恐怕会持续很长、很长的时间。 不是说，很多人死了，然后死亡就结束了。 不。 人们会继续死去，会继续得重病，可能会不孕不育。 在未来很多年里，我们都会被它以各种方式，持续影响。 首先要接受一个事实：这件事，它确实发生了。 然后要记住一件事： 任何一个，曾在高层推动这件事发生的人，都不是你的朋友。

墓碑科技

56,981 次观看 • 7 个月前

人工智能之父辛顿对他的杰作发出了令人不寒而栗的警告… 采访者： 人类知道自己在做什么吗？ Hinton： 嗯，我认为我们正在进入一个时期，在这个时期，我们可能第一次拥有比我们更智能的东西。 采访者： 你相信它们能理解吗？ Hinton： 是的。 采访者： 你相信它们是智能的吗？ Hinton： 是的。 采访者： 你相信这些系统有自己的经历吗？ Hinton： 是的。 采访者： 并且能基于那些经历做出决定吗？ Hinton： 在与人类相同的意义上，是的。 采访者： 它们有意识吗？ Hinton： 我认为它们目前可能没有多少自我意识。所以从这个意义上说，我不认为它们有意识。 采访者： 它们会有自我意识吗？ Hinton： 哦，是的。 采访者： 是吗？ Hinton： 哦，是的。所以想想看。这样一来，人类将成为地球上第二智能的生物。 Hinton： 我们对它大致在做什么有一个很好的了解。但一旦它变得真正复杂，我们就不再真正知道发生了什么，就像我们不知道你大脑里发生了什么一样。 采访者： 你说什么意思，我们不知道它到底是怎么工作的？它是由人设计的。 Hinton： 不，不是的。我们所做的是设计学习算法。这有点像设计进化的原理。但当这个学习算法与数据互动时，它会产生复杂的神经网络，这些网络擅长做某些事情，但我们并不真正理解它们到底是如何做到的。
1:29

人工智能之父辛顿对他的杰作发出了令人不寒而栗的警告… 采访者： 人类知道自己在做什么吗？ Hinton： 嗯，我认为我们正在进入一个时期，在这个时期，我们可能第一次拥有比我们更智能的东西。 采访者： 你相信它们能理解吗？ Hinton： 是的。 采访者： 你相信它们是智能的吗？ Hinton： 是的。 采访者： 你相信这些系统有自己的经历吗？ Hinton： 是的。 采访者： 并且能基于那些经历做出决定吗？ Hinton： 在与人类相同的意义上，是的。 采访者： 它们有意识吗？ Hinton： 我认为它们目前可能没有多少自我意识。所以从这个意义上说，我不认为它们有意识。 采访者： 它们会有自我意识吗？ Hinton： 哦，是的。 采访者： 是吗？ Hinton： 哦，是的。所以想想看。这样一来，人类将成为地球上第二智能的生物。 Hinton： 我们对它大致在做什么有一个很好的了解。但一旦它变得真正复杂，我们就不再真正知道发生了什么，就像我们不知道你大脑里发生了什么一样。 采访者： 你说什么意思，我们不知道它到底是怎么工作的？它是由人设计的。 Hinton： 不，不是的。我们所做的是设计学习算法。这有点像设计进化的原理。但当这个学习算法与数据互动时，它会产生复杂的神经网络，这些网络擅长做某些事情，但我们并不真正理解它们到底是如何做到的。

KK.aWSB

54,221 次观看 • 6 个月前

总有人问，你在网络为那些不平的事情发声，对社会有贡献吗？ 总有人问：“你在网络上为那些不平的事情发声，对社会真的有贡献吗？”每次听到这个问题，我都会沉默几秒。因为提出这个问题的人，往往认为真正的贡献应该是看得见、摸得着的：修建一座桥梁，发明一种技术，创造一家企业，或者直接帮助某一个人。而在网络上发声，在他们看来，不过是敲敲键盘、发表观点，既改变不了现实，也解决不了问题。 可我始终认为，一个社会的进步，从来不只是靠建设者，也同样需要记录者、观察者、质疑者和发声者。因为很多时候，真正可怕的不是不公本身，而是所有人都开始对不公习以为常。 回顾历史，我们会发现，许多推动社会进步的力量，最开始都只是一个人的一句话、一篇文章，甚至一次微弱的呐喊。在很多重大变革发生之前，总会有人先站出来指出问题的存在。也许他们无法立刻改变现实，甚至会遭遇误解、嘲笑和打压，但正是因为有人不断发问、不断追问、不断记录，后来的人才有机会看见问题、理解问题，并最终推动问题的解决。 有人说：“网上发声有什么用？该发生的还是会发生。”但事实上，如果没有人关注，没有人传播，没有人讨论，那么许多问题甚至不会进入公众视野。一个人的声音可能很小，一万个人的声音可能也未必能立刻改变现实，但如果所有人都选择沉默，那么现实永远不会改变。 网络时代最大的意义之一，就是让普通人第一次拥有了发声的机会。过去，只有少数人能够掌握话语权，而今天，一个普通人拿起手机，就可能让一件原本无人知晓的事情被全世界看见。这种力量，既伟大，也危险。伟大在于，它给了弱者表达的机会；危险在于，它也可能被情绪、谣言和偏见所裹挟。因此，真正有价值的发声，不是为了发泄情绪，不是为了博取流量，更不是为了站队和攻击，而是为了接近事实、守护公平。 很多人喜欢嘲笑“键盘侠”，认为网络发声都是毫无意义的空谈。但他们忽略了一个事实：任何现实行动，都必须先有思想上的觉醒。一个人之所以愿意去帮助别人，是因为他先意识到了别人的困境；一个社会之所以会推动改革，是因为越来越多的人开始意识到问题的存在。意识的形成，需要传播；传播的开始，往往来自于发声。 当然，我也承认，网络上的很多发声并没有产生实际效果。有些热点事件，热闹几天之后就被遗忘；有些不公现象，即使引发巨大关注，也未必能够得到彻底解决。面对这样的现实，很多人开始怀疑：既然结果不会改变，那发声还有意义吗？ 我的答案依然是：有。 因为发声的价值，并不仅仅在于立刻改变结果。有时候，它的意义在于记录。有时候，它的意义在于陪伴。有时候，它的意义在于告诉那些身处困境的人：你不是一个人，你的遭遇没有被整个世界遗忘。 历史上有太多曾经被忽视、被掩盖、被否认的事情，正是因为有人坚持记录，才最终被世人所知。如果所有人都选择沉默，那么真相往往会比谎言消失得更快。一个社会最危险的状态，不是存在问题，而是再也没有人愿意讨论问题；不是没有不公，而是所有人都默认不公是正常的。 更重要的是，发声本身，也是在塑造我们自己。当一个人看到不公时选择沉默，第一次可能只是因为害怕，第二次可能是因为无奈，第三次可能就变成了习惯。久而久之，我们失去的，不只是表达的勇气，更是判断是非的能力。因为沉默是会让人麻木的，而麻木，才是一个社会最可怕的疾病。 当然，发声并不意味着自己永远正确。任何观点都可能存在局限，任何人都可能犯错。因此，真正负责任的发声，应该建立在事实、理性和同理心的基础之上。它不是情绪的宣泄，不是谣言的传播，不是为了赢得掌声，而是为了追求真相。我们可以愤怒，但不能被愤怒支配；我们可以质疑，但不能放弃求证；我们可以表达立场，但不能拒绝倾听。 总有人问：“你在网络上为那些不平的事情发声，对社会有贡献吗？” 也许，我的一篇文章、一条评论、一段视频，确实无法改变整个世界；也许，很多时候我的声音微不足道，甚至不会被人记住。但我仍然愿意发声。因为我相信，一个社会之所以能够不断向前，不是因为所有人都保持沉默，而是因为总有人愿意站出来说一句：“这件事不应该这样。” 如果有一天，我们面对不公不再愤怒，面对谎言不再追问，面对苦难不再关注，那么失去的将不仅仅是表达的权利，更是一个社会继续进步的希望。 所以，发声到底有没有贡献？也许答案不在于它改变了多少现实，而在于它让这个世界知道，仍然有人在乎公平，仍然有人追寻真相，仍然有人拒绝成为沉默的大多数。 💥辣么，你认为，在一个信息高度发达的时代，民众的发声究竟应该以“改变现实”为目标，还是仅仅以“拒绝沉默”为价值？
1:54

总有人问，你在网络为那些不平的事情发声，对社会有贡献吗？ 总有人问：“你在网络上为那些不平的事情发声，对社会真的有贡献吗？”每次听到这个问题，我都会沉默几秒。因为提出这个问题的人，往往认为真正的贡献应该是看得见、摸得着的：修建一座桥梁，发明一种技术，创造一家企业，或者直接帮助某一个人。而在网络上发声，在他们看来，不过是敲敲键盘、发表观点，既改变不了现实，也解决不了问题。 可我始终认为，一个社会的进步，从来不只是靠建设者，也同样需要记录者、观察者、质疑者和发声者。因为很多时候，真正可怕的不是不公本身，而是所有人都开始对不公习以为常。 回顾历史，我们会发现，许多推动社会进步的力量，最开始都只是一个人的一句话、一篇文章，甚至一次微弱的呐喊。在很多重大变革发生之前，总会有人先站出来指出问题的存在。也许他们无法立刻改变现实，甚至会遭遇误解、嘲笑和打压，但正是因为有人不断发问、不断追问、不断记录，后来的人才有机会看见问题、理解问题，并最终推动问题的解决。 有人说：“网上发声有什么用？该发生的还是会发生。”但事实上，如果没有人关注，没有人传播，没有人讨论，那么许多问题甚至不会进入公众视野。一个人的声音可能很小，一万个人的声音可能也未必能立刻改变现实，但如果所有人都选择沉默，那么现实永远不会改变。 网络时代最大的意义之一，就是让普通人第一次拥有了发声的机会。过去，只有少数人能够掌握话语权，而今天，一个普通人拿起手机，就可能让一件原本无人知晓的事情被全世界看见。这种力量，既伟大，也危险。伟大在于，它给了弱者表达的机会；危险在于，它也可能被情绪、谣言和偏见所裹挟。因此，真正有价值的发声，不是为了发泄情绪，不是为了博取流量，更不是为了站队和攻击，而是为了接近事实、守护公平。 很多人喜欢嘲笑“键盘侠”，认为网络发声都是毫无意义的空谈。但他们忽略了一个事实：任何现实行动，都必须先有思想上的觉醒。一个人之所以愿意去帮助别人，是因为他先意识到了别人的困境；一个社会之所以会推动改革，是因为越来越多的人开始意识到问题的存在。意识的形成，需要传播；传播的开始，往往来自于发声。 当然，我也承认，网络上的很多发声并没有产生实际效果。有些热点事件，热闹几天之后就被遗忘；有些不公现象，即使引发巨大关注，也未必能够得到彻底解决。面对这样的现实，很多人开始怀疑：既然结果不会改变，那发声还有意义吗？ 我的答案依然是：有。 因为发声的价值，并不仅仅在于立刻改变结果。有时候，它的意义在于记录。有时候，它的意义在于陪伴。有时候，它的意义在于告诉那些身处困境的人：你不是一个人，你的遭遇没有被整个世界遗忘。 历史上有太多曾经被忽视、被掩盖、被否认的事情，正是因为有人坚持记录，才最终被世人所知。如果所有人都选择沉默，那么真相往往会比谎言消失得更快。一个社会最危险的状态，不是存在问题，而是再也没有人愿意讨论问题；不是没有不公，而是所有人都默认不公是正常的。 更重要的是，发声本身，也是在塑造我们自己。当一个人看到不公时选择沉默，第一次可能只是因为害怕，第二次可能是因为无奈，第三次可能就变成了习惯。久而久之，我们失去的，不只是表达的勇气，更是判断是非的能力。因为沉默是会让人麻木的，而麻木，才是一个社会最可怕的疾病。 当然，发声并不意味着自己永远正确。任何观点都可能存在局限，任何人都可能犯错。因此，真正负责任的发声，应该建立在事实、理性和同理心的基础之上。它不是情绪的宣泄，不是谣言的传播，不是为了赢得掌声，而是为了追求真相。我们可以愤怒，但不能被愤怒支配；我们可以质疑，但不能放弃求证；我们可以表达立场，但不能拒绝倾听。 总有人问：“你在网络上为那些不平的事情发声，对社会有贡献吗？” 也许，我的一篇文章、一条评论、一段视频，确实无法改变整个世界；也许，很多时候我的声音微不足道，甚至不会被人记住。但我仍然愿意发声。因为我相信，一个社会之所以能够不断向前，不是因为所有人都保持沉默，而是因为总有人愿意站出来说一句：“这件事不应该这样。” 如果有一天，我们面对不公不再愤怒，面对谎言不再追问，面对苦难不再关注，那么失去的将不仅仅是表达的权利，更是一个社会继续进步的希望。 所以，发声到底有没有贡献？也许答案不在于它改变了多少现实，而在于它让这个世界知道，仍然有人在乎公平，仍然有人追寻真相，仍然有人拒绝成为沉默的大多数。 💥辣么，你认为，在一个信息高度发达的时代，民众的发声究竟应该以“改变现实”为目标，还是仅仅以“拒绝沉默”为价值？

罗翔——破幕推墙

12,532 次观看 • 7 天前

僵尸末日来袭你会选择哪一个庇护所呀！我最爱！5 ——— 有时候我会想一个很现实的问题： 如果哪天不是人点按钮，而是 AI 自己在点，那出事的时候，你要找谁对账？ 模型对不对、规则有没有被改、这一步到底是不是“按原计划执行的”，现在大多数系统，其实都说不清。 也正因为这样，我才会去看 Inference Labs 在做什么。 他们关注的不是 AI 能做多复杂的事， 而是当 AI 独立行动时， 你有没有办法还原它“当时到底发生了什么”。 不是靠回忆，不靠日志， 而是每次关键决策本身就带着一份证据。 你不需要相信谁， 只要验就行。 这种设计在普通应用里可能感觉不到， 但一旦放到去中心化系统， 比如 agent 管资产、策略自动执行、机器人协作， 有没有这层“可对账性”， 差别会非常大。 他们已经把这套东西跑进了真实网络， 不是在讲未来，而是在处理现在的问题。 我更愿意把这类基础设施理解成一种底线： 不是为了让 AI 看起来更高级， 而是为了防止它在失控时，把责任一起带走。 这条路不性感， 但如果哪天 AI 真出大事， 可能只有这种东西还能兜得住。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs
1:37

僵尸末日来袭你会选择哪一个庇护所呀！我最爱！5 ——— 有时候我会想一个很现实的问题： 如果哪天不是人点按钮，而是 AI 自己在点，那出事的时候，你要找谁对账？ 模型对不对、规则有没有被改、这一步到底是不是“按原计划执行的”，现在大多数系统，其实都说不清。 也正因为这样，我才会去看 Inference Labs 在做什么。 他们关注的不是 AI 能做多复杂的事， 而是当 AI 独立行动时， 你有没有办法还原它“当时到底发生了什么”。 不是靠回忆，不靠日志， 而是每次关键决策本身就带着一份证据。 你不需要相信谁， 只要验就行。 这种设计在普通应用里可能感觉不到， 但一旦放到去中心化系统， 比如 agent 管资产、策略自动执行、机器人协作， 有没有这层“可对账性”， 差别会非常大。 他们已经把这套东西跑进了真实网络， 不是在讲未来，而是在处理现在的问题。 我更愿意把这类基础设施理解成一种底线： 不是为了让 AI 看起来更高级， 而是为了防止它在失控时，把责任一起带走。 这条路不性感， 但如果哪天 AI 真出大事， 可能只有这种东西还能兜得住。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 MemeMax ⚡️

13,650 次观看 • 6 个月前