Sensitive content

This media may contain sensitive content.

Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

末日飛行｜LAST FLIGHT》當科技與幻想碰撞，AI 重新打造電影級世界。 ✈️✨ When technology meets fantasy, AI creates a cinematic universe. 角色、場景、氛圍、故事—— 從一個畫面開始，變成完整劇情。 Characters. Scenes. Atmosphere. Stories. One frame can become a movie. 不只是生成圖片，而是創造下一個電影瞬間。 Not just images. Create your next cinematic moment. 你敢想，Tool 就敢造。 Imagine it. Tool creates it. AI Video · Image to Video... show more

Anything18Ai

5,077 subscribers

199,036 просмотров • 2 месяцев назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

當我在整理照片時，才真正意識到，這些作品從來不是我一個人完成的。每一次按下快門的背後，都是無數人的信任與付出。首先想真心感謝曾經與我合作過的每一位麻豆，謝謝你們願意站在鏡頭前，把情緒、故事與最真實的自己交給我。無論是第一次拍攝的緊張、在烈日或寒風下的堅持，還是為了一個畫面反覆嘗試的耐心，你們都讓照片有了靈魂，也讓我在創作路上不斷成長。同時，也想謝謝一路支持我的粉絲與朋友們。謝謝你們按下的每一個讚、留下的每一句留言、每一次的分享與鼓勵，這些看似簡單的互動，卻在我迷惘或疲累時，成為繼續創作的重要力量。因為你們的觀看與回饋，照片不再只是存在於硬碟裡，而是被真正看見、被感受。攝影對我而言，不只是紀錄，更是一種連結。感謝你們走進我的鏡頭與世界，未來我也會繼續用影像說故事，用作品回應這份珍貴的支持。希望接下來的每一次相遇，都能一起創造更多值得回顧的瞬間。謝謝你們，一直都在。謝謝2025接下來進入2026後我與HIM BOY會有更多不同的作品展出，敬請期待😊🥰🥰🥰

當我在整理照片時，才真正意識到，這些作品從來不是我一個人完成的。每一次按下快門的背後，都是無數人的信任與付出。首先想真心感謝曾經與我合作過的每一位麻豆，謝謝你們願意站在鏡頭前，把情緒、故事與最真實的自己交給我。無論是第一次拍攝的緊張、在烈日或寒風下的堅持，還是為了一個畫面反覆嘗試的耐心，你們都讓照片有了靈魂，也讓我在創作路上不斷成長。同時，也想謝謝一路支持我的粉絲與朋友們。謝謝你們按下的每一個讚、留下的每一句留言、每一次的分享與鼓勵，這些看似簡單的互動，卻在我迷惘或疲累時，成為繼續創作的重要力量。因為你們的觀看與回饋，照片不再只是存在於硬碟裡，而是被真正看見、被感受。攝影對我而言，不只是紀錄，更是一種連結。感謝你們走進我的鏡頭與世界，未來我也會繼續用影像說故事，用作品回應這份珍貴的支持。希望接下來的每一次相遇，都能一起創造更多值得回顧的瞬間。謝謝你們，一直都在。謝謝2025接下來進入2026後我與HIM BOY會有更多不同的作品展出，敬請期待😊🥰🥰🥰

HIM

10,523 просмотров • 9 месяцев назад

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

AI 视频生成，到各种 AI Agent，我一直在思考一个问题：AI 最终会如何改变人类创造和体验数字世界的方式？最开始，AI 帮助我们生成文字和图片；后来，它开始生成越来越逼真的视频。但无论画面质量提升到什么程度，这些内容依然存在一个限制——我们仍然只是观看者。我们可以欣赏 AI 创造出来的场景，却无法真正进入其中，也无法与这个世界产生互动。最近体验 Alaya World Alaya Lab 后，我第一次感觉，AI 视频生成正在探索一个新的方向：它不只是生成一段视频，而是在尝试生成一个可以被探索的世界。 Alaya World 是 Alaya Lab 推出的交互式视频世界模型。用户可以通过文字、图片或者视频作为初始条件，让模型生成一个动态世界。不同于传统视频生成模型“输入 Prompt，输出一段固定视频”的方式，Alaya World 更像是在探索过程中持续构建环境，用户可以在生成的世界中移动视角，并通过交互指令触发新的事件。这也是我认为世界模型和普通视频生成模型最大的区别。过去的视频生成模型解决的是“如何生成一段更加真实的视频”，而世界模型尝试解决的问题是“如何让一个世界持续存在”。如果你进入一个虚拟城市，向前探索，然后回头，你期待看到的是同一个城市，而不是一个重新随机生成的场景。这背后涉及世界模型最核心的挑战：长时间生成的一致性。模型不仅需要知道下一帧画面应该是什么，还需要理解空间关系、历史状态以及用户行为对世界造成的影响。 Alaya World 在技术层面通过空间记忆机制、历史信息保留以及抗漂移训练等方式，提高长时间生成过程中的稳定性。目前模型支持 720p / 24 FPS 实时流式生成，并展示了超过一分钟的连续探索能力。让我觉得这个方向有意思的地方，是它可能会重新定义未来数字内容的生产方式。以游戏行业为例，过去一个虚拟世界需要大量人工制作：美术设计地图、程序编写规则、策划设计剧情。开发者需要提前创造一个固定世界，而玩家进入后按照既定规则体验。但如果世界模型进一步发展，未来的游戏可能不再只是“开发者搭建世界，玩家进入世界”，而是“开发者定义规则，AI 实时生成世界”。玩家体验的不再是一个完全预设好的内容，而是一个随着交互不断变化的环境。当然，Alaya World 目前仍然处于早期阶段。实时生成所需的算力成本、复杂环境理解能力，以及更长期、更稳定的世界一致性，都还有很多问题需要解决。但它让我看到一个值得关注的趋势：AI 的竞争可能不会只停留在生成更漂亮的图片和视频，而是进一步走向创造更真实、更连续、更可交互的世界。过去，人类通过电影记录想象，通过游戏创造虚拟空间。而未来，也许我们只需要描述一个想法，AI 就可以帮助我们生成一个能够进入其中、探索其中的世界。从生成内容，到生成世界，这可能是 AI 下一阶段最值得期待的变化之一。

Ashlyn He

12,569 просмотров • 2 месяцев назад

Peter Thiel分享了他對未來五年人工智慧（AI）發展的看法，以及他對實體物理世界科技停滯的觀察。他覺得大家低估了AI長期的影響，但也像1999年網路泡沫的時代一樣，高估大規模的改變會在18個月內就發生。以下是Claude對他的主要觀點整理： AI的突破性進展 Thiel指出，近期AI最重大的成就是通過了圖靈測試。像ChatGPT這樣的系統能夠以近乎人類的方式進行交流，這標誌著我們進入了一個新時代。這一突破實現了過去60年來AI研究的終極目標。 AI應用的廣泛整合未來五年將是AI應用和整合的關鍵時期。我們將看到AI技術在各個行業和領域中的廣泛應用，這可能會重塑我們的經濟、文化和政治結構。 AI與人類的關係 Thiel提出了一個關鍵問題：AI是會成為人類的補充還是替代？他認為，這個問題比AGI（通用人工智慧）的發展更為重要，因為它直接關係到人類社會的未來走向。 AI的經濟影響儘管AI是一項重大技術突破，但Thiel提醒我們，它是否能顯著提高人類生活水平仍是一個開放性問題。他指出，技術進步不一定等同於經濟繁榮。實體世界科技的停滯與AI的快速發展形成鮮明對比的是，Thiel觀察到實體物理世界的科技進展似乎陷入了停滯。他指出：過去50年來，物理世界的許多領域進展有限。例如，我們在運輸方面並沒有變得更快。康科德超音速客機在2003年停飛，反映了航空技術的倒退。高速公路因為交通擁堵而變得更慢，我們實際上比40或50年前移動得更慢。相比之下，資訊技術領域的進步非常顯著。科技發展的不平衡 Thiel認為，科技發展呈現出一種奇怪的不平衡：在位元（bits）的世界裡，即計算機和互聯網領域，我們看到了密集而顯著的進步。但在原子（atoms）的世界，即物理實體領域，進展相對停滯。這種不平衡反映在我們的生活環境中：我們可能在使用最新的智慧手機，但乘坐的可能是100年歷史的地鐵。監管與創新 Thiel提到，過度監管可能是阻礙實體世界科技進步的一個因素。相比之下，資訊技術領域受到的監管相對較少，這可能解釋了為什麼這個領域進步如此之快。

Peter Thiel分享了他對未來五年人工智慧（AI）發展的看法，以及他對實體物理世界科技停滯的觀察。他覺得大家低估了AI長期的影響，但也像1999年網路泡沫的時代一樣，高估大規模的改變會在18個月內就發生。以下是Claude對他的主要觀點整理： AI的突破性進展 Thiel指出，近期AI最重大的成就是通過了圖靈測試。像ChatGPT這樣的系統能夠以近乎人類的方式進行交流，這標誌著我們進入了一個新時代。這一突破實現了過去60年來AI研究的終極目標。 AI應用的廣泛整合未來五年將是AI應用和整合的關鍵時期。我們將看到AI技術在各個行業和領域中的廣泛應用，這可能會重塑我們的經濟、文化和政治結構。 AI與人類的關係 Thiel提出了一個關鍵問題：AI是會成為人類的補充還是替代？他認為，這個問題比AGI（通用人工智慧）的發展更為重要，因為它直接關係到人類社會的未來走向。 AI的經濟影響儘管AI是一項重大技術突破，但Thiel提醒我們，它是否能顯著提高人類生活水平仍是一個開放性問題。他指出，技術進步不一定等同於經濟繁榮。實體世界科技的停滯與AI的快速發展形成鮮明對比的是，Thiel觀察到實體物理世界的科技進展似乎陷入了停滯。他指出：過去50年來，物理世界的許多領域進展有限。例如，我們在運輸方面並沒有變得更快。康科德超音速客機在2003年停飛，反映了航空技術的倒退。高速公路因為交通擁堵而變得更慢，我們實際上比40或50年前移動得更慢。相比之下，資訊技術領域的進步非常顯著。科技發展的不平衡 Thiel認為，科技發展呈現出一種奇怪的不平衡：在位元（bits）的世界裡，即計算機和互聯網領域，我們看到了密集而顯著的進步。但在原子（atoms）的世界，即物理實體領域，進展相對停滯。這種不平衡反映在我們的生活環境中：我們可能在使用最新的智慧手機，但乘坐的可能是100年歷史的地鐵。監管與創新 Thiel提到，過度監管可能是阻礙實體世界科技進步的一個因素。相比之下，資訊技術領域受到的監管相對較少，這可能解釋了為什麼這個領域進步如此之快。

Intl Econ Observe

17,085 просмотров • 2 лет назад

來說說黃仁勳與台灣的淵源！黃仁勳的這場4分多的演講真正要強調的，不是 NVIDIA 有多成功。而是他在站上世界科技產業巔峰的時候，回頭感謝 30 年前願意相信他的人。當年的 NVIDIA 不是今天市值數兆美元的科技巨頭。那時候的 NVIDIA 沒有資金、沒有資源，甚至連做顯示卡的能力都沒有。當美國沒有人願意相信這家年輕公司時，台灣選擇了相信。當 NVIDIA 需要最先進的晶片製造能力時，台灣伸出了手。當 NVIDIA 沒有錢自己生產顯示卡時，華碩、技嘉、MSI 等台灣夥伴陪著他們一起成長。 30 年過去了。從一封寄往台灣的求救信開始，到一起打造出改變世界的 AI 時代。同一家公司。同一群朋友。同一群合作夥伴。這才是黃仁勳最驕傲的成就。不是 NVIDIA 成為世界第一，而是在走到世界第一之後，回頭看見身邊的人，依然還在。這群朋友，改變了世界，改變了產業，改變了技術。當黃仁勳站在台上，看著台下那些熟悉的面孔，說出一句最令人動容的話：「30年後，還是同樣的你們，同樣的夥伴。」

來說說黃仁勳與台灣的淵源！黃仁勳的這場4分多的演講真正要強調的，不是 NVIDIA 有多成功。而是他在站上世界科技產業巔峰的時候，回頭感謝 30 年前願意相信他的人。當年的 NVIDIA 不是今天市值數兆美元的科技巨頭。那時候的 NVIDIA 沒有資金、沒有資源，甚至連做顯示卡的能力都沒有。當美國沒有人願意相信這家年輕公司時，台灣選擇了相信。當 NVIDIA 需要最先進的晶片製造能力時，台灣伸出了手。當 NVIDIA 沒有錢自己生產顯示卡時，華碩、技嘉、MSI 等台灣夥伴陪著他們一起成長。 30 年過去了。從一封寄往台灣的求救信開始，到一起打造出改變世界的 AI 時代。同一家公司。同一群朋友。同一群合作夥伴。這才是黃仁勳最驕傲的成就。不是 NVIDIA 成為世界第一，而是在走到世界第一之後，回頭看見身邊的人，依然還在。這群朋友，改變了世界，改變了產業，改變了技術。當黃仁勳站在台上，看著台下那些熟悉的面孔，說出一句最令人動容的話：「30年後，還是同樣的你們，同樣的夥伴。」

Buzzdo

101,196 просмотров • 4 месяцев назад

這個彤彤直播主很紅嗎？怎麼大家都在跟她開黃腔後面粉絲問這個車能不能推其他粉補一句我是老漢交給我就完事我整個笑死大家實在太幽默了為什麼我覺得 Talus 比多數 AI 專案更像「長期基建」這段時間看了很多 AI 專案，你會發現一個很明顯的現象大家都在比模型多大、參數多少、推理多快好像只要 AI 夠聰明，事情就自然會發生但 Talus 走的是完全不同的路他們把重點放在處理一個更難、也更無聊的問題 AI 能不能長期、穩定地在鏈上運作，形成真正的經濟活動？ Talus Labs 的設計邏輯，很像在蓋一座城市 Nexus 是底層框架相當於城市的法律與基礎設施它定義了 AI agent 怎麼存在、怎麼互動、怎麼被驗證不是單一功能，而是一套可持續擴展的規則系統 Agent 是角色每一個 agent 都有身份、有資產、有行為紀錄可以彼此合作、競爭、分工它們不是一次性工具，更像是長期活動的經濟單位 Workflow 則是產線把複雜的決策與行為拆成標準化流程讓策略可以被複製、被重用、被優化這對生態擴張非常重要，因為它讓「成功經驗」可以累積這三個東西組合在一起，才會出現真正的護城河很多 AI 專案解決的是「我能不能做到這件事」 Talus 在想的是「十萬個人、十萬個 agent 同時用，系統會不會崩？」這種問題沒那麼好講故事，也很難短期爆紅但一旦真的跑起來，別人要複製成本會非常高你不只要抄功能，還要重建整個框架、標準與生態協作方式這正是基建型專案的特徵我會覺得 Talus 更像長期基建，還有一個原因它的成功，不完全取決於官方做了多少功能而是有多少人願意在上面「長期建東西」策略制定者、agent 設計者、生態應用、工具模組這些角色都能在同一套框架下持續產生價值這不是短線題材，也不太適合快進快出它更像是在修一條高速公路，前期看起來沒那麼熱鬧但一旦交通流量起來，誰都離不開所以我才會說 Talus 與其說是一個 AI 專案不如說是在慢慢鋪一個「AI 上鏈經濟」的底座這種工程，急不來但一旦完成，就會存在很久

這個彤彤直播主很紅嗎？怎麼大家都在跟她開黃腔後面粉絲問這個車能不能推其他粉補一句我是老漢交給我就完事我整個笑死大家實在太幽默了為什麼我覺得 Talus 比多數 AI 專案更像「長期基建」這段時間看了很多 AI 專案，你會發現一個很明顯的現象大家都在比模型多大、參數多少、推理多快好像只要 AI 夠聰明，事情就自然會發生但 Talus 走的是完全不同的路他們把重點放在處理一個更難、也更無聊的問題 AI 能不能長期、穩定地在鏈上運作，形成真正的經濟活動？ Talus Labs 的設計邏輯，很像在蓋一座城市 Nexus 是底層框架相當於城市的法律與基礎設施它定義了 AI agent 怎麼存在、怎麼互動、怎麼被驗證不是單一功能，而是一套可持續擴展的規則系統 Agent 是角色每一個 agent 都有身份、有資產、有行為紀錄可以彼此合作、競爭、分工它們不是一次性工具，更像是長期活動的經濟單位 Workflow 則是產線把複雜的決策與行為拆成標準化流程讓策略可以被複製、被重用、被優化這對生態擴張非常重要，因為它讓「成功經驗」可以累積這三個東西組合在一起，才會出現真正的護城河很多 AI 專案解決的是「我能不能做到這件事」 Talus 在想的是「十萬個人、十萬個 agent 同時用，系統會不會崩？」這種問題沒那麼好講故事，也很難短期爆紅但一旦真的跑起來，別人要複製成本會非常高你不只要抄功能，還要重建整個框架、標準與生態協作方式這正是基建型專案的特徵我會覺得 Talus 更像長期基建，還有一個原因它的成功，不完全取決於官方做了多少功能而是有多少人願意在上面「長期建東西」策略制定者、agent 設計者、生態應用、工具模組這些角色都能在同一套框架下持續產生價值這不是短線題材，也不太適合快進快出它更像是在修一條高速公路，前期看起來沒那麼熱鬧但一旦交通流量起來，誰都離不開所以我才會說 Talus 與其說是一個 AI 專案不如說是在慢慢鋪一個「AI 上鏈經濟」的底座這種工程，急不來但一旦完成，就會存在很久

小美哥🕊️

646,365 просмотров • 9 месяцев назад

最近發生太多事情，很久沒 po 文了。這兩天有空，又回頭用 AI 做了一個 RPG GAME，距離上次才四個月，沒想到模型進步這麼多，一樣花不到半天，就做出影片裡的這個遊戲，這質感已經達到我有點驚訝的地步了，對完全沒有美術背景的我來說很有成就感。比起現在看到一堆用Three JS做來的方塊感遊戲，我一直更喜歡像是八方旅人的那種 HD-2D 的質感。以前用 agent-sprite-forge 做素材，sprite sheet做出來的角色動畫偶爾還是有斷格感，這次改成用 GPT Image 2.5 生成素材，再用 Grok Build 的 img2video 製作動作，流暢度比我之前做的好很多，地圖則用 Three.js 搭地形與光影，再把動畫元素放進去。流暢度比我之前做的好很多，角色待機、走路、攻擊，連怪物、樹葉、火光和水面都像是真的動了起來，站著不動時，也有「活在場景裡」的感覺。整個遊戲都由 AI 開發，我只負責提想法、試玩和回饋，沒有手寫程式、修圖或手調動畫，也沒用 Unity、Godot 這類現成遊戲引擎，連遊戲全部的配樂也是直接讓AI去使用 Google Lyria 幫我做的 (音樂我覺得配的超好)。製作流程也整理成了 Skill，照目前的做法，新增一個場景搭配故事，也只需要半小時。這次訂閱額度用量: 1. GPT Pro 200U 單週額度的 40% 2. Grok Build 100U 單週 50% 遊戲連結在留言，大家可以體驗看看，AI現在已經可以做到這樣的美術質感，之後有空的話再看看要不要把完整遊戲做完！

最近發生太多事情，很久沒 po 文了。這兩天有空，又回頭用 AI 做了一個 RPG GAME，距離上次才四個月，沒想到模型進步這麼多，一樣花不到半天，就做出影片裡的這個遊戲，這質感已經達到我有點驚訝的地步了，對完全沒有美術背景的我來說很有成就感。比起現在看到一堆用Three JS做來的方塊感遊戲，我一直更喜歡像是八方旅人的那種 HD-2D 的質感。以前用 agent-sprite-forge 做素材，sprite sheet做出來的角色動畫偶爾還是有斷格感，這次改成用 GPT Image 2.5 生成素材，再用 Grok Build 的 img2video 製作動作，流暢度比我之前做的好很多，地圖則用 Three.js 搭地形與光影，再把動畫元素放進去。流暢度比我之前做的好很多，角色待機、走路、攻擊，連怪物、樹葉、火光和水面都像是真的動了起來，站著不動時，也有「活在場景裡」的感覺。整個遊戲都由 AI 開發，我只負責提想法、試玩和回饋，沒有手寫程式、修圖或手調動畫，也沒用 Unity、Godot 這類現成遊戲引擎，連遊戲全部的配樂也是直接讓AI去使用 Google Lyria 幫我做的 (音樂我覺得配的超好)。製作流程也整理成了 Skill，照目前的做法，新增一個場景搭配故事，也只需要半小時。這次訂閱額度用量: 1. GPT Pro 200U 單週額度的 40% 2. Grok Build 100U 單週 50% 遊戲連結在留言，大家可以體驗看看，AI現在已經可以做到這樣的美術質感，之後有空的話再看看要不要把完整遊戲做完！

0xFunky

15,832 просмотров • 17 дней назад

前幾天剛和 Everything 的 CEO Tim 做了一場訪談，聊了快半小時，從他的故事一路聊到 Everything 想做成什麼樣子。幾個讓我印象比較深的點分享給你們 👇 1/ Telegram 上的 All-In-One App Perps + 美股 + 預測市場 + 支付，全部整合在一個 Telegram app 裡。產品優先級是：加密交易對，股票和大宗商品，預測市場，支付 2/ 給大家的積分攻略現在是公售 Phase 2，Stage 61 到 120 積分雙倍，免費嚕積分的三件事：註冊、每日簽到、邀請朋友。挺好的因為我自己的公售持倉已經在上面 15X 了，現在每天簽到領豬腳飯。熊市還能有這樣的項目真好 3/ 關於幣價 vs 業務以及長期願景其實我開場就拋了一個比較尖銳的問題，同一波出來的 Perp DEX 表現都不太理想，把整個賽道下限拉低了，有的開盤剩 20M，那 Everything 的差異化在哪？ Tim Tsai 第一反應是幣價和業務是兩件事，Amazon 也跌過 90%，但它最後變成了 Amazon。團隊的策略是保持盈利、不靠賣幣撐 Runway，要讓 Token 跟業務分開。在現在這個大部分項目把 Token 當 runway 燒的市場裡，這個選擇其實蠻反共識而長期要做成什麼，他從第一天就把名字叫 Everything、把願景定在做所有 Trading 的入口 Everything EverythingCN 從一開始就把野心攤開了放在桌上。接下來就看怎麼一步步交付完整訪談影片 👇 中文 Recap 稍後會發在 0xMedia

前幾天剛和 Everything 的 CEO Tim 做了一場訪談，聊了快半小時，從他的故事一路聊到 Everything 想做成什麼樣子。幾個讓我印象比較深的點分享給你們 👇 1/ Telegram 上的 All-In-One App Perps + 美股 + 預測市場 + 支付，全部整合在一個 Telegram app 裡。產品優先級是：加密交易對，股票和大宗商品，預測市場，支付 2/ 給大家的積分攻略現在是公售 Phase 2，Stage 61 到 120 積分雙倍，免費嚕積分的三件事：註冊、每日簽到、邀請朋友。挺好的因為我自己的公售持倉已經在上面 15X 了，現在每天簽到領豬腳飯。熊市還能有這樣的項目真好 3/ 關於幣價 vs 業務以及長期願景其實我開場就拋了一個比較尖銳的問題，同一波出來的 Perp DEX 表現都不太理想，把整個賽道下限拉低了，有的開盤剩 20M，那 Everything 的差異化在哪？ Tim Tsai 第一反應是幣價和業務是兩件事，Amazon 也跌過 90%，但它最後變成了 Amazon。團隊的策略是保持盈利、不靠賣幣撐 Runway，要讓 Token 跟業務分開。在現在這個大部分項目把 Token 當 runway 燒的市場裡，這個選擇其實蠻反共識而長期要做成什麼，他從第一天就把名字叫 Everything、把願景定在做所有 Trading 的入口 Everything EverythingCN 從一開始就把野心攤開了放在桌上。接下來就看怎麼一步步交付完整訪談影片 👇 中文 Recap 稍後會發在 0xMedia

Hedda🐽

13,432 просмотров • 4 месяцев назад

別讓大腦只會「複製貼上」，來看看馬斯克如何運用第一性原理，找回你被慣例沒收的自由。我們的大腦，其實是個專業的偷懶者。在日常生活中，我們最常聽到的話是：「因為大家都是這樣做的」、「以前的經驗告訴我...」。這種被 Elon Musk 稱為「類比思維」的模式，雖然讓我們在熟悉的軌道上感到安全，卻也像是一道隱形的圍牆，沒收了我們創造新可能性的權力。 1）質疑，是覺醒的開端影片中，Musk 提出了一個貫穿他所有事業的核心提問：「這件事是真的嗎？」身為心理諮詢師，過去最常在諮商室裡看見被「應該」束縛的靈魂： 📌 「我應該在 30 歲前成功。」 📌 「我應該像別人一樣情緒穩定。」當我們陷入焦慮時，往往是因為我們在類比著別人的生活劇本。但獨立思維的第一步，就是勇於向這些理所當然開出第一槍，去剝離那些社會賦予的標籤，看看最底層的真相是什麼。 —————————————🛰️ 2）回歸「第一性原理」拆解到靈魂深處 Musk 提到的「第一性原理」，原本是一個物理學概念，就是將事物拆解到最基本的真相，再從零開始構建。如果我們把這個邏輯套用在人生： 📌 「你對價值感的最基本定義是什麼？」 📌 「恐懼的底層是缺乏資訊，還是缺乏對自我效能的信任？」當你不再用別人的複製品來定義自己，你才能像 Musk 建造火箭那樣，用最基礎的零件，組裝出屬於你自己的、前所未見的人生引擎。 —————————————🛰️ 3）獨立思考，是一場辛苦卻值得的修行 Elon Musk 在影片最後坦言，這種思考方式非常辛苦。的確，追隨群眾是本能，而獨自推演是挑戰。但請記得，獨立思維不代表你要與世界為敵，而是代表你終於願意對自己負責。當你不再滿足於過去一直都是這樣的答案時，你才真正開始掌握生命的主動權。 —————————————🛰️ 💡 今日思考練習找出一件你最近覺得「理所當然」或是「不得不做」的事情，試著問自己三個問題： 1. 這個想法的基礎是真的嗎？還是只是別人的經驗？ 2. 如果把所有外在評論剝除，這件事最核心的本質是什麼？ 3. 如果從零開始，我會怎麼重新決定？思維的自由，始於你對慣性說不的那一刻，而這就是馬斯克為何能一直在當領先指標。

別讓大腦只會「複製貼上」，來看看馬斯克如何運用第一性原理，找回你被慣例沒收的自由。我們的大腦，其實是個專業的偷懶者。在日常生活中，我們最常聽到的話是：「因為大家都是這樣做的」、「以前的經驗告訴我...」。這種被 Elon Musk 稱為「類比思維」的模式，雖然讓我們在熟悉的軌道上感到安全，卻也像是一道隱形的圍牆，沒收了我們創造新可能性的權力。 1）質疑，是覺醒的開端影片中，Musk 提出了一個貫穿他所有事業的核心提問：「這件事是真的嗎？」身為心理諮詢師，過去最常在諮商室裡看見被「應該」束縛的靈魂： 📌 「我應該在 30 歲前成功。」 📌 「我應該像別人一樣情緒穩定。」當我們陷入焦慮時，往往是因為我們在類比著別人的生活劇本。但獨立思維的第一步，就是勇於向這些理所當然開出第一槍，去剝離那些社會賦予的標籤，看看最底層的真相是什麼。 —————————————🛰️ 2）回歸「第一性原理」拆解到靈魂深處 Musk 提到的「第一性原理」，原本是一個物理學概念，就是將事物拆解到最基本的真相，再從零開始構建。如果我們把這個邏輯套用在人生： 📌 「你對價值感的最基本定義是什麼？」 📌 「恐懼的底層是缺乏資訊，還是缺乏對自我效能的信任？」當你不再用別人的複製品來定義自己，你才能像 Musk 建造火箭那樣，用最基礎的零件，組裝出屬於你自己的、前所未見的人生引擎。 —————————————🛰️ 3）獨立思考，是一場辛苦卻值得的修行 Elon Musk 在影片最後坦言，這種思考方式非常辛苦。的確，追隨群眾是本能，而獨自推演是挑戰。但請記得，獨立思維不代表你要與世界為敵，而是代表你終於願意對自己負責。當你不再滿足於過去一直都是這樣的答案時，你才真正開始掌握生命的主動權。 —————————————🛰️ 💡 今日思考練習找出一件你最近覺得「理所當然」或是「不得不做」的事情，試著問自己三個問題： 1. 這個想法的基礎是真的嗎？還是只是別人的經驗？ 2. 如果把所有外在評論剝除，這件事最核心的本質是什麼？ 3. 如果從零開始，我會怎麼重新決定？思維的自由，始於你對慣性說不的那一刻，而這就是馬斯克為何能一直在當領先指標。

Weigiston.L🐻🔶BNB

15,316 просмотров • 8 месяцев назад

NVIDIA 跟台積電三十年沒簽過合約，黃仁勳說了原因 NVIDIA 跟台積電做了幾百億美元的生意，沒有簽過合約。黃仁勳在 Lex Fridman Podcast 第 494 集的兩個半小時訪談中，談了很多關於 AI 革命、極端共同設計、CUDA 護城河的話題。但其中最讓人意外的一段，是他談到 NVIDIA 跟台積電之間的關係。「三十年了，我不知道我們做了幾百億、甚至上千億美元的生意，但我們沒有合約。」台積電最深的誤解黃仁勳被問到怎麼理解台積電的成功，他的回答跟大多數人想的不一樣。「關於台積電最深的誤解，是以為他們的技術就是他們的全部。好像他們有一顆很厲害的電晶體，然後如果有人做出另一顆更好的，遊戲就結束了。」他說當然不是只有電晶體，台積電的技術包含金屬化系統、封裝、3D 封裝、矽光子學，這些技術確實讓公司很特別。但真正讓台積電無可取代的是另外兩件事。第一是他們管理數百家客戶動態需求的能力，客戶的訂單同時在增加、減少、推進、拉回、換製程、改規格，台積電能同時協調所有人，「他們在這方面是世界頂尖的」。第二是他們創造了一種無形的東西叫信任，「我信任他們，願意把整家公司放在他們上面。這是一件很大的事。」沒有合約的幾百億美元 Lex 接著點出了這份信任的基礎：「那個信任是建立在多年的表現之上，但其中也有人際關係的成分。」黃仁勳順著這段話，給出了整場訪談最震撼的一句：「三十年了，我不知道做了幾百億、甚至上千億美元的生意，但我們沒有合約。」放在今天的商業環境來看，這句話幾乎不可思議。NVIDIA 現在的市值超過 4 兆美元，台積電是它最核心的供應商，兩家公司之間的合作關係決定了全球 AI 基礎設施的運轉，而這一切靠的是握手，不是律師。黃仁勳接著被問到 2013 年台積電創辦人張忠謀曾邀請他擔任台積電 CEO 的故事。他確認故事是真的，而且他深感榮幸，「我沒有不當一回事」。但他最終婉拒了，因為他看見了 NVIDIA 能帶來的影響力，那是他的全部責任，他無法放下。 200 家供應商，150 萬個零件，一個機架 NVIDIA 跟台積電的關係只是整個供應鏈故事的一小部分。黃仁勳在訪談中透露，Vera Rubin 世代的機架有 150 萬個零件，來自 200 家供應商。當 Lex 問他這是不是讓他睡不著覺的事，他說不是，「因為我已經在處理了。我能睡著是因為我把該做的事都做了。」他的做法是親自飛到供應鏈合作夥伴那裡，用第一原理的方式向他們解釋正在發生什麼事、為什麼會發生、然後要求他們做出數十億美元的資本投資。「我先跟他們解釋正在發生什麼、為什麼會發生，然後要求他們各自做出數十億美元的資本投資。因為他們信任我，而我非常尊重他們，我給他們每一個質疑我的機會。我花時間解釋，用第一原理推論，畫圖給他們看。等我講完的時候，他們已經知道該怎麼做了。」 Lex 追問：「你不擔心某些瓶頸嗎？ASML 的 EUV 設備、台積電的先進封裝 CoWoS 擴產速度？」 Jensen 回了一個字，「不擔心。」「因為我告訴他們我需要什麼，他們理解了。他們告訴我他們打算怎麼做，我相信他們會做到。」不是只有技術：從 CEO 到 CEO 的對話黃仁勳在這段訪談裡展現的角色，遠超過一個科技公司 CEO。他更像是整個 AI 供應鏈的總指揮。他提到 NVIDIA 右手邊坐著的是「幾乎整個 IT 產業上游的 CEO」，左手邊是「幾乎整個基礎設施產業下游的 CEO」。他的工作是讓上游的 TSMC、ASML、SK 海力士理解未來的需求會多大，同時讓下游的 GEV、Caterpillar 理解為什麼需要更多電力和冷卻設備。他特別提到說服記憶體產業 CEO 投資 AI 基礎設施的過程：「看看 LPDDR5、HBM4 這兩種記憶體，它們的量產規模驚人，這些都是有 45 年歷史的老公司，全都在去年創下了歷史營收紀錄。」他說自己的工作有一部分是「塑造供應鏈的未來」，不只是告訴供應商要做什麼，而是讓他們相信一個還沒發生的未來，然後願意為此投入數十億美元。「當你用如此強烈的急迫感行動，它會讓所有人都跟著緊張起來。每個供應商都有很多客戶、很多專案在進行。黃仁勳做的事情是確保自己永遠是每個供應商的最優先。」 3 兆美元營收可能嗎黃仁勳在訪談快結束時被問到 NVIDIA 營收有沒有天花板。他的回答是：3 兆美元的營收是完全可能的。「因為沒有任何物理限制說它不可能，而且 NVIDIA 的供應鏈負擔是由 200 家公司共同分擔的，我們跟這個生態系的合作關係讓我們可以一起擴張。問題只有一個：我們有沒有足夠的能源？而答案是我們一定會有。」他回憶 NVIDIA 第一次突破 10 億美元營收的時候，當時有位 CEO 告訴他「無晶圓廠的半導體公司理論上不可能超過 10 億」，後來又有人說不可能超過 250 億。現在回頭看，這些「不可能」全都被推翻了。信任就是基礎設施把黃仁勳在這次訪談中關於台積電和供應鏈的所有發言拉在一起看，會發現一個很清晰的主張：在 AI 時代，信任本身就是一種基礎設施。台積電的護城河不只是 2 奈米製程或 CoWoS 封裝技術，而是幾十年累積的信任，讓 NVIDIA 願意把整家 4 兆美元市值的公司放在它上面，而且不需要合約。 NVIDIA 能在歷史上前所未有的速度擴張，不只是因為 GPU 很快，而是因為黃仁勳能走進 200 家供應商的辦公室，用第一原理說服他們各自投入數十億美元，然後相信他們會做到。整個 AI 革命的運轉，最底層不是晶片，是人與人之間的信任。

NVIDIA 跟台積電三十年沒簽過合約，黃仁勳說了原因 NVIDIA 跟台積電做了幾百億美元的生意，沒有簽過合約。黃仁勳在 Lex Fridman Podcast 第 494 集的兩個半小時訪談中，談了很多關於 AI 革命、極端共同設計、CUDA 護城河的話題。但其中最讓人意外的一段，是他談到 NVIDIA 跟台積電之間的關係。「三十年了，我不知道我們做了幾百億、甚至上千億美元的生意，但我們沒有合約。」台積電最深的誤解黃仁勳被問到怎麼理解台積電的成功，他的回答跟大多數人想的不一樣。「關於台積電最深的誤解，是以為他們的技術就是他們的全部。好像他們有一顆很厲害的電晶體，然後如果有人做出另一顆更好的，遊戲就結束了。」他說當然不是只有電晶體，台積電的技術包含金屬化系統、封裝、3D 封裝、矽光子學，這些技術確實讓公司很特別。但真正讓台積電無可取代的是另外兩件事。第一是他們管理數百家客戶動態需求的能力，客戶的訂單同時在增加、減少、推進、拉回、換製程、改規格，台積電能同時協調所有人，「他們在這方面是世界頂尖的」。第二是他們創造了一種無形的東西叫信任，「我信任他們，願意把整家公司放在他們上面。這是一件很大的事。」沒有合約的幾百億美元 Lex 接著點出了這份信任的基礎：「那個信任是建立在多年的表現之上，但其中也有人際關係的成分。」黃仁勳順著這段話，給出了整場訪談最震撼的一句：「三十年了，我不知道做了幾百億、甚至上千億美元的生意，但我們沒有合約。」放在今天的商業環境來看，這句話幾乎不可思議。NVIDIA 現在的市值超過 4 兆美元，台積電是它最核心的供應商，兩家公司之間的合作關係決定了全球 AI 基礎設施的運轉，而這一切靠的是握手，不是律師。黃仁勳接著被問到 2013 年台積電創辦人張忠謀曾邀請他擔任台積電 CEO 的故事。他確認故事是真的，而且他深感榮幸，「我沒有不當一回事」。但他最終婉拒了，因為他看見了 NVIDIA 能帶來的影響力，那是他的全部責任，他無法放下。 200 家供應商，150 萬個零件，一個機架 NVIDIA 跟台積電的關係只是整個供應鏈故事的一小部分。黃仁勳在訪談中透露，Vera Rubin 世代的機架有 150 萬個零件，來自 200 家供應商。當 Lex 問他這是不是讓他睡不著覺的事，他說不是，「因為我已經在處理了。我能睡著是因為我把該做的事都做了。」他的做法是親自飛到供應鏈合作夥伴那裡，用第一原理的方式向他們解釋正在發生什麼事、為什麼會發生、然後要求他們做出數十億美元的資本投資。「我先跟他們解釋正在發生什麼、為什麼會發生，然後要求他們各自做出數十億美元的資本投資。因為他們信任我，而我非常尊重他們，我給他們每一個質疑我的機會。我花時間解釋，用第一原理推論，畫圖給他們看。等我講完的時候，他們已經知道該怎麼做了。」 Lex 追問：「你不擔心某些瓶頸嗎？ASML 的 EUV 設備、台積電的先進封裝 CoWoS 擴產速度？」 Jensen 回了一個字，「不擔心。」「因為我告訴他們我需要什麼，他們理解了。他們告訴我他們打算怎麼做，我相信他們會做到。」不是只有技術：從 CEO 到 CEO 的對話黃仁勳在這段訪談裡展現的角色，遠超過一個科技公司 CEO。他更像是整個 AI 供應鏈的總指揮。他提到 NVIDIA 右手邊坐著的是「幾乎整個 IT 產業上游的 CEO」，左手邊是「幾乎整個基礎設施產業下游的 CEO」。他的工作是讓上游的 TSMC、ASML、SK 海力士理解未來的需求會多大，同時讓下游的 GEV、Caterpillar 理解為什麼需要更多電力和冷卻設備。他特別提到說服記憶體產業 CEO 投資 AI 基礎設施的過程：「看看 LPDDR5、HBM4 這兩種記憶體，它們的量產規模驚人，這些都是有 45 年歷史的老公司，全都在去年創下了歷史營收紀錄。」他說自己的工作有一部分是「塑造供應鏈的未來」，不只是告訴供應商要做什麼，而是讓他們相信一個還沒發生的未來，然後願意為此投入數十億美元。「當你用如此強烈的急迫感行動，它會讓所有人都跟著緊張起來。每個供應商都有很多客戶、很多專案在進行。黃仁勳做的事情是確保自己永遠是每個供應商的最優先。」 3 兆美元營收可能嗎黃仁勳在訪談快結束時被問到 NVIDIA 營收有沒有天花板。他的回答是：3 兆美元的營收是完全可能的。「因為沒有任何物理限制說它不可能，而且 NVIDIA 的供應鏈負擔是由 200 家公司共同分擔的，我們跟這個生態系的合作關係讓我們可以一起擴張。問題只有一個：我們有沒有足夠的能源？而答案是我們一定會有。」他回憶 NVIDIA 第一次突破 10 億美元營收的時候，當時有位 CEO 告訴他「無晶圓廠的半導體公司理論上不可能超過 10 億」，後來又有人說不可能超過 250 億。現在回頭看，這些「不可能」全都被推翻了。信任就是基礎設施把黃仁勳在這次訪談中關於台積電和供應鏈的所有發言拉在一起看，會發現一個很清晰的主張：在 AI 時代，信任本身就是一種基礎設施。台積電的護城河不只是 2 奈米製程或 CoWoS 封裝技術，而是幾十年累積的信任，讓 NVIDIA 願意把整家 4 兆美元市值的公司放在它上面，而且不需要合約。 NVIDIA 能在歷史上前所未有的速度擴張，不只是因為 GPU 很快，而是因為黃仁勳能走進 200 家供應商的辦公室，用第一原理說服他們各自投入數十億美元，然後相信他們會做到。整個 AI 革命的運轉，最底層不是晶片，是人與人之間的信任。

fox hsiao

88,761 просмотров • 6 месяцев назад

我笑死了。原本只是想给娃做一部讲 AI 原理的动画片，结果我叁看得津津有味。从没见过娃学得这么认真。整部动画有两条故事线： 🔥 娃关心的剧情线：真相之星失窃 → 灰狼遭到嫁祸 → 黑狐利用 AI 制造并传播假证据 → 原始档案恢复，真凶落网。 🔥我偷偷塞进去的知识线：训练数据与参数 → Token → Prompt → AI 幻觉 → 录音和视频核查 → 责任与隐私。 AI 真的很适合讲故事。以前直接给孩子解释 Token、参数和 AI 幻觉，他大概率听两分钟就跑了。现在把这些知识藏进失窃案、矿洞陷阱和真假证据里，他反而会追着剧情继续看。整部作品制作只分四步，在 agent 里聊就行，后面 2～3 步全自动： 1. 跟 AI 聊清楚：我想做一部儿童科普动画，既要有探案剧情，也要讲明白 AI 原理。 2. 让 AI 整理剧情、拆分台词，再用本地电脑和娃的声音完成多人配音。 3. 为九幕故事分别生成一张九宫格漫画。总共只需要生成9张图，角色和画风还能保持统一，很省钱。 4. 沿用完整 MP3，把漫画、字幕和台词时间对齐，最后输出为1920×1080视频。推荐时间线： 00:00 真相之星失窃，灰狼成为头号嫌疑人 01:33 一张纸条能定罪吗？线索不等于证据 03:25 AI 幻觉 05:21 AI 怎样接着生成答案 07:14 Token 是什么 07:46 一句话打开牢门：Prompt 怎样说清楚 09:23 把 AI 训练成“坏蛋”：训练数据与参数 11:58 AI 假影像核查 13:31 AI 编出一条不存在的秘密隧道 16:29 真相之星恢复档案，真正证据出现 17:57 数据、参数、Token、Prompt 和 AI 幻觉总结 18:47 为什么不能把密码和私人照片告诉 AI 还有一点，未来这种定制化的工作会越来越多。它不一定像商业动画那么精致，但可以贴着孩子的年龄、兴趣和最近正在问的问题来讲。以前要完成一部近20分钟的故事，写脚本、配音、画分镜、做字幕和剪辑，没有三天很难做下来。现在一个人借助 AI，就能把制作成本和门槛压得非常低。让忙碌的自己每天都有时间陪娃讲故事，这个事情一听就很有意思。

我笑死了。原本只是想给娃做一部讲 AI 原理的动画片，结果我叁看得津津有味。从没见过娃学得这么认真。整部动画有两条故事线： 🔥 娃关心的剧情线：真相之星失窃 → 灰狼遭到嫁祸 → 黑狐利用 AI 制造并传播假证据 → 原始档案恢复，真凶落网。 🔥我偷偷塞进去的知识线：训练数据与参数 → Token → Prompt → AI 幻觉 → 录音和视频核查 → 责任与隐私。 AI 真的很适合讲故事。以前直接给孩子解释 Token、参数和 AI 幻觉，他大概率听两分钟就跑了。现在把这些知识藏进失窃案、矿洞陷阱和真假证据里，他反而会追着剧情继续看。整部作品制作只分四步，在 agent 里聊就行，后面 2～3 步全自动： 1. 跟 AI 聊清楚：我想做一部儿童科普动画，既要有探案剧情，也要讲明白 AI 原理。 2. 让 AI 整理剧情、拆分台词，再用本地电脑和娃的声音完成多人配音。 3. 为九幕故事分别生成一张九宫格漫画。总共只需要生成9张图，角色和画风还能保持统一，很省钱。 4. 沿用完整 MP3，把漫画、字幕和台词时间对齐，最后输出为1920×1080视频。推荐时间线： 00:00 真相之星失窃，灰狼成为头号嫌疑人 01:33 一张纸条能定罪吗？线索不等于证据 03:25 AI 幻觉 05:21 AI 怎样接着生成答案 07:14 Token 是什么 07:46 一句话打开牢门：Prompt 怎样说清楚 09:23 把 AI 训练成“坏蛋”：训练数据与参数 11:58 AI 假影像核查 13:31 AI 编出一条不存在的秘密隧道 16:29 真相之星恢复档案，真正证据出现 17:57 数据、参数、Token、Prompt 和 AI 幻觉总结 18:47 为什么不能把密码和私人照片告诉 AI 还有一点，未来这种定制化的工作会越来越多。它不一定像商业动画那么精致，但可以贴着孩子的年龄、兴趣和最近正在问的问题来讲。以前要完成一部近20分钟的故事，写脚本、配音、画分镜、做字幕和剪辑，没有三天很难做下来。现在一个人借助 AI，就能把制作成本和门槛压得非常低。让忙碌的自己每天都有时间陪娃讲故事，这个事情一听就很有意思。

实践哥MinLi

12,452 просмотров • 1 месяц назад

時隔三年揭密特斯拉 AI 核武器：不只「端到端」，解密征服物理世界的「神經網路模擬器」距離上一次特斯拉舉行 AI Day 分享科技樹經過三年，一般猜測因為由於分享得太過仔細，導致於中國同行在相關技術上，突然打藥般地往前跨越一些，也或許是看了懂車帝的評測之後，馬誼郎覺得對手差太遠，只好再讓大家看一下特斯拉具體的做法。建議直接看影片會更為直觀台灣無法使用的輔助自動駕駛在國外已經是怎麼在上路了，請記得協助按讚分享。本次由特斯拉 AI 負責人 Ashok Elluswamy 登台，在頂尖的電腦視覺會議 International Conference of Computer Vision (ICCV) 上分享，這場演講的核心，不只是宣揚其數據護城河，而是揭示一個殘酷的事實：傳統「模組化」的自駕路徑正迎向根本性的天花板。 Elluswamy 拋出一個「微型電車難題」：車輛應駛過一個大水坑，還是冒險駛入對向車道？傳統程式碼會因「禁止駛入對向車道」的僵化規則而卡死。接著，他展示第二個場景：AI 如何區分「一群要過馬路的雞」（需要耐心等待）與「一群只是想待著的鵝」（可以倒車繞行）。「要將人類價值觀轉換成程式碼真的非常困難。」 Elluswamy 指出，這些充滿細微權衡與意圖判讀的情境，根本無法用客觀的程式碼精確定義。舊範式試圖用僵化的規則去模仿人類的直覺，註定失敗。特斯拉的答案是徹底拋棄這種分工，轉而採用單一大型神經網路，實現從「像素輸入」到「駕駛動作輸出」的端到端（End-to-End）決策。這個系統不再依賴工程師的規則，而是直接從海量的人類駕駛數據中，學習那些無法言傳的「價值偏好」。這是一場關於典範轉移的豪賭，賭注是未來所有機器人的作業系統。駕馭維度災難：從「數據瀑布」到「二階效應」的預判轉向端到端範式，意味著一場更艱鉅的挑戰：維度災難（Curse of Dimensionality）。Ashok Elluswamy 揭示的數字是殘酷的：特斯拉的系統必須在即時狀態下，將八個攝影機、30秒上下文、音訊、地圖與運動數據——總計高達二十億個輸入標記——壓縮到僅僅兩個輸出標記：轉向與加速。在如此極端的資訊壓縮過程中，模型極易產生「虛假的相關性」，錯把噪音當成訊號。這正是特斯拉車隊規模發揮槓桿作用的時刻。面對這「尼加拉瀑布般的數據」（Elluswamy 證實車隊每天能產生500年駕駛時長），特斯拉的解方不是盲目儲存，而是精煉。系統利用特定的觸發條件或小型神經網路，主動「挖掘」那些最稀有、最關鍵的邊緣案例（corner cases）。這些罕見情境（例如前方車輛的詭異動態、路面上的非典型障礙物）是訓練AI的最高價值養分，也是傳統模組化系統最容易崩潰的地方。用高品質的邊緣數據餵養端到端模型，其回報是驚人的預判能力。在一個展示影片中，前方車輛在高速公路上失控打滑。特斯拉的系統在極短時間內做出重煞決策。但關鍵不在煞車本身，而在於時機。系統並非在偵測到「碰撞風險」時才反應，而是在偵測到前車「即將失控」的瞬間就已啟動煞車。「它沒有等到車輛撞上護欄再彈回來...特斯拉就已經判斷出這輛車狀況不對，開始進行煞車。這是系統需要模擬的二階效應。」這種對二階效應的建模，是區分「反應式AI」與「預判式AI」的分水嶺。一個不夠聰明的系統，會等待碰撞發生、速度劇變後才緊急煞車，導致更危險的後果。而端到端AI透過學習海量的真實物理互動，理解到「某種特定的失控姿態」必然導致「撞擊護欄並反彈」，從而做出超越人類反應的主動安全決策。破解黑盒子：端到端系統的「可解讀性」端到端AI長期以來最大的罩門，在於其「黑盒子」特性。如果一個單一網路決定所有事，當它犯錯時，工程師該如何除錯？特斯拉的回應是：端到端不等於「無法觀測」。其策略是讓同一個模型承擔多重輔助任務（auxiliary tasks）。雖然模型最終的唯一目的是輸出控制指令，但在訓練過程中，工程師會「提示」它同時預測各種「可解讀的中間標記」（interpretable intermediate tokens），藉此打開黑盒子，窺探模型的「內心世界」。這就像在考核一個駕駛員時，除了看他是否能開到終點（控制任務），還會隨機提問他「剛才路過的交通標誌是什麼？」、「左側行人的意圖為何？」（輔助任務）。特斯拉展示的「生成式高斯潑濺（Generative Gaussian Splatting）」技術變體，便是一個強大的輔助工具。傳統高斯潑濺技術需要數十分鐘優化，且在車輛直線運動的有限視角下效果很差。而特斯拉的版本能在約220毫秒內，利用車輛的即時影像，快速生成高解析度的3D語意場景。這使得工程師能以3D視角，直觀地檢視AI是否正確理解「障礙物是安全的」還是「危險的」。甚至，模型還能生成自然語言，解釋自己「為何」在此時選擇減速或轉向。這些輔助任務就像鷹架，在模型建構階段提供支撐與可解讀性，確保AI的「認知」與物理現實保持一致。一旦模型訓練成熟，這些鷹架在即時駕駛中可以被簡化甚至關閉，只保留最高效的「像素到動作」路徑，確保系統擁有可預測的確定性延遲。終極試煉場：用「神經網路世界模擬器」發動閉環戰爭「評估是最後、也是最困難的挑戰。」 Ashok Elluswamy 坦言，即便擁有龐大的數據和可解讀的工具，端到端AI仍面臨最後一道關卡：評估。原因是「開迴路（open loop）」測試的侷限性。在開迴路中，模型只是觀看一段歷史影像並「預測」它會怎麼做，這就像在螢幕前玩模擬賽車。這種測試的成績可能非常漂亮，但「實際上路時可能表現就沒那麼好了」。因為在真實世界中，AI的每一個動作（例如輕微的轉向）都會反過來改變整個世界的後續狀態（例如引發後車的反應），產生連鎖反應。你無法在現實世界中反覆測試最危險的邊緣案例。那麼，該如何安全、高效地驗證AI在極端情況下的連鎖反應？特斯拉的答案，是其當前最核心的戰略武器：神經網路世界模擬器。這不是傳統意義上由工程師和美術師打造的電玩遊戲（如GTA）。特斯拉的模擬器本身，就是一個基於真實世界數據「學習」而來的生成式AI。它以車輛過去的「狀態與動作」配對為養分，學會「在特定動作下，世界（包含所有八個攝影機的畫面）會如何演變」。這個模擬器強大到令人畏懼：高度一致性：它可以同時生成八個攝影機、每秒高幀率的5K影像流，且所有畫面（例如鄰車的輪圈細節、遠處紅綠燈的變化）在跨攝影機視角下保持完美一致。可控性：這是關鍵。它不僅是播放影片，而是「以駕駛的動作為條件」來生成世界。當駕駛在模擬器中轉動方向盤，整個世界會即時、合理地反饋。對抗性生成：工程師可以在這個模擬器中「人工創造」新的危險。例如，調取一段過往的正常行車記錄，然後對模擬器下指令：「讓那輛原本直行的車，在特定時間點突然切入我的車道」。這個世界模擬器，讓特斯拉得以發動一場低成本、高效率的閉環（closed-loop）戰爭。他們不再需要冒著風險上路測試，而是可以在這個神經網路生成的「數位孿生世界」中，進行數百萬次高強度的強化學習與對抗性測試，最終目標是實現「超人般的表現」（superhuman performance）。終局：從Cyber Cab到Optimus，征服物理AI 當特斯拉展示其Robotaxi服務、展示車輛從工廠自動駕駛到客戶家中時，許多人以為這就是自駕的終局。但 Ashok Elluswamy 在 ICCV 的演講揭示，這一切只是序幕。 Cyber Cab（自動駕駛計程車）的目標是實現「比大眾運輸還便宜」的最低交通成本。這將創造巨大的現金流，但這筆錢的最終用途，並非停留在交通領域。「我們為自動駕駛開發的這套技術，也能完美應用在其他類型的機器人上。」 Ashok Elluswamy 在演講的最後，展示了這套「世界模擬器」同樣在Optimus（人形機器人）身上運作的畫面，這證實了特斯拉的真正野心：它所打造的，根本不是一個「自動駕駛系統」，而是一個可擴展的、通用的物理世界AI引擎。汽車，只是這個AI引擎的第一個載體。它擁有輪子，能在結構化的道路上移動，是收集物理世界互動數據（包含光影、天氣、人類行為）最理想、最低成本的工具。而人形機器人Optimus，則是這個引擎的下一個載體。特斯拉已經全力押注在機器人技術上。這場圍繞端到端典範與神經網路模擬器的豪賭，其目標遠非賣出更多的汽車，而是要成為第一個真正掌握通用物理AI的企業。自動駕駛的戰爭，只是這場更大戰役的第一個灘頭堡。

時隔三年揭密特斯拉 AI 核武器：不只「端到端」，解密征服物理世界的「神經網路模擬器」距離上一次特斯拉舉行 AI Day 分享科技樹經過三年，一般猜測因為由於分享得太過仔細，導致於中國同行在相關技術上，突然打藥般地往前跨越一些，也或許是看了懂車帝的評測之後，馬誼郎覺得對手差太遠，只好再讓大家看一下特斯拉具體的做法。建議直接看影片會更為直觀台灣無法使用的輔助自動駕駛在國外已經是怎麼在上路了，請記得協助按讚分享。本次由特斯拉 AI 負責人 Ashok Elluswamy 登台，在頂尖的電腦視覺會議 International Conference of Computer Vision (ICCV) 上分享，這場演講的核心，不只是宣揚其數據護城河，而是揭示一個殘酷的事實：傳統「模組化」的自駕路徑正迎向根本性的天花板。 Elluswamy 拋出一個「微型電車難題」：車輛應駛過一個大水坑，還是冒險駛入對向車道？傳統程式碼會因「禁止駛入對向車道」的僵化規則而卡死。接著，他展示第二個場景：AI 如何區分「一群要過馬路的雞」（需要耐心等待）與「一群只是想待著的鵝」（可以倒車繞行）。「要將人類價值觀轉換成程式碼真的非常困難。」 Elluswamy 指出，這些充滿細微權衡與意圖判讀的情境，根本無法用客觀的程式碼精確定義。舊範式試圖用僵化的規則去模仿人類的直覺，註定失敗。特斯拉的答案是徹底拋棄這種分工，轉而採用單一大型神經網路，實現從「像素輸入」到「駕駛動作輸出」的端到端（End-to-End）決策。這個系統不再依賴工程師的規則，而是直接從海量的人類駕駛數據中，學習那些無法言傳的「價值偏好」。這是一場關於典範轉移的豪賭，賭注是未來所有機器人的作業系統。駕馭維度災難：從「數據瀑布」到「二階效應」的預判轉向端到端範式，意味著一場更艱鉅的挑戰：維度災難（Curse of Dimensionality）。Ashok Elluswamy 揭示的數字是殘酷的：特斯拉的系統必須在即時狀態下，將八個攝影機、30秒上下文、音訊、地圖與運動數據——總計高達二十億個輸入標記——壓縮到僅僅兩個輸出標記：轉向與加速。在如此極端的資訊壓縮過程中，模型極易產生「虛假的相關性」，錯把噪音當成訊號。這正是特斯拉車隊規模發揮槓桿作用的時刻。面對這「尼加拉瀑布般的數據」（Elluswamy 證實車隊每天能產生500年駕駛時長），特斯拉的解方不是盲目儲存，而是精煉。系統利用特定的觸發條件或小型神經網路，主動「挖掘」那些最稀有、最關鍵的邊緣案例（corner cases）。這些罕見情境（例如前方車輛的詭異動態、路面上的非典型障礙物）是訓練AI的最高價值養分，也是傳統模組化系統最容易崩潰的地方。用高品質的邊緣數據餵養端到端模型，其回報是驚人的預判能力。在一個展示影片中，前方車輛在高速公路上失控打滑。特斯拉的系統在極短時間內做出重煞決策。但關鍵不在煞車本身，而在於時機。系統並非在偵測到「碰撞風險」時才反應，而是在偵測到前車「即將失控」的瞬間就已啟動煞車。「它沒有等到車輛撞上護欄再彈回來...特斯拉就已經判斷出這輛車狀況不對，開始進行煞車。這是系統需要模擬的二階效應。」這種對二階效應的建模，是區分「反應式AI」與「預判式AI」的分水嶺。一個不夠聰明的系統，會等待碰撞發生、速度劇變後才緊急煞車，導致更危險的後果。而端到端AI透過學習海量的真實物理互動，理解到「某種特定的失控姿態」必然導致「撞擊護欄並反彈」，從而做出超越人類反應的主動安全決策。破解黑盒子：端到端系統的「可解讀性」端到端AI長期以來最大的罩門，在於其「黑盒子」特性。如果一個單一網路決定所有事，當它犯錯時，工程師該如何除錯？特斯拉的回應是：端到端不等於「無法觀測」。其策略是讓同一個模型承擔多重輔助任務（auxiliary tasks）。雖然模型最終的唯一目的是輸出控制指令，但在訓練過程中，工程師會「提示」它同時預測各種「可解讀的中間標記」（interpretable intermediate tokens），藉此打開黑盒子，窺探模型的「內心世界」。這就像在考核一個駕駛員時，除了看他是否能開到終點（控制任務），還會隨機提問他「剛才路過的交通標誌是什麼？」、「左側行人的意圖為何？」（輔助任務）。特斯拉展示的「生成式高斯潑濺（Generative Gaussian Splatting）」技術變體，便是一個強大的輔助工具。傳統高斯潑濺技術需要數十分鐘優化，且在車輛直線運動的有限視角下效果很差。而特斯拉的版本能在約220毫秒內，利用車輛的即時影像，快速生成高解析度的3D語意場景。這使得工程師能以3D視角，直觀地檢視AI是否正確理解「障礙物是安全的」還是「危險的」。甚至，模型還能生成自然語言，解釋自己「為何」在此時選擇減速或轉向。這些輔助任務就像鷹架，在模型建構階段提供支撐與可解讀性，確保AI的「認知」與物理現實保持一致。一旦模型訓練成熟，這些鷹架在即時駕駛中可以被簡化甚至關閉，只保留最高效的「像素到動作」路徑，確保系統擁有可預測的確定性延遲。終極試煉場：用「神經網路世界模擬器」發動閉環戰爭「評估是最後、也是最困難的挑戰。」 Ashok Elluswamy 坦言，即便擁有龐大的數據和可解讀的工具，端到端AI仍面臨最後一道關卡：評估。原因是「開迴路（open loop）」測試的侷限性。在開迴路中，模型只是觀看一段歷史影像並「預測」它會怎麼做，這就像在螢幕前玩模擬賽車。這種測試的成績可能非常漂亮，但「實際上路時可能表現就沒那麼好了」。因為在真實世界中，AI的每一個動作（例如輕微的轉向）都會反過來改變整個世界的後續狀態（例如引發後車的反應），產生連鎖反應。你無法在現實世界中反覆測試最危險的邊緣案例。那麼，該如何安全、高效地驗證AI在極端情況下的連鎖反應？特斯拉的答案，是其當前最核心的戰略武器：神經網路世界模擬器。這不是傳統意義上由工程師和美術師打造的電玩遊戲（如GTA）。特斯拉的模擬器本身，就是一個基於真實世界數據「學習」而來的生成式AI。它以車輛過去的「狀態與動作」配對為養分，學會「在特定動作下，世界（包含所有八個攝影機的畫面）會如何演變」。這個模擬器強大到令人畏懼：高度一致性：它可以同時生成八個攝影機、每秒高幀率的5K影像流，且所有畫面（例如鄰車的輪圈細節、遠處紅綠燈的變化）在跨攝影機視角下保持完美一致。可控性：這是關鍵。它不僅是播放影片，而是「以駕駛的動作為條件」來生成世界。當駕駛在模擬器中轉動方向盤，整個世界會即時、合理地反饋。對抗性生成：工程師可以在這個模擬器中「人工創造」新的危險。例如，調取一段過往的正常行車記錄，然後對模擬器下指令：「讓那輛原本直行的車，在特定時間點突然切入我的車道」。這個世界模擬器，讓特斯拉得以發動一場低成本、高效率的閉環（closed-loop）戰爭。他們不再需要冒著風險上路測試，而是可以在這個神經網路生成的「數位孿生世界」中，進行數百萬次高強度的強化學習與對抗性測試，最終目標是實現「超人般的表現」（superhuman performance）。終局：從Cyber Cab到Optimus，征服物理AI 當特斯拉展示其Robotaxi服務、展示車輛從工廠自動駕駛到客戶家中時，許多人以為這就是自駕的終局。但 Ashok Elluswamy 在 ICCV 的演講揭示，這一切只是序幕。 Cyber Cab（自動駕駛計程車）的目標是實現「比大眾運輸還便宜」的最低交通成本。這將創造巨大的現金流，但這筆錢的最終用途，並非停留在交通領域。「我們為自動駕駛開發的這套技術，也能完美應用在其他類型的機器人上。」 Ashok Elluswamy 在演講的最後，展示了這套「世界模擬器」同樣在Optimus（人形機器人）身上運作的畫面，這證實了特斯拉的真正野心：它所打造的，根本不是一個「自動駕駛系統」，而是一個可擴展的、通用的物理世界AI引擎。汽車，只是這個AI引擎的第一個載體。它擁有輪子，能在結構化的道路上移動，是收集物理世界互動數據（包含光影、天氣、人類行為）最理想、最低成本的工具。而人形機器人Optimus，則是這個引擎的下一個載體。特斯拉已經全力押注在機器人技術上。這場圍繞端到端典範與神經網路模擬器的豪賭，其目標遠非賣出更多的汽車，而是要成為第一個真正掌握通用物理AI的企業。自動駕駛的戰爭，只是這場更大戰役的第一個灘頭堡。

fox hsiao

29,516 просмотров • 11 месяцев назад

你对AI视频的认知，99%都是错的你是不是觉得，AI视频创作就是“输入提示词，抽卡式出图，再用剪映拼起来”？那些在闲鱼、小红书上标价几百块的AI视频单子，都是些赚不到钱的“小打小闹”？如果你的答案是“是”，那么恭喜你，你对AI视频的认知，可能还停留在上个世纪一个残酷的现实是：当大多数人还在怀疑和观望时，一小撮“超级个体”已经利用AI完成了商业模式的重构，悄悄地赚得盆满钵满。我们来看看几个“不起眼”的赛道：中小学教师的“刚需”：你可能不知道，为了评职称、参加比赛，中小学教师对高质量微课视频的需求是绝对的刚需。看看淘宝，那些标价几百的微课制作服务，很多销量早已过万，而这仅仅是标价，一个定制化的数学或物理动效微课，最终成交价远超你的想象。这在当下的经济环境中，是国内少有的暴利刚需业务。闲鱼上的“暴利”生意：一个60秒的AI视频，市场价在200-600元但如果你用传统“图生视频”的模式，可能需要花费5个小时，时薪不到100元，苦不堪言。而先行者已经找到了能“一键生成分镜、自动组成视频”的神器，将效率提升数十倍。降维打击的“商业片”：你知道现在一个美院团队，制作一秒高质量的AI动画广告，报价是多少吗？答案是1000元左右。而现在，一个人，借助合适的工具，就能实现从脚本、分镜、配音、字幕到剪辑的全流程自动化，效果直接媲美专业团队。从产品推广、AI短剧、动态壁纸，到PPT转动画、产品Demo演示……AI视频创作的商业应用版图，正在以超乎想象的速度扩张。这个时代，不再需要庞大的团队和昂贵的设备。 “创意”第一次成为了个体最核心，乃至唯一的资产。而要抓住这个风口，你缺的不是创意，而是一个能将你的创意无限放大的“神器”。 Medeo的目标只有一个：让视频创作的门槛，彻底消失它不仅仅是“文生视频”或“图生视频”，而是一个全流程的视频创作智能体。就算你不会剪辑、不会写脚本、甚至不会写AI提示词，只要你有一个好点子，Medeo就能一键帮你：生成专业脚本和分镜生成匹配的关键帧画面自动添加配音、字幕和背景音乐支持多轮对话，对不满意的片段随时修改最终自动剪辑成片无论是产品推广、专业广告、知识科普，还是AI短剧，效果都直接爆炸。我知道，你可能会有两个疑问： 1. “它真的有那么强大吗？很多工具都只是噱头。”Medeo的核心优势在于其“分镜”逻辑，它能理解视频的叙事结构，而不是无脑生成单张图片这使得镜头之间的配合度极高，故事感和流畅度远超传统AI视频工具。事实上，它大大减少了“抽卡”次数，这已经很大程度的减成本。 2. “这么强的工具，一定很贵吧？”是的，它不便宜。但请允许我提出一个你必须了解的核心事实：贵，不是Medeo的问题，而是AI时代下范式的转变，而是当前整个AI视频生成领域的技术成本决定的。你看到的每一次流畅的画面生成，背后都是海量算力的燃烧和昂贵GPU资源的消耗这就像第一代iPhone，价格不菲，因为它集成了当时最前沿的技术。AI视频创作，就是当下的那个“前沿技术”。所以，问题的关键不是“它为什么这么贵”，而是“它到底为我省了多少钱？” 让我们来算一笔账：一个专业的美术或动画团队，制作一秒高质量AI动画的报价，是1000元。一个传统的视频制作公司，完成一个商业广告片的报价，动辄数万甚至数十万。而现在，Medeo将这个过去只有少数专业机构和企业才能负担得起的“视频工业能力”，压缩到了一个你触手可及的工具里。它不是让你“多花钱”，而是将你的成本从“团队级”指数级降低到了“个体级”。这本身就是一场颠覆性的成本革命。相信我，随着技术迭代，成本一定会逐步降低而现在，正是利用这个“信息差”和“能力差”建立优势的最佳时机。 AI带来的不是失业，而是对“个体价值”的重新洗牌。在这个新的范式下，你不再是一个执行者，而是一个指挥AI军团的“导演”。你的核心任务，是思考你能为世界创造什么样的独特价值。不要再用过去的认知来审视现在的世界。旧的地图，找不到新的大陆。现在，Medeo官网已经开放，并且提供免费积分让你亲身体验。去试试看，亲自感受一下，那个属于“超级个体”的时代，已经到来了

你对AI视频的认知，99%都是错的你是不是觉得，AI视频创作就是“输入提示词，抽卡式出图，再用剪映拼起来”？那些在闲鱼、小红书上标价几百块的AI视频单子，都是些赚不到钱的“小打小闹”？如果你的答案是“是”，那么恭喜你，你对AI视频的认知，可能还停留在上个世纪一个残酷的现实是：当大多数人还在怀疑和观望时，一小撮“超级个体”已经利用AI完成了商业模式的重构，悄悄地赚得盆满钵满。我们来看看几个“不起眼”的赛道：中小学教师的“刚需”：你可能不知道，为了评职称、参加比赛，中小学教师对高质量微课视频的需求是绝对的刚需。看看淘宝，那些标价几百的微课制作服务，很多销量早已过万，而这仅仅是标价，一个定制化的数学或物理动效微课，最终成交价远超你的想象。这在当下的经济环境中，是国内少有的暴利刚需业务。闲鱼上的“暴利”生意：一个60秒的AI视频，市场价在200-600元但如果你用传统“图生视频”的模式，可能需要花费5个小时，时薪不到100元，苦不堪言。而先行者已经找到了能“一键生成分镜、自动组成视频”的神器，将效率提升数十倍。降维打击的“商业片”：你知道现在一个美院团队，制作一秒高质量的AI动画广告，报价是多少吗？答案是1000元左右。而现在，一个人，借助合适的工具，就能实现从脚本、分镜、配音、字幕到剪辑的全流程自动化，效果直接媲美专业团队。从产品推广、AI短剧、动态壁纸，到PPT转动画、产品Demo演示……AI视频创作的商业应用版图，正在以超乎想象的速度扩张。这个时代，不再需要庞大的团队和昂贵的设备。 “创意”第一次成为了个体最核心，乃至唯一的资产。而要抓住这个风口，你缺的不是创意，而是一个能将你的创意无限放大的“神器”。 Medeo的目标只有一个：让视频创作的门槛，彻底消失它不仅仅是“文生视频”或“图生视频”，而是一个全流程的视频创作智能体。就算你不会剪辑、不会写脚本、甚至不会写AI提示词，只要你有一个好点子，Medeo就能一键帮你：生成专业脚本和分镜生成匹配的关键帧画面自动添加配音、字幕和背景音乐支持多轮对话，对不满意的片段随时修改最终自动剪辑成片无论是产品推广、专业广告、知识科普，还是AI短剧，效果都直接爆炸。我知道，你可能会有两个疑问： 1. “它真的有那么强大吗？很多工具都只是噱头。”Medeo的核心优势在于其“分镜”逻辑，它能理解视频的叙事结构，而不是无脑生成单张图片这使得镜头之间的配合度极高，故事感和流畅度远超传统AI视频工具。事实上，它大大减少了“抽卡”次数，这已经很大程度的减成本。 2. “这么强的工具，一定很贵吧？”是的，它不便宜。但请允许我提出一个你必须了解的核心事实：贵，不是Medeo的问题，而是AI时代下范式的转变，而是当前整个AI视频生成领域的技术成本决定的。你看到的每一次流畅的画面生成，背后都是海量算力的燃烧和昂贵GPU资源的消耗这就像第一代iPhone，价格不菲，因为它集成了当时最前沿的技术。AI视频创作，就是当下的那个“前沿技术”。所以，问题的关键不是“它为什么这么贵”，而是“它到底为我省了多少钱？” 让我们来算一笔账：一个专业的美术或动画团队，制作一秒高质量AI动画的报价，是1000元。一个传统的视频制作公司，完成一个商业广告片的报价，动辄数万甚至数十万。而现在，Medeo将这个过去只有少数专业机构和企业才能负担得起的“视频工业能力”，压缩到了一个你触手可及的工具里。它不是让你“多花钱”，而是将你的成本从“团队级”指数级降低到了“个体级”。这本身就是一场颠覆性的成本革命。相信我，随着技术迭代，成本一定会逐步降低而现在，正是利用这个“信息差”和“能力差”建立优势的最佳时机。 AI带来的不是失业，而是对“个体价值”的重新洗牌。在这个新的范式下，你不再是一个执行者，而是一个指挥AI军团的“导演”。你的核心任务，是思考你能为世界创造什么样的独特价值。不要再用过去的认知来审视现在的世界。旧的地图，找不到新的大陆。现在，Medeo官网已经开放，并且提供免费积分让你亲身体验。去试试看，亲自感受一下，那个属于“超级个体”的时代，已经到来了

叫我阿杭

23,034 просмотров • 8 месяцев назад

NVIDIA 黃仁勳 CES 2025 開場演講，AI 無所不在 - 完整中英字幕對照 NVIDIA 執行長黃仁勳在 CES 2025 的主題演講中，揭示人工智慧 (AI) 發展的嶄新紀元。他展示 NVIDIA 如何引領這波科技浪潮，將 AI 的力量帶入各個領域，包含遊戲、企業應用、機器人以及自動駕駛等。黃仁勳首先回顧 NVIDIA 的發展歷程，從早期遊戲顯示卡的研發到近年在 AI 領域的突破，展現 NVIDIA 如何從一家圖形處理器公司轉型為 AI 技術的領導者。他強調 AI 的發展已從「知覺 AI」進化到「生成 AI」，現在更邁向「代理 AI」階段，AI 不僅能夠感知和生成，更能進行推理、規劃和行動，這將徹底改變人類與電腦互動的方式。演講中，黃仁勳發表多項 NVIDIA 的最新技術。GeForce RTX 50 系列顯示卡以其強大的效能和創新的 AI 技術，如光線追蹤加速和 DLSS 畫格生成，將遊戲畫面提升到全新境界。Blackwell 伺服器則以其高效能和能源效率，滿足企業對 AI 規模化的需求，加速 AI 訓練和部署。 NVIDIA 也推出了 NIMS 和 NEMO 平台，協助企業應用 AI。企業可藉此建立和訓練 AI 代理，提升工作效率和自動化程度。黃仁勳更進一步展望 AI 的未來，發表 NVIDIA Cosmos 世界基礎模型。Cosmos 旨在理解物理世界，並應用於機器人和工業 AI 領域。Cosmos 的出現，使 AI 能夠更深入地理解和模擬真實世界，進一步推動機器人和自動駕駛的發展。在自動駕駛領域，NVIDIA 推出了新一代車用電腦 Thor，其強大的效能和通過 ASIL D 認證的安全設計，預計將加速自動駕駛汽車的發展。此外，NVIDIA DriveOS 成為首款通過 ASIL D 認證的軟體定義 AI 電腦，為自動駕駛汽車提供更安全可靠的保障。黃仁勳也強調 AI 人才培育的重要性，並宣布推出 Project Digits，將 AI 超級電腦的規模縮小到一般使用者也能輕鬆使用，讓更多人有機會接觸和學習 AI 技術。台積電：作為 NVIDIA 的主要晶片代工夥伴，台積電可望持續受惠於 NVIDIA 的 AI 產品需求，並在先進製程技術上保持領先地位。鴻海：鴻海積極佈局電動車和機器人領域，NVIDIA 的 Thor 車用電腦和 Isaac Groot 機器人平台，可望為鴻海的發展提供助力。聯發科：與 NVIDIA 在晶片設計上的合作，有助於聯發科提升在 AI 領域的技術能力，並拓展在 AIoT 市場的應用。豐田汽車：與 NVIDIA 合作開發自動駕駛技術，可望加速豐田在自動駕駛領域的發展，並提升其汽車產品的競爭力。發那科：作為全球領先的工業機器人製造商，發那科可望利用 NVIDIA 的 AI 技術和平台，開發更智慧、更具效率的工業機器人。 Sony：Sony 在遊戲和影像領域擁有深厚的技術積累，NVIDIA 的顯示卡和 AI 技術，可望為 Sony 的產品創新提供更多可能性。

NVIDIA 黃仁勳 CES 2025 開場演講，AI 無所不在 - 完整中英字幕對照 NVIDIA 執行長黃仁勳在 CES 2025 的主題演講中，揭示人工智慧 (AI) 發展的嶄新紀元。他展示 NVIDIA 如何引領這波科技浪潮，將 AI 的力量帶入各個領域，包含遊戲、企業應用、機器人以及自動駕駛等。黃仁勳首先回顧 NVIDIA 的發展歷程，從早期遊戲顯示卡的研發到近年在 AI 領域的突破，展現 NVIDIA 如何從一家圖形處理器公司轉型為 AI 技術的領導者。他強調 AI 的發展已從「知覺 AI」進化到「生成 AI」，現在更邁向「代理 AI」階段，AI 不僅能夠感知和生成，更能進行推理、規劃和行動，這將徹底改變人類與電腦互動的方式。演講中，黃仁勳發表多項 NVIDIA 的最新技術。GeForce RTX 50 系列顯示卡以其強大的效能和創新的 AI 技術，如光線追蹤加速和 DLSS 畫格生成，將遊戲畫面提升到全新境界。Blackwell 伺服器則以其高效能和能源效率，滿足企業對 AI 規模化的需求，加速 AI 訓練和部署。 NVIDIA 也推出了 NIMS 和 NEMO 平台，協助企業應用 AI。企業可藉此建立和訓練 AI 代理，提升工作效率和自動化程度。黃仁勳更進一步展望 AI 的未來，發表 NVIDIA Cosmos 世界基礎模型。Cosmos 旨在理解物理世界，並應用於機器人和工業 AI 領域。Cosmos 的出現，使 AI 能夠更深入地理解和模擬真實世界，進一步推動機器人和自動駕駛的發展。在自動駕駛領域，NVIDIA 推出了新一代車用電腦 Thor，其強大的效能和通過 ASIL D 認證的安全設計，預計將加速自動駕駛汽車的發展。此外，NVIDIA DriveOS 成為首款通過 ASIL D 認證的軟體定義 AI 電腦，為自動駕駛汽車提供更安全可靠的保障。黃仁勳也強調 AI 人才培育的重要性，並宣布推出 Project Digits，將 AI 超級電腦的規模縮小到一般使用者也能輕鬆使用，讓更多人有機會接觸和學習 AI 技術。台積電：作為 NVIDIA 的主要晶片代工夥伴，台積電可望持續受惠於 NVIDIA 的 AI 產品需求，並在先進製程技術上保持領先地位。鴻海：鴻海積極佈局電動車和機器人領域，NVIDIA 的 Thor 車用電腦和 Isaac Groot 機器人平台，可望為鴻海的發展提供助力。聯發科：與 NVIDIA 在晶片設計上的合作，有助於聯發科提升在 AI 領域的技術能力，並拓展在 AIoT 市場的應用。豐田汽車：與 NVIDIA 合作開發自動駕駛技術，可望加速豐田在自動駕駛領域的發展，並提升其汽車產品的競爭力。發那科：作為全球領先的工業機器人製造商，發那科可望利用 NVIDIA 的 AI 技術和平台，開發更智慧、更具效率的工業機器人。 Sony：Sony 在遊戲和影像領域擁有深厚的技術積累，NVIDIA 的顯示卡和 AI 技術，可望為 Sony 的產品創新提供更多可能性。

fox hsiao

25,119 просмотров • 1 год назад

《BY YOUR SIDE UNTIL THE END》也是一部全片毫無台詞的 AI 微電影，原作共分為兩集，我將它們整合為一部結構完整的作品。故事背景設定在令人絕望的末日世界。男主角驚恐地發現，自己朝夕相處的愛犬不幸遭受感染，變成了失去理智的喪屍。看著昔日家人的模樣，過去與牠嬉戲的溫馨畫面如走馬燈般湧上心頭。在悲痛交加之際，男子懷著最後一絲希望，拿出了狗狗生前最愛玩的那顆網球。令人動容的是，眼前的「喪屍犬」似乎並未完全喪失記憶。牠沒有展現出嗜血的瘋狂去攻擊主人，反而像過去一樣，搖著尾巴流露出想玩網球的渴望。意識到狗狗還記得自己後，男子不再恐懼，也放下了在末日掙扎的執念。他毅然決然地伸出手，任由愛犬咬下。既然世界早已崩毀，他選擇主動化為喪屍，用這種極致的方式，與心愛的愛犬在末日裡永遠相守。最有趣的是，這一部導演居然還為AI電影做了幕後花絮。

《BY YOUR SIDE UNTIL THE END》也是一部全片毫無台詞的 AI 微電影，原作共分為兩集，我將它們整合為一部結構完整的作品。故事背景設定在令人絕望的末日世界。男主角驚恐地發現，自己朝夕相處的愛犬不幸遭受感染，變成了失去理智的喪屍。看著昔日家人的模樣，過去與牠嬉戲的溫馨畫面如走馬燈般湧上心頭。在悲痛交加之際，男子懷著最後一絲希望，拿出了狗狗生前最愛玩的那顆網球。令人動容的是，眼前的「喪屍犬」似乎並未完全喪失記憶。牠沒有展現出嗜血的瘋狂去攻擊主人，反而像過去一樣，搖著尾巴流露出想玩網球的渴望。意識到狗狗還記得自己後，男子不再恐懼，也放下了在末日掙扎的執念。他毅然決然地伸出手，任由愛犬咬下。既然世界早已崩毀，他選擇主動化為喪屍，用這種極致的方式，與心愛的愛犬在末日裡永遠相守。最有趣的是，這一部導演居然還為AI電影做了幕後花絮。

小貓看世界@子猫は世界を見る

68,065 просмотров • 24 дней назад

張又俠事件之後，接下來會發生什麼？ #新中國聯邦告訴你：中共會對內更狠、對外更慫，然後開始系統性失控。不是因為它突然變壞，而是因為—— 它已經被逼到牆角。第一階段：習近平進入「驚弓之鳥模式」這個階段只有一個目的：把真相壓下去。對內：大內宣全面升級抓人、清洗、封消息，同時拼命製造「天下太平」的假象。對外：大外宣狂放煙霧彈丟出各種新議題、假焦點，刻意淡化張又俠事件，轉移注意力。 👉 關鍵邏輯：越怕真相被看懂，就越要掩蓋。第二階段：對外示弱、對內示狠外面先跪一下，裡面先殺一輪。對美國：不惜低頭、讓利，只求「先穩住再說」。對俄羅斯：全力拉攏，避免被拋棄、被切割。對台灣：繼續圍島、威嚇，但不敢真的開戰 ——因為內部比外部更不穩。對軍隊：一邊發福利、安撫情緒，一邊全面清洗張又俠、劉振立舊部。重點區域很清楚：東北、空軍、總裝。 👉 關鍵邏輯：外面越慫，裡面就越狠。第三階段：清洗失控，開始反噬清洗一旦過頭，就不再是「整人」，而是「逼人玩命」。當一群人很清楚：反正一定會被整肅，已經沒有退路，體制就會開始反咬自己。接下來，很可能看到的不是政令，而是事故—— 基礎設施被破壞能源、交通、通信異常局部動亂、治安事件升級 👉 高風險時間點：農曆年期間（人流大、管控難） 2026 年 8 月前後（政治與軍中節點敏感） 👉 關鍵邏輯：當「活路被堵死」，體制內的人只剩玩命。第四階段：外部世界下手更狠張又俠事件，讓外部世界第一次真正看清一件事：中共，比想像中虛弱得多。當這個判斷成立，策略就會改變。對中共：全面壓制，不再留幻想。對俄羅斯：拉攏、交換、拆中俄。如果中東、古巴出現變局：中共只會雪上加霜。最後會外溢成三件事：資本外逃人口外逃體制加速失血 👉 關鍵邏輯：當敵人被看穿虛弱，世界不會手軟，只會加碼。結論一句話張又俠事件不是結束，而是失控的開始。接下來的中共，不會更穩，只會更急、更狠、也更脆。真正危險的，從來不是一個強大的對手，而是一個開始恐慌的政權。

張又俠事件之後，接下來會發生什麼？ #新中國聯邦告訴你：中共會對內更狠、對外更慫，然後開始系統性失控。不是因為它突然變壞，而是因為—— 它已經被逼到牆角。第一階段：習近平進入「驚弓之鳥模式」這個階段只有一個目的：把真相壓下去。對內：大內宣全面升級抓人、清洗、封消息，同時拼命製造「天下太平」的假象。對外：大外宣狂放煙霧彈丟出各種新議題、假焦點，刻意淡化張又俠事件，轉移注意力。 👉 關鍵邏輯：越怕真相被看懂，就越要掩蓋。第二階段：對外示弱、對內示狠外面先跪一下，裡面先殺一輪。對美國：不惜低頭、讓利，只求「先穩住再說」。對俄羅斯：全力拉攏，避免被拋棄、被切割。對台灣：繼續圍島、威嚇，但不敢真的開戰 ——因為內部比外部更不穩。對軍隊：一邊發福利、安撫情緒，一邊全面清洗張又俠、劉振立舊部。重點區域很清楚：東北、空軍、總裝。 👉 關鍵邏輯：外面越慫，裡面就越狠。第三階段：清洗失控，開始反噬清洗一旦過頭，就不再是「整人」，而是「逼人玩命」。當一群人很清楚：反正一定會被整肅，已經沒有退路，體制就會開始反咬自己。接下來，很可能看到的不是政令，而是事故—— 基礎設施被破壞能源、交通、通信異常局部動亂、治安事件升級 👉 高風險時間點：農曆年期間（人流大、管控難） 2026 年 8 月前後（政治與軍中節點敏感） 👉 關鍵邏輯：當「活路被堵死」，體制內的人只剩玩命。第四階段：外部世界下手更狠張又俠事件，讓外部世界第一次真正看清一件事：中共，比想像中虛弱得多。當這個判斷成立，策略就會改變。對中共：全面壓制，不再留幻想。對俄羅斯：拉攏、交換、拆中俄。如果中東、古巴出現變局：中共只會雪上加霜。最後會外溢成三件事：資本外逃人口外逃體制加速失血 👉 關鍵邏輯：當敵人被看穿虛弱，世界不會手軟，只會加碼。結論一句話張又俠事件不是結束，而是失控的開始。接下來的中共，不會更穩，只會更急、更狠、也更脆。真正危險的，從來不是一個強大的對手，而是一個開始恐慌的政權。

台灣寶島農場🇹🇼

17,462 просмотров • 8 месяцев назад