Загрузка видео...

Не удалось загрузить видео

На главную

炸裂！Google Gemma-4大模型直接跑在iPhone上了！ 步骤超简单： 1. App Store下载「Google AI Edge Gallery」（据说Android也可下载） 2. 打开点「Agent Skills」 3. 下载Gemma-4模型（约3G） 4. 直接本地跑，支持中文 重点：据说数据离线可使用 不足：知识库时间到2025年1月 这意味着什么？ • 完全离线，数据不出去 • 没有API费用 • 真正的端侧AI Google这步棋下得狠，直接把天花板捅破了。 #Gemma #AI #iPhone #端侧AI #Google

joshesye's profile picture

行者AI视频

22,724 subscribers

329,015 просмотров • 4 месяцев назад •via X (Twitter)

ОбразованиеНовости и политикаНаука и технологии
LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

iPhone上使用Gemma-4大模型 很简单，App Store上下载 Google AI Edge Gallery，打开软件点击 Agent Skills，下载相应模型，大概3G左右，下载完就可以使用了，支持中文
0:42

iPhone上使用Gemma-4大模型 很简单，App Store上下载 Google AI Edge Gallery，打开软件点击 Agent Skills，下载相应模型，大概3G左右，下载完就可以使用了，支持中文

1024

587,476 просмотров • 4 месяцев назад

卧槽，分享一个Google 官方神器：Google AI Edge Gallery ，可以直接在手机上运行Gemma4等本地模型‼️ 在你的手机上，纯本地、断网跑大语言模型。 📱 这是什么？能做什么？ 1. 官方出品：由 Google 团队发布，底层基于 LiteRT 框架。 2. 移动端跑大模型：直接在手机里下载并运行 Gemma、Llama、Qwen 等开源模型。 3. 榨干本地硬件：不调用任何云端 API，纯吃你手机的 CPU/GPU/NPU 算力进行推理。 4. 极客体验：完全断网可用，真正的零网络延迟，数据绝对隐私。 💡 为什么这个信号很重要？ 端侧算力（Edge AI）的叙事正在肉眼可见地落地。 如果能把高频、轻量的 AI 任务下放到用户的设备端，不仅能砍掉海量的云端算力成本，还会催生出全新的 AI 应用形态。 无论是关注“AI 手机”概念的投研玩家，还是做 AI 工具的开发者，都建议去 Google Play 下来当沙盒玩玩，亲自测一下现在的移动端硬件到底能把模型跑到什么水平。 #AI #EdgeAI #Google #大模型 #端侧算力 #Tech 教程👇👇👇👇
0:30

卧槽，分享一个Google 官方神器：Google AI Edge Gallery ，可以直接在手机上运行Gemma4等本地模型‼️ 在你的手机上，纯本地、断网跑大语言模型。 📱 这是什么？能做什么？ 1. 官方出品：由 Google 团队发布，底层基于 LiteRT 框架。 2. 移动端跑大模型：直接在手机里下载并运行 Gemma、Llama、Qwen 等开源模型。 3. 榨干本地硬件：不调用任何云端 API，纯吃你手机的 CPU/GPU/NPU 算力进行推理。 4. 极客体验：完全断网可用，真正的零网络延迟，数据绝对隐私。 💡 为什么这个信号很重要？ 端侧算力（Edge AI）的叙事正在肉眼可见地落地。 如果能把高频、轻量的 AI 任务下放到用户的设备端，不仅能砍掉海量的云端算力成本，还会催生出全新的 AI 应用形态。 无论是关注“AI 手机”概念的投研玩家，还是做 AI 工具的开发者，都建议去 Google Play 下来当沙盒玩玩，亲自测一下现在的移动端硬件到底能把模型跑到什么水平。 #AI #EdgeAI #Google #大模型 #端侧算力 #Tech 教程👇👇👇👇

比特币橙子Trader

24,419 просмотров • 4 месяцев назад

手机上直接跑Gemma 4。 Google官方刚出的App。 看几个硬指标。 代码百分之百开源。 完全离线运行，数据彻底锁在本地。 支持多模态交互。 发文字、发语音、传照片，全能接得住。 兼容Gemma E4B和E2B。 iOS和Android现在都能下。 大模型的门槛已经降到了每个人的口袋里。
0:36

手机上直接跑Gemma 4。 Google官方刚出的App。 看几个硬指标。 代码百分之百开源。 完全离线运行，数据彻底锁在本地。 支持多模态交互。 发文字、发语音、传照片，全能接得住。 兼容Gemma E4B和E2B。 iOS和Android现在都能下。 大模型的门槛已经降到了每个人的口袋里。

墓碑科技

24,596 просмотров • 4 месяцев назад

2025年全球大模型厂商下载量排行榜 终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.
3:53

2025年全球大模型厂商下载量排行榜 终于爆肝了一个元旦假期弄完了, 给大家带来2025年全球大模型厂商开放权重模型下载量排行榜. 数据更多代表国内以外的区域的下载量, 因为还有很大一部分在阿里魔搭 (modelscope) 和其他平台, 不过这部分暂时没有开源数据可以用来统计. 画面上半部分是排行榜, 数据来源是 HuggingFace 统计的公开数据集 datasets/cfahlgren1/hub-stats 动画下半部分是当天发布的新模型展示，由于模型过多, 总计750万个模型... 所以这里只展示2025年总下载量超过10K的模型. 注意, HuggingFace 这份统计数据在 2025-02-27 之前的数据只有30天均值下载数据, 28号才增加了历史总下载数据(两天数据差可以推算出当天的精确下载量), 所以27号之前的每天下载量数据使用30天均值数据除以30得到. 因此存在一定的误差, 但理论上不影响最终排名.

karminski-牙医

16,146 просмотров • 7 месяцев назад

Google再次发力，昨天Google 丢出了Gemma4 系列的QAT模型，直接让16GB MAC可以跑256k上下文的agent了。 之前有人说Gemma 4 12B 本地部署30k上下文没啥用，我用 Google QAT 尝试了一下，只要增加1.5GB内存就能打开256k上下文！ 左边：常规 Q4_K_M @ 32K 右边：Google QAT Q4_0 @ 256K 同一台 Mac、同一 prompt、两个 llama-server 同时跑，实时对比内存、CPU、tok/s。
0:26

Google再次发力，昨天Google 丢出了Gemma4 系列的QAT模型，直接让16GB MAC可以跑256k上下文的agent了。 之前有人说Gemma 4 12B 本地部署30k上下文没啥用，我用 Google QAT 尝试了一下，只要增加1.5GB内存就能打开256k上下文！ 左边：常规 Q4_K_M @ 32K 右边：Google QAT Q4_0 @ 256K 同一台 Mac、同一 prompt、两个 llama-server 同时跑，实时对比内存、CPU、tok/s。

lifcc

110,414 просмотров • 2 месяцев назад

Google刚发布了 Gemma 4，260 亿参数，开源免费， 能在本地设备上离线运行。 讲真，这才是 2026 年最合理的 AI 技术栈: 本地模型兜底，顶级模型按需调用。 但我认为参数和免费都不是重点， 真正值得注意的是它原生支持函数调用， 意味着这个模型能自主使用工具，浏览网页，执行代码，调用 API，直接充当一个完整的本地智能体，全程不联网，全程不花钱。 260 亿参数，实测性能对标 6850 亿参数级别的行业顶级模型，跑在普通笔记本上就行。 部署只要三行命令： - 安装 Ollama： - curl -fsSL | sh - 拉取模型： ollama pull gemma4 两分钟，顶级本地 AI 就绑在你自己的硬件上了。 我计划的用法是这样的，欢迎交流： 日常的研究分析、代码审查、文稿起草、数据处理， 全扔给本地 Gemma 4，用 MCP 服务器接上工具调用能力，网页浏览、数据库对接、API 接入都能覆盖，只有遇到真正需要顶级推理的硬核任务时，才请 Claude Code 出场。 以前每个月在 AI 服务上花几百美元，现在 90% 的日常场景本地免费搞定，只为那 10% 的高难度任务付费。
2:51

Google刚发布了 Gemma 4，260 亿参数，开源免费， 能在本地设备上离线运行。 讲真，这才是 2026 年最合理的 AI 技术栈: 本地模型兜底，顶级模型按需调用。 但我认为参数和免费都不是重点， 真正值得注意的是它原生支持函数调用， 意味着这个模型能自主使用工具，浏览网页，执行代码，调用 API，直接充当一个完整的本地智能体，全程不联网，全程不花钱。 260 亿参数，实测性能对标 6850 亿参数级别的行业顶级模型，跑在普通笔记本上就行。 部署只要三行命令： - 安装 Ollama： - curl -fsSL | sh - 拉取模型： ollama pull gemma4 两分钟，顶级本地 AI 就绑在你自己的硬件上了。 我计划的用法是这样的，欢迎交流： 日常的研究分析、代码审查、文稿起草、数据处理， 全扔给本地 Gemma 4，用 MCP 服务器接上工具调用能力，网页浏览、数据库对接、API 接入都能覆盖，只有遇到真正需要顶级推理的硬核任务时，才请 Claude Code 出场。 以前每个月在 AI 服务上花几百美元，现在 90% 的日常场景本地免费搞定，只为那 10% 的高难度任务付费。

AYi

202,627 просмотров • 4 месяцев назад

今天抽空把 Google 的发布会看完了。 不得不说，Google 在 AI 应用方面比 Apple 是遥遥领先。 各种小功能的演示都很有启发 看完都想立刻下单一台 Pixel 了... 接下来我帮大家划一下 5 个有趣的重点： 1. Google Nano 本地多模态模型 AI 助理 可以识别照片中的演出信息 可以安排日程 可以看到屏幕，总结YouTube
1:00

今天抽空把 Google 的发布会看完了。 不得不说，Google 在 AI 应用方面比 Apple 是遥遥领先。 各种小功能的演示都很有启发 看完都想立刻下单一台 Pixel 了... 接下来我帮大家划一下 5 个有趣的重点： 1. Google Nano 本地多模态模型 AI 助理 可以识别照片中的演出信息 可以安排日程 可以看到屏幕，总结YouTube

Orange AI

247,935 просмотров • 2 лет назад

PhoneClaw 完全离线运行在 iPhone 上的本地 AI Agent → 基于 Gemma 4 + MLX 框架在手机端完成推理，不依赖任何云端服务 → 通过 SKILL.md 文件即可扩展能力，无需重新编译 App → 所有聊天内容、图片和个人数据均不离开设备，保障隐私安全 → 内置日历、提醒事项、通讯录、剪贴板等系统级 Skill 支持自然语言操控 → 支持 E2B 和 E4B 两个模型规格，可按需在手机端下载
0:44

PhoneClaw 完全离线运行在 iPhone 上的本地 AI Agent → 基于 Gemma 4 + MLX 框架在手机端完成推理，不依赖任何云端服务 → 通过 SKILL.md 文件即可扩展能力，无需重新编译 App → 所有聊天内容、图片和个人数据均不离开设备，保障隐私安全 → 内置日历、提醒事项、通讯录、剪贴板等系统级 Skill 支持自然语言操控 → 支持 E2B 和 E4B 两个模型规格，可按需在手机端下载

Geek Lite

56,218 просмотров • 4 месяцев назад

Google 刚刚在 GitHub 开源了一个很有意思的项目： Google Workspace CLI 以后你可以在终端直接操作整个 Google Workspace： Gmail Drive Docs Sheets Calendar Chat 全部用 命令行完成。 几个关键点很有意思： • 用 Rust 写的 • 返回 结构化 JSON（方便自动化） • 内置 50+ agent skills • 甚至直接提供 MCP server 这意味着什么？ AI Agent 可以直接： → 读取你的 Gmail → 创建 Google Docs → 查询 Sheets 数据 → 安排 Calendar 会议 整个 Google Workspace 都变成可编程接口。 未来的办公流可能是： AI Agent + CLI 直接操作你的邮箱、文档、表格和日历。
0:30

Google 刚刚在 GitHub 开源了一个很有意思的项目： Google Workspace CLI 以后你可以在终端直接操作整个 Google Workspace： Gmail Drive Docs Sheets Calendar Chat 全部用 命令行完成。 几个关键点很有意思： • 用 Rust 写的 • 返回 结构化 JSON（方便自动化） • 内置 50+ agent skills • 甚至直接提供 MCP server 这意味着什么？ AI Agent 可以直接： → 读取你的 Gmail → 创建 Google Docs → 查询 Sheets 数据 → 安排 Calendar 会议 整个 Google Workspace 都变成可编程接口。 未来的办公流可能是： AI Agent + CLI 直接操作你的邮箱、文档、表格和日历。

axiaisacat

61,526 просмотров • 5 месяцев назад

我去，这个介绍Hermes Agent 有点太全面了。 跟着 Lonely 的方法把 Hermes 装上了，比想象中简单。并且直接接入了 X Premium，大模型费用也省去了。 过程就四步： >把 Hermes 的 GitHub 链接直接丢给大模型，让它照着文档一步步带我装（仓库地址： >装上中文 GUI，界面清爽，不用一直盯着终端黑框 >对接 X Premium 的 grok API，看热点、追 X 上的讨论这块交给它 >跑一遍测试，确认能正常接活 全程没踩坑，装完直接能用，确实实用。命令和细节我就不复述了，看视频和文章更直观。
0:59

我去，这个介绍Hermes Agent 有点太全面了。 跟着 Lonely 的方法把 Hermes 装上了，比想象中简单。并且直接接入了 X Premium，大模型费用也省去了。 过程就四步： >把 Hermes 的 GitHub 链接直接丢给大模型，让它照着文档一步步带我装（仓库地址： >装上中文 GUI，界面清爽，不用一直盯着终端黑框 >对接 X Premium 的 grok API，看热点、追 X 上的讨论这块交给它 >跑一遍测试，确认能正常接活 全程没踩坑，装完直接能用，确实实用。命令和细节我就不复述了，看视频和文章更直观。

产品经理老王霸

33,700 просмотров • 2 месяцев назад

这位大佬已经成功的让 AI 模型在 iPhone 17 Pro 的 Apple Neural Engine（ANE）上进行训练。苹果的硬件还是有很多待挖掘的地方,一旦手机本地也能训练 AI，就意味着部分数据可以不上云端，在本地。根据用户数据，不断学习，更新个性化。 这里面的玩法就非常多了。机会。😍
0:29

这位大佬已经成功的让 AI 模型在 iPhone 17 Pro 的 Apple Neural Engine（ANE）上进行训练。苹果的硬件还是有很多待挖掘的地方,一旦手机本地也能训练 AI，就意味着部分数据可以不上云端，在本地。根据用户数据，不断学习，更新个性化。 这里面的玩法就非常多了。机会。😍

独立开发者William

23,780 просмотров • 5 месяцев назад

hello，大家好，我又来分享用模板做了啥 我平时制作 logo 都是从 thiings 图标库中下载个 icon，上传到 raycast logo 生成器，调整下参数就搞定了。 为了简化操作，我用 2 个小时直接复刻了这个 logo 生成器，支持直接选择 thiings 图标，这样操作就更快了。 工具免费使用，免费下载，免注册。 使用的开发工具： 1、模板：TanStarter 2、模型： MiniMax (official) M3 3、工具： super.engineering #minimax
0:55

hello，大家好，我又来分享用模板做了啥 我平时制作 logo 都是从 thiings 图标库中下载个 icon，上传到 raycast logo 生成器，调整下参数就搞定了。 为了简化操作，我用 2 个小时直接复刻了这个 logo 生成器，支持直接选择 thiings 图标，这样操作就更快了。 工具免费使用，免费下载，免注册。 使用的开发工具： 1、模板：TanStarter 2、模型： MiniMax (official) M3 3、工具： super.engineering #minimax

Indie Fox

19,589 просмотров • 2 месяцев назад

Google最新开源了一款用于设备端AI的嵌入模型：EmbeddingGemma，体积小、速度快、可离线跑 3.08亿参数，2K上下文 基于Gemma 3架构，支持100+种语言，量化后可在不到 200MB的RAM上运行 256 token的句子在EdgeTPU上<15ms出结果 已集成sentence-transformers、llama.cpp、Ollama、LangChain、Weaviate 等常用工具，一条命令嵌入RAG或搜索应用 可以用于比如本地文件搜索、离线聊天机器人、离线RAG 问答、函数调用分类等 支持针对特定领域、任务或语言进行微调 #EmbeddingGemma #小模型
0:36

Google最新开源了一款用于设备端AI的嵌入模型：EmbeddingGemma，体积小、速度快、可离线跑 3.08亿参数，2K上下文 基于Gemma 3架构，支持100+种语言，量化后可在不到 200MB的RAM上运行 256 token的句子在EdgeTPU上<15ms出结果 已集成sentence-transformers、llama.cpp、Ollama、LangChain、Weaviate 等常用工具，一条命令嵌入RAG或搜索应用 可以用于比如本地文件搜索、离线聊天机器人、离线RAG 问答、函数调用分类等 支持针对特定领域、任务或语言进行微调 #EmbeddingGemma #小模型

AIGCLINK

17,597 просмотров • 11 месяцев назад

把 26 年 A 股数据搬到自己电脑上，这个开源项目帮你搞定了 free-stockdb 是一个面向 A 股日线、分钟线和 ETF 数据的本地量化数据底座，目标是把数据同步、清洗、复权、存储和指标计算这些工程问题统一解决。 它支持增量同步和本地缓存，数据落盘后可以离线使用，减少对远程 API 的依赖和限频问题。 核心特点如下： > 覆盖 7400+ 只股票和 ETF，日线、周线、月线、1/5/15/30 分钟数据都有 > 总共约 1.1 亿条记录，前复权处理过，拿来直接做回测 > 完全本地运行，不用联网、不用注册、不限次数 > 自带更新程序，数据旧了可以一键刷新 > 支持 Python、HTTP API、Excel、网页和 AI MCP 多种调用方式 > 内置技术指标计算，查询速度也比较快 对想做 A 股回测、策略研究，或者需要长期本地保存历史数据的人来说，这个项目挺实用。
1:15

把 26 年 A 股数据搬到自己电脑上，这个开源项目帮你搞定了 free-stockdb 是一个面向 A 股日线、分钟线和 ETF 数据的本地量化数据底座，目标是把数据同步、清洗、复权、存储和指标计算这些工程问题统一解决。 它支持增量同步和本地缓存，数据落盘后可以离线使用，减少对远程 API 的依赖和限频问题。 核心特点如下： > 覆盖 7400+ 只股票和 ETF，日线、周线、月线、1/5/15/30 分钟数据都有 > 总共约 1.1 亿条记录，前复权处理过，拿来直接做回测 > 完全本地运行，不用联网、不用注册、不限次数 > 自带更新程序，数据旧了可以一键刷新 > 支持 Python、HTTP API、Excel、网页和 AI MCP 多种调用方式 > 内置技术指标计算，查询速度也比较快 对想做 A 股回测、策略研究，或者需要长期本地保存历史数据的人来说，这个项目挺实用。

爱吃折耳根的Ace

16,002 просмотров • 1 месяц назад

只用两天，大神手撸出开源Claude Cowork平替 accomplish。 功能全复制，速度整整快 4 倍，而且完全免费。 它真正能干活，而不仅仅是聊天。 1. 内置 AI，开箱即用，无需 API 密钥、注册或配置 2. 下载、安装、立即开始工作 3. 可用内置模型或接入自己的 xAI / OpenAI / Anthropic / Google API，甚至本地模型 4. 本地运行，文件留在电脑上，自由控制访问权限 5. 开源 MIT 许可，代码随意修改、分叉或扩展 离线也能执行任务，把 AI 劳动力真正掌握在自己手里。
0:26

只用两天，大神手撸出开源Claude Cowork平替 accomplish。 功能全复制，速度整整快 4 倍，而且完全免费。 它真正能干活，而不仅仅是聊天。 1. 内置 AI，开箱即用，无需 API 密钥、注册或配置 2. 下载、安装、立即开始工作 3. 可用内置模型或接入自己的 xAI / OpenAI / Anthropic / Google API，甚至本地模型 4. 本地运行，文件留在电脑上，自由控制访问权限 5. 开源 MIT 许可，代码随意修改、分叉或扩展 离线也能执行任务，把 AI 劳动力真正掌握在自己手里。

开发者Hailey

63,618 просмотров • 5 месяцев назад

拔掉网线，全程断网单机运行 2000 亿参数的 AI 模型。 跑这套系统的设备有多大？ 一只手就能稳稳托住。 AMD 拿出了目前全球最小的 AI 开发系统。 苏姿丰直接把这台主机端了出来。 里面塞进了他们最高端的 Ryzen AI Max 处理器。 搭配的是 128GB 高速统一内存。 算力能装进巴掌大小的空间，靠的是底层架构设计。 这 128GB 内存由 CPU、GPU 和 NPU 三方直接共享。 省去了数据在不同模块间来回搬运的损耗。 系统整体性能被大幅拉升。 硬生生把跑大型 AI 模型的算力，压缩进了一台微型桌面台式机里。 大模型的硬件门槛正在被物理击穿。 跑千亿参数模型曾经必须依赖庞大的云端机房。 现在直接变成了摆在桌面上的一台离线私有设备。
0:32

拔掉网线，全程断网单机运行 2000 亿参数的 AI 模型。 跑这套系统的设备有多大？ 一只手就能稳稳托住。 AMD 拿出了目前全球最小的 AI 开发系统。 苏姿丰直接把这台主机端了出来。 里面塞进了他们最高端的 Ryzen AI Max 处理器。 搭配的是 128GB 高速统一内存。 算力能装进巴掌大小的空间，靠的是底层架构设计。 这 128GB 内存由 CPU、GPU 和 NPU 三方直接共享。 省去了数据在不同模块间来回搬运的损耗。 系统整体性能被大幅拉升。 硬生生把跑大型 AI 模型的算力，压缩进了一台微型桌面台式机里。 大模型的硬件门槛正在被物理击穿。 跑千亿参数模型曾经必须依赖庞大的云端机房。 现在直接变成了摆在桌面上的一台离线私有设备。

墓碑科技

32,197 просмотров • 3 месяцев назад

今天推荐 PocketPal —— 一款能在 iPhone / Android 设备运行大模型的 App。 首次使用 App 时，需从内置库中下载模型 (推荐阿里 Qwen2.5-3B)，之后便能离线运行。 在我 iPhone 14 Pro Max 上可调用苹果 Metal API，生成速度约为 11 token/s。 可惜 Qwen2.5 还不知道“数码荔枝”是谁...是我们的问题。
0:26

今天推荐 PocketPal —— 一款能在 iPhone / Android 设备运行大模型的 App。 首次使用 App 时，需从内置库中下载模型 (推荐阿里 Qwen2.5-3B)，之后便能离线运行。 在我 iPhone 14 Pro Max 上可调用苹果 Metal API，生成速度约为 11 token/s。 可惜 Qwen2.5 还不知道“数码荔枝”是谁...是我们的问题。

数码荔枝

71,616 просмотров • 1 год назад

再也不给 Google 送数据了！🔥 开源自托管 NotebookLM 神级替代 — Open Notebook 以前整理笔记、读论文、看视频，全是散乱资料，看完就忘，知识连不起来。 现在，Open Notebook 直接把你所有内容变成真正属于自己的私人 AI 第二大脑！ 神级亮点： - 完全自托管：数据100%掌握在自己手里，隐私彻底安全 - 支持18+ AI模型随意切换（OpenAI、Claude、Grok、Ollama等） - 多模态内容全支持：PDF、视频、音频、网页一键整理 - 专业多人播客：1-4人自定义生成，效果远超 NotebookLM - 全文+向量智能搜索 + 基于全部资料的深度对话 它真正实现了数据主权、模型自由、功能强大三者合一，再也不用给 Google 送数据，也不再被任何云端限制。
0:28

再也不给 Google 送数据了！🔥 开源自托管 NotebookLM 神级替代 — Open Notebook 以前整理笔记、读论文、看视频，全是散乱资料，看完就忘，知识连不起来。 现在，Open Notebook 直接把你所有内容变成真正属于自己的私人 AI 第二大脑！ 神级亮点： - 完全自托管：数据100%掌握在自己手里，隐私彻底安全 - 支持18+ AI模型随意切换（OpenAI、Claude、Grok、Ollama等） - 多模态内容全支持：PDF、视频、音频、网页一键整理 - 专业多人播客：1-4人自定义生成，效果远超 NotebookLM - 全文+向量智能搜索 + 基于全部资料的深度对话 它真正实现了数据主权、模型自由、功能强大三者合一，再也不用给 Google 送数据，也不再被任何云端限制。

开发者Hailey

29,601 просмотров • 2 месяцев назад

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

85,716 просмотров • 1 год назад

甲骨文的拉里·埃里森，刚刚给所有AI公司判了死刑。 他说，你们的模型，一文不值。 不是技术不行，也不是人才不行。 问题出在数据上。 ChatGPT，Gemini，Grok，Llama…… 所有这些模型，吃的都是同一锅饭。 整个公共互联网。 每一篇维基百科，每一个Reddit帖子，每一条新闻。 结果是什么？ 它们正在趋同，变成贴着不同logo的同一个产品。 用埃里森的话说，就是“大路货”。 真正的黄金，不在网上。 在私有数据里。 医院系统里的病历。 银行金库里的财务数据。 财富500强公司的供应链机密。 猜猜这些数据，大部分都存在哪里？ 不在谷歌，不在亚马逊，也不在微软。 在甲骨文的数据库里。 所以甲骨文出手了。 他们推出了一个叫“AI数据库26ai”的东西。 它允许所有顶级AI模型，直接在你公司的私有数据上进行推理。 而且数据永远不用离开保险库。 他们用的是一种叫RAG的技术。 AI不去“学习”你的数据，而是实时“检索”它。 这意味着什么？ 银行可以分析它发放的每一笔贷款，而不用暴露任何一个客户记录。 医院可以用AI诊断病人，而不用担心违反HIPAA法案。 国防承包商能让AI分析机密行动，数据一步都离不开安全环境。 埃里森在赌一个比GPU热潮、比数据中心建设更大的未来。 他称之为“历史上最大、增长最快的市场”。 数字很惊人。 甲骨文的待履约收入刚刚达到5230亿美元。 其中3000亿，来自OpenAI一家公司。 但这里有个没人谈论的危险。 如果私有数据是AI真正的护城河。 那么谁控制了数据库，谁就控制了AI的未来。 这种权力集中到一家公司手里。 难道不该让每个人都感到不安吗？
0:38

甲骨文的拉里·埃里森，刚刚给所有AI公司判了死刑。 他说，你们的模型，一文不值。 不是技术不行，也不是人才不行。 问题出在数据上。 ChatGPT，Gemini，Grok，Llama…… 所有这些模型，吃的都是同一锅饭。 整个公共互联网。 每一篇维基百科，每一个Reddit帖子，每一条新闻。 结果是什么？ 它们正在趋同，变成贴着不同logo的同一个产品。 用埃里森的话说，就是“大路货”。 真正的黄金，不在网上。 在私有数据里。 医院系统里的病历。 银行金库里的财务数据。 财富500强公司的供应链机密。 猜猜这些数据，大部分都存在哪里？ 不在谷歌，不在亚马逊，也不在微软。 在甲骨文的数据库里。 所以甲骨文出手了。 他们推出了一个叫“AI数据库26ai”的东西。 它允许所有顶级AI模型，直接在你公司的私有数据上进行推理。 而且数据永远不用离开保险库。 他们用的是一种叫RAG的技术。 AI不去“学习”你的数据，而是实时“检索”它。 这意味着什么？ 银行可以分析它发放的每一笔贷款，而不用暴露任何一个客户记录。 医院可以用AI诊断病人，而不用担心违反HIPAA法案。 国防承包商能让AI分析机密行动，数据一步都离不开安全环境。 埃里森在赌一个比GPU热潮、比数据中心建设更大的未来。 他称之为“历史上最大、增长最快的市场”。 数字很惊人。 甲骨文的待履约收入刚刚达到5230亿美元。 其中3000亿，来自OpenAI一家公司。 但这里有个没人谈论的危险。 如果私有数据是AI真正的护城河。 那么谁控制了数据库，谁就控制了AI的未来。 这种权力集中到一家公司手里。 难道不该让每个人都感到不安吗？

墓碑科技

594,334 просмотров • 5 месяцев назад