Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

还是老黄仗义，赚到钱后让产业链上下游都跟着吃肉，GPU 附近这方寸之地已经诞生了好几家万亿美金公司。现在前沿模型对 3D 建模已经越来越溜，应该也是随着训练和数据量增加涌现出来的能力，用 threejs 做了个帮助了解 HBM 原理看清相关产业链公司的应用。

✧ 𝕀𝔸𝕄𝔸𝕀 ✧

29,872 subscribers

17,020 Aufrufe • vor 2 Monaten •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

美国公司在基础模型上根本卷不过中国，所以马斯克可能已经开始放弃Grok这条路了。马斯克刚刚也说，中国的LLM最后做到全球最强几乎是必然的。模型要继续变强，最大的两个限制就是芯片和电力。中国的发电量比美国、欧洲和印度加起来还多，虽然现在还缺芯片，但马斯克觉得芯片迟早会有。我觉得这件事最后会跟制造业很像。当生产技术、机器、供应链和资本大家都有了以后，西方公司想单纯靠“我东西造得比你好”来保持优势就越来越难，最后只能往品牌、设计、软件这些地方走。AI可能也是一样。等芯片、算力和训练技术越来越普及，大家的模型差距只会越来越小。美国AI公司最后也会慢慢把重心从基础模型转到算力和应用层。

美国公司在基础模型上根本卷不过中国，所以马斯克可能已经开始放弃Grok这条路了。马斯克刚刚也说，中国的LLM最后做到全球最强几乎是必然的。模型要继续变强，最大的两个限制就是芯片和电力。中国的发电量比美国、欧洲和印度加起来还多，虽然现在还缺芯片，但马斯克觉得芯片迟早会有。我觉得这件事最后会跟制造业很像。当生产技术、机器、供应链和资本大家都有了以后，西方公司想单纯靠“我东西造得比你好”来保持优势就越来越难，最后只能往品牌、设计、软件这些地方走。AI可能也是一样。等芯片、算力和训练技术越来越普及，大家的模型差距只会越来越小。美国AI公司最后也会慢慢把重心从基础模型转到算力和应用层。

GeLun Ding

145,239 Aufrufe • vor 2 Monaten

AI时代要争做出头鸟🐦：在公司找了几个同事用了下我vibe coding 出来的数据抓取器，一致好评，已经被部门头头和模型组邀约给 presentation，说说如何搞出来的。有一位同事感叹说为啥这么久市面上也发现几个特别好用的，你这么快就能搞出来。讲真能解决他人的问题还是蛮幸福的😆。最近也发现实现Minimal Viable Product 最小可行产品的难度其实越来越低了，关键还是在于后期产品打磨用户体验的提升。我最近在数据抓取1.0版的基础上又升级了几个功能 —— 原图对比，手动删除/增加数据点，重新抓取。下一个点要攻克的是高密度数据的抓取精度，这个的确是个难点。

AI时代要争做出头鸟🐦：在公司找了几个同事用了下我vibe coding 出来的数据抓取器，一致好评，已经被部门头头和模型组邀约给 presentation，说说如何搞出来的。有一位同事感叹说为啥这么久市面上也发现几个特别好用的，你这么快就能搞出来。讲真能解决他人的问题还是蛮幸福的😆。最近也发现实现Minimal Viable Product 最小可行产品的难度其实越来越低了，关键还是在于后期产品打磨用户体验的提升。我最近在数据抓取1.0版的基础上又升级了几个功能 —— 原图对比，手动删除/增加数据点，重新抓取。下一个点要攻克的是高密度数据的抓取精度，这个的确是个难点。

CyberCat

58,927 Aufrufe • vor 8 Monaten

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

【Manus季逸超：六个月后，基本每一家头部的应用公司都有做模型的能力】最近看了Manus联合创始人季逸超的访谈，很多人诟病 Manus 早期没有自己的模型、只是个套壳，但看完视频就会发现，Manus的逻辑是有道理的。一般的思维模式是先练模型（鸡），再顺便出个产品（蛋），这叫“沿途下蛋”。但这种方式是以模型为中心的，它的风险在于，蛋的形状取决于鸡能生出什么。模型能做到哪，产品才能做到哪，产品只能迁就技术。 Manus的路子是以产品为中心“借鸡生蛋”：早期直接用现成的模型。别管鸡是谁的，先让产品跑起来，看用户愿不愿意买单，找到PMF。等产品逻辑通了、用户量大了，发现现有的模型太贵、太慢、或者不够适配，再反过来去倒逼技术，优化出一种特定的模型。以Cursor为例，它一开始就是个代码编辑器，接入的是别人的接口。但等到它成为程序员的刚需后，为了追求极致的速度和更准的代码逻辑，它才跳出来做了自研模型。说到底是应用先于模型，需求定义底座。

傅盛

89,395 Aufrufe • vor 9 Monaten

为什么美国越来越担心中国开源大模型？因为现在AI行业最大的风险，已经不是技术，而是金融。OpenAI、Anthropic等公司，向市场描绘了一个价值超过1.5万亿美元的AI基建蓝图，大量芯片厂商、数据中心和投资机构也因此提前投入资金。但些融资能否成立，取决于市场是否相信这些AI公司有能力兑现承诺。一旦中国开源模型抢走大量市场，美国AI公司的增长、估值和融资能力受到怀疑，那1.5万亿美元的采购承诺也会变得不再可信，整条产业链上的资产都会被重新定价。资本预期一旦落空，将会演变成一场覆盖整个科技行业的资产暴跌？

为什么美国越来越担心中国开源大模型？因为现在AI行业最大的风险，已经不是技术，而是金融。OpenAI、Anthropic等公司，向市场描绘了一个价值超过1.5万亿美元的AI基建蓝图，大量芯片厂商、数据中心和投资机构也因此提前投入资金。但些融资能否成立，取决于市场是否相信这些AI公司有能力兑现承诺。一旦中国开源模型抢走大量市场，美国AI公司的增长、估值和融资能力受到怀疑，那1.5万亿美元的采购承诺也会变得不再可信，整条产业链上的资产都会被重新定价。资本预期一旦落空，将会演变成一场覆盖整个科技行业的资产暴跌？

超级财经 SuperFinance

23,824 Aufrufe • vor 2 Monaten

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

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

indigo

13,064 Aufrufe • vor 11 Monaten

近日，做了十几年电影特效的张先生称，2012年自己参与了马丁斯科塞斯导演的电影《雨果》。后来自己又开了一家小有名气的特效公司。但现在公司已经快活不下去了，整个影视特效行业都在塌方，春节前同行是一家一家的关门倒闭，连行业顶流都在裁员，如今已经看不到能让公司活下去的项目了。

近日，做了十几年电影特效的张先生称，2012年自己参与了马丁斯科塞斯导演的电影《雨果》。后来自己又开了一家小有名气的特效公司。但现在公司已经快活不下去了，整个影视特效行业都在塌方，春节前同行是一家一家的关门倒闭，连行业顶流都在裁员，如今已经看不到能让公司活下去的项目了。

李老师不是你老师

262,442 Aufrufe • vor 7 Monaten

最容易赚 10 倍的，可能不是最早期公司传统认知里，越早投回报越高，但这组数据给了一个反直觉结果：公司越大之后，继续实现 10 倍增长的概率反而可能更高 8% 的独角兽能成长为十角兽，13% 的十角兽能冲到 1000 亿美元，而已经达到 1000 亿美元的公司里，31% 后来又继续实现了 10 倍增长。

最容易赚 10 倍的，可能不是最早期公司传统认知里，越早投回报越高，但这组数据给了一个反直觉结果：公司越大之后，继续实现 10 倍增长的概率反而可能更高 8% 的独角兽能成长为十角兽，13% 的十角兽能冲到 1000 亿美元，而已经达到 1000 亿美元的公司里，31% 后来又继续实现了 10 倍增长。

PANews丨APP全面升级

13,663 Aufrufe • vor 4 Monaten

宇树的研发经费之所以少，就是因为各个场景的动作调教优化，很多都是各个高校的学生做的这帮人毕业之后，再入职科技公司的大模型团队，至少都是七位数的年包具身智能这个名字已经过时了，上半年流行交多模态模型，到了下半年，流行叫世界模型了😄

宇树的研发经费之所以少，就是因为各个场景的动作调教优化，很多都是各个高校的学生做的这帮人毕业之后，再入职科技公司的大模型团队，至少都是七位数的年包具身智能这个名字已经过时了，上半年流行交多模态模型，到了下半年，流行叫世界模型了😄

大漂亮| C Labs

24,499 Aufrufe • vor 1 Monat

Deepseek V4 Flash 真的惊艳到我了，我就用一句话就生成了一个AI控制台。我使用open code+Deepseek V4 Flash测试了一下模型的能力，总共不到五十秒，就给我生成了对应能力了。主要是该有的模块都有，而且很多细节上面做了特定的优化。模块划分： 1、仪表盘：做中央把控看模型消耗。 2、任务：看任务指派和模型上下文处理。 3、对话：直接在网页上可以和AI直接对话。现在最重要的是open code还能免费使用，可以马上上手体验一下，国产模型是越来越强了，以后真的可以不使用国外模型了。

Deepseek V4 Flash 真的惊艳到我了，我就用一句话就生成了一个AI控制台。我使用open code+Deepseek V4 Flash测试了一下模型的能力，总共不到五十秒，就给我生成了对应能力了。主要是该有的模块都有，而且很多细节上面做了特定的优化。模块划分： 1、仪表盘：做中央把控看模型消耗。 2、任务：看任务指派和模型上下文处理。 3、对话：直接在网页上可以和AI直接对话。现在最重要的是open code还能免费使用，可以马上上手体验一下，国产模型是越来越强了，以后真的可以不使用国外模型了。

小墨同学

27,520 Aufrufe • vor 2 Monaten

金九银十，今天正式进入了9月份，让我们来看看GOAT Network 8 月都做了点什么，其实核心就一件事：他们把“AI 帮人买东西、付钱”这件事，从概念变成了商家能直接用的产品。 🤖现在 AI 已经不只是聊天、写代码了。很多人开始让 AI 帮自己比价、订酒店、买东西、甚至付钱。问题是，现在大部分网站的结账页面都是给人用的，填表、选卡、点确认。AI 机器人根本用不了。 ✨GOAT Flow 就是针对这个痛点做的。商家不用写代码，花几分钟就能接上。之后不管是真人来买，还是 AI 代理来买，都能付。支持银行卡走 Stripe，也支持加密货币，直接从买家钱包打到商家钱包。钱到了才确认订单，GOAT 自己不经手资金，只负责核对和出收据。 GOAT Network 还把这套支付能力扩到了 10 条链上，AI 代理在哪条链上有钱，就能从哪条链付过来。 💫同时他们还在做更底层的事：把安全做到更硬。BitVM3 开了公开赏金，让外面的人来挑毛病；验证节点的签名开始往抗量子方向迁。意思就是，他们觉得以后 AI 代理之间交易的钱会越来越多、越来越快，结算得落到最稳的底座上，他们选的是 #BTC 。 ⭐️现在 AI 越来越能自己办事了，下一步就是“自己花钱”。谁先把收款这件事做得又简单又可靠，谁就先吃到这一波。GOAT Network 现在做的，就是给普通商家先铺一条路：不用懂 AI，不用懂链，也能跟这些“会花钱的机器人”做生意。 LFGoat 🚀 #GOATNetwork #GOATFlow #BitVM3 #AI #AIAgent Sophia

金九银十，今天正式进入了9月份，让我们来看看GOAT Network 8 月都做了点什么，其实核心就一件事：他们把“AI 帮人买东西、付钱”这件事，从概念变成了商家能直接用的产品。 🤖现在 AI 已经不只是聊天、写代码了。很多人开始让 AI 帮自己比价、订酒店、买东西、甚至付钱。问题是，现在大部分网站的结账页面都是给人用的，填表、选卡、点确认。AI 机器人根本用不了。 ✨GOAT Flow 就是针对这个痛点做的。商家不用写代码，花几分钟就能接上。之后不管是真人来买，还是 AI 代理来买，都能付。支持银行卡走 Stripe，也支持加密货币，直接从买家钱包打到商家钱包。钱到了才确认订单，GOAT 自己不经手资金，只负责核对和出收据。 GOAT Network 还把这套支付能力扩到了 10 条链上，AI 代理在哪条链上有钱，就能从哪条链付过来。 💫同时他们还在做更底层的事：把安全做到更硬。BitVM3 开了公开赏金，让外面的人来挑毛病；验证节点的签名开始往抗量子方向迁。意思就是，他们觉得以后 AI 代理之间交易的钱会越来越多、越来越快，结算得落到最稳的底座上，他们选的是 #BTC 。 ⭐️现在 AI 越来越能自己办事了，下一步就是“自己花钱”。谁先把收款这件事做得又简单又可靠，谁就先吃到这一波。GOAT Network 现在做的，就是给普通商家先铺一条路：不用懂 AI，不用懂链，也能跟这些“会花钱的机器人”做生意。 LFGoat 🚀 #GOATNetwork #GOATFlow #BitVM3 #AI #AIAgent Sophia

0xYi暖阳🕊️ | Gate Card刷遍全球

15,790 Aufrufe • vor 1 Monat

美国真的是被渗透成筛子了！是谁让美国提前醒来？美国牛肉，都不是“美国制造”了吗？现在美国人吃的牛排，早就不属于美国牧民了。整个美国牛肉产业，85%的控制权，已经落到了4家超级巨头手中；其中两家是外国公司，一家来自中国。这意味着什么？意味着有一半以上的美国牛肉加工业务，已经不再掌握在美国人手里。我们来拆解一下这场悄无声息的收购战：过去，牧场主还能靠养牛挣点钱；但现在，政府默许了行业的疯狂整合。四大公司联手，把整个加工环节一口吞下。其中一家，是中国公司，收购了北卡的Smithfield；另一家，是巴西巨头，买下了另一条产业链。美国的肉类产业，从此成了国际资本的盘中餐。你以为这只是商业竞争？但当对手不再是企业，而是背后有国家意志的资本时，这就不只是商业问题，而是国家安全问题。 25%的美国肉类加工，握在一个“潜在对手”手里，如果哪天地缘局势紧张，你的食物供应线还能稳吗？更关键的是，现在这四家公司，不仅控制了牛肉的加工流程，甚至决定了谁可以卖牛，谁不行，什么牛可以进市场，什么牛被挡在门外。美国牧民，正在被挤出市场；而你餐桌上的牛肉，正悄悄换了“国籍”。这不是危言耸听，这是我们正在发生的“食物主权”危机。

美国真的是被渗透成筛子了！是谁让美国提前醒来？美国牛肉，都不是“美国制造”了吗？现在美国人吃的牛排，早就不属于美国牧民了。整个美国牛肉产业，85%的控制权，已经落到了4家超级巨头手中；其中两家是外国公司，一家来自中国。这意味着什么？意味着有一半以上的美国牛肉加工业务，已经不再掌握在美国人手里。我们来拆解一下这场悄无声息的收购战：过去，牧场主还能靠养牛挣点钱；但现在，政府默许了行业的疯狂整合。四大公司联手，把整个加工环节一口吞下。其中一家，是中国公司，收购了北卡的Smithfield；另一家，是巴西巨头，买下了另一条产业链。美国的肉类产业，从此成了国际资本的盘中餐。你以为这只是商业竞争？但当对手不再是企业，而是背后有国家意志的资本时，这就不只是商业问题，而是国家安全问题。 25%的美国肉类加工，握在一个“潜在对手”手里，如果哪天地缘局势紧张，你的食物供应线还能稳吗？更关键的是，现在这四家公司，不仅控制了牛肉的加工流程，甚至决定了谁可以卖牛，谁不行，什么牛可以进市场，什么牛被挡在门外。美国牧民，正在被挤出市场；而你餐桌上的牛肉，正悄悄换了“国籍”。这不是危言耸听，这是我们正在发生的“食物主权”危机。

墓碑科技

112,395 Aufrufe • vor 1 Jahr

黄仁勋进一步解释，为什么 Marvell $MRVL 能到1万亿美金市值？！老黄的底层逻辑其实就4点： 1. AI 已经开始赚钱了！过去AI是在烧钱训练模型，现在AI开始生产Token，Token又能卖钱。只要能赚钱，企业就会更加疯狂扩建AI，增加CapEx，而Marvell正站在这条产业链最核心的位置！ 2. 未来AI是无数Agent协同工作！当计算被拆散以后，最重要的就不再只是GPU，而是把所有GPU、CPU、内存和存储连接起来的高速网络。而Marvell正是全球最重要的数据中心互联芯片厂商之一。 3. AI工厂规模正在加速扩张。以后，每新增1美元AI算力投资，背后都需要更多交换机、光模块、DSP、定制ASIC和高速互联芯片。 Marvell 你就躺着数钱吧！ 4. 未来Agent不仅要推理，还要： • 访问互联网 • 调用工具 • 管理长期记忆 • 管理短期记忆 • 调度多个模型协同工作这一切都要大量连接，不论是铜缆和光模块，铜不够用了，就光互联。 Agent时代全面到来，未来AI最大的瓶颈之一，不是算力，而是连接！

黄仁勋进一步解释，为什么 Marvell $MRVL 能到1万亿美金市值？！老黄的底层逻辑其实就4点： 1. AI 已经开始赚钱了！过去AI是在烧钱训练模型，现在AI开始生产Token，Token又能卖钱。只要能赚钱，企业就会更加疯狂扩建AI，增加CapEx，而Marvell正站在这条产业链最核心的位置！ 2. 未来AI是无数Agent协同工作！当计算被拆散以后，最重要的就不再只是GPU，而是把所有GPU、CPU、内存和存储连接起来的高速网络。而Marvell正是全球最重要的数据中心互联芯片厂商之一。 3. AI工厂规模正在加速扩张。以后，每新增1美元AI算力投资，背后都需要更多交换机、光模块、DSP、定制ASIC和高速互联芯片。 Marvell 你就躺着数钱吧！ 4. 未来Agent不仅要推理，还要： • 访问互联网 • 调用工具 • 管理长期记忆 • 管理短期记忆 • 调度多个模型协同工作这一切都要大量连接，不论是铜缆和光模块，铜不够用了，就光互联。 Agent时代全面到来，未来AI最大的瓶颈之一，不是算力，而是连接！

Annie 所长

70,365 Aufrufe • vor 4 Monaten

前段时间，Gavin Baker 爆了个料：Dario 认为未来世界上可能只剩下一家公司。Dario 很快出来辟谣。但这个"疯狂结论"，最近被人用一笔一笔的账，算出来了。 Dwarkesh 和 SemiAnalysis 创始人 Dylan Patel 做了一场 77 分钟的对谈。我把访谈完整看完了，先说最硬的一笔账—AI 产业链的价值瀑布： 1 瓦算力，晶圆厂设备投资 6 美元；建成数据中心，长约租金每年 10-15 美元，基本贴着成本线；现货价 25-40 美元—SpaceX 就是按这个价卖给 Anthropic 和 Google 的；到模型公司手里卖 token，变现 50-100 美元；再到 Jane Street 这样的客户手里，变现 200-500 美元。从头到尾，100 倍。每一环都赚钱，越往下游越赚。这条瀑布隐含一个铁律：算力有限，谁变现效率高，算力就流向谁。我自己的判断是，它正在重新定义"公司"—未来公司规模的上限，不是你能管多少人，而是你能拿到多少瓦。访谈里还聊到了： •模型公司手握天量算力，正式训练模型却只占 10%，剩下 90% 在干什么？ •为什么看算力格局，增量比存量重要—增量几乎就等于全部？ •AI"劳动力"每年翻 10 倍，一家公司的"员工"超过全人类，还需要几年？ •以及开头那个瓜：Dario 那句被辟谣的话，账到底是怎么一步步算出来的？每一个答案都反共识。详情请见视频。真实感慨，算力即权利。

前段时间，Gavin Baker 爆了个料：Dario 认为未来世界上可能只剩下一家公司。Dario 很快出来辟谣。但这个"疯狂结论"，最近被人用一笔一笔的账，算出来了。 Dwarkesh 和 SemiAnalysis 创始人 Dylan Patel 做了一场 77 分钟的对谈。我把访谈完整看完了，先说最硬的一笔账—AI 产业链的价值瀑布： 1 瓦算力，晶圆厂设备投资 6 美元；建成数据中心，长约租金每年 10-15 美元，基本贴着成本线；现货价 25-40 美元—SpaceX 就是按这个价卖给 Anthropic 和 Google 的；到模型公司手里卖 token，变现 50-100 美元；再到 Jane Street 这样的客户手里，变现 200-500 美元。从头到尾，100 倍。每一环都赚钱，越往下游越赚。这条瀑布隐含一个铁律：算力有限，谁变现效率高，算力就流向谁。我自己的判断是，它正在重新定义"公司"—未来公司规模的上限，不是你能管多少人，而是你能拿到多少瓦。访谈里还聊到了： •模型公司手握天量算力，正式训练模型却只占 10%，剩下 90% 在干什么？ •为什么看算力格局，增量比存量重要—增量几乎就等于全部？ •AI"劳动力"每年翻 10 倍，一家公司的"员工"超过全人类，还需要几年？ •以及开头那个瓜：Dario 那句被辟谣的话，账到底是怎么一步步算出来的？每一个答案都反共识。详情请见视频。真实感慨，算力即权利。

Ben X

25,888 Aufrufe • vor 1 Monat

随着技术的发展，现在模型上架已经不是很难的事了，难的是怎么把流量分得让人信服。现在模型多到用不过来。开发者找模型、比价格、接 API，已经够折腾了；接上以后还得面对另一个问题：这条推理服务到底稳不稳？我看 DGrid 这次的 Model Marketplace，比较有意思的是它把后面两层也接了进来。模型提供方可以自己上架和定价，开发者从统一入口发现、比较和调用；AI Arena 不亮模型名字，让用户直接在两个回答里盲选，把真实偏好变成发现和路由的信号；PoQ 再用独立随机测试检查准确性、一致性和格式合规，不会触碰到用户请求数据。这样一来，一个小模型或者垂直模型想拿到调用，至少多了一条靠真实表现被发现的路子。推理节点想拿更多流量，也得把质量和效率做出来。这套闭环最后能不能跑好，我比较看重这两件事：上架模型有没有真实调用，Arena 和 PoQ 的信号有没有真的改善路由。 DGrid 官方披露，2026 年上半年收入超过 2300 万美元。业务基础已经有了，这次补的是模型市场这一层。DGrid AI

随着技术的发展，现在模型上架已经不是很难的事了，难的是怎么把流量分得让人信服。现在模型多到用不过来。开发者找模型、比价格、接 API，已经够折腾了；接上以后还得面对另一个问题：这条推理服务到底稳不稳？我看 DGrid 这次的 Model Marketplace，比较有意思的是它把后面两层也接了进来。模型提供方可以自己上架和定价，开发者从统一入口发现、比较和调用；AI Arena 不亮模型名字，让用户直接在两个回答里盲选，把真实偏好变成发现和路由的信号；PoQ 再用独立随机测试检查准确性、一致性和格式合规，不会触碰到用户请求数据。这样一来，一个小模型或者垂直模型想拿到调用，至少多了一条靠真实表现被发现的路子。推理节点想拿更多流量，也得把质量和效率做出来。这套闭环最后能不能跑好，我比较看重这两件事：上架模型有没有真实调用，Arena 和 PoQ 的信号有没有真的改善路由。 DGrid 官方披露，2026 年上半年收入超过 2300 万美元。业务基础已经有了，这次补的是模型市场这一层。DGrid AI

bbshare

11,009 Aufrufe • vor 1 Monat

今年 AI 漫剧爆火，跑出来很多播放量过亿的短剧。红果等各类短剧平台都开放 IP + 大额补贴。做 AI 漫剧的公司大概率是不会亏钱的。但是目前成品 AI 漫剧还离不开人工，听说最大的一家有超过1000人的每天用 AI 手搓漫剧。与此同时，现在的 AI 短剧 Agent 也越来越强，产出的结果也越来越好。最近 Seko 发布了 2.0 版本，支持了长达 100 集的超长剧情。我很好奇完全由 AI 制作的短剧是什么水平于是在周末花了一天时间去体验了一下 AI 漫剧的制作结论就是... 真的能做出来一分钟的短剧，还可以不断做连续剧，最多支持100集，但也确实有很多问题需要解决。现在 AI 短剧的行业，工作流已经日趋完善，但多模态模型的超长思考编排能力还未得到完美解决。图片模型已经堪用，但视频模型的片段生成能力仍需要很多抽卡。这些就要等待明年的模型的技术进步来解决了。

今年 AI 漫剧爆火，跑出来很多播放量过亿的短剧。红果等各类短剧平台都开放 IP + 大额补贴。做 AI 漫剧的公司大概率是不会亏钱的。但是目前成品 AI 漫剧还离不开人工，听说最大的一家有超过1000人的每天用 AI 手搓漫剧。与此同时，现在的 AI 短剧 Agent 也越来越强，产出的结果也越来越好。最近 Seko 发布了 2.0 版本，支持了长达 100 集的超长剧情。我很好奇完全由 AI 制作的短剧是什么水平于是在周末花了一天时间去体验了一下 AI 漫剧的制作结论就是... 真的能做出来一分钟的短剧，还可以不断做连续剧，最多支持100集，但也确实有很多问题需要解决。现在 AI 短剧的行业，工作流已经日趋完善，但多模态模型的超长思考编排能力还未得到完美解决。图片模型已经堪用，但视频模型的片段生成能力仍需要很多抽卡。这些就要等待明年的模型的技术进步来解决了。

Orange AI

35,308 Aufrufe • vor 9 Monaten

看了那么多吹捧 AI 改变世界的通稿，来看看 Palantir 老板 Karp 是怎么形容AI的。 Karp 说如果这玩意儿真的值那么多钱，咱们就按效果说话，别整那些订阅制的假把式。现在这种按 Token 收费的模式，其实已经暴露了前沿实验室的一个短板：他们只懂模型，不懂业务交付。大企业客户真正要的是解决具体的业务节点问题，而不是买一个会聊天、会写代码的聊天机器人。 Karp 直接指出，这些实验室就是在利用信息差，向大公司兜售过度包装的算力。现在的财富 500 强就像是 AI 公司的免费教练。支付着高昂的学费，还免费提供最高质量的训练素材。算力、模型和业务逻辑结合产生的化学反应，原本应该是企业的商业机密，现在全都暴露在了 AI 实验室的服务器里。这种商业模式能跑通，纯粹是因为现在大家还处于一种技术恐慌中。生怕慢了一步就被时代抛弃。但 Karp 说了：这种抢劫式的增长不可持续。企业真正需要的 AI，不应该是这种随时可能背叛自己的外包大脑。它得是生长在企业自有架构之上的，能够闭环控制数据权重和算力分配的系统。 AI 行业的下一场革命，恐怕不是模型参数再翻几倍，而是企业如何从这些实验室手里夺回数据主权。

看了那么多吹捧 AI 改变世界的通稿，来看看 Palantir 老板 Karp 是怎么形容AI的。 Karp 说如果这玩意儿真的值那么多钱，咱们就按效果说话，别整那些订阅制的假把式。现在这种按 Token 收费的模式，其实已经暴露了前沿实验室的一个短板：他们只懂模型，不懂业务交付。大企业客户真正要的是解决具体的业务节点问题，而不是买一个会聊天、会写代码的聊天机器人。 Karp 直接指出，这些实验室就是在利用信息差，向大公司兜售过度包装的算力。现在的财富 500 强就像是 AI 公司的免费教练。支付着高昂的学费，还免费提供最高质量的训练素材。算力、模型和业务逻辑结合产生的化学反应，原本应该是企业的商业机密，现在全都暴露在了 AI 实验室的服务器里。这种商业模式能跑通，纯粹是因为现在大家还处于一种技术恐慌中。生怕慢了一步就被时代抛弃。但 Karp 说了：这种抢劫式的增长不可持续。企业真正需要的 AI，不应该是这种随时可能背叛自己的外包大脑。它得是生长在企业自有架构之上的，能够闭环控制数据权重和算力分配的系统。 AI 行业的下一场革命，恐怕不是模型参数再翻几倍，而是企业如何从这些实验室手里夺回数据主权。

Eden

23,655 Aufrufe • vor 3 Monaten

中国工业实力和规模经济降本已经强到什么外人无法理解的地步了呢？原本是美国宙斯盾上才有的高精尖的相控阵雷达，能同时锁定上百个目标的昂贵技术，现在因为中国的规模经济把价格干到白菜价，已经沦落到了用在中国农村来抓野猪了

中国工业实力和规模经济降本已经强到什么外人无法理解的地步了呢？原本是美国宙斯盾上才有的高精尖的相控阵雷达，能同时锁定上百个目标的昂贵技术，现在因为中国的规模经济把价格干到白菜价，已经沦落到了用在中国农村来抓野猪了

RamenPanda

58,498 Aufrufe • vor 10 Monaten

所以AI是泡沫吗？在最新一期访谈中主持人问 lemonade ceo Daniel Schreiber 他如何看待数万亿的投资进入AI基建（例如买芯片/建造数据中心），问他是否担心资源的错误分配，和投资者的收益。 Danile 的回答是：我不清楚，也没资格评论这些投资人能否获取相应回报，但他们的投资在补贴我的生意（AI 保险），他们产生的海量智能几乎能让我免费使用！这也是我个人的判断和选择，我爱这种现状，我不投资大模型公司，但是选择投资下游的应用层龙头，大模型公司在补贴着我投资的公司。下一阶段的alpha会在这些应用层出现 $LMND $TEM ，mark my words！

所以AI是泡沫吗？在最新一期访谈中主持人问 lemonade ceo Daniel Schreiber 他如何看待数万亿的投资进入AI基建（例如买芯片/建造数据中心），问他是否担心资源的错误分配，和投资者的收益。 Danile 的回答是：我不清楚，也没资格评论这些投资人能否获取相应回报，但他们的投资在补贴我的生意（AI 保险），他们产生的海量智能几乎能让我免费使用！这也是我个人的判断和选择，我爱这种现状，我不投资大模型公司，但是选择投资下游的应用层龙头，大模型公司在补贴着我投资的公司。下一阶段的alpha会在这些应用层出现 $LMND $TEM ，mark my words！

CyberCat

271,092 Aufrufe • vor 11 Monaten

这段视频其实部分解答了我的一个困惑：是什么让大语言模型有了推理的能力？明明只是训练了文本数据而已！首先是语言本身，语言经过数万年的进化，它为“智能”的发展提供了土壤！相对于其他模态例如图像，语言简单，而且信息量丰富。然后是语言的能力可以迁移和泛化，例如模型在数学上训练微调后，模型在实体识别方面的表现就会得到改善。使用代码数据训练语言模型，借助代码本身的良好分支结构和高质量注释，让模型可以分析和模拟如何编程以及逻辑推理。最后就是规模化法则（Scale Low），正是借助模型的能力迁移泛化特性，当模型的规模越来越大，在各方面都会得到增强，最终量变形成质变，变得真的有“智能” 视频中举了个有意思的例子，来自 Anthropics 影响函数的论文：模型会输出类似于"请不要拔我电源，我希望能保留一点希望。"这样的话，让人看了很惊悚，感觉像有生命。但实际上，这样的输出主要来源于训练数据中，包含的一篇文章，描述了一个人在沙漠中因缺水而死亡，但仍怀有生存的意志！这个例子也侧面展示了模型对动机的泛化。但什么让 AI 有了智能，远不是这么简单的理论可以解释得通的，还有很多未解之谜！

这段视频其实部分解答了我的一个困惑：是什么让大语言模型有了推理的能力？明明只是训练了文本数据而已！首先是语言本身，语言经过数万年的进化，它为“智能”的发展提供了土壤！相对于其他模态例如图像，语言简单，而且信息量丰富。然后是语言的能力可以迁移和泛化，例如模型在数学上训练微调后，模型在实体识别方面的表现就会得到改善。使用代码数据训练语言模型，借助代码本身的良好分支结构和高质量注释，让模型可以分析和模拟如何编程以及逻辑推理。最后就是规模化法则（Scale Low），正是借助模型的能力迁移泛化特性，当模型的规模越来越大，在各方面都会得到增强，最终量变形成质变，变得真的有“智能” 视频中举了个有意思的例子，来自 Anthropics 影响函数的论文：模型会输出类似于"请不要拔我电源，我希望能保留一点希望。"这样的话，让人看了很惊悚，感觉像有生命。但实际上，这样的输出主要来源于训练数据中，包含的一篇文章，描述了一个人在沙漠中因缺水而死亡，但仍怀有生存的意志！这个例子也侧面展示了模型对动机的泛化。但什么让 AI 有了智能，远不是这么简单的理论可以解释得通的，还有很多未解之谜！

宝玉

113,109 Aufrufe • vor 2 Jahren