anonymous (@youyouAllen) profile picture

Building is real deep research.Doer is real thinker.

Joined August 2014
Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)Photo by anonymous (@youyouAllen)
关税->外汇->黄金->美债->利率->btc 这个时候就看黄金和美债谁是避险,谁是对冲了。如果都避险,btc也会进入避险模式。如果黄金避险,美债对冲,那btc就进入被迫对冲模式。如果黄金对冲,美债避险,那btc就进入被迫避险模式。
3
2
1
11
2,895
是的。当Jeff Dean把整个引擎重构跑在消费PC的内存里。内存成本就成了Google商业模式成立的核心。现在AI也是同样场景,内存成了AI商业模式成与否的核心。但是这个逻辑的推理结果是,内存价格必须降低,否则AI产业就被卡死在这里了。因为成为了内存企业价值的负面因素,而非垄断因素。。。。
关于芯片/存储价格的热点,又让我想到一个陈年旧事。 为什么雅虎在看到 Google 之后,没有迎头赶上,甚至还嘲讽过搜索引擎不可能成功。 因为搜索引擎向用户提供服务的基础要求,是将整个互联网镜像下来。 对的,整个。 也就是所谓的索引过程,要将互联网上所有的公开网页,都先存到自己的服务器上,才能为用户提供搜索。 而 Yahoo 的黄页模式本质还一堆链接,并不将被链接网页的内容存下来。 两个模式之间的存储差异大概上千倍。 Yahoo 成立于 1994 年,1995 年正式注册公司。当年,每 GB 的存储成本约为 849 美元。 Google 成立于 1998 年,当年每 GB 的存储成本约为 44 美元,到 1999 年进一步下探到 15 美元,也就是下降了 94.8% Google 刚好诞生于存储成本曲线下滑最陡峭的时期。 而雅虎嘲笑 Google 和搜索引擎,刚好发生在 1998 年,也就是“搜索引擎”作为一种产品在成本上“勉强成立”的时候。 但也仅仅是勉强成立,要想后续依靠广告模式把营收打平,还要继续降——2001 年,每 GB 存储成本跌破 4 美元,比 Google 成立时又下降了 88.6%。 从雅虎成立到 Google 盈利,总共 6 年时间,存储成本下降了 99.4%,是指数级下降。 在此期间整个互联网的可观测规模大约从 90GB 上涨到了 50TB,大约是 556 倍,同样是指数级上涨。 二者相抵之后,互联网整体规模膨胀 556 倍,存储成本只上涨了 3 倍。 也就是说,如果没有硬件的突破,Google 以及之后出现的所有搜索引擎,都会是一场泡沫,值得被雅虎嘲笑。 所以对现在的启示是什么呢? 启示就是,现在有一种 AI 泡沫论,说的是 AI 和互联网不一样,每多服务一个人,边际成本并不明显下降。我觉得这个也是没站在早期互联网行业的角度上思考。 早期互联网的边际成本也高的吓人,虽然每多服务一个人,边际成本可能不会明显上升,但每多一个人发布内容,边际成本都会大幅上升,更何况还要摊平早期的基础设施和 IDC 建设成本。 这个问题最后不是靠互联网行业自己解决的,是靠硬件技术突破解决的。 所以 AI 这波能不能成,和美国三大前沿 AI 公司以及中国的 AI 公司关系都不大。 主要还是看芯片公司。 换个说法是,AI 也许有泡沫,可能会经历一次“互联网泡沫破灭”。 但芯片公司没有泡沫,甚至可以说,是他们决定了 AI 是否有泡沫。 如果它们能稳步推进算力的突破,那么很多当下找不到 PMF,找不到合理盈利模式的 AI 产品都会成立。 如果它们不能,则 AI 的泡沫确实会破。
1
1
1
4
1,028
如果2028年mzd总统当选, ant会迎来zz环境,利率环境,AI应用市场环境三重助推。到时候如果还能保持大模型竞争优势,成为新的美股龙头也不是不可能。
1
1
320
如果真的选CFO做nvda的CEO,完蛋了。
SOME NVIDIA DIRECTORS FAVOR CFO KRESS AS INTERIM CEO: SEMAFOR
1
210
Musk Miss Larry Page,其实他最应该Miss的是贝索斯。
亚马逊刚推出AWS云服务器时,工程师估算,每小时要收15美分才能回本。但贝索斯直接把价格定在了10美分。 那是2006年。亚马逊准备推出EC2,让创业公司按小时租用服务器,用完就停。 参与开发的工程师提醒贝索斯,按这个价格,亚马逊可能要亏很久。 “很好。”贝索斯说。 贝索斯想先用低价吸引客户。只要客户够多,每小时的成本就能降下来。等成本低于10美分,亚马逊按原价也能赚钱。 其次,贝索斯判断,一开始就把价格压低,这门生意的利润空间有限,谷歌、微软也就没那么急着进场。 等对手想跟进时,同样收10美分,亚马逊可能已经有利润,对手却还得亏着做。 到了2025年,亚马逊云业务AWS的营业利润达到456亿美元,占全公司营业利润的57%。
1
312
以前app,现在是model, 以前是coding,现在是tuning, 以前是app store,现在是model store。
这个周末,少看两集 Netflix,或者少刷一会儿短剧,腾出两个小时,学学怎么微调一个小模型。 未来几年,能把一个通用模型调到适合某项具体业务,会是一项很值得掌握的 AI 工程技能。Fortune Business Insights 预计,全球大模型微调服务市场将从 2026 年的 23 亿美元增长到 2034 年的 90 亿美元,年复合增长率为 18.7%。 Kevin Wu 的这篇博客非常适合入门。他用一张 16 GB 显存的显卡微调 Qwen3-1.7B,给模型出了一道题:用英文回答问题,整段不能出现字母 e,还得把问题答清楚。 只在提示词里写「别用 e」,200 条回答里没有一条合格。生成时屏蔽所有含 e 的 token,字母倒是避开了,但只有 26% 的回答既通顺又切题。Kevin 用 180 条手写问答做监督微调(SFT),把合格率提高到 35%,再跑 300 步强化学习(GRPO),最终达到 60.5%。 他还开源了完整的训练过程,方便大家一步一步跟着动手实践: 博客: kevin-wu.ca/blog/qwn/ 开源: github.com/kevinyvv/qwen-3-1…
1
268
我想了一下,段股神的配置又赢了。如果AI泡沫真的破了,我理解顶多就是回调到2024年初。 段股神的最大配置在Apple和伯克希尔上,AI投入最小的的两个企业,加上持续分红回购。 同时2024年底抄底的nvda也安全垫很高。 如果AI泡沫没破,那么段股神在抄底Google,还有配置的nvda,Tesla,再加上伯克希尔本身也在投资Google,Apple也在发力AI终端。 这特么两边都非常舒服。这才是顶级策略。
1
449
段股神又赢了。
美股七姐妹,今年谁最差? 特斯拉:-12% 谷歌:-11% Meta:-6% 亚马逊:3% 微软:8% 英伟达:11% 苹果:27% 没有对比,就没有伤害! SMH:47% VGT:25% 纳斯达克100指数:13% 标普500指数:11%
569
这次这个eip 7702协议一下子掏空了bn 14号钱包里的25亿。 而EIP 7702当年是vitalik主推的协议。作为co-author。 @VitalikButerin
2
1
7
4,667
Actually, very few are making money outside of AI, mainly because interest rates are still too high. Most companies are still in the process of transitioning away from the low-interest-rate era and exiting. In this process, AI adoption is the most critical factor for avoiding being eliminated by the high-interest-rate environment. These reports describe the elimination of zombie companies as evidence of an AI bubble — frankly, other than the reason that “one’s position determines their viewpoint,” I can’t think of any other explanation.
One of the world’s largest private equity firms just issued a report concluding: “Despite massive investments and widespread hype around artificial intelligence, the technology has delivered zero financial payoff to corporate America outside of tech.”
1
210
目前LLM AI对过去可以吹枯拉朽,但是对定义未来有点无能为力。这是被涌现智能的数学规律约束的。
1
253
隐约觉得我们的桌面上是时候需要一个physical agent来统管所有的个人电子设备了? 特别是在机器人成熟前。
1
285
今天到处传这些漏洞安全恐慌,但是好像没有多少人意识到AI目前为止没有对去中心化区块链,造成一起实质性的hack?
1
310
一定要用最聪明的AI模型。因为人在用AI的时候,本质上就是在把AI的知识蒸馏到人脑的过程。但是蒸馏效率以使用方式而因人而异。不用就是0蒸馏。所以AI的商业模式最底层的基础就是类似知识付费。然后在这个之上,有各种衍生的方式。
2
3
4
408
Tesla这么搞,可以把安全做到极致。传统汽车安全气囊只能侧翻,摔落,还有重物压顶这些场景保护不足。但是现在可以通过飞行技术,把这三个场景保护起来。
1
297
REA的开发者 @morluto 把AI逆向anything与当年苹果乔布斯 逆向Altair的homebrew computer club联想在一起,真是强大的精神内核啊。哈哈
267
终于等到这种living weights的牛人方案了。
Every open model ships frozen. What if it could learn and update its own weights as it's being used? I have been working on a bit of engineering called Living Weights for about three months, and I think it's time to release it. The model becomes uniquely yours, no KV stashing, no MD files, no trickery.... just live learning. 😎 Unload the model, move it to another machine, and it still knows what you told it. Could this be the start of recursive self improvement for local AI? It drops in the latest TensorFold release today, with support for @NVIDIAAI Nemotron Lightning. 🤯👀 @abheer @sundeep @NaderLikeLadder Special thanks to @volatilemarkts for the name.
1
353
云这个业务的商业模式,过去基本上是to b。但是agent的computer use把云业务增长扩张到to c端了。趋势非常确定。
3
303
查了一下这个nrf9151 这个芯片,还真是一个iot lte m1终端芯片,这些低端芯片可以做到这么小了。也就是说有人把整个ledger 内部的mcu都替换成一个lte 模块,整个钱包内脏已经被替换了。用户买到的就是一个100% 假的ledger钱包,只有外壳和显示屏幕是真的。
这个瓜越来越大了。被指控,在向用户售卖植入间谍芯片的比特币硬件钱包经销商 CryptoBillis,被曝上半年,将该公司转让给了一位中国老哥,资料显示他名字叫 JIA MING,定位在黑龙江五常市。 而同一时间,居住在东京的 Karpelès,在日 本亚马逊,从一位中国卖家,买的加密货币硬件钱包 Ledger 上。 拆解硬件后,发现了里面带有 LTE、eSIM、天线,可以远程读取用户存放比特币、以太坊的助记词私钥,这样用户在向其硬件钱包存放加密货币前,间谍芯片可在设备显示助记词时,截取屏幕内容并外传,从而拿到助记词私钥,最终将加密货币转移。 目前预计的被盗损失已超过 8600 万美元,涉及数百个钱包,包括比特币、以太坊等,由于很多被植入间谍芯片的设备,还在被用户激活和存放加密货币,这个损失可能还将进一步扩大。
1
305
张峰5月份的讲座介绍了新的递送系统实现, 已经可以把蛋白质,rna,dna这些payload都送入目标细胞,而且不会引起免疫系统反应。 快把动物免疫系统渗透成一个筛子了。
1
4
480