勃勃OC
1小时前
关于NVDA财报的乐观总结: 需求持续性:这次可能真的不一样 历史学家 Carlota Perez 有个知名理论:每次技术革命(铁路、广播、互联网)都会经历”泡沫→过度建设→崩溃→黄金时代”的循环。市场对英伟达的低估值,本质上是担心这个历史剧本重演——即资本开支泡沫导致算力过剩、需求崩塌。 但这次可能不同,核心论据是瓦特(电力)和晶圆的双重短缺:超大规模云厂商(Hyperscaler)即便想过度建设也做不到,因为物理资源不够。历史上那些先例技术革命,并没有遭遇类似的供给硬约束。 台积电(TSMC)的管理层风格保守稳健,不会激进扩产,这反而可能”单枪匹马”地防止行业过热。作者认为这反而是好事——供给约束会使AI算力周期更平滑、更持久,对市场和人类社会都更有益。 GPU使用寿命:比预期长得多 GPU的租赁价格是衡量AI经济价值的”心跳”,理应随着更新型号的推出而下降。但现实是:已有近四年历史的H100,过去两个月租赁价格反而急剧上涨;甚至六年前的A100在AWS上仍然满负荷运转,每小时定价依然坚挺。 这一反常现象说明:GPU的实际有效寿命至少达到6年,超过大多数客户的折旧年限。这带来几个推论: 1. GPU的融资成本将下降,因为残值比预期更高; 2. 相比之下,ASIC(专用芯片)劣势明显——针对单一模型优化的芯片,在AI快速迭代的今天难有长寿命,融资成本更高; 3. GPU的通用可编程特性是其长寿的根本原因,而即将推出的SRAM芯片用于解码(decode)将进一步延长GPU生态的生命周期。 生态系统竞争:英伟达正形成成本优势 英伟达正在推进预填充(prefill)与解码(decode)的分离架构,且很可能比谷歌TPU生态更早实现。结合英伟达Rubin系列的激进设计,以及谷歌TPU v8的保守设计和缺乏交换式扩展网络结构,英伟达客户在推理成本上可能首次形成对谷歌的优势。
勃勃OC
4小时前
昨天首次试用了Claude在Mac上的app,第一次就感觉这玩意和ChatGPT真的不大一样。 ChatGPT我也是在下载好app里使用,所以我的比较应该是公平的 因为最近要办事,我需要填写一个表格文件,我大概知道这个表格的名字;在Claude里,我输入表格的名字和我的需求,Claude能直接去网上搜素——这当然没什么稀奇,ChatGPT也能做 但更奇特的是,他找到官方的网址之后,在没有我干预的情况下能提前把表格的word格式找到并下载,下载好之后还能阅读,根据表格里的问题向我提问,比如姓名地址基本信息等等,甚至还有一些选择题,我回答之后,才发现这些问题就是表格里的问题,他直接帮我填在了表格里 填写好之后,他还会在右边打开一个新的窗口,预览这个填好的文件,可以直接下载。整个过程行云流水,没有一个环节出了bug需要重试 同样的流程,如果换成ChatGPT则一般是这样的: 1. 要么是找到的链接已过期——这经常发生; 2. 要么是告诉我他无法下载这个文件;我需要自己下载好之后上传给他 3. 上传之后提取的文字信息也不准确,经常漏掉表格中的问题,也不会主动问我问题填表。需要我不断promt他,才能帮我把表格填完 填好之后,生成的word文件格式大部分也是错的,会丢掉部分信息(比如表单的层次、标题等等),甚至之前还经常出现生成文件失败无法下载的错误 看起来ChatGPT真的不大行了。聊聊天还可以,让他处理这种简单的表单文书工作,竟然都输给了Claude。 这还是在ChatGPT是付费版,Claude是免费版的情况下进行的对比 可惜我不怎么写代码,不然真的要给Claude续费了 😅😅😅
勃勃OC
15小时前
稍微总结一下刚才科学Space的主要内容。我觉得第二部分,关于“细胞、生命和智能”的讨论更有趣 我认为,这个世界其实存在两种“智能”,分别是第一类智能,和第二类智能 细胞属于第一类智能,而且是“完全智能”体。这点从细胞内部进化出来的分子马达、离子泵、RNA编译、细胞器、沿着细胞骨架进行的分子搬运,以及极度复杂但又被控制得无比精确的有丝分裂就能看出,21世纪之后出版的生物书应该都有介绍,这里就不再赘述 但我有一个更好的例子。大家想想,植物的大脑在哪里?很多人觉得植物没有大脑;但其实大家想不到,植物的大脑其实就是他的根。 植物的叶子、枝干、花等地面部分都是可以被随时牺牲的,所以你把他们砍掉也不会流血,植物也不会死(只要不是全部砍光);但根死了的话,植物就真的全死了 为什么说植物的根就是大脑?因为表面上看,根埋在土里不见天日,应该是“死了”吧。但根尖细胞实际上是一个复杂的决策系统,他能决定植物的根往哪里长。 如果植物缺水,他会在地下探索水源,往深处走;如果缺乏矿物质,他会和fungus(真菌)合作,利用细胞自带的探测分子嗅探矿物化合物,往有矿物质的地方生长。 什么时候需要什么,往哪里长;地面上什么时候发芽,什么时候长叶子,什么时候开花;修剪之后怎么重新生长,都是根部“大脑”的功劳。 所以从某种意义上说,植物的根,和草履虫,和动物大脑,没有区别,都具有复杂的通信、感受和决策能力,而且一点也不慢,只不过植物的根不是运动,而是生长而已,生长需要花更多时间。 事实上我认为,把生物按照“植物”和“动物”的分类本质上是有问题的。植物和动物其实根本没有区别,都是由具有完整“第一类智能”的细胞组成的。他们的本质都是细胞,或者说,都是草履虫的后代。 在“第一类智能”的基础上,由几百亿细胞组成的人脑所形成的智能其实是一种幻觉,专门处理“抽象的思维”,因此也叫“第二类智能”。 这种“抽象的智能”当然是有用的,比如它能形成逻辑,了解因果关系,探索宇宙的奥秘,发明工具 其实大部分多细胞动物,只要有神经系统,都具备一定程度的“第二类智能”。我们可以把“第二类智能”类比成大语言模型,只不过每个动物的“模型”大小不同,能力不同;人脑的模型大小最大,能力最强,但依然是“第二类”智能,不是“第一类”智能。 这种对智能更细致的理解事实上可以帮我们回答两个问题: 第一:LLM能否实现AGI,甚至超越人的智能? 答案是肯定的。因为人脑智能本质上是一种“抽象”的智能,也就是第二类智能。通过对语言和数据的模仿,LLM完全可以形成这样的“抽象智能”,并且从抽象中学会因果关系,也就是变得“和人一样聪明”。 第二:LLM是否能学会“具象”智能,也就是和李飞飞说的那样,了解“做菜的全部细节”?和这个地球互动?答案是否定的。因为真正和物质分子产生互动的是细胞,而不是人脑,这属于“第一类智能”。 人脑可以想像“吃饭”,但真正帮你消化的是细胞;人脑可以想像“有丝分裂”,但真正分裂的,还是细胞。 同样,因为无法真正的模拟细胞,LLM也不可能具备生物的“第一类智能”,无法真正的和世界互动,感受这个世界,乃至自我复制 “第二类智能”并不是什么神迹,他的秘密人类基本上已经要破解了 但第一类智能——细胞——为何能诞生,细胞又是如何规划、控制、发育、“思考”的,至今还是一个谜 这可能才是人类AI永远也无法企及的神迹