MC
4周前
💥🔋全球最大规模的特斯拉超级充电站,现已在加州 Lost Hills 全面开放。这一站点的规格,已经远远超出传统意义上的“充电站”,更像是特斯拉能源生态的综合枢纽。 1️⃣ 164 个充电车位,直接刷新世界纪录 Lost Hills 站点共设有 164 个超级充电车位,成为目前全球规模最大的 Supercharger 站。 配置中还包含 12 个可拖挂车辆使用的穿越式车位,方便拖车、露营车、皮卡等大型车辆进出。 2️⃣ 11 MW 太阳能系统 + 大面积地面光伏阵列 整个站点覆盖 30 英亩土地(相当于 20 多个足球场),配备: • 11 兆瓦太阳能阵列(含地面光伏与车顶光伏棚) 这让站点具备接近“自发自用”的能源能力,进一步降低电网压力。 3️⃣ 10 台 Megapack,总储能 39 MWh 站点搭载: • 10 个 Tesla Megapack • 总储能 39 MWh 这相当于可支撑上千辆车同时快速充电,并在高峰时段提供电网稳定性。 4️⃣ 这代表什么? Lost Hills 的落地,基本确认了特斯拉未来充电网络的方向: 充电站不再只是补能点,而是太阳能 + 储能 + 超充的分布式微电网。 这对特斯拉意义重大: • 降低电网依赖,提高运营稳定性 • 可为未来 Robotaxi 提供 24/7 自主补能能力 • 推动 Megapack 商业化部署加速 • 在能源业务中形成可复制的“标准节点” 一句话总结: Lost Hills 是特斯拉能源版图的模板,标志充电网络正从基础设施升级为能源基础设施。 你认为特斯拉会在美国快速复制这种“能源一体化超级充电站”吗? $TSLA #Tesla #Supercharger #Megapack #EnergyStorage #EV #ElonMusk
中国的现代通信史存在一个罕见的断层 这个断层并非源于技术落后,也并非错过某个关键风口,而是制度结构、语言特性与历史轨迹共同塑造的结果。 正是这一结构性断层,使中国跳过了全球通信史上至关重要的“字符时代”,即由电传打字机与Telex系统主导的自动化通信阶段。 从国家制度到商业规范,从语言体系到技术路径,中国实际上自民国以后一直到改革开放伊始,缺失了长达半个世纪的“字符自动化文明”。 民国的电报体系虽具现代形态,本质上仍是“汉字无法直接进入通信机器”这一现实制约下的过渡产物。 汉字数量庞大、键盘难以承载、编码体系不统一,迫使电报系统依赖于“四位数字电报码”、人工译码以及电报员的记忆与查表能力。 当时外交与军事通信中常见的“艳电(29日)”“马日(21日)”等用语,并非修辞手法,而是系统性的信息压缩规则。 它们揭示了一个根本现实:汉字字符无法直接进入通信链路,必须被转译为机器可读的数字符号,再由人工还原为文本。 1949年以后,长期处于战争动员、政治运动、资源匮乏与基础设施薄弱的环境中。电话、交换机、打字机均未普及,键盘训练体系几乎不存在,汉字打字机的研究也长期停滞。 通信行业在长达三十年的封闭状态中,延续了民国时期的人工电报文化,未能与国际上快速发展的电传技术接轨。 与此同时,西方正不断深化其“字符文明”。Teletype、Telex、Tlx网络、ASCII控制字符、合同自动打印、SWIFT系统的前身、航空调度系统等,本质上都是“键盘—字符—线路—打印机”这一机制的体系化延伸。 这套体系塑造出“字符即法律”“打印件即合同”“终端即办公桌”的制度逻辑。 改革开放之后,中国首次真正接触到Telex系统,但仅限于外贸领域。因此在1980年代,极少数人的名片上会出现“TELEX: xxxx CHINA”的字样。 这成为中国与世界接轨的一道缝隙,但Telex并未因此渗透进中国社会,也未形成制度文化。 一个颇具象征意义的细节是:美国大使馆曾要求中国签证申请人提供“中文电报编码”,并非美方固守旧制,而是他们的全球系统只能处理ASCII,不能接收汉字。 这个看似技术性的要求,实际上暴露了更深层次的问题,中国在字符自动化阶段的缺席,使得我们的语言体系与全球数字系统之间存在根本性的隔阂。(这也为后来早期中国程序员难以理解“回车”“换行”等基础概念埋下了伏笔。) 随后,传真机的普及让中国彻底跳过了整个字符时代。传真技术天生兼容汉字体系:无需编码、直接扫描、以图像形式传输、不依赖字符集。传真机成为东亚语言的完美载体,而Telex则是字母文化的自然延伸。 于是,中国从“民国人工电报”阶段直接跃入“图像传真”时代,字符文化缺席,图像文化无缝衔接。 这就形成了一个在世界通信史上极为特殊的断层:字符终端文化在中国几乎从未存在。 我们没有ASCII文化的积淀,没有控制字符的记忆,没有终端音响的共鸣,没有合同自动打印的惯例,没有“CR/LF”的工程背景,也缺乏“口头不算数,打印才作数”的商业制度环境。(这种缺失直接影响了后来中文编码体系的发展路径,促使中国必须寻找独特的解决方案,后续文章将详细探讨CJK统一表意文字与多字节编码标准的诞生过程。) 制度路径、语言结构和技术节点的三重作用,共同造就了这一结果:中国并非落后,而是沿着另一条阶梯,跃入了数字时代。 今天回望,我们拥有了Unicode、互联网、移动终端和全球最大的数字生态,但我们始终缺乏“字符通信”本身所奠基的文化土壤。 我们是从“数字化的汉字”直接跨入“图像化的纸张”,再跃进“网络化的数据包”。我们绕过了Telex时代,也绕过了由字符技术所塑造的一整套制度经验与社会行为模式。 这个独特的断层,不仅塑造了中国的技术路径,更深刻地影响了我们的数字文化基因,那些在早期互联网建设中显现的理解隔阂,那些在编码标准制定中的艰难抉择,都是这一历史路径的当代回响。
大白话讲解谷歌TPU VS GPU #### 1. TPU 诞生的真正原因(2013-2015) - Google 谷歌发现:如果每个安卓用户每天用语音搜索 3 分钟,现有 CPU/GPU 算力要让全球数据中心翻倍。 - 结论:必须自研 ASIC 专门跑矩阵运算(神经网络推理),否则 AI 成功会把自己“撑死”。 - 从立项到量产仅 15 个月,2015 年就已经在 Google 搜索、地图、照片、翻译背后悄悄运行。 #### 2. TPU vs GPU 的本质区别 - GPU:通用并行处理器,背着“图形渲染”历史包袱(缓存、分支预测、复杂调度等)。 - TPU:极简“领域专用架构”(Domain-Specific Architecture) - 核心是 **Systolic Array(脉动阵列)**:权重只加载一次,数据像血液一样单向流动,几乎不回写内存,彻底解决冯诺依曼瓶颈。 - 最新一代 TPU v7(Ironwood,2025 年 4 月发布)单芯片规格: - 4,614 TFLOPS(BF16) - 192GB HBM(与 Blackwell B200 相同) - 内存带宽 7,370 GB/s - 性能/功耗比比上代 v6e(Trillium)提升 100% #### 3. 真实性能对比 - 推理场景下,TPU 性价比普遍比 Nvidia GPU 高 30%-100%(看具体工作负载) - 典型说法: - “同样的钱,8 张 H100 的活,1 个 TPU v5e Pod 就能干” - “TPU v6 比 Hopper GPU 省电 60-65%” - “老一代 TPU 降价极狠,新一代出来后上一代几乎白送” - 即使 Jensen Huang 也承认:ASIC 里只有 Google TPU 是“special case”。 #### 4. TPU 普及的最大障碍 - 生态锁死:程序员大学学的是 CUDA + PyTorch,TPU 用 JAX/TensorFlow(虽已支持 PyTorch,但库仍不完善) - 只能在 Google Cloud 用(AWS/Azure 都没有),数据迁移成本(egress fee)极高,企业不敢 All-in - 目前主要赢在推理,训练虽强但 CUDA 生态仍占优势 #### 5. 对 Google Cloud 的战略意义 - AI 时代云服务毛利率从 50-70% 暴跌到 20-35%,因为大家都在给 Nvidia 打工(Nvidia 毛利 75%)。 - 谁能用自研 ASIC 摆脱 Nvidia,谁就能重回 50%+ 毛利。 - 三大云厂商自研 ASIC 进度:**Google TPU >> AWS Trainium > Azure MAIA** - Google 已把 TPU 设计前段(RTL)全部握在自己手里,Broadcom 只做后端物理实现,Broadcom 毛利率被压到 50% 左右。 - 内部:Google 搜索、Gemini、Veo 等全部用 TPU 推理;对外 GCP 客户要 Nvidia 才给 Nvidia。 - **TPU 是 GCP 在 AI 时代翻盘、抢回云市场份额的最大王牌**。 - Google 正疯狂扩产 TPU v7(Ironwood) - 外部客户 2025 年底才开始大规模拿到 - 业内预计 2026 年 Google TPU 出货量将出现爆发式增长(与你之前那张 UBS 报告提到的“Google TPU v7p 明显放量”完全吻合) **总结:** Google TPU 是目前唯一真正能和 Nvidia 掰手腕的自研 AI 芯片,尤其在推理时代具备压倒性性价比优势,未来 5-10 年将是 Google Cloud 最大护城河,也是台积电 CoWoS 封装需求暴涨的最重要驱动力之一。