avatar
勃勃OC
4周前
来自《The Information》的最新消息：$GOOGL 正在与 $META 洽谈，拟允许他们使用/运行谷歌的 TPU。
#GOOGL #Meta #TPU #合作 #科技
avatar
让 ChatGPT 分析了下过去两年发的推文😆
#ChatGPT #推文 #社交媒体 #人工智能 #个人动态
avatar
Y11
4周前
高端招聘：Meshy 招 后端开发工程师（P6-P7） ----- 后端开发工程师 Meshy 职位描述 与跨职能团队合作，确保功能按时、高质量地交付； 根据需求和设计文档进行详细设计、编码和单元测试； 参与代码评审，分享最佳实践，推动团队技术能力的提升； 开发和维护运行在 Kubernetes 环境中的分布式、稳定且可扩展的程序，为数亿用户提供服务； 通过轮值值班支持和调试生产环境中的问题； 职位要求 3 年以上后端开发经验； 具有 SQL 数据库（MySQL、PostgreSQL 等）使用经验； 精通至少一种后端语言：Golang、TypeScript、Python 或 Java； 对分布式系统、REST API 和后端微服务有丰富经验； 熟练掌握常用数据结构与算法，拥有优秀的编码习惯和风格； 具备优秀的书面与口头沟通能力，能与相关方建立共识； 能独立分析和解决问题； 能快速学习新技术； ------ 报名地址详见： 搜索。
#Meshy #后端开发工程师 #P6-P7 #Kubernetes #招聘
avatar
AI 文案能力倒置定理 作者：dontbesilent 核心定理 当一个人抱怨 AI 生成的文案「有 AI 味」时。这种判断往往揭示了一个有趣的现象：评判者将本该由自己承担的审美责任。不自觉地转移给了工具本身。 三大公理 公理一：审美能力决定判断标准 一个人对文案好坏的判断。取决于他是否具备逻辑审美能力。没有这种能力的人。无法建立真正的评判规则。只能抓住「AI 味」这种表面特征作为伪标准。 公理二：能力缺失导致态度缺失 对文字的尊重态度。源于对文字质量的判断能力。当一个人不具备逻辑审美能力时。他无法形成「什么是好文案」的认知。因此也无法建立尊重文字的态度。 公理三：工具放大使用者的本质 AI 是能力放大器。而非能力替代品。有审美能力的人用 AI 提升效率。没有审美能力的人用 AI 暴露缺陷。然后将责任倒置给工具。 三大推论 推论一：抱怨 AI 的人恰恰不懂文案 越是强调「AI 味」的人。越可能缺乏真正的文案判断力。因为他们无法指出具体问题。只能用模糊标签掩盖自己的能力空白。 推论二：「AI 味」是伪标准的自我安慰 当失去真正的评判标准时。人们会制造伪标准来维持判断感。「AI 味」就是这样一个让人自以为有鉴别力的安全区。 推论三：责任倒置是能力倒置的必然结果 把文案质量的责任推给 AI。本质上是把自己应该具备的审美能力倒置给工具。这种倒置让使用者永远停留在「抱怨者」而非「创造者」的位置。 结论 AI 时代的真正分水岭。在于使用者能否驾驭工具的输出——那些习惯抱怨 AI 的人。其实是在用工具的镜子。照见了自己能力的边界。
#AI文案 #审美能力 #责任倒置 #能力边界 #伪标准
avatar
早知道几个月前该买一块 4T 的硬盘的。接入微服之后，再也不想回到以前的原始时代了。
#4T硬盘 #微服务 #原始时代 #后悔 #技术体验提升
avatar
Richard
4周前
#每日推荐 ZenMux - 企业级大模型聚合平台 - 提供统一 API、自动路由、全局低延迟节点和保险赔付机制 - 提供一键接入 Gemini 3.0 Pro、Nano Banana Pro、Anthropic  Opus 4.5 等最新模型 - 降低运维成本并提升可靠性 黑五期间：充值 $100 直接送 25% 的 Credit 地址：
#ZenMux #大模型聚合平台 #Gemini 3.0 Pro #黑五优惠 #企业级
avatar
我这两天仔细研究了一下Google的TPU，简单写一下我的初步结论： 1. Google TPU在特定的场景下，例如超大规模模型训练(万卡)和推理上，能效比超过了同等算力的英伟达GPU，能效比应该至少提升30%，也有说更高的。 为啥TPU强？ 除了TPU是更有针对性的ASIC之外，TPU为大规模并行计算做了硬件的优化(光互联)和软件的优化(JAX/XLA)，从理论上就优于更加考虑通用性和兼容性的GPU。 2. Google的TPU也拥有一个虽然规模小很多，但是完整的软硬件生态，就是JAX/XLA/TPU，类似于英伟达的Pytorch/CUDA/GPU。 如果说英伟达的生态是PC/Windows组合的话，Google就是Mac/MacOS组合。英伟达是大众普及型，兼容性好，市占率高；而Google是小众的，兼容性差，专业用户心头好。 只有那些极致追求性能，并且需要超大规模训练和推理的厂商有必要使用JAX/XLA/TPU，其他人其实没啥必要，得不偿失。 当然Mac机也可以跑Windows，PC机也可以装MacOS，所以马斯克的xAI虽然使用英伟达的H100 GPU，但用的是JAX，为了追求极致的压榨性能。 3. 想要自研AI芯片的，你得能搞出来一整套JAX/XLA/TPU来。Google搞TPU和Tensorflow/JAX有好多年历史了。其他想要复制Google自研芯片的，无论是AMZN，MSFT，META，我的判断是：没戏！ 因为你不是找AVGO设计ASIC芯片那么简单的事情，你要配合设计XLA编译器，设计JAX这样的并行计算框架，现有的软件还要适配和兼容，那就不是两三年可以搞定的。更何况AMZN，MSFT，META自己训练模型都没搞出来啥成果，你还搞更底层的？不配啊！ 所以结论：Google的成功不可复制。 4. Google会不会卖TPU，冲击英伟达的主营业务？ 从逻辑上来说基本不可能。因为TPU只有在超大规模训练和推理上有明显优势，但兼容性差，会JAX的程序员也少，编程门槛还很高。因此TPU在非大型客户市场，根本不具备竞争力。 而大型的潜在客户无非就是那几个：OpenAI，Anthropic，AMZN，MSFT，META，xAI，Oracle。不是大模型厂商，就是云厂商。 OpenAI是Google的模型直接竞争对手，AMZN和MSFT是Google的云市场直接竞争对手，你说Google会不会资敌？我说不会。 而xAI呢，马斯克和OpenAI，Google都是死敌。 Anthropic倒是Google投资的，所以Anthropic租用Google云的TPU训练Claude模型。而META现在求着Google想买TPU，这两家竞争关系不那么强，我猜大概率也不会卖。 这么算下来，其实直接卖TPU没多少市场的。所以Google的现在做法就是在云上卖TPU算力，这个就香多了。想追求极致能效比的大规模推理，又不想自己建机房的，用Google云服务不就是最好的吗？ 5. 对英伟达的冲击：有，但是没有那么强。 前面说了，Google的成功不可复制。所以其他客户还是会买英伟达。真正减少的市场份额主要是两类： 1. Google自己会减少对英伟达GPU的采购需求； 2. 租用Google云端TPU的厂商，例如Anthropic会减少对英伟达GPU的采购需求； 所以英伟达在未来的2-3年内，可能统治力会稍有下降，例如AI算力芯片的市占率从90%缓慢下滑到80%左右。但我认为并不会改变英伟达的商业逻辑。 就像苹果Mac电脑的普及，虽然让Windows的市占率从99%下降到了90%。但不改变Windows的垄断格局。最终颠覆Windows的是PC市场饱和了，然后手机市场兴起了。 6. Google确实现在很厉害，非常厉害 1. AI算力上，在超大规模的模型训练和推理方面，拥有了完整的生态闭环：JAX/XLA/TPU，不输英伟达； 2. AI Infra上，Google Cloud虽然市占率不如AMZN和MSFT，但成长速度很快。而且TPU的租赁费用相比GPU还有价格优势； 3. AI模型上，Gemini 3在很多方面完全不输GPT-5.1，甚至有超越，基于云成本优势，Gemini可以提供更便宜的API调用价格，这样反过来还能提供Gemini优势； 4. AI产品上，搜索+AI Mode；知识产品Notebook LM；还有生成式UI这样惊艳的创意。考虑到Google海量的C端用户体量，实际上非常有希望。 关键是Google在以上的AI领域形成了一个从硬件、基础设施、模型和产品的完整闭环，还能互相加强。 所以我的结论就是：在英伟达已经有不小仓位的情况下，我打算把本来加仓英伟达的钱留给Google了。
#Google TPU #英伟达GPU #AI芯片自研 #JAX/XLA #AI生态
avatar
池建强
4周前
你有豆包元宝，我有小墨。 墨问作为一个创作者工具和社区，在 AI 时代提供一个智能创作助手是我一直想做的事情。之前在搞大模型集训班的时候，就设计过小墨机器人的 Demo。 现在小墨的第一个版本终于来了。它会是墨问里一个正常的账号，它可以被关注，但不需要关注其他人。将来它也可以通过 AI 能力创作一些自己的作品，这是它的一个属性……
#墨问 #小墨 #AI创作工具 #创作者社区 #人工智能
avatar
node.js ai sdk ，在后续发布的 v6 中会增加 rerank 的相关方法，在此之前，做 rag 的 rerank 时候需要用普通的对话模型，或者使用 api 来封装
#Node.js #AI SDK #rerank #RAG #v6
avatar
Orange AI
4周前
AI 把我家两只猫的神韵抓的太到位了。。。
#AI #猫 #神韵 #宠物 #趣味
avatar
考虑在线下课加一个环节：如何用 gpt-3.5-turbo 写出好文案 claude-sonnet-4.5 写出来的文案，很多时候依靠的是模型能力，而不是创作者的提示词能力
#GPT-3.5-turbo #文案创作 #提示词能力 #Claude-Sonnet-4.5 #模型能力
avatar
宝玉
4周前
最近数学圈发生了一件很有意思的事。 世界顶级数学家陶哲轩在解决一个 Erdős（埃尔德什）的经典问题时，全流程都在用 AI 做助手——从证明草案，到简化证明，再到形式化验证。 Erdős 是20世纪最高产的数学家之一，一辈子发表了1500多篇论文，提出了无数开放问题。数学圈有个著名的"埃尔德什数"——如果你和他合作过论文，你的埃尔德什数就是1；和他的合作者合作过，就是2，以此类推。爱因斯坦的埃尔德什数是2。 后来有人专门做了一个网站，把他的很多未解决/已解决问题系统整理出来，这就是 Erdos Problems 网站。 陶哲轩讲的是其中的第 367 号问题，属于数论里的一个具体问题，专业数学研究级别的问题。 解决过程大概是这样的： 一位数学家 Wouter van Doorn 先给出一个人类手写的反例证明草案，但里面有一个关键恒等式他没完全证明，只是说：“相信有人能帮我确认一下”。 陶哲轩把这个恒等式扔给 Google 的 Gemini Deepthink 模式。大概十分钟后，Gemini 给出了一份完整证明，还顺带确认了整套论证是成立的。 Gemini 的证明用到了 p-adic 等比较高级的代数数论工具，对这个具体问题来说有点杀鸡用牛刀。于是陶哲轩花了半小时，把 AI 的证明手工转化成更基础、更易懂的版本。 两天后，另一位数学家 Boris Alexeev 用一个叫 Aristotle 的工具（基于 AI + Lean）完成了全套形式化证明，还特意手动检查最终结论，以防 AI 在形式化过程中存在编造。 陶哲轩觉得还没完，又用 Deep Research （同时用了 ChatGPT 和 Gemini）做了一轮文献搜索，看这个问题有没有前人类似工作。结果找到了若干关于连续幂数的相关论文，但没有直接解决第 367 号问题。 整个流程：人类提出猜想 → AI暴力证明 → 人类简化优化 → AI辅助形式化验证。 都在说 Gemini 3 已经到了博士生水平，看来所言非虚，这些事情真的需要数学博士级别才能做的出来，但另一方面，真正的数学家也并没有被 AI 代替：是人类决定哪个问题值得解决，是人类判断AI的p-adic方法太重了需要简化，是人类手工完成最终的形式化表述以验证 AI 的结果是否准确。 AI 做的是那些需要大量计算、符号推演、但方向已经明确的体力活。在 AI 时代，问对问题、甄别结果，比以前更重要了。
#陶哲轩 #AI辅助数学 #Erdős问题 #Gemini #数学研究
avatar
google 的底层模型追上了 openai，但是，google 的 ai 产品，从功能到体验还显著不如 ChatGPT。 openai，是要成为 ai 领域的 apple。一方面掌握核心技术，一方面切入最普通用户的消费场景，把 ai 做成“消费品”（而非仅供 pro 用户的生产力工具）。
#Google #OpenAI #AI产品 #ChatGPT #消费品
avatar
Baye
4周前
用 Opus 4.5 测试了 Swift 和 Go，效果非常好。生成代码比 gpt-5-codex-max 强，修复杂 bug 的能力也不相上下。我愿（短暂）称之为最强编程模型。就是太贵了，5 个任务可能就会用光普通订阅 5 小时的配额，比 codex 用的快很多。
#opus 4.5 #Swift and Go #编程模型 #代码生成 #Bug修复
avatar
AI 时代最大的风险不是「学得慢」， 而是「不开始」。 别等完美计划， 别等想清楚， 别等有时间。 从清单里选 1 件， 今天就做，现在就做！
#AI 时代 #行动 #开始 #风险 #积极
avatar
RamenPanda
4周前
x上原来还有这么多人不懂规模经济这样的常识，认为中国把激光雷达这样曾经高溢价的东西，通过规模化生产的工业实力供成白菜价是错事。真是可悲又可笑 你以为美国不想把激光雷达干成白菜价吗？它能做到早就做到了！冷战时期的例子： 美苏冷战时期，还是工业国的美国，利用规模经济分摊了争霸成本，而苏联只能靠国库硬扛昂贵的单品 * 芯片白菜化：美国把军用芯片塞进计算器和游戏机，把成本压到地板；苏联芯片仅供军用，无法量产分摊，造价天价 * 军备成本战：美国搞“星球大战”依托成熟的民用电子工业，花小钱；苏联为跟进必须从零搭建体系，被迫烧掉GDP的25%，直接导致财政枯竭 * 生活落差：美国工业化生产的牛仔裤和粮食是廉价日用品；苏联却要用石油外汇去买这些“白菜价”商品，“美帝的廉价货成了苏联的奢侈品”，直接摧毁了自信心 能不能把高溢价的东西干到白菜价是衡量工业实力的表现！
#规模经济 #工业实力 #激光雷达 #中美对比 #冷战
avatar
为什么 AI 经常会写 “请你记住”、“真相是 xxx”、“不是 而是” 因为无能的创作者会频繁使用祈使句制造紧迫感，尝试用语气的强度去代替逻辑的强度 真正的解决方案不是让 AI 禁用语气表达，而是帮助 AI 建立逻辑
#AI #语气表达 #逻辑 #祈使句 #解决方案
avatar
卫斯理
4周前
提供稳定不跑路有售后且优惠的 ChatGPT team的车位 需要发送消息 ，​价格十分优惠 数量有限，先到先得🎉🎉🎉 ​ * 无限制 GPT-5 *每周 200 次 GPT-5 thinking *有限次数的GPT-5 Pro * 支持codex: cli/vscode
#ChatGPT #GPT-5 #优惠 #车位 #数量有限
avatar
Leo 的軌道其實比 Starlink 高，但是極限可以做到 Starlink 兩倍的帶寬。這是如何做到的？Starlink 我家屋頂的待機60～100W，工作起來有150+W。更遠的距離意味著更精準的相控天線對齊精度，還需要更大的通訊功率。如果沒有黑科技，這東西難道要300W起步麼？😳目前還沒看到相關的細節。
#Leo #Starlink #带宽 #相控天线 #通讯功率
avatar
关心自己的文案有没有 AI 味的人，很多 关心自己的文案好不好的人，很少 似乎只要没有 AI 味，烂文案也可以接受 然而，英雄是不问出处的
#AI文案 #文案质量 #内容价值 #英雄不问出处
avatar
所有「去 AI 味」的提示词，都是不懂文字的人写出来的 因为去 AI 味是伪命题 核心问题在于，这个文字到底像谁 只要它像任何一个人，就不会像 AI 人味从来不是依靠去除什么得来的，而是靠注入什么获得的
#AI #人味 #文字创作 #风格模仿 #表达方式
avatar
我有个哥们招程序员，就 问一个问题：你的技术是不是自学得来的，或者说进阶技术是不是边学边自己研究改良得来的。如果回答是学校里教的，就不再谈下去了。
#程序员招聘 #自学能力 #技术进阶 #实践经验 #非科班
avatar
汉松
4周前
一图胜千言，哆啦 A 梦学习法太强了。以后看论文和技术文章，都可以用这个方法快速了解原理。（使用方法见评论区）
#哆啦A梦 #学习法 #论文 #技术文章 #快速了解
avatar
sitin
4周前
最近在研究出海项目的 SEO， 发现一个很实用的找词工具：Keyword Tool。 它能抓取各个平台的自动补全词， 不仅有 Google，还有 YouTube、Amazon、TikTok、App Store。 真正的价值在于——它能让你看到不同平台的搜索逻辑。 比如做 SaaS 官网，就看 Google： 用户在找“CRM for small business”这类解决方案。 做视频推广，就切到 YouTube： 关键词会变成“CRM tutorial”或“CRM review”。 做电商，就查 Amazon：热搜词直接反映用户痛点。 我一般这样用： 用 Keyword Tool 挖长尾词； 把潜力词放到 Google Trends 看热度； 最后丢进 SimilarWeb 验证竞争度。 免费版虽然不显示数据，但词很全。 做内容、SEO、广告投放都够用了。 一句话总结： Keyword Tool 负责挖词，Google Trends 负责看方向。
#SEO #关键词挖掘 #Keyword Tool #Google Trends #营销工具
avatar
不懂就问，对方想要用我的 Google Play 账户上架 app，这是什么新型骗局？
#Google Play #上架app #账户安全 #新型骗局