avatar
勃勃OC
1个月前
Sam Altman 刚刚表示，算力过剩几乎肯定会发生。 “算力过剩肯定会出现，不管是 2 到 3 年后，还是 5 到 6 年后，我现在没法告诉你，但它迟早会发生，而且很可能会在过程中出现不止一次。” 他解释了背后的驱动因素： 如果廉价能源大规模落地，目前那些长期产能与电力合同可能会变得非常糟糕，一些建设方会因此受损。 如果单位智能成本继续以非常快的速度下降（历史上约 40x/年），那么需求将激增，但之后可能会过度扩张，最终出现产能过剩。 在极端情况下，如果模型效率高到能在笔记本本地运行强大的 AI 助手，大量集中式算力建设可能会被闲置。
#Sam Altman #算力过剩 #AI #廉价能源 #产能过剩
avatar
宝玉
1个月前
关注 AI Agent 的力荐 MMC 的这篇刚发布的《State of Agentic AI: Founder’s edition》，不仅数据扎实，分析了问题，还提供了可行的解决方案。 今年 2025 年是公认的 AI Agent 元年，“Agentic AI” 非常火，新产品也层出不穷：Deep Research、Coding Agent、Browser use、Computer use …… 当然 Agent 争议也不小，一部分人认为没啥用，一部分人则觉得 Agent 无所不能，也无可厚非，大家都是主观感受 ，每个人使用场景都不一样，比如我自己就很喜欢 Coding Agent，真的能解决问题。但这种争议如果用数据说话就会有说服力的多，比如说这玩意儿，在真实的企业里，真的用起来了吗？ MMC 则是深入访谈了 30 多家正在做 AI Agent 的创业公司创始人和 40 多位企业里的实际用户，写了这篇报告：《Agentic AI 现状：创始人版》。 【1】真正限制 AI Agent 的，可能不是 AI 不够聪明 大部分都以为目前 Agent 最大的困难会是“AI 不够聪明”、“幻觉太严重”或者“太难和当前系统集成”。 这些确实是问题，但出人意料的是，在创始人眼中，它们排不进前三。 根据调查，部署 AI Agent 时的三大问题分别是： 1. 工作流集成 和 人机交互（占 60%） 2. 员工抵触 和 非技术因素（占 50%） 3. 数据隐私与安全（占 50%） 也就是说最大的障碍，是“人”和“流程”的问题。 1. “这玩意儿我该怎么用？”（工作流集成） 这是占比 60% 的最大难题。 一个 AI Agent 再牛，如果它是一个需要单独打开的 APP，需要员工在现有的工作软件（比如钉钉、飞书、Salesforce）之外，再打开一个新窗口去指挥它，那它的使用率注定高不了。 成功的集成，是把 AI 嵌入到员工已有的工作流里。比如，当销售在 CRM 里更新一个客户状态时，AI Agent 自动跳出来说：“我帮你把刚才的会议纪要总结好了。” 这已经不仅仅是个技术问题了，更需要企业改变观念，企业得先想清楚：“要集成这样的 AI Agent，我原有的工作流程需要怎么改？”这往往比买一套 AI Agent 难得多。 2. “它会不会抢我饭碗？”（员工抵触） 这是 50% 的创始人提到的信任危机。 我们得承认一个现实：在企业里，人类和 AI 的合作，目前大多不太愉快。 - 一种是“过度依赖”：员工把活儿全丢给 AI，自己不检查，结果 AI 出了错，比如给客户报了个错误的价格，酿成大祸。 - 一种是“过度怀疑”：员工根本不信 AI，AI 做的每一步，他都要自己再核查一遍。这非但没提高效率，反而增加了工作量。 更深层的，就是对被 AI 取代的恐惧。这导致员工在用的时候束手束脚，或者干脆阳奉阴违，不愿配合。 3. “我的数据喂给 AI，安全吗？”（数据隐私） 这也是 50% 的创始人提到的核心关切。 这个问题在金融、医疗等行业尤其严重。企业会担心：“我把内部的财务报表、客户病历交给这个 AI Agent 分析，这些数据会不会被拿去训练别的模型？会不会泄露？” 这种担忧，有些是真实存在的，比如需要符合 GDPR、ISO 27001 等合规认证，也有些纯粹是感觉上的。但无论哪种，都会让企业在部署时畏手畏脚。 【2】做得好的 AI Agent：高准确率和高自主性 既然有这么多困难，那现在做的好的那些 AI Agent，实际表现怎么样？ 这个报告给我很大收获的一点是它从两个维度来量化现在的 AI Agent：准确率（Accuracy）和自主性（Autonomy）： - 准确率：AI 干的活儿，多大比例是对的、被人类接受的。 - 自主性：AI 干活儿时，多大程度不需要人来插手。 理想状态当然是高准确+高自主。但现实是，超过 90% 的Agent创业公司声称自己的方案达到了 70% 以上的准确率。 所以 MMC 把 Agent 划分了三个分类（低准确率+低自主性的Agent就不配存在）： 1. 中准确、高自主： 适用于低风险、高重复、易验证的工作场景。比如自动给海量的营销邮件打标签。就算 AI 标错了 30%，但它帮你自动处理了 1000 封，你只需要人工纠错那些明显不对的，总体效率还是远超纯人工。 2. 高准确、低自主： 适用于高风险、高价值领域，比如医疗场景。比如 AI 帮你起草临床试验的研究报告。它必须保证 90% 以上的准确率，但人类专家必须在每一步进行严格审核（低自主权）。它扮演的是“超级助手”，而不是“决策者”。 3. 高准确率 + 高自主性： 这可以说是最理想的“甜点区”，是大家努力的方向。它适用于那些 AI 部署相对成熟或规则边界清晰的领域。比如客户服务、网络安全或金融合规。在这些场景下，AI Agent 已经足够可靠，达到 80%-90% 的准确率和自主性，可以被授予高自主权去端到端地处理任务。报告提到，这里的秘诀通常是将概率性的大语言模型与更具确定性的 AI 方法相结合，以提高准确性，从而进一步提高自主性。 【3】企业开始为 Agent 付费了 聊 AI Agent 落地，绕不开收费的问题，毕竟靠烧钱是无法持久的。 好消息是企业开始真掏钱付费了 报告发现，62% 的 AI Agent 创业公司，已经拿到了企业的“业务线预算（Line of Business budget）”。 这是个超级积极的信号。可能很多人不知道大公司内部的预算分两种：一种叫“创新预算”（Innovation budget），就是小金库或实验经费，数额不大，用完了算，大家图个新鲜。 而“业务线预算”，是各部门（如销售部、市场部、财务部）用来保证自己核心业务运转的支出。 当 AI Agent 开始动用“业务线预算”时，意味着它已经从可有可无的玩具变成了能帮我干活的生产力工具。 坏消息是现在还没摸索出最佳的收费模式 虽然知道这玩意儿值钱，但到底该怎么定价？报告显示，大家都在摸索，主流的两种方式是： 1. 混合定价（23%）：比如“基础服务费 + 超出部分按用量付费”。 2. 按任务次（23%）：AI 帮你干成一件事（比如发出一张发票），收一次钱。 而大家最期待的按照按效果付费（Outcome-based），目前只有 3% 的公司在用。 为什么？因为太难了。 比如，一个“销售 AI 助手”，它帮销售赢了个大单。这个功劳，到底 80% 算销售的，还是 20% 算 AI 的？怎么衡量？如果 AI 没功劳，企业是不是就可以不付钱？这根本算不清。 所以，目前最现实的还是按苦劳付费，而不是按功劳付费。 【4】最重要的部分：成功的 AI Agent 落地策略 既然 AI Agent 落地这么难，那些成功的 Agent 公司是怎么说服企业客户的呢？ MMC 的访谈总结出了一套非常实用的落地经验： 秘籍一：“Think Small”（从小处着手） 报告总结了一个非常务实的落地策略：Think Small (从小处着手)。 忘掉那些“彻底颠覆行业”、“全自动替换人类”的宏大叙事。成功的 AI 智能体，往往从一个非常小、非常具体的切口进入： - 起点： 选一个低风险、中等收益的任务。 - 关键： 选一个员工最讨厌干的活儿。比如，销售团队最烦的手动录入客户数据，或者财务团队最烦的核对发票。 - 定位： 永远不要说你是“替代品” (Replacement)，要说你是“副驾驶” (Copilot)。 你的目标不是让老板开除员工，而是把员工从那些重复、枯燥、没人想干的破事儿里解放出来。 当员工发现，这个 AI 真的帮我省了每周 5 小时填表的时间，信任的种子才算种下了。 秘籍二：“保姆式”服务（Hand-holding） 现在的 AI Agent 还远没到即插即用的程度。企业买的不仅是软件，更是一整套陪跑服务。 成功的创业公司都在用“前线部署工程师（FDE）”模式。这帮人既是程序员，又是咨询顾问，他们会直接“扎”到客户的办公室里，手把手帮客户梳理流程、清理数据、调整 AI。 同时，人机交互界面要做到“3E”： 1. Education（教育）：AI 要能主动教用户“我能干啥，你该怎么用我”。 2. Entertainment（趣味）：交互得有趣。 3. Expectation Management（预期管理）：AI 必须坦诚地告诉用户“我干不了啥”，别吹牛。 秘籍三：定位决定生死（Positioning） 最后，你怎么“说”你是谁，可能比你“是”谁更重要。 - 是“副驾驶”，不是“替代者”： * 一定要把姿态放低。你的产品是“Copilot”（副驾驶、领航员），是来“Augment”（增强）员工能力的，不是来“Replace”（替换）他们的。哪怕你的技术真的能替换掉 80% 的人，也千万别这么说。 - 看人下菜碟： * 在医疗这种保守行业，你最好少提“AI”，多谈“自动化”、“效率提升”。 * 在金融这种激进的行业，你就得猛吹“Agentic AI”，显得你很前沿。 - ROI 要具体： * 对于成熟流程，就说“节省了 XX 小时”或“降低了 XX% 成本”。 * 对于 AI 创造的新能力（比如“千人千面”的网页），就把它和你已有的工具挂钩，比如：“能让你的谷歌广告转化率提升 20%”。 【最后】 港真，年初的时候我还是 AI Agent 的怀疑论者，自从用了 Claude Code 后，我开始“真香”，变成了 AI Agent 的积极拥护者，也一直很关注这个领域的发展，这份报告质量还是很高的，尤其是给我最大感触的点是： 决定 AI Agent 落地成败的，最重要的因素已经不是模型能力够不够强，而是它怎么和企业内部的流程整合，怎么取得员工的行人，怎么证明它存在的价值。 另外从准确率和主动性这两个维度来量化评估 AI Agent，是挺科学的，现在很多的 AI Agent，主动性高了准确率可能就不够，准确率上去了主动性又不行，要做好 Agent，最终还是要做到像一个情商高的真人那样，在你还没开口时，就洞察到你的需求，默默帮你把事情搞定。
#AI Agent落地 #工作流集成 #员工抵触 #数据隐私 #准确率与自主性
avatar
大罗SEO
1个月前
人类文明的进步，本质上是一场持续的「信息提纯」。 从口耳相传，到印刷术，再到互联网与算法时代——每一次技术的演化，都是在提高信息的密度与筛选的精度。 在信息极度饱和的时代，每个品牌、每个内容都必须在提纯的过程中求生。 只是路径不同： 有的靠「声量」——用强势曝光去对抗信息的湮灭； 有的靠「密度」——用精准定位与核心价值穿透筛选。 前者适合有庞大预算的大企业，用钱堆出存在感； 后者属于资源有限的小品牌，必须更清楚地知道自己要被谁看到。 这两条路没有对错，只是赛道不同。 Marketing 的本质，不在于制造更多的信息，而是让真正有价值的信息能在层层提纯中留下。 以前我们叫它「搜索引擎优化」，那是搜索引擎替我们提纯信息； 而现在，在 AI 时代，我们反过来用 AI 去提纯信息， 让它帮我们筛选、推荐——这就是新一代的「AI 优化」。 本质没变，只是提纯的角色换了： ——过去是我们迎合算法，如今是我们与算法共炼价
#信息提纯 #算法优化 #品牌营销 #AI时代 #价值筛选
avatar
小弟调调
1个月前
DevHub v2.1 发布！离线、安全、实用的开发者工具集合，优化侧边栏样式并提升编辑器性能。 📥 💬
#DevHub v2.1 #开发者工具 #离线 #安全 #编辑器性能提升
avatar
arXiv Changes Rules After Getting Spammed With AI-Generated 'Research' Papers // 我之前就說 arxiv 越來越水了。😆
#arXiv #AI-generated research papers #spam #rule changes #negative sentiment
avatar
dontbesilent
1个月前
X 的 grok 算法给我一种端到端的感觉 就是算法发现某一篇内容用户喜欢看，然后就直接开始去推荐这篇内容 似乎没有什么中间值可以供参考 可能你会发现这一篇内容的点赞、转发和评论等各项数据都很差 但是算法就是能知道这个内容大家喜欢看，所以他就是会往前推
#X #Grok算法 #端到端 #推荐算法 #用户喜好
avatar
小径残雪
1个月前
10月22日，佛罗里达大学发现接种过新冠mRNA疫苗的晚期癌症患者的平均生存期从20.6个月上升到37.3个月，考虑到mRNA疫苗发现不久，后者病人存活数量还多，所以生存期预期提高一倍以上。这个发现一石激起千层浪，科学家随后跟进研究。发现： 1.只有对ICIs（免疫检查点抑制剂）敏感的肿瘤才有效。 2.只有mRNA疫苗在ICIs治疗前后100天的特定时间窗口接种才有效。 3.莫德纳（mRNA剂量更高）比辉瑞的更为有效。 相关机制还在摸索中，但显然对癌症治疗有巨大的启发作用。
#mRNA疫苗 #癌症治疗 #生存期延长 #免疫检查点抑制剂 #莫德纳疫苗
avatar
四舍五入我做了个 dify 😂
#Dify #四舍五入 #表情包 #幽默 #自嘲
avatar
Open AI 昨天跟亚马逊签了总额380亿美元的合作 OpenAI将立即使用AWS的世界级基础设施运行和扩展其核心AI工作负载，包括数十万颗NVIDIA GPU（GB200、GB300）和可扩展至数千万CPU的算力 最近疯狂并购和投资算力基础设施，可以期待 Open AI 明年的成果了
#OpenAI #亚马逊 #AWS #算力基础设施 #AI
avatar
sitin
1个月前
45 天，用 AI 写作， 也能搞小几千，对于高手来说不多，甚至少到看不上，除了一单 1500 因为大部分单子都只有 200-300， 但对于普通人赚个零花钱还是可以，下场弄脏手很重要。
#AI写作 #零花钱 #普通人 #赚钱 #副业
avatar
dontbesilent
1个月前
plaud 起来之后，钉钉 纳米 AI，都入局了 钉钉的价格和品牌，都对 plaud 有绝对威胁 这个市场有这么值得做吗
#Plaud #钉钉 #纳米 AI #市场竞争 #商业威胁
avatar
小弟调调
1个月前
ClashX 这是个新工具，有没有用过的呢？ 👉
#ClashX #新工具 #使用体验 #求推荐 #软件
avatar
今天把环境配置好，做出来一个文件名解析的AI小工具，用来把文件夹里合同名的字段自动导入到Excel做台账，用来提效挺好的， 我一年审500多份合同，每份都需要录入台账备查，以前这450多个合同，都是我人工导入Excel表的，每年干这个活都非常痛苦，外包也要几百块，现在用AI，1分钟就给我解析好了， 科技改变生活啊！就我这编程水平，也能用AI做出这种小工具，半天就ok，能省钱能省时间，多好， 也不需要部署，localhost都行，反正也就自己用，可以弄到vercel上去，下次用更方便
#AI小工具 #合同管理 #效率提升 #省时省力 #科技改变生活
avatar
去年 Lenny Newsletter 搞聚合 AI 产品打包的会员的时候，我就想啥时候我们国内也能有这种东西 等了一年还没有人搞，于是我就想，不行我来吧！ 藏师傅的 AIGC 周刊即将开展，几乎你知道的所有国产 AI 产品都有参与 订阅周刊将会获得主流 AI 产品高额优惠券和会员试用抽奖！ 更多细节正在确定...
#AIGC周刊 #国产AI产品 #优惠券 #会员试用 #藏师傅
avatar
背包健客
1个月前
每天走多少步能预防痴呆症？ 2025年11月3日，哈佛医学院研究团队在《自然·医学》期刊上发表研究论文。 在这项研究中，研究人员分析了哈佛衰老脑研究（HABS）队列中296名认知正常的老年人，通过计步器客观测量每日步数，并结合纵向Aβ和tau PET成像数据，以及最长达14年的年度认知评估，分析了运动在临床前期阿尔茨海默病中的作用，以及最佳剂量。 研究显示，运动能通过减缓tau蛋白的积累来保护大脑，显著延缓阿尔茨海默病早期阶段的病理进展和认知下降，每天步行3000-5000步就有明显保护作用，每天5000-7500步效果最佳，结果支持将增加运动量作为延缓痴呆进展的有效干预策略。
#痴呆症预防 #哈佛医学院 #自然·医学 #步行与认知 #阿尔茨海默病
avatar
Viking
1个月前
不知道哪里来的风气，任何知识点都喜欢用 AI 生成一张摘要图，弄一些很花哨的配色，非常小红书的感觉，上面的文字也没法复制，这玩意好像叫 Infographic？ 这些内容直接用文字写出来那么难吗？当然我明白：这玩意儿更适配当前碎片化、移动化、视觉化的传播环境。目的就是：涨粉 / 流量 / 变现。 这些图的结局一般都是收藏下载以后，永远都不会看第二遍。
#AI摘要图 #Infographic #碎片化传播 #视觉化 #知识焦虑
avatar
banboo
1个月前
今天在深圳见一个之前认识的人，聊到机器人，他说，特斯拉的机器人只要卖 20 万以内他就买一个放家里做家务。 我说你不会买的。 如果真有这个需求，不用等机器人，现在就可以订阅一个比机器人更会干家务的真人阿姨，订阅费也就 6000块/月左右，3 年 20 来万。 说完我就想，以后卖机器人，会不会像现在的手机一样，隔段时间用一个新功能忽悠你升级系统，两三年之后就变迟钝了不得不买新款机器人？哈哈😂 那还不如订阅真人呢，比机器人活好，还会气你😅
#机器人 #特斯拉 #家务 #订阅阿姨 #消费升级
avatar
科技共和國：硬實力、軟信念與西方未來——Palantir 帕蘭泰爾的思想起源》 今天的矽谷已經大大偏離了過去和美國政府合作的傳統，轉而定睛消費市場，包括線上廣告和社群媒體平台，而這些平台已經主導並限制我們對科技潛力的認知。 矽谷一整個世代的創業家都用高尚的目標......
#科技 #矽谷 #Palantir #美國政府 #消費市場
avatar
这个next vector prediction和之前meta有个next conception prediction有一拼？！
#next vector prediction #Meta #next conception prediction
avatar
Compute King
1个月前
中国科学家登上《Nature》：攻克140年化学难题，或大幅降低抗癌药成本 笔者注：最近国内高校在Nature都爆表了呀。。。这个国际顶级学术期刊上个星期刊发了来自中国科学院大学，杭州高等研究院，化学与材料科学学院张夏衡研究团队的最新成果：“Direct deaminative functionalization with N-nitroamines”。 论文链接： 这项研究解决了困扰有机合成领域超过140年的核心难题，被国际同行高度评价。作为审稿人之一，辉瑞制药高级研发总监Scott Bagley称其为“true tour de force（真正的杰作）”。。。 破解百年化学瓶颈 一个世纪以来，化学家们在将芳香胺结构转化为其他功能性化合物时，几乎都依赖通过“重氮盐”中间体的反应路径。 然而，这一传统路线不仅反应步骤繁琐、收率低、纯化成本高，更由于重氮盐极不稳定、易爆炸，极大地限制了工业化生产安全与规模。 张夏衡团队提出了一种以N-硝胺为媒介的“直接脱氨官能团化”策略。该方法能够在温和条件下，直接将惰性的芳香C–N键一步转化为C–X、C–O、C–N、C–C等多种化学键，反应安全、高效且可放大至公斤级生产，为有机合成开辟了一条全新路径。 这一方法不仅从根本上摒弃了高危中间体“重氮盐”，还在安全性、成本与效率方面实现多重突破。这是一个颠覆性的进展，将为多个市场带来了革命性的转变。。。 或将颠覆抗癌药合成成本结构 张夏衡团队测试了170余种化学底物，包括传统方法极难转化的复杂分子，如间位氨基吡啶、多氮杂环及多种药物分子，转化成功率达到46%至83%。 更具代表性的是，研究团队把好几步反应放在一个锅里一次性做完。比如，他们用三步一锅法高效合成了一种抗炎药“依托考昔”，成功将原本复杂的多步反应路线极大简化。实验结果表明，该反应在千克级规模下收率高达90%，显示出强大的工业可行性。 业内人士指出，这项技术有望应用于多种重磅药物的第二代或第三代仿制药工艺中，包括PARP抑制剂，BTK抑制剂和酪氨酸激酶抑制剂等，从而显著降低全生命周期成本，使高端抗癌药更易被患者负担。 距离“诺奖级成果”还有多远？ 纵观诺贝尔化学奖历史，Heck、Negishi、Suzuki的钯催化交叉偶联反应（2010年获奖）与List、MacMillan的不对称有机催化（2021年获奖）均经历了20至40年的时间验证。。。 张夏衡团队的成果同样具备原创性强、应用广泛、潜力深远等关键特征，但仍需未来数年到十数年在全球范围内获得更广泛验证与引用。。。 从实验室到工业化，从方法学创新到实际应用，张夏衡团队的这项研究为全球化学与制药产业提供了全新的范式。 它不仅展示了中国科学家在基础化学领域的原创能力，也为“让高科技抗癌药更亲民”带来了现实希望。。。 张夏衡团队 这里还有个有意思的评论：
#中国科学家 #《Nature》 #化学难题 #抗癌药成本 #张夏衡团队
avatar
小互
1个月前
黄仁勋：我每天都在用 AI，但 90% 的人用错 AI 他们把AI当拐杖... “我不是让它替我思考，而是让它教我不知道的东西，或帮我解决原本无法合理解决的问题。” “不要把AI当成拐杖，而要把它当成放大你思考的工具。” 大多数人都“用错了AI”，因为他们： 把AI当作偷懒的工具； 让AI替他们做该自己思考的事； 不去深挖问题，只是“让AI给答案”。 👉 换句话说，他们在降低自己的思考能力。 正确的AI使用方式 用AI拓展认知边界 → 让AI告诉他「他不知道的东西」； 用AI解决复杂问题 → 尤其是「自己无法合理解决的事」； 保持主动思考 → 永远由人主导问题，而不是由AI主导答案。 黄仁勋说： “问出好问题是一种高度认知的技能。” 作为CEO，他每天90%的时间都在问问题； 他下达的指令，其实都混杂在问题之中； 所以，提问本身就是思考和领导的方式。 💬 “你今天大部分时间都在问我问题。 提出好问题，本身就是一种高级认知。”
#黄仁勋 #AI使用方式 #认知提升 #问题主导 #避免依赖
avatar
sitin
1个月前
做 AI 出海是沙子里淘金，有难度，但是淘到了收益很高 做自媒体卖课是土地里挖土豆，相对容易有收益，但是收益一般。觉得很有道理，忘记哪个大佬说的了。
#AI出海 #自媒体卖课 #收益对比 #难度与回报 #商业模式分析
avatar
听了最近一期硅谷 101 关于美国电力的分享，才知道最近 BE 今年涨了五倍，是因为它几乎是唯一的选择： 美国 AIDC 现在都在搞「园区自建电站」： - 核电稳定，但建设周期是 5 年以上 - 新增电力供应和电力上网是两回事，上网电的乐观排期是3–5 年 - AI 上线周期又是按季度算 所以最现实也几乎是唯一的方案：AIDC 旁边自己发电。 - - - 现在支持这个规模的在地发电只有两条路径：天然气燃气轮机和固体氧化物燃料电池 SOFC。 燃气轮机的原理类似于飞机发动机，因为之前的需求没有这么强，美国本土能交付的产能只有几十台的数量级（每一台几十 MW、100MW 级）。 据说马斯克的 xAI 扫完了美国几乎所有的燃气轮机库存，加速了这个趋势。 代表公司是 GE Vernova / Siemens Energy / Mitsubishi Power / Doosan Enerbility。 但是燃机转速掉、调停会有瞬断风险，SOFC 电池是连续稳态电，虽然建设成本更高，但是电效率也更高，也支持氢气掺混，目前的玩家只有美国的 BE 和韩国的 Doosan Fuel Cell。 BE 目前在 2028 年以前不会接新订单了。 - - - 产能爬坡： 燃机轮机原理 = 半个航空发动机 + 半个发电厂： - 涡轮叶片是单晶超合金，涉及航空级精密加工 - 大型锻件与高端合金加工全球只有几家，主要在中国，但是被 Section 232 设置了配额和加征关税 - 人才链条断档（多年需求低迷） 这都不是加产线能解决的问题。 - - - 搞清楚的太晚了，但凡和一个美国 AIDC 建设从业者聊聊，应该抓住主线还是不难的，不会被核电的伪经忽悠。
#AIDC电力自建 #BE五倍增长 #燃气轮机短缺 #SOFC燃料电池 #AI算力需求
avatar
德潤傳媒
1个月前
💥微信佔用這麼大的空間原來是這麼笨的工程師！
#微信 #空间占用 #工程师 #负面 #技术问题
avatar
Ehco
1个月前
到底是谁写了一个 bug 在线上跑了 7 个月，才被发现，造成十几万刀的亏损啊 是谁啊 我不说你们也猜到了吧😭😭😭😭😭😭
#bug #线上 #亏损 #程序员 #崩溃