与「弊本丸雑記」相关的搜索结果

身边认识我的朋友其实都知道其实我19年开始挖矿，去年把国内最后一个矿场卖掉了。 有幸几个成都大哥带我，我也从0到1的盖了几个矿场。 矿场的核心，就是稳定的廉价电力。 当时也带一些朋友去我的场地看过 @CryptoSociety42 挖矿其实最终是能源产业。因此我在这段时间基本跑遍了全国的各式各样的发电站。 正好有朋友 @lilk1kopops 咨询我挖矿相关的内容。正好和大家普及一下。 全包挖矿电费，我的认知里是不能超过0.5人民币/度的。如果超过这个价格，场地哪怕稳定性再好，风险指数都较高。 火力发电（主要是新疆和海外一些天然气发电站）稳定性最好。因为能源获取途径稳定。 水力发电分 沣水，平水，枯水期。电费价格差距较大。但性价比最高（我的所有场地都是水电站旁边的） 风力发电稳定性极差，基本搞不了。 太阳能发电成本过高（很难达到1块以下），除非套补贴的。 盖过矿场的都知道，国内场地单位一般用的是负荷，海外一般用兆瓦。 519之前，基本场地稍微成规模都是以1万负荷为单位。519之后，一般都以集装箱为单位了。每个集装箱大概放个100-300台机器。根据集装箱不同做改变。 （2021年5月19日，国内挖矿成为淘汰产业。清退矿场） 水电站主要发电是靠水的落差产生的重力势能。其中我接触的，就是从半山腰接个大管子，然后把山体凿个几公里，直接到发电站。这种水电站稳定性好，发电效率高。也只有云贵川地区才有得天独厚的优势。大水电站也不敢给我们搞这个。 雅鲁藏布江这个水电站规模有点太大了。怎么说呢，比世界第一大水电站：三峡水电站，大三倍。如果搞定了，等于中国总发电量多了25%。这事儿基本也后无来者了。因为自然资源也没有了。 不说战略啊之类的。一个雅鲁藏布江水电站，理论上西南地区没电是基本不可能了。 中国直接用电成本到3毛5了。 本着死道友不死贫道，其实这水电站对国内来说肯定是利大于弊的。而且这个东西属于在山体里。只要建成了，想有问题都费劲。 对于地震来说，目前是有抗8级地震的方案的。不过这么大的工程，方案应该要更严谨才对。 还有这东西一盖，印度应该和中国要坚定友好几十年了。 呜呜呜，要是这玩意能挖矿该多好。全球矿机都用不了十分之一。 最后顺手说一下全球目前挖矿情况： 国内托管电费：0.4-0.5cny/度 非洲/俄罗斯：0.3cny/度 美国托管电费：0.5-0.7CNY/度 超过这个电费的，建议洗洗睡吧。不管你什么矿机，回本都挺难的。

半年来，我一直反复介绍的四个原则： 原则1，AI时代的第一性原理：LLM一定会越来越聪明，benchmark越来越高，context window越来越大，reasoning越来越长，价格越来越便宜，inference速度越来越快， 这是scaling law今天依然持续的具体方向，不用你质疑，这是你唯一的信仰和行业最大共识。 原则2， 管理学设计红利：从我提出“自动编程机”、行业提出vibe coding、SWE-Agent以来，从cursor到manus到metaGPT到claude code， 人们逐渐把LLM Agent抽象成人，把软件管理、工程管理、管理学等等所有方法论直接套在multi agent workflow上面，严格按照人类管理学的方式去拆分、review、执行、反馈、循环， 这一波很快红利也吃完了，因为 a. LLM Agent毕竟不是人，存在着memory有限、执行力有限、function calling工具有限等等局限；b. 人类用于管理学的各种方法，直接套在LLM Agent上有利有弊，红利迅速挖掘完，剩下的弊端大量存在，比如过度交流、七手八脚、随时停工等等。 原则3，LLM Agent的职位和定位：绝大多数人，把claude code当做一个工具，最终的产品是用工具来完成的，最终的代码也是人与SWE Agent一步一步interactively迭代产生、迭代review、迭代部署的， 而我反复告诉过所有人，也是我又一条首次提出的原创观点，multi agent未来越来越会变成本身的一个runtime，这个runtime就运行在production里面，产品和面向的对象消费的，不只是软件或者SaaS本身，而是这个runtime实时产生的内容， 所以claude code/opencode/codex/openclaw这些agent，本身将会越来越多地被嵌入到产品本身，在产品关键逻辑和决策中发挥作用， 而绝对不仅仅停留在开发层面，把产品仅仅局限在SWE Agent单向产出和部署的代码和服务上。 原则4，也是我一直强调的，就是当人们试用了SWE Agent这种强大工具之后，人们还有哪些low hanging fruits可以寻找？SWE Agent目前最适合解决哪类问题？ 我反复讲过的一点是，对于一个设计复杂、环境复杂、场景复杂、用户复杂、体量复杂、范式复杂、一切开放、一切无解的超级复杂系统，这并不是SWE Agent最擅长的领域，相反这些场景需要人去和环境、客户、场景、性能一点点迭代才能打磨好的产品， 比如微信的100种功能，Facebook的一大堆功能模块和十几年来迭代出来的极其复杂的infra，支付宝后面成千上万的基金和风控，这些都不是AI Agent能一次性解决的问题，相反这些场景和问题不仅高度开放，更高度依赖人的观察、人的设计、人的反馈、人的定义。 AI Agent最适合的场景，甚至是我原创提出goal driven（ a. 定义简单、干净、封闭（一道数学系、一个确定性最小系统、一个编译器、一种算法、一个lean证明、一个电路或者信号模拟、蛋白质模拟和预测、CAD设计与仿真、游戏关卡测试、行为经济学仿真，都是well-defined problems，都有非常明确且封闭的边界） b. 解决问题的搜索空间巨大（可能有100~10万种天马行空的解决方案，并且绝大多数都是错的） c. 容易验证，容易verify，验证的成本是设计成本的千分之一（比如编译器，设计可能需要几万行甚至几十万行，验证只需要2000个test case全面覆盖，或者一道数学题，解决需要100步，验证答案只需要带入或者lean编译这一步） 当然，写一段简单的代码，定义一个封闭、完整、定义完全的编程问题，符合上面这些定义， 但是设计一套巨大、复杂、开放、与现实世界深度绑定、高度耦合的系统，让这个系统复杂迭代、添加功能、沟通、review、工程管理、产品管理，这些问题都远远超出这个范畴，很明显是不符合这个要求的。 人们未来探索这些multi agent产品和场景的最关键出路，在于继续挖掘这一类问题，而不是盲目把agent比作一个人，乱套各种管理学方法。 原则5，这一点我先保密，之后我再讲。

群体会自动“降智” 三个人以上的时候 个体就会在群体里失去自我 平时不敢做的事情就敢做了 人类战胜其他物种 靠的就是这种“群体”降智 羊群效应只能几百几千头 但是人类可以几百万几千万协作 打败更强大的敌人 凡事有利就有弊 比如一天一顿就坚持不了 大口吃肉大口喝酒那必须得一起来 😂快乐总是比自律容易攻占大脑 三人行必有我师 我怀疑“师”是师出有名的师 军队 三个人以上就要把他看成行军 三个人以上的队伍就能干大事了 启发源于《乌合之众》《人类简史》

欢迎大家加入课程学习！ 学员也在群里分享了产品域名，本来也想我在推上帮他分享的。但是我认为弊大于利，我就不分享了。 欢迎加入课程交流。新学员加入的，也可以让我拉入到老群，这样方便和做出成绩的朋友交流！

この度は、弊サークルemmasalonにお越しくださりありがとうございました🌼✨ 今年は夏も冬も連続参加で完売✨ こうも続けて創作意欲があるのはこうして写真集を手に取って下さるみんなのおかげです☺️ はじめましての方にもナヴィアの渾身の写真集を手に取って貰えて嬉しかったです🥹💕 そして、久しぶりの方にも会えるのはコミケの良いところだな〜としみじみと感じました✨☺️ 差し入れもたくさんもらって幸せ( ´˘` )な気持ちで並べたのをそのままにお風呂ダイブ🛁🫧 またみんなに会いたいな💕 写真集は近々通販開始するので 楽しみに待っていてください🥰

もらえる星5でネモくんか太公望かちょうちょう悩んでまだあっためてたんだけどまさかのカズラすり抜けでうぉぉ😭😭😭😭😭😭うちの星5ライダー見てくれよ女子会‼️ライダーが最強にいない弊デア