与「数据」相关的搜索结果

人类没有“长寿基因”，也没有“永生”的生物学设计；错的是——"命定不长寿"这个判断，已被寿命表的数字直接推翻。 ------ 人根本就不会长寿！ 一、先给判断 【表格】 常见说法判断依据 人有“长寿基因”，注定能活很久不成立迄今为止，没有任何一项研究找到能决定人类寿命长短的单一基因或“长寿密码” 人的寿命是命中注定的不成立全球平均预期寿命1950年为46.5岁，2023年已达73.4岁，翻倍只用了不到一百年 人类本来活不到这么老不成立史前人类的平均死亡年龄之所以只有二三十岁，主因是极高的婴幼儿死亡率，不是“古人只能活三十岁” 人的寿命有天花板部分成立主流研究估算人类寿命上限约 115岁，也有研究认为可达130–150岁；当前纪录保持者是让娜·卡尔芒的 122岁164天 基因决定你能活多久不成立双胞胎等研究反复显示，基因对寿命差异的解释力只有约20%–30% 百岁老人靠的是“长寿基因”不准确一是基因变异的组合很关键，而非单一基因；二是环境、医疗、饮食、社会支持的解释力更大 长寿的核心是某个单一因素不成立真正起作用的是一套组合：饮食结构、运动、睡眠、医疗可及性、社会联结 长寿就是“越活越久”这么简单不准确真正稀缺的不是寿命长度，而是健康寿命（能独立、无病、有质量地活着）的那段 一句话：人类确实“不会长寿”——因为我们从来不是靠基因长寿的；但我们确实“越活越长寿”——因为寿命从来是环境和医疗的结果，不是DNA的设定值。 ------ 二、先破“基因决定论”：身体从没被设计成“老而不死” 这是“人根本不会长寿”这句话唯一站得住的那一半。 2.1 进化不负责让你活久 【表格】 事实含义 自然界中的“长寿”指的是性成熟后、生育期内的存活优势进化的压力主要作用在繁殖成功上，不在“活到八九十岁”上 一旦过了生育高峰，自然选择的“关注度”急剧下降老年期的高死亡率，对进化来说基本不可见，也就谈不上被优化掉 没有单一基因、没有“长寿密码”长寿不是一条指令，而是成百上千个基因变异的组合，且组合方式因人而异 这里有个反直觉的事实：百岁老人并不是“人人都带着同一种长寿基因”。研究反复发现，是特定的基因变异组合在起作用——同样携带某个“长寿相关”位点的人，有人活到105岁，有人七十岁就走了，差别在组合和后半句。 2.2 “程序性衰老” vs “损伤累积”：两种死法 【表格】 假说说法支持证据主流态度 程序性衰老存在一个“生物钟”或基因开关，到点就自毁端粒缩短、表观遗传时钟、某些基因调控通路有部分证据，但未证实存在单一“自毁开关” 损伤累积自由基损伤、DNA突变、蛋白错误折叠、线粒体功能下降，坏了修不好，就慢慢垮氧化损伤、体细胞突变累积、蛋白质稳态失衡更被广泛接受 关键在于：这两种说法都不支持“人注定长寿”。前者说“到点就垮”，后者说“慢慢修不好就垮”。两者合起来，恰恰说明人的身体从生物学设计上就不是为长寿准备的。 所以“人根本不会长寿”这句话，在生物学层面是对的——但对的不是“人活不长”，而是"人不是被造出来活长的"。 ------ 三、但“命定不长寿”这个判断，被数据直接推翻 上面那部分讲的是“设计意图”，下面讲的是“实际结果”。这两件事完全不是一回事。 3.1 全球预期寿命：翻倍只用了不到一百年 【表格】 年份全球平均预期寿命 1950年46.5岁 2000年66.8岁 2019年72.8岁 2023年73.4岁（男性70.8，女性76.1） • 1950–2023年，全球人均寿命增加了25.4岁。什么概念？一个1950年出生的人，平均只能活到46岁；2023年出生的人，能活到73岁。 • 从1990年到2019年，全球平均寿命增加了8.4岁，相当于每十年多出两岁多。 • 疫情期间是唯一的一次倒退：2019–2020年，全球预期寿命下降了1.8岁，降到71岁——然后迅速反弹回来。 如果人类真的“命定不长寿”，这张表根本不该存在。一个物种的寿命均值在三代人内翻倍，这不是基因变了吗，是环境变了。 3.2 数据从哪里来：不是“更会算”，是“更少人早死” 这是最容易被忽略的一层，也是“古人只能活三十岁”这个误解的根源。 【表格】 指标含义为什么容易被误读 出生时预期寿命一个新生儿在当前死亡水平下平均能活的年数被极高的婴幼儿死亡率严重拉低 条件预期寿命已经活到某个年龄的人，还能再活多少年这个数字远高于出生时预期寿命 举个例子： • 史前/古代人群，出生时预期寿命可能只有二三十岁——但这主要因为大量婴儿夭折，而不是“成年人一过三十就死”； • 一个人如果能活过童年、成年、生育期，活到五六十岁在古代并不罕见； • 所以“古人普遍活三十岁”这个说法，是把统计均值当成了所有人的命运。 换句话说：人类不是“突然变得长寿”了，是“把大量早死的人救了回来”。平均数的提升，绝大部分来自婴幼儿和孕产妇死亡率的下降、传染病的控制、营养和医疗的改善——不是来自“延长了老年的长度”。 3.3 但人类确实有寿命天花板 【表格】 证据内容 当前纪录让娜·卡尔芒（Jeanne Calment），122岁164天（1875–1997），至今无人打破 本文为生命科学科普与概念辨析，不构成医疗建议。

关于AI内存短缺最令人震惊的一点是，普通DRAM的每GB单价如今已高于HBM，这充分说明了需求正在多大程度上重塑市场格局。 而且AI所需的远不止HBM，以下是六类内存和存储的详细构成： • SRAM（3,000美元/GB）：用于AI推理的超高速片上内存 • HBM（20 美元/GB）：为 GPU 提供数据的高带宽内存 • DRAM（25 美元/GB）：服务器、个人电脑和手机的工作内存 • NAND（0.30 美元/GB）：用于存储 AI 上下文和推理数据的闪存 • HDD（0.016 美元/GB）——用于海量 AI 数据集的低成本大容量存储 • 磁带（0.008 美元/GB）——用于 AI 数据归档的长期存储 涉及这些层面的公司包括 $MU、$SKHY、$SNDK、$STX、$WDC、$IBM、$NVDA 和 $CBRS。

PageIndex 0.6.0 把文档索引、问答和 Agent 工具都收进了一个客户端，本地和云端走同一套接口。 本地默认用 Flash 引擎，照着 PDF 的版式建树形索引，不用向量数据库，也不用 PageIndex API key。模型调用还是走你自己配的后端。 OpenAI / Anthropic 的工具和 Claude MCP 接口也都能直接导出。在做 PDF 问答或文档 Agent 的，可以拿这套接口试试，看接入能不能省点事。

全平台在线观看人数 ATH 310+ 🎉课程越做越好了。 实战家分享第七期圆满结束！Chloe 老师用 2 小时，从指标口径到实际案例，讲透了「从数据到决策：如何做好 Business Intelligence」。 感谢每一位到场的朋友，下期见！ #BI# #数据分析# #Web3# #GDBS##moledao#

End-to-End 4-Bit Training：让大模型用更粗糙的数字格式完成全流程训练，大幅缩短显卡训练时间 训练大模型需要处理海量数据，直接把数字精度压到4位虽然能加快计算，但四舍五入累积的误差会严重拖垮模型的学习效果。 为了解决这个矛盾，Thinking Machines Lab在英伟达GB300显卡平台上开发了名为BBBK的专用底层加速程序。采取了分工策略，在模型向前推理计算时使用高速度的4位数字格式NVFP4，在向后更新参数时切回较精细的8位格式MXFP8，并在传输数据时顺手进行旋转压缩与随机舍入修正，省去了传统训练完成后还要单独做低精度校准的麻烦步骤。 这套方案应用在Inkling 2 Small模型的全流程训练中，显卡的运算管道和传输带宽同时跑满，没有出现互相等待的卡顿。原本需要好几周才能跑完的同体量模型，现在在GB300机柜上只用了68小时就完成了预训练。对比全程使用8位格式训练，新方案在预训练阶段节省了8%的时间，在强化学习阶段直接提速了20%，省下了大量算力开销，同时模型最终的回答准确率几乎没有受到影响。 链接：

一个沉睡 15 年的钱包，被卷进 2600 亿美元的官司，结果它自己先动了。 2011 年起就没碰过的 75 枚 BTC 被转走。按 67,181 美元算约 504 万美元，对 2600 亿是零头，但对一个 15 年不吭声的地址，这就是一声回应。 先说背景：这个钱包从 2011 年起一直躺着，没有任何动静，直到被点名卷进这场官司。时间线很清楚——先是沉睡 15 年，然后被点名，然后 75 枚 BTC 被转走。数据上看，504 万美元对 2600 亿确实微不足道，可信号意义远大于金额。一边是 2600 亿美元的官司，一边是 504 万美元的转账，量级差得很远，信号却很响。 我的看法：沉睡的币不等于丢失的币。被点名的老钱包开始醒，说明早期筹码还有主人。假设更多老币跟着动，$BTC 要消化的就不只是 ETF 两周流出的 23.5 亿美元。 转折在于，市场过去习惯把这类老地址当成"永远不会动"的供给，一旦这个假设被打破，定价逻辑也要跟着改。 你觉得它是在回应官司，还是单纯换个地址？ 今日其他重点见图 👆 ⚠️ 不构成投资建议 · DYOR #币圈晚报# #比特币# #链上数据#

作为一个游戏佬，我贼讨厌英伟达新的临时CEO。 Kress，这姐们一辈子都在做财务，和华尔街打交道。 之前在微软、思科都是部门级的 CFO，今年该六十了。中老登白人女，这人我光看面相，我就断定，她这辈子鸡毛游戏没看过，顶多玩玩疯狂的小鸟、糖果三消啥的😅。 AI 数据中心的业务太暴利了，从财报来看， 游戏显卡毛利率 50%+，AI 显卡毛利率 80%+。 只有老黄，他对游戏有情怀，还记得初心，力排众议，还给我们游戏玩家生产点显卡。 没有老黄护犊子，估计这姐们，等过渡期结束，游戏显卡就慢慢变边缘业务咯😭。 谁管我们这些戴眼镜，不爱出门的阿宅。 哎，以前老是调侃老黄，说他精准阉割挤牙膏。 现在物是人非，挤牙膏我也认

原本86逃顶后，我们一直想着抄底，等待的时间耐心足够久，抄底清仓因情况有变很正常，不要再犯同样的错误。主要是随着民主党上台和黄仁勋事件，彻底打破了AI短期生态，这几天我们反复在思考一件事，就是未来一年甚至二年如何影响美股，这已经超越分析比特币交易数据框架。昨晚跟孙哥都讨论近1个小时，为何他看空纳指和比特币，他说现在清仓AI股说不定就是以后的高点。过去几年英伟达代表的AI企业，因为无限看好AI趋势而带来的杠杆和次贷，远远超过目前AI收入的增长，如果龙头英伟达甚至马斯克出现问题，整个产业链会迎来一轮降杠杆和挤泡沫，美股会持续大幅度回调，如果再严重点甚至引发金融危机，永远要准备最坏的情况。

卧槽！有人把全网薅羊毛的信息源，做成了一个自动监控雷达！ 推荐一个开源项目 Freebie Radar（白嫖雷达），内置 63 个数据源，覆盖 Linux DO、NodeSeek、V2EX、Epic、Steam、Reddit、Telegram 等平台。 最狠的是，它还接入了 AI 自动筛选，能识别真假福利，把抽奖、试用、推广广告过滤掉，只留下真正值得领取的免费资源。 支持 Telegram 实时推送、每日精选、兑换码提取，甚至能用 Docker 部署到自己的 VPS 上，全天自动帮你蹲福利！ 以后软件限免、免费游戏、AI 免费额度，再也不用一个个网站去翻了！ 在线体验：⁠ GitHub：⁠

小红书的这个油管素材生意，被严重低估了 39.9 - 79.9 一单，每天 100+ 单。总结了 3个关键步骤，照抄： 1/ 油管精挑日常化 Vlog, 可以分场景：逛超市，旅游，团；也可以偏专业化：考试，谈判，会议，新闻; 还可以偏口音：印式，法式，美式，英式 2/ 功能用 Kimi, Deepseek 完全可以复刻，不存在技术壁垒，只要买一单就可以抄 3/ 内容更加好做，每做一个视频就可以切片出很多条。我拉了个列表和高赞封面图供参考，就这么点勾子 现在去看这数据没了，幸好我的手机 RPA 及时录下来这个快照。看最近的评论，去年服务了2万个学员，纸面就有 80万 ARR 如果生意你觉得不性感，那么试着把这些学员引流到私域呢： 1/ 学英语的朋友们，同样对交友，留学，旅游有需求吧。读书群，旅游搭子，雅思陪跑，是不是可以搞 2/ 爱学习的人群，对职业有更高要求。高阶领导力陪跑，演讲与口才打造课，是不是可以带一带 首页正在收集 100 个这样的小生意，来翻一翻嘛