与「時事通信」相关的搜索结果

如果领一台“免费手机”需要签贷款合同，那它还能叫0元购机吗？ 中国移动、中国电信、中国联通自9月24日起暂停新增“金融分期购机”业务；需要注意，并非所有传统“0元购机”都被叫停，暂停的是与消费贷款绑定的模式，已办理的存量合约继续有效。这类业务常表现为用户拿手机、签套餐，同时以本人名义签消费贷款，再由运营商在履约期内代偿。 先说清楚一个容易误解的地方： 暂停的不是所有合约机，也不是以后不能分期买手机。 真正被暂停的，是一类把手机、通信套餐和消费贷款绑在一起的业务。 它通常是这样运作的： 你先拿走手机，看起来“0元”或者只付很少的钱； 同时，以你自己的名义向金融机构申请一笔消费贷款； 之后你持续使用指定套餐、按约履约，运营商再用补贴等方式帮你覆盖部分或全部分期款。 所以从消费者视角看，好像是“运营商送手机”。 但从金融结构看，可能是： 你借钱买了手机，只是有人承诺替你慢慢还。 这两种理解差别很大。 因为只要贷款真正开在你名下，逾期、提前解约、套餐变更，甚至某些履约异常，都可能带来额外成本，严重时还可能涉及个人信用记录。 这里真正值得讨论的，不是“消费贷能不能买手机”。 消费贷本身当然可以是一种正常金融工具。 问题在于： 销售人员有没有把“这是贷款”讲得和“这是免费送手机”一样清楚。 如果宣传重点全是“0元拿手机”“不用花钱”，而“你实际上要签一份贷款合同”只藏在长协议里，那消费者是否真的完成了知情同意，就很值得讨论。 这也是为什么这类业务特别容易让老人、对金融产品不熟悉的人产生误解。 “0元”从来不等于没有成本。 它往往只是把成本从“今天付钱”，变成了“以后履约”。 所以以后再看到类似活动，至少先问三件事： 有没有贷款合同？贷款在谁名下？如果提前解约，谁来还剩下的钱？ 把这三件事问清楚，再谈是不是“免费”。

如果我们可以重新理解 Quant Developer。 这并不只是思想实验。 Jane Street 2026 年公开的研究方向包括机器学习、编程语言、编译器、ASIC、FPGA、分布式 shared log、incremental computation、查询优化、分布式存储和形式化验证，而Citadel GQS 则把实时数据、HFT 执行和低延迟 ML 推理放进了同一个 Quantitative Research Engineer 岗位。 再次强调，市场是一个高维、受驱动、耗散的非平衡系统。 订单持续进入、撤销、成交，信息、资本和风险不断注入，异质的参与者相互作用，系统几乎从未达到平衡。 当看到Jane Street 把 graph-structured、incremental computation 列为长期研究方向，我想这是一个值得认真理解的信号。 如果我们发现研究对象持续变化时，计算本身或许也需要围绕变化来组织。 一条报价更新，并不意味着整个市场都需要被重新计算。 它首先改变某些局部状态，再沿着依赖关系，影响相关资产的估值、组合的风险暴露，以及尚未成交的订单。 如果把这些计算关系展开，我们会看到数据连接特征，特征连接预测，预测连接决策，决策通过成交与持仓，反馈到下一轮计算。 这里必须区分两件事。 计算图中的依赖关系，不自动等于市场中的因果关系。但只要我们能够明确哪些结果依赖哪些输入，就有机会在新事件到来时，只更新受到影响的部分。 这正是 incremental computation 最吸引我的地方，它让计算资源跟随变化分配。困难的问题也随之浮现。哪些状态已经过期，筛选必须更新的传播，可以合并的计算。我们开始寻找，在并发和异步执行中，如何避免把不同时间的市场状态拼成一个从未真实存在过的世界？ 于是，延迟就不再止于程序运行了多少微秒。判断抵达市场时，你应该着眼于支撑判断的那个市场是否仍然存在。 想想吧，一个离线表现出色的模型，如果依赖陈旧的数据、无法承受行情突发时的排队，或者不能及时更新风险状态，那么它在回测中发现的信息优势，可能在执行之前就已经消失。 因此，Quant Developer 的工作可以被理解为，他们需要在有限的时间、算力和通信预算内，维护一个足够及时、足够一致、能够用于行动的市场内部模型。 编译器、分布式系统、硬件加速和形式化验证，开始汇聚到同一个问题上。 编译器决定计算如何被表达和执行； 分布式系统决定不同节点如何组织事件与状态； 硬件决定数据移动和运算的成本；形式化方法则帮助我们检查，某些关键约束是否会在复杂的执行路径中被破坏。 这些工作共同决定一个数学上的预测，试图成为现实中的有效决策。 而非平衡系统的视角，提供了一组进一步追问的方向：外部事件，内部状态，反馈是抑制还是放大扰动，输入速度和处理能力的关系对于系统的影响。 当然，市场是耗散系统本身并不会自动产生 Alpha。我想，我们只有把这种直觉落实为可观测的变量、明确的机制和能够被数据推翻的预测，它才开始具有研究价值。 它确实改变了我们看待这个职业的方式。 Quant Developer 所构建的一直是一个嵌入市场之中的实时决策系统。 这个系统观察市场，也通过自己的行动改变市场：它必须在变化尚未结束时做出判断，在信息尚不完整时承担后果。

许万平访谈录：为了理想坐牢，我无悔无怨 作者中国公民运动网撰写 编者：四川民主党人许万平，自1989年开始，因理想先后三次被重判入狱，累计刑期长达23年之久，在监狱中度过了20余年没有自由的岁月。出狱后，虽面对生活的种种艰难和严密的监控，但民主理念初衷不改，“结束专制统治”是他毕生为之奋斗的目标，为了让中国早日步入民主自由的社会，他依然行走在充满荆棘的抗争之路上。 交谈中，“无悔无怨”这个词反复从他的口中平淡地说出来。30年来，许万平有20余年在监牢里，这是大多数自由战士必然要历经的苦痛，在中国实现宪政民主的过程中，不知还有多少像许万平一样的人，他们用自己的勇毅和执着，支撑着苦难民族最后的一点希望。在当下严酷的政治环境中，许万平们的坚守或许会让我们继续坚定地前行。以下是对许万平的访谈。 问：大家都知道您坐过大牢，累计刑期有20多年，不管是在监狱里，还是走出小监狱回到社会这个大监狱中，您一直都在为自由民主事业抗争，请您谈一谈曾经的坐牢经历和这么多年的抗争史。 许万平（以下简称许）：这要追溯到1989年的那场学生民主运动。当时参加八九运动时我27岁，我在重钢印刷厂工作，惊闻六四血腥镇压天安门大屠杀的当晚，我义愤填膺写下一首诗，其中有“惊闻屠刀举，山河化悲哀”的句子，我当即决定成立“中国行动党”，称邓为秦始皇第二，提出铲除中共暴政，推翻独裁统治，一个月后被抓捕。 坐牢虽然痛苦，但为了自己热爱的事业献身，为了所做的一切最终达成愿望――那就是独裁政权早日被推翻，坐牢就不算什么了，既然选择了就没什么可逃避的，就要坦然去面对。对个人而言也就不会留有遗憾，无悔无怨。在看守所期间我被带着反铐，睡觉也戴着，这是非常严重的酷刑。这时候想家庭，想亲人都没用，并不是我无情无义，而是必须要面对残酷的现实政权，就是死也要坦坦荡荡的。 我在1989年7月被抓捕后，当局指控我六四后组建中国行动党，犯有颠覆国家政权罪（当时是反革命罪）判刑7年，参与六四社会运动判刑2年，合并执行8年有期徒刑，剥夺政权权利5年。1990年3月我被送往重庆第三监狱（川东监狱）服刑。在监狱里我被刑事犯打掉两颗门牙，可能是20年的牢狱生活，营养不良、睡眠不好加上身心被摧残，我的牙齿已经掉了13颗，我想如果生活在正常的环境下，我的牙齿不应该掉这么多。 问：真敬佩您当时的勇气和担当，谢谢您给我们讲述了这么多，您最近一次出狱是哪一年？ 许：我一共被判三次刑，第一次就是刚刚讲到的89年，第二次是98年被劳教3年，第三次是2005年被判刑12年。我是2014年获判刑出狱。89年坐牢的时候，监狱方也曾希望为我判刑，但我表示敢作敢为，不要求减刑。但第三次坐牢时，我的母亲年事已高，我想早一点自己回家照顾年迈的母亲，当时我的心态就是能减就减，不减也没关系。我出狱后重庆国保总队队长对我说：我不知道你减刑了，不然我一天也不会给你减。 问：您萌生这样的理念是在什么时候，这些想法是怎么产生的？ 许：萌生这种想法是因为长期在社会环境中看到的不公，感觉这个制度是有问题的。记得1981年厂里播元旦社论，社论中提出去年有哪些伟大成就，今年要做什么，空话一大堆。但是成就在哪里不知道，也看不到，明显在骗人。还有就是社会自79年就提出改期开放，民主选举，当时我在单位当团书记和厂工会委员，推动厂里的民主选举，推动厂长和工会由民主选举产生，最后虽然厂长是通过民主选举上来的，但上面很不高兴。另一点是我在选举中被选上厂工会主席却不被承认，工会主席最后由上面直接任命。 问：您怎么看待制度与人的关系？ 许：它们的关系非常密切，制度不好，每个人生活的就不会，人无法获得自由。比如现在大家在一起聚一聚，谈一谈时局，都可能会指控“寻衅滋事”，这个制度让人压抑，所以为了自由只有抗争。 问：您的梦想与现状有什么差距？ 许：差距很大。我的梦想是每个人都要生活的开心，有真正的自由，人权有充分的保障。现实却是中共政权对你的生活进行种种限制，如薛仁义做绿叶行动，是民间自发的环保行动也不被允许，被抓捕至今未放。 问：能用一个词来形容您的生活吗 许：诚实做人，平凡一生。 问：您最难忘的记忆和最痛苦的感受是什么？ 许：母亲。母亲走的时候我没能为她送行，在母亲的晚年，我们陆陆续续分别20年之久，她孤孤零零的，我知道她的痛苦和辛酸。还有就是杨天水的离去，天水是我最亲密的战友，没料想就在他还有两个月就要出狱的时候却患了脑廇猝然离世，他在中共的监狱里坐了23年黑牢。 问：您最后悔的事情是什么？ 许：做任何事情不应该有什么后悔的，错了就错了，好与不好只要在做就行了。如果说有什么后悔，那就是89时候我再勇敢一点，勇敢的力量也许能带动更多的人。 问：哪件事对您的生活或命运产生过重要的影响？ 许：八九六四。 问：您做出的最重要的决定是什么？ 许：89年6月5日成立中国行动党，宣称铲除中共暴政。 问：您对谁最怀感激之情？最敬佩的人是谁？ 许：我要感激的人很多，在监狱的时候有很多朋友给我的家人写慰问信，打电话，经济上帮助。我出狱后朋友们说我坐了这么多年牢，不要再冲在前面了，我对所有关心我的人都心怀感激。最敬佩的人也有很多，老秦，天水，新公民运动的许志永等等。 问：您认为谁最值得效仿？ 许：荆轲。 问：您有没有伤害过他人，用语言或者行动？ 许：语言上可能会有。但是，我们没有仇恨，没有矛盾，有的只是观点的不同，大家都是为着一个共同的目标，哪怕打破头都是兄弟。 问：您有没有一直无法释怀的人？ 许：我的妻子，她为了我受了很多苦。 问：如果有一个人需要您牺牲自己换取他活下去的机会，这个人会是谁？ 许：天水。我会义无反顾。 问：假如您最多还能活一年，您会把这个消息告诉谁，这个消息会给您的生活带来什么变化？ 许：如果遇到这种情况，我会第一时间告诉我的对手，这一年我会继续和你们战斗，继续做我该做的事。对我生活的最大影响就是要加倍努力了，把时间一分一秒都用起来，直到闭眼的那一刻。 问：如果您失去了自由，您最担心会发生什么？您希望别人能做什么？ 许：这时候也没有什么可担心的，牵挂肯定会有，但想什么都是多余，只有坦然面对。如果外面的人能够轻轻触动一下屏幕和键盘给予关注，就很满足了。 问：如果能实现的话，您愿意从头开始过一种完全不同的生活吗？ 许：只有中国实现真正的民主了，我才可以和家人一起过平淡的、开心的生活。 问：如果能重返生命的某一刻，您愿意回到哪个时间点？ 许：青春热血时代，有充沛的精力和时间和制度斗争。 问：您认为最完美的生活是什么？ 许：国家有充分的自由民主人权保障，还有干净的空气，健康的食品，享受蓝天开开心心过自己的生活。 问：您最满意自己的哪一点，最想改变自己的哪一点？ 许：满意的是做事情按照自己的意愿去做，无悔无怨，自己想做的事都去做了。最想改变的是，从现在起在生活中有更多的生活元素，除了现在一天为了民主奋不顾身，还应该在其他方面有多种表现。 问：别人的评价与您的自我评价一致吗？ 许：估计很多人会认为我性格倔强，应该和自我评价一致。我这个人有话就说，要做的事谁也阻挡不了。 问：对于我们所面临的社会问题，您有没有解决的方案？您希望怎么去实施？ 许：有方案，但却要一步一步去实施，但愿好的愿望能有好的结果。从事民运的人不仅要脚踏实地，还必须要有担当。虽然控制言论，但网络的便捷可以让更多的人快速了解真相。一个是要有团队总的意识，不管什么观点，但大的目标都是为了推动民主制度早日实现，所以不能互相切割。另外，行动不仅是口头上的表达，还需要多种形式的努力，推动社会进步需要多元，只要我们不懈去努力，制度总有一天会改变。 问：您有没有曾经深信不疑如今却深感怀疑的东西如观念、信仰、认识等等？ 许：有。我05年第三次被抓捕的时候，我认为大的框架已经完成，全国性联运已经形成，但是我2014年出狱的时候，看到的不是很满意，很多人和事都已经面目全非了。随着年龄、阅历的增长，对社会有了更深层的思考和认识。 问：您感到过孤独吗？ 许：在监狱里经常会有，但是挺过去就行了，告诉自己要坚持、坚持。 问：您认为人生的意义是什么？ 许：做自己该做的事，对得起自己、家人、社会。 问：您最近一次的哭泣在什么时候？ 许：不久前看到了一篇我在监狱里写给家人的信，无限感怀。 问：您得到的最热烈的掌声是因为什么？ 许：是89年5月26号，当时我在重庆人民大礼堂广场上搞了一个形为艺术，就是将写有“李鹏强奸民意”的牌子挂在胸前，头上戴着尖纸帽，手里拿着“镇压”的牌子，周围挤满围观的民众，大家热烈鼓掌，人群中照相机也不停地捺下快门。 问：您对死亡的态度是什么？如果现在就死去，您觉得还有什么重要的事没有做或还有什么重要的话没有说？ 许：我对死亡的态度是坦然。没有实现我的理想，没有看到这一天的曙光。 问：您现在想实现的目标是什么，要采用什么方式去实现？ 许：我们的民运朋友们都能够把自己的素质再提高，增加彼此的交流，加强大家的紧密联系。 问：您愿意与他人分享生活中的哪些内容？ 许：监狱和爱情传奇，对家庭的责任感。 问：您生活的动力是什么？ 许：天就要亮了！ 问：在上述问题中，只能选择一个的话，您以为哪个问题最重要？ 许：我们的天，明天就会亮！ 非常感谢您接受我们的访谈，感谢您愿意与大家分享您的不凡人生经历。 以上文字根据对许万平先生的访谈视频整理，相关视频将酌时发布。 附：许万平简介 许万平，1961年4月11日出生，重庆异议人士。1980年代开始从事民间选举等推动中国实现民主的事业，1989年六四镇压后，因组建“中国行动党”及参与六四运动，被重庆市中级法院指控“反革命宣传罪”和“组织反革命集团罪”判处8年有期徒刑，剥夺政权权利5年；1998年10月14日被以“扰乱社会秩序罪”行政拘留，获释后12月被重庆市政府判处劳教3年；2005年4月30日再被刑事拘留，2005年12月21日被重庆市第一中级法院以“颠覆国家政权罪”判处12年有期徒刑，剥夺政治权利4年。 判决书中罗列了许万平的诸多“罪状”，包括救助良心犯家属，筹建中国民主党的通信及许万平撰写的文章等等。在累计服刑20年后，许万平于2014年4月29日第三次走出监狱的铁门，目前依然战斗在推动中国民主人权事业的一线。 1 月 8, 2019

拥抱泡沫＝拥抱争议 投资 crypto 的黄金窗口，恰是它争议最大的那几年。 当它还被视为“投机工具”和“监管灰区”时，多数人看到的是风险，少数人看到的，却是一个尚未被主流定价的新网络。 类似的故事并不少见： ▌iPhone 刚问世时，许多人认为手机只能用于通信，小屏幕不可能取代 PC ▌电动车长期被质疑续航短、成本高、补能难，特斯拉也一度被视为资本游戏 争议越大，认知差往往越大。等共识形成、叙事被证明正确，不对称机会通常已经所剩无几。 1/ 下一场争议：机器人 如今分歧最大的行业之一，是具身智能/机器人。 看多者认为，它将引发下一场劳动力革命；看空者则认为，这只是靠 PPT 造富的工业版共享单车。 质疑并非毫无根据： 硬件和维护成本高 人形未必是最优工程方案 高质量真实数据极度稀缺 应用场景分散，付费意愿有限 这些问题都指向同一个核心：物理世界的摩擦。 语言模型可以从互联网学习文本和图像，机器人却必须学习如何行动。 它不只要认出一只杯子，还要判断从哪儿抓、用多大力、怎么避开障碍、如何稳稳放下。一旦抓空、打滑，或者物体位置和预期不符，它还得知道怎么纠错。 这类数据，比互联网上的文本稀缺太多了。 2/ 机器人缺的不是故事，而是数据 具身智能行业正卡在一个明显的矛盾里。 一边，硬件、传感器、算力和模型都在飞速进步； 另一边，能让机器人在真实世界中泛化的数据，依然昂贵、缓慢、稀缺。 传统的数据采集高度依赖封闭实验室：搭建场景 → 安排操作员 → 遥控真机 → 工程师清洗、标注、训练。 这套模式的问题一目了然： ▌速度慢、成本高 ▌场景覆盖有限 ▌难以处理真实世界的大量长尾情况 ▌数据供给很难跟上模型迭代速度 所以行业真正的瓶颈，也许从来不是能不能造出机器人，而是能否以足够低的成本、足够快的速度，持续生产出让机器人变聪明的数据？ 这正是 @axisrobotics 的切入点。 3/ Axis Robotics：不造机器人，生产机器人数据 Axis Robotics 没有把重点放在再造一台人形机器人，而是选择了产业链中更基础、也更难规模化的一层：机器人训练数据。 它的路径分三步。 第一步：用浏览器，把仿真数据做成规模生意 用户不需要任何硬件，打开浏览器就能远程操作一台仿真机械臂，完成拿杯子、分拣物品、打开抽屉等任务。 每一次操作都会留下一条完整轨迹——关节状态、物体位姿、控制动作、任务元数据等，可直接用于基础策略的预训练。 第二步：用人工纠错，采集高价值的后训练数据 当策略开始自主执行任务时，人类只需在一旁监督。模型一出错，操作员立刻接管、纠正，然后把控制权交还给模型。 第三步：用手机，补上真实世界的那一块 手机可以捕捉第一人称的空间与动作信息，把日常人类行为直接转化为机器人可学习的样本，填补仿真难以覆盖的真实分布。 后台会对轨迹做回放、验证与清洗，再通过 Isaac Sim 扩展为大规模、照片级、域随机化的训练样本，用于训练泛化能力更强的模仿学习策略。 4/ 结语 具身智能能否像市场期待的那样快速落地，仍是未知数。但有一件事正在变得越来越清晰： 如果物理 AI 真正进入现实世界，数据将是无法绕过的基础设施。 Axis Robotics 传送 -

GitHub上有个 39.7k Star 的项目叫 Sniffnet，它厉害的地方在于把网络监控这件事，做到了普通人也能轻松看懂的程度。 很多人第一次打开Wireshark时的反应，基本都是：满屏的专业术语和数据包，直接劝退。但 Sniffnet 的体验完全不同，它能实时显示上传下载流量、当前的连接主机、访问的域名、IP 地理位置，甚至连哪个软件在偷偷联网都能让你看个明白。它还支持流量过滤、PCAP文件导入导出，以及多网卡监控这些专业功能。 界面设计得非常直观友好，用起来很舒服。你完全不用去研究复杂的抓包规则，也无需记忆繁琐的命令行参数，打开软件就能一眼看明白你的电脑究竟在和哪些外部设备通信。很多用户直接把它当成 GlassWire 的免费替代品来用。 Sniffnet 支持 Windows、macOS、Linux 全平台，使用 Rust 语言编写，资源占用极低。对于经常折腾代理、NAS、Docker 和服务器的朋友来说，这绝对是一款称手的装机必备工具。 🔗

今天在纽约见了做神经医学的朋友，目前正在做脑机接口。她竟然说，在学术界看来，马斯克的 Neuralink 是落后的技术。 生物看不上他用新闻稿做科学的姿态，Neuralink 属于“工程领先、科学取巧”。 从 DC 开了三个小时车过来，我原以为是叙旧，没想到聊了一下午的脑机接口、AI和存储焦虑。 她们拿融资之后能够自己设计芯片，去欧洲代工厂订做 22 纳米的版本。22 纳米是低功耗模拟芯片的黄金节点，能在 0.5V 下工作，特别适合做植入式神经记录。 目前在研究减肥针是怎么作用于大脑的。现在没人知道不同的减肥针药物，如何影响大脑抑制食欲，下丘脑和大脑的奖赏回路(多巴胺通路)具体是怎样的。于是她们在老鼠脑袋上开洞、接入芯片，需要实时测量神经信号的变化。 因为数据量大到离谱，频率非常高，所以她们需要 10000 个 TB，也就是 10 个 PB 的存储。 我第一次听到存储用PB这个单位！ 神经信号要以 3 万赫兹的频率采样(每个电极每秒测 3 万次)，才能捕捉到只持续 1 毫秒的神经脉冲。每个数据点才 2 字节,但你乘上几百个电极、再乘上 24 小时不停，一个探针一小时就是 80GB。 她说一块 1PB 的企业级磁盘比她一个月工资还贵，长期维护的 PB 级存储，五年下来要百万美金。研究室没那么多经费，只能每次买 1 个 PB，精打细算地用。 给个尺度感，哈佛和 Google 把1 立方毫米的人脑做到全分辨率，就是 1.4 个 PB。一整个老鼠脑，估计要一个 EB(1000 个 PB)。倒不是因为单次数据大，是频率太高。 而且，存储焦虑也不是生物医学独有的。 天文学界，SKA 射电望远镜一年要存 700 个 PB。CERN 的对撞机已经在用 EB 级别处理数据。存储，决定着前沿科学的天花板。 数据一大，通信传输会影响效率。所以我们聊到了光通信。 芯片连接材料最早用铝，1997 年 IBM 把它换成铜(电阻低 40%)，现在又在从铜换成光。这正好和黄仁勋在 GTC 上讲的呼应，2025 年 3 月,英伟达发布了硅光子 + 共封装光学(CPO)的交换机,为了把 AI 数据中心扩展到百万卡级别。 为什么铜必须让位给光呢？ 因为速度越快,铜能传的距离就越短(高频下铜的趋肤效应和损耗急剧上升)。到了 1.6Tb/s,一根铜线连一个机柜的高度都跨不过去。所以信号只能变成激光。 除了存储，实验室动物成本也是很高的。 一只实验室猴子,买进来要 3.5 万到 5 万美金，算上多年的特殊饲养、手术、兽医和机构管理费,一只猴子全周期下来轻松超过 10 万美金。一只老鼠 80 美金，买的是它基因纯度。 我问：为什么用老鼠和猴子,不用兔子？她说，老鼠有一整套基因工具箱(2.4 万种现成品系、基因敲除、光遗传学)，猴子是因为大脑结构最接近人类。兔子智商中等两头都不沾,所以不用。 现在很多 AI 公司在挖她们这种做脑医学研究的人，原因有两个。 第一层是效率。人脑是地球上最省电的计算机。大脑做着视觉、语言、运动、推理,全部并行,只耗 20 瓦，大概一个暗灯泡。而一块高端 AI 芯片就要 300–700 瓦,训练大模型动辄几兆瓦、几吉瓦。 差别在于，计算机底层是二进制(0/1),晶体管在 GHz 频率上疯狂开关。而大脑是模拟的、稀疏放电的,神经元只在需要时才点亮、才耗能。AI 公司想偷师这种效率。所以，现在AI 公司最抢手的岗位是神经科学家。 第二层更微妙：我们其实根本看不懂大脑是怎么运作的，而 AI 现在面临一模一样的处境。 Anthropic 发现，AI 在回答你的时候,其实在内部想了一套自己的东西,而它说出来的理由，未必诚实。 举个例子：研究员偷偷给 Claude 塞一个错误答案当「提示」,它会顺着这个答案编出一套像模像样的推导, 只有 25% 到 39% 的概率承认自己用了提示。 Anthropic CEO 说，当 AI 总结一份文件时,“我们并不知道,在具体而精确的层面上,它为什么做出这些选择。”AI 的思想是个黑盒子。他们的目标是给 AI 做一台”核磁共振”,到 2027 年，希望能看懂里面在发生什么。 最后又聊到做手术。 由于大脑本身是没有痛觉的，所以人可以清醒着被开颅。老鼠被开颅、植入芯片、再缝合,可以继续正常活几个月。她笑着说可以帮我开脑，但希望我永远用不上。 聊完一整个下午，我最大的感受是： 目前我们对人脑、对 AI,其实都了解得太少了。 但也正因为如此，我越来越觉得，我们活在最好的时代。 真正的无人驾驶已经在路上跑、量子计算在飞速进步、人类在认真筹备第一次登上火星、脑机接口真的开始读懂大脑…… 我今天在纽约街头连着撞见好几块 AI 和加密行业的广告：出租车顶上写着「It’s happening with Ripple」，公交广告是贝莱德的比特币 ETF，站台是OpenAI 的 Codex。 以前根本无法想象的事，都在同时发生在美国。而我们，刚好生在这个最好的时代。

把数据中心搬进太空。 马斯克说这事比大家想的容易得多。 SpaceX 现在已经有一万颗卫星在天上。 等星舰接管发射，他们每年要往天上打超过一万颗通信卫星。 每年的新增量，直接超越过去十几年的全部存量。 新一代卫星的单体能力远超现在。 整个太空的通信容量会直接膨胀 10 到 100 倍。 但这仅仅是前菜。 他抛出了一个核心概念：AI 卫星。 相比未来部署在太空的 AI 卫星总吨位，前面这些庞大的通信网络根本不值一提。 当地面的巨头们还在为数据中心的电网容量焦虑时。 下一代算力基础设施，已经准备往低地球轨道上铺设了。

最近提交ipo的ai芯片的新宠Cerebras火遍硅谷。 其芯片在小模型场景下，其推理速度最高可达 H100 的 20 倍；而超大规模模型（如 400B 参数量级），Cerebras CS-3 系统的单用户响应速度约为 B200 的 2.4 倍 那么cerebras究竟是如何做到的呢？ 它是否会成为英伟达杀手呢？ 我们需从算力演进的本质开始。 AI算力的演进，正在从“算力本身”转向“通信与系统结构”。在这条演进路径上，Cerebras Systems提供了一种完全不同的答案：不是优化分布式，而是尽可能消灭分布式。 一、两条路线：消灭通信 vs 优化通信 当前AI算力本质上分为两种架构哲学：一条是以NVIDIA为代表的路线： 多芯片（GPU），高速互连（NVLink / CPO），scale-out（横向扩展） 另一条是Cerebras路径：单芯片做到极限（wafer-scale） 片内网络替代跨节点通信，scale-up（纵向放大） 核心区别是：一条在解决“如何连接更多芯片”，另一条在解决“如何不需要连接”。 二、为什么这条路现在才成立 wafer-scale并不是新概念，80年代就有人尝试，90年代商业化失败。原因是： 良率无法承受 没有容错机制 软件无法支撑 行业因此形成共识：小die + 高良率 + 分布式。 Cerebras的突破在于三件事同时成立： 1）容错机制工程化 2）片上网络成熟 3）AI workload匹配（高并行，强同步，通信主导） 本质变化是：从“完美硬件”转向“可容错系统”。 三、性能对比：单点极限 vs 系统扩展 在通信层面，两条路线的优劣非常清晰： 1）片内通信 Cerebras：纯片内 → 延迟最低、能耗最低 CPO：仍有光电转换 → 单点效率：Cerebras更优 2）系统扩展 Cerebras：一旦跨芯片 → 回到通信问题 CPO：带宽可持续扩展 → 系统能力：CPO更优 3）功耗结构 Cerebras：单机功耗极高，但通信极省 GPU+CPO：单点功耗可控，系统效率更平衡 结论很明确： Cerebras赢“单机极限”， CPO赢“系统规模”。 四、适用场景：谁该用cerebras 判断标准可以简化为三个问题： 1）通信是否是瓶颈 2）任务是否可集中 3）结构是否规则 因此，高度适用于大模型训练（dense模型），超长上下文，及部分HPC（PDE、流体等） 这些任务的共性是强耦合 + 高同步 + 高带宽 部分适用于大模型推理（低并发），图计算（结构复杂时优势下降） 而不适用于CPU（通用计算），高并发推理，移动/边缘芯片，实时系统 这些系统的共性：不规则 / 高并发 / 低延迟 五、是否会变成主流 尽管Cerebras在特定场景极强，但主流不会走这条路，原因是： 1）物理约束：功耗密度；信号延迟→ 容错解决不了这些问题 2）经济性：小die良率更高；chiplet更灵活 3）产业路径：TSMC等体系优化方向是模块化，多客户复用而不是超大单体 4）需求侧变化：推理占比远高于训练，多任务、高并发成为主流 六、cerebras的意义 与其说wafer-scale尺寸是重要的趋势，不如说容错设计是会被广泛吸收的哲学 未来可能会出现chiplet级容错，封装级绕路 核心变化是单个硬件不再需要完美，系统负责兜底。 回到最初的问题：Cerebras会不会成为NVIDIA的“杀手”？ 答案其实已经很清楚。 它确实在一个关键点上击中了GPU体系的软肋——通信。但行业的选择，并不是非此即彼，而是多个技术突破同时采用：更强的互连、更低的通信能耗、更高的系统级效率。 因此，更准确的判断是Cerebras不是英伟达的杀手，而是英伟达及所有芯片公司可借鉴的最佳实践。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，投资风险巨大，入场需极度谨慎 （图：一个cerebas芯片）

你每天给 MacBook 接上充电器那一下，看似随手“咔嗒”一声，电脑里却有二十多个芯片同时醒来。它们在零点零几秒内完成一轮极严苛的“盘问” 一次谨慎的“谈判” 以及一套精密到可怕的调度。 我拆完苹果一份 121 页的主板原理图，一条线读到底，想把这件事讲清楚：你以为你在“充电”其实你是在启动一座城市。 想象你的 MacBook 是一座沉睡的城：屏幕黑、风扇不转（甚至很多机型根本没风扇），安静得像空城。但城最深处永远亮着一盏灯——PP3V8_AON。AON 是 Always On：永远供电。电池只剩 1%，你三天没碰它，这盏灯也得亮着，因为它一灭，城市就不是“睡着”，而是“死了”，连被叫醒的能力都没有。 现在你拿起充电线，MagSafe 也好，USB-C 也好——原理图里这台机器有三个“城门”：两扇 USB-C 大门，一扇 MagSafe 侧门。门有三个，但守门的其实是同一个人：ACE3。 ACE3 是苹果自己设计的芯片，三个口都归他管。每个口旁边还有专属的“翻译官”芯片负责高速信号中继，但钥匙只在 ACE3 手里。 插头刚碰到接口时，注意：这时候还没“充电”。充电器和电脑先做的不是送电，而是对话。接口上的 CC 引脚是通信通道，就像城门对讲机： 充电器先说：“我来供电，请求接入。” ACE3 不会立刻开门，他先盘问。这就是 USB-PD 协议握手，本质是一场外交谈判：你能给多少伏？最大多少安？ ACE3拿到答案后还要再算：电池状态、机器功耗、温度传感器读数……算出一个“最优方案”。他永远只拿自己需要的。 最后 ACE3 回复：“同意接入：20V，电流由我控制，打开 VBUS。” 城门这才打开。 门开了，但电不会直接冲进电池。20V 高压先到达 PPVBUS——这是外部电力进城的第一站。接下来要经过一条“严密布防的走廊”，走到调度中心：Mandola。 Mandola 是瑞萨的电源管理芯片（RAA489901），像个极精细的管家。她的任务是把外面进来的 20V 变成电池能接受的电压电流。MacBook 里通常是三串锂电池，满电约 11.4V，低电约 9V，20V 直接灌进去会出事，所以 Mandola必须降压、整流、并且精准控制。她用多颗功率 MOSFET 和电感组成降压结构，把“洪水”削成电池要的“涓流”。 更关键的是：她不是盲干。她通过电流探测（进出电流都测）和电池电压探测，知道每一毫安怎么进、怎么出，并自动完成三段策略： 电量很低：预充，像给 ICU 输液； 电量上来：恒流快充； 接近满电：恒压，电流逐渐变小。 你什么都不用管。 但 Mandola 头顶有个“市长”盯着她：SMC（系统管理控制器）。SMC 通过 I2C 总线不断问：电压多少？电流多少？温度多少？电池健康度、循环次数怎样？ 温度高就降功率；电池异常就切断；你一边充电一边跑重负载，SMC 还要协调“先保运算”。你看到的电池百分比，也不是电池随口报的，是 SMC 综合电压、电流、温度、历史和老化模型算出来的——所以你有时会觉得电量“跳了一下”，其实是市长在修正预测。 与此同时，城市的供电网也在同步启动。电池与外部电力汇入 PPBUS_AON（城市主动脉），再分流到两颗关键“变电站站长”：SPMU / MPMU（Stowe 双胞胎）。 一个管小功率模块，一个管大功率“电老虎”（处理器、内存等）。他们从主干取电，通过降压与稳压变出几十条不同电压轨：0.5V、0.78V、0.88V、1.2V、1.8V、3.3V……精度细到小数点后两位。每颗芯片“口味”不同，少一毫伏可能出错，多一毫伏可能烧毁，而这对双胞胎负责把每份“电力餐”按克称好、按秒上桌。 充电过程中还有一些你永远注意不到、但一直醒着的角色： 负责屏幕供电时序的显示电源管理； 负责密钥与硬件篡改防护的安全元件； 甚至还有传感器用于判断你是桌面充电还是塞在背包里——如果散热条件差，SMC 会主动降低充电功率。你以为只是插线，机器其实在拼命保护你。 把这一切按时间线连起来，大概是这样： 0.00 秒：接口接触，CC 引脚连通，ACE3 被唤醒。 0.01 秒：ACE3 启动 USB-PD，对充电器“核实身份与能力”。 0.05 秒：握手完成，ACE3 放行 VBUS，20V 进入。 0.06 秒：电到 Mandola，开始高频降压与限流。 0.08 秒：SMC 通过 I2C 确认状态，传感器全面上报。 0.10 秒：Mandola 稳定进入充电模式；同时 PPBUS_AON 稳定，Stowe 双胞胎拉起几十条电压轨。 然后，你的屏幕角落出现一个小小的闪电符号 ⚡ 你什么都没感觉到。 但不到一秒，二十多颗芯片完成了完美协作：ACE3管谈判，Mandola 管调度，SMC 管监督，Stowe 管配电，各司其职，互不越界，却把整座城市点亮。 所以下次你随手把充电线往 MacBook 上一拍时，你可以在心里说： “我刚刚启动了一座城市。”

本日 1月30日(金) ユメスポキッズアワー NMB48坂下真心 まこちの真心通信第42回 20時30分〜21時 さっぽろ村ラジオ ⭐︎まこちがNMB48にいて感じる事 ⭐︎冬のダウンの話 ⭐︎お便り沢山読みます ⭐︎お便り入力フォーム 👉 リスラジアプリで全国で聞けます