与「未来編」相关的搜索结果

说个暴论，未来编程还是要分前端和后端。 后端做构架，设计API，考虑系统安全和扩展性。 前端负责用户看见部分的体验，但做这个事情的人可能是现在的运营，产品，设计，和传统意义的前端。 前端岗对人的综合能力要求变高了。

Claude Code 负责人 Boris Cherny 正式宣布：提示词（Prompt）正在过时，循环工程（Loop Engineering）才是编程的未来。他已不再通过编写指令来调用 AI，而是构建一个自我迭代的闭环。 这种范式转移意味着开发者的角色正在从“写指令”转向“设计逻辑流”： 1. 建立反馈回路：让模型在错误中自我修正。后面更值得看的是，它到底能不能把长任务的中断率压下去，并让上下文复用变成默认能力。

很多程序员会享受指尖敲击键盘产出代码的过程，coding&debugging，在解决编程问题的过程中快速进入到心流，我也曾多次这样。 llm 出来以后，这种快乐正在逐渐消失。代码虽然还是自己敲出来的，但指尖敲击的内容变了，变成了跟大模型对话，看着屏幕上“突突突”自动产出代码，还没来得及看完，程序就已经 run 起来了。 很显然，那种写出复杂代码和学习各种语法的爽感和获得感，将不复存在。或许，未来基础的编程工作应该换个名字，叫“古法制码”。

金山办公 CEO 章庆元：未来只需要两种工程师，一种是全栈工程师，能做产品、能做开发、能做测试、能做交付，是全能的。 第二类，在某些领域特别精，我们公司有个同事是个汇编高手。因为很多浮点数运算在不同 CPU 上表现不一样，他就天天在写汇编，绝对是顶级的。 未来公司的架构，可能就是由一小撮顶级的架构师、顶级的专家，再加上很多全栈工程师组成，规模会变得很小。 编码的能力已经不重要了。你的鉴别能力，你的设计能力，你对 AI 的工程管理能力变得更重要了。 全文

数据库领域有一篇经典的博文叫 MapReduce: A major step backwards，核心观点在于索引、查询优化和数据库管理是有用的，今天丢掉未来还是要捡回来，事实也是如此。 编译器也类似。直接生成二进制，token 成本首先就成问题，其次写代码不只是为了得到二进制，更是多年来对业务建模的一套模式语言。

8.02梭哈晨报： 周末果然是妖币诞生的日子，基本上蛰伏5个工作日的币都在这两天爆发，给足了大家周末赌博提供场所的样子！ 1. $BTC 被盗的钱包开始砸盘了，叠加微策略开始说要大规模卖币了； 2. $ETH 好像不在坚挺了； 3. $SOL 前段时间集体喊的BP，已经腰斩了； 4.Solana基金会CISO：AI正让加密诈骗更难防； 就好像Solana的诈骗一样； 5.特朗普权衡CLARITY Act伦理反提案，参议院需在8月7日前争取60票支持； 6.俄罗斯扩大加密挖矿禁令范围，莫斯科地区禁令将持续至2032年； 7.灰度敦促参议院休会前表决CLARITY Act； 8.COLDCARD漏洞或因编译器绕过处理出现； 被盗金额大幅扩大，目前1000+BTC； 9.Michael Saylor：并非因亏损被迫出售比特币，未来仍将保持净买入； 10.发行量创历史新高，美国ETF两个月新增约390只； 11.伊朗外交部：决心继续走抵抗与坚守之路； 12.MARA CEO：比特币已错过成为支付工具的机会； 除了灰产真的没机会了，不过灰产也没机会了； 13.BNB Chain 正在对前员工采取法律行动，因其从教程钱包中发起了一种迷因币； 看大家似乎都知道前员工是谁，所以好难猜啊； 14.比特币挖矿难度较年内峰值下降14%，为历史上第二次出现同比负增长； 众所周知一大堆矿企去做ai了； 15.太子集团核心人物胡小伟被遣送至美国，FBI 已介入调查； 又要给美利坚送钱了； -------------- 不会真的有人信了soalan基金会大哥们喊单吧，喊的除非是meme，不然都是给大爷们送钱哎。 #Bitcoin# #Ethereum# #Solana# #Crypto# #Nasdaq#

OpenAI公布十项数学与理论计算机科学新结果，全部由AI主导完成 OpenAI内部一个代号Astra的未发布模型，在球体堆积、编码理论、群论、算子代数、量子复杂度、格密码学和极值组合数学等领域，解决了十个悬而未决数十年的公开问题。每个结果都配有一份用Lean 4形式化的证明，证明代码公开在Github上（ 这些数学论证本身是由模型生成的，人类只负责把论证整理成手稿、并完成Lean形式化。跟现在程序员用AI写代码的过程类似：AI写代码，人类程序员只负责review，甚至有的都不review，直接accept后做功能测试。 想想未来数学家、科学家像程序员一样，主要职责就是验证和Accept，未免有点太刺激。 OpenAI原文： 10道题目简介： 1. 高维球体堆积：多少个球能塞进一个盒子 想象在很高维度的空间里堆橙子，怎么堆最省地方、能塞下最多球，是一个跟晶体结构、通信编码都有关的经典问题。1978年提出的Kabatiansky–Levenshtein上界四十多年没人从根本上突破。AI生成的公式算出的指数约为每维度−0.604，比历史最佳的−0.599更紧。 2. 二元码与球面码：怎样让传错的信息还能被纠回来 给数字信号加冗余，让接收端即使传输出错也能纠正，是编码理论的核心问题——纠错能力越强（码字间距离越大），能塞进的合法码字就越少，这是一个此消彼长的权衡。这次的结果把已知的码字数量上界在指数意义上大幅收紧，缩小了理论允许的最好码和已知构造出的码之间的差距。 3. 非苏菲克群：所有“群”都能用有限的东西去逼近吗 群是数学里描述“对称性”的基本结构。一个自然的问题是：任意一个群，是否总能用足够大的有限置换群去足够精确地逼近（这类群叫“苏菲克群”）？这个问题多年没有定论。这次的结果构造出一个明确、有限表现的群，并证明它天生无法被这样逼近，即它是非苏菲克的。 4. Connes刚性猜想：换了一张“脸”，身份还是原来那个吗 每个群都能生成一种叫von Neumann代数的运算结构，有点像给群拍了一张“运算指纹”。Connes猜想认为，对某一类群来说，这张指纹应该能唯一认出原来的群，不会有两个不同的群共享同一张指纹。这次的结果构造出一个反例：两个结构不同的群，却生成了本质相同的von Neumann代数，说明这张“指纹”并不总是唯一的。 5. Permanent的计算下界：为什么有些矩阵运算天生就很难加速 矩阵有个大家熟悉的量叫行列式，靠消元法就能快速算出来。它有个“难兄弟”叫permanent，长得像行列式但去掉了正负号，恰恰就是这个符号差异，让permanent在已知算法里始终摆脱不了指数级的计算量。这次的结果证明，只用加法和乘法搭出的电路（不允许用除法这类“捷径”）去计算permanent，电路规模必须达到某个新的、更高的下界，从数学上解释了为什么这类计算“绕不开”。 6. 量子平行重复：把同一个博弈重复玩，输赢概率会怎样变 在双人合作博弈里，如果重复玩k次要求全部获胜，直觉上获胜概率应该随k指数级下降。这件事在经典（非量子）情形下早已证明，但如果博弈双方可以用量子纠缠来配合，之前的证明工具只能给出很弱的下降速度（大约是根号级）。这次的结果把这个结论真正推广到了一般的量子博弈情形，证明获胜概率同样会指数级下降。 7. 最近向量问题CVP：格密码学为什么“抗量子” 把很多点按固定的方向和间隔整齐排列在高维空间里，就构成了一个“格”。给定格外一个随意的点，找出离它最近的格点，这就是最近向量问题CVP。这次的结果证明，哪怕只要求“大致找到”一个足够近的格点（而不是精确最近），这个问题依然是NP困难的，也就是说没有已知的快速算法能保证解决它。这正是后量子密码学敢于依赖格结构的理论基石。 8. Ehrhart体积猜想：一个凸体最多能“胖”到什么程度 设想一个凸的几何体，它唯一包含的内部整数点就是它自己的重心，那么这个凸体的体积最多能有多大？这次的结果给出了每个维度下精确的答案，是(n+1)n/n!(n+1)^n/n! (n+1)n/n!。 9. 多色拉姆齐数：想在一堆点里完全避开“三角形”，要多少种颜色 拉姆齐理论说的是：只要一个系统足够大，规律和结构必然会自发出现。把这句话落到最经典的问题上：给一张完全图的每条边染上k种颜色中的一种，要让图里避免出现同色三角形，图至少要多大？这就是Erdős第183号公开问题。这次的结果证明，这个最小规模会随k呈“超指数”增长，也就是比任何形如 c^k 的指数增长都快，彻底解决了这道悬了很久的题目。 10. 极值图论中的两个反例：稠密程度能推出图有多“退化”吗 极值图论研究的是：给定一些限制条件（比如不能出现某种子图），一张图最多能有多少条边。这次的结果针对两个具体的公开猜想（Erdős第146和180号问题）构造出了反例，说明原猜想设想的“边数够多就必然导致某种退化结构”的推理并不总是成立。

收藏这35个免费实用网站，日常用起来超顺手 01. —— 一键永久存档任意网页 02. —— 转动地球，收听全球实时电台 03. —— 免费临时邮箱，保护隐私 04. —— 给未来的自己发一封邮件 05. —— 查找软件免费替代品 06. —— 查看网站使用的技术栈 07. —— AI 一键去除图片杂物 08. —— 免费处理 PDF、图片等文件 09. —— 在线 Photoshop 替代品 10. —— 全能 PDF 工具箱 11. —— 免费流程图、架构图工具 12. —— 无限手绘白板 13. —— AI 语音转文字 14. —— 自动整理会议纪要 15. —— 像改文档一样剪音视频 16. —— 快速录屏分享 17. —— 可视化自动化工作流 18. —— 自动连接各种应用 19. —— AI 一键抠图 20. —— AI 无损放大图片 21. —— 免费图片、视频、音乐素材 22. —— 免费可商用素材库 23. —— 思维导图、流程图工具 24. —— 开发者学习路线图 25. —— 免费系统学习编程 26. —— 编程文档聚合查询 27. —— JSON 可视化工具 28. —— Cron 表达式生成器 29. —— 特殊符号大全 30. —— 一键截取完整网页 31. —— 字数、阅读时间统计 32. —— 一键提取纯净食谱 33. —— 亚马逊历史价格查询 34. —— 产品说明书搜索 35. —— 尝试绕过部分网页付费墙阅读全文

最近很多朋友都发过王煜全关于AI 泡沫破裂论的 Podcast ！ 两段我都看了， 说实话我是认同他的泡沫破裂论，因为这是规律必然发生，但不认同把 2029 年当成一个可以精确计时的节点。 现在也就是 2021 到 2027 年应该处于 AI 早期，类似于 Crypto 的 2012 到 2016 年， 那么到 2028—2031 年，可能是 AI 从基础设施狂热转向商业回报验收的高风险窗口，类似于 Crypto 的 2017 到 2021 年。 2029 年只是这个窗口的中位数，会不会一定在这里破灭还有待商榷。 他的一些比较有意思的观点： 1️⃣绝对早期！ 王煜全认为，我们现在处于 AI 发展的绝对早期，重大技术革命通常会经历： 技术突破 → 社会恐慌 → 逐步接受 → 集体狂热 → 泡沫破裂 → 基础设施成熟 → 长期繁荣。 按照他的判断，现在社会还在讨论“AI 会不会抢工作”“普通人会不会被淘汰”，这仍带有恐慌期特征。 真正的泡沫高峰，是大家都确信 AI 能赚钱、所有公司都开始包装 AI、资本不再认真计算回报的时候。 2️⃣为什么是2029年 他借用了工业革命和汽车工业的历史类比。 福特流水线出现后，并没有马上带来全社会生产力繁荣。 相反，企业大规模投资新产能，但多数行业还没真正学会如何重组组织和生产流程，最终出现了严重的产能与金融错配。 放到今天有点像是： 大模型类似新的通用技术； 数据中心、芯片、电力类似基础设施； AI 编程和 Agent 类似新的生产方式； 但大部分企业还没有完成组织结构和业务流程改造。 因此，未来几年可能先出现一次投资狂热。 当市场发现“投了这么多算力，但企业利润和生产率没有同步兑现”，估值和资本开支就会遭到重新定价，于是一切开始破裂，大家认知错位导致震荡，最后市场重构。 他认为这一切大概率会出现在 2029 年。 他经常说的一句：2029 年前后可能是资本市场的危险点，却可能是 AI 应用创业的黄金起点。 事实上，这也不是他最近才形成的观点，我找到的资料显示，早在 2024年11月9日的前哨大会上，他就提出数字革命的前半段可能在2029年前后面临“大裂谷”，原因是社会可能高估 AI 在短期内带来的改变。 3️⃣ 当前最大矛盾，是资本开支增长快于商业回报。 下面都不是王煜全老师的观点，是我自己的看法，可随意喷。 我也和王煜全老师保持同样观点，肉眼可见的风险在迅速累积。 路透社根据LSEG数据分析认为，到2027年，微软、Alphabet、亚马逊、Meta和Oracle等公司的AI资本支出增长，可能明显超过经营现金流的增长。测算中，每增加1美元经营现金流，可能对应约1.57美元新增投资。 这个结构不能永远维持。 现在资本市场愿意接受的逻辑是： 先建算力，收入以后自然会来。 一旦未来两三年变成： 算力建完了，但收入增长、利润率和生产率没有跟上， 市场就会从争夺“未来空间”，转向计算“投资回收期”。这通常就是泡沫开始破裂的时刻。 所以AI的技术价值是真实的，但估值可以提前透支很多年。 4️⃣一些判断。 把未来几年分成三个阶段。 第一阶段：2026—2027年，基础设施继续扩张，算力、电力、数据中心、芯片、网络和模型训练仍会吸收大量资本， 这个阶段卖铲子最赚钱。 第二阶段：2027—2029年，AI应用和Agent进入大规模验收。 这个阶段，会诞生真正的大公司，也会死掉大量看起来很先进、但无法收费的公司。 第三阶段：2029年前后，资本开支和现金流正面碰撞， 如果到那时，行业依然只能通过不断融资和资本支出维持增长，而AI应用收入不足以覆盖基础设施成本，就可能发生较大的估值压缩。

FLUX 3 发布了！ Black Forest Labs 对它的定位，不再是又一个「文生视频模型」或「文生图模型」，是「真实世界模型」！ 团队把 图像 / 视频 / 音频 放进同一套 multimodal flow 架构里，试图学「世界如何运作」，再把同一底座同时接到 内容生成 和 具身/动作预测。 为什么要「多模态一起学」？ · 图像：提供某一时刻的空间结构与关系 · 视频：提供时间、动力学、物理规律 · 音频：提供机械现象与声学之间的因果线索 · 语言：提供目标、抽象、指令 各模态都是同一现实的「投影」，单独训只能拟合投影；一起训时，模态之间的互约束（声音必须对得上撞击、运动必须符合质量、未来必须接续过去）才更接近「世界表征」。 能力拆解：同一模型，三条产品线 1. Video（已 Early Access）：最长约 20 秒、原生音频；文/图/视频参考、续写、关键帧、多语言对白；可链式拼更长片。 2. Image（随后数周）：合成 + 编辑；复杂 prompt、多语文字、风格与分辨率更强（仍在 midtraining 迭代）。 3. Action（伙伴通道）：原生动作预测，或把视频骨干当动力学底座微调；已有 FLUX-mimic（mimic robotics / Audi 场景）。