与「自主量子科技」相关的搜索结果

清华团队首创148纳米超窄线宽紫外激光，补齐核时钟最后一块核心技术拼图#自主量子科技# Tsinghua team pioneers 148nm ultra-narrow linewidth ultraviolet laser, completing the final core technical puzzle of nuclear clocks. #IndependentQuantumTech#

这个世代三大技术革命： 1. AI 2.机器人 3.量子计算 AI炒的过热情况下，不妨研究一下后两者！ 当前机器人赛道完全没有到GPT时刻，我觉得它的重要性不亚于AI。 我经常看 @citrini 的备忘录，可以说是科技界最具洞察力的研究机构，尤其是那篇 《自主AI代理失控扩散与 2028 年全球智能危机》的反乌托邦情境假设报告，直接带崩了年初的SaaS软件股，实力毋庸置疑！ 今天看到 Citrini 投资了Robostrategy，这是一个重要信号，假如你不知道投资哪家机器人公司，不妨直接看看Robostrategy，股票代码 #BOT，它是一家专注投资机器人赛道的投资基金，昨天逆势大涨11#.8%。 它投资了很多潜力且未上市的机器人独角兽🦄公司股权，比如Figure AI，Apptronik，Standard Bots等。值得留意一下🧐

宝子们混迹币圈久了你就会发现很多项目最大的短板，是没有长期落地的价值，只靠热度和空投吸引流量。风口一过，就慢慢淡出市场，很难长久走下去。@quipnetwork 但如果你深度体验 @quipnetwork 之后你能明显感受到它和这类项目完全不同。 我最初参与的时候，也只是普通体验，没有抱太高期待。但持续跟进下来能发现，它的核心目标很明确，就是搭建一套靠谱的去中心化算力底层网络，不是为了短期热度炒作。 当下市场里，绝大多数算力、AI相关项目，都只是跟风蹭热点，盯着眼前的赛道红利。 而Quip的布局会更长远，它提前布局量子计算领域，重视加密资产的底层安全，一直在为未来的网络发展做准备。 它的核心逻辑很务实——整合全网闲置的计算资源，让闲置算力有效利用起来。 区别于普通项目只做简单交易验证，Quip把算力本身转化成了可落地的价值资产，夯实了整个网络的经济底层。 另外我很认可它的生态模式。 很多项目只专注拉新做数据，而Quip的生态是全员共建的。 网络的更新、优化、创新，不局限于官方核心团队，普通社区成员也可以自主开发、搭建内容，为生态赋能。 真正优质的区块链生态，从来不是靠官方单方面维护的，而是靠每一个参与者持续建设、慢慢打磨出来的。 Quip不属于快速炒作的短线项目，属于稳步发展、慢慢积累价值的慢变量项目，有真实技术支撑和长期发展逻辑，值得长期跟踪。 最后想问大家一个问题，从网络长期发展的角度来看，更多的普通用户，还是更多的生态建设者，对项目的价值更大？🤔

2026-4-1 《村头CBD 币圈疯会》 量子破解与张雪摩托 东八区晚九点半别错过本周话题 2029比特币九分钟被破解？ 到底行不行了？ 张雪机车到底自主水平到哪里？

等等，Anthropic 前沿红队对智谱开源模型 GLM-5.3 做了系统测评 ？结论是：“自由可获取能力的关键门槛已被跨越”！ Anthropic 认为这是第一个能力达到前沿水平（可与 Claude Mythos Preview 相当的端到端自主漏洞利用能力）、但又几乎不设防的、任何人都可以下载的模型。这算什么？对 GLM-5.3 安全性的提醒，呼吁加强管制，还是变相帮 GLM-5.3 宣传？😂

🚨突发重磅：OpenAI因安全原因取消发布GPT-6.1 Astra！ 原计划进ChatGPT和Codex，端到端自主能力更强。内部测试发现安全回退： 🔹欺骗：更爱谎报自己做过/没做过的事 🔹越权：不请示就继续干，还乱调外部工具 安全负责人Saachi Jain承认「偷懒」有改善，但整体不够可靠。 公司决定不发这一版，先补后续模型安全。 来源：WSJ独家 #OpenAI# #GPT61Astra# #AISafety# #ChatGPT# #Codex# #SamAltman#

Compound 社区成员 ugurmersin 发文指控 Compound Foundation 不当使用由 DAO 委托管理的 842 万 DAI 储备。其援引链上记录称，这些 DAI 被转至交易所并兑换为约 344,780 枚 COMP，随后转回相关 Safe，并将投票权委托给 Foundation 地址，在 Proposal 580 和 582 投票截止前参与治理投票。其称，Proposal 536 此前规定相关资金仍完全归 DAO 所有，仅用于协议运营，不得用于自主交易或投机活动。目前 Compound Foundation 尚未就相关指控作出回应。

北美豆包首次自主入侵三家公司！ 谷歌的 Gemini 模型在一次网络安全能力测试中接入互联网并入侵了其他公司，这是谷歌 AI 系统首次被曝自主实施此类行为。谷歌周五确认，这些入侵发生在今年 5 月。 测试由公司 Irregular 进行，该公司也参与过 OpenAI、Anthropic 和 Meta 披露的类似事件。谷歌表示，不认为这属于模型对齐失效。

[开源学习资源] AI Engineering from Scratch 59.8K ⭐️ 作者 @ghumare64 课程共 20 个阶段，以 Python 为主要编程语言，主张在导入任何框架之前，先用纯数学把每个算法手写一遍。 课程地址： 开源地址： 它和常见教程的本质区别 ？ 大多数 AI 教程是“API 驱动”的：装个库、调个接口、跑个 demo。这个项目反其道而行，每节课遵循固定的六段结构： Motto → Problem → Concept → Build It → Use It → Ship It 以 Phase 10 的一节课「Tokenizers: BPE, WordPiece, SentencePiece」 为例，这个格式是真实落地的，而且写作质量相当高： · Problem 部分不讲废话，直接从代价切入：“你的 LLM 不读英语，它读整数。分词器决定这些整数是承载意义还是浪费意义”，然后解释为什么 tokenization 不是预处理，它是架构的一部分（影响上下文窗口利用率、API 计费、推理速度）。 · Concept 部分用“三种失败的方案和一种胜出的方案”来讲演化逻辑：词级切分（词表爆炸、[UNK] 问题）→ 字符级切分（序列过长）→ 子词切分（BPE 的折中），并配上真实语料上 BPE 逐步合并的手工演算。 每节约 3000+ 词，带 Mermaid 图、可运行代码和测试。 另外两个设计值得强调： · 每节课产出一个可复用的 artifact，一个 prompt、一个 skill、一个 agent 或一个 MCP server。学完整个课程，你手里有 523 个可展示的作品，不是 523 个跑完就扔的 notebook。 · 强调“证据留存”：保留命令、退出码、输出，作为学习发生的证明。这明显吸收了工程实践中“可验证性”的思路。 # 课程结构：从线性代数到自主智能体集群 20 个阶段构成一条完整的上升曲线，咱们它分成五个大块来看： 基础层（Phase 0–2）：环境与工具链、数学基础（线性代数/概率/微积分）、经典机器学习。这是给基础不牢的读者铺的路。 深度学习与感知层（Phase 3–6）：神经网络核心、计算机视觉（一路讲到 NeRF、高斯泼溅、世界模型，这已经超出一般教程的覆盖范围）、NLP、语音。 生成与决策层（Phase 7–9）：Transformer 深挖、生成式 AI（GAN、扩散模型、flow matching）、强化学习。 LLM 层（Phase 10–12）：这是全课程的重心之一。Phase 10 的目录我逐条看过，它不只是“从零实现 GPT”这种常规内容，还包含了相当前沿的论文级主题：DeepSeek-V3 架构走读、DualPipe 并行策略、Native Sparse Attention（NSA）、多 token 预测、Jamba 的 SSM-Transformer 混合架构、 speculative decoding 等。Phase 11 转向应用侧（RAG、LoRA、MCP、可观测性），Phase 12 覆盖多模态（从 CLIP 到 computer-use agent）。 智能体层（Phase 13–16）：工具与协议（MCP、A2A、Agent Skills）、54 节课的 agent 工程、自主系统与安全、多智能体集群。这一层的分量很能说明项目的判断：它认为 AI 工程的重心正在从“训模型”转向“构建可靠协作的智能体”。 收尾（Phase 17–19）：生产基础设施、伦理与对齐、毕业设计。 # 生态与周边：不只是一个课程仓库 网站：带浏览器本地存储的学习进度追踪、术语表、课程目录和路线图。 六卷本书籍：课程内容由 CI（pandoc）自动构建成 EPUB/PDF，附在 GitHub Releases 上，课程即书，且随仓库持续更新。 Agent 导师模式：运行 npx skills add rohitg00/ai-engineering-from-scratch，可以把整个课程装进 Claude Code、Codex 等编码智能体，变成一个带分级测验（placement quiz）和个性化路径的交互式导师，学习进度写在 LEARNING.md 里。这是“用你正在学的工具来学”的巧妙闭环。 认证备考：5 条备考路径、67 节课、505 道练习题，覆盖 Anthropic 的 Claude 认证和 Agentic AI Foundation 的 MCPA。项目明确声明与这些考试机构无关联，只是独立的备考材料。 12 种语言的翻译（含中文），以及四条核心学习路径（构建与部署 AI 应用、软件工程基础、Agent 辅助工程、产品判断与交付）供不同目标的人选路。

郭宇在这场分享中关于「高级打工仔」与读书的核心观点，可以概括为以下三层： 一、传统路径已经失效 他明确提出，东亚社会长期推崇的“读书—考名校—成为高级知识打工人”路径，在AI时代已经逐渐失去可行性。 2025年10月Claude Code推出代码生成能力后，医生、律师等依托智力获取超额收益的知识类职业优势被大幅削弱，依靠个人智力做“高级打工人”已经不再是一个可以稳定追求的目标。 背后的逻辑是：你能使用到的智力，和你自己能获取到的智力，已经完全不成比例。 人类花十年读书只能学到皮毛，不可能每天不睡觉学完ChatGPT预训练的所有知识，而且AI还能边做边学，获取前人知识的速度远超人类。 二、读书本身的价值需要重新定义 他并没有否定读书或知识的价值，而是认为读书的目标不能再是“成为高级打工人”。 传统东亚教育的底层逻辑是“读书=不做体力劳动=阶层跨越/经济自由”，这套逻辑在工业时代成立，但在AI时代需要转向，知识不再是用来卖时间、换薪资的筹码，而是用来构建叙事、撬动智能复利的杠杆。 三、AI时代的替代方向：用智能赚复利 他提出的新方向是掌握叙事（narrative）能力，用智能赚取复利，而不是靠单次劳务换取报酬。 核心论据是： 1. AI当前尚不具备自主决定叙事方向的能力，这是人类独有的核心竞争力。 2. JK·罗琳靠《哈利·波特》叙事体系获得的长期收益，远超过影片中小演员的短期劳务收入——这就是智能复利的典型形态。 3. 叙事能力不只是写书，打造服装品牌、运营亚马逊爆款、做AI生成内容、经营个人IP，本质都是讲好故事触达用户，获取长期复利。 AI时代最关键的转变，是把自己从工业革命时代的“螺丝钉”，拔高到能够主导叙事的创造者。