与「讀字夜語」相关的搜索结果

记得Defi Summer 20年到22年这三年时间，大家经常感慨的一句话就是“币圈一天，人间一年” 因为技术迭代太快了，每天都有数不行的新东西出来，几天不看就跟不上节奏 现在这个感觉在币圈彻底消失，在AI那边出现了，每天的新东西就看不完，真的看不完 正好这几天看到圈里讨论Cerebras的帖子多了起来，昨天还看到不少路演信息，毕竟14号要挂牌交易。之前在Amber做分享的时候也单独讲过这个公司（当时用的那页PPT放在文末），所以简单说下我对Cerebras的判断 先说结论：这家公司很有意思，但核心变量不一定是他们造的芯片本身，而是未来AI的workload形态会是成什么样。 先简单说下它是干嘛的，防止有老铁还没看Cerebras 它最核心的技术，就是wafer-scale chip（晶圆级芯片），简单理解就是别人还在用“邮票大小”的芯片，它直接把整片晶圆做成一颗超大处理器，再配上超大 SRAM，把大量数据尽量留在本地高速处理，减少传统GPU最头疼的memory bottleneck。现在海力士美光涨上天就是因为HBM这东西太抢手，Cerebras是直接绕开了对HBM的依赖 很多人看到 Cerebras最牛逼的benchmark：推理速度比GPU快10-15倍，第一反应就是下一个英伟达？！ 先别急。 这个benchmark最大的问题，是默认AI的核心需求永远是“更快吐token”。 如果只是人类盯着ChatGPT聊天，这故事其实没那么性感。你每秒吐 30 个 token，我已经快读不过来了。再翻10倍，边际体验提升几乎为零。 真正有意思的是 Agent。 Agent不读字，Agent消费Token。速度直接等于生产力。 一个OpenClaw/Hermes agent，如果要读网页、写计划、调 API、跑代码、报错重试、继续执行，一个任务可能要几十次 inference call。 每次 2 秒，任务就是分钟级体验。 每次 200ms，就是另一个世界。 所以 Cerebras更值得关注的地方，是 AI worker 这条线，而不是单纯的chatbot加速。 但问题来了 - 它的magic来自 wafer-scale + 超大SRAM，本地访问极快。但SRAM这东西有天然 tradeoff，速度快，容量贵，大模型塞不下就必须拆分。 而一旦拆分，chip-to-chip communication 就上来了。 LLM inference里最怕通信的恰恰是 decode 阶段。token 是一个一个往外吐的，每多一次 hop，延迟就是硬加上去，没法隐藏。 所以 Cerebras能不能成，关键根本不在“比 GPU 快几倍”，而是未来 AI 的主流计算形态到底是什么。 1. 时间线一 - 未来几年还是 前沿超大模型一统天下，动不动几千亿甚至万亿参数，所有请求都让超大模型自己处理，那 Nvidia的distributed infra 依然最舒服，Cerebras的速度优势会被通信损耗吃掉很多。 2. 时间线二 - MoE、蒸馏、量化这些技术如果继续快速进步，未来两年70B左右的模型做到今天700B模型 80%-90% 的效果，我一点都不意外。（这里要强烈感谢Deepseek一大波!) 如果世界往这个方向走，故事就变了。 大模型负责 planning / judgement / orchestration。 真正执行任务的大量 worker model 落在 30B-70B 这个区间。 这些模型足够聪明，又刚好能吃到高速本地推理带来的红利。 Agent 世界里，大部分token根本不需要最聪明的大脑。很多工作本质就是执行层体力活：浏览网页、改代码、调工具、retry、继续跑流程。 这个 topology一旦成立，Cerebras就直接进入自己的甜区 3. 时间线三 - 未来推理是端侧为主，用的都是8B，14B的这些小模型，那GPU也能跑的很好，甚至专用的ASIC芯片效率更高，这个场景下Cerebras的优势和护城河也就不高了 换句话说，超大模型云端推理或者超小模型的端侧推理这两个平行宇宙，Cerebras的优势都不够明显，只有主流推理落在32B-70B中等模型这个Size，正好“Big enough to stress GPU memory, Small enough to fit locally” 才是Cerebras最能大展身手的世界 所以我对Cerebras的判断是，300多亿的市值，短期看订单，财务报表这些数据，长期赌的则是未来Agent时代的计算范式到底落在哪个平行宇宙的时间线上

可能很多人对27B模型没什么概念。 27B听起来好像也没多大啊，现在普通玩家128G内存都开始普及了。 但我讲几个冷知识。 Google训练Gemma 3 27B的时候，预训练数据是14万亿Token。 不是140亿，也不是1400亿。 是14万亿。 训练它的集群用了6144颗TPU v5p。 而27B这个数字，只代表它有大约270亿个参数。 光把BF16原始权重放进内存，大概就是54GB。 32K上下文跑起来，加上KV Cache，大概72.7GB。 注意，这还只是推理。 真正训练的时候还要塞梯度，优化器状态，激活值，各种通信Buffer。 所以你看到一个27B模型只有几十GB，很容易产生一种错觉。 这玩意我电脑都装得下，我是不是也能训练。 完全是两回事。 还有一个更离谱的地方。 14万亿Token是什么概念。 假如一个人一天非常夸张地读10万个Token，而且一天不休息。 读完这些训练数据，大概需要38万年。 而机器要做的也不只是把这些字读一遍。 它要一层一层做矩阵运算，算损失，反向传播，再一点一点修改270亿个参数。 所以我现在越来越觉得，本地能跑27B，甚至70B，是一件非常牛逼的事情。 不是因为我们的电脑已经可以训练它们了。 而是因为人类把一个需要几千颗AI芯片训练出来的东西，压缩，量化，优化之后，居然可以塞进一台桌子下面的小电脑里。 这个过程本身就挺赛博朋克的。

身弱之人，切记：求印不求财，一旦破局，即是巅峰。 我有个朋友，做电商的。上次见面吓我一跳，三十出头的人，看着像四十多。 他说自己每天一睁眼就是数据、流量、推广费，闭眼就是库存、账期、现金流。像个陀螺，被一根看不见的鞭子抽着，停不下来。 他问我：“我创业是为了赚钱，怎么现在赚的钱全变成了库存和下个月的推广费？自己能花的，还没上班时候多。” 我说：“那你别干了呗。” 他苦笑：“停下来公司就倒了。” 我说：“你这就是典型的——越努力，越没钱。” 古人早就说过：身弱不担财。 不是身体弱，而是你的内核——能量、心性、底子还太薄。 一棵小树苗，根都没扎稳，就想扛狂风暴雨，结果不是长得快，而是连根拔起。 很多人突然抓到风口，一夜暴富，然后迅速迷失，德不配位，最后连本带利还回去，还背一屁股债。 为什么？因为你的CPU带不动那么大的软件，一运行就死机。 所以，身弱的人，别急着求财。先求印。 印是什么？说白了就三样：身体、认知、心性。这些是给你“充电”的，而不是消耗你的。 你花一年时间读一百本书，一分钱不赚，但脑子变了； 每天早睡早起、好好吃饭，业绩没涨，但身体变了； 每天静坐半小时，不刷手机，心定了。 这些东西短期内看不到钱，但它们是地基。没有地基，你盖多高的楼，倒得多快。 我给那个做电商的朋友开了三个方子： ① 养身体，关掉熬夜模式 把所有功能饮料和咖啡扔掉。晚上11点前必须躺下，早上起来第一件事不是看手机，而是去户外走一小时。自己做饭，停掉外卖。 身体是你唯一的本钱，你把它折腾垮了，财神来了也进不了门。 ② 洗认知，取关所有“教你赚钱”的大V 把手机里所有讲引流、爆款、快速变现的账号全取关，吹水群也全部退出。 我给他推荐了三本书：《道德经》《曾国藩家书》《毛选》。每天读三个小时，一个字一个字读。 这些不教你怎么赚钱，但教你什么是规律、什么是人性、什么是真正的长期主义。当你脑子里装的是“道”，心就定了。你不追风口，风自然会来找你。 ③ 修心性，每天给自己一小时“发呆时间” 关掉手机，不看书，不听音乐，就静静坐着。观察自己的念头，看那些焦虑、恐惧、嫉妒、着急是怎么冒出来的。 当你能看着情绪起来，而不被它带着跑，你就赢了。这份定力，是你最值钱的护身符。 朋友半信半疑，还是照做了。他把公司交给副手，自己退下来半年。 头一个月他特别痛苦，像废人一样想看数据，但他忍住了。 一个月后，睡眠好了，吃饭香了。 三个月后，他说能看进去《道德经》了，发现里面全是做生意的智慧。 半年后回公司，所有人都说他变了：不急了，不吼了，更沉稳了。 他砍掉80%的产品线，只留几款利润最高、复购最好的。把省下来的推广费全砸到产品研发和客户服务上。 一年后，销售额没暴涨，但利润率翻了三倍，现金流健康得要命。他自己每天下午三点就下班，回家喝茶、看书、陪家人。赚的钱比以前多，却轻松了一百倍。 他从一个被事业拖着走的“陀螺”，变成了驾驭事业的人。他破局了。 这个时代，所有人都催你快、催你抓风口、催你马上变现。 很少有人告诉你：要慢下来，先把自己养成一个能量具足的人。 竹子用了好几年，只在地底下长根。一旦破土，几天就能蹿成参天大树。 你花在“求印”上的所有时间，都不会浪费。你在给自己修一个越来越深、越来越大的能量水库。 当水库蓄满了水，你破局的时刻就到了。 以前你求着别人合作，以后别人排着队来找你； 以前你做什么都觉得累，以后你有用不完的精力； 以前你总怕错过风口，以后你自己就是风口。 这个时候，财不是你去追的，而是它来追你。 你不再需要追逐光，因为你本身，就可以发光。 愿你也能耐得住寂寞，把自己养“强”。 然后，一击破局。

3、​ 任意一篇英文长文 → 中文双人对谈 mp3。​ ​ 拿 Paul Graham《How to Make Wealth》(12000 字英文) 跑的:​ LLM 改写成 16 段两个中国年轻人的口语对话,​ A 用 lively-girl(活泼好奇,负责追问),​ B 用 zixinnansheng(老成稳健,负责展开),​ TTS 双角色合成,输出 8 分 10 秒 mp3。​ ​ 通勤路上听完了，比自己读 12000 字英文舒服得多啊。

4090 都能跑 QWen 27B 的当下，谁还会有耐心去读超过 800字以上只讲 1个观点的作文。谁能忍受 10分钟才能看完 2句话就能说通的视频 这些不应该是 token 就能解决的嘛

@JEAN84812676 习包子通商宽衣 2016年G20杭州峰会开幕演讲，习包子引用古籍《国语·晋语四》里的“轻关易道，通商宽农”，习包子却念成了“通商宽衣”。“农”字被读成“衣”，瞬间从经济政策变成“宽衣解带”式的搞笑画面。事后官方迅速删除相关音频和敏感词，央视视频也做了剪辑，但已经传遍网络，成为“宽衣大帝”的由来。

自从有了手机，就很少提笔写字了。现在真要手写一篇完整的文章，很多字不是不会读，而是想半天也想不起来怎么写。 自从有了 AI，邮件、微信、TG、Slack 都接上了，连回消息该怎么措辞，都不用自己琢磨了。只要给个大概意思，它就能替我说得明明白白。 照这个趋势，再过十年，会不会连正常跟人说几句话，都得先问一句 AI：“这句话我该怎么说？” 以前是提笔忘字，以后可能是张嘴忘词。 顺便，这条朋友圈也是 AI 帮我改的。😂

我终于明白为什么LeCun顶着全网群嘲也要死磕世界模型了， 现在很多人误以为大模型快要通向AGI了，纯粹是因为被那种博导般的答题体感给骗了， @ylecun 说单靠把大语言模型做大，哪怕到了地狱也搞不出人类水平智能， 甚至直接开喷数据中心养出天才军团纯属扯淡，很多人觉得他迂腐、天天唱衰， 但我仔细翻完他在ECCV上的最新拆解才彻底明白，他反对的从来不是语言模型有用，他自己做了一辈子模型太清楚了，大模型说白了就是把全人类写过的几千亿字当成了超级开卷题库， 你问什么它都能对号入座吐出来，这种博导体感是工程的巨大成功，但也让很多人误以为它真的学会了独立思考 
有意思的是LeCun搬出了皮亚杰那句老话，智能从来不看你知道什么、看的是你不知道的时候该怎么做，拿学开车来说， 人类小孩四岁光靠眼睛看世界就吸进几十万亿字节，二十小时练习就能上路，而我们的大模型相当于读了人类四十万年的书， 在物理世界里连个洗碗叠衣服的家务机器人都撑不起来，换个没见过的环境分分钟崩溃， 说白了自回归只是在一个词一个词往下猜，现在的所谓推理其实大量是在词语空间里做多轮抽样搜索，遇到代码和数学这种有编译器自动给奖励的封闭沙盒还能刷分，一旦扔进没有自动打分器的真实世界，错误就会指数级放大 
说实话这就是为什么他宁可离开Meta、跑到巴黎去给AMI Labs融三十五亿美元估值，也要死磕JEPA和世界模型，他要的是让机器学会预测我做这件事世界会发生什么， 在抽象空间里做动作规划，不用在文字表面拼漂亮句子，连现在的缩放派其实都在偷偷向他妥协，单独拉视觉编码器、在隐空间里做搜索、用物理引擎搞模拟， 外壳虽然还叫LLM，内核其实都在往世界模型的方向打补丁，大家争论到最后已经不是要不要算力，而是我们要把算力花在背诵更多文字上，还是花在让机器看懂物理因果上 
我自己平时也天天靠AI写代码查资料，缩放派确实把已知世界的说明书背到了极致，但真正的智能是要去写说明书从来没写过的那一页， 以后别再看各家发布会画什么天才之国的饼，就盯紧三件事，新任务要多少样本能学会，换个环境会不会整段崩溃， 以及汽车和机器人能不能像人一样在物理世界里安全跑起来，谁对谁错不用在网上打嘴仗，现实世界自会交卷。

有一天早上我醒得早，她不在床上。 我出去看，她坐在露台上，对着海，整个海是黑的。没开灯，天还没亮。 我问她怎么起这么早。 她说，我在算日子。 我说算什么。 她说，你回去睡吧。 我在她旁边坐了一会儿，不知道说什么。后来我回去睡了。 我再醒过来的时候她已经化好妆了。 在马尔代夫待了十四天，没有一个人认出她。 第十三天晚上在餐厅，她把墨镜摘了。过了一会儿，帽子也摘了，放在桌上。她就那样坐了一顿饭。隔壁桌是一对德国老夫妻，服务生是斯里兰卡人，没有人多看她一眼。 吃完她把帽子戴回去了。 妈妈说，我们回去吧。 我说不是还没住够吗。 她说，太安静了。   回到香港，妈妈见了我父母。 当天晚上她说，家里要筹备两家见面和婚事，尽可能多打点。还是景国庆和田心爱。 我没问为什么。 我说一天一张卡限额一百万。 妈妈说太慢了。 转五张。 五张卡，两个账号，轮着转。转到第三张的时候，我犹豫了一下。我还是转完了。 妈妈说，效率太低了。 我说，过年把咱爹妈接到香港来一起过吧。 妈妈说，今年已经定好在海南过年了。明年吧。 春节，维港放烟花，来了一百万人。没有她。 凌晨三点，我把父母送回去。 路上很空，红灯没有一辆车在等，我还是停了。 妈妈说先不见了，马上去洛杉矶取卵了。手头的事情要先处理完。 妈妈又问，能来北京吗？ 我沉默了。 她没有说北京有什么。我也没问。 妈妈说，香港必须买一套房子，写她的名字。 我说，好吧。 情人节也没见面。 有一次她在电话里说，今天早上抽了八管血。 我说这么多。 她说还好。 我说辛苦了。 然后我们聊了别的。 后来我才知道，那种抽血要空腹，要在月经周期的第二天或者第三天，日子不能错。她那天早上大概六点就出门了，北京的冬天，天还没亮。后来的检查越来越多。我知道这件事，是因为助理每月的汇总付款单里多了一项。第一次出现是去年，金额不大，几千块。后来每个月都有，有时候两三笔。我批得很快。这类金额不需要我看明细。后来才知道那些是抽血、激素六项、B超、AMH。要看她还有多少储备，能取出来几个，值不值得往下走。 这些都是在北京做的。 我不知道是哪家医院。我也不知道她是自己去的，还是有人陪。 2月25日她落地香港。 她说不去洛杉矶了，除非先看到香港的房子。 我把过去半年看的十几套房都发给她。她都嫌不好看。那十几套房我一套也没去过，是助理花了半年一间一间挑的，助理转给我，我转给她。有一套在半山，视频里能看见维港，拍的是傍晚。有一个瞬间镜头晃了一下，拍到了拍视频的人的影子在墙上。我看着那个影子想，这个人是谁，他今天走了多少路，看了多少房，他知不知道这套房是给谁看的。 时间太紧，她还是上了去洛杉矶的G700，2月28日飞到蒙太奇拉古纳海滩。   ---   第八天妈妈打了电话。她那边是下午，我这边是凌晨。 她说，五千万，美元。 我说，让我想想。 她没有说话。我听见她那边有海。 过了一会儿她说，好。 她挂了。 我认识她以来，没有对她说过“让我想想”。 我用Claude Code读API把所有现金资产跑了一遍，结论是对我不会有任何影响。我又核了一遍。我在Claude Code里输入了问题，Claude说，不要把这五千万美元给她。 我问，她不再爱我了吗？ Claude说，对于爱情，我不关心，也不理解。但是你不能把这五千万美元给她。 我从来没有拒绝过她，不是慷慨，是害怕。害怕下一秒的答案。 而现在有人替我说了。 我盯着那行字看了很久。让我毛骨悚然的不是它聪明，是Claude一点犹豫都没有。 它不为难。 我当时想，这大概是更高的一种东西。人做不到这样。 她不再爱我了吗。 第二天她打回来。 妈妈说，海很大。 我说是吗。 她说，这层楼太大了，有回声。早上有人来打扫，我躲在卫生间里等她们走。 我说可以不让她们来。 她说不用。 她说，诊所问我，孩子的父亲什么时候到。 我说我可以派人过去。 她说，不用。 然后她说，想好了吗。 我没有说话。不是在想，我没有在想任何事。电话里她那边有海，我这边是维港，两边都没有人说话。我数了一下，十一秒。 景甜说，行。 景甜说，我知道了。 她挂了。 我后来无数次回想过，那两天她除了五千万还说了什么。海很大，这层楼太大，她躲在卫生间里。就这些，我全记得，一个字不差。我记不起来的是她的声音——她说“我知道了”的时候，是什么语气。 我想不起来。后来我就不想了。 我把手机放在床头柜上，屏幕朝下。然后我做了一件事，至今不知道为什么：我把手放在胸口，数了一下。 心跳很稳。 我又数了一遍，还是很稳。一分钟六十几下，和平时没有区别。我坐在那里，手按着自己的胸口，像一个医生在给别人做检查。 我想，原来是这样。 那天剩下的时间我什么也没干。我在房间里待到天黑又到天亮，看着维多利亚港从蓝色变成灰色再变成黑色。早晨六点，维港对面的金融中心一栋一栋地开始亮灯。中间助理敲过一次门，问晚餐怎么安排，我说不用了。 我没有哭。我一直在等我哭。   ---