与「錦市場」相关的搜索结果

过去十几年很少去旧金山，一是因为觉得开车麻烦，尤其是旧金山市内路况复杂，开车耗神 ；二是因为老是听说车窗被砸的事情，觉得找停车麻烦，停在路边怕车窗被砸。三是觉得没啥好逛的。 现在情况有所改变。 一是因为有特斯拉 fsd, 尤其是 24年三月之后 fsd 技术有质的飞跃，现在开车进城省心多了，精神压力减少 70%以上。路上可以听 spotify 的音乐和 podcast, 也不无聊，很放松，看着路边景色变化有助于发散思维。 二是可以事前询问 AI 精确定位使用哪个室内停车场最安全方便。旧金山这两年治安水平有所改善，事前规划好，车窗被砸的概率低于十万分之一 :) 三是短距离移动，超过徒步所愿意走的距离，但又不愿意开车换停车场，可以有 uber, waymo 的选项。尤其是后者，有自己的私密空间，又比等公车方便很多。 四是有 AI 工具如 chatgpt, grok 可以很方便的获得实时的信息，附近有哪些好玩的博物馆，花园，好吃的餐厅，等等。AI 可以根据你的非常细微的兴趣提出高度个性化的，精准的实时推荐，又比 yelp 之类的点评网站强很多。这样在城内闲逛变成一个很有乐趣，常有惊喜的活动。 有时想想自己很荒谬，会愿意不远万里去京都逛锦市场 Nishiki market，去大阪逛 doutonbori, 但对旧金山的探索还很肤浅。但现在随着 ai 技术的发达，一切都在改变。 I love San Francisco!

今日もロケです😊 動くので最近もよく食べてます♡ 最近だと、焦がし葱の辛味噌鍋がオススメです😍 【紺野、日本の絶景で踊るってよ】 12月26日 深夜0:55〜 #テレ東# #日本の絶景# #おうちご飯# #錦市場# （紺野あさ美）

⚡️ 友友们，AI 的应用层越来越拥挤，但隐私 AI 讨论真正被带起来，是从 Venice $VVV 开始的，它让普通用户能在不暴露输入内容的前提下使用大模型。 不过，个人私密聊天只是起点。但更高价值的场景，比如金融、医疗、企业协作，需要的不是一对一隐私，而是多方在不暴露原始数据的前提下一起完成计算。 @Arcium 切入的就是这一层。它不是做产品界面，而是在提供一套底层的加密执行网络，让任意计算过程都能在密态下完成。打个比方：Venice 是用户侧的隐私 AI 应用，Arcium 就是支撑企业级隐私计算的那层基础设施。不是谁取代谁，是分层各干各的。 这里并没有谁替代谁的问题，而是分层关系。应用层负责直接服务终端用户，基础设施层负责提供可验证的加密运算环境。未来如果 AI agent 需要处理跨机构的敏感数据、做去中心化的风控或联合建模，它必须依赖像 Arcium 这样的底层网络，而不仅仅是靠前端产品的隐私政策。 再提一个容易被忽略的信息：Arcium 收购了 Inpher。Inpher 是机密 AI 领域的老牌团队，之前和摩根大通、亚马逊都有过合作。比起融资叙事，这次收购更重要的一点在于，它表明 Arcium 在补的是真正能落地到企业级场景的技术能力，不是临时拼凑的 AI 热点方案。 现在市场对隐私 AI 的讨论，大部分还集中在谁能提供私密对话这个应用层面。但如果我们认同一件事，未来高价值数据要被 AI 使用，又必须保持全程加密，那么机密计算网络就不是锦上添花，而是必需品。 至于这个底层网络未来会占多大的价值比例，目前还没有定论。 $ARX 上线，可能只是市场开始重新审视隐私 AI 基础设施的起点。

AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样 ------------------------------- 历史：CPU算力时代 很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大？两个原因 1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量的ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载 也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。 另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。 所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。 而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大，需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度 AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多 而老黄在推理时代的token经济学是： AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多 最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化 （见图一） NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大 但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐量 Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s （见图一） 所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量 ------- 第一个参数：batch size的增长，瓶颈在HBM size 批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长，会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟 结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长 --------- 第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽 大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的 就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快 GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术） —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理： Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！ 这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！ 要验证这个理论，可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较 （见图二） 可以发现，这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快，毕竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合，而是系统最优化的必然解 throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？ 这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛 这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去 GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事 只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？ 当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分） —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关 剩下的问题，只有一个： 当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过去三十年那样，亲手把自己再拖回一次周期的泥潭？

前天王者荣耀重回抖音直播，几个头部主播空降站内热搜Top 5，其余大大小小的直播间都想办法接住这波破天流量，总之就是是人是鬼都在捧着手机打王者。 腾讯禁止王者荣耀在抖音直播露出已经是4年前的事情了，那会儿两家公司打官司打得你死我活，腾讯生怕游戏的外溢流量养肥了抖音的内容供给，再被作为弹药输送给字节跳动的游戏业务反过来打自己，于是借由法院通过了王者荣耀的禁播令。 只能说此一时彼一时，当时两边都没想到，那条看起来鲜花着锦烈火烹油的棋路并不好走，游戏行业的大盘承压，即使是王者荣耀这样的顶流产品，也在拉新环节一天比一天吃力，而字节跳动就差没喊出「兄弟们上当了」，硬生生把游戏业务剥离掉了。 问题是这么一出下来，当初两家公司互相猜疑的基本逻辑也就不复存在了，所以王者荣耀回归抖音，其实已经是双方勾搭快半年时间的产物了，很像大龄青年相亲的画面，不问过去，只谈将来。 其实腾讯的那几家游戏工作室一直都对抖音没啥意见，甚至还是买量大户，从结算账款来看，也算抖音的优质客户了，但是顶不住公司那些年要和字节干架，眼睁睁的坐视王者荣耀放弃了这个后劲最强的直播平台。 别看斗鱼虎牙都是腾讯投的，垂直游戏直播平台适合经营LTV，但对获客的贡献委实有限，上面都是老油条玩家了，要转化也早就转化了，但抖音那种泛生活直播场景是真的能带来新用户的，可以想象Timi是怎么一边心头滴血割肉一边支持老板决策的。 当年三星手机部门在和苹果相互起诉专利权利并闹得不可开交的时候，三星半导体/显示器部门照样稳定给iPhone供应屏幕面板，iPhone的热销甚至构成了三星利润结构里的最大部分之一，这虽然很反常识，但也很合理。 可惜Timi遇到的是集团干仗，实在是胳膊拧不过大腿，不像三星部门之间是平级关系可以不屌对方，换个例子你们就懂了，腾讯视频去年想做长短视频联动，找微信事业群的视频号谈合作，谈完出来灰头土脸的，转头就去找了抖音并顺利达成合作，两边都很开心，哈哈。 当然了，确实这几年来互联网公司签停战协议的时候越来越多了，虽然表面上看，互联互通的顶层意见摆在那里，巨头们都可以借这根杆子顺着往下滑，表示迷途知返之类，但实际上是在电梯里坐俯卧撑也能原地上升的时代去而不返了，以前的逻辑是捂住自己的流量池，跟着电梯一起增长，现在电梯停了，再怎么运动流汗都不管用，这就需要拿出价值跟曾经的竞争对手去做交换。 李嘉图的比较优势理论，都懂的吧，就这么一回事儿，看到Quest Mobile的统计，中国移动互联网的人均使用时长已经连续3年没怎么涨了，所谓的存量规则不是喊喊就完了的，你要拿出次要利益来，才能保住核心利益的增长，对于腾讯来说，帮着抖音完善他的游戏直播内容，这就是割让次要利益的选择，而由此换来的核心利益，就是让王者荣耀去8亿月活的盘子里拉新。 反过来也是一样的，甚至因为不想做游戏了，抖音的拧巴心理会更少一些，在广告生意的结构里，来的都是客，谁都值得笑脸相迎。 可以预见的是，这样的回归做法，在中国互联网行业只会越来越多，它算不上古典意义上的开放生态，却又存在一种相互依存的原始本能，就和电动车行业动不动就喜欢给友商致敬的道路一样——在一亩三分地里厮杀的收益，远不如一起抱团去加速消费市场油转电——互联网公司也都意识到了，对抗周期的重要性，比和对手撕逼大多了。 反正连周鸿祎都夸起傅盛来了，真的活久见啊，他妈的。

本日、名古屋市栄・錦通りで開催された　#SAKAE納涼盆踊り大会# のレポートをアップしました。たくさんの方と過ごした楽しいひと時の模様を御覧ください。 #SKE48# #10周年SKE48#

“反送中运动”7週年之际，DW在东京现场，记录海外港人在涩谷街头撑起黄伞的异乡心声。 近年，日本有大量中国移民。首相高市早苗上台后，中日关系转为紧张、中国游客锐减，但涩谷仍是许多中国人出没之处；纪念活动周围可看见不明人士干扰与偷拍，甚至还有中国人经过后大喊“傻X”，但仍然浇熄不了港人呼喊口号的热情。 他们身穿黑衣、手持黄伞与配戴黄色口罩的人不断高喊“Free Hong Kong”口号，挥舞早已被香港政府禁止的“光复香港 时代革命”字样旗帜。 面对无力感与被淡忘的困境，叶锦龙跟William都表示要“战略转换”，认为必须把“日本国安问题”纳入倡议，证明这对日本来说非身外之事。 点击看报道：

【速報】殿の血統証が出てきて、殿の本名が明らかに… 出生地:霧島市 犬名:岡錦号(オカニシキゴウ) ＿人人人人人人人人人＿ ＞ 岡　　錦　　号 ＜ Y^Y^Y^Y^Y^Y^Y^Y^Y