与「高效能運算」相关的搜索结果

川普访华，英伟达总裁黄仁勋半路上飞机陪同，AI半导体小跌之后继续上涨。 AI概念继续，底层光模块成为下一个百倍机会。 AI算力的「新天花板」已現－GPU再猛，也被資料傳輸徹底卡住！ 從機架到資料中心，銅纜已到極限，光子學正式接管AI互聯命脈！ 雷射、光收發器、DSP、矽光子、光開關、光纖…這些曾經的「冷門技術」，正在成為決定萬億AI集群性能的核心基礎設施！ 📈2025光子學頂級玩家速覽（今年真實漲幅，乾貨拉滿）： $AAOI +430% 超大規模AI光收發器，月產能10萬台，直連Houston&台灣供應鏈 $AEHR +418% 矽光IC燒錄驗證系統，全球大廠排隊，訂單積壓5090萬美元 $LITE +186% InP雷射全球50-60%份額，400G差分EML已量產，訂單超4億美元 $CIEN +149% AI長短距網路核心，1600ZR/ZR+光模組+6.4T光引擎震撼亮相 $GLW +137% 光纖光纜基礎設施王者，Meta簽60億大單，多芯光纖容量暴增4倍 $MTSI +114% 光模組類比晶片龍頭，800G/1.6T全面升級 $COHR +106% InP+矽光+1.6T全覆蓋，400Gbps矽光已實測 $MRVL +101% 光DSP訊號處理大腦，1.6T/6.4T矽光引擎全面鋪開 $CRDO +46% 活躍電纜+光DSP+矽光一體化，7.5億收購DustPhotonics $FN +43% 精密製造底層，泰國+美國產能支撐光模組爆發量產 $ALAB +25% Chip-to-chip光學引擎IP，直接嵌入AI互連平台 $AVGO +24% 光DSP+EML+VCSEL+400G DSP，3.2T→204.8T切換已就位 ⚡光子學不是概念，是AI算力突破的唯一答案！ 錯過GPU紅利的人，這次真的要再錯過光子學萬億賽道嗎？ 把這條乾貨收藏、轉發、拉進你的AI知識庫—— 真正的財富密碼，往往藏在「看不見」的底層基礎建設裡！ #AI# #Photonics# #光子學# #矽光子# #AI基礎設施# #資料中心# #高效能運算# #半導體# #光模組# #AI算力#

Anthropic 的年化收入已接近 450 亿美元，远超 OpenAI 的 250 亿美元，这一现象引发了对 AI 行业未来的深思。为何市场对两者的价值如此不同？在竞争日益激烈的环境中，投资者需要关注的是背后的潜在风险与机遇。 当前，Anthropic 的强劲增长不仅得益于其技术创新策略，还与其在市场中的定位密切相关。行业分析认为，专注于高效能和安全性的 AI 产品，使其在满足客户需求上更具优势。 跟随这一趋势，投资者应重新审视自己的投资组合，权衡 AI 企业的增长潜力与实际收益。选择前景明朗的企业，才能更好地把握未来市场动态，避免因信息不对称而导致的损失。

推荐24本搞钱必读书单： 1.《原则》 2.《逃不开的经济周期》 3.《置身事内》 4.《要钱还是要生活》 5.《百万富翁快车道》 6.《噪声》 7.《思考，快与慢》 8.《纳瓦尔宝典》 9.《富爸爸，穷爸爸》 10.《经济学原理》 11.《聪明的投资者》 12.《手把手教你读财报》 13.《滚雪球：巴菲特和他的财富人生》 14.《解读中国经济》 15.《穷查理宝典》 16.《我的经验与教训》 17.《贫穷的本质》 18.《有钱人和你想的不一样》 19.《最小阻力选择》 20.《高效能人士的7个习惯》 21.《财富自由之路》 22.《定位》 23.《稻盛和夫的人生哲学》 24.《史蒂夫乔布斯传》

这期播客是 The Pragmatic Engineer 对 OpenAI Codex 团队负责人 Thibault（Tibo）的访谈，聊了 Codex 的诞生、技术决策、工程文化以及软件开发方式的变迁。 以下是核心要点： 个人经历与加入 OpenAI Thibault 是比利时人，学应用数学出身，先后做过制药供应链优化的创业公司，在 Google 做过加速移动网页的项目（后被砍掉，让他学到了要时刻审视项目真实影响力的教训），之后在 Google Maps 做评论，再转到 DeepMind。在 DeepMind 期间，他参与了一个内部聊天机器人的开发——本质上就是 ChatGPT，但比 ChatGPT 早了一年。内部传播很快，大家都在分享对话，但 DeepMind 不具备把它作为产品发布的机制，最终没能推出。 后来他得知 ChatGPT 只有大约 20 个人在维护，这让他既震惊又觉得很有吸引力——这意味着极高的个人影响力。于是他加入 OpenAI，进去就赶上了推理模型的冲刺，大约一个月后 o1 preview 就发布了。 为什么用 Rust 写 Codex 这是一个反直觉的决定——当时模型对 Rust 的支持并不好，业界其他 AI 编码工具基本都用 TypeScript 或 Python。但团队从第一性原理出发，认为智能体的核心需要健壮、安全、高效，而 Rust 的编译时验证特性天然适合智能体场景。同时用不同语言也强制建立了产品界面和智能体核心之间的清晰边界，避免代码耦合。事实证明 Rust 确实"很快就变得非常适合智能体开发"。 开源和模型无关的策略 Codex CLI、SDK 都是开源的，而且支持非 OpenAI 模型——这在主要 AI 实验室中是独一无二的。理由很实际：如果不开源，别人只需改十行代码就能 fork 出一个支持其他模型的版本，那还不如自己直接支持。开源的好处包括新员工入职前就已经熟悉代码库、社区贡献、以及逼迫自己靠模型和产品体验赢用户而非靠锁定。 代价也很明显：竞争对手会在你还没发布的时候就抄走你正在公开开发的功能，"确实有点刺痛"；还有大量低质量 PR 需要处理。 工程文化与代码审查的变革 新员工入职后听到最多的一句话是"你问过 Codex 了吗？"——因为 Codex 在 OpenAI 内部接入了 Slack、文档、所有代码，几乎任何问题都能给出不错的回答。 代码审查正在发生质变。OpenAI 开发了专门的代码审查模型，能在逻辑推理和安全漏洞检测上达到"超人水平"——可以深入三四层依赖去发现文档错误导致的不变量违反。安全审查已经是强制自动化的，发现安全问题会直接阻止合并。一个 PR 可以当天提交、当天上线到十亿用户的 ChatGPT 上。 代码审查的角色正在从"正确性检查"转向"意图讨论"——你到底想做什么？这件事值不值得做？这种讨论不一定要围绕代码发生。 维护成本和重构的变化 维护一直是软件工程的"税"，但现在大量维护工作（依赖升级、安全补丁）可以完全自动化。更重要的是，重新架构的成本也急剧下降——以前可能要花几个月甚至几年的重构，现在快得多。但好的架构设计反而更重要了：设计好"盒子"和不变量，盒子内部随便改都不影响其他部分。 Harness 与模型的关系 一个有趣的洞察：harness（工具/脚手架）总是"走在模型前面"。Codex 团队的工作本质上是为模型搭建拐杖——提醒它跑测试、保持目标一致等。然后下一代模型训练时会把这些能力内化，拐杖就可以去掉，developer message 也会越来越短。最新一代模型已经不再需要 /goal 命令来保持长期任务的专注，"你直接告诉模型去工作一周，它就真的会做到"。 Codex 与 ChatGPT 的合并 这是一个重大工程挑战：Codex 原本完全本地运行，ChatGPT 是托管云服务，两套完全不同的技术栈要统一。目标是让云端版本具备本地版本同样的能力，同时高效到能纳入 20 美元/月的 Plus 计划。ChatGPT Work 模式本质上是在云端虚拟机里运行完整的 Codex harness，机器配置强大到用户可以在里面训练模型、安装 Blender 做 3D 建模。 有趣的是，Codex 在整个合并过程中还充当了"记者"角色，因为它能访问所有 Slack 讨论和文档，记录了团队的辩论和决策过程。 Thibault 的个人用法与建议 他大量使用手机上的 ChatGPT Work，通过语音口述发送任务，定制了专属的技能和指令来生成他能高效消化的报告和幻灯片。任何问题——公众舆情、生产日志、功能使用率分析、团队动态——30 分钟内都能得到答案。周末他还会用 Codex 做代码探索和原型，"一天之内就能把脑子里的想法变成可以展示给人看的东西"。 对工程师的建议：保持深度好奇心，训练自己快速理解系统的能力（"五个为什么"不断追问），以及与你服务的用户群体保持同步——如果你无法清晰表达意图，就很难做出好的工作。

巨蟒捕猎鳄鱼 巨蟒一出场就展现出了顶级捕食者的碾压实力，没有多余的试探，直接扑向毫无防备的鳄鱼，随后用粗壮的身体死死缠绕住鳄鱼的躯干，每一次收缩都在不断挤压鳄鱼的胸腔，硬生生阻断他的呼吸和血液循环。 这不是蛮力的较量，而是刻在基因里的捕食技巧。 短短几分钟，鳄鱼的挣扎就从剧烈变得微弱，反抗能力被彻底摧毁，鳄鱼还没有完全断气，巨蟒就已经开启了吞咽模式。 因为这条巨型阎王已经超过一个月没有进食了，他急需吞下猎物，给自己的身体补充能量。 巨蟒选择从鳄鱼的头部开始吞咽，这背后藏着满满的生存智慧。 此时，鳄鱼虽然失去了反抗能力，但神经反射依然在持续，从头部吞咽能最快阻断他的呼吸道，加速其死亡。 与此同时，蟒蛇、石头的肌肉会像波浪一样不停蠕动，一边吞咽，一边挤压鳄鱼的胸腔，将鳄鱼肺部的残余气体全部排出，彻底断绝他的生机，不给任何反抗的可能。 镜头拉近，我们能清晰看到鳄鱼尾部的剧烈摆动。 很多人以为这是鳄鱼还在主动挣扎，这只是他的神经反射和肌肉痉挛。此时鳄鱼的头部和躯干已经被蟒蛇的尸道紧紧包裹，胸腔被持续挤压，呼吸早已停止，尾巴的摆动不过是神经系统最后的疯狂摆动频率会随着时间的推移慢慢降低。 全程持续约两分钟后便彻底停止跳动，吞咽的过程远比我们想象的艰难。 鳄鱼的髋关节宽度甚至超过了蟒蛇师道的最大直径，但巨蟒早已进化出应对策略，它会反复调整头部角度，巧妙利用重力辅助，使到肌肉蠕动，一点点，将鳄鱼的后肢以特定角度推入微博，每一次蠕动都让人看得心惊胆战。 巨蟒的下颌张到了一个不可思议的角度，喉咙的肌肉一波接一波的蠕动像传送带一样，将比自己体型大数倍的鳄鱼缓缓送入体内。 巨蟒的消化能力堪称自然界的顶级消化机器，远超我们的想象，即便吞下整只带鳞甲骨骼的鳄鱼，也能高效分解，充分吸收。 当鳄鱼被完全推入胃中时，巨蟒的胃部会迅速扩张至正常体积的五倍以上，同时启动极致消化模式。胃酸大量分泌能轻松腐蚀鳄鱼坚硬的鳞甲，软化粗壮的骨骼，连难以消化的角质层也能逐步分解。 更厉害的是，巨蟒的胃部肌肉会持续如冬，不断挤压研磨食物，配合胃酸加速消化，形成，无需咀嚼，就能将整只鳄鱼转化为自身所需的能量，哪怕是鳄鱼的骨骼中的钙质也能被充分吸收利用，一点都不浪费。而且在消化。 其间，巨蟒会进入休眠状态，减少能量消耗，全力投入到消化工作中，确保这顿豪华大餐能被最大化用。 弱肉强食，不是残酷的暴行，而是自然界亘古不变的生存法则。每一场猎杀的背后，都藏着生灵活下去的本能与坚韧。没有多余的怜悯，只有为生存拼尽全力的抉择。敬畏自然法则，读懂生命的挣扎与顽强，便是万物共生最深刻的真谛。

2025年中国私人部门的对外投资回报率显著分化，其中组合投资获得了9.4%的可观回报，远高于直接投资的4.4%。这种差异显示出居民投资者通过二级市场进行全球资产配置，在AI等科技主题驱动的牛市中所获取了更多的超额收益。这也从侧面解释了监管层为何要加强对零售端流出渠道的管控：正因为“灰色渠道”能高效捕捉海外市场的投资机会，其潜在的规模扩张和示范效应对现有资本管制体系构成了挑战，因此需要将其引导至回报与风险均处于监管视野内的合规渠道。 来源：摩根士丹利（《中国观察 - 亚太地区：为何中国正在重构对外投资路径》，详细内容请见《财经图集》知识星球）

中国99%的40、50、60、70、80后省市县一把手官员干部，都是在改革开放红利时代提拔起来的，考核提拔的唯一标准就是GDP，提拔起来的都是优秀的GDP创造者。 国务院掌管财政和规划的各部厅级官员，也都是这个考核提拔培养逻辑，基本培养考核的都是花钱解决问题的能力，没有省钱的能力。 简单来说， 地方和中央行政官员考核模式，都是花钱、挣钱、创造GDP解决问题，虽然没有经历过学术训练，但实际上都是凯恩斯主义威权大手宏观调控全力搞生产的一派。 现在进入高质量发展阶段，恰恰需要规划出另一条发展体系，就是在一些不发展的地区，培养考核一批能省钱、敢体制内裁员、能高效率运营财政、把有限预算运用在基础养老、基础教育、基础市政运营、缩减财政赤字、减少对转移支付依赖的另一批官员。 问题是，目前既没有这个体系，也没有这个体系培养出来的地方官员，也没有人能正确摸索这个模式。

之前看其他老师用AI做的一些优质的视频，经常忍不住发出感叹，woc，做得太牛逼了！ 但我自己用同样的AI工具去做，就总是差强人意，像小学生出品。 这让我反思了一个问题：AI模型越来越强，获取工具也容易，但使用AI的门槛却在悄然升高，正在形成一道越来越宽的系统性鸿沟，会用的人和不会用的人，效率差距被迅速放大。🤔 新功能越多，普通人越跟不上。每发布一个新模型、新功能，都多出一道隐形门槛。 高手也需要不断研究模型差异、调试组合，认知和时间成本居高不下。普通用户试几次没好结果，就容易放弃，AI强大却难以真正发挥作用。 @dappOS_com 的xBubble @xBubble_ai 想解决的就是这个问题。 核心是低提示词。不靠猜意图，而是用预训练好的SOP+智能分发，让你一句话输入，就能拿到稳定好结果。每个SOP打包了技能、模型选用、运行环境和第三方服务，相当于一个专属小Agent。 🔹 Bubble Pilot是前台助手，发简单指令，它匹配最优SOP，走优化路径输出；没匹配就用通用模式。 🔹Bubble Engine在后台学习，用类似AI coding的方式生成SOP。预训练消耗较大，但SOP一旦生成，相似问题就能高效处理。运营上尽量聚合需求相近的用户共享SOP，特殊需求则单独收费。 这样，用户不用挑模型、调Prompt、配工具、验结果，只需说清楚想要什么。 实际用起来大概是这三种情况 ▪️命中SOP：直接走优化路径，效效果更好更稳 ▪️没命中：先给你可用结果，不卡住 ▪️反复提同一类需求：Engine就会自动建新SOP，下次体验直接升级。 🟩还有两种运行环境： Bubble Computer适合复杂项目，一次性完成研究、写作、设计、交付，全程不用管中间步骤。 Bubble Personal可操作本地文件、浏览器、日程，云端处理系统操作，更安全方便。 xBubble的理念就是：AI应该学习AI，AI应该使用AI，用户只需陈述目标。 把复杂工程藏到背后，让AI适应人，而不是人去适应AI，咱普通人也能轻松把AI变成日常生产力。 看最近会所哥@BTC_Alert_又又又萎了，用Bubble生成的这种类型，应该能治好你的症状吧哈哈哈哈

为什么“睡够7小时”还是脑梗了？ 45岁的刘先生躺在杭州的病床上，眼神空洞。 三年里，他经历了两次脑梗。作为互联网公司的项目经理，他的作息被KPI压得面目全非。周一到周四，凌晨2点睡、早上7点起；周五赶项目，甚至熬到凌晨3点。 唯一的“补偿”是周末，睡到中午12点，下午再补一觉。他算过，平均每天睡了7个多小时，“应该够了吧？”然而，脑梗还是来了。 作为高压职场人，刘先生常年作息紊乱。很多人像刘先生一样，认为只要总时长“达标”，睡眠就合格了。但医生指出，问题不在于“多久”，而在于“怎么睡”。 我们的大脑自带一套“清洁系统”——类淋巴系统。在你进入深睡眠时，脑细胞会收缩，让出间隙；同时，脑脊液会像“洗衣机漂洗”一样有节奏地冲刷大脑，带走β-淀粉样蛋白等代谢废物。这个过程并非任意时段都能高效运转，它严格遵循生物钟的指令。生物钟不仅管你困不困，还调控着血压、血糖、激素分泌和免疫功能的节律。 刘先生的模式叫“社交时差”，工作日严重缺觉，周末疯狂补觉。这就像每天把生物钟拨来拨去，周五还在北京时间，周六突然变成纽约时间。 后果是，即使周末睡够了时长，深睡眠的比例和出现的相位（时间点）全乱了。大脑错过了常规的“清洁窗口”，垃圾越堆越多；同时，不规律的睡眠还会损伤血管内皮，加剧炎症和动脉硬化。二者叠加，脑梗风险便急剧升高。 研究证实，睡眠时长过短（<6小时）或过长（>9小时），以及节律严重不规律，都比规律睡眠7-8小时的人有更高的心脑血管事件风险。稳定比“补”更重要。 所以，不要再用周末的长觉来赎熬夜的债。固定的上床和起床时间，哪怕每天只睡6个半小时，也比忽长忽短、周末恶补来得安全。 对于脑梗康复者，医生甚至会通过佩戴监测设备来指导调整入睡和起床时间，重建稳定的深睡眠节律。