与「高速星宴」相关的搜索结果

/／ 📣HIGHWAY STAR PARTY 2024 開催記念 『100の質問』第7弾公開！✨ \＼ 第7弾、『shuri 100の質問』 HSチャンネルで絶賛公開中！ @shuri_H_S #shuri# #100の質問# #高速星宴# #HS_PARTY#

【中國成功發射通信技術試驗衛星二十四號】5月27日00時16分，中國在文昌航天發射場使用長征七號改運載火箭，成功將通信技術試驗衛星二十四號發射升空，衛星順利進入預定軌道，發射任務取得圓滿成功。該衛星主要用於開展多頻段、高速率衛星通信技術驗證。此次任務是長征系列運載火箭的第645次飛行。

昨天SpaceX时隔11小时连发两枚猎鹰9号，西岸送星链、东岸打同步通信卫星，助推器全稳稳落船上回收了。 今年已经射了78次，在轨星链破1万颗，偏远地区和大洋航空的高速网就靠这密度撑着。 火箭几天就能检修加注再飞，回收复用把成本压到极低，这种高频节奏现在对他们来说就是日常操作。

前几天在新浪的「赛博对话」录了一期视频播客，话题是大模型厂商怎么就从烧钱走到了赚钱的转折点，主持人是高飞 ，嘉宾是庄明浩和我。 其实最开始是想聊豆包收费这件事情，我和庄明浩还在私下嘀咕，豆包传出付费方案的消息是在月初，早就不是热点了，实在是过了蹭的时机，但如果放大到AI这门生意终于迈过了亏本赚吆喝的那条线，就没问题了，这是一个相当长效的题材。 省流版总结如下： - 根据黄仁勋提出的五层蛋糕理论，应用层虽然是直接和终端用户打交道的，但它也是整个产业结构里盈利压力最大的那个，毕竟上面四层都是供给逻辑，有货就不愁卖，唯有应用层是需要竞争流量的，在这个前提下，收费堪比拔鹅毛但又不让鹅叫唤的艺术； - 豆包当初传出收费消息被猛带了一波节奏，很多人以为从此就没法免费使用豆包了，无论是从中国互联网的历史来看，还是ChatGPT作为先例的样板，收费模式必然是增值服务，大家现在怎么用豆包的还是怎么用，然后一些旗舰级的能力就只会放在会员方案里予取予求； - 再就是国内用户对于为产品功能买单这件事情极其抵触的特有生态，之前北京车展，The Information的记者过来跑了一圈新势力，发现它们的出海计划里都会把车机功能当作付费点，但在中国市场完全没有这个想法，负责人的解释也是很直白无奈，「中国人不会为软件付钱」； - 庄明浩和我都觉得豆包在绝对领先的地位上开启收费尝试是很有意义的，这点钱对于字节的CapEx来说无异于杯水车薪，但整个消费观念的转变很重要，甚至我相信千问元宝都会感谢豆包，否则都被卡死在给全国人民做公益这个沼泽里，「你不收，我怎么收？我不收，耿专员怎么收？大伙怎么进步啊？」 - 再就是豆包的定价梯度可能比较意外，或者说整个AI应用的订阅门槛都是偏高的，长视频平台还在10块钱、20块钱一个月的留人时，豆包的最低档会员就是68块钱一个月了，像是Kimi也是49块钱一个月的起价，越过了30块钱一个月这个标准； - 30块钱一个月就是手游里的月卡，再往上才是大月卡，即通行证/战令，这一档的定价通常从68块钱到98块钱一个月不等，至于豆包计划里最贵的500块钱一个月套餐，相当于一单648的8折价，是不是也很容易理解了； - 马化腾在财报会议上也专门讲了中国用户在2C市场的付费转化率不太高这个点，要知道腾讯已经是最能从用户口袋里掏钱的互联网公司了，它都这么为难，叠加年年喊崛起年年也没能支棱起来的SaaS，模型下游的商业循环在国内实在需要一点乐观趋势，要知道智谱、MiniMax、月之暗面本质上是出海赚美金的公司； - 对于收入能够保持同步增长的公司而言，CapEx其实不是问题，从谷歌Q1财报来看，营收1000亿美金出头，利润差不多600亿，毛利率比纯卖广告的Meta还高，所以烧钱有什么问题呢，烧不出回报才是问题，马化腾说以为上船了但发现船是漏的，就是这个意思； - 中国互联网除游戏外的订阅制付费上限，单产品差不多在1.3亿的水平线，爱优腾和QQ音乐在巅峰期都没能超过这个阈值，我个人不太相信AI应用可以创造例外论，但是抛开订阅不谈，被越炒越火的各种Token套餐如果真的普遍化了，搞不好还真能带来变数； - 其实模型厂商也倾向于按量计费的买卖，订阅制的商业模式就像健身房，赚的是那些开了卡但不经常来的客人的钱，如果大家都用满，在这么一个不太存在规模效应——用户越多，越容易摊薄成本——的行业，AI应用很容易成为一个失血点而非造血器，所以庄明浩看到了一个怀旧服的可能性出现； - 也就是各大运营商开始力推的Token包，这跟当年的流量包不能说是一模一样，只能说是完全一样，所以如果运营商能够成为一个分销Token的角色，像大王卡那样，用Token包去覆盖一些模型的用量，再去后端完成分账，这个故事是完全说得通的； - 不过，无论是订阅制还是卖Token，模型能力都是撬动市场的第一要素，就像GPT-Image-2出来之后所有代开会员的第三方价格全数涨价，以及「六小虎」里把编程套餐卖断货的行情，都说明生产力需求是可以无视价格敏感的； - 但我总觉得豆包的收费不会走生产力路线，豆包大模型可以有生产力市场的目标，比如配合Trae去打，豆包App却未必要这么把路走窄，它的人格化和陪伴性其实是可以在情绪价值市场做出更多可能性的，就像我看有数据显示开源模型超过半数以上的Token消耗用在了角色扮演上，这里的经济价值是被低估了的； - 高飞和庄明浩认为模型厂商还有一个创收机会，就是转移支付，借着全民AI这个热潮，去让市政单位、高校学府来买单，比如某个市的行政区，去给市民提供常态化的Token额度，或者大学对标自己和知网签年框的方式，让师生享有最基础的Token套餐，用财政预算去替大家消费AI； - 总的来看，头部的模型厂商基本不再担心会倒闭了，包括已经上市的财务数据都摊开了，一个基本事实是，如果不算预训练，毛利率都能是打正的，同时预训练的成本增加是一个线性的，而收入的增加是指数级的，所以Anthropic、OpenAI这种烧钱大户都预计能在2030年甚至2028年就实现正现金流，这个速度比亚马逊当年都要快得多； - 庄明浩说做上游投资的现在是在焦虑物理极限，什么意思呢，就是会不会说，地球上的铜不够用了⋯⋯包括要去太空建数据中心，也是因为缺算力缺成了连力大砖飞都搞不定的事情，光有钱没用啊，你得有地方花出去，全世界的工业品暴涨，核心原因就是产能跟不上，需求侧在竞价锁单； - 中美大模型的发展差异在于，美国是在追求速胜，一波钱砸下去，掉队的、认输的马上就出来了，集中度很高，「御三家」就是这么高速洗牌洗出来的，中国因为相对慢一些，同时大家对成本更谨慎，所以能有更多的玩家不下牌桌，赚钱的难度也会高一些，这是充分竞争的经济学理论； - 庄明浩举了Seedance 2.0的例子，按理来说这场仗就应该打完了，你不可能怀疑字节在视频模型身上的决心和疯狂，但实际上呢，快手的可灵、阿里的Wan和Happy Horse、MiniMax的海螺都是该怎么继续还是怎么继续，后面还跟着HiDream、Vidu、Pixverse、SkyReels一长串名字，它们甚至都能拿到融资； - 中国互联网的缠斗传统，加上大盘上涨的规律，意味着你可以不是吃到肉的那个人，跟着喝汤一样能够保存希望，而且AI行业的标的天然优于非AI行业，这种「种族优势」，决定了「投AI总比投别的强」的底层逻辑，于是纷纷续命，等对手犯错，等轮到自己，等一切可能性； - 还是用那五层蛋糕的比方来说，美国是标准的纺锤结构，稀缺性最高的英伟达在中间赚得盆满钵满，中国则更偏向于柱状结构，在产业指导的作用下，不会有哪一层特别明显的去吸整条上下游的血，所以这个蛋糕必然不会跟太平洋对面一样甜，一个人走得快，一群人走得远嘛； - 最后还有一个变数是硬件，庄明浩说，美国做硬件的Startup，拿到钱后的第一件事就是飞深圳，跟逛迪士尼乐园似的，什么梦想都能找到供应商，为什么一级市场那么喜欢投大疆、追觅、影石出来的人，就是因为他们有从0到1的经验，可以复用到AI这一波，难道文曲星和背背佳就不算应用了么，对吧； - 高飞说得很有意思，AI用的东西，都在涨价和赚钱，比如能源、光纤、芯片这些，只有人用的东西，是在通缩和亏损，那么AI应用赚钱很难就说得通了，因为这是给人用的，人类不争气啊，碳基世界完蛋了，哈哈哈哈； - 所以，虽然这话可能有政治不正确的嫌疑，但判断AI是否真正产生了价值的标准，就是企业有没有在大规模裁员......是的，AI替代人类很残酷，但这起码说明AI可以产生真实的经济效益，反倒是喊着AI改变一切，却凡事仍要人类亲力亲为，才是真的有问题。

小説のビバリウム、もう読み終えた方もいらっしゃいますかね？小説に合わせて私の思い出話なんかもできたらいいなと思っています 水浴び後、屋上の場所に向かう途中の高速道路は最後に父親と母親と私の3人で一緒に出かけた日の帰り道思い出しました。 東京も意外と星見えますね。

神神鬼鬼的 开年这两天的行情有点像传统意义上的牛市了。 连续两天跳空高开高走，日内不回调，几乎都以最高价收盘。成交量急剧放大，昨天2.5万亿，今天2.8万亿，买盘汹涌。去年一直萎靡的证券板块强势领涨，今天涨了4%，逐渐有了2015年的味道。 昨天高盛说a股今年能涨15-20%，按这两天的速度，这个月都不止20%。但谁都明白目前这种状态是不可持续的，它是短期情绪发酵释放的结果，后续要么减速，要么出现震荡，不可能一直处于亢奋的状态。 行情好的时候股民普遍有fomo情绪，嫉妒别人涨的多，着急自己赚的少，这也是人之常情。我可以简单捋一下行情脉搏，首先是权重股涨势更好，开年这两天指数表现平均好于市场中位数，今天市场中位数+0.79%，而宽基基本上都在1%以上。受我的影响读者里持仓中证500的人很多，开年这两天笑嘻了。 其次有金融杠杆的板块表现更强劲，这里说的主要是证券和保险，它两直接受益于行情升温。 再者就是有强共识的概念，比如和马斯克有关的两大明星赛道，商业航天和脑机接口，在这种人人盼涨的行情里很容易凝聚共识和流动性。多说一句，这两个最近涨幅真的很大，我觉得追涨要慎重了。 然后就是有色，这个持续性是最好的，受益于全球流动性宽松和大宗商品的牛市，从去年涨到今年。开年涨最多的10个行业里，小金属、能源金属、工业金属都位列其中。 当然并不是所有板块都涨得很好，消费整体上依然偏弱，以及红利板块从去年7月份以来就极其挣扎，很多大家印象里的蓝筹股最近半年下跌了20-30%，银行、铁路、电力、高速公路之类的，k线可能会吓你们一跳，没想到牛市里它们的表现这么惨。 这其实就是牛市的跷跷板效应，资金这个时候不再需要避险，主动从避险板块里流出，冲进热门板块参与投机，这是肉眼可见的大势所趋。 …… 我今天按照制定的交易计划进一步卸货，减掉了4手ic，目前还剩下20手。我当时计划从中证500指数7000点以上，每涨1%就卖1手，一直卖到7770，卖11手。今天收盘都7800点了，所以第一阶段的减仓计划完成。 我以前解释过思路，我最初计划配置是20手，但a股前几年明显低估，反反复复挖坑，我忍不住计划外给加到了31手。这一波随着估值修复，多出来的11手我就卸货了，前几年受的窝囊气终于找a股报销回来了。 另一个就是ic的头寸规模在膨胀，以前指数5000点的时候一手才100，现在指数涨到了7800点，一手156，如果继续持仓31手就接近5000，加上股票基金就超过了我预设配置a股的比例，所以就趁行情好出一些。 其实去年初的31手，和现在的20手，头寸规模是差不多的，减掉的部分差不多就是去年涨起来的。剩下的20手暂时先不卖了，后续看情况，有新计划会和大家分享的。 …… 1、马斯克发了他和特朗普夫妇共进晚餐的照片，所以这对欢喜冤家又和好了。这哥两在2026年都有大活，马斯克要推进spaceX的ipo，特朗普要面临中期选举，所以想了想还是又走到了一起，和则两利。特朗普说马斯克80%是超级天才，20%会犯糊涂，这也是用上了辩证批判，给自己的小老弟打上了28开。星链宣布为委内瑞拉提供一个月免费宽带服务。 2、委内瑞拉股市、债券暴涨，这个很好理解的，之前马杜罗主政，国际资本彻底放弃了委内瑞拉。现在庄家换了，金融信誉重构就涨了。像我这样的布衣草民在看待重大事件时都是平民立场，我其实不太关心大人物的生死荣辱，我只希望底层百姓能过上好日子。乌克兰、巴勒斯坦、委内瑞拉、伊朗，皆如是。 3、中国决定对日本加强两用物项出口管制，两用物项是指既有民事用途，又有军事用途的货物、技术和服务。像之前管控的镓、锗、钨等关键金属，还有钐、钆等稀土相关物项都属于这类。 高市早苗涉台言论坚决不撤回不道歉，所以中国升级了贸易管制，这肯定会打击日本军工业和部分重工业，那么日本会因此服软吗？我问了5个ai，国内国外的都说短期不会。日本这几年一直在寻求供应链多元化，摆脱中国依赖。 看起来只要高市早苗还在首相位置上中日关系很难好转，但日本首相更换很频繁，也许过几年换个人风向又变了。比如韩国就是，之前尹锡悦外交上全面亲日，现在换了李在明就和中国走的近，今天我看他还拿着小米手机和领导拍照片。他一个韩国总统会缺手机嘛，就是主动展示善意，有可能接下来几年不用去香港也能看权志龙、埃斯帕的演出了。 4、今天看联合早报的新闻，汇丰银行一位业务主任，给超过120位大陆客户开户，收取了1.3万元好处费，被判刑6个月。我寻思人均100这也能叫好处费嘛，香港那边太狠了。 今晚就这些吧，发射～

End-to-End 4-Bit Training：让大模型用更粗糙的数字格式完成全流程训练，大幅缩短显卡训练时间 训练大模型需要处理海量数据，直接把数字精度压到4位虽然能加快计算，但四舍五入累积的误差会严重拖垮模型的学习效果。 为了解决这个矛盾，Thinking Machines Lab在英伟达GB300显卡平台上开发了名为BBBK的专用底层加速程序。采取了分工策略，在模型向前推理计算时使用高速度的4位数字格式NVFP4，在向后更新参数时切回较精细的8位格式MXFP8，并在传输数据时顺手进行旋转压缩与随机舍入修正，省去了传统训练完成后还要单独做低精度校准的麻烦步骤。 这套方案应用在Inkling 2 Small模型的全流程训练中，显卡的运算管道和传输带宽同时跑满，没有出现互相等待的卡顿。原本需要好几周才能跑完的同体量模型，现在在GB300机柜上只用了68小时就完成了预训练。对比全程使用8位格式训练，新方案在预训练阶段节省了8%的时间，在强化学习阶段直接提速了20%，省下了大量算力开销，同时模型最终的回答准确率几乎没有受到影响。 链接：

中美大模型最新现状盘点： 🔻 国内模型：集体陷入停滞 ▪️ Kimi k3.1 pro：发版 100 天，毫无技术飞跃。 ▪️ Deepseek：至今交不出合格的 Pro 版。 ▪️ GLM 5.3：惊艳发版后，近 3 个月几乎交白卷。 ▪️ Qwen 4 Max：实测表现远低于预期。 🚀 海外巨头：前沿能力狂飙 ▪️ Gemini 4 Argon：主攻深层推理与前沿 Agent，拉满 100 万上下文，能实打实自主挖漏洞及控制机器人。 ▪️ Gemini 4 Hydrogen：主打极速编码工作流，直接上线 4 档“动态思考深度（Thinking Levels）”。 ▪️ GPT 序列：正在全面铺开高级复杂推理机制。 ▪️ Claude 5 系列：高速迭代，且通过底层分类器彻底锁死了外部“白嫖”思维链数据的通道。

怪不得Step-5这么强，原来是掌握了蒸馏的焚决。。。 阶跃星辰团队发布论文P²-MOPD：让一个小模型同时继承多个专家模型的能力，训练时间几乎减半，能力恢复率却从 80% 提升到了 95%。 过去做这件事通常只有两条路。一条叫“任务算术”（Task Arithmetic），直接把专家模型和底座模型的权重差值按比例加起来，不用训练，但能力上限被锁死在原有权重的线性组合里。另一条叫多教师在线策略蒸馏（MOPD），让学生模型自己生成回答，再由各个领域的老师模型打分纠偏，上限更高，但学生得从零开始往每个老师的方向爬，训练慢，还很容易出现严重偏科。 论文第一作者 Sinuo Wang 在社区分享时抛出了一个很直接的问题：“如果专家模型的权重本身也能直接给学生指路，而不只是靠输出概率来监督呢？”基于这个想法，他们提出了 P²-MOPD，把学生模型的每一层线性投影拆成两部分：可自由训练的学生自身权重，加上一组冻结的专家权重差值（每个模块只配一个可学习的混合系数）。 在在线蒸馏的同一次反向传播里，学生权重和这组混合系数会一起更新。冻结的专家权重相当于给学生铺好了“参数先验”高速路，一个标量就能推着模型沿专家方向大步前进；而学生自己的权重依然保持可训练，不会被困在死板的权重合并范围里。等训练结束，混合系数直接折算回模型权重里，导出的依然是一个标准模型文件，推理阶段没有任何额外开销。 【一半步数反超，顺手治好严重偏科】 团队在 Qwen3-1.7B 和 4B 两个尺寸上，横跨医疗、法律、金融和指令遵循四个领域做了测试。从完全相同的任务算术初始状态出发，P²-MOPD 只用了一半的训练步数（实际耗时不到原方法的 55%），平均能力恢复率就已经反超了传统多教师蒸馏跑完全程的最终成绩。 跑满训练后，1.7B 模型的平均能力恢复率从传统方法的 80.9% 提升到了 94.7%，4B 模型则从 83.1% 升至 94.9%。更明显的变化在短板领域：此前传统蒸馏在最差领域的恢复率只有 32.0%（1.7B）和 47.2%（4B），用上新方法后直接拉升到了 88.0% 和 89.4%，跨领域的恢复率标准差也从二十多骤降到 5 以内。 【为什么以前总会落下几个领域】 过去大家常以为多教师蒸馏偏科是因为“不同领域的知识互相冲突”。但这篇论文通过实验证明，真正的瓶颈其实是参数空间的可达性不足：只靠常规权重更新时，学生模型在落后领域的专家方向上几乎挪不动步；而加上模块级的混合系数后，模型在专家方向上的推进距离直接放大了 13 到 15 倍（如果把专家方向换成随机方向，增益立刻归零）。 这套混合系数还展现出了很强的稳定性与可解释性。在三次不同随机种子的实验里，每个老师最终学到的平均系数误差全部在 0.01 以内；哪怕不喂任何验证集数据，梯度也会自动给最吃力的短板领域加码——比如最难啃的医疗领域，混合系数会自动从初始的 0.25 一路涨到 0.63 至 0.65。正如作者在总结里写的：“不仅专家的预测结果能监督蒸馏，专家的权重本身也可以。把它们作为可学习的先验保留在训练全程，就能指引学生往哪走。”