与「AI时代」相关的搜索结果

AI时代，真的「只要你学得够慢，你就不用学了」吗？ 最近网络上有个说法还挺火的 「AI时代，只要你学得够慢，你就不用学了。」 我第一反应是，这话听起来很有道理。 我想起自己两年前熬夜学LoRA微调，想着可以用来模仿我的写作风格，然而skills出来了，发现效果可能还比我训的LoRA更好。 所以「等」赢了？「学得慢」赢了？ 如果你只是一个普通的AI用户，那这句话可能没错。但如果你不甘于只当个「时代喂你啥你就吃啥」的被动者，你想主动把握AI行业发展的脉络，你就不能等。 我仔细想了想，我感觉不是这样的，我想分享下自己的看法。 「等」赢了，但不是因为等 LoRA的故事是真的，类似的情况我遇到过不止一次。两年追热点下来，确实有不少「当年要做没做，后来发现不用做了」的案例。 但有个问题值得反问自己：你知道LoRA是什么、你知道skills出现了、你知道两者可以做横向对比，这个判断力是哪来的？ 不是从「等」里来的。 是从两年每天追热点的积累里来的。 因为很多人把「某件具体的事没做」等同于「不用学习」，这两件事完全不在同一个维度上。你「等」到了更好的方案，是因为你有足够的背景知识认出了它。一个完全不了解这个领域的人，他的「没做」只是「不知道」，不是「有判断力的等待」。 工具层可以等，认知层不能等 我2016年开始做机器学习和深度学习，做了好几年数据科学家。到了大模型时代，周围的人都在聊LLM，我一度觉得当年学的那套东西废了。 sklearn怎么调、XGBoost怎么训，这部分确实边缘化了，我不否认。 但我后来发现，真正值钱的东西没废：怎么设计评估体系、怎么防止数据泄露、怎么把一个业务问题转化成模型问题。这些判断力，大模型时代反而更稀缺（因为99%的「AI应用开发者」根本没有这个训练，看到模型输出「看起来对」就交付了）。 工具层的东西，半衰期确实很短，可能18个月就轮换一批。这部分确实可以「等等看」，等生态稳定了再下场，往往比头一批踩坑的人省力。 认知层的东西，没有捷径，也没有办法「等别人替你建立」。你在等的时候，别人在建立判断力的坐标系，你进来以后只能接受别人嚼过的知识，创造空间已经被占了。 比AI工具本身更有价值的 追了两年热点，我发现有一件事比「学到了什么具体技能」更值钱，那就是，我比周围大多数人更能「春江水暖鸭先知」。 某个技术出来，我大概知道它处在哪个演化节点，是真风口还是炒作，值得深入还是等等就过了。 但我一度很困惑，这种「看清楚行业方向」的能力，对我一个打工人有啥用？又不是创业者也不是投资人，判断对了趋势，我也只是回去开早会。 这个落差是真实存在的，不想粉饰。 但仔细想，这个能力其实在影响三件事： 第一，在组织里的位置。大多数团队里，「知道该做什么」比「把事做完」稀缺得多。能帮团队过滤噪音、判断方向的人，话语权不一样。 第二，选雇主的质量。能判断一家公司的技术方向是不是真的对，让你在上升期公司和下沉期公司之间选对的概率高很多。这个差距，可能比一次跳槽涨薪重要得多。 第三，这个认知要是有地方输出，是可以变现的。其实就是把「春江水暖」的判断力转成内容，内容建立影响力，影响力长期会带来预料不到的机会。 所以「只要你学得够慢，你就不用学了」，这话对不对？ 我的观点是：对了一半，但被大多数人用来当借口的那一半，恰好是错的那半。 工具层，确实可以等，工具肯定越来越先进，越来越好用，「等等党」在执行层有合理性。 而且在AI时代，这句话本意其实是在说，不要因为错过一个热点而着急，不用FOMO，在AI时代，应该少点焦虑。 但是认知层面，并不会因为你用过的某个AI工具过期了而没学到东西。你追热点的过程看起来很多东西「白学了」，但那个过程本身在建立一张地图，这张地图才是真正的资产。 把「某些工具不用学」误读成「可以少学、慢学、躺着等」，两年后你会发现，你确实等到了更好的工具，但差距在于，人家积极学习的，拿到新工具是真的能做出新东西，等等党拿到新工具，也就是跑个demo自嗨一下，感觉自己站在了时代前沿，实际上还在原地。 而且还有一个时间差的问题值得说。 新工具出来之前，积极的人早就在用当时条件下能用的东西硬拼出来了。RAG还很粗糙的时候，他们已经在生产环境里跑起来了，踩完了坑，知道哪里会出问题。Agent框架还不稳定的时候，他们已经用LangChain拼出了第一版，虽然屎山，但用户在用、反馈在收、迭代在跑。 等等党在等什么？等一个「更成熟的方案」。方案成熟了，他们入场，发现已经是红海。不是因为他们来晚了几个月，是因为那几个月里，积极的人已经建立了用户认知、跑通了商业模式、或者单纯地把某个领域的坑全踩完了，护城河就这么起来的。 更关键的是，这种「拥抱新技术」的习惯本身会复利。积极的人用惯了在局限条件下想办法，新工具一出来，他们比任何人都先知道怎么用好它。等等党等到了新工具，还是原来那个姿势，demo跑一跑，然后继续等下一个。 #AI# #AIAgent# @grok @xai

台积电称AI时代能效成为芯片发展瓶颈。 台积电业务发展高级副总裁张凯文表示，AI带来的电力需求激增，使能效而非算力成为制约未来计算机芯片发展的主要因素。随着数据中心运营方越来越受到电力成本和供电能力限制，从智能手机到AI数据中心的客户，越来越重视在不增加功耗的前提下提升性能。

喜欢夏天。温热的风，如婴儿般入眠，每日因为有趣的关于 AI 的想法被唤醒，想休息的时候，随时能被周身的自然所抚慰，我推荐所有想默默改变世界的人来日本生活，因为内心的动力平衡是在 AI 时代保持创造力的最终秘诀。

散户是很难当股神的 一年赚几十倍的Serenity @aleabitoreddit 很多人都不知道，她可不是普通散户 据说Serenity拒绝过英伟达的工作 而且她还是RISC-V Foundation成员 RISC-V Foundation的核心Krste Asanovic 是全球芯片架构的超顶级专家 所以Serenity能把AI产业链 尤其英伟达的产业链吃的如此之透 不是没有原因的 AI时代，谁理解的越深 谁就能挖掘更多机会 普通散户如果不懂行业 自己瞎琢磨，很难持续赚钱 不理解自己买的是什么，也不敢拿太久 如果你不想浪费脑细胞，就跟着股神走 让她给当你老师，并且给你“打工”😄

魏玲灵在本期#中国洞察# 专栏中写道，多位读者来信反馈，AI聊天机器人在回答中国相关问题时存在输出差异。一位在好莱坞做编剧的读者则分享了一个发生在AI时代之前的类似故事。

🔥 AI 时代下，项目方为何开始拼“二级市场能力”？ ⏰ 时间：5.28 20:00 UTC+8 🔗 链接： 🎙️ 主持人 & 特邀嘉宾：@Aluna_yingbao，@kaelan_zy，@niko_fufuture，@seek_web3，@lf_labs，@QuickEx_Tweets，@Markwongusd，@Monera_Digital 📅 设置闹钟与我们一起探索： - 为什么现在的项目方必须像开公司一样拼“二级市场能力”？行业底层逻辑发生了什么变化？面临哪些核心痛点？ - 绕过高昂的 CEX 门槛：当前市场上除了传统的上币路径，还有哪些能让代币在二级市场活得很好的替代方案？ - AI Agent（AI 交易代理）与 TG 机器人等“新武器”如何强行拉高代币活跃度？项目方和做市商是如何利用 AI 工具进行盘口管理的？ - 衍生品（Perp）满天飞的当下，衍生品市场的火爆到底是在为现货引流，还是在加速吸干现货的流动性？ - 面对“AI 聪明钱”的夹击，普通散户如何利用 AI 交易新工具洞察先机，发现下一个真正有热度的高潜力币？ #AI# #Perp#

朋友圈一堆人在大喊，Ai时代最重要的是电力….. 为啥存储才是涨最多的。🙃 好像听说电力收入是可计算的？🤥 不懂，但是很想夸讲一通。🐒 喊，大声喊，超大声的喊！🫥

比英伟达快 10 倍， $MU 仅用 48 天市值破万亿 5 月 26 日，美光科技（ $MU）股价单日飙升约 19%，市值首次突破 1 万亿美元。 触发因素是 UBS 分析师 Timothy Arcuri 将目标价从 535 美元上调至 1625 美元，是华尔街 46 位覆盖美光的分析师中最高的。这个目标价意味着，以上周五 751 美元的收盘价计算，还有翻倍以上空间。 据道琼斯市场数据，美光从 5000 亿到万亿仅用了 48 个交易日，英伟达走完同一里程碑用了约 490 天，苹果约 1520 天，伯克希尔·哈撒韦约 1580 天。美光的速度是英伟达的 10 倍。 UBS 给出的核心判断是，AI 驱动的长期供应协议（LTA）锁定了产量并部分固定了价格，美光正在从周期性商品股转变为结构性成长股，「没有理由不按类似英伟达的市盈率水平交易」。 按 UBS 预测，美光 2027 至 2029 财年每股盈利将超过 100 美元，即便以盘中高点约 891 美元计算，前瞻市盈率也仅约 8.4 倍，标普 500 整体约 21 倍。 支撑这条曲线的是存储芯片 40 多年来最严重的供需失衡。数据中心预计 2026 年消耗全球 70% 的存储芯片产出，HBM 产能已售罄至 2027 年，DRAM 和 NAND 价格在 2026 年 Q1 暴涨超过 90%。 美光 CEO Sanjay Mehrotra 说：「AI 不仅增加了对存储的需求，它从根本上将存储重新定义为 AI 时代的关键战略资产。」 一年前美光市值约 1070 亿美元，如今翻了近 10 倍。一个月前涨了约 80%，自 3 月底低点以来涨幅达 180%，同期为标普 500 贡献的市值增量几乎与亚马逊相当。 值得注意的是，这轮行情中英伟达是缺席的。费城半导体指数与英伟达股价出现了罕见的大幅分化，存储和设备股接过了 AI 半导体行情的接力棒。美光在标普 500 中仅占约 1.5% 的权重，远低于「七巨头」各自 6% 以上，但 5 月 26 日当天对指数的贡献超过了任何一家七巨头。 美光是全球三大存储芯片厂商中唯一的美国本土企业（另外两家是韩国的 SK 海力士和三星）。预测市场平台 Kalshi 上，关于美国政府是否会在 2026 年入股美光的赌盘，概率已达 40%。

昨天和搭子闲聊，提起来 #Nokia# 对方很意外问我，怎么突然关注老牌企业了，之前也和大家聊过，会分出一小部分资金配置美股，这个想法酝酿了挺长时间。也在实际行动中…… 但是前几天咱妈一条消息，我停止了前进的脚步，在加上家里长辈特意提醒，不要重仓满仓，所以这次只拿了轻仓心态，当然也是特别放松，今天简单记录一下，现在价位站稳16美元 提到 #Nokia# 第一印象是耐摔耐用的按键功能机，是我们一代人的青春回忆。但很多人不知道现在的它彻底剥离手机终端业务，已换了赛道，成为全球幕后的通信基建龙头了 一、历史：从跨界巨头，断臂求生 1865年诞生于芬兰，早期涉足造纸橡胶行业，后来切入移动通信，巅峰时期手机销量常年全球第一。智能手机浪潮到来后，因战略误判掉队，2013年正式把手机业务出售给微软，如今市面上带诺基亚标的手机，是品牌授权第三方HMD运营，和母公司主营业务无关 它没有像柯达一样固守旧业务走向消亡，选择果断取舍，卖掉消费手机板块，依托通信设备制造、海量专利站稳脚跟，稳居全球电信设备前三和爱立信、华为同台竞争 二、现在靠什么赚钱？三大核心业务 1. 移动基站网络 全球数百个运营商5G网络核心供应商手握数千项5G标准必要专利，每年稳定收获专利授权收入，同时布局下一代6G技术研发，占据行业核心席位 ​ 2. 光网络与数据中心基建 重金收购光通信企业后，业务高速增长，为AI机房、跨城算力传输提供光纤硬件，是大数据、AI时代不可或缺的网络血管，也是近两年业绩增长主力之一 3. AI网络技术研发 推出AI-RAN方案，简单理解就是把AI芯片嵌入基站，让基站不只传递手机信号，还能在本地完成智能计算，和英伟达达成10亿美元战略投资合作联合美国T-Mobile开展商用试点，瞄准2030年千亿级市场空间 三、巴黎退市，是理性精简 此前诺基亚宣布退出巴黎泛欧交易所上市，不少人误以为企业经营出问题 事实：仅关闭交易量极低的单一市场芬兰赫尔辛基总部交易所、美国纽交所正常交易，巴黎市场常年成交冷清但每年要承担高额审计、合规管理费退市是纯粹降本增效，把资金、人力集中投入AI和6G研发，属于主动战略收缩，并非破产跑路 优势：老牌通信技术沉淀深厚，绑定头部芯片企业卡位AI通信赛道，光网络业务盈利持续改善，现金流稳定 我们不必用十几年前的手机印象定义它也不用神化短期股价波动。它不再是面向普通消费者的手机品牌，而是藏在网络背后，默默搭建通信与AI算力高速公路的硬核企业

🔥 SK Hynix 刚刚做了一件市场很多人还没完全意识到意义的事： 它开始“拒绝”Alphabet、Microsoft、Meta 的数百亿美元投资支持。 不是因为缺钱。 而是因为它终于站在了 AI 供应链权力结构的最顶端。 过去几十年，半导体行业大多数时候都是客户主导。 云厂商、手机厂商、PC 厂商拥有订单权。 芯片公司负责拼命扩产、降价、抢客户。 但 AI 时代第一次出现了真正的角色反转： 现在不是科技巨头挑供应商。 而是供应商开始挑客户。 SK Hynix 的担忧其实非常直接。 如果接受 Meta、Microsoft、Alphabet 的资金去建晶圆厂，未来就会形成一种“绑定式供应关系”。 问题在于： 一旦经济周期反转、AI 需求放缓、库存调整出现，大客户可能要求： 优先供货 锁定低价 长期折扣 独家产能 价格底线限制 这会直接破坏 SK Hynix 现在最核心的优势： 超级供应商地位。 而这个地位，来自 AI 推理时代最稀缺的东西： HBM。 现在市场很多人还停留在“GPU 最重要”的阶段。 但真正跑 AI 推理的人越来越清楚： GPU 决定算力上限。 HBM 决定模型真正能否持续推理。 没有 HBM，GPU 只是空转。 尤其进入 Agentic AI 时代后，模型需要： 更长上下文 更大 KV Cache 更多并行推理 更多实时检索 更多持续状态保持 这会直接推高 HBM 的重要性。 而真正能稳定量产高端 HBM 的厂商，全球几乎只剩： SK Hynix Samsung Micron 其中 SK Hynix 又是 NVIDIA HBM 供应链里的核心主导者。 这意味着什么？ 意味着 Meta、Microsoft、Google 这些本来拥有全球最强资本实力的公司，现在开始反过来： 希望帮供应商建厂。 这是 AI 时代非常重要的权力信号。 因为这些科技巨头真正害怕的，不是 GPU 不够。 而是未来 HBM 不够。 报道里有一个细节特别重要： Meta、Microsoft、Alphabet 甚至愿意帮助支付 ASML High-NA EUV 设备费用。 这不是普通设备。 这是下一代先进 DRAM 节点的核心工具。 单台接近 5.5 亿美元。 科技巨头愿意帮忙买设备，本质上是在提前“锁产能”。 因为他们知道： 未来 AI 基础设施真正的瓶颈，可能已经从 GPU 慢慢转向： 先进内存。 而 SK Hynix 最聪明的地方在于： 它没有直接拒绝这些资金。 它只是拒绝“股权式绑定”。 然后把这些科技巨头的焦虑，转化成： 更高预付款 更长期合同 更强价格保护 更长锁单周期 这才是最强势供应商会做的事情。 你会发现，现在 AI 产业链里真正拥有议价权的公司，开始越来越像： “资源垄断者” 而不是传统电子制造商。 这也是为什么我一直认为： AI 的下一阶段核心，不只是 GPU。 而是： HBM DRAM NAND 先进封装 EUV 电力 冷却 高速光互连 这些才是 AI 推理真正的“氧气层”。 而很多人低估了： $MU 可能是整个美国市场里，最重要的 AI Memory 战略资产之一。 因为美国最终一定会希望： 先进 HBM 供应不能完全依赖韩国。 这也是为什么现在越来越多人开始重新理解： $DRAM 本质上不是传统存储逻辑。 而是 AI 推理时代的“认知容量基础设施”。 谁控制 AI 的记忆系统。 谁就控制未来 AI 的一部分上限。 你觉得未来 AI 最大瓶颈会先出现在： GPU、HBM、电力，还是数据中心本身？