与「AI时代」相关的搜索结果

Palantir CEO：模型只有结合 FDE 和应用层，才能在企业中真正创造价值 2026 年 8 月 3 日，Palantir CEO Alex Karp 在接受 CNBC 采访时表示，美国应当通过竞争推动本土开放权重模型追上中国模型，而不是依靠限制客户选择来保护本国模型公司。不过，他认为模型来自美国还是中国并不是最关键的问题，因为模型本身并没有外界想象中那么高的企业价值。只有在 FDE（Forward Deployed Engineer）、应用层、现场部署经验以及对企业“部落知识”的保护共同作用下，模型才能进入真实工作流并产生商业成果。该观点表明，Palantir 的核心壁垒并非拥有某个基础模型，而是将不同模型部署到复杂企业系统中的工程与组织能力。 内容不构成任何投资建议，请严格遵循当地法律法规。 《白线 WhiteLine》由吴说团队出品，从 Crypto 走向更广阔的资本市场，关注 AI 时代下的趋势变化与交易机会。

逛 HN 的时候，看到了这一篇挺有价值的帖子，作者从 5 万多个书签里，整理出了自己心中的 S 级可视化教程。 在 AI 时代来临以前，大家会花费巨大的精力和时间去手敲写博客和教程 于是才有了下面这些非常优质的教程，AI 时代来临以后，还有人会做同样的事吗？ HN 原帖： 🎮 互动游戏 / 动手学习 从逻辑门开始造一颗 CPU 用游戏学习 Git 分支 用游戏学习 CSS Grid SQL 侦探游戏 另一个 SQL 解谜游戏 从零组装一个神经网络 机器人实时 3D 仿真 🧠 AI / 机器学习 交互式理解 Transformer 可视化理解 K-means 聚类 视觉 Transformer 图解 机器学习可视化入门 线性回归、逻辑回归与神经网络 神经网络的前向传播与反向传播 FAISS 向量检索原理 💻 编程 / 计算机基础 算法可视化 从零实现 React 从零“造”一块 NVIDIA GPU 一次请求如何从浏览器到达服务器 网络七层模型 限流算法 椭圆曲线密码学 🎨 图形学 / 游戏开发 颜色、屏幕、图形、渲染、着色器、编译器与解释器 用 Rust 和 Bevy 搭建 3D 编辑器 Vulkan 图形管线 碰撞检测、着色器、渲染与剔除 📐 数学 / 物理 交互式概率论 线性代数与向量 引力如何工作 ⚙️ 工程 / 硬件 内燃机工作原理 芯片制造流程

公开 skill 基本只在大众超高频需求有用，比如生图、PPT办公，主打的也不是完全对齐你的需求，而是给一个质量足够稳定的结果，也就是标品。 但是在日常 AI 工作领域，能称之为标品的流程究竟有多少个呢？大模型本身就是最大的标品，更胜于标品。 所以我们的最优 agent 都是自己长期迭代、手搓出来的。如果要用公开 skill，基本上用的都是自己所关注的领域的宝藏博主牛人做的 个性化skill，又或者是自己朋友比如说我 X 上友邻的 skill 。 所以说白了，你与其说是关注 skill，还不如说是关注那个人，关注他的方法论和理念。AI 时代人的重要性、个人 IP 的重要性，也就在此

Kimi 开源后，真的意味着 AI 不收费了吗？ 白线主播 Minta 认为，Kimi K3 的开放权重正在改变 AI 模型竞争规则，但“免费模型”并不代表“免费 AI”。 2.8 万亿参数模型背后，需要 GPU、网络和工程团队支撑； 同时 Moonshot 也通过许可证保留大型商业分发场景的议价权。 未来 AI 竞争的关键，不只是拥有模型权重，而是谁能用更高的 GPU 利用率和更低的推理成本实现规模化服务。 内容不构成任何投资建议，请严格遵循当地法律法规。 《白线 WhiteLine》由吴说团队出品，从 Crypto 走向更广阔的资本市场，关注 AI 时代下的趋势变化与交易机会。

其实大环境越差，越要反其道而行之 1、有人在国内闲鱼和拼多多低价收二手iPhone、华为旧机，简单刷机+换壳后，挂到东南亚Shopee和Lazada卖。 单机赚30-80美金，一个月出货900多台，纯利轻松过几万刀。 2、有人刷海外设计师平台（Behance、Dribbble），把欧美最新潮流配色+穿搭手稿下载下来，用AI翻译成中文+排版优化。 然后打包成《2026春夏欧美风尚素材库》，在小红书和视频号卖149元，月5000+份，复购率高达65%。 3、有人在闲鱼卖Codex换肤，零成本月入过万。别人都在烧Token写代码，有人专门在闲鱼卖Codex桌面端皮肤定制——从二次元到财神爷，从王者荣耀到日本女优，统统能改。 售价66到99元不等，销量破千单的商家不在少数。不写一行代码，靠信息差和审美赚AI工具的第一波红利。 4、有人把奶茶DIY做成一门副业。喜茶、霸王茶姬上线手绘杯贴功能后，闲鱼上催生出“代画杯贴”产业链。标价1元打包全套主题杯贴的商家已售超2000单； 还有人只提供“代上传服务”，收费5块，卖了1700多单，光这一项赚了十几万。 5、还有人天天盯Kickstarter和Indiegogo上还没量产的极简厨房小工具，确认爆款后立刻去义乌和1688找代工厂开模， 海外原品售价$199，还没发货。国内首发¥699，月销5000单，单月流水¥350万。货还在集装箱里，钱已经到账了。溢价4倍，差价就是纯利润。 6、有人在小红书卖AI Skill，0成本爆卖40多万。有教育博主做了AI英语外教Skill，定价68.8元，售出2000+份，创收14万+。 这个世界，96%的财富都藏在信息差里。 中国14亿人，9亿人没坐过飞机，信息差大到离谱。 欧美、日本、东南亚每天都在产生海量新趋势、新产品、新内容，而国内大部分人根本看不到，也不会用。 这就是普通人最应该抓住的机会。 AI时代最值钱的能力，不是写代码，也不是做视频。是你先看到，然后告诉别人。 9亿人没坐过飞机，意味着至少有9亿人还活在信息孤岛里。你要做的，就是成为那道桥。 大环境越差，越要反其道而行之——
别人收缩，你就去放大信息差；
别人抱怨，你就去吃信息差的红利。

开源模型越便宜，GPU 需求反而可能越强？ 白线主播 Minta 认为，开源模型正在带来新的 AI 算力需求。DeepSeek 在 OpenRouter 上的 Token 份额从年初约 9% 增长至 6 月约 20%，而 AI Agent 单次请求消耗约为普通请求的 15 倍，可能推动 GPU 推理需求持续增长。 但开源降低 Token 价格的同时，也会压缩利润空间，AI 芯片投资周期能否延续，关键看需求增长是否跑赢价格下降。 内容不构成任何投资建议，请严格遵循当地法律法规。 《白线 WhiteLine》由吴说团队出品，从 Crypto 走向更广阔的资本市场，关注 AI 时代下的趋势变化与交易机会。

就是我之前长文里和大家分享的😆 在没发个十条八条帖子之前 你是不知道什么受欢迎的！ 比如我做自媒体好几年 曾经发过设计内容但是完全没有水花 后来发现我粉丝群体设计师很少 所以后来我就不发了 现在发现进入AI时代 大家突然对设计开始关注了 都想提高审美了 这不就测试出来了😂 所以实践是检验真理的唯一标准🤔

底层看稀缺，顶层看客户！看到 @chamath 分享的这张 AI Stack，感觉这个架构划分和 Rewire Index 5 Layer 相当类似，分享一下我对每一层的理解： 1. 能源与基础设施层（最底层） 与 Rewired Index 的逻辑一致。电力会迎来爆发式增长，尤其是无需接入电网的独立供电商（IPP）；而土地受政策影响太大，弹性有限。在大众的舆论压力之下，太空基建应该会是未来几年的新机会，无需土地，无限电力⚡️ 2. 芯片层 做独立芯片，初创公司基本没有机会：性能要求极高、工艺极其复杂，最关键的是供应链已被完全锁死——这是头部玩家的战场。 真正的机会在融合与生态。从 Google TPU 的发展路径，到 Cerebras 等高速推理芯片的崛起，可以看出芯片会与云厂商、模型公司深度绑定。围绕芯片构建数据中心的整体供应与创新，机会很多；单做独立芯片，机会渺茫。 3. 云服务层 云可以分为 Hyperscaler 和 NeoCloud两类。模型商品化之后，几乎所有的负载都要靠云来承载，这会是非常赚钱的生意。但构建极其复杂，堪称 AI 时代的重资产业务——或者说，智能时代的房地产。 4. 模型层 模型公司面临的核心问题是正在被商品化： - 如果 Scaling Law 已到极限，模型百分之百会被商品化； - 即使 Scaling Law 还有很大空间，大家对「最好智能」的需求也在被分解——大量日常应用不需要最顶级的智能，中等水平模型和开源模型会逐渐接管这些需求，反而加速了商品化； - 最尖端的头部模型公司，更像是「先进制程」的芯片：能从中获取很高的价值，但并非所有任务都需要它。 5. 应用层：Harness vs Application 这张图最有趣的地方，是把应用层拆成了 Harness 和 Application 两层。 我的判断是：按目前模型的进化速度，Application 还没有任何机会，但 Harness 的机会已经大量出现，尤其在企业端。企业内化的知识只能通过 Context 和约束来落地，所以 Harness 就是新的企业应用层；它们会替代旧的 SaaS，或倒逼旧 SaaS 升级。 如果把 AI 扩展到大语言模型之外的更广义范畴，应用层更可能以垂直集成的形态出现，例如：自动驾驶 / RoboTaxi / 任何可端到端自动化工业流程和武器系统；生物研究 / Wet Labs；把执行能力直接部署进企业内部的模式（类似 Palantir 的服务方式）

刷到一个字节员工的匿名爆料，里面有个现象挺值得思考。 他说，聊天群里几乎所有人都表示： 现在工作中大量使用 AI。 写方案更快了，写代码效率更高了，做数据分析也不用从零开始了。 大家都承认，AI 确实提升了生产效率。 但奇怪的是： 没有一个人因为 AI 提效，真正提前一分钟下班。 按理说，工具效率提升，工作时间应该减少。 但现实却是： 事情更多了，要求更高了，节奏更快了。 以前一天完成的工作，现在可能半天完成，然后接着被安排新的任务。 AI 并没有简单替代工作，而是在很多组织里变成了提升产能的新杠杆。 员工用 AI 提高效率，企业也会提高对效率的预期。 于是出现一个有意思的循环： 工具越来越强，人并没有越来越轻松。 因为竞争的重点，已经从“谁能完成任务”，变成了“谁能利用工具完成更多任务”。 AI 时代真正的变化，可能不是让所有人少工作，而是重新定义了单位时间内的产出标准。