注册并分享邀请链接,可获得视频播放与邀请奖励。

indigo 的个人资料封面
indigo 的头像

indigo (@indigox)

@indigox
0 正在关注    0 粉丝
这次我挺老胡 👀 NYT Disgusting 奇迹同框 还得 X🫰
一个不懂芯片也不懂 AI 的董事会,外加一个分散的股份结构,还一股一票,没有双层股权,全球市值第一的 Nvidia 配置了如此糟糕的治理架构!当年的新浪也是这样,在 BMO 后才能孤注一掷投资微博。这次黄老板的事件会给全球投资人一个教训,创始人,要能真正控制公司,好治理架构如此重要,向 Elon 学习
显示更多
NVIDIA board credentials. No wonder Jensen got fired.
@yunta_tsai A petition is underway to reinstate Jensen and I’m signing it too
0
7K
212.3K
18.8K
转发到社区
Jensen Huang is the Steve Jobs of Nvidia. He is irreplaceable .
0
344
8K
676
转发到社区
前 OpenAI 工程师发帖声称通过模型权重初始化指纹分析,发现 DeepSeek、Moonshot、MiniMax 和阿里等中国 AI 实验室使用被美国出口禁令限制的 NVIDIA Blackwell 芯片训练最新模型。 其方法依赖 GPU 类型和随机种子产生的独特权重布局模式,这些模式在训练后部分保留,经数万亿组合搜索和真实 Blackwell硬件验证,与多个中国模型高度匹配。 分析显示这些实验室可能使用了数千块Blackwell GPU,涉及数亿美元规模,暗示出口管制存在漏洞,作者称结果获 OpenAI和 Anthropic 资深研究员独立验证。鬼故事越来越多 …
显示更多
I have a major result to share. I’ve found conclusive forensic evidence that the top 4 Chinese AI labs—DeepSeek, Moonshot, MiniMax and Ant Group—have built their newest models on NVIDIA’s most advanced Blackwell chips, which are barred from export to China. This sounds insane, but I discovered that almost every AI model carries a hidden signature of the GPU that trained it. When a model is first set up, the starting values of its weights are laid out in a pattern that depends on the exact GPU. Each combination of GPU and seed number produces a unique pattern—a sort of fingerprint of the hardware used to create the model. Traces of that pattern survive training into the published model. Again, this evidence isn’t based on any insider information or leaking. It’s based on a forensic analysis of the model weights released by the companies themselves. I searched more than six trillion combinations of chip layout and seed number and matched them to open-weights models. In doing so, I found conclusive evidence that six Chinese AI models—including DeepSeek-V4-Pro, Kimi K3, and MiniMax-M3—were initialized on NVIDIA Blackwell systems. Four of the models match Grace Blackwell, the GB200 and GB300 parts in NVIDIA’s flagship liquid-cooled rack-scale systems. I then verified these results on real hardware. Running unmodified PyTorch with the seeds I’d recovered, a Blackwell B300 reproduced DeepSeek-V4-Flash’s untouched starting weights bit for bit, and a rented GB200 reproduced Kimi K3’s to a correlation of 0.999995. A Hopper H100 reproduced none of DeepSeek-V4-Flash’s, and changing the seed by one broke the match. (DeepSeek’s seed is 953049583 by the way.) The method also was verified to match 24 known open-weights models to the hardware that developers said they used. It is exceedingly unlikely that these results are a coincidence. Across six trillion combinations, the best accidental match should reach only about 8 sigma (i.e., eight standard deviations above what random chance would produce). The real matches range from 49 to 1,385 sigma, and even the weakest single test hits 20. These were data-center-scale training runs. With some analysis of release schedules and model details, I estimate that the largest, Kimi K3 and DeepSeek-V4-Pro, used 2,000 to 3,000 Blackwell GPUs each. Clusters of this size cost on the order of $150 to $200 million each to buy, and across these labs alone would add up to more than half a billion dollars of export-controlled GPUs, not counting experimental compute or otherwise. It’s quite likely that we see multi-billion dollar expenditure on export-controlled GPUs. I am highly confident in this result, and it has been independently verified by senior researchers at OpenAI and Anthropic. You can read the full report at There is much more I’ve identified about these models through other forms of checkpoint forensics like this, and will have more to share soon.
显示更多
很伤心也很遗憾,看到黄教主在短短几天内就被迫辞去 CEO 的职务,现实过于魔幻。我自己从 2019 年开始就坚定地投资 NVDA,一同走过了疫情和如今的 AI 革命,而现在我们将进入一个“后黄仁勋”的智能时代。但有句古话,世界离开了谁都会继续运转,我分享一下对这件事情的思考和结论:抛开所有的阴谋论,让他离职原因的是第二段和直接下属的关系。 就在同一天,路透报道白宫在讨论商务部长卢特尼克的去留。此前 Axios 报道他三次拖延执行特朗普批准的打击转运措施,商务部否认发生过对质。我觉得政治是背后的主因。黄仁勋是对华芯片市场准入最主要的游说者,也是特朗普在 AI 产业里最重要的企业盟友。民主党刚在选举中大胜,他已经同意感恩节前到国会作证,舒默也表示辞职免除不了国会问责。所以他离任不会让事情结束,反而可能让 H200 对华销售、商务部的角色、白宫是否知情,都变成听证会的主题,出口管制收紧的速度会更快。 SemiAnalysis 最新的文章写到有超过 1.5GW 受限芯片流入中国,这个数字与 Epoch 的全渠道估计(中位数 66 万 H100 当量)粗算在同一量级。但走私金额不是重点,合法的远程租赁才是。《远程访问安全法案》(RASA)已在众议院以 369 比 22 通过,参议院正在表决,Nvidia 和 Oracle 一直在大力游说反对。远程访问规则一旦落地,真正会被切掉的,是中国公司在东南亚合法租用的算力,以及靠这类需求融资的 NeoCloud。 算力融资信贷会被重新估值。Nvidia 是这里的“央行”,但 CFO Kress 曾反对给 OpenAI 的担保,SemiAnalysis 则认为 NeoCloud 能融到资,靠的是黄仁勋的个人信用。两条拼在一起:现在掌舵的正是对兜底最谨慎的人。算力需求不会变,但由 Nvidia 信用撑起来的那部分需求可能收缩,但收缩多少还不确定。 短期内不用过于悲观,未来 12–18 个月的产品路线、已锁定的供应承诺和 CUDA 的粘性,不会因为换人消失。关键人物风险兑现得慢:2028 年之后的产能分配,以及下一个赌注有没有人敢下,是最大的风险。苹果的先例也说明,这种转变对技术节奏是坏事,对股东未必。执行力和生态协调上那部分“黄仁勋溢价”会慢慢消退,我们可能会看到一个平凡的 Nvidia,没有了创始人睿智和开辟新疆域的 Nvidia,但依然是一个赚钱的 Nvidia。 开源这条线被市场低估了。如果中国的 AI 实验室不再开源针对 Nvidia硬件的优化、转向国产芯片,结果是两套逐渐分离的技术栈。这对闭源前沿实验室有利,对依赖开源模型的创业公司和主权 AI 项目不利,影响会比股价波动持续得久。 管制方向基本确定,时间不确定。 该不该全面切断远程访问,是一个有真实分歧的政策问题。支持者看重堵住漏洞;反对者(包括 SemiAnalysis)认为这会失去监控能力,并加速国产替代。这里不下结论。能判断的是,最有分量的反对者已经离场,而下周的深圳会面可能让执行推后。 黄教主的离场,感觉是牺牲自己来拯救 Nvidia。从此,算力流向何处将由国家安全而非商业信用裁决,全球 AI 技术栈也将加速一分为二。不过,斗争的大戏才刚刚开始,群众可以继续吃瓜,但伟大的企业确少了一个伟大的企业家!希望能有奇迹发生✨
显示更多
BREAKING: Nearly 90% of Nvidia employees surveyed want Jensen Huang to stay as CEO
0
330
13.9K
788
转发到社区
Elon 说 Grok Bot 要支持多模型,其实我已经再拿 Grok Bot 当模型路由用了!上周末的个人 Agent 直播就演示了如何在 Grok Bot 中用 Gemini 出信息图然后再用 Opus 做内容校验 … Grok 都知道我要用能力更强的模型检查它的工作😜
显示更多
Important note regarding Grok @Bot: Going forward, @SpaceX will use the best back end model for any given task, including Claude Opus 5.5, MidJourney, Suno and other leading APIs. Whatever is most likely to give you the best outcome.
显示更多
@turingou mac 版这样 手机 app 不会
继 Personal Agent 火爆之后,Meta 联合 Sierra 宣布了 Personal Agent Protocol 👀 Meta 代表了个人,Sierra 代表了企业,PAP 约定了「个人 AI agent 怎么代表用户找企业办事」。现在个人 Agent 大多还在学人:点网页、填表,不行就打客服。不仅慢、还容易翻车 。。。企业一边怕被乱爬,一边又不知道对面到底是真人还是 bot。Bret Taylor 说得很直接:“没有标准之前,这就是混乱”😜 PAP 可以给到三方他们各自想要的: - 用户:快、靠谱、可控,决定只读还是可写; - 企业:看得见、管得住,知道是 personal agent 在办事,并定边界; - Agent:一条统一入口,别每家网站重写一套爬虫; Agent 从企业网站发现能力 → 以用户名义开 OAuth session(可先访客,要账户再登录)→ 跨渠道算同一次访问 → 企业再选三条路里的哪条: 1. 网站(正常导航) 2. API(MCP / OpenAPI 等) 3. 公司自己的 Agent(保修索赔这类要对话的活) 和更早的两套协议的区别: - MCP:Agent 摸工具 / 数据(垂直); - A2A:Agent 托付另一个 Agent(水平); - PAP:个人 Agent 合规地代表用户找商家(B2C 入口),管身份和授权外壳; 现在大家知道新的入口在哪里了吧?做业务 Agent 对接个人 Agent ✨ 配图来自 Nano Banana 2.1
显示更多
Today we’re announcing Personal Agent Protocol — an open standard @Meta and @SierraPlatform are developing along with industry partners at @Genesys, @instinct, @RocketOTD, @Shopify, @stripe, and @Walmart. It will help define how personal agents interact with businesses and is open for anyone to implement. Read more:
显示更多
真 · 太空播种 🛰️ SpaceX 释放了另一个视角拍摄的 50 米高的 Starship v14 释放 26 颗 Starlink v3 的画面!星链 v3 每颗发射质量约 2 吨,收拢状态约 7 米宽,展开后太阳能阵列跨度约 60 米,接近波音 787 翼展,有没有外星母舰吐小飞船的感觉?$SPCX 的股东请坐稳扶好📈
显示更多
我最需要的功能 现在被 Claude 捷足先登 !这让 Gemini 的废物集成情何以堪😂 Claude 现在可以直接在 Google Doc、Sheet 还有 Slider 里面工作 …
显示更多
@turingou 我在 grok bot 的 vps 上装了 tailscale
SemiAnalysis 最新拆解:按 API 等价值算,Anthropic 订阅的含金量约是 OpenAI 的 5 倍!虽然其订阅约占全部收入的 10%,却可能吃掉 40%+ 的推理算力,知道为什么 A 社最喜欢封把 Max 订阅用量吃满这类用户的号了吧😅 从收入结构来看,Anthropic 的 API 收入 75–85%、消费端仅 5%;OpenAI 在 2026 Q 1 的订阅占比达 65%,还背着 九亿免费用户,不过每人每月成本略低于 $0.70,但历史上也吃掉过 20–30% 的毛利。 同样到一千亿美金的 ARR,OpenAI 会少约 250 亿毛利;因此 2027 可再投资的资金 Anthropic 约有 1600 亿,而 OpenAI 则不到 1000 亿。Claude 的美国付费用户平均每月支付约 45 美元;免费用户 6000 万,付费转化约 9%(OpenAI 转化约 6%)。 Anthropic 赢在 API 占比高、订阅拖累小,核心还是专注最赚钱的业务,因此也比 OpenAI 更有底气抢跑 IPO!
显示更多
Anthropic Subscriptions Offer 5x+ More Value Than OpenAI Limit testing every AI subscription plan from Anthropic, OpenAI, Meta, SpaceXAI, MiniMax, Moonshot, Zdotai, Cursor, and Cognition
显示更多
@simonlin 给你在我们东京 office 配一台 mac mini 你自己 tailscale 就都解决了 如何?
模型不难,管理才难!如果你第一天就把公司信用卡交给陌生人,接下来一个月就会忙着收拾残局 😜 Brian 这篇 Grok Bot 方法论可以浓缩成五个动作:写清岗位 → 文字试岗 → 三次试用 → 按证据升级 → 有瓶颈才招第二个人。Agent Team 是最后一步的结果,而不是第一步的目标✅ 记住,创建 Grok Bot 你就是在雇一个员工!雇一个 Bot 的“五字段”岗位定义: - Bot 名字真名 + 短标签,别叫 General Helper; - 一句话岗位:它对什么结果负责; - Owns 负责:结果,而不是动作; - Inputs 输入:它可以依据什么来工作; - May:无需批准可做的动作(可直接做搜索、阅读、总结、分类、比较、整理、起草、暂存); - Must ask:必须先问的动作(发送/发布/购买/删除/覆盖/联系任何人/转账/改权限/接受条款); - Done when:完成标准能被另一个 Agent 检查的条件,最好带数字; 什么时候开始组队?当你发现共享上下文越来越长;我们需要一个审查的角色;还有权限的需求,需要分叉了!组队的起点是一位协调者加三位专员,而不是一个部门👀
显示更多
0
85
32
4
转发到社区
教皇要代表人类向 AI 宣战 - 捍卫人性👀 但算法真的会永远缺乏人类的那种灵光么?要知道宇宙间万物皆计算✨
In this era of artificial intelligence, it is becoming urgent to distinguish human art from what machines produce. There is an ontological difference, even before an aesthetic one, between art and what a machine can generate through statistical calculation based on millions of images created by others. Algorithms lack the spark of humanity. For this reason, the Church wishes to renew an alliance with artists and cultural institutions to safeguard our humanity.
显示更多
Claude 在霸占了 Github 代码贡献榜之后 很快又要霸占 AIGC Creator 榜了😜
拿手机、电脑、云服务器来类比,Agent 目前的使用形态大致可以分成三层: 1. 普通用户 ≈ 手机:拥有一个 Personal Agent。它帮你管日程、整理信息、安排出行、调用生活服务。手机、眼镜、手表都只是入口,背后是同一个 Agent。它主要跑在云端,调用云端模型,一台小 VPS 就能承载; 2. 专业用户 ≈ 专业电脑:拥有一组生产力 Agent。本地 Agent 跑在 Mac mini 或 PC 上,处理文件、调用桌面软件;云端 Agent 跑在 VPS 或 Agent Harness 里,负责持续运行、远程执行和后台任务。它们分工协同,形成“任务—执行—反馈—调整”的 Agent Loop。人负责定目标、做判断、验结果,Agent 负责持续推进; 3. 企业用户 ≈ 企业 IT:建设组织级 Agent 基础设施。大量 Agent 按业务、部门和权限分工,接入组织的数据、工具和流程。云端提供算力与 Harness,私有化环境承载敏感数据乃至模型,再由统一的身份、权限和执行记录管理兜底,让 Agent 可控、可追踪。 三层的核心差异,不只在模型强弱,更在于工作范围:个人事务、工作闭环、组织流程。 想在 Agent 市场创业的 startup,请先绕开普通用户——这块几乎没有机会。真正有空间的,是专业用户的专业工作流:机会在,但必须源于你自己的切身体验。 机会其实更多在企业内部:无论是帮企业做部署,还是提供可嵌入的 Agent Loop 单元或者是特别需求的 Agent Infra,都大有可为✨ 具体我们明天直播聊!
显示更多
计划明天来做一个 Personal Agent 使用体验的直播 👀 交流 Grok Bot、Muse 还有 ChatGPT dots 的体验和对个人 Agent 的思考🤔 欢迎预约 油管链接见评论
显示更多