rickawsb
幣齡 3.6年
最高等級 0
用戶暫無簡介
AI 造火箭！
北京大學最近的一篇論文，RocketAgent 集中展示了 AI 在複雜物理工程系統設計中的能力：其核心價值在於讓 AI 扮演總工程師／高階編排器（Orchestrator），駕馭跨學科複雜工程管理及問題解決。
論文中的 RocketAgent 是一套面向液體火箭推力室多學科初步設計的長程工程智能體架構。
複雜系統設計最大的瓶頸在於「學科孤島」（熱力學、結構力學、氣動力學、製造幾何彼此使用獨立軟體與資料格式）。Rocketagent 在這個專案中展現了讀取異質工具輸出、提取關鍵物理特徵並將其映射回系統級決策變數的認知能力、跨學科歸因能力，可主動定位至燃燒室壓力、混合比等頂層工作點並發起回溯調整。
RocketAgent 成功閉環完成了液體火箭推力室多學科初步設計的全流程，並最終交付了經過多物理場評估驗證的推薦設計構型。
北京大學最近的一篇論文，RocketAgent 集中展示了 AI 在複雜物理工程系統設計中的能力：其核心價值在於讓 AI 扮演總工程師／高階編排器（Orchestrator），駕馭跨學科複雜工程管理及問題解決。
論文中的 RocketAgent 是一套面向液體火箭推力室多學科初步設計的長程工程智能體架構。
複雜系統設計最大的瓶頸在於「學科孤島」（熱力學、結構力學、氣動力學、製造幾何彼此使用獨立軟體與資料格式）。Rocketagent 在這個專案中展現了讀取異質工具輸出、提取關鍵物理特徵並將其映射回系統級決策變數的認知能力、跨學科歸因能力，可主動定位至燃燒室壓力、混合比等頂層工作點並發起回溯調整。
RocketAgent 成功閉環完成了液體火箭推力室多學科初步設計的全流程，並最終交付了經過多物理場評估驗證的推薦設計構型。
- 1
AI 會不斷壓低智能／知識／複雜工程的稀缺性，
工業革命用機器替代體力勞動，壓低了肌肉的稀缺性，（相對）增加了智力的稀缺性
AI 革命正用機器替代腦力勞動。。。
最難被 AI 壓縮的稀缺性主要包括：物理極限、不可壓縮的時間、真實世界回饋、權利／許可、佔位、信任、注意力（但需和日益增長的模型爭奪有限的注意力）。
「技術複雜」本身正在越來越難成為長期護城河。真正的瓶頸會從「想不出來」轉向：
做不出來、測不出來、驗證不了、產能不夠、審批不過、能源不足。
在企業層面，長期更有價值的是控制：
實驗、測量、製造、能源、材料、許可、基礎設施、已安裝基礎、客戶工作流程、長期數據與關係。
對個人來說，最容易被壓縮的是純知識勞動和比別人更聰明的優勢；更值得累積的是：
所有權、稀缺訪問權、聲譽、關係網絡、分發能力、判斷與承擔責任的能力。
以上六點當中，後四點也仍會更快地受到來自 AI 的巨大影響，並不絕對免疫於 AI 衝擊。
我們每天都需要的自我拷問是：
如果比愛因斯坦強10倍的超級智能明天普及，我憑什麼仍然難以被替代？
工業革命用機器替代體力勞動，壓低了肌肉的稀缺性，（相對）增加了智力的稀缺性
AI 革命正用機器替代腦力勞動。。。
最難被 AI 壓縮的稀缺性主要包括：物理極限、不可壓縮的時間、真實世界回饋、權利／許可、佔位、信任、注意力（但需和日益增長的模型爭奪有限的注意力）。
「技術複雜」本身正在越來越難成為長期護城河。真正的瓶頸會從「想不出來」轉向：
做不出來、測不出來、驗證不了、產能不夠、審批不過、能源不足。
在企業層面，長期更有價值的是控制：
實驗、測量、製造、能源、材料、許可、基礎設施、已安裝基礎、客戶工作流程、長期數據與關係。
對個人來說，最容易被壓縮的是純知識勞動和比別人更聰明的優勢；更值得累積的是：
所有權、稀缺訪問權、聲譽、關係網絡、分發能力、判斷與承擔責任的能力。
以上六點當中，後四點也仍會更快地受到來自 AI 的巨大影響，並不絕對免疫於 AI 衝擊。
我們每天都需要的自我拷問是：
如果比愛因斯坦強10倍的超級智能明天普及，我憑什麼仍然難以被替代？
消費電子爆發在即了，但是不是市場認為的方式。
這幾天一個新的strata架構，讓12g顯存的卡配128g記憶體，可以跑100b甚至更大的模型
市場馬上用腳投票，針對DDR3優化的推理架構都已經有了，用蘋果手機，連蘋果電腦做記憶體的擴充也已經有了，
現在舊卡舊存已經從5090炒到3090炒到V100，從ddr5炒到ddr3。
馬上我覺得就會從蘋果手機擴展到安卓手機來做電腦的記憶體擴充。
消費電子將應缺盡缺但不是因為大家想再換個手機，而是因為手機就是推理儲存的擴充。
這幾天一個新的strata架構，讓12g顯存的卡配128g記憶體，可以跑100b甚至更大的模型
市場馬上用腳投票，針對DDR3優化的推理架構都已經有了，用蘋果手機，連蘋果電腦做記憶體的擴充也已經有了，
現在舊卡舊存已經從5090炒到3090炒到V100，從ddr5炒到ddr3。
馬上我覺得就會從蘋果手機擴展到安卓手機來做電腦的記憶體擴充。
消費電子將應缺盡缺但不是因為大家想再換個手機，而是因為手機就是推理儲存的擴充。
AAPL+0.88%
- 2
科學本質上是「現實壓縮」，一個好理論，本質上就是用更少的資訊描述更多現實。
開普勒 → 牛頓是最經典的範例：
開普勒先從大量天文數據裡總結出行星運動規律；牛頓再進一步說明，這些規律其實可以由運動定律和萬有引力統一解釋。
而 AI 正在不斷加速整個科學發現鏈條
開普勒 → 牛頓是最經典的範例：
開普勒先從大量天文數據裡總結出行星運動規律；牛頓再進一步說明，這些規律其實可以由運動定律和萬有引力統一解釋。
而 AI 正在不斷加速整個科學發現鏈條
最近我總會想起一句脊背發涼的話：
天寶初年大唐盛世裡的長安人怎麼也想不到，他們中的大多數會死於隨後的安史之亂
天寶初年大唐盛世裡的長安人怎麼也想不到，他們中的大多數會死於隨後的安史之亂
看著這幾天各種關於 AI 安全的爭吵
無論正反
我只想說
雪崩時，沒有一片雪花是無辜的
無論正反
我只想說
雪崩時，沒有一片雪花是無辜的
能跑在本地的開源模型 2 個月能達到 openai astra 目前的水準嗎？
《The Information》援引知情人士稱：Astra 使用了有限的循環深度（recurrent depth / looped transformer）——生成下一個 token 前，同一組層會對內部狀態多跑幾圈；報導將此描述為提升表現、同時減少可見思維鏈的一項技術。
如果這是真的，那麼這對開源模型來說是一件大好事，因為比起大型模型，循環深度對小型模型的效能提升更大。
因為循環深度可以讓一部分原本需要靠更大參數量獲得的能力，改為在推理時靠更多計算換回來。代價是更高的推理計算。
更重要的是，循環深度和 MoE 架構存在明顯的結構性協同，天然比 dense Transformer 更適合 MoE 架構。因為 MoE 循環時，每一輪可以呼叫不同專家，因此同一套共享層可以在不同循環裡執行不同計算
之前已經有論文研究發現，透過循環深度技術能讓 35 億的模型跑出 500 億模型的評分
雖然最終無法確認 2 個月之內開源小模型就一定能達到 astra 水平，但在架構上，顯然有更大優勢。接下來 astra 等級的模型能力可能會以比之前前沿模型更快的速度，被開源小模型趕上
所以。。。
顯卡是不是又要再漲價了？
《The Information》援引知情人士稱：Astra 使用了有限的循環深度（recurrent depth / looped transformer）——生成下一個 token 前，同一組層會對內部狀態多跑幾圈；報導將此描述為提升表現、同時減少可見思維鏈的一項技術。
如果這是真的，那麼這對開源模型來說是一件大好事，因為比起大型模型，循環深度對小型模型的效能提升更大。
因為循環深度可以讓一部分原本需要靠更大參數量獲得的能力，改為在推理時靠更多計算換回來。代價是更高的推理計算。
更重要的是，循環深度和 MoE 架構存在明顯的結構性協同，天然比 dense Transformer 更適合 MoE 架構。因為 MoE 循環時，每一輪可以呼叫不同專家，因此同一套共享層可以在不同循環裡執行不同計算
之前已經有論文研究發現，透過循環深度技術能讓 35 億的模型跑出 500 億模型的評分
雖然最終無法確認 2 個月之內開源小模型就一定能達到 astra 水平，但在架構上，顯然有更大優勢。接下來 astra 等級的模型能力可能會以比之前前沿模型更快的速度，被開源小模型趕上
所以。。。
顯卡是不是又要再漲價了？
- 1
astra 強到什麼程度呢？
我有一個半自動客服的複雜工作流程，gpt 5.6 sol high 執行時人工參與至少需要每個專案半小時
astra 將這個時間縮短到了 5 分鐘
同時任務成功率大幅提升（還沒來得及統計，但目測至少翻倍）
但不得不說，token 消耗得真快啊。
我有一個半自動客服的複雜工作流程，gpt 5.6 sol high 執行時人工參與至少需要每個專案半小時
astra 將這個時間縮短到了 5 分鐘
同時任務成功率大幅提升（還沒來得及統計，但目測至少翻倍）
但不得不說，token 消耗得真快啊。
知名機器人公司Wandercraft 9 月 4 日宣布，其 Calvin‑40 工業人形機器人已經獲得 12 家大型企業客戶，涵蓋汽車、物流、零售、醫療和國防。
有意思的是，公司沒有試圖一開始就讓機器人完成所有人類任務，而是先集中在：
輪胎、箱子、面板、推車、包裹等物料搬運。
然後才逐步向揀選、分類等更精細的任務擴展。
Wandercraft 的路線與近期 Hyundai、Geek+、農業機器人等訊號越來越一致：
先解決狹窄但高價值的工作流程 → 部署 → 資料 → 擴展能力。
透過在不同環境和任務中累積的資料，來提升模型能力；透過多種專用性部署，提升機器人的通用性。
其實不只是人形機器人的部署，機器人的形態也是一樣，應該先專用，再通用
大多數使用者並不在意機器人是不是人形，只在意能不能把工作完成
有意思的是，公司沒有試圖一開始就讓機器人完成所有人類任務，而是先集中在：
輪胎、箱子、面板、推車、包裹等物料搬運。
然後才逐步向揀選、分類等更精細的任務擴展。
Wandercraft 的路線與近期 Hyundai、Geek+、農業機器人等訊號越來越一致：
先解決狹窄但高價值的工作流程 → 部署 → 資料 → 擴展能力。
透過在不同環境和任務中累積的資料，來提升模型能力；透過多種專用性部署，提升機器人的通用性。
其實不只是人形機器人的部署，機器人的形態也是一樣，應該先專用，再通用
大多數使用者並不在意機器人是不是人形，只在意能不能把工作完成
讓一個幣漲到 10 億，需要多少資金？現在的龍一告訴我們，只需要不到 900 萬
而如果現在某個玩家想套現 100 萬，那麼市值就會瞬間變成 8 億，
很多榜一大哥，一個人的持倉，按目前的幣價，就能把盤子砸歸零
為什麼說加密是賭場？因為最後能從牌桌上拿錢離開的，往往只有極少數
而如果現在某個玩家想套現 100 萬，那麼市值就會瞬間變成 8 億，
很多榜一大哥，一個人的持倉，按目前的幣價，就能把盤子砸歸零
為什麼說加密是賭場？因為最後能從牌桌上拿錢離開的，往往只有極少數
巴菲特在將資本市場比作「附帶賭場的教堂」
對幣圈來說，這輪是從賭場升級為教堂的巨大機會
對幣圈來說，這輪是從賭場升級為教堂的巨大機會
這樣一個劇變時代，投資者應該既要極度樂觀，又要極度保守
極度樂觀，確保不錯過時代紅利
極度保守，確保能在任何黑天鵝發生時存活。
極度樂觀，確保不錯過時代紅利
極度保守，確保能在任何黑天鵝發生時存活。
AI（幾乎）能解答一切的時代
問題比答案重要
好問題價值千金
問題比答案重要
好問題價值千金
AI 將以肉眼可見的速度推動無人區工業化和工業區無人化
某種意義上，消費者現在購買部分舊型號消費電子產品、電腦，相當於間接買到了廠商過去囤下來的「低價儲存設備」。
但這個窗口不會永久存在。
隨著舊庫存逐漸耗盡，高價 DRAM 和 NAND 會進入新的生產批次。廠商最終只能在幾種選擇之間權衡：漲價、降低記憶體和 SSD 容量，或者乾脆減少低端產品供應。
但這個窗口不會永久存在。
隨著舊庫存逐漸耗盡，高價 DRAM 和 NAND 會進入新的生產批次。廠商最終只能在幾種選擇之間權衡：漲價、降低記憶體和 SSD 容量，或者乾脆減少低端產品供應。
DRAM+0.77%
如果按照過去一年的數字線性外推，
Google 近一年 AI token 活動量約每 4.4 個月翻倍；
全球 H100 等效算力約每 6.8 個月翻倍；
AI 資料中心滿載功率能力約每 9.9 個月翻倍。
一年後，算力供需緊張程度一年後大約變成現在的 1.95 倍
上面還沒考慮隨著 AI 能力增強不斷解鎖的新使用場景。。。
Google 近一年 AI token 活動量約每 4.4 個月翻倍；
全球 H100 等效算力約每 6.8 個月翻倍；
AI 資料中心滿載功率能力約每 9.9 個月翻倍。
一年後，算力供需緊張程度一年後大約變成現在的 1.95 倍
上面還沒考慮隨著 AI 能力增強不斷解鎖的新使用場景。。。
GOOGLG+1.01%
熱門話題
#Gate Money 正式上線
2.63k 瀏覽量12.6k 人討論中
#聯準會 9 月紀要偏鷹
63.7k 瀏覽量2.58k 人討論中
#三星Q3營業利潤飆升782.5%
35.74k 瀏覽量1.88k 人討論中
#美國政府地址32小時轉出6.7億美元加密資產
49.82k 瀏覽量964 人討論中
#Robinhood將2500萬美元比特幣納入資產負債表
61.87k 瀏覽量1.3k 人討論中
#美股光通信板塊收跌
135.61k 瀏覽量1.37k 人討論中
#GT三季度銷毀近200萬枚
25.43k 瀏覽量5.2k 人討論中
#Hyperliquid 永续合约 OI 市场份额升至 11.9% 创历史新高
43.23k 瀏覽量2.68k 人討論中
#CFTC擬設加密資產市場新類別
154.77k 瀏覽量634 人討論中
#OneGate見證計劃
38.06k 瀏覽量3.33k 人討論中