rickawsb

我们正在经历从自动化到自进化的过渡

基于ai目前发展的情况来看，其对社会的深刻影响，最可能的情况既不会是完全平等的“哈耶克式乌托邦”，也不会是纯粹极权的“数字利维坦”，而会演变为一种“倒金字塔式的新封建分层”（Neo-Feudal Layering）。
这种结构是波普尔的演化试错、哈耶克的边缘自发秩序、以及彼得·蒂尔的垄断现实主义在不同物理层面的强制组合。
最可能出现的发展格局可以清晰地划分为三个层级（如图）：
顶层：算力与能源的“新封建垄断”，因为前沿模型（Frontier Models）的训练成本并不会因为“开源扩散”而下降，反而因为逼近物理极限（千兆瓦级核能供应、定制光互连、数十万张高阶算力集群）而变成只有国家意志和极少数万亿级寡头才能承受的“曼哈顿工程”。
数字租金与主权结盟：顶层寡头不再需要直接控制每一个终端应用，他们成为提供“底层智能基质（Intelligence Utility）”的数字领主。如同彼得·蒂尔所预言的，这一层级彻底消灭了盲目竞争，转而与国家安全机器（正如 Palantir、五角大楼的合作模式）深度绑定，垄断了最致命的现实干涉能力（军工、地缘情报、生化合成与主权计算）。
中层：中产科层崩解与“微型哈耶克网络”的繁荣（哈耶克的部分实现）
知识中介的死亡：过去依赖“信息不对称”和“标准化流程”维系的中层机构（如法律合规、初级金融分析、常规软件外包、甚至中层管理）将大面积瓦解。
自发秩序的爆发：拥

我不相信现在杨力坤，李飞飞们所谓的大世界模型的技术路径能替代或者接棒LLM成为下一个主流趋势
因为语言就是世界的抽象，所以语言模型就是世界模型
The limits of my language mean the limits of my world（我语言的界限意味着我世界的界限）
---《逻辑哲学论》，维特根斯坦
当然，世界模型可以是语言模型的补充

AI能力边界不断扩张，而科学、产业、商业和社会的适应速度并不一致。不同边界之间的错位，会持续产生新的创业机会。
而理解这些错位，需要对不断变化的ai能力和行业本身，有深入的研究和理解。并且在关键时刻，敢于下注。
所以，AI时代的企业家，可能需要越来越像科学家；而科学家也可能需要越来越像企业家。

消费电子爆发在即了，但是不是市场认为的方式。
这几天一个新的strata架构，让12g显存的卡配128g内存，可以跑100b甚至更大的模型
市场马上用脚投票，针对DDR3优化的推理架构都已经有了，用苹果手机，连苹果电脑做内存的扩展也已经有了，
现在旧卡旧存已经从5090炒到3090炒到V100，从ddr5炒到ddr3。
马上我觉得就会从苹果手机扩展到安卓手机来做电脑的内存扩展。
消费电子将应缺尽缺但不是因为大家想再换个手机，而是因为手机就是推理存储的扩展。

科学本质上是“现实压缩”，一个好理论，本质上就是用更少的信息描述更多现实。
开普勒 → 牛顿是最经典的范例：
开普勒先从大量天文数据里总结出行星运动规律；牛顿再进一步说明，这些规律其实可以由运动定律和万有引力统一解释。
而AI正在不断加速整个科学发现链条

最近我总会想起一句脊背发凉的话：
天宝初年大唐盛世里的长安人怎么也想不到，他们中的大多数会死于随后的安史之乱

看着这几天各种关于ai安全的争吵
无论正反
我只想说
雪崩时，没有一片雪花是无辜的

能跑在本地的开源模型2个月能达到openai astra目前的水平吗？
《The Information》援引知情人士称：Astra 用了有限的循环深度（recurrent depth / looped transformer）——生成下一个 token 前，同一组层会对内部状态多跑几圈；报道把这说成提升表现、同时减少可见思维链的一项技术。
如果这是真的，那么这对开源模型来说是一件大好事，因为比起大模型，循环深度对小模型的性能提升更大。
因为循环深度可以让一部分原本需要靠更大参数量获得的能力，改为在推理时靠更多计算换回来。 代价是更高的 inference compute。
更重要的是，循环深度和 MoE 架构存在明显的结构性协同，天然比 dense Transformer 更适合 MoE架构。因为MoE 循环时，每一轮可以调用不同专家，因此同一套共享层可以在不同循环里执行不同计算
之前已经有论文研究发现，通过循环深度技术能让3.5b的模型跑出50b模型的评分
虽然最终无法确认2个月之内开源小模型就一定能达到astra水平，但架构上，显然有更大优势。接下来astra等级的模型的能力可能会以比之前前沿模型更快的速度，被开源小模型赶上
所以。。。
显卡是不是又要再涨价了？

astra强到什么程度呢？
我有一个半自动客服的复杂工作流程，gpt 5.6 sol high跑的时候人工参与至少需要每个项目半小时
astra将这个时间缩短到了5分钟
同时任务成功率大幅提升（还没来得及统计，但目测至少翻倍）
但不得不说，token是烧的真快啊

知名机器人公司Wandercraft 9 月 4 日宣布，其 Calvin‑40 工业人形机器人已经获得 12 家大型企业客户，覆盖汽车、物流、零售、医疗和国防。
有意思的是，公司没有试图一开始让机器人完成所有人类任务，而是先集中在：
轮胎、箱子、面板、推车、包裹等 material handling。
然后才逐步向 picking、sorting 等更精细任务扩展。
Wandercraft 的路线与近期 Hyundai、Geek+、农业机器人等信号越来越一致：
先解决狭窄但高价值 workflow → 部署 → 数据 → 扩展能力。
通过在不同环境和任务中积累的数据，来提升模型能力；通过多种专用性部署，提升机器人的通用性。
其实不光是人形机器人的部署，机器人的形态也是一样，应该先专用，再通用
大多数用户并不关心机器人是不是人形，只关心能不能把活干完

今天最令我震惊的一个发现是，非农超预期，连链上的meme都跌了😂

巴菲特在将资本市场比作“附带赌场的教堂”
对币圈来说，这轮是从赌场升级为教堂的巨大机会

panw老板看空neo cloud认为算力供给可能过剩这事
让我更看空panw了