rickawsb

马斯克大干快上4gw，anth招semi 工程师，goog tpu老大上位，各大科技自研芯片，都指向一件事，大家都在为ai递归自我迭代rsi从纯模型向模型+semi闭环做准备

我有一个暴论，如果astra及下一代模型能力增长按现在速度线性外推，头部模型公司接下来可能根本不会再开放api，
他们完全可以直接卖新发现的分子结构，晶体结构，金融分析结果，托卡马克模拟数据等等等等就可以了。
更何况模型能力并不是线性增长。。。

将药物设计时间从数年压缩到小时
过去需要数月甚至数年才能完成的药物研发，现在只需要 24 小时的计算加上几周的实验室测试，以后我们可能可以像定制西服一样定制我们每个人所需的药物。
在最近的一次深度访谈中，Chai 的联合创始人 ，前openai员工Josh Meyer 分享了他们的最新进展。
Josh Meyer 很早就意识到，既然大语言模型能够理解英语和法语，它们也理应能理解*真正的自然语言—-DNA 和蛋白质序列。这促使他投身于 AI 制药
随着模型能力提升，AI 设计药物的速度和质量正在以指数级提升。仅仅一年前，计算机设计抗体在实验室的成功率还只有 0.1%（千分之一或万分之一）
而他们最新的Chai 3成功率不仅接近30%，更重要的是实现了分子质量的飞跃：过去 AI 生成的分子还需要大量人工优化，而 Chai 3 生成的分子已经将各种属性拉满，甚至无需修改即可直接进入后续环节 。Meyer 将此称为Zero-shot（零样本）”药物筛选。
在微观层面，Chai 的模型像“原子级显微镜”一样精准。与几年前 AlphaFold 预测抗体-抗原复合物仅有约 3% 的准确率相比，Chai 的模型提升了一个数量级 。在冷冻电子显微镜下，AI 预测的结构与真实物理结构的误差**小于一个原子的直径** 。
医药巨头礼来在内部对 Chai 的模型进行了极限压力测试（应用在大量的真实项目中

openai今天宣布向10万科研人员免费提供gpt5.6，同时宣布gpt开始自己优化自己，昨天一个离开openai创业的前员工宣布重返openai负责递归自我迭代（rsi）
所有的信号，都指向三个字母—- RSI！

稳定币交易量历史新高，相较一年前几乎翻倍！
而现在是加密熊市…

我有一个关于开源ai的问题，苦思不得其解，只好发出来让大家一起苦思：
如果很多人都能通过来源模型拥有制造生物武器、3d打印攻击无人机、网络攻击、或其他大规模损害/杀伤的能力，世界将变成怎样？
（btw，我并非支持闭源，闭源的结果同样甚至更加恐怖，不过希望了解大家对这个问题的的看法？）

meta刚发了一个性能超过opus4.8价格比glm低的模型？
我擦

ai带来的加速是前所未有的，各行各业都将面临巨大的重构
对于长期持有价值投资者来说，只有数学的必然和物理的极限，才可能是真正的湖城河
其他的一切，都可能被颠覆

AI：泡沫真的是飞轮吗？
MIT 经济学家 Ricardo Caballero 在其最新研究论文《投机性增长与 AI“泡沫”》中提出了一个引人入胜的论点：
真正的问题不在于 AI 是否是泡沫，而在于泡沫本身能否创造未来的基本面。
传统金融学假设估值源自基本面。未来现金流决定了当前价格。如果价格远超预期现金流，我们称之为泡沫。这种逻辑支撑着价值投资、折现现金流（DCF）模型以及有效市场假说的大部分内容。
Caballero 将这种因果关系扩展成一个反馈循环。价格不仅反映未来——它们还塑造未来。高估值增强了企业筹集资本的能力。资本为投资提供资金。投资构建了生产能力。更高的生产力最终会生成更强的未来现金流。换句话说，那些最初看似脱离基本面的估值，可能成为创造这些基本面过程的一部分。（这与乔治·索罗斯的反身性概念有些相似。）
论文指出，每当市场估值影响投资决策时，价格上涨就可能积极帮助创造未来的经济基本面。
这一机制可能适用于 AI 的关键原因在于，AI 从根本上不同于传统资本。
传统资本受制于边际收益递减。建造更多工厂，最终需求饱和，产能过剩涌现，资本回报率下降。
Caballero 认为，AI 更适合被理解为一种可扩展的类劳动资本。GPU、基础模型和 AI 智能体不仅仅增加了机器——它们还扩展了经济的有效劳动力供给。在他的框架中，AI 资本执行了原本需要

AI，泡沫即飞轮？
MIT经济学家 Ricardo Caballero 在最新工作论文《Speculative Growth and the AI "Bubble"》中提出了一个非常有意思的观点：
真正的问题不是 AI 是不是泡沫，而是泡沫本身能否创造未来的基本面。
传统金融认为，估值来自基本面。未来现金流决定今天的价格。如果价格远远高于现金流，那就是泡沫。这几乎是所有价值投资、DCF模型以及有效市场理论共同遵循的逻辑。
Caballero则把因果关系补充成了一个闭环。价格不仅反映未来，也塑造未来。高估值带来融资能力，融资能力带来资本形成，资本形成提高生产率，生产率最终又改善未来现金流，于是原本看似脱离基本面的估值，反而成为未来基本面形成的一部分（有点像索罗斯的反身性？）。
论文认为，当估值能够影响投资时，价格上涨本身就可以帮助创造未来的基本面。
这一逻辑会在 AI 上成立的关键在于，AI 不是传统意义上的资本。
普通资本遵循边际收益递减。建更多工厂，最终会遇到需求不足、产能过剩，资本回报越来越低。
但 Caballero 认为，AI 更接近一种能够持续扩张的"劳动型资本"。GPU、模型、Agent 并不仅仅增加机器数量，而是在不断增加整个经济中的有效劳动。论文中直接将 AI 建模为能够执行原本由劳动完成任务的资本，因此资本增加的同时，劳动能力也同步扩大，资本收益递减被明显削弱。

苹果这个给衰落中的碳基文明生物提供信息喂食终端的公司，
是哪来的底气和美光这个给发展中的硅基文明造脑细胞的公司互怼的？🤣

都在喊行业无法承受存储如此高的利润
那又能怎么样？
不用现在的硅电方式？
废掉冯诺伊曼架构？
大跃进到光子存储？
还是等待量子计算？
行业想摆脱存储的高利润，先得在基础物理科学上有巨大的突破，然后要重建半导体生产体系。。。
到那时，agi共产主义应该已经实现了吧🤣

对存储的判断遥遥领先于机构，应该还有狗屎运的成份，
今天发现居然还有一个判断领先了机构，难道我真的好起来了吗？🤣

模型即渠道，渠道为王
模型即平台，平台垄断

讨论token价格的时候，市场过度注重供给，而忽略了需求
token的需求由token能提供的价值决定，模型越强，token价值越高，需求越大
随着模型能力不断增强，算力/Token 价格将彻底“价值化”。使用者能创造的经济价值（ROI）将是决定算力价格的核心主导力量。