Member library
最新内容
百千瓦级AI机柜让风冷失效。直入芯片液冷带来的不只是散热器变化，而是CDU、水路、配电和机房工程的整体重构。 在AI来之前，数据中心的散热方式非常朴素——把冷空气吹进机柜，把热空气抽出去，一台空调加一堆风扇就够了。 这套办法用了三十年，直到GPU的功耗曲线把它彻底打崩。到了英伟达GB200这一代，单机柜功耗直…
燃气轮机、SMR和储能：AI等不起十年的核电周期核电建设追不上AI扩张：燃气轮机承接三到五年的现实缺口，SMR面向更长期，储能则作为整个供电系统的缓冲层。 上一篇讲了存量核电为什么突然被市场重估。但只讲核电其实是不完整的，因为AI真正的能源问题不是“十年后有没有电”，而是“未来三到五年这段窗口期，电从哪儿来”。 新建核电周期十年起步，SMR最快也要2030…
自研ASIC的天花板：TPU、Trainium、MTIA能吃掉多少英伟达超大云自研ASIC能降低内部算力成本并持续侵蚀英伟达份额，但自用边界、软件栈和迭代节奏决定它更像长期折价因子。 聊英伟达的对手，除了AMD，还有一批更隐秘也更值得关注的选手——超大云自己做的AI芯片。Google的TPU、亚马逊的Trainium、Meta的MTIA、微软的Maia。它们和英伟达不在同一个市场…
GPU是设计出来的，不是造出来的——英伟达、台积电、SK海力士的分工一颗AI GPU由英伟达设计、台积电制造、HBM厂商供给关键存储。理解三者分工，才能看清半导体价值链的利润与稀缺性分配。 普通人一说到“英伟达的GPU”，脑子里的画面是：一颗芯片，从头到尾都是英伟达做出来的。但真实情况是，英伟达自己一颗芯片都不造。 今天你手上一张H100或者B200，是分工极度精细的三家公司…
开源模型正在扫荡应用层——API定价被打到什么位置开源模型以接近的能力和显著更低的API价格压缩应用层价差，却同时扩大推理需求，将价值进一步推向GPU、HBM、云与电力。 课程第六集讲了应用层的悖论，一个关键判断是：开源模型正在把应用层的护城河挖平。 这一篇把这个判断做实——你只要看一眼API价格表，就能理解现在应用层公司面对的压力有多大。 回到2024年初…
怎么读一份13F和13G——散户能从大资金披露里学到什么13F和13G能把机构持仓变成产业判断的校验数据。重点在变化、时效与多家重叠，而不是把延迟披露当成跟单工具。 前面所有文章讲的都是产业逻辑。但产业逻辑到底对不对、走得快还是走得慢，你自己有时候判断不了。 这时候最好的校验方法之一，是看顶级机构在买什么。他们不一定对，但他们花了多少钱、买了什么、什么时候买——这…
对于本地LLM推理，最核心的两个硬件指标是容量和带宽： 容量决定模型、KV Cache和并发能不能装下； 带宽决定Decode阶段每秒能生成多少token。 所以，三种方案的对比： RTX PRO 6000：一个大而快的96GB池 双RTX 5090：两个非常快的32GB池 Mac Studio（M3 Ultra）：一个…
权力的高阶玩法不是控制人们获得什么，而是控制他们期待什么、何时获得，以及把变化归因给谁。
我正在做Codex的任务看板。完成后，社群内先分享。 可以把newtype-task理解为：任务管理和验收中心在newtype-task，实际编码执行仍发生在官方Codex App。 newtype-task不是“创建一批任务后，后台Agent自动把所有任务领走执行”的无人值守系统。当前设计刻意保留了两个人工关口：1、开始执行前，由用户确认发送给Codex。2、Codex交付后，由用户验收并决定是否完成。 之所以保留人工关口，目的是把散落在Codex App各个Thread里的工作，重新组织成可管理、可追踪、可验收的任务。 当任务少的时候，直接在Codex里开Thread，完全够用。但任务一多，通常会出现：不记得哪些已经开始、哪些还没开始；Thread标题不能准确反映交付状态；不知道哪个任务正在受阻，等等。 newtype-task的作用，就是把Thread从“工作管理对象”降回“执行记录”。
一个感觉：AI开始进入平静期。暂时不会有之前那种炸裂的东西了。这个阶段的重点是，通过系统设计，让AI进入环境。Workbuddy就在这么做。 其实个人也应该筛一筛手里的工具、订阅，想想怎么跟自己的工作环境融合，成为一套系统，而不是零散的部分。
Grok Bot最牛逼的是提供了超过同行水平的云主机：16GB RAM、128GB云盘的持久化Linux云电脑。 Claude Code Cloud同样提供4 vCPU、16GB RAM，但只有30GB磁盘，并且每个Session从新 VM启动。 Manus的持久化云电脑最高公开套餐是2 vCPU、8GB RAM、120GB存储，收费$50/月。 这意味着什么？ Grok Bot拥有持续存在的浏览器登录、文件、Shell环境和工作目录。这让它可以承担长时间研究和资料整理，批量处理文件、图片或表格等任务。 所以这是一个平台入口策略：先送一台足够好用的云电脑，再让用户围绕它构建AI工作流。
我准备对newtype Workstation做一次彻底改进 把右边栏的终端区域改成悬浮模式。两个好处： 解决空间不足的问题； 把写作和AI交互分开，更加专注。…
把人数上限写死为5人、全员同薪、没有考核、每天工作6小时：时雨堂最值得看的不是福利，而是一整套彼此咬合的经营选择。
Qwen 3.8 27B is excellent, but it defaults to wildly overthinking things一份少见的本地模型实测：17GB模型已经能写代码、调用工具和理解图像，但默认的超高推理强度也提醒我们，模型能力必须和速度、任务复杂度一起调度。
关于AI的下一程，我的Vision从软件公司、Token资本一路推到异构算力、传输与能源，这是一份试图把AI应用层与物理约束放进同一张图里的判断。
Cloudflare开源了自家企业级Agent工作平台企业Agent真正难的不是聊天入口，而是让它安全地接入业务数据、生成可持续运行的应用，并把权限边界延伸到Agent已经看到的信息。
1300万月活、近6000万美元ARR：OpenCode如何在Claude Code、Codex夹缝中长出来？OpenCode的增长说明，当模型厂商彼此竞争时，一个开放、中立、能够编排不同模型的中间层，可能比单一模型能力更有长期价值。
不要从工具开始，从自己开始：个人AI基础设施构建指南不是又一份AI工具清单。它真正有价值的地方，是把个人身份、记忆、技能和权限组织成一套可持续演化的基础设施。