🔥 Search Hot Tweets
Search and analyze hot tweets from KOL accounts list (list: https://x.com/i/lists/1961235697677017443) within 6 hours. Use SoPilot plugin to quickly comment and occupy the comment section.
影视飓风风波有感 独立思考在简中不是不被允许，而是被默默定价成“高风险行为”。 你一旦开始问“为什么”，系统就会回你一个“你问这个干嘛”。 独立不是原罪，显眼才是。 思考不是原罪，越界才是。 大多数人不是不想独立思考，而是被算法、KPI、舆论温度计调教成了“别搞事模式”。 情绪可以有，观点最好不要太立体； 态度可以强，但逻辑别太尖锐。 于是你看到的社会像是一套“软沉默协议”： 能顺着就别横着， 能闭嘴就别展开， 能合唱就别唱独奏。 但真实世界永远奖励那些敢想、敢问、敢推门出去的人。 独立思考不是原罪，它只是昂贵。 昂贵到大多数人承受不起， 也昂贵到真正具备的人会被时代记住。
北京人不爬长城 西安人不看兵马俑 外地人，来都来了 真的好无聊啊 https://t.co/r4tmfdVlVK
上午和团队复盘，除了 Reddit，还挖到几个外链建设的宝藏洼地：YouTube 热门视频评论区、Fandom 粉丝社区、Hacker News 讨论帖。高质量、高相关的评论，总能带来意想不到的惊喜。
@中国国安，这有一个煞笔影射领导人。我是良好公民来的，就他天天在我评论区说这些大逆不道的话。我已经block.了。我绝对拥护党和国家的领导的。
这可能是我写的最“接地气”的 AI 科普：从家政阿姨看懂 Agent 和 MCP 我家请了个家政阿姨打扫卫生，这位阿姨高中毕业，但是经过了家政公司专业训练，学会了该怎么针对不同家庭去打扫卫生，使用各种不同的清洁工具。 当然她不可能记住所有工具的用法，所以额外的，家政公司还给她了一本《家政技能手册》，这个手册有两部分，一部分是目录，不同技能的简要介绍，字数不长，阿姨每次来干活之前都会读一遍目录，以便需要时能想起来； 《家政技能手册》的另一部分是技能的详细介绍，详细介绍里面不仅说明了各种技能的详细做法，有的还有配套的手册，有的还需要借助一些工具。 家政公司还给阿姨配备了一款定制的平板电脑，这个平板电脑支持一种智能家居协议，所有支持这种智能家居协议的家电她都可以用这个平板电脑连上操作。 为了提升效率，家政公司还给她配备了便携式扫地机器人，每次她都开车带上，一些扫地的任务就直接使用扫地机器人。 为了我经常需要阿姨来家里打扫，为了避免麻烦，所以我把我家的一些基本情况写成了说明书，好让阿姨知道该怎么更好的清扫我们家，并且阿姨很专业，每次工作完都写了一份详细的工作记录，这样她下次来还可以看一下以前都做了啥。 虽然有这个说明书，当然每次过来我还是要交代一下：“阿姨，明天我家要开了个 party，客厅一定要弄干净整洁点。” --- 说了这么多我当然不是为了炫耀我家请了个阿姨干活或者帮这家家政公司打广告，而是借这个来“辅助解释”一些常见的 AI 名词。 - 家政阿姨：AI Agent，有基础知识（类似于大语言模型），经过训练，会规划会使用工具 - 扫地机器人：SubAgent，专业的、自主的执行者。 主AI（阿姨）负责委托和监督，机器人（SubAgent）负责具体执行。这大大解放了主AI的精力（上下文窗口），让她可以去干更重要的活。 - 智能家居协议：MCP(模型上下文协议)，智能家居协议就是那个家电的统一标准： 支持智能家居协议（MCP 协议）的家电工具阿姨都可以使用。 - 《家政技能手册》：Skills，家政技能手册可以帮助阿姨（Agent）学会她没有被训练过的技能，而且这些技能是“动态加载”和“渐进式披露”的。 “动态加载”的意思是：阿姨只有在需要用特定技能的时候，才会去《家政技能手册》翻该技能的详细内容。 “渐进式披露”的意思更进一步：阿姨不会一开始就把整本手册都读完，她干活前先看一眼目录（元数据，大约 100 个词），“哦，这个技能跟我现在的任务有关”。然后它再打开读具体章节（完整的指令，小于 5000 词）。 这有什么好处？省脑子（省上下文窗口）。 确保阿姨总是在最需要的时候，用最少的“脑力”获取最关键的专业知识。 - 我家：Project，存放了与我家相关的说明书、历史信息。 希望上面这个比喻能帮助你更好的理解这些概念。 ⚠️ 需要注意的是，这些比喻只是帮助你理解这些概念，并不能代替你深入的去学习和理解这些知识。
CRS 高危地区就是：香港、新加坡、英国、欧澳日韩等全部加入 CRS 的国家和地区。只要你在这些地方有账户、大额入账或对敲，余额快照都会自动交换给中国税局。离岸地如开曼、BVI 也都在 CRS 内。真正不交换的是美国，但用港卡中转仍会暴露。所以大家务必合规操作。
橘子的创业团队，用了更贴近AI时代的组织形式，战斗力爆棚！ 1. 所有人都能提产品想法，自己 Vibe Coding 或说服他人组队开发上线。 2. 快速上线验证，PMF后持续打磨。 比如免费AI音乐工具：nextaibar （用suno API，但更易用） 比如这几天刚上线，免费Nano Banana生图工具。 据说是一个00后应届生程序员一天搞出来的。 改天请他分享下经验 @oran_ge 产品网址见评论区
抖音上， 一个模仿德国知名落榜美术生（带个知名小胡子）的德语博主，开始带货零食了。 零食店的名字叫鱿太仁 ……什么地狱笑话 https://t.co/oyo29Z837d
AI 原生软件，这两周我一直在讲。我也分享过一个最简单、最日常的例子：购物 Claude Skill。 如果你用过，你大概已经体会到了——所谓“AI 原生”，不是比传统 App 多几个智能功能，而是整个运作方式变了。 你不再点按钮，不再找菜单，而是直接说：“帮我记录一下刚买的东西。”“下周提醒我补货。” 系统不是在“记账”，而是在学习你的结构、你的节奏、你家是怎么运作的。 当你真正用起来，你会突然意识到： 你操作软件的方式变了，你的思维方式也跟着变了。 这才是 AI 原生软件的核心。 此文有中文翻译。 When Software Disappears: The Real Beginning of AI-Native Systems https://t.co/UANM07h6DA
如果你用过 Flomo 或者买过小报童， 或者看过《产品沉思录》， 那你大概率知道这些小而美背后的人 —— 少楠 昨晚听了期他关于一人公司的访谈，3 小时信息量巨大。 少楠是典型的产品经理出身，创办了多个项目，包括美食分享应用“食色”、动画门户网站 Anime Taste、便签工具 Evermemo 和二手书平台“摆摆书架”等，也在丁香园做过首席产品官，后来出来做了多年一人公司。 Flomo 和 小报童 都是他和合伙人 白光 一起做的，十来个个人的团队，全员远程，活得还挺滋润。 从这期访谈里整理出 4 条生存法则， 每一条都是他用真金白银验证过的：
网友很快就做了一个生成器 https://t.co/G1oVyAEX5s https://t.co/peI2mYOBhe
经常有人问，能否一次性跟多个AI模型对话。 之前橘子做过一个Chrome插件叫AIHomeTab，把新开浏览器窗口变成AI对话框，一次性向多个模型提问对话。 今天，爱贝壳团队也做了一个类似的插件叫AI ChatHub 产品思路差不多，拼接URL提交到多个模型获得结果。 Chrome 插件应用商店搜“AI ChatHub”安装即可。
YouMind 的这一波更新很不错。划重点： 1、遇到不满意的 AI 产出，可以一键点踩退还消耗的所有积分。真正按效果付费，再也不用担心积分被 AI 乱花了。 2、如果是遇到 YouMind 自己出错了，会自动退还积分，点踩都不需要。 3、写好的文章，可以一键复制到微信公众号了，默认简洁优雅，并支持换主题颜色。 4、AI 配图里的中文问题，也可以调用即梦 4.0 来生图解决了。 你的需求，是 YouMind 前进的动力。 YouMind 的诚实，值得你信任。 大胆创作，不止于学。
我们实验室以前有一个本科生 非常认真，非常聪明，非常努力 大一就来实验室做实验 基本上每天都会在实验室忙一会 有的时候两三个小时 有的时候七八个小时 一直和我们组博士做实验做到了大四 最后本科毕业，论文都还没发出来， 一直到她自己博士入学一两年 她和博士的两篇文章才被接收 所以，每次看到生物学的本科生本科发了什么顶刊。我都有点情绪复杂。然后感叹有个好爹妈真好
ShipAny One 破 $10k 用了 4 小时 ShipAny Two 破 $10k 用了 3 天 感谢支持，继续完善。❤️ 半价活动持续到 11.30 号，新用户 🉑 冲，老用户 0 元购新版。 https://t.co/fbT37uBd8Y
如果有人敢在抖音讲 claude skills，大体分为三种情况 1. 为了让小白听懂，大量使用修辞手法，以至于信息压缩极其严重，根本无法把整个事情完全讲清楚 2. 讲的很专业，但是播放量极差 3. 既有深度，又有流量，这是真高手
作为老板，最心痛的事情莫过于 给员工提供了 Claude Code、Codex、Cursor 各种工具 但员工却不用 了吧...
关于印度裔美国人和华裔美国人差异的有趣的观点（下面的内容是 Junde Wu 原推文内容摘要）： 65年移民和国籍法开始，印度大批受过良好教育的医生、工程师、学者进入美国，成了印度裔社区的第一代基础，而他们的高学历背景，也直接塑造了整个族群的教育水平与收入结构。 而华人移民的节奏完全不同。 因为中国经历了文化大革命，高学历、高技能的大陆移民真正的大规模涌入，其实要等到 80 年代末、90 年代 才开始，直到 2000 年代才达到峰值。 我们今天看到的差异，不是因为文化，也不是因为某个族群“更聪明”，而是因为不同族群来到美国的时间点不同、路径不同、筛选机制不同。
今年，我读了很多 alignment 和 AI safety 的论文。 开始一天比一天好奇，Ilya Sutskever 的 Safe Superintelligence Inc 到底在做什么神秘的研究和产品？
M: 来这里的意义是什么？ D：因为门票免费？ M：那只是现实层….因为黑鸟是冷战侦察机工程巅峰，飞行速度超过马赫2.5全身热膨胀，把缝隙填满。形成内真空状态。波音707的原型，当时在华盛顿航展，毫无征兆的做了空中翻滚。开启喷气式时代。 D：哦，你儿子看上个80刀的纪念品，你去把钱付了？ M：算了吧，不如买汉堡。 D：欢迎回到现实层。
谁能认出来？我能。 https://t.co/qa4X3Slw4k
靠，正像Elon曾经说过的，尤根发明了当前AI的everything！ 当前AI的所有理论都可以从尤根一个人写过的论文中找到线索。 https://t.co/AMd8ZB4IW8
在讨论 AI-Native 软件范式（AI-Native Systems） 时，我们必须先承认一个现实：用户从来没有被教育过如何使用“语言作为系统界面”。过去三十年他们接受的是另一套训练： 无数个 App 容器，每个 App 代表一个单独的世界，有自己的按钮、菜单、图标、工作流。用户的心智是被图形界面塑形的。 而当你突然把一个纯语言界面放到他们面前——光的、秃的，没有工具条，没有按钮，没有模式切换——大多数用户是会本能不适的。 因为这不是他们被社会化学习过的操作方式。 这正是 AI-Native 的悖论： 语言本来是人类最自然的界面，但在软件里，它反而变成“最陌生的界面”。 换句话说： 用户需要被重新训练，让语言重新成为界面。 但“语言即界面”其实只是表层。真正的底层结构是： 语言 → 结构 → 调度 语言不是聊天，语言是可执行结构； 结构不是代码，结构是可调度的认知单元； 调度不是操作系统，调度是系统的生命机制。 要让消费者理解一个“没有 App、没有按钮、没有菜单”的世界，他们需要一个适应期。因为这是一种范式迁移： 从“点按钮”到“发起意图”； 从“在 App 之间切换”到“让结构在后台自动调度”； 从“模仿电脑的操作方式”到“让电脑模仿人的思考方式”。 这就是 AI-Native 时代真正的冲击点： 不是技术本身，而是用户心智的迁移速度。
老了，胖了。 问AI，我YouTube咋办？ 他居然建议我去贴假睫毛…. https://t.co/mHl071AGy7
宝玉
今天 X 上《All things AI w @altcap @sama & @satyanadella》这个播客最火，各种切片。 因为播客中做客的可是 OpenAI 的 CEO 山姆·奥特曼（Sam Altman）和微软的 CEO 萨提亚·纳德拉（Satya Nadella）。 两位大佬聊了很多关于 AI 未来、算力投入、微软与 OpenAI 的合作等话题，加上前几天微软和 OpenAI 刚宣布了新的合作协议，并且他们在播客中也聊到了这个协议的细节，所以备受关注。 先总结一下这场对话的几个关键点： - 1.4 万亿的算力豪赌：面对“蛇吞象”的质疑（营收 130 亿却敢承诺 1.4 万亿算力投入），Sam 认为这 1.4 万亿不是“负债”，而是他们实现下一个目标的“弹药”。在他们看来，唯一的风险就是弹药不够。 - 真正的瓶颈不是芯片：纳德拉亲口承认，今天微软最大的瓶颈，甚至不是缺 GPU 芯片，而是缺能把芯片插进去的数据中心和配套的电力。物理世界的施工进度，成了数字世界狂飙的最大限制。 - 微软的“王牌”：在新敲定的协议里，微软的王牌不是那 27% 的股权，而是获得了 OpenAI 最强 AI 引擎长达七年的“免版税使用权”。用纳德拉的话说，这等于“免费拿到了一个前沿模型”。 OpenAI 的核心模型（即“无状态 API”，你可以简单理解为 GPT-4o 或 GPT-5 这样的主力模型）在 2030 年之前，将继续在微软的 Azure 云上“独家”提供给大企业客户。但是，其他所有产品——包括 Sora、Agents（智能体）、开源模型、以及未来的可穿戴设备等——都不受此限制，可以在任何其他平台（比如亚马逊或谷歌的云）上分发。 - AI 的终极目标：Sam 的终极愿景是“AI 用于科学”（AI for Science），他认为 AI 做出“全新科学发现”的那刻，就是超级智能的某种体现。 - 交互的未来：纳德拉则定义了下一个人机交互范式——“宏观委托，微观调校”（Macro delegation and micro steering）。你只管下达大任务，AI 自己去办，只在关键节点找你确认。 这场对话清晰地表明：AI 的军备竞赛已经正式进入了拼数据中心、拼能源的“物理战”阶段。而微软和 OpenAI，已经通过一份精妙的（对微软而言血赚的）协议，把身家性命深度绑定，试图联手定义下一个计算时代。 接下来是访谈的一些具体内容和细节 一、那个“1.4 万亿”的算力承诺，到底什么来头？ 这是全场最尖锐的问题。主持人 Brad Gerstner 直接抛出了那个吓人的数字：OpenAI 承诺在未来几年投入高达 1.4 万亿美金去购买算力，可你们公司（OpenAI）明年的营收“据报道”也就 130 亿美金。 这听起来像不像“蛇吞象”？这钱从哪来？这合理吗？ Sam Altman 的反应很直接，也很有意思： 1. “我们的收入比你报的多得多。” 2. “你要是担心，想卖你的 OpenAI 股票，我立马就能给你找到买家。” （潜台词：我们现在是市场上最烫手的资产，不愁钱，也不愁没人信。） Sam 承认这是一场豪赌，他们赌的是，AI 的能力和带来的收入将继续“陡峭地增长”。这笔钱会投向 ChatGPT 的持续迭代、AI 云服务、全新的消费级 AI 设备，以及一个更宏大的目标——用 AI 来搞科学发现。 对他来说，真正的风险不是花钱太多，而是算力不够。 “如果我们没有足够的算力，我们就做不出更强的模型，也就产生不了那么多收入。”——这才是他们最大的恐惧。 纳德拉也表达了对 Sam 的支持：OpenAI 提交给微软的每一版商业计划，“每一次都超额完成了”。 二、真正的瓶颈：不是缺芯片，是缺“插座” 紧接着的问题是：既然这么缺算力，那未来几年会不会出现“算力过剩”？毕竟，科技史上这种“基础设施泡沫”太多了。 Sam：“过剩（Glut）是肯定会来的，我只是不知道是两三年后还是五六年后。” 为什么？因为技术突破是指数级的。万一哪天我们真的能在笔记本上本地运行 GPT-6 了（Sam 的原话），那今天这些昂贵的、中心化的数据中心可能就不值钱了。 但是，“现在”呢？ 现在是极度、极度、极度的短缺。 而纳德拉提供了一个更关键的视角。他说，今天微软面临的真正瓶颈，甚至“不是芯片供应问题（GPU），而是我没有足够的‘暖房’（warm shells）把它们插进去。” 这话说得太实在了。 “暖房”指的是什么？是数据中心、是配套的电力、是土地。你拿到了几万张 H100，你得有地方放吧？你得有足够的电力供吧？这背后是庞大的土木工程和能源问题。数字世界的狂飙，终究还是被物理世界的规律和施工进度给限制住了。 三、拆解新协议：微软到底拿到了什么？ 这场对谈的核心，是他们刚敲定的新合作协议。我们来看看重点： 1. 微软的“独占权”是什么？ - 独占的：OpenAI 的“无状态 API”（Stateless APIs），你基本可以理解为 GPT 系列大模型的核心 API 调用。在 2030 年之前，这部分在大型云厂商里，Azure 独占，AWS、Google 的 GCP 都拿不到。 - 不独占的：其他所有东西。比如开源模型、Sora（视频模型）、AI Agents（智能体）、各种硬件设备（比如传闻中的 AI 可穿戴设备）。这些 OpenAI 都可以在其他平台（比如 AWS 或 Google Cloud）上分发。 这是一个非常精妙的平衡。微软锁定了自己云服务（Azure）的核心竞争力（只有我这有最强的大模型 API），同时又给了 OpenAI 足够的自由度去探索其他商业模式。 2. 为什么 OpenAI 要分给别人（Oracle、AMD）订单？ 纳德拉解释了他作为云服务商的“难处”。他的目标是建立一个“可替换的算力集群”（Fungible Compute Fleet）。 什么意思？他不能把所有鸡蛋都放在一个篮子里，只为 OpenAI 这一个客户服务。他还要顾及自己那些“高利润”的亲儿子（比如 M365 Copilot、GitHub Copilot）以及 Azure 上成千 上万的其他客户。 因此，微软让 OpenAI 也去外面采购一些算力（比如从 Oracle 那里买），这反而给了微软自己更大的灵活性，去平衡内部的算力分配。 3. 微软的真正“王牌”：免费的“最强引擎” 如果说微软在 OpenAI 那 27% 的股权（Sam 说希望这笔投资未来能值一万亿）是“面子”，那真正的“里子”是这个： 微软获得了 OpenAI 模型和 IP 的“免版税使用权”（Royalty-free access），期限长达七年多。 纳德拉自己都说，这相当于“免费获得了一个前沿模型”（a frontier model for free）。 想一想，这意味着微软可以把这个星球上最强的 AI 大脑，源源不断地、“免费”地塞进它所有的核心产品里——Office 全家桶、Windows 操作系统、GitHub、Bing 搜索…… 这笔买卖，简直是科技史上最划算的投资之一。 四、聊天 vs. 搜索：一个尚未解决的经济难题 对话中提到了一个非常棘手，但又极其重要的问题：AI 聊天（Chat）和传统搜索（Search）的经济模型。 - 搜索：这是一个完美的“印钞机”。谷歌建一个“索引”（固定成本），然后每次搜索的边际成本“几乎为零”。用广告竞价排名，利润高到吓人。 - 聊天：这是完全相反的。每一次提问，都需要消耗大量的 GPU 算力，边际成本非常高。 纳德拉的回答：“经济模型完全不同。” 他说，这就是为什么 AI 聊天（消费端）现在都在搞“订阅制”（比如 ChatGPT Plus）。我们（行业）还没有找到 AI 时代的“广告单元”。 他用了一个词：“The cheese is being moved”（奶酪正在被移走）。谷歌和微软建立在“搜索”上的万亿帝国，其最底层的商业逻辑，正在被 AI 动摇。 纳德拉的结论是：企业（Enterprise）端的 AI 赚钱模式很清晰（“智能体就是新的工位”），但消费者（Consumer）端的赚钱模式，还“有点模糊” (a little more murky)。 五、AI 的未来：“科学发现”与“宏观委托” 那么，花这么多钱，到底是为了什么？ Sam Altman 的终极愿景：“AI 用于科学（AI for Science）” Sam 说，他最兴奋的是，希望到 2026 年，AI 能做出哪怕“非常微小”的、但却是“全新的科学发现”。 他认为，如果 AI 能开始扩展人类知识的总和，那在某种意义上，“这就是超级智能”。 Satya Nadella 的愿景：“宏观委托，微观调校” 纳德拉则更关注人机交互的变革。他认为，ChatGPT 的魔力在于“UI（界面）遇上了智能”。 而下一个革命性的 UI 是什么？他称之为“宏观委托与微观调校”（Macro delegation and micro steering）。 什么意思？就是你不再是“搜索”或“聊天”，而是直接给 AI 一个大任务（比如“帮我策划并预订下周去日本的家庭旅行”），AI 会自己去执行，中间只在关键节点（比如“酒店 A 和 B，你选哪个？”）回来“微观调控”你一下。 而要实现这一点，Sam 补充说，就需要“新形态的计算设备”（比如 AI Pin 或可穿戴设备），它必须能“始终伴随你”，并对你的生活有“完整的上下文感知”。 “利润率扩张的黄金时代” 聊到最后，他们谈到了 AI 对就业和生产力的影响。科技公司最近都在裁员。这是因为 AI 吗？ 纳德拉不这么认为。他称之为“利润率扩张的黄金时代”（golden age of margin expansion）。 他举了个例子：微软内部管网络运营的团队，要和全球 400 家光纤运营商打交道，工作极其繁琐。那个女主管说，你就算批准预算，我也招不到这么多人。于是，她自己动手，用 AI 做了 N 个智能体，把整个运维流程给自动化了。 这就是未来。纳德拉预测：公司营收翻倍，但员工数可能只增长一点点。因为每个员工的“杠杆率”（leverage）都通过 AI 被极大地放大了。 这不是说要大规模裁员，而是“AI 让你一个人干一个团队的活”。我们每个人，都必须重新学习“如何工作”（the how of work）。 一个团队在 AI 的帮助下，能完成过去十倍的工作量。因此，未来公司的“人头数”（Headcount）增长，将远远慢于“营收”（Top line）的增长。 这就是 AI 带来的生产力革命——用更少的人，撬动更大的价值。
Est. 300 views for your reply