avatar
链研社
73,125个推特粉丝
关注
穿越牛熊的数据派交易员|运营老炮|Web3创业OG|币安广场创作者,奉行周期大于一切,关注真正影响投资决策的信息
动态
avatar
链研社
中国算力的「效率革命」，比让存储扩充生产线还有效 一个反直觉的事实：中国AI公司正在用更少的内存，跑出差不多的效果，论文是开源的，这可能会让海外御三家 OpenAI、Anthropic、gemini 的推理成本降低一个量级，毛利提高，同时对内存的需要也降一个量级。 DeepSeek的MLA架构、KV缓存优化以及各类模型量化技术为例，这些动作直接且大幅地降低了推理阶段的显存占用量和带宽需求，单位Token的生成成本断崖式下跌。智谱的超高速推理，阿里和小米千问的缓存计费直接砍到十分之一。这些动作的本质是什么？都是在算法压缩效率，算力被利用到了极致。 但市场在用旧地图找新路 美股AI 还在不断堆资本开支，提前锁定大额的产能和算力，7000 亿资本开支足够让整个 AI 上下游的产业链狂欢。这个逻辑没错，对算力和内存需求确实还很大，增长也很快。但问题是，它忽略了另一条曲线，中国对算力优化的效率提升空间，同样大得惊人。 所有人都在赌「卖水人」能持续赚钱，但没人注意到挖金矿的人突然学会了循环用水。 如果中国AI公司把内存使用效率再压缩50%，那么靠资本开始撑估值的存储股，叙事还成立吗？ 目前AI硬件产业链的暴利，很大程度上建立在对最高端HBM高带宽内存的绝对依赖上。如果模型对内存的需求量级下降，那可能会直接打破原有头部厂商的垄断溢价，靠资本支出撑估值的存储股和算力股的底层逻辑就会松动。 好像整个市场没人认真计算中国在算法层的效率革命，到底能省下多少内存 但是客观来说如果推理成本和内存使用率压缩50%，可能带来的是AI Agent全天候高频API调用、AI 落地应用的大爆发。单次用量少了，但总调用频次如果增加10倍，总体内存和算力的绝对需求依然是暴增的。 中国算力比让存储扩充生产线还有效，可能会打破原有头部厂商的垄断溢价，这是目前需要留意的风险，以及算力效率这条路到底能走多远，能否持续进步优化。 不确定的是，这个「未被计价」的窗口期有多长。也许三个月，也许一年。
avatar
链研社
推荐这个群友的开源项目 plan-tree 项目的切入点是把你和 AI 讨论过的方案、做出来的决策、当前的进度、下次应该从哪里继续，统统沉淀成一棵 Markdown 规划树。 它不替你做决策，让你的决策更清晰完整 解决了两个 AI 编程中最重要两件事。 第一，对齐成本。每次开新会话，直接丢规划树进去，不用重新讲背景。 第二，强迫你真的想清楚。 当你要把决策写进规划树的时候，你会发现很多「差不多懂了」其实是「说不清楚」。强迫你把模糊的认知变成结构化的文字，这个过程本身就是在澄清思路。 plan-tree 用的「大循环模式」工作流，说的是，先充分讨论、澄清、形成可落地方案形成文档，再让 AI 批量执行，执行完之后，再把进度、证据和剩余问题回写到规划树。 先把树种好，再让机器去砍柴。 我觉得这才是 AI 编程应该有的姿势。 你想想看，AI 时代最稀缺的不是执行力，执行力 AI 给了，而是方向感，是那种「我知道我在做什么、为什么这么做、下一步去哪里」的方向感。 plan-tree 就是帮你保留这种清醒的工具。 能降低AI 实现功能的偏移，如果你也有相同的问题推荐你试试
huangserva
@servasyy_ai
🔥🔥Strongly recommend this group member's work!! It has helped me tremendously with my recently developed multi-Agent product! It transforms short-term plans into a long-term, stable, and structured tree. plan-tree is a skill for long-term preservation of project planning
loading indicator
Loading..