BlockSpace

Thu, 27 Aug 2026 09:00:00 GMT

Thu, 20 Aug 2026 17:01:28 GMT

https://pandatalk8.com/blog/harness-engineering-self-improvement/document

Thu, 30 Jul 2026 12:33:00 GMT

https://x.com/waterloo_intern/status/2081762065392541951?s=20

22580: From GPT2 to Kimi3, Explained

开源与商业模式没有冲突哪怕模型开源了，你把所有东西都告诉别人，使用的门槛也非常高

Tue, 28 Jul 2026 08:34:57 GMT

开源与商业模式没有冲突

哪怕模型开源了，你把所有东西都告诉别人，使用的门槛也非常高。别人要用起来很难；其次，要用起来还要把成本做得很低，也是难上加难，没有那么容易。

并不是我开源了，别人就能轻易做到跟我一样的部署成本，这里面还是有很多工作要做的。虽然这些工作的原理都明白，但不是每一家公司都有这个意愿和能力去组织人力达到这个目标

## 长期愿景：AGI 的路线图

从技术路线上来看，AGI 这条路线图其实是比较清晰的。目前这一代 AI 技术，如果你能够把一个问题描述得很清楚，给它完整的上下文和指令，它已经超过人类了。但这里有个前提：你要给它完整的上下文、完整的指令。
而这个前提是很难达到的。比如说我们今天开会，其实我们前面有很长很强的上下文，可能大家有几十年的上下文，这是 AI 不具备的。现在 AI 能具备的是，在一个局限的上下文里，它能做得比人更好。
但它还是替代不了人类。这里面还差一个东西，就是持续学习。因为人是能够持续学习的。你招一个员工，他可能花两个月时间来熟悉公司的环境、熟悉他的工作，两个月后他就可以上手了。
他就能做很多事情。他能够听懂你说的话——比如你说"叫那个小王来"，他就知道小王是谁。但如果是 AI 的话，因为它前面没有这两个月的学习，没有这个上下文。
你跟它说"叫小王过来"，你得告诉它小王是谁、什么职务、他在哪里、要怎么去找他、找他的时候要注意什么。你得给 AI 所有的上下文。在这种情况下 AI 是能做的，但你不可能给它所有的上下文，这不现实。
所以 AI 并不能替代你的员工。但如果 AI 具有持续学习的能力，它就能跟你的员工一样，到公司学习两个月，
然后就可以替代天下的人了。所以我们离下一步，还差一个"学习如何学习"。

我们觉得时间表应该是：先解决"学习如何学习"，然后到达智能的奇点——能自我迭代的奇点，然后才是具身智能。到具身智能之后，它就走进现实世界，可以给你做家务，可以给你养老。

与美国的差距：资源，而不是人才

这笔融资的钱，能买多少卡我就买多少卡。花钱的速度不在计划里面，只要价格合理，有多少我都买。如果我在半年之内就把钱花完了，我觉得是个好事。如果半年之内把钱都花完，那太幸福了，太理想了。

如果我半年之内就把这个钱花完，可能是最理想的。因为把钱变成英伟达的卡，肯定比放在银行里好。放在银行里，现在可能就是两个点的利息；但买英伟达的卡，是十个月回本的生意。

在现在最大的模型上，我们其实是训不起的。我们哪怕把五百亿全花掉，其实也训不起；哪怕能堆起来，也用不起。现在最大的模型，激活大概是八百 B；国内的话，我们还在几十 B 的规模，国内最大的模型可能就是几十 B 激活，差一个数量级。
如果我要训练跟美国同样大的模型，应该需要五万张 GB300，或者二十万张华为 950。这只是训练，还没有考虑做研究。所以我们跟美国之间最大的差距是在资源上。

人才不是瓶颈，资源是最大的瓶颈。资源首先影响到人才培养：因为算力少，我们能做的实验机会比较少，所以我们的人才整体上跟美国有差距。人才的差距，本质上也是因为算力的差距。

https://drive.google.com/file/d/13NSXtglkcMJoWPRyT_2yQq_VhREG8nkt/view

Fri, 17 Jul 2026 10:40:33 GMT

https://vettedconsumer.com/unified-memory-explained-why-mini-pcs-can-run-70b-models-a-big-gpu-cant-and-where-they-slow-down/

Vetted Consumer

Unified Memory, Explained: Why Mini PCs Can Run 70B Models a Big GPU Can't (and Where They Slow Down)

One idea explains the whole mini PC category: unified memory lets a $2,000 box hold a 70B model no consumer GPU can fit, then decode it slowly. The roofline math, the prompt-processing catch, the NPU red herring, and the owner-measured speeds.

Thu, 09 Jul 2026 09:41:45 GMT

https://www.jimmyhuli.com/p/ai

Jimmyhuli

物理 AI 与人形机器人专题：从生态全景、供应链卡位，再到我的建仓清单

15 家公司详细解析与具体建仓建议

Tue, 07 Jul 2026 12:27:17 GMT

https://goodedunote.web.app/code-with-claude-tokyo/index.html

goodedunote.web.app

Code with Claude 東京場 — 主舞台全日實錄(2026 年 6 月 9 日)

沒想到他們可以談到合作折價 lol

Thu, 25 Jun 2026 21:37:00 GMT

沒想到他們可以談到合作折價 lol

https://www.ether.fi/@6efb92c4 可以用我的邀請碼

目前只要用這個 code 可以用一年 core 的 Plasma one card 福利 3% XPL 5% AI 可以加減用雖然但是不會當我的主力卡

Mon, 22 Jun 2026 21:14:38 GMT

目前只要用這個 code 可以用一年 core 的 Plasma one card

福利 3% XPL 5% AI 可以加減用雖然但是不會當我的主力卡

https://www.plasma.org/download/PLSMWT

Plasma

Your Plasma One invite | Plasma

Use your invite code to get started with Plasma One.

Thu, 21 May 2026 06:23:16 GMT

https://aibottlenecks.app/

AI Bottlenecks

AI Bottlenecks, the chokepoint thesis for the AI buildout

Daily AI brief and watchlist for the picks-and-shovels behind the AI buildout.

Sat, 09 May 2026 13:34:48 GMT

https://david-smith.org/blog/2026/04/29/maps-on-watchos/

www.david-smith.org

Six Years Perfecting Maps on watchOS - David Smith, Independent iOS Developer

挺有趣的鏈上美股美最多的是 Circle CRCLon / CUCLx 還是對區塊鏈熟悉的人給最多支持 BTW 科普一下最大的前幾美股代幣化發行商 Ondo Finance & xStocks Robinhood

Sun, 19 Apr 2026 09:51:06 GMT

挺有趣的鏈上美股美最多的是 Circle CRCLon / CUCLx 還是對區塊鏈熟悉的人給最多支持

BTW 科普一下最大的前幾美股代幣化發行商 Ondo Finance & xStocks Robinhood

https://tokenterminal.com/explorer/tokenized-assets

非常優秀關於 ARM INTEL 的分析，還有很重要的 Agentic AI 帶來 CPU 的增長

Sat, 18 Apr 2026 10:03:49 GMT

非常優秀關於 ARM INTEL 的分析，還有很重要的 Agentic AI 帶來 CPU 的增長

https://moontalksmarket.substack.com/p/moontalkcpuai-agentcpu

Substack

【Moontalk市場觀察】CPU角色蛻變？AI Agent時代下的CPU架構重塑與投資邏輯

當市場仍將AI算力敘事集中於GPU時，推理、Agentic AI與異質運算架構的興起，正悄悄改變CPU在資料中心中的戰略定位。從ARM進軍商業資料中心CPU，到Intel重塑AI基礎設施角色及與Google合作，本文將拆解CPU如何從被忽視的傳統晶片，重新成為AI運算堆疊中的關鍵變量。

Wed, 15 Apr 2026 09:05:12 GMT

https://youtu.be/3DlXq9nsQOE?si=BSQao5z7oiyCOIMP

YouTube

最近爆火的 Harness Engineering 到底是个啥？一期讲透！

Harness Engineering 是 AI 工程领域继 Prompt Engineering、Context Engineering 之后的第三次重心迁移。

这期视频我会从演进、构成、实践三个角度把它讲透，包括 OpenAI 和 Anthropic 的真实实践案例。

推荐资源：

《OpenClaw 完全指南（花园版）》：https://my.feishu.cn/wiki/QzGAwOH4LiZOYXktGyhcHoLUnRe
《code秘密花园 AI 教程资源合集》：https://my.f…

好的投資人要能想像 12 到 18 個月後的報紙頭條如果你做的是短期部位（幾週到一個月），新聞（newsflow）就是王道，你追的是訊息的邊際變化，估值往往次要

Sun, 05 Apr 2026 13:18:30 GMT

好的投資人要能想像 12 到 18 個月後的報紙頭條

如果你做的是短期部位（幾週到一個月），新聞（newsflow）就是王道，你追的是訊息的邊際變化，估值往往次要。因為短線波動常由情緒與事件驅動。比如你操作科技股波段，晶片公司傳出大客戶訂單延遲，你要立刻判斷市場會怎麼反應，而不是先去糾結長期本益比

反過來，對長期投資人（持股 2–3 年、年週轉率低於 40%），或當資金體量相對股票池越來越大，你在意的重點會完全不同。你要確認的是投資論點是否來自結構性的市佔提升、競爭格局的永久改變，或護城河的強化。短期波動（單月營收起伏、零星砍單傳聞）只要不觸及核心競爭力，就應該被大幅降噪。

https://www.threads.com/@vincentyucw/post/DWSYLUdExac/media

Threads

Vincent Cheng-Wen Yu (@vincentyucw) on Threads

89 Replies. See more photos and videos by Vincent Cheng-Wen Yu on Threads.

這是由資安研究員 Patrick Wardle（前 NSA）建立的 Objective-See，專門提供一整套免費、開源的 macOS 安全工具

Sun, 05 Apr 2026 13:13:56 GMT

這是由資安研究員 Patrick Wardle（前 NSA）建立的 Objective-See，專門提供一整套免費、開源的 macOS 安全工具。

裡面幾個比較熱門的：
• LuLu → 免費防火牆（可控每個 App 的網路連線）
• BlockBlock → 即時偵測惡意程式想常駐系統
• KnockKnock → 掃描開機啟動項，有沒有可疑程式
• RansomWhere? → 偵測勒索病毒行為

這些工具在開發者 / 資安圈其實很常用，而且很多都有開源，透明度很高。

💡 適合誰：

用 mac 但不想完全依賴內建防護的人
有在接觸 crypto / 開發 / 隱私比較敏感的
想知道電腦到底在「偷偷做什麼」的人

⚠️ 小提醒：
macOS 可能會跳「未驗證開發者」，這是正常的（不是 App Store 上架）

👉 總結：這套算是 mac 上少數「免費但專業等級」的安全工具組合，有需要可以直接收藏。

https://objective-see.org/tools.html

objective-see.org

Objective-See: Tools

Free, open-source tools to protect your Mac

AI 已經開始直接吃掉音樂人的收入

Fri, 03 Apr 2026 09:56:04 GMT

AI 已經開始直接吃掉音樂人的收入。像 Suno 這類工具每天可以生成約 700 萬首歌，兩週的產量就等於 Spotify 幾十年累積的曲庫，用戶接近 1 億、付費超過 200 萬。這種產量碾壓之下，很多中下游音樂人的接案量在短時間內直接腰斬，原本一首歌能賣幾千到幾萬，現在變成 AI 先生成，人類只負責「修」，價格被壓到 800–1000。音樂公司也開始用 AI 一天做幾百首「市場歌」去測流量，哪首爆就發哪首，整個產業正在從創作轉向流水線。AI 可以穩定做出 60 分的歌，卻還做不出 90 分以上的情感與表達，所以被淘汰的會是能做及格作品的人，留下來的，會是那些真正有風格、有東西想說的創作者。

https://mp.weixin.qq.com/s/0pdPOOjFsxho-Gw5r_dYJg

如果說過去對量子計算的討論還停留在「可能會威脅密碼學」，那這篇的關鍵在於，它已經把威脅轉化成具體的工程尺度

Fri, 03 Apr 2026 01:57:44 GMT

如果說過去對量子計算的討論還停留在「可能會威脅密碼學」，那這篇的關鍵在於，它已經把威脅轉化成具體的工程尺度：需要多少 qubits、多少 gates、多少時間，甚至連攻擊成功率都可以被估算。

像針對 secp256k1 的 Shor’s algorithm，已經被壓縮到約 1200–1450 個 logical qubits、7000–9000 萬個 Toffoli gates，在特定硬體假設下甚至可以在數十分鐘內完成，這意味著問題不再是「會不會發生」，而是「什麼時候可以做到」。

更重要的是，這種進展開始出現類似資安領域的訊號，用零知識證明證明能力存在，但不公開完整 exploit，代表量子密碼分析正在從學術問題，進入具有現實攻擊價值的階段。當一個領域開始收斂成這種工程化與不透明並存的狀態，通常就意味著，它離真正的應用（或災難）已經不遠了。

https://www.physics2045.blog/2026/04/03/google-on-crypto-quantum-vulnerabilities/

Sat, 21 Mar 2026 23:43:15 GMT

https://shawnxie.top/blogs/tools/read-flow-2026.html#%E4%B8%BA%E4%BB%80%E4%B9%88%E9%87%8D%E8%A6%81

肖恩聊技术

信息过载时代，我的漏斗式阅读工作流 | 肖恩聊技术

完整拆解一套漏斗式阅读工作流，说明如何用 RSS、FreshRSS、Digest、AI 精选和个人画像处理信息过载。

Thu, 19 Mar 2026 09:56:57 GMT

https://www.patreon.com/posts/153062071?pr=true

Patreon

AI 算力軍備競賽的真正瓶頸：從 GPU 到 EUV 的完整供應鏈解析 | IEObserve

半導體分析機構 SemiAnalysis 執行長 Dylan Patel 近期接受 Dwarkesh Patel 專訪，深入剖析了 AI 算力擴張背後的供應鏈現實。從四大科技巨頭合計 6000 億美元的資本支出，到 ASML 每年僅能生產約 70 台 EUV 光刻機的產能限制，這