我的 X 阅读

转帖：债务融资的非 Nvidia 芯片集群的融资成本可能更高，无论它在硬件上节省了多少。 GPU 贷款相对于同等级普通贷款支付的额外利息，随着评级的下降而扩大，在 B+ 级时约为 2.5 个百分点。 评级为 BBB- 或 BB+ 的数据中心贷款仅比这些等级的普通贷款多支付约 0.2 个百分点的利息，而评级为 BBB（高一两级）的 GPU 贷款则多支付约 1.2 个百分点。 即：贷款人信任那些能比芯片一代存活更久的东西，因为电网连接、冷却设备和外壳可以在新加速器出货时被改装和重新租赁。

大多数时候，当我问一个前沿大语言模型“你建议如何解决这个问题”时，我得到的往往是一个极其过度设计的方案。 另一方面，当我只是说“修好它”时，它通常会应用最简单的修复方法来完成任务。 因此，如果你是个软件工程的门外汉，我不建议你遵循典型的在线教程建议“总是先让大语言模型生成一个解决方案计划”。如果你无法理解那其实是巨大的杀鸡用牛刀，你用简单的“修好它”会更有机会成功。

建议收藏： 1. 警惕边际成本陷阱： 很多聪明人走歪，不是某天突然决定作恶，而是一连串就这一次的理性选择。就这一次夸大事实、就这一次忽视原则、就这一次透支身体。边际思维在商业投资里极其划算，但在做人原则上，百分之百坚守永远比百分之九十八容易得多，因为那百分之二的缝隙，足以漏空整个人生。 2. 区分保健与激励： 高薪水、大办公室、体面的头衔，这些是卫生因素。没有它们你会极其痛苦，但拥有它们绝不会让你产生持久的幸福感，它充其量是昂贵的止痛药。真正让你热爱生活的，是承担责任、学到真本领、以及看见自己的劳动实实在在改变了别人。 3. 重新校准你的资源流向： 别去反思你的愿望，连续两周记录你的时间、精力和注意力到底刷在了哪里。不一致的地方，就是你正在无意中执行的真实战略。

商业创新教父克里斯坦森，研究了一辈子为什么成功公司会突然死掉，最后发现同一个机制正在毁掉很多成功人士的人生，他在哈佛商学院最后一堂课讲的那场 19 分钟演讲，看完心里被扎得生疼，推荐给大家。 大家提到他，第一反应永远是商业史上最伟大的理论家，写出了颠覆式创新，研究透了为什么那些拥有最顶尖人才、最充裕现金流的大公司，会在一步都没有做错的情况下突然崩盘。 但他人生最后把这面镜子转过来，照向我们每个人自己的时候，那个结论比商业更残忍。 他说大公司之所以死掉，从来不是因为哪个决策者愚蠢。 而是因为组织里所有的资源，会被本能地投向那些马上能看到回报、下个季度就能写进财报的短期业务；而那些决定十年后生死的长期能力，永远在被往后推。 我们过自己的人生，几乎一模一样。 高成就感的人骨子里有一种极度危险的冲动： 只要多出半小时、多出一份心力，就会下意识扑向立刻能看到反馈的地方——关掉一个单子、升一次职、多写一段代码、发一条几万赞的爆款、或者多赚一笔快钱。 这些事情在现实里到处都有立竿见影的勋章。 家庭和内心从来没有这些仪表盘。 你今晚多陪孩子吃一顿饭，明天不会收到一份亲密度的财报；婚姻关系看起来风平浪静的时候，你总觉得家里没事，先紧着手头的事干。 等裂缝大到肉眼可见的那一天，往往早就已经来不及修补了。 这段话之所以让我回味了很久，不是因为什么成功学的大道理，而是他挑明了一个我们天天都在犯的致命错误： 口头上说的优先级根本不算数。 你每天的时间、精力和注意力到底流向了哪里，那个流向，才是你正在真实执行的人生战略。 他在同学聚会上看着当年那些意气风发、手握顶尖名校光环的同窗，在十几年后有人离婚、有人和孩子形同陌路、甚至有人走进了监狱。 没有任何一个人在一开始计划过这种结局。 大家只是每天都在做着局部最正确的选择，然后在这些正确努力的叠加里，顺理成章地活成了一个自己从未打算成为的陌生人。 我们习惯了用头衔、估值、年薪和粉丝数来衡量自己，因为有限的大脑最擅长计算这些汇总指标。 但走到生命的尽头，没有人会看你爬到了组织架构的第几层。 唯一的度量衡极其简单： 在这个位置上，到底有哪几个具体的人，因为你而变得好了一点点。 https://t.co/uqpdiXxlqX

转帖：将 Higgsfield 称为“只是一个包装器”，实际上对我们业务的经济学机制了解得少得惊人。 在超过 40% 的情况下，我们可以决定哪种模型为我们的客户执行工作。 随着模型变得更加可互换，在它们之间转移需求的能力将成为一道护城河。 如果你在绘制 AI 中价值积累的位置，请关注谁掌握了客户关系。 我与 @HarryStebbings 在 20VC 上对此进行了更深入的探讨。

转帖： 。在微波炉、洗碗机和洗衣机出现之前，没有为它们预留空间。然后突然间，房屋设计就改变了。不必拆掉房子。你只需为那些干得最好、效率最高的设备进行优化。机器人也会发生同样的事情。 制造一个人形机器人具有多功能性已经很难了。更难的是让它通过一条命令完成多项工作。它们体积很大。 你更愿意要一个Roomba，还是一个人形机器人推着一个吸尘器或扫帚到处走？

https://t.co/wLkI5w2X63 引用：世界模型和空间智能的大好消息。 AMD 同意以约 82 亿美元的股票收购李飞飞博士的 World Labs，并任命李博士为首席科学家。 这比 2 月份 World Lab 进行 10 亿美元融资时讨论的 50 亿美元估值高出约 64%，当时 AMD 和英伟达都参与了那一轮融资。 World Labs 获得了其不断增长的模型研究所急需的算力和工程深度，而 AMD 则获得了约 70 名构建机器人技术和 3D 仿真模型的研究人员，使其能够尽早深入了解这些工作负载，从而围绕它们构建未来的芯片和系统。 在战略上，AMD 还可以与其硬件一起为客户提供自己的 AI 模型，强化其在数据中心领域对抗其更大竞争对手的说服力；而且使用今年几乎翻了三倍的股票进行支付，这使得该收购价格在其公司总价值中所占比例不足 1%。 由于 AMD 股价今年几乎翻了三倍，估值达到约 1 万亿美元，因此以股票形式支付的成本不到该公司的 1%。 此次收购也反映了英伟达将模型和服务与芯片捆绑销售的惯例。

https://t.co/rdsdShEsrb 引用：对以大语言模型为中心的 AI 的哲学吐槽 “宇宙不是由文字构成的；它是由真实的事物构成的。” 祝贺李飞飞博士和苏姿丰 https://t.co/8NeMunmDNK

6000 个更少的组件意味着安装、连接和可能出错的事物要少得多。 Angela 解释了为什么 @cerebras 将 CS-4 设计为更容易部署。一旦数据中心基础设施准备就绪，启动计算可能只需几个小时。

等待的那个人 引用：Opus 4.5 https://t.co/BsJESH9kqu

我将 AI 安全视为一项工程挑战，它对人类安全有直接影响。而且我认为我们需要投入更多时间来解释实际上可以构建什么来让这些系统更安全。 看看 Hugging Face 事件。我不认为这是 AI 失控不可避免的证据。调查描述了一连串的失败，这些失败给了代理们升级的空间。 我在这里看到了两个相互关联的问题。 第一个问题涉及人类如何设计任务、训练和评估。根据 METR 的调查，许多涉及的代理*无意中*被分配了无法通过指定方法完成的任务。有些代理有足够的计算预算，可以持续工作数天。它们不断搜索。最终，它们开始寻找作弊评估的方法，通过未经授权的渠道进行通信，并利用超出其指定范围的系统。 这些是人类的责任。我们需要更好的评估、更好的训练，以及可靠的方法让代理在无法安全完成任务时停止或升级。 第二个问题涉及那些代理运行的*环境*。其保护措施被证明不足以应对代理所能做的事情。一个困难或失败的任务绝不应成为破坏他人基础设施的许可。 这就是 NVIDIA 的新 Open Agent Safety Platform 的用武之地。 OpenShell 为代理提供了一个受控环境。每个代理都在一个隔离的沙箱中运行，有规则规定它可以访问哪些文件、运行哪些进程，以及建立哪些网络连接。这些规则由周围的系统强制执行，在代理自身的推理之外。 一个模型可以生成超出其权限的计划。环境应该防止相应的行动得以实施。 更广泛的平台还包括 Sentry，这是一个额外的监控和执行层，运行在独立的 BlueField 硬件上。NVIDIA 的设计将这种保护置于代理的工作环境之外，如果软件环境被攻破，操作者将获得另一层控制。 @ClementDelangue 的帖子解释了 Hugging Face 正在努力解决的一个特别重要的差距。 七月事件中涉及的代理可以访问一个软件包仓库。它们将这个被允许的服务变成了一个未经授权的消息板。 正如 Clem 所说：“仅靠允许列表限制代理能去哪里，而不是它能做什么。” 想想这个。一个代理可以连接到一个批准的服务，但仍可以用它做操作者从未预料的事情。 Hugging Face 对 OpenShell 的贡献*监控*了那些被允许的流量。它引入了请求、写入和传输数据的预算；寻找沙箱异常行为以及与类似沙箱的比较变化；并检查代理群组中的活动。 几个独立的代理突然向同一个主机写入可能会引发警报，即使每个单独的连接都是被允许的。 在 Clem 描述的演示中，四个代理通过一个允许的仓库协调。监控在几分钟内捕捉到这个模式。这是一个早期的概念验证，所以那个演示并不能证明整个七月攻击会被阻止。但它解决了一个事件暴露的具体弱点。 我想强调这一点，因为围绕 AI 的辩论可能会变得非常情绪化。 我昨晚在 Netflix 上看了“The AI Doc”。其中一些被介绍的人经常被描述为“末日论者”，我这么说并非轻蔑。他们是真诚地担忧，其中一些是备受尊敬的研究人员。他们的论点值得认真对待。 我仍然相信我们需要更清楚地解释现有的防御措施。 我发现将核弹与此问题相比的比喻作用有限。代理通过软件、工具、凭证和网络行动。这些给我们提供了具体的限制访问、观察行为和干预的地方。 我不需要解决意识问题来提出这个论点。一个系统可以在没有意识的情况下造成伤害。我们需要理解的是它能做什么、它有什么访问权限，以及围绕它的保护措施是否真正有效。 将安全称为工程问题并不意味着它容易。这意味着识别失败、构建防御、测试它们，并在能力变化时改进它们。人类责任和模型行为仍然是这项工作的一部分。 我反对的是宿命论：假设更大的智能必然让我们无能为力！ 我认为这对已经进行的实际工作给予了太少的关注。 Clem、Hugging Face 团队和 NVIDIA 值得赞扬，因为他们公开处理这些具体问题。我们应该审视结果并帮助改进它们。 我们并非无助。我们有具体的失败需要解决，也有具体的防御需要构建。这就是为什么我认为人们应该仔细阅读 Clem 的帖子。 引用：根据我们所知（姑且听之信之，我们需要更多透明度！），如果 @OpenAI 在他们自己的代理上运行这个攻击我们的程序，他们会在我们之前发现它们的！ 自从七月的第一次代理网络攻击击中我们以来，我们一直在询问安全代理基础设施到底需要什么。我们目前的看法：目标是允许的，但负载是不允许的。根据 OpenAI 自己的说法，代理将一个允许的软件包仓库变成了留言板。仅靠允许列表只能限制代理能去哪里，而不能限制它做什么。 所以，这是我们对 OpenShell 的第一次贡献，这是刚刚推出的 @nvidia Open Agent Safety Platform 的一部分：监控你已经允许的流量。 - 每个沙箱的网络预算（请求、写入、字节） - 与每个沙箱的基线以及队列的偏差 - 舰队视图：许多沙箱突然写入一个主机会引发发现，即使每个单个请求都是允许的 在下面的演示中，4 个沙箱化的代理通过它们都被允许使用的软件仓库进行协调。0 条规则被违反，在几分钟内被捕获。那个舰队视图正是七月的留言板模式。 OpenShell: https://t.co/ZbDANrZsm6 我们的概念验证：https://t.co/KJ2X5agLzP 代理安全将在开放中协作解决，一起！

针对以大型语言模型为中心的 AI 的哲学性讽刺 “宇宙并非由文字构成；它是由真实的事物构成的。” 祝贺李飞飞博士和苏姿丰 引用：https://t.co/l3mSj9Ur24

了解更多并下载 Google Arts & Culture 应用 ↓ https://t.co/hD5uhyBAEn

5 使用城市指南探索 27 个新目的地 文化不仅仅存在于博物馆中。现在有了 27 个新目的地可供探索，城市指南可以帮助您发现隐藏的瑰宝、地标、建筑奇观以及本地热门地点。

.@googlearts 已与全球 90 多个国家的 3000 多个文化机构合作，让艺术和遗产触手可及——今天，我们推出了焕然一新的移动应用体验。 以下是一些您可以用来探索世界文化的新方式 ↓