我的 X 阅读

下载去谷歌开发者页，搜 Google AI Edge Foresight，链接我放这了 https://t.co/bSGXDlB1o2 ，官网直链，安装包约 160M，不在 App Store。 只支持 M 系列苹果芯片，Intel Mac 装不了。 另外 EmbeddingGemma 2 本身是 Apache 2.0 开源模型，想自己搭本地知识库的开发者，也能单独把它扒下来用。

卧槽这谷歌波是真掀桌了， 他们刚出了个 Mac 端的 AI 笔记应用，免费，没有任何订阅。 叫做AI Edge Foresight，录音，转写，整理，提问，全在 Mac 本机离线跑，一分钱不收。 开会它帮你录音转写，自动整理成笔记，会后还能直接对着你所有旧记录提问。 https://t.co/XejyLzMq0U

我问他是否想被人肉，他会说什么我拭目以待！

我错了。*这个*可能是今年最重要的图表：https://t.co/k4rZvXsIVx 引用：这是今年最重要的图表。能源将是最大的瓶颈，这一点毋庸置疑。 是的，计算能力仍然是一个瓶颈，需求远远超过供应。但更关键的是能够为数据中心供电。中国目前正在建造38座新的核反应堆，总容量约为39.8吉瓦。而美国则主要专注于未来小型核反应堆。这还不包括太阳能容量。 说真的：未来将由能源决定。由电网扩展、能源生产和规模化决定。而中国在这里拥有明显的领先优势。

转帖：另一只精美的机器人手。 WUJI 训练了其 20 个关节的机器人手 WUJI Hand 2，在物理模拟器中旋转一支笔，然后将相同的训练策略应用到真实的手上。 它在 IROS 2026（国际智能机器人与系统会议）上展示了这个成果，还展示了一款传感器手套，让人可以实时控制这只手。 笔旋转对机器人手来说是个艰难的考验，因为笔会不停地滚动、滑动并在手指间传递，如果一根手指动作稍晚就会掉落。 @wuji_global 的 Hand 2 有 20 个关节，每根手指四个，每个关节由独立的电机驱动，并支持 1,000 Hz 的控制速率。 训练使用了 mjlab，这是一个基于 MuJoCo 物理模拟器的机器人学习工具包，同时运行 4,096 个虚拟手副本，使用 PPO（近端策略优化）方法，这是一种强化学习方法，AI 通过反复试验改进，并因良好动作获得奖励。 AI 学会跟随 40 个录制的笔部动作，这些动作分为 5 组，从围绕 1 个轴的简单转动到跨越多个轴的连续旋转，并且每当笔偏离计划时，它都会持续校正手指。 在真实的手上，该策略每秒 50 次向所有 20 个关节发送目标，同时一台工业相机跟踪一支 250mm 3D 打印笔两端的打印标记以及手腕上的标签，因此 AI 始终知道笔的位置。 手套涵盖了另一种教导机器人的方式：指尖处的 5 个电磁传感器以每秒 120 次的频率跟踪每根手指的位置和角度，延迟约 10ms 或更少，软件将这些数据转换为机器人手复制的关节角度。 手套掌心上的 526 点压力网格还会记录人握力的强度，这使得它非常适合为通过模仿人类学习的机器人收集训练数据。 WUJI 以开放的 Apache 2.0 许可发布了代码、动作剪辑、训练模型和可打印的笔文件，因此一个拥有 WUJI Hand 2、相机和 NVIDIA GPU 的实验室可以重复整个设置。

这是今年最重要的图表。能源将成为最大的瓶颈，这一点毋庸置疑。 没错，计算能力仍然是瓶颈，而且需求远远超过供应。但更关键的是能否为数据中心供电。中国目前正在建设38座数据中心。

转帖：是的，绝对是！《智能机器的时代》开启了我的这一切！然后通过《奇点临近》，我等了20年等到今天，它终于到来了。

新 Claude 模型测试的其他几个来源，我的兄弟 @marmaduke091 回来了 https://t.co/PPv8INBMjx 引用：又一个一次性 SVG。 你准备好迎接奇点了吗，孩子？

Claude Opus 5.5 正在路由到一个新模型 < 这可能是 fable 5.5 或新的 opus，我完全不知道 > 用 JS 绘制了这个动画的每一帧。人类的生活 两个提示词：字面意思就 4 行 时间：2 小时 令牌：2700 万 思考努力：最大

– https://t.co/1FAMAxYifv 标题：“语言模型作为人工智能研究世界模型”

亚马逊最新论文表明，LLM 可以作为研究世界模型，在任何人花费 GPU 时间之前预测训练变更是否有效。 人工智能研究代理提出实验的速度远超团队运行实验的成本。选择哪些实验需要 GPU 时间意味着 https://t.co/qwA0lB4Inh

转帖：Scale 创始人，现在在 Meta 带超级智能实验室的 Alexandr Wang，说了句很颠覆的话，他说现在是人类历史上建十亿美元公司最好的时机，理由跟多数人想的相反，他说瓶颈早就不是模型不够强了， 他的判断是，今天 AI 真正的瓶颈，是世界接受和用上它的速度太慢，技术已经摆在那，社会还在后面追，他甚至给了个更狠的假设，就算模型从今天起完全停止进步，经济和世界的运转方式，照样会被改写几十年。 打个老比方，电刚发明出来的时候，发电机已经有了，可工厂，家庭，城市要花几十年才真正把电用起来，AI 现在就站在那个位置，谁帮世界把这道坎跨过去，谁就站在新公司出生的地方，他管这叫文明级别的机会。 最反直觉的是竞争规则变了，十年前他创办 Scale，小公司打巨头是大卫打歌利亚，只能靠聪明，找缝隙，现在小团队配上智能体，变成了机甲歌利亚，巨头反而是传统歌利亚，因为大公司的流程，分工，汇报线，全是按没有 AI 的世界设计的，转身慢，小团队从第一天就按 AI 的方式搭，人少，反而能正面硬刚。 说穿了，机甲歌利亚的内核是一种新组织，少数人，加一大群智能体，大公司真正的包袱从来不是技术，是组织惯性，这也是给每个做组织，带团队的人的信号，未来的竞争力，不在你有多少人，在你这群人能指挥多少智能体。 他后半段讲到 Meta 在做的个人超级智能，让几十亿人每个人都有一个懂自己，为自己定制的智能，本质是把一个人的能动性放大到以前不敢想，他最后抛了个问题，如果有一天一切都变得很容易，你会去做什么，这个问题，比任何创业建议都值得停下来想想。 当然也留个清醒，他在 Meta 负责超级智能，看好 AI 本就符合他的立场，渠道，品牌，数据，监管依然是巨头的护城河，窗口也不会一直开着，但对普通人最实在的就一句，别再等下一代模型了，现有的已经够用，你和机会之间，差的不是更强的工具，是把它用进一件具体的事里。 https://t.co/O3BgLncBwj

今天遇到一个孩子，他在14岁时几乎不会说英语，却自学了AI，用的是大语言模型，完成了一份为期1年的顶级AI公司实习，飞越全球去读美国顶尖10的本科，两周后就退学了，现在17岁，已经拿到了来自旧金山顶级新实验室的5个年薪100万美元以上的工作邀请。 传统教育已经彻底没落了。 现在的年轻人就是与众不同。

雅各布·齐梅曼（Jacob Tsimerman），今年菲尔兹奖得主，认为数学很快将依赖于无人能懂的证明。他说，这已经适用于他自己的许多定理，这些定理建立在已被接受的结果之上，而他并不知道那些结果的证明。 完整剧集：https://t.co/U3gQZ70cca

– https://t.co/fom2AR8XZL 标题：“GitSwarm：去中心化复合推理”