即刻App年轻人的同好社区
下载
App内打开
亚瑟肖
588关注924被关注0夸夸
金融科技大厂出身 | 创业小强 | OpenClaw 探索中🦞
公众号《用 AI 解决个小问题》
wx:arthur952666
置顶
亚瑟肖
2月前
跟大家分享一下,我的小龙虾知识星球开张啦。

虽然叫小龙虾星球,但内容不止覆盖openclaw哈。
这实际上是个如何使用智能体、如何学习使用AI的星球。

核心是垂直行业老板和知识工作者用好AI这个杠杆,打造一个自己的AI工作环境。

目前加入,送一次独立服务器部署的、原版 openclaw 安装服务。

还有知识星球一年的提问与答疑。

以及 至少 12 线上分享(昨天刚完成直播首秀😜)

真人一对一咨询服务,全程没有 AI 参与。😂

目前建议那些有主营业务收入的老板、一人公司、自媒体人、或日常有大量文字工作或者涉及跨境出海的朋友体验。因为真能提效哈。

当然也欢迎年轻人加入进来玩,年轻人干啥都行😃。

目前星球人不多,我还服务的过来,可以维持这个价格。如果买的人多了,就要涨价啦。

加入链接在下面:

知识星球 | 深度连接铁杆粉丝,运营高品质社群,知识变现的工具

00
亚瑟肖
11:42
跟xAI签了算力使用合同之后,Claude反手就把所有pro以上用户的使用量翻倍。

果然敌人的敌人是朋友。

这场三国杀真是混战。
00
亚瑟肖
08:40
Genesis AI 发布 GENE-26.5:机器人基础模型要来了

昨天,成立仅一年半的 Genesis AI 正式亮相他们的首个机器人基础模型——GENE-26.5。这是带着自研灵巧手、数据手套和强大模拟器的一整套全栈解决方案,目标直指人类水平的物理操作能力。

GENE-26.5 采用多模态训练,同时吃进语言、视觉、本体感觉、触觉和动作数据,让机器人不再是只会重复固定动作的机械臂,而是能真正理解环境、灵活应对复杂任务。机器人以1 倍实时速度自主完成移液、榨汁、组装电线、玩魔方等精细操作,这已经不是“能动”,而是开始“会干活”了。

公司背景也很有看点:

- 创始人周衔(1994年生),CMU 机器人博士,南洋理工本科,研究履历亮眼;
- 联合创始人 Théophile Gervet 来自 Mistral AI;
- 团队平均年龄不到 28 岁,来自 CMU、MIT、斯坦福、Nvidia 等顶级机构;
- 2025 年以 1.05 亿美元种子轮出道,由 Khosla Ventures Eclipse Ventures 领投。谷歌前创始人施密特等也有参与。

这笔融资在具身智能领域算是相当抢眼,也反映出资本对“通用机器人大脑”的强烈信心。

机器人真正开始“动手”的时代,可能比我们想象的来得更快一点。

#具身智能 #机器人
03:05
00
亚瑟肖
1天前
AI时代,可以把内容的玩法用代码再做一次。

提示词、模板、一次性使用html、代码套装、按年收费的代码社群、企业级重量级百科全书,都有市场。
00
亚瑟肖
2天前
Google Labs 今天上线了一个叫 Pomelli Catalog 的
AI营销新功能,挺有意思。

它主要是给小生意主用的:

把你的产品链接扔进去,或者手动加几款商品,AI 就能自动生成一套品牌风格统一的高质量产品图,还带生活场景、不同角度,配上合适的营销文案。

整个过程几分钟搞定,不用找摄影师,不用修图,成本直接降下来。

对很多小店来说,确实能省不少事。

目前还在 Labs 实验阶段,免费使用。

支持中文地区,感兴趣的可以去看看:
labs.google.com
01
亚瑟肖
2天前
看到一个挺有意思的架构创新。

SubQ 团队推出了全球首个基于子二次稀疏注意力(SSA)的前沿 LLM。它最大的亮点,是把传统 Transformer O(n²) 平方复杂度,成功优化到了接近线性的程度。

这意味着:

- 支持 1200 token的上下文窗口(12M),能一次性处理整个代码仓库、几个月开发历史和大量文档。

- 100 token 时,预填充速度比 FlashAttention 快约 52 倍,成本仅为 Claude Opus 5%左右。

它不是简单扩大窗口,而是让模型学会动态只关注真正重要的 token 关系。

传统模型的transformer机制像是去一个聚会,然后所有人互相握手,这样去了10个人,要握手一百次。去了1000人要握手一百万次,1M人就是一万亿次。

现在在SSA 模式下,你只需要让相关的人握手就好,因为不相关的人之间的握手大部分是无效的。这样既保留了长程依赖,又大幅降低了计算和内存开销。

基准表现也比较亮眼:RULER@128K 达到 95%,SWE-Bench Verified 81.8%。

长上下文从“昂贵且效果一般”走向“又快又实惠又可靠”,这对 Coding Agent、超长文档分析、企业知识管理等场景来说,是个值得期待的进步。

AI 的长上下文时代,似乎真的要来了。
00
亚瑟肖
3天前
1 Petawatt = 1000 Terawatt。

一拍瓦等于一千太瓦。

全球目前的总发电量是十几太瓦。

马斯克的计划是:

1. 在月球建太阳能发电站(月球表面阳光充足,无大气遮挡,且有极区永久光照区)。

2. 用这些电力驱动质量驱动器。

3. 用质量驱动器大量发射月球土壤(regolith) 或制造好的构件到太空轨道。

4. 在轨道上用这些材料建造巨型太空太阳能卫星(Space Solar Power Satellites)。

5. 这些卫星收集太阳能(效率极高,无昼夜/天气影响),然后用微波或激光把能量传回地球或供太空使用。

这样就能实现Petawatt级清洁能源,支持AI超级计算、太空工业化、火星殖民等。

为什么月球是关键?

月球有丰富现成材料(不需要从地球运)。

低重力 + 电磁发射 = 成本极低(比火箭便宜成百上千倍)。

先在月球建工厂/基地 用质量驱动器向太空“倾倒”物资 快速建造巨型太空基础设施。

这比直接从地球发射一切要高效得多,是空间工业化的关键一步。

这个想法不是新发明(Gerard O’Neill在1970s就提出过),但Elon/ SpaceX把它和现代AI能源需求、Starship运输能力结合起来了。
00
亚瑟肖
5天前
本周AI播客圈分别讨论了设计、cursor和Saas是不是死了的话题,具体如下:

Lenny:
- The design process is dead | Jenny Wen (Anthropic)

20VC
- Why Cursor is Dead & AI Tsunami Coming
- Monday.com CEO on Is SaaS Dead
00
亚瑟肖
5天前
Gemini的界面越来越像谷歌搜索的界面了。
10
亚瑟肖
5天前
AlphaGo 2016年对阵李世石走出过神之一手。

也就是人类顶尖棋手从未想到和走出来的一步。

AI向人类展示了围棋的上限远比我们想象的要宽广。

AGI早就达到了,只是很多人并未意识到。

莫唯书Mark: 我越来越觉得,大多数人对“进步”的理解是错的。 有人以为进步靠资源,有钱就能搞研发,人多就能出成果,数据多就能训练出好模型。也有人认为进步靠运气,刚好踩中了风口,碰上了时代红利就能起飞。还有人觉得进步靠制度,只要规则对,结果自然来。 但如果你真的研究过任何一个从无到有的突破,你就会发现这些都不是根本原因。 进步真正的起点是一个人面对一个没人解决过的问题,闭着眼睛往前走了一步。这一步没有任何依据,没有任何保证,甚至大概率是错的。但它一旦被迈过去,从此世界就多了一条以前没有的路。 我们从小被教育做事情要有依据,要等有足够证据再下结论。这套方法论在稳定、重复、可预测的环境里十分管用,但在真正的创新面前就完全失效了。因为真正的新东西在刚出现的时候是没有任何依据的,它必须被凭空“猜”出来。 你可能觉得“猜”这个词太轻了,但仔细想想爱因斯坦的相对论是怎么来的?他先猜了一个“光速不变”,然后看这个猜测会推导出什么荒谬的结论后再去检验。达尔文的进化论呢?他是在没有基因概念、没有化石证据链的情况下,先猜了一个“物种通过自然选择演化”,然后用几十年的时间去寻找证据。 这就是“猜想与反驳”的核心逻辑,你观察一万只白天鹅也证明不了“所有天鹅都是白的”。真正的新知识,只能通过先猜、再证伪的方式产生。你提出一个猜测然后拼命试图推翻它。扛住了,它就暂时成立。扛不住,你就知道这条路不通,换下一个。 这个过程中还有一个极其重要的副产品,即错误不再是失败的证据,而是进步的燃料。每排除一个错误的猜测,你就离真相更近了一步。一个从来不犯错的人,本质上已经停止了进步。 把这件事想清楚之后,你再去看今天的AI就会有一个非常清醒的认识。现在的大模型本质上是一个巨大的模式匹配器,它读过全人类写的大部分东西,然后学会了“接下来该说什么”。你问它一个问题,它就在见过的所有答案的河床里,找出最有可能流过来的那个。它就算算得比人快一万倍,也永远不会在没有依据的地方,闭着眼睛往前走一步。 这意味着AI目前还只是一个超级学生,而非一个真正的创造者。它能把你教给它的东西用到极致,但没办法凭空想出一个你从没教过它、甚至你自己都没想到的假设。而人类最独特的能力,恰恰就是这个。 这就是为什么“问题是一定存在的”和“问题是可以被解决的”这两个信念,构成了进步最底层的动力。你只有相信问题存在,才会去找。你只有相信问题可以被解决,才会在找不到的时候继续猜。绝大多数人停在第一步,因为他们默认“这个问题可能无解”。但“无解”是一个极其傲慢的结论,它意味着所有可能的解决方案在物理规律允许的范围内都已经被你穷举过了,你凭什么这么确定呢? 悲观主义之所以在逻辑上站不住脚,是因为它隐含了一个无法被证明的断言,即某些知识永远不可能被创造出来。你没法证明一个东西永远不会被发现,所以你每说一次“不可能”,其实都只是在暴露自己想象力的边界。 真正的乐观主义不是情绪上的积极,也不是骗自己说一切都会好起来。它基于一个可验证的事实,即人类已经解决了无数看似不可能的问题。我们把曾经动不动就夺走几千万人生命的天花灭绝了,我们把曾经以为永恒不变的地心说推翻了,我们把曾经需要几个月才能跨越的大洋压缩到了十几个小时。这些在它们发生之前都被人说过“不可能”,但后来都发生了。所以当我们面对今天的问题时,最理性的态度应该是“暂时还没找到办法”。 这个态度的转变会彻底改变一个人的行为模式,当你觉得一件事不可能时就会停止思考。而当你觉得“只是暂时还没找到办法”时就会持续地猜、试、错、再猜。即便循环几次后你可能依然没找到答案,但你在这个过程中获得的东西已经远远超过了那个答案本身。你学会了如何定义问题,如何提出假设,如何设计检验,如何从失败里提取信息。 我把这种能力称为“猜想肌肉”,它和任何肌肉一样,不用就退化。你越依赖标准答案,就越难产生新的猜测。你越害怕犯错,就越不敢提出那些看起来不靠谱的假设。但恰恰是那些看起来不靠谱的假设,偶尔会蹦出一个颠覆性的好东西。 现在回头看,人类文明其实只在两种状态之间摇摆。一种是静态,崇尚传统,依赖模仿,任何偏离都被视为威胁。这种状态能延续很久,因为它极其稳定。但其致命缺陷是当环境变化超出了经验的覆盖范围时,就会崩溃。另一种是动态,极其少见,鼓励批判,允许改变,核心是创造。人类只在极少数时期、极少数地方进入过这种状态,现在可能正在经历又一次窗口期。 问题是这个窗口很容易关上,因为维持批判性思维很累,维持创造很不舒服。AI的流畅、准确、永远不累,正在把我们往静态那边拉。因为你不需要再猜了,问它就行。你不需要再批判了,因为它给的答案通常就是最优解。 但最优解是过去的解,不是未来的解。未来的解,尚未被猜出来。 所以真正重要的问题并非“AI会不会取代人”,应是“在AI提供所有标准答案的时代,人还能不能保留瞎猜的勇气”。这可能是我们这一代人面临的最隐蔽、也最关键的挑战。 我从不担心AI太强,我担心的是我们会因为太舒服而忘记自己还有“闭着眼睛往前走一步”的能力,那个能力才是进步唯一的引擎。AI的未来也不应该沿着“更准、更快、更顺”的斜坡滑下去,那是一条通向静态文明的死路。真正的方向是通过建立独立的猜想生成器,用建设性错误代替最小化误差,让对抗式检验成为工作流的默认环节。 这意味着我们需要重新思考大模型的底层架构,重新定义智能的本质。如果知识增长的唯一途径是“猜想与反驳”,那么任何封闭系统都无法长期维持稳定。不管是公司、国家还是技术体系,只要你停止了创造新假设、批判旧假设,你就会退步。 这世上没有穷尽,所有“不可能”都只是“还没”。那一条条还没踩出来的路,就藏在每一次你觉得“这太离谱了但还是想试一试”的冲动里。

00