即刻App年轻人的同好社区
下载
置顶Remembering that I'll be dead soon is the most
important tool I've ever encountered to help me make the big choices in life.
Because almost everything - all external expectations,all pride, all fear of embarrassment or failure - these things just fall away in the face of death, leaving only what is truly important.
Remembering that you are going to die is the best way know to avoid the trap of thinking you have something to lose. You are already naked.
There is no reason not to follow your heart.
—— Steve Jobs(1955-2011)
important tool I've ever encountered to help me make the big choices in life.
Because almost everything - all external expectations,all pride, all fear of embarrassment or failure - these things just fall away in the face of death, leaving only what is truly important.
Remembering that you are going to die is the best way know to avoid the trap of thinking you have something to lose. You are already naked.
There is no reason not to follow your heart.
—— Steve Jobs(1955-2011)
475 2239
最近一条挺有意思的新闻：OpenAI 开始大量采购 Mac，正在 Make Mac great again。
1. 据 The Information 报道，OpenAI 在过去几个月里采购了数万台 Mac mini 和 Mac Studio，主要用于强化学习，以及训练能够操作电脑的 AI Agent。
2. 买的不是给员工办公的 MacBook，而是不带显示器和键盘的桌面主机。由于需求量很大，OpenAI 还多次要求苹果加快交付。
3. 不只是 OpenAI，Anthropic 也在通过 AWS 租用 Mac 算力。也就是说，Mac 正在出现一种过去并不典型的用途：它不再只是开发者手边的一台消费级电脑，而开始被 AI 公司成批部署，作为 Agent 训练和测试基础设施。
4. 这个新闻容易引起误解： Agent 训练不需要英伟达了？当然不是。更准确的说法是，AI 产业正在出现两种不同的算力需求：大模型预训练需要大量矩阵计算，英伟达 GPU 集群仍然是主力；Agent 后训练需要大量真实交互、环境运行和任务验证，Mac 集群有可能成为新的基础设施。正如年初爆火后来几乎无人再提的龙虾。现在其实就是大企业正在批量开鱼塘。
5. 传统大模型训练的核心，是把海量数据送进模型，不断计算和更新参数。这个过程高度集中，追求极致的并行计算能力，也是 CUDA 和英伟达 GPU 最擅长的事情。而 Computer-use Agent 不只是回答问题，它还要看屏幕、点击按钮、打开和切换应用、输入文字、拖动文件、调用浏览器和其他工具、遇到错误后重新规划、判断一项任务有没有完成。
6. Agent 训练需要的，从之前的“超级计算中心”，变成了成千上万个“数字员工工位”。每个任务未必需要顶级 GPU，却需要完整的操作系统、图形界面、应用、权限体系和可重置的实验环境。
7. Mac 的优势，是它本身就是 Agent 将来要操作的环境。如果要训练一个会使用 macOS、测试苹果应用，或者服务苹果用户的 Agent，最可靠的训练场当然是真实的 Mac。用模拟环境训练，很容易遇到界面、权限、动画、应用兼容性和系统行为上的偏差。Mac mini 和 Mac Studio 则可以直接提供原生 macOS、浏览器、桌面应用以及苹果开发工具。
8. 苹果芯片的统一内存，也适合部分本地推理和后训练任务。对于 Agent 的本地推理、并行交互、轨迹采集、结果验证和部分强化学习任务，这种结构有自己的效率优势。
9. 当然，苹果未必会直接成为第二个英伟达，但它可能吃到一块英伟达覆盖不到的市场。同时，Mac 用户未来使用 agent 的体验也许会显著好于 Windows 用户。又进一步巩固了 Mac 生态的影响力（不过很可能中短期内 Mac 会一机难求，或者涨价）。可以说库克之前做 M 芯片，库克在第七层。
10. 不过，这个结果大概也在苹果自己的预期之外。这颇像当年的英伟达，最初只是做游戏画面的计算芯片，而为图形渲染打造的并行计算能力，正好能训练大模型。商业世界就是这么奇妙。
1. 据 The Information 报道，OpenAI 在过去几个月里采购了数万台 Mac mini 和 Mac Studio，主要用于强化学习，以及训练能够操作电脑的 AI Agent。
2. 买的不是给员工办公的 MacBook，而是不带显示器和键盘的桌面主机。由于需求量很大，OpenAI 还多次要求苹果加快交付。
3. 不只是 OpenAI，Anthropic 也在通过 AWS 租用 Mac 算力。也就是说，Mac 正在出现一种过去并不典型的用途：它不再只是开发者手边的一台消费级电脑，而开始被 AI 公司成批部署，作为 Agent 训练和测试基础设施。
4. 这个新闻容易引起误解： Agent 训练不需要英伟达了？当然不是。更准确的说法是，AI 产业正在出现两种不同的算力需求：大模型预训练需要大量矩阵计算，英伟达 GPU 集群仍然是主力；Agent 后训练需要大量真实交互、环境运行和任务验证，Mac 集群有可能成为新的基础设施。正如年初爆火后来几乎无人再提的龙虾。现在其实就是大企业正在批量开鱼塘。
5. 传统大模型训练的核心，是把海量数据送进模型，不断计算和更新参数。这个过程高度集中，追求极致的并行计算能力，也是 CUDA 和英伟达 GPU 最擅长的事情。而 Computer-use Agent 不只是回答问题，它还要看屏幕、点击按钮、打开和切换应用、输入文字、拖动文件、调用浏览器和其他工具、遇到错误后重新规划、判断一项任务有没有完成。
6. Agent 训练需要的，从之前的“超级计算中心”，变成了成千上万个“数字员工工位”。每个任务未必需要顶级 GPU，却需要完整的操作系统、图形界面、应用、权限体系和可重置的实验环境。
7. Mac 的优势，是它本身就是 Agent 将来要操作的环境。如果要训练一个会使用 macOS、测试苹果应用，或者服务苹果用户的 Agent，最可靠的训练场当然是真实的 Mac。用模拟环境训练，很容易遇到界面、权限、动画、应用兼容性和系统行为上的偏差。Mac mini 和 Mac Studio 则可以直接提供原生 macOS、浏览器、桌面应用以及苹果开发工具。
8. 苹果芯片的统一内存，也适合部分本地推理和后训练任务。对于 Agent 的本地推理、并行交互、轨迹采集、结果验证和部分强化学习任务，这种结构有自己的效率优势。
9. 当然，苹果未必会直接成为第二个英伟达，但它可能吃到一块英伟达覆盖不到的市场。同时，Mac 用户未来使用 agent 的体验也许会显著好于 Windows 用户。又进一步巩固了 Mac 生态的影响力（不过很可能中短期内 Mac 会一机难求，或者涨价）。可以说库克之前做 M 芯片，库克在第七层。
10. 不过，这个结果大概也在苹果自己的预期之外。这颇像当年的英伟达，最初只是做游戏画面的计算芯片，而为图形渲染打造的并行计算能力，正好能训练大模型。商业世界就是这么奇妙。
108 436
黑格尔说，自由 = 在他物中即在自己。
不自由是这些东西对我来说是异己的——它们限制我、压迫我、我在其中感到自己被削减。
自由是这些东西对我来说是我自己的——我在其中活动，如同在自己家里（bei sich，「在自己那儿」）。
黑格尔的自由不是脱离关系，而是与关系和解。
不自由是这些东西对我来说是异己的——它们限制我、压迫我、我在其中感到自己被削减。
自由是这些东西对我来说是我自己的——我在其中活动，如同在自己家里（bei sich，「在自己那儿」）。
黑格尔的自由不是脱离关系，而是与关系和解。
35 23
