“There’s a difference between believing in something and seeing it work.”

Life is an anthology of destruction. Everything you build eventually breaks. Everyone you love will die. Any sense of order or stability inevitably crumbles. The entire universe follows a dismal trek toward a dull state of ultimate turmoil.

Podwise 算力资源的几个阶段：
1. mvp 时期的本地 mac 🥹
2. Google 小哥友情赞助的 4090 pc 🙏
3. aws 赞助 (国内云厂要努力）😔
4. azure 赞助 (国内云厂要努力）😔
5. runpod 按需弹性 GPU (好使，感觉走上了正道) 👍

所有做 infra 产品的，要努力成为 infra 用户。

搞 runpod 的 serverless，一个下午（包括改自己的代码) 差不多就本地测试通过了。

GPU 资源多，还便宜，目前感觉真不错。等上线运行。

最近每天晚上都要喝掉这一大瓶椰汁🥥 离谱

用 cog 打包 replicate 模型，搞了两个下午了，无果 🌚

花了一个小时就给podwise 添加了 “基于AI 问答的个性化推荐”，随着使用的时间越长推荐效果越好。

用户历史行为分析的代码还是靠 AI 写的 😎

这都是我平时听得比较多的主题 😍

文章是用来读的，播客是用来听的，视频是用来看的。

你可以做得更好，但不能逃出这个基本定律。

replicate 符合我心中的理想推理平台，serverless 模式，秒级计费，自定义模型。以前用容器做serverless，一定绕不开如 java 环境启动时间长的问题，但现在模型推理环境比 java 长多了。所以 replicate 目前同样存在的一个痛点问题就是 “低频访问的模型，很难用到需要实时性的推理场景“。

Infra 问题才让人着迷。