泛文科的毕业论文就是一套水水的八股文，也没人指望本科生能做出什么学术贡献，AIGC也是解放生产力了。

#AI工作流 建议搭配Gemini 2. 5 pro使用效果最佳，基本上效果大于等于实习生手动整理

TTS的公司研究了一遍，体验了一遍，大失所望。
基本没有任何一家能够实现情感理解和情绪输出，给我的感觉类似微软小冰那个时代的chatbot：勉强可以用，但是说不上智能和体验。合适的停顿和韵律等还达不到，不过延迟倒是很低了。
最早让计算机说话是“活字印刷术”，现在的TTS都用了新的方法，有和LLM结合的hume，有和SSM(mamba)结合的cartesia，实际出来的效果却没有明显大于“活字印刷术”。这是为什么？

沉寂了一年多的曹越，一上来就干了个大的。在AI视频领域，我认为他是最有魅力的，连夜体验之后，几个感受：
1 官网逻辑很有意思，跟大多数文生视频的网站从风格到流程上都不一样
2 主打图生视频，一致性较强，实测效果还不错，但是很卡，可能是算力不够
3 读了论文，里面改进非常多，关键的改进是自回归，而不是双向去噪的扩散模型，所以更有逻辑性
4 自回归vs双向去噪的又一个例子，上一个是 4o 的图像生成
5 团队工作很深，从 attention 到 swiglue 到 infra 各种细节都做了工作，可以看得出非常有思考，论文也非常完整
今年过年时间就和几个做comfyui的朋友讨论，扩散很难完成精确控制，未来可能是自回归的。没想到，未来来得比我们想象的更快。

这次聚焦在RDMA网卡，直到现在也很好奇为什么这个领域没有像光模块那样，出一个中际旭创，如果有见解的欢迎交流。
btw，claude简直是可视化神器，太好用了！

2T 怪不得藏了那么久。。。

存算一体的芯片，关键优势在于可以把延迟降低十倍，token输出速度提高十倍，最近我的最大启发是，最刚需的场景可能不是数据中心，也许会是智驾或者具身，在这个场景上，10s和1s、1s和1ms，是完全不同的两件事。
​现在的解决方案是快慢思考系统，复杂、麻烦，是个不太优美的解决方案，如果有存算一体也许能统一起来。
从历史来看，深度学习算法的每次突破，都是当时对算力的尽可能利用，让人教的更少，让计算机学得更多，用算力来scalling一切。transformer的前提是gpu计算能力ready，具身、视频这些领域的“transformer”的前提会不会也是一种全新的硬件形态，能把现在memory wall导致的latency的痛点解决？

猜猜谁是AI写的 谁是人写的？

推理芯片：一面是GPU，一面是...
深入研究了国外做推理芯片的初创，进行整理和蒸馏后得出了这篇文章，欢迎感兴趣的朋友一起讨论。

大模型也有性别歧视？
Trash in，Trash out！
看看你们都把大模型教成什么了。。。
Wait！DeepSeek居然是唯一清流！
这个故事告诉我们：