新未名空间

qqqqzj 写了： 昨天 20:14 你种了就知道，种葱最划算。把大华青葱的根摘下来埋地里。过俩个礼拜想吃的时候就摘几根，然后过几个礼拜它又长出来。种个二三十株几年的葱都解决了，还没有虫害

+1
而且不管什么烂土，葱只要浇点水就蹭蹭长，吃不完

drifter 写了： 昨天 15:31 感觉特斯拉还是寄希望在ai大力出奇迹
对新fsd版本保持沉默 新硬件hw5量产
迅速大规模铺开可能性几乎没有

电子产品快速更新换代，厂家没兴趣支持旧硬件是时代定律。不知道为什么有的人就是相信马教主会给旧硬件最新最全的功能，只要他大嘴一张说出些完全不符合最基本经济原理和科技原理的煽动言论。只能说宗教洗脑的力量太强大。

自动驾驶能多快实现，没人知道，至少现在fsd远远不行。版上特粉在大农村简单道路上E2E跑通，不代表在复杂路况下也可以，比如在湾区随便跑一跑就会暴露出各种问题。
fsd在没实现之前就当L5自动驾驶宣传，是版上诸多人反对的关键，而不是说它本身不是valuable work。特粉最喜欢的打滚逻辑之一就是：有啥其它家用车的辅助驾驶系统比fsd强？没有那你就不能喷fsd。
另外，你要搞过machine learning就知道，通过收集数据训练只能降低同样的错误发生的概率，而不能guarantee不会再发生，尤其是复杂场景下。

hahan 写了： 2025年 6月 23日 19:38 就是硬件的针对性优化
为啥别的厂不行
狗家tpu？

需要从软件到硬件的整体优化。就算出一款硬件号称attention计算快了5倍，说不定pytorch都不支持，谁会去用呢。

特芬就是愿意相信马斯克能突然掏出来一个隐藏大招--比家用车版本更好的模型。也只能祝福他们多用点，拿命为自动驾驶技术发展做贡献。

magagop 写了： 2025年 6月 23日 01:14 你知道短浮點數計算現在還沒有IEEE標準嗎？你知道這意味什麼嗎？紅綠藍廠的浮點數計算結果就是不一樣的，沒有誰對誰錯，但是普通用戶就傻眼了。

跟他们说这些没什么用，真搞过ai的不用说也懂。
别说浮点精度了，计算图稍微差一点，矩阵相乘顺序不一样，结果就有误差。一个几十层的神经网络，误差累积起来很可观。所以amd华为之类做的训练卡虽然便宜，没什么人愿意去趟雷，因为数值都无法跟n卡对齐。家是自己养了一大批硬件到infra到算法的牛人，才把TPU搞成实际可用的状态。

牛河梁 写了： 2025年 6月 23日 00:16 用计算复杂性的说法，只要差一个常数，训练3个月和3年或者30年没啥区别。硬件的确可以做很多优化。但硬件上不去，模型小一点而已。人类又不是等不起急着AGI。等芯片集成度上去了照样可以训练新模型。晚18个月芯片能力就上升了一倍。

模型小一点，能力差老远。目前开源模型里，几B参数量是toy model，几十B参数量是一些场景勉强能用，几百B参数量才能算强。现在几B的模型够小了都能放手机上，但没什么意义。

wildthing 写了： 2025年 6月 22日 20:43 我十年前就写过这方面的编译器。

我相信你纯软件写的东西能计算，但慢呀，训一轮要几天谁等的起。nvidia在硬件上就对这些有优化加速，配合cuda生态，构成了软硬结合的护城河。

magagop 写了： 2025年 6月 22日 15:04 芯片性能測試

推理硬件吗？AI为什么会增加难度

先想一下让你自己去找附近哪家店的鸡蛋最便宜时，你作为人类会怎么寻找答案？很简单，要不亲自去看一遍， 要不通过某种app比如instacart搜一圈附近的店进行比价。对AI来说，“亲自看”需要与物理世界交互，不efficient。所以当下最适合AI的方案就是生成一个plan，然后利用tool use的能力去一步步执行这个plan。以chatgpt目前的智商，完全能理解你问题里的时间（现在）、地点（附近）、物体（鸡蛋）、状态（价格），必要的context只有你的坐标、每家grocery store的鸡蛋价格，只要有了这些数据，立刻能给出正确的答案。
回过头再来看这个问题 ...

magagop 写了： 2025年 6月 21日 23:27 AI太難了，是最難搞的CS方向，搞得我心累。

你是搞哪一个方向的？

我一直认为想挣钱，得提供价值作为交换，所以错过了各种炒房炒币暴富的机会（哭死）。现在在ai还没完全成熟的时候加入，还能提供一些算法调优、搭建infra的价值。但过几年AI不仅智力全面超越绝大多数人类，与物理世界的交互也逐渐完善，大部分人可能陷入沦为无用阶层的道路上。那时候虽然工具肯定更好用，但个人能创造什么价值，还有没有干一番事业的机会，就很难说了。

可以稍微形象一点地探讨。前两年，你能让AI从知识库里给你生成一些答案，或者根据提示词生成一些质量勉强可以接受的图。今天，你已经可以跟AI agent对话，生成一个app挂到应用商店去；或者描述一些需求制订完整的旅游行程 ...

Bluesky 写了： 2025年 6月 21日 12:33 赞自己动手！这个活没危险，有乐趣。我当年也是右电动后视镜被老婆刮碎。网上买了一个自己换。钻车底的尽量不要自己换。

我的车是左边被领导撞碎，舍不得花钱，只好自己买配件换，拆车门盖板还挺费劲的。车外壳上的伤痕一直没修，不想为老车花大几千。

newstart 写了： 2025年 6月 21日 15:30 VIBE Coding的时代，听那些东西没大用处。重要的是自己执行，东西几个月甚至几周就要过时，那些vision对个人没什么用处。

这些是推荐给感兴趣但没有动过手的人。我发现连很多号称搞过ml的，都对现在ai的能力完全不了解，连使用最新工具的mindset都没有，所以需要科普。

数据一直被比喻为ai时代的石油，高质量私有数据值钱，但肯定不是行业里最值钱的部分。卖数据的典型是reddit，一年几十米的营收，而oai已经突破10B了。
很多没有实战过的人觉得模型算法简单，只要有数据，找个开源框架谁都能搞，实际上如果想有市场竞争力，产品设计、训练技巧（数据构造和算法优化）和ai infra搭建的难度都非常高。

ShuiNi 写了： 2025年 6月 21日 01:53 telsa自己的保险怎么样？

一样贵，非常坑

ShuiNi 写了： 2025年 6月 21日 01:24 左道是超车道，老是在超车道开，是你开得不对。

你不懂，湾区很多高速左道是express lane，给carpool的车快速通行用的

ShuiNi 写了： 2025年 6月 21日 01:36 电车省下来的油钱刚好补偿了电车的额外贬值，算下来是不亏不赚。

主要tesla保险太贵，抵消了几年省的油钱。不知道其它电车什么情况，得研究下。

1. Hinton最近的一个podcast，能了解到先驱是怎么看待目前AI技术发展的。
https://www.nobelprize.org/prizes/physics/2024/hinton/podcast/

我觉得特别有意思的部分是提到研究表明，人类大脑在回忆时，实际上是generate一个自认为合理的场景，而不是retrieval。再综合其它讨论，延伸出随着GenAI研究越来越深入，researcher们实际上发现AI的工作原理跟人脑越来越像。


2. Andrej Karpathy在YC的talk
https://www.youtube.com/watch?v ...

第一次用就能发现一堆问题，说明楼主是水平不错的正常司机。FSD是能力不行还硬要捣乱的典型。在湾区的同学可以试试，在237-east的左道不导航，只开FSD当AP用，快到880时会自作主张往右变道。连最基本的车道保持、定速巡航都做不好，纯纯的人工智障。