{"source":{"id":"2045484064585728489","title":"Andrej Karpathy揭开了一个反直觉的行业真相。 现在的AI模型动辄上万亿参数，根本不需要这么大的“脑容量”。…","url":"https://mubeitech.com/p/2045484064585728489"},"method":"semantic-similarity","count":2,"items":[{"rank":1,"id":"2076366659514974671","account":"mubei","brand":"@mubei","title":"AI 公司都在卷模型，拉里·埃里森卷的是模型吃不到的数据。 这句话不好听，但很现实。 现在整个行业都在拼谁的模型更聪明。…","summary":"AI 公司都在卷模型，拉里·埃里森卷的是模型吃不到的数据。 这句话不好听，但很现实。 现在整个行业都在拼谁的模型更聪明。 参数更多，跑分更高，推理更快。 ChatGPT、Anthropic、Grok、Llama，大家训练的底料，本质上都是公开互联网。 网页、论坛、论文、代码、新闻…","body":"AI 公司都在卷模型，拉里·埃里森卷的是模型吃不到的数据。\n\n这句话不好听，但很现实。\n现在整个行业都在拼谁的模型更聪明。\n参数更多，跑分更高，推理更快。\nChatGPT、Anthropic、Grok、Llama，大家训练的底料，本质上都是公开互联网。\n网页、论坛、论文、代码、新闻、社交媒体。\n你能抓，我也能抓。\n当所有人都吃同一锅公开数据，数据就不再是护城河，只是入场券。\n\n真正能拉开差距的，是模型平时碰不到的东西。\n病历。\n金融模型。\n国防系统。\n企业内部研究。\n几十年锁在防火墙后面的私有知识。\n这些东西不能随便扔进训练集。\n一旦训练进去，数据就被折进模型里，回不来了。\n对企业和政府来说，这不是智能化，这是交出主权。\n\n埃里森讲的重点就在这里。\n他没有说甲骨文要去造一个最强大模型。\n他说，要把甲骨文数据库里的私有数据，提供给 AI 模型做推理。\n模型可以用这些数据思考，最后只交回答案。\n数据本身不搬家，不被吸进模型，不变成别人的公共能力。\n\n这就是下一阶段 AI 的价值入口。\n第一阶段，大家抢算力，抢模型，抢公开语料。\n第二阶段，真正值钱的是谁能让模型接触到私有知识，同时又不让私有知识失控。\n\n埃里森把 AI 叫作“非凡的电子大脑”。\n这个比喻很准。\n但大脑再强，也要看它被允许知道什么。\n一个只能读公开互联网的大脑，聪明归聪明，做不了医院、银行、军工、科研机构最核心的决策。\n一个能在私有数据上推理、又不吞掉数据的大脑，才开始进入真正昂贵的世界。\n\n所以这场 AI 战争，表面看是模型之争。\n深一层看，是数据入口之争。\n谁控制高价值知识，谁就站在模型之上。\n人类文明每一次技术革命都一样。\n工具会换，权力结构不会轻易换。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2076418902670635162","translated_status_id":"2076418902670635162","published_at":"2026-07-12 21:29:00","created_at":"2026-07-12T22:02:14+02:00","url":"https://mubeitech.com/p/2076366659514974671","markdown_url":"https://mubeitech.com/p/2076366659514974671/markdown"},{"rank":2,"id":"raw_708f235ce731aad8","account":"mubei","brand":"@mubei","title":"OpenAI 刚发布了新模型 GPT-6 Astra。 黄仁勋发推文祝贺，顺手扔了一颗深水炸弹： AGI 已经到了。 接…","summary":"OpenAI 刚发布了新模型 GPT-6 Astra。 黄仁勋发推文祝贺，顺手扔了一颗深水炸弹： AGI 已经到了。 接着他给了一组数字： 这个模型是在 10 万多块 Grace Blackwell NVLink72 系统上训练出来的。 下一批，还有 40 万块 NVIDIA 芯…","body":"OpenAI 刚发布了新模型 GPT-6 Astra。\n黄仁勋发推文祝贺，顺手扔了一颗深水炸弹：\nAGI 已经到了。\n接着他给了一组数字：\n这个模型是在 10 万多块 Grace Blackwell NVLink72 系统上训练出来的。\n下一批，还有 40 万块 NVIDIA 芯片正在排队上线。\n评论区立刻吵成一团。\n有人在核对跑分，有人在质疑 AGI 的定义，学者们在争论这算不算营销吹牛。\n所有人都被 AGI 这三个字母吸走了注意力。\n但真正反常识的信号，藏在那两组数字里。\n等一下。\n如果 AGI 真的已经到了，终点线都已经跨过去了，为什么还要一口气追加 40 万块顶级芯片？\n如果学生已经毕业了，你为什么还要把学费翻四倍？\n这背后藏着一台运转了一百六十年的经济学机器。\n1865 年，英国经济学家威廉·斯坦利·杰文斯写了一本书，叫《煤炭问题》。\n当时很多人以为，只要瓦特改良了蒸汽机，煤炭消耗效率提上去，英国的煤就会越用越省。\n杰文斯算完账，给出了一个完全相反的结论：\n当蒸汽机的效率提高，做功的成本大幅下降，蒸汽机就会迅速铺满采矿、纺织、火车和轮船。\n煤炭没省下来，总消耗量反而暴增了几百倍。\n这个规律后来被称为杰文斯悖论。\n现在的算力市场上，正在上演一模一样的一幕。\n过去四年，芯片主要是用来训练模型的。\nOpenAI 租下 10 万块芯片，通电跑上几个月，把模型训出来，这笔钱就算花完了。\n算力在当时是一笔固定研发开支，就像买一台机床。\n新一代模型跨过的那道门槛，把这台机器彻底改写了。\nGPT-6 Astra 不再只是一个回答问题的聊天框。\n它成了一个接管屏幕、写代码、测漏洞、连续执行任务的电脑操作员。\n要让它在真实世界里替人干活，每走一步，都需要在后台进行海量推理和反复试错。\n这叫推理期算力扩展。\n当智能跨过了「真正可用」的临界点，算力就从实验室里的研发成本，变成了工业生产里的电力。\n它不再是一次性买断的机床。\n它是机床运转时，每一秒钟都要烧掉的燃料。\n模型越能干，被派给它的任务就越多，它后台烧掉的算力就越庞大。\n这就是为什么训一个模型用了 10 万块芯片，后面却需要 40 万块芯片接力进场。\n因为训大脑只需要 10 万块。\n让大脑去全天候当牛做马，需要 40 万块、甚至几百万块。\n看懂了这台机器，你就能看懂黄仁勋为什么比任何人都急着宣布 AGI 降临。\n在淘金热里，最希望大家相信山上有金矿的人，从来不是淘金客。\n是山脚下卖铁锹的人。\n淘金客可能空手而归。\n只要全世界都相信金子就在前面，下一批 40 万把铁锹的订单，就已经稳稳装进了口袋。\n真正的分水岭，从来不是 AGI 到底有没有标准答案。\n当全世界还在为概念争论不休时，卖铁锹的人，已经把算力变成了全人类必须按秒付费的新煤炭。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2096875508021547163","translated_status_id":"2096875508021547163","published_at":"2026-09-07 10:12:07","created_at":"2026-09-07T10:12:07.107035","url":"https://mubeitech.com/p/raw_708f235ce731aad8","markdown_url":"https://mubeitech.com/p/raw_708f235ce731aad8/markdown"}]}