{"source":{"id":"2066276671586513317","title":"Lisa Su手里那台巴掌大的小机器，能跑2000亿参数的大模型。 但它最吓人的地方，是悄悄把AI的“产权关系”给改了。…","url":"https://mubeitech.com/p/2066276671586513317"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2070963984388251736","account":"mubei","brand":"@mubei","title":"坐 11 个小时的跨洋飞机，你愿意花 25 美元连那个又慢又卡的机上 WiFi 吗？ 一位中共国开发者给出了一个非常硬核…","summary":"坐 11 个小时的跨洋飞机，你愿意花 25 美元连那个又慢又卡的机上 WiFi 吗？ 一位中共国开发者给出了一个非常硬核的答案。 他不买。他利用这段完全没有网络的时间，在自己的 MacBook 上本地运行 Llama 70B 大模型，把积压的任务队列给干完了。 很多人觉得在电脑本…","body":"坐 11 个小时的跨洋飞机，你愿意花 25 美元连那个又慢又卡的机上 WiFi 吗？\n\n一位中共国开发者给出了一个非常硬核的答案。\n他不买。他利用这段完全没有网络的时间，在自己的 MacBook 上本地运行 Llama 70B 大模型，把积压的任务队列给干完了。\n\n很多人觉得在电脑本地跑大模型只是极客的\"炫技\"。\n但这件事，撕开了本地大模型真正的战略意义。\n它第一次把 AI 生产力，从云端订阅、网络连接和平台许可的捆绑里，彻底解放了出来。\n\n过程非常丝滑。\n他带了一台 64GB 内存的 MacBook Pro M4。\n没有网络，不调任何云端 API，不连 OpenAI 或 Anthropic 的服务器。\n电脑里只跑着一个通过 llama.cpp 运行的本地 Llama 3.3 70B 模型，以及一个自己写的编排脚本。\n\n起飞前，他给这个本地系统输入了一段极其清醒的系统提示词：\n\"你是一个单机运行的离线编排器，没有网络。\n你拥有的资源只有本地目录、localhost:8080 上的 Llama 70B 服务器，以及 3 小时 21 分钟的初始电池预算。\n去处理任务队列，完成一个就保存一个，每 12 个任务存一次档。\n电池低于 5% 就暂停，等换好电池再恢复。\"\n\n大模型非常清楚自己的处境。\nIt 知道在未来的 11 个小时里，自己处于断网状态，电量和内存都是有限的，而且人类在降落前不会插手。\n\n于是系统开始单机循环：从队列取任务、本地推理、保存成果、写下存档点。\n根据他晒出的日志，在 6 万左右的上下文下，生成速度达到了每秒 71 个 token，内存占用了 48.6 GiB。\n当电量掉到 5% 以下时，系统自动暂停，等他插上外接充电宝，系统又无缝从上一个存档点恢复，继续往下啃任务。\n等飞机落地时，整条任务队列已经全部跑完。\n\n窗外是云海，小桌板上是一台 MacBook、两个终端窗口，和一个默默运转的 localhost 服务器。\n这才是真正有锋芒的生产力工具。\n\n过去我们被规训得太久，以为没有了网线，没有了向硅谷大厂按月付账的订阅费，AI 就会变成一堆废铁。\n但当 70B 级别的大模型可以被塞进个人电脑，在万米高空、零网络、零服务器成本的情况下稳定产出时，规则就变了。\nAI 的下半场，在昂贵的云端巨兽身上，更在这些被彻底解放出来、随时随地都能自我运转的本地终端里。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2071167056439845195","translated_status_id":"2071167056439845195","published_at":"2026-06-28 09:41:21","created_at":"2026-06-28T11:17:47+02:00","url":"https://mubeitech.com/p/2070963984388251736","markdown_url":"https://mubeitech.com/p/2070963984388251736/markdown"},{"rank":2,"id":"raw_36fb6bc27f68c59b","account":"mubei","brand":"@mubei","title":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio。 这不是几台发给员工的办公电脑。 是数以…","summary":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio。 这不是几台发给员工的办公电脑。 是数以万计的铝合金小盒子，被整整齐齐塞进数据中心机架。 与此同时，Anthropic 也在亚马逊云上，成批包下整台的物理 Mac 专属服务器。 在所有人盯着英伟达万卡…","body":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio。\n这不是几台发给员工的办公电脑。\n是数以万计的铝合金小盒子，被整整齐齐塞进数据中心机架。\n与此同时，Anthropic 也在亚马逊云上，成批包下整台的物理 Mac 专属服务器。\n在所有人盯着英伟达万卡集群和吉瓦级电力的时候，最顶尖的 AI 实验室，为什么突然在机房里堆砌消费级苹果电脑？\n是英伟达显卡买不起了？\n还是算力世界底下，出现了一道全新的窄门？\n答案藏在模型训练的范式转移里。\n过去训练底层大模型，算的是纯数学。\n把海量文本切成向量，丢进几万张英伟达 GPU 里做高密度的矩阵乘法。\n那是纯算力密集型任务，谁的显卡集群大、通信带宽快，谁就能炼出更聪明的模型。\n但当模型走出聊天框，开始学习替人类操作电脑，游戏规则彻底变了。\n教一个智能体使用电脑，不能只靠喂它读现成的文本。\n它必须像一个刚上岗的学徒，在真实的操作系统里，靠强化学习反复试错。\n这台正在支配智能体军备竞赛的机器，叫环境展开吞吐墙。\n在强化学习的世界里，智能体要学会精准点击一个按钮、在表格里填入数据、跨五个窗口完成订票，需要成千上万次试错。\n每一次试错，叫一次轨迹展开。\n智能体看着屏幕截图，识别按钮位置，发出鼠标指令，点击，等待界面渲染，如果软件崩溃了就重启，直到拿到任务完成的奖励分。\n要在一个月内完成训练，实验室必须在后台同时并发运行数万个真实的操作系统环境。\n为什么不能在传统的数据中心里，用一台超级服务器虚拟出几百个系统？\n因为苹果用两道坚硬的锁，把虚拟化的大门彻底焊死了。\n第一道锁是法律许可。\n苹果的软件许可协议 EULA 立了死规矩：macOS 只能运行在苹果自家的硬件上，严禁装在通用的云服务器上。\n第二道锁是物理与系统的硬限制。\n哪怕在苹果自家的芯片上，单台物理设备最多也只允许运行两个虚拟 macOS 实例。\n云计算用了二十年的弹性多租户池化，在这里全部失效。\n云厂商无法拿一台超级服务器切出几百个虚拟桌面。\n亚马逊云能提供的，只有物理专属主机模式：租客必须按天整台租下一台台物理 Mac。\n这意味着，如果你需要两万个真实的 macOS 试错环境，你别无选择。\n你必须实打实买下一万到两万台物理机器。\n这台机器不仅有法律约束，还有底层的硬件巧合。\n智能体操作电脑，需要 CPU 运行操作系统和桌面应用，同时需要图形核心跑视觉模型来识别屏幕上的每一个像素。\n在传统电脑架构里，CPU 内存和显卡显存各自分立，每一次截取屏幕，海量像素数据都要在两条总线之间来回搬运，造成严重的延迟瓶颈。\n苹果芯片的统一内存架构 UMA，让中央处理器与图形处理器共享同一池超大内存。\n操作系统渲染的图形，视觉模型零延迟就能直接读取。\n一台拳头大小的桌面设备，既自带了真实的操作系统环境，又提供了不需要跨总线搬运的高带宽内存。\n从大语言模型走向电脑操作智能体，算力的定义正在发生转移。\n上一阶段的军备竞赛，比的是谁能买到更多万卡集群，把矩阵乘法算到极致。\n下一阶段的智能体竞争，卡点正从纯算力，撞上真实环境的展开吞吐量。\n当 AI 开始伸出触角接管人类的桌面，它必须在一个个真实的操作系统里跌倒、重试。\n最先进的人工智能，最终撞上了物理世界最硬的边界：\n哪怕模型再聪明，要在真实的闭源生态里学会点鼠标，也必须一台台买下那个生态里的物理铁盒。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2094378422743011779","translated_status_id":"2094378422743011779","published_at":"2026-08-31 12:49:29","created_at":"2026-08-31T12:49:29.921106","url":"https://mubeitech.com/p/raw_36fb6bc27f68c59b","markdown_url":"https://mubeitech.com/p/raw_36fb6bc27f68c59b/markdown"},{"rank":3,"id":"mb-20260831-e837f1","account":"mubei","brand":"","title":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio","summary":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio","body":"OpenAI 刚刚成批买下了数万台 Mac mini 和 Mac Studio。\n这不是几台发给员工的办公电脑。\n是数以万计的铝合金小盒子，被整整齐齐塞进数据中心机架。\n与此同时，Anthropic 也在亚马逊云上，成批包下整台的物理 Mac 专属服务器。\n在所有人盯着英伟达万卡集群和吉瓦级电力的时候，最顶尖的 AI 实验室，为什么突然在机房里堆砌消费级苹果电脑？\n是英伟达显卡买不起了？\n还是算力世界底下，出现了一道全新的窄门？\n答案藏在模型训练的范式转移里。\n过去训练底层大模型，算的是纯数学。\n把海量文本切成向量，丢进几万张英伟达 GPU 里做高密度的矩阵乘法。\n那是纯算力密集型任务，谁的显卡集群大、通信带宽快，谁就能炼出更聪明的模型。\n但当模型走出聊天框，开始学习替人类操作电脑，游戏规则彻底变了。\n教一个智能体使用电脑，不能只靠喂它读现成的文本。\n它必须像一个刚上岗的学徒，在真实的操作系统里，靠强化学习反复试错。\n这台正在支配智能体军备竞赛的机器，叫环境展开吞吐墙。\n在强化学习的世界里，智能体要学会精准点击一个按钮、在表格里填入数据、跨五个窗口完成订票，需要成千上万次试错。\n每一次试错，叫一次轨迹展开。\n智能体看着屏幕截图，识别按钮位置，发出鼠标指令，点击，等待界面渲染，如果软件崩溃了就重启，直到拿到任务完成的奖励分。\n要在一个月内完成训练，实验室必须在后台同时并发运行数万个真实的操作系统环境。\n为什么不能在传统的数据中心里，用一台超级服务器虚拟出几百个系统？\n因为苹果用两道坚硬的锁，把虚拟化的大门彻底焊死了。\n第一道锁是法律许可。\n苹果的软件许可协议 EULA 立了死规矩：macOS 只能运行在苹果自家的硬件上，严禁装在通用的云服务器上。\n第二道锁是物理与系统的硬限制。\n哪怕在苹果自家的芯片上，单台物理设备最多也只允许运行两个虚拟 macOS 实例。\n云计算用了二十年的弹性多租户池化，在这里全部失效。\n云厂商无法拿一台超级服务器切出几百个虚拟桌面。\n亚马逊云能提供的，只有物理专属主机模式：租客必须按天整台租下一台台物理 Mac。\n这意味着，如果你需要两万个真实的 macOS 试错环境，你别无选择。\n你必须实打实买下一万到两万台物理机器。\n这台机器不仅有法律约束，还有底层的硬件巧合。\n智能体操作电脑，需要 CPU 运行操作系统和桌面应用，同时需要图形核心跑视觉模型来识别屏幕上的每一个像素。\n在传统电脑架构里，CPU 内存和显卡显存各自分立，每一次截取屏幕，海量像素数据都要在两条总线之间来回搬运，造成严重的延迟瓶颈。\n苹果芯片的统一内存架构 UMA，让中央处理器与图形处理器共享同一池超大内存。\n操作系统渲染的图形，视觉模型零延迟就能直接读取。\n一台拳头大小的桌面设备，既自带了真实的操作系统环境，又提供了不需要跨总线搬运的高带宽内存。\n从大语言模型走向电脑操作智能体，算力的定义正在发生转移。\n上一阶段的军备竞赛，比的是谁能买到更多万卡集群，把矩阵乘法算到极致。\n下一阶段的智能体竞争，卡点正从纯算力，撞上真实环境的展开吞吐量。\n当 AI 开始伸出触角接管人类的桌面，它必须在一个个真实的操作系统里跌倒、重试。\n最先进的人工智能，最终撞上了物理世界最硬的边界：\n哪怕模型再聪明，要在真实的闭源生态里学会点鼠标，也必须一台台买下那个生态里的物理铁盒。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-31 10:58:50","created_at":"2026-08-31 10:58:50","url":"https://mubeitech.com/p/mb-20260831-e837f1","markdown_url":"https://mubeitech.com/p/mb-20260831-e837f1/markdown"},{"rank":4,"id":"2056329013971517735","account":"mubei","brand":"@mubei","title":"拔掉网线，全程断网单机运行 2000 亿参数的 AI 模型。 跑这套系统的设备有多大？ 一只手就能稳稳托住。 AMD 拿…","summary":"拔掉网线，全程断网单机运行 2000 亿参数的 AI 模型。 跑这套系统的设备有多大？ 一只手就能稳稳托住。 AMD 拿出了目前全球最小的 AI 开发系统。 苏姿丰直接把这台主机端了出来。 里面塞进了他们最高端的 Ryzen AI Max 处理器。 搭配的是 128GB 高速统一…","body":"拔掉网线，全程断网单机运行 2000 亿参数的 AI 模型。\n跑这套系统的设备有多大？\n一只手就能稳稳托住。\n\nAMD 拿出了目前全球最小的 AI 开发系统。\n苏姿丰直接把这台主机端了出来。\n里面塞进了他们最高端的 Ryzen AI Max 处理器。\n搭配的是 128GB 高速统一内存。\n\n算力能装进巴掌大小的空间，靠的是底层架构设计。\n这 128GB 内存由 CPU、GPU 和 NPU 三方直接共享。\n省去了数据在不同模块间来回搬运的损耗。\n系统整体性能被大幅拉升。\n硬生生把跑大型 AI 模型的算力，压缩进了一台微型桌面台式机里。\n\n大模型的硬件门槛正在被物理击穿。\n跑千亿参数模型曾经必须依赖庞大的云端机房。\n现在直接变成了摆在桌面上的一台离线私有设备。","category":"科技","score":83.3,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-18 12:07:21","created_at":"2026-05-18T13:00:16+02:00","url":"https://mubeitech.com/p/2056329013971517735","markdown_url":"https://mubeitech.com/p/2056329013971517735/markdown"},{"rank":5,"id":"2080394326744400301","account":"mubei","brand":"@mubei","title":"你的电脑，以后不只是拿来跑本地模型了。 它会变成一个微型的算力节点。 门槛有多高？ 在Buzz里点一下鼠标就行。 打开开…","summary":"你的电脑，以后不只是拿来跑本地模型了。 它会变成一个微型的算力节点。 门槛有多高？ 在Buzz里点一下鼠标就行。 打开开关，你本地部署的大模型，立刻就能对Agent（智能体）和其他人开放。 看看这台机器的底子。 苹果M5 Max芯片，配上128GB的AI专属内存。 这个级别的个人…","body":"你的电脑，以后不只是拿来跑本地模型了。\n它会变成一个微型的算力节点。\n\n门槛有多高？\n在Buzz里点一下鼠标就行。\n打开开关，你本地部署的大模型，立刻就能对Agent（智能体）和其他人开放。\n\n看看这台机器的底子。\n苹果M5 Max芯片，配上128GB的AI专属内存。\n这个级别的个人硬件能装下什么？\n48GB的Qwen3，47GB的Qwen2.5-72B，还有43GB的Llama-3.3和DeepSeek-R1。\n一排重磅的开源大模型，在这台电脑上全部显示“完美适配”。\n\n把这些庞然大物塞进个人电脑，绝不是为了当单机玩具。\n真正厉害的是它的底层调度机制。\n一旦开启共享，你的Agent会自动去网络池子里，挑那个最大、最合适的模型来干活。\n\n这是一种全新的玩法。\n你的闲置算力，变成了整个网络的推理资源。\n算力不再只锁在云端大厂的机房里。\n只要你愿意，你的电脑就是下一台服务器。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2080465507065495817","translated_status_id":"2080465507065495817","published_at":"2026-07-24 00:06:47","created_at":"2026-07-24T02:01:17+02:00","url":"https://mubeitech.com/p/2080394326744400301","markdown_url":"https://mubeitech.com/p/2080394326744400301/markdown"}]}