《杨光》[太阳]阳光生活丰富多彩!阳氏!秘制红烧排骨!祖传!肥而不腻!入口即化!回味无穷!此味只应天上有!人间能有几回尝!
《杨光》穷人的孩子早当家!
[太阳]上得了厅堂下得了厨房!
《杨光》勤俭持家!自己动手!丰衣足食!
《杨光》食材配送中心的食材!
《杨光》感恩遇见!相识是缘!相知是份!
《杨光》百善孝为先!感恩的心!低调做人!高调做事!
《杨光》人生经典:人心都是相对的!感情都是相互的!请珍惜那些真心对你的贵人!人心换人心!
《杨光》爱自己!爱家人!爱朋友!爱这个世界!
《杨光》人生经典:人生没有如果!只有结果和后果!请别让人生留下遗憾!
《杨光》人生经典:做人一定要低调!没有必要来炫耀!自古风水轮流转!不信你就试试看!
《杨光》人生经典:做人!清清爽爽!坦坦荡荡!
《杨光》人生经典:台上做戏!台下做人!做好自己!
《杨光》爱生活!爱自己!生活仪式感!情调生活!
《杨光》人生经典:生活是一门艺术!艺术来源于生活!奥利给!
《杨光》人生经典:日落西山你不陪!东山再起你是谁! 同甘共苦你不在!荣华富贵你不配!
《杨光》人生经典: 穷在闹市无人问!富在深山有远亲!不要让现实泯灭了善良的人性!
《杨光》人生经典:当你熬过所有的苦!就会迎来最美的甜!为梦想加油!为坚持梦想点赞!
《杨光》人生经典:生活本来就是一场修行!平淡则是其中一部分!
《杨光》人生经典:树高万丈不忘根!人若辉煌莫忘恩!杨光地地道道的乡下人!
杨光人生经典: 天下事必作于细!格局决定结局!细节决定成败!细节决定命运! 余生很贵!请别浪费!
[太阳]《杨光》健康美容顾问!生命诚可贵!爱情价更高!
[太阳]《杨光》中国著名夜场功夫搞笑艺术大师!
《杨光》纯天然!纯野生!原生态!甲鱼!乌龟研究中心!
《杨光》中国科学!植物!动物!研究中心!
[太阳]慈眉善目!大富大贵!前无古人!后无来者!中国人!龙的传人!男儿当自强!我就是我!是颜色不一样的烟火!人不可貌相,海水不可斗量!生活是一门艺术!艺术来源于生活!杨光绝世超级霸气!气质!猛男!
[太阳]阳光!安排!奥利给! https://t.cn/RqPMuOj
《杨光》穷人的孩子早当家!
[太阳]上得了厅堂下得了厨房!
《杨光》勤俭持家!自己动手!丰衣足食!
《杨光》食材配送中心的食材!
《杨光》感恩遇见!相识是缘!相知是份!
《杨光》百善孝为先!感恩的心!低调做人!高调做事!
《杨光》人生经典:人心都是相对的!感情都是相互的!请珍惜那些真心对你的贵人!人心换人心!
《杨光》爱自己!爱家人!爱朋友!爱这个世界!
《杨光》人生经典:人生没有如果!只有结果和后果!请别让人生留下遗憾!
《杨光》人生经典:做人一定要低调!没有必要来炫耀!自古风水轮流转!不信你就试试看!
《杨光》人生经典:做人!清清爽爽!坦坦荡荡!
《杨光》人生经典:台上做戏!台下做人!做好自己!
《杨光》爱生活!爱自己!生活仪式感!情调生活!
《杨光》人生经典:生活是一门艺术!艺术来源于生活!奥利给!
《杨光》人生经典:日落西山你不陪!东山再起你是谁! 同甘共苦你不在!荣华富贵你不配!
《杨光》人生经典: 穷在闹市无人问!富在深山有远亲!不要让现实泯灭了善良的人性!
《杨光》人生经典:当你熬过所有的苦!就会迎来最美的甜!为梦想加油!为坚持梦想点赞!
《杨光》人生经典:生活本来就是一场修行!平淡则是其中一部分!
《杨光》人生经典:树高万丈不忘根!人若辉煌莫忘恩!杨光地地道道的乡下人!
杨光人生经典: 天下事必作于细!格局决定结局!细节决定成败!细节决定命运! 余生很贵!请别浪费!
[太阳]《杨光》健康美容顾问!生命诚可贵!爱情价更高!
[太阳]《杨光》中国著名夜场功夫搞笑艺术大师!
《杨光》纯天然!纯野生!原生态!甲鱼!乌龟研究中心!
《杨光》中国科学!植物!动物!研究中心!
[太阳]慈眉善目!大富大贵!前无古人!后无来者!中国人!龙的传人!男儿当自强!我就是我!是颜色不一样的烟火!人不可貌相,海水不可斗量!生活是一门艺术!艺术来源于生活!杨光绝世超级霸气!气质!猛男!
[太阳]阳光!安排!奥利给! https://t.cn/RqPMuOj
“这个司机大哥火了”!哈尔滨,司机大哥听到游客抱怨酒店从两三百涨到 1700 元,反手就打12345 举报!司机大哥:“涨价这么离谱,“财神爷”下回不来怎么办?”网友:大哥有格局!这样才能长久,钱不是一天挣得!
(来源:烟台广播电视台)
这几天,娇小可爱的“南方小土豆”带火了冰雪大世界。于是各地游客涌向哈尔滨,去欣赏北国风光,让三亚都黯然失色!
而当地人纷纷感叹:这泼天的富贵终于轮到他们哈尔滨了!
但是人一多,酒店和宾馆的房价就水涨船高,平时三四百的房间,现在翻了四五倍,涨到了 1700 多。
而游客打车时在出租车上吐槽房价太贵了,玩一个星期就要上万,只能早点打道回府了!
司机大哥一听,顿时窝火了!游客多了,他的生意也跟着好了。现在酒店宰客乱涨价,这一传出去还有人来玩吗?那他的生意不是又凉了?
于是司机大哥马上打了 12345,投诉说:“酒店涨价这么离谱,你们不管管吗?财神爷他不来了,你还有创收吗?地方经济能往上涨吗?你可以涨,但不能翻了四五倍……”
司机大哥的这番言论,引发热议:
有网友说,哈尔滨飘了!一个锅包肉60多只有 10 几片肉,雪乡房间涨到 3000 多,再不管就没人气了!
也有网友说,我机票都订好了,看到酒店价格放弃了……玩不起,真的玩不起!
还有网友说,我们海南这边要有这司机大哥的觉悟,也不至于一下没人来了!
对于酒店涨价这事情,有人说是市场调节的结果。
而我想说的是,适当溢价是正常的,毕竟市场规律和供求关系决定的!但是过分涨价,就是把得来不易的机遇给全盘毁掉了!
看看人家淄博做得就不错,所以说并不是做不到就看想不想做!
哈尔滨如果想要接住这波流量,不要做杀鸡取卵的事情!要像淄博一样拿出魄力治理市场乱象,才能用“人情味”让人向往!
淄博之所以火,是因为他们从上到下给足了游客尊重!让游客过去能有客人的感觉!而不是被“杀猪”的感觉!
希望哈尔滨的各位商家,别只看眼前的利益,格局一定打开!
免费大米,免费班车就做得非常好!大家都在努力着,为了长久利益,千万不要给哈尔滨丢脸了!
(来源:烟台广播电视台)
这几天,娇小可爱的“南方小土豆”带火了冰雪大世界。于是各地游客涌向哈尔滨,去欣赏北国风光,让三亚都黯然失色!
而当地人纷纷感叹:这泼天的富贵终于轮到他们哈尔滨了!
但是人一多,酒店和宾馆的房价就水涨船高,平时三四百的房间,现在翻了四五倍,涨到了 1700 多。
而游客打车时在出租车上吐槽房价太贵了,玩一个星期就要上万,只能早点打道回府了!
司机大哥一听,顿时窝火了!游客多了,他的生意也跟着好了。现在酒店宰客乱涨价,这一传出去还有人来玩吗?那他的生意不是又凉了?
于是司机大哥马上打了 12345,投诉说:“酒店涨价这么离谱,你们不管管吗?财神爷他不来了,你还有创收吗?地方经济能往上涨吗?你可以涨,但不能翻了四五倍……”
司机大哥的这番言论,引发热议:
有网友说,哈尔滨飘了!一个锅包肉60多只有 10 几片肉,雪乡房间涨到 3000 多,再不管就没人气了!
也有网友说,我机票都订好了,看到酒店价格放弃了……玩不起,真的玩不起!
还有网友说,我们海南这边要有这司机大哥的觉悟,也不至于一下没人来了!
对于酒店涨价这事情,有人说是市场调节的结果。
而我想说的是,适当溢价是正常的,毕竟市场规律和供求关系决定的!但是过分涨价,就是把得来不易的机遇给全盘毁掉了!
看看人家淄博做得就不错,所以说并不是做不到就看想不想做!
哈尔滨如果想要接住这波流量,不要做杀鸡取卵的事情!要像淄博一样拿出魄力治理市场乱象,才能用“人情味”让人向往!
淄博之所以火,是因为他们从上到下给足了游客尊重!让游客过去能有客人的感觉!而不是被“杀猪”的感觉!
希望哈尔滨的各位商家,别只看眼前的利益,格局一定打开!
免费大米,免费班车就做得非常好!大家都在努力着,为了长久利益,千万不要给哈尔滨丢脸了!
拾象科技CEO李广密的这个采访给出的信息和判断太多了,节选一下,顺序有一定打乱,强烈建议大家看原文或者去听播客,链接:https://t.cn/A6lmccU9
- OpenAI 是在一年前做出的 GPT-4, Anthropic 是半年前做出来的,Google 是下个月才能真正推出 GPT-4,全球其他团队可能还需要 6- 12 个月才能做出来。从 GPT-3 到 GPT-3.5,很多公司有机会达到,但是从 GPT-3.5 到 GPT-4 难度会增加 5-10 倍,只有极少数公司能到。
- 模型公司的壁垒很像台积电或者 SpaceX,有很强的先发效应和规模效应的,但现在还不知道能不能像互联网范式一样有网络效应。
- 全球第一梯队的模型,如果没有 100 亿美金的储备、而且有机会转化成 GPU,是没有办法待在全球第一梯队的,这是一个硬标准。
- 2024 年可能基本上会决定大概的格局。窗口就是未来 12 个月,如果未来 12 个月追不上去,后面再翻转其实是很难了。模型竞争很残酷,很像造芯片或者做 SpaceX,最理想化的格局是很可能只剩一家,最领先的模型又最便宜,没有理由用第二家,但因为有抗衡微软跟 OpenAI 联盟的阵营在,所以会有不同的阵营,这样推演下来可能大概率是 2-3 家。
- 2024 年的叙事肯定是多模态,Google Gemini 就是打了一个新的开端。
- OpenAI 一年做到 10 多亿美元的 ARR(编注:最新的报道是16亿美元),明年可能是五六十亿美元的 ARR,它可能是历史上增长最快的公司。但整个市场上其他的大模型 native 的产品所有的 ARR 加在一起是不到 10 亿美金的。
- 硅谷 VC 几乎都错过了大模型的投资,也同样都错过了对 SpaceX 和 Tesla 的投资,这几件事都是典型的重投入、早期看不到商业模式、风险很大,不符合硅谷 VC 的典型投资偏好。
- 三个头部厂商:微软和 OpenAI,其次是亚马逊和 Google 支持的 Anthropic,第三个是 Google,它自成一派,Apple 跟 Tesla 是潜在的关键变量。
有三个大生意和大模型最相关,首先是芯片,英伟达在这一波就很激进,第二波是公有云,微软的云和亚马逊的云是两个是最大的,可能未来模型都是要跑在云上,所以云厂商拿未来每年营收的 3- 5 个点去投模型公司也很合理。第三个大生意是终端,手机和车,所以 Apple 和 Tesla 未来会是更关键的阵营。
- X.ai 现在是晚了 6- 12 个月的,未来有大于 50% 的概率追上;开源模型有可能未来就等于 Meta。
- 关于全球对大模型的投入,OpenAI 未来训练模型可能还需要至少得200-300 亿美金, Google 也不能低于这个数,Anthropic 大概也需要 100-200 亿美金,未来几年,3-5 年至少要花 1000 亿美金赌下去。
- 关于大模型产品:1.大模型是最核心的,没有模型可能是没有所谓的 AI native 应用。2.智能是最关键的变量,过去的产品经验可能在今天是一种包袱,只是模型之上怼很多的功能、UI、 UX 有可能是徒劳的,更本质的是要理解模型的能力是什么。
- 那些复刻GPT-4的厂商是如何做到的:
1.全球范围真的对大模型能有实际大贡献的天才 researcher 可能就两三百个人,天才科学家的聚集效应是很强的,这种人和这种 research 文化其实是非常重要的,不是所有巨头都具备这样的条件。
2.GPT-4 的短期壁垒是数据,尤其是 pre-training 和 post-training 阶段的数据,全球范围真正有 GPT-4 数据 know-how 的只有两三百个人,而且几乎都在目前头部的三家模型公司,其他公司想搞清楚这件事至少得经过几百次、甚至几千次充足的实验,小几万张卡是一个必要条件。
3.训练成本,如果 Claude-3 和 GPT-4.5 训练成本可能 2 到 3 亿美元,那再往后的 25、26 年,更下一代的模型训练成本至少可能是 10 亿美元,甚至说 30、50 亿美元。
4.另外一个核心变量可能还是取决于大家是不是信仰 scaling law,以及能不能做到、能不能继续 scaling 下去,这件事可能是长期的唯一关键变量,只有极少数的科学家是很信的,比如说 Character.AI 的 Noam, Anthropic 的 Dario,还有 OpenAI 的 Ilya,他们三个对 scaling law 的贡献也是最大的,同时也是信仰最强的。
- 关于大模型成本:
训练成本其实是分两个部分,一部分是实验成本,一部分是最终大规模训练的成本。可以理解为一年当中是有 9 个月要做实验的,实验就是用小尺寸的模型做训练,做足训练之后,2-3 个月做一次大的训练,这一次就像一次大的火箭的发射,所以简单按时间来分,3/ 4 的成本用在做实验, 1/ 4 用在大的训练,也就是“发射”。
模型参数量在 700 亿是一个分界点, 700 亿以下能容忍非常多的错误,模型不会在训练过程中崩掉,700 亿参数以上每往上扩大一个级别,遇到的训练的难度是指数级提升的,模型越大越容易出错。
OpenAI 的成本优化能力是很强的,比如说他们训练完 GPT-4 以后,因为具备了这个训练能力了,可以再重新训练一个 GPT-3.5、把 3.5 的推理成本降得非常低。
现在共识是下一代就是多模态模型,各种模态的数据要从头 pre-train 进去,而不是用现在的 Flamingo 挂起来,视频数据的 pre-train 其实比文本的 token 整个更复杂,要高出一个量级的 GPU 资源。如果参数量又扩大一倍,又是一个多模态的模型,它需要的 GPU 资源可能是之前的 10-20 倍以上的,而且还包含了优化能力。
下一代模型实际算力可能是当年 GPT-4 的 16- 32 倍的提升,如果这样算下去,到 2025 年训练一个大的模型,他估计可能花费要 10- 30 亿美元之间。
- 开源与闭源之争:
开源模型是追不上闭源模型的,而且差距肯定会越来越大,大模型很像芯片或者 Space X,因为大模型它不是一个传统意义的软件开源,模型不可编码,不可解释,大家没办法一起做贡献,包括 GPU 要在单一一个集训练起来训练才更高效。
开源模型的使命不是做最聪明的模型,而是承接先进模型溢出的很多能力,做民主化。因为未来很多用户和企业的需求是分层的,可能有相当大比例的需求是通过一定能力的模型就可以覆盖的,很多企业和大规模的用户优先考虑的是成本问题,这部分是开源的优势。
开源模型在 2024 年追齐 GPT-4 还是挺挑战的。
下一个开源模型重要的方向是端侧,端侧意味着很多推理成本可以放到端侧,会让 AI 公司的成本结构发生很大的变化。
- 一个模型公司最重要的是至少有一个天才的科学家。上半场可能不一定是 CEO,但科学家一定是最重要的,以及团队的科学家文化,能够持续不断的探索、做实验是最重要的,下半场有可能是商业和应用。
- Sam Altman 跟乔布斯和马斯克好像不太像一类人,乔布斯和马斯克在硅谷几乎没有朋友,但 Sam 在硅谷所有人都是朋友,Sam 更像是一个政客。
- OpenAI 是在一年前做出的 GPT-4, Anthropic 是半年前做出来的,Google 是下个月才能真正推出 GPT-4,全球其他团队可能还需要 6- 12 个月才能做出来。从 GPT-3 到 GPT-3.5,很多公司有机会达到,但是从 GPT-3.5 到 GPT-4 难度会增加 5-10 倍,只有极少数公司能到。
- 模型公司的壁垒很像台积电或者 SpaceX,有很强的先发效应和规模效应的,但现在还不知道能不能像互联网范式一样有网络效应。
- 全球第一梯队的模型,如果没有 100 亿美金的储备、而且有机会转化成 GPU,是没有办法待在全球第一梯队的,这是一个硬标准。
- 2024 年可能基本上会决定大概的格局。窗口就是未来 12 个月,如果未来 12 个月追不上去,后面再翻转其实是很难了。模型竞争很残酷,很像造芯片或者做 SpaceX,最理想化的格局是很可能只剩一家,最领先的模型又最便宜,没有理由用第二家,但因为有抗衡微软跟 OpenAI 联盟的阵营在,所以会有不同的阵营,这样推演下来可能大概率是 2-3 家。
- 2024 年的叙事肯定是多模态,Google Gemini 就是打了一个新的开端。
- OpenAI 一年做到 10 多亿美元的 ARR(编注:最新的报道是16亿美元),明年可能是五六十亿美元的 ARR,它可能是历史上增长最快的公司。但整个市场上其他的大模型 native 的产品所有的 ARR 加在一起是不到 10 亿美金的。
- 硅谷 VC 几乎都错过了大模型的投资,也同样都错过了对 SpaceX 和 Tesla 的投资,这几件事都是典型的重投入、早期看不到商业模式、风险很大,不符合硅谷 VC 的典型投资偏好。
- 三个头部厂商:微软和 OpenAI,其次是亚马逊和 Google 支持的 Anthropic,第三个是 Google,它自成一派,Apple 跟 Tesla 是潜在的关键变量。
有三个大生意和大模型最相关,首先是芯片,英伟达在这一波就很激进,第二波是公有云,微软的云和亚马逊的云是两个是最大的,可能未来模型都是要跑在云上,所以云厂商拿未来每年营收的 3- 5 个点去投模型公司也很合理。第三个大生意是终端,手机和车,所以 Apple 和 Tesla 未来会是更关键的阵营。
- X.ai 现在是晚了 6- 12 个月的,未来有大于 50% 的概率追上;开源模型有可能未来就等于 Meta。
- 关于全球对大模型的投入,OpenAI 未来训练模型可能还需要至少得200-300 亿美金, Google 也不能低于这个数,Anthropic 大概也需要 100-200 亿美金,未来几年,3-5 年至少要花 1000 亿美金赌下去。
- 关于大模型产品:1.大模型是最核心的,没有模型可能是没有所谓的 AI native 应用。2.智能是最关键的变量,过去的产品经验可能在今天是一种包袱,只是模型之上怼很多的功能、UI、 UX 有可能是徒劳的,更本质的是要理解模型的能力是什么。
- 那些复刻GPT-4的厂商是如何做到的:
1.全球范围真的对大模型能有实际大贡献的天才 researcher 可能就两三百个人,天才科学家的聚集效应是很强的,这种人和这种 research 文化其实是非常重要的,不是所有巨头都具备这样的条件。
2.GPT-4 的短期壁垒是数据,尤其是 pre-training 和 post-training 阶段的数据,全球范围真正有 GPT-4 数据 know-how 的只有两三百个人,而且几乎都在目前头部的三家模型公司,其他公司想搞清楚这件事至少得经过几百次、甚至几千次充足的实验,小几万张卡是一个必要条件。
3.训练成本,如果 Claude-3 和 GPT-4.5 训练成本可能 2 到 3 亿美元,那再往后的 25、26 年,更下一代的模型训练成本至少可能是 10 亿美元,甚至说 30、50 亿美元。
4.另外一个核心变量可能还是取决于大家是不是信仰 scaling law,以及能不能做到、能不能继续 scaling 下去,这件事可能是长期的唯一关键变量,只有极少数的科学家是很信的,比如说 Character.AI 的 Noam, Anthropic 的 Dario,还有 OpenAI 的 Ilya,他们三个对 scaling law 的贡献也是最大的,同时也是信仰最强的。
- 关于大模型成本:
训练成本其实是分两个部分,一部分是实验成本,一部分是最终大规模训练的成本。可以理解为一年当中是有 9 个月要做实验的,实验就是用小尺寸的模型做训练,做足训练之后,2-3 个月做一次大的训练,这一次就像一次大的火箭的发射,所以简单按时间来分,3/ 4 的成本用在做实验, 1/ 4 用在大的训练,也就是“发射”。
模型参数量在 700 亿是一个分界点, 700 亿以下能容忍非常多的错误,模型不会在训练过程中崩掉,700 亿参数以上每往上扩大一个级别,遇到的训练的难度是指数级提升的,模型越大越容易出错。
OpenAI 的成本优化能力是很强的,比如说他们训练完 GPT-4 以后,因为具备了这个训练能力了,可以再重新训练一个 GPT-3.5、把 3.5 的推理成本降得非常低。
现在共识是下一代就是多模态模型,各种模态的数据要从头 pre-train 进去,而不是用现在的 Flamingo 挂起来,视频数据的 pre-train 其实比文本的 token 整个更复杂,要高出一个量级的 GPU 资源。如果参数量又扩大一倍,又是一个多模态的模型,它需要的 GPU 资源可能是之前的 10-20 倍以上的,而且还包含了优化能力。
下一代模型实际算力可能是当年 GPT-4 的 16- 32 倍的提升,如果这样算下去,到 2025 年训练一个大的模型,他估计可能花费要 10- 30 亿美元之间。
- 开源与闭源之争:
开源模型是追不上闭源模型的,而且差距肯定会越来越大,大模型很像芯片或者 Space X,因为大模型它不是一个传统意义的软件开源,模型不可编码,不可解释,大家没办法一起做贡献,包括 GPU 要在单一一个集训练起来训练才更高效。
开源模型的使命不是做最聪明的模型,而是承接先进模型溢出的很多能力,做民主化。因为未来很多用户和企业的需求是分层的,可能有相当大比例的需求是通过一定能力的模型就可以覆盖的,很多企业和大规模的用户优先考虑的是成本问题,这部分是开源的优势。
开源模型在 2024 年追齐 GPT-4 还是挺挑战的。
下一个开源模型重要的方向是端侧,端侧意味着很多推理成本可以放到端侧,会让 AI 公司的成本结构发生很大的变化。
- 一个模型公司最重要的是至少有一个天才的科学家。上半场可能不一定是 CEO,但科学家一定是最重要的,以及团队的科学家文化,能够持续不断的探索、做实验是最重要的,下半场有可能是商业和应用。
- Sam Altman 跟乔布斯和马斯克好像不太像一类人,乔布斯和马斯克在硅谷几乎没有朋友,但 Sam 在硅谷所有人都是朋友,Sam 更像是一个政客。
✋热门推荐