美研芒格君 · X 阅读

这太疯狂了，一定要看看这个产品宣传片 想象一下，有天你孩子给你打电话，哭着说被绑架了，张口就是要钱。你甚至无法判断和你正在视频的人是不是AI。 这个技术成熟之后，很有可能助推灰黑产和诈骗，特别是对AI不熟悉的人很容易被骗

“我经常觉得自己落后了，很焦虑。” 说这话的人，大概率是个AI Native的人。很大部分活是AI干的，每次新模型，新产品都会追踪 能看到这条的你，已经站在最最前沿了，超越了98%的人，要相信自己 外面的世界，根本还不知道接下来要发生什么。

治 AI 不说人话的办法，Karpathy 给出了最好的答案。我真的希望大家都能发现和用上 估计很多人和我一样，AI 解释了一大段，每个字都认识，连起来还是没懂？结果越问越偏，理解负荷不断升高 如果有，这条我真心建议使用： > 让 AI按 ASD-STE100（航空维修手册的写作规范）说人话； > 还不明白，就画图、做交互网页 > 甚至专门给你做一段视频。 我真的希望大家都用上。那些一直想学、又没学懂的东西，都试试这个方式

Marvell 投资者日直播链接，大家一起收看https://t.co/YThCv2BvMS

$MRVL我投资了三年，投资者日正式倒计时 5 天，这是我 10 月最期待的一天，我最期待内存墙、谷歌合作、scale up市场的答案，这会指导我们整个 27 年的投资路线和选择 我在评论区放了直播的链接，一起收看 🫡 1/ 如果你相信 AI，那你应该相信 MRVL 互联是瓶颈，是机会，是打破内存墙的重要途径，是定义下一代基础设施的关键线索 芯片算得越来越快，真正卡住的常常是数据，内存装不下，芯片之间传不快。MRVL 的很多产品，做的就是把数据搬得更多、更快 为什么偏偏是这一天？8 月底财报会上，分析师连着追问谷歌那份合作到底有多大。CEO Matt Murphy 的回答是，按全部门槛算满，确实是个 monster number，但要等投资者日放进语境里讲 2/ 我最想听到这 3 个答案 > 谷歌这份长期合作，钱什么时候来？合作围绕 TPU 生态，覆盖推理芯片、存储控制器、网卡、内存接口等多类定制芯片 > 内存墙MRVL怎么打破？Murphy 说，CXL 内存扩展（让服务器在自带内存之外再多挂一大块）已经在多家云厂大批量部署，投资者日会专门有完整的一节讲它 > 互联需求能长多大？Scale-up 网络是把几十上百颗芯片连成一台大机器，规模一大，铜线的距离和带宽不够，就开始换成光 让我们一起来听听公司的策略、增长机会，以及它在下一代 AI 和数据中心基础设施中扮演的角色。美东 10/6 周二早上 9 点直播，北京时间当晚 9 点。 届时我一定会为大家带来我的深度解读 3/ 非常谢谢@MarvellTech 公司的愿景和提供的技术，这是真真切切在推动行业的进步 出处 [1] Marvell FY27 Q2 财报电话会，2026-08-27，官方录音 https://t.co/UFro9qwu8a [2] Marvell 8-K，与谷歌的合作及权证，2026-08-19 https://t.co/fvUjyrMMhC [3] Marvell 投资者日 2026 https://t.co/sXcB4NYHzE

毕业后，我就在硅谷湾区找工作、打拼。从自己是 intern，到后来带 intern；从做Junior，到带自己的团队，最近我发现，身边的伙伴压力越来越大。大家在追求成功的时候，忘记了享受生活的美好（可能这里确实少） 硅谷的人极度聪明，对自己要求很高，对想做的事有强烈的渴望。但同时，这里也伴随着傲慢与偏见，对签证绿卡的偏执 硅谷的圈子很小，小到你不敢想象。认识一个人，大概率来自 UC/Stanford/CMU 这一圈，聊一聊，往往就发现是朋友的朋友，或者再多隔一层关系 人在这样的圈子里待久了，很容易把大家在意的事，当成生活里最重要的事。慢慢忘了自己原本喜欢什么，怎样的日子会让自己开心。 所以有时候，我想提醒自己：我们生活的世界，其实还有这样的一面： 你朝小猫慢慢眨眼，它也可能慢慢眨回来。两种不会说彼此语言的动物，就这样交换了一句无声的“你好呀” 在一项脑成像实验里，狗狗闻到熟悉家人的气味时，与积极期待有关的脑区会更活跃。哪怕人不在眼前，气味也像一封它读得懂的信 奶牛也会偏爱某些同伴。牛群里，有它格外愿意挨着的那一头。原来，待在一起这件事，重要的也可以是“和谁一起” 屋檐下的鸽子会和伴侣轮班孵蛋，爸爸通常接白天的班，妈妈守夜。我们匆匆走过的地方，也有两口子在认真过日子 蜜蜂找到花，会跳一支舞，把位置告诉同伴。年轻的蜜蜂还会跟着有经验的蜜蜂学，怎样才能把这份好消息“说”得更准确 大家最近压力大，我都能理解。现在在 AI 的发展下，我们正处于一个混乱、混沌的世界。也想提醒自己，往前走的时候，别把这些弄丢了 发现生活中的善意和美丽，也需要刻意练习

答应过大家，这个帖子分享我一手积累下来的 AI 实用经验，给一套大家可以直接照着用的方法作为参考 1. 我现在的模型分配很明确：长时间放手做的任务给 Opus 5.5；需要快速来回讨论用 GPT-6 Ultra Fast；目标明确、要尽快拿到结果的任务用 GPT-6.1 Fast Claude 内部如何做长任务：https://t.co/i7cp9JhtCj 2. 为了降低 AI 使用大脑负载，我会用 /eli5 这个 skill，或者 GPT6 Light Voice UltraFast（你一定要用一次，非常惊艳，如果不是太贵，我真的不需要同事了） 3. 长任务交出去之前，先把“做完是什么样”写出来，我的模板⬇️ 把括号都换成你的内容 目标：（最后要解决什么问题） 交付：（留下哪些文件或结果，放在哪里） 验收：（怎么证明它真的做好了） 边界：（哪些可以自主决定，哪些必须停下来问） 停止：（什么时候停止？防止 AI 无限做下去） 也不妨看看 Claude 的分享： https://t.co/9LEIS2nZWh https://t.co/SIvflG3KXj 4. 让多个模型配合，交接成果，互相补短 我的交接方式比较暴力： Codex我会生成一个完整会话 shareable link，让 Claude Code 去全文阅读 Claude Code我会让它总结成一个完整上下文的 HTML 和本地的目录，直接给我一个 prompt，把入口告诉 Codex 5. 找到适合自己的使用方式 你可以挑三类有代表性的任务：一个需要来回讨论的问题，一个目标明确的短任务，一个跨多个步骤的长任务。 给两个模型同样的权限和验收标准，每类重复两三次。记录所用模型和和结果 最后看看以下几点，逐渐你会找到适合你的方式 ① 最后通过验收了吗？ ② 从开始到可用，花了多久？ ③ 你亲自追问、纠错、接管了多少分钟？ ④ 消耗了多少额度或费用？ 总结一下，我现在大部分任务已经可以放心交出去。趁现在，我们比 AI 便宜，好好学习，找到自己的定位

@bahelun 原来如此，看似大方实则平复用户心情

刚发现收到了OpenAI的邮件，送了一份62,500的credits，等效2500$ 我还没搞懂为什么会送，大家快看看邮箱和账号有没有收到 https://t.co/lrRyx5ptqH

$MU 已经成为本轮AI的风向标，不论你是否投资存储，都一定要关注，本周最重要的事就是它的财报 刚刚盘后发布了数据，FQ4 全线 beat预期，但盘后只小涨2%，具体内容电话会议后我再来详细解读，先来看看数据 FQ4： 营收beat $542 亿 vs 预期 $511 亿，同比 +379%，环比 +31% EPS beat $33.42 vs 预期 $31.61，同比 +1,003%，环比 +33% 毛利率 best 87.0% vs 指引 86% 自由现金流 $332 亿，上季 $183 亿 FQ1 指引： 营收 $615 亿 vs 预期 $570 亿 EPS $38.15 vs 预期 $35.14 毛利率 86.25%，比本季的 87.0% 低

我想从这条新闻讲讲 AI inference 为什么值得搞，怎么帮企业赚钱，从我本职工作出发，讲讲工业界的几套主流路线 事情是：RunInfra 把 GLM 5.3 Flash 优化到了 670 tok/s，价格只有 $0.11/M input、$0.45/M output。是 https://t.co/dS5mEUGVxo 原厂 API / 基准的很多倍。类似于 /UltraFast的概念，而且成本价格没变，剩下的差价，都是企业真金白银的利润 背后的原理其实很简单： 普通部署 LLM，GPU 很多时间并不是在“算”，而是在 搬显存、启动 kernel、等通信、重复读写数据 所以我们优化简单来说主要干几件事，几种主流优化方向： > Kernel Fusion：Norm、quant、MoE routing、GEMM 尽量一次做完，少来回读 HBM > 开发专用 Attention / MoE kernel：GLM 本身有 sparse attention + MoE，通用 vLLM 不一定能把硬件吃满 > Speculative Decoding / MTP：一次 forward 尝试生成多个 token > Prefix Cache：Agent 每轮大量重复 prompt 不重新算，RunInfra 说过去 24h cache hit 甚至到 99.7% 所以同一个模型，可以从几十、上百 tok/s，直接被推到几百 tok/s。 我认为： 模型权重人人都能用，真正拉开成本和速度差距的，是下面那个 execution engine。

@rhZhaObserves 回复你，只是想拿你当个网络小丑典型 信誓旦旦打假，被打脸，脸上火辣辣的疼，含着泪，咬着牙，说一定是p图，一定是的😭

@rhZhaObserves 哥们你真的走火入魔了 人家网友笑话你，你就跑到人家评论区批评人家说是我的小号bot 如果你充的时间比较早，你会发现有那么一刻Codex是有UI显示不一致的 https://t.co/l2CmPKX3ip

看完了以后，我真的觉得这段15秒的视频非常经典 领导川总在中间讲话，马斯克、黄仁勋、小扎、劈柴都在认真听讲，不时微微点头 就A\ 家Dario不好好听讲，频频低头，在玩自己的，这是啥意思？为什么Altman没有出席呢，有没有比较懂的朋友

@TheInvisib13 这是一场修行，与大家共勉

我想问一下大家：当莫名其妙有人跳出来“指责”你、“实锤”你和“揭穿”你，你会选择奋起自证，还是一笑了之呢？ 一个月前的我是前者，现在的我是后者 我见过一些人拍着胸脯，说得那叫一个信誓旦旦，自己没见过的事情，就说是假的 所以我想回应：你说假的就是假的，我听你的

SemiAnalysis 爆料说，Ultrafast 不是运行在 Cerebras 上，值得关注 如果这个爆料是真的，那可以解释今天 Cerebras 的突然下跌，也能解答我心中的疑问：为什么之前内测的时候，速度将近 14 倍，但今天出来只有 8 倍 但据我所知，OpenAI 是有一套 Cerebras 支持的Ultrafast体系的，什么时候拿出来？怎么收费？性能怎么样？值得关注

作为全网最早一批使用上 UltraFast 的Codex用户，今天我用了一天500$ plan，分享从速度、容量和智能方面的三个亲身强烈感受 我有点后怕，这种感受只有亲自使用了才懂 1/ 速度实在是太快了 GPT6 Ultra的速度和instant模式差不多了。我喜欢在等待 AI 的过程中刷刷手机。今天我手机刚一解锁，AI 就做完了，连刷手机的空档都没有 2/ 实在是太贵了 今天我大概用了 2 到 3 个小时，就把一周的额度用完了 现在大部分人面对 AI 的最大优势，就是我们比 AI 便宜，包括我在内 3/ 智能水平没得说，丝毫没有感觉到降质 今天官方给出的速度是 8 倍，我推测是把 Cerebras 的卡利用了一些推理优化，分给更多的用户

我可能是你在 X 上认识的，用 AI 做投研最激进的人。这就是为什么我不收费，也不会卖课，因为 ROI 不高，没什么意思。此外，投资只是爱好，我有正经工作 这就是为啥其他平台账号不经营了，本身是团队其他成员做的。目前我正在集中精力，把 AI 投研的 infra 搞好，把团队成员带好，服务自己的投研，流量都是其次 真正的价值在于节省的时间，以及获得认知和实打实的回报，这是我最看重的。如果恰好能帮到任何一位朋友，这对我来说都是额外收益 目前我的个人 AI 订阅，光 AI subscription 就要 $1,300 每个月。再加上，每个月 GPU 租卡、搭建环境、服务器的开销累计起来是个挺大的数字 如果有朋友感兴趣的话，我可以单独分享一下：我有这么多Token、不同的模型，我是如何分配它们之间的工作和 Token 消耗的，我们现在团队的三位成员各自都在负责什么 以及我每个月具体工作的账单，到底都在做什么？ Note: 目前我每个月2 个 200$ Codex，一个 500$ Codex, 2个 200$ Claude

@curious_hao 一定是不一样的，投研是件很主观的事情。但有思想和模块可以复用