等这一切疯狂都结束的时候，想去读个Computational Neuroscience方向的phd，给卑鄙的人类做点贡献。AI这波影响深远，对我个人生活产生了极大便利，极大的提高了个人生产力的边界，遗憾的是似乎凭借自己的经验和背景，已经完全没有机会直接参与到技术进展的贡献中了。幸好我还年轻，还有很多可以让自己留在世界上久一点的机会，比如怎么让人少一点痛苦，多一点迈向永生

AGI没有尽头，因为现实世界本身没有尽头 市场上有一个错误的观点认为，只要AGI实现，AI最终就能自动完成从科学研究到芯片设计再到工业制造的一切事情。 而届时AI所需的算力、存储、通信等资源消耗需求就会放缓甚至减少。 这低估了现实世界本身的复杂度。 语言、代码、图片、视频，本质上都属于“高压缩度信息”。token本身就是现实世界经过压缩后的表达。重要的是，现实世界并不是token。真正困难的部分，可能不是语言智能，而是现实世界状态空间本身。 先进制程就是最典型的例子。 有人认为，未来AGI可以通过大世界模型，完整模拟整个先进制程，从而快速迭代芯片、材料、能源系统，最终实现真正意义上的自我递归升级。 但先进制程可能并不是一个能够被完全压缩的系统。 一个现代先进Fab，本质上是一个极端高维、强耦合、连续动态的现实系统。里面同时存在光学、量子效应、热力学、流体、等离子体、材料缺陷、化学反应、机械振动、电网波动、供应链扰动、腔体老化、温度漂移、人工经验。这些系统不仅动态变化，而且跨越多个时间尺度与空间尺度。很多变量甚至无法完整观测。 今天即使TCAD和流程模拟已经极其先进，真正决定良率的，依然是大量经验调参与真实实验。重要的是，先进制程更像天气系统，而不是围棋。围棋是完全规则、完全可观测、离散化的世界。先进制程则是连续、混沌、存在hidden variables，而且误差会不断放大。 有些系统天然存在 computational irreducibility（计算不可约性），这意味着不存在真正的计算捷径。你无法跳过真实演化过程，直接得到最终结果。很多复杂系统，最短描述本身就接近系统本体。 这就是柯尔莫哥洛夫复杂度：如果一个系统无法被大幅压缩，那么想完整模拟它，所需要的信息量和计算量，可能会接近现实系统本身。 这意味着，AI若想真正实现包括模型、芯片、能源系统在内的完全自我迭代，其所需算力，很可能远远超过今天行业的想象。重要的是，这可能不是10倍、100倍的问题，而是多个数量级的问题。因为AI真正困难的部分是现实世界的状态空间。 AGI真正的边界，是现实世界本身。 而现实世界本身，没有尽头。

周末行研：EUV Mask Inspection --- EUV最难的问题之一 DUV时代的mask，更像“透明玻璃上的图案”。光穿过去，再投射到wafer上。很多问题集中在表面颗粒、划痕、断线等二维缺陷。 但EUV完全不同。13.5nm EUV会被绝大多数材料吸收，因此EUV mask变成了反射式结构。它本质上是由40~50层Mo/Si multilayer组成的纳米级布拉格反射镜。重要的是，EUV mask已经变成一套极其复杂的三维纳米光学系统。 这会导致问题集中在 buried defect（埋藏缺陷）。 例如某一层Mo/Si之间出现0.5nm级别的小隆起、空洞或颗粒，表面可能完全看不出来，但却会改变EUV光的相位与干涉行为，最终在wafer上形成CD偏移、图形变形甚至随机缺陷。 这类问题在DUV时代并不突出，但在EUV时代会直接影响良率。 很多缺陷在可见光下看不到，在DUV下也不明显，但到了13.5nm下却会变成灾难。因此最理想的方法，是用真正的13.5nm EUV去检测EUV mask，也就是所谓的 Actinic Inspection。但问题在于，Actinic Inspection本身几乎等于“再造一台小型EUV光刻机”。它同样需要EUV光源、超高真空、多层膜反射镜、极低振动、极高稳定性以及超高灵敏度探测器。 重要的是，inspection tool的要求很多时候甚至比曝光机更苛刻。因为曝光机追求的是稳定曝光，而inspection追求的是发现极微弱异常。尤其EUV时代大量缺陷已经变成 phase defect。很多缺陷并不一定有明显高度差，却会改变光的相位与干涉结果。这已经变成光学、相位、散射、干涉的综合问题。 与此同时，EUV mask本身还是典型的3D结构，会出现shadowing、absorber sidewall effect、3D scattering与angle dependency。同一个缺陷，在不同角度下，影响可能完全不同。重要的是，EUV inspection已经需要模拟完整的EUV成像行为。 缺陷会不会真正印到wafer上，也就是业内所谓的 Printable Defect Analysis，这背后需要 computational lithography、光学仿真、wafer correlation、AI defect classification 与 OPC补偿共同完成。 EUV光学系统在13.5nm波长下，传统透镜已经完全失效。EUV系统只能使用反射式光学。这意味着整个系统必须依赖超高精度的Mo/Si multilayer mirror。这些mirror已经接近原子级精度的纳米工程结构，其表面粗糙度甚至要求达到picometer级。在EUV波长下，哪怕0.05nm级别误差，都可能影响最终成像。 因此，检测系统的光学部分也长期高度依赖 Zeiss。 随着High-NA EUV、2nm、1.4nm、更高mask复杂度以及更严重的stochastic defect推进后，mask defect对良率的影响会指数级扩大。过去很多问题还能依靠OPC补偿、process window与冗余设计容忍，未来则越来越困难。 因此整个行业对actinic inspection、mask review、pellicle inspection以及printable defect analysis的需求都会快速增长。这也是为什么有euv检测能力的公司价值都可能会进一步增长的原因。 它们是EUV时代良率控制的核心基础设施。 本文非投资建议dyor

加密行业现在有个越来越明显的问题：我们消耗了海量算力，但这些计算，真的创造了应有的价值吗？ 传统 PoW 的确建立了安全边界。它通过持续的资源投入，换来了网络的抗攻击能力，这也是比特币体系能够长期稳定运行的底层原因。 但问题在于，大部分算力始终停留在哈希竞争中，证明的是资源被消耗了，却没有转化成可复用的现实产出。放到今天看，这套机制的安全性依然成立，但效率瓶颈也越来越清楚。 这也是我最近开始关注 @quipnetwork 的原因。 它试图推动的，并不是单纯提升无效算力竞争的强度，而是把计算资源重新引导到真实任务场景中。 公开信息显示，Quip 测试网已经接入 D-Wave Advantage2 退火量子计算平台，并在推进量子与经典计算协同的去中心化网络。 这个方向真正有意思的地方，不是量子概念本身，而是它在尝试回答一个关键问题：如果算力注定要被消耗，能不能至少让它完成优化、调度、组合搜索这类具备现实意义的工作。 另一个不能忽视的点，是后量子安全。 很多人现在还没感受到压力，但密码学风险从来不会等市场准备好了才出现。等威胁真正落地，再去迁移账户体系、升级验证逻辑和重构基础设施，往往已经来不及了。 我不认为 Quip 现在就能定义行业方向，但它提出的问题很关键。 下一阶段的加密基础设施，竞争重点可能不再只是证明你消耗了多少资源，而是证明这些资源最终完成了多少有效工作。 Useful Computation，我认为会是未来几年值得重点跟踪的一条主线。

🌹【调教指南】开启众王与圣女的专属课堂 🌹 亲爱的王，感受到体内奔腾的血液吗？ 渴望着想与心仪的女神们建立更「深层」的连结，但却找不到开关吗？ 别担心，跟着这份攻略，将步步解锁属于各位的欢愉时刻。 🫦 调教系统：启动教学 ➤STEP 1｜进入神殿 在主画面右上角，轻触 「...」 符号开启主选单，并点选 【神欲】。 ➤STEP 2｜寻找目标 点选 【代行者】 。 ➤STEP 3｜进入调教模式 直接点击 【调教模式】。 ➤STEP 4｜挑选舞台 随心选择一个喜爱的 【场景】，点选确认。 ➤STEP 5｜开始调教 挑选准备好的 【调教道具】，点选圣女就能与她共度愉悦的调教时光噜。 配合场景与道具组合，会与圣女撞出不一样的火花唷！ 现在登入游戏，体验这场极致的感官飨宴吧~ ✣ 🌹【調教指南】開啟眾王與聖女的專屬課堂 🌹 親愛的王，感受到體內奔騰的血液嗎？ 渴望著想與心儀的女神們建立更「深層」的連結，但卻找不到開關嗎？ 別擔心，跟著這份攻略，將步步解鎖屬於各位的歡愉時刻。 🫦 調教系統：啟動教學 ➤STEP 1｜進入神殿 在主畫面右上角，輕觸 「...」 符號開啟主選單，並點選 【神慾】。 ➤STEP 2｜尋找目標 點選 【代行者】 。 ➤STEP 3｜進入調教模式 直接點擊 【調教模式】。 ➤STEP 4｜挑選舞台 隨心選擇一個喜愛的 【場景】，點選確認。 ➤STEP 5｜開始調教 挑選準備好的 【調教道具】，點選聖女就能與她共度愉悅的調教時光嚕。 配合場景與道具組合，會與聖女撞出不一樣的火花唷！ 現在登入遊戲，體驗這場極致的感官饗宴吧~ ✣ 🌹[Training Guide] Open the Exclusive Classroom for All Kings and Saints 🌹 Dear King, do you feel the blood surging within you? Do you long to build a more “profound” connection with your beloved goddesses, yet can’t seem to find the switch? Do not worry. Follow this walkthrough to unlock, step by step, the moments of pleasure that belong to you. 🫦 Training System: Getting Started ➤STEP 1 | Enter the Sanctuary On the main screen, lightly tap the "..." icon in the upper right corner to open the main menu, then select [Lust Sanctuary]. ➤STEP 2 | Find Your Target Tap [Vassal]. ➤STEP 3 | Enter Training Mode Directly tap [Training Mode]. ➤STEP 4 | Choose the Stage Freely choose a preferred [Scene], then tap Confirm. ➤STEP 5 | Begin Training Select the prepared [Training Tools], then tap the Saint to enjoy a delightful time of training together with her. With different combinations of scenes and tools, you and the Saints will spark all kinds of unique chemistry! Log in to the game now and experience this ultimate feast of the senses~ ✣ 🌹【調教ガイド】王と聖女のための特別なレッスン 🌹 親愛なる王よ、体内を駆け巡る血潮を感じているか？ 憧れの女神たちと、もっと「深い」つながりを築きたいと渇望しながらも、そのスイッチが見つからないのか？ 心配は無用、この攻略に従えば、一歩一歩、自分だけの歓びのひとときを解き放てる。 🫦 調教システム：起動チュートリアル ➤STEP 1｜神殿に入る メイン画面右上の「...」マークをタップしてメインメニューを開き、【神欲】を選択する。 ➤STEP 2｜ターゲットを探す 【代行者】をタップする。 ➤STEP 3｜調教モードに入る 【調教モード】をそのままタップする。 ➤STEP 4｜ステージを選ぶ 好みに合わせて好きな【シーン】を選び、確認をタップする。 ➤STEP 5｜調教を始める 用意した【調教アイテム】を選び、聖女をタップすると、彼女と共に悦びに満ちた調教のひとときを過ごせる。 シーンとアイテムの組み合わせ次第で、聖女との間にさまざまな火花が散る！ 今すぐゲームにログインして、この究極の官能体験を味わおう〜 ✣ 🌹【조교 가이드】여러 왕과 성녀의 전용 강의 개방 🌹 친애하는 왕이시여, 몸속에서 끓어오르는 피를 느끼고 있나요? 마음에 둔 여신들과 더 「깊은」 유대를 쌓고 싶지만, 스위치를 찾지 못하고 있나요? 걱정하지 마세요, 이 공략을 따라가다 보면, 여러분만의 환희의 순간을 한 걸음씩 해방하게 될 거예요. 🫦 조교 시스템：시작 튜토리얼 ➤STEP 1｜신전에 들어가기 메인 화면 오른쪽 상단에서 「...」 기호를 가볍게 터치해 메인 메뉴를 개방하고, 【신욕】을 선택하세요. ➤STEP 2｜대상 찾기 【대행자】를 선택하세요. ➤STEP 3｜조교 모드로 진입 【조교 모드】를 바로 클릭하세요. ➤STEP 4｜무대 고르기 마음 가는 대로 좋아하는 【장면】을 하나 선택하고, 확인을 눌러주세요. ➤STEP 5｜조교 시작 준비된 【조교 도구】를 골라 성녀를 선택하면, 그녀와 함께 즐거운 조교의 시간을 보낼 수 있어요. 장면과 도구 조합에 따라 성녀와는 또 다른 불꽃이 튀게 될 거예요! 지금 바로 게임에 접속해, 이 극치의 감각 향연을 만끽해 보세요~

存储需求恐怕又要因为seedance2的出现指数级暴增. gpt3.5带来了文本时代，真正的视频时代，是seedance2带来的. 同样是几个提示词，视频ai消耗的存储将达到几百m，随着ai视频制作时长的增加这个体积还会更大. 这次衍生的存储需求会是原来文本的很多倍. 毕竟现在刷视频成瘾的群体是真多， 全球范围内从婴幼儿到老头老太太谁都逃不过，他们可能不爱看书不爱看新闻但绝对爱刷短视频. 基于此，又会产生新的投资需求. 视频ai需要的存储类型跟文本ai肯定有差异. gemini给出的现阶段抖音与yputobe采用的存储架构实录. 目前的视频存储并非单一介质，而是复杂的多级冷热分层架构 (Tiered Storage Architecture)。 A. 架构组成 1. 极热层 (Ultra-Hot Tier)：用于应对瞬时爆发的流量（如顶流网红刚发布的视频）。 • 类型：NVMe SSD 集群 + 内存级缓存（Redis/Memcached）。 • 核心指标：**IOPS（每秒输入输出操作数）**和极低的延迟。 2. 热/温层 (Warm Tier)：用于存放日常活跃观看的视频。 • 类型：高性能企业级机械硬盘 (HDD) 或大容量 QLC SSD。 • 核心指标：吞吐量 (Throughput) 与成本的平衡。 3. 冷层 (Cold/Archive Tier)：用于存放数年前、几乎无人问津的长尾视频。 • 类型：高密度氦气硬盘 (HDD) 甚至物理隔离的磁带机。 • 核心指标：每 TB 持有成本 (TCO)。 B. 痛点：I/O 墙与存储孤岛 传统架构下，存储是“静态”的。但 AI 视频时代（SeenDance 2）要求存储从“仓库”变成“流水线”，这直接导致了存储逻辑的崩溃。 根据以上视频公司存储的现状与困境可以延伸出其三个未来发展方向. 视频 AI 存储的三个未来发展方向 1.方向一：从 HDD 到全闪存化 (All-Flash Data Center) AI 视频训练需要并行读取海量高清素材。传统 HDD 的寻道时间太慢，会拖累昂贵的 GPU 算力。全闪存阵列 (AFA) 将从“奢侈品”变成视频公司的“基础设施”。 2.方向二：CXL 技术下的“内存-存储”融合 Compute Express Link (CXL) 协议将打破内存和 SSD 的界限。对于 SeenDance 2 这种需要处理实时动作对齐的模型，数据在 SSD 和 HBM 之间的搬运速度决定了生成的流畅度。 3.方向三：近存计算 (Computational Storage) 与其把巨大的视频数据搬到 CPU 处理，不如直接在存储主控芯片上进行初步的数据预处理（如视频抽帧、格式转换）. 基于以上及图片参数对存储公司作核心竞争力与趋势分析排序评级. SK海力士(S级)： 凭借 Solidigm 的 QLC 容量优势和 HBM 的统治地位，卡死了“大容量读取”和“算力吞吐”两个核心环节。视频 AI 训练集的 EB 级存储首选。 三星Samsung (A+级)： 读写最均衡。其 PCIe 5.0 写入速度冠绝群雄，是 SeenDance 2 生成 4K/8K 视频流时最佳的“高速缓冲区”。 闪迪SanDisk (A级)： 独立后的黑马。其 HBF（高带宽闪存） 旨在打破内存墙，让 SSD 直接参与 AI 推理，极大利好 64G 内存（如你的 M4 Pro）在本地处理大模型视频生成。 美光Micron (A级)： 写入寿命与能效比极高，适合 24/7 不间断生成视频的云工厂。 • WDC (B+级)： 专注于 CXL 协议，解决数据中心内内存与存储的动态调配问题。