TwiScan
热门
社区
账号集合
登录
注册
English
日本語
한국의
简体中文
繁体中文
注册并分享邀请链接,可获得视频播放与邀请奖励。
立即注册
搜索结果
GPT3
GPT3 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含
GPT3
的推特
川沐|Trumoo🐮
@xiaomustock
2026.02.10 15:03
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。
显示更多
0
0
28
292
55
转发到社区
XinGPT🐶
@xingpt
2026.05.14 09:32
豆包赶紧收费吧,免费版本降智降的没法用,为了省成本都快退回到GPT3.5 的水平了
0
0
12
19
0
转发到社区
Kay Capital
@keyahayek
2025.02.27 01:17
这个时代没有亏待 00 后,尤其没有亏待中国和美国的。 GPT3 和 DeepSeek 给天才纯技术的公平竞争,而不是去平台经济(优化莆田广告、砍一刀)浪费人生。 从 WSB 到 Pump 的金融去精英化降低了证券化的发行、坐庄、炒作门槛几乎到 0。 疫情时代的无限 QE 给了无数的财富代际转移机会。 从亚非拉到欧美的中国小商品、3C、汽车到造船的全产业链高端品牌替代也就是刚刚开始。 人要把有限的生命投入到无限的使命当中。不全心投入,反而误入歧途按老黄历找「稳定工作」、鸡娃、过小资生活的? 那生命就真的非常有限了。 不被毒教育和意识形态限制,从第一性原理出发的人,他的世界很大。
显示更多
0
0
94
2.1K
408
转发到社区
Yangyi
@yangyi
2026.07.05 05:04
我回顾我23年在上市公司里做降本增效的时候 最值得搞的其实是nl2sql 但那时候还是GPT3.5 搞mysql拉数据真的经常出错 现在这个时间点,做数据分析场景,是每家公司的必修课 毕竟数分往往是公司内部最稀缺的资源了 你只要是搞业务的 永远都得去和数分打好关系 不然老板要个汇报你连数据都拉不出来 24年底 就已经在飞书上做Agent Bot查数据库了 但那时候还是不太智能 顶多查查数据 深度分析 做报表报告是肯定没有的 但今年模型已经强化到这个份儿上了 从数据里挖信号应该是必备技能 尤其是以前很难做的类似RFM模型之类的,现在让AI来搞,真的是分分钟,包括季度预测 上市公司做预测分析是非常重要的事情,大到部门预算,小到人员招聘计划,全部都能基于历史数据和宏观环境变化做推演 这些「降本增效」往往是容易被忽略却拥有巨大价值的地方
显示更多
0
0
0
5
1
转发到社区
qinbafrank
@qinbafrank
2024.02.24 03:16
关于AI应用落地的问题,产业界和投资圈从23见吵到了24年。过去一年多AI的爆发主要还是在算力、大模型等基础设施上,模型也从GPT3.5、到4.0以及马上要推出的4.0,还有前两周刚推出就引爆市场的sora。但是真正能大规模的应用还并没有广泛产生出来。由此产生了过度的资本投入到来基础设施的极度冗余,后面可能一地鸡毛的情况。对此我之前也是心存怀疑,直到我看到了这张技术成熟度和实用价值的关系图,认知有了极大的改观。 从我们最熟悉的互联网技术来说,互联网技术替代改造的通信产业、支付产业、传媒产业甚至零售业等,要么环节众多极其低效要么成本高昂,互联网的低成本高效率就很容易落地,所以互联网越过0分就有了实用价值。 但是AI不一样,AI替代的对象是人,或者现有软件,而这些的成本和效率之间的平衡,已经被当今世界优化到了极致。因此AI的价值拐点,本质上是AI越过社会智力成本的拐点,一旦越过,AI价值的确是非线性上升。所以AI不到60分就是0。 所以从这个角度来看,AI触及商业价值起点的60分还有相当长的一段时间,之前预期是五到十年,sora出来后普遍预期一到两年AGI的实现就有可能是AI越过社会智力成本的拐点之时。这之前,就是大量的算力填充,不断快速迭代进化的模型占据主导。 算力和模型的竞争本质是什么?就是sam前不久在达沃斯上参加论坛讲到的,认知成本的降低。sam的原话是这样“当认知成本降低一千倍或一百万倍,且能力得到极大增强时,这将对世界产生何种影响?如果世界上人人都拥有一家,由1万个能力极强的虚拟AI员工、且是各个领域专家,组成的公司,他们不知疲倦,还越来越聪明,这个世界会怎样?这件事发生的时间无法预测,但会一直在一条指数增长的线上,我们能有多少时间做准备?” 互联网技术只是把物理世界数字化,把信息传播成本降到了0、就产生了数万亿数十万亿的商业价值。可以想像,当AI认知成本不断降低,AI将社会智力成本也降到0那么会产生多大的价值,人力资本价值大规模向AI资本价值转移,优质劳动力供给不再稀缺,天才也能随处可见。AI变得更强大,甚至可能发现新的科学知识,甚至自动做AI研究,世界的发展节奏会超出我们的想象。 从这个角度来看,当下AI领域算力、底层模型不断进化但是应用乏善可陈则是可以理解的、因为AI的拐点还没到。相信这个拐点也不遥远了。去年底比尔盖茨在他名为《2024年,前方道路迎来转折点》的年度公开信里说,大部分工作还处于开发的最初阶段——我们很可能在 2024 年甚至 2025 年都不会看到它们中的任何一个被广泛使用。但24年将完成的工作将为本十年后期的大规模技术繁荣奠定基础。他猜测我们距离普通大众使用 AI 达到显著水平还有 18 到 24 个月的时间。那么差不多就是25年年中到年度的时间。 降低短期预期,对长期保持耐心。
显示更多
0
0
34
114
30
转发到社区
向阳乔木
@vista8
2026.07.29 15:00
Sam Altman的最新访谈,感觉信息量并不大,几个有趣的地方: 1. 让 OpenAI 下决心囤算力,是因为 GPT4 ,只要搞定让模型推理能力变强,未来可以做高经济价值的任务。 2. OpenAI 未来算力绝大部分会用于模型推理,万亿美元规模营收,保持一点利润率,就够支撑训练新模型。 3. Altman判断,机器人领域的 ChatGPT 时刻会在接下来两三年内出现。 4. OpenAI 发 GPT3 时,团队其实是想赚钱,让更多人用 API,结果真跑通的场景只有一个:文案写作。 营销公司收客户 20 美元,付 OpenAI 两毛钱让 AI 写一篇落地页文案。 5. ChatGPT起源,OpenAI的 Playground 测试页,用户喜欢在这里跟模型聊天,发现这点后,干脆做一个更好的“聊天”工具,原来产品叫“Chat with GPT3.5”,上线前几个小时改名为“ChatGPT”
显示更多
0
0
10
18
2
转发到社区
苔苔 /Nori Chan
@taitai257
2024.08.15 11:53
FF預購來了✨✨ 這次的寫真書包含了四套造型! 套組收錄的是莉莉艾露的小本特典!! 雷射閃卡以及資料夾(⁎⁍̴̛ᴗ⁍̴̛⁎) 八月份真的是太忙ㄌ..苔苔肝的產物(淚流滿面 明天開放露天預購!我們面交表單先跑 #
25次元の誘惑
# #
橘美花莉コスプレ
# #
たちばなみかり
# #
コスプレ
#
显示更多
0
0
2
537
31
转发到社区
猪脚饭.Ai
@mnmn94253156337
2026.10.01 07:25
各位 AI 消费者 GPT 更新快到上一代还没用明白 下一代就来了 GPT-1,活了248天 GPT-2,活了469天 GPT-3,活了916天 GPT-3.5,活了104天 GPT-4,活了237天 GPT-4 Turbo,活了189天 GPT-4o,活了290天 GPT-4.5,活了46天 GPT-4.1,活了115天 GPT-5,活了97天 GPT-5.1,活了29天 GPT-5.2,活了84天 GPT-5.4,活了49天 GPT-5.5,活了77天 GPT-5.6,活了56天 GPT-6 Astra,活了19天 GPT-6 Sol,活了7天 GPT-6.1 Sol,刚出生1天
显示更多
0
0
7
8
0
转发到社区
Alpha捕手
@alphahunter000
2026.10.01 06:16
各位AI消费者,GPT 的寿命越来越短,意味着什么? GPT-1,活了248天 GPT-2,活了469天 GPT-3,活了916天 GPT-3.5,活了104天 GPT-4,活了237天 GPT-4 Turbo,活了189天 GPT-4o,活了290天 GPT-4.5,活了46天 GPT-4.1,活了115天 GPT-5,活了97天 GPT-5.1,活了29天 GPT-5.2,活了84天 GPT-5.4,活了49天 GPT-5.5,活了77天 GPT-5.6,活了56天 GPT-6 Astra,活了19天 GPT-6 Sol,活了7天 GPT-6.1 Sol,刚出生1天
显示更多
0
0
0
1
0
转发到社区
墓碑科技
@mubeitech
2026.07.25 10:20
怎么让落后的 GPT-3.5 干翻最强的 GPT-4? 搭个工作流。 看一组刺眼的测试数据。 在写代码的 HumanEval 测试里,GPT-4 直接裸跑,得分只有 67.0%。 上一代的 GPT-3.5 裸跑更惨,只有 48.1%。 但只要把 GPT-3.5 塞进多智能体工作流,得分直接飙到了 95.1%。 落后一代的模型,靠着架构,把最强模型按在地上摩擦。 系统设计,比选哪个模型更重要。 吴恩达把这套逻辑彻底拆开了。 逼大模型一次性给个完美答案,就像让人类一口气写完万字长文不改稿,违背常理。 解法就是让 AI 走四步:反思、用工具、做规划、多智能体协作。 翻译一下:让它打草稿、上网查、拆任务、拉个群开会。 到了 2026 年 7 月,这套系统又进化了。 多个 AI 员工一起干活,最大的痛点是状态和记忆不同步。 于是,知识图谱成了这个虚拟公司的底座。 这套新架构分工极其明确。 顶层是架构师 Agent,负责定计划。 中间是技术主管 Agent,负责分发和评估。 最底层是开发者 Agent,负责敲代码调用工具。 它们围着一个共享的知识图谱实时读写,不再单线传话。 事实能保存,跨任务能推理,连逻辑都能追溯。 吴恩达把话放这了: 今年智能体工作流带来的进步,可能比下一代基础模型的升级还要大。
显示更多
0
0
1
3
0
转发到社区
加载中...