👁️ 一个 35B 的多模态模型，现在能直接装进手机里看图、看视频，MiniCPM-V 4.7 的 35B-A3B 版本把这件事做成了。 MiniCPM-V 4.7 在 Hugging Face 上拿了 1033 个赞，10 月 19 日上了 Hugging Face 的热门趋势，Apache 2.0 许可证。 以前想在手机或者边缘设备上跑多模态模型，基本只能挑 1B、2B 这种小个子，看图能说个大概，细节一问就露怯；想要 30B 这个级别的理解力，就得把图片传到服务器上去。35B-A3B 是这个系列第一个混合专家模型，每次只激活一小部分专家，开发团队称它是第一个能在设备端流畅跑起来、又不掉性能的开源 MoE 模型，靠的是一套叫 Lookahead Expert Scheduling 的专家调度、分层量化和 DSpark 推测采样。官方给的数字是在 iPhone 17 Pro Max 上约 3GB 内存、每秒 13 个 token 以上的解码速度。 视觉这头的省法也直接：沿用 LLaVA-UHD v4 的思路，在视觉编码器内部就把视觉 token 提前压掉，混合压缩比有 4 倍和 16 倍两档，所以单图、多图到视频都吃得下。开发团队自己测的结果里，Instruct 模式下它比 Qwen3.6 35B-A3B 用更短的推理时间拿到了更高的综合得分。 落地这块也没为难人：iOS、Android、鸿蒙都能部署，Rockchip、Intel、AMD、Arm 这几家芯片平台都做了支持；SGLang、vLLM、llama.cpp、Ollama 这些推理框架都能直接用，权重给了 BF16 和 GGUF，另外还有 AWQ、GPTQ、FP8 几种量化版，GGUF 那份能走 CPU 推理。嫌 35B 还是大的，同一批还放了一个 1B 的版本。 多模态模型过去是云上的事，现在开始往手机里挪了。 Hugging Face：

一个加密执行网络，为什么需要 ARX？ 最近看到很多朋友关注 @Arcium 项目，TGE前的热度也挺高，但我想换个角度跟大家聊聊 $ARX 绝大多数用户听到 token TGE，第一想法就是预期开盘价格或者短期如何炒作营销。但在我看来，$ARX 的真正的落地价值，不在于价格波动和二级收益，而在于它在 Arcium 网络里的作用。 Arcium 本质上是一个加密执行网络：机密计算、隐私 AI、多方协作都在这个网络里运行。而 $ARX 并不是简单的治理代币，它和网络的核心功能紧密绑定： · Network Fees：网络使用时支付费用，形成激励闭环； · Staking / Delegation：节点质押保证网络安全，同时参与计算调度； · Node Security：网络安全依赖节点质押和行为约束； · Compute Scheduling：加密计算任务的分配和执行，需要 $ARX 作为激励和权限载体； · Governance：社区可以通过 $ARX 参与决策，优化网络资源、升级协议和参数。 简单说，如果网络活跃、计算任务增长，$ARX 的价值叙事就会围绕费用、质押、安全和调度展开。 但最终，网络使用量和生态落地才是决定性因素，不是单纯拥有 token 就能自动产生价值。 CoinList 社区轮 100% unlocked at TGE 是一个值得关注的结构性特点。 当然，这并不意味着市场不会出现波动，也不意味着不存在短期抛压。但相比许多低流通、高 FDV 项目，这种发行方式至少让市场能够更早完成价格发现。 不过从长期视角来看，发行结构只是起点。 ARX 最终能否建立起可持续的价值支撑，仍然取决于 Arcium 网络的真实使用情况，包括计算需求增长、节点参与度、开发者采用以及生态扩张速度。 我观察到几个信号： 1. 网络功能落地：Umbra Web、ReFi Hub 和 Explorer 已经展示了机密计算的真实应用。 2. 节点激励和安全：$ARX 将绑定计算调度和节点质押，让网络运行和安全形成闭环。 3. 长期价值逻辑：$ARX 的 utility 越丰富，生态参与者越多，底层基础设施才更稳固。 总体来说 - 的价值不在于短期 TGE 热度，而在于它能让 Arcium 的机密计算网络真正运转。如果你关注 AI + 隐私计算 + Solana 生态，这才是我认为值得关注的关键点。 短期看，TGE 会带来市场关注度和热度，但长期真正能体现价值的，是网络活跃度、节点安全、任务调度和生态落地。 换句话说，$ARX 不只是一个 token，它是网络运行的血液，是加密执行环境可持续发展的核心工具。 顺便提醒一下，之前参与过测试网、任务活动或者生态交互的UU们，记得去查查自己有没有空投资格。祝大家都能吃上猪脚饭~

今天芯片圈最大的新闻，莫过于Gerard在创立Nuvia CPU被高通收购五年之后，重新出发，新创立了ARM CPU公司，名字也跟之前非常像，叫Nuvacore 现在这个时间点做数据中心CPU，确实是赶上了CPU十年来最好的时代: AI agent带来CPU短缺潮已经经隐隐浮现，AWS多个客户都提出要包揽所有Graviton ARM CPU产能 ------------ 这个消息对硅谷的芯片打工人吸引力是巨大的，Nuvacore这次的阵容都是功成名就的明星阵容，以前Nuvia创始团队重新集合，拿了红衫的投资，做面向 AI 基础设施/agentic computing 的通用ARM CPU。当年还是一个尚未完全被验证的大方向都能大获成功，而现在ARM CPU服务器正在风口浪尖上，前景和想象力和2019年Nuvia比起来大了太多了 上一次Gerard把Google，苹果platform architecture组的架构大佬挖了好多过去，这次的号召力只会强得多，240m的融资，已经验证过的路径和创始团队，肉眼可见的下一个增长风口，一定会让Nuvacore成为湾区最热门最受追捧的芯片startup，没有之一。毕竟这是一个肉眼可见能财富自由而且风险收益比极好的机会 ---------- 遥想当年Nuvia第一代CPU的发布赶上苹果M2时代，还是挺震撼的，Nuvia让高通在一年的时间CPU跑分进步了整整三代，单核跑分从2300变成3200，竟然超过了苹果M2 max一大截 可惜Nuvia Phoenix core从发布到最后上市拖了太久太久，中间苹果把牙膏挤爆了连着上市了M3/M4，于是Nuvia CPU上市之后从跟M2比较变成了跟M4比较，从期待中的C位变成背景板了 当年Nuvia的眼光非常超前，在2019年ARM CPU服务器市场占有率几乎为零的情况下，就是想从零开始打通这个市场，2021年被高通14亿美元收购之后，高通也给了无限的资源支持，扩招力度很大，给的薪水都是市面上最高一档的。 可惜大环境在2022年恶化的很快，加上高通的管理层战略眼光实在太差太短视，在业界ARM服务器生态都开始有起色的时候，为了股价节约开支，竟然再一次把自家的Nuvia CPU 服务器团队解散了（算上2015年已经解散过一次ARM服务器团队） 直到2025年，Nvidia的Grace ARM CPU都已经发布四年了，Vera ARM CPU都已经自研好久了，Amazon的ARM CPU Graviton都快占据CPU服务器新出货的50%了，高通才后知后觉谨慎的重启ARM服务器项目 所以这次Gerard从高通的高管位置把之前的创始团队拉出来自己干，可能是因为高通高层战略眼光实在太差屡屡错过机会，上次Nuvia想做ARM服务器，高通的承诺也因为大环境恶化没做数，结果被收购之后被高通取消了项目直接改做了laptop芯片和手机芯片 加上高通今年在手机销量上因为内存和存储历史级的巨额涨价，可以预见要受到重创(市场萎缩30%)，能拿出的扩张预算有限，在高通能拿到的资源是受到掣肘的 而在创业公司里比在 Qualcomm 这种大平台里更容易拿到足够快的决策速度、团队纯度、产品定义权和资本叙事，于是选择在窗口已经被验证时重新集结老班底 但更可能因为，AI时代的CPU前景想象力真的太广阔了，完全值得重新投入一次，不是Gerard变了，而是外部市场变了 ------------------------ 进入2025年之后，AI agent的出现，隐隐让CPU重新变成了瓶颈 CPU服务器重新步入增长轨道，而且潜力巨大，有好几个因素： 1. 随着推理时代的到来，GPU演化到针对推理的系统级新架构，CPU 是永远在忙的总指挥orchestrator, 因为要追求token throughput，所以异构计算阶段变多 + 批处理数量batch越来越大，scheduling/routing/data flow复杂度变高，对orchestration要求也变高 所以在系统级异构推理架构里，AI加速器和GPU在CPU：GPU的配比上，也变得更为激进，从以前的1：4到Grace Blackwell的1：2，以后是很有希望达到1：1的比例的。Google TPU配Axion，Amazon Tranium配Graviton，Nvidia Rubin配自家Vera CPU 这条在我的去年11月半导体年终回顾写过，基本上在2026年成为了共识，虽然这部分主要是各家AI 芯片自研，并不是纯粹的CPU服务器，其实不算是外部CPU服务器的机会 2. 也是同一篇年终回顾里写到的： 从CPU视角去看agentic workload，routing和工具处理都在CPU上，如果把常用的agentic框架做profiling，比如SWE-Agent, LangChain, Toolformer，CPU最长可以占到90%的E2E端到端延迟，throughput瓶颈也更多的卡在CPU，CPU甚至能耗也超过了总能耗的40% Agentic AI目前是一个CPU瓶颈更多的事情，Agent管理很多个CPU，再加上agent经常要开sandbox，很可能会成就CPU需求的新一波回暖 现在回看去年写的这个逻辑，潜力是非常大的。但其实年初可能并没有很大规模发生，年初的CPU增长和各家渲染的CPU短缺潮和这个逻辑暂时关系不大，更多可能是前几年的capex投入GPU的比例太大，造成传统CPU服务器投入不够，所以需求上升是一个回补之前传统服务器投入不够的部分。 但到了下半年甚至2027，agent会开始更广泛的铺开，比如智能导购和客服，已经占到了Amazon去年年底100万CPU采购的相当部分比例，这部分的增长是很快的 前两个逻辑，基本上是今年主流叙事在讲CPU潜力的共识，但是我的感悟是，还有另外两个逻辑被低估了： 3. 造成CPU服务器潜力更大，更长线的主逻辑，可能和agent本身没有直接关系，而是code agent带来的副产物： coding门槛和速度的大幅优化，让“构建软件 + 连接软件 + 调用软件 + 自动化软件”这整件事便宜了一个数量级，Jevons 悖论在software供给端的展开，最终把世界推向更高的软件密度和 API 密度，这直接带来了CPU传统workload的线性上升 从2025年年底开始，coding agent迎来了质变，Claude code迎来了爆发式增长，三个月的token营收增长了三倍，那么导致的下一步必然是Code量的十倍增长,以及App数量的巨量增长 即便是在大厂，每天1m token消耗只能算是个平均水平，人均coding量必然是翻倍的（小厂就是翻十倍了），code供给量暴增，不会只停留在 repo 里，而会逐步变成更多长期运行的软件资产，长期存活的feature变多，product变多，microservice变多，API变多 长线来看，App/API所有的生产成本和生产周期会变成原来的10%，API实现极大富足。那么API的Usage就会大量的上升,这就会造成传统CPU Workload或者说CPU Seconds大量的上升，这甚至和agentic没有直接关系 时间维度上，这个逻辑并不是短期性质，Claude code的爆炸是这几个月刚发生的事情，那么产品上线，microservice，api上线，可能都要向后延迟。当软件变便宜，社会不会少用软件，只会把更多事情软件化 所以也许到下半年甚至更久才会看到，传统cpu云的需求又莫名其妙增加了，表面上看，甚至和AI agent没有直接关系 4. CPU是一个技术上很难通缩的东西，不像内存/存储有很多压缩算法会降低单任务对存储的用量，CPU workload增长转化成硬件需求增长是实打实的 比如说kvcache其实每年都有各种压缩技术出现，老的压缩技术比如kvcache的multi-head它会share一个head（GQV），这个大概会相当于4倍的压缩，再比如说去年turboquant这个技术也会新带来几倍的压缩。然后加上数据精度从FP16到现在的下一步要到FP4，精度的下降都会带来kvcache的压缩，从而带来存储方面的技术通缩。 但CPU是一个技术层面上通缩量很小的事情，目前任何的agentic的cpu workload（CPU seconds）增长都是硬件需求增长，它通缩的方面只有每年每一代跑分提高的10%到15%。如果说另外通缩因素，比如云的五倍六倍的超卖会不会影响？不会，因为它一直是超卖的，所以说超卖/利用率低这个CPU技术通缩的因素不会继续扩大了，每个增长的CPU seconds都是不怎么带打折的硬件线性增长 ARM的指引是CPU的供需缺口可能会到30%以上，这几个原因的叠加，加上AI服务器对CPU服务器产能和订单的挤压，可能会让缺口更大，各个hyperscaler的反应可能是会滞后的 ------------------ CPU整体需求潜力增长的同时，ARM服务器CPU也赶上了历史上最好的时代： Hyperscaler为了节省成本，接近50%的新增传统server CPU都是ARM，Google的Axion，Amazon的Graviton，Microsoft的Cobolt，Graviton甚至2026年的产能已经全部卖完，瓶颈成了产能 Google TPU配Axion，Amazon Tranium配Graviton，Nvidia Rubin配自家Vera CPU，这部分CPU为什么会集体转向ARM，除了成本因素之外，也因为推理系统为了追求token throughput，batch越来越高越做越复杂，自研ARM CPU以及系统性软件硬件的co-design会更方便，比如Nvidia是Dynamo去控制Vera和Rubin之间的协同 Nuvacore的规划上来看，不仅仅满足于做IP，也要做成品，因为在招聘网站上出现了validation engineer的职位 但是这次Nuvacore面临的挑战也不小：起步太晚了，无论是市场上，还是技术上，竞争都激烈了很多。CPU服务器和七年前比，已经复杂了很多，已经不再是单片CPU的竞争，而是rack系统级别的复杂度 现在开始做2028~2029年上市的CPU，要做到rack级别有竞争力，规模要大很多，基本上要几十个chiplet，500+个core拼起来，还要考虑如何适配AI agentic workload，工作量比以前明显要大的多，对一个startup的挑战比七年前也大得多 ---------------- 上次Nuvia在成立两年之后成功的以14亿美元出售，这次市场热度比五年前高了一个数量级，Nuvacore之后的路会怎么走呢？ 如果是被收购路线，其实买家可能比五年前比并没有更多，这五年里，Google有了Axion，微软有了Cobalt，Amazon有了Graviton，Nvidia自研的Vera CPU已经成型，连ARM也打破了35年来只做IP的常规，开始做自己的AGI CPU芯片 最有可能的是Softbank系，softbank已经在ARM CPU服务器生态上布局深耕了多年，65亿美元收购了Ampere，再收购Nuvacore是很正常的事情，这个市场想象力足够大 其他的选择也可能是Meta，因为几家互联网公司里，只有Meta的silicon house没有稳定可靠的CPU服务器，有限的资源在MTIA都做AI加速器去了 但是Meta的问题在于稳定性极低，决策每个月都在变化，注意力非常短期化，项目随时取消，对Nuvacore来说完全无法兑现潜力，是一个非常糟糕的买家 但总体来说，Nuvacore的选择肯定比五年前宽了太多了，对ARM CPU服务器的潜力大家的共识都很明确，融资的难度要小很多，自己运营扩张起来，阻力比以前小很多，合作伙伴的配合程度上也因为未来预期，会容易很多 完全可以自己做大到比Nuvia当年更大的规模再考虑出路，根本不着急卖

Obsidian 作者这两条推很有意思。 Markdown 文件已经事实上成为了当前 AI 文件交互的一个 Schelling point。 大家都默契地选择将自己的文本文件系统变为 Markdown 格式后再进行其他工作。 Markdown 赢得了 AI 时代文本格式的战争。基本上，现在 AI 时代的文本格式和内容展示被局限在了 HTML 和 Markdown 两个部分： 我们最近经常看到圈子里的朋友在发送文本的时候用 Markdown。 在进行演示的时候用的是 HTML（包括最近层出不穷的 PPT Skills 也都是以网页的形式去推广的）。 既然 Markdown 已经成为了事实上的基准，那我们就应该进行下一步了。 Markdown 本身的展示目前非常死板，市场想要更多、更独特的方式来和现有的 Markdown 文件去交互。 当 6 年前 Obsidian 把本地文件夹、双向链接和知识图谱跟 Markdown 结合起来的时候，很多人不太理解这个产品，觉得很难用。 但现在它不仅是个人知识管理的常态，也是 AI 内容管理非常重要的一种方式。 例如我的 CodePilot 里面没有复杂的 memory 机制，所有的 memory 其实都是靠 MD 文件完成的。所以目前需要跳出文本编辑器的思路： 最近很多人在做 Markdown 编辑器，但其实应该跳出这个思路。 将 Markdown 作为一个数据去使用，构建更加跳脱常规的人机交互体验。 比如我的 CodePilot 里的 widget，它可以支持让 AI 用你本地的 memory 和 Markdown 文件作为数据来源。 当你的本地文件发生变化时，你的 widget 组件也会随之发生变化。

Web3 远程工作汇总（5.19） 发布招聘/求职请前往官网，我们会为您推广。 中文工作电报频道：DeJob_official 1️⃣ BitBaby - 运维工程师 2⃣ AlphaAI - 人力主管 - 大客户经理 3⃣ Ju. com - 风控战略分析师 4⃣ Deepcoin - 运维工程师（中高级） - 数据分析师（运营数据分析） 5⃣ HOTCOIN - 交易员 - 视频剪辑师 6⃣ Eather - 客服（英文区） - 用户增长运营实习生 7⃣ Bitunix - 支付运营 - 社媒运营 - AI应用工程师 - 会计（总账） - AI工程师 8⃣ DZMM - 产品经理 9⃣ Luffa AI - PR总监（增长） 🔟Bonnie - 生态负责人 1⃣1⃣ Talentverse - 产品经理（理财或对冲方向） 1⃣2⃣ Schelling Lab - 测试工程师 1⃣3⃣ DODO - 产品经理（高级） 1⃣4⃣ HTX - 市场经理 - SEO 1⃣5⃣ 88EX - UIUX交互设计师 1⃣6⃣ OneBullEx - 风控战略分析师 1⃣7⃣ ApeX Protocol - 区块链工程师（高级，TEE方向） 1⃣8⃣ Y Strategy - 运营助理 1⃣9⃣ XXKK - SEO 2⃣0⃣ AstroX - 安全工程师 Global job Telegram channel: DeJob_Global 1️⃣ Coinflow Labs - Security Engineer 2️⃣ VeryAI - Marketing Lead 3️⃣ Squads - Marketing Manager (Events) 4⃣ Bullish - Senior Product Designer 5⃣ Bitunix - Accounting Associate - Payment Operation - Social Media Manager 6⃣ Flipster - Business Development 7⃣ Pionex - Business Development (Latin America Crypto Payment Card) 8⃣ Ooble Studio - Growth Lead 9⃣ Fermah - Senior Rust Engineer

Web3 远程工作汇总（5.11） 发布招聘/求职请前往官网，我们会为您推广。 中文工作电报频道：@DeJob_official 1️⃣ Viabtc - 联盟经理 2⃣ Matrixport - 增长经理 - BD - 增长运营（SEO/GEO，海外方向） 3⃣ BOT - 社媒运营 - 产品经理 4⃣ Eather - 平面设计师 - 风控专员 - 广告投放 - 客服 5⃣ BitBaby - BD（现货） - BD（合约） 6⃣ Marisa - 客服 - 实习生 7⃣ Bitunix - 风控专员 - 风控运营 8⃣ Schelling Lab - 研究分析师 9⃣ HOTCOIN - BD（现货） 🔟88EX - UIUX交互设计师 1⃣1⃣ OneBullEx - PMO负责人（技术与产品方向） - BD 1⃣2⃣ AstroX - 项目经理（高级） 1⃣3⃣ ApeX Protocol - 风控经理 （金融合约产品方向） 1⃣4⃣ Eileen - BD 1⃣5⃣ AlphaAI - 大客户经理 1⃣6⃣ Principia Labs - 市场负责人 Global job Telegram channel: @DeJob_Global 1️⃣ BitBaby - Business Development (Spot) - Business Development (Futures) 2️⃣ HOTCOIN - Business Development Specialist (Spot) 3️⃣ Perena - Marketing Lead 4⃣ General Catalyst - Events Specialist 5⃣ Eileen - Business Development 6⃣ OneBullEx - Business Development

2024年的时候，浙江大学的恩师说的一句话，影响了我这两年所有的阅读内容。 他说，你要去看2022年之前的经典书和经典论文，那是没有被AI数据污染的净土。 品味的答案，持续学习的答案，在那里。 其实的确如此，在2022年生成式AI和LLM大爆发之后，整个互联网的数据生态发生了不可逆的质变。互联网，迅速演变成了AI生成内容的自循环反刍池。 我怀念，没有Token泛滥的膨胀感。 作者写下每一个字，都是在有限的注意力与精力下，对复杂现实进行的极高密度压缩。 毕竟，品味的根基在于第一性原理。科学审美、理论框架、以及对真问题的敏感度几乎全部孕育在那个没有被Synthetic Data掩埋的时代。 后来来到美国之后，和俄亥俄州立大学的老师也探讨过这个问题。 我得到了一个新的认识。 其实，对于AI文本，感觉的强度和实际的密度是两回事。毕竟，AI文本有很强的signature，那几个词、那个三段式、句句都平的节奏所以它的可识别性远高于它的占比。 这里，我想还有个筛选偏差。 就是我能认出来的AI文本，都是写得差的那部分。而被人改过一遍、重写过一遍的，我都很难注意的到、识别的到。 在这个过程中，我认为分布也极不均匀。 从2015年后，SEO内容、自出版、评论区、通稿，基本饱和了。 但浙大的恩师指的是经典书和经典论文，恰好应该算污染最轻的那一类。 其实现在，我觉得恩师低估的是另一个方向。 污染或许不只在语料里，也在写作者身上。 一个2026年的人类作者，泡在被生成文本浸过的语言环境里，写的时候旁边有补全，考核看产量。即使他一个字都不让AI写，句子也已经在往均值上靠拢。 这个东西，日期很难切掉，因为它是从人往回传的，会传进经典的重印、选本、导读和推荐序。也许，在退化的是人类写作的方差，并非机器文本的占比。 2022看似已经是个schelling point，未污染语料正在被定价、被抢购。 所有人都在退守的净土，很快就不是净土。