注册并分享邀请链接,可获得视频播放与邀请奖励。

Robinson · 鲁棒逊
@python_xxt
0 正在关注    0 粉丝
东数西算,最近有个很有意思的现象: 乌兰察布突然挤满了算力中心 2024年底,当地还只有36个数据中心项目,到2026年6月已经变成89个,签约总投资超过5000亿元,运行算力达到16.5万P,其中约6.5万P在承接北京外溢算力。 最直接的优势,是离北京近。 乌兰察布距离北京只有300多公里,直达北京的光缆单向最低时延约2.1毫秒,双向约4.2毫秒。 庆阳同样是“东数西算”核心节点,但距离北京接近900公里。过去做存储、备份和大模型训练,多几毫秒影响不大;现在AI算力逐渐从训练向推理扩散,实时调用、在线模型这些业务对时延越来越敏感,乌兰察布的位置就突然变得很值钱:拿着西部的成本,却接近北京的时延。 第二个优势是电。 庆阳绿电到户电价已经压到0.4元/度以内,乌兰察布部分算力中心还能做到约0.358元/度。只差4分钱,但一个100MW的数据中心一年耗电约8.76亿度,对应就是3500万元成本差;如果做到500MW级别,就是接近1.75亿元。 几分钱电价差,最后是巨额现金流。 而且内蒙古本身就是能源大区,过去最擅长的是把电送到东部,现在开始变成:把GPU搬到电厂旁边,再把Token送到东部。 第三个优势是气候。乌兰察布年平均气温只有4℃左右,大部分时间可以利用自然冷源。数据中心除了GPU耗电,冷却系统同样是能耗大户,低温可以进一步降低用电成本。 乌兰察布离北京只有300多公里, 有低价绿电,有低温气候,还有直连北京的低时延网络。 如果把北京看成一个巨大的AI算力消费中心, 乌兰察布可能会成为北京的的“算力卫星城”。 草原负责发电, GPU负责烧电, 最后顺着光纤送出去的,已经不是电了。 是Token~!
显示更多
0
16
48
10
转发到社区
明天明明有一个重置点🤔
I previously promised a reset for every 1M in additional active users for Codex, until 10M. We blew past that and have been silent since 10M. Little surprise for you tomorrow.
我反思过这个问题,其实只要标注原来的出处,我认为这个问题并不大。 信息是否原创,对于读者来说, 信息的效用,是一样的。 在AI时代,我们大部分人, 都会成为 碳基的信息漏斗 作为一个信息漏斗,信息源来自于AI,还是其他平台,并没有那么重要。
显示更多
看到 𝕏 上,经常有人发个知乎的截图,就能获得 10-50 万的浏览量,心里真不是滋味。 不知道 𝕏 的原创新规,如何识别这种「作弊」行为?
我还是倾向认为这是一个归因谬误 更有可能是有这个服用需求的男性,本身对应的睾酮含量或身体素质就会更好一点,也对应着更强烈的欲望 毕竟就这种服用剂量,远远没有达到改变健康的效果,除非天天吃……
显示更多
原来,壮阳真的可以长寿
请帮我找出这个账号上表现出的一件很明显但号主很可能没意识到的事情,并对此进行详细说明 @grok
请帮我找出这个账号上表现出的一件很明显但号主很可能没意识到的事情,并对此进行详细说明 @grok
《欢迎来龙餐厅》这部电影,让我产生了一种幻觉。 我在想,我们这片土地上,是不是也可能诞生一部像《进击的巨人》这样的作品? 让人抛开善恶与正义,最后发现,一切都是在立场、生存、利益与权力裹挟之下,一步步做出的选择。 看了一些评论,发现我们这片土地上,遍地都是贾碧。 仇恨教育,对于个体百害而无一利,但却是统治阶级意识形态控制的利器。 That's all.
显示更多
0
25
58
0
转发到社区
Fable 5对我说: 仇恨不遗传于血液,遗传于教育; 孩子是螺旋的存储介质…
0
30
54
1
转发到社区
又过去了一个月 豆包输入法的Windows版依然没有发布,还写着敬请期待 看来Windows端开发一个输入法,远远比我想象中要复杂 但是用惯了豆包的语音输入法之后,我已经开始习惯性不打字了 完全陷入了依赖……🤦‍♂️
显示更多
我有一个疑问: 输入法的移植很困难吗 ? 豆包输入法的Android 、iOS、MacOS出来都很久了 但是Windows 端迟迟没有发布。 在有LLM加成的这个时代,我着实有点不理解 有没有大佬,能够解答一二 ?
显示更多
如果开车遇到这种情况,绝对不应该继续下山了....山顶上反而是最安全的。
开车变成漂流了
我要笑死了,大家好像被那个Tibo 玩了一样。 很多人听说周一本来要重置的,然后周日的时候就站起来狂蹬。 结果搞笑的是,一个个把额都耗光了,Tibo 来一句,让我跳个小舞儿先……
显示更多
@hqmank Just like any other reset, but picture me doing a little dance with it
大家如何理解 & 翻译, 下面这两句话 👇 我先来: 日子漫长,岁月匆匆
最值得学习的不是斧子, 是最后的那几句英文,是出海
0
66
19
1
转发到社区
不要回答别人的问题, 要回答别人的目的,或者不回答。 比如, 另一半问:“我是不是胖了?” 如果你开始思考她的体重,从那一刻起,就已经答错了题。
显示更多
0
80
97
5
转发到社区
绝了,还能这么玩 只要重置的时候,用户消耗的额度小于 14.3% × 当前天数,那么OpenAI就是赚的… 逻辑如下: 若用户在重置时点前的实际消耗量,小于该周期被授予的总额度,未消耗部分又不能结转,那么这部分额度就不会转化为实际算力成本;重置发生时,OpenAI 就回收了这部分未兑现的权益。 若按 7 天周期、额度均匀计入,第 n天的临界消耗比例是: 例如第 1 天为 14.3%。若用户在当天重置前消耗不足总额度的 14.3%,则相对于“额度随时间均匀累积”的模型,OpenAI 是赚的; 消耗越低,回收的未兑现额度越多。
显示更多
绝了,还能这么玩 只要重置的时候,用户消耗的额度小于 14.3% × 当前天数,那么OpenAI就是赚的… 逻辑如下: 若用户在重置时点前的实际消耗量,小于该周期被授予的总额度,未消耗部分又不能结转,那么这部分额度就不会转化为实际算力成本;重置发生时,OpenAI 就回收了这部分未兑现的权益。 若按 7 天周期、额度均匀计入,第 n天的临界消耗比例是: 例如第 1 天为 14.3%。若用户在当天重置前消耗不足总额度的 14.3%,则相对于“额度随时间均匀累积”的模型,OpenAI 是赚的; 消耗越低,回收的未兑现额度越多。
显示更多
绝了,还能这么玩 只要重置的时候,用户消耗的额度小于 14.3% × 当前天数,那么OpenAI就是赚的… 逻辑如下: 若用户在重置时点前的实际消耗量,小于该周期被授予的总额度,未消耗部分又不能结转,那么这部分额度就不会转化为实际算力成本;重置发生时,OpenAI 就回收了这部分未兑现的权益。 若按 7 天周期、额度均匀计入,第 n天的临界消耗比例是: 例如第 1 天为 14.3%。若用户在当天重置前消耗不足总额度的 14.3%,则相对于“额度随时间均匀累积”的模型,OpenAI 是赚的; 消耗越低,回收的未兑现额度越多。
显示更多
绝了,还能这么玩 只要重置的时候,用户消耗的额度小于 14.3% × 当前天数,那么OpenAI就是赚的… 逻辑如下: 若用户在重置时点前的实际消耗量,小于该周期被授予的总额度,未消耗部分又不能结转,那么这部分额度就不会转化为实际算力成本;重置发生时,OpenAI 就回收了这部分未兑现的权益。 若按 7 天周期、额度均匀计入,第 n天的临界消耗比例是: 例如第 1 天为 14.3%。若用户在当天重置前消耗不足总额度的 14.3%,则相对于“额度随时间均匀累积”的模型,OpenAI 是赚的; 消耗越低,回收的未兑现额度越多。
显示更多
我有一个简单的方法,可以判断一个人蠢不蠢: 看他会不会拿小概率事件反驳常规事实 比如: 抽烟有害健康?扯淡,我家楼下张大爷抽了一辈子烟,照样活到99。 读书没用,我同学里当老板的,都是当年读书最差那几个,读书好的反倒在给人打工。
显示更多
是的,在简化的抽象模型里,“语言的边界就是世界的边界”。 我有一个很粗暴的方法,去评判另一个人是不是比我更聪明(认知水平更高)—— 掌握了多少的有效词汇量。 一个人词汇量的多寡,在大部分时候,代表了 他/她 对这个世界理解的颗粒度,词汇量越多,颗粒度越细,往往也意味着,对这个世界的理解更深刻,因为词汇代表了 可解释性。 而对世界可解释性的增加,会带来对世界感知能力的交织,无形之中就可能产生涌现,带来 一层 一层的涌现式认知提升,当这些认知堆叠到一定程度时,会形成一个新的维度。 对比我多一个认知维度的人,我大抵是羡慕并向往之的。 而高频使用GPT和Claude类工具,会极大地丰富一个人的词汇量,会迫使我们重新审视语言的本质及其与认知的内在联系,并可能最终突破当前的认知局限。 而在语言之外,也还有很多隐性的知识和体验,难以用语言描述,根植于我们的具身认知(Embodied Cognition)中。 这是未来很长一段时间,区分人类和AI,重要且根本的差异。
显示更多
0
90
137
16
转发到社区
灰度 1. 人的情绪是用来影响他人的,而不是左右自己的; 2. 公开的言论是用来维护立场和利益的,不是表达自己思想和认知的
0
14
282
41
转发到社区
@python_xxt 那个著名的硅谷养生人Bryan Johnson,他的补充剂清单里就有西地那非啊,每天吃5mg,我当时看到就绷不住了,去查了一下,据说真的有很多好处。
显示更多