檢索結果 Airbnb
Airbnb 貼吧
一個關鍵字就是一個貼吧，路徑全站唯一。
用戶
未找到
包含 Airbnb 的搜尋結果
刚才想周末订个山里的木屋度假，发现 Airbnb 官网搜索不够个性化。
于是直接让 Codex 给我生了个第三方搜索页，20 分钟就搞定，接上自己的 API 后想怎么搜就怎么搜，爽！
已开源：
#Airbnb# #开源# #AI开发# #Cursor# #SideProject#
顯示更多
3. 美团、小米这些公司为什么自己做大模型，国外Uber、Airbnb则没有：国外巨头的行事规则和历史记录更可靠，所以Netflix可以把后端全建在Amazon上，而中国百亿市值的公司都是自建的。
14. 为什么中国模型都开源：其实最重要的原因是，彼此模型效果很难拉开差距，不开源根本就没影响力，招人、商业、融资等等都会落后手。 @natolambert
顯示更多
艾伦研究所的知名研究员Nathan Lambert，前两天来北京和我们熟知的国内 AI 公司聊了一圈，包括月之暗面、智谱、字节、阿里、美团、小米等等。
聊完之后，他写了一篇文章做总结。我觉得这篇挺有意思的，因为 Nathan 本身对硅谷非常熟，这次相当于带着硅谷的视角来看我们中国的 AI 实验室是怎么运作的，以及他看到了哪些不一样的地方。
文章我看完了，写一些自己的笔记。
1、DeepSeek 被所有人公认为技术品味和执行力最好，是技术方向上的引领者，但在商业上并不是引领者。
反过来，像字节、阿里这种巨头，被视为真正能够把大模型吃进整个业务体系、最终兑现成大规模市场份额的那批公司。
2、字节是各大中国 AI 实验室最重视的竞争对手，因为他们思路清晰，而且战斗力极强。
一个可以印证侧面是，在开放权重已经成主流气质的中国 AI 圈子里，字节是少数坚持走 OpenAI 这条闭源路线的公司，同时，目前他们的豆包应用地位相当于中国的ChatGPT。
3、美团、蚂蚁、小米这些公司为什么自己做大模型？国外Uber、Airbnb 这批公司也没做自己的模型，用的时候买别人的就行了。
但在这些中国公司眼里，LLM 是未来产品的核心底座，如果完全依赖外部模型，等于把自己最关键的那一层放在别人手里，被掣肘只是时间问题。所以宁可自己花大力气训一个通用模型，把这块底座攥在自己手里。
4、中国开发者几乎都被 Claude 圈粉了。Nathan 说，很多一线开发者描述日常写代码时，都主动提到 Claude，承认它改变了自己的开发方式，哪怕它在中国并不能正式落地。
少数人会提到自己在用 Kimi 或者智谱的命令行工具，但被问到真正高频依赖的助手时，几乎都会说回 Claude。在湾区很火的 Codex，在中国被提到的频率反而没有那么高。
5、中国的 LLM 社区更像一个生态，而不是彼此敌对。Nathan 和多家实验室私下交流后，发现他们谈到同行时，几乎都是尊重和欣赏，很少有火药味。而在硅谷，私下聊起其他实验室，话锋会很快变得尖锐。
6、中国大模型团队的整体气质和美国不一样。表面上看，大家都是搞大模型、RL、Agent，用的技术栈差不多，但在组织方式和人本身的气质上，中国这边更像一支全栈工程队。
研究员普遍愿意做琐碎、不出彩的脏活累活，愿意为了整体模型效果搁置自己的方案，不太追求个人署名和明星科学家身份。
这种弱 ego 的文化，在那种需要各个模块严丝合缝配合的大工程里，反而更适配。Llama 团队据说就是被相反的那种文化拖垮的，一群顶尖研究员都想让自己的方案进最终模型，互相博弈。
7、中国顶级实验室里，学生的比例非常高，而且是直接参与主战场的大模型研发，不是被边缘化的实习。和美国的 OpenAI、Anthropic、Cursor 这些几乎不开放相关实习形成鲜明对比。
Google 名义上有 Gemini 实习，但大家普遍担心实习内容被隔离在核心工作之外。
学生的优势是对旧时代 AI 范式没有太多包袱，能很快把上一套观念清空，重新学习。同时他们极度习惯在巨量论文和内部技术细节中速成，把复杂栈啃下来，进组之后就愿意把人生阶段压在这件事上。
8、中国研究员对宏大的 AI 叙事兴趣不高。Nathan 在和不少一线研究员聊天时，发现他们一提到经济结构变化、社会风险、AI 道德这些问题，往往会有明显的停顿和困惑，像是被问了一个和日常工作无关的问题。
很多人会直接表达，自己的角色就是把模型做好，而不是对社会怎么变发表观点。有位研究员还引用了 Dan Wang 的说法，中国是工程师在掌舵，美国是律师在掌舵。
Nathan 也观察到，中国并没有 Dwarkesh、Lex Fridman 这种能系统性把科学家捧成明星的播客生态。这种习惯既和个人性格有关，也深受教育和制度环境的塑造，他们在一个不鼓励公开争论社会议题的系统里长大，并且在里面取得了成功。
9、北京的 AI 圈子整体很像湾区版的紧凑硅谷。从机场下飞机，可以顺路去阿里北京园区，坐几趟滴滴，在三十六小时之内走完智谱、月之暗面、清华、美团、小米、零一万物等一长串机构。
整座城市里，打车过去就是一个新的实验室。选大一点的车型，常见是带按摩椅的电动小面包。这种空间上的密集分布，让不同实验室之间的交流成本被压得很低，研究员之间的流动也变得非常频繁。
10、中国研究员普遍更偏工程视角，对融资、产业格局、资本叙事这些话题兴趣没那么高。Nathan 在硅谷习惯了另一种氛围，研究员对外部环境的敏感度非常高，融资、算力、数据生态、行业风向，几乎每个人都在认真琢磨自己所在公司的位置和外部环境的关系。
因为今天做 AI 已经不是关起门来搞工程奇迹那种事了，模型公司同时是一个综合体，要建模、要部署、要融资、要拉生态，外面的每一根线都会反过来影响里面的研究节奏。
但中国研究员明显不在这个频道上。Nathan 问到行业生态、融资、算力供应、数据产业这些话题，得到的反应常常是耸耸肩，说那不是我的问题，我的事就是把模型做好。
11、中国企业对 AI 的花钱习惯，更接近云，而不是 SaaS。外界常说中国企业不愿意为软件买单，所以本土 AI 市场会偏小。但 Nathan 和多位从业者聊完后，感受到的现实是，虽然传统 SaaS 市场确实不大，但云服务在中国是个大生意。
关键问题变成，企业为 AI 付费，最终会更像买 SaaS，还是更像买云基础设施。从目前各家公司的实际讨论和规划来看，大家普遍不太担心企业侧的 AI 支出，倾向认为它会挂在更刚性的基础设施那一侧。
12、中国的数据产业在 RL 和高质量任务环境上明显不如美国成熟。和 OpenAI、Anthropic 那种可以为单个 RL 环境花上千万美元、一年累计几亿美金的玩法相比，中国团队的普遍反馈是，本土数据服务供应商不是没有，但质量参差不齐，很难直接买到能用的内容。
于是就形成了一种很中国式的解决办法，很多 RL 场景、评测环境干脆自己搭，研究员本人要花大量时间设计任务、构建环境。字节、阿里这种大公司，也会养起自己庞大的标注团队，在公司内部自给自足。
13、算力是所有中国实验室的共同痛点。无论走到哪家，大家对高质量英伟达 GPU 的需求都是一个词，不够用。如果供应允许，他们会毫不犹豫地继续加仓。
国产加速卡在推理侧评价还可以，已经被不少公司部署到在线服务里，华为芯片在很多实验室都有落地。但在大规模训练上，英伟达依然是黄金标准，国产方案更多是辅助补位。
14、在开放程度和生态态度上，中国实验室显得既务实又有整体视角。Nathan 几乎问遍了所有头部团队，为什么会在这样的环境下持续开放自家最强模型。他自己坦言，把所有权心态和真实的生态支持这两件事联系起来，他还没完全想明白。
但从对话里，他归纳出几个共同的现实诉求，通过开放权重，快速让更多开发者参与打磨，发现缺陷；通过回馈开源社区，获得技术和口碑上的正循环；同时在内部保留更定制、更私密的模型版本服务自家业务。整体表现出来的，是一种既不绝对开源、也不一味封闭的中间态。
15、中国实验室对英伟达芯片的渴求是压倒性的。Nathan 走访下来，所有人现在的进展都卡在同一件事上，就是英伟达的卡不够用。
如果能买到，毫无疑问会继续加仓。
这里他特意点出来一个区分，英伟达是训练这一侧的黄金标准，没有替代品。但在推理这一侧，画风就完全不一样了。包括华为在内的国产加速卡，评价都是正面的，不是凑合用，是真的能打。
Nathan 说他遇到的实验室里，无数家都已经能拿到华为芯片，供给这边不是问题。所以中国实验室现在的真实状态是一个两层结构，训练咬牙抢英伟达，推理大方用国产卡，分得很清楚。
顯示更多
私募股权的“Robinhood时刻”，这个平台正在颠覆万亿私募市场，散户终于能上桌了！
你有没有想过这个问题：为什么早期投资Uber、Airbnb的人赚得盆满钵满？为什么Google和Fidelity能在SpaceX估值仅仅120亿美金的时候，投资10亿美金，从而赚得百倍？
因为他们纷纷在公司上市前，以极低的价格投资了股权。如今SpaceX的估值高达1.75万亿美元，OpenAI估值8520亿美元，Anthropic估值3800亿美元。三家巨无霸，总市值高达近3万亿美金。这还是Pre-IPO的估值，IPO之后只会更夸张！
可悲的是，这些顶级公司的股权，普通人早期根本买不到。传统私募股权市场有个不成文的规定，「只跟机构玩家玩，散户只能靠边站」。
如果想买SpaceX的二手股？没问题，先准备2.5万美元起投，还要通过平台审核，等上几周甚至几个月。这就是Hiive、Forge Global这些传统平台的规矩。但2026年，有个叫 @JarsyInc 的平台，直接把这张桌子掀了。
1️⃣扎心的现实：IPO不再是“造富起点”，而是“接盘终点”
以前，大家习惯了公司上市后买股票，跟着大厂一起飞。但现在的硬科技巨头变聪明了，它们在玩一种崭新的躲猫猫游戏：「Stay Private Longer」，也就是保持私有化更长久。就拿SpaceX来说，它成立于2002年，至今已经24年。
在这24年的漫长岁月中，估值在场外早已飞升， SpaceX在2015年估值仅120亿美元，如今虽未上市，内部估值已冲到1.75万亿美元，预计今年IPO后，冲击2万亿美金应该轻轻松松！
2万亿再去接盘？肉基本全被机构吃光了，等它真的敲钟上市，市值可能已透支了未来十年的涨幅。这时候散户冲进去，本质上是在为投了十年的大机构（如a16z、谷歌）提供“退出流动性”。相当于最肥的一段Alpha收益，被死死锁在了私募市场。
2️⃣2026属于私募市场的“大航海时代”
为什么现在必须关注私募股权？数据不会骗人，我讲几个最直观的数据📊。
首先是钱多到溢出来了，截至2026年初，全球私募市场积压的“干粉资金”达到创纪录的4.3万亿美元。
其次是AI吞噬一切，从2025年至今，AI公司抢走了私募市场近70%的融资金额。
最后就是2026年将是AI和科技公司的IPO大年，看看这份名单：
🟠SpaceX：估值1.75万亿美元，最快26年下半年上市。
🟡OpenAI：估值8520亿美元，预计26年下半年提交申请，27年上市。
🟢Anthropic：估值3800亿美元，IPO筹备中。
🔵Databricks：估值1340亿美元，IPO筹备中。
这种动辄10倍的机会，以前只属于硅谷穿格子衬衫的顶级投资人。普通人想买1000块钱的SpaceX股份？门都没有。
3️⃣ #Jarsy# 横空出世：私募股权的“Robinhood时刻”
就在传统机构忙着收割时，一个叫 Jarsy 的平台直接掀翻了桌子。它用最硬核的区块链RWA技术，做了一件最接地气的事，让普通人像买奶茶一样买顶级独角兽股权。
10美元起投，击碎“百万门槛”。Web2传统平台，比如Hiive或Forge，起步价通常是2.5万甚至10万美元，且仅限“合格投资者”，在美国意味着你年收入要超过20万美元，或者净资产超过100万美元且不含房产。而Jarsy将门槛降至10美元。无论你是大学生还是打工人，都能拥有SpaceX的一块砖。
Web2.5体验，丝滑如点外卖。在Jarsy平台，我们不需要背诵复杂的助记词。直接使用社交账号登录，用USDC点一下即可买入。这种“丝滑感”让金融资产的流动变得像点美团外卖一样简单顺滑。
破产隔离，法律护航的安全性。安全是每一项金融资产交易的核心，Jarsy通过了特拉华州的SPV特殊目的载体，且1:1持有真实股权。即便Jarsy公司倒闭，股权依然在法律保护下属于持有人。
4️⃣谁在背后操盘？“优步黑手党”的降维打击
Jarsy的背景硬得发烫，其核心团队全是来自Uber、Square、Meta的顶尖老兵：
CEO Han Qin作为项目创始人，是原Uber中国区运营元老，深谙如何在全球范围内推开复杂业务。
背书方面，也堪称顶级，获得 Jim Breyer（Breyer Capital） 领投。这位老兄曾投出Facebook、小米和Spotify，参与过40多次IPO，他的入场本身就是一种风向标。
这帮人不仅懂代码，更懂金融合规。他们要把曾经属于1%富人的特权，通过技术手段分发给全球99%的人，这不光是一场投资民主化，更是一场投资革命。
5️⃣真实战绩：社区里的“暴富效应”
这不是画饼，而是正在发生的财富转移。在Jarsy社区中，已经有早期用户通过持有SpaceX资产，见证其账面价值从259美元一路飙升至1000多美元，实现了近4倍的收益。
社区中那些早期在Jarsy上买入的用户，已经实实在在赚到了钱。而在死气沉沉的二级市场，这种回报率几乎是天方夜谭。
更夸张的是，市场上出现了50%的价差套利机会，同一个公司的股权，在不同平台价格能差一半。
为什么？因为传统市场不透明，信息不对称。而Jarsy把所有交易都放在Base链上，每一笔都能在BaseScan上查到，实时验证储备证明PoR。而透明度，就是最大的护城河。
总结来说，2026年是史诗级的IPO大年。你是想当观众，还是想当庄家？当OpenAI、SpaceX带着万亿光环正式敲钟时，如果我们手里已经持有了它们的“Pre-IPO份额”，我们就是那个笑看风云的先行者。
Jarsy不只是一个交易平台，它是一张通往未来的“入场券”。历史总是奖励那些敢于提前布局的人。别再等钟声敲响才入场，那时的热闹，往往与财富无关。
现在，您准备好上桌了吗？🧐
顯示更多
在Stripe的支持下，Meta 已开始向哥伦比亚和菲律宾的部分创作者推出稳定币支付，允许他们在Solana或Polygon区块链上以USDC获得收益
跨境支付的确是稳定币的优势， 费率低速度快免开户，Stripe 之前收购的 Bridge 的一个场景就是帮 Uber 给南方国家的司机发工资
让 Claude 算了一下, 6大创作者平台 （YouTube + TikTok + Meta + Twitch + Upwork + Fiverr）如果都切换到稳定币支付，可以增加 25-26B 一年的增量，相当于现在 320B 稳定币规模的 8%
更大的空间是扩展到消费级电商和共享经济（Shopify 商家、Etsy 卖家、Airbnb 房东、Uber 司机…），这样一年给卖家的总支付量可以达到 $465B，是当下稳定币规模的 1.45 倍
短期利好 Stripe 和 Circle，长期就要看这些平台会如何运用自己的稳定币
顯示更多
第10名，《闪电式扩张》 作者：里德·霍夫曼，叶嘉新
里德·霍夫曼是领英的联合创始人，也是硅谷最具影响力的创业者和投资人之一。
在这本书里，作者提出了闪电式扩张的概念，就是在不确定环境中，优先考虑速度而非效率，快速干掉对手，实现规模化发展。
书中用腾讯，阿里巴巴，小米，Airbnb，Facebook，苹果等等大量案例，阐述了闪电式扩张的具体策略和注意事项，还提出了9条反直觉规则，比如要容忍糟糕的产品，要忽略用户等等，视角非常新颖。
顯示更多
这玩意只能说家禽不管到哪都只能是家禽
我当年为了拿澳洲移民去澳洲读中专，结果去的时候把TAFE焊工拿身份的政策取消了，不得不重新选择读Foundation进大学本科读Info和会计这两个移民专业
你说留学三年读这两个跟国内的形不成代差，那么加上这些如何？
- 干Airbnb做到50套房赚到人生第一个100万
- 向上社交到给收割百亿的外汇盘大佬当小弟，在悉尼线下跑车队，星城赌场VIP
- 大二给外汇盘当讲师，自我包装去马来西亚讲课，单场会爆单过千万马币
- 大三帮国内土老板谈矿山收购，赚到第一笔金融从业佣金
- 一毕业就拿到澳洲身份
这里就不谈什么四大实习、帮自由党议员办地推会、雅思学校当老师教阅读之类没技术含量的东西了
这还是十多年前，不是说我多牛逼，我根本不算什么。有的人留学来的一毕业身份都没搞定就进了大摩，还有大学没毕业已经创业成功北悉尼买房的
大二别人在谈恋爱的时候，我们6个兄弟住一个两居室，每天的事情只有搞钱搞钱搞钱
留学中介不会告诉你，澳洲是全球赌博率最高、酗酒率最高的国家之一，西方世界degen程度number 1；也不会告诉你每年这里从东亚靠打工度假签证引入好几万的毒骡和鸡。在表面的西装革履背后，有藏着大量藏污纳垢的机会
只会乖乖留学读书的人，跟他妈的游学有什么区别。用人单位需要的是凶猛的狼，而不是吃饭的桶
顯示更多
艾伦研究所的知名研究员Nathan Lambert，前两天来北京和我们熟知的国内 AI 公司聊了一圈，包括月之暗面、智谱、字节、阿里、美团、小米等等。
聊完之后，他写了一篇文章做总结。我觉得这篇挺有意思的，因为 Nathan 本身对硅谷非常熟，这次相当于带着硅谷的视角来看我们中国的 AI 实验室是怎么运作的，以及他看到了哪些不一样的地方。
文章我看完了，写一些自己的笔记。
1、DeepSeek 被所有人公认为技术品味和执行力最好，是技术方向上的引领者，但在商业上并不是引领者。
反过来，像字节、阿里这种巨头，被视为真正能够把大模型吃进整个业务体系、最终兑现成大规模市场份额的那批公司。
2、字节是各大中国 AI 实验室最重视的竞争对手，因为他们思路清晰，而且战斗力极强。
一个可以印证侧面是，在开放权重已经成主流气质的中国 AI 圈子里，字节是少数坚持走 OpenAI 这条闭源路线的公司，同时，目前他们的豆包应用地位相当于中国的ChatGPT。
3、美团、蚂蚁、小米这些公司为什么自己做大模型？国外Uber、Airbnb 这批公司也没做自己的模型，用的时候买别人的就行了。
但在这些中国公司眼里，LLM 是未来产品的核心底座，如果完全依赖外部模型，等于把自己最关键的那一层放在别人手里，被掣肘只是时间问题。所以宁可自己花大力气训一个通用模型，把这块底座攥在自己手里。
4、中国开发者几乎都被 Claude 圈粉了。Nathan 说，很多一线开发者描述日常写代码时，都主动提到 Claude，承认它改变了自己的开发方式，哪怕它在中国并不能正式落地。
少数人会提到自己在用 Kimi 或者智谱的命令行工具，但被问到真正高频依赖的助手时，几乎都会说回 Claude。在湾区很火的 Codex，在中国被提到的频率反而没有那么高。
5、中国的 LLM 社区更像一个生态，而不是彼此敌对。Nathan 和多家实验室私下交流后，发现他们谈到同行时，几乎都是尊重和欣赏，很少有火药味。而在硅谷，私下聊起其他实验室，话锋会很快变得尖锐。
6、中国大模型团队的整体气质和美国不一样。表面上看，大家都是搞大模型、RL、Agent，用的技术栈差不多，但在组织方式和人本身的气质上，中国这边更像一支全栈工程队。
研究员普遍愿意做琐碎、不出彩的脏活累活，愿意为了整体模型效果搁置自己的方案，不太追求个人署名和明星科学家身份。
这种弱 ego 的文化，在那种需要各个模块严丝合缝配合的大工程里，反而更适配。Llama 团队据说就是被相反的那种文化拖垮的，一群顶尖研究员都想让自己的方案进最终模型，互相博弈。
7、中国顶级实验室里，学生的比例非常高，而且是直接参与主战场的大模型研发，不是被边缘化的实习。和美国的 OpenAI、Anthropic、Cursor 这些几乎不开放相关实习形成鲜明对比。
Google 名义上有 Gemini 实习，但大家普遍担心实习内容被隔离在核心工作之外。
学生的优势是对旧时代 AI 范式没有太多包袱，能很快把上一套观念清空，重新学习。同时他们极度习惯在巨量论文和内部技术细节中速成，把复杂栈啃下来，进组之后就愿意把人生阶段压在这件事上。
8、中国研究员对宏大的 AI 叙事兴趣不高。Nathan 在和不少一线研究员聊天时，发现他们一提到经济结构变化、社会风险、AI 道德这些问题，往往会有明显的停顿和困惑，像是被问了一个和日常工作无关的问题。
很多人会直接表达，自己的角色就是把模型做好，而不是对社会怎么变发表观点。有位研究员还引用了 Dan Wang 的说法，中国是工程师在掌舵，美国是律师在掌舵。
Nathan 也观察到，中国并没有 Dwarkesh、Lex Fridman 这种能系统性把科学家捧成明星的播客生态。这种习惯既和个人性格有关，也深受教育和制度环境的塑造，他们在一个不鼓励公开争论社会议题的系统里长大，并且在里面取得了成功。
9、北京的 AI 圈子整体很像湾区版的紧凑硅谷。从机场下飞机，可以顺路去阿里北京园区，坐几趟滴滴，在三十六小时之内走完智谱、月之暗面、清华、美团、小米、零一万物等一长串机构。
整座城市里，打车过去就是一个新的实验室。选大一点的车型，常见是带按摩椅的电动小面包。这种空间上的密集分布，让不同实验室之间的交流成本被压得很低，研究员之间的流动也变得非常频繁。
10、中国研究员普遍更偏工程视角，对融资、产业格局、资本叙事这些话题兴趣没那么高。Nathan 在硅谷习惯了另一种氛围，研究员对外部环境的敏感度非常高，融资、算力、数据生态、行业风向，几乎每个人都在认真琢磨自己所在公司的位置和外部环境的关系。
因为今天做 AI 已经不是关起门来搞工程奇迹那种事了，模型公司同时是一个综合体，要建模、要部署、要融资、要拉生态，外面的每一根线都会反过来影响里面的研究节奏。
但中国研究员明显不在这个频道上。Nathan 问到行业生态、融资、算力供应、数据产业这些话题，得到的反应常常是耸耸肩，说那不是我的问题，我的事就是把模型做好。
11、中国企业对 AI 的花钱习惯，更接近云，而不是 SaaS。外界常说中国企业不愿意为软件买单，所以本土 AI 市场会偏小。但 Nathan 和多位从业者聊完后，感受到的现实是，虽然传统 SaaS 市场确实不大，但云服务在中国是个大生意。
关键问题变成，企业为 AI 付费，最终会更像买 SaaS，还是更像买云基础设施。从目前各家公司的实际讨论和规划来看，大家普遍不太担心企业侧的 AI 支出，倾向认为它会挂在更刚性的基础设施那一侧。
12、中国的数据产业在 RL 和高质量任务环境上明显不如美国成熟。和 OpenAI、Anthropic 那种可以为单个 RL 环境花上千万美元、一年累计几亿美金的玩法相比，中国团队的普遍反馈是，本土数据服务供应商不是没有，但质量参差不齐，很难直接买到能用的内容。
于是就形成了一种很中国式的解决办法，很多 RL 场景、评测环境干脆自己搭，研究员本人要花大量时间设计任务、构建环境。字节、阿里这种大公司，也会养起自己庞大的标注团队，在公司内部自给自足。
13、算力是所有中国实验室的共同痛点。无论走到哪家，大家对高质量英伟达 GPU 的需求都是一个词，不够用。如果供应允许，他们会毫不犹豫地继续加仓。
国产加速卡在推理侧评价还可以，已经被不少公司部署到在线服务里，华为芯片在很多实验室都有落地。但在大规模训练上，英伟达依然是黄金标准，国产方案更多是辅助补位。
14、在开放程度和生态态度上，中国实验室显得既务实又有整体视角。Nathan 几乎问遍了所有头部团队，为什么会在这样的环境下持续开放自家最强模型。他自己坦言，把所有权心态和真实的生态支持这两件事联系起来，他还没完全想明白。
但从对话里，他归纳出几个共同的现实诉求，通过开放权重，快速让更多开发者参与打磨，发现缺陷；通过回馈开源社区，获得技术和口碑上的正循环；同时在内部保留更定制、更私密的模型版本服务自家业务。整体表现出来的，是一种既不绝对开源、也不一味封闭的中间态。
15、中国实验室对英伟达芯片的渴求是压倒性的。Nathan 走访下来，所有人现在的进展都卡在同一件事上，就是英伟达的卡不够用。
如果能买到，毫无疑问会继续加仓。
这里他特意点出来一个区分，英伟达是训练这一侧的黄金标准，没有替代品。但在推理这一侧，画风就完全不一样了。包括华为在内的国产加速卡，评价都是正面的，不是凑合用，是真的能打。
Nathan 说他遇到的实验室里，无数家都已经能拿到华为芯片，供给这边不是问题。所以中国实验室现在的真实状态是一个两层结构，训练咬牙抢英伟达，推理大方用国产卡，分得很清楚。
顯示更多
有人把房地产这行的玩法彻底改了。
有个男的，拿手机把一整栋房子扫了一遍，然后把扫描文件传到了网上。现在，全世界任何人只要在浏览器里点开一个网页，就能像真的走进去一样，把这房子逛一遍。
不需要下什么App，不用戴VR眼镜，也用不着联系中介、预约时间。就随手一点，人就跟在里面似的，每个房间、每个角度、连光线投下来的阴影，都特别真实。
再说几个数，挺吓人的：
· 一套50万美元的房子，中介费要1万5千美元。
· 而他这套扫描，成本大概200美元。
· 用这种方式，一个晚上能“逛”完50套房子。
· 生成的文件大小，比一条短视频还小。
背后的技术也挺厉害。它不是用游戏里那种一堆三角形拼起来的渲染方式，而是用了一种叫“3D高斯散射”的技术。简单说，就是用上百万个会发光的微小“点”，来还原颜色和空间深度。AI再根据你拍的照片，把真实场景给重建出来。最后在手机上打开，看着就像你真的站在那儿一样。
说到挣钱，这事儿确实有点意思。
现在已经有些自由职业者开始接单了，帮房产中介、做Airbnb的房东、活动场地、车行，甚至博物馆做这种扫描，一单收300到800美元不等。
一个人，一部手机，一个周末，就是一门小生意了。而且这项技术是开源的，基于PlayCanvas开发的。
顯示更多
Claude for Excel, PowerPoint, and Word are now generally available, and Claude for Outlook is in public beta.
As Claude moves between your Microsoft apps, it carries the full context of your conversation.
顯示更多
