夏日海滩花朵宫下美波上线啦🌼 我已经把她抽到手啦🤭 @p5xsea @p5xofficialwest #persona5x# #p5x# #persona5# #宫下美波# #女神异闻录夜幕魅影# #夏日海滩#

喵～！P5X 鹿野莓！🍓 这还只是个试装哦！* 太开心啦，@P5XOfficialWest 和 @P5XSEA 很快就要上线莓了 🥹 我都整整等了一年啦！ #p5x# #p5xberry# #p5xcosplay# #ichigoshikano# #persona5cosplay# #女神异闻录夜幕魅影# #鹿野莓# #鹿野莓cos#

你看起来可不像是生病的样子……是不是在打什么坏主意呀..？ 八月 Set A/B！ #taetakemi# #persona5cosplay# #taetakemicosplay# #武見妙# #女神异闻录5# #武见妙cos#

“准备好接受检查了吗，小白鼠？别担心，我会尽量不弄痛你的……大概吧…” 我永远都不会忘记今年的八月……在这个月里，毫无预兆地失去了两位挚爱。 真的好想念他们 🥺 不管怎样，这周末我的 AMG 摊位号在 CC11。 八月 武见妙 Set A 💋 #taetakemi# #persona5cosplay# #女神异闻录5# #武见妙# #武见妙cos#

感觉Personal AI这波又回归了移动互联网的肌肉记忆，看用户量，而不是看ARR，所以创投圈的中登们都很兴奋，之前让他们去卖Token实在是太难受了，技能和市场根本对应不上。 而且AI时代的用户量，量级单位又低了不止一个档位，Threads当初是达到了1亿的MAU，扎克伯格才好意思在财报上主动披露，否则哪儿够看啊，但Muse才刚50万日活，Meta就按捺不住激动全世界嚷嚷了。 不过有一说一，从Muse发布到现在，Meta的股价已经涨了1/4，要知道，这可是Meta，AI行业公认的大乐子，到了自己擅长的消费级应用主场，小试牛刀就是大乘境界。 一代版本一代神，文艺复兴了，兄弟们。 至于国内市场究竟是否需要Personal AI不重要，重要的是那么多流离在外的P8P9，他们刚需Personal AI啊。 多看几步的话，微信是一柄绕不过去的达摩克利斯之剑，Personal AI能做的事情，微信都能做，但微信能做的，Personal AI未必能做到，龙哥是不是在守株待兔我不知道，微信的存在本身，就是Personal AI面临的的鲸吞之局。 感觉这一代AI创业者的憋屈还是很明显的，在B端的生产力市场，必须卡着模型大厂「看不上」同时又还有钱可赚的边界行走，稍微越线就会触发「模型吞噬一切」的团灭机制，在C端的生活化场景，又必然撞见移动互联网的传统巨头，它们在模型层可能暂时掉队，但在应用层，呵呵，个个都是磨刀霍霍，有人主动来帮忙验证赛道，那可真是义务劳动，吃干抹净的时候定当含泪感恩。

Twitter Personality AI 一周 500 万用户。 峰值 4000 美元/小时。 全部一次性 6.99 美元。 国内做 SaaS 的逻辑：上来就 99 元/月。 海外正在反向：一次性 + 病毒分享 + 动态定价。 订阅模式的死敌不是更便宜的订阅。 是「一次性付费 + 朋友推一下就值回票价」的体验。 你的产品，用户是想用一辈子？ 还是只想用一次就转给下一个朋友？

My ex-boss became my personal cum toy. 讓那個開除我的老闆變成我的賤狗。🧸💦 👤 | @Trainee__K 🇯🇵 See me ride until he filled me. ↓

1/ 🧠 為什麼未來的 personal AI computer(像 NVIDIA DGX Spark)真的能跟 data center 一較高下? 不是因為桌面變強到取代雲端,而是因為 AI 的「需求結構」正在分裂 —— 訓練留在雲端,推論回到本地。 2/ 關鍵突破一:FP4 改寫遊戲規則 70B 參數的模型,用 FP16 要 140GB 記憶體; 換成 FP4 → 只要 35GB。 一台配 128GB unified memory 的桌面機,就能跑得動以前要 8 張 H100 才能裝下的模型。 精度損失?用 QAT(量化感知訓練)幾乎可以忽略。 3/ 關鍵突破二:Memory Wall 正在被打破 LPDDR5X 頻寬不夠? •Apple M4 Ultra 用超寬位元寬度做到 ~800 GB/s •LPDDR6(2027)頻寬再翻倍 •NVIDIA DGX Spark 用 GB10 + 連貫記憶體架構 桌面端不再是「閹割版 GPU」,而是「為推論優化的新物種」。 4/ 關鍵突破三:你根本不需要 data center Data center 解決的是: ✅ 訓練 frontier model(兆級參數) ✅ 服務全球數十億用戶並發 個人需要的是: ✅ 一個跑得動 70B–200B 模型的本地大腦 ✅ 隱私、低延遲、不用月費 這兩件事根本是不同問題。 5/ 投資啟示 💡 •HBM 仍是訓練端王者(SK Hynix、Micron) •但邊緣推論晶片 + 高頻寬 LPDDR/統一記憶體會是下一個十年的新戰場 •NVIDIA DGX Spark、Apple Silicon、AMD Strix Halo、高通 X Elite —— 都在卡位 未來不是雲端 vs 桌面,是雲端做訓練,桌面做你的 AI。