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？

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。

用AI定制专属疫苗去精准消灭癌细胞，人类抗癌迎来破局时刻！Moderna与默克联合研发的mRNA癌症疫苗三期临床成功。通过测序肿瘤并用AI挑选抗原激活T细胞，效果远超传统疗法，标志着AI与多组学正让个性化医疗加速落地。 Tempus：肿瘤测序合作方，并计划收购 Personalis Personalis：临床试验阶段测序合作方 另涉及 Twist、10x Genomics 等工具公司 AI与mRNA技术的结合彻底改写了肿瘤治疗的底层逻辑，让千人千面的精准抗癌真正走进现实。这不仅证明了多组学产业链的落地能力，更给无数患者带来了前所未有的生存曙光。随着技术成熟与成本下降，个性化医疗必将重塑整个生物医药行业的未来格局。

🪄 Daniel Miessler 把自己那套个人 AI 系统整个开源了，装上就有持久记忆、任务路由和会自我改进的 skill GitHub 上 1.8 万 star，MIT 协议 用 Claude Code 久了都会遇到同一件事：它不记事。昨天讲过的偏好、上周定好的流程，新开一个会话全部归零，你得重新交代一遍。 LifeOS 走的是另一条路，整套东西以一个自包含的 skill 分发，里面带工作流、工具和安装内容，跑在 Claude Code、Cursor、Codex、Hermes 这类工具之上，作者本人主要用 Claude Code 跑它。持久记忆、上下文管理、任务路由和自我改进都在这一层里，模型换谁不影响你攒下来的东西。 项目原来叫 PAI，也就是 Personal AI Infrastructure，今年 7 月连发了 6.0.0、6.0.2 和 6.0.3，路线图里还排着本地模型支持、细粒度模型路由、远程访问和外部通知。有一点先知道：公开仓库是从一个私有源码树生成的，社区提的补丁会被移植回源码树并保留署名。 AI 不记得你是谁的时候，再聪明也只是个陌生人。 GitHub：

《我是E人，但我可能真的不适合做投研》 昨晚在填写一份资料的时候，有个地方要填自己的MBTI ，简单理解就是自己的性格类型，之前也听别人说自己是ENFJ、ISNJ等等，就是大家口中所说的I人和E人，这次刚好用到，就顺手在16Personalities上测了下，测出我的性格类型是ESFJ，E人，在我的意料之中。 其实不管是I人还是E人，都没问题，根据自己的性格特点来选择做不同的事情就行，比如我的性格特征是ESFJ，问了一下Ai，给我的解释： E：偏爱群体活动，社交能够带来能量。 S：务实、接地气，关注正在发生和已经发生的事情。 F：重视感受、同理心及人与人之间的和谐。 J：喜欢计划、秩序和明确的安排。 按上面的解释，确实很多都和我对得上的，比如我是喜欢参加线下活动，也乐于认识新朋友，重视家庭、感恩和朋友之间的链接，写文章也一直要求接地气，不要太专业，而对于投资标的，投资仓位，港新，小孩的兴趣培养等等这些事情，我都有明确计划，而不是完全随性的那种。 做为E人，我个人觉得比较难深入做枯燥的研究工作的，会比较消耗能量，比如在交易员之家有个A股的投研小组在招募，招募的人不多，据说也就几个人，几天前我也尝试去报了名，但是这几天仔细想了一下，真的万一选上了，我要不要去，就我这个水平，会不会耽误大家，毕竟面对的是几百人的社区，投研工作这么重，花的时间这么多，而我每天都是很喜欢运动的人，一天要打几个小时球的，又是一个追求无拘无束的人，万一真的做了投研工作，对我个人的生活其实有很大的影响的，我自己估计也比较内耗。 刚好，今天小枫和加君老师面试，会后，我也直接把我的想法说出来，我觉得不能自己内耗，每个人都有每个人的擅长点，做自己擅长的就行，不擅长研究，那就找擅长研究的人，取长补短，互相配合，最后反而说出来，会更轻松，用谷木那句话来说，自洽就好。