AI最严厉的父亲
@dashen_wang
马斯克研究所合作伙伴 @MuskPapa_x @razzhood
当AGI睁开眼睛的那一刻，人类的存在便失去了所有意义
构架散人。
反编译 / 站群 / 量化 / Agent,二十年自学。
现在只带 Agent 干活,不雇人。
731 正在關注 29.1K 粉絲
马斯克爸爸要来中国了。
这是马斯克研究所中国新篇章的开篇——他会在中国待上两周，跟一群中国朋友一起走、一起看。
9 月 9 号到 15 号，广州、深圳；15 号到 22 号，上海、苏州。9 月 17 号他在上海，CyberCab 展出期间会到场地外围走走。
白天在开阔的户外场地。看中国智造怎么造车，也自己上手试试新能源车。这一路他想看的是正在发生的东西——工厂、产线、路上跑的车，都是活的。
这半个月他都会在路上：每天都在，遇到了就能合影，聊得上就多聊两句。这样的机会，往后很难再有第二个版本。
怎么参与：
· 扫码加群：扫下面第一张图的群聊码，或者加微信 Muskbaba1。每天的行程，只在群里同步。
· 关注视频号：扫下面第二张图。白天的现场实录会发在视频号；每晚 10 点，他会在视频号开直播，聊自己写的科幻小说《Noah》，想听的直接来。
马斯克研究所想做的其实很朴素：让做事的人，和真正走在前面的人，面对面聊一聊。
中国这一章，从这趟开始。更多可以看看
顯示更多
哈哈哈哈
蜂群。
摆烂了。
哈哈哈哈
🚨 NVIDIA just quietly changed what a “personal AI computer” can mean.
Meet NVIDIA PAIR: Personal AI Router.
Instead of buying one massive machine to run local AI, PAIR lets you connect the computers you already have and turn them into a personal AI inference cluster.
Your RTX PC.
Your DGX Spark.
Even supported Macs.
All working together.
PAIR automatically discovers compatible machines on your local network and routes AI workloads to whichever device has available compute.
Think of it like a load balancer for AI agents running inside your house.
And this is where things get interesting:
→ Run multiple AI agents in parallel
→ Route inference across multiple GPUs/computers
→ Use Ollama + LM Studio
→ Keep prompts, files and agent context on your own network
→ No racks or complicated cluster setup
→ Windows, Linux and macOS support
The bigger idea here isn’t just PAIR.
It’s where NVIDIA thinks AI computing is going.
Today we have:
1 user → 1 computer → 1 AI model
Tomorrow could look more like:
1 user → many AI agents → an entire pool of local compute
Your gaming PC might run one agent.
Your workstation runs another.
A DGX Spark handles the heavy model.
And PAIR becomes the router deciding where every inference request goes.
The cloud isn’t disappearing.
But personal AI infrastructure is starting to look a lot more like a miniature data center.
And NVIDIA wants to provide the operating layer underneath it.
PAIR is currently in beta and NVIDIA has released it as free, open-source software.
This one is worth watching. 👀
顯示更多
信号日期: 2026-08-18
收益: 25.938%
为什么这样操作: 收盘价 81270.37 目前高于止损线
77880.267、高于趋势均线 69401.2015，同时低于止损线与均线的卖出条件尚未触发，因此继续持有。
🤓🤓🤓
顯示更多
这个事情还是走对了，233关注了这个列表
也确实挖掘到了很多优质的内容
同时拒绝搞什么X内容增长社群收一笔什么群费有效避免了转发低质量内容的行为
顯示更多
目录式数字员工这个说法挺对的 先别急着搞一堆人设 先把岗位 文件夹 权限跑通 Data Data Data Go.
快来快来看一看，他开蓝 V 了。
他是谁？
@dashen_wang 严父，我开蓝 v 了
可以收藏起来给你的 AI 看看。
👌
AI 时代，真正拉开人与人差距的，从来不是谁先学会了提示词。
普通人，用 AI 完成任务。
聪明的人，用 AI 提高效率。
高手，用 AI 搭建系统。
更强的人，用 AI 设计架构。
而真正站在上面的人，已经开始让 AI 制定规则。
同样一个模型。
有人拿来写文章。
有人拿来做游戏。
有人拿来做科研。
有人拿来逆向硬件。
有人研究的，已经不是 AI 能替我做什么。
而是下一套生产方式，应该怎么运行。
工具永远不会决定一个人的高度。
决定高度的，是你站在哪一层看工具。
未来真正值钱的，也不是会使用 AI 的人。
而是能够定义 AI 应该如何工作的人。
顯示更多
作为一个男人。
如果做不到
你的 AI 在用 token 的时候，你也在用 token。
那你就支离破碎了。
好东西，挺好的。
AI 工具越装越多，工作流反而越来越乱？
在 Hermes Studio，Hermes、Claude、Codex、Pi、Grok 等 Agent 可以统一管理、按需选择、一键安装。
不再被单一模型限制，而是让不同 Agent 成为随时可扩展的能力模块。
顯示更多
急了吗。
As we prepare to release Astra, we’re focused on making increasingly capable AI safe and broadly accessible.
Astra represents a significant advance in cybersecurity capability, reaching the Critical threshold under our Preparedness Framework.
We're previewing how we evaluated the model, how its safeguards have advanced alongside its capabilities, and what we'll continue to learn and improve.
顯示更多
谷歌还是有很多不错的东西的，但都是虎头蛇尾的。从最早的谷歌 Labs。孵化出了很多优秀的东西。嗯，对于这家公司真的是又爱又恨。
但是已经在终身使用他们的服务了。
顯示更多
我在等你的好消息。
Dear NVIDIA RTX 16 GB GPU users 🫵
You'll soon be able to easily run Qwen3.8-27B with large context + MTP. And no, it's not Q2 GGUF 👀
That includes all RTX 5060 ti/5070 ti/5080 & older NVIDIA 16 GB GPUs.
Linux & Windows.
Coming soon
顯示更多
一日不见，如隔三秋，进步神速。
我把 @dontbesilent 的DBS Skill 微调到Qwen 3.8 27B的未审查模型了！
目前还在继续微调，大约需要半个月到一个月完成测试，借此机会分享一下关于Fine Tuning模型微调的作用和价值
以我这个为例，其实是把栋哥的判断框架、说话方式和诊断流程，写进这 27B 未审查本地模型里
真正变好的有价值的地方在于：
1、方法被内化，不再每次靠超长 Skill 文件
2、口吻和判断标准更稳定，就像栋哥在你身边
3、没有约束，全是难听有用的实话
4、推理更省上下文
不过就是图一好玩，具体能做出什么效果，试试就知道了
顯示更多
真正玩过 Linux 的人，现在看很多 AI Agent 教程，心情其实挺复杂的。
因为你会发现，AI 是 2026 年的。
很多所谓 Agent 基础设施，大概是 1996 年的。
给 Agent 单独建用户，叫身份隔离。
chmod 一下，叫最小权限。
分个目录，叫 Workspace Sandbox。
限制 sudo，叫安全边界。
systemd 守护进程，叫 Agent Runtime。
cron 定时跑，叫 Autonomous Scheduler。
journalctl 看日志，叫 Observability。
SSH 远程进去，叫 Human in the Loop。
Docker 套一层，叫 Secure Execution Environment。
进程挂了自动拉起，叫 Self Healing。
几个脚本互相调用一下，已经开始画 Multi Agent Architecture 了。
再配个 Redis，恨不得第二天融资。
我有时候看这些架构图，确实挺受教育的。
原来我以前管服务器的时候，每天都在做 Agent Infrastructure，只是当年没人告诉我这个词值钱。
Linux 真正舒服的地方就在这里。
你根本不用相信 Agent。
给它一个普通用户。
一个 home 目录。
该读的给读。
该写的给写。
不该碰的连看都别让它看。
CPU、内存、进程、端口、文件、网络，全都能管。
想长期跑就 systemd。
想临时跑就 tmux。
想定时跑就 cron。
想隔离就 container。
还不放心就 VM。
再不放心直接断网。
所以很多 Linux 老用户玩 Agent 上手特别快。
因为别人还在研究怎么优雅地管理一个会执行命令的 AI。
Linux 用户看了半天。
哦。
不就是又来了一个不太靠谱的普通用户吗。
顯示更多
这段时间，我们几个其实一直在折腾本地算力。
AMD Max 395，DGX Spark，多卡 GPU 工作站，本地 LLM，ComfyUI，文生图，文生视频。
以前基本都是自己玩，自己跑模型，自己解决业务问题。
但最近感觉真的变了。
千问这一代一代往上冲，MiniMax H3 最近又火了一波，国产开源模型越来越争气。
以前的问题是，买这么多机器到底跑什么。
现在反过来了。
模型越来越多，真正不够用的开始是本地算力。
所以我们建了个群。
Data Go。
专门聊本地算力、国产开源模型、硬件搭配、模型部署、ComfyUI 工作流，以及这些东西怎么真正跑进业务。
Max 395，DGX Spark，多卡机器，千问，MiniMax，文生图，文生视频，后面我们折腾出来的东西都会往里面扔。
入群 199。
不是靠这个赚钱，就是筛一下人。
这一轮国产模型是真的起来了。
模型都雄起了，就别只在云端看热闹。
把机器开起来。
Data Go，199。
联系我们的盖瑞小哥加群
顯示更多
这两天 CMP 170HX 的行情，其实我看得越来越清楚了。
两天前，我订了一批160张8G版，数量价格都谈好了。
今天准备付定金提货的时候，对方告诉我，卖完了。
然后朋友这边又找到我，说有货的话，再帮他加200张。
海外也已经有人私信我，直接预定。
所以现在反而是我不太敢出了。
这张卡一开始，确实只是个人玩家、小工作室在玩。华南板子，二手平台，插几张卡，8G解64G，跑跑Qwen、DeepSeek，大家觉得就是个性价比很高的大玩具。
但接下来一定不是这个逻辑了。
下一批真正进场的，会是企业、专业工作室，还有真正做本地算力部署的人。
因为和同样大内存的AI小主机相比，170HX最大的意义不是单纯64G。
它是GA100，是CUDA卡，能推理，也能训练。
一张卡是玩具。
4张、8张上服务器以后，就是算力平台。
最近我也在看4U二手服务器的行情。
只能说，卡开始涨了，平台也开始涨了，以前很多没人问的机器，现在也开始有人收。
这其实很好理解。
开源模型越强，本地部署需求只会越大。
模型越来越大，上下文越来越长，Agent越来越重，推理要显存，训练也要显存，真正做生产的时候，最后发现还是得回到本地算力。
现在我手上还有60张8G版。
本来想着陆续出掉。
现在不出了。
准备直接组平台。
因为我现在担心的已经不是这张卡还能不能涨。
而是以后想组平台的时候，还有没有货。
顯示更多
