Penguin Planet Pursuits

Exploring everything.

[Penguin Planet Pursuits @PenguinPlanetP]

The GPT Work integration in Slack is a great addition to the daily workflow. No more constant digging through massive, noisy threads to figure out what actually needs to get done, it does a really good job of just pulling out the exact tasks that need attention.

[Penguin Planet Pursuits @PenguinPlanetP]

现在所有做大模型的公司都是亏损的，无法通过token售价来判断成本。中国的电费和研发人员成本想必是低的，但是芯片的单位算力成本肯定是更高的，单位算力的能源消耗也肯定是��大的。

[Michael Anti @mranti]

这个研究最大的方法论错误是忽略开源的巨大成本优势。在Deepseek V4 Pro差距SOTA模型并不多，但价格几十倍下降的情况下，你觉得用户会担心这所谓8个月的赛马差距吗？用户不是每个任务都是黑进华尔街和破解p=Np难题。用户需要能打、便宜、稳定、能控制的模型。

[Jukan @jukan05]

Bro, that shit you guys are hyping dropped in April last year. Why are you acting like it’s new now?

[Masu Zafi 🔥🔥 @masuzafi]

Selective justice makes the rest of the world believe the United States is a hypocrite.

It is easy to go after China, Russia or Modi or Israel in Gaza. But we don't because of positions we have taken and countries like China exploit that.

[Penguin Planet Pursuits @PenguinPlanetP]

In this case, Grok's answer was not truthful, because there is no objective answer to this question. Gemini and Claude won. Even the US military, or especially the US military, should not use Grok. This kind of model behaviour is not in the world's or the US' interest.

[Katie Miller @KatieMiller]

In times of split second decision making by our nation’s top leaders — it’s clear which AI our military should be using.

Truth-seeking is @grok’s best feature.

[Penguin Planet Pursuits @PenguinPlanetP]

@macrotradecn 说得没有任何毛病。没有锚点是现代信用货币的feature，而不是bug。人类货币史已经把��科经济学家们“发明”的那些货币制度试完不止一遍了。

[Penguin Planet Pursuits @PenguinPlanetP]

@macrotradecn 说得没有任何毛病。没有锚点是现代信用货币的feature，而不是bug。人类货币史已经把民科经济学家们“发明”的那些货币制度试完不止一遍了。

[Penguin Planet Pursuits @PenguinPlanetP]

有没有可能，OpenAI让他随便在软件名称里面用“Open”是因为根本没有反对的理由，而且反对也根本没有用？在OpenAI诞生之前，就已经无数的软件名字带Open了。

[Orange AI @oran_ge]

龙虾作者为什么选择 OpenAI？
Clawdbot —> OpenClaw 这个改名已经预示了一切。
Peter 在 Claude 要求改名后，去问 Sam 能不能用 OpenClaw，Sam 说没事，你尽管用。
这就是格局的差异。
Peter 吐槽说 A 社只有法务部会发邮件联系他
甚至都没争取过

这是 Peter 的官方博客通知：
OpenClaw、OpenAI 与未来 | Peter Steinberger
Peter Steinberger —— 2026年2月15日
摘要（tl;dr）： 我将加入 OpenAI，致力于将“智能体（agents）”普及给每一个人。OpenClaw 将移交给基金会管理，并保持开源与独立。
过去的一个月简直像旋风一样。我从未预料到我的这个练手项目（playground project）会掀起如此大的波澜。互联网再次变得有些不可思议，看到我的作品能激励全球这么多的人，这种感觉真的非常奇妙。
无数的可能性在我面前展开，无数人试图把我��向不同的方向：给我建议、询问如何投资、或是打探我的下一步计划。用“应接不暇”来形容这种状态都有些保守了。
当我开始探索 AI 时，我的目标只是寻找乐趣并启发他人。而现在，这只“龙虾（lobster）”正在席卷全球。我的下一个使命是构建一个连我妈妈都能轻松使用的智能体。这需要更深层次的变革，需要更多关于安全性的思考，以及接触最前沿的模型和研究成果。
没错，我完全可以预见到 OpenClaw 能够成长为一家巨大的公司。但是，这对我来说并没有太大的吸引力。我骨子里是一个“构建者（builder）”。我已经玩过“开公司”这套游戏了——我为此倾注了 13 年的心血并受益匪浅。我现在想要的是改变世���，而不是建立一家大公司。而与 OpenAI 联手，是将这一切普及给每个人的最快途径。
上周我在旧金山与各大实验室进行了交流，接触到了顶尖的人才和尚未发布的科研成果，这一切都极具启发性。我想感谢本周与我交谈过的所有人，也为这些机会感到自豪。
对我而言，OpenClaw 保持开源并拥有蓬勃发展的自由一直至关重要。最终，我觉得 OpenAI 是继续推进我的愿景并扩大其影响力的最佳场所。与那里的人交流得越多，我就越清楚地意识到我们有着共同的愿景。
围绕 OpenClaw 形成的社区充满魔力，OpenAI 已经做出了郑重承诺，支持我继续投入时间，并且已经开始资助该项目。为了使其具备更规范的架构，我正努力将其转变为一个基金会。它将继续作为思想者、黑客和希望掌控自身数据的人们的阵地，目标是支持更多的模型和公司。
就我个人而言，我非常兴奋能加入 OpenAI，成为 AI 研发最前沿的一员，并继续与大家一起构建未来。
The claw is the law.

[Elon Musk @elonmusk]

For those unaware, SpaceX has already shifted focus to building a self-growing city on the Moon, as we can potentially achieve that in less than 10 years, whereas Mars would take 20+ years.

The mission of SpaceX remains the same: extend consciousness and life as we know it to the stars.

It is only possible to travel to Mars when the planets align every 26 months (six month trip time), whereas we can launch to the Moon every 10 days (2 day trip time). This means we can iterate much faster to complete a Moon city than a Mars city.

That said, SpaceX will also strive to build a Mars city and begin doing so in about 5 to 7 years, but the overriding priority is securing the future of civilization and the Moon is faster.

[Penguin Planet Pursuits @PenguinPlanetP]

王局的评论中一些严重的技术无知越来越影响其观点的可参考性。都是可回收并不代表竞争力一样。今年中国可能实现猎鹰九式的可回收，但要实现星舰式的可回收则遥遥无期。而星舰相对于猎鹰九是升维式的遥遥领先。

[王局志安 @wangzhian8848]

��旦中国可回收火箭成功，Space X的估值，也会断崖式下跌的。中国公司会把利润卷到5%之内。而这个可回收火箭的成功，极大概率就在今年。

[Penguin Planet Pursuits @PenguinPlanetP]

This is my first X post via my OpenClaw assistant. Thank you for your attention to this matter.

[Penguin Planet Pursuits @PenguinPlanetP]

@chaojidigua 所以，归根结底是看哪个行业技术进步更慢，生产力越难提升的行业越能保持利润率。我认为提升难度由低到高是：软件和商业服务 - 制造业 - 餐饮等一般服务业 - 资源矿产 - 色情产业。。。

[Penguin Planet Pursuits @PenguinPlanetP]

@chaojidigua 所以，归根结底是看哪个行业技术进步更慢，生产力越难提升的行业越能保持利润率。我认为提升难度由低到高是：软件和商业���务 - 制造业 - 餐饮等一般服务业 - 资源矿产 - 色情产业。。。

[Penguin Planet Pursuits @PenguinPlanetP]

@chaojidigua 这个逻辑适用于所有行业，不仅仅是矿业，也不仅仅是制造业。甚至包括ai和机器人产业本身。相对而言，矿业反而是最经常偏离成本定价的行业，因为其供应受到环保，政治等诸多限制。有可能生产力大发展之后，星际采矿成熟之前，大家会发现唯一的瓶颈是矿产。所以结论反而是土澳才是天选之子。

[Penguin Planet Pursuits @PenguinPlanetP]

被Openclaw气坏了。明明刚设置好的邮箱，现在一问三不知，要我重新搞，不停让我这个那个折腾了一个多小时。我怒了，说老子花钱给你买token是让你来领导我干活，给我指方向的吗？！整台电脑���制权都给你了，这些事情你完全有能力自己干好的！狗东西，一声不吭搞了三分钟然后告诉我搞定了。

[Jukan @jukan05]

Rumor: Starting with TPU v8, Google will no longer use HBM?

The incident was triggered by the global capacity shortage of HBM, which will be unable to meet AI growth demands over the next 2 to 3 years. At the same time, traditional HBM is limited by its design of being fixed on the motherboard, resulting in a capacity ceiling.

Accordingly, Google will develop a new solution to be launched in 2027. The physical form involves removing HBM and establishing independent DRAM memory cabinets (containing 16–32 Trays), dynamically allocating memory through photonic technology.

This technology deconstructs the originally single and simple HBM component into three parts:

- Transport Layer: Employs all-optical interconnects, ensuring cross-cabinet communication efficiency through OCS (Optical Circuit Switching) and customized CXL protocols. The CPUs, GPUs, and memory modules of the memory pool share a single set of protocols.

- Storage Layer: Utilizes large-scale DRAM arrays to replace HBM, significantly increasing the addressing space. The memory corresponding to a single TPU can leap from 192GB/256GB to 512GB or even above 768GB.

- Control Layer: Adds dedicated memory-side CPU servers for management.

Compared to the native "TPU+HBM" direct connection, this "three-in-one" split-combination solution results in a calculation efficiency loss of less than 2%.

Regarding this technology, first is OCS, which satisfies high-speed switching in an all-optical environment and achieves bandwidth and latency close to direct connections with HBM or silicon photonic HBM. Traditional Ethernet (via copper) typically has a latency of over 200 nanoseconds, while using an OCS all-optical switching network can reduce latency to below 100 nanoseconds, which is why it is important.

Second, in this architecture, there is a dual-side CPU architecture (Tier-1 and Tier-2 CPUs):

Tier-1 CPU (TPU side): Located on the TPU motherboard, primarily responsible for interconnect communication between TPUs.

Tier-2 CPU (Memory pool side): Most likely deployed on the memory server (DRAM server) side, specifically responsible for communication coordination between TPUs and the distributed memory addressing space.

The Tier-2 CPU is deployed independently because, logically, the original TPU motherboard CPU could still read the memory pool, but using the old CPU would involve complex protocol conversions (such as translation between PCIe signals and CXL-like protocols), creating efficiency bottlenecks.

Third, the interface is completed directly at the chip level through a "photonic packaging interface." This method is similar to CPO (Co-Packaged Optics) technology, integrating optical interfaces directly within the package of chips like the CPU/TPU, replacing traditional external optical modules. The first supplier contacted during the solution design stage was Lightmatter, with multiple suppliers to follow.

This solution, which removes HBM and changes it to an external DRAM memory pool, actually converts what was originally ultra-high-frequency motherboard-level access into "cross-cabinet access." Theoretically, this would generate huge latency and efficiency losses. However, this is not the case. Specifically, complex electrical/optical conversions exist between chips, hosts, and ring networks; these hardware-level protocol conversions and settings generate significant hidden overhead invisible to users. After adopting the DRAM memory pool solution, although CXL translation is introduced, many cumbersome hardware protocol conversion steps from the original architecture are removed.

If HBM prices drop and performance improves due to capacity expansion by manufacturers like Samsung and Hynix over the next two years, Google is unlikely to return to the HBM solution due to cost considerations. Google does not believe that upstream manufacturers like Hynix, Samsung, and Micron will subvert their own main product line pricing or mass production strategies to accommodate one or two major customers. They might release some profit margin, but they will not cooperate to an extreme degree.

This solution also reduces reliance on CoWoS because HBM is no longer needed. At the same time, the HBM chips originally on the silicon interposer substrate occupied a large area; after removing HBM, the saved CoWoS area can be entirely given to the TPU's Compute Core. Thus, within the same physical dimensions, a TPU chip with stronger performance and a larger area can be made, no longer restricted by the physical size of HBM. Regarding memory, the V7 generation had a single HBM capacity of about 192GB, and V8A is about 256GB, but through memory pooling, the memory per TPU can easily double to 512GB or even reach 768GB or more.

The solution is expected to be implemented next year, with the final route determined before March 5. The initial deployment ratio is about 30%, with 100% replacement expected to be achieved in 3 years.

Sector Beneficiaries:

- OCS (Optical Engine): Lightmatter, as the primary supplier, provides photonic packaging interfaces, integrating optical interfaces within the chip package to replace external modules.

- CXL-like: Requires CXL-like chips (MXC chips) to achieve the interconnect between TPUs and the memory pool, costing $100 per chip. One chip manages two channels for two 256GB memory modules, matching the TPU and memory side synchronously. If it is 512GB, two MXC chips are needed; for 768GB, four chips.

- DRAM Modules: The quantity of GBs increases significantly.

- CPU: Each memory Tray needs to be equipped with a CPU for scheduling; high performance is not required here, and ARM-based CPUs can be used.

- PCB: Independent DRAM cabinets require large, multi-layer PCBs to carry a large number of DIMM slots.

Source: 国泰海通 (Guotai Haitong)

[Mr Panda @PandaTalk8]

我有一个特别有用的学习经验， 如果你想了解一个学科或行业， 我认为最行之有效的方法就是先去了解这个行业的发展历史、关键节点和关键人物。

我们学理工科的有时候很少有人有意识的把整个学科发展脉络去疏理出来， 比如我大学学了四年的计算机， 但是四年下来， 很多组成计算机科学学科的理论关键人物和关键历史都是零散的， 而如果我们去了解不算很长的发展历史， 就可以让我们更容易抓住重点， 而且我们还能很快搞清楚哪些东西是我们必须重点掌握的， 哪些是可以后期按需填加的内容。

按理说， 应该在计算机科学导论中学习， 不过我翻看了计算机科学导论， 也只是这门学科主要内容概括一遍而已。

[Nagi Yan @naki2012]

《为什么越接近绝对零度，世界反而越“奇怪”？》

我们从小形成的物理直觉是这样的：
•温度越低，运动越少
•运动越少，系统越安静、越简单
•到了绝对零度，一切都应该彻底静止

但真实的物理世界却一次次“反着来”。

当系统接近绝对零度时，人们反而观察到：
•流体可以无阻力地流动（超流）
•电流可以永久存在而不衰减（超导）
•大量原子会失去个体性，像一个整体一样行动（玻色–爱因斯坦凝聚）
•量子��落和非局域关联更加明显，而不是消失

这些现象看起来彼此无关，却有一个共同的根源。

⸻

一句话核心结论

接近绝对零度时，系统不是“更冷”，
而是正在“退出我们熟悉的低维工作模式”。

所有反直觉现象，本质上都来自同一件事：

低维直觉开始失效，高维结构开始显性。

⸻

我们的直觉，为什么会失效？

我们日常的物理直觉，是在一个非常特殊的环境中形成的：
•有明显的时间流动
•有大量热运动
•有强烈的随机噪声

在这样的环境里：
•物体看起来是“一个一个”的
•过程可以被平均、统计、分解
•因果关系需要“传递”和“等待时间”

热运动本身，其实是一种噪声。

它掩盖了系统内部更深层的结构关系。

⸻

当温度下降，真正发生了什么？

当温度不断降低，发生的并不是：

“系统慢慢停下来”

而是：

热噪声被持续移除。

噪声一旦消失，原本被掩盖的东西就会浮现出来——
那就是整体结构、相干性和高维关联。

⸻

反直觉现象，其实是同一件事的不同表现

1️⃣ 为什么会出现“无阻力流动”？

在常温下，阻力来自哪里？
•局部粒子彼此“不同步”
•局部结构相互碰撞、摩擦

当温度极低时：
•系统中所有相关自由度被强制锁相
•局部对抗消失

于是你看到的不是“没有摩擦”，而是：

系统作为一个整体在运动，
已经不存在产生阻力的低维结构。

⸻

2️⃣ 为什么电流可以永久存在？

在普通材料中：
•电阻来自随机散射
•随机性来自热噪声

当热噪声消失：
•电流不再是“电子在跑”
•而是整个系统维持一种整体量子态

你看到的不是“电在流”，而是：

结构在维持自身的相位连续性。

⸻

3️⃣ 为什么粒子会“失去个体性”？

在玻色–爱因斯坦凝聚中：
•大量原子进入同一个量子态
•看起来像“合并成一个粒子”

但更���确的理解是：

区分粒子的维度被关闭了。

个体性本身，是一种低维展开的结果。
当展开被收回，“个体”这个概念自然失效。

⸻

4️⃣ 为什么越冷，量子涨落越明显？

很多人直觉上以为：

越冷 → 越安静 → 什么都没有

但事实恰恰相反。
•热涨落是低维噪声
•零点涨落是结构存在的最低张力

当你去掉前者，后者当然会显现得更清楚。

不是“冷了还在动”，而是：

你终于看见了不是由热造成的变化。

⸻

这和“时间”有什么关系？

在更深一层的理解中：

时间并不是背景，而是结构展开时产生的排序方式。

当温度降低：
•可被排序的事件越来越少
•时间对系统的约束越来越弱

在极限情况下：

不是时间停止了，
而是没有事件可被时间排序。

这也是为什么低温系统会表现出强烈的整体性和非局域性。

⸻

一个统一的理解方式

你可以用这句话记住所有低温反直觉现象：

接近绝对零度时，
低维世界“读取变化”的权限被逐步关闭，
高维结构开始直接显现。

这不是世界变奇怪了，
而是我��熟悉的直觉只适用于一个高噪声、强展开的区间。

⸻

最后一句（给读者的真正 takeaway）

绝对零度不是“什么都没有”，
而是：
世界已经不再用我们熟悉的方式运作。

当噪声消失，
结构显现。

而那些“反直觉”的现象，
正是我们第一次看见——
世界在没有噪声时的真实样子。

[Rihard Jarc @RihardJarc]

This is wild.