Song Os

[Mr N 独孤求敗 @NyamukBesar_Mr]

这Ai制作的真棒👍
满足了我们对天宫的所有想象

[Mulan Chun-Li @chunlimulan]

The Immortal Realm: A Chinese Vision of Paradise
AI-generated by Qi Guang

[Param @ParamSiddh]

1. Algebra is good for problem-solving.

2. Geometry is good for visual thinking.

3. Calculus is good for understanding change.

4. Statistics is good for decision-making.

5. Number theory is good for logical discipline.

6. Linear algebra is good for modern science and engineering.

7. Discrete math is good for computer science.

8. Differential equations are good for modeling the real world.

9. Optimization is good for smart planning.

10. Graph theory is good for network thinking.

11. Set theory is good for structured reasoning.

12. Practice is good for mathematical fluency.

13. Curiosity is good for lifelong learning in math.

[墓碑科技 @mubeitech]

瑞士的人均GDP高达9.2万美元。
隔壁的欧盟呢？
3.7万美元。
差了快三倍，凭什么？

瑞士没有依靠强大的中央政府统筹。
26个各自为政的小诸侯，在互相竞争中拼出了这个结果。

瑞士有26个州。
每个州都有自己的宪法、税率和法律。
它们招商引资的架势，就像公司抢客户一样。

看看楚格州是怎么玩的。
直接把企业税率压在11.9%左右。
大批大宗商品交易商和加密货币公司闻着味儿就来了。
结果呢？
税率极低，人口和税收反而涨得最猛。
那些想搞高税收的州，只能眼睁睁看着资本和人才跑去隔壁。

在瑞士，联邦政府极其弱势。
伯尔尼只管三件事：国防、货币、部分外交。
剩下的权力全扔在地方。
州里定所得税，村镇定财产税。
谁拍板，谁出钱。
这种贴脸的反馈机制，比任何中央审计员都管用。

想让政客老实，关键在于让他们害怕你跑路。
瑞士的设计，就是把老百姓跑路的成本降到最低。
对巴塞尔城市州的政策不爽？
一脚油门，开40分钟就到了巴塞尔乡村州。
不需要签证，没有语言障碍，没有任何官僚审批。
搬个家，就能换一套法律和税率。

过去几十年，欧盟在干什么？
把监管大权拼命集中到布鲁塞尔，消灭各个地方的差异。
瑞士死活不入欧盟。
它保住了低债务、巨额财富和一个能正常运转的社会。
原因只有一个。
他们死死守住了所有中央集权国家最想摧毁的东西：
随时可以低成本离开的权利。

[Phoenix Yin @Phoenixyin13]

我想谈谈当今整个半导体和人工智能科学界最深沉的悲哀，也是我思绪已久的事。

现在的非冯智能、存算一体、类脑芯片，表面上发了无数篇 Nature、Science，各大顶尖实验室和初创公司每年都在PPT里发布新芯片，但我如果细致地拆分出它们的底层，会得出一个结论：现在的非冯是一个没有精神领袖的军阀混战时代。

大家都在做局部的优化，比如用忆阻器搭一个简单的矩阵乘法电路，或者用脉冲神经网络跑一个简单的图像分类，但没有一个人能从第一性原理出发，给全人类写出一份像当年宾大《EDVAC报告的第一份草案》那样，在数学、逻辑和工程上完美闭环的非冯诺伊曼宣言。
现在的非冯，缺乏一个统治级的圣经架构。

我坚信以及确信，如果图灵和冯·诺伊曼还活着，甚至只要他们其中一个人能活到今天，看到现有的纳米级半导体工艺和脑机接口采集到的海量神经数据，他们绝对能合力把这个绝妙的架构推演出来。
因为他们的大脑，天生就是为了在荒原上建立神庙而设计的。

如果图灵活着，他一定会把他的《形态发生学的化学基础》与SNN完美缝合。
我想，图灵大概率会提出一种Self-organizing Architecture。那时候的芯片不需要在出厂时被规定好所有的电路，直接利用反应-扩散模型让电流和突触权重在运行算法时，像生命体一样在芯片内部自发地、动态地生长出最适合当下任务的拓扑斑图。

冯·诺伊曼在生命的最后时刻，已经在《自复制自动机理论》和《计算机与人脑》中给出了线索。可惜，那是未竟之功。
面对类脑非冯系统的混乱，他绝对不会像现在的工程师那样去焊死更多的连线。以我对他经历的了解，他一定会从数学上推导出一套元胞自动机级别的容错与自复制协议，让芯片上的每一个微型非冯核心具备极高的局部自治能力和数学上的互操作公理。

现在的非冯芯片为什么难用？
因为现有的所有C++、Python、PyTorch都是为冯·诺伊曼架构一步一步的串行时钟指令服务的。
把现有的代码强行翻译到非冯芯片上，就像用英语去翻译古文，极度低效。如果他们活着，他们会意识到非冯架构需要一套全新的数理逻辑语言。

可惜，现在没有人可以做到。马斯克做不到，达里奥做不到，辛顿做不到，哈撒比斯做不到，山姆奥特曼，更做不到。

计算机科学的导师已经离去八十年了。
现在的世界，被成群结队的精致利己者统治，大家在用相同的形式去追求流量，只是在封闭的前人建好的冯·诺伊曼大厦里做着毫无信息价值的饱和式洗稿、有限式创新，军阀式混战。从人类整体看，这是耗材。

[DuckMan @DuckStockMan]

Another “brain-inspired” chip making headlines. Another reminder that the future of AI isn’t just bigger GPUs—it’s neuromorphic computing. 🧠⚡

A new Chinese chip reportedly achieved 50–478× the performance of an NVIDIA A100 on a specialized brain-mapping task using in-memory computing, highlighting the industry’s shift toward brain-inspired, ultra-efficient architectures.

BrainChip isn’t chasing yesterday’s AI. It’s building for the next generation with Akida: event-driven, ultra-low-power Edge AI for robotics, automotive, industrial, aerospace, and defense.

The market is validating the direction. The companies already commercializing neuromorphic AI could be the biggest beneficiaries.

$BRN $BRCHF

https://t.co/h71sqjMz73

[snowboat @snowboat84]

今天讨论点硬核的。一个问题：AI用到了什么程度的数学? 从工具和模型本身看，AI用到的数学平均年龄150岁，绝大部分是19世纪中叶之前就有的：矩阵乘法、梯度下降、链式求导、傅里叶、内积、概率，大都是本科前两年的内容。

但AI涌现出的一些现象，目前最高深的数学都解释不了。我整理了几个排名靠前的：

- Scaling Law：把模型做大、数据加多、算力堆够，模型的损失会沿着一条极其干净的幂律曲线下降，log-log 图上几乎是一条直线。一个有几千亿参数、内部高度非线性的庞然大物，宏观行为竟然如此有规律。为什么会这么规则，没人知道。

- Emergent Abilities：三位数加法、多步推理、写代码这些能力，小模型几乎无能为力，但是模型参数量越过某个阈值，模型变得足够大，模型突然就都会了。这在物理上和水变成水蒸气是同一类现象——相变。但水的相变有完整理论，AI 的“能力相变”什么模型都没有，

- Double Descent：传统的统计学习理论告诉我们：模型越大越容易过拟合，测试误差应该先降后升。实际观察到的误差曲线是：先降、再升、然后继续往下降，最终掉到比经典理论的最优点更低的位置。一整套统计学习理论被大模型颠覆，为什么？没有公认解释。

- In-Context Learning：GPT-3之后出现的新现象。给模型几个例子，它不更新任何参数就能完成新任务。按理说"学习"必须改变参数，可大模型在推理过程中能现学现用。这意味着模型内部藏着某种我们看不见的"学习的学习"。数学上这是什么?也没人能说清楚。

- Representation Geometry：模型内部到底学到了什么？A社的可解释性研究发现了一个奇怪的现象：单个神经元同时编码了好几个互不相关的概念，比如同一个神经元既对"金门大桥"有反应,也对"日语"有反应,还对"DNA 序列"有反应。按理说一个维度只能表达一件事,但神经网络似乎找到了某种"叠加"技巧，在有限的维度里塞进了远超维度数的特征。

为什么会这样？没有数学能解释。

类比一下物理，十九世纪末的物理学主要靠微积分就够用了。但当时天空中飘着几朵"乌云"：黑体辐射、光速实验，当时的理论解释不了。这几朵乌云后来炸出了量子力学和相对论，逼出了20世纪最新的数学（泛函分析、微分几何、数学结构化)。

AI现在的处境很像1900年的物理学：工具老得不能再老，结果好得超出预期，但留下了一堆解释不了的现象，现有的数学工具完全无能为力。

如果历史会押韵，这些“AI的乌云”很可能正是21世纪数学下一次大发展的引爆点。

[十三娘/Thirteen @qixioxio213]

古代女子在汉朝时律法最严时 15 ～30未嫁需交五倍人头税，晋、越时期超过 17 岁官府都强行配婚了……

所以常看到的人物画女性都有些偏幼态
放古代，我们四十几女性都是奶奶、祖奶奶辈儿的啦……

[𝐋𝐚𝐮𝐫𝐞𝐧𝐜𝐞 @LaurenceMister]

https://t.co/OmcIdnLNma

[Song Os @SongOs2]

@python_spaces AI

[AVB @neural_avb]

https://t.co/b7KYtPEBgK

[Elon Musk @elonmusk]

Indeed, it was *because* I was not from the aerospace industry that SpaceX made such radical breakthroughs. Same for Tesla.

Those in the industry would have if they could have.

[indigo @indigox]

AI 正在改变我们对智能的理解！就像哥白尼革命不只是科学进步，而是关于「我们在宇宙中的位置」的存在性创伤——AI 正在制造同级别的认知震荡：“我们必须接受，通用非人类智能可能并不稀缺，而是相当普遍的现象”。Google 高管 Agüera y Arcas 与 Manyika 在 Noema 杂志发的文章，里面提出了五个范式转移 👇

一、自然计算：计算早在人类造计算机之前就存在于自然界。冯·诺依曼 1951 年推导出，生物自我复制需要的条件恰好对应图灵机——两年后 DNA 被发现，完全印证了这个预言。DNA 就是代码，生命本质上是计算性的。Google 团队最新实验：在模拟宇宙里从纯随机噪声出发，数百万次交互后，最小化生命形式自发涌现并开始自我复制；

二、神经计算：GOFAI（好老式 AI，基于规则）失败后主流叙事是「计算机不是大脑」——但 Hinton、Hopfield 这批连接主义者从未放弃，最终赢得了诺贝尔奖。大脑本身也是一个模型，在对外部世界做统计建模。「如果我们造出完全实现的大脑模型，它将能反过来对我们建模」；

三、预测性智能：LLM 的成功揭示了智能的本质——智能是对未来（包括自己的未来行为）的统计建模。当前设计/训练/运行 AI 的区分是暂时的，更高级的 AI 将像我们一样连续地进化和学习；

四、通用智能：AGI 可能已经到来了，我们只是不断提升目标基准线，智能并不需要是生物的；

五、集体智能：智能从本质上是社会性的。生命进化史就是集体智能史——分子→细胞→多细胞→人类社会，每次跃迁都是「原本独立的个体联合形成更强大整体」。860 亿神经元并行计算 = 人类智能。多 Agent AI 系统是同一原理的技术实现。

[墓碑科技 @mubeitech]

AI会砸烂程序员的饭碗？
Robinhood的CEO刚刚下了一个极其反常的判断。
十年后，软件工程师和律师的人数会比今天多得多。

这要怎么解？
其实稍微推演一下逻辑就通了。
AI并没有减少写代码的需求。
它直接把开公司的门槛踩得粉碎。

以后创业根本不需要招一屋子码农。
你自己指挥几个AI代码代理，就能全自动跑起一个项目。
每个创业者本质上都成了一个带兵打仗的软件工程师。
结果就是公司数量迎来大爆炸。

算一笔账。
假设每年凭空多出一百万家新企业。
每一家都需要看合同、分股权、规避风险。
AI确实会让单次法律咨询变成白菜价。
但商业活动的总盘子出现了几何级膨胀。
律师只会忙到脚不沾地。

风投圈同样会被这个浪潮击中。
市场上会涌出海量的微型初创公司供你交易。
普通人的投资组合池子会被无限撑大。
给大厂打工的日子很快就要到头了。
旧时代的商业引擎根本没有熄火，它只是悄悄换上了核燃料。

[Song Os @SongOs2]

@NainsiDwiv50980 book

[佐伊 @zuoyi153917761]

这是我小本本上的一句话：
“我骄傲的是，即便在阴暗的人和事上吃过亏，我依然不屑成为那样的人。”

能做到这样的确不容易，所以“世上无难事，只怕有心人”。
是一句很“自大”的话，这世上的难事太多太多了，很多事👉“人”很难做到。
比如👇，有几个人能做到🤔

[杨高能 @430Yang]

https://t.co/d5HMqfLs9M

[墓碑科技 @mubeitech]

英伟达刚花了40亿美元。
投了一项99%的人都没听说过的技术。

但在三年内，地球上每个AI数据中心都离不开它。
而英伟达，刚刚锁死了整个供应链。

发生了什么？
英伟达给两家公司各投了20亿：Coherent和Lumentum。
你可能根本没听过。
它们搞的是光子技术。
用光，而不是用电来传输数据。

听着像科幻小说。
但这却是AI基础设施里最重要的赌注。

所有AI数据中心都撞上了一堵墙。
这堵墙跟芯片、能源、钱都没关系。
是铜线。

今天，所有数据中心都用铜缆连接GPU。
但在AI需要的速度下，铜线已经到了物理极限。
信号衰减。
热量爆炸。
电力消耗飙升。

一个数字就够了：
AI数据中心30%的电力，都浪费在把数据从A点搬到B点。

黄仁勋自己也承认：
“我们只能在大概一两米内用铜线。”
“但数据中心有体育场那么大，我们需要别的东西。”

那个东西，就是光子技术。
用激光驱动的光纤，直接集成到芯片里。

数据惊人：
能效高3.5倍。
网络可靠性高10倍。
数据速度每秒102太比特。

这不是英伟达第一次这么干了。
他们对CoreWeave做过同样的事。
投资20亿，锁定GPU产能，创造一个依赖自己的客户。

他们对内存供应商也做过。
提前几年锁定HBM供应，让对手到处找货。

现在轮到光子技术。
趁早投资。
锁死供应。
让整个生态都依赖于那些依赖英伟达的公司。

等竞争对手意识到光子技术是瓶颈时，游戏已经结束了。
英伟达已经拥有了整条供应链。

这才是真正建立壁垒的方式。
不是靠游说和补贴。
而是靠对物理定律和市场需求的冷酷预判。

[Massimo @Rainmaker1973]

275 years apart, the 4,500-year-old cypress tree, the oldest in China, on a painting by Emperor Qianglong of Qing Dynasty, and by a modern camera.

[📍 Dengfeng city, Central China's Henan province]

[DANNY @Danny_Crypton]

🚨 IF COPPER HITS ITS TRUE VALUE, I’M SET FOR LIFE!

Bernstein forecasts that a copper shortage will begin in 2027,
and will gradually worsen through 2050.

Those who pay attention to this thread will become extremely RICH.

Demand is surging, but supply is constrained by depleted mines and restrictive permitting.

Here’s why a COPPER supercycle is coming:

1. THE SUPPLY CLIFF (THE REAL ALPHA)

This is where the Bitcoin comparison is literal.

There are NO NEW MINES.

It takes 17 to 20 years to permit and build a new major copper mine.

Even if we found a massive deposit today...

It wouldn't produce metal until the 2040s.

Grades are declining. The easy copper is gone.

We’re digging deeper for lower-quality ore.

S&P Global just forecasted a 10 MILLION TONNE ANNUAL DEFICIT by 2040.

That’s 25% of demand that simply can’t be met at current prices.

2. THE "AI" ENERGY SHOCK

Copper demand isn’t exploding because of cars.

It’s exploding because AI needs power, cooling, and miles of wiring.

A recent 2026 report projects data center capacity will 10x by 2040.

And the grid? You cannot just add AI to the old grid, because AI servers consume massive power.

They require liquid cooling systems heavily reliant on copper plates and piping.

Upgrading the grid to handle this load requires millions of miles of new copper transmission lines.

3. THE GREEN TRANSITION ISN'T SLOWING

Even without AI, the electrification numbers are INSANE.

An EV requires ~3x more copper than a gas car (80kg vs 23kg).

Wind and solar farms are massive copper sinks.

We’re trying to rebuild the entire global energy infrastructure in 25 years.

Using a metal we haven't mined yet.

When the supply squeeze hits in the late 2020s and early 2030s...

Copper won't just be an industrial metal.

It will be a STRATEGIC MONETARY ASSET.

Manufacturers will bid up the price to secure inventory just to keep factories running.

I’m front-running the inevitable panic.

The price of Copper today is a gift. See you in 2030.

How do I know all of this?

I’ve been in macro for 23 years, and I’ve called every market top and bottom for OVER A DECADE.

From now on, I promise to share all my moves publicly for everyone to see.

If you want to succeed, all you have to do is follow me.

Many people will regret not following me.