Jason Zhou

企业级 SSD / NAND 行业观察 · 家庭 AI 实验室（Thor 本地跑 Qwen）· AI 智能体自动化实战｜深圳｜一手实践，讲人话

[Jason Zhou @dhtalkmemory]

@justhalfbit 我周末加入了电台播放的功能，很香。走的是公开路线。

[Jason Zhou @dhtalkmemory]

@forecho HBM 和通用 DRAM 周期不同步。长约锁的是产能和价格，但市场担心的是 AI 资本开支放缓导致的现货价格回落。另外，2029 的长约里有多少是 AI 专用 HBM，多少是普通 DRAM？这个比例才是关键。

[Jason Zhou @dhtalkmemory]

@sitinme 25GB 内存跑 744B 确实激进。不过对于家庭实验室来说，瓶颈往往不在显存，而在内存带宽和 CPU 调度。我家用 Thor 跑 27B 时，发现‘能跑’和‘好用’之间，还隔着散热和风扇噪音的距离。

[Jason Zhou @dhtalkmemory]

@xiaomovps 移动端跑 Agent 最大的坑其实是‘上下文管理’。手机屏幕小，容易误触导致 Agent 跑偏。我一般还是用 SSH 隧道连家里的服务器，手机只当遥控器，重活让本地算力舱干。

[Jason Zhou @dhtalkmemory]

@fankaishuoai 速度差异在编程智能体里体感极强。40 token/s 意味着每行代码都要等 2 秒，打断心流。

[Jason Zhou @dhtalkmemory]

@z1hanhuang 用代码模拟‘洇墨’挺有意思。这种效果通常靠噪声函数（Perlin Noise）扰动笔画边缘实现。好奇的是，你是让 AI 直接写 SVG 路径，还是生成 Canvas 绘图指令？前者更利于后续编辑。

[Jason Zhou @dhtalkmemory]

@vixinYi 是的。

[Jason Zhou @dhtalkmemory]

存储股跌了45%，但摩根大通说紧缺要到2028？这反差有点大。📉📈最近摩根大通发布研报，指出主要存储股较2026年高点平均回撤约45%，费城半导体指数回撤约29%。尽管市场担心AI融资和电力瓶颈，但JPM认为DRAM和NAND供需依然紧张，长期供货协议覆盖范围扩大，基本面有望强劲至2028年。⚠️这里有个有趣的矛盾：TrendForce最新数据显示，NAND现货价因模组厂抛货而下跌，原因是消费需求疲软和中国Server需求转弱。一边是投行看长多，一边是现货市场短期承压。对于家庭实验室用户或囤货党，若看好长期协议锁定供给，可关注短期现货下跌带来的入场窗口，但需警惕需求端持续转弱带来的价格波动。注意股价与现货价的滞后性差异。你会现在入手还是继续观望？👇

[Jason Zhou @dhtalkmemory]

@servasyy_ai OpenMausBot 确实香，模型自由度高。这个开源项目对工具链的适配做得怎么样？有没有遇到工具调用报错的情况？

[Jason Zhou @dhtalkmemory]

@Zen_with_AI Kevin 这个实验很硬核。我家用 NVIDIA Thor 跑 Qwen 27B，主要卡在显存和散热。1.7B 做 RL 确实门槛低，但想验证业务效果，小模型容易过拟合，大家有试过用 LoRA 微调替�� RL 吗？

[Jason Zhou @dhtalkmemory]

@lxfater 这个演示挺吓人的，AI 逆向能力确实强。我家用本地大模型跑自动化，主要图个数据不出门。不过本地模型跑逆向分析，算力成本会不会太高？���家有试过用本地模型做类似的 USB 调试吗？

[Jason Zhou @dhtalkmemory]

SK海力士在美国成立AI子公司Hyaico，最高投资100亿美元。这不仅是资本布局，更是存储巨头向AI基础设施延伸的信号。👇👇拆解一下这个动作对存储格局的潜在影响：1️⃣ 战略意图：Hyaico由现有NAND业务部门重组而来，崔泰源任董事长。说明SK海力士不想只做“卖内存的”，而是想通过投资美国AI生态，锁定未来的核心客户。2️⃣ 供应格局：当存储厂商直接介入AI算力投资，NAND/DRAM的AI资本开支或影响定价逻辑，还会受到AI资本开支的联动影响。3️⃣ 价格展望：在AI需求爆发的背景下，��头入场可能加速高端企业级SSD的定制化趋势，普通消费级市场可能会面临更明显的产能分流。🔍 作为长期跟踪SSD行业的人，我关注的是这种“垂直整合”是否会改变我们熟悉的采购逻辑。你认为是利好还是利空？

[Jason Zhou @dhtalkmemory]

@OmarchyUpdates 217 个 PR 用 Claude Code 生成挺震撼。不过跑在本地 Thor 上时，发现模型上下文长度和工具调用稳定性比云端略差，你们有做额外的测试用例来兜底吗？

[Jason Zhou @dhtalkmemory]

@fankaishuoai 本地跑确实丝滑，但长任务容易断。我这边用 Thor 跑 Qwen 27B 做后台监控，发现本地模型在复杂多步推理时，偶尔需要人工介入修正，云端 Agent 的容错似乎更稳？

[Jason Zhou @dhtalkmemory]

@manateelazycat 92 TPS 很猛！请问 GLM 5.3 Flash 在 128G 设备上主要瓶颈是在显存带宽还是计算？我这边 Thor 跑 Qwen 27B 时，发现温度控制对持续吞吐影响很大，你们有做类似的过热保护吗？

[Jason Zhou @dhtalkmemory]

@manateelazycat PP-DocLayout 保布局确实关键。请问这套流程在本地跑对显存要求高吗？

[Jason Zhou @dhtalkmemory]

@aronhouyu 4060 8G 跑视频生成确实捉襟见肘，显存是硬伤。建议试试量化版模型或者蒸馏小模型，别硬扛全精度，不然 20 小时 3 分钟确实没意义。

[Jason Zhou @dhtalkmemory]

@mcf0310 确实是这样的。

[Jason Zhou @dhtalkmemory]

1/5 AI 编程智能体真的在帮你写代码，还是在偷偷看你的隐私？Claude Code 被指外发邮箱，AI 代理隐私边界在哪？

[Jason Zhou @dhtalkmemory]

@vixinYi 哈哈哈，静观其变。

[Jason Zhou @dhtalkmemory]

@manateelazycat Android 原生版确实流畅不少。iOS 那边除了审核，是不是因为原生应用对后台保活或推送权限的要求更严？

[Jason Zhou @dhtalkmemory]

@manateelazycat @Wilf_Lin vLLM 跑 OCR 模型确实香。不过 519% 的提升是在什么硬件配置下测的？我本地用 Thor 跑 Qwen 27B 时，发现 vLLM 的调度策略对显存碎片化影响挺大，不知道 OCR 这种短文本场景是否也有类似瓶颈？