drinkingtech

[AYi @AYi_AInotes]

本地大模型的显存壁垒，今天被正式宣告物理终结了，
单张 24G 的 RTX 4090，竟然真把 125B 的 Qwen 3.8 Flash Next 给跑起来了，
而且上下文直接拉到了 25 万，解码速度稳在每秒 21 个词

以前跑这种百亿千亿级的巨无霸，动辄要租几张 A100 数据中心集群，

但这次海外极客在 Ubuntu 上用一张普通 4090 加 110G 白菜价 DDR4 内存，

硬生生跑出了生产级的速度:
预填充每秒 364 词，解码每秒 21 词，
最狠的是没开 MTP、没开 dflash，连 KV 缓存都没做任何量化

很多人好奇 24G 显存怎么塞得下 125B 还带 25 万上下文，
核心全靠 llama.cpp 最新分支里一个叫 -cmoe 的物理外挂:

它把 512 个专家层全部扔给廉价的系统内存，
把最吃计算的注意力机制留在 4090 显存里，
显存占用瞬间从 24G 暴跌到 11.6G，而且解码速度几乎毫无损耗

空出来的整整 12G 显存，全被拿去放上下文，
直接把窗口一路顶到了 250,000 的绝对上限，跑完甚至还剩 5 个多 G 的显存余量

再加上把 batch 设到 4096，提示词处理速度直接翻倍狂飙，
以前大家觉得消费级显卡只能跑跑 7B 到 27B 的小模型，
现在 MoE 架构加上内存卸载，直接把数据中心级别的智能焊死在了家用电脑里

本地折腾私有大模型和超长 Agent 的时代，
真的被这套组合拳给彻底砸开大门了啊

[tiantian @wherecall1]

3060 12G 跑 Qwen3.8-27B-Unleashed（无审查）安装踩坑记录，每个坑都标了解法，照着做即可复现。

① 选版本
仓库：outsourc-e/Qwen3.8-27B-Unleashed-GGUF，9 个量化档。3060 12G 选 UD-IQ3_XXS（10.97GB）——能全进显存的最高档，质量/显存平衡点。Q3_K_XL 虽更好但 13.2GB 装不下，Q2 档质量掉太多。

② 下载（关键坑）
HF 直连超时，必须走代理：

# 找到本机代理端口（系统设置→代理，或 netstat 查 50830 之类）
export https_proxy=http://127.0.0.1:50830 http_proxy=http://127.0.0.1:50830
hf download outsourc-e/Qwen3.8-27B-Unleashed-GGUF --include "*UD-IQ3_XXS*" --local-dir D:/tmp/qwen-unleashed
⚠️ 大文件可能中途停滞（实测 6.4G 卡 15 分钟），杀掉重跑即可，hf CLI 自动断点续传。

③ llama.cpp 启动

llama-server.exe -m "D:\tmp\qwen-unleashed\Qwen3.8-27B-Unleashed-UD-IQ3_XXS.gguf" ^
--alias qwen3.8-27b-unleashed -ngl 99 -c 65536 ^
--cache-type-k q4_0 --cache-type-v q4_0 ^
--jinja --reasoning-format auto --host 127.0.0.1 --port 8080
参数说明：-ngl 99 全层进 GPU；-c 65536 上下文 64K；KV 压 q4_0 省显存；--jinja 正确解析思考/工具模板。API 兼容 OpenAI + Anthropic 格式。

④ 踩过的坑
- Windows 路径反斜杠被 Python 转义吞掉（D:\ai-tools→D: i-tools），写 bat 用 raw string：r'''...'''
- 12G 显存装不下两个 27B，换模型前先停旧服务（taskkill //PID <pid> //F）
- 加载日志的 blk.64 unused tensor 警告是混合架构正常现象，忽略

⑤ 验证
curl http://127.0.0.1:8080/v1/chat/completions -H "Content-Type: application/json" -d @test.json
实测：敏感提示无拒答，生成速度 ~20.5 tok/s

[付鹏的财经世界 @fupenglondon]

长期的结构性收紧与中短期的周期性波动严格剥离，是避免在复杂宏观交易中被市场情绪反噬的核心逻辑。

长期流动性的底层逻辑已彻底重塑。 过去十多年由ZIRP（零利率政策）和无底线量化宽松（QE）喂养的时代已经翻篇。美联储向保守主义回归，意味着更高的自然利率中枢（R-star）以及对资产负债表规模的严格控制（QT）。这是一个具有高度确定性的宏观大底色，资金的长期成本被永久性抬高了。

中短期的流动性差则是资产价格的直接指挥棒。 尽管长期水管变细，但短期内的流动性释放或抽离——例如财政部TGA账户的蓄水与放水、隔夜逆回购（ON RRP）的消耗、甚至市场对美联储阶段性降息预期的反复博弈，创造了流动性潮汐。

许多投资者习惯了“倒果为因”：看到资产价格在某几个月因短期流动性释放而狂飙，就立刻产生错觉，高呼“大水漫灌又回来了”，从而在资产负债表上做出了错误的长期久期错配。长期趋势不被短期的狂热或恐慌洗脑；短期流动性潮汐要明确交易的节奏和周期；

现在美联储这一侧: 资产负债表Q的趋势是长期流动性的物理边界，利率的短端P是中短期的水温（加息降息），长端10年期是长期流动性底层逻辑（长期生产率与资本回报的锚），隔夜逆回购使用量是由Q派生出的中短期缓冲垫/压力计；

而美国财政部那一侧：财政部TGA账户的蓄水与放水是中短期的g，阶段性抽水/放水的强动能带来结构性流动性调整，财政部的发债期限结构管理是隐形流动性调节工具，财政部的回购是中短期的g，结构性流动性支持与微观管道疏通，财政部可以通过自身这一侧的工具来从而在美联储紧缩周期中，中短期人为创造出宽松的结构性（g）的流动性环境；

长期要敬畏美联储的Q和长端P给定的刚性约束；中短期则要紧盯财政部发债结构、TGA吐纳以及ON RRP水位的微观互动（g），捕捉脉冲带来的超额Alpha；现在Q确定，P的短端美联储担忧通胀，而g已经产生了流动性压力，财政部出手调节g，缓解结构性流动性的压力，自然这就是一波中短期的流动性，但要注意是结构性的，而不是大水漫灌，这有着本质的区别。

[孤烟暮蝉 @guyanmuchan001]

最近欧洲议会议员多斯塔尔来了中国，做客中国社交媒体Bilibili上的视频播客，跟UP主王骁聊了欧洲作为美国的盟友到底得到了什么。

多斯塔尔说现在反思美国给欧洲内部带来了什么的声音已经出现了。

俄乌战争切断了欧洲从俄罗斯获取廉价能源的渠道，欧洲经济自此一路下滑，美国与伊朗的冲突导致伊朗封锁霍尔木兹海峡，欧洲海运被中断，能源价格再一次大幅上涨；今年特朗普上台后，关税这个武器先指向了作为盟友的欧洲，导致欧洲的工厂纷纷向美国转移。

下滑的经济，孱弱的工业，危险的邻里关系，这就是美国给欧洲带来的东西。欧洲在美国眼里到底是血包还是盟友？现在欧洲人敢回答这个问题吗？

[LaurieWired @lauriewired]

how can anyone say CS is boring when we literally have computers SHARING memory between each other now

do you realize how insane that is? boatloads of low hanging fruit and no one is quite sure the best way to do it.

should we even *use* pages? NUMA? what about a filesystem instead? how would you handle shared objects? how much should be in userspace vs kernelspace? WHERE’S THE MEMORY MANAGEMENT BOUNDARY??

[plantegg @plantegg]

我现在离职很久了，可以谈谈这个故障，2023年11月12号的这个故障差不多是福报云历史上最严重的故障吧(故障的直接人是我当年面试招的，后来我特意当面找他复盘了一次，所以我很了解哦)

这个故障乘以10倍都不够2026年07月26号菊花云的故障，我挨个来讲

福报云2023年的故障很简单，有一个例行刷白名单的脚本(运行好多年了)，当时拉取白名单的时候API超时了，导致拉到的白名单不完整，没做校验和错误处理，就当全量白名单下发了——同志们，这个是白名单，少了就访问不通

所以当时OSS、图片等很多服务挂了，也不是服务挂了就是连接鉴权失败，访问不通，当然和挂了没啥区别

ECS 实例、RDS都正常运行，但是如果网络依赖白名单就会访问不通，不过ECS、RDS一般不依赖

福报云20231112这个故障上了新闻和微博头条霸榜，但是把这个故障乘以100倍才刚刚够得上菊花云20260726的故障

菊花云20260726：
凌晨2点，菊花云的管控bug，将所有大客户账号锁定(认为账号欠费)，然后开始将这些客户的所有所有所有的实例(ECS/RDS/网络/负载均衡等等)全部锁定停掉，涉及所有区域

个人猜测被停机的实例数量百万级别以上，正好是美洲的白天，地球另外一端影响巨大，持续时间多久？7点多才开始陆续恢复，持续到11点还有实例恢复中，这个时候管控都在排队拉起实例

这个故障可以说是全球最耸人听闻、不可思议的故障，最基本的熔断都没有，就这样上百万实例半个小时内被关停

但是没有任何新闻，who care？正如有网友说的：还有那个傻逼客户在用菊花云呢？

菊花在做云产品上还没入门，当年我做数据库就出现过一次因为监控数据延迟导致下游触发自动锁定、升配用户实例的case，对这种操作一定要有熔断并人工介入二次确认

希望大家看的过瘾，这两个故障全都是只有在云环境才独有的，自己IDC想搞都搞不出来

[Praveen Kumar Verma @Alacritic_Super]

The Firmware Behind Some Seriously Fast Drones

Betaflight is an open-source flight controller firmware built for multirotors and fixed-wing aircraft.

It handles the low-level stuff that keeps a drone stable like sensors, PID control, filtering, motors, telemetry, GPS Rescue, OSD and more.

The latest 2026.6 release is especially interesting, adding support for ESP32, STM32H5/N6/C5, STM32H757, RP2350, plus the first foundations for autonomous flight and waypoint missions.

A great codebase to explore if you are interested in embedded C, real-time control, MCUs and robotics.

https://t.co/qg5supwUk3

[本杰明乌萨奇 @Corsica267]

对过去的市场状态机做了一个版本的更新。主要更新内容包括：
1. 涵盖了更多的指标检测跨资产共振，并设置三个层次的置信度比较，更灵敏的区分市场交易主题；
2. 涵盖了更多的市场交易主题，通过利率行为、风险偏好、压力来源等方式进行了分类；
3.宝宝巴士。将鼠标悬停在主状态框的分项，可以看到对指标的解释；
4. 状态警报：可设置当市场主题出现切换时报警。建议将美元挤兑、套息平仓和Sell America三个开着；
5. 根据噪音度区分的副图颜色。

请同时注意：
a. 此版本不建议修改参数，因为框架卡的比较死;
b. 针对期货合约，请调整合约变化，避免数据跳空；
3. 可同时配合分母斜率观察代码使用。

[Jukan @jukan05]

“Nvidia’s CMX is equipped with 576 SSDs, providing a total storage capacity of 9,600 TB. Industry estimates suggest that NAND demand for CMX will surge from 35 million TB this year to more than 100 million TB next year.”

Nvidia’s Rubin CMX will quite literally soak up NAND supply like a sponge absorbs water. To put 100 million TB into perspective, it is roughly equivalent to adding another Apple-sized source of demand to the NAND market.

[susun @SuJinYan123]

从推理角度看一下 Kimi K3，2.8 T， fp4 的话， 1.4 TB，hopper 其实也还行。但肯定这个架构说白了给 B 卡定制的，就是不知道国产卡是否受益了（投机一下，其实应该受益的，没受益的国产卡，只能说视野这块有点拉），说真的，有些交易者，甚至比我们这些推理更懂整个推理链条的生意流转。

核心架构是 KDA + Attn Res，对于推理来说，前者就是线性注意力吧，里面还是有普通注意力的(MLA，前面还加了一个 Gated，可能又是算法的花活吧)，所以就还是一个线性混普通注意力的模型，对于 kv cache 会有一些挑战，所以kimi 后文自己说会给 vllm 一个 pr 做 prefix cache，我也站在 openinfer 的角度聊一下这个等会。

896 个专家，每次激活 16 个，896个专家，常见的 2 倍数也可以，不过 EP 多少需要实际算（不同模型的甜点 EP 区实际上不太一样，比如读者有空实际可以算一下 Qwen 和 GLM 的，可能会得出不一样的结论）。这个要根据实际模型的 shape 压测，还没发权重，先忽略。

LatentMoe，就是压缩 moe all to all 的通信量吧，如果没理解错的话。但根据 Deepseek 的 MegaMoE 里说的，计算比较久，完全可以 overlap 通信，这个时候通信多快影响不大。但是还是那句话，计算多久，通信多久，怎么 overlap（MegaMoE 是切专家 wave overlap，过大的 EP 是否没有 wave 切）。

1M 上下文，不知道实际kv cache 大小了，可能也不大吧。

线性注意力对于 prefill 和 decode 的flops 要求，带宽要求这些，也要profile 然后算。

之后回归线性注意力对 kv cache 带来的挑战，我觉得分为三方面，一方面是 p/d 分离，第二方面是 prefix cache，第三方面是 decode 效率。

先聊 p/d 分离，正如 Mooncake 的新论文， https://t.co/pJblQwU80A ，Prefill As a Service，线性注意力降低了 pd 的传输量，意味着我们可以用更糟糕的网络质量完成 p/d 传输，因为 延迟简单看作 数据量除以带宽，数据量大幅减小，带宽也可以顺带减小，延迟却还保持不变。

好处是什么呢，是可以用一些更具有性价比的硬件做 prefill（怎么感觉 nv 越来越泡沫了），也许是国产卡，也许是一些老卡，甚至有没有可能是一些 spot instance，理想是这样，但现实是，大部分厂商，大部分机房，都只有一种卡，搞不出那种异构的部署。要搞异构硬件，要算很多账，然后说服一个个，也许一些大玩家可以玩这个。对于尔等 Maas 厂商，不可能为了 k3 一个模型下这么大的赌注，万一智谱下一个爆了。所以 infra 还是基模公司自己才能做的猛。

prefix cache 的话，自从前几天fable 哥和我说DP 是Replicated State Machine（复制状态机）后，对这个概念有了新理解。

普通注意力，就是保留全部日志（全部 kv)，想要回到某个状态，必须持有全部日志。持有全量日志，显而易见，大小会太大。

Raft里也不是全存日志的，不然日志无限增长，迟早会爆，所以 Raft有什么呢，有快照！日志积累到一定程度，我就给状态打个快照，然后把之前的日志全丢了。

这个快照就是线性注意力！

但是 Raft 也没有规定什么时候打快照，理论上你可以每个日志后都打一个快照，保留全量快照，也可以隔开 n 个打一个，也可以只打最后一个快照。对于线性注意力来说也是这样，什么时候，什么地方都可以存一个状态，也可以都不存，其实也就是 Deepseek V4 在技术报告里讨论的问题。

暂定把这个叫做快照策略吧，比较 naive 的实现就是，类似传统做法，也是 64 个 token 存一次就好，反正能跑。

快照策略的问题核心是什么？如何在有限的空间内，存储快照，达到最高的 hit ratio。

可以 1token 就存一个，也可以 1024 个 token 存一个，这些都 ok，这取决于在 workload下 cache simulator 的结果。这里存在一些 cache policy 的空间。naive能不能跑，能。只不过确实存在一点“学术”空间。

ok，继续后腿。确定了这个快照策略以后，就是索引问题。模型并不是完整的线性注意力，它还有普通注意力，他两存储的方式不同，当然如果按照前文那样 page style，是可以用一个索引管理的。如果他两不一致，就会以后两个索引，一个线性注意力的索引，一个kv cache 的索引，处理 起来就头疼，所以应该以线性注意力为准，保持一致性。存线性注意力快照的时候，也保留一份 kv cache 的引用，这样只用查一个线性注意力的索引。调参就还是快照策略。

我觉得这个快照策略最优应该是动态的，比如用 coding agent 聊个 multi turn，我的 hit 边界在 turn 边界，而不是固定长度的。这里需要考虑共享前缀（用个类似 tinylfu 的东西），感觉我可以发论文了哈哈。

另一个问题就是分配策略，根据快照策略不同，实际上线性注意力和 kv cache 占用空间的比例很可能是动态的，比如有时候线性注意力 40%，kv cache 60%，有时候线性注意力 20%，kv cache 80%。这意味着你不能在启动的时候粗暴（虽然也能跑就是）划分一个比例，然后用两个free list 去分别管理。

vllm 和 tokenspeed，也都有探索，
https://t.co/Wz8vp5oVeJ
https://t.co/Mq1d4bxSH2
JENGA 写的确实还不错。
对分配的挑战是，之前分配的粒度只有一个常数，比如我只分配 4kb 的 unit，所以理论用 free list 可以 0 碎片。但现在有两个分配粒度，一个是线性注意力的 state,另一个是若干个 token 保存的 kv cache 粒度， 同时无法保证比例，我们该怎么分配，以实现最小的碎片率？

JENGA 的核心思想是，两个粒度求个 LCM，比如 2kB, 3KB，那就以 6KB 为粒度管理 free list，让这个大页都能被两个粒度使用。这里碎片在于有些大页可能用不满。这个取决于 LCM ，如果这两一样大，比如都是 4kb, 那么就完全还是沿用free list，做起来太方便了，不知道 kimi 考虑这个没有。

问问 gpt pro和 fable max 这个问题（AI 始终比我更聪明），他两给的也是 JENGA style（不知道是不是训过）。
看起来碎片问题也不是很严重。到这里 prefix cache 的问题讨论完毕了。

最后是 decode 效率，用了线性注意力，意味着请求 decode 时候占用的 hbm 更小了，进一步意味着更大的 batch size。比如之前 200GB 的 HBM，256k 的请求 decode 之前占用 5GB，那最大的 batch size 就是 40，现在只占用 2GB，最大的 batch size 就是 100。

如果 batch size 可以撑很大意味着什么，意味着 wideep 时候 all to all 通信量会变大很多（这可能也是他们做 LatentMoe 的出发点），同时意味着 group gemm 更容易被打到 compute。

但是在这一系列的看起来是降本的背后，k3 的 output 来到 15 美元/M tokens。

也顺手测一下 Kimi 吧，分配问题，pp 加速 decode 问题, ok, provider error，结束。

但其实 openinfer 还没有支持混合注意力的 prefix cache哈哈，最近有点忙，之后再看。

[Wayen @wayen_ai]

GitHub 上一个 33k star 的外刊资源仓库，每周更新。

《经济学人》（含音频）、《纽约客》、《卫报》、《连线》、《大西洋月刊》、《国家地理》……支持 epub、mobi、pdf 下载，还能一键推送到 Kindle。

对想通过阅读保持英语语感的人来说，相当于一个自动更新的外刊库。不用自己找资源，每周等更新就行。

🔗 https://t.co/Lu6F3UbUPu

[Ace of Razgriz @raz_liu]

No cuts full flight video of the CZ-10B/1st stage from launching to landing. via CCTV

[Nicholas Wilt @CUDAHandbook]

BREAKING: The CUDA Handbook text is now available on the website, https://t.co/D4VweCJkHo!

Svbstack article in the first reply.

[Flo @FlorianWoh]

Finally my "RISC-V System-on-Chip Design" book by Harris, Stine, Thompson and Harris arrived, featuring the all open source CV-WALLY (CVW) hosted by @OpenHWFdn , explaining how to design a @risc_v CPU, how to verify and more, including design trade off disc. . Spot @bilalzafar

[Elias Vance @EliasVanceQuant]

两长上市带动7月国产替代主线：

一、长鑫存储与长存集团上市进展梳理

1. 长鑫存储（上市主体：长鑫科技集团股份有限公司）

长鑫存储是国内唯一实现 DRAM 大规模量产的 IDM 厂商，全球 DRAM 市占率约 7.67%，其科创板 IPO 已完成全部监管审核流程：

关键节点：2025 年 7 月完成安徽证监局辅导备案；2025 年 12 月 30 日上交所正式受理 IPO 申报；2026 年 5 月 27 日科创板上市委全票通过；2026 年 6 月 12 日证监会下发 IPO 注册批文，批文有效期 12 个月。

预计上市时间：按科创板常规发行节奏，路演、询价、申购流程约需 20-30 个交易日，市场普遍预计2026 年 7 月底至 8 月初正式挂牌交易，最快可于 7 月中旬完成上市。
募资规模：拟募资 295 亿元，为科创板历史第二大 IPO，主要用于 DRAM 技术升级、晶圆产线改造等项目。

2. 长存集团（长江存储控股股份有限公司）
长存集团是国内 3D NAND 闪存龙头长江存储的母公司，采用集团整体上市路径，原控股子公司武汉新芯已终止独立 IPO 以避免同业竞争：

关键节点：2025 年 9 月完成股份制改造；2026 年 5 月 19 日在湖北证监局完成 IPO 辅导备案，辅导机构为中信证券、中信建投。

预计上市时间：辅导周期约 3-4 个月，计划 2026 年 9 月完成辅导验收后正式递交科创板申报材料，市场普遍预计2026 年底至 2027 年初正式挂牌上市。

募资规模：预计募资 300-400 亿元，主要用于三期工厂产能建设及 294 层以上先进 3D NAND 制程研发。

二、上下游国产替代产业链梳理与排序

排序依据：当前验证进度→小批量供货→大规模订单落地→产能持续爬坡，优先长鑫 + 长存双厂同步导入的环节；设备先放量（产线基建先行），耗材后持续放量；成熟工艺先起量，先进制程延后。

第一梯队：未来 6~12 个月率先进入大规模放量（2026Q3—2027Q1，订单直接兑现）
刻蚀设备（中微 + 北方华创）进度：早已完成双厂全流程验证，长存高深宽比刻蚀已大批量采购；长鑫 DDR5 新增产线直接抬升国产份额。

放量节奏：长鑫上市募资扩产，设备招标即刻落地；长存三期厂房设备装机，刻蚀为第一道投产设备，订单最先释放。

PECVD 薄膜沉积设备（拓荆科技 + 北方华创）进度：长鑫国产 PECVD 独家供应商，长存多层堆叠产线核心采购；ALD 逐步起量。
放量节奏：3D NAND 层数提升带来设备需求指数增长，双厂新产线一次性大批量采购，紧随刻蚀启动招标。

CMP 设备 + CMP 耗材（华海清科设备；安集抛光液、鼎龙抛光垫）进度：设备在长鑫国产份额接近垄断；耗材已经稳定量产供货，验证周期走完。
放量节奏：设备为建厂一次性资本开支；抛光液、抛光垫是持续消耗品，产能一拉满，耗材营收立刻逐月抬升，业绩弹性极强。

单片清洗设备（盛美上海、北方华创）进度：成熟存储产线国产化渗透率已经很高，无技术卡点。
放量节奏：所有产线标配设备，招标紧随刻蚀、薄膜，放量几乎同步。

第二梯队：2026 年底 —2027 年上半年进入批量放量（从小批量稳步爬份额）

电子特气（华特气体、中船特气、雅克科技）现状：中低端品类已经大批量供货；高端含氟特气处于小批量导入。
放量节奏：产线建成投产之后，耗材持续消耗，产能爬坡带动用气稳步增长，属于中期持续放量。

12 英寸大硅片（沪硅产业、TCL 中环）现状：长鑫、长存已经导入国产 12 英寸硅片，外延片仍在进阶验证。
放量节奏：产能每提升 1 万片 / 月，硅片采购同步增长，随晶圆出货量稳步释放，无短期爆发、但具备长期稳定增量。

KrF 光刻胶（彤程新材、晶瑞电材）现状：KrF 已经通过长鑫量产验证，进入持续扩份额阶段；ArF 仍在客户端多轮测试。

放量节奏：成熟 DRAM 与中低端 NAND 优先使用 KrF，2027 年随国产晶圆占比提升逐步放量；ArF 放量至少延后一年。

第三梯队：2027 年才会迎来实质性放量（当前仅小批量送样、多轮验证）

量测检测设备（中科飞测、精测电子）现状：低端量测批量供货，高端电子束检测还在长存、长鑫长时间良率验证。
特点：验证周期长达 1~2 年，新产线投产初期先用进口设备，国产份额缓慢提升，放量明显滞后于刻蚀、薄膜。

光掩膜版（路维光电、清溢光电）现状：低端掩膜版供货，存储高端高精度掩膜版仍处在客户工艺匹配阶段。
特点：属于定制化非连续耗材，没有线性增量，份额提升慢，放量周期拉长。

第四梯队：放量遥遥无期（至少 2027 年底之后，短期只有研发订单）

高端 DUV 光刻机（上海微电子）仅处于产线样机验证，暂无商业化大批量订单，属于远期攻坚品种，短期看不到业绩放量。

ArF 光刻胶（南大光电）仅小批量送样，存储先进制程工艺匹配难度极大，短期很难大规模导入。

[Zihuailin @zihuailin]

大佬@manateelazycat 的 https://t.co/Dmh6cz0zj0 是我见过的最稳定最方便的科学上网工具了。

详见教程：https://t.co/pdnzuyvDiM

[王sir @wangsir1w]

南方周末的一篇文章将中国半导体产业一些关键问题解答的很好(曹斌是高信资本的创始合伙人兼董事长，也是硬科技投资领域的资深投资人。他拥有复旦大学金融学博士学位，具备深厚的行业研究底蕴。
在创投圈，他的投资风格以“专注硬科技”和“极度看重企业家精神（投人）”著称。)

南方周末：为什么此前中国就有庞大的半导体需求，却没能催生本土的产业供给？
曹斌：这是由半导体行业的特征决定的。半导体是典型的“三高”行业：超高的资本密集型、超高的人才密集型、超高的技术密集型。

南方周末：你怎么判断中国芯片未来的发展路径？
曹斌：我将中国半导体产业的发展分为三个阶段。
第一阶段在2018年到2024年，处于“你会我不会，我学习”的阶段。我们只能努力，从零开始学习摸索，解决产业从无到有的问题。我们依靠国家补贴、税收支持、资本市场溢价，对冲规模不大、成本较高、性能较差、成品价格较贵等缺点。
第二阶段从2025年到2030年，是“你会我也会，我比你便宜”的阶段。目前来看，国内资本市场给半导体企业高估值带来了巨大的财富效应。人才逐步本土化，设备、原材料全面国产化，加上中国人特别勤奋，未来芯片价格一定会比海外便宜。中国芯片逐步会从进口走向出口，抢占海外市场。
我要说的第三阶段就叫“你会我也会，我比你干得更好”。进入这一阶段，国内的半导体企业将实现价值链的攀升。
如果没有中低端芯片，就没有这个产业，更谈不上冲击高端。国内做芯片的人，会一直守着低端吗？他们赚到钱，又有几千亿市值，有人才、有技术积淀，一定会往上爬。
半导体是金字塔产业，依靠中低端盈利，反哺高端开发，工艺迭代永无止境。
当海外企业丢掉低端市场时，意味着金字塔的塔基没有了，当中端也被中国企业占据后，高端研发将失去资金支持，金字塔将垮塌。从这点来看，未来十年，全球半导体设备、材料、先进工艺的制高点一定在这里.

南方周末：你觉得半导体领域的下一个爆点会是什么？
曹斌：半导体行业永远遵循“寡头垄断、赢家通吃”的规律。芯片代工、设计、设备、材料等每个细分赛道，最终只会留存少数头部企业。

半导体行业还有一大特征，就是芯片上市的前三年会把全生命周期90%的钱赚完，此后是指数级降价的过程。

[RegYMM レジム @regymm0]

#ZYNQ #FPGA UltraScale+ ZU15EG PS today: SATA 6Gbps works fine! Can you see the 2.5'' HDD in the image?

So now for the PS transceivers:
PCIe x1 5Gbps
SATA 6Gbps
works, and the last one to bring up is USB 3.0

[Viking @vikingmute]

分享一篇文章：《How LLMs Actually Work》
https://t.co/apHhTvjdiB

好像是前几天 HackerNews 排名第一来着，类似的文章很多，但是这篇深入浅出和直观的例子非常适合有一定编程但没深入学Transformer的人阅读，里面的比喻也恰当，一看就是活人写的，没什么 AI 味道。

最近重新爱上了写东西，写了两篇技术文章，之后还会继续写，而且我的一个原则，活人写，绝对不用 AI，写作是一种乐趣，梳理逻辑，表达观点，不要让这种乐趣被 AI 剥夺。

[阴阳行者-おんみょうぎょうじゃ-Yin Yang Wayfarer @gpsma2025]

安利下我自己用了一年多的机场白羊星，团队来自马来西亚。之前一直是月付，今年2月份改成了全年套餐，只要89元一年。反正3-4月份最严的时候，这个机场一直都能上，我的8700粉丝也都是靠这个机场。小众，但靠谱。还有一个好处：官网国内可以直接访问，当个备用节点也不错。
https://t.co/HQDi2pNKTj