Will

investor

[荣顶RD @wangrongding]

给家里的小米电视彻底焕新了：广告全清！ 开机直达自定义桌面 1600+ 站随便看，装了代理和 YouTube。

小米竟然把第三方桌面锁死了😂随后让 agent 把固件 vdex 拆开，在 386MB 反汇编里找到了那行锁

全程免 root 可逆，整理成了 Agent Skill，你的 agent 可以开箱即用👇

https://t.co/fhCGWd8bH8

[Elon Musk @elonmusk]

Pretty much.

As of the past few weeks, debt markets have almost entirely shut off access to money for any company that doesn’t have substantial revenue independent of AI data centers.

SpaceX closed $40B of debt for GPUs, but we’re investment grade and have Starlink & launch revenue.

That means the 200+ neoclouds are going to see guppy-level death and consolidation. Some will make it through, but not many.

[sida @s1dashu]

最近用 Opus 5.5 跑了 104 个小时，用 Rust + GPUI 重写了一个飞书文档本地客户端，最终得到的效果很超乎预期：

- 覆盖了飞书文档的绝大部分功能，除了必须依赖云端的 feature。
- 标题、文字、列表、表格、分栏、高亮、引用、代码块，各种交互表现细节和 web 版保持高度一致。
- 100 万字的文档，单帧绘制耗时中位数 5.7ms，性能远超 web 版。
- 28MB 的轻量客户端，纯本地存储。

做完这个测试才第一次切身感受到什么叫“许愿式编程”，opus 5.5 就像一个事无巨细的老管家，宁愿跑三天三夜也要帮我把所有细节都处理好，这感觉太神了。

出于对飞书团队的尊重，这个项目不会对外发布😄

[a16z @a16z]

One answer to what's driving GPU rental prices:

Token demand on OpenRouter is up ~27x since last November, from ~6T/week to ~165T/week

Open-weight models now handle ~72% of those tokens, up from ~28% last November

Charts of the Week: https://t.co/BKHzpgt05x

[a16z @a16z]

GPUs are aging like fine wine, with rental rates up across the board since January 1st

Approximate change YTD:
- H200: +160%
- B200: +120%
- RTX PRO 6000: +65%
- H100: +35%

Even the 6-year-old A100 rents for more than it did at the start of the year

Charts of the Week: https://t.co/KJWFSaIGCd

[Jason Kam @MapleLeafCap]

最近在深圳搞了三波海外友人接待，跟海外朋友聊下来感觉全球收入+国内花钱还是真的没办法更香：

- 大家了解到我们的租房价格后沉默了，香港至少2.5x，纽约伦敦三番3-4x起跳，质量还低一个档次。
- 今年6月福田开的那家汤泉大家表示海外人民真没见过（我：这还不算啥…）
- 大家对于didi的价格非常惊叹。香港海外3x起跳，豪华车海外价格更高
- 每顿饭我是我买单，大家知道价格后纷纷再次沉默了。同等级别海外3-7x
- 骑车沿着深圳湾海岸线一路+逛完万象城+万象天地一路沉默
- 本来想着游艇招待来着没来得及。朋友一问租赁价格再次沉默了，应该是5-10x价格区别

个人跑过无数美欧城市。就平常生活质量和性价比来讲真的就，他们还真的是生活在水深火热之中…

[陶瑞 TaoRay @TaoRay]

中国就是政策市，你们要想分析得准，就必须站在政策制定者的视角，而不是你作为老百姓赚不赚钱的视角。“一条主线、一个痛点”是口诀。主线是“备战”经济，政策是“防止失速，但也不要再繁荣”。痛点是民间财富不受控，后续政策是“大搬家”。第一性原理。股市不是重点，股市是间接影响宏观，所以才调控。股市直接的影响是新进来的给前面的抬轿，期待后面的人给你抬轿，这也是老百姓的视角，所以这不可能是政策直接考虑的事情。因此没有说一定到了哪个点位，政策就会怎么样。而是掌握我上面说的口诀，结合宏观来看，在“防止失速，但也不要再繁荣”的基础上，你就可以代入政策制定者的视角，判断后续走势了。所以你们要听我上次的Space。

[Shawn Yin @shawnyinmr]

Ken Griffin今天在Citadel年度峰会上对“AI大跌”的解释，很有洞见。指出了三大风险点，但也对局部泡沫中的希望表示了信心。Griffin是少数相对在公开场合说真东西的大佬。

总结：

陷阱一：边际定价崩塌的风险。 GPU像航空座位一样边际成本极低，一旦算力供过于求，租赁和API价格会自由落体。

陷阱二：折旧模型失效。 老旧GPU今天仍能收高租金的局面难以持续，按7至9年高残值做的估值模型将面临系统性下修。

陷阱三：企业预算收紧。 企业开始精算AI的ROI，把高价闭源模型只用在必要处、其余转向廉价开源模型，这与Anthropic等公司7500亿美元的算力扩张计划直接冲突。

希望：泡沫过后留下基础设施。 局部泡沫几乎必然伴随根本性变革，但破裂后留下的是改变世界的技术底座，穿越周期的公司会成为未来数十年的领导者

-参考全文来自《华尔街见闻》

[Jason Kam @MapleLeafCap]

看了一下DeepInfer的数。我觉得吧，前几天大家转载的那个SiliconData Index的价格，未来一年估计还得不回头地跌个95%+，具体什么时候影响到GPU Rental rate蛮难预测的。

这个价格体系下，梁圣买张卡估计100天就回本了。一旦有朝一日token价格真的暴跌到影响rental rate，所有股价肯定已经跌了一大轮。

给大家几个数，所有的数都是$ / 1 mm token，基本上1mm token 95% cached = 100-150页的薄书.
- Dylan一直在说Jane Street的变现价是$100-200 USD / 1 mm token
- Opus 5.5 / GPT Astra 的价格在deepinfer的体系下大概是1-2 USD / 1 mm token，比标价便宜个80-95%
- 变态的来了，Deepseek 4.1 Flash off-peak的价格在这是1.5美分，又比SOTA便宜个90%。
- 按照一般的大B300 Cluster，根据deepinfer的计算，一个GPU大概能每小时产出2.7 Bn token, 成本换算过来大概是0.25美分 / 1 mm token，这已经比我想象中便宜很多很多了。之前算过我记得是15美分 / 1 mm token，不过没有计算cache。这个level的成本大概率是大机房+高使用率+超高存储时间，一般机房估计都做不到这个theoratical.
- 这也就是大家看到的80-85%毛利 (1.5 / 0.25)。DeepSeek要是以比这个利润率稍好的功率赚钱的话，一个B300大概2-3个月回本，而不是8个月。真是无与伦比的暴利，比贩毒爽多了，自然是砸锅卖铁也要走私B300。
- 如果B300按照break even算的话，那么成本大概是0.13美分 / 1 mm token. 然后原材料其实是B300 ～600k价格的6%不到（按照产业链毛利计算）。
- 所以最后算下来马斯克如果去完全积压的话，每1mm token的最终生产成本可能是0.01美分, or 0.0001 USD。这基本上跟免费差不了太多了。

这种屠夫版的价格我不知道你怎么看，但是when you see the headline API price of Opus @ 8/40 USD input/output，我只能感觉说只要OSS + Post-train和中国模型蒸馏大法能够持续跟随 + 没有新的breakthrough，token 价格未来一段时间应该是以断崖式的下跌。至于什么时候触碰到rental rate, maybe someone smart can tell me.

[GDP @bookwormengr]

5/ The Revenue Comparison:

• Bare-metal IaaS ($3.50/GPU-hr): ~$13.6B / GW / year

• DeepSeek Token Density ($38.00/GPU-hr):

3.887B GPU-hrs × $38 = ~$147.7B (~$148B) / GW / year

To account for other power inefficiencies, we can assume just 100B revenue per GW (33% additional slack).

[Mr. Ping @MrPingChecks]

关于算力是否过剩，两位老师各算了一笔账，结论正好相反。

@bookwormengr 按 38 美元一小时每块GPU 算，用 DeepSeek 的推理框架，1GW 的英伟达 GB200 一年能卖 1000 亿到 1480 亿美元的 token。
效率这么高，2027 年计划上线的推理算力要用满，全世界一年得花上万亿美元买 token，所以可能建过头了，不过这对模型公司和云巨头反而是利好，因为它们可以在 2027 年之后放慢建设，让现有 GPU 保持紧缺。

@fi56622380 的算法是，旗舰模型 1GW 一年能卖 800 亿美元以上的 token，硬件按 6 年折旧每年只摊约 80 亿，毛利达 75% 到 80%。
他觉得 token 降价，成本也跟着降，毛利能稳住，用量还会涨，这样谁都会抢着买 GPU，所以不会过剩。不过他自己也承认，前提是用量要涨得比降价快。

[Drew Jin @ EMNLP @drew_jin_0827]

DeepInfer 今天发布了，简单读了下，基础架构是完全从 vllm 的基础长出来的（至少这样看游神没有骗我们），方法名如 add_request，核心控制面，Sequence BlockManager Scheduler，metadata 中的核心数据 block_table 都是 vllm 那套，控制面全 cpp 书写。

这样看 tokenspeed 还算是走对了，至少早早开始做 cpp 控制面。

之前可能觉得 cpp 和 rust 控制面太嘉豪，因为控制面应该保证易用和可扩展性，可见我见识浅薄，当时 cc 还没开始大规模普及，对这些刻意书写 fully rust runtime 的工作不屑一顾。当时现在 coding agent 太过强力，管你什么生命周期，智能指针，统统一把嗦，到头来只要审代码的人能看懂就行，状态机的设计，都不用过分详细。

又一次证明了大厂的基模，和 ds 这种级别公司的差异，量化系统容不得 bug，容不得过分浪费资金，他们必须做到极致，这个风格，一以贯之，大厂则更多事得过且过，实用主义，在 maas 这件事上确实不如他们，并且他们上下全链路联合设计出来的模型，能力也极强，性价比远超我等。

从 3fs 到 deepgemm deepselect megamoe deepep...，然后是 dspark csa，dsh，全链路协同设计，只有 ds 这种地方能做到。
梁圣，真正有理想的人，脱离了低级趣味的人，改变世界的人。

从无人区走出来的那一刻，他或许就得到了某种 oracle 的召唤，兴许是未来的 ds 在召唤他吧。

[plantegg @plantegg]

冯仑的万通居然从2015年退出房地产开发，这眼光和李嘉诚有得一拼

2015年恰好是棚改、房价翻倍、涨价去库存，疯狂跃进的大风口

冯仑在播客中讲到，自己2015年就不再做房地产开发的生意了。

为什么呢，因为更早的时候，冯仑的万通公司去美国做了一些房地产开发，而且准备在那里买地。

但在跟美国地产行业的人交流的时候，发现当时的美国人对他们在中国做的地产业务很不理解，就是过去那种高负债快速开发，快速周转的地产模式。

冯仑也很困惑，就跟几十个美国地产从业者询问这件事。虽然不同人说出的解释不一样，但有一点是一样的，就是这种地产开发模式，在美国的1970年代就结束了。

美国是在二战后迎来了人口快速增长和城镇化时代，这是这种地产开发模式的宏观环境基础。当时有位美国人给他看了一张30年前的报纸，当时报纸上的一位地产商人，结束了自己所有的生意，拿着钱去做慈善去了。因为这件事很著名，所以他留着这张报纸。

所以，冯仑就意识到，中国地产这样的时代也要结束了，所以冯仑退出万通，退出了这种开发模式。转而做跟房地产行业相关的业务，比如做健康不动产、康养公寓、疗愈酒店、不良不动产资产并购等。

现在，冯仑的公司还有房地产出海业务。就是在国内把房屋预制成单体零件，运到海外快速组装，主要业务在东南亚。据说今天乌克兰，中东这些战损比较严重的地区，城市重建需要大量地产业务，中国很多房地产公司在做房地产预制出口。

2015年的时候，我们听到的消息还是杭州深圳各种创新高的房价，而这个时候，有人已经在思考退出这个行业了。

[AYi @AYi_AInotes]

前两天全网还在猜 DeepSeek V4.1 Flash 是怎么把每百万输入压到 0.15 美元、输出压到 0.6 美元的，今天他们自己就把谜底掀了，DeepSeek用 Apache 2.0 协议把支撑自家线上服务的推理框架 DeepInfer 和 API 同款编解码组件全给开源了出来。

这次放出来是他们自己线上跑大模型用的核心底座，里面直接塞进了高性能算子、分布式推理、投机解码、SWA Bounded Replay 和结构化输出，甚至连官方承诺以后新模型的推理代码也会持续往这个仓库里合入。

以前企业在本地私有化部署开源模型，最头疼的痛点就是官方放了权重，但你自己用通用框架搭出来的服务，不仅吞吐慢、显存炸，最要命的是同一个提示词跑出来的格式和工具调用行为，总是跟官方线上 API 对不上号。

而这波开源里最容易被外行漏看、但对工程落地最值钱的宝贝，其实是那个顺手附赠的 deepseek-recipe，它把官方线上 API 正在用的 Token 编解码逻辑原封不动交了出来，直接替所有做私有化部署的团队抹平了本地环境和官方接口之间的行为温差。

这就像一家米其林餐厅，以前开源模型权重只是把菜谱免费印给你，你自己在家炒总是差一口锅气，

现在 DeepSeek 连自家后厨定制的高压猛火灶台 DeepInfer，外加主厨切配摆盘的标准化工序 deepseek-recipe 一块打包送你了。

不过我顺手去扒了一遍 GitHub 仓库的 README，发现对着全网欢呼的完全开源也得留个清醒，仓库文档写得很实在，

这次放出来的其实只是离线推理引擎，真正撑起完整线上高并发服务最核心的三块基建：KV 缓存系统、预填充与解码分离部署、多副本负载均衡这次并没有放出来；而且硬件门槛极高，目前只认英伟达最新的 Blackwell 架构 SM100 和华为昇腾 950 两款顶级算力卡，支持的模型也只限刚发的 V4.1-Flash，普通玩家手里的消费级显卡压根跑不起来。

但恰恰是 README 里这行只支持英伟达 SM100 和华为昇腾 950 的硬件限定，暴露了比框架本身更狠的产业信号，头部国产大模型已经不再等芯片厂商来缓慢适配自己，而是亲自下场写底层算子，一边吃透硅谷最顶级的 Blackwell，一边把国产昇腾 950 直接焊进第一梯队的生产标准里。

说白了，这对不同的人意味着完全不同的动作，如果你是做企业级私有化部署或国产算力适配的架构师，赶紧去把 deepseek-recipe 的编解码对齐逻辑和底层算子吃透，那里藏着省下大把调优工时的真金白银，

至于手握单卡的个人开发者，这趟就不必跟着去凑部署的热闹了，老老实实调它家几毛钱的 API 比自己搭集群划算得多。

当一家公司连自己压箱底的印钞机图纸都敢往外送时，它图谋的早就不是赚你那点差价，而是让整个行业的生产线都长成它的形状。

我把 README 里没在推文上明说的硬件门槛和缺失组件全拆在一楼了，准备拿它做私有化部署的兄弟先对照看一眼。

[Geri Perna @GeriPerna]

A farmer, tired of rats destroying his crops and stealing his grain, came up with a clever but cruel plan. He threw a dead pig into a deep, abandoned well. Attracted by the smell, nearly 80 rats rushed into the well to feast on the carcass. At first, everything seemed wonderful. There was more than enough food for everyone, and the rats ate until they were satisfied.

But when the food was gone, they discovered something terrifying. The walls of the well were too steep to climb. They were trapped. Days passed, and hunger turned into desperation. Desperation turned into aggression. The rats that had once eaten peacefully beside one another began fighting for survival. Eventually, they began killing and eating each other.

One by one, their numbers dwindled until only a single rat remained. Its eyes were bloodshot, and it had survived by consuming its own kind. Then the farmer returned, lowered a rope into the well, and rescued the last surviving rat. But he didn't save it out of kindness or compassion.

The farmer knew the rat had learned to survive by hunting other rats. When he released it into his fields, it would continue killing its own kind instead of eating his grain. The farmer had turned his enemy into his greatest weapon.

And that is the lesson of divide and conquer. Those who control the trap don't need to fight the battles themselves. They simply create the conditions in which others turn against one another.

The rats believed their enemies were the other rats. They never realized that the true enemy was the farmer who had put them there.

The greatest danger isn't always the enemy standing in front of you. Sometimes it's the one who created the conflict and stands quietly watching you destroy each other.

Before you turn against your neighbor because of their political beliefs, ask yourself who benefits from keeping Americans divided. While we fight each other over Republican and Democrat, we may be overlooking those who profit from the conflict. Perhaps the real question isn't which side you're on, but who built the well—and why they want us fighting at the bottom of it.

[GeLun Ding @gelunding]

我以前在法国最好的大学巴黎政治学院学经济学。以我在法国生活和读书的亲身经历来看，法国今天变成这个样子，我一点都不意外。法国最大的问题就是，所有人都在想着怎么分过去留下来的蛋糕，而不是怎么把未来的蛋糕做大。我在巴黎政治学院读书的时候，最让我震惊的就是，我们经济学课上读的东西，居然大部分不是亚当·斯密，而是马克思！

马克思的理论说白了，就是人类历史是由富人和穷人之间的阶级斗争推动的。富人叫资产阶级Bourgeoisie，穷人叫无产阶级Proletariat。因为资产阶级掌握着生产资料，无产阶级没有，所以只能靠给资本家打工赚钱。这两个阶级的利益天生就是对立的。

但这套理论最大的问题，就是它假设生产资料是固定的，新的生产资料不能被创造出来。很多法国人被这套思想洗脑了，觉得如果自己是穷人，想过上好日子，唯一的办法就是把富人干掉。当年法国国王路易十六就是这么被送上断头台的，今天法国发生的事情，本质上也差不多。你看这个视频，一群野蛮人直接冲进一个年轻女孩开的店，把店砸了，再把里面的商品全部抢走。

马克思错就错在，在资本主义社会里，只要你愿意承担风险，就有机会创造出原本根本不存在的财富。而且你创造财富的同时，整个社会的生活水平也可以跟着提高。但要做到这一点，大家就得想着怎么去创造未来，而不是整天争抢过去的东西。

法国其实跟印度一样，有很多非常聪明、非常努力的人。问题是，这些聪明又肯干的法国年轻人，根本看不到自己国家有什么未来，所以最后一个个都跑去美国了。我认识的大部分法国朋友，宁愿死都不想回法国，因为那个地方真的太让人压抑了。

你随便哪天去巴黎街上走一圈，就能看到一群法国年轻人站在路边，一只手拿着烟，另一只手端着红酒。这些人对自己的人生根本没什么追求，也不想着去创造什么价值，每天就是混日子，慢慢烂下去。法国这种根深蒂固的问题，我觉得至少还得花一百年才能解决。

[Gains on Paper @GainsOnPaper]

$NBIS JUST MADE GPU PRICING PUBLIC.

Nebius launched live, market-driven spot prices for each GPU platform, with regional data, trend charts and an API.
GPU pricing used to be a black box.

Now the market can watch demand for AI compute in real time.

[Silicon Data @silicondata]

The same message we had shared a week ago seems to only have strengthened since as B200 and B300 GPU rental prices continue to rise sharply!

Also, dark mode is cool! So expect to see more of it going forward. 😄

[Xudong Han @Xudong07452910]

非常希望国内高校也能跟进这种课程和培养项目。

微软和 CMU 刚推出 PRAISE，专门解决一个 AI Coding 之后很尖锐的问题：如果初级工程师以前靠改 Bug、写基础代码、做测试慢慢「练级」，这些工作现在越来越多被 AI 接走，下一代 Senior 要怎么成长？

他们借鉴了护理行业的临床带教模式，让初级工程师直接和资深工程师结对。AI 照样用，但学习重点放到理解系统、验证假设、判断什么时候该用 AI，以及对最终结果负责。CMU 还配了正式课程和小组讨论。

我觉得这个思路还是蛮有意思的。AI 时代教育要补的就是被自动化拿走的那段「成长路径」。

原文
https://t.co/8rcDDBs9nm

[Chu Wei @ChuWei10]

賣掉上海所有房產救酒店！這個傾家蕩產的決定，他忍不住淚目了…