jonas

🧑‍💻｜GPT 休闲用户
GO｜Pi agent 拥趸

[jonas @jonas_zl7]

@tibo_maker 👍

[jonas @jonas_zl7]

@chunxiangai 有木有测试过的佬，来分享一下效果👏

[jonas @jonas_zl7]

利好高通👏

[Jason Z @JasonZX]

高通CEO Cristiano Amon的最新46分钟访谈中透露已有AI前沿模型公司开始开发手机，未来还会有更多公司加入，除此以外还有11条核心观点总结如下：

1.多家前沿AI模型公司要求高通，到2028年手机能够持续运行至少1000亿参数的AI模型，而非偶尔调用。这是客户提出的技术目标，并非已确认的交付承诺。

2. AI Agent将逐步取代App，成为智能手机的核心入口。 用户不再需要逐个打开App，而是由Agent理解意图、跨应用执行任务。Amon认为未来将出现一场“Agent之战”。Apple、Google、Meta和OpenAI将争夺个人AI入口。

3.OpenClaw让AI手机的未来形态更加清晰。 AI Agent不再只是回答问题，而是能够直接操作手机和电脑上的应用。未来的竞争重点将从模型能力延伸至Agent执行能力、可靠性和生态整合。

4.端侧AI不会被云端AI取代。 用户的个人记忆、行为上下文和传感器信息主要掌握在终端，未来将是端侧与云端协同。

5.智能手机可能迎来AI换机超级周期。 全球手机年出货量约12亿部，高端机占比继续增长。存储器涨价正在压制换机需求，而真正有用的AI Agent可能释放积压的升级需求。

6.智能眼镜可能成为最大的AI可穿戴设备市场。 眼镜天然连接眼睛、耳朵和嘴巴，是非常自然的AI交互载体。耳机、吊坠、徽章等也在探索中。

7.下一代AI硬件仍处于“iPod时刻”。 行业尚未找到最终的赢家形态。智能手机不会消失，但新型AI设备将承接部分使用场景。

8.高通开始正面挑战英伟达的数据中心地位。 高通希望把移动芯片的低功耗优势带入数据中心CPU和AI推理加速器，并通过Modular构建跨芯片软件平台，削弱CUDA生态锁定。

9. AI硬件的核心瓶颈正在转向内存和能效。常驻运行的大模型需要更大的内存、更高带宽、更低功耗和更好的散热。

10. 中国可能率先推动消费级端侧AI的大规模应用。Amon观察到，中国在消费设备、端侧AI和Physical AI方面推进较快，美国则更集中于前沿模型和企业AI。

11.6G的核心价值可能是让AI实时感知世界。6G不仅提升传输速度，还将支持AI眼镜持续获取高清视觉信息，并利用无线信号感知环境、服务机器人。高通预计2028年洛杉矶奥运会进行技术展示，2029–2030年开始早期商用部署。

访谈中延展出来的投资主线仅供参考：

端侧AI算力升级: $QCOM $MU $TSM

个人AI入口争夺: $META $AAPL $GOOGL

AI眼镜商业化: $META $QCOM

AI推理芯片竞争: $QCOM $NVDA $AMD

[jonas @jonas_zl7]

@XiaoJi0403 国内上tk还是太麻烦了🤦🏻‍♂️

[jonas @jonas_zl7]

@adzcsx2 笑死

[钟二信 @zhongerxin]

iPhone Use
https://t.co/ObiO8RqWEm

[jonas @jonas_zl7]

@zzxwill 那我得试试了🤓

[jonas @jonas_zl7]

@0x_weihang 这两位不会是我想的那种老师吧👀

[jonas @jonas_zl7]

@xparkzz 在理

[jonas @jonas_zl7]

👍

[MATH FOURNITY @math_fournity]

🚨 Adobe 天塌了，全套Adobe软件，开源实现：

https://t.co/fuocWwRaXO

[jonas @jonas_zl7]

@uncle_moon_x 催更催更

[lauren @poteto]

this has become one of my most used prompts recently:

> restate in your own words what you think my goals are and what the problem i'm trying to solve is

[jonas @jonas_zl7]

@Andy116a ……..

[Bojie Li @bojie_li]

我去年这个时候就已经不 review PR 了……去年这个时候我一个人 + agents 的生产力相当于古法编程时代的 5-10 人（一个基层 team），今天我 + agents 的峰值生产力相当于古法编程的 30-100 人（一个 lab），基本相当于我在华为时最大的管理半径了。

这其实非常考验 tech head 的 vision（要能提出重要的问题，对得起公司给你一年 1000 万美金的经费）、架构能力（糟糕的顶层设计只会导致糟糕的实现）、团队管理能力（理解每个 agent 的特点并合理利用）、项目管理能力（排期、分工、调整目标）。

今天 AI 的能力越来越强，不具备 tech lead 能力的人就只能产出 2x 生产力，只能带 10 个人的基层 leader 只能用出 10x 生产力，能管 100 个人的 lab director 可能用出 100x 生���力。

[Pi @pidotdev]

People of Pi: We've shipped Pi 1.0 with Pi Durable. Go make them yours.

https://t.co/oUPfVfvAZl

[jonas @jonas_zl7]

@yilia_0626 看银河 还得自驾👍

[jonas @jonas_zl7]

@LDT0545 a single day might not be enough.🙂‍↔️

[jonas @jonas_zl7]

@cnfinancewatch 提升方向不同，不可简单地比较吧🤔

[WquGuru @wquguru]

所有有 GPU 或者 Macbook 的朋友，都应该本地部署一次 Qwen-Image-2.1（写实） 和 Anima（二次元）！不联网、无审查，小显存、小统一内存也能跑。

我测试了一周，感觉的十分惊艳，下面整理了一批本地能跑的出图模型。友情提示：

Qwen 擅长写实、构图、图里写字，需要二次元就换 Anima。

一、写实主力：Qwen-Image-2.1

Mac 首选 MLX 4bit（mflux 跑）：https://t.co/O5NNx6I0EU
GGUF Q4_K（stable-diffusion.cpp 跑）：https://t.co/9CJqoSCvJc
文本编码器：https://t.co/4HOHH51J6h
专属 VAE（别换成别的）：https://t.co/hVElyWQz8K

两个坑：cfg 用 1，这个模型按无引导训练，开到 6 慢一倍、画质没提升；mflux 跑 20 步构图容易崩，正式出图用 40 步。

二、二次元主力：Anima

基于 NVIDIA Cosmos-Predict2 的新架构，约 2B，不是 SDXL 微调。Danbooru 标签和自然语言都能用，比 Qwen 轻得多。

官方：https://t.co/CwxE3izldG
Civitai：https://t.co/KMu4Y8M2nN
WAI 作者的版本 WAI-Anima：https://t.co/0rzObBGNAi
WAI-Anima int8 量化（约 2.1GB，省显存）：https://t.co/SUJTZY5NW7

有三个版本：Base 适合练 LoRA，Aesthetic 默认画风更好看，Turbo 8–12 步出图。要单独配文本编码器 qwen_3_06b 和 Qwen-Image VAE，不是普通的 checkpoint，丢进去不能直接跑。

三、要锁定角色、要海量 LoRA：Illustrious 系列

WAI-Illustrious SDXL：https://t.co/jUUeQabi4a

角色一致性和服装标签，LoRA 数量约 20 万级，冷门角色基本都有。

最后值得注意：模型文件本身也可能被投毒。只下 .safetensors，不碰 .ckpt / .pt；Civitai 上来源不明的 merge 慎用，注意核查hash。Anima 系列是非商用许可，商用前需要注意这点。

效果直出👇

[jonas @jonas_zl7]

@wuxin_sir 中秋快乐