Revoido.0

Developer、mobile AI.
ex: bilibil. alibaba...

[Revoido.0 @xiaoshenghiahia]

@lllll910lllll @grok 兔娘

[Revoido.0 @xiaoshenghiahia]

没想到，出海了还是卖课最挣钱😂

[Revoido.0 @xiaoshenghiahia]

以为马一龙和 cz 关系很好，毕竟是大学同学😂

[Revoido.0 @xiaoshenghiahia]

抽象能力太重要了🤔

[Revoido.0 @xiaoshenghiahia]

Do not stop …

[Revoido.0 @xiaoshenghiahia]

AI 改变生活🥹

[Revoido.0 @xiaoshenghiahia]

Launch a successfully demo。action could be controlled by agent...

[Revoido.0 @xiaoshenghiahia]

模型垄断不了的是硬件阿😂

[Revoido.0 @xiaoshenghiahia]

期待 open ai 的机器人团队。是？攻克一下采集的瓶颈还是 gpt3 时刻(｡･ω･｡)?

[Revoido.0 @xiaoshenghiahia]

startup 对自身产品口味的定位就像文艺片的氛围感一样🤓

[Revoido.0 @xiaoshenghiahia]

经济强劲到要加息🥺

[AYi @AYi_AInotes]

别再傻傻等着大厂发布下一个更聪明的新模型了,
SpaceXAI 工程师 @laurentdelrey 刚公开的这番话,直接戳穿了全行业的认知盲区:
升级从来不是等一个更聪明的单体模型,而是把 20 个 Grok Bots 连进同一张图里。
这一招直接让她每天处理的任务量从 6 个狂飙到 200 多个,
整整翻了 33 倍,睡觉时整支 AI 团队在后台连夜自动交付。
把这场 55 分钟直接干碎市面上 500 刀培训课的工作坊榨干,核心就 3 套拓扑硬逻辑:
1️⃣ 彻底消灭单兵聊天框:
开 20 个独立窗口只会把自己累死,必须用状态图把规划、执行、审查和测试定义成不同节点,让数据按逻辑线自动流转;
2️⃣ 节点间自动交接杜绝人肉传话:
上游 Bot 写完代码,自动触发下游 Bot 跑仿真和抓日志,不用你当信鸽来回复制粘贴,常规子任务在内部完成闭环;
3️⃣ 人只把控输入端与最终验收:
睡前定死目标、规则与不可逾越的边界,把脏活全甩给图网络去并发冲刺,早上醒来只审阅完整的执行证据。
智能的单点突破已经到头了,网络的系统重组才是真正的核武器,
别给模型当保姆了,学会画图布阵的人,一个人就是一家软件工厂。 https://t.co/rpzBNmgFL7

[Revoido.0 @xiaoshenghiahia]

CV的路子😲

[Max For AI @MaxForAI]

7天计划招1万人，时薪50–90美元，就为了给机器人做视频标注。

micro1 CEO Ali Ansari 昨天发了这条招聘，然后一天之内招到了2000人。

招来的人具体干什么？

负责看机器人执行任务的视频，审核、标注这些视频，帮助机器人改进表现。

这个岗位不要求有此前的AI经验。

如果真有1万人同时开工，按这个时薪算，光一小时的人力支出就是50万–90万美元。

是不是感慨真有钱啊，其实国内机器人数据的价格也不低。

今年4月，觅蜂科技CEO姚卯青接受采访时透露，国内真机数据的市场售价约为每小时500–1000元。

当然，一个是标注员工资，一个是成品数据售价，不能直接拿来判断哪边便宜。

为了让机器人学会干活，一家公司准备在一周内招进来一万个人，专门处理训练视频。

我怎么感觉具身比视频模型还贵？？

[Revoido.0 @xiaoshenghiahia]

雀食 AI+硬件和适合 初创。。Hi3D,机器鸭

[克斯马 @mrbleem_eth]

试用了一下，和Opensandbox一样，确实好用，推荐
一个铁律，国内大厂无人问津的小组搞的开源软件，都好用的一比吊草
但一旦火了，被公司高层关注了，立马烂透。最近的例子就是qwen

[Gary Du @GaryDu18]

我去年九月份接触到硅谷居士的理念和持仓以后，就把一半QQQM的仓位换成了VGT。VGT里的科技公司比QQQ更多，科技纯度更高，长期涨幅都高于纳斯达克100。

[Revoido.0 @xiaoshenghiahia]

Basic. 强化学习，计算机视觉

[毒猫猫 | 量化摸鱼师 @NekoStranding]

李飞飞这段，言语之间眉飞色舞的，充满了激情

[Max For AI @MaxForAI]

一家只有8个人的AI公司，宣布融资4000万美元。

AI推理基础设施公司 @wafer_ai 刚宣布完成4000万美元A轮融资。

这家公司现在只有8个人，但已经支撑数百万美元ARR，月环比增长还是三位数。Wafer自己说，目前客户需求已经比团队承接能力高出几个数量级。

Wafer做的事情也很典型AI时代。

它最早做的是一个类似Cursor for CUDA的Agent，让AI自己分析GPU性能、改CUDA/HIP Kernel、编译、跑benchmark，再不断迭代优化。

后来他们发现，与其把这个工具卖给工程师，不如直接把整套能力封装成推理服务。

现在Wafer会针对不同模型、GPU和真实流量，自动优化Kernel、batching、cache、routing、scheduling等整个推理栈，再给客户部署一个高性能Inference Endpoint。

某种程度上，它卖的是一个不会休息的AI性能工程师。

这家公司真正夸张的地方也在这里：过去需要少数顶级CUDA工程师长期手调的工作，正在被Agent逐渐自动化。

然后8个人，就开始撑起一家数百万美元ARR的基础设施公司了。

这可能也是AI创业公司接下来越来越常见的形态：团队没怎么长，收入先指数级长了。

[Lonely @Lonely__MH]

🎉牛逼！Qwen-3.8 27B 开源社区新奇迹！

24G 显存（3090/4090）单卡即可流畅体验

有人直接把 Qwen3.8-27B 稠密模型分成了 64 个专家的 MoE 架构（活跃参数降至 17.8B）

最绝的是，作者只训练了微小的路由器（Router Healing），在全冻结专家权重的情况下成功复活了模型的知识

不仅能正常聊天、写代码，还通过定向蒸馏，把 MoE 压缩模型常见的 话痨/复读机死循环率从 69% 暴跌到 8%！

目前 llama.cpp 已经完美兼容，强烈推荐下载 Q4_K_M 格式本地尝鲜！