46 thoughts on the near future
作者从智能发展的角度，深入探讨了算法进步、AI自我迭代（RSI）、算力瓶颈与摩尔定律、以及开源与闭源实验室的竞争态势。文章认为，我们正处于早期起飞阶段，算法效率的提升空间巨大，AI将自动化科研，导致技术奇点来得比预期更快。
🏷️ 算力
10 篇The Window Has Closed: 机遇窗口已关闭
本文探讨了AI发展格局的不可逆转性。作者通过回顾Fable和Mythos模型的出现，指出AI竞争已进入领先模型自我迭代的加速阶段。他认为，由于硬件限制和地缘政治因素，各国建立主权AI的“窗口期”（2023-2026）已彻底关闭，未来算力将成为像核原料一样的战略资源，未能入局的国家将面临灾难性的依赖。
DeepSeek 的 10 万亿美元大战略：技术、算力与国产芯片的未来
本文深入分析了 DeepSeek 如何通过 MLA、MoE、mHC 等一系列底层技术创新，极大幅度降低大模型对 HBM（高带宽内存）和先进 GPU 制程的依赖。文章指出，DeepSeek 的战略并非局限于软件订阅，而是旨在通过算法优化盘活中国产能充足的 NAND 闪存和 LPDDR 产业，以此构建一套独立于西方之外的 AI 硬件生态，最终撬动价值 10 万亿美元的产业巨兽。
AI算力产业链瓶颈传导的底层逻辑
文章复盘了AI算力产业链瓶颈的演变路径，指出限制已从单一GPU供应扩散到电力、存储、光互连等多维集体紧张。详细解析了从计算（GPU）、存储（HBM）、光互连到电力/液冷的四阶段传导逻辑，强调了供应链互补约束下的价值重分配。
AI算力狂飙下的“黑话词典”：一文读懂2026年科技圈高频缩写
文章整理了一份2026年科技圈的高频缩写表，涵盖AI算力、服务器硬件、网络互联、存储及模型架构等核心技术领域。通过通俗解读GPU、ASIC、CPO、LPO、MoE等关键术语，揭示了AI产业链的底层逻辑与未来技术演进方向。
AI投资赚他妈的100倍：产业链全景与机会分析
本文从投资视角出发，将AI产业链划分为算力基础设施、模型层、中间件、应用层及能源约束四个层级。作者主张建立“知识仓”，深入理解产业逻辑，以应对未来的市场波动。文章详细分析了英伟达等核心公司的护城河，并指出了光互连、散热等第二、三圈层的潜在投资机会，强调了从“训练”向“推理”转变带来的市场格局变化。
AGI 前夜：智力进入接口、成本表和工作流
文章分析了 AGI（通用人工智能）临近时的现实特征，指出其冲击力不在于机器像人，而在于智力成为一种可复制、可计价的基础设施。文章探讨了 OpenAI、DeepMind、Anthropic 等巨头对 AGI 的定义与路径，强调 AGI 首先是劳动力供给的冲击。同时，文章从任务链路、接口、稳定性、成本四个维度定义了 AGI 的现实门槛，并揭示了算力战争背后的能源与地缘政治博弈。
离职字节后，北大教授泼了盆冷水：中国AI的真实差距，可能正在拉大
北大教授、前字节跳动算法专家张驰分析中美AI现状。他指出国内大模型存在“应试刷榜”、基础算力设施薄弱、高质量数据飞轮断裂等问题。因国产模型体验差距，顶尖开发者纷纷流失至美国产品，导致数据反馈闭环恶化；过度依赖模型“蒸馏”也限制了原创能力。尽管在硬件和具身智能领域尚存优势，但在纯软件领域的整体差距恐将持续扩大。
两小时激辩：黄仁勋谈 Nvidia 使命、TPU 竞争与出口管制
本文详细记录了黄仁勋与 Dwarkesh Patel 的两小时专访。黄仁勋重申了 Nvidia “输入电子，输出 Token” 的使命，并深入探讨了 CUDA 的生态护城河、供应链管理哲学以及对 GPU 定价的看法。针对 TPU 和 Trainium 的竞争，他认为专用芯片是特例而非趋势。文章最精彩的部分在于关于对华出口管制的激烈辩论，黄仁勋强烈反对将 AI 芯片武器化，认为限制出口只会倒逼中国实现完全自主化，让美国失去市场。
我终于知道为什么我们赚不到钱了：AI时代的马太效应
文章深刻探讨了在人工智能爆发背景下，社会贫富差距与技术鸿沟的残酷现实。作者指出，虽然AI看似普惠，但实际上资本巨头通过垄断算力、数据和生态，正在指数级地放大自身优势，而普通人仅能用AI提升微小的效率。技术并非中立，它加剧了马太效应，让原本的资源壁垒变得更高、更隐蔽。文章呼吁认清AI时代“赢家通吃”的本质，不应盲目将技术进步等同于社会进步。