TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #721 · 26.12

Почему я люблю языки с сильной системой типов, проверяемой статическим анализом кода — хорошо написанная программа является своей собственной спецификацией и позволяет выражать через язык программирования законы существования предметной области. Когда-то давно я писал на ActionScript. Там была система типов, но вот десериализация JSON'ов по-умолчанию была в какой-то общий Object, к полям которого нужно было обращаться ["по_строковому_имени"]. В один момент мне потребовалось написать что-то на C#, который я совсем не знал, я стал гуглить, как десериализовать JSON, и с удивлением обнаружил кучу советов заранее объявить класс со всеми нужными полями и десериализовать в него. "Какой ужас!", — подумал я тогда, — "Это же дико неудобно! А если я не знаю полей JSON? А если их много? Отвратительный язык!" Теперь то я прекрасно понимаю, что JSON это контракт, и что правильная десериализация только такая и должна быть, и что в хорошем API в одном поле никогда не бывает данных принципиально разных типов, и так далее. Нет, если вы набиваете вечерами пет-проект или сидите бессонную ночь на хакатоне, нет ничего плохого в том, чтобы взять простой язык с динамическими типами вроде JavaScript или Python, не требующий описывать данные. Но вот в энтерпрайзе, особенно когда над одним проектом работает много людей (а бывает это очень часто) — хорошее использование системы типов убережёт разработчиков от огромного количества ошибок, будет бить их по рукам, когда они пытаются сделать что-то не то, и будет подсказывать, когда они не уверены в чём-то. С помощью статической типизации можно на уровне кода обозначить правила, по которым ведёт себя предметная область вашей программы в реальном мире. Разработчику не только будет сложно их нарушить, но он ещё и станет узнавать какие-то вещи, которые мог не знать раньше. Например, если мы делаем медицинскую CRM, и больница заводит новых пациентов только тогда, когда знает их группу крови, мы можем объявить тип "Пациент" (или, если точнее, "Карта пациента") и запретить создавать экземпляры этого типа, не передав в конструктор группу крови (которая, в свою очередь, тоже является типом, вероятнее всего ValueObject'ом). Если новый программист пришёл в проект, он, во-первых, не сможет записать в БД некорректную карту пациента. Понятно, мы не учитываем случаи, когда новый программист переделывает модели предметной области — это будет хорошо видно на кодревью. А, во-вторых, даже если ему никто не сказал, что пациенты должны быть с группой крови, он узнает это из кода. И уже будет понимать, что в тех процессах реальной жизни, которые он описывает кодом, карта пациента создаётся только при наличии группы крови. А, значит, нужно искать какой-то способ сначала эту группу крови получить, и только потом создавать карту. Программирование моделирует реальный процесс. В настоящей работе даже на языках с типами, конечно, без должного контроля можно написать что угодно. Нужна управленческая воля, компетентность руководства, понимание опасности техдолга, в идеале отдельные должности для архитекторов, опытные лиды и старшие разработчики. Но когда всё это есть, можно отсекать много проблем ещё на старте и проще погружать новичков. #dev

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #lpu

当前筛选 #lpu清除筛选
经济信息联播

@eco_cn · Post #30006 · 18.03.2026 г., 03:41

在GTC 2026主题演讲结束后,英伟达CEO黄仁勋接受了Stratechery创始人Ben Thompson的专访: AI在过去一年跨越了一个关键门槛——推理能力的提升使模型首次开始产生真实的经济价值,而编程代理的爆发则是这一转变最清晰的体现。 生成式AI早期因幻觉问题难以商业化,而推理能力的引入使模型得以通过反思、检索与搜索实现"落地",进而从提供信息跃升为真正完成任务。"搜索是一项没有人付费的服务,原因在于获取信息的门槛不足以让人掏钱。 在技术层面,由Vera Rubin GPU处理高FLOP的注意力计算,由Groq的 #LPU 架构承担需要极高token速率与极低延迟的部分。 黄仁勋将AI代理的工具使用分为两类: 一类是结构化工具,包括CLI、API和数据库查询; 另一类是非结构化工具,包括需要模型通过多模态感知操作网页界面的PC端应用。#英伟达 在两条路径上均有布局。

经济信息联播

@eco_cn · Post #29990 · 18.03.2026 г., 01:25

华尔街点评GTC: #英伟达 GTC大会释放核心信号:AI算力的商业逻辑正在发生根本性重构——Token已成为新的大宗商品,而算力即收入。 美银认为,Blackwell系统相较上一代Hopper已实现每Token成本降低高达35倍,即将推出的Rubin系列有望在此基础上再降低2至35倍,这种持续压缩的Token成本曲线,是驱动需求规模化扩张的根本动力。 高盛快评,价值高达1万亿美元的数据中心 #AIDC 营收订单,远超市场普遍预期,有助于消除投资者对于AI资本开支可能已达“峰值”的担忧。其次,英伟达推出了Groq的LPX机架系统,此举进一步巩固了对推理市场的战略承诺。 郭明錤:2026至2027年 #LPU 出货量预计达400至500万台,较历史年产量暴增10倍。机架密度从64跃至256单元,背后的 #PCB 供应链同步迎来新周期——WUS印制电路或成最大赢家。