Trouver du contenu similaire

XingangPan/DragGAN，一个AI修图工具，已开源。短短几天，已近3万星了。 地址：https://github.com/XingangPan/DragGAN from：@piracy6 #工具#AI 💻💻 关注频道：@onesees

被压缩的 21 世纪 Machines of Loving Grace 最近抽空看完了 Anthropic CEO 关于 Power AI/ AGI 及其社会影响的深度长文。 作为目前世界 TOP 级 AI 模型的领军人物，Dario Amodei 从研究者视角讲述了 Power AI 将如何压缩整个 21 世纪重要前沿领域，影响如生物/医学/神经科学未来 50-100 年的进展加速至近未来 5-10 年。 几个观点，Dario Amodei 认为 AGI 最早可能于 2026 年实现；人类寿命有望增加至 150 岁；AI 更易接管虚拟界面 interfaces 和实体机器；AGI 比诺贝尔奖获得者更聪明，并将以 10-100 倍的速度同时运行和响应多个「超级智能实例」，Dario 称其为「数据中心的天才之国 」country of geniuses in a datacenter. 其中第五节，Dario Amodei 关于未来「工作和意义」中以更少的篇幅来表达了自己预测的乏力，只是提到人类在高度充盈和智能的未来，还可用「比较优势」为自己提升杠杆，而基于效率低下的人类社会结构、政府行为和人类意愿，这种比较逻辑将在未来很长段时间内保持生机，尤其物质世界。而后，则需要更广泛的社会对话和重置。 Dario Amodei 的视角非常丰满，生物健康/神经心理/经济贫困/和平治理和工作意义，而在「和平与治理」内容中明显预设福山「历史终结」的极度乌托邦/ACC 倾向，想象贫瘠。最近，有美国政党总统候选人表示「美国的命运是征服群星」，目前美国太空制霸，SpaceX 独一档，而这成为美国太空领域超过中国保持领先地位的唯一重要原因，这几乎没有讨论。 #AI#space

IllustrisTNG丨宇宙星系模拟项目 这个有趣，IllustrisTNG 是个宇宙星系模拟项目，模拟从大爆炸以来演化和生成的星系密度和宇宙尺度，及其各种物理驱动和自洽（Self-consistently）模拟过程。 TNG 使用最先进的代码和超级计算机执行，主要了解星系何时、为何以及如何演化成物换星移的夜空结构，探秘最深邃浩博的宇宙容器如何反应。 Reference 一个模拟生命体产生的项目 宇宙中所有物体的平面展开 AI 小镇 #AI#space

#AI 太厉害了 😂#合集

#AI 太厉害了 😂#合集

#global#AI Сегодня вышел DeepSeek v4 который по любому в ближайшие дни наведет много шуму, поэтому чтобы быть в курсе событий предлагаю ознакомиться с заметкой, прикрепленной под этим постом. Там вкратце описано чем эта LLM лучше чем Claude и Chat GPT, а чем хуже + еще пару интересных вещей Основные тезисы: - Дипсик заявляет что цена генерации токенов в 7 и более раз ниже чем у американских ЛЛМ. Это так - Но есть нюанс - американские ЛЛМ эффективнее отвечают и тратят в разы меньше токенов (в 4-5 раз) - Также Дипсик медленнее "думает", поэтому решения той же задачи может быть в 4 раза медленнее чем у американских ЛЛМ - Китайские инженеры и архитекторы ЛЛМ большие молодцы потому что при значительном отставании китайских чипов от американских чипов они за счет изменения алгоритмов работы ЛЛМ смогли достигнуть более менее сопоставимого качества DeepSeek v4 с текущими американскими моделями - Но этого недостаточно для того чтобы стать "убийцей" американских ЛЛМ - Отставание в чипах все еще имеет огромное значение, а преодолеть его в ближайшие пару лет только за счет развития собственных технологий пока не получится - Часть выполняемых пользователями задач будет переходить на Дипсик от американских ЛЛМ в целях экономии, это приведет либо к тому что американцы будут понижать чек и получать меньше рентабельность либо темпы роста их выручки замедлятся из-за оттока части генерируемых "токенов" и клиентов - В течение 2026 года буду выходить Американские ЛЛМ обученные на более крутых чипах и разрыв с Китайскими ЛЛМ снова станет гораздо больше, чем он есть сейчас после релиза Дипсик 4

#global#AI Open AI в преддверии своего нового раунда финансирования "слило" в сеть свои обновленные прогнозы по Выручке и FCF чтобы оправдать рост оценочной стоимости с $500 млрд до $830 млрд. Но мне кажется что такие прогнозы, особенно при сравнении с Anthropic должны стоимость наоборот снижать. Прогноз по выручке в 2030 г. был повышен по сравнению с прошлым прогнозом с $200 млрд до $284 млрд, то есть на 42%. Прогноз по FCF при этом ухудшился - теперь ожидается что в + компания сможет выйти только в 2030 г. а не в 2029 г. При этом отток по FCF в 2026-2028 гг. более чем в 2 раза превышет предыдущий прогноз. И самое смешное, что при таких цифрах, компания надеятся получить оценку в $830 млрд, хотя при предыдущих прогнозах (которые кажется были лучше) в октябре 2025 г. компания оценивалась в $500 млрд. Кароче на мой взгляд это какой-то абсурд. Сжигание FCF растет больше чем в 2 раза, выручки при этом растет только на 42%, FCF в 2030 г. почти такой же как и в прошлом прогнозе... Хз почему компания должна теперь стоить дороже. Тем более мульты большинства биг-техов с октября 2025 г. упали в среднем на 15-20% и нарратив на рынке сменился на такой, что распродаются имена с большим капексом и негативным FCF. Наверное ответ в том, что с октября 2025 г. стало еще больше понятно, что развитие ИИ идет очень активно и теперь ИИ способен делат ьвсё более удивительные вещи, выполнение которых в октябре 2025 г. еще казалось что не произойдет так быстро. Поэтому теперь прогнозы за горизонтом 2030 г. стали выше, но их мы "слитых" прогнозах не видим. Очень полезно при этом сравнить Open AI с Anthropic, прогнозы которой тоже гуляют на рынке. Так вот при сравнении мы видим, что выручка Anthropic согласно прогнозу от декабря 2025 г. (до успеха cowork и плагинов) в 2029 г. была бы приблизительно равна выручке Open AI в рамках предыдущего прогноза и всего лишь на 14% ниже чем обновленный прогноз Open AI. При этом компания ожидает выхода в позитивный FCF уже в 2028 г. и в 2026-2027 гг. сжигает как минимум в 3 раза меньше FCF чем Open AI, При этом Anthropic по последним слухам в своем последнем раунде может получить оценку всего $380 млрд https://t.me/zzz_NonameResearch/1982 То есть мульты у Anthropic сейчас оцениваются гораздо ниже. И это на мой взгляд чушь, особенно если учесть тот факт, что в январе-феврале все активно обсуждали, тестили и покупали Claude из-за его успехов с Cowork и специальных ИИ-плагинов для excel, power point, кодинга и т.д Даже я блять купил подписку MAX за $100. Следовательно новые прогнозы, которые может слить Anthropic могут быть еще выше чем декабрьские 2025 г. Ну кароче это реально тупо и тут я вижу 4 варианта развития событий: - Open AI выпускает в ближайшее время какую-то ебнутую модель и плагины/агентов, которые сильно дают в рот разработкам Anthropic - ❗️Раунд Open AI по таким оценкам не состоится, что может привести к существенным дополнительным распродажам во всем что связано с ИИ (биг-техи, GPU, ASIC, память, СУБД, электроэнергетика и т.д и т.п)❗️ - Оценки Anthropic растут и новый раунд проходит по оценке не $380 млрд а гораздо выше - Я тупой даун и не понимаю почему Open AI должна стоить дороже Anthropic либо участники рынка тупые дауны и берут, что дают, по ценам которые говорят и забивают огромный хуй на сравнительный анализ и активный торг

#global#AI Айтишники выбирают Claude, особенно после релиза Claude Cowork. Open AI на втором месте. А Gemini видимо с айтишными задачами справляется существенно хуже

#global#AI Говорят, что CPU таким же Bottleneck может стать как память Типа при инференсе важно как быстро информация между частями материнской платы (между ГПУ, акселератором и памятью) ходит а не только внутри ГПУ. Для того чтобы инфа правильно и быстро перемещалась между частями материнской платы важны передовые CPU, поэтому Интел ракетит после CES. Еще более актуальным это становится из-за развития ИИ-агентов которые могут делать долгие, комплексные задачи включающие в себя обращения к другим ИИ-агентам, базам данных, написание кода, выполнение действий и кликов за человека. Для всего этого информации необходимо постоянно перемещаться между частями материнской платы и делать это точно и быстро, а не долбиться только в пределах GPU как при LLM training и базовых inference-задачах https://fundaai.substack.com/p/deepintc-agentic-ai-and-supply-bottlenecks?r=4ogk2m

#Global#AI Наткнулся на заметки трейдера Goldman Sachs с TMT деска. В них он пытается развеять опасения клиентов относительно "пузыря ИИ". Аргументы трейдера: - Выручка, которую может приносить применение ИИ оценивается аналитиками Goldman Sachs на уровне $8 трлн. в год ближе к 2035-2040 гг. в базовом сценарии, а диапазон оценок составляет $5-19 трлн. То есть базовый сценарий скорее имеет риск превышения чем невыполнения - За последние 3 года с момента представления первой GPT от Open AI в 2022 г. капитализация "компаний-бенефециаров развития ИИ" выросла на $18 трлн., а оценка всех ИИ-стартапов и непубличных компаний легко сформирует еще $1 трлн. Итого капа выросла как раз на $19 трлн и кажется, что весь трейд уже отыгран - Но это не так, потому что текущий медианный мультипликатор P/S американских "компаний-бенефециаров развития ИИ" составляет в среднем 4х. А это означает, что сравнивать рост капитализации на $19 трлн нужно не с верхней границей прогноза выручки в 2035-2040 гг., а с базовым прогнозом GS ($8 trln) умноженным на мульт P/S 4х, то есть с $32 trln - Таким образом получается, что все еще есть апсайд и рост котировок "компаний-бенефециаров развития ИИ" должен продолжаться. На самом деле аргументы трейдера GS с TMT деска кажутся мне неубедительными. Есть контраргументы. - Полученная стоимость, это перемножение выручки 2035 года в лучше случае на текущий форвардный 1-летний мульт (скорее всего, они в заметке не уточнили). То есть нужно продисконтировать к текущему моменту чтобы сравнить с ростом капитализации, который уже произошел. При дисконтировании по ставке 16% (4% Rf + 6% ERP * 2 Beta) на 10 лет получаем, что на самом деле стоимость будет не $32 trln, а $7.2 trln = $32 trln * (1/(1+16%)^10) - Оценка выручки в $5-19 trln с базовым прогнозом $8 trln - это по большей части эффект от применения ИИ, который рассчитывался аналитиками McKinsey в этом репорте. Разница в оценках GS и McKinsey мне кажется заключается в том, что GS говорит только про выручку, а McKinsey говорит и про выручку и про cost-reduction, поэтому их прогноз существенно выше.В любом случае, эффекты от выручки и cost-reduction принадлежат компаниям, которые применяют ИИ, а не создают его. McKinsey в этом же репорте говорит, что именно выручка создателей LLM и ИИ-агентов может составлять 20% от экономического эффекта который они создают. Я на самом деле не уверен, что разработчики LLM и ИИ-агентов смогут в итоге получать только 20%, кажется что это должно быть больше, учитывая, что они еще должны будут платить за inference компаниям, предоставляющим вычислительные мощности либо тратить деньги на собственные вычислительные мощности. - То есть по логике, по которой GS пытается оправдать рост компаний, которые строят ИИ (NVDA, Micron, SK Hynix, MSFT, GOOG, NVDA, CRWV, META, AVGO, AMZN, а также электросетевые и электрогенерирующие компании), оценка на самом деле должна была расти у тех, кто вот этот экономический эффект в $5-19 трлн должны почувствовать на себе. ______________________________________ В любом случае, мне кажется, что в дискуссии о пузыре ИИ, нельзя говорить общими терминами и пытаться загнать все компании под одну гребенку. Гораздо более правильным подходом, будет разделить компании на несколько кластеров. И как раз таки последние 3 года росло в основном 3 кластера компаний: - электрогенерирующие и электросетевые компании - компании которые строят инфраструктуру для создания LLM - компании создающие LLM и компании создающие ИИ-агентов на базе своих или чужих LLM Как раз таки кластер тех компаний, которые смогут на своих финансовых показателях ощутить эффекты от внедрения LLM и ИИ-агентов в контур организации особо не росли либо вообще были под давлением и их котировки снижались.

#global#AI Посмотрел классный видос https://www.youtube.com/watch?v=cmUo4841KQw В нем аналитик по ТМТ сектору Gavin Baker (https://atreidesmgmt.com/team/gavin-baker/) рассказывает много интересных вещей про дата-центры, ИИ и конкуренцию в сфере создания и развития LLM Один важный момент который для себя подметил: Но сначала предисловие для контекста До выпуска новой версии LLM от Google - Gemini 3, росли опасения по поводу того, что LLM модели при текущих вычислительных мощностях достигли пика своего развития и дальнейшее их улучшение существенными темпами более невозможно. После выпуска настроения инвесторов улучшились, так как Gemini 3 показала результаты тестов существенно лучше чем последние модели конкурентов. Инженеры Google при формировании архитектуры модели не придумали особо ничего нового. Основными факторами, которые позволили Google улучшить показатели своей модели относительно конкурентов стали: 1) Использование большого количества собственных TPU (типа как GPU, только заточенные под конкретные задачи которые нужны для работы именно LLM, то есть в игры на них не поиграешь и биткоин не замайнишь грубо говоря), которые по характеристикам именно для задач развития LLM стали лучше, чем GB200 Nvidia, которые на данный момент являются предпоследней версией GPU Nvidia и сейчас в основном используются всеми остальными для развития LLM наравне с 2) Использование более новых чипов памяти RAM и HBM Важный момент Возможно сейчас снова у людей появляются сомнения что теперь уже точно лучше не будет. Но это тоже не так и об этом Gavin Baker говорит в видео. Суть в том, что появляются более новые чипы памяти RAM и HBM, что позволяет моделям использовать больше параметров, "удлинять" и усложнять действия, которые они могут выполнить и увеличивать объем выдаваемых ответов (да-да, именно поэтому сейчас цены на оперативную (DRAM) и флэш (SSD/NAND) память улетают в космос). И Google и конкуренты будут их использовать и улучшать перфоманс своих моделей Помимо этого, Nvidia в марте 2025 г. зарелизила свою последнюю версию GPU - GB300. Она мощнее чем GB200, которые сейчас в основном всеми LLM-создателями используются. В скрине прикрепил отличия GB300 от GB200. Там как раз используются новейшие технологии HBM, а также еще более оптимизирована топология транзисторов в вычислительных ядрах GPU, что позволяет существенно ускорять ряд вычислений LLM. GB300 лучше чем TPU от Google и позволит делать еще более продвинутые LLM И вот как раз самый важный момент в том, что GB300 был зарелизен в марте, а полномасштабные поставки разработчикам LLM моделей начались только в сентября 2025 г.То есть модели, которые будут натренированы и в дальнейшем будут работать на GB300, которые лучше чем TPU, на которых был разработан и действует Gemini 3, начнут появляться только в весной-летом 2026 г. Gavin Baker говорит что после релиза нового поколения GPU необходимо 6-9 месяцев для того, чтобы на них развернуть LLM. Как минимум необходимо купить, установить и связать друг с другом множество этих новых GPU в один единый кластер в ЦОДе, также software-инженерам LLM понять как лучше "взаимодействовать" с такой новой физической архитектурой. Но когда LLM на основе GB300 выйдут в свет, логично предположить, что они будут еще более продвинутыми чем Gemini 3. Gavin Baker говорит, что самой быстрой компанией по созданию крупных GPU-кластеров является xAI Илона Маска, поэтому и xAI создаст первую LLM, которая будет работать на GB300.

#ai#汉服#古风 频道: @meizitu3