fasdddd
99 posts


我应该是全网最勤劳的多头了,在至暗时刻,不停的鼓励大家不要卖出你的股票,不要放弃,坚持buy the dip,被人笑称鸡汤博主,我其实很喜欢这个名称,只要我的鸡汤对你有用,我就觉得我的文字是有意义的。 Discord在主页,buy the dip,长期持有。

@darrencao2024 mrvl,220以下都可以买吗?





上周看到一段很震撼的视频。 机械手,已经进化到了一个很夸张的程度。 五根手指可以快速独立运动,完成非常细腻的抓握和调整。 越来越接近真正的人手。 大家看了之后的第一反应可能是:机器人终于快要拥有一双能干活的手了。 但我看完之后,反而想到另一个问题。 手变得越灵活,机器人需要学习的东西就越多。 一只只能搬箱子的机械爪,需要掌握的动作很少。 但当一双机械手拥有越来越多的关节、传感器和自由度以后,它面对的就不再是简单的“抓住”或者“松开”。 同样是拿起一个东西,杯子和鸡蛋需要的力度不同。 同样是整理物品,衣服、餐具和电线的处理方式也完全不同。 哪一根手指先接触物体,手腕应该转多少角度,力度什么时候增加,物体开始滑动以后应该如何调整,这些都是人类几乎不会注意的细节。 但对机器人来说,每一个细节都需要学习。 所以视频里这双手真正让我震撼的,不只是它的硬件已经接近人类。 更重要的是,它意味着机器人终于拥有了一个可以承载更多能力的身体。 接下来的问题,是我们该如何把人类几十年形成的生活经验,教给它。 现在聊具身智能,大家最容易看到的还是机器人本体。 谁的手更灵活,谁能跑得更快,谁能进工厂干活。 但机器人想真正进入家庭,最缺的可能不只是一双更贵的手,而是足够多的生活经验。 擦桌子、整理衣服、打开瓶盖、把餐具放进洗碗机。 这些动作对人来说几乎不需要思考,但对机器人来说,背后需要理解物体、空间、动作顺序,以及手和物体之间每一次细微的交互。 互联网时代,大模型可以学习全世界的文字、图片和视频。 机器人却没有这么现成的数据。 工厂里的标准化动作相对容易采集。 一条生产线上的物品、位置和流程通常是固定的,机器人重复学习一套动作,就可以不断执行。 但真正复杂的是家庭。 每个人的桌子不同,杯子不同,衣服不同,房间布局也不同。同一个动作放进不同环境里,可能就需要完全不同的处理方式。 一双灵巧手可以证明机器人“有能力做”。 大量真实世界的数据,才能教会它“面对不同情况应该怎么做”。 所以具身智能继续往后走,一定会出现一个新的行业:为机器人采集真实世界的数据。 看到 @yueya_eth 老师提到的 @caspius_ai,做的就是这件事。 它没有直接去造机器人,而是先把普通人的手机变成数据采集工具。 我们用户可以通过第一视角拍摄日常动作,例如整理物品、清洁桌面、打开容器、拿取和放置物体。 平台再根据手部是否清晰、动作是否完整、画面是否稳定等标准,对数据进行评分和整理。 这些视频的意义,不只是记录一个人完成了什么任务。 更重要的是,记录人在真实环境中如何观察物体、伸出手、接触物体、调整力度,最后完成整套动作。 简单理解,Caspius 想做的是一个具身智能时代的数据众包网络。 过去训练 AI,需要有人标注文字和图片。 未来训练机器人,可能需要更多人记录自己如何与真实世界发生交互。 Caspius 在这套模式里加入了积分、Miner NFT 和 CAS 激励。 普通用户贡献动作数据,验证节点负责检查数据质量,平台再尝试把合格的数据提供给机器人公司和 AI 实验室。 这个模式有意思的地方在于,它把一个原本只有大公司才能完成的数据采集工作,拆给了全球普通人。 机器人公司不需要自己进入成千上万个家庭搭建采集场景。 普通用户也不需要懂模型和算法,只需要按照具体的任务要求,记录真实生活中的动作。 每一个家庭,本身就是一个不同的训练场。 当然,Caspius 现在仍然处于很早的阶段。 App 已经上线,采集和评分系统也在持续更新,但真正决定这个项目价值的,不是发出了多少积分和 NFT,而是它能不能持续生产机器人公司愿意使用、甚至愿意付费购买的数据。 这也是 Caspius 最重要的一点。 具身智能的手已经越来越像人。 但拥有一双手,和真正会用这双手之间,还有很长的距离。 硬件决定机器人能够做到什么。 数据决定它最终能不能在成千上万种真实环境里,把事情做好。 如果未来机器人也需要属于自己的“互联网”,那么 Caspius 想做的,就是先把普通人的每一次动作,变成这个新世界里可以被学习的数据。

Another exciting development in our chips business as Meta has decided to bet big on Graviton, our leading CPU chip—committing to tens of millions of Graviton cores. Agentic AI is becoming almost as big a CPU story as a GPU story. Complex multi-step orchestration, real-time reasoning, and code generation at scale is CPU-intensive work. And, our purpose-built Graviton5 instances deliver up to 33% lower latency between cores, which matters a lot for these kinds of workloads. Meta has been a longtime AWS customer and one of our biggest users of Bedrock... looking forward to what they build with Graviton5. aboutamazon.com/news/aws/meta-…































