Roger🐳
516 posts
@JahedNaeem3348 @Lily0727K 放你的屁，你买过没有。身边国产车已经很多了，开 3 年以上的也多，没遇到你说的系统很大问题。能有什么问题，你倒是说说看，材质很大问题说什么问题，沙雕吧你
中文
@Lily0727K 这个车的系统和材质有很大问题，简单点说容易出故障，但是如果只是短暂开2-3年还是不错的，但是要比性价比的话，可能还是比不过丰田他们这样的巨头
中文
说一个很多人不敢说的事情。
中国不同省份的人，天生的性格基因，文化基因，决定了他们适合干什么。
先说最适合创业的，
广东人、浙江人、福建人。
这三个地方出来的人，有一个共同特征，从小就在做生意的环境里长大，父母、亲戚、邻居，几乎全都是老板。
耳濡目染，创业对他们来说不是冒险，是理所当然。
温州人更极端，一个温州人到了任何地方，第一件事不是找工作，是找市场。
再说最适合打工的。
东北人、河南人、湖南人，执行力强，能吃苦，服从性高，是大厂最喜欢的员工。
但问题在于，打工思维太根深蒂固，很多人打了一辈子工，从来没想过自己当老板。
山东人最有意思。
聪明、勤奋、讲义气，但太在乎面子，太在乎别人怎么看，很多机会就是这样错过的。
说到底，地域性格只是起点，不是终点。
但如果你来自一个打工文化浓厚的地方，你要花额外的力气，去打破那个老老实实上班才是正道的底层信念。
否则你的天花板，就是你父母那一代人的天花板。
中文
@xyq034536 @szslg 跟两百万人竞争985和跟1300万人竞争985，就别在那当那个想当年的油腻大叔了。能把自己考上个985挂嘴边的，大多也都是些末流985，600分多了
中文
我昨天上午刚监考完数学，说句不怕得罪人的话--今年的数学卷，出题人，你是真狠。
我站在讲台上，前十分钟一切正常，大家都在翻卷子。到了第二十分钟，不对劲了。后排一个男生把笔啪地拍在桌上，抱着头趴了下去，一直到交卷都没再起来。
我下去走了一圈。第一排那个女生，平时模考数学一百三的苗子，草稿纸写了三张，选择题还没做完。她的手在抖，我站在旁边都能感觉到桌子在震。
这次卷子最狠的地方在哪?它不跟你玩超纲，每个题的知识点你都见过，但每个题考的方式你都没见过。你把市面上所有模拟卷刷完都没用一-它考的不是做题量，是把你三年建立起来的自信一拳打碎。
压轴题那道导数，和我一个教室的数学老师，教了十年高中数学，他站在那个学生旁边看了两分钟，才看懂它要考什么。你让一个十八岁孩子在考场上两分钟想明白?开什么玩笑。
收卷的时候我一张一张看过去--三十个人的考场，压轴题二十九张空白。不是不会写过程，是连第一问都动不了笔。仅有的那一张写了东西的，就歪歪扭扭写了个"解"字，后面全划掉了。
最让我难受的是交卷铃响的时候，有个男孩子站起来跟监考搭档说:"老师，我复读这一年白费了。"说完就走了，头都没回。
家长们，我今天必须跟你们说清楚:今年数学这个难度，跟你家孩子努不努力没有一毛钱关系。是这张卷子，它就没想给普通孩子活路。
孩子回家别问考得怎么样，别问"那道题你怎么不做"。你先给他倒杯水，先让他把午饭吃了。你孩子在考场上坐的那两个半小时，比我站在讲台上累一万倍
真的，别问考的怎么样了，孩子出考场记得给孩子一个拥抱。
中文
现在 codex 和 claude code 一个月 200 刀，快赶上我老家房贷的月供了，对我来说，AI 带来了生产力，带走了精力和体力，但没带来经济收益，起码从工作收入上来说。
中文
@VincentLogic 这个西门子几年前就在搞了。参数化设计，但是只能做简单的零部件。复杂的一定要专业的工程师去设计。2030年能落地是不可能的
中文
Text-to-CAD 这块，最近真的杀疯了。
Adam 刚融了 410 万美金，我盯这个方向盯了半年。
说个结论：
自然语言 → 参数化几何 → 可制造 BOM
这条链要是跑通，工业软件 40 年的交互逻辑会被彻底重写。
现在两条路线分得很清楚：
路线1：Mesh 生成
Meshy、Tripo3D 在搞，输出 STL/GLB
适合游戏资产、3D 打印手板
看着像，但改不了尺寸
路线2：参数化 CAD
Adam、Zoo.dev、Onshape AI 在做
输出 STEP + 特征树
直接对接 CNC、BOM，每个特征都能调
核心差异就一句：
一个只能看，一个能直接下车间。
Adam 的技术路线叫 CAD-as-Code：
Claude 生成 OpenSCAD → Three.js 预览 → 聊天式修改
不是生成一张图，是生成可改的模型。
我判断的三个发展阶段：
2025-2027：
AI 打初稿，人工校验
效率提升 3-5 倍，责任还是人扛
2027-2029：
CAD + CAE + 工艺知识库打通
说一句话，出可制造方案 + 报价
2030+：
设计变成「定义约束 + 审核 AI」
画图员这个角色会消失
但还有三个硬问题没解决：
1. 几何正确 ≠ 工程正确
强度、公差、装配关系，AI 还不懂
2. 修改历史不可追溯
工业场景的硬要求，现在做不到
3. 领域知识没有标准 IR
谁能定义「工程语言的 IR」，谁就是下一代工业软件的嗓子
你们觉得 Text-to-CAD 多久能真正落地？
中文
刚看完 SemiAnalysis 这篇 DeepSeek V4 推理性能长文，很有意思。
DeepSeek V4 一出来，被考试的是 NVIDIA、AMD、Huawei、vLLM、SGLang、TensorRT-LLM、ROCm、CANN 这一整套推理生态。
省流一下 SemiAnalysis 这篇的几个核心点：
1/ CUDA + vLLM / SGLang 仍然是 Day 0 最稳的生态。DeepSeek V4 Pro 发布当天，CUDA 平台上的 vLLM 和 SGLang 基本能直接跑，B200/B300 这类新 SKU 的 recipe 也大多开箱可用。
vLLM 和 SGLang 这两个开源推理引擎，已经是全球 ML 基础设施的核心组件了，各自独立出来成了公司（Inferact 和 RadixArk），融了几亿美金。他们的生态优势在这时候体现得最明显：新模型一出，开源生态能在第一时间接住。
2/ AMD 一开始很狼狈。MI355X Day 0 只能跑 FP8，交互性低到 1-2 tokens/user/sec，SemiAnalysis 直接说这不是生产可用状态。不过后面 AMD SGLang 团队 26 天内把性能拉了 100x 以上，这个追赶速度也很夸张。
3/ TensorRT-LLM 反而翻车了。他们有个 kernel 把 DeepSeek 的 hidden size 写死了 4096，这个问题拖了一周多才被注意到，SemiAnalysis 后来自己提 PR 修掉。
4/ Huawei Ascend 这次是另一条主线。华为 Ascend 950DT，在 DeepSeek V4 发布当天就提供了推理支持。CANN 发了优化指南和 benchmark 数据，也展示了从 kernel、graph path、quantization 到 serving / deployment recipe 的 full-stack 思路。
SemiAnalysis 的判断很明确：DeepSeek V4 的 Day 0 支持栈里，真正接住的只有两个，NVIDIA CUDA 和 Huawei CANN。
5/ GB300 NVL72 的 rack-scale 优势非常明显。SemiAnalysis 给的测算里，GB300 在 MTP 打开后几乎统治所有 interactivity level，50 tok/s/user、8k input、1k output 假设下，output token 成本可以到 $0.156 / million。
总结一下我的观感。
DeepSeek V4 的发布，本质上是一次对整个推理生态的年度统考。CUDA 生态依然最强，但华为的 Day 0 支持证明了 CANN 栈的成熟度正在快速提升。AMD 能在 26 天内追 100 倍，说明工程能力没问题，但 Day 0 的差距暴露了 ROCm 生态的脆弱。
TensorRT-LLM 的翻车，和 vLLM/SGLang 开箱即用的对比，可能是这篇文章最值得玩味的细节。闭源引擎的优化上限可能更高，但在 Day 0 这个时间窗口里，开源生态的响应速度是不可替代的。
问题变成了：当中国最好的开源模型之一（DeepSeek），遇上中国最好的 AI 芯片软件栈（CANN），这种 co-design 的优势会持续多久？NVIDIA 的护城河到底在硬件还是在软件？
感觉这个问题，可能比模型本身的参数量重要得多。
newsletter.semianalysis.com/p/deepseekv4-1…
中文
