了解了一下现在的ar眼镜，它看视频玩游戏还行，看文字比较费劲。另外，瞳距适应做的也不太好，长期使用对眼睛有负担。
办公?只能说未来可期。

看见一篇分享，用mini 主机结合VR眼镜办公。没有了笨重了显示器，还可以享受超级大屏的感觉，想分几个屏分几个屏，所有东西都可以装进一个小包，好像有搞头。

B站还有救？

随着互联网世界的开放文本数据耗尽，AI训练陷入没有素材可用的状态。多模态大模型(GPT-4、Sora等)对视频、语音、文本的融合训练需求激增，稀缺的优质视频数据就是最后的数据富矿。OpenAI去年花了2.03亿美元签下Reddit数据接口，说明专业内容平台的议价权在跃升。

B站是国内长视频内容的王者，内容质量相对较高，视频种类五花八门，这种多样性对AI来说是很好的养料。B站还有一个可能有价值的数据--弹幕。从某种角度来看，弹幕构建了人类群体注意力的动态热力图，这种带反馈的活性数据能让AI搞明白人类对什么样的内容更加关注。在AI这块，每年给B站带来个数十亿收入不是梦，陈睿叔叔别搞什么离谱操作了，多看看AI吧。

你可能不在意所有人的评价，但总有那么几个人的意见格外重要 -- 可能是父母、好友或者你仰慕的人。他们的存在会笼罩在我们的整个决策过程中，影响着我们的每一个选择。

每天起床后最重要的事情---构建一个正循环。推动走向积极生活的雪球，而非堕落。

聊聊我最近的一个想法：用AI重新设计知识管理

传统知识管理最大的痛点是什么？是我们像堆积木一样堆砌知识，却很难看到知识之间的联系。

想象一下这个场景：

你随手记录了一个新想法，AI立刻告诉你：
"诶，这个概念和你三天前记录的那个想法很像，要不要看看？它们之间有个有趣的联系..."

就像有个贴心的伙伴，不断帮你发现知识间的隐藏联系，激发新的思考 ✨

每个想法都是一个节点，AI擅长发现这些节点之间的关联。AI辅助知识管理有一定的可能性。

哇靠，英伟达即将发布的mini AI主机（digits）太顶了

为什么我们总是记不住学的东西？

因为你的大脑还活在原始社会：海马体这个"记忆判官"是远古时期形成的，它只关心一件事：这玩意儿对生存有用吗？🧠

所以：
- 社死经历 → 重要！给我记住！（避免同样危险）
- 八股文背诵 → 不重要，删了吧（跟找食物没关系）

这就是为什么你能清清楚楚记得三年前在地铁上的尴尬，却想不起来昨天看的书...

那怎么骗过这个原始人大脑？👇

1. 假装很重要：带着好奇心学习，越有情绪越容易记住

2. 打游击战：不要一次塞太多（暴饮暴食等于浪费）

3. 建立关联：把新知识连接到已知事物（大脑喜欢找关联）

4. 装作在生存：定期复习（重复出现的=重要信息）

本质上都是在讨好原始人大脑了😂

看了王传福的30周年致辞。工程师文化，极其重视研发，坚持认为未来是太阳能发电，电池储存电能，电动车使用储存的电能这一整套的能源逻辑（这点和我想得一样）。看到了传福哥坚定的目标和长达数十年的坚持。非常合拍，将所有宁德时代股票转为比亚迪了，小散户支持一波！

简要看了Openai 发布o3模型。o系列的模型选择了“慢思考”这条路。它会像人类深入思考一样，花1-2分钟去解决一个问题。在数学竞赛和编程比赛中，它甚至能超越人类选手的表现。

为什么说它走的是"慢思考"的路线？这让我想到诺奖得主丹尼尔·卡尼曼在《思考:快与慢》中的理论。他认为人类有两种思维模式:

- 快思考:直觉反应,快速但可能出错
- 慢思考:深入分析,准确但耗费精力

O3就像在模仿人类的"慢思考"能力，试图通过更多的推理步骤来得出更准确的结果。这种深度思考对人类大脑来说都是很耗能的活动，对AI来说也是如此。

从零散的消息来看，o3非常消耗算力，OpenAI现在根本不敢轻易开放o3给普通用户使用。这可能就是他们遇到的"算力墙"- 性能提升了,但普及起来太贵了。