即刻App年轻人的同好社区
下载
App内打开
PRC隐士
84关注138被关注1夸夸
19y/o 2x founder,app:线下咖(还活着,还在盈利
正在做自动化账号增长平台
vx:PRCrecluse
置顶
PRC隐士
4天前
今天发布第一个推特全自动增长AI SaaS

Introducing volumn.ai v0.3
全自动推特账号增长SaaS
亲测挂起之后一天涨粉300,
官方api,100%安全
目前面向两类人群:
- 有养号需求的老板
- 希望获得马斯克收益分成的普通人。

不开玩笑,如果你连续三个月保持这样的增长速度,完全能开通创作者分成。
而你的预估收益:1.7k/mo
而这款工具的订阅费:0.2k/month(professional plan)。就说这么多,
我的微信:PRCrecluse

最后感谢@Max_means_best 的大力支持和产品建议
🙏🙏🙏
02:09
35
PRC隐士
1天前
想死你了小洛克😆
00
PRC隐士
1天前
我现在真的能找出100万个不想上班的原因,
但排在第一的绝对是学历歧视和各种登味的迷惑操作

尤其是在我高考失利之后,当我看到我的那帮所谓的去了浙大的学霸同学,90%的人都在卷绩点,都没有展现出惊人的成长速度,或者是自己对于未来机会究竟在哪的判断力

尤其是在我的浙大朋友那里私下听到各种莫名其妙的仇视言论之后,我现在对学历的滤镜真的越来越深,并且是负面的。
basically,在学历越高的环境里,带有歧视的刻板印象的人群占比就越高。我所遇到的持有认为女性天生学不好数学、考不上浙大就是傻逼的人大部分都出自其中。

在解决问题的能力和成长速度面前,任何学历都一文不值。从这个角度我绝对是100%的激进派。

如果未来我有机会雇到一个带有学历歧视的HR,我会10000%解雇他。(我理解简历太多需要筛掉一些人,但你明明可以用大模型来改进招聘方式。
50
PRC隐士
1天前
拿下阿里!
第一个企业客户
00
PRC隐士
2天前
Mintlify的cofounder问我是否在sf🤣
起因是我把他剪进了我的视频
相比之下,另一位founder就..。
00
PRC隐士
2天前
让我想到当时看乔布斯传时候,
乔布斯时代曾经被遗弃的一条岔路,
其实当时就蕴藏了很深的价值。
这是我没有那么迷乔布斯的原因之一

数字游民Jarod: 这可能是今年最重要的AI新闻,但中文互联网还没什么人聊。 昨天,一家成立不到三年的多伦多芯片公司扔下了一颗核弹。他们不是做大模型的,不是做应用的,而是做了一件听起来很复古的事:把AI模型直接刻在芯片里。 这家公司叫 Taalas。他们做的芯片 HC1,运行 Llama 3.1 8B的速度是 17000 tokens/秒。作为对比,目前业界最快的 GPU 也就 2000 左右。十倍差距。 但这还不是最疯狂的。最疯狂的是,这块芯片只能跑这一个模型。不能换,不能改,不能升级。你买回家,它就永远只会做这一件事:以光速运行 Llama 3.1 8B。 Taalas 的赌注很简单:在这个所有人都追求灵活性的时代,他们选择了绝对的不灵活,换取绝对的效率。 要说清楚这件事为什么重要,得先理解过去几十年芯片发展的主线。从 CPU 到 GPU,再到各种 AI 加速器,所有人都在做同一件事:造一个通用的计算平台,然后用软件在上面跑各种模型。 这条路走到今天,遇到了一个硬边界。模型越来越大,内存带宽成了瓶颈。你把几百亿参数从显存搬到计算单元,这个过程消耗的能量和时间,已经比计算本身还要多了。 Taalas 的思路是:既然你每次都算同样的东西,为什么还要搬来搬去?直接把权重存在晶体管里不行吗? 他们真的这么做了。HC1 芯片里没有显存,没有 HBM,没有复杂的缓存层级。模型的每一个权重都对应着芯片上的特定晶体管,矩阵乘法通过电路的物理连接直接完成。你输入一个 token,电流流过这些预先设计好的路径,输出就是下一个 token 的预测。 这就像录音带和现场演奏的区别。传统芯片是每次都要重新演奏,Taalas 是把演奏录在磁带里,播放就行了。 这种设计带来了几个惊人的结果。 第一是速度。17000 tokens/秒意味着什么?你几乎感受不到延迟。不是"很快",是"瞬间"。有测试者说,按回车的瞬间,答案就已经完整出现在屏幕上,甚至看起来像是预先准备好的。 第二是功耗。传统 GPU 运行 AI 推理需要液冷,一个机柜动辄几十千瓦。Taalas 的芯片只要空气冷却,十张卡加起来才 2.5 千瓦。他们号称能效是 GPU 的十倍。 第三是成本。制造这样的芯片,他们说是传统方案的十分之一到二十分之一。 但代价也是真实的。这块芯片出厂那一刻,它的命运就已经注定。Llama 3.1 8B,就是这个芯片这辈子唯一能做的事。如果明年 Meta 发布了 Llama 4,这块芯片就变成了电子垃圾。如果你发现这个模型有偏见,或者在你的应用场景里效果不好,你不能微调它,不能换别的模型,只能再买一块新芯片。 Taalas 的解决方案是:把定制芯片的周期从一年压缩到两个月。他们和台积电合作,只改变两层金属掩膜,就能为不同的模型生产新芯片。他们声称训练一个模型要花十亿美元,而定制一块这样的芯片只要花一千万。 说到这个团队的背景,确实豪华得有点过分。CEO Ljubisa Bajic 是 Tenstorrent 的创始人,之前在 AMD 和 NVIDIA 都做过架构师。COO Lejla Bajic 是他的妻子,同样是 AMD 和 Tenstorrent 的资深工程师。CTO Drago Ignjatovic 是前 AMD 的 ASIC 设计总监。这三个人加起来,可能设计了过去十年里你用过的一些最重要的芯片。 2022 年,当 Jim Keller 加入 Tenstorrent 并接管公司后,Ljubisa 选择了离开。六个月后,他创立了 Taalas。显然,他和 Keller 对 AI 芯片的未来有不同的看法。Keller 想做一个通用的、可编程的、软件友好的平台,而 Ljubisa 走向了另一个极端:彻底的专用化。 他们刚刚完成了 1.69 亿美元的融资,总融资额 2.19 亿。投资人里有个名字值得注意:Pierre Lamond。这位老爷子是 Fairchild Semiconductor 的元老,红杉资本的前合伙人,被公认为半导体行业的奠基人之一。这样的大佬背书,说明这件事至少在技术逻辑上是成立的。 现在的问题是:市场会买单吗? Taalas 需要找到那些愿意为了效率和成本,牺牲灵活性的场景。比如语音助手,需要毫秒级响应,而且模型不需要经常换。比如数据标注,需要处理海量文本,用的是固定模型。比如一些垂直领域的专用模型,训练好了就不动了。 但也有人不看好。芯片制造是有污染的,如果每两年就要换一批芯片,这比 GPU 的更新换代更频繁,环保问题怎么算?还有人质疑,AI 模型进化这么快,两个月流片时间还是太长,等你做出来,模型可能已经过时了。 更根本的问题是:当 OpenAI、Google、Anthropic 都在拼命证明他们的新模型比旧模型好得多的时候,谁会愿意把自己锁死在一个固定的模型上? Taalas 的反驳是:模型迭代的周期正在变长,人们开始依恋特定的版本。OpenAI 把用户从 GPT-4.5 迁移到 GPT-5 的时候,很多人抱怨新版本太谄媚了。也许未来我们会像对待手机型号一样对待 AI 模型:iPhone 15 出来后,还是有人用 iPhone 14,因为它们各有各的好。 我不知道 Taalas 会不会成功。这可能是一家改变行业的公司,也可能是一个技术史上有趣的注脚。 感兴趣的朋友可以去他们的demo站点体验一下什么是光速级别的inference: chatjimmy.ai

00
PRC隐士
2天前
不是受虐狂的Founder不是好Founder
😇😇😇😇😇
00
PRC隐士
2天前
hit 700
00
PRC隐士
3天前
如图
20
PRC隐士
3天前
我每天就喜欢和mintlify的这个cofounder互动😆
00