阿凯 的出海闲聊:科技、数码、开源 等话题讨论|乐酷网(第3页)
出海闲聊 · 社区

出海闲聊

出海从业者交流社区,分享海外服务器使用心得、行业动态与实战经验,登录后即可发帖参与讨论。

阿凯
@kaige124 条帖子

AI 把编程改得面目全非

最近读到一个国外资深程序员对 AI 改变编程的总结,观点相当激进,但我觉得值得每个从业者认真想一想。他说大多数人只看到 AI 改变了程序员这个职业,却忽略了 AI 也改变了编程本身。即使将来泡沫破灭,AI 也不可能从编程工具链中消失,已经永久成为软件开发的一部分。

他列了十条断言,我挑几条最有冲击力的说说。第一,代码审查将消失,因为人类跟不上 AI 生成代码的速度,未来只能审查系统架构是否合理,而不是逐行看 PR。第二,单元测试可能消失,AI 随时能重写整个实现,再去测单块砖头就没意义了,以后更多是接口测试和集成测试。第三,软件开发的重点不再是写代码,程序员的工作会移到理解业务、发布软件、收集反馈这些环节。还有几条也很扎心。Bug 的性质变了,大多数 Bug 不再是代码 Bug,而是需求提错了或表达不准确。软件开源不再能提升质量,因为即使不开源,AI 也能帮你发现 Bug。敏捷编程会死亡,AI 的生成速度决定了项目开发时间,你要做的就是直接把工单推给 AI。项目分工也会改变,PM、设计师、工程师的三元架构将消失,一个人可以兼任多个角色。最让我意外的是他对「好代码」和代码风格的判断。以前好代码的标准是便于人类阅读理解、方便重构,但当你已经不读代码、不直接修改大部分代码时,这个前提就消失了。代码风格规范和 linter 工具也没意义了,AI 会在乎每行不超过 80 个字符、缩进用 tab 还是空格吗?UI 也会变得不重要,因为未来的很多 UI 是给 AI 用的,AI 只需要 API,不需要精致的界面。我的判断是,这些断言有些过于绝对,但方向值得警惕。短期内人类仍然需要为 AI 生成的代码兜底,架构审查和需求表达会变成核心竞争力。对出海团队来说,这意味着招聘时不能只看写代码的速度,更要看谁能把业务问题翻译成清晰的指令。

0
44

AI 把编程改得面目全非了

最近看到一位资深程序员总结 AI 对编程的改变,观点相当激进,但仔细想想又很难反驳。他列了十条,我挑几条最有感触的聊聊。

最扎心的是代码审查和单元测试可能消失。人类根本跟不上 AI 生成代码的速度,逐行看 PR 已经没意义了,以后只能审架构合不合理。单元测试也是同理,AI 随时能把整个实现推倒重来,还检查单块砖头干什么,接口测试和集成测试才是重点。还有个判断我很认同:Bug 的性质变了。以后大多数问题不是代码写错了,而是需求提错了或者表达不准确。这意味着程序员的核心工作从写代码转向把业务问题说清楚,这其实对沟通能力要求更高了。敏捷编程那套 Scrum 流程可能也要凉。AI 的生成速度直接决定项目周期,工单推给 AI 就完事了,还开什么站会。项目组的三元架构 PM、设计师、工程师也会模糊,一个人加 AI 就能顶一个小组。至于好代码、代码风格、linter 这些,前提都是人类要读代码。当你不读也不直接改大部分代码时,这些标准自然就松动了。UI 也一样,未来很多界面是给 AI 用的,API 比精致界面重要得多。我的看法是,这些断言即使打五折,也足够让每个从业者重新想想自己的定位。AI 不会从工具链里消失,与其抗拒,不如早点把精力挪到需求理解、系统设计和发布反馈这些环节上。

英伟达显卡AI算力被解锁

最近圈子里在传一个事:部分 RTX 30 系显卡的 Tensor Core 在特定矩阵运算上存在速度限制,有人找到了绕过方法,解锁后 AI 矩阵计算性能能提升 60% 到接近翻倍。我第一反应是这会不会又是超频噱头,仔细看下来发现不是——它不增加计算单元,也不改频率,只是解除某些计算路径的吞吐限制,显卡本来就有这个能力。

受影响的主要是 Ampere 架构 GA102、GA104 核心的卡,比如 RTX 3090、3080、3070 这些。目前已经冒出两个开源项目,Linux 和 Windows 各一个,都是最近几天才出现的。实测数据挺扎眼:RTX 3090 Ti 的 BF16 提升约 80%、TF32 约 94%;RTX 3090 在 360W 功率上限下用 PyTorch 测,吞吐从 75 TFLOPS 涨到 135 TFLOPS;3080 Ti、3080 也都有六七成的提升,3070 也有成功解锁的报告。不过别急着高兴,落到本地大模型推理上,效果就没那么夸张了。有人用 RTX 3090 跑 Strata,16K 提示词处理速度只提升约 16%,首个 token 等待时间缩短约 14%,生成速度基本没变。另有人测 llama.cpp 的量化模型,解锁前后几乎没区别。这说明收益取决于模型和推理引擎是否真的走那条被限制的计算路径,不是所有场景都能吃到红利。平台方面,Linux 版已经比较成熟,多款显卡、不同主板甚至 Proxmox 虚拟机都有成功案例。Windows 版则要通过 UEFI 启动程序,在 NVIDIA 驱动加载之前完成解锁,目前只在有限硬件配置上验证过,不是下载双击就能用的程度。想尝鲜的 Windows 用户,建议先观望一阵。我的判断是,这事对跑本地推理、又正好持有 30 系卡的人来说值得关注,尤其是 Linux 环境下的玩家。

PHP超危漏洞全球应急

昨天看到工信部漏洞共享平台发紧急提示,说PHP有两个远程代码执行超危漏洞,攻击者不用任何身份验证就能直接入侵。我第一反应是翻自己维护的几个站,果然还有两个跑着旧版本,连夜升级了。这种基础组件的漏洞最要命,因为你根本不知道它藏在哪一层。

Cloudflare那边披露的数据挺吓人:漏洞公开前10小时系统就识别出数千次利用尝试,公告后两小时飙到数十万次,随后到了数百万次。Palo Alto Networks更直接,说识别出超过2260万个暴露实例。我判断这波攻击自动化程度极高,公开即被扫是常态,真正的风险窗口在补丁部署之前。影响面为什么这么大?PHP驱动着全球约70%的互联网基础设施,WordPress、Drupal、Joomla、Magento这些主流CMS全建在它上面。更麻烦的是Huntress指出的,PHP还大量隐身在各类软件内部,有些软件根本不声明自己用了PHP。这意味着很多团队以为自己没事,其实资产清单里漏了一大片。还有个细节值得警惕:亚马逊威胁情报说,漏洞细节公开前就有威胁行为者拿到了相关信息,并对他们的传感器网络发起攻击。NCC Group的人说得直白,脆弱系统可能已经被入侵甚至植入后门。所以光打补丁不够,暴露过的机器得做一次完整排查。这次漏洞是Wiz借助AI工具发现的,他们估计它已潜伏超过十年。Wiz说一名研究员一周内完成了过去世界级团队数月的工作。我的看法是,AI让漏洞发现变快了,但防守方的补丁节奏没跟上,这个剪刀差才是接下来几年最现实的安全挑战。

AI决策模型Jev让网页打分变简单

最近科技圈都在聊Jev这个新模型,它不返回文字,而是直接给一个概率浮点数。乍看简单,但仔细一想,这其实把很多模糊问题变成了可计算的是非题或选择题。比如你问它某段话是否相关,它给个0到1的分数,排序就完事了。

我试想了两个场景:一是浏览器语义查找,把每个段落丢给Jev问是否匹配搜索词,按概率排序就能找到真正讲那件事的段落,比关键词匹配聪明多了。二是网页质量打分,给一组评分标准,让模型对文章内容逐条评估,最后汇总成分数,这样刷信息流时就能先看分再决定读不读。从跨境从业者角度看,这种决策模型特别适合做内容筛选和合规初筛。比如批量判断商品描述是否违规,或者给海外用户评论打情感分,以前要调大模型写prompt,现在直接问是非题,成本低还稳定。不过我也在想,概率输出虽然好用,但阈值怎么定、标准怎么设,还是得靠人。模型只负责算分,判断逻辑还是得自己设计。另外,这种模型对长文本的处理能力还没看到实测,如果段落太多,逐个问效率会不会崩?总的来说,Jev让我意识到AI不一定非要生成文字,把判断量化成数字反而打开了新思路。接下来我会关注有没有开源实现,以及它在多语言场景下的表现,毕竟跨境业务里语种混杂是常态。

Wine 登陆 OpenBSD 的喜与忧

今天看到 Wine 项目正式支持 OpenBSD 了,作为一个在跨境工具链里折腾过各种系统兼容层的人,第一反应是这事挺有意思。OpenBSD 一向以安全著称但桌面生态偏弱,Wine 能跑起来意味着不少 Windows 生产力工具和游戏有了在 BSD 上落地的可能。测试里甚至提到《巫师3》重制版都能跑,虽然需要 vkd3d-proton 加持,但至少说明 64 位图形栈这条路是通的。

不过仔细看细节,问题也很明显:WoW64 模式在 OpenBSD 上没法正常工作,这意味着 32 位应用完全跑不起来。对很多老牌行业软件和独立游戏来说,32 位支持恰恰是刚需。Wine 的兼容层本来就靠 32 位和 16 位混合模式撑起一大片生态,缺了这一块,OpenBSD 上的实用性会打不少折扣。我的判断是,这个移植目前更适合技术尝鲜和特定场景,比如跑一些纯 64 位的开源替代品或新游戏,而不是作为日常主力方案。对跨境团队来说,如果有人在用 OpenBSD 做开发机,现在至少多了一个跑 Windows 工具的选择,但别指望它能替代 Linux 上的 Wine 体验。从社区角度看,OpenBSD 的开发者愿意接这个活,说明 BSD 桌面生态还在缓慢生长。Wine 本身是个巨大的兼容性工程,能移植过去已经不容易,后续如果 WoW64 问题被解决,价值会大很多。我比较好奇的是性能损耗和图形驱动稳定性,毕竟 OpenBSD 的显卡支持一直不是强项。总之,这是个值得关注的进展,但别急着把 OpenBSD 当 Windows 应用主力机。先等 32 位支持补上,再观察社区反馈,尤其是游戏和设计类软件的实测数据。对做跨境工具选型的人来说,多一个选项总是好事,只是现阶段要分清「能跑」和「好用」之间的差距。

0
58

记忆内化进模型,才是AI助理的分水岭

最近看到记忆张量开源了 MemT 1.0,主打「记忆原生」路线,我第一反应是:终于有人把这件事往底层架构里做了。过去一年大家做 AI 助理,记忆基本靠外挂检索,本质上是把聊天记录存成流水账,用的时候再翻出来。问题是翻出来的东西没有经过判断,旧版本和新版本混在一起,模型很容易把闲聊当定论。

MemT 1.0 的技术报告里有个测试挺能说明问题:用户先给展览原定时间,后来改到周日,中间还提过一个没被采纳的周一备选,之后又聊了五百多轮、约 6.6 万 token 的无关内容。在完全脱离原始文本的闭卷状态下,模型仍能准确报出原定和改期时间,并明确区分周日定论与周一备选。这种跨度下的信息取舍,靠传统检索几乎做不到。它的做法是把模型拆成主干网络和动态记忆状态两块。主干负责通用认知,记忆状态则跟着具体交互实时演进,不同用户或任务彼此独立,每轮对话结束通过 token 级更新刷新,哪些留哪些改由训练学出的门控机制自己决定。我的判断是,这个方向比堆上下文窗口更接近长期助理的真实门槛,因为经验积累本身变成了模型能力的一部分,而不是每次重新喂一遍。当然,记忆原生也不是没有代价。门控机制学得好不好,直接决定它会不会该忘的没忘、该记的记错;多用户场景下记忆状态隔离和更新频率,对推理成本也是实打实的考验。开源之后社区能跑出什么真实案例,比技术报告里的测试更值得看。对做出海工具和助理类产品的团队来说,这算是一个值得跟进的信号:记忆正在从工程层的补丁变成模型层的能力。如果这条路走通,以后拼的就不是谁的外挂检索更花哨,而是谁的模型更会把反馈沉淀成默契。

Rivian押注自动驾驶,愿推迟盈利

看到Rivian创始人RJ Scaringe在Disrupt上的一番话,我第一反应是:这家公司真敢赌。他明确说愿意为了自动驾驶软件推迟盈利,甚至把自动驾驶当成未来造车形态的底层变量,而不只是给现有SUV加个辅助驾驶功能。

他的逻辑其实挺有意思:一旦车辆真正实现个人拥有的自动驾驶,那R2、R3之后的车型就不必再拘泥于户外SUV和皮卡,车内空间和外形都可以彻底重做。换句话说,自动驾驶不是配置升级,而是重新定义「车应该长什么样」的起点。不过这套叙事我听着耳熟。十年前一堆自动驾驶公司、传统车企都说过,电动化加自动驾驶会催生出行工具的「寒武纪大爆发」,结果概念车满天飞,量产落地的没几个。Rivian现在再提,时机和当年不同,但风险一点没小。我的判断是,Rivian真正的难点不在愿景,而在节奏。它本身还在爬产能、控成本的阶段,把盈利往后推去押注一个长周期技术,资本市场未必有耐心。但反过来看,如果它真能在R2、R3上把自动驾驶软件做出差异化,那比单纯卷续航和价格更有护城河。对跨境同行来说,这事也值得盯:美国新势力开始把竞争维度往软件和形态创新上拉,供应链和出海节奏可能都会跟着变。短期看是烧钱故事,长期看是产品定义权的争夺。

0
52

Shopify弃用React Native,AI让中间层失宠

Shopify最近宣布放弃React Native,改用Swift和Kotlin写原生客户端。六年前它高调拥抱Web技术,如今又掉头回去,这个反转挺值得琢磨。

官方当年给的理由是跨平台复用、开发者技术栈自由、省下时间创造价值。说白了核心就一个字:省钱,养一个团队总比养两个便宜。现在回头用原生,同样是为了省钱——AI能把代码从一种语言翻译到另一种,语言选择不再是成本瓶颈,那当然选性能更好的原生。React Native自己也不够争气。2015年发布到现在超过十年,一些基础技术问题还没解决好,上手体验也一般。被替代说实话不冤。我判断这类中间翻译层的生存空间会越来越窄,AI越强,直接写原生越划算。另一件事是联合国投票决定废除墨卡托投影,虽然对各国没约束力,但信号很明确。墨卡托把地球仪直接拉成矩形,高纬度地区被严重放大,非洲和格陵兰看着差不多大,实际面积差14倍。建议改用平等地球投影法,核心是不改变面积比例,代价是形状会拉伸。两件事放一起看挺有意思:一个是技术栈的中间层被AI挤掉,一个是地图的中间投影被公平性挤掉。做跨境的同行可以想想,自己业务里那些为了省成本而加的中间层,是不是也到了该重新算账的时候。

内核不再强制标注 AI 辅助

最近 Linux 内核社区有个决定挺值得聊:维护者峰会明确,以后提交代码不用再打 Assisted-by 标签,也就是说开发者不必声明自己有没有用 AI 辅助。这个变化背后其实是 Linus 的态度——他觉得禁止 AI 就跟禁止用文本编辑器一样蠢,内核开发者自己清楚在干什么。

我理解这个决定的逻辑。AI 辅助写代码已经很难界定边界,补全、生成、重构,哪个算辅助哪个不算?强制标注只会让流程变复杂,还容易变成形式主义。与其纠结标签,不如把精力放在代码审查上,毕竟内核的门槛从来都是 review 和测试,不是你怎么写出来的。但另一面也挺现实:Linus 自己这周交了一组用 Claude Code 开发的补丁,结果被查出竞态条件,内存回收也有问题,后续开发转给了人类开发者 Kiryl Shutsemau。这事说明 AI 产出在并发和内存这种硬核领域还是容易翻车,工具再强也替代不了对内核语义的理解。我的判断是,取消强制标注不等于放松质量要求,反而把责任更明确地压回提交者身上。你用 AI 可以,但补丁出了问题还是你背,reviewer 也不会因为没标签就降低标准。对跨境团队来说,这意味着工具选型更自由,但内部代码规范和质量门禁得自己补上。长期看,内核社区这个口子一开,其他开源项目大概率会跟进。真正值得关注的不是标签存不存在,而是 AI 生成的代码在复杂系统里能不能过得了审查这一关。至少从这次补丁的翻车来看,离放心还早。

Rivian 不想只做车企了

刚看完 Rivian 创始人 RJ Scaringe 的访谈,我最大的感受是:这家公司正在悄悄换一个身份。过去一年它的动作很密集,自研 AI 模型驱动车载助手,联合 Uber 打造端到端自动驾驶栈,甚至和 Arm、台积电一起搞 5nm 定制芯片。再加上和大众那笔 58 亿美元的合资技术公司,专注电子电气架构和软件,Rivian 的垂直整合程度已经远超两年前。

但有意思的是,Scaringe 并不想彻底脱离造车这个标签。他的逻辑更像是把车当成一个载体,把 AI、芯片、软件这些能力长在上面,而不是单纯卖硬件。这种路径和特斯拉早期很像,但 Rivian 更愿意借外力,比如 Uber 的运营网络和大众的规模分摊,而不是全部自己扛。我比较在意的是那个 5nm 芯片。一家年产量还在爬坡的新势力,敢碰定制硅,说明它赌的是长期软件定义汽车的价值。但风险也很直接:流片成本高、迭代周期长,一旦车型销量不及预期,这笔投入很难摊薄。相比之下,和大众的合资更像一道保险,把电子架构的研发成本分摊出去。另外素材里提到 Scaringe 还搞了一个微出行 skunkworks 项目,后来分拆出去了,但具体细节被截断了。从这点能看出他的野心不止于四轮乘用车,可能想覆盖更细分的出行场景。不过对出海从业者来说,更值得关注的是 Rivian 这套垂直整合能力会不会对外输出,比如授权给其他车企或者出行平台。我的判断是,Rivian 正在走一条“有限多元化”的路:核心还是车,但把 AI 和芯片做成可复用的资产。如果这条路跑通,它未来最大的对手可能不是其他新势力,而是那些同样在自研芯片和自动驾驶栈的科技巨头。对供应链上的中国玩家来说,这里既有合作窗口,也有被替代的风险。

GNOME OS 预览版来了

GNOME 项目终于把 GNOME OS 从开发者专属的 Nightly 通道里解放出来了,推出了面向普通用户的 Preview 版本。这个版本基于最新的 GNOME 51.1 构建,虽然底子还是 Nightly,但去掉了那些激进的实验特性,官方说稳定性肯定比 Nightly 高出一截,对想尝鲜的普通用户来说已经够日常用了。

不过官方也很坦诚,说这个版本还没经过充分的实际使用测试,可能会遇到问题,还需要进一步完善。我觉得这个态度挺实在的,毕竟 GNOME OS 一直是个「概念验证」性质的项目,现在愿意让普通用户进来踩坑,说明团队对基础体验有了些底气。从我的角度看,GNOME OS Preview 最大的意义不是让你马上换掉手头的发行版,而是给 GNOME 生态提供一个「官方参考实现」。很多发行版打包 GNOME 时各有各的魔改,出问题很难判断是上游还是下游的锅,有了这个预览版,至少能有个干净的对照环境。当然,现阶段我不建议把它装到主力机上。它更像是一个「周末折腾项目」:你可以拿台旧笔记本或者虚拟机跑跑看,感受一下 GNOME 51 的完整形态,顺便给上游提提 bug。等它再迭代几个版本,稳定性真正到位了,再考虑日常使用也不迟。总的来说,GNOME OS 从 Nightly 走向 Preview 是个积极的信号,说明项目在认真对待普通用户的需求。但「足够稳定」和「经过充分测试」之间还有距离,尝鲜可以,别把工作资料押上去。

0
56

VideoProc免费授权值不值得领

看到VideoProc Converter AI在搞V7.8的免费授权活动,填邮箱就能拿激活码,门槛确实低。但仔细看活动说明会发现,这个赠送版用的是旧版AI模型,视频增强和图片放大的效果跟最新版有差距,而且不含后续更新。对于偶尔处理几段老素材、想试试AI修复效果的人来说,拿来练手不亏。

不过如果你靠视频修复或图片增强吃饭,免费版就有点鸡肋了。旧模型在细节还原和噪点控制上明显弱一档,处理旅行素材或客户片子时,输出质量不稳定反而耽误事。官方明显在用免费版做引流,真正想推的是Lifetime终身版,一次性付费、完整功能加持续更新,这套路在工具软件里很常见。我的判断是,先领免费版跑两段自己的素材,重点看人脸修复和低清放大的实际表现。如果效果够用且需求低频,白嫖版本完全没问题;如果发现旧模型搞不定,再考虑终身版也不迟。别被周年庆的限时氛围推着走,工具值不值,最终看它能不能省下你装三四个软件来回倒腾的时间。另外提醒一句,这类Giveaway的名额和领取状态经常变,下手前最好去官方页面确认还能不能领。激活后也留意授权范围,免费版通常只限个人非商用,拿它接单之前先看清楚条款,免得后面扯皮。

0
56

Win11 响应提速两成 老机器能救吗

微软最近在官方博客里说,经过一轮优化,Windows 11 的日常操作响应速度最高提升了 20%。他们特别点名了 8GB 内存的机器,说这项改进在小内存设备上效果更明显。我第一反应是:终于想起这批用户了,但 20% 这个数字得拆开看。

微软测的是开始菜单、文件资源管理器、系统搜索、设置、截图工具和右键菜单这些高频入口,不是整机性能涨了两成。换句话说,右键菜单从两秒变 1.6 秒,体感有,但离“流畅”还差得远。更扎心的是,同样的操作在 Windows 10 上只要 0.6 秒,这个对比微软自己没提,但老用户心里都有数。真正值得关注的是内存管理那部分。新机制最多能让额外 2GB 的活跃数据留在物理内存里,而不是被挪到更慢的硬盘页面文件上。对 8GB 机器来说,这相当于少了一次次读写硬盘的折腾,多任务切换时的卡顿感会减轻。不过 2GB 是上限,实际能留住多少,还得看你的使用场景和后台负载。我的判断是,这波优化方向对了,但别指望它让老机器脱胎换骨。8GB 内存跑现在的浏览器加办公套件本来就紧巴巴,系统层面省出来的空间有限。如果你手头是 8GB 的轻薄本,升级后值得观察一下任务管理器的内存占用变化;如果是 16GB 以上,感知可能更弱。还有一点,这些改进什么时候推送到正式版、覆盖哪些版本,微软没给明确时间表。对比他们前几个月陆续修任务栏、砍 Copilot 按钮的动作,能看出微软在认真还债,但五年的系统走到今天才补这些基础体验,多少有点迟到。我会先等一波真实用户反馈,再决定要不要给家里的老机器升上去。

0
54

云栖大会看阿里AI棋局

今年云栖大会的主题是「智以致用」,我理解阿里想表达的是:模型聪明与否只是上半场,能不能落地、能不能产生商业价值才是下半场。吴泳铭在演讲里抛出一个判断,说未来机器思考总量会达到人类的1000倍以上,而今天这个比例还不到3%。这个数字听起来夸张,但结合阿里自己押注的方向看,逻辑是自洽的——它没有去追最炫的模型参数,而是把筹码压在模型、芯片、云这三块基础设施上。

先看模型端,Qwen开源模型下载量突破30亿次,衍生模型超过30万个,Qwen4已经在训练中,还提到要走向「递归式自我改进」的自主进化。芯片端平头哥发布了真武V900,算力和带宽都有明显提升,瞄准的是大模型训练和推理的负载。云端则推出了AgentCore智能体构建治理平台和新一代高性能存储CPFS,还定下2032年全球数据中心规模超过20GW的目标。这三件事放在一起看,阿里其实是在做「发电站+电网」的生意,卖的是确定性。但真正让我觉得有意思的是它在下游的布局。阿里提出Agentic Cloud的概念,想让云从「面向人的工具集合」变成「为Agent而生的操作系统」,让智能体能像调用函数一样调用底层云能力。这个思路如果跑通,云计算的计费单元可能就从人变成了Agent,商业模型会完全不一样。落地层面也能看到具体动作:千问办公切企业办公,Qoder做AI Coding,千问APP定位个人助手。产业侧,比亚迪用千问大模型做了车载智能体「迪迪虾」,打通支付和生活服务,在车里语音点餐;义乌商城集团则联合阿里云做商贸大模型,帮商家提升选品上品效率、做跨语言拓客。这些案例不算惊艳,但都是能算清账的场景。我的判断是,阿里这套打法的核心不是模型领先,而是把云资源打包成Agent服务卖出去。从卖算力到卖智能体,这条路一旦走通,客户黏性会比单纯卖云高得多。风险在于Agent生态能不能起来,如果开发者不买单,AgentCore就只是个空平台。

0
70

YouTube千次播放到底给多少钱

最近又看到有人问YouTube千次播放能拿多少钱,干脆把2026年的行情捋一遍。先说结论:平台是按广告观看付费,不是按视频播放付费,行业估算每千次广告观看大概5到15美元,别拿视频播放量直接乘。

很多人把CPM和RPM搞混。CPM是广告主愿意出的价,RPM才是扣掉平台45%分成后你实际到手的钱,所以看后台别只盯着CPM高兴。真正决定收入的是内容赛道、观众所在地区、广告类型、视频长度和广告主季节性预算,金融、软件类目和欧美流量天然更值钱。Shorts的单价明显更低,靠它走量可以,但别指望撑起主要收入。想开通广告分成也得先满足平台的资格门槛,一步步把账号做起来,急不来。我的判断是,把广告收入当唯一现金流太被动。品牌合作、频道会员、联盟营销和周边这些渠道,往往比广告更稳,也更能放大垂类账号的价值。做跨境内容的朋友,与其天天算千次播放,不如先把受众地域和赛道选对。

0
58

Surface Laptop Ultra 上手感受

最近看到 Surface Laptop Ultra 的评测,我第一反应是微软这次终于把硬件做工拉到了 MacBook Pro 的同一水平线。金属机身、屏幕素质和键盘手感都被评价为「漂亮」,这在前几代 Surface Laptop 上是不敢想的。但真正让我停下来思考的,是它主打的 AI 定位。

这台机器被描述为「为 AI 未来打造,但那个未来还没完全到来」。这句话其实点出了当前 AI PC 最大的尴尬:硬件先行,软件和场景却还在追赶。微软把 NPU 算力堆上去,Windows 里的 AI 功能却大多停留在会议纪要、图片生成这类锦上添花的层面。对普通用户来说,很难因为这些功能就多掏一笔溢价。从跨境从业者的角度看,我反而觉得这类设备在特定场景下有戏。比如做海外内容运营、需要本地跑轻量模型做翻译或素材初筛的团队,一台续航够、屏幕好、还能离线推理的笔记本,确实能省掉不少云端 API 成本。问题在于,目前能真正吃满 NPU 的跨境工具还太少,生态没跟上。我的判断是,Surface Laptop Ultra 更像是一次「占位」:微软想先把高端 AI 笔记本的标杆立起来,等 Windows 的 AI 生态成熟后再收割。如果你现在就需要一台做工顶级、性能均衡的 Windows 旗舰,它值得考虑;但如果你冲着 AI 去买,建议再等一两代,或者先想清楚自己到底要用它跑什么。硬件已经就位,接下来就看软件和开发者能不能把这块算力用出价值。对出海团队来说,与其追新硬件,不如先梳理清楚哪些环节真的适合本地 AI,再决定要不要为「未来」提前买单。

iTerm2 终于有中文界面了

看到 iTerm2 3.7.5 正式版加入简体中文界面的消息,第一反应是「居然才做」。这款 Mac 上最知名的开源终端已经 24 岁了,多语言支持却一直缺席,开发者去年还公开说项目历史包袱太重、短期内做不了,现在突然落地,多少有点意外。

有意思的是,iTerm 早年其实是支持中文界面的。从 2002 年的初代 iTerm 到后来的 iTerm2,中间经历了重写和长期维护,老功能反而丢了。这次一口气补上简体中文、日语、德语、俄语和巴西葡萄牙语,算是把历史欠账还了一部分。我猜 AI 辅助重构在这类老项目里确实帮了大忙,不然以维护者的精力,很难啃下国际化这块硬骨头。除了界面语言,这次更新还有几个值得留意的点:
- 浮动终端面板支持画中画,跑长任务时可以浮在其它窗口上层
- 原生支持 Ollama,本地模型调用不用再绕脚本
- 能跟踪 Claude Code 和 Codex CLI 的任务状态,AI 编码工作流更顺
- 新增防休眠选项,Mac 执行任务时不会自动睡过去对国内用户来说,中文界面最大的价值不是「看不懂英文」,而是降低新人的上手门槛。终端本身门槛就高,配置项又多,母语界面能省掉不少查文档的时间。不过我也得说一句,iTerm2 的核心竞争力从来不是界面,而是分屏、搜索、触发器这些深度功能,中文界面只是锦上添花。真正让我在意的是它最近一年的节奏:iOS 客户端、自托管中继、浏览器和 AI 聊天,现在又是多语言。一个 24 年的老项目还能保持这种迭代频率,说明终端这个赛道远没到被淘汰的时候。如果你还在用系统自带 Terminal,这次倒是个不错的迁移时机。

Strata 支持 Mac 并新增 35B 小模型

最近 Strata 连续更新了两个版本,一个开始支持 Apple Silicon Mac,另一个新增了体积更小的 Qwen3.6-35B-A3B 模型。作为一直在折腾本地推理的人,我觉得这次更新比单纯堆参数更有意义,因为它把门槛又往下压了一截。

先看硬件支持。目前 Strata 覆盖 NVIDIA RTX 20 到 50 系列、AMD RX 6000/7000/9000 部分型号,Intel Arc 和 Apple Silicon 是实验性支持。官方建议至少 12GB 显存,同时系统内存要 32GB 起步,显存越大缓存参数越多、速度越快。只有 12GB 显存的话,推荐跑 35B 模型的低量化版本。新模型 Qwen3.6-35B-A3B 目前只支持 NVIDIA 和 AMD,Intel Arc 和 Mac 暂时用不了。这一点需要留意,Mac 用户虽然能装 Strata,但想跑这个新模型还得等后续适配。我的判断是,Strata 的路线很清晰:不追求单机跑满血大模型,而是用激活参数小的模型加显存缓存来换体验。35B 这个尺寸对多数家用卡更友好,低量化后 12GB 显存也能碰一碰,比之前 125B 那种只能远观的方案务实得多。如果你手头是 8GB 显存加 32GB 内存的普通机器,现在可以认真考虑试一下了。先确认显卡在支持列表里,再挑低量化版本,别一上来就冲高精度。

0
70

阶跃开源Step 5,国产芯片集体0Day

阶跃星辰这次把 Step 5 Preview 的权重直接放出来了,BF16 和 FP8 两个版本都有,Hugging Face 和 ModelScope 同步上线。对做应用的人来说,这意味着不用再等 API 配额,vLLM 或 SGLang 起一个兼容 OpenAI 接口的服务就能自己跑,离线推理也能用 Transformers 接。我比较在意的是它在 AI 编程、软件工程、金融这些任务上标称的前沿水平,如果实测能站住,很多垂直场景的私有化部署会立刻变得可行。

更值得聊的是国产硬件这次的响应速度。华为、壁仞、沐曦、摩尔线程几乎在同一时间宣布 0Day 支持,昇腾基于 vLLM Ascend 引擎做了算子融合、多流并行、MTP 投机解码和 NPU Graph 执行这一整套优化。沐曦那边说曦云 C 系列已经完成 Day 0 深度适配,还提到从 2025 年 12 月以来累计适配了 43 个主流旗舰模型,覆盖智谱、千问、MiniMax、DeepSeek、腾讯混元这些厂商。这个数字放在一年前是难以想象的。硬件规格上,华为这次同步点亮了首套 1024 卡 Atlas 950 SuperPoD 液冷超节点,1 EFLOPS FP8、2 EFLOPS FP4,256TB 全局统一内存编址,卡间 TB 级互联,时延压到 3μs。这些参数的意义在于,万亿参数模型的推理不再被集群内通信瓶颈卡住。我个人的判断是,超节点路线正在成为国产算力对标海外先进方案的主要抓手,单卡性能差距用系统级互联来补。从开发者视角看,模型开源加芯片 0Day 适配这套组合拳,正在把「换国产卡」的迁移成本压到很低。以前适配一个新模型动辄几周,现在权重发布当天就能跑通,这对做 Agent 和长上下文推理的团队是实打实的利好。