Skip to main content

谢朝晔的碎碎念

Xiezhaoye
Xiezhaoye

Read, Thoughts, Notes.

  3. 1. 蒸汽时代工厂底层约束（1800–1880）
    第一次工业革命依靠中央蒸汽机驱动全厂：厂房中心安放一台巨型蒸汽主机，天花板贯穿一整根钢制传动轴，通过无数皮带、滑轮把动力分给每台机床。
    厂房必须建成多层狭长结构：传动轴越长动力损耗越大，机器必须沿着传动轴一字排开；
    生产布局服从动力传输，而非物料加工流程：不管工序顺序，离主轴近的设备放前排，物料来回搬运浪费大量工时；
    传动损耗极高、容错极低：主轴一故障，整座工厂全线停工；皮带摩擦常年损耗 30%–50% 能源。

    2. 第一代电气化：单纯替换动力（1880–1910，效率毫无提升）
    1882 年商用电力落地，工厂主最简单的改造方案：拆掉中央蒸汽机，原地换一台大功率集中电机，传动轴、皮带、厂房布局、生产线流程、管理制度完全照搬蒸汽时代，没有任何重构。
    结果：
    动力损耗、厂房动线、停工风险、物料浪费全部保留；
    只是燃料从煤炭换成电费，生产成本小幅下降，但整体劳动生产率几乎没有增长；
    1890–1920 三十年，美国制造业全要素生产率长期平缓，电力普及没有带来预期爆发式增长，形成著名的电气化生产率悖论。

    3. 真正释放电力红利：全盘重构工厂（1910–1920 年代）
    企业家与工程师终于意识到电力的核心优势：分布式独立驱动（单元驱动 Unit Drive），不再需要统一传动轴。全面改造包含三层变革：
    动力底层重构：取消全屋传动轴，每一台机床单独搭载小型电动机，设备独立启停、互不干扰，彻底消除皮带传动损耗；
    厂房彻底重设计：抛弃多层狭长建筑，改用单层开阔厂房；机器不再围绕动力轴排布，完全按照产品加工工序流水线摆放，物料单向流动，大幅削减搬运浪费；
    配套组织与管理革新：
    分区供电、分段生产，局部停机不影响全厂；
    车间照明独立电气化，夜班规模化生产；
    全新流水线管理、标准化分工、工人技能重新培训、配套库存与调度制度重建。
    完成全套重构后，美国制造业生产率迎来爆发：1899–1929 制造业效率提升近 50%，电力密集行业涨幅遥遥领先，流水线、大规模量产（福特制）同步成熟，第二次工业革命的经济价值才真正兑现。

  6. 刚看到新闻，在Google工作并获得诺贝尔奖的John Jumper刚宣布加入Anthropic。 用AI查了一下，最近半年跳槽到Anthropic的牛人非常多，包括：Karpathy，Nordeen。。。。。。有一种大家都挤着进Anthropic的感觉。为何Anthropic对顶级人才有如此大的吸引力？

    Anthropic最新的Fable受到很多人的抨击：顶级模型只给少数合作伙伴先使用，检测到普通询问一些敏感的问题时会拒绝服务，会保留用户提问记录30天等等。美国 9号以“可越狱突破安全护栏”为由下发紧急出口管制令。大家都嘲笑Anthropic搬石头砸自己的脚。

    会不会因为达里奥传达出：坚信AGI很快会到来，也真的把安全放在重要的位置，这种对外宣传恰好迎合了这些顶尖人才的想法。甚至传闻Anthropic的员工坚信自己做的事情是替AI“接生”。

  7. 独角兽 Unicorn（估值 10 亿–100 亿美元）：仅 8% 的概率实现 10 倍估值增长；
    举例：deel、Rippling、Scale、Applied Intuition 等初创独角兽。

    十角兽 Decacorn（估值 100 亿–1000 亿美元）：概率提升至 13%；
    举例：OpenAI、字节跳动、Shopify、CrowdStrike、Spotify、Palantir。

    百角兽 Centacorn（估值 1000 亿–1 万亿美元）：概率大幅拉高至 31%，是独角兽近 4 倍；
    举例：特斯拉、英伟达、苹果、亚马逊、Meta、博通。

  8. 马斯克：通过ai我们将会创造丰富的物质，人民不再需要工作。（高情商）

    达里奥：随着ai的发展，我们将推动GDP创新高，同时会有极高的失业率。（低情商）

  10. 前几天在看llm训练流程时，想到一个问题，如果一些小语种，在互联网上的语料很少，印刷的书籍也很少（总之就是相关高质量的文字内容很少），这个情况下llm会不会有比较差的结果？

    搜了一下后真的存在这个问题。例如缅甸语，因为纯的缅甸语资料很少，所以当你用缅甸语和llm交互时，只做词语 / 短句映射、无深层逻辑、无本土专有知识、不用复杂推理时，效果还行，因为靠跨语言翻译迁移就能搞定。但是遇到：编程 / 法律 / 医疗 / 学术这四个领域，llm给出的回答质量就会很差。

    有类似问题的国家/语言有：柬埔寨-高棉语，老挝语，尼泊尔语，不丹-总卡语，阿富汗，斯里兰卡，埃塞俄比亚，尼日利亚，吉尔吉斯斯坦，格鲁吉亚，冰岛，马耳他，立陶宛。

  12. 木头姐还抛出了一个让美国监管机构坐不住的逻辑：以后数据全摆在那儿，人类驾驶和自动驾驶，哪边事故多、哪边死人多，一目了然。到时候如果监管还在拖后腿，不鼓励更安全的自动驾驶，"就是在让民众白白送命，这些官僚将被钉在耻辱柱上"。