Re: [新聞] 甲骨文股價暴跌超10%！訂單積壓越來越多 「燒錢」砸AI風險令人擔憂
※ 引述《minazukimaya (水無月真夜)》之銘言：
: ※ 引述《LDPC (Channel Coding)》之銘言：
: : @@我是不知道其他世界線 我們公司有引入各種AI Tool
: : 比方說在slack 我要開一個data bucket權限 (公司機密資料 權限最高級那種)
: : 來測試我新模型 然後我就slack打serval (IT機器人公司方案)
: : 他就開始一步步核對 然後最後一步還跟我說有各種data access 時間限制
: : 然後就幫我設定好 然後最一關簽呈就是人類IT 這些步驟效率超越傳統IT很多
: : 隨時都可以叫IT機器人幫我處理各種事情 前置作業大量弄好 只要一兩個人類做最後確認
: : 同樣的 我在openai企業版(有專門設計給企業版) 這個整合內部公司所有文件資料
: : 有一次我要設計模型 我就問這方面模型有誰設計過 結果他就拉出過去
: : 三年各種歷史設計報個 還有各種benchmark 因為openai企業版可以整合公司資料庫
: : 一下子我就能站在過去歷史巨人 不需要去問哪個部門之前幹過啥
: : ai coding現在最大用途就是寫測試工具 真他x的好用 設計模型完之後 叫ai幫我寫
: : script去做下游端大量測試
: : 其他ai tool還有infenrece端可以直接調用prompt和觀察模型反應 以及notion
: : 這種線上報告也引用自家ai tool 快速搜尋資料都挺方便
: : 然後我們自己設計給下游顧客的ai tool 如果顧客說他工作時間沒縮短
: : 那我們就拿不下訂單 現在垂直整合領域已經殺到紅血 每個tool 越蓋越先進QQ
: : 我好想躺平 已經每天工時飆到16hr....... 改天再寫寫去NeurIPS看到的跡象
: : Hinton/Jeff Dean/Yoshua Bengio/何凱明 任何你知道大神都去這今年NeurIPS
: : 結論就是大廠真的要幹架了 Google DeepMind新政策 禁止發paper
: : QQ 不發paper延伸意義就是 現在開始 狗家不會在開放他們自家模型設計秘密
: : 目標就是要胖揍開放愛和其他競爭者...
: : 目前狗家大量研究員生氣中 這次還有很多菁英邀請制度線下聚會 跑去蹭了NV/META
: : 看到一堆海外的博士生在現場跪求進去Meta 線下聚會.......QQ
: : 據說開放愛線下聚會是最難進去的 連地點和門路在哪都不知 只能被動邀請
: 沒關係，偷偷告訴你一個Insight
: 今年NeurIPS 2025有一篇超重量級的論文
: Introducing Nested Learning
: 這篇文論的重要程度不亞於Attention is all you need
: 甚至可以說有過之而無不及
: Transfomer架構只是發明了蒸氣機
: Nested Learning這篇論文，簡直就是熱力學定律的等級了
: 基本上等於宣告Transformer架構過時了(因為是一種扁平和單一頻率的特例)
: 未來三到五年，全面轉向Nested Learning的時代
: 以下文字是我先寫一版，再請Gemini潤稿的洞察
: --------這是AI潤稿的分隔線--------
: 當前 AI 發展正受制於一道物理鐵律：記憶體牆（Memory Wall）。傳統 Transformer 架
: 構依賴 KV Cache 維持上下文，這本質上是一種「以頻寬換取長度」的低效策略。隨
: 著上下文長度 T 的增加，Attention 機制的計算複雜度呈 O(T^2) 增長，而推論時
: 的記憶體搬運量呈 O(T) 線性增長。在 HBM 頻寬成長遠落後於 GPU 算力的現狀下，這
: 種依賴儲存大量未經壓縮原始狀態的架構，註定會從 Compute-Bound 跌落至 IO-Bound
: 的深淵。
: Nested Learning 的出現，透過對記憶與推理本質的重新理解，為此困境帶來了典範轉移
: 級別的解答。
: 其核心突破在於「推論即訓練」的數學創新——Nested Learning 揭示了
: Attention 機制在本質上等價於單步的梯度下降更新。基於此，HOPE 架構不再被動地檢
: 索歷史，而是主動將資訊即時壓縮為模型權重。這將原本受限於頻寬的檢索問題，轉化為
沒吹的那麼神奇
這個東西在中國大陸有個叫彭博的推廣了好多年了
也就是rwkv，既然是上下文提要壓縮，是一種有損壓縮，就更和人類思維模式近似，更失去了超越人類agi誕生的可能性，成為垂直領域慢慢調教的一種方式
我還是認為ai首先要解決意識的模擬和情感模式的構建
這樣可以不光是和人類這種智能體更好溝通，更深入理解視頻音樂圖畫的人類審美痛點在哪里
股點，這波甲骨文 博通 meta的一系列鬼故事，市場不盤整三天不可能了
: 僅需固定算力的狀態更新問題，從根本上粉碎了記憶體牆。
: 在應用層面，這種架構徹底重塑了 AI 的個性化能力。HOPE 的動態記憶機制（Fast
: Weights） 不再依賴傳統模型那種外掛式的提示詞（Prompting）來「模擬」短期記憶，
: 而是透過梯度更新，將使用者的偏好與習慣即時「內化」為模型參數的一部分。這不
: 僅在工程上根除了重複處理提示詞的算力浪費，更在體驗上創造出具備「演化能力」的專
: 屬模型，讓 AI 隨著每一次互動變得更懂你。
: 這一變革預示著當前 HBM 需求高速增長的趨勢將顯著放緩，技術改革的方向將轉向針對
: 不同更新層級的硬體特化：
: 邊緣裝置 (Edge)： 承載高頻更新的快層，將不再單純追求頻寬，而是轉向追求大容量
: SRAM 與極致的能效比，以支撐毫秒級的狀態寫入與計算。
: 雲端中心 (Cloud)： 承載低頻更新的慢層，為了處理更複雜的邏輯推理與龐大的智能結
: 構，將演化出針對非歐幾何的特化運算單元，以在雙曲空間中實現更高維度的高效推理。
: ----------這是AI潤稿的分隔線-----------
: 你各位要小心HBM市場在2026年末的崩潰反轉
: 短期因為各種高頻信號，還是會持續推高HBM的市場價格
: 然後記憶體因為這些需求訊號，會瘋狂擴廠
: 等到「基於超大KV Cache的Transfomer架構」路徑依賴崩潰
: 新架構全面轉向HOPE的時侯
: 嘻嘻 刺激囉~~~
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 123.52.229.114 (中國)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1765591743.A.3DA.html
討論串 (同標題文章)
完整討論串 (本文為第 12 之 16 篇)：
Stock 近期熱門文章
PTT職涯區 即時熱門文章