一个克制的、理性的关注互联网科技和人文的频道，也谈谈美食和电影，发现和分享一切有趣有价值的内容。
摩托罗拉携手GrapheneOS
联想旗下摩托罗拉正通过与GrapheneOS基金会建立长期合作伙伴关系，开启智能手机安全的新纪元。GrapheneOS基金会是高级移动安全领域的领先非营利组织，也是基于Android开源项目构建的加固型操作系统的创造者。摩托罗拉与该基金会将共同致力于加强智能手机安全，并合作开发未来兼容GrapheneOS的设备。
GrapheneOS的一位发言人表示：“我们非常高兴能与摩托罗拉合作，将其下一代智能手机与GrapheneOS行业领先的、注重隐私和安全的移动操作系统相结合。此次合作标志着GrapheneOS影响力扩展的重要里程碑，我们赞赏摩托罗拉在推进移动安全方面迈出的这一有意义的步伐。”
GrapheneOS目前仅支持Pixel设备。
source：https://motorolanews.com/motorola-three-new-b2b-solutions-at-mwc-2026/
联想旗下摩托罗拉正通过与GrapheneOS基金会建立长期合作伙伴关系，开启智能手机安全的新纪元。GrapheneOS基金会是高级移动安全领域的领先非营利组织，也是基于Android开源项目构建的加固型操作系统的创造者。摩托罗拉与该基金会将共同致力于加强智能手机安全，并合作开发未来兼容GrapheneOS的设备。
GrapheneOS的一位发言人表示：“我们非常高兴能与摩托罗拉合作，将其下一代智能手机与GrapheneOS行业领先的、注重隐私和安全的移动操作系统相结合。此次合作标志着GrapheneOS影响力扩展的重要里程碑，我们赞赏摩托罗拉在推进移动安全方面迈出的这一有意义的步伐。”
GrapheneOS目前仅支持Pixel设备。
source：https://motorolanews.com/motorola-three-new-b2b-solutions-at-mwc-2026/
薅牛毛
在技术学习、探索的过程中，我们常常会遇到「Yak Shaving」——由麻省理工博士Carlin Vieri最早在90年代提出的一个编程术语，指为实现目标A需先执行任务B，而B又依赖条件C，由此形成任务链，最终导致所做工作与初始目标无关的现象。
比如下面一个经典的 Yak Shaving 场景：
最终，苹果派没有烤成，你却经历了一连串意想不到的任务。这在开发过程中也很常见，比如想写一篇博客，结果却造了个新的博客模板。
Yak Shaving 往往被认为是低效的，甚至是拖延症的表现，但它也可以成为探索新技术和创造价值的驱动力。如何把握这个过程，不至于让自己迷失在无休止的任务链条中？那就需要做到以下三点：
1. 发现问题，解决问题
2.控制范围，点到为止
3.及时收敛，完善项目
参考
在技术学习、探索的过程中，我们常常会遇到「Yak Shaving」——由麻省理工博士Carlin Vieri最早在90年代提出的一个编程术语，指为实现目标A需先执行任务B，而B又依赖条件C，由此形成任务链，最终导致所做工作与初始目标无关的现象。
比如下面一个经典的 Yak Shaving 场景：
> 你想烤一个苹果派，走进厨房，发现墙上的油漆剥落了。 于是你去买油漆，路上看到一家面包店，停下来吃了个蛋糕。 在吃蛋糕时，发现牙疼，决定预约牙医。 在打开手机预约时，看到朋友的聚会通知，又决定去买一瓶酒……
最终，苹果派没有烤成，你却经历了一连串意想不到的任务。这在开发过程中也很常见，比如想写一篇博客，结果却造了个新的博客模板。
Yak Shaving 往往被认为是低效的，甚至是拖延症的表现，但它也可以成为探索新技术和创造价值的驱动力。如何把握这个过程，不至于让自己迷失在无休止的任务链条中？那就需要做到以下三点：
1. 发现问题，解决问题
2.控制范围，点到为止
3.及时收敛，完善项目
参考
眷属
其中的亲热在阴雨天尤其感到。两个人在客厅闲聊，喝茶，在卧室拥抱，睡觉。身上一定要暖，美好的出处。
现在，我想象出-一
我说，此刻我全身冰冷，江南的秋雨的确愁煞人也，我一点也想象不出。
现实是棉被阴湿，还必须独自躺进去。
2005年10月5日，凌晨，我读今年日记，看在过去几个月里的这一天发生了什么：
一月五日。傍晚，正读书，一抬头，看到外面全白了。
二月五日。喝茶一天，读书一天，听小林练琴一天。深夜写短文《软糖》。"我也喜欢如此为人。百尺竿头，请君睁开童男童女的至阳至阴之眼"，这一句从《软糖》里删除。
读了两天，甚感无聊，我不能找个人替我睡觉。觉还是要自己睡的，钻进棉被，我发现并没有那么糟糕。
我不能找个人替我睡觉，但我能找个人为我占梦：
一个女人围炉吃鱼，画舫翠衾，吃着吃着，鱼突然变成《金刚经》，树枝的影子从窗外进来，说，深了。
作者：车前子
其中的亲热在阴雨天尤其感到。两个人在客厅闲聊，喝茶，在卧室拥抱，睡觉。身上一定要暖，美好的出处。
现在，我想象出-一
我说，此刻我全身冰冷，江南的秋雨的确愁煞人也，我一点也想象不出。
现实是棉被阴湿，还必须独自躺进去。
2005年10月5日，凌晨，我读今年日记，看在过去几个月里的这一天发生了什么：
一月五日。傍晚，正读书，一抬头，看到外面全白了。
二月五日。喝茶一天，读书一天，听小林练琴一天。深夜写短文《软糖》。"我也喜欢如此为人。百尺竿头，请君睁开童男童女的至阳至阴之眼"，这一句从《软糖》里删除。
读了两天，甚感无聊，我不能找个人替我睡觉。觉还是要自己睡的，钻进棉被，我发现并没有那么糟糕。
我不能找个人替我睡觉，但我能找个人为我占梦：
一个女人围炉吃鱼，画舫翠衾，吃着吃着，鱼突然变成《金刚经》，树枝的影子从窗外进来，说，深了。
作者：车前子
Citrini 所言，“当机器产生的输出等同于 1 万名白领，却不消费一分钱的社会服务时，这不叫经济奇迹，这叫经济瘟疫”。
2月22日，Citrini Research发布了一篇题为《过剩智能的后果》的文章。
作者以“2028年6月发布的一份宏观研究” 展开，倒推AI技术进步和智能体普及对人类社会和经济的影响。这篇原本面向顶级投资人的内部报告，在发布后，瞬间便横扫 X(Twitter) 趋势榜。
2月22日，Citrini Research发布了一篇题为《过剩智能的后果》的文章。
作者以“2028年6月发布的一份宏观研究” 展开，倒推AI技术进步和智能体普及对人类社会和经济的影响。这篇原本面向顶级投资人的内部报告，在发布后，瞬间便横扫 X(Twitter) 趋势榜。
你真的冤枉了雷电法王杨永信
总有一些未婚未育的提倡快乐教育，放松管制的年轻人，他们的想法让我很震惊。
他们经常挂在嘴上的一句话是"80后有电视和游戏机，90后有电脑和游戏，60后都说80/90是废掉的一代,80/90废了吗？10后看个短视频玩个手游就被说成废掉了，岂不荒谬？"
他们没有搞懂，抛开剂量谈毒性就是耍流氓。
短视频和手游的毒性，岂止十倍于电视电脑，这是一种会导致大脑物理损伤的合法精神毒品，无差别攻击，及时可取，取之不尽用之不竭， 这远不是90后那时候的街机或者网游可以相比的。
最近几年，欧美白左都受不了了，纷纷要求立法禁止未成年人使用社交媒体和短视频，可见其毒害之烈，这是一种无差别的毒害行为。
需要注意的一点是，欧美区分了社交媒体和通讯软件，禁止社媒，并不等于禁止沟通，即时通讯app依然是可以使用的，禁止社交媒体，并没有剥夺未成年人的通信权。
但是中国出于某种目的，其实是希望用社媒和短视频淘汰一批废物的（教育分流），所以对这方面的政策是很暗昧的。
也不能把中国青少年对短视频和手游等的沉溺完全归结于父母的忽视和陪伴的缺失，高质量的陪伴是非常非常昂贵的。这是正是短视频、手游取代低质量陪伴的原因。
很遗憾，目前对于这种brain rot, 可靠且有效的事后治疗方案还是法王的雷电术， 事前预防则是昂贵的高质量陪伴和足够的棍棒干预。
最后，马化腾张一鸣，其罪罄竹难书。
总有一些未婚未育的提倡快乐教育，放松管制的年轻人，他们的想法让我很震惊。
他们经常挂在嘴上的一句话是"80后有电视和游戏机，90后有电脑和游戏，60后都说80/90是废掉的一代,80/90废了吗？10后看个短视频玩个手游就被说成废掉了，岂不荒谬？"
他们没有搞懂，抛开剂量谈毒性就是耍流氓。
短视频和手游的毒性，岂止十倍于电视电脑，这是一种会导致大脑物理损伤的合法精神毒品，无差别攻击，及时可取，取之不尽用之不竭， 这远不是90后那时候的街机或者网游可以相比的。
最近几年，欧美白左都受不了了，纷纷要求立法禁止未成年人使用社交媒体和短视频，可见其毒害之烈，这是一种无差别的毒害行为。
需要注意的一点是，欧美区分了社交媒体和通讯软件，禁止社媒，并不等于禁止沟通，即时通讯app依然是可以使用的，禁止社交媒体，并没有剥夺未成年人的通信权。
但是中国出于某种目的，其实是希望用社媒和短视频淘汰一批废物的（教育分流），所以对这方面的政策是很暗昧的。
也不能把中国青少年对短视频和手游等的沉溺完全归结于父母的忽视和陪伴的缺失，高质量的陪伴是非常非常昂贵的。这是正是短视频、手游取代低质量陪伴的原因。
很遗憾，目前对于这种brain rot, 可靠且有效的事后治疗方案还是法王的雷电术， 事前预防则是昂贵的高质量陪伴和足够的棍棒干预。
最后，马化腾张一鸣，其罪罄竹难书。
西南F4与赞米亚精神
近年来西方学者提出“赞米亚”学说，用描述东南亚山区的地理学术语言，将中国云南、贵州、四川，广西等地说成是抗拒现代性而有意逃避国家统治的区域。
美国学者詹姆斯·斯科特的《逃避统治的艺术：东南亚高地的无政府主义历史》一书，以所谓“国家效应”的视角，虚构了一个包括东南亚及中国西南高山地带在内的地域概念——“赞米亚”(Zomia)。它的特征是碎片化，上百条狭窄而湍急的江河把这个区域割裂成无数亚文化区域，每个区域里都有自己的方言。过去人文社科研究者很容易把目光放在大江大河塑造的人类文明成果上，比如尼罗河文明、黄河文明、两河流域。赞米亚是这些大江大河的帝国的另一面：无政府、无历史、少有文献记载、无救赎型宗教。山地居民不受帝国体制的约束，历史上就没有被纳入到过国家体制的规训过，地形阻力导致这些山地成为逃脱帝制的流民最佳的避难场所。
这一学说遭到主流媒体的强烈抨击，抨击点主要是违背中国的大一统精神，却在民间受到了部分人的追捧。
对于现代社会来说，因为科技的进步结局了交通问题，Zomia其实就慢慢消失了。但是Zomia在历史的存在对现代很多政权对某些地区的所谓自古以来的合法性造成了冲击，所以会看到很多政权会极力否定这个概念。
近年来西方学者提出“赞米亚”学说，用描述东南亚山区的地理学术语言，将中国云南、贵州、四川，广西等地说成是抗拒现代性而有意逃避国家统治的区域。
美国学者詹姆斯·斯科特的《逃避统治的艺术：东南亚高地的无政府主义历史》一书，以所谓“国家效应”的视角，虚构了一个包括东南亚及中国西南高山地带在内的地域概念——“赞米亚”(Zomia)。它的特征是碎片化，上百条狭窄而湍急的江河把这个区域割裂成无数亚文化区域，每个区域里都有自己的方言。过去人文社科研究者很容易把目光放在大江大河塑造的人类文明成果上，比如尼罗河文明、黄河文明、两河流域。赞米亚是这些大江大河的帝国的另一面：无政府、无历史、少有文献记载、无救赎型宗教。山地居民不受帝国体制的约束，历史上就没有被纳入到过国家体制的规训过，地形阻力导致这些山地成为逃脱帝制的流民最佳的避难场所。
这一学说遭到主流媒体的强烈抨击，抨击点主要是违背中国的大一统精神，却在民间受到了部分人的追捧。
对于现代社会来说，因为科技的进步结局了交通问题，Zomia其实就慢慢消失了。但是Zomia在历史的存在对现代很多政权对某些地区的所谓自古以来的合法性造成了冲击，所以会看到很多政权会极力否定这个概念。
舍利子的制作方法
怎么制造舍利子？
把人体骨灰和石英研磨至200目的粉末，然后1∶1取料后充分混合，模压成型，得到半成品。
然后将半成品放入烧炉，在100℃-250℃环境下干燥2小时，然后在250℃-800℃环境下加热5-6小时，烧结成型，然后在800℃至1150℃加热2-3小时，然后在1150℃至1300℃加热2-3小时，然后在1300℃加热2-3小时。
随后开始逐步冷却，在1300℃-800℃中冷却4小时，在800℃-100℃冷却6小时，随后冷却至室温，即可得到一颗品相完美的舍利子。
内容来源:专利《舍利子的制作方法》，公布号CN101011211A，申请人赵东年。
怎么制造舍利子？
把人体骨灰和石英研磨至200目的粉末，然后1∶1取料后充分混合，模压成型，得到半成品。
然后将半成品放入烧炉，在100℃-250℃环境下干燥2小时，然后在250℃-800℃环境下加热5-6小时，烧结成型，然后在800℃至1150℃加热2-3小时，然后在1150℃至1300℃加热2-3小时，然后在1300℃加热2-3小时。
随后开始逐步冷却，在1300℃-800℃中冷却4小时，在800℃-100℃冷却6小时，随后冷却至室温，即可得到一颗品相完美的舍利子。
内容来源:专利《舍利子的制作方法》，公布号CN101011211A，申请人赵东年。
在是否保持 Android 开放上 Google 口惠而实不至
2026-02-21 18:50 by 父子双雄
Google 去年 8 月宣布将从 2026 年 9 月起强制执行应用开发者身份验证政策，禁止在 Android 设备上安装未验证身份的开发者的应用。此举引发了社区的强烈反对，Google 随后软化了立场，宣布将继续允许安装未验证身份的开发者应用，表示正在构建一个复杂流程允许有丰富经验的用户自行承担安装未经验证开发者身份的软件的风险，这个流程将包含清晰的警告，确保用户充分了解相关风险，但最终选择权仍然掌握在用户手中。但过去几个月，没有看到 Google 在构建所谓的流程，而开发者身份验证政策则在继续推进，Android FOSS 应用商店 F-Droid 对此发出警告，认为 Google 口惠而实不至，之前的软化立场只是一种公关策略。
https://f-droid.org/2026/02/20/twif.html
https://www.solidot.org/story?sid=82142
#Android
2026-02-21 18:50 by 父子双雄
Google 去年 8 月宣布将从 2026 年 9 月起强制执行应用开发者身份验证政策，禁止在 Android 设备上安装未验证身份的开发者的应用。此举引发了社区的强烈反对，Google 随后软化了立场，宣布将继续允许安装未验证身份的开发者应用，表示正在构建一个复杂流程允许有丰富经验的用户自行承担安装未经验证开发者身份的软件的风险，这个流程将包含清晰的警告，确保用户充分了解相关风险，但最终选择权仍然掌握在用户手中。但过去几个月，没有看到 Google 在构建所谓的流程，而开发者身份验证政策则在继续推进，Android FOSS 应用商店 F-Droid 对此发出警告，认为 Google 口惠而实不至，之前的软化立场只是一种公关策略。
https://f-droid.org/2026/02/20/twif.html
https://www.solidot.org/story?sid=82142
#Android
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
by @数字游民Jarod
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
by @数字游民Jarod
这是一台80年代末期的打字机，它有液晶屏幕，可以显示四行汉字，使用五笔输入法，然后直接打印出来。它就是四通打字机。
当时很多国家单位的文件应该是用这台机器打印蜡纸（是针式打印，可以“力透纸背”），然后去油印。那时的小学印试卷还是手刻蜡纸去油印。
当时全中国有40万个法人单位，四通卖了几十万台，几乎每个单位都有……1988年底到1989年初，科技日报给全国电子工业排名，销售额排名四通以10个亿排第一名。
1990年开亚运会，前一年三环路开通，友谊宾馆旁的立交桥要命名，四通花200万拍到了命名权，所以那座桥叫四通桥。
后来隔了几年就不流行用打字机了，开始用电脑了，但是起初电脑也不是Windows系统，还是DOS。也没有Office，有那么一段时间流行的是一个叫做CCED的国产办公软件，后面出来了wps和office97, 四通也退出了历史舞台。
图片来源：https://tsm.tsinghua.edu.cn/?p=11191
中国的农民到底是peasant还是farmer
在英语语境里，farmer指从事农业生产的职业者，拥有或租用大块土地进行耕作，更接近农场主的概念，是一份独立的职业，尤其指现代农业经营者。
而“Peasant” 并非仅限于马克思主义中所说的封建时代佃农角色，也可用于描述当代发展中国家（包括中国）的小规模农业劳动者，尤其在学术和社会科学语境中。著名汉学家 费正清（John K. Fairbank）、黄宗智（Philip C.C. Huang） 等人在研究中国农村时，长期使用 “peasant economy”（小农经济）、“peasant household”（农户） 等术语。
而且中国现行土地制度确实符合 “peasant” 的经典定义：
- 农民不拥有土地所有权（归集体或国家所有）与继承权，仅享有承包经营权（通常30年）
- 生产规模小、市场化程度有限、兼业化普遍（如“农民工”现象）
有人说peasant等于封建/贬义，这本来就是语言的语义偏移，正比如“农民工”一词，被部分人认为代有贬义，但这并非一种全民认可的概念，照样有人坦然地认可自己的农民工角色。
虽然现在中国的趋势是集中化经营，向farmer转变，但大部分农业从事人口依然是peasant，并且因此造就更多的Semi-proletarianized rural households（半无产阶级化的农村家庭）。
简单地说，Farmer就是“干农活的人”，Peasant是“被束缚在土地上的底层阶级”，中国既有Farmer，也有Peasant。
学术文献和国际交流多用Peasant，对内官方通稿用Farmer，对外官方通稿用villagers，口语则看各自的屁股爱用啥用啥。
用逼乎的一句话来说，利益相关，我目前的阶级就是半无产阶级化的农村家庭，不认可自己的farmer身份。
在英语语境里，farmer指从事农业生产的职业者，拥有或租用大块土地进行耕作，更接近农场主的概念，是一份独立的职业，尤其指现代农业经营者。
而“Peasant” 并非仅限于马克思主义中所说的封建时代佃农角色，也可用于描述当代发展中国家（包括中国）的小规模农业劳动者，尤其在学术和社会科学语境中。著名汉学家 费正清（John K. Fairbank）、黄宗智（Philip C.C. Huang） 等人在研究中国农村时，长期使用 “peasant economy”（小农经济）、“peasant household”（农户） 等术语。
而且中国现行土地制度确实符合 “peasant” 的经典定义：
- 农民不拥有土地所有权（归集体或国家所有）与继承权，仅享有承包经营权（通常30年）
- 生产规模小、市场化程度有限、兼业化普遍（如“农民工”现象）
有人说peasant等于封建/贬义，这本来就是语言的语义偏移，正比如“农民工”一词，被部分人认为代有贬义，但这并非一种全民认可的概念，照样有人坦然地认可自己的农民工角色。
虽然现在中国的趋势是集中化经营，向farmer转变，但大部分农业从事人口依然是peasant，并且因此造就更多的Semi-proletarianized rural households（半无产阶级化的农村家庭）。
简单地说，Farmer就是“干农活的人”，Peasant是“被束缚在土地上的底层阶级”，中国既有Farmer，也有Peasant。
学术文献和国际交流多用Peasant，对内官方通稿用Farmer，对外官方通稿用villagers，口语则看各自的屁股爱用啥用啥。
语言问题，归根结底是屁股问题。
用逼乎的一句话来说，利益相关，我目前的阶级就是半无产阶级化的农村家庭，不认可自己的farmer身份。
为什么我们会认为 AI 写的是屎山代码？
程序员写的代码，用行内话讲，就是主要给人看，偶尔拿来执行。所以，可读性、可维护性，要求很高。
说白了，程序员写的代码，都必须是“人体工学”的。毕竟人类脑容量有限，处理4个以上对象共同作用的场景时，80%的人都会晕菜。
而 AI，完全没有这个限制。AI 的 Working set容量不知多大，但处理几百个抽象对象，完全没有问题。
于是，人类读 AI 写的代码，认为是屎山，一点也不奇怪。DNA 代码，读起来也是屎山。
但 AI 自己读起来，毫不费力。而且 AI 一代比一代强，维护这种规模的“屎山”，手拿把攥。
这就是我为什么一直强调，AI 代码的维护者，只应该是 AI，而不是人类程序员。
source
程序员写的代码，用行内话讲，就是主要给人看，偶尔拿来执行。所以，可读性、可维护性，要求很高。
说白了，程序员写的代码，都必须是“人体工学”的。毕竟人类脑容量有限，处理4个以上对象共同作用的场景时，80%的人都会晕菜。
而 AI，完全没有这个限制。AI 的 Working set容量不知多大，但处理几百个抽象对象，完全没有问题。
于是，人类读 AI 写的代码，认为是屎山，一点也不奇怪。DNA 代码，读起来也是屎山。
但 AI 自己读起来，毫不费力。而且 AI 一代比一代强，维护这种规模的“屎山”，手拿把攥。
这就是我为什么一直强调，AI 代码的维护者，只应该是 AI，而不是人类程序员。
70年代的人会在乎看不看得懂机器码吗？
机器码的可读性对人类没有意义，同理代码可读性对人类也没有意义，代码是用来运行的，不是用来给人看的。
source
