技术发展

探讨区块链领域的最新技术创新、协议升级、跨链解决方案与安全机制，从开发者视角剖析未来技术趋势与潜在突破。

三年之后：回看 2023 年我对 ChatGPT 的判断

作者王健硕在2026年5月回看其于2023年3月对ChatGPT做出的二十条预测，并借助AI代理进行验证。整体看，其大方向判断多正确，但细节和程度常有偏差。 **看对的方面：** - **技术架构**：准确预测RAG（检索增强生成）将成为解决知识更新和幻觉的主流方法，以及LUI（自然语言用户界面）将催生巨大新产业。 - **发展趋势**：预见到“机器人网络”和新的agent寻址系统将出现，中国能快速做出可用大模型并缩小与顶尖差距。 - **本质认知**：正确指出ChatGPT没有意识，图灵测试仅测表象；判断其是巨大进步但非AGI，且短期内不会造成整体失业潮。 **看错或看偏的方面：** - **具体数据错误**：关于GPT-4有100T参数的传闻完全错误。 - **绝对化判断**：断言LLM“不可能”自己学好数学被后来模型在IMO夺金证伪；认为AI生成内容可“规避”版权，实则引发史上最大侵权赔偿。 - **价值与成本误判**：认为价值终落应用层，但最大赢家是算力层（如英伟达）；模型成本“5-10亿封顶”的估算严重偏离实际。 - **社会影响误读**：认为ChatGPT的“加权平均”特性可能促进“世界大同”，但实际AI正走向个性化，并可能制造新信息茧房。 **总结规律：** 1. 预测机制和方向比具体数字更可靠。 2. 倾向于高估短期变化速度，低估长期影响程度。 3. 容易忽略问题内部的“分布”差异（如失业影响集中在年轻群体）。 4. 留有餘地、分层表述的判断更经得起时间检验。 5. 一些根本性争议，三年时间仍不足以给出定论。这次复盘旨在为未来的判断立下更审慎的规矩。

marsbit1小时前

marsbit1小时前

小米MiMo降价99%并非营销！罗福莉发X打脸唱衰者

小米MiMo负责人罗福莉发布技术博客，详细解释MiMo-V2.5系列API降价99%并非营销或价格战，而是基于六项核心工程优化带来的真实成本下降。降价主要针对“Input (Cache Hit）”，即用户重复读取历史对话上下文的场景。通过六项关键技术实现降本： 1. **架构优化**：采用混合注意力机制，将模型“记忆”体积压缩至1/7。 2. **显存管理**：实现KVCache双池化，真正释放显存空间，使单GPU并发用户数提升5倍以上。 3. **缓存命中**：改进前缀缓存规则，服务端缓存命中率平均达93%，高频用户超95%，大量重复请求无需GPU计算。 4. **存储成本**：自研GCache系统，将缓存直接部署在GPU机器的SSD上，额外存储成本近乎为零。 5. **智能调度**：自研LLM-Router调度系统，通过亲和调度、长度分桶等方式优化请求路由，提升吞吐并降低延迟。 6. **生成加速**：原生支持多token预测，在部分场景下使模型生成速度提升最高2.3倍。这六项技术环环相扣，形成完整降本链条，显著降低了单位请求的GPU计算时间和整体成本，从而支撑了大幅降价的同时保持毛利率为正。罗福莉此举旨在强调此次降价是工程能力兑现的结果，而非市场策略。

marsbit7小时前

marsbit7小时前

苹果用AI重新发明了图像压缩：同样画质，文件只要三分之一

2025年2月，JPEG AI作为首个端到端学习型图像编码国际标准发布，标志着AI开始重写图像压缩的规则。然而，传统压缩技术优化的是PSNR等数学指标，而非人眼感知，导致压缩后图像可能出现边缘模糊、文字变形等问题。苹果团队近期提出的感知图像编解码器PICO，旨在直接针对人眼视觉体验进行优化。它通过三项关键技术解决核心难题：1. 采用“一次性上下文模型”，在保持编码精度的同时大幅提升速度；2. 引入TextFidelityLoss，专门保护图像中文字的清晰度，减少形变；3. 设计TilingArtifactLoss，有效消除图像分块处理产生的色块边界。大规模人类主观评测显示，在达到相同视觉质量时，PICO生成的文件大小仅为AV1、VVC、JPEG AI等标准的30%-43%，对比其他学习型感知编解码器也能节省20%-40%的码率。在iPhone 17 Pro Max上，编码一张1200万像素照片仅需230毫秒，具备实用速度。尽管PICO在处理卡通等高度规则化图像时效率不如传统编码器，但其成功将“感知压缩”从学术远景变为可在移动设备上运行的工程现实，代表了图像压缩从优化数学指标向优化人眼感知的重要转折。

marsbit昨天 02:47

marsbit昨天 02:47

倒反天罡，AI越来越强，人类开始“自证清白”

AI日益强大的生成能力正迫使人类进入一个“自证清白”的时代。近期，文学圈接连发生争议：英联邦短篇小说奖的获奖作品被AI检测工具判为“100%AI生成”，诺贝尔文学奖得主的新书也因提及使用AI辅助而被质疑由AI代笔。与此同时，绘画领域的创作者们不得不通过录屏、直播、展示图层甚至“对赌”的方式来证明自己的作品纯手工完成。当前“鉴AI”主要依赖人眼观察和第三方检测工具，但这些方法并不可靠。检测工具基于统计特征进行模式识别，容易误判——例如，非母语写作因其规整性常被误判为AI生成。而“肉眼鉴别”同样漏洞百出，甚至闹出将莫奈真迹误认为AI仿作的笑话。技术层面，为AI生成内容添加“水印”是潜在的解决方案，包括元数据标记和隐形水印，已在图像、视频领域有所应用。然而，这些标记可能在后处理中丢失，且文本水印的推进尤为缓慢，部分由于准确率、用户接受度等顾虑。OpenAI曾推出文本检测工具但因准确率低而下线，其内部开发的文本水印工具也未能公开发布。这场“鉴AI”风潮的背后，是人类对AI逼近乃至混淆人类创造力的深层焦虑。在缺乏完美鉴别手段的当下，创作者不得不承担额外的“自证”成本。未来，只有当“AI参与”成为常态，“人类原创”变得稀有，这场普遍的信任拉锯战或许才会失去意义。

marsbit前天 05:17

marsbit前天 05:17

这个小红书图文排版AI Skill，找到了绕过 AI 标注的图文生成路线

2026年2月，小红书要求AI生成内容必须标识，否则限制分发。不久后，一个名为“guizang-social-card-skill”的开源项目出现，它采用了一种独特的技术路径来规避AI检测：不使用任何AI模型生成图像像素，而是完全依靠HTML+CSS进行版面渲染，图片素材则来自Unsplash等实拍图库，最终输出的是浏览器引擎光栅化后的网页截图。该项目内置28种杂志风格和瑞士国际主义风格的版式骨架。用户输入主题后，AI（如Claude）负责选择版式、决定文字位置、处理地图标注等排版逻辑，并生成HTML+CSS代码，再由Playwright渲染引擎截图输出。它特别适合旅行博主，能自动调用真实地图瓦片进行标注。整个流程强调像印刷软件一样精确可控，而非扩散模型的不可预测性。这一方案的核心规避逻辑在于：其最终图片的像素并非由扩散模型或GAN生成，而是来自浏览器渲染和实拍照片，因此可能避开小红书“音画识别模型”对AI生成图像像素统计特征的检测。然而，这种规避的有效性取决于平台对“AI生成合成内容”的定义。如果未来平台将定义扩大到“AI辅助设计的程序渲染输出”，或针对浏览器渲染特征训练识别模型，该方案的优势可能消失。文章指出，当前社交媒体图文生成工具正分化为三条技术路线，各有风险： 1. AI模型直接出图（如Midjourney）：创意自由，但直接是平台AI检测的主要目标。 2. API模板引擎渲染（如Bannerbear）：输出稳定，无AI像素痕迹，但同质化模板可能触发反垃圾规则。 3. 平台定制化生成：最安全但能力绑定单一平台，脆弱。藏师傅的方案介于（1）和（2）之间，用AI灵活排版，用程序规避像素检测。该工具的版式系统对旅行、攻略类内容匹配度高，但对穿搭、美妆等需要强烈个人风格和复杂拼贴的内容类型则构成约束。此外，它存在一定的使用门槛，本地部署需要技术背景，网页版功能可能受限。最终，内容创作者面临的是不同风险结构的选择，没有绝对安全的方案。这一格局标志着平台与AI工具之间的对抗迭代已经开始。藏师傅的方案将AI定位为“排版决策辅助者”，而非内容生成替代者，恰好落在平台可能接受的“AI辅助”区间，与平台旨在打击的“全AI低质批量生产”有所区别。工具的技术选择本身，已在回应平台对AI应用的界定。

marsbit05/28 07:00

marsbit05/28 07:00

Agent化的OS：拼的不是AI，是底盘

本文探讨了操作系统（OS）进入“Agent化”时代的核心竞争要素，指出竞争焦点并非表面AI功能，而在于支撑其可靠运行的底层技术“底盘”。文章以Google、Microsoft、Apple、华为等主流OS厂商的动向为例，说明端侧OS集成主动式AI能力（Agent）已成为明确趋势。然而，发布会展示的功能背后，真正的较量在于三层核心能力底座： 1. **系统级AI Runtime**：作为调度中枢，它将端侧模型的推理能力变为OS层共享服务，统一调度算力与内存，是Agent能跨App执行系统级操作的基础。例如Google的AICore、Apple的Foundation Models框架。 2. **可控芯片**：自研或深度可控的芯片（如Apple Silicon、Google Tensor、华为麒麟）是实现深度软硬协同优化的关键，决定了端侧Agent的响应速度、功耗和体验上限。 3. **端云模型矩阵**：云端模型处理复杂任务，端侧模型（如Gemini Nano、Phi Silica、盘古端侧模型）保障日常任务的低延迟、隐私和稳定性。端侧模型需与OS和NPU深度耦合，自研是主流选择。这三层能力自下而上紧密耦合：芯片决定模型效率，模型决定Runtime能力，Runtime决定Agent的可靠性。协同越深，OS厂商在响应延迟、隐私保护、系统级上下文理解、服务可靠性等方面的产品差异化就越明显，护城河也越厚。此外，文章指出，OS Agent的长期竞争力还受制于与App厂商的博弈（通过API深度集成还是屏幕识别交互）、隐私保护体系的构建等关键变量。这场竞争已超越手机和PC，正随着多设备生态向汽车、XR眼镜等IoT领域扩展。最终，OS Agent化的成功非一朝一夕，依赖于芯片、模型与Runtime在长期迭代中的深度融合与打磨。

marsbit05/27 10:18

marsbit05/27 10:18

AMD新论文颠覆认知：FP4训练不稳定，原因不是随机性不足

AMD最新研究发现，FP4训练不稳定的主要原因并非此前认为的随机性不足，而是结构性微缩放误差在关键梯度路径上累积放大所致。过去，尝试使用FP4从头训练大模型常因训练不稳定而失败。AMD与宾夕法尼亚州立大学的论文通过实验证明，在Transformer的权重梯度计算路径上使用FP4量化会导致收敛质量显著下降。此前用于缓解量化误差的随机性策略（如随机舍入）在此场景下反而加剧了不稳定性。研究团队采用MXFP4数据格式，并引入确定性Hadamard旋转作为稳定化方法，成功在AMD MI355X GPU上完成了Llama 3.1-8B模型的全流程FP4预训练。结果显示，该方法在仅增加8-9%训练数据开销的情况下，实现了比FP8基线快9-10%的端到端训练速度。这项研究首次在原生FP4硬件上验证了低精度训练的可行性，为降低大模型训练成本提供了新方向，并指出结构性误差分析比增加随机性更为关键。基于开放标准OCP的MXFP4格式也增强了该方案在不同硬件平台间的可移植性。

marsbit05/27 06:19

marsbit05/27 06:19

刚刚，中国AI闯入全球编程前二，前面只剩Claude

Code Arena最新榜单显示，阿里通义千问Qwen3.7-Max以1541分位列全球第四，成为唯一进入该榜单前列的中国模型，排名仅次于Claude Opus系列模型。在具体任务测试中，Qwen3.7-Max表现突出。例如，在编写可自我训练的俄罗斯方块AI任务中，其成本仅为1.32美元，性能却超越其他模型56%。在构建3D宇宙模型和生成3D像素风宝塔模型等任务中，其输出速度与质量也全面胜出。一项硬核的3D赛车游戏生成挑战进一步验证了其能力。Qwen3.7-Max首轮生成即基本可玩，并独特地添加了开始界面和音效，细节处理优于其他对比模型（如Gemini 3.5 Flash、Claude Opus 4.6和GPT-5.5），后者大多需要多轮调试。 Qwen3.7-Max被定位为“Agent基座模型”，专为长时间自主执行复杂任务设计。内测数据显示，它能连续运行35小时，执行超千次工具调用，在长程任务中保持稳定推理，无上下文退化或指令漂移。其技术核心在于训练方法的升级：一是“环境扩展”，让模型在不同执行框架和验证方式中学习通用解题策略；二是“长程自主执行”训练，使模型能在动态环境中进行超千步连续决策与策略调整。此次Qwen3.7-Max在Code Arena榜单的突破，标志着中国AI模型已在全球编程竞技场中成为重要的竞争者。

marsbit05/27 00:17

marsbit05/27 00:17

从一张午餐桌到无限宇宙，李飞飞押注AI的下一个维度

斯坦福大学教授、World Labs创始人李飞飞在近期的多次访谈中系统阐述了她对AI发展方向的判断：空间智能（Spatial Intelligence）是下一个前沿，而当前主流的大语言模型存在根本局限。李飞飞指出，人类语言仅有约50万年历史，而视觉与空间感知能力则可追溯至5.4亿年前，是智能演化的基础。语言本质上是对世界的一种“有信息损失”的编码，无法完整捕捉物理世界的三维结构、运动和交互。她举例说明，当前AI模型甚至难以完成“数清视频中椅子数量”这类幼儿级空间任务，更无法像牛顿那样从观测数据中推导物理定律。她创立的World Labs正致力于此方向，其首代模型Marble能够从文本、图像等输入生成可导航、可交互且具有几何一致性的3D环境，这与生成视频有本质区别。Marble模型规模远小于GPT-5，部分原因是高质量3D数据稀缺，且该领域尚处早期。该技术已应用于游戏开发、电影虚拟制作（将周期缩短40倍）、机器人训练、室内设计乃至为强迫症、恐高症患者定制个性化治疗环境。李飞飞展望，空间智能技术将能创造“无限的宇宙”，应用于社交、旅行、创意等多领域，使人类未来可能生活在“多元宇宙”中。她同时也提醒，对AI的讨论应避免乌托邦或末日论的两极化，技术成功的终极标尺应是让人类文明更美好，并始终维护每个人的尊严与自主性。她认为，从“谈论世界”到“理解世界”再到“在世界中行动”，是AI必须完成的进化。这条道路虽充满挑战，但意义深远，正如她所言：“感知先于语言，空间先于符号。”

marsbit05/27 00:14

marsbit05/27 00:14

链上分析师：为何大多数 Zcash 交易仍可被追踪？

Zcash（ZEC）是一种基于比特币技术但强调隐私保护的加密货币，它通过zk-SNARK零知识证明技术实现交易信息的隐藏。Zcash提供两种地址：透明地址（t地址，交易公开可见）和屏蔽地址（z地址，交易信息被加密）。根据地址组合，交易分为四种类型：t→t（完全公开）、t→z（转入金额公开，接收方隐藏）、z→t（转出金额和接收方公开，发送方隐藏）、z→z（完全私密）。尽管Zcash设计上支持强隐私，但实际应用中大部分交易仍通过透明地址进行，主要原因包括交易所和机构为满足合规要求默认使用透明地址。因此，链上分析平台（如Arkham）能够追踪大量ZEC交易，目前已标记超过一半的链上活动，关联了约4200亿美元交易量的已知实体。例如，美国政府查封的Zcash资产和个人大额获利交易均可被追踪。然而，z→z类型的屏蔽交易在密码学层面依然无法被窥探。Zcash的实际隐私保护程度取决于用户对地址类型的选择和使用方式。对于希望深度分析Zcash链上活动的用户，Arkham等工具提供了全面的数据追踪和监控功能。

marsbit05/26 06:04