FORMFormation Fi价格

亚瑟·海耶斯（Arthur Hayes）在最新文章中认为，当前由中美主导的巨额AI资本支出（CAPEX）创造了前所未有的法币流动性环境，这为加密货币，尤其是比特币，带来了巨大机会。他指出，两国出于技术霸权和国家安全考虑，正通过印钞和信贷疯狂投资AI基础设施，导致货币供应加速增长。这种支出受“杰文斯悖论”和“红皇后效应”驱动，可能持续膨胀直至市场出现无法消化的巨型AI公司IPO或并购，或2028年美国大选后政治风向转变。 文章进一步分析，地缘政治紧张（如美伊冲突）加剧了通胀，并促使非美国国家为避免基本商品短缺而清算美元资产，转而投资实体基础设施。美国当局将通过货币互换或放松银行监管来吸收这些抛压，维持金融市场宽松。在这种法币持续贬值的背景下，比特币作为对冲工具将显著受益，海耶斯预测其价格将强势上涨，并看好部分山寨币（如$NEAR）的补涨机会。他强调当前是牛市，投资者应积极参与。

谷歌近日推出全新“安卓电脑”产品线，定位高端生产力，其核心思路是将云端AI深度集成，而非依赖本地硬件算力。这引发了关于AI PC未来发展方向的讨论：当前多数AI PC仍基于传统Windows架构，本地AI算力有限，主要任务实际依赖云端完成，导致硬件AI溢价的价值存疑。 文章指出，云电脑模式可能更适合AI PC。与对延迟极度敏感的云游戏不同，AI任务对网络延迟容忍度较高，瓶颈在于算力而非网速。谷歌的安卓电脑将AI融入系统各处，实现随时随地的智能交互，且硬件上兼容X86和ARM架构，凸显云端为核心的理念。阿里云等厂商也推出了集成大模型能力的AI云电脑服务。 面对AI化趋势，产业链各方反应不同：芯片厂商（如英特尔、AMD）既强调终端算力，也积极争夺云端数据中心订单；终端厂商多在传统架构上添加AI功能，手机品牌则致力于跨设备AI生态；苹果凭借软硬件一体化和产品下沉策略寻求突破；微软则通过定义硬件标准、系统底层集成Copilot等方式，结合云端与端侧能力。 安卓电脑代表了一种“轻本地、重云端”的新思路。在存储成本高企、消费级本地算力遭遇瓶颈的背景下，这种方案更具想象力和成本优势。未来的PC形态竞争，将是云端能力、系统重构与生态整合的全面较量。AI正在重新定义PC，未来或许只需基础硬件和网络连接，即可通过云端释放强大生产力。

前OpenAI副总裁翁荔（Lilian Weng）发表了一篇关于AI扩展定律（Scaling Laws）的深度分析文章。文章指出，这条指导了AI行业数百亿美元投入的核心定律，远比人们想象的更为脆弱。 文章回顾了Scaling Laws的基本思想，即模型性能随规模扩大而可预测地提升。然而，OpenAI与DeepMind在关键问题上得出了相反结论：给定算力，资源应更多分配给模型还是数据？OpenAI的Kaplan团队认为模型增长应更快，而DeepMind的Chinchilla团队则认为应等比增长。后来研究发现，这一分歧源于参数统计口径的差异和实验规模不足，导致Kaplan的结论仅适用于小规模场景。 更关键的是，被行业广泛采纳的Chinchilla最优配比公式本身也存在方法论瑕疵。2024年有团队复现发现，其损失函数因取均值而非求和，导致优化器提前停止，输出并非最优解。此外，用于外推的关键参数精度不足，放大了误差。 文章进一步指出，经典Scaling Laws的根本前提——高质量数据无限供应——正在崩塌。数据重复训练不可避免，新研究引入了惩罚项来修正公式，并发现大模型对数据重复更敏感。这解释了行业为何转向强化学习、测试时计算和合成数据等新路径。 翁荔的博客以其清晰深入的技术解析著称，这篇文章历时三年完成。她于2025年联合创立了新公司Thinking Machines Lab。文章强调，下一代AI的进步不仅依赖算力规模，更取决于对这些基础定律细节更精确的理解与运用。