發表文章

這一刻，電腦產業被徹底重置：Nvidia 如何定義下一個十年的 AI 藍圖

-
圖片
每隔十年、十五年，電腦產業就會迎來一次徹底的重置。從大型主機到個人電腦，從網路到雲端，再到現在的行動裝置，每一次轉移都像是一場大地震，徹底改變了開發者撰寫軟體的方式，也重塑了我們生活的方式。 但這一次，情況不太一樣。我們正面臨兩股同時爆發的平台巨浪。 我們不再僅僅是編寫程式碼，而是在訓練軟體。我們不再依賴 CPU，而是全面轉向 GPU。過去的應用程式是預先編譯、靜態執行的，而現在，AI 正在實時生成每一個像素、每一個詞元。這是一場價值十兆美元的產業現代化，數千億美元的研發資金正從傳統方法轉向人工智慧。說起來，這不只是進化，這是從底層架構開始的重新發明。 當 AI 開始擁有人類的「推理」能力 你有沒有想過，為什麼早期的 AI 總是會一本正經地胡說八道？ 這就是所謂的幻覺。原因很簡單，它能記住過去的資訊，卻無法像人類一樣對當下進行邏輯推理。但在 2024 年，我們迎來了突破性的 o1 推理模型 。這引入了一個極為關鍵的概念： 測試時擴展（Test-time Scaling） 。 這就像是人類在回答問題前的思考過程。AI 現在不再只是反射性地給出答案，它會思考、會規劃、會拆解步驟。2025 年，這種「代理系統」（Agentic Systems）將無處不在。想像一下，一個具備推理能力的助手，它能幫你研究、使用工具、模擬結果，甚至幫你寫程式碼。在 Nvidia 內部，我們最愛的工具之一就是 Cursor ，它徹底顛覆了我們的軟體開發流程。 AI 應用的全新架構：多模態與多雲 未來的 AI 應用不再是孤立的。它是： 多模態（Multimodal） ：同時理解語音、影像、文字、3D 圖形甚至是蛋白質結構。 多模型（Multimodel） ：根據任務自動選擇最適合的模型，就像一個聰明的路由器（Router）。 混合雲（Hybrid Cloud） ：無論是在雲端、企業內部，還是在邊緣端的機器人身上，AI 無處不在。 物理世界的 ChatGPT 時刻：Cosmos 與實體 AI 如果 AI 只存在於螢幕裡，那它的威力只發揮了一半。 我們努力了八年，就在解決一個問題：如何讓電腦裡的智慧與物理世界互動？這需要 AI 擁有「常識」。它必須理解重力、理解摩擦力、理解當物體被遮擋時它依然存在。這對孩子來說是本能，...
張貼留言
閱讀完整內容

內燃機的末日來了？Donut Lab 全固態電池登場：5 分鐘充飽、壽命長到車開壞它都還在！

-
圖片
每天醒來，Donut Lab 的團隊腦袋裡只裝著一件事：怎麼讓電動車強到讓燃油車顯得毫無存在的必要？這聽起來有點狂妄，但說實話，如果電動車只是「比較環保」或「性能差不多」，那根本沒辦法說服所有人換車。 去年，我們靠著 Donut Motors 突破了物理與經濟的極限，讓馬達更輕、更強、也更便宜。但即便馬達再出色，電動車心臟裡的那顆「定時炸彈」——電池，始終是揮之不去的陰影。續航力、充電時間、成本、壽命，這些限制就像一道道枷鎖。 今天，我們決定把這些鎖鏈全部砸碎。這不只是一次升級，而是一場關於「移動經濟學」的徹底革命。 告別「明年量產」的冷飯：真正的全固態電池 說起來，過去十年我們聽了太多關於固態電池的空頭支票。翻開科技新聞，滿眼都是「明年量產」或「突破性原型」，但現實是你現在能買到的量產車裡，一顆固態電池都沒有。 為什麼？因為大家都在玩「大風吹」的取捨遊戲： 有些電池能量密度高，但充不快。 有些能快充，但循環幾百次就壽命告終。 有些標榜安全，但價格貴到像在賣奢侈品。 這種「顧此失彼」的狀態，正是電動車沒辦法全面超越燃油車的死穴。 我們問了一個簡單的問題： 能不能做出一款毫不妥協的全固態電池？ 不是混合型、不是半固態，而是真正的全固態，並且現在就能裝車出貨。 Verge TS Pro：地表首款搭載固態電池的量產車 這不是實驗室裡的數據，這已經發生在公路上。Verge Motorcycles 剛剛做了一件改寫歷史的事——他們的 Verge TS Pro 正式成為全球第一款由 Donut Lab 固態電池驅動的量產摩托車。 這對騎士來說意味著什麼？ 充電時間比喝咖啡還快： 以前你可能要花 35 分鐘等待，現在縮短到 10 分鐘以下 。 里程焦慮徹底消失： 我們還推出了長續航版本，實際騎乘里程高達 600 公里 。這幾乎是打破金氏世界紀錄里程的兩倍。 隨心所欲地操： 你不需要小心翼翼地呵護電池，不需要擔心充太滿或放太空。就像騎燃油車一樣，直接騎就對了。 有趣的是，因為充電實在太快，我們甚至在考慮要不要故意調慢一點充電速度，好讓騎士能定下心來喝完一杯拿鐵，而不是剛喝一口濃縮咖啡就得衝回車上。 數據會說話：這顆電池強在哪？ 如果你覺得 60...
張貼留言
閱讀完整內容

告別老花眼！芬蘭新創 IXI 推出全球首款「自動對焦」眼鏡：讓視覺重回 20 歲的黑科技

-
圖片
你是否曾經為了看清楚菜單而不得不換上老花眼鏡，或者因為多焦點眼鏡（Varifocals）狹窄的視野和邊緣失真而感到頭暈？傳統眼鏡技術已經停滯了數個世紀，但這一切即將被徹底顛覆。 來自芬蘭的科技公司 IXI 正式揭開了其秘密研發多年的成果：全球首款自動對焦眼鏡。這不僅僅是一副眼鏡，它更像是一個能與你眼睛同步呼吸的智慧夥伴。 微秒級對焦：液態晶體與「眼睛追蹤」的魔法 IXI 眼鏡的核心在於其革命性的鏡片技術。不同於傳統眼鏡的靜態玻璃或塑料，IXI 使用的是液態晶體鏡片（Liquid Crystal Lenses）。 感應：鏡架內置了專利的超低功耗紅外線系統，它不追蹤你的眼球運動，而是測量當你注視近處物體時的「眼球匯聚速度（Eye Convergence）」。 計算：數據會立即傳送到鼻樑處的微型處理器。 執行：處理器發出電訊號改變電場，使鏡片內的液態晶體旋轉並改變結構，從而瞬間調整光線折射率。 這整個過程的延遲僅約 0.2 秒，讓你從看遠方的地平線到看手邊的手機時，視覺始終保持銳利。 不再像「賽博格」：22克的輕盈與極致時尚 IXI 的執行長 Niko Eiden（曾是微軟 HoloLens 與 XR 巨頭 Varjo 的聯合創始人）深知消費者心理：「人們不想看起來像賽博格（Cyborgs）。」 這副眼鏡的重量僅 22 克（不含鏡片），是目前世界上最輕的智慧眼鏡，甚至比市面上許多智慧眼鏡輕了一半以上。 真正的貼合：採用了「True-fit」架構，鼻墊、鏡腿甚至鏡片的傾斜度（Pantoscopic tilt）都可以精密調整，確保科技能完美契合不同的臉型。 全天候續航：內置微型電池可提供約 2 天的續航力，並能在你睡覺時完成充電。 安全與未來：一個 $2000 億美元的產業革命 你可能會問，如果沒電了怎麼辦？別擔心，IXI 已經想好了。鏡片本身預設為看遠的處方，即使電池耗盡，你依然可以安全地開車回家。 目前 IXI 已獲得由 Plural 領投、Amazon Alexa Fund 等參投的 3650 萬美元融資，並與歐洲頂尖的鏡片製造商 Optiswiss 達成戰略合作，準備量產。 IXI 的目標非常明確：在總額達...
張貼留言
閱讀完整內容

Google Learn Your Way：這不只是 AI 筆記，而是能讀懂你大腦的「學習神隊友」

-
圖片
還記得 Google 推出 NotebookLM 時，那種「AI 竟然能讀懂我整疊資料」的震撼感嗎？當時我們以為 AI 學習的頂點就在那了。沒想到，Google 最近又在實驗室裡倒騰出一個新玩意兒，叫做 Learn Your Way 。說實話，這東西給人的感覺，簡直就是 NotebookLM 2.0 的進化版。 這不只是一個讓你問問題的聊天機器人，也不是那種換湯不換藥的線上課程平台。它最核心的改變在於：AI 不再只是圍繞著「文件」轉，而是開始圍繞著「你」這個人來轉。 當 AI 決定不再對你「說教」 大多數的學習軟體都有個通病，就是不管你是國中生還是大學教授，餵給你的內容都長得一模一樣。但 Learn Your Way 徹底打破了這種僵化的結構。 以往我們用 AI，是問它「這個主題是什麼意思？」；現在這套系統反過來問你：「 我該怎麼教你，你才聽得懂？ 」 這聽起來只是個小細節，但實際操作起來，感覺完全不同。它在推理層面實現了真正的個性化。你可以告訴它你想學什麼、為什麼想學，甚至是你現在對這個主題的掌握程度。與其說它是一個教學軟體，我覺得它更像是一個會根據你的反應隨時調整講課節奏的私人導師。 從「理解文件」到「理解學習者」 NotebookLM 的厲害之處在於「錨定資料」（Grounding），讓 AI 說話有憑有據。而 Learn Your Way 則是把這種錨定技術應用在了「學習者」身上。 適應你的思維模型 ：它會學習你的背景知識。 客製化解釋風格 ：如果你喜歡音樂，它就不會用冰冷的公式跟你談社會學。 雙向共學 ：它不是在單向輸出，而是在互動中調整內容的深淺。 足球、籃球與經濟學：讓冷門知識變有趣的魔法 光說理論可能有點抽象，我們直接來看看它實際上是怎麼運作的。在 Learn Your Way 的測試介面中，你可以選擇不同的學科，比如經濟學。 有趣的地方來了，如果你設定自己是一個「 喜歡足球的國中生 」，這台 AI 導師會立刻變臉。它會把那些枯燥的 PDF 教材重新拆解、重組： 具象化的類比 ：在解釋「市場經濟」和「供需平衡」時，它不會丟出一堆曲線圖，而是直接搬出 梅西（Leo Messi）和 C 羅（Cristiano Ronaldo）的轉會市場 。 生活化...
張貼留言
閱讀完整內容

告別繁瑣步驟！Gemini "Gems" 實測：手把手教你打造專屬的 AI 自動化工作流

-
說起來這真的有點瘋狂。如果你還在把 Gemini 當成普通的聊天機器人，那你可能錯過了它最近最亮眼的一次進化。Google 最近把原本代號叫 Opal 的技術直接塞進了 Gemini，雖然目前名字似乎還在調整中，有人叫它 AI Apps，也有人稱之為 Gems ，但重點不在名字，而是它具備了像 Zapier 或 Make.com 那樣的自動化潛力。 想像一下，你不再需要對著 AI 一句句下指令，而是直接蓋出一座「自動化工廠」。無論是寫部落格、生成產品描述，還是設計圖片與音樂，只要設定好流程，剩下的就交給 Gemini 跑完。 想玩新功能？先打開你的電腦 有一點或許會讓你稍微失望，我翻遍了手機版的 Gemini App，目前還找不到這個功能的蹤跡。這意味著如果你想嘗試這種自定義工作流， 暫時必須使用電腦網頁版 。 直接導航到 gemini.google.com ，打開側邊欄導航，你就會看到「 Gems 」這個新選項。進去之後，你會發現 Google 其實已經幫你準備了一些範例模板，你可以直接拿來「改裝」（Remix），或者乾脆點，跟我一樣從零開始挑戰。 像跟朋友聊天一樣，把你的「需求」說出來 這個工具最迷人的地方在於，你不需要懂任何程式碼。你只需要描述你想要達到的目標，它就會自動幫你搭好框架。 舉個例子，我有個點子：我想做一個「姓名圖標生成器」。只要使用者輸入一個名字，AI 就會去分析這個名字背後的起源、語源意義，最後根據這些意義畫出一張專屬的圖標（Icon）。 我在對話框裡輸入了這段指令： 「我想建立一個工作流，使用者輸入任何名字後，AI 會分析該名字的詞源，接著根據分析結果生成一張代表該名字的圖標圖片。」 發送指令後，你會看到畫面開始閃動，那是 Google Opal（或者說新的 Gem 引擎）正在後台幫你組裝邏輯節點。 內行人才知道的隱藏版：進階編輯器 當 Gemini 幫你搭好初步框架後，你會發現它像是一個簡化版的預覽介面。如果你覺得不夠精準，或者想微調某些細節，這時候就要點開 Advanced Editor（進階編輯器） 。 這會把你帶回 Google Opal 的原始介面，這裏就像是一個「邏輯調度室」： 你可以看到每一個**節點（Nodes）**代表的意義。 你可以手動修改 AI 的提示詞（Prompt）設定。 甚...
張貼留言
閱讀完整內容

未來已來：LimX Dynamics TRON 2 機器人，重新定義具身機器人的靈活境界

-
圖片
在科技迅猛發展的時代，我們時常被各種創新驚豔，而最近一部由 LimX Dynamics 發布的影片，正是這樣一部令人難忘的傑作。這段 YouTube 影片（連結： https://youtu.be/Ut3QFPr7hyo ）雖然沒有字幕，但其視覺衝擊力十足，展示了一款名為 TRON 2 的機器人，如何以模組化設計和多形態轉換，展現出前所未有的靈活性和功能性。作為一名科技愛好者，我被這段影片深深吸引，讓我們一起深入剖析這場機器人革命的視覺盛宴，彷彿親眼目睹未來機器人如何融入我們的生活。 TRON 2 的誕生：模組化設計的奇蹟 影片一開頭，就以動感的音樂和快速剪輯拉開序幕，TRON 2 機器人登場時，看起來像是一座配備雙臂的行動堡壘。它不是傳統的單一形態機器人，而是採用三形態模組化配置：雙臂、輪式腿部，以及單純的足部。這意味著 TRON 2 可以根據任務需求靈活組合，宛如樂高積木般自由變形。想像一下，一個機器人能在辦公桌上精準操作，又能在崎嶇地形上奔馳——這就是 TRON 2 的魅力。 在影片中，TRON 2 首先展示其雙臂系統：兩個擁有 7 自由度的手臂，伸展範圍達 70 公分，這是同類產品中最大的工作空間。它的球形手腕模擬人類關節，動作流暢而敏捷。有一幕特別令人印象深刻，TRON 2 揮動手臂時，身體微微偏移，這是因為手臂重量造成的自然反應，但它迅速調整姿態，維持平衡。這不僅展示了工程師對運動算法的精湛掌握，還突顯了機器人在現實環境中的適應力。前置攝像頭涵蓋整個手臂範圍，讓機器人能「看見」自己的動作，實現精準控制。影片捕捉到 TRON 2 處理桌面任務的畫面，它能承載 10 公斤的有效載荷，輕鬆完成雙臂協作，如拾取物件或組裝零件，讓人不禁聯想到科幻電影中的智能助手。 靈活移動：輪式腿部與雙足模式的華麗轉換 影片的高潮部分，TRON 2 切換到輪式腿部模式，瞬間變身為全地形移動專家。它像一台配備輪子的電腦主機，卻擁有腿部的靈活性，在硬質表面上滑行自如，又能在粗糙地形上跳躍前進。一段 parkour 般的動作演示，讓觀眾屏息以待：TRON 2 進行翻滾翻筋斗（somersaulting maneuvers），身體在空中旋轉，落地後穩穩站立，展現出驚人的平衡感和適應控制。輪式設計不僅提升了移動效率，還支援 30 公斤的有效載荷，並具備自動充電功能，電池容量提升...
張貼留言
閱讀完整內容

打造最強個人 AI 集群：4 台 Mac Studio 聯手挑戰 1.5TB 統一記憶體與 RDMA 性能極限

-
在人工智慧（AI）領域中，雖然訂閱 OpenAI 或 Google Gemini 服務相當便利，但對於重視隱私或硬體愛好者而言，**本地端運行大型語言模型（LLM）**才是最終極的追求。目前的技術瓶頸在於，頂尖的 AI 模型（如 DeepSeek 或大型 Llama 模型）體積極其龐大，往往需要數百 GB 甚至超過 1TB 的顯存（VRAM）才能運行。透過將多台 Mac Studio 組成集群，我們不僅能突破單機硬體的限制，更能利用 Apple 獨有的技術優勢，打造出一座性能足以媲美數據中心的「個人 AI 超級電腦」。 硬體核心：1.5TB 統一記憶體的震撼實力 這套系統的核心由四台 Mac Studio 組成，其中包括搭載 M3 Ultra 晶片的頂規版本。Apple Silicon 的 統一記憶體架構（Unified Memory Architecture） 是這項實驗成功的關鍵： 總記憶體容量 ：結合四台設備，總計擁有 1.5 TB 的統一記憶體 ，這足以裝載目前市面上最龐大、參數最複雜的 AI 模型。 成本優勢 ：相較於 NVIDIA 企業級解決方案（如 DGX 系統或多張 H200 顯卡），Mac Studio 集群在提供同等記憶體容量的前提下，成本僅為對方的幾分之一。 能效比 ：整個集群在滿載推理時的功耗約為 480W 至 600W ，遠低於同效能的伺服器等級 GPU 方案。 技術突破：macOS 測試版中的 RDMA 與 Exo 1.0 過去，將多台電腦聯網運行 AI 模型時，最大的瓶頸不在於運算能力，而在於「網路延遲」。 1. RDMA Over Thunderbolt 的引入 在最近的 macOS 測試版本中，Apple 秘密推出了 RDMA（遠端直接記憶體存取） 技術支援。在標準的乙太網路架構下，資料傳輸需要經過 CPU 處理與多次協議轉換，就像每次傳遞資料都要經過嚴格的海關安檢。而 RDMA 技術允許一台電腦直接讀取另一台電腦的記憶體 ，跳過 CPU 的干預，將通訊延遲降低了 99% 。 2. Exo 1.0 分散式運算軟體 Exo 1.0 是實現這一集群夢想的軟體支柱。它能自動感應網路中的 Mac 設備並將其串聯。透過 Tensor Sharding（張量分片） 技術，Exo 能將模型權重分散到不同機器的記...
張貼留言
閱讀完整內容