bigbright 发表于 2025-06-20 09:02回复 3楼 老魏_ 的帖子 普通人控制不了基础设施。咱聊点实用的行吗？
回复 7楼 老魏_ 的帖子 MCP, Agent, LLM, Ops这些都要有人做吧 我说的是工作方面应该学些什么，提高自我 bigbright 发表于 2025-06-20 09:07
老魏_ 发表于 2025-06-20 08:58 AI分五层，顶层应用毫无护城河，基本等死。 你以为做个App、收个订阅费，就能吃到AI红利？ 对不起，这一套在AI里根本不灵。 来，我们把AI产业结构，拆开看看。 第一层，是电力、土地和数据中心。 最底层的底板，是算力的地基。 第二层，才是芯片战争的战场。 台积电、ASML、三星、英特尔，晶圆厂和巨头们的博弈； 再往上，是NVIDIA、AMD，还有训练模型的OpenAI、Anthropic这些玩家。 但往上走到顶，反而是那些看起来没什么技术含量的产品公司： 什么Cursor、Windsurf，还有各种角色AI。 他们努力复制互联网时代的打法，搞个界面，做点订阅，用增长曲线讲故事。 但真正懂的都知道，这种模式，在AI里注定走不远。 为什么？看清一件事： AI不是Web。Web世界里，一台服务器可以服务一万人。 Gmail能几十年不变，因为没人对“更好的邮件”有需求。 升级？对大多数人毫无意义。 AI完全不同。 你永远会想要更快的推理速度，更大的模型，更强的理解力。 1000个token每秒？不够。你想要的是极限性能。 而这代价极高。 你根本无法靠“一台服务器跑一万人”来撑这套产品。 所以这些App公司，其实根本没有成本结构的优势。 结果就是，价值汇聚不在最上层。 而是在中间，那些能控制芯片、控制模型的玩家身上： 当然是OpenAI、Anthropic，不是那些套壳拼UI的应用商。 早年Web时代，Zynga也风光过 最后呢？全被Facebook吞了。 Google、Meta自己做平台，把上面所有的价值都吃光了。 现在AI也会重演这场游戏： OpenAI直接推出产品或者收购你，不会让你长成独立生态。 顶层应用毫无护城河，基本等死。 更别提，这里每点一次“运行”按钮，叫的是四个GPU节点。 显卡不是你的，成本都砸在基础层。 用户月付$200，模型服务成本远超那几美金。 这不是Web，这里没有免费的午餐。 所以，别妄想做AI领域的Zynga。 真正的价值，只属于能控制基础设施的人。
redpill 发表于 2025-06-20 10:13 普通人参与建议（投资+认知布局） ✅1. 投资方向：只投“控制力”而非“流量” 芯片龙头：$NVDA、$TSMC、$ASML 高性能数据中心：Equinix (EQIX)、Digital Realty Trust (DLR) AI能源基础设施：NextEra Energy ($NEE)、Tesla Megapack相关布局 如果有灰度机会，关注模型企业IPO前轮融资的二级市场交易 ✅2. 参与方向：别做App，做“节约GPU的钱” 写App的人在“烧钱”，写中间件的人在“省钱”。 你做的每一个工具，要能回答一句话：“我能为某个团队，省下几千个token的推理成本吗？” AI领域未来的独角兽是：提高效率 or 降低推理成本的infra工具。 ✅3. 学习方向：别学prompt，学“约束与资源管理” Prompt engineering = 热门但低壁垒 真正有用的，是学会： 如何用少量token高效推理 如何搭建LoRA/QLoRA微调管道 如何部署模型到本地/边缘设备 如何让一个4bit模型跑在消费级硬件上 ✅4. 思维方向：训练“AI时代的中层思维” 普通人别幻想控制芯片，别幻想收购公司，但可以做： 连接基础层与应用层的“桥” 帮公司/团队构建私有模型或行业垂类微调模型 懂业务逻辑 + 懂推理成本的人，未来薪资会远超全栈工程师 ✅5. 认清现实：这个游戏是大宗战争，不是小而美创业天堂 “Build in public”的独立开发者热潮会像Zynga那样被迅速吞并 小模型跑在边缘设备上有前景，但除非你能打价格战或绑定专属语料，否则注定被抄 AI未来的自由人=能跑自己的推理堆栈 + 有独特领域knowhow 的人
AI分五层，顶层应用毫无护城河，基本等死。 你以为做个App、收个订阅费，就能吃到AI红利？ 对不起，这一套在AI里根本不灵。 来，我们把AI产业结构，拆开看看。 第一层，是电力、土地和数据中心。 最底层的底板，是算力的地基。 第二层，才是芯片战争的战场。 台积电、ASML、三星、英特尔，晶圆厂和巨头们的博弈； 再往上，是NVIDIA、AMD，还有训练模型的OpenAI、Anthropic这些玩家。 但往上走到顶，反而是那些看起来没什么技术含量的产品公司： 什么Cursor、Windsurf，还有各种角色AI。 他们努力复制互联网时代的打法，搞个界面，做点订阅，用增长曲线讲故事。 但真正懂的都知道，这种模式，在AI里注定走不远。 为什么？看清一件事： AI不是Web。Web世界里，一台服务器可以服务一万人。 Gmail能几十年不变，因为没人对“更好的邮件”有需求。 升级？对大多数人毫无意义。 AI完全不同。 你永远会想要更快的推理速度，更大的模型，更强的理解力。 1000个token每秒？不够。你想要的是极限性能。 而这代价极高。 你根本无法靠“一台服务器跑一万人”来撑这套产品。 所以这些App公司，其实根本没有成本结构的优势。 结果就是，价值汇聚不在最上层。 而是在中间，那些能控制芯片、控制模型的玩家身上： 当然是OpenAI、Anthropic，不是那些套壳拼UI的应用商。 早年Web时代，Zynga也风光过 最后呢？全被Facebook吞了。 Google、Meta自己做平台，把上面所有的价值都吃光了。 现在AI也会重演这场游戏： OpenAI直接推出产品或者收购你，不会让你长成独立生态。 顶层应用毫无护城河，基本等死。 更别提，这里每点一次“运行”按钮，叫的是四个GPU节点。 显卡不是你的，成本都砸在基础层。 用户月付$200，模型服务成本远超那几美金。 这不是Web，这里没有免费的午餐。 所以，别妄想做AI领域的Zynga。 真正的价值，只属于能控制基础设施的人。 老魏_ 发表于 2025-06-20 08:58
一个用户 发表于 2025-06-21 07:27 真棒！ 下面有人看不懂，问普通人应该做什么。我贡献一下想法。 普通人应该做的： 1 投资基础设施，就是产业链底端，比如美国的核能，oklo之类的，目前看上去还是概念股，但是长期必然拿到政府大单。 2 投资第二层的龙头，女大，台积电。这个层次，不要企图买黑马，没有黑马。投入过大，需要政府支持，最后只会有几个公司能活下来，而且全球现在只有中美两个大玩家。国内的企业不熟，美股就这两个最值得。 3 主动学习prompt engineering，不论是自己工作，还是转行业，这个都绕不过去。自己网上搜就好了，教程多的是。如果没有其它技能，光做这个也有年薪十万以上可拿。这个需要每周学习，与时共进，因为每个新版本出来，反应会不完全一样。小小的技巧，能结果天差地别。 4 如果有特殊技能，比如医药背景，装修+编程，可以考虑做风口上的猪，自己创业，利用市场空白，早期需要投钱买llm大量token，不论是科研发论文，还是创建网站用AI技术，现在还有许多空白。做这个，不要对公司有感情，捞一把就走，小公司最后都是死翘翘的。比如你做个用AI帮中餐馆顾客推荐点餐的app，给美国美甲店AI生成图片，前期需要一个米买token，有客户群了，有人花几个米买就赶紧出手。 5 跳槽去AI会获利的公司，比如meta，google之流。如果发现公司管理层对AI还没有大的计划，同事都不愿意学，要考虑公司前途是否还在。竞争对手在做什么。 6 孩子选专业，首选AI相关，次选有护城河的不大容易被AI取代的。目前来看，现在高三的孩子选CS毕业就失业的风险较大。公司senior交代junior干活，如果让AI跑20分钟效果好。
老魏_ 发表于 2025-06-20 09:15 AI是知识扩展探索器，用过一段时间现在AI的就会有体会， 人类运用AI最难的是会提问题，最起码目前LLM模型是这样
说的非常好，还有一个维度就是AI和domain的结合，但这里也没有免费的午餐，想快速做个产品，卖给专业领域大公司套现，也是死路一条，因为专业大公司内部很快能实现更好的落地，不如自己先混进专业领域还有点戏。还有一个方向是各种机器人，但这也不是普通人能快速套现的。基本能看出，除了AI偏向底层的专业人士，和其它专业领域AI用的好的，普通人基本是用户，创业上施展拳脚的空间不大。 custom 发表于 2025-06-21 09:39
bigbright 发表于 2025-06-20 08:53 DS大概火了十年左右，创造了很多工作岗位。 下一波就是AI了，是挑战也是机遇。最近特别焦虑，总想赶上这一波机遇，可又无从下手。 大家懂行的说说作为普通人，我们应该学些什么才能赶上这波潮流？ LLM?貌似只有大厂才有资源做深入 LLMOps?貌似大部人都是直接调用openai之类的API MCP?Agent? 另外，现在vibe coding真的很火，之前花很长时间才能做出来的东西，现在很快就能落地。比如这个找探亲或旅游同行的feiyou点online，只花了几十块钱一个周就上线了。我预计接下来是产品爆发的时代，难的是如何推广。这样看来是不是市场营销类的公司股票会大涨？meta, google?广告这块还有大的公司吗？
真正的价值，只属于能控制基础设施的人。 看看马斯克在干什么。超级集群。。。 ================== https://huaren.us/showtopic.html?topicid=3116466 马斯克在接受采访时透露，xAI 目前正在训练 Grok 3.5，“专注于推理能力”。 此外，马斯克还以去年搭建训练超级集群的例子，展示了xAI标志性的“第一性原理”思维和极致的执行能力。当时，供应商预估完成一个10万块H100 GPU集群需要18-24个月，但xAI必须在6个月内完成。 据 ZeroHedge 报道，xAI 正在寻求 43 亿美元的股权融资，这将与 50 亿美元的债务融资相结合，涵盖 xAI 和社交媒体平台 X。 硬件竞赛：从零到 100,000 个 GPU 的工程奇迹。 马斯克用第一性原理思维解决了AI训练中的硬件难题。当供应商告诉他们，完成10万块H100 GPU的训练超级集群需要18到24个月时，马斯克的团队将其压缩到6个月。 他们租下了位于孟菲斯的一家废弃的伊莱克斯工厂，并通过租赁发电机解决了150兆瓦的电力需求，租用了全美四分之一的移动制冷设备，并使用特斯拉Mega Packs来平滑训练过程中的电力波动。马斯克甚至亲自参与了布线工作，“睡在数据中心里”。 目前，训练中心拥有 150,000 台 H1、50,000 台 H200 和 30,000 台 GB200，第二个数据中心即将上线，拥有 110,000 台 GB200。 多重未来愿景：机器人军团、星际文明。 老魏_ 发表于 2025-06-20 09:00
wueda 发表于 2025-06-21 08:03 你说的6，“专业，首选AI相关”，但是又说“CS毕业就失业” 请问，什么专业是与AI相关，又不是CS?
gooog 发表于 2025-06-21 09:58 为什么没人建议学习以下的东西呢。以下这些才是在当今虚伪AI下最核心的要学习的东西。 a） 1）在本领域成为顶尖人物 2）将自己在本领域的知识冠名AI 3）成立一家AI公司，兜售自己的本领域知识。 b) 1) 成立一家数据中心公司 2）人工分析和整理数据 3）将人工分析和整理后的数据，冠名为AI 4）同时，卖给其他AI公司 以上两点的核心：人为的知识是狗肉，前台挂上AI这个羊头。
mylifetouch 发表于 2025-06-21 11:22 底层infrastructure 不可能是最赚钱的。就跟电一样，是不可缺少的utility, 但绝不是增长点。 任何时代，最有增长潜力最吸引资本的，都是能够直接面向用户，能够解决实际问题的应用。
另外，现在vibe coding真的很火，之前花很长时间才能做出来的东西，现在很快就能落地。比如这个找探亲或旅游同行的feiyou点online，只花了几十块钱一个周就上线了。我预计接下来是产品爆发的时代，难的是如何推广。这样看来是不是市场营销类的公司股票会大涨？meta, google?广告这块还有大的公司吗？
你以为做个App、收个订阅费，就能吃到AI红利？ 对不起，这一套在AI里根本不灵。 来，我们把AI产业结构，拆开看看。
第一层，是电力、土地和数据中心。 最底层的底板，是算力的地基。
第二层，才是芯片战争的战场。 台积电、ASML、三星、英特尔，晶圆厂和巨头们的博弈； 再往上，是NVIDIA、AMD，还有训练模型的OpenAI、Anthropic这些玩家。
但往上走到顶，反而是那些看起来没什么技术含量的产品公司： 什么Cursor、Windsurf，还有各种角色AI。 他们努力复制互联网时代的打法，搞个界面，做点订阅，用增长曲线讲故事。 但真正懂的都知道，这种模式，在AI里注定走不远。
为什么？看清一件事： AI不是Web。Web世界里，一台服务器可以服务一万人。 Gmail能几十年不变，因为没人对“更好的邮件”有需求。 升级？对大多数人毫无意义。
AI完全不同。 你永远会想要更快的推理速度，更大的模型，更强的理解力。 1000个token每秒？不够。你想要的是极限性能。
而这代价极高。 你根本无法靠“一台服务器跑一万人”来撑这套产品。 所以这些App公司，其实根本没有成本结构的优势。
结果就是，价值汇聚不在最上层。 而是在中间，那些能控制芯片、控制模型的玩家身上： 当然是OpenAI、Anthropic，不是那些套壳拼UI的应用商。
早年Web时代，Zynga也风光过 最后呢？全被Facebook吞了。 Google、Meta自己做平台，把上面所有的价值都吃光了。
现在AI也会重演这场游戏： OpenAI直接推出产品或者收购你，不会让你长成独立生态。 顶层应用毫无护城河，基本等死。
更别提，这里每点一次“运行”按钮，叫的是四个GPU节点。 显卡不是你的，成本都砸在基础层。 用户月付$200，模型服务成本远超那几美金。
这不是Web，这里没有免费的午餐。 所以，别妄想做AI领域的Zynga。
真正的价值，只属于能控制基础设施的人。
看看马斯克在干什么。超级集群。。。
================== https://huaren.us/showtopic.html?topicid=3116466
马斯克在接受采访时透露，xAI 目前正在训练 Grok 3.5，“专注于推理能力”。
此外，马斯克还以去年搭建训练超级集群的例子，展示了xAI标志性的“第一性原理”思维和极致的执行能力。当时，供应商预估完成一个10万块H100 GPU集群需要18-24个月，但xAI必须在6个月内完成。
据 ZeroHedge 报道，xAI 正在寻求 43 亿美元的股权融资，这将与 50 亿美元的债务融资相结合，涵盖 xAI 和社交媒体平台 X。 硬件竞赛：从零到 100,000 个 GPU 的工程奇迹。
马斯克用第一性原理思维解决了AI训练中的硬件难题。当供应商告诉他们，完成10万块H100 GPU的训练超级集群需要18到24个月时，马斯克的团队将其压缩到6个月。
他们租下了位于孟菲斯的一家废弃的伊莱克斯工厂，并通过租赁发电机解决了150兆瓦的电力需求，租用了全美四分之一的移动制冷设备，并使用特斯拉Mega Packs来平滑训练过程中的电力波动。马斯克甚至亲自参与了布线工作，“睡在数据中心里”。 目前，训练中心拥有 150,000 台 H1、50,000 台 H200 和 30,000 台 GB200，第二个数据中心即将上线，拥有 110,000 台 GB200。 多重未来愿景：机器人军团、星际文明。
普通人控制不了基础设施。咱聊点实用的行吗？
没有做广告的意思，只是实话实说，举个例子。
普通人吃不到啥红利，把AI当作工具，能够学会很好的利用它就已经很不错了。
MCP, Agent, LLM, Ops这些都要有人做吧 我说的是工作方面应该学些什么，提高自我
AI是知识扩展探索器，用过一段时间现在AI的就会有体会， 人类运用AI最难的是会提问题，最起码目前LLM模型是这样
感觉你还是没明白我的问题，算了
分析的太好了 我们普通人咋办
普通人参与建议（投资+认知布局）
✅1. 投资方向：只投“控制力”而非“流量”
芯片龙头：$NVDA、$TSMC、$ASML 高性能数据中心：Equinix (EQIX)、Digital Realty Trust (DLR) AI能源基础设施：NextEra Energy ($NEE)、Tesla Megapack相关布局 如果有灰度机会，关注模型企业IPO前轮融资的二级市场交易
✅2. 参与方向：别做App，做“节约GPU的钱”
写App的人在“烧钱”，写中间件的人在“省钱”。 你做的每一个工具，要能回答一句话：“我能为某个团队，省下几千个token的推理成本吗？” AI领域未来的独角兽是：提高效率 or 降低推理成本的infra工具。
✅3. 学习方向：别学prompt，学“约束与资源管理”
Prompt engineering = 热门但低壁垒 真正有用的，是学会： 如何用少量token高效推理 如何搭建LoRA/QLoRA微调管道 如何部署模型到本地/边缘设备 如何让一个4bit模型跑在消费级硬件上
✅4. 思维方向：训练“AI时代的中层思维”
普通人别幻想控制芯片，别幻想收购公司，但可以做：
连接基础层与应用层的“桥” 帮公司/团队构建私有模型或行业垂类微调模型 懂业务逻辑 + 懂推理成本的人，未来薪资会远超全栈工程师
✅5. 认清现实：这个游戏是大宗战争，不是小而美创业天堂
“Build in public”的独立开发者热潮会像Zynga那样被迅速吞并 小模型跑在边缘设备上有前景，但除非你能打价格战或绑定专属语料，否则注定被抄 AI未来的自由人=能跑自己的推理堆栈 + 有独特领域knowhow 的人
厉害的人可以做ai startup 做一些你niche market的应用 不要做面向所有人的应用 比如fireflies.ai 指的也是meeting note taking 但是专攻印度人口音
Mark!!
Mark !!!
mark 人工智能时代的投资
很精辟总结，赞👍
真棒！
下面有人看不懂，问普通人应该做什么。我贡献一下想法。
普通人应该做的： 1 投资基础设施，就是产业链底端，比如美国的核能，oklo之类的，目前看上去还是概念股，但是长期必然拿到政府大单。 2 投资第二层的龙头，女大，台积电。这个层次，不要企图买黑马，没有黑马。投入过大，需要政府支持，最后只会有几个公司能活下来，而且全球现在只有中美两个大玩家。国内的企业不熟，美股就这两个最值得。 3 主动学习prompt engineering，不论是自己工作，还是转行业，这个都绕不过去。自己网上搜就好了，教程多的是。如果没有其它技能，光做这个也有年薪十万以上可拿。这个需要每周学习，与时共进，因为每个新版本出来，反应会不完全一样。小小的技巧，能结果天差地别。 4 如果有特殊技能，比如医药背景，装修+编程，可以考虑做风口上的猪，自己创业，利用市场空白，早期需要投钱买llm大量token，不论是科研发论文，还是创建网站用AI技术，现在还有许多空白。做这个，不要对公司有感情，捞一把就走，小公司最后都是死翘翘的。比如你做个用AI帮中餐馆顾客推荐点餐的app，给美国美甲店AI生成图片，前期需要一个米买token，有客户群了，有人花几个米买就赶紧出手。 5 跳槽去AI会获利的公司，比如meta，google之流。如果发现公司管理层对AI还没有大的计划，同事都不愿意学，要考虑公司前途是否还在。竞争对手在做什么。 6 孩子选专业，首选AI相关，次选有护城河的不大容易被AI取代的。目前来看，现在高三的孩子选CS毕业就失业的风险较大。公司senior交代junior干活，如果让AI跑20分钟效果好。
ai应该很好学
你说的6，“专业，首选AI相关”，但是又说“CS毕业就失业”
请问，什么专业是与AI相关，又不是CS?
有点东西
Prompt engineering只是第一步
写的不错，手动点赞
手动点赞，
说的非常好，还有一个维度就是AI和domain的结合，但这里也没有免费的午餐，想快速做个产品，卖给专业领域大公司套现，也是死路一条，因为专业大公司内部很快能实现更好的落地，不如自己先混进专业领域还有点戏。还有一个方向是各种机器人，但这也不是普通人能快速套现的。基本能看出，除了AI偏向底层的专业人士，和其它专业领域AI用的好的，普通人基本是用户，创业上施展拳脚的空间不大。
我认真看看
手动点赞！！
所以我说普通人，
-在投资上关注AI的各层 -在心态上做好与AI共存，迎接新时代，别摆出人类那种看不起AI的姿态，现在很多人还在处于这个阶段 -在个人技能上，多去了解，去慢慢地学会好好用这个工具。第一步，会向AI提问题其实就很难
为什么没人建议学习以下的东西呢。以下这些才是在当今虚伪AI下最核心的要学习的东西。
a） 1）在本领域成为顶尖人物 2）将自己在本领域的知识冠名AI 3）成立一家AI公司，兜售自己的本领域知识。
b) 1) 成立一家数据中心公司 2）人工分析和整理数据 3）将人工分析和整理后的数据，冠名为AI 4）同时，卖给其他AI公司
以上两点的核心：人为的知识是狗肉，前台挂上AI这个羊头。
底层infrastructure 不可能是最赚钱的。就跟电一样，是不可缺少的utility, 但绝不是增长点。
任何时代，最有增长潜力最吸引资本的，都是能够直接面向用户，能够解决实际问题的应用。
选cs里面的AI呗，我又不是说学CS的都找不到工作。而且其它专业也可以辅修AI的课。
难道你能有更好的主意吗？现在神仙也不可能知道20年后还有哪些工作能剩下，你指望华人网友给你指出一条明路？
第一步是成为billionaire 然后呢，直接躺平 2 - 4都不需要了
AI公司需要哪些条件才能组建？
Alexandr Wang: 你报我全名!
所以投资还是电力，数据中心和芯片？
赞同这个，电力算力一旦够用，就没什么增长了。以后需要的是用ai解决问题.