不可忽略的事实:AI正在进入更高纬度
2022:
AI是一个“聊天机器人”。
↓
2023:
AI变成“多模态助手”。
↓
2024:
AI开始“推理”。
↓
2025:
AI开始“执行任务”。
↓
2026:
AI开始进入科研和物理世界
274
有点被 Apollo 11 打击到了。
之前一直觉得:
现在有 AI,复刻几十年前的登月软件,应该不是什么难事。
结果真正尝试后发现——
代码只是最容易的部分。
难的是你根本不知道,为什么当年的人要这样设计。
几十年前,没有今天的 GPU,没有大模型,没有智能助手。
他们靠的是:
火箭工程、轨道计算、控制理论、通信系统……
一点点把人类送上月球。
那一刻突然明白:
AI 能帮你写出代码,但它无法替你经历那些漫长的试错和积累。
未来程序员真正值钱的,是面对复杂问题时,做出取舍、判断与工程妥协的能力。
204
👊🏻这是阿波罗 11 最经典的软件故事。
登月过程中:
电脑报警。
宇航员看到:
1202
不知道什么意思。
后来发现:
计算机任务太多,超载。
但程序设计了:
优先级
自动恢复
丢弃低优先级任务
所以:
电脑崩了,但是没有死。
1
182
突然灵光乍现!发现一个用开源 AI 模型变现的野路子。
不买显卡,不租 GPU,甚至不用自己承担模型推理的算力成本。
怎么做?
去 Hugging Face 的 Spaces 里,挖掘一些实用的小模型,比如图像生成、背景移除、图片处理等。
再利用 WebGPU,把这些模型改造成能直接在浏览器里运行的在线工具。
用户打开网站,下载模型到本地,就能调用自己电脑的 GPU 使用 AI 功能。
重点来了:你提供工具,用户提供算力。
接下来,把这些工具做成一个网站,围绕具体需求做 SEO,或者在社交平台发布教程和引流内容。
有了稳定流量,就可以通过广告变现。
当然,模型体积、浏览器兼容性和用户设备性能都会影响体验,广告收入也取决于流量规模。
3
2
216
今天来聊个新东西:lean检查器
你是否想过:AI证明了那么多数学题,怎么保证每个证明都是对的?
Lean 的底层原理,其实很巧妙。
它把数学命题变成一种类型,把证明变成这个类型的一个合法值。
举个例子:
已知 a = b,b = c,如何证明 a = c?
在 Lean 中,只需要:
theorem trans_example
{a b c : Nat}
(h1 : a = b)
(h2 : b = c) :
a = c := by
exact Eq.trans h1 h2
其中,h1 和 h2 是已知条件,Eq.trans 是等式传递性的定理。
Lean 会检查:这两个条件能否通过合法的逻辑规则,推导出 a = c。
如果证明不符合规则,就拒绝通过;如果通过内核检查,就说明该命题在给定前提下得到了形式化证明。
2
2
211











