cHHillee:软件护城河难敌 RSI,ML 基建价值在需求聚合
PatrickToulme · x · 2026-09-22
cHHillee 回应 PatrickToulme 称,如果护城河是软件层面,那在 RSI(递归自我改进)面前不具持久性;但自己并不认为 kernel 层面的 MFU 优化是显著优势。ML 基建的真正价值在于需求聚合——例如对 Kimi K3 这类模型最高效的部署配置可能需要 PD 分离加 wide EP 等组合,只有聚合大量需求才摊得平这类基础设施。
「Infra」频道最新
- PyroDash:小模型按需呼叫大模型,推理成本降96%反超单独用大模型 — jiqizhixin · 2026-09-22
- Underdog 推出 Husky 推理引擎，MacBook 上跑出 730 tokens/s — jimmykoppel · 2026-09-22
- peano_ai 在 1000+ TPU 上对 310B 模型跑通全参数 RL 训练 — simonguozirui · 2026-09-22
- Cloudflare Python Workers 结束两年预览正式可用 — Simon Willison · 2026-09-22
- 应对 AI 爬虫流量：Turnstile 之外的 Cloudflare AI Labyrinth 方案 — fforres · 2026-09-22
- 树莓派固件锁定原始内存容量，禁止用户换更大 RAM — ngxson · 2026-09-22