推特创作者的蓝朋友 · 互粉互关 / 流量趋势 / 创作者收益了解创作者计划
科技2026-11-11#13 / 22

推特热议「gpu」:AI、算力、AMD

#AI#算力#AMD

2026-11-11 的统计中,「gpu」在中文推特上有 34 条相关推文、31 位作者参与,累计浏览约 20万,当天 22 个热门话题中排第 13。讨论里出现最多的相关词是AI、算力、AMD。我们收录的推文共获得 1,382 次点赞、回复、转发和引用,互动最高的一条来自 @runmaotui(677 赞、121 转发)。

20万浏览
0%较上次
34推文
31作者
1382互动

「gpu」热门推文

按浏览量排序,展示前 10 条。

  1. 1奔跑的大毛腿奔跑的大毛腿@runmaotui · 2026-11-11 09:53

    【建议收藏】想转型 AI 产品经理?看这一篇就够了!AI 产品经理必备的技术栈与能力图谱。 https://t.co/CFPgEyWez0

    13.4万♥ 67727121在 X 查看
  2. 2karminski-牙医karminski-牙医@karminski3 · 2026-11-10 22:48

    不是 MiniMax-H3-Image 10s生成一张4K图有点扯了吧? 于是我赶紧看了下是啥魔法... https://t.co/pnKMUxfKR2

    2.1万♥ 1271910在 X 查看
  3. 3駿HaYaO駿HaYaO@QQ_Timmy · 2026-11-11 03:23

    SpaceX 自研 Kessel 機櫃,改用中背板取代 NVLink 線材 SemiAnalysis 指出,SpaceX 正在開發代號 Kessel 的客製化 Vera Rubin NVL72 機櫃,用被動式 PCB 中背板(midplane)取代機櫃內部的 NVLink 線材匣。Kessel 保留 Oberon 架構的 72 顆 GPU 封裝、18 個運算托盤和 9 個交換器托盤,但改成以中背板為中心、背對背排列。 SemiAnalysis 形容它像是縮小版的 Kyber,擴展(scale-up)網域比較小,而且同時考慮地面和軌道部署。 製造難度是最大差異。Kessel 採用 84 層 M10 等級的中背板,NVIDIA( $NVDA)先前規劃的 Kyber 則是 156 層 M9。層數少了將近一半,量產比較可行,但需要更高等級的材料。重點在於,這種縮小版設計能不能讓中背板真正落地。 採購模式也跟著改變。SpaceX 打算只向 NVIDIA 買晶片封裝,其他零組件自己採購,跳過 NVIDIA 的 L6 運算板。這樣 SpaceX 對供應商選擇和零組件來源會有更大的主導權。

    1万♥ 9057在 X 查看
  4. 4🇨🇳 Guo Shen 郭深🇨🇳 Guo Shen 郭深@GuoShenCN7 · 2026-11-11 03:50

    🚨 6-12个月的芯片工作,一个AI仅用3天完成 Anthropic刚刚透露,它在其历史上首次让Claude在AMD GPU上运行,而且基本上没有任何人类帮助。 这是一个AI。一个名副其实的AI——Mythos,它编写了让自己在AMD上运行的代码。 每款新芯片的成本,旧方式:数十名工程师,6-12个月 每款新芯片的成本,使用Mythos:一个AI,约3天 三天。 → 它移植或编写了几乎100%的内核——即在芯片上运行AI的代码 → 它从不等待招聘——只要有算力,它就能工作 → 它已经被整合进Anthropic的可互换资源池:AWS Trainium、谷歌TPU、英伟达GPU、AMD GPU → 它刚刚在芯片战争正酣之际让Claude在AMD MI355X GPU上处理提示词 → 英伟达的CUDA领先了19年——Mythos却毫不退缩 这就是为什么CUDA锁定危机已经不再重要。 以往每一次芯片适配都要在6-12个月里耗费数十名工程师。 而这次AMD适配仅仅在3天内耗费了一个AI。 那样的速度是不可持续的。你无法足够快地招到内核工程师。 但如果是一个AI呢?新芯片。几乎零人类帮助。3天。 英伟达花了19年打造CUDA,这条护城河旨在通过软件把AI实验室留在它的芯片上。只要为英伟达写一次代码,每次切换就要付出6-12个月的代价。 这一策略刚刚彻底死了。 当一次切换只需3天,一个实验室使用1家还是4家芯片制造商都无所谓了。每一款芯片都会加入资源池。 这不仅仅是一个AI。这是CUDA锁定时代的终结。 现在就关注我,否则你只能在市场变动一周后才读到下一次AI冲击。

    9679♥ 3146在 X 查看
  5. 5駿HaYaO駿HaYaO@QQ_Timmy · 2026-11-11 00:23

    GPU 融資改走預付款,現金流和交付速度成為新指標 GPU 叢集的融資方式正在轉變。過去業者多半靠承購協議向私募信貸基金融資,現在越來越多改由客戶直接預付款。Gavin Baker 認為,在這種模式下,營運現金流(OCF)與 EBITDA 的比率會是最重要的指標。 融資方式改變,風險評估的角色也跟著換人。以前私募信貸基金要評估承購方的信用,現在則是由付預付款、實際使用 GPU 的客戶自己把關。客戶越來越常一開始就付清將近全額,所以最在意兩件事:一是從 GPU 到貨到上線服務的速度,二是叢集目前和過去的穩定度。 另一個好處是業者提早拿到現金,GPU 投資的回收期因此大幅縮短。對新雲端業者來說,這代表競爭重點會從誰能拿到融資,轉向誰能更快交付、維持更穩定的營運。

    6603♥ 4612在 X 查看
  6. 6AlexAlex@alexlizeros · 2026-11-11 14:20

    搞了一天、把 #PRL 手机挖矿软件做出来了、测试数据如下 8gen3 处理器、CPU算力大约450-550G左右 GPU算力大约300-400G左右、 总共能跑到800G上下算力。 8gen2处理器、CPU大约在300-350G左右、GPU算力大约在200左右、总共能跑到500-600G水准 注意:散热因素很大、手机发烫CPU+GPU温度过阀值会自动停止、温度降下来了会自动恢复、需要搭配小风扇或者手机散热器使用 本软件仅供测试、不得用于工作手机使用、只可用于二手手机非重要手机测试使用、 最佳方案是主板机器+ARM边缘计算盒使用、 该功耗很低、所以当娱乐学习使用、核心无手续费 github开源地址:https://t.co/yRLmTbortP

    5878♥ 41116在 X 查看
  7. 7明子206明子206@mingzi206 · 2026-11-11 14:06

    3 块钱跑 H100,1 块多跑 80G A100,Google Colab 土区这波价格直接杀穿了! 天天按小时租卡的朋友,手里挂着土区节点,直接切去看一眼 Colab 账单: 后台实测扣款折合人民币(按当前汇率换算,以自己结账页为准): · Colab Pro(100 单元):₺165.60 ≈ 22 块钱/月(折合 2 毛 2 一点) · Colab Pro+(600 单元):₺826.80 ≈ 110 块钱/月(折合 1 毛 8 一点,单价再打 8.3 折) 换算成每小时真实 GPU 成本有多残暴: · T4 16GB:约 ¥0.22 ~ ¥0.26 / 小时 · L4 24GB:约 ¥0.31 ~ ¥0.38 / 小时,1 块钱能硬跑近 3 小时! · A100 40GB:约 ¥0.99 ~ ¥1.19 / 小时 · A100 80GB:约 ¥1.38 ~ ¥1.65 / 小时,比国内普遍五六块的时价立省近七成 · G4 96GB 显存:Pro+ 约 ¥1.59 / 小时,大模型推理神器 · H100 80GB:Pro+ 约 ¥3.30 / 小时,全网找不到更低的单价 22 块钱的 Pro 到底能跑多久? 每个月 100 单元额度,实测可以换到: · 58 小时 24G 显存 L4 · 18.5 小时 A100 40GB · 13.3 小时 80G 满血 A100 平时做几次微调、跑跑评测,一杯奶茶钱直接包月。 要是重度练模型直接上 110 块的 Pro+,关掉电脑网页后台照样连续跑 24 小时。 上车前这 4 个细节必须记死: 1. 算力单价按实际消耗率折算,A100、H100 属于弹性资源按先到先得分配,不保证随时有卡 2. 跨区不仅看 IP,还需要 Google 支付资料的地区对应 3. 只要连上 GPU 即使发呆也会扣额度,先用免费模式调通代码,再切 GPU 训练 4. 跑完务必手动点击 Disconnect 释放实例,防后台暗中偷跑 趁手里免费土区节点还在,做大模型和微调的兄弟建议赶紧去瞅一眼。 你平时租卡被坑得最惨的一次花了多少? #Colab #GPU #大模型 #模型微调 #深度学习 #算力 #出海 #土耳其

    3152♥ 1021在 X 查看
  8. 8M.M.@wlzh · 2026-11-11 07:52

    乐鑫这颗S31芯片现在能跑完整 Linux 了,官方在 GitHub 放了 S31 的 Linux BSP,,能启动完整 Linux 6.18 内核。 关键是 S31 带了 MMU、支持虚拟内存,内核和应用能隔开,不是以前那种阉割的无 MMU 版本。 玩法是 Buildroot + U-Boot 从源码组装,内核得自己编译。 其实 8 月就悄悄放出来了,最近才被更多人注意到。 内存只有树莓派的零头、没 GPU、跑不出桌面,部分接口还是实验性的,电源管理和 USB host 还在完善,多数项目现在用 ESP-IDF 还是更快更实际。 但方向很清楚,单片机正在往单板机靠,乐鑫还有个能看懂已接硬件的 Claude Code 替代工具,自然语言就能生成、构建、部署应用。 https://t.co/6T6Rnqd2nl

    1760♥ 2612在 X 查看
  9. 9娜美知识库娜美知识库@fhwofjow51260 · 2026-11-11 12:33

    模糊图片有救了!发现一个完全免费、开源的 AI 图片高清修复神器! 推荐一个开源项目 bg2x,直接在浏览器里就能用 AI 放大图片,最高支持 4 倍超分辨率,放大后还能尽量保留画面细节。 内置 10 种 AI 模型,Real-ESRGAN、Swin2SR、Real-CUGAN 都有,老照片、动漫插画、压缩过的图片都能找到对应的处理模型。 支持批量处理、GPU 加速,处理完可以导出 PNG、JPG、WebP,甚至打包 ZIP 下载。 所有图片都在本地处理,不上传服务器,隐私不用担心。 不用注册账号,也不用付费订阅。除了网页版,还提供 Windows、macOS、Linux 桌面客户端。 在线体验:https://t.co/ShdoHeX0xn GitHub:https://t.co/xrjc6oJD19

    1421♥ 1112在 X 查看
  10. 10Angus 安格斯Angus 安格斯@XAngus · 2026-11-11 14:01

    李开复说:美国限制对华出口最先进的芯片,看似是合理的策略,但结果却完全没有效果。 中国公司只好抓紧应变,反而逼出了一批免费供全世界使用的开源模型。 李开复(01. AI CEO)谈美国限制对华出口先进芯片: 1. 大模型革命始于一种信念:谁有更多 GPU,谁就有可能造出通用人工智能。 2. 确保美国公司拥有最先进、最多的芯片,看似是合理的策略,但结果却完全没有效果。 3. 中国公司只好抓紧应变,把一切都调校到比美国模型快十倍。 4. 这带来了一批只落后美国六到十二个月、免费供全世界使用的开源模型。 他说:“但它们成本做得很低” 💡

    946♥ 700在 X 查看

同一天的其他科技话题

数据通过推特数据接口从中文推特公开推文中采集,浏览和数量是快照时的数据,不是实时数值。 数据口径

相关工具与指南