Solana TPS「造假」？

长文源：区块律动发布于2019-08-24更新于2024-08-19

你可能也喜欢

AI 利好老员工？4 成 CEO 计划砍掉初级岗，年轻人的饭碗更悬

调查显示，AI正逆转传统裁员逻辑，资深员工价值凸显，而初级岗位面临严重冲击。管理咨询公司Oliver Wyman与纽交所的CEO调查发现，43%的CEO计划在未来一两年内削减初级岗位，将人员结构向中高级员工倾斜，这一比例较去年翻倍。AI系统能高效替代写代码、处理数据等常规任务，却难以复制需经验积累的判断力，使得资深员工更有价值。研究数据印证了这一趋势。哈佛大学分析发现，积极采用生成式AI的企业，其初级员工数量相对下降7.7%，主要源于招聘放缓而非裁员。高盛测算，AI每月在美国净淘汰约1.6万个岗位，Z世代因其集中在客服、数据录入等易自动化领域而首当其冲，年轻员工失业风险更高。削减初级岗虽能短期提效，却可能切断企业未来的人才管道。专家警告，缺乏初级岗位将影响中高级人才的培养与供给。值得注意的是，少数成功部署AI的企业（如IBM、Salesforce）反而逆势扩大初级招聘，认为他们是熟练运用AI工具的关键。然而，这些仍是少数案例，整体上多数企业仍处AI试点阶段，投资回报未达预期，大规模重塑工作流程比预想更困难。经济学家指出，即便资深员工暂时受益，整体工作保障也在减弱。

marsbit1小时前

marsbit1小时前

Zcash为什么又行了

Zcash 近期明确了其长期目标：构建一个免受大规模金融监控的平行金融世界，使用户能在默认隐私下自由持有和转移资产。其核心价值主张是“私密持有 ZEC，并能在任何地方消费”。为实现这一目标，团队强调战略聚焦：优先推进协议层与核心产品（如 Zodl 钱包）的必要功能；通过与外部项目（如 NEAR Intents 合作实现跨链支付）组合加速功能落地；同时拒绝与核心使命无关的“支线任务”。具体进展方面，Zodl 移动钱包发布了 iOS 3.4.0 版本，并同步更新了底层 SDK，钱包内币持有人投票功能已进入测试。后续将推进自动服务器切换、多币种转换等功能。Zcash Core 协议层则专注于缩短出块时间、修复屏蔽交易问题、开发 Zallet 新钱包及优化同步引擎等底层工作。此外，社区治理方面，首次通过钱包进行的币持有人投票将用于即将到来的 NU7 升级意见征集。ZODL 峰会也即将举行，以协调社区发展。团队认为，通过保持专注与执行纪律，连接金融隐私、钱包体验、跨链可用性与社区治理，Zcash 正在从单一的“隐私币”转向建设完整的隐私金融基础设施，为大规模采用铺平道路。

marsbit1小时前

marsbit1小时前

DeepSeek融资背后的AI镜像：阿里向左，腾讯向右

DeepSeek在2026年5月启动首轮外部融资，目标500亿元、估值3500亿元，国家大基金领投。融资过程中，阿里巴巴与腾讯展现出截然不同的战略意图：阿里希望获得生态控制权，要求将DeepSeek深度整合进自身产品线，实现“焊接式”绑定；而腾讯则以小额财务投资为主，不干预技术方向，仅寻求在特定场景的合作优先权。最终阿里退出，腾讯有望以财务投资者身份入局。这折射出两大巨头在AI时代的战略分野。阿里基因是电商与闭环，倾向通过投资获取技术并融入自有生态，其AI布局强调全栈自研与控制。腾讯基因是社交与开放，习惯以资本连接而非控制外部技术，其AI策略更侧重利用投资润滑现有场景，同时加速自研模型“混元”的发展。文章还提及字节跳动的不同路径：其以重金投入自研豆包大模型，聚焦抢占C端入口，2026年AI资本支出高达2000亿元，形成了与阿里、腾讯错位的竞争态势。分析认为，未来可能形成多极格局：阿里深耕B端与云基础设施，腾讯固守社交场景的AI嵌入，字节猛攻C端独立入口。决定胜负的关键在于谁能率先让AI从工具变为生活方式。DeepSeek的融资事件，成为了观察中国互联网巨头AI战略分岔的标志性时刻。

marsbit1小时前

marsbit1小时前

物理AI火了，我的一些新思考

物理AI（Physical AI）概念正从学术走向产业，核心是让AI理解并作用于物理世界，在重力、摩擦力等真实环境中执行任务。这一概念2020年于《自然-机器智能》首次系统定义，历经六年传感器成本降低、算力工程化等发展，在2026年迎来“部署态元年”，关键标志是从演示走向实际“干活”。产业方面，国内外公司加速推进。智元机器人将其人形机器人投入真实3C产线直播作业，并宣布万台量产，其“全栈自研”路线旨在建立深度壁垒。美国Figure AI估值高涨，其Figure 03机器人展示了自主完成家务的能力，并转向自研的“本能-反射-思考”三层神经网络系统Helix。英伟达则与四大工业机器人巨头合作，意图通过仿真平台成为下一代工业自动化的“操作系统”。汽车供应链企业正跨界进入物理AI赛道，因其智能驾驶系统的感知、决策、执行模块与机器人技术同源，积累了可迁移的制造能力和供应链经验。特斯拉也计划利用其汽车制造经验，为人形机器人建设百万台产能生产线。技术底座的突破在于“世界模型”的工程化。此前它因算力需求大、不稳定而难以实用，如今英伟达Cosmos、蚂蚁灵波LingBot-World、阿里巴巴ABot-PhysWorld等模型或平台，能通过合成数据高效生成符合物理规律的训练场景，大幅降低了数据获取成本，使世界模型从离线渲染走向在线交互，成为物理AI发展的关键杠杆。这推动了机器人架构的范式变革：从传统的“感知-规划-控制”（工程师预设规则）转向“感知-推理-执行”（AI自主理解物理世界）。国际机构预测未来三年新机型将主要采用新架构。当前赛道方向已定但格局未成，演示与量产能力差异巨大，真实数据的高成本使得合成数据至关重要。同时，来自汽车、工业自动化等领域的技术与制造能力正加速涌入。基础设施提供商可能像上一波AI浪潮一样，捕获核心价值。2026年只是竞争的开始，未来格局仍存变数。

marsbit1小时前