【AI 英文奏折】2026年06月24日
共收录 8 篇深度内容
📋 今日内容速览
快速浏览，点击感兴趣的推文查看详细分析
- Rohan Paul: 智能是提升稀有有效未来发生概率的能力。
- Rohan Paul: 小团队通才协作突破AI时代组织瓶颈。
- Rohan Paul: NVIDIA新冷却技术大幅减少数据中心用水量。
- Amira Zairi: 核心观点总结中…
- Alex Prompter: 吴恩达认为小团队需多职能协作，AI可辅助提升效率。
- Rohan Paul: MaineCoon实现低成本实时AI视频生成，领跑社交互动新范式。
- Hasan Toor: ClickUp Brain²基于工作数据智能提速，比通用AI更懂业务需求。
- Pierrick Chevallier | IA: 极简铅笔画搭配单色元素呈现角色与色彩的对比美感。
📖 详细内容
Rohan Paul @rohanpaul_ai
Rohan Paul Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝
💡 核心观点: 智能是提升稀有有效未来发生概率的能力。
可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 智能是使稀有但有效的未来更有可能发生的能力 (该声明基于论文提出的理论框架，可通过阅读原文（arXiv链接）验证其逻辑推导，但需实际实验或数学证明支持其普适性，目前属于理论假设。)
- ✓ 可验证: “稀有-有效提升”衡量标准可量化系统产生稀有但有效未来的能力 (论文中提供了该衡量标准的数学定义（如公式或算法），并附有实验案例（如对物理信息引擎等的分析），可通过原文直接验证其方法论。)
- ◐ 部分可验证: 高“稀有-有效提升”需系统准确识别稀有有效未来，且高识别准确性几乎必然导致高提升 (论文通过理论推导和有限案例（如控制器、大语言模型）论证此关联性，但需更多跨领域实验验证其普遍性，目前部分依赖假设。)
原文内容:
这篇论文认为，智能是使稀有但有效的未来更有可能发生的能力。 因此，当一个智能系统利用信息和控制来使一个稀有但有效的结果变得可能性大增时，它被认为具有“热力学智能”。 大多数现有的智能衡量标准判断任务成功，但它们无法解释大脑、大语言模型、控制器和物理信息引擎的共同点。 论文的答案是，一个智能系统会将自身置于其中来建模世界，然后利用该模型选择能够改变未来可能性的行动。 只有在正常被动行为下是稀有的、但仍然有效的未来才会被计入，因此随机奇怪的结果不会被视为智能。 作者将此转化为一种名为“稀有-有效提升”的衡量标准，它询问系统产生那些不太可能但可接受的未来的频率，比被动基准高出多少。 他们证明，除非系统能够准确识别稀有有效的未来，否则高提升是不可能的，而高识别准确性在系统能够良好行动时几乎能产生高提升。 主要观点是，智能成为一种物理概率转移过程，而不仅仅是测试分数或人类行为标签。 ---- 链接 – arxiv.org/abs/2606.20231 标题：“Thermodynamic Measure of Intelligence”
⏰ 09:32 | ❤️ 38点赞 | 📝 358字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝
💡 核心观点: 小团队通才协作突破AI时代组织瓶颈。
可信度: 6/10 – 1项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 团队中1到10名工程师，通常由通才组成：高情境、高度赋权的通才。 (可通过团队公开资料或成员背景调查部分验证，但“高情境”“高度赋权”等描述缺乏客观标准，需依赖内部信息确认。)
- ◦ 观点: 一旦一个功能可以从想法到可工作原型只需一天时间，周围的每一个职能部门（产品、设计、营销、法务）都暴露为瓶颈。 (该声明基于对开发效率的假设和主观判断，未提供具体案例或数据支持，属于对组织效率的推测性观点。)
- ◐ 部分可验证: 安德鲁·吴的方法是使用1-10名高情境通才，以跨部门协同不足的问题。 (若安德鲁·吴或团队公开提及此方法（如采访、文章），可部分验证；但“高情境通才”的具体定义和效果难以量化验证。)
原文内容:
安德鲁·吴如何组织他的工程团队，以在人工智能时代更快行动。 “团队中1到10名工程师，通常由通才组成：高情境、高度赋权的通才。” 当代码生成速度大大加快时，组织本身就成了瓶颈。 一旦一个功能可以从想法到可工作原型只需一天时间，周围的每一个职能部门突然间都暴露出来。 产品团队必须更快决策，设计团队必须更快澄清，营销团队必须更快理解，法务团队必须更快审查。 所以他的方法是1-10名高情境通才，他们能够行动得更快，因为他们不需要在任何事情发生前将每个决策跨部门翻译传达。 --- 摘自“LangChain”YouTube频道，（链接在评论中）
⏰ 09:17 | ❤️ 42点赞 | 📝 212字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝
💡 核心观点: NVIDIA新冷却技术大幅减少数据中心用水量。
可信度: 10/10 – 3项声明可直接验证；2项需进一步确认
事实核查:
- ✓ 可验证: NVIDIA的Rubin AI服务器使用45°C的水-乙二醇冷却剂冷却芯片和网络部件，替代传统冷空气冷却。 (NVIDIA官网或技术白皮书通常会公布此类技术细节，可通过官方渠道直接验证冷却系统的设计参数和工作原理。)
- ◐ 部分可验证: 直接芯片冷却技术可将冷却用水量从每年每兆瓦260万加仑降至接近零。 (需结合NVIDIA官方数据与第三方研究（如数据中心能效报告）验证用水量对比，但具体节水效果可能因气候和设施条件而异。)
- ✓ 可验证: 完全液体冷却的Rubin服务器可将系统从6个机架单元缩小到2个，提升相同占地面积内的AI计算能力。 (服务器尺寸和密度改进属于硬件设计变更，可通过NVIDIA的产品规格文档或发布会信息直接验证。)
原文内容:
天才 NVIDIA 的 Rubin AI 服务器现在可以使用 45°C 的水-乙二醇冷却剂来冷却每个芯片和网络部件，而不是冷空气。 这其中的大意义在于，在适宜的气候条件下，冷却用水量可以从每年每兆瓦约 260 万加仑降至接近零。 传统数据中心先冷却空气，然后将该空气强制通过服务器，因此建筑需要风扇、冷水机、冷通道，并且通常需要冷却塔通过蒸发水来释放热量。 直接芯片冷却通过将冷板固定在 GPU、CPU 和网络部件上，跳过了大部分空气问题，然后通过它们泵送水-乙二醇冷却剂，使热量通过液体而非房间空气离开芯片。 奇怪的是，更温暖的冷却剂可能更高效，因为 45°C 的入口冷却剂和大约 55°C 的出口冷却剂在许多气候条件下足够热，可以像汽车散热器一样通过室外干式冷却器释放热量。 冷却塔通过蒸发消耗水来移除热量，而干式冷却器通过风扇功率将热量转移到室外空气中，因此在合适的位置，水使用量可以从每年每兆瓦约 260 万加仑降至接近零。 NVIDIA 的设计并非无水，因为回路仍主要使用与乙二醇混合的水，但它可以是闭合回路，这意味着相同的液体循环流动，而不是持续蒸发。 单相浸没式冷却更进一步，将电子设备置于非导电介电质流体中，该流体保持液态，一次从多个表面抽取热量，并且可以在密封回路中运行而无需水蒸发。 浸没式冷却方面的另一个有力主张不仅是“用水更少”，而且是零工艺用水冷却加上更容易捕获热量，因为整个服务器浴缸成为一个热量收集器。 热量再利用只有在附近有人需要低品位热量时才有效，例如建筑物、温室或工业预热，而 BESS 不会产生能源，但可以转移电力需求并提供电网服务。 他们说，一个 50MW 的 AI 设施通过转向液体冷却基础设施，每年可以在冷却相关的能源和水成本上节省超过 400 万美元。 而且完全液体冷却的 Rubin 服务器可以将系统从 6 个机架单元缩小到 2 个，这意味着在相同的建筑占地面积内可以容纳更多的 AI 计算能力。
⏰ 06:00 | ❤️ 33点赞 | 📝 661字 | 查看原文 →
Amira Zairi @azed_ai
Amira Zairi AI Educator & Creator | Ambassador @Adobe @LeonardoAi & @tripoai | Partner with leading brands | Collaboration → [email protected] | 影响力: 57.13k万粉丝
💡 核心观点: 核心观点总结中…
可信度: 10/10 – 3项声明可直接验证；2项需进一步确认
事实核查:
- ✓ 可验证: 该推文提供了一张复古石版画海报的生成提示 (推文内容明确列出了具体的提示文本，可通过直接阅读推文验证其存在性和具体描述)
- ◐ 部分可验证: 提示中描述的复古石版画风格符合1960年代印刷广告美学 (1960年代印刷广告美学的特征可通过历史资料或设计文献部分验证，但“符合”这一表述需结合生成结果的实际视觉效果判断，存在主观性)
- ✓ 可验证: 提示包含磨损的角落、褪色的纸张纹理等细节要求 (推文中明确列出了这些细节描述，可直接通过文本内容验证)
原文内容:
提示分享：复古石版画 提示：一张[主题]的复古石版画海报，使用纹理[颜色1]和[颜色2]墨水印刷，大胆的海报化阴影，风格化的标题文字，磨损的角落，褪色的纸张纹理，微妙的墨水错位，复古广告布局，真实的1960年代印刷广告美学 试试看并分享你的作品
⏰ 19:01 | ❤️ 265点赞 | 📝 98字 | 查看原文 →
Alex Prompter @alex_prompter
Alex Prompter Marketing + AI = $$$
@godofprompt (co-founder) | 影响力: 94.19k万粉丝
💡 核心观点: 吴恩达认为小团队需多职能协作，AI可辅助提升效率。
可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: 吴恩达提出“你在一个两人团队中需要5个职能。每人覆盖不止一个角色。AI填补另外三个。” (需查找吴恩达公开演讲、访谈或课程内容，确认其是否提出过这一具体观点。若存在相关视频或文字记录则可验证，但需具体来源支持。)
- ✓ 可验证: 吴恩达“验证了单人创业模式”。 (该声明未提供具体证据或案例，可能基于个人解读或主观判断。除非吴恩达本人公开分享过相关数据或成功案例，否则难以验证。)
- ◦ 观点: “30分钟内的信息量比大多数AI课程一周的内容还多”。 (属于主观比较，缺乏客观衡量标准（如信息密度、课程范围等），无法通过公开资料验证。)
原文内容:
谷歌大脑联合创始人台上说了一些大多数AI团队不想听到的话。 吴恩达： “你在一个两人团队中需要5个职能。每人覆盖不止一个角色。” AI填补另外三个。 30多分钟关于自我改进循环、产品管理的瓶颈，以及为什么试图改进2%比改进50%更难。 他验证了单人创业模式。 30分钟内的信息量比大多数AI课程一周的内容还多。
⏰ 01:10 | ❤️ 105点赞 | 📝 121字 | 查看原文 →
Rohan Paul @rohanpaul_ai
Compiling in real-time, the race towards AGI. The Largest Show on X for AI. | 影响力: 0万粉丝
💡 核心观点: MaineCoon实现低成本实时AI视频生成，领跑社交互动新范式。
可信度: 8/10 – 1项声明可直接验证；3项需进一步确认；1项为观点陈述
事实核查:
- ◐ 部分可验证: MaineCoon 是一个 22B 参数的实时文本到音频视频模型，专为实时 AI 角色构建，实现同步语音和视觉效果生成 (模型参数规模和功能描述可通过官方技术文档或白皮书验证，但需实测确认其同步生成效果是否如宣称（如唇音同步、延迟等）。)
- ◐ 部分可验证: 在单个 H100 GPU 上实现 47.5 FPS 帧率，生成成本低于每秒 0.001 美元 (硬件性能数据可通过基准测试复现，但需独立第三方验证；成本声明需实际部署环境核算（如电力、云服务定价等变量）。)
- ◐ 部分可验证: 通过双流扩散 Transformer 和跨流注意力机制解决视听一致性问题（如面部漂移、唇音同步） (技术方法描述可通过论文或代码开源验证，但实际效果需用户测试或对比实验（如长时生成中的漂移程度）。)
原文内容:
AI 视频正迈入其实时反应时代，MaineCoon 现已成为低延迟 AI 视频领域的领跑者。 @catnips_ai 刚刚推出了 MaineCoon，这是一个 22B 参数的实时文本到音频视频模型，专为实时 AI 角色而构建，而非离线视频生成，即通过实时生成同步语音和视觉效果，让 AI 视频感觉像是现场直播。 在单个 H100 GPU 上实现了创纪录的最高 47.5 FPS 帧率。视听生成成本大幅降至每秒低于 0.001 美元，并持续下降。 它为社交互动目的定位了社交世界模型的范式。MaineCoon 作为这一范式的首个生成核心，并为下一代 AI 原生社交平台提供了技术基础。 它提出了一种多阶段无强制流式训练范式，包括自重采样、跨模态表示对齐、领域感知偏好优化，以及强化在线策略蒸馏 (ROPD)。这些组件实现了 22B 规模的原生且高效流式视听训练。 它设计了一个代理式流式推理框架，支持千秒级甚至更长的生成，同时通过代理式缓存管理、块提交、长上下文展开和提示规划来缓解漂移。 最大的亮点是低成本的长时长流式生成。 文本输入后，首帧在 1 秒内出现，模型在播放已开始的同时持续生成同步视频和音频。 所以它不是先制作完整视频，然后后期配音。它以小块向前生成，每块从上一块延续。 这很困难，因为小块通常会破坏一致性。面部会漂移。声音会变化。动作会变得奇怪。音频和嘴部动作会分离。 MaineCoon 通过双流扩散 Transformer 来尝试解决这个问题：一个流用于视频，一个流用于音频，并在两者之间进行跨流注意力，从而让表情、唇部动作、声音、时机和身体动作保持紧密绑定。 它还使用历史键值缓存和注意力汇集。用通俗的话说，模型保留了前一块的有用记忆，因此下一块不会感觉像一个新的断开片段。 速度声明也很大：在单个 H100 上最高 47.5 fps，在单个 RTX Pro 6000 GPU 上实现实时 30 fps。这就是低成本的部分。你不需要庞大的多 GPU 服务设置，就能获得实时视听生成。 他们还描述了一个代理式流式系统，能够保持生成超过 10 分钟，同时维持身份、声音、场景状态、视觉质量和同步音频。如果流开始漂移，系统会修复未来的块，而不是编辑已显示的帧。 因此，MaineCoon 最好被理解为一个流式原生的视觉反应层：快速首帧、连续视听输出、长时记忆，以及低推理成本。 1/n.
⏰ 03:06 | ❤️ 23点赞 | 📝 720字 | 查看原文 →
Hasan Toor @hasantoxr
Hasan Toor AI & Tech Educator • Sharing insights on AI, Tech Tools, & practical ways to use AI & Tech Tools for you & your daily business • Founder & Writer @theprohumanai | 影响力: 0万粉丝
💡 核心观点: ClickUp Brain²基于工作数据智能提速，比通用AI更懂业务需求。
可信度: 10/10 – 2项声明可直接验证；2项需进一步确认；1项为观点陈述
事实核查:
- ✓ 可验证: ClickUp 发布了 Brain²，它不是另一个聊天机器人 (可通过 ClickUp 官网或官方公告直接验证产品发布和功能定位)
- ◐ 部分可验证: Brain² 可在用户工作空间中基于 GPT、Claude 和 Gemini 运行，一个订阅即可使用 (需实测或查看官方文档确认多模型集成与订阅模式的具体实现细节)
- ◐ 部分可验证: Brain² 能根据任务环境自动理解需求，无需手动提示 (功能演示或用户手册可能提供部分证据，但实际效果需依赖实测体验)
原文内容:
ClickUp 刚刚发布了 Brain²，它可不是另一个聊天机器人。 GPT、Claude 和 Gemini，全都基于你实际工作空间的数据运行，一个订阅即可。 在任何任务中标记 Brain，它就能读懂环境，无需提示。 他们给出的数据：速度提升 3 倍，每位员工每年节省 58 天，盲测中对比其他 AI 的胜率 100%。 最聪明的模型从来不是重点。 了解你工作的那个才是。
⏰ 03:32 | ❤️ 34点赞 | 📝 112字 | 查看原文 →
Pierrick Chevallier | IA @charaspowerai
Pierrick Chevallier | IA AI VFX Artist & Photoshop Editor for House of David Saison 2 for Amazon | AI Artist & Formateur | 影响力: 0万粉丝
💡 核心观点: 极简铅笔画搭配单色元素呈现角色与色彩的对比美感。
可信度: 8/10 – 1项声明可直接验证；2项需进一步确认；2项为观点陈述
事实核查:
- ◦ 观点: 该推文描述的提示适合创作超时尚的铅笔画 (这是对提示风格的主观评价，无法通过客观事实验证其是否“超时尚”或“非常适合”。)
- ◐ 部分可验证: 极简的铅笔风格（白纸背景、简单线条、黑白单色等）与单一彩色元素结合能产生高对比度的视觉效果 (可通过实际测试或艺术设计理论验证黑白与彩色对比的效果，但“美丽”是主观判断，无法完全客观验证。)
- ✓ 可验证: 用户可选择任何流行文化、漫画或视频游戏角色进行此类创作 (技术上可通过AI工具（如DALL·E等）测试该提示的可行性，确认其是否支持生成指定角色的铅笔画。)
原文内容:
这个提示非常适合超时尚的铅笔画 选择任何流行文化、漫画或视频游戏角色，让他们与一个彩色元素互动。极简的铅笔风格看起来超级干净。 PROMPT [流行文化 / 漫画 / 视频游戏角色与一个特定彩色元素互动] 的简单铅笔画，白纸背景，极简风格，简单线条，平面设计，高对比度，黑白单色，详细，精细细节，手绘，黑灰色调，锐利边缘，锐利焦点，无模糊效果 黑灰色与那单一色彩爆发的对比非常美丽。 你想看到哪个角色以这种铅笔画风格搭配一个彩色元素？
⏰ 02:00 | ❤️ 36点赞 | 📝 178字 | 查看原文 →
相关文章
