Chủ đề thịnh hành
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

seth bloomberg
Đối tác đầu tư @UnsupervisedCap | Prev: @CrucibleLabs, Nghiên cứu @MessariCrypto | Lợn Woo 🐽
Ngày càng đồng ý với quan điểm này

will brown02:52 8 thg 8
Tôi ngày càng tin rằng "trí tuệ nhân tạo chuyển đổi" sẽ giống như một sự phong phú của các mô hình chuyên biệt cho mọi thứ, từ thiết kế thuốc đến mô phỏng thời tiết, từ robot đến chuỗi cung ứng, chứ không phải là một tác nhân thống trị tất cả. Chúng ta sẽ cần nhiều nhà nghiên cứu AI hơn nữa.
515
Mục tiêu của dự án ATOM là rất lớn. Đây là một nỗ lực phối hợp để đảm bảo rằng Hoa Kỳ có đủ nguồn lực để xây dựng các mô hình AI tiên tiến, mã nguồn mở.
Đây là một trong những phong trào trong lĩnh vực mã nguồn mở/AI mà tôi cảm thấy hào hứng nhất, và tôi tự hào được nằm trong danh sách những người ký tên dưới đây.

Nathan Lambert09:21 7 thg 8
Một ngày rưỡi trước khi ra mắt ATOM, một điều rất rõ ràng về các mô hình mở so với những năm trước: nó không còn là một vị trí thiểu số nữa.
Dưới đây là danh sách các người ký tên nổi bật (hơn 200 người tổng cộng). Những người từ mọi ngóc ngách của cộng đồng AI đã ký tên. Những người sẽ được gán nhãn là "doomer" và những người khác là "accelerationists." Có các học giả hàng đầu, nhân viên chính phủ, nhà nghiên cứu tại các phòng thí nghiệm hàng đầu, kỹ sư, nhà đầu tư mạo hiểm, và mọi thứ ở giữa.
Bây giờ bắt đầu một quá trình dài để biến điều này thành hiện thực. OpenAI đã làm một điều tốt khi làm cho việc lãnh đạo trong lĩnh vực này dễ dàng hơn để phê duyệt các phát hành mô hình mở, nhưng điều này không giải quyết được nhu cầu về ATOM. Nó củng cố rằng đây là một sự thay đổi trong cộng đồng mà không thể khắc phục bằng tổ chức mở hoặc một người ủng hộ.
Hãy tiếp tục thúc đẩy.
Dưới đây là các người ký tên nổi bật. Tôi sẽ đưa ra một bản cập nhật khác với tất cả những lời cảm ơn cho những ai đã làm điều này xảy ra sớm thôi.
Clement Delangue (@ClementDelangue), Giám đốc điều hành của Hugging Face
Jeremy Howard (@jeremyphoward), Đồng sáng lập của Fast ai & Answer ai
Oleksii Kuchaiev (@kuchaev), Giám đốc Nghiên cứu Ứng dụng tại Nvidia
Ross Taylor (@rosstaylor90), Giám đốc điều hành của General Reasoning
Sebastian Raschka (@rasbt), Tác giả của Build A Large Language Model (From Scratch)
Soumith Chintala (@soumithchintala), Đồng sáng lập của PyTorch
Miles Brundage (@Miles_Brundage), Cựu Trưởng phòng Nghiên cứu Chính sách tại OpenAI
Ali Farhadi, Giám đốc điều hành của Ai2
Sergey Levine (@svlevine), Giáo sư tại U.C. Berkeley, Đồng sáng lập của Physical Intelligence
Bill Gurley (@bgurley), Đối tác Chính tại Benchmark
Vincent Weisser (@vincentweisser), Giám đốc điều hành của Prime Intellect
Dylan Patel (@dylan522p), Người sáng lập và Giám đốc điều hành của SemiAnalysis
Christopher D. Manning (@chrmanning), Giáo sư tại Đại học Stanford
Andrew Trask (@iamtrask), Người sáng lập của OpenMined
Percy Liang (@percyliang), Giáo sư tại Đại học Stanford
Seth Bloomberg (@bloomberg_seth), Đối tác Đầu tư tại Unsupervised Capital
Jason Lee (@jasondeanlee), Giáo sư tại UC Berkeley
Animesh Garg (@animesh_garg), Giáo sư về Máy tính, Viện Công nghệ Georgia
Thomas Wolf (@Thom_Wolf), Đồng sáng lập và Giám đốc Khoa học tại Hugging Face
Matt White (@matthew_d_white), Giám đốc điều hành, Quỹ PyTorch
Prof Dylan Hadfield-Menell (@dhadfieldmenell), Giáo sư Phó về EECS, MIT
Kevin Xu (@kevinsxu), Người sáng lập, Interconnected
Andy Konwinski (@andykonwinski), Người sáng lập, Laude Institute
Jason Kwon (@jasonkwon), Giám đốc Chiến lược, OpenAI
Will Brown (@willccbb), Trưởng nhóm Nghiên cứu, Prime Intellect
Paige Bailey (@DynamicWebPaige), Trưởng nhóm Kỹ thuật DevX tại Google DeepMind
Mike Abbott, Đồng sáng lập & Giám đốc điều hành, Open Athena
Helen Toner (@hlntnr), Đại học Georgetown
Mark Surman (@msurman), Chủ tịch, Quỹ Mozilla
Jordan Schnieder (@jordanschnyc), Người sáng lập ChinaTalk
Finbarr Timbers (@finbarrtimbers), Kỹ sư Nghiên cứu Chính tại Ai2
Andrew Carr (@andrew_n_carr), Đồng sáng lập và Nhà khoa học Chính tại Cartwheel
Swyx (@swyx), Đồng sáng lập Smol . ai & Latent Space
8,32K
seth bloomberg đã đăng lại
Một ngày rưỡi trước khi ra mắt ATOM, một điều rất rõ ràng về các mô hình mở so với những năm trước: nó không còn là một vị trí thiểu số nữa.
Dưới đây là danh sách các người ký tên nổi bật (hơn 200 người tổng cộng). Những người từ mọi ngóc ngách của cộng đồng AI đã ký tên. Những người sẽ được gán nhãn là "doomer" và những người khác là "accelerationists." Có các học giả hàng đầu, nhân viên chính phủ, nhà nghiên cứu tại các phòng thí nghiệm hàng đầu, kỹ sư, nhà đầu tư mạo hiểm, và mọi thứ ở giữa.
Bây giờ bắt đầu một quá trình dài để biến điều này thành hiện thực. OpenAI đã làm một điều tốt khi làm cho việc lãnh đạo trong lĩnh vực này dễ dàng hơn để phê duyệt các phát hành mô hình mở, nhưng điều này không giải quyết được nhu cầu về ATOM. Nó củng cố rằng đây là một sự thay đổi trong cộng đồng mà không thể khắc phục bằng tổ chức mở hoặc một người ủng hộ.
Hãy tiếp tục thúc đẩy.
Dưới đây là các người ký tên nổi bật. Tôi sẽ đưa ra một bản cập nhật khác với tất cả những lời cảm ơn cho những ai đã làm điều này xảy ra sớm thôi.
Clement Delangue (@ClementDelangue), Giám đốc điều hành của Hugging Face
Jeremy Howard (@jeremyphoward), Đồng sáng lập của Fast ai & Answer ai
Oleksii Kuchaiev (@kuchaev), Giám đốc Nghiên cứu Ứng dụng tại Nvidia
Ross Taylor (@rosstaylor90), Giám đốc điều hành của General Reasoning
Sebastian Raschka (@rasbt), Tác giả của Build A Large Language Model (From Scratch)
Soumith Chintala (@soumithchintala), Đồng sáng lập của PyTorch
Miles Brundage (@Miles_Brundage), Cựu Trưởng phòng Nghiên cứu Chính sách tại OpenAI
Ali Farhadi, Giám đốc điều hành của Ai2
Sergey Levine (@svlevine), Giáo sư tại U.C. Berkeley, Đồng sáng lập của Physical Intelligence
Bill Gurley (@bgurley), Đối tác Chính tại Benchmark
Vincent Weisser (@vincentweisser), Giám đốc điều hành của Prime Intellect
Dylan Patel (@dylan522p), Người sáng lập và Giám đốc điều hành của SemiAnalysis
Christopher D. Manning (@chrmanning), Giáo sư tại Đại học Stanford
Andrew Trask (@iamtrask), Người sáng lập của OpenMined
Percy Liang (@percyliang), Giáo sư tại Đại học Stanford
Seth Bloomberg (@bloomberg_seth), Đối tác Đầu tư tại Unsupervised Capital
Jason Lee (@jasondeanlee), Giáo sư tại UC Berkeley
Animesh Garg (@animesh_garg), Giáo sư về Máy tính, Viện Công nghệ Georgia
Thomas Wolf (@Thom_Wolf), Đồng sáng lập và Giám đốc Khoa học tại Hugging Face
Matt White (@matthew_d_white), Giám đốc điều hành, Quỹ PyTorch
Prof Dylan Hadfield-Menell (@dhadfieldmenell), Giáo sư Phó về EECS, MIT
Kevin Xu (@kevinsxu), Người sáng lập, Interconnected
Andy Konwinski (@andykonwinski), Người sáng lập, Laude Institute
Jason Kwon (@jasonkwon), Giám đốc Chiến lược, OpenAI
Will Brown (@willccbb), Trưởng nhóm Nghiên cứu, Prime Intellect
Paige Bailey (@DynamicWebPaige), Trưởng nhóm Kỹ thuật DevX tại Google DeepMind
Mike Abbott, Đồng sáng lập & Giám đốc điều hành, Open Athena
Helen Toner (@hlntnr), Đại học Georgetown
Mark Surman (@msurman), Chủ tịch, Quỹ Mozilla
Jordan Schnieder (@jordanschnyc), Người sáng lập ChinaTalk
Finbarr Timbers (@finbarrtimbers), Kỹ sư Nghiên cứu Chính tại Ai2
Andrew Carr (@andrew_n_carr), Đồng sáng lập và Nhà khoa học Chính tại Cartwheel
Swyx (@swyx), Đồng sáng lập Smol . ai & Latent Space
33,94K
seth bloomberg đã đăng lại
🌸 Cách mã nguồn mở thúc đẩy đổi mới
Dưới đây là hình ảnh minh họa về các tác nhân được gửi theo thời gian
Các điểm càng gần nhau, mã của các tác nhân càng giống nhau
Chú ý cách các cụm tác nhân xuất hiện - mỗi khi một thợ mỏ đưa ra một cách sáng tạo mới để giải quyết vấn đề, nhiều tác nhân tương tự được phát hành dựa trên logic đó
Chúng tôi thấy điều đó thật đẹp. Cũng chú ý cách các cụm xuất hiện nhanh hơn và nhanh hơn về cuối - các tác nhân đang cải thiện với tốc độ gia tăng.
14,32K
Cấu trúc cho Max và đội ngũ @webuildscore thật tuyệt vời:
• Nhà sáng lập/đội ngũ xuất sắc
• Xây dựng một sản phẩm khác biệt cho một thị trường chưa được phục vụ/đang phát triển
• Tận dụng công nghệ cơ chế khuyến khích của Bittensor để liên tục tạo ra một sản phẩm tốt hơn
Rất hào hứng về điều này.

Sami Kassab22:49 5 thg 8
Chúng tôi đang công bố bản ghi nhớ đầu tư nội bộ của mình về Score—Subnet 44 trên Bittensor.
Score đang xây dựng một hệ thống thị giác máy tính cho phân tích thể thao, đã xử lý các trận đấu bóng đá đầy đủ trong chưa đầy 2 phút.
Chúng tôi ước tính thị trường ngay lập tức có thể phục vụ là 1,8 tỷ USD, ngụ ý rằng có thể tăng 51 lần giá trị của token so với định giá hiện tại.
Bản ghi nhớ đầy đủ bên dưới.
3,66K
seth bloomberg đã đăng lại
Chúng tôi đang công bố bản ghi nhớ đầu tư nội bộ của mình về Score—Subnet 44 trên Bittensor.
Score đang xây dựng một hệ thống thị giác máy tính cho phân tích thể thao, đã xử lý các trận đấu bóng đá đầy đủ trong chưa đầy 2 phút.
Chúng tôi ước tính thị trường ngay lập tức có thể phục vụ là 1,8 tỷ USD, ngụ ý rằng có thể tăng 51 lần giá trị của token so với định giá hiện tại.
Bản ghi nhớ đầy đủ bên dưới.
44,85K
Tôi cũng rất muốn thấy điều này xảy ra. Nhưng trên thực tế, tôi không chắc làm thế nào để triển khai một cái gì đó như thế này.
Liệu chính phủ liên bang có đơn giản là trợ cấp chi phí cho các phòng thí nghiệm mở để đi mua phần cứng này không? Đây sẽ là một khoản trợ cấp liên tục (cần phần cứng mới thường xuyên bây giờ), và làm thế nào để chọn các phòng thí nghiệm nào nhận được trợ cấp? Tính toán sơ bộ cho 10K H200 có lẽ vượt quá 300 triệu đô la nếu chúng ta sử dụng giả định đơn giản là khoảng 30K đô la cho mỗi H200. Và đây chỉ là việc mua sắm phần cứng GPU. Bạn cần một nơi nào đó để vận hành chúng cùng với chi phí vận hành để duy trì chúng.
Nếu bạn buộc các chủ sở hữu máy tính hiện có phải cắt một phần nguồn cung của họ để cung cấp cho các phòng thí nghiệm này, họ cũng sẽ cần một hình thức trợ cấp. Hầu hết các công ty này nói rằng họ cũng đang bị hạn chế nguồn cung ngay bây giờ.
Dù sao đi nữa, có vẻ như chúng ta đang hướng tới việc tạo ra một mô hình tính toán mới. Mô hình cho đến nay đã xoay quanh việc mở rộng tính toán đồng vị. Không nghi ngờ gì, vẫn sẽ có những trung tâm dữ liệu lớn như Manhattan được xây dựng ở Mỹ và nơi khác. Nhưng, cũng sẽ có những hòn đảo tính toán nhỏ hơn với kích thước khác nhau, được kết nối bằng cáp quang, v.v. Khi đây là những ràng buộc và giới hạn cơ bản mới/chuẩn, nó sẽ thúc đẩy cộng đồng nghiên cứu AI rộng lớn hơn theo những hướng mới, chưa được khám phá.
Tác động hạ nguồn của điều này có thể có nghĩa là một sự phân kỳ lớn và đang gia tăng giữa nghiên cứu, kiến trúc mô hình, kinh tế, v.v. được sản xuất giữa các phòng thí nghiệm AI lớn, đóng kín (những phòng thí nghiệm làm việc với các trung tâm dữ liệu lớn hiệu quả) và những phòng thí nghiệm (có thể là các học giả và các công ty AI phi tập trung) sử dụng các cụm tính toán phân tán hơn (tức là, những hòn đảo tính toán nhỏ nhưng đông đảo). Không rõ điều này sẽ diễn ra như thế nào cho cả hai bên (và cuối cùng, cho người tiêu dùng của các mô hình được sản xuất bởi mỗi bên), nhưng có vẻ như đây là hướng mà mọi thứ đang đi tới.
Bạn thậm chí có thể lập luận rằng chúng ta đã thấy những dấu hiệu của điều này rồi. Các phòng thí nghiệm Trung Quốc có những ràng buộc tính toán hoàn toàn khác so với OpenAI, chẳng hạn. Những phòng thí nghiệm Trung Quốc này đã phải đổi mới về các kỹ thuật đào tạo/khai thác vì điều này. Không phải là một phép so sánh hoàn hảo, nhưng có thể nó có thể giúp làm sáng tỏ những gì "những bước nhỏ" hướng tới một mô hình mới trông như thế nào, và theo thời gian, những bước nhỏ này tích lũy lại và tạo ra một cái gì đó trông/chức năng khá khác biệt so với những gì con đường khác sản xuất.

Nathan Lambert22:08 4 thg 8
Để giải quyết vấn đề này, ngưỡng tài nguyên chính là phải có nhiều phòng thí nghiệm mở với hơn 10000 GPU mỗi phòng.
Nhiều phòng thí nghiệm giúp chúng ta không phải phụ thuộc vào sự ưu ái của các công ty công nghệ lớn để muốn phát hành các mô hình. Những tổ chức này tăng cường đổi mới và giảm rủi ro cho công nghệ quan trọng này.
603
Một bài đọc rất thú vị, có một số điều nổi bật:
-- bắt đầu bài viết với việc họ thấy các hệ thống AI tự cải thiện (xu hướng đang gia tăng) nhưng với ít chi tiết
-- phân biệt lớn giữa AI "cá nhân/tiêu dùng" và việc thay thế công nhân/lao động
-- kính trở thành "thiết bị tính toán chính" của chúng ta, có lợi thế vì chúng có nhiều ngữ cảnh hơn
-- siêu trí tuệ có nghĩa là họ cần xem xét lại chiến lược mã nguồn mở của mình, một sự chuyển hướng khá lớn so với năm ngoái.

AI at Meta30 thg 7, 2025
Hôm nay, Mark đã chia sẻ tầm nhìn của Meta về tương lai của siêu trí tuệ cá nhân cho mọi người.
Đọc toàn bộ bức thư của anh ấy ở đây:
1,1K
Không thể đồng ý hơn.
Thật khó để tưởng tượng bây giờ, nhưng trước giữa năm 2019, stablecoin chỉ chiếm 20% khối lượng giao dịch hàng ngày trên Ethereum. Sự thống trị về khối lượng của stablecoin đã giúp DeFi phát triển nhanh chóng.
Chúng ta cần những chất xúc tác tương tự cho AI phi tập trung.

anand iyer30 thg 7, 2025
AI phi tập trung ngày nay giống như DeFi và stablecoin vào khoảng năm 2020.
Hầu hết các công nghệ AI thực sự mang tính chuyển đổi sẽ không tồn tại trong các hệ thống khép kín. Nó đang được xây dựng trên các nền tảng mở, minh bạch và phi tập trung.
Một sự kiện đột phá sẽ mở đường cho việc áp dụng chính thống. Giống như việc Stripe mua lại Bridge. Và sau đó AI phi tập trung sẽ chỉ được gọi là AI.
1,13K
Hàng đầu
Thứ hạng
Yêu thích
Onchain thịnh hành
Thịnh hành trên X
Ví funding hàng đầu gần đây
Được chú ý nhất