云霞资讯网

小红书算法真是太诡异了，我前几天看了2个关于最近儿科韩医生案子的视频。现在推给我的全是相关视频。相比起来，微博反而成了正常的APP，虽然也推，但主题还比较丰富。​​​

DeepSeek从拼算法转向拼基建背后考量DeepSeek依靠MoE、MLA等算法创新起家，靠软件效率弥补硬件短板；如今加码自建智算中心、算子框架、适配国产芯片，甚至布局自研推理芯片，并非放弃算法，而是看清算法红利边际递减，算力基建才是商业化与长期生存的底盘。第一，算法优化收益见顶，硬件成为性能天花板。依靠架构创新，可以压低训练成本，但万亿级模型、Agent智能体、百万长上下文推理，对显存、集群吞吐、带宽的需求指数级上涨。软件再精巧，受限于外部租赁算力，模型上线吞吐、延迟、并发上限很难突破，算法优势无法转化为稳定服务能力。算法与硬件必须深度协同，DeepSeek的稀疏、KV‑Cache压缩等特殊计算逻辑，通用GPU并不能原生适配，需要自有集群、底层框架做软硬协同优化，才能释放模型全部实力。第二，商业成本与供给安全的现实压力。过去依赖租赁算力，算力价格波动、卡源紧张直接制约API业务。随着调用量暴涨，推理成本是最大开销。自建算力、深度适配国产芯片，能够把成本、稳定性、扩容节奏握在自己手里，摆脱对外购GPU的强依赖，对冲外部管制风险，保障业务连续性。开源模式下，API是核心收入来源，只有把推理成本压下来，低价策略才能持续，守住开发者生态优势。第三，行业竞争逻辑下沉，从模型跑分走向全栈能力比拼。早期大模型比拼榜单跑分，现在比拼大规模稳定服务能力。只做算法模型属于轻资产，很容易被复制追赶；算力、机房、算子、芯片适配这套基建，构建更高壁垒。全球头部AI企业都在重资产投入基建，竞争已经下沉到电力、液冷、集群调度、硬件适配层面。第四，战略目标从“做好模型”升级为生态构建。DeepSeek不只想输出权重模型，希望带动国产芯片、存储、服务器产业链，降低对CUDA生态依赖。通过大规模实际业务，反向打磨国产硬件，形成“模型‑框架‑硬件”协同的本土AI生态，把自身从单纯模型公司，进化成全栈AI基础设施厂商。第五，不是放弃算法，而是算法+基建双线并行。算法依旧迭代，只是认识到：好算法需要匹配相适应的算力底座才能落地。基建是放大算法价值，而不是替代算法。简言之：拼算法解决“模型多聪明”；拼基建解决“能不能大规模、低成本、安全稳定地给千万用户提供服务”。

AI算力和人形机器人，哪个赛道更有前景-短期（1-3年）：AI算力确定性更高、业绩更实，是当前基础设施刚需​-中长期（5-10年）：人形机器人（具身智能）的总市场空间、产业变革上限更大，但不确定性、技术风险、周期也大得多​-人形机器人规模化本身，还会反过来拉动新一轮云端训练+端侧专用算力需求，是算力行业的下一波大需求来源。一、AI算力赛道：当前在业绩兑现期，确定性优先-前一波驱动：大模型训练、数据中心建设，GPU/服务器/光模块/高速互联/液冷/算力租赁持续兑现营收利润​-当前变化：通用云端训练算力逐步供需宽松、边际回报率下降；结构性机会转移到：推理优化、HBM/存算一体、国产替代、低功耗/端侧算力、CPO、算力调度、行业专用算力集群​-✅优势1.付费方清晰（云厂商、大厂、政企），B端资本开支驱动，商业闭环已经跑通​2.产业链成熟、标准化程度高、人才栈成熟（芯片、IC、光通信、服务器、IDC、CUDA/算子优化）​3.细分分层机会多：上游芯片壁垒最高利润最集中；中上游光模块/服务器/散热/PCB/电源是国产优势、业绩确定性强；算力服务/应用适配门槛相对低⚠️核心风险-高端芯片生态（CUDA）、制造设备壁垒极高，本土核心环节受出口管制约束​-重资产、扩产周期长，容易阶段性供过于求、价格战（算力租赁最明显）​-纯通用算力未来会逐步commoditize（商品化），只有芯片/互联/专用算力/软件栈持续有高溢价二、人形机器人赛道：0→1验证期，长期弹性优先产业阶段处于原型机→小批量试点、核心部件验证、结构化场景（工厂搬运、物流）先行，还没到大规模商用期-当下绝大多数整机没有正向ROI，成本、可靠性、运动控制、长时序操作、世界模型数据闭环都是瓶颈​-价值兑现顺序：核心零部件（减速器、执行器、丝杠、六维力传感器、伺服）>具身算法/仿真/OS/端侧芯片>整机>家庭消费场景​✅优势1.长期市场空间远大于纯云端算力：面向物理执行、劳动力替代，覆盖制造/物流/养老/家政等，是下一代通用硬件平台​2.中国供应链优势更强（精密零部件、机电制造、整车/消费电子产能复用），国产替代机会比GPU大得多​3.复合学科壁垒（机械、电控、运动控制、传感器、实时系统+AI多模态），长期不容易单一巨头通吃三、分维度直观对比表格维度AI算力人形机器人当前阶段大规模建设、业绩兑现期样机/小批量、零部件先行、商业化早期2-3年确定性高（尤其光模块、服务器、国产芯片、推理算力）中低，仅零部件/工业场景验证确定性高，整机低中长期TAM大（数字基础设施）更大（物理劳动力/通用终端）核心壁垒芯片制造、软件生态、EDA、HBM、资金机电一体化、控制、传感器、成本、场景数据闭环、可靠性人才门槛偏半导体/软硬件/系统/通信，供给相对充足跨机械+电控+AI+感知复合人才，供给稀缺创业友好度分层，中上游重资本、下游服务/优化尚可整机创业极难，零部件/垂直算法/仿真工具更友好核心矛盾供给约束→生态约束→内卷降价成本/可靠性约束→场景验证→规模化降本周期属性跟着云资本开支迭代，2-3年一轮建设周期更长，类似汽车/智能手机，10年级别的渗透周期四、分场景怎么选如果你看1~2年、要确定性、就业/拿结果优先👉优先AI算力（优先推理、国产算力、光互联、HBM、液冷、算子优化、行业算力集群）-机器人只适合投核心零部件、端侧具身芯片、仿真/运动算法，避开纯Demo整机和消费人形叙事如果你看3~10年、能接受高风险长周期、做硬件/机电/控制/多模态算法👉人形机器人是更大的增量赛道，而且它本身就是算力最重要的新增需求方：-每台机器人同时需要：云端做世界模型/预训练、端侧做低延迟实时感知控制，催生和现在云端GPU不一样的专用算力品类（低功耗、高安全、异构、HBM、存内计算）​-顺序是：算力降本→模型能力提升→机器人才可能走通量产；机器人大规模部署产生物理交互数据，反过来再驱动下一代模型和算力升级如果你想创业-算力：不要碰通用GPU/先进制造，优先配套层、国产替代、算力调度、推理优化、行业垂直算力服务​-机器人：不要优先做通用整机，优先零部件、子系统、仿真数据、运动控制、单一窄场景专用机器人

新时代的“硬通货”职业清单1.人工智能算法工程师2.新能源电池研发专家3.数据合规与隐私保护顾问4.高端养老规划师5.跨境电商独立站运营6.心理健康咨询师7.生物医药临床研究员8.碳中和碳交易分析师9.智能家居系统集成师10.宠物医疗与行为矫正师这份名单，你认同吗？

有个朋友老公也做外贸业务，这些年都是一个人靠着企业在接点单。她说像我们这种外贸业务创业很难赚到存的住钱，能养活自己就不错了。确实是这样的，销售最好还是找个平台上班抗周期一些。一旦脱离平台，个人很难赚到钱了。不过我很早就脱离纯销售了，偏运营零售一些。运营对于个人来说比销售容易赚钱一些，无非就是辛苦一些。但只要精通一个平台，就能做很多平台。我最开始学习运营就从在手机上注册了一个闲鱼账号开始的，因为闲鱼对新人最友好。很简单的利用平台0-1赚钱办法:你在天猫上找一个或者多个品类，收集品牌方品类卖的好的，销售过万评论上1000的单品，再从阿里巴巴上找到同款无牌货源，通常价格要优惠个10-30%，再加价个5%-10%，拿到淘宝或者闲鱼上销售。(淘宝上要注意外观不要侵权品牌方，闲鱼这方面就好点)阿里平台的算法对于天猫，淘宝，闲鱼，1688的流量分层很大，即贵的有贵的客户群体算法，便宜有便宜的客户群体算法，整体的流量来源都是"淘宝"这个App。淘宝早就不是淘宝App或者淘宝店这么简单，而是早就成为一个综合多维品牌。很多流量通过它被算法分梯队分层分流从到天猫，淘宝，闲鱼甚至1688里面去。这种算法逻辑背后本身就蕴含着非常多的机会。

真实增量到底是什么——四个定义和算法一场为了一个数字吵了三小时的会我参加过一场很荒诞的会。主题是"确认这个季度投放带来的真实增量"。到场的有投放渠道方、算法、财务，还有老板。渠道方说：增量是那个量级，我们扣掉了自然量。算法说：不对，模型算出来只有六成，我们用uplift加总。财务说：都不对，能确认的只有三成多，只有这部分被停投实验验证过。老板问：那到底是多少？吵了三个小时，没吵出结论。散会后我坐在那儿想了很久，发现一件事——他们四个人，没有一个人算错。他们只是在说四个不同的东西，然后用了同一个词。"真实增量"这四个字最大的陷阱，就在于它听起来像一个客观事实，其实是一个需要先定义、才能计算的东西。而在大多数团队里，它从来没被定义过。howto用好AI广告投放广告蚕食互联网大厂买量deepseek产品经理投放是门科学用户增长思维

互联网时代的信息获取看似越来越容易，海量数据触手可及，但算法构建的世界却在悄然变得越来越封闭。推荐机制不断喂养个人偏好的内容，将每个人困在由数据砌成的“信息茧房”与“认知舒适区”里。很多时候，一个人根本无法想象自己从未见过的东西——当思维的边界被屏幕和算法框定，个人在办公室里靠着互联网做出的分析与研究，其真实度与深度往往是要打个问号的。怎样才能提高研究的质量，真正逃离算法的束缚？方法其实很简单，我觉得Citrini去霍尔木兹海峡的那篇报告给全球的研究做了打了个样：既然你想要做出严肃而有洞察力的研究，就一定要亲自去现场。就像唐朝的文官为什么尊敬太宗文皇帝，因为他真的亲冒矢石永远在第一线。

都在焦虑自媒体红利期只剩AI了，其实换个职场视角看，这事儿没那么玄乎。以前靠信息差和搬运就能起号，现在内容无限供给，AI成了新门槛。但别忘了，AI能写文案、剪视频，却模仿不了你在职场里摸爬滚打攒下的那点“分寸感”和“活人味”。平台正在围剿纯AI流水线，算法开始惩罚没情绪的内容。真正的红利不在AI代写，而在人机协同。让AI去干那些查资料、套模板的苦力活，你把省下的精力花在洞察人性、输出观点上，你真实的阅历和情感共鸣，才是算法抢不走的铁饭碗。