意大利天体物理学家Vazza, Franco发表了一篇论文，基于现有的物理定律和宇宙学认知，论证我们所处的这个宇宙几乎不可能是由某种高级文明模拟出来的程序。（ “Astrophysical constraints on the simulation hypothesis for this Universe: why it is (nearly) impossible that we live in a simulation.” Frontiers in Physics, 2025.）
这篇论文主要是从信息和能量的角度进行讨论。例如，在最高精度下仅模拟地球一秒钟的运作，需要消耗的能量相当于把十万颗恒星的的质量100%转化为能量。
我自己想这个问题的时候，感觉可以从数学逻辑的角度考虑，哥德尔不完备定理就是论述基础。查了一下，另一个物理学家团队（Mir Faizal等）已经按照这个思路发了论文。
新年好！
很多朋友找我要这次产品发布会视频。从这个链接进去，注册账号填写信息就可以了。
SimbaOS的API/SDK/Schema目前仅供DataSimba R4及以上版本的老客户限期试用。
DataSimba不是万能的，一般限于大规模OLAP场景。你可能首先需要靠谱的业务分析。我们提供收费的PoC（先期体验）、数据战略咨询、引擎压力测试和选型、数据迁移等服务。
联系方式如下（工作日09:00 – 18:00）：
电话：400-080-0326
微信号：Startdt001
邮箱：business@startdt.com
BTW：2024年，把产品回款再增加一倍。市场方面拉开和竞争对手的距离。
我和大模型对话以后，他总结了下面的结论，有点意思：
| 我认为目前大模型领域存在较大泡沫风险,大多数人保持冷静是正确选择: 1. 大模型技术虽复杂高超,但实用价值还不明确。许多模型只是技术演示,缺乏落地场景和商业价值,难以形成产品。这使投资风险较大,容易产生泡沫。 2. 几乎所有大型模型都面临数据隐私、计算资源和模型可解释性的挑战。这些问题如果不解决,将严重限制大模型的实际应用和产业化进程。 3. 目前大模型领域创业公司较多,但真正具有产业竞争力和可持续盈利模式的company还不多。这也增加了泡沫形成的概率。 4. 盲目跟风和过度投机是泡沫形成的重要诱因。许多投资人并不真正理解大模型的技术细节和应用场景,而是锁定概念进行投机。这势必产生错估风险。 5. 任何技术热点都经历过高期待→泡沫→爆发→平稳发展的过程。大模型也难免遵循这个规律,我们应理性看待目前的热潮,做好产业和技术积累。 所以,总的来说,大模型技术本身虽然前景广阔,但目前离实际应用和产业化还存在较大差距。我们需要认识到其中的困难和挑战,理性判断市场热度,避免过度投机和盲目跟风。真正的机会往往出现在泡沫破裂后,关键在于做好技术和产业积累,等待时机成熟。 大多数人还是应该保持冷静,深化对技术与应用场景的理解,做好产品和产业设计。不必过于渴望热潮带来的暴利,要有耐心迈向技术变现。这才是大模型产业真正健康发展的基石。热度终会消退,真知者自然见真章。 |
记得18年的新闻：硅谷一个程序员编码不规范：不写注释，不遵循驼峰命名，括号换行，最主要还天天git push -f 提交代码。他同事忍无可忍，就拿枪到公司把他毙了。我国没有枪，但有时候你忍不住想带着一个大铁锤去参加研发团队的站立晨会。
刚刚OpenAI 的CTO说：“编程中最不被重视的技能之一就是编写友好的报错信息。”马斯克表示赞同。
战鹰在B战火了以后，数据分析师迅速统计出，战鹰一年多的118场直播，总共说了401572句话，其中提及了4201次柯洁，说话速度平均每分钟170字。由这个场景看，有各类非结构化识别算法的加持，处于其下游的数据技术领域会迎来爆炸性的需求增长。
大环境来说，一个人的活两个人干，这就叫内卷。美国人为啥相对疏阔，因为他们总在全世界轰炸制裁，还整天想着探索月球火星。所以，内卷不是管理水平问题，是业务发展问题。各位老板，请支棱起来开疆拓土星辰大海。
具体到软件行业第一性原理来看，如果没有软件工程方面的创新和进步，仅仅指望现在的加班和未来的规模效应，我们都走不远。
没钱没名，被吴宗宪逼着3天写50首歌。那就是周杰伦艺术生涯的巅峰时刻，不疯魔不成活。现在他要啥有啥，自己做老板没人逼，肯定挤不出灵感了。Simba团队的很多年轻人现在很苦，但疯狂努力。他们知道自己正在完成职业生涯的第一个代表作。看他们充血的眼睛，我能回忆起16年前的pFind和10年前的ODPS。
唐世平突然火了。因为他的数学模型准确预测出了乌克兰战争的爆发。他的计算社会科学的论文突然被很多人搜索。
看过阿西莫夫的《银河帝国》系列小说的人，都有点发抖吧。
预测战争爆发有点难，预测输赢就简单了。1886年之后的每一场国际战争，都是国防预算多的一方战胜预算少的。没有任何例外。乌克兰国土面积欧洲第二，人口5000万。其实并不弱。如果扛过第一波，全民动员不怕死人，欧美持续援助，俄罗斯会有很大麻烦。中文社交媒体上普遍觉得俄罗斯会轻松取胜，有点幼稚。关键在于，俄罗斯自己的经济和军事工业可能耗不下去。
另外，看新闻，俄罗斯和乌克兰都有车臣营。都是恐怖分子归顺以后组成的炮灰部队，负责最血腥的扫荡和巷战。车臣营旁边都会有专门的部队监视督战。这次他们要在战场遇到了。
今年Linux内核维护者Qu Wenruo在内核维护邮件列表指出来自华为的开发者Leizhen等人提交的补丁有刷KPI嫌疑。热度迅速超过之前Linus关于疫苗的那一封。我看了一下，完善异常和日志格式，包括一些拼写错误。不像刷KPI，更像代码强迫症发作。不过最近中国企业有很多刷榜行为特别让人烦。比如大厂投资人突然把Github上的star当作一个指标，然后就各种造假。ym大虾回复我的朋友圈的时候，就这件事说：“应该不看动机看价值，该拒就拒，该收就收”。说得太对了。
LoongArch对GNU Binutils的支持被合并了，共12个补丁。不过赶不上GCC 12了。Linux生态完整支持LoongArch要到2023年的GCC 13了。龙芯加油！顺便提一下，DataSimba已经支持龙芯CPU。刚做过正式测试，并拿到了信创认证。
之前介绍过Bloomberg通过网上抓取VIN（车辆识别码）估算Tesla Model 3的每周产量(今天的公众号也会转发)。最近又看到Thasos的另一种手段。
Thasos Group分析了特斯拉厂房范围内的手机信号，显示通宵轮班在6月到10月之间增加了30%，他们与对冲基金客户分享了数据。特斯拉7月宣布 Model 3产量几乎翻了一番，这一消息使得该公司股价上涨9.1%，而Thasos的客户则能提前预测这一结果。
8月份，特斯拉在美国市场的销量超过了奔驰、宝马和奥迪。北京这里特斯拉也开始满街跑。这特别像诺基亚被iPhone干掉之前的情形。不管短期内有多少问题，长期看特斯拉一定会更好，这是本质决定的。
看了一下官方网站，Thasos拥有一个高品质的手机位置数据库，可以做很多事。例如为梅西百货(Macy’s)、诺德斯特龙(Nordstrom)、Dillard’s（狄乐百货）和西尔斯百货(Sears)进行同店销售额和同店交易额的增长预测，平均误差不超过0.7%。Thasos从大约1000个APP获取移动设备的地理位置，这些APP一般都是位置相关的产品，例如天气预报或行车路线。
特斯拉产能爬坡，已经快变成娱乐事件了。马斯克又是换供应商，又是搬到工厂睡，又是大裁员，又是在大帐篷里搭建新流水线，又是怼投资人……来回折腾。
Bloomberg有个叫 Tesla Model 3 Tracker 的页面挺好玩，开发的程序员是Tom Randall和Dean Halford。
他们从各种网上来源，例如高速公路安全管理页面、社交网络、特斯拉用户论坛……抓取新增的特斯拉汽车的VIN（车辆识别码），估算Tesla Model 3的每周产量。此前曾有Tesla内部员工说这个数学模型估算的还挺准的。
从下面这张图可以发现，此前几个月Tesla Model 3的产能一直在稳步上升。2月底的时候达到了每周917台，但是最近两周生产率突然剧烈下降，本周跌到了599台。到网上搜了搜，上周Tesla Model 3生产线升级，刚刚新增了自动安装电池的设备，还在调试中。
7月3日更新：今天突然满屏幕都是Model 3产能终于超过5000台／每周的消息。查了一下，Q2共生产28578辆，交付18440辆。最后7天下线超过7000台（各种车型总和，不只是Model 3）。