文章核心观点 - AI需求引爆全球内存供应危机，导致消费级内存价格飙升且供应短缺，其影响已从数据中心外溢至智能手机、PC、游戏主机等消费电子领域，消费者将被迫承担成本上涨 [3][12][26][86] 内存价格暴涨现状 - 全球内存价格一年暴涨3倍，有案例显示64G内存条价格从350美元飙升至2500美元 [2][3][4] - 256G内存条价格比一张RTX 5090显卡还贵出1400美元 [6] - 用于iPhone的12GB LPDDR5X内存芯片价格从2025年初的25-29美元涨至约70美元，涨幅达2-3倍 [14][15][16] - 从年初至今，DDR5合约价格上涨了123% [21] - 游戏主机（如Switch）所需内存市场价格上涨41%，闪存价格上涨8% [24] AI需求对内存产业的冲击 - AI服务器对DRAM的需求量是普通服务器的8倍，导致需求激增 [34] - OpenAI的“星际之门”项目每月锁定高达90万片DRAM晶圆供应，相当于全球DRAM月度产量的40% [36] - AI已占用全球20%的DRAM晶圆产能，且短缺状况将持续到2026年以后 [53] - 微软、谷歌等巨头高管长期驻扎韩国，以争夺三星和SK海力士的产能 [38][39] - 英伟达与三星董事长会面，敲定未来多年的DRAM战略供应合作 [41] 内存供给结构发生永久性转移 - 三星、SK海力士、美光三大内存巨头将主要产能从传统DDR4转向高利润的AI产品，如高带宽内存（HBM）和DDR5 [46] - 美光宣布退出消费类内存业务（Crucial），专注于数据中心AI芯片，导致主流市场SSD和RAM产品线终结 [49][51] - HBM使用的硅晶圆数量是标准DRAM的三倍，进一步挤占消费级DRAM资源 [52] - 产能重新分配导致每多生产一片用于GPU的HBM，就少一片用于中端手机和消费级笔记本的晶圆 [79] 对GPU及显卡市场的影响 - AMD与英伟达预计从2026年初开始上调GPU供货价格，且可能“月月加价” [55][56][57] - GPU核心与显存（VRAM）成本占显卡交付给AIB合作伙伴总成本的近80%，其涨价将迫使终端产品提价 [60][61] - 市场担忧RTX 5090等高端显卡价格可能被炒至接近5000美元 [66] - 日本部分零售商已对RTX 5060 Ti 16GB及以上或RX 9000系列及以上显卡实施限购，因大容量显存显卡进货困难 [69][71] 对消费电子终端市场的影响 - 内存短缺将在2026年重塑智能手机和PC市场，IDC报告指出市场正从“周期性波动”转向“结构性改道” [75][76][78] - 对智能手机而言，内存成本占中端机物料清单（BOM）的15%–20%，占旗舰机的10%–15% [82] - 面对DRAM/NAND涨价，原始设备制造商（OEM）面临残酷选择：要么提价、要么降低配置、要么两者兼施 [83] - PC市场同时面临Windows 10退役带来的换机潮和行业力推的AI PC叙事，成本压力预计在2026年下半年进一步抬升 [83][84] - “便宜又充足的内存”时代正在结束，2026年可能成为技术产品普遍变贵的一年 [85][86]

平台计时争议事件 - 社交媒体出现热搜 内容为骑手实测某平台计时系统存在偏差 平台显示1分钟 现实计时仅为42秒 [1] - 有更完整的计时对比视频在网络上传播 进一步展示了该计时差异 [2] - 事件引发网络舆论关注 有自称程序员的网友尝试对现象进行技术解释 但目前网上批评声音较多 [3] - 市场关注该平台公司后续将如何回应此次事件 [3]

文章核心观点 - 资深开发者通过一整年深度使用AI编程工具，工作模式发生根本性转变，从亲自编码转变为管理和指导“虚拟程序员实习生”[6] - 2025年被视作“智能体元年”，以Claude Code为代表的工具结合了大型语言模型与工具执行功能，改变了编程范式[9][10] - 开发者与AI协作的关系引发复杂思考，包括无意识的拟人化倾向以及工具命名的伦理争议[12][13] - 现有的软件开发工具（如版本控制系统、代码审核平台）已无法适应AI生成代码的新工作流程，亟需创新[22][24] - AI编程的普及带来了新的行业挑战，如代码质量审核、开源项目贡献规范以及对外包与自研趋势的潜在影响[18][26][27] 不一样的2025年：工作模式的根本转变 - 开发者彻底改变了编程方式，从主要使用Cursor转变为几乎完全依赖Claude Code，无需亲手敲键盘[6] - 工作角色从编码者转变为工程负责人，管理一个“虚拟程序员实习生”[6] - 因深入探索AI领域，年度博客文章产出大幅增加，全年发布36篇文章，约占其自2007年开通博客以来总内容的18%[7] 智能体元年：工具生态与范式确立 - 核心工具体验：Amp被类比为高端精致的苹果或保时捷，Claude Code是经济实惠的大众，Pi则是黑客的开源首选[14] - Claude Code开创的模式被视为当前最顶尖的，其结合大型语言模型与工具执行的能力令人惊叹[9][10] - 文本用户界面强势回归，开发者常用的Amp、Claude Code和Pi均为命令行操作工具[9] - 大型语言模型的功能从年初的代码生成扩展到日常琐事处理和生活规划，预计2026年将涌现大量消费级AI产品[10] 我与机器：协作关系的困惑与思考 - 开发者容易对常用工具产生“拟社会关系”，这种感觉既奇怪又令人不安[12] - 尽管努力将模型视为字符处理工具，但发现此简化观点已站不住脚，系统已具备某些人的特质，但将其等同于人类是错误的[12] - 反对使用“智能体”一词，因为能动性和责任应属于人类，但缺乏更贴切的术语来描述这些机器[12] - 与坚决抵制AI系统的人共事时，会感到尴尬，行业普遍反对给机器赋予人格[13] 众说纷纭：主观感受与行业共识的动摇 - 关于AI工具的讨论，焦点常集中在使用“感觉”而非纯粹技术上，这挑战了半个世纪以来的软件工程经验[16] - 许多行业共识经不起推敲，但难以证伪，例如开发者认为MCP用起来不顺手，却只能以“对我不适用”作为理由[16] - 模型选择具有高度主观性，例如有人从Claude转向Codex并认为好用，而本文开发者则偏爱Claude，只因“感觉对了”[16] - 需注意网络观点的利益倾向，许多言论来自相关产品的投资者或收费推广博主，可能影响其客观性[16] 外包还是自研：AI对开发模式的影响 - 当前趋势是核心服务外包给专业公司，如使用Stainless、Fern、Mintlify、Clerk等现成服务，提高了用户体验门槛[18] - AI编程工具提供了自研能力，例如开发者让Claude制作了支持Python和TypeScript的SDK生成器，过程并不困难[18] - AI可能鼓励减少对第三方工具的依赖，转向自己动手开发，这与当前普遍的外包趋势形成对比，未来方向尚不确定[18] 心得体会与未来期许：亟待创新的领域 - **新型版本控制系统**：传统工具如Git和GitHub的PR模式无法满足需求，需要能记录每次修改对应提示词及失败尝试的系统，失败经验对机器至关重要[22][23] - **新型代码审核模式**：现有工具（如GitHub）的严格角色权限与AI工作模式不兼容，审核功能应成为版本控制系统的一部分，且需解决本地审核导致的团队协作不透明问题[24] - **新型可观测性方案**：大型语言模型降低了eBPF程序开发和复杂SQL查询的门槛，使得过去因操作复杂而未能落地的可观测性想法有望重生，该领域预计将迎来大量创新[25] - **应对冗余与混乱**：AI生成代码导致开源项目中未经充分审核的贡献增多，对传统开发者构成冒犯，需要行业建立新规范来界定智能体代码库中的合规行为，而非仅靠贡献指南[27][28]

这肯定不合理呀。 ？？？ 1、 这些小工具是 "我"在私人时间开发的，即便是基于开源项目，那它们的所有权归属于我，和"公司"没关 系。（毕竟 "我" 又不是公司员工，也没拿公司一分钱报酬 ） 2、这些小工具是 "我" 为了帮"老婆"减轻负担才开发的，是小两口之间的支持，并不是公司的工作产出，老板 的要求属于强人所难。 想留下也行，价格给到位再说。不过看发帖人的描述，"老板"大概是想白嫖了。还是尽在拜拜得了 ...

文章核心观点 - 文章通过一位前甲骨文资深技术人员的失业经历，揭示了当前科技行业招聘市场存在的结构性困境，特别是中级技术岗位的“夹心层”困境和远程岗位的激烈竞争 [1][10][24] - 科技行业招聘结构向初级入门和高级专家两端收缩，导致中级技术人员面临前所未有的求职压力和不确定性 [24][25] - 长期失业迫使技术人员调整职业策略，例如转向中小企业、初创公司或发展副业，并反思大厂与小公司职业路径的优劣 [1][23][24] 个人职业经历与转折 - Clair Todd曾为甲骨文站点可靠性工程师，于2020年1月入职，拥有稳定的远程工作和收入，并在此期间购置了房产 [3][4] - 2023年11月，其所在整个团队被甲骨文裁员，职业生涯发生重大转折 [5][7] - 失业初期依靠遣散费、失业救济金和应急基金维持，未立即寻找工作 [8] 科技行业求职困境 - 自2024年2月开始求职，投递大量中级技术岗位简历，但回应寥寥，求职过程持续至2025年，长达近两年 [9][12] - 招聘市场呈现两极分化：要求极高的高级岗位和薪资偏低的入门岗位，中级工程师成为“夹心层”，处境尴尬 [10] - 因身体原因限制，只能寻找远程岗位，而远程岗位竞争异常激烈 [11] - 面试过程存在挑战，部分技术面试问题脱离实际岗位需求，类似于冷知识问答 [11] - 有求职者反馈投递超过2000份工作，并参与大量演示甚至免费提供方案，但最终未获录用，显示招聘流程效率低下 [25] 财务与生存状况恶化 - 在甲骨文任职时，每月税后收入约5500美元，用于覆盖房贷、日常开支及学生贷款 [15] - 失业后，财务迅速恶化，房贷占去大部分收入，且需偿还4.5万美元学生贷款 [16] - 两年内花光超过5万美元积蓄，并开始变卖股票 [17] - 为维持生计，通过在Facebook Marketplace和Craigslist上转售旧乐器、电子产品和收藏品，每月赚取500至1000美元，与此前薪资差距巨大 [1][17][18] 职业反思与策略调整 - Clair Todd在30多岁时从销售客服岗位转行，重返校园攻读IT学位，并于2018年进入科技行业，转行初期显著改善了其生活水平 [19][20][23] - 长期失业使其对当初转行决定产生怀疑，思考若留在原行业是否会更稳定 [19][23] - 调整求职策略：放缓主动求职，转而搭建个人网站开发业务；将求职目标从大型科技公司转向中小企业和初创公司，认为后者招聘流程更人性化、反馈更及时 [23] - 总结称若重新选择，会优先考虑小公司，因其面试更真实、沟通更顺畅 [1][24]

往期趣图 （点击下方图片可跳转阅读） 罗永浩和豆包"辩论吵架" ↓↓↓ ...

核心观点 - DeepSeek在2026年发表重磅论文，提出名为“流形约束超连接”的新架构mHC，该架构通过将矩阵投影到约束流形上优化残差连接空间，能在仅增加约6.7%训练时间开销的情况下，显著提升模型性能，并可能颠覆以ResNet为代表的传统AI架构 [3][4][5][8][12][17][36] 技术创新与架构 - mHC的核心目标是在Hyper-Connections的拓扑设计下恢复身份映射属性，从而在大规模训练中体现实际价值 [25] - 与传统残差连接和HC的根本差异在于：mHC将Hyper-Connections的参数空间约束到特定的流形上，以恢复身份映射结构，在保证稳定性的同时保留表达能力 [25] - 技术上将残差映射约束为双随机矩阵，该矩阵集合构成Birkhoff多面体，具有保L2范性、组合闭包性等严格理论性质，能有效缓解梯度爆炸并在整个模型深度范围内保持稳定性 [26][27][28][29] - 通过Sinkhorn-Knopp算法实现流形投影，在实验中迭代20次作为实用近似 [34][35][60] 性能表现与实验结果 - 在27B参数模型的系统级基准测试中，mHC在绝大多数基准测试中持续超越基线模型并优于HC [22] - 具体性能提升数据：在BBH任务上，mHC得分为51.0，较基线的43.8提升7.2个点，较HC的48.9提升2.1个点；在DROP任务上，mHC得分为53.9，较基线的47.0提升6.9个点，较HC的51.6提升2.3个点 [23][52][54] - 在GSM8K、HellaSwag、MATH、MMLU等多项基准测试上，mHC均表现出优于基线和HC的性能 [23][54] - mHC有效缓解了HC中观察到的训练不稳定性，相比基线最终降低了0.021的损失，梯度范数分析也证实了其稳定性与基线相当 [49] - 在扩展性评估中，mHC在不同模型规模下相比基线保持稳健的性能优势，仅轻微衰减 [55][56] 工程优化与基础设施 - 通过一系列严格的工程优化，成功将mHC部署到大规模模型中，训练开销仅增加约6.7% [36] - 实施了内核融合优化，重新排序计算操作并采用混合精度策略，将多个算子融合为统一计算内核以降低内存带宽瓶颈 [37][38][39] - 针对n路残差结构引入的显著内存开销，采用了重计算技术，通过丢弃中间激活并在反向传播时重新计算来缓解内存压力，并推导了最优的块大小L_r* [43][45] - 在大规模训练中，对DualPipe调度策略进行扩展，实现了流水线阶段边界更高效的通信与计算重叠，将MLP层内核置于独立高优先级计算流，并解耦重计算过程与流水线通信依赖 [46][48] 行业影响与公司动态 - mHC架构的提出被视作对同行的一次“温和降维打击”，展现了公司在数学洞察力与硬件极致优化方面的典型风格 [16][20][21] - 该技术将原本学术圈小众尝试的超连接升级为基础架构的核心设计要素，直击残差流通道宽度这一扩展模型的瓶颈 [14][15][19] - 有观点认为，顶级大语言模型中的ResNet结构或许即将被淘汰 [17] - 内部大规模训练实验进一步验证了mHC在大规模应用中的有效性，公司对此技术信心十足 [22][57] - 该技术被认为有很大可能进入DeepSeek的下一代模型V4 [24]

文章核心观点 - 文章是一篇面向程序员群体的新年祝福，通篇使用编程和软件开发领域的专业术语与隐喻，表达了对新一年的美好期许和对过往工作的总结 [1][2][3][4][5][6] 程序员工作状态与挑战 - 从业者经常在深夜与生产环境中的Bug进行斗争 [2] - 从业者曾在代码重构时工作至凌晨 [2] - 工作中存在被搁置或放弃的遗憾，如同被注释掉的代码 [3] - 从业者需要在压力下完成平滑的部署 [6] - 从业者需要在迭代过程中守护最初的算法设计原则 [6] 对新年的技术性期许 - 希望所有需求都像递归的基线条件一样清晰可解 [6] - 希望焦虑能像内存泄漏一样被垃圾回收机制精准回收 [6] - 希望灵感能像多线程并发一样持续输出 [6] - 希望生活能像高可用架构一样具备故障自愈能力 [6] - 祝愿在新年的第一个推送请求能获得成功的合并 [4] - 鼓励从业者在混沌中创造出优雅的软件抽象 [6] 工作与生活的平衡隐喻 - 提醒从业者记得联系家人，将最珍贵的依赖关系置于高优先级，而非后台线程 [5] - 建议保存手头工作，复制健康与热爱，终止所有内耗 [6]

文章核心观点 - 人工智能技术的发展对就业市场产生冲击，但冲击对象并非传统认知中的文科专业，而是计算机相关专业的学生[1] 行业影响分析 - 人工智能技术浪潮正在改变技术行业的就业结构，计算机专业学生的职业前景面临直接挑战[1] - 技术迭代可能导致部分传统编程和开发岗位的需求发生变化，行业对人才技能的要求可能转向与AI协同或更高层次的创新工作[1]

12 月 31 日凌晨 2 点多，罗永浩在发布会后发文："趁着今晚突然很想说，就赶紧说了，因为 ADHD 的关系" （老罗微博没排版堆在一起，看着太难受了 ，重排如下） "1、我的发布会没有一场是彩排过的，全是没有彩排直接上去硬讲。 2、幻灯片从来没有提前做完过，都是做到开场前，还有百分之三十左右的页面需要再调整。有好几场甚至是 把全场的幻灯片切成前后两大段，交待同事后一半应如何处理后拿着前一半提心吊胆上台。 3、多年以来，看起来没出大问题的，全是靠体力、经验和时灵时不灵的药物支撑。 4、现在我体力已经不太行了，比如连撑两三天不睡觉心脏会明显不适，而且脑子不工作，吃了十几年的专注 达也已经吃最大剂量也不太管用了。 5、为我的发布会做幕后的同事，工作难度全程都是地狱级数的，每次结束后都需要疗伤。 6、如果 ADHD 换药失败，或是不能用锻炼彻底改善体能问题，我不会再举办这种大型活动了，会害人害己。 7、今晚除了愧疚，剩下的部分大都是幸福的 ❤️ 具体表现为：做事容易分心，比如看文档时总忍不住刷手机；做事情虎头蛇尾，计划好的事很难坚持到底；经 常丢三落四，忘事是常态；还爱冲动，说话爱插嘴，做决定不经过脑子，情绪也 ...