NVIDIA 剛投資了一家印度初創公司，該公司幫助企業在使用更少 NVIDIA 自有 GPU 的情況下運行 AI。 這家公司名為 SimpliSmart，總部位於班加羅爾，剛完成由 Accel 領投的 1400 萬美元 B 輪融資，估值約 1 億美元。 其軟體位於 AI 模型與計算基礎設施之間，能自動調優模型的部署方式，讓企業無需手動管理，即可在速度、成本與性能之間取得最佳平衡。 InVideo 使用該軟體後，GPU 服務成本降低了 56%，六個月內收入增長了 14 倍，其中超過一半來自美國。 顯而易見的問題是：為什麼 NVIDIA 會投資一款降低對 NVIDIA 芯片需求的軟體？ 創始人的回答是：讓 AI 推理變得更便宜、更容易，能促使更多企業採用 AI，最終反而會推動更多 GPU 的銷售。 NVIDIA 也正與 SimpliSmart 合作，將其技術與自身的 Dynamo 推理軟體進行整合，並向客戶與合作夥伴引薦他們。 因此，NVIDIA 不僅僅是投資，更是在嵌入一家與其自身推理產品處於同一領域的初創公司。 要麼 NVIDIA 真正相信效率能推動更廣泛的採用，要麼他們寧願掌控效率這一領域，也不願看著他人搶佔先機。

OpenClaw 的創建者彼得·斯坦伯格估計，上個月他花費了約 1000 萬美元的代幣。 按此速率，單單一個人一年就花費 1.2 億美元。 這足以支付 500 名資深工程師一年的薪資。 他的雇主 OpenAI 承擔了這筆費用。他也承認，並非所有開支都具有實質效益。 因此，當有人告訴你「AI 比聘人更便宜」時，請問問這些代幣實際上買到了什麼。

AI 藝術不是藝術！！BOOOOOOOO 我喜歡，讓我想起我的 nvidia

我認為整個 Space X 生態系統非常棒。 我喜歡做的一件事是，對在這裡看到的與 AI 相關的推文點讚，尤其是在我的 Cybertruck 裡面。 我讓 Grok 在自動駕駛時為我朗讀我點讚的推文並為我解釋內容。

Bullshot 剛宣布在多輪融資中籌集了 7.7M 美元，獲得了 @animocabrands 和 @PolygonVentures 的支持，並與 @MindoAI 一同籌集了 1M 美元。 代幣創建、交易與 AI 代理的交匯點，使 @Bullshot911 成為一個值得關注的項目 👀

天啊，馬斯克創建了 Grok 機器人，取代了 28 個以上的付費工具 它運行在自己的雲端電腦上，可登入您的應用程式並按計劃執行任務。 每個機器人最多可儲存 50 個任務。 它取代的工具包括： → AI 代理：ChatGPT Plus/Pro、Manus、Perplexity Pro、GenSpark、Devin、Lindy → 自動化：Zapier、Make、n8n Cloud、Bardeen、PhantomBuster、Apify/Browse AI → 社交媒體：Hootsuite、Buffer、Sprout Social、Typefully、HypeFury → 銷售：Apollo.io、Clay、Lemlist/Instantly、SalesLoft → 運營：Superhuman、Motion/Reclaim、Otter/Fireflies、Intercom Fin/Zendesk AI、Feedly/Brand24/Mention → 內容創作：Jasper/Copy AI、Gamma 從小處開始：挑選您每天都會打開的一個訂閱服務，將該任務交給機器人作為一個例行程序。 請保存此內容，並閱讀下方文章，學習如何像 SpaceX AI 工程師一樣設置 Grok 機器人 ↓

天啊。OpenAI 剛剛讓 AI 代理更便宜且更擅長使用你的電腦。 歡迎來到 GPT 6.1 Terra。 這次更新的意義遠不止於產生更好的回答。 OpenAI 正在推動 AI 向更具實用性的方向發展—— 真正完成工作。 Terra 設計用於理解你螢幕上的內容、與電腦應用程式互動，並完成複雜的任務序列。 想想這意味著什麼。 AI 可以協助準備提案、解讀技術圖紙、填寫表單、編輯影片，並處理重複性的辦公工作。 它不再只是告訴你該怎麼做，而是能親自執行完成任務所需的各個步驟。 OpenAI 表示，新模型在這類任務上的表現顯著優於 GPT 5.6 Terra。 但真正引起我注意的是這一點： 價格。 GPT 6.1 Terra 的標準 API 定價比 GPT 5.6 Terra 低了 50%。 這至關重要，因為 AI 代理在完成單一工作流程時，可能需要多次呼叫模型。 每一步都涉及成本。 讀取資訊、分析螢幕、決定下一步行動、檢查結果——這些都會累積費用。 更低的成本讓這些系統在大規模運行時更具可行性。 OpenAI 還報告了編碼效能和視覺推理能力的重大提升，並在內部評估中減少了事實性錯誤。 這種組合至關重要。 當一個模型能理解任務、操作軟體並撰寫程式碼，同時還能更快、更便宜地完成這些任務時，它的實用性將大幅提升。 想像一下 AI 代理處理發票、更新電子表格、整理客戶資料，或跨多個應用程式處理重複性任務。 不只是告訴你該做什麼， 而是真正幫你把事情做完。 當然，電腦操作不等同於完全自主。複雜的工作流程仍需測試、權限設定與人工監督。 但方向已日益清晰： 下一場 AI 競賽，不僅是哪個模型能想得更好， 更是哪個模型能可靠地將智慧轉化為行動。 而現在，OpenAI 讓這項能力的使用成本更低了。

🚨天啊。詹森·黃一手握著一皮弗洛普的AI算力。 他所做的比較簡直瘋狂。 2016年，詹森·黃將一台NVIDIA DGX 1系統送給了一家名為OpenAI的小公司。 這是一台專為AI運算打造的龐大機器，提供一皮弗洛普的運算性能，並配備128GB記憶體。 而詹森提醒大家一個細節：當時需要兩個人才能把這台機器搬上樓。 如今十年過去了，他一手握著一台緊湊的AI電腦，展示著同樣的關鍵數據：一皮弗洛普、128GB記憶體。 請讓這一點好好沉澱一下。 全新的RTX Spark系列是經過四年與微軟及整個PC產業的合作開發而成。 根據詹森的說法，這個項目涉及一款名為N1X的新晶片，以及一套全新的電腦系列，包括桌上型電腦、筆記型電腦和工作站。 目標是將強大的AI運算能力縮小到更緊湊的體積中。 而這正是事情變得有趣的地方。 多年來，要取得強大的AI硬體，意味著必須依賴昂貴的雲端基礎設施，或那些大多數個人開發者根本無法負擔的專業機器。 像這樣的緊湊型系統，指向了一種不同的方法。 想像一下，在你的桌面上開發AI代理、測試模型，並運行高強度的AI工作負載。 減少對遠端基礎設施的依賴，更全面掌控你的開發環境，並可能降低那些可在本地運行的工作負載所產生的重複性雲端成本。 當然，這裡有一個重要的區別：達到相同的峰值皮弗洛普數值，並不代表兩台機器的實際表現完全相同。精度、記憶體架構和工作負載都至關重要。 但這種物理上的轉變依然令人驚嘆。 2016年，這類AI運算需要一台需兩人搬運的機器。 如今，詹森·黃卻能一手握住一臺具備類似關鍵規格的系統。 這正是這不僅僅是一次普通電腦發佈的原因。 AI硬體不僅變得更強大，也變得極其易於取得。 下一代AI開發者，或許根本不需要伺服器房間就能起步。