AI泡沫争论背后,真正稳赚的不是大模型,而是给数据中心“降温”的人
当所有人都在争论AI是不是被高估时,资本已经悄悄把目光移开了大模型本身。GPU还在狂飙,云厂商却喜忧参半,真正被低估的,是支撑整个AI算力狂潮的“铲子和铁锹”——尤其是数据中心的供电与散热。
当所有人都在争论AI是不是被高估时,资本已经悄悄把目光移开了大模型本身。GPU还在狂飙,云厂商却喜忧参半,真正被低估的,是支撑整个AI算力狂潮的“铲子和铁锹”——尤其是数据中心的供电与散热。
Y Combinator在《Tarpit Ideas: The Sequel》中重新审视“创意泥潭”。这不是一份坏点子清单,而是一套判断方法:为什么有些想法总让人着迷却反复失败,以及为什么AI正在让部分经典泥潭第一次出现裂缝。
在AI监管呼声最高涨的时候,特朗普的副总统候选人JD·万斯却公开站队“开源AI”,甚至直言:解决AI风险的办法不是监管,而是开源。这不是一句口号,而是一条可能彻底改变AI产业权力结构的政治信号。
在Figma Config 2024上,Lane Shackleton没有谈AI模型、算力或趋势,而是从一次差点丧命的登山事故讲起,解释为什么“把原则写下来”这件小事,决定了一家科技公司能否穿越混乱。从YouTube跳过广告按钮,到AI密集发布期的决策失控,这场演讲给所有AI从业者上了一课。
在大多数人还在纠结“要不要上云”“服务器成本怎么算”时,这位Figma插件作者直接反其道而行:不租服务器、不跑云端,把AI模型完整搬进浏览器。本场 Config 2024 的分享,给所有AI从业者上了一课——真正的产品突破,往往来自工程上的“偷懒”。
在 Config 2024 的舞台上,一位设计师坦白:自己早就忘了三角函数,是靠 ChatGPT 和 Figma API 把两个“看起来像魔法”的插件做出来的。这不是励志鸡汤,而是一种正在成型的新范式——设计师、AI 与代码,正在重新分工。
一个反直觉的事实是:真正拉开内容创作者差距的,从来不是创意,而是“内容消化速度”。Riley Brown 展示的这款 AI 工具 Cubby,正在把 YouTube 从“时间黑洞”变成“结构化知识矿场”,甚至直接接管从学习、研究到剪辑发布的整个流程。
在 Figma Config 2024 的压轴演讲中,NYU 教授 Reginé Gilbert 抛出一个让全场安静的判断:AI 越强,设计师越容易失去创造力。这不是反 AI 的演讲,而是一份写给所有 AI 从业者、产品经理和设计师的“清醒指南”。
在这期《Training Data》中,微软CTO凯文·斯科特系统讲述了他对AI规模定律、训练数据、成本曲线和产业节奏的判断。他认为,当下看似“昂贵、脆弱”的模型,会像过往每一代技术一样,在规模化中迅速变得更便宜、更稳定,并持续解锁更复杂的能力。
大多数人看GitHub,只看star和commit数。但在Figma Config 2024上,OpenSauced CEO Brian Douglas用一场演讲证明:真正决定一个开源项目未来的,是“人”和他们的互动方式。当数据被可视化,开源生态第一次变得像一张可以被读懂的地图。