AI 硬件与部署 今日: 0|主题: 199|排名: 5 

发现一个挺有意思的开源项目：Kindle Dashboard，专门拯救吃灰的老 Kindle。 能直接改造成一块超省电的电子墨水屏信息板，用来显示天气、日历股票行情之类的信息都很合适。 而且电子墨水屏长时间显示几乎不耗电，挂桌上当常驻 Dashboard，反而比吃灰有意思多了。 https://github.com/alexishida/kindle-dashboard ...

把 Cloudflare Workers 整套平台能力装进单个二进制文件，让你在自己的机器上原样运行 Workers 应用，无需账号和云厂商。 https://github.com/elliothux/open-compute

过去十年 AI 硬件的演进史,本质是一部通用算力的自杀史: 从什么逻辑都能跑的 CPU,到数千核并行的 GPU, 再到波浪式流动的 TPU,以及边缘低功耗的 NPU, 直到最后连内存都不要的 LPU, 你得到的每一毫秒延迟降低,都是拿芯片的通用寿命换来的。 所以大家也别再以为 AI 算力竞争只是在拼谁的跑分更高,
把 CPU、GPU、TPU、NPU 和 ...

【OpenAI买了几万台苹果Mac，专门搞强化学习】据量子位，OpenAI已购买数以万计的Mac mini和Mac Studio用于强化学习，Anthropic也通过AWS租Mac mini做类似任务。 这些Mac用来训练"计算机使用智能体"，能自主操作电脑完成编辑测试代码、整理邮箱、总结文档等多步骤任务。 AI训练长期由英伟达GPU主导，但Mac能在强化学习被 ...

Mac mini其实应用范围真的不广…除去本体屏幕、键盘、鼠标加起来也得2K 之前M4的Mac mini爆火是因为最低2开头的价格不仅是对于手上已经有一套屏幕键盘鼠标的人群，哪怕是在花2K买一套，哪怕是算上二手，M4 Mac mini依旧是苹果最佳入门性价比产品，但是现在的M6 Mac mini 7K的价位[捂嘴哭]这价格你去买个二手M4 MacBook不是 ...

6月初的Computex 2026大展上，，配备GB300超级芯片和748GB统一内存，合作品牌包括华硕、戴尔、技嘉、微星、超微、惠普。GB300超级芯片分为Blackwell Ultra GPU（20480核心）、Grace CPU（72核心Arm架构）两部分，FP4精度稀疏算力高达20PFlops（2亿亿次每秒），FP8精度下也有10PFlops（1亿亿次每秒）。CPU搭配了496GB LPDDR5 ...

很多人在吹新款Mac Studio是性价比之王，超过了NVIDIA RTX 5090，RTX PRO 6000 Blackwell Workstation，NVIDIA DGX Spark等等， 准备买新Mac跑本地AI的朋友先别急着下单， 80%的人根本不需要买2500美元起的Mac Studio， 选配置的逻辑极其简单，不要看CPU跑分，先看你需要多少统一内存 这代苹果把产品线切得很死，照着这个 ...

还有人不懂什么是AI硬件？看完这篇帖子就足够了 第一层（算力芯片）： $NVDA 、 $AMD 、$AVGO、$MRVL、$ARM、$INTC 第二层（晶圆代工/先进封装）：$TSM、$AMKR、$ASX 第三层（半导体设备）：$ASML、$AMAT、$LRCX、$KLAC、$ENTG 第四层（HBM/DRAM）： $MU 、$SK Hynix、$Samsung 第五层（NAND/SSD/HDD存储）： $ ...

真正普及 Physical AI 的，可能不是人形机器人，而是一只机器鸭：Microduck。Microduck 和大型人形机器人，代表的其实是 Physical AI 的两条路线。 大型人形机器人负责探索能力上限，Microduck 这种小型机器人，更适合把 Physical AI 带进开发者的日常实验环境。我反而很看好后者。 ① 更适合高频试错 Physical AI 最大的问 ...

OpenAI从苹果挖走大约400名员工， 苹果说其中两人带走了硬件设计和供应链机密，7月把他们和OpenAI一起告了。 据报道，OpenAI要搞一款便携、无屏、带摄像头的AI音箱。 所以这是要抄袭小爱同学了？？😂

Mac mini / Studio 硬件配置整理了一版 模型对应的 tok/s 也放进去了 都是没开 DFlash 的速度 同配置 MacBook 跑出来也是这个档位 开 DFlash 以后 通常还能再提 1.6～3.8 倍左右 大家按预算选就行 Mac 平时办公，开发本来就舒服 再拿来跑本地模型 就更值了 ...

Mac mini 涨价的真正原因。 苹果无意中制造了一款强大的 AI 硬件。 ​​​

Apple M5 Ultra 的带宽虽然看着不错，但是无论怎么算，他的算力都很一般。 M5 Ultra 的频率按照1.9X算（图里1.9G）也就撑死40TOPS的 FP32数值，考虑到这不是Dual-Issue FP32， 本身并不算很低。 但M5 系列的矩阵加速着实不行，同宽度只有2倍而已，加上数据格式支持的不多。所以矩阵FP16 也就 160TOPS， 矩阵Int8 320TOPS ...

人工智能实验室和企业显然正在竞相购置任何具备相当计算能力的机器，包括苹果的 Mac mini 和 Mac Studio 设备，以及即将推出的基于 NVIDIA RTX Spark 的 PC。 🔗 https://wccf.tech/1l5k3

有人说 AI 时代苹果是最大赢家，核心在于 mac 的成本优势，我不赞成。 在成本方面，按照我个人的使用经验，调用云端 api （我们假设使用的是 deepseek v4 flash)每日成本在¥25/天，如果购买 M5 Max 128GB （市场价 4w ）的话，回本周期为 4.4 年，超过电子产品的 3 年折旧期。 抛开价格，我更在意速度和质量，日常使用体验 ...

兄弟们，炸裂消息。苏姿丰拎了个饭盒大小的主机上台，现场跑起2350亿参数大模型。 不靠云端不租GPU，全靠AMD Ryzen AI Max+ 395，全球首款CPU和GPU共享统一内存的x86处理器，128GB统一内存。 对比一下：RTX 5090才32GB显存，RTX 4090就24GB，这台小主机128GB，是旗舰独显的三倍多。实测DeepSeek R1推理，性能干到RTX 5080 ...

🔥本地部署机器怎么选？！ 看下面这张图就很直观了 个人推荐： 1. Mac Studio M5 Ultra 96G 2. 2x RTX 4090 24G 3. RTX 4090 魔改 48G - 胆大的来 4. DGX Spark

事实证明，苹果芯片架构是LLM（层级存储器）的理想之选。它将高速内存、高带宽和统一架构完美结合，堪称神奇。Mac Studio M5 Ultra（512GB，1.2TB/s）搭载了完整的GLM-5.3-Flash（320字节），采用FP8格式，并可在桌面上实现约60t/s的离线读写速度。PC的替代方案？10块RTX 5090显卡，售价超过2万美元，外加你自己的迷你电源 ...

#Easy同学正在独立开发# FreeToken 加速效果： - 配备 8GB 显存 RTX 4060 的普通笔记本电脑能以 39 tok/s 的速度运行 35B 模型 - 而搭载 RTX 5090 的游戏台式机则能以交互方式运行庞大的 284B DeepSeek 模型。 为什么它能做到？我让 Gemini 解读了一下它的论文 ​​​ ...