慣性聚合 高效追蹤和閱讀你感興趣的部落格、新聞、科技資訊
閱讀原文 在慣性聚合中打開

推薦訂閱源

博客园 - 司徒正美
V
V2EX
T
Tailwind CSS Blog
有赞技术团队
有赞技术团队
aimingoo的专栏
aimingoo的专栏
Apple Machine Learning Research
Apple Machine Learning Research
IT之家
IT之家
Blog — PlanetScale
Blog — PlanetScale
A
About on SuperTechFans
月光博客
月光博客
T
The Blog of Author Tim Ferriss
宝玉的分享
宝玉的分享
Martin Fowler
Martin Fowler
博客园 - 聂微东
The GitHub Blog
The GitHub Blog
V
Visual Studio Blog
WordPress大学
WordPress大学
酷 壳 – CoolShell
酷 壳 – CoolShell
Engineering at Meta
Engineering at Meta
GbyAI
GbyAI

阮一峰的网络日志

科技爱好者周刊(第 396 期):互联网通信的替代方案 科技爱好者周刊(第 396 期):互联网通信的替代方案 - 阮一峰的网络日志 科技爱好者周刊(第 395 期):软件开发的第三种方式 科技爱好者周刊(第 395 期):软件开发的第三种方式 - 阮一峰的网络日志 科技爱好者周刊(第 393 期):脑腐状态 科技爱好者周刊(第 392 期):axios 投毒与好莱坞式骗术 科技爱好者周刊(第 391 期):AI 的贫富分化 科技爱好者周刊(第 390 期):没有语料,大模型就是智障 套壳中国大模型撑起500亿美元估值?扒一扒 Cursor 的"套壳"疑云 科技爱好者周刊(第 389 期):未来如何招聘程序员 科技爱好者周刊(第 388 期):测试是新的护城河 零安装的"云养虾":ArkClaw 使用指南 科技爱好者周刊(第 387 期):你是领先的 科技爱好者周刊(第 386 期):当外卖员接入 AI 字节全家桶 Seed 2.0 + TRAE 玩转 Skill 科技爱好者周刊(第 385 期):马斯克害怕中国车企吗? 智谱旗舰 GLM-5 实测:对比 Opus 4.6 和 GPT-5.3-Codex 科技爱好者周刊(第 384 期):为什么软件股下跌 科技爱好者周刊(第 383 期):你是第几级 AI 编程 Kimi 的一体化,Manus 的分层 科技爱好者周刊(第 382 期):独立软件的黄昏 AI native Workspace 也许是智能体的下一阶段 科技爱好者周刊(第 381 期):中国 AI 大模型领导者在想什么 科技爱好者周刊(第 380 期):为什么人们拥抱"不对称收益" 科技爱好者周刊(第 379 期):《硅谷钢铁侠》摘录 我如何用 AI 处理历史遗留代码:MiniMax M2.1 升级体验 科技爱好者周刊(第 378 期):预测是新的互联网热点 科技爱好者周刊(第 377 期):14万美元的贫困线 科技爱好者周刊(第 376 期):太空数据中心的争议 科技爱好者周刊(第 375 期):一扇门的 Bug 终于有人做了 Subagent,TRAE 国内版 SOLO 模式来了 科技爱好者周刊(第 374 期):6GHz 的问题 VS Code 使用国产大模型 MiniMax M2 教程 科技爱好者周刊(第 373 期):数据模型是新产品的核心 国产大模型接入 Claude Code 教程:以 Doubao-Seed-Code 为例 科技爱好者周刊(第 372 期):软件界面如何设计 大模型比拼:MiniMax M2 vs GLM 4.6 vs Claude Sonnet 4.5 科技爱好者周刊(第 371 期):一个乐观主义者的专访 科技爱好者周刊(第 370 期):正确的代码高亮 错误处理:异常好于状态码 科技爱好者周刊(第 369 期):Tim 与罗永浩的对谈 科技爱好者周刊(第 368 期):不要这样管理软件团队 一天之内,智谱和 Anthropic 都发了最强编程模型 科技爱好者周刊(第 367 期):Nano Banana 的几个妙用 科技爱好者周刊(第 366 期):旧金山疯狂的 AI 广告 科技爱好者周刊(第 365 期):流量变现正在崩塌 科技爱好者周刊(第 364 期):最难还原的魔方 科技爱好者周刊(第 363 期):最好懂的神经网络解释 科技爱好者周刊(第 362 期):GitHub 工程师谈系统设计 科技爱好者周刊(第 361 期):暗网 Tor 安全吗?
科技愛好者週刊(第 273 期):任正非的三篇最新談話
阮一峰 · 2023-10-13 · via 阮一峰的网络日志

這裡記錄每週值得分享的科技內容,週五發佈。

本雜誌開源,歡迎投稿。另有《誰在招人》服務,發佈程序員招聘信息。合作請郵件聯繫[email protected])。

封面圖

9月26日,合肥駱崗中央公園正式開園,該處曾經是駱崗機場。機場的信標臺,現在改成了60米的高臺,成為公園地標,繼續為飛機提供導航和定位。(via

任正非的三篇最新談話

上個月,華為連續放出了任正非的三篇最新談話。

這有點反常。以前,華為隔一段日子,才公開一篇任總的談話,現在短時間內公開三篇,真的很少見。

聯想到最近火爆無比的 Mate 60 系列手機,也是同一時間段發佈的,我覺得華為變得高調了。不知道這是巧合,還是華為真的改變了策略。

任總的談話,一向很有營養。網上曾經出現過一本《任正非文集》,收錄了1994年到2018年間,他的400多篇談話。我讀了以後,獲益良多。

這次的三篇談話,我也仔細讀了,很受啟發。下面,我整理編輯了重點內容,跟大家分享。他主要涉及了兩個部分:一個是華為的管理,另一個是教育問題。

華為的管理

1、招聘

華為有業務邊界,招聘時要跟人才說清楚,必須在我們的邊界內研究探索。高端人才只要同意這一點,我們就願意要。

華為儲備人才,不儲備美元。

華為要的高端人才,全部是技術方面。管理類或其他行業的幹部,走垂直循環、在實踐中逐步成長的道路,一般不會破格提拔。

2、如何留住優秀人才

物質激勵不是最主要的,最主要的是讓人才找到自己熱愛的崗位,興趣愛好與工作機會相結合。

評價人才的時候,只需要識別他特殊能力的一面,不需要全面評價一個人。

3、如何管理員工

主要有三點。

第一,要樹立企業目標,有一個整體方向,把員工凝聚起來。

第二,整個公司要有清晰的流程體系,研發、財務、供應鏈等各方面都要有。

第三,分配向勞動者傾斜。華為的財富在員工的腦袋裡面,所以勞動分配四分之三,資本分配四分之一。

4、產品發佈

華為發佈的產品,必須是先進的產品,否則就不拿出來賣。因為產品賣不了高價,就養不活隊伍。

教育問題

5、教育的作用

教育就是培養一個人。受培養和不受培養,人是不一樣的。

每個人都有自學的能力,但還需要受到良好的培養。"自培"和"他培"要結合起來,不要同質化培養,要因才施教。

6、英文和數學

有人說,不要學英文。你不學英文,將來在這個世界上怎麼就業啊?

還有人說,不要學數學。數學和英語都不好,就進不了高端行業,農民的孩子永遠是農民,階層分化就出現了。

7、教育改革

大班教育可以改成20個人的小班,教師隊伍就可以擴大一到兩倍。

有人說教師不能創造價值,但教師能創造未來。有了小班教育,對孩子的教育就容易差異化了,多冒出一些有才能的孩子,就創造價值了。

8、大學教育

學生的潛力,沒有辦法預知。要給大學生創造更開放的環境,讓他們更活躍一點,才能更多地培養出奇才、怪人。

教育模式可以多樣化。麻省理工學院就沒有教材,一個老師上來寫一通,另一個老師上來把前面的批判一通,再上來一個又把前面的批判一通。學生交作業,老師看思路正確就 OK 了,並不要結論,老師本身自己也沒有結論。我們要借鑑這種教育模式。

人工智能的算力,可以給大學生免費,讓他們在網上算這個算那個,其實是在掌握方法,這就是為我們國家培養挑戰未來的人。

9、新加坡

新加坡立國時,李光耀定了兩個最重要的政策。一個是確定了官方語言為英文,連接了一個非常大的世界;另一個是確定了發展漢語,準確來說是發展普通話和簡體字,這樣就把兩個大世界都連起來了。

我們要學習他,為了發展自己,連接更大的世界。(這一句不是任總說的,是我加上的。)

[活動] AI 時代下的管理變革

生成式 AI 的突然出現,帶給中國企業怎樣的機遇和挑戰?

10月28日(週六)有一場論壇活動,稀土掘金技術社區請來了13位技術決策者,以《AI 時代下的管理變革》為主題,暢談他們對 AI 的看法,以及各自產品的應對之道。

除了主論壇,還有三場閉門會議,主題分別為《LLM 工程化落地挑戰》、《AI 時代的研發效能提升》和《大模型的創新與創業機遇》。

對 AI 感興趣、想與高管面對面的朋友不要錯過,活動地點是北京的新雲南皇冠假日酒店,點擊這裡或者掃碼上圖二維碼,瞭解活動嘉賓和詳細安排。

現在就可以搶票,點擊官網的"立即報名"按鈕,使用優惠碼"XTJJryf1011",免費獲取原價3999元的主會場入場券,共有10張,先到先得!

科技動態

1、本田兩輪電動車

日本本田汽車推出了一款兩輪電動車 Motocompacto,造型非常緊湊,就像一個有輪子的公文包。

它的突出部分都可以收起來,包括車把、座椅、踏板,非常節省空間,收納後還有一個把手,非常適合放入後備箱,甚至帶上地鐵。

兩側的白色車身還可以定製個性化圖案。

它最高時速25公里,續航20公里,售價1,000美元左右。

2、AI 作業檢測

歐美的很多學校,學生都在用 AI 寫作業,令老師頭痛不已。

前不久,網友在推特發圖,顯示學校也開始用 AI 防範這種行為。

上圖是學校發給學生的通知。它這樣寫道:

"你的本次作業0分,系統發現27%的內容可能出自 AI。你最少要重寫第一段的前9行,然後在10月8日午夜24點前,重新提交作業。"

3、球幕劇場

拉斯維加斯的威尼斯人酒店,投入23億美元巨資,造了一個前所未有的球幕劇場。

它的最特別之處,就是內部和外部都是球形 LED 屏幕,夜晚亮燈以後,就變成地平線上的奇觀。

9月29日,該劇場舉辦了第一次正式演出:U2 樂隊的演唱會。從舞臺到所有天花板都是屏幕,播放360度的影像,體驗非常驚人。

演出一開始,屏幕上是內華達沙漠,觀眾彷彿身處露天,等待日出。

然後,每首歌都會變換背景,好像頭頂有不一樣的天空,比如飛過一群鳥,或者在海水之下。

4、胖熊周

每年秋天,美國阿拉斯加州國家公園,都要在官網舉辦"胖熊周"比賽,請網友根據照片投票,選出公園裡面最胖的熊。

秋天是一年中熊最胖的季節,因為它們必須儲備脂肪,準備冬眠。

主辦方今年做了一個創新,放上了同一只熊在7月和9月的照片,讓大家比較一下,僅僅相隔兩個月,熊的體型變化。

你可能不相信,上面兩張照片是同一頭公熊。前一張是7月12日拍的,後一張是9月18日拍的,這頭熊胖了很多。

下面是同一頭母熊,體型增大更是驚人,可見這個夏天她吃了多少。

SPL vs SQL 比較

SQL 的大名,大家一定聽說過,這是必備的數據庫技能。但是你未必知道,它有一個最大痛點:不善於計算。只要涉及計算,SQL 語句要麼不好寫,要麼性能差。

有一個面試問題:找出某隻股票連續上漲的最長天數,SQL 應該怎麼寫?

上面就是答案,涉及多張中間表,不是精通 SQL 的高級工程師,根本寫不出來。

SQL 不善於計算的原因很簡單,它作為查詢語言而發明,名字就叫"結構化查詢"(structured query),數學基礎是關係模型,一開始就沒有考慮要做複雜計算。

近年來,數據處理和計算的需求越來越大,於是 OLAP(聯機分析處理)和 OLTP(聯機事務處理)這樣的新技術就誕生了。它們基於數據庫,屬於"數據庫 + 計算層",如果遇到海量數據,處理效率往往不高。

但是,還有另一種思路:能不能改造數據庫底層,讓它善於計算呢? 這就是 SPL 語言的由來,它把 SQL 的 Q(query 查詢)換成了 P(process 數據處理),數學基礎從關係模型變成了離散數學,把 "數據存儲 + 數據計算"做在了一起

SPL 屬於新概念,網上有一箇中文論壇"乾學院",裡面全是 SPL 相關知識,大家可以看看。

國內目前只有一家公司,在研發和推廣 SPL 技術,創始人據說是來自清華大學計算機系的奧林匹克數學競賽的金牌得主。

他們已經做出了自己的 SPL 實現,並向社會開源了,叫做 esProc SPL,GitHub 已經有 2300+ star。這個產品有很多優點,我幫他們宣傳一下,把 SPL 傳播出去。

(1)寫法簡單。 它使用可讀的、描述性的語句,進行數據計算。比如,股票連續上漲的最長天數,它的寫法要比 SQL 簡單很多。

stockprice
.sort(trade
date)
.group@i(closingprice < closingprice[-1])
.max(~.len())

(2)計算快速。 它使用離散數學,避免了關係型數據庫的查詢模型,不需要生成中間表,能夠快速得到計算結果,並且資源佔用少。

(3)使用成本低。 它不需要改造現有開發流程,本身採用Java 開發,可以獨立運行,無縫集成到應用之中,不用部署服務,解釋執行。

它提供標準 JDBC 接口,可以被 Java 應用集成調用。對於非 Java 應用,則提供 HTTP 的 RESTful 接口。

(4)支持多種數據源,包括 MySQL 等主流關係型數據庫、NoSQL 數據庫、文本文件,JSON 文件。它本身也有自己的數據引擎,也可以把數據存在它裡面。

(5)易於使用。 為了適應國內的實際情況,加速推廣,它有一個類似 Excel 的圖形界面,輸入指令就直接得到結果表格,學習成本低,便於快速上手。

很多大型企業已經是他們客戶了,包括銀行保險公司國家天文臺等等。

對數據處理感興趣的朋友,除了 esProc SPL 的倉庫,也歡迎關注他們的公號(掃描下方二維碼)和論壇

文章

1、GPT-4V 的圖片應用(英文)

十一期間,OpenAI 公司推出了 GPT-4 的新版本,支持上傳圖片。

AI 既能處理文字,也能處理圖片,打開了許多全新的用法,本文演示其中幾種,令人思路大開。

2、Cloudflare 開放 Turnstile 驗證碼服務(英文)

Cloudflare 宣佈,驗證碼服務 Turnstile(上圖),對所有人免費開放。只要加入幾行代碼,就能免費嵌入自己的網站。

3、Astro 島嶼(英文)

前端框架 Astro 提出的一個概念:靜態頁面包含動態組件,後者就好像頁面裡面的"島嶼"(island)。

4、我愛死靜態類型了(英文)

作者用實例解釋,為什麼他認為靜態類型總是正確的選擇。

工具

1、Gitness

最新出現的 GitHub 開源替代品,用於自己架設服務,託管代碼。

2、Dexie.js

瀏覽器原生數據庫 IndexedDB 的包裝庫,提供易於操作的 API。

3、WeOCR

一個圖片文字識別的 OCR 網站,可以離線使用。(@plantree 投稿)

4、小鹿查單詞

一個蘋果設備的 App,用於語音查單詞,你讀一遍每個字母(比如 h-e-l-l-o),它就顯示單詞的意思。(@haozes 投稿)

5、DevToys

一款 Windows 的小工具集合,收入了開發者會用到的許多小工具。(@dllen 投稿)

6、Sutando

一個 Node.js 的 ORM 庫,用來操作關係型數據庫。(@kiddyuchina 投稿)

7、Inke

Notion 風格的開源 Web 筆記本,集成了 AI 自動補全(需要 OpenAI Key)。(@yesmore 投稿)

8、FastBootstrap

Atlassian 公司基於 Bootstrap v5.2 開發的一套 UI 開源組件庫。

9、Jailer

一個跨平臺的桌面軟件,用來瀏覽關係型數據庫的關係模型。

資源

1、Consensus

一個基於 AI 的科學論文搜索引擎,你問一個問題,它可以從論文中提取答案(英文的),很適合做文獻綜述。

2、ROM 代碼提取

這個倉庫是一個歎為觀止的演示,通過 ROM 芯片的顯微照片,確定裡面固件的代碼,即從照片還原二進制代碼。

3、Lepton AI

這個網站把開源的 AI 模型,都做成了雲服務,你可以在本地用一行命令調用,也可以在它的網站上試玩這些模型。

4、AnyBT

一個新出現的磁力鏈接搜索引擎。

圖片

1、阿拉斯加機場

阿拉斯加靠近北極圈,卻有著世界第三大貨運機場,原因就是它距離歐洲、亞洲、北美洲的主要城市的距離差不多。

下圖就是以阿拉斯加為中心的世界地圖,清晰顯示為什麼它適合成為航運中心。

2、寶馬7系防彈防爆版

寶馬汽車都有防彈防爆版。下面是工廠現場測試的照片。

這是不是全世界被最多子彈擊中的車。

文摘

1、佩託悖論

理論上,癌症的發病率,應該與生物體的細胞數量有關。細胞越多,越容易發生癌症。

大量研究發現,人類的癌症發病率與身高之間存在正相關,高個子比矮個子容易得癌症。犬類也是如此,小型犬的癌症發病率最低。

奇怪的是,這條規則只在同一物種之中成立,在物種之間不成立。

1977年,英國統計學家理查德·佩託( Richard Peto),首先發現了這個奇怪的現象。

他的發現,人類的癌症發病率低於小鼠,而鯨魚的癌症發病率又低於人類。

不同物種的癌症發病率,與體型似乎沒有關係,小型動物的癌症多於大型動物,這至今沒有令人信服的解釋。

上圖中,縱軸是細胞變異率,橫軸是細胞數量。細胞數量少的小型動物,反而變異率高。

這被稱為"佩託悖論"(Pato's Paradox)。

為什麼大型動物能夠在大量細胞中抑制癌症,已經成為一個新的醫學研究領域。

言論

1、

扎克伯格、貝佐斯、比爾·蓋茨、馬斯克,這些人有一個共同點,就是都有有錢的父母。

-- 《每個白手起家的百萬富翁背後》

2、

美國製造業為什麼節節敗退?一個重要原因是,美國工人要求更多的工資和更少的工作時間。

-- 華爾街日報

3、

AI 的危險在於,模型的每一次訓練所得到的知識,都可以複製並轉移到別的模型,因此 AI 可以互相共享知識,而人類的大腦是不能直接互連的。

-- 傑弗裡·辛頓(Geoffrey Hinton),著名 AI 科學家

4、

AI 的一個用途,就是陪老人聊天。數百萬老年人在養老院度過生命的最後幾年,與人的接觸很少。他們很孤獨,有 AI 跟他們聊天,總比沒有好。

-- Wired.com

5、

很久以來,我沒有在電影院看過電影,都是在 Netflix 或 Amazon 上看流媒體電影。

前幾天,我去電影院看《奧本海默》,電影一開始我禁不住就想:"字幕在哪裡?!" 我發現,我理解演員的說話的能力下降了,沒有字幕,很多話聽不清,覺得演員都在嘟噥。

-- Twitter 用戶

往年回顧

谷歌出了什麼問題?(2022 #226)

中國法院承認 GPL 嗎?(2021 #176)

內卷化是什麼?(2020 #126)

任何愛好都能變成職業,只要你會拍視頻(2019 #76)

(完)