Dylan Patel:AI真正的100倍,不是模型,而是软硬件共设计
当所有人都在讨论大模型参数、GPU数量和AGI时,SemiAnalysis 创始人 Dylan Patel 给出了一个更激进的判断:未来 AI 最大的突破,不会来自单一模型,也不会来自单一芯片,而是“硬件—软件—模型”三层同时协同优化。一旦真正打通,2x、2x、2x 不会只变成 8x,而可能直接变成 100x。
当所有人都在讨论大模型参数、GPU数量和AGI时,SemiAnalysis 创始人 Dylan Patel 给出了一个更激进的判断:未来 AI 最大的突破,不会来自单一模型,也不会来自单一芯片,而是“硬件—软件—模型”三层同时协同优化。一旦真正打通,2x、2x、2x 不会只变成 8x,而可能直接变成 100x。
如果你以为开源模型已经被闭源全面碾压,这期 TBPN 给了一个更拧巴的答案:差距没拉开,但利润正在被芯片吞噬。GLM 5.2 的爆红、Token 成本的反直觉上升、以及 Google 限制 Meta 使用 Gemini,拼出了一张当下 AI 行业最真实的战局图。
很多人以为开源大模型已经“慢下来了”,但在这期 TBPN 里,一个名字被反复提起——GLM 5.2。它不只是性能进步,而是逼着整个行业重新思考:当模型权重真正开放、Token 成本被放大、监管和安全压力同时逼近时,闭源巨头还稳吗?
如果你以为 AI 写代码贵,是因为模型太强,那你可能被账单骗了。Tesco 的工程师 Raj 讲了一个更反直觉的真相:真正烧钱的不是模型在“思考”,而是你一次次把用不着的代码塞进上下文。更狠的是,他们几乎没碰模型,就把 Token 砍掉了 94%。
一夜之间,GLM 5.2 被称为“本地 AI 的 ChatGPT 时刻”。但真正重要的不是跑分,而是它第一次让本地/开源模型进入了「能直接进工作流」的阶段。这期视频,用 20 分钟把设置方法、真实体验和行业拐点讲清楚了。
如果你还觉得“开源模型只能玩玩”,那这一周的AI圈可能会让你当场改观。Riley Brown用一条视频,串起了GLM 5.2的基准成绩、Cursor里的一键实操,以及Slack中真正能跑起来的云端AI Agent——这不是渐进更新,而是一次范式跃迁。
有人花3万美元做1分钟发布视频,还被告知“这已经很便宜了”。但在这期视频里,HyperFrames展示了一条几乎颠覆行业的路径:不用剪辑软件、不用设计团队,只靠代码和AI Agent,就能免费生成专业级产品发布视频。
如果你只记住这一周的一件事,那就是:把整个业务押在一个大模型上,突然变成了高风险行为。Fable 5 被暂停、SpaceX 意外入局、中国开源模型补位,这不是零散新闻,而是一场行业级的“重新站队”。
如果你还在把 AI 的差距归因于算力或参数量,这期 Dwarkesh Patel 的讨论会直接把这个认知打碎。真正拉开差距的,是一口几乎无法复制的“数据黑洞”——由人类专家经验、长期训练与任务缝合而成,正在让开源模型与前沿模型越拉越远。
大多数人还在纠结提示词怎么写,真正的变化已经发生:AI Agent 正在变成会“自己干活”的数字员工。从模型能力、技能自组装,到能直接操控你的电脑,这9个趋势决定了谁会被时代推着走,谁会被甩下车。