AI 投資三年了，錢到底花到哪去了？從 Bloomberg 的靈魂拷問看開發者該知道的事
Bloomberg 今天丟出一篇標題很直白的文章：「AI 泡沫要破了嗎？」三年過去，華爾街自己都搞不定這個問題——有人說投資人低估了 AI，有人說砸進去的錢已經變成一顆定時炸彈。 我不是金融分析師，但身為一個每天跟 AI 工具打交道的開發者，我想從技術端的角度聊聊：錢到底去了哪裡，哪些地方看得到回報，哪些地方還在燒。 錢去了三個地方第一塊：算力基礎設施。 Jensen Huang 在 GTC 2026 說 Blackwell 加 Vera Rubin 的訂單量預計到 2027 年達到一兆美元。雲端合作夥伴的 GPU 總量突破 100 萬顆。這些錢是實打實花出去的——資料中心、電力、散熱、光纖。你用 Claude、GPT 或任何一個 AI 服務，背後都是這些硬體在撐。 第二塊：模型研發。 OpenAI、Anthropic、Google、xAI、DeepSeek——每家都在瘋狂燒錢訓練下一代模型。GPT-5.4 三個月內把推理效率提升 32 倍，Groq 3 LPU 的推理速度是 GPU 的 35 倍。這些進步是真的，但訓練一個前沿模型的成本也是真的——動輒數億美元。 第三塊：應用層...
用兩個 AI 建立自動化工作流：讓龍蝦當 PM，Claude Code 當工人
凌晨三點，我的電腦正在分析美股、寫技術文章、整理筆記。早上七點，一份晨報自動推送到 Notion。白天我在 Telegram 對一隻機器龍蝦說「幫我查一下 NVIDIA 最新財報」，它寫好任務單，另一個 AI 在背景把事情做完。 這是我用 Claude Code 和 OpenClaw 搭出來的雙 AI 工作流。底下會把架構、夜班腳本、Cron 排程、安全邊界一條一條拆開，也會講我撞過的兩個坑：一個 CLI 旗標的版本相容問題，還有 WSL 下 node 路徑被搶走的鬼打牆。 為什麼要用兩個 AI一個 AI 包辦所有事聽起來很美，實際跑起來會撞牆： Claude Code（以下簡稱 CC） 是命令列工具，擅長深度工作——寫程式、分析資料、產出長篇內容。但它沒有常駐能力，不會 24 小時掛在那裡等你的訊息。 OpenClaw（我都叫它龍蝦） 是跑在 Docker 容器裡的常駐 AI 閘道，可以接 Telegram、Discord、Slack、WhatsApp。它 24 小時在線，隨時能回訊息。但它的強項是溝通和協調，不是長時間的深度工作。 兩者組合：龍蝦當 PM 接單和調度，CC 當...
在本機免費運行 AI 大模型的開源神器 Ollama
把一個大型語言模型跑在自己的筆電上，過去要先搞定 CUDA、PyTorch、各種 Python 依賴，光環境就能耗掉一個下午。Ollama 把這整段流程收成一個安裝檔加一行指令：ollama run，模型就在本機跑起來，資料不出機器，也不用付 API 費用。 這篇談 Ollama 的安裝、常用指令、API 整合，以及最容易踩的兩個雷：API 回應解析和模型自訂檔的格式。 Ollama 是什麼它是一個用 Go 寫的開源工具，把模型下載、權重管理、推論伺服器這幾件事包在一起。核心特點： 一個指令下載模型、開始對話，不用手動處理權重檔 內建一個跑在 localhost:11434 的 HTTP 伺服器，提供 REST API 同一份指令在 Windows、macOS、Linux 都通用 模型庫涵蓋 Llama、Gemma、Qwen、DeepSeek 等主流開源模型 要留意的是它走的是量化模型路線（預設多為 Q4 量化），換來的是更低的記憶體門檻，代價是輸出品質略低於原始全精度權重。對本機實驗、開發測試夠用；要追求極致品質得另尋方案。 安裝系統需求 作業系統：Windows、macO...
