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...
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，你的電腦正在幫你分析美股、寫技術文章、整理筆記。早上七點，一份完整的晨報自動推送到你的 Notion。白天你在 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 在背景默默把事情做完。 這不是科幻小說，這是我用 Claude Code 和 OpenClaw 搭出來的雙 AI 工作流。 為什麼要用兩個 AI？一個 AI 做所有事情聽起來很美好，但實際跑起來會撞到幾個牆： Claude Code（CC） 是命令列工具，擅長深度工作——寫程式碼、分析資料、產出長篇內容。但它沒有常駐能力，不能 24 小時掛在那裡等你的訊息。 OpenClaw（龍蝦） 是 Docker 容器裡的常駐 AI 閘道，可以接 Telegram、Discord、Slack。它 24 小時在線，隨時能回你訊息。但它的強項是溝通和協調，不是深度工作。 把兩者組合起來：龍蝦當 PM 負責接單和調度，CC 當工人負責執行，各做各擅長的事。 整體架構12345678910111213141516你（Telegram） │ ▼龍蝦（OpenClaw...
在本機免費運行 AI 大模型的開源神器 Ollama
前言隨著 AI 技術的快速發展,大型語言模型(LLM)的應用越來越廣泛。然而,要在本機運行這些模型往往需要複雜的環境設定與昂貴的硬體設備。今天要介紹的 Ollama 就是一個能讓你輕鬆在本機運行各種開源 AI 模型的神器! Ollama 是什麼?Ollama 是一個開源的 LLM 運行工具,它的主要特色包括: 簡單易用的安裝流程 支援多種開源模型 優秀的效能最佳化 完整的 API 支援 活躍的社群支援 安裝教學系統需求 作業系統: Windows/macOS/Linux RAM: 建議至少 8GB 硬碟空間: 依照模型大小,建議預留 10GB 以上 安裝步驟Windows 安裝 從 Ollama 官網 下載 Windows 安裝檔 執行安裝檔,依照指示完成安裝 開啟命令提示字元確認安裝成功:1ollama --version macOS 安裝使用 Homebrew 安裝: 1brew install ollama Linux 安裝使用官方腳本安裝: 1curl -fsSL https://ollama.ai/install.sh |...