24小时热榜

我们都熟悉Corgi事件：https://x.com/mfts0/status/2070080422482977095 由于大型语言模型（LLMs）显著降低了创建新应用程序的门槛，我看到越来越多关于版权和不正当竞争的案例。 我见过并参与过一些这样的案例。通常需要专家证人。 我很好奇社区对此的看法。 “现在软件开发者感受到了作者和艺术家的感受。” https://x.com/PriyRanjan96/status/2070204156703568377 有几种说法：复制用户界面是可以的，你的产品不够有差异化。 以下是对此情况的法律评估：https://x.com/jessebradner/status/2070492879718350986

嗨，HN， 我是一名风险投资人，同时也是三次获得风险投资的创始人。风险投资人和创始人都在进行一种低概率的匹配游戏。更好地进行双向精准匹配是解决双方问题的关键。 因此，我创建了“投资者匹配”工具——创始人可以上传投资计划书（或粘贴Docsend链接），系统会返回20个按匹配度排名的投资者，提供适配分数、联系方式以及预先撰写的联系邮件。此外，还有一个投资计划书拆解功能，可以在发送给投资者之前帮助你改进计划书。我们在1月上线，目前已有超过3000位创始人使用过该工具，数据库中有超过10000位风险投资人。迄今为止，创始人们已经报告从匹配中获得了超过1亿美元的投资承诺。 当我还是创始人时，我会在Crunchbase和Techcrunch上寻找投资者，并给他们发送冷邮件，通常没有足够的上下文信息来了解他们的投资阶段、行业适配或他们实际投资的内容。大多数之前的匹配系统只是简单的关键词匹配（你是B2B，投资者X投资B2B，所以匹配）。而“投资者匹配”在阅读了所有投资者的网站、社交媒体、投资组合、实际投资和新闻文章后，进行全面的语义匹配。它能更好地匹配你的地理位置、阶段、行业等。 核心流程是：创始人上传计划书，系统提取上下文并由创始人确认，以创建公司卡片。该卡片会与投资者的个人资料进行匹配，包括阶段、投资额度、行业、当前投资状态及其他投资信号。计划书是加密的，未经创始人同意不会被分享。系统会生成针对特定合伙人及其投资组合的个性化冷邮件。此外，还会生成一份包含推荐理由的PDF文件。与已有投资者的创始人如果将该推荐名单发送给现有的利益相关者，通常能获得100%的热引荐。你可以同时进行冷邮件和寻找热引荐。系统不会发送邮件，它不是一个垃圾邮件工具。你仍然需要自己进行联系。 虽然核心流程是针对创始人的，但有数百位风险投资人拥有活跃账户，并使用该工具接收交易流、创建特定于公司的计划书机器人，并为他们的投资组合公司提供热引荐。这就是我作为风险投资人使用该工具的方式。我最近投资的三家种子轮公司都在该工具推荐的20位风险投资人中找到了种子轮投资者。我能够进行10到15次热引荐，而不是像过去那样只记得1到2个人进行引荐。 该工具每个计划书消耗数百万个令牌，提供前三个匹配免费，以及高水平的计划书拆解。要查看完整的匹配和邮件等信息，匹配费用为20美元，拆解费用为10美元。我只是想覆盖服务器成本（目前几乎不够），这不是一个为了盈利创始人的商业模式。以每个高质量风险投资匹配1美元的价格，在筹集数百万资金时是个不错的交易。 目前仍在测试阶段，存在一些瑕疵。希望能得到最近有筹款经历或构建过类似工具的人的反馈。

出于某种原因，我今天想起了2000年代初我第一次去圣荷西参加SANS学院课程的经历，以及发现Fry's电子商店的那一刻。在那之前，我在世界其他地方从未见过如此丰富的内容，可以用来组装自己的电脑或相关工具，这一切让我感到无比惊奇。 不过，最美好的回忆来自于我作为芝加哥人时得知我们将拥有自己的Fry's商店的那段时间。那时，科技爱好者社区的兴奋之情无以言表，我们甚至分享了Downers Grove那块正在建设的土地的进展照片，接着是建筑的逐步完工（墙一块一块地建）。 我们常常称这个地方为“IT人士的教堂”，因为我们会在周末去那里，待上“弥撒”（相当于一个时间段）和更多的时间。 哦，时光啊！

人们在大型（32倍）自托管设置或小型多机架设置中如何测量GPU的功耗？我见过一些可以收集和传输数据的电源分配单元（PDU），但我不太清楚具体的流程，以及人们在小型构建中是如何做到这一点的。 目前，我通过NVML的nvmlDeviceGetPowerUsage接口收集数据，在推理过程中每100毫秒轮询一次，记录每次请求的峰值和平均功耗，得到以下数据： 模型 平均功耗范围（瓦特） 波动 标准差 qwen3-8b 114.3-121.9 7.6W 1.17 llama-3.1-8b-instruct 104.7-122.1 17.4W 4.29 qwen2.5-1.5b-instruct 53.7-73.0 19.3W 5.23 mistral-7b-instruct-v0.3 96.2-120.0 23.8W 6.01 qwen2.5-7b-instruct 88.7-124.5 35.8W 7.73 gemma-3-1b-it 49.4-56.7 7.3W 2.13 以上数据是针对每个GPU、单卡的测量结果——我不确定在机架规模下是否存在每次请求的功耗归属，或者监控是否完全在PDU/BMC级别进行。