最新

目前有一种奇怪的现象，人们对自己时间的价值并没有充分认识，远低于其实际价值。这种情况在一定程度上一直存在，但人工智能似乎将其推向了极端。 我经常遇到“我为什么不能用Claude来构建这个？”这样的问题。 我想说……是的，你可能可以？我花了大约100个小时来让一个最小可行产品（MVP）运作，并尝试以每月30到50美元的价格进行市场推广。然后我和一个每小时赚100美元的人交谈，他们说：“是的，这是个好主意，但我可以用Claude和n8n在几周内把这个搞定。” 假设他们在特定用例上花费了大约10个小时。这相当于他们花费了1000美元的时间来避免支付每月30美元。 从表面上看，这毫无意义。但这种情况仍在不断发生。Claude的订阅费用已经支付，所以输出感觉是免费的。与此同时，支付一个产品的费用，即使是便宜的，似乎是一个真正的决策。 因此，出现了这种奇怪的结果：人们宁愿花费更多的时间来避免花一点钱。 每个人都在告诉我关注真正的痛点。问题是，我所解决的痛点是真实存在的。人们只是想自己解决它。在企业B2B领域，这种情况一直是合理的，因为你有工程团队，构建与购买之间的权衡不仅仅是时间与金钱的关系。但现在我看到创始人和消费者也在做同样的事情，我从未见过人们如此轻视自己的时间。 对此我还不确定该如何处理。也很想知道其他人是否也有类似的观察。

由nvidia-smi、nvtop、Weights & Biases、Amazon CloudWatch、Google Cloud Monitoring和Azure Monitor报告的标准GPU利用率指标非常具有误导性。该指标报告的是任何内核在GPU上运行的时间比例，这意味着即使只有一小部分计算能力被实际使用，GPU也可以报告100%的利用率。在实际应用中，我们观察到某些工作负载的真实计算吞吐量仅为1%到10%，而仪表盘却显示为100%。 当团队依赖该指标进行容量规划或优化决策时，这就会成为一个问题，因为它可能使未充分利用的系统看起来像是饱和状态。 我们正在发布一个开源工具（Apache 2.0），名为Utilyze，以不同的方式测量GPU利用率。它采样硬件性能计数器，并报告相对于硬件理论极限的计算和内存吞吐量。它还估算了给定工作负载的可达利用率上限。 GitHub链接： [https://github.com/systalyze/utilyze](https://github.com/systalyze/utilyze) 我们期待听到您的想法！

礼品文章：<a href="https://www.bloomberg.com/news/articles/2026-04-27/microsoft-to-stop-sharing-revenue-with-main-ai-partner-openai?accessToken=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJzb3VyY2UiOiJTdWJzY3JpYmVyR2lmdGVkQXJ0aWNsZSIsImlhdCI6MTc3NzI5NjE3MiwiZXhwIjoxNzc3OTAwOTcyLCJhcnRpY2xlSWQiOiJURTVMT0lLSzNOWUkwMCIsImJjb25uZWN0SWQiOiJDN0U3REM1Q0MxRTQ0NzM0QkY2MzYxQjY5QzgxN0UzMyJ9.mkOwEicK1kMLb-h6ZjkN4u-DsF55439rrFad0m1lqZM" rel="nofollow">https://www.bloomberg.com/news/articles/2026-04-27/microsoft...</a><p><a href="https://openai.com/index/next-phase-of-microsoft-partnership/" rel="nofollow">https://openai.com/index/next-phase-of-microsoft-partnership...</a>