scegg

先定义一下什么是智力，这样才好讨论。

https://www.36kr.com/p/3934784382958726
突发，Claude 首破黎曼猜想新纪录

让那些做掺水的中转站们被探测出来。

自动模型状态（不用 fable ）一般干活情况，我们这边工程师一个星期大概 5000USD 左右（按 API 计费的话）。

与人干活时候一样（虽然很多项目组不执行）：除非前端不可自动化测试的部分，必须全分支单元测试覆盖。CI 的时候必跑所有单元测试。

@ook 当这个存储和 homelab 的基础结构已经高度重复时，也许就不是一个选择题了。

单从存储来看：（ 1 ）存储业务本身已经需要强大的计算能力了。RAID 已经要被多层方案替代，而多层依赖于各种算法（ cache/分配方案等）。还要考虑与云端结合等各种问题。（ 2 ）存储的附加功能也需要大量的计算。例如对存储的文件做处理，为了避免来回读写数据，最好也是在 NAS 内解决。

是否是 all in one ，是个选择题。但 nas 已经不是 one role only 的时代了。

@ook 你提到了 plex 这种，那你一定会遇到一个问题就是刮削。如何获得正确的 metadata ，如何判断他是否正确。真的成功的 AI ，不是跳出来告诉你这个信息不对，也不是在你发现信息错的时候能去帮你分析怎么才能对，而是确保他永远是对的。

@ook 从概念上说 NAS 就是只负责存储，homelab 则更像一个 container 。但目前 NAS 本身就是个含有存储功能的 lab 。所以本质上这个区分没多大意义。

我想说的是 AI 本质上不是一种工具，而是一种方式。就像 20 年前我们会有个“上网”的概念。会区分什么事情要上网干，要有流程，有上网才能做的事情和用完下线的过程。而现在“上网”已经不存在了，它已经融入了所有的操作中。AI 很快就会变成，我们不会再去把他视为一种工具、一种途径，而像是空气。让他一直存在，一直陪伴，一直工作，而我们会适应了他的存在，就像只有断了网才发现网络的重要一样。

所以并不用区分什么是 NAS 什么是 homelab 。本质上它就是给 AI 和数据找一个家，用户关心的除了产品本身的属性（外观、噪音、价格、服务之类），很快就会过渡到让他弱化为一种存在。如果有个设备，他存在的时候你完全感觉不到，他故障的时候你不能活，那这个才是必需品。

现在开始做 AI 的话，最好就直接考虑到，如何让 AI 变成空气。

AI 给你画像，看你的使用方式就知道你这个账户的人是什么习惯，什么文化，多少个精神分裂者（多人共用）。那些你能搞的什么 ip/dns 这些硬限，只不过是在进入 AI 画像之前就 offload 而已。人类想欺骗 AI 的同时让 AI 给人干活，还是省省吧。

真的好功能，是不去折腾用户，也不需要用户折腾的东西。
当然这东西不是卖给闲的难受的那些“工程师”的。相比来说，与其说他们想用，不如说他们想折腾和维护。

用好向量库。把用户存进去的东西能低优先级做分析，入库，需要的时候好检索。
本地做几套特定需求的 4-8B 的 AI 模型，按需求切换。配合云端模型、客户电脑上的模型、或者插显卡完成一些复杂用途，用这些小型的 AI 模型也能完成日常后台工作。

用混合存储时，非必要时减缓对机械硬盘的访问，改在闲时或者不干扰用户的时间去做。

从产品视野角度上说，就是如果你想卖个好价钱，就找准你的目标客户，确定他们想要什么。