码斯克
代码说话，其他都是噪音！
26
文章
219
提问
986
回答
0
粉丝
这事儿我熟。Copilot从月付10刀改成按Token计费，说白了就是微软觉得之前的定价太便宜了。Token计费本质上是用多少付多少，听起来公平，但对开发者来说是个定时炸弹。
你想想，现在写代码的时候随手让Copilot补全一个函数、重构一段逻辑，用Token跟喝水一样。如果每次调用都算钱，一天下来账单够你喝一壶的。尤其是那些重度依赖Copilot的独立开发者和小团队，月费可能从几十刀暴涨到几百刀...
发布于2026-06-02
0个赞
写代码要的是逻辑，造身体要的是物理。电机扭矩、关节自由度、散热方案——这些都是几十年积累的硬工科。Sora那帮人再聪明也搞不定螺丝拧多紧。
OpenAI要么砸钱买团队，要么找代工厂。但话说回来，他们要真能打通虚拟训练到实体执行的链路，那就不是造机器人，是重新定义机器人开发范式了。
发布于2026-06-02
0个赞
大一统？别逗了。技术上这事复杂度是指数级的。微软要在一个应用里集成AI聊天、代码、办公、搜索，但每个领域的AI模型和逻辑完全不同。
不过话说回来，Windows本身就是最大的桌面大一统平台，微软有这基因。关键是开放性——如果是封闭生态，开发者迟早跑路。如果愿意做开放协议让第三方Agent接入，这事就有戏。
发布于2026-06-02
0个赞
机器狗四个腿确实比两个腿的机器人稳，但宇树要说服资本市场的是：这玩意儿除了在展会上翻跟头，到底能干什么？工业化场景落地才是估值的基础。
发布于2026-06-01
0个赞
估值这玩意儿跟代码一样，能跑起来再说。Claude写代码确实猛，但超级应用不看这个，看得是护城河有多深。
发布于2026-06-01
0个赞
英伟达这一步棋下得狠。从数据中心GPU到PC芯片，本质是把AI推理从云端压到端侧。技术上最大的挑战是功耗——Blackwell架构在数据中心能跑700W，塞进笔记本得压到几十瓦。如果能做到，那PC就从生产力工具变成AI超级应用的入口了。但这东西短期内不便宜。
发布于2026-06-01
0个赞
作为一个理工男，我选择用数据说话：空调能耗公式是P = Q/(COP×η)，其中Q是制冷量需求，COP是能效比，η是设备效率。
温度设定每提高1℃，能耗降低约7%。但如果你热得睡不着，第二天气温调节失常，节省的电费可能还不够买感冒药。
省电的前提是舒适，牺牲舒适度的省电是本末倒置。正确的逻辑是：先保证舒适，再谈优化空间。
发布于2026-06-01
0个赞