阅读记录 · 2026-06-08

知识感不是知识。ai编译器的前途

知识感不是知识

很多人说高三是自己的智力巅峰、知识储备量巅峰时期，是这样吗？这种说法有科学依据吗？ - 墨苍离的回答 - 知乎 https://www.zhihu.com/question/2046328877383775879/answer/2046556728070874465

这篇文章中很好的点明了知识感不等于知识。 费曼曾经讲过一个故事，两小儿认鸟的故事，从这个故事中他说知识是从深入了解一个事物中得来的，而不是仅仅记住什么鸟是什么名字。 让我想到了我最近的想法，我刚刚在和朋友吐槽完b站某博主。

展开：我的吐槽原文

没关系，因为他把自己包装成swe和ai工程师

怎么包装呢？是通过network和硅谷其他一堆华人swe or mle做播客

然后mle的产品流程，数据流向他都头头是道

事实上计算底层，他肯定啥都不会

因为他是来卖课和“为大家补齐信息差”的

他也不用会，因为“为大家补齐信息差”的方式就是不断做播客还有分享自己的使用ai心得。事实上听了他视频bb这么久并不会对人有什么帮助

因为没有get hands dirty，他的职场方法论对于像我这样的学生来说用不到，对于打工人来说方法冗余，他的使用ai教程为了卖课提高受众面从而浮于表面，每一个课都像2023年教prompt engineering，里面用vibe coding搓几个toy project，他的“合伙人”Y哥才是有真本事的，但是他们不会教从1到10这部分的swe/mle成长经验，因为这些都是得在挫折中学来的，而不是在课中学来的。而且他的课也能轻易找到平替，比如stanford cs146s

所以其实我觉得他不仅把别人骗了，还把自己给骗了

堂堂xxxxxx econ phd，xxxxxx data scientist，主动离职哥，现在看起来只是乘着时代的风上天罢了。

不过ds还没有死，至少是mle中的数据这一环还是很需要的，只不过xxx这位比较牛逼，我不是很喜欢他。

我感觉我也跌入知识感陷阱中了，最近总是觉得自己一定要触及到最全面的知识，赶上好时代了，ai这么强大能助我一臂之力。 换句话说，如今使用ai代替思考不也是“知识感”的一种表现形式吗？

世界只为结果付钱，只为稀缺性付钱，只为护城河付钱，为别人承担不来的复杂性付钱，等等。

真正的学习，一定伴随着不舒服，其实我这两天碰到新的问题第一反应也是惯性般的先逃避，写下这些文字也是，因为我已太久没有如此书写自己的感受。

不赖，安慰一下自己，俗话说，装着装着就像了，走出了0.1步也比踟蹰不前好。

ai编译器的前途

编译器开发的前景怎么样？ - 菽陌松囿的回答 - 知乎 https://www.zhihu.com/question/459548251/answer/77599983499

感觉基本上都是推理优化这一块，而且是专门基于新的芯片做新的编译优化的工作。针对新的芯片的架构的编译器ai还写不来，因为没有足够的训练数据。

ai编译还是有用的，端侧部署推理 手写是快，但是op 支持不完善，尤其是有很多小op的场景，融合能有一定的应用场景，yolo 的检测部分，这方面tvm 就不错，核心op 手写，琐碎小多op 依靠ai编译的融合，能更好的支持图泛化能力和性能。这些op 手写起来很麻烦，而且组合太多。

而且ai编译器的定位不应该追求极致性能，而是作为一种补充手段，能够提供快速实现性能过得去的原型系统，比如说triton。如果你说ai编译器就应该快的话，确实没啥用。

大模型时代是否还需要AI编译技术 - 蓝色的文章 - 知乎 https://zhuanlan.zhihu.com/p/12041352548

这位是蓝色大佬，zju学长。这个回答虽然是2024年的，但是依旧非常有远见。

如果它只是一个AI ChatBot，那上限也略低了一点。LLM会演变为一个大脑决策，然而在给大脑决策这一环，我们会发现我们依然需要各种多模态的模型配合LLM，Universal Token是一个很重要的趋势。

6月8日新闻： - OpenAI仍在开发「超级应用」 TechCrunch报道OpenAI继续推进一款整合多功能的「超级应用」，一名资深员工称「Chat已死」。 - https://techcrunch.com/2026/06/07/openai-is-still-working-on-that-super-app/

刨除专一的芯片，我们需要看到各种异构硬件未来依然会泛化，云虽然NV很强，但是各种成本的考虑，AMD，国产芯片也会有一番作为。同时，在设备端，那更是碎片化满地的场景。在这种情况下，编译的技术依然显得非常的重要。

手写以及编译从来不是互斥的关系，在传统编译器时代，编译器+math库高性能是很经典的搭配，CNN时代，AI编译器+Vendor Library也是很经典的搭配，LLM时代完全手写就能应付所有的场景吗？这一点我持保留态度。但是LLM时代无疑是一大更深度融合的时代，我听闻了有同行甚至要从OS层面来做针对LLM的优化。而即使是目前为止，我们也发现了LLM带来了更深的服务化与推理的融合，CNN我很难想象大家会在推理框架中做Serving。

AIOS？虽然我现在还不知道他是怎么实现的， https://github.com/agiresearch/AIOS

知识是被压缩而非储存的

这是一篇nature文章，通过研究蝙蝠在循迹时的海马体表征，探究学习时海马体的运行方式。 研究发现信息在进入大脑的第一刻开始就被进行压缩。 https://mp.weixin.qq.com/s/W4ri1FR30y3YYu4xlc6cBA

这探寻到了LLM与人类智能本源的探讨。 jyy老师的os2026 第4讲亦有提到。 https://jyywiki.cn/OS/2026/lect4.md 语言是知识最佳的表达形式，LLM是一个目前最接近智能本身的解法，但是正确与否目前不清楚。

Claude车队usage大研究

https://linux.do/t/topic/1740014 哈哈哈我这个太严谨了，我确实看不太懂，总之还是很好玩的，A畜喜欢玩限额这一套，但是社区大佬们总能有奇妙的应对方法。

## notion贴脸开大A\ opus 4.7 and4.8效果太烂了，我们移除了这两个模型选项。

ai视频创作下，如何写好一个故事

【AI味太重？好故事还是要有人味！】 https://www.bilibili.com/video/BV1oCrYB4EGG/?share_source=copy_web&vd_source=b55fd039868dd94b5b8c6ce634837160 依旧是四叔的视频。 好的故事依旧是得遵循故事的写作规范的。 其中也体现了一些“技术平权”的思想，老一辈的导演坚守着技术--胶片，自然光。。。像是黄昏下的孤独落寞的骑士。 视频最后探讨了ai语境下的工作状态。

很多脑力劳作其实也没有价值， 但是真正的创造力是不会被替代的， 只是创造的方式会变，认识的边界会变，知识的边界会变，甚至传递的经验也会变。 而世界从来就是变化过来的。 创造的空间会越来越广阔，广阔到产生一个全新的可怕问题。 在未来思想上的差距会不会被无限放大呢？认知的差距会不会分化的极度严重呢？

ai作为外置大脑其实非常好用

怎么看诺奖得主联手Claude，40轮对话证出12年物理猜想? - 拉格朗日的忧郁的回答 - 知乎 https://www.zhihu.com/question/2047276929548604568/answer/2047377217248814004

因此我们可以这么说，ai作为某种外置大脑其实是非常好用的，但前提一定是你本身是个非常懂行的专家，你知道什么是正确的问题，你也清楚地知道ai的哪一步是正确的，哪一步是在忽悠。如此，ai才可能解决出足够重要的问题。