英伟达宣布Nemotron3Embed，8B模型斩获RTEB榜首
2026-07-19“广州喝茶品茶外卖工作室”最新教学视频
最佳回覆
?1.观澜女街站最新位置 2026最新版N7.16.6-专家揭秘【:最新版官网地点、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、老师、邀请码、计划..」
?2.官网入口2026更新版V7.16.6-现在全面【:最新版官网地点、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、老师、邀请码、计划..」
???3.官网入口2026更新版N7.16.6-玩家详细【:最新版官网地点、手机版、在线、巨细、注册、登录、入口、网站、下载、网页版、网址、单双、老师、邀请码、计划..」
4、?重磅消息！??下海接单小程序app-APP下载?支持:winall/win7/win10/win11??系统类型?:特殊外卖怎么叫2026更新版V7.16.6(宁静平台)
5、?重大突破！???大学城周围被称为炮楼的原因-APP下载???支持:winall/win7/win10/win11??系统类型?:蓝精灵资源论坛2026更新版N7.16.6(宁静平台)
已兑现1159亿美元薪酬，特斯拉SpaceX合并疑云再起
当整个硅谷都在为通用人工智能（AGI）和万亿参数的通用大模型猖獗时，华尔街最神秘、最赚钱的量化巨头 Jane Street（简街资本）却在悄悄开辟另一条极其奢华的算力战线。近日，知名科技播客主持人 Dwarkesh Patel 稀有获准实地探访了 Jane Street 位于德克萨斯州的焦点数据中心。在这场与 Jane Street 技术团队配合卖力人 Yaron Minsky 以及物理工程团队卖力人 Dan Pavatova 的深度对话中，这家刚刚砸下60亿美元算力巨额订单的华尔街"造王商"，首次解密了他们如何在高频交易的"纳秒世界"与大模型的"重算力时代"之间构筑起无法复制的绝对壁垒。 焦点看法：突破延迟迷思： 量化交易并非全盘追求纳秒。最优战略是"集成要领"——100纳秒内靠 FPGA 进行极简决策；而更大、更智慧的 AI 模型则运行在微秒、毫秒甚至小时级别的时限上。60亿美元的算力野心： 金融数据的"字节与浮点运算比率（Bytes to Flop Ratio）"极高，且噪声极大。Jane Street 不追求硅谷那种"一个模型做所有事"的通用 Scaling Law，而是通过海量定制化架构和极速迭代来榨取逾额收益�；∩枋┏尚率ケ� 算力的真正瓶颈早已不是芯片自己，而是发电机、变压器和液冷设备。为了让 GPU 提前 6 个月上线，公司甚至可以做出"放弃全面发电机备份"的激进商业决策。交易是"AGI完全"问题： 交易的实质是预测未来。在市场爆发"相变（极端异常）"时，人类的元判断远比模型可靠。AI 时代，顶尖工程师和交易员的身价不降反升。 纳秒极速与大模型的"时间谱系"外界对高频量化交易一直保存一种刻板印象：机械必须紧挨着交易所（效劳器托管 Colo），每一笔交易都必须在纳秒级内完成，而动辄需要巨大盘算延迟的 AI 大模型似乎与之格格不入。对此，Yaron Minsky 明确指出："量化交易不保存简单的时间跨度，而是保存一个完整的谱系。"100纳秒内的"极限硬件生存"在百纳秒级别的极限速度下，决定胜负的甚至不是编程语言（无论是 OCaml、Rust 照旧 C++），而是纯粹的硬件逻辑：焦点设备： 直接挂载在网络导线上的 FPGA（现场可编程门阵列）。极限速度： "如果你在输入和输出的导线上连接一个示波器，你会看到数据包在被完全接收完之前，就已经开始从输出端发出去了。"价钱： 这种极致速度剥夺了庞大的盘算空间，此时的决策逻辑极其简单。微秒到小时级的"AI主战场"随着决策时间窗口放宽到几微秒、几百微秒、毫秒甚至数小时，更大、更智慧的 AI 模型便有了用武之地。预测焦点： 预测资产的"公允价值（Fair Value）"，并将其作为�？楦叨瓤勺楹系厍度氲街种纸灰琢鞒讨��？占淞榛钚裕� 模型越大、越慢，物理安排的位置就可以离交易所越远。这使得巨型 GPU 集群不必拥挤在腾贵且受限的交易所托管机房中，释放了算力规模。 砸下60亿美元算力：为何不走硅谷的 Scaling Law？不久前，Jane Street 与算力云巨头 CoreWeave 签署了一项高达 60亿美元 的盘算协议。针对这笔惊人的投入，Yaron 论述了华尔街与硅谷 AI 实验室（如 OpenAI 等）在 Scaling Law（规模定律）上的实质区别。拒绝"大一统"，拥抱"定制化"古板 AI 实验室追求训练一个完全通用的、能做所有事情的简单模型。而 Jane Street 的价值则来自于模型架构的极大多样性与猖獗的实验数量。研究人员需要极快的迭代时间，去针对千奇百怪的数据源实验截然差别的全新模型设计。奇特的"字节与浮点运算比率（Bytes to Flop Ratio）"金融领域的 AI 训练有着奇特的底层动力学：高数据量，低信息密度： 金融数据包括海量的噪声，单字节的信息量远低于自然语言。模型特征： 相比大语言模型（LLM），Jane Street 的模型往往更�。掏碌氖萘咳创蟮枚啵允菁釉睾痛娲⑿阅艿囊蟮执锪耸С５募侗�。为此，他们正在纵�构建自己内部的大规模工具存储系统。 算力战局的隐形瓶颈：从芯片到发电机与变压器当硅谷还在为英伟达最新的 GPU 芯片大打脱手时，卖力物理工程的 Dan Pavatova 透露，真正的战场已经转移到了物理基础设施上。商业决策击败纯工程完美主义"发电机是目前你能买到的交货周期（Lead Time）最长的设备之一，" Dan 体现。为了突破这个瓶颈，Jane Street 展现出了极其狼性的华尔街思维："我们可以挑战以前的看法。整个数据中心真的都需要发电机备份吗？如果我们拿掉部分备份，只留给最焦点的系统，就能让我们的 GPU 提前 6 个月上线。从工程上看这或许不是最完美的，但这绝对是最好的商业决定。"物理极限的迫近：1兆瓦机架与800V直流电随着算力密度的猖獗飙升，未来的技术计划正在爆发剧变：设备瓶颈： 目前变压器、发电机以及用于液冷的冷却设备处于极端缺少状态。技术演进： 数据中心正在向单机架 1兆瓦（MW） 的恐怖密度迈进，冷却管道越来越粗。供电架构也正在从古板的交流电向 800伏直流电（DC） 演进。两阶段锁定战略： 鉴于芯片迭代太快而基础设施建设太慢，Jane Street 倾向于"做多（Long）"电力和数据中心容量，先锁定能源，再推迟对腾贵芯片的采购决策，甚至在须要时将电力容量分流给他人。被迫放弃的"x86捷径"多年来，Jane Street 运营技术组织的一个诀窍是"走捷径"：假装世界上只有 x86_64 一种 CPU 架构，并且只维护一个大型研究数据中心和一个存储集群。但现在，随着算力需求全球化漫衍（无法在简单所在引入足够恐怖的电力），以及英伟达全新 ARM 架构产品的推出，这一捷径已被彻底突破。盘算和存储调理的交织、以及对 ARM 架构的支持，让系统庞漂后变高了几个数量级。 四、 AGI时代，人类认知为何依然是"终极护城河"？当被问及"一旦 AGI（通用人工智能）实现，是否会立刻让 Jane Street 失业"这一激进问题时，Yaron 给出了一个很是清醒且深刻的回覆。交易是"AGI完全（AGI-complete）"问题Yaron 认为，交易实质上和"NP完全"问题一样，是一个"AGI完全"问题。这意味着世界上爆发的任何风吹草动（政治、天灾、科技厘革）最终都会汇入并影响交易配景。"在简单的部分被自动化后，那些模型无法自动化的硬核部分，反而成为了竞争优势的终极所在。我历来没有像今天这样迫切地想要招聘更多的工程师和交易员。"无法被电子化取代的"人际修辞"与相变非电子化交易依然强大： 纵然在今天，大宗大额交易（如债券业务）依然依赖于人与人之间通过聊天工具的直接相同。交易员需要肉眼和直觉去评估电话那头的人代表了多洪流平的"逆向选择（Adverse Selection）"（即对方是否掌握了你不知道的内幕）。相变中的"元判断（Meta Judgment）"："简街最赚钱的日子，往往是世界陷入猖獗、没人知道爆发了什么、市场爆发‘相变’的时刻。我们希望模型能体现好，但我们深知，人类在应对相变时比模型靠谱得多。此时需要一种人类独吞的‘元判断’来决定系统该做什么。" 全面扩招：简街正在寻找哪些人？随着 GPU 规模在短期内计划从几万张猖獗飙升至几十万张，Jane Street 正在全球规模内展开前所未有的人才搜猎，机械学习和交易如今是一项"全方位的团队运动"：物理工程类： 机械工程师、电气工程师、结构工程师、项目经理、建筑师（卖力数据中心全生命周期的寻找、设计、建造与运营）。通用/专业软件工程： 除了高标准盘算机科学配景的通用工程师，简街现在猖獗渴望"全舰队/全集群规模优化（Fleet-wide Optimization）"的人才（类似于超大规模云效劳商的架构师），因为当算力投资抵达数十亿美元时，通用的微小优化将爆发巨额的财务回报。前沿硬件与数理研究： 设计定制芯片（ASIC）的硬件工程师；利用数学证明让软件更高效的"形式化要领（Formal Methods）"团队（AI 革命让这一冷门领域一夜回春）；以及拥有数学、物理、盘算机配景的交易员。高阶前端工程师： 已往简街极端重视命令行终端，假装 Web 网页技术从未爆发过。但现在为了给研究人员提供更直观的 AI 工具、画出精准的直线和工具提示，他们正在纵�投资建设顶尖的前端开发团队。以下为对谈全文，由AI辅助翻译：Dwarkesh：Jane Street 是我播客的相助同伴，我们想到的一个有趣点子是：为什么我不过来亲自旅行一下你们运行的用于训练（AI模型）的数据中心呢？所以我刚刚在技术团队配合卖力人 Yaron Minsky（译注：视频中口误及速记为 Ron Minsky）和物理工程团队卖力人 Dan Pavatova（译注：速记为 Dan Ponttovo）的领导下，旅行了这个位于德克萨斯州的数据中心。很是谢谢两位带我旅行。值得一提的是，我以前从未去过这种地方，所以我也是第一次旅行，这太棒了。以前我一直很困惑：既然你们需要在纳秒（nanosecond）级别进行交易，那你们怎么能做 GPU 相关的事情呢？也许你们可以详细讲讲，你们交易的实际时间跨度（时限）是怎样的？在做出交易决策的历程中，你们能担负得起运行大型模型的本钱（或时间延迟）吗？Yaron：我认为这里需要理解的焦点一点是，并没有简单的时间跨度，而是保存着许多差别的时间跨度。我们构建的一些交易系统和进行的某些交易，为了坚持竞争力，你实际上必须在 100 纳秒以内处理并返回一个数据包。这是一个完全差别的技术领域，对吧？人们有时会讨论，好比："哦，你们能用 OCaml 编写高性能的工具吗？"我们的回覆是："我们可以。但关于这种级别的速度，不管你是用 OCaml、Rust 照旧 C++ 编写都不重要，因为你基础无法使用 CPU。你必须使用 FPGA，它直接通过导线连接到网络上。你返回数据包的速度非�？欤绻阍谑淙牒褪涑龅牡枷呱狭右桓鍪静ㄆ鳎慊峥吹绞莅诒煌耆邮胀曛埃鸵丫即邮涑龆朔⒊鋈チ�。"所以这是一个很是差别、很是特殊的领域。可是，当你处于这个时间领域时，你实际上无法进行太多的盘算，你所做的决策将会很是简单。事实上，在决策的"智慧水平"（无论是模型照旧其他某种甚至是手写的决策历程）与"返回速度"之间，保存着一条完整的权衡曲线。而构建最佳交易战略的正确要领，实际上是接纳一种集成（ensemble）要领。关于某些类型的决策，你会很是迅速地做出很是简单的决策；关于某些类型的决策，你的运作规�？赡苁恰辉偈强悸� 100 纳秒，也许是几微秒、几十微秒、几百微秒或毫秒；而在某些情况下，有些流程如果能在半小时或当天内完成决策返回，那也完全没问题，在这些时间跨度上，你在时间基础上同样具有竞争力。但在所有这些差别的时间跨度上，你所做的决策类型是完全差别的。也许你未便透露，但这些模型究竟在预测什么？肯定不可是订单簿（order book）中的下一个变换吧，或者也许就是？我们现在显然是在触及一些很难果真谈论的话题。但我认为最简单也最重要的一个，也是我们一直在思考的——不可是现在在想，25 年前我刚加入 Jane Street、用线性回归等工具构建模型时就在想——一个很是有用、很是经典的事情就是预测某样工具的公允价值（fair value）。好比，我们认为这个工具真正值几多钱？这能够以一种非�？勺楹系姆椒ㄈ谌氲叫矶嗖畋鸬慕灰琢鞒讨�。这并不是我们作为预测目标的唯一一类事物，但它是一个很重要的目标。有一阵子，我感受有一种关于交易公司在做什么的梗（meme），那就是：你必须搞定效劳器托管（colo），搬到纳斯达克交易所所在的地方，你的机械必须紧挨着那儿，这很是重要。在不深入讨论我们把什么工具放在哪里的具体细节的前提下，你的推理（inference）历程可能在 CPU 上，可能在 FPGA 上，也
本文链接：?/m/article/9937370.shtml
视界网大庆分站允许：如遇虚假欺诈，助您维权(责编：萧郁婷、林佳颖)
百度反诈中心提示您：高收益理财，看似天上掉馅饼，实则血本无归的陷阱。前往百度宁静反诈平台了解更多
