#OKX年夜饭 È vero, @star_okx ha detto benissimo, colpendo i punti dolenti del settore con arguzia e umorismo!   Se il colore di base di Crypto rimane solo "scommettere tutto", "PVP", "xx vita" e "arricchirsi cento volte" con una cultura da casinò carica di negatività, stiamo in realtà soffocando il futuro di questo settore e shortando il nostro $BTC.   Quando stablecoin, RWA, AI+Crypto, DeFi e altri diventano gradualmente mainstream, Crypto non è più quel settore marginale disprezzato da chi è al di fuori, ma un'industria parallela che è realmente equivalente ai vari settori della finanza tradizionale. Non possiamo godere dei benefici del settore e allo stesso tempo stigmatizzare la nostra fede passata con una "narrazione da giocatore" volgare.   Rifiutiamo di sminuirci, Crypto merita una definizione migliore.

Non ho parole, il mio secondo account Claude è stato bloccato senza motivo per la seconda volta in una settimana. Ma a dire il vero, questa volta non provo alcuna emozione, anzi, mi viene quasi da ridere. Perché? Perché ho già compreso la logica di base dietro a questi blocchi inspiegabili, e soprattutto perché ho in mano una strategia di risposta molto più astuta. Specialmente dopo aver lavorato nel campo del Vibe Coding per un mese, ho già costruito un sistema di pensiero maturo per gestire l'AI, sufficiente per affrontare con calma questo tipo di "imprevisti". Iniziamo con le cause, quelle evidenti: non è altro che il frequente cambio di nodi VPN che attiva il controllo del rischio in altre località, oppure il fatto che il luogo di pagamento con carta Visa non corrisponde all'IP del terminale, causando un avviso di sicurezza, o ancora il consumo di Token ad alta frequenza che il sistema giudica in modo semplice e brutale come un bot malevolo. Ma la causa profonda è una sola: @claudeai è un servizio SaaS di livello aziendale. Ciò che interessa sono i grandi clienti come le Fortune 500, mentre noi, utenti Pro o Max che dipendono fortemente dalla versione web, non interessiamo affatto ad Anthropic, che ci considera addirittura un fattore di rischio incontrollabile. Quindi, non c'è affatto bisogno di continuare a preoccuparsi per il problema del blocco dell'account. La lezione più importante che l'AI mi ha insegnato è: non legare mai la tua produttività principale a un account web estremamente instabile. In realtà, la vera soluzione è costruire un sistema di servizi AI localizzati che non dipenda dal modello: 1) Utilizzare OpenRouter/Antigravity e simili per implementare il routing di accesso al modello, riducendo Claude a un motore di inferenza di base che può essere cambiato in qualsiasi momento, evitando di essere bloccati; 2) Utilizzare API di terze parti per equipaggiare Claude Code + Skills + Cowork e ricostruire una logica interattiva, abbandonando il front-end web, il modo di interazione più incontrollabile, senza preoccuparsi della perdita di dati come Prompt/Istruzioni a causa di un blocco, permettendo all'AI di risiedere nel tuo sistema di file per fornire servizi; 3) Leggere direttamente il codice locale tramite il protocollo MCP, abbinato a Local RAG (recupero migliorato locale) per richiamare in tempo reale il tuo database privato di conoscenze, e persino eseguire automaticamente test, commit Git e cicli di correzione bug nel terminale. In sintesi, in una parola, abbandonare il modello di utilizzo dell'AI "in affitto nel cloud" e afferrare attivamente la "sovranità locale" è la forma ultima del Vibe Coding.

Durante il CES, la nuova architettura Rubin di NVIDIA è diventata il fulcro delle recenti discussioni di mercato, un'altra grande innovazione oltre all'architettura MOE, progettata su misura per l'era dell'AI agentica, ecc. Ho approfondito e ho davvero percepito il sapore della "auto-rivoluzione" di Jensen Huang: 1) In passato, NVIDIA si basava sul vantaggio dell'hardware GPU, approfittando del periodo in cui i grandi nomi dell'AI stavano acquistando freneticamente potenza di calcolo per addestrare modelli di grandi dimensioni. All'epoca, la logica era semplice: chi aveva più schede grafiche poteva addestrare il miglior modello. Ma ora la guerra dell'AI si è spostata dal campo della "potenza di calcolo" a quello dell'"inference", soprattutto con l'arrivo dell'era agentica, in cui l'AI deve gestire inferenze ad alta frequenza, multi-passaggio e contesti ultra-lunghi. In questo momento, i parametri del modello possono facilmente arrivare a trilioni, con un'enorme capacità di throughput dei dati; anche se le GPU calcolano velocemente, se la memoria non trasferisce i dati abbastanza rapidamente, la GPU rimarrà inattiva, questo è il "muro della memoria". In altre parole, avere più schede grafiche non risolve più il problema, è necessaria anche un'alta memoria e larghezza di banda per supportare il tutto. Rubin deve risolvere questo problema. 2) Quindi, il HBM4 lanciato da Rubin supporta la quarta generazione di memoria ad alta larghezza di banda, permettendo di raggiungere una larghezza di banda di 22TB/s. Ma ciò che è più cruciale è che si combina con la tecnologia NVLink 6 (larghezza di banda di 260TB/s all'interno del rack), trasformando logicamente 72 schede in "un'unica grande chip". Cosa significa questo? Prima, quando compravi una scheda grafica, acquistavi componenti indipendenti, e i dati dovevano passare tra le schede come se fossero pacchi che dovevano passare attraverso diversi centri di smistamento. Ora, Rubin, attraverso un'interconnessione ad altissima densità, consente ai dati di fluire tra diverse GPU quasi senza percepire la distanza fisica; 72 lavoratori non lavorano più ciascuno per conto proprio, ma condividono un grande cervello. Penso che questo sia il vero asso nella manica di Rubin: non si tratta semplicemente di accumulare parametri hardware, ma di ricostruire il flusso di dati dell'intero sistema. 3) Se il MOE (architettura del modello esperto misto) è stata una riduzione dimensionale per NVIDIA, colpita dal modello commerciale "accumulo violento di schede" di DeepSeek e altri, allora Rubin è chiaramente una controffensiva strategica di Jensen Huang, non si tratta più di chi riesce a risparmiare più schede, ma di ricostruire direttamente il costo d'uso dell'AI. Naturalmente, questa mossa significa anche che NVIDIA deve dire addio al vecchio modello di accumulo violento di schede. Jensen Huang sta considerando un altro calcolo: per far sì che l'era agentica si concretizzi in mille settori, è necessario superare l'ostacolo del costo dei token, una tendenza che NVIDIA non può ignorare. Secondo Huang, piuttosto che aspettare di essere mangiato da Google, Meta e altri grandi produttori di chip, o essere sovvertito da DeepSeek e altri, è meglio essere colui che rompe gli schemi. 4) La domanda è: come si posizionerà NVIDIA dopo la sua auto-rivoluzione? Il percorso è chiaro: da "vendere schede grafiche" a "vendere sistemi", da servire pochi grandi produttori a rendere l'AI realmente accessibile. In passato, quando compravi una H100, NVIDIA guadagnava solo dalla vendita di quella scheda grafica; in futuro, Rubin ti dirà: devi acquistare l'intero rack NVL72 - 72 GPU, NVLink Switch, sistema di raffreddamento a liquido, armadio, e persino il software associato, tutto in un pacchetto. Il calcolo di Huang è chiaro: sembra che il costo dell'hardware imballato sia aumentato, ma con un'efficienza di inferenza estrema, il costo unitario per l'uso dell'AI da parte degli acquirenti scenderà, e naturalmente non perderà quote di mercato. Ma, ma, ma, questo approccio alza anche la soglia per i piccoli e medi attori. Solo i grandi produttori e i fornitori di servizi cloud possono permetterselo, il che intensificherà ulteriormente il monopolio della potenza di calcolo. In questa attuale situazione competitiva, è una scommessa audace, perché se ci sono problemi nella produzione di massa dell'HBM4, AMD, Google TPU e altri potrebbero cogliere l'opportunità per lanciare soluzioni alternative, e il sogno di NVIDIA di vendere sistemi potrebbe non essere così facile da realizzare.