大神觀點
本篇出自 2026年7月20日 晨報
跨資料中心訓練，是把一場模型訓練拆到相距數百公里的多個資料中心同時跑，用來解單一園區電力不夠的難題。他當時斷言這條路「至少 Microsoft 與 OpenAI 已經搞定」；給的證據不是技術文件，是資本足跡：Microsoft 與光纖商簽了超過 $10B 的合約、沿線的開挖許可。他同場預測 OpenAI 將募 $50-100B、2026 年出現單站 1GW 級資料中心(Dwarkesh Podcast,2024-10)。以 2026 年現在的時點看，方向大體兌現。這條對本報的價值在於：斷言與證據都有時間戳，2026 年可以逐項對帳：把行家的預測原文釘進帳上，正是本報「誰說得準」帳本的原料。
只留 email，隨時退訂。這是我們唯一想請你做的事。
Nathan Lambert 對 Opus 5 追平旗艦給出機制解釋:他認為關鍵是「更快的迭代速度＋規模化強化學習(RL)」,而旗艦模型「反而還太大、還沒法同樣做 RL」。若這個解…
Dwarkesh Patel 是獨立科技訪談者與作者，其 AI 產業深度論述常被業界轉引。他 6 月的文章主張：每個要教給模型的技能，背後對應至少數百位人類專家寫示範與評分標準；專…
Thompson 是科技戰略電子報 Stratechery 的作者、產業判讀最受引用的分析者之一。在華府與華爾街同聲恐慌的一週，他的判斷反著走：中國開源模型的威脅並不新；前沿實驗室…
Mollick 是賓州大學 Wharton 商學院教授，企業界讀者最多的 AI 實用主義評論者。他以第一手實測給出 2026 下半年的判讀：要拿 AI 做真工作，實務選項只有 Ch…