房东经济学

  掐指一算，我玩自媒体也十年了。一开始是漫无目的，就是总有些表达欲和分享欲。当时正值中国楼市最狂热的阶段，我先是在一些财经和房产大V评论区发表观点，然后可能是因为我的观点比较有意思，于是吸引了最早的一批读者。 当我的粉丝数到大概到2000人的时候，微博官方就有工作人员来联系到我，说以后发什么内容都可以私下跟他们说一下，然后他们用官方的大V号来转发对我进行扶持，我没有想到的是最后我的流量比他们官方号都大出好几倍了。 后来这个账号没了，仔细思考才明白，这个东西本来就不是属于我的，失去就失去吧。 扯远了，回到十年前。2016-2017年， 当时我在洛杉矶，在业余时间喜欢到处看open house，橙县一些好城市好学区的新房项目我几乎都看遍了，当时八十万美元出头可以买到Irvine学区几乎满分的新房，一百二三十万美元可以在Lake Forest买到一套相当不错的有豪宅味的大房子了。 当时我是站在中国人视角看美国的房子的，我的第一感觉就是不真实、甚至有点魔幻，特别是到了2017年后，因为中国热点城市的房价在2016年初至2017年初完全不是一个概念，很多城市在短短的一年时间里直接翻了一倍。 因为那时 不用说一线城市，哪怕是不少二线城市的一套房都可以换到洛杉矶城市圈一套非常不错的大house了，而且相同总价的一套房，去掉持有成本后的租金净得是国内的3倍甚至更多，这一切都让我觉得非常不可思议。 这也是我最早发微博的初衷 - 在中国楼市狂热的背景下，结合自己在对岸的感受（觉得价格错配非常明显），分享一些自己的投资观点和美国的信息，受到了最早一批读者的欢迎。在那之后，我就以劝退读者国内买房、以及投资美国（先是分享房产，2017年后是以纳指100为代表的科技股）为主要方向。 回到当时的洛杉矶，那时看房的（特别是新项目）有至少一半是中国人，他们有些是新移民，但能感觉得出来有更大比例是直接从中国过来买房的，我都记得好几次听到身边的人感叹美国房价便宜，印象最深的一次是2017年初，有个北京来的国人，说一套这样的大house还不如他家老房子的客厅值钱。  房地产对中国人来说有着特殊的意义，因为居民财富的七成都押在了房子上，而十年前也是中国人因为房价狂热、心酸以及幸福的时刻。 以至于那时中国人出国，很多都喜欢问一下当地的房价物价，当得知房价很低的，远低于自己国内的房子时，自豪...

  2026年6月1日，英伟达在台北进行了新一场重要的GTC。 在这次GTC中，英伟达推出和更新了很多产品，透露了很多关键进度，比如包括 为基础设施建设者提供创建 AI 工厂的完整方案的DSX 平台，透露了Vera Rubin 开始顺利量产，此外英伟达利用Omniverse + Cosmos +  合成数据管线来补现实数据，继续推进 Isaac 生态为机器人提供基础模型、仿真训练和整个边缘计算平台；英伟达的 Alpamayo/DRIVE Hyperion 为自动驾驶推理与车端平台，覆盖全球 80% 的新车。 但这次GTC最引人关注的产品是一块给PC用的SoC，一款名为 RTX SPARK的芯片 ，过去英伟达只给个人电脑做显卡，现在则是完全以整个平台 迈向PC领域，也宣告了端侧AI时代的到来。 一、端侧AI是什么 端侧AI指的就是在本地跑的AI，当你部署一个开源大模型后，哪怕不联网它都能持续为你工作。 现在越来越多开源大模型能力进步也很快，而且参数规模选项很多（例如Qwen和DeepSeek），用户可以将高难度高要求或是整体规划性的任务交给GPT或Claude，而更简单更具体但工作量较大的任务交给本地开源模型 - 这样可以节省大量的token成本，毕竟本地推理等于是买断了token，只需要用一点电而已。 现在我们获取AI算力的主要途径都是通过数据中心，无论是AWS、Azure、GCP还是其他neocloud，他们买来大量GPU组成数据中心，然后将算力出租给客户，这些客户包括OpenAI和Anthropic这样的前沿大模型巨头，也包括无数需要直接调用云上算力的中小型公司。 我们在往期主题就苹果在AI时代的优势谈过端侧（本地）AI算力 - 现在我们大多数人用的AI，都是基于云上的服务，例如使用ChatGPT、Claude、豆包等平台，这种用法的优势在于随时随地使用、模型强大，劣势在于如果需要有生产力级别的使用，那么以下三个典型的问题至少会遇到一个： （1）算力不足  - 这是最常见的瓶颈，导致用户不得不付费或排队等候任务完成； （2）延时过长  - 考虑到云上服务不在本地， 有时候无法满足需要某些对延时要求特别高的工作； （3）安全性隐患  - 所有交互和信息都与平台联网，万一出现安全漏洞，后果不堪设想，因此总有一些关系到资...