为什么练肩要选用小重量？

为什么练肩要选用小重量？ 西门镜湖的回答 你有没有发现，搞实战搏击的，肩膀都很强壮。 也包括农民工，肩膀都很强壮。 注意，这两个群体，是绝对没有做过大重量推肩的。 作为健身十余年，学习过泰拳，拳击，最近做点装修工作的人强答一波。 我发现健身的人再去学搏击，因为自己身体肌肉很强大，大部分肌肉可以满足搏击需求，唯一崩溃的就是肩膀肌肉。 因为搏击类，你必须要长时间保持双手举起来，抱架。 如果你手一旦掉下去，对手一拳，一脚就过来了，人就睡了。 咱们都不说你什么移动，出拳，就是双手举到眼睛高度，保持3分钟，显示器前的各位可以试试看，有几个能够做到。 这个还是入门级别的搏击要求，一局三分钟，起码三五局起步吧。 所以我作为健身的人虽然肩膀肌肉很发达，我可以60kg杠铃站姿推肩做组，但是依然不能满足搏击类需求，学完搏击一周左右，肩膀酸的都不行了。 反之，你看搏击选手，胸肌，腹肌不一定有，但是肩膀一定很发达。 这两天抖音上一个女子被人尾随，结果男朋友出来。 评论区说看身形，就知道这个男人强的可怕。 对啊，一看这个肩膀就是格斗体型啊，就算不是格斗，体育细胞绝对不会差的。 你不会以为搏击选手专门去用大重量训练的肩膀吧？ 装修也练肩 同时，最近我在帮助一些朋友家装修，我发现：装修师傅一天到晚要把手举着拧螺丝，弄天花板，我也肩膀酸的不得了。 然后我就重点观察装修师傅，一般来说没什么肌肉，一定会有肱二头肌和肩膀肌肉。 这个肩膀肌肉可能是斜方肌，也可能是三角肌，也可能两个都有。 很可惜，在知乎的健身圈里，大肌肉等于大重量，大重量就是王道，没有大重量都是垃圾。 但是，我们的身体是由大肌肉群和小肌肉群构成的，小肌肉群的功能更适合高组数，高次数，长时间控制，才能够产生更好的锻炼效果。 比如腹肌，比如小腿，比如握力，甚至包括胳膊的二头和三头，你一百公斤二头弯举会把你的二头拉断，10kg的小重量，甚至5kg的小重量，一组30个往上，一次练够三百个，才能够产生更好的锻炼效果。 肩膀也一样，小重量，高次数，高组数，疲劳组，超级组，更适合肩膀的肌肉。 via 知乎热榜 (author: 西门镜湖)

三星仍需解决3nm工艺良品率问题 目前在50%附近徘徊

三星仍需解决3nm工艺良品率问题 目前在50%附近徘徊 三星目前3nm工艺的良品率在“50%附近”徘徊，在良品率方面依然有一些问题需要解决。不过这次的消息里，没有具体说明到底是初代的3nm GAA / 3GAE，还是已经试产、且今年即将量产的第二代3GAP。三星去年曾表示，其3nm工艺量产后的良品率已达到60%以上，不过现在看来，似乎有点过于乐观。有行业分析师表示，三星GAA流程方法尚未稳定，这多少能解释为什么良品率一直都上不去。不过在4nm工艺上，三星的表现明显更好，良品率已提升至75%，过去一系列的努力终于有了回报。对于谷歌来说也是个好消息，毕竟今年用于新款Pixel 9系列旗舰智能手机的Tensor G4将采用4LPP+工艺制造。如果三星想要在未来与台积电（TSMC）甚至英特尔代工服务竞争，必须要提升良品率。三星对明年的Exynos 2500寄予厚望，被认为是其SoC设计的翻身之作，计划采用3nm工艺制造，如果良品率问题得不到解决，很难想象如何与高通及联发科的同类产品抗衡。 ... PC版： 手机版：

即将出版的新书阐述AI的潜在风险：目前没有证据表明其可以被安全控制

即将出版的新书阐述AI的潜在风险：目前没有证据表明其可以被安全控制 他解释说"我们正面临着一个几乎必然发生的事件，它有可能造成生存灾难。难怪许多人认为这是人类有史以来面临的最重要的问题。结果可能是繁荣，也可能是灭亡，宇宙的命运岌岌可危"。无法控制的超级智能扬波尔斯基博士对人工智能科学文献进行了广泛的研究，并表示他没有发现任何证据可以证明人工智能是可以安全控制的即使有一些部分控制，也是不够的。他解释道："为什么这么多研究人员都认为人工智能控制问题是可以解决的？据我们所知，没有任何证据可以证明这一点。在开始探索建立受控人工智能之前，必须证明这个问题是可以解决的。这一点，再加上统计数据显示人工智能超级智能的发展几乎是一个必然事件，表明我们应该支持人工智能安全方面的重大努力。"他认为，我们生产智能软件的能力远远超过了我们控制甚至验证软件的能力。经过全面的文献综述，他认为先进的智能系统永远不可能完全可控，因此无论能带来什么好处，都会有一定程度的风险，人工智能界的目标应该是最大限度地降低这种风险，同时最大限度地提高潜在效益。有哪些障碍？人工智能（和超级智能）与其他程序的不同之处在于，它能够学习新的行为，调整自己的表现，并在新情况下半自动地行动。让人工智能变得"安全"的一个问题是，随着能力的增强，超级智能生物可能做出的决定和出现的失误是无限的，因此存在无限多的安全问题。仅仅预测不可能出现的问题并在安全补丁中加以缓解可能还不够。同时，扬波尔斯基解释说，人工智能无法解释它所做出的决定，和/或我们无法理解所给出的解释，因为人类不够聪明，无法理解所实施的概念。如果我们无法理解人工智能的决定，而我们只有一个"黑盒子"，那么我们就无法理解问题，也无法降低未来发生事故的可能性。例如，人工智能系统已经开始负责在医疗保健、投资、就业、银行和安全等领域做出决策。这些系统应该能够解释它们是如何做出决定的，特别是要证明它们没有偏见。"如果我们习惯于不加解释地接受人工智能的答案，基本上把它当作一个甲骨文系统，那么我们就无法判断它是否开始提供错误或操纵性的答案"。控制不可控因素扬波尔斯基解释说，随着人工智能能力的增强，它的自主性也在增强，但我们对它的控制却在减少，而自主性的增强就是安全性降低的同义词。例如，为了避免获取不准确的知识，消除程序员的偏见，超级智能可以忽略所有这些知识，从头开始重新发现/验证一切，但这也会消除任何有利于人类的偏见。"智能较低的代理（人）无法永久控制智能较高的代理（人工智能）。这并不是因为我们可能无法在所有可能设计的广阔空间中找到超级智能的安全设计，而是因为不可能有这样的设计，它根本不存在。"他解释说："超级智能不是在反抗，而是一开始就无法控制。人类正面临着一个选择，我们是要像婴儿一样，被照顾但无法掌控，还是要拒绝有一个有用的监护人，但保持掌控和自由"。他认为可以找到一个平衡点，在这个平衡点上，我们可以牺牲一些能力来换取一些控制权，但代价是为系统提供一定程度的自主权。统一人类价值观一种控制建议是设计一种能精确执行人类指令的机器，但扬波斯基指出，这种机器有可能出现指令冲突、误解或恶意使用的情况。他解释说"人类控制可能会导致矛盾或明显的恶意命令，而人工智能控制则意味着人类不控制"。如果人工智能更多地充当顾问的角色，它就可以避免误解直接命令和潜在恶意命令的问题，但作者认为，要让人工智能成为有用的顾问，它必须有自己的优越价值观。"大多数人工智能安全研究人员都在寻找一种方法，让未来的超级智能与人类的价值观保持一致。价值对齐的人工智能顾名思义会有偏差，亲人类的偏差，无论好坏仍然是一种偏差。价值对齐型人工智能的悖论在于，一个人明确命令人工智能系统去做某件事情，可能会得到"不"的答复，而人工智能系统则会努力去做这个人真正想要做的事情人性要么得到保护，要么得到尊重，但两者不可兼得。"将风险降至最低为了最大限度地降低人工智能的风险，人工智能必须具有"撤消"选项、可修改性、透明性，并易于用人类语言理解。扬波尔斯基建议，所有人工智能都应分为可控和不可控两类，任何东西都不应被排除在外，并应考虑有限度地暂停，甚至部分禁止某些类型的人工智能技术。"这反而是一个理由，让更多的人去深入挖掘，加大力度，为人工智能安全和保安研究提供资金。我们可能永远无法实现百分之百安全的人工智能，但我们可以通过努力使人工智能变得更加安全，这比什么都不做要好得多。我们需要明智地利用这个机会。"编译来源：ScitechDaily ... PC版： 手机版：

因为朋友间的口耳相传，碍于面子半帮忙性质给几个单口俱乐部&播客节目做了几款周边。

#内幕消息 因为朋友间的口耳相传，碍于面子半帮忙性质给几个单口俱乐部&播客节目做了几款周边。 现在不少节目都热衷出周边，但也无非就是帽子、文化衫、口罩、帆布袋之类的。 俱乐部这种都不是行业内的专业客户，缺乏对于产品生产、设计、采购流程的了解。在合作过程中有一些普遍问题，我觉得可以说一说。这通常是甲方、乙方、消费者之间的误解地带。 【价格和数量】俱乐部的周边一般数量不大，通常一个单品一年下一次，常在200至500个左右。而我司正常贸易起订量都在2000个/款，几个主力客户全年订单数每家都在几十万这个量级。所以周边产品订单在传统厂家这里没有价格优势。而周边产品的定价在我们看来又是不高的，或者说溢价空间不大。一件文化衫哪怕消费者觉得俱乐部他含泪赚你50，但是总共才200件。整个项目的总利润才10000块，他可能花了一两个月时间的精力去跟进这个事，但总利润甚至不到一个月的薪水。（这不是一门好生意） 【设计】俱乐部通常没有专业设计师，或者只能搞平面设计。一般不懂一个平面图稿落实到工业产品上需要做什么变更。这个图案用这个面料能不能实现？这个图案用这个工艺能不能实现？都要反复跟工厂去磨。因为甲方的不专业不了解，所以沟通过程显得格外焦灼。所以在周边产品上很少用到最新的或复杂的工艺技术，一般体现下俱乐部的logo或热门梗即可。（不过对于周边的属性来说也够了） 【时间】俱乐部在采购上常有一个误区，确认好样品之后就以为工厂可以立刻生产，交货期越快越好。他们不知道工厂不是空着生产线等米下锅的，通常工厂会按照合同签订时间、付款先后顺序、样品确认时间等规则来进行生产排期。按照我司的体量和客户的习惯，大客户基本是提前做下一年度或下一季度的产品，常规客户常规数量排期基本在40至60天。而俱乐部的越快越好，是希望15到30天内交货。他们也很难理解为什么数量小还要正常排期，为什么不能给我插个单？ 要不是我自己也听脱口秀和播客节目，多少还有点个人喜好在，又碍于朋友的介绍，周边产品真不是一门好生意。 以上所有理解出入均从我司个体角度出发，不能代表行业内所有情形。每家公司的定位、习惯均不尽相同。

规矩不是压榨员工的工具，请别把“管理”变成“控制”

规矩不是压榨员工的工具，请别把“管理”变成“控制” 看到那份“垃圾规定”，内心真的很难平静，不是因为怕被罚款，而是因为我突然意识到，在这个原本该共同奋斗、互相尊重的团队中，我们被当成了冷冰冰的机器，而不是有情绪、有体感、有生活的“人”。 锁屏没错，报备也没错，但用罚款的方式管理每一个动作，合理吗？ 我们不是不愿意配合，而是无法接受“动辄5美、50美”的惩罚在头顶悬着，仿佛一不小心就触碰高压线。我们不是学生，不需要用“罚站罚钱”的方式去换来纪律，我们是成年人，有责任、有自律，更多需要的是信任与理解。 上厕所、抽烟、接电话，是生理与生活的一部分。不是奢侈品。 上厕所15分钟以内？那换个姨妈巾也得掐表？ 你知道来大姨妈的时候，换一次姨妈巾得几分钟吗？如果痛经加上身体不适，一次上厕所十五分钟内搞定很正常，但超一分钟就得罚款？我们是上厕所，不是在跑百米冲刺。 你们有没有真正尊重过员工身体的需求？ 还是说，在你们眼中，生理需求只是“不敬业”的借口？ 每天只能打一次电话、最多20分钟？厕所不超过15分钟、抽烟不超过10分钟？请问我们还是人吗？是人就有突发状况、有身体不适、有生活压力。难道一定要员工一边腹痛，一边掐表计时？这是在工作，还是在服刑？ 擅自删打卡记录，确实不该，但真正的问题是：为什么会有人选择去“删”？ 若一个制度设计得合理、公平、人性，员工根本没有造假的动力。相反，制度冷酷、不近人情，就只会滋生反感、对抗，甚至弄虚作假的行为。 我们想问一句这个制度，是为了提升团队效率，还是为了用“罚钱”逼出表面上的规矩？ 制度的初衷应该是让团队变得更有秩序、更高效，而不是制造恐惧与压抑，真正的团队凝聚力从来不是靠罚款和禁令堆出来的，而是靠尊重、理解和信任建立起来的。 我们不是反对管理，我们反对的是将管理变成惩戒，将信任变成怀疑，将人当成工具。 如果公司真心想留住人才、激发干劲，请先别从“每一分钟的使用权”上动刀，尊重员工，体恤员工才会愿意尊重规则；信任员工，员工才会用行动证明值得信任。 希望这份声音，不是被当作抱怨，而是一次理性的呼吁。 我们只想在一个把“人”放在首位的环境里，努力工作。 如果现在这种制度都要仿效狗亚脖、那以后谁还给你们干活？ 网友PS：在此放上狗群组的链结，大家有兴趣可以来观摩下、狗管理的管理方式。 小编PS：内部报备管理群居然是公开状态，真是人才，建议脖子领导拉出去电 #网友投稿 #某狗集团 #亚博集团 #狗管理

马斯克剧透新FSD计算硬件：直接冠名AI5 4nm工艺算力10倍提升

马斯克剧透新FSD计算硬件：直接冠名AI5 4nm工艺算力10倍提升 为啥不叫HW5.0？有啥提升HW其实就是Hardware的缩写，字面上自动驾驶系统硬件的意思。这应该是早期马斯克直接把内部工程项目的代号拿来当产品名称了。创业阶段初出茅庐，这样搞挺好，凸显特斯拉技术宅、工程师基因。但现在特斯拉家大业大，全球智能车行业都在模仿和试图超越，再这么随意，好像也不太合适。于是马斯克宣布，我们改名啦，新一代自动驾驶硬件平台，名字就叫AI5。这属于是自动驾驶第一性原理命名法了。老马透露的相关信息还有这些：首先是算力比现款HW4.0提升10倍。其次是功耗整体提高4-5倍。2025年下半年推出。有这么几个点值得留意。算力方面，马斯克特别提到整个平台的算力大概是HW4.0的10倍。其实特斯拉从未明确公布过HW4.0的具体数据，只是说是HW3.0的5倍（国内三方资料中的750TOPS数据无官方证实），所以根据已知信息和国外发烧友的实机拆解测试，大概可以推测出HW4.0的算力在300TOPS-500TOPS之间。也就是单颗FSD芯片200多TOPS算力。这样计算，AI5整个平台算力可能达到3000-5000TOPS。这个数据是十分恐怖的。目前国内的TOP玩家，比如华为、小鹏等等，支撑无图、轻图城市NOA功能的算力平台，不过就在400-500TOPS左右。“芯皇”英伟达Thor，顶配才2000多TOPS，而且业内已经有很多意见认为量产车并不需要如此过剩的算力。马斯克到底是在“放卫星”提振外界对特斯拉的信心，还是真的对自动驾驶技术范式做出了革命性变革，是个很大的悬念和看点。第二个值得留意的是能耗方面。马斯克提到五代硬件平台，整体能耗比HW4.0提升4-5倍，相比于10倍的性能提升，其实证明特斯拉自动驾驶软硬结合能力更进一步，能耗控制更合理了。还要补充一点，车载计算芯片和手机计算芯片的不同之一，就是可以无后顾之忧的打“富裕仗”，不必过于把能耗、尺寸作为衡量优劣的指标。车载计算平台的散热条件，天然也比PC、手机优良得多。毕竟电动车的电池容量远大于手机，而且就算芯片能耗再高，相比于电机、空调等等，也只能算零头。还有一点容易被忽略，马斯克说AI5是“特斯拉最新一代计算平台”，但是严谨地说，特斯拉的业务就仅仅只有汽车吗？所以这也是大部分网友推测的依据：AI5很可能并不是专门为FSD准备，如此高的算力，匹配的可能是今年8月即将发布的特斯拉Robotaxi、人形机器人Optimus，以及未来支持L4、L5的特斯拉车型。也许那个时候的特斯拉产品，真的会取消驾驶舱。不过也有用户提了一个很尖锐的问题：之前HW3.0面世时，马斯克就拍胸脯保证可以实现无监督的FSD功能，但显然是鸽了。直到今天的HW4.0仍然不行。AI5就一定可以吗？AI5会带来什么样的改变？现在已知的信息并不多，只有一点是较为确定的，AI5由三星代工，4nm工艺。最早特斯拉曾表示过100%给台积电代工，不过后来马斯克和三星高层见了一面后，又改了最初的决定。据说是三星给马斯克开了一个“没法拒绝”的优惠价格，而且先进制程的良品率提升到70%多，和台积电相差不多了。所以可以基本肯定，AI5仍然会采用基于Exynos-IP的内核。Exynos-IP是三星基于ARM构架设计的自有IP，谷歌的手机也用过。2019年三星因为和高通合作，就停止了相关工作，不过Exynos-IP设计非常超前，基本上近似于目前ARM Cortex X系列的旗舰X3的设计，所以2020年之后才开始设计的HW4.0，经国外特斯拉爆料大神Greentheonly拆解发现，仍然采用了Exynos-IP。AI5很可能延续这个路线。当然，今时不同往日，自动驾驶算法的技术范式已经发生了深刻变革，从最初的CNN为为主的模块化网络结构，转变为以Transformer为主的端到端一体化网络。外界通常更加关心自动驾驶芯片的NPU算力，这本身没错，大模型时代，当然需要更强的AI计算能力。但对于自动驾驶任务来说，光NPU变强还不够，AI处理器的速度再快，算力再高，如果90%的时间都是在等内存搬运数据，那也是白搭。CNN时代外置CPU足以配合好AI处理器，但到了Transformer，CPU反而成了瓶颈，内置成了最佳选择。实际上，HW4.0就是添加了一个CPU以应对Transformer，刚好和特斯拉超算芯片Dojo的D1架构原理相同。这也就解释了马斯克在剧透AI5的同时，还特意强调了HW4.0不是直接退役，而是拿去构建训练集群（和英伟达A100同时服役）。所以特斯拉对于下一代计算平台AI5的安排和带来的影响，大概也能推测一二了。AI5的超大算力，极大可能不是单一芯片或双芯片实现，而是多个下一代4nm FSD芯片组合的结果。如果真是单颗/双颗芯片数千TOPS算力，成本就会到几乎无法量产，不是汽车工业也不是科技行业的玩法。这也就说明，AI5很有可能是一个平台方案，根据任务、场景、产品成本要求不同，“丰俭由马斯克”。最复杂的人形机器人，可能会用到数千TOPS算力，Robotaxi可能就会低一点。相应的，特斯拉量产车可能会更低。至于完全无监督的FSD在车端到底需要多大算力支持，可能马斯克自己现在也不清楚，仍在摸索中。“端到端”最合理最高效的模式，到底是全部AI模型化，做成一个大黑盒，还是有条件的、逐步一体化，业内也没有定论。AI5最终体现在特斯拉量产车的算力有多大，不好判断，但肯定大于现在的四五百TOPS。所以AI5带来的冲击和影响，最直接的是开启智能汽车、自动驾驶的算力军备竞赛。全行业玩家在这样的竞赛过程中，逐渐就会明确端到端自动驾驶的实现基本前提和门槛。L4也是同样，AI5在特斯拉的Robotaxi上的探索和试错，作用也相当于量产车，那就是给Robotaxi的落地打造出一个样板：多大算力、什么样的方案配置、多少成本。更重要的，是特斯拉身体力行为所有“AGI”玩家打样：需要什么样的技术体系，底层通用平台如何打造，云端终端的架构分别怎么选择… ... PC版： 手机版：