不如这么说，他们是因为站在技术的前沿才变得顶尖，而不是顶尖的人/实体站在技术的前沿。

数学和科学中的重要成果，经常被冠以 XX 人定理，YY 人定律，为什么不是 AA 州定理，或者 BB 国定律，或者 NM 年猜想呢？自然是因为能做出前无古人的重大发现，并且以合适的形式表述并公布的人一直都是极少数，但是你如果真的做出来了，你也能冠个名，你就变成“引领”的人了。
然后再去看这些 XX 和 YY ，你又会发现其中很多人一生中做出的真正重大的成果就这么一条，在这个成果发表之前可能是个 nobody ，在做出了之后想再其他的东西又不顺利。能连续做出重大贡献的，又是极少数中的少数。

我觉得这根本就不是一个二选一或者 N 选一的问题。

我不知道楼主所谓的“底层”究竟是指什么，先权当从语言抽象的角度来讲好了。学习底层的东西，你至少需要能够看懂相关的实现，涉及到什么项目，就得去看相关的语言。
对于有些项目来说，语言扩展甚至不比语言本身作用要小。

现在的阶段，底层的绝对主力还是 C/C++，你的 JS 和 C#，主流实现穿透到下面都是 C/C++，Java 一样。你要是去看 Linux Kernel ，Postgres ，SQLite ，PyTorch ，Mesa 之类的也是，所以你可以不拿他们当主力，但是早晚要学点。
我不知道楼主了不了解指针这个概念，但是往底层实现走，少不了 C FFI （ v2ex.com/t/604915#r_7962546 ），FFI 这套搞明白了，看过一些典型的 FFI 接口，C 其实已经差不多学会三分之一了。这条路我觉得比一般的教科书要强。

现在已经有一些项目开始用 Rust 作为主力（虽然我脑袋里面除了 TiKV 和 Zed 之外一时半会没想出来有啥），但是一是这样的项目以后会越来越多，二是正是因为 Rust 很多项目不完善，用得人少，屎山堆得少，反而更加简洁适合初学者。语言丁真，鉴定为早晚也得学。

另外你以为学一个通用语言就得了？事实上每个项目都有自己的 DSL ，而且一般还不只一个，比如 SQLite 里面有个 VM ，这里有文档：www.sqlite.org/opcode.html 每个 SQL 语句都会被编译成这样一段 VM 程序（噢对了，SQLite 本身的 SQL 方言也算一个），然后这玩意的测试是 Tcl 写的。

不要对底层有神秘感，换个语言糊屎，不代表就不在糊屎了。
所以语言不妨先随便看看，然后看起相关的项目。至于实际使用嘛，JS 难说，不过 C# 在与底层交互方面做得其实算比较完善的，所以很多情况下不用换语言就可以。折腾一段时间之后了解了不同的语言，再根据个人口味选择更好。

perf record 一下

Python multiprocessing 迫真猴版 MPI

没觉得低，群里一堆玩梗的

https://gist.github.com/secondwtq/6f4cf35c39794b4682752bc377154377

科比图上传麻烦就不发了

@FollowHYH 就是一个 random 的人做的一个 random 的框架啊，这就是人们在网上 randomly 地刷到一个项目时的感受
要想有人用，你得突出核心设计目的和思路，独有的特点，哪怕买一堆 star 呢。

一个 random 的框架，没人用才正常，能做到“不温不火”和很火的都是 outlier 。
你首先得给我一个用它的理由，相比于 React ，它有哪些优势呢？

台式机把温度墙和风扇曲线调一下，噪音问题基本可以忽略。
主要是要做好性能比官方宣传和网上评测性能差的心理准备。

至于颜色的问题，你买两块不一样的显示器颜色也不一样。而且果子的屏幕我记得也有冷暖屏的事情。

www.ithome.com/0/769/622.htm 酷冷至尊发布 AI 竞彩导热膏：导热系数 12.6W / mK ，蓝 / 红 / 绿 / 黄 / 黑 / 白色可选 - IT 之家
www.ithome.com/0/770/585.htm 酷冷至尊回应“AI 竞彩导热膏”名称歧义：持续产品创新，帮用户发挥最佳机器性能 - IT 之家

现在去外企，尤其是美企必须考虑的风险是温水煮青蛙式的脱钩

不知道是不是楼主在深圳感受不强，反正上海这边隔三差五的就有外企走人的消息，没走的也很少再扩张了。

Copilot 不知道，但是 Codeium 有类似的东西：
codeium.com/blog/context-aware-everything-more-advanced-realtime-context-than-github-copilot Context Aware Everything: More Advanced Realtime Context than GitHub Copilot
codeium.com/blog/codeium-context-pinning-launch Context Pinning
codeium.com/blog/personalization-context-awareness-vs-customer-specific-finetuning Personalization: Context Awareness vs Customer-Specific Finetuning
codeium.com/blog/user-personalization-for-llms User Personalization, the Next Frontier in LLMs

感觉主要还是 RAG 变体，结合代码库中的一些固定结构

看到备战黑神话悟空就想起几年前的备战 2077 ... 不过那一波还好，显卡买到手不亏

我觉得上个帖子 #25 说得很有道理，楼主先把光纤埋好，这玩意便宜。

然后要 10G 的话，主工作站和 NAS 先连一下（还得是固态 NAS 才有意义，或者也可以试试超大内存做 HDD 缓存 ...），一对网卡就行，主网络可以暂时保持 2.5G
因为实际上能用到 10G 带宽的设备并不多，WiFi 设备全都用不上，电视也用不上，预算受限就放在最重要的地方
不过我觉得楼主主要是折腾需求，虽然把我觉得上面这一堆折腾完就挺折腾的了 ...

@yunv2
#6 这个可以挖一挖：给两边准备同样的虚拟机 Linux 镜像与相同版本的虚拟机软件跑编译，结果是怎样的，依然是 7840H 比 5700G 慢么？

SD 和 LLM 这两个需求其实是不一样的
LLM 看个人需求，跑得快当然好，有的场景慢一点也无所谓
但是 SD 实际使用中需要迭代调参才能试出相对满意的结果，这种情况下能快速推理生成预览是非常有用的
就像过去 3D 建模调材质，CPU 渲染很慢影响效率，但是后来 CPU 核数上来了，又可以用 GPU 硬件加速光追，效率指数级上升

美国有可能会禁掉中国的 swift ，自己看着办吧

我怎么感觉如果这是 C/C++ 的代码的话，主楼原本的写法就挺好的 ...

Code Interpreter 不知道，但是 Function Calling 的能力的话，一般认为 OpenAI 是对其模型进行了专门训练才能达到如此的效果。开源模型如果没经过类似的训练的话只能在 Prompt 上做手脚，结合限制输出 token 的手段。目前 Llama 系列官方模型都没有 FunctionCalling 的训练。
github.com/MeetKai/functionary MeetKai/functionary: Chat language model that can use tools and interpret the results 这里倒是有个原生支持 Function Calling 的