核心观点：1、在真正有价值的AI应用生态繁荣之前，押注大模型这样的核心技术源头及“卖铁锹”公司是有一定道理的。2、像OpenAI这类闭源大语言模型，会向接入其端口的APP应用收取流量费。应用公司为了降低流量费用的负担，一种方法是利用开源模型，自己训练出一个中小模型，另一种方法是优化商业模式，从而平衡流量费用。3、随着AI技术的进步，工作方式也会发生变革。AI技术既可能重构人们的工作流，也可能重构语言模型本身的工作流。4、人类目前发明出了看起来比自己还聪明的工具。如何用好AI这样极其智能的工具，对人类来说无疑是巨大的挑战。但是，我们也不要那么悲观，AI的能力是有边界的。5、在AI技术领域，美国和

如今就业越来越内卷，尤其是计算机行业更是如此。加上GPT以及大模型的加持，各大企业纷纷降本增效，普通程序员逐渐失去竞争力。想要在竞争激烈的就业市场中脱颖而出，提前进入行业顶尖阵营是一个明智的选择。而高性能计算实习将为您提供独特的竞争优势，让您在职业生涯的起步阶段就能站在行业的顶峰。高性能计算有着以下特点：薪资高、可替代性不强、越老越吃香、行业前景无限。首先，高性能计算实习让您深入行业内部，接触到最前沿的技术和工作环境。作为一种强大的计算资源利用技术，高性能计算在科学研究、工程模拟、人工智能等领域扮演着重要角色。通过实习，您将有机会参与各类令人激动的项目，与业内顶尖专家共事，亲身体验创新的力量。

注:我不是在这里扮演魔鬼的代言人或类似的角色-我只是真的很好奇，因为我自己不在这个营地。标准库中的大多数类型要么具有可以抛出异常的变异函数(例如，如果内存分配失败)，要么具有可以抛出异常的非变异函数(例如越界索引访问器)。除此之外，许多自由函数可以抛出异常(例如operatornew和dynamic_cast)。在“我们不使用异常”的背景下，您实际上如何处理这个问题？你想永远不要调用一个可以抛出的函数吗？(我看不出这会如何扩展，所以如果是这种情况，我很想听听您是如何做到这一点的)您是否同意标准库的抛出问题，并且将“我们不使用异常”视为“我们从不从我们的代码中抛出异常，也从不从其他代码中