图 2 来自 Lee Hanchung 的个人使用评测，针对主流的 Gen AI 大模型会话工具。其从 “深 vs. 浅” 和 “手工 vs. 训练过” 两个维度来评测。
从概念描述看，无论是 OpenAI 和 Perplexity 的描述，都提及，深度研究的过程的数据源来自数百个互联网网站资源。
引发的思考是：可否 “很粗犷” 地认为，互联网网页有相关内容，就可以深度研究。如果网页缺乏相关内容，就不可以深度研究 ？
提醒大家的是，所谓互联网公开内容的页面，从历史页面的角度，其实是在不断减少的。有点反常识哈 ……
Morgan Stanley 预计到 2025 ~ 2028 年全球 PC 出货量保持在 2.6 亿部左右。
未来几年最大看点是 PC 端侧支持 Gen AI 的进展。预计到 2028 年 62% 的 PC 会支持端侧的 Gen AI。
IoT Analytics 咨询公司将生成式 AI 的市场分为三类：(1) 数据中心的 GPU；(2) 大模型和平台层（提供模型，含对应的平台算力服务）；(3) 业务应用层。
GPU 层：英伟达 Nvidia 占绝了 92% 的份额，处于接近垄断的地位。
大模型和平台层：OpenAI 和 Microsoft 两者占比 69%，其他云服务商跟随其后。
应用层：Accenture 目前份额最大 6%，整体呈现了比较碎片化的状态。
注：OpenAI 的ChatGPT 本来也是一种应用，估计 IoT Analytics 将其归类到了平台层计算。
全球有大量废旧矿山，通常有一些体积巨大，挖得很深的坑。除了极少数用来做特色旅游之外，绝大部分可能没有太多二次开发用处。
WSJ 一篇报道介绍了一种思路，将废旧矿山改造为抽水蓄能水电站。
当电力充足时，例如在太阳能或风力发电量大的时候，水会从海拔较低的废弃矿井抽水，储存到海拔较高的位置。当电力需求高或供应不足时，水被释放出来，重力将其通过涡轮机向下输送，以产生水力发电。
储能本身就是一种绿色产业，利用废旧矿山在叠加一层。
