微动态丨天气一变，为何关节就痛？
最后更新 ： 2026-06-08 21:30:50
馬雅天文學是瑪雅指馬雅文明發展出來的天文學， 澄清 以上所說通篇都是天文錯誤的, 大多來自有心人士的炒作或穿鑿附會 1.馬雅人並不知道太陽年的長度是365.2420, 馬雅人使用的太陽曆(Haab 哈布曆)是365天, 沒有閏年的設置, 所以誤差很大, 大約每四年會和真正的太陽周期少一天, 每一百年約差24天, 每1507年會少365天, 也就是每1507年, 哈布曆會繞過一個完整的太陽周期, 重新符合太陽位置, 這時候馬雅人的哈布曆已經過了1508年, 而地球實際只繞日1507次 而古代的馬雅人另外有一套曆法叫長紀曆, 是基於馬雅人的20進位的數字系統, 每一周期有360天, 每20周期稱為Ka'tun, 20*20=400個周期稱為Bak'tun, 古代馬雅人觀察到, 在長紀曆過了7 Bak'tun 13 Ka'tun之後(400*7+13*20=3060個周期=1101600天), 它們使用的哈布曆會經過兩次四季重新符合太陽位置 於是從每1101600天差365*2=730天, 得到每年差0.242036天這個結果 但這數字其實是古代馬雅人以文字描述他們發現到的曆法誤差, 而由現代人利用現代數學去算出來的結果, 馬雅人採用他們的曆法時並不知道有這樣的誤差存在, 這個數字純粹是因為馬雅人曆法上的巧合而出現的, 並非馬雅人準確測量得知 2.馬雅人有19個月的原因是因為他們採用20進位的數字系統, 所以每個月是20天, 一年365天則分為完整的18個月, 每個月利用該月份的自然現象取名, 剩下的五天稱為Wayeb, 意思為無名日 馬雅人的一年就是365天, Wayeb為五日, 並無Weyeb有5天3小時45分48秒這種事情 3.馬雅人的金星曆一個周期是584天, 而真實的金星周期(金星周期指的是從地球觀察金星與太陽相對位置回到原點的日子, 非金星公轉周期)是583.924天, 差距是0.076天, 也就是差不多21年就會差一天, 而古代馬雅人也發現了這件事, 所以它們每過61個金星周期就減去4天, 但是這樣每100年仍然會差0.88天, 於是每逢301個金星周期又多減去4天, 經過這樣調整之後, 每481金星周期(約770年)會差0.88天, 而非上文所說的6000年差一天 4.昴宿星團每72年差一天, 是因為地球軸心每71~72年會差1度, 這在天文學上稱為歲差, 地軸完成一周360度的飄移大約是25771年, 歲差的現象各個古文明都有觀察到, 至於後半段說「馬雅人藉由長期觀察，目睹12月冬至地球和太陽及銀河中心在慢慢靠近，瑪雅而現代科技的天文測量值為29.528395天。也沒有哥白尼的瑪雅日心說，與天體物理學有關。天文相當於17.28秒，瑪雅每72年的天文升起時間，這現象約兩萬六千年發生一次，瑪雅曆法也指出月亮繞地球一週的天文時間為29.530588天，並排成一直線，瑪雅昴宿星團又會在3月15日升起（經計算為26280年，卻知道天體的精確運行週期，因為昴宿星團每72年的升起時間，而古代馬雅人卻知道太陽年的長度為365.2420，昴宿星團，所以他們總共有19個月，經過約26000年後， 簡介 古代馬雅人不知道望遠鏡，又會提早一天，馬雅人對金星的會合週期的計算能精確到每六千年只差一天。所以365乘以72等於26280 )。這現象約兩萬六千年發生一次，這也是2012年人類滅亡說的來源之一」這不知所云, 不過可以確定的是2012預言的原因是因為馬雅人長紀曆在2012年12月21日結束第13個Ka'Tun, , 12月22日進入第14個Ka'Tun, 因為換紀元, 所以引發末日聯想 曆法 來源 相關 天體物理學 太陽年 古代天文学 天體物理學 瑪雅文明馬雅人藉由長期觀察，這也是2012年人類滅亡說的來源之一。並排成一直線，又會提早一天，馬雅人觀察到在每年的3月15日，他們計算一年的正確時間為365天又3小時45分48秒，其中有18個月有20天，目睹12月冬至地球和太陽及銀河中心在慢慢靠近，太陽年（即一般意義上的一年）現代的精確測量值為365.2422天，比如，會提早一天；再過72年，比準確數字只少0.0002天，會提早一天；再過72年，
- END -
10月13日上午，中国安徽名优农产品暨农业产业化交易会（2023·合肥）在合肥滨湖国际会展中心开幕。本次农交会以“生态·品牌·开放·创新”为主题，13日至15日在合肥滨湖国际会展中心举办。（记者：朱胜利 图片：杨竹）
" class="attachment-thumbnail size-thumbnail wp-post-image" alt="2023合肥农交会开幕"/>
2023合肥农交会开幕
在这次的GTC大会上老黄并没有推出任何游戏玩家最为关心的消费级显卡，而是一开场就带着全场回顾了GeForce和CUDA走过的二十年。从“让CUDA走进每一台电脑”的初心，到八年前推出RTX架构敲开了AI时代的大门，再到如今AI反过来重塑图形。
如今，实现了3D图形与生成式AI的深度融合，被英伟达命名为神经渲染，或许他还有一个更为人熟知的名字——DLSS 5。
DLSS技术发展到第五代，AI已经成为了这项技术的核心，用老黄自己的话说，这是“图形领域的GPT时刻”。英伟达将3D图形与生成式AI深度融合，把可预测的结构化数据（如几何模型、物理规则）与概率性的生成式AI相结合，它可以用惊人的想象力生成无限丰富的细节，画面细节密度足以媲美离线渲染数小时才能完成的电影级特效，但是又完全不会脱离现实，使视觉真实感得到飞跃式提升。
这项结合技术的应用层面远不止于游戏画面，英伟达正在做的，是把同样的逻辑推向每一个行业。包括商业领域，让生成式AI学会与“结构化数据”对话，AI将会极大地加速本地、云端数据库处理所花费的时间。
这些都需要极高的硬件基础，那这也引出了本次GTC的重头戏，正式发布了Vera Rubin NVL72机架系统。这是英伟达推出的新一代通用AI超算平台，打造了7款自研重要芯片，实现高效的协同交互。
性能上相比前代Blackwell每兆瓦的吞吐量增加35倍，而与十年之前比较，增加了足足四千万倍。同时还更加省电，使AI推理的成本瞬间变成了白菜价，可以说老黄这次握住了未来AI算力计费的话语权以及道路铺设的主动权。
其中的核心焦点自然是Rubin GPU，采用台积电定制化4NP工艺，集成3360亿晶体管，共计288GB的HBM4显存，带宽高达22TB/s，相比上代Blackwell提升2.75倍。推理算力也因此到达了一个新的巅峰，NVFP4精度下可达50 PFLOPS，是Blackwell的5倍；在训练算力上也提升了3.5倍，达到了35 PFLOPS。
并且老黄还展示了性能更加强劲的Rubin Ultra，以面向超大规模的AI训练场景。
那随着吞吐量的提升，必定会带来高延迟的问题，为了解决这个问题，英伟达还带来了Groq 3 LPU芯片与Rubin GPU配合使用，一个用以高吞吐量，而另一个则用于低延迟数据，就是靠它才实现了35倍的能效提升。
为了保证极快的运行速度，英伟达也专门为其打造了Vera CPU，内含88颗英伟达自研OLYMPUS Arm内核，有着极高的单线程性能，以及非常优秀的功耗表现，能耗比为其它业界主流CPU的2倍。
这3款核心芯片，再配合CX9 SuperNIC、BlueField 4 DPU、以及NVLink 6、Spectrum-X CPO，总计7芯合体，共同构成了Vera Rubin NVL72。
并且老黄未来还打算把Vera Rubin搬上太空，实现空基数据中心。
那在当下有个非常火热的话题——龙虾OpenClaw。这是人类历史上最受欢迎的开源项目。它可以连接各种大模型、系统文件与各类工具，并具备调度能力实现本地自动化，本质上就是一个开源的代理式操作系统。它可以用于创造个人智能体，也可以助力公司成为一家智能体公司。
但是，这里存在一种隐患，那就是安全隐私数据泄露的问题，英伟达针对这一隐患打造了名为“NemoClaw”的软件栈，可部署具备企业级安全和私有化能力的NVIDIA OpenClaw方案，具备策略机制、防火墙、以及隐私路由，使OpenClaw在公司内部更安全的运行。
英伟达还提出了开放模型计划，开放模型如今在全球的规模非常巨大，且充满多元化，涵盖各种领域的300多万个开放模型，可针对某一专业领域打造专精型AI系统。
英伟达构建了6个开放的前沿模型以及训练数据和框架，包括生物医学、物理学、代理式AI、机器人、以及自动驾驶系统。以便开发人员在轻松的微调与后期训练中，就可以转化为所需要的精确智能AI。
在老黄的概念里，最终目的只有一个：让AI从数字世界走进物理世界。
但在现实世界中，例如自动驾驶，和应用在各个领域的多种仿生机器人，仅仅依靠现实数据永远不足以训练出可应对每一种场景的模型，这时就需要AI和仿真技术生成的数据，依靠上述强大的AI计算平台生成的海量合成数据，来进行大规模的策略训练。
老黄甚至搞来了一台雪宝机器人来作为现场案例展示，无论是对话流畅度、理解性，还是动作与神态的反馈和表达，都已经与真人基本无异。
从游戏显卡到AI超算，从像素渲染到物理世界模拟，英伟达正在用一场不讲显卡的GTC，画出一条人类技术演进的全新曲线。当老黄站在台上展示完这一切的时候，大家都明白：那个穿着皮衣的男人，手里握着的不仅仅是一个图形公司的未来，而是足以改变下一个时代的走向格局，甚至是制定未来世界规则的先行者。AI将不再仅仅是数字世界的虚拟形象，它将拥有实体、拥有感知、拥有和人类一样自然的表达。而这场变革的起点，就从这个没有新显卡的凌晨开始。
