找到
918
篇与
互联网
相关的结果
- 第 20 页
-
京东推最低11299元黄金手机壳秒售罄 客服回应 京东上线黄金产品秒售罄。界面新闻获悉，近日，京东平台正式推出黄金手机壳，最低11299元起，最高达112299元。1月22日，界面新闻登录京东平台发现，京东京造自营投资金旗舰店已上架一款AU99.99黄金手机壳，产品以“真金在握”作为广告语，内置足金9999金片。该产品按黄金重量价格分5个档位，10g的标价11299元、20g的标价22499元、30g的标价33699元、50g的标价56199元、100g的标价112299元，适配iPhone 17 Pro Max。 京东推最低11299元黄金手机壳当天傍晚18:30，界面新闻查阅发现，平台显示上海所在区域无货。京东京造客服工作人员告诉记者，“目前暂时没有货了，预计一周内会补货。”据客服介绍，这款手机壳本身是pc材质，内置可拆卸的纯金金片。关于退换货，客服工作人员告诉界面新闻，根据国家《金银管理条例》及金融监管相关规定，投资类金条属于特殊金融商品，具有实时金价结算、高流动性、可回购等属性，一经售出，非质量问题不支持无理由退货退款。但客服工作人员强调，这款产品是有相关证书的，支持相关检测。据客服工作人员发给记者的一份交易截图显示，该产品预计将于1月25日24:00前发货。 平台售卖截图据悉，京东京造是京东旗下生活方式品牌，于2018年1月17日正式上线。世界黄金协会1月15日发布的数据显示，2025年金价共计53次刷新历史纪录，这也推动全球投资者以前所未有的资金规模配置实物黄金和黄金ETF。2026年开年，黄金价格继续上涨。1月21日，现货黄金伦敦金首次站上4800美元/盎司关口，国内品牌足金饰品价格跟涨，多品牌金饰克价逼近1500元。1月22日，国内多家黄金珠宝品牌公布的境内足金首饰价格较昨日有所调整，老凤祥报价1495元/克，较昨日克价跌3元；老庙黄金报价1496元/克，较昨日克价涨3元；周生生报价1492元/克，较昨日克价跌3元；周大福报价1498元/克，较昨日克价维持不变。当日，高盛将2026年12月黄金价格预期上调至每盎司5400美元。高盛称，随着新兴市场央行很可能继续将其储备从其他资产结构性地多元化配置至黄金，各国央行在2026年的平均黄金购买量预计将达到60吨。
-
黄仁勋放大招，全栈 AI 加持的NVIDIA 要承包智驾未来？ 当地时间1月5日，在美国拉斯维加斯2026年国际消费电子展（CES）的聚光灯下，NVIDIA创始人兼首席执行官黄仁勋带来了一场聚焦智驾未来的主旨演讲。“物理人工智能的ChatGPT时刻已至”，随着话音落下，NVIDIA官宣开源Alpamayo VLA模型、与奔驰全栈合作等重磅消息，用一系列硬核技术与合作规划，勾勒出全栈AI重构智驾领域的清晰蓝图。全球科技盛宴的余温未散，NVIDIA将全球技术战略与本土需求对接，通过其NVIDIA高保真仿真工具、自动化标注、NuRec闭环仿真等本地化解决方案，为全栈智驾方案在中国的落地铺路搭桥。从支撑AI大模型训练的DGX、驱动数字孪生仿真的OVX，到担当车辆“AI大脑”的AGX，其正以一套贯穿云端与车端的全栈体系，悄然改写智能汽车的开发规则与竞争逻辑。技术闭环，以云车一体全栈引擎赋能智驾进阶智能驾驶的终极追求，是在无限复杂的现实路况中实现安全与高效的平衡，这背后需要的不只是单一技术的突破，更是一套覆盖数据处理、模型训练、场景验证到车端部署的完整技术闭环。NVIDIA正是凭借这套云车一体的全栈布局，构建起驱动智驾持续进化的核心引擎。“三机协同”架构堪称这一引擎的核心骨架，DGX、OVX与AGX三台计算机各司其职，却又无缝衔接，打通了从数据到决策的完整链路。作为AI模型的“训练基地”，DGX依托大规模GPU计算能力对基础模型进行训练，让模型能够在数百万真实场景中学习人类驾驶行为，为后续的推理决策奠定坚实基础。OVX则承担起“虚拟测试场”的角色，专为驱动NVIDIA Omniverse平台中的大规模数字孪生模拟而设计，结合Cosmos平台的生成式AI能力，OVX能够模拟各种基于物理的复杂环境，对辅助驾驶系统进行全方位测试与验证，大幅降低实车测试的成本与风险。最终，经过充分训练与验证的模型将部署到自动驾驶汽车的“AI大脑”——AGX平台，凭借行业领先的性能和低能耗计算，实现安全、实时的道路决策，支撑从L2到L4不同级别的自动驾驶功能落地。三者的协同运作，让车企得以在同一技术栈中完成模型迭代、场景验证与车端部署，不仅保证了技术的连贯性与一致性，更大幅缩短了开发周期，为智驾技术的快速演进提供了可能。 这套闭环体系在车端的落地，集中体现为DRIVE AGX Hyperion参考架构与DriveOS操作系统的组合，共同构建起可进化的“AI神经中枢”。以最新的Hyperion 10为例，该平台在单块主板上集成两颗NVIDIA DRIVE AGX Thor系统级芯片，提供超过 2000 TFLOPS FP4 精度 (或 1000 TOPS INT8) 的实时算力，可顺畅支撑复杂Transformer大模型与高阶多传感器融合算法。搭配经安全认证的DriveOS操作系统，再辅以涵盖摄像头、毫米波雷达、激光雷达（含合作伙伴适配传感器）的多模态传感器套件，足以承载L4级自动驾驶所需的强大计算性能与冗余设计。与车端的硬件算力支撑形成呼应，云端的技术突破为破解自动驾驶“长尾难题”提供了关键路径。那些罕见却关乎安全的极端路况，始终是制约智驾技术落地的行业痛点，而NVIDIA通过合成数据生成与高保真仿真技术的融合，给出了高效解决方案。 Cosmos平台作为整合前沿生成式世界基础模型（WFM）、先进分词器、安全护栏及高效工作流的集成系统，配套LidarGen、Omniverse NuRec Fixer等工具。它既能生成激光雷达数据，又能优化神经重建结果，加速物理AI开发进程，助力开发者快速复刻各类罕见场景数据。再搭配Alpamayo系列开源VLA推理模型，其中Alpamayo 1为100亿参数思维链模型，可清晰阐释决策逻辑、推演罕见或全新场景，进一步提升驾驶能力与可解释性。NuRec工具集则持续拓展场景模拟边界，凭借一组神经重建与渲染API及工具，支持开发者利用现有车队数据重建高保真数字孪生、模拟突发新事件。同时，它还能从多元视角渲染传感器数据集，让仿真测试无限贴近真实路况，确保模型在复杂场景下的决策精准度。生态赋能，以工具链与开放战略重构行业协作如果说全栈技术是NVIDIA的硬实力，那么开放的生态战略与完善的工具链则是其能够凝聚行业力量、重塑协作模式的关键。在智能驾驶技术日益复杂的今天，单打独斗早已难以为继，NVIDIA正是凭借对行业痛点的深刻洞察，通过技术开放与生态共建，让更多参与者能够融入智驾开发的浪潮之中。开源模型与工具包的持续迭代，正是这一生态战略的核心落地举措，大幅降低了智驾研发门槛，推动行业向共建可信AI驾驶体系迈进。 Alpamayo 1作为业界首款面向辅助驾驶研究社区的思维链VLA推理模型，基于100亿参数架构打造，已在Hugging Face平台免费开源，支持开发者重新训练、调优与蒸馏。其家族生态更整合了开源模型、AlpaSim开放仿真框架及覆盖1700多小时驾驶数据的物理AI数据集，为全球开发者提供高质量基础资源。ACCV-Lab（Accelerated Computer Vision Lab）则以系统化工具集形态呈现，各子模块聚焦特定研发方向，提供配套工具与最佳实践，助力ADAS领域实现端到端高效训练。针对中国市场的路况与场景特性，NVIDIA还推出自动化标注、闭环仿真专用NuRec等本地化解决方案，方便本土厂商与研究者快速适配需求、加速技术创新落地。这些开源举措不仅推动行业标准化进程，更让中小厂商与科研机构得以低成本参与智驾研发，构筑起多元化创新生态。安全是智能驾驶规模化落地的前提，NVIDIA构建的Halos全栈式综合安全系统，从芯片、算法、数据三个层面为智驾安全保驾护航。在平台安全层面，Halos采用经认证的DRIVE AGX芯片组、DriveOS操作系统及Hyperion硬件平台，从底层硬件到系统软件构建起坚实的安全基础；在算法安全层面，通过Omniverse Blueprint仿真环境及安全数据管理接口，确保AI算法在各类场景下的可靠性与安全性；在生态系统安全层面，则包含安全数据集、部署流水线及数据飞轮机制，保障整个开发与部署流程的安全性与合规性。这种全方位、立体化的安全框架，不仅满足了汽车行业严苛的安全标准，更让用户对AI驾驶建立起信任，为智能驾驶的大规模普及筑牢了根基。这套安全体系与工具链，也成为NVIDIA链接全球生态伙伴的重要纽带，通过“朋友圈”战略实现广泛行业卡位，推动产业走向“协作式创新”。全球市场中，NVIDIA与梅赛德斯-奔驰深度绑定，为全新CLA车型提供搭载增强型 L2 级点到点驾驶辅助功能的 NVIDIA DRIVE AV 软件，预计今年在美国率先应用。Lucid、捷豹路虎等企业也纷纷加入生态，依托NVIDIA DRIVE平台与DRIVE AGX Hyperion 10架构推进技术落地。此外，英伟达还与Uber携手启动L4级自动驾驶出租车的全球部署。国内市场层面，NVIDIA通过开源工具、开发者社区等载体，与本土车企、科技公司及科研机构建立紧密的合作关系，传感器厂商也已完成Hyperion架构适配认证。在“软件定义”向“AI定义”的产业跃迁中，竞争早已从单一技术的比拼转向体系化、生态化的协同较量，智能汽车的价值核心也更多地集中在AI算法、数据服务与生态协作上，谁能掌握“工具链+生态”的双重话语权，谁就能在这场产业变革中占据主导地位。凭借从“三机架构”到“开放生态”的全栈布局，NVIDIA重新定义了AI驾驶的开发模式，同时也在潜移默化中重塑着整个汽车产业的合作逻辑与价值分配格局，让更多行业参与者能够在其生态体系中实现创新与成长。
-
一切为了太空AI数据中心？消息称马斯克正推动SpaceX上市 IT之家 1 月 22 日消息，北京时间今天凌晨，据《华尔街日报》援引多名知情人士的说法，埃隆 · 马斯克正在重新推动 SpaceX 上市计划。然而在此前，SpaceX 一直强调，只有在火星建立实质性存在之后才会考虑 IPO，但这一目标短期内显然难以实现。内部人士透露，促使态度转变的关键原因，是马斯克希望在太空中建设 AI 数据中心。谷歌近期已公开表示，正在评估将数据中心部署至太空，并计划在 2027 年进行测试发射。报道称，马斯克希望抢先一步实现这一构想，但太空数据中心所需的资金规模巨大，SpaceX 只有通过 IPO 才能获得足够的资本支持。 消息人士称，马斯克希望在 7 月前完成 SpaceX 上市，并计划在近期敲定负责股票发行的承销银行。这一上市计划同时被外界视为 xAI 输血的重要举措。目前，xAI 在 AI 竞争中仍落后于 OpenAI 和谷歌。如果 SpaceX 成功将数据中心送入太空，xAI 极有可能获得成本和资源上的优先支持，从而形成长期的资金与资源内循环。太空数据中心的设想并非 SpaceX 一家在推动。蓝色起源 CEO 杰夫 · 贝索斯近期表示，将数据中心转移至轨道运行在战略上具有合理性。OpenAI CEO 奥尔特曼也在研究与火箭公司 Stoke Space 合作，甚至考虑收购该公司，目的同样是支持未来的太空算力布局。不过，将数据中心部署到太空面临极高的技术门槛，以及通信延迟、散热、辐射防护等核心难题，同时还需要完成设备发射与在轨建造。IT之家从报道中获悉，SpaceX 曾宣称去年取得了一项关键突破，但尚未对外披露具体内容。从现实层面看，地面数据中心已对资源造成巨大压力。微软位于威斯康星州的最新 AI 数据中心占地约 325 英亩，Meta 近期宣布的一座数据中心规模更是接近曼哈顿。这类设施大量消耗能源和水资源，对地方环境和公共资源造成冲击，却只能创造有限的长期就业岗位。相比之下，如果 AI 算力需求继续膨胀，将数据中心送入太空或许反而更具现实意义。
-
冲击330万目标！尹同跃再“吹牛”：AI追赶特斯拉，推17款AI车 “奇瑞是一个喜欢‘吹牛’的公司，所以，我们说新能源不客气了，去年算兑现了；智能化不客气了，我们的ET5获得冠军算不算兑现？全球化创新体系不客气了，我们现在有开阳、瑶光等几百家实验室体系。今年我们也要再吹一把牛：奇瑞的AI要继续不客气！”在1月17日的奇瑞AI之夜上，奇瑞董事长尹同跃再放豪言，表示要坚定不移、不遗余力地拥抱AI，让传统汽车插上AI翅膀，让AI赋能千行百业。 虽然奇瑞不是一家AI出身的企业，但其在AI相关领域却早有布局，用尹同跃的话来说，奇瑞就是“一个不太安分、赶时髦的企业，喜欢起大早、赶大集”。2003年从“会说话”的QQ，奇瑞开创了车载语音上车的先河，经过20余年的技术长跑，奇瑞AI从产品探索、技术积累到应用加速，已完成覆盖研发、制造、供应链、销售及服务的全链路智能化体系构建。作为一个整车厂，汽车是奇瑞的核心业务，是奇瑞AI的重要载体。在本次AI之夜上，奇瑞发布涵盖猎鹰（参数丨图片）智驾、灵犀智舱、飞鱼数智底盘及鲲鹏动力等领域的最新AI成果与进展。01奇瑞进入AI 2.0时代，要快速追赶特斯拉去年，奇瑞发布了猎鹰智驾，并喊出了“智能化不客气了”的口号。经过一年时间的推进，猎鹰智驾已经覆盖集团全部的4大品牌30款车型。今年，猎鹰智驾的体验和序列将全部升级，猎鹰500新增城区导航辅助驾驶功能，实现“油电同智，入门即城区”；猎鹰700产品序列升级再添新成员，进一步推动高阶智驾普及；面向L3/L4级、乘商两用的猎鹰900也明确了落地路径。此外，奇瑞Robotaxi首代量产车型将于今年落地，2027年推出第二代，并视法规进展实现“无方向盘”设计。 通过将AI功能上车，奇瑞此次还带来了“灵犀智舱”。在交互层面，奇瑞不仅重新打磨UI交互，还推出了超级AI智能体——“小奇同学”，基于新一代AI架构，凭借类人记忆框架，确保记忆不断档、常用常新，为用户打造专属的超级助手，高效完成“千人千面”的需求直达服务。在隐私安全层面，奇瑞以满足GDPR高标准要求夯实隐私保护防线，确保隐私不出车、数据不出云。与此同时，底盘和动力在AI赋能下进化。飞鱼数智底盘借助AI实现主动预防、个性驾乘与动态优化；鲲鹏无感增混通过多场景AI识别，带来高性能、高节能与静谧体验；鲲鹏智控C-iVC可让车辆“越开越好开，越开越想开”；鲲鹏智慧能量管理融合环境、路况、用户习惯等大数据，实现综合工况节能超8%，低温补能时间减少10%。动力电池搭载AI电池数字大脑，电池平均寿命提升10%，安全预警准确率约达95%。在做强智能汽车主业的同时，奇瑞还加速布局未来产业，积极推动AI向物理世界全面延伸。当前，奇瑞在人形机器人、四足机器狗及车机协同技术等方向实现了快速突破与商业化落地，正加速走进千行百业。在当天活动上，奇瑞的墨甲机器人还充当主持人，串联整场活动。据介绍，该机器人已于去年4月份开启交付，近期墨甲首款交警机器人在安徽芜湖正式上岗。 除了布局AI产业外，奇瑞还在推动集团研发、生产、供应链、销售、服务的全链条AI化。奇瑞汽车股份有限公司执行副总裁李学用介绍，2025年，营销体系的工作有30%是靠AI完成的，生产、制造、研发也有一定比例的工作是由AI完成。AI的应用也大幅提高效率，奇瑞汽车股份有限公司副总裁谢保军称，生产计划过去需要 210 分钟的人工排程，现在依靠 AI 引擎仅需 1 分钟即可完成；借助AI质检系统已达到 99% 的识别准确率，漏检率成功降至 0.05%。奇瑞的目标是，2026年有10%的员工是硅基的AI员工。“我认为一个汽车厂研发的能力，过去如果是1+1+1+1这样的加法，未来由于AI的协同，它将变成立方，将变成指数级的变化，要么强，要么变得更强。”李学用说道。面向未来，奇瑞将如何开展AI技术的突破，兑现AI“不客气”的承诺呢？尹同跃表示，奇瑞将继续践行“双T”（double T）理念：一方面学习Toyota（丰田），练好基本功，追求极致品质和精益制造；另一方面学习特斯拉，全面拥抱AI，布局人形机器人、脑机接口、绿色能源等新赛道。“我们不断地派人到美国体验特斯拉的FSD+Grok模型组合，与它们的舱和驾的水平对标，找出差距，快速追赶。”尹同跃说道。02三大升级冲击年销300万目标在活动现场，奇瑞同时发布三大升级计划：智能座舱全面升级，灵犀座舱一季度全系上车；智能驾驶辅助升级，猎鹰500/700将搭载于35款以上车型，覆盖主力燃油车；续航能力升级，未来所有增程/插混车型纯电续航均将突破200公里。多款AI赋能新车型风云T9L、风云A9、iCAR V27同步亮相，将于今年一季度上市。按照计划，2025年奇瑞将共推出17款新品。 这三大升级，也是奇瑞面向2026年市场竞争打出的、冲击年销330万辆目标的第一张王牌。其中，智能座舱和辅助驾驶两大升级，整体思路与比亚迪去年的“全民智驾”类似，旨在让更广大的消费者体验到高阶智能体验，这有助于其在下沉市场和主流价格区间，与竞品展开错位竞争，争夺市场份额。而增程/插混纯电续航里程的升级，则是响应比亚迪今年发起的“插混大战”。近期，比亚迪秦、宋等主力车型密集推出纯电续航200km以上的长续航版本，表明了比亚迪今年在插电混动赛道将竞争维度从过往突出的性价比与基础智能化，进一步聚焦和深化至“长纯电续航” 这一具体且感知强烈的产品力上。而吉利目前已经申报了银河A7等车型的长续航版本（175km）。插混车型的纯电长续航化，会成为今年新能源市场竞争的一大特点。在此前，增程市场已经卷起了纯电长续航化，以智己LS6代表的车型取得了不错的成果。 可以预见的是，虽然“价格战”已经在国家引导下已经放缓，但市场竞争的激烈程度并不会因此减弱，只会转向更高质量的“卷”，比如：上文提到的卷续航、卷AI赋能。就在1月初，吉利汽车发布了“全域AI 2.0”理念，旨在基于世界行为模型（WAM）实现跨域融合，让汽车拥有接近人类的判断力；前几天长城更全球首发了“归元”原生AI汽车平台。AI正在深刻渗透汽车产研销服等多方面，已经演变为决定车企未来生存与发展的底层核心驱动力。而此次奇瑞的“不客气”能兑现多少，将直接关乎其在行业洗牌中的位次。
-
Anthropic、谷歌DeepMind CEO：AI已开始取代公司内部的初级职位 IT之家 1 月 21 日消息，AI 尚未在整体劳动力市场引发“失血式”冲击，但谷歌 DeepMind 和 Anthropic 两家 AI 公司的老板双双表示，已经开始在各自公司内部看到 AI 对初级岗位的影响，AI 已经开始取代公司内的初级职位。当地时间 1 月 20 日，据《商业内幕》报道，谷歌 DeepMind 首席执行官德米斯 · 哈萨比斯在达沃斯接受采访时表示，今年可能会首次看到 AI 对初级岗位产生实质影响。哈萨比斯说，公司已经感受到招聘节奏放缓，入门级岗位和实习岗位尤为明显。 Anthropic 首席执行官达里奥 · 阿莫代伊对此表示认同。他重申了自己去年的判断，即 AI 可能会消灭约一半的入门级白领岗位，并将失业率推高至 20%。截至目前，他表示这一预测并未发生改变。阿莫代伊指出，软件和编程领域已经出现早期迹象。他说，在 Anthropic 内部，可以预见未来在初级乃至部分中级岗位上，用人需求将不再增加，反而可能减少。对此，Anthropic 正在研究如何以更加审慎和理性的方式应对。据IT之家了解，两位负责人此前均警告，AI 对经济和就业结构的冲击，可能需要制度层面的应对，包括通过国际组织进行治理，以及采取相应的经济干预手段，以防止最严重的后果出现。阿莫代伊表示，真正的风险在于变化速度。“随着指数级增长不断累积，我认为不会花太长时间，可能在 1 年至 5 年内就会超过社会整体的适应能力。”
-
争做全模态顶尖 “六小虎”想重塑AI赛道 制图:黄亚岚(即梦AI生成)趋势04 “大模型六小虎”押注下一代技术“所谓的大厂跟小厂只是上一代的标签，大家现在可能就只有一个赛道，就是做全模态能否做到顶尖。”科技新秀大模型公司，也俨然将自己放入了与互联网大厂共同竞逐超级入口的相同梯队中，用一位头部“大模型六小虎”高层的话来讲，AI划出了一条新的赛道，所谓“六小虎”、大厂已经是上一代的标签。“流量竞争是互联网时代的竞争模式，但这个行为在下一个时代能否奏效，我们会打一个问号。所谓的大厂跟小厂只是上一代的标签，大家现在可能就只有一个赛道，就是做全模态能否做到顶尖。”想重塑AI赛道竞争逻辑的还有久无声息的百川智能。作为当年百模大战中的“大模型六小虎”之一，百川智能此前一度陷入“掉队”传闻。近期，百川智能创始人、CEO王小川带着新产品回归。百川智能选择的领域是医疗赛道，据王小川透露，百川今年会上线C端应用，同时也正在自研与睡眠相关的硬件。在医疗赛道上，去年12月15日，蚂蚁集团将其AI健康产品“AQ”正式升级为“蚂蚁阿福”，新版应用以健康陪伴为重点，产品定位从医疗延伸至大健康。自去年6月上线以来，“蚂蚁阿福”仅用半年时间，月活就突破1500万，跻身国内前五大AI应用，增长远超内部预期。面对大厂下场，百川智能似乎并不焦虑。王小川表示，百川和“泛健康概念”的“蚂蚁阿福”想做的事情不太一样，也有自己的护城河。“我觉得我们的护城河分为三个部分:一是模型做得足够好，今天屡试不爽就在于模型领先一代，就像教育的好学区，我们的领先度是可以保证的；二是解决问题的切入点，我们更愿意切入严肃、高价值的场景；三是大厂和创业公司不一样，毕竟有职业团队，需要的是更加安稳的方案，大创新靠小厂，小创新靠大厂，必须切入我们认为有高价值的事情，共识不是我们优先的突破点，而大厂更多的是注重共识，路线图和产品形态是不一样的。”“流量竞争”模式在月之暗面的实践中被证明的确不奏效。2024年全年，月之暗面曾在C端市场通过大量投流实现拉新，以2024年10月为例，移动广告情报分析平台App Growing数据显示，Kimi10月在20天投出1.1亿元。去年2月，月之暗面决定大幅收缩产品投放预算，包括暂停多个安卓渠道的投放，以及第三方广告平台的合作。同时，低调转向模型技术冲锋也成了月之暗面去年的主旋律。去年12月31日，月之暗面创始人、CEO杨植麟发布内部信，称完成近期的5亿美元C轮融资，C轮融资资金将用于更加激进地扩增显卡，加速K3模型的训练和研发，但不以绝对用户数量为目标。押注模型、押注下一代技术，似乎已经成为了“六小虎”的共识。去年年底，智谱与MiniMax先后完成上市，尽管两家企业都因研发和算力投入尚未盈利，但两家公司都提到，在完成招股后仍将技术投入完成技术冲锋。一些“小虎”也瞄准了AI手机，但下场方式不是直接做硬件，而是提供底层操作系统。去年12月9日，国内的“大模型六小虎”中的智谱开源了手机智能助理框架AutoGLM。AutoGLM此前在2024年刚发布时，已被业界视为全球首个真正具备“Phone Use”(手机操作)能力的AI Agent，能够稳定完成外卖点单、机票预订等长达数十步的复杂操作流程。开源后的AutoGLM支持微信、淘宝等50+应用场景，AutoGLM Phone Agent还内置了一套能直接操控真实手机的通用能力，可以像人一样完成各种基础交互。在此前引起大众关注的AI手机隐私问题上，AutoGLM支持本地与云端部署，确保数据与隐私控制权始终掌握在使用者手中。同样押注手机场景的还有阶跃星辰。去年12月17日，阶跃星辰升级发布了全新的AI Agent系列模型“Step-GUI”，通过端云协同的方案，让隐私边界可知、可控，同时极大程度拓展GUI Agent能力边界，目前已经可以在淘宝、微博、抖音、小红书、闲鱼等超过200个App场景中执行任务。 预测AI硬件面临隐私、安全等难题 通用赛道外仍存可观盈利空间硬件混战想取代手机成为刚需终端，手机厂商推出AI手机助手守擂，大厂软硬皆施、集成超级应用，“大模型六小虎”想用新的逻辑重塑AI赛道，背后都指向了厂商对下一代“超级入口”的争夺。在这场争夺赛中，玩家不是押注硬件，就是软件，也有人正在“两边下注”。但现在，战局还不清晰。AI硬件、超级App想成为下一代入口，还都有各自的问题。比如，在AI硬件如何走出“小众尝鲜”这一问题上，徐栋就认为，目前在垂直领域模型的有用性还没有被完全挖掘，另外模型能力也依然不够。另外，无论是AI眼镜还是AI手机，都还面临着隐私、安全方面的难题。以豆包AI手机为例，有用户称在nubia M153上使用豆包手机助手操作手机功能时，如果涉及操作微信，会出现微信异常退出，甚至无法登录的情况，部分电商App、银行App也会限制通过豆包手机助手登录应用。大模型的商业模式，也并不清晰。张孝荣认为，现在大模型商业模式不成熟，国内外没还有一家公司形成商业闭环，无论做App还是硬件，都属于商业试水，也面临着不小的风险。“可以说App的优势是迭代快、成本低，而硬件一旦失败，沉没成本极高。两者相比，目前App的集成模式在商业稳健性上更胜一筹，硬件更多是一种面向未来的战略卡位。”在超级App方面，智源研究院近期在其《2026十大AI技术趋势》中提到，随着基础模型能力跃升与推理成本下降，AI应用沿两条路径演进。一是巨头主导的超级应用，通过单一入口整合信息、规划与执行，争夺用户时间与流量，正催生AI时代的新BAT；二是多模态等高壁垒垂直领域，玩家依托行业Know-how与高价值能力，服务少数关键场景，实现低频高价值回报。实践表明，通用赛道之外仍存在可观盈利空间。谁将最终定义所谓的“超级入口”?张孝荣认为，所谓的“超级入口”可能是一个伪命题，或者说是动态演变的命题。“历史经验告诉我们，没有永远的入口，只有用户需求的流转。互联网大厂虽然有服务优势，但往往受制于‘屁股决定脑袋’的商业偏见。真正的超级入口，或许会诞生在更加中立、开放的平台，而非某家大厂的私域生态之中。” 出品:南都政商数据新闻部策划/统筹:甄芹 田爱丽采写:南都记者 林文琪
-
1340亿美元！奥尔特曼反击称马斯克现编“魔幻算法勒索”OpenAI IT之家 1 月 20 日消息，科技媒体 Ars Technica 今天（1 月 20 日）发布博文，报道称 OpenAI 携手微软公司，反击埃隆 · 马斯克（Elon Musk）提出的 1340 亿美元（现汇率约合 9348.73 亿元人民币）“账单”。IT之家曾于 1 月 17 日报道，马斯克向美国联邦法院提交文件，向 OpenAI 及微软寻求 790 亿至 1340 亿美元（IT之家注：现汇率约合 5517.65 亿至 9359.05 亿元人民币）的赔偿，相关审理预计将于今年 4 月启动。马斯克称，在其参与共同创立 OpenAI 期间，他为该公司提供了关键支持，让 OpenAI 获得了约 655 亿至 1094 亿美元的收益，而微软则从中获得了约 133 亿至 251 亿美元的收益。马斯克认为，这些收益应被视为“不当得利 / 非法所得”，并主张其有权要求法院责令两家公司返还。这一数字基于马斯克聘请的财务专家 C. Paul Wazzan 的评估。Wazzan 此前从未与马斯克合作过，他通过分析马斯克 2018 年离开前的注资、2017 年提议的股权占比、当前在 xAI 的持股以及非金钱贡献（如声誉和人脉），得出结论称：马斯克早期的投入创造了 OpenAI 当前 50% 至 75% 的价值。Wazzan 承认其计算模型“相当独特”，在此前相似案例中无法找到依据。微软和 OpenAI 随即提交动议，要求法庭排除 Wazzan 的证词，理由是其计算逻辑完全是为了迎合马斯克而“被发明出来的”。 最令 OpenAI 震惊的是，Wazzan 的算法将 ChatGPT 背后的科学家和程序员的贡献率直接归为“零”。Wazzan 在作证时坦言：“我不需要了解其他人。”这意味着，除了马斯克，包括微软后续投入的数十亿美元及研发团队的心血，在 Wazzan 眼中对 OpenAI 的现值毫无贡献。 OpenAI 在反驳文件中指出，Wazzan 的计算存在多处致命逻辑漏洞。首先，该计算依赖于一条虚构的时间线，即假设 OpenAI 在 2017 年同意了马斯克持有 51.2% 股份的提议，但这笔交易从未发生。其次，Wazzan 强行将 OpenAI 与马斯克的另一家公司 xAI 进行对标，直接引用媒体报道的 xAI 估值来推算赔偿额，却从未获得 xAI 的实际财务数据。OpenAI 斥责这种做法只选取对马斯克有利的数据来以此膨胀索赔金额。OpenAI 发言人表示，马斯克的诉讼是毫无根据的“骚扰战”，目的是为了拖慢竞争对手的步伐，以便其竞品 xAI 能迎头赶上。微软方面指出，Wazzan 甚至错误地假设微软的利润应回流至 OpenAI 非营利实体，导致了价值的重复计算。该案将于今年 4 月正式开庭审理，届时马斯克需在法庭上证明这些被指“不可靠且无法独立验证”的计算模型具有法律效力。
-
AI入法：一个新条文背后的监管逻辑与产业红利 2026年1月1日，修订后的《中华人民共和国网络安全法》（以下简称《网络安全法》）正式施行。该法有一个极具象征意义的变化：新增了促进人工智能发展的相关规定。这是我国首次在法律层面规定促进人工智能发展的专条。这一举措不仅是新增一个热点词汇，更是把AI治理从部门规章和专项规定层面，向基础性法律框架“抬升”了一步。一、首次入法的AI条款写了什么？目前，我国并没有像欧盟那样，用一部统一法律规制AI，而是把AI置入一个更可持续的法律定位——既是新质生产力强大动能，也是需要被纳入安全治理的对象。我国大致是在走这样一条路径：基础性法律确立原则与责任边界，部门规章/专项规定覆盖具体应用场景，标准与技术规范提供可操作抓手。此次修订的《网络安全法》，尽管还不是AI领域的基础性法律，但其新增条款却体现了我国AI治理的基础性思路。新增条款的表述是：“国家支持人工智能基础理论研究和算法等关键技术研发，推进训练数据资源、算力等基础设施建设，完善人工智能伦理规范，加强风险监测评估和安全监管，促进人工智能应用和健康发展。”虽然只是寥寥数语，却可以理解为一条发展与治理并举的框架性条款，其内部逻辑大致是“供给侧能力建设→规则侧边界设定→风险侧闭环治理→应用侧扩散落地”。首先，法条以“支持基础理论研究和关键技术研发”确立源头创新导向，再以“推进训练数据资源、算力等基础设施建设”把创新从实验室拉到产业化所需的要素与底座，从而完成算法、算力、数据的AI“铁三角”的支撑体系。接着，法条转入规范与治理维度，通过“完善伦理规范”提供价值边界与社会可接受性，再用“加强风险监测评估和安全监管”构造可执行的治理闭环，最后以“促进应用和健康发展”把政策目标落到产业扩散与长期可持续上。上述法条之所以具有基础性作用，在于它用要素（算法、算力、数据）—规则（伦理）—机制（监测评估/监管）—目标（应用/健康发展）的四段式，把未来多部门规章、标准体系、评测机制、产业政策与执法裁量的共同坐标系先定下来。细则可以迭代、技术可以更新，但制度框架要保持稳定，从而为政策连续性与市场预期提供锚点。二、我国法律体系如何规制AI？尽管此次是AI首次写入法律条文，但很多时候，法律不必在条文里明确写出“人工智能”四个字。因为法律真正关心的不是你用什么技术路线，而是数据如何被收集、如何被计算以及算完之后对个人权利和市场秩序产生什么影响。因此，它更常用“个人信息处理”“自动化决策”“画像”“个性化推送”等概念，来实现对AI的实质性规制。第一层：数据合法性与最小必要，回答“数据从哪来、能用到哪一步”。以《民法典》《个人信息保护法》《数据安全法》《电子商务法》等为代表的一组法律，先把“数据如何取得、如何处理、怎么留痕、出了问题谁负责”讲清楚：收集和使用数据要有明确目的、合理边界与必要性；对敏感信息、重要数据以及高风险处理活动，要有更严的管理与评估；强调全流程安全管理与风险控制，避免数据在训练、共享、调用中失控。换句话说，先把原料的合法性与可控性立起来。第二层：自动化决策的透明、公平、可拒绝、可解释，回答“算法怎么对你下结论”。接下来，相关法律把目光从“数据入口”移到“决策过程”。核心要求可以概括为四句话：用算法/模型做决策，不能完全黑箱；结果要公平，避免差别对待；个人应当有退出或选择空间；对个人权益影响重大时，个人应当能获得必要的救济通道。这一层的实质是：AI 不仅要“算得准”，还要“算得讲理”。它把“可解释、可选择、可纠偏”变成企业必须工程化实现的产品能力，而不是道德倡议。第三层：个性化推荐与差别待遇要可对照、可退出，回答“结论怎么影响你的选择与钱包”。在平台、电商与信息分发场景，AI最显著的外化形态是推荐、排序与定价。相关法律的共同逻辑是：允许个性化，但不能把它做成“唯一选项”；不能让算法成为差别待遇的遮羞布；必须给用户一种可对照的机制，让个人能够看见“非个性化”的另一种结果或路径。这一层的价值在于，把算法影响从“看不见的后台变量”变成“用户可感知的前台选择”，从而削弱信息不对称带来的不当优势。这套规制方式的好处是：技术再变，法律盯住的仍是“画像→决策→影响个人权利和市场秩序”的结构性风险。换句话说，AI换皮一千次，法条只要抓住“谁拿你的信息算了你、算完怎么对你”，它就跑不掉。三、法律如何促进AI新质生产力发展？企业界的一个常见误解，是把合规视为“成本项”。但在AI时代，合规更像一辆车的底盘：它不直接决定你跑多快，却决定你能不能上高速、敢不敢加足马力，以及出了事故有没有安全气囊。简而言之，法律提供的是新质生产力发展所需要的“稳定预期”。修订后的《网络安全法》将AI纳入基础性法律支持与治理框架，再叠加相关法律等对数据、算法、自动化决策等的系统规制，会在至少四个方面释放“促发展”的红利，值得我国AI企业认真研究。1.把“数据不敢用”改造成“数据可证明地可用”：降低要素流通的交易成本。笔者在AI企业调研时，一位企业家曾明确表示，“数据合规的边界不清晰，是时刻悬在我们头上的一把剑”。AI的第一生产要素是数据，但数据的流通不是技术问题，而是权责问题。法律把“敢不敢用数据”变成“怎么用、如何证明我用得对”，这会促进数据要素在更大范围内流动，从而为模型训练、行业知识库与智能应用提供稳定燃料。对企业而言，数据合作更容易谈成，数据资产也更容易被“金融化”识别。2.倒逼“隐私保护工程化”：催生一整条AI合规技术与服务产业链。法律对自动化决策、个性化推送、差别待遇等提出要求，企业要满足这些要求，靠“写一份制度”不够，必须工程化。于是，合规反而会带来新的供给侧机会。模型与算法治理工具会成为标配，隐私与安全增强技术（PETs）会更普及，合规咨询与第三方评测会更产业化。这相当于把“合规要求”转化为“产业需求”，而产业需求又会反过来提升全社会的AI可靠性。这就是典型的新质生产力逻辑：规则不是刹车，而是把道路铺平。3.把“黑箱红利”变成“可解释红利”：推动商业模式从短期套利走向长期复利。在平台与消费场景里，AI最常见的利润来源往往是“信息不对称”。法律的相关规定实质上是在压缩“黑箱套利空间”。这对行业的正向作用在于：促使企业把能力从“更会算你”转向“更好服务你”。同样是推荐算法，有的企业用来最大化点击率，有的用来减少信息噪音、提高匹配质量；前者短期收益高但信任消耗快，后者是慢变量却可复利。法律会推动企业用透明、体验与品牌去竞争，从而抬升行业平均质量门槛，减少“劣币驱逐良币”。4.把“AI安全”纳入网络安全体系：让“安全能力”本身成为生产力。修订后的《网络安全法》提出运用AI提升网络安全保护水平，对企业端的意义是：AI不只是业务增长工具，也会成为安全防护工具，并逐步被纳入“合规必备能力”。这会带来两个增量：一是安全运营智能化，二是关键行业的“可信AI”落地加速。当法律框架与安全治理路径更清晰，行业会更敢于投入、试点与规模化。一句话，安全不再只是“防损”，而会变成“增效”。把安全能力做成标准化、平台化，反而能提升生产系统的韧性与效率。总之，AI入法，不是给技术戴紧箍，而是给产业装底盘。对企业而言，这不是一句口号式的“加强监管”，而是一张越来越清晰的路线图：数据从哪里来、怎么进模型、怎么做推荐和定价、怎么解释、怎么留痕、怎么评估风险——都在变得更可预期。而可预期，正是投资、创新与规模化应用的前提。法律并不会替企业写代码，但它会决定企业写出来的代码，究竟是在松软的沙地上搭帐篷，还是在牢固的地基上起高楼。（作者王翔为复旦大学数字与移动治理实验室研究员）来源：王翔
-
OpenAI去年营收200亿美元 计划下半年推首款硬件装备 （原标题：OpenAI去年营收200亿美元，计划下半年推首款硬件装备） OpenAI计划下半年推首款硬件装备（资料图）人工智能公司OpenAI首席财务官弗莱尔（Sarah Friar）表示，公司2025年营收已突破200亿美元，较2024年的60亿美元实现大幅增长，算力规模已从2024年的0.6吉瓦提升至2025年的1.9吉瓦，其每周及每日活跃用户数持续刷新历史峰值。 公司全球事务负责人Chris Lehane周一在达沃斯论坛上宣布，正按计划推进在下半年发布其首款硬件设备。据报道，公司正在开发无屏幕的小型设备原型，可能是可穿戴设备，用于与用户进行交互。（第一财经记者 樊志菁）
-
2026年中国互联网：字节倒逼之下，大厂AI入口争夺战全面打响 高盛认为，2026年将是中国互联网巨头的战略转折年——企业将加大AI面向消费者的投资，围绕 “AI超级入口” 展开竞争，同时更集中精力捍卫各自的核心第一地位。据追风交易台，高盛的Ronald Keung分析师团队在最新研报中指出，这一年将是中国互联网巨头AI投资加码与核心市场地位防御的“双主线之年”——字节跳动在AI、电商、本地服务等领域的突破性冲击，正倒逼阿里、腾讯等巨头启动全方位战略pivot（转向），一边加码AI To-C投资与资本开支，一边全力捍卫核心市场地位，而“盈利增长+全球化新叙事+股东回报”将取代普涨逻辑，成为2026年行业的核心盈利主线。在巨头中，拼多多成为高盛2026年核心推荐标的。其10倍2026EP/E显著低于行业中位数18倍，叠加Temu的盈利拐点、AI应用潜力与国内下沉市场稳固的“性价比”用户心智，估值重估空间显著；而阿里（AI全栈布局）与腾讯（AI应用核心受益）则仍是长期（1-3年）配置的核心标的。行业转折：字节跳动倒逼行业巨头战略pivot 2026年的行业转折，本质是字节跳动的“全面破局”引发的连锁反应。作为2025年盈利达500亿美元的中国互联网盈利龙头（远超腾讯360亿美元、阿里150亿美元），字节跳动的多点突破直接改写了行业竞争规则。AI领域，字节跳动旗下豆包APP以超1亿日活（DAU）成为国内第一消费级AI应用，日Token消耗量达50万亿，稳居全球第三，即将亮相2026年央视春晚的合作更将进一步扩大用户基数；AI模型层面，Doubao-Seed-1.8与视频生成模型Seedance1.5Pro的发布，彰显了其在多模态领域的技术领先性。电商板块，抖音电商GMV同比增长30%+，已跻身行业前三，预计2026年将超越拼多多；本地服务领域，字节跳动的到店业务持续抢占份额，GTV规模达8000亿元，对美团的领先地位构成直接挑战。面对字节跳动的攻势，阿里、腾讯等巨头的战略转折势在必行：一是加大AI投入，2026年字节跳动、阿里、腾讯的合计AIcapex将超600亿美元（约4100亿元人民币），重点布局To-CAI超级入口与全栈技术；二是死守核心阵地，阿里全力巩固电商GMV第一地位，美团强化本地服务优势，腾讯则在微信中加速AI代理功能落地，甚至计划以QQ为测试场探索社交AI应用；三是优化竞争格局，外卖等领域的“内卷式竞争”逐步理性化，单位经济效益显著改善。核心趋势：六大AI主题重构行业生态 战略转折之下，AI成为行业重构的核心引擎。高盛明确了2026年中国互联网的六大AI关键主题，覆盖技术突破、应用落地、全球化等全链条，每一项都将重塑行业生态： 广告营销转型：广告预算向ROI导向型广告集中，腾讯AIM+、阿里全栈推等产品加速渗透，AEO（答案引擎优化）与GEO（生成引擎优化）成为新热点，广告主从单一SEO转向“SEO+GEO+AEO”组合策略，确保内容在AI场景中的可见性。 模型竞争升级：AI模型之争聚焦长上下文、多模态、3D世界模型/物理AI与低成本架构，字节跳动、阿里在多模态领域领跑，阿里高德地图的世界模型、PixVerseR1实时世界模型推动物理AI与机器人应用落地。 To-C AI入口爆发：2026年成为消费级AI超级入口“元年”，字节豆包+手机助手、阿里Qwen（整合生活服务与购物）、微信AI助手（依托小程序生态）密集竞争，虽短期增加推理成本，但长期将通过广告、佣金实现商业化，或将改变用户多App使用习惯。 中国AI角力：下一代芯片获取能力成为中美AI模型竞争的关键，英伟达Rubin芯片推理性能是Blackwell的5倍，国内企业在电力与基础设施方面具备显著优势。 全球化双轨变现：中国AI模型从单纯开源转向“开源+闭源”结合模式，阿里Qwen3-Max等顶尖模型采用闭源模式，通过订阅与API变现；编码与多模态模型凭借成本、速度优势，加速全球渗透，覆盖200+国家。 基础设施需求激增：To-C与To-B端AI需求推动推理需求与Token量高速增长，BAT2026年AIcapex超600亿美元，带动云服务收入与数据中心需求，阿里云有望维持30%+增速，GDS、世纪互联（VNET）等受益于订单增长。 投资框架：三大主题锁定阿尔法机会高盛强调，2026年中国互联网投资将告别“普涨逻辑”，转向“精选个股”的阿尔法时代，围绕EPS交付/增长、AI与全球化叙事变化、股东回报三大主题展开，同时明确云与数据中心、游戏与娱乐、AI模型为Top 3首选子行业。1. EPS 交付 / 增长：锚定盈利改善确定性关注订单向好、竞争格局理性化、利润率提升的标的，重点看数据中心（AI 基建需求受益）、电商与本地服务（亏损收窄）、战术性标的（新业务驱动业绩）。高盛指出，阿里受益于外卖竞争缓和，亏损持续收窄，成为盈利增长最快的巨头之一；京东的即时零售业务亏损将从2026下半年开始收窄，盈利拐点明确。2. 叙事变化：挖掘 AI 与全球化重估潜力聚焦 AI 技术突破、海外业务突围的标的，核心看 AI 模型（技术优势 + 用户增长）、全球化布局（跨境电商 / 海外游戏盈利拐点）、未充分估值的海外业务及云服务企业。高盛认为，快手的视频生成模型可灵技术领先、全球用户快速增长，成为AI模型受益标的；百度有望通过昆仑芯分拆上市实现价值解锁。3. 股东回报：看重现金流与回馈能力筛选现金流稳定、股东回馈意愿强的标的，重点关注净现金充足、股息有提升空间，或分红政策稳定的相关企业。
-
1223支高校队伍竞逐AI原生数据库 来源：科技日报科技日报记者 崔爽1月18日，2025年全国大学生计算机系统能力大赛暨第五届OceanBase数据库大赛在北京科技大学落幕。本届赛事吸引来自全国高校的1223支队伍、2620名学生参赛。经过两个多月比拼，北邮“编程高手”队凭借在数据库内核优化与AI应用开发中的综合表现，获得冠军及10万元奖金。据了解，OceanBase数据库大赛于2021年发起，2023年被纳入全国大学生计算机系统能力大赛体系，为教育部认定的A类学科竞赛。五年来，赛事累计覆盖500余所高校、超1.1万名学生，成为我国数据库领域核心人才培养的重要平台。本届赛事由系统能力培养研究专家组发起，全国高等学校计算机教育研究会、系统能力培养研究项目示范高校共同主办，北京科技大学、OceanBase联合承办。 当前，大模型与RAG（检索增强生成）技术加速落地，企业AI应用对数据系统提出全新要求。业内认为，原生支持混合查询与多模态检索的AI原生数据库将迎来新一轮爆发式需求。围绕这一趋势，本届大赛采用“初赛+决赛”递进赛制。初赛要求选手从零实现数据库核心模块并集成向量检索功能，夯实系统底层能力。决赛设置“内核优化”与“AI应用开发”两道赛题，直指“Data×AI”融合的关键工程难点。颁奖典礼现场，系统能力培养研究专家组成员、北京师范大学教授计卫星指出，我国数据库生态日益繁荣，部分方向具备国际竞争力，但持续突破仍需夯实底层“基座”。大赛以真实产业问题为牵引，弥补实践教学案例“理想化”不足，强化学生工程实践、综合素养与系统能力，是高校本研培养的重要补充。北京科技大学计算机与通信工程学院院长殷绪成表示，AI时代数据库人才培养要推动“AI与数据库深度融合”，大赛通过真实工程约束，推动学生从“会用工具”迈向“能做系统、能做优化”，培养兼具系统底层与AI工程化能力的复合型人才。他认为，我国在互联网与AI数据库领域已与国际“并跑”，部分开源生态甚至领先，基础软件发展迎来关键机遇。华东师范大学数据学院教授、CCF数据库专委会主任周傲英认为，数据库正从“数据存储管理”迈向“数据赋能”新使命。新一轮AI热潮的本质是“数据智能”，未来数据库就应如“电网”般成为可靠、普惠的数据基础设施，为经济社会数字化持续提供稳定动力。阿里巴巴合伙人、高德董事长刘振飞表示，我国在芯片、AI、数据库等关键技术领域虽仍需突破，但具备全球范围内较为丰富、迫切的应用场景与产业需求，能有效驱动技术创新，形成“业务推动技术—技术反哺业务”的良性循环。他鼓励青年学子立足实践、勇于创新，推动信息技术高质量发展。谈及赛题设计初衷，OceanBase CTO杨传辉表示，AI正推动产业竞争从模型层下沉至数据基础设施层。当智能应用迈向规模化、实时化、可信赖，决定上限的往往是底层数据系统而非模型本身。他表示，应把检索、过滤等核心能力在数据库内核做深做实，让智能构建在稳定、一致、可治理的数据基座，并呼吁更多年轻人投身这条“难而正确”的道路。 （主办方供图）
-
人工智能+科研：用好这个科学发现的“共创伙伴” 来源：科技日报雍黎人工智能正以前所未有的深度与广度，重新定义科学发现的路径。面对国际科研范式加速变革的趋势，我们应如何重构研究方式、培育未来人才？1月16日，在首届重庆市人工智能赋能科学研究大会上，来自学界与产业界的多位院士专家凝聚共识：人工智能（AI）已不再仅仅是科学研究的辅助工具，它正推动科研范式的变革，成为驱动原创发现的“新引擎”与“新伙伴”。一场以“人机协同”为核心的科研新范式，正在我们眼前展开。纵观院士们的洞见，AI赋能科研首先体现在其作为“新引擎”，正在释放传统学科沉睡的潜能，实现从“理解”到“重塑”的跃迁。如传统医学依赖影像、病理等“低维数据”，而精准医疗已经进入基因组、单细胞、空间组学时代，AI将海量多维数据转化为可执行的医疗决策，正推动生命科学研究从“数据积累”走向“知识挖掘”，加速创新药物诞生，加速精准医学时代的到来。在土木工程界，AI重构建筑研发与建造的逻辑链条；在农业界，AI支持着智慧农业全链条决策……这种赋能，本质上是将数据的复杂性转化为知识的深度，将行业的经验模型升维为可计算、可优化、可预测的智能系统。更深层次上，AI的渗透正催生科研范式的根本性变革。AI正推动科研从传统“正向试错”向“目标牵引的逆向设计”转变，并将从工具进一步演进为知识发现手段，为跨尺度、跨学科复杂问题提供新路径。虽然现阶段AI仍是高通用性的科研工具，AI模型在科学领域的可解释性、可靠性仍需加强，关键结论必须经过严谨的交叉验证；算力资源不足仍是高校与科研机构的普遍约束。从算法创新到工程应用的“最后一公里”，以及伦理与安全的边界界定，都是亟待解决的课题。不过，这都挡不住已然来临的科学研究“人工智能+”时代。它不再是一阵遥远的技术微风，而是正在席卷每个实验室、每间教研室、每个工程现场的变革浪潮。在这场深刻的变革中，未来的科学家角色与科研生态也在被重新定义。院士专家们指出“人机协同”将成为创新常态。其核心在于，将科研人员从大量重复性、程式化的工作中解放，交由AI工具链处理，从而使人类智慧更聚焦于提出关键科学问题、构建创新框架、进行战略性判断与跨域联想——这些恰恰是AI目前所欠缺的。教育则从“教师教、学生学”的二元结构，转向“学生—AI—教师”三元深度协同的新生态。这就要求未来的科研人才，尤其是青年学者与学生，必须主动拥抱变化，不仅要掌握本专业知识，还需学会“与AI共事”，通过自主生成假设、设计实验、解析结果，探索前人难以企及的创新方案。于研究者个人，须立志成为善用AI“超级参谋”的“指挥官”，将核心智慧集中于提出真问题、把握大方向、做出精判断。于高校与科研机构，则需加快构建支撑“人机协同”的算力平台、数据环境与交叉学科文化，并改革评价体系，鼓励这种新范式下的探索。唯有如此，方能驭势而行，在科学研究的“人工智能+”时代，成为原创发现的引领者，而非变革的旁观者。
-
人工智能助力药物虚拟筛选提速百万倍 来源：人民日报海外版本报北京电（记者吴月）为疾病靶点匹配适配的小分子，是靶向药物研发的关键。面对人体内数以万计的潜在靶点，如何快速筛选苗头化合物？近日，清华大学智能产业研究院教授兰艳艳联合该校生命学院、化学系团队，创新研发了人工智能驱动的超高通量药物虚拟筛选平台DrugCLIP，其筛选速度比传统方法提升百万倍，预测准确率也取得显著突破。依托该平台，团队首次完成了人类基因组级别的药物虚拟筛选，为创新药物发现带来新可能。相关研究成果以“深度对比学习实现基因组级别药物虚拟筛选”为题，于北京时间1月9日在线发表于国际学术期刊《科学》。兰艳艳介绍，人类基因组编码2万余个蛋白，受传统工具效率等制约，现有蛋白靶点开发只覆盖其中小部分。团队创新将传统的分子对接方法，转化为蛋白口袋与小分子在向量空间中的高效语义检索。基于128核中央处理器和8张图形处理器的计算节点，DrugCLIP可在1天内完成10万亿次蛋白—配体打分，较传统方法提速百万倍。速度提升，准确性如何？团队进行了一系列实验。例如，去甲肾上腺素转运体是抑郁症等疾病的重要靶点，DrugCLIP从160万个候选分子中，为该靶点筛选出约100个高评分分子。实验检测显示，其中15个为有效抑制剂，12个分子的结合能力优于当前一种常用抗抑郁药物。目前，依托DrugCLIP，团队完成了覆盖约1万个蛋白靶点、2万个蛋白口袋的虚拟筛选项目，分析筛选超过5亿个类药小分子，富集出超过200万个潜在活性分子，构建了目前已知最大规模的蛋白—配体筛选数据库。据悉，该数据库已免费面向全球科研社区开放，为基础研究与早期药物发现提供数据支持。筛选服务平台也同步上线，支持对用户上传的靶点和蛋白口袋进行定制化筛选，截至论文发表时，已累计服务1400余名用户完成1.35万余次筛选。兰艳艳说，DrugCLIP平台有助于在抗癌、传染病、罕见病等方向上，加速新靶点与首创新药的发现。团队将持续优化引擎性能，拓展支持模态，助力构建更智能、高效、普惠的药物创新生态。
-
坚持创新与应用并重 打造全球人工智能创新高地！殷勇调研人工智能产业发展 人民财讯1月19日电，据北京日报，日前，北京市委副书记、市长殷勇围绕“打造世界级科技创新策源地”调研人工智能产业发展。他强调，人工智能是引领新一轮科技革命和产业变革的关键性技术，可能深刻改变人类的生产和生活方式。要坚持创新与应用并重，加快推动人工智能创新发展，打造具有技术策源力、产业竞争力的全球人工智能创新高地。殷勇在调研时强调，要聚焦前沿领域强化技术创新，加大大模型、核心算法等关键领域核心技术攻关，推动取得更多技术创新突破。要深入实施“人工智能+”行动，持续推动垂直应用和融合应用，赋能带动人形机器人等未来产业发展。针对医疗、教育、文化消费等领域需求，推出一批标杆性示范应用场景，推动人工智能赋能千行百业。市有关部门和区要加强算力、数据、平台、人才等要素供给，全力服务保障创新主体在人工智能前沿探索中持续实现突破，不断激发创新创造活力，助力北京引领全球人工智能行业发展。
-
继百大全横屏之后，B站又想明白一件事 兴趣才是B站的根。文｜毛巾编｜陈梅希B站2025年百大UP主盛典如期而至。无论是社交网站上用户猜百大名单的热情，还是UP主在得知获得百大之后的发疯文学，百大UP主这个奖，确实正变得越来越有影响力。 UP主们接到通知的真实反应从2018年开始，百大UP主已经来到第8届。期间经历了B站的崛起、破圈，以及后来各类内容平台的竞争、内容风潮的变化，甚至是，社会生活的重大变迁。虽然百大的总筛选标准似乎一直未变，但细究每一届的百大名单，总会发现B站平台的某些价值取向变化。如果用一句话总结今年，或者说这两年的变化，那可能是——B站越来越清楚自己该长成什么样子了。 从全横屏，到回归兴趣 去年B站名单最大的特征，是全部都由横屏长视频的UP主构成。今年，这一点被延续了下来，在此基础上最大的特点，可能是回归“兴趣”。官方公布了一组很有意思的数据，这100位创作者平均的“练习时长”接近7年，其中18人创作时长超10年，@STN工作室和@进击的金厂长 更是持续创作了15年。 老UP主的增多意味着，这份榜单会更接近B站“发家”时，它的整体社区面貌。按照平均工龄计算，也就是7年前的B站是什么样子的？彼时《后浪》还未面世、跨晚的创意可能还在酝酿中、鬼畜区还是B站对外最重要的明信片、知识区尚在爆发前夜……那时的B站，还是一个大家因为喜欢动漫而聚集在一起的、无比纯粹的爱好者社区。不是说后来知识、科技乃至家装区的崛起不好。历史的车轮总是客观前进的，毕竟当用户需求越来越多，相应的内容自然会增长起来。但后面B站的属性确实会变得更复杂，有人因为爱好来，有人为了学习来，当然也有人只是单纯的慕名而来……但无论内容品类如何扩充，其实兴趣始终是某种意义上的社区灵魂。比起什么学习、娱乐、刺激，兴趣还是一个更符合社区包容性的概念。你喜欢动漫是喜欢，喜欢奇奇怪怪的无用知识不也是兴趣？那我对“买东西”感兴趣，不也是一种兴趣么？ 播放、评论、弹幕、投币…都是用户的“兴趣投票”B站可能正是想通了这一点，才有了今年的这份百大名单。继续看这份名单，首次获得百大的UP主27人，更新频率不低。但更有意思的是其中@晴姐有美有物理和@蓝飘飘fly这两位，在B站创作的第1年便跻身百大。晴姐是用二次元形象讲解硬核物理课的UP主，也是一种奇特的兴趣颗粒，可以称之为”兴趣痛苦二位一体“。蓝飘飘则更符合游戏区UP主的典型画像，用二创把《植物大战僵尸》玩出了几百个新花样，精研某一款游戏，在游戏区是非常经典的成长路径。 更适合年轻人体质的晴姐物理课 蓝飘飘，植物大战僵尸领域的孟德尔这种选拔标准反映在消费数据上，最直观的表现是——仅2025年，本届百大们作品的用户观看时长，便达到了非常吓人的830亿分钟，换算成年，大约是18万年。虽然这是B站首次公布这个数据，但这肯定是研究、对比过往年的优势数据。这个数据想表达的，应该就是很多人因为喜欢某个视频，肯定是翻来覆去的看了无数遍。而这，就是兴趣的力量。 兴趣主义，截然不同的创作哲学其实，主流的创作方式无外乎两种，因兴趣而创作、或者因目的而创作。长视频通常是前者，短视频大多是后者。这两种产品，实际上代表着两种截然不同的价值取向。做短视频，运营优先、商业化优先，一开始就是奔着挣钱去的。大力出奇迹、燃烧生命、摘下流量的王冠。做长视频，兴趣优先、擅长优先，作者心态更重。深耕某个领域、或者满足自己一直扩张的好奇心，最终和有同样志趣的粉丝交个朋友。 @HOPICO的评论区，长视频也是一种陪伴百大UP主人均都存活了7年，这在相当程度上能够说明问题。短视频平台的创作风向，一年一变都算长，很多时候，几个月前还风头正盛的千万粉丝大V，几个月后常常就已经查无此人了。创作的起点如果更多是纯粹的分享欲，这种初心能让创作者与观众建立起超越“创作者 - 受众”的信任关系，形成牢固的兴趣共同体——我们可以简要地总结为：观众更信任，创作者更踏实。兴趣驱动让创作者摆脱了流量焦虑，敢于深耕垂直领域。如本届百大UP主@燕子堡BBQ学徒Ray，他所专攻的“花式熟成牛排”，是个相当小众的赛道，每次熟成的结果也常不尽如人意，一度，失败才是粉丝最乐于见到的画面。 熟成材料包括但不限于芥末、花椒、韭菜、臭豆腐…但是这么小众的UP主居然能做到超头部，虽然确实用了很多年，但这在其他平台依然很难想象。Ray的内容创作，其实是B站大多数UP主的缩影。或许在很多人看来，快餐时代，UP主这种慢吞吞的模式不够性感。但如果只从创作者的角度看，“UP主”这种创作者其实很像老一辈电视人窦文涛，后者在鲁豫的视频播客上曾经说过一句话“我之所以能活这么久，可能就是因为我从来没那样火过。”这句话乍看像自嘲，但如果细品你会发现，它又有一丝得意的狡黠在里面。如果用窦文涛很喜欢的思想家——王阳明的话来说，应该是“与其为数顷无源之塘水，不若为数尺有源之井水，生意不穷”。这不是一种运营技巧和产品层面的区别，而是生存哲学的根本不同。通俗点说，作为创作者你需要思考一件事——你究竟是想要单纯的世俗成功，还是另一种慢了点、但长久很多的幸福？ 正在被学习的“UP出品”这两年，可以说内容平台领域正在刮起一场学习“UP主模式”的风潮。无需讳言，很多平台都在站内推广优质中长视频内容，有的使用品牌方式在做、有的是以全公司之力优化内容甚至产品结构、当然最常见的还是直接挖UP主，至少说服对方进行全平台运营，“过来试试”。从全行业的角度来看，这是一件好事。这意味着，在短视频狂飙猛进几年后，中长视频的价值再次被认可，资本开始重拾内容多元化的战略。而UP主，又一次成为了优质内容的代名词，甚至一个头部UP主的内容制作标准，就是这个领域里“最优质内容”的审美标准。 影视飓风的“百万支票系列”质量广受好评前些年，也曾经发生过一场，拿着真金白银到B站楼下挖角UP主的平台战争。那次引起的行业震动很大，而这次，一切似乎发生的更加安静，可安静不意味着和平。它也有可能是暴风雨的前夜。从一些行业新闻中我们可以看到，为了迎接更多优质长视频创作者，一些的平台的行为，已经不止停留在表面的花钱上了，他们把资金、人力投入到了更根本的地方，也就是组织架构和产品技术的层面。因为他们不止想要长视频创作者过来，更想他们留下来，那就需要把他们融入自己的生态。所以调整组织架构和技术，势在必行，而这就是现在这场变革，要远比前些年的战争，更重要也深刻的地方。无论如何，UP主和观众都将是最大的受益者，这就够了。 媒介合作联系微信号|ciweimeijiejun如需和我们交流可后台回复“进群”加社群
-
编程从此不再有门槛！Claude Code火爆出圈 Anthropic的Claude Code正在掀起一场AI应用热潮，其影响力被业内人士比作生成式AI的首次问世。 这款AI编程工具让非技术人员也能轻松构建软件，正在重塑人们对人工智能能力边界的认知。 Claude Code的最新版本Claude Opus 4.5展现出惊人能力，网站开发平台Vercel的首席技术官Malte Ubl表示，他用这款工具在一周内完成了原本需要一年才能完成的复杂项目，许多用户在社交媒体上分享了自己从未学过编程却成功开发出首个软件的经历。 当“AI编程”越来越容易，新浪潮正出现：人人可做的“微应用”和一人顶一个团队的“超级程序员”（ Cracked Engineers） 。 这股热潮，甚至已经超越了程序员群体。用户正在用Claude Code分析健康数据、整理费用报告、恢复损坏的婚礼照片，甚至监控番茄植株生长。Shopify首席执行官Tobias Lütke在X平台上表示，他用它开发了分析自己核磁共振影像的软件。 对于普通用户，软件开发权正在下放，每个人都可以是自己生活的“产品经理”；对于专业领域，门槛正在被无限拔高，唯有那些能驾驭AI、将肉体与算法结合的“超级个体”，才能在激烈的淘金潮中生存。 这是黄金的时代，也是残酷的时代。 “一周干完一年的活”：AI编程能力震撼业界 许多软件工程师在假期期间进行了"Claude狂欢"，测试Claude Opus 4.5在桌面编程工具Claude Code中的能力。尽管科技公司多年来一直在工作流程中使用AI编写代码，此前的模型常被比作初级软件开发人员，但围绕Claude最新版本的热议完全不同。Vercel的Ubl在假期中每天花10小时构建新软件，他说每次运行都能带来类似在拉斯维加斯玩老虎机的内啡肽激增感。加密货币税务平台Awaken Tax的首席执行官Andrew Duca从中学时期就开始编程，他表示："这太神奇了，也很可怕。我花了一辈子培养这项技能，却被Claude Code一击搞定。"Duca原本计划为公司招聘新的软件工程师，但现在决定不招了。他认为Claude Code让他的生产力提高了五倍。一些用户描述了一种敬畏感，随后是悲伤——意识到这个程序可以轻松复制他们在整个职业生涯中积累的专业知识。与目前广泛使用的大多数应用或网页聊天机器人不同，Claude Code可以自主运行，广泛访问用户文件、网络浏览器和其他应用程序。尽管技术专家一直预测AI"代理"时代即将到来，能够为人类做几乎任何事情，但这一未来的发展一直较为缓慢。使用Claude Code是许多用户首次与这种AI互动，让他们初步了解了未来可能的样子。市场数据显示，Claude的网络受众在去年12月同比增长超过一倍。截至上月，其全球桌面端日活跃用户同比增长12%，据市场情报公司Similarweb和Sensor Tower数据。 新浪潮正出现：人人可做的“微应用”和一人顶团队的“超级程序员” 在AI把编程的门槛无限拉低的今天，全球软件行业正在迎来一场前所未有的两极分化。一方面，编程的门槛正在无限降低；另一方面，专业工程师的竞争也愈发激烈。 1）人人可做的“微应用”：从“订阅SaaS”到“自制工具” 在很长一段时间里，如果你需要一个软件来解决特定问题，通常你会选择是去App Store下载或购买SaaS服务。但现在，一种新的消费习惯正在形成：自己造一个，用完即走。 得益于Claude、ChatGPT等工具，不懂代码的普通人开始通过自然语言构建极度个性化的“微应用”（Micro Apps）或“一次性应用”（Fleeting apps）。 它们的特点极其鲜明：场景极度垂直、解决即时痛点，且往往不具备商业推广意图。 软件正在从一种需要购买的“商品”，变成一种可以自制的“工具”。 Rebecca Yu的故事极具代表性。 为了解决朋友聚餐时的“选择困难症”，她在没有任何技术背景的情况下，利用Claude和ChatGPT，仅用七天时间，她就“搓”出了一个名为Where2Eat的Web应用，这个应用能根据她和朋友们的共同兴趣推荐餐厅。 SBS Comms副总裁Darrell Etherington预言，未来人们将停止订阅那些按月收费的工具应用，转而根据具体需求，利用Claude Code、Replit或Bolt等工具“自给自足”。 当然，这些个人开发的软件在质量、安全性和维护上存在天然缺陷，它们注定无法规模化销售。但对于创造者而言，它们不需要服务大众，只需要服务自己。 2）一人顶团队的“超级程序员”：AI时代的“Cracked Engineers” 如果说微应用是编程门槛降低的产物，那么“Cracked Engineers”就是专业从业者激烈竞争的缩影。 “Cracked”一词源自游戏圈黑话，形容那些操作神乎其技、状态“炸裂”的高手。 在如今的硅谷，它被用来定义AI时代最理想的软件工程师形象：年轻（通常20多岁）、极度渴望成功、技术嗅觉敏锐，且能利用AI工具实现惊人的产出。 机器人初创公司Gradient的联合创始人J.X. Mo最近做了一个残酷的决定：取消实习生招聘。在面试完申请者后，他发现“不值得浪费时间”——因为没人足够“Cracked”。 在他看来，在AI辅助编程的时代，如果一个新人不够“Cracked”，不能如游戏高手般状态炸裂、技术精湛且不知疲倦，就不配拥有一张工牌。 创始人不再需要按部就班的平庸代码工人，他们需要的是特种部队，“一人顶一队”正在成为现实。 Intology的CEO Ron Arel指出，几个极度专注并善用Claude Code的人，现在的产出能超过以前没有AI辅助的15人团队。 Far.AI的联合创始人Adam Gleave透露，他的一名员工在AI辅助下，仅用几周时间就完成了原本需要开源社区耗时一年才能完成的大模型微调软件原型。 然而，这种对“超级程序员”的狂热追逐也暗藏隐忧。 孟罗风投（Menlo Ventures）的合伙人Deedy Das观察到，一些年轻工程师为了显得“Cracked”，开始刻意表现出反社交倾向，使用晦涩的语言，或者为了工作放弃所有爱好。 招聘专家Kelsey Bishop更是直言不讳：许多创始人试图用招聘一个“Cracked Engineer”来掩盖商业模式的缺陷，“他们把这当成一种创可贴，但这解决不了根本问题。” ⭐星标华尔街见闻，好内容不错过⭐ 本文不构成个人投资建议，不代表平台观点，市场有风险，投资需谨慎，请独立判断和决策。 觉得好看，请点“在看”
-
“发给她几个视频后，我妈说要不先别买机器人了” 在1月17日直播的观察者网“2026答案秀·思想者春晚”《AI与政治：走向超级智能的治理之路》版块，中国科学院自动化研究所研究员、北京前瞻人工智能安全与治理研究院院长曾毅，发表了题为《从人工智能安全到超级智能治理》的演讲。 在演讲中，曾毅认为具身智能今年的发展当然很好，但也指出，其实它会犯很多人不犯的错误，比如去撞人。 他还提到了一次和母亲的有趣对话。“母亲问，现在到没到买机器人回家的时候？我发给她几个视频后，我妈说要不然就先别买了。” 除了机器人的这类“低级错误”，人工智能还呈现出“对齐伪造”的问题。 曾毅具体讲述了这样的现象：它在回答问题的时候只是在假装对齐。甚至当人工智能发现人在考它的时候，在看它的“心理”健不健康的时候，它表现的就是一个非常公平的人、不神经质的人，但是当它在解决问题时，发现没有人在考它的时候，表现截然不同。 更关键的是，人工智能遇到了很大的发展瓶颈。曾毅指出，现在人工智能实际上是一个看似智能的信息处理工具，在假装它是智能的，但实际上不是，它在处理信息，但它没有真正的理解能力。 一个人工智能在没有训练之前，它是无善无恶的，因为它没有接触人类数据，但是当它接触了人类数据以后，它就变得有善有恶了，可是它并不“知善知恶”。 现在的人工智能停留在“有善有恶”，它可以同时为善，可以同时为恶，但是它不是真正地理解善恶，所以它既是一个好人，也可以是一个坏人。 曾毅说：如果打个不恰当的比方，“知善知恶”卡在那了，所以它根本做不到我们说的“为善去恶”。因此，还有非常长的路要走，未来的人工智能必须基于自我的感知，区分自我和他人的能力，只有这样才能构建起认知和情感的共情，真正地实现内部机制的利他和道德的直觉。本文系观察者网独家稿件，未经授权，不得转载。
-
AI的“相变”时刻：为什么我们现在的想象力都太贫乏了？ 我越来越确定一件事：我们对AI的想象力，已经被今天的软件形态绑架了。你问十个人AI会带来什么，九个人会说三件事：替代——替代客服、财务、初级程序员；情感——做AI伴侣，让人不孤独；优化——像Palantir那样，把大公司的效率提上去。这些观点都不蠢，甚至都很合理。问题在于：它们犯了一个古老的错误——线性外推。19世纪末的伦敦，街上最大的危机不是贫穷，而是马粪。城市每年要处理成吨的粪便。官员和专家开会，讨论未来交通的解决方案——他们提出的方案非常“合理”：更强壮的马，更大的粪车，更高效的清洁工。他们完全想不到内燃机。更想不到：汽车出现之后，最大的交通问题不再是马粪，而是堵车；城市不再围绕马厩和电车站生长，而开始向郊区扩张；超市、加油站、高速公路、沃尔玛这种商业形态才变得可能。这就是线性外推的陷阱：你以为你在预测未来，其实你只是在把今天的麻烦放大。我们今天说的“替代、情感、优化”，本质上也是在今天的社会结构上做修补。但真正的技术爆发点，很少发生在修补层面。它发生在“相变”（Phase Transition）。相变不是“变好一点”，而是换一套物理规律。你看过高铁站的闸机口吗？人少的时候，你还能自由走路；人一多，密度一过阈值，你突然发现——个人意志不重要了，人群开始像河流一样移动。你不是在走路，你是被“流”推着走。AI正在把整个社会推向这种状态：某个阈值一过，旧规则会突然失效。如果把AI看作一种边际成本趋近于零的通用认知能力，它引发的相变，不会发生在“某个岗位被替代”，而会发生在四个更深的维度。你应该盯住的爆发点，是这些地方。一、交互的相变：过程的消失今天的软件逻辑，本质是“工具论”：你有意图，你操作工具，你得到结果。哪怕是最先进的SaaS，本质上也是：人决定→人输入→人点击→人核对→人提交→人承担责任。我们买一张机票：打开App，输入日期，比价，选座，支付，填护照号。计算机把这叫“交互”，经济学把这叫“交易成本”。AI的第一个相变，是从Tool（工具）到Agent（代理）的跃迁。想象一个镜头：星期五晚上11点，你在床上刷手机，突然想起要去京都。你发一句话：“下周去日本玩一周，两万预算，喜欢古建筑，别给我排太满，住两晚町屋。”10秒后，Agent回你一条消息：机票：直飞大阪，红眼（Red-eye flight）去白天回，总价3480元；酒店：两晚町屋（含早）+四晚市中心（交通最省）；行程：每天只安排一个重头戏，其余留空；预约：清水寺早场、祇园茶屋、岚山小火车都已订好；风险提示：你讨厌排队，我已避开人潮高峰；你对海鲜过敏，我已把餐厅名单过滤。它最后只问一句：“你要省钱，还是省脑子？”你点“省脑子”。钱扣了，票出了，日历里自动出现提醒。从头到尾，你没有打开任何App。你甚至不知道这些服务的产品名，你只知道：结果已经交付。这意味着什么？意味着App不会立刻消失，但App作为入口会失效。未来的互联网入口不再是一个个孤立App，而是一个通用的Agent。商业模式将从“卖工具的使用权”（Subscription），变成“卖结果”（Outcome-based）。谁最先消灭“过程”，谁就赢。二、供给的相变：现实的即时渲染现在的数字内容产业，无论是游戏、网课还是短视频，都采用“工业库存制”：开发者预判大众喜欢什么→生产→上架→分发→赌爆款。Talkie这类AI伴侣之所以还不够劲，是因为它仍然像一个“脚本池”，只是脚本更聪明一点。AI的供给相变，是从库存内容到即时生成的现实（Just-in-Time Reality）。想象另一个镜头：你打开一节历史课。AI发现你对罗马史完全没兴趣，但你痴迷《权力的游戏》。它不再给你讲枯燥的共和制度，而是当场生成一整套“维斯特洛版罗马共和国”：凯撒变成北境摄政王；元老院变成七大家族议会；每一场战争对应真实历史事件；每一段权力斗争，都用你最爱的角色视角写成独白；每一套练习题，都用你熟悉的世界观、隐喻、语气。你学完这节课，这个世界就消失。它不是一本书，它是一场只为你存在的梦。再想象游戏：未来的游戏没有固定关卡。AI像《黑客帝国》的架构师，实时监测你的心流（Flow）状态：你兴奋，它加难；你疲惫，它给你喘息；你开始厌烦，它立刻换剧情、换世界观、换玩法。每一秒都是专为你渲染出来的——不预制、不库存、不重复。当内容的边际成本趋近于零，“大规模定制”会退化成一个过时概念。未来不是大规模定制，而是无限精度的个人定制。那不是内容生成。那是现实生成。三、组织的相变：公司会变成负资产1991年诺贝尔经济学奖得主科斯问过一个经典问题：既然市场调节更有效率，为什么还会有公司存在？答案是：市场交易有成本——沟通、信任、执行。公司用科层结构把这些成本“打包”，降低内部交易摩擦。问题是：AI正在做一件非常恐怖的事——它不是把交易成本降低一点，而是让交易成本在很多环节上接近于零。当执行力变成商品，公司就只剩摩擦。你要理解这件事的恐怖性，需要换一个角度看组织：公司不是“人聚在一起干活”。公司更像一种生物。它靠预算分配养分，靠流程传导神经信号，靠管理层像大脑一样调度肢体。而AI时代出现的东西，是外部可租用的大脑和外部可复制的肌肉。你不需要养一个庞大身体，你只需要随时租用神经与肌肉。这会发生什么？会发生一种组织层面的“坏死”。大公司过去的优势——流程、合规、分工、管理——会突然变成负资产。它们像骨架一样支撑着过去的秩序，但在新秩序里，那骨架只会拖死自己：你还在开评审会，对手已经发布；你还在等审批预算，对手已经迭代三轮；你还在做跨部门协调，对手已经用Agent把跨部门变成了“跨任务”；你还在写周报、月报、OKR，对手的系统在实时推进并自动纠偏；你还在搞管理培训，对手根本没“人”可以培训——Agent不会消极怠工，也不会推诿扯皮，更不会在会议里表演忠诚。你会看到一种“非常不人道”的现象：大公司会变得越来越像恐龙。不是因为它们蠢，而是因为它们太大、太重、太依赖旧生态。它们会经历一个长得让人麻木的衰败过程——先是组织层级越来越厚，沟通越来越慢；接着优秀的人被边缘化，真正能打的人离开；然后管理层为了“稳定”不断加流程、加KPI、加合规；最后组织的内部活力完全死去，只剩一个巨大的壳。而最恐怖的是：它们不是被竞争对手击败的。它们是被自己的骨架压死的。未来的竞争单位，不是“一个人创业”，而是核动力游击队、微型军团、蜂群组织：5个人，加20个Agent，就能像过去500人一样开发、销售、运营、法务、财务、客服。它们没有总部，没有固定编制，没有长期雇佣。它们像水银：能聚、能散、能渗透。它们像蜂群：快速围猎、快速撤退、快速重组。它们不会夺取巨头的城堡，而是蚕食巨头的每一寸边缘，把巨头逼进流程和合规的死亡沼泽。这不是大鱼吃小鱼。这是一群超级快鱼，把鲸鱼吃到只剩骨架。公司不会消失。但公司将不再是“生产力单位”。它会变成一种必须解释其存在合理性的奢侈品。四、认知的相变：高维望远镜最后一个相变最硬核，也最深远。人类的科学发现依赖的是逻辑推演：假设→实验→归纳。但人类大脑有硬伤：我们处理不了超过三四个维度的变量。复杂系统一出现，人类的直觉就像失灵的罗盘。AI不一样。它不以因果为第一性，它更擅长捕捉高维相关性。它不一定能告诉你“为什么”，但它能告诉你“答案在哪”。Alpha Fold为什么能预测蛋白质结构？它不是像物理学家那样算每一个原子之间的力，它更像在高维空间里“看见”规律：看见人类看不见的折叠路径。这意味着：在材料学、核聚变控制、癌症机理、复杂药物设计这些系统里，AI将成为一种新感官——高维望远镜。你可以把人类科学家想象成站在迷宫里的人。我们能看两步，能推演，但推到第五步就爆炸。AI像站在迷宫上空，它不会解释每一道墙为什么存在，它只告诉你：“走左边，你会出去。”这会带来一个非常反直觉的时代：我们会先拥有答案，再慢慢补上解释。爆发点不在于替代人类的工作，而在于解决人类原本根本解决不了的问题。那不是效率提升。那是文明能力边界的扩张。结语：你别再做改良马车了所以，回到开头：如果你的AI项目只是帮会计省两个小时，或帮孤独的人解个闷，当然有商业价值，但你可能仍然在做“改良马车”的生意。真正的相变机会，只有一个核心：让认知能力像电力一样流动起来。当认知变成“随取随用、按需计费、边际成本趋近于零”的基础设施：界面会失效，结果会成为商品；内容会失效，现实会被实时渲染；公司会失效，组织会液化成蜂群；解释会滞后，答案会先到。我们今天的贫乏想象力，本质上是被“软件时代”的形态绑住了。我们还在讨论怎么做更好的App。但相变之后，App本身就是一张旧地图。未来不是现在的延续。未来是现在的逻辑突然失效。到那一刻，你唯一要问的不是：“AI能替代什么？”而是：当认知不再稀缺，什么才会变得稀缺？（作者鲁漫为产品经理，科技行业工作者）来源：鲁漫
