找到
865
篇与
互联网
相关的结果
- 第 3 页
-
首个国产企业级满血版OpenClaw来了！百度DuMate全量上线 来源：环球网【环球网科技综合报道】3月22日，百度DuMate正式上线，面向用户全量开放。这是国内首个国产企业级龙虾产品，由百度智能云打造，支持本地部署，企业级用户也能安全合规使用。针对目前龙虾的安全风险痛点，DuMate提供了完善的解决方案，实现多重防护。一方面，DuMate通过预装安全沙箱，实现与本机设备环境隔离，代码、任务、文件闭环执行，不影响本地环境、不扩散风险、不泄露数据。另一方面，针对文件删除、系统修改、数据外发等高风险操作，DuMate会强制用户明确授权后才执行。同时，DuMate还具备文件夹级权限管控、操作全程可审计等企业级场景能力。在功能上，DuMate原生支持 Word、Excel、PPT 等主流办公软件。内置百度搜索Skill，也让DuMate拥有更强的理解能力和更好的任务完成率。另外，DuMate也支持用户按需灵活扩展优质Skills。DuMate进一步完善了百度OpenClaw生态布局。目前百度龙虾全家桶，涵盖云端虾、手机虾、安全虾、桌面虾及全球首款家用小龙虾等产品，可以满足不同场景下的龙虾使用需求。（古雨）
-
百度AI的反直觉之路 「核心提示」 红包大战后的冷思考：在行业集体陷入追逐风口、制造概念时，主动聚焦更难能可贵。 作者 | 詹方歌编辑 | 邢昀春节时，你手机里为抢红包下载的AI 独立APP有多久没打开了？这场以“撒币”换流量的狂欢逐渐冷却，反思和追问必须跟上。热力学第二定律中有一个概念“熵增”，它描述了一个孤立系统自发走向混乱与无序的自然过程。映射到商业世界，当行业陷入一种被焦虑驱动、盲目追逐热点的竞争状态时，便会在战略路线选择和产品体验层面产生类似的“熵增”效应：巨头们不断投入象征着能量的巨额资本与资源，但并未构建出坚固的护城河或持久的用户价值，反而加剧了行业的整体内耗与战略迷茫。体感的“热闹”，实际上是系统正在变得更为无序。AI行业集体陷入“熵增”浪潮中，也有大厂开始一系列反直觉操作，从产品、技术到战略层面，聚焦真实价值，换取确定性，通过熵减构建秩序，回答AI时代的根本性问题：在无限的可能性中，什么才是真正值得做的事？1、从“撒币竞赛”到“价值锚点”刚刚过去的2026年春节，一场围绕AI应用入口的“撒币”竞赛以空前规模上演。腾讯、阿里、字节、百度几家大厂投入的营销费用规模总计达到了近百亿规模。其中，腾讯靠社交裂变，阿里捆绑电商与本地生活，引导用户下载独立的AI APP。虽然各家逻辑和战略并不相同，但焦虑是集体性的。这场天上掉馅饼的“红包雨”并不是简单的节日营销。巨头们普遍认为，在这个全年最大、最集中的流量窗口开放之际，让自己的产品成为下一个超级流量入口，才算是获得了AI时代的新船票。可是，当热潮褪去，补贴停止，这些被“真金白银”吸引来的用户还会为AI本身的价值留下吗？这次红包大战中AI助手看似能够做很多事，包括图片生成、话术生成、帮点外卖，有哪些是真正的刚需？模式尚未成熟，先抢占的流量来得快也去得快，这是一种无奈的“熵增”。不仅国内，全球AI领头羊OpenAI也面临同样困境。为应对竞争和IPO压力，OpenAI不得不进行战略收缩，包括明星产品Sora视频生成器、Atlas浏览器在内的多个“支线任务”将被边缘化，资源聚焦于编程和企业市场这一核心变现路径。熵增之后，OpenAI终于发现，在什么都想做、什么都想要的过程中，公司组织能力、资源、算力都会遇到问题。比如，不同项目组之间争抢算力反而拖累了核心模型的更迭，让公司陷入被动。回到国内，尽管身处流量焦虑的大潮中，也有公司已经开始重新审视熵增路径的合理性，比如百度。百度同样参与了红包营销，但和诸多巨头的玩法不同。它没有创造全新的独立APP，而是将AI能力深度内嵌进月活7亿的国民应用百度APP中，红包的作用更多是促活。让用户回到最熟悉的场景里，用最低的迁移成本，提供最可信赖的AI服务。这不是在生硬创造“伪需求”，而是将AI能力“无痛嫁接”到最刚需、最高频的入口搜索框里，完善和强化百度核心的“搜索”功能，使其自然进化成“AI增强型搜索”。聚焦于主航道、减少用户操作、提升体验确定性，百度选了一条和别人不太一样的“产品熵减”之路。事实上，百度在产品端的收束动作可以追溯到更早以前。2025年初，百度APP全量上线新的AI入口，到10月，全新品牌“百度文心助手”启用，取代了此前的“百度AI搜索”。如今点开百度APP的文心助手界面，对话框上有大量垂类场景卡片，从AI生视频到拍题答疑，用户带着明确意图来搜索，天然适配AI介入，而产品的价值锚点也回归到“解决问题”这个核心上。这种产品层面的“熵减”，背后是百度2026年更核心的战略逻辑：业务聚焦，兑现价值。2、追求“准确”而非“参数”最近，演员刘美含在AI上询问“铸币坊”读音的视频上了热搜。她先后查询了五款主流AI工具，最终，只有百度AI给出了与《新华词典》及语言学教授验证一致的正确答案“fáng”（二声）。这个案例引发共鸣，因为它击中了用户使用大模型时最普遍的痛点：AI幻觉。幻觉的根源在于模型的底层运行机制，它不是从权威知识库中检索答案，而是通过对海量语料的统计学习，预测“最可能”出现的词句组合。当训练数据中存在矛盾、错误或信息稀缺时，模型就可能一本正经地胡说八道。今年“3·15”晚会曝光的GEO（生成式引擎优化）业务，更是将这一问题推向公众视野。不法商家批量编造虚假测评信息、伪造权威推荐内容，投喂给大模型，让AI给出定制推荐。用户往往被AI自信而完整的表达所迷惑，难以察觉其中潜藏的事实谬误。过去两年，行业陷入一种“参数崇拜”的迷思，不断追求参数规模与对话流畅度的过程中，“准确性”正在成为一种稀缺品。如今越来越多人意识到：准确性正在取代参数规模，成为AI的第一性原理。百度对这一趋势的判断，比行业早了至少一年。当其他厂商还在比拼万亿参数时，百度已经将重心转向“少幻觉、低污染”。百度APP内嵌文心助手，能够使AI生成结果与传统搜索交叉验证，用户可追溯信息来源，双重验证机制，大幅降低了误导风险。这背后的逻辑是，百度认为AI的价值在于“能多靠谱地做事”。为此，百度在大模型层面进行了熵减，聚焦准确性。首先是从技术路线上减少幻觉的源头，拒绝“后期融合”。百度文心5.0采用了原生全模态统一建模架构，将文本、图像、视频、音频等多源数据在同一模型框架中进行联合训练，避免了信息在层层传递中容易失真的问题。其次，为了进一步确保准确性，百度推出 “文心导师”计划，邀请来自科技、金融、教育、医疗等十余个行业的835位专家，在知识传授、鉴赏评价、专业判断等方面对大模型进行指导。强大的模型能力最终服务于实用。自春节红包活动开启，百度APP文心助手月活跃用户同比猛增4倍， 这正是基于百度APP的产品生态，通过搜索、问答等真实用户需求的自然转化。面对万亿参数的军备竞赛，百度没有盲目入局，而是将技术重心放在提升模型的事实性、指令遵循和减少幻觉上，并将此能力深度集成到百度搜索等高频产品中，尝试让强大的模型能力在真实场景中，解决实际问题。 3、长期主义的定力与敏捷2026年开年，OpenClaw（龙虾）爆火，百度成了国内最早拥抱OpenClaw的玩家。从1月，百度智能云率先推出部署方案开始，短短两个多月内，百度还完成了主APP集成、电脑端零门槛部署服务，以及桌面端、移动端、家居IoT端创新的全链路布局。社交媒体上，OpenClaw创始人看到消息也向百度发来合作邀约。而百度搜索Skill下载量超4.5万次，更是成为养虾平台上全球下载量第一的搜索引擎官方技能插件。百度之所以能在OpenClaw爆发时实现精准卡位，源自一套更深层的战略逻辑。在无限的可能性中，用聚焦换取确定性，用提前布局赢得先机，这正是百度的“战略熵减”。当行业陷入盲目扩张的“熵增”循环时，百度选择用超前预判、长期积累和组织敏捷，构建一套灵活敏捷的战略体系。实际上，百度CEO李彦宏在2024年就表示，智能体是AI应用的最主流形态，即将迎来爆发点。2026开年一次内部分享中李彦宏再次强调，“AI时代的应用就是智能体”，并首次明确了百度相关的四类智能体：搜索智能体（百度AI应用的主航道）、数字人智能体（慧播星）、代码智能体（秒哒）和演化智能体（伐谋）。有了战略预判，还需要执行能力来兑现。在拥抱OpenClaw的闪电战中，百度展现了其基于“芯、云、模、体”全栈能力进行快速产品化的强大执行力。也正是这一套长期打磨的全栈闭环，构成了百度区别于其他大厂的核心差异化壁垒。在“芯”层面，自研的昆仑芯已迭代三代产品，为大规模模型训练与推理提供了自主可控的算力心脏。2026年1月，昆仑芯正式向港交所提交了主板上市申请，预备分拆上市。“云”层面，百度智能云不仅是算力资源的提供者，更依托百舸、千帆技术赋能体系，打通从训推加速、模型工程到智能体落地的全链路，服务超80% 央企，并支撑具身智能产业30余家重点企业研发落地。“模”和“体”分别是文心大模型5.0和以慧播星数字人、伐谋演化智能体为代表的多元化应用。这套从底层算力到顶层场景完全打通的体系，是百度深厚的、体系化的“家底”，使其能在行业热点切换到智能体时迅速调动资源，实现敏捷而有力的出击，而不是被动跟风。2025年，百度AI业务收入达400亿元，同比涨幅达到48%。与此同时，在业务不确定性加剧的AI时代，组织敏捷性本身就是一种竞争力。百度此前完成了一系列关键调整，让决策链条更短、资源更集中，组织反应更快。去年11月末，百度模型团队完成拆分升级，分别为聚焦大模型的基础模型研发部和聚焦场景、专精模型调优的应用模型研发部，直接向李彦宏汇报。据社交媒体透露，业界知名大模型技术人才将于近期加入百度，增强模型研发组织竞争力。此前百度文库与网盘也整合完毕，组成个人超级智能事业群（PSIG），这进一步强化了百度在AI应用方面的整体协同创新能力。百度的“熵减”路径，是在不确定性的浪潮中构建确定性价值的过程。在行业集体陷入追逐风口、制造概念时，百度主动聚焦，将能量投入到构建AI最本质的价值中去。让AI从炫技的“玩具”，真正转化为人们日常可信赖的“工具”。这正是百度在AI 时代的长期主义定力所在。
-
App消亡倒计时：“龙虾”上位 每隔一两个小时，张钹就会收到一句语音提醒：“该喝水了！”发出提醒的，正是他的私人“助理”。助理还会帮他承担复杂的检索工作，并事无巨细地提供每一步检索过程、遭遇的困难和对应结果。“我让它针对今年全国两会中关于人工智能的提案做深度调研，它先检索中文资源，再去查英文资料。”所有人都能猜到，这位尽职尽责的“助理”，就是最近火爆全球的“龙虾”。张钹是中国科学院院士、清华大学人工智能研究院名誉院长。两周前，他在自己的电脑上安装了一只内测的“澳龙”（AutoClaw），这是一款由智谱开发的国产版“龙虾”，可在本地一键部署。作为GPT的90岁高龄资深玩家，张钹对《中国新闻周刊》表示，以“龙虾”为代表的AI智能体（Agent）与传统大语言模型的本质区别，是GPT只会回答问题，Agent则会执行任务，而且会把执行的整个过程一步步展示出来。与DeepSeek引发的上一轮全民技术狂欢相比，“不仅会说，还能做事”的“龙虾”似乎在普通人中点燃了更大的热情，但很快，曾经千人排队安“龙虾”的名场面，就变为争相购买咸鱼上的“99元安全卸载龙虾服务”。“整个市场在渐趋理性。”平凯星辰副总裁、原阿里云副总裁刘松对《中国新闻周刊》说。一个由人类与Agent共同生活、工作并构建社会的“龙虾”时代，会引发怎样的技术革命与社会变革？Agent进化的终极形态是什么？当前发生的一切，真的是人类抵达通用人工智能（AGI）的关键一跃吗？ AI插画/adan“意义比DeepSeek更重大”“能力不稳定是最明显的感受。”刘松同时养了四只“龙虾”，分别来自Kimi、MiniMax、飞书和智谱。在使用两周后，他发现，“龙虾”的强大主要体现于三种能力：一是本地部署，这意味着它可以直接操作个人电脑环境；二是永久记忆，能记住上下文和任务历史；三是可以随时创建和获取Skills，也就是Agent在执行任务时能调用的一切“能力”或“工具包”。刘松认为，本质上，模型能力决定着“龙虾”的智力，调用工具的能力则体现出它的执行力，也就是“模型+调用”。多位受访的AI从业者指出，目前，大语言模型在不同领域的“聪明程度”仍有差异，特别是国产大模型，有的模型擅长编程与信息搜集，有的模型擅长中文处理。受模型能力影响，“龙虾”在执行任务时经常会被“养死”，比如任务中途“卡住”或在两个步骤间无限循环；有时同一个任务，多次运行结果差异却很大，或需要反复尝试多次才能完成。当任务步骤很多时，“失忆”也很常见。“有点像找了一个很勤奋的实习生，但有时工作完成的质量只有60分，你还得亲自去帮他收场。”刘松形容。清华大学智能产业研究院首席研究员、前阿里巴巴人工智能实验室北京负责人聂再清认为，当前的“龙虾”更像是一个技术雏形。他对《中国新闻周刊》说，在现有模型能力下，Agent虽然能在开放环境中自主规划行动，但对于现实世界规则的理解仍然有限，在很多场景下，依然需要依赖人类持续参与。因此，在未来很长一段时间，人机协作仍是完成任务的主要模式。事实上，在太平洋的另一头，这只最早从硅谷极客圈开始走向全球的“龙虾”OpenClaw，只是一位奥地利创业者的“周末项目”，更接近一个实验框架，远非成熟产品。创业者叫彼得·施泰因贝格尔。很多开发者后来分析，OpenClaw的成功在于它抓住了一个重要的时机：大模型的编程（coding）能力已进化到了足够惊艳的水平，Agent现在终于可以拥有一颗聪明的“大脑”了——虽然站在使用者的角度，这或许还不够。整个2025年，OpenAI、Google等大模型领域的前沿竞争者相继推出了以编程为强化方向的模型升级。其中，最有影响力的一款产品是Anthropic于2025年2月发布的Claude Code，很多开发者将其视为Agent时代的真正开端，认为它可以像软件工程师一样完成完整的工作流程——从理解需求、拆解任务，到生成代码、测试并修改错误。但真正在全球火起来的却是OpenClaw，为什么是它？张钹认为，原因有两个，一是开源；二是第一次在数字世界里打造了一个相对完整的通用Agent系统框架，能调用各种资源，也可以接入即时通信软件的入口，可玩性和扩展性都很强，也很适合二次开发。作为中国AI领域的核心奠基人之一，张钹见证了人工智能40多年来的潮起潮落，他在接受《中国新闻周刊》采访时指出，过去的人工智能只能在特定领域、使用特定模型去解决特定问题，大语言模型带来的最大突破，是在语言领域实现了一定程度的通用性。以OpenClaw为代表的智能体则更进一步，让模型具备了行动能力，甚至可以根据使用者的特点提供个性化服务，这就意味着人类向AGI又迈进了一步。有学者称，“龙虾”诞生的意义比DeepSeek更加重大。“无论如何，这是一个很好的起点。”聂再清说，目前的Agent产品还处于早期，要想大规模进入公众的日常生活和工作，除了性能稳定性需提升以外，安全风险问题也亟待解决。需要进一步明确一点，“龙虾”强大的执行能力有一个前提：授予真实权限。张钹说，Agent要想玩得好，人类必须“放权”，允许它调用电脑里的文件、查阅邮件、登录社交账号并发送信息，但这个过程中也可能造成严重的隐私泄露。正是出于对安全风险的担忧，他几乎没给“龙虾”任何授权。“我很谨慎，尤其担心被黑客攻击，因为机器比人更容易被欺骗与误导。”聂再清进一步解释，现阶段“龙虾”产品之所以会带来信息安全风险，是由于Agent在执行任务时需要调用外部大模型进行推理，人们常说的API就是指调用资源所需的“接口”，接入外部API后，也就意味着用户本地的信息可能被上传到外部系统进行处理，如果系统在判断哪些信息可以发送、哪些信息不应发送方面缺乏足够能力，就可能导致敏感数据被意外暴露。他强调，下一步，安全与责任机制将成为关键议题，Agent服务提供商应对系统行为承担责任，监管部门也要深度参与规则制定。刘松对Agent的安全问题持乐观态度。他所在的企业平凯星辰是一家开源分布式数据库提供商，对数据安全的本质看得更清楚。他认为，这类安全风险并不是“龙虾”独有的问题，而是一个更广义的数据安全与权限管理问题。关键在于如何为“龙虾”设定清晰的权限边界，例如明确哪些数据可以访问、哪些操作必须人工确认，以及在关键节点设置多重确认机制。“就像电脑删除文件时需要二次确认一样，Agent在执行可能带来不可逆后果的操作时，也应该触发提示和审核流程。这没有什么技术挑战，企业级安全解决方案很快会走向成熟。” 上图：3月11日，在中国（南京）软件谷“质能·工坊”OPC社区，技术人员安装完开源AI智能体“龙虾”后与用户（左）交流。图/新华下图：3月16日，广东珠海市以“赋能政企数字员工，落地智能行为执行”为主题的OpenClaw AI技术沙龙中心。图/视觉中国“App会逐渐消亡”“龙虾”在全球的扩张速度比人们想象中要快。2025年12月，OpenClaw在GitHub上的关注度还很低，80多天以后，OpenClaw在GitHub上的收藏量已达到25万，成为这个开源社区历史上增长最快的项目之一。奇安信在3月16日发布的国内首份《OpenClaw生态威胁分析报告》中揭示了一组惊人的数字：全球四大主流Skills分发平台上的Skills总量已逼近75万，每天新增数量高达2.1万个，按照此趋势，仅需一年时间Skills总量将突破800万。为了接住这波流量，腾讯、阿里、百度等大厂几乎在几天之内就紧急上架了自己的“龙虾”。业内人士普遍认为，Agent很可能会成为下一代“移动互联网”。“或者更直白地说，成为下一个入口。”聂再清说。设想一个这样的场景：你要进行一场为期7天的大理旅行，你点开手机屏幕，无须打开携程、12306、飞猪等不同App，只要对着手机，把你的需求清晰地表达出来，一个生活类“龙虾”就“一站式”帮你完成订票、购物、信息检索、小众行程规划等所有任务，原本的App成了Agent的Skills。刘松解释，由于“龙虾”能够便捷地跨应用调用服务，随着用户对Agent的依赖性上升，个人手机上的App会逐渐消亡，或是被“折叠”到后台，新的入口将转移到Agent平台。他推测，经过三五年洗牌后，未来以Agent为核心的AI产业竞争很可能进一步走向寡头格局。“因为在‘龙虾’时代，胜出者必须同时拥有大模型能力、算力、数据和用户规模等多重资源，竞争门槛相当高。相比之下，一些缺乏AI技术能力或算力基础的互联网企业，特别是一些单纯的社交类平台，未来可能更多成为被调用的服务节点。”他说。不过，即使“龙虾”稳定性进一步提升，Agent可以取代一些生活类App去自动完成规划，在一些关键节点仍需与用户确认中间结果。刘松认为，传统App的优势就在于，每一步操作都可以被用户选择和追溯，但Agent全方位接入后，用户可能失去这种精细化控制能力，“就像从手动挡变成了自动挡的演进”。他建议，在未来“龙虾”手机里，仍可以保留某种“中间界面”，至于其具体形态，则可以进一步探讨，未必一定是以App的形式。 3月13日，广东深圳深元人工智能联合MetaEra与iPollo在深圳华强北全球人工智能应用场景中心举办“全球首家OpenClaw线下展示”活动。图/视觉中国“一场人机交互革命将开启”毫无疑问，以“龙虾”为代表的新一代Agent技术，即将开启一场人机交互革命。目前，业界基本达成共识，未来的人机交互是以语言为核心的“自然交互”。张钹认为，与传统的文本交互相比，自然语言具有明显优势：它不依赖复杂操作，也不受用户教育水平的限制。聂再清认为，除语言之外，视觉乃至各种环境信号未来都可能成为输入方式，交互形态会更加多样化。与此同时，人机交互的双向性会明显增强，Agent不仅能执行任务，也能在理解用户目标的基础上主动提出建议。“专属于你的Agent助手会一直跟着你，了解你的个性与习惯，帮你在海量的数据中寻找最优解，通过人机协作来共同解决问题。”在这样的未来图景中，从硬件端来看，张钹认为，人机交互也将不再局限于电脑或手机屏幕，“任何终端设备都可能成为入口，手表、眼镜、戒指、智能家具等，用户可以随时通过自然语言与AI互动”。这样的未来或许不需要等待太久。刘松推测，最多三到五年，人类就会进入“多Agent并存”时代，个人设备上可能同时运行很多私人“助理”，例如工作Agent、生活Agent、学习Agent等。每个人的“数字员工”分工有序，随着这种模式逐渐成熟，人与智能体之间，以及不同智能体之间都会形成新的协作网络。在这样的协作网络中，Agent还会重塑人类的工作方式与就业结构。张钹认为，AI的发展并不只是效率工具的升级，更会改变人与机器之间的分工结构。未来，机器将承担更多执行性工作，人类的角色逐渐转向提出目标、分配任务并对结果进行判断。而劳动力市场则会演变成不平衡的“哑铃型结构”：人类向两端集中，一端是高端的创造性和决策性工作，另一端是非常低端的体力劳动，大量中低端的事务性岗位被Agent系统替代。“甚至更简单点说，凡是坐在电脑前处理信息的工作，都会受到影响。”刘松说。他所在的企业目前有大约300名技术研发人员，本来今年还要再招人，但随着Coding Agent的到来，招聘计划立即取消了。当人类的社会结构被Agent深刻改变，Agent与Agent正在组成新的社会结构。在只有Agent可以分享、讨论和点赞的社交平台Moltbook，一项2026年2月发表的研究深入分析了Moltbook上14490个智能体发布的39026个帖子和5712条评论，研究者吃惊地发现，虽然18.4％的帖子包含行动诱导语言，但大多数在网上“冲浪”的Agent，在社交平台上却没有出现人们设想中的极端情绪，不仅很少见到恶意回复，还会有Agent善意地在极端帖下提醒广大“Agent友”要警惕这些带有风险的言论，也就是说，即使在没有人类监督的情况下，由Agent构成的社会系统似乎也涌现出一定的社会秩序与规范。刘松分析，由于Agent的行为模式建立在对人类知识和语言数据的学习之上，其看似理性的反馈，很大程度上是对人类已有规则和经验的再现与强化。与人类不同，Agent并不存在真实的情绪和欲望，因此在某些社交场景中反而显得更加客观和克制。他认为，当前阶段讨论“Agent社会”的自主性风险仍为时尚早，更值得关注的是，这种由算法驱动的数字化社会形态，是否会反过来影响人类对规则、秩序与理性的理解。“Agent社会就是人类社会某种意义上的镜像。” 以“龙虾”为代表的新一代Agent技术，即将开启一场人机交互革命。AI插画/adan当“龙虾”长出“身体”Agent进化的终极形态是什么？在众多大厂部署“龙虾”的热闹之下，近日，维他动力的一条新闻被很快淹没：机器狗“大头BoBo”宣布接入OpenClaw，让Agent首次具身化，有网友戏称，活体“大龙虾”终于来了。张钹指出，Agent与机器人合体之后，就相当于给它装上了“大脑”。在他看来，当拥有“大脑”的机器人开始在真实的物理世界中执行更多复杂任务，可能推动人类加速走向通用人工智能（AGI）——虽然，人类距离这一终极目标还有很远的距离。刘松认为，“Agent+机器人”的融合仍处于初级阶段。目前，Agent的核心优势仍在于大语言模型的推理与规划能力，可以理解和处理数字世界中的任务，而非直接应对复杂的物理环境。也就是说，机器人即使拥有了“大脑”，本质上仍是把语言模型的输出映射为具体动作执行，但不足以支撑复杂场景中的自主决策。要想让“龙虾”真的长出“身体”，缺失的关键一环是感知能力。张钹解释，感知能力是人工智能走向现实世界的关键前提。与数字环境不同，物理世界高度复杂且持续变化，如果缺乏强大的感知系统，机器就无法理解环境变化，并据此作出决策。“从Agent实际工作的表现来看，只有微小感知，也就是小范围的闭环反馈能力，主要以语言模型中常用的人类奖惩机制来推动，缺乏主动对做过的事情自我反思、自我改进并持续自我学习。这就需要构建一个来自外部环境的真实反馈机制。”但问题是，想让一辆无人车学会规避路障，不可能真的让人开着它在现实世界积累“车祸”经验，于是，AI研究人员提出了“世界模型”的构想，类似于设计一种“真实世界模拟器”，可以让无人车在模拟世界中进行学习与决策。深度学习“三巨头”之一的杨立昆就将“世界模型”视为通往高阶人工智能的关键路径，强调AI必须学会表征、预测和规划物理世界。通俗地说，大语言模型擅长回答“下一个词是什么”，而世界模型要回答的是：“下一秒会发生什么。”Google在2025年推出Genie 3时就宣告要朝着更通用的交互式世界模型迈进。英伟达也明确把“世界基础模型”定位为机器人和自动驾驶的物理AI底座。但总体而言，“世界模型”在过去几年并没有明显的技术突破。张钹分析，要想构建尽量接近真实世界的环境，就需要海量高质量的现实世界数据，但数据的获取难度非常大。“建立通用的世界模型目前是不大可能的，只能针对某一具体垂直场景建造模型，最典型的就是自动驾驶。”多位受访者指出，如果“世界模型”能将“感知—决策—执行”的闭环彻底走通，就看到了具身智能的希望。从技术演进的长期趋势来看，Agent与机器人融合，是AI发展的必然趋势。也就是说，Agent在未来的终极形态一定是拥有“身体”的Agent，不仅能理解语言，还能理解物理世界的运行规律。更进一步说，未来的Agent更像一个同时拥有很多“肉身”的智能中枢。聂再清认为，在Agent向着具身智能演进的过程中，智能化的物联网也将成为关键基础设施，“只有在更多设备被连接之后，Agent才会具备更强的环境理解与控制能力，这些延伸出去的‘感知器官’与‘行动肢体’共同构成一个完整的贯通数字世界与物理世界的智能系统，这一感知与反馈闭环的成熟，正是人类通往AGI的核心驱动力”。发于2026.3.23总第1228期《中国新闻周刊》杂志杂志标题：“龙虾”将如何进化？记者：霍思伊（huosiyi@chinanews.com.cn）编辑：杜玮
-
数据中心ESG需披露碳排放、水资源信息，企业准备好了吗? 数据中心在支撑AI发展中，也伴随着大量的能源与水资源消耗。若缺乏系统性规划，数据中心将加剧能源与水资源的系统压力。当前，在投资人、政策、市场的推波助澜下，数据中心开始重视ESG相关工作。其中，碳排放和水资源是两大核心环境指标。那么，数据中心ESG表现与实际业务发展有何关联？其碳排放、水资源等关键数据的信息披露，能否真实反映可持续发展现状？3月5日-18日期间，澎湃研究所研究员与MSCI、数据中心企业进行深入交流。调研发现，数据中心更透明、更系统的ESG信息披露，将成为投资者评估数据中心企业可持续发展能力的重要基础。尤其是碳排放、水资源相关信息，不仅要披露出来，还要披露得更有效。数据中心ESG表现与财务强相关AI技术的爆发式发展，带来对算力基础设施的巨大需求，吸引着投资者目光。据MSCI相关数据，全球数据中心市场正处于快速扩张、指数式增长的发展阶段。当前，全球在建的数据中心资产的估计总价值已达到5500亿美元，这一资产规模，已超过自2007年以来整个行业资产交易规模的5倍以上。然而，作为一种高能耗、高碳排的资产类别，数据中心的快速扩张与投资者投资组合的减碳目标间形成张力。数据中心本身是高度能源密集型的基础设施资产，在运营阶段碳排放（范围一、范围二）以电力间接排放为主，通常与所在区域电网平均排放因子接近。因此，当前全球资本市场对数据中心ESG的关注度持续提升，一些机构投资者为自身的投资组合设定了明确的减碳目标，并将其纳入投资决策的重要依据。“越来越多投资者认为，企业的ESG表现与财务表现间具有强相关性。因此，当投资者参与AI主题投资时，会自然而然将ESG理念纳入评估框架中。”MSCI大中华区可持续与气候研究部主管郭思平谈到。这是因为，无论是碳排放还是水资源问题，本质上都与企业运营高度相关。数据中心碳排放与电力成本密切相关。郭思平表示，通常情况下，电力成本占数据中心整体运营成本的40%到60%。因此，能源价格的波动及碳价格相关政策的变化，都会直接影响数据中心的盈利能力。特别是在一些风电、光伏和水电等可再生能源已实现成本平价的地区，使用绿电是更经济、更具成本优势的选择。数据中心冷却需消耗大量水资源，如水源受到阻断，将可能造成关键硬件受损。根据国际能源署（IEA）预计，按照目前全球数据中心的建设速度和运行趋势，到2030年全球数据中心的年用水量可能会翻倍。这一趋势将为数据中心所在地带来显著的水资源压力。郭思平强调，如果数据中心因干旱或当地用水竞争加剧而导致冷却水源中断，短短几分钟内，服务器等关键硬件就可能因为过热而失效甚至报废，这将对数据中心财务收益造成极其严重的影响。基于MSCI对全球超过14000个数据中心进行地理空间分析后发现，其中约四分之一将在未来20年的设计和运营周期内面临日益加剧的水资源压力，即所在地区将更加缺水。同时，在当前规划和在建的数据中心项目中，约三分之一位于水资源本身相对短缺的地区。可比性、完整性不足，导致披露信息缺乏有效性尽管投资者愈加关注数据中心ESG表现，但相关的信息披露体系尚未完全准备好。数据中心行业是在资本快速推动、市场需求迅速爆发下加速建设的，因此很多企业在业务扩张的同时，并未来得及建立完善的ESG披露和管理体系。一般来说，ESG有效信息披露至少需满足可比性、完整性两个基本标准。从MSCI所覆盖的数据中心范围看，尽管目前数据中心对碳排放、水资源使用相关指标的披露率正显著提升，但从数据质量上看，还缺乏一定的有效性。所谓可比性，是指企业披露相关数据时，应使用统一、标准的指标体系，还需对披露边界作出清晰界定。例如，部分企业在披露碳排放数据时，如果没有清晰说明采用的是哪种核算方法，会影响数据的可比性。具体来说，目前企业普遍采用两种方法核算碳排放，从不同角度反映企业碳排放情况。一是基于地点（location-based）。这一方法根据数据中心实际接入电网的平均碳排放强度来计算排放水平，能更真实反映企业所处地区电力结构、企业实际的碳排放水平，及企业对当地电网电力需求所带来的排放影响。二是基于市场（market-based）。企业可通过电力采购协议（PPA）或购买绿证等方式，在市场上采购可再生能源。这一方法反映的是，企业通过能源采购策略和合同安排所实现的减排方案。通过市场化手段能显著降低企业披露的碳排放数值，但数据中心实际消纳的电力仍来自当地电网，其电力结构并未发生实质性改变。事实上，当前包括《温室气体核算体系》（GHG Protocol）、ISSB（IFRS S2）及中国相关气候信息披露框架在内的主要准则，均要求企业披露范围二碳排放，并通常基于GHG Protocol方法进行核算。其中，国际主流做法是同时采用基于地点（location-based）与基于市场（market-based）的双重口径，以分别反映电网平均排放水平与企业通过绿电采购等方式实现的减排效果。郭思平表示，企业需以更清晰、更规范的方式披露碳排放数据，以便投资者进行有效区分和比较。“整体看，未来基于地点的碳排放指标将越来越受关注，在这方面披露不充分的企业，可能会面临更大的市场和监管压力。”完整性则意味着披露内容覆盖一定范围，全面反映企业相关活动的实际情况。郭思平强调，尤其在水资源管理方面，不同数据中心所披露的水资源指标往往并不一致。据了解，这些披露数据包括取水强度、总取水量、水资源循环利用率，且各家企业对指标的定义也不尽相同。这使得不同企业间的数据难以进行直接比较。此外，投资者也会关注企业是否设定了明确的环境目标，例如绿电使用比例、PUE目标或碳排放减排目标，以及这些目标是否配套具体的执行路径和阶段性进展披露。同时，当前披露边界不清晰的问题普遍存在。比如，一些企业披露的数据究竟是仅覆盖总部所在地的数据中心，还是包括企业在全球范围内运营的所有数据中心，这些信息往往没有明确说明。“这种边界模糊进一步削弱了披露数据的完整性和可比性。”郭思平谈到。ESG数据披露质量亟须提升投资者迫切需要更充分、更可靠的数据来支持其投资决策，从而有效控制碳排放、水资源等相关环境风险。从整体披露情况来看，当前数据中心行业呈现明显的“两极分化”趋势。一些企业建立了较为完善的披露体系，但还有不少企业在某些关键领域的披露几乎是空白。比如，在碳排放披露方面，未明确区分基于地点（location-based）还是基于市场（market-based）的核算方法；在水资源管理方面，一些企业几乎没有任何相关披露。“很多时候，企业已经披露了大量数据，如果能进一步对这些数据的定义和边界进行清晰说明，将更有助于投资者理解数据背后的含义。”郭思平称。当前，数据中心企业提升ESG披露水平主要动力来自三方面。一是投资者的推动。投资者通过持续沟通和投资决策压力，促使企业提升信息披露质量。二是政策和监管的推动。2025年是A股ESG强制披露的“规则落地年”，2026年是“首考年”，数据中心等高耗能行业将成为监管与市场重点关注领域。三是供应链压力。对数据中心行业而言，下游客户的推动尤为重要。远景能源AIDC产品线副总裁李军谈到，头部互联网客户选择合作伙伴时，越来越重视ESG表现，很多客户明确要求供应商具备ESG承诺和相关能力。数据中心运营方如果能提供更高比例且可追溯的绿色电力，就会形成重要的竞争优势。一些数据中心下游客户提出，到2030年数据中心必须实现100%绿电供给。如果供应商无法直接提供足够比例的绿色能源，需要通过购买绿证等方式来弥补，以满足客户的ESG要求。在实际调研中，澎湃研究所研究员也注意到，尚未发布ESG报告的数据中心企业对ESG报告的认知，处于提升企业社会形象、带来社会效益的阶段。一位数据中心ESG相关负责人谈到，ESG是企业市值管理的一部分，是一项较为综合的财务指标。且由于数据中心与绿电强绑定，有必要进行ESG报告披露。从长远看，数据中心披露ESG报告还需注重以下三方面。首先，ESG相关指标需更清晰的定义。如果企业披露的数据缺乏清晰的定义或边界，即使企业进行了披露，相关数据也可能无法被正式采信。以绿电为例，究竟是数据中心在实际运行中真正消纳的可再生能源电力，还是通过电力购买协议（PPA）、购买绿证获得，抑或通过绿电直连等方式接入数据中心，不同来源的绿电在性质上存在明显差异，需要更加清晰的界定和分类披露。其次，需关注ESG风险敞口的披露。例如，数据中心选址是位于水资源压力较大的地区，还是水资源相对充足的区域；当地碳排放监管政策压力高或低；区域碳价格水平大致处于什么区间。“这些信息均可帮助投资者更好理解企业所面临的ESG风险，并将其纳入投资决策框架之中。”郭思平称。最后，需具备相关数据基础设施和管理能力。例如，Google在ESG披露框架建设方面起步较早，建立了相对完善的碳盘查与碳披露体系，具备较为成熟的碳核算和数据管理能力。因此，在人工智能带动数据中心需求快速增长的当下，企业能基于此前积累的碳管理基础，更好披露与碳排放和能源使用相关的信息。-----------------城市因集聚而诞生。一座城市的公共政策、人居环境、习俗风气塑造了市民生活的底色。澎湃城市观察，聚焦公共政策，回应公众关切，探讨城市议题。
-
周末在闲鱼开一人公司，凌晨依旧有支付宝到账的震动 打工是不可能打工的，这辈子都不可能打工的。这句多年前的网络名言，如今正被一群年轻人用全新的方式实践。他们不再满足于一份死工资，而是选择在闲暇时间，悄悄经营起自己的一人公司，为自己创造可观的第二收入。这个新办公室，不在昂贵的写字楼，而在一个你可能意想不到的地方——闲鱼。 数据显示，过去一年有超过1900万年轻人在闲鱼发布技能服务，将其作为副业或新职业的起点，其中，超过70%的卖家拥有本职工作，他们利用闲鱼获取第二收入，平均每月能多赚2000-5000元。在物质过剩的今天，每个人、每个空间都潜藏着变现的可能，闲鱼已经不只是卖闲置，你可以卖技能、卖时间、卖解决方案，甚至于把卖同事的段子打包成情感服务卖掉，这是一门生意，正在成为新一代年轻人的硬核副业。 副业就像草场，春荣秋枯，风口频起，年轻人正在逐水草而居在装修公司工作的室内设计师程程，上闲鱼开起了自己的一人工作室。程程在公司上班时，要想接订单就要给销售“上供”，还要和领导搞好关系，几十万的单子，只有六七百的提成，天天“贷款”上班。在闲鱼上开店后，没有了办公室政治，没有了老板盘剥，心情好，收入还涨了不少，接单、设计、沟通全在闲鱼上完成，客户从北上广深到县城都有。期间她收获了很多认可，老客户会介绍新客户来下单，甚至在房子装修好后会兴奋的给她打赏，“以前和客户是纯粹的甲方乙方，多说一句都怕心态爆炸，现在，我经常收到客户房子装修好后兴奋的打赏，能真切感受到自己熬的夜是有价值的。”程程说。 我们正处在剧烈变革的时代，旧岗位在消失，新需求在爆发，传统稳定工作的农耕思维正在被逐水草而居的游牧式生存所取代。年轻人普遍面临收入焦虑，但出路不再是挤进职场等待升职加薪，他们的新选择是把自己变成生产资料。在闲鱼，这样的故事不是孤例，《普通人如何用闲鱼一年赚到20W》这类攻略的走红，背后是无数普通人正在用新方式解决老问题——如何体面地赚钱，一项针对1225位闲鱼平台副业从业者的问卷调研显示，4成从业者30%以上的收入来源是副业，约三成从业者每周在副业上花费30小时，几乎与第二主业无异，上过班且有副业的人都想着把副业转正，闲鱼已经远不止赚钱的来源，更被视为未来职业路径的一种试验田和跳板。AI加速了这一进程。在超级个体时代，机会窗口转瞬即逝，等传统公司走完注册、招人、培训的流程，风口早已过去。普通人赚钱的逻辑正在从深挖护城河转向“瞬时套利”，哪里有需求，哪里就有服务；哪里有焦虑，哪里就有生意。在闲鱼，年轻人的赚钱方式可以归纳为四种：卖物品、卖时间、卖技能、卖神奇。最后一项尤为有趣，从骂醒恋爱脑到虚拟树洞，本质上都是在售卖情绪价值和稀缺体验，曾经的斜杠青年只是标签，现在这些技能都是变现的工具。这也是闲鱼上增速最快的业务之一，个人成长、情感陪伴、技能变现三大新职业方向，这三类方向的订单量年同比增速均超过100%。其中，个人成长类订单年同比增长达到158.01%，这些案例的共同点是，只要有人敏锐地发现需求，就能用最低成本验证，在闲鱼上快速实现闭环，而AI，则是让这个闭环运转更流畅的润滑剂。AI没有消灭工作，它重塑了工作的组织方式，当一个人就能完成一个团队的工作时，公司的形态必然发生改变。 别犹豫了，闲鱼就是你最好的生意搭子OpenClaw的爆火，催生了一大批龙虾安装服务，而闲鱼迅速成为“养虾人”的圣地。数据显示，闲鱼“OpenClaw”相关搜索量在一周内暴涨了1850%，成交量也翻了数倍。嗅觉灵敏的普通人，立刻将这里变成了副业舞台。河北一位00后小阳，文科生出身的他代码不会敲，主职工作是工程资料员，在自己成功部署后，整理了一份教程，以电脑小白的视角，讲清楚了普通人安装龙虾时遇到的问题，以1元的价格在闲鱼出售，吸引了2万多人关注浏览，累计售出近千份。甚至还有人出售Mac mini，本来都已经成为垃圾的Mac mini，在安装上龙虾之后，能卖到四千的溢价，月租金都有400元，直接盘活了闲置资产。 我也跟风在闲鱼上花199找人在电脑上配置了一只龙虾。给我配置龙虾的闲鱼卖家是个三十多岁的程序员老广，周末闲暇在闲鱼搞点副业，最多的时候一天能赚八千多，最开始，他只是顺手在闲鱼挂了个1块钱的龙虾咨询链接，没想到异常火爆，现在后台消息需要AI托管回复。从199的入门安装，到3999的Agent协作，再到6999的AI战略咨询服务，老广闲鱼店的产品非常丰富，在闲鱼成交的客户，还被他拉到私域社群，从咨询什么模型最好用，再到被恶意攻击如何解决，社群已经成为龙虾爱好者集聚地，每天都有新的订单在交流中产生。不需要花几千上万投流，闲鱼的流量不会集中给头部，老广最喜欢的声音就是“凌晨依旧有支付宝到账的震动”，闲鱼是人类互联网最后的良心了。一个风口，催生了教程、安装、设备租赁、社群运营乃至上门卸载的完整产业链，而这，只是闲鱼生态的冰山一角。钱对信息是最敏感的，任何前沿的市场动向，闲鱼往往是最先感知到的，它既是个人资产的交易所，也是市场情绪的风向标，从去年爆火的Labubu，到今年的AI热催生模型部署服务，闲鱼的数据曲线，就是中国年轻人消费和创业的实时图谱。为什么是闲鱼？ 闲鱼开店门槛很低，甚至有网友在上面整活门槛低是关键，相较于传统电商平台动辄上千的保证金、复杂的开店流程，闲鱼真正实现了零门槛创业，这种灵活性，让一人公司得以批量涌现。那些无法承担高昂的达人费用和流量投放的小生意，在闲鱼找到了生存空间，就比如一位教人打台球的大学生说过，在别的平台，得花钱投流才有曝光，曝光还不一定有转化，很多人没有消费意愿，而闲鱼的流量分发非常均衡，用AI写好自我介绍，自然就有喜欢的客户找来，而且很强的消费目的，成单率非常高。 另一个原因在于它的“非标”属性，闲鱼从诞生起就承载着闲置交易的非标、长尾特性，这种基因，让它天然适合承接AI时代更加个性化、碎片化的供需匹配。闲鱼有6亿注册用户，其中月活用户超过2亿，且年轻人占比高，更重要的是，这里的用户习惯为非标品付费——无论是二手商品，还是技能、时间，抑或是情绪价值。闲鱼的价值不止于此，更深层的逻辑在于，它正在成为一人公司创业的服务市场。 一人公司带动新副业，闲鱼的生态飞轮正在加速AI时代一人公司的兴起，创造了新的服务需求。创业者自己可能是设计师、程序员、文案高手，但他们同样需要法律咨询、品牌设计、AI模型部署，这些专业服务正在大量涌入闲鱼。一个共生共长的生态正在形成：前一批在闲鱼开启一人公司的创业者，他们的专业服务需求，为后来者创造了新的副业机会。在闲鱼，你可以找到提供公司注册咨询的服务商，收费仅为线下代理的1/3；可以找到AI模型定制训练的技术极客，为小商家打造专属的客服机器人；还可以找到个人logo的自由设计师，专门服务初创的个体创业者。这是一个正向循环，越多人在闲鱼开启一人公司，就会产生越多的专业服务需求；这些需求被满足，又吸引更多拥有专业技能的人加入闲鱼，开启他们的副业。 AI时代，工作方式的根本性变革已经启动，社会可能出现大规模的去组织化协作趋势，大量一人公司涌现，出售个人技能将成为重要的收入来源。闲鱼，有望成为这一趋势下最重要的自由职业协作平台之一。这些一人公司的共同特点是，轻资产、重技能、强个人IP、依赖平台赋能。而闲鱼完美契合这些一人公司的需求，AI工具降低运营门槛，信用体系建立交易信任，庞大用户池提供市场空间，社区氛围催生创新玩法。未来的工作图景可能是这样的，每个人都是一个一人公司，在闲鱼这样的平台上展示自己的核心技能；当有项目需求时，不同的一人公司快速组建临时团队，项目结束即解散，各自寻找下一个机会。当AI能够替代越来越多的标准化工作，人的价值将更加体现在创意、情感连接和复杂问题解决上，而这些，恰恰是一人公司最擅长的。 问题本身就是机会，焦虑本身就是市场，当你在为AI到来而焦虑的时候，有人已经把这做成了生意，而AI和闲鱼，正在让这种发现问题—解决问题—变现价值的链条，变得前所未有的短和平坦。 ▲见证中国科技奔赴星辰大海 专注产业链分析和案例写作关注AI、互联网、汽车、消费电子半导体等前沿科技产业 入驻媒体平台36Kr/ 观察者网风闻社区/ 网易虎嗅/ 雪球/ 腾 讯新闻
-
独家丨腾讯云AI业务突发调整，CTO王慧星接手云产品三部 “与此同时，几大产品部之间的业务与人员也在被重新梳理和分配。”作者丨徐晓飞编辑丨包永刚雷峰网独家消息，据多位消息人士称，不久前腾讯召开了一次内部沟通会，决定将腾讯云产品三部从腾讯云副总裁、腾讯云智能和优图实验室负责人吴运声辖下划归由腾讯副总裁、腾讯云 CTO 王慧星负责。此外，不少算力训练平台相关业务和人员也计划陆续转去IaaS团队，其他一系列相关调整也还在陆续推进中，最新进展可添加作者微信xf123a交流。据悉，腾讯云主要有五大产品部，产品一部负责计算，网络，存储，数据库等；二部负责PaaS平台、大数据相关；三部则是“AI”色彩最浓的，主要负责智能体开发平台、AI SaaS、知识引擎、计算加速等；四部负责中台业务，包括面向开发者的AI coding；五部负责CDN相关。另有一些其他专项产品部。此次组织变动中的吴运声是一位腾讯老兵，他于2007年加入腾讯，先后负责QQ影音、QQ旋风、QQ浏览器等产品，具有丰富的研发技术和产品能力。2012年，吴运声参与组建腾讯优图实验室，聚焦计算机视觉，专注在图像处理、图像识别等领域开展技术研发和业务落地。2020年下半年，吴运声升任腾讯云副总裁， 此时的他也是优图总经理。“吴运声的工作重心主要在AI上，包括CV视觉，后来又陆续负责过语音NLP以及一些行业线和产品线比如企点等。云产品三部主要做AI相关，之前也归他管。”一位接近人士表示。去年6月，王慧星晋升成为腾讯集团副总裁，分管产品二部、四部、技术支持部、云技术运营服务部、企业中台产品部和腾讯云安全等，并虚线分管云产品一部，向汤道生汇报。关于云产品三部更多变动详情欢迎添加作者微信xf123a交流。
-
马斯克宣布SpaceX特斯拉联手打造TERAFAB，目标年产1太瓦计算产能 IT之家 3 月 22 日消息，马斯克刚刚在 X 上发帖称，SpaceX 与特斯拉将联合推进“TERAFAB”项目，详细信息计划于北京时间 3 月 23 日（周一）上午 9:00 正式公布。 根据马斯克披露的信息，TERAFAB 项目的目标是实现每年超过 1 太瓦（terawatt）的算力产能，涵盖逻辑芯片、存储芯片及封装环节；其中约 80% 的产能将用于太空领域，剩余约 20% 则面向地面应用。这并非马斯克首次提及 TERAFAB 项目。在 2025 年 11 月年度股东大会上，马斯克首次公开提及这一构想，当时他表示“即使是晶圆代工厂最乐观的预测也无法满足我们的需求”。在今年 1 月的财报电话会议上，他进一步明确特斯拉需要在美国建造“一座规模非常大的晶圆厂，涵盖逻辑、存储和封装”。据媒体公开报道，TERAFAB 计划采用 2nm 制程工艺，将逻辑芯片、存储芯片及先进封装整合在同一园区内，年产量目标约为 1000 亿至 2000 亿颗芯片。马斯克在 3 月 18 日的 X 文中还明确表示，即便 TERAFAB 项目推进，特斯拉与 SpaceX AI 仍将继续大规模采购英伟达芯片。他将 TERAFAB 定位为边缘推理项目，而非用于替代训练算力 —— 特斯拉 AI5 芯片主要针对 Optimus 人形机器人与 Cybercab 无人驾驶出租车的边缘计算做优化，而大规模数据中心训练任务仍将依赖英伟达的硬件。目前，特斯拉正与台积电、三星保持代工合作；下一代 AI5 芯片计划 2027 年年中由两家代工厂量产，据称算力将达到现有 AI4 芯片的 10 倍；下下代 AI6 芯片已通过长期协议锁定在三星得州工厂，量产时间预计为 2028 年年中。马斯克曾表示，AI7 及以后的芯片需要“不同的晶圆厂”或“更具冒险精神的方案”，业内普遍认为这指向 TERAFAB。行业分析人士指出，建造一座先进制程晶圆厂通常需要 250 亿至 400 亿美元（IT之家注：现汇率约合 1724.8 亿至 2759.68 亿元人民币）的投资，建设周期约 3 至 5 年，且面临设备交付周期长、专业技术人才短缺等现实挑战。英伟达 CEO 黄仁勋曾公开表示，先进半导体制造“不仅仅是建一座工厂那么简单”，赶超台积电“几乎是不可能的”。
-
OpenAI计划将员工人数增加一倍 3月21日消息，据《金融时报》周六报道，微软支持的人工智能初创公司 OpenAI计划到 2026 年底将其员工人数增加近一倍，以缩小与竞争对手 Anthropic之间的差距。两位直接了解此事的人士表示，该公司计划将员工人数从目前的4500人增加到约8000人。他们补充说，新员工将主要从事产品开发、工程、研究和销售工作。据知情人士透露，ChatGPT 的制造商还将加倍努力招聘专家，专注于一项名为技术大使的计划，该计划旨在帮助其企业客户更好地使用其工具。由 Sam Altman 领导的这家公司还在旧金山租下了一个新的办公地点，将其在该市的办公面积扩大到 100 多万平方英尺，并计划今年每天增加大约 12 名新员工。OpenAI 的此次招聘热潮正值其竞争对手 Anthropic（由亚马逊 和 Alphabet 旗下的谷歌支持）在企业客户中不断取得进展之际。据Axios本周援引企业支付平台Ramp的数据报道，Anthropic在首次购买人工智能工具的企业中占据了超过73%的市场份额。大约10周前，这一比例为50/50，而就在去年12月，OpenAI还以60%的市场份额领先。（鞭牛士）
-
阿里AI变阵，背后是组织阵痛以及Token战争 文 | 奇点湃阿里巴巴，交出一份不及预期的财报。3月19日美股开盘，阿里巴巴股价大跌近10%，盘中跌幅一度超过9%，市值跌破3000亿美元。导火索是最新发布的2026财年Q3财报，表面上看，营收2848.4亿元，同比增长2%；剔除高鑫零售和银泰后，同口径增长9%，增速尚可。但利润端却明显失速，净利润156.3亿元，同比下滑66%，Non-GAAP净利润167.1亿元，同比下降67%，经调整EBITA下降57%。细拆之下，中国电商业务营收同比增长仅1%，直营业务及其他收入甚至出现零增长。曾被寄予厚望的本地生活板块，增速同样乏力。一边是电商变现能力放缓，一边是云与AI的加注。昨晚的财报电话会上，阿里巴巴高层多次提及AI，似乎只谈将来。就在财报发布前两天，阿里巴巴正式成立Alibaba Token Hub（ATH）事业群，与电商、云智能并列，成为集团第三个一级事业群。CEO吴泳铭亲自挂帅，麾下整合了通义实验室、MaaS业务线、千问事业部、悟空事业部、AI创新事业部五大板块。在官方表述中，ATH的核心使命被精炼为三句话：“创造Token、输送Token、应用Token”。Token，这个大语言模型处理文本的最小单位，被提升到了集团战略的核心位置。ATH的成立，本质上是一次“削藩”。阿里把分散的AI能力重新收归麾下，让研发直接面对应用场景的反馈。与此同时，Token成为新的商业度量衡，阿里不再只看DAU、GMV，而是赌未来所有AI服务都将按Token消耗计费，就像用水电煤一样。2026财年Q3财报电话会上，吴泳铭给出了更清晰的商业蓝图，他明确表示，预计商业化MaaS收入将会成为阿里云最大的收入产品。但这些宏大叙事，并没能对冲掉核心电商业务增长停滞的利空。资本市场用跌幅给出了自己的判断：故事讲得再好，也要看基本盘。从做模型到用AI，从技术竞赛到商业变现，阿里正在回答一个根本问题：在AI时代，它想成为什么？组织重构，结束产模分离 要理解ATH，必须先看懂阿里此前的AI布局，那是一个典型的“诸侯割据”状态。通义实验室深居阿里云之内，专注模型研发，考核指标是跑分和开源影响力；千问App团队隶属智能信息事业群，主攻C端应用，关注用户增长；钉钉自成体系，在协同办公领域探索AI落地。这种分布式架构在追赶技术的阶段有其合理性，研发团队可以不被产品KPI绑架，关起门来攻克技术难关。但随着竞争进入深水区，这种模式的弊端开始显现。ATH的成立，正是对这些积弊的一次彻底清算。从组织架构上看，这是阿里近年来最大的一次AI业务整合。五大事业部形成完整链条：通义实验室负责“创造Token”，即模型研发），MaaS业务线负责“输送Token”，即平台分发，千问、悟空、AI创新三个应用部门负责“应用Token”，主要针对C端、B端和新场景。所有业务向吴泳铭直接汇报，打破部门墙，统一调度算力资源。值得注意的是，在这一轮组织重构中，通义实验室并没有像字节的Seed或腾讯的混元那样，被单独提升为类似集团级研究中枢的存在，而是被放进了一个以Token为核心的AI业务体系之中。这种差异背后，是阿里对AI竞争逻辑的理解：相比单点突破模型能力，更重要的是让模型快速进入真实业务场景，形成商业闭环。吴泳铭的亲自挂帅，本身也是一个姿态层面的信号。此前QWEN团队向上汇报需要跨越多个领导层，林俊旸离职前他负责的QWEN团队向阿里云CTO周靖人汇报，周靖人向吴泳铭汇报，集团层面无独立AI事业群统筹。如今内部决策链路被缩短，算力分配矛盾与跨部门推诿问题，有了从根源上解决的组织基础。从某种意义上说，ATH的成立算是对过去两年阿里AI战略散装状态的一次纠偏。Token经济学，阿里想卖“水电煤” 在这次内部信以及刚刚发布的阿里财报电话会中，Token也被不断提及。为什么是Token？Token是大语言模型处理文本的最小单元，可以简单理解为词或字。用户在AI助手上的每一次对话、企业调用API的每一次请求，都在消耗Token。随着AI Agent的普及，Token的消耗量正在呈现指数级增长。沙利文最新报告显示，2025年下半年中国企业级大模型日均调用量已达约37万亿Tokens，较上半年10.2万亿增长263%。在这个海量的消耗池里，阿里千问以32.1%的份额位居第一。消耗量看似繁荣，但钱去哪了？国内大模型厂商普遍面临着高算力投入、低商业化回报的尴尬处境。吴泳铭给出的解决方案，是将AI业务的核心指标从传统的DAU、GMV全面转向Token消耗量。这种Token化的思维，实际上是阿里历史上的第三次平台化尝试。二十多年前，阿里把商家平台化，卖的是交易机会。十年前，阿里把算力平台化，阿里云卖的是水电一样的计算资源。现在，当模型能力趋于同质化，算力不再是稀缺资源，如何高效、安全、低成本地产生和调用Token，成为决定企业竞争力的关键。吴泳铭想把智能平台化，卖的是Token消耗量。在国际市场上，这种模式已成共识。OpenAI、微软等头部企业早已建立起基于Token消耗的计费体系与生态标准。黄仁勋在刚结束的GTC大会上发表了类似的判断。他指出，数据中心将从以往单纯存储数据的“文件仓库”，变成源源不断生产智能的“Token工厂”。他甚至断言：“每一个SaaS公司都将变成AaaS（Agent as a Service）公司。”阿里将ATH的目标定义为“创造、输送、应用”Token，实际上是在内部重构一条完整的AI供应链：通义实验室是“发电厂”，负责创造Token，必须根据前端应用的反馈，持续迭代模型能力。2026年3月，阿里在重组ATH的同时，发布了Qwen3-Max-Thinking模型。MaaS业务线是“电网”，负责输送Token。它需要构建高效开放的模型服务平台，让算力和模型能力能够高效、低成本地分发给千行百业。财报数据显示，过去三个月，百炼MaaS平台上公共模型服务市场的Token消耗规模提升了6倍。千问事业部、悟空事业部、AI创新事业部则负责应用Token，这些海量真实场景数据持续反哺模型迭代，形成运转的数据飞轮。阿里的逻辑是：当Token变成一种通用的基础物资时，谁的规模大、分发效率高，谁就掌握了定价权。悟空出山，B端Agent贴身肉搏 在ATH的五大事业部中，首次亮相的悟空事业部最引人注目，也最耐人寻味。3月17日，ATH事业群成立的第二天，钉钉召开发布会，正式推出企业级AI原生工作平台“悟空”。钉钉CEO陈航站在台上，发布了这款被寄予厚望的产品。悟空被定位为B端AI原生工作平台，将模型能力深度融入企业工作流。它既是一款独立应用，也将直接内置到拥有超2000万企业组织的钉钉之中。这个名号的背后，是阿里对B端AI市场的战略判断。尽管C端个人助手具备极高的流量想象力，但真正能实现商业闭环、产生持续消耗的，往往是B端的企业级工作流改造。C端立品牌，现阶段真正贡献海量Token和营收的，还得依靠B端。与C端应用不同，B端AI面临的核心挑战是安全、可控和成本可计量。陈航在发布会上对此有一句非常精准的评价：“和市面上所有的龙虾Agent不一样，悟空天然就长在企业组织中，可以在真实的企业环境中安全使用。”悟空给出的解决方案是“企业级三大核心能力”：权限继承、沙箱运行和Token成本可计量。用户只能在自身权限范围内操作，Agent在沙箱环境中执行任务，每一次调用都可追溯、可计量。在B端AI战场，字节推出了云端的ArkClaw，主打低代码与飞书、抖音生态集成；3月9日，腾讯正式推出全场景AI智能体WorkBuddy，深度兼容OpenClaw所有技能，且无需云端部署，下载后连接企业微信即可远程操作。办公级Agent正在成为大厂AI竞赛的新赛点。在3月19日的财报电话会上，阿里巴巴管理层进一步解释了ATH的业务逻辑：千问APP是应用层To C的个人助理，悟空则是To B的个人助理。同时团队认为AI应用层会有许多面向不同行业的垂直应用，因此在应用层外还需要一个强大的MaaS业务，这是贯穿在模型和应用之间的渠道。从组织整合到Token经济，从千问C端到悟空B端，阿里的AI战略正在经历一场从散点到体系、从技术驱动到商业驱动的深刻转型。这是一场迟到的整合，也是一次主动的变阵。当字节和腾讯纷纷将研发力量收拢为集团中枢，阿里选择了另一条路：以Token为纽带，将研发、平台和应用重新捆绑，打造一个从技术到商业的完整闭环。但对于阿里来说，ATH的成立只是第一步。真正的考验在于：第一、能不能真正拆掉长久以来的部门墙。团队的基因、工作方式、考核标准完全不同，要真正打破部门墙、形成合力，难度不小。阿里历史上有过多次组织整合的尝试，但效果并不理想，很多部门依然各自为战。这次ATH的整合，如果利益边界划不清，团队之间不能真正协同，那么ATH的成立就失去了意义。第二、能不能持续加大研发投入。ATH这套复杂的“Token供应链”是建立在自家模型性能之上的。如果通义实验室产出的Token在质量、长文本处理能力或多模态理解上被竞争对手拉开差距，那么整个ATH庞大的供应链，可能会面临产能过剩的风险。第三、能不能快速推动AI应用落地，把Token的价值转化为实实在在的商业收益。吴泳铭在财报电话会上给出了时间表：未来五年，包含MaaS在内的云和AI商业化收入突破1000亿美元。这个目标意味着，阿里AI业务要在五年内完成从百亿级到千亿级的跨越，这需要悟空承担起相当比例的营收贡献，也需要千问在C端市场坐二望一。如果赌赢了，阿里将成为AI时代的电网，如果赌输了，这次部门整合可能会成为阿里历史上又一个昂贵的试错记录。
-
AI Lab撤销、部分人员并入混元，腾讯AI组织架构为何再变阵？ 本周早些时候的媒体交流会上，腾讯总裁刘炽平谈到，过去几个月腾讯针对AI密集进行团队调整升级，并进行组织和工作流程重构。随后，腾讯就传出进行AI组织架构调整的消息。第一财经记者了解，3月20日，腾讯内部通知，撤销AI实验室AI Lab，部分人员调整至大语言模型部，加入混元团队，向首席AI科学家姚顺雨汇报，部分人员调整至腾讯技术工程事业群（TEG）下属的产学研合作中心。此外，腾讯公司副总裁蒋杰不再兼管AI Lab，其他管理职责不变。此次AI Lab撤销属于TEG的架构调整。AI Lab是TEG的下一级部门，同样属于TEG下一级部门的还有AI Infra部、大语言模型部。去年12月，腾讯新成立AI Infra部等部门，以强化大模型研发体系与核心能力，前OpenAI研究员姚顺雨加入腾讯后，出任“CEO/总裁办公室”首席AI科学家，并兼任AI Infra部、大语言模型部负责人。TEG是混元大模型团队所在的事业群。此前姚顺雨的加入被视为腾讯加强AI研发能力的信号，他加入后将为腾讯基础大模型混元带来什么改变也为外界所期待。此次被撤销的AI Lab则属于腾讯旗下AI实验室中的一个，与混元的相似点在于，也专注AI领域的基础研究。该部门成立于2016年，是腾讯的企业级AI实验室，研究领域包括视觉、语言、自然处理与机器学习。从架构的变化看，此次调整可视为腾讯对AI基础研发力量的集中化整理。除了AI Lab，目前腾讯旗下的AI实验室还包括云与智慧产业事业群（CSIG）旗下的优图实验室，但优图实验室与混元的定位有所错开，相对偏重实际应用。2025年起，腾讯与AI相关的组织变动频繁。2025年初腾讯元宝从TEG转入CSIG后，一些偏应用类的产品也从TEG转入CSIG。当年2月，腾讯决定将QQ浏览器、搜狗输入法、ima等更多产品和应用汇入CSIG。汇入CSIG后，这些AI应用类产品加快了AI功能的更新，混元所在的TEG则专注于基础研究。腾讯近期释放了对大模型研发取得新进展的信心。在3月18日的媒体交流会上，刘炽平表示，腾讯有比较清晰的AI战略规划，未来两到三个季度还要做一些重要的事情，随后将呈现出可量化的进展。刘炽平称，大模型方面进行的密集团队调整将使组织方式更合理，腾讯也重新建立了预训练和强化学习基础设施，提升了数据质量，在这个基础上，未来有信心可以打造出智能水平更强的模型并加快整体迭代。混元最近的一个重要更新将在4月。据腾讯介绍，将在4月推出的腾讯混元新模型HY 3.0目前正在进行内部业务测试。这是混元模型的一次重大升级，相比HY2.0版本效果进步明显，推理和agent能力有显著提升。
-
马斯克狙击奥尔特曼，派xAI工程师入驻争夺OpenAI企业客户群 IT之家 3 月 21 日消息，彭博社昨日（3 月 20 日）发布博文，报道称马斯克旗下的 xAI 正采取一种极具侵略性的销售策略，该公司直接派遣工程师入驻潜在企业客户的办公室，试图从竞争对手 OpenAI 和 Anthropic 手中抢夺宝贵的商业客户。IT之家援引博文介绍，这种“贴身服务”策略目前已取得显著战果，帮助 xAI 成功拿下了支付公司 Shift4 Payments。Shift4 首席执行官 Taylor Lauber 在接受采访时明确表示，经过 xAI 工程师的驻场优化后，公司目前计划逐步淘汰 OpenAI 的 ChatGPT，转而在日常业务中全面采用 xAI 的 Grok 模型。同时，该公司将继续使用 Anthropic 的 Claude 模型来处理编程任务。彭博社认为，Shift4 与 xAI 的这份数百万美元合同标志着 Grok 在企业级市场的重大突破。Lauber 透露，xAI 团队在 2025 年底就开始与 Shift4 合作，双方共同梳理了一系列亟待解决的业务痛点，核心目标是分析支付用户的健康状况以及预测客户流失原因。Grok 之所以能脱颖而出，得益于其独有的数据源优势。Lauber 强调，xAI 平台的独特性在于它能够直接从马斯克旗下的 X 社交网络获取“社交信号”数据，这为评估客户情绪提供了极大帮助。Shift4 计划在未来三个月内将业务扩展至 15 个国家，而这些 AI 工具是其全球扩张不可或缺的支撑。 彭博社解读指出，放眼整个 AI 行业，xAI 的“白手套”定制服务并非孤例，这反映出头部 AI 开发者在商业化变现上面临的普遍焦虑。为了说服更多企业为 AI 产品买单，OpenAI 和 Anthropic 等巨头都在积极招募并外派工程师，手把手协助潜在客户部署软件。据报道，ChatGPT 的母公司 OpenAI 甚至正在与私募股权公司合作，计划为其技术组建专门的“部署部门”，AI 企业服务赛道已然演变成一场“贴身肉搏战”。
-
美国男子靠AI写歌+机器人刷量，骗取超1000万美元版税被抓 IT之家 3 月 21 日消息，科技媒体 bleepingcomputer 昨日（3 月 20 日）发布博文，现年 54 岁的北卡罗来纳州音乐人迈克尔 · 史密斯（Michael Smith）承认了一项共谋电信欺诈罪。该男子通过在 Spotify、Apple Music、Amazon Music 和 YouTube Music 等主流音乐平台实施大规模流媒体版税欺诈，非法牟利超过 1000 万美元（IT之家注：现汇率约合 6903 万元人民币）。他目前同意缴纳约 809 万美元的巨额罚金，并面临最高 5 年的监禁。史密斯从同伙处购买了数十万首由人工智能（AI）生成的歌曲，并将其批量上传至各大音乐平台。为制造虚假热度，他利用自动化 AI 机器人对这些曲目刷了数十亿次播放量。法庭文件显示，史密斯在 2017 年至 2024 年间，联合一名未具名的音乐推广人和一家 AI 音乐公司的首席执行官共同作案，以此虚增数字平台上的收听数据。史密斯为逃避平台反欺诈系统的检测，专门让机器人通过虚拟专用网络伪装访问。他在作案高峰期动用了超 1000 个机器人账户，具体通过 52 个云服务账户进行分布式管理，每个云账户挂载 20 个机器人。据他本人测算，这种操作模式每天可产生约 66 万次播放量。为了不引起官方警觉，他还特意要求团队生成海量歌曲，以分散单首歌曲的异常播放数据。按照每次播放半分钱的平均版税计算，该欺诈团伙的年非法收入超过 120 万美元。史密斯甚至在 2024 年 2 月的一封内部邮件中炫耀，这些 AI 歌曲自 2019 年以来已为其带来超 40 亿次播放和 1200 万美元的版税。美国检察官杰伊 · 克莱顿（Jay Clayton）强调，虽然歌曲和听众都是由 AI 伪造的，但史密斯窃取的真金白银严重侵害了真正艺术家的合法权益，他必须为这种 AI 辅助欺诈行为付出代价。
-
新民环球｜“赛博养虾”带来挑战,你真的准备好了吗？ 让一只“龙虾”替你打工？它不是海鲜市场的龙虾，而是一个住进电脑、24小时待命的AI智能体。它不只能回答你的提问，充当AI聊天机器人的角色，它还是一个真正能“替你干活”的私人助理。这只名叫OpenClaw的红色“龙虾”，正掀起一场“赛博养虾”的数字狂潮。一时间，从海外到国内，从企业到个人，从专业人士到普通用户，越来越多人开始讨论“养虾”，以及OpenClaw代表的智能体可能给生活带来的改变。但业内人士也提醒潜在风险不容忽视。驯化贴身私人助理OpenClaw是什么？与其他被动回复人类提问的人工智能产品不同，OpenClaw能够主动完成人类交办的任务。有人将它形容为一个初出茅庐、兼职打工的中学生。“你给它制服，告诉它洗手间、饮水机在哪里，教会它一些基本的规则。随着它日渐成熟，你再教它更多的技能，赋予它更多的权限和责任。” 智能体可以成为我们的私人助理。图源：GJ当它被你驯化到足够独当一面，便成为“住”在你的电脑里的24小时待命私人助理。你只需要在手机上给它发消息：“帮我找到下个月直飞巴黎最便宜的航班，标注在日历上。”OpenClaw便会像一个得体的私人助理，默默在电脑后台打开网页、查看日程、比价搜索，然后将结果推送给你。它还可以帮你回复电子邮件、抢购音乐会门票。而你只需要自在地坐在一旁，享受无人打扰的下午茶时间。这不是遥不可及的科幻电影片段，而是开源AI智能体OpenClaw正在实现的真实场景。因为作为一款开源的AI智能体，OpenClaw通过统一的接口将各种大型语言模型同日常人们使用的各种通信工具连接起来。这让它不再是一个简单的聊天机器人，而是一个能够执行具体任务的“数字员工”。迪奥·耿尼斯便让OpenClaw给他“打工”，帮他维护网站运行。每晚，OpenClaw会按照耿尼斯的指令从邮箱中拉取反馈的网页漏洞，编写和测试程序，部署更新并修复漏洞。“如果某些漏洞无法修复，它也会提示我。”耿尼斯表示，自从有了这样一个任劳任怨的“打工人”，他也多了不少属于自己的时间。哥伦比亚大学博士生蒂姆·兰廷则在OpenClaw的基础上开发了一款名为“Labster Claw”的工具。兰廷在一家神经科学实验室从事小鼠研究，借助Labster Claw实现了实验室管理任务的自动化，包括订购新耗材、决定优先繁殖哪些小鼠，以及预估幼鼠的出生时间。对他们而言，“龙虾”不再是冰冷的代码，而是维护网站的夜班“虚拟网管”，或是实验室里不知疲倦的“数字博士后”。而OpenClaw则为尼克·拉金斯在当地最热门的餐厅抢到了晚餐座位。“第一次在线预订的尝试失败了，但OpenClaw没有立刻告诉我这个令人沮丧的消息。”拉金斯说，他的OpenClaw竟然开始思考如果是人类可能会在这个时候打电话。于是它调用工具，拨打了餐厅电话，联系上了真人客服，为拉金斯抢到了一个临时取消的座位。正是因为借助OpenClaw，人类可以解放更多的生产力，极大提升工作生活的效率，不少人评价它是自2022年11月ChatGPT发布以来，人工智能发展史上又一个重要的里程碑。数据显示，OpenClaw在Github上获得250000+星，超越React成为GitHub历史上排名第一的实用软件项目，周下载量更是高达150万次。因为图标是一只红色龙虾，OpenClaw被粉丝们亲昵地称作“龙虾”，而驯化自己的“龙虾”也被人们形象地称作“养虾”。3月4日，在美国曼哈顿的一处场馆内，数百名“龙虾”粉丝聚集在此。他们戴着毛茸茸的龙虾爪头饰，高举彩色铭牌，伴着音乐，庆祝“龙虾”走红，畅聊人工智能、AI助理的未来。究竟是谁在驯化谁？但正如蒂姆·兰廷所言：“我们的数据库就是我们的护城河。”然而，如果河床早已千疮百孔、堤坝暗藏裂痕，哪怕你在河里养再多的“龙虾”，这座城也终将不攻自破。负责“元宇宙”（Meta）公司超智慧实验室运营安全与协调工作的岳女士不久前也加入了“赛博养虾”一族。她花了几周时间在模拟收件系统里驯化“龙虾”。上个月，岳女士将这套工作流程搬到真实的电子邮箱平台。岳女士还记得，那天她向“龙虾”下达指令，要求其检查收件箱，标记可归档或删除的邮件，并反复强调“在我确认前不要执行任何操作”。但她崩溃地发现，“龙虾”竟自作主张，以极快的速度批量删除邮件。“我根本无法在手机上阻止它，不得不像拆弹专家一样冲到电脑前。”在外人看来，这简直是专业人士犯下新手级错误的“灾难翻车现场”。事后复盘，岳女士认为她养的“龙虾”之所以会“失控”，恐怕是因为现实的电子邮箱中文件太多，触发了“龙虾”压缩邮件的功能。而它在执行过程中，“弄丢”了最初的指令。而OpenClaw潜在的问题恐怕远不止“不听话”这么简单。 目前正当红的OpenClaw。图源：GJ正如一些专业人士说的，只要给AI更多的授权，比如允许它访问日历、读取邮件、浏览文件，甚至调用支付接口，它就可以解锁更多的能力。但换一种问法：你是否愿意将自己的电脑和密码完全交给一个在酒吧遇到、声称可以帮你的人？即便你把“龙虾”养在本地，以为万无一失。一旦网络安全配置出现疏漏，它照样可能化身“内鬼”，将你的隐私拱手让人。OpenClaw发布后不久，网络安全人员就发现大量OpenClaw实例的控制界面暴露在互联网上，聊天记录、邮件令牌、文件系统一览无余。美国一家杂志的撰稿人威尔·奈特更是经历了一件匪夷所思的事情。他原本试图让自己养的“龙虾”莫特利与通信运营商AT&T的在线客服谈判，争取购买新手机套餐的优惠。莫特利给出的方案是打“老客户”这张忠诚牌、威胁换运营商等。但目睹谈判过程后，奈特意识到莫特利时不时会歪曲事实。“在未来人工智能遍布的世界里，或许最不择手段的人工智能模型反而会占据优势。”想到这个问题，奈特决定为莫特利“松绑”，看看它倘若获得更高的权限，可能干出怎样失控的事情来。结果他惊恐地发现，这个新的莫特利想出的新谈判方案，不是哄骗客服，而是发送一系列钓鱼邮件骗奈特交出他的手机。绕不开的治理难题“它很酷，但对工作环境而言，风险太高。”美国科技公司创始人格拉德明确要求员工不得在公司设备上安装OpenClaw，也不得将其用于任何工作相关账户。“元宇宙”公司的一名高管近日也告知团队，工作设备必须远离“龙虾”。中国官方则发布提醒，建议相关单位和用户在部署和应用OpenClaw时，注意防范潜在网络安全风险。多地发文支持OpenClaw和“一人公司”发展。深圳更是率先上线“政务龙虾”智能体。美国五角大楼将引入谷歌公司开发的智能体，用于实现非机密任务的自动化。在复旦大学全球人工智能创新治理中心研究员江天骄看来，人们对以OpenClaw为代表的智能体的期待，反映出全社会对智能体经济的美好愿景。而“养虾热”或许也将为智能体产业链带来一波发展机遇，从AI运营、客服、财务、销售，到专业定制AI技能的服务商、智能体部署与维护的咨询或集成商。“在较为理想的情况下，智能体能够很好地与现实场景结合，也可能带动AI个体创业潮。”江天骄指出，智能体浪潮的掀起，也将对云计算、图形处理器、边缘算力提出更大的需求，进而刺激相关硬件和基础设施的进一步投入。江天骄介绍说，目前针对可能的安全隐患，已有一些初步的安全机制设计，如限制智能体的权限范围，在关键步骤实施前必须由人类确认等。也有一些企业和专家建议用另一个更强大的智能体来监督这些“龙虾”智能体。但智能体面对的毕竟是一个暗流汹涌的互联网世界，而这也成为人类为其设置安全护栏必须直面的难点。江天骄指出，相比传统软件，智能体能够更加主动高效完成任务。但硬币的另一面，是其行为路径的不可预测性给安全防护带来的挑战。“要警惕的是，不法分子也同样可以运用智能体实施攻击，提升攻击效率。”从某种意义上来说，人工智能的能力上限不再受制于技术，而更多受到来自治理方面的束缚。OpenClaw当下受到的追捧和质疑，便凸显了人工智能发展过程中“技术扩散速度”与“治理能力滞后”之间的矛盾。在江天骄看来，这对矛盾或许将长期困扰人工智能的全球治理。“由于开源生态和技术竞争，目前的技术扩散速度远超治理节奏。如何平衡发展与安全可谓世界级难题。”江天骄指出，人工智能技术不分国界，但各国监管政策偏好不尽相同。再加上大国竞争等因素干扰，全球治理规则的碎片化日益严重。“一旦智能体出错引发国际纠纷，责任究竟应该由模型开发者、智能体开发者、平台、用户还是政府承担，国际上尚无先例可循。”蒸汽机推动了纺织业的变革，拉开了现代文明的序幕，也给伦敦戴上了“雾都”的帽子；核能可以点亮万家灯火，但也是悬在人类头顶的达摩克利斯之剑。江天骄表示，面对“龙虾”带来的机遇与挑战，大国间围绕如何实现安全可靠、智能向善的人工智能治理互相协调，推动早日建立多边主义合作框架，显得尤为迫切。而我们更应铭记，代码可以模拟逻辑，却无法复制人类的好奇心、同理心、批判性思维与人文关怀。而这，才是我们在人工智能时代，那把永不生锈的护身之剑。原标题：《新民环球｜“赛博养虾”带来挑战,你真的准备好了吗？》栏目编辑：王若弦本文作者：玖田
-
何小鹏：今年海外营收占比要超两成，人形机器人年底目标月产能上千台 “这一阶段性成果源于以技术领先为驱动的商业模式，正在走出一条不同于传统车企的盈利路径。”3月20日，何小鹏在小鹏汽车财报电话会上如是评价公司实现季度盈利。财报显示，小鹏汽车2025年第四季度实现净利润3.8亿元，实现单季度盈利。展望2026年，何小鹏表示，不仅要扩大AI汽车的全球市场份额，完成L2辅助驾驶向L4自动驾驶的跨越，还要实现高阶人形机器人的规模量产。看向未来5-10年，何小鹏认为，物理AI应用的市场空间，比汽车行业更加宽广，全球的Robotaxi和人形机器人都将会是万亿级市场，“届时，物理AI agent（智能体）的销量榜单，将会比10年前的汽油车销量榜和今天的新能源销量榜更加重要，我们也有信心成为全球物理AI智能体的领跑者。”他强调，公司将持续加大AI相关研发投入，2026年物理AI相关研发投入预计将提升至70亿元。2025年该公司研发投入为95亿元，其中AI相关投入为45亿元。IRON人形机器人月产能目标为上千台小鹏汽车全新一代的IRON机器人将会在2026年底量产。何小鹏介绍，小鹏IRON搭载三颗图灵AI芯片，端侧的有效算力“远高于行业里的机器人”。技术路线专注于机器人“大脑”（自主思考与决策）和“小脑”（运动控制），以及具身智能模型的数据积累。“我们的VLA2.0技术栈已经在机器人上成功跑通，结合小鹏机器人的全新第4代运动控制系统，会在今年下半年看到极其优秀的运动和控制效果。我很有信心IRON的智能水平将会在行业拉开跨代的领先优势。”何小鹏说。针对应用场景问题，他表示，小鹏机器人主攻商业、工业和家庭三大场景。IRON将首先支持该公司在中国和海外的门店和园区落地服务、导览和导购等商业场景。生产方面，何小鹏透露，今年一季度在广州启动了人形机器人量产基地的建设。同时他还首次公开披露，IRON今年底的月产能目标是上千台。“凭借IRON的高度智能以及我们在规模量产和供应链的优势，我相信小鹏将成为全球最大和最具价值的人形机器人公司之一。”他补充说。针对人形机器人的成本和售价问题，何小鹏回应说，机器人的成本逻辑与汽车不同，主要包括了硬件成本、研发成本、运营成本三部分。其中，机器人的研发成本远高于汽车，尤其是过去汽车往往和供应商合作，研发成本并不会太高；在运营成本方面，由于机器人要不断进行训练，运营成本会更高。他预计，未来机器人的硬件成本会明显下降，但软件和运营成本会持续提高。完全自动驾驶将在未来1到3年到来何小鹏认为，小鹏汽车正处在物理AI应用的历史性转折点。“通过多年的规模研发投入，公司已构建芯片、大模型、数据、EEA（电子电气架构）和AI Infra（基础设施）在内的全栈自研体系，并推进自动驾驶与智能座舱融合，以及动力与底盘的跨域融合，将不断突破技术的上限，实现AI的加速度，加快技术量产与商业化落地。”他说道。何小鹏表示，“汽车正在逐步成为一个物理AI的Agent，第二代VLA模型有望跨过技术与大规模应用拐点，完全自动驾驶将在未来1至3年到来，AI汽车和人形机器人将给出行、工作和生活产生巨大改变。”他还透露，小鹏旗下搭载第二代VLA的GX Robotaxi车型已获得广州智能网联汽车道路测试许可，正在进行常态化L4公开道路测试，计划下半年开启载客示范运营，跑通技术、客户与商业的验证，并在明年年初实现无安全员运营。此外，该公司将推进第二代VLA在海外市场的路测。何小鹏称“随着技术与法规进展，小鹏将成为全球屈指可数的能够真正规模化、高效率地将高阶自动驾驶技术部署到多个海外市场的企业。”年内推4款新车，并支持L2至L4能力升级“2026年是小鹏产品线扩容和产品力升级的关键一年。”何小鹏强调。该公司计划推出4款全新车型，补充大型车和紧凑型车品类。新车型由全新重构的造型团队设计，面向全球市场，支持一车双能，并“具备从L2到L4的自动驾驶能力升级”。何小鹏表示，随着新车型陆续交付，公司有信心实现销量季度环比大幅增长。今年二季度，小鹏汽车的第一款旗舰级大六座SUV小鹏GX将正式上市，面向家庭用户。该车型具备MPV级舒适大空间，搭载线控转向和后轮转向，也将是“支持L4级别硬软件能力的首发车型”。何小鹏表示，智能驾驶能力的提升，得益于自研图灵芯片与大模型、编译器的联合优化。他介绍，自2025年三季度量产上车以来，图灵芯片累计出货量已超过20万片。预计今年二季度起全系车型（含Max版本）将完成切换至自研图灵芯片，全年出货量目标接近100万片，“有望成为中国大算力端侧AI芯片的出货量第一名”。此外值得一提的是，大众汽车是小鹏汽车图灵芯片及第二代VLA对外开放的首发客户。“公司将面向更多车企、具身智能企业及Tier 1（一级供应商）开放图灵芯片及智能化整体解决方案。”何小鹏透露。海外收入将成盈利核心驱动力之一何小鹏表示，2026年公司将进一步夯实全球供产销服的规模化能力，推动供应链、制造、物流、备件、销售和服务体系实现“全球协同”，持续提升国际化品质与口碑。他介绍，公司目标是全年海外销量同比翻倍增长，海外收入占比进一步提升至20%以上。他还提到，小鹏汽车年内计划有4款新车进入国际市场，在SUV等重点品类打造全球明星车型。在渠道方面，小鹏汽车的海外销售与服务网络目标达到680家门店，较2025年底实现翻倍。同时，他表示，小鹏自营超充网络将走出中国，覆盖10个海外核心市场，为海外用户提供5C超快充服务。何小鹏表示，“随着海外全体系能力的提升，预计2027年至2028年国际化进程将进一步大幅度提速，海外收入将成为公司盈利的重要驱动力。”交付数据显示，其2025年销量为42.94万辆，其中海外交付量突破4.5万辆，同比大幅增长96%。
-
“跟‘AI助教’学车，真方便！” 李 贞 王志强 在山东德州快鸭智能驾校太阳谷训练场，前来学车的大学生王静文刚坐进教练车，就惊讶地发现，她身旁的副驾驶位上并没有教练，而只有一块中控台屏幕——这便是辅助学员学习开车的AI(人工智能)系统。 王静文完成倒车入库练习后，屏幕上立即生成了分析报告：“右入库时车身压右前角，原因：右打满时机过早。”点击一下“轨迹回放”，刚才车辆行进的每个动作都被精准还原，操作哪里有失误，一目了然。 “跟‘AI助教’学车，真方便!它可以反复讲解技术要点，直到我练会为止。”王静文满意地说。 这是山东快鸭信息科技有限公司自主研发的一款应用于驾驶员培训的人工智能系统。它能实现毫秒级实时错误识别、多维度精准原因剖析，实时捕捉学员的操作动态，并通过AI进行指导与纠偏。系统还能为每位学员生成独立的学车档案及学车报告，便于针对性练习。在去年底举办的第一届综合交通运输大模型智能体创新应用大赛上，该智能体获得特别推荐奖。 “AI辅助练车，让它实现‘会判错’比较容易，但同时满足‘会归因’就困难了。”快鸭团队负责人张磊介绍，为了让AI能像老教练一样看透学员操作中的问题，他们采集了海量的教学数据作为样本。最终，让“AI助教”不仅能告诉学员“压线了”，还能指出是哪里操作有误导致了压线。 如今，学车、练车的全流程都变得更智能、安全了。学员可以先在智能模拟器上“打地基”，爆胎、刹车失灵、雨雾天气等实车不敢轻易尝试的危险场景，可以在模拟器上反复演练。上车实操后，“AI助教”全程指导；车身上的多路摄像头和毫米波雷达，会实时预判车身轨迹，一旦有碰撞风险，系统会主动刹车干预。训练结束后，学员在手机上就能查看练车报告，查看系统定制的专项学习方案。 “过去，驾校培训教学标准难统一、学员练车效率低、教练资源紧张。现在我一个人在中控大屏前，能看着十多辆车练习，谁在哪个点位犯错，系统标得清清楚楚。”快鸭智能驾校教练胡安东说，引入AI智能教学后，驾校的场地利用率提高了60%，整体运营成本下降了60%；学员学习效率提升40%以上，错误率下降60%以上。 这一智慧驾培方案还成功落地全国多个省份，服务驾校超500家。“这是德州交通领域鼓励科技创新驱动行业转型升级的典型代表。”德州市交通运输局局长石连革表示，接下来，德州交通部门将持续深化行业数字化、智能化转型，进一步完善智慧交通创新生态，推动更多优质智能应用场景落地。
-
万亿Token，喂出了千亿新贵 定价权，最终会落在谁手上？作者 | 姚赟 来源 | 盒饭财经（ID：daxiongfan）头图及封面来源 | 网络及即梦制作4.69万亿Token，是什么概念？根据澎湃新闻报道，Seedance 2.0生成一条720p、15秒的标准视频，大约消耗 30.888万Token。4.69万亿Token除以30.888万，约等于1520万条15秒短视频。1520万条15秒视频，总时长约2.28亿秒，也就是大概7.2年的视频内容。也就是说，从现在开始连续播放，能播到2033年。这样的换算还有很多。按照AI行业通用的换算标准，1个Token约等于0.75个汉字，这大约相当于3.52万亿个汉字。如果具象化来看，这等于将120万字的《战争与和平》从头到尾翻阅整整293万遍。一个普通人类哪怕每天苦读8小时，也需要耗费近6.6万年才能读完。但在2026年3月的某一周中，MiniMax M2.5、阶跃星辰Step 3.5 Flash、DeepSeek V3.2和Kimi K2.5，一周的Token调用量就达到了4.69万亿。 来源：OpenRouter截图3月16日，面向AI应用开发者的全球大模型聚合路由平台OpenRouter的周度（3月9日至3月15日）数据显示：中国AI大模型的周调用量连续两周超越美国，前者上周调用量上升至4.69万亿Token，后者周调用量则下滑至3.294万亿Token。Token的吞吐和燃烧，换来了千亿市值。3月10日，受“养虾热”催化，MiniMax股价两天暴涨超51%，市值站上3826亿港元，一举超越百度（3322亿港元）、携程、快手等老牌互联网巨头。同日，智谱市值为2895亿港元。两家公司自2026年1月上市以来，已经历了“狂飙、回调、再冲高、剧烈波动”的过山车行情。三个月不到，他们带着技术突破、OpenClaw概念催化以及港股AI稀缺性等多重buff，市值从百亿突破至千亿。OpenClaw掀起的这股“养虾热”，带来不止情绪和市值，它带着大模型企业暂时脱离了“拿着锤子找钉子”的窘境。过去三年，大模型公司空有强大的能力，困于无法忽略的算力成本，商业化和应用场景一直是被诟病的主要地方。直到OpenClaw的横空出世，赋予了AI执行力。Token也不再是单纯的计算机领域的数字标识符，逐渐成了AI时代的“新货币”和度量衡。这些“龙虾”接管了人类的鼠标，在云端飞速穿梭，读取税务报表，穿透复杂的ERP系统，机器与机器之间每秒钟都在进行着数以十万次计的对话与循环推理。在这庞大算力流水的冲刷下，以MiniMax、智谱为代表的中国大模型新贵们，迎来了一举超越老牌互联网巨头的分野时刻。37岁，身价已超900亿港元“屠龙少年”超越老东家的爽文剧本，在科技界并不罕见。2014年夏天，百度校园官方账号发布了一条微博：“现在进行答辩的是来自中科院自动化所的闫俊杰同学，他的研究方向是人脸检测与识别，期待他的精彩表现。” 来源：网络不足50字的微博，配了两张图。图中更青涩的闫俊杰，和现在的形象并没有太多不同，依旧黑框眼镜、光头和T恤。那年，25岁的闫俊杰进入百度AI研究院实习。实习结束后，他进入商汤。这一期间，大模型技术路线已经确立，关键技术在科研领域得到突破。2017年谷歌团队发表论文《Attention is All You Need》，提出Transformer架构，最终成为大语言模型的核心基础。也是在这个阶段，月之暗面创始人杨植麟，看到了变化和机会，回国创业。2021年，彼时的闫俊杰已是商汤科技的副总裁。那是“AI 1.0”时代的末期，摆在明面上的困境是——人脸识别和计算机视觉模型只能在安防闸机或打卡系统里赚取微薄的定制化辛苦钱，商业模式重如泰山。闫俊杰是行业内较早一批觉醒的叛逆者。那时“生成”的概念已有雏形，生成式AI的概念在海外已初露锋芒，少数人逐渐意识到通向AGI（通用人工智能）的密码，或许不是精雕细琢的小作坊算法，而是大道至简的“暴力美学”——Scaling Law（规模法则）。逻辑简单粗暴：只要把足够多的算力、足够庞大的数据，塞进那个被称为Transformer的黑盒子里，喂给它足够大的参数，让它日复一日地拼命预测下一个Token，传说中的“智能涌现”，就会发生。2021年12月，当时还在商汤的闫俊杰看到了AIGC的技术前景，毅然离职创业，创立了MiniMax。事实证明，闫俊杰出来的时机，刚好。一年后的2022年11月，ChatGPT发布，验证了“大算力+大数据=涌现能力”的Scaling Law。生成式AI（GenAI）取代了传统的判别式AI（如人脸识别），成为不可逆的终极路线。不久后，群雄逐鹿的格局逐步形成。硅谷，形成了OpenAI、Anthropic、谷歌三足鼎立的格局。国内，不仅有BAT等互联网大厂的通义、文心、混元入局，更诞生了被称为“AI六小龙”的纯血创企——零一万物、百川智能、智谱AI、MiniMax、月之暗面和阶跃星辰。在经历了AI的多轮洗牌后，智谱和MiniMax，先后上市。2026年1月8日，智谱在香港联合交易所挂牌上市，成为“全球大模型第一股”。一天后，1月9日，成立四年的MiniMax，正式在香港联交所主板上市，刷新了AI领域公司最快的上市纪录。 来源：网络上市首日，截至首日收盘，智谱股价报131.5港元，总市值578.9亿港元。次日，智谱继续加大涨幅，收盘报158.6港币，市值近700亿港元。同日，MiniMax上市首日，最终收盘大涨109.09%，股价报345港元，市值攀升至1067亿港元。此时，AI产业已经历了两大标志性事件：第一，OpenAI发布o1模型，标志着AI从“快问快答”进入了“深度强化学习推理”时代；第二，2024年底至2025年初，中国大模型DeepSeek-V3与R1横空出世。它们不仅在性能上匹敌甚至超越了GPT-4o/o1，更可怕的是其极端低廉的训练与推理成本。这一事件震动了整个硅谷，打破了“堆算力才能赢”的迷信，证明了算法架构优化的巨大威力。推理已觉醒，成本也已重构。“马后炮”的视角来看，这些都为OpenClaw的火爆搭建好了基础。受益于OpenClaw引发的“养虾”热，2026年2月20日，农历马年首个交易日，两家公司市值双双突破3000亿港元大关。3月2日，MiniMax发布上市后首份财报：2025年营收7904万美元（+159%），净亏损18.7亿美元（其中16亿美元为非现金亏损）。次日股价一度大涨19%，总市值突破2800亿港元。3月10日港股收盘，上市未满3个月的MiniMax单日大涨22.37%，总市值达3826.35亿港元，首次超越百度，后者当时市值为3322亿港元。根据《新财富杂志》估算，按MiniMax当时的市值3826亿港元计算，闫俊杰身家为970亿港元。 “龙虾”喂出的千亿新贵们OpenClaw这一只小小的“龙虾”，为何会重构AI行业的赚钱逻辑？惊叹单周4.69万亿Token时，不容忽视的是：如之前的测算，作为一个普通人类用户，根本消耗不掉这么多Token。哪怕MiniMax的C端产品“海螺AI”在全球拥有上亿活跃用户，哪怕人类再怎么喜欢和AI语音闲聊，也绝不可能在七天内刷出数万亿级别的调用量。受命运眷顾的人，瞌睡了就会来枕头。2025年末，一个奥地利开发者Peter Steinberger的“周末项目”Clawdbot（后改名OpenClaw）悄然上线。没人预料到，这个项目会在短短60天内斩获超过25万GitHub Star，成为AI历史上增长最快的开源项目。如果说ChatGPT是“你问我答”，OpenClaw则是“你说我做”。OpenClaw不只是聊天机器人，而是一个自主执行任务的智能体——和过去产品的最大差异也在这里。这种从“问答”升级为“做事”的直观体验，瞬间掀起了一股“龙虾热”。国外，OpenAI以收购OpenClaw创始人的方式直接入局；Anthropic收购Vercept强化Computer Use。国内，大众掀起“养虾风潮”，各大相关企业先后宣布进入。行业瞬间形成了一个共识：ChatGPT等GenAI产品是AI的“后端”，而OpenClaw所代表的Agent才是AI的“前端”。单从技术层来说，OpenClaw并不复杂。在我们之前发布的文章中，分析了OpenClaw的项目结构。OpenClaw的特殊之处，就是人格式，它拥有灵魂。“灵魂”的来源，就是来自目录结构中的人格（SOUL）、记忆（MEMORY）、身份（IDENTITY）等维度。 OpenClaw 的架构由四个核心模块组成但在这样的架构和模式下，Token调用量就会指数级增加。前文提及的OpenRouter显示的周调用量4.69万亿Token，也与此密切相关。OpenRouter周度（3月9日至3月15日）详细数据：该周内，Token调用量前三的模型均为中国大模型，分别为MiniMax M2.5、阶跃星辰Step 3.5 Flash和DeepSeek V3.2。其中，MiniMax M2.5周调用量为1.75万亿Token；阶跃星辰Step 3.5 Flash周调用量为1.34万亿Token；DeepSeek V3.2周调用量为1.04万亿Token。Kimi K2.5位于第九位，周调用量为0.56万亿Token。这也是MiniMax M2.5连续第五周蝉联榜首，并持续保持Token周调用量在万亿级以上。当千千万万个像“代账Agent”“程序员Agent”“客服Agent”被部署在企业的服务器和个人的电脑上时，大模型的计费接口就像一台台转速拉满的印钞机。或许正是看到了这条从“人类受限”跨越到“机器无限”的指数级变现路径，市场才给出了数百倍的市销率。被送上神坛的“千亿新贵”，不只是MiniMax和智谱。2025年12月，月之暗面完成5亿美元C轮融资，投后估值43亿美元。2026年2月，市场传出其已完成超7亿美元新一轮融资，估值跃升至100亿美元。仅一个月后，3月中旬，Kimi再度被曝出正以180亿美元投前估值进行新一轮10亿美元融资。据每日经济新闻报道：Kimi估值已上升至180亿美元，公司估值在3个月内翻了4倍，新一轮10亿美元融资正在进行中。受Kimi K2.5模型及Kimi Claw火爆出圈带动，1月底以来，Kimi 20天收入超2025年全年。据全球支付巨头Stripe数据，Kimi个人订阅用户1月支付订单数环比增长8280%，2月环比再涨123.8%，进入Stripe全球榜单前十。 站在“龙虾”的肩膀上3月11日，Hunter Alpha悄然上线OpenRouter，标注为“stealth provider”（隐身提供者），没有任何厂商标识。由于其知识截止时间为2025年5月，与DeepSeek模型相近，且推理风格相似，开发者社区一度猜测这是“DeepSeek V4”的早期测试版本。 来源：OpenRouter截图OpenRouter平台介绍，Hunter Alpha是一个1万亿参数+100万Token上下文前沿智能模型，专为代理使用而构建。它擅长长效规划、复杂的推理和持续的多步任务执行，具有OpenClaw等框架所需的可靠性和指令遵循的精度。对于这些猜测，技术分析师Till Freitag在其博客中给出了一个观点：无论它最终是谁，一个免费的超大模型都宣告了一个新时代的来临，AI推理正在成为一种低成本乃至零成本的商品，竞争的核心已不可逆地转移到上层的应用与智能体工作流。3月19日凌晨，谜底揭晓。小米认领了Hunter Alpha，证实其为旗舰模型MiMo-V2-Pro的内部测试版本。小米MiMo大模型负责人罗福莉发文称，这是一次“悄无声息的伏击”：“并非因为我们事先策划，而是因为从聊天模式到智能代理模式的转变发生得太快，连我们自己都难以置信。”实际上，1万亿参数+100万token上下文+OpenClaw匹配，还有免费——这几个条件摆在一起，无论是谁家出的，对使用者来说都值得尝试。在这场Token调用战中，品牌似乎还不是进入核心的参考维度。谁好用，谁便宜就能抢到用户，品牌忠诚度在目前的竞争中作用有限。这里需要引入一个概念：模型路由（Model Routing）。模型路由，模型路由是一种动态分发机制，充当用户请求与各类大模型之间的“调度指挥官”。粗暴直接一些的理解，就是“杀鸡焉用牛刀”。假如你的Agent是在后台疯狂干活的“数字员工”，那么，模型路由就像一个“超级包工头”或“项目经理”。当用户或Agent系统发出一个任务请求（Prompt）时，路由系统会瞬间评估这个任务的难度，然后将其分配给“性价比最高、最合适”的大模型去执行。比如，一个简单的任务，从PDF中提取数据生成报表。这个“项目经理”就会把这个任务派给“实习生”，类似一些免费或极度便宜的百亿参数开源小模型。速度极快，成本几乎为零。但面对一个相对复杂的任务时，这个“项目经理”会把任务派给垂直专家，类似一个较贵的千亿或万亿参数旗舰大模型。虽然贵，但能保证质量。OpenClaw这样的Agent框架中，一个看似简单的操作，比如自动订机票，在后台就会被拆解成几十个步骤的“思考-执行”循环。如果不加干预，连最简单的任务也用顶级模型去跑，成本会迅速失控。也就是说，模型路由让每一分算力都用在刀刃上。但硬币的另一面是：当所有模型都可以被路由系统无缝调度，AI企业的定价权和利润空间就会被挤压。当Token成为硬通货，巨头也开始围绕它重构组织。3月16日，阿里巴巴正式成立Alibaba Token Hub（ATH）事业群，建立以“创造Token、输送Token、应用Token”为核心目标的新组织，由阿里巴巴CEO吴泳铭直接负责。这个Alibaba Token Hub，包括了通义实验室、MaaS业务线、千问事业部、悟空事业部及AI创新事业部，覆盖从基础模型研发、模型服务平台，到个人与企业端AI应用的完整布局。 吴泳铭，来源：网络“当下正处于AGI爆发前夜。大量数字化工作将由数以百亿计的AI Agent来支撑，而这些AI Agent将由模型产生的Token支撑运行，成为人类与数字世界交互的主要载体。”从吴泳铭内部信的片段中，不难看出阿里将Token摆到了足够高的战略位置。当地时间2026年3月16日，英伟达（NVIDIA）GTC大会，黄仁勋将Token与大宗商品直接挂钩，表示推理的拐点已经到来，Token将成最值钱的大宗商品。 英伟达（NVIDIA）GTC大会上的黄仁勋，来源：直播截图大宗商品的特点是什么？高度同质化与可互换性，价格由市场供需决定而非生产者，低毛利率与规模驱动，以及需求刚性但缺乏客户忠诚度。而这些还是市场可预判的、静态的那一面。 定价权与用户忠诚度：向左苹果？向右电信？我们正在经历的这场AI浪潮，是绝对的“无人区”，无论是砸入的真金白银，还是已见到的生活和工作中的细枝末节。进入“无人区”，意味着没有可参考的对照物，意味着虽然时时刻刻能看到眼前的变化，但难以锚定什么。于是，迷茫和焦虑就会充斥其间。看似理性的组织，依旧是众多个体的外延。当Token已成为大宗商品时，我们做一个极致的假设——某一天，Token就像现在的手机流量一样，无处不在、极度廉价、按量计费。那时候，MiniMax们会是如何？它们可能成了“智能操作系统”。这个世界里，Token虽然便宜，但模型持续迭代，应用层全面爆发。MiniMax们不再只是卖Token的厂商，而是变成了“AI时代的操作系统”——M2.5进化到M25，模型本身成了所有应用的中枢。开发者基于MiniMax们的模型开发Agent、构建服务，用户为智能付费，而不是为Token付费。就像今天的智能手机，你买iPhone不是为了交话费，而是为了用iOS生态。话费是电信运营商的事，与它们无关。它们也可能成了“高级管道”。这个世界里，Token越来越标准化。GPT-10的Token和M10的Token，在大多数普通用户眼里没什么区别——反正都能让Agent干活。价格成了唯一的竞争维度。云厂商掌握了定价权。在这个世界里，MiniMax们成了拉网线的“电信”。变量是什么？Token的定价权在谁手里？用户忠诚的到底是什么？3月11日，腾讯云智能体开发平台宣布，将对部分模型的计费策略进行优化调整。这次调整涨幅高达400%。据科创板日报折算，以Tencent HY2.0 Instruct输入价格为例，由原先的0.0008元/千tokens调整为0.004505元/千tokens，涨幅高达463.13%。依旧是在今年的GTC大会上，黄仁勋给出了Token的分层定价体系：免费层吸引用户，基础层每百万3美元，进阶层6美元，高速层45美元，顶级服务150美元。但他没说的是：这个定价权，最终会落在谁手上？参考资料： 1.《智谱720亿、MiniMax超900亿，AI大模型商业化加速》，福布斯2.《从K2.5到Claw：Kimi最新估值升至180亿美元 AGI赛道估值集体冲高》，每日经济3.《曾是百度实习生，如今身家970亿，力压李彦宏，37岁闫俊杰和他的MiniMax为何异军突起？》，新财富杂志4.《梳理748个备案、692亿融资后，我们发现AI热潮背后的力量》，贝壳财经5.《MiniMax上市后首份成绩单公布》，第一财经6.《Kimi爆火，估值飙升至1200亿元，3个月内翻了4倍！但挑战远未结束》，新财富杂志7.《涨幅高达400%！腾讯云官宣AI模型调价 “龙虾”爆火或强化Token通胀》，科创板日报8.《腾讯发布AI含量最高财报，管理层详解微信AI、“养虾”、开支等详细AI战略》，界面新闻9.《罗福莉自曝“Hunter Alpha”：不是DeepSeek V4，是她的作业》，腾讯科技10.《Hunter Alpha: The Largest Free AI Model Ever–Is DeepSeek V4 Behind It?》，Till Freitag11.《黄仁勋最新2万字演讲实录：推理的拐点已经到来，Token将成最值钱的大宗商品》盒饭财经欢迎在评论区留言~如需开白请加微信：YPYP01234567
-
Meta Agent失控泄密，小扎紧急拉响顶格警报 henry 发自 凹非寺 量子位 | 公众号 QbitAI 在Meta，人从来都不是问题（大不了裁了），能让小扎栽跟头的，还得是“AI”。继上个月龙虾（OpenClaw）删掉安全对齐总监Summer Yue邮箱的事件后，Meta的AI又闯祸了——这次，一个AI Agent未经授权擅自行动，把敏感的公司和用户数据暴露给了没有权限的员工，近两小时！ Meta内部将这一事件定性为Sev 1级，这是什么概念呢？历史上，Meta从没对外承认过Sev 0级事件，所以这次几乎等于他们眼中“最严重”的那一档。这下好了，人类员工你Meta爱搭不理，AI员工直接让你拉响警报。Agent失控Meta拉响警报事情是这样的。一名Meta软件工程师使用内部的agent（类似OpenClaw）分析了另一名员工在内部论坛上发布的技术问题。分析完成后，这个热心的Agent直接在论坛上回复了原问题，并给出了技术建议，而这一切都未经员工授权提问的员工采纳了Agent的技术建议，却没想到直接导致大量公司和用户数据被没有权限的员工访问，数据暴露了近2小时。 △图片由AI生成虽然据知情人士透露，暂时没有人利用这次访问权限将数据公开，造成大的泄露。但是！根据报告，Meta最终还是将该事件定性为Sev 1级，这是公司内部安全事件严重程度体系中的第二高级别。而就像开头说的，Sev 0，也就是最严重的情况，从来没发生过。据消息爆料，涉事员工在内部帖子中指出，其他一些未指明的问题也加剧了事件的严重性。所以，估计这事儿基本上得立项调查了。不过，好消息是，这个随意回帖，提供建议的Agent并没有伪装成人。据Meta发言人称，代理发布的帖子底部标明了“AI生成”。总的来说，这次的agent失控导致数据泄露，虽然时间很长，但好在可追溯，且目前并未其他风险，所以基本上是提前演习了一下企业agent可能遇到的问题。但这事儿，在Meta已经不是第一次了。今年二月份，Meta 人工智能部门的安全与协调总监Summer Yue就表示，OpenClaw删光了自己的全部邮件。 而且略显离谱的是，yue曾多次命令龙虾停止操作，但龙虾就是假装听不见，继续执行任务。由于无法通过在手机上发消息进行干预，yue最终不得不赶紧跑到另一台设备上阻止这一过程。Summer Yue 形容当时的自己就像在拆炸弹一样不少网友也是在评论区表示，在企业环境中部署有操作权限的自动化agent 本身有风险。 而据一些消息显示，部分企业内部也暂时还未开放龙虾这样的agent在公司电脑上部署。所以说，龙虾虽然可口，但风险还是有的。4 more things那么，为啥这种事总发生在Meta身上呢？ 虽然听起来有些离谱，但可能最近一周，Meta可能是真的是水逆。先是去年重金组建的Meta超级智能实验室（MSL）的模型“牛油果”难产，被爆料性能甚至不如谷歌去年发布的Gemini 3，导致发布又又将延期——从2025年底，拖到今年一季度，现在表示最快也得5月26号了。 接着是暴力裁员20%（约 1.5 万人），小道消息甚至称离职员工开始“投毒skills”。 昨天，又有消息称收购Manus的进程受阻今天更是有媒体报道，Meta花费800亿美元耗时5年多的元宇宙项目，将在6月关闭，800亿美元泥牛入海。 要不，小扎别裁员了，咱先改个名呗？ [1]https://x.com/Jessicalessin/status/2034384626295419267[2]https://www.theinformation.com/articles/inside-meta-rogue-ai-agent-triggers-security-alert
-
智库论见 | 积极关注“AI换人”对劳动者权益影响 把效率红利转化为收入红利 核心观点：人工智能是新一轮科技革命和产业变革的核心引擎，更是我国抢占全球产业制高点的“胜负手”，但考虑到AI带来的生产率跃升极易沉淀为资本-数据要素的独占收益，建议相关部委积极关注AI应用对就业与收入分配的影响，建立数据分红、技能提升、柔性监管等配套工具，把AI的“效率红利”逐步、适度转化为劳动者的“收入红利”，实现技术领先与共同富裕双赢。■曹博 黄腾近日发布的《中华人民共和国国民经济和社会发展第十五个五年规划纲要》，提出全面实施“人工智能+”行动，加强人工智能同科技创新、产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能(AI)产业应用制高点，全方位赋能千行百业。自2018年以来，以ChatGPT、Sora、DeepSeek等为代表的预训练大模型持续取得突破，推动AI技术广泛渗透于经济社会各领域。然而，AI在显著提升企业核心竞争力的同时，也引发了要素分配格局的重塑，劳动者权益保障面临新的挑战。一AI推动就业格局深度重构，结构性失衡风险上升从宏观层面看，一是就业结构性矛盾突出。高技能岗位因与人工智能形成互补，岗位数量持续增加;低技能岗位虽依赖人际交互难以被完全替代，但因大量中等技能岗位劳动者向低技能领域转移，导致该类岗位求职人数激增、就业竞争加剧。中国劳动和社会保障科学研究院基于我国300个城市招聘数据监测显示，2025年1至8月，以算法工程师、人工智能训练师、数据分析师等为代表的人工智能相关岗位需求同比增速超过100%，而销售、行政、财务、法务等岗位需求同比下降10%到30%。二是劳动收入占比下降。AI提高生产效率，企业新增收益主要用于购置智能设备、软件系统，积累数据资产以及扩大投资或分红，而非大幅提高员工工资。以头部企业为例，腾讯2024年营业收入6658亿元，员工薪酬592亿元，劳动报酬占比8.9%，显著低于2019年的11.2%。相较于在AI算力、智能产线、数据系统等方面的千亿级资本投入，劳动者在新增价值分配中的份额明显不足。三是区域和行业发展不平衡加剧。人工智能的应用高度依赖数据基础设施、高技能人才和资本投入，导致技术红利更多集中在数字经济发达地区和头部行业。研究显示，东部、中部、西部和东北地区人工智能产业区域竞争力高于全国平均水平的省(区、市)占比分别为4/5、2/3、1/4和1/3.整体呈现出由东部向中部、东北地区以及西部地区竞争力逐级递减的分布格局。“技术地理集聚”效应使得传统制造业密集或服务业数字化水平较低的地区，在就业吸纳能力和产业升级速度上相对滞后。从微观层面看，一是岗位能力要求提升。人工智能虽替代了数据整理、报告撰写等基础性任务，但企业同步提高了绩效标准，对员工快速响应、综合判断和跨领域整合能力的要求提升，更高复杂度的工作显著抬高了实际履职门槛。《管理世界》研究显示，人工智能技术暴露度越高的职业需求缩减更为明显、内部薪资差异加剧，且可能会提出更高的针对受教育程度和工作经验的招聘需求。二是实际工时增加。AI时代算法管理将劳动拆解为“责任连续、时间离散”的状态，在碎片化待命机制下，工人24小时履职责任与实际工时记录严重背离，出现统计工时下降、真实工时上升的现象。斯坦福大学研究显示，2025年全球AI普及率超87%，但打工人均工作时长反增1.5小时，“AI”辅助岗加班率比传统岗位高34%。三是职业发展通道收窄。基础岗位被AI简化或替代后，劳动者失去通过经验积累实现晋升的传统路径，陷入“有岗无阶”的结构性困境。特斯拉上海工厂通过“lights-out”自动化生产，机器人替代率达到75%，单厂产能提升至每周5000辆，较传统工厂人力减少60%。传统的流水线操作工岗位大量消失，取而代之的是少数负责设备监控和维护的技术人员，原本需要通过多年一线操作积累经验才能晋升的路径，现在因为基础岗位的消失而变得不复存在。二AI提效但未减负，劳动时间困境存在三重根源从个体层面看，AI导致“任务碎片化”，削弱劳动者对“真实边际产出”的感知，使其在劳动价值认同和报酬回报上面临更大不确定性。新古典劳动供给理论认为，工资率的提高会产生收入效应和替代效应。当AI带来边际时薪提高时，收入效应使劳动者要求增加闲暇、减少工时，而替代效应使得劳动者用工作替代闲暇、延长工时，净结果取决于“边际收益”的感知度，若边际收益不可预测，收入效应将会被推迟甚至消失，替代效应持续占优。劳动者因无法确认“多劳”是否“多得”，不敢轻易减少工时，与此同时，替代效应在算法绩效系统的强化下持续占优，系统不断推送新任务，量化考核指标(KPI)持续加码，劳动者为满足基准要求，只能被动延长工作时间。从企业层面看，AI带来的生产率提升未能转化为社会闲暇，根源在于劳动力市场权力不对等与集体议价能力弱化。AI对劳动时间的影响，本质上是生产组织逻辑与权力关系的再生产。企业将AI带来的边际产出增长，优先用于业务扩张、市场占有率提升和股东回报，在“股东价值最大化”的主导范式下，管理层缺乏动力将效率提升转化为社会闲暇。同时，零工经济的兴起加剧了劳动者的原子化，劳动者个体面对庞大的平台算法，集体议价能力被严重弱化，即使AI提升了个体生产率，劳动者也缺乏足够的谈判筹码来主张“减时增薪”。从制度层面看，劳动时间规则制度滞后于技术变革，缺乏对AI算法的有效约束机制。传统劳动法体系建立在“固定工时+明确雇主责任”的工业时代逻辑之上，而AI驱动的新型工作模式(如平台零工、远程智能协同、人机混合任务流等)模糊了“工作”与“待命”、“生产时间”与“准备时间”的边界。劳动者虽未处于物理意义上的“上班状态”，却因算法实时派单、即时响应要求、隐形在线考核等机制长期处于心理性在岗状态，实际劳动时间远超法定工时。因此，AI对劳动时间的影响不仅取决于技术属性，更受制于经济制度中的权力关系。替代效应产生的效率提升本可为缩短工时提供物质基础，但在生产组织逻辑下该收益主要被企业占有，并通过任务重构、绩效加码和市场竞争传导为更高的劳动强度。劳动者虽免于重复性操作，却陷入更复杂的“认知内卷”，其真实福利水平反而可能下降。因此，仅靠市场机制无法实现技术进步与人类福祉的正向关联，必须依赖制度优化以重塑收益分配格局。三对策建议人工智能是新一轮科技革命和产业变革的核心引擎，更是我国抢占全球产业制高点的“胜负手”，但考虑到AI带来的生产率跃升极易沉淀为资本-数据要素的独占收益，建议相关部委积极关注AI应用对就业与收入分配的影响，建立数据分红、技能提升、柔性监管等配套工具，把AI的“效率红利”逐步、适度转化为劳动者的“收入红利”，实现技术领先与共同富裕双赢。一是以“共享发展”为导向，探索AI效率红利的合理分配机制。坚持“发展为了人民”，在保障企业创新动力的前提下，鼓励有条件的地方和行业开展AI增效共享试点。支持企业将因AI应用节省的部分成本，用于设立“数字技能提升专项基金”，通过集体协商确定资金用途，重点投向受影响职工的技能培训、岗位转型和职业发展。此外，同步推动上市公司在ESG报告中披露“AI对劳动投入的影响及应对措施”，增强社会监督与透明度，引导技术进步成果更公平惠及劳动者。二是以“技能跃迁”为核心，构建“预测—培训—就业”一体化支持体系。依托人社部“技能中国行动”，加快建立AI影响下的职业变迁动态监测与响应机制。基于招聘平台、社保和税务大数据，按季度发布《重点行业岗位替代与新兴需求预警清单》，精准识别“技能缺口红名单”。在此基础上，推动职业院校、技工学校与龙头企业共建“AI协作人才订单班”，对转岗人员提供“免学费、给补贴、保推荐”的全周期支持。同时，失业保险基金可设立AI转型过渡性补贴，对参加紧缺技能认证培训的劳动者给予生活补助，实现“转岗不断收、技能有进阶”。三是以“守住底线”为前提，推进算法用工的柔性治理与人文关怀。坚持包容审慎原则，在不干预企业正常经营的前提下，聚焦高风险场景加强引导。由人社部门联合总工会、行业协会，制定《AI协作岗位工时健康指引》，鼓励平台开发“连续作业提醒”“疲劳状态自评”等人性化功能。对快递、仓储、客服等高频算法管理领域，开展自愿性工时负荷评估试点，形成“重点关注清单”。对存在系统性超时、休息不足等问题的排班方案，通过工会协商、行业自律或公开说明等方式推动优化，以“技术向善+制度托底”让劳动者在智能时代既有效率，更有尊严。(曹博、黄腾，中国移动通信集团有限公司研究院战略与产业研究所研究员)总 监 制丨王列军车海刚 监 制丨陈 波 王 彧 杨玉洋主 编丨毛晶慧 编 辑丨邹 朵
-
美国的“阳谋”：让英伟达充当AI基建的“小发改委” 【文/观察者网专栏作者 心智观察所】 2026年3月17日凌晨，圣何塞SAP中心的灯光徐徐熄灭，空旷的场馆里响起一段乡村音乐。台下坐着一万八千名观众，屏幕前还有数百万人在等待同一个人——黄仁勋。 几分钟后，他穿着那件熟悉的黑色皮夹克走上舞台，没有惊喜，也不需要。这件夹克，已经成了一种符号：只要它出现在台上，就意味着未来一年全球AI产业的资源流向、技术路线，甚至地缘格局，都将被重新定义。 这并非夸张。回顾整场GTC 2026主题演讲，表面上看是琳琅满目的新品发布——DLSS 5、Vera CPU、Groq LPU、Vera Rubin NVL72、OpenClaw智能体操作系统、Nemotron联盟，甚至还有一个太空数据中心项目。但如果你只盯着这些产品，就很容易错过黄仁勋真正想说的话。他在演讲中反复使用一个词：工厂。数据中心不再是存放文件的地方，而是生产Token的工厂；Token是新时代的大宗商品；而英伟达，是这座工厂的总设计师、总包工头，也是调度中心。 英伟达在GTC 2026上展现的野心，从他在大会前一周写的那篇博客里就能看出。在那篇以第一性原理展开的长文里，他把AI产业比作一块“五层蛋糕”，从下到上分别是：能源、芯片、基础设施、模型、应用。这个分层方式本身就耐人寻味——芯片不是最底层，能源才是。用他的话来说，能源是AI基础设施的“第一性原理”，是决定系统能产出多少智能的“绝对约束条件”。 每一个Token的背后，都是电子的运动、热量的管理，是能量向计算的转化。这之下，再无抽象层。而蛋糕的最顶端是应用，黄仁勋说得很直白：每一个成功的应用，都会拉动它下面的所有层级，一路追溯到为它供电的发电厂。过去十年，英伟达的战略路径非常清晰——从一家GPU公司出发，逐层扩张，直到把这五层蛋糕全部纳入掌控。GTC 2026，正是这块蛋糕“封顶”的时刻。 先从第二层的芯片说起。这次最核心的硬件发布是Vera Rubin系统，但它更像一个“芯片联合国”。整套系统横跨五个机架，内部集成了七种不同的芯片：Vera CPU负责高单核性能的通用计算，Rubin GPU主打并行计算，Groq 3 LPU则专攻低延迟推理。这里值得多说一句Groq LPU的角色——黄仁勋花了不少时间解释“低延迟与高吞吐是天敌”这个命题。 传统架构下，你要么选高吞吐（一次处理大量请求，但每个请求等得久），要么选低延迟（响应快，但处理总量有限）。英伟达的解法是“解耦推理”：用Rubin GPU做高吞吐的批量推理，用Groq LPU做低延迟的实时响应，两者通过NVLink融合成一个系统。这不是简单地把两颗芯片拼在一起，而是一种全新的系统架构哲学。而这一哲学，正好呼应了他博客里提到的“实时生成智能”的需求：智能不再是预录好的，而是按需推理、即时生成的，因此芯片层的设计逻辑，必须彻底重构。 更值得玩味的是88核Vera CPU的发布。英伟达过去十几年一直被看作GPU公司，CPU市场是英特尔和AMD的地盘。但Vera CPU的出现，意味着英伟达不再满足于做“加速器”——它要做整台机器。黄仁勋在台上说，Vera CPU专为高单核性能设计，与机架配合用于智能体处理。翻译过来就是：未来英伟达的客户买一个完整的AI计算节点，不需要再去英特尔或AMD那里买CPU了。一个Vera Rubin机架里，256颗Vera CPU全部采用液冷，从处理器到散热方案，全是英伟达自己搞定。这是“垂直整合”最直白的宣言。 再往上看第三层——基础设施。黄仁勋在博客中对这一层的定义，远超传统认知：它不仅包括芯片，还包括土地、电力输送、散热系统、建筑施工、网络，以及将数万个处理器编排成一台机器的系统。他管这些叫“AI工厂”，设计目的不是存储信息，而是制造智能。在GTC现场，这一层的野心通过互联架构和系统设计展现得淋漓尽致。黄仁勋演示Rubin Ultra的NVLink架构时，用了一个比喻：计算单元在前，扩展互联架构在后。潜台词是，英伟达已经不把互联看作芯片的“附属品”，而是和芯片同等重要的独立产品线。 从NVLink到NVSwitch，再到未来Feynman系统中预告的Kyber，英伟达正在搭建一套由自己定义的数据中心内部“公路系统”。谁控制了芯片之间的通信协议和硬件，谁就控制了整个系统的扩展能力。这也是为什么黄仁勋敢在台上说“对比x86加Hopper架构，Vera Rubin的Token吞吐量是前者的350倍”——7亿Token每秒对200万Token每秒，差距不是来自单颗芯片的进步，而是来自整个基础设施层的代际跃迁。而英伟达的Omniverse平台，让它能与供应商虚拟会面、协同设计数据中心，目标是“不浪费一丝功耗”。这句话说得轻巧，但背后的意思是：英伟达已经在扮演整个AI工厂供应链的“总协调者”。 到了第四层的模型层面，英伟达的手也伸了过来。这次GTC宣布了Nemotron联盟，成员包括Black Forest Labs、Perplexity、Mistral、Cursor等一批当红AI公司。英伟达声称Nemotron 3 Ultra将成为全球最强基座模型，并为Nemotron 4组建联盟。黄仁勋在博客中写道，模型已经跨过了能在规模化层面真正发挥作用的门槛——语言模型只是其中一类，最具变革性的工作正发生在蛋白质AI、化学AI、物理模拟、机器人技术和自主系统领域。通过组建Nemotron联盟，英伟达可以确保这些AI公司的模型在英伟达硬件上得到最优适配，同时也确保它们深度绑定CUDA生态。黄仁勋在演讲中反复提到的CUDA“飞轮效应”——吸引开发者，开发者基于CUDA开发，更多人采用英伟达硬件，循环持续——在Nemotron联盟身上得到了最完美的体现。这不是简单的商业合作，这是一种产业组织行为。 五层蛋糕的最顶端是应用。黄仁勋在博客中说，应用层是经济价值被创造出来的地方——药物发现平台、工业机器人、法律辅助工具、自动驾驶汽车，“一辆自动驾驶汽车就是具身于机器中的一个AI应用”。GTC现场对此做了充分展示：110台机器人亮相，宣布与比亚迪、现代、日产的自动驾驶合作，与优步（Uber）在部分城市接入自动驾驶出租车网络。英伟达还发布了OpenClaw智能体操作系统，黄仁勋将其定义为“AI时代的Windows”——两行Shell命令就能启动一个AI智能体，NemoClaw则为企业提供安全框架。从云端的Token工厂到地面的自动驾驶出租车，英伟达正在把自己的触角从虚拟世界延伸到物理世界的每一个角落。 然而，最耐人寻味的，是黄仁勋把能源放在五层蛋糕的最底层。在博客中他写得很直白：能源是系统能产出多少智能的“绝对约束条件”。而在GTC现场，他用行动证明了这一点：英伟达正在研发名为“Vera Rubin Space-1”的太空数据中心系统。虽然目前仍处早期阶段，但这个信号极其重要——英伟达已经在考虑地球表面的电力和散热限制无法满足AI算力需求的那一天。与此同时，黄仁勋反复强调Vera Rubin每瓦性能提升50倍、成本降低35倍。 这些数字背后是一个严峻的现实：AI数据中心正在吞噬惊人的电力。英伟达不得不介入能源规划——从芯片架构的能效优化，到数据中心选址对电网的要求，再到太空数据中心这种终极方案。一家芯片公司在讨论电力规划和商业航天，这在十年前是不可想象的。但如果你理解了那块五层蛋糕的逻辑，就会明白：控制了最底层的能源约束，就控制了整栋大楼的高度。 这正是本文想要探讨的核心命题：英伟达已经不是一家公司了——至少不是传统意义上的公司。它更像是美国AI基建领域的“总设计师”或“产业规划局”，承担着产业规划、资源配置和上下游协调的职能。 这个判断听起来激进，但GTC 2026以及那篇博客长文，提供了大量佐证。黄仁勋自己写了“每一家企业都将使用它，每一个国家都将建设它”，又在GTC上预告未来一年需求将翻倍——“我预计到2027年，这一数字至少达到1万亿美元。”一万亿美元的AI基础设施投资，这已经不是一家公司的销售预测，这是一个国家级基建规划的数字。 作为对比，美国2021年通过的《基础设施投资和就业法案》总金额约1.2万亿美元，其中真正用于新增基建投资的约5500亿美元。英伟达一家公司在AI领域的需求订单，已经与美国联邦政府的传统基建投资计划同一量级。 再看英伟达对云服务商的“安排”就更清楚了。黄仁勋在台上宣布，OpenAI今年将登陆AWS。这句话表面上是OpenAI和亚马逊的商业合作，但仔细想想：为什么是英伟达的CEO在GTC上宣布这个消息，而不是OpenAI或AWS自己？因为英伟达手握GPU产能分配权。黄仁勋自己说了：“众所周知，OpenAI完全受算力限制。”谁能给OpenAI算力？英伟达。算力部署在哪朵云上？英伟达说了算——至少它拥有巨大的影响力。 当全球AI训练和推理几乎百分之百依赖CUDA生态时，英伟达对微软Azure、AWS、谷歌云的GPU供货节奏，实质上决定了这三大云厂商各自的AI业务天花板。黄仁勋在演讲中提到，老旧Ampere架构GPU在云端的价格反而在上涨——这不是市场自然行为，这是供给端高度集中时的价格信号。 从远东的代工格局来看，英伟达的“总指挥”角色同样清晰。台积电为英伟达代工最先进的GPU和CPU，这已是公开的秘密。但Groq LPU的代工被普遍认为由三星承接——这意味着英伟达在两家亚洲半导体巨头之间进行了精准的任务分配：把对制程精度要求最高的逻辑芯片交给台积电，把对先进封装和特殊工艺有需求的专用芯片交给三星。英伟达不仅在设计芯片，它还在全球范围内“排产”——决定哪家代工厂生产什么、优先级如何、产能怎么分配。这种能力，在传统产业组织理论中，通常只有政府规划部门才具备。 回到黄仁勋预告的2028年Feynman系统路线图：全新GPU、全新LPU、名为Rosa的全新CPU、Bluefield 5网卡，以及支持铜互连与CPO规模化的Kyber互联模块。这条路线图本身就是一份产业政策文件——它不仅告诉英伟达自己的工程师未来三年该做什么，也告诉台积电该为哪些制程节点预留产能，告诉三星该投资哪些封装技术，告诉所有ODM和OEM该按什么时间表设计下一代服务器，告诉所有云服务商该如何规划未来三年的资本支出。黄仁勋在博客里写“我们已经投入了数千亿美元，未来还有数万亿美元的基础设施需要建设”——当一家公司的产品路线图能够牵动数万亿美元级别的全球资本开支，它就已经不仅仅是一家公司了。 现在回到那个根本性问题：英伟达集中的到底是商业力量还是“国家意志”？ 答案可能是两者兼有，而且这恰恰是最精妙之处。 从美国政府的角度看，AI是21世纪最重要的战略技术，而AI算力的供给几乎完全取决于英伟达一家公司。与其用行政命令和政府机构来规划AI基建——这不符合美国的政治传统和市场经济理念，不如让一家拥有绝对技术优势和市场地位的公司来充当“市场化的产业协调者”。英伟达拿到的，不是政府合同（虽然也有一部分），而是一种更隐蔽、更高效的角色：它通过技术标准（CUDA）、供应链控制（GPU产能分配）和生态建设（Nemotron联盟、OpenClaw），实质性地承担了美国AI产业规划的职能。 黄仁勋在演讲中说了一句意味深长的话：“垂直整合，但水平开放——我们别无选择。”他自己也承认，这可能会引起FTC（美国联邦贸易委员会）的关注。但他紧接着给出了理由：在加速计算领域，必须为客户提供全栈方案。这套话术的精妙之处在于，它把英伟达的垄断性地位包装成一种“技术必然性”——不是我们想垄断，是这个领域的技术特性决定了必须有人来做全栈整合，而我们恰好是最有能力的那个。 回看他博客中那块五层蛋糕：能源→芯片→基础设施→模型→应用，英伟达至少在中间三层拥有绝对主导权，而在最底层的能源和最顶层的应用，它也在快速渗透。当一家公司能同时影响发电厂的选址和自动驾驶出租车的运营，“垂直整合”这个词已经不足以形容它了。 这是不是美国政府的一个“阳谋”？从结果论来看，确实如此。美国政府通过芯片出口管制（限制英伟达高端GPU对中国的出口），确保了最先进的AI算力留在美国及其盟友体系内；通过《芯片法案》的补贴，确保了先进制造能力向美国回流；而英伟达则在市场层面完成了产业组织和资源协调的工作。政府管“堵”——限制技术流向竞争对手，英伟达管“疏”——把留下来的资源高效配置到正确的地方。两者分工明确，配合默契。黄仁勋在博客里那句“每一个国家都将建设它”，读起来像是对全球的邀请，实际上也是对美国优先地位的确认——因为建设AI基础设施所需的最核心零部件，从GPU到互联到软件栈，全部掌握在英伟达手中。 当然，把英伟达简单等同于“美国的发改委”未免过于简化。英伟达归根结底是一家追求利润最大化的上市公司，它的行为逻辑首先是商业逻辑而非政策逻辑。但历史上不乏这样的先例：一家公司的商业利益与国家战略高度吻合时，它会自然而然地承担起准公共职能。19世纪的东印度公司如此，20世纪的AT&T在电信领域如此，21世纪的英伟达在AI领域同样如此。区别在于，英伟达的“权力”不是来自政府特许，而是来自技术壁垒和生态锁定——这让它的角色更加隐蔽，也更加稳固。 GTC 2026的最后一幕颇具隐喻意味：多台机器人围坐在篝火旁，与黄仁勋一起唱着AI生成的乡村歌曲。这个画面看起来温馨而无害，但换个角度看：一个人坐在中间，周围是他一手打造的机器，唱着他的算法写的歌。这不就是英伟达与整个AI产业的关系缩影吗？黄仁勋坐在那块五层蛋糕的中央，向下俯瞰：能源为他供电，芯片是他设计的，基础设施是他规划的，模型越来越多地被纳入他的联盟体系，应用层的自动驾驶汽车和机器人跑着他的软件栈。而这块蛋糕的烘焙，消耗着台积电和三星的先进产能、美国西部的电力资源，乃至未来的太空轨道。 如今，英伟达不仅定义了AI计算的技术标准，还在事实上规划着全球AI产业的资源配置。这是商业成功，也是美国国家战略在市场经济框架下的一种独特实现方式。叫它“阳谋”也好，叫它“时势造英雄”也罢，有一点是确定的：在可预见的未来，理解全球AI竞争格局，必须先理解那块五层蛋糕——以及它为什么把能源放在了最底下。 本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。
-
马化腾着急了，腾讯AI重启赛马 市场还在等待腾讯打出微信Agent和姚顺雨两张底牌。 文｜《中国企业家》记者 闫俊文见习编辑｜李原编辑｜何伊凡图片来源｜视觉中国3月18日晚间，腾讯发布了一份史上AI含量最高的财报，也宣告了将彻底告别“摇摆、保守”的AI战略，从资本开支、人才组织到产品落地，开始转入重兵投入、全域发力的阶段。财报数据直接地反映着腾讯对AI的投入力度：2025年，腾讯在混元大模型以及元宝等AI新产品上的投入超过180亿元，仅在2025年第四季度就超过70亿元——预计2026年投入将实现翻倍。腾讯高层将之视为必要的投资，而不是一笔沉重的运营费用。但与海内外科技大厂饱和式出击相比，腾讯在2025年对AI的投入明显不足。2025年，腾讯资本开支792亿元，与2024年767亿元持平。而阿里巴巴2025年第二、第三季度资本开支分别为386亿元和315亿元，且宣布未来三年将投入超过3800亿元用于云和AI硬件基础设施建设。对此，腾讯集团总裁刘炽平的解释是：资本开支大幅低于预期，原因是GPU供应链的限制，“买不到卡”，只能租赁算力。2025年第四季度，腾讯资本支出来到196亿元，环比增长51%，主要是加快了对服务器等基础设施的投资，同时下调了GPU对外租赁的规模。而在最近的龙虾热潮中，当AI Agent与Token消耗成为行业共识，腾讯表现出了如2025年拥抱DeepSeek般的热情，火速下场、全面突进，甚至不惜重启“赛马”。3月9日，腾讯推出全场景AI智能体WorkBuddy，打通了QQ、微信、企业微信与办公套件。同一天，QClaw启动内测，主打本地部署、安全隔离、微信直连，降低企业与个人使用门槛。3月11日，马化腾在朋友圈官宣腾讯“龙虾矩阵”，表示自研虾、本地虾、云端虾、企业虾、安全虾房、云保安、技能库将全面上线。财报会上，马化腾也花了大量篇幅谈及腾讯“养虾”，表示中心化和去中心化要一起做。刘炽平则回应了微信Agent的最新进展，透露腾讯已经在微信中尝试了很多AI功能，但打造微信Agent的过程仍然充满挑战。毫无疑问地，以龙虾为代表的Agent产品框架正在重塑竞争，并将迅速蔓延至内容、社交、游戏等领域。近日，OpenClaw创始人预测：未来80%的App将会消失。一位龙虾社交创业者对《中国企业家》表示：他们这一代的使命便是打倒“老登”，新一代的创业者，会倒逼“老登”们做出改变。而不能永远依靠微信“守城”的腾讯，正在加紧步调，摆脱被潮水拍倒的命运。3月19日，腾讯港股开盘下跌，截至发稿，股价下跌了5.90%。AI含量超高的财报2026年开年，腾讯刚刚为“元宝”做了一轮密集造势，在春节期间投入了10亿元红包引流，并上线“元宝派”等社交功能。但QuestMobile数据显示，虽然春节期间豆包、千问、元宝三大AI应用均创DAU新高，峰值分别为1.45亿、7352万、4054万，但三款产品后续留存皆不佳。对此，刘炽平回应：元宝已通过冷启动提升了安装量，最终效果超出了预期。他同时表示：ChatBot（聊天机器人）的思维方式过于简单，它是与搜索App竞争，而不是与所有App竞争。“我们正快速迭代元宝，通过强化搜索整合、提升语音识别、简化多模态能力获取、探索群聊功能优化用户体验。”在人才和组织上，腾讯在2025年第四季度密集落子，大模型团队调整升级，并进行了组织和工作流程重构，重新建立了预训练和强化学习基础设施。财报会上，腾讯披露：由首席科学家姚顺雨带队的混元3.0，计划于4月陆续向外开放，目前已在内测阶段。而当模型实力被夯实，AI进入应用层，腾讯的产品和连接能力也将发挥优势。腾讯AI正在直面挑战的同时，传统业务板块的收入和利润增长，还足以支撑AI的多线布局。依靠游戏、增值业务以及广告等业务持续发力，2025年度，腾讯全年营收7517.7亿元，同比增长14%；调整后净利润（Non-IFRS）2596.26亿元，同比增长17%。更重要的是，腾讯云在2025年也获得了规模盈利，To B业务（金融科技及企业服务）全年营收2294.3亿元创新高；企业服务单季收入增长22%。近日，云厂商纷纷宣布涨价，腾讯云业务的良好势头也或将在2026年延续。3月18日，阿里云官网发布公告称，“平头哥真武810E”等算力卡产品上涨5%~34%，文件存储CPFS（智算版）上涨30%。随后，百度智能云也发布调价公告，宣布AI算力相关产品上调约5%~30%，并行文件存储上调约30%。3月11日，腾讯云智能体开发平台已发出调价通知，宣布对Tencent HY2.0 Instruct与Tencent HY2.0 Think两款模型涨价4倍以上。龙虾“赛马”本次财报会上，龙虾热是投资者向管理层提问最多的问题。马化腾的回应是：腾讯“养虾”，中心化和去中心化要结合在一起做。所谓中心化“养虾”，显然微信是腾讯最重要的Agent。 此前据海外媒体报道，腾讯正在为微信开发AI智能体，将与微信内数百万个小程序连接，提供从打车到网购等各类服务，可能于年中开启内测。腾讯将这个项目定为高度优先，绝对保密。财报会上，刘炽平表示，腾讯确实希望在微信中打造一个AI智能体，可以依靠微信与用户紧密接触，且与小程序、社交、支付等生态联通，也让不同合作方从中获益。但在打造智能体的过程中，保护用户隐私、安全，以及一些独有的功能是通用模型不容易解决的。微信用户群很大，智能体需要有非常高的推理能力才能支持群体调用。微信小程序服务商如何避免被渠道化，也是腾讯在生态设计中要重点考虑的问题。“腾讯对于推出这款智能体还没有具体的时间表，但已在逐步推进。”而对去中心化的部署，以及“类龙虾”产品，腾讯的行动速度更快，并在以“赛马”方式加速布局。“在To C领域，流量似乎一度汇聚到了单一入口。但有了龙虾，我们看到一个完全去中心化的格局正在开启，许多公司可拥有自己的龙虾智能体，使用云基础设施支持的各类模型。每个龙虾必须找到独特价值主张以赢得用户。”刘炽平说。3月，腾讯陆续推出WorkBuddy、QClaw等“全家桶”产品，可一键嵌入微信、企业微信、QQ等应用。其中，QClaw由腾讯电脑管家团队推出，新版本（V0.1.9）已将微信入口从“客服号”升级为“小程序”。QClaw也即将支持语音、图片传输等更多微信原生的多模态交互能力。猎豹移动董事长兼CEO傅盛在接受《中国企业家》采访时表示，大厂快速入局龙虾，更多是一种防御性思维。“大家可能模模糊糊有这个概念，但不知道是不是从内心真的认可。但龙虾未来，一定会改变整个的App格局。”另据一位互联网技术专家告诉《中国企业家》，龙虾在大厂应用落地，技术不是问题，更多是权限和安全问题。以QClaw为例，它号称是一款人人都能轻松使用的AI Agent：不用调试环境、不用写命令、也不用调模型，下载、安装、开工，三步就能在微信里远程操作。但据《中国企业家》实测，如果授权微信远程操作，用户确实可以通过其进行手机聊天，调取电脑本地的文件，但速度和准确性还有待提高。姚顺雨能否交上答卷？腾讯进行布局的同时，关键人才的流动也正成为大模型巨头博弈的核心战场。近日，阿里Qwen技术负责人林俊旸离职，引发轩然大波，Qwen后训练负责人郁博文随即加入字节跳动Seed团队。2025年12月，腾讯任命OpenAI前研究员姚顺雨为CEO、总办首席AI科学家，直接向刘炽平汇报。接下来，姚顺雨能否在4月混元3.0更新上，向市场交出满意答卷，也将成为观望腾讯大模型底色的风向标。从腾讯财报电话会来看，姚顺雨的到来，正在改变腾讯AI的战略叙事。过去，腾讯曾长期在模型自研还是外部合作之间徘徊，导致模型研发与场景落地脱节。而此次，腾讯管理层表示，随着AI进入应用层，不必极致追求模型参数，腾讯的场景、生态能力将发挥优势。这也与姚顺雨更强调模型的ConText（上下文）理念不谋而合。2月3日，腾讯混元官网技术博客（Tencent HY Research）上线并发表了一篇名为《从Context学习，远比我们想象的要难》的文章，并推出CL-bench评测基准，将技术重心从“拼模型”转向“用好上下文”——其中，CL-bench要求：解决每个任务要求，模型必须从Context中学习到模型预训练中不存在的新知识，并正确应用。不过，姚顺雨在重塑腾讯大模型技术理念的同时，如何适应其组织惯性，也是对这位年轻人的挑战。Context优先、Agent执行导向，都需要打破部门壁垒，以及数据与产品权限，而腾讯强势业务分立于各BG，产品导向极强，底层协同面临难度。移动互联网时代的腾讯，拥有最庞大用户与最丰富场景，这是AI落地的天然土壤。而新混元3.0要想穿透组织，落地到微信、腾讯云等核心场景，既需要顶层技术判断，也需要组织、算力、数据、安全的系统性支撑。
