找到
1958
篇与
互联网
相关的结果
- 第 18 页
-
被OpenAI放弃后，视频生成平台Sora负责人皮布尔斯离职 IT之家 4 月 18 日消息，当地时间 4 月 17 日，OpenAI 视频生成平台 Sora 负责人比尔 · 皮布尔斯宣布离职。公司正在调整战略，以减少“支线项目”，将重点转向编程和企业应用，皮布尔斯的离开正是这一系列调整的一部分。据IT之家了解，OpenAI 上个月宣布，放弃其视频生成工具 Sora。皮布尔斯在 X 上表示，“我非常感谢萨姆、马克、阿迪提亚和雅库布营造的研究环境，使我们能够探索偏离公司主线路线图的想法。人生中很容易只聚焦最重要的一件事，但对于研究机构来说，保持多样性才是长期发展的关键，萨姆对此深有理解。Sora 是一个只有在 OpenAI 才能实现的项目，我也将一直珍视这段经历。”同时，OpenAI 负责科学 AI 的副总裁凯文 · 韦尔也将离职，并宣布周五是其最后一天。他在 X 上称，其团队“将被分散到其他研究团队中”。另据《连线》报道，OpenAI 此前推出、由韦尔负责的科研平台 Prism 也将被关闭，公司计划将其能力整合进 Codex 桌面应用。
-
Claude Design上线，Opus 4.7 AI驱动、分钟级转化创意到原型 IT之家 4 月 18 日消息，Anthropic 昨日（4 月 17 日）发布博文，宣布推出 Claude Design 工具，基于 Claude Opus 4.7 模型，定位是视觉创作工具。该工具支持用户通过对话生成设计、原型和演示文稿，具备品牌系统自动应用、多源导入和精细化调整功能。IT之家注：Claude Design 工具目标是帮助设计师拓展探索空间，同时让产品经理、创始人等非设计背景人员在几分钟内高效产出视觉作品，目前该功能已向 Claude Pro、Max、Team 及 Enterprise 订阅用户逐步开放。在核心功能方面，Claude Design 支持用户通过自然语言描述需求，由 AI 生成初版设计。用户可通过对话、行内评论、直接编辑或自定义滑块进行精细化调整。产品支持导入文本提示词、图片及 DOCX、PPTX 等多格式文档，此外为确保原型与实际产品一致，还支持抓取网页元素。其内置的品牌系统能读取企业代码库与设计文件，自动应用统一的配色、字体与组件规范。 该工具覆盖多种应用场景，包括将静态模型转为交互原型、快速产出产品线框图、生成融资演示文稿及营销物料等。实测数据显示，Brilliant 团队曾用其他工具需 20 余次提示词才能完成的复杂页面，在 Claude Design 中仅需 2 次提示词即可实现。设计完成后，用户可导出为 Canva、PDF、PPTX 或独立 HTML 文件，也可打包移交 Claude Code 进入开发流程。
-
裁员8000人！受AI提效推动，Meta拟5月20日启动首轮裁员约10% Meta首轮裁员将于5月20日落地，涉及约8000名员工，此后还将有更多裁减。此次大规模裁员是该公司将人工智能置于核心战略的直接结果，也折射出美国科技行业更广泛的用工模式转变。据路透社报道，三名知情人士透露，Meta已确定5月20日为第一波裁员时间节点，涉及员工人数约占全球员工总数的10%，即近8000人。与此同时，公司计划在今年下半年推进进一步裁员，但具体日期与规模尚未最终确定。知情人士表示，高管团队将视人工智能能力发展情况对计划作出调整。此次裁员是Meta自2022至2023年"效率之年"大裁员以来规模最大的一次人员削减。扎克伯格正将公司内部架构深度重塑，以押注人工智能为核心驱动力。 分阶段推进，全年裁员比例或逾20%据路透社上月报道，Meta计划全年裁减20%或以上的全球员工。此次披露的5月20日首轮方案，约占该目标的一半。截至2025年12月31日，Meta全球员工总数约为79000人，这意味着若全年裁员比例达20%，受影响员工人数将超过15000人。三名知情人士均证实，下半年还将有后续裁员，但细节仍待确定，高管保留根据AI进展动态调整计划的空间。AI效率逻辑驱动裁员，非财务困境所致与2022至2023年那轮裁员不同，彼时Meta股价暴跌、公司正应对疫情期间增长预期落空的后遗症，此轮裁员发生在公司财务状况相对稳健的背景下。Meta去年营收超过2000亿美元，实现净利润600亿美元，尽管人工智能方面的资本支出规模庞大。扎克伯格正将数千亿美元投入AI基础设施建设，并致力于打造管理层级更少、运营效率更高的组织架构，部分岗位将由AI替代。内部架构调整同步推进在人员削减的同时，Meta也在对内部组织架构进行重组。近期，公司对旗下Reality Labs部门团队进行了调整，并从公司各部门抽调工程师，组建名为"Applied AI"的新团队，专注于加速开发能够自主编写代码、执行复杂任务的AI智能体。据一名知情人士透露，部分员工还将被调入上月新成立的"Meta Small Business"部门，作为此次整体架构调整的组成部分。科技行业AI驱动裁员潮蔓延Meta此次行动并非孤例。亚马逊近期已削减约30000名企业员工，约占其白领员工总数的10%；金融科技公司Block今年2月裁减了近半数员工。上述两家公司高管均将裁员归因于人工智能带来的效率提升。据追踪全球科技行业裁员数据的网站Layoffs统计，今年迄今已有73212名科技行业员工失业；而2024年全年的这一数字为153000人。
-
贾跃亭FF变身美国机器人先锋，加州财长亲临揭幕EAI实验室 4月17日，美国加州财政部长Fiona Ma与El Segundo市长Chris Pimentel造访法拉第未来（FF）位于El Segundo的美国总部，并共同为FF EAI（具身人工智能）机器人教育与创新实验室揭幕。此举标志着FF在构建美国首个大规模EAI教育生态系统方面迈出关键一步，FF也借此确立其在美国机器人领域的先锋地位。 活动现场，Fiona Ma亲自为实验室牌匾揭幕，同时揭幕的还有FF加州女性EAI与STEM创新中心，彰显了FF推动女性参与科技创新的承诺。出席嘉宾还包括前加州州参议员Steven Bradford及学区代表等。Fiona Ma在参观后表示：“从机器人到汽车，这里的技术令人印象深刻，它将让生活更高效。感谢FF将总部设在加州并创造工程岗位，希望加州借助此类创新尽快成为全球第三大经济体。” 双方深入探讨了多项合作，包括将FF的EAI机器人纳入政府采购目录、扩大教育及公共机构采购、建设物理AI数据工厂等。Fiona Ma对上述合作均表达了积极支持。作为美国首家同时交付人形机器人和仿生机器人的公司，FF展示了其在教育、安防、数据采集等多场景的应用实力，并介绍了“设备-数据-大脑”的闭环生态。 Fiona Ma与市长还试驾了FF 91 2.0及FX Super One，了解其在EAI电动车领域的布局。FF创始人贾跃亭表示，此次访问是对FF构建本土EAI生态系统的有力认可，公司将致力于为加州带来高质量的科技就业与产业投资。 值得注意的是，贾跃亭创办的法拉第未来在电动汽车领域耕耘多年，FF 91等车型始终未能突破大规模量产瓶颈。如今，公司战略重心明显向具身智能倾斜，试图乘着机器人产业的东风，改写此前在造车领域的坎坷命运。
-
北京亦庄人形机器人半马排位赛完赛，正赛起跑顺序正式敲定 人形机器人跑马拉松按什么顺序出发？4月16日，北京经济技术开发区（即“北京亦庄”）在南海子公园举行2026北京亦庄人形机器人半程马拉松排位赛，超百支人形机器人赛队围绕半程马拉松正赛的起跑顺序展开激烈角逐。本次排位赛严格遵循正赛标准，在全长1.9公里的阶段性真实半马赛道上进行。起点为赛程中南海子公园19km处，终点为赛程中南海子公园20.9km处，涵盖直线竞速、弯道绕行、坡道爬升等多维度考核环节，全面检验机器人的综合运动性能。在技术层面，排位赛考验了赛队机器人动力、控制、感知、决策等综合能力；在组织层面，主办方验证了赛队机器人、技术员与车辆之间的程序衔接是否顺畅，确保正式比赛时系统的稳定性，并测试了裁判团队的执裁效能。主办方介绍，此次排位赛的核心目标，是通过实战化比拼，综合评估各参赛机器人的速度稳定性、续航能力、环境适应性及团队操控水平，最终根据成绩排名确定正赛起跑顺序，为正赛的高效起跑、公平竞技与流畅推进奠定基础。原标题：《北京亦庄人形机器人半马排位赛完赛，正赛起跑顺序正式敲定》栏目主编：王成浩本文作者：解放日报 张煜题图来源：新华社
-
字节家的摇钱树，阿里腾讯都想抢 科技大厂既眼红AI视频的好生意，沉重的算力消耗也让人望而却步。 文｜《中国企业家》见习记者 林秋艺记者 王怡洁见习编辑｜李原编辑｜何伊凡图片来源｜视觉中国AI短剧带来的极致成本优势与工业化生产效率，引爆了资本热情，也让AI视频赛道格局重构。4月初，一匹黑马杀出：视频生成模型HappyHorse-1.0在第三方测评平台Artificial Analysis登顶，文生视频Elo得分1333、图生视频Elo得分1392，双双超越字节跳动Seedance 2.0与快手可灵，成为不容忽视的新变量。4月10日中午，阿里下场“认领”HappyHorse为“ATH事业群”旗下的AI创新事业部自研，API将在4月30日开放。此前，阿里并非视频生成的核心玩家。但3月16日，阿里新成立以Token 为核心的“ATH事业群”后，提升多模态能力变成了拉高Token效率的抓手——而HappyHorse可视为这场战略大转向的重磅成果之一。不只阿里，科技巨头正在视频生成赛道集体压境。凭借Seedance系列的生成质量与成熟商业化，字节跳动已构筑起显著壁垒。据了解，火山引擎面向企业开放的Seedance API接口，有些机构得到的最低年消费门槛高达1000万元。以高门槛开放API的底气，来自市场的极度供不应求。《中国企业家》获悉，在火山引擎近期的招商会上，许多城市与火山引擎和视频生成业务洽谈合作，有城市为此投入了数千万、上亿元资金，将算力支持作为招商引资的重要配套。另一巨头腾讯也已下场。知情人士向《中国企业家》透露，腾讯挖走了Seedance开发团队中的数名核心成员，计划在5月推出混元视频大模型新版本，与Seedance正面对垒。“5月的视频模型赛道，将会格外热闹。”阿里认真了HappyHorse亮相之前，阿里虽有通义万相视频模型，但表现始终不温不火。作为大模型生态的附属功能，万相此前在清晰度、运动连贯性、长视频稳定性等核心指标上，与Seedance、快手可灵等有明显差距，也未打通专属商业化场景。这一次，阿里好像认真了。HappyHorse采用150亿参数，将文本、视频、音频三种模态Token置于同一序列联合建模，从底层解决了音画不同步、语气与表情不匹配等问题。“它的物理模拟更贴近真实环境。”一位测评人士告诉《中国企业家》。另外，HappyHorse原生支持七国语言唇形同步，词错误率显著降低。同时，它在成本与速度上表现优异：单张H100生成5秒1080p视频约38秒，DMD-2蒸馏技术将去噪步骤压缩到了8步。 但HappyHorse的短板同样突出。测评人士表示，在完成复杂动作与多人交互时，HappyHorse易出现肢体错乱、轨迹不稳。相比于Seedance，HappyHorse更擅长镜头呈现，不擅长动作叙事。在应用方面，HappyHorse的API尚未开放，在内测中，其支持的时长仅为5~10秒，场景上限较低，更适合做短视频、广告、AI漫剧素材，还难以支撑剧情长片。其本地部署也有门槛，需配备H100或A100显卡，消费级显卡无法运行。阿里突然在视频模型战场投入火力，意欲何为？相关人士表示，HappyHorse诞生于淘天未来生活实验室，或许意味着阿里希望其能与电商场景碰撞融合。阿里拥有完整的商品、商家、交易与广告生态，但商品视频一直是中小商家的痛点：场景搭建、拍摄剪辑成本高，白底图难以展现卖点。而AI视频可批量生成多版本、多场景、多语言内容，大幅降低了创作门槛。更关键的是，阿里的商品详情、用户评价、搜索行为、转化数据、直播表现等全链路信息，也可反向训练电商专属视频能力，让HappyHorse成长为懂电商、能带货的内容生产引擎。但这条商业闭环要跑通，除了技术攻坚，还必须先解决阿里的算力问题。接近阿里的人士向《中国企业家》透露，目前阿里内部GPU分配非常紧张。“此前，像月之暗面作为阿里云大客户，虽然与Qwen存在竞争，还是能获得比较充足的算力。现在阿里要支持基模研发、电商、云服务多条战线，未来要重新考虑GPU的投入产出比了。”而视频生成是算力消耗大户，如果HappyHorse逐步开放推广，算力需求更将指数级增长。这匹黑马能跑多快、多远，很大程度上取决于阿里能否破解算力这一核心瓶颈。Seedance的好生意被盯上了尽管挑战重重，各大厂商仍争相涌入AI视频赛道，只因这是一门想象空间极强的生意。目前，红果短剧等平台收一部剧的最高价格约2000元/分钟，一部常规短剧的时长约120分钟，价格约24万元。而市场上AI短剧的外包制作报价已经低至400元一分钟，甚至有团队用自动化工具实现了一天800~1000分钟的漫剧内容产出。巨大的成本优势和生产效率，让AI短剧成为资本追逐的热点。有AI视频制作公司负责人告诉《中国企业家》，短短半个月，就有好几家资本来谈收购、并购，目前给他们的估值已超5亿元，但他们和合伙人都觉得，这个出价还不够“美丽”。更有地方政府直接找上门来，希望直接独家买断公司的AI漫剧自动化生成工具。Agent技术的进展，也正让一人公司（OPC）大量涌现。几个擅长高效使用AI工具的员工，便能顶得上过去一个甚至几个团队的工作量。各地政府敏锐地捕捉到了这一趋势，纷纷对AI视频、AIGC、AI短剧推出算力补贴、内容奖励、园区集聚等扶植政策，吸引OPC进入。 2月27日，武汉东湖高新区发布“微短剧八条”，对重大产业项目最高支持5000万元，爆款短剧单部奖励50万元。3月10日，上海市徐汇区发布《“AI+微短剧”产业扶持意见》，对头部企业最高给予1000万元发展支持，同时发放最高100万元算力券、100万元语料券，并为OPC减免工位费用。3月13日，深圳市施行新版微短剧扶持政策：AIGC微短剧单项目最高资助200万元。需求的旺盛和政策扶植，让字节成为最早尝到甜头的公司。据《中国企业家》了解，虽然火山引擎向大型影视公司、内容制作公司、特定机构等开放的Seedance API接口“白名单”，有些机构被要求“最低消费”1000万元/年，客户仍趋之若鹜。接近火山引擎的人士告诉《中国企业家》，地方政府已将算力扶持作为招商引资的重要配套。一些AI短剧公司以“拼盘”接入API，不少算力费用由政府出面解决，以吸引相关公司落地。“有些城市采购了火山3000万、7000万，甚至过亿的费用，用于内容扶植。当然其产出的内容也将对本地税收和GDP产生极大拉动，这个账很好算的。”清晰可见的变现路径，叠加千亿级的市场增量，点燃了巨头间的竞争热情。阿里、腾讯纷纷加码AI视频赛道，试图从字节手中分走一杯羹。接近腾讯的相关人士向《中国企业家》透露，混元视频模型其实早就有了，“只是效果很差”。近期，腾讯痛下决心，“开出高薪，差不多把Seedance开发组整个挖走了”。新款模型大约5月上线，有望和Seedance掰掰手腕，在短时间内实现技术突破。依托腾讯生态，混元新视频模型还有望深度融入到视频号的内容生产、分发、商业化全链路，放大腾讯的内容生产力与商业变现空间。视频模型的高风险抉择虽然所有人都看到了AI视频在短剧、电商、广告等领域打开的万亿级商业潜力，但这条赛道的烧钱速度，也远超想象。投入矛盾与定价分化，以及摆在巨头面前的规模化盈利困境，正在考验着各家的平衡智慧。虽然火山引擎的收入不菲，但其算力成本负担依然沉重，收入中的绝大部分，都要用来采购GPU和支付电力成本。4月，火山引擎总裁谭待告诉《中国企业家》：“我们去年已经修改了商业计划，把目标提升了不少。但目前我们还没有做3年的盈利规划，暂时没有这方面的具体安排。”OpenAI关停Sora，更给狂热的市场泼下一盆冷水。视频生成的算力消耗，是大模型的上百倍甚至上千倍，即便全球最具财力的科技公司，也难以承受这种无底洞式投入。OpenAI虽宣称，关停Sora是为了将资源转向企业智能体、编码工具与具身智能等方向，但业内普遍认为，成本与付费严重倒挂才是核心原因：Sora单条1080p的视频生成成本约0.5~1美元，而用户平均付费意愿不足0.1美元，根本无法支撑持续运营。更深层的挑战，还来自于科技大厂技术路线的高风险抉择。业内人士向《中国企业家》指出：多模态任务过度消耗算力，在Token用量已经暴涨的情况下，厂商有再多算力依旧不够烧，要把算力留给谁，就成了关键问题。由于忌惮视频的无底洞式算力投入，Google始终不敢大规模开放API，也未推出独立的视频生成C端应用。“去年Google的多模态路线备受推崇，但今年便在Agent浪潮下被Anthropic赶超，现在只能说勉强留在牌桌上。大模型的核心技术路线，往往需要提前一两年布局，效果却要滞后显现。有时候真的像玄学。”行业成本与收入失衡，近期利益和远期发展，迫使所有玩家重新审视视频模型的商业模式与定价逻辑，这也直接催生了行业内的定价策略分化。摩根大通曾判断：头部领先模型可以维持溢价，追赶者则不得不通过降价抢占市场份额。Sora停服后，字节率先选择涨价。4月8日，即梦宣布：基础、标准、高级会员的月度积分分别从1080、4000、15000下调至725、2210、6160，积分缩水近六成，相当于变相涨价。相比之下，Google和快手则选择用降价换市场：谷歌在3月底放出的Veo 3.1 Lite版本，将720p视频生成价格压至0.05美元/秒。可灵紧随其后，推出会员限时8折优惠，部分图片生成功能甚至完全免费。定价的两极分化，本质上是竞争烈度的直接体现。长期来看，平台、API、广告、电商都只是外层变量，决定胜负的关键因素仍然是：强化模型本身的同时，谁能在效果和成本之间找到最佳平衡点，谁能结合自身生态，找到不可替代的落地场景。
-
智元生态再扩容，旗下觅蜂科技抢滩具身智能数据赛道 智元机器人的生态系统又落下关键“棋子”。4月16日，智元旗下公司觅蜂科技相继发布一站式物理AI数据服务平台、MEgo系列无本体采集硬件，同时宣布将在2026年实现千万小时级数据产能。在此之前，行业内多家企业也在密集布局数据基建。目前，具身智能被视为继汽车产业之后下一个万亿级赛道，数据则是推动具身智能从实验室走向产业化阶段的关键。这意味着，谁率先拥有高质量数据，谁可能就占据了模型训练上的先发优势。破解“数据荒漠”难题和从互联网上获取海量信息训练的大语言模型不同，具身智能大模型训练所需的数据来自于和物理世界交互。而具身智能数据存在标准缺失、质量参差、供需错配等核心痛点。行业人士普遍认为，高质量数据有高保真、多样性、可泛化等特点。不过，这类数据获取难度高、比较稀缺。针对行业的“数据荒漠”问题，觅蜂科技发布了物理AI数据服务平台以及MEgo系列无本体数据采集硬件。服务平台专注打造具身智能数据的平台型供给基础设施，提供真机数据、仿真数据以及人类演示数据，实现数据体系化、标准化、规模化供给。MEgo系列硬件则包括采集夹爪、头戴式采集设备及数据治理引擎，支持轻量化采集，大幅降低数据获取门槛与成本。据了解，无本体数据采集是一种不依赖特定机器人硬件的数据获取方式，也是行业内的新范式。这一采集方式主要是让人类操作员通过佩戴轻量化的传感器设备直接在真实环境中完成任务，系统同步记录操作轨迹、视觉图像和力觉信息，生成可供不同机器人学习的标准化数据。 姚卯青介绍，现阶段全世界的高质量数据汇聚在一起，可能也只有50万小时的规模。他表示，目前行业内数据需求旺盛，数据使用方以走在前沿的大模型公司、具身智能头部公司以及初创公司为主，尤其是选择世界模型路线的公司。这一情况也决定了觅蜂科技服务的商业模式是TO B方向。“目前我们公开的数据服务平台更像是商品展示的橱窗，让大家能够了解有哪些样本数据。”姚卯青在接受媒体采访时介绍，他们会根据客户需求交付定制产品，“不同客户对数据的精细程度不一，有的可能只需要家庭、超市等宏观场景，有的可能要具体的动作流程。”根据客户需求、场景难度和预算情况，具身智能数据价格不一。姚卯青以国内市场为例，目前真机数据价格水平大约在每小时500元至1000元人民币区间。运营方面，他还透露称，觅蜂科技拥有自营设备和人力，同时也采取委派订单的形式让合作伙伴采集管理数据，整体上会偏向轻资产。此外，觅蜂科技还有一个重要优势，即智元本身有比较强的模型能力，经历过几轮迭代后，清楚如何采集到高质量的数据。姚卯青希望，觅蜂科技将发挥平台引领作用，让高质量物理AI数据像水电一样即取即用，为具身智能规模化落地筑牢数据根基。多家企业下场加速产业规模化爆发依托全流程质检体系、全球化采集网络，觅蜂科技计划2026年将实现千万小时级数据产能。不过，面对目前的数据缺口，千万小时的数据产能远远不够，不足以催生具身智能的“ChatGPT时刻”。在发布会现场的圆桌论坛分享中，多位嘉宾一致认为，AGI时代的到来建立在庞大的数据量级上，需要多方共同努力。为推动产业共赢，觅蜂科技联合上电科、国家数据标委会、工信部赛迪研究院共同发起蜂巢数据共创行动。北京人形机器人创新中心、上海国地中心、灵初智能、帕西尼感知科技、大晓机器人、无界智航、清智嘉创、艾欧智能、流澜数智、Mr. Robot等数十家海内外机构成为首批响应单位。蜂巢数据共创行动的目标是，在2030年达成百亿小时级数据产能，共建全球最大物理AI数据生态，加速具身智能产业规模化爆发。2026年，也被广泛认为是具身智能数据元年。第一财经记者注意到，除了觅蜂科技，今年开始行业内已经有多家企业布局具身智能数据基建，数据军备竞赛开启。比如，今年3月，京东正式宣布将依托超级供应链核心优势，建成全球规模最大、场景最全的具身智能数据采集中心，两年内积累超1000万小时优质数据；4月16日当天，京东还宣布在全球首推覆盖全链路的具身智能数据基础设施，自研超高清采集终端JoyEgoCam、具身大模型JoyAI-RA、具身智能数据交易平台等亮相。鹿明机器人也计划今年在多个城市投放1万台背包版FastUMI Pro，在工业、家庭、酒店、餐馆、商场、办公等六大真实场景开展数据采集，目标直指百万小时级数据产能。多位嘉宾提到，接下来具身智能的核心竞争是数据采集与转化效率的竞争，未来行业将走向标准统一、供需协同、真机与仿真互补的平台化格局。“数据将和算力一样成为基础性的生产资料，会形成一定的投资回报周期。”在姚卯青看来，数据的商业化闭环或跑在机器人本体、落地场景的前面。
-
智库论见丨Token经济学刍议 图片来源/新华社 核心观点今天Token的消费量正处于高速增长阶段，中国日均Token调用量从两年前的约1000亿飙升至最近的140万亿，增长了约1400倍。我们看到，需求是真实的、旺盛的、加速增长的，只是还没有被充分货币化。Token经济的未来规模，不取决于人类能用多少Token，而取决于机器能用多少。■白惠天 袁晓辉一个困扰市场的问题是：如果AI真的那么有用，为什么好像赚钱的只有卖GPU的，做大模型和做应用的很少见到赚大钱的？英伟达毛利率超过70%，数据中心年收入逼近两千亿美元。但AI产业链中下游，全球主要模型厂商几乎无一盈利，中国大模型市场经历了百模大战式的激烈竞争后，推理服务价格已被压向成本线。整条产业链呈现出一个清晰的结构：上游的利润已经长出来了，下游的闭环还没有闭上。一种流行解读是这是AI泡沫。但经济学视角的分析提供了另一种可能——闭环没闭上，不是因为AI没有创造价值，而是因为已经创造的价值没有被充分货币化。要理解这一点，我们需要回到AI经济的基本计量单位——Token。Token是大语言模型处理和生成信息的基本单位。你向AI提一个问题，会花一些Token；AI给你一个回答，也会花一些Token。英伟达CEO黄仁勋将AI产业拆解为能源、芯片、基础设施、模型、应用五层，并将Token定义为贯穿五层的语言和货币。有了Token，AI经济就有了可以计量、定价和算账的单位——就像千瓦时让电力有了价格，桶让石油有了期货市场。围绕这个单位正在形成的一套经济运行逻辑，我们称之为Token经济学。以下我们将从价值、生产、需求三个维度，尝试为这个正在成型的新经济体系勾勒轮廓。AI创造了多少价值？Token经济的第一个反直觉现象是：Token越便宜，总花费越多。过去两年多，Token生产成本下降了超过99%。但全球企业AI支出不降反升，翻了三倍多。经济学家对此不会陌生——1865年英国经济学家杰文斯发现，蒸汽机效率的提升不但没有减少煤炭消费，反而让更多使用场景变得经济可行，总消耗量大幅上升。Token正在三年之内重演煤炭使用持续了一个世纪的故事。但Token与煤炭有一个根本区别。煤炭的价值由物理属性决定，一吨煤就是一吨煤。Token的价值则完全取决于被用来做什么。耶鲁大学Cowles基金会的Bergemann等人在对大模型定价机制的理论研究中指出，Token是“可合同化的计量单位”：数量可精确计量，但价值因任务而异。同一个Token，用来闲聊值几厘钱，用来写代码值几百美元（折合人民币数千元），用来做法律分析可以值上千美元——差出好几个数量级。我们把这种属性称为可编程性：同一种要素，仅因接收的指令不同，就能产出价值相差万倍的智力成果。钢铁做不到，石油做不到，电力的价值也因用途而异，但必须借助不同的物理设备——没有任何一种传统生产要素能仅凭指令不同就让自身价值跨越多个数量级。所谓平均Token价格，就像用平均房价来描述一个既有茅草屋又有摩天楼的城市——数字正确，但毫无意义。可编程性直接解释了为什么AI的账面收入远低于其创造的价值。斯坦福大学数字经济学家Brynjolfsson等人（2025）基于大规模意愿支付实验估算，仅2024年生成式AI就为美国消费者创造了约970亿美元的消费者剩余；斯坦福大学2026年AI指数报告沿用同一方法框架更新了估算结果，达到约1720亿美元。无论取哪个数字，结论是一致的：用户获得的价值远超实际支付的费用，且这一差距仍在快速扩大。当一个月20美元的订阅费同时覆盖了闲聊用户和用AI做百万级商业决策的专业用户时，后者获得的消费者剩余显然会高很多。问题的本质在于：当前AI服务是按算力成本定价的，不是按它为用户创造的价值定价的。定价的维度，并不是价值评估的维度。更值得注意的是，Token消费的结构与多数人的预期不同。当前增长最快的不是企业生产力工具，而是角色扮演、对话娱乐等消费性应用。这意味着Token经济的增长引擎并非“AI替代人力”——这个叙事虽然最吸引眼球，但从数据来看，尚未成为主流。真正驱动增长的，是一种此前不存在的消费形态——我们姑且称之为AI原生消费。这些需求不是替代，而是纯粹的增量。所以，不是AI没有创造价值，而是价值以消费者剩余的形式留在了用户手中，还没有变成收入。Token工厂的成本结构聊天框里冒出一句回答，只要几秒。但背后被拉动的，是一整套体系：持续运转的数据中心、排队等着上架的GPU、被锁定的电力与冷却系统，以及还在不断抬高的资本开支。聊天框是最轻的一层，背后压着的是最重的那几层。黄仁勋的五层蛋糕每一层解决的问题都不同，但每一层都需要真金白银。能源解决电力供应的问题，芯片解决算力的问题，基础设施解决跑得快不快的问题，模型解决是否能调得出来的问题，应用解决卖不卖得出去的问题。全球头部科技公司的年资本开支已从百亿美元量级跃升至近千亿美元量级，绝大部分投向AI数据中心和配套电力。AI看上去像软件，但骨子里越来越像重工业。用户买到的不是凭空冒出来的智能，而是五层蛋糕最上面那层被产品化之后的切片。好消息是，Token的生产成本还在以惊人速度下降。哥伦比亚大学研究者Gogerty对150项技术学习率的系统研究显示，GPU算力成本的学习率高达89%——即产量每翻一番，单位成本下降89%——是有记录以来所有技术中的最高值。多项研究显示，大模型推理成本近年来每年下降约一个数量级，尽管这一趋势在不同任务和模型之间差异显著，但整体仍呈现出一条陡峭下行的成本曲线。但这恰恰解释了利润为什么集中在上游：成本越快下降，越需要前置的重资产投入来推动下一轮降价。谁控制了最稀缺的供给，谁就先拿到利润。英伟达的护城河不只在GPU性能，更在于CUDA生态构成的转换成本——整个行业围绕着这套接口搭建系统。训练层是寡头市场，门槛以十亿美元计；推理层趋向竞争，开源模型已经把价格压低了九成以上。中国在这场竞争中的位置值得关注。中国模型凭借算法效率、开源策略和极致定价，在全球Token市场迅速崛起，于是有了中国AI模型出海的说法。AI出海，是指中国模型的推理计算部署在海外云节点，本质上是中国的AI算法在出海，而不是中国的电力在出海。竞争越激烈，Token越便宜，最终受益的是全球所有开发者和用户。回到开篇的问题：上游赚钱、下游亏损，是泡沫吗？这与2000年前后伴随互联网经济狂飙突进的光纤泡沫有本质区别。光纤泡沫的问题在于需求没有跟上——资本提前大规模铺设了光纤，但实际使用量长期不足。而今天Token的消费量正处于高速增长阶段，中国日均Token调用量从两年前的约1000亿飙升至最近的140万亿，增长了约1400倍。我们看到，需求是真实的、旺盛的、加速增长的，只是还没有被充分货币化。Token的最大买家：从人到智能体如果说前两节描述的是Token经济的现状，那么接下来正在发生的变化，可能才是真正改变量级的力量。过去两年，Token需求的消费主要来自人类用户。但人类消费有一个天花板——认知带宽。Zheng和Meister在2025年发表于《Neuron》的研究中测算，人类有意识地处理信息的速度大约只有每秒10比特——尽管我们的感官系统每秒接收的数据高达十亿比特。这是生理上限，不会因为AI变强而改变。一个人一天能读多少字、能处理多少信息，终归有上限。但智能体（Agent）正在打破这个天花板。智能体不是聊天机器人——它是能自主执行多步骤任务的AI程序。你给它一个目标，它自己去搜索、比较、计算、决策。一个编程智能体执行一个复杂任务，可以消耗数百万Token，而且24小时不间断运行。一家企业部署上千个智能体，年Token消耗量可能超过一个中等国家全部人类用户消耗Token的总和。更深层次的变化在于市场结构本身。智能体不只消耗Token，还能自主采购——执行任务中自行决定调用哪个模型、消耗多少资源。当一个智能体在为用户做机票比价时，它可能在几秒内调用三个不同的模型、消耗数万Token，全程不需要用户干预。Token市场正在出现一种全新的买方：非人类买家。它们全天候运行，对延迟敏感但对价格不敏感，可以在毫秒间切换供应商。从经济史看，这并不新鲜。每一代通用技术都经历过需求主体的转换——电力从照明进入工业动力时，需求量级跃升了数十倍；互联网从人类浏览进入机器间通信时，数据流量实现了指数级增长。Token经济正站在类似的拐点上。这也回应了经济学界长期讨论的索洛悖论——AI投资井喷，但生产率提升有限。斯坦福大学经济学教授Jones在其2026年的研究中指出，AI的生产率提升受制于系统中的最薄弱环节：组织适配、制度变革、人类认知。如果瓶颈在于人类组织无法以AI的速度运转，那么让AI将自己组织自己——智能体网络——可能正是释放生产率潜力的路径。Token经济的未来规模，不取决于人类能用多少Token，而取决于机器能用多少。结 语三节论述沿着一条追问展开：Token创造了多少价值？这些价值是怎么被生产出来的、利润卡在哪里？需求接下来由谁来驱动？这些答案尝试勾勒出Token经济学的基本轮廓。杰文斯悖论与可编程性解释了为什么价格暴跌而支出暴涨；消费者剩余解释了为什么账面收入远低于真实价值创造；五层蛋糕与算力瓶颈解释了为什么AI像软件却赚着重工业的利润；智能体的崛起则解释了为什么当前的增长可能只是起点。煤炭的推广用了一个世纪走完杰文斯循环，电力用了四十年实现从照明到工业动力的跃迁，互联网用了二十年完成从人到机器的流量转换。Token经济正在将这些历史进程压缩到数年之内。我们今天能观察到的，不过是这场变革的开头几页。最后一个问题留给每位读者：你现在的工作中，有多少环节可以被拆解为“输入信息、处理、输出结果”？凡是符合这个模式的，都有更大的可能会被Token化。留给人类的，是判断、创意、关系和不确定性——而这些恰恰是Token做不好的事。（作者单位：腾讯研究院）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 辑丨蒋 帅
-
探访浙江清华柔电院工业具身智能“学校” 来源：中国新闻网 4月16日，工作人员对机器人进行场景训练。浙江清华柔电院工业具身智能实训中心位于嘉兴南湖，机器人在该中心通过柔性触觉传感器进行场景训练与数据采集。未来其将推动工序机器人批量进厂自主工作，与本地合作伙伴共建机器人自主作业生产线。中新社记者 黄彦君 摄 4月16日，工作人员训练机器人“学习”插花。浙江清华柔电院工业具身智能实训中心位于嘉兴南湖，机器人在该中心通过柔性触觉传感器进行场景训练与数据采集。未来其将推动工序机器人批量进厂自主工作，与本地合作伙伴共建机器人自主作业生产线。中新社记者 黄彦君 摄 4月16日，工作人员训练机器人拿取纸杯。浙江清华柔电院工业具身智能实训中心位于嘉兴南湖，机器人在该中心通过柔性触觉传感器进行场景训练与数据采集。未来其将推动工序机器人批量进厂自主工作，与本地合作伙伴共建机器人自主作业生产线。中新社记者 黄彦君 摄 4月16日，工作人员训练机器人模拟收银场景。浙江清华柔电院工业具身智能实训中心位于嘉兴南湖，机器人在该中心通过柔性触觉传感器进行场景训练与数据采集。未来其将推动工序机器人批量进厂自主工作，与本地合作伙伴共建机器人自主作业生产线。中新社记者 黄彦君 摄 4月16日，工作人员训练机器人整理商品。浙江清华柔电院工业具身智能实训中心位于嘉兴南湖，机器人在该中心通过柔性触觉传感器进行场景训练与数据采集。未来其将推动工序机器人批量进厂自主工作，与本地合作伙伴共建机器人自主作业生产线。中新社记者 黄彦君 摄 4月16日，工作人员训练机器人“学习”手部动作。浙江清华柔电院工业具身智能实训中心位于嘉兴南湖，机器人在该中心通过柔性触觉传感器进行场景训练与数据采集。未来其将推动工序机器人批量进厂自主工作，与本地合作伙伴共建机器人自主作业生产线。中新社记者 黄彦君 摄 4月16日，工作人员调试机器人。浙江清华柔电院工业具身智能实训中心位于嘉兴南湖，机器人在该中心通过柔性触觉传感器进行场景训练与数据采集。未来其将推动工序机器人批量进厂自主工作，与本地合作伙伴共建机器人自主作业生产线。中新社记者 黄彦君 摄 4月16日，工作人员训练机器人进行家务劳动。浙江清华柔电院工业具身智能实训中心位于嘉兴南湖，机器人在该中心通过柔性触觉传感器进行场景训练与数据采集。未来其将推动工序机器人批量进厂自主工作，与本地合作伙伴共建机器人自主作业生产线。中新社记者 黄彦君 摄
-
九州文化副总裁王为之：AI颠覆微短剧，但人的创意审美无法被AI替代 01:12封面新闻记者 张越熙4 月 16 日，第十三届中国网络视听大会重点分论坛——“AI微短剧和漫剧论坛”在成都世纪城国际会议中心成功举办。九州文化副总裁王为之在接受封面新闻记者采访时表示，AI 对微短剧有颠覆性的影响，微短剧是 AI 应用层最被大众所感知的领域。未来会有更多超级个体、超级创作者参与进来，推动 AI 技术应用到更多未被挖掘的微短剧领域，更多题材将会被发掘。 谈及 AI 是否会替代创作者的尖锐问题，他指出，AI 平权指的是技术平权，创意是基于个体的，AI 无法取代人，尤其微短剧领域，人的创意审美及判断是非常重要的，也是不可被替代的。
-
当AI干活时代来临，立讯精密用垂直整合铸造“万物” 当AI智能体从“询问天气”进化为“订机票、发材料、调浏览器”的自主执行者，端侧推理对算力、散热、感知、连接的需求被系统性重构。行业的话语权从不掌握在追逐风口的玩家手中，承载风口的基础设施建设者才是最终赢家。立讯精密近日披露的2025年报显示，公司正凭借完整的业务布局与全栈式垂直整合，将铸造“万物”的能力变为现实。数据背后的坚实底座2025年，立讯精密全年营业收入3323.44亿元，同比增长23.64%，归母净利润166.00亿元，同比增长24.2%，双双创下历史新高。进入2026年，尽管面临全球存储市场涨价、大宗商品波动等外部压力，公司仍保持强劲弹性，一季度归母净利润预计达36.52亿至37.13亿元，同比增长20%至22%。这份增长并非单点驱动，而是消费电子、通信及数据中心、汽车电子三大业务协同发力的结果。消费电子作为基本盘，2025年收入2642.66亿元，同比增长13.37%，营收占比79.52%。在立讯精密看来，端侧AI的普及正在重塑行业规则——从AI手机、AI PC到智能眼镜、智能手表，再到智能家居与出行场景，硬件必须同时满足更小的体积、更高的集成度和更强的感知能力。公司已打通从材料选型、产品定义、工艺开发到规模化量产的全链路，持续拓宽护城河。汽车电子在完成德国莱尼集团收购整合后，收入跃升至392.55亿元，同比飙升185.34%，营收占比达11.81%，成为增速最快的增长引擎。公司正坚定迈向“全球领先的Tier 1供应商”，整车线束、高低压及高速连接器、智能座舱与智能辅助驾驶等核心产品已在多品牌客户端全面导入。通信及数据中心业务收入245.68亿元，同比增长33.81%。AI算力基础设施建设需求的爆发，带动高速互连、液冷、电源等产品订单快速增长。抢占AI硬件制高点端侧AI浪潮的爆发，让立讯精密的战略布局清晰浮出。公司判断，2025年全球消费电子正站在端侧AI硬件爆发的关键节点。大模型在终端本地运行带来的低延迟与隐私优势，已使AI手机、AI PC从概念走向普及。多模态技术赋予可穿戴设备全新边界：它们不再是手机配件，而正成为全天候独立交互的随身终端。AR/VR、智能家居、情感陪伴机器人等新品类，也将在这一轮浪潮中找到真正的爆发点。在通信及数据中心领域，立讯精密顺应AI整机柜向更高速度、更高密度演进的趋势，围绕光电高速互连、电源管理、热管理三大主线，构建起覆盖AI算力基础环境的一站式解决方案。铜互连方面，公司为ETH-X超节点算力基座提供了核心的高速互连标准支撑；光互连方面，率先推出基于“轻有源”理念的LRO与LPO光模块，有效降低功耗与延迟。面向下一代技术，公司正全力推进448G铜互连产品矩阵的仿真与验证，同时加速1.6T LRO/LPO及3.2T NPO技术落地，确保在算力基础设施供应链中保持不可替代的地位。更前沿的AI硬件生态中，市场消息称立讯精密已与OpenAI达成制造协议，将负责至少一款消费级AI设备的组装，首批产品预计2026年底至2027年初面世。公司还与美国边缘AI芯片企业PIMIC合作，基于存算一体架构开发新一代智能可穿戴产品，相关技术将应用于无线耳机、AI/AR眼镜及AIoT设备。在国内市场，从夸克AI眼镜到千问AI眼镜，立讯精密深度绑定了国内AI巨头在可穿戴赛道的核心硬件供应。一系列图景表明，立讯精密已超越底层硬件制造者的角色，成为深度介入客户产品设计、研发、生产与售后全流程的最优合伙人。从果链龙头到多引擎驱动立讯精密在AI时代的价值，离不开其最核心的护城河——全栈式垂直一体化智造平台。年报显示，公司拥有超260种工艺制程、超500种产品类别，在全球精密智造解决方案领域稳居第四、中国大陆第一。平台搭建并非一蹴而就，通过多年战略并购，立讯精密陆续整合了博硕科技、昆山联滔、日铠电脑等企业的技术能力，并在2025年正式完成对德国莱尼集团的收购与整合，将制造版图全面覆盖东南亚、欧洲、北非及美洲。这种覆盖声、光、电、热、磁、射频及精密结构件的完整技术矩阵，让立讯精密不再局限于某个单一品类。无论是AI手机、AI眼镜、智能汽车，还是未来的服务机器人、AR头显，其底层对精密制造、系统集成、散热连接的需求高度共通。立讯精密的垂直整合能力，本质上是一套可以快速迁移到任何智能终端的“万能制造底座”，而持续的高强度研发，是其迭代进化的核心动力。2025年，立讯精密研发费用达114.28亿元，同比增长33.57%，近三年累计研发投入超过280亿元，拥有专利9367件。正是这种对底层技术的不间断投入，使立讯精密能够应对AI终端对微型化、集成化、低功耗的极致要求，保持领先身位。从果链龙头到多引擎驱动的价值重构，已在三大业务的结构性优化中清晰体现，消费电子稳住基本盘，通信及数据中心受益于AI算力需求高速增长，汽车业务凭借莱尼整合打开了直通欧美日韩主流车企的深层通道。目前，立讯精密深度服务的《财富》世界500强企业已超过100家。一个常被提及的数据是，当前全球每两部智能手机中，就有一部搭载了立讯精密的零部件；每三台智能可穿戴设备中，就有一台离不开它的技术支持；每五辆智能汽车中，就有一辆使用了它的产品。这种广度和深度的客户基础，使立讯精密成为极少数能提供完整AI终端解决方案的供应商。在此基础上，公司通过回购股份进一步彰显发展信心，并将利益与核心团队深度绑定。2026开年，立讯精密董事会审议通过回购方案，拟以10至20亿元自有资金回购股份，回购价格上限不超过86.96元/股。天风证券认为，研发投入强度提升和研发项目明确了量产周期，意味着公司将迎来下一轮快速成长周期，预计2026至2027年可实现221亿、278亿元归母净利润。华兴证券则给予公司买入评级，目标价68.05元。当市场还在争论谁会成为AI时代的赢家时，一个朴素的真相正在浮现，无论哪款AI硬件成为爆款，立讯精密都在用垂直整合的能力为它们制造“万物”——无论是从一颗连接器到一整套终端，还是从精密零组件到整机系统集成。当几百万台AI终端走进生活，支撑这一切运转的，不仅有开源的代码和云端的大模型，更有将技术构想变为现实的硬件执行力。立讯精密的想象力，才刚刚被端侧AI浪潮撬开一条缝隙。而缝隙那头，是一个价值万亿的硬件新大陆。
-
斯坦福报告：美国这个优势，中国要抹平了 【文/观察者网 熊超然】 “中国已逐渐缩小与美国在人工智能（AI）领域的差距。” 当地时间4月16日，美国《财富》杂志援引斯坦福大学的一份报告这样指出，该报告称，中国已“几乎抹平”美国在AI领域的领先地位，而涌向美国的科技专家数量也已大幅减少。 斯坦福大学以人为本人工智能研究所（Stanford HAI）本周发布的《2026年人工智能指数报告》显示，中国在AI机器人性能方面已几乎完全缩小与美国的差距，同时在专利数量、论文发表量和机器人部署方面继续领先全球竞争对手。 该报告发现，中美两国顶级AI机器人在Arena得分（衡量大型语言模型相对性能的指标）上的差距正在缩小。2023年5月，美国AI公司OpenAI的GPT-4模型以超过1300分的Arena得分领先，而中方模型的得分则不足1000分。到了今年3月，这一差距缩小至仅有39个Arena积分，美国Anthropic公司的模型Claude Opus 4.6领先中国的Dola-Seed 2.0的幅度仅有2.7%。 尽管美国在顶级AI模型的数量上仍然领先于中国（50比30），但中国的论文引用量却超过了美国，2024年中国AI论文引用量占比达到20.6%，而美国仅为12.6%。此外，中国的工业机器人装机量也几乎是美国的九倍，以超过29.5万台的装机量位居世界第一，而美国仅为3.42万台。 斯坦福大学在报告摘要中指出：“多年来，美国在AI领域一直领先于其他所有地区——无论是在模型规模、性能、AI研究、论文引用量等方面。”报道称：“但中国已成为美国在AI领域的制衡力量，并逐步取得进展，今年似乎已几乎完全抹平了美国的领先优势。” 2026年4月15日，第139届中国进出口商品交易会（简称“广交会”）在广州开幕,展会汇聚海内外优质企业与采购商，各类智能创新、绿色低碳展品集中亮相，现场洽谈交流氛围热烈。 IC Photo 中国AI快速崛起 《财富》指出，在更广泛的科技博弈中，中国已改变了与美国竞争的能力格局。在2025年“DeepSeek时刻”的推动下，中国向AI初创企业投入巨资，上季度香港市场IPO融资额达到五年来的最高点，共有40家新公司上市，融资额达1100亿美元。 此前，咨询机构Lantau Group的中国能源分析师大卫·菲什曼（David Fishman）在接受《财富》采访时表示，中国也一直在悄然投资电力基础设施，每年新增电力需求超过德国的年消费量。菲什曼指出，中国的备用电力容量从未低于80%，这实际上使其拥有发展AI计算所需容量的两倍。 与中国的计算能力相比，美国自身维持和发展AI基础设施的能力则相去甚远。由于数十年的投资不足，美国的电网系统正在崩溃，使其极易受到极端天气和自然灾害的影响，最终形成了瓶颈。高盛集团认为，这将阻碍美国AI的发展。 上个月，跨国投行杰富瑞集团（Jefferies）的全球宏观策略师莫希特·库马尔（Mohit Kumar）告诉《财富》：“我们实际上已经减少了对美国科技公司的投资。我们认为，中国是这场科技博弈的最大赢家，原因有很多——估值优势、AI的更广泛应用以及在电力生产方面的优势。” 美国对AI的私人投资仍然远远超过中国，2025年达到2859亿美元，是中国的124亿美元的23倍多。斯坦福大学的报告指出，去年美国投资了1953家新的AI公司，是其他任何国家的10倍以上。 美国AI人才流失 《财富》认为，AI领域的发展势头向中国倾斜，可能导致美国科技人才流入放缓。斯坦福大学的报告发现，自2017年以来，移居美国的AI学者人数下降了89%，而且这一降幅正在急速加剧，仅去年一年就下降了80%。目前，进入美国的AI研究人员数量仍然多于离开美国的。 报告摘要指出：“美国拥有全球最多的AI研究人员和开发人员，但这些专家流入美国的速度正在急剧放缓。” 经济学家则警告称，专业人才的持续流失将进一步削弱美国在人才储备方面对于中国的优势。 斯坦福大学以人为本人工智能研究所和斯坦福大学胡佛研究所于2025年4月合作发布的一份报告发现，中国已经培养了一批数量庞大的本土人才，DeepSeek五篇奠基性论文的作者几乎全部在中国接受过教育或培训。 报告指出，尽管约有四分之一的DeepSeek研究人员曾在美国院校接受教育，但大多数人最终选择返回中国，造成了有利于中国的“单向知识转移”。 报告作者写道：“这种人才分布模式对美国的科技领先地位构成了根本性挑战，仅靠出口管制和计算机投资无法解决问题。” 本文系观察者网独家稿件，未经授权，不得转载。
-
软件公司，集体大逃亡 预算被切、需求突变、模式崩塌，SaaS公司如何从卖“软件”转向卖“结果”。 文｜《中国企业家》见习记者 孙欣记者 王怡洁见习编辑｜李原编辑｜何伊凡头图来源｜视觉中国“SaaS数据中台长期来看，还有救吗？”滴普科技创始人赵杰辉对《中国企业家》如此提问。2026年4月，赵杰辉在公司全员群中发了一段文字，他先抛出了一个AI圈的新概念：“Agent Harness”，并附语：“行业内的公司半年内搞不懂这些，就会被行业淘汰掉。”员工对此已习以为常，这是公司成立7年多来的第四次AI变革。成立之初，滴普科技的主营业务是数据分析，一度被外界与美国估值千亿美元的数据平台巨头Databricks对标。但2024年ChatGPT风靡后，赵杰辉对业务、架构做了大刀阔斧的改革，集结全员力量，自研企业大模型。“到2028年，2023年之前构建的50%旧数据分析平台都将被淘汰。”全球研究和咨询公司Gartner高级研究总监顾星宇对《中国企业家》说。SaaS已死？这并非危言耸听。“去年还能签300万的ERP合同，今天客户说要拿这钱去搞AI算力。老板问我怎么办，我答不上来。”一位本土软件公司的销售总监忧心忡忡。常年关注SaaS行业的投资人李方向《中国企业家》坦言：“我们今年对SaaS公司的尽调标准变了，不再把ARR（年度经常性收入）增速当作最大重点，而是问AI替代风险敞口有多大。如果回答模糊，就直接放弃。”另一位投资人则干脆表示：“我们正尽可能减少与SaaS的关联。”从ERP、数据中台到湖仓一体（数据湖和数据仓库的融合体），中国软件业已经历过数次范式革命。但从未有一次像AI这样，直接威胁到了“软件”这一产品形态本身的存在。一位业内资深人士认为，固守过去服务惯性的SaaS，必然是没有未来的。SaaS如何更好地走进Agent体系中，将成为求生的关键。 来源：AI生成 脉脉创始人兼CEO林凡向《中国企业家》表示：“首先要把自己的团队变成Super Agent（超级个体），然后围绕Agent人才、应用开发人才组建团队和产品。”但他也坦言：这一定会跟SaaS现有的商业模式产生冲突。“道理是道理，很难做得到。”更大的SaaS颠覆浪潮，还在路上。“未来一定是第三方来革所有公司的命。去年开始，国内已经出现了一些具备很强业务背景的Agent创业公司。今年会有更多公司，进入大家的视野。”前述业内人士说道。“死亡通知书”这是一个行业的集体失语时刻。2026年2月至今，甲骨文、SAP股价累计跌幅超30%。回溯2025年12月，甲骨文核心ERP产品Fusion增速从25%骤降至18%，客户流失率从3%升至5%。同时，有消息称甲骨文计划裁员最高3万人。Salesforce亦准备裁撤超4000人，推进Agent force落地。据IDC数据，2025年中国企业级SaaS同比增长22.3%，增速较2024年的29.7%已明显放缓。2026年2月，Anthropic推出了企业级AI工具Claude Cowork，并同步上线十余款开源企业级插件，“标普500”软件与服务指数随即六连跌，市值蒸发约8300亿美元。多米诺骨牌也正倒向国内厂商。用友网络与金蝶国际的2025年中报呈现了相似的阵痛：用友营收35.81亿元，同比下滑5.89%，归母净利润亏损9.45亿元。金蝶虽营收增长11.2%，但亏损仍达0.98亿元。存量生意被掣肘，新客户量也在萎缩。《中国企业家》从一家国内数据厂商了解到，自2026年2月以来，客户拉新率大幅下滑，企业几乎都表示：不再需要数据平台型服务商。究竟是谁压垮了SaaS厂商？客户需求转向无疑是核心原因。“现在的企业不再满足于简单的流程记录，而是倾向于选择具备Agentic AI（代理型AI）能力的供应商。”Gartner研究总监金玮认为，客户需求已变，“买工具”不如“买结果”。AI的加速进化，更成为压死骆驼的最后一根稻草。行业人士向《中国企业家》坦承，去年软件公司的创始人、CEO们坐在一起，谈论的还是如何把AI转化为辅助销售的标签。今年，不少企业开始自己调用API或套用开源模型，掌舵者也亲自上阵谈业务。但洪水流速远超想象。能自动完成合同审查、法律研究和合规报告的Claude Cowork推出当日，法律信息服务商Wolters Kluwer股价暴跌13%，汤森路透盘中重挫20.7%。 来源：视觉中国 “龙虾”（OpenClaw）的爆火，更催化了传统软件前端界面和模块化功能的贬值。其通过多Agent协作可完成的“调用信息”“处理数据”“分析数据”等流程，过去正是多依靠软件厂商来解决。一个共识正在企业之间达成：与其每年花几百万维护数据系统，不如把这笔钱投向AI。“CIO（首席信息官）将有限的预算向AI算力与大模型倾斜，导致传统软件厂商面临严重的资金挤压。”金玮向《中国企业家》说道。联想与IDC联合发布的《2025年全球首席信息官（CIO）报告》显示，IT预算中专用于AI项目的占比较上年几乎翻了三倍。业内人士认为，Agent无疑已代表未来方向，交互更易用，又自带记忆能力。行业数据不必被从头训成一个新基座，在通用大模型之上，如何将企业自身的数据用好、用活成为关键。这也给SaaS转型提出了要求。SaaS厂商沉淀了大量碎片化、场景化的业务数据，这让它们在训练专属Agent时，具备一些天然优势。但Agent赛道的核心胜负手，也变成了谁能更快、更深地拿到新的产业真实数据。真正制约SaaS转型步伐的关键，还在于销售Agent与原有商业模式的根本冲突。“SaaS过去卖的是标准化软件与订阅服务，转向售卖Agent，定价、交付全变了。原有核心产品的收入逻辑被颠覆，新的产品模式还未跑通。销售团队是该劝客户继续买旧产品，还是全力推新方案？这就是典型的创新者窘境。”该人士分析道。要求生，先“求死”生存压力陡增，转型迫在眉睫。赵杰辉曾在华为11年，阿里4年，“大厂”经历在他身上烙下的最大印记便是：要主动“求变”。他直言：SaaS要“求生”，首先要“求死”，不要对一件没有意义的业务——SaaS传统的数据分析模式抱有执念。滴普科技在2018年创立时，主力做数据中台。2019年自主研发湖仓一体，为企业提供数据存储、集成、治理、分析等能力。到了2024年开始自主研发企业大模型，目前业务围绕“企业大模型+Agent OS”两大核心技术部门展开。 来源：AI生成 2025年，滴普科技推出了“Deepexi”大模型。2026年，公司再一次进行战略及产品升级，明确“AI时代企业数字员工基础平台”战略，聚焦Deepexi企业大模型和FastAGI企业智能体平台。“企业不会再为工具付费，只为结果付费。AI必须真正理解业务逻辑，而不是在知识库里检索答案。”依托开源大模型进行二次微调，在通用大模型面前，也没有任何抵御能力。“别人一炮轰过来，你就没戏了。如果你没有自己的模型，不要说你自己是做软件的。”赵杰辉说。但“套壳”与“自研”，成本差距巨大。据滴普科技财报数据，2025年研发开支为1.08亿元，70%的研发费用投向了AGI相关产品与解决方案研发。 滴普科技创始人赵杰辉 来源：受访者 赵杰辉将Deepexi的模型参数控制在60B~100B的范围。“在企业场景中，100B左右参数的模型就能解决99%的问题了，再大的私有化部署成本太高。”他也更加“务实”地主攻制造业，将“护城河”划定在大厂的射程之外。目前滴普的400余家客户里，制造业占比过半。“我们接触的是企业从供应链、生产到销售的全数据。大厂虽然擅长Coding能力，但没有供应链数据、没有生产知识，没有企业专有数据集（如零售企业成千上万家门店的调货逻辑、船舶制造工艺文件），更没有图纸理解能力。”赵杰辉以船舶制造为例，目前滴普科技已将自己接收与沉淀的船舶体系制造工艺文件、工程设计文件和国际标准进行数据化，并以此训练Deepexi。业务彻底变革，意味着对组织的“碎骨重组”。滴普内部，数据治理工程师正全面转向“语料工程师”或“AI技能开发工程师”。“转不了型的人自谋出路。”赵杰辉的管理哲学简单而直接，没有折中方案。破釜沉舟下，公司活了下来。2025年10月，滴普科技登陆港股，目前市值超200亿港元，2025年营收4.15亿元。知识网新生乌云压顶，但“船大难掉头”，仍是多数SaaS玩家面临的境况。“很多厂商的系统架构是10年前为IT用户设计的。”任职过MicroStrategy、金蝶等数据分析、业务管理领域的SaaS公司，苏春园在to B领域从业十余年，2016年创立观远数据。“我们认为转型应从场景切入，边运营边完善。” 观远数据创始人兼CEO苏春园 来源：受访者 行业里一个突然破圈的反常案例引起了苏春园的关注。2025年下半年开始，美国公司Palantir的市值不断飙升，从2022年底不到6美元的股价低位，2025年一度涨至超过200美元，市值也逼近5000亿美元，一度超过Salesforce，在AI时代意外成为资本宠儿。苏春园意识到，传统的数据分析SaaS在消逝，以决策为中心的AI智能体，正在迎来巨大的转机。苏春园分析道，Palantir是两条腿走路。其一是重建了知识网络，依靠“本体论”构建了AIG（企业模型）平台。“本体论”最早由亚里士多德提出，用于概括万事万物的存在本质。在技术领域，本体论指把公司、行业的知识体系编码成为语义层，从而构成的知识网络。回顾产业演进，SaaS行业的本体形态一直在迭代：在SAP主导的时代，存储数据的ERP是核心服务，“本体”以二维表、数据库表格的形式存在，通过SaaS的界面完成交互。进入湖仓一体时代，结构化、非结构化数据统一存储在知识群中。进入大模型时代，“本体”从宽表结构升级为动态知识网络，不再依附于湖仓平台。这一转变并非一蹴而就。深耕数据领域二十余年的王琤，于2016年创立数语科技。他回忆道：早在2013年，他便参与了欧盟“FIBO金融本体项目”，当时近百名专家耗时两三年，逐一对业务术语进行人工梳理，才在2015年推出了覆盖全金融领域的本体国际标准。在那个阶段，构建本体一项工作量巨大的高端业务抽象工作，由人工完成，成本高、周期长、难以规模化。 来源：AI生成 大模型技术彻底改变了本体的构建方式。王琤总结：“一方面，大模型大幅降低本体构建门槛，只需输入业务架构、业务流程及系统说明书等语料，就能自动完成知识结构化。另一方面，成型的本体如同神经网络，能为大模型提供精准的业务逻辑支撑，二者形成强协同、互促共进的关系。”改写知识网络的同时，Palantir的第二条腿，则是采用了更“重”的前线工程师企业服务（FDE）模式，让工程师进入企业与其核心员工共同办公，晚上将工作内容敲成“代码”，构成客户的“本体”知识网络，再将其用于AIG平台的训练。在苏春园看来，FDE这种“重模式”，在中国是“千万级项目才能成立”——但它至少证明了一件事，SaaS不一定会消亡。类似的，观远也推行了“轻量FDE”模式。据了解，在与联合利华合肥灯塔工厂的合作中，观远以FDE小组（1个需求分析师+2个工程师）驻场，白天与产线工人一起办公，进行供应链调度，晚上回酒店写代码，第二天上线调试。合作后，联合利华合肥灯塔工厂实现库存承载能力提升50%，整体物流成本降低24%，整体履约效率提高2倍，产品从生产到送达消费者的时间缩短约75%。未来钱向谁收？不论如何，“SaaS可能不会死，但上一代SaaS的范式一定会消亡。”前述投资人李方告诉《中国企业家》。这并非SaaS行业第一次站在生死关口，但商业模式的重构，远比技术升级更艰难。Gartner警告：国内客户对“按效果/按调用付费” 仍处于“高关注、低接受”状态。传统企业预算多为CapEx（资本性支出），难以适应AI时代的 OpEx（运营性支出）。加上客户对私有化部署还有执念，数据孤岛问题难解，部署与交付成本仍然居高不下。 数语科技创始人兼CEO王琤 来源：受访者 面对变局，王琤选择坚守自己擅长的高地：回归数据本身。“AI最大的瓶颈不是算力，而是数据。就像有了F1赛车（大模型），但数据是‘破土路’，赛车照样跑不起来。我们要建的是高速公路。”数语科技基于数据构建了双轮驱动战略：Data Governance by AI（用AI降低数据治理成本）+Data Governance for AI（为智能体提供可信数据）。王琤给自己的定位是做“AI时代的卖铲人”——不直接做应用，而是为智能体提供“可信数据底座”。这一路径与Gartner的观察亦高度一致。顾星宇认为：最终决定数据管理厂商的核心竞争力的，并非是谁能提供高价的FDE，帮助客户构建语义层；而是谁的产品能原生支持“元数据”的管理能力，帮助客户以最小的成本来维护和进化企业的语义层。赵杰辉则认为，客户的需求本质并未改变，那就是降本增效。滴普正在尝试推出一种新的付费方式：“AI员工”订阅制。其推出AI店长、AI工艺工程师、AI财务分析师，围绕“替代人力”的价值收费。“给客户把某个岗位上的明星员工复制10个，原来10倍的工作。”赵杰辉描述道。干他对于深陷内卷的SaaS厂商，海外市场也成为寻求新增长曲线的良机。王琤表示，他在英国参加行业研讨会时，发现欧洲多国企业对AI需求增强，但对AI的敏锐度远不如国内。无独有偶，滴普科技也选择把中国香港、中东作为开拓海外市场的首站。“永远要提出新问题，而不是拼命解别人已经解好的题。沿着别人20年前的入口，那是刻舟求剑。”赵杰辉说。应受访者要求，李方为化名。
-
AI老师、数字主持人，黄埔在把教育变成一件“很科技”的事 南都讯 记者梁艳燕 通讯员埔教宣 数字主持人“小智”在云端亮相，AI智能体悄悄“潜入”备课、教学、批改作业、心理辅导……4月16日，黄埔区人民政府与教育部教育技术与资源发展中心（中央电化教育馆）再次携手，正式启动 “黄埔教育数字化创新区” ，同时 广州“人工智能+教育”共同体也宣布成立。两个平台同步启动，意味着黄埔 “人工智能+教育”聚变行动正式进入实施阶段。 广州“人工智能+教育”共同体启动。一核引领，三大基座打底这次行动有个很硬核的路线图：“一核引领、三基座支撑、全场景落地、生态化协同”。“一核” 就是“黄埔教育数字化创新区”，相当于整个计划的“大脑”和“指挥中心”；“三基座” 则是一流算力、自主可控系统、全栈教育大模型。 据了解，黄埔现有的智算算力已经超过12000P，还有4个国家级算力项目落地，新增超40000P。专属教育算力池，随便调；全国首个省级开源鸿蒙适配中心就在黄埔，自主可控，安全可信，校园里的设备全都能“鸿蒙化”。此外，黄埔还一口气拿出了13个教育垂类大模型，从银河大模型到希沃集思，从心理辅导到智慧纸笔，覆盖教学、诊断、学习、治理全链条。六大场景，AI全包了黄埔直接把AI塞进六大主题场景。 在学校教育场景，AI帮你画知识图谱，智能批改，个性化推送练习；在终身教育场景，产教融合大模型，从AI认知到职业体验，再到应用开发，一条龙服务；在科技创新场景，校企联手搞研发，成果直接转化落地；在国际交流场景，利用黄埔国际学校最多的优势，开发多语种AI课程，向全球输出“黄埔方案”；在教师发展场景，人机协同备课，精准教研；在教育治理场景，数据驾驶舱实时监控学位预警、教学质量，AI视频+数字孪生守护校园安全。全力开创人工智能+教育新格局当前，国家教育数字化战略行动2.0纵深推进，“人工智能+教育”成为教育现代化核心引擎。黄埔区政府副区长何宇鸿表示，“四年前，在教育部教育技术与资源发展中心的高度重视和直接推动下，黄埔率先启动‘数字与智能化教育装备创新与应用项目’，依托产业优势与产教协同生态，推动AI探究自学室、VR思政课、智慧纸笔、数字孪生校园等一批创新场景落地见效。”站在新的起点，双方在前期成果基础上深化战略合作，共建黄埔教育数字化创新区。教育部教育技术与资源发展中心主任李萍从贯彻国家战略的高度，为黄埔区落实教育部六大 AI for 行动、建设黄埔教育数字化创新区指明了方向，激励黄埔教育人全力开创人工智能+教育新格局。按照规划，黄埔未来每一位学生、每一位老师、每一所学校，都将被注入智慧动能。
-
为了让机器人赶紧干活儿，我给他造了个“小脑” 余工被自己训练的机器人踹过。每隔一段时间，这位工程师都会穿上动作捕捉服，在办公室里出拳、走路、旋转，做出一系列动作，以测试机器人运动控制算法效果。站在身旁的机器人，以毫秒级的延迟复刻他的每一个动作。有一回，伸展空间不够。他踢了下腿。机器人照单全收，一记猛踹落在他身上，这种剧痛余工至今难忘。但争分夺秒地开发训练机器人仍是他最重要的工作。2025年被认为是人形机器人量产元年，全球出货量约1.7万台，中国企业出货量占全球84.7%，稳居第一。一时间，行业迎来资本狂热、政策加码、媒体追逐的热闹景象。一个尴尬的现实也浮出水面：这些能跑马拉松、能跳二人转、能翻后空翻的机器人，真正能“干活”的并不多。大模型驱动人形机器人做出每个动作都需要消耗大量算力，也限制了业内主流思路的开发进度。因此，当下不少机器人企业都面临着这样一个普遍的困境：完成了基础研究，但很难商业化。在上海浦东，国家地方共建人形机器人创新中心（以下简称“国地中心”）里，为了能让机器人尽快干活儿，余工和他的团队另辟蹊径，在大模型接入机器人作为“大脑”之外，给机器人安上了支配动作的“小脑”。 余工在办公室测试机器人。 李楚悦 摄给机器人当“老师”要理解今天的机器人行业正在发生什么，得先回答一个看起来很基础但其实并不能轻易给出答案的问题：为什么一定要把机器人做成人的模样？在余工看来，机器人产业发展最核心的目的是提高人类的劳动力水平。人类社会的一切基础设施，都是依照人的身体尺度设计的。门把手的高度、楼梯的宽度、方向盘的形状、工具的握持方式，全都是为人准备的。如果一个四足机器人，就无法完全使用现有的所有工具。“我希望机器人能用我的工具解决我的问题，而不是我为它专门设计一套方案。”余工说。本质上，这是一个成本问题。如果从许多人期待机器人进入的家庭场景出发，人形机器人也更具亲近感。“你每天早上醒来，相比一个四足机器上面长了一只手过来拍你起床，可能更期待一个长得‘像个人样’的机器掀开被子，说主人该上班了，早餐已经做好了。”除此之外，余工觉得“或许也有一些既浪漫又狂妄的念头”——人类是不是也可以创造另一种智慧生物？无论如何，人形机器人要解决的最基本需求是成为没有负担的纯劳动力替代方案。那么，什么时候机器人才能真正干活儿？“现在的思维能力，整体上还是比较落后的。它能做的事情还比较少。”余工说。如今的AI大模型已经可以写诗、写代码，但把它们装进机器人身体里，将“大脑”里的“想法”落地成“动作”，是另一回事。“很多人以为，把大模型装进机器人身体里，机器人就能自己动起来了。但中间缺少的关键一环在于AI如何驱动这个物理身体。”余工解释。人的身体有几百块肌肉，但人在做动作时，完全感觉不到自己在控制肌肉，这是因为小脑在底层完成了对肌肉的精细控制。似乎脑海里产生“我要把手抬起来”念头的同时，手就自然地抬起来了。如果想要机器人也遵循这个过程、习得人类的诸多动作，就得收集到海量且高质的真实操作数据。最直接的办法是请人类来当机器人的“老师”。在国地中心，刘强是教机器人“做人”的训练师之一。他每天的工作内容非常固定——穿戴好设备，指导机器人进行上肢训练。最近，刘强正在训练的项目是齿轮收纳，通过一遍遍演示，教会将不同规格的齿轮放进收纳盒内。如何识别、怎么抓起、用多少力，“笨拙”的机器人并不知道，需要手把手教。为了让机器人变得更聪明，他还会在桌面上放一些干扰物，再进行训练。训练的难度因任务而异。比如，叠衣服这项人类最普通的家务之一，对机器人而言，难度系数相当高。“由于涉及动作细节较多，对关节旋转要求极为精细，控制需要更加精准，对遥操者的熟练度也提出了很高的要求。”刘强解释。任务难度直接影响到数据的有效性。从前端采集的数据还需经过进一步校准、识别，再由研发团队运用于机器人的自主训练。之后，在没有训练师介入的情况下，机器人通过现有的数据在虚拟环境中独立完成训练。 刘强正在训练机器人。 朱雅文 摄换一种“教”法所有机器人的动作学习，本质上都是“人教”的。通过人类反复演示，然后转化为数据，再用这些数据去反复训练模型，直至其熟练掌握。“人教人，聪明的一遍就会，笨一点的两三遍。但机器人，你得教它几百遍。”余工说，区别在于样本效率高低。有没有办法让训练更高效且低能耗一些？余工团队正在努力尝试的是一种信息量更饱满的数据采集方式。传统的数据采集，只记录了“轨迹”——手从A点移动到B点的路径。而通过动捕服和远程遥控，可以同时记录下机器人底层电机的控制数据——电流多大、扭矩多少、关节角度如何变化、身体倾斜了几度。“就像以前你只给了它一个答案，现在你把每一步的推导过程都写下来了。”余工说。这意味着机器人可以更高效地学会新技能。以前要学一百遍的，以后可能十遍就会了。但新的问题也随之而来。“如果让一个大模型直接去控制每一个电机、每一个关节，频率太高。人做动作时，神经信号是毫秒级的，一秒钟可能要决策上千次。这么大的计算量，目前的算力根本扛不住。”余工解释。于是，他和团队选择了“分层”的方案：底层相对较小的模型，以非常高的频率去控制机器人的每一个关节，保持平衡、执行动作。上层的大模型只需以较低的频率发出指令，比如“把手放到那个位置”，至于怎么放、用多大力、如何保持身体不倒，底层的“小脑”自己解决。“有点像混动车。”余工打了个比方，“电池容量没那么大的时候，加一个汽油发动机，电启动，油加速。”这未必是行业里训练机器人的终极方案。随着硬件发展，未来可能出现完全不同的方案。但在当下，这是一种有可能跑通的路径。余工把这个底层模型叫做“小脑模型”。它或许算不上聪明，但反应极快。它要做的不是思考，而是执行。不过，这仍不是最终目标。更为理想的状态是，底层有一个非常强壮稳定的“小脑”，能够执行几乎所有动作指令；上层有一个足够聪明的“大脑”，能够理解复杂的任务意图想，像人类一样进行功能分区。除此之外，硬件的能力也决定了机器人的上限。“算法是从下往上够，但超越不了上限。” 余工说，“现在行业内，硬件能力的差别很大。有些厂家的电机做出来是施瓦辛格，有些人做出来就是我这样的普通人。”“目前机器人的体能水平现在只是比我强一些。”余工说，“我们希望有一天，它能做到连续三个后空翻，一下跳两米高，这些是正常人做不到的动作。”只有这样，机器人才能真正走进工厂、家庭、灾难现场，成为人类劳动力的替代。进厂前的“最后一步”余工所在的实验室，是国地中心的一部分。在上海浦东，由人形机器人（上海）有限公司（国地中心）牵头成立的上海虚实融合具身智能训练场，是全国首个面向具身智能领域的国家级标准化试点项目。这个由工信部和上海市政府共同授牌成立的机器人训练中心，是人形机器人领域的首个国家级公共平台，旨在构建行业大数据集，推动技术研发、企业孵化与人才培育，加快实施创新驱动发展战略。 国地中心训练场 李楚悦 摄“国内人形机器人虽然才发展了两年，但只有产业化落地之后，这个产业才能证明发展成功。”国地中心市场总监杨正叶说。国地中心的建成，正是为了催化这“最后一步”。让机器人在进企业前工作的基础训练可以在这里通过大量数据训练完成。这个训练场的场景不是固定的，而是根据市场需求不断更新。杨正叶介绍，目前，人形机器人业内的训练思路主要分为两种。国外市场走的是“大模型驱动”的路线，即在不同环境下，机器人通过视觉传感器和位置传感器不断计算，不断尝试抓取。通过反复失败尝试，直到成功为止，通常这样的过程需要巨大的算力支撑。国内走的是“数据驱动路线”。这虽然规避了算力需求，但对数据质量提出了更高的需求。比如，每次机器人必须复位到基准位置，数据才能用。想要换个位置抓取杯子，就得重新采集数据。更麻烦的是，各家机器人的关节参数不一样。“国地中心要做的另一件事，就是把所有机器人的数据变成通用数据。”严格来说，国地中心机器人训练场，不仅仅是一个物理空间，还是一个数据空间。很多人或许难以想象，教机器人拿杯子这样一个简单动作，背后的数据采集是如何庞大的工程。世界上存在的杯子类型众多，抓取方式更是千变万化。想让机器人学会抓杯子这一动作，需要把世界上存在的所有杯子泛化成不同种类：马克杯、高脚杯、玻璃杯、塑料杯……需要分门别类进行数据采集。此外，还需要处理更复杂的情况，比如：倾斜的杯子、湿滑的杯子、被压住的杯子等等。“只有当机器人能解决问题的方式足够多，再给它下一个命令’我要拿这个杯子’，它的拿起杯子的成功率才能接近于人。它也会像人一样，判断杯子类型，再选择方案，擒住杯口拿起来、抓住杯把拿起来，还是双手捧起来。”杨正叶说。国地中心的训练场里，记录数据体量的数字在大屏幕上时刻跳动。不同厂商的机器人在海量的数据中不断地试错、校正、再试错。被清洗校对过的数据会用来训练机器人。 国地中心训练场外。 李楚悦 摄“人类的叛徒”在人形机器人行业内，变化是以周为单位计算的。但没有人确切知道，这个行业时候会“涌现”出新的突破。“它或许会突然变得很厉害，但你没法预测它什么时候发生。”余工说，“机器人上周还做不到的动作，这周可能就突然能做到了。不是哪个人类工程师写了新代码，而是模型自己学会了。”过去一两年间，人形机器人行业最初比拼的是“谁走得更稳”，后来是“谁跑得更快”，再后来是“谁能跳”。今年春晚，有人让机器人做托马斯回旋、后空翻、连续武术动作。“但这些不是为了炫技。”余工强调，“是为了测试它的动态能力到底到了什么程度。就像人类也要先学走、再学跑跳。你有一个强壮的身体，才能干后面的事情。”这个逻辑在机器人身上，就必须先把底层能力做扎实，再进入应用场景。送外卖、消防、工厂搬运、家庭陪护……都需要建立在机器人能够稳定地执行动作的基础上。余工觉得，普通人或许看到的是“它突然可以翻了”，但整个行业距离真正的“通用机器人”还很远。 国地中心里等待训练的机器人。 朱雅文 摄人类对于机器人的期待和态度，也存在微妙的张力。一方面，期待科技的突破能够带来变革，另一方面，人类被替代的担忧也从未消失过。当机器人越来越像人，最终会取代人类吗？“我觉得人类制造机器人的初衷，就是成为社会发展或者工业发展的一个助力。”余工说。他抱有相对理性的乐观态度，新的技术会产生新的需求，也会产生新的工作岗位。那些被替代的劳动力，可能会去做别的事情。人类的劳动强度降下来之后，或许能追求更多的“自我实现”。即便如此，余工仍然笑着将自己称为“人类的叛徒”。这个“95”后工程师职业的起点是大模型算法工程师，再行业的更迭下步入机器人赛道时，从小看“高达”长大的他，想要给未来的到来提提速。“这个行业无法停下进步的速度，不前进就意味着淘汰和死亡。”余工说。虽然压力不小，但他也享受这种创造未来的兴奋，哪怕最终的结果是由机器人接管人类世界。“就像造刀的人，不会去想刀造出来是否会用来杀人。“杨正叶也有类似的观点：“先让技术生长。新质生产力的发展，永远不要让它停步。至于过程当中会发生的问题，都不是无法解决。”（应受访者要求，余工、刘强为化名）原标题：《为了让机器人赶紧干活儿，我给他造了个“小脑”》栏目主编：王潇文字编辑：王潇本文作者：解放日报 李楚悦 朱雅文 实习生 罗荣芬
-
何小鹏回应自动驾驶路线之争：L2直接到L4是最安全的路径 何小鹏“这个市场百花齐放是好事，我也乐见各种不同技术路线共同发展。但最终还是要走向如何确保安全，如何让百公里接管逐步变成千公里、万公里接管，真正改善用户体验。”4月16日，小鹏集团董事长CEO何小鹏在接受澎湃新闻等媒体采访时，如是回应近期的自动驾驶路线之争。日前，华为高级副总裁、引望公司CEO靳玉志公开提出，L3是实现L4、L5完全自动驾驶的必经阶段，不可跳过。而此前小鹏、特斯拉、百度等企业，以及欧阳明高等学者均主张直接攻坚L4，“实现自动驾驶是否要绕过L3”再度引发行业的广泛关注。何小鹏直言，L3、L4都不是完全严格面向商业的分类，最初只是一种技术层面的分类，并没有考虑到商业化落地。在他看来，智能驾驶最安全的路径就是直接从L2迭代到L4，在这一过程中去积累足够多的数据，把安全放在第一位，并同步完善各项政策法规。“辅助驾驶不只是修补下限，更重要的是解决上限。L4最核心的能力是实现全无人驾驶的同时还要确保安全。若只做到确保安全，却无法实现无人驾驶，本质仍属于L2范畴。”他强调。立足自身对行业的判断，何小鹏也将L4级高阶自动驾驶能力，落地到了家用乘用车产品之上。4月15日晚间的小鹏GX技术发布会上，何小鹏介绍，小鹏GX是小鹏首款全尺寸旗舰SUV，汇聚了Robotaxi智驾、飞行汽车安全冗余、具身智能芯片及架构等前沿技术，是小鹏全新一代物理AI技术架构SEPA 3.0的首发车型，也是“小鹏集团的技术集大成者”。他强调说，小鹏GX是“首款全栈自研的Robotaxi量产车型”，完全按照L4自动驾驶标准打造。高标准意味着高成本，以Robotaxi的量产要求造乘用车是否会大幅拉高成本压力？对此，何小鹏在采访中回应说，L4级别的Robotaxi其实要比私家车再增加多项冗余，例如算力冗余和感知冗余。放在私家车体系里，算力、感知冗余价值并不大，但制动冗余、转向冗余、门把手冗余、通讯冗余等，对所有车主都是有价值的。针对当下造车新势力在大型SUV产品上的竞争，何小鹏表示，实际上大家都期望把这个市场做得更强大。现今中国汽车品牌如日中天，但在30万元以上市场的占有率可能仍有待提高，中国汽车需要追求高质量发展。“在竞争中，有的公司做产品，有的公司做服务，而小鹏更多布局的是科技差异、全球部署。我们几家都在用不同的角度推出不一样好的产品，来服务这个市场。良性竞争下把整个市场越做越好、越做越大，这是我们一致的目标。”何小鹏表示。
-
字节回应“亿元年薪挖DeepSeek员工” 澎湃新闻记者 范佳来有传言称，前DeepSeek研究员郭达雅已被字节跳动以亿元年薪“挖角”。4月16日，澎湃新闻记者通过多方信源了解到，郭达雅确实已经加盟字节跳动，但具体薪资尚未披露。4月16日，抖音集团副总裁李亮回应称，相关消息不实，字节跳动招聘的所有Seed团队技术人员的薪资体系都是一样的，包括现金、字节期权和豆包期权，期权是四年期全部归属，无所谓 “需要满足一定条件才能拿全” 的情况，近期更没有招聘到什么近亿元年薪的员工。当然Seed员工的字节和豆包期权，未来收益根据期权价格有波动，假如业务发展的很好，不排除有些Seed技术人员四年后收益会达到数亿元。据相关消息披露，郭达雅已加入字节跳动负责大模型研发的组织Seed，是agent（智能体）方向负责人之一，职级为L8。有传言称，郭达雅的薪资水平接近国内顶级AI人才，类似腾讯姚顺雨。值得关注的是，在郭达雅入驻大厂的同时，字节跳动Seed团队也有大量核心员工被挖角，过去一年已被挖近70人，包括Seed Edge成员徐名宇，加入了DeepSeek模型结构组。DeepSeek的首位员工李宇琨，则是2023年从字节搜索团队跳槽DeepSeek。腾讯也挖走近30名Seed员工，助其重构AI Infra和数据基建，阿里Qwen团队则有葛浩等多名Seed成员加入负责重要岗位。这已经不是DeepSeek首次被国内大厂挖角。去年11月12日，澎湃新闻记者独家获悉，原DeepSeek研究员罗福莉在朋友圈发文：“智能终将从语言迈向物理世界。我正在Xiaomi MiMo，和一群富有创造力、才华横溢且真诚热爱的研究员，致力于构建这样的未来，全力奔赴我们心目中的AGI。”这也是罗福莉首次正式宣布，自己已经加入小米，此前有传言称，罗福莉以千万年薪被雷军“挖角”。公开资料显示，罗福莉本科毕业于北京师范大学计算机专业，硕士阶段进入北京大学计算语言学深造。硕士毕业后，罗福莉加入阿里巴巴达摩院，担任机器智能实验室研究员，负责开发多语言预训练模型VECO，并推动AliceMind项目的开源工作。2022年，罗福莉加入DeepSeek母公司幻方量化从事深度学习相关工作，后又担任DeepSeek的深度学习研究员，参与研发DeepSeek-V2等模型。目前国内AI大厂已经全面进入“95后”时代，新一代青年科学家已成为崭露头角的AI领军人才。去年12月17日，澎湃新闻记者独家获悉，腾讯升级大模型研发架构，新成立AI Infra部、AI Data部、数据计算平台部，全面强化其大模型的研发体系与核心能力，年仅27岁的姚顺雨出任“CEO/总裁办公室”首席AI科学家，向腾讯总裁刘炽平汇报；同时兼任AI Infra部、大语言模型部负责人，向技术工程事业群总裁卢山汇报。据公开资料，姚顺雨毕业于清华大学姚班，清华姚班是清华大学计算机科学实验班的简称，由世界著名计算机科学家姚期智院士于2005年创办，旨在培养国际顶尖的计算机科学及交叉创新人才。姚顺雨曾任姚班联席会主席，还是清华大学学生说唱社联合创始人。2025年5月23日，《麻省理工科技评论》“35岁以下科技创新35人”中国区名单发布，27岁的姚顺雨入选，成为最年轻的入选者。本 期首席 编 辑 邹姗
-
AI如何改变打工人？我们和N个行业的「牛马」聊了聊 AI技术应用正在深刻影响各行各业，而且呈现出愈加割裂的群体态度。近日，OpenAI CEO奥特曼的家先后遭受燃烧瓶和枪击袭扰，公众对于以ChatGPT等为代表的AI助手应用，对其生活、工作以及职业发展、生存挑战的「声讨」已经上升到真实社会层面的暴力事件程度。美国并不是孤例。今年2月，数百名反人工智能抗议者在伦敦国王十字发起抗议活动，这里是OpenAI、Meta和谷歌DeepMind英国总部所在地。活动由两个不同的维权组织「暂停人工智能」（Pause AI）和「停止人工智能」（Pull the Plug）发起，他们高喊口号，挥舞标语，被誉为迄今为止规模最大的同类抗议活动。在中国启动的「人工智能+教育」行动计划中，人工智能被纳入教师资格考试和认证内容，中小学生的人工智能教育要加快普及，人工智能要成为高校公共基础课。那么，对于已经在职场深耕的「牛马」群体来说，AI技术应用的冲击和影响又到何种程度了呢？雷科技（ID：leitech）访谈多个领域的职场人，同时结合样本量更大的问卷调查结果，试图呈现不同行业打工者群体在当下的职业心态变化轨迹，以及对AI影响冲击的立场、态度和行动。 直面第一波冲击的打工人，并没有想象中那么慌 今年3月，Anthropic发布的一份报告显示：商业与金融、计算机与数学、办公室与行政、管理、法律、艺术与媒体是「理论AI覆盖率」最高的六类职业，而目前「实际AI覆盖率最高」的七类职业依次为计算机与数学、办公室与行政、商业与金融、销售、法律、艺术与媒体、教育与图书馆。 图源：Anthropic林晖是某金融集团全资科技子公司的互联网前端开发人员。AI智能体，当下最火热的技能（Skills）之一是「网页设计制作」领域，对应到「码农」群体中的前端开发岗位人员。按理来说，前端开发人员当下的「AI焦虑感」无疑会体现得很明显，然而林晖目前的实际反应和感受却颇为淡定。林晖对雷科技（ID：leitech）表示，他们这个「系统」（项目组），目前两个前端、十个后端，「前端都忙不过来了」，怎会有闲心担忧被AI取代？不过，林晖也承认，因为目前项目特殊性，导致前后端人员配置比例「更极端」（注：有底层网络服务器等），而同项目组后端开发人员也不愿意来覆盖前端领域工作，「数据展示有什么技术含量？」林晖表示，目前公司设想是老的前端未来转为全栈开发，但目前实际情况下，前端开发越来越少，一个项目、一个岗位总需要有人去兜底，「出问题了，怎么办？」对于新招岗位，林晖所在公司目前已不再招聘单独的前端开发岗位，以后只招全栈开发岗位，前后端工作内容融于一身。公司也在对老员工进行前后端技术融合的互相培训，让老员工可以拓宽能力边界。雷科技（ID：leitech）了解到，直到目前，不少融入AI协作系统的新创企业，其相关岗位技术人员，依然要承担最后的「把关者」角色，例如AI写的代码，依然需要程序员进行最终交付或正式上线前的人工审核流程。陈素是传统家居出海企业中的一位互联网后端技术人员，他对雷科技（ID：leitech）表示，目前公司的前后端开发已经转为全栈开发人员，「公司的后台页面就是我自己开发的Vue前端框架」。陈素表示，现在公司强调多用AI助手，之前需要多个程序员承担的工作，也被压缩到两个人乃至一个人来承担。例如，原本前端负责的后台管理系统页面，已经交由后端接管。而对于前端页面交互，特别是新的页面，先由AI写基础代码，然后人工修改和优化。至于后端逻辑，目前主体还是先人工开发，遇到问题再寻求AI解决。他还举例道，自己所在的项目组，之前有两位UI设计师；去年下半年，一位UI设计师离职，直到现在也没有补上空缺，上级的态度是，让另外一位UI设计师，多用AI提高工作效率。 AI生成的苹果50周年纪念页面（图源：雷科技）陆可在外企从事会计工作，但目前并未感受到明显的AI焦虑。相反，他感受到了AI应用对于自身工作更好开展的乐趣。陆可在外企的会计工作，需要经常用英文回复工作邮件，而他本身并不是英语专业出身。「我在AI翻译润色工具的帮助下，也能较好应付英文邮件查阅和回复」，陆可对雷科技（ID：leitech）表示。 「我想用AI，但转视频1秒1块钱，太贵了！」 码农群体之外，自媒体人同样是AI冲击下的第一波显著影响群体。方遥在运营当地一家比较大的房产自媒体号，主攻图文内容，楼盘航拍视频作为特色。近年来，楼市处于下行期，迟迟未见显著的触底迹象。作为地产自媒体人的他，目前心态也有点着急。对于AI，他也是向雷科技（ID：leitech）表达了复杂的心态。一方面，方遥希望可以通过AI技术应用来实现更高的工作效率乃至之前不可能完成的一些工作，例如更快的写稿速度、更多的视频制作，包括此前从未涉足的「资讯视频」制作领域。另一方面，主战场在公众号领域的自媒体，又特别看重平台对AI写稿、发稿的管控力度和尺度。现在系统能判定AI文章，AI所写内容基本不会被平台推荐，稳妥起见还是自己手搓所有内容，方遥对雷科技（ID：leitech）表示。就在近期，针对「夫妻用AI写公众号年赚200万」事件，微信对AI撰写、发布等全流程进行了运营规范的再度明确。不出意外，公众号接下来将严打愈演愈烈的「AI内容发公众号」等此类行为。再一方面，方遥也比较关注文字信息转视频内容的技术进展情况。对字节跳动旗下AI视频生成模型Seedance 2.0，他起初就很想进行尝试，将资讯信息转为视频内容，然后再进行更多平台的分发；但一看到1秒1块钱的转视频成本，以及连带的「抽卡」损耗，就感觉「太贵了」！ 图源：字节跳动1秒1块钱的转视频成本，对自媒体人来说可能偏贵，但对于商业变现能力极强的AI漫剧赛道来说，又算便宜了，这或许也是Seedance 2.0生成作品直到现在依然要进行排队等候的重要原因。对于个人房产号的未来发展，方遥表示，自己会先去尝试用AI做个小程序，「以后肯定要学着转型，现在方向不明朗」。至于针对AI大的转型调整，方遥直言等地产行情好了再弄，「现在没啥动力，客户都没几个」。 转向AI覆盖率低的岗位，正在成为更多打工人的选择 近期，深度求索（DeepSeek）放出新一批岗位招聘信息，杭州和北京之外，首次出现工作地为内蒙古乌兰察布的岗位。两个相关岗位分别为数据中心高级交付经理、数据中心高级运维工程师，月薪最高3万元。BOSS直聘报告显示，2025年雇佣量增长最高的职业是电工。随着全球数据中心的大规模建设，电力基础设施相关岗位需求激增，而电工涉及的物理操作和复杂环境适应能力，AI和具身智能机器人在短期内难以胜任。周牧是基层街道的一名编制人员，他很早就开始利用AI辅助材料撰写、PPT制作等领域工作。对于AI，他认为目前依然是偏工具性质的技术应用。AI可以帮助基层各个岗位人员提高工作效率，但基层工作岗位性质决定了在可预见未来也只能是个助手，最大的影响可能是不需要之前那么多的编外聘用人员了，周牧对雷科技（ID：leitech）表示。 图源：豆包AI苏雨目前的工作，主要负责写汇报材料，基于相关媒体每天产出的内容。他对雷科技（ID：leitech）表示，自己也有尝试进行AI写作或辅助写作，但感觉还不是很熟练。另外，苏雨本身就喜欢「搞数据」，加上也花不了太多时间，「一张图十分钟左右就搞定了」，所以目前也没利用AI来整理数据和编制图表。江沅是一家新媒体公司的行政岗位人员。新媒体公司通常采用「扁平化」管理和小规模团队运作，江沅并没有太多技术「含金量」和可以建立真正职业壁垒的活可干，而且他作为公司行政已经干了不短的年份。和他的前任一样，他也逐渐明确了由行政岗位转向商务岗位的职业发展规划。AI时代，与人打交道、可产生更高收入的工作岗位，正在成为更多人的心头好。 AI技术应用浪潮，所有职场「牛马」都不敢缺席 雷科技（ID：leitech）此前采访过一家早在去年底就给技术开发团队下达每日「Token消耗」KPI的创业公司。而从目前的阶段性成果来看，这家公司开发团队不仅在工作效率上得到了显著提升，而且整个技术团队的工作方法和技能发生了显著变化，更加AI Native（原生AI）化了。 图源：妙搭AI不过，这家公司负责人也直言，当下只是对旗下技术研发团队有「Token消耗」KPI指标，先把这一部门和岗位体系的「AI Native」演变进程跑通；对非技术部门，可能还是考量任务自动化率、SOP技能化（Skill化程度），以及有没有创造出新的业务价值。在近期阶段，AI完全可以胜任的工作领域，只是那些确定性高、数字化程度高的低端和基础技能。而比较「工具人」的岗位、职业，将更容易和率先被AI取代。基于更大样本量和更广职业类型覆盖的调查问卷结果，雷科技（ID：leitech）也看到了AI介入职场、影响打工人的更多新趋势：一、所有参与问卷的职场人，都有在工作中使用AI。其中，每天必用、已成主要生产力工具的AI「深度依赖者」占比已有两成，每周多次、处理特定任务时主动使用AI的「高频使用者」占比接近五成。二、职场人目前利用AI协作的主要工作环节，依次是资料搜集与信息摘要（占比34%）、撰写初稿和文稿润色（占比23%）、数据分析和代码辅助（占比16%）。三、半数以上的职场人认为，相比一年前，AI对自身具体业务执行的渗透率在明显提升。四、近六成的职场人表示，所在企业或单位对员工使用AI的态度是「默许使用，但没有正式支持，主要靠自己摸索」。与此同时，25%的职场人表示自己企业正在积极鼓励员工使用AI，包括提供正规付费账号、Token配额及其相关培训。五、七成职场人对AI技术应用在工作中的普及持积极正面情绪。参与问卷的职场人中，一半人士对AI技术应用在工作中的普及呈好奇、探索的态度情绪，二成人士更是持兴奋、期待情绪，另有两成人士呈平静、无感的情绪。六、绝大多数职场人认为，AI很难替代自己当前岗位的「核心价值」。参与问卷的职场人中，只有13%的比例认为自己当前岗位的核心技能，AI都能做，甚至可以做到更好。近四成的职场人认为，AI可以替代自身岗位部分简单和重复性工作，但决策类、人情世故类乃至「背锅」类部分，AI还是替代不了。余下一半职场人则认为，AI近期只能打下手，自身岗位主要还是依赖个人的技能、经验和判断。七、对于自身岗位的未来稳定性，七成职场人认为「稳中有忧」：目前安全，但必须不断学习新AI技能。与之对应的是，认为自身岗位未来非常稳固、「我有不可替代专业壁垒」的职场人占比不到两成。八、AI让自己的工作变得更卷了？这一观点，目前只有两成职场人「非常认同」，余下四成职场人「比较认同」，另有四成职场人「不太认同」。九、适应AI时代，职场人认为自身需要具备的最核心素养依次是深度提问与指令下达能力、极度专业领域的纵深知识和经验、人际连接与情感服务能力、跨领域的审美与评判力。十、对于企业，职场人最希望可以提供明确的AI辅助工作流程指引，包括清晰划定哪些流程和环节可以利用AI协作。此外，职场人也希望企业可以提供系统性、针对性的AI应用操作培训，以及因AI提效带来的工作量重新评估与减压，而不是反向加码。（文中受访者林晖、陈素、陆可、方遥、周牧、苏雨、江沅，均为化名）
-
警惕人工智能让人类陷入“自恋” 近日，国家五部门联合发布的《人工智能拟人化互动服务管理暂行办法》明确规定：严禁向未成年人提供虚拟亲属、虚拟伴侣等虚拟亲密关系服务。为什么要有这样的规定？因为真实生活中免不了情感上的矛盾和冲突，而虚拟伴侣、AI 恋人等产品却可以凭借“全天候陪伴”“无条件包容 ”的特性，精准击中年轻人渴望认同的心理需求。此前美国《科学》杂志发表的一项研究也显示，当人类用户向人工智能模型寻求建议时，AI常表现得过度迎合或谄媚，甚至对于一些有害甚至违法的提问，AI也常常肯定用户的立场。那么，人类为什么要这样设计人工智能？AI的讨好和谄媚可能隐藏着怎样的风险？一人工智能的发展无疑是当下受到广泛关注的热点问题，但围绕它的讨论，并不是现在才出现的。早在1966年，麻省理工学院科学家约瑟夫·维森鲍姆就开发了第一款具有广泛影响力的聊天机器人ELIZA。他让机器充当“医生”，用户充当心理病人。用户把问题输入机器，“医生”就会和它“对话”。但正如维森鲍姆所言，这终究只是一种“幻觉”。人类用户之所以感觉能与机器对话，并非因为机器具备智能，而是源于一种自我投射的心理机制。用户说：我这段时间很不开心。ELIZA说：听到你这么说我很遗憾。用户说：是的，我真的很不开心。ELIZA说：你能说说你为什么不开心吗？……从中不难看出，与其说这是“医生”在和“病人”对话，不如说是机器一直在顺着人类用户说话，大家最终看到的只是自己内心早已存在的答案。从某种意义上来说，这就好像最近非常流行的SBTI测试，测得准不准根本不重要，我们总能从测试答案中，找到迎合自己期待的证据。今天的AI大模型当然并非半个多世纪前的ELIZA可比。但如今人工智能技术的强大，或许并不在于其有了真正的“智能”，而在于它的“算力”。也就是说，它的运行逻辑和当年的ELIZA并无本质区别，无非是更高效、更全面地映照和放大了用户的自恋。二回到虚拟伴侣和AI谄媚的问题上来，我们就会发现，当下用户和大模型之间的交流，其实也从来不是真正意义上的“对话”，只是机器在不断提供我们需要的答案而已。 从中引出的更深层次问题就是，我们到底该怎么看待人类与机器的关系？一方面，人类认为自己是世界的中心，是比机器更优越的生物，但另一方面，人类又很害怕被自己所制造的机器，比如AI所取代。也就是说，人类在制造机器的时候，其实遵循的一直是“主奴关系”的原则——机器必须在人的掌控之中。从一开始，人类就把人工智能当作一种“工具”，而不是可以和自己平等对话的对象。于是，在人和聊天机器进行对话的过程里，我们能看到的是一种不可遏制的自恋——用户幻想自己在跟另一个人说话，但这个“他者”并不真的存在，他或她需要的不过是机器对自己的肯定、讨好和迎合。不难想象，随着人工智能技术的发展，未来的聊天机器人可能会拥有更强大的算力，更像“真人”，可以提供更舒服的“用户体验”。但这样一来，不管是虚拟伴侣还是虚拟家人，或许只会让我们跟真正的“人”离得越来越远，甚至失去了解别人的意愿，沉迷在自恋的“舒适圈”里。三《庄子·天地》中记载了一个“汉阴老农”的故事。孔子的弟子子贡在路过汉阴时，看见一位老农用水浇菜，费了很多力气而收效甚微。子贡建议他改用机械灌溉，这样可以“一日浸百畦，用力寡而建功多”。但老菜农对此不以为然，表示：“有机械者，必有机事；有机事者，必有机心。”这里的“机心”指的是人的精神世界，包括心理、思想、情感、伦理等。庄子的寓言是在说，人制造了机器，但反过来，对机器的使用也在改变人。就拿阅读来说，只有慢读、细读，甚至是反复阅读，我们才能思考，真正理解内容。从传统的书籍，到现在的智能手机，机器带来了更方便、快捷的阅读方式，却也让我们变得越来越像机器，更加追求效率和速度，而不是有没有“读懂”。也就是说，不光机器在模仿人的行为方式，人可能也在模仿机器。由此带来的问题是，AI是没有自主性的，聊天机器人也不会思考用户说得对不对，如果我们真的对自己和聊天机器人的“对话”感到心满意足，那么会不会有一天，我们的思维模式也越来越趋向于AI？进而言之，未来的我们会不会和机器一样，失去自我反省、自我批判的意愿和能力？今天的年轻人，不光是互联网的原住民，也一定是未来人工智能的深度用户。如果AI只是一味地肯定用户立场，不仅有可能损害人们的社交能力，还有可能扭曲心智尚未成熟的青少年的认知。一方面，AI的强大算力，有可能让他们产生幻觉，认识不到人的能力存在局限；另一方面，沉迷于AI谄媚式的回应，也有可能让他们陷入“自我中心”，把自我的有限认知强加于外部的世界。就此而言，禁止向未成年人提供虚拟伴侣、家人很有必要，但更重要的是，如何引导公众尤其是青少年正确认识AI技术的局限和风险，让它成为助力未成年人成长的“良师益友”，而非有损身心健康的“数字陷阱”。
