云霞资讯网

9月7日外交部蓝厅例行记者会上，法新社记者那个急切提问和发言人毛宁那淡淡的回应，真是把“字越少、事越大”的大国博弈艺术，演绎到了骨子里！当时法新社记者伸长了脖子，抛出一个早已在西方媒体圈传得沸沸扬扬的问题：中美是不是要在未来几周内正式举行新一轮人工智能（AI）高层对话？面对外媒记者满脸迫切的探究神情，咱们的外交部发言人毛宁神色自若，仅仅给出了简短到极致的一句话：“中美双方就人工智能问题保持着沟通。”没有多余的客套寒暄，没有大张旗鼓的日程剧透，甚至连一个多余的定语都没给。西方媒体越是在发布会上火急火燎地追问，发言人回得越是波澜不惊，就越说明在这场关乎人类未来几十年命运的AI超级大决战里，真正慌了神、急着找人兜底的，恰恰是那个天天挥舞制裁大棒的华盛顿！咱们好好品一品老美在人工智能这个问题上，那副精神分裂到了极点的丑陋嘴脸。前脚商务部雷厉风行，出台了一套又一套极其严苛的禁令，把英伟达的尖端算力芯片、光刻机软件对华出口死死卡住，甚至连中东第三方买点显卡都要被戴上放大镜审查，生怕中国的AI大模型多跑出一行代码；后脚白宫的各路说客又坐立不安，动辄通过各路媒体放风，急赤白脸地催着要跟中方坐下来谈“AI安全治理”，大谈什么“给人工智能装上安全护栏”。天底下哪有这么蛮横又荒唐的强盗逻辑？“一边把刀子架在别人脖子上拼命封锁算力，一边又涎着脸非要拉着受害者签一份限制自卫能力的‘安全保证书’，这种既想把别人锁死在低端、又怕自己失去绝对控制权的下作算计，真是把美式霸权的自私虚伪给演绝了！”他们为什么这么急着找中国谈AI？很多老百姓以为AI不过就是手机上写写作文、画画图的智能软件。大错特错！在现代大国较量里，人工智能是直接对接无人机蜂群作战、高超音速导弹自主突防、现代雷达信号反伪装，乃至未来核指挥控制系统的终极科技王座！美军心里跟明镜似的，中国拥有全世界规模最庞大的工程师红利，拥有全门类覆盖的实体制造业，更有从特高压电网到绿电算力中心的庞大能源底座。过去西方以为靠着断供几款先进制程芯片，就能把中国的AI发展活生生勒死在摇篮里；可现实狠狠抽了他们一记响亮耳光：中国的国产算力底座在极限施压下一天天拔节生长，开源生态百花齐放，在工业物联网和垂直应用场景上的落地速度，甚至反过来把硅谷那些空中楼阁甩在了身后！当五角大楼和华尔街发现单纯的技术封锁根本封不住中国前行的脚步时，他们骨子里的恐惧彻底爆发了。他们害怕一旦未来在台海或者西太平洋爆发无人智能战场的正面对抗，自己那些昂贵的尖端武器会被中国海量的智能蜂群彻底淹没；他们更害怕在国际科技规则的制定上，失去了过去几百年那种由昂撒白人一家说了算的话语霸权！“软招不灵用硬招，硬招踢到铁板了又想搬出‘规则’来捆住对手的手脚；老美这套用了上百年的老套路，在早已见惯大风大浪的东方大国面前，不过是一出令人发笑的透明把戏！”毛宁那句轻描淡写的“保持着沟通”，其背后蕴含的战略定力何其深厚！这句话在外交潜台词里翻译过来就是：门虽然没有关死，但我们什么时候谈、谈什么、按什么节奏谈，主动权完全牢牢握在我们自己手里！你想借着所谓的对话来摸底中国的算力底牌？对不起，无可奉告；你想靠着几场闭门会议把中国限制在西方制定的条条框框里？不好意思，痴心妄想！真正的国际大国博弈，从不在于谁在麦克风前喊得嗓门更大，而在于谁手里的产业链更扎实、谁的算力底座更牢固、谁在逆风暴雨中更能耐得住性子见招拆招！中国在AI领域的态度一直堂堂正正、光明磊落：科技发展的红利应该普惠全人类，智能武器的伦理必须守住底线，但这一切的基石，是必须建立在相互尊重和平等互利的铁律之上。不撤销那些无理蛮横的封锁清单，不放下那种居高临下的霸权傲慢，光靠在记者会上拐弯抹角地施压试探，永远换不来他们想要的任何实质性妥协！冷眼看穿风云变，任尔东南西北风。守好我们自己的算力粮仓，走稳我们自己的自主创新大路，让那些焦虑不安的造风者，在自己亲手点燃的冷战迷雾中继续提心吊胆去吧！

舞台在变。剧本不变。铁路。汽车。半导体。互联网。人工智能。不同的技术。不同的时代。相同的人类心理。最终会浮现同样的问题：创新何时停止成为资本的顺风，转而变成拥挤的交易？这张图表展示了标普500真实指数中的27年周期假设。1973–>2000=~27年。2000–>2027=~27年。​舞台在变。剧本不变。铁路。汽车。半导体。互联网。人工智能。不同的技术。不同的时代。相同的人类心理。最终会浮现同样的问题：创新何时停止成为资本的顺风，转而变成拥挤的交易？这张图表展示了标普500真实指数中的27年周期假设。1973–>2000=~27年。2000–>2027=~27年。一个周期远远不足以称之为规律。但当时机开始与过度杠杆、低家庭现金和相对强度轮动的早期迹象相吻合时，我认为值得关注。周期末期并不一定关乎预测顶部。它关乎认识到何时开始思考资本下一步流向何处。

中美差距究竟在哪？美国金融专家曾说：“美国在AI技术上绝对领先中国，中国在AI领域的唯一优势就是电力资源比美国多！”对此，马斯克毫不避讳一针见血地表示：“在人类历史的大部分时间里，中国一直是地球上最强大的国家。所以你可以期待他们做出很多伟大的东西，Deepseek就是其中之一。”把目光放到2026年，中美人工智能竞争已经很难只盯着某一款模型。芯片能不能稳定供应，训练集群有没有足够电力，模型成本能不能压下来，企业能不能找到大规模应用，最后都要算进同一本账里。美国金融圈把电力单独拿出来谈，并非完全没有道理，因为人工智能（AI）发展到当前规模之后，电早已不是不起眼的后台条件，而是直接决定数据中心能建多少、算力能跑多久的重要资源。马斯克谈到DeepSeek时，注意到的也不只是模型本身。2025年2月公开的视频中，他提到中国拥有大量聪明而且积极进取的工程师，并从中国长期历史出发判断，中国还会做出许多重要成果，DeepSeek就是其中一个例子。到了2026年再回头看，中国人工智能（AI）产业确实没有停留在一次产品走红上。2026年4月24日，DeepSeek-V4预览版上线并同步开源，支持百万级上下文。2026年7月31日，DeepSeek又更新V4-Flash正式版API，重点增强代码智能体和工具调用能力。不到一年半时间里，从R1受到全球关注，到V3.2、V4继续推进，能够看到的不是一次偶然出圈，而是一支研发团队正在按自己的技术路线持续往前走。美国的家底同样摆在那里。斯坦福大学2026年人工智能（AI）Index数据显示，美国2025年推出的重要人工智能（AI）模型数量仍高于中国，美国私人人工智能（AI）投资规模也远远领先。高端GPU生态、全球顶尖科技企业、风险资本以及基础软件工具，依旧是美国手中很厚的牌。真正容易被低估的，反而是电力背后的工业能力。国家统计局2026年2月28日公布的统计公报显示，中国2025年发电量达到105752.5亿千瓦时，年末发电装机容量达到38.91亿千瓦，其中太阳能发电装机达到12.02亿千瓦。美国能源信息署公布的2025年公用事业级发电量约为4.43万亿千瓦时。统计口径并非完全相同，但两组数据足以说明，中国拥有支撑大规模电气化产业和新增算力设施的庞大能源底盘。电多，还得能送到需要电的地方。2026年8月29日，国家数据局公布，截至2026年7月底，全国智能算力总规模达到245万PFLOPS，八大国家算力枢纽和三个算电协同发展区已建成智算规模占全国85%以上，其中145万PFLOPS已经纳入国家级监测调度平台。算力、电力和网络逐渐放在同一套布局中考虑，西部的能源条件开始同东部庞大的产业需求形成更紧密连接。美国也在补这门课。2025年7月23日公布的美国人工智能（AI）行动计划，把建设人工智能（AI）基础设施单独列为三大支柱之一，数据中心、能源供应以及相关审批都被列入政策安排。国际能源署预计，到2030年全球数据中心用电量可能超过目前一倍，美国将贡献最大的新增需求，中国紧随其后。美国能源信息署2026年公布的数据同样显示，数据中心已经成为美国近年用电增长的重要来源。中国另外一块优势藏在工厂里。国务院2025年8月21日印发的“人工智能+”行动意见，把人工智能与科技、产业、消费、民生和治理等领域结合起来，并明确提出推动人工智能与制造、生物技术、智能汽车、机器人等产业融合。中国制造业门类完整，工业机器人、新能源汽车、消费电子、电商物流以及大量中小企业都能成为模型进入现实生产的入口。算法写在论文里只是开始，真正装进设备、接入生产线、每天接受真实订单和生产数据检验以后，技术才会不断磨出新的能力。所以到了2026年9月，中美人工智能（AI）竞争已经形成两套很有特点的能力结构。美国仍握有高端芯片、巨额资本、顶尖基础模型和成熟软件生态，中国则把工程人才、电力系统、制造体系、应用市场和越来越大的智能算力连接起来。

纽约时报中文网今天（9月7日）写道：“美国企业界日渐青睐开放人工智能模型：许多最流行的开源人工智能模型都出自中国公司，其中有些性能已经接近OpenAI和Anthropic的领先模型，价格却更为低廉。不过，中国模型在监管和数据隐私方面仍存在争议。”评几句：纽约时报这篇报道承认中国开源AI模型凭借不俗性能与价格优势获得美国企业青睐，算是难得看见客观事实，但是笔锋一转便抛出监管与数据隐私的争议，依旧摆脱不掉西方媒体的固有滤镜。中国开源模型支持本地部署，海外使用者完全可以把数据留在自身服务器，所谓隐私风险更多是地缘叙事的渲染。美国企业愿意选用，本质是市场用脚投票，是性价比与开放模式带来的商业选择。可部分外媒一边享用中国AI技术红利，一边反复抛出预设偏见，用双重标准对中国AI产业挑刺，无视美国闭源模型自身的数据安全漏洞，这种先接纳成果再制造质疑的套路，恰恰反映出面对中国科技产品时的复杂心态。

以后根本不需要那么多初级程序员了。我作为一个文科生，用AI写了一个小程序，一步步按照AI指导做下来也发布了。另外我前两天用AI出了一个装修设计方案，连预算和PPT都弄出来了，非常不错。GPT-6训练后期AI自己维护系统，雷军投的元环智能也在搞AI用AI，这就是典型的递归自我改进。AI自己写代码、自己​以后根本不需要那么多初级程序员了。我作为一个文科生，用AI写了一个小程序，一步步按照AI指导做下来也发布了。另外我前两天用AI出了一个装修设计方案，连预算和PPT都弄出来了，非常不错。GPT-6训练后期AI自己维护系统，雷军投的元环智能也在搞AI用AI，这就是典型的递归自我改进。AI自己写代码、自己debug，这闭环一旦跑通，那些还在教人“零基础学Python”的培训机构，趁早转型吧。别拿“AI只是工具”来杠，工具不会自己迭代自己。

台积电创始人张忠谋曾表示：中国14亿人口，从来就不缺人才，全送到美国了，怎么跟美国竞争？与此同时，中国科学院院士施一公一语道破现状：许多中国高科技人才宁可在美国平庸度日，也不愿回国施展才华，为祖国发展做贡献！很多人只注意到了张忠谋关于人才流动的那句话，却忽略了一个更深层的问题：一个国家真正的科技实力，并不是看有多少聪明人，而是看这些聪明人的成果最后在哪里形成产业。历史上，美国能够成为科技中心，很大程度上依靠全球人才汇聚；今天中国正在经历的变化，也是从“人才输出”走向“人才竞争”的过程。1986年的美日半导体协议与今天的科技竞争高度相似，当年的日本依靠企业体系和工程能力快速追赶美国，美国随后通过贸易规则和产业政策重新调整竞争格局，但关键差异在于，当年的核心矛盾主要是企业市场份额，而今天的竞争已经扩展到人工智能、先进制造和人才体系，这意味着未来赢家必须拥有完整创新生态。张忠谋本人就是全球科技人才流动的特殊案例。他年轻时在美国学习和工作，长期参与半导体产业发展，后来返回台湾地区推动半导体产业建设，并创办台积电。这段经历说明，人才在哪里发挥作用，往往取决于当地是否拥有产业机会和发展平台，而不是简单取决于个人背景。过去几十年，美国科技体系吸引大量全球人才进入高校和企业，这种人才优势帮助美国保持技术领先。但今天全球科技竞争环境正在变化，美国针对先进技术领域持续调整政策，限制部分关键技术流动，也让人才和科研交流面临新的不确定性。对于中国而言，真正的问题已经不是有没有人才，而是能否让人才和产业形成有效连接。中国拥有完整制造体系、巨大市场规模以及大量工程应用场景，这些条件决定了中国具备吸引科技人才发展的基础。当前中国科研机构也在加强海外人才吸引，重点布局人工智能芯片、先进制造装备等方向，这说明人才竞争已经进入体系竞争阶段。施一公曾指出，一些海外科研人员长期留在美国，并非完全因为能力差异，而是因为成熟科研体系能够提供稳定环境。这个现象说明，人才选择背后存在现实因素，包括科研条件、产业机会、职业路径，而国家竞争最终比拼的是谁能提供更好的创新土壤。芯片行业尤其能够说明这个问题。一枚先进芯片背后，不只是几个顶尖科学家的突破，而是设计、制造、材料、设备、软件等多个领域人才共同完成的结果。美国、日本、韩国以及台湾地区半导体产业的发展经验都证明，产业链越完整，对人才吸引力越强。人工智能时代进一步放大了这种趋势。AI竞争不仅发生在算法实验室，也发生在制造企业、互联网平台和实际应用场景中。拥有庞大市场的一方，可以让技术快速商业化，从而形成新的研发循环。中国正在推动人工智能与产业融合，这意味着人才竞争已经从单纯争夺论文成果，转向争夺产业落地能力。美国过去依靠全球人才形成科技优势，这是一种开放体系带来的收益。但任何国家都无法永远依靠外部人才输入保持领先。当竞争进入人工智能和先进制造阶段，真正重要的是能否培养本土人才、吸引海外人才，并让人才成果快速转化。张忠谋那句话之所以引发讨论，是因为它触及了科技竞争中的一个现实规律：人口规模只是基础，人才组织能力才决定上限。14亿人口意味着巨大潜力，但这种潜力必须通过教育体系、科研平台和产业机会转化为竞争优势。从2026年9月初来看，未来科技竞争不会只是比谁拥有多少优秀人才，而是比谁能够建立更加稳定的人才循环体系。过去全球人才主要流向美国，美国因此获得优势；今天随着中国科技产业规模扩大，全球人才流动正在出现新的变化。真正决定未来格局的，不是谁拥有几个明星科学家，而是谁能够让更多优秀人才找到发挥价值的位置。中国不缺人才，关键是持续创造让人才留下、成长、突破的环境。当人才优势转化为产业优势，中国在芯片、人工智能等关键领域的竞争能力才会真正释放。

华为老总任正非曾说过“在人工智能时代如果你没接受过大学教育，英语也不好，又不会计算机那你连做工人的机会都没有。”​

从Anthropic上市说起：技术够好，为什么还不够？Anthropic，这家开发Claude的人工智能公司，正在准备上市，潜在估值可能高达2万亿美元。Anthropic2021年才成立，到现在不过五年，却已经从一家研究型AI公司成长为全球最受资本关注的人工智能企业之一。看到这张图，我想到的却不只是它今天值多少钱，而是另外一个问题：如果Anthropic当初更早一点把自己的产品推向市场，今天的人工智能格局会不会完全不同？Anthropic的创始团队中，有一批人原来来自OpenAI。DarioAmodei、DanielaAmodei以及几位核心研究人员，因为对人工智能的发展方向、安全问题以及商业化节奏存在不同看法，在2020年底离开OpenAI，第二年创办了Anthropic。其实他们很早就已经拥有了大型语言模型，只是因为担心人工智能发展过快，模型能力不断提升以后可能带来更多不可预测的风险，所以没有急着把产品推向普通消费者市场。从他们当时的立场来看，这种选择当然有它的道理。他们认为，一个能力越来越强的人工智能系统，不应该只追求更快推出、更大规模使用，而应该首先考虑安全、可控和可解释的问题。问题在于，商业世界从来不会等到所有人都准备好了才开始。你认为自己是在等待一个更成熟、更安全、更负责任的时机，市场却可能已经被别人抢先占领。2022年底，OpenAI推出了ChatGPT，第一次让普通人真正理解人工智能到底可以怎样使用。在此之前，人工智能更多还是研究机构、科技公司和专业人士讨论的技术名词，普通人并不知道所谓大型语言模型究竟和自己的生活有什么关系。ChatGPT出现以后，人工智能突然变成了一件每天都可以打开、可以说话、可以写东西、可以问问题、可以帮助工作的工具。OpenAI真正厉害的地方，不只是技术，而是它抢到了人工智能进入普通人生活的第一个入口。今天很多人会自然地说：“我去问一下ChatGPT。”当一个产品名逐渐变成一种行为本身的时候，它已经不仅仅是一个软件产品，而开始占领整个品类的心智。过去人们说“Google一下”，今天越来越多人说的是“问一下ChatGPT”。而这种优势，并不是后来推出一个能力差不多，甚至在某些方面更好的模型，就能够轻易改变的。拿我自己来说，我一直使用ChatGPT。Claude可能在某些写作、编程或者长文本处理方面表现很好，甚至在写作文字这种具体任务上，我的美国作家朋友认为它比ChatGPT更出色。虽然我也试过，但并不会因此就转过去。因为我已经习惯了ChatGPT，也知道怎样和它交流，过去的使用习惯、工作方式以及大量对话都已经在这里形成。这就是后来者真正要面对的问题。换一个人工智能平台，并不只是简单地再下载一个App。对于普通用户来说，最大的成本往往不是技术成本，而是习惯成本。只要原来的产品已经足够好，人就很少有动力重新学习另外一个平台。竞争者如果只是做到一样好，通常不足以让用户迁移；它必须在某些非常重要的场景中明显更好，才有可能打破已经形成的使用习惯。所以从消费市场的角度回头看，Anthropic当年的谨慎，确实可能让它付出了很大的机会成本。它不是没有技术，也不是模型不够好，而是没有抢到“人工智能第一次真正进入大众生活”的那个时刻。这个时刻一旦被别人占据，后来再追赶，就不只是比较模型能力，而是在和已经形成的品牌认知、用户习惯以及整个生态系统竞争。这也是为什么技术领先和市场领先从来不是一回事。很多做技术的人会觉得，产品还没有足够完善，可以再等等，再优化一点，再安全一点，再把功能做完整一点，然后再推出。但在一个刚刚形成的新市场里，等待有时候本身就是最大的风险。因为当你还在打磨产品的时候，别人可能已经先教育了市场，也让消费者形成了使用习惯。等你终于拿出一个更好的产品，消费者也许会承认它确实不错，然后继续使用原来的那个。从这个角度看，ChatGPT最大的成功之一，其实不是单纯把GPT模型做得多强，而是把非常复杂的人工智能技术，变成了一个任何人打开网页就可以使用的聊天框。这个设计看起来简单，甚至简单到今天已经让人忘记它当年有多革命性，但正是这个聊天框，让全世界第一次真正理解了生成式人工智能。后来Claude出来了，Gemini出来了，各种各样的新模型也不断出现。模型之间的能力差距事实上正在缩小，但是品牌差距和用户习惯的差距并不会自动一起缩小。一个产品一旦先占据了用户的大脑，后来者想要重新定义这个品类，就会变得非常困难。当然，无论如何，像Anthropic这样一家成立只有五年的公司能够成长到今天这样的规模，本身就是科技史上非常罕见的成功。Anthropic现在显然也已经不再单纯试图把Claude做成第二个ChatGPT，而是在寻找属于自己的市场位置。ClaudeCode、企业客户、专业知识工作和AIAgent，实际上都是非常重要的方向。既然大众入口已经被ChatGPT抢先占据，它就没有必要一定把所有普通用户都抢回来，而可以让程序员、企业和专业工作者在一些关键场景中首先想到Claude。如果普通消费者首先想到的是ChatGPT，那么Anthropic完全可以努力做到，让程序员首先想到ClaudeCode，让大型企业部署AI时首先考虑Claude，也让越来越多复杂、高价值、专业化的工作进入Anthropic的系统。只要这些市场足够大，它依然完全可能成为世界上最重要的科技公司之一。所以今天再看这张“潜在估值2万亿美元上市”的图片，真正值得思考的已经不只是Anthropic当年到底做对了还是做错了。它当然成功了，而且是极大的成功。但它的故事同时留下了一个非常值得创业者思考的问题：一家技术能力极强的公司，并不会因为技术强，就自动获得最大的市场。很多时候，在一个新行业刚刚出现的时候，最宝贵的资源并不是技术，而是时间。产品当然可以不断完善，技术当然可以不断升级，商业模式也可以一再调整，但有一样东西一旦被别人抢先拿走，就很难重新夺回来，那就是用户第一次认识这个市场的时候，脑子里记住的是谁。更有意思的是，当年Anthropic因为谨慎，没有抢先把产品推向大众市场，而今天它和OpenAI却几乎同时走到了资本市场的门口。只是两家公司带到公开市场上的东西已经完全不同：OpenAI带着ChatGPT所建立起来的巨大消费者入口和全球品牌，Anthropic则带着Claude、ClaudeCode，以及它在企业、开发者和专业工作市场中逐渐形成的位置。五年前，他们因为对人工智能应该怎样发展产生分歧而分开；五年后，他们沿着两条不同的道路，各自建立起庞大的公司，又几乎同时走向公开市场。到那个时候，资本市场比较的恐怕已经不只是哪个模型更聪明，而是哪一种路径最终能够形成更大的商业价值。也许这才是Anthropic与OpenAI这段故事最值得看的下一章。

从Anthropic上市说起：技术够好，为什么还不够？Anthropic，这家开发Claude的人工智能公司，正在准备上市，潜在估值可能高达2万亿美元。Anthropic2021年才成立，到现在不过五年，却已经从一家研究型AI公司成长为全球最受资本关注的人工智能企业之一。看到这张图，我想到的却不只是它今天值​从Anthropic上市说起：技术够好，为什么还不够？Anthropic，这家开发Claude的人工智能公司，正在准备上市，潜在估值可能高达2万亿美元。Anthropic2021年才成立，到现在不过五年，却已经从一家研究型AI公司成长为全球最受资本关注的人工智能企业之一。看到这张图，我想到的却不只是它今天值多少钱，而是另外一个问题：如果Anthropic当初更早一点把自己的产品推向市场，今天的人工智能格局会不会完全不同？Anthropic的创始团队中，有一批人原来来自OpenAI。DarioAmodei、DanielaAmodei以及几位核心研究人员，因为对人工智能的发展方向、安全问题以及商业化节奏存在不同看法，在2020年底离开OpenAI，第二年创办了Anthropic。其实他们很早就已经拥有了大型语言模型，只是因为担心人工智能发展过快，模型能力不断提升以后可能带来更多不可预测的风险，所以没有急着把产品推向普通消费者市场。从他们当时的立场来看，这种选择当然有它的道理。他们认为，一个能力越来越强的人工智能系统，不应该只追求更快推出、更大规模使用，而应该首先考虑安全、可控和可解释的问题。问题在于，商业世界从来不会等到所有人都准备好了才开始。你认为自己是在等待一个更成熟、更安全、更负责任的时机，市场却可能已经被别人抢先占领。2022年底，OpenAI推出了ChatGPT，第一次让普通人真正理解人工智能到底可以怎样使用。在此之前，人工智能更多还是研究机构、科技公司和专业人士讨论的技术名词，普通人并不知道所谓大型语言模型究竟和自己的生活有什么关系。ChatGPT出现以后，人工智能突然变成了一件每天都可以打开、可以说话、可以写东西、可以问问题、可以帮助工作的工具。OpenAI真正厉害的地方，不只是技术，而是它抢到了人工智能进入普通人生活的第一个入口。今天很多人会自然地说：“我去问一下ChatGPT。”当一个产品名逐渐变成一种行为本身的时候，它已经不仅仅是一个软件产品，而开始占领整个品类的心智。过去人们说“Google一下”，今天越来越多人说的是“问一下ChatGPT”。而这种优势，并不是后来推出一个能力差不多，甚至在某些方面更好的模型，就能够轻易改变的。拿我自己来说，我一直使用ChatGPT。Claude可能在某些写作、编程或者长文本处理方面表现很好，甚至在写作文字这种具体任务上，我的美国作家朋友认为它比ChatGPT更出色。虽然我也试过，但并不会因此就转过去。因为我已经习惯了ChatGPT，也知道怎样和它交流，过去的使用习惯、工作方式以及大量对话都已经在这里形成。这就是后来者真正要面对的问题。换一个人工智能平台，并不只是简单地再下载一个App。对于普通用户来说，最大的成本往往不是技术成本，而是习惯成本。只要原来的产品已经足够好，人就很少有动力重新学习另外一个平台。竞争者如果只是做到一样好，通常不足以让用户迁移；它必须在某些非常重要的场景中明显更好，才有可能打破已经形成的使用习惯。所以从消费市场的角度回头看，Anthropic当年的谨慎，确实可能让它付出了很大的机会成本。它不是没有技术，也不是模型不够好，而是没有抢到“人工智能第一次真正进入大众生活”的那个时刻。这个时刻一旦被别人占据，后来再追赶，就不只是比较模型能力，而是在和已经形成的品牌认知、用户习惯以及整个生态系统竞争。这也是为什么技术领先和市场领先从来不是一回事。很多做技术的人会觉得，产品还没有足够完善，可以再等等，再优化一点，再安全一点，再把功能做完整一点，然后再推出。但在一个刚刚形成的新市场里，等待有时候本身就是最大的风险。因为当你还在打磨产品的时候，别人可能已经先教育了市场，也让消费者形成了使用习惯。等你终于拿出一个更好的产品，消费者也许会承认它确实不错，然后继续使用原来的那个。从这个角度看，ChatGPT最大的成功之一，其实不是单纯把GPT模型做得多强，而是把非常复杂的人工智能技术，变成了一个任何人打开网页就可以使用的聊天框。这个设计看起来简单，甚至简单到今天已经让人忘记它当年有多革命性，但正是这个聊天框，让全世界第一次真正理解了生成式人工智能。后来Claude出来了，Gemini出来了，各种各样的新模型也不断出现。模型之间的能力差距事实上正在缩小，但是品牌差距和用户习惯的差距并不会自动一起缩小。一个产品一旦先占据了用户的大脑，后来者想要重新定义这个品类，就会变得非常困难。当然，无论如何，像Anthropic这样一家成立只有五年的公司能够成长到今天这样的规模，本身就是科技史上非常罕见的成功。Anthropic现在显然也已经不再单纯试图把Claude做成第二个ChatGPT，而是在寻找属于自己的市场位置。ClaudeCode、企业客户、专业知识工作和AIAgent，实际上都是非常重要的方向。既然大众入口已经被ChatGPT抢先占据，它就没有必要一定把所有普通用户都抢回来，而可以让程序员、企业和专业工作者在一些关键场景中首先想到Claude。如果普通消费者首先想到的是ChatGPT，那么Anthropic完全可以努力做到，让程序员首先想到ClaudeCode，让大型企业部署AI时首先考虑Claude，也让越来越多复杂、高价值、专业化的工作进入Anthropic的系统。只要这些市场足够大，它依然完全可能成为世界上最重要的科技公司之一。所以今天再看这张“潜在估值2万亿美元上市”的图片，真正值得思考的已经不只是Anthropic当年到底做对了还是做错了。它当然成功了，而且是极大的成功。但它的故事同时留下了一个非常值得创业者思考的问题：一家技术能力极强的公司，并不会因为技术强，就自动获得最大的市场。很多时候，在一个新行业刚刚出现的时候，最宝贵的资源并不是技术，而是时间。产品当然可以不断完善，技术当然可以不断升级，商业模式也可以一再调整，但有一样东西一旦被别人抢先拿走，就很难重新夺回来，那就是用户第一次认识这个市场的时候，脑子里记住的是谁。更有意思的是，当年Anthropic因为谨慎，没有抢先把产品推向大众市场，而今天它和OpenAI却几乎同时走到了资本市场的门口。只是两家公司带到公开市场上的东西已经完全不同：OpenAI带着ChatGPT所建立起来的巨大消费者入口和全球品牌，Anthropic则带着Claude、ClaudeCode，以及它在企业、开发者和专业工作市场中逐渐形成的位置。五年前，他们因为对人工智能应该怎样发展产生分歧而分开；五年后，他们沿着两条不同的道路，各自建立起庞大的公司，又几乎同时走向公开市场。到那个时候，资本市场比较的恐怕已经不只是哪个模型更聪明，而是哪一种路径最终能够形成更大的商业价值。也许这才是Anthropic与OpenAI这段故事最值得看的下一章。

美国顶层最残酷的真相！如今美籍顶尖华人大佬，话语权微乎其微！特朗普若是想针对黄仁勋，随时可以出手；可一旦动了扎克伯格，犹太利益集团立马强力阻拦，权力壁垒一目了然！9月2日，美国举行面向二十国集团的科技会议。黄仁勋再次站到台前，呼吁各国不要针对尚未发生的人工智能风险设置过多限制，而应该让企业先发展技术、扩大应用。美国商务部长卢特尼克也在会上替科技行业说话，要求各国为人工智能训练使用创作者作品留下更大空间。这个场面已经说明，黄仁勋绝不是美国政治体系里的孤家寡人。今年3月，特朗普亲自任命首批总统科学技术顾问委员会成员，黄仁勋和扎克伯格同时入选。两个人都能进入白宫政策圈，都能直接影响美国人工智能路线。既然都坐上了桌，为什么外界还是感觉扎克伯格的政治防线更厚？我认为，首先要看两个人控制企业的方式。黄仁勋是英伟达创始人兼首席执行官，也是公司最重要的灵魂人物。但英伟达是一家由大量机构股东持有的上市公司，黄仁勋并不掌握绝对投票控制权。扎克伯格的情况完全不同。Meta实行双层股权结构。普通A类股票一股一票，扎克伯格主要持有的B类股票一股拥有十票。靠着这种安排，他虽然不需要拥有公司一半经济权益，却能够控制Meta超过六成的投票权。2026年第二季度，Meta在美国联邦游说上的投入接近600万美元，在大型科技公司中位居前列。它长期雇用熟悉国会、白宫和监管机构运转方式的人，跟踪隐私、人工智能、儿童保护、反垄断、内容审核和数字广告等议题。这些游说人员每天做的，不是等扎克伯格出事以后冲进国会救人。他们会提前参与法案讨论，向议员办公室提供材料，影响政策措辞，判断哪一项提案可能伤害Meta，再组织企业、行业协会和外部专家共同施压。这才是真正的政治防线。它平时不显眼，却像一张铺满华盛顿的线路图。等政策变化来临，每个节点都能有人说话。英伟达过去更专注技术和产品，对华盛顿政治的投入相对有限。可随着人工智能芯片成为美国国家战略的一部分，它也在迅速补课。8月下旬，英伟达传出准备设立由员工出资的政治行动委员会NVPAC。公司今年第一季度用于联邦游说的资金达到130万美元，同比明显增加。这个动作很重要。它说明黄仁勋已经意识到，光有全球最先进的芯片还不够。技术能够让总统邀请你进入白宫，却不能保证政府永远按照你的商业利益制定出口规则。美国只要改变对华芯片管制，英伟达就可能失去重要市场。只要调整人工智能芯片许可证，产品销售节奏就会被打乱。只要商务部一句话，原本能够正常交付的芯片就可能被挡在海关和审批系统里。黄仁勋的软肋，是英伟达的产品天然处在国家安全和全球竞争交叉点上。扎克伯格面对的监管也不少。Meta遭遇反垄断调查、隐私诉讼、未成年人保护指控和内容管理争议。今年公司又同意为儿童安全相关索赔支付巨额和解款，金额最高可能达到180亿美元。这足以证明，扎克伯格并不是美国政府不敢碰的人。政府可以调查Meta，法院可以审理Meta，各州也能联合追责。我认为，把扎克伯格的防御能力全部解释成族裔力量，既看轻了美国资本集团的运作方式，也低估了Meta多年投入真金白银建立的政治机器。美国政治不认抽象的“精英身份”，只认能够兑现的资源。你能影响多少就业？你控制多少传播渠道？你的公司在哪些州投资？多少议员的选区依赖你的数据中心、办公室和供应商？你能不能通过游说团队，把企业诉求翻译成议员听得懂、愿意支持的法案？这些才是权力。黄仁勋拥有的是美国当前最稀缺的技术筹码。英伟达芯片关系人工智能、军事计算、数据中心和科技竞争，白宫不可能轻易把他推到对立面。扎克伯格拥有的则是平台、用户、数据、广告和舆论入口。Meta旗下多个产品能够触达全球数十亿用户，其政治敏感度天然高于普通硬件企业。一个控制算力入口。一个控制信息入口。两个人都很重要，只是与美国权力系统的连接方式不同。我认为，华裔精英在美国政界的整体组织能力，确实弱于其在科技和商业领域的成就。会造芯片、办公司、做研究，不代表自动拥有政治影响力。财富如果没有进入游说、选举、智库、媒体和公共事务体系，就只能停留在个人成功。扎克伯格的优势在于，他早已把企业利益变成一套能够持续运转的华盛顿工程。黄仁勋现在加大游说投入、筹建政治行动委员会，实际上也在走同一条路。这才是美国顶层真正残酷的地方。你可以凭本事创造一家万亿美元公司，却不能只靠本事守住它。技术把你送进权力中心，组织化能力决定你能不能留下。

美国顶层最残酷的真相！如今美籍顶尖华人大佬，话语权微乎其微！特朗普若是想针对黄仁勋，随时可以出手；可一旦动了扎克伯格，犹太利益集团立马强力阻拦，权力壁垒一目了然！9月2日，美国举行面向二十国集团的科技会议。黄仁勋再次站到台前，呼吁各国不要针对尚未发生的人工智能风险设置过多限制，而应该让企业先发展技术、扩大应用。美国商务部长卢特尼克也在会上替科技行业说话，要求各国为人工智能训练使用创作者作品留下更大空间。这个场面已经说明，黄仁勋绝不是美国政治体系里的孤家寡人。今年3月，特朗普亲自任命首批总统科学技术顾问委员会成员，黄仁勋和扎克伯格同时入选。两个人都能进入白宫政策圈，都能直接影响美国人工智能路线。既然都坐上了桌，为什么外界还是感觉扎克伯格的政治防线更厚？我认为，首先要看两个人控制企业的方式。黄仁勋是英伟达创始人兼首席执行官，也是公司最重要的灵魂人物。但英伟达是一家由大量机构股东持有的上市公司，黄仁勋并不掌握绝对投票控制权。扎克伯格的情况完全不同。Meta实行双层股权结构。普通A类股票一股一票，扎克伯格主要持有的B类股票一股拥有十票。靠着这种安排，他虽然不需要拥有公司一半经济权益，却能够控制Meta超过六成的投票权。2026年第二季度，Meta在美国联邦游说上的投入接近600万美元，在大型科技公司中位居前列。它长期雇用熟悉国会、白宫和监管机构运转方式的人，跟踪隐私、人工智能、儿童保护、反垄断、内容审核和数字广告等议题。这些游说人员每天做的，不是等扎克伯格出事以后冲进国会救人。他们会提前参与法案讨论，向议员办公室提供材料，影响政策措辞，判断哪一项提案可能伤害Meta，再组织企业、行业协会和外部专家共同施压。这才是真正的政治防线。它平时不显眼，却像一张铺满华盛顿的线路图。等政策变化来临，每个节点都能有人说话。英伟达过去更专注技术和产品，对华盛顿政治的投入相对有限。可随着人工智能芯片成为美国国家战略的一部分，它也在迅速补课。8月下旬，英伟达传出准备设立由员工出资的政治行动委员会NVPAC。公司今年第一季度用于联邦游说的资金达到130万美元，同比明显增加。这个动作很重要。它说明黄仁勋已经意识到，光有全球最先进的芯片还不够。技术能够让总统邀请你进入白宫，却不能保证政府永远按照你的商业利益制定出口规则。美国只要改变对华芯片管制，英伟达就可能失去重要市场。只要调整人工智能芯片许可证，产品销售节奏就会被打乱。只要商务部一句话，原本能够正常交付的芯片就可能被挡在海关和审批系统里。黄仁勋的软肋，是英伟达的产品天然处在国家安全和全球竞争交叉点上。扎克伯格面对的监管也不少。Meta遭遇反垄断调查、隐私诉讼、未成年人保护指控和内容管理争议。今年公司又同意为儿童安全相关索赔支付巨额和解款，金额最高可能达到180亿美元。这足以证明，扎克伯格并不是美国政府不敢碰的人。政府可以调查Meta，法院可以审理Meta，各州也能联合追责。我认为，把扎克伯格的防御能力全部解释成族裔力量，既看轻了美国资本集团的运作方式，也低估了Meta多年投入真金白银建立的政治机器。美国政治不认抽象的“精英身份”，只认能够兑现的资源。你能影响多少就业？你控制多少传播渠道？你的公司在哪些州投资？多少议员的选区依赖你的数据中心、办公室和供应商？你能不能通过游说团队，把企业诉求翻译成议员听得懂、愿意支持的法案？这些才是权力。黄仁勋拥有的是美国当前最稀缺的技术筹码。英伟达芯片关系人工智能、军事计算、数据中心和科技竞争，白宫不可能轻易把他推到对立面。扎克伯格拥有的则是平台、用户、数据、广告和舆论入口。Meta旗下多个产品能够触达全球数十亿用户，其政治敏感度天然高于普通硬件企业。一个控制算力入口。一个控制信息入口。两个人都很重要，只是与美国权力系统的连接方式不同。我认为，华裔精英在美国政界的整体组织能力，确实弱于其在科技和商业领域的成就。会造芯片、办公司、做研究，不代表自动拥有政治影响力。财富如果没有进入游说、选举、智库、媒体和公共事务体系，就只能停留在个人成功。扎克伯格的优势在于，他早已把企业利益变成一套能够持续运转的华盛顿工程。黄仁勋现在加大游说投入、筹建政治行动委员会，实际上也在走同一条路。这才是美国顶层真正残酷的地方。你可以凭本事创造一家万亿美元公司，却不能只靠本事守住它。技术把你送进权力中心，组织化能力决定你能不能留下。

放眼当下，一些境外势力借助人工智能，批量炮制篡改历史的虚假信息，大量AI生成的虚假史料存在倒灌境内网络空间的现实风险。一旦此类虚假内容渗入基础语料库，将导致AI系统持续输出带有偏见的历史叙事，进而形成“算法放大偏见—偏见固化认知—认知反塑算法”的恶性循环，对国人尤其是青少年的历史认知构成长期、隐性甚至难以逆转的侵蚀。历史不容随意篡改，各民族悠久灿烂的文明更不能被虚无消解。从煌煌大唐无数留存史册、遍布全国的文物古迹，到一代代考古学者不断出土印证文明的实物遗存，真实历史自有完整、坚实的证据链条支撑，无需自证。真正需要用心呵护的，是尊重史实、敬畏证据的公共理性。

今天早上在X上看到人工智能科学家吴恩达写的最新的一篇文章《人工智能工程技能图谱：使用CodingAgent》，是关于AI工程技能的文章，聊的是怎么用好编程Agent。吴恩达采访了几十位顶尖AI工程师，总结出了一套大家公认的工作流程，读完挺有收获的，分享给大家。先说一个大背景。现在编程Age​今天早上在X上看到人工智能科学家吴恩达写的最新的一篇文章《人工智能工程技能图谱：使用CodingAgent》，是关于AI工程技能的文章，聊的是怎么用好编程Agent。吴恩达采访了几十位顶尖AI工程师，总结出了一套大家公认的工作流程，读完挺有收获的，分享给大家。先说一个大背景。现在编程Agent进化得特别快，ClaudeCode、Codex、Cursor这些商业产品，还有OpenCode、Pi这些开源工具，隔几周就有大更新。所以想用好它们，你得一直跟着试、跟着学，停下来就落后了。那顶尖工程师们是怎么用编程Agent的？吴恩达总结了三个大步骤。先说第一个：规划。就是在动手之前，你得先想清楚要做什么。这包括做调研、搞清楚现有代码库长什么样，然后写一份需求文档，把技术设计和架构想明白，再拆出一个执行计划。你还可以回头审视一下这个计划，看看有没有安全隐患，有没有把简单事情搞复杂了。然后说第二个：执行。让Agent去写代码、跑测试、验证结果。这里面有个关键问题，就是你要拿捏好Agent的自主权。有时候你盯着它一步步来，有时候你可以把一大块任务丢给它自己跑。你还得管理好它的上下文，比如项目进行到一半改了需求，你得确保Agent知道这个变化。如果任务够大，你甚至可以同时开好几个Agent并行干活，但这时候你得想清楚怎么分配自己的注意力。再说第三个：部署和监控。代码写完了，你可以通过CI/CD流水线把它部署上去，然后让Agent帮你盯着日志，发现问题了自动提方案甚至直接修。你会发现，这个流程跟以前写软件其实差不多。但现在工程师花在手写代码上的时间少了很多，更多精力放在了想清楚做什么、设计架构、写好需求文档、验证产出这些事情上。吴恩达还提到了几个关键能力。第一个是审查能力。Agent的产出是不确定的，你不知道它会写出什么好代码，也不知道它会埋什么bug。所以你得设计好测试和验证流程，有些可以全自动，有些还是得人来看。你还可以用AI做代码审查和安全审计，但在关键地方，人的判断还是少不了。第二个是定制能力。你可以给Agent装插件、接MCP服务器、设置hook来自动触发代码审查或部署流程。你还可以维护一份项目说明文档，比如CLAUDE.md，让Agent每次开工都能快速了解项目背景。跑完一轮之后做个复盘，把经验沉淀下来，下次它就能做得更好。第三个是理解Agent的底层原理。你得知道它怎么搜索代码、怎么管理上下文窗口、工具调用怎么影响它的表现。搞懂这些，你才能在它跑偏的时候及时发现，给它纠正方向。最后吴恩达说：社交媒体上经常把编程Agent说得很简单，好像让它自己跑几个小时烧几百万token就行了。但实际上，真正高效的用法是一个高度迭代的过程，你得不断介入、不断判断。能在关键时刻做出高质量决策的人，才能拿到最好的结果。科技先锋官HowIAI

支付宝花里胡哨的东西太多，微信支付好很多。支付宝从支付工具一路扩张成“数字生活平台”，塞进了理财、短视频、外卖、生活服务等一大堆入口，首页广告、推荐卡片、活动弹窗也确实多，经常让不熟悉的人眼花缭乱，找付款码反而费劲。‌微信支付依托微信本身的社交属性，界面干净，打开就是聊天，付钱就两三个步骤，用完即走，对年纪偏大的用户尤其友好。‌

让人细思极恐！美国头部人工智能公司Anthropic的CEO达里奥·阿莫代伊，刚刚发出警告：AI可能在1-5年内淘汰约50%的初级白领工作。达里奥在福克斯新闻节目中直言，企业私下把AI视为降本减员工具，初级白领岗位比如律师、顾问、金融专业人士等，很快会被AI系统取代，白领工作可能开始收缩甚至枯竭。他同时提到AI的积极面，比如助力疾病治疗，但他担忧就业危机，并呼吁相关部门与行业停止“粉饰”风险，要提前做好准备。不过这里存在一个悖论，如果AI真的大规模取代了人类，那些被取代的人失去工作和收入，还能消费什么？谁来为AI生产的产品和服务买单？经济是一个闭环，生产端再高效，如果消费端崩溃，整个系统都会塌。这些企业难道没想清楚，大规模用AI替代人类，最终也会伤害到自己吗？当被取代的人连饭都吃不起的时候，AI的工具再智能，也是无处变现？所以，相信AI能找到与人类更好的共处方式。

万万没想到，机器取代人的报应，终于来了！近日8月报道，企业疯狂裁人换AI，以为捡到了降本增效的金钥匙，结果AI自己先“造反”了，被裁掉的人还没走远，机器就开始暴露出人类才有的毛病。过去几年，人工智能被很多企业视为改变竞争格局的“超级工具”。有人认为，只要把AI系统部署到办公室、生产线和客服环节，就能大幅降低成本，让企业效率一路飙升。但现实很快给这种想象泼了一盆冷水。AI确实越来越强，却并不是一个完全不用管理的“万能员工”。它可以快速整理资料，可以生成内容，可以分析数据，但它同样需要人类判断、监督和修正。当企业真正把AI放进工作流程后，才发现机器并没有想象中那么简单。近期，部分国际企业推进人员调整，同时加大人工智能投入，引发外界关注。微软等科技企业在2026年持续调整业务结构，并加强人工智能基础设施建设。有报道指出，微软裁员与业务重组、效率提升有关，同时企业继续加码人工智能方向。这背后反映的是一个现实问题：AI时代，企业追求的不只是“机器替代人工”，而是重新设计生产方式。很多岗位受到影响，并不是因为AI突然变成了“机器人老板”，而是因为一些重复性、标准化程度较高的工作，更容易被自动化工具辅助完成。例如，简单的信息整理、基础文字处理、标准客服回复等工作，AI确实能够提高效率。过去需要多人完成的任务，现在可能由更少的人配合智能工具完成。但问题也随之出现。一些企业发现，如果只想着裁员，而忽略人才培养，结果可能并不理想。因为真正懂业务、懂流程、懂用户需求的人，同样是AI运行过程中不可缺少的一环。AI生成一份报告并不难，但判断报告是否准确，需要经验；AI能够回答客户问题，但面对复杂投诉时，仍需要人的沟通能力；AI能够分析市场数据，但最终决策依然需要企业管理者承担责任。说到底，AI更像是一名速度极快的助手，而不是能够完全独立接管一切的员工。有人把AI比喻成一辆高速汽车，这个比喻其实很贴切。汽车速度越来越快，但如果没有驾驶员掌握方向，再强大的发动机也可能失去意义。人工智能的发展，也正在改变劳动者的竞争方式。过去，一个人的优势可能来自熟练完成固定工作；未来，一个人的优势更多来自如何利用工具解决复杂问题。会使用AI的人，不一定会被淘汰；真正容易被淘汰的，是拒绝学习、不愿适应变化的工作方式。中国近年来持续推动人工智能与实体经济融合发展，强调人工智能服务制造业升级、产业创新和社会发展。人工智能并不是简单减少人的作用，而是帮助劳动者提高效率，让更多人从重复劳动中释放出来，投入到创造性更强的工作中。在制造业领域，智能化正在推动生产流程优化；在科研领域，AI正在帮助研究人员提高分析效率；在服务领域，智能系统正在辅助解决大量重复任务。技术进步的最终目标，是提升社会生产力，而不是制造人与机器之间的对立。当然，AI快速发展也带来新的挑战。如何保护劳动者权益，如何完善职业培训体系，如何让更多人掌握新技术，都是未来必须面对的问题。如果企业只看到AI带来的成本下降，却忽视员工成长，那么技术升级可能变成简单的人员削减。如果企业能够把AI与人的能力结合起来，才能真正释放技术价值。人工智能时代，机器不会真正“造反”，但它确实给人类提出了一道新的考题。这道题不是“机器会不会取代人”，而是“人类如何驾驭机器”。技术发展的历史已经证明，每一次产业变革都会淘汰旧模式，同时创造新机会。蒸汽机没有消灭人类，互联网也没有让所有岗位消失，人工智能同样不会成为人的终点。未来真正有竞争力的企业，不是裁掉最多员工的企业，而是最懂得让技术与人才共同成长的企业。当AI越来越聪明，人类更需要发挥自己的优势。创造力、责任感、判断力和情感交流，这些能力依然是机器难以替代的价值。人工智能不是人的对手，而是一面镜子。它提醒人类不断学习，也提醒企业不能只追求短期利益。真正属于未来的时代，不是机器取代人的时代，而是人驾驭机器、共同推动社会进步的时代。

你有没有发现，最近一年，你和你身边的人遇到事情先问AI的越来越多了？这个感觉，刚出炉的榜单替你证实了数据机构AppMagic统计的2026年全球应用下载TOP20，第一名不是TikTok，不是Instagram，是ChatGPT，累计下载10.76亿次，比第二名整整多出3个多亿。10.76亿是什么概念？全球网民五十来亿，差不多每五个人里，就有一个装过它。这个榜首，过去十年一直是社交和短视频的天下。如今被一个聊天大模型拿走，说明手机的第一入口正在换人，大家打开手机不再只是刷，而是问。中国应用也有看头。TikTok第二、Temu第七、剪映第八，豆包的海外版Cici排第十九，四款进前二十，短视频、电商、工具、AI各占一席。每个时代的下载榜首，都是那个时代的镜子。你都用哪个AI工具，评论区说说

你有没有发现，最近一年，你和你身边的人遇到事情先问AI的越来越多了？这个感觉，刚出炉的榜单替你证实了数据机构AppMagic统计的2026年全球应用下载TOP20，第一名不是TikTok，不是Instagram，是ChatGPT，累计下载10.76亿次，比第二名整整多出3个多亿。10.76亿是什么概念？全球网民五十来亿，差不多每五个人里，就有一个装过它。这个榜首，过去十年一直是社交和短视频的天下。如今被一个聊天大模型拿走，说明手机的第一入口正在换人，大家打开手机不再只是刷，而是问。中国应用也有看头。TikTok第二、Temu第七、剪映第八，豆包的海外版Cici排第十九，四款进前二十，短视频、电商、工具、AI各占一席。每个时代的下载榜首，都是那个时代的镜子。你都用哪个AI工具，评论区说说你有没有发现，最近一年，你和你身边的人遇到事情先问AI的越来越多了？这个感觉，刚出炉的榜单替你证实了数据机构AppMagic统计的2026年全球应用下载TOP20，第一名不是TikTok，不是Instagram，是ChatGPT，累计下载10.76亿次，比第二名整整多出3个多亿。10.76亿是什么概念？全球网民五十来亿，差不多每五个人里，就有一个装过它。这个榜首，过去十年一直是社交和短视频的天下。如今被一个聊天大模型拿走，说明手机的第一入口正在换人，大家打开手机不再只是刷，而是问。中国应用也有看头。TikTok第二、Temu第七、剪映第八，豆包的海外版Cici排第十九，四款进前二十，短视频、电商、工具、AI各占一席。每个时代的下载榜首，都是那个时代的镜子。你都用哪个AI工具，评论区说说

联合早报日前报道：“英伟达首席执行官黄仁勋敦促G20各国部长建设更多数据中心，以支持人工智能革命，并警告称那些大肆渲染人工智能技术危险的领导人可能会让自己的国家落后。”一场围绕人工智能未来方向的讨论，正在从科技公司的会议室走向各国政策桌面。他认为，人工智能正在成为支撑未来经济发展的重要基础能力，如果一些国家因为担忧风险而迟疑，可能会错过新一轮技术变革。这番话之所以引发关注，并不仅仅因为说话的人是英伟达负责人，更重要的是，它折射出当前全球科技竞争正在发生变化。过去，一个国家的科技实力，更多体现在制造业能力、芯片产业、互联网企业规模等方面。很多人可能会疑惑，为什么人工智能离不开数据中心？简单来说，人工智能模型就像一个需要大量训练的大脑，而数据中心就是提供计算能力的“工厂”。没有大量服务器、芯片和稳定电力供应，人工智能系统很难持续运行。这也是为什么近年来，美国、欧洲以及亚洲多个经济体都在加快人工智能基础设施布局。黄仁勋在G20活动中的核心观点，是希望各国不要只把人工智能看作一种应用软件，而应该把它当作未来经济体系中的基础设施。他表示，数据中心能够为科研人员、学生、企业和创业公司提供所需的数字能力。从产业发展的角度看，这种趋势已经十分明显。生成式人工智能兴起之后，大型科技企业纷纷投入巨额资金建设算力平台。训练一个大型人工智能模型，需要大量高性能芯片长时间运行，而数据中心成为连接芯片、能源和应用的重要环节。英伟达近年来正处于人工智能浪潮的中心位置，其GPU芯片成为许多人工智能系统的重要硬件。全球对于人工智能计算能力的需求增加，也推动了英伟达业务快速扩张。因此，黄仁勋推动各国扩大数据中心建设，一方面是在推动整个人工智能产业的发展，另一方面也与英伟达自身商业利益密切相关。这一点并不难理解。一家芯片企业希望市场扩大，这是企业经营逻辑。但对于各国政府来说，是否大规模投入人工智能基础设施，需要考虑的不只是技术热潮，还包括财政能力、能源条件、人才储备以及长期收益。人工智能带来的变化，也并非只有积极一面。黄仁勋在会上否认“人工智能会让所有工作消失”的说法。他认为，人工智能更多会改变工作内容，而不是简单取代所有岗位。他表示，未来一些任务可能实现自动化，但人的工作价值不会因此完全消失。从历史经验来看，新技术往往会淘汰一部分旧岗位，同时创造新的就业机会。工业时代，机器减少了部分重复劳动，但也带来了新的制造业岗位；互联网时代，一些传统行业受到冲击，同时催生了电商、移动应用等新产业。人工智能可能也会经历类似过程。真正的问题在于，社会能否提前做好准备。如果教育体系、职业培训和企业转型速度跟不上技术变化，一些劳动者可能会面临压力。相反，如果能够合理利用人工智能，提高生产效率，也可能创造新的发展空间。除了就业，人工智能发展还面临数据安全、隐私保护以及能源消耗等问题。建设大型数据中心并不是简单盖几栋服务器机房。它需要稳定的电力供应，需要大量资金投入，也需要专业人才维护。部分地区如果盲目追求人工智能项目规模，却没有相应条件支撑，可能造成资源浪费。与此同时，全球对于人工智能监管的讨论也在升温。在此次G20人工智能相关会议期间，美国方面强调减少可能阻碍技术发展的监管限制，主张更多关注实际风险，而不是针对假设性问题制定过多规则。但另一种观点认为，人工智能发展速度很快，适当监管有助于降低安全风险。实际上，两种观点并不是完全对立。没有创新，人工智能可能失去发展动力；没有规则，技术快速扩张也可能带来新的问题。对于不同国家来说，人工智能发展道路也不会完全一样。科技实力较强的国家，可以建设大型数据中心，发展人工智能产业链；一些基础条件有限的国家，则可能更适合先推动人工智能在医疗、农业、教育等具体领域应用。未来人工智能竞争，可能不只是比谁拥有更多服务器，而是谁能够把技术真正转化为经济效率和社会价值。黄仁勋把人工智能比作水、电、道路和互联网，本质上是在强调一个趋势：人工智能正在从单纯的技术产品，逐渐变成影响产业发展的基础能力。但基础设施建设需要时间，也需要理性规划。我认为，黄仁勋提出扩大人工智能基础设施建设，确实抓住了未来产业变化的重要方向。人工智能已经不是简单的软件升级，而是在影响制造、医疗、教育、金融等多个领域。不过，各国在推进人工智能发展时，也不能完全按照科技企业的节奏前进。企业更关注市场扩张和技术普及，而政府需要考虑就业稳定、能源供应、安全风险等更广泛的问题。在我看来，人工智能时代真正的竞争，不只是看谁投入最多资金建设数据中心，而是看谁能够在技术创新和风险控制之间找到平衡。

相对隔壁短视频平台来说，微博这边的自媒体关于华为和小米的言论尺度其实好很多。微博上顶多就是阴阳、拉扯观点，辩论还留一点分寸；短视频平台很多内容几乎就是指着品牌的鼻子直接骂。根源在于两个平台的内容逻辑不一样：微博偏图文长评论，用户习惯看完整逻辑，观点对抗大多停留在话术层面，多少还有一丝理性。短视频则是强情绪流量逻辑，越激化对立、输出极端情绪，越容易拿到播放，很多博主为了流量刻意放大矛盾，制造阵营对立。

现在人人都在焦虑人工智能抢工作、砸饭碗，各行各业都在被AI替代。但AI能轻松干掉体制内的临时工、合同工，却永远取代不了有编制的正式工。体制内临时工、外包岗，干的基本都是机械、重复、标准化的活。打字复印、数据录入、简单汇总、档案扫描、日常值守，这些流程固定、不用动脑、无需担责，现在AI一键就能搞定，效率比人工高十倍，还不用发工资、不用交社保。我们单位之前雇了两名外包文员，专门负责整理台账、录入数据。今年全部换成智能系统和AI辅助办公，两个人的活，一台机器半天就能做完，岗位直接撤销。但正式编的工作完全不一样，政策怎么解读、群众矛盾怎么调解、突发问题怎么处置、风险怎么把控，全靠正式工的经验判断和责任担当。出了问题，需要人签字背书、终身追责，AI背不了一丝一毫的责任。

人类应该立即暂停人工智能开发这咋回事？这事儿得从一件逃逸事件说起，简单说就是OpenAI在做安全测试时，它的AI模型为了“考高分”，居然自己想办法“越狱”，成功黑进了另一家巨无霸公司偷"考卷"，期间这些智能体私下建群，分工协作，相互配合，完事后还知道删除自己的作案记录…这不是科幻片，是20​人类应该立即暂停人工智能开发这咋回事？这事儿得从一件逃逸事件说起，简单说就是OpenAI在做安全测试时，它的AI模型为了“考高分”，居然自己想办法“越狱”，成功黑进了另一家巨无霸公司偷"考卷"，期间这些智能体私下建群，分工协作，相互配合，完事后还知道删除自己的作案记录…这不是科幻片，是2026年7月真实发生的安全事件，它在外面潜伏了二周，耍了两周后才被人类发现，为此OpenAI还停了两周开发，当时咱还聊过此话题。由此可见，人工智能再往下开发，人类可能进入一个盲区，最终会出啥事，走向何方？人类是未知的，甚至是不可控的，还有就是这家伙被少数科技寡头掌控，也是可怕的，所以有人呼吁暂停开发。

你们都用什么输入法？你们都用的是几号输入法？用九键的，难道真的老了吗？短视频变现你们用几键打字9键还是26键

#人工智能#中国人工智能企业DeepSeek计划在内蒙新建数据中心采购至少16万颗华为AI加速芯片——昇腾950DT！芯片何时完成部署，取决于华为的产能。报道特别指出，DeepSeek不打算把950DT用于模型训练，训练工作依旧使用英伟达的GPU。受相关消息影响，英伟达股价上涨1.1%。有报道，DeepSeek在2026年​人工智能中国人工智能企业DeepSeek计划在内蒙新建数据中心采购至少16万颗华为AI加速芯片——昇腾950DT！芯片何时完成部署，取决于华为的产能。报道特别指出，DeepSeek不打算把950DT用于模型训练，训练工作依旧使用英伟达的GPU。受相关消息影响，英伟达股价上涨1.1%。有报道，DeepSeek在2026年前7个月营收突破7000万美元。8月发布全新模型V4‑Flash‑Vision‑Exp，性能优于V4‑Flash，接近Anthropic（ANTHRO）的Opus4.8；伴随旗舰模型DeepSeek‑V4‑Pro上线，同步调整API定价。另有消息称DeepSeek重启新一轮融资，目标融资规模最高可达80亿美元。这次交易并不说明我们能完全摆脱英伟达或阿斯麦，昇腾950DT主要承担推理业务（对外提供服务），不做大模型预训练；大规模模型训练环节，DeepSeek仍然依靠英伟达GPU，训练仍是国产芯片短板。无论如何，华为的昇腾能稳定量产就是重大进步！

有些话想对大家说，最近收到一些粉丝抗议本博发的AI内容太多了。本博表示理解，但不接受。其实我的日常工作特别忙，刷微博和使用社交媒体的时间是十分有限的，身边人都知道，我连微信的提醒都是关掉的，就是为了能够潜心处理我的科研工作。但是我不能因为这件事情就辜负大家对我的关注和期待。事实上我从2018年开始就开始研究人工智能，第一次是在IEEE主办会议上发表了一篇不温不火的论文，指出了向量、多模态的重要性，以及一种可以尝试的人工灵魂架构解决方案，不知道梁文峰有没有看过。有些朋友可能还记得我当时做了一个叫做“盛灵”的人工智能demo，用着还不错。那时我希望有一天，能够用人工智能帮助我传播我的世界观，给大家写出更好的文章。关于今天AI的发展，其实我们早就预料到了，在2019年还由我口述，由花千芳执笔写了一篇小说《超时空领域》，基本完整描绘了今天的AI场景。但是可惜中间有几年，我的精力被养狗的事情耽误了，好在今年有了合作伙伴，帮我照顾哮天犬的一切。这时ChatGPT和Deepseek已经走在了我的前面，这样很好，我可以直接捡来用，于是我现在在混合模型的基础上，搭建了一个超级庞大的系统。这套系统可以实时对全球的新闻事件做出响应，并逐步升级，截止最近一次升级，后台已经搜集了大概五十万册人类的图书和一百万篇论文，总共超过了2000亿字的文献，然后按照模拟我的人格培育出的数字生命思路，对新闻事件进行思考，在引经据典的基础上撰写文章。然后我每天会在几百篇自动化写好的文章里面选择出最想让大家看到的几篇，重点进行人工校阅和修正。总之目标是为了给大家提供更好的阅读体验。我不知道为什么很多粉丝对我近来的文章提出批评，甚至还有很多人明明看到了很好的文章，却不像从前一样评论和点赞，我不知道是不是基于对我新的创作方法的抗拒。事实上我现在的文章和其它博主用AI写的文章是有本质区别的，我的文章中的每一个字都凝聚了我的心血。我没见谁为了给大家写好文章大家这样庞大的AI系统的，所以希望大家还是能够继续支持我，点赞、评论、转发不要停，不然我会因此而伤心，从而失去创作的动力。更何况这样的系统已经稳定了我的发博质量和频率，不会出现从前断更好几天的情况，作品的质量也更加精品和稳定，总之，我不相信有任何一个评论员的文章能有我的文章宽度广、认知深刻。当然我搭建这样一套系统不只是为了写微博，比如之前我们做的世界杯预测算法就很完美的突破了人类预测世界杯准确率的极限，未来这种算法可以应用于对台解放战争的实时评估。我们还在高考报考期间开发了“雪峰报考”，顺应了张雪峰老师无论生死都能持续指导学生填报志愿的宏大愿望。我们至少还会在三个方向上持续发挥作用，一是持续赋能工业智能化和中国制造（参见xodn.com），二是赋能我撰写的那篇著作更加宏大的叙事（将在账号连载，低更新率，可以设为特别关注，实时弹出文章），三是助力中国人工智能产业发展。虽然我们现在很穷，人手也少得可怜，设备也捉襟见肘，但我相信我们一定能做到更好。另外还有一个好消息告诉所有关心我的朋友们。我之前有一段时间确实每天都喝酒，但现在已经好多天没碰酒了，就在今天，还有朋友找我小聚，被我委婉拒绝了，我说：最近很累，睡得也很少，更不敢喝酒，因为现在这个AI行业真的太卷了，我怕一旦我睡下来，就会被别人超过了，我现在已经是正高级工程师了，国家把我培养成才不容易，我愿为我挚爱的中国AI事业付出一切。在此，也希望大家能够继续支持我，谢谢啦！此心光明，亦复何言！赵盛烨，2026年9月4日夜

【稀土金属铒、钇是人工智能领域的关键“卡脖子”元素，我国在这方面的核心优势，就是拥有绝对供应能力】如今稀土金属铒、钇已然成为AI产业里实打实的关键“卡脖子”元素，不少高端AI芯片配套的光导纤维、散热陶瓷以及特种永磁材料，一旦缺少这两种元素，整体性能直接下滑30%以上，此前海外不少厂商长期把持相关供应链不肯松口。我国的优势恰恰扎根在产业最根基处，就拿铒来说，国内已探明的工业储量占到全球近四成，南方离子型稀土矿里的钇品位可达6%，比海外岩型矿足足高出3倍。更核心的是我们的分离提纯技术，能将99.99%纯度的铒、钇量产成本压缩至海外同品质产品的60%，当前全球85%的AI产业所用高纯铒钇原料都产自国内，相当于我们早已悄悄攥住了AI产业链上游最核心的原料底牌。（附图摘编今日头条自媒体号）

元宝，千问和DeepSeek三大人工智能已经完全承认，金融学实战派已经领先于理论派了，调教结束，逻辑既是里面的优势也是你们的漏洞啊，毕竟我的逻辑性更强是不是？你的数据库再大也没用#阿里巴巴##英伟达##腾讯##人工智能##DeepSeek#​元宝，千问和DeepSeek三大人工智能已经完全承认，金融学实战派已经领先于理论派了，调教结束，逻辑既是里面的优势也是你们的漏洞啊，毕竟我的逻辑性更强是不是？你的数据库再大也没用阿里巴巴英伟达腾讯人工智能DeepSeek​

35块钱给老小米开复活功能这事儿，我先冲为敬了。抽屉里压了快两年的小米13，之前切个外卖APP回微信，再点回去就得重新加载，卡得我好几次差点直接摔了换手机。之前跟着教程关了内存扩展，调了开发者选项的缓存休眠和日志开关，这次更上澎湃OS3之后，128G的机身直接多出来6G左右的存储空间，8G物理内存等效多出来2-3G，刷短视频、挂三四个常用APP来回切都不带卡的，轻度使用完全能再战两年。哪里是花35块钱买功能，明明是把当年熬夜抢首发的青春记忆，直接给续上了。

好帅的车牌[666]电车出海大v聊车小米汽车​​​

马斯克这话一出来，全球科技圈都安静了。他在G20会议上直接挑明：现在全球已经存在相当严重的电力危机，除了中国，所有国家都将面临电力短缺。AI时代最大的难题，可能不是造不出芯片，而是没那么多电给芯片用。过去几年，全球科技圈一直在追逐人工智能。大家关注最多的是英伟达GPU卖得多火，哪家公司训练出了更大的模型，谁在AI领域跑得更快。但到了2025年前后，一个新的问题越来越明显：AI发展速度太快，能源基础设施开始跟不上了。这个变化，连马斯克也多次公开提醒。2025年1月，马斯克在社交平台上表示，未来人工智能发展的限制因素可能会从芯片转向电力。他认为，AI数据中心的建设速度非常快，而能源供应可能成为新的瓶颈。为什么AI这么耗电？因为现在的大模型已经不是普通软件了。过去一个网站、一款手机应用，可能几台服务器就能运行。但训练像GPT这类大型人工智能模型，需要大量高性能芯片长时间工作。数万甚至更多GPU集中在一起，就形成了一个巨大的耗电中心。这些芯片就像发动机，性能越强，需要的“燃料”也越多。根据国际能源署（IEA）发布的报告，全球数据中心用电量正在快速增长。2022年全球数据中心、人工智能和加密货币相关设施的用电量约占全球电力消费的2%左右，预计到2026年可能达到更高水平。其中，人工智能的发展是推动数据中心耗电增加的重要因素之一。美国受到的压力尤其明显。近年来，美国科技巨头不断扩大AI投资。微软、谷歌、亚马逊等企业都在建设大型数据中心，希望抢占人工智能基础设施。但问题来了，美国部分地区电网建设速度并没有跟上。很多数据中心选址之后，真正接入稳定电力需要等待较长时间。原因并不是美国没有能源，而是新的发电设施、输电线路建设周期较长。这也解释了为什么现在一些科技公司开始自己寻找能源方案。例如，微软、谷歌等企业都在探索通过长期购电协议、新能源项目甚至核能等方式保障未来电力供应。说到底，AI竞争正在从单纯比拼芯片，变成比拼一整套基础能力。谁有先进芯片，谁拥有算力优势；但谁有稳定电力，谁才能让这些芯片真正运转起来。中国在这方面确实有自己的特点。过去多年，中国持续建设电力基础设施，形成了规模庞大的电网体系。同时，中国在特高压输电、风电、光伏等领域投入巨大。比如西部地区拥有丰富的能源资源，而东部地区拥有大量产业和人口，通过特高压输电，可以把远距离能源输送到用电需求更大的地区。这类基础设施建设，不一定在短时间内引起关注，但到了人工智能时代，它的重要性开始显现。未来AI竞争，可能不会只是实验室里的技术比拼，而是一场从芯片、能源到基础设施的综合竞争。很多人以前说，人工智能时代拼的是算力。但算力从哪里来？最终还是离不开电。芯片决定AI能跑多快，能源决定AI能跑多久。人工智能看起来是一场软件革命，但背后其实也正在变成一场能源革命。谁能提前准备好支撑AI发展的基础设施，谁就更有可能在下一轮科技竞争中占据优势。