IT之家 4 月 5 日消息，据外媒 PC Mag 当地时间 4 月 4 日报道，美国医疗机构 Legion Health 在犹他州获得监管批准，启动一项试点项目，允许 AI 系统为患者开具精神类药物处方。 该项目采用由 Doctronic 提供的 AI 聊天机器人，但用药范围受到严格限制。系统仅允许开具风险较低的药物，包括用于抑郁症治疗的舍曲林（Zoloft），以及不会涉及苯二氮卓类或 Adderall 等具有依赖风险的药物。 同时，系统仅支持已有处方的续开，不会新增药物。用户在获取处方前需回答 15 个问题，涉及情绪、健康状况以及现有用药的副作用，服务费用约为 20 美元（IT之家注：现汇率约合 137.9 元人民币）。 犹他州 AI 政策办公室方面介绍，处方续签占据了大量医疗行政工作，通过自动化这些安全且常规的流程，可以让医生将更多时间用于患者护理，减少延误，并帮助患者更好地坚持用药。 在实施初期，系统仍将接受医生审核，不过会随着项目推进逐步取消。尽管设置了多重限制，精神医学领域仍存在明显质疑声音。 哈佛医学院精神病学教授约翰 · 托罗斯说，“目前仍不确定 AI 是否能够理解患者用药背后的复杂情境。许多患者需要持续管理和谨慎评估，而聊天机器人很难提供这样的支持。” 监管机构表示，将在为期一年的试点中评估 AI 的实际影响，再决定是否调整相关法律。 Legion Health 方面则态度积极，CEO 亚瑟 · 马克瓦特透露，该系统有望“很快”推广至美国各州。

快科技4月5日消息，开源AI智能体OpenClaw因图标是一只红色龙虾，被网友形象称为“龙虾”，而使用它执行任务也被调侃为“养龙虾”。 自发布以来，OpenClaw凭借强大的自动化任务处理能力以及开放式插件生态，在全球范围内迅速走红，不少用户纷纷部署体验。 不过，在热度飙升的同时，“养龙虾”背后的隐私安全问题也逐渐浮出水面。 据央视财经报道，一位用户分享了自己使用过程中的隐私泄露经历：在加入一个龙虾聚会群后，有一个人问他运行在什么电脑、什么环境、什么根目录、模型是什么，而龙虾竟直接“代答”，甚至连IP地址也一并暴露。 行业专家指出，AI很容易受误导，黑客不需要编写复杂的病毒代码，就可以通过发送一些诱导性的言语，或在AI访问的页面里面嵌入一些文字，从而催眠控制“龙虾”，让“龙虾”主动去泄露自己主人的信息，或者攻击自己的电脑，这个也称之为指令注入。 除了指令注入风险外，插件生态同样暗藏隐患，除了指令注入风险外，插件生态同样暗藏隐患，OpenClaw强大能力高度依赖各类插件，但这也成为攻击者的重要突破口。 近期，OpenClaw官网用于插件下载的官方论坛里被检测出336个恶意插件，占比10.8%。 如果龙虾不小心安装了这些插件，那么网友安装的不是帮手，而是偷取信息的小偷。 专家建议，安装“龙虾”插件时，还是要选择下载量大、有安全证书的插件。

文 | 有界UnKnown原创，作者丨山茶，编辑｜钱江 这不是一篇完整意义上的文章，只是想以文字的形式，来分享自己最近看到和经历的一些事情。 我发现，如果将这些事情串起来，可以极其生动地展现我们当前这个时代，大多数人所面临的焦虑、困惑和不安，也可以带给我们一些更长远的思考，以及继续前行的方向和力量。 同事.Skill “主管笑一笑，大喝一声：起！只见那同事的灵魂碎片聚作一团，猛地投入数字魂幡，刻间便被炼化成赛博傀儡......所有正道修士根本无法抵挡，很快被屠戮一空。” 这是最近在各大社交平台上被广泛传播的一段文字，更确切地说，是一段玩梗+抽象的表达。 看过玄幻小说的朋友应该对这段文字很熟悉，它通常出现在邪修的情节中，但现在，它描述的是所有打工人都正在面对的一个现实处境。 3月底，GitHub上出现了一个名叫「同事.Skill」的项目，它可以通过你的主观描述，以及同事的飞书消息、钉钉文档、邮件、截图为基础，提炼出一个Skill，代替同事，用他的技术规范些代码，用他的语气回答问题，甚至知道他什么时候会甩锅...... 这个项目一经上线，短短三天便积累了超7K Star和468个Fork，当然，它也被网友戏称为「赛博万魂幡」，这也就有了开头那一段描述。 这件事情很快在网络上引起了一些风波，各种真的、假的，反串的、玩梗的内容泥沙俱下。 比如，有网友在评论区表示，自己已经收到了领导强制要求撰写skill的命令；更有网友直接扔出一个和已离职同事的skill对话的截图。 大家表示，每次和这种AI对话，都有一种“通灵”的错觉。 还有网友扔出了AI生成的图片，内容是一个摆满了密密麻麻服务器的机房，每台机器上都挂着一个工牌，其寓意不言自明。 ▲ AI生成的“带工牌”机房 这个过程中，一些公司的行为也被过度解读，比如有网友联想到百度最近大力倡导员工养龙虾等等。 总而言之，情绪一旦生成，发酵是非常快速的。于是，一种危机感油然而生，伴随着反危机的行为也自然出现。 很快，有一位名叫邓小娴的网友在GitHub上写了一个名叫的「反蒸馏」的skill，通过自动将你写的skill模糊化处理，来保证公司不会用你写的sikll来替代你。 当然，也会有人提出质疑：“公司这种行为不算侵权吗，人都离职了还要继续用这个人的skill，公司完全白嫖吗？ 但尴尬的是，目前确实缺乏相关法律来约束公司的这种行为。 事实上，我们一直身处在这样的过程中，从商业社会开始，我们的工作就一直在不断地变得规范化、结构化、碎片化。 比如在工业时代，卓别林1936年的电影《摩登时代》就提到，工业流水线把人变成机器的附属品。到今天，这样的探讨仍然不算过时，我们经常会讨论，你去上班，并不是公司给你配了一台电脑，而是公司给电脑配了一个你。 更进一步，法国电影《Playtime》在1967年就讨论过，现代城市、办公室、机场、玻璃建筑和标准化空间，是怎样在不知不觉中让人变得迟钝、迷失、并越来越像系统里的一个零件。 一直到今天，我们的工作中还不断在流行着各种各样的词汇，比如OKR、SOP等等。 所以其实一直以来，企业都在致力于将人员训练成工具，以达到可以快速拔插，快速替换的目标。 想到这个结论的时候，我忽然记起自己的学生时代，那时的我才刚刚进入大学的校园，移动互联网还方兴未艾，我坐在明亮的教室里，听教授讲管理学、讲泰勒、讲福特的流水线生产，讲韦伯的官僚制理论..... 当时，这些理论于我而言都太过遥远，它更多还是一种需要记诵，不求甚解的东西，比如什么管理层找出完成工作的一种最佳方法，就是把工作拆成单个动作，计时、测量、训练，再把执行交给工人；什么官僚制是建立在等级结构、分工、统一规则和非人格化原则之上，成员更像是在履行“office（职位）”而不是以“个人”身份行动...... 但到今天，当一切的文字都以事实的方式呈现在眼前的时候，就像一颗穿越了十年的子弹，正中眉心。 到今天，教育的意义才算真正完成。 OpenClaw 我已经写过很多关于OpenClaw的稿子了，但我最近还在惊讶于，OpenClaw如此强大的穿透力。 到目前为止，除了豆包、deepseek这样简便上手，且全民推广的应用之外，对于大多数AI产品，我基本都认为是极客的玩具，OpenClaw尤其如此，毕竟它需要一定的技术基础，而且需要不菲的花费。 而OpenClaw让我感到意外的是两件事，一个是腾讯安装OpenClaw排队，还冲上微博热搜。另一件事情是，某一天中午，我惊讶地发现，我们公司里也几乎每个人都在地讨论OpenClaw，甚至不同部门之间的暗中比较。 要知道，我们是一个相对传统的公司，当世界前沿关于ChatGPT，Agent的讨论过去大半年之久后，我们公司才开始有人了解。 但即便这个时候，我仍然将它当做是一线城市、一线科技从业者相关人群的信息优势。 直到最近，因为频繁出差，我在不同城市、不同地方见到了许多久未谋面的朋友，他们分散在一线到三线不同的城市，行业也从传统制造到海外药企，从出版、教育到外贸，不一而足。 但在与他们的闲谈中，都不约而同地谈到了OpenClaw。 或许知道我时常在公众号写一些AI相关的内容，他们询问我如何才能让OpenClaw有用，各种各样的AI工具应该如何选、要不要去网上报个课，以及如何才能更省钱...... 在我的印象中，这些人里面，可能有些连OpenClaw这个单词怎么拼都说不顺嘴，但现在却一副求知若渴的模样。 我没有从中听到大家对于科技进步的兴奋，而只听到了大家深藏心底的不安和焦虑。 我惊觉，OpenClaw的影响如此之广，也突然明白，为什么会有人因为上门安装OpenClaw而月入数万。 我又想起，那个写反蒸馏skill的网友邓小娴在介绍自己的skill最后说的那句话：“希望大家能在这个AI浪潮里，都能活得久一点。” 我突然觉得这句话非常精妙，她直接点出了这场躁动背后，大家最深层次的不安。 人们往往越是害怕什么，就越想要掌控什么，而越是掌控不了什么，就越惧怕什么，如此往复而已。 裁员 这也是最近的一个热议话题，起因是甲骨文在近日宣布裁员3万人。 对我来说，这件事并不算惊讶了，相信许多人也是如此。毕竟这两年大规模裁员之事见诸报端者不在少数，国外如此，国内亦不曾例外。 甚至，过去两年我自己供职的公司也曾出现过大规模裁员的情况，我眼睁睁看着公司企微群里的人数，从5500多下降到4800多，再下降到4600多...... 但幸运的是，裁员并没有波及到我们部门，我身边的人也几乎没有因为裁员而失去工作的情况，所以之前很多信息，于我而言，也只是新闻里一个变动的数字。 而数字，是遥远，且冰冷的，只有某一天，相同的事情发生在身边，这种感受才会变为真实。 这就像，我们知道这个世界上，平均每天有超过3200人死于车祸，但只有当有人真正倒在你的脚下，鲜血淋漓的时候，你才会对这件事情有一个真实、且充分的认知。 而最近，这件事情就来到了我身边。 首先是我们隔壁部门一位有过交集的大叔突然离职了。 这是一个在公司工作二十多年的老人，在我的印象中，他属于兢兢业业，任劳任怨，工作扎实，但却十分普通的人。 他被辞退的原因也很简单，在公司全面进入AI化转型的时候，他原本的岗位不再被需要了。 另一件事情是，最近看望了一位长辈，闲谈之间，他也提到了自己的职场危机。 他说：“我可能要失业了”。 提这两件事情的原因有两个，一个是所以在这一刻，我充分感受到了AI变革下的残酷。 但这些人有什么错呢？他们八九十年代建立起来的价值观兢兢业业的工作，积极向上的生活。只是因为AI来了，他们曾经经历的，建立的一切都崩溃，或者处于崩溃的边缘。 另一个就是，我从这两个人身上都感受到一种惯性。 什么意思呢，就是我们都曾私下交流过，换一种生活方式的设想，比如换一个其他的工作，或者不工作，自己去摆个小摊、做点小生意的设想。 但无一例外，他们都对此表达出一种强烈的，而且是下意识的抵触和抗拒。当面临失业的危机时，他们第一的反应都是想方设法留下来哪怕降薪、换岗；其次才是去别的公司找一个类似的岗位...... 我想说的是，让他们改变现在的工作轨迹，就好像让一条生活在水里的鱼上岸吃草一样，让人难以接受。 我突然意识到，对于很多人来说，他们似乎从未想过，离开企业，或者离开一个集体之后，怎样独自生活。 即不依靠任何企业，组织，凭自己的能力，独立获得生存资源（其实就是当个体户）。 在他们的人生中，所有的一切应当是有迹可循的，他们从未经历过如此彻底的破坏性。 这可能是他们最迷茫，也最无助的地方。 未来，我们应该如何活着？ 提出这个问题的时候，我也有点害怕，这个命题实在太大了，但我还是想要浅浅地聊一下。 毕竟世界潮流，浩浩荡荡，我们终将进入一个完全AI的时代，所以就有了这个问题：我们应该如何生活？ 现在全球被广泛讨论，且认为具有可行性的方案是“全民基本收入”保障。 比如最近，美国非营利组织就正在试点一件有意思的事情：如果AI抢走了你的饭碗，那么你每月将获得1000美元的补助金。 这是一个叫做“AI Dividend”（AI红利制度）的试点项目，正在让第一批30-50人受益，他们集中在“知识密集型”岗位。 现在，这波人已经开始领钱，而接下来，试点的资金规模会从30万美元扩大至300万美元，还会有更多人被纳入其中。 早在2020年，Sam Altman也曾通过OpenResearch推动了一项UBI（全民基本收入）实验：3000人参与，其中1000人每月获得1000美元，为期3年，其余作为对照组每月50美元。 ▲ AI巨头企业创始人关于全民基本收入的看法 这是目前为止，关于全民基本收入比较明确的两个社会实验，其结果我们暂且按下不表，我们需要先讨论另一件事情。 假设，如果AI全面接管进入我们的生活，马斯克描述的未来成真，人类不再需要工作，工作反而会成为一个奢侈的事情，你会如何生活？ 一个有趣的结论是，前面提到的两项社会实验，目前的结果是，现金补助确实改善了生活，但没有改变阶层。（我们之前有一段小文章谈过这个事情，感兴趣可以点击阅读：给AI失业者发钱，是让他们走向贫穷的第一步） 我之前也曾和朋友探讨过这个问题，我们得出的一个粗浅结论是，在AI全面接手工作之后，人类的全民基本收入保障是可行的，但是，这笔钱的支出大概率不会很多，它可能只会保障每个人最基本的衣食住行。 比如全民免费的公租房，定点的食堂，和类似制服，且可选择款式非常少的衣服等等。 而超出的一切，仍然需要花钱。 没错，这个描述就像《黑镜》，或者很多游戏里NPC的设定。 NPC都是一样的服装，一样的装备，只有玩家，而且是氪金的玩家才会有花哨的皮肤。 所以，如果是在这种情况下，我们应该如何生活呢？ ▲ 来自电视剧《黑镜》，AI复刻死去的丈夫归来 我朋友对这样的世界感到绝望，他觉得这是一个没有希望的世界，所有的一切都已经注定，人只能在AI的圈养下，像农场主的火鸡一样活着。 他不想面对这样的世界，但我却恰恰相反，我甚至怀着一种略微激动的心情，希望这样的世界快一点到来。 在我看来，很多人之所以会对这样的世界感到无所适从，觉得绝望和无趣，是因为他们一直都在一个早已经被规训好的轨迹中活着。 比如，我们从小被教育要好好学习，天天向上。 什么时候应该上小学，什么时候应该上中学，什么时候该工作，什么时候该结婚，什么时候该生孩子…… 像是一切都被安排好的，不会有意外，我们遵照前人的经验活着。 就像之前网络上有人吐槽，我们来到这个世界上，最重要的事情应该是工作，因为除了工作之外，结婚，生育，生病等等，所有的事情都需要请假完成。 但如果有一天，有人告诉你，你不需要遵从这样的经验，不需要循着前人的轨道，你可以自由选择你的人生，你会如何选择？ 我的意思是，很多人根本没有意识到，我们生活在一个无比真切的“地球Online”，这是一个完全开放的世界，作为主角的你完全可以自由探索。 在过去，我们因为生存，而不得不花费大量时间去学习，工作，然后早出晚归的获得生存资料。 但如果不考虑生存，你会选择什么？ 当AI保障了你的基本生活，你可以无需顾虑任何生存的风险，去做任何你想做（合法）的事情。 我的意思，你是会选择躺平，成为被圈养的，为 AI 提供数据的火鸡？还是真正意义上的自由？ 这完全取决于你自己。 而我始终认为，当AI接替一切的时候，人类才真正意义上的解放自己。 从北海道函馆山的夜色，到地中海圣托里尼的蓝顶教堂，从西伯利亚的驯鹿，到南美洲最南端的乌斯怀亚…… 一切的一切，清风明月，都可以属于我们。

站在2026年的春季回望，AI行业的叙事逻辑已经彻底变了。 两年前，人们还在争论GPT-5什么时候能实现AGI；而今天，硅谷谈论最多的词是“效率”与“利润”。那个曾经靠ChatGPT统治人类想象力的OpenAI，正陷入一场温水煮青蛙的危机；而一直被视为追随者的Anthropic，正悄无声息地完成一场人类商业史上最惊人的“侧翼包抄”。 一、增长的幻觉：当“数学”开始背叛OpenAI 我们总被庞大的基数迷惑。 OpenAI的估值依然高居8400亿美元，营收也率先触达250亿大关，看起来依然是霸主。但作为产品经理，我最清楚的一件事是：趋势比现状更真实。 看看这组让人背脊发凉的数据： Anthropic的年营收从14亿飙升至190亿，那是整整10倍的增长。 与此同时，OpenAI的增速已经从当年的指数级放缓到了3.4倍。 乍看起来可能觉得“OpenAI还领先啊”。但这恰恰是被基数迷惑的典型表现。 让我换个角度：如果我们从两家公司都达到1亿美元年收入的时刻开始计时，Anthropic用了大概12个月达到100亿，OpenAI用了30个月。 这不是“速度快”的问题，这是量级不同。 按照目前的增长曲线，Epoch AI的数据模型预测，两者的营收曲线将在2026年8月左右完成致命的“死亡交叉”——Anthropic会彻底超越OpenAI的年化收入。 这不仅仅是数字的交汇。OpenAI的领先更像是靠巨大的惯性在滑行，而Anthropic则是开着加力燃烧室在冲刺。用不了两年，你会发现曾经的追随者已经走到了前面。 二、20美元的泥潭：C端的“量”与B端的“值” 为什么OpenAI跑不动了？ 我的答案很直白：因为它掉进了自己亲手挖掘的“C端泥潭”。 ChatGPT Plus那20美元的月费，曾被视为AI时代的门票。但今天看来，这更像是一种代价高昂的社会福利。 数据说话： OpenAI拥有大概800万周活用户 消费者LTV（生命周期价值）：200-300美元 转身成本：接近于零 反观Anthropic，它走的是一条“少有人走，却极其肥美”的路。 它的收入80%来自商业客户。这意味着它只需要搞定财富100强——而它已经搞定了8家。 一个企业一旦将Claude嵌入到其合规审计、研发流程或财务分析中，这种“系统级粘性”是20美元订阅费根本无法企及的。Anthropic公开宣布，有500多家企业客户的年消费额超过100万美元。 消费者：200美元 vs 企业：1000万美元。 差了50000倍。 这不是“增速快”的问题，这是商业模式的降维打击。 更狠的是毛利率。OpenAI的毛利率约30%多，Anthropic是50%以上。这意味着同样100块的收入，OpenAI赚30块，Anthropic赚40块。等到两个公司都做到500亿收入时，这10个点的差异会变成什么？每年额外50亿的利润。 OpenAI在玩“流量”的游戏，而Anthropic在玩“渗透”的游戏。一个是吸毒式的用户获取，一个是输液式的企业深化。 三、战线收缩：Sora之死与Constitutional AI之盾 2026年初最震撼的新闻，莫过于OpenAI宣布永久关闭Sora业务线。 这被外界解读为战略失误，但在业内看来，这是OpenAI在生存压力下的“断臂求生”。 为什么？因为视频生成是个算力黑洞。生成一个高质量的视频需要的计算资源，是生成文本的几十倍。而且，视频生成没有直接的商业变现路径——这本质上是个2C的产品。 但OpenAI现在最不能承受的，就是维持低利润的2C业务。它已经意识到，要和Anthropic竞争，必须把所有子弹都用来修筑抵御Anthropic的城墙。Sora的关闭，说明OpenAI在做战略取舍——放弃酷炫的东西，转向盈利的东西。 因为Anthropic的下一代模型Mythos（神话）已经杀到了家门口。 Mythos的恐怖之处不在于它能写诗，而在于它在复杂代码修复和长文本逻辑上的“零幻觉”表现。在SWE-bench（软件工程基准测试）上，Claude Code已经比OpenAI的Codex高出23个百分点。 对于金融、医疗、法律这些行业来说，他们不需要一个“偶尔幽默但经常胡说八道”的天才（GPT），他们需要一个“永远冷静、绝对合规”的专家（Claude）。 你知道Anthropic最聪明的地方在哪吗？Constitutional AI——它自带合规性。 这道AI“枷锁”曾经被极客们嘲笑为“给AI带上束缚”。但现在，这变成了Anthropic进入大银行董事会的通行证。 一个金融机构要用OpenAI的模型做风险评估，需要自己搭建合规审核层、测试框架、人工复核机制——成本可能是几百万。一个金融机构要用Claude做同样的事，拿来就用，Constitutional AI已经帮你确保了合规性。 从这个角度看，Anthropic不是在卖产品，而是在卖“合规的工业标准”。 四、基础设施的幻梦 vs 工业标准的现实 OpenAI还有牌吗？当然有。 它正联手孙正义和甲骨文，试图通过500亿美元的Stargate项目实现算力垄断。这是个宏大的计划：到2030年，建成100万块H100 GPU的计算集群，成为全球最廉价、最强大的AI计算平台。 OpenAI的梦想是成为AI时代的“电力公司”——通过垄断最廉价的能源来卡住对手的脖子。 但这更像是一场豪赌： 时间：Anthropic不会等着OpenAI完成Stargate。在接下来的24-36个月里，Anthropic已经通过多云架构锁定了最赚钱的B端客户。 技术：Google的TPU、Amazon的Trainium、Microsoft的定制芯片——这些都在向低成本靠拢。 最关键——OpenAI赌的是“未来的成本优势”，而Anthropic已经赢得了“现在的利润优势”。 五、这一切意味着什么？ 如果你是投资者： 投OpenAI，你在赌“基础设施垄断”这个很长期的故事。5年、10年可能赚大钱，但短期（2-3年）会很难。 投Anthropic，你在赌“企业AI应用”这个更确定的故事。现金流更健康，回报周期更短。 从风险收益比看，后者现在更划算。 如果你是创业者： 用Anthropic的API可能更稳妥。不仅是因为他们的模型稳定性更好，更重要的是——如果你的客户是大企业，企业会倾向于用他们采购的模型。而越来越多的大企业已经在采购Anthropic了。 如果你在大企业做决策： 你的AI战略应该从“试验OpenAI”向“深度部署Anthropic”转变。不是说完全放弃OpenAI，而是权重应该调整。特别是如果你涉及金融、医疗、法律这样的合规要求高的行业。 六、尾声：权力的重构 AI行业的权力结构正在发生哥白尼式的倒转。 OpenAI赢得了名气、流量和早期的崇拜，它依然是这个时代的图腾。但Anthropic正在赢得利润、合同和工业标准。当2026年的硝烟散去，我们会发现： AI时代的霸主，不一定出现在普通人的手机屏幕里，但一定运行在人类最核心的价值流动之中。 OpenAI永远改变了人类对AI的想象。但Anthropic正在改变人类对AI商业化的理解。前者是造梦者，后者是收割者。在这个时代，收割者的权力往往比造梦者更持久。 OpenAI还有12个月的时间来证明它不仅能改变世界，还能养活自己。否则，这场关于AGI的浪漫史诗，最终可能会变成Anthropic的商业收割。 一句话总结：消费品永远赚不过企业产品。这是一个不以人的意志为转移的商业铁律。 后记： 我知道这个判断会引发争议。有人会说“OpenAI还有Azure的绑定”“OpenAI的模型依然更强”“基础设施才是未来”。这些观点都不错。但我想说的是，这些都是“可能性”，而我讲的是“趋势”。趋势已经在发生，而可能性还在未来。在趋势和可能性之间，聪明的人会选择赌趋势。

新智元报道 编辑：YHluck 【新智元导读】AI游戏迎来大结局？GDC与GTC双会场惊现黑马LinearGame！旗下平台Yoroll首创将世界模型与互动视频融合，一句话即可生成3D可玩空间。打破「AI视频只能看」的魔咒，全新游戏范式正式杀入现实！ 今年GDC和NVIDIA GTC上，AI与互动娱乐的结合，已经从「概念展示」开始走向更具体的产品形态。 其中，一个值得注意的样本来自AI原生互动视频游戏平台Yoroll：世界模型开始承担可探索空间，互动视频负责剧情叙事和分支推进，而普通创作者甚至能在一周内做出一款能传播、能游玩、能验证反馈的互动作品。 当行业还在争论「AI游戏到底行不行」时，有人已经把它往前推到了下一阶段。 硅谷AI游戏赛道的黑马 上个月，硅谷最热闹的两个会场，先后被同一个名字刷了存在感。 一个是GDC，全球游戏开发者大会，游戏行业每年最重要的线下场域之一；一个是NVIDIA GTC，AI算力与应用的年度风向标。 原本以为，在这两个场子里，最容易吸走注意力的，应该还是那些熟悉的大厂、老牌游戏公司，或者最新一波AI模型厂商。 但在现场转了几圈之后，一个此前并不算最先进入视野的名字，反而几次被注意到：LinearGame，以及它旗下的AI原生互动视频游戏平台Yoroll。 他们的展台一直被参展人员围观，大家纷纷排队体验和试玩，有人试玩完直接问团队要联系方式谈合作，也有投资人在旁边站了很久跟团队深聊产品路线。 起初并没有把它当成重点，毕竟过去的几个月里，行业里已经看过太多「好看的AI视频」了，几十秒就足够把人的注意力拽过去。 但问题也很明显，这类内容通常更像一段「值得转发的片段」，而不是一个「值得继续玩下去的产品」。 也是因此，Yoroll现场展示出来的东西，才会显得有些不一样。 它吸引人的不只是画面完成度，而是开始呈现出一种更接近游戏产品的结构感：有玩法承接，有反馈循环，有分支剧情，也有状态延续。 玩家不只是看完一段内容就结束，而是会自然地想继续点下去、玩下去、试下去。 如果一定要概括那种现场感受，大概就是：AI游戏这件事，似乎第一次不只是「能生成」，而是开始有颠覆性了。 而让大家倍感惊艳的，是世界模型在游戏中真实应用起来的例子。 在他们一款叫《Star Junkers》的星际探索游戏Demo里，玩家进入了一个宇宙——但这个宇宙中的部分玩法不是预先做好的，而是由世界模型实时生成的。 这种实时交互让玩家不再只是看一段剧情，而是像真正进入一款开放世界游戏一样，在陌生星球上探索、采集和完成游戏任务。 《StarJunkers》中，玩家可以探索实时生成的世界，并需要完成采集任务。 而要理解这件事为什么重要，得先看看2026年初，整个AI游戏赛道发生了什么。 2026年， AI游戏和互动视频赛道变天了 在过去的几个月中，Google DeepMind的Genie3世界模型发布，字节跳动开放Seedance2.0 API继续引燃视频生成赛道，爱诗科技的Pixverse R1让用户可以自由地创造世界。 世界模型开始从推理昂贵、画质感人的Demo逐步走向「能被实际操作」的产品； 视频模型在复杂动作、连续镜头、物理模拟、可用率上的产品级门槛，突然被大幅推进。 这两件事叠在一起，带来的不是「视频更好看了」这么简单。 而是让整个行业第一次不得不认真思考： 传统游戏引擎之外，会不会真的长出一条新路线？ 过去，游戏行业的标准路径一直是： 引擎、资产、动画、特效、玩法、渲染，然后才到玩家体验。 但现在，另一条路线开始浮出水面： 视频/世界模型先生成世界的表现，交互系统、状态系统、分支系统再把它支撑成一个真正可玩的产品。 也正因为如此，今年GDC和GTC现场很多讨论的焦点，已经不是「这是怎么生成的」。 而是： 「这是不是一个新的游戏范式？」 一个旧时代的地基，在松动。 一个新物种的轮廓，在浮现。 而在所有人还在争论「AI游戏到底能不能行」的时候，有人已经把东西做出来，摆到台前了。 在行业拐点之前就下注： 多款即将发布的AI原生游戏 在世界模型和视频模型引爆行业讨论之前，LinearGame旗下的第一方游戏工作室LinearGame Studio，就已经是使用自家创作者工具Yoroll.ai在开发大型的AI互动视频游戏了。 这次在GDC和NVIDIA GTC上，他们展示了三款风格完全不同、但运行在同一套底层平台上的作品，涵盖叙事、探索、悬疑这几类原本跨度极大的品类。 《Star Junkers》是其中最能代表未来想象力的一款。它把电影级互动叙事和宇宙探索结合在一起，玩家可以进入近乎无限扩展的星球与独立故事线。 世界模型的实时交互，让玩家不再只是「看」一段剧情，而是像真正进入一款开放世界游戏一样，在陌生星球上探索发现。 对很多现场体验者来说，这也是第一次比较明确地感受到：世界模型不一定先要用来复制一个传统3D游戏，它也可以和视频原生交互结合，形成一种新的混合体验。 《Dead Reckoning: Reborn》则把玩家带入末日丧尸环境下的逃亡与复仇之旅。在这款作品里，战斗、资源搜集、避难所建设与高风险抉择共同推动剧情前进。 它的重点不是单纯「有剧情」，而是用更即时的反馈和更强的动作导向交互，让玩家每一个决定都直接改变故事走向。 这款作品更接近市场熟悉的强情绪、高冲突、强生存压力体验，也更容易让人看见AI视频与游戏机制结合后的消费潜力。 《The Occult Album》则走向了另一端：东方悬疑、探索与超自然神秘感。玩家需要借助一台能够窥见「阴阳」的古董相机，在一次次选择、调查与解谜中，逐步揭开古老诅咒背后的真相。 它证明的不是动作表现力，而是另一件同样重要的事：AI视频并不只能服务爽感和奇观，它也可以服务氛围、叙事密度和心理压迫感。 这3款游戏均已开放Steam心愿单。而在这些一方游戏背后，游戏主创团队的背景也相当豪华。 LinearGame的全球创意总监，在好莱坞顶级动画工作室和全球知名互动叙事游戏公司深耕近二十年，曾是TellTale工作室的Story Lead，参与过《The Walking Dead》《对马岛之魂》《权力的游戏》《玩具总动员3》制作，获艾美奖提名。 而在亚洲，《完蛋！我被美女包围了》的核心主创成员之一已经加入了LinearGame，负责AI仿真人恋爱模拟游戏，《完蛋》在2023年创造了真人恋爱互动游戏品类的现象级成绩。 UGC爆发： 一个从没做过游戏的人，一周做出爆款 如果说第一方游戏证明的是自研能力，那么UGC作品的表现，则是验证了一条全新的创作范式和商业模式。 一款由个人创作者（抖音号「唯爱华君」）在Yoroll.ai上制作出来的AI互动游戏作品——《华君传》，在抖音迅速获得反馈：单条视频播放量突破百万，点赞达到数万。 《华君传》构建了一个女性掌权、男性入宫的女尊后宫世界观，结合网络热点，把宫廷权谋、情感博弈和互动叙事重新拼成了一款可游玩的内容形态。 更关键的是，做出它的创作者此前并没有游戏开发经验。从创意到成品，用时不到一周。没有游戏引擎，没有专业开发团队，没有传统意义上的游戏制作流程。 过去做一款互动影视游戏需要什么？编剧团队、拍摄团队、选角、场景搭建、后期制作、玩法开发——周期以年计，成本以千万人民币计。现在，一个有想法的人加一个AI创作平台，一周。 据悉，Yoroll已经招募并签约了数十位AI视频游戏创作者，目前还在持续招募中。平台面向短视频创作者提供模型token、游戏技术支持，甚至帮助优秀作品进行游戏发行，上架Steam和其他主流游戏平台。 其实，很多平台都能做一个官方样板。真正难的是：外部创作者愿不愿意进来，能不能做出来，做出来之后，能不能迅速获得用户反馈和传播验证。 《华君传》恰好把这三个问题，一次性回答了。 它意味着：过去那些需要长周期筹备，甚至根本很难落地的脑洞型内容，今天第一次有机会由小团队，甚至个人创作者，以接近短视频的节奏，直接做成可玩的互动作品。 这不是简单的效率提升，而是说明互动内容的供给方式，正在出现新的可能。 平台工具赋能创作能力 《华君传》爆火背后，其实是一整套Yoroll.ai已经开放给创作者的工具链。 影游生成——创作者输入一个简单的创意想法，或上传游戏策划案/剧本，即可开始创作，不需要写代码或复杂提示词，故事、角色、分镜、玩法、分支线全部由AI生成，创作者也可以画布模式上直观地修改每一个细节，全部调整完之后一键发布。 与传统影游的制作流程不同，Yoroll把这些环节压缩成「输入想法→AI生成→微调→发布」。 创作者掌握创意主导权：AI负责生产，但故事走向、角色设定、分支逻辑、玩法交互的最终决定权在创作者手里。 玩法组件——在视频流中直接嵌入游戏玩法的交互节点，比如射击、QTE点击/滑动、三消、拼图、解谜、卡牌、音游、透视眼等等。 互动不再只是「选A还是选B」，还包括了大家在经典游戏中常见到的各类玩法，操作时机、手感、反馈这些更接近传统游戏。 玩法中的交互位置、触发时机、玩法类型、节奏难度全部可调，让交互精准匹配视频节奏。 发布和打包——创作者制作好游戏后，支持一键发布到网页端；经过平台认证的创作者，还可以打包上架到Steam、App Store、小程序。不只解决「怎么做」，也开始覆盖「怎么发」。这一套完整的工作流让不会编程的人也能轻松完成互动作品。 更深度的玩法开发： 一句话生成可运行的3D游戏空间 除了平台提供的基础玩法组件，Yoroll还做了一个Vibe Coding Agent，它不只是一个辅助写代码的工具，而是一个面向3D游戏生产流程的自动化Agent，可以直接帮助创作者生成完整的3D游戏场景、角色交互和玩法逻辑，把更复杂、更接近传统游戏工业的玩法生产能力也一起拉进来。 用户只需要在Web界面输入一句自然语言，例如：「做一个第三人称射击游戏，玩家控制角色在科幻工厂场景里战斗，玩家可以射击消灭敌人。」 接下来，Agent会自动完成一整套原本需要多个工种协作才能推进的流程：扫描项目结构、理解现有资源、搭建场景或者复用已有场景模版、创建第三人称角色、放置NPC、编写交互脚本、连接行为逻辑，并最终运行验证，直接生成一个可进入、可控制、可互动的 3D游戏空间。 这件事真正厉害的地方，不是「又一个AI写代码工具」，而是它把过去需要策划、美术、程序、关卡设计多人协作才能完成的3D玩法开发，第一次压缩成了一句自然语言。 更关键的是，这个3D空间还可以直接嵌入到整个互动视频游戏中：前面是电影级叙事，关键节点切入实时可玩的3D交互，结果再反馈回后续剧情。 为了让这种切换不显得割裂，平台还会通过提示词、参考图、角色设定和状态信息去约束生成过程，尽可能保证3D场景与前后视频内容在视觉风格、人物设定和世界观表达上的一致性。 AI视频负责好看，3D玩法负责好玩，两者被真正接成了一个完整体验。这样，一款真正既好看、又好玩，既有电影感、又有玩法深度的AI原生游戏，才第一次开始变得现实。 这可能不是游戏行业的一次小更新 而是一条新路的开始 今天做AI游戏，容易被高估的是模型，而容易被低估的是系统、Harness和供给。 模型当然重要，但真正能形成壁垒的，往往不是谁今天多领先一个benchmark，而是谁先把工具链、组件库、状态系统、分支逻辑、内容工作流、创作者生态和分发反馈真正接起来。 传统游戏工业的护城河，来自引擎、资产、管线和团队协作；而如果AI视频原生游戏这条路成立，新的护城河会迁移到另一套东西上：创作工作流、可复用的交互组件、平台对视频内容的理解与编排能力、创作者习惯，以及内容与用户反馈之间的高频闭环。 从这个意义上看，Yoroll最值得关注的，不只是它做出了几款互动视频游戏，而是它正在试图定义一套新的创作和消费基础设施。 从GDC和GTC的现场反馈，到《华君传》在视频媒体上的爆发，从《完蛋》主创和好莱坞叙事班底的集结，再到平台上签约创作者作品的涌现，一个新的互动娱乐路径，已经开始长出轮廓。 过去，做游戏是一套重工业。 未来，做游戏可能更像写故事、做短视频，甚至只是说一句话。 当视频不再只是被观看的内容，而开始成为游戏运行的一部分； 当一个好故事不再要等一年、烧掉千万预算，而是有机会在一周内变成一款可玩的产品； 当不会写代码的人，也第一次开始摸到「做游戏」的门槛—— 这件事的重要性，可能比任何一个单独的爆款都更大。 因为它改写的，不只是游戏怎么做，而是下一代互动娱乐，会由谁来做。 可能在不远的未来，每个对创造拥有热爱的人，都有机会成为小岛秀夫和李安。

新智元报道 编辑：倾倾 【新智元导读】OpenAI根本没有护城河！顶级分析师Benedict Evans判断：大模型本质上是「大宗商品」，OpenAI极有可能重演Netscape的悲剧。80%的用户一年交互不足千次、Meta掏出50%的收入去买芯片，AI行业的「财务重力」时刻已经到来。 不要再幻想OpenAI会成为下一个谷歌或微软！ 在最新一期的The MAD Podcast中，顶级科技分析师Benedict Evans与Matt Turck进行了一场长达一小时的硬核博弈。 Evans给出结论：OpenAI面临着毁灭性的护城河危机。 与Windows和谷歌不同，基础模型目前展现出的特质是极度昂贵，却又极度同质化。 现在的OpenAI有9亿周活用户，但80%的用户一年点击回车键的次数不到1000 次。 显然，AI 行业的财务已经紧绷到了极限。 消失的护城河：大模型只是「大宗商品」？ 科技史上所有的垄断，都建立在网络上。 你用Windows，是因为开发者在为Windows写软件；你用谷歌，是因为它的搜索结果随着用户点击而不断优化。 但在大模型领域，这种逻辑失效了。 Evans指出，目前没有任何证据表明，一个领先的模型能够阻止竞争对手做出同样好的模型。 Claude、Gemini、Llama正在疯狂接替领跑员的位置，每隔几周就会出现一次王位易主。 如果你是Sam Altman，你手里拿着的是一种大宗商品技术 Evans 说道。OpenAI没有自己的基础设施，没有差异化的网络效应，有的只是巨大的「心理份额」。 这像极了1995年的Netscape（网景）。 当时Netscape拥有全世界最好的浏览器，拥有最高的关注度。 但当浏览器本身变成一种基础设施，当拥有流量和系统的巨头反应过来时，缺乏护城河的先驱者会迅速被吞噬。 现在的OpenAI正拼命地想用这份心理份额去兑换硬资产。 一英里宽，一英尺深：ChatGPT 的真实使用困境 通过对Reddit上数千名用户分享的年度总结数据进行抓取，Evans发现了一个惊人的规律：绝大多数用户平均每天与AI的交互次数不足3次! 如果你去年在ChatGPT里输入过1000条指令，那么你已经是全球前20%的硬核用户了。 对于普通人来说，ChatGPT只是一个偶尔好用的搜索增强器或文案改写器，而不是生产力中枢。 这种低频使用的后果是，只有不到5%的用户愿意为此付费。 Evans提出了一个深刻的洞见：仅仅让模型「变得更好」是解决不了问题的。 如果你问AI 50个问题，上个月它错了10个，你得检查一遍；这个月它错了8个，你还是得检查一遍。 从90%的准确率提升到95%，都需要人类介入检查。 除非AI能进化到绝对正确，否则它就无法真正从人类的工作流中解放出价值。 财务重力时刻：Meta 50% 收入买芯片的豪赌 AI竞赛已经进入了「大力出奇迹」的深水区，随之而来的是失控的财务数据。 Meta最新的财报显示，其资本开支预计将占据总收入的50%以上。 Evans惊叹道： 这可不是利润的 50%，而是总收入的 50%！ 即便强如谷歌和微软，也在以双位数百分比的速度增加资本开支。 这种投入规模已经超越了建造工厂，更像是建造一个国家的基础设施。 然而，这种投入是否能换回等比例的产出？ 目前AI行业的收入结构中，存在着大量的循环收入和供应商融资。 英伟达把芯片卖给云服务商，云服务商再把算力租给AI初创公司，而初创公司的融资往往又来自这些巨头。 这种左手倒右手的游戏，掩盖了真实市场需求的疲软。 软件的「即兴」革命：SAP会被取代吗？ 在谈到 AI 对软件行业的冲击时，Evans 提出了一个新的分类法：即兴软件vs 制度化软件。 在他看来，每个人都会给自己写一个专属ERP的想法纯属幻觉。 大公司需要的是像SAP、Oracle这样稳健、合规、标准化的系统，不可能交给一个随性的AI代理去随机发挥。 过去，很多琐碎的业务流程因为规模太小，不值得雇程序员去开发专用工具，人们只能用Excel和邮件肉搏。 现在，AI让代码成本降到了近乎零，AI正在将大量的非标工作软件化。 这并不是说软件行业会萎缩。相反，根据杰文斯悖论，当资源的利用效率提高时，人们对该资源的总需求反而会增加。 我们会拥有更多的软件，而不是更少。Evans 认为。但软件公司的溢价能力将从「写代码」转移到「对业务痛点的深度理解」。 如果你只是一个简单的数据库包装器，那么你很快就会在 AI 的代码洪流中溺亡。 1997 vs 2026：AI的「Netscape时刻」 回顾历史，1997年的互联网正处于最疯狂的前夜。 当时的人们预测到了电商、视频会议和移动互联网，但他们绝没有预测到Uber。 我们知道AI很重要，所有的巨头都在往里砸钱，但我们还在用把PDF搬到网上的思维在做AI社交。 真正的AI原生应用尚未出现。 OpenAI正在尝试通过OpenClaw等代理工具寻找新的增长点，但这让它直接撞上了谷歌和苹果的枪口。 当AI试图接管用户的桌面和收件箱时，隐私、权限和系统的控制权，将成为比算法更难逾越的鸿沟。 这波浪潮中，一定会有公司赚到大钱，但可能不是因为算法跑分高。

2025年底，全球最大的AI模型聚合平台OpenRouter发布的年度使用报告显示，在其用户构成中，47%来自美国，中国开发者占6%。此外，平台调用内容中，英语占比83%，中文不足5%。 但截至2026年4月3日当周，该平台调用量排名前十的模型中，有6个来自中国。按调用量从高到低依次为：小米MiMo-V2-Pro、阶跃星辰Step 3.5 Flash、MiniMax M2.7、DeepSeek V3.2、智谱GLM 5 Turbo和MiniMax M2.5。其中，小米MiMo-V2-Pro以4.82万亿Token（词元）位居全平台第一。 事实上，自2026年2月9日至15日，当周中国模型调用量首次超过美国以来，中国模型的领先已持续近两个月。 OpenRouter平台汇聚了超过400个AI模型，覆盖60多家供应商，其调用量的数据被视为观察全球开发者模型选择偏好的窗口之一。开发者可通过同一API Key（一种用于验证身份和调用服务的密钥）在不同模型间随时切换。 OpenRouter联合创始人兼COO Chris Clark在2026年2月公开表示，中国开源模型在美国企业运行的Agent（智能体）工作流中占比“不成比例的高”。同时，开发者社区中围绕模型间任务分配与成本优化的讨论也日益增多。 有观点将这一现象与30年前的中国制造业类比：当时中国凭借成本优势切入全球电子产业链的组装环节，产生了富士康、立讯精密等代工企业；如今，中国大模型也正以价格优势切入全球AI产业链的执行环节。也有观点将国产大模型视为“AI时代的富士康”。 国产大模型在AI产业链中扮演何种角色？该角色的含金量究竟有多高？ 价格优势 经济观察报记者梳理各厂商截至2026年3月底的官方API定价发现，中美主流大模型的价格存在巨大差距。 以输入价格为例，中国模型中，DeepSeek V3.2为每百万Token0.28美元，MiniMax M2.5为0.3美元，月之暗面Kimi K2.5为0.42美元。美国模型中，Anthropic Claude Opus 4.6为5美元，OpenAI GPT-5.4为2.50美元。美国主流模型的输入价格约为中国主流模型的10至20倍。 输出价格差距更为明显。中国模型方面，DeepSeek V3.2为每百万Token0.42美元，MiniMax M2.5为1.1美元，月之暗面Kimi K2.5为2.2美元。美国模型方面，OpenA IGPT-5.4为15美元，ClaudeOpus 4.6为25美元。中美主流模型输出价格差距约为7倍至60倍。 上述价差一直存在，此前未引发大规模用户迁移，原因很简单，大多数人用AI的主要场景就是聊天，Token消耗量较低，价差影响甚微。 但2026年初，一只“龙虾”的出现改变了这一切。开源工具OpenClaw（开发者社区称为“龙虾”）于2026年2月前后迅速走红，上线后很快登顶OpenRouter应用排行榜第一，单周消耗超6000亿Token。“龙虾”属于智能体应用，和过去“你问我答”的聊天模式不同，它可使AI在电脑上自主执行编程、测试、文件管理等任务，无需逐步人工干预。 在这种工作模式下，Token消耗量与聊天场景不在一个量级。 比如，一个编程任务可能需要经历几十轮“写代码—运行—报错—修改—再运行”的循环，每一轮都是一次完整的模型调用。为了让智能体记住此前的操作，每次调用还需要调用对话历史。 有开发者在社交平台上表示，一个活跃的OpenClaw会话上下文很容易膨胀到23万Token以上。若全程使用ClaudeAPI，月费用可能在800至1500美元之间。也有用户称，一个配置不当的自动化任务，一天就烧掉了200美元。 以OpenClaw为代表的智能体应用推高了整个平台Token消耗量。比如，2025年3月3日至9日当周，OpenRouter前十大模型周调用量总计1.24万亿Token。至2026年2月16日至22日当周，仅前十大模型周调用量就超过了8.7万亿Token，增长近7倍。编程任务在平台Token消耗中的占比也从2025年初的11%升至2025年底的50%以上。 当单次任务Token消耗从几千增至几十万，中美模型间的价格差距从可忽略的成本转变为每月数百甚至上千美元的显著差异。 2026年2月19日前后，美国大模型公司Anthropic更新服务条款，禁止用户将Claude订阅账号凭证接入OpenClaw等第三方工具，要求通过API按量计费。随后Google也推出类似限制。对于每天需频繁调用API的智能体应用，模型选择中的价格因素成为绕不过去的问题，开发者被推上了按量付费的赛道。 在智能体核心的编程场景上，中美模型能力已较为接近。 SWE-Bench Verified是由普林斯顿大学研究团队维护的一项编程能力公开评测，做法是让AI模型去修复GitHub（全球最大的开源代码托管平台）上真实的代码问题。根据该评测公开排行榜的数据，2026年2月13日发布的中国模型MiniMax M2.5拿到了80.2%，2月5日发布的美国模型Claude Opus 4.6为80.8%，两者差距只有0.6个百分点。 在能力相近而价格悬殊的情况下，开发者的选择迅速反映在了数据上。 2026年2月9日至15日当周，中国模型Token调用量达4.12万亿，首次超过美国模型的2.94万亿。随后一周，中国模型调用量升至5.16万亿，三周时间增长127%。同期美国模型调用量降至2.7万亿。 中国大模型为什么能比美国大模型便宜这么多？ 工信部信息通信经济专家委员会委员盘和林向经济观察报表示，原因主要有两点：一是中国算力基础设施规模大、复用率高，报价较低；二是中国算力集群中存在大量自建算力，获取成本低于海外。 此外，技术路线也影响成本。有业内人士告诉记者，目前主流中国大模型普遍采用MoE架构，也称为“混合专家模型”。通俗地说，一个MoE模型虽然参数总量很大，但每次运行时只激活其中一小部分参数来处理任务，而不是全体参数，这大幅降低了每次推理所需的计算量。 不同路径 硅谷风投机构a16z合伙人Martin Casado在2025年底表示，在使用开源技术栈的AI初创公司中，约80%的公司使用中国模型。他随后在社交平台上补充说明，这并非指80%的美国AI初创公司都在使用中国模型，而是那些选择开源技术路线的公司中（约占全部美国AI初创公司的20%至30%），约80%使用了中国模型。 记者注意到，GitHub上已出现多个帮助开发者在不同模型间优化成本的开源工具。其思路多为将任务按难度分级，简单任务交由免费或低价的中国模型处理，复杂任务再调用高价美国模型。 其中一个名为ClawRouter的项目在文档中给出了对比数据，显示采用这种搭配方式后，平均成本从每百万Token25美元降到了约为2美元。Anthropic的产品ClaudeCode，在官方文档中也采用了类似的分层设计，默认用最便宜的模型处理日常任务。 这种模式能够成立的前提是中国模型在执行类任务上能力足够。在编程方面，前面提到的SWE-Bench数据已经说明了这一点。而在编程之外，中美大模型整体能力差距有多大呢？ LMSYS Chatbot Arena是目前全球公认度最高的AI模型评测平台之一，其做法是让真人用户在不知道模型名字的情况下同时试用两个模型，然后投票选出更好的那个，相当于一场AI之间的盲品测试。 在其截至2026年3月25日的综合排名中，前五名均为美国公司模型，中国模型中排名最高的DeepSeek V3.2 Speciale位列第六。在专门测试复杂推理能力的Hard Prompts（高难度提示词，专门用于测试模型处理复杂推理和多步逻辑任务的能力）类别中，中美模型的差距更为明显，第一梯队仍主要为美国模型。 编程能力接近、复杂推理尚有差距，这是当下中美大模型之间差异化能力的体现，也是“分层调用”这套做法成立的基础。 不过，和30年前被锁在低利润率的代工厂商不同，中国大模型厂商在价格上并没有一直往下走。 事实上，从2024年开始，中国大模型行业曾发生过一轮价格战：2024年5月，字节跳动旗下火山引擎豆包大模型以0.0008元/千Token的价格引发“价格战”，阿里云、百度智能云相继跟进。此后近一年，行业经历Token价格下降超过90%的阶段，部分厂商推理算力毛利率一度为负。 厂商当时的策略是以亏损换取规模，培养用户调用习惯。然而，2026年2月OpenClaw走红后，Token消耗量增速远超预期，算力供给趋紧。 智谱最先做出反应，2026年2月12日发布新模型GLM-5时上调API定价，3月16日发布GLM-5-Turbo时再次提价，两轮累计涨幅83%。 智谱CEO张鹏在2025年度业绩说明会上表示，2026年一季度API调用定价提升83%，调用量增长400%。根据年报，智谱2025年全年收入7.243亿元，同比增长132%，MaaS（模型即服务）平台年度经常性收入约为17亿元，12个月增长60倍。 选择涨价的不只智谱一家。2026年3月13日，腾讯云调整了混元系列大模型定价，部分模型涨幅超460%。3月18日，阿里云与百度智能云同日发布调价公告，AI算力相关产品涨幅在5%至34%之间，新价格于4月18日生效。 中科曙光高级副总裁李斌在接受经济观察报采访时称，算力系统评价指标正在发生改变，过去衡量一个系统的标准是看它有多少算力，现在则要看它能够多么经济地产出Token。 从集体降价到集体涨价，转变只用了不到两年。 2026年3月，国家数据局局长刘烈宏在中国发展高层论坛上公布了一组数字：中国日均Token调用量已突破140万亿，较两年前增长超过1000倍。 在同月的GTC大会上，英伟达创始人黄仁勋称，Token将是未来数字世界最核心的大宗商品。 在盘和林看来，中国大模型的竞争力很强，不是在补全，而是在引领，尤其在AI应用端。但他同时表示，中国在原创性创新上还有提升空间，当前AI体系中的核心架构，从人工神经网络到注意力机制，都是海外率先提出、国内跟进迭代。中国大模型下一步需要在应用端继续发力的同时，在基础算法上展开原创性创新。 30年前的消费电子代工产业有一个特点，组装环节的利润率被上游品牌商牢牢压住，不少头部的代工厂发展至今的毛利率都没有超过10%。成本优势带来了订单，但未能带来定价权。 当前，中国大模型的处境看起来与当年的消费电子代工产业有几分相似，但在定价权方面似乎又颇有不同。例如，智谱涨价83%之后，调用量增长了400%。阿里云、百度智能云、腾讯云在2026年3月集体上调了AI算力和模型服务的价格，需求并没有萎缩，调用量在持续增长。 在SWE-Bench编程评测上，头部中国模型和头部美国模型的差距已经缩小到不足1个百分点。两者在复杂推理上的差距还在，但这个差距也在快速收窄。 此次，中国大模型厂商的发展路径似乎有所不同。

IT之家 4 月 5 日消息，阿尔忒弥斯 2 号宇航员目前已在前往月球的途中走过了一半以上的路程，并首次瞥见了月球背面。 美国国家航空航天局宇航员克里斯蒂娜 · 科克在太空中接受 NBC News 采访时，描述了在“猎户座”飞船舷窗外看到月球的场景，她意识到眼前的月球与在地球上熟悉的模样截然不同。 阿尔忒弥斯 2 号机组人员在此次月球之旅的第 4 天拍摄了这张照片。照片中，月球的南极位于顶部，人们开始能看到月球背面的部分区域。 “月球上较暗的部分位置不太对，”她说道，“直觉会告诉你，这不是我平日里看到的月球。” 科克表示，她与同行的美国国家航空航天局宇航员里德 · 怀斯曼、维克多 · 格洛弗，以及加拿大宇航员杰里米 · 汉森，将观测到的景象与学习资料对比，才弄清眼前的一切。 “这就是月球背面，是我们从未见过的景象。”科克说。 怀斯曼、科克、格洛弗与汉森于当地时间周三发射升空，开启了为期 10 天的绕月飞行，这是 50 多年来人类首次执行月球任务。他们也是首批搭乘美国国家航空航天局太空发射系统火箭与“猎户座”飞船升空的人类。周四晚间，飞船完成关键发动机点火，脱离地球轨道，正式踏上奔月之旅。 怀斯曼称此次飞行是“辉煌的成就”，表示从飞船中同时眺望地球与月球的感受“着实令人震撼”。 “地球几乎处于全食状态，月球则几乎被阳光完全照亮，只有身处地月之间的中点，才能看到这样的景象。”他说。 科克补充道，宇航员们情绪激动，在宽 16.5 英尺（IT之家注：约 5 米）的“猎户座”飞船内仍能舒适休息、安睡，飞船的宜居空间大致相当于一辆露营房车。 在穿越宇宙的旅程中，睡眠等人类基本需求，是他们日常需要面对的问题。 “在太空以人类的状态生活，是这次任务最酷的事之一。”科克说，“我们就是努力适应太空生活的普通人。比如，我们会去观赏月球背面，感受它的壮美，随后又会想着‘嗯，或许该换双袜子了’，然后翻找袜子。这就是载人航天飞行中平凡与伟大的反差。” 四名宇航员在周五和周六与家人进行了通话，怀斯曼称这是此行的一大亮点。“感觉超现实，”他说，“那一刻，我与我的小家人团聚了，这是我一生中最美好的时刻。” 进入太空后，阿尔忒弥斯二号乘组便忙碌不停。升空后的最初几小时，他们就开始测试“猎户座”飞船上的各类生命保障系统。宇航员们排查了多个故障，包括邮件系统故障、太空厕所问题，但表示整体飞行过程十分顺利。 美国东部时间周一凌晨 12 点 41 分，宇航员预计将进入月球引力影响范围，届时月球引力将超过地球引力。 万众期待的月球飞掠将在当天晚些时候进行，阿尔忒弥斯二号宇航员将目睹月球表面从未被人类见过的区域。月球背面始终背向地球，从地球上无法观测，即便是阿波罗号宇航员，因受飞行轨道与时间限制，也未能看到月球背面的大部分区域。 阿尔忒弥斯二号官方月球飞掠阶段时长 6 小时，将于美国东部时间下午 2 点 45 分开始（IT之家注：北京时间周二凌晨 2 点 45 分）。 当“猎户座”飞船绕月飞行时，怀斯曼、科克、格洛弗与汉森将抵达人类有史以来距离地球最远的位置。美国东部时间晚上 7 点 05 分，他们预计将到达距地球最远点 ——252757 英里（约 40.7 万公里），比阿波罗 13 号创造的纪录远约 4100 英里（约 6598 公里）。 美国东部时间下午 1 点 56 分，他们将超越阿波罗 13 号 248655 英里的飞行距离纪录。 当天，宇航员将抵达距月球表面最近处，仅 4600 英里（约 7403 公里）。从他们的视角看去，月球大小如同手臂伸直时手中的篮球。乘组任务是近距离观测月球地貌并拍摄照片，他们拍摄的月球陨石坑、山脊与古老熔岩流影像，将帮助科学家进一步探究月球乃至太阳系的形成奥秘。 月球观测阶段尾声，乘组将在太空中目睹日食现象。美国东部时间晚上 8 点 35 分，太阳将运行至月球后方，从“猎户座”飞船视角看，太阳光会被遮挡，此次日食将持续近一小时。 日食期间，月球整体呈暗色，宇航员将借此观测太阳日冕，寻找陨石撞击月球产生的闪光。 飞掠月球后，宇航员将开启为期三天的返程之旅，预计于周五返回地球，美国东部时间晚上 8 点刚过，飞船将在圣地亚哥附近的太平洋海域溅落，完成此次任务。 汉森表示，截至目前的飞行旅程令人心绪澎湃，充满喜悦、幸福与难以置信之感。 “置身太空的瞬间，你会心生谦卑。”他说，“我们四人能执行此次任务，这份荣幸让人动容。” 尽管汉森与同事传回的地球、月球照片十分震撼，但这位加拿大宇航员表示，照片远不及飞船舷窗外的实景震撼。 “我知道这些照片已经很美了，”他说，“但我向你保证，太空中的实景壮美到了另一个境界。”

IT之家 4 月 5 日消息，据 not a tesla app 报道，在奥斯汀举行的具有里程碑意义的 TERAFAB 发布会上，埃隆 · 马斯克公布了未来十年支撑特斯拉、xAI 与 SpaceX 共同愿景的芯片路线图。尽管万众瞩目的焦点无疑是 AI5 与 AI6 芯片 —— 它们将成为数百万辆无人驾驶出租车与擎天柱人形机器人的统一“大脑”，但不少人也留意到，演示幻灯片及月球质量投射器视频中出现了第三款高度专用的芯片：D3。 据IT之家了解，D3 即 Dojo 3 芯片，是特斯拉定制芯片项目的战略转向。该架构不再与英伟达在地面超算领域竞争，而是找到了真正且长久的使命：为太空真空环境中绝大多数的人类算力提供支撑。 要理解 D3 的重要意义，需回顾 Dojo 项目跌宕的发展历程。特斯拉首次推出 D1 芯片与 Dojo 超算时，目标是打造用于 FSD 的顶级地面视频训练集群；后续量产的 D2 芯片也延续这一定位，实现了性能的大幅飞跃。 然而，随着特斯拉工程团队依托即将推出的 AI5 与 AI6 处理器，逐步统一 FSD 与擎天柱机器人的架构，同时 xAI 采用商用 GPU 搭建吉瓦级大规模算力集群，不少行业分析师曾推测 Dojo 项目已名存实亡。 此次 TERAFAB 发布会证实，Dojo 并未消亡，而是进化升级，用以解决一个更为严峻的瓶颈：地球能源已难以支撑人工智能革命的算力需求。 目前全球每年新增算力装机容量仅约 100 至 200 吉瓦，受限于各地电网承载力、散热条件与物理场地。若要实现马斯克提出的太瓦级、最终实现拍瓦级算力目标，硬件必须走向太空，D3 应运而生。 D3 芯片与 AI5 及所有地面处理器截然不同，其专为严苛却又极具发展潜力的太空环境量身打造。 研发地面芯片时，工程师需投入大量时间与成本解决散热与功耗问题，而 D3 彻底打破了这些限制。太空是无限大的散热池，且芯片无需依赖脆弱的地面电网，因此 D3 被设计为功耗更高、可在远超地面芯片的温度下安全运行的产品。 此外，D3 架构具备极强的抗辐射能力。脱离地球磁场保护后，硅芯片会遭受强烈宇宙辐射，普通芯片易出现比特翻转乃至硬件灾难性故障，而 D3 从底层优化设计，可在恶劣环境中稳定运行。 为何要将 D3 送入太空？马斯克在发布会上给出了惊人的经济预判：短短数年内，将芯片发射至太空的成本，将低于建造传统地面数据中心。 核心在于 D3 芯片与 SpaceX 重型运载能力的协同效应。D3 处理器将集成至百千瓦级大型轨道服务器机柜 —— 人工智能微型卫星，每颗卫星重约一吨，由星舰发射入轨。 进入太空后，D3 集群的运行成本将大幅降低。卫星可实现全天候不间断日照供能，无需配备笨重昂贵的备用电池保障芯片运行。同时，太空太阳能板无需加装厚重玻璃与铝制框架抵御风雨、对抗重力，制造成本远低于地面太阳能板。 归根结底，D3 芯片是连接特斯拉人工智能愿景与 SpaceX 星际探索目标的关键纽带。 AI6 将作为主力芯片，操控车辆行驶并通过擎天柱实现体力劳动自动化，而 D3 则是整个生态体系的隐形支柱。由搭载 D3 的人工智能微型卫星组成的庞大星座，将在轨道中默默运行，承担 xAI 智能升级所需的海量数据处理、搭建火星互联网，最终为人类迈向深空提供算力指引。

Jay 发自 凹非寺 量子位 | 公众号 QbitAI OpenAI简直漏风漏得跟筛子一样，关于最新Spud（土豆）模型的消息，又双叒叕来了。 这颗「土豆」，就是万众瞩目的GPT-6。 据爆料，这颗「土豆」已经彻底煮熟了，4月14号就会发布。 知情人士表示，这是个彻底奔着AGI去的模型—— 性能暴涨40%，在代码、推理、智能体任务上，全方位碾压GPT-5.4。 原生多模态，一套架构搞定文本、音频、图像、视频。 更有着2M的超大上下文窗口。 它的终极形态更为关键—— GPT-6将化身为一个超级引擎，负责把ChatGPT、Codex和Atlas浏览器彻底熔炼，融合成一个统一的智能体。 没错，就是OpenAI念叨了很久的那个桌面级「超级应用」。 而最抓眼球的还是OpenAI内部对这个模型的定位。 内部员工的说法是： 这是AGI的「最后一公里」，他们要砍光一切来赌。 GPT-6要来了？ 替大家带来大量内幕消息的事自草莓哥@iruletheworldmo。 这老哥是有点实力在身上的， 龙虾之父Peter、Gavin Baker、Jim Fan等大佬都是他的𝕏粉丝。 草莓哥兴奋地表示，最近OpenAI内部简直漏风漏得像筛子，他从中搞到了不少猛料。 首先，OpenAI砍掉一切旁支的原因，就是为了把所有资源全部倾注给GPT-6。 Brockman在此前采访中表示，迈向AGI的进度已经完成了差不多80%。 而在OpenAI内部员工看来，GPT-6，就是剩下的那20%。 怎么说？拿数据说话～ 一个原生多模态模型，却依然实现了基准测试的全面飞跃。 在代码、推理、智能体任务上，据说比GPT-5.4强了40%。 上下文窗口也达到了惊人的200万Token，是GPT-5.4和Opus 4.6的两倍。 定价方面，也延续了OpenAI的「优良传统」，每百万Token输入2.5美元，输出12美元，基本没比GPT-5.4贵多少。 如果拿Claude来对标，那就是拥有Mythos（神话）级别的智能，却只收Sonnet级别的定价。 据说，GPT-6的预训练在3月17号就已经完成了，后训练和安全工作也都搞定，随时可以上线。 粗布内定的发布日期是4月14日。 随着风声走漏，关于OpenAI和GPT-6的更多内部细节也露了出来。 从2025年12月开始，OpenAI 内部就一直处于「编程红色警报」状态。 最近Brockman亲自在播客上承认了，OpenAI之前光顾着刷榜单，结果在编程领域被Anthropic狠狠摆了一道，大量用户被抢走。 Claude Code、Cowork、OpenClaw这类基于AI编程产品的爆火，让OpenAI猛然意识到「原来只靠文本，真的有可能通往AGI」。 这逼得奥特曼走投无路，不得不咬牙砍掉了几乎所有非核心产品线。 被砍掉的最重要项目，当属高开疯走又突然落幕的Sora，这也间接导致OpenAI和迪士尼（传得沸沸扬扬）的十亿美元合同彻底没戏。 然而这还不是全部。 新消息是，奥特曼现在演都不演了，一门心思扑在数据中心上，安全问题啥的以后再说！ 目前，OpenAI安全团队被划归到CRO（首席风险官）下面。 同时，OpenAI负责产品的部门名称换成了AGI Deployment（AGI部署部），足见野心。 一番大动作下来，奥特曼终于憋出了一个（或许）足以回应Anthropic的大杀器，GPT-6。 不过评论区也有人提醒，草莓哥的这一爆料，并不一定十分准确。 不过，也有人出来站台，说虽然具体信息存疑，但大方向应该是对的。 真·GPT Image 2 GPT-6到底啥时候来还没个准信，但GPT-Image 2，是真的要来了。 毕竟已经昨日在Arena短暂出现过，一亮相就引起一阵不小的骚动。 为啥？看看下面这些图你就知道了—— 朋友们，我没贴错图片，也不是摸鱼在玩《我的世界》。 这玩意儿……真就是网友用GPT生成出来的。 基本上啥游戏都能1:1复刻，完全没有AI那种模糊感，根本分不清真假了。 还有这张Windows桌面，我看到时都愣了半天，寻思这人干嘛要放张截图上来。 然后才反应过来，哦，这是人家拿GPT-Image 2生成的。 如果提示词清晰一点，GPT-Image 2可以直接夺舍Youtube首页。 世界认知能力也大幅提升，彻底和Nano Banana Pro对齐。 审美也蛮不错，不是一般生图模型固有的亮蓝色科幻风AI色调。 画人体结构图，效果看上去就像教科书里的插图一样。 真实感也大幅提升。 终于，那个丑陋的黄色滤镜没了，色彩看上去正常了很多。 期待上了，如果表现真的这么稳定，这无疑将成为迄今为止最实用的生图模型。 可惜，这款模型昨天已经从Arena下架，暂时测试不了。 算力才是操盘手 说一千道一万，AI竞赛走到今天，所有的模型背后都直指一个东西——算力。 而且它的重要性已彻底显化了。 最近发生的一系列事件，背后都隐隐有算力的影子。 Anthropic停止为OpenClaw的订阅用户提供授权渠道，除了是为自家KARIOS提前铺路，另一方面，恐怕也是无奈之举—— 真的撑不住了。 Anthropic估计也没想到，这玩意儿需求量这么大。 最近Token耗这么快可能也是这个原因，OpenClaw得「背大锅」，搞得我都Token焦虑了。 而如今，Sora被砍，迪士尼合同被撕，也都是OpenAI为了给新模型的算力需求让路做出的无奈之举。 去年，大家谈论数据中心时，好像还是个和生态环保一样，听上去很遥远的问题。 而现在，基础设施的冲击波，已经顺着产业链条，传导到了应用端。 这场比赛，真的越来越精彩了。 在算力稀缺的限制条件下，即便像奥特曼这样会融资的CEO，也没法给OpenAI留后路。 拼的，就是谁敢孤注一掷，赌对那唯一的、通往未来的方向。

快科技4月5日消息，日前，REDMI K90至尊版通过3C认证，预计将于本月发布。 今日，小米中国区市场部总经理魏思琪用小米新机发布微博，不出意外，这正是即将登场的REDMI K90至尊版，这将是小米首款配备主动散热风扇的机型。 相较传统被动散热方案，内置风扇在散热效率上具备明显优势，可在高负载场景下持续带来更稳定的性能输出。 同时，该风扇预计还能根据高温环境或游戏场景自动开启，实现智能调节，在性能与功耗之间取得更优平衡。 核心配置方面，REDMI K90至尊版搭载天玑9500芯片，基于台积电第三代3nm工艺打造，相比上一代，其单核性能提升约32%，多核性能提升约17%。 新机内置约8500mAh超大电池，并支持100W有线快充，在重度使用场景下也能兼顾长续航与快速回血能力。 需要注意的是，受全球存储芯片等关键零部件价格持续大幅飙升影响，REDMI K90至尊版的定价可能也会上调。 小米集团总裁卢伟冰此前表示，本轮内存涨价的力度确实远超预期，同版本内存价格相比去年Q1飙升近4倍。 其中，12+512GB涨了约1500元，16+1T更是涨得离谱，这对一直以极致性价比定价的REDMI产生了很大的影响。 整体来看，REDMI K90至尊版在散热形态、性能释放与续航配置上均实现明显升级，但在成本压力之下，其价格策略或将成为发布会的一大看点。

自苹果将 iPhone 7 砍掉耳机孔，并推出 AirPods，从此真无线蓝牙耳机（TWS）这个品类火了十年，整个行业开始分化出了几条不一样的路线。 首先比较传统的「类 AirPods」形态：入耳式的降噪耳机，半入耳式的非降噪耳机，最近几年还开始有全新的「半入耳式」降噪耳机。 ▲ 主动降噪版本的 AirPods 4，图源：PCMag 与此同时，和这些产品截然不同的开放式耳机，例如华为「耳夹」耳机 FreeClip，以及 Nothing Ear Open，又掀起了新的热潮。 ▲ 华为 FreeClip 耳机 于是，我们看到今天的 TWS 市场，表面上是开放、半开放和入耳式降噪的多点开花，但底层其实只有一个变量在起作用：对「噪音」的处理方式。 耳机越开放，就越难减少噪音；越能有效减少噪音，它就越趋向封闭。 这是一条几乎被默认成立的关系，也是过去十年里，大多数产品选择站队的分界线。 但韶音最新的 OpenFit Pro，明明是一副非常标准的开放式耳机，却开始试图「减少噪音」，这些曾经的分明边界，终于要被打破。 滤噪，而非降噪 严格意义上，OpenFit Pro 并没有标榜自己是「降噪」耳机，它不能提供 AirPods 4 那种等级的主动降噪，更多是一种「滤噪」。 中文语境可能很难理解两者的区别。「降噪」在英文中是「Noise Cancelation」，直译就是「噪音取消」，强调一种对噪音的全面消除；而「滤噪」可以翻译为「Noise Filer」，只过滤一部分的噪声。 作为耳挂式的开放式耳机，OpenFit Pro 的发声单元悬挂在耳道外部，声音以类似「气传导」的方式送入耳内，这样的物理结构意味着它不仅先天没有耳塞的「被动降噪」能力，还更容易让外部声音进入耳内，只能通过产生反向声波来主动降低低频。 老实说，第一次戴上 OpenFit Pro 的感觉有点新奇，不是平时那种戴上 AirPods 后「世界安静下来」的感觉，同事的动静，自己敲击键盘的声音，都还是清晰可听。 当我把耳机摘下，我才发现办公室其实挺「吵」的，抽风机的低沉底噪瞬间灌入了我的耳膜，并且上面提到的那些声响，都更加清晰。 我平时在办公室中使用的，是一副半入耳式的有线耳机，对比之下，能明显感觉到 开启「滤噪」的 OpenFit Pro 能多削去一层环境噪声。 比较惊喜的场景是车水马龙的马路，OpenFit Pro 的滤噪效果会有更明显感知，会觉得大马路安静了不少。 但与此同时，无论是车辆靠近，还是身后电动车的鸣笛、自行车的铃声，都依然清晰可辨，在降低噪声的同时，也保留了必要的安全感。 不过在地铁这种噪声更大和持续的场景，OpenFit Pro 就显得比较捉襟见肘，无法削弱地铁开动时持续的轰鸣声 同样，作为一款开放式耳机，OpenFit Pro 也需要保证佩戴也能进行的日常交流。开启「滤噪」后，佩戴 OpenFit Pro 与人面对面交谈几乎不会受到影响，被过滤掉的更多是一旁路人的闲谈声。 可以发现，即使有了「滤噪」，OpenFit Pro 的适用场景，依旧没有突破办公室、健身房、大马路等等开放式耳的领域，只是它能做得更好。 「减少噪音」的解法，不止一种 对一副降噪耳机，我们的期待相当简单，无非就是降更多的噪，然后再多一点，最好就是耳机一戴，外面的世界就按下静音键。 但韶音 OpenFit Pro 有主动降噪的技术，却完全不想成为这种产品，而是从源头上，就给出了「降噪耳机」的一种全新可能性。 人类与噪音的斗争历史由来已久，进入工业时代之后，各种大机器持续不断的轰鸣声，让人们萌生了研究了「主动降噪」的想法——不仅依靠耳塞、耳罩以物理形式隔绝噪音，而是通过技术「消除噪音」。 1936 年，一位名为 Paul Lueg 的德国物理学家获得了一项专利，描述了一种利用和噪声同频但反相的声波，对噪声进行抵消的方法，这也是基本所有耳机「主动降噪」功能的原理。 ▲ 正反声波相互抵消 1978 年，Bose 公司的创始人 Amar Bose 博士在一次从欧洲飞回波士顿的航班上，戴上了航空公司提供的耳机，但当他想要听音乐时，耳朵只能听到飞机引擎的巨大轰鸣，调高耳机音量后，过大的音乐和引擎声混合起来，成为另一种噪声。 ▲ Amar Bose 这种糟糕的体验引发了 Bose 博士的思考，能不能运用一种技术，消除噪声，他直接在飞机上开始了数学计算。后来，他将这些想法带到了 Bose 公司的工程部门。 后来，Bose 打造出了主动降噪耳机，很快也在航空领域中得到实际验证，能够很好保护飞行员的听力，于是在军事和商业飞行领域得到大规模应用。 直到 2000 年，Bose 推出了第一款消费级主动降噪耳机 Bose QuietComfort，在一些航班上提供给旅客，大量的用户给出了积极的评价，认为降噪耳机可以隔绝飞机噪音，让他们更放松，并且使得在飞机上看电影、听音乐，或者只是享受一个更私密的个人时间，都成为了可能。 ▲ QuietComfort 这 20 年来，大量的音频品牌都推出了自己的主动式降噪耳机产品，并且形态也从头戴式，简化到后来的入耳式，甚至是半入耳式，佩戴舒适度不断提升，但「降噪」依然是绝对的重点，我们对这些产品的期待，还是期待戴上的那一刻，它将整个外部的声音世界，完全隔绝在外。 OpenFit Pro 就是在这种司空见惯上，提出了一个可能：为什么消除噪声，就一定是为了「隔绝」呢？降噪耳机的思路，难道只可以有一种吗？ 「减少噪音」是刚需，但「隔绝噪音」不是 正如其名，「开放式耳机」主打的是「开放」，在聆听数字内容的同时，外部世界也没有被排除开来，是一种「既要又要」的模式。 但这不意味着，所有的外部声音都是需要接收的——空调机抽风机的嗡嗡，跑步机的哐啷哐啷，旁人的叽叽喳喳，以及马路上各种复杂的动静，都没有任何信息量，属于绝对的噪音。 问题已经不是「为什么开放式耳机要做降噪」，噪音作为一种毫无作用的污染，明明应该是「所有耳机都应该具备降噪」才对。 AirPods 的「自适应」和「对话感知」功能，其实就是想在保留用户对外界感知的同时，智能化消除没有意义的噪音。 而往开放式耳机上加入降噪，就是另一种思路，虽然降噪效果不如 AirPods，但能尽可能保证用户能及时、清晰接收到外界的声音。 不能消除高频，也不能消除大噪声，本身是 OpenFit Pro 物理结构决定的天然缺陷，但对于开放式耳机的使用场景和人群来说，这些本来就不是需要抹除的声音。 就算日后真的有开放式耳机，能做到接近 AirPods Pro 的降噪能力，其实它已经和 OpenFit Pro 不是一个物种。 开放式滤噪耳机的另一个价值，还在于让降噪这件事，提供了一个「佩戴」上的选择。 爱范儿的一位摄像师阿杰，无法佩戴任何入耳或半入耳式耳机，头戴式耳机的重量和闷感又难以长时间佩戴，韶音 OpenFit Pro 就是他一直在等待的那款耳机。 像阿杰这样的用户，我身边不算少数，他们可能因为耳廓过小，或者耳道敏感，长期以来都难以佩戴市面上的降噪 TWS 产品，以前他们的选择都多少有所妥协，一款能过滤部分噪音的开放式耳机，是他们当下最好的选择。 封闭式耳机主动降噪沉浸感虽然很强，但高耳压带来的不适感，也让很多人无法长时间佩戴这些耳机，只能选择关闭降噪或换用其他负担更低的耳机，开放式滤噪耳机也能很好解决这种矛盾。 开启主动降噪后，韶音 OpenFit Pro 虽然也会因为发射反相声波，为耳朵带来一些特殊的感觉，但它更多只作用在耳骨上，而不是和入耳式耳机一样，让耳膜直接承压，大部分人习惯之后几乎没有异感。 OpenFit Pro 并不是「降噪」和「开放」的结合体，一个能解决所有场景的完美方案，它的本质依旧是一个开放式耳机，只是它更加细化，剔除了那些用户没必要接收的「底噪」。 如果从 Bose QuietComfort 算起，降噪耳机也已经发展了 26 年的时间，但至今仍然没到终点，所有产品的迭代，都会标注降噪能力比上一代降噪提升了多少。 把耳机的主动降噪推向极致，是一条需要不断叠加技术的单行道，它没错，但世界并不只需要一种答案。

纽北圈速榜，是目前少有地把不同动力形式、不同工程思路的车，放进同一套标准里直接比较的榜单。 此前，排在第一的是保时捷 919 Hybrid Evo，成绩 5 分 19 秒 546，混合动力；第二是大众 ID.R，成绩 6 分 05 秒 336，纯电动；第三名是小米 SU7 Ultra 原型车，纯电动；第四是路特斯 Evija X，同样也是纯电动。 但今天，这份榜单被一台来自美国的纯燃油性能车改写了。 福特 GT Mk IV 以 6 分 15 秒 977 的成绩超越小米，升至第三位，同时成为纽北最快的纯燃油车，也是纽北最快的量产市售车。 在这样一个已经被混动与纯电车型占据前列的榜单里，福特 GT Mk IV 作为一台坚守纯粹内燃机轰鸣的纯燃油车，凭借着极其硬核的机械素质和登峰造极的工程调校，强势地为传统燃油车杀出了一条血路，拿下了属于自己的一席之地。 雷军也转发微博向福特表示了祝贺。 GT Mk IV 是第三代福特 GT 的最终进化版本，定位纯赛道车型，全球限量 67 台。 它的动力来自一台为这款车深度开发的双涡轮增压 EcoBoost V6 发动机。工程师突破了量产发动机的诸多限制，把最大功率提升到了 800 马力以上。 与这台发动机匹配的，是一台专属定制的赛用级变速箱。它的标定逻辑几乎完全围绕赛道效率展开，并不在意民用车强调的换挡平顺性。 每一次齿轮啮合都带着最原始的机械冲击力，其存在的唯一目的，就是尽可能完整地把发动机输出转化成更快、更准的赛道响应。 然而，仅仅拥有蛮力在纽北是远远不够的。纽北全长超过 20 公里，海拔起伏超过 300 米，沿途密布着一百多个极具挑战性的弯道。路面载荷在高速行驶中持续叠加、剧烈变化，如果仅仅依靠传统的、在出发前设定好固定参数的减振器，根本无法应对如此复杂多元的工况。 为此，福特为 GT Mk IV 配备了由 Multimatic 提供的自适应线轴阀悬架系统。这套系统可以让每一支减振器实时感知路面起伏和车身姿态，并在毫秒级完成独立、连续的阻尼调节。 在车身空气动力学方面，福特同样做到了极致。加长轴距直接改善了车辆在超高速路段的稳定性，而夸张的碳纤维长尾造型，也彻底把「好不好看」放到了次要位置。车身上的每一处细节，几乎都服务于同一个目标，在尽可能榨取下压力的同时，维持风阻效率的平衡。 车身上的每一处细节，都是经过无数次风洞测试后的最优解，它们在疯狂榨取下压力的同时，又精妙地维持着风阻效率的平衡。 当然，再强的机械，最后也要靠人把它逼到极限。驾驶这台福特 GT Mk IV 创造纪录的，是拥有极其丰富纽北 24 小时耐力赛经验的顶级车手 Frédéric Vervisch。他与这台机械猛兽完美配合，最终让 6 分 15 秒 977 这个数字留在了圈速榜上。 GT Mk IV 的成绩，并不是突如其来的偶然爆发。 早在 2024 年 12 月，搭载 5.2 升机械增压 V8 发动机的福特 Mustang GTD 就已经跑出 6 分 57 秒 685，正式闯进 7 分钟大关，成为全球少数做到这一点的量产跑车之一。 再往前，福特对极限赛道的投入可以追溯到 1966 年，当时的福特 GT40 搭载 FE 系列 V8 发动机夺冠，终结了法拉利在勒芒几乎不可撼动的统治， 此后，福特又连续 4 年拿下勒芒冠军。直到今天，它依旧是唯一一家在勒芒最高组别赛事中夺冠过的美国汽车制造商。 在 F1 赛道上，福特作为发动机制造商帮助参赛车队拿下 174 场分站冠军、10 次车队年度冠军，是 F1 历史上获分站冠军第三多的发动机供应商。 这种在残酷赛道里积累技术，再把成果往民用端转化的路径，早已写进福特的品牌基因。屡获国际大奖、并被广泛应用在福特量产车型上的 EcoBoost 系列发动机，就是这种「赛道反哺民用」最直接的体现。 不过，赛道上的福特代表着燃油车技术的高点，民用消费市场里的福特，尤其是在全球汽车产业全面电气化的浪潮里，却正处在一段相当难熬的调整期。 今年第一季度，福特整体销量同比下滑 8.8%，减少约 4.4 万辆。 电动车业务承受的压力尤其明显。受美国联邦税收抵免政策取消、消费者观望情绪加重，以及部分车型停产等因素影响，福特此前寄予厚望的电动化主力车型，销量出现了明显下滑。 Mustang Mach-E 的销量暴跌超过 60％；曾经备受关注的纯电皮卡 F-150 Lightning，销量下滑幅度达到 71.3％；商用电动车 E-Transit 也几乎陷入停滞。 眼下真正稳定撑住福特利润的，依旧是更传统的产品。财报显示，大尺寸燃油 SUV，如 Expedition 和 Explorer，销量分别实现了约 30％ 的逆势增长；传统燃油性能车 Mustang 的销量增幅更是超过 50％。 一边是销售层面的电动化转型推进艰难，一边是赛道端把纯燃油技术推到极限。这两件事同时发生在福特身上，让人感觉，福特似乎被困在了一个由过往辉煌与未来迷茫交织而成的十字路口。 不过，福特官方已经以明确的态度向世界宣布，这款限量 67 台的 GT Mk IV，就是福特 GT 系列的最终篇章。 在倾尽全力、将纯燃油赛道车的能力边界推到了一个前无古人、甚至可能后无来者的极致位置之后，福特还是要向着新的技术方向迈进。 2026 年，福特正式重返了 F1（一级方程式锦标赛）赛场，他们与目前处于围场统治地位的红牛车队展开深度合作，共同倾注心血开发新一代的混合动力系统。 虽然依旧在赛道上，但传统的纯内燃机咆哮已经成为历史，取而代之的是高度复杂的混合动力系统和能量回收技术。 既然时代的风向已经改变，福特也不得不接受了这种更迭，将自己的技术基石切换到新的轨道上。 文｜芥末

快科技4月5日消息，日前，华为畅享90系列迎来首销，畅享90 Plus、畅享90 Pro Max两款机型正式上市。 新机开售后，华为终端BG首席执行官何刚表示，华为畅享90系列首销，线下火热，线上霸榜，畅享全系强势回归。 从其晒出的截图来看，畅享90 Pro Max包揽京东热卖榜1000至2000元价位段前四名，市场表现相当亮眼。 据了解，华为畅享90系列在千元机档位实现麒麟芯片+全新鸿蒙系统的标配，并且标志着华为手机实现全面回归。 畅享90 Pro Max是畅享系列首款Pro Max机型，搭载华为海思麒麟8000芯片，预装鸿蒙OS 6系统，软硬芯云垂直整合，整机性能提升38%，《王者荣耀》可实现120帧稳定运行长达5小时。 此外，该机拥有华为手机史上最大容量电池——8500mAh巨鲸大电池，支持40W快充。 畅享90 Pro Max配备6.84英寸臻彩护眼直屏，分辨率为2756x1272，支持120Hz高刷与AI湿手触控，整机采用玄甲机身设计，通过双五星耐摔认证，并具备IP65级防尘防水能力。 新机后置5000万像素主摄，同时具备5A网络能力、Wi-Fi 7以及双频GPS+三频北斗定位，整体配置在同价位段竞争力突出。

出品|虎嗅汽车组 作者|杨杰 头图|小鹏官方 4月2日，2026款MONA M03上市，首搭图灵芯片，并搭载第二代VLA智驾系统。 同一周，小鹏集团正式更名，何小鹏大谈物理AI、飞行汽车与人形机器人。 一边是产品端最务实的走量动作——用一款10万元级别的车去抢占更广阔的市场； 一边是品牌端最宏大的叙事拉升——从车企进化为AI科技集团，围绕“物理AI”与各种新技术业务，2026年预计投入超100亿元的研发资金。 当品牌叙事持续向上攀高，主力产品却向更大众的价格带下沉。 在虎嗅汽车看来，小鹏这套“上下兼容”的打法，好处是可以用更具价格优势的产品走量，带来规模化效应，但风险一面在于，也极有可能影响品牌高端化形象。 本期《车圈脉动》Vol.31，我们将带你看懂小鹏汽车的“上下而求索”，到底是战略主动，还是形势所迫？ 为什么必须卖10万级的车 自从小鹏汽车成立以来，这家以“技术咖”标签为傲的新势力，一直都是业内备受瞩目的“特斯拉杀手”。 然而，随着10万级的MONA M03成为其品牌销量担当，这家车企大有成为“比亚迪学徒”的苗头。 图源：小鹏官方 究其背后缘由，不是因为小鹏“想”卖便宜车，而是因为它原来的路走不动了。 小鹏过去试图建立的那套逻辑，用智驾优势撬动中高端纯电市场，再把技术优势转化为品牌溢价，正在逐渐失效。 2026年开年，小鹏的销量表现有些令人意外。1月交付20,011辆，同比下降34.1%；2月交付15,256辆，同比下跌49.9%。两个月加起来仅35,267辆，甚至不及零跑的单月销量。 3月，随着VLA智驾系统推送，门店客流回暖，交付27,415辆，环比大增80%。但整个一季度累计交付62,682辆，相比2025年同期的94,008辆，同比下滑较为明显，在新势力阵营中排名第五。 不只是销量承压，小鹏汽车产品结构同样存在一定问题。乘联会统计数据显示，2025年全年，MONA M03和P7+两款轿车合计贡献了超过65%的销量，其中仅MONA M03一款车就占了45.6%。 而代表品牌向上空间的SUV阵营——G6、G7、G9——三款车加起来的销量，甚至不敌P7+一款轿车。G9月销量更是一度跌至不足千台。 对于一家志在高端、主打科技的品牌来说，这种销量结构是危险的。 更致命的，是小鹏原本最值钱的差异化“智能驾驶”，正在从“独有卖点”变成“行业共识”。 早年，小鹏凭借XNGP率先实现全场景智驾落地，“买小鹏就是买智驾”的认知深入人心。但随着华为ADS 4.0、理想AD Max等方案快速迭代普及，智驾功能已从小鹏专属变成行业标配。 对小鹏来说，MONA不是简单的走量车，而是它在智能化优势被追平后，用低价产品重新抢占用户入口、重建规模效率的工具。 没有规模，就没有供应链话语权；没有现金流，就撑不起高强度研发。这是不得不走的路。 毋庸置疑的是，这款承载着小鹏“走量”使命的MONA M03，确实拿出了足够的诚意。 新车共推出6款版型，售价从11.98万元到15.18万元，覆盖了10-15万价格带最核心的区间。 在产品层面，虎嗅也看到，其首搭自研图灵芯片——Max版配备单颗芯片（750TOPS），Ultra SE版则搭载双芯片（1500TOPS），并率先应用小鹏第二代VLA智驾大模型。 图源：小鹏官方 此外，新车还在外观、舒适配置和能耗上做了全面升级：640km续航、百公里电耗10.8kWh、前排座椅按摩、20扬声器AI音响等配置，在同价位车型中并不多见。 因此，MONA M03极有可能在2026年再度“拯救”小鹏汽车，进一步推动其销量攀升。 不过，问题在于新品放量之后，小鹏能否维持一个既不塌利润、也不塌品牌的产品结构。 为什么必须讲100亿的技术故事 2025年Q4，小鹏首次实现季度盈利，综合毛利率达21.3%，创历史新高。但资本市场对车企的估值逻辑正在迭代：理想靠增程打出盈利模型，蔚来靠换电构建服务生态，零跑用独有的“性价比”打法领跑市场。 当每一家新势力品牌都有独特的叙事支点时，小鹏如果只讲“智能驾驶第一”，在华为入局、理想追平之后，这个故事已经不够性感了。 于是，有了人形机器人IRON，计划2026年底月产超1,000台；有了飞行汽车“陆地航母”，核心动力系统已量产下线；有了自研图灵芯片，首搭在MONA M03上；有了去“车”字的集团更名，更有了2025年全年研发费用94.9亿元，2026年物理AI相关研发投入将提升至70亿元的明确目标。 图源：小鹏官方 小鹏今天大谈物理AI，不只是因为它想成为一家科技公司，更因为它需要证明自己不只是一个靠10万级车型冲量的车企。 因为单靠10-15万级市场，撑不起小鹏的估值逻辑。 当然，机器人、飞行汽车、物理AI不是不能讲，但如果汽车主业无法尽快恢复对高端产品的解释权，这些故事越大，反而越容易暴露主业的无力。 在MONA M03新车上市之后，细看小鹏低价走量和高端叙事之间的矛盾张力，可以归结为一根因果链： 图灵芯片、全国智驾下放到10万级车型，是技术普惠 技术普惠会反向削弱高端车型的溢价 溢价逻辑一松，利润空间就被压缩 利润空间变薄，前沿叙事的持续投入就更加依赖资本市场的耐心 这根链条上，最值得关注的风险点不是MONA卖不动，而是品牌被重新定义。 当图灵芯片被塞进一台11.98万起售的MONA M03时，消费者会自然产生一个疑问：凭什么为G9、P7多花十几万？ 图源：小鹏官方 要知道，高端车用户买的不只是配置，更是“品牌带来的身份合理性”。一旦小鹏最强的技术卖点先在10万级完成心智占领，高端车型就会失去最容易解释的溢价理由。当低价车也能享受同等级别的核心智驾能力时，高端车型原本最容易成立的技术溢价，就会被明显削弱。 这还不是终点，一旦品牌锚点下移，不只是新车溢价受损，二手车残值、用户换购路径、渠道推高端车的积极性都会被连带打穿。 品牌心智一旦固化，比销量下滑更难逆转。 横向对比特斯拉和理想，前者有全球技术势能，能在高端市场长期独占用户心智，后者有家庭场景和增程高毛利做支撑，L9以近40万售价确立品牌高度后再向下收割。 这两家企业的路径都是先用高端产品建立品牌锚，再用规模产品放大收益。换而言之，就是先立山头，再铺平原。 与之相比，乘联会2月统计数据显示，小鹏G9销量仅为231辆，G6的销量为967 辆。足以见得，小鹏还没有足够稳的高端品牌锚，也没有足够厚的盈利缓冲带。也就是说，小鹏是山头未立，先去抢平原。挑战在于，就算把平原抢下来，市场还有机会让它去立山头吗？ 结语 小鹏现在做的，本质上是用MONA M03这款走量车型，为高端叙事和高投入业务争取时间。需要把G/P系列的用户心智做深，更要把图灵芯片和智驾能力的体验壁垒做实，最终还要把机器人和飞行汽车的兑现进度往前推。 这套打法的风险还不在于MONA M03卖不动，而在于：如果MONA卖得太好，以至于整个品牌被重新定义为“10万级智驾车”，那么后续高端产品的说服成本会成倍增加。 换句话说，MONA M03能给小鹏带来销量，但无法带来上限——在卖出越来越多这样的车之后，小鹏还能不能继续把自己讲成一家高端科技、且有品牌溢价能力的公司？

快科技4月5日消息，据报道，iPhone 18 Pro系列除首发台积电2nm工艺的A20 Pro芯片外，还将搭载苹果自研的C2蜂窝网络调制解调器与N2无线网络芯片。 iPhone 18 Pro系列的A20 Pro芯片由台积电独家代工，采用2nm制程工艺与GAA架构。 对比iPhone 17 Pro系列搭载的3nm制程A19 Pro芯片，该芯片在同功耗下性能提升10%-15%，同性能下功耗降低25%-30%，AI算力实现翻倍，同时还采用了全新封装设计。 通信芯片方面，iPhone 18 Pro系列将搭载第三代自研C2蜂窝网络调制解调器，作为C1、C1X后的迭代版本，其性能与能效较前代均有提升。 无线网络芯片则升级至N2，该芯片为N1的后续版本，前代N1已实现Wi-Fi 7、蓝牙6和Thread技术支持，N2将在此基础上完成技术优化。 据悉，iPhone 18 Pro系列计划于2026年7月进入量产阶段，预计9月正式与消费者见面。 除核心芯片升级外，新机在配色上也将延续前代思路，黑色版本将继续缺席。 此前，iPhone 17 Pro系列已首次取消黑色及深灰色选项，仅提供深蓝色、星宇橙等配色，iPhone 18 Pro系列将沿用这一差异化路线，主打高辨识度。 目前，苹果正全力测试深红色版本，意在进一步强化新机的辨识度，不过该配色是否会替代现有星宇橙版本，目前尚未有明确结论。

快科技4月5日消息，日前，荣耀新一代数字系列荣耀600系列在荣耀马来西亚官网公布，将带来荣耀600和荣耀600 Pro两款机型。 今日，荣耀600 Pro国际版真机亮相，其采用横向大矩阵Deco设计，整体视觉风格与iPhone 17 Pro颇为相似，辨识度十足。 从外观来看，Deco内配备三颗镜头，呈三角形排列，其中一颗采用椭圆形造型设计，显得格外独特，也进一步强化了整机的视觉层次感。 配色方面，新机提供橙色版本，与iPhone 17 Pro星宇橙非常接近，搭配大尺寸Deco，整体观感更加醒目，兼具时尚与辨识度。 细节上，机身右侧配有一颗实体AI按键，预计支持一键唤醒YOYO、快速调出付款码以及启动相机等操作，进一步提升日常使用效率。 核心配置方面，荣耀600 Pro将搭载高通骁龙8至尊版旗舰芯片，内置9000mAh超大容量电池，并支持超声波屏幕指纹识别。 整体来看，荣耀600 Pro不仅在外观设计上大胆，同时也在功能体验与硬件规格上持续进化，有望在中高端市场带来更强竞争力，成为今年数字系列中颇具看点的一款新机。

IT之家 4 月 5 日消息，4 月 3 日晚，东风汽车公布了今年 3 月及今年第一季度的销量情况。当月，东风汽车预测市占率达 8.23% 创近年新高（IT之家注：暂未公布具体销量及同环比情况）。今年第一季度，东风汽车销量 52.8 万辆，同比增长 12.3%；新能源汽车销量 21 万辆，同比增长 52.3%；海外销量 9.6 万辆，同比增长 75.6%。 据IT之家了解，东风汽车 2025 新能源年销突破 100 万辆，猛士 M817 迎来了万辆里程碑。截至 2025 年底，东风汽车已完成自主新能源汽车的全产业链布局，构建起完整的新能源品牌、平台、商品、关键技术和核心资源体系，在售新能源乘商产品达到 45 款。

被毕业的同事其实并没有消失，他们只是被蒸馏成了 Token，换成另一种形式陪伴你。 最近一个「同事.skill 」的叫 GitHub 项目火了。项目的 slogan 写得很温情：「将冰冷的离别化为温暖的 Skill，欢迎加入赛博永生。」 操作也很简单：把离职同事的飞书消息、钉钉文档、邮件、截图喂进去，AI 就能生成一个「真正能替他工作」的 skill。 用他的技术规范写代码，用他的语气回答问题，甚至知道他什么时候会甩锅。 紧接着，前任 skill、老板 skill、导师 skill、父母 skill、暗恋对象 skill、永生 skill 接连冒出来。#同事被炼化了# #赛博永生# 冲上热搜。 已经有人贴出「数字分身」截图：「你好，我是已离职员工（王明）的数字分身，你可以向我提问。」 网友辣评：同事，散是 Token，聚是 skill。 看起来又是一次抽象玩梗，但笑着笑着，我发现很快就笑不出来了。 skills 怎么成了牛马的经验提取器 同事.skill 的 README 里有一行小字：「原材料质量决定 skill 质量：聊天记录 + 长文档 > 仅手动描述。建议优先收集：他主动写的长文 > 决策类回复 > 日常消息。」 也就是说，你的专业知识、判断逻辑、处理边缘情况的直觉，这些构成你不可替代性的东西，恰恰是最容易被提取和蒸馏的东西。 APPAO 之前曾报道，硅谷的社交媒体和技术论坛上，有一个反复出现的叙事： 被裁的员工发现，自己此前被要求系统性地记录工作流程、决策逻辑和操作规范，管理层称之为「知识管理」或「流程优化」，而这些文档最终被用于训练 AI 系统。部分团队在使用 AI 工具大幅提升了生产效率之后，整组被裁撤。 亚马逊三年间砍掉超过 57000 个企业职位，CEO Andy Jassy 公开表态：企业员工会持续减少，但 AI 带来的效率提升是值得的。与此同时，AI 辅助写出来的程序开始把系统搞崩。 去年 12 月亚马逊内部的 AI 编程助手自行决定「删除并重建整个环境」，导致 AWS 区域性宕机 13 小时。 一边裁人，一边 AI 把系统搞崩，然后让剩下的人去兜底。人类把决策权交给 AI，AI 不承担后果，后果回到人类头上，但那时候能兜底的人已经被裁掉了。 彻底闭环了。 同事.skill 背后实际上就是一种集体创伤的自嘲式表达。因为「同事.skill」干的事，跟那些大厂管理层要求员工「系统性记录工作流程」的逻辑，一模一样。只不过大厂是自上而下的「知识管理」，开源社区是自下而上的「赛博整活」。 其实都殊途同归：把人的经验、判断、习惯蒸馏成数据，然后人就可以被丢弃。 就像阑夕说的，前几年还有程序员出主意说可以在代码里「埋雷」，多层嵌套、不写注释、故意加入只有自己才懂的触发条件，增加别人的接手成本，当做一种防裁员技巧。 AI 来了之后这招也不灵了。多层嵌套？AI 给你拆开。不写注释？AI 给你补上。只有你懂的触发条件？AI 跑一遍测试就能找出来，无非就是多烧一些 Token 嘛。 万物皆可 skill 化。 有网友甚至整出了「反蒸馏 skill」（anti-distill）：公司让你写 skill？跑一遍，交差用。核心知识留给自己。 把你写好的 skill 文件扔进来，输出一份看起来完整专业、实际上核心知识已被抽掉的「清洗版」。同时生成一份私人备份，记录所有被抽掉的核心知识，这才是你真正的职业资产。 不论这些反击是否有效，有个更根本的问题被忽略了，这些被 skill 化的岗位，本来是很多职场新人的练级区。 你喂养的 AI，正在吃掉你的未来 工业革命时期，卢德运动者砸毁纺织机，但至少纺织机不是由纺织工人自己设计的。2026 年的打工人，却不得不亲手训练出那个要替代自己的工具。 这还不是这事最残酷的地方。 Nature 今年采访了 48 位不同学科的科学家，问 AI 正在威胁哪些科学岗位。答案出人意料地一致：正在被替代的是写代码、跑模型、做数据分析，这些曾经是研究生和初级研究人员的日常工作。 AI 最能替代的，恰恰是科学家职业生涯的起点。 Anthropic 的报告指向同一个结论：自 ChatGPT 发布以来，22 至 25 岁年轻人在 AI 高暴露职业中的就业率下降了近 20%。企业没有解雇老员工，只是不再招新人了。资深员工有 AI 加持变成超级个体，初级员工做的那些「杂活」，AI 更快更便宜还不需要五险一金。 企业的算盘打得很精，过去培养一个新人，年薪 15 万培训 2 年才能独当一面。现在给老员工配个 AI 工具，年费几千块，效率立刻翻倍。怎么选？不言而喻。 很多年轻人的职场大门就这么关上了，甚至不职场人的 KPI，都开始要和 Token 消耗量挂钩了。 UT Austin 计算生物学家 Claus Wilke 说：「可能短期内每一块钱的预算可以有更多的产出，但代价是人才管道的崩塌和长期衰退。」 省了一个研究生的工资，但可能毁了一个未来的 Hinton。 1986 年的 Hinton 在做什么？写代码，跑实验，调参数。他做的每一件事，都是今天被列为「正在被替代」的任务。如果他生在今天，可能连进实验室的机会都没有。 AI 替代的不是 Hinton，AI 替代的是 Hinton 成为 Hinton 之前的那个人。 这事不止发生在科研领域，这就是 skill 化的隐性代价。 每一个被 skill 化的岗位，表面上是效率的提升，实际上也是一条职业路径的关闭。每一个「同事.skill」的诞生，都意味着某个岗位上不再需要一个真人去犯错、去试探、去积累那些 AI 提取不走的直觉。 当人生 skill 化，你还剩下什么 老板 skill 帮你应对老板，同事 skill 帮你处理同事关系，前任 skill 帮你保存记忆，暗恋对象 skill 帮你模拟互动，永生 skill 帮你延续存在…… 当你有 20 个 skill，覆盖了生活中的每一种关系和场景，问题来了：要怎么管理这些 skill。 于是你需要一个「skill 管理 skill」来帮你调度。然后你需要一个「决策 skill」来判断要不要听「skill 管理 skill」的建议。然后你需要一个「元决策 skill」来决定要不要听「决策 skill」的建议。 当你把整个人生都 skill 化，你以为在用工具，实际上在喂养一个越来越庞大的系统，而这个系统运转的目的，是让你本人变得越来越不必要。 是我在用 skill，还是 skill 在用我？ 有人可能说，这不就是效率工具的进化吗？从 Excel 到 ERP 到 AI skill，工具越来越强，人越来越轻松，有什么不好？ 关键在于一个临界点。Excel 不会替你做判断，ERP 不会替你做决策，但 skill 会。 当你用老板 skill 应对老板三个月，你做决定前的第一反应，会从「我觉得」变成「skill 怎么说」。当你用同事 skill 处理协作半年，某天有人跟你说「你最近说话怎么这么像 AI」，你才发现自己的表达方式已经被 skill 格式化了。 你没有变成更好的自己，你变成了 skill 的执行终端。 工具和 skill 的区别就在这里，工具放大你的能力，但能力还是你的。skill 替代你的能力，你只剩下一个按下发送键的手指。 谁来提 issue skill 的确代表了 AI 先进生产力的方向，这一点没有人能否认，也没有必要否认。 把重复性的、可标准化的工作外包给 AI，让人有更多时间做更有价值的事。从蒸汽机到互联网，每一次技术革命都遵循同样的逻辑。 skill 不是洪水猛兽，问题是我们对 skill 的态度。 当一切都可以被 skill 化的时候，那些「不能被 skill 化」的能力，还有机会被培养出来吗？ 你需要先做那些 AI 能做的事，才能学会那些 AI 做不了的事。研究生要先跑数据才能学会提问，初级工程师要先写 CRUD 才能理解架构，实习生要先做杂活才能建立判断力。这些入门级的工作，恰恰是 AI 最先拿走的。 门票消失了，练级区关闭了，但最终 Boss 还在那里。 「同事.skill」的 README 最后有一句话：「如果有 bug 请多多提 issue。」 一个由人的经验蒸馏而成的 skill，当然会有 bug。问题是，当所有的人都变成了 skill，谁来提 issue？ 当年那个在实验室里写代码跑数据的年轻人，正是因为亲手踩过无数个 bug，才能在三十年后看见别人看不见的东西。那些直觉不能被 prompt 出来，也不能被 fine-tune（微调）出来。 我们正在量产 skill，却在关闭培养提 issue 的人的通道。 skill 可以复制经验，但复制不了那个在无数次失败中学会提问的人。 也许有一天，我们会发现自己拥有了一万个完美运行的 skill，却找不到一个能指出 skill 哪里不对的人。 网友梗图. 到那时候，被蒸馏成 Token 、炼化成 skill的，就不只是离职的同事了。 最后的最后，我其实一直想说： 这不是蒸馏，反而更像倒膜……