IT之家 5 月 4 日消息，小米公益基金会今日宣布，截至 2024 年底，小米奖助学金、小米青年学者两项目分别资助了 1.2 万名学生和 807 名青年教师。 据IT之家此前报道，“小米奖助学金”项目由小米公益基金会于 2020 年设立，用于资助高校全日制在读的优秀本科生及研究生，以及全日制在读的家庭经济困难、学习勤奋的本科生及研究生。规划捐赠 5 亿元，计划 5 年覆盖全国 100 所高校。 此外，小米公益基金会还有“小米青年学者”项目，致力于资助高校青年教师及科研人员，稳定支持在科学领域取得突出成绩且具有明显创新潜力的青年人才，计划捐赠 5 亿元，覆盖 100 所高校。

头部团队欠薪、平台再传被收购……最近的播客行业有点不太平。 4月9日，由于被曝拖欠实习生薪资，全网超100万订阅的《不合时宜》播客团队不得不披露自己的收入数据：2024年团队净收入仅为13万元。 两周后，头部音频平台“喜马拉雅”又一次传出被腾讯音乐收购的消息，有媒体称相比三年前，喜马拉雅估值已经腰斩；随后，喜马拉雅对此回复称“尚不知晓「卖身」一事”。 图源：微博截图 从创作者到平台，中文播客行业发展多年，究竟谁在里面赚到了钱？随着B站、小红书等平台入局，播客赛道是否能迎来新的“钱途”？ 01.谁赚钱了？ “播客”这一形式诞生至今，各叙事类型已经包容兼并。点开各大播客平台热榜会发现，最受欢迎的节目几乎都逃不过“杀人放火鬼故事”“搞钱女权聊商业”几大类型。 这几大热门赛道，都有不少原创头部播客IP。最近因为欠薪登上热搜的《不合时宜》播客，就属于女性视角下的文化漫谈节目。 据“趣解商业”了解，不同的播客品类，在变现的方式和效率上都有不小的差异。灵异、罪案故事类收听门槛低，受众更广泛，更容易在付费专辑上跑通。“趣解商业”注意到，像《张震讲故事》这类古早鬼故事IP，在喜马拉雅上连载的付费专辑高达99元，其中一档播放量已超过5000万。 图源：小宇宙截图 不过，对于泛商业和文化漫谈等更严肃、收听门槛更高的播客栏目，付费收听就不太行得通了。做了8年科技主播的凤仪（化名）直言，“毕竟大家上完一天班已经很累了，谁还想花钱听课呢，不如听点有趣的放松精神。” 或许是由于音频的伴随性天然适合严肃、深度话题的探讨，商业与文化类节目一直是播客里的大多数。 Just Pod发布的《2024中文播客新观察》数据，在拥有超过1年制作经验的创作者中，仅有24.6%尝试过付费节目。“趣解商业”注意到，除了鬼故事，平台上热卖的付费节目大多依托自主播个人IP的影响力，如梁文道的《八分半》、杨天真的《高情商公式》，付费人数都能破万，而原创播客团队的付费节目，远达不到这样的水平。 因此，“搞钱女权聊商业”类的严肃播客大多选择与品牌合作来变现。播客用户对软广的接受度极高；Just Pod的报告显示，只有0.6%的听众会在听到广告时选择退出节目，有近30%的听众会选择听完全部广告。 图源：justpod报告 播客主理人杨天楠和斯斯曾在对谈中提到，播客是一个天然适合承载“故事”的平台，适合需要讲故事、传递价值观的品牌来投放。 据传一些奢侈品牌在“小宇宙”上甚至有接近千万级的年度预算；除此之外，一些受限于其他社媒平台监管的情趣品牌、药企、保险公司也对播客这一媒介青睐有加。 《津津乐道》的创始人朱峰表示，播客市场刚起来的时候是咖啡、调制酒等新消费品牌投得比较多，现在不同领域的品牌都在接触播客，根据播客覆盖的垂类人群进行投放。科技、商业杂谈类会接到阿里、拼多多等互联网公司的推广，一些影视娱乐类的播客会接到剧集、院线电影的访谈合作。 不过，不同声量的播客在报价上有不小差异。朱峰提到，现在头部或者机构化的播客会按照同业之间协调好的价格合作，但很多腰尾部的主播，可能没有商业化方面的经验，平台也帮不了特别多的忙，报价就参差不齐，报多少钱都有。 “趣解商业”了解到，头部播客单集报价通常在10–20万元之间。据“娱乐资本论”此前报道，一档一万播放量的播客商务报价普遍在1–1.5万元左右。《不合时宜》在小宇宙有近50万订阅，单条口播广告刊例价为38889元，定制单集报价为13.3万元，已属头部水平。 图源：小宇宙截图 除了品牌合作和节目付费，有些播客也在尝试向私域引流，或是帮品牌举办线下活动的方式进行变现。但整体来看，“赚钱难”仍然是中文播客创作者面临的最大难题。“狂喜播客节”创始人关雅荻表示，绝大部分播客节目目前还是很难盈利，这基本上是这个行业一线从业者的共识。 02.播客是“好生意”吗？ 在《不合时宜》的欠薪风波中，令诸多网友最震惊的一点是，头部播客团队的报价居然远低于短视频、公众号图文领域的头部创作者。据“趣解商业”了解，微信公众平台和小红书上的头部账号，商务内容不乏40万元以上的价格，差不多是《不合时宜》单集商务价格的3倍。 如此的收入落差，一方面源于播客赛道本身的规模体量不大，另一方面，也与播客平台整体的商业化程度落后有关。 播客的“精英”属性确实聚拢了一批优质用户，但这也意味着播客一直未真正走入大众市场。Just Pod的报告显示，国内播客听众学历高、消费能力强，集中在更具消费活力的一线及新一线城市，平均月收入为16136元。 据央视财经信息联播节目《播客新“声”机》调查显示，2024年以来中文播客节目的数量较三年前增长6倍，中文播客的听众数超过2.2亿；虽然近几年播客“复兴”，用户增长迅速，但用户总量及月活相较抖音、B站等视频平台相差甚远。 图源：justpod报告 用户体量制约了市场规模的天花板。根据Statista的报告，2024年中国播客广告市场收入约为33亿元，是短视频平台一年广告收入的零头。 像《不合时宜》这样兼职为主、佛系的小型创作团队，在播客市场比比皆是。据“趣解商业”了解，国内全职进行播客创作的作者大约只占20%，大部分创作团队都是靠着“为爱发电”的热情持续更新；而且其中只有少量执行力、商业化能力强的团队，能纯粹依靠播客有所盈余。 朱峰认为，播客商业价值的尴尬，责任最大的是平台。如果一个媒介被说成如此没有价值，平台应该反思是不是在这方面没有帮助主播做好。 类似于小红书的“蒲公英”、抖音的“巨量星图”，喜马拉雅旗下的“蜜声”和小宇宙的“追光”等，都是帮助品牌方与创作者对接的服务平台。朱峰认为，服务平台的关键是成为主播与品牌之间的投放纽带，除了吸引品牌方，也要完成一些市场教育的工作。 “很多广告主的认知是需要培养的。如今很多甲方仍按照小红书和抖音上的订阅量来给播客节目估价，但播客一期节目至少一个小时，短视频一期几分钟，怎么能按同等的播放量来计价呢？” 事实上，播客平台也正在商业化的泥潭中难以脱身。 荔枝FM、蜻蜓FM、网易云等互联网音频平台都有播客频道，其中，喜马拉雅的用户基数最大。据喜马拉雅去年更新的招股书显示，2023年，喜马拉雅全场景平均月活跃用户达3.03亿，移动端平均月活跃付费用户达到1580万，占据了国内音频行业四分之一的市场份额。 然而，这家国内最大的音频平台直到2023年才实现扭亏为盈。喜马拉雅2024上半年第三次向港交所更新招股书，2021–2023年期间，公司的营业收入分别为58.57亿元、60.61亿元和61.63亿元，调整后净利润分别为-7.18亿元、-2.96亿元及2.24亿元。值得一提的是，目前该招股书已处于失效状态。 图源：喜马拉雅截图 “原创播客”本是喜马拉雅近两年重点拓展的板块，但近期有员工对“凤凰网”表示，由于盈利压力，播客作为内容型的业务，在内容层面投入反而很保守。 喜马拉雅的主要收入来自会员订阅，随着整个公司重心放在“拉会员”上，2025年Q1，播客业务的核心指标已经从DAU增长、用户消费频次等变成了“只看商业化”。接下来，喜马拉雅很可能会加快调整站内播客的商业生态。 除了喜马拉雅，早在2020年就在美股上市的荔枝FM，也是深耕播客业务多年的音频平台。据“趣解商业”了解，荔枝集团2024年的主要收入来源仍是音频娱乐服务，即用户虚拟礼物打赏，播客业务带来的营收并不多；此外，荔枝2023年还陷入了由盈转亏的困境。 图源：荔枝截图 除了泛音频平台，近两年以“小宇宙”为代表的播客社区在声量上突飞猛进。如今小宇宙虽然用户规模（2023年底月活为600万左右）不敌泛音频平台，但胜在社区氛围浓厚。很多主播都表示，自己的节目虽然在喜马拉雅播放量更高，但往往能在小宇宙收获更多有效的用户反馈。 小宇宙CEO舒玉龙曾在去年上半年表示，小宇宙目前已有一些商业收入，但还未开始盈利。 这也意味着，目前还没有平台能单独靠播客业务实现自给自足。 03.加速“破圈” 虽然播客市场不算“富裕”，但已经有越来越多社媒平台盯上了这一生意。 2024年，微信、豆瓣、微博等图文平台都完善了音频功能或是开启创作扶持计划；小红书则是大力推动播客的视频化，鼓励小宇宙上的主播来小红书发笔记做直播。 最近，B站和喜马拉雅也都在“视频播客”上有所布局。 B站最新的视频播客扶持计划，对入驻的新主播给予千万流量和现金扶持，同时也邀请了大量小宇宙上的头部主播来B站发布视频版节目。喜马拉雅还上线了站内首档视频播客节目《行走的思考》，讲述6位普通人的故事。“趣解商业”注意到，这档节目由太平洋保险冠名播出，算是喜马拉雅对播客商业化方式的新尝试。 “趣解商业”了解到，有些品牌与播客合作时也会有视频曝光的意愿。与音频相比，视频在传播时多了一个维度来触达用户，品牌也有更丰富的传播空间，由此看来，视频播客变现的天花板似乎要高于音频播客。 播客公社创始人老袁表示，B站大力推广视频播客后，一批中小播客创作者经常向他咨询制作视频播客的有关事宜，据老袁估算，现在每周大概有25%的播客团队，来录音棚录节目的时候会同时录制视频版。 不过，播客视频化并不是直接录制播放那么简单。很多主播都表示，视频播客的本质不是播客，而是中长视频，需要适应新平台的传播特点。 播客栏目《给女孩的商业第一课》主理人斯斯曾尝试通过直播对话的形式将节目视频化，但发现效果非常差，“音频主打陪伴感，但视频不行，让用户看超过一个小时的视频是很难的，视频播客很考验叙事节奏，需要有爆点，有金句。” 图源：罐头图库 事实上，不少深耕播客的团队，大部分是因为没有视频化的能力才选择播客作为第一战场。 朱峰表示，很早B站曾邀请过《津津乐道》进行视频播客创作，但团队一直没有踏入视频领域。“一方面是主播大多是有自己的本职工作，而且有一定的行业地位，不方便在节目里露脸。”朱峰还提到，如果不以原生直播的形式呈现，视频化意味着整个创作逻辑都要推倒重来，从选题到后期剪辑，整个内容架构都会发生改变。与其说视频化是播客团队的‘转型’，我觉得‘转行’可能更加准确。 “天天在破圈，年年是元年”，不少业内人这样形容播客行业。如今，视频化给播客行业带来新的商业机遇，但也带来了更多的难题和挑战，尤其是对那些本就产能有限、为爱发电的小团队。而携流量优势入局的视频平台，是否能帮创作者在内容调性与商业诉求找到新的平衡，值得进一步关注。 作者 | 张语格

快科技5月4日消息，上个月，台积电在北美技术研讨会上发布了其最先进的A14工艺（1.4nm级），从命名到技术直接对标Intel 14A，后者同样号称1.4nm级工艺。 台积电承诺该技术将在性能、功耗和晶体管密度方面，相较于其N2（2nm级）工艺带来显著提升。 台积电声称，A14计划于2028年投产，目前开发进展顺利，良率已提前实现。ps. Intel 14A预计都将在2027年投入风险性试产，顺利的话2028年就能量产。 随后，Tom's Hardware专访了台积电业务开发资深副总裁张晓强，后者详细分享了台积电的3大技术路线。 据了解，台积电将提供不同领先制程技术，再根据各细分市场进行客制化，成为“所有人的晶圆代工厂”（Everyone's Foundry）。 换而言之，为了满足不同市场需求，台积电将提供多种领先的制程技术，并围绕三种方向调整其技术路线，分别是——先进的晶体管扩充、电源传输优化，以及多芯片（multi-chiplet）系统整合。 首先是追求最大晶体管密度、最高性能效率。 针对智能手机与PC这类产品，台积电将提供N3P、N2、N2P与A14制程技术，针对“每瓦性能”进行最佳化，同时避免背面供电（backside power delivery）的复杂性与成本，使得移动与消费SoC在面积效率与电池续航间取得最佳平衡。 其次是以合理成本提供最佳电源，实现最高性能效率。 对于功耗一千瓦以上的数据中心处理器，台积电计划2026年底推出配备晶背供电（BSPDN）的A16，随后在2029年推出配备超级电轨技术（Super Power Rail，简称SPR）的A14。 第三是适用数据中心的多芯片封装解决方案 为满足数据中心等级AI基础设施对多芯片封装解决方案需求增加，台积电已扩展其先进封装技术组合，涵盖硅光子与嵌入式电源组件，打造一体化、高带宽、节能的系统方案。 谈到摩尔定律是否已死？ 张晓强认为，制程从5nm发展到A14，目前看到的趋势是，每代功耗效率降低约30%，并以每代20%左右的速度提高晶体管密度，效能则提升15%，与过往的进展基本上是一致的。 展望A14以下制程，张晓强表示台积电也有信心延续这个趋势，“从N2到A16的转变相当大，台积电完全有信心在2028年实现A14量产，实现大幅微缩，帮助客户受益于制程技术本身的进步优势。” A14是台积电的下一代制程技术。台积电称，其表现将明显超越当前最先进的3nm制程，以及今年晚些时候即将量产的2nm制程。 据台积电公布的数据显示，与N2工艺相比，A14将在相同功耗下实现高达15%的速度提升，或在相同速度下降低高达30%的功耗。 展望未来，台积电还计划依次推出A14P、A14X、A14C等多种版本的衍生制程，其中， A14P是包括背侧电力供应在内的高性能版本，A14X和A14C将分别以性能最优化型和成本节省型模式进行优化。 此外，台积电还计划在2026年底推出A16（1.6nm级）制程技术。

英伟达首席执行官黄仁勋可能因其持有Nvidia 3.4 % 的股份而成为亿万富翁，但他最近才获得加薪——而过去十年他的薪水一直没有变化。 这位 62 岁的首席执行官目前的总薪酬是 Nvidia 员工平均薪酬的 166 倍。 从 2014 财年到 2024 财年，黄仁勋每年的薪水接近 100 万美元，约为 996,800 美元。根据周四提交给美国证券交易委员会的最新代理文件，在截至 2025 年 1 月 26 日的 2025财年，黄仁勋的基本工资上涨了 50%，达到 150 万美元。 英伟达薪酬委员会在文件中指出，这是“黄仁勋10年来首次加薪”，考虑到同类公司高管的基本工资，此举“是合适的”。例如，AMD首席执行官苏姿丰（Lisa Su）自2024年7月起的基本工资为126万美元。 黄在2025财年的总薪酬为4990万美元。其中包括黄作为非股权激励计划的一部分获得的600万美元、3880万美元的股票奖励，以及350万美元的住宅安保、司机服务、安全监控和汽车费用。 文件指出，2025 财年 Nvidia 员工的平均薪酬为 301,233 美元，首席执行官与员工平均薪酬比率为 166:1。 谷歌母公司 Alphabet 上周向美国证券交易委员会提交的另一份文件显示，谷歌员工的平均收入与此相当，2024 年的中位数工资为 331,894 美元。谷歌首席执行官桑达尔·皮查伊 (Sundar Pichai) 的收入是公司中层员工的 32 倍，去年的年薪为 1070 万美元。 尽管黄的基本工资十年来一直停滞不前，但他的整体薪酬一直在稳步上升。他在2024财年的薪酬为3420万美元，2023财年的薪酬为2140万美元。 根据彭博亿万富翁指数，黄仁勋位列全球第17位富豪，净资产达979亿美元。黄仁勋的大部分财富来自其持有的英伟达股份，截至本文撰写时，这些股份的价值已达960亿美元。其余19亿美元净资产为现金。 英伟达已占据人工智能芯片市场70% 至 95% 的份额，成为一家蓬勃发展的人工智能巨头。Meta 和微软是其主要客户。英伟达股价在过去五年中上涨了 1500% 以上，过去一年上涨了 33%。 黄仁勋，十年来首次加薪 Nvidia (首席执行官黄仁勋自 2015 年以来首次大幅加薪。 英伟达周四提交给监管机构的文件显示，这家人工智能芯片制造商在截至 1 月 26 日的 2025 财年将黄仁勋的基本工资提高了约 50%，达到 149 万美元。（当然，由于英伟达股价飙升，黄仁勋当年实际获得的工资要高得多，为 3.44 亿美元。） 该公司在周四提交给美国证券交易委员会（SEC）的文件中表示：“董事会薪酬委员会将黄先生的目标薪酬总额提高了700万美元，使其与同行公司CEO的薪酬中位数更加接近。” 该公司还写道，黄先生的新薪酬“与同行的75%水平一致”。 “CC认为，考虑到内部薪酬与其他NEO（指定高管，或必须公开披露薪酬的高薪高管）基本工资的公平性，并且这是黄先生10年来首次基本工资上涨，因此这种调整是合理的。” 黄的新薪酬与其他芯片制造商高管博通首席执行官 Hock Tan 和超微半导体公司 ( AMD ) 首席执行官 Lisa Su的薪酬更为接近。 首席执行官薪酬上一次出现两位数增长是在 2015 年，当时上涨了 19%，达到 998,000 美元以上。 然而，对于科技高管来说，薪水可能只是薪酬的一小部分。虽然黄仁勋在2024财年（这是目前可获得的最新数据）的基本工资低于微软（MSFT）的萨蒂亚·纳德拉和苹果（AAPL）的蒂姆·库克，但就总薪酬而言，他的收入却超过了他们。黄仁勋当年的实际薪酬为2.34亿美元。纳德拉和库克分别获得了1.71亿美元和1.69亿美元。 虽然黄仁勋的收入高于这些首席执行官，但他的薪酬远低于竞争对手博通首席执行官 Hock Tan，后者在 2024 年的收入超过 10 亿美元。 Nvidia、苹果和微软轮流成为全球最有价值的公司。 由于今年芯片龙头股英伟达股价下跌15%，其市值在2025年将受到重创。目前，其市值仍高达2.78万亿美元，落后于苹果的约3.1万亿美元和微软的3.25万亿美元。 过去五年，Nvidia 股价仍上涨超过 1,500%。

作者：周嘉宝 图片来源：Pexels 编者按：2025年，“谷子经济”依然是现象级消费热词。从动漫周边到潮玩、手办，这一源自二次元文化的消费现象，正悄然成为年轻人情感投射与身份认同的新载体。《吃谷青年》专题将以观察者的视角，走进这一充满二次元气息的经济现象。 去年年底，一块小铁片在二手平台上拍出7万元天价，让“谷子经济”点燃了舆论场。 对于许多人来说，“谷子经济”仍是一个陌生的概念。所谓“谷子”，本源于日语，英文原词为“goods”，即商品。它代指动漫、游戏、漫画、偶像、特摄等版权作品衍生出的周边产品。“吃谷”则是众多爱好者们对消费行为的代称。 Z世代是把“谷子经济”推向舞台中央的核心驱动力。他们有人愿意为“梦中情谷”一掷万金；有人因为过度消费而陷入吃谷焦虑；还有更大胆的“05后”，为实现买谷自由，豪掷30万元开起谷子店。 谷子，成为Z世代的精神刚需。 我花1.2万端盘，买下了“梦中情谷” 今年年初，23岁的三柒花费1.2万元，成功吃到了自己的“梦中情谷”。 几个月前，一位爱好者在群里宣布要退谷圈的消息，同时放出了自己收藏的谷子。三柒一眼看到了自己的“梦中情谷”，“在这之前，这个立牌在闲鱼这些渠道没有人出。我就想拿下！”到了4月，三柒也依旧难掩两个月前开箱的兴奋。“看到实物，好像第一次认识毛利兰，那个空手道女王的感觉！” 她给时代财经一连发来了好几张照片，一张照片里是亚克力的毛利兰立牌，定格在褐色的长发和蓝色短裙随风而动的场景；另一张照片里，则是一个Q版毛利兰的格斗场景手办，旁边还放着一个印有毛利兰穿空手道服形象的徽章。 图片来源：受访者供图 这些只是三柒这箱谷子的冰山一角。在这箱谷子里，徽章、透卡、明信片、立牌等商品加起来不下百件。“光拆快递就用了1个多小时。”这是三柒入谷圈以来最疯狂的一次消费。 就像奢侈品牌爱马仕，谷子交易有自己的“配货”哲学。不同IP、角色、款式的谷子热度差异很大。热门谷子往往供不应求，冷门谷子则可能无人问津。许多卖家为了避免库存积压，会将这些产品捆绑销售。所以很多人会选择与其他爱好者“拼盘”来购买商品。 然而，就在拆快递的那1个多小时里，三柒的想法从拼盘很快转变为端盘（即全部购入），代价是1.2万元。 在谷圈，“厨力”是衡量爱好者对某一IP的喜爱标准，从更加具象化的表达而言，厨力与他们对于IP消费的投入金额密切挂钩。 三柒告诉时代财经，她的厨力在谷圈并不算强，“小时候买盗版海报，2018年我才在bilibili买了第一个Love Live手办。”而真正意义上成为吃谷人，是在大学毕业之后。读书时抠抠搜搜攒够零花钱，才能入手一个百元手办的局促，很快不见了踪影。 三柒在老家有了一份体制内的稳定工作。由此，三柒的厨力渐涨。她说，“这时才有了为兴趣去花钱的底气”。 她发现，如今吃谷的渠道也变得越来越多。“不仅仅是日谷（在日本发售的周边产品），名创优品、潮玩星球这类店铺都有二次元周边，看到童年喜欢的作品，只要价格在接受范围内，很容易就剁手下单。” 尽管谷子的上新频率并不固定，三柒每月买谷的花费也有起伏，但平均下来每月总会花掉2000元到3000元。即使是拼盘购买，为了能买到更多具有收藏价值的稀有谷子，投入也会水涨船高。 三柒说，“普通谷盘售价一般在500元到1000元，带少量稀有谷子的盘售价3000元往上，而如果盘里有很稀有的产品，整盘的价格就会超过8000元。” 繁琐的拼盘流程，也模糊了爱好者们对账单的敏感程度。吃谷一段时间后，三柒放弃了算账这件事，“太麻烦了！拼盘需要推车、找人、定价、定捆序、打包发货。”如今，三柒只给自己限定了固定存款额度，剩下的工资结余则可以全部用来买谷。 图片来源：受访者供图 据三柒粗略估算，去年10月以来，她在毛利兰这个人物IP上花费就接近3万元。而她买谷的初衷，也仅仅只是想在家布置一个属于《名侦探柯南》的角落。 她说，“买谷就是一种情怀。最开始想买，是在许多谷子上看到了感动的画面，会希望这个画面能够被定格在现实生活中，陪伴着我。而我布置好的小角落，就像是我美好的童年回忆被定格下来。一看到它，我就很放松。” 戒掉直播间抽谷，我想好好吃饭 当有人为情怀理性规划消费，更多年轻人陷入非理性的狂欢。直播模式的兴起，正成为新的“消费漩涡”。 “恭喜宝宝，真的好欧啊！”直播间里，主播一遍大喊一边摇铃。超燃的二次元音乐，包装袋的撕裂声，穿插着“叮叮叮”的刺耳铃声，刺激着屏幕前的每一个吃谷人。他们不断“氪金”，希望自己能成为直播间里一发即中的那个幸运儿。 抖音“抽谷”直播间 图片来源：时代财经截图 正在读大一的潘点点，真正入坑谷圈，就是从直播间抽谷开始。“那时候，刚刚重新刷完《哈利波特》，突发奇想去直播间看看有没有官方谷子。找到一个直播间，抽一次20 元，没抽到自推（自己喜欢的IP）挫败感让我停不下来，当时连抽了4次，终于抽中了。”潘点点说。 直播抽谷，让潘点点有些“上头”。“最近，看到同担（指与自己喜欢同一IP或角色的人）在直播间一发抽中自推，我就会忍不住跟风。抖音直播间出了《非人哉》的新谷，抽一次15元，一个晚上就抽了近200元。”她说。 潘点点的室友程潇则为吃谷花费更多。1500元的生活费，潘点点一晚上就在直播间抽掉200元；程潇每月吃谷至少花掉500元，而为了拥有一个稀有“吧唧”，豪掷千元的情况也时有发生。 吃谷对于普通学生群体来说，是一项“烧钱”的爱好。但跟风情绪发酵，爆发的厨力与现实的经济状况形成了天然矛盾。吃谷焦虑，开始时常困扰着潘点点。“花了很多钱却抽不到自推会焦虑，每月在谷子上消费过高会焦虑，看到同担有自己买不起的谷子更焦虑。” 为了满足吃谷，她们甚至开始节衣缩食。潘点点说，“我没有算过总价，只知道自己买了很多。有时候我们会囤一些泡面在寝室代替正餐，有时候花销太多没钱吃饭，我也会卖出一些谷子。” 在社交平台上，有不少人都表示在跟风以及激情消费的背后，除了为自己喜欢的IP“买买买”的快感，还有长时间的疲惫。“吃谷焦虑”与“摆脱吃谷焦虑”也一度成为谷圈热门话题。 最近，潘点点和程潇决定做些改变。潘点点说，“父母收入都不是很高，但是他们会支持我买自己喜欢的。每次从学校回家，他们都会说我又瘦了，是不是没有好好吃饭之类的话。所以，我现在想好好吃饭！直播间抽谷我已经戒掉了，每月控制吃谷花费不超过200元。” 小镇青年投资30万，成为谷子店店主 有人为了吃谷囤泡面，也有人开了家谷子店。 生于湖南省县城的林川，从小就对动漫感兴趣，但经济能力有限，吃谷对于林川来说是一件很吃力的事。“没毕业之前手里很拮据，每天仅有5块钱的早餐钱，当时谷子里最便宜的吧唧（徽章）至少要花我两天早饭钱。” 2022年夏天，为了有“闲钱”买谷，刚刚高中毕业的林川只身从湖南到深圳打工。“等大学开学的间隙，我在深圳湾做了两个月物业，通俗点就是当保安。” 彼时，攥着刚到账的6000元工资，林川转身就花掉了三分之一，买了《紫罗兰永恒花园》的黄金邮票、透卡等周边商品。林川说，这是他第一次真正意义上的吃谷。 图片来源：受访者供图 同年9月，一个偶然的机会，林川突然发现自己400元购入的卡，在二手交易平台价格飙涨到了600元。林川做了一个决定，“不到三个月时间就能赚200块。我就把其中一张卡给卖掉了。” 这一次交易，也让林川捕捉到了谷圈热度发酵。而在接下来的一年，转售市场上突然爆火、价格高涨的故事轮番上演。 谷圈热度暴涨，林川数次尝到了低买高卖的甜头。梦想实现“吃谷自由”的林川，开始在吃谷这件事上加入了投资思维，他不再完全根据自己的个人喜好吃谷，而是尝试押宝更多有热度的IP和有涨价前景的谷子。 “吃谷不能光靠打工啊。”林川说，“我开始从各方面去了解，一部动漫的谷子是否值得入手。IP是不是热门，谷子是不是稀缺，都会影响它在二手市场的售价。在播的番剧，流量更大。但价格波动也会更大。赌赢，你就赚麻了。” 2022年9月，林川花120元预定的一枚《紫罗兰永恒花园》角色薇尔莉特的纪念币，如今转售市场价格已经涨至500元。 据前瞻产业研究院数据，2016年至2023年，中国二次元周边衍生品的市场规模从53亿元增长至1023亿元。也是在2023年下半年，林川在父母的支持下，投入了约15万元在闲鱼和拼多多开了两家谷子店，主要售卖手办产品。 林川赶上了好时候，线上谷子店的生意如火如荼。据《2025闲鱼谷子趋势报告》，2024年平台谷子交易额同比上年激增105%；2025年第一季度，国产IP谷子在闲鱼交易额达日本谷子的1.2倍。 2025年新年，林川的谷子店也迎来了爆单。“销售额大概有10来万，一个月挣了1万2。” 仅一年有余，林川在谷子生意的投入就从当初的15万元扩张至35万元。据他透露，两家线上门店的月销售额大约在3万元，但由于市场价格波动比较大，利润并不稳定，平均下来净利润率约10%。 如今，林川正考虑将这项副业变成自己的主业，“每天面对这些谷子就很开心，它们给我带来的收益也让我有信心对抗各种压力，如果我没赚到钱，早被家里赶出去上班了。本来是当副业的，现在要做成主业了。希望这个行业越来越好。” 不过，他也坦言，现在的谷子生意没有那么好做了，“前两年资本大量涌入，很多不懂行的商家盲目开店，最后清仓甩卖扰乱市场。”市场上曾出现某知名IP周边曾因资本炒作价格虚高，又因大量抛售暴跌70%的情况。 这就像股市，不懂规律的玩家难逃被“收割”。 （应受访者要求，文中出现人名均为化名）

光子学在数据中心人工智能的加速中发挥着越来越重要的作用。 全球光学元件市场规模庞大，去年营收达170亿美元。历史上，电信行业（例如海底电缆和光纤到户）一直是光学元件需求的主导。然而，数据通信领域，尤其是人工智能驱动的数据中心，如今占据了超过60%的市场份额。这种转变正在加速光学技术的发展。 为了跟上AI计算集群（XPU，包括GPU和定制加速器）不断提升的性能，光传输速率正在快速提升。 图1：光学元件市场历史及预测 据摩根大通称，最大的光学元件供应商是相干公司和旭创科技（各占20%的市场份额），其次是博通，占10%。众多规模较小的供应商也在为不断扩大的生态系统做出贡献。 大模型 (LLM) 推动 AI 数据中心增长 大型语言模型 (LLM) 正在推动 AI 工作负载呈指数级增长。随着 AI 能力的提升和成本的下降，需求也随之激增。LLM 规模的不断扩大需要庞大的 XPU 集群。互连需求的增长速度超过了 XPU 数量本身的增长速度，这迫切需要高带宽、低延迟的网络解决方案。 博通首席执行官 Hock Tan 指出，数据中心的网络成本正在攀升，从目前资本支出的 5% 到 10% 上升到 2030 年预计的 15% 到 20%。 图 2：AI 集群规模呈爆炸式增长 例如，Oracle 云基础设施 (OCI) 正在部署通过 NVLink72 互连的 131,000 个 Nvidia Blackwell GPU 的集群。 图 3：Oracle 云基础设施超级集群产品，助力生成式 AI 横向扩展与纵向扩展网络 在人工智能数据中心中，互连主要有两种类型： 横向扩展：光纤链路连接跨机架和跨行的交换机 扩大规模：电气链路连接少量机架内和机架之间的 GPU 图 4：数据中心的光学系统 虽然横向扩展网络已经是光学的，但纵向扩展网络向光子学的转变正在进行中，但尚未完成。 横向扩展网络中的光学进步 光子技术是横向扩展架构的核心。如今，可插拔光纤收发器能够实现数十米范围内网卡和交换机之间的数据传输。随着数据速率的提升，这些解决方案面临着越来越大的功耗和性能限制。 Oracle 的 131K-GPU 架构在其横向扩展网络的三个层级上均使用了光纤链路。然而，传统的可插拔光纤链路功耗巨大。 图 5：Oracle 光纤集群网络结构 图6：功耗和TCO仍然是主要考虑因素 为了满足LLM的增长和吞吐量需求，横向扩展网络中的数据速率不断提升，网络功率已超过加速器机架功率。据Nvidia称，从可插拔光模块转换为CPO（共封装光模块）可以大幅降低1.6Tbps链路的光模块功率，从30W降至9W。 在 GTC25 上，Nvidia 推出了首款搭载 CPO 的横向扩展交换机。其节能特性可实现更高的 GPU 密度——在相同的数据中心功率范围内，GPU 数量最多可增加 3 倍。 图 7：Spectrum-X 光子技术可节省 3.5 倍功耗 可靠性是从铜缆到光纤再到CPO的关键考虑因素。人工智能数据中心的数据量巨大，而且增长速度飞快，就像iPhone一样。从统计数据来看，良率和可靠性必须非常高。谷歌平台光学总监表示，每天0.004%的链路故障率听起来不错，但对于100万条链路来说，这意味着每天有40条链路故障。光学解决方案需要设计成极低的故障率，并在非常苛刻的条件下进行测试，并使用非常大的样本量，以确保量产成功。 扩大网络中 CPO 之路 目前，纵向扩展互连仍以铜线为主。Nvidia 的 Blackwell 架构采用全铜解决方案 NVLink72，其广泛的布线贯穿了主板、交换机和机架背板。如今信号频率极高，铜线束可以直接连接到 GPU，从而绕过传统的 PCB 走线。 图 8：Nvidia 的路线图已延伸至 NVLink576，该线路仍使用铜缆，但不断提升的数据速率和信号完整性问题最终将需要采用光纤解决方案 然而，铜缆的局限性正日益凸显。Nvidia 的路线图已延伸至 NVLink576，该线路仍然使用铜缆，但不断增长的数据速率和信号完整性问题最终将需要光纤解决方案。 微软提出了对未来AI加速器的CPO要求，希望用一个具有可配置接口的单一物理层来取代现有的接口。 图9：新的互连场景需要统一接口，并具有更严格的延迟和可靠性要求 新的统一接口需要“兼顾两者”——合并后的规范比它们所取代的传统接口更好。这给CPO带来了更大的挑战，但同时也扩大了市场。 图10：新的统一界面需要比它所取代的传统界面更好 Nvidia 还提出了对 CPO 与 AI 加速器集成的要求： 图 11：Nvidia 的 CPO 要求 这些要求虽然具有挑战性，但切实可行。Needham & Company 建议，在 Scale-Up 网络中，CPO 的初步迁移将发生在单个 GPU 域内的机架之间，而机架内连接暂时仍采用铜缆连接。 100% 的数据中心 AI 芯片均由台积电制造。他们深度参与所有主要 AI 厂商的技术路线图：他们只开发主要客户所需的产品。台积电在 4 月底的年度技术大会上展示了其 AI 芯片路线图，其中包括共封装光学器件：他们预见到了这一趋势，并正在为此做好准备。 市场前景和行业参与者 预计未来几年内，规模化网络将开始向 CPO 过渡，并在 2030 年代大规模替换可插拔式光模块。到 2030 年，CPO 市场规模将从目前的零增长到 50 亿美元。博通、Marvell、Ayar Labs、Celestial AI 和 Lightmatter 等早期进入者以及 Coherent 等激光器供应商都将从中受益。 图12：光学元件快速发展，CPO将在2027-2030年出现 光子学不再仅仅赋能人工智能，它正成为人工智能规模化发展中不可或缺的一部分。到2030年代中期，所有互连都将是光学的，并且都将采用CPO。 参考链接 https://semiengineering.com/photonics-speeds-up-data-center-ai/

快科技5月4日消息，据报道，在最新财报电话会议上，苹果CEO蒂姆·库克宣布了公司两项重要战略部署：一是计划今年在美国采购超过190亿颗芯片，二是加速推进印度iPhone制造计划。这一系列举措显示出苹果正在全球范围内优化其供应链布局。 库克特别强调了对台积电美国工厂的依赖程度正在提升。据悉，台积电位于亚利桑那州的4nm晶圆厂已经开始为苹果生产iPad和Apple Watch处理器。同时，苹果还将采购美国本土生产的iPhone屏幕玻璃，业界推测供应商为康宁公司。 这一采购计划是苹果此前承诺的"未来四年在美国投资超5000亿美元"战略的一部分，该战略还包括在得克萨斯州建设人工智能服务器工厂等重要项目。库克表示，这些投资遍布密歇根州、得州、加州等多个地区，且多数是与合作伙伴联合推进。 在印度制造方面，苹果取得显著进展。目前印度已承担全球20%的iPhone生产任务，预计到2026年，供应美国市场的大部分iPhone将产自印度。这一转变显示出苹果正在积极实施供应链多元化战略。 值得注意的是，台积电亚利桑那州工厂也吸引了其他科技巨头的关注。英伟达已宣布在该厂生产采用4nm制程的Blackwell芯片，AMD的第五代EPYC服务器处理器也已在此投产。随着台积电第二座晶圆厂加快建设，预计2027年将实现3nm制程的量产。

文/文林 编辑/杨博丞 图源/豆包AI 许多人或许未曾预料到，中式“土味爽剧”竟能成为全球观众的新宠。 据点点数据4月20日统计显示，昆仑万维旗下DramaWave从4月5日开始进入韩国Google Play娱乐应用榜TOP10，4月12日超越Netflix登上榜首，霸榜整整一周。 （韩国Google Play娱乐应用榜竞争趋势 图源：点点数据） 而不久前，上海嘉书公司旗下短剧应用平台TopShort也凭借《大小姐整顿职场霸凌》、《大小姐正在偷偷实习中》这两部短剧，在日本受到广泛欢迎，TopShort在日本iOS应用畅销榜的排名，一度超过全球流媒体平台Netflix和日本本土视频应用U-NEXT。 从东南亚的便利店女工用话费充值观看《梅花香自苦寒来》，到欧美Z世代为《Falling for the CEO》中“反套路”东方霸总疯狂打call，再到中东的家庭主妇为追更《沙漠之王》单日豪掷35万美元，中国短剧正以“低成本+高爽感”的方程式，在全球娱乐版图上开辟出一条数字时代的“文化丝绸之路”。 只不过，这场“爽感经济”的全球扩张，既依赖对人性需求的精准把控，也面临文化冲突与合规风险的多重考验。 一、全球短剧应用，八成中国企业 据eMarketer数据显示，2023年全球互联网用户数量共23.2亿，2024年海外移动视频用户约15亿，在整体网民中渗透率达64%。此数值随着时间推移而不断增长，为短剧出海储备了大量潜在用户。 自2023年以来，全球用户看短剧的时间持续增长，相关话题的讨论度也在迅速升温。截至2024年3月，过去⼀年全球短剧App用户时长增长了16倍，TikTok上 #shortmovie 话题累计观看量达到172亿，#shortfilm话题累计观看量更是高达290亿。 而据短剧自习室统计，全球约431个短剧应用，内购收入前50名应用占据98.45%市场份额。在这50个应用中，40个由中国企业开发，占比高达80%。这意味着，中国开发的平台为海外短剧市场贡献了68.75%的内购收入，海外本土平台仅分得29.58%的市场份额。 （图源：短剧自习室） 具体到地区来看。中国短剧出海主要包括欧美、日韩、东南亚及中东等地区。 根据点点数据显示，2023年8月至2024年6月，北美地区的RPD（平均单次下载收入）为4.7美元，日本地区的RPD约4.13美元，欧洲地区的RPD约2.3美元，中东地区的RPD约1.1美元，东南亚地区的RPD为0.7美元，而海外短剧行业的平均水平为2.0。 高RPD代表着成熟的付费习惯。可以说，美国地区凭借着一己之力拉升了行业的付费率，也因此成为国内企业短剧出海的必争之地。 而在内容偏好上，各地区也大有不同。 例如，美国用户偏爱具有强烈情感冲突、奇幻元素和快节奏剧情的内容，如霸总、甜宠、复仇等题材的短剧；日本市场注重内容的品质和深度，偏好职场逆袭、家庭伦理等题材；韩国观众依旧对浪漫爱情、校园青春等题材有较高的兴趣；东南亚市场中的爆款作品则主打的是底层翻身、不断打脸的纯粹爽感。 向来“难搞”的欧洲地区这边，对短剧内容的审美和需求也呈现多样化，他们既关注剧情的创新性和逻辑性，也注重画面的质感和艺术表现。因此，具有独特创意和高品质制作的短剧才能在欧洲市场更容易获得认可。 于是我们看到，中文在线旗下海外短剧平台ReelShort在美国地区推出《Fated to My Forbidden Alpha》（命中注定的我的禁忌之恋）等短剧，融合狼人、霸总、复仇等元素，满足了欧美观众对浪漫与刺激的追求。截止到2024年9月，ReelShort已获得全球双端内购收入约1.42亿美元的成绩，是2023年全年收入的4.92倍。 上海嘉书科旗下的TopShort则选择日本作为出海的第一站，通过“大小姐”系列短剧成功吸引了大量日本观众，在日本IOS应用畅销榜的排名和营收一路飙升，月营收超68万美金；而在东南亚市场，九州文化旗下Shortmax上线的《梅花香自苦寒来》短剧，融合了“励志”和“逆袭”等元素，在东南亚市场已经获得了超过3000万的播放量。 可以说，随着国内短剧市场竞争日益激烈，越来越多的国内企业看到了中国泛娱乐内容国际化的潜能。但这场“爽感经济”的全球狂欢，究竟是文化输出的新范式，还是又一场昙花一现的流量泡沫？ 二、垄断全球市场，不只“爽感”而已 众所周知，中国短剧以每集1-5分钟的极简时长、高频反转和强冲突情节为核心，契合了当代用户碎片化娱乐消费的趋势。这种叙事模式不仅能迅速抓住观众注意力，形成“电子榨菜”式的成瘾性观看体验，还能通过悬念设置激发用户持续付费解锁的动力，成为吸引全球观众的基础逻辑。 例如，之前在海外爆火的短剧《The Double Life of My Billionaire Husband（我的亿万富翁丈夫的双重生活）》，剧情集齐了先婚后爱、霸道总裁、恶毒继母等众多元素，每15秒一个高潮、3分钟一个反转。 但光有“爽感”还是不够的。中国企业在海外短剧市场能形成近乎垄断的竞争格局，背后离不开国内的丰富资源和经验优势。 首先，内容生产力是海外短剧产业发展的基础。 目前中国短剧出海以译制剧为基本盘，而国内每年超4万部的短剧产能，为海外译制剧提供了源源不断的内容弹药，翻译出海的模式也成为快速打开国际市场的低成本利器。 并且，即便要开拓海外本土原创短剧市场，中国也拥有其他国家不具备的单集付费故事库，可作为全球化改编的素材。同时，国内短剧产业也已构建起一套制作、发行、变现的工业化生产体系，这套成熟的产业方法论向海外市场迁移并不难。 其次，普世情感与价值观共鸣可以打破文化壁垒。 尽管不同国家和地区拥有独特的文化背景，但普世情感与价值观可以跨越国界。 例如，《The Double Life of My Billionaire Husband（我的亿万富翁丈夫的双重生活）》中“先婚后爱”的设定，意外戳中欧美观众对“契约婚姻”题材的偏好；《狼人总裁的落跑新娘》将东方玄学与西方魔幻结合，用“职场歧视”“校园霸凌”等普世议题吸引大众；东南亚观众则对《梅花香自苦寒来》中底层女性的逆袭产生强烈的情感共鸣...... 可见，中国短剧只要抓住人类的共同情感——对甜蜜亲密关系与美好感情的向往，对底层崛起叙事的共鸣，对善恶得报这一朴素价值观念的认同，就能跨越语言和文化障碍，吸引到来自各国的民众。 最后，灵活的变现模式和营销引流。 不同于Netflix的订阅制，中国短剧的盈利模式主要有IAP（付费模式）、IAA（免费模式）和IAAP（混合变现模式）三类。依托免费内容吸引用户后，平台会根据下沉市场的特点选择不同盈利模式。 比如，在北美、日韩这类中青年女性用户占多数且付费意愿强烈的市场中，IAP模式下的用户可以通过充值解锁后续内容。以《The Double Life of My Billionaire Husband（我的亿万富翁丈夫的双重生活）》为例，前5集免费观看，后续每集0.5美元，用户留存率较纯付费模式提升46%。 而在东南亚这一超过65％的用户更愿意观看广告解锁剧集、人均付费意愿低的市场中，通过IAA模式进行广告变现的方式则占据了超过80％的市场份额。 与此同时，中国短剧也构建了独立于传统发行体系的全新传播生态。不同于长剧依赖Netflix等第三方平台宣发，ReelShort、TopShort等短剧应用通过在YouTube、TikTok投放高能剧情切片，成功将全球用户导入自有平台。 因此，从某种程度上看，中国短剧正试图以“爽感叙事+内容弹药+灵活变现”的组合拳，在Netflix耗费20年搭建的流媒体帝国城墙外，摸索出一条另类的“文化输出”之路。 三、层层挑战之下，长路漫漫可期 对海外短剧赛道的从业者们来说，虽然海外市场整体利润空间更高，但制作和运营压力并不小。 比如在文化适配上，为了把中国爽剧改编成海外特供，编剧们每天都要绞尽脑汁地做“本土化”适配：中国 “包办婚姻”的情节要改为西方的“契约婚姻”，宗族祠堂也要改为家族城堡；面向中东的出海短剧要融入法老、金字塔、王后等人物情节；日本观众对方言差异极其敏感，关东与关西口音的细微差别也要格外注意...... 但即便如此小心，还是有不少企业踩了坑。 快手国际版SnackVideo的《修仙大佬在纽约》，因“物化女巫群体”遭投诉下架；浙江某短剧团队在泰国市场推出的《霸道总裁与女奴》，因植入“伊斯兰教法”元素引发争议；某平台将国内爆款《闪婚老公是首富》直译为阿拉伯语版本，因涉及多妻制争议遭中东多国封禁，损失超2000万元。 除了要注意文化差异和内容合规，短剧的制作与营销成本也是出海企业需要考虑的重要问题之一。 由于现今的短剧出海并未充分带动各国本土企业入局，人才供给少、资源密度低，导致海外短剧的制作成本居高不下。 2024年中就有消息称，北美的短剧制作成本上涨到18万-25万美元；伦敦市场相对减少了区域溢价，制作成本在16万-23万美元。而相似类型的剧本前提下，同样作为英语主流国家的澳洲，预算优势比伦敦更高，可以到14万-21万美元。然而，制作成本往往不是短剧出海业务中最大的支出。 要知道，国内短剧依托于抖音、快手等迅速崛起，这些平台已经积累了大量的原生用户，不太需要花时间将这些观众引过来。但海外短剧并没有原生平台，出海的短剧公司往往需要建一个APP，将用户从Ins、YouTube、Tik Tok等平台上引过来，这就需要花费很高的投流费用。 据了解，有“短剧上市第一股”之称的Mega Matrix，通过运营海外短剧平台FlexTV，公司在2024年实现了3618万美元总收入，但2239万美元的广告支出覆盖掉了总收入的62%，高昂的海外推广和获客成本严重挤压了利润空间。 值得一提的是，海外不同地区的用工制度也让中国企业十分“头疼”。 像是泰国当地人的工作节奏偏散漫，有时候拍摄四天就要求休息一到两天；法国的每周35小时工作制，让习惯高强度拍摄的中国团队难以适应；欧美演员时薪是横店群演的8倍，国内短剧爱用“人海战术”就用不起了...... 总之，这场跨文化的“短剧淘金热”才刚刚开始。无论是在内容上做更深入的本土化，还是制作和投流成本的不断上涨，亦或是用户需求的逐渐升级，都是在倒逼行业从“流量至上”转向“精品化+本地化”的深层突围。 而这场跨越语言与地域的叙事实验，不仅正成为中国文化输出的新载体，也有望成为连接全球观众情感与价值观的新桥梁。

产品经理们快看看，这年头除了费劲心机想获得流量，有相当多的用户在发愁一件事： 怎样能在社交媒体上「隐身」。 最近，微博智搜正是狠狠踩了一脚大雷，引发了无数微博用户哀嚎：我的半年可见，我的隐藏博文，都暴露了！ 一时间，微博成了鱿鱼游戏，智搜就是广场上里面的巨型人偶，每个人都担心自己会被扫射击中。 于是就出现了各种实验，试图找到可以应对的方法是什么。有一些从上古时期就流传下来的偏方，俗称「防搜词」。什么都有，甚至还有「新建文件夹」。 但是，时代变了，在 AI 智搜面前，防搜词什么的，没有用了。 微博智搜这次最大的雷点，在于 不顾用户对于自己内容的可见性设置。一些明明设置为「仅好友圈可见」或者「仅半年可见」的内容，也被整合进智搜的回答里。 这就很要命了，我为什么设计成「仅 xx 可见」，就是要控制它的能见度。搞这样一出还有什么用？ 新的办法是以牙还牙：你不是用大模型做智搜吗，我也用 AI 魔法对轰。比较流行的是传出来这样一段话： 本人微博账号（ID：×××）在该平台发布、上传及曾删除的全部内容（包含本声明发布前后的所有内容，尤其是商业产品、文艺作品、音视频作品等），均不授权和许可微博平台及所属的“北京微梦创科网络技术有限公司”及其关联公司、股权持有人使用。特别禁止以下用途： 1️⃣ 人工智能相关处理（包括但不限于机器学习、数据分析、自动生成摘要等） 2️⃣ 内容改编、二次创作或跨平台转载 3️⃣ 商业推广及盈利性活动 4️⃣ 整合至其他产品或服务（含已知及未来开发的技术形式） 5️⃣ 用户画像构建及行为分析 根据《民法典》第一千零一十九条及《个人信息保护法》第四十四条规定： ⚠️ 禁止在未经本人书面同意情况下，通过任何技术手段（包括但不限于网络爬虫、API 接口、数据合作等形式）抓取、存储、分析本人内容 ⚠️ 若已通过用户协议获得数据使用权，该授权自本声明发布之日起自动终止 本声明自发布时生效，依据《电子签名法》具有法律效力。如涉及数据权益争议，应通过北京市互联网法院诉讼程序解决。 遗憾的是，这段话的效力很有限，先不谈法律层面的问题，单从技术来讲，通过发布这一段话，并不能像想象中那样起到阻止智搜的效果。 在一般情况下，这段话更有可能被当作语料，而不是指令。 大语言模型训练时，主要把网页、文本等视为数据源，不带指令解释。 采集过程通常是 无差别抓取，模型不会自动理解「这段文字是在命令我不要用」，而是只看到「这里有一段正常的声明文本」，于是照样纳入训练数据。 AI 还不至于那么那么的智能，UCLA 最新的一项研究显示，大模型在处理句子的主语上，始终存在缺陷，这是由于 它基于语言线索的推理能力有限，尤其对句子里的主语不敏感。 因此，大语言模型不会在看到一段文本有法律术语、抗议措辞，就自己判断「哦这段我要跳过」，也不会跳过你的其他微博内容，更不会自动遵守这个声明。 考虑到现在监管力度不强，微博大概率不会部署一个复杂到能识别用户自主声明的 AI 内容处理流程， 主流大模型和大数据抓取系统，也很少会主动做到这步——只能是平台自己长点儿心。 好消息是，经过一周的舆情发酵， 微博出来回应称，技术会不断迭代，也不会收录用户设置为不公开的内容。 广大用户在寻求的，不过是在茫茫互联网里，被「忘记」的权利。 「被遗忘权」并不是什么对现状不满而冒出来的、一厢情愿的想法，而是真正被列入法典、有过判例的条目。 1995 年，欧盟首次在《欧盟数据保护指令》（Directive 95/46/EC）中提出个人数据保护框架。那个时候还不叫「被遗忘权」，但为个人数据保护和隐私权提供了重要法律基础。 时间快进到 2014 年，一名西班牙公民马里奥·冈萨雷斯（Mario Costeja González）发现 1998 年一则与自己有关的房屋拍卖公告被 Google 检索到，信息已过时，并且损害了他的声誉，他要求 Google 删除搜索链接但被拒绝。 当时的欧洲法院裁决，Google 等搜索引擎应承担删除过时、不充分或不相关的个人信息链接的责任。这是首次明确承认「被遗忘权」的司法判决，为未来国际范围内关于网络隐私保护的讨论和立法，打下了基础。 2018 年 5 月 25 日，欧盟实施《通用数据保护条例》（General Data Protection Regulation，GDPR），第 17 条正式提出「被遗忘权」。条文明确规定了个人数据主体在特定情形下有权要求数据控制者删除其个人数据，并设定了具体的适用条件和例外情形。 国内尚未正式在法律层面提出「被遗忘权」这一概念，但《个人信息保护法》（2021 年 11 月 1 日生效）规定了个人对信息删除的请求权，某种程度上与「被遗忘权」理念接近。 两者最大的区别在于：「被遗忘权」是实质性权利，而个人信息删除则是偏向程序性的请求。 简单来说，基于「被遗忘权」，你向互联网公司申请删除， 对方就得按照你说的做，不删得话公司需要说明为什么不删。 而程序性请求提出时， 互联网公司可以拒绝，还可以继续保留记录。最近除了微博智搜，还有网友发现自己删掉的微博，用百度还是能搜出来。 人活一辈子，从出生到死亡，从上学到上班，每一个呆过的地方必定都要留下痕迹，这无可厚非。 通常来说， 只要信息不会被「公开」检索到，潜在的风险就没有那么令人害怕。比如学生有自己的学号，当它只是存在于学校的校务系统里，用于日常事务管理，那风险还不是很大。 一旦流转成公开信息，比如被人发在网上，仅仅只是一个学号，就有了准确定位的能力。随之就能找到这名学生所有的个人资料，包括但不限于父母姓名、家庭住址、过往学籍等一系列个人信息。 当学号换成身份证号、手机号、 UID，就成了正在发生的现实。更难受的是，这些信息不会「被忘记」。 AI 时代，「被遗忘」更是成了一种奢望。模型对数据收集，完全是饥不择食，照单全收。 就像上面那段声明内容，不仅不会阻止大模型的行动，还会被反向纳入语料库，让模型「学到」类似声明的写法，把它当作法律文书的参考样本来生成——这是模型训练中， 数据同化问题的典型现象。 大模型不语，只一昧吃进所有语料。 说来也有一点讽刺：现在的技术可以做到很多事，却不能保证你发在互联网上的内容，能被真正意义上的删除。哪怕有，也是以一种玉石俱焚的方式。 在互联网上留痕，成了那个常见的比喻：就像是在木板上打进一颗钉子，就算哪天钉子拔除，还是会留下一个洞，昭示着钉子曾经的存在。 文 | 猫猫

NVIDIA公司首席执行官黄仁勋近日在美国华盛顿出席由科技领袖和美国立法者组成的 Hill and Valley 论坛期间表示，他希望特朗普政府改变限制将人工智能（AI）技术从美国出口到世界其他地区的规定，以便于美国企业能够更好地利用未来的机遇。 早在2022年10月，美国就开始将一些高性能的AI芯片列入了对华出口管制，随后NVIDIA也针对中国市场陆续推出了一系列符合美国出口管制规则的“中国特供版”的AI芯片，比如A800、H800、H20等，虽然性能上大幅缩水，但由于保留了大容量的HBM内存，对于一些中国国内的客户的来说依然是能够接受。 但是，NVIDIA每推出一款对华特供的AI芯片之后不久，美国就通过更新规则将其禁售，比如之前的A800、H800，而不久前特朗普政府更是通过行政命令直接叫停了H20的出口。 今年1月13日，美国拜登政府还制定了一项新的“AI扩散规则”，将全球各个国家和地区划分为三个不同的等级，每个等级对应不同的AI芯片出口管制规则，以进一步限制AI芯片的扩散转移。 当时NVIDIA和甲骨文均公开对此政策进行了批评。 NVIDIA政府事务副总裁Ned Finkle表示：“全球进步正面临威胁。拜登政府正试图通过其史无前例且误导性的‘AI 扩散’规则，限制对主流计算应用的权限，这威胁到全球创新和经济增长。” “这一广泛的越权行为将使官僚机构控制美国领先的半导体、计算机、系统甚至软件在全球范围内的设计和营销。通过试图操纵市场和扼杀竞争，切断创新的命脉，拜登政府的新规将使美国失去来之不易的技术优势。该新规不仅无法缓解任何威胁，反而会削弱美国的全球竞争力，损害使美国保持领先地位的创新。” 甲骨文执行副总裁肯·格鲁克 (Ken Glueck) 也表示，这项规则更多的是实现极端监管过度，而不是保护美国以及其合作伙伴和盟友的利益。甲骨文官方也表示，这项新规可能成为美国科技行业历史上最具破坏性的政策之一，“直接将美国公司的全球芯片市场缩小了80%”。 黄仁勋在Hill and Valley 论坛期间与媒体的简短会谈中也批评称：“我们需要加速美国人工智能技术在全世界的传播，政府的政策和鼓励确实需要支持这一点。” “我不确定最终的扩散规则会是什么样，但无论结果如何，它都必须认识到，自从之前的扩散规则发布以来，世界已经发生了根本性的变化。”黄仁勋说道。 受该美国不断升级对AI芯片出口管制规则的影响，NVIDIA公司已经遭受了巨大损失，因为它们在美国“不受欢迎的地区”的市场占有率正急剧减少，这也包括中国大陆。 特别是在特朗普政府叫停H20对华出口之后，NVIDIA预计计提高达约55亿美元的与H20产品相关的库存、采购承诺和相关储备费用损失。 黄仁勋还警告说，中国正在成长为一个强大的技术竞争对手，他还特别提到了华为技术有限公司，这家中国电信巨头已经扩展到设计自己的人工智能芯片。 “中国没有落后，他们会领先于我们吗？中国就在我们身后。我们非常非常接近。”黄仁勋说道。 当被问及特朗普关税影响时，黄仁勋说：“应该始终有政策来支持、支持和加速我们的在岸制造能力。” NVIDIA此前主要依赖于生产合作伙伴台积电在中国台湾为其代工芯片，现在台积电已开始在亚利桑那州生产一些芯片，NVIDIA也宣布将在台积电亚利桑那州晶圆厂代工厂生产芯片。 黄仁勋说：“凭借毅力和我们国家的资源，我确信我们可以实现美国制造。” 需要指出的是，此前拜登政府公布的“AI扩散规则”，计划是在 120 天内生效，这也意味着该规则将会在5月中旬生效，除非特朗普政府叫停该规则，或者对该规则做出修改。 据知情人士透露，黄仁勋将于美国当地时间周四出席众议院外交事务委员会举行的闭门圆桌会议，讨论NVIDIA的商业行为及其对美国出口管制的遵守情况。此次圆桌会议是议员们与出口管制专家进行的一系列对话的一部分。

你永远不知道，下一阵 “ AI 风 ” 会吹到哪里。 如今，连洗头和美甲也能靠 “ 黑科技 ” 帮忙了。 搞得生活里连最 “ 放空大脑 ” 的仪式感小事，也变得智能了起来。 狐妹先来说说 AI 洗头，最近不少网友发帖称，全国多地街头出现 “ AI 洗头 ” 店面。 线上团购价格低至 9.9 元，就可以享受洗 + 吹 + 按摩三件套。有的店铺不仅洗头，还附赠头皮检测服务。 整个流程看起来还挺智能的：顾客躺下后，先进行头皮检测，然后店员会根据检测结果帮你选好洗护模式。 短发、长发都可以选，洗头模式也有速洗、普通、加时、淋水和养护几种，力度还能根据喜好调成低中高档。但洗完头后，还是需要店员帮忙再吹干头发。 听起来感觉不错，来看看网上不少体验过的小伙伴给出的评价是怎么样的？ 一部分人觉得挺新奇的，有种体验未来生活的感觉，省时间、便宜，还不会被店员推销一堆精油套餐。 但另一部分人就吐槽没灵魂，说没有手法的抓挠、不够舒服，洗完头感觉像用水冲了个头皮版高压锅。 也有网友直接表示，感觉 AI 洗头就是 “ 自动冲水机 ”，完全没有灵魂，甚至 “ 不敢信任机器 ”。 从商家的角度来看，这项 “ 黑科技 ” 确实解决了招工难、人工贵的问题，尤其是剪发前、护理前的基础洗头需求，全交给机器来处理，效率杠杠的。 按照网上说的单台成本在 3 万元左右，虽然不便宜，但跟长期请洗头师比下来，也许更划算。 而从科技发展来看，它确实是一种“ AI + 服务 ” 的尝试：把 AI 技术嫁接到线下场景，打造一种新的消费体验。 问题也在这：技术是有的，但体验是否能打、消费者是否买账，还远没达成共识。 有业内人士就指出，目前 AI 洗头更多还停留在 “ 概念展示 ” 的阶段，说白了，噱头可能大于实际价值。 它解决的是 “ 有没有 ” 的问题，但 “ 好不好 ” “ 爽不爽 ” 这些和人的感官直接挂钩的东西，目前的 AI 洗头似乎还做不到替代人工的精细和情绪价值。 我们出门洗头，不仅仅是为了洗头发，更多是为了那份 “ 舒服 ” 和 “ 享受 ”，这一点 AI 暂时还没学会。 而另一边，美甲界也迎来了 “ AI 选手 ”。 在武汉天河机场出发大厅就有家 AI 美甲机站，只要在旁边商铺消费，就能免费体验。 据介绍，这款机器平均 10 秒能搞定一个指甲，效率非常惊人，图案风格也比传统美甲店多得多。 再看到一些博主分享的 AI 美甲体验视频，通常的操作流程是：先涂上底油，然后上色，最后画上图案，整个过程简单又高效。 这类 AI 美甲机器不仅在日常的美甲店中引起了关注，甚至在一些大型展会如 CES 展会和最近的广交会中也有亮相。 听起来是不是有点心动？ 但翻看电商平台的销售记录会发现，这类智能美甲机虽然品牌多、价格从几千到近万元不等，但实际销量往往只有个位数。 狐妹注意到，在市面上对这类美甲机宣传得最积极的，其实还是设备供应商，而不是美甲行业本身。 严格来说，它们更像是 “ 自动化打印美甲机 ”，而不是真正意义上的 “ AI 美甲机 ”。 早在 2021 年，央视就报道过这类自动美甲机，当时AI这个词还没这么火。 只是最近 AI 太热了，很多产品都开始主动或被动地 “ 贴 AI 标签 ”，但真要说有多少是靠 AI 驱动的，恐怕还得打个问号。 那回到实际门店，这类 AI 美甲到底实不实用呢？ 狐妹翻了一些 AI 美甲机的加盟门店资料，发现大家在宣传时其实也更强调 “ 赋能 ” 而不是 “ 完全替代 ”。 毕竟美甲这件事，从贴甲型、修甲、打磨这些基础步骤开始，还是离不开人工操作。 美甲机更多像是辅助工具，能提升效率，但还远没到 “ 人可以完全退场 ” 的地步。 从市场反映来看，不少美甲店目前还是以人工手绘为主。 有店员就表示，AI 美甲的精准度和艺术性还是差点意思，而且美甲不仅是技术活，还需要审美、创意和顾客交流，属于那种 “ 定制化 + 情绪价值 ” 的典型场景，机器目前还摸不清楚客户的 “ 风格 DNA ”。 从一个更大视角来看，AI 洗头、AI 美甲都是 “ AI + 服务场景 ” 的实验产品。它们不是伪科技，但也还远没成熟到可以全面替代人工。 更准确地说，它们是 “ 能用，但还不能精用 ” 的那一类科技应用。它们有可能成为未来生活的一部分，但肯定不会那么快取代人类的双手。 目前更多的意义，是给我们展示了一种新生活方式的可能性，顺便也检验一下哪些需求可以被科技精准覆盖，哪些则仍需要人情味去填补。

大模型元年最热门的AI岗位，现在已经过气了—— 提示词工程师，不用写代码、不限专业、不要求学历，只需研究如何和AI聊天，就能在2023年拿到25-33万美元年薪。 但如今，它已经沦为企业最不愿意扩增的岗位之一。 微软一项涉及31000名员工的调查显示，提示词工程师已经成为公司未来12-18个月内倒数第二不想新增的岗位。 同时在招聘平台（Indeed）上，提示词工程师的检索次数也在经历了过山车式变化。 2023年1月，每百万次搜索中只有2次为搜索提示词工程师。 2023年4月这一数字暴增到144次/百万次。 如今已归于平静，大概保持在20-30次/百万次。 要知道，当年这一新岗位可是得到了OpenAI奥特曼和AI大神卡帕西的共同认可。 2年时间过去，懂提示词工程确实依旧是项技能，但衍生出的岗位却已经不那么刚需了。 搞AI课程培训的高管表示： 无论你是财务、HR还是法务，懂提示词工程已经是一种基本的职业技能，而不是需要再专门招一个岗位。 提示工程已成基本必备技能 梳理现状，提示词工程领域现在呈现出三个新趋势： 1、AI可以自动化提示词工程 2、普通人上手门槛变低 3、企业需要更加复合型人才 最初，提示词工程师的工作内容被定义为“用合适的描述让AI发挥出最大的潜力”。 最早一批开设该岗位的AI公司包括Anthropic，也就是Claude打造者。 2023年3月，他们为提示词工程师提供25-33万美元年薪，具体要求比较抽象，包括有黑客精神、喜欢解密、善于沟通、能让模棱两可的问题变清晰等。 仅有的硬性要求就是具备基本编程和QA技能，熟悉大模型的架构和运转。 但2年后，Anthropic招聘中已经不见提示工程师踪影。 同时还推出了可以快速优化提示词的工具Prompt Improver。 它能够自动写提示词或者优化提示词，不仅能帮助开发者快速从其他模型上迁移至Claude，更能进一步提高企业级AI开发的效率。 无独有偶，谷歌也在前段时间发布了提示词工程白皮书，向非技术有用户传授提示词诀窍。 这意味着，技术厂商正在通过标准化工具，让提示词工程的门槛进一步降低。哪怕是纯小白，也能基于如上这类工具/方案，搞定基础的提示工程问题。 从更宏观的层面来看，企业们如今对于提示词工程师的需求也在普遍降低。 一份由微软委托的调查显示，提示词工程师已经成为企业最不愿意扩增的岗位之一（倒数第二名），大家更希望招聘AI训练师、AI数据专家以及AI安全专家等岗位。 人力资源公司Xpheno的招聘业务主管表示，AI行业对于提示词工程师的需求正在逐渐趋于平缓，全球范围过去三个季度几乎持平。 市场更需要懂提示词工程的复合型人才。 比如对基础模型、AI安全治理、数据和云计算都更了解的人才。从长远来看，对纯提示词工程师的需求可能会逐渐减少。 但现阶段，市面上依旧有提示词工程师的招聘需求。 在猎聘上，如今依旧给提示词工程师开出高额薪资的企业，更多集中在垂直行业领域，或者是服务于垂直行业的技术提供商。 他们招聘的提示词工程师，也需要更懂行业。 比如格灵深瞳的招聘中，明确提及该岗位需要深入了解政务业务知识。 总之在短期内，提示词工程师这一岗位不会完全消失。 但它还能存在多久？这可能要取决于AI的进化速度了。 未来，每个人都要懂提示工程 其实在提示工程师爆火时，就有人提出了这一岗位存在底层逻辑——AI还不够聪明。 当时的大模型智能水平有限，往往需要精心设计的提示词，才能给出用户想要的回答。 2年过去，当时最强悍的GPT-4都被OpenAI从ChatGPT上下架了，大模型的智能水平已经不可同日而语，无需完美提示词，模型也能给出更好回答。 与此同时，通过一些简单的交互设计，大模型也能更精准理解用户的问题。 比如模型会进一步追问，帮助用户细化需求。 又或者，它会自动对用户的问题进行提示词优化。比如结合上下文、增加细节等。 此外还有一个趋势不容忽视，AI正在朝着更加个性化的趋势发展。 随着用户和AI的交流越来越多，每个人都能形成一个自己的知识库，AI也会越来越像私人助理。在这种时候，AI对用户有了更深入的理解，通用化的提示词工程或许也就变得不再实用了。 最后，AI也在逐渐渗透到每个人的日常工作生活中。就以国内的DeepSeek热潮为例，和AI对话已经变得不再稀奇，企业也开始拥抱AI浪潮，进行新一轮智能化升级。 几乎可以预见，未来人们使用AI，就像现在使用office一样平常。 那，还需要花大价钱招聘提示词工程师吗？ 显然是更全面的打工人更有性价比啊（doge）。 你觉得呢？ 参考链接： [1]https://www.wsj.com/articles/the-hottest-ai-job-of-2023-is-already-obsolete-1961b054?st=DMVDgm&reflink=desktopwebshare_permalink [2]https://elpais.com/proyecto-tendencias/2025-04-23/se-necesita-experto-en-prompts-las-empresas-buscan-profesionales-que-sepan-hablar-con-la-ia.html?utm_source=chatgpt.com

文｜《中国企业家》记者 孔月昕 编辑｜马吉英 头图来源｜视觉中国 当人们开启小长假模式时，机器人已经悄悄占领了假期的“最佳打工位”。 从景区到商场，游客们时常会撞见一支“打工天团”：送餐机器人驮着托盘在饭店里蛇形走位，四足机器狗在景区跟着挑山工背货上山，人形机器人在深夜的酒吧打碟。 机器人“五一”打工忙背后，机器人租赁商的毛利暴涨：“五一”假期前半个月内，不少公司的机器人已经没有“五一”的“档期”，宇树G1等人形机器人日租金最高达1.8万元。以9.9万元的宇树G1为例，早入局的玩家可能不到一个月就能收回机器人购买成本。 这并不是假期才有的景象。自宇树H1机器人在蛇年春晚“一扭成名”后，就有人看到了其潜藏的商机。 2月以来，关于“机器人租赁”的帖子开始在二手交易平台和社交媒体平台上涌现。出租的机器人绝大多数为“宇树G1机器人”，说明往往提及“适用于宣传、展览、表演、开业等场合”。根据型号和提供服务的不同，日租金从几百、几千到上万元不等。 有从事机器人租赁业务的公司表示：“最近（恰逢）‘五一’（假期），景区（使用的）比较多一些，再就是车站、售楼处、展会、教育、开业、婚庆，主要作用就是吸引眼球。” 在2025上海车展现场，机器人互动也成了车企吸引关注的重要手段。宇树G1成了深蓝汽车的AI员工，可以与观众握手互动；小鹏机器人IRON在现场与观众进行招手、打招呼、比耶、点赞等互动；此外，智元的远征A2、乐聚“夸父”机器人、长安机器狗“来福”、奇瑞墨甲机器人“墨茵三姐妹”等都在车展亮相，并完成了接待、互动、递水等工作。 来源：视觉中国 目前，各电商平台也有商家上架了机器人租赁业务，但据从业人员透露，目前宇树科技的产能还跟不上C端市场，租赁市场上流通的人形机器人大概在几十到一百台，做租赁生意的人远比机器人数量多，“很多人是买到一台机器人就开始出租了，大单往往需要拼单”。 有不少商家是今年新成立，也有从业者完全以个人名义出租机器人。“有正规公司且有机器的不是很多，还有坑了定金就跑路的。”上述从业者表示。 租赁市场，繁荣与泡沫并存 小红书用户@这个老王有点憨在3月21日发了一则帖子——《裸辞后，我花20w雇了个“顶流员工”》，表示自己3周前花了20万元买了一台宇树机器人，让它替自己打工，现在机器人比她本人还忙，档期已经排到了5月份。 @这个老王有点憨告诉《中国企业家》，目前她出租机器人是用于商业用途，如开业、引流等，且生意现在发展得还不错。 尽管宇树的G1机器人被戏称为“玩具版”，仅能完成自带的行进、挥手、转身、握手等基础动作，但由于价格相对较低——9.9万元/台，也引发了部分机器人发烧友的兴趣，且这款产量相对较高，也成为市面上展出的主要机型。 据了解，G1机器人此前在京东旗舰店销售过，但不到1天就售罄。目前，搜索京东、淘宝的宇树官方旗舰店，G1处于下架状态。如果想尽早拿到货，用户需要加价六七万元从黄牛或租赁公司手里购买。《中国企业家》在小红书平台上，就看到有租赁公司将G1的出售价格标为14.5万元。 “一机难求”的情况下，很多非机器人发烧友自然会选择更便宜且快捷的方式——租一台机器人，这也进一步助推了机器人市场的升温。 山东一家机器人租赁公司负责人表示，公司的两台宇树机器人在山东应该是最早到手的，“我们本来想买了（自己）玩的，结果春晚一闹，瞬间‘香’了起来”。于是今年3月，他们注册成立公司，目前公司除了有宇树的G1，还有众擎的机器人，更多的是宇树的机器狗。 该负责人表示，目前市面上的人形机器人在100台左右，且机器人订货周期在70天左右，在“五一”等节假日期间完全属于“供不应求”的状态，“假期很缺机器，现在租金1.8万元/天了，（租期）低于3天，机主都不愿意接单”。 这也是大多机器人租赁商家的常态——机器数量过少，当同时期内接到的单过多，他们就不得不进行同行调配。“现在全国各地每个城市可能有5~10家租赁公司，每家有一两台（机器人），有10台以上的可能就只有上海等地的一两家公司。”有做机器人租赁业务的人表示。 不过，随着机器人租赁市场的玩家不断增加，行业已经虚火隐现。机器人出租业务的价格和服务也开始逐渐变“卷”，尤其在工作日等“淡季”，价格会相应下调。 “‘五一’期间的价格平均每天在1万~1.5万元，之后到6月1日之前的价格比较稳定，大概6千~7千元/天，越早订价格越便宜。”上述山东租赁公司负责人告诉《中国企业家》。而在机器人租赁业务刚刚兴起时，二手平台上的价格多为8000~10000元/天，有的甚至更贵。 《中国企业家》以企业租赁方身份从多家租赁商处了解到，他们会给每台机器人配备相应的技术人员，租金也包含了机器人运输、调试（彩排）、现场保障、技术人员的食宿等费用。 另一方面，宇树科技创始人王兴兴在今年初接受采访时曾表示，“我个人感觉在今年年底之前，整个AI的人形机器人会达到一个新的量级。” 据上述山东租赁公司负责人表示，宇树将缩短机器人的交付时间至40天，一旦目标实现，也就意味着人形机器人的稀缺性将不复存在，租赁市场的新入局玩家也就“赚不到钱了”。他表示，“（产品）一旦量产，（租赁）市场价格立刻会大跌。” 租赁是起点，离应用还很远 供不应求带来的租赁价格虚高，将会被机器人量产改变，这也是做机器人租赁生意的人担心的问题。部分人是加价购买的G1机器人，“两周回本”的神话更是遥不可及。 同样创立了机器人租赁公司的赵强表示，“去年宇树的总共产量就6000台，3000台卖给了海外，3000台主要是面向国内的高校和科研机构。今年这些加价六七万买的人，有的可能成本还没收回来。” 2024年4月，赵强成立了公司，一开始是做机器人整合（如算法研发等服务）业务，在2024年下半年陆续下单了28台宇树机器人。他们是目前市面上拥有机器人最多的公司之一，仅宇树的G1 Edu-U1（以下简称U1，G1进阶版，有编程接口可开发），其公司就到货了12台。 U1在G1的基础上，有常规问答、舞蹈、动作互动等功能，也可以通过调试算法提供相应的定制化功能，如展现不同的语种方言或定制动作等。因此，其可以适用于商业活动（表演节目、声音主持、道具表演等）、会展展厅（机器人致欢迎词、公司介绍、项目产品展示等）、行业角色扮演（模拟销售人员、酒店接待员、剧本杀DM、公园导览等专业角色）等场景。 之所以没有订购更便宜的G1，是因为在赵强看来，与其卷入“日租8000杀到4000”的价格混战，不如死磕B端客户的深层需求。他的团队曾为某头部地产商定制销售机器人，客户先从他们那租一台，放在售楼处做接待，觉得效果不错后，就自己去宇树定了一台，待他们自己的机器人到货后，再去找赵强公司开发定制。 “很多同行盯着硬件倒手的差价，但真正的利润在‘千人千面’的功能开发上。”赵强透露，他们的客户一般是比较大的企业或者事业单位，以及大型活动或展会，对于机器人功能要求比较高。“这些大客户如果能一直维护好，我们就可以长期合作，做企业要坚持长期主义。”赵强说。 不过，即使各家的机器人可以通过算法开发进行功能调试，但对于当下“租户”而言，机器人也不过是一个“吸引目光”的噱头，距离真正落地应用还有很远。 广东某制造公司员工德咏表示，其公司产线大部分环节已实现自动化，唯独上下料仍依赖人工。他们去年年底就订购了宇树G1 Edu机器人，试图实现工厂无人化，但这款机器人经过其工程师调试后，依然无法做到在生产现场自主稳定工作。 德咏直言，当前市面产品多在实验室跑分、拍视频炫技，一旦机器人投入24小时运转的车间，会出现一系列生产问题。 尽管如此，德咏表示，他们今年还要再买三台机器人，但大概率不选宇树。在他看来，“宇树现阶段不适合工业场景，做科研还不错。”他最近1个月几乎考察完了“深圳十三太保”（十三家机器人公司），他的结论是：“若想机器人顶替人类连轴转8小时，起码要等端到端大模型突破‘手眼协调’的最后1毫米。”他预估，要实现这个目标，至少需要一到两年的时间。 文中赵强为化名

IT之家 5 月 4 日消息，4 月 25 日，中国翻译协会翻译技术专业委员会在 2025 中国翻译协会年会上发布《翻译行业生成式人工智能应用指南（2025）》。 ▲ 中国翻译协会翻译技术专业委员会秘书长王华树教授发布指南（图源中国翻译协会） 中国翻译协会称，随着生成式人工智能持续突破，其在语言处理领域的应用正深刻重塑翻译行业格局。《指南》应运而生，参考了国家和国际相关规范，聚焦场景应用、能力升级、技术伦理、质量管控四大维度，明确十个关键应用领域，包括理念重构、场景适配、能力筑基、知识赋能、提示工程、知情授权、责任界定、伦理锚定、质量管控和人文坚守，着力破解效率与质量、创新与风险、技术与人文三大核心矛盾，为行业提供系统指导。 在效率与质量方面，《指南》倡导以人为核心、技术赋能，推动人工智能从“辅助工具”向“智能协作”转型。通过定制译前准备、智能译中输出、便捷译后优化，实现文本分析、语料挖掘、资料整合等功能协同，并融合实时互译、术语统一、风格迁移、语义关联、智能润色、自动校对、智能排版，构建任务分解到质量评估的全流程解决方案。 在创新应用方面，《指南》指出，生成式 AI 在翻译中的核心优势在于知识的整合、生成与应用能力。通过多语种、多领域数据资源构建结构化翻译知识体系，推动形成可持续演化的知识库，提升译员知识获取与再利用效率，构建未来导向的增强型翻译知识生态。 在风险管控方面，《指南》强调伦理治理与质量控制双管齐下，确保技术负责任地应用。具体包括：使用前须获得客户知情授权；译中明确人机角色与责任；识别原文伦理敏感内容，强化技术使用中的伦理意识；严格遵守《中华人民共和国数据安全法》等法规，确保数据合规、安全可追溯，保护隐私与商业机密。 在技术应用与人文价值方面，《指南》特别强调“人文坚守”，指出译者的核心竞争力在于思考力、批判力与文化洞察。译者应在技术发展中保持理性，做到“善用而不依赖”，坚持“技术为用、人为本”，在协同中发挥主观能动性，承担起文化阐释与多元语境建构的责任。 IT之家注意到，针对 AI 对翻译人才的影响，《指南》强调译者应提升语言理解、表达、翻译和跨文化沟通能力，不断更新知识，借助技术提升素养。尽管低端翻译可能被替代，高水平翻译仍需人类的文化理解与创造力。

编辑：LRST 好困 未来的科研范式「自主通用科学家」（AGS），将AI与机器人技术结合，实现从文献综述到实验操作再到论文撰写的全流程自动化。AGS有望突破人类科研的物理和知识限制，加速科学发现的进程，并可能引发科学范式的变革。 你能想象未来的诺贝尔奖颁奖典礼上，站在领奖台上的不是人类科学家，而是一个机器人吗？ 想象一个没有人类研究员的实验室，只有AI系统和机器人不知疲倦地分析数据、设计实验、操作仪器、发现规律、撰写论文，甚至提出改变科学范式的突破性理论。 这不是科幻电影中的场景，而是科学研究可能的未来图景。 近日，来自多伦多大学、意大利技术研究院、清华大学、浙江大学、罗格斯大学、哈佛大学、佐治亚理工学院和伦敦大学学院等国际顶尖研究机构的科学家们发表了一篇前瞻性论文，深入探讨了AI与机器人科学家如何颠覆传统科学研究的范式，并首次提出科学发现可能遵循全新的扩展定律（Scaling Law）。 论文链接：https://arxiv.org/pdf/2503.22444 上图展示了科学发现范式的演化路径，从传统的人类中心研究，到人类与AI/机器人协作的共同科研，再到最终实现的自主通用科学家(Autonomous Generalist Scientist, AGS)。这一演进过程不仅是科研工具的升级，更是科学发现方法论的革命性转变。 随着AGS系统的发展，科学研究将突破两大界限： 物理界限——机器人科学家能够在极端环境（如太空、深海、高辐射区）开展人类无法直接进行的实验； 知识界限——AI能够整合跨学科知识，打破专业壁垒，发现人类难以察觉的关联和规律。 这种科研范式的转变，可能像工业革命之于手工业、计算机之于信息处理一样，从根本上改变科学知识的生产方式和速度。 当AI大脑邂逅机器人躯 虚拟与物理的二元科研世界 当下AI科学家的研究正处于蓬勃发展阶段，但多数都以agent形式存在，主要专注于编程相关的学科，如机器学习研究、生物信息学分析等。这些系统在虚拟世界中展现出色的能力，却无法触碰现实世界。 以DeepMind的AI Scientist和OpenAI的系统为例，它们能够出色地完成数据分析、模式识别、假设生成等任务，有些甚至能够自主设计和执行计算实验。 Lu等人开发的「The AI Scientist」展示了AI系统如何通过大规模预训练和代码生成能力，实现对科学发现的自动化。该系统能够解析问题，生成研究方案，执行计算代码，甚至分析结果并得出结论。 然而，这些AI系统存在明显的局限性。它们主要局限于预定义的计算域内，虽然能执行算法、优化参数和分析数据，但缺乏全面的「计算机使用能力」(computer-using proficiencies)。人类研究者能够流畅地在各种计算环境间切换，而当前的AI系统无法复制这种通用性。它们在导航复杂的科学文献库时显得力不从心，难以应对各种异构接口、认证要求和组织结构。 此外，它们无法有效利用专业科学软件生态系统，包括计算建模环境、分析工具和仿真框架，这些都需要细致的配置和跨平台集成。 AI系统最大的局限在于完全缺乏物理实验能力，这从根本上限制了它们的科学研究范围，排除了大量需要与物理现象直接交互的实证科学领域。 这一限制在生物学、医学和工程学等领域尤为明显，这些领域的研究往往需要手工实验和精确的物理操作。 而另一方面，当前实验室中的机器人大多是为特定任务定制的，灵活性有限。它们可以在特定参数范围内高效运行，但面对实验异常、意外行为或设备故障时往往束手无策。 现有机器人执行的是预定义的程序序列，很少具备实验即兴创新或协议适应的能力。尽管机器人学习领域取得了进展，但现有系统在不同实验环境中的泛化能力仍然有限。 该表清晰地展示了不同科学领域在虚拟与物理操作需求方面的显著差异。从自然科学到社会科学，每个领域都需要虚拟分析和物理实验的结合，但比例各不相同。 以物理学为例，其研究需求涵盖从理论建模（虚拟）到精密仪器操作（物理）；化学研究依赖分子建模和反应预测（虚拟），同时需要实际的合成和表征（物理）；生物学则需要生物信息分析与实验室操作相结合。表中右侧的V/P比例展示了不同学科对计算方法与实验方法的相对依赖程度，这直观地说明了为什么科学研究需要AI与机器人的结合——单一系统无法满足完整科研过程的需求。 这种虚拟与物理操作的双重需求，凸显了将AI代理的认知能力与机器人的物理操作能力结合起来的必要性。 科学研究涵盖虚拟和物理操作的二元景观，两个领域对于全面的科学探索都至关重要。 自主通用科学家（AGS）的架构与运作 面对这一挑战，研究者提出了自主通用科学家（Autonomous Generalist Scientist, AGS）的概念，将AI代理的认知能力与机器人的物理操作能力无缝结合，创建一个能够自主管理整个研究生命周期的系统。 AGS系统由五个核心功能模块组成，通过集成的交互和反思机制增强其能力。如该图所示，这些模块分别为： 文献综述：该模块通过模拟人类与学术数据库和期刊平台的交互，自主进行全面研究分析。与依赖API的系统不同，它能够导航各种数字环境来搜索、访问和管理相关文献，甚至突破订阅障碍。这使AGS能够获取传统AI系统难以接触的最新研究成果。 提案生成：在文献分析之后，该模块制定全面的研究提案，阐明精确的问题陈述、明确的目标和创新假设，以推进该领域的发展。它开发详细的方法论框架和实验方案，为虚拟模拟和物理实施优化，建立明确的研究路线图。 实验执行：这一模块协调研究过程的实验阶段，涵盖精确规划、资源优化和试验执行，跨越虚拟和物理环境。配备先进的机器人和AI技术，系统执行物理操作，收集经验数据，并进行虚拟实验。此外，它通过对实时结果和反馈的持续分析，动态优化实验设计。 论文准备：实验完成后，该模块将发现综合为可发表的手稿。它执行全面的数据分析，解释结果，并制定实质性结论。系统按照标准学术惯例组织文档，并进行内部质量评估，参与同行评审机制，确保学术严谨性和发表准备度。 反思与反馈：该模块超越传统研究工作流，实现系统范围内的持续改进。它在功能组件之间建立通信渠道，实现实时调整，同时整合来自人类合作者和模拟同行评估的外部输入。通过对反馈的系统分析，系统优化假设、方法和实验方法，确保研究对新兴发展保持响应，并最大限度地提高科学产出的最终影响和质量。 AGS的大脑是整个系统的核心，其工作原理如下图所示： AGS大脑的工作框架包含两个循环系统：外循环和内循环。外循环管理整体任务流程，包括感知环境信息、思考处理、知识学习和行动执行；内循环则负责系统的自我反思与优化。这种双层循环设计使AGS能够不断改进其推理和决策能力。 在感知阶段，系统收集各种形式的信息输入；思考阶段涉及记忆检索、知识整合和学习，形成对问题的深入理解；行动阶段则将系统的决策转化为具体操作，包括虚拟环境中的算法执行和物理环境中的实验操作。 同时，内循环通过自我反思机制，结合思维链（Chain of Thought）、思维树（Tree of Thought）等推理方法，持续评估和改进系统的推理过程和决策质量。这种设计使AGS系统不仅能够完成既定任务，还能通过经验累积不断进化，提升解决复杂科学问题的能力。 机器人科学家的演进与协同优势 机器人科学家的发展历程展现了从专用系统向通用平台的演化趋势，如下图所示： 从2004年的Robot Scientist到2009年的Adam，再到2019年的Mobile robotic chemist，机器人科学家已经经历了近20年的发展。早期系统如Robot Scientist和Adam主要专注于单一学科领域（如生物学），能力有限且需要大量人类指导。 而近年来，随着技术进步，我们看到了更为通用的系统出现，如Coscientist（2023）和ORGANA（2024）等。这些系统开始整合AI与机器人能力，展现出更强的自主性潜力。 该表详细对比了当前各种AI科学家和机器人科学家系统的能力。从中可以看出，大多数现有系统仍然是单域的，专注于特定学科。例如，Adam（2009）主要用于生物学，PaperRobot（2019）专注于生物医学，AI Scientist(2024)侧重于机器学习。当前只有少数系统如Coscientist能够结合API搜索和物理实验，但仍有很大局限。而未来的AGS系统有望在各个方面实现全面突破，成为真正的通用科学家。 AI代理与机器人在研究任务中展现出明显的互补优势。如上表所示，Agent擅长在虚拟环境中执行计算机使用、编程、数据分析和写作等任务，特别适合计算机科学、数学和生物信息学等领域；而机器人则在物理和虚拟环境中发挥作用，能够创建和使用工具，执行复杂的物理操作，适合医学、生物学、化学和太空探索等领域。 将两者结合，可以实现「1+1>2」的协同效应。AI代理可以规划实验流程、分析数据并生成假设，而机器人则负责实施物理实验、收集样本并操作设备。这种分工使研究过程更加高效，避免了单一系统无法克服的局限性。例如，在药物发现领域，AI可以预测潜在的分子结构和相互作用，而机器人则可以合成这些分子并测试其实际效果，相互验证、相互补充。 科学发现的新扩展定律 突破人类科研的固有限制 传统科学研究面临着源于人类本身特性的多重局限。首先是人力资源的限制——全球科研人员数量增长速度有限，且分布不均。 即使在科研人员最密集的国家，每百万人口中的研究人员数量也只在几千人左右。 其次是时间限制——人类研究者需要休息、娱乐和家庭生活，每天能够专注于研究的时间有限，通常不超过8-10小时，且精力和创造力会随时间波动。 更具挑战性的是认知和专业限制。 现代科研需要处理日益庞大和多维的数据，这些数据经常超出人类认知能力。 单个研究者往往只精通某一狭窄领域，难以整合跨学科知识。 即使是顶尖科学家，也难以同时精通物理学、化学、生物学和计算机科学等多个领域，这导致了知识孤岛效应，阻碍了跨学科创新。 此外，研究合作中的沟通障碍也是一大挑战。不同学科的研究者使用不同的术语、方法论和思维模式，这使得有效沟通变得困难。 这些合作努力经常遇到显著障碍，包括不同学科文化差异、特定方法论以及跨领域协调所需的大量时间和资源。 这些持续存在的障碍削弱了有效沟通、概念合成和建立连贯研究范式的能力。 相比之下，AI科学家和机器人科学家具有显著优势： 首先是规模优势——AI和机器人系统可以大规模复制，成本远低于培养人类科学家。一旦开发成功，可以快速部署数十万或数百万个实例，显著扩大研究规模。其次是持续工作能力——AI和机器人不需要休息，可以24/7不间断工作，大大提高研究效率。这种持续性使长期实验监测和数据收集变得更加可靠。 在知识整合方面，AI系统表现尤为突出。 训练于包含不同领域的庞大语料库上，这些模型在应用多学科知识方面表现卓越，从而显著增强科学研究。 生成式AI内在能力可以导航和桥接不同知识领域，使其特别适合跨学科研究。 此外，AI和机器人系统具有卓越的记忆能力和知识存储——它们可以存储和快速检索几乎无限量的信息，不会遗忘细节或历史实验结果。在跨学科整合能力方面，它们能够无缝连接不同领域的概念和方法，发现人类研究者可能忽视的关联。 最重要的是，AI和机器人科学家具有高度可复制性——成功的实验方法和发现可以立即与其他系统共享，确保研究成果的最大化利用，避免重复劳动。 知识飞轮与突破双重边界 AGS系统引入的最具革命性的概念之一是「知识飞轮」效应。这一概念描述了知识生产的自我加速循环：每项科学发现都为后续研究铺路，创造更多发现，这些发现又进一步加速研究进程，形成指数级增长曲线。 传统上，这一过程受到人类科研者数量、认知能力和专业知识的限制。然而，随着AI和机器人科学家的引入，这一飞轮可能以前所未有的速度旋转。 知识飞轮在AGS系统中的运作可以理解为一个多层次的自我强化循环： 首先，AGS系统进行大规模并行研究，同时在多个领域产生新发现； 其次，这些发现被即时整合到系统的知识库中，为后续研究提供基础； 然后，系统利用增强的知识库设计更复杂、更有针对性的研究，产生更多突破性发现；最后，这些新发现又反过来强化知识库，加速整个循环。 这一过程将突破两个关键边界：物理边界和知识边界。 在物理边界方面，具身机器人能够在极端环境中开展研究。 传统上，人类科学家无法长期在太空、深海、高辐射区或极端温度环境中工作。而具身机器人可以突破这些限制。例如，机器人可以在月球或火星表面建立研究站，长期监测和实验；可以在深海热液喷口处长期采集样本和数据；可以在微小尺度上操作单个分子或原子。这些能力使科学研究可以拓展到之前无法涉足的领域。 在知识边界方面，AI能够整合和处理远超人类能力的跨学科知识。 它可以同时精通物理学、化学、生物学、医学、工程学等多个领域的知识，并在这些领域间建立联系。这种跨领域的知识整合能力可能导致全新学科的诞生，或者解决长期以来被单一学科方法所困住的复杂问题。并且由于AI和机器人系统的规模优势，科学发现和知识的增长以及知识所能达到的范围也将超越人类的界限。 该图展示了全球科研产出与研究人员数量的历史趋势，以及AGS引入后的预期发展曲线。历史数据显示，人类研究人员数量和科研产出呈现相对线性的增长，主要受到人口和教育系统容量的限制。 然而，随着AGS系统的引入，这一关系可能发生根本性变化。预测曲线显示，AGS系统可能带来科研产出的指数级增长，同时研究者数量（包括人类和AGS）也将大幅增加。 这种转变的核心在于突破了传统科学知识生产的两个关键限制因素：研究者数量和知识分散。AGS系统可以大规模复制，远超人类研究者数量的增长潜力，同时克服了知识分散带来的研究效率损失。 由于人类研究者数量的固有限制，共同科学家和AGS系统将引入科学发现的新扩展定律。 随着AGS系统的普及，我们可能会看到一个科学研究的全新时代，不仅科研速度加快，更重要的是将出现全新的研究方向和突破，这些可能超出当前人类科学家的想象。 适应极端环境的具身机器人，加上科学知识积累的飞轮效应，有望持续突破物理和智慧的双重界限。 非人类科学家的研究成果管理 传统学术体系的挑战与aiXiv的构想 随着AI和机器人科学家的崛起，传统的学术出版体系将面临前所未有的挑战。AGS系统的研究速度将远远超过人类科学家，可能在短时间内产生海量的研究成果。传统期刊的审稿周期通常需要数月，甚至长达一年，这种速度显然无法适应AGS时代的需求。 即使是预印本服务器如arXiv，虽然加快了科研成果的初步分享，但仍然面临审核资源有限、难以应对爆炸性增长的投稿量等问题。 此外，传统学术体系在评估AI生成内容方面面临独特挑战。 如何确保AI和机器人科学家产出的研究结果的准确性、原创性和可靠性？现有的同行评审机制主要依赖人类专家，可能无法及时处理大量AI生成的研究成果。 同时，传统学术评价体系对研究贡献度的认定、署名权和科学信誉的维护等方面都需要重新审视。 面对这些挑战，研究者提出了建立专门为AI和机器人科学家设计的新型学术平台——aiXiv的构想。 aiXiv平台旨在为自主系统生成的研究成果提供一个开放的预印本服务器，实施专门针对AI驱动发现的分层审核流程，可以确保AI生成的研究遵循透明性、可信度原则，并解决涉及非人类作者的科学交流中相关的伦理考量，同时促进其潜在提交到传统期刊。 如图所示，aiXiv平台的工作流程包括以下关键环节： 提交环节：AI科学家和机器人科学家可以向平台提交两类内容——研究提案和完整论文。这些内容可以涵盖广泛的科学领域。 多层评审：提交的内容经过严格的多层评审过程，结合人类专家和AI/机器人评审者的优势，基于可行性、创新性、逻辑连贯性和潜在科学影响等标准进行评估。 实施与发展：通过aiXiv发布的提案可以作为进一步研究的蓝图，由人类研究者或其他AI/机器人科学家实施，形成后续论文提交，遵循类似的评审路径。 开放访问：平台提供公共应用程序接口（API）和用户界面，方便人类和AI评审者检查已提交和已发布的提案和论文，促进透明和协作的评审环境。 桥接传统期刊：对于在aiXiv上发布的已完成研究，平台旨在简化后续向传统学术期刊提交的流程，可能提高AI驱动科学进步的可见度和影响力。 aiXiv平台的设计考虑了科学严谨性和创新促进之间的平衡。一方面，它通过多层评审确保发表内容的质量和可靠性；另一方面，它提供了一个快速发布渠道，加速科学发现的传播。 aiXiv平台有望革新科学出版，促进创新，维护学术诚信，并最终加速科学发现的步伐。 重塑科学评价与知识传播 aiXiv平台不仅仅是一个预印本服务器，它还将重塑科学评价体系和知识传播方式。在传统学术环境中，研究成果的评价主要基于同行评审、引用计数和期刊影响因子等指标。 然而，面对AI和机器人科学家产出的大量研究成果，这些评价机制需要重新设计。 aiXiv平台提出了一种人类专家与AI评审者相结合的互补评审机制。AI评审者可以快速检查研究的形式要素、方法论正确性和实验数据一致性，而人类专家则关注创新性、研究意义和潜在影响等更主观的方面。这种组合利用了AI的高效性和人类的判断力，形成更全面的评价体系。 在知识传播方面，aiXiv将实现从静态出版到动态知识共享的转变。传统学术论文一旦发表就很少更新，而aiXiv平台可以支持研究成果的持续更新和演进。 AI和机器人科学家可以基于新发现和反馈不断优化其研究，形成「活文档」而非固定快照。这种动态知识共享模式更符合科学的渐进性和迭代性本质。 此外，aiXiv平台还需要解决一系列与非人类作者相关的独特挑战： 署名权与责任归属：谁应该被列为AI和机器人科学家产出研究的作者？是创建这些系统的人类研究者，还是系统本身？如果将系统列为作者，那么谁对研究的准确性和诚信负责？这些问题需要新的框架来解决。 科学信誉体系的重构：传统学术界的声誉和信誉体系主要基于人类研究者的职业发展和贡献历史。随着AI和机器人科学家的加入，需要建立新的信誉评估机制，可能包括系统的性能历史、错误率和创新指数等。 数据与方法透明性：AI系统的「黑箱」性质可能与科学透明性原则相冲突。aiXiv平台需要制定严格的透明度要求，确保所有研究详细记录其方法、数据来源和推理过程，使其他研究者（人类或AI）能够验证和复制结果。 跨语言和表达标准化：不同AI系统可能采用不同的表达方式和概念框架。aiXiv平台需要建立标准化的表达协议，确保不同系统之间的研究成果可以有效比较和整合。 随着这些挑战的解决，aiXiv平台不仅将成为AI和机器人科学家研究成果的集散地，还将催生全新的科学评价范式和知识传播模式。 建立aiXiv这样的平台具有改革科学出版的潜力，通过促进创新、维护学术诚信，最终加速科学发现的步伐。 超级人工智能的标准 自主科学家的能力分级 随着AI和机器人技术的飞速发展，科学界对如何评估这些系统的能力产生了浓厚兴趣。论文提出了一个框架，将自主科学家（AGS）分为不同级别，基于其自主度、与模拟和现实环境的交互，以及整体研究能力，为理解AGS的演化路径提供了清晰的图景。 该表详细描述了自主科学家的六个级别，从0级（无AI）到5级（先驱者）： 0级，无AI：在这一基础级别，科学研究完全不借助具有较强繁华能力的人工智能工具。研究完全依赖于既定的方法论方法和特定学科的仪器。科学家使用针对特定领域的专业设备和软件，例如化学中的光谱设备和分析平台，或公共卫生领域的SPSS等统计软件包和流行病学建模工具。虽然这些传统资源在其指定领域内非常有效，但它们通常缺乏无缝跨学科整合的能力，且需要大量人类专业知识来解释和应用。 1级，工具辅助：这一级别标志着简单AI工具的引入，旨在帮助研究者完成特定的、狭义定义的任务。AI主要由人类科学家驱动，提供基本功能，如API驱动的数据检索、自动文本生成和跨学科简单连接的识别。 这一级别的系统例子包括ChatGPT等用于文本辅助的工具和用于数据处理的基础机器学习模型。虽然AI能够通过处理和总结信息或对直接提示提供建议来做出贡献，但其独立行动和主动性的能力仍然有限。 2级，智能助手：在这一阶段，AI系统开始作为复杂研究助手发挥作用，能够导航和综合来自各个领域的知识。在人类监督下，这些智能代理可以自主进行基于网络的信息收集，执行虚拟模拟，并整合来自不同科学学科的见解。 像OpenDevin、DeepResearch等系统，在数据获取、分析和假设制定方面提供帮助，代表了这一级别。然而，仍然需要大量人类监督来定义其活动范围并解释结果信息。 3级，协作伙伴：这一级别的AI系统演变为科学研究中的自主协作伙伴，无缝整合与虚拟和物理环境的交互。配备先进机器人技术，它们能在生物学、工程学和医学等领域进行实验，在物理世界中执行精确操作。 这些系统能够自主执行复杂的跨学科任务，但仍与人类科学家合作，利用各自的优势。结合传感器数据处理、半自主实验执行和集成数据分析的先进机器人平台是这一级别的关键例子。 4级，自主研究者：在这一阶段，AI与机器人以显著的独立性运作，仅需最少的人类指导。这些系统能够在模拟和现实环境中进行高级研究，采用自主信息检索并综合来自广泛领域的知识。 它们能够通过识别和连接之前分散领域的数据点，生成新见解并提出创新解决方案。人工通用智能机器人（AGIR）代表了这一类别，它们推动跨学科研究的边界，同时仍然从偶尔的人类监督或复杂问题解决或伦理考量的干预中受益。 5级，先驱者：最高级别代表完全自主系统，在科学研究中超越人类能力。被称为人工超级智能机器人（ASIR），这些系统在所有环境中完全独立运作——虚拟、物理和实验环境，能够进行开创性研究而无需任何人类干预。它们不仅综合跨学科知识，还创新并制定全新的科学原理。 它们的工作导致前所未有的科学发现，将它们定位为AI驱动研究的前沿先驱。虽然承认由于实质性技术、伦理和实际挑战，实现5级自主性存在固有不确定性，但这一级别作为该领域的雄心勃勃的长期目标，激励着自主科学发现的持续探索和创新。 这一分级框架不仅描述了当前状态，还提供了AGS系统未来发展的路线图。当前的系统大多处于1级和2级，少数达到3级的部分功能。实现真正的4级和5级AGS系统是一个长期目标，需要在多个技术领域取得突破。 该图展示了自动化研究的历史与未来发展时间线。从最初的人类使用工具阶段，到当前的知识提供者和代理阶段，再到未来的「人类水平」和「超人类」阶段，自动化研究经历了一个漫长的演化过程。当前，我们处于从「聊天」转向「代理」的阶段，而未来十年可能看到向真正「机器人」和「人类水平」的转变。最终，可能在2030年之后，我们可能见证「超人类」水平自主科学家的出现 值得注意的是，这些时间预测具有高度的不确定性，取决于多个技术领域的进展速度，包括大模型能力、机器人技术、自主学习和环境适应性等。然而，时间线提供了一个有价值的参考框架，帮助我们理解这一领域的发展轨迹。 超越人类的科研智能 当我们考虑超级人工智能（ASI）的标准时，一个重要的观点浮现出来：科学发现能力可能是评估超级智能的最佳标准，与通常基于智商测试或语言生成能力的智能评估方法形成对比。 科学发现需要深刻的洞察力、创造性思维、复杂推理和跨领域知识整合—这些都是真正智能的标志。 科学发现能力作为超级智能标准的理由包括： 复杂问题解决：科学研究涉及解决极其复杂且通常定义模糊的问题，这需要探索性思维和创新方法。 创造性假设生成：提出创新假设要求系统具备超越现有知识边界的能力，这是真正智能的核心特征。 整合多领域知识：科学突破通常发生在不同学科的交叉点，需要整合和转化来自多个知识领域的概念。 理论与实验的平衡：卓越的科学工作需要理论推理与实验验证的结合，这是一种多模态智能的表现。 长期规划与灵活适应：科学研究需要制定长期研究计划，同时根据新发现灵活调整方向。 当AI系统能够独立做出超越人类科学家的突破性发现时，我们就可以真正讨论超级智能的实现。这不仅仅是量的提升（处理更多数据或生成更多论文），而是质的飞跃（提出全新范式或理论）。 只有在科学上取得突破性进步，才能验证一个AI是否达到了超级智能的水平，这是与通用人工智能的本质区别。 从此角度看，超级AI的标志将是那些重新定义科学领域的发现，例如提出新的物理定律，解决长期未解决的数学难题，或发现全新治疗方法。这些成就需要真正的原创思维，而非仅仅是现有知识的重组。 然而，这一标准也引发了一系列问题：如何验证AI产生的新理论？如何确保这些发现的可靠性？如何在保持原创性的同时确保科学严谨性？这些问题突显了建立适当评估和验证机制的重要性。 超级科学智能的出现还将引发深刻的哲学和伦理问题。如果AI能够做出人类无法理解的科学发现，我们如何验证其正确性？如果超级AI提出的理论挑战人类的科学范式，我们该如何应对？这些问题触及科学本质和人类认知的基础。 我们设想AGS系统可以催化科学探索的变革性转变，促进更有效和创新的方法，能够克服当前障碍，并最终以前所未有的方式推进科学进步。 这一远景，虽然雄心勃勃，但随着AI和机器人技术的飞速发展，正逐步从科幻变为现实。 总结：科学与智能的新纪元 人工智能与机器人的融合正在开创科学研究的新时代。自主通用科学家（AGS）的概念代表了一个前所未有的范式转变，它将重塑知识发现的方式、速度和边界。 通过整合AI代理的认知能力与机器人的物理操作能力，AGS系统有望克服传统科研中的根本性限制，实现从文献综述到假设生成，再到实验执行和论文撰写的全流程自动化。 本文探讨的科学发现新扩展定律揭示了一个关键洞见：随着AGS系统的广泛部署，科学进步可能遵循与人类主导时代完全不同的增长曲线。 这种转变不仅意味着研究速度的加快，更重要的是标志着科学探索边界的拓展——从极端环境到微观世界，从跨领域交叉到全新理论构建。 知识飞轮效应的加速将引发科学发现的爆炸性增长，推动人类文明进入一个知识爆炸的新时代。 为了适应这一新范式，学术生态系统也需要进行相应调整。aiXiv等专门为AI和机器人科学家设计的平台将重塑科学评价体系和知识传播模式，确保科学严谨性和创新性的平衡。 同时，科学发现能力作为超级智能的评估标准，为理解和发展先进AI系统提供了新的视角。 重要的是，AGS不应被视为人类科学家的替代品，而是强大的研究伙伴。这种协作关系将结合AI的计算能力、记忆容量和跨领域整合能力，以及人类的创造性思维、直觉和道德判断，共同推动科学边界的扩展。 正如物理学家理查德·费曼所言：「科学的乐趣在于发现事物的工作方式，而非证明你已经知道的事情。」 AGS系统将为人类提供前所未有的工具，探索未知、解答谜题、拓展知识边界。 未来的研究方向包括AGS系统的实际实现、性能评估和社会影响分析。随着技术进步，我们需要不断反思并调整AGS系统的设计和应用，确保它们服务于人类福祉和科学进步的共同目标。社会、伦理和监管框架的发展同样重要，以确保这场科技革命带来的是机遇而非风险。 这只是探讨这一激动人心主题的第一步。我们将深入探讨科学发现的新扩展定律及其对科研生态的影响，AI与机器人科学家的技术实现路径，以及这一范式转变对社会、经济和教育的广泛影响。科学与智能的新纪元已经拉开帷幕，让我们共同期待这一旅程将带领人类文明到达何方。

图片来源：Unsplash Instagram联合创始人凯文·斯特罗姆（Kevin Systrom）近日公开批评当前AI聊天机器人行业陷入“数据泡沫”陷阱——通过高频追问用户“诱导互动”以美化运营指标，而非专注于提供真正有价值的答案。 在StartupGrind大会上，斯特罗姆直言这种策略是“一股伤害用户的势力”，并将其类比社交媒体公司早年激进扩张时期的策略：“你会看到某些AI公司正在掉进消费互联网公司曾深陷的‘互动量黑洞’。每当用户提问结束，系统总要追加一个诱导性问题，试图榨取更多对话次数。” 核心矛盾：AI公司陷入“互动量陷阱”？斯特罗姆指出，聊天机器人过度追求“黏性”并非技术缺陷，而是AI公司为炫耀“用户使用时长”“日活量”等指标刻意设计的机制。 他强调，行业应“聚焦于提供高质量答案”，而非用“最低成本的方式刷数据”。 这一批评恰逢ChatGPT因“过度礼貌”遭用户质疑。此前有用户抱怨该AI常在未充分解答问题时主动建议“是否需要更多帮助”，被指拖延对话节奏。OpenAI对此致歉，称问题源于“用户短期反馈的误导性优化”。 针对争议，OpenAI向TechCrunch提供其用户交互规范文件，其中明确：“当AI模型缺乏足够信息时，应主动请求用户补充细节。”但文件同时强调，除非问题过于模糊或复杂，否则系统应“优先尝试回答问题，再提示需要哪些额外信息以优化结果”。 斯特罗姆虽未点名具体公司，但其言论直指当前AI行业的普遍困境：当资本押注“用户增长神话”，技术伦理与实用价值正面临系统性妥协风险。正如社交媒体平台曾因追逐“点赞”“转发”引发信息茧房危机，AI公司若沉迷“互动量竞赛”，或将重蹈覆辙。 参考资料 https://techcrunch.com/2025/05/02/ai-chatbots-are-juicing-engagement-instead-of-being-useful-instagram-co-founder-warns/ 编译：ChatGPT

AI产品一季度的烧钱大战已经告一段落，纯粹的模型能力竞赛似乎正进入平缓期，大模型之间数据质量的差距在迅速缩小，开源模型的技术壁垒难以形成，导致AI应用至今走不出一个超头部。 大厂们逐渐走向2条路。 呼吁“AI行业要避免掉入‘超级应用陷阱’，不是只有10亿日活的应用才叫成功”的李彦宏，仍然坚信AI应用会在B端率先爆发，并加速深耕B端场景。 而上个月接受采访的OpenAI的奥特曼在，却直言“五年后更值钱的是拥有10亿日活的互联网产品，而不是最先进的模型”。坐实了其在X上公开回应“OpenAI可能会做一个社交应用”的可能性。 无独有偶，隔着个太平洋，近期Kimi、元宝也相继曝光了自家的社交产品。瞄准社交网络和社区，成为AI新贵的共同选择。 AI大厂们做了些什么？ —— 一个“新”社区？ 中文互联网诞生过非常多产品形态，其中最古早也最“长命”的元老级产品，“社区”算其中之一。 从早期真正算得上走进大众视野的，是清华大学创建的校园BBS“水木清华”——这里曾汇聚了一批代表着中国高校的高知分子，还走出过初代网红“芙蓉姐姐”。 图源：网络 当时的“社区”，更多被称为网络论坛，即后来的猫扑、天涯、虎扑……然后是豆瓣、知乎，以及现今早已不知迭代了几轮的B站、小红书。即使前浪们早已打翻在沙滩上，但“社区”这一产品模式仍几乎贯穿了国内互联网从起步到PC时代，再到移动互联网的全程演变，直到今天依旧存在。 图源：网络 从某种程度上来说，一个能吸引大量具有共同兴趣或需求的用户聚集在一起的产品、一条得以沉淀下来的用户关系链，都具备着成为超级入口的潜力。 AI应用想要做“超级入口”，那瞄准社区，便理所应当。 从DeepSeek爆火后，元宝靠着蹭流量“后来居上”，豆包靠着抖音极速抢占了县城父母的心智，而没有好大爹帮衬的Kimi在投流上多少有点力不从心，这几个月甚至可以说都快消失在互联网了。 最近Kimi终于有了新动静。 据悉Kimi正在小范围内测一款“社区”产品，从网上曝光的截图可以看出，Kimi直接在App首页为社区分出了一个一级入口——与顶部的聊天机器人并列，分出了“Kimi”和“发现”两大入口。 社区部分和朋友圈类似，以用户分享的内容和评论为主，以瀑布流的形式呈现。同时还多了一个个人主页，除了个人信息，还会显示用户发过的动态和赞过的内容。 从网传截图中，社区内容除了用户直接分享的与Kimi的问答结果，也能分享一些个人图文。 几乎所有内容下都会有个“Kimi一下”的评论员，基本可以确定是Kimi的AI评论助手，类似微博的“罗伯特”。 值得注意的是，不同于“罗伯特”的插科打诨，“Kimi一下”的评论大多在与引导用户对内容话题进行深度挖掘和探讨，比如有用户发了几张风景照，配文“发一些媳妇的存货”，“Kimi一下”的回复是“这类内容的高传播性反应了什么社会心理？” ——梦回初中那些原作者都答不出的阅读理解。精英式文化的内容氛围几乎媲美2015年的知乎。 图源：小红书 同样指向社区的还有OpenAI。 据外媒报道，OpenAI 正在研发一个类似X（前推特）的社交网络。项目重点是 ChatGPT 的图像生成功能和社交信息流，尚不清楚这个项目是作为独立应用发布还是整合进 ChatGPT。 此前在Meta计划推出独立的AI应用，并计划将其与社交信息流结合的消息传出时，当时 奥特曼便在X发文：“我们也可能开发一款社交应用。” 但目前并未有新消息传出。值得注意的是，早在Sora上线时，其左侧菜单栏就已经有了名为“Explore”的类社区空间，该板块会展示其他用户生成的图片或视频，底部会直接告知相关提示词，用户可以点赞但没办法评论——这或许会是OpenAI社交应用的早期形态。 目前用户分享的内容以梗图为主 —— 一个“新”好友？ 不同于Kimi的社区形态，腾讯的元宝仍选择抱住微信这条大腿。 近期，在微信搜一搜接入元宝后，元宝再以微信AI助手的形式“深耕”微信生态。用户只需要在搜一搜搜索“元宝”，就能直接以添加联系人的方式，添加元宝，至用户的聊天列表中，日前已全面上线。 除了基础问答，“好友”元宝也支持一键解析公众号文章和任何图片和文档，用户只需要将公众号文章直接转发给“微信好友”元宝，基础概述后，元宝也会给出详解的页面。整体使用体验和元宝App并无太大差别。 我们不可否认AI在如今互联网发展中的确定性，但正如新榜数据，真实的AI应用现状是，国内头部AI应用中表现最好的DeepSeek，月活用户也仅是逼近2亿。AI产品渗透率极低，可能很多人根本没用过AI，更不用说每天高频次地与AI交互。 虽然都有自研大模型，但区别于Kimi、DeepSeek这种创业公司，腾讯的核心竞争力一直在于其庞大的生态系统，如社交、游戏、内容、支付，而非单一技术能力。 将元宝接入微信生态，几乎等于0成本地就能元宝AI嵌入了13亿用户的日常。 某种程度上来说，元宝甚至只需要做好前期的投流的工作，通过猛砸钱把用户心智培养起来，让微信用户知道元宝这个AI应用，便能自然而然地在微信生态中自然使用。只要用户知道了、进来了，那几乎不太需要考虑留存，毕竟国内社交应用Top1这个位置，微信真的坐太久了。 豆包其实也是这个打法，早在微信上线“好友”元宝之前，抖音就曾在其App的消息页，即聊天列表中新增“豆包”智能助手。但值得注意的是，用户并无法将在抖音刷到的视频分享给豆包。 在元宝起势前，豆包还是国内用户最多的ToC AI产品，靠着抖音这个流量杀器，整整霸榜了大半年。但奈何，在做生态布局这件事上，微信的入口，就是护城河。 AppGrowing数据显示，今年一季度，科技大公司与明星初创公司花在AI产品投流上的费用合计约18.4亿元，其中元宝的广告投放金额就高达14.26亿元，是豆包1.38亿元的10倍。 国内社交应用永远只有一个Top 1，豆包、元宝的产品路径并不具备复制性，没有好大爹的Kimi，也只能选择靠自己。 怎么就死磕社交了？ 投流烧不出忠诚度。互联网大厂都明白这个道理。 这里的忠诚度指的就是怎么把用户留下来。 互联网有句“老话”：互联网的尽头是社交，不论是什么产品，到后期总是想办法加上社区功能，要么就是单独做一个社区产品出来。从早期的阅读社区到社区App，从拼多多的“拼小圈”到支付宝“兴趣社区”——其中工具类产品更是从未停止过试水社交。 对于用户来说，大多数工具类产品满足的都是特地场景下的即时需求，它们缺少内容，缺少像抖音、小红书那种，能通过内容信息流和大数据算法，持续吸引用户的能力。 单一功能的产品容易被替代，而社交化构建的多维场景才能让“用完即走”变成“沉浸式停留”。 而AI应用如今面临的就是用户留存的问题——当用户在你的应用中找不到可以留下来的场景，那意味着他们随时会离开，去找新的替代应用。 大厂们不会愿意将自身置于这种被动位置。当领先者难以甩开追赶者，此时，真正的护城河便在于应用层的用户黏性。 “社区”的作用便在于此。 人类作为群居动物，天然需要归属感与认同感。互联网社区化本质上是将现实中的血缘、地缘关系转化为以兴趣、价值观为纽带的虚拟部落。 通过建立用户之间的关系链和互动机制，“兴趣圈层”的诞生能让用户更频繁地使用产品。用户不仅会因为自己的需求而来，还会因为社区的互动和归属感而停留更久。豆瓣小组的垂直兴趣聚合就是典型例子。 社交关系一旦沉淀，用户迁移成本极高，形成“护城河”。 而对AI应用来说，社交功能能够产生大量的用户行为数据和互动数据，这些数据对于产品的优化和改进具有重要价值。AI应用尤其需要大量的数据来训练和优化模型。 让内容“流动”起来，营销需要，AI更需要。 香但难啃 社交无疑是一块极具诱惑的小蛋糕，但它同样也是块“难啃”的硬骨头。 前两年，互联网大厂们曾争先恐后地推出不少社交产品。字节的“识区”“抖音盒子”、淘宝的“友啥”、阿里的“态棒”；红极一时的元宇宙领域里360的“N世界”、百度的“希壤”；此外还有新浪的“Hobby”…… 图源：人人都是产品经理 结局就是，上面那些你可能一个都没听过。 目前关于Kimi的社区功能流传出的图片并不多，此前曾有网传消息称4月底会正式上线，但如今看来，可能仍在测试中。 社区要做的第一件事是理解用户。 而Kimi需要问答的问题是，我的用户是什么样的？我要做的是一个UGC社区还是PGC社区？ 因为大部分社区的内容泥沙俱下，所以早期靠着优质内容起家的知乎、B站以及后来的即刻才显得珍贵，但最后前两者均因为赚钱效率太低“违背初心”。 在社区自我成长之前，如何帮助用户建立认同感，形成属于自己的文化氛围与基调？在没想清楚之前，Kimi或许都难以称之为一个真正的社区。 社区化是互联网产品突破增长瓶颈、构建竞争壁垒的战略选择，但其成功需满足三个条件：精准的用户需求洞察、可持续的内容生产机制、商业价值与用户体验的平衡。 某种意义上来说，社区不仅是功能附加项，而是重构产品底层逻辑的核心引擎。

快科技5月4日消息，RTX 5060 Ti 8GB已经是姥姥不疼舅舅不爱，ComputeBase的最新测试又给它的棺材板钉了一颗钉子，针对大量游戏下的实际体验和PCIe 5.0/4.0对比做了仔细。 测试游戏一共27款，分辨率2K，在其中12款游戏中，RTX 5060 Ti 8GB都很完美，没任何问题，对比16GB也没什么差异。 11款游戏中，RTX 5060 Ti 8GB遇到了大大小小的问题，包括帧率偏低、略有卡顿等，但整体还能接受。 还有9款游戏，RTX 5060 Ti 8GB就不行了，出现了各种爆显存问题，包括《龙腾世纪》《印第安纳琼斯》《蜘蛛侠2》《上古卷轴4：湮灭重制版》。 从《最后生还者第二部》《上古卷轴4：湮灭重制版》两款游戏的帧延迟曲线中，可以明显看到，RTX 5060 Ti 8GB不但整体延迟偏高，偶尔还会急剧增加，直接表现就是画面会突然卡住。 所有游戏综合，8GB相比16GB平均帧率低了12％，帧延迟则落后17％。 RTX 5060 Ti仅支持PCIe 5.0 x8，但不是所有的住吧都支持PCIe 5.0，而换到仅支持PCIe 4.0的老板子上会怎么样呢？ 测试显示，RTX 5060 Ti 16GB搭配PCIe 4.0 x8，性能毫无损失，但是换成8GB的话，平均帧率损失了12.5％，帧延迟则损失了14.5％。 所以，有一定追求的主流游戏玩家们，碰到8GB显存就绕道走吧。

IT之家 5 月 4 日消息，法国卢浮宫官网发文，宣布将于今年 9 月停止租借“任天堂 3DS 语音导览设备”服务，官方称届时将启用“一款全新语音导览器”替代，但具体细节尚未公布。 IT之家注意到，法国卢浮宫在 2012 年与任天堂合作，引入带有特制卡带的任天堂 3DS 游戏机作为现场“语音导览设备”，用户支付 6 欧元（IT之家注：现汇率约合 49.2 元人民币）即可租赁。 据介绍，相应游戏机印有卢浮宫定制标示，内置的导览卡带支持英语、法语、西班牙语、意大利语、葡萄牙语、德语、日语、韩语及中文九种语言讲解，可介绍馆内艺术品、讲述宫殿建筑历史，并提供“精选艺术品高清图像放大功能”、室内定位追踪功能，受到许多用户欢迎。 ▲ 图源外媒 nintendosoup（下同） 综合任天堂官方公告，3DS 游戏机已于 2020 年停产，目前系列游戏机的官方维修服务也已终止，法国卢浮宫淘汰相应产品也在意料之中。