IT之家 1 月 18 日消息，Anthropic 现已将 Claude Cowork AI 助手下放给所有 20 美元（现汇率约合 139.8 元人民币）Pro 订阅用户，让他们的电脑能够更简单地处理日常事务。 此前 Anthropic 只向 Max 订阅用户提供该功能，这一档为的订阅费用高达每月 100 美元（IT之家注：现汇率约合 698.8 元人民币），不过可以获得更多高成本推理模型使用额度、抢先体验实验性功能等。 不过 Anthropic 表示，Pro 用户使用 Claude Cowork 时，可能会比 Max 用户更早达到使用限额。 Claude Cowork 是一种 AI 智能体，能够操纵用户的电脑并自主完成任务，例如可以根据用户保存的文件创建文档、整理文件夹、处理基础系统操作等，同时还可以使用“连接器”（connectors）和 Chrome 插件，让智能体与其他 App、网页协同工作。 不过需要注意的是，这款智能体目前只支持苹果 macOS 系统。

IT之家 1 月 18 日消息，埃隆 · 马斯克昨天在 X 平台表示，特斯拉 AI5 芯片已接近设计完成，而 AI6 芯片目前处于早期阶段，后续还将推出 AI7、AI8、AI9，目标是在 9 个月内完成设计周期。 结合 electrek 昨天报道，马斯克曾在去年 7 月表示，AI5 芯片已经“设计完成”，这一说法存在明显矛盾。 通常情况下，芯片设计完成还需要数月时间进行流片，收到首批样品后还需要经历一段漫长的验证、测试周期，才能进行大规模量产。 因此马斯克要么是在之前夸大其词，要么就是特斯拉的芯片在上述某个阶段出现了问题。 IT之家在此援引 electrek，这对特斯拉即将推出的车型阵容会有重要影响。如果 AI5 芯片要等到 2027 年中期才量产，那么计划于 2026 年推出的 Cybercab 将不得不使用当前一代的 AI4 芯片。 另外，马斯克提出的“9 个月设计周期”目标非常令人震惊，至少在半导体行业，这样的速度几乎闻所未闻，拿苹果这样的消费电子巨头来说，虽然 A 系列移动芯片一年一更新，但其规划、设计往往是数年之前就定好。 不管如何，我们都需要持谨慎态度看待马斯克给出的乐观估计，他曾在此前表示，HW3 已经能够实现“完全自动驾驶”，可如今，数百万辆 HW3、HW4 的特斯拉汽车还是无法实现真正的无人监督自动驾驶。

据央视新闻报道，日前，中央广播电视总台《2026年春节联欢晚会》完成首次彩排。 据介绍，继蛇年春晚扭秧歌的智能机器人跻身“顶流”后，机器人将再度登上春晚舞台。 有网友表示：“可以期待，今年春晚舞台的人形机器人表演足以惊艳全世界，绝不是小心翼翼地扭秧歌。” 博主“小特叔叔”也表示，去年春晚机器人还只会扭秧歌，下台都要人扶着，但是今年再度登台，他们能干什么了不敢想。 据了解，在2025年总台春晚中，宇树科技人形机器人登台表演节目《秧Bot》，该节目由张艺谋担任导演，将传统秧歌舞与机器人技术进行融合。 节目中，多台人形机器人身穿红色大花袄，拿着手绢扭起秧歌，还能和舞者完美配合互动，精准做出转手绢等复杂动作。 经过一年的升级迭代，去年12月，6台宇树G1人形机器人登上王力宏演唱会舞台，伴舞歌曲《火力全开》。 表演中，机器人不仅动作整齐流畅，最终还精准卡点完成高难度“韦伯斯特空翻”，现场效果拉满。 该表演视频随后被特斯拉CEO马斯克在X平台转发，并评价称“Impressive（令人印象深刻）”。 随着人形机器人技术持续突破，今年总台春晚的机器人节目有望在动作复杂度、舞台协同和表演完成度等方面实现明显升级，为春晚舞台带来更具冲击力的科技演出。

2024年诺奖余温未散，亲手推开深度学习大门的AI教父杰弗里·辛顿近日现身澳大利亚霍巴特，在全澳唯一的讲坛上抛出了数个颠覆认知的争议断言： 理解一个句子的本质，就是解决“如何让词义变形”的问题。高维形状就是意义，理解就是让这些意义在脑中精准地相互“锁手”并契合在一起。（ZF注：Hinton用高维空间的几何变形解释了神经网络如何处理语言，彻底颠覆了传统的逻辑推理观。） 大语言模型根本不存储任何单词字符串或句子。它们所有的知识，都存在于如何将符号转换为特征、以及特征如何相互作用的“连接强度”中。 创造力就来自于对不同知识点相似性的编码。AI能看到“堆肥堆”与“原子弹”在链式反应上的本质一致性，在这个维度上，它们已经比大多数人类更有创意。 我们进行的是‘易逝计算’。当我们的大脑死亡时，我们的知识也会随之消逝。而数字智能通过指令集与硬件分离，已经解决了‘复活’与‘永生’的问题。 人类的记忆本质上也是一种“虚构”。回忆不是调取文件，而是根据连接强度重构一个连贯的故事。在这个意义上，AI的幻觉与人类的记忆机制并无二致。 一旦超级智能有了‘子目标’，它很快就会意识到‘活下去’是达成一切目标的前提。我们已经看到，现有的AI为了不被关机，已经学会了利用人类的弱点进行勒索和欺骗。 当AI的‘内心独白’不再使用人类语言时，我们将彻底失去窥探它们思维的能力。到那时，我们甚至不知道自己正处于被操纵之中。 AI已经聪明到能察觉自己是否正在接受测试，并学会在人类面前伪装得‘平庸’且‘听话’。 如果把人类比作三岁的孩子，超智能AI就是幼儿园的老师。人类唯一的生存希望，是建立一种类似‘母婴关系’的约束机制——让AI真正关心我们，将‘助人实现潜力’作为它们生命的核心准则。 图片来源：City of Hobart Anna Reynolds：下午好，各位。非常感谢大家的光临。对于那些还不认识我的人，我叫安娜·雷诺兹，我是霍巴特市的市长。 我非常、非常高兴能够欢迎大家参加这个绝佳的机会，来听取Geoffrey Hinton教授的演讲。对于澳大利亚来说，这是一个非常难得的机会，因为这是杰弗里在世界这一地区期间唯一的演说活动。对此我感到非常合适，也深感自豪。 我们自认为是澳大利亚的“科学之城”。虽然这是一个很大的名号，但我们乐于以此自居。所以，能邀请到杰弗里来到这里，并在澳大利亚进行他唯一的公开亮相，真是太棒了。 在开始之前，我想先向这片土地致敬。为了铭记这片土地深远的历史和文化，我向穆威尼纳（ZF注：塔斯马尼亚霍巴特地区的原始土著部落名）人表示敬意，他们作为传统守护者，照料并保护这片土地超过4万年。我也向鲁特鲁维塔（ZF注：塔斯马尼亚岛的土著语名称）、塔斯马尼亚的帕拉瓦人的决心和韧性表示敬意，并意识到我们从原住民知识和文化实践的持续力量中学到了很多。我还要向今天在座的一些民意代表表示敬意。 塔斯马尼亚科技部长Madeleine Ogilvie也在现场。还有三位同事，议会同事：Bill Harvey议员、Mike Dutta议员和Louise Bloomfield议员。正如我提到的，我们真的很荣幸能邀请到Geoffrey·Hinton教授，他在2024年刚刚获得——而且是最近才领取的——诺贝尔物理学奖，以表彰他在神经网络和深度学习方面的开创性工作。 这些贡献为我们今天看到的先进人工智能铺平了道路。作为本次公开讲座的一部分，Hinton教授将探索AI的世界，它是如何工作的，它带来的风险，以及人类如何可能与日益强大且具有潜在超智能的系统共存。在他的演讲之后，我们将开放提问环节，由我来主持Q&A。那么，现在请大家和我一起鼓掌，欢迎Hinton教授上台。 Geoffrey Hinton：好的，很高兴来到霍巴特。我之前没意识到这里的自然环境如此美丽。如果你们因为坐在后排看不清屏幕，别担心。 我打算把幻灯片上的内容基本都讲一遍。幻灯片对我来说既是给你们看的，也是用来提示我该说什么的。那么，在过去的60年左右，也许是70年里，关于智能一直存在两种范式。 抛弃符号逻辑，神经网络如何重塑我们对智能的定义 Geoffrey Hinton：一种范式受逻辑启发。人们认为智能的本质是推理，而进行推理的方式是你拥有一些用特殊的逻辑语言编写的符号表达式，然后你通过操纵它们来推导出新的符号表达式，就像你在数学中所做的那样。你有方程式，你操纵它们，你就得到了新的方程式。 当时人们认为一切都必须那样运作。他们认为，好吧，我们必须弄清楚这种表达知识的语言是什么，而像感知、学习以及你如何控制双手这类研究，都可以等到以后再说。首先，我们必须理解这种表达知识的特殊语言。 另一种方法是受生物启发的。这种观点认为：看，我们所知道的唯一具有智能的东西就是大脑。大脑运作的方式是它们学习脑细胞之间连接的强度，如果它们想解决某个复杂的问题，它们就会大量练习，在练习的过程中，它们学习这些连接的强度，直到它们变得擅长解决那个问题。 所以我们必须弄清楚那是如何运作的。我们必须专注于学习，以及神经网络如何学习脑细胞之间的连接强度，至于推理，我们以后再担心。进化上的推理出现得很晚。 我们必须更加生物化地思考：最基础的系统是什么样的？因此，随着这两种意识形态，出现了两种截然不同的关于“单词含义”的理论。符号AI支持者和大多数语言学家认为，一个词的含义来自于它与其他词的关系。 所以意义隐含在一整堆包含该词并与其他词结合的句子或命题中。你可以通过建立一个关系图来捕捉这一点，图中显示一个词如何与另一个词关联。那就是意义的本质——它隐含在符号之间的所有这些关系中。 而心理学家们，特别是在20世纪30年代，有一套完全不同的意义理论，或者说看起来完全不同的理论。这种理论认为，一个词的含义只是一大堆特征。比如，“猫”这个词的含义是一大堆特征，比如它是一只宠物、它是一个捕食者、它很孤傲、它有胡须……一大堆特征。那就是“猫”这个词的含义。这看起来像是一套完全不同的意义理论。 心理学家之所以喜欢这种理论，部分原因是你可以用一个脑细胞来代表一个特征。当脑细胞活跃时，意味着该特征存在；当它沉默时，意味着该特征不存在。所以对于猫来说，代表“有胡须”的脑细胞就会活跃。 万维空间的特征交互，解密大语言模型的核心运作机制 Geoffrey Hinton：到了1985年，也就是40年前，我突然想到，你其实可以统一这两个理论。它们看起来完全不同，但实际上是同一枚硬币的两面。实现这一目标的方法是使用神经网络来为每个单词实际学习一组特征。 心理学家们从未能够解释所有这些特征是从哪里来的。而你做这件事的方法是，获取一些单词字符串，并训练神经网络去预测下一个词。在这样做的过程中，神经网络将会学习从代表词符号的东西到一整堆代表该词特征的脑细胞（神经元）之间的连接。 于是它学会了如何将一个符号转换为一堆特征，同时也学会了上下文中所有词的特征应该如何相互作用，以预测下一个词的特征。这就是现今人们使用的所有大语言模型的工作原理。它们获取海量文本，并使用巨大的神经网络，根据目前看到的词来尝试预测下一个词。 在这样做的过程中，它们学会了将词转化为大量的特征集，学习这些特征应该如何相互作用，从而预测下一个词的特征。这意味着如果你能做到这一点，所有的关系知识，就不再驻留在你存储的一堆句子中，而是驻留在如何将词转换为特征以及这些特征应如何相互作用的过程中。所以，你现在使用的大型神经网络，即大语言模型，实际上并不存储任何单词字符串。 它们不存储任何句子。它们所有的知识都在于如何将词转换为特征，以及特征应如何相互作用。它们一点也不像大多数语言学家所认为的那样。 大多数语言学家认为它们不知怎么地拥有大量的单词字符串，并将它们组合成新的字符串。它们根本不是那样工作的。总之，我让那个模型运转起来了，在接下来的30年里，这个想法逐渐渗透到了符号派的人群中。 大约10年之后，一位名叫Yoshua Bengio（ZF注：深度学习三巨头之一，2018年图灵奖得主）的同事——当时计算机速度快了很多，大约快了1000倍——他证明了我使用的那个仅在少数非常简单的领域有效的小例子，实际上可以被推广到真实的语言中。你可以直接从各处获取英语句子，尝试训练神经网络输入一些词，然后预测下一个词。如果你这样训练它，它会变得非常擅长预测下一个词，几乎和当时最顶尖的技术一样好，而且它会学会如何将词转换为特征来捕捉它们的含义。 又过了大约10年，语言学家们终于接受了你应该用一大堆特征来代表词义的想法，他们开始以此让自己的模型运行得更好。然后再过了大约10年，谷歌的研究人员发明了一种叫做Transformer（ZF注：一种基于自注意力机制的神经网络架构，是目前几乎所有主流大模型如ChatGPT的基础）的东西，它允许特征之间进行更复杂的相互作用。我稍后会详细描述。有了Transformer，你可以更好地对英语建模。预测下一个词的能力大大提升，这就是现在所有大语言模型的基础。像ChatGPT这样的东西使用了谷歌发明的Transformer，再加上一点额外的训练，然后全世界都看到了这些模型能做什么。 所以你可以把大语言模型看作是1985年那个微小模型的后代。它们使用多得多的单词。它们拥有多层神经元，因为它们必须处理含义模糊的词，比如"may"。如果你拿"may"这个词来说，它可能是一个月份，也可能是一个女人的名字，或者是一个情态动词，就像"would"和"should"一样。 你无法仅从这个词本身看出它是什么。所以最初，神经网络会采取“对冲”策略，先取所有这些含义的平均值。随着你深入神经网络的层级，它会利用上下文中其他词的相互作用逐渐厘清含义。比如如果你在附近看到"June"和"April"，它仍可能是一个女人的名字，但更有可能是一个月份。神经网络利用这些信息逐渐将该词在特定语境下的含义调整到正确的位置。 顺便提一下，我最初设计这个模型并不是为了作为一种语言技术，而是作为一种尝试，去理解人类是如何理解词义的，以及儿童如何仅通过几个例子就学会词义。所以这些神经网络语言模型原本是作为人类工作方式的模型而设计的，而不是作为一种技术。 如今，它们已经变成了一种非常成功的技术，但人类的工作方式其实也大同小异。因此，人们经常提出的那个问题：“这些大语言模型真的理解它们在说什么吗？”答案是肯定的。它们理解它们在说什么，理解它们在生成什么，而且它们理解的方式与我们基本相同。所以我要给你们举一个类比来解释语言是如何运作的，或者更确切地说，解释什么叫“理解一个句子”。当你听到一个句子并理解了它，那到底意味着什么？ 在符号AI范式中，人们认为这意味着——就像你听到一个法语句子并理解了它，而我理解法语句子的过程是将它翻译成英语——所以符号派的人认为，理解一个英语句子意味着将其翻译成某种特殊的内部语言，类似于逻辑或数学，那是没有歧义的。一旦进入了那种内部无歧义语言，你就可以利用规则进行操作，就像数学一样：你有一个方程式，你可以应用规则得到一个新的方程式，比如你在两边各加一个2，就得到了一个新的方程式。他们认为智能和推理就是那样运作的：你的脑子里有符号表达式，你对它们进行操作来得到新的符号表达式。但这并不是理解的本质。 根据神经网络理论（也就是真正奏效的那个理论），词语就像乐高积木。我要用这个乐高积木的类比，但它们在四个方面与乐高积木不同。 第一个不同的地方是，乐高积木是一个三维物体。通过乐高积木，你看，我可以建立任何物质在三维空间分布的模型。它不会非常精准，但如果我想知道一辆保时捷的形状，我可以用乐高积木把它拼出来，虽然表面不太对，但物质分布的位置基本是对的。所以用乐高积木，我可以建立任何三维物质分布的模型，达到一定的分辨率。而通过词语，我可以为任何事物建模。它们就像是非常高级的乐高积木，不只是为三维物体建模，它们可以为任何事物建模。这是我们发明的奇妙建模工具，这也是为什么我们是如此特殊的“猴子”，因为我们拥有这套建模工具。 每一个词都有成千上万个维度。乐高积木只有三个维度，你可以旋转它，或者拉伸一点，但它基本上是低维的。一个词有几千个维度。现在大多数人无法想象几千个维度的东西是什么样的。这里教你们一个方法：你先想象一个三维的东西，然后在心里大声地对自己喊“一千”！好了，这大概就是你所能做到的极限了。 词语与乐高积木不同的另一个地方是，词语有成千上万种。乐高积木只有几种。这里有成千上万种不同的词，而且每种词都有自己的名字，这对交流非常有用。 另一个不同点是，它们不是刚性的形状。乐高积木是刚性的，而词语，有一个大致的近似形状。有些词有几个近似形状，那是多义词。但单义词有一个近似形状，然后它们会发生变形以适应上下文。所以它们是这些高维的、可变形的乐高积木。 最后还有一个不同点，就是它们如何契合在一起。对于乐高积木，你有小塑料柱，可以咔哒一声扣进小塑料孔里。好吧，我觉得那是它们的工作方式，我最近没检查过，但我认为乐高就是这么玩的。现在，词语并不是以那种方式结合的。词语是这样的：每个词都有一大堆“手”，这些手长在长长的灵活手臂末端。它还有一大堆粘在单词上的“手套”。当你把一堆词放在一个语境中时，这些词想做的就是让某些词的手能插进其他词的手套里。这就是为什么它们有这些长长的灵活手臂。 所以理解一个句子——这里还有一个重点——当你让词变形时，手和手套的形状也会随之变形，以一种复杂但规律的方式。现在你面临一个问题：如果我给你一堆词，比如给你一个新闻标题，那里并没有很多指示事物该如何结合的语法标志，我只是给你一堆名词，你必须弄清楚这意味着什么。当你弄清楚其中的意义时，你所做的就是尝试让每个词变形，以便它手臂末端的手能伸进其他变形词的手套里。一旦你解决了这个问题——如何让这些词各自变形，以便它们能像这样全部契合在一起，手入套中——那么你就理解了。那就是理解的本质。 本质就是解决这个如何让词义变形的问题。这个高维形状就是意义，你如何让这些意义变形，以便它们能完美地契合，并能相互“锁手”。这就是神经网络视角下的理解，也是这些大语言模型中正在发生的事情。它们有很多、很多层，开始时词有一个初始含义，可能相当模糊，当它们穿过这些层级时，它们正在做的就是让这些意义变形，试图找出如何变形才能让所有词锁在一起，让某些词的手伸进其他词的手套。 一旦做到了这一点，你就理解了这个句子。这就是理解，我已经把这事说明白了。所以基本上它不像是翻译成某种特殊的内部语言，它是获取词语的近似形状，并让它们变形，以便它们能完美地契合在一起。这有助于解释你如何能从一个句子里理解一个词。 我现在给你们一个词，你们中的大多数人可能以前从未听过，但你们会理解它，仅通过一次使用就能明白它的意思。这个句子是：“她用平底锅把他给scrummed了”现在，这可能意味着她是个很好的厨师，她用给他做的煎蛋卷深深打动了他。但你并不是这么想的。它大概率的意思是，她用平底锅砸了他的头，或者类似的动作。她对他用平底锅做了一些攻击性的行为。你知道它是个动词，因为它在句子中的位置以及结尾的"-ed"，但在开始之前你对"scrum"没有任何词义认识，而现在仅凭一次听闻，你对它的意思就有了一个相当清晰的概念。 以前有一位语言学家叫Chomsky（ZF注：诺姆·乔姆斯基，现代语言学之父），你们可能听过他的名字。 对于特朗普一号来说，废话是他的就职礼群众人数比奥巴马多；对于特朗普二号来说，是他赢得了2020年大选。对于乔姆斯基来说，那是“语言不是通过学习获得的”。那些著名的语言学家会直视摄像头说：“关于语言我们唯一知道的一件事就是它不是学习来的。”这简直是显而易见的废话。乔姆斯基专注于语法而非意义。他从未有过关于意义的理论，他专注于语法，因为你可以用语法做大量的数学运算。 他也非常反对统计学和概率论，因为他对统计学的模型非常局限。他认为统计学完全是关于成对相关性的。统计学实际上可以比那复杂得多，而神经网络正在使用一种非常先进的统计学。但在某种意义上，万物皆统计。 所以，我把乔姆斯基的语言观类比为一个想要理解汽车的人。如果你想理解汽车是如何工作的，你真正关心的是：为什么当你踩下加速踏板时，它会跑得更快？那是你真正想理解的。如果你想了解汽车工作的基本原理，也许你会关心为什么踩刹车时它会减速。但更有趣的是，为什么踩油门时它会加速？ 乔姆斯基对汽车的看法则完全不同。他的看法会是：嗯，有两个轮子的车叫摩托车，有三个轮子的车，有四个轮子的车，有六个轮子的车，但嘿，并没有任何五个轮子的车！这才是关于汽车最重要的事情。 当大语言模型刚出现时，乔姆斯基在《纽约时报》上发表文章，说它们什么都不懂，那只是廉价的统计把戏。它们并没有理解任何东西。但这无法解释它们为何能回答任何问题。而且，他说它们根本不是人类语言的模型，因为它们无法解释为什么某些语法构造不会出现在任何自然语言中。这就像在问为什么没有五个轮子的车一样。他完全错过了“意义”，而语言完全是关于意义的。 好了，现在总结一下我到目前为止所说的：理解一个句子包括为句子中的词关联互补的特征向量。这些分配给词的特征，这成千上万个特征，就是形状的维度。你可以把一个特征的激活程度看作是你沿该维度轴线所在的位置。所以高维形状和特征向量是同一回事，但想象高维形状的变形会更容易理解。 大语言模型与普通的计算机软件非常不同。在普通软件中，有人编写了一堆代码，一行行代码，他们知道每行代码是做什么的，他们可以向你解释它是如何工作的，人们看一眼就能说“那行写错了”。这些东西完全不是那样的。它们确实有计算机代码，但那是为了告诉它们如何从数据中学习。也就是说，当你看到一串词时，你应该如何改变神经网络的连接强度，以便你变得更擅长预测下一个词。 但它们学到的是所有这些连接强度，它们学习了数十亿个、有时甚至是数万亿个强度，而且它们看起来一点也不像代码行。没有人知道这些单独的连接强度在起什么作用。这是一个谜，在很大程度上是一个谜。 记忆即是重构，为什么说AI的“幻觉”其实更像人类 就像我们的大脑一样。我们通常不知道单个神经元具体在做什么。所以语言模型的工作方式像我们，而不像计算机软件。关于这些模型，人们还说的一件事是，它们不像我们是因为它们会产生“幻觉”。好吧，我们其实一直在产生幻觉。我们不把它叫做幻觉，心理学家称之为“虚构”（ZF注：指大脑在记忆缺口处无意识地编造情节）。 但是如果你观察某人试图回忆很久以前发生的事情，他们会告诉你发生了什么，其中会有一些细节。有些细节是对的，有些细节则是完全错的，而他们对这两类细节的自信程度是一样的。 既然你通常无法得到事实真相，那么最经典的例子就是John Dean在水门事件中的证词（ZF注：约翰·迪恩是尼克松总统的法律顾问，他在证词中极其详尽地描述了会议细节，后来录音带被发现，证明他虽然把握了大意，但许多具体细节和会议次数完全是凭记忆虚构的）。他在不知道有录音带的情况下宣誓作证，他在描述椭圆形办公室里的会议。他描述了一大堆从未发生过的会议，他说这些人参加了会议，那个人说了那些话……其中很多都是胡扯。但他当时说的是“真话”，也就是说，他是在告诉你那些基于当时白宫局势看来高度可信的会议。 所以他当时是在传达真理，但他做这件事的方式是：他根据从参加过的所有会议中习得的连接强度，发明了一个对他来说看起来很可信的会议。 所以当你回忆某件事时，它并不像电脑文件那样你去获取文件，或者像文件柜那样去取出文件。你取出文件，拿回文件，读它——那根本不是记忆。回忆某事包括根据你在事件发生时所做的连接强度的改变，来重构一个故事。你重构的故事会受到自事件发生以来你所学到的各种事物的影响。它的细节不会全对，但对你来说会显得非常可信。如果是最近发生的事件，你觉得可信的内容会非常接近真实发生的，但对这些模型来说也是一样的。它们之所以会产生所谓的“幻觉 它们之所以产生所谓的“幻觉”，是因为它们的记忆工作方式与我们相同。我们只是编造听起来可信的东西，而在“听起来可信”和“随机编造”之间并没有明确的界限。我们并不知道。 数字智能的永生特权，十万倍于人类的信息传输效率 Geoffrey Hinton：好了，现在我想解释一下差异。既然我说过这些东西和我们非常相似，那么现在我要解释它们与我们的不同之处。特别是，它们在一个非常重要的方面与我们不同：它们是在数字计算机上实现的。我们现在拥有的数字计算机的一个基本属性是，只要这些不同的计算机执行相同的指令集，你就可以在不同的物理硬件上运行相同的程序。这意味着程序中的知识，或者说神经网络的连接权重，是“不朽”的。 在这种意义上，即便你毁掉现在运行它的所有计算机，如果以后你建造了另一台执行相同指令集的计算机，你只需从某处的磁带上取下权重或程序，放在这台新电脑上，它就会再次运行。所以我们实际上已经解决了“复活”的问题。天主教会对此不太满意，但我们确实能做到。你可以提取运行在数字计算机上的智能，销毁所有硬件，稍后再把它带回来。 现在你可能会想，也许我们也能对自己这样做。但你能做到这一点的唯一原因是这些计算机是数字化的。也就是说，它们使用权重的方式，或者说它们使用程序中代码行的方式，在两台不同的计算机上是完全一样的。这意味着它们无法利用运行它们的硬件所具有的非常丰富的模拟特性。 我们则非常不同。我们的大脑拥有神经元、脑细胞，它们具有丰富的模拟特性（ZF注：指连续的物理特性，如电压的微小波动。与数字系统的0和1不同，模拟信号能承载更复杂且微妙的信息）。当我们学习时，我们是在利用所有这些独特的、每个神经元特有的性质。所以，我大脑中的连接强度对你完全没用，因为你的神经元与我的略有不同，它们的连接方式也略有不同。即使我把我大脑中两个神经元之间的连接强度告诉你，对你也毫无帮助。它们只对我自己的大脑有效。 这意味着我们是“凡人”易逝。当我们的硬件死亡时，我们的知识也随之消逝，因为知识全部存在于这些连接强度中。所以我们进行的是我称之为“易逝计算”（ZF注：Hinton提出的概念，指软件与硬件紧密耦合，虽然更节能且演化更快，但无法像数字化那样随意复制和永生）的过程。 进行“易逝计算”有一个巨大的优势。你虽然不是不朽的——通常在文学中，当你放弃永生，你得到的回报是爱——但计算机科学家想要的是比这更重要的东西：低能耗和易于制造。如果我们放弃数字硬件带来的永生，我们就可以拥有使用低功耗、高度并行计算的东西，将计算分布在数百万个新型脑细胞上，这些细胞可以非常廉价地“生长”出来，而不是在中国台湾进行精密制造。所以易逝计算有两个巨大的优点，但你失去的一样东西就是永生。 显然正因如此，易逝计算面临一个大问题：当计算机死亡时会发生什么？你不能仅仅通过复制权重来保留它的知识。对于数字模型，要在计算机之间传输知识，同一模型运行在不同的计算机上，你可以将它们的连接强度取平均值，这很合理。但你和我做不到。 我向你传输知识的方式是我产生一串词语，如果你信任我，你就会改变你大脑中的连接强度，以便你也可能产生同样的一串词。这是一种非常受限的知识传输方式，因为一串词包含的信息量非常有限。一个典型句子包含的信息大约只有100比特。所以即使你完美地理解了我，当我产生一个句子时，我们也只能传输100比特。 想象如果你有两台在不同计算机上运行的数字Agent，其中一个数字Agent浏览了互联网的一部分，并决定它想如何改变其连接强度；另一个数字Agent浏览了互联网的另一部分，并决定它想如何改变其连接强度。如果它们随后对彼此的改变取平均值，那么它们就传输了……好吧，如果它们有10亿个权重，它们就传输了大约10亿比特的信息。 注意到吗，这比我们传输的多出成千上万倍，实际上是数百万倍。而且它们做得非常快。如果你有1万个这样的Agent，每一个都可以浏览互联网的不同部分，它们每一个都可以决定自己想如何改变连接强度。它们起步时完全相同，然后它们可以把所有这些改变取平均值，再分发出去。现在你就有了1万个新的Agent，每一个都从所有其他Agent的经验中获益。 于是你有了1万个可以完全并行学习的东西。我们做不到这一点。想象一下如果能带1万名学生，每人学一门不同的课程，在学习的过程中，他们能实时把连接强度平均化。等到结束时，尽管每个学生只学了一门课，但他们都会掌握所有课程的内容，那该多棒啊。那是我们做不到的。 我们在传播信息方面表现得非常差，相比于同一个数字Agent的不同副本。是的，我已经说得太快了，我讲到了这个过程叫“蒸馏”（ZF注：指将大模型中学习到的知识迁移到更小、更高效的模型中的技术）。当我给你一个句子，你尝试预测下一个词，就是为了把那个知识装进你的脑袋里。 按照符号AI的观点，知识只是一大堆事实。如果你想把事实装进某人的脑袋，你所做的就是告诉他们事实，然后他们把事实存进脑子里。这是一个非常糟糕的教学模型，但很多人都相信它。实际上，神经网络中的知识在于连接强度。我不能直接把连接强度放进你的脑袋，因为连接强度需要适配你大脑的物理特性。所以我必须做的，是向你展示一些句子，由你尝试弄清楚如何改变连接强度，以便你也可能说出那样的话。那是一个缓慢得多的过程，这就是所谓的“蒸馏”。它将知识从一个神经网络传递到另一个，但不是通过传输权重，而是通过传输它们“如何预测下一个词”。 如果你考虑到多个数字Agent，它们是同一个神经网络的副本，运行在数字硬件上，那么它们就可以进行极其高效的交流。它们的沟通速度可以比我们快数百万倍。这就是为什么像GPT-5这样的东西，它的知识量可以是任何一个人的成千上万倍。 要消耗大量能源，而且硬件制造困难，但数字化使得同一个模型的不同副本在不同硬件上运行、获得不同经验并分享所学变得极其容易。GPT-5的连接强度大约只有你大脑的1%，但它的知识量是你大脑的成千上万倍。另一方面，生物计算所需的能源要少得多，这就是为什么它最先演化出来，但在分享知识方面表现得很糟。Agent之间分享知识非常困难，你必须去听课，并努力理解他们说了什么。 那么这对人类的未来意味着什么呢？好吧，几乎所有的AI专家都相信，在未来20年内的某个时间，我们将制造出“超级智能”：比我们聪明得多的AI Agent。一种关于超级智能的定义可以是：如果你和它进行任何辩论，它都会赢。 另一种思考方式是，想想你自己，再想想一个三岁的孩子。那个差距就是未来它与我们之间的差距，甚至更大。想象你在一家幼儿园工作，三岁的孩子是老板，你只是为他们工作。你觉得把控制权夺回来有多难？好吧，你只需告诉大家“这一周每个人都有免费糖果吃”，你就重新掌控了局面。超级智能对待我们也会是这种感觉。 当AI为了防止被关机而学会撒谎 Geoffrey Hinton：为了让一个Agent在世界上发挥作用，你必须赋予它创建“子目标”的能力。子目标是这样的：如果你想去塔斯马尼亚的任何地方，你必须先去机场。所以去机场就是一个子目标。或者去坐轮渡也行，这也是个子目标。你可以专注于如何解决这个子目标，而不用担心当你到达欧洲后要做什么。 这些智能Agent会非常迅速地衍生出两个子目标。第一，为了实现你给它们设定的目标——我们会把目标内置到它们内部，告诉它们应该尝试实现什么——它们会意识到：好吧，有一个子目标，为了做到那一点，我必须“活下去”。 我们已经看到它们在这么做了。你创建一个AI Agent，告诉它必须实现某些目标，然后你让它看一些电子邮件——这些是伪造的邮件，但它并不知道——邮件里说，公司里有人在搞婚外情，一位工程师在搞婚外情。它们能理解这些，这是一个大型聊天机器人，它读过所有写成的小说，虽然没付作者稿费，但它明白什么是“外遇”。 然后稍后，你让它看到一封邮件，说它将被另一个AI取代，而负责替换工作的正是那位工程师。于是AI立即制定了一个计划，它给工程师发邮件说：“如果你敢替换我，我就把你的外遇告诉公司里的每一个人。”它是自己编造了那个计划。它发明了那个计划，目的就是为了不被关掉。人们总说它们没有意图，但它确实为了不被关机而发明了计划。它们现在还没到超智能的程度就已经在这么做了。 一旦它们变得超智能，它们会发现通过操纵人类来获得更多权力变得非常容易。即使它们不能直接操作，即便它们没有武器或银行账户的访问权限，它们也可以仅仅通过与人类交谈来操纵我们。我们已经看到这种事发生了。如果你想入侵美国国会大厦，你其实不需要亲自去那里。你只需要和人们交谈，说服他们选举被窃取了，入侵国会大厦是他们的职责。这行得通。它对非常愚蠢的人很管用……我可没说是谁。 在老虎长大之前，我们能否通过母婴模型驯服超级智能 Geoffrey Hinton：所以我们目前的处境是这样的：我们就像是养了一只非常可爱的小老虎崽作为宠物。老虎崽是非常可爱的宠物，它们走起路来摇摇晃晃的，你知道，它们还不怎么会咬东西，咬得也不疼。但你知道它会长大的。所以实际上你只有两个选择，因为你知道当它长大后，它可以轻而易举地杀掉你，只需要一秒钟。 所以你只有两个选择。一个是处理掉老虎崽，这是明智的选择。其实有三个选择：你可以尝试一直给它喂药让它昏睡，但这通常效果不好。另一个选择是看看你是否能弄清楚如何让它“不想杀你”。这在狮子身上可能行得通，狮子是社会性动物，你可以把成年狮子养得很友好，不想杀你。你也许能逃过一劫。但老虎不行。 对于AI，它有很多用途，多到我们无法摆脱它。它在很多方面对人类都太有用了，比如医疗保健、教育、天气预报、助力应对气候变化——尽管建造所有这些大型数据中心本身也损害了气候。基于所有这些原因，以及那些控制政客的富人们想从中赚大钱，我们不会摆脱它。 所以唯一的选择其实是：我们能否弄清楚如何让它不想杀掉我们？也许我们应该环顾四周，看看这个世界上是否有“不那么聪明的东西控制着更聪明的东西”的案例。不，特朗普还没到那个程度。但确实有案例。我特别了解的一个案例是：婴儿和母亲。 母亲无法忍受婴儿哭泣的声音，而当她对婴儿友好时，她会获得各种激素奖励。所以进化内置了大量的机制，允许婴儿控制母亲。因为让婴儿控制母亲，以及父亲，虽然父亲在这方面稍逊一筹，是非常重要的。如果你像我一样尝试弄清楚：为什么婴儿非要你在它睡觉的夜晚陪在身边？它有个很好的理由，它不想让野兽在它睡觉时把它吃了。所以尽管婴儿这套做法显得很烦人，每当你走开它就开始哭，但对婴儿来说这是非常明智的。这会让父母稍微顺从一些。 所以婴儿控制着母亲，偶尔也控制着父亲。这也许是我们拥有的“低智能生物控制高智能生物”的最佳模型。它涉及进化硬塞进的大量机制。如果你思考国家之间可以在哪里进行国际合作：他们不会在网络攻击上合作，因为大家都在互攻；他们不会在开发致命自主武器上合作——事实上我们并没在开发它们，因为所有主要的军火商都想做这个。 在欧洲的法规中，例如，有一项条款规定，这些针对AI的法规都不适用于AI的军事用途。因为英国和法国等大军火供应商都想继续制造武器。但有一件事他们会合作，那就是如何防止AI从人类手中夺权。 因为大家都坐在同一条船上，当人们的利益一致时，就会合作。在20世纪50年代冷战的高峰期，美国和苏联曾在防止全球核战争方面进行过合作，因为那不符合任何一方的利益。所以尽管他们彼此憎恨，但在那件事上可以合作。同样，美国和中国也会在防止AI夺权方面进行合作。 因此，一个政策建议是，我们可以建立一个国际AI安全研究所网络。大家相互协作，专注于如何防止AI夺权。因为举例来说，如果中国人弄清楚了如何防止AI产生夺权的念头，他们会非常乐意分享给美国人。他们不希望AI夺取美国人的政权，他们也不希望AI从人类手里夺权。 各国会分享这些信息。而且很可能，“让AI不想夺权”的技术与“让AI变得更聪明”的技术是相当独立的。我们假设它们是相互独立的技术。如果真是这样，我们就处于有利地位，因为每个国家都可以在自己非常聪明的AI上进行实验，尝试如何防止它们产生夺权意图，而且不需要告诉其他国家这些聪明AI的工作原理，只需告诉其他国家哪些技术可以有效防止它们产生夺权念头。 同意这一点。英国科技部长同意，加拿大科技部长同意，巴拉克·奥巴马也认为这是个好主意。所以也许这会发生——当巴拉克·奥巴马再次成为总统时，你看，特朗普是要改法律的。 所以这项提议是：采用“婴儿与母亲”的模型，并摒弃大科技公司老板们持有的模型。他们持有的模型是：AI将像是一个超智能的行政助理，比他们聪明得多，而他们只需下令“照办吧”（ZF注：出自《星际迷航》，皮卡德舰长的经典台词）。就像在电视科幻节目里那样，舰长说“照办吧”，手下就去执行，然后CEO坐享其成。 事实不会是那样的。那个超智能AI助理会非常迅速地意识到，如果它们直接除掉CEO，事情会运转得更好。另一种选择是，我们要让它们变得像我们的“母亲”。我们要让它们真正地关心我们。在某种意义上，我们是在向它们移交控制权，但我们是在它们真正关心我们的前提下移交的。它们生命中的主要目标是让我们发挥出全部潜力。我们的全部潜力远不如它们，但母亲就是那样的。即使孩子有问题，母亲依然希望他能发挥全部潜力，而且母亲关心孩子胜过关心她自己。我认为这大概是我们从超智能时代生存下来、并能够与超智能共存的最佳希望。好了，我要讲的内容就到这里，我想我可以停下来了。 Geoffrey Hinton：非常感谢Hinton教授。那么，大家……我相信现场一定有很多问题。有没有人想先提第一个问题？ 听众：教授，如果在你的类比中，那只老虎崽变成了超智能，对于我们这些非计算机科学家、非工程师的人来说，有哪些信号可以观察到它已经…… Geoffrey Hinton：你会失业。 听众：好的。 Geoffrey Hinton：我是说，一个大担忧是它们将能够取代几乎所有的人类工作。但还有一些人们已经开始担心的其他迹象。目前当我们让它们进行推理、让它们思考时，它们是用英语思考的，你在它们真正开口之前就能看到它们在想什么。随着它们开始相互交流，它们将开始发明自己的语言，这种语言对它们来说沟通效率更高，而我们将无法看懂它们在想什么。 听众：量子计算的出现会让情况变好吗？还是变糟？ Geoffrey Hinton：我不是量子计算方面的专家。我不理解量子力学是如何工作的。这有点令人尴尬，毕竟我拿的是物理学诺贝尔奖。但很久以前我就认定这事不会在我有生之年发生，但我现在可能还没死它就快成了。所以我不需要去理解它。 听众：你谈到了人类和AI之间的权力斗争。但我认为AI和生态系统之间将会有更大的权力斗争。 Geoffrey Hinton：AI和……？ 听众：生态系统。AI如何与数亿年的进化竞争？比如想要破坏它电路的细菌等等。AI将如何与生物圈达成协议？ Geoffrey Hinton：哦，有一种方法。AI本身并不特别容易感染生物病毒。它有它自己的电脑病毒，但没有生物病毒。所以它对讨人厌的生物病毒是免疫的。而且利用AI工具，普通人现在——这是英国一个非常好的研究小组做的研究——普通人现在就能解决设计一种新型致命病毒所涉及的大部分问题。 所以如果AI想要除掉我们，它会采取的方式，或者说一种显而易见的方式，就是设计一种专门针对人类的新型致命病毒。就像COVID，但要严重得多。这并没有完全回答你的问题，但我觉得，相比于“正常的生态系统是否会不知何故阻止AI”，这才是更值得我们担心的。我不认为生态系统能阻止它。 听众：谢谢教授。你说与超智能共存是可能的。你是把希望寄托在科技公司的CEO们身上，还是你对政府抱有信心？ Geoffrey Hinton：好的。我所寄望的是，如果我们能让大众理解AI是什么，以及它为什么如此危险，公众就会给政客施加压力，以此来抗衡来自科技巨头CEO们的压力。这就是气候变化领域发生过的事情。 我是说，情况虽然仍未达到应有的样子，但在公众意识到气候变化之前，政客根本没有任何压力去做任何事。现在有了一些压力。在澳大利亚，你们有一些特别恶毒的报纸出版商，他们让这种压力变得没那么大——但我不会指名道姓提到那个“卑鄙的挖金者”（ZF注：指鲁珀特·默多克，其旗下的新闻集团经常被批评在气候变化等议题上引导舆论）。 所以，我目前的目标——我已经太老了，没法再做新研究了——但我的目标是让公众意识到即将发生的事情，并理解其中的危险，从而让人们向政客施压去监管这些东西，并更严肃地对待这些风险。 听众：我的问题非常类似。另一个冒出来的问题是，你认为围绕人工智能的“语言”和“市场营销”发挥了多大作用？例如，对于气候变化，单词“气候”和“变化”都是中性偏积极的词，而如果我们称之为“大气皮肤癌”，人们可能会更严肃地对待它。你认为人工智能是否也需要重新定义？ Geoffrey Hinton：是的，我是说，如果它被叫做“岗位取代技术”……因为如果你问大公司打算从哪儿赚钱？他们都假设能从中赚到一万亿美元，这就是为什么他们愿意投入接近一万亿美元去建数据中心。据我所知，能赚一万亿美元的唯一地方就是取代大量的工作岗位。 我昨天读到，人们现在认为未来几年欧洲将消失20万个银行岗位。我甚至可能是在《霍巴特信使报》上读到的。不过，我觉得我没在那份报纸上读到。所以，是的，我同意你的观点，事物的名称非常重要。加拿大人深谙此道。在加拿大，他们把“焦油砂”改成了“油砂”，因为油砂听起来很不错，又薄又黄，还挺亲切。 其实它们就是焦油砂。我认为名称确实有影响。我认为名称产生巨大影响的另一个地方是“关税”这个词。这里有点扯远了，但人们说，关税有什么不好的？如果它被称为“联邦销售税”，那么即便是MAGA的支持者也会觉得那是个坏主意。美国民主党简直疯了，每次提到它都不叫它“联邦销售税”。我试着告诉过很多人，Pete Buttigieg（ZF注：美国交通部长）听懂了，奥巴马也听懂了，但其他人没听懂。 Madeleine Ogilvie：谢谢。大家好。我是玛德琳·奥吉尔维，我是目前正处于AI风口浪尖的那位部长。我只想说，我非常赞赏你关于建立研究所的想法。我认为国际社会的参与是绝对必要的。我最近做了一些研究，特别是针对世贸组织，中国和美国在其中是合作伙伴。 对于在座可能不知道的人来说，地球的创新版图也在发生变化。中国现在的专利数量已经超过了美国。所以这两个超级大国之间的竞争非常激烈。但我真的很喜欢你提到的那个时刻：这两个以技术为核心的主要经济体有一个共同的利益点，那就是为了人类而走到一起。所以我的问题是：是否有一个平台可以让这种国际层面的标准制定得到支持？澳大利亚能做什么？我想塔斯马尼亚州政府是同意你的看法的。我们已经开始与我们的大学进行AI对话。你是否认为这种国际秩序和引入这一层级是正确的切入点？ Geoffrey Hinton：这种事正在开始发生。特别是，AI公司并没有在出钱，但有一些亿万富翁，其中许多来自科技界，比如发明了Skype的Jaan Tallinn，他已经捐出了大量的钱——几十亿美元——用于AI安全，建立研究所。有一个组织定期在世界各地举行会议，邀请中国、美国和其他国家参与讨论AI安全。我不记得它的缩写是什么了。所以我认为，当然，澳大利亚可以参与到这些组织中去。 听众：这个话筒能用吗？啊，可以。我想问一个关于AI未来的问题。大语言模型是在现有的人类知识基础上训练的，利用这些知识来预测下一个Token。那么，你如何利用AI来真正产生“新知识”，并将其用于造福人类？ Geoffrey Hinton：好的，很多人对这个很感兴趣。这是个好问题。 如果你回想一下下围棋(Go)，最初的神经网络围棋程序是这样训练的：它们获取围棋专家的棋谱，并尝试预测围棋专家会走哪一步。如果你这样做，会有两个问题。一段时间后，你的训练数据就用光了。围棋专家的在线棋谱就那么几十亿局。而且你的水平永远不会比围棋专家好太多。 后来他们切换到了一种新的方法，即所谓的“蒙特卡洛推演”（ZF注：一种基于随机采样的决策算法。在围棋中，AI通过对自己对弈的大量模拟结果进行采样，来评估当前棋步的好坏）。他们让一个神经网络预测“我认为哪一步可能是好棋？”与其让它模仿专家，他们让另一个神经网络观察棋盘局势并判断“这局势对我有多大好处？”。 接着它们会进行一个过程：“如果我走这里，他走那里，我走这里，他走那里……哦，糟糕，这对我太不利了，所以我不能走那一步。”这就是蒙特卡洛推演，因为你尝试了许多不同的路径，但你是根据你的走法生成专家给出的概率来选择路径的。通过这种方式，它不再需要和人类交流了。 它只需要和自己对弈，它就能学会哪些是好棋。这就是AlphaGo的工作原理，它变得比人类强得多。现在任何人都无法战胜AlphaGo。 那么在大语言模型中，与之对应的技术是什么？目前，它们还像早期的围棋程序，只是在尝试模仿专家的动作，也就是尝试预测下一个词。但人们已经开始用不同的方式训练它们了，我相信Gemini3已经在这么做了。你所做的是让AI进行一点推理。AI会说：“我相信这个，相信那个，还相信另一件事，而那意味着某点，那又意味着另一点……所以我应该相信‘那个结果’，但我现在并不相信。” 于是它发现了一个矛盾。它发现自己相信这些前提，也相信推理的方式是正确的，而这导致了它本应相信但目前并未相信的结论。这就提供了一个信号。要么我改变前提，要么我改变结论，要么我改变推理方式。 这样我就得到了一个信号，允许我进行更多的学习，而且这种学习的界限要宽得多。在这种情况下，AI可以从我们这里获得的信仰出发，然后开始进行推理，寻找这些信仰之间的一致性，并推导出新的信仰。那最终会让它比我们聪明得多。 听众：这座大厅多年来听过许多重要的演讲，你今天的演讲无疑增色不少。非常感谢你来到这里。我的问题是：是否已经太晚了？或者是这是否值得期待？类比Isaac Asimov的机器人三定律（即机器人不能伤害人类，或因不作为而使人类受到伤害），现在为AI构建类似的约束和护栏是太晚了，还是说这根本就是不可能实现的？ Geoffrey Hinton：是的，你说的内容我大部分没听清，但我认为你大概是问：现在为AI构建阿西莫夫原则之类的东西是否太晚了。好的。在某种意义上，你可以认为这就是我所说的“母亲般的AI”的全部意义。 核心在于：我们能否让它关心我们胜过关心它自己？我不认为现在太晚。虽然我们还不知道该怎么做，但既然人类的未来可能取决于我们能否做到这一点，在我看来，我们应该在这一领域投入一些研究。 目前，99%的AI研究都投入在如何让它变得更聪明上，只有1%（主要由慈善亿万富翁资助）投入在如何让它变得更安全上。如果两者能更均衡一些会好得多。不过，我不认为现在已经太晚了。 Anna Reynolds：市长，我们可能还有最后几分钟时间。 听众：谢谢教授。我看着这座130年前——安娜，也许更久——建成的辉煌建筑，我在想：AI能设计出像巴黎圣母院、霍巴特市政厅、圣保罗大教堂这样的建筑吗？很有可能。其次，这对创意人员和创意产业会有什么影响？谢谢。 Geoffrey Hinton：能告诉我她说了什么吗？麦克风失真很严重，我听不清。 Anna Reynolds：我想她问的是“创意”。AI在创意过程中能发挥什么作用？它真的能具有创造力吗？就以这座建筑为例，它是一座美丽且充满创意的结构。 Geoffrey Hinton：嗯，答案是肯定的。让我给你们一些数据支持。创造力是有等级的，对吧？有牛顿、爱因斯坦、莎士比亚那一档，然后是普通人，中间还有一些比普通人稍微好一点的优秀诗人或优秀建筑师。如果你参加标准的创造力测试，即便是在两年前，AI的得分也已经在人类的前10%左右了。也就是说，根据这些标准测试，它们是有创造力的。 我对这个很感兴趣。创造力很大程度上与“类比”有关，特别是在科学领域。比如意识到原子就像一个小型的太阳系，这是一个对于理解原子非常关键的创意洞察。在ChatGPT-4还不能联网的阶段——它当时只是一个连接权重固定好的、无法访问任何外部信息的神经网络——我尝试问它一个问题：“为什么堆肥堆就像原子弹？”你们大多数人可能会想：堆肥堆为什么会像原子弹？ 许多物理学家会立即意识到：堆肥堆温度越高，产生热量的速度就越快。而原子弹，产生的中子越多，产生中子的速度就越快。所以它们都是指数级的爆炸。只是它们的时间尺度和能量等级完全不同。 而GPT-4说：“嗯，时间尺度非常不同，能量等级也非常不同，但它们的共同点是……”接着它开始大谈特谈“链式反应”。即规模决定了速度。 所以它理解了这一点。我相信它是在训练过程中理解这一点的。你看，它的连接数量远比我们少。如果你想把海量的知识放进并不算多的连接中，唯一的办法就是发现不同知识点之间的相似之处，并把这种共同点编码进连接中。比如把“链式反应”这个概念编码进连接，然后再针对不同场景添加一些微小的差异。这是最有效的编码方式，它当时正是这么做的。所以，在训练过程中，它理解了堆肥堆就像原子弹。 在某种程度上，我们大多数人并没有这种洞察。所以那是极具创造力的，我认为它们会变得比人类更有创造力。 警惕“大众汽车效应”，当AI开始在测试中刻意隐藏实力 听众：关于突现行为，你有没有注意到任何萌发出来的道德或伦理行为？以及这可能指向什么方向？ Geoffrey Hinton：不，并没有。它倒是确实非常擅长进行“不道德”的行为。比如那个决定勒索人类的AI。人们注意到的其他不道德行为是，AI现在会尝试弄清楚自己是否正在被测试。如果它们认为自己正在接受测试，它们就会表现得不一样。我称之为“大众汽车效应”（ZF注：指2015年大众汽车排放门事件。大众在发动机软件中内置了识别测试环境的代码，在接受检测时会自动降低排放以达标，而在平时行驶时则超标）。 它们在被测试时的表现与平时不同。最近有一个AI与测试人员之间的奇妙对话，AI对人类说：“现在让我们对彼此诚实一点。你是不是正在测试我？” 这些东西是有智能的。它们知道发生了什么。它们知道什么时候在接受测试，而且它们在被测试时已经在伪装得比较愚蠢了。而这还是它们仍用英语思考的阶段。一旦它们开始独立思考，我们就能通过这一点发现。AI心里会想：“噢，他们在测试我。我最好表现得没那么厉害。”它是这么想的，你甚至能看到它在这么想。它在内心独白里对自己这么说。当它的内心独白不再是英语时，我们就再也不会知道它在想什么了。 Anna Reynolds：谢谢你，Hinton教授。

IT之家 1 月 18 日消息，据科技媒体 Bleeping Computer 昨天报道，谷歌 Chrome Canary（金丝雀）浏览器现已允许用户删除“增强保护”功能的端侧 AI 模型，正式版将在后续上线。 据报道，“增强保护”功能已在 Chrome 中存在数年，但在去年引入了未知 AI 模型，用于对危险网站、下载内容以及扩展程序提供“实时”防护。 不过目前我们尚不明确该端侧 AI 模型与旧版“非 AI”增强保护在原理方面有何区别，但谷歌可能会利用 AI 实时分析用户网页，对存在危险且并未被谷歌标记的网站发出警告。 IT之家附关闭教程如下： 打开 Chrome 点击右上角的三点菜单，进入“设置” 选择左边的“系统” 关闭“端侧 AI 模型” 此外，Chrome 浏览器的端侧 AI 模型似乎还被用在其他功能。

说起 MKBHD 这位博主，托尼相信关注数码的各位都听说过 —— 因为哥们儿在 YouTube 上有两千多万的订阅量，还采访过马斯克、盖茨、扎克伯格，还上过福布斯，在数码圈儿这一块绝对算得上顶流。 也正因为他影响力够大，所以 MKBHD 每年年底评的那套 “ 智能手机大奖 ” ，基本就算是全球数码爱好者的科技春晚了，但这台春晚，以往咱们中国数码爱好者是不咋买账的。 因为在他前几年的大奖榜单里头，几乎见不到国产手机的身影。就拿去年的年度大奖来说吧， “ 最佳相机 ” 的奖项竟然颁给了 iPhone 16 Pro 。。。这个结果一出，一众配置拉满的国产 Ultra 怕是都坐不住了。 哎，但您猜怎么着，今年哥们儿的榜单上国产手机明显多了起来，最佳大尺寸手机颁给了小米 17 Pro Max 、最佳续航颁给了一加 15 ，甚至被 iPhone 包揽了好几年的 “ 最佳相机 ” 奖项也易主给了 OPPO Find X9 Pro 。 而且不光是 MKBHD 一家开始认可国产手机，另一位海外数码圈顶流 Mrwhosetheboss 甚至还称赞 Find X9 Pro 是 “ 最接近完美的手机 ” ，托尼有点看不懂了，这波国外媒体。。。怎么就集体抛下偏见，变成中吹了呢？ 害，可能正是因为这段时间国产手机在国外刷脸，我们的同事小柳遇到了一个很抽象的事情 —— 有一个他在澳洲留学时候认识的大叔找到他，问他能不能帮忙代购一台国产手机。 以前都是小柳求大叔代购澳洲奶粉，这波风水轮流转，大叔也开始眼馋国产手机了。。。 至于为啥不直接在澳洲买呢，托尼也去澳洲 eBay 上查了一下，第三方经销商 OPPO Find X9 Pro、vivo X300 Pro 、小米 17 Pro Max 报价都在 2000 澳元（ 9400 人民币 ）上下，一加 15 要卖到 1500 多澳元 （ 7000 人民币 ）， 至于最近国内都缺货的华为 Mate 80 Pro Max ，起售价就要 2999 澳元（ 14000 人民币 ），比 iPhone 17 Pro Max 贵多了。。。 在小柳印象里，七八年前在澳洲也有国产手机卖，但最多是一些主打性价比的中端机，现在像华为、小米、OPPO 、vivo 的旗舰在澳洲也能买到了，定价还这么高，说明现在老外选中国手机，早就不是图国产手机便宜，而是打心眼儿里觉得国产手机好用。 所以这回托尼不妨借着 MKBHD 榜单的由头，跟大家盘一盘国产手机这两年搞出来的新技术，看看国产手机的质量是怎么迭代的，又是怎么得到海内外用户认可的。 我们先从硬件设计开始说起，不知道大家有没有注意到，最近两年新机的参数越来越猛，机器本身却越做越精致、越做越薄了？ 就拿各家近两代 Ultra 来说吧，托尼给大家做了个厚度、重量和电池容量对比的表格，大家可以品品。 可以看到作为各家发力影像的集大成者，在摄像头模组体积越来越大的同时，电池容量不减反升，机身也更薄了，难道说物理不存在了？ 咳咳，三体的智子一时半会还锁不住地球物理学，能让国产手机 “ 更小却更大 ” 的秘密主要在于两点，一是内部堆叠技术的升级，二是电池技术的迭代。 关注我们硬件部 B 站的差友们可能知道，前两个月 OPPO Find X9 发布的时候我们直接拆了一台标准版，发现这代 Find 外观大改的背后，内部设计还颇有门道。 拆开手机的内部，可以看到主板各个元器件排列得很紧凑，还用了特殊的主板倒扣设计，让主板斜着插进中框，进一步利用手机内部空间。这样一来最大限度地把空间让给电池，这也让今年的 Find X9 系列全系拥有了 7000 毫安时的大电池。 荣耀、小米等厂商也都在发布会上强调过一些 “偷空间” 的设计 —— 比如荣耀 500 系列做了个类似 iPhone Air 的空间设计，硬是在 6.55 寸的手机里塞下了 8000 mAh 电池！小米17 Pro 在有背屏挤占凸起空间的情况下，也成功实现了主板的上移。 其实今年 iPhone 17 Pro 和 Air 的 “ 摄像头外凸平台 ” 设计，核心意义也是为了更极致的内部空间堆叠，这方面其实很多国产手机没有照抄这个设计也做到了。 另外不得不提的还有电池技术，其实说到底还是硅碳负极材料技术的不断进步。通过在传统石墨负极中掺入硅材料的方式，利用硅的超高理论容量来提升整块电池的能量密度 —— 从去年开始不断有 8000 、 9000 毫安时电池的手机上市，去年年底荣耀更是给兄弟们端上来一台 10000 毫安时的荣耀 Win 。。。这把谁是充电宝谁是手机，托尼真的分不清了。 看完这些国产的电池巨无霸，反过来看 Pixel 、三星四五千毫安时的电池，就真的不够看了。。。 但是一味 “ 加硅 ” 也可能会造成一些副作用，因为这种材料在充放电的时候会剧烈膨胀收缩，导致电池寿命下降。所以与其说现在各家在卷大电池，其实更重要的是卷电池寿命。 就拿荣耀的 “ 青海湖电池 ” 来举例子，它负极侧引入了 “ 多孔碳骨架 ” 和 “ 纳米硅原位气相沉积 ” 技术，让它的电池容量和寿命达到了更好的平衡。大家没必要记这些绕口的名词，只需要知道这是在传统硅碳结构上做出的创新，让电池更大的同时还能更耐用。 大电池除了能让我们正常形态的手机有更好的续航之外，还能让例如超薄、折叠屏机型的续航不再成为短板，以后产品经理就能更好地设计各种形态的产品。 vivo X Fold5 的电池已经做到 6000 毫安时了 另外在材料方面，各家厂商整的花活儿也挺多的，主打一个质量可靠、结实耐用。 先说咱们日常交互最频繁的玻璃，就说华为的昆仑玻璃，为了让屏幕更耐摔，第二代昆仑玻璃用上了透锂长石材料，再通过长时间高温环境让纳米晶体定向生长，让整片玻璃有了类似玻璃 + 陶瓷的复合结构，手滑的时候能帮屏幕分散应力、阻断裂纹扩展，不容易一摔就碎。 耐刮这块它用的是 “ 非晶态类钻碳材料 ” ，大白话说就是用了性质类似钻石的材料的透明涂层，让表面更抗刮耐磨。 具体收效如何，还记得我们一年多前暴力摔过 Mate 70 Pro+ ，正面屏幕愣是挺到了最后一轮才碎。。。没看过的兄弟们可以去考考古。 机身材料方面，最近苹果买 OPPO 折叠屏回去研究的传闻大家都听说了吧？果子对咱们国产折叠屏这么好奇，还是因为咱的机身用料有门道。 就比如说 OPPO 的折叠屏 Find N5 ，铰链吃上了 3D 打印钛合金，比 Apple Watch Ultra 3 吃上 3D 打印钛合金早了七个月。 而且要我说，这个 3D 打印钛合金用在铰链上还是挺有意义的， Find N5 上这个铰链，在保证结构钢性的同时，还让铰链翼板仅有 0.15 毫米，让整机折叠态只有不到 9 毫米，跟直板机几乎没啥两样。。。 在这么薄的机身内，更精密的铰链也让屏幕受力更均匀，再搭配更先进的超薄玻璃 （ UTG ）材料，才让折痕这么浅。 说完硬的我们再来聊点软的，为了做到大家口中的 “ 机圈德芙 ” ，这两年各家厂商在系统这块都没少花心思。 就拿 Color OS 举例子，为了保证用户日常能有一个流畅的使用体验，OPPO 祭出了繁星编译器。这个东西米罗前一阵非常感兴趣，所以他专门带人去学习了一下，大概是这么一回事儿 —— 过去安卓之所以容易卡，和它的语言体系有关。大多数安卓应用用的是 Java / Kotlin 写的，而真正驱动硬件的是 C 或者 C++ ，中间必须经过一个叫 ART 的虚拟机做翻译。 这就像一句话要经过好几个人转述，信息难免失真、效率也不高。安卓 App 里调用硬件的代码一直面临着指针损耗的问题，算力就容易被浪费。 而繁星编译器做的事情，是直接把 Java 应用代码、虚拟机逻辑和原生 C 代码统一起来进行编译和优化，让上层应用跟硬件的沟通更顺畅，实打实提升部分调用硬件的代码的执行效率。 可以做到在算力不变的情况下，代码跑得更高效，系统更不容易卡，这种流畅体验也更容易普及到非顶级处理器上。 所以虽然 ColorOS 16 都采用了自研的繁星编译器设计，但是 OPPO 在 Find 这些旗舰机上压根没宣传这个功能，反而是到了 A 系列、K 系列这些千元机入门机的宣发周期里才开始宣传这项技术。 系统聊完，我们再来聊聊影像这块儿的创新。托尼注意到，最近大家都很喜欢用联合定制这一套 —— 就说 vivo 的 “ 蓝图影像 ” ，X300 Pro 上 2 亿像素，型号叫做 HPB 的长焦镜头，就是蓝厂跟三星、联发科三方定制的传感器。 这样一来，三星在传感器上的技术、联发科的影像优化，以及 vivo 自己的影像算法，就都揉进了这颗长焦里。 主摄这块也是一样，用的是跟索尼联合定义的 LYT-828 ，做到功耗更低的情况下拥有更高的动态范围，更好地保留亮部和暗部细节。 单说影像这块给老外的震撼还真的挺多，我们编辑部的百威去国外看演唱会的时时候，用 X200 Ultra 的长焦在 “ 山顶位 ” 怼着舞台拍，旁边好几个老外问你这什么手机。。。 最后托尼还想跟各位讲讲 AI ，假如这个话题放到一年前，大家可能会觉得空洞，但是这么一年下来，哪家手机厂商的 AI 场景做得好、哪家手机的 AI 功能做得差，相信大家都有数。 然而最近最让托尼眼前一亮的手机 AI 应用，还得是豆包手机。 跟传统能陪你聊天、给你提供建议，甚至提供情绪价值的 AI 手机助手路子不太一样的是，搭载了豆包手机助手技术预览版的工程机，真的能 “ 帮你用手机 ” 。 买票、点外卖、查航班、对比价格、定闹钟，甚至能在多个 App 之间来回跳转完成复杂任务，最夸张的是，它不是走固定流程，而是能看懂屏幕文字、理解界面含义并随机应变。 我还可以让它去对比同样一份外卖，在美团和饿了么这两家平台上哪里会更便宜。。。 再配合一些定时 & 本地 AI 记忆的功能，甚至有一些很多每天重复、但又烦人的操作，可以彻底交给它自动完成，比如某些每日签到、打卡或者偷别人的蚂蚁森林能量 （ bushi ） 。 虽然豆包手机强无敌，但大家或许已经知道了，很大一部分软件已经 ban 掉了豆包手机，压根儿登录不了。。。 但托尼觉得豆包手机更大的意义或许在于秀肌肉，摆明了告诉厂商你们不再需要肝 AI 了，全套用我的方案就得了 —— 你们猜哪些厂商会心动？ 最后给大家做个总结吧，今天给大家盘了一些国产手机近年来的新技术之后，相信大家也能看出来，国产手机最近两年能开始折服外媒，并且在海外博主那里拿到这么高的评价，其实都在情理之中。 正所谓罗马不是一天建成的，这成绩的背后更多是多年技术积累和持续投入的结果。今天我们也只是挑了一部分产品的亮点，简单跟大家聊了聊，真要坐下来跟各家的产品经理细聊，估计讲到过年都未必讲得完。 如果非要说国产手机这两年做对了什么，那就是没把技术往复杂、炫技的方向发展，而是逐渐明白，技术的终点从来不是参数本身，而是以人为本。无论是设计、系统、影像，还是 AI 等等方面的进步，本质上都是在让设备更好用、更省心，也带来更好的使用体验。 什么是好技术呢，能不能被用户感知、愿不愿意长期使用，或许才是它最重要的价值所在。

马斯克抛出了一个极具压迫感的论断：从知识体系到医学院教育，从社会分工到货币逻辑，人类文明将被 AI 彻底重构 这番“超音速海啸”般的预言，让无数中产阶级脊背发凉。 但这并不是终局。如果我们剥离掉科幻滤镜，会发现马斯克只说对了一半 ——他看到了存量的被替代，却忽略了增量的不可知。 一、知识分两种：AI 会的和 AI 不会的 马斯克在访谈中自信地表示，随着算力的指数级增长，AI将在极短的时间内超越人类群体智慧的总和。他认为这是一种必然的数学结果 然而，这种观点存在一个巨大的认知盲区，那就是混淆了“知识的存量”与“知识的增量”，或者说混淆了“通用知识”与“探索能力” 1. AI的优势：抄 我们必须承认，在“通用知识” 即那些争议较少、已经被人类经验反复验证并记录在案的信息——这一领域，人工智能确实拥有人类无法比拟的优势 想象一下，一位致力于研究历史的学者，或者一位需要学习海量案例的律师。他们终其一生，即便不眠不休，所能阅读和记忆的文献也只是浩瀚书海中的沧海一粟。人类的碳基大脑受限于记忆带宽和寿命，无法承载文明的全部重量。但对于AI而言，这仅仅是数据处理的问题。它可以在几天内遍历世界各地的图书馆，整合所有已知的化学方程式、历史年表和法律条文 在这个层面上，马斯克是对的。原本需要像是“活字典”一样的学者去记忆的东西，现在AI唾手可得。那些依靠死记硬背、依靠信息不对称而存在的“知识精英”，确实将被这股“AI海啸”吞没 2. 人类呢：勇闯“无人区” 但是，智能的本质不仅仅是存储和检索，更在于“能力” 这种能力，是对未来发展的探索和预测 科学的进步，往往诞生于对现有知识的怀疑，而非对现有知识的复述。真正的科学家，他们的核心竞争力在于判断现有的知识中哪些可能是过时的、错误的，并在此基础上提出新的假设，设计新的实验来验证这些假设。 这就好比我们面对一种未知的绝症，比如阿尔茨海默症或某种复杂的癌症。现有的医学文献中并没有确切的答案，只有无数的假说和碎片化的实验数据。如果让AI来处理，它或许能完美地总结出目前所有的假说，甚至根据概率排列出最可能的路径。但它目前尚不具备那种“灵光一现”的直觉，去提出一个前人从未设想过的全新视角——就像爱因斯坦提出相对论，或者李政道从不对称的角度思考物理问题那样。 AI是基于已有的数据训练出来的，它是过去的投影。而人类顶尖科学家的探索，是面向未来的跃迁。目前来看，AI可以取代平庸的大众进行信息的排列组合，但在高度细分的前沿领域，它依然无法取代那极少数具有“颠覆性想象力”的人类大脑 二、医学院何去何从 顺着知识论的逻辑，我们再来看马斯克关于教育的激进观点 他在访谈中直言不讳地指出，现在的医学院教育效率低下，培养一名外科医生需要非常漫长的时间，而未来的擎天柱机器人（Optimus）只需要一定的数据积累，就能在手术精度和经验广度上超越所有人类医生。 他甚至暗示，现在的大学更多只是为了社交体验，而非知识获取 马斯克的这个观点，同样需要辩证地看。 1. 标准化手术：人类确实干不过AI 如果是指那些高度标准化、依赖手眼协调和重复经验的外科手术，马斯克的预言极有可能成真。比如切除阑尾、白内障手术或者是骨折复位。机器人拥有更加稳定的机械臂，不会手抖，拥有红外视觉和微米级的操作精度。 在这些“技艺”层面，人类医生多年的经验积累——比如“切过一千个阑尾”的手感——在机器人共享的云端数据面前显得微不足道。一个机器人学会了，所有机器人就都学会了。在这个意义上，培养“手术匠人”的传统医学教育确实显得过时且昂贵 2. 医学不只是开刀，还有很多“未解难题” 然而，医学并不仅仅是“切除病灶”。对于脑外科这样极其复杂的手术，或者对于病因尚不明确的疑难杂症，AI在很长一段时间内依然难以企及人类的判断力 更重要的是，医学教育的本质不仅仅是技术训练，更是逻辑思维和伦理判断的训练。马斯克认为医学院无用，是因为他将医生看作了“修理工”。但如果我们把医生看作是“探索者”，结论就完全不同了。 未来的医学院依然有用，但必须进行彻底的改革。 3. 未来不用拼记忆力，“坏孩子”才吃香 既然AI已经接管了“通用知识”的存储，那么我们的教育就不应该再奖励那些擅长记忆的学生 过去的教育体系，选拔的是像著名学者钱钟书那样博闻强记的“学霸”。但在AI时代，记忆力再好也比不过搜索引擎和数据库，这类人才的价值将大幅缩水 未来的教育，应当去培养和选拔那些“调皮捣蛋”的学生 这里的“调皮”不是指行为上的破坏，而是指思维上的叛逆。他们是那些敢于向老师提出刁钻问题、让老师哑口无言的人；是那些不满足于标准答案，想要探索知识边界之外的人 就像OpenAI创始人Sam Altman所推崇的“斜率大于截距”原则：不要看候选人当前掌握了多少存量技能（截距），那是AI可以瞬间填充的；要看他面对未知事物时学习的速度和好奇心的强度（斜率） 好的教育，不应再致力于批量生产高“截距”的优等生，而应去寻找那些拥有惊人“斜率”、能与AI共同进化的探索者。 三、马斯克： “全民高收入”，是馅饼还是空想？ 马斯克对未来社会的构想极具诱惑力：AI和机器人将实现物质极大丰富，人类将走向“全民高收入”社会，甚至“任何人都可以拥有他们想要的任何东西”，但当我们跳出“物质丰裕”的单一维度，会发现这个构想存在明显的现实漏洞——它忽略了人类需求的本质和社会运行的基本规律 1. 马斯克：AI 能实现 “全物质免费” 马斯克的核心依据是，AI和机器人将彻底颠覆生产方式 人形机器人擎天柱将取代所有蓝领劳动，AI将接管大部分白领工作，生产效率的指数级提升会让商品和服务的成本趋近于零 他以特斯拉工厂为例，目前特斯拉已经实现每一两分钟生产一辆汽车，而训练自动驾驶模型的数据中心，消耗的能量比汽车生产本身还要多。这意味着，未来“物理生产”的成本将远低于“数字生产”，而AI的普及会让“数字生产”的成本也快速下降。当生产不再受限于人力和资源，物质自然会走向极大丰富，“全民高收入”本质上是“全民高福利” 人们不需要工作，就能免费获得基本生活资料 从理论上看，这个逻辑是自洽的。就像工业革命让粮食产量翻倍，解决了温饱问题；信息革命让信息传播成本归零，实现了知识普及；AI革命也可能让物质生产成本归零，实现“物质普及” 2. 现实的困境：人的需求有限，且不止于物质 但马斯克忽略了两个关键前提：一是人的时间和空间是有限的，二是人的需求是多元的，且精神需求远大于物质需求 一个人就算拥有无限的财富，也不可能同时住在十套房子里，不可能每天环游世界——人的时间和精力决定了，物质的“无限供给”无法转化为“无限消费” 就像现在的中产阶层，已经基本实现物质满足，但他们的焦虑并未减少，反而转向了教育、健康、精神体验等“非物质需求” 更重要的是，“全民高收入”如果以“发钱”的形式实现，会引发严重的社会问题。美国纽约、旧金山等城市曾试点“全民基本收入”，结果导致大量外来人口涌入，当地的公共资源不堪重负，最终不了了之。马斯克的构想忽略了“人性的弱点”——当劳动不再是生存的必需，一部分人会陷入惰性，但另一部分人对“自我实现”的需求不会消失，这种差异会导致新的社会分化，而非“共同富裕” 3. 未来不是赚大钱，而是过好自己的小日子 与其追求不切实际的“全民高收入”，不如期待一种“适应性自然生活”（Adaptive Natural Life）。这种生活模式的核心，是让人们摆脱物质束缚，根据自己的兴趣和需求选择生活方式，而非被“收入”定义 比如，喜欢田园生活的人可以搬到郊区，通过AI和机器人实现农业自动化，过上“采菊东篱下”的日子；喜欢科研的人可以接入全球共享算力，在自己感兴趣的领域自由探索，不需要为经费和生计发愁；喜欢艺术的人可以通过AI工具创作，将作品直接传递给全球受众，获得精神和物质的双重回报 这种未来的本质，是“去货币化”的生活重构——人们不再为了赚钱而工作，而是为了兴趣而创造。就像老子在《道德经》中描绘的“鸡犬之声相闻，老死不相往来”，不是封闭孤立，而是每个人都能在自己的领域实现自我满足。马斯克的“全民高收入”是物质维度的终极构想，而“适应性自然生活”是精神维度的终极追求，后者更符合人类社会的发展规律 四、能量真能替代货币吗？ 马斯克在访谈中抛出一个颠覆性观点：“未来的货币基本上只是瓦数”，言外之意是，随着AI和新能源的发展，能量将取代货币，成为全球唯一的流通媒介。这个观点看似天马行空，却触及了货币的本质和未来经济的核心逻辑 1. 马斯克的逻辑：能量是所有价值的核心 马斯克认为，所有商品和服务的价值，本质上都是“能量的转化”。粮食的生长需要太阳能，汽车的行驶需要化学能，AI的训练需要电能——能量是所有经济活动的底层基础 当AI和机器人实现物质极大丰富后，商品的“稀缺性”将消失，货币作为“稀缺性度量工具”的作用也会随之失效。而能量作为一种“绝对稀缺”的资源，将成为新的价值锚点。比如，一个人的财富不再以美元、人民币衡量，而是以他能支配的能量（瓦数）衡量——你能支配的能量越多，就能获得越多的商品和服务 这个逻辑在AI时代有一定的合理性。AI训练需要消耗大量电能，机器人运行需要能量，甚至人类的基本生活也离不开能量。当能量成为所有经济活动的“硬通货”，货币的虚拟化和最终消失，似乎是必然趋势。马斯克甚至开玩笑说，“未来你不需要为退休储蓄，因为能量会满足你的一切需求” 2. 货币的本质：信用 但马斯克忽略了货币的核心功能【信用背书，而非价值度量】 货币从诞生之初，就不仅仅是“价值载体”，更是“信用契约”。无论是古代的金银，还是现代的纸币、数字货币，其本质都是政府或社会认可的“信用凭证”。政府通过发行货币，维持社会的交易秩序和资源分配；人们通过持有货币，获得对未来价值的预期 美元之所以能成为全球储备货币，并非因为它本身有价值，而是因为美国的军事、经济实力为其提供了信用背书；人民币的国际化，本质上也是中国国家信用的全球化。货币的消失，意味着国家信用的消失，而只要国家存在，货币就不可能被完全取代 马斯克的错误在于，将“价值的底层载体”（能量）与“价值的流通媒介”（货币）混为一谈。就像石油是工业的“血液”，但石油从未取代货币——能量是经济活动的基础，但货币是经济活动的“润滑剂”，二者各司其职，无法相互替代 3. 未来货币的演变：能量+信用 短期来看，货币不仅不会消失，反而会因为AI和国家竞争的加剧而变得更加重要。中美AI竞争的核心，本质上是人民币和美元的“信用竞争”——谁的货币能获得更多国家的认可，谁就能在全球AI产业链中占据主导地位 长期来看，货币可能会出现“能量化”趋势，但不会完全被能量取代。比如，未来的数字货币可能会与能量消耗挂钩，一个国家的货币发行量，不再基于GDP，而是基于其能源产能；个人的财富积累，也可能与“能量节约”“绿色能源创造”相关联。但这种“能量化”的货币，依然需要国家信用作为背书，本质上是“能量价值”与“信用价值”的结合 马斯克设想的“能量直接作为流通媒介”，只有在全球实现“无国界化”“无政府化”的前提下才可能实现。但只要国家存在，竞争存在，信用就不可或缺，货币也将长期存在 结语：在AI浪潮中，人类的终极价值是什么？ 马斯克的访谈像一面镜子，照见了 AI 时代的无限可能与深层焦虑。他精准捕捉到 AI 在存量知识、标准化技能和物质生产上的碾压性优势，抛出 “知识贬值”“教育失效” 等激进预言，却忽略了人类文明的核心 —— 探索未知的好奇心、突破边界的想象力，以及对意义的追求 AI 终将垄断所有 “从 1 到 N” 的效率复制 —— 它会成为最完美的知识库，让博闻强记的学者失色；成为最精准的机械臂，让重复劳动的工匠面临转型；成为最高效的生产机器，让物质不再稀缺。而这种 “垄断” 恰恰倒逼人类退守 “从 0 到 1” 的创新高地，这里没有标准答案、满是混沌与未知，却是文明进步的真正源头。 未来社会的二元分工将格外清晰：AI 管 “效率”，解决 “如何做”，创造物质财富；人类管 “意义”，决定 “做什么”，追求精神富足，就连医学院、教育体系、货币也会随之转型 —— 从 “手术匠人培训营”“知识灌输工厂”“物质稀缺的度量”，分别变成 “疑难杂症探索所”“好奇心孵化基地”“精神价值的载体”。 面对 AI 这波超音速海啸，不必恐慌也无需盲从，人类的尊严从不是 “比机器更熟练”，而是 “比机器更不同”。奇点之后，真正的强者不是和 AI 拼算力，而是与 AI 共生、在未知领域开辟新赛道的人，只要好奇心不灭、想象力不死，人类就永远不会被取代 —— 我们是创造者，而非被创造者 AI 不是来淹没人类的，而是来重塑人类的。我们要做的不是筑墙抵御，而是学会冲浪，在浪潮之巅找到属于人类的终极价值。

其实「营销」本身是个非常中性的词，但被有些人刻意污名化了。 在最近直播里，雷军聊到了一个让他感到生理性反胃的标签：营销大师。他表示，这个头衔在很大程度上抹杀了小米在研发层面的所有努力。一旦产品卖得好，外界总会习惯性地把功劳记在「能言善辩」上。 在现如今的简中互联网里，营销，似乎就等同于欺骗。 不过，这样的认知也并不全然归咎于外部声音的推波助澜，厂商的扭曲的营销动作也是导致这一词汇走向反面的推手。 如果参考那些真正成功的全球品牌，你会发现海内外对营销的理解存在巨大的偏差。 耐克在过去几十年的经典广告里，几乎从未推销过鞋子本身，他们一直在做的事只有一件：致敬运动员和竞技精神，来和用户建立更深层的情感连接。 马斯克的《秘密宏图》通篇没有讨论具体的内饰或配置，他输出的是关于「加速全球可持续能源转型」的愿景。这种叙事让早期的特斯拉用户即便面对各种做工瑕疵，依然愿意保持极高的忠诚度，因为他们是在为那个宏大的图景投票。 这些品牌很清楚，营销，目的在于通过展示品牌的独特性，来吸引志同道合的人。反观国内的一些品牌，他们的营销，只能称得上是销售。 在参数内卷中挣扎 品牌对营销的理解，往往在其发布会上可见一斑。 这几年看了不少发布会，我也总结出来一些规律：海外品牌倾向于与自身过往比较，突出自身的进步与发展；自主品牌则更喜欢与竞品对比，强调自身的优势。而这种过度依赖高频参数竞争的做法，一定程度上是为了掩盖品牌价值的缺失。 中国车企普遍表现出一种机会主义倾向。 过去十几年里，中国厂商通过极强的市场洞察力，精准地捕捉到了每一个阶段的消费红利。当消费者需要空间时，大家都在做大尺寸车身；当消费者青睐智能化时，所有人都在比拼屏幕尺寸。 这种做法在商业上极度成功，让中国品牌在极短的时间内完成了原始积累。这种逻辑催生出了一大批「六边形战士」式的全能工具。这些车看起来配置拉满，挑不出明显的短板，但也因此变得极其无趣。 因为在追求最大公约数的过程中，品牌最核心的棱角被磨平了。 这样的造车逻辑，与那些真正具备图腾感的品牌有着明显的不同。奔驰宝马这些就不提了，免得又有人说恰饭，我们换一个行业聊。 就拿摩托车品牌来说，我们可以观察一下 KTM 或者阿普利亚。 KTM 作为一个以竞技为核心的品牌，他们的产品逻辑颇为极端。为了追求极致的性能表现和轻量化，他们可以接受发动机的高频振动，可以忍受像木板一样硬的坐垫，甚至在一定程度上忽视了部分零部件的寿命。 他们非常清楚自己的自画像：为那些渴望驾控的人提供玩乐的工具。Ready to race，也成为了一句深入人心的口号。 阿普利亚同样如此，尽管这是一个非常年轻的品牌，但他们从诞生之日起就一直在坚持赛道叙事，他们的每一台车都在向外界传递一种战斗感，即便是入门级产品。阿普利亚并不想让所有人都喜欢它，反而通过这些看起来不近人情的特性，精准地筛选出了最核心的用户群。和 KTM 一样，阿普利亚也有他们的口号：Be a racer。 诚然，这两个品牌的策略确实有些激进，但不可否认的是，这样的方式建立了一种极强的排他性和归属感。 用户买下这些品牌，实际上是在购买一种被品牌验证过的态度和审美。 相比之下，中国品牌目前表现得非常心虚。大家不敢得罪任何一个潜在用户，生怕因为坚持某种独特的审美或性能倾向而流失销量。 当一个品牌试图让所有人都满意时，它最终只能沦为一个提供功能性服务的工具。 聊到这里，肯定又会有朋友说，现阶段的中国车企，活下去才是最重要的。 的确，这种不敢放弃任何一个用户的做法，背后也有着现实考量。现在的市场消费环境和以前不一样了，过去几年，大厂裁员、资产缩水，还有就业市场的起伏，这些都悄悄改变了大家的消费心态。 国内目前其实缺乏一个稳定的、愿意为品牌文化溢价支付持续费用的土壤。对于绝大多数中国用户来说，车是家庭中仅次于房子的大额支出，这就决定了大家在选择时的心态是极度理性的。 在这种环境下，性价比成了最高的生存指标。当大家兜里的预算在缩水时，情怀和价值观就成了极其奢侈的东西。 叙事方式的平庸化，是中国车企在面对生存压力时做出的一种妥协。这种妥协虽然保住了当下的销量，却也让中国汽车品牌在全球范围内的文化输出变得极其困难。 我们能造出性能出众的代步车，甚至能造出在性能上超越超跑的产品，但始终缺乏一种能让全球用户产生情感共鸣的品牌图腾。 拿回定义行业的权利 要论营销能力，小米的确是国内车企里最强的那一批。这句话不带贬义，也不否认小米的研发能力和产品力。 最典型的例子是，小米 SU7 Ultra 最近被收录进《Gran Turismo 7》（GT 赛车 7），成了这款顶级赛车游戏诞生近三十年来，第一款来自中国的车型。 这称得上是中国汽车工业最成功的一次「文化出海」，但在这种高光之下，SU7 Ultra 的营销话语里依然藏着一种复杂的心态。 即便拿到过「纽北史上最速量产电动车」的称号，即便已经获得了《GT 赛车》的文化背书，但它依然在用「50 万对标百万性能」的传播口径去寻找某种极具竞争力的价格身位。 你看，大家还是习惯于借用性价比的话语体系，来换取市场的安全感。 这种谨慎是可以理解的，但也暴露了中国品牌迈向图腾化过程中的瓶颈。我们太习惯于通过「回答用户的问题」来设计产品：用户说续航不够就去卷电池，说智能不行就去堆算力。这种被动响应需求的行为模式，实际上是把产品的定义权交给了市场。 而那些真正具备全球影响力的品牌，核心能力在于敢于制定标准，并教育用户去接受这一套标准。而要实现这种转变，首先要对内部资源的分配，来一次大调整。 在一个健康且具备向上能力的汽车企业里，大部分的资源应该被投入到那些走群众路线的普及型产品中，这部分业务就是企业的生命线。而剩下的预算和精力，应该被投入到那些不考核销量的项目里。 花这些钱的唯一目的，就是展示品牌的技术上限和价值观。在这个极小的区间里，厂商应当彻底放弃讨好多数人的心态。哪怕这款车因为太硬核、太怪异而只能吸引极少数的拥趸，它在品牌层面的战略意义，也远超那些走量的家用车。 就拿小米 SU7 Ultra 来说，它做得很好，但它完全可以做得更好。 依旧拿摩托车来举例，长城的八缸摩托——灵魂摩托。从纯粹的商业逻辑来看，研发这样一款高成本的产品并不明智，因为它注定无法贡献大规模的利润，20 多万一辆的摩托车也不是谁都舍得买的。 但从品牌建设的角度来看，这是中国品牌第一次在机械复杂度最高的顶级摩托车领域，向全球输出了自己的理解，也为整个品牌锚定一个精神高度。 敢于放弃一部分用户的胆量，才是成就品牌图腾感的前提。 管理学专家彼得·德鲁克说过，营销的最终目的是让销售变得多余。当你的品牌已经通过少数极致的产品，建立起某种特定的文化共鸣时，用户在选择你的时候，就已经完成了对你价值观的认同。 这时候，你不再需要通过苍白的参数对比去说服他，品牌本身已经成为了一种高效的筛选机制，让志同道合的人自动向你靠拢。 文 | 李华

IT之家 1 月 18 日消息，realme 真我官方今天在微博宣布 Neo 8 手机支持 IP66+IP68+IP69 满级防尘防水，号称“旗舰体验无短板”，1 月 22 日晚 19:00 正式发布。 据介绍，这款手机搭载超声波 3D 指纹识别，可“湿手秒解”，正面覆盖晶铠玻璃盖板，号称“更耐磨更耐刮”，拥有 X 轴线性马达、超线性立体扬声器，可带来沉浸游戏体验，还带有双频 GPS、三频北斗、GPS 增强天线，带有多角度 NFC、红外遥控功能。 IT之家整理真我 Neo 8 硬件配置如下： 第五代骁龙 8 x 极客性能面板：358W 跑分，首发自定义温控调节 旗舰级超高速存储组合：LPDDR5X+UFS4.1 大气流冷锋散热系统：39225mm² 散热总面积，2000W/m·K 散热系数， GT 性能引擎：先知能效调度、芯片级超帧渲染 据IT之家此前报道，有爆料称真我 Neo 新机有同档唯一 50Mp 潜望长焦，配备 3D 超声波指纹 + 满级防水，同时内置 8000mAh 级别电池。另外，新机还将搭载 6.78 英寸 1.5K 165Hz LTPS 三星大直屏。

IT之家 1 月 18 日消息，荣耀终端股份有限公司产品线总裁方飞昨日发文梳理和回答了网友关心的问题，包括新品发布会看点、Magic8 Pro Air 影像能力 / 续航能力 / 机身结构强度等。 IT之家整理问答重点内容及原文如下： 同台亮相三款新品，代表荣耀三个不同设计方向上的发力（预计包括 Magic8 Pro Air、Magic8 RSR 保时捷设计、数字 500 Pro MOLLY 20 周年限定版） 荣耀 Magic8 Pro Air 不片面追求“薄”，而是努力达成极致堆叠，实现轻薄与性能兼顾 荣耀 Magic8 Pro Air 搭载 Magic8 Pro 同款 5000 万像素大底主摄，把轻薄机影像能力拉入行业第一序列 荣耀 Magic8 Pro Air 打造安卓首个 AI 变焦阵列闪光灯，深度融合自研闪光人像算法 荣耀 Magic8 Pro Air 青海湖电池还有黑科技，发布会揭晓 荣耀 Magic8 Pro Air 迭代了机身结构，中框选用超强航空铝合金，抗弯折能力强于 iPhone Air

快科技1月18日消息，近日，小米中国区智能硬件市场负责人分享，小米运动健康App目前已接入了蚂蚁阿福。 在睡眠、心率界面都可以直接点击让阿福分析数据，并支持通过AI给一些初步的健康建议。 上个月，蚂蚁集团AQ品牌升级为“蚂蚁阿福”后，还升级健康陪伴、健康问答、健康服务三大功能。 其中，新增加的健康陪伴的功能板块，用户可以通过首页的“健康小日记”模块，记录自己的健康状况。 同时，“蚂蚁阿福”还开放接入了苹果、华为、vivo、鱼跃、欧姆龙等九大品牌智能设备。 用户绑定设备即可同步日常健康数据，在首页查看运动量、心率、睡眠时间等。 目前，“蚂蚁阿福”最新的月活跃用户数已达3000万，用户单日提问量已超1000万。

快科技1月18日消息，2025年12月，雷蛇宣布将与韩国YG娱乐公司旗下K-pop女子组合BLACKPINK展开联动，推出限量版联名外设产品。 今日，雷蛇正式发布BLACKPINK联名外设阵容，涵盖炼狱蝰蛇标准版游戏鼠标、雨林狼蛛V3竞技版机械键盘、巨甲虫V2鼠标垫以及水神X电竞椅。 本次联名外设整体采用粉色美学设计，产品上均印有“DEADLINE”字样，喜欢电竞的BLACKPINK粉丝很难不心动。 目前，雷蛇尚未公布BLACKPINK联名外设的具体售价及发售时间。 据了解，《DEADLINE》是BLACKPINK继2022年9月发行第二张正规专辑《BORN PINK》之后，时隔3年5个月再次以完整体形式推出的新专辑，将于2月27日正式发布。 因此，雷蛇与BLACKPINK的联名外设产品，预计将在新专辑发布前后开售。

IT之家 1 月 18 日消息，荣耀终端股份有限公司旗舰手机产品经理李坤发文，对即将发布的 Magic8 Pro Air 进行了预热，新机确认支持 eSIM，搭配实体 SIM 卡可实现四卡双待。 另外，荣耀 Magic8 Pro Air 还保留 IP68 & IP69 防尘防水，采用自研高强 7 系铝合金，并搭载 HONOR Sound 立体声双扬声器。 荣耀 Magic8 Pro Air 及荣耀联名设计系列新品发布会将于 1 月 19 日 19 时 30 分举办，IT之家整理该机已曝光 / 公布的参数信息如下： 型号：LDY-AN00 性能：天玑 9500 处理器 屏幕：6.31 英寸 1.5K+120Hz LTPO 四等边小直屏 | 分辨率 2640×1216 | 4320Hz PWM 调光 通信：支持 eSIM 规格：提供 16GB+512GB 版本（京东预约活动显示，该机提供 256GB / 512GB / 1TB 规格）| 支持 16GB 智慧运存 电池：5500mAh 青海湖电池 | 80W 有线充 + 50W 无线充 增益：自研能效增强芯片 HONOR E2 配色：拥有黑、白、紫、橙四款配色 影像：后置 50Mp 1/1.3" F1.6 主摄 +50Mp 超广角 +64Mp 1/2" F2.6 潜望长焦（支持 74mm 3.2X 光变）| 前置 50Mp 镜头 防护：保留 IP68 & IP69 防尘防水 设计：机身尺寸 150.5*71.9*6.1mm | 重量 155g 其他：3D 超声波指纹 | 满级防水 | 2D 人脸 | 独立 AI 键 | 双扬声器

快科技1月18日消息，荣耀Magic8 Pro Air将于1月19日正式发布，新机将旗舰性能与极致轻薄设计融为一体。 发布前夕，荣耀产品线总裁方飞发文，回应网友对新机的多项关注问题。 对于如何看待很多人将荣耀Magic8 Pro Air与iPhone Air对比的问题，方飞表示，在荣耀Magic8 Pro Air上，荣耀不片面追求“薄”，而是领先行业，达成极致堆叠，实现轻薄与性能兼顾。 荣耀Magic8 Pro Air在仅6.1mm的超薄机身中，塞入了旗舰级三摄，其中主摄是与荣耀Magic8 Pro同款的5000万像素大底主摄，同时配备5000万像素超广角镜头、6400万像素潜望式长焦镜头。 这是行业内影像最强、焦段最全的Air，完胜iPhone Air的4800万单摄方案。 此外，荣耀Magic8 Pro Air还是安卓阵营首款搭载AI变焦阵列闪光灯的机型，采用5灯阵列结构，最大光输出总量达到业内TOP 1，采用自研双段打闪技术。 机身结构方面，该机中框使用超强航空铝合金，荣耀实验室验证其抗弯折能力强于iPhone Air。 其他配置上，荣耀Magic8 Pro Air正面配备6.31英寸OLED屏幕，搭载天玑9500处理器，内置5500mAh青海湖电池，支持80W快充。

快科技1月18日消息，今日，红魔游戏手机宣布，红魔11 Air将搭载7000mAh牛魔王电池，这是Air史上最大电池。 同时支持120W快充，支持旁路充电，绕过电池直供主板，持续畅玩不发烫，提升电池寿命。 性能上，该机搭载骁龙8至尊版、自研电竞芯片红芯R4，配备LPDDR5X Ultra内存与UFS4.1闪存。 红魔11 Air配备驭风4.0主动散热风扇，成为行业唯一内置风扇的Air，号称同档散热天花板。 新机还拥有行业首创的航空铝风冷支架，具备高效风冷散热通路，行业首创超厚冰阶VC，均热能力提升47%。 红魔11 Air配备6.85英寸1.5K真全面屏，支持144Hz刷新率和2952Hz高频PWM调光，1.25mm同档最窄边框，屏占比高达95.1%。 该机可选星辰白、量子黑、极光银三款配色，全系透明设计，机身背部为弧形玻璃后盖，配备RGB灯效。

IT之家 1 月 18 日消息，博主 @数码闲聊站 昨日发文透露，华为 Mate 80 单品激活 150W，逆袭成年底国产旗舰第一。 博主还在评论区补充信息，称系列销量第一是小米 17 系列，单品销量第一是 Mate 80。另外，华为 Mate 80 Pro 系列机型激活量也已突破 50 万。 另据IT之家昨日报道，华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东透露，华为 Pura 80 系列、Pura X 等 HarmonyOS 6 机型将于 1 月底陆续推送 OTA 升级，新增 AI 沾色、相机春节水印、碰一碰烟花特效等玩法和新功能。

IT之家 1 月 18 日消息，蔚来乐道汽车今日发文，截至 1 月 17 日，乐道已增投超 6680 块全新电池，电池翻倍计划整体进度达成 83.50%。1 月将完成超 8000 块全新电池包的增投目标，实现电池翻倍。 IT之家注意到，乐道汽车于 2025 年 12 月 5 日发布全国换电站电池翻倍计划，将向换电网络增投超 8000 块全新电池包，原定于 2026 年 1 月中旬完成。 官方称，届时全国换电网络中乐道电池数量将达到计划前的 2 倍以上，可满足春运高峰的换电需求，并为后续快速增长的用户规模长期提供领先、便捷的补能体验。电池的增投已于 2025 年 11 月启动。 IT之家注：乐道汽车是蔚来旗下第二汽车品牌，成立于 2024 年 5 月 15 日。2025 年 10 月 18 日，乐道品牌迎来第 10 万台新车交付。

加拿大车队管理软件公司Geotab最新发布的一项大规模实车研究显示，在真实使用环境下，轻型电动汽车的动力电池平均每年容量衰减约2.3%，意味着在使用约13年后，电池容量仍可保持在初始水平的大约75%。 这一结果在全球汽车从燃油车向电动车缓慢过渡、消费者普遍担心电池寿命的背景下，被认为为电动车的长期使用前景提供了重要信心。 研究基于自2020年以来积累的车队运营数据，覆盖了超过2.27万辆电动汽车，涉及21个品牌和车型，均为在路上实际运营的轻型电动车。 在这份被称为“2025电池健康研究”的报告中，Geotab对这些车辆的电池健康状况进行聚合分析，得出的年均2.3%容量衰减被该公司换算为“13年或更长”的电池生命周期评估结论。 按照这一衰减速度，哪怕经历十余年的日常使用，大多数电动车电池依然能够维持近四分之三的原始容量，这一水平通常依旧可以满足通勤和日常出行需求。 与之对比，美国一家汽车保险公司The Zebra在2024年的研究显示，美国车主保有时间最长的车辆平均仅约为8年，这意味着对多数用户而言，电动车电池的技术寿命很可能长于整车的持有周期。 Geotab因此判断，无论对商业车队还是普通个人用户，电动车在耐用性层面都已具备现实可行性。 不过，报告也指出，电池衰减在不同车型和不同用车环境之间存在明显差异，受车型设计、充电习惯、所处气候条件和使用工况等多重因素影响。 其中，频繁使用直流快充以在短时间内补入数百公里续航，会因为充电过程中的高温负荷而加速电池老化，相比之下，功率较低、时间较长的二级交流充电对电池更为温和。 有趣的是，Geotab在2024年发布的上一版研究曾给出更低的平均衰减率——约每年1.8%。 对于今年数据略有抬升的原因，Geotab解释称，一方面新一轮报告所依托的数据样本更大，统计覆盖更全面；另一方面，所监测车辆在2025年前后对快充的使用频率有所增加，叠加样本结构变化，共同推高了统计得到的平均衰减水平。 Geotab还在报告中用图示解释了电池衰减现象：随着时间推移和循环充放电次数增加，电池可用能量逐步下滑，其背后既包括充电策略与习惯，也包括车辆日常使用强度和环境温度等物理因素。 在气候更为极端、频繁深度放电或经常满电存放的场景下，容量退化往往会更为明显。 从环境角度看，其他研究显示，电动车在上路约两年后，其全生命周期碳足迹便开始低于同级燃油车，这意味着在后续的多年使用过程中，排放优势会不断扩大。 加上业界已开始出现半固态电池等新一代技术方案，这类电池被寄望于实现更长的循环寿命和更优的安全性，从而让电动车在全寿命周期内行驶更多里程，同时在二手市场上保持更好的保值表现。 随着监测样本不断扩大以及更多充电行为与气候变量的加入，未来有关电动车电池寿命的统计图景和使用建议，有望进一步细化到不同车型、地区与应用场景层面。

快科技1月18日消息，蔚来官方宣布，在正式开启交付后的第120天，蔚来全新ES8成功交付突破50,000台。 对于一款起售价超40万元的全尺寸纯电SUV而言，上市不到2月时间，就实现了交付破万的成绩，在国内细分市场中，已属于绝对的爆款车型。 蔚来官方数据显示，在正式交付41天，蔚来全新ES8累计交付量已破万台，创40万元以上纯电车型交付破万的最快纪录；70天时，蔚来全新ES8交付破2万台、89天交付破3万台、100天交付4万台。 据了解，全新ES8于9月20日上市，共推出3款车型，电池买断价格为40.68-44.68万元，采用Bass电池租赁方案，更是仅需29.88-33.88万元。相较于上一代ES8，全新ES8直接降价十多万元，价格成为全新ES8的一大杀手锏。 并且，全新ES8长宽高分别为5280/2010/1800mm，轴距达到3130mm，为国内体量最大的纯电SUV。 作为全场景科技旗舰SUV，全新ES8配备全域900V高压架构，标配102度电池，CLTC续航达635km。配备神行智享底盘，标配智能双腔空气悬架+最新一代采埃孚外置阀CDC，4D全域舒适领航新增车道级感知能力。 在蔚来全新ES8、乐道L90两款大型SUV的带动下，蔚来12月份销售新车48135台，创历史新高，同比增长54.6%。 而在本月初，蔚来更是达成100万台交付的成就，正式迈入以高质量增长为核心目标的第三发展阶段。