众力资讯网

据彭博消息，应用材料公司与英特尔将合作开发人工智能芯片技术。​​​

10月5日彭博社说，华为和高通签了多年广专利互用协议，管5G、人工智能、近封装光学、网络这些，高通还买了华为在美国的部分计算和人工智能专利，更拿到逻辑折叠芯片技术授权。算下来高通是掏钱那一方，因为华为给高通的专利更值钱。为啥高通急？今年高端机用台积电代工的高通骁龙8EE6，小米18Pro、荣耀Magic9ProMax、iQOO16、红魔12Pro+、摩托罗拉Signature27、一加16Pro，跑大游戏久一点就黑屏重启。查着像超大核硬标5GHz，电压供不上，触发保护，只能降到3.5GHz用，性能被华为麒麟9050Pro反超。苹果A20Pro早前也死机，虽是软件锅，但2纳米这条路真快到头了。2纳米研发超7亿美元，1纳米不是15亿而是超20亿，量子隧穿、漏电、细导线电阻大、串扰都来。摩尔定律基本瘫了。华为不硬缩制程，把逻辑芯片分多层，用纳米级键合当一块SoC做，跨层时钟、散热、应力都得啃，但7纳米叠几层能顶1.4纳米，2纳米叠了往0.5纳米以下走。这才是硅基后段钥匙。有人骂华为把美国专利卖给高通没骨气。其实华为进不了美国市场，专利搁着也是搁着，不如换钱。但不是谁都能卖出去，得有硬货。高通再牛也怕后面有人踩油门，才肯当净付方。说白了，制程卷不动就换路线，谁先把逻辑折叠跑顺，谁拿下一代主动权。华为这回不是输家，是把路走宽了。华为技术竞争高通涨超11%高通技术论坛高通反垄断调查高通股价高通涨超9%高通涨15%

外媒：美国初创公司ReflectionAI发布了开源权重模型Beam，目标是在开放式人工智能领域挑战中国企业的优势。该模型主要面向代码生成、推理和智能代理任务。公司称，Beam的性能可接近智谱AI的GLM-5.2，并接近阿里Qwen3.8-Max的编程和代理能力，但在综合能力上仍落后于月之暗面的KimiK3。Beam采用“混合专家”（MoE）架构，总参数规模达5010亿，但每次任务仅激活230亿参数，大幅降低计算需求。公司表示，Beam的推理计算量比同类开源模型低3至4倍，有望让用户以更低成本运行AI应用。第三方测试机构初步评价认为，Beam可能成为同等智能水平下效率最高的开源模型之一。

核心结论：可以投入少量时间试，但不要先花钱买课，把试错成本压到最低。先说底层真相：AI只是提速工具，短视频赚钱的核心永远是选题、文案、观众情绪，AI代替不了。很多卖课视频只讲AI一键出片，刻意隐瞒：AI生成的视频容易画面跳动、人物变形、同质化严重，直接发很难起流量。第一步：先分清两件事（非常关键）1.AI工具技能（值得花少量时间自学，免费资源足够）需要练的内容：提示词怎么写、AI生成视频怎么修复画面、素材拼接、字幕配音、规避版权。B站、抖音免费教程足够搞定这些，完全没必要几千块买全套课。​2.短视频赚钱能力（这才是难点，也是大部分人失败的地方）你要持续找到有人愿意看的话题、写能抓住人的文案、持续更新、看懂后台数据。很多人AI工具玩熟练了，但作品没人看，依旧没有收入。给你一套低成本试跑方案（建议按顺序来，不要跳步）阶段1：体验期（3～7天，每天1小时，零花费）目标：验证两件事，你喜不喜欢做、能不能做出合格成片1.找免费AI生视频、AI文案工具，试着做2～3条短视频；​2.不要追求完美，重点观察：​-AI出的画面会不会崩坏、人物扭曲；​-你能不能想出稳定的选题；​-做完一条，你会不会觉得很煎熬。如果试完，你发现想选题很痛苦，每次做视频都很烦躁：直接停，不用继续投入。靠AI做短视频也是持续输出的活儿，没兴趣很难坚持。阶段2：小测试期（2～4周，每天1小时）如果阶段1感觉还行，就固定一个方向发作品（情感故事、民间小故事、生活感悟这类，AI比较好做）。-不要一上来就想着爆火，目标：看能不能拿到基础播放，有没有零星点赞评论；​-重点复盘：观众到底是被内容吸引，还是单纯AI画面。连续发10条，播放一直很低，没有互动：说明选题或者表达方式不行，不是AI工具不够厉害。这时不要再花钱买课。阶段3：再考虑进阶（只有阶段2跑出基础流量再进行）有稳定基础播放之后，如果卡在提示词、画面连贯性上，再考虑几十到一两百的小课，高价训练营一律避开。现实收益预期，提前讲清楚，避免落差1.很少有人刚上手就赚钱，大部分人1～3个月才可能看到一点点收益，很多人坚持不下来；​2.AI短视频赛道现在做的人非常多，同质化内容泛滥，平台现在更喜欢原创度高的内容，纯AI一键生成的视频，流量会受限；​3.收入差距极大：有人能稳定变现，更多人忙活很久只有几块钱甚至零收入。两个避坑提醒❌凡是承诺：学会AI，轻松月入几千上万，不用动脑，一键出片就能赚钱，全是卖课营销话术。❌不要一口气报名多套课程，不同老师思路冲突，就是你现在感受到的混乱漩涡。简单自测，你可以回答我两个问题，帮你进一步评估适不适合：1.你打算做哪一类短视频？比如民间故事、情感文案、知识解说？​2.你每天大概能拿出多少时间稳定做视频？AI创业成本AI自媒体避坑AI变现困境AI学习心得评论区说学习心得

全世界AI算力格局正在发生颠覆性变化。当美国以69%的算力占比遥遥领先，中国仅占15%的时候，很多人都判断这场竞赛已然失去了悬念。人工智能时代最容易制造焦虑的，就是一串看起来差距悬殊的数字。69%对15%，乍一看像是比赛刚开场，比分牌就已经挂得有点吓人。但算力不是仓库里数显卡，更不是谁机房大谁就自动拿冠军。真正决定竞争力的，是芯片、网络、能源、模型、软件和应用能不能拧成一股绳。这组占比来自对大型人工智能计算集群的特定公开样本统计，反映的是大型GPU集群性能分布，并不等同于一个国家全部人工智能能力。相关研究在2025年的统计中显示，美国掌握约四分之三的大型人工智能超级计算集群性能，中国位居第二。2026年的人工智能指数报告还显示，美国拥有5427个数据中心，在高端芯片、超大规模集群和私人资本投入方面依然占据显著优势。这个差距必须正视，靠一句“弯道超车”不会自动消失。但有意思的地方也在这里。硬件规模没有按照同样比例变成模型能力差距。2026年人工智能指数报告显示，截至当年3月，中美头部模型在相关竞技场评测中的差距已经缩小到2.7%，自2025年以来还多次出现交替接近领先的情况。美国机房里的“发动机”更多，但中国模型并没有因此被甩到看不见尾灯的位置。算法优化、工程能力和算力利用效率，正在改变简单的硬件对比。中国自己的算力底座也在快速扩张。工信部公布的信息显示，截至2026年6月底，我国智能算力规模达到2185艾浮点运算次数，同比增长177%，全国算力设施整体上架率达到71.4%，建成万卡以上智算设施52个。近两年围绕国家算力枢纽节点建设的算力大通道超过70条。过去一些地方是“有算力用不出去，有需求又调不过来”，现在全国一体化算力体系正在努力把这些资源连成网。这条路的关键，不只是继续建机房，而是让算力像水电一样能够被调度。东部产业密集、需求旺盛，西部能源条件较好，高速网络把两者连接起来。机房如果只是亮着灯、风扇呼呼转，却没有稳定任务，那就是昂贵的“数字暖气片”；只有利用率和传输效率一起提高，算力投入才能真正变成生产力。更重要的是，中国人工智能正在真实产业里形成回路。2025年我国人工智能核心产业规模已经超过1.2万亿元，相关企业超过6200家。到2025年底，规模以上制造业企业人工智能技术应用普及率超过30%。人工智能已进入钢铁、有色、电力、通信等重点行业，并继续向研发设计、质量检测、客户服务等环节深入。中国企业推出的人形机器人超过300款，制造业正在成为人工智能的重要试验场。大模型在屏幕里回答问题是一种能力，进入生产线识别缺陷、帮助工厂优化能耗、调度物流和控制机器人，则是另一种能力。后者需要大量真实数据和持续迭代。中国拥有完整工业体系和庞大的制造场景，国产模型和国产算力能够在不断使用中寻找效率提升空间。技术只有被千行百业反复“摔打”，才能从实验室里的明星，变成生产线上的工具。美国的优势同样不会轻易消失。2025年美国私人领域人工智能投资达到2859亿美元，高端芯片、云计算巨头和超大数据中心仍然组成强大的资源壁垒。但巨大算力集群也带来电力、散热、建设成本和先进芯片供应等压力。人工智能竞赛越往后走，问题越不像“买多少显卡”，而更像“花同样的钱能产出多少智能”。中国选择的方向因此越来越清楚。一边继续补齐高端芯片、先进制造、存储、互联和基础软件短板，一边用全国算力网络提高资源利用率，再依托制造业和超大规模市场把人工智能送进真实场景。这个路线未必最喧闹，却很务实。核心技术自主能力提高以后，应用场景又能不断产生需求，算力、模型和产业之间就会形成正循环。69%和15%足够醒目，却只是某一个阶段、某一种统计口径下的切片。真正决定未来的，不是谁今天把服务器堆得最高，而是谁能够长期获得芯片、能源、网络和数据支撑，谁能让模型越来越便宜、越来越可靠，谁能把人工智能真正嵌入实体经济。这场竞争因此远没有结束。美国仍握有明显的高端算力优势，中国也仍有必须补齐的技术环节。但中国正在形成另一种能力：把算力基础设施、国产技术体系、超大规模市场和完整制造业连接起来。人工智能最后比的不是机房里有多少闪烁的指示灯，而是这些指示灯能照亮多少工厂、实验室和产业链。真正的算力强国，也不会只看一张百分比表格，而要看算力最终能不能变成持续发展的生产力。

10月5日，乌克兰空军发言人伊格纳特在接受采访时宣布：配备人工智能的炮塔，已成功拦截了俄罗斯的新型喷气式无人机。这是战争史上，从未有过的事。AI终于正式走上前线，直接参与防空作战了。在此之前，人工智能在战场上的应用，大多停留在侦察、数据筛选、目标识别层面。简单说，就是帮人看画面、找目标，最终开火的决定权，依然掌握在人类操作员手里。这次的区别，在于这套炮塔系统。它搭载AI算法，能够自主完成目标探测、轨迹计算，并且自动触发拦截动作。面对速度更快、飞行轨迹多变的喷气式无人机，人的反应速度很难跟上。AI可以在毫秒级别完成测算，抓住转瞬即逝的窗口。当然，这套系统不是完全脱离人的控制。按照公开披露的信息，操作人员保留最高权限，可以随时关停设备，防止误击民用目标或者友方装备。简单理解，AI负责快速计算和开火，人负责兜底把关。喷气式无人机本身就是防空难题。和低速螺旋桨无人机不同，这类装备飞行速度快，留给防空系统的反应时间很短。传统防空火炮，依靠人工瞄准，很容易丢失高速移动目标。过去一段时间，前线多次出现高速突防无人机突破防御的案例。AI炮塔的出现，恰好补上了这个短板。它可以持续扫描空域，同时跟踪多个来袭目标，自动分配火力。面对蜂群式的无人机进攻，人力值守的防空点位很容易顾此失彼，而AI系统可以不间断工作，不会疲劳。但我们也要理性看待这次拦截成果，不能直接认定AI武器已经所向披靡。单次成功拦截，不等于这套系统可以稳定应对大规模、饱和式攻击。AI算法高度依赖环境。如果对手投放干扰信号、释放诱饵，AI的目标识别能力就会受到影响。天气、烟尘、电磁环境，都会干扰传感器采集的数据，进而影响判断。战场上的变量远多于实验室环境，一次实战成功，还需要更多场景验证可靠性。另外还有成本问题。智能化炮塔的硬件、算法维护都需要持续投入。如果敌方大量投放低成本无人机，即便AI拦截成功率很高，持续对抗的经济账，依然是各方需要权衡的现实问题。这件事带来更深远的影响，并不只局限于俄乌战场。它向世界展示了一个趋势：自主化防空装备，正在从实验室概念，走向真实战场。过去战争技术迭代，大多围绕火炮、战机、导弹这类大型装备。而现在，算法、传感器、人工智能，正在变成新的军备竞争方向。未来的防空体系，人机协同会成为常态，机器负责高速响应，人类负责决策与伦理约束。同时，相关的争议也随之而来。如何划定自主武器的开火权限，怎样避免系统故障带来误击，国际社会对于自主武器的规则讨论，会随着这类实战案例不断推进。现有的国际规则，很多内容还跟不上技术迭代的速度。技术本身没有立场，关键在于人类如何设定边界。AI炮塔可以用来防御来袭飞行器，可一旦权限放宽，自主武器的风险也会同步放大。战争形态的转变从来不是一蹴而就。AI不会立刻取代士兵，但它正在悄悄改写攻防的底层逻辑。当机器拥有更快的反应速度，人类更需要守住最后的决策底线。技术改变战场，而规则，决定技术的边界。

恢复节奏不需要突然加速，一个清楚动作就能减少慌乱。谈到人工智能中的把资料变知识库，查询不再翻半天：10月5日·换个顺序再确认，今天从具体现场看结果。建立时要先删除过期文件，统一标题、日期和版本，重要规则标明生效时间。用ChatGPT把假期见闻整理成文章，可以先输入真实发生的场景与个人感受，​恢复节奏不需要突然加速，一个清楚动作就能减少慌乱。谈到人工智能中的把资料变知识库，查询不再翻半天：10月5日·换个顺序再确认，今天从具体现场看结果。建立时要先删除过期文件，统一标题、日期和版本，重要规则标明生效时间。用ChatGPT把假期见闻整理成文章，可以先输入真实发生的场景与个人感受，再要求调整结构。人物经历、地点细节和对话不能让模型擅自补写。给不熟悉技术的人，保留可回看的步骤记录，比只交付结果更安心。把这次核对过的过程留下，下次遇到同类场景便有可靠参照。把今天一个细节理顺，恢复日常时就多一份从容。出发前核对不会拖慢进度，反而减少之后折返。先把今天最可能影响返程的一件事处理好，再安排其他活动。注意力集中在一个节点上，忙乱就不会四处蔓延。

很多人都想不通，为何AI大模型只有中美两家在玩，德法日韩这些发达国家却“集体消失”了？其实，这根本并不是技术高低的问题，而在于这些国家手里压根没有入场券。德国有顶尖工业，日本有机器人，韩国有半导体，法国更不缺数学和计算机人才。按常理说，这几个国家怎么也该在大模型舞台上坐前排。可真正到了全球通用大模型竞争最热闹的时候，聚光灯却越来越集中在中国和美国。原因并不神秘。如今的大模型早就不是几个程序员关在办公室里敲代码那么简单了。它更像一场重工业竞赛，芯片、算力、电力、资本、数据、人才、市场一个都不能少。少一样还能补，少一串，就只能眼看着门票越来越贵。首先摆在桌面上的就是算力。先进模型需要庞大的计算资源，数据中心又是名副其实的“电老虎”。机器买回来只是开始，此后的训练、推理、升级都在持续花钱。美国长期拥有强大的芯片设计、云计算和软件生态，科技企业又能在全球市场回收研发成本。中国的特点则是产业链完整、数字基础设施规模大，还有巨大的应用市场。国务院部署深入实施“人工智能+”行动时，也明确提出发挥我国数据资源丰富、产业体系完备、应用场景广阔等优势。这些条件单独看似乎都不神奇，拼在一起就不一样了。模型训练出来以后，可以很快进入制造、汽车、金融、物流、电商、办公、科研等场景。产品一边使用，一边获取反馈，再继续迭代。技术和产业于是形成循环，不必一直待在实验室里烧钱等结果。截至2026年8月底，我国累计已有1112款生成式人工智能服务完成备案。这个数字真正有意思的地方，不是谁家的模型更多，而是国内已经形成相当丰富的模型供给和应用生态。大模型正在从聊天窗口往工厂、手机、汽车和各种生产工具里走。再看欧洲，故事就复杂了。法国并没有退出人工智能竞争，2025年还宣布吸引1090亿欧元人工智能相关投资。欧洲联盟同样在补算力基础设施，截至2026年已形成19个人工智能工厂体系，并继续推动规模更大的人工智能超级计算设施。德国也明显开始加速。2026年的国家数据中心战略提出，到2030年将国内数据中心能力至少扩大一倍，高性能计算和人工智能相关计算能力至少扩大到原来的四倍。这些动作反过来说明了一个现实：欧洲最着急补的，恰恰是大模型时代最昂贵的基础设施。传统工业强，并不会自动变成通用人工智能强。过去修一座汽车工厂很厉害，现在还得能养得起成片的数据中心。欧洲还有另一个难题。它虽然是一个庞大经济体，却由多个国家、语言和市场组成。德国企业的数据、法国用户的市场、西班牙的应用环境，并不像一个单一超大市场那样天然打通。法规、资本体系和语言环境也存在差异，模型想快速形成统一商业生态，并不轻松。日本和韩国面临的情况又不一样。日本当然没有放弃生成式人工智能。日本有关部门从2024年开始推动生成式人工智能发展项目，到2026年第四期仍在支持16个基础模型项目，重点之一就是为企业提供开发模型所需的计算资源。这句话其实已经把难题写在脸上了：算力太贵，企业自己扛起来很吃力，需要公共力量帮忙搭梯子。韩国同样在推进自主基础模型。2026年相关项目继续筛选团队，企业也在开发自己的模型。但韩国本土市场规模有限，即使拥有很强的半导体制造能力，也不等于自动拥有全球通用模型生态。芯片会造和模型能养大，本来就是两回事。所以真正的“入场券”，从来不是会不会写算法，而是能不能长期支付这场比赛的全部账单。先进芯片只是第一张票，后面还有电力、数据中心、软件工具、资本、数据、开发者、用户和应用市场。少了其中一两项，还可以选择工业模型、机器人模型、汽车模型或者其他垂直领域。可要冲击全球通用大模型第一梯队，就必须把一整套体系同时转起来。这也是德法日韩今后很可能继续强化工业人工智能和专业模型的重要原因。德国的制造业、日本的机器人和精密工业、韩国的半导体、法国的科研人才都仍然很有竞争力。他们不是不会做人工智能，而是在选择自己更有把握的战场。中国的优势则在于可以把人工智能直接放进庞大的实体经济中检验。制造业门类齐全，网络应用丰富，新能源汽车、机器人、物流、金融、电商等场景又能不断产生新需求。一个模型真正有价值，不在于排行榜上的几个数字，而在于能否进入生产流程，提高效率，解决现实问题。人工智能竞争走到今天，越来越像一场体系能力的长跑。某个实验室突然做出一个亮眼模型，当然值得注意，但决定最后位置的，是谁能连续多年提供算力、人才、资本和市场。中国真正值得重视的地方，也正在这里。不是靠某一家公司唱独角戏，而是依托完整产业体系、超大规模市场和不断完善的数字基础设施，把人工智能和实体经济结合起来。

除了平台谁也赚不到钱短视频平台做直播的打赏一半归平台，扣除税费杂七杂八主播最后到手连一半不到，外卖平台商家被抽成18%-25%利润被平台赚了，不用出房租水电人工，网约车最高抽成29%，不用出车，不用电费，油费，保养费，保险。旅行平台近乎垄断霸王条款多。​​​

孙宇晨奖的第一批获奖者出现了？过去几年，全球科技竞争的焦点一直集中在芯片、人工智能、大模型，但2026年9月，一场围绕数学问题的奖励机制突然进入视野。很多人关注的并不是一块金牌，也不是一个名字，而是一个问题：未来基础科学的突破，到底应该靠传统学术体系推动，还是需要新的激励方式加入？孙宇晨奖的出现，恰好把这个争论推到了台前。从公开信息来看，孙宇晨奖并不是按照传统科学奖项每年评选，而是先公布数学问题清单，再针对完成突破和形式化验证的成果给予奖励。2026年9月16日，该奖项正式宣布成立，首批公布涉及66个数学问题的成果，最高单项奖金达到100万美元。这件事真正特殊的地方，在于它改变了过去“先有专家圈子认可，再产生影响力”的路径。传统科研体系中，一个数学成果可能需要几年甚至更长时间接受检验，年轻研究者即便解决重要问题，也未必能够快速获得关注。而这种悬赏模式，是把问题直接摆出来，让全球研究者围绕明确目标竞争。2026年9月19日，孙宇晨奖首批候选成果进入14天公示阶段，涉及题库第305、371、381、526、866、1001号问题，相关信息通过公开登记方式接受挑战。按照公开规则，奖金发放与验证流程绑定，奖池地址公布并存入1000万美元。这背后释放出的信号很明显：人工智能时代，科学研究的竞争规则正在变化。过去，科研资源高度依赖大学、研究机构和国家项目，而现在，资金、算力、开源平台正在形成新的组合。谁能够提出更有效率的激励方式，谁就可能吸引更多全球顶尖人才进入基础研究领域。孙宇晨奖引发讨论，并不是因为它第一次奖励数学成果，而是因为它把区块链行业熟悉的公开透明机制带进了科学领域。问题列表公开，验证过程公开，资金记录公开，这种模式试图减少传统评价体系中的中间环节。当然，这种尝试也伴随着质疑。科学不是简单的竞赛，数学突破更不是靠奖金就能制造出来。一个真正重要的问题，往往需要几十年积累，需要大量理论基础作为支撑。高额奖励可以增加关注度，但不能替代科学共同体长期积累形成的判断标准。从数学领域来看，当前全球正在进入“数学+人工智能”的新阶段。大模型的发展让机器参与复杂推理成为现实，形式化验证工具也让数学证明能够被计算机逐步检查。过去依靠人的经验判断，现在越来越多环节可以交给机器完成。这对于中国科技发展同样具有参考价值。未来国际竞争，不只是制造业规模竞争，也不只是单个技术产品竞争，更重要的是基础科学能力竞争。数学、物理、计算理论这些看似距离产业很远的领域，实际上决定着人工智能、芯片、密码安全等产业的上限。尤其是在2026年全球人工智能快速扩张背景下，各国都在争夺顶级科研人才。美国依靠高校和科技企业吸引大量研究人员，欧洲试图强化基础科研体系，中国也在持续推进基础研究投入和科技创新能力建设。在这种环境下，任何能够提高科研效率的新模式，都值得关注。孙宇晨奖选择数学作为突破口，本身具有象征意义。因为数学不像商业产品那样可以快速产生市场收益，但它决定着未来技术发展的底层能力。密码学依靠数学，大模型算法依靠数学，量子计算依靠数学，未来更多科技突破也离不开数学基础。不过，真正需要观察的是，这种机制能否经受时间考验。一个奖项如果只是依靠创始人的个人影响力，很难长期维持；只有不断出现高质量成果，并得到全球科研群体认可，才可能形成真正的科学品牌。目前来看，孙宇晨奖更像一次实验。它试图回答一个新时代问题：当人工智能、开源技术和全球互联网结合后，科学发现是否可以拥有新的组织方式。对于中国而言，这场讨论的价值并不只是关注某一个奖项，而是提醒外界，未来科技竞争已经进入更深层次阶段。基础科学、人才培养、开放平台和创新生态，将成为决定国家科技实力的重要因素。进入2026年10月，孙宇晨奖仍处于早期阶段，它能否成为具有长期影响力的科学奖励机制，还需要时间验证。但不可否认的是，它已经把一个过去主要属于学术圈的问题，带到了全球科技竞争的大舞台上。未来几年，人工智能可能改变科研生产方式，而新的奖励机制也可能改变科学资源流动方式。谁能够更好连接资金、人才、技术和知识，谁就更有机会在下一轮科技竞争中占据主动。

美国AI现在最值得警惕的，不是简单一句“泡沫要破”，而是投入增长的速度，正在逼着整个行业回答一个问题：这些钱最后靠什么赚回来？过去两年，美国人工智能产业最热闹的地方不是实验室，而是资本市场。一家AI企业发布新模型，背后往往伴随着数十亿美元融资；一家数据中心项目启动，金融机构迅速跟进贷款。美国正在复制一场新的科技竞赛，只不过这一次比拼的不只是算法能力，而是谁能承受长期烧钱。问题在于，人工智能的发展速度已经超过很多传统产业升级周期。芯片厂商、云计算企业、模型公司都在扩大投入，但资本市场越来越关心一个现实问题：未来几年产生的利润，能不能覆盖今天投入的巨额成本。AI需要大量算力，需要大量能源，也需要持续购买先进设备，这种模式决定了它天然是一场资本密集型竞争。美国AI产业最大的变化，是竞争逻辑正在从“有没有技术”转向“有没有现金流”。过去市场愿意给技术故事更长时间，但进入2026年后，投资者开始重新计算账本。斯坦福大学《2026AIIndexReport》显示，美国私人AI投资规模处于全球领先位置，企业和资本持续向人工智能集中。这种资金规模带来的压力非常明显。大型模型训练成本不断提高，数据中心建设投入越来越庞大，企业需要不断扩大收入才能维持高估值。如果未来商业应用增长速度跟不上基础设施扩张速度，美国AI产业就会面对一个绕不开的问题：资本还能等待多久。这个变化说明，AI行业正在越来越多依靠金融工具扩大建设规模。资本愿意下注，说明市场仍然看好AI前景，但融资越多，也意味着未来回报压力越大。美国目前的优势依然巨大。英伟达等芯片企业掌握高端AI硬件优势，美国科技巨头拥有成熟云计算平台，大量高校和企业掌握领先算法能力。这些条件让美国在AI竞赛第一阶段占据主动。但优势越集中，对资本回报的要求也越高。美国AI产业还有一个隐藏压力，就是“超级模型路线”的成本问题。训练参数规模不断增加，并不意味着商业价值同步增长。模型能力提升之后，如何转化成企业生产效率，如何进入制造、医疗、科研、工业管理领域，才决定这场竞争能否持续。相比之下，中国AI发展走的是另一条路径。由于先进芯片供应受到限制，中国企业更加重视算法优化、模型压缩和应用场景扩展。近年来，一些中国企业通过降低模型使用成本，让人工智能进入更多普通企业和行业流程。这并不是简单的优势转换。美国拥有资本和芯片，中国需要解决技术突破和生态建设问题。但AI未来竞争并不一定只是比谁拥有最大的模型，也可能比谁能让AI更快进入真实生产环境。美国市场现在最大的风险，是资本市场可能提前透支未来预期。企业估值建立在未来几年持续高速增长基础上，如果实际商业收入无法达到预期，市场情绪可能发生变化。届时，压力不会首先出现在实验室，而会出现在金融市场。尤其值得关注的是，AI基础设施已经成为新的竞争焦点。数据中心需要大量土地、电力和供应链支持，而这些资源并不是无限的。部分大型项目推进过程中出现融资和建设压力，说明AI产业正在进入更加现实的发展阶段。这也是为什么美国现在越来越重视AI国家战略。人工智能已经被视为影响未来科技竞争、产业竞争甚至军事竞争的重要领域。美国希望通过资本优势、技术优势和产业联盟继续保持领先，但这种领先需要不断证明能够转化成经济收益。对于中国而言，美国AI资本压力上升，并不意味着可以放松。人工智能仍然是未来产业竞争的重要方向。中国需要继续推进国产算力体系建设，加强基础模型研发，同时扩大AI在制造业、能源、交通和科研领域的应用。未来几年，中美AI竞争可能出现一个新的特点：美国更擅长推动前沿突破和资本集中，中国更强调成本控制和规模应用。两种路线谁能占据优势，取决于谁能解决自身短板。如果AI只是停留在展示能力、制造概念和推动估值上涨，那么巨额投入迟早会遭遇市场检验；如果AI真正改变生产方式，提高社会运行效率，那么今天的投入就可能成为下一轮产业革命的基础。所以，美国AI真正需要面对的不是“有没有泡沫”这么简单，而是一场资本耐力测试。技术领先可以赢得起跑线，但只有把算力投入变成产业收益，才能赢得长期竞争。2026年10月之后，全球AI竞争的核心问题，将越来越从模型参数转向一个更现实的问题：谁能让人工智能真正赚钱，并改变现实世界。

未来，人的智能和人工智能共存，学会“人机共创”、拥抱但不依赖AI，是创新必需的变通力。AI能让“方案从数据中自己长出来”，但它的推演是非确定性、逻辑缺失的，需要人脑提出问题、最终决策，所以要发挥人的智慧，与AI巧妙“合作”。​​​

所以随着科技发展，特别是人工智能发展。工作的方式也会发生改变，这是时代的变化。我正身处一个真正的大时代，正好我们国家又是这个时代顶级的弄潮儿。所以要打开我们想象力。@豆包帮我点评

马斯克点破AI竞赛底层真相：比拼的不是模型，是谁有电很多人讨论人工智能竞赛，目光都聚焦在大模型参数、算法能力、芯片性能上，觉得谁的模型更聪明，谁就能拿下AI时代的主动权。但马斯克在被问到美国如何赢得人工智能竞争时，给出了一个跳出常规认知的答案，让不少人恍然大悟。被问及这个问题时，他短暂停顿，说出了一个出人意料的核心观点：中国的发电量大约是美国的三倍。他引用的数据显示，中国发电量约10583太瓦时，美国约4520太瓦时。当然，我们不必纠结数字是否绝对精准，但这个视角非常关键：AI不是停留在论文里的空洞算法，背后是成千上万台24小时不间断运转的服务器。服务器持续工作，消耗的核心资源就是电力。算力再强大的服务器集群，一旦断电，就只是一堆沉默冰冷的铁柜子。这场AI角逐，讨论重心，已经从模型优劣，慢慢转移到电网承载力的比拼。马斯克在一场创新部长级会议上，进一步拆解了电力缺口危机。AI芯片的产能每年能增长40%至50%，可中国以外区域的电力供给增速，每年仅有10%到20%。按照他的预估，到2027年，算力领域至少会出现15吉瓦的电力缺口。他把瓦特称作未来的货币。就连他旗下千兆瓦级的数据中心，特意选址在高压线附近，完成电网接入依旧要排队等待一年。马斯克这种级别体量的企业，接入电网都要漫长等候，普通算力项目想要落地，困难可想而知。美国电力瓶颈，属于结构性难题，并非短期增加几台发电机就能解决。摩根士丹利预测，2026至2028年，美国数据中心新增电力需求将达到68吉瓦，但现有电网最多只能承载30吉瓦。截至2025年底，全美一共有大约8200个发电项目排队等待并网，总容量超1300吉瓦。基建周期更是一大硬伤。新建一条高压输电线路，审批、建设周期往往超过十年；大功率变压器从下单到交付，需要18至24个月，全球订单已经排到2028年之后。资本再多，也无法跳过漫长的建设周期。这不是阶段性用电紧张，而是电网审批繁琐、地方阻力叠加长期基建滞后形成的结构性短板。而中国的优势，不单单是发电总量更高，完整的电力装备产业链同样不可忽视。国内变压器产能占全球六成以上，成熟的特高压输电技术，可以把西部丰富的风电、光伏等清洁能源，远距离输送到东部沿海的算力集群。甘肃庆阳算力基地总规模可达21.5万P，智能算力占比高达99%；内蒙古多个绿电直供算力项目已经投产运行。国内西部智能算力规模，占到全国总量三成以上。算力跟着能源走，是国内算力布局最核心的思路。这种跨区域远距离电力调度能力，也是很多国家碎片化电网体系很难补齐的短板。不过马斯克也客观提到，电力充足、电网基建强大，并不代表就能稳赢。中国受高端芯片出口管制的约束，很难大规模部署最新一代AI芯片集群。高盛统计预测，2026年全球人工智能资本支出规模约7650亿美元，其中投入电力基础设施的资金占比仅5%。电力基建是AI产业最底层的支撑，投入资金占比低、建设周期漫长、回报周期最慢，却常常被市场忽略。综合来看，这场AI竞赛的逻辑正在发生变化。未来的胜负手，或许不在于谁的大模型更花哨，而在于谁能够持续稳定，把源源不断的电力，稳稳输送给海量算力服务器。算法、芯片、电力基建，缺一不可，这是一场综合国力的长跑。人工智能算力马斯克特高压大国基建免责声明：本文为行业资讯与观点解读，数据来源于外媒及机构公开报道，不构成投资建议，行业发展存在不确定性，仅供理性阅读交流。中国散户

华东师大今年3900多新生，六成以上是计算机、人工智能、集成电路这些硬核理工科，师范反倒成了少数派。顶尖师范牌子不培养老师了，这消息看得我一愣一愣的。新工科到底能不能报，网上吵翻了天。有人觉得是踩风口，有人怕成小白鼠。我倒觉得没那么玄乎，判断标准就一条：这个专业有没有硕士点。有，说明学校真金白银砸了资源进去，有师资有沉淀，值得托付。连硕士点都没有的，八成是刚搭的草台班子，拿学生当试验田呢。想起十几年前我那会儿，土木工程火得一塌糊涂，分数高得离谱，结果呢？现在行业寒冬，一堆人转行。反观当年没人看得上的计算机，倒成了香饽饽。这风向变得太快，谁说得准四年后哪个专业吃香呢？但有一点是确定的，师范院校转工科，说明市场需求变了，学校的饭碗端不住了也得改。说到底，打铁还需自身硬，管他什么牌子，自己学到真本事才是硬道理。

终于扬眉吐气了！华为的人工智能，计算，网络等领域的专利卖给高通了！啥情况？高通向华为购买专利！原来还动不动就卡脖子，现在直接跪下了！太解气了！

目前在人工智能、大数据等产业的细分领域还是有些创业的机遇。[点赞]2026.9.24日，来母校回炉学习人工智能、大数据等新知识。2026.9.29日，来大兴区参加了人大和大兴区联合举办的2026年青年创业论坛，聆听了大咖们的创业经验。2026.10.1日，跟随人大户外俱乐部骑行28公里，中午聚餐与校友们聊了创业心得。如果现在王晖创业，凭我的商业悟性和综合素质，应该还能赚到。，只是不像2001年开北京欣正博大管理咨询有限公司那么容易挣钱，赚那么多钱了……

美国原本指望靠卡死英伟达芯片拖垮中国#人工智能#，万万没想到，彭博社智库最新的数据砸出了一道惊雷：中美顶尖#人工智能#模型的性能差距，被生生抹平到了只剩。。。。。。3%！年初这个差距还是15%，5月缩小到9%，如今直接逼近“并驾齐驱”。美国筑起的芯片高墙，难道真的防了个寂寞？1.狂飙​美国原本指望靠卡死英伟达芯片拖垮中国人工智能，万万没想到，彭博社智库最新的数据砸出了一道惊雷：中美顶尖人工智能模型的性能差距，被生生抹平到了只剩。。。。。。3%！年初这个差距还是15%，5月缩小到9%，如今直接逼近“并驾齐驱”。美国筑起的芯片高墙，难道真的防了个寂寞？1.狂飙追平！DeepSeek再立大功deepseek直接把分差拉近的，依然是国产黑马DeepSeek。其9月推出的V4.1Flash，在测逻辑和复杂任务的LiveBench上拿下81.1的高分（行业第一Anthropic领跑成绩为83.4），直接冲上全球第六！这也是自R1模型出圈以来，中国模型拿到的最高名次。目前全球前15强中，中国已强势拿下三席。彭博分析师直言：中国顶级模型与OpenAI、Anthropic已经彻底处于同一梯队。2.封锁失效？硬刚国产硬件出奇迹面对芯片断供，中国团队靠的是两招硬核操作：极深的技术积累，以及把模型向国产硬件底层彻底抠透。这让外界不得不重新审视：禁令不仅没堵死中国，反而倒逼出了国产替代与软硬件极限优化的恐怖进化力。3.内斗不断！美国陷入“刹车陷阱”眼看中国追到屁股后面，美国内部自己先吵翻了天：AnthropicCEO阿莫代伊紧急呼吁：应该放慢速度、做第三方安全评估；OpenAI奥尔特曼强烈反对：他公开反驳称技术不能被垄断，AI的好处远大于风险；特朗普更是明确拒绝进一步限制：坦言管得太死只会削弱美国公司对中国的领先优势。4.高分不等于赚钱，真正的硬仗在后头跑得快并不代表能活得好。如何将技术高分转化为真金白银的收入，依然是全行业难题。彭博智库预测，中国AI行业可能要一路熬过竞争洗牌与价格战，到2030年前后才能实现整体盈利。一边是中国将技术差距抹平到3%，一边是美国巨头还在为要不要踩刹车吵得不可开交。2030年之前，谁能真正把技术高分变成商业霸主？你觉得国产AI能在几年内彻底实现反超？欢迎在评论区留下你的看法！英伟达市值升至5.76万亿美元

雷军，涨知识了！10月5日，雷军更新社交动态，这一次不是宣传产品，而是晒假期去大棚摘的菜，结果几张照片就引发网友热议。我仔细看了这三张图。第一张就是大棚菜地，一片绿油油。第三张是刚刨出来的红薯，泥巴还粘在表皮。第二张最特别，灰绿色，长得像瓜，第一眼压根认不出是什么。雷军配文就简单一句：“假期去大棚采摘。大家看看我摘了点啥？”就这一句话，没有多余内容。评论区直接热闹起来，跟线上菜园交流群似的。有人留言：“图二是佛手瓜，清炒、涮火锅都不错。”还有网友晒自己收的新鲜花生，问雷总想不想尝尝。还有人喊他到自家菜园，西红柿、辣椒、黄瓜、西瓜，随便摘。有人打趣提醒雷总小心，说佛手瓜外形酷似游戏里的窝瓜，看着像会“炸人”。整个画风从科技频道切到了家庭群。一个卖手机卖汽车的人，发几张摘菜照，全网跟着认了一遍菜。这事搁别人身上大概率没人搭理。搁雷军身上，它就是能热。雷军玩社交媒体有个特别的地方。他真把抖音当朋友圈使。今天摘个菜，明天做个糖葫芦，前几天还研究卡皮巴拉，说这动物有两个优点，情绪稳定，朋友多敌人少。这些事单拎出来全是鸡毛蒜皮，但凑在一起就形成了一个印象：这人活得挺具体的。2024年底他做糖葫芦那条视频我看了。四个小米手机当机位，一台小米平板做监视器，架势摆得挺足。结果糖浆熬过了头，草莓串裹出来的不是脆壳，是拔丝效果。他没剪掉这段，原样发了出来。一个千亿身家的人，站在灶台前翻车了，还让全网都看见。这种“翻就翻了”的松弛，装是很难装出来的。有博主专门拆解统计过雷军抖音短视频的内容构成。大致来看，工作日常、生活化片段占到八成左右，纯粹的官宣、硬广类发布占比很低；出镜大多是休闲穿搭，整体镜头氛围松弛亲和。这些细节加在一起，产生了一个效果——屏幕那头的人不像在听老板训话，倒像在看一个邻居发日常。北京日报相关评论文章，点出了一个很核心的特质，也就是大家常说的“反差感”。说的是雷军身上那种“千亿身家”和“灶台翻车”之间的落差，恰好是路人缘好的原因。我觉得说得挺准。这种反差不是刻意设计的，是他真愿意把不完美的部分放出来。但这条路不是谁走都能走通的。佛山有个做定制家居的女老板叫肖冬梅，网名“邦元名匠一姐”。她从2019年开始做短视频，交了二十多万学费，拍了四十多条视频，账号粉丝最高的才三千多。她自己看完那些视频的感觉是：“作为老板本人，我都觉得看不下去。”后来她放弃模仿爆款模板，自己下场拍，有一次在食堂没忍住脾气，对着镜头发了一通火，无剧本、没滤镜，结果那条视频引爆了1.5亿流量，靠“关爱员工的真实人设”杀了出来。现在短视频带来的订单已经撑起她公司生意的一半。肖冬梅跟雷军做的事本质上是一回事。把真实的自己放到镜头前，不修饰，不端着。观众能分辨出来什么是演的，什么是真的。演的东西看完就忘，真的东西才能留下来。雷军摘菜这条动态底下，有人问他“怎么没回湖北老家挖藕”。他也没端着，该回就回。评论区里大家对他的称呼五花八门，“雷总”“军儿”“雷叔”“磊哥”都有。不少传播学论文提出了“关系劳动”这个概念，这种轻松熟络的互动，在粉丝和企业家之间制造出一种日常亲近感，把商业关系变成了类似熟人之间的闲聊。摘个菜能上热搜，看着是小事。但小事背后是十几年一条一条微博攒下来的东西。不是每条都有用。但每一条都在告诉别人：我在这儿。综合红星新闻、北京日报、南方+2026年10月公开报道

这才是人工智能应有的本来面目，科技让偏瘫病人行走！

这绝对是利好，华为高通达成协，这也证明，中国在科技领域的不断进步，证明我们的科技技术确实得到了与美国这些科技巨头竞争的实力！未来，中国将继续推进科技创新，加速国内的相关科技企业实现技术突破！早在这些领域，中国并没有落后于美国多少！所以，中国的科技未来发展成为主要发展方向！未来主要​这绝对是利好，华为高通达成协，这也证明，中国在科技领域的不断进步，证明我们的科技技术确实得到了与美国这些科技巨头竞争的实力！未来，中国将继续推进科技创新，加速国内的相关科技企业实现技术突破！早在这些领域，中国并没有落后于美国多少！所以，中国的科技未来发展成为主要发展方向！未来主要体现在AI人工智能技术！

华为高通芯片华为和高通达成一项专利许可协议，内容包括双方在5G、计算、人工智能和网络等多个领域的专业组合交叉许可，以及高通将收购华为在计算、人工智能、网络及其他技术领域的部分美国专利～这波正是印证了华为在技术领域的专利领先，连高通都不得不和华为达成专利协议～​​​

老胡称人工智能不是共产主义入口老胡称人工智能不是共产主义入口不少网友之前畅想，AI疯狂提高生产力，物资直接拉满，这不就一步到位了嘛。老胡直接泼了一盆冷水，说光靠技术本身行不通，这里面还有分配的大难题。评论区直接吵开了，各路大神疯狂输出观点，有人赞同，也有人觉得未来一切都说不准。咱就安安静静当个吃瓜群众，看看大家还能聊出什么新奇想法。

WalterIsaacson在NYT的文章，AdaLovelace早已回答了关于人工智能的重大问题AdaLovelaceAlreadyAnsweredtheBigQuestionsAboutA.I.Isaacson先生是《创新者：一群黑客、天才和极客如何创造数字革命》的作者，也是视频播客《建设者》（TheBuilders）的主持人。数字革命诞生于1843年。当年，​WalterIsaacson在NYT的文章，AdaLovelace早已回答了关于人工智能的重大问题AdaLovelaceAlreadyAnsweredtheBigQuestionsAboutA.I.Isaacson先生是《创新者：一群黑客、天才和极客如何创造数字革命》的作者，也是视频播客《建设者》（TheBuilders）的主持人。数字革命诞生于1843年。当年，AdaLovelace为她的朋友CharlesBabbage发明的一台计算机器撰写了一组长达2万字的笔记。她展示了人类与数字技术如何协同工作，从而创造出美妙的成果。如今，当我们面临一个选择——在人工智能时代究竟应该让人类扮演什么角色——Lovelace所倡导的人机合作方式，依然是正确的方向。Lovelace是浪漫主义诗人LordByron唯一的婚生子女。她继承了父亲身上那种反叛的艺术气质，而她的母亲AnneIsabellaMilbanke则试图通过让她主要接受数学教育来加以约束。Lovelace逐渐意识到，数学本身就是一种诗意的东西：它是一种优美的语言，用来描述宇宙的和谐。尽管母亲努力将她引向另一条道路，她始终是父亲的女儿；她拥有一种独特的感受力，能够把一道方程式看成一笔描绘自然壮美的笔触。这两种特质结合在一起，使Lovelace迷上了一种她后来称之为“诗意科学”（poeticalscience）的理念——将艺术想象力与她对数字的着迷联系起来。她的父亲从字面意义上说就是一名卢德分子（Luddite）。Byron在英国上议院发表的第一次演讲中，就为民间传说中的NedLudd的追随者辩护。当时，这些人正在英国各地捣毁新近投入使用的机械织布机。卢德分子认为，自动化将减少人类的就业岗位。他们错了——正如今天那些反对其他新技术的卢德分子同样错了。到19世纪末，纺织业的工人人数已经达到此前的大约10倍。与父亲不同，Lovelace看到了自动化技术的力量和潜力。母亲带她前往英国工业重镇所在的中部地区旅行时，她尤其对一种新型织机印象深刻：这种被称为雅卡尔织机（Jacquardloom）的机器利用打孔卡片来控制织物图案的编织。在关于Babbage计算机器的笔记中，Lovelace解释了打孔卡片如何通过一排排有孔或无孔的位置来存储和传递信息。“分析机编织代数图案，就像雅卡尔织机编织花朵和叶子一样。”她写道。她意识到，这种机器的运算并不需要局限于数学和数字。打孔卡片可以存储、操纵、处理并作用于任何能够用符号表达的东西：文字、逻辑、音乐、图像，以及“织造锦缎时最为复杂的图案”。这台计算机器由此可以成为一种通用计算机。Lovelace的这一洞见后来成为数字时代的核心理念：任何形式的内容或信息——音乐、文字、图像、数字、符号、声音、视频——都可以用数字形式表达，并由机器加以处理。她甚至写下了一些计算机器可以执行的分步骤程序，这些程序后来被视为世界上最早公开发表的计算机程序。她的笔记还提出了另一个意义重大的概念：人工智能。机器能够思考吗？她认为不能。她断言，像Babbage的分析机这样的机器可以按照指令执行运算，但无法自行产生思想或意图。“分析机丝毫没有自行创造任何东西的能力，”她写道。“它能够执行我们知道如何命令它完成的任何事情。它能够进行分析，但没有能力自行预见任何分析关系或真理。”一个多世纪后，计算机先驱AlanTuring在1950年发表的奠基性论文《计算机器与智能》（ComputingMachineryandIntelligence）中，将这一观点称为“Lovelace夫人的异议”（LadyLovelace’sObjection），并认为她错了。数字革命最终形成了两种思想流派，可以分别称为“图灵阵营”和“Lovelace阵营”。图灵阵营认为，通用人工智能最终将超越人类智能的方方面面，并由此产生能够自行设计自身的人工智能系统。这可能带来所谓的“奇点”（singularity）：机器不断把自己改造成超级智能的继承物种，最终不再需要人类。而另一边的Lovelace阵营则认为，人类的创造力、意图、能动性和同理心始终会有其作用。人类的创造力包含价值观、审美判断、情感、个人意识以及道德感。正如Lovelace所说，我们拥有一种想象力，能够“将事物、事实、思想、观念以全新的、原创的、无穷无尽且不断变化的组合方式汇聚在一起”。我们能够欣赏美，把信息编织成叙事。我们既是讲故事的动物，也是社会性动物。这些正是艺术和人文学科所教授的东西，也是人类所独有的能力。这一阵营认为，最大的进步不会来自机器独自工作，而会来自一种紧密连接的共生关系：机器的处理能力与人类的创造力相互结合，彼此受益。Lovelace写道，人类负责“发起”思想和意图，机器则成为人类的“执行右手”，而双方不断往返、反复互动的过程，将进一步深化人类的理解。这种理念在现代的先驱是心理学家兼计算机科学家JosephCarlRobnettLicklider。1960年，他发表了一篇在战后科技史上影响深远、却鲜为人知的论文《人机共生》（Man-ComputerSymbiosis）。当其他研究人员——例如MarvinMinsky和JohnMcCarthy——正在追求图灵式的人工智能愿景时，Licklider认为，目标应该是“增强型智能”（augmentedintelligence）：让人类和机器“合作进行决策”的系统。Licklider写道：“由此形成的伙伴关系，将以任何一个人类大脑前所未有的方式进行思考，并以我们今天已知的信息处理机器远远无法企及的方式处理数据。”20世纪70年代开始的个人电脑革命追求的正是这一目标：增强而非取代人类智能。从DouglasEngelbart这样的具有人文主义思想的工程师开始——他在1962年发表了一篇长达一本书的宣言《增强人类智力》（AugmentingHumanIntellect）——个人电脑领域的先驱们便强调人机界面的重要性，也就是人类如何与机器互动，以及双方如何来回沟通。最具变革性的进步之一，就是那些让人与机器互动变得更加简单、直观的突破，例如鼠标，以及“指向并点击”的图形用户界面。Engelbart的追随者，如AlanKay和SteveJobs，都凭借一种直觉式的人文主义理念，致力于打造易于使用的界面。乔布斯在产品发布会上经常以一张街道路牌的幻灯片作为结尾，上面显示的是“文科与技术”的交叉路口。在他最后一次这样的公开亮相——2011年发布iPad2时——他站在那张图片前说：“技术单独是不够的，这是Apple的DNA——只有把技术与自由艺术、与人文学科结合起来，才能产生让我们心动的成果。”如今，人类面临着一场可能截然不同的技术革命。许多人工智能系统正在被设计成能够完成既定目标，同时最大限度地减少——甚至消除——人类参与。我们只有很短的时间来决定，是否希望人工智能始终紧密依托于人类监督、人类价值观和人类能动性。这将涉及成千上万项非常具体的决定：我们应该赋予软件智能体、无人机、机器人以及其他自主设备——无论是虚拟的还是实体的——多大的权力，让它们在没有人类介入的情况下采取行动？而要做出这些决定，我们必须回答一个更加根本的问题：为什么我们坚持要让人类留在决策环节之中？一种解释是，正如Lovelace和Licklider所暗示的那样，共生关系具有力量倍增效应：机器的处理能力与人类的创造力结合起来，将完成一些比机器单独创造出来的东西更加精彩的成果。啊，是的！这么想当然很美好。但在许多领域，情况已经不再如此。自动驾驶汽车正变得比人类驾驶的汽车更加安全。战争中，一架必须与人类配合的军用无人机可能不如完全自主的无人机有效。我们的道德本能或许希望让人类参与其中，但我们的竞争本能不会。假设人工智能发展到了彻底超越人类的程度呢？假设小说、诗歌、代码、电影、军事行动、警务决策和法律判决，在没有人类参与的情况下都能做得比我们更好，就像如今自动驾驶汽车正变得更加安全一样？这就引出了最根本的问题：我们为什么要建造这些系统？答案应该显而易见：为了让人类的生活变得更好。人类的繁荣并不只是消费。我们从创造和发现事物、行使判断力和解决问题、照料他人，以及对自己周围的世界施加一定影响中获得意义。一个由机器替我们完成一切事情的社会，或许能够提供物质上的富足，却会剥夺我们的能动性和意义。我们应该继续紧紧遵循Lovelace的愿景，打造鼓励人机合作的系统。责任落在那些正在开发大型语言模型和机器人的工程师与科技公司身上，也落在我们每个人身上——取决于我们所做的决定，以及我们每天如何使用这些技术。我们应该努力以一种亲身参与的方式，与自己选择使用的技术保持紧密合作。这意味着，我们需要花时间理解这些技术是如何运作的，并要求它们准确展示其推理过程和信息来源；减少对自主智能体的授权；选择那些鼓励我们参与其中的工具。沿着AdaLovelace开创的道路前进，我们可以通过优先选择那些具备J.C.R.Licklider、DouglasEngelbart、AlanKay和SteveJobs所代表的人机交互传统的服务与设备，帮助确保一个繁荣的人类未来——也就是那些友好、直观、互动，并力求让人类参与每一步，而不是诱使用户把一切都交给机器处理的技术。海外新鲜事

华为与高通达成长期专利许可协议：协议覆盖5G、人工智能、网络、计算多领域专利交叉许可，行业关注度很高。

方向故障特别难骑，10分钟出头3元。美团骑共享单车也涨价啊。​

据路透社10月5日报道，华为与高通达成专利许可协议，覆盖人工智能、5G、计算和网络技术。华为表示，这是华为与高通达成的首份涵盖5G技术的专利许可协议。华为注重自有知识产权的保护，也尊重他人的知识产权，重视基础研究与研发投入，2007年至2025年底，研发累计投入超过1.8万亿元。#高通首次向华为支付专利费##通信巨头高通向华为付专利费##华为5G专利首次授权高通#

制糖工厂要是能做个充电宝，就爆爽了…可以OTA、支持多协议、连接小程序，简直不敢想象多美好[doge][doge]​制糖工厂要是能做个充电宝，就爆爽了…可以OTA、支持多协议、连接小程序，简直不敢想象多美好[doge][doge]​

法国媒体曾称：整个中国都在散发一种精神，那正是，别国封锁，它就自己创造，法国媒体强调，美国对芯片的封锁，反倒推动了中国加速创新，加快创造。法国《世界报》写得很直白。美国不卖高端人工智能芯片，中国没有干等，转头自己搞研发。工程师想办法省着用算力，用更巧的算法做人工智能模型。目的很单纯，就是不靠别人也能跑起来。美国从2022年开始管芯片。先限高端计算芯片，再限制造设备，后来连设计软件也管。2024年又把140家中国半导体企业列进管制名单，目的就是拖慢中国造先进芯片。2024年还限高带宽存储，限部分设备、软件工具。中国这边动作很实。华为受限制后出手机，外面拆机确认用中芯国际7纳米级麒麟芯片。目的就是证明国内能造、能装、能用。中芯国际做成熟制程，工厂利用率高，给手机、汽车、家电供芯片。华大九天做设计软件，补美国不让卖的那一块。先进封装也跟上，把小芯片拼起来提升性能。家里过日子都懂。别人不借米，自己学种田。芯片这事也一样。不是一天全搞定，但一步一步自己干，心里才踏实。现在国产芯片还没到全部赶超，有些高端环节仍要啃。可方向对了，投入跟上了，学校、工厂、企业一起干，进度就会快。咱普通人用手机、开车、看病、上网，背后都是芯片自主，这件事越做越顺爽。以后别人再卡，也不怕。自己有技术，自己有工厂，自己有人才，这才是硬道理。

2026年10月2日，教皇利奥十四世在社交平台X发布一则重磅帖子，短时间内浏览量冲到两千万级别。内容并非宗教启示，而是直接把矛头对准AI！就在这天，硅谷最前沿的人工智能公司，与梵蒂冈坚持的“人到底特殊在哪里”，真正撞到了一起。教皇这次说得很直。在人工智能时代，人类必须把真正的艺术，与机器生产出来的东西区分开。因为机器所谓的“创作”，本质上是在数以百万计的人类作品基础上进行统计计算。最后一句更狠：“算法缺少人性的火花。”这话一出来，争议当然大。因为利奥十四世质疑的已经不只是“AI画得好不好”，而是直接往更深的一层捅：机器算出来的东西，到底能不能和人的创造摆在同一个位置？我觉得这才是事情真正有意思的地方。现在很多AI公司争的，早就不是让机器帮你查资料、写邮件、做表格这么简单。他们真正往前推的问题已经变成：AI有没有意识？会不会产生类似情感的东西？未来是否需要给予高度智能的模型某种“道德地位”？其中最扎眼的就是Anthropic。这家公司开发了Claude，也是当前全球最受关注的AI企业之一。今年5月，利奥十四世发布第一份通谕《伟大的人性》，专门讨论人工智能。结果发布现场坐着一个非常特殊的人——Anthropic联合创始人克里斯托弗·奥拉。这就很有戏剧性了。一边是研究世界最先进人工智能的人，一边是世界最大宗教组织之一的领袖，讨论的却是几千年来最古老的问题：“人究竟是什么？”奥拉当时甚至主动承认，AI企业内部存在商业竞争、技术竞赛、地缘政治和个人野心等压力，因此必须有人站在这个行业外面，对他们说一些难听的话。可双方真正卡住的地方，是“AI意识”。9月底披露出来的内幕更刺激。奥拉看到通谕草案中对AI意识的强硬态度后，一度考虑让Anthropic退出梵蒂冈活动。团队到了梵蒂冈以后，还私下与教皇顾问交流，希望对方认真考虑一种可能：未来的AI模型，也许真的会出现某种意识。梵蒂冈显然没有顺着这套逻辑走。利奥十四世在《伟大的人性》里反复强调一个核心：人工智能可以越来越强，但技术必须由具有良知、自由和责任的人来决定如何使用，人不能把自己的主体位置交出去。到了10月2日，他干脆把这场讨论拉到了普通人最容易理解的艺术领域。一幅画，机器可以生成。一首歌，机器可以生成。视频、小说、照片，甚至一个根本不存在的人，今天都能生成。但教皇追问的是：机器生成了结果，就等于机器进行了人的创造吗？在他看来，不等于。因为艺术背后有人生经历，有爱恨，有痛苦，有记忆，有肉体感受，也有一个人几十年生活留下来的东西。算法可以学习这些痕迹，却没有真正活过这些人生。所以他说的“人性的火花”，其实就是这层意思。10月2日面对艺术家和策展人时，他进一步提出，教会要和艺术家、文化机构重新结成联盟，保护真正属于人的创造力。我反而觉得，这场争论比“AI会不会抢工作”有意思得多。工作被机器替代，还只是经济问题。一旦社会开始接受“机器可能和人一样拥有意识、创造甚至人格”，问题就完全变了。以后AI说“我痛苦”，算不算痛苦？AI要求不要被关闭，人类需不需要听？一个模型声称自己害怕死亡，我们究竟把它当程序异常，还是当成一个需要尊重的“存在”？这些东西听着像科幻片，可硅谷已经真有人认真研究了。更有意思的是，硅谷自己也没有形成统一阵线。OpenAI首席执行官萨姆·奥尔特曼近日就对把宗教、精神属性强加给AI模型表达警惕，认为这种做法本身可能带来安全问题。所以我看这场争论，根本不是“教皇反科技”这么简单。利奥十四世真正想守住的，是一条线：工具可以越来越像人，人却不能因为工具越来越像自己，就忘了自己为什么是人。AI未来究竟能聪明到什么程度，没有人知道。可现在连教皇、神学家和硅谷顶尖AI研究者都已经坐到同一张桌子上讨论“机器有没有意识”，本身就说明一件事：这场技术革命，已经开始碰人类最核心的那块地盘了。