标签: Google
马云带着蚂蚁掏出19亿美元（约合130亿人民币），手把手教会了印度人用二维码付款
马云带着蚂蚁掏出19亿美元（约合130亿人民币），手把手教会了印度人用二维码付款。十年后，徒弟出师的第一件事，就是把师傅彻底请出了教室。2025年8月5日，孟买国家证券交易所完成了一笔极其低调的大宗交易：蚂蚁集团清空了持有的Paytm最后5.84%股份，套现4.5亿美元。至此，曾经风光无限的“印度支付宝”，在股东名单里与中国资本彻底切割，归零离场。算完这笔账，连最乐观的风险投资者都要倒吸一口凉气：十年间，蚂蚁累计砸进去大约3360亿卢比，最后陆陆续续回收1784亿，净亏1576亿卢比——折合19亿美元。19亿美元买到了什么？买到了印度从“现金社会”向“数字支付”的史诗级跨越，帮莫迪做好了数字基础设施，唯独没买到一分钱的投资回报。回看十年前，这本该是一个绝佳的“降维打击”商业故事。2015年前后，蚂蚁带着资金和杭州的技术专家组飞赴新德里。当时的Paytm还只是一家简陋的手机充值网站。蚂蚁不光给钱，还把支付宝的技术架构、风险控制体系、扫码支付逻辑全盘输送。接着，命运给这个项目送上了无与伦比的“时代大礼包”。2016年11月，莫迪老仙突然掏出大招，宣布“废钞令”，占市场上86%流通量的旧钞瞬间变成废纸。全印度人民陷入了无钞可用的恐慌，Paytm借势起飞，一夜之间登顶，街头巷尾从卖咖喱角的小摊到高端商场，全都贴上了Paytm的二维码。甚至连莫迪的写真照片，都登上了Paytm占据报纸整版的大字祝贺广告。那时候的马云和蚂蚁团队，以为自己抓住了下一个拥有14亿人口的超大增量市场。然而，他们低估了这片土地上独特的商业生存法则。在印度商界一直流传着一条铁律：印度赚钱印度花，一分别想带回家。如果有外企真赚到了大钱，那监管部门的法律工具箱里，总有一款“合规套餐”适合你。当Paytm完成了国民级支付工具的普及使命后，剧本就开始走向了出人意料的方向。从2020年起，外资限制政策横空出世，针对中国资本的审查排山倒海。蚂蚁的投票权被一步步剥离，创办人通过本地实体接盘。到了后来，连Paytm旗下的支付银行都被印度央行以合规为由强行禁令下达。印度政府顺势大力扶持官方的UPI接口，GooglePay和PhonePe借机瓜分蛋糕。曾经风光无两的“印度支付宝”，在股权和控制权层面被清洗得干干净净。其实不仅仅是蚂蚁，这些年来在印度“渡劫”的外企早已排成长龙。小米被冻结48亿人民币账上资金，vivo、OPPO接连收到天价追税单，连给苹果代工的纬创，最终也只能把工厂打折卖给印度本土的大财团塔塔集团。中国企业出海，过去常常讲“用资金换市场，用技术换未来”。但在某些特殊的土壤里，结局往往是“技术被吸收，资金被留下，市场彻底还给本土大亨”。马云教会了印度人扫码，印度人则给中国资本上了一堂极其深刻的跨国投资课。如今清仓离场，虽然亏掉19亿美元，但也算彻底切割、斩断了后患。毕竟，在某些地方，及时止损不仅是一种商业智慧，更是一种生存本能。
从Anthropic上市说起：技术够好，为什么还不够？Anthropic，这
从Anthropic上市说起：技术够好，为什么还不够？Anthropic，这家开发Claude的人工智能公司，正在准备上市，潜在估值可能高达2万亿美元。Anthropic2021年才成立，到现在不过五年，却已经从一家研究型AI公司成长为全球最受资本关注的人工智能企业之一。看到这张图，我想到的却不只是它今天值多少钱，而是另外一个问题：如果Anthropic当初更早一点把自己的产品推向市场，今天的人工智能格局会不会完全不同？Anthropic的创始团队中，有一批人原来来自OpenAI。DarioAmodei、DanielaAmodei以及几位核心研究人员，因为对人工智能的发展方向、安全问题以及商业化节奏存在不同看法，在2020年底离开OpenAI，第二年创办了Anthropic。其实他们很早就已经拥有了大型语言模型，只是因为担心人工智能发展过快，模型能力不断提升以后可能带来更多不可预测的风险，所以没有急着把产品推向普通消费者市场。从他们当时的立场来看，这种选择当然有它的道理。他们认为，一个能力越来越强的人工智能系统，不应该只追求更快推出、更大规模使用，而应该首先考虑安全、可控和可解释的问题。问题在于，商业世界从来不会等到所有人都准备好了才开始。你认为自己是在等待一个更成熟、更安全、更负责任的时机，市场却可能已经被别人抢先占领。2022年底，OpenAI推出了ChatGPT，第一次让普通人真正理解人工智能到底可以怎样使用。在此之前，人工智能更多还是研究机构、科技公司和专业人士讨论的技术名词，普通人并不知道所谓大型语言模型究竟和自己的生活有什么关系。ChatGPT出现以后，人工智能突然变成了一件每天都可以打开、可以说话、可以写东西、可以问问题、可以帮助工作的工具。OpenAI真正厉害的地方，不只是技术，而是它抢到了人工智能进入普通人生活的第一个入口。今天很多人会自然地说：“我去问一下ChatGPT。”当一个产品名逐渐变成一种行为本身的时候，它已经不仅仅是一个软件产品，而开始占领整个品类的心智。过去人们说“Google一下”，今天越来越多人说的是“问一下ChatGPT”。而这种优势，并不是后来推出一个能力差不多，甚至在某些方面更好的模型，就能够轻易改变的。拿我自己来说，我一直使用ChatGPT。Claude可能在某些写作、编程或者长文本处理方面表现很好，甚至在写作文字这种具体任务上，我的美国作家朋友认为它比ChatGPT更出色。虽然我也试过，但并不会因此就转过去。因为我已经习惯了ChatGPT，也知道怎样和它交流，过去的使用习惯、工作方式以及大量对话都已经在这里形成。这就是后来者真正要面对的问题。换一个人工智能平台，并不只是简单地再下载一个App。对于普通用户来说，最大的成本往往不是技术成本，而是习惯成本。只要原来的产品已经足够好，人就很少有动力重新学习另外一个平台。竞争者如果只是做到一样好，通常不足以让用户迁移；它必须在某些非常重要的场景中明显更好，才有可能打破已经形成的使用习惯。所以从消费市场的角度回头看，Anthropic当年的谨慎，确实可能让它付出了很大的机会成本。它不是没有技术，也不是模型不够好，而是没有抢到“人工智能第一次真正进入大众生活”的那个时刻。这个时刻一旦被别人占据，后来再追赶，就不只是比较模型能力，而是在和已经形成的品牌认知、用户习惯以及整个生态系统竞争。这也是为什么技术领先和市场领先从来不是一回事。很多做技术的人会觉得，产品还没有足够完善，可以再等等，再优化一点，再安全一点，再把功能做完整一点，然后再推出。但在一个刚刚形成的新市场里，等待有时候本身就是最大的风险。因为当你还在打磨产品的时候，别人可能已经先教育了市场，也让消费者形成了使用习惯。等你终于拿出一个更好的产品，消费者也许会承认它确实不错，然后继续使用原来的那个。从这个角度看，ChatGPT最大的成功之一，其实不是单纯把GPT模型做得多强，而是把非常复杂的人工智能技术，变成了一个任何人打开网页就可以使用的聊天框。这个设计看起来简单，甚至简单到今天已经让人忘记它当年有多革命性，但正是这个聊天框，让全世界第一次真正理解了生成式人工智能。后来Claude出来了，Gemini出来了，各种各样的新模型也不断出现。模型之间的能力差距事实上正在缩小，但是品牌差距和用户习惯的差距并不会自动一起缩小。一个产品一旦先占据了用户的大脑，后来者想要重新定义这个品类，就会变得非常困难。当然，无论如何，像Anthropic这样一家成立只有五年的公司能够成长到今天这样的规模，本身就是科技史上非常罕见的成功。Anthropic现在显然也已经不再单纯试图把Claude做成第二个ChatGPT，而是在寻找属于自己的市场位置。ClaudeCode、企业客户、专业知识工作和AIAgent，实际上都是非常重要的方向。既然大众入口已经被ChatGPT抢先占据，它就没有必要一定把所有普通用户都抢回来，而可以让程序员、企业和专业工作者在一些关键场景中首先想到Claude。如果普通消费者首先想到的是ChatGPT，那么Anthropic完全可以努力做到，让程序员首先想到ClaudeCode，让大型企业部署AI时首先考虑Claude，也让越来越多复杂、高价值、专业化的工作进入Anthropic的系统。只要这些市场足够大，它依然完全可能成为世界上最重要的科技公司之一。所以今天再看这张“潜在估值2万亿美元上市”的图片，真正值得思考的已经不只是Anthropic当年到底做对了还是做错了。它当然成功了，而且是极大的成功。但它的故事同时留下了一个非常值得创业者思考的问题：一家技术能力极强的公司，并不会因为技术强，就自动获得最大的市场。很多时候，在一个新行业刚刚出现的时候，最宝贵的资源并不是技术，而是时间。产品当然可以不断完善，技术当然可以不断升级，商业模式也可以一再调整，但有一样东西一旦被别人抢先拿走，就很难重新夺回来，那就是用户第一次认识这个市场的时候，脑子里记住的是谁。更有意思的是，当年Anthropic因为谨慎，没有抢先把产品推向大众市场，而今天它和OpenAI却几乎同时走到了资本市场的门口。只是两家公司带到公开市场上的东西已经完全不同：OpenAI带着ChatGPT所建立起来的巨大消费者入口和全球品牌，Anthropic则带着Claude、ClaudeCode，以及它在企业、开发者和专业工作市场中逐渐形成的位置。五年前，他们因为对人工智能应该怎样发展产生分歧而分开；五年后，他们沿着两条不同的道路，各自建立起庞大的公司，又几乎同时走向公开市场。到那个时候，资本市场比较的恐怕已经不只是哪个模型更聪明，而是哪一种路径最终能够形成更大的商业价值。也许这才是Anthropic与OpenAI这段故事最值得看的下一章。
转：顶级财富信号：李嘉诚、巴菲特，同一时间换赛道。一个清掉深耕几十年的核心稳资产，一个手握天量现金蛰
转：顶级财富信号：李嘉诚、巴菲特，同一时间换赛道。一个清掉深耕几十年的核心稳资产，一个手握天量现金蛰伏、三年后突然出手——两位几乎从不失手的老人，同时在抛弃“稳赚不赔”的老资产。信号无比强烈。先看李嘉诚：卖得有多干脆？吃了十几年的澳大利亚能源资产，说卖就卖。8月，长江基建转：顶级财富信号：李嘉诚、巴菲特，同一时间换赛道。一个清掉深耕几十年的核心稳资产，一个手握天量现金蛰伏、三年后突然出手——两位几乎从不失手的老人，同时在抛弃“稳赚不赔”的老资产。信号无比强烈。先看李嘉诚：卖得有多干脆？吃了十几年的澳大利亚能源资产，说卖就卖。8月，长江基建正式启动出售澳洲可持续分布式能源生产商EDLEnergy的控制性股权，估值折合约110.8亿至166.6亿港元。EDLEnergy2025年收入达6.9亿澳元，EBITDA约2.7亿澳元——现金流稳不稳？稳。但照样卖。攥了半辈子的英国电网基建，更是全清仓。现金流最稳、最抗跌的压舱石——基建、电网、能源、电信——通通变现，钱去哪了？AI生物科技、芯片、量子计算。再看巴菲特：更狠。伯克希尔账上趴着近4000亿美元现金，三年岿然不动。但今年6月，谷歌母公司Alphabet宣布史上最大规模融资800亿美元，伯克希尔通过私募配售买入其中100亿美元，巴菲特亲自拍板。二季度，伯克希尔对谷歌持股猛增，持仓市值约378亿美元。目前谷歌已成伯克希尔第三大美股持仓，仅次于苹果和美国运通。两位万亿资本老江湖，同一时间，同一方向。这不是巧合，是旧世界规则松动了——核心房产、基建收租、消费龙头，底层逻辑正在变，继续守着收益越来越薄，风险反而越来越大。但千万别以为，大佬们是在激进AllinAI、盲目赌风口。细拆布局，这是套顶级配置体系：李嘉诚通过维港投资等布局AI医学影像、生物计算、量子计算、智慧物流。巴菲特买谷歌，看中的也不是搜索业务——而是自研芯片（TPU）、自建电厂、自铺光纤的AI底层能力。今年一季度，谷歌云业务收入同比大增63.3%，经营利润率首次突破32%。这些资产的本质都是——新周期的“水电煤”。哪怕上层应用迭代洗牌，算力、能源、物流这些底层核心资产，永远有刚需、有价值。更关键的是，他们的布局极度克制，稳中求进。巴菲特加仓谷歌的100亿美元，占其现金池仅约2.7%；李嘉诚的科技转型，也是增量布局，从不掏空基本盘博收益。这才是普通人最该学的财富思维：永远留足现金流和防御资产，再精准布局新赛道的确定性机会，拿下新时代的“收租资产”。
此前窃取谷歌内部AI技术，将2000页资料，准备带回国创业，并寻求融资的
此前窃取谷歌内部AI技术，将2000页资料，准备带回国创业，并寻求融资的工程师丁林葳，昨天被法院正式宣判12个月，确认其存在商业秘密盗窃罪。由于这名老哥，只是想带资料，回国创业融资搞钱，因此法院撤销了检方，关于经济间谍的起诉，但要赔偿谷歌超过19万美元。
还记得这个前谷歌工程师丁林葳吗？他带着2000页谷歌内部资料离职准备回国创业在A
还记得这个前谷歌工程师丁林葳吗？他带着2000页谷歌内部资料离职准备回国创业在AI大潮中拼一把。刚刚被判窃取商业秘密罪，12个月监禁，罚金近20万美元。不过他避免了经济间谍罪。一年后出狱回国应该不影响他继续创业。
还记得这个前谷歌工程师丁林葳吗？他带着2000页谷歌内部资料离职准备回国创业在AI大潮中拼一把。刚刚
还记得这个前谷歌工程师丁林葳吗？他带着2000页谷歌内部资料离职准备回国创业在AI大潮中拼一把。刚刚被判窃取商业秘密罪，12个月监禁，罚金近20万美元。不过他避免了经济间谍罪。一年后出狱回国应该不影响他继续创业。还记得这个前谷歌工程师丁林葳吗？他带着2000页谷歌内部资料离职准备回国创业在AI大潮中拼一把。刚刚被判窃取商业秘密罪，12个月监禁，罚金近20万美元。不过他避免了经济间谍罪。一年后出狱回国应该不影响他继续创业。
窃取谷歌内部AI技术，将2000页资料，准备带回国创业，并寻求融资的工程师丁林葳，昨天被法院正式宣判
窃取谷歌内部AI技术，将2000页资料，准备带回国创业，并寻求融资的工程师丁林葳，昨天被法院正式宣判12个月，确认其存在商业秘密盗窃罪。。。。
死谷歌，老娘专门用英语求你不管用，发了个我生气的一堆话你就通过了。你是有病吧
死谷歌，老娘专门用英语求你不管用，发了个我生气的一堆话你就通过了。你是有病吧
这就是谷歌当年为什么被踢出中国的原因，不仅仅因为技术落后，产品烂，这些都可以交给
这就是谷歌当年为什么被踢出中国的原因，不仅仅因为技术落后，产品烂，这些都可以交给市场选择。关键原因是，谷歌不是一家独立的公司，他是美国政府的意识形态武器！海外新鲜事热点现场
印度博主：够了，别再仇恨印度教徒了。谷歌的首席执行官是印度人微软的首席执
印度博主：够了，别再仇恨印度教徒了。谷歌的首席执行官是印度人微软的首席执行官是印度人Adobe的首席执行官是印度人IBM的首席执行官是印度人PaloAltoNetworks的首席执行官是印度人Micron的首席执行官是印度人总市值10万亿美元自每位首席执行官上任以来，为美国创造了8万亿美元的财富谷歌的CEO是印度人，微软的CEO是印度人，Adobe的CEO是印度人——这些确实都是事实。但这些人的成功，是个人的成功，而不是整个印度民族的成功。这些CEO的成功，确实能说明印度人在全球科技界的竞争力，但它是“精英的成功”，而不是“民族的成功”。一个印度人在美国当CEO，为美国创造了8万亿美元的财富——这到底是在帮印度争光，还是在帮美国创造财富？如果印度人真的那么厉害，那为什么这些公司不在印度本土？如果印度人真的那么厉害，那为什么印度的科技产业仍然远远落后于中国？如果印度人真的那么厉害，那为什么印度的AI、芯片、电动车、航天等前沿科技领域，仍然远远落后于中国？这些CEO的成功，并不能证明“印度人普遍优秀”，只能证明“少数印度人非常成功”。当印度网友用这些CEO来证明“印度人很厉害”时，他们可能忽略了一个事实：如果印度真的那么厉害，那这些公司应该建在印度，而不是美国。印度人真正厉害的是“人才输出”——最优秀的人去了美国，为美国创造了财富。如果印度人真的那么厉害，那印度应该留住他们，而不是让他们去给美国打工。
#当TPU走出Google机房：a16z重押“机器时代”的拐点信源：[a16z｜WhyTopFoun
#当TPU走出Google机房：a16z重押“机器时代”的拐点信源：[a16z｜WhyTopFoundersAreRacingIntoAIInfrastructure｜2026-08-28]这场访谈最抓人的说法，是AI需求“近乎无限”、关键供给已经排到2028年，以及瓶颈正转移到“模型以下”。但a16z刚刚募集11亿美元成立MachineAgeFund，芯片、内当TPU走出Google机房：a16z重押“机器时代”的拐点信源：[a16z｜WhyTopFoundersAreRacingIntoAIInfrastructure｜2026-08-28]这场访谈最抓人的说法，是AI需求“近乎无限”、关键供给已经排到2028年，以及瓶颈正转移到“模型以下”。但a16z刚刚募集11亿美元成立MachineAgeFund，芯片、内存、网络、存储和数据中心正是它准备投资的方向，因此这些判断不能脱离募资语境照单全收。反而是视频之外的两项最新披露，更能解释a16z为何此时重返硬件：[Alphabet在2026年第二季度首次把TPU系统交付到客户自己的数据中心并开始确认收入]；[Amazon则披露，其芯片业务年化收入运行率已超过250亿美元]两项数字不能直接比较——Alphabet披露的是已经开始确认、但未公布金额的季度收入，Amazon给的是按当前速度外推一年的runrate，也不是单列财务报表收入。不过，它们共同指向一个比“缺货”更重要的变化：自研芯片正在从云厂商内部的降本工具，变成可以通过云服务或整套系统向外收费的基础设施产品。a16z押注的核心，是系统效率开始具备独立的商品属性。所谓“可出售的系统效率”，不是某颗芯片的峰值算力更高，而是把计算、内存层级、互联、供电、散热和编译器组合起来，在目标质量不变的前提下，降低每个有用任务的成本与延迟，并把这种改善变成收入或毛利。传统软件公司可以把硬件藏在云的抽象层之后；AI公司却必须为每一次推理持续支付显存带宽、数据搬运、电力和折旧。物理架构因此从后台成本进入了产品经济学。视频以超大规模云厂商的资本开支证明需求，并给出2026年约7000亿美元的量级。按最新公司口径重新核对，[Amazon预计2026年资本开支约2000亿美元]，[Alphabet指引为1950亿至2050亿美元]，[Meta为1300亿至1450亿美元]，[微软对2026日历年的最新预期约为1750亿美元]。四者合计约7000亿至7250亿美元；[IEA也估计五家大型科技公司的资本开支将由2025年的逾4000亿美元在2026年再增长约75%]，视频的数量级因而能够成立。但这个合计只能确认投入规模：这些都是公司指引或预期，并非全年已实现支出；各家对资本开支、融资租赁的处理不同，而且Amazon的预算还包括芯片、机器人和低轨卫星等项目，不能把总额全部贴上“AI”标签。供给端也要做同样的降噪。嘉宾所说“全产业链基本排满到2028年”以及“某头部内存厂当前订单需要三年产能”，公开信息不足以独立验证。能够确认的是，[微软称客户需求仍超过可用产能]，Alphabet需要在第三季度临时增加第三方容量，而[IEA在2026年4月的更新报告中判断，近半年形成的HBM短缺至少可能延续到2027年底]。这些证据足以说明瓶颈仍在，却不能推出每一种器件、每一个地区都已锁单到2028年。“模型以下”之所以成为利润变量，还因为AI工作负载不是一块均匀的计算。随附的PIC与SRAM材料把这条链条补得很清楚：Prefill偏计算密集；Decode中的Attention要反复读取KVCache，更受内存容量与带宽约束；FFN又大量读取权重。SRAM适合低延迟和高带宽访问，却难以独自容纳不断扩大的KVCache；HBM容量更大，但数据在芯片、机架和数据中心之间移动时，互联功耗与距离又会成为新约束。铜互联触及信号完整性、线缆体积和能耗边界后，光互联便会从Scale-out继续向Scale-up和封装附近推进。这里没有一颗芯片能够单独解决问题，上一层优化总会把压力传给下一层。这也是视频中“每个模型定制一颗ASIC”最需要谨慎的地方。a16z用一个上限测算说明其可能性：训练一个前沿模型耗资30亿至50亿美元，假设推理收入达到100亿美元，20%的效率价值就足以覆盖20亿美元的ASIC开发。但20%的效率提升不等于能直接节省20%的收入，模型架构、上下文长度、批量、算子和服务流量也会在Tape-out、量产与验证期间继续变化。更可能出现的路线，是面向一组稳定工作负载的平台级ASIC，再用异构系统分别处理Prefill、Attention和FFN。定制单位不会无限收缩到单一模型，而会停在足以摊薄研发成本、又能保留优化空间的平台层。这会把竞争从“谁有一颗更快的芯片”推向“谁能交付一套可复用的系统”。Alphabet销售TPU系统、Amazon把自研芯片变成云端收入，意味着CSP开始具备商用基础设施平台的角色，与NVIDIA式全栈平台形成新的正面重叠。对创业公司而言，仅有一项器件指标远远不够；它还要解决封装、编译器、互联、供应链、客户验证和量产。对HBM、PIC、CPO、SRAM加速器等环节而言，需求增长也不自动等于利润增长，价值最终取决于它是否占据难以替换的系统瓶颈，以及能否通过标准、良率、认证或软件协同留住议价权。a16z最薄弱的前提仍是“需求无限”。[IEA的2026年更新显示，2025年全球数据中心用电量为485TWh，预计2030年增至约950TWh，以AI为主的数据中心用电同期可能增长至三倍；但近年单个AI任务的耗电量至少每年下降一个数量级]，资本开支的持续性将对利用率、投资回报和融资环境高度敏感。效率提升与总需求扩张可以同时发生，却不保证每一轮提前建设都能兑现回报。[按Amazon口径，截至2026年6月底的过去十二个月自由现金流已转为流出76亿美元]，公司明确把主要原因指向以AI为主的物业和设备投入增加。这不是需求崩塌的证据，却说明现金回收已经成为和供给同样重要的约束。因此，接下来最值得跟踪的不是Token总量还会增长多少，也不是资本开支能否再创纪录，而是这批专有系统能否跨过“内部好用、外部难卖”的边界。若到2027年，TPU系统销售仍不成规模，芯片runrate无法转化为可持续的确认收入与利润，同时利用率和云业务毛利被折旧持续侵蚀，那么MachineAge更像一场供给短缺交易；反之，芯片、编译器、互联和运维被封装成多个客户愿意长期采购的平台，硬件才真正重新获得软件时代曾经独享的复用经济。到那时，芯片公司、云厂商和系统厂商的边界会进一步模糊。领先者未必拥有每一项最强的器件，而是能把局部的物理效率，稳定变成客户可以买到的“每个有用任务成本下降”。这才是a16z所谓“机器时代”比一轮缺货周期更值得重视的部分。
谷歌最近干了一件挺绝的事：它不用看你的银行流水，也不用搜你的资产证明，光靠数你家
谷歌最近干了一件挺绝的事：它不用看你的银行流水，也不用搜你的资产证明，光靠数你家楼下有几家咖啡馆、几个公交站和几栋高层住宅，就能精准预测你这个社区的平均收入水平。最骚的操作是，谷歌的研究人员自始至终压根没告诉过AI到底什么叫“富裕”，什么叫“贫穷”。这个模型叫S2Vec，是谷歌EarthAI计划下的最新成果。它的工作原理非常优雅：把一个区域内所有的建筑物、道路、公园和店铺，全部转化为分层的矢量图像。比如一个网格里有三家咖啡馆和一个公园，就会被映射成特定的像素值。接着，AI就像计算机视觉模型看照片一样，去“阅读”这幅城市地图。它的训练过程才是真正的精髓所在——掩码自编码（MaskedAutoencoding）。简单来说，谷歌把一张城市地图挖掉一块，让AI做“完形填空”。当模型看到一丛高层住宅紧挨着地铁站，但中间空了一块时，它就会理直气壮地预测：这里应该放一家生鲜超市。把这种完形填空在全世界的地图上重复做上几亿次，AI居然自己悟出了人类城市规划的“深层空间语法”。根本不需要人类专家去标注“这里是金融区”或者“那里是郊区住宅”，模型仅凭建筑与设施的相对几何位置，就自己推断出了城市组织的内在规律。这套训练最终会为地球上的每一个坐标生成一串数字，也就是“空间嵌入”（Embedding）。这串数字就像是地块的数学指纹。把这个指纹丢给后续任务，S2Vec就能直接估算出这个区域的人口密度、中位数收入，甚至碳排放量。在完全没见过的全新区域（零样本地理外推）预测上，S2Vec的表现碾压了一众传统模型。它不仅在社会经济预测上击败了GEOCLIP，甚至追平或超越了纯看卫星图的RS-MaMMUT模型。这里有一个非常关键的认知差：过去做遥感预测，大家极度依赖卫星照片，但卫星照片其实有硬伤。卫星视角只能看到屋顶、绿化和地貌，它不知道屋顶下面到底藏着什么。而S2Vec用的地图矢量数据，虽然看不到树叶，但它清清楚楚地知道这个屋顶底下有三家咖啡馆、一家药房和一个公交站。不仅更新速度快、处理成本低，对人类社会经济活动的捕捉颗粒度也远超卫星。当然，只看矢量地图也有短板，它测不出植被覆盖率和地形。于是谷歌把S2Vec和卫星图像模型进行融合，组成了强强联手的多模态预测，直接刷新了地学预测的上限。目前，谷歌的EarthAI已经在暗中组建了一套“三体人级别”的遥感矩阵：PDFM：负责预测人口动态；RS-MaMMUT：负责解读卫星遥感视觉；S2Vec：负责剖析人类建构的物理环境。这三个基础模型一旦叠加在一起，系统读懂一个社区的速度和深度，已经完全超越了在当地生活了十年的老住户。以前大家选房子、聊社区，总觉得自己在追求“独特的生活方式”或者“中产的气质”。现在看来，在算法眼里，我们那些看似随性的生活选择，不过是极其规律且平庸的几何像素点罢了。只要你在地铁口旁边连续开出三家精品独立咖啡馆，算法甚至都不用问你的工资，就会在后台悄悄把这块土地的中位数收入调高几个档次。
谁能想到科隆AI趋势三年前就被鹅预判了鹅厂游戏AI逼真得惊呆谷歌开发者最有意思
谁能想到科隆AI趋势三年前就被鹅预判了鹅厂游戏AI逼真得惊呆谷歌开发者最有意思的是“共脑”这个说法，欧洲顶流游戏技术大会跟国内大厂思路对上，说明这套底层逻辑是全球都认的方向。
谷歌广州招聘2万到5万一个月
谷歌广州招聘2万到5万一个月
