分类: AI资讯

聚焦前沿人工智能动态,速览行业热点、技术突破、产业风向与实用 AI 干货,紧跟科技潮流,第一时间掌握 AI 最新趋势。

  • Anthropic被禁出口,中日AI公司趁机推出了自己的平替

    Anthropic被禁出口,中日AI公司趁机推出了自己的平替

    两周前,美国政府一纸禁令,把Anthropic的Mythos和Fable 5模型对非美国人关上了门。这件事在AI圈炸了锅,但很快,中日两国的AI公司就给出了自己的答案——不是抗议,而是直接推出了替代品。

    中国的”神话”对抗”神话”

    本周三,中国网络安全公司360正式发布了”屠龙锋”(Tulongfeng),一款专门用于网络安全领域的AI工具。360的说法很直接:这款工具能和Anthropic的Mythos正面对抗。Mythos是什么?它是Anthropic专门针对网络安全场景打造的AI模型,能力强到让特朗普政府不得不对它实施出口管制。

    亚洲AI公司推出Mythos替代品概念图
    中日AI公司趁Anthropic出口禁令,推出本土化AI模型

    360没止步于此,同时还发布了另一款工具”一天真”(Yitianzhen),专注自动化网络防御和事件响应。360创始人周鸿祎在发布会上说了一句话,挺值得玩味:漏洞发现AI是”国家战略资产”,他担心的是”单向透明”——有些玩家能用上先进的漏洞检测能力,有些则被挡在门外。

    “漏洞发现AI是国家战略资产,我们需要警惕’单向透明’的风险。”
    ——周鸿祎,360创始人

    日本的”河豚”游得挺快

    差不多同一时间,东京的AI初创公司Sakana AI发布了Fugu(日文”河豚”的意思)。这家公司说,Fugu的性能可以”和Anthropic的Fable 5、Mythos Preview肩并肩”。Fugu不只是跟风,它有一个挺有意思的设计思路:编排模型(Orchestration Model)。简单说,它能协调调用多个其他AI模型,通过API把它们的能力串起来,而不是只靠自己。

    Sakana的联合创始人David Ha在X上写了一段话,说出了很多人的心声:”对单一供应商的依赖,是国家基础设施的风险。出口管制让大家意识到,这种风险是真实存在的。访问顶级模型的权利可能一夜之间消失,集体智能才是对抗权力集中的实用对冲。”

    Sakana是哪来的底气?这家公司2023年由前谷歌研究员Ren Ito、Llion Jones和David Ha联合创立,去年11月完成了1.35亿美元B轮融资,估值26.5亿美元。他们的主打方向是便宜好用的生成式AI模型,专门为日语和日本文化优化,在小数据集上也能跑得不错。

    时机”纯属巧合”?

    Sakana对外的说法是,Fugu的发布”纯属巧合”,研发从去年就开始了,相关研究今年春天还在ICLR上发表过。但他们的网站广告语写的是”提供前沿能力,没有出口管制风险”——这话说得挺直白的。

    Sakana的联合创始人Ren Ito上周在G7峰会边会上也谈到了这个话题。他写了一篇专栏文章,呼吁美国联邦政府”把保持盟友的访问权限作为第一优先级”,他的观点是”AI不应该成为一种被囤积的技术,而应该是共同开发的”。


    这两家公司,一个在中国,一个在日本,面对Anthropic的出口禁令,给出了两种不同的回应方式。360是直接硬刚,做一款同场景的替代品;Sakana则是做一个”保险”,让你在失去访问权限的时候还有别的选择。哪种思路更管用,现在还不好说。但有一件事是确定的:Anthropic五月份刚刚宣布年化收入突破470亿美元,其中有多少来自亚洲企业客户,外界不得而知。但禁令生效这几周,东京和北京各有一家公司站出来填了这个空缺。就算哪天禁令取消了,本地替代品已经在这里了,而且它们更懂本地语言和文化。这场博弈,才刚刚开始。

  • 英伟达把AI数据中心的用水量打到接近零,办法有点反直觉

    英伟达把AI数据中心的用水量打到接近零,办法有点反直觉

    AI数据中心烧钱又烧水,这事大家都知道。但英伟达最近说,他们找到办法了——把数据中心的用水量降到”接近零”。办法听起来有点反直觉:把服务器跑得更热。

    液冷+高温,英伟达的”节水密码”

    英伟达在本周的一篇博客里详细解释了这件事。他们新一代Rubin架构的参考设计,全面采用液冷方案,同时把服务器的运行温度提高到45摄氏度(113华氏度)。这两个改动加在一起,号称能把用水量从传统冷却塔系统的每年每兆瓦260万加仑,降到接近零——降幅最高可达100%。

    英伟达AI数据中心液冷系统概念图
    英伟达Rubin架构数据中心参考设计,全面液冷方案大幅降低用水量

    具体怎么做到的?英伟达的可持续发展负责人Josh Parker解释,热量直接在芯片上被捕获,然后通过液冷回路传输,回路的工作温度可以设得比较高,这样室外的干式冷却器一年里大部分时间都能高效散热,对气温的适应范围也宽得多。

    “从传统冷却塔系统每年每兆瓦约260万加仑的用水量,到接近零——最高可实现100%的削减。”
    ——Josh Parker,英伟达可持续发展负责人

    亚马逊也在做类似的事

    英伟达不是唯一一个在这条路上走的。亚马逊在上个月的一份报告里也提到,通过提高数据中心的温度容忍度,让主要以风冷为主的数据中心变得更高效。逻辑是一样的:服务器能扛更高的温度,冷却系统就不用那么卖力地干活,水也就省下来了。

    但事情没那么简单。Gizmodo指出,英伟达的博客里没提这种数据中心的建设成本——全液冷方案肯定比传统风冷要贵。不过英伟达方面声称,”每一个为Rubin架构建设的云服务商和数据中心运营商都在做这个转型”。如果是真的,规模效应最终会把成本降下来。

    问题没全部解决

    把水省了是好事,但AI数据中心的其他问题没被这个方案解决。比如建设阶段的环境影响,还有这些庞然大物运行所需的电力供应——这才是真正的耗能大户。

    美国各地最近冒出来很多AI数据中心项目,当地居民的抗议声也越来越大。大家担心的不仅仅是水,还有电、噪音、以及对周边社区的长期影响。英伟达的液冷方案是一个技术进步,但它只是AI基础设施这个大拼图中的一块。


    回过头看,这件事其实反映了一个更大的趋势:AI的算力需求还在涨,但社会和监管对数据中心的容忍度在下降。省水只是一个开始,接下来省电、省地、减少社区冲突,每一关都不好过。英伟达这一次至少证明了一件事:技术方案是存在的,剩下的就是看整个行业愿不愿意为之买单了。

  • AI预算雪崩:员工用AI转PDF花掉几十亿,Accenture急了

    AI预算雪崩:员工用AI转PDF花掉几十亿,Accenture急了

    AI预算雪崩:员工用AI转PDF花掉几十亿,Accenture急了
    文章配图

    几个月前,AI行业还在鼓励大家”把AI预算用光”——用得越多越好,最好全公司都tokenmaxxing。现在风向突然变了:公司发现账单高得离谱,而员工用AI做的事情,基本上是在浪费钱。

    我们正进入”token配给制”时代。

    Accenture的”token末日”

    最近404 Media曝光了一段Accenture内部会议的录音,内容相当尴尬。这家全球最大的咨询公司之一,正在试图阻止员工把公司的AI token额度花光——而员工干的事情包括:用AI把PDF转成PPT。

    讽刺的是,就在不久之前,Accenture还在威胁员工:不用AI就别想升职。现在反过来求员工别用那么猛。

    Accenture代理AI战略负责人Justice Kwak在内部会议上说:”AI正在成为成本结构中的重要组成部分,支出变得非常不可预测;CFO、COO、CIO们还在问一个问题——我们花的这些钱,到底值不值?”

    从”越多越好”到”越少越好”

    这段反转背后,是整个AI商业模式的一次大考。年初的时候,AI公司和很多企业客户都在鼓吹”tokenmaxxing”——尽量多用AI,把每一分预算都花掉,因为用得越多,模型就越好(至少营销是这样说的)。

    有些公司甚至搞了内部排行榜,看哪个部门用的token最多。Amazon后来悄悄删掉了自家的排行榜,因为有人发现这东西本质上是在奖励浪费。

    现在来看,那些排行榜奖励的不是生产力,而是谁最能烧钱。

    市场已经开始用脚投票

    token成本失控的问题,已经不只是某一家公司内部的事了。最近几天,AI相关股票出现了一轮明显的抛售——媒体称之为”AI抛售”(AI selloff),内存芯片制造商跌得尤其狠。

    投资者的逻辑很简单:如果AI的最大企业客户都开始认真管控token支出,那AI公司的营收预期就得重新算。而这直接影响上游——买多少GPU、建多少数据中心,都取决于企业端的需求是不是真的、是不是可持续的。


    AI得证明自己值这个价

    这段故事最有意思的地方在于:AI行业已经过了”新奇阶段”,现在必须证明实际价值。员工用AI转PDF、写无关紧要的邮件、生成一堆没人看的摘要——这些用法或许能刷排行榜,但对公司底线没有贡献。

    Accenture的困境,其实是整个行业正在面对的问题。AI工具确实强大,但”强大”不等于”用得越多越好”。怎么把AI用在真正产生价值的地方,同时把成本控制在合理范围内——这个问题,2026年下半年每一家用了AI的公司都得认真回答。

    而那些还在鼓吹”无限制使用AI”的厂商,可能很快就要面对一群拿着账单问问题的CFO了。

  • AI监管变天:Anthropic和OpenAI突然站在了同一艘船上

    AI监管变天:Anthropic和OpenAI突然站在了同一艘船上

    AI监管变天:Anthropic和OpenAI突然站在了同一艘船上
    文章配图

    这两周AI圈子发生了一件挺有意思的事——Anthropic的Fable和Mythos两个模型被美国政府强制下架,而OpenAI刚准备发布的GPT-5.6,眼看也要走进同一个”审批死角”。

    两家公司打得不可开交,结果现在被同一把剑悬在头顶。竞争格局突然变了。

    审批”死角”到底有多深

    事情要从两周前说起。美国政府对Anthropic施压,导致Fable和Mythos两个模型被撤出一般发布渠道。当时很多人的第一反应是:这是Anthropic自己搞的,还是别人告的?

    现在答案逐渐清晰——不管谁起的头,结果吃亏的是整个行业。OpenAI的GPT-5.6据传只做”有限预览”,而且每一个企业客户要使用,都得政府先批。据The Information报道,这种”逐客户审批”的模式可能会持续几周甚至更久。

    Mythos已经在预览状态卡了好几个月,没有任何迹象表明它会在短期内进入一般发布。哪怕GPT-5.6的延迟只有”几周”,对于砸了几十亿美元训练成本的AI实验室来说,这也是真金白银的损失。

    问题远不止”慢几周”

    模型发布的节奏一旦被打乱,连锁反应会很快传导到数据中心建设、融资计划、甚至整个行业的信心。如果每一个前沿模型的发布都要先过政府这道关,而且没有清晰的审批标准,那AI公司怎么规划产品路线图?

    更棘手的是,美国政府目前根本没有能力做这种审批。GMU研究员、即将入职OpenAI的Dean Ball在一篇分析文章里说得很直白:监管方既没有明确的安全评估框架,也说不清楚到底在防什么风险。

    网络安全、生物风险、模型对齐——这些都是真实存在的关切,但不能靠”先拖几个月再说”来解决。

    行业需要联合,而不是互咬

    这件事最有意思的地方在于:Anthropic和OpenAI突然有了完全相同的利益。之前大家都在看热闹,觉得是不是Anthropic用监管手段打压OpenAI,或者OpenAI跟特朗普政府走得太近、把对手挤出去。

    但现在的情况很清楚——不管你跟政府关系多好,审批的刀随时可能落下来。今天卡的是Anthropic,明天可能就是OpenAI,后天 maybe 是Google。

    Russell Brandom在TechCrunch的文章里说得很明白:这已经不是Anthropic vs OpenAI的故事了,而是整个AI行业跟政府监管之间的博弈。如果行业不联合起来推动一个合理的审批框架,而是各自想着怎么利用监管打击对手,最后大家一起完蛋。


    接下来会怎样

    未来几周,AI公司面临的选择很明确:是继续把安全审查当成竞争工具,还是联手推动一个透明的、可预期的审批流程?

    从商业角度看,后者的难度显然更大——意味着要跟竞争对手合作,意味着要接受某种形式的行业自律。但从整个行业的长期发展来看,这可能是唯一不把大家都拖死的办法。

    AI模型的能力已经强到让政府不得不插手。这是好事还是坏事,取决于行业怎么应对。

  • Adobe把Topaz Labs买了:AI图像视频增强这块,它不想再让别人沾手

    Adobe这周宣布收购Topaz Labs,一家做了二十多年图像和视频增强工具的公司。表面上这是个”整合互补技术”的常规操作,但实际上Adobe在堵一个口子:不想让用户在AI增强这块跑去用别的软件。

    Topaz Labs可能不是普通用户最熟悉的品牌,但在专业圈子里口碑很稳。他们家的视频超分、图像降噪、画质修复工具,很多后期剪辑师和摄影师是真的在天天用。

    拿了艾美奖的技术

    Topaz去年拿了一个艾美奖(技术类),表彰他们在视频增强技术上的贡献。具体产品有两个核心:Astra做AI视频超分,Wonder做图像修图和增强。

    Adobe收购Topaz Labs概念图
    Adobe生态整合Topaz AI增强技术

    最近他们还搞了一个叫NeuroStream的技术,核心是让大模型能在消费级GPU上跑起来——这跟Adobe的”本地AI处理”策略对得上。Adobe一直在推Firefly的本地化能力,不想所有计算都依赖云端。

    “Topaz Labs在优化大型复杂AI模型以直接在设备上运行方面拥有深厚专业知识,这将使Adobe能够为客户提供更快速、更响应的体验,并使高级AI对创意人员来说更可及、更具成本效益。” —— Adobe创意云产品营销副总裁 Deepa Subramaniam

    Adobe在防什么

    现在做创意软件的公司,竞争比原来激烈太多了。Canva在抢小白用户,Blackmagic Design(DaVinci Resolve的东家)在抢专业剪辑师,加上一堆AI原生工具在抢”AI优先”这个叙事。

    Adobe的应对策略很直接:把有用的技术买进来,塞进自己的生态里,让用户没有理由出去。Topaz的工具已经有一部分在Creative Cloud里能用到,现在直接整个买下来,整合进Firefly AI助手和Premiere、Illustrator这些主力应用。

    收购完成后,Topaz的产品还会继续作为独立服务在自家网站上卖,但核心模型和技术会逐步整合进Adobe全家桶。

    交易细节

    具体收购金额两家公司都没披露。交易预计在2026年下半年完成。

    对Topaz来说,背靠Adobe意味着更大的用户触达和更多的计算资源。对Adobe来说,这是守住创意软件生态的又一步棋。


    对普通用户来说,接下来能看到的变化大概是:Premiere里的视频增强更强大了,Photoshop里的降噪和超分更准确了,而且这些都直接在本地跑,不用等云端排队。

    至于能不能扛住Canva和Blackmagic的围攻,得看Adobe能把买来的技术整合到什么程度。

  • Databricks前AI负责人出走创业:要把AI的电费砍到千分之一

    Naveen Rao在Databricks管了几年AI业务,今年突然跳出来单干,搞了一家叫Unconventional AI的公司。他的目标听起来像在吹牛:把AI推理的功耗降低1000倍。

    但凡在AI行业待过的人都知道,这事儿有多离谱。现在跑一个大模型,电费贵到科技公司都在自己建电厂。Rao的答案是重新造一台计算机——不是改良现有芯片,而是从底层换掉整个计算架构。

    振荡器架构:不按套路出牌

    Unconventional的核心技术叫”振荡器基计算架构”(oscillator-based computer architecture)。这东西跟现在所有CPU、GPU的底层逻辑都不一样。具体原理说出来太硬核,但结果很简单:做同样的事情,耗电只有原来的千分之一。

    AI芯片架构与能耗概念图
    新型振荡器芯片架构 vs 传统GPU架构

    这周他们放出了第一个模型,叫Un-0,做图像生成的。效果跟Stable Diffusion、OpenAI的GPT Image 1差不多,但跑起来的能耗完全不是一个量级。

    “这是新型计算机的’Hello World’。接下来一年,你会看到一些相当有意思的消息。” —— Unconventional AI创始人 Naveen Rao

    软件模拟只是第一步

    目前Un-0还跑在软件模拟的振荡器芯片上,真家伙的电路图还没出来。但公司说很快就会发布实际芯片的设计 schematic,然后从头搭建整套推理堆栈(inference stack)。

    最终形态是:Unconventional自己运营算力,用户把prompt从网线灌进来,推理结果从另一头出去——但整件事的耗电只有现在的数据中心的千分之一。

    Rao说:”我们会用我们的芯片组建一套新系统,在上面跑AI模型。会有网线插进来,prompt从这边进去,推理结果从那边出来,但耗电量只有千分之一。”

    为什么这事值得认真看待

    Rao不是随便哪个创业者。他在Databricks主管AI业务期间,亲眼看着客户因为电费问题犹豫要不要上大模型。AI推理的能耗曲线是指数级的,照这个势头下去,电价会成为整个行业的天花板。

    现在各家都在自建芯片(OpenAI找博通代工、谷歌TPU、亚马逊Trainium),但基本思路还是在GPU的框架里打转。Unconventional的做法是直接换掉底层逻辑,风险大得多,但如果成了,收益也不是一个量级的。

    公司目前不到50人,能拿到顶级VC的钱(具体谁投的这篇文章没说),但能做出Un-0这个demo,说明至少原理验证是过了的。


    接下来看什么

    • 实际芯片设计图什么时候发布
    • 除了图像生成,能不能跑LLM推理
    • 功耗数据能不能经得起第三方验证
    • 会不会真的建成那个”千分之一功耗”的推理数据中心

    如果Rao吹的牛实现了,AI行业的成本结构会被整个重写。如果没实现,那就是又一家”颠覆性架构”公司 quietly 死掉。

    但至少现在,有人认真在解决AI的能耗天花板了。

  • 人形机器人公司Agility Robotics宣布SPAC上市,估值25亿美元

    人形机器人公司Agility Robotics宣布将通过SPAC方式上市,交易估值约25亿美元。这家从俄勒冈州立大学走出来的创业公司,是目前世界上少有几家真的把人形机器人卖进工厂、并且让它们在客户现场跑起来的公司之一。

    Agility Robotics Digit人形机器人
    Agility Robotics的Digit人形机器人已在多家工厂投入实际使用(图片:AI生成)

    不是PPT机器人,已经在干活了

    Agility最出名的产品是Digit,一台双足人形机器人。目前已经有9个客户站点在用,包括舍弗勒、GXO、丰田加拿大工厂、拉美电商Mercado Libre。这个数字听起来不大,但考虑到人形机器人整个行业还处在”演示视频比实际部署多”的阶段,能列出具体客户名字本身就是竞争优势。

    这一轮SPAC合并预计募资超过6.2亿美元,其中约2亿美元来自新老机构投资者的跟投。Agility背后站着一串重量级名字:亚马逊、英伟达、软银Vision Fund 2、DCVC。这些投资方不只是出钱,亚马逊和Toyota本身就是潜在客户。

    “人形机器人即将成为生产力、供应链韧性和美国技术领导力的关键驱动力。Agility已经在客户环境中部署了商业化人形机器人,正在帮助企业应对劳动力短缺、提升效率。”
    ——Agility CEO Peggy Johnson


    25亿美元贵不贵?

    Agility说自己已经拿到新一代Digit v5超过3亿美元的多年度订单,还有30多个潜在客户在评估大规模部署。这个数字如果属实,说明人形机器人真的开始从”试试看”走向”批量采购”了。

    但25亿美元的SPAC估值,放在当前机器人板块里并不算离谱。Figure AI、Boston Dynamics、1X Technologies这些同行的 private 估值都在类似量级甚至更高。真正的问题是:人形机器人的商业化速度能不能撑起这个估值?

    目前Digit主要做搬运、拣货这类相对简单的任务。跟人类工人比,速度还慢,成本还不低。Agility需要证明的是:在接下来的12到18个月里,机器人的工作效率能提升到让客户愿意扩大量产采购,而不只是停留在试点阶段。

    SPAC上岸,机器人板块的风向标

    选择SPAC而不是传统IPO,本身传递了一个信号:Agility想要尽快上岸,趁着人形机器人热度还在。传统IPO路演周期长,市场情绪一变就可能搁置。SPAC合并流程更可控,估值也提前锁定。

    合并完成后,公司股票将以AGLT的代码在北美某交易所挂牌(具体交易所尚未公布)。这对整个机器人板块是个参考事件——如果Agility上市后股价走得稳,会有更多机器人公司跟进;如果破发或者交易量惨淡,整个赛道的融资窗口可能收紧。

    人形机器人这个赛道,2026年正处在”期望值峰值”和”实际商业化”之间的关口。Agility这步棋走得准不准,未来一年见分晓。

  • 这家公司用《堡垒之夜》训练AI Agent,估值23亿美元

    一家纽约创业公司正在把电子游戏变成AI Agent的训练场。General Intuition本周宣布完成3.2亿美元融资,估值23亿美元。它的核心想法听起来像科幻小说:让AI在《堡垒之夜》这类游戏里练级,然后把学到的能力直接搬到右手机器人身上。

    AI Agent在游戏中训练
    General Intuition用游戏数据训练AI Agent,再迁移到真实机器人(图片:AI生成)

    同一个”大脑”,从游戏到现实

    走进General Intuition纽约办公室的研发区,联合创始人兼CEO Pim de Witte(31岁)会让访客看一块显示器。屏幕上有人在玩类似《堡垒之夜》的游戏——但操控它的不是人类,而是一个AI Agent,已经连续跑了100个小时。

    然后你会听到电子脚步声。一台四足机器人走过来,用身上的摄像头”看”到你,绕着你转了一圈,继续在办公室里探索。刚才那个打游戏的AI模型,现在正在驱动这台实体机器人。

    “我们在真实世界的机器人数据上只微调了8分钟,这个模型就能上岗了。而且这些数据是在街上采集的,不是在办公室里。”

    这套打法的关键在于:General Intuition不只是有游戏画面,它还拿到了玩家实际操作的手柄记录——每一个按键、每一次移动,都是带标注的训练数据。创始人de Witte的上一家公司Medal就是做游戏精彩回放分享的,积累了数亿小时的游戏录像,这才是真正的护城河。

    23亿美元的底气

    这一轮融资由Khosla Ventures领投,Jeff Bezos、Eric Schmidt、F1冠军Nico Rosberg都跟进了。Khosla本人说,他看好的是”直觉的涌现”——就像大语言模型涌现推理能力一样,世界模型的下一次跃迁可能是直觉式判断,而游戏里的人类操作数据就是关键燃料。

    钱主要花在算力扩张上。General Intuition跟CoreWeave签了协议,接下来重点跑下一代模型的预训练。今年夏天结束前,他们的API会对更多客户开放。


    不卖公司,也不做武器

    De Witte是荷兰人,团队很大一部分在欧洲,这影响了公司的气质。他明确划定了红线:不会把AI Agent用于伤害人类的场景。”如果我说我们要做致命自主武器,你觉得其他国家会怎么反应?”

    这跟当下硅谷热衷国防科技的氛围有点格格不入。De Witte甚至还挖来了公开辞职抗议Palantir的Brianna Martin担任首席幕僚长。他说:”我不明白硅谷为什么这么做,所以我不在那里。”

    作为从小靠搭建《RuneScape》私服赚到第一桶金(150万美元)的游戏玩家,他也在想游戏从业者的出路。General Intuition刚上线了一个叫Nerve的平台,让游戏玩家用现有设备赚外快——从数据标注慢慢过渡到机器人遥操作。Medal的用户正好是最容易被AI替代的那代人,他想让他们搭上这班车。


    simulation到现实的鸿沟

    这套故事听起来很性感,但质疑声也不少。核心问题是:在游戏里学会的能力,能不能在真实世界里规模化落地?大多数类似路线都需要天量的真实世界数据,采集慢、成本高。General Intuition的赌注是:游戏数据是一条可扩展的捷径。

    投资方愿意赌一把。毕竟,如果这条路真的走通了,General Intuition可能成为AI Agent和机器人领域的”底座级”公司——就像Anthropic或OpenAI那样,不做具体应用,而是把模型能力开放给所有人用。

    De Witte说得很直白:”我们不会自己去造自动驾驶公司,但我们要让下一个人造自动驾驶公司容易10倍。”

  • AI本该消灭工程岗,结果数据打脸——工程师反而成了最抗打的群体

    AI与工程岗位
    AI本该消灭工程岗,结果数据显示工程师反而成了最抗打的群体(图:AI生成)

    科技行业5月裁员数创近年新高,AI是头号理由。照这个逻辑,软件工程师应该是最危险的群体——毕竟GitHub Copilot、Cursor、Claude Code这些工具,已经能让一个工程师干过去三个人的活。

    但SignalFire的数据给出了一个完全相反的答案。这家风投公司追踪了超过8000万家公司的数百万员工职业生涯,发现工程岗是2025年最抗打的职能。

    大科技公司招聘跌了25%,工程岗只跌了11%

    SignalFire的分析师Asher Bantock说,现在很多公司拿AI当裁员理由,特别爱说”有了AI,一个工程师能顶过去三个”。但他们在地上看到的情况,跟这个说法不太一致。

    大科技公司总招聘量比2019年下降25%,但工程岗只下降了11%。更有意思的是,2025年工程岗占Tech Majors(Alphabet、Meta、Apple、Amazon、Microsoft、Netflix、Nvidia、Tesla、Uber、Airbnb、Block、Stripe)所有新招聘的55%,而2019年这个比例是46%。

    工程师在Tech Majors的新招聘中占比从46%升到55%——如果AI真的在替代他们,这个曲线应该往下走才对。数据不会说谎,至少这一次不会。

    早期创业公司的信号更明显

    早期创业公司的情况更直观:2025年招聘的工程师比2019年还多了7%。小公司没有大公司的”政治包袱”,招人就是缺人干活,这个7%的增幅说明了一个简单的事实——活儿变多了,不是变少了。

    Anthropic CEO Dario Amodei去年警告说AI可能消灭一半入门级白领工作,但Anthropic自己的经济研究负责人Peter McCrory今年3月说,他还没看到AI对劳动力市场的显著影响。两个Anthropic高管的说法,居然是矛盾的。

    黄仁勋说得挺直白

    Nvidia CEO黄仁勋今年4月在斯坦福商学院的访谈里,直接否定了”AI会消灭软件工程岗”的说法。他说,现在Nvidia的所有工程师都在用agentic AI,结果呢——”软件工程师比以前更忙了”。

    黄仁勋的解释是:agent瞬间就能写出代码,但它们不停地把工程师推向”想出下一个点子”的任务。代码写得越快,需要想的点子就越多——这是一个没有终点的循环。


    Jevons悖论来了

    经济学里有个老概念叫Jevons悖论:效率提升不会减少对资源的需求,反而会增加它,因为工作会膨胀到填满新的产能。AI让工程师生产力大涨,按理说需要的工程师更少了——但实际情况是,原来做不了的项目现在能做了,原来要排期半年的功能现在可以马上开工了。

    Bantock说了一句挺有意思的话:”他们突然变得高效多了,而且有做不完的活儿在等着他们。”这不是一个”AI抢饭碗”的故事,这是一个”AI让人类看到了自己原来有多少想做的事”的故事。

    至少目前来看,工程岗不但没被AI取代,反而成了香饽饽。那些担心AI抢饭碗的人,可能低估了人类对”更多想法”的无底洞式需求——只要有想做的事,就需要有人把它做出来,不管工具有多厉害。

  • OpenAI把Uber印度负责人挖走了,这个全球第二大AI市场到底有多香

    OpenAI进军印度市场
    OpenAI任命前Uber印度总裁Prabhjeet Singh为印度区首任董事总经理(图:AI生成)

    OpenAI最近又在印度下了一笔”大注”——挖来了Uber印度和南亚区总裁Prabhjeet Singh,让他担任OpenAI在印度的第一任董事总经理。印度是OpenAI仅次于美国的第二大市场,这个任命释放了什么信号?

    Singh上周五刚宣布从Uber离职,9月正式加入OpenAI,向亚太区总经理Kiran Mani汇报。他的职责覆盖消费者增长、企业采用、合作伙伴关系、监管沟通和运营——基本上把OpenAI在印度能做的事全揽了。

    不是第一次,也不会是最后一次

    这不是OpenAI在印度的第一次大动作。去年8月,OpenAI在新德里开了第一个办公室。今年早些时候,公司宣布要在孟买和班加罗尔开新办公室。2024年,OpenAI挖来了前Truecaller和Meta高管Pragya Misra负责公共政策和合作伙伴关系,后来她的角色扩展到战略和全球事务负责人。

    更早之前,OpenAI还请了前Twitter印度负责人Rishi Jaitly做高级顾问,帮忙搭建与印度政府在AI政策上的沟通。这套”先挖人、再铺业务”的打法,OpenAI在美国和欧洲早就验证过了,现在搬到印度来用。

    印度是OpenAI的第二大市场,这里的年轻人正在用ChatGPT的方式,重新定义他们怎么学习、怎么工作。OpenAI把这件事看得很重,重到值得专门挖一个Uber级别的高管过来坐镇。

    最近几个月在印度连出组合拳

    高等教育领域的合作、企业支付整合、AI驱动的电商试点、网页流媒体接入,OpenAI在印度最近几个月没闲着。它还参与了印度正在快速扩张的数据中心建设——这件事的意义比表面看起来大得多,数据中心建到哪里,AI的”本地化服务”就能铺到哪里。

    OpenAI特别提到,印度18到24岁的年轻人占ChatGPT印度用户近50%。这个年龄段的人,现在用什么工具写作业、做什么项目、怎么找工作,五年之后就是整个印度职场的主流方式。OpenAI把这个年龄段的用户握在手里,等于提前锁定了未来十年的印度AI市场。

    印度为什么成了香饽饽

    印度有超过10亿互联网用户,其中大部分还在用低端手机、慢速网络。谁能先把AI做到能在这些设备上流畅运行,谁就拿到了下一个10亿用户。这是Google、Meta过去十年在印度拼命烧钱的逻辑,现在AI公司也在用同样的思路布局。

    竞争对手Anthropic也在2025年底在班加罗尔开了印度办公室,今年初任命了前微软印度总经理Irina Ghose为印度负责人。这场”印度争夺战”才刚开局,但赌注已经不小了。


    OpenAI这次挖Singh,看中的是他过去几年在Uber印度打下的江山。Uber在印度的外卖、网约车、B2B物流几块业务,Singh都有深度参与。印度市场的复杂度——多语言、多支付方式、监管碎片化——不是随便一个硅谷空降兵就能搞定的。

    从OpenAI的招聘页面也能看出它在印度的野心。AI部署工程师、开发者体验工程师、开发者营销负责人、合作伙伴总监——这些岗位都在招人。印度已经成为OpenAI在亚太区最重要的阵地,这次挖人只是第一步。