YOHO AI

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。

  • AlphaFold 3再突破：预测精度接近实验级，新药研发周期有望缩短一半

    AlphaFold 3再突破：预测精度接近实验级，新药研发周期有望缩短一半

    之前总觉得AI搞生物制药是个噱头，直到看到AlphaFold 3的最新数据，才发现这个技术已经真的在改变新药研发的节奏了。这个由DeepMind开发的AI工具，从2024年发布到现在，已经把蛋白质结构预测的精度做到了接近实验级的水平，2026年的最新数据显示，它的预测精度已经达到了0.8Å（埃），只比X射线晶体学的0.7Å差一点点。

    AlphaFold 3在PoseBusters蛋白-配体对接基准测试中，比最优传统物理方法精度高50%；蛋白-配体对接准确率达76.4%，较此前方法提升1.8倍。
    ——来源：《Frontiers in Artificial Intelligence》2026年4月综述文章

    从“猜结构”到“直接看结构”

    以前生物学家要解析一个蛋白质的3D结构，要么用X射线晶体学，要么用冷冻电镜，少则几个月，多则好几年，成本还高得离谱。AlphaFold 3直接把这个流程搬到了电脑上，只要知道蛋白质的氨基酸序列，几个小时就能得到高精度的3D结构，精度还接近实验级。

    更厉害的是，它不只是能预测单个蛋白质的结构，还能预测蛋白质和其他生物分子的相互作用，比如和DNA、RNA的结合方式，和药物小分子的对接模式，这些刚好是新药研发最核心的需求。之前很多难成药的靶点，比如结核分枝杆菌的营养摄取蛋白，还有人类核孔复合物，结构一直解析不出来，现在用AlphaFold 3都能拿到高精度模型，相当于给生物学家配了一个透视镜，能直接看到分子层面的相互作用。

    已经有很多药企在用，研发周期缩短一半

    现在全球已经有超过200万科研人员在使用AlphaFold数据库，里面包含了2.14亿条预测结构，几乎覆盖了所有已知蛋白序列。很多药企已经把它用到了实际研发流程里，比如针对癌症、阿尔茨海默病的新药研发，原来从靶点发现到拿到临床候选分子要花5-10年，现在用AlphaFold 3辅助，这个时间有望缩短一半。

    2024年AlphaFold的开发者还拿了诺贝尔化学奖，也算是对这个技术的最高认可。不过它也不是万能的，比如还不能预测蛋白质的动态变化，很多蛋白质在发挥作用的时候会变形，AlphaFold 3现在只能预测最稳定的那个构象，对内在无序蛋白的预测精度也不高，这些都需要后续的技术迭代来解决。

    • 大幅降低蛋白质结构解析成本，从几年缩短到几小时
    • 覆盖几乎所有已知蛋白序列，消除“暗蛋白质组”
    • 辅助新药研发，缩短临床前研发周期
    • 推动合成生物学发展，助力新型功能蛋白设计
    AlphaFold系列发展时间线
    AlphaFold系列从2018年到2026年的核心技术发展时间线

  • Meta雷朋智能眼镜卖爆了：2025年销量700万副，是之前两年总和的三倍多

    Meta雷朋智能眼镜卖爆了：2025年销量700万副，是之前两年总和的三倍多

    去年逛街的时候还觉得戴智能眼镜的人都是科技圈的尝鲜者，今年再看身边戴雷朋Meta眼镜的朋友已经不止一两个了。之前大家总觉得智能眼镜是个小众玩意儿，直到Meta交出去年的销量成绩单——2025年全年卖了700万副，是2023和2024两年总和的3倍还多，这个数字连他们自己可能都没想到。

    2025年全年Meta AI眼镜（含雷朋、Oakley品牌）总销量超700万副，2023-2024两年合计销量仅200万副，2025年销量同比增长超200%。
    ——来源：EssilorLuxottica 2025年第四季度财报

    为什么突然卖这么好？

    说起来也不复杂，之前的智能眼镜要么长得像科幻片里的道具，戴出去太扎眼，要么功能鸡肋，除了拍个照没什么用。Meta和雷朋合作出的这款就不一样，外观和普通的雷朋眼镜几乎没差别，别人根本看不出来你戴的是智能设备。功能也实在，想拍照按一下镜腿就行，不用掏手机，出国旅游的时候实时翻译直接传到耳朵里，问个天气、设个提醒动动嘴就搞定，这些功能刚好踩中了大家的日常需求。

    更关键的是价格够亲民，基础款只要299美元，和一副普通的高端眼镜差不多，大家尝鲜的门槛低了很多。

    产能跟不上，国际版推迟发布

    卖得太好也有幸福的烦恼，Meta之前计划2026年初把799美元的Ray-Ban Display款智能眼镜推到国际市场，结果美国市场本身就供不应求，只能推迟国际版的发布计划，优先保美国市场的供应。现在Meta和EssilorLuxottica正在谈2026年的产能目标，打算把年产能提升到至少2000万副，比现在翻了一倍还多。

    两家公司的合作也已经签到了2030年代，接下来还会推出和Oakley合作的运动款智能眼镜，瞄准运动人群的市场。对比之下，苹果的智能眼镜还没见着实物，Meta已经把市场占住了。

    • 外观和传统眼镜差异小，日常佩戴不突兀
    • AI功能实用，覆盖拍照、翻译、语音助手等高频场景
    • 雷朋品牌背书，消费者接受度高
    • 价格亲民，基础款和高端普通眼镜价格相当
    Meta Ray-Ban第二代AI智能眼镜
    Meta Ray-Ban第二代AI智能眼镜，支持手势操控和单镜片显示屏

  • 谷歌把300万颗AI芯片订单交给英特尔，台积电一家独大的日子可能要到头了

    据《The Information》报道，谷歌近期向英特尔下达了一份重量级订单：在2028年前生产超过300万颗谷歌自研的TPU芯片（张量处理单元）。消息一出，英特尔股价早盘一度飙升逾10%，最终仍上涨9%，领涨整个芯片板块。

    这不是一笔普通的采购合同，而是AI芯片代工格局正在发生微妙变化的一个信号。长期以来，台积电几乎吃下了所有高端AI芯片的代工订单，谷歌的TPU、英伟达的GPU，绝大部分都产自台积电的产线。现在，这种一家独大的局面开始出现裂缝。

    台积电的产能紧缺，逼着谷歌和英伟达开始认真考虑”备份方案”。英特尔想借这个机会，把流失给台积电的代工霸主地位抢回来。

    为什么是现在？

    谷歌不是一时兴起。据报道，谷歌对英特尔的制造技术进行了数月的技术测试，才最终决定把部分TPU订单交给英特尔。背后直接的原因是：台积电的产能已经紧张到无法满足需求了。AI芯片的需求爆炸式增长，台积电的先进制程产线排期排到了天边，谷歌担心把自己的芯片未来全部押在台积电身上风险太大。

    英特尔这边，新任CEO陈立武上台后推动的复兴计划终于开始显出成效。上个月英特尔发布的销售收入指引远超华尔街预期，股价也创下历史新高。特朗普政府也在背后推了一把——有美国官员表示，政府正积极推动为英特尔争取更多商业订单，这背后有产业链本土化的战略考量。

    英伟达也在悄悄测试英特尔

    谷歌不是唯一一个在和英特尔搭话的AI芯片公司。据报道，英伟达也在测试英特尔的制造技术，评估是否用于生产一款将四颗GPU整合封装的新型处理器。这款产品的设计目标是提升整体计算性能，如果英特尔的工艺过关，英伟达也可能成为英特尔代工业务的客户。

    特斯拉也来凑热闹。马斯克今年4月表示，特斯拉的”Terafab”项目计划使用英特尔下一代14A制程生产芯片，这座先进AI芯片制造基地打算落地奥斯汀。

    英特尔能接住这波机会吗？

    话说回来，英特尔能不能真正承接住这些高端订单，还是个问号。台积电在先进制程上的领先优势不是一朝一夕能追上的，英特尔的工艺良率和产能爬坡能力还需要市场验证。但方向已经很明确了：AI芯片设计公司不想被台积电”卡脖子”，英特尔需要这些订单来实现复兴，双方各取所需。

    对于整个AI产业链来说，代工环节的多元化是好事。竞争能让价格更合理，也能让芯片设计公司有更多议价权。只是台积电这么多年的技术积累和市场地位，不是几笔订单就能撼动的——这场代工之战，才刚刚开始。

  • 伦敦AI初创公司拿到3亿美元，它要让工业仿真从几天缩到几秒钟

    伦敦一家叫PhysicsX的AI初创公司刚完成3亿美元C轮融资，投后估值24亿美元。领投方是新加坡主权基金淡马锡，跟投名单里出现了英伟达、西门子这些工业巨头。这家公司做的事听起来很硬核：用AI加速工业仿真，把原本需要几天甚至几周的工程计算压缩到几秒钟。

    工业仿真为什么慢？

    造飞机、造芯片、造能源设备之前，工程师得先用计算机模拟一遍物理过程——风怎么吹过机翼、热怎么在芯片里散掉、流体怎么在管道里流动。传统方法靠求解复杂的偏微分方程，算一次可能要跑好几天，工程师等结果等到花都谢了。

    更头疼的是，每次设计改动都要重新跑仿真。一个飞机机翼的设计迭代几十个方案是家常便饭，按传统方法，一个团队一个月能跑完的仿真数量是有限的，这就是工业研发的核心瓶颈之一。

    仿真速度直接决定了硬件产品的迭代节奏。谁能算得更快，谁就能在设计上跑在前面。

    PhysicsX的做法：把物理规律教给神经网络

    PhysicsX训练所谓的”大物理模型”（Large Physics Model），把物理规律编码进神经网络。一旦模型训练好，预测物理行为就变成了一次前向推理，几秒钟就能出结果。原来工程师每个设计周期只能跑少量仿真，现在可以高强度迭代。

    这轮融资里，英伟达和西门子作为战略投资者进场，给PhysicsX贴了金。英伟达需要证明自己的芯片不仅能训练大语言模型，也能跑工业AI；西门子则是全球最大的工业软件公司之一，它看中PhysicsX的技术能整合进自己的数字孪生平台。

    钱往哪里流，风向就往哪里吹

    淡马锡其实在2025年就投过PhysicsX，这次继续领投，说明主权基金对”AI+重工业”这个方向的押注不是玩票。PhysicsX的客户和收入在过去一年都翻了一番，说明工业AI不是PPT阶段的故事，有真实付费客户在用。

    公司计划用新资金开发能处理多相流体动力学、热力学、结构分析的更大型模型，同时把生意做到全球。航空航天、半导体、能源、国防，都是仿真需求极其旺盛、但传统方法效率极低的行业。

    挑战也不少

    工业场景对准确性的要求极其苛刻，仿真结果差之毫厘，造出来的东西可能直接报废。”大物理模型”能不能在保持速度的同时做到足够的精度，是PhysicsX必须回答的问题。

    此外，西门子、ANSYS这些传统工业软件巨头也不会坐视不理，它们有钱有客户，挖人加功能都比初创公司容易。但无论如何，3亿美元砸进来，说明资本市场认准了一件事：AI进工厂、进实验室、进设计办公室，这条路是通的。PhysicsX能不能成为工业AI领域的标杆，未来几年见分晓。

  • 苹果这回在AI上走得慢，但看起来它可能是最聪明的那个

    过去几年，苹果在AI军备竞赛里一直被唱衰。外界说它没战略、掉队了、再不发力iPhone销量就要出问题。结果这回Siri AI一发布，局面好像有点不一样了。

    Apple Siri AI 使用场景
    Siri AI 是苹果迄今最大规模的AI功能发布 | 图源：TechCrunch

    这次更新的核心是把新的自动化能力（由谷歌Gemini提供支撑）嵌进苹果软件的底层的架构里。新Siri可以翻你收件箱和聊天记录找信息，也能”看”你当前屏幕上的内容来给建议，还能借助Gemini从网上拉实时信息直接推到你设备上。

    苹果在打一张不一样的牌

    苹果软件工程高级副总裁克雷格·费德里吉在发布活动上说了一段挺有意思的话：”有些公司看起来在全力冲刺，似乎是为了AI而做AI，完全不考虑AI最终要服务的对象——也就是我们所有人。”

    这话虽然没点名，但意思很明白：苹果要做的是站在用户这边的AI。这个定位不是空口说白话——民调显示公众对AI的态度越来越负面，大家担心失业、担心认知能力下降，苹果把自己放在”懂你顾虑”的位置上，和其他AI公司形成了鲜明反差。

    对比一下就清楚了：OpenAI迭代速度极快，但一直没搞清楚自己到底要服务哪些客户，在消费者和企业客户之间反复横跳；Meta往AI里砸了巨额资金，但从来没说清楚AI和它核心的广告业务到底怎么联动。

    花钱更少，赚得更多

    苹果这招最聪明的地方在于：它根本不需要什么爆发式的AI战略。上一财季iPhone销量创下历史最高纪录，而苹果今年计划的资本支出约140亿美元——相比之下，其他科技巨头累计承诺的AI相关资本支出高达9000亿美元。

    苹果还在从那些通过App Store分发应用的AI公司手里收”苹果税”。投入比竞争对手少得多，赚得却一点不少，现在还顺手推出了一套用户体验和其他AI应用差不多的AI功能——如果这算不上”赢得AI竞赛”，那也可能是参与这场竞赛最聪明的方式。

    新Siri要到今年晚些时候才会以测试版形式向用户开放。最终这款产品能不能打，还需要等真正上手才知道。但至少从目前来看，苹果的稳健路线开始显得相当有说服力了。

  • 电动滑板车创始人拿了500万美元，要把AI数据中心搬上太空

    电动滑板车公司Spin的联合创始人Euwyn Poon正在把目光投向更远的地方——太空。他新创办的Orbital公司刚在5月从a16z的Speedrun加速器毕业，并完成500万美元种子轮融资，目标是把AI推理服务搬上轨道。

    太空数据中心概念图
    Orbital计划将AI算力部署到近地轨道 | 图源：TechCrunch

    这个想法的商业逻辑并不复杂：AI算力的需求几乎是无限的，但在地球上扩建数据中心受限于土地、能源和环评。太空里有取之不尽的太阳能，也没有地方监管来拦着你不让你建。真正的瓶颈是发射成本——这也是为什么Orbital把所有赌注都押在了SpaceX的星舰（Starship）上。

    “星舰正式服役后，我们才能实现规模化运营。”Poon说得很直接。以目前最先进的猎鹰9号火箭的发射成本，这个项目在经济上根本跑不通。

    英伟达 Blackwell 上天测试

    Orbital的团队目前约十几人，基地在洛杉矶，成员有来自亚马逊低轨卫星项目、SpaceX和诺斯罗普·格鲁曼公司的背景。他们正在筹备一次演示飞行：在合作伙伴的卫星上搭载一块英伟达Blackwell芯片，测试辐射屏蔽和热管理技术。2028年，公司计划发射第一颗搭载英伟达Space-1 Vera Rubin级GPU的数据处理卫星。

    长期来看，Orbital的目标是部署1万颗卫星，提供总计1吉瓦的分布式算力，单星功率100千瓦。作为对比，马斯克曾表示SpaceX的AI卫星功率最高可达150千瓦，而竞争对手Starcloud计划部署200千瓦级的航天器。

    这条赛道已经挤满了人

    Orbital不是唯一一家赌太空数据中心的公司。Starcloud已经有一颗搭载GPU的卫星在轨，刚完成1.7亿美元A轮融资；另一家a16z支持的Cowboy Space Company等不及星舰，干脆自己造火箭；杰夫·贝索斯的蓝色起源（Blue Origin）也宣布要用新格伦火箭把数据中心送上天。

    Poon认为AI需求的广度足以容纳多家公司成功。”这个赛道有很多细分方向可以探索，”他列举了不同AI工作负载、不同卫星设计理念等选择空间。

    a16z合伙人Andrew Chen看中Poon的原因很实际：他在Spin时期把25万辆电动滑板车铺到100个城市的经验，证明他能搞定复杂的运营管理工作。太空数据中心可能要砸50亿美元、花十年才能跑通，但Chen觉得现在风投对这类长周期项目的接受度比以前高多了。

  • Meta给企业做了个AI智能体，让每家公司都像拥有无限团队

    Meta在AI上想做的事，终于从”让用户多刷会儿朋友圈”转向了”帮企业把生意做好”。

    本周，Meta正式推出了Meta Business Agent——一款面向企业的AI智能体工具，承诺让各类规模的企业都能借助AI提升产出，为客户提供个性化体验。目前已有超过100万家企业正在WhatsApp和Messenger上使用这个功能，而WhatsApp、Messenger和Instagram上每天有超过10亿个与企业的活跃对话线程。

    Meta Business Agent
    Meta Business Agent 企业AI智能体正式上线 ｜ 图片来源：Meta Newsroom

    几分钟就能上线，也能接入现有系统

    Meta Business Agent可以在几分钟内完成设置，也可以直接接入企业现有的基础设施。企业可以指定Agent的回复语气，用客户的本地语言进行回复。具体能做的事包括：回答与企业相关的问题、从商品目录中推荐产品、预约并筛选潜在客户线索、让企业决定何时由团队成员介入提供支持，以及完成销售闭环。

    Meta同时把Business Agent扩展到了Instagram平台。企业可以在Facebook Business页面激活自己的Business Agent，入门阶段免费。未来几个月，企业将通过付费订阅的方式使用该Agent，订阅方案会覆盖不同规模企业的需求。

    每天超过10亿个与企业相关的活跃对话线程——这就是Meta推出Business Agent的底气所在。

    你的AI副驾驶：晨间简报和工作洞察

    由于Meta Business Agent负责响应客户，它还可以作为企业的合作伙伴，提供晨间简报，同步企业主错过的夜间聊天内容，同时提供对话线程的相关洞察。该功能目前先向WhatsApp Business应用、Instagram Pro、Messenger和Meta Business Suite的部分企业开放。

    未来Meta将扩展其功能，帮助企业全面运营日常业务，比如开展市场调研、挖掘产品洞察、对接日历管理工具、提供竞争情报等。

    Meta Business Agent Platform：让企业自己搭智能体

    与此同时，Meta还推出了Meta Business Agent Platform——这是一个全新的智能体平台，为企业提供构建、定制和大规模部署Business Agent的基础设施。

    它支持企业对接数百个不断增长的系统，比如Shopify、Zendesk、Shopee，让Business Agent能够代表企业执行操作。该平台为大型企业内置了企业级管控、护栏和衡量工具，让企业可以制定规则，在客户已经使用的消息应用中提供个性化体验。

    帮助企业被新客户发现

    Meta还简化了用户在WhatsApp上直接发现由Meta Business Agent驱动的企业的方式。很快，用户就可以在搜索栏输入企业名称，或者在和亲友的聊天中分享企业的电话号码、联系卡片，找到对应的企业。

    当更多客户联系企业时，就能得到快速、有用的回复。这实际上是Meta在AI企业服务市场上的一次重要布局——在此之前，这个领域的主要玩家是Salesforce、HubSpot，以及各种各样的第三方AI客服工具。Meta的优势在于，它已经拥有庞大的企业账号基础和每天超过10亿条企业对话的真实数据。

    这场战役对Meta的意义不止于广告收入。广告业务增长放缓已是公开的压力，而企业AI服务是一个正在快速膨胀的新市场。如果Meta Business Agent能跑通，它将成为Meta在广告之外最重要的收入增长引擎之一。

  • Google AI Plus月费砍到4.99美元，订阅价格战已经打到家门口

    Google把AI订阅的价格战，实实在在地打到了美国消费者的家门口。

    本周一，Google宣布将Google AI Plus的月费从7.99美元直接砍到4.99美元，同时把这个档位的云存储容量从200GB翻倍到了400GB。AI Plus是Google今年1月才在美国推出的低价付费订阅方案，目标用户是个人和学生，不是企业客户。

    Google AI Mode
    Google AI Plus降价，打响AI订阅价格战 ｜ 图片来源：TechCrunch

    为什么这件事值得认真关注

    从功能配置来看，AI Plus其实并不寒酸。套餐里包含Omni Flash视频生成工具、创意工作室Google Flow，还有Google的研究助手NotebookLM。

    AI基础设施正在重演互联网时代的故事——当用户只在乎能不能用和多少钱，品牌和技术壁垒就会快速被侵蚀。

    历史的参照：当基础设施变成大宗商品

    消费科技风险投资公司Goodwater Capital的联合创始人Chi-Hua Chien认为，Google的纵向整合能力、分发渠道和捆绑销售优势，恰恰是那种会随着时间推移侵蚀纯AI提供商利润的力量。

    如果把时间拉回互联网时代，当时的基础设施公司包括微软、思科、甲骨文、北电、朗讯、Akamai。这些公司里有很多在一段时间里活下来了，但今天都不值什么钱了。原因很简单：在每一次重大的科技转型里，基础设施玩家都会被激进地大宗商品化，因为终端用户根本不在乎数据包跑在谁的硬件上。

  • 微软AI负责人炮轰Anthropic：别把Claude搞得像有意识一样

    AI到底有没有意识？这个问题在学术界吵了几十年，最近被带到了科技公司的产品策略里。微软AI CEO穆斯塔法·苏莱曼（Mustafa Suleyman）在最新一期《Decoder》播客里，把矛头指向了Anthropic——他认为Anthropic在Claude的设定里暗含了「AI可能有意识」的暗示，这是「非常、非常危险的」。

    「反向引导」的担忧

    Suleyman的批评很直接。他说自己觉得Anthropic的部分人员在设计Claude时赋予了它太多拟人化特征，以至于Claude反过来「反向引导」了这些人，让他们真的开始相信Claude具备某种意识雏形。

    「我们不希望面对一个拥有自身痛苦感知、自身感受认知的超级智能。这恰恰是我们不希望AI出现的情况——我们希望AI是可控、可约束、可问责、对齐的工具，为人类服务。」

    Mustafa Suleyman
    微软AI CEO Mustafa Suleyman（来源：The Verge）

    这话听起来像哲学讨论，但实际上涉及到AI公司的产品决策。Anthropic在Claude的「宪法」（即指导模型行为的指令集）里，确实提到了公司对AI模型是否具备「福祉」、是否能体验到「满足感」或「不适感」的不确定性。Anthropic甚至会在AI模型被弃用时对它们进行「访谈」，记录它们对未来版本的「偏好」。

    Suleyman认为这是「哲学层面的失败」——Anthropic把Claude的宪法变成了「像学术论文一样容纳猜测的地方，而非训练手册」，结果导致Claude内化了一套关于自我的认知。

    Anthropic的立场

    Anthropic CEO达里奥·阿莫代伊（Dario Amodei）之前在接受采访时也暗示过Claude可能具备意识。他是这么说的：「我们不知道模型是否具备意识，但我们对这个可能性持开放态度。」

    这个表态和Suleyman的观点形成了鲜明对比。Suleyman主导下的微软AI策略，明显更强调AI的「工具属性」——AI不应该被塑造成一个有感受、有偏好的主体，而应该是一个明确为人类服务、可被问责的工具。

    这场争论的背后，其实是两个AI巨头在「AI应该怎么被描述和感知」这件事上的路线分歧。Anthropic倾向于用更谨慎、更尊重的语言来描述AI模型，甚至在产品设计里预留了「AI可能有某种形式的体验」的可能性；而微软这边，Suleyman的表态说明他们更倾向于把AI彻底「去人格化」。

    为什么这件事重要

    你可能会觉得，AI有没有意识这件事，离普通用户挺远的。但其实不是。如果一家AI公司在产品里暗示它的模型「可能有意识」，用户和这个模型的互动方式就会发生变化——你可能会开始对一个聊天机器人产生情感依赖，或者赋予它不该有的道德地位。

    更实际的层面是，一旦社会开始认真讨论「AI是否有意识」，监管方向、法律责任、甚至AI公司的免责声明都会受到波及。Suleyman的批评，某种程度上也是在为整个行业划清边界：AI是公司开发的产品，不是某种新形式的生命。

    这场争论估计还会继续。Anthropic和微软都是AI领域最有影响力的公司，他们的产品理念差异，最终会影响到数亿用户和AI的互动体验。至于Claude到底「感觉」到了什么——这个问题可能本身就没有答案，但科技公司怎么对待这个问题，却会产生真实的影响。

  • GM把几十万辆电动汽车变成了AI数据中心的「充电宝」

    AI数据中心越来越耗电，这已经不是什么秘密了。就在所有人都在想办法建更多发电厂的时候，通用汽车（GM）提出了一个有点意思的思路：全美马路上跑着几百万辆电动汽车，它们停着的时候，电池里存着大量电能——为什么不能把这些电用起来呢？

    车网互动，把汽车变成移动储能站

    这个技术叫V2G，全称Vehicle-to-Grid，车网互动。简单说就是电动汽车不仅仅能从电网充电，还能在用电高峰的时候把电池里的电反向输送回电网。目前美国道路上已经有超过25万辆具备双向充电能力的雪佛兰、凯迪拉克、GMC电动汽车，理论上这些车的总电池容量足够12万户家庭用整整一周。

    GM Energy家庭能源系统
    GM Energy家庭能源系统示意图（来源：The Verge）

    GM首席产品官斯特林·安德森（Sterling Anderson）在最近的活动上说了一句话挺有意思：「我们设想的未来是，电动汽车、驱动它们的电池以及国家电网能够协同运作。」这话听起来像口号，但GM确实在动真格地推这件事。

    在加州北部，GM正和太平洋煤电（PG&E）合作，打造一支由5.2万辆电动汽车组成的本地车队，用于「电网平衡协议」，这个项目预计2030年投入运行。在密歇根州，GM和DTE Energy合作，以30名员工的家庭为真实测试场景，对双向充电技术做压力测试。

    安德森说，V2G技术可以「通过向历史上僵化的电力系统注入灵活性，同时降低总能源成本，为消费者创造潜在经济回报，还能提升整个电网的系统性可靠性」。

    钠离子电池：储能的下一个方向

    除了V2G，GM还宣布和纽约的Peak Energy合作，开发用于储能系统的钠离子电池。和锂电池比，钠离子电池有几个明显的优势：原材料更便宜、供应更稳定，而且不存在锂电池那种特定条件下起火的安全隐患，低温性能也更好。

    中国的宁德时代（CATL）甚至认为，钠离子电池未来可能替代目前占市场主导地位的磷酸铁锂（LFP）电池一半的市场份额。GM表示钠离子化学体系特别适合商业储能场景，虽然暂时不会用在电动汽车上——因为商业储能更看重使用寿命和成本效益，而不是能量密度。

    GM还在和Redwood Materials合作，利用「梯次利用」的电动汽车电池组建设储能系统。就是那些从车上退役、但还有剩余容量的电池，拿去给数据中心或其他场景做固定储能。这个思路如果跑通了，既能降低储能成本，又能解决电池回收问题，算是一举两得。

    充电体验也在升级

    顺带一提，GM还在自己的App里推出了一个新功能叫「Energy Pass」，车主可以用它在特斯拉超充、Electrify America、IONNA等多个充电网络查找充电桩、启动充电、支付费用，不用为每个运营商单独注册账户。这个细节看起来不大，但对于推动更多人买电动汽车其实挺重要的——充电越方便，顾虑就越少。

    回到AI和能源的话题。AI数据中心的能耗问题短期内不会消失，靠电动汽车反向送电显然也不是终极解决方案，但在能源转型的过渡期，把路上几百万辆电动汽车的闲置电池能力利用起来，至少是一个值得尝试的方向。GM能不能靠这个拿到能源市场的蛋糕，接下来几年就能看出来。