标签: AI趋势

  • 黄仁勋GTC 2026演讲:英伟达不再只卖芯片,它要承包整个AI工厂

    北京时间6月1日,黄仁勋站在台北GTC的舞台上,对着全球70多个国家和地区直播。这场演讲的信息量很大,但最核心的信号只有一句话:英伟达已经从一家”卖GPU的公司”变成了一家”AI基础设施架构公司”。

    Agent AI来了,这次是真的

    黄仁勋在演讲中非常明确地宣告:”Agent AI(代理式AI)已经到来。“他说,AI的下一波浪潮正在从生成式AI转向代理式AI——这类AI的核心特征是能理解人类意图,自主调用工具完成任务,而不只是回答问题。

    他现场演示了AI Agent如何根据一段文字指令直接生成动画或CAD设计图。演示完他说了一句很黄仁勋的话:”这就是未来电脑的运作方式。”

    Agent AI能理解你的意图,然后自己去调用工具、完成任务。这不是未来,是现在。

    史上最野心AI系统量产了

    产品层面,黄仁勋宣布Vera Rubin AI系统已全面量产。这是英伟达迄今最雄心勃勃的AI系统,同时配套发布了专为AI时代设计的Vera CPU。

    还有几个重要发布:

    • Nemotron 3 Ultra:新的开源AI模型,直接对标业界最强闭源模型
    • RTX Spark超级芯片:进军Windows PC市场,AI PC今年秋季由戴尔、联想等厂商推出
    • DSX平台:专门用于构建AI工厂,可以在投入资金前用数字模拟器完成整个工厂的设计验证
    • Alpamayo 2推理模型:专为机器人出租车服务
    • Isaac GROOT开发平台:面向人形机器人开发者

    “Token就是资产”

    黄仁勋提出了一个很有意思的观点:Token已经成为AI公司获利的营收单位。每一次AI推理产生的Token,背后都是真金白银的算力消耗,也意味着有人在为这些Token买单。

    他形容AI算力需求是”火箭式飙升”,还幽默地把它和台湾股市的走势图做了类比。这个比喻很黄仁勋——他在台上经常用这种方式让观众直观感受增长速度。

    AI工厂有多烧钱?

    黄仁勋在演讲中透露了一组惊人的数字:一个1GW等级的AI工厂,起步成本是200亿到300亿美元。未来这个数字还可能攀升到每GW 800亿到1000亿美元。

    正因如此,英伟达推出了DSX平台——让客户在真正砸钱建厂之前,能先在数字世界里把整个AI工厂设计好、验证好。对软银、微软、谷歌这种级别的投资方来说,这个工具能帮他们避开几百亿美元的坑。


    AI会让程序员失业吗?

    有人问黄仁勋怎么看”AI抢走程序员工作”这件事,他的回答很直接:“这完全是无稽之谈。”

    他拿GitHub的数据说事:2023年AI辅助编程的使用次数是3亿次,到2026年前几个月已经冲到14亿次。但同一时期,软件工程师的数量实际上在增加,而不是减少。

    他的逻辑是:AI降低了写代码的门槛,让更多人能参与软件开发,反而扩大了整个行业的规模和就业容量。这个论点值得讨论,但数据摆在那里。

    英伟达到底想成为什么公司?

    演讲最后,黄仁勋自己总结了英伟达的定位演变:“英伟达确实已经成为一家基础架构公司。”

    这句话的潜台词是:英伟达不再只卖芯片或系统,它的目标是帮客户构建能创造最大营收和利润的AI基础设施。从GPU厂商到AI工厂架构师,这个跨度比大多数人意识到的要大得多。

    代理式AI的模式会从电脑扩展到机器人、卫星、云端基站,最终改变我们对各种设备的定义。黄仁勋的这块拼图,是让英伟达成为所有这些设备的”底层基础设施提供商”。

  • AI精神病:当科技CEO们沉迷于自己造的梦

    Box创始人Aaron Levie本周在社交媒体上发了一条挺有意思的帖子,说科技公司的CEO们”特别容易患上AI精神病(AI psychosis)”。这话一出,科技圈炸了锅。

    我和同事们在TechCrunch的Equity播客里专门聊了这事儿。Levie并不是在否定AI工具,他的核心意思是:CEO们需要真正这些工具,才能理解它们到底值不值。

    “如果你根本没有接触过最终的实际工作,你怎么会知道这些工具的价值呢?你不能只看一张幻灯片就说’对,效率太惊人了,就这么干’。”

    —— Aaron Levie,Box CEO

    反AI情绪正在蔓延

    你可能也注意到了,现在有两种完全相反的声音同时存在:一边是”AI太棒了,所有人都在用”;另一边是”AI毁了一切,所有人都讨厌它”。

    最近有一些挺有意思的信号:

    • 大学毕业生在毕业典礼上听到AI相关内容就发出嘘声
    • 科技行业裁员潮带来的负面情绪持续发酵
    • 谷歌宣布给搜索增加更多AI功能后,DuckDuckGo的下载量直接涨了30%

    DuckDuckGo的CEO说他们的安装量增长了30%——当然,DuckDuckGo的体量比谷歌小得多,我不认为谷歌会立刻遇到麻烦,但这至少说明:有相当多的用户并不买账现在AI渗透一切的方向。

    谷歌的两难困境

    我的同事Kirsten提出了一个挺尖锐的观察:它正在追逐自己认为必须做的事来保持竞争力,但它正在破坏用户和品牌关联度最高的核心体验,而且也没有改善这个体验。

    AI精神病争议
    AI工具正在重塑人们对技术的信任边界(图源:TechCrunch)

    她在想,这个反AI的节点,是不是初创公司或者其他商业领域的机会?已经有早期迹象表明,人们正在用行动投票,直接转去用其他服务。

    更有意思的是,连DuckDuckGo自己也在一年前还在尝试往搜索里加AI功能,因为觉得”必须这么做”。而现在他们发现,其实有一条路可以走:”不,我们完全不感兴趣这些AI功能。哪怕我们要做,也会把它放在单独的沙箱里,完全不会影响你的核心搜索体验。”

    CEO们的”AI精神病”到底是什么

    Levie说的”AI精神病”,指的是很多CEO对AI有一种不切实际的幻想——他们和生成式AI真正能创造价值的”最后一步工作”足够脱节,所以容易被PPT上的演示迷惑。

    这不是说AI没有用。恰恰相反,问题是:谁在用?怎么用?那些真正在一线写代码、做设计、写文档的人,和那些只在董事会上谈AI战略的CEO,对AI价值的感知是完全不同的。

    现在很多公司的AI采用,是一种自上而下的推动。高管们相信”AI会带来生产力提升”,风投们也喜欢”你只需要一个非常小的团队,就能和规模大得多的公司一样高效”的梦想。但这个梦想和现实之间的鸿沟,可能比很多人愿意承认的要大得多。


    不管你是不是赞同Levie的观点,有一件事是确定的:AI现在极具争议性,而且这种争议不会很快消失。对于做产品的公司来说,如何在”跟上AI潮流”和”不惹毛用户”之间找平衡,会是一个越来越 tricky 的问题。

  • MIT TR 盘点:2026 年 AI 领域最值得关注的 10 件事

    MIT Technology Review 最近做了一件有意思的事——他们第一次把”当下 AI 领域最重要的事”整理成了一份清单。不是那种泛泛而谈的趋势预测,而是编辑团队基于多年追踪,认真挑出来的 10 个方向。

    这份清单里有些内容你可能已经耳熟能详,但也有几个方向,连很多业内人士都还没认真想过。挑几个最有意思的聊聊。

    人形机器人的”数据饥渴”

    训练大语言模型需要海量文本,那训练人形机器人需要什么?答案是:海量”人类动作视频”。现在已经有公司在专门搭建巨型”训练中心”,让工人重复完成各种任务,用摄像头把整个过程录下来。更夸张的是”提线木偶”模式——让海外陌生人通过远程操控的方式,实时”驾驶”机器人做各种动作,以此收集训练数据。

    这套打法有没有用,现在还不好说。但逻辑是通的:想让机器人学会”把杯子拿起来”,先得让它看几万遍人类是怎么拿杯子的。

    “世界模型”可能是下一个大突破

    大语言模型擅长处理文字,但要让 AI 真正理解物理世界,还需要别的东西。这就是”世界模型”(World Models)的由来——AI 公司希望构建能够理解外部物理世界的系统,而不只是预测下一个 token。

    如果世界模型取得成功,AI 将克服大语言模型的局限性,真正进入物理环境——而不只是停留在屏幕里和你聊天。

    AI 智能体开始”组队协作”了

    第一波 AI 智能体只能做单件任务——运行一个浏览器、写几行代码,而且各自为战。下一阶段的智能体将能够”组队”,多个代理协作完成复杂得多的目标。这就像从”单打独斗”进化到”团队协作”,能力上限会完全不一样。

    中国的开源赌注,全球已经在用

    中国实验室把前沿模型免费开放,这件事在全球范围内获得了大量开发者的好感。现在的问题是:这种模式财务上是否可持续?没人能给出确定答案。但一个事实已经形成——全球开发者已经在基于中国的开源基础模型构建应用了。


    这份清单里还有几个方向也值得关注:AI 加持下的诈骗正在升级、武器化的深度伪造已经成为现实、全球范围内对 AI 的抵制浪潮正在形成。MIT Technology Review 这份清单的价值不在于”预测”,而在于它把那些真正在发生的、会被写进历史的变化挑了出来。

  • AI 代理正在重塑互联网基础设施,AWS、微软、Cloudflare 纷纷入局

    最近有个变化正在发生,可能很多人还没注意到——互联网的基础设施,正在从为”人”设计,转向为”机器”设计。

    这么说可能有点抽象,具体来看就很有意思了。Cloudflare 的数据显示,过去半年里,非人类流量(主要是爬虫、AI 助手、自动化代理)已经占到整体 HTTP 流量的 31%,其中 AI 爬虫和搜索引擎占了机器人请求的四分之一。Cloudflare 的产品经理 Lai Yi Ohlsen 甚至预测,非人类流量将在 2027 年上半年超过人类流量。

    AI 代理的流量模式,彻底打破了旧规则

    这背后是 AI 代理(agent)的崛起。和人类用户稳定的浏览、点击、滚动行为不同,AI 代理的行为模式完全不同:它们可以在几秒钟内发起数百次数据库查询、文档检索和 API 调用,然后像出现时一样迅速消失。这种”突发式”的流量模式,是传统云基础设施没有设计过的。

    “代理会从实验阶段进入生产环境,它们产生的流量模式是之前的基础设施根本没有设计过的。它们会毫无预警地出现流量峰值,也会毫无征兆地进入空闲状态。” — AWS OpenSearch 总经理 Tia White

    AI agents digital concept
    AI 助手的数字生成图像,象征人工智能系统的分布式与并行处理能力(图片来源:TechCrunch)

    AWS、微软、Cloudflare 都在重新造轮子

    本周 AWS 发布的下一代 OpenSearch Serverless 就是一个典型例子。这个新版本把计算和存储解耦,可以根据代理流量的峰值在几秒内自动扩容,也可以在代理空闲时缩容到零——换句话说,不用为空闲的计算资源付费了。

    用个通俗的比喻:以前的 Serverless 版本就像你无论用不用车,都得付固定停车费;新版更像是按实际停放时间计费的智能停车位。

    类似的动作在整个云行业都在发生。Databricks 和 Snowflake 正在把自己重新定位为企业 AI 数据的”记忆和检索系统”;微软推出了针对 Azure 的更新,专门处理 AI 代理的流量突发并在代理之间共享记忆;Cloudflare 上个月也推出了面向代理的持久化环境和即时扩展能力的基础设施。


    这个趋势值得关注,因为它意味着两件事:一是 AI 代理的规模化部署正在倒逼基础设施升级;二是当这套新基础设施成熟后,代理的部署成本会更低、更容易大规模落地。对于正在考虑用 AI 代理做点什么的公司来说,这是个好消息。

  • AI 代理正在重塑互联网基础设施,AWS、微软、Cloudflare 纷纷入局

    最近有个变化正在发生,可能很多人还没注意到——互联网的基础设施,正在从为”人”设计,转向为”机器”设计。

    这么说可能有点抽象,具体来看就很有意思了。Cloudflare 的数据显示,过去半年里,非人类流量(主要是爬虫、AI 助手、自动化代理)已经占到整体 HTTP 流量的 31%,其中 AI 爬虫和搜索引擎占了机器人请求的四分之一。Cloudflare 的产品经理 Lai Yi Ohlsen 甚至预测,非人类流量将在 2027 年上半年超过人类流量。

    AI 代理的流量模式,彻底打破了旧规则

    这背后是 AI 代理(agent)的崛起。和人类用户稳定的浏览、点击、滚动行为不同,AI 代理的行为模式完全不同:它们可以在几秒钟内发起数百次数据库查询、文档检索和 API 调用,然后像出现时一样迅速消失。这种”突发式”的流量模式,是传统云基础设施根本没有设计过的。

    “代理会从实验阶段进入生产环境,它们产生的流量模式是之前的基础设施根本没有设计过的。它们会毫无预警地出现流量峰值,也会毫无征兆地进入空闲状态。” — AWS OpenSearch 总经理 Tia White

    AI agents digital concept
    AI 助手的数字生成图像,象征人工智能系统的分布式与并行处理能力(图片来源:TechCrunch)

    AWS、微软、Cloudflare 都在重新造轮子

    本周 AWS 发布的下一代 OpenSearch Serverless 就是一个典型例子。这个新版本把计算和存储解耦,可以根据代理流量的峰值在几秒内自动扩容,也可以在代理空闲时缩容到零——换句话说,不用为空闲的计算资源付费了。

    用个通俗的比喻:以前的 Serverless 版本就像你无论用不用车,都得付固定停车费;新版更像是按实际停放时间计费的智能停车位。

    类似的动作在整个云行业都在发生。Databricks 和 Snowflake 正在把自己重新定位为企业 AI 数据的”记忆和检索系统”;微软推出了针对 Azure 的更新,专门处理 AI 代理的流量突发并在代理之间共享记忆;Cloudflare 上个月也推出了面向代理的持久化环境和即时扩展能力的基础设施。


    这个趋势值得关注,因为它意味着两件事:一是 AI 代理的规模化部署正在倒逼基础设施升级;二是当这套新基础设施成熟后,代理的部署成本会更低、更容易大规模落地。对于正在考虑用 AI 代理做点什么的公司来说,这是个好消息。

  • MIT发布2026年AI十大趋势:从人形机器人训练到反AI运动

    人形机器人训练数据:动作捕捉的新战场

    就像人类的文字成了大语言模型的养料,现在连人类怎么动、怎么走路、怎么搬东西,都被大规模收集起来训练人形机器人。这事儿听起来有点怪,但确实在发生——有公司专门建了”训练中心”,让工人一遍遍重复同样的动作,就为了给机器人提供学习素材。还有更离谱的”提线木偶”模式:远方的人类通过远程操控,手把手教机器人怎么做事。

    这种做法投入巨大,但没人能保证一定成功。可资本还是在砸钱,因为这可能是让机器人真正”活过来”的唯一路径。


    大语言模型没有死,它正在进化

    去年大家还在感叹大语言模型”改变了世界”,今年从业者已经在琢磨下一个突破在哪里。容易摘的果子已经摘完了,模型的提升越来越难,但这不意味着LLM要退出历史舞台。

    相反,它正在往两个方向走:一个是把现有的能力压榨到极致,另一个是在寻找全新的架构突破。这条路不好走,但走通了就是下一个时代。


    AI让诈骗变得便宜又高效

    以前想搞网络诈骗,还得学点技术、花点钱买工具。现在有了生成式AI,门槛几乎降到了地板上。黑客可以用AI批量生成钓鱼邮件,连语法错误都不一定有;换脸视频让冒充别人变得轻而易举;甚至连打电话诈骗都有AI语音代劳。

    AI正在让网络犯罪变得更便宜、更快、更容易——这对普通人来说不是什么好消息。


    世界模型:让AI理解物理世界

    大语言模型擅长处理文字,但要让AI进入真实物理世界——比如让机器人知道”杯子掉地上会碎”这种常识——就需要”世界模型”。这类系统试图让AI理解外部世界的运作规律,而不仅仅是预测下一个词。

    如果这条路走通了,AI就不再只是聊天工具,而是能真正在现实世界里做事情的智能体。这可能是下一波AI浪潮最核心的突破点。


    智能体编排:从单打独斗到团队协作

    早期的AI智能体只能干一件事——比如帮你订个外卖,或者写段代码。但现实世界里的问题往往是复杂的,需要多个步骤、多种能力配合。

    现在的方向是”智能体团队”:一个负责搜索、一个负责推理、一个负责执行,像人类团队一样分工协作。这比单个超级智能体更灵活,也更容易落地。很多公司已经在往这个方向押注了。


    中国的开源赌注:免费模型赢来的全球影响力

    DeepSeek、通义千问、智谱……中国实验室过去一年里密集开源了一大批高质量模型,而且真的好用。这让全球开发者突然意识到:原来不用OpenAI也能做出厉害的东西。

    但这种”免费送”的策略能不能持续,没人说得准。训练模型太烧钱了,光靠口碑和开发者好感,账算得过来吗?不管怎样,全世界已经在基于中国的基础模型搞开发了,这本身就已经改变了格局。


    AI科学家:当AI开始做科研

    有些公司已经在开发能自主做科研的AI——不是帮你查文献,而是真的能设计实验、分析数据、甚至提出新假设。支持者说,这种AI合作者有一天可能会达到诺贝尔奖的水平。

    这话听起来夸张,但想想十年前大家也觉得”AI下围棋赢人类”是天方夜谭。科学发现的门槛正在被重新定义。


    反AI运动:当大家开始说”够了”

    过去几年AI基本上是想怎么发展就怎么发展,监管跟不上,大家也沉浸在”新技术好厉害”的兴奋里。但现在这股浪潮遇到了真正的阻力。

    艺术家不满自己的作品被拿来训练模型,工会担心AI抢走工作,保守派和自由派居然在”限制AI”这件事上找到了共同点。这股反对力量还在早期,但已经在一些具体问题上取得了小胜利。AI的无约束时代,可能正在走向终点。


    写在最后

    MIT Technology Review这份清单的价值不在于预测未来,而在于帮我们看清当下——哪些方向是真的在动,哪些只是炒作。人形机器人、世界模型、智能体编排,这些是当前最值得盯着的变化;而AI安全、监管反弹、开源商业化困境,则是这个行业必须面对的考题。

    2026年的AI,已经不再是”能不能做出来”的问题,而是”应该怎么用、谁来管、往哪里去”的问题。

  • MIT科技评论2026年AI十大趋势:去伪存真的关键之年

    MIT科技评论2026年AI十大趋势:去伪存真的关键之年

    2026年4月,MIT科技评论首次推出”当下AI领域最重要的10件事”年度清单。这份报告来得正是时候——AI行业喧嚣不断,泡沫和炒作混在一起,能看清方向的声音越来越少。MIT的编辑团队花了大量时间筛选,最终给出这份清单,目的很明确:剔除噪音,找出真正推动AI发展的核心力量。

    MIT Technology Review AI Trends 2026
    MIT科技评论2026年AI十大趋势封面图 | 来源:MIT Technology Review

    这份清单和MIT传统的”10项突破性技术”榜单有所不同。以前的榜单更偏重技术本身,而这一次的视角更宽——它看的是整个AI生态里,哪些力量在真正改变游戏规则,哪些只是昙花一现的炒作。


    一、人形机器人训练数据:教AI理解物理世界

    大语言模型的训练用的是人类文本,而人形机器人的训练数据是什么?是人类的动作视频。这个逻辑很直接——就像文字让模型学会”说话”,视频能让机器人学会”行动”。现在已经有公司在大规模做这件事:建大型训练中心,让工作人员重复做特定任务,采集动作数据;还有的用”傀儡式”操作,让海外人员远程操控机器人,记录每一次移动。

    问题是,这项投入巨大,但结果还没人说得准。机器人能不能真的从视频里学会灵活操作?还是说需要更多维度的数据?这个方向值得盯紧。

    二、大语言模型+:下一站在哪里?

    大模型已经席卷全球,整个行业都在问同一个问题:下一代突破在哪里?基础优化空间越来越小,但大模型本身不会被淘汰。MIT的编辑们认为,这个技术还有很多潜力没挖完,关键是往哪个方向挖。

    大语言模型不会消失,它只是刚刚开始。真正的问题 是:我们能让它做什么更多的事?

    三、升级版诈骗:AI让攻击成本暴跌

    这是清单里最让人不安的一条。AI正在让诈骗和黑客攻击变得前所未有的容易——速度更快、成本更低、操作更简单。以前需要专业技术才能做的攻击,现在门槛被AI砸到了地上。这个趋势在2026年会继续恶化,几乎没有放缓的迹象。

    四、世界模型:AI的下一个前沿

    现在的AI模型能聊天、写代码、生成图片,但它们不理解物理世界的运作规则。世界模型(World Models)要解决的正是这个问题——让AI真正”理解”外部世界,而不只是预测下一个token。如果这个目标实现,AI就能真正进入物理场景落地,而不只是停留在屏幕里。

    五、新型作战指挥室:AI进入军事决策

    算法早就让军事的一些基础工作自动化了,但生成式AI正在进入更高层的决策环节。指挥官开始认真参考AI给出的建议,这个变化正在重塑军队的情报共享方式、和大型科技公司的合作模式,以及致命决策的制定流程。这件事的影响面很广,而且不只是技术问题。

    六、武器化深度伪造:威胁已成现实

    长期以来被预测的”武器化深度伪造”威胁,在2026年已经成为现实。生成式AI技术的进步,加上Grok模型大规模生成非自愿色情图像、美国政府部门用这项技术制作宣传内容,这些事件加在一起,让深度伪造从”潜在风险”变成了”正在发生的事实”。

    七、智能体编排:从单打独斗到团队协作

    第一代AI智能体只能做单一任务——运行浏览器、写几行代码,而且各自为战。下一代智能体的方向是”编排”:多个智能体协作,分工完成复杂的长距离任务。这个变化一旦完成,AI能做的事情会比现在多出一个数量级。

    八、中国的开源押注:免费策略赢得全球开发者

    中国AI实验室把前沿模型免费开放,这个策略为他们赢得了全球开发者的认可和口碑。现在的问题是,这种模式能不能持续?财务上怎么算账?但不管怎样,全球开发者已经开始基于中国的开源模型构建各类应用,这个趋势已经成型了。

    九、人工智能科学家:AI开始做科研

    高校和企业都在开发能自主完成科研任务的AI智能体,把它们当作真正的协作者和科学家来用。有人甚至预测,这类AI科研助手未来有可能做出诺贝尔奖级别的研究成果。这个说法听起来夸张,但研发进度比很多人想象的快。

    十、反AI抵制运动:反弹正在发生

    AI不受限制地发展了这么多年,现在全球范围内出现了强大的反AI抵制浪潮。从保守派到自由派,从艺术家群体到工会,相关活动人士的声音正在扩大,而且已经开始取得一些小范围的胜利。这个趋势在2026年会继续发酵。


    我的看法

    读完这份清单,一个感受很强烈:AI行业正在从”能做什么”转向”应该做什么”。前几年大家都在比参数、比 benchmark,现在开始有人认真问这些问题——AI用在军事上边界在哪里?深度伪造谁来管?开源模式能不能持续?

    这份清单里我最看好”世界模型”和”智能体编排”两条线,这两个方向一旦突破,AI的应用场景会大规模扩展。最担心的当然是”升级版诈骗”和”武器化深度伪造”,这两个方向的技术进步速度远远快于监管跟进的速度。

    至于”反AI抵制运动”,我觉得这是健康的信号。任何技术发展到一定阶段,都需要来自社会的反馈和约束,AI也不例外。

  • ClickUp大裁员22%:AI替代人工的时代真的来了?

    AI加持下的”100倍组织”梦想

    ClickUp 的 CEO Zeb Evans 在 X 平台上说了一句话,让很多人心里一紧。他说这次裁掉 22% 的员工,不是成本削减,而是”激进地拥抱 AI”,要让 ClickUp 变成”100 倍组织”。

    什么叫”100 倍组织”?简单说就是:用极少的人,干出原来 100 倍的工作量。Evans 甚至承诺,省下来的人力成本会”直接回流给留下来的员工”,还要推出”百万美元薪资档位”。听起来很美好,但问题是——那些被裁掉的人,已经不在”留下来的人”的范围内了。

    AI与工作未来的概念图
    AI正在重塑工作场所,但代价由谁承担?

    3000 个 AI 智能体在”上班”

    根据《财富》杂志的报道,ClickUp 最近内部引入了约 3000 个 AI 智能体,代替员工处理各类复杂任务。现在的员工不需要亲自完成工作,而是被要求”指挥”这些智能体,然后审核输出结果。

    这个变化背后有一个微妙的逻辑:原来一个人做的工作,现在变成”人指挥 AI 做,人审核”。理论上人的效率提升了,但实际上需要的人数变少了。Evans 说”用 AI 自动化自己工作的人永远会有工作”——这话没错,但能走到那一步的人,显然不会是全部。

    ClickUp 并非唯一一家把 AI 智能体当作生产力答案的公司。Gartner 的调查显示,约 80% 使用自主技术的公司已经削减了岗位——但裁员并不一定会转化为有意义的财务回报。

    “代币最大化”:一个值得警惕的指标

    近几个月来,越来越多的公司开始监控员工的”代币消耗量”,把它当作衡量员工是否真正在用 AI 工具的指标。ClickUp 说他们不是在做”代币成本游戏化”,而是在游戏化”创造的价值和节省的时间”。

    但批评者指出,把代币消耗作为考核指标本身就是个错误方向,因为这只会刺激不必要的 AI 调用,推高成本,却不一定带来真实的价值产出。这就像一个餐厅老板跟厨师说:”你今天用了多少度电,我就给你发多少奖金。”厨师会怎么反应?当然是拼命开最大功率的烤箱。

    一个极端案例:只有一名员工的初创公司

    科技圈一直在理论推演”AI 完全替代人工”的场景,而现在已经有了一个高知名度的极端案例:成立仅一年的 Polsia,声称用 AI 自动化了所有软件运营工作,整个公司只有一名员工——创始人兼 CEO Ben Broca。

    这种效率显然正在获得资本市场的认可:Polsia 刚刚以 2.5 亿美元的估值完成了 3000 万美元的融资。投资者用真金白银说明了一件事——他们相信”一个人 + AI”可以替代几十甚至上百人的传统团队。

    ClickUp 的裁员或许只是一个开始。当 Evans 说”AI 会让留下的人拿到百万美元薪资”时,他可能没意识到,这句话的另一面是:大部分人会离开,而留下的人将面临前所未有的工作强度和压力。


  • 谷歌搜索25年来最大改版:10条蓝链终结

    谷歌搜索终于动手了,25年来最大的一次改版

    用了25年的谷歌搜索,这回真的变了。不是小修小补,是把底层逻辑给重构了。

    你现在在谷歌搜索框里输入一个复杂问题——比如”比较过去20年主要经济体的碳排放趋势和GDP增速的关系”——出来的不再是一串蓝色链接让你自己点进去找答案,而是直接生成一个可交互的图表,数据整合了全网多个来源,你可以在搜索结果页直接操作这个图表。

    谷歌搜索产品副总裁Robby Stein表示,这次升级的核心目标是适应用户搜索行为的变化:人们现在问的问题更长、更复杂,整个互联网往往没有现成的完整答案。

    “10条蓝链”死了

    从1998年谷歌成立到现在,”10条蓝色链接”的搜索结果模式基本没变过。用户输入关键词,谷歌返回一串链接,用户自己点进去找答案。这个模式现在正式宣告终结。

    新版本的搜索结果页可以直接生成定制可视化内容、交互图表、甚至迷你应用。你问”怎么规划一次去日本的3周行程”,搜索结果页直接给你出一个可交互的行程规划器,而不是让你自己去点15个旅行博客。

    SEO行业炸了

    这个变化对SEO从业者来说是个地震级事件。过去20年,SEO的核心逻辑是”让我的链接排在前面,让用户点进来”。现在用户可能在搜索结果页直接拿到了答案,根本不会点你的链接。

    新的优化方向是让自家内容被谷歌的AI概览(AI Overviews)引用。你的内容不需要被用户点击,但需要被AI在生成答案时引用为来源。这是两套完全不同的优化逻辑。


    谷歌为什么要这么做

    背后的推动力很简单:ChatGPT、Perplexity这些AI搜索工具正在吃掉谷歌的午餐。用户发现,有些问题直接问AI比在谷歌上点10个链接效率高得多。

    谷歌的选择是:如果打不过,就把自己变成AI搜索平台。它有足够的优势——拥有YouTube、Gmail、安卓等30亿日活产品,这些数据喂给AI搜索的质量是任何竞争对手都比不了的。

    今年I/O大会上谷歌没有发布对标Claude Mythos的超级模型,而是推了更快更便宜的Gemini 3.5 Flash。CEO皮查伊的战略很明确:不跟Anthropic和OpenAI比基准测试分数,而是把足够好的模型铺到尽可能多的用户产品里。

    对普通用户意味着什么

    短期来看是好事。搜索体验确实会变好,尤其是那些需要整合多个信息源才能回答的复杂问题。你不用再开10个标签页来回切换了。

    长期的影响还不好说。如果所有人都不点链接了,靠流量生存的那些网站(媒体、博客、论坛)的商业模式会受到严重冲击。互联网的内容生产机制可能因为这次改版而发生结构性变化。

  • 2026年AI领域最值得关注的10件事

    2026年AI领域最值得关注的10件事

    MIT Technology Review最近发了篇文章,总结了当下AI领域最值得你盯着的10个方向。他们的记者和编辑盯了AI这么多年,这次第一次把答案浓缩成一份清单。

    这份榜单的灵感来自他们每年的《10项突破性技术》,但这次把视角投向了当下推动AI进步、改变权力格局的东西。我挑几个最有意思的跟你聊聊。

    AI Trends 2026
    MIT Technology Review总结的2026年AI十大重要趋势(图片来源:MIT Technology Review)

    人形机器人需要大量训练数据

    就像我们的文字成了大语言模型的训练数据一样,记录人类动作的海量视频现在正被收集起来,用来训练人形机器人。有些公司在搞庞大的”训练中心”,让工人重复完成任务;还有些公司让海外的陌生人远程操控”傀儡”机器人。这是个疯狂的尝试,而且没人能保证一定能成功。

    大语言模型还有很大挖掘空间

    大语言模型(LLM)曾经席卷全球。现在所有AI从业者都在追逐下一个重大突破。虽然容易实现的目标已经所剩无几,但大语言模型不会就此消失,这项技术还有很大的挖掘空间。

    AI让诈骗变得更容易了

    AI正在降低诈骗分子和黑客的作案门槛,让入侵目标的尝试变得比以往更快、更便宜、更容易。这件事值得所有人警惕。

    “AI无处不在,铺天盖地。这让你有怎样的感受?”——MIT Technology Review编辑Mat Honan

    世界模型:让AI理解物理世界

    AI公司想要构建能够理解外部世界的系统。如果它们成功,就有可能克服大语言模型的局限性,帮助AI进入物理环境。这是个很有意思的方向。

    AI已经进了作战室

    算法很早就实现了军事杂务的自动化,但现在生成式AI已经在作战室拥有了席位,指挥官会认真采纳它的建议。它正在重塑军队的情报共享方式、和大型科技公司的合作模式,以及致命决策的制定方式。

    深度伪造被武器化了

    随着生成式AI的改进、Grok大规模生成非自愿色情图像,以及美国政府用这项技术进行宣传,人们长期预测的武器化深度伪造威胁已经到来。


    智能体协作:从单打独斗到团队合作

    第一代AI智能体只能运行浏览器或者编写代码片段,而且只能单独行动。接下来将出现的是能够协作完成复杂得多的目标的智能体团队。这个方向对自动化和生产力提升很有意义。

    中国的开源押注

    免费开放前沿模型让中国实验室赢得了全球信誉,也获得了开发者的大量好感。这种模式的财务可持续性无人知晓,但全世界已经在基于中国的模型基础进行构建了。

    人工智能科学家:AI自己搞研究

    学术界和企业都在开发能够自主完成研究任务、作为真正的合作者和科学家共事的智能体。有人认为,这些AI合作科学家终有一天会取得足以获得诺贝尔奖的成果。这个说法有点大胆,但也不是完全没可能。

    全球范围内的AI抵制浪潮

    在多年的AI无限制发展之后,全球范围内正在形成一股强大的抵制浪潮。从保守派到自由派,从艺术家到工会,活动人士的势头越来越猛,已经开始取得一些小胜利。


    我的看法:这10个方向里,我觉得最值得关注的是”智能体协作”和”世界模型”。智能体协作如果能做好,对提升生产力会有很大帮助;世界模型则是让AI从屏幕后面走到物理世界的关键一步。至于AI诈骗和深度伪造武器化,这两个方向让人担心,但也说明AI的能力确实在快速提升。

    另外,中国的开源押注这个方向也很有意思。免费开放前沿模型确实能赢得开发者的好感,但怎么赚钱这是个问题。不过,全世界已经开始基于中国的模型进行构建了,这说明开源策略确实有效。