台积电前资深副总经理罗唯仁遭爆疑似携带2纳米制程关键机密，转赴竞争对手英特尔（Intel）任职，引发台积电技术外流疑虑。台高检署智财分署26日指挥调查局突袭罗唯仁位于台北、新竹的住所搜索，并查扣电脑、随身碟等相关证物。此案也受到美媒关注，并询问美国政府看法，美国国务院表示，目前对于这起搜索行动不作评论。 检方认定涉犯国安法启动扣押程序 高检署智财分署检察官经初步查证，认为罗唯仁确有窃取2纳米机密嫌疑，行为涉犯《安全法》，将他列为被告侦办，基于保全证据及日后追征犯罪所得，26日指挥调查局搜索罗唯仁位于新竹县、台北市住处，并扣得电脑、随身碟等相关证物，同时向智财法院声请扣押其名下股票与不动产，已获裁准。 据公开资讯资料估算，罗唯仁在台积电任内仍持有1348张公司股票，市值逾18亿元新台币，再加上其位于台北及新竹的房产，总价值至少超过20亿元新台币（约4.5亿元人民币）。知情人士透露，罗唯仁持有美国护照，早在10月间已出境前往美国。 英特尔全力支持罗唯仁加入团队 事件引发外界质疑罗唯仁跳槽英特尔是否牵涉先进制程技术外流。对此，英特尔CEO陈立武表态，公司全力支持罗唯仁加入团队，并否认与技术移转有关的不当行为。他指出，罗唯仁在加入台积电前，曾于英特尔任职18年，期间负责制程技术开发，如今回到老东家，将延续其在技术研发上的深厚经验。 英特尔也再度重申，公司内部的管控机制相当严谨，明文禁止员工取得或使用任何第三方机密信息与智慧财产。 美媒《Oregonlive》指出，英特尔与台积电是多年来的竞争对手，近年台积电在先进制程上拉开明显差距，取得压倒性领先，促使英特尔加速追赶脚步，并积极争取部分台积电客户。 川普政府于8月下旬以90亿美元收购英特尔9.9%股权，使美国政府成为英特尔最大股东。 至于台湾地区相关部门对罗唯仁住所的搜索，美国国务院则表示，不对此事发表评论。

快科技11月30日消息，辅助驾驶系统等已经成为很多新能源车的一大卖点。有的驾驶人误认为“智能驾驶”就是“自动驾驶”，酒后开启“智能驾驶”就可以减轻责任，但实际真的是这样吗？ 日前，央视新闻分享了一则典型案例。2023年3月的一天凌晨，张某和朋友聚餐饮酒后，朋友叫代驾将他们送到了朋友家，之后代驾离开。 张某考虑凌晨时路上没有多少车，且汽车具有自动驾驶功能，抱着侥幸心理决定自己开车回家。之后，张某在路上被民警查获，经检测，其血液中酒精含量为201.4毫克/100毫升。 北京市东城区人民法院一审判决被告人张某犯危险驾驶罪，判处拘役3个月，并处罚金6000元。 一审宣判后，被告人张某提出上诉，认为自己开启了自动驾驶功能，极大降低了道路行驶的危险性。 近日，北京市第二中级人民法院审结了这起醉酒驾驶案。北京市第二中级人民法院刑事审判第一庭一级法官助理赵欣表示，目前相关法律规定，驾驶辅助系统被激活后，驾驶人仍需要全程动态地参与驾驶过程，需要对突发情况做出应急接管。 因此，司机在醉酒后是否开启了驾驶辅助功能与其要承担责任没有关系，不能作为其减轻刑罚的理由。 北京二中院据此认定，一审法院定罪及适用法律正确，量刑适当，审判程序合法，依法驳回上诉，维持原判。 法官提醒，“智驾”不是酒驾免责的挡箭牌，千万不要把“智驾”当代驾。 公安部专家表示，智能辅助驾驶系统不等于“自动驾驶”系统，驾驶人才是最终的责任主体。根据汽车驾驶自动化分级的国家标准，驾驶自动化等级分为0—5级，其中—— 0—2级为驾驶辅助，是当前商业化量产普遍使用的自动化系统； 3级为有条件自动驾驶，在特定场景下执行驾驶任务，但驾驶员需保持接管能力，系统失效或者超出场景时需及时接管； 4级为高度自动驾驶，5级为完全自动驾驶，均处于试点阶段。 智能辅助驾驶系统并非“自动驾驶”系统，不能及时处置一些突发情形，若遇到其他车辆违规变道、道路上有障碍物等，智能辅助驾驶系统未及时反应和处理，很容易引发交通事故，危及自身和他人生命安全。

快科技11月30日消息，据报道，三星显示公司近日宣布进行一系列内部组织架构调整，加强对苹果等关键客户的服务能力，并进一步拓展新兴市场。 在中小型显示器事业部方面，原属A业务团队的“A开发团队”升级为“A开发实验室”，以整合分散职能，提升对苹果业务的响应效率；其销售职能则并入战略营销办公室。 同时，该事业部新设立“M业务开发团队”，专注于开发约1英寸的XR设备微型显示器，此前相关研发工作由直属总裁的M-PJT团队负责。 在大型显示器事业部方面，原副总裁孙东日被任命为该部门新任负责人，并兼任IT事业部负责人。孙东日于2022年12月晋升副总裁，曾通过建立系统化良率分析体系和优化量产流程，为QD-OLED良率提升与生产效率改进做出重要贡献。原职位由李钟赫担任，其已于21日转任三星风险投资公司副总裁兼代表董事。 此外，自去年底起由李柱亨副总裁负责的中小企业部门也得到职能强化，IT业务团队新增驱动开发、模块开发及单元外包等职能。 今年7月，三星显示已增设IT销售团队，以应对日益增长的IT OLED市场需求，并为正在建设的第8代IT OLED生产线（A6）争取客户。该产线预计明年投产，将为苹果MacBook等设备量产OLED显示屏。 在近期的高管人事调整中，三星显示于11月25日宣布在2026年例行晋升中共有23人晋升，其中包括8名副总裁，晋升人数较2025年增加7人，反映出公司对管理与技术创新的高度重视。

IT之家 11 月 29 日消息，特斯拉想要拿下全球最大的汽车市场之一 —— 印度，但现阶段的表现并不理想。 据外媒 Insideevs 当地时间 11 月 28 日报道，印度是全球第四大汽车市场，特斯拉今年 7 月终于在印度开出首家展厅。不过根据经销商提供的数据，特斯拉在当地运营两个多月，仅卖出 100 多辆车。 截至 9 月中旬，印度市场的 Model Y（IT之家注：目前在当地唯一正式销售的特斯拉车型）刚刚收到 600 多份订单，但真正转化为交付的只有极少部分。反观更昂贵的宝马、比亚迪和奔驰，由于享受税收减免，销量表现反而更强。 特斯拉 9 月才开始向印度用户交付 Model Y，不过早在 7 月就已开放预订，同时在孟买启用首家“体验中心”。 《Autocar India》主编 Hormazd Sorabjee 接受 BBC 采访时表示：“他们的销量按任何标准来看都很低，但这是策略。他们只是先迈进印度市场的一步，未来仍具备扩大销量的潜力。” 特斯拉最近又在北部城市古尔冈启用了更大的综合据点，集展厅、充电枢纽与售后服务于一体，品牌曝光度因此有所提升。但要提高销量，特斯拉仍有大量工作要做。 首先，印度市场的 Model Y 售价高达 70000 美元（现汇率约合 49.6 万元人民币），已进入豪华车区间。其次，全国范围内只有两座 Supercharger 直流快充站，分别位于孟买和新德里，后续仍计划陆续增加站点。 今年早些时候，特斯拉在创下第三季度营收与交付纪录的同时，利润却下滑，其中一大原因是美国消费者在 7500 美元（现汇率约合 53124 元人民币）联邦税收抵免到期前集中购车所致。

IT之家 11 月 29 日消息，据中新网，小鹏汽车副总裁陈涵在接受采访时表示：“我们在发展之初，就不仅定义为一家中国汽车制造企业，而是以智能驾驶技术前沿技术为核心优势的科技企业。” 她进一步解释说，当 AI 汽车、飞行汽车、具身智能通过统一的 AI 大脑实现深度协同后，我们不再将其看成孤立的工具了，而是用户生活中的智能共生体。她认为，在科技飞速发展的背景下，未来出行领域发展前景广阔。而当下的“反内卷”是行业逐步走向成熟、迈向高质量发展的一个关键，也是必然的一步。 IT之家发现，此前吉利、长安、小米、宝马等多家车企高管均有与“反内卷”有关的表态。 吉利汽车控股执行总裁桂生悦：国家提倡的反内卷，不仅仅是反对打价格战，吉利汽车要做到学习友商的长处，不说友商的坏话，做好自己的事情。如果中国每家车企都做到了这三句话，就是响应了国家的反内卷。 长安汽车执行副总裁叶沛：我们将肩负起推动新能源汽车产业高质量发展的使命，坚决地杜绝行业和产业链上的低质低价的无序内卷，携手产业链的上下游同行，共同走向良性循环的高质量发展之路。以实际行动为智能新能源汽车产业的健康发展来贡献力量。 小米创办人、董事长兼 CEO 雷军：小米汽车积极响应主管部门的号召，坚决执行反内卷。对供应商，积极响应了 60 天付款，在这一点上小米的表现也是有口皆碑的。“在竞争形式上，我们也坚决反对价格战，要往高端挺进。我们用更高的标准执行，坚决落实主管部门的要求。” 宝马集团大中华区总裁兼 CEO 高翔：一系列结构性挑战给汽车产业的未来发展轨迹带来了前所未有的风险和不确定性，内卷式竞争将阻碍产业的健康发展。持续的价格战已将行业盈利能力降至极低水平，如果得不到有效解决，将引发质量妥协，遏制创新，并最终影响产业的可持续发展。

IT之家 11 月 29 日消息，今天晚上，比亚迪腾势 D9 正式达成第 30 万辆交付里程碑，“九球天后”潘晓婷成为腾势 D9 第 30 万辆车主。官方表示，腾势 D9 也成为了全球首个最快完成 30 万辆交付的新能源 MPV 车型。 IT之家从官方获悉，腾势 D9 于 2022 年 5 月开启预售，同年 8 月正式上市，10 月首辆量产车下线。2023 年 9 月，腾势 D9 最快达成 10 万量产中国豪华车。 今年 8 月，腾势 D9 全球销量破 25 万，蝉联 2025 半年度中国市场 MPV 销量冠军。 现款腾势 D9 于去年 12 月在国内上市，包括 DM-i 超级混动版和纯电版共 8 个版本车型，官方指导价 33.98~46.98 万元，其中 EV 纯电版 34.98 万元起。

IT之家 11 月 29 日消息，一款型号为 NLA-AN00 荣耀新机近日现身电信设备终端网，预计为荣耀畅玩 60A，部分参数信息也随之曝光。 IT之家整理如下： 机身尺寸 167×77×7.89mm 重量 186 克 显示屏 6.75 英寸 720×1600 电池额定容量 5130mAh CPU 主频 2.2GHz 后置摄像头像素 1300 万像素 前置摄像头像素 500 万像素 作为参考，荣耀畅玩 60 手机于今年 4 月发布，搭载天玑 6300 处理器以及 6000mAh 电池，售价 1199 元起。 6GB+128GB 版 1199 元 8GB+256GB 版 1399 元 荣耀畅玩 60 荣耀畅玩 60 提供墨岩黑、玉龙雪、晓山青三款配色，正面配备 6.61 英寸 TFT-LCD 显示屏，分辨率为 1604*720 像素，支持最高 120Hz 刷新率。该机搭载天玑 6300 处理器，机身内置 6000mAh 电池（典型值）。后置 1300 万像素主摄（f/1.8 光圈），前置 500 万像素镜头（f/2.2 光圈）。

在移动互联网时代，谁掌握了流量，谁就掌握了注意力，而注意力，本质上就是货币。过去十年，中国几乎所有商业奇迹，都与注意力的重新分配有关。 如果说腾讯用社交关系圈住了用户，阿里用交易链路锁定了消费，那么，把注意力经济演绎得最彻底、也最具商业效率的，就是抖音。 短短几年，它不仅改写了内容消费方式，也重塑了商业变现路径。其收入先后超过百度、腾讯广告，再到 2023 年超过阿里广告规模，如今字节跳动的全球收入已经开始接近 Meta（Facebook）的量级。 按照一般印象，拥有巨大流量的平台，最终都会变成广告公司，但在这两年，我突然发现抖音的轨迹变了，它看上去越来越不像一家广告公司，而更像一家电商公司。 收入的变化，从广告驱动到电商驱动 自2017-2018年抖音崛起以来，字节跳动营收呈爆炸式增长。据媒体报道，2019 年字节跳动的营收已超过 1400 亿元，其中广告贡献最大比例。可以判断，在2020年以前，字节的广告收入就已超越曾经的“广告之王”百度。 这也代表了中国互联网广告代际的更迭：搜索广告时代正式谢幕，算法驱动的信息流广告时代全面降临。 我记得在那几年，巨量引擎是广告营销界最耀眼的明星。无论是快消大牌、游戏厂商、在线教育机构，还是金融平台，各行各业的广告主挥舞着钞票涌入这个系统。 此时的抖音，是一个标准的媒体平台，它赚的是广告费，通过算法将流量分发给外部买家，商业逻辑清晰。 随着抖音日活暴增，其广告库存呈指数级增长。据媒体报道，2020 年字节跳动广告收入达到 1800 亿，并在随后两年迅速逼近 3000 亿大关。 到了 2023年，Z Finance 报道，字节的广告收入更是超过 4000 亿元，一举超过阿里巴巴，成为中国名副其实的最大的广告平台。 尽管广告收入节节攀升，字节跳动从未停止对新业务的探索。 2020 年是分水岭，这一年，罗永浩入驻抖音开启直播带货，成为大众视野中的标志性事件。但更具决定性意义的动作发生在同年 10 月，抖音直播间正式切断第三方（淘宝/京东）外链。 这一刀，彻底斩断了流量外溢的可能，所有商家想在抖音卖货，必须开设抖音小店。从此，商家投放的每一分广告费，全部留在了抖音体系内，形成了商业闭环。 成效立竿见影。据 The Information 消息，2022 年，抖音电商 GMV（商品交易总额）迅速达到 1.4 万亿，成为中国互联网历史上破万亿速度最快的电商平台。 但抖音的电商野心不止于直播。2022年，抖音商城上线，标志着其向货架电商进军。 这是抖音向电商巨头进化的关键一步。因为直播电商的天花板受限于用户时长，而货架电商的天花板取决于 SKU 的丰富度。只有做货架，才能像淘宝一样承载海量的搜索需求。 据 36Kr 报道，抖音货架场景 GMV 占比在 2023 年升至 30%，2024 年继续攀升至 40%。而从今年 618 的数据来看，货架电商占比 50% 的战略目标已基本达成。 这一战略加上流量优势，直接推动了电商体量的飞跃。据《晚点 LatePost》报道，抖音电商 2024 年 GMV 预计超过 3.5 万亿，超越京东，坐稳行业第三。 而晚点最新的消息更显示，今年前十个月抖音电商 GMV 增速超 30%，全年 GMV 将迈过 4 万亿元关口，直逼拼多多。 你可能会说，GMV只是流水，并不代表平台的真实收入，我们继续往下看。 根据《晚点 LatePost》2024 年 5 月的报道，早在 2021 年，抖音电商广告平台巨量千川产生的收入就已占到平台广告总收入的 35%，同一个报道说，一名接近字节跳动的人士估算，这一数字目前已达到 50% 左右。 这意味着，字节跳动 4000 亿的广告大盘中，有一半其实是商家为了卖货而投的。 这与阿里巴巴的商业逻辑已无本质区别，阿里的核心收入来源是 CMR（客户管理收入），其本质就是商家为了在淘宝/天猫获得更多曝光而支付的广告费（如直通车）。 如果参照电商行业的逻辑，平台的综合变现率（广告+佣金）通常在 4%-5% 左右。考虑到抖音是货找人的兴趣电商模式，商家需要更高频的投流才能维持销量，其实际变现率只高不低。 即使按保守的 5% 计算，在 3.5 万亿至 4 万亿的 GMV 盘子下，抖音仅电商相关的广告收入就已接近 2000 亿元。 深层次的原因在于外部环境的变化，过去几年，游戏、在线教育、互联网金融等曾经的广告金主遭遇市场寒冬，预算大幅缩减，唯有电商商家如快消、美妆、日用品等，为了生存和增长，不得不维持高强度的投放。 当一家平台的收入增长主要依赖于电商 GMV 的膨胀，当其广告系统有一半是为卖货服务时，它就不再是一家纯粹的媒体公司，它成为一家披着内容外衣的电商公司。 组织架构调整，权力向电商调转 如果说收入曲线展示的是业务重心，组织架构调整则更直接反映公司权力的流向。过去一年，抖音在内部连续做出三次关键调整，它们指向同一个方向，抖音已经向电商驱动大踏步迈进。 2025 年 3 月，字节跳动将核心广告投放平台巨量千川从商业化部门巨量引擎整体剥离，并入抖音电商部门。 在此之前，商业化部门的指标主要是 ECPM，即致力于把每一次流量曝光卖出最高的价格，谁出价高流量给谁，至于曝光之后转化如何，并不在此讨论范畴，而电商部门的核心指标是 GMV 。将千川划归电商，意味着决策权的让渡。 从此，广告成为了电商业务的一个模块。千川的算法迭代方向，不再纯是为了让商家多花钱曝光，更多是为了帮商家更高效地卖货。 流量分配的逻辑本质上发生了质变：从追求短期的广告收入最大化，转向了追求长期的商家经营周期、复购率与 GMV 最大化。 2025 年 9 月，原本隶属于商业化部门、负责对接大客户（如欧莱雅、耐克等）的 KA 直客销售与运营团队，被正式划归至抖音电商部门。 这标志着对商家服务模式的重构。过去，商业化销售的 KPI 简单粗暴：“你今年必须在抖音投 1 个亿的广告费。”至于客户投了之后效果如何、货卖得动卖不动，销售无需负责。 调整之后，销售团队的身份可以说转变为电商经营顾问。在新的考核体系下，只有商家在抖音卖得好，电商部门才有业绩，销售才能完成任务。 因此，他们与客户的沟通不再仅是推销开屏广告或信息流硬广，而是需要制定涵盖投流、货架、直播、短视频的整合经营策略。 这代表了抖音变现逻辑的升维，从以投放换成交的广告逻辑，进化为以经营换长期增长的电商逻辑。 只有帮商家实现了用户沉淀（LTV）和复购，广告费的获取才具有可持续性。 转型的底层基础，体现在技术底座的物理融合。 2025 年 11 月，字节跳动将商业化技术、电商技术和生活服务技术三个团队合并，成立了全新的中国交易与广告部门。 这个新部门的命名本身就极具象征意义交易被排在了广告之前。 在过去，广告团队追求广告收入，电商和生活服务团队追求 GMV，两套算法模型在同一个流量池里，难免存在左右互搏的内耗。现在，技术底座的统一消除了这种“部门墙”。 这意味着，在算法层面，自然流量与付费流量的界限被进一步模糊。系统不再割裂地看待广告与内容，而是统一计算内容带来的交易价值。技术整合的唯一目的，就是减少内耗，让抖音庞大的流量更顺畅、更高效地转化为实实在在的交易额。 通过这一系列调整，抖音明确向外界宣示：广告成为服务于交易这一核心引擎的燃料。 在未来，没有脱离交易的广告，只有为了交易而生的流量。 结语：抖音成为内容驱动型零售体 回顾上一个媒介霸主，电视时代，商业逻辑其实是割裂的。那时的电视台通过优质的内容如，电视剧、综艺吸引了海量的注意力，然后通过插播广告将注意力变现。 但电视机前存在一个巨大的痛点：消费者无法在电视上直接买东西。用户在电视上被广告种草后，需要关上电视，穿上鞋子，去超市或商场寻找商品。 现在抖音恐怖的地方在于，将内容媒体、广告渠道和销售终端这三件事彻底合体了。 它既像电视台一样制造内容吸引注意力，又分发广告赚钱，同时更像一个超级大卖场，直接把收银台搬到了屏幕前。它消灭了种草与拔草之间的时间差和空间差，原子世界的商场被折叠进了比特世界的屏幕里。 这种三位一体的模式，解释了为什么抖音必须要将广告部门并入电商部门。 在电视时代，广告部管广告，商场管销售，两者互不相干。但在抖音的生态里，广告即销售，内容即货架。当用户在刷视频的那一秒产生兴趣，点击黄色小车，输入密码，完成支付，整个链条在几秒钟内闭环。这种所见即所得的效率，是对传统商业链路的降维打击。 因此，组织架构上向电商的倾斜，本质上就是为了适应这种被极度压缩的商业时空。在这个时空里，任何阻碍流量瞬间转化为交易的部门墙，都必须被拆除。 今天字节跳动，已经不再是我们熟悉的那个流量巨头。 通过将广告系统彻底融入交易体系，抖音完成了一次基因层面的重组。它不再关心你看了多少广告，它只关心你下了多少单。 在这个意义上，我们必须更新对它的定义，抖音已不再是一家卖广告的媒体公司，它是中国互联网历史上第一家真正意义上的“内容驱动型零售体”。 对于阿里、京东和拼多多而言，真正的恐怖不在于抖音抢走了多少 GMV，而在于它垄断了“欲望产生的源头”，在商业的战场上，掌握了源头的人，就掌握了重新分配财富的权力。

IT之家 11 月 30 日消息，OpenAI 因收到一名极端反 AI 活动人士发出的暴力威胁，已对其位于旧金山的办公室实施封锁。 据 Wired 援引 OpenAI 内部 Slack 消息称：“我们的信息显示，StopAI 组织的一名 [活动人士] 曾表达过对 OpenAI 员工实施人身伤害的意图。此人此前曾现身我们旧金山的办公场所。” 尽管报道未披露该人士姓名，但 City Journal 随后报道称，致力于永久禁止 AI 开发的激进组织 StopAI 发布了一份长篇声明，暗示涉事者可能是该组织联合创始人之一山姆・柯希纳（Sam Kirchner）。 StopAI 在声明中迅速与柯希纳划清界限，强调该组织“坚定奉行非暴力原则”。就在 OpenAI 实施封锁前不久，柯希纳曾在社交媒体上发文称自己“已不再是 StopAI 的成员”。 据报道，柯希纳目前下落不明。尚不清楚他是否就是发出威胁的那名活动人士。不过 StopAI 声称，在 OpenAI 封锁办公室之前，柯希纳曾袭击过该组织另一名成员，原因是后者“拒绝向他提供资金使用权”。 IT之家注意到，该组织在声明中写道：“他反复无常、行为异常，并公开放弃非暴力立场，导致受害者担心他可能会获取武器，用于对付那些致力于开发人工超级智能的公司员工。” 此前，StopAI 组织者曾在多家 AI 公司办公室前发起绝食抗议。本月早些时候，该组织还宣称对一起事件负责：旧金山公共辩护人办公室的一名律师向 OpenAI 首席执行官萨姆・奥尔特曼（Sam Altman）送达传票，要求其作为证人出庭一起刑事案件。

俄罗斯电商市场5年规模暴涨7.5倍，达1.14万亿人民币，成为数万中国卖家逃离国内红海的“价值洼地”！文章拆解俄罗斯电商的热门赛道、主流平台规则与核心风险，带你看清这场中国卖家海外迁徙的机遇与挑战，读懂高风险市场的掘金逻辑。 近年来，俄罗斯电商市场正在经历一场空前的“野蛮生长”。它吸引了一大批中国卖家涌入，但却不像欧美、东南亚那样成熟稳定。这里机会与风险并存，能留下来的人都相信，更大的风险，意味着更高的回报。 从2019年到2024年，俄罗斯电子商务市场规模实现约7.5倍的爆发式增长，已升至12.6万亿卢布（约合1.14万亿人民币）。2025年，头部平台Wildberries和Ozon的销售额仍保持高增长态势。其中，Ozon的财报表现尤为亮眼，2025年Q2其GMV达9584亿卢布（约合856亿人民币），同比增长51%；平台上中国卖家的交易额同比增加2.5倍，订单量增长5.5倍，活跃中国卖家数量也增加55%，中国商品已成为Ozon平台的重要供给力量。 （数据来源：Yakov and Partners） 与此同时，“物流是不是很慢？回款是不是有问题？到底能不能做？”这些顾虑成为想踏入俄罗斯市场的中国新手最关心的问题。 受国际环境和地缘因素影响，俄罗斯市场的物流时效和资金回款的稳定性都面临挑战。然而，正是这种高增长与高风险的结合，构成了俄罗斯市场的核心吸引力：入门成本相对较低，且存在大量未被充分竞争的商业机会。 一位深耕三年的中国卖家总结道，她早已习惯了这种专注于“经验与数据”的打法：知道什么产品会爆单、知道黑龙江到莫斯科7天必达的物流渠道。出海俄罗斯，让她可以避开国内电商红海的价格战和内卷竞争。 对于这批收割红利的中国卖家而言，俄罗斯市场最大的魅力正在于它提供的“新手”机会。他们相信，当市场结构尚未完全固化时，便是真正大机遇的降临。现在，他们正专注于运营优化和风险控制，拥抱这片充满高回报的“价值洼地”。 服装品类主导，消费电子、智能家居焕发活力 从地理位置上看，俄罗斯处于高纬度地区，拥有世界第一大的国土面积，地广人稀。受气候影响，保暖、功能性和户外产品通常具有较长的销售周期和稳定的需求。 此前，多个国际服装品牌如ZARA、H&M相继退出俄罗斯市场，为高性价比的快消服装产品进入提供了机遇。因此，服装、鞋类和配饰品类占据俄罗斯电商市场的主导地位，据第三方机构IMARC调研，2024年，该品类以24.3%的在线零售额份额，在所有产品类别中占据首位。 然而，巨大的市场蛋糕背后，却是新手跨境卖家的“高难度试炼”。服装品类首先需要面对的是严峻的库存压力，俄罗斯夏季较短、冬季漫长，一旦过季，未售出的商品就成了高昂的压仓货。同时，服装涉及多个尺码，卖家还需要根据俄罗斯人的身材特点再进行定制化或深度选款，这大幅增加了SKU数量，对资金周转能力要求较高。 更复杂的是物流挑战。俄罗斯物流本身时间较长，在运输过程中，商品的褶皱、面料受损、外包装破损较为常见，而这些都是引起服装退货率居高不下的常见原因，高昂的退货成本将直接侵蚀原本微薄的利润空间。因此，服装市场虽然潜力巨大，但更适合具备本土化仓储、成熟供应链和定制能力的大中型卖家。 在消费电子领域，随着苹果、三星等国际巨头的相继退出，中国品牌迅速填补了市场空白。俄罗斯消费者对高性价比的手机、平板电脑和家用电器需求激增，而这正是中国供应链的巨大优势。特别是像手机壳、贴膜、充电器、数据线这类手机配件，因其体积小、标准化程度高、且刚需稳定，成为了电商平台常年的热销品。 家居用品也正成为俄罗斯市场的增长点之一，其中不乏以扫地机器人、空气净化器为代表的智能家居。BusinesStat发布的《俄罗斯智能家居系统市场分析》报告显示，2020-2024年，俄罗斯智能家居系统营业额实现持续增长，已达到260亿卢布（约22.7亿元）。 此外，中国的厨房用具、收纳用品、以及各类家纺产品凭借其丰富的设计和价格优势，能够满足了俄罗斯消费者对改善家庭环境的需求。这些品类与电子配件类似，能够有效避开服装的高退货率和尺码风险，同时对海外仓备货的资金要求也更低。 “回款慢”成问题？有耐心的卖家才能赢？ 尽管中国商品在俄罗斯电商平台上的订单持续增长，但不少卖家仍面临“回款不稳”的问题。2024年上半年，部分中国卖家在Ozon等平台的资金回款出现延迟，最长可达数月，这一现象引起了行业广泛关注。 值得注意的是，这类事件并非个别现象，而是跨境电商结算体系在特定政策与市场环境下可能出现的风险之一。问题的根源更多在于中方银行对涉俄交易采取的严格风控措施，而非平台本身的运营问题。 对于跨境电商而言，这种风控收紧增加了回款不确定性。银行通常要求提供完整、可追溯的交易链条证明，包括报关单、物流单据、买家信息及支付凭证等。然而，跨境电商每天处理数千甚至上万笔小额订单，每笔订单对应不同终端消费者，难以像传统贸易那样提供统一的完整合同和报关文件。当银行无法核实交易信息时，资金有时会被延迟支付或暂时冻结。 总的来看，这种现象更多是制度性和操作性风险的叠加，而非单一平台的问题，卖家在进入俄罗斯市场时仍需充分考虑资金回款的周期和不确定性。 各具特色的本土平台 在规模约12.6万亿卢布的俄罗斯电商市场中，本土平台Wildberries与Ozon长期处于领先位置。 Wildberries（以下简称“WB”）以女装起步，并逐渐扩展为俄罗斯体量最大的综合电商平台之一，其定位更接近于中国的淘宝或天猫。WB的重要特点在于遍布全国的自提点及“先试后买”模式，消费者可以在试衣间试穿后再决定是否购买，这显著降低了线上购物的不确定性。 这种用户体验和流量优势，使WB成为不少中国卖家关注的重要渠道，尤其在服装品类中更为明显。但相比其他平台，WB的入驻要求更严格，卖家通常需要以“俄罗斯本地公司主体”或通过第三方服务商完成注册。对成功入驻的卖家而言，WB的高体量意味着更具吸引力的销售机会，同时也伴随更高的履约要求与退换货管理压力。 相比之下，Ozon的运营模式更类似于亚马逊或速卖通。平台采用“自营+第三方Marketplace”的架构，自营业务确保了核心品类的品质把控，而第三方卖家生态则极大地丰富了SKU多样性。 为吸引中国卖家入局，Ozon持续优化招商政策。自2025年2月11日起，平台实施了核心的零保证金入驻策略（基础类目适用），叠加多数定向类目销售佣金下调1至2个百分点、轻小件物流成本直降30%等措施，大幅降低了中国卖家试错与运营的压力。 同时，平台构建了完善的跨境支持体系，提供中文卖家后台、14天短账期人民币结算以及低费率收款通道。在物流方面，Ozon提供FBO（官方仓）、FBS（海外仓）和直发三种模式。 根据行业研究机构和Ozon官方信息，截至2024年底，Ozon全球跨境卖家总数突破12万家，其中中国卖家占比超60%，数量预计在7万至8万区间。这些卖家主要集中在义乌、深圳、广州等跨境产业集群地带，销售的3C数码、家居用品、鞋类工艺品等商品订单量持续高增。 2025年Q3，Ozon实现收入同比增长59%，达191.2亿元人民币；商品交易总额（GMV）同比增长53%，达981.3亿元人民币。中国卖家在Ozon Global平台的GMV同比增速超过四倍，活跃卖家数量翻番。 除了这两个主要平台外，俄罗斯科技巨头Yandex旗下的Yandex Market背靠Yandex搜索引擎和广告生态，在俄罗斯市场占据了一席之地，尤其在电子产品、电器和大型商品领域，用户信任度较高。 对于中国卖家而言，俄罗斯市场的不确定性还来自政策的变动。近期，有消息称俄罗斯政府宣布计划自2027年起逐步取消跨境小包免税政策，逐步取消当前对价值低于200欧元和重量低于31公斤的小包裹的免税政策；并计划在2030年全面取消；同时，增值税率也将渐进征收。 （来源：Forest spring) 有业内人士估计，一旦税改落地，将对依赖低价竞争策略的中小卖家造成巨大冲击，跨境商品成本预计将上涨8%至15%。 结语 随着税制改革的临近，俄罗斯电商市场由“野蛮生长”向规范化竞争的转型已成定局。过去那种依靠低门槛、低价铺货就能快速获利的模式走得并不长远。 未来的俄罗斯市场，将更青睐那些具备本土化运营、成熟供应链和合规能力的专业化玩家。这意味着卖家需要将运营重点从简单的价格竞争转向品牌建设和服务体验。当市场门槛被税收和合规性抬高后，率先完成“转变”的中国卖家，将有机会获得更稳定、更可持续的市场份额。 作者丨以南编辑丨火狐狸

编辑：倾倾 【新智元导读】不到1000天，AI已从会聊天，进化到能读文件、跑任务、写论文。它开始介入实际工作流程，人类与AI的分工，也在悄悄重写。 AI走进大众视野，其实也不到1000天。 可就在这短短1000天里，很多事已经彻底换了样。 三年前，人们用GPT-3写诗、讲段子，它能把一句话写顺就是奇迹。 现在的Gemini 3，会读文件、查资料、跑代码、建网站，甚至能把十年前的旧数据整理成一篇14页的学术论文。 在没有具体研究题目的情况下，它也能自己确定研究切口。 AI不再等人开口提问，它开始主动把事情做完；而人与AI之间的关系，也悄悄进入了新位置。 三年前的「惊艳」，现在回看只是序章 如果把时间倒回2022年底，那个节点几乎是AI发展的起跑线。 就在ChatGPT刚上线前夕，Ethan Mollick写下了他在Substack上的第一篇GPT-3测试文章。 彼时的他还在感叹： AI能写出一段顺畅的文字，已经足够改变世界。 在那篇文章里，他举的例子成了那个时代的代表性画面——让GPT-3写一首关于「糖果驱动的超光速引擎逃离水獭追捕」的诗。 这种轻巧、荒诞又略带才气的创意输出，曾让无数人第一次意识到：机器不只是补全文字，它真的能像在写作。 那一年，全网都在传播类似的故事。 媒体强调「AI会写作」「AI会讲段子」「AI模仿莎士比亚写诗」，技术论坛里也充斥着GPT-3的各种玩法，从写故事、写求职信，到写简单的Python函数。 GPT-3生成的一篇关于众筹如何助力创业的学术综述论文 但那时的能力短板：它能写，也只能写。 你给提示，它完成一句；你给框架，它模仿结构写一段。 再聪明，它也像是一个被困在文字框里的大型自动补全系统。 Mollick之后在文中也承认，当年他第一次感到震撼，是因为「AI 居然能写得这么顺」。 可他没想到的是，仅仅过了三年，Gemini 3只需给它一张截图，AI就能直接「做给你看」。 回头看，GPT-3的所有惊讶都像是时代的开场白。 真正的能力跃迁，还在后面。 AI不止是回应，它还会把事情做完 真正让人意识到时代变了的，是Gemini 3。 Mollick做了一个简单的实验：他把自己三年前写GPT-3的截图扔给Gemini 3，只给了一句提示： 用实际行动来展示人工智能自这篇文章发布以来取得了多大进步。 然后事情失控了。 在Mollick的测试里，Gemini 3直接构建了一个可交互的小游戏： 一个用糖果驱动的星舰，要逃离水獭追击，还配了动态文本、小诗和实时状态更新。 三年前只能在文本里描述游戏，如今它直接把游戏做出来。 但小游戏只是预告片。真正的核心在Google同期发布的Antigravity。 这是一个能读取本地文件、运行代码、规划任务、执行项目的通用型行动代理。 用户不需要写代码，只用中文或英文告诉它要做的事，AI自己把步骤拆开，然后一点点推进。 Mollick做了一个非常典型的测试：他给Antigravity访问权限，让它读取自己电脑里存着的所有newsletter旧稿。接着只下达一句话： 帮我做一个漂亮的网站，汇总我过去所有关于AI的预测，并去网上查查哪些预测准了、哪些错了。 Gemini 3接过任务后，开始自动读取文件、扫描内容、比对上下文，然后弹出一个行动计划让你确认—— 包含网页结构、数据整理方式、需要额外搜索的点、交互形式，甚至包括可能遇到的技术问题。 人工智能第一次询问有关项目的问题，它对需求的理解得非常透彻，给人留下了深刻的印象 只有在需要判断方向时，AI才会ping他：「这里有两个可能路径，你想让我选哪一个？」 Mollick测试时，AI自动生成并部署的demo页面 Mollick的评价很直白： 这不像在prompt一个模型，更像在管理一个队友。 这句话说明了一个事实：Gemini 3已不再停留在语言模型阶段，它正在成为一个能执行任务、推进流程、判断路径的数字行动体。 对普通用户来说，这意味着过去三年最本质的变化不是模型更强，而是AI终于从「只说不做」进入了「又说又做」的时代。 当AI会做科研，人类的任务只剩下审核 在Mollick的测试里，Gemini 3在测试中呈现出接近研究生水平的科研工作流程。 他没有给AI任何干净、整齐的数据，而是一份自己十年前做众筹研究时留下的旧文件夹。 各种格式混在一起，命名混乱，甚至包括—— 「project_final_seriously_this_time_done.xls」这种文件名。 他把这一整包东西直接丢给Gemini 3，并给了它一句话： 先搞清楚这些数据的结构，把能修的修一修，清理干净，准备做新的分析。 然后AI开始自己工作。没有催促，没有提示，也不需要你告诉它STATA是什么。 它会自动识别文件格式、修复损坏数据、统一字段、重建可读结构，并按照研究常规流程整理出可分析的数据集。 这一步过去通常需要研究生级别的耐心和经验。 Mollick看到结果后，提出了第二个要求： 写一篇新的论文。用这些数据，找一个创业或战略领域有意义的理论问题，自己设计分析方法，写成一篇可投稿的学术文章。 他没有告诉AI要研究什么、没有给任何方向、也没有限定主题。Gemini 3自己就能决定研究切口， 它提出了一个能与现有文献对话的假设，设计合适的统计模型，跑完数据，生成结果，再把整套内容写成了一篇14页的完整论文，包含摘要、理论、方法、数据描述、回归表格、讨论与局限。 最让人意外的，是论文里出现了一个AI自创的指标。 它利用NLP方法计算「项目创意的独特性」，通过文本相似度量化「一个众筹项目到底有多特别」。 在这个案例里，它不只是模仿已有做法，而是尝试做方法层面的扩展。 当然，它并不是完美的。Mollick也指出AI有一些典型问题：模型有的地方过拟合，解释略显自信，理论段落写得有点「太努力」。 但这些问题并非幻觉或混乱，而是更接近研究生写作时的判断偏差和方法细节不足。 当Mollick给出方向性建议，例如「理论部分补充文献」「方法段落写得更稳妥一些」时，Gemini 3能根据这些反馈进行有效修订。 从整个过程可以看出，Gemini 3可以承担科研工作里大量「执行性任务」，而人类在其中的角色更像是审稿人、研究负责人、方向决策者。 回看这三年，GPT-3 时代，人类负责「提出问题、设计方向」AI 负责生成一段文字。 到了Gemini 3，人类提出粗略目标，AI会把数据整理、建模、写作、执行流程全部推进到位，再让你做最终判断。 AI不再停留在对话窗口里，它开始执行项目、处理文件、构建研究环境，甚至能独立做出研究选择。 而人类也不再是修正AI错误的人，而是在逐渐转向「给AI下达任务并审核结果的人」。 这就是1000天带来的变化。 不是某个模型更强，而是整个协作方式已经重写。 AI的位置往前走了一步，人类的角色也随之调整。 这种位移正在成为新的常态。

新智元报道 编辑：倾倾 【新智元导读】ChatGPT涨价、免费额度缩水，骂归骂，很多人还是没搞懂：到底谁在拿走我们的钱？其实，涨价的真正推手不是OpenAI，而是用GPU锁住AI底价的英伟达。 ChatGPT涨价的讨论又冲上了首页。 Plus到手价从20美元涨到22美元、美区Team从25美元涨到30美元，Claude在20美元的Pro之外，又新增了30美元的Team档和Max档， 有人骂贵，有人觉得情有可原，更多人开始意识到：AI正在进入一个「越用越贵」的时代。 可顺着成本链条往下看，会发现涨价的真正推手既不是OpenAI，也不是Anthropic，而是Nvidia。 所有AI公司都在为它的GPU付账，用户最终为这条链买单。 涨价的起点：算力被Nvidia推上去了 外界把涨价的矛头指向OpenAI，可真正把整个行业往贵的方向推的，是算力成本。 把「算力」 这两个字拆开看，其实就是三个字：英伟达。 据The Information报道，这一轮涨价背后，是Nvidia的现金流在过去两年里出现了几乎前所未有的爆炸性增长。 截至2023年1月，它的自由现金流只有38亿美元；到了明年，预计会飙到965亿美元，三年复合增长率高达194%。 短短四年，它的自由现金流放大了二十多倍。 这种增速，在1990年以来的大型科技公司里都极为罕见，能勉强靠近的只有iPod刚问世那几年的苹果，但幅度仍不及Nvidia。 Nvidia的自由现金流在四年内接近百倍暴涨，远超Meta与Apple在各自巅峰时期的增速 这种增长不是凭空出现。 2023年ChatGPT爆火后，全球科技公司一齐冲向Nvidia订购AI芯片。 Google、Meta、微软、亚马逊在AI上的投入全面上升，它们疯狂扩建数据中心、抢购GPU，Nvidia直接变成算力时代的核心供货商。 ChatGPT点燃AI浪潮后，Nvidia的营收与自由现金流在四年内直线上冲，远超资本开支的增幅，形成史无前例的「现金喷泉」 The Information在报道里提到一个关键趋势：谷歌、Meta、亚马逊和微软因为大规模购入Nvidia的GPU，自身的自由现金流被明显压低，可用来维持「免费服务」的现金池变小了。 我们看到的那些「免费额度减少」「会员涨价」「高级模型限流」，都和这一点息息相关。 巨头为了继续做AI，只能把算力成本摊给用户。 与此同时，Nvidia的的现金储备也在持续膨胀。从2023年初大约130亿美元，上升到今年10月底的600亿美元。 分析师预计，从现在到2030年，Nvidia累计会创造接近8500亿美元自由现金流。 分析师预计Nvidia在2027—2030年的自由现金流将持续走高，到2030年逼近3000亿美元 这一总量，被认为已经明显高于分析师对Google、亚马逊、Meta、微软同一时期自由现金流的预期，也高于苹果被预计产生的自由现金流。 现金被掏空：巨头把成本转嫁给用户 当Nvidia的现金曲线开始向上「跳档」时，产业链的另一边已经有些吃不消了。 Google、Meta、微软、亚马逊这几家最能赚钱的公司，过去两年都在加速扩建AI计算集群。 它们的资本开支成倍增长，而自由现金流却被显著压缩。 也就是说，它们花的钱比以前多，手里能自由支配的现金却比以前少。 这个变化直接影响了整个AI服务的收费方式。 在此之前，巨头还能靠广告、云服务、硬件补贴用户，让产品保持免费。 但当数据中心不断扩建、GPU价格居高不下，它们第一次发现：AI服务不能再无限免费了。 于是我们就看到：强模型被放进更贵的付费层，免费额度开始收紧，订阅费一点点往上挪。 这些公司的商业模式没什么本质变化，它们只是被迫承认一个现实——算力成本持续上升，如果价格不调整，就只能长期亏钱。 更关键的是，Nvidia不只卖芯片，它还在投资、扶持整条下游链条。 Anthropic、CoreWeave、Lambda这些云和模型公司，都在它的生态之内；最近它和微软一起宣布，未来几年最高会向Anthropic投入150亿美元，其中Nvidia自己的部分最高可达100亿美元。 有这么多的需求，GPU的价格就很难往下走。 巨头买GPU的成本压不下来，AI产品自然也不可能回到过去那种「想用多少用多少」的时代。 供应商变金主：Nvidia把AI底价锁死了 所以问题已经不再是「为什么涨价」，而是：为什么未来几年AI的价格都很难降下来。 原因不是市场竞争不够，而是Nvidia已经在用另一套逻辑，把整个AI行业的基础结构提前固定住了。 The Information提到Nvidia的几个关键操作： 向Anthropic投入100亿美元 与OpenAI商谈规模高达千亿美元级别的长期合作； 支持CoreWeave、Lambda等云厂商扩建算力 替一家云公司担保数据中心租约，换取未来的GPU订单 这些看起来像是财务投资，实质是一种「提前绑定」：谁来买卡、买多久、买多少，Nvidia都提前把关系锁好了。 被绑定的公司规模越大，算力需求越高，Nvidia的收益也越高。 再叠加CUDA的生态壁垒、台积电的产能限制、替代方案的落地周期这些现实因素，很容易得出的结论：行业短期内根本离不开Nvidia。 一旦离不开，成本就不会降。 就算巨头有心拉低价格，也会被供不应求的 GPU 和已经锁定的产能限制。 对用户来说，这意味着AI会越来越强，但「免费时代」几乎不可能回来了；更好的模型，会停在更高的价格层；按量计费会变成常态。 整个行业已经切到一条不会轻易反转的轨道上。 成本不会突然降低，价格自然也不会。 过去一年，我们习惯把AI看作一种「能力爆发」，但Nvidia的曲线提醒我们，背后还有一场静悄悄的基础设施重构。 当算力被锁定，当供应链被提前写入未来，当整个行业都围着同一个底层旋转——价格就不再只是市场行为，而是一种结构性趋势。 你的时间、你的技能、你的效率，也会在这条曲线里被重新定价。 成本会上升，但它推动的，未必只有负担，也可能是价值的整体抬升。 参考资料： https://www.theinformation.com/articles/nvidias-mushrooming-cash-pile-spotlights-spending-choices?rc=epv9gi

快科技11月30日消息，据报道，英特尔前首席执行官帕特·基辛格（Pat Gelsinger）近日接受采访时，对当前人工智能热潮提出不同看法。他认为，AI产业的快速膨胀可能因“量子技术的重大突破”而面临泡沫破裂，并预言量子计算机将比市场预期更早成为主流。 基辛格将传统运算、AI运算与量子运算并称为“运算领域的神圣三位一体”。尽管英伟达首席执行官黄仁勋曾表示量子计算普及至少还需二十年，基辛格却认为这一进程可能仅需两年左右。 他进一步指出，AI泡沫虽不会立即破裂，但量子技术的突破将成为关键转折点，并预计当前AI产业依赖的GPU芯片将在本世纪末前逐步被量子技术取代。 在谈及微软与OpenAI的合作时，基辛格将其与比尔?盖兹早年同IBM的合作模式相类比。他认为OpenAI更像是微软的“分销伙伴”，模型的核心算力与主导权仍掌握在微软手中，OpenAI主要负责将产品推向用户。 基辛格自离开英特尔后加入创投公司Playground Global，从而深入接触量子计算领域。他强调，随着“量子位元（qubits）”逐步进入市场，传统运算与AI运算都将面临根本性挑战，甚至可能被视为过时技术。 此外，基辛格也回顾了他在英特尔任职期间所面临的困境。他表示，接手公司时意识到英特尔已出现“比想象中更深、更严重的衰败”。在他回任前的五年中，英特尔“没有任何产品准时交付”，基本工程纪律严重流失，甚至给人以“英特尔好像已经不会做工程了”的印象。 这一局面也导致英特尔在突破关键18A制程技术上的进程比预期更长——该技术对其追赶台积电具有重要战略意义。 基辛格透露，他曾向高层承诺在五年内完成18A制程，但在实现产品交付之前就被解雇。最终，新任首席执行官陈立武在五年期限前终止了该项目。

IT之家 11 月 30 日消息，据韩国《中央日报》今日报道，一名 30 多岁男子因运营利用人工智能开具医疗处方的网站，涉嫌违反《健康犯罪管制特别法》，已被移交检方处理。 据悉，该男子在去年 8 月至 11 月期间运营涉案网站，用户通过与平台人工智能聊天描述症状后，即可获得处方。为满足处方形式要件，他还涉嫌盗用其他医院医护人员的姓名伪造相关文件。 尽管毫无医学背景，该男子仍通过反复输入处方相关内容对人工智能进行训练，并对这一流程进行宣传以吸引用户。其处方开具完全基于用户与人工智能的聊天记录，未经过专业医护人员的问诊或诊断。根据健康犯罪相关法律规定，未取得医师执照者禁止以营利为目的从事医疗行为。 用户每开具一张处方需支付 300 韩元至 600 韩元（IT之家注：现汇率约合 1.5 元至 2.9 元人民币）不等，平台累计处理约 140 笔支付。但由于处方的格式及内容与标准样式存在差异，仅有少数处方成功在药店使用。涉案处方均不涉及精神类药物，且目前暂无因服用所开药物引发健康问题的报告。 警方于去年 10 月接到韩国医师协会的投诉后启动调查。此类因未经授权在远程医疗服务中使用人工智能而将嫌疑人移交检方的案件较为罕见。 警方表示：“该网站违反了现行法律，与任何医疗机构均无关联，且不符合卫生部门制定的远程医疗相关指引。”

IT之家 11 月 30 日消息，偷拍、被误会偷拍近日已成为讨论热点，央视新闻今日发文科普了怀疑自己被偷拍后合理合法地维护自身正当权益的方式，并详细解答了能否直接要求或强行查看对方手机、能否强行留住对方等系列问题。 IT之家附热点问题解答如下： 被偷拍了，是否属于侵犯人格权？ 属于。法律保护公民的肖像权和隐私权。该项权利属于民法典中基本人格权范畴。 民法典规定，任何组织或者个人不得以丑化、污损，或者利用信息技术手段伪造等方式侵害他人的肖像权。未经肖像权人同意，不得制作、使用、公开肖像权人的肖像，但是法律另有规定的除外。未经肖像权人同意，肖像作品权利人不得以发表、复制、发行、出租、展览等方式使用或者公开肖像权人的肖像。 自然人享有隐私权，任何组织或者个人不得以刺探、侵扰、泄露、公开等方式侵害他人的隐私权。除法律另有规定或者权利人明确同意外，任何组织或者个人不得拍摄、窥视、窃听、公开他人的私密活动。 可否直接要求或强行查看对方手机？ 不行。依据民法典规定，自然人享有隐私权。任何组织或者个人不得以刺探、侵扰、泄露、公开等方式侵害他人的隐私权。私人的合法财产受法律保护，禁止任何组织或者个人侵占、哄抢、破坏。 手机是高度私密的个人物品，存储着大量的个人信息、通讯记录、照片视频等隐私数据。任何公民都无权强制查看他人手机内容。强行查看、抢夺、翻查他人手机的行为可能侵犯他人隐私权。 此外，手机是个人财产，强行夺取或控制的行为侵犯他人财产所有权；若因争执行为发生肢体冲突可能违反治安管理处罚法，严重者甚至触犯刑法中有关侮辱、诽谤、寻衅滋事、故意毁坏财物等法律规定。 按照我国刑法规定，以暴力或者其他方法公然侮辱他人或者捏造事实诽谤他人，情节严重的，处三年以下有期徒刑、拘役、管制或者剥夺政治权利；故意毁坏公私财物，数额较大或者有其他严重情节的，处三年以下有期徒刑、拘役或者罚金；数额巨大或者有其他特别严重情节的，处三年以上七年以下有期徒刑。 如果确认对方正在偷拍，且很可能涉及不雅内容，为防止对方逃走销毁证据，能否强行留住对方再报警？ 公民个人无权以限制人身自由的方式“强行留住”对方。“强行留住”行为，如拉扯、禁锢、限制活动等，可能构成非法限制人身自由，情节严重时可触犯治安管理处罚法甚至刑法。 正确的做法是在确保自身安全的前提下，采取合法方式处置： 1、高声说明与警告。可以明确、高声地向对方指出其行为涉嫌违法（例如：“您刚才的行为涉嫌偷拍，我已报警，请等待警方处理”）。此举一方面能震慑对方，另一方面可以引起周围公众的注意，使其迫于舆论压力不敢轻易离开，同时也可为后续警方调查固定现场状态及相关证据。 2、立即求助现场力量。迅速向场所的管理人员、安保人员求助，请求他们依据管理职责先行劝阻、稳住涉事人员，并协助维持现场秩序直至警方到来。 3、立即报警并清晰说明情况。第一时间拨打 110，并向接警员说明：“这里有人正在偷拍，涉事人尚未离开，位置在…… 其特征是…… 急需民警立即到场处置以防其逃离销毁证据。”提供精准信息有助于警方快速出警并有效处置。 4、记清特征，固定证据。尽可能记下对方的显著体貌特征、衣着及逃跑方向。如果对方执意要离开，切勿强行阻拦，但应记录下这些信息并及时提供给警方，协助后续侦查。 确认对方正在偷拍，抢手机制止是否可行？ 不行。公民个人不具有执法权。民法典规定，私人的合法财产受法律保护，禁止任何组织或者个人侵占、哄抢、破坏；无权占有不动产或者动产的，权利人可以请求返还原物。 因此，发现对方存在偷拍的违法行为，不可以采取同样的违法行为突破法律界限，去侵犯对方的隐私权、财产权等合法权利。制止违法行为应通过合法手段，由公权力机关依法处理。以违法对抗违法，自身也要承担法律责任。 依据我国治安管理处罚法规定，盗窃、诈骗、哄抢、抢夺、敲诈勒索或者故意损毁公私财物的，处五日以上十日以下拘留，可以并处五百元以下罚款；情节较重的，处十日以上十五日以下拘留，可以并处一千元以下罚款。 对方实际没有偷拍，因错误怀疑起争执要承担什么责任？ 没有确凿证据公开指责他人偷拍，如在公共场合大声斥责、强行查看抢夺手机，录制视频发到网上，可能侵犯他人名誉权，需承担赔礼道歉、赔偿损失等民事责任。如果行为扰乱公共秩序或造成其他后果，还可能面临治安管理处罚。 法官提示：公民个人无权自行查验他人手机。强行查看，可能让您从“受害者”变成“侵权者”。遭遇疑似偷拍，应牢记处理“三步法”： 第一步：保持冷静，确保安全。首先稳定情绪，迅速观察周围环境，必要时移动到安全位置或向工作人员、安保人员靠近，避免与对方发生直接肢体冲突。 第二步：固定线索，寻求协助。尽量清晰地记住对方的体貌特征、衣着、位置。留意是否有其他目击者，可礼貌请求其留下联系方式作证。 第三步：立即报警，依法处理。第一时间拨打 110 或向现场执勤民警报告。向警方清晰、客观地陈述您观察到的情况、疑虑、时间、地点及对方的特征。将收集到的线索及时提供给警方，由公安机关依法进行调查取证和后续处理。

新智元报道 编辑：KingHZ 桃子 【新智元导读】OpenAI，亟需一场翻身仗！今天，全网最大的爆料：GPT-5基石实为GPT-4o。自4o发布之后，内部预训练屡屡受挫，几乎沦为「弃子」。 OpenAI核心预训练，接连翻车？ 传言称，GPT-5的基石仍是GPT-4o，且GPT-4.5之后的预训练版本，都被OpenAI放弃了！ 这么说并非空穴来风，核心爆料恰恰来自权威SemiAnalysis的最新一文—— OpenAI顶尖团队自GPT-4o发布之后，迄今尚未完成一次完整的，为下一代前沿模型设计的大规模预训练。 文章中，高级分析师强调：谷歌正手持TPUv7这把利剑，向英伟达王座发起冲锋，或将终结CUDA护城河。 众所周知，OpenAI全栈模型是在纯英伟达GPU上炼出的。 然而，圈内人的焦点，大都放在了大模型「推理」和「后训练」的硬件之上。 殊不知，没有前沿模型的预训练，一切皆是「无米之炊」。恰恰这一环节，成为了AI硬件里最难、最耗资源的一关。 如今，一个不为人知的内幕爆出了： 事实证明，谷歌TPU彻底经受住了这一考验； 相较之下，自2024年5月GPT-4o诞生之后，OpenAI的预训练却毫无进展..... 过去，两年半的时间，OpenAI没有真正Scaling预训练的规模。 GPT的预训练，或许在GPT-4o之后触及了天花板，由此也解释了GPT-5性能未达业界预期的关键原因。 有网友表示，那不正是Ilya离开的时候吗..... 恰在昨天，Ilya最新发文称，Scaling不会停，但某个重要的东西仍然会缺失。 OpenAI预训练，大溃败 还记得去年底，那场铺天盖地的「Orion」传闻吗？ 这一秘密项目，原定以GPT-5面世，但因训练未达预期，最终被降级为GPT-4.5发布。 在前沿模型预训练上，OpenAI的研发似乎陷入了僵局—— 如今第五代旗舰模型GPT-5，包括最新GPT-5.1，其「技术根基」本质或仍未突破GPT-4o的范畴。 SemiAnalysis去年底一篇文章，曾对外公开了Orion训练的困境。 当前，算法的进步使得模型每年所需的物理计算量减少约三分之一，因此，训练运行时间很少超过3个月。 甚至，行业中大多数预训练通常仅需要1-2个月。 然而，OpenAI的Orion大规模预训练，却打破了这一常规，其训练时间超过了3个月。 另据Information同一时间爆出，Orion不会像前代实现巨大的飞跃，相较于从GPT-3到GPT-4的迭代，改进幅度要小得多。 不仅如此，Orion性能提升也基本局限在——语言能力上，其代码能力甚至不如旧模型，且成本更高。 如今再回看2月，GPT-4.5的诞生，基于代号Orion的模型，OpenAI追求的是： 更强的语言能力+更稳的对话体验+更大知识库 情商，成为了GPT-4.5的关键词。代码虽有提升，但并非主菜。 这一切的一切，从侧面印证了，此前外媒关于「Orion遇挫」爆料的准确性—— LLM有提升，但不大。 GPT-4o，成Scaling主线？ 今年8月，GPT-5的那场发布，奥特曼将其定调为「博士级AI，是通往AGI又一里程碑」。 实则，业界对于GPT-5的反响，唏嘘一片。 大家原本以为，GPT-5会是全面超越前代的一次飞跃，但实际发布后，更像是GPT-4.5的进一步优化版，不是「颠覆版」。 但至于GPT-5真正基于哪一款GPT打造，还有待证实。 正如之前传闻的猜测，有可能是GPT-4o，还有Reddit网友称是GPT-4.1.... 但不论是哪一款，都证明了GPT-5，没有在全新前沿模型的大规模预训练上淬炼。 搞笑的，那个曾将OpenAI三颗🍓🍓🍓「焊在」名字中的大佬，如今改成了三个🍌🍌🍌。 他表示，这已经不是什么秘密了—— GPT-4.5将预训练推向极致之后，OpenAI加倍投入了推理范式，主打o系列+RL。 不同的是，谷歌和Anthropic仍在Scaling预训练，并增强了强化学习。 OpenAI主动放弃了这一范式，为劲敌让出了一条速通道。 奥特曼：这事儿瞒不住了！ Gemini 3发布后，谷歌和OpenAI攻守之势易形—— Gemini 3来势汹汹，而OpenAI这次终于坐不住了！ 据泄露的内部备忘录，奥特曼坦言：「近期， 从各方面来看，谷歌在大语言模型表现出色」，特别是预训练。 这番表态标志OpenAI的重大转变——它终于承认，一个重新崛起的竞争对手与逐渐降温的企业需求，已彻底打破了其「天下无敌」的光环。 所谓预训练，是训练生成式AI模型（无论是文本还是图像）过程中的第一阶段。在这一阶段，研究人员会用网页等大量数据「投喂」模型，让它掌握数据之间的各种关联。 大语言模型（LLM）开发与训练流程概述：预训练和后训练是关键 在预训练领域，谷歌取得了新突破，给Gemini 3带来了空前的推理深度。 这让不少AI研究者颇感意外—— 毕竟，OpenAI去年曾屡屡碰壁，而谷歌自己过去也曾陷入瓶颈。 正因如此，在一段时间内，OpenAI选择将更多精力转向另一种新型AI架构——「推理模型」，这种模型虽然计算量更大，但有望输出更优质的回答。 在推出GPT-5之前，OpenAI团队曾尝试对预训练阶段做出一系列调整，这些方法在小模型上有效，一旦模型变大就失效了。 GPT-5发布第二天，西班牙与波兰Talan公司AI应用负责人Javier Alba de Alba表示： (GPT-5）整体观感颇为失望： 这是个优秀的模型——响应迅捷、价格亲民、能力全面，但远非人们基于OpenAI过往发布会所预期的代际飞跃。 GPT-5带来了不少提升—— 编程能力显著提升、推理能力进阶、幻觉现象减少、医疗领域表现优化，甚至免费用户也享有更长的默认使用时长。此外命名体系全面简化：GPT-4o/4.1/turbo/mini等繁杂名称悉数消失，统一更名为GPT-5。 不过，Javier Alba de Alba提醒：「千万不要被名称迷惑：GPT-5并非新一代产品。」他解释道： 技术层面而言，它更像是GPT-4o的功能增强版，即便命名为GPT-4.2也毫不违和。 OpenAI此举虽完成了必要的名称统一，但整场发布会未能达到预期，让技术社区颇感失落。 GPT-5发布后，Epoch AI也发现了其中的异常： 相比前代GPT-4.5，GPT-5很可能消耗了更少的训练算力。 虽然具体数值尚未公开，但GPT-4.5使用的训练算力极有可能超过GPT-5。 预训练并未消亡，它依然是胜负关键。 在内部会议中，奥特曼鼓舞士气，称在未来几个月，OpenAI将重新夺回优势。其中关键举措之一，就是打造一款代号为「Shallotpeat」的新一代大语言模型。 据知情人士透露，该模型的设计目标之一，就是专门修复OpenAI在预训练过程中遇到的种种「疑难杂症」。 OpenAI：内部的风向变了 GPT-5发布的实质是什么？ 对现有ChatGPT用户而言，GPT-5是个好消息，但这并未开启新时代。 它只是进化历程中的一小步，而非革命性飞跃。 既然更多算力通常意味着更强性能，为何OpenAI会反其道而行？这对未来模型发展意味着什么？ 在与a16z合伙人Martin Casado对话中，OpenAI平台工程负责人Sherwin Wu，深度拆解了OpenAI当前平台架构、定价逻辑与未来方向。 在这次访谈中，他们深入探讨了为何开发者往往会长期依赖某个「值得信赖」的模型系列，信任感是如何建立的，以及为什么行业已经逐步放弃了「一个模型通吃所有任务」的幻想。 Sherwin还讲解了从提示词工程到上下文设计的演变过程，以及企业如何借助OpenAI的微调（fine-tuning）和RFT API，利用自有数据定制模型行为。 共识已变 几年前，OpenAI内部认为：未来会有一个「统治一切」的超级模型。但现在行业共识已经转变为「模型的专业化和多样化」。 虽然会有强大的通用模型，但也需要针对特定任务（如编程Codex、视频Sora）的专用模型。 文本、图像、视频背后的技术堆栈各不同。目前，在后台。这些模型往往是分开优化的独立系统，很难简单地「一锅炖」。 顺便提一句，正是DALL-E 2的出现让Sherwin决定加入OpenAI，因为那是他第一次感受到AI的魔力。 而微调（Fine-tuning）也悄然进化—— 早期的微调，主要用于调整「语气」或「指令遵循」。 现在的重头戏，是强化学习微调（Reinforcement Fine-Tuning） 。 这允许企业利用其庞大的专有数据（Data Treasure Troves），将较小的模型在特定领域训练至SOTA水平。这是解锁企业数据的关键。 也就是说，企业拥有大量内部数据，但与ChatGPT「毫无关系」，对企业专属AI而言却是黄金。 他们多次提到AI代码编辑器Cursor作为建立在 OpenAI API 之上的成功产品案例，证明了： 即使OpenAI自己有竞品，开发者依然可以建立伟大的垂直应用。 Agent开发模式 从第一天起，奥特曼和Greg Brockman就确立了「App+ API」的双轨战略。 这样做是为了尽可能广泛地分发AGI的利益—— 如果只做 API，你就无法触达普通消费者；如果只做应用，你就无法赋能各行各业的开发者。 在这次对话中，他们重点谈论了智能体开发工具「Agent Builder」。 Sherwin认为，智能体（Agent）并非一种全新的模态，而是AI的一种新使用方式。 本质上，智能体是一个能够代表用户、在较长的时间跨度（Long Time Horizons）内执行一系列操作并完成任务的AI系统。 OpenAI曾推出了可视化的「Agent Builder」（节点式构建），但发现对于开发者而言，这种方式可能过于受限。 访谈中，Sherwin和Martin将智能体清晰地划分为两类，这解释了为什么目前市面上的Agent产品形态各异—— 探索型/非定向工作 (Undirected/Exploratory Work) 流程型/SOP导向工作 (Procedural/SOP-oriented Work) 在对话中，第二类Agent开发可能更像传统的软件工程或游戏开发中的NPC（非玩家角色）逻辑。 与其让模型完全自由发挥，不如通过代码给予它明确的逻辑框架和标准操作程序（SOP），特别是在受监管的行业（如客户支持、金融）。 也就是说，逻辑必须写死在代码里，而不是提示词里。 这就是Agent Builder想要解决的问题：为那些必须控制智能体行为的行业和场景，提供一个简单、清晰、可验证的解决方案。 One More Thing 2025年度压轴大戏，谷歌Gemini 3 Pro无疑打了一场胜仗，但OpenAI不会袖手旁观。 内部已确认，圣诞节前夕，一连串发布连番轰炸。 据传，一系列新模型，在路上了—— Image Gen v2 IMO和IOI金牌多模态模型 GPT-5.2 Codex 12月，AI圈一定非常热闹。

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 具身智能的风也是卷到高校了。 近期，上海交通大学发布公告，宣布即日起拟增设具身智能本科专业。 环顾全球，目前还没有将具身智能作为独立本科专业开设的先例存在，大多都是通过相近专业方向、课程设置来开展具身智能相关的教学研究。 也就是说，一旦增设，上海交大将是全国乃至全球头一份。 不愧是当年首批开设人工智能专业的高校之一，敢第一个吃螃蟹的，还得看上交。 上海交大增设具身智能专业 根据公告内容，上海交通大学将在2025年度增设具身智能本科专业。 该专业将隶属于人工智能学院计算机类，授予工学学位，修读年限为四年。预计年度招生人数30人，其中升学人数25人，占比约83%。 预计就业人数5人，华为联合培养2人，国家地方共建人形机器人创新中心3人。 该专业将融合人工智能、机械动力、计算机科学与技术等多学科前沿知识，旨在培养跨“感知-决策-控制-本体设计”的复合型创新人才，填补现有教育体系相关人才缺口。 根据《2025人形机器人与具身智能产业研究报告》，今年中国具身智能市场规模将达到52.95亿元，占据全球约27%。而全球具身智能市场也将从2024年的170.9亿美元，在十年后预计增长到1242.6亿美元。 上海交大此时布局具身智能，正是因为注意到具身智能将带领全球AI产业进入前所未有的新变革中。 当前学术界和产业界都在紧锣密鼓投入相关资源，例如包括斯坦福、MIT等欧美高校和研究机构都在增设具身智能实验室，谷歌、特斯拉等科技巨头也纷纷下场具身智能应用。 而反观国内高校专业建设，缺乏对具身智能领域的系统化建设，现有专业（AI、机械、计算机等）知识零散，实践环节不足，师资力量普遍缺乏跨学科背景，学生进入企业后还需要高额成本进行二次培养。 所以上海交大此举，也是在为产业界供给高质量人才指明了新的道路。 图片源自上海交通大学官网 据悉，该专业的带头人将会由卢策吾教授担任，他本人目前还是上海交通大学人工智能学院副院长。 博士后就读于斯坦福大学人工智能实验室，其导师是李飞飞和Leo Guibas，主要研究领域包括具身智能、行为理解和计算机视觉。 曾在《Nature》等相关领域期刊上发表过上百篇论文，并担任过CVPR 2020、ICCV 2021、IROS 2021等顶会主席。 此外，他也兼具科研和创业双重身份，是具身智能初创企业穹彻智能的联合创始人，该公司目前致力于具身智能基础模型与系统研发，已完成数亿元的Pre-A++轮融资以及新一轮来自阿里巴巴的领投。 在今年的2025外滩年会上，他曾公开表示： 中国AI的“破局时刻”并非偶然，而是基础科研、人才培养、产业协同、资本与政策支持共同作用的“全链条厚积薄发”。 增设具身智能专业，则是其中极为关键的人才培养一环。 而上海交大有底气第一个走出这一步，则是源自其深厚的具身智能底蕴。 除了拥有卢策吾、赵波（PS：他们二人也将在新设专业中分别教授计算机视觉和多模态大模型课程）等具身领域顶尖人才，还搭建有机器智能与交互实验室、具身智能科创空间等创新平台。 在其下属的人工智能学院方针政策中，也明确将具身智能列为三大前沿技术之一。 2019年上海交大联合发起的上海人工智能研究院在具身智能也是硕果累累。 今年7月刚刚开源了“书生”具身全栈引擎Intern-Robotics，可实现“一脑多形”（一套模型适配多种机器人形态）、“虚实贯通”（真实→仿真→真实的闭环训练路径）、“训测一体”工具链。目标将具身智能从碎片化开发推进到全栈化量产时代。 工业上，除了穹彻智能，还有一家知名具身智能企业背后站着的是上海交大——稚晖君的智元机器人。 智元机器人由上海人工智能研究院与红杉资本联合孵化，其联合创始人包括上海人工智能研究院的院长宋海涛、上海交通大学机械与动力工程学院教授闫维新。 此外，上海人工智能研究院还派出首席科学家及工程师研发团队，与公司创始团队一起投入人形机器人的整体设计和技术攻关，共同研发出机器人领域首个4D世界模型EnerVerse。 技术转化上，则由上海交通大学副教授马道林创立的千觉机器人公司为其提供触觉感知解决方案。 所以说，既有学术底蕴又有产业成果的上海交大首办具身智能专业，完全是意料之内、情理之中。 具身智能点燃产学研 除了上海交大以外，国内其它高校也纷纷加码。 比如同一时期，东北大学机器人科学与工程学院也发布公告，拟申报增设具身智能本科专业。 与之情况相似的，还有南京航空航天大学，其今年拟申报新增三个专业，分别是电动载运工程、数字经济和具身智能。 中国科学技术大学也在今年新增机器人工程专业，依托工程科学学院、人形机器人研究院的学科优势，设立智能制造与具身智能双轨培养体系。 北京航空航天大学、北京理工大学、北京邮电大学、浙江大学、西安交通大学等也都申请增设具身智能专业，授予门类为工科。 …… 除了高校增设具身智能专业的热情高涨外，今年以来，国内也出现了多个产学联动的具身智能实验室。 比如智平方与北大联合建设实验室，该实验室将借助智平方在机器人产业化落地的技术积淀，以及北大的科研能力，携手突破4D世界模型、端到端智能体等具身智能相关的前沿技术难题。 南京大学也与地瓜机器人、火山引擎共同成立联合创新实验室，构建起云边端一体化技术底座。 另外清华大学自动化系也与北京通用人工智能研究院联合设立具身智能系统北京市重点实验室。 拥有高校、名企背景的具身智能企业也层出不穷，例如今年年初成立的它石智航，其创始人兼CEO陈亦伦，之前还是清华大学智能产业研究院（AIR）智能机器人方向首席专家。 公司目前已经收获了两轮大规模融资，累计融资金额已突破2.4亿美元，创下国内具身智能领域天使阶段融资纪录。 华为诺亚方舟实验室首席科学家李银川也在今年正式离职创业，创办了深圳市诺因知行科技，专注于家用等身机器人的研发。公司成立仅一个月就完成了首轮融资，并正在推进第二轮融资。 据不完全统计，仅今年上半年，行业公开融资事件就高达144起，总金额约195亿元，超过了去年全年水平。 单笔融资金额过亿已经成为常态，国资方也开始频繁加注，例如松延动力最新完成的近3亿元Pre-B轮融资，其中就有中车转型升级基金、央视融媒体基金等国资力量参与投资。 企业融资速度也在持续加快，如半年时间内仅星海图就完成了5轮融资，智平方也完成了7轮亿元级融资。 可以说，整个具身智能行业目前呈现出产学研结合、资本高度关注的发展态势，甚至有点像2018年AI刚集中爆发的时候。 而那时，AI也开始成为本科专业……

太离谱了！你以为自己在和最先进的 AI 交互，屏幕对面坐着的却可能是两个满头大汗的人类。 两周前，市值超过 10 亿美金的著名 AI 独角兽 Fireflies.ai 的联合创始人兼 CTO Sam Udotong 在领英上抛出了一枚震撼弹：他们起初引以为傲的产品，其实是人假扮的。 在这个故事的最初版本里，没有什么机器神经网络在云端飞速运转。两位创始人 Krish Ramineni 和 Sam Udotong 认为，验证一个商业点子最好的方式，就是先让自己「成为」那个产品。于是，他们向客户推销道：「我们有一个叫 Fred 的 AI 机器人，它可以自动参加会议、帮你记录笔记。」 然后戏剧性的一幕发生了：当客户预约会议时，他们俩就真的拨打电话进去，假装自己是那个叫「Fred」的 AI。全程保持静默，甚至不敢大声呼吸，手指却在键盘上飞速敲击，进行「人工听写」。会议结束十分钟后，他们再把这份带着体温的笔记发送给客户，假装这是算法的杰作。 难以置信的是，这样一种荒诞的「人肉智能」模式居然真的跑通了。 靠着这种近乎诈骗的勤奋，他们硬生生记录了 100 多场会议，终于赚到了足够的钱来支付旧金山某个月租 750 美元的小客厅 —— 那是他们仅有的栖身之所，也是公司的总部。直到那一刻，他们才决定停下疯狂的手动模式，开始编写真正的自动化代码。更多详情请参阅报道《离谱：打造超 10 亿美元的独角兽，从真人假扮成 AI 开始》。 这听起来像是一个关于欺骗的笑话，但这甚至不是个例。 在硅谷的聚光灯之外，类似的剧本每天都在上演：有的创始人为了让产品看起来像 AI，雇佣数百名菲律宾员工在后台手动操作购物流程；有的创始人为了省下房租维持算力成本，住进了 700 美元一个月的「睡眠舱」，每晚感觉像睡在棺材里；更有甚者，为了展示决心，在办公室里放了一张床垫作为给新员工的入职礼物。 当这层光鲜的科技滤镜被打破，我们看到的不仅是趣闻，更是一场在 AI 时代被极度扭曲和放大的生存博弈。 你将看到，支撑起这个智能时代的，恰恰是创始人一系列最不自动化、最极端的行为。这不仅是关于技术的故事，更是三种在 AI 淘金热中演化出的极致生存策略：伪装、苦行和蛮力。 用真人假装 AI 如果说 Fireflies 的故事还是一个励志的创业童话，那么在 AI 淘金热的更深处，「假装 AI」这把双刃剑正在割裂出两个截然不同的世界：一端是精明的商业验证，另一端则是赤裸裸的资本谎言。 当演示视频成为「特效大片」：Devin 与 Pear AI 的翻车现场 在 AI 赛道，没有什么比一个病毒式传播的 Demo 视频更值钱了。但当承诺过于美好时，现实往往是一地鸡毛。 曾被捧上神坛的「全球首位 AI 软件工程师」 Devin，就是这场狂热中最具争议的主角之一。在那个令人惊叹的演示视频中，Devin 似乎能像真人一样自主接单、写代码、解决复杂的 Upwork 任务。 然而，技术社区的「打假」来得比融资还要快。一位名叫「Internet of Bugs」的博主逐帧分析了演示视频，揭露了尴尬的真相：Devin 在视频中修复的代码错误，实际上是它自己生成的「无意义」错误；它处理的任务需求与客户的原始描述并不匹配；那些看似行云流水的操作，在实际时间线上可能花费了数小时甚至数天。 自动播放 Hacker News 上的一位开发者一针见血地总结了这种「先吹牛，后实现」的危险策略：现在的剧本是：先撒谎…… 发推特吹嘘…… 拿到 VC 的钱…… 然后雇一群聪明人被迫把它做出来！ Devin 的案例展示了「假装有 AI」策略的阴暗面：它不再是为了验证需求，而是为了收割投资人的 FOMO（错失恐惧症）。 更令人啼笑皆非的是 Pear AI 的闹剧。这家同样获得 Y Combinator (YC) 青睐的初创公司，被扒出其核心产品并非原创，而是直接「Fork」（复制）了另一个开源项目 Continue（讽刺的是，Continue 也是 YC 投资的）。 当被社区抓包试图修改开源许可证时，Pear AI 的创始人试图用「我们只是独立黑客（Indie Hackers）」、「想在这个领域做点事」来博取同情。但在 30 万美元的年薪放弃宣言和 YC 的光环映衬下，这种辩解被社区斥责为「自恋者的非道歉式道歉」。这不再是技术创新，更像是一场资本加持下的各种「套壳」游戏。 「幕后巫师」的秘密：我假装 AI，是为了训练你取代我 既然「假装 AI」风险这么大，为什么它仍是硅谷公开的秘密？因为在光谱的另一端，存在着一种被称为 「绿野仙踪技术」 (Wizard of Oz technique) 的合法策略。 早在生成式 AI 爆发前，日程安排助理 x.ai 和 Clara 就已经把这套玩法练得炉火纯青。在那个年代，当你发邮件给智能助理「Amy」或「Andrew」安排会议时，屏幕背后可能真的是一位名叫 Amy 或 Andrew 的人类员工。 彭博社 2016 年的报道 但与诈骗不同，这里的「假装」带有一种残酷的使命感。 媒体曾揭露，这些人类员工每天工作 12 小时，日复一日地盯着屏幕，手动回复成千上万封枯燥的邮件。他们不是在欺骗用户，而是在扮演未来的算法。他们每一次手动敲下的回复，都在为尚未成熟的 AI 模型积累宝贵的训练数据。 最荒诞也最真实的一幕是：这些人类员工比任何人都期待 AI 的到来。据报道，由于工作内容过于机械和令人麻木，人类「训练师」们甚至公开表示「期待自己被机器人取代」。 这不仅是商业策略，更是一场人性的实验。在这种模式下，人类不是在使用工具，而是甘愿成为工具的临时替代品，直到工具真正学会如何像人一样思考。 从 Fireflies 的创始人假扮客服，到 x.ai 的员工扮演算法，再到 Devin 的视频「魔术」，AI 创业者们在真假之间反复横跳。但如果你以为只要能骗过投资人就算成功，那就太天真了。下面我们将看到，为了在这场残酷的游戏中活下来，这群创始人不仅要学会伪装，还要学会如何像苦行僧一样虐待自己的肉体。 创业 = 苦行？ 如果说「假装 AI」是创业者的面具，那么「苦行」就是他们的信仰。在硅谷的 AI 圈子，一种名为「不喝酒、不睡觉、没娱乐」（No Booze, No Sleep, No Fun）的新教条正在蔓延。对于这群平均年龄 20 出头的年轻人来说，享受生活被视为一种罪过，而「睡在办公室」则是通往十亿美元估值的唯一门票。 华尔街日报的报道截图 从「卖身养企」到「住在棺材」 经典的创业故事往往带有一丝温情。比如视频编辑工具 VEED.IO 的故事：当公司耗尽资金、被赶出免费办公室后，联合创始人 Tim 并没有选择放弃，而是去找了一份合同工。他每天早上 6 点开始写代码，9 点去上班，然后每个月把一半的工资寄给全职坚持的合伙人，强行「输血」维持公司运转。 截图自创始人的分享，来自 Reddit 但这种老派的兄弟情谊，在如今的 AI 赛道演变成了一种更令人窒息的生存景观。 在旧金山，一位名为 Haseab Ullah 的 AI 创始人住在一个由旧办公楼改造的「共享生活空间」里。这不是什么高档公寓，他每个月支付 700 美元，换来的是一个类似火车卧铺的全封闭「睡眠舱」。拉上帘子，里面一片漆黑，只能容纳一人躺下。他坦言，这种体验「就像每晚睡在棺材里」，但他不在乎，因为这能让他从彻夜工作的疲惫中快速回血，醒来继续战斗。 为了节省时间，传统的吃饭也成了累赘。28 岁的 Pylon 联合创始人 Marty Kausas 表示，他主要吃一种来自「长寿狂人」 Bryan Johnson 公司的预制罐头食品（Blueprint）。对他来说，不需要思考吃什么，工作效率才更高。 Pylon 联合创始人 Marty Kausas 正在服用膳食补充剂，图源：WSJ 「床垫文化」与 92 小时工作周 这种苦行并非个体的疯狂，而是正在被制度化。 AI 保险初创公司 Corgi 的联合创始人 Nico Laqua 甚至将这种文化变成了招聘筛选器。他直言不讳地表示，只雇佣那些「愿意每周工作 7 天」的人。为了贯彻这一理念，他给新员工准备的入职欢迎礼物不是鲜花或电脑，而是一个办公室床垫。他自己更是身体力行，常年住在办公室里，声称这是为了「赢」。 这种疯狂在 Cognition AI（也就是 Devin 的母公司）达到了顶峰。CEO Scott Wu 毫不掩饰地推崇「极端绩效文化」，员工不仅每周工作超过 80 小时，甚至许多人直接把家搬进了办公室，彻底抹去了工作与生活的界限。 Marty Kausas 甚至在领英上公开炫耀他的工时表：连续三周，每周工作 92 小时。这包括周一到周四从早上 8 点干到凌晨 1 点，周五干 13 个小时，连周日也要「轻松」地干上 11 个小时。 苦行的本质：一场给 VC 看的表演？ 为什么这些已经拿到巨额融资的创始人，还要过着如此清教徒般的生活？ 一位 23 岁的创始人反问：「既然可以建立一家公司，为什么要去酒吧喝酒？」。这听起来像是热血漫的台词，但背后有着更冷酷的商业逻辑。 在 AI 这个赢家通吃的赛道，「苦行」本身就是一种战略信号。正如一些观察家指出的，这种极端的苦行形象，很大程度上是为了向风险投资人（VC）和潜在员工传递一种「硬核」信号：我们没有生活，我们不留退路，所以我们必须赢。 这种表演性的受苦（Performative Suffering）成为了 AI 创业圈的通行证。当你睡在像棺材一样的睡眠舱里，当你吃着乏味的罐头食品时，你实际上是在向资本市场证明：你就是那个能在这个万亿级市场中活到最后的「天选之子」。 然而，光有伪装的面具和苦行的肉体还不够。要真正把产品推向市场，有时候还需要最原始、最笨拙的手段。下面我们将看看在这个高度自动化的时代，创始人是如何用「蛮力」敲开增长的大门。 智能时代还得靠蛮力 最大的讽刺在于：试图用 AI 自动化一切的创始人，在创业初期往往是「人工操作」最坚定的信徒。他们深知，在算法接管世界之前，必须先用双手沾满泥土。 这种策略被称为「蛮力」（Brute Force）—— 不讲究效率，不依赖自动化，纯粹靠创始人的肉身去推开市场的大门。 硅谷传说：从卖麦片到「强行安装」 在硅谷名人堂里，几乎每个巨头都有一段不堪回首的「蛮力」往事。 最经典的莫过于 Airbnb。在 2008 年那个绝望的低谷期，为了活下去，创始人们并没有去优化推荐算法，而是干了一件与科技毫不沾边的事：卖麦片。他们设计了以选举为主题的 Obama O's 和 Cap'n McCain's 麦片盒，靠着在街头兜售这些纸盒子，他们筹集到了救命的资金。这不仅是生存，更是一种为了留在牌桌上不惜一切代价的蛮力。 而在 B2B 领域，Stripe 的「Collison 安装法」则是另一种极致的蛮力。 当很多创业者还在通过邮件发送测试链接，礼貌地等待回复时，Stripe 的创始人 Collison 兄弟选择了一种近乎侵略性的策略。一旦遇到潜在用户，他们不会说「我发链接给你」，而是直接说：「把你的笔记本电脑给我。」然后，他们会当场拿过电脑，手动为用户安装并配置好 Stripe。 这种做法极其「笨拙」，无法规模化，但却极其有效。它消除了用户所有的拒绝理由，用创始人的执行力硬生生地完成了从 0 到 1 的积累。 Fireflies 的回归：一个人就是一支销售团队 回到我们故事的起点 Fireflies.ai。除了假扮 AI 记笔记，他们在增长策略上也展示了惊人的蛮力。 在这个 AI 独角兽的早期，他们并没有光鲜的销售团队或庞大的营销预算。创始人 Krish Ramineni 坦言，公司在「没有销售或营销团队的情况下实现了全球扩张」。 秘诀是什么？是创始人亲自下场肉搏。Krish 亲自搞定了前 50 到 100 个客户。他痴迷于阅读每一条反馈信息，亲自回复每一封邮件，用最原始的「人海战术」（虽然只有他一个人）来弥补资源的不足。 这种「笨拙」的战术不仅省下了昂贵的销售提成，更重要的是，它建立了一种算法无法复制的信任感。正是这种靠蛮力堆砌起来的早期口碑，最终引爆了后来的有机增长。 蛮力的哲学 在这个充斥着自动化营销工具和增长黑客理论的时代，这些故事提醒我们一个被遗忘的真理：最有效的早期增长策略，往往是最不性感的。 无论是手动加入 Reddit 的讨论组去推销拉面，还是在陌生人的电脑上强行敲代码，这些行为都指向同一个逻辑：在飞轮自动旋转之前，你必须用尽全身力气去推动它转完第一圈。 伪装是为了入局，苦行是为了生存，而蛮力是为了启动。这三者构成了 AI 创始人并不光鲜、但却极其真实的生存图景。 现在，当我们拼凑完这些碎片，会发现一个更有趣的现象：那些站在行业顶端、看似最理性的 AI 巨头们，其内部往往充满了最不理性的戏剧性冲突。 彩蛋：「异类」的胜利与高层「宫斗」 纵观行业顶端，最具颠覆性的 AI 公司，往往不是由那些标准的软件工程师建立的。它们属于一群有着奇特履历的怪才，而它们的分裂与诞生，则源于一场场关乎意识形态的激烈内战。 只有「怪人」才能生存：DeepMind 与 Midjourney 有些人的简历本身就是一种对传统的挑衅。 看看 Google DeepMind 的创始人 Demis Hassabis。他不是那种典型的硅谷码农，而是一个活在多重宇宙里的人。13 岁时，他是世界级的国际象棋神童；17 岁时，他不仅没去刷题，反而共同设计并编程了销量数百万的经典模拟游戏《主题公园》（Theme Park）；玩够了游戏后，他又转身杀回学术界，攻读了认知神经科学的博士学位。 自动播放 Demis Hassabis 的诺贝尔奖获奖演讲 正是这种「国际象棋策略 + 游戏模拟 + 脑科学」的奇葩背景，构成了 DeepMind 独特的技术基因：用玩游戏的方式来破解人类智慧的奥秘。 另一位「怪人」是 Midjourney 的创始人 David Holz。在创办这家目前最赚钱的 AI 绘画公司之前，他曾在 NASA 工作，也曾经历过 Leap Motion（一家曾被吹上天但商业化惨败的手势控制公司）的创业过山车。 David Holz 也许是 Leap Motion 的失败让他对资本产生了 PTSD（创伤后应激障碍），Holz 做出了一个在今天看来极其「不寻常」的决定：拒绝风险投资。他选择白手起家（Bootstrapped），把公司直接开在了 Discord 聊天软件里。结果，这个没有任何 VC 指手画脚的「怪胎」项目，在一年内就实现了盈利。 硅谷最昂贵的「宫斗」：OpenAI 的裂变与 Anthropic 的诞生 如果说「异类」不仅能生存，还能创造奇迹，那么「内讧」则是 AI 进化史上最剧烈的催化剂。现代 AI 格局的「大爆炸」，其实源于一场几十亿美元的「分手」。 故事回到 2018 年，那时的 OpenAI 还是一个纯粹的非营利组织。联合创始人埃隆・马斯克（Elon Musk）当时断言 OpenAI 「已致命地落后于谷歌」，于是他向董事会提议：由他全权接管并亲自运营 OpenAI。 Sam Altman 和其他创始人拒绝了这一政变企图。马斯克的反应很直接：他退出了董事会，并取消了一项原本计划的大规模捐赠。 资金链的突然断裂把 OpenAI 推向了悬崖边。意识到通往 AGI 的研究极其昂贵，OpenAI 被迫做出了那个改变历史的决定：从非营利组织转型为「有上限利润」（capped-profit）的混合体，开始接受微软的注资。 这一转型在公司内部引发了剧烈的意识形态地震，分裂成了「商业化」与「安全至上」两个阵营。 最终，火山在 2021 年爆发。由研究副总裁 Dario Amodei 和安全副总裁 Daniela Amodei（一对兄妹）领衔，11 名核心员工因对公司日益商业化的方向感到不安，集体出走。他们带着对 AI 安全的执念，创立了 OpenAI 今天一个最大的竞争对手：Anthropic。 Amodei 兄妹 这不仅仅是商业竞争，更像是一场宗教分裂。今天的 ChatGPT 与 Claude 之争，本质上是多年前那场关于「AI 灵魂」争夺战的延续。 结语：唯一的真实是「人」 当我们回顾这些荒诞不经的故事时，很容易将它们仅仅看作是硅谷茶余饭后的谈资。但事实上，这些「奇葩」事迹并不是 AI 行业的例外，它们就是常态。 它们揭示了一个在算法神话掩盖下的残酷真相：在这场万亿美金的淘金热中，真正的护城河从来都不是算法本身。 在这个模型日益同质化、开源代码唾手可得的时代，技术壁垒正在迅速崩塌。真正决定一家 AI 公司生死的，往往是那些无法被代码量化的东西： 是创始人愿意住在像棺材一样的睡眠舱里的牺牲意愿（苦行）； 是敢于在产品还没做出来之前就敢卖给客户的市场嗅觉（伪装）； 是愿意手动敲下几千封回复邮件的执行毅力（蛮力）。 这是一个巨大的讽刺：我们正致力于构建一个去人性化的、高度自动化的未来，但启动这个未来的引擎，却比以往任何时候都更依赖于最原始、最极端的人性。 在自动化模糊了真假界限的今天，唯一真实的只剩下人的因素。 哪怕是现在，下一个可能改变世界的 AI 巨头，或许正诞生于今晚旧金山某间办公室地板的床垫上，或者正藏在某个创始人假扮 AI 发出的下一封邮件里。 毕竟，在 AI 学会伪装成人类之前，人类必须先学会如何伪装成神。

在追求长寿的道路上，科学家们一直在寻找能够延缓衰老的干预措施。然而，传统的衰老研究往往依赖于假设驱动的实验，效率低下且容易错过隐藏的宝藏。 过去几十年来，公开的分子研究已产生数百万测试各类干预措施的样本数据集，但这些数据很少被用于分析其对衰老的影响。如今，“衰老时钟”能够通过分子数据评估生物学年龄并预测生命结局，这为系统挖掘这一未开发资源创造了契机。 近日，应可钧博士作为第一作者兼共同通讯作者，在预印本平台 bioRxiv 发布了题为：Autonomous AI Agents Discover Aging Interventions from Millions of Molecular Profiles 的研究论文。 该研究开发了一个名为 ClockBase Agent 的 AI 智能体平台，集成了 40 多个衰老时钟模型，利用多个 AI 智能体，自主分析数百万人类和小鼠的分子组学数据，从中挖掘被原始研究者遗漏的年龄调控效应，发现了 500 多个能显著降低生物学年龄的干预措施，进一步实验验证显示，其中发现的抗衰老化合物 Ouabain 能够有效延缓老年小鼠的衰弱进程、减轻神经炎症并改善心脏功能。 ClockBase Agent 创立了衰老研究新范式：专业 AI 智能体系统性重分析已有研究，自主识别年龄调控干预方案，这将彻底改变我们从已有数据中提取生物学洞见的方式，助力人类健康寿命和长寿研究。 David Baker 教授（左），应可钧（右） 应可钧，本科毕业于中山大学，博士毕业于哈佛大学，导师为著名抗衰老研究专家 Vadim Gladyshev 院士，目前在斯坦福大学 Tony Wyss-Coray 教授实验室和华盛顿大学 David Baker（2024 年诺贝尔化学奖得主）实验室进行博士后研究。 衰老研究的困境与转机 衰老是慢性疾病和死亡的主要风险因素，但系统性地识别能够改变衰老轨迹的干预措施仍然有限。过去几十年，公共数据库，例如基因表达综合库（GEO）积累了数百万分子样本，但这些数据最初是为研究疾病机制或药物反应而设计的，很少被用于分析对衰老影响。这就好比我们早已拥有一座金矿，却只挖了表面一层——大部分潜在价值被埋没了。 与此同时，机器学习的发展催生了“衰老时钟”（Aging Clock），这些算法能够从分子数据（例如 DNA 甲基化或基因表达水平）中预测生物学年龄，甚至关联健康结局。例如，有些衰老时钟可以估算死亡率风险，有些则能够捕捉衰老的动态速率。但以往，这些工具大多被用于小型研究，缺乏大规模系统应用。 ClockBase Agent 的诞生改变了这一局面。 研究团队整合了超过200万个人类和老鼠的 DNA 甲基化及 RNA-seq 样本，应用了 40 多种衰老时钟模型，进而构建了迄今为止最全面的生物学年龄图谱。这不仅包括常见的甲基化时钟，还涵盖了转录组时钟，能够从基因表达数据中推断年龄相关变化。 AI 智能体如何自主挖掘衰老秘密 ClockBase Agent 的核心是一个多 AI 智能体系统，它能够像专业生物信息学家一样工作：自动解析实验数据、生成假设、选择统计方法、进行文献回顾，并生成科学报告。就像有着一群不知疲倦的助手，每天扫描数千个数据集，寻找与衰老相关的模式——这就是 AI 智能体的威力。 具体来说，该系统包含三个核心智能体： Coding Agent：负责写代码、处理数据并运行代码，根据样本大小和实验设计选择合适的统计模型。 Reviewer Agent：从多个维度（例如生物学合理性、实验质量、新颖性等）评估干预措施，生成综合分数以优先考虑有前景的抗衰老候选物。 Report Agent：将发现与衰老生物学文献结合，提供机制解释，将 Coding Agent 和 Reviewer Agent 的结果进行整合，生成具有高可读性的科学报告。 研究团队分析了 43602个干预-对照组比较，涵盖了遗传扰动、药物处理、环境暴露和疾病模型。结果令人震惊：5756 个（13.2%）干预显示出显著的年龄调节效应，其中有 500 多个能显著降低生物学年龄，例如，Ouabain、KMO 抑制剂，非诺贝特以及 NF1 基因敲除，都表现出抗衰老潜力。 关键发现：从数据中提炼出的衰老规律 大规模系统分析揭示了一些有趣模式： 疾病状态加速衰老：疾病模型（例如缺血再灌注损伤或病毒感染）中有 24.3% 显示出显著效应，且大多加速衰老，这与常识一致。 遗传干预的策略差异：功能缺失（例如基因敲除）比功能增益（例如基因过表达）更可能延缓衰老。例如，基因敲除干预的抗衰老比例是基因过表达的 1.85 倍，提示了降低基因活性可能比增加活性更安全有效。 干预措施更以促衰老而非抗衰老：在 FDA 已批准的药物中，发现了 78 种具有抗衰老效应，例如雷帕霉素和二甲双胍，但更多药物（136种）意外地显示出促衰老效应，提醒我们现有药物可能有未知副作用。 这些发现不仅验证了衰老时钟的生物学相关性（通过富集分析显示干预措施集中在衰老相关通路如细胞衰老和长寿调控），还与独立数据库（例如 GenAge 和 DrugAge）高度一致，证明了方法的可靠性。 实验验证：Ouabain 的抗衰老效果 理论预测需要实验验证。研究团队选择了 AI 筛选的最优化合物——Ouabain，进行进一步验证。 Ouabain（哇巴因）是一种从植物中提取的强心苷类化合物，主要存在于夹竹桃科植物（例如非洲箭毒木）中，其通过抑制细胞膜上的钠钾泵（Na⁺/K⁺-ATP酶），增加细胞内钙离子浓度，从而增强心肌收缩力，此前其从未被深入研究过抗衰老作用。 在老年小鼠（26 月龄）中，间歇性注射 Ouabain 三个月后，结果显示： 衰弱指数降低：治疗组小鼠的衰弱指数没有增加，而对照组显著上升，意味着 Ouabain延缓了健康恶化； 心脏功能改善：心脏输出量提高，符合 Ouabain 作为强心苷的预期作用； 神经炎症减轻：大脑海马区小胶质细胞形态更健康，提示了其具有神经保护效应。 这些结果在分子层面也得到了支持：转录组年龄（tAge）预测显示，Ouabain 降低了老年小鼠生物学年龄。此外，Ouabain 还显著提高了 Nrep 基因表达水平，而该基因编码的神经元再生相关蛋白是异体共生对老年小鼠产生返老还童效果的关键因素之一。模块特异性多组织时钟进一步揭示了 Ouabain 抗衰老作用的多种途径，包括与炎症、mRNA 剪接、Nrf2 和干扰素信号转导、翻译、脂质代谢以及氧化磷酸化相关的途径。 意义与未来展望 ClockBase Agent 代表了衰老研究范式的转变：从假设驱动到数据驱动。它展示了 AI 如何从现有数据中“再挖掘”新知识，自主识别年龄调控干预措施，加速药物发现。该平台目前已公开可用，允许任何研究者查询干预措施的影响，促进长寿医学的民主化。 总的来说，这项研究证明了 AI 与人类合作的力量——不仅能验证已知长寿药物，还能发现新的候选药物。随着数据不断增长，AI 智能体可能成为衰老研究的标配工具，帮助我们更接近健康长寿的梦想。