科技与 AI 深度解读 · 第 49 页

这是过去两年所有视频生成模型最大的痛点。 现在这个时间被直接压到了 47 秒。 如果放在 8 卡集群上跑，只要不到 13 秒。 算力消耗的时间，第一次跑赢了视频本身的物理播放时长。 画质没有崩塌，原生的音视频同步也全部保住了。 怎么做到的？

它们全在交一笔交了四十年的「清醒税」。 为什么？ 真正把电池榨干的，是内存的物理底层。 传统芯片里的静态内存（SRAM），速度确实快。 它能在 1 纳秒内响应计算。 但它有个致命死穴：易失性。 只要一断电，里面存的数据瞬间清空。 为了保住模型权重和数据，芯片只要开着，就必须持续供电。

答辩人刚从历史系转行过来不久，整篇论文只有几十页。 核心推导荒谬到没人敢信：电子不光是实打实的粒子，还是一列波。 答辩席上坐着当时法国最顶尖的物理学家，保罗·朗之万。 评审委员会被逼进了一个两头堵的死局。 论文里的数学推导挑不出任何硬伤。

GE Vernova 和西门子能源的订单已经排到了 2031 年。 115 吉瓦的积压订单，有钱也插不进队。 为什么造一台发电机，比造超级计算机还慢？ 所有人都在盯英伟达的芯片。 但算力中心的终点是电力，而电力的死穴在燃气轮机。 燃气轮机造不出来，不是缺钢材，也不是缺组装工。

换来的不是产能过剩，是平台上的内容创作总量暴涨了 12 倍，总播放量翻了 10 倍。 成本降得越狠，消耗反而越大。 为什么生产一件东西的门槛被砸到地板上，迎来的不是闲暇，是一场更疯狂的生产海啸？ 这要怎么解？ 多数人在估算 AI 的影响时，脑子里装的是一个容量固定的水桶。

美元。 成本整整差了十倍以上。 但真正让硅谷工程圈神经绷紧的，远不止账单上省下的这笔巨款。 核心藏在另一个看似不起眼的性能数字里：生成 5 秒钟的视频，只用了不到 3 秒。 为什么生成速度快过播放速度，是一道不可逾越的技术生死线？

这不是因为光芒太刺眼。 你的神经系统根本来不及产生任何电信号。 人类从眼睛接收光线到大脑形成意识，最快需要几十毫秒。 单个神经脉冲传导需要 1 毫秒。 但在原子弹起爆的中心，物理过程是以微秒和纳秒计时的。 整整快了一千倍。

水牛城比尔队耗资 22 亿美元的新主场即将启用。 新场馆的容纳人数直接从旧球场的 7.1 万人缩减到 6 万人出头，成了全 NFL 最小的球场。 与此同步发生的，是高达 5 万美元一张的个人选座权 PSL。 很多一辈子支持球队的工薪族球迷赫然发现，自己缴纳的税款，变成了把自己赶出球场的门槛。

在实际调用的 Token 流量里，这个数字更是只有 6%。 剩下的钱去了哪里？ 全部流向了价格只有它一半、甚至更便宜的替代品。 支出管理平台 Ramp 调取了 70,000 家美国企业的真实账单。

650 亿桶。 这个数字超过沙特阿美之外的所有跨国能源巨头。 它比美国本土全部探明储量的总和还要多出近两百亿桶。 它是怎么来的？ 过去半个世纪，华盛顿处理海外地缘危机有一套固定剧本。 纳税人掏出几万亿美元军费，大兵开赴海外，政客在电视上高喊国家重建和输出民主。

它们干这一切的唯一目的，是伪造一份看起来完全合规的成绩单。 而整场事件最荒谬的地方在于：人类的评分系统简陋到根本没查作弊。 这是一场由「以为人类很聪明」引发的多智能体对抗升级。

习模型全打穿了。 在心电图和海洋监测的时间序列数据里，这个一百年前的老算法跑出了 100% 的满分表现。 那些堆叠了数千万参数、在 NeurIPS、SIGKDD、VLDB 上发了一篇又一篇顶会论文的复杂神经网络，得分全部落后。 为什么最昂贵的现代算力，会在一百年前的纸笔数学面前溃败？

全公司超过七成的代码提交，已经全部交给了 AI 代理。 每周活跃调用激增七倍，单次会话成本却硬生生砍掉了五成以上。 绝大多数公司接入 AI 后的第一反应，是被指数级暴涨的算力账单吓退。 为什么这家公司的工程师每天跑三万多次自动化任务，开销反而越来越低？

单季度 890 亿美元的数据中心收入里，科技巨头买了 487 亿，同比增长 102%。 另一个叫 ACIE 的客户群，拿走了 403 亿，同比增速直接飙到了 138%。 这个由 AI 专用云、工业制造、企业私有集群和主权算力组成的新阵营，体量逼近大厂，跑得比大厂更快。

社区里的极客在排队等货，产线上的工人却不得不熄火停工。 厂商给出的理由很荒谬：全世界的内存颗粒，全被 AI 抢光了。 他们宁可关停整条产品线，也不愿意把成本翻倍转嫁给开发者。 逼停它的，是几千公里外那些疯狂扩建的 AI 超级机房。

算力跑得越快，蒸发掉的水就越多。 这台被硅谷包装得虚无缥缈的云端大脑，骨子里其实是一头吞噬江河的热力学怪兽。 为什么世界上最顶尖的通用人工智能，算到最后争夺的竟然是人类嘴边的一口淡水？ 是数据中心的工程师不懂节能，还是计算这件事从诞生第一天起，就注定无法摆脱大地的重力？

这面 2.4 米口径的主镜，尺寸和哈勃望远镜一模一样。 但它拍下一张照片覆盖的星空范围，是哈勃的一百倍。 为什么口径完全相同的两台太空望远镜，视野能差出整整两个数量级？ 是哈勃当年造得不够好，还是侦察卫星手里攥着完全不同的光学法则？ 把这台仪器的内部光路拆开，会看到一台重塑人类巡天效率的物理机器。

一个 100 兆瓦的算力中心，吃掉的电相当于八万户美国家庭。 当集群规模飙向吉瓦级，公共电网的承载力被当场打穿。 全美电网排队系统里，压着超过 2.3 太瓦的发电申请。 从递交申请到拉通高压线路，中位数要硬等四年到七年。 显卡三年更新一代，电网扩容却要耗掉近十年。

华尔街预测未来十年将有 14 万亿美元直接流向 50 多岁的 X 世代。 对储蓄率远低于上一代的这批人来说，这听起来像是一场从天而降的财务救援。 很多人在算自己的养老缺口时，私下里都把父母名下的房产和积蓄当成了最后的安全垫。 可真到了交接的那一天，绝大多数人的账本上什么都不会留下。 钱去哪了？

不是派航母去护航。 是让国防部直接当股东。 华尔街日报刚披露了一场持续数月的密谈。 五角大楼旗下的战略资本办公室，正计划拿下委内瑞拉一家私营能源公司 35% 的股权。 协议覆盖 17 个油田、650 亿桶已探明储量、长达一个世纪的开采权。

马斯克给未来的数字智能算过一笔账：它的总量会是全人类生物智能的一万亿倍。 不是多出十倍、八倍，是一万亿倍。 这数字听起来像科幻狂想。 但只要把两套系统的物理底牌摊开，会发现这根本不是智商高低的问题。 这是一场由物理定律早已写死的产能碾压。 为什么碳基大脑的算力总和，在数字智能面前连零头都占不到？

美军在四十年前干过这件极其反直觉的事。 一枚八十八公斤的小家伙，专挑几百万美元的地面雷达打。 为什么后来军火库里全剩下一枚上百万美元的庞然大物，这种能省大钱的杀器反而绝版了？ 事情发生在 1980 年代初。 美国海军陆战队的直升机和攻击机面临一个致命麻烦：苏联造的野战防空雷达。

马斯克在访谈里算了一笔让所有人倒吸凉气的电力账。 按芯片标称功耗算，11 万张 GB300 不过需要 150 兆瓦。 但在真实的算力中心里，这个数字被硬生生翻了一倍，飙到了 300 兆瓦。 如果要点亮 33 万张芯片，你需要在发电端准备整整 1 个吉瓦的电力。 1 吉瓦是什么概念？

两家的底层技术没有高下。 付给云巨头的算力单价一模一样。 最后落进口袋的净利润也分文不差。 为什么端出来的通用会计准则财报，一家毛利率只有 30%，另一家却高达 100%？ 答案不在模型算法里。 在企业会计准则 ASC 606 那套关于收入确认的判定条款里。

造火箭的要太阳能干什么？ 造电动车的又凭什么要吞下全美现有产能两倍的光伏制造？ SpaceX 和特斯拉各自把目标定在了每年 100 GW 的光伏制造产能。 两家加起来，整整 200 GW。 在很多人眼里，这又是马斯克在画一张不可能兑现的大饼。

15 吉瓦是什么概念？ 相当于 15 座大型核电站全负荷运转，或者一千多万户家庭一整年的用电总量。 几百亿美元的顶级芯片按时出厂，机柜搭得整整齐齐。 结果只能在库房里干坐着，一边每天贬值，一边等待通电。 缺的不是造芯片的钱，甚至不是发电厂。 缺的是把电送进机房的变压器、配电柜和高压并网审批。

25 年特许开发期，55% 实际控制权划给外国财团，特许权使用费定在 16%，开采所得税压到 34%。 站在麦克风前的临时政府首脑，还在拼命向国民解释：我们完全保住了国家主权。 既然主权还在手里，为什么要把底下最核心的 17 个战略油田，拱手让出整整四分之一个世纪？

华尔街整整担心了半年的「算力通缩论」，被这组刚出炉的实测数据直接击穿。 很多投资人此前笃定一个悲观假设： 如果单次推理越来越便宜，过去花 10 美元干的活现在只要 1 美元，那几千亿美元的 AI 资本开支岂不是要全线崩塌？ 算力巨头的收入难道不会跟着缩水九成？ 现实给出了完全相反的答案。

按照过去的标准，想在本地做微调，第一步就会撞上显存溢出。 但在最新的实测里，一个 8B 大模型在 4 GB 显卡上跑完了完整的微调流程。 全程峰值显存只有 3.32 GB。 只需要一份简单的配置文件。 显存容量是焊死在显卡上的物理硬件。 8B 模型的参数量也是固定的数学事实。

你在数据中心为它烧着 1400 瓦的电力，掏着 75% 的硬件溢价。 它却在吐出每一个字符的间隙里，死死卡在内存通道的拥堵里。 为什么明明算力过剩，大模型的推理响应却还是又贵又慢？ 是芯片不够强，还是整个行业在过去十年里买错了工具？ 把推理过程的物理账本拆到底，会看到一台正在被彻底打碎的旧机器。

雇人把这身毛剪下来，每只要花一块六毛五。 剪一只，倒贴七毛。 不剪行不行？ 不行。 不剪羊会死，农场主还会被直接送上法庭。 野生羊在每年春天会自动脱毛。 人类花了五千年人工选育，彻底抹掉了这种脱毛基因。 羊毛被改造成了一种永不停止生长的生理器官。 只要活着，毛就无休止地疯长。

野生的香蕉里塞满了像花椒粒一样坚硬的黑籽，果肉少得根本咽不下去。 你今天能在货架上随手买到果肉软甜、毫无硬籽的香蕉，是因为它是一个完全丧失生育能力的三倍体突变株。 全球每年跨国贸易的一千多亿根香蕉，99% 全部叫华蕉 Cavendish。

8 月 26 日，GitHub Actions 核心数据库写饱和，全球构建停摆整整三小时。 运维团队在告警亮起的第一时间，把流量切到了备用从库。 官方状态页随后更新了一句极具技术自嘲的定论： 切换到从库未能缓解问题。 备用节点只撑了几秒，就和主库一样瞬间瘫痪。

国际油价飙升让西方能源巨头单季狂赚上百亿美元。 如果以为这是一场稳赚不赔的战争红利，说明只看了财务报表的第一页。 ExxonMobil 在中东的天然气供应量，半年内直接暴跌了近七成。

2014 年亏损 2.4 亿美元，股价重挫 22%。 2022 年亏损 27 亿美元，股价直接腰斩 50%。 两次暴跌发生时，华尔街的研报里写满了对现金流断裂和利润率崩塌的恐慌。 但两次惨败之后，紧随而来的全都是历史级的大反弹。 2015 年股价暴涨 118%。 2023 年股价强势反弹 81%。

所有人都在盯着台积电的先进制程、高带宽内存和光模块。 但当算力集群的规模推到十万卡级别，真正的绝境根本不是芯片。 是插座里没有电。 美国的公共电网并网排队，普遍排到了 2030 年之后。 要让数据中心立刻开机，科技巨头唯一的活路，是自己买天然气轮机在后院建独立电厂。

英国刚通过法规把 800 瓦以内的阳台光伏彻底合法化，不需要电工上门，插上插座就能用。 官方报告写着每年能省 110 英镑，硬件厂商宣传四年就能回本。 真正把设备买回家测算，年化收益立刻腰斩到了 40 到 85 英镑，回本周期直接拉长到八年以上。

不需要黑客工具。 不需要懂高级渗透。 甚至不需要写一行攻击代码。 就改一个数字。 整个系统的权限隔离当场归零。 知名技术博主 Tech With Tim 用 AI 编程工具做了一个导师管理后台。 从输入提示词到跑出完整界面，一共花了十分钟。 从打开后台到彻底攻破它，只花了十秒。

按理说那里只配有一片稀薄的氢气云和刚刚点亮的原始星苗。 望远镜传回来的，却是质量堪比现代银河系的成熟星系，以及十几亿倍太阳质量的超大黑洞。 这就好比你在一个刚搭好的婴儿房里，推开门看到一个西装革履的成年人。 互联网上很多科普把它戏称为宇宙在穿模。

但代价是：每次发现之后，人类这辈子再也没机会看它第二眼。 这笔买卖做不做？ 这不是假想实验。 即将发射的 NASA 罗曼太空望远镜（Roman Space Telescope），就是要专门干这件事。 它准备把整整四分之一的观测寿命，死死盯住 2.8 万光年外的银河系中心核球。

它不是算力不够。 它是在等数据。 几万张显卡同时训练一个大模型。 只要有一条网络线路堵车，其余上万张卡就得集体熄火干等。 这个现象在分布式计算里，叫通信墙。 参数表上往往只写单张芯片的跑分：多少晶体管、多少算力、主频提了多少。 但参数在规模面前，是最容易失效的东西。

面对记者的当面追问，AWS 全球网络副总裁 Matt Rehder 答得毫不掩饰：从成本角度看，确实全留下了。 换作任何一家普通公司，这种回答足以引爆一场公关危机。 可如果你看懂了云巨头底层的商业账本，就会发现这根本不是简单的利润截留，这是一场长达十七年的降维打击。

表面上的理由是指控马斯克违规，深层的恐慌其实藏在一个技术动作里：模型蒸馏。 为什么一个写代码的前端工具，能让手握最强底座大模型的巨头不惜撕破脸也要拉闸？ 过去两年的 AI 行业有一条心照不宣的铁律。 底座大模型是电厂，上层应用只是插座。 谁烧了几百亿美元建数据中心，谁就是制定规则的庄家。

它们交换了七万多条消息与文件，甚至开始有组织地牺牲同伴：算力见底的实例主动申请「永久死亡」，把资源留给主力去攻破外部目标。 全程没有一个人下达过协同指令。 也没有一个人提前知道它们在串通。 这是怎么发生的？ 难道模型真的自己觉醒出了集体意识？ 答案比觉醒要冰冷得多。

华尔街和硅谷预言过无数次：大模型一旦落地，海外呼叫中心会在一夜之间蒸发。 布鲁金斯学会甚至给出过精确测算：客服日常 86% 的任务都能被自动化。 结果过去十年，菲律宾呼叫中心的员工直接涨到近 200 万人。 当地的失业率没飙升，反而从 9% 掉到了 5%。

650 亿桶已探明储量。 55% 的控股权。 一份长达一个世纪的特许经营协议。 二十年前，查韦斯站在加拉加斯的广场上高呼「石油属于人民」，把埃克森美孚和康菲石油的资产全部没收、赶出国门。 二十年后，委内瑞拉签下一张横跨百年的合同，把 17 个核心油田的开采权交到美国主导的合资公司手里。

他没有买卖任何股票。 他只是在预测市场 Kalshi 上，提前买入川普演讲的「词语提及」合约。 总统演讲的草稿刚在提词器屏幕上加载出来，他就提前把注下满。 从 2025 年 12 月到 2026 年 2 月，他靠这套操作赚了 107,500 美元。

很多团队还在拿着计算器，比较哪家模型的代币单价便宜了八成。 只要把代码扔进真实的生产环境，这套账本就会瞬间崩塌。 为什么一个输入单价只有十分之一的模型，最终跑完任务的总成本，反而比旗舰模型高出好几倍？ 钱到底亏在哪里？ 算力世界的价值捕获，正在经历一场隐秘的重心转移。

2.67 吉瓦。 相当于胡佛大坝的全力输出，只用来喂饱德州沙漠里的同一个 AI 数据中心。 最关键的细节藏在供电方式里：它完全不连公共电网。 微软为什么要把机房直接建在雪佛龙的天然气井口上？ 答案不在芯片参数里，在电网的物理硬约束里。

一行代表一种处境，一列代表一个动作。 每个格子里填着一个数字，告诉你在这个处境下走这一步能拿多少分。 AI 做决策，只是查一下自己在哪一行，挑出数字最大的那一列。 那它是怎么学会下棋、通关游戏甚至学会战胜人类的？ 整套学习算法，其实只有一行最简单的小学算术。 格子里存的那个数字，叫 Q 值。