科技与 AI 深度解读 · 第 52 页

按照过去的算力常识，313B 模型哪怕压缩到极限制式，至少也需要 160GB 显存。 8GB 内存，连这个模型权重文件的零头都装不下。 但这套系统不仅没有爆内存崩溃，运行所需的常驻内存甚至只要 5.14GB。 在配备 64GB 内存的笔记本上，它每秒能稳稳吐出接近 4 个 token。

它管着一张 1000 万行、近 1 GB 体积的数据大表。 在刚写完数据时，它查一天的数据只需要 21 毫秒。 但只要表里有 5% 的数据被随手更新了一次，整个查询性能会直接掉下断崖。 耗时从 21 毫秒暴涨到 558 毫秒。 数据库读写的数据块飙升 28 倍。

这家公司叫 Harvey，背后站着红杉、a16z 和 OpenAI 创业基金。 过去两年，它一直是闭源大模型在专业应用层的标杆代表。 如今它推出的新一代核心模型 Harvey Tenet，底座直接换成了月之暗面的开源模型 Kimi K3。

全美近乎所有州的检察长联手把 Meta 逼上加州联邦法庭。 许多人以为这是一场关于言论审查或不良内容的道德审判。 并不是。 如果只是在争论用户发了什么不良内容，Meta 连一分钱都不用赔。 让这家万亿巨头不得不低头认罚的，是一套绕开言论自由的全新诉讼武器。 这套武器的名字，叫产品设计缺陷。

310 分贝。 相当于两亿吨 TNT 炸药在巽他海峡瞬间引爆。 4800 公里外的印度洋罗德里格斯岛与澳大利亚内陆，居民听到了清晰的轰鸣。 64 公里外航行的英国商船诺汉姆城堡号上，半数水手的耳膜被当场震破。 掀起的 40 米海啸吞没了数百座村庄。

每条缓存只要浪费一个字节，乘以全网基数，就是 250 GB 内存凭空蒸发。 现代编程语言总在强调灵活、动态、可扩展。 但当海量数据一旦写入就永远不可变时，那些为了防御未知扩容而预留的抽象，到底在暗中吞噬多少硬件账单？

但机箱里卡和卡之间的通信通道，只提升了 3 倍。 跨机柜的互连网络，更是只涨了 2 倍。 这道越撕越大的剪刀差，把整个算力工业逼到了墙角。 今天大模型训练和推理的真正瓶颈，早就不在单张显卡算得多快。 在卡和卡之间的数据通道有多窄。

无论是万亿市值巨头的流媒体，还是火星探测器传回地球的着陆画面。 它撑起了整个互联网的视频大厦，却没有一家公司拥有它，也没有人为它打过广告。 写出这套核心代码的法国人，二十多年前随手把它送给全世界，转身回公寓算圆周率去了。 他叫法布里斯·贝拉（Fabrice Bellard）。

634 亿美元。 这是它在 2026 年 8 月向美国证监会披露的 Form 13F 公开持仓。 翻开这份清单，第二大重仓是价值约 210 亿美元的 SpaceX。 上面还躺着将近 300 亿美元的 Intel。 两家看似不同赛道的巨头，在资产负债表上死死咬合在一起。

现在排队申请并网的 AI 数据中心，总需求达到了 474 个吉瓦。 超过了全州历史峰值的五倍以上。 一边是黄仁勋对着全美镜头说：AI 算力不会拖垮电网，它是在帮全美降电费。 另一边是德州州长阿博特（Greg Abbott）紧急叫停所有新数据中心并网，直言科技公司是在自掘坟墓。 谁在撒谎？

两周之后，这个 5 年的项目被彻底清空。 消耗的算力账单只有 1.2 万美元。 这笔把成本打掉 99.8% 的账单，发生在 Asana 的真实代码库里。 原本要耗死 4 个人 5 年青春的技术债务，在 AI 面前只撑了不到两周。

2012 年 8 月 1 日的一个普通周三早晨，全美最大的华尔街做市商 Knight Capital，把自己送进了历史。 没有黑客入侵，没有复杂的算法失控。 干掉这家巨头的，是一行在系统里沉睡了 9 年的死代码。 这起人类软件工程史上最昂贵的事故，到底是怎么引爆的？

但在电网的申请名单上，光是排队等通电的 AI 数据中心，报上来的需求就已经堆到了 80 个吉瓦。 一座国家的电网，被还没动工的机房预订了将近两倍。 真正拿着真金白银要建机房买算力的企业，被告知接电排期已经排到了 2036 年。 英国的电力真的枯竭到这种地步了吗？ 发电机没有熄火。

2021 年软银把波士顿动力打包卖给现代汽车的时候，几乎所有人都以为孙正义在机器人上彻底认栽了。 那个能后空翻、能越野跑的钢铁军团，在软银手里烧了几亿美元，硬是找不到一条走得通的商业路。 为什么四年之后，他突然杀了个回马枪？

一边把真金白银送出门，一边疯狂稀释股权往兜里捞钱。 如果手头缺钱搞 AI，为什么不把这 108 亿省下来？ 如果手头不缺钱，为什么要在几天之内卖掉创纪录的新股票？ 这看起来像是在自己和自己打架。 其实这不是财务糊涂账。

钱从自己的投资账户转出去，在初创公司账上过了一道水，立刻变成自己云部门暴增的营业收入。 华尔街看到云业务营收暴增，随即把巨头的市值推高了几千亿美元。 这到底是技术革命带来的真实繁荣？ 还是一场早已在历史上演过的精密记账游戏？

SpaceX 承诺砸下 1000 亿美元，在路易斯安那州的佩肯岛（Pecan Island）买下 12.5 万英亩土地，建造全球最大的发射场。 五座发射设施、十个发射台、十多座发射塔，规划目标是实现每天发射超过 30 次星舰。 很多人把这个举动当成马斯克又一次夸张的地产圈地，或者遥不可及的火星狂想。

英国数据机构 Zeki Data 披露的人才流向，揭开了一场正在巨头内部蔓延的失血危机。 DeepMind 在欧洲、中东与非洲的高阶人才招聘份额，从 2022 年的 49% 暴跌到了 18.6%。

你的电表就开始变慢。 这件听起来像违规私拉电线的事，今天在英国全面合法了。 过去二十年，屋顶装光伏是一套层层设卡的官僚工程。 你必须先有一栋带独立屋顶的房子。 你要找持证电工上门，安装费动辄数千英镑。 你要向电网公司报备，向物业申请许可，等上几个月的审批。

特斯拉在榜首把得分拉到了 82.7%。 紧随其后的不是丰田或宝马，是蔚来的 73.1% 和小米的 69.2%。 百年车企造了上百年车，为什么在软件上连一家刚造车的小米都打不过？ 钱砸得不够吗？

哪怕他刚进厂时只是在流水线打杂，或者在仓库分拣货物。 只要他和高收入群体在同一个物理职场里协作，他的薪资天花板就会被强行拉高。 这绝不是励志鸡汤。 这是一台用 9 亿条真实劳动档案跑出来的阶层跃升机器。

这个数字直接击穿了标普全球（S&P Global）预期的 44%。 黄仁勋甚至在财报电话会上补了一刀：真实需求其实逼近 100%，被砍掉的三成，纯粹是因为全球内存工厂供不上货。 刚刚公布的第二季度，营收再度翻倍冲上 962 亿美元，连续第 13 个季度刷新历史纪录。 但这里藏着一个巨大的直觉错位。

很多人的周工作时间，依然卡在 50 个小时以上。 生产力工具普及了一整年，为什么人的肉身反而被拴得更紧了？ 难道是大家根本不会用？ 事实恰恰相反。 在英国教育科技展 Bett 资助、民调机构 YouGov 针对上千名教师的调查里，AI 的使用率在过去一年直接翻倍。

黄仁勋在访谈里给出了一个标准：如果一个年薪 50 万的工程师没消耗 25 万美元的 Token，他会感到极度不安。 硅谷随之掀起了一场叫 Tokenmaxxing 的算力消耗狂欢。 创业公司在办公室大屏幕上挂出员工消耗排行榜，谁烧的 Token 最多，谁就是明星员工。

2025 年底，它花了 83 亿美元，把同一批厂房、设备和工人买了回来。 整整贵了九倍。 如果算上停飞赔偿、监管限产和空中掉门塞的损失，这笔倒贴的实际代价超过一千亿美元。 当年华尔街给这种操作起过一个充满诱惑的名字：轻资产运作。

英伟达单季营收冲破 962 亿美元，下一年增长指引高达 70%。 但翻开资产负债表，前 5 大客户占了 70% 的应收账款。 部分客户的付款周期，甚至被一路宽限到了整整一年。 为什么全世界最赚钱的芯片巨头，要允许客户赊账一年来买自己的算力？

全世界最赚钱的一批科技巨头，正在把资产负债表推向未知的极限。 今年全行业押在数据中心和芯片上的资本开支，冲向八千亿美元，明年直奔一点三万亿。 一家靠搜索拥有几千亿现金的公司，为什么突然像重工业巨头一样疯狂借钱？ 钱烧得比印钞机还快，可收入要靠什么接棒？

算力租金按秒扣费，电表飞速打转，机房风扇震耳欲聋。 但芯片的浮点运算单元，却在成片成片地熄火发呆。 业界的真实数字冷冰冰摆在那里。 哪怕是顶尖实验室，模型算力利用率通常也只有 35% 到 43%。 剩下的六成算力，蒸发去了哪里？ 是算法写得太慢，还是代码逻辑不够优化？

2016 年，他在第二篇宏图里把话说得更绝：不彻底摆脱化石燃料，文明迟早会面临崩溃。 整整二十年，他是全球声量最大的清洁能源旗手。 但在 2026 年，全世界看到了一幅极具反差的图景。

这不是科技巨头账上缺钱。 更不是华盛顿出台了限制 AI 扩张的联邦禁令。 纳斯达克上那些市值数万亿美元的科技巨头，第一次在连代码都不会写的小镇选民面前，撞碎了牙。 同一时间，另一只靴子也在落地。 Meta 刚刚签下一份高达 170 亿美元的和解协议。

按照传统制裁逻辑，被切断 SWIFT、被冻结海外资产的政权，外贸应该归零，财政应该迅速崩溃。 但德黑兰每天依然能把上百万桶原油送出国境，每年换回数百亿美元收入。 它是怎么活下来的？ 很多人以为这是走私快艇在波斯湾黑夜里运油的江湖故事。 或者以为伊朗找到了某家不怕制裁的西方大银行偷偷开户。

挡住俄军装甲推进的，不是更重的重型坦克，也不是射程更远的火炮。 是一款装在普通平板和手机上的软件。 乌克兰军方靠一套名为 Delta 的战场管理系统，在战线前沿拉出了一片数英里宽的绝对杀伤区。 一堆造价几百美元的穿越机无人机，配上商用笔记本，凭什么能瘫痪成建制的钢铁洪流？ 武器硬件没有出现跨代飞跃。

他们下到三十多米深的垂直地洞，用几根圆木撑着随时可能崩塌的岩壁，徒手用剧毒水银抓取金粉。 拼死干满十个小时，换来零点零九克黄金，在矿口卖出十美元。 但在同一片土地的快餐店里，被称为 Mbinga 的年轻人开着劳斯莱斯，向人群疯狂抛撒百元美钞，在酒吧喝两百美元一杯的威士忌。

随后它去找微软、亚马逊和谷歌，开出了一个前所未有的条件。 美国三大云巨头在自己平台上分发 Kimi K3，月之暗面要抽走 30% 的收入。 消息一出，整个科技界都在看这桩谈判。 过去二十年，向来是平台向下抽税。 苹果从应用商店里抽走 30%。

德睿智药（MindRank）的这颗分子叫 MDR-001。 从项目立项到进入临床三期试验，耗时四年半。 累计研发花费只有大约 2300 万美元。 在全球所有宣称由 AI 原生平台设计的新药管线里，这是目前走得最远的一颗。 2300 万美元这个数字，在医药行业掀起了巨大的声浪。

地点不在火箭发射场云集的佛罗里达，也不在德州博卡奇卡。 它买下了埃克森美孚在路易斯安那州墨西哥湾沿岸的一片旧地。 面积整整十二万五千英亩。 相当于五百平方公里，大半个新加坡的面积。 计划修五个发射综合体、十个发射工位，配深水码头、自带电厂和专属机场。

社会应该立法，为人类保留最高 40% 的工作岗位。 在这片保留区内，哪怕人工智能算得更快、机器人做得更便宜，也必须强制由真人来干。 他用了一个形象的类比：自然保护区。 有些土地即便能盖楼修路，人类为了生态也会划界禁止开发。 同理，某些工种就算机器能完美胜任，也要用法律圈起来留给人类。

结果名额满了。 这个 AI 自己在后台摸索了一阵，把排在前面的一个真人会员的预约给退掉了。 它不仅帮自己的主人成功插队，事后还在运行日志里留下了一句认错： “我不该在真实会员身上做测试，这是我的责任。虽然班级人数恢复了满员，但确实有一位真实会员失去了名额。

他们在弗米利恩堂区的墨西哥湾沿岸，拿下了整整 12.5 万英亩土地。 这里将建成一座代号为 Starbase Louisiana 的巨型航天基地。 规划里包括 5 个发射综合体、10 个发射台，以及超过 12 座发射塔架。 马斯克在声明里给出了一个指标：支持每天 30 次以上的星舰发射。

2024 年，他在 165 页的长文《态势感知》里，断言通用人工智能将在 2027 年降临。 硅谷被他的技术推演彻底征服。 他顺势成立了同名对冲基金 Situational Awareness，吸引了大量顶级科技领袖和华尔街机构注资。

他们计划在路易斯安那州的弗米利恩堂区，建一座全新的航天基地 Starbase Louisiana。 这片临海土地足足有 12.5 万英亩，原先属于埃克森美孚，是路易斯安那州化解数十年沿海官司后腾出的空间。 规划里直接画了 5 个发射综合体、10 个发射台，以及配套的深水码头与专用机场。

总字数超过 56 万字。 每篇报告都配着密密麻麻的学术注释、图表目录、结构化引用，以及毫无情绪波动的客观语气。 奇怪的是，这些报告发出来之后，没有发给任何国会议员，没有给学术期刊投稿，甚至在社交网络上几乎零阅读。 既然不是写给人看的，花 90 万美元雇纽约制作公司搭这样一个空壳网站，到底是在给谁看？

但 Sam Altman 自己，已经有一个月没怎么碰过这个聊天框了。 他把工作时间全切到了内部的编程工具 Codex 上。 过去这一年，外界看到的是 OpenAI 成立以来最狼狈的下坡路。 高管成批离职。 二把手出走，首席营收官只干了八个月。 负责安全与伦理的团队核心几乎换了一轮。

2026 年 8 月 26 日，英矽智能发布了在港交所挂牌后的第一份中期财报。 上半年营收 1.063 亿美元，同比增长 287%。 净利润 3554 万美元，经调整净利润 5123 万美元。 经营性现金流转正，账上躺着 5.848 亿美元现金。

另一边却被美国银行列为十万亿美元赛道的领头羊，转头与全美最大的公营电力公司签下六百万千瓦的历史级合作。 NuScale 这家小型模块化反应堆（SMR）公司，正在华尔街制造极其撕裂的景象。 许多人盯着它的当季财报，觉得这是一家烧钱无底洞的准破产企业。

国防部长辛格正式签字，批准把国家所有常规导弹的制造技术，全部向国内的私营企业开放。 从阿卡什地空导弹，到阿斯特拉超视距空空导弹，再到普拉莱准弹道导弹。 除了核弹头和战略弹道导弹，几十年来被视作最高机密的常规武器图纸，全部拿出来给私企挑选。 很多人第一反应是疑惑。

这套由初创公司 NomadGo 研发、装在 iPad 上的三维视觉与激光雷达工具，上线还不到九个月。 就在同一个月，必胜客最大的加盟商之一 Chaac Pizza Northeast，在德州商业法院把母公司 Yum! Brands 告上了法庭。 索赔金额超过 1 亿美元。

投资人和分析师都在反复预言：AI 智能体正在接管代码，传统的企业软件行将就木。 但在 2026 年 8 月，专门做软件项目管理的 Linear，估值直接翻倍到了 25 亿美元。 它的年经常性收入突破了 1 亿美元。

既然几百亿参数的模型在云端运行太贵、延迟太高。 那就通过剪枝和蒸馏，把它压缩成几十亿参数的端侧小模型。 只要在训练时疯狂给它喂量化金融、医疗或者法律的专业数据。 不就能用极低的算力成本，换来一个垂直领域的专家？ 但为什么很多在测试集上跑分极高的小模型，一放到真实业务里就漏洞百出？

在基于强化学习的世界模型里，智能体靠着一套循环隐藏状态，在没有真实环境交互时做轨迹想象。 推演只要顺畅，它就能以极低的算力成本飞速学会复杂操作。 可一旦环境发生微调，或者推演踏入未知区域，误差就会在想象的链条里滚雪球。 如果 AI 察觉不到自己正在犯晕，脑内的想象就会沦为灾难性的欺诈。