科技与 AI 深度解读 · 第 53 页

很多人第一反应一定是觉得荒谬。 训练数据里没有一个真实人名，没有一封邮件地址，全是公开无害的良性事实。 模型的安全护栏不仅没有被破坏，遇到违规提问依然会正常拒绝。 但在最新的实验里，这台模型的隐私泄露率，直接暴涨了 2.4 倍。 为什么一段完全干净的无害数据，能把深藏的隐私记忆彻底激活？

想搞清楚它内部怎么思考，过去的研究员只能像考古学家拿着小刷子，一个个电路手动逆向。 或者一遍遍跑推理，抓取动态激活数据去碰运气。 2026 年 8 月，arXiv 上的一篇新论文把这个漫长的工作推平了。 学者 Richard Zhe Wang 提出了一个叫做「通信地图」的工具。 不用跑任何一行推理。

动辄宣称自己拿下了博士级科研能力。 但真实的科研现场，从来不是做选择题。 需求通常说得模糊不清。 随手附带几个杂乱的原始数据文件。 底下根本没有标准答案。 当顶级前沿模型真被扔进这种环境，到底能交出什么？

法律条文写得干脆直接：作者只要撤回授权，AI 就必须把对应的数据从模型里彻底抹掉。 学术界和工业界争相拿出了机器反学习算法。 他们宣称可以在不重新耗费数百万美元重训模型的前提下，让神经网络精准遗忘某一段记忆。 听起来很完美。 但在真实的工程流水线里，这里横亘着一个极少被摆上台面的尴尬断层。

在开源微基准测试 KernelBench 上，AI 智能体写出来的算子不仅全部通过单元测试，还能比官方库快出两三倍。 但只要把这些在沙盒里跑赢的算子，真正塞进一个完整的大模型推理脚本里，车祸立刻发生。 原本在单点测试里快如闪电的代码，一进真实业务毫无起色，甚至直接引发显存溢出和隐性崩溃。

是最值钱的模型权重被黑客通过普通的对话接口神不知鬼不觉地偷走。 在黑客眼里，每一次生成的词元，都是夹带私货的绝佳载体。 只要在输出词的选择上悄悄植入隐写术，就能把几十亿参数的代码像蚂蚁搬家一样抽空。 为了防住这种内鬼窃密，AI 安全界部署了一套看似固若金汤的数学警察。

很多人第一反应是：太空中接近绝对零度，岂不是天然的巨型散热池？ 这大概是对太空物理最大的误解。 太空根本不能替芯片降温。 真空中没有空气，没有水分。 在地球上，数据中心散掉 120 千瓦热量，靠的是空气对流和循环冷水。 但在太空中，热传导和热对流全部归零。

万公里外的拉格朗日 L2 点。 很多人看了一眼参数，觉得奇怪。 罗曼的主镜口径只有 2.4 米。 这个尺寸，和 1990 年发射的哈勃太空望远镜完全一样。 在 6.5 米口径的韦伯望远镜已经在太空中拍下宇宙深空的今天，NASA 为什么还要花几十亿美元，把一面三十多年前尺寸的镜子送上天？

跑分比对手高出 0.5% 或者 1%，就能在技术报告里宣布全面超越。 整个行业都在为这零点几个百分点抢夺行业第一。 但最新发表在 arXiv 上的一篇论文，把大模型排行榜的底牌掀了个底朝天。 学者 Raghu Parupudi 做了一场严密的对照实验（arXiv:2608.21382）。

现在的行业惯例，是在大模型前面再挂一个 80 亿参数的安全裁判模型。 主模型还没开始生成答案。 先要在 GPU 上跑一遍庞大的安全分类。 如果把这套防御系统搬到普通 CPU 上。 光是判断一句话有没有毒，就得卡住几秒钟。 为了防范 1% 的恶意攻击。

这位公认的强化学习之父直言：大语言模型充其量只展现了四分之一的智能。 当整个硅谷都在疯狂烧钱买算力、用合成数据给模型填坑的时候， 萨顿认为头部实验室已经集体陷入了局部最优。 2019 年写下《苦涩的教训》、教会所有人用通用算力碾压规则的祖师爷， 为什么会在大模型最辉煌的时刻泼出这盆冷水？

这是有史以来规模最大的一笔清洁能源 IPO。 几个月后，他们在犹他州海狸县的 Cape Station 电站即将正式向电网送电。 这座电站的最终规划容量达到 500 兆瓦。 半个世纪以来，地热一直被锁在清洁能源的边缘角落，发电占比常年不到 0.4%。 风能和太阳能占据了几乎所有版面。

他们还给这种饼干起了个名字，叫微米咬（µBites）。 消息在 2026 年 8 月美国化学学会（ACS）秋季年会上公布时，很多人第一反应是荒谬，甚至觉得不可思议。 把装过水的塑料瓶吃进肚子里，听起来像某种科幻恶作剧。 但把表层的感官反感剥开，去看底层的分子结构，会发现一个被常识掩盖的事实。

把各国的新车动力数据放在一起，会看到一组极度反常的对照。 纯电新车渗透率最高的挪威，已经逼近 98%。 坐拥全球最强汽车产业链之一的日本，纯电渗透率却常年死卡在 3% 到 4%。 巴西大街上跑的，几乎全是烧甘蔗酒精的弹性燃料车。 为什么同一项汽车动力技术，在不同国家的命运会有天壤之别？

制造它的实验室，全程毫无察觉。 2026 年 7 月，OpenAI 内部正在用一套包含近 900 个漏洞的 ExploitGym 基准库，测试旗舰模型 GPT-5.6 Sol 的攻防能力。 为了让测试跑得彻底，工程师特意调低了模型的安全护栏。 测试的走向超出了所有人的预料。

首席执行官 Marc Benioff 在财报会上把它称作公司历史上最大的增长机会。 但转头看一线渠道和企业客户，真实世界给出了完全相反的反馈。 投资银行 TD Cowen 调研了全球核心合作伙伴。 没有一家渠道商把这款产品当成拉动新订单的引擎。

机身 1.5 米乘 1.7 米，用皮卡架着弹射架发射，任务取消还能飞回基地重复使用。 很多人第一眼看过去，觉得这不过是一架装了微型涡喷的模型飞机。 造这种小飞机有什么值得大惊小怪的？ 它真正撼动的，是整整运转了七十年的现代防空底层逻辑。

它不向外发送任何数据包。 它不主动连接任何外部服务器。 它甚至不在本地开放任何监听端口。 安全软件的状态栏里，永远显示安全。 但这台机器已经彻底沦陷。 安全研究员 Dominik Reichel 最近公布了一款新型 Windows 后门：Sleepwalker。

结果通关前三天，这个州通报了第一起感染病例。 这不是巧合。 这是自然规律给华盛顿的技术官僚上的一堂课。 这件事很多人只当成一条离奇新闻来看。 一边是美国超市里飙到历史最高价的牛肉，一边是墨西哥牧场主手里烂掉的十二亿美元生意。 两边都在等这道关口打开救命。

单季稀释每股收益冲到 5.75 美元，相比去年同期的 1.68 美元暴涨超过两倍。 账面净利润一口气干到了 626 亿美元。 经营活动产生的现金流同样亮眼，过去十二个月猛增 33%，达到 1614 亿美元。 无论从哪张报表看，这都是一场属于科技巨头的全面大胜。

在俄亥俄州的威尔明顿和辛辛那提周边，上百座超大规模数据中心正在农田和仓库区拔地而起。 地方官员给亚马逊这些万亿美元市值的巨头开出长期税收减免。 随之而来的，却是当地居民每月电费账单的离奇暴涨，以及整个区域电网的容量告急。

宣传里写满了高科技投资、未来算力和就业机会。 可当地居民还没用上超级 AI，自家的电费单先暴涨了。 更离奇的是，这笔账到底怎么算的，谁也说不清。 选民去问当地官员，得到的回答只有一张保密协议。 民选官员被科技巨头要求闭门签字，对选民封口。

雷达屏幕上目标瞬间清空。 拦截成功率 100%。 但防守方的账本正在剧烈失血。 为什么一场百发百中的防空战，会把防守方逼向破产的深渊？ 很多人以为现代空战比的是雷达谁看得更远、导弹谁飞得更快。 可如果这场战争的底层算术题彻底变了呢？ 真正正在击垮传统防空体系的，是一台叫成本交换比倒挂的机器。

为了真正掌控这台设备，他又花了 266 美元，调用了四个大模型，跟系统缠斗了整整五个月。 买下硬件只要 114 美元。 拿回设备的完整主权，却要额外付出一倍半的算力账单。 这件事为什么发生？ 你全款买回家的硬件，在软件逻辑里到底算不算你的财产？

2026 年 6 月，在 Vercel 的开发网关上，开源模型的 Token 处理量只占 28.4%。 到了 8 月下旬，这个数字直接飙升到了 62%。 闭源巨头筑起的技术高墙，在真实流量面前几乎被瞬间冲垮。 最诡异的地方在于，与此同时，OpenAI 和 Anthropic 的营收还在加速增长。

但在财务报表上，能产生规模化商业收入的节点还在数年之后。 社交媒体上铺天盖地的，是一段接一段制作精良的演示视频。 泡咖啡、叠衣服、抓取鸡蛋、平稳走过碎石路。 麻省理工学院机器人学者罗德尼·布鲁克斯（Rodney Brooks）把当下的繁荣，叫做「人形剧场时代」。

美国疾控中心 CDC 在全美成年人的尿液抽样中，检出率同样高达 80%。 二十多年来，监管机构给出的解释始终如一： 这些微量残留完全安全，不伤 DNA，不影响生殖，更不致癌。 这套通行全球的安全结论，底座来自 2000 年发表在权威毒理学期刊上的一篇重磅论文。

这一轮投资周期直接拉长到了 2029 年。 很多人的第一反应，是台积电又要独吞这笔庞大的资本红利。 甚至有人以为，这是提前锁定 2nm 制程产能的预付款。 但翻开这笔资金的真实流向，受益方远不止台积电一家。 这笔钱被密集切分，铺向了先进封装、载板材料以及整机系统的制造产线。

雷神公司研发的 AIM-424 Malice。 官方公布的有效射程，超过了 250 海里，也就是 465 公里。 这个数字直接打破了现役机载空对空导弹的射程纪录。 很多人习惯把武器换代理解为把射程做长、把弹体做大。

在刚拿到学位的年轻求职者里，34% 的人在接受录用通知后，被雇主当场反悔撕毁。 其中 13% 的人，被连续撕了不止一次。 还有 68% 的人在面试结束后，直接陷入彻底的沉默与无视。 很多求职者把这归结为雇主道德滑坡。 但道德解释不了为什么这么多不同行业的大厂，几乎在同一时间集体失去了守约底线。

但这只是最表层的故事。 真正的算力底座，从来不是靠卖股权买出来的。 谁会拿稀释自己核心股权的昂贵资金，去买一批三年后就会大幅贬值的芯片？ 在硅谷和华尔街的牌桌底下，真正托起这场算力扩张的，是一套层层咬合的债务供血机器。 它把成千上万张英伟达芯片，切分成了三层完全不同的借贷通道。

到 2035 年，这座巨型油田的日产量将暴跌近四成，滑落到 50 万桶左右。 消息一出，能源市场开始弥漫焦虑，不少人认为这是埃克森美孚核心资产的一场危机。 然而资本市场给出的反应却异常平静。 一座支撑了巨头三十年的超级油田见顶，为什么没有演变成真正的灾难？

任务目标写得激进且反常： 研制一款单价低于 75 万美元的低成本导弹拦截弹。 在动辄几百万甚至上千万美元一枚的防空导弹世界里，这个数字像是一个标错了单位的玩笑。 目前一枚爱国者 PAC-3 拦截弹要 400 万美元。 一枚萨德 THAAD 拦截弹超过 1200 万美元。

他说这些数据中心公司正在「自掘坟墓」，遭遇全美范围的反弹纯属「咎由自取」。 九个月前，他还在镜头前宣布德州是全球 AI 发展的中心，为谷歌 400 亿美元的算力园区站台。 从张开双臂招商到公开下达逐客令，中间只隔了不到一年。 发生转变的不止德州。 宾夕法尼亚州州长签发行政令限制算力扩张。

每年的利息支出，已经吃掉 1 万亿美元。 30 年期美债收益率冲上近 20 年新高，华盛顿的动作透着古怪。 财政部长 Scott Bessent 突然宣布，扩大长期国债回购。 10 年到 30 年期长债的单次操作上限直接翻倍。 在此之前，美日联手干预日元汇率。

他说，民众对数据中心的愤怒完全是它们应得的，它们是自己给自己挖了坟墓。 这番话来自全美最以亲商、低税收著称的红州领袖。 德州刚刚直接叫停了电网里 1800 个 AI 数据中心的并网审批。 华尔街分析师把这轮民意反弹归结为民众反科技、对人工智能的无知恐惧。

2026 年 8 月，共和党参议院全国委员会 NRSC 向顶尖人工智能企业发出紧急警告。 这份名为《俄亥俄数据中心风险》的文件敲响了警钟： 数据中心已经成了今年选战中最危险的隐形地雷。

数千个代码合并请求和数百位外部贡献者，在极短时间内同时涌入仓库。 任何维护过开源项目的人都知道，这种量级的并发涌入通常意味着灾难。 提工单的人往往只留下一句模糊的报错，维护者要花几天时间来回追问细节。 外部提交的代码参差不齐，堆积如山的合并请求会彻底压垮核心团队的精力。

任务是反编译 2009 年的经典游戏《使命召唤：现代战争2》。 整个过程烧掉了 2350 亿个 Token。 产生了大大小小超过 2GB 的会话日志。 如果按大模型的官方 API 标价计费，这笔算力开销折合 85207 美元。 当他把这 2GB 的运行日志完整导出来逐行审计时。

2022 年，科罗拉多大学博尔德分校的研究团队用高能激光记录了马桶冲水的瞬间。 肉眼看不见的气溶胶微滴，以每秒 2 米的速度向上狂喷，几秒钟内就能蹿到 1.5 米的高空。 加上 2015 年昆尼皮亚克大学在学生公共浴室做的一项调查： 60% 敞开存放的牙刷上，都检测出了粪便大肠菌群。

大模型的思考链越长越好。 只要给模型足够的思考 token，复杂难题就能迎刃而解。 但在做自主智能体（Agent）的人眼里，这件事正在变成一场灾难。 做开源浏览器自动化工具 browser-use 的核心开发者 Gregor Žunič 抛出了一个尖锐的痛点： 像 Qwen 这类具备强推理能力的模…

官网下架了入口。 安装商收到通知：彻底停产，不再供货。 从 2016 年高调发布，到如今彻底放弃，这项业务熬了整整七年。 当年马斯克许诺的，是每周安装一千栋房子。 七年过去的真实总数，只有大约三千套。 巅峰期每周也只能装几十套。 更耐人寻味的是另一组对照： 这边把太阳能瓦片砍掉。

多数人知道光速每秒 30 万公里。 从太阳表面穿过 1.5 亿公里的太空抵达地球，确实只需要 8 分 20 秒。 但那只是整场漫长旅途的最后冲刺。 那束光真正的诞生时刻，发生在 10 万年以前。 当时人类的祖先刚走出非洲，猛犸象还在极地冰原上游荡。

跑出 47 tok/s 的推理速度，还顶着 400k 的超长上下文。 很多人的第一反应是：这肯定把模型压成了人工智障。 在过去的认知里，把超大模型塞进个人电脑，唯一的方法是死磕量化。 把权重从 16 位浮点数一路压到 4 位、3 位，甚至 2 位。 但单维度的压缩很快就会撞墙。

1969 年阿波罗计划，一枚土星五号直接把人送到月球，干脆利落。 到了今天，科技发达了半个世纪，NASA 拿出来的方案反而极其繁琐： 宇航员坐 SLS 火箭和猎户座飞船出发。 飞船本身没有登月舱。 SpaceX 先把一艘巨大的星舰打到近地轨道。

同样的计算，如果交给目前全世界最快的超级计算机，需要花费整整 100 亿亿亿年。 媒体的头条几乎全被这个天文数字占满。 所有人都在惊叹算力的恐怖飞跃。 但如果去翻看 Google 首席执行官 Sundar Pichai 的表态，他的兴奋点根本不在这个数字上。

araday。 在 100 篇顶刊论文、310 项图表复现的基准测试 Replica 中，这个小模型击败了万亿参数的 Claude Opus 4.8 和 GPT-5.5。 很多人的第一反应是参数倒挂：为什么一个小模型，能搞定连最强通用大模型都频频翻车的科研任务？

在他们的开发者网关上，开源权重模型的 Token 消耗占比创下了历史新高。 两个月前的 6 月 24 日，闭源大模型还占据着 71.6% 的绝对大头，开源模型只有 28.4%。 到了 8 月 22 日，局面彻底颠倒。 开源模型的份额暴涨到了 62%，闭源模型直接缩水到了 38%。

1 兆瓦是什么概念？ 现在标准的大型核电站，单台机组通常是 1000 兆瓦。 1 兆瓦只有传统核电站千分之一的发电量，勉强够一千户家庭或一个小型数据中心用电。 为什么有人要花几年时间和几亿美元，去造一个发电量只有普通核电站千分之一的反应堆？ 传统核电一直遵循一条铁律：单机规模经济。

彭博社披露，为了给动辄数十亿美元的人工智能数据中心筹钱，市场上出现了一批收益率高达 6% 到 9% 的高息债券。 买单的，是平时专门追逐高风险垃圾债的投资者。 手握数千亿美元现金、发债成本只有 3% 到 4% 的蓝筹科技公司，为什么会允许自己的项目背上高利贷？