群发资讯网

AI一天地上一年一觉醒来大模型又升级了！话音未落AI又迭代了！还没有叹口气又出智能体了！……虽然有点危言耸听，但也足以说明AI进化之快其实没啥世间最核心的根本永远是人，鲜活真实带着情绪与思想的人，这是任何人工智能都无法撼动的底层逻辑。AI发展速度飞快，瞬息万变堪比人间经年。面对新兴事物，我始终选择坦然接纳，尽力去学习适应，多掌握一分便多一分收获。我们不该被动被人工智能裹挟前行，而是主动掌控合理运用。人生时光有限，知识无穷无尽，不必盲目追逐潮流，守住自身本心，依托自身能力，借力AI成就自己，才是长久之道。你们怎么看？

中美两国人工智能大模型评分趋势对比图！2023年，那时候最火的大模型是ChatGPT，可谓如日中天，也是中美人工智能大模型差距最大的时候，后面我国开始追赶。转折点是2025年1、2月份，如果大家还有印象的话，2025年春节前，DeepSeek震撼发布，非常让人振奋，美国那边也有点不知所措，我国第一次在人工智能大模型上追平美国。后面，美国对我国开始进行封锁，尤其是AI芯片，美国也利用算力优势，恢复一点对我国的优势，但是，再也不能大幅领先我国。至此，中美两国的人工智能大模型并行发展，两者之间只有小幅领先，没有代差，你追我赶，世界其他国家只能在一旁看着！

日本人这回真该破防了！风口财经5月12日报道，日本企业捂了近半个世纪、死守不外泄的光刻胶绝密配方，竟被我国用AI技术成功破解！半个世纪的技术门槛，被AI硬生生敲开了。5月11日，国内团队交出成绩单，KrF光刻胶关键工艺被攻下，用时6个月，这速度放在过去几乎想象不到。这次牵头的是上海人工智能实验室，联合厦门大学和苏州国家实验室，多家单位协同推进。屏幕上两行数字格外醒目，金属杂质10ppb级，批次稳定性99.8%，研究人员当场激动到不行。KrF光刻胶是晶圆生产线的耗材，是那种看不见但缺了就转不动的角色。它不一定最贵，却直接决定曝光成像和良率，线宽稳不稳，边界糊不糊，全看它吃不吃得住。这块长期被日本企业把持。东京应化、信越化学在高端市场说了很多年算，经验库、配套链、工艺控制抓得很紧。中国曾经进口依赖大，2025年光刻胶进口支出到84亿美元，利润大头流出海外，这是真金白银的压力。为什么难？配方不是写在黑板上的一道方程，材料体系复杂，溶剂纯度、温度曲线、加料顺序、搅拌方式，动一处就可能崩盘，金属离子超标一点，整线良率就塌。过去研发靠老师傅经验，一点点摸索，快不起来，也稳不下来。这次换了打法。先在计算里跑，AI大模型把不同分子结构、反应路径、关键参数的大海捞一遍，把不靠谱的方案先剔出去。然后把优选方案交给自动化平台，称量、加料、反应、过滤、纯化、检测，全流程在无尘环境下机械臂执行，尽量不让人手带来波动和污染。实验数据不停回流给模型，模型再给新建议，形成闭环。过去几年才能摸出来的工艺窗口，现在几个月就能收敛，节奏就是这样被拉快的。这一步到位吗？还得看产业端接得住接不住。外部限制这几年像一根针，扎在关键材料上，倒逼国内把钱和人力往卡脖子的地方集中。国家集成电路产业投资基金三期体量约1600亿元，资金指向核心材料和装备，这种定向投入让企业敢上强度，敢做长线。企业动作也跟上。南大光电已经把ArF光刻胶推到量产，覆盖28纳米到14纳米工艺，彤程新材的KrF产品开始给主流晶圆厂批量供货。研发端把门槛压到可用水平，工厂端再做验证，实验室指标到产线良率之间，开始形成接力。这意味着什么？日本厂商原来握在手里的定价权和供货节奏，会不会松？中国是全球最大的半导体消费市场之一，关键耗材逐步本地化，进口份额下滑几乎是必然。过去那种说断就断的威慑力，结果呢，越来越不灵了。日本巨头的压力在哪？中国市场一旦丢份额，利润和产能配置都要重算，可能被迫和国内企业打价格战，过去靠老技术吃高毛利的日子不容易再回来。更麻烦的是，话语权一旦削弱，议价也会跟着塌。有人会问，KrF搞定了，是不是全线通关。没那么快。更尖端的EUV光刻胶还在长坡上，这块要长期啃。可KrF这个环节把关键门槛压到了可用水平，具备继续迭代的条件，产业链拼的是耐心和持续打磨。真正关键的不是一纸公告，而是产线上的批量一致性。99.8%的批次稳定性在实验室很亮眼，放到工厂，要看月度、季度的波动，看看良率曲线是不是足够平。有多少客户愿意用多大比例的国产料，这也是一步步增加的过程。AI和自动化这套方法不是只为光刻胶准备的。电池正极、航空复合材料、化学品配方，只要是高维参数耦合严重的场景，都可能被这套流程接管一部分。说白了，把试错从人脑和手上搬进算力和机械臂里。市场也给了反馈。有报道显示，相关芯片设计主题指数在消息当天盘中拉升超过2%，换手率接近20%，交投很热。这种资金端的兴奋，未必代表长期，但它反映预期正在变化。为什么这次突破被看得重？因为它打在了日本的优势点上。KrF光刻胶本来就是对方的杀手锏，稳定、纯净、可复现，是他们长年累积的护城河。现在中国把AI和自动化叠在一起，把经验数字化，把重复劳动交给机器，护城河被填了一截。外部限制还会不会加码？可能会。但当内生体系越做越全，断供的刀就越钝。从原料、树脂、添加剂，到溶剂净化、杂质监控、制程控制，一条条短板被补上，威胁感自然降低。这也是一次组织方式的变化。过去产学研各做各的，现在是研究、转化、验证串在一起，企业、实验室、客户多方联动。目标明确，反馈及时，资源围绕痛点打，把试验台挪到需求端，这才是让突破落地的关键。当然，别神化AI。模型也要靠数据喂养，自动化平台也要靠工程细节支撑。温度漂移、溶剂批次差异、供应链微小变动，都会带来意想不到的坑，这些都还要靠工程团队一寸一寸磨。问题在于，路线找对了，时间会站在你这边。6个月把KrF工艺窗口拉清楚，10ppb和99.8%给出一个新标尺，后面的工作就有了抓手。这比在黑屋子里摸索，强太多。信源：风口财经

世界首富马斯克曾语出惊人：“在人工智能领域，中国有两件事做得很好。一件事是中国的发电量已达到美国的大约2.5倍，而且还在朝着3-4倍的目标前进；另一件事更令我相当‘钦佩’。”真正该让美国不舒服的，不是马斯克又夸了中国，而是美国老百姓已经开始对AI数据中心“投反对票”。2026年5月，美国调查显示，超过70%的受访者反对在本地区新建AI数据中心，水、电、生活成本成了最大顾虑。科技巨头嘴上讲未来，居民账单先涨起来，这才是美国AI泡沫最现实的裂缝。1982年的日本第五代计算机计划与这次高度相似，日本当年想用国家项目抢占下一代计算机和人工智能，美国科技界一度紧张；但关键差异在于，日本当年缺少足够大的应用生态和持续商业牵引，中国今天背后是电网、制造、市场和工程师群体一起压上。这意味着，美国这次面对的不是一个实验室项目，而是一整套国家级产业底盘。马斯克提到中国电力，不是随口找个数字吓人。AI模型越大，训练越密，推理越普及，电就越像石油时代的油田。IEA预计，全球数据中心供电需求将从2024年的460太瓦时涨到2030年超过1000太瓦时，美国和中国仍是最大市场。谁能便宜、稳定、成规模供电，谁就能把AI真正跑成日常生产力。中国2026年的动作，比马斯克那句评价更有分量。5月8日，中国发布“人工智能+能源”行动方案，目标到2030年显著提升AI算力基础设施清洁能源保障能力，还要把AI反向用进能源系统。也就是说，中国不是让数据中心被动找电，而是在设计“电力跟着算力走、算力反过来优化电力”的新结构，这一步很关键。这套结构已经有现实基础。2026年一季度，中国新增可再生能源装机5893万千瓦，占全国新增装机70%；截至3月底，可再生能源装机达到23.95亿千瓦，占总装机60.4%。这些数字不是为了好看，而是给AI、工业互联网、智能制造和城市算力提供底层弹药。美国担心的是电从哪里来，中国考虑的是电怎样更高效地进算力网络。再看用电方向，中国一季度互联网数据服务用电同比增长44%，新能源汽车充换电服务用电同比增长53.8%，两者贡献了第三产业用电增长的一大块。这说明中国的新增电力没有闲着，而是在被新型基础设施快速消化。AI不是挂在PPT上的概念，它正在和数据服务、交通电动化、工业升级连在一起，这种联动才会拉开差距。美国那边的麻烦更具体。美国能源信息署预计，2026年美国用电量接近4250十亿千瓦时，2027年继续增长，商业部门增长最明显，其中就包括数据中心；居民电价2026年预计上涨近5%。资本想让AI飞起来，地方电网却要居民和企业分摊成本，这种矛盾越积越大，美国科技优势就越容易被内部成本反噬。所以，马斯克说中国做得好的两件事，一件是电，一件是人，本质上是在讲“可持续扩张能力”。美国有英伟达，有OpenAI，有华尔街资金，但如果数据中心落地要吵、输电线路审批要拖、电价上涨要挨骂，再强的芯片也会被现实拽住。中国的特点是先把底盘铺厚，再让企业在上面跑，这种打法不炫，但耐用。人才这一点，也不能只理解成“人多”。中国真正有用的是工程师能够进入产业链现场，算法团队可以和电力调度、通信设备、服务器制造、自动驾驶、机器人场景快速磨合。美国精英创新能力强，但它的制造链和能源链割裂更明显。AI进入规模化应用后，孤立天才的重要性会下降，组织化工程队伍的重要性会上升。军事时政层面，这事更不能低估。智能化战争需要海量数据处理、无人平台训练、电子对抗推演、卫星图像识别和战场态势计算。谁能用更低成本维持更大算力，谁就在未来战场多一层主动。中国建设算力和电力协同体系，不只是服务互联网企业，也是在给国家安全和高端制造准备长期支撑，这是美国真正忌惮的地方。美国接下来大概率会继续两手抓：一手强化芯片和软件限制，一手推动国内电网和能源项目提速。可它的问题是社会协调成本太高，数据中心会遇到居民反对，新能源会遇到党争，天然气扩张会遇到环保压力，核电又不是短期能解决。AI竞赛越往后，越会暴露美国“资本快、基建慢”的结构矛盾。中国也不能因为马斯克几句评价就自满。电力规模大，不等于每一度电都能高效变成算力；工程师多，不等于关键软件、核心芯片、模型生态都没有短板。接下来要看的不是口号，而是绿电消纳、算力调度、国产芯片适配、数据治理和工业应用能不能形成闭环。优势只有转成可复制的产业能力，才算真正握在手里。

【AI数据中心致光纤价格暴涨交货期限延长至20周以上】人工智能训练和推理集群需要比传统云基础设施更密集的互联架构，这让用于数据传输的光纤陷入供不应求之中。据RebioGroup估计，今年北美光纤需求预计将增长22%至25%，而供应增长则仅有12%至19%。另据DataCenterDynamics报告称，大批量买家的交货周期已延长至20周，而小批量买家的交货周期甚至长达一年。（财联社）

a股股票国家人工智能应用中试基地启用国家人工智能应用中试基地（具身智能）16日在浙江杭州挂牌启用，打造集场景体验、技术展示、研发合作、产业赋能于一体的综合性展示应用推广平台，引导具身智能技术从实验室迈向现实社会应用。

芯片半导体的产能海外市场需求继续放量，最新消息，随着全球人工智能的发展，海外订单不断的收紧该订单的产能，而目前的订单在海外市场正在逐步的增长！全球对AI人工智能的基建以及基础建设大规模的发展，而且很多大型AI企业正在加码投资AI人工智能基础建设，对芯片的需求后续还会大幅的增长！而特朗普也说，中国选择不购买英伟达的芯片，主要是因为中国想开发自己的芯片！实现国产化替代，推动本土芯片的发展，支持自己本土企业！国内很多相关企业选择国产芯片作为适配与发展AI人工智能！

根据路透社的消息，随着全球人工智能热潮收紧了外国代工厂的产能，目前，海外客户的订单正在增加！随着全球非要人工智能大规模的发展，芯片产能根本供应不了这么如此庞大的AI建设。对芯片的需求量还在大幅的增长，有需求那国内的相关企业未来订单将逐步体现出更大的需求量！中国本土企业在这几个季度的集成电路出口量订单大幅增长！未来是可以期待！特朗普最新发布的消息，中国之所以不购买英伟达的h200芯片，主要是中国想发展自己的本土芯片，以企业的支持！是中国在加速实现国产化替代！

风口上的长鑫存储飞起来了！长鑫科技第一季度净利润高达330亿元。它有多赚钱？我们将它跟国内的华为、小米等知名公司做对比，十分吓人，相当于2个华为，6个京东，8个比亚迪，20个京东方，30个中兴通讯。是华为的2倍是小米集团的3倍是格力电器的5倍多是京东商城的6倍是比亚迪的8倍是三一重工的13倍是京东方的20倍是中芯国际的25倍是中兴通讯的30倍

什么是物理AI？从实验室，走向生产线，走向产品，走向品牌。（人们可以看得见，触摸到的，可使用的人工智能产品，比如更新机器人等。）其实人工智能+，加快科技创新和产业创新的深度融合，我们的重大基本国策早已指明了方向。

【Netflix成立AI工作室】据TheVerge报道，Netflix正在组建一个名为INKubator的全新内部工作室，旨在利用人工智能制作短篇动画内容。根据最近发布的若干职位列表，这家流媒体巨头正在为INKubator招募各种职位的员工，包括制片人、软件工程师和CG艺术家。报道称INKubator的长期技术战略将专注于“由生成式人工智能驱动的工作流、艺术家工具，以及可扩展、安全的多剧集环境”，这表明该项目远非一次性实验。另一份职位列表强调：“我们的目标是开发电影长片质量的内容。”Netflix尚未公开宣布其针对INKubator的计划，职位列表中有时也将其简称为INK。该公司没有立即回应置评请求。INKubator只是Netflix将人工智能应用于制作的最新举措。据IT之家此前报道，今年3月，放弃收购华纳后，Netflix宣布收购本·阿弗莱克的AI影视技术公司Interpositive。一份针对INKubator技术负责人的招聘启事将其称为“我们下一代、以创意为导向、生成式人工智能（GenAI）原生的动画工作室”，并计划“将创新与富有想象力的叙事结合起来”。（IT之家）

在人工智能快速发展的时代，许多人可能会感到能力上的困惑与挑战。面对这一变化，我们可以采取积极的态度来适应和成长。首先，保持持续学习的心态至关重要，主动了解AI技术的基本原理与应用场景，这有助于我们更好地与新技术协作。其次，专注于培养那些AI难以替代的人类独特优势，如创造性思维、情感沟通和复杂决策能力。同时，积极拥抱人机协作的新模式，将AI视为提升效率的工具，而非替代品。通过不断实践与反思，我们能够逐步找到自己在智能时代的定位，将挑战转化为个人发展的机遇。

不管你信不信，未来10年可能发生的大事：1、退休金越来越高，差距越来越小2、房子越来越便宜，和车子差不多3、九年义务教育不再内卷，大学宽进严出4、人工智能AI科技助力攻克更多医疗难题5、人工智能AI工具成为工作好伙伴，走进各行各业晒图笔记大赛华为乾崑宛如越野途中的“智慧大脑”。其高阶激光雷达与全域智能感知技术，犹如一双双锐利的眼睛，能够精准识别越野场景中潜藏的风险。无论是隐藏在草丛中的沟壑，还是陡峭山坡上的松动石块，都逃不过它的“法眼”。基于此，它能实现路况预判，提前为驾驶者提供准确的信息，让驾驶者对前方的路况有清晰的认知。同时，还能进行智能辅助决策，根据实时路况给出最佳的行驶方案，就像一位经验丰富的越野向导，时刻在身边为你出谋划策。猛士M817本身就拥有硬核的性能。它传承军工基因，非承载式车身搭配全铝底盘，三把差速锁和9种全地形模式，让它在各种复杂地形中都能如履平地。而与华为乾崑的结合，更是将硬核性能与智慧科技深度赋能越野出行。这种融合带来了诸多显著的优势。首先，它大大降低了越野门槛。对于新手来说，以往复杂的越野路况可能让人望而却步，但现在有了华为乾崑的智能辅助，即使是越野经验不足的驾驶者也能轻松驾驭。其次，极大地提升了出行安全。精准的风险识别和智能决策，能有效避免许多潜在的危险，让越野之旅更加安心。

在科技层面，众多依赖大规模算力的前沿研究将陷入停滞。科研人员难以开展复杂的模拟实验和数据分析，像药物研发领域，借助人工智能进行分子结构模拟、筛选潜在药物靶点的进程会大大放缓，原本可能快速问世的新型药物或许要推迟数年。自动驾驶技术的发展也会受到严重影响，训练自动驾驶模型需要处理海量的路况数据，算力不足会导致模型的准确性和可靠性降低，使自动驾驶汽车离真正上路又远了一步。经济方面，科技企业的发展遭受重创。那些以人工智能为核心业务的公司，因算力受限无法及时推出新产品和服务，市场竞争力下降。投资者对人工智能相关产业的信心受挫，资金流入减少，进而影响整个产业链的发展。就业市场也会受到冲击，与人工智能研发、维护相关的岗位需求减少，失业率可能上升。社会层面，人们的生活体验也将大打折扣。智能语音助手可能变得反应迟钝、回答不准确；智能家居设备的自动化程度降低，无法根据用户的习惯和环境进行智能调节。同时，公共服务领域，如医疗诊断、交通管理等，人工智能的应用也会受限，影响服务的质量和效率。美国算力被卡脖子所带来的影响是全方位、多层次的，它不仅阻碍了科技的进步，还对经济和社会的发展产生了深远的负面影响。如何突破算力瓶颈，成为美国人工智能领域亟待解决的重要问题。

短视频里坏种多

DAIR总结本周人工智能Top10论文，主要覆盖10项工作：1.LighthouseAttention（NousResearch）：一种训练时使用的分层注意力包装器，通过对称压缩QKV实现长上下文预训练加速，训练后移除包装器，推理时仍为标准注意力，带来显著训练提速和更低损失。2.IsGrepAllYouNeed?：在编码代理中，简单grep文本搜索结合良好代理框架（harness），性能可匹敌或超越嵌入式检索，强调框架设计比检索原语更关键。3.AGeometricCalculatorInsideaNeuralNetwork（Goodfire）：在LLM中发现几何计算器，数字以傅里叶特征表示为激活空间中的圆圈，算术操作通过旋转实现，可复用于非数学任务。4.δ-mem：为冻结的全注意力模型添加紧凑在线关联记忆状态，通过delta-rule更新，提供低秩注意力校正，无需微调即可提升记忆密集任务表现。5.BeyondIndividualIntelligence：多代理系统综述，沿协作机制、失败归因和自我进化三轴组织，强调系统级演化。6.AutoTTS：将测试时缩放（TTS）重构为搜索问题，通过发现环境自动搜索策略，成本低且优于手工启发式。7.AICo-Mathematician（GoogleDeepMind）：异步状态化数学家工作台，支持并行工作流，在FrontierMathTier4上达到48%新高。8.AEvo：分离候选提议者和元代理角色，利用历史轨迹编辑提议过程，实现代理自我改进。9.TheMemoryCurseinLLMAgents：长历史反而侵蚀代理合作意图，主要因前瞻性意图被过去拉扯，可通过干预缓解。10.TokenSuperpositionTraining（NousResearch）：修改预训练循环，前1/3阶段处理token包，实现2-3x壁钟加速，最终模型不变。这一周论文传递的核心洞见是：AI进步正从“参数规模”转向“机制优雅”与“系统智慧”。效率创新降低门槛，可解释性提供控制力，记忆与代理研究解决长期可靠性。这些工作逻辑上互补，形成从预训练到部署的全链路优化。如果持续跟进，我们有望看到更经济、更透明、更具韧性的AI生态。

2026年人工智能行业竞争白热化，DeepSeek创始人梁文锋一直是技术理想主义者。早期他依托幻方量化的营收，有底气远离资本，投入资金搭建训练平台、囤积芯片、组建算力集群。DeepSeek成立初，他定下不接受外部融资等原则，想专注技术研发。然而，DeepSeek自研芯片成本飙升千倍，他不得不放下坚持拥抱市场化融资。有消息称其融前估值达3000亿人民币。这一转变折射出行业生存困境，也让梁文锋陷入资本棋局，很难跳出资本规则束缚。这也告诉我们，在科技浪潮中，即使有实力，有时候也不得不向现实妥协。deepsipai发展路线AI行业解读AI市场份额ai调研报告AI原生开发Deepa

🤖🇺🇸据微软人工智能部门负责人透露，在未来一年半内，人工智能将彻底取代办公室职员。会计师、律师、营销人员和项目经理将首当其冲。

原来聪明的“豆包”也有答错题的时候，我昨天问“豆包”Al时代人类的工作会越来越轻松吗？她说“不会”。于是我便答“不会”，谁知道标准答案是“会”？看来人不能过度依赖人工智能，人工智能只能通过自先设计好的程序指令来给出相应的答案及行动。它们无法模拟和揣测临时变动的场景和人类复杂的情感变化，及时采取相匹配的措施。所以我们不用担心被机器人取代，只要我们不断优化自己，机器人操控权还是在人类手上的，你说对吗？【原创】

孙宇晨一句话，砸出了个新风口。他说，英伟达的芯片车，错过了就别回头看了。现在，所有人，都该盯着一个东西：核聚变。这话一出来，好多人后背的汗都下来了。因为就在去年，他轻飘飘地说了一句“永远缺存储”，话音刚落，闪迪、美光的K线图就像被人用尺子画上去一样，直挺挺地往上冲。那时候没上车的人，眼睁睁看着别人账户里的数字往上跳。这次，他直接掀了桌子。芯片？那是桌上的菜。真正的电从哪来？才是那口烧菜的锅。他把逻辑链条拉得特别长，长到从你手里的手机，直接捅破天花板，连到了太阳上——AI算力跑得再快，服务器堆得再多，电源线一拔，就是一堆废铁。这一手，直接从下游的芯片，反手掐住了最上游的能源脖子。所以这到底是高瞻远瞩的剧本，还是吹上天的泡沫？赌的是眼光，还是胆量？

人工智能需要人类的协助来构建其基础设施，而数据中心正是如此。但一旦我们越过这样一个门槛，不再需要人类协助，机器开始自我复制，我们就会变得过时，那时一切就结束了。AIneedshumanassistancetobuildit'sinfrastructureandthat'sexactlywhat'shappeningwiththedatacenters.Butoncewecrossathresholdwherethisisnolongerthecaseandmachinesbecomeselfreplicatingwewillbecomeobsoleteandthat'swhenit'sover.

日本这次彻底破防了！他们捂了整整半个世纪、连美国盟友都不肯松口的半导体核心绝密，居然被中国用AI这个“降维打击”的武器给掀了个底朝天。这事儿听着就爽。日本把一项技术藏了五十年，连美国老大哥都没告诉。结果咱们用人工智能，一下子给破解了。就在前几天，上海的人工智能实验室，联合国内好几所顶尖大学，放出了一个重磅消息。咱们靠自己的人工智能“书生”大模型，把一种叫KrF光刻胶树脂的东西，从头到尾自己造出来了。而且所有关键指标，都做到了世界顶尖水平。这东西是干嘛的呢？你就把它想象成芯片工厂里最要紧的一种“特种墨水”。没了这种墨水，世界上最牛的光刻机也就是一堆废铁，根本印不出芯片。KrF光刻胶，就是现在全世界用得最多、最主流的一种。从28纳米到90纳米的芯片，全得靠它。你的手机、电脑，还有汽车里的、工厂机器里的芯片，少了它统统都造不出来。日本以前就靠这个卡咱们脖子。捂着技术不卖，或者卖得死贵，想让我们永远造不了高端芯片。现在好了，咱们用AI自己搞定了。这就好比邻居一直锁着厨房不让你进，结果你自己发明了个新菜谱，做出来的菜比他的还好吃。有网友就说了，AI能突破光刻胶，那稀土提炼是不是也行？看来这AI真是个宝贝，能帮我们解决不少卡脖子的难题。去年有人说，全世界最难的39项顶尖技术，咱们已经突破了34项。现在光刻胶也拿下了，就剩最后几项了。照这个速度，剩下的估计也快了。这就像家里办喜事，一件接着一件。自己手里有技术，心里才真的踏实。以后再也不用看别人脸色，担心哪天就断供了。这条路走对了，那就接着走下去。用聪明办法，解决老难题。以后的好消息，肯定还多着呢。

下周股民和科技圈最关注的事件，当属2026谷歌开发者大会（GoogleI/O2026），大会将于5月19日—20日正式举办。本次大会核心聚焦人工智能与移动生态，重点看点包括Gemini3模型亮相、AI与Android17系统深度融合，以及全新智能AI眼镜的重磅发布。其中，K线黎叔认为智能AI眼镜会成为全场最大关注点。伴随AI技术飞速迭代，行业正亟待一款划时代硬件落地：如同互联网时代的个人电脑、移动互联网时代的智能手机，人工智能时代，同样需要专属硬件载体来承接。

万物互联网时代，人工智能、大数据、机器人、无人机已经深入到我们的日常生活。急速发展的时代，高校的很多专业已经不能适应时代的发展，高科技和人类抢饭碗的时代来了，人口老龄化、少子化已经来临。越卷越不生，越不生越卷，高校倒闭减少是必然的。

美金融专家放狠话：AI竞赛，美国对中国是“绝对领先”，中国能拿出手的唯一底牌，居然是电比美国多！乍一听，这话似乎挺有道理。毕竟，每当谈到人工智能最尖端的技术、最火爆的模型，大家往往第一时间想到的是硅谷的实验室、OpenAI的最新版本，或者是美国对我们实行的芯片出口管制。但是，细细琢磨一下，事实真的如此吗？就在之前，顶级投资机构高盛集团发布了一份报告，核心观点非常有意思。这份报告一针见血地指出：未来决定全球人工智能竞赛胜负手的，可能并不单纯是那些芯片里的晶体管数量，而是最底层的、最基础的——电力。也就是说，那位美国专家口中的“唯一底牌”，很可能恰恰是当下美国最羡慕不来的压倒性王牌。事实上，美国电网现在正经历一场前所未有的压力测试。随着人工智能大模型的爆发，美国的科技巨头们正在疯狂地建设数据中心。现在，数据中心已经占到了美国电力总需求的6%左右，预计到2030年，这个数字会飙升到11%。但美国老旧的电网，已经有点带不动这群“电老虎”了。衡量电网可靠性的一个关键指标叫“有效备用电力容量”，过去五年里，美国的这个指标已经从26%快速下降到了19%，正在一步步逼近15%的行业警戒线。目前，美国全境13个区域电网中，已经有8个处于低于临界阈值的危险状态。甚至电力专家直接点明，在能源基础设施的建设上，美国根本没法跟中国竞争。更夸张的是，根据摩根士丹利的预测，到2028年，美国数据中心的电力缺口可能高达47吉瓦。马斯克为了解决缺电问题，甚至开始从海外买整座电厂运回美国，或者频繁派人来中国调研采购光伏设备。美国的电网不仅老化严重，建设一条高压输电线动辄需要超过十年，这种审批和建设速度，在分秒必争的AI竞赛中，简直就是致命的拖累。而太平洋的另一边，是个什么样的情况呢？2025年，中国全年发电量首次突破了10万亿千瓦时，稳稳地占到了全球发电量的三分之一左右。这可不是比美国多一点，而是超过美国发电量的整整两倍。但那位金融专家可能忽略了最关键的一点：中国手里的牌，远不止“发电”这么简单。咱们正在打一场从“发电”到“用电”再到“调电”的全链路组合拳。这个电网不仅大，而且极具韧性。高盛的报告明确指出，预计到2030年，中国将会拥有大约400吉瓦的有效备用电力容量。这个数字极其庞大，相当于届时全球数据中心集群预计电力需求的三倍之多。这意味着，无论是风光大基地、特高压传输，还是第四代核反应堆技术的突破，中国已经把能源安全和AI竞争的基础底座，打造成了全球最坚固的堡垒。电力已经给足了，那AI的大脑——算力和芯片呢？美国引以为傲的芯片壁垒，真的能封锁住咱们的创造力吗？诚然，美国一直在芯片出口上做文章，哪怕是最近有所松动的H200，性能也远不及他们本土最先进的Blackwell芯片。但正是在这种极限施压下，咱们中国企业把“低算力优化”玩到了极致。根据高盛的跟踪数据，如今中美顶级AI模型的差距，已经急剧缩小到了短短3到6个月。这种“你发布我追平”的极速拉锯战，意味着美国设想中的“技术代差”根本就没建立起来。更让人振奋的是，美方限制越紧，咱们中国企业转向自主研发的速度就越快。到2026年，在云服务商的资本开支里，国产芯片和国产算力的占比预计会大幅提升到40%。从华为的昇腾芯片，到DeepSeek用极低成本训练出的世界级模型，在缺少最顶级硬件的条件下，中国庞大的工程师队伍正在通过算法架构的创新，硬生生地杀出了一条属于自主研发的道路。再退一步说，AI终究是要走出实验室去赋能产业应用的。在这条应用落地的赛道上，中国庞大复杂的工业场景，更是天然的试验田。到2025年，中国大模型市场的垂直行业应用占比已经达到了62%。华为的盘古大模型，可以把台风路径预测时间从过去的6个小时极速压缩到15分钟；南方电网创新打造的“电碳算协同运营系统”，能自动引导算力向低电价区域迁移，让算力运营成本降低超过10%。这些“AI+行业”的深度耦合，正以超乎想象的速度在广袤的中国大地上开花结果。说到这里，再回头看美国专家那句“中国只有电力”的论调，是不是显得格外苍白无力了？他们所轻视的电力基础设施，恰恰是扎克伯格、马斯克们现在愿意花天价去求购的东西。这场世纪竞赛的剧本已经悄然改写：上半场是比拼算法的实验室交锋，而下半场，已经进入了比拼基础设施韧性、能源保障体系以及产业融合深度的硬核拉锯战。中国手里握着的，不是什么单一的底牌，而是一套高效且坚韧的能源支撑下的工业智造生态系统。决定人工智能最终胜负的，不是谁的跑车跑得最快，而是谁能铺出一条最长、最稳的能源高速路。

如何评价黄仁勋这个人？写得好，让我这个不懂电脑的看得津津有味。黄仁勋算得上是硅谷顶级华人企业家、AI时代核心推动者。读过他的传记。对他印象是很典型的白皮黄心（黄当然不是白人，他从文化上与身体上已融入美国，“白皮黄心”主要是为了与“黄皮白心”的香蕉人对比），人物初始内核设定很东亚（更直白点就是某国）。虽在美国文化下成长起来，但全然没有典型的欧美式管理风格影子。奉行极端的实用主义，精明强干，独断专行，厌恶宏大叙事。像很多人已经指出的：黄做GPU的初衷不是什么AI或高算力远大抱负，而是更好的游戏引擎图像洵染这一很实用主义目的。与马斯克相比完全是另一个极端。黄在生活中杜绝讨论科幻（他对科幻小说深恶痛绝），外星移民，AI取代人类等宏大幻想议题。与马斯克相同的是，都在这个时代取得了伟大成功。证明在这个时代，哪怕你一无所有，只要你敢于藐视一切困难，直视深渊，你终究会站在巅峰，手握星辰。技术上，他以GPU与CUDA奠基AI算力革命，远见卓识；商业上，深耕三十年，将英伟达做成万亿级芯片巨头，执行力极强；性格偏执坚韧、精力过人，兼具野心与长期主义，是科技界罕见的战略领袖。其实早年的转折点里程碑是人工智能团队看中他的显卡，也是有伯乐和机遇，黄也不是百战百胜，学人搞手提电脑笔记本输到一败涂地，不过他能吸取教训，死做人工智能硬件垄断市场，不去争软件人工智能市场。但现在他也有危险，美国那几家AI公司来回倒腾GPU。但是谷歌Gemini完全不用英伟达的卡，人家有自己的TPU，而且也有其他转用的公司，生态里也有TorchTPU可以支持。国产虽然不行，但是也有替代方案了。现在卖淘金镐头不止他一家。他是时代之子，也是风浪的玩物。

彻底怒了！博主摆拍盲人被撞遭斥责博流量，欺骗全网善意，两人直接被刑拘为了涨粉变现、博取流量，竟拿弱势群体的苦难编造剧本，刻意制造社会对立，欺骗亿万网友的善意与共情。5月16日首都网警重磅通报，北京两名年轻博主为快速起号牟利，在路边虚假摆拍“盲人走盲道被电动车撞击、反遭骑车人斥责”的视频，刻意制造舆论话题，误导大量网民热议，造成恶劣社会影响，二人已被依法采取刑事强制措施，涉事账号也被封禁清空。这场精心策划的表演，狠狠撕开了短视频行业流量造假的丑陋乱象。26岁的刘某与24岁的江某某，是短视频平台上急于变现的博主，运营账号名为“抱抱盲兔”。在流量至上的网络环境里，他们深知，普通日常内容很难快速吸引关注，只有极具冲突感、能刺痛大众情绪的社会事件，才能引爆话题、快速涨粉。为了牟取私利，两人动起了歪心思，没有选择踏实创作内容，而是把目光对准了弱势群体，策划了一场欺骗全网的虚假剧本。在北京朝阳区的一条路旁，两人刻意模拟出极具戏剧冲突的场景：一人扮演盲人，在盲道上缓慢行走，另一人扮演骑车人，驾驶电动自行车刻意撞击，随后摆出嚣张姿态斥责盲人，用镜头完整记录下全过程。他们精准拿捏了大众对弱势群体的同情、对不文明行为的愤慨，刻意放大矛盾、制造对立，将摆拍的虚假视频发布到短视频平台。视频发布后，果然如他们预料一般迅速发酵。画面里盲人无助的模样、骑车人蛮横的态度，瞬间刺痛了无数网友，大家纷纷为盲人发声，痛斥骑车人缺乏公德，讨论盲道占用、出行安全、弱势群体保障等社会话题，大量网民自发转发、评论，短时间内登上网络热搜，为账号带来了巨大的流量与关注度。就在两人享受流量红利、暗自窃喜时，警方早已顺着线索展开核查，戳破了这场虚伪的表演。经过缜密调查取证，首都网警很快查实，整件事从头到尾都是两人精心策划的摆拍剧本，没有真实事件发生，所有冲突、斥责、碰撞全是刻意演绎。二人摆拍造假、误导公众、制造社会对立，行为已经涉嫌违法，公安机关依法对两人采取刑事强制措施，涉事账号“抱抱盲兔”被平台紧急处置，账号禁止被关注，全部作品清空，一夜之间，虚假的流量泡沫彻底破碎。这件事曝光后，全网网友纷纷愤怒声讨，大家纷纷表示，最让人无法接受的，不是简单的摆拍博眼球，而是博主拿弱势群体博同情，肆意透支社会善意，刻意撕裂公众情绪。在网络世界里，大众本就怀揣着朴素的善意，愿意为不公发声，愿意守护弱势群体，这份共情本是社会最珍贵的底色，却被流量博主当成了收割流量的工具。近些年来，短视频平台摆拍造假乱象层出不穷，为了流量，不少博主编造家庭矛盾、街头冲突、社会不公等虚假剧情，有的伪造救助场景，有的编造医患纠纷，有的虚构弱势群体遭遇，用虚假故事煽动情绪、收割流量。他们利用大众的善良制造话题，消费公众的同情心，一次次透支社会信任，等到真相曝光，大众的善意被反复消耗，真正需要帮助的弱势群体，反而会被无端质疑，面临信任危机。从法律层面来讲，两人的行为已经远超普通的网络恶作剧。刻意摆拍虚假社会事件，传播到公共平台，误导公众认知，扰乱网络公共秩序，引发不良社会舆论，涉嫌寻衅滋事、造谣诽谤，承担刑事责任理所应当。平台封禁账号、警方刑事追责，也是给所有流量博主敲响警钟：流量不能凌驾于道德与法律之上，消费善意、制造对立，终将反噬自身。短视频的初心，本是记录真实生活、传递温暖善意，可在流量变现的诱惑下，部分博主迷失了本心，把博眼球、搞噱头放在首位，抛弃底线与良知。他们只看到涨粉变现的短期利益，却忽视了自己的行为对社会风气、公众信任的长期伤害。当虚假摆拍成为常态，大众分不清网络信息的真假，真正的求助、真实的社会事件，也会被打上“剧本”的标签，无人相信、无人关注，最终伤害的是整个社会的温度。此次警方的重拳出击，释放出明确信号：网络不是法外之地，摆拍造假、造谣引流、透支善意的行为，必将受到严厉打击。短视频平台也应加强内容审核，完善风控机制，加大对虚假摆拍、恶意炒作账号的查处力度，从源头遏制乱象。同时也提醒广大网民，理性看待网络热点，不盲目跟风共情、不随意站队，学会辨别信息真伪，别让自己的善意，被别有用心的人利用。两个年轻的博主，用自己的经历证明，靠欺骗换来的流量终是泡沫，透支善意换来的关注，终将迎来法律的制裁。真正长久的流量，永远源于真实、温暖、正向的内容，而非虚假的剧本与刻意的煽动。守住道德底线、敬畏法律红线，才能在网络世界行稳致远。信源：新京报评论

人工智能三大支柱（算力芯片、通信网络、工业体系）的构成、作用和价值一、第一支柱：算力芯片，AI的“发动机”。核心硬件通用GPU：英伟达A100/H100、AMDMI250，大模型训练主力，强并行计算。AI专用芯片（ASIC/NPU/DCU）：华为昇腾、寒武纪、壁仞、海光，针对深度学习定制，能效更高、成本更低。FPGA：可编程，适合边缘低延迟推理（工业、自动驾驶）。存算一体/光计算芯片：前沿方向，解决“存储-计算”数据搬运瓶颈。核心作用提供原始算力：支撑大模型训练（如GPT-4需数万GPU）、推理（每天千亿次调用）。定义能效上限：决定AI能跑多快、多大模型、功耗多少（直接影响电费与成本）。构建算力集群：通过NVLink/InfiniBand互联，组成“超级大脑”，支撑分布式训练。一句话价值没有算力芯片，AI就是纸上谈兵；芯片的性能与供给，决定国家AI竞争力的底线。目前来看，美国在算力算法和芯片方面，略占优势，中国在迎头赶上。二、第二支柱：通信网络，AI的“血管”。构成（三层网络）数据中心内网（高速互联）：InfiniBand、NVLink、400G/800G光模块，低延迟、高带宽，GPU间通信。骨干网/算力网络：5G和未来的6G基站网络、光纤、卫星互联网，连接智算中心、边缘节点、用户终端。边缘接入网：工业以太网、Wi-Fi7、物联网（IoT），设备端数据采集与实时控制。核心作用数据高速流通：海量训练数据、模型参数、推理请求在云-边-端实时传输。支撑云边端协同：大模型在云端训练，边缘实时推理（自动驾驶、工业质检），终端交互。保障低延迟高可靠：自动驾驶、远程医疗、工业控制等场景，毫秒级延迟是安全底线。目前的5G技术和未来的6G技术，是人工智能的支撑性基础技术。5G的研发和应用，中国走在世界的前列。6G的研发，目前中国又走在前列。一句话价值网络不通，算力无用；网络带宽与延迟，直接决定AI应用的可用性与体验。三、第三支柱：工业体系，AI的“骨骼与土壤”。构成（四大产业链）半导体制造：晶圆代工（台积电、中芯国际等）、光刻/刻蚀/沉积设备、先进封装（Chiplet），决定芯片能否量产。算力基建（智算中心AIDC）：高密度服务器、液冷散热、高压供电、储能/绿电，大规模算力交付。算力的运算，需要消耗相应的电力，电力决定算力。得益于风电、光伏发电、水电和核电的大发展，从近3年发电量来看，中国的年发电量几乎是美国、印度、俄罗斯、日本、德国、法国和英国的总和。液冷散热、特高压供电、储能/绿电，还有在人形机器人中将电能转化为精准机械运动，也是中国的强项。整机与智能制造：AI服务器、工业机器人、智能产线，支撑算力硬件规模化生产与AI落地。软件与生态：操作系统、AI框架（TensorFlow/PyTorch）、编译器、行业解决方案，让硬件可用、模型可落地。核心作用硬件规模化供给：稳定、低成本生产GPU/NPU、服务器、光模块，支撑AI算力爆发式需求。工程化落地能力：把算法模型变成可量产、可运维、可迭代的产品（如工业质检、自动驾驶、无人机、无人艇、机器狗、战狼等）。得益于中国完整的工业体系和供应链，相对美国的产业空心化来说，中国人工智能产品的工程化、产品化、市场化和迭代能力都相对要好些。产业链安全自主：避免“卡脖子”，保障芯片、设备、软件的自主可控，支撑长期发展。一句话价值工业体系不强，AI只能“空中楼阁”；完整的产业链，是AI从实验室走向产业的根本保障。四、三者关系总结算力芯片是动力源，提供计算能力；通信网络是传输纽带，连接算力、数据与场景；工业体系是制造与工程底座，保障硬件量产与应用落地。三者缺一不可，共同构成AI产业的“硬支撑”，决定一个国家AI发展的上限与安全。

图解丨全球“IQ最高”的人工智能模型排行榜5月15日｜根据TrackingAI于4月进行的测试，下图基于门萨智力测验的得分对全球领先的人工智能模型进行排名。该测验包含35道视觉模式谜题。对于非视觉模型，题目会以口头形式呈现；而对于视觉模型，则会直接接收原始图像。因此，这些结果最好被理解为基准比较，而非对整体智能的最终衡量。其中，Grok-4.20专家模式和OpenAIGPT5.4Pro(视觉模型)以145分并列第一。Gemini3.1ProPreview紧随其后，得分为141分。值得注意的是，100的智商(IQ)为人口平均值，130以上则被视为“天才”级别。在主流人工智能开发商中，Mistral的顶级模型在该数据集中排名最低，得分仅为96分。美股基金

我认为不会。人工智能（AI）看似是“减负神器”，实则是一把双刃剑。它确实接管了重复性体力劳动，但也给现代人带来了更深层次的“辛苦”。🧠脑力过载与隐形加班AI没有消灭工作，而是改变了辛苦的形式：-决策疲劳：AI提供了海量信息，但筛选、判断的责任完全留给了人，导致精神内耗加剧。-边界模糊：通讯工具让工作随时侵入生活，形成“永远在线”的心理压力，休息时间被隐形侵占。📚被迫“卷”技能与失业焦虑-技能保鲜期短：AI快速迭代迫使从业者持续学习，一旦松懈就有被淘汰的风险。-就业挤压：传统中低技能岗位被替代，就业市场竞争加剧，带来普遍的不安全感。💔情感维系与人际疏离-社交降级：过度依赖算法推荐和虚拟交互，削弱了现实中的深度沟通能力，人更容易感到孤独。-情感劳动：在服务业中，AI无法处理复杂人情，人类员工反而需要投入更多情绪价值来“补位”。⚖️如何应对这种辛苦？真正的轻松不在于拒绝AI，而在于重新掌握主动权：-人机协作：将AI作为工具，把精力集中在它不擅长的创意、战略和情感领域。-主动断联：有意识地划定数字边界，保护自己的非工作时间和心理健康。