最新新闻

来自加拿大中文媒体的重要新闻报道。

Wenxuecity Jul 1, 2026

中国大学排名飙升,是实力还是“捧杀”?

2026年6月16日,最新一期U.S.News世界大学排名公布,清华大学历史性升至全球第六,一举超越耶鲁、哥伦比亚大学、加州大学伯克利分校等一众美国老牌名校,创下中国高校在全球主流榜单中的最好成绩。这条消息引发热议,也让大众再次关注到这一趋势:最近几年,无论是美国U.S.News、英国QS、泰晤士排名还是中国软科等四大权威榜单,中国顶尖大学都在持续稳步崛起。清华、北大稳居全球前二十,复旦、上交、浙大稳定在全球前五十,南大、中科大持续挺进全球百强——中国高校整体崛起的态势十分清晰。 不过,伴随热度而来的,还有一种声音:这些世界大学排名本身带有浓厚的商业属性——靠制造话题、博取流量来盈利,许多名次的调整不过是刻意的炒作;所谓中国大学大幅进步,只是外媒刻意抬举、制造“捧杀”效应,并不值得当真。我们确实不能盲目迷信榜单。各类世界大学排名本质上是市场化机构的评价产品,为了维持热度和关注度,它们会定期调整权重、制造反差话题;尤其是英国某些排名,主观参数的权重过高,明显存在一定的主观性和操作空间。短期抬高中国高校的名次,确实容易助长浮躁的氛围。 但如果因此而全盘否定中国高校的进步,把多年持续、多榜单同步的上涨全部归为商业炒作,显然也太过片面。近几年中国顶尖大学在全球排名中的稳步攀升,确实是实力进步使然,背后是国家科研投入、产业生态升级、全球人才汇聚共同构筑的系统性优势,是中国改革开放经济增长奇迹推动、长年累月厚积薄发的结果。中国高校真正的实力不只是“论文数量堆出来”的,更在于论文背后对应的国家重大需求领域(芯片、航天、新能源、AI基础设施)里的真问题被解决了,以及人才愿意留下来干长期的事了。 我们承认,U.S. News、软科这类榜单的打分骨架高度依赖客观的文献计量指标,中国在论文产出密集型维度上天然“跑得快”,而在偏学术声誉、人文积淀、长周期基础理论影响力的维度上,优势远没那么直观——两类信号合在一起看,才能分清哪些是“指标红利”,哪些是“解决真问题的真实能力”。 (图:视觉中国) 首先,国家持续稳定的战略投入,是中国高校崛起最坚实的底座。过去十余年间,我国持续推进“双一流”建设和科技强国战略,对高校科研的支持力度不断加大。全国高校研发经费的内部支出保持稳健增长,头部顶尖高校年度预算已稳居300亿级(其中清华逼近400亿元),集中投向人工智能、集成电路、新材料、量子科技、生物医药等关键核心领域。一大批国家实验室、重大科学装置、国家级科技专项落地顶尖高校,让国内大学的科研硬件条件和前沿攻关能力实现了跨越式提升,彻底摆脱了过去设备落后、经费不足的困境,为高质量科研产出打下了坚实的基础。 其次,中国高校扎实的科研成果,是排名稳步提升的核心支撑。国内高校曾经常被诟病论文数量多、含金量低,但如今早已实现量质齐升。在工程技术、材料科学、计算机与人工智能、能源化工等优势领域,中国高校的高质量论文、高被引成果、原创性突破,都稳居全球第一梯队;在《自然》《科学》《细胞》等国际顶级期刊上,中国学者成果的占比相较十年前实现了大幅提升。与此同时,高校不再只做纸面研究,专利质量和技术转化率大幅提高,不少科研成果真正走出了实验室、走进了生产线——这些可量化、可追溯的硬核数据,正是各大权威排名打分的核心依据。 此外,独一无二的完整产业生态,也是中国高校区别于不少海外名校、实现快速进阶的独特优势。中国拥有全球最完整的工业体系和规模最大的数字经济市场,提供了全世界最丰富、最真实的科研应用场景。从高端制造、新能源汽车、光伏风电,到人工智能、大数据、生物医药,国内海量的产业需求、迭代场景和市场数据,都能直接对接高校科研。顶尖高校与华为、腾讯、字节跳动、阿里巴巴、大疆、宁德时代、中芯国际、小米及比亚迪等行业龙头深度合作,围绕产业难题开展定向攻关,形成了“产业出需求、高校做科研、成果促产业、产业反哺科研”的良性循环,让科研更有价值、进步更快,也极大提升了中国高校的产业影响力和全球认可度。 尤为关键的是,近几年一批全球顶尖学者陆续扎根中国。中国高校汇聚世界级学者的进程,其实比大众感知的更早,势能也越来越强劲。 这说明了一件事:吸引这些人的不是某个学校的名头,而是中国确实能提供的一整套条件——科学装置、稳定经费、建制团队、产业场景、转化通路与生活保障。这些顶尖学者放弃欧美成熟名校的平台和相对稳定的学术体系,选择来到中国,也绝不是简单的“高薪挖人”,真正吸引他们的,是中国日趋完善的科研生态系统。大量全球顶尖智力持续汇聚,带动中国高校的原创研究能力、国际合作水平和全球学术声誉大幅提升,也成为排名上行背后最值得认真对待的那部分“真金白银”。 当然,我们依然需要理性看待大学排名。排名上升是实力进步的伴随信号,但并不代表我们已经全面超越了西方顶尖名校。在基础理论原创突破、诺贝尔奖级学术大师的自主培养、全球学术规则制定权等方面,有些差距依然是结构性的。 清华跻身全球第六,中国顶尖高校集体稳步崛起,是中国科技、产业、教育、人才全方位升级的必然结果。随着中国科研生态持续完善、对全球人才的吸引力不断增强、产学研融合愈发深入,中国特色世界一流大学的高质量发展,将从榜单数字的上升,真正转变为核心实力与全球话语权的实质性领跑。

Wenxuecity Jul 1, 2026

AI风暴!美科技金融业每月蒸发2.8万个职位

▲人工智能(AI)究竟会不会引发大规模失业潮?这个问题在产学界仍争论不休,但无庸置疑的是,这股AI浪潮已经开始在美国的就业市场数据上留下深刻烙印。(示意图/123RF) 人工智能(AI)究竟会不会引发大规模失业潮?这个问题在产学界仍争论不休,但无庸置疑的是,这股AI浪潮已经开始在美国的就业市场数据上留下深刻烙印。 根据《彭博》报导,美国政府最新数据显示,2026年以来,在AI导入速度最快的“金融活动”与“资讯科技”两大产业中,就业人数下滑的趋势正剧烈加速,平均每月减少多达2万8000个职位。 相较于美国整体依然强劲的劳动市场,金融与科技业的疲软显得格外刺眼。经济学家指出,若非银行业与科技巨头的裁员潮拖累,美国的就业数据原本会更加亮眼。 2026年已有逾10万人因AI失业 科技巨头在对人工智能砸下数十亿美元的巨额投资后,如今正越来越频繁地将“AI”列为裁员的官方理由。与此同时,包括摩根大通(JPMorgan Chase)、花旗集团(Citigroup)和高盛集团(Goldman Sachs)的顶尖银行家也纷纷公开表态,坦言这项技术终将取代部分人力。 裁员追踪机构“Challenger, Gray & Christmas”的执行长查林杰(John Challenger)表示,“此时此刻,AI正在以过去任何技术都无法比拟的方式,对就业市场产生实质冲击”。 根据该机构统计,2026年至今,全美企业宣布的裁员计划中,明确归咎于AI的遭砍职位已将近10万2000个。其中,科技业独占了今年所有裁员公告的三分之一。查林杰更警告,“金融业很可能就是下一个遭受最严重冲击的对象”。 斯坦福大学数位经济实验室(Stanford’s Digital Economy Lab)的研究指出,AI对劳动力市场的影响,完全取决于企业如何部署这项技术。研究发现,在AI能“自动化执行任务”的职业中,就业人数明显转弱;相反地,在AI仅作为“辅助工具”的岗位上,人力需求则相对稳固。 这解释了为什么金融业正沦为重灾区。根据《彭博》汇整美国劳工统计局(BLS)的数据,金融活动从业人员中,有高达四分之一属于行政与后勤支援岗位,包括客服代表、银行柜员以及保险理赔审查员,这一比例高居所有主要产业之冠。而美国劳工统计局在最新的十年期就业预测中已明确指出,受AI冲击,这类办公室行政职缺将面临最剧烈的萎缩。 加州政策实验室(California Policy Lab)透过失业金申请数据追踪也发现,加州金融与保险业中,来自“AI高风险暴露职业”的失业救济申请比例全州最高,资讯与专业服务业也呈现类似的持续性高阶申请状态。 科技人叹找工作变难了 不过在总体经济层面,专家们对这波失业潮的本质仍有不同解读。巴克莱银行(Barclays)经济学家斯里拉姆(Pooja Sriram)认为,“这其中确实有一部分是『生产力提升』后取代了人力。但我们从各家企业口中不断听到的叙事,其实是他们在对AI投入天文数字的投资后,为了平衡帐目而进行的『成本削减』手段”。 耶鲁预算实验室(Yale Budget Lab)研究主任纳恩(Ryan Nunn)则指出,金融业的裁员数据并未出现异常的暴增,这显示AI目前可能正透过“冻结招聘”和“遇缺不补”等更隐蔽的方式在影响就业,而非一步到位的大规模解雇。 不论企业裁员的官方借口是不是AI,对于身处风暴中心的劳工而言,这份焦虑与不确定性早已是不可承受之重。

Wenxuecity Jul 1, 2026

这个00后凭什么拿到高瓴们的1亿美元

虎嗅注:世界模型是属于00后的任务。在具身智能、世界模型行业,我们已经看到了太多00后和“天才少年”。而今天我们聊的这个团队,也几乎全部由00后组成,他们也是当下估值最高的AI圈00后团队之一。“AI原生100”是虎嗅科技组推出针对AI原生创新栏目,这是本系列的第「58」篇文章。 00后陈博远今年刚从北大元培毕业,他另一个身份是逆矩阵创始人。 2026年初,尚未毕业的陈博远创立了逆矩阵,首轮即获得高瓴和北大系基金超千万美元投资,到今天,这家公司即将完成新一轮过亿美元融资,估值超50亿元人民币。 这也是“00后创立的AI公司”中,估值最高的公司之一。 “大家都希望看到年轻人在AI时代下做出一些不一样的创新突破。”陈博远对虎嗅说道 陈博远的团队在做的事情是“通用世界基座模型”,他们的英文名字叫Physis。Physis(φύσις)是physics(物理)的希腊词根,通常译为“自然”,其更本源的词义是“生长、生成”——指向回到自然与物理的本源去理解世界如何运转。 故事回溯到逆矩阵还未成立的时候,陈博远还是北大元培学生期间便已崭露头角,当时,他就已经凭借强化学习和大模型的研究获得ACL最佳论文;与此同时,那一届ACL中,内地另外一篇最佳论文则来自DeepSeek团队。从某种意义上讲,这个团队曾经还和DeepSeek“并肩”过。 关于通用世界基座模型,经常有投资人提出质疑。在陈博远看来,“基模”这个概念如今放在行业似乎被误解了。 “投资人在听到‘基模’这个词的时候,会天然有一些偏见。因为他们见过很多团队只是拿开源模型,用部分数据做微调,最后包装成一个预训练故事。但实际上,我们是从头开始搭建整个预训练架构。”陈博远对虎嗅解释道。 而在融资速度上,逆矩阵并不算这个行业里最激进的一批公司。“我们不急着融资,而是希望踏实做技术第一性的突破。”陈博远告诉虎嗅。 而这也是他与智源研究院结缘的原因。虎嗅获悉,陈博远已于4月16日正式以逆矩阵创始人的身份,担任智源研究院行为世界模型创新中心负责人,直接向智源研究院院长王仲远汇报。 2025年11月,虎嗅曾与王仲远有过一次对话。当时他告诉虎嗅,智源没有太强的组织层级;相比商业化,研究始终是更核心的事情。但在具身智能时代,智源同样会背负一种使命——去成为一个类似Deepmind的角色。 目前,我们看到的大模型明星公司中,已经有相当一部分与智源研究院存在关联,包括银河通用、智谱AI、月之暗面和面壁智能。其中,前三家公司估值均已超过百亿元,智谱AI已完成上市。 行为世界模型创新中心是智源研究院专门设立的前沿创新中心,用于支持下一代通用世界基座模型的研发与创新,承担更大规模、更系统的前沿攻坚。陈博远以逆矩阵创始人的身份,兼任这一中心的负责人,聚焦通用世界基座模型最底层的探索与前沿试验,并将已经验证的世界模型能力放大到更通用、更大规模的场景里去落地。两个角色彼此赋能、互为支撑,推动同一件事:让AI真正理解物理规律。技术愿景是统一的,凝聚共同的力量去逼近同一个目标。 近期,虎嗅与逆矩阵创始人陈博远进行了深入对话。我们谈到了通用世界基座模型与垂类世界模型的概念、区别与联系;世界模型目前存在的卡点,以及世界基座模型如何解决具身智能所缺失的数据问题;当然,也包括这个平均年龄00后的团队本身。 以下为虎嗅和陈博远的精选对话: “世界模型一定会迎来自己的GPT-3时刻” 虎嗅:你们做的是通用世界基座模型。但现在行业里,很多公司都在讲“世界模型”,而且每家的定义都不太一样。所以我想知道,逆矩阵现在做的这个“通用世界基座模型”,核心到底是什么?背后的行业洞察又是什么?为什么你们会选择做这件事? 陈博远:我觉得这个问题非常关键。现在行业里几乎anything is a world model(一切皆是世界模型),所有人都在讲世界模型。但我认为,世界模型今天其实还处于一个“百家争鸣”的阶段。我们更想回到第一性原理去看这件事。 过去几年,大语言模型让AI学会了处理文本和知识,但AI未来一定会从虚拟世界走向真实的物理世界。无论是游戏物理,还是工业产线,本质上都处在一个连续、不确定、且受到复杂物理约束的环境里。 在这个过程中,AI不仅要理解文字,还需要真正理解重力、接触、因果等物理规律,它们其实共享同一个底层事实:对于物理一致性和物理正确性的要求,是硬约束。 同时,一个场景里学到的物理规律,本身也是可以迁移的。物理定律不会因为场景变化而改变。 所以我们的核心判断是:未来一定会出现一个能够跨场景迁移的通用物理世界模型,它会成为AI走向物理世界的基础设施。 现在行业里的很多世界模型关注于解决特定场景的问题。有人做3D世界模型,有人做游戏世界模型,也有人做具身世界模型。但我们更强调的是,不同垂类场景背后的物理规律,其实是通用的。 就像今天的大语言模型,可以同时处理金融、法律、代码等不同任务。我们也希望未来存在一个通用的世界基座模型,再基于它去适配不同下游场景。 虎嗅:那么,通用世界基座模型和“世界模型”本身,它们的区别和联系是什么?以及为什么你一定要强调“基座”这两个字? 陈博远:我觉得可以类比自动驾驶。自动驾驶会有L0到L5的分级。L0到L2,本质上还是需要大量人工干预;而L3以上,其实代表的是一个自主性能力的阶跃,不只是技术能力变化,也意味着应用市场的扩大。 世界模型其实也会存在类似的W0到W5体系。现在行业里很多所谓的世界模型,本质上还停留在W0或者W1阶段。 比如OpenAI在Sora时期提出“世界模拟器”概念,很多视频生成模型,本质上是在学习世界的连贯表征,生成流畅、好看的视频;再比如谷歌的Genie 3这类可交互世界模型,它已经能够响应动作交互,但本质上还是偏“游戏世界”。这类模型更多解决的是影视、游戏等内容生成问题。 但物理AI不只是游戏,也不只是影视。真正的严肃工业场景、具身智能、物理仿真、交互世界、科学预测科技计算、工业仿真、工业安全验证,面对的是大量复杂物理约束,它需要的是W2+模型。 W2最核心的特征,就是“真正懂物理”。所以我们强调“通用世界基座模型”,首先它必须是一个W2+模型;其次,它不只是解决某一个垂类场景,而是希望用同一套物理规律,去解决不同物理场景的问题。 今天很多行业已经有领域专用的世界模型,比如自动驾驶世界模型。但它们往往只能解决单一场景的问题。 而我们回到第一性原理会发现,很多物理规律其实天然是通用的。它既是one for all,也是all for one。 不同物理场景的数据和学习过程,本质上遵循的是同一套物理范式,所以不同场景之间其实能够互相增强。最终,我们希望用一个统一的通用世界基座模型,在不同垂类场景里,达到比领域专用模型更好的效果。 如果继续往下划分: W2解决的是“物理专业性”; W3解决的是“跨领域能力”; W4才是真正意义上的通用泛化。 这其实有点像大语言模型的发展过程。 2023、2024年的时候,行业里还会强调金融大模型、法律大模型这些垂类模型;但随着通用大模型能力提升,很多任务开始被统一,zero-shot、few-shot就能泛化解决。 我们认为,物理世界未来也会走向同样的路径。 虎嗅:有人认为世界模型更接近Scaling Law这条路线,也有人坚持做VLA。所以你觉得今天世界模型最大的卡点是什么?以及你们现在做的通用世界基座模型,卡点又是什么? 陈博远:我觉得这是一个特别关键的问题。 我们其实非常认可Scaling Law背后的底层逻辑。大语言模型之所以成功,本质上是因为它符合第一性原理,比如next token prediction这种非常简单、统一的目标。随着数据量、模型规模提升,它就能不断压缩语言里的智能。 但世界模型没办法简单复用“大语言模型那套路径”,原因有三个。 第一个是数据问题。互联网文本可以无限爬取,但物理交互数据不一样。真正的物理数据,要么来自真实世界采集,要么来自仿真构建,它不是一个能无限堆积的数据体系。 第二个问题是,像素不等于物理。今天很多世界模型还是建立在视频、图像这些视觉输入上,但视频里90%的信息其实是纹理、光照、运动模糊,这些东西和物理规律本身没关系,反而会成为模型学习物理的负担。模型花了大量参数去拟合“光长什么样”,但这并不是核心矛盾。 第三个问题,也是最核心的问题:相关性不等于因果性。大语言模型本质上是一种“观察式学习”。你见过越多数据,就越容易学习相关性。但物理世界真正重要的是因果。 所以仅靠观察,模型学到的是统计相关性,而不是真正的物理因果。因此,我们认为通用世界基座模型一定会走一条新的Scaling路径。真正的Scaling,不应该发生在token空间或者像素空间,而应该发生在“物理隐空间”。 也就是说,我们需要模型学习一种更加抽象的物理表征。这有点像人类的大脑。比如我们看到一个杯子快倒了,会自然预测水可能怎么洒出来。这个过程,本质上就是一种高维物理隐空间里的推演。 第二个关键点,是必须原生引入Action。因为物理理解本身来自交互,而不仅仅是观察。比如你不去搬一个东西,就无法真正理解它的重量;不去掰一个物体,就无法理解它的刚性。所以世界模型不能只是“看世界”,它必须“和世界交互”。 模型需要学习的是:“在当前状态下,我采取动作A,会导致什么物理状态;采取动作B,又会导致什么结果。”也就是从“next token prediction”,转向“next physical state prediction”。 第三个关键点,是验证。为什么数学、代码、围棋这些领域能快速提升?因为它们可验证。强化学习之所以有效,本质上就是因为存在明确奖励信号。而物理世界其实同样是可验证的。 比如物体不会凭空消失、不会违反光滑性约束,这些都可以被验证。 所以我们认为,强化学习会是学习物理规律最高效的方法。最终,我们的路径其实是一个闭环:在物理隐空间里做压缩;原生引入动作交互;再通过强化学习完成验证。 我们内部已经观察到这样一条曲线存在:随着数据规模、模型参数量提升,当模型开始引入Action和强化学习之后,它在预测“下一个物理状态”时,泛化误差会持续下降,甚至开始出现类似“涌现”的能力。 所以我一直认为,世界模型未来一定会迎来自己的“GPT-3时刻”。 但这个时刻,不会是某个Benchmark刷榜。而是当模型真正能够随着算力、数据和交互规模提升,在真实物理世界里持续提升能力的时候。那才是世界模型真正属于自己的Scaling Law。 “世界基座模型不需要太多的真机数据” 虎嗅:现在行业里很多人都会觉得,具身智能真正有效的数据其实并不多。那我刚刚听下来,通用世界基座模型对于数据的要求可能会更高一些。你们到底需要什么样的数据?它和VLA、传统世界模型所需要的数据有什么区别? 陈博远:现在很多人也在做自己的具身世界模型,它们主要依赖真机数据,微调机器人的动作输入输出,从而实现控制能力。 但对于通用世界基座模型来说,真机数据固然重要,但它不是唯一的数据来源。 我可以做一个类比。人类学习数学的时候,也不是一开始就学微积分,而是先学1+1=2,再学平面坐标系,最后才进入更复杂的体系。 物理规律的学习其实也是一样,它存在一个“从易到难”的过程。比如仿真引擎、游戏引擎、虚幻引擎里的数据,虽然场景不同,但背后很多物理规则其实是共通的。无论是《荒野大镖客》还是《塞尔达》,一个击打动作背后,本质上都是人类手写的简化物理规则。 这些规则可能只是真实物理世界50%或者70%的映射,但它能够成为学习真实物理规律的铺垫。所以我们第一件事,就是建立一个从仿真到真实世界的数据跃迁过程。 第二个关键点,是跨领域数据。因为对于通用世界基座模型来说,它本质上是一个“all for one”的问题。不同场景背后反映的真实物理规律其实是一致的。 我们内部发现,当引入跨场景数据之后,在某一个垂类场景里,数据需求量甚至能够降低20倍,但效果反而更好。因为模型学到的是更通用的物理规律,而不是某个特定硬件、本体或者场景里的“伪规律”。如果只依赖单一场景数据,其实很容易过拟合。 第三个关键点,是长尾物理数据。物理规律很多时候恰恰发生在稀疏和突变场景里。比如YouTube、B站每天会产生大量视频,但其中真正包含物理交互的数据比例其实非常低。可能只有5%的视频包含抓取、拿取等简单交互,而像玻璃破碎、爆炸这种强物理变化场景,可能只有0.5%。 但恰恰是这些“突变”,最能体现真实物理规律。 所以我们在做预训练时,会重点筛选那些具有动态交互属性的视频,而不是简单堆数据量。 同时,我们也在构建自己的数据飞轮。比如通过仿真引擎、数字孪生渲染,主动生成一些现实世界里很难采集到的强物理数据。举个例子,一个杯子放在桌子上,被外力撞倒——这种场景在真实世界里很难大规模采集,但我们可以在仿真环境里不断生成。这些稀疏、边缘、强物理属性的数据,其实对通用世界基座模型非常重要。 虎嗅:你们现在做通用世界基座模型时,使用的数据的比例大概是多少? 陈博远:如果从视角的维度来看,我们更关注的其实是第一人称(egocentric)数据和多视角(multi-view)数据之间的配比。我们内部目前探索出来的比例,大概是9:1,甚至10:1。而且我们认为,未来这个比例甚至可能扩展到100:1。 之所以这么看重第一人称视角,是因为egocentric本质上代表了拍摄主体和视角交互的过程——“我采取了什么动作,世界相应发生了什么变化”。它天然带有Action→State的因果结构,这正是世界模型最需要的信号。而多视角数据更多是从外部去观察同一个场景,更偏向补全空间结构和状态表征。 虎嗅:我们假设未来第一人称数据和多视角数据能达到100:1,那是不是意味着,对那个“1”的要求会非常高?而且这里真正高质量的交互数据,应该更多来自真实工业场景,而不是实验室,对吗? 陈博远:对,那个"1"的质量要求确实非常高。 不过其实今天行业里的很多数据,还没有真正走到"实验室数据"和"工业场景数据"之间的区别这一步。当然这步很重要。因为更早的问题是,很多真实采集来的数据本身质量还不够高。比如采集过程中会存在大量噪音、硬件误差,以及设备和真实物理世界之间的不匹配。现在很多动捕设备、手套设备,本质上都还是"近似真实",它和真正的物理交互之间仍然有gap。 也正因为这样,我们才会特别看重第一人称视角的数据——它直接来自交互主体本身,能比较真实地反映"动作导致状态变化"这个过程,而不是隔着设备去近似。 在此基础上,我们会把整个数据体系总结成一个“三层金字塔”。 第一层,是学习世界里“有哪些状态”。比如水会流动、物体能被抓起、玻璃会破碎。这一层主要依赖大量真实世界视频,以及复杂交互场景数据。 第二层,是学习“什么动作会导致什么状态变化”。也就是Action→State。这一层的本质是在构造因果。这也是为什么我们尤其需要大量第一人称(egocentric)数据,同时辅以仿真数据、真机数据。因为egocentric代表了拍摄主体和视角交互的过程,天然就带有Action→State的因果属性,是构造因果最直接的来源。 第三层,则是长尾和稀疏物理规律。因为真实物理世界很多关键规律,都发生在突变场景里。比如玻璃爆炸、物体遮挡、复杂空间关系等等。这一层我们会引入大量第三人称视频,以及数据飞轮生成的稀疏物理场景。 而且我们内部发现,这一层的数据量甚至不需要很多。可能只占前两层的1%,甚至0.5%,就能带来很明显的空间理解和泛化能力提升。 因为当模型已经建立起比较通用的物理规律之后,再去补充这些稀疏数据,它的学习效率会非常高。 而且最重要的是,我们整个模型训练过程并不是“被动观察数据”。模型始终在学习:“什么Action,会导致什么下一状态。” 这也是为什么我们认为,基于数据金字塔、交互和强化学习,世界模型会形成一条和大语言模型完全不同的Scaling曲线。 属于00后的“Aha Moment” 虎嗅:逆矩阵是什么时候成立的?现在大概到了一个什么阶段? 陈博远:逆矩阵是今年年初正式成立的。但实际上,我们从2025年初就已经开始做面向真实物理世界的世界基座模型这件事了。现在我们已经看到了一些Scaling up的潜力,以及一些真正的“aha moment”。 整个团队目前大概30人。我们凝聚了一批非常年轻、但能力很强的人。包括来自北大、清华的一些奥赛背景成员,也有不少来自大厂的核心工程师。 虎嗅:在担任智源中心负责人之前,你们已经开始融资了吗?整体和投资人交流下来的感受是什么? 陈博远:投资人最常问我们的,其实有两个问题。第一个是:你们是不是在做真正的“基模”?第二个是:你们到底看到了什么,才决定做这件事?我们的答案,其实来自内部实验。 我们已经观察到,随着数据量、参数规模提升,以及引入主动交互和状态预测之后,模型误差还在持续下降。所以我一直认为,一旦世界模型的Scaling Law开始形成行业共识,技术路线会迅速收敛。 我自己特别欣赏两家公司:DeepSeek和DeepMind。因为真正的创新,很多时候都来自这种研究型组织。一个方向可能一开始只有两三个人、几个idea,但会不断Scaling up,最后产生真正底层的突破。 我们也相信,扁平化组织本身是能够“涌现”创新的。 虎嗅:投资人经常会问“基模”这个事情。你会觉得,是你们做的事情被误解了,还是“基模”这个概念本身被误解了? 陈博远:我觉得更多是“基模”这个概念被误解了。“基座模型”这个词,从一开始出现,本质上就是希望通过一套模型解决不同场景的问题。 但过去几年,“基模”这个词被滥用了。就拿具身智能举例,投资人称见过很多团队其实只是基于开源视频模型或者开源语言模型,再微调一些自己的真机数据,最后包装成一个“预训练”的故事。 但我们做的,是从头开始做整个预训练架构。也就是说,我们真正想做的是一个通用世界基座模型,而不是一个微调后的垂类模型。 虎嗅:你担任智源世界模型中心负责人。投资人怎么看这件事? 陈博远:逆矩阵更偏前沿探索,我们会不断去扩展一些新的技术方向;而在智源,我们会把已经验证出的世界模型能力,进一步放到更大规模、更通用的场景里做实验和落地。 但本质上,大家都在做同一件事:如何构建真正面向物理世界的通用基座模型。 虎嗅:所以我能不能理解为,智源也希望在Physical AI时代,再次“押中”像月之暗面、智谱AI、面壁智能这样的公司? 陈博远:对,我觉得智源一直都非常重视人才和前沿研究,而且它始终是站在全球视野里看AI范式变化的。 虎嗅:所以你们团队年龄基本都是00后? 陈博远:对,虽然我们团队平均年龄在00后,不过我更愿意称之为凝聚了一个“心态年轻化”的团队,无论是原大厂核心工程师,还是科研青年们,大家都是非常有冲劲的。因为我们发现,做这种全新的事情,需要敢于打破路径依赖,融合不同技术背景去做出底层的第一性突破。 虎嗅:现在做Physical AI的产业,其实聚集了很多00后。它看起来很像一个“属于00后的时代”。 陈博远:我不太想简单地把它定义成“属于00后的时代”。Physical AI应该属于所有真正相信这个方向、愿意长期投入、敢于做底层探索的人,而不只是属于某一个年龄段。 但更重要的是,Physical AI不只是一个技术热点。我们越来越相信,AGI的下一步一定要走向真实物理世界。过去的大模型主要理解语言、图像和数字信息,而未来的世界模型需要理解真实物理世界背后的约束,理解物体如何运动、碰撞如何发生、能量如何转化,以及行动如何改变环境。只有这样,AI才能真正进入具身智能、工业仿真、游戏引擎、AI for Science等场景。 再往前看,Physical AI也和国家未来的新质生产力高度相关。低空经济、商业航天、智能制造、能源系统、可控核聚变等方向,本质上都需要AI更深地理解物理规律、复杂系统和真实世界的因果关系。我们真正想做的,不只是一个服务某个垂直场景的模型,而是面向整个物理世界的通用世界模型,为未来更多实体产业提供底层能力。 与其说这是一个“属于00后的时代”,不如说这是一个属于所有相信Physical AI、敢于做底层探索、愿意为国家未来产业基础能力负责的人的时代。

Wenxuecity Jul 1, 2026

Meta改当“算力房东”!股价应声大涨

▲脸书母公司Meta传出拟转售自身庞大的“闲置算力”来创造收入,此举可望助其回收数百亿美元的AI基础设施投资成本。受此利多消息刺激,Meta周三股价在盘中飙涨超过10%。(图/美联社) 脸书母公司Meta砸下天文数字投资人工智能(AI)基础建设,如今似乎找到变现的新出路。消息传出Meta计划进军云端运算市场,转售自身庞大的“闲置算力”来创造收入,此举可望助其回收数百亿美元的AI基础设施投资成本。受此利多消息刺激,Meta周三股价在盘中飙涨超过10%,是美股早盘表现最亮眼的企业。 根据《CNBC》报导,《彭博社》率先披露此事,引述消息人士说法,称Meta内部目前正激烈辩论该新业务的具体走向:究竟是要提供客户直接存取托管在其基础设施上的AI模型,还是纯粹出售其多余的“原生算力(raw computing power)”。之后《CNBC》报导进一步证实,称Meta决定采取后者,也就是出售多余算力,不过,Meta并未回应置评请求。 扎克伯格 出奇招出清闲置算力 自AI热潮以来,全球科技巨头对运算能力的争夺战已进入白热化,市场需求远超供给。为了持续扩建数据中心并大幅购入训练AI所需的GPU,2026年Meta的资本支出预算已达到惊人的1450亿美元。 这笔天文数字让不少投资人担忧Meta会成为“只花钱不赚钱”的无底洞。如今Meta选择成立云端业务,将自己暂时用不到的算力化为商品出售,无疑给投资人注入了一剂强心针。 Meta的强势插旗,意味着它将直接杀入竞争激烈、强敌环伺的云端巨头战场,直接与亚马逊、微软、Google以及科技新贵CoreWeave等老牌与新兴劲旅展开厮杀。近年靠着AI算力短缺而迅速崛起的新兴云端公司首当其冲,两大指标企业CoreWeave与Nebius Group周三股价双双惨遭血洗,分别暴跌13%与15%。 对Meta而言,这也是其扭转AI战局的关键一步。尽管已投入巨资,Meta发展AI的步伐仍被外界认为有些颠簸。如今,在自家AI技术无法称霸市场之际,灵活变通改以“算力房东”的姿态从基础建设上获利,显然已经成功赢得了华尔街的掌声。

Wenxuecity Jul 1, 2026

“时间旅行者”现身 !美国男子自称去了2118年

一名自称曾参与美国中央情报局(CIA)秘密实验的美国男子,近日再次引发网络热议。据当地时间7月1日的消息称,他在一段重新受到关注的视频中声称,自己曾通过一项绝密时间旅行计划被送往2118年,不仅亲眼见到了未来世界,还了解了人类科技发展的方向。这番说法迅速在社交媒体上传播,也引发了大量质疑和争论。 这名男子自称亚历山大·史密斯(Alexander Smith)。他表示,自己年轻时参与了CIA一项高度保密的实验计划,该计划利用先进技术实现时间旅行,而他被选中前往2118年执行任务。 他称,由于项目涉及国家机密,多年来一直无法公开自己的经历,直到近年才决定站出来讲述这段往事。 在视频中,史密斯描述了自己眼中的未来世界。他称,2118年的城市已经发生巨大变化,到处都是外形流畅的高科技建筑,许多建筑能够自行调节温度和能源消耗,交通工具大量采用自动驾驶技术,人工智能几乎融入了人们生活的每一个角落。他还表示,未来社会的医疗水平远超今天,许多目前仍难以治愈的疾病已经能够得到有效治疗。 为了证明自己的说法,史密斯展示了一张据称拍摄于未来的照片。他表示,这张照片记录的是一座未来城市,不过由于时间旅行设备对电子设备造成影响,照片显得十分模糊,只能隐约看到几栋造型奇特的建筑。 当然,这张照片并没有提供更多可供验证的信息,因此并未被外界视为有力证据。 除了描述未来科技,他还谈到了人工智能的发展。他认为,未来人工智能将成为人类生活的重要伙伴,承担大量复杂工作,但并不会完全取代人类,而是更多承担辅助角色。他还预测,人类将在能源利用、环境治理等领域取得重大突破,生活方式将发生深刻变化。 不少网友对史密斯的说法表现出浓厚兴趣,但也有人认为他的描述更像是科幻电影中的情节。一些支持者认为,现代科技发展速度惊人,过去许多看似不可思议的设想如今都已成为现实,因此不能轻易否定所有关于未来的设想。但更多人则指出,他始终没有拿出能够独立验证其经历的证据,其展示的所谓未来照片也无法证明真实性,因此这些说法缺乏可信依据。 目前没有任何公开资料能够证明CIA曾开展过他所描述的时间旅行实验。虽然美国政府近年来陆续公开了一些冷战时期的机密档案,其中包括遥视、心理学实验等项目,但从未有官方文件证实已经成功实现人类时间旅行。科学界主流观点同样认为,根据现有物理学理论,人类尚不具备进行这种时间旅行的技术条件。

Wenxuecity Jul 1, 2026

中国推出成人全尺寸超仿生机器人 订单火爆 售价是…

科幻电影中的“赛博恋人”正式走入现实,二次元中的动漫形象、人们梦想中的完美伴侣都将实现1:1等身真人复刻。6月30日,中国人形机械人龙头优必选(UBTECH)在深圳召开2026年度全球发布会,正式推出全新消费级品牌“优世界(UWORLD)”,并发表全球首款专攻家庭情感陪伴、成人限定的全尺寸超仿生人形机械人U1系列。截止当日发布会,线上线下全渠道订单量已突破13361台。 优必选董事会主席兼CEO周剑在现场表示,去年公司全尺寸人形机械人全年交付量仅1079台,而U1今天的订单量已超过去年的10倍,公司将“加倍努力加油干”,力争在今年12月31日前完成这1万多台机械人的全部交付。 俊男美女外貌“毛孔”都可私人订制 与以往“进工厂拧螺丝”的钢铁机械人形象截然不同,U1系列完全锁定单身独居青年、二次元与动漫文化爱好者。现场展出了50多款不同外观、体态的超仿生机械人。其中,男款“凌夜”(身高183cm、重42kg)主打硬朗下腭线与深邃侧颜的霸总风格;女款“小优”(身高168cm、重35.2kg)则展现优雅与灵动。 该系列支持高度的“多维度外观与性格定制”,通过矩阵式三维扫描系统,消费者甚至可以1:1复制明星、动漫二次元角色,或是自己。优世界总经理谭旻透露,机械人的头发是与全球最大的头发制造商鲁贝卡(Rebecca)合作,皮肤则采用独创的仿真油性材料与凝胶,经过10次以上精密上色,不仅能看清毛孔、指纹与微血管,还带有丰盈的弹性。 +3 价格曝光最高99万 破“恐怖谷效应”没电也能维持“体面姿势” 发布会上最受市场关注的“最终定价”也正式揭晓。U1Lite为入门半身版,售价11.98万元人民币,无下肢,专攻案头陪伴或前台接待。U1Pro是全身性能版,售价为16.98万元人民币,配备88个自由度关节与“养成系情感大模型”。U1 Ultra则为顶配高动态版,男款售价99万元人民币,女款售价88万元人民币。 据悉,Ultra版配备高达2070Tops的顶尖算力,支持全栈式开放开发,女款还能精准复刻真人“走猫步”等高难度动态舞蹈。 此外,U1内置长期陪伴情感大模型,能识别20多种人类细微情绪,准确率超90%。还具备“跨时空记忆体”,能主动关怀用户,譬如当主人加班回家能够主动问候并调节空调。 优必选发布仿生机械人。(香港01 杨凯力) 优必选发布仿生机械人。(香港01 杨凯力) 针对大众最担心的“恐怖谷效应”,比如语音与嘴型不同步造成的惊悚感等问题,优必选强调其语音与唇型对齐延迟控制在20毫秒内。机械人还首创“全时自锁仿生颈椎”,当机械人完全没电时,头部不会惊悚地突然垂下,而是会像人类一样优雅地固定,维持体面姿态。 针对用户极度敏感的私密隐私问题,官方强调U1设置了三层隐私架构,数据在机械人“端侧”就能实现闭环加密,绝不上传云端用于AI训练。7月15日,优必选将上线互动APP,并于9月16日正式开启首批快递交付。 优必选发布仿生机械人U1系列,价格为11万至99万。(香港01 杨凯力) 优必选6月30日举行仿生机械人U1系列发布大会,CEO周剑表示“要重新定义机械人时代”。(香港01 杨凯力) 对于这次发布,优必选CEO周剑表示,“这次轮到我们中国人来定义什么叫人形机械人了。”同时,他还暗呛欧美的机械人大厂“不断在做Demo甚至跳票”。他指出,人形机械人是一场高于工业革命的浪潮,将彻底重塑全球地缘政治与经济结构。

Wenxuecity Jul 1, 2026

月入3万,时代的红利开始砸向了文科生

原本已无路可走的文科生,正在变得炙手可热。 一年前,张雪峰在高考志愿填报期间直言不讳:“对于文科生而言,如果不考公,那么体制外就业方向‘大多就是做销售’。” 言外之意明显,留给文科生的路,不多了。 一年过去,留给文科生的路,似乎骤然变宽变多了。 这个夏天,“AI大厂月薪3万疯抢文科生”的话题不止一次占据热搜榜首。有数据称,部分头部AI企业文科岗位占比从5%提升至30%,月薪两万起步。部分顶级AI公司则以百万年薪,招揽社科、文学人才。 英伟达CEO黄仁勋极力看好AI时代的英语专业学生。360集团创始人周鸿祎更为直接地暗示,AI时代,文科生比理科生更具优势。 文科生在AI时代具有怎样的优势,真能活得更好吗?理科生又会面临怎样的机遇与挑战? 在这个大学毕业和高考填报的重要节点,我们与三位不同背景的女性聊了聊,其中有对AI一窍不通的文科生,有毕业在即的高校学生,也有工作十年的理科程序员。 过去一年里,她们都深入了解过被AI带火的一人公司,试图靠一人、一台电脑、几个AI工具,找到一份赚钱的出路,改变人生。 她们和许多普通人一样,面临着求职、生育、年龄、技术等压力。在AI的助力下,有人赚钱,有人亏钱,但最后,几乎每个人都发现,最终赚钱的还是人的经验、人的判断,信息差反而因为 AI 被削平。 每一次工具革命,改变的从来不只是效率,也映照着人的处境。但工具只是工具,不必恐惧它的进化,也无需神化它的力量。在越来越焦虑的高考和就业季,不妨听听亲历者们的讲述。 小熊 取代我的不是AI,是生育困境 写了10年代码,我从没想过创业。 我是理科生,三十出头,一直从事系统后端开发,积极拥抱AI浪潮。当很多人担心自己会被AI取代时,我不以为意,认定与我无关。 两年前我离职寻求发展时,完全没有预料到,自己求职路上最大的阻碍不是AI,而是生育。 两三个月内,我面试了近20家公司,技术面几乎全过。可在三四轮面试中,一个隐形的门槛拦住了我。 “你都30岁了,结婚了吗?要孩子吗?打算什么时候要?”我如实回答已婚未育,结果显而易见。 七八家公司走到终面,全部卡在这里,这是我始料未及的。那段时间我在等通知、做面试、被拒绝、投简历间来回打转,十分疲惫。我想不明白,为什么能力、技术也解决不了一些问题?但当求职无门,我必须尽快换条出路。 小熊 此前,我工作安稳,收入优渥,从未把创业当作人生的选项。随着AI兴起,我判断它仍会快速发展,认为可以借由AI这个风口,以最低的成本去搭建一个属于自己的产品矩阵。 一人公司,成为我在被动中的主动出击。起初,我参考了国外知名一人公司创业者Pieter Levels的创业模式,他运营了超过40家初创公司,产出70多个项目,失败率95%。尽管如此,他仅有的4款持续盈利产品,却为其带来高达25万美元的月收入。 以大量试错、少数成功为导向,在花费2个月时间,用AI做出第一个产品后,我开始以每月一个的频率,快速上架产品。我的灵感来源十分广泛,平时遇到问题随手记下,作下一个产品的需求来源。如果它小而美,我会优先做出来。如果它的体量比较大,我可能不会马上去做。 日剧《无能之鹰》 创业后,我的思维变了。以前我在职场,做被安排好的活,最多用AI的搜搜资料、聊聊天。现在我遇到问题,第一反应是:AI能不能帮我做? 以自媒体运营为例,以前,一个3分钟的视频口播,我要提前两天开始背词,即便如此,录的过程中也会卡壳、忘词,剪辑也很麻烦。好用的提词器大多收费,我不如自己做一个。 几天开发,一周上架,我用AI生成了一个提词器,输入文字后,它会自动显示字数和时长,辅助控制视频节奏。关键是它完全免费。许多陌生的视频创业者因此受益我,还有人非要请我喝奶茶。 一杯奶茶,这是我的第一笔AI收入。它不大,和我小小的初心刚好适配:我希望我做的每一个小产品,都用AI以小撬大,给生活带来便利。 更何况,小产品有时也能解决大的痛点。 我做的一款AI医疗产品,就完全改变了我的家庭。起因是去年11月,我接到母亲电话,被告知父亲突然病倒了。 父亲脑梗,并错过黄金治疗期。听到的那一刻,我懵了。父母在我心中一直身体非常好,我从没想过会有这一天。母亲的声音焦急、颤抖,她记不住医生的话,也不知道该问什么,甚至还觉得医生是吓他们的。 我知道,她是想让我放心,但我不放心。 我立刻用AI查询脑梗成因、治疗方式,同时让母亲把电话给医生,由我直接沟通。放下电话,我快速收拾东西,从上海飞回老家。 好在后续的恢复还算不错,父亲很快出院,我也返回上海。回到上海后,不到一个月,我用AI做了一个就医专用的智能识别APP。 我对前端并不了解,只是将需求描述出来,所有让使用者看到和操作的部分,都由AI生成。为了方便中老年使用,界面就两个按钮,录音、拍照,点一下就工作;母亲拍照不清楚,AI也能识别出来;识别出医疗信息后,AI实时分析并反馈建议,让父母看到,就像我在身边一样;通过家庭共享,我也能实时看到资料。 一开始,我的母亲并不想用,但很快她就习惯了就医时按一下、拍一下。 三个月后,他们按照AI提示,如期复诊。我也松了一口气。 小熊用AI设计的《家医备忘录》页面 有一天,我在地铁里看到了某大厂AI医疗工具铺天盖地的巨幅广告,很快,它的推广占领了我的朋友圈。 我心想:完了,我跟大厂撞品了。我赶紧下载,点进去的那一刻立马放心了。 那个APP功能多、页面复杂、内容垂直,做的是健康建议,更多面向年轻人。这是大厂的优势,却也是我的机会。我的APP并不宏大,看起来功能很少,但它只做一件事,就是让父母在医生面前时,有一个用得趁手的工具,可以依靠,不用慌神。 去年我做了七八个产品,收入1万出头,不多。其中,AI产品收入仅占220元,其余来自我为企业提供的AI咨询。在看过我用AI辅助口播的视频后,很多企业找到我,想用我的判断和经验,推动他们的AI项目落地。为此,我也调整了策略,转为外包、咨询、自研产品并驾齐驱,其中咨询占利润大头。 一人公司,意味着什么活都得自己做。刚开始时,我每天两眼一睁就是干,经常熬到半夜一两点。现在,我已经将创业经验规律化了,不再熬夜。况且,依靠AI后,对于完全不了解的财税、法务等工作,我也能很轻松就做了,要求不高,及格就好。 现在,我每天在各种AI工具中切换,与此同时,AI的迭代也是换了一轮又一轮,但对于普通人而言,值钱的不是工具,是判断。 判断、决策、审美,这些事情AI还做不了。AI是外壳,人才是本心。 我想起当初决定建立一人公司,作出决定的那一刻,我陡然生出一丝使命感。 我仿佛一位90年代下海经商的淘金者,蓄势待发。不管能不能成,我都要先做出来。 小鹅 在毕业前,找一条新出路 我是一名00后艺术生,今年研三,学的是创意设计。这个时间,同学们都在考公、考编、进大厂,但我没有上过一天班。 有人问我为什么不进入职场?说实话,不太适合我。此前,在一些团队项目中,我对职场略有体会:有时,干活处理的不是事,而是人。你要反复开会、沟通、协调人际关系,最后想做的事可能被改得面目全非。相较之下,我更想从0到1,独立产出。 为此,我尝试过首饰、滑雪服品牌的独立设计,当时还不会使用AI。一个人做项目也有孤独和信息不足的时候,我时常担心自己是在闭门造车。 改变出现在去年8月。朋友拉我去参加了一个AI的线下活动,我第一次知道,原来大家的想法有这么多,AI能做到这么多事。一些AI的设计外包陆续找到我,我开始了解这个领域正在发生什么。 小鹅(左二)参加AI活动并获奖 自然而然地,我从自学起步,逐渐进入“一个人+AI”的创业模式。去年年底,我在杭州创办了一人公司,从事AI硬件产品开发。公司老板是我,员工是我,产品也与我的需求有关。 我有ADHD,注意力容易分散,每次任务多、时间紧就喜欢拖延,最难的永远是跨出第一步。公司的第一个产品,专治拖延症。 我做了一个AI打印桌宠,将用户设定为皇上,上班就是上朝,工作等于批奏折,把枯燥的日程变成游戏化的体验。而大臣呢?自然就是AI了。 大臣的载体是一个放置在桌上的3D打印玩偶“呱呱”,背后接入OpenClaw。你跟它说话,它能听懂、执行、同步,不用你再打开电脑记一遍;你随手记下的事,AI自动梳理,形成计划清单,通过玩偶打印出任务条,清晰、可视化。 每次从“呱呱”嘴里撕下任务清单,我觉得自己就是皇上,正在颁布圣旨,而“呱呱”就是我的任务搭子。每天有个搭子陪我做一样的事,对我来说还是挺重要的。 AI桌宠“呱呱” 陪伴,这是我希望用AI做到的事。 AI像我的小伙伴,也是我的军师。我的思维发散,它帮我梳理逻辑;思路多变,它帮我精简;创意天马行空,它帮我执行。 有些人觉得AI让人与人之间变得冷漠,我不认同。创办一人公司后,我反而更了解他人的需求。这也是我对AI的认知:AI的陪伴不是替代人,而是让人与人之间的关系更紧密。 你问我做这件事快乐吗?快乐,但创造的过程并不轻松。产品、设计、沟通、测试……很多环节都要我去处理。忙起来时,我经常从早上9点到晚上1点都泡在公司里,靠咖啡提神。 我的工位上放着3台电脑,左边用于产品设计,右边用于品牌视觉,中间主要用作数字艺术创作。三台电脑同时工作,眼睛一闭一睁就是干,是我的常态。 工作中的小鹅 龙虾AI替我干了很多活。临近毕业,学校方面有各种各样的材料需要填写,其中大多重复,一些流程也需反复处理,龙虾自己就完成了。 业务上,许多方案、风格图片等借助AI快速生成,供客户自主挑选,而我则把更多时间留给判断、决策和创意打磨上。使用AI辅助后,项目节奏推进特别快,有些过去耗时两三个月,现在半个月就可以交付。 客户知道我使用AI交付,他们不介意,主要看结果。况且,就算是同一个AI工具,不同的人用它创造的价值也是天差地别。 不过,公司目前处于投入大于产出的阶段。AI硬件创业开发成本高,目前盈利集中在设计外包、咨询板块,收入也都用到了产品迭代上。 小鹅 技术发展日新月异,我当然也有压力,但更多是兴奋,它为我这样愿意学习、尝试的人,提供了新的机会。 对于我们这一代人来说,AI或许能让想法更快地被看见、被验证,但不可替代的还是人的品味、判断和表达。无论技术怎么变化,这些能力仍是我想长期练习的部分。 如果有一天所有的AI工具突然消失了,我想我的公司还是可以运转,因为我还在。 郭郭 0经验,也能靠AI挣钱 我是纯文科背景,一行代码都不会看。今年以前,AI对于我的用途,仅限于一问一答。 但现在,AI每天都帮我干活。没有任何产品和技术经验,我只是把需求发给AI,让它以产品经理的身份整理,形成其他AI能听懂的描述,再将指令转发,让几个AI 互相配合工作。年初,AI们帮我做出了第一个虚拟产品,一周就卖出300多单,收入3000多元。 听着很爽对吧?连我自己也没想到,有一天能独立靠AI挣钱。 毕竟过去在职场中,我一直都是被挑选的那个人。 从出版系毕业后,我进入传统出版行业,也当过教培行业新媒体编辑,一直和内容死磕,后追着高收入进了直播行业,从事运营工作。回头看,我的每次转行都踩在行业发展的尾巴上,刚站稳,风就停了,始终被就业压力推着走。 日剧《重启人生》 这一压力在2023年做直播运营时达到顶峰。我每天早上八点坐到工位,一直干到晚上九十点,中间很少休息。公司氛围也让人窒息,领导很强势,拍桌子、骂人,从早到晚,搞得每个人压力都很大,仿佛一天十二个小时,都有人在背后拿着鞭子抽你干活。 当时我32岁了,很难忍受这种PUA。我很痛苦,但无法改变环境,只好离开。为此,我甚至结束多年北漂,搬到成都,一心逃离过去的生活。 裸辞后,我尝试做过一年的自媒体博主,以接不到广告、挣不到钱告终。那段时间我特别灰心,觉得自己每一条路都走不通。 一切的改变起于偶然。 我在北京有位前同事,她私底下在做一人公司,我们并不认识。这些年,我看着她从兼职到全职,从学AI到教别人用AI,收入变成上班时的5倍。而我正处于对技术变革的焦虑中,AI一天一个样,可我两年没工作了。我很怕自己和社会脱节。 日剧《徒步7分》 从她更新的资讯中,我第一次听到了“虚拟产品”这个词。在我看来,只要不涉及实物发货的东西,都可以称为虚拟产品,如面试题库、婴儿取名、课件PPT、心理测试等等。以前这些靠人们“手搓”,费时、费力、有门槛。AI普及后,生成一个产品的速度和成本都下降了,有的连专业门槛都被拆了。 最让我印象深刻的是一个知识库产品,定价99元,卖了一年多,销量竟有几十万份!如此高利润却几乎0成本,完全由AI生成。 我心动了,而契机来得恰到好处。 今年元旦前后,我想找一个目标规划类APP,做新一年的规划和打卡,为此购入的2款产品,用起来都不顺手。市面上的年度规划工具,功能全、操作多,需要想好一整年的计划才好填写。但对于我这个迷茫的人来说,哪有什么规划?能随手记下一些事情、打打卡,就已经不错了。 在社交平台上搜了一圈后,我发现许多人的需求和我类似,“有没有简单点的?”“我就想记几个小目标”……这个需求很简单,却没有一个工具满足。 或许,我应该自己试一试?我看到了机会。 14天,纯对话,我让AI把打卡工具做了出来。这在以前无法想象,一个零技术背景的文科生,靠打字、对话,就能让AI做出一个能卖的东西。当然这中间也踩了不少坑。 创业前,我以为最大的问题是看不懂代码。真正做了才发现,是AI听不懂人说话。我没有产品和技术经验,自己无法制作,只能把需求描述给AI,让AI去执行。 由于我的描述并不专业,AI看不懂也无法理解,便自由发挥,胡乱生成许多我不想要的功能,我又没有能力介入修改,只得反复描述。那段时间,看着做出来的东西没一个满意的,我挺崩溃的。 日剧《重启人生》 时值“龙虾”大火,许多人给它赋予不同的职场身份优化工作流。我用不到龙虾,却因此获得灵感:把需求发给平时聊天用的AI,让它以产品经理的身份输出,我再转述给其他AI工具,做出来的产品又经由不同AI去检查问题、改正。就这样,互相协作的AI们,自行给我生成了一个符合需求的产品。 做是做出来了,可问题是,它真的能卖吗? 上架的第一周,我被浇了一瓢冷水,个位数的销量,甚至还没有9.9元的定价高。“行吧,又要失败了,反正我的能力一直都很一般。”我有些破罐破摔。 转折发生在马年春节前后。 当时,我和丈夫回到公婆家中筹备新年,订单陆续增加,我并没有多想。春节前三四天,每天起床手机就一直响,我打开后台一看:爆单了。订单飞一样地涌入,我手忙脚乱,却非常兴奋。 我清楚地记得,那几天全家人在外面大扫除、备年货,我一直都待在卧室里,回复消息、处理订单。即便到了除夕夜,凌晨12点全家下楼放烟花,我还关在卧室里干活。 那一周我卖出300多单,相当于别人半个月的销量,这给了我极大的信心。即便后来有人复制我的产品、笔记用于售卖,这在虚拟产品中很常见,但我也没太当回事。我知道,这个产品只是我能做的其中之一,而我的灵感和判断,别人或AI都无法复制。 很快,我的第二个AI产品即将上架。现在,我每个月大概有两三千的收入,而最大的支出则是关于AI的学习支出,用于购买资料、课程和AI工具等,基本都被卖AI产品的利润覆盖了。 离开高压环境后,我的生活变得松弛。不用再回到职场,自己做些创业,就是我近期想要的,再远的就想不到了。 日剧《重启人生》 我时常想起裸辞后的第一年,很悠闲却很痛苦。从小我就按部就班地学习,一路从新疆考到北京,一直待在轨道上。辞职后轨道没了,我不知道还能往哪去。那时我特别迷茫:我能做什么?该做什么?会被AI取代吗?未来会怎样?想了一圈,脑海里全是空的。 现在有答案了,我还能做很多东西。 当然,前提是有AI,它能帮我做出来。不过,“做什么”和“为谁做”,还得我来判断。 好在,作为一个做了这么多年内容的文科生,我对人的敏感,AI比不了。

Wenxuecity Jul 1, 2026

福特汽车引进AI不似预期 请350名资深工程师回巢

Ford Replaced 350 Employees With AI. Then Immediately Had To Rehire Them: https://t.co/sczggKKOwa — Flyin18T Motorsports (@Flyin18T) July 1, 2026 美国车企福特(Ford)近日表示,由于AI无法媲美人类工程师的技能与经验,该公司已重新聘回部分人类工程师。福特原计划运用AI降低成本并提高生产力,但又承认AI不够可靠,已重新聘请逾350名资深品质检查员,以弥补自动化系统的缺陷。 综合英国广播公司(BBC)和《卫报》报道,福特首席执行官法利(Jim Farley)2025年6月在接受专访时表示,“AI将使许多白领人士被淘汰。”首席营运总监加尔霍特拉(Kumar Galhotra)则在10月的财报电话会议上透露,公司“正在整个工业系统中部署AI”。 加尔霍特拉告诉投资者,这包括在其工厂部署900个AI摄影机,“以从源头检测品质问题,并帮助我们减少供应中断。” 然而,车辆硬件工程副总裁查理斯潘(Charles Poon)近日向媒体表示,公司的AI驱动检测未能达到预期效果,称“我们错误地认为,只要引入AI并吸收我们现有的设计要求,就能生产出高品质的产品。” 查理斯潘表示:“AI是一个非常棒的工具,但它的效用取决于你用来训练它的资讯质量,过去数年,我们没有像应该的那样重视那些与我们一起经历了多个产品周期的最资深工程师的经验。 据报道,潘指出,自动化工具缺乏资深技术人员的培训和专业知识。他说,许多资深技术人员在公司能够利用他们的知识改进AI技术之前就已经离职。 他表示,这些员工现在已经重新加入公司,负责培训系统并指导年轻员工。 “我们意识到,为了提升我们的一些自动化、机器学习和人工智能工具,我们需要确保它们由经验最丰富的人员进行培训。”

Wenxuecity Jul 1, 2026

“AI马克思主义”:中国如何应对人工智能革命

中国的一家实验室最近推出了一款有着惊人的强大性能和低廉价格的人工智能模型。由智谱AI开发的GLM-5.2在性能上几乎可以媲美Anthropic的最新模型,但运行成本却不到其十分之一。 美中之间的人工智能竞赛一直受到两国政府最高层的高度关注。 然而,开发出最强大的模型并不是衡量人工智能成功的唯一方式,甚至可能不是最好的方式。今天,我想谈谈一个较少受到关注、但中国很可能占据优势的领域:管理人工智能革命所带来的社会与政治影响。 去年在上海举办的一场人工智能大会上展出的机器人。 无人驾驶出租车与AI马克思主义 要说有什么是中国共产党格外害怕的,那就是躁动不安的无产阶级了。 在全球最大的无人驾驶汽车露天试验场武汉,出租车司机们在两年前首次抱怨无人驾驶出租车车队规模的日益扩大。当时人们递交了请愿书,在社交媒体上建立了标签话题,当地的反对声音不绝于耳。 这引起了相关部门的高度重视,官方迅速采取措施平息了网络上的抗议。但这也引发了对一个同样令西方许多人感到担忧的大问题的重新思考:如何在劳动力市场中避免人工智能对人类的大规模替代,以及随之而来的社会反弹? 中国在工作自动化方面比大多数国家拥有更丰富的经验。其工厂里有超过200万台工业机器人正在工作。无人驾驶快递车在许多城市的街道上穿梭。服务机器人在酒店和餐厅里招待顾客。停车场里的机器人负责为电动汽车更换电池。无人机则忙着配送外卖。 迄今为止,这种影响主要集中在蓝领工人身上。但人工智能主要威胁到的却是大学毕业生。对于一个极其重视社会稳定的管理体制而言,高学历群体在历史上往往更需要稳妥的引导。 这正是为什么中国将自己打造为全球人工智能超级大国的目标已经正式和另一个目标绑定在一起,那就是让普通人始终保持在人工智能经济的核心位置。而在过去一年里,政府已经开始采取更果断的行动来落实这一目标。 通过一个个法庭判例来“解放劳动力” 当官方想要表达其对某件事动了真格时,通常会将其写入五年规划。在当前的五年规划中,中国承诺要“积极应对”人工智能对就业带来的冲击。 我采访了布鲁金斯学会研究中国人工智能政策的专家陈凯欣(Kyle Chan)。他告诉我,中国希望人工智能能够增强人类的能力——也就是说,提高人类在传统和新兴行业中的生产力,而不是取代人类。他表示,在向这种人工智能经济过渡的过程中,官方希望能够缓冲其带来的冲击,以避免引发社会问题。 我的同事凯蒂·埃德蒙森(Catie Edmondson)最近撰文描述了这一现状。人力资源和社会保障部承诺将为“重点行业提供定向就业支持”。一位全国人大代表则呼吁建立一项“AI失业保险”制度,以此作为被转岗工人的安全网。官方也一直在推动职业培训,以帮助劳动者适应以人工智能为中心的工作市场。 中国学者甚至一直在拓展一个他们称为“AI马克思主义”的领域——试图用马克思主义的视角来剖析诸如“在人工智能革命之后,究竟是谁或什么创造了价值?”(是机器?是发明机器的人?还是操作机器的人?)等问题。 或许最引人注目的是,政府正在给企业施加巨大的压力以避免裁员。而那些未能严格执行的企业可能会发现自己被告上法庭。 去年上海人工智能大会上展出的华为计算系统,该系统专为训练和运行大规模人工智能模型而打造。 目前已经出现了几起偏向被辞退员工的受热议判决。今年4月,一家法院裁定,某科技公司在用人工智能软件取代一名员工后将其解雇属于违法行为。这一判决向其他雇主发出了含蓄的警告。 杭州市中级人民法院在一份判词中写道:“人工智能技术的发展本应用于解放劳动、促进就业、造福民生,劳动法允许用人单位承接技术变革进行更新转型,但亦应顾及保障劳动者的合法权益。” 这种做法在实践中将如何运作,以及政府对不合规企业究竟准备采取多么严厉的措施,目前还有待观察。但这些判决凸显出中国在思考这一问题上投入了多少精力。 两种迥异的人工智能愿景 美国正让科技公司在人工智能领域占据主导地位,而硅谷主要专注于一件事:实现能够替代人类的超级智能机器。这是一种特朗普政府似乎广泛赞同、或者至少不打算加以阻止的发展模式。 布鲁金斯学会专家陈凯欣指出,中国的做法则不同。中国正在构想其期望的经济和社会版图,以及人工智能如何能协助实现这一目标。中国追求经济的自给自足,因此正将人工智能植入到每一个行业中——从机器人等时髦的新兴产业到钢铁或水泥等传统的老旧工业——以极大地提升生产力,从而确保自身在战略上不再面临脆弱性。 与此同时,中国追求稳定,因此即便在推进自动化的过程中,它也在思考如何保障人类的就业。 中国对人工智能的愿景是由国家驱动的,旨在实现政府的目标。美国的愿景则是公司主导的——目前来看,像OpenAI这样的公司追求超级智能是为了符合自身的利益,而不是出于美国的某项宏观国家战略。 陈凯欣表示,中国的经验并不是说其他国家应该完全照搬其对待人工智能和就业的具体做法——例如,大多数西方国家根本无法可行地复制中国对科技行业的控制方式。但中国表明,政策制定者对这项技术拥有主动干预的权力。他们能够引导其发展方向,而不是仅仅听任(人工智能对)命运的安排。 人类的选择依然至关重要。这也是为什么我们已经看到两种截然不同的人工智能未来愿景正在现实世界中实时上演。

51.ca News Jun 30, 2026

温哥华租客找房不问中介问AI!越来越依赖

如今在温哥华找房,除了刷网站、看小红书、问朋友,越来越多人还多了一位“租房顾问”——AI。Rentals.ca最新发布的《2026年春季租客偏好调查》显示,人工智能正悄悄改变加拿大人的租房方式。调查涵盖温哥华、多伦多、卡尔加里等主要租赁市场,结果发现,接近三分之一的租客已经开始使用ChatGPT、Gemini等AI工具协助找房。先说一个温哥华人最有共鸣的话题:房租。调查显示,租金负担能力仍然是加拿大租客面临的最大挑战。而在全国主要城市中,温哥华租客的预算依然高居榜首。数据显示,35%的温哥华租客每月租房预算约为2000加元,略高于排名第二的多伦多(33%)。换句话说,在温哥华,一个月两千块租金,如今已经成了不少人的心理预期。面对复杂的租房市场,不少人开始把目光投向AI。调查发现,29%的受访者表示曾使用ChatGPT、Gemini等人工智能工具帮助寻找租房信息。其中73%的人认为这些工具确实有帮助,仅21%的人认为效果不佳。那么大家都拿AI来做什么?最常见的用途包括寻找房源、了解社区环境、比较不同地区租金价格,甚至还有人利用AI解读租约条款、计算预算以及评估自己的负担能力。以前找房可能要打开十几个网页反复对比,现在有人直接把需求丢给AI:“预算2000元、靠近天车站、允许养猫、通勤30分钟以内,有什么推荐?”几秒钟就能得到整理好的建议。当然,最爱用AI的还是25至34岁的年轻租客。不过调查显示,就连65岁以上的长者群体中,也已经有人开始尝试使用AI辅助找房。在AI使用率方面,多伦多以34%位居全国第一,温哥华则以27%紧随其后。除了租金之外,调查还询问了租客最重视哪些公寓配套设施。结果几乎没有悬念——室内洗衣机和烘干机(In-suite Laundry)以压倒性优势排名第一,接近70%的受访者将其列为最重要条件。不少网友调侃,在温哥华找房,“有洗衣机”甚至比“有海景”更有吸引力。排名其后的分别是空调、私人户外空间、停车位以及健身设施。此外,也有部分租客特别看重24小时安保服务。有趣的是,一边是越来越多人用AI找房,另一边,AI在温哥华也引发越来越多争议。今年早些时候,TELUS宣布将在温哥华建设新的AI数据中心,引发部分居民担忧能源消耗及环境影响。上个月已有反AI团体举行示威游行,而本周六温哥华还将再次举行相关抗议活动。无论喜欢还是担忧,AI显然已经逐渐融入日常生活。从写邮件、查资料,到如今帮忙找房子,这位“数字助手”正在成为越来越多温哥华租客的新帮手。至于它到底能不能帮你找到理想中的梦中情房?至少从这份调查来看,不少人已经开始把答案交给AI了。

51.ca News Jun 30, 2026

AI涉嫌"偷听"! Google在加拿大面临集体诉讼! 美国案件已和解!

据 blogTO 6 月 30 日报道,一家加拿大律师事务所正在调查针对 Google 的潜在集体诉讼,背景是美国已出现类似案件并达成和解。6 月 12 日,Consumer Law Group 宣布,正在调查一项针对 Google 的加拿大集体诉讼,指控其通过 Google Assistant 语音识别 AI 应用暗中录制私人对话。此外,该律所还称,Google 未经用户同意或知情,向第三方分享了用户个人信息。Google Assistant 是 Google 推出的语音虚拟助理,预装于 Google Home 音箱、Pixel 手机和 Nest Hub 等设备,也存在于多种智能家居产品、智能电视及部分兼容手机中。其工作方式是录制用户语音指令,并依据网络信息进行回应。图片来源:Tada Images/Shutterstock美国集体诉讼和解案此次加拿大调查,源于 Google 及其母公司 Alphabet Inc. 在美国同意支付 6800 万美元,就类似集体诉讼达成和解。美方指控 Google 在用户未主动激活设备时录音,涉嫌侵犯隐私权并违反了自家隐私政策。Google 否认存在不当行为。美国案的合资格集体成员包括 2016 年 5 月 18 日至 2026 年 3 月 19 日间,在美国购买过 Google 设备的用户。和解范围还包含那些因虚拟助理意外被激活而被录音、并且语音被分享给第三方(包括承包商和广告商)的 Google Assistant 用户。美国用户的索赔程序仍在进行,具体赔偿金额取决于是否符合资格及有效索赔数量,单人可获 2 至 56 美元不等。有意关注本案最新进展的加拿大用户,可通过网上登记获取信息:除 Google 外,Amazon 也因虚拟助理 Alexa 在加拿大面临集体诉讼。该案于 2025 年 7 月提出,指控 Amazon "收集了远超披露范围的用户个人信息",且即使用户尝试删除数据,相关信息也被长期保留。

Wenxuecity Jun 30, 2026

AI股狂飙 半导体爆发 道指创新高 上半年完美收官

美股周二(6月30日)在半导体族群强势带动下全面收高,为2026年上半年及第二季画下亮眼句点。市场持续消化人工智慧(AI)投资前景、美伊局势降温,以及企业获利表现优于预期等利多,道琼工业指数再创历史收盘新高,标普500指数与那斯达克指数同步收涨,上半年皆缴出亮眼成绩单。 道琼工业指数上涨136.46点或0.26%,收报52319.20点,刷新历史收盘纪录;标普500指数上扬58.93点或0.79%,收在7499.36点;以科技股为主的那斯达克指数挺升393.58点或1.52%,收26213.72点;费城半导体指数劲扬537.30点或3.92%,收14246.96点。 AI晶片股再发威 辉达、AMD、台积电ADR同步走强 带动大盘走扬的主力仍是半导体股。AI晶片龙头辉达(NVIDIA)上涨2.6%,超微(AMD)大涨7.7%,英特尔(Intel)也劲扬6%。台积电ADR上涨4.94%。 追踪半导体产业的VanEck Semiconductor ETF(SMH)单日上涨逾3%,今年以来累计涨幅已达82%,持续展现市场对AI晶片需求的高度信心。 华尔街交出亮眼成绩单 罗素2000创35年最佳上半年 CNBC报导,随着周二收盘,华尔街也正式结束2026年上半年与第二季交易。整体来看,道琼工业指数今年前六个月累计上涨8.9%,创下自2021年以来最佳上半年表现;标普500指数上涨9.6%;那斯达克表现最为亮眼,半年涨幅超过12%;以中小型股为主的罗素2000指数更大涨近22%,创下1991年以来最佳上半年表现。 企业财报撑盘 第二季三大指数齐创近年最佳表现 回顾今年市场走势,上半年虽然伴随剧烈震荡,包括美伊冲突推升能源价格、AI投资热潮是否过热等疑虑,都曾引发市场波动,但三大指数仍屡创历史新高。 Orion投资公司投资长霍兰(Tim Holland)表示,今年上半年市场最大的启示,就是企业获利的重要性几乎凌驾一切,除了利率政策之外,财报仍是左右股市最关键的因素。 尤其第二季,美股涨势明显加速。随着市场对AI投资泡沫疑虑降温,加上美伊冲突有望趋于缓和,投资人风险偏好回升,带动主要指数大幅反弹。其中,标普500与那斯达克第二季分别大涨14.9%、21.4%,创下自2020年第二季以来最大单季涨幅;道琼指数也上涨12.9%,为2022年第四季以来最佳季度表现。 下半年聚焦Fed、美伊局势与AI投资热潮 展望下半年,市场仍聚焦美国联准会(Fed)利率政策、美伊局势发展,以及AI投资热潮是否延续。霍兰认为,只要美国与伊朗冲突没有再度升级,本轮多头行情仍有望持续扩大,资金也可能逐渐由高估值的AI概念股,转向估值相对便宜的价值型股票及景气循环股。 他指出,AI基础建设投资依旧是市场关注焦点,但若深入观察今年以来的盘势,除了AI概念股外,价值型股票近期同样表现突出。若利率维持高档,虽可能对高本益比成长股形成压力,却有利于受景气循环带动的产业,预料将成为下半年市场另一波投资主轴。