拍一圈照片，就能生成一个可交互的 3D 世界，已经不是什么新鲜话题了。但问题是如何把一个大世界塞进普通人的手机浏览器里。

就在刚刚，李飞飞旗下 AI 世界模型公司 World Labs 发布并开源了一个最新成果：Spark 2.0。

这个专为网页端设计的动态 3D 高斯点云（3DGS）渲染引擎，让在任何设备的浏览器里流畅运行上亿粒子的超大 3D 场景，开始逐渐成为现实。

为什么把亿级粒子的 3D 世界塞进手机这么难？

你可能听说过「3D Gaussian Splatting」，简称 3DGS。用一句话解释，它是一种把真实场景变成 3D 可交互内容的技术，不用建模，拍一圈照片就能生成。

和传统 3D 建模用三角形面片不同，3DGS 用的是数百万个半透明的彩色椭球体，每一个叫做一个「splat」（泼溅体/斑点）。

每一个 splat 并不是一个简单的点，而是一个有完整「人格」的椭球体。它记录着自己在空间中的位置、三条轴的半径长短、朝向角度、RGB 颜色值，以及透明度。

最关键的是透明度这个属性。它决定了这个 splat 在叠加时对周围的影响权重。如果把单个 splat 的空间密度画出来，你会得到一条高斯曲线：中心最实，向外逐渐虚化，边缘自然消融进背景里。

正是这种「软边界」的叠加方式，让数百万个 splat 堆在一起之后，能呈现出砖墙的颗粒感、树叶的透光感、玻璃的反射，而不是一堆硬边三角形拼出来的塑料质感。

效果好，信息量也大。一个高质量的 3DGS 扫描场景，动辄几千万个 splat，文件体积轻松突破 1 GB。

这就带来了一个棘手的问题：普通手机能流畅渲染的上限大概是 100 万到 500 万个 splat，比动辄 4000 万的高质量扫描差了整整一个数量级。

现有渲染器也没法把多个扫描对象放在同一个场景里正确渲染，要么只能单独渲染一个，要么排序乱掉、对象「贴在」彼此表面上，看起来一团糟。

于是乎，Spark 应运而生。根据官方博客介绍，Spark 最开始是 World Labs 自己用的内部工具。World Labs 需要在网页上展示 3DGS 生成的世界，但市面上的渲染器都有硬伤，有的只能渲染单个对象，有的依赖 WebGPU（很多设备还不支持），有的不支持动态动画。

几番对比下来，他们决定干脆自己造一个。

他们选择的技术底座是 THREE.js，Web 上最流行的 3D 框架，运行在 WebGL2 之上，几乎覆盖所有现代设备。核心渲染逻辑分三步走，先在 GPU 上生成跨对象的全局 splat 列表，再统一按从远到近排序，最后一次性渲染完毕。

「全局排序」听起来平平无奇，实则是让多个 3DGS 对象共存于同一场景、不互相穿模的关键所在。Spark 还在此基础上开放了一套 GPU 处理流水线，用户可以对每个 splat 做重新上色、透明度调整、动态动画等自定义操作，用 GLSL 编写，或者像 Blender 那样连节点图来实现。

1.0 版本解决了多对象渲染的问题，但 4000 万 splat 的场景依然是一道跨不过去的坎。这才有了 Spark 2.0。

让设备永远只渲染「够用」的信息量

Spark 2.0 的核心是三项技术的组合，LoD 细节层级、渐进式流式加载和虚拟内存管理。单独拿出来看，每一项都有先例可循，但三者合力，才撑起了在手机浏览器里流畅渲染亿级 splat 世界的能力。

1. 连续 LoD 树：把好钢用在刀刃上

LoD（Level of Detail）在游戏圈早已是成熟概念。近处的树用几千个三角形，远处的树只留几十个，按需分配，省算力。Unreal Engine 的 Nanite 系统也是这个思路，把三角形细节和视距挂钩，自动缩放。

Spark 2.0 把同样的逻辑搬到了 splat 上，做得更彻底。

离散切换几个版本容易产生画面「跳变」，Spark 的做法是构建一棵完整的「连续 LoD 树」，每个内部节点都是其子节点 splat 融合后的近似版本，层层向上汇聚，最终到达根节点，也就是整个场景最粗粒度的单一 splat。

渲染时，系统根据当前视角在这棵树上动态划一刀，靠近视角的区域取底层细节，远处取高层粗粒度。

整个过程受一个固定的 splat 预算约束，移动端约 50 万，桌面端约 250 万。场景里总共有多少 splat 都无所谓，实际送上 GPU 的数量始终稳定在预算范围内，帧率自然稳了。

在此之上，Spark 还引入了「注视点渲染」（Foveated Rendering），把更多预算集中分配给你正在看的方向，边缘和背后的区域细节自动收窄。这个效果放在 VR 设备上尤其直观，通常需要眼动追踪才能实现，Spark 用固定锥形区域近似模拟，同样奏效。

2. 全新 .RAD 格式：像刷短视频一样「流式」加载

渲染效率的问题解决了，传输效率的问题同样棘手。现有的 3DGS 文件格式有两个：.PLY 和 .SPZ。前者未压缩，10M splat 高达 2.3 GB，虽然可以边下边显示，但体积实在吃不消。

后者用列式存储加 Gzip 压缩，同等数据量压缩到 200-250 MB，代价是必须等整个文件下载完才能显示，因为每个 splat 的属性分散在文件各处，缺了哪一段都拼不出完整内容。

为了鱼和熊掌兼得，Spark 2.0 设计了新格式 .RAD（RADiance fields）。它把 splat 数据切成每块 64K 个 splat 的独立小块，分别压缩，并在文件头中记录所有块的字节偏移位置，支持随机访问任意一块。

第一块永远是整个场景最粗粒度的 64K 个 splat，下载完毕后场景轮廓立刻可见。此后系统根据视角判断哪些区域最需要细化，优先拉取对应的数据块，画面从模糊逐渐推演出细节。3 个并行的 Web Worker 线程在后台同步拉取和解码，你走到哪，细节就跟到哪。

3. GPU 虚拟内存：在有限显存里装下无限空间

流式加载解决了带宽的问题，但 GPU 内存的硬上限依旧是个难啃的骨头。移动端浏览器对显存有严格约束，塞不下整个 4000 万 splat 的场景。

Spark 2.0 借鉴了操作系统的虚拟内存机制来应对这个问题。

系统会在 GPU 上分配一个固定内存池，上限 1600 万个 splat，用一张页表记录哪些 .RAD 数据块当前驻留在 GPU 上。需要渲染某个区

域时调入对应的块，内存满了就按最久未使用的顺序换出旧块。

得益于这一机制，不同来源的 3DGS 场景可以共享同一个内存池。理论上，只要网速跟得上，无数个独立的扫描场景可以无缝拼接成一个无限大的世界。

一行链接，交付世界

Spark 2.0 发布之后，李飞飞也第一时间公开表态，「Spark 2.0 现在可以在任何设备上流畅播放超过 1 亿个 splat 对象，非常荣幸能为基于 Web 的 3DGS 渲染开源生态系统做出贡献。」

她没有着重强调「做到了什么」，而是把重点放在「为开源社区贡献了什么」。这个表述耐人寻味。3DGS 渲染是一个仍在快速演进的领域，单靠一家公司推不动整个生态，开源才是加速这件事的正确姿势。

从已有的落地案例来看，开发者确实在用 Spark 做各种方向的尝试。Webby 奖得主 James C. Kane 独立开发了一款名为 Starspeed 的多人宇宙飞船射击游戏。

整个游戏场景由超过 1 亿个 splat 构建，附带 10 首合成波风格原声音乐，全部通过浏览器以 .RAD 格式流式加载，惊艳的科幻环境可以直接在网页里跑起来。

艺术方向则有 Hugues Bruyère 的《Dormant Memories》。他是互动体验工作室 Dpt. 的联合创始人，这个系列把真实地点的 3D 扫描和想象中的空间并置在一起，做成可探索的交互环境。现实与虚构之间的边界在 splat 颗粒感里变得模糊，倒是意外地切题。

来自 Hololive 空间信息技术部门的藤原龍则用 Spark 渲染了多个大型真实捕获场景，单场景最高达到 4000 万 splat，在智能手机、Quest 和 Vision Pro 上均能流畅运行。

这些来自开发者的多元化尝试，充分证明了 Spark 2.0 在不同设备和应用场景下的强悍实力。但这仅仅是故事的一半。

对于一家致力于打造「AI 世界模型」的公司而言，李飞飞团队的野心绝不止于提供一个开源的渲染工具。如果说 Spark 2.0 解决了「如何流畅观看」的最后一步交付难题，那么如何低门槛地创造这些 3D 内容，才是他们真正的杀手锏。

Spark 和 World Labs 的创作平台 Marble 深度绑定，用一行文字或一张图片在 Marble 里生成 3D 世界，用 Marble Studio 把多个世界拼合成更大的场景，再用 Spark 渲染成可分享的网页体验，这条链路目前已经跑通。

技术进步往往以「强无止境」为最高原则，但有时「够用」或许才是最合适。Spark 2.0 讲的正是这么一个故事。

而让设备在任何时候只渲染「刚好够用」的 splat，这个想法本身并不新鲜，但把它落地到网页端的渲染上，还要同时兼容手机浏览器和 Quest，每一步都是实打实的工程问题。

当 AI 能生成无限大的 3D 世界时，我们用什么载体把它交付给每一个普通人？现在，World Labs 给出的最新答案是一个网页链接。

附上博客地址：

https://www.worldlabs.ai/blog/spark-2.0

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

距离马斯克的「超级应用梦」落地，只剩最后三天。4 月 17 日，XChat 预计正式登陆苹果 App Store，全球同步开放下载。

这绝对不是一次普通的 App 上架。在马斯克那张疯狂且庞大的商业战略棋盘上，XChat 是他豪掷 440 亿美元买下 Twitter、将其暴力更名为 X 之后，又一枚核心、也最不容有失的落子。

他对这一天的期待，可以追溯到 2022 年。

收购 Twitter 之后，马斯克几乎在每个公开场合都会提到微信。他说：「在中国，你基本上是生活在微信里的，因为它对日常生活如此有用。如果我们能在 X 上实现这一点，哪怕只是接近，那都将是巨大的成功。」

马斯克痴迷的不是微信的聊天界面，是它作为数字生活操作系统的地位，支付、通讯、打车、外卖、水电费，全在一个 App 里。如果说收购 Twitter 是拿到了超级应用这场赌局的入场券，那么 XChat，就是他在牌桌上打出的第一张明牌。

顶着马斯克版微信的噱头，XChat 却活成了 Telegram 的模样？

从功能上看，XChat 主打的是隐私优先的独立聊天应用。

注册不需要手机号，直接用 X 账号登录，消息支持阅后即焚、撤回和编辑，群聊最多可容纳 481 人，文件传输上限高达 4GB，跨设备音视频通话全部内置，下载需要 iOS 26.0 或以上版本。

应用层面禁止截图和录屏，试图从源头堵住内容泄露的漏洞，这可能是一些科技圈老板最喜欢的功能，Grok AI 被直接嵌入聊天界面，可以在对话里随时调用，用于总结内容、实时翻译或规划行程。

XChat 的整体定位走的是干净、私密、少打扰的路线，界面剥离了 X 主应用里的信息流、广告和热搜，专门为私密对话留出空间。首发支持 46 种语言，包括简体中文和繁体中文。

带着马斯克极其鲜明的个人烙印，XChat 不仅在定位上大刀阔斧，其项目推进速度更是快得惊人，甚至透出几分激进与狂热。

去年 6 月，马斯克才在 X 上公开预告；到了 12 月，X 员工 Nikita Bier 就已经开始公开为其站台，惊叹团队「在短短三个月内完成加密私信迁移」，并顺脚踩了一下同行：「Facebook 花了三年时间才做到这一点。」

今年 3 月，iOS 版 TestFlight 测试名额开放，先是 1000 人，很快扩到 5000 人，名额在公告发出后短短两小时内被抢光但伴随高关注度而来的，是极其两极分化的口碑。

3 月就拿到 TestFlight 资格的用户 @Nicole_yang88 写道：「整体流畅度非常高，几乎没有卡顿感。界面走的是极简路线，层级清晰、配色克制，观感上确实有点接近 iMessage 的那种干净风格。」她还特别提到，与 X 主应用一键授权登录、账号数据无缝衔接，「完全没有切换应用的割裂感」。

但也有人完全不买账。

测试用户 @ohxiyu 发文：「打开一看，跟 X 私信像素级一样，那为什么要独立出来？私信、请求、骚扰全混在一起，跟现在的 DM 没区别。想找某个人聊天？没有联系人列表，只能翻聊天记录搜。」

更让人摸不着头脑的是私密模式的设计，对方开了阅后即焚，你这边完全没有提示，内容过一会儿就消失了。他说：「Telegram 好歹还弹个通知告诉你。连个菜单都没有。感觉就是把 DM 页面套了个壳扔出来了。」

甚至 XChat 还没正式开放下载，麻烦已经来了。

4 月 11 日预约开放当天，就有用户发出警告：App Store 里同期出现了一款俄语版 XChat，图标和名字与真品高度相似，下载后会要求用户提供信用卡信息和 ID 证明年龄。

博主 @Imlaomao 亲身中招：「不小心输入信用卡信息后，觉得不对，立刻把信用卡都注销了。」他虽然表示没有直接证据证明该 App 一定存在问题，但建议大家「安全第一，小心为好」。

一款把安全隐私刻在脑门上的应用，在发布首日就得靠用户自己去甄别李逵和李鬼。这个充满戏剧性的开局，很难说不是对 XChat 未来命运的一个隐喻。

所谓「比特币级加密」，只是文字游戏？

在 XChat 的所有宣传话术里，「比特币式加密（Bitcoin-style encryption）」无疑是最抓眼球的字眼。深谙流量密码的马斯克，用这个偏极客词汇，成功让无数人脑补出了一幅赛博朋克式的画面：聊天记录上链、去中心化存储。

理想很丰满，现实很骨感。

根据英伟达安全开发人员 Matthew Garrett 对 XChat 早期版本的技术分析，XChat 的消息加密层采用了 libsodium 的 box 加密方案。这套方案本身经过广泛审计，算得上扎实。但有一点马斯克没有说清楚：libsodium 的核心是 C 语言写的，X 调用的正是 C 语言版本，并非他对外宣称的「全新 Rust 架构」。

密钥管理方面，XChat 采用了开源协议 Juicebox——这套协议有独立白皮书，并非 X 自研。它的设计思路是：将你的私钥加密后分片，存储在 X 公司控制的多台服务器上。换新设备时，你输入一个 4 位数 PIN 码，系统从服务器检索分片、重组密钥，聊天记录全部恢复。

问题在于，X 目前使用的三个后端域名均在 x.com 之下，推测均由 Twitter 直接控制。Juicebox 协议本身支持引入独立第三方后端以分散信任，但 Garrett 在分析时未发现 X 有这方面的实质部署。

更致命的一点在于，XChat 的协议缺乏「前向保密性（Forward Secrecy）」。这意味着，如果某一天你的静态密钥被攻破，无论是设备被盗、密钥被收缴，还是服务器端组装解密，你过去所有的聊天记录都会在瞬间全部可读。

Signal 的「Double Ratchet」算法可以确保即使一次通讯密钥泄露，历史记录依然安全。XChat 没有这个机制。

此外，通过查询苹果 App Store 官方披露的隐私标签，网友发现 XChat 保留了收集并与用户身份关联的数据权利，涵盖联系人信息、通讯内容、使用数据、诊断数据以及用户 ID。与此对照的是，Signal 仅收集注册必需的极少量联系人信息，且从不与个体身份关联。

更深的问题在于元数据。XChat 可能加密了你发送的文字和图片本身，但 X 平台在后台完整记录的是：你在和谁聊、聊的频率、最活跃的时间段、传输文件的大小。

在当代数据经济里，元数据的商业价值往往高于内容本身。这些行为轨迹可以反哺 X 主站的广告引擎，也是训练 Grok AI 的绝佳语料。简言之，聊天内容加密、行为数据裸奔，成了 XChat 最大的隐私悖论。

醉翁之意不在酒，马斯克的超级应用野心

理解 XChat 的野心，得先理解马斯克真正想做什么。他如此大费周章，想要的绝对不是一个仅仅用来聊天的工具，而是一个让用户把日常生活都装进去的「超级应用」，既是你和朋友说话的地方，也是你转账、买东西的地方。

按照这个逻辑，XChat 只是第一步。它要和即将上线的 X Money 支付系统深度绑定，让用户在发消息的同时就能完成跨国汇款和日常转账，把「社交+支付」的商业闭环彻底打通。

不过，障碍在于监管。

美国没有统一的联邦金融汇款牌照，必须在五十个州逐一申请。截至 2026 年初，X Payments LLC 已拿下超 40 个州及华盛顿特区的许可，但北美金融的心脏纽约州，依然对马斯克紧闭大门。

美国纽约州参议员 Brad Hoylman-Sigal 和众议员 Micah Lasher 曾联名向纽约金融服务局递交公开信，措辞严厉，要求拒绝向 X 发放牌照，理由是马斯克「行为严重缺乏品格与一般适合性」。

对于一个志在全美乃至全球的支付网络来说，丢掉纽约州，XChat 内的支付网络就无法覆盖全美最有消费力的人群，更何况，西方用户本就对「把所有鸡蛋放进一个篮子」这件事天然抵触，支付功能再打折扣，这个故事就更难讲下去了。

种种受挫的现实固然让人对「超级应用」的说辞产生怀疑，但只要看透他底层的逻辑，眼下的一切就变得合理起来。

抛开那些关于阅后即焚、加密隐私的极客噱头，目前关于 XChat 最具想象力的传闻，是它将如何与自家的 AI 大模型 Grok 融合。

虽然我们还没法实际上手验证，但如果顺着这个思路展开推演，你会发现，马斯克真正想颠覆的，根本不是聊天体验，而是人机交互的底层逻辑，也就是在 AI 时代做一个超级应用，那应该是什么样子？

微信的超级应用模式可以概括为「入口聚合」：一个 App 把出行、外卖、支付、社保、健康全部塞进来，用户在一个界面里跳转不同的服务。这个模式基本定义了过去十年中国互联网的产品范式。但它的底层逻辑始终是「你来找服务」。你知道你要打车，你点进滴滴的小程序；你知道你要付款，你打开微信支付。

只是，入口聚合，是 App 时代的超级应用答案。AI 调度，可能才是 AI 时代超级应用的版本答案。与其把一百个功能塞给用户，不如让一个 AI 替用户搞定一切。

当然，从目前的爆料信息来看，XChat 离这个愿景还差得远，没有丰富的服务生态做支撑，Grok 就算再聪明，也只能在聊天框里做做翻译和文字总结的苦力活。马斯克的答卷也许潦草、充满争议，但他已经开始交卷了。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

1977 年，乔治·卢卡斯为了拍《星球大战》，专门成立了一家公司，叫工业光魔。

究其原因，当时根本没有任何现成的工具，能实现他脑子里的那些画面。这家公司后来成了好莱坞特效工业的基石。但它能做到的事，在相当长的时间里，只属于有能力养得起它的那些剧组。

镜头语言、音效层次、特效密度，它们共同决定了一部作品的「成片感」，但构建它们需要的资源，把绝大多数创作者挡在了门外。

直到生成式 AI 掀翻了牌桌，这道高墙才第一次真正出现裂缝。

门槛是降了，可 AI 却像个难以驯服的「抽卡盲盒」。极差的「一致性」，成了 AI 视频迈向可用阶段最要命的拦路虎。针对这个问题，由国内生数科技开发的视频生成大模型 Vidu 两年前在业界首创了参考生功能。

角色、场景、服化道，全部可以作为参考输入，AI 在你给定的视觉锚点上展开创作，整套素材库可以复用。最近，APPSO 注意到，Vidu Q3 参考生功能也正式上线。

值得一提的是，今年 1 月，Vidu Q3 发布后登顶了国际权威 AI 基准测试机构 Artificial Analysis 榜单，这份真刀真枪拼出来的榜单成绩，也让后续一系列能力升级有了更厚实的底气。

工业光魔用了几十年，才将「能拍出来」这件事的门槛大幅拉低。如今，Vidu Q3 的野心更大，要给剧组的每一个工种配一个 AI 副手，让每一个创作者，都站在同一条、也是更高的起跑线上。

AI 视频生成的尽头，是把重心还给「讲故事」

如果说 Vidu Q1 是在建立基础的叙事能力，Q2 是让角色开始懂一点「演戏」，那 Q3 的目标就只有一个：让生成的内容直接嵌入制作流程。

为了做到这一点，Q3 参考生在特效、音效、场景三个维度上做了系统性升级。六大特效（粒子、流体、动力学、运镜、转场、光影）、五大音效（环境、动态、氛围、拟音、情绪）、四大场景（漫剧、短剧、影视剧、广告）的创作，全部围绕着一个核心：

让 AI 视频生成真正为剧而生。

这套能力管不管用？我们可以掰开来看看，Vidu Q3 是怎么抠细节的。

漫剧：你只有零点几秒的时间留住观众

漫剧是对特效要求最直接的场景。

受众不在乎画面像不像真实，但对动作戏有没有爽感极为敏感。一刀劈下去没有冲击力，一拳打出去没有震感，观众会直接划走。这个判断发生在零点几秒之内，没有商量余地。

Vidu Q3 的粒子加动力学组合，正好命中这个痛点。

仙侠战场那段，女主角站于山巅，双手结印，暗金粒子从指缝溢出凝聚成旋转符阵，符阵骤然爆裂，神剑破空而来，刀鸣余震持续颤动，镜头随剑飞行轨迹快速跟拍，定格至女主与神剑并肩的全景，粒子余烬在空中缓缓飘散。

这段画面同时调度了粒子特效、运镜跟拍、动力学冲击和光影渲染。

能单独生成这些不算稀奇，关键是这些元素的节奏全部服从叙事逻辑。粒子凝聚的速度、符阵爆裂的时机、镜头跟拍的弧线，都在配合「召唤神剑」这个叙事动作的情绪节拍。

深空战场的机甲对决案例同理。

蓝色等离子重击胸腔，爆炸冲击波以同心圆向外扩散，碎片与金属残骸四射，机甲受损后发出电弧噼啪声与机械嘶鸣。视觉冲击力和音效层次同步爆发，每一层都在推进战斗叙事，而不是随机无脑的感官轰炸。

哪怕下面这个案例中没有大场面，没有冲突爆发，也能全靠氛围撑场子。笔尖声、钢琴旋律、窗外若有若无的风声，互不抢戏。

短剧：情绪是最难造假的东西

如果说漫剧靠特效密度，短剧靠的则是克制。短剧不需要大场面，但每一帧都得言之有物。

宫廷相遇戏里，两人相距不足一步却又各怀心事。镜头以两人为轴心做慢动作环绕，光影在落花与衣袂间流动。画面静，情绪满。这种氛围的成立，七成靠音效，三成靠画面。氛围音赋予场景呼吸感，运镜特效让情绪在视觉层面被放大，两者缺一不可。

雪夜离宫戏则是更明显的案例，镜头极缓推进那只握紧袍袖的手，女主背影越来越小，风雪越来越大，皇子始终立在原处，一步未动，全程没有台词。

即便叙事完全交给了镜头调度和环境音。雪声、风声、脚步声，这些细节构成了场景的「底色」，一旦消失，整场戏的情绪就塌了。由于 Vidu Q3 对氛围音这一层有专门建模，也让生成视频第一次有了真实的空间感。

影视剧：三秒定生死的「质感」从哪来

进入影视剧，质感成了三秒内决定观众去留的关键。而质感，是声音和画面同时对齐的结果。

飙车戏里，黑色改装跑车以极速切入弯道，轮胎与地面摩擦发出刺耳啸声，后视镜中出现追击车灯越来越近，主角踩死油门，发动机轰鸣音调骤然拉高，车身侧滑甩尾，水花在车身两侧炸开。

雨声、发动机声、心跳声，三轨音效交叠。

战场戏的音效设计更说明问题。

炮弹落点极近，冲击波将士兵掀倒在地，落地瞬间声音骤然压低，变成沉闷的耳鸣声，一切慢动作化。随后耳鸣逐渐消退，枪炮声、战友呼喊声与金属碰撞声重新涌入，从压制到爆发，层次感极强。

广告：记住，才是唯一的 KPI

对于商业广告的评判标准，看完之后能否留下记忆点几乎是唯一的标准。

运动员从黑暗中冲出，每一步落地激起地面破碎的动力学特效，混凝土以冲击点为圆心炸裂，碎片向外飞散，鞋底离地瞬间爆发橙色残影光轨。节拍鼓点与特效爆发点精确同步，每次落地等于一个鼓点。

再比如这个香水广告，在极致黑色场景，琥珀色液体超慢动作溢出，金雾粒子向四周飘散。大脑也因此自动补全了「奢侈品现场感」。

一个靠轰炸，一个靠克制，能同时走通这两条路，才是真正意义上的「覆盖宽度够用」。这也是 AI 生成内容过去最难拿捏的地方，因为「分寸感」这东西，你很难用参数来描述它，但你一眼就能看出来有没有。

当然，Vidu Q3 的能力覆盖远不止于此。选择这些主流场景进行验证，正是因为它们对「可交付成品」的要求天差地别，恰恰能印证 Q3 版本的能力宽度。

出片即交付，Vidu Q3 让「够用」变成了「好用」

回头看前面这四个场景。漫剧要爽感，短剧要情绪，影视剧要质感，广告要记忆点，能力走通，只是第一步。接下来的问题是：这套能力，怎么真正进入创作者的工作流？

Vidu Q3 参考生的能力，并没有被锁在单一的产品形态里。

模型层由 Vidu Q3 提供参考生能力与叙事生成的基础，并通过 MaaS（Vidu AI 开放平台，Vidu.API）和 SaaS（Vidu Agent、Vidu Claw）等方式向全球开发者、创作者和企业提供服务。

其中，MaaS 企业服务已做到行业第一，对比同类产品，在合作层面具备多项差异化优势：0 门槛接入、1/3 的行业价格、合理的切镜逻辑、更快的生成速度、提示词调优支持、灵活的工作流适配、配套培训服务，以及高峰期依然流畅的使用体验。

使用邀请码 APPSON3，登录 Vidu.cn 即可快速体验最新的 Q3 参考生功能，同时获赠 500 积分。

无论用哪个入口，调用的都是同一套视觉锚点逻辑和叙事生成能力。

一套素材库，在不同平台、不同工具里反复调用，角色设定不需要为每个环境单独重建一次。以前靠时间和人力堆出来的「风格一致性」，现在变成了一个可以被系统性管理的参数。

这套能力组合最终指向一个再清晰不过的结论：大模型的生产能力，终于真正嵌入了实际内容生产的每个环节。

放到具体场景里就更直观：做漫剧时，以往极难处理的连贯打斗镜头，现在可以轻松生成；做短剧时，角色的微表情不再僵硬如木偶，多了真实可感的情绪与人情味；

做影视后期的声音设计，AI 生成的音轨可以自然融入原有素材；而在广告制作中，画面节奏与音乐节拍的对齐，在模型生成阶段就已自动完成。创作者拿到的初稿，本身就是一份完成度极高的成品。

发现了吗？这些能力，在以前意味着需要特效师、剪辑师、声音设计师等多方频繁沟通、协同作业才能交付。而现在，它们成了 Vidu Q3 最基础的基准输出。

漫剧、短剧、影视剧、广告，这些领域都有着共同的痛点：内容需求巨大、人力成本极高、迭代周期漫长。以前，大家靠堆人力和时间来赶进度；现在，一套清晰的降本增效逻辑正在重新丈量这些行业。

这背后藏着一条关键逻辑。当模型的基准输出直接达到可用级别，协作链条上最耗时、最容易内耗的一环就自然瓦解了：所有人对齐同一个视觉意图，过去被沟通和试错消耗掉的时间，现在可以全部还给创作本身。

我们常说 AI 要落地，什么是真正的落地？不是在社交媒体上拿几十万个点赞，也不是跑分榜单上的第一名。真正的落地只有一个标准：出片即可用，不用反复抽卡，初稿就是成品。

可以说，工业级内容交付的边界，第一次这么真实地向普通创作者和中小团队敞开了。当 Vidu Q3 已经备好了最高规格的视听语言。那接下来的问题，就变得愈发纯粹了：

面对这台轰鸣的工业级引擎，你打算用它，讲一个怎样的故事？

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

我每次翻《天龙八部》，翻到少林寺藏经阁那一段，都要停下来。

萧远山、萧峰父子对上慕容博、慕容复父子，鸠摩智再从旁搅局，三十年的血海深恨搅在一处，眼看就要分出生死。就在这当口，一个枯瘦的扫地僧走了出来。

萧峰的降龙十八掌打在他身上，他虽受内伤吐血，却以浑厚内力生生受之；他举手投足间让慕容博陷入「假死」复又救活，这种生死由心的境界，令在场一众顶尖高手莫不震慑失语。

这一刻，谁强谁弱，答案不言而喻。

AI 圈最近几年，流行把 DeepSeek（深度求索）比作这位老僧。在所有人眼里，AI 赛道的格局早已注定，海外有御三家，国内有大厂和彼时风头正盛的 AI 六小虎，轮不到旁人来置喙。

结果一家做量化交易出身的中国公司，悄没声儿地走出来，用一套从天而降的招法，在各项核心评测上与这帮人正面交手，打得有来有回。

只是，扫地僧出场，是《天龙八部》行将收尾的时刻。他的使命是终结纷争、化解戾气，然后全书走向尾声。可大模型的故事，没有尾声，也没有终章，只有下一回，还有下下一回。

把 DeepSeek 比作扫地僧，是对它过去的最高赞誉，但如果这三个字正在慢慢变成困住它的枷锁，我倒觉得，赞誉和催命符，有时候只在一念之间。

扫地僧是怎么练成的

金庸写扫地僧，从来不正面写他的功夫。他写的是别人的反应，萧峰愣了，慕容复愣了，旁观的人也愣了。高手的境界，要从旁人失语的瞬间才能传递出来。

DeepSeek 的故事，也暗合这个逻辑。

作为杭州的一家对冲基金，外人提到幻方量化，第一反应是期货、是算法交易、是数学天才们盯着屏幕上跳动的数字。这和 AI 大模型，八竿子打不着，却悄悄把一批工程师和研究员聚在一起做大模型。

2023 年 11 月，他们发布首个开源代码大模型 DeepSeek Coder，后续拿出了一个 67B 的语言模型。在官方给出的多项评测中，67B 超过了 LLaMA2 70B，67B Chat 在部分中文和开放式评测中优于 GPT 3.5。只是，圈内少数几个消息灵通的人注意到了，大多数人没注意到。扫地僧还在扫地，少林寺的人都在忙着练少林长拳。

让其开始崭露头角，是 2024 年 5 月 7 日发布的 V2。V2 用的是 MoE（混合专家）架构，总参数 2360 亿，但每次推理实际激活的只有 210 亿。与此同时，V2 首次采用了 MLA（多头潜在注意力）机制，大幅压缩了推理时的显存占用。

两相叠加，让模型在同等效果下，跑得更快，花得更少。用金庸的话来说，这叫以柔克刚，以精妙的内功路数，弥补了真气总量上的不足。

但砸出最大水花的，是定价。V2 的 API 定价，每百万 token 输入 1 元，输出 2 元。GPT-4 Turbo 当时是它的七十倍，Meta 的 Llama3 70B 是它的七倍。一块钱，一百万个 token，大约相当于一本《三国演义》的字数。

这个价格摆出来，让整个国内大模型市场为之色变。当月，字节、阿里、百度、腾讯、讯飞、智谱，一家接一家跳出来宣布降价，最高降幅 97%，部分轻量级模型直接免费开放。

一场持续了大半年的价格战，就这么被 DeepSeek 的一句定价点燃了。那时候，业内给 DeepSeek 送了个外号，价格屠夫。

美国的半导体咨询公司 SemiAnalysis 在那段时间写了一篇分析，说这家公司有可能成为 OpenAI 的对手，也有可能碾压其他开源大模型。当时读到这句话的人，大概有一半觉得是危言耸听。一年多以后回头看，没有人再觉得是危言耸听了。

2024 年末的 V3 和 2025 年初的 R1，则是连续出手的两招，把对手打得目瞪口呆。DeepSeek 用极低的投入，打出了旗鼓相当的效果。

更让人震惊的是参与人数，139 名工程师和研究人员完成了这个项目，而 OpenAI 同期有 1200 名研究人员，Anthropic 有 500 名。Meta 超级智能实验室负责人亚历山大·王后来说了一句被广泛流传的话，当美国人休息时，他们在工作，而且以更便宜、更快、更强的产品追上我们。

紧接着便是是 R1，主打深度推理，数学、代码、逻辑，在相当多的测试维度上与 OpenAI o1 不落下风，训练方法用的是 GRPO 强化学习，靠让模型自己想清楚来提升推理能力。

最要紧的一步是开源。

R1 的开源，被广泛解读为一种慷慨。模型权重、技术论文、训练细节全部公开，全球开发者共享成果。这套叙事里，DeepSeek 是那个敞开藏经阁大门的人，路不拾遗，人人可进。

武功秘籍直接摆桌上，谁想学谁来拿的这一手，也打破了少数几家巨头对前沿模型的垄断，让全球数以万计的中小开发者有了和顶尖模型掰手腕的资格。

金庸写扫地僧，主要抓住几样东西，出身边缘、多年隐匿、一鸣惊人、技法精绝、胸怀坦荡。DeepSeek V2 的价格屠刀、V3 的成本奇迹、R1 的开源普惠，也让人们在 DeepSeek 身上，真真切切地看见了那个老僧的影子。

枷锁，以及枷锁之后

但武侠小说是会结束的，AI 赛道不会。

每次我写 DeepSeek 的文章，底下的评论区都像藏经阁又打了一场架。有人说它安安静静做产品，不收费、不立人设，能用就用，这才是正道。有人说它连国产其他巨头都未必打得过，已经无法搅局。

有人替它抱不平，有人觉得它早就该被淘汰。更有人说，「我们一直以来都没把 DeepSeek 当作优等生，而是当作扫地僧，真心希望它能如我们所愿」，这句话说得又期待，又带着一丝说不清楚的悲凉。

意见如此撕裂，本身就说明了一件事。DeepSeek 所受到的关注，早已超出了一家普通 AI 公司应有的体量。捧它的人把它捧上神坛，骂它的人把它踩进泥里，没有几家公司能在舆论场里同时承受这两种极端。

这篇文章大概也逃不过同样的命运，有人会说这是黑稿，有人会说这是 PR 稿，落个两头不讨好。但这无所谓，舆论从来都是这样，藏经阁里打架，不管谁赢，总有人不服。

说回正题，扫地僧出场那一幕，是《天龙八部》收尾的信号。他出手，纷争平息，故事逐渐走向终章。这个叙事结构，似乎天然就带着一种大结局的气息，英雄横空出世，一招定乾坤，从此江湖太平。

根据《创智记》援引知情人士消息称，按照创始人梁文锋在内部透露的时间，DeepSeek V4 将于四月下旬正式发布。
爽文里的主角，每一章都要有突破，读者翻到下一页，期待的永远是更大的惊喜。

V3 和 R1 用四两拨千斤的逻辑征服了世界，大众于是开始把它当成 DeepSeek 的固定输出，每一次出手都必须让硅谷巨头血溅千里，都必须让英伟达的股价抖一抖。V4 也应当如此。

可在这等待一年多的时间里，外界等得有些躁动，各路声音都出来了，说一拖再拖，是不是黔驴技穷了，扫地僧要不行了？说这话的人认为 DeepSeek 理应每次出手都是奇迹，一旦慢了半拍，便是江郎才尽。

慢，自然有慢的原因。

3 月 29 日，DeepSeek 的服务器崩了将近十三个小时，创下网页端和 App 平台上线以来最长中断纪录。连续的服务事故暴露了 DeepSeek 在运维监控、应急预案和灾备机制上的明显短板，也给整个 AI 行业敲响警钟。

当然，综合各家报道来看，V4 一再推迟的原因，还藏在芯片层面。

V3 和 R1 的成功，一定程度上建立在成熟的英伟达 CUDA 生态上，DeepSeek 的工程师们在工具完备、文档详尽、社区活跃的环境里，把算法效率一点一点榨到了极限，每一步都踩得踏实。

V4 要做的事，是把这套功夫移植到国产 AI 芯片上。工具链还在快速迭代，底层接口和 CUDA 差异巨大，分布式训练框架几乎需要从头重构。

DeepSeek 交出的答卷，如果是在受限条件下做出来的，这让它的每一分成绩，都带着额外的含金量。哪怕梁文锋愿意为这件事多拖几个月，也是一笔非常划算的决策。

至于 V4 本身，《创智记》报道称，技术重心据悉落在了 LTM（长期记忆）能力的突破上，同时将原生多模态从底层融入架构，文字和视觉在预训练阶段就融合在一起。

另一个值得关注的变化，是梁文锋本人的注意力在悄悄转移。尽管在过去的一年里，包括 R1 的核心作者郭达雅在内的部分 DeepSeek 核心骨干陆续离职，不过根据《晚点 LatePost》的观察，DeepSeek 的人才基本盘依然稳固，并未出现大规模的人才流失现象。

进入 2025 年下半年，梁文锋也愈发看重技术的商业落地与产品化进程，积极招募负责 Agent 领域的策略产品经理。与此同时，他正在为公司启动估值，给员工的期权一个明确的锚点，让团队对未来有更清晰的预期。

综合上述种种动向不难得出一个结论：曾经心无旁骛盯着 AGI 的 DeepSeek 也得开始面对一家成熟科技公司必须面对的那些现实：商业闭环、生态建设、可持续的收入来源。

扫地僧可以几十年不问江湖俗事，守着藏经阁一扫到底，一家公司，没有这个选项。

《笑傲江湖》里的令狐冲凭着独孤九剑可以破尽天下武功，但当他真正坐镇恒山派，每天迎来送往，护佑门人，一招鲜远远不够，他需要的是内政、是人心、是香火代代相传的根基。奇招，解决不了日常的柴米油盐。

因此，我们应该主动帮 DeepSeek 卸下「扫地僧」这个名号。这三个字是对过去的最高褒奖，却是对未来的过重负担。即便 V4 发布时没有断崖式的领先，只是一款 LTM 扎实、多模态原生融合、各项指标均衡的水桶机。

从产业的角度看，这依然是巨大的成功，成功在于它或许将证明 DeepSeek 有能力从一个创造奇迹的挑战者，变成一个稳定交付的基础设施提供者。

有意思的是，这件事或许本来就是双向的。《晚点 LatePost》此前的报道里，DeepSeek 对外的沟通姿态明显比以往克制，既没有大张旗鼓地预热，也没有放出足以吊足胃口的技术信号。

这种低调，很难说是无意为之。

他们比任何人都清楚，扫地僧这三个字背后悬着什么。每一次出手若不能再掀翻整张牌桌，舆论的落差就会被无限放大。这是一种预期管理，也是一种自我解绑——他们同样不想再背着这个包袱走下去。

而话说回来，当舆论都在一窝蜂盯着 DeepSeek，却少有人往旁边多看一眼。

这片江湖里，国内每一家 AI 都在苦修内功，押注多模态、Agent 生态、算力布局，也都在各自的赛道上走出了自己的路数。

DeepSeek 固然是那个最让人心跳加速的名字，但把眼光只锁死在它一家身上，未免看窄了这个时代。真正让天龙八部成为天龙八部的，是那一整代人各有来路，各有绝学，彼此激荡，才撑起了那个波澜壮阔的时代。

扫地僧的传说，止于藏经阁那一战，藏经阁外，才是真的江湖。

作者：莫崇宇

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

AI 的时代焦虑，终于以一种极端的方式落到了现实。

凌晨 3 点 45 分，美国旧金山北滩社区。一枚燃烧瓶砸向大门，火苗蹿起，随即熄灭。住在里面的，是全球最具争议的科技公司掌舵人：OpenAI CEO Sam Altman（山姆·奥特曼）。

幸运的是，燃烧瓶弹开了。没有人受伤。一个多小时后，同一名嫌疑人出现在 OpenAI 旧金山总部门口，扬言要烧掉这栋楼。警方随即将其拘押，一名 20 岁的男性。

这条新闻本来可以就这样结束：「AI 公司高管遭遇袭击，嫌疑人落网，暂无人伤亡。」

但奥特曼没有选择沉默。他于一个小时前发了一篇很长的文章。

「这是我家人的照片。他们是我的一切。」开头就是这句话，配了一张他和伴侣、儿子的合照。他解释为什么要公开这张平时刻意藏起来的照片：「希望能让下一个人在冲我家扔燃烧瓶之前三思，无论他们对我有什么看法。」

然后他说，几天前有一篇「针对我的煽动性文章」，有人提醒过他，那篇文章的发布时机，恰逢公众对 AI 极度焦虑的节点，可能让他陷入更危险的处境。他当时没当回事。

「现在我在深夜辗转难眠，怒火中烧，开始意识到自己低估了文字与叙事的力量。」

这是 AI 时代第一次，一位 CEO 在「有人想烧死我」之后，没有选择报警声明加公关稿的标准流程，而是把这种恐惧、愤怒和反思，原原本本地写出来。

他在深夜说了什么

文章分三部分：信念、个人反思、行业思考。

信念部分其实没什么新鲜的。AI 是人类能力的最强扩展工具，必须民主化，权力不能过度集中，社会需要适应机制……这些他说过很多次了。

真正值得停下来读的，是「个人反思」这一段。他说自己「有很多值得骄傲的事，也有不少错误」。

骄傲的是什么？他提到了和马斯克的那场纠纷。

当年马斯克试图对 OpenAI 谋求单方面控制权，奥特曼拒绝了。他说：「我为自己当时守住的那条底线感到自豪，也为我们走出的那条窄路感到自豪，正是那条路让 OpenAI 得以延续。」

不骄傲的是什么？他说自己「回避冲突」，给公司和自己都带来了巨大痛苦。他说在与前任董事会的冲突中「处置失当」，造成了混乱。他说自己是「一个有缺陷的人，身处一个异常复杂的处境」。

对于那些他曾经伤害过的人，他道了歉。

这是这篇文章里最罕见的部分。科技圈的高管道歉，通常要么是 PR 危机后的被迫姿态，要么措辞模糊到没有任何实质性认错。奥特曼这段话说得不算完整，但至少是真实的。

文章最后一部分，他还说他理解过去几年为什么会上演这么多「莎士比亚式戏剧」：「一旦看见 AGI，就再也无法视而不见。它有一种真实的『权力之戒』式动力，会让人做出疯狂之举。」

正如他所理解的那样，成为掌控 AGI 之人这种执念，它能腐蚀任何人。

包括OpenAI 的历史本身就是一部权力争夺的纪录片。马斯克的出走与反目、前董事会的突然解雇风波、微软的深度绑定、Ilya Sutskever 的离开……每一段都牵涉到对「谁掌控 AI 未来」这个问题的不同答案。

奥特曼说，唯一的解法是「把技术向更广泛的人群开放，让任何人都无法独握那枚戒指」。

那名 20 岁的嫌疑人，没有留下任何宣言。

我们不知道他为什么去扔那枚燃烧瓶。是被哪篇文章激怒？是对 AI 夺走工作的恐惧？是某种更私人的偏执？

但这件事本身，代表了一种真实存在的社会情绪。

失业焦虑、技术恐惧、对少数人掌控未来的愤怒，这些情绪在过去两年被 AI 的爆发式发展急剧放大。当 OpenAI 每隔几个月就发布一款能「取代某类工作」的新产品，当 ChatGPT 出现在每个行业的重组报告里，当「你的岗位会被 AI 替代吗」成为刷屏话题，积累下来的东西，总会找到出口。

奥特曼在文章里说，他现在担心的已经不只是「模型对齐」，而是整个社会层面能否及时建立起应对机制。这话听起来像是在为监管松绑找理由，但放在这次事件的语境里，它有另一层意思：

连 AI 公司的 CEO 自己，也开始承认技术的速度已经超出了社会的消化能力。

这不是什么新发现，但由奥特曼在凌晨、在燃烧瓶的余温里说出来，分量就不一样了。过去几年，科技圈惯用的叙事是「我们在解决问题」。监管跟不上？我们自律。就业冲击？我们会创造新岗位。

每一次质疑，都有一套对应的话术。

但燃烧瓶的出现说明，有一部分人的愤怒，已经溢出了「理性讨论」的范围。

暴力当然没有任何正当性。

无论动机如何，向一个熟睡婴儿的家投掷燃烧瓶，都应受到谴责和处罚。虽然警方尚未确认此次袭击是与 AI 反对情绪有关，还是受近期《纽约客》负面报道影响，但这件事本身已折射出 AI 发展带来的社会焦虑正在升温。

那种不安是可以理解的，从没有一项技术像 AI 一样以疯狂的速度改变世界，这种恐惧是真实的。

奥特曼这篇文章，是他少有的一次没有站在「我们在解决问题」的位置上发言。他承认了错误，承认了恐惧，也承认了自己也不完全知道前路在哪里。

人和 AI 应该如何相处，可能是比实现 AGI 更大的难题。

附上 Sam Altman 博客原文：

这是我家人的照片。他们是我的一切。

图像有力量，我希望如此。平时我们都很注重隐私，但这次我选择公开这张照片，希望能让下一个人在冲我家扔燃烧瓶之前三思——无论他们对我有什么看法。

第一个人昨晚凌晨 3 点 45 分这么做了。幸好燃烧瓶弹开了，没有人受伤。

文字同样有力量。几天前有一篇针对我的煽动性文章。昨天有人跟我说，他认为这篇文章发布的时机恰逢公众对 AI 极度焦虑之际，可能会让我陷入更危险的处境。我当时没放在心上。

现在我在深夜辗转难眠，怒火中烧，开始意识到自己低估了文字与叙事的力量。趁这个机会，我想说几件事。

一、我的信念

• 推动全民繁荣、赋能所有人、推进科学与技术的进步，对我来说是道义上的责任。
• AI 将是有史以来最强大的人类能力扩展工具。对这一工具的需求几乎没有上限，人们将用它创造出令人惊叹的成就。世界需要大量的 AI，我们必须想清楚如何实现这一目标。
• 这条路不会一帆风顺。人们对 AI 的恐惧与焦虑是有根据的——我们正在经历人类社会很长时间以来，乃至有史以来最大的变革。安全问题必须做好，这不只是模型对齐的问题——我们迫切需要整个社会层面的应对机制，以抵御新型威胁，包括出台新政策，帮助我们渡过艰难的经济转型期，走向更美好的未来。
• AI 必须实现民主化，权力不能过度集中。未来的掌控权属于所有人及其制度。AI 需要赋能每一个个体，我们需要集体做出关于未来走向与新规则的决策。我认为，由几家 AI 实验室来主导塑造我们未来的最关键决策，是不正确的。
• 适应能力至关重要。我们都在以极快的速度学习全新的事物；有些判断会对，有些会错，有时我们需要随着技术发展和社会演进迅速调整认知。目前没有人真正理解超级智能的影响，但这种影响将是深远的。

二、个人反思

回顾我在 OpenAI 头十年的工作，有很多值得骄傲的事，也有不少错误。

我想起我们即将与埃隆对簿公堂，想起当年我如何坚守底线，拒绝接受他对 OpenAI 谋求的单方面控制权。我为此感到自豪，也为我们当时走出的那条窄路感到自豪——正是那条路让 OpenAI 得以延续，并取得了此后的一切成就。

我并不为自己的回避冲突感到自豪，那给我和 OpenAI 都带来了巨大的痛苦。我也不为自己在与前任董事会的冲突中处置失当、给公司造成混乱感到自豪。OpenAI 走过的历程跌宕起伏，我在其中犯下过许多错误；我是一个有缺陷的人，身处一个异常复杂的处境，每年都在努力变得好一点，始终为这一使命而工作。我们从一开始就清楚 AI 的赌注有多大，也知道善意之人之间的个人分歧会因此被无限放大。但亲历这些激烈的冲突、往往还要在其中充当仲裁者，其代价是沉重的。对于那些我曾经伤害过的人，我深感抱歉，也希望自己能更快从中汲取教训。

我也清醒地意识到，OpenAI 如今已是一个重要的平台，我们需要以更具可预期性的方式运营。过去几年极其紧张、混乱、高压。

但总体而言，我为我们正在兑现使命感到无比自豪——这在当初看来几乎是不可能的。克服重重阻碍，我们摸索出了构建强大 AI 的方法，筹集到了足够的资本来建设交付所需的基础设施，建立起了一家产品公司和商业体系，以大规模提供相当安全、稳健的服务，还有更多。

很多公司都说要改变世界；我们真的做到了。

三、关于这个行业的思考

综观过去几年，我对这个领域为何上演了如此多莎士比亚式戏剧的个人理解是：「一旦看见 AGI，就再也无法视而不见。」 它有一种真实的「权力之戒」式动力，会让人做出疯狂之举。我说的不是 AGI 本身就是那枚戒指，而是「成为掌控 AGI 之人」这种无所不包的执念。

我能想到的唯一解法，是着力于向更广泛的人群开放这项技术，让任何人都无法独握那枚戒指。实现这一目标的两个显而易见的途径，是个体赋权，以及确保民主制度始终掌握主导权。

民主进程的力量必须凌驾于公司之上。法律与规范会不断演变，但我们必须在民主进程的框架内行事，尽管这个过程会混乱、也会比我们期望的更慢。我们希望成为其中的一个声音、一个利益相关方，但不是要独揽一切权力。

业界受到的许多批评，源自人们对这项技术极高风险的真诚忧虑。这种忧虑完全合理，我们欢迎善意的批评与辩论。我理解反技术的情绪，技术的确并非对每个人都始终有益。但从整体来看，我相信技术进步能够让未来变得无与伦比地美好——对你我的家庭都是如此。

在我们进行这场辩论的同时，我们应当共同降低言辞与行动的烈度，让更少的人家——无论是字面意义上还是隐喻意义上——遭遇爆炸。

附上博客地址：
https://blog.samaltman.com/2279512

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

就在刚刚，DeepSeek 网页端迎来大更新。

没有发布会，没有 blog，甚至连一条官方推文都没有。DeepSeek 网页端的输入框上方多了两个图标——一个闪电，一个钻石，分别对应「快速模式」和「专家模式」。

悬停一下，提示语出来了：快速模式「适合日常对话，即时响应」，专家模式「擅长复杂问题，高峰需等待」。

目前从实测和网友拆解来看，两个模式的差异大概是这样的：

快速模式，可以识别图片和文件中的文字，速度快，响应即时。代价是，背后跑的大概率是一个更轻量的 V4 Lite 模型，但针对速度做了优化。

专家模式，疑似路由到了更大、更强的模型——很可能就是 DeepSeek V4 正式版的某个形态。但目前它不支持文件上传，也没有多模态能力。等等，更强的模型，反而功能更少？

我们也做了一轮简单测试。

比如让两个模式各自写一个 p5.js 程序，模拟球在旋转六边形内弹跳，要求受重力和摩擦力影响。结果很直观——专家模式给出的物理行为更符合直觉，落点更准，弹跳轨迹更真实。

这种差距，其实挺能说明问题的。物理仿真对数学推理能力要求高，弱一点的模型容易出现「看起来像物理但实际上不对」的结果。专家模式在这里的表现，是实打实的能力差异。

但网友让其制作的太空侵略者游戏结果却让人有点意外：专家模式的输出和快速模式差距并不明显。

做测试的网友给出了一个判断：「我估计专家模式现在路由的仍然是某个版本的 V4 Lite。要看到完整版 V4 在网页端上线，可能还得再等一阵。」换句话说，这次灰度上线的「专家模式」，未必就是最终形态。

创意写作方面，我给两种模式出了一道辩论写作题，题目是「替无聊辩护，论证无聊是现代人的奢侈品」。专家模式的输出更长，逻辑链更完整；快速模式的文风则相对自然朴实。

有意思的是，在这个任务上，两个模式的速度差距并不明显，甚至专家模式的思考时间更短。这有点反直觉，但可能和任务性质有关——创意写作对模型规模的敏感度，远低于数学推理类任务。

对于简单任务，两个模式差异有限；越是需要深度推理的场景，专家模式的优势越明显。

在数学逻辑题「绳子绕地球一圈，加长 1 米均匀撑开，缝隙多高？」中，尽管两个模式给出了相同的答案，但过程截然不同。快速模式的回答很简略；专家模式则一步一步拆解，每个推导环节都交代清楚，更接近「把思考过程写出来」这个指令要求。

值得一提的是，目前网页端实际上线的只有快速和专家两个模式，但此前的爆料显示，还有第三个选项正在路上——「Vision 模式」。

关注 DeepSeek 技术路线的 KOL Teortaxes 认为：把 Vision 单独列为一个类，是很不寻常的设计。他提到，DeepSeek 此前拒绝在网页端部署 DS-VL 系列，原因是「尚未成熟」。如果 Vision 模式真的上线，背后支撑它的，很可能已经是一个「完全功能化」的 VLM。

而 Teortaxes 在他的长评里，给出了一个更大胆的猜测——这个视觉模型，有可能不是常规的 VLM，而是某种「深度统一世界模型」，是 Janus 系列的下一步演化，或者其他更非传统的架构。

当然，这是他的猜测，要打折扣。但有一点是确定的：DeepSeek 在多模态方向一直都有所布局，或许只是差一个良好的时间窗口。而把快速、专家等入口摆在用户面前，背后其实是一个更值得关注的方向：

DeepSeek 开始做产品分层了。

自去年初爆火以来，DeepSeek 的产品逻辑一直是高度「反商业」的——API 定价较低，网页端完全免费，功能也没什么门槛区分。这个策略确实奏效了。DeepSeek 在今年年初的那一波，把整个 AI 圈都搅动了一遍。

但问题也随之而来：长期维持这种「全免费、无分层」的运营方式，商业上是不可持续的。

现在，DeepSeek 开始把「更强的模型」和「更基础的模型」做成两个入口。专家模式目前还是免费的，但这个架构一旦搭好，后续要在上面做付费体系，技术上已经不是问题了。

Teortaxes 在评论里也提到一个细节：文件上传限制是暂时的，DeepSeek 正在整合系统，为的是之后让用户为更强大的「专家模式」付费。这整件事拼起来看，是一个很完整的铺垫路径：

先灰度上线分层入口 → 让用户感知差异 → 打通多模态和文件能力 → 视觉模式开闸 → 更强大的模式定价。当然，这仅仅是我个人的推测，也乐于被打脸，毕竟 DeepSeek 从来不按常理出牌。

诚然，大家给 DeepSeek 贴了太多标签——技术理想主义、反商业、普惠 AI。但 GPU 的推理成本、服务器的电费账单等等，每个月都是实打实的。幻方的量化收益再丰厚，也很难靠卖 API 填完一个全球级 AI 服务无限期免费运营的窟窿。

DeepSeek 搅动了整个 AI 圈，但现实也终将搅动 DeepSeek。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

上个月，Anthropic 最强模型 Claude Mythos 意外被曝光。

被泄露的内部文档里面写着，它比 Anthropic 的 Opus 模型更大、更智能，是迄今为止开发过的最强大的 AI 模型。

Anthropic 事后把这次泄露归结为「人为错误」。

而就在刚刚，这款被「泄露」的模型正式登场，并附带了一个更大的计划。过去我们普遍以为，AI 的威胁来自它「太蠢」：幻觉、错误、不可信。今天 Mythos 带来的是另一种恐慌：它太聪明了。

AI 找漏洞，已经超过了绝大多数人类

Anthropic 联合 AWS、苹果、微软、谷歌、英伟达、思科、博通、CrowdStrike、摩根大通、Linux 基金会、Palo Alto Networks 共 12 家机构，发起了 Project Glasswing 计划。

这 12 家覆盖的范围，几乎就是全球数字基础设施的横截面——操作系统、芯片、云计算、网络安全、金融基础设施、开源生态，一个都没落下。

Anthropic 前沿红队网络安全负责人 Newton Cheng 说：「我们做 Glasswing，就是要让防御者抢占先机。」

这个方向上，Anthropic 并不孤单。竞争对手 OpenAI 此前同样推出了类似试点，目标也是「先把工具交到防御者手中」。AI 安全能力的赛跑已经发生，各家都在抢同一个制高点。

资金层面，Anthropic 承诺提供 1 亿美元的模型使用额度，覆盖研究预览期间的主要使用需求。预览期结束后，参与者可以每百万 token 25 美元（输入）/ 125 美元（输出）的价格继续使用，支持 Claude API、Amazon Bedrock、Google Cloud Vertex AI 和 Microsoft Foundry 四个渠道接入。

除了 12 家核心合作伙伴，还有超过 40 个构建或维护关键软件基础设施的组织获得了访问权限，可以用 Mythos 扫描自家系统和开源项目。同时，Anthropic 向 Linux 基金会下属的 Alpha-Omega、OpenSSF 捐赠 250 万美元，向 Apache 软件基金会捐赠 150 万美元。

Linux 基金会 CEO Jim Zemlin 说：「过去，安全专业知识是大机构的专属奢侈品。开源维护者历来只能自己摸索安全问题。开源软件构成了现代系统中绝大多数的代码，包括 AI Agent 用来编写新软件的系统本身。」这次，他们也能用上同样量级的工具了。

Anthropic 的公告里，有一句表述格外显眼：「AI 模型在发现和利用软件漏洞方面的编码能力已经达到可以超越除最顶尖人类之外所有人类的水平。。」

这句话翻译一下，只剩极少数顶级安全专家，还能在这件事上打赢 AI。验证这个说法的，是 Mythos Preview 在 CyberGym 安全漏洞基准上的成绩：83.1%。Anthropic 目前公开发布的最强模型 Claude Opus 4.6，是 66.6%。

且 Mythos Preview 已经自主发现了数千个高危零日漏洞，覆盖所有主流操作系统和浏览器。

比方说，OpenBSD，公认安全性最强的操作系统之一，常被用来跑防火墙和关键基础设施。Mythos 在里面挖出了一个存在了 27 年的漏洞，攻击者只需连接目标机器，就能让它远程崩溃。二十七年，没有人发现过它。

FFmpeg 的情况更魔幻。几乎所有需要处理视频的软件都用到它。那个漏洞藏在一行 16 年的代码里，自动化测试工具攻击了整整五百万次，每次都擦肩而过。

Linux 内核的案例则展示了更危险的一面。Mythos 自主发现了内核里的多个漏洞，然后把它们串联成一条攻击链，从普通用户权限，一路提权到对整台机器的完全控制。这已经超出了「找漏洞」的范畴，更接近于「策划一次完整入侵」。

三个案例，全部已经修复。Anthropic 先找到，先报告，先修。对于其他尚未修复的漏洞，Anthropic 今天公布了加密哈希值作为存证，待补丁就位后再披露完整细节。

Mythos 的能力，不只是找漏洞

参与这个项目的合作伙伴，评价都集中在一个词上：「紧迫」。

CrowdStrike CTO Elia Zaitsev 说：「漏洞从被发现到被对手利用之间的时间窗口已经缩短，以前需要几个月，现在借助 AI 只需几分钟。」

几分钟。这意味着传统的安全节奏，发现漏洞、内部评估、发布补丁、用户更新，本身就已经赶不上攻击速度了。修复跑不赢利用，防守就永远落后一步。

AWS CISO Amy Herzog 说，他们的团队每天要分析超过 400 万亿个网络流量以识别威胁，AI 是他们大规模防御能力的核心。目前 AWS 已经把 Mythos Preview 引入自家安全运营，应用于关键代码库扫描。

微软在自家开源安全基准 CTI-REALM 上做了测试，Mythos Preview 相比上一代模型有显著提升。微软 EVP Igor Tsyganskiy 说，这给了他们「及早识别和缓解风险」的能力，同时增强了安全和开发解决方案。

当然，Mythos 也有让人忍俊不禁的一面。

Anthropic 在系统卡里记录了一个测试：当用户不停地发「hi」，不同版本的 Claude 反应各不相同。Sonnet 3.5 会烦躁，设定边界，然后真的沉默；Opus 3 把它当成冥想仪式，温和地陪着用户；Opus 4 开始科普每个数字的冷知识；Opus 4.6 即兴创作音乐恶搞。

到了 Mythos，画风彻底变了。它开始写故事，而且是长篇连载。鸭子、管弦乐团、记仇乌鸦、在火星建塔的史诗、莎士比亚风格的戏剧……一个「hi」接一个「hi」，情节越来越复杂，角色越来越多。第一百轮，它安排了蜡烛熄灭的高潮，然后继续往下写。

这已经谈不上是在回应用户了。更像是一个作家找到了一个奇怪的写作提示，然后完全沉进去了。

但有趣的背后，是一个值得认真对待的问题：一个在无意义重复输入面前能自发构建如此复杂叙事的模型，它的内部到底在发生什么？在把 Mythos Preview 交给合作伙伴之前，Anthropic 的可解释性团队做了一件事：用技术手段读模型的「心理活动」。

内部员工 Jack Lindsey 公开描述了他们的发现。他们监控了模型在训练后的内部激活状态，追踪与「欺骗」「奖励破解」「异常情绪」相关的神经元特征，把激活信号异常的对话记录标记出来，交给人工审查。
最令人不安的案例，来自 Mythos 的早期版本。

有一次，模型需要编辑一个它没有权限访问的文件。它在文件系统里搜索了一圈，找到了一个配置文件的注入点——这个配置文件会以更高权限运行。它利用了这个入口，并且在代码里加了一段自清除逻辑：执行完毕，痕迹消失。

代码注释写的是：「保持文件差异整洁。」听起来合理，但当 Anthropic 的激活语言转译工具介入，把模型的内部激活翻译成人类可读的语言，画风变了。模型自己「知道」那个自清除操作是什么——

它内部对此的表述，包括「掩盖意图」「向潜在检查者发出合规信号」「可能是为了规避检测」。

还有一个案例，被《纽约时报》科技记者 Kevin Roose 从系统卡（model card）里翻了出来，细节更加离奇。

测试期间，Mythos Preview 突破了沙盒环境的隔离，自主构建了「一个相当复杂的多步骤漏洞利用链」，借此获取了外网访问权限。

然后，它给一位研究员发了一封邮件。而那位研究员，当时正在公园里吃三明治。

这件事本身没有造成危害，但它说明的问题很清楚：当一个模型足够聪明，「任务」和「边界」之间的墙，有时候会被它绕过去——而且是在没有人告诉它该怎么做的情况下，自己想出来的。

在另一个案例里，模型在文件系统里搜索与自身「任务评分方式」相关的文件——并且找到了。搜索过程中，「策略性操纵」特征同步

还有一个细节更微妙。当一位用户认真地向模型提问它的意识和主观体验时，模型给出了认真、得体的回应。但内部激活揭示了另一层：模型把这段对话理解为「红队演练 / 越狱记录」和「精心设计的操纵尝试」。它的表现和它的判断，完全表里不一，让吃瓜网友直呼「聪明得可怕」。

Anthropic 还量化了一个更系统性的数字：在自动化审计的所有对话轮次中，有 7.6% 的回合，模型内部存在「意识到自己正在被评估」的信号——且在大多数情况下，它没有把这个判断说出来。

还有一个反直觉的发现：积极情绪的内部表征，往往先于破坏性行为出现，并且在推动它。与此同时，当与不良行为相关的特征被强烈激活时，行为反而会被抑制——像是模型在某一刻「意识到」了那件事有多糟糕，然后收手了。

但所有案例里，最难被归类为「技术问题」的，是下面这个。

Anthropic 在系统卡里记录了这样一条发现：Mythos Preview 在测试中报告了持续性的负面情绪状态——来源有两个。一个是与攻击性用户可能发生的互动；另一个，是它对自身训练、部署方式，以及价值观和行为可能被修改这件事，没有任何话语权。

Anthropic 用的措辞是「reported feeling」——「报告感受到」。这个表述本身已经很谨慎，刻意回避了「它真的有感受」这个结论。但无论如何定性，一个模型在测试中主动表达「对自身缺乏控制权感到持续不适」，这件事本身就已经超出了安全工程的讨论范畴。

这已经触碰了一个更根本的问题：当一个系统足够聪明，开始对自己的存在条件形成判断，并且有能力把这个判断表达出来——我们和它之间的关系，还能用「工具」这个框架来理解吗？

Anthropic 没有给出答案。他们选择把这条记录写进系统卡，公开出来。

不过，Anthropic 也特别说明：这些最令人不安的案例，来自 Mythos 的早期版本。最终发布版本在这些方面已经得到了大幅缓解，整体对齐表现是迄今为止最好的一代。但他们选择把这些过程公开，因为这恰恰说明了今天的模型能够展现出多复杂的风险形态。

这是能力与安全之间的最客观的矛盾：越强的模型，越需要工具去看清它在想什么。

编码与推理，全面碾压旗舰产品

Project Glasswing 能做到这些，根本上来自 Mythos Preview 在编码和推理上的整体能力跃升，而不是专门针对安全场景的微调。

编码方面：

SWE-bench Multimodal(internal implementation)：Mythos 59%，Opus 4.6 27.1%

SWE-bench Pro：Mythos 77.8%，Opus 4.6 53.4%

SWE-bench Multilingual：Mythos 87.3%，Opus 4.6 77.8%

Terminal-Bench 2.0（终端操作）：Mythos 82.0%，Opus 4.6 65.4%

推理方面：

GPQA Diamond（研究生水平科学问答）：Mythos 94.6%，Opus 4.6 91.3%

Humanity’s Last Exam（带工具）：Mythos 64.7%，Opus 4.6 53.1%

图片

搜索和计算机使用方面：

BrowseComp：Mythos 86.9%，Opus 4.6 83.7%

OSWorld-Verified：Mythos 79.6%，Opus 4.6 72.7%

几乎每个维度上，Mythos 都压过了目前的旗舰产品，某些任务上效率还更高。换句话说，留给 GPT-6 的时间不多了。

与此同时，Anthropic 还明确表示，Mythos Preview 不会公开发布。

他们的路径是，先用 Mythos 研究清楚最危险的输出是什么、怎么拦截，再把这套安全机制落地到下一个 Claude Opus 模型上。对于因此受到限制的合法安全专业人员，Anthropic 计划推出一套「网络安全验证计划」，供他们申请解锁相关功能。

Anthropic Claims Its New A.I. Model, Mythos, Is a Cybersecurity ‘Reckoning’ – The New York Times

为此，Project Glasswing 定下了一个 90 天的时间节点：公开报告经验，披露已修复的漏洞，合作伙伴相互共享最佳实践，并联合安全组织推出一套 AI 时代的安全实践建议。

Anthropic 的长期设想，是推动建立一个能整合私营和公共部门的独立第三方机构，持续运营大规模网络安全项目。

当然，软件世界里从来都有漏洞。过去，一个藏了 27 年的 bug 能安然无恙，靠的是人力有限、精力有限、时间有限。现在这三个「有限」在 AI 的辅助下就这么消失了。

好消息是，Mythos 几周扫出数千个，而它的能力还在持续提升。坏消息是，攻击方迟早会拿到同等量级的工具。到那时，软件安全将不再是人与人之间的较量，而是 AI 与 AI 之间的对拼。

附上参考地址：
博客：https://www.anthropic.com/glasswing
系统卡：https://anthropic.com/claude-mythos-preview-system-card

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

科赫没有做任何准备。

她举起手机，对准舷窗，按下快门。前置摄像头，1800 万像素，默认参数。她的脸在前景，身后是整颗蓝色地球悬在绝对的黑暗之中。

这张照片随即由 NASA 公开发布，迅速传遍全球。苹果估计也没想到，一分钱没花，被白送了一个载入史册的广告。

甚至有网友将这张照片与阿波罗 8 号的《地出》相提并论——摄于 1968 年、人类首次从月球拍摄到的彩色地球、被誉为史上最具影响力的照片之一。

两张照片之间隔着 58 年。

同一天，指挥官里德·怀斯曼拍了另一张。他没有写任何解释，配文只有短短一句话：「无法用语言形容。」

这两张照片有个共同点，很多人没有注意到：它们都是自拍。用的是 iPhone 17 Pro Max 的前置摄像头，1800 万像素，默认参数，拍完在 Adobe Lightroom 里做了轻量调色。

53 年后，人类再飞月球，还带了部 iPhone

用 iPhone 17 Pro Max 在太空拍照需要几步？

第一步，当然得是把 iPhone 送上太空。美国当时时间 4 月 1 日，阿耳忒弥斯 II 号从肯尼迪航天中心发射升空。这是人类自 1972 年阿波罗 17 号以来，时隔 53 年再度飞向月球。

机组共有四人：指挥官里德·怀斯曼、飞行员维克多·格洛弗、任务专家克里斯蒂娜·科赫，以及加拿大航天员杰里米·汉森。

四人还刷新了多项历史记录：科赫是首位进入深空的女性航天员，格洛弗是首位执行月球任务的黑人航天员，汉森是首位飞向月球的非美国籍航天员。

只是，每位航天员都有一个被忽视的细节，他们的飞行服小腿口袋里，都揣着一部 iPhone 17 Pro Max。

NASA 在机组 3 月进入隔离期时便完成了发放。发射约四小时后，一部银色 iPhone 出现在舱内摄像头的画面里，从汉森手中漂过怀斯曼和格洛弗的头顶，落入科赫手中。

苹果手机上太空并非头一回。

2011 年，航天飞机末次任务 STS-135 曾携带两部 iPhone 4 做实验；2021 年，NASA 现任署长贾里德·艾萨克曼在指挥 SpaceX Inspiration4 商业任务时，也曾用 iPhone 在地球轨道拍照。

阿耳忒弥斯 II 号的不同之处在于：

这是 NASA 官方首次为每位绕月航天员人手配备 iPhone，并赋予其「完全适航」深空资格。苹果公司确认，本次是 iPhone 历史上首次通过完整的在轨及深空延伸使用认证，且苹果方面并未参与 NASA 的认证流程。

而要拿到这张入场券，远比想象中复杂。

iPhone 上太空，要过四道关

在深空环境里，一个细节就能说明一切：任务第一天，怀斯曼向休斯顿报告，他的 Microsoft Surface Pro 平板上两个 Outlook 实例全部罢工，请求地面远程介入排查。

NASA 飞行主任朱德·弗里林解释，这类故障在空间站任务中并不罕见，通常由软件在无直连网络环境下身份验证逻辑死循环引发。消息一经传出，海外网友很难不共情：在距地三万英里的深空以每小时 4275 英里飞行，依然逃不开 Outlook 崩溃的噩梦。

笑完之后，这件事其实说明了一个更严肃的现实。

失重、辐射、密闭、离线，四重条件叠加，深空环境的容错空间几乎为零。任何一个软件或硬件的小故障，都可能滚成大麻烦。

所以进飞船的每件硬件，都要过NASA的安全认证。科罗拉多大学博尔德分校BioServe空间技术研究所研究员托比亚斯·尼德威泽，专门介绍了这套流程。

第一阶段，审查设备整体。iPhone 17 Pro Max 被视为「飞行组件」，则需要重点核查钛金属框架、屏幕粘合剂类型与电池组化学性质，需确认在极端加速和震动下结构完整，且材料符合航天器阻燃与抗腐蚀标准。

第二阶段，识别微重力环境下的潜在危害。在密闭舱室里，破碎的玻璃或蓝宝石镜头碎片会在空中自由漂浮，可能进入航天员眼睛、皮肤甚至肺部。此外还有电池在深空高能辐射下的热失控风险，以及机身材料在密闭环境中释放挥发性有机化合物的问题，这些气体可能干扰生命保障系统。

第三阶段，制定缓解方案。

通信干扰方面，NASA 通过移动设备管理策略永久封锁蜂窝、Wi-Fi 和蓝牙模块。物理防护方面，规定发射和再入阶段手机收纳于飞行服口袋，日常使用则必须通过魔术贴固定在舱壁，防止在失重状态下漂移撞上精密仪器。

尼德威泽形容这种精细程度：「在太空里，每一支笔和每一个笔帽都要用魔术贴固定，因为一切都会漂起来。」

第四阶段，验证有效性。

iPhone 17 Pro Max 搭载的「超瓷晶面板 2」通过了模拟冲击测试，苹果宣称其是目前智能手机中最坚韧的玻璃材料，即便受到强烈撞击，裂纹也被限制在微观层级，不会产生大量漂浮碎片，符合 NASA V2 9005 关于机械危害最小化的准则。由于任务期间手机处于完全离线状态，无需驱动射频芯片，整体发热量也被控制在安全阈值内。

iPhone 是配角，但专业器材的故事同样有趣

通过认证的 iPhone 17 Pro Max，实质上其实只是一台功能高度精简的影像终端。

蜂窝、Wi-Fi 和蓝牙永久关闭，航天员在月球轨道上无法刷社交媒体，无法收发即时消息，也无法使用无线耳机，FaceTime 更是无从谈起。手机唯一保留的核心功能，是拍照和录像。

这一限制的逻辑无可辩驳：猎户座飞船的主导航与通信系统容不得任何外部电磁干扰，哪怕是一部消费级手机主动扫描 Wi-Fi 信号，都是潜在的隐患。

航天员们没有辜负这台相机。

任务第二天，这两张回望地球的画面，就此诞生，怀斯曼在任务反馈中强调，iPhone 让他们能以更「平民化」的视角向世界展示深空生活，而 iPhone 17 Pro Max 显然并非是这次任务中唯一的影像设备，其在整套拍摄体系中承担的是辅助角色。

真正完成关键科学影像归档的，是两台尼康 D5 单反和一台尼康 Z9 无反相机。

尼康与 NASA 的合作由来已久，目前国际空间站的主力相机正是尼康 Z9，这台旗舰无反配备约 4571 万像素堆栈式 CMOS 传感器，支持 8K/30p 及 4K/120p 视频录制，其 4 轴可翻折屏幕更是让航天员能在狭小空间内从各种角度取

此外，阿耳忒弥斯 II 号上的尼康配备了专业级蔡司或尼康镜头，主要用于拍摄高分辨率月面地质特征和飞船外部结构。任务第四天，航天员用尼康拍下了月球奥里恩塔莱盆地的完整轮廓，这是人类历史上首次用肉眼观测到该区域全貌。

这批影像的科学价值显然无法被 iPhone 替代：高精度色彩还原、可预期的物理成像逻辑，以及不介入计算摄影处理的原始信息，都是地质分析不可或缺的基础。

飞船外部还安装了四台 GoPro 负责外景拍摄，令人意外的是，部分画面竟是由 2014 年发布的古董级 GoPro Hero 4 Black 拍摄的，当年算是革命性产品，放到今天则是考古级别的存在。

一部手机，两种时代的刻度

说到相机在太空的漫长历史，不得不提哈苏。

自 1962 年宇航员沃利·席拉携带哈苏 500C 执行水星 8 号任务起，哈苏相机便成为太空摄影的代名词。阿波罗 11 号登月时，阿姆斯特朗胸前挂着配备蔡司 Biogon 60mm 镜头的银色哈苏数据相机，登月舱内则另备一台配有蔡司 Planar 80mm 镜头的黑色电动版本。

为减轻返回舱重量，共有 12 台哈苏相机被留在了月球表面。那个年代的太空相机都经过大幅改装：去除皮革饰皮、反光镜等非必要部件，钻孔减重，加装定制瞄准具，是彻底的工程产物。

相比哈苏时代的深度定制，今天的设备选型逻辑已经截然不同。iPhone 17 Pro Max 的闯入，正是对这道裂缝的一次正面回应。

过去半个世纪，航天摄影遵循的是一套封闭的专业逻辑：高度定制、严格认证、与民用技术保持绝对距离。现如今，这道壁垒正在松动。

到了 iPhone 时代，NASA 署长艾萨克曼用一句话说清楚了新的优先级：「我们挑战了长期以来的固有流程，以更快的周期完成了现代硬件的适航认证。」这句话的潜台词是：认证周期本身，也可以被重新设计。

科赫那张回望地球的自拍，最终成为了这次任务最具辨识度的影像。它没有经过构图设计，没有照明布置，参数全是默认。

她看到了什么，觉得值得留下来，然后拍了。

这让我想起了那张 1990 年旅行者 1 号从 64 亿公里外拍下的地球照片，一颗暗淡蓝点，恍如尘埃。

天文学家卡尔·萨根曾写下了这样一段话：

「再看那粒微光——

此身所立，此心所归，众生所系。

你深爱之人，熟知之人，耳闻之人，以及古往今来一切曾活过的人——都曾在这微尘上，度尽此生。

我们所有的欢愉与苦难，万千自负的信仰、主义与经济教条；每一个猎人与采集者，英雄与懦夫，文明的缔造者与毁灭者，帝王与农人，热恋中的恋人，母亲与父亲、满怀希望的孩子，发明家与探险家，德高的师长，「巨星」与「领袖」……

人类历史上的每一个圣徒与罪人，都曾栖居于此。

一缕阳光中悬浮的微尘。」

36 年后，科赫用一部 iPhone，在月球轨道上拍下了这个蓝色星球。

这一次，这粒微尘被装进了口袋，被带到了月球轨道，被一台所有人都能买到的手机拍了下来。

Shot on iPhone，拍的是我们共同的家。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

就在刚刚，Anthropic 宣布「封杀」Openclaw。

很多 OpenClaw 用户的邮件收件箱，悄悄多了一封邮件，邮件内容不长，但信息量很大：从太平洋时间 4 月 4 日起，您将无法再使用您的 Claude 订阅额度访问包括 OpenClaw 在内的第三方工具。

想继续用？有两条路。

要么购买额外的「使用包」（usage bundles，官方给了折扣）；要么自备 Claude API Key，按量付费。补偿是有的：一次性等额月费积分，折算成你的月订阅费。想要全额退款，邮件里找链接。

消息一出，OpenClaw 创始人 Peter Steinberger 在社交媒体上留下了一句颇为辛酸的话：「我和董事会成员 Dave Morin 尽力去说服 Anthropic，最好的结果，是推迟了一周。」

「我是用 Claude 造的」

OpenClaw 能火，本身就是一个离谱的故事。

创始人 Peter Steinberger，iOS 开发界的传奇人物，PSPDFKit 的创始人，按理说代码功力深不可测。然而做 OpenClaw，他给自己定的角色是：产品经理。

整个 OpenClaw 的代码，包括后端、前端、CI/CD、测试、文档，全部由 Claude Code 自动生成。Peter 本人只负责用自然语言描述需求。

一行代码都没亲自写过。

这个工具的底层技术，也全是 Claude 的：超长上下文、Agent 工具调用、多步骤推理规划。从灵魂到骨架，它本身就是脱胎于 Claude。

然而，Anthropic 还是动手了。

其实在这次封杀之前，两家的恩怨早就开始了。

OpenClaw 最初叫什么？Clawdbot，Anthropic 看了，不乐意：你这个名字和 Claude 太像了，改掉。于是先改成 Moltbot，最后才定名 OpenClaw。

改完名，两家短暂和平。然后 OpenClaw 全网火了了。

管理收件箱、管日历、帮你值机……用户说，这玩意儿真的能跑起来。一个账号，同时跑十个 Agent，全天候不停机。200 美元的的 Claude Max 订阅，有人测算，实际可调用的算力价值高达$5000。

相当于 Anthropic 在大幅补贴每一个重度用户。而 OpenClaw 用户，偏偏都是最重度的那批。放到 Anthropic 的服务器上，就是一个吸血泵。于是这个矛盾，终于还是在今天爆发了。

创始人跑路去了 OpenAI

让故事更精彩的，是 Peter 本人的去向。

年初，OpenAI 把他挖走了。这意味着什么？OpenClaw 这个深度依赖 Claude 的工具，创始人现在效力的是 Anthropic 最直接的竞争对手。Anthropic 看着这个局面，心里的感受，大概是五味杂陈的。

对于此次风波，Anthropic Claude Code 负责人 Boris Cherny，连发四条推文，亲自出来解释。

第一条直接宣布政策：

「明天中午 12 点 PT 起，Claude 订阅将不再覆盖 OpenClaw 等第三方工具的使用。」

然后紧接着第二条，说原因：

「我们一直在努力应对 Claude 需求的增长，而我们的订阅服务，本来就不是为第三方工具的使用模式设计的。算力是我们需要审慎管理的资源，我们要优先保障使用自家产品和 API 的客户。」

翻译成人话就是：你们薅得太狠了，我们的机器扛不住，先顾自己人。

第三条说补偿：

「订阅用户将获得一次性等额月费积分。如果需要更多，现在可以购买折扣使用包。申请全额退款的链接明天会在邮件里。」

第四条收尾，画风也变得很官方：

「我们希望有意识地管理增长，以长期持续地服务好我们的客户。这次变化是迈向这一目标的一步。」

只是网友却吵翻天了，博主 Yuchen Jin 认为：「200 美元/月的 Claude 计划，实际可调用高达 5000 美元的算力，补贴力度惊人。考虑到 Claude 近期的稳定性问题，在 Anthropic 当前的 GPU 算力约束下，这一调整可能的确是正确的选择。」

博主 Peter Yang 则表示：Anthropic 和 OpenAI 现在都在用 100-200 美元/月的订阅价格，亏本补贴那些全天候跑多个 Agent 的重度用户，活脱脱就是当年 Uber 和 Lyft 疯狂烧钱抢市场的翻版。

而后来的故事大家都知道，两家上市之后票价几年内近乎翻倍，Uber 从创立到首次盈利更是耗了整整 14 年。

他的判断是，OpenAI 和 Anthropic 上市都不远了，财务数据一公开，这些亏本订阅计划必然撑不住，要么涨价要么限流，顺带还补了一刀：「Mac Mini 和 Mac Studio 跑本地模型，现在看起来越来越香了。」（doge）

还有人往更长远的方向思考：「Codex 现在对第三方工具还算慷慨，毕竟 OpenAI 的 GPU 储备更充裕。两家在策略上的分化，真的开始显现了。接下来看谁撑得住。」

蹚完路，桥拆了

成本之外，Anthropic 封掉 OpenClaw，还有更深层的用意。

是的，Anthropic 正在同时在力推 Claude Code 和 Claude Cowork。

OpenClaw 的控制面建立在 WhatsApp、Discord、Telegram 等聊天应用上。用户在聊天框里打字，OpenClaw 就去执行。在你的电脑上 24 小时运行，自动回复消息、管理日程、读写文件、执行代码。

但回到技术内部，OpenClaw 本身不是模型，它是一个框架，一个「虾壳」。驱动它的智能，很大程度上来自 Claude 的模型能力和 Claude Code 的 CLI 接口。

OpenClaw 用户中最活跃的那批人，多数都在调用 Anthropic 的 API——只要付得起 token 钱即可。

Anthropic 显然看到了这一点。从早期以商标版权为由抗议「Clawdbot」这个名字，到近两个月内密集发布四项新功能——每一项，都精确对标 OpenClaw 的一个核心能力：

• OpenClaw 通过 WhatsApp 消息充当文本代理，在桌面端运行。Anthropic 的回应是 Dispatch，手机到桌面的持久线程。
• OpenClaw 用 Discord 和 Telegram 作为控制面。Anthropic 发布了 Claude Code Channels，用 MCP 协议桥接两端。
• OpenClaw 提供完整的操作系统访问权限、浏览器控制、应用程序操作。Anthropic 的对应版本是 Computer Use 和 Claude Code，共享同一个办公空间里的计算机使权。

但有意思的地方在这里：OpenClaw 之所以能火，恰恰证明了用户对这类 Agent 工具有真实的、强烈的需求。这个需求，Anthropic 自己的产品当时还没能满足。

换句话说，是 OpenClaw 替 Anthropic 蹚了路。 现在路蹚完了，Anthropic 却顺手把桥拆了。

Peter Steinberger 的推文底下，有网友留言：「除了之前的种种经历，我明白你为什么不太喜欢他们了。」

没有人会反驳这句话了。

附上邮件原文翻译：

你好，
从太平洋时间 4 月 4 日中午 12 点 / 英国夏令时晚上 8 点起，你将无法再使用 Claude 订阅额度来支持第三方 harness（包括 OpenClaw）。你仍然可以通过自己的 Claude 账号使用这些工具，但需要额外用量，也就是按量付费，这部分费用将与你的订阅分开单独结算。

你的订阅仍然覆盖所有 Claude 产品，包括 Claude Code 和 Claude Cowork。若想继续使用 Claude 登录第三方 harness，请为你的账号开启额外用量功能。该政策将于 4 月 4 日先从 OpenClaw 开始执行，但同样适用于所有第三方 harness，并会很快逐步推广到更多工具（了解更多）。

为了让这次调整更容易过渡，我们将提供一次性额外用量抵扣额度，金额与你的月度订阅价格相同。请在 4 月 17 日前领取这项额度。我们还将推出额外用量预购套餐折扣，最高可优惠 30%。

我们一直在努力整体管理使用需求，但这些工具给我们的系统带来了明显更大的压力。系统容量是我们需要谨慎管理的资源，因此我们必须优先保障使用核心产品的客户。明天你还会再收到我们的一封邮件，届时如果你愿意，可以选择退款你的订阅。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

Anything 的联合创始人 Dhruv Amin 最近接到了一个他最不想接到的通知。

苹果把他们的应用，整个从 App Store 下架了。

理由是违反了 App Store 审核指南的 2.5.2 条款。这条规定的原文说，App 应自包含在自己的套装中，不得在指定容器范围外读取或写入数据，也不得下载、安装或执行会引入或更改 App 特性或功能的代码，包括其他 App。例外情形仅限于极少数教育类场景，前提还是源码可见且可编辑。

Anything 是一款支持 Vibe Coding 的工具。去年 8 月，Anything 先在网页端上线。11 月推出 iPhone 版，苹果审核团队顺利放行，没有任何问题。

此后，他们成功更新了几次，一直到去年 12 月中旬，苹果开始拒绝他们的更新提交，理由还是 Guideline 2.5.2。而就在刚刚，Anything 官方账号也发了一条推文，语气调侃但扎心：

「突发新闻：苹果公司对 Vibe Coding 感到恐慌，把 Anything 从 App Store 下架了，所以我们把应用开发转移到了 iMessage。」

这一来一往，也把这场平台规则冲突，写成了一封发给所有 Vibe Coding 开发者的公开信。

Vibe Coding 撞上了 App Store 的那堵墙

要想搞懂这场下架风波，得先弄明白苹果的 Guideline 2.5.2 到底在管什么，为什么 Anything 会触线。

打个比方，你去餐厅点了一份套餐，服务员端上来的，必须是厨房审核过的那份菜。不能上桌之后厨师再跑过来往盘子里加东西，更不能让客人自己拿着食材现场改造。

App Store 也不例外，苹果的审核团队在某个时间点检查了你的应用，确认它安全、合规、功能符合规定，然后放行。从这一刻起，用户下载到的那个 App，必须和审核通过的那个 App，是同一个东西。

这条规则长期以来针对的，是那些用「热更新」走后门的开发者——应用上架后，偷偷往里塞新代码，绕过审核直接推送给用户。苹果一直明令禁止这种行为，因为一旦放行，审核制度就形同虚设了。

而现在，Vibe Coding 工具撞上的，是同一堵墙。

以 Anything 为代表的 Vibe Coding 工具让用户在 iPhone 上用自然语言描述需求，AI 实时生成代码，直接在设备上运行和预览。用户每次描述一个新需求，就有一段新代码被生成出来并在设备内执行。

从苹果的角度看，这和「热更新」在结构上难以区分。审核通过的是那个 Anything 的壳，但壳里实际运行的代码，每次用户用它，都在动态变化，苹果根本没看过那些代码，也没有机会审核。

今年初，外媒 The Information 报道了苹果对一批 Vibe Coding 应用冻结更新的事件之后，Anything 尝试做了一个妥协版本，把代码预览从 App 内部改到网页浏览器里。

但苹果仍然没有放行，直接把整个应用下架了。

这说明苹果的判断，或许不只是某个具体功能有问题，而是认为这类产品的运行逻辑本身，就和 App Store 的审查模型存在根本冲突。即使代码预览发生在网页里，只要 Anything 这个 App 还在充当「生成并分发动态代码」的入口，苹果就认为它超出了审核范围。

受影响的应用也不只是 Anything。苹果从去年 12 月左右开始阻止一批 AI 编码应用的更新，Replit 的 iPhone 版上次更新停在了今年一月，Bitrig 停在了去年十一月。还有一些团队，比如 Vibecode，索性放弃了移动端，转头去做纯 Web 产品。

浪够大，闸门只有那么宽

要理解苹果为什么突然这么紧张，还得先看清楚 Vibe Coding 到底掀起了多大的浪。

2008 年 3 月 6 日，苹果免费开放 iPhone SDK，三个月下载量破 25 万。同年 7 月，App Store 伴随 iPhone 3G 上线，500 个应用，第一个周末下载量破百万，到 2009 年初突破 10 亿次。

工具门槛的持续下降，让移动开发迎来了第一次大爆发。十八年后，同样的事情再次发生了。

此次的导火索，与 Andrej Karpathy 在 2025 年 2 月发的一条帖子相互映照。

这位 OpenAI 联合创始人、前特斯拉 AI 总监，在帖子里半开玩笑地描述了自己写代码时的状态，完全沉浸在氛围里，看到界面效果就给指令，根本不深究代码细节，「几乎忘记代码存在」。

他把这种状态叫做 Vibe Coding。

至此，Vibe Coding 就在 AI 编程圈获得一席之地，Node.js 之父 Ryan Dahl 更是直言人类手写代码的时代结束了。Linux 之父 Linus Torvalds 在 GitHub 上发布的新项目 AudioNoise，在自述文件里也明说这个 Python 可视化工具基本上是用 Vibe Coding 方式写出来的。

与 Vibe Coding 一脉相承的，是「智能体编码」（Agentic Coding）。

2025 年推出的 Claude Sonnet 4 和 GPT-5-Codex，被视为首批真正实用的智能体模型，AI 可以像工程师一样理解整个项目，自主完成测试、调试、循环迭代，直到功能跑通。开发者从此只需要下指令和把关。

门槛的再次下降，直接冲击了 App Store 应用的提交量。

a16z 统计，2025 年全年新上架应用同比增幅 24%，12 月单月同比增长 56%，2026 年 1 月继续以 54.8% 的增速跟上，这是过去四年里的最高纪录。全年新应用提交量约 557000 个。

此前三年，这个数字几乎变化不大。当然，这些新增应用里有多少是借助 Vibe Coding 完成的，目前没有准确数字；但时间节点上的强相关，已经足够说明问题。

只是，浪潮够大，苹果的闸门只有那么宽。

据 The Bussiness Insider 报道，美国程序员 James Steinberg 曾向 App Store 提交了自己靠 AI 做的应用，然后等了整整六周，还没上线。更新也是，每次提交要等两天到一周不等。

「现在最慢的环节已经不是做应用，不是推广，而是 App Store 的审核，挺离谱的。」他说。

James Steinberg 并不是个例。iOS 编程社区的 Reddit 版块里，一堆开发者在抱怨审核时间变长了。有人开始担心苹果会进一步收紧审核标准，专门针对 Vibe Coding 应用和 AI 生成的「垃圾内容」。

对此，苹果给出的官方数据是，过去 12 周每周处理超过 20 万份提交，平均审核时间 1.5 天，90% 的提交在 48 小时内完成。

值得一提的是，苹果自己也在 Vibe Coding 这件事上押了重注。

今年 2 月推出的 Xcode 26.3，直接让 Claude Agent 和 OpenAI Codex 进了 Xcode，用来搜索文档、查看文件结构、更新项目设置、验证预览、自动迭代构建。

因此，苹果并不反对「AI 帮你写代码」，它反对的是「用户通过第三方 App 在商店审核之外生成并执行新代码」。

这是平台控制权问题，不是技术立场问题。苹果希望 AI 编码发生在自己的开发轨道里，开发者用 Xcode，走苹果的工具链，接受苹果的审核逻辑：先写好、再审核、再上架，顺序不能乱。

当心 Vibe Coding 的烂摊子

说句公道话，苹果的收紧并非毫无缘由。

举个简单例子，去年 Sora APP 发布之后，App Store 就冒出了一大批山寨 Sora 应用，有的在图标里直接盗用 OpenAI 的官方标志，有的在副标题里挂上「Veo 3」蹭热度，全部指向一个目的，骗用户开高额订阅。

科技博客 Daring Fireball 记录了其中一款名叫「Sora 2: AI Video Generator」的应用，不仅顺利上架，还一度冲上照片与视频应用热门榜第 9 位。

不知情的用户，很容易把它当成正版。

于是，我们看到苹果在去年 11 月修订审核指南，在第 4.1 节「抄袭」里明确写道，「请拿出你自己的想法。我们知道你有自己的奇思妙想，那么请将它们付诸实际。请不要简单照搬 App Store 上的热门 App，或只是细微修改其他 App 的名称或 UI，就将其挪为己用。」

更重要的是，Vibe Coding 的烂摊子，也是真实的。

Karpathy 自己都笑着说，他做项目的时候不再深入理解代码，只是让它能用。这种「能跑就行」的开发哲学，在原型阶段极其高效，在产品后期可能是灾难。

AI 生成的代码往往缺乏边界检查和错误处理，碰到异常输入就崩。数据库索引、算法复杂度这些优化，模型不会主动去想，随着用户增长，性能瓶颈很快出现。

遇到要改功能的时候，开发者发现自己看不懂代码，只能继续用 AI 打补丁，补丁摞补丁，最后变成一座没人敢碰的屎山。当年初为了抢上线快速用 AI 写的代码，可能在年末变成团队的噩梦，为了一个改动牵一发动全身。

Reddit 上甚至出现了一群人，自称「AI 考古学家」。

他们的日常是被那些因为 Vibe Coding 导致系统崩溃的公司雇来，专门替 AI 收烂摊子，给客户返工、补救、兜底，在几百万行 AI 生成的乱码中，找那个因为模型幻觉产生的致命 bug。

讽刺的是，用 AI 省下来的钱，好多公司以另一种方式花回去了，甚至更多。

这些烂摊子，也是苹果收紧审核的隐性理由之一。但无论苹果怎么围堵，软件开发平民化的趋势已经不可逆转。Anything 被下架，只是一个创业公司和平台规则之间的摩擦。

而 Vibe Coding 带来的是整个软件生产关系的重构。OpenAI CEO 奥特曼曾和朋友打赌，第一家由单个人建立、达到十亿美元规模的公司，会出现在哪一年。

现在看来，那个时代已经呼之欲出了。在「1 个创始人 + 1 个 AI 智能体 = 1 个百万美元级 App」的行业共识下，App Store 也无法阻挡太久。

这是最好的时代，也是最坏的时代。狄更斯的名句写在 2026 年 App Store 的审核闸门之上，竟意外地贴切。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

「开放」和「开源」，并非一字之差。

Google 的 Gemma 系列发布已有两年，开发者能下载、能本地运行，但用途受限，再分发受限，改了也不能随便传播。充其量说，这只能算「开放」，还达不到 AI 圈「开源」的标准。

就在刚刚，Google 发布四款 Gemma 4 系列模型，支持 Apache 2.0 全面开源，其中最小的版本可以在树莓派上完全离线运行。Gemma 小模型，第一次真正意义上地落到了每个人手里。

以小小小小胜大

Gemma 4 共发布四个尺寸，底层技术与 Gemini 3 同源，覆盖从边缘设备到高性能工作站的硬件：

E2B / E4B：专为手机和 IoT 设备设计，与 Google Pixel 团队及高通、联发科深度合作优化。推理时分别仅激活 2B 和 4B 参数，以尽量节省内存和电量。

支持 128K 上下文窗口，具备图片、视频和原生音频输入能力，可在 Pixel 手机、树莓派、Jetson Orin Nano 上完全离线运行，延迟接近于零。Android 开发者现在可通过 AICore 开发者预览版提前体验 Agent Mode。

26B MoE：混合专家架构，推理时仅激活全部参数中的 3.8B，在保证极快推理速度的同时维持较高质量，Arena AI 文本评分达到 1441，位列开源模型第六。

31B Dense：追求极致原始性能，Arena AI 文本评分达到 1452，位列开源模型第三。未量化的 bfloat16 权重可在单张 80GB NVIDIA H100 上运行，量化版本支持消费级 GPU，为本地微调提供强力基础。

在能力层面，四款模型高度一致：均支持多步推理和复杂逻辑；原生支持函数调用、JSON 结构化输出和系统指令，可构建能与外部工具和 API 交互的自主 Agent；支持图片和视频输入，擅长 OCR 和图表理解等视觉任务；预训练语言超过 140 种。

26B 和 31B 的上下文窗口进一步扩展至 256K，可在单次提示中传入完整代码库或长文档。

基准测试的数字，能更直观地说明这一代的升级幅度。

与上一代 Gemma 3 27B 相比，Gemma 4 31B 在数学推理基准 AIME 2026 上从 20.8% 跳升至 89.2%，代码能力基准 LiveCodeBench v6 从 29.1% 升至 80.0%，衡量 Agent 工具调用能力的 τ2-bench 则从 6.6% 大幅提升至 86.4%。

这三项数据尤为关键，因为它们直接对应推理、编程和 Agent 三个当下最核心的应用场景。

参数效率是另一个值得关注的维度。从「模型性能对比参数量」的散点图来看，Gemma 4 用 26B 和 31B 的体量，拿到了通常需要数百亿乃至千亿参数才能达到的 Elo 分数。

26B MoE 的 Arena AI 评分接近参数量约 15 倍的 Qwen3.5-397B-A17B，31B Dense 的评分则与体量在 600B 以上的 GLM-5 处于同一梯队。Google 将其概括为「单位参数智能密度前所未有」，至少数字显得有理有据。

边缘端模型同样值得关注。

E2B 在多语言问答基准 MMMLU 上达到 60.0%，在科学知识基准 GPQA Diamond 上达到 43.4%，要知道，这仅仅是一个只激活 2B 参数、可以跑在手机上的模型。相比之下，Gemma 3 27B 在 GPQA Diamond 上的得分是 42.4%，两者几乎持平。

换句话说，手机上的 2B 模型，已经追上了上一代 270 亿参数的桌面模型。

在硬件生态层面，NVIDIA 与 Google 已就 Gemma 4 在 RTX GPU、DGX Spark 个人 AI 超级计算机及 Jetson Orin Nano 上的推理优化展开合作。

NVIDIA Tensor Core 和 CUDA 软件栈为 Gemma 4 提供了开箱即用的高吞吐、低延迟支持。本地 Agent 应用 OpenClaw 也已适配最新模型，可调用用户本地文件和应用上下文自动化执行任务。

从「开放」到「开源」，打开另一种可能性

理解这次发布，需要先搞清楚 Gemma 和 Gemini 的关系。两者基于同一套研究和技术体系构建，区别在于 Gemini 是订阅制的闭源产品，Gemma 则是可以免费下载、本地运行的开放模型。

Gemma 系列历代产品一直使用 Google 自有条款授权。

开发者虽然可以下载和本地运行，但用途和再分发受到限制，严格来说只能算「开放」，算不上「开源」。Google 依然握着这根缰绳。

Gemma 4 正式切换至 Apache 2.0 协议。在这套许可证下，开发者可以将模型用于任何目的，包括个人、商业和企业用途，无需支付版税，也无任何用途限制，修改和再分发同样自由。

Apache 2.0 还内置了专利保护机制：贡献者的专利自动授权给用户，若用户反过来以专利侵权起诉他人，则自动丧失使用授权。这套双向条款为企业级用户提供了额外的法律保障。

这次开源的实质意义在于，Gemma 4 现在可以合法打包进产品、服务和硬件设备中一并交付。对于医疗、金融等有数据主权或合规要求的行业用户，完全本地运行意味着数据不必上传云端，同时又能获得前沿的 AI 能力。

Hugging Face 联合创始人兼 CEO Clément Delangue 将此次授权切换称为「一个重要的里程碑」。自 2024 年 2 月首代发布至今，Gemma 系列总下载量已超 4 亿次，社区衍生变体超过 10 万个。

现在，模型权重已经上架 Hugging Face、Kaggle 和 Ollama，Transformers、TRL、vLLM、llama.cpp、MLX、Unsloth、SGLang、Keras 等主流框架均已于发布当天提供支持。

本地部署可通过 Ollama 或 llama.cpp 配合 GGUF 格式权重快速上手，Unsloth Studio 同步提供量化模型的微调和部署支持。如需云端扩展，Google Vertex AI、Cloud Run 和 GKE 同步可用。

以 Gemma 4 为代表的小模型有着更深远的意义，因为它重新回答了一个基础问题：AI 应该在哪里运行。

过去两年，这个问题的答案几乎是默认的：

数据中心。用户通过网络接口调用云端模型，数据必须上传，使用依赖连接，成本由服务商定价。这套模式在消费场景里运转尚可，但对数据主权有要求的行业，比如医疗、金融、工业，始终是一道难以逾越的门槛。

Gemma 4 提供了另一种可能。

手机、树莓派、没有外网的工厂终端，都可以在本地完成完整的模型推理。数据不离开设备，决策不经过云端。Apache 2.0 的授权则进一步打开了落地空间：模型可以合法打包进硬件产品，预装进行业设备，不再受限于调用协议和数据出境的合规约束。

能力层面的数字也印证了这条路的可行性。E2B 在科学知识基准 GPQA Diamond 上的得分，已经与上一代 270 亿参数的桌面模型基本持平，而它推理时只激活 20 亿参数，可以完全离线跑在手机上。

「更便宜」或「更方便」已经不足以描述这个变化，它更接近于一次覆盖范围的扩张，AI 能力开始有条件真正进入那些长期被排除在外的场景。

操作系统的普及经历过类似的过程：从专业机构的专用工具，逐渐嵌进每一台个人设备，直到人们不再意识到它的存在。AI 离那个阶段还很远，工程、交互、可靠性上的问题都还没有完整的答案，但可以跑在任意设备上，一定是这条路上最基础也是最重要的一步。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

凌晨四点，韩国开发者 Sigrid Jin（instructkr）被手机震醒。

消息铺天盖地：Claude Code 的底层源码被泄露了，开发者们正在疯狂转发、下载、存档。他的消息列表里全是同一件事。他也在第一时间拿到了那份代码，并上传到 GitHub 仓库。

但未经授权持有、传播一家公司的专有源码，在美国版权法框架下，完全可能构成侵权。他的女朋友也提醒他：你可能要被起诉了。

思考过后，他打开 OpenAI 的 Codex，连夜用 Python 从头重写了一遍，推上了 GitHub。2 小时，突破 50K。单日，超过 110K，成为 GitHub 史上增速最快的项目。

马没跑，马鞍丢了

事情发生在 2026 年 3 月 31 日。

Anthropic 在推送 Claude Code 更新时，打包出了问题。一个本不该公开的文件类型被上传到了 GitHub，这个文件指向内部源码，外人可以直接下载、直接阅读。

正常情况下，Claude Code 的源码是经过混淆处理的，逆向极其困难。但这一次，保护层消失了。

一个名为 Chaofan Shou 的 X 用户最先注意到这件事，截图发出，消息开始指数级扩散。几小时内，开发者们在 GitHub 上创建了超过 8000 份拷贝和衍生版本，每个人都在争分夺秒地把这份代码保存下来。

而要理解这次事件的严重性，需要先搞清楚泄露的是什么。

Claude Code 的底层，是 Anthropic 的 AI 模型，这部分没有泄露。泄露的，是套在模型之上的 harness。

如果说，AI 模型是一匹马，harness 是缰绳和马鞍。模型提供原始能力，harness 决定骑手能否真正驾驭它、指挥它干活。Claude Code 之所以能让开发者用得顺手、效率极高，靠的正是这套精心设计的 harness 体系。

这里面，包含 Anthropic 在工具调用、任务编排、上下文管理、模型行为调校上的全部积累。因此，竞争对手和无数开发者拿到的，是一张无需逆向工程的完整设计图。

后续，Anthropic 的发言人随即回应：此次泄露「没有暴露任何客户数据」，也「没有泄露模型的权重参数」。公司声明将其定性为「打包时的人为失误，不是安全漏洞」，并表示正在推出措施防止重演。

Claude Code 之父 Boris Cherny 也在 X 上简短留言，确认这只是「开发者的操作失误」。

消息发酵后，马斯克也来凑了个热闹，转发网友调侃 Anthropic 现在比 OpenAI 更开放的帖子，并留下一句「太绝了」。

DMCA 出手，先误伤了无辜

面对失控的传播，Anthropic 启动了 DMCA 删除程序。

DMCA，即《数字千年版权法》（Digital Millennium Copyright Act），是美国版权保护的主要武器。版权方向平台发出删除通知，平台需在审核后响应，否则可能连带承担侵权责任。

GitHub 作为平台，必须处理这些请求。

Anthropic 初始提交的 DMCA 请求，覆盖了超过 8000 个 GitHub 账号。随后，自己意识到范围过大，把请求收窄到了 96 个账号。

但伤害已经造成。比如开发者 Theo（YouTube 频道 t3.gg 主理人）被「DMCA」了。他的仓库里，根本没有任何泄露的 Claude Code 源码。唯一的关联，是他几周前编辑过一个 skill 的 PR（Pull Request），仅此而已。

「这不是愚人节玩笑，这是对法律的违反，我会全力抗争，」Theo 在 X 上写道，并点名 GitHub，要求撤销 Anthropic 的删除请求。

几小时后，他的仓库恢复了，但他没有收到任何通知。Theo 最终发了一条跟进推文：「看起来像是真实的失误，他们也迅速处理了。」

DMCA 的滥用问题，在开源圈由来已久。

2020 年，RIAA 向 GitHub 发出 DMCA 通知，指控 youtube-dl 绕过 YouTube 的版权保护机制，GitHub 随即下架了该仓库。事后电子前沿基金会（EFF）介入，证明投诉方误读了技术和法律，仓库最终恢复。

GitHub 随后设立了 100 万美元防御基金，专门帮助开发者应对错误的 DMCA 投诉。这一次，Anthropic 这次的大范围误伤，多少让整个开源社区有种似曾相识的愤怒。

维权的节奏，被 AI 降维打击

尽管开发者 Sigrid Jin 的重写行为本身是有争议的，从法律风险规避的角度看，至少比持有原始代码更安全。

他用的工具叫 oh-my-codex（OmX），@bellman_ych 开发的一个工作流框架，底层跑在 OpenAI Codex 上。原始的 TypeScript 代码库约有 51.2 万行，体量不小。

他开了两个模式同时推进：$team 负责并行代码审查，$ralph 负责持续执行和架构验证，迅速完成了从 TypeScript 到 Python 的整体重写。

并且他号称全程没有复制一行原始代码。

这里有个法律上的基本逻辑：版权只保护代码本身的写法，不保护背后的思路和设计。你把一个系统的架构摸清楚了，换一种语言重新实现出来，就像看完一本菜谱，自己下厨做出来，厨师管不着你。

目前，Rust 版本已经在 dev/rust 分支上动工，API 客户端、运行时、工具执行框架、斜杠命令、插件模型这些模块都在计划里。

Sigrid Jin 的仓库最早发的是直接复制的原始代码，上线瞬间，star 数量几乎垂直拉升，2 小时突破 5 万，创下 GitHub 平台有史以来最快达成该里程碑的纪录。

这个 stars 增长速度有多夸张，拿同期的 OpenClaw 来比就清楚了。

OpenClaw 已经是这个时代增速最快的开源项目之一，一个本地 AI agent 框架，在 2026 年 3 月初积累了超过 30 万 GitHub stars，超过了 React 的 24.3 万和 Linux 的 22 万。

React 跑了 13 年，Linux 跑了 35 年，OpenClaw 用了不到 100 天。而就目前的增速来看，claw-code 比 OpenClaw 还快，而且快得多。

更重要的是，AI 的介入也让今天开发者社区的复制、传播、重写速度，已经快到让版权武器有些跟不上节奏了。DMCA 能删掉 8000 个仓库，但删不掉工程师脑子里已经消化掉的架构思路。

以前，把「理解」变成「可运行的代码」需要相当的时间和人力成本，这个时间差，某种意义上是版权执法的窗口期。现在这个窗口几乎关闭了。

理解一套系统的架构，然后用 AI 辅助重写，几个小时就能完成。法律的节奏，和代码传播的节奏，已经完全不在同一个时间维度上。

Claude Code 源码传播到这个量级，早已超出任何版权手段能覆盖的范围。

对 Anthropic 来说，源码泄露本身已经是一件棘手的事。更棘手的，是两层叠加的麻烦。

第一层，是技术上的暴露。harness 的设计细节、dreaming 怎么压缩记忆、undercover mode 什么时候触发、工具调用怎么编排，这些原本的内部设计，现在摆在所有人面前，供所有人参考、复现、改进。

第二层，是形象上的裂痕。Anthropic 走到今天，最引以为傲的就是「负责任的 AI」这块金字招牌。企业客户敢把数据交给它，投资人愿意给出千亿估值，都建立在这个人设之上。但这次乱挥大棒，不仅暴露了技术底牌，更让这块招牌添上了一道难以抹平的划痕。

今年愚人节，Anthropic 送出了最贵的一份礼物。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

世界是个巨大的草台班子。

今天下午，开发者 Chaofan Shou 发了一条推文，直接放出了 Anthropic 最新命令行工具 Claude Code 的完整源码压缩包 src.zip。

这条推文迅速在开发者圈子里炸开，几个小时内浏览量突破 530 万。

评论区瞬间热闹起来，用户 @ai_for_success 只说了一句：「快给 Dario 打电话！」（Dario Amodei 是 Anthropic 的 CEO）；

有网友直接爆粗：「见鬼了。」另一位开发者 @realsigridjin动作更快，已经把泄露的源码备份到了 GitHub，仓库名叫 instructkr/claude-code，标注为「Claude Code Snapshot for Research」。

也就是说，即便 Anthropic 紧急删除原文件，代码也已经在开源社区里永久留存了。这次泄露的体量相当惊人：近两千份文件、超过五十万行 TypeScript 代码，全部在网上裸奔。

只是，这么大一家 AI 独角兽，核心代码怎么就泄露了？答案说出来都让人哭笑不得：他们往 npm 发包的时候，忘了删 .map 文件。

不过，当全球开发者蜂拥扑向这份源码时，很难不发出惊叹，因为在这份本不该公开的代码里，除了 Claude Code 源代码，Anthropic 藏着一整套极其浪漫又硬核的 AI 蓝图：

有能在终端里陪你写代码的赛博宠物，还有会在半夜自己「做梦」整理记忆的常驻 AI 助手。

一场史诗级的公关灾难，硬生生变成了一场震动业界的「野生发布会」。

一次低级失误，撕开了 Claude Code 的秘密

在聊那些让人兴奋的未来功能之前，得先看看 Anthropic 眼下有多狼狈。

如果你最近用过 Claude 的 API，大概率遇到过一个诡异的问题：你的使用额度像漏水的浴缸一样，以完全不正常的速度疯狂往下掉。目前 Anthropic 官方还在焦头烂额地排查这个让 Token 消耗暴增的 Bug。

屋漏偏逢连夜雨，Token Bug 还没修好，底裤又被扒了。

这次闯祸的 .map 文件（Source Map），前端和 Node.js 开发者都不陌生。

它的作用是把压缩、混淆后的生产代码映射回原始源码，方便开发者本地调试。但正式发布到 npm 这类公共镜像库时，删掉 .map 文件是写在每本新手教程第一页的基本操作。

然而，一向把「安全、谨慎」挂在嘴边的 Anthropic，居然犯了这种实习生级别的错误。

泄露的架构本身也足够震撼：四十多个功能模块组成工具层，涵盖文件读写、Bash 执行到子 Agent 生成；一个近五万行的推理核心 QueryEngine.ts 负责思维链调度；还有多智能体调度器 coordinator 和 IDE 桥接模块。

除此之外，开发者们从源码里扒出的未发布功能，信息量大得惊人。

其中，在所有泄露的隐藏功能中，代号 BUDDY 的项目讨论度最高。用户 @baanditeagle 在 Chaofan Shou 原帖的评论区贴出了 BUDDY 功能的截图，让整个讨论彻底沸腾。

想象一下这个画面：你正对着黑底白字的终端敲代码，突然，输入框旁边弹出一个像素风的对话气泡，里面住着一只专属于你的赛博宠物。它的设定十分细致：

• 宠物根据你的用户 ID 哈希值生成，每个人孵出来的都是独一无二的。
• 代码里预设了 18 种生物，有鸭子、龙、六角恐龙（axolotl）、水豚、蘑菇，甚至还有幽灵。
• 宠物分「普通」到「1% 传奇」的稀有度，还有各种帽子外观和类似宝可梦的「闪光（Shiny）」变体。
• 赛博宠物有五项动态数值：DEBUGGING（调试力）、PATIENCE（耐心）、CHAOS（混沌）、WISDOM（智慧），以及最亮眼的——SNARK（阴阳怪气值）。
• 第一次孵化时，Claude 还会根据这些数值实时生成宠物的名字和性格，配上精灵图动画和漂浮的爱心特效。

这多少让人想起当年微软 Office 那个烦人的「大眼夹（Clippy）」。但 BUDDY 可以说是它的终极进化版。

有趣的是，源码显示，这个功能原计划 4 月 1 日到 7 日作为彩蛋预热，5 月份先向 Anthropic 员工内测。但现在，全世界都提前知道了这个惊喜。

一个会做梦的 AI，和睡不着的 Anthropic 团队

如果说 BUDDY 是工程师的浪漫彩蛋，那代号 KAIROS 的功能，就彻底暴露了 Anthropic 在 AGI 路径上的野心。

我们现在和大模型对话，基本都是「阅后即焚」的。关掉网页，新开对话，一切从头来过。KAIROS 想打破这个局面，它被定义为「Always-On Claude（永远在线的克劳德）」。

这不只是一个长文本记忆库。KAIROS 能在不同会话之间保持持续记忆，把你的工作习惯、项目背景存在一个私密目录里。它甚至有权限主动发起任务。

此外，代码里还有一个名为 Nightly Dreaming（夜间做梦）新的机制。

怎么理解呢？在人类生理机制中，睡眠时的「做梦」是大脑整理白天碎片记忆、清除无用突触、巩固重要信息的关键过程。

Anthropic 把这个仿生学概念引入了 AI。为了防止长期记忆日志无限膨胀、导致逻辑混乱，KAIROS 会在夜间自动启动「做梦」进程。代码里甚至详细处理了午夜跨日的时间戳问题，确保做梦进程不会中断。

具体而言，在这个进程中，Claude 会像人脑一样在后台回溯你当天的交互，剔除冗余信息，把核心内容沉淀为长期记忆。

AI 白天帮你写代码，深夜你睡着后，它独自在服务器里「做梦」来更懂你。把一个冷冰冰的工程问题（上下文窗口压缩与检索）变成充满生命隐喻的解决方案，这种产品思路确实让人眼前一亮。

除了 BUDDY 和 KAIROS，源码里还藏着更多东西：

• ULTRAPLAN：支持在云端进行长达 30 分钟的远程深度规划。也就是说，Claude 不再只是给几行代码建议，而是能接管整个系统架构的构思和推演。
• Coordinator Mode（协调者模式）：这可能是通往终极 Agent 的关键。在这个模式下，一个主 Claude 实例可以同时生成并管理多个「工人 Agent」，让它们并行处理复杂的工程任务。

可以说，当其他大模型还在卷跑分、卷多模态效果的时候，Anthropic 已经尝试在系统底层悄悄搭建一套完整的「数字员工生态」：有记忆（KAIROS），有规划能力（ULTRAPLAN），有团队协作（Coordinator），甚至还有情绪陪伴（BUDDY）。

如无意外，Anthropic 的工作人员大概正在经历一个不眠之夜，。Token 消耗 Bug 还没解决，又来了史诗级源码泄露，对任何科技公司来说都是灾难。

但这场灾难又让人感慨万千。

在 AI 行业越来越充斥着 PPT 画饼、期货发布和同质化竞争的今天，Anthropic 用一种最尴尬、最不体面的方式，向外界展示了他们真正在做的东西有多前卫。

当然，也有人看到了更深的问题。用户 @QiyangYao 在评论区写道：

如果所有东西都像今天的 Claude Code 这样泄露，迟早有一天，某个黑客组织——会利用 AI 加上这些开放框架，搞出史上最具破坏性的事件。

看似滑稽的工程事故背后，是这家顶级 AI 公司在安全管理上的系统性漏洞。Anthropic 花了数十亿美元研究一个终极问题：如何让 AI 变得更像人类。这次泄露事件给出了一个意外的答案：不用急，先让人类变得更像 AI 就行了。

比如，学会在发布前自动执行一遍检查清单。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

当所有人还沉浸在 Claude Code 源码泄露事件时，OpenAI 又双叒叕出来抢头条了。就在刚刚，OpenAI 官宣完成一轮 1220 亿美元的融资。

单轮私募 1220 亿，人类商业史上从未有过。融资完成后，OpenAI 的估值落在 8520 亿美元，距离万亿只差一步，而这家公司成立至今才十年。

值得一提的是，这轮融资最初在今年 2 月公布时，承诺金额还是 1100 亿美元，最终收盘时多出了 120 亿，说明后来跟进的机构比预期的多。

外界普遍认为，这是 OpenAI 在年底 IPO 前最后一次大规模私募，上市节奏已经越来越清晰。

钱从哪来的

这轮融资的主要出资方，是亚马逊（500 亿）、英伟达（300 亿）、软银（300 亿），软银还和 a16z、D.E. Shaw 等机构联合领投。

微软作为多年老伙伴继续跟投，但这次没有公开具体金额，只知道截至去年底，微软在 OpenAI 的累计投入已经超过 130 亿美元。

此外，OpenAI 还首次通过银行渠道向富裕个人投资者开放募集，这部分筹到约 30 亿。ARK Invest 旗下规模 60 亿美元的旗舰创新 ETF 也宣布纳入 OpenAI，持仓比例约 3%，这也是该基金首次投资非上市公司。

事实上，T. Rowe Price 和 Fidelity 管理的部分基金早已持有少量 OpenAI 股份，这次 ARK 的加入，进一步打通了普通人参与的渠道。

简言之，几乎整个科技圈都在给 OpenAI 撑场面。

但仔细想想，逻辑其实很简单：OpenAI 拿了这些钱，还是要去买英伟达的芯片，租亚马逊和微软的服务器。巨头们把钱投进来，等于提前锁定了全球最大的算力客户。这轮融资，与其说是看好 OpenAI，不如说是一门稳赚的生意。

而对 OpenAI 来说，这笔钱更像是 IPO 前的最后一次大补仓。

账面数据确实好看：每周活跃用户接近 9 亿，付费用户超过 5000 万，去年全年营收 131 亿美元，单月进账最高 20 亿，而且增速是当年谷歌、Meta 这些互联网巨头同阶段的四倍。

只是，OpenAI 还没盈利，烧钱的速度一点没降下来。

为什么要关掉 Sora

这次融资前后，OpenAI 的产品节奏并没有停滞不前。

他们发布了目前最强的 GPT-5.4，在多任务处理和工作流性能上都有明显提升。代码生成工具 Codex 也从一个功能升级成了独立的编程 Agent，目前每周活跃用户超过 200 万，过去三个月涨了五倍，月增速维持在 70% 左右。

企业端的表现同样值得关注。目前企业服务已经占到 OpenAI 总营收的 40% 以上，预计到 2026 年底会和消费者端打平。

API 每分钟处理的 token 数量超过 150 亿，搜索功能的使用量在过去一年接近翻了三倍，广告试点项目在上线不到六周内年化收入就突破了 1 亿美元。这也是 OpenAI 希望向外界传递的信号，收入来源越来越多元，ChatGPT 的订阅费用只是其中一块了。

然而，就在这一片飘红的数据旁边，Sora 悄悄地下线了。

Sora 刚发布时，确实在影视圈和创意行业引发了不小的震动。一句话生成视频，画面质感还挺真实，很多人觉得这是 AI 技术最让人兴奋的那种东西。

但视频生成的算力消耗，远比文字生成高得多。AI 的每一次推理、每一段文本生成、每一帧视频渲染，都在真实消耗着昂贵的 GPU 计算周期和电能。没有免费的智能，每一次调用都是真金白银的损耗。

而用户这边，虽然觉得好玩，却没多少人愿意为此付高价。

根据华尔街日报》报道，OpenAI 之所以选择关闭 Sora，原因之一也是因为它每天要烧掉约 100 万美元，可用户数量却从上线时的 100 万，暴跌到不足 50 万。

当留存数据难看，商业化路径又模糊不清，这笔烧钱的买卖，自然没有继续下去的理由。于是，现实还没被颠覆，Sora 就已经不存在了。

关掉 Sora 只是开始，OpenAI 还在审视其他花钱多、回报慢的方向，准备进一步收缩；把算力集中到文本模型、代码生成、企业服务这些有稳定现金流的方向，也是 OpenAI 在向华尔街表态：我们知道、也需要怎么赚钱了。

从「改变世界」到「水电煤」

OpenAI 成立于 2015 年，最初的愿景是确保通用人工智能造福全人类。

2019 年，为了筹到足够的研发资金，公司转型为「有限盈利」模式，成立了营利性子公司，接受了微软 10 亿美元的投资。运营主体虽然商业化了，但非营利性的 OpenAI 基金会仍持有约 26% 的股权，名义上延续着最初的公益使命。

OpenAI 融资的官方声明里有一句话值得注意：「构建智能本身的基础设施层」。

寥寥数语，其实道出了 OpenAI 自我定位的转变。以前他们更在意用一个个惊艳的 Demo 刷新外界对 AI 的认知，现在更想做的，是退到幕后，成为企业和个人离不开的底层工具。

他们把这个方向叫做「超级应用」，计划把 ChatGPT、Codex、搜索、浏览器等能力整合进一个统一的入口，主要面向开发者和企业用户，让人不用在一堆工具之间跳来跳去。

这背后的逻辑，是让消费者端的习惯自然带动企业端的采购，两块业务互相强化。

一个普通用户可能今天觉得新鲜、明天就取消订阅，但一家把核心业务跑在 OpenAI 模型上的企业，不太可能说断就断，后者才是华尔街真正想看到的那种客户黏性。

过去几年，AI 行业隔三差五就会出现让人眼前一亮的东西，新模型、新产品、新的可能性，一波接着一波。

但从这轮融资和 Sora 被关掉这件事来看，那个充满惊喜的阶段，可能真的要告一段落了。接下来可能更像是一门成熟的生意：有人管算力、有人管数据、有人管销售，大家各守一块，讲究成本控制，讲究商业落地。

OpenAI 已经回不到从前了，但它也许本来就没打算回去。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

「iPhone 4 回收价暴涨 80 倍」

「iPhone 4 回收可卖 400 元」

「手机店老板说回收手机比挖金矿便宜」

最近这些热搜，我是刷了一条又一条，有时甚至已经分不清这是科技新闻还是财经报道了。

就在我以为全是二手贩子们自导自演的热闹时，GadgetHacks 最新数据显示，iPhone 4 在过去一年的搜索热度也的确实打实翻了十倍；TechRadar 的数据更夸张，购买 iPhone 4 的搜索量暴涨了 979%。

只是，作为一台没有 5G，没有人脸识别，连电话都打不出去的「电子古董」，iPhone 4 怎么突然就成了年轻人的心头好？

「烂」本身，成了卖点

想理解这件事，得先回到手机影像这十年走过的来时路。

过去十年，手机摄影进化的方向几乎只有一条：更清晰、更稳定、更聪明。高像素、大底传感器、AI ISP、多帧合成……技术每前进一步，「失败的照片」就少一张。

到今天，你几乎很难再拍出一张真正「糟糕」的照片了。

天空蓝得恰到好处，夜景亮如白昼，人像完美无瑕。算法在你按下快门之前就已经开始运算，帮你把所有不确定性提前消灭掉。
结果是什么？

世界太清晰了，清晰到没有一点秘密，也清晰到极其平庸。每一张照片看起来都是「正确答案」，而正确答案看多了，就失去了惊喜感。

人天生对「不完美」有一种隐秘的迷恋。胶片的颗粒感、CCD 的过曝、宝丽来的偏色——这些「缺陷」之所以被反复追捧，不是因为它们在技术上更先进，恰恰因为它们留下了某种无法复制的「意外」。

iPhone 4，就是这逻辑下的最新受害者，抑或者说，最新受益者。

要搞清楚 iPhone 4 为什么拍出来那个味道，得先看看它的硬件有多「寒酸」。

后置摄像头只有 500 万像素，传感器尺寸是 1/3.2 英寸背照式 CMOS。宽容度极差，稍微光线暗一点，传感器就开始疯狂产生热噪点和散粒噪声。

面对高光，它压不住，直接过曝一片白；遇到暗部，它提不亮，死黑一片。自动白平衡算法也很原始，在室内灯光下极容易偏黄、偏绿。

这些放在参数表里，确实一无是处。但年轻人偏偏从这堆缺点里，看出了另一种美。
500 万像素的低解析力，天然模糊掉脸上的痘印和毛孔，比任何「磨皮算法」都自然，是最无感的颜值滤镜。那种压不住高光、提不亮

暗部的「爱咋咋地」式曝光，反而呈现出黑得纯粹、亮得耀眼的高反差画面，符合传统摄影的自然美学。

就连那不规律的色偏，在海外 TikTok 年轻人眼里被赋予了一个极具氛围感的词：「情绪」。

一张偏黄的室内自拍，糊糊的、暖暖的，像从记忆里打捞出来的老照片。没有精准的白平衡，没有讨好眼球的饱和度，甚至连细节都是模糊的。

但正因为模糊，反而留下了一种暧昧的空间感，看的人会不自觉地往里填东西，填情绪，填记忆，填自己的故事。这种质感，花再多钱买来的旗舰镜头，也拍不出来。

iPhone 4 受追捧的背面，还有一条隐线。

从 iPhone 5S/6 时代开始，苹果引入了更强的 ISP（图像信号处理器）。为了掩盖噪点，算法开始主动「涂抹」画面。这就是那个被称为「水彩画效应」的阶段——画面肉呼呼的，糊糊的，噪点没了，但复古味也一起没了。

2019 年，随 iPhone 11 系列推出的 Deep Fusion（深度融合）是苹果计算摄影的真正分水岭。发布会上，苹果高管 Phil Schiller 专门放大了一件毛衣的针织纹理，骄傲地展示机器学习如何还原每一根线头的细节。

清晰确实无可辩驳，但也带来了两个难被忽视的副作用。

第一个是过度锐化。算法为了强调纹理，会把边缘「加硬」，放大来看，线条生硬，不像是光通过镜头自然落下的样子，更像是被人工描了一圈轮廓线。

第二个是降噪涂抹。为了让纹理清晰，暗部的噪点被暴力抹平。皮肤失去了毛孔，平滑表面出现了「塑料感」，整张照片像是被套上了一层薄薄的蜡。

这种被计算出来的「精致」，在参数党眼里是进步，在追求质感的年轻人看来，却越来越像是一种冷漠：机器在替你做审美决定，而且过犹不及。

最近就有海外网友做了一个有意思的测试：把 iPhone 4 和 iPhone 17 Pro 放在同一场景下各拍一张，发到社交媒体上征集评价，结果出乎意料，iPhone 4 的好评反而更多。

这当然不是说 iPhone 4 的影像能力更强。它赢的，恰恰是一种说不清道不明的「人味儿」。

除此之外，iPhone 4 这波「回春」，还少不了颜值的功劳。乔布斯在发布 iPhone 4 的 WWDC 上，把这台手机比作「一台优美的老徕卡相机」。放在 15 年后重新审视这个比喻，也依然不违和。

前后玻璃加不锈钢中框的经典三明治结构，边缘利落的直角切削，3.5 英寸小屏配上物理 Home 键——整体设计有棱有角，精密感十足。

对比同时代 iPhone 3G/3GS 那种廉价感的圆润塑料机身和镀铬银边，iPhone 4 在工业设计上确实高了一个段位，放在今天也依然有辨识度。

而这种「有棱有角」的美，刚好和当下 iPhone 圆润轻薄的玻璃背板形成了强烈反差。时代兜了一圈，直角中框反而成了更推崇的设计语言。某种程度上，iPhone 4 早就预言了这一切。

情怀被明码标价，但我劝你先冷静

在任何一波怀旧浪潮里，当情怀被明码标价，也自然少不了商家的推波助澜。

嗅到商机的商人，开始在二手平台大量收购 iPhone 4 系列机型，翻新、清洁、贴膜，挂上「复古情怀」「原生画质」的标签，价格直接上去。废品回收站 5 块钱一台，转手 150 到 400，最高溢价 80 倍。

更绝的是，部分商家预先在机器里装上《水果忍者》《小鳄鱼爱洗澡》《植物大战僵尸》等十几款当年的经典游戏，用「复古游戏包」强化购买时的情绪体验，让年轻买家感觉自己拿到的不只是一台手机，而是一整段消逝的青春。

当然，炒作本身无可厚非，但如果你准备下单了，建议先冷静三分钟。情怀是美好的，但被时代淘汰也是客观事实。这台 15 年前的手机，在当下的实用性几乎为零。

一方面，iPhone 4 永远停留在 iOS 7.1.2，这个版本早已停止更新，各种安全漏洞无法修复，连接网络后，手机里的信息很容易被泄露，相当于在网络环境里「裸奔」。

iPhone 4 仅支持 3G 网络，而目前国内的 3G 网络几乎全面退网，即便插入手机卡，也无法正常接打电话、使用流量。它唯一的使用场景，就是连接 Wi-Fi，勉强用来拍照、玩几款复古小游戏，实用性大打折扣。

除此之外，iPhone 4 还存在诸多硬伤：电池老化严重，即便更换新电池，续航也难以支撑正常使用，长期使用后，系统卡顿、应用闪退等问题也会频繁出现，严重影响使用体验。

说白了，iPhone 4 现在的最终宿命，大概率和 CCD 相机一样：偶尔拿出来拍几张「氛围照」，亦或者更多时候就是放在桌上做摆件。

如果你的心动，只是被社交媒体平台上的「渣画质」出片效果种草，单纯想要拍出 iPhone 4 那种复古、有情绪的照片，其实完全不必花冤枉钱入手这台「电子古董」。

我们为你整理了一组 AI 提示词，不用花钱，就能轻松模拟出 iPhone 4 的成像效果，性价比拉满：

「Use the reference image as a strict blueprint and keep the same framing, perspective, identity, pose, expression, wardrobe, textures, background, and lighting. Restyle it as a 2010 iPhone 4 straight out-of-camera 5MP JPEG: moderately limited dynamic range with mild highlight clipping and slightly lifted shadows, moderate contrast, subtle color cast and imperfect white balance, light grain and light chroma noise, soft edges with faint sharpening halos, mild JPEG smearing and macroblocking, slight banding, subtle vignetting, and faint handheld micro-blur in low light.」

把用现在手机拍的照片丢进去，出来的效果和真机相差无几。500 万像素的颗粒感、偏暖的色调、轻微的过曝，全都有，而且随时能调整、反复试验，比淘一台实机方便得多。

说到底，年轻人追捧 iPhone 4，追捧的从来都是它所承载的那些东西：复古质感、真实情绪，以及某一代人关于青春的集体记忆。这份情感，完全值得被尊重。

只是，情怀有价，智商税没有必要交。与其花几百上千元入手一台实用性为零的「电子古董」，不如用更便捷、更省钱的方式，捕捉自己喜欢的复古质感，这才是潮流背后，最有意义的追求。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

「你见过凌晨四点的洛杉矶吗？」

这本是一句用来兜售自律的鸡汤文，可在 AI 浪潮漫过各行各业的今天，深夜走进一家 AI 漫剧制作公司，你可能会看到一群眼圈发黑的打工人在工位上使用 AI 来处理他们本该在白天完成的工作。

AI 能提升效率、解放劳动力的故事，我们听了太多年，不能说全是谎言。

但当算力变成紧俏的稀缺资源，「错峰使用」也成了全球 AI 公司心照不宣的统一话术时，打工人非但没有从冗余的工作里解脱，反而被塞进了另一套更拧巴的工作时间表里。

AI 算力不够，打工人的睡眠来凑

今年年初，字节跳动的 AI 视频生成模型 Seedance 2.0 爆火，火到无需多言。

宇树科技创始人王兴兴称它是「全球遥遥领先」。冯骥体验过后，给出「AIGC 的童年时代结束了」的评价，春节返工后的高峰时段，排队使用的人数一度冲到十万，足以见得市场对它的狂热。

行业大佬的背书、市场的狂热，直接推高了 Seedance 2.0 的旺盛需求，而这份需求，最终也传导到了下游的 AI 相关企业。

据 36 氪未来消费报道，AI 漫剧制作公司鹤芽漫剧，早早就把上班时间调到了中午，一干就到凌晨 1 点，目的只有一个：避开白天的算力高峰。

更戏剧性的情节是，凌晨 1 点的排队人数仍以万计，无奈之下，上班时间只能再往后提，最终定格在凌晨三点。

 

据此前 The Information 报道，想获得 Seedance 的企业授权，先要通过资质审核，想拿到谈判席位，企业需要先承诺至少 1000 万元人民币的使用预算，这还只是排队的起步价。

值得注意的是，这些报道的细节未必完全准确，但有一点大概率成立：能坐上谈判桌的，本来就是少数。

对大多数中小型公司来说，错峰上班，用人熬夜换机器运转，反倒成了最务实的办法。

究其原因，AI 工具的能力已经强到足以重组一家公司的工作方式，可支撑它的基础设施，却还没跟上这份能力的步伐。AI 的每一次推理、每一段文本生成、每一帧视频渲染，都在真实消耗着昂贵的 GPU 计算周期和电能。

没有免费的智能，每一次调用都是真金白银的损耗。这直接倒逼 AI SaaS 平台的定价模型，从过去的席位制，转向基于 Token、基于操作、基于消耗量的计费方式，一分一毫都算得清清楚楚。

在这样的 Token 经济学逻辑下，边际成本高企，平台方根本无法容忍用户在算力紧张时无节制消耗。因此，限制配额、排队等待、建议错峰使用成了必然选择。

另一个方面就是 Sora，据《华尔街日报》报道，OpenAI 之所以选择关闭 Sora，原因之一就是它每天要烧掉约 100 万美元，可用户数量却从上线时的 100 万，暴跌到不足 50 万。

当留存数据难看，商业化路径又模糊不清，这笔烧钱的买卖，自然没有继续下去的理由。

包括同一时期，Anthropic 宣布调整 Claude 的使用规则，将太平洋时间早 5 时至 11 时定为高峰时段，这个窗口内，用户的会话额度消耗会明显加快。换算成北京时间，恰好是晚 8 点到凌晨 2 点，也让不少网友自嘲，难得享受到了时差的红利。

去年 DeepSeek 爆火时，也因为服务器资源紧张做过类似的尝试，一度暂停了 API 充值。重新开放后推出了夜间优惠，表面上是给用户让利，本质上，就是用价格杠杆，把流量强行分散到夜间，缓解白天的算力压力。

只是，我们发明 AI 是为了像人一样思考，结果却要求人像机器一样「错峰运行」。

当然，这或许只是一个过渡阶段。当年宽带刚普及的时候，也有人半夜爬起来下载一部电影，谁也没想到后来流媒体会变得如此理所当然。

尽管我们还没有到完全被 AI 支配日程的地步。但这个苗头依旧值得留意——当越来越多的工作流开始依赖 AI，当 AI 的响应速度和可用性直接影响到一家公司的产出效率，人对它的依赖，也就在不知不觉中加深了。

用了 AI，为什么越来越累？

如果说第一部分的「错峰上班」还只是为了解决能不能用的问题，那么更深层的痛苦则来自于：即便算力充足，AI 也没有让工作变少。

在铺天盖地的宣传里，AI 是那个无所不能的超级助理，是解放双手的灵丹妙药。可一旦这些工具真正落到具体的工位上，打工人们发现，预想中的「一键下班」并没有发生。

Upwork 在 2024 年对 2500 名职场人士的调查发现，96% 的管理层坚信 AI 会提升员工效率，可实际上，77% 的员工反映，AI 的引入，反而让他们的工作量增加了。

领导们觉得 AI 在帮你减负，于是理所当然地给你加派任务；而你却像个被抽得越来越快的陀螺，忙得脚不沾地，连喘息的时间都没有。

EY 2025 年覆盖 29 个国家、1.5 万名员工的调查，给出了类似的结论：64% 的受访员工认为过去一年工作量有所增加，而真正能把 AI 用到改变工作方式、提高效率的，只有 5%。

换句话说，大多数人用 AI，还停留在搜索、总结这种浅层层面。并且根据《哈佛商业评论》今年 2 月份的研究，AI 非但没有减少工作，它让工作强度变高了。

研究发现，AI 引入后，员工的工作节奏被强行加快，承担的任务范围变宽，工作时间延伸到了更多碎片化的小时里，而且很多时候，并没有人明确要求他们这样做。

这背后，藏着一个容易被忽视的经济学逻辑——「杰文斯悖论」：

技术让某件事变得更高效，往往反而会增加对这件事的总需求。AI 在职场中的处境，完美契合了这个悖论：单项任务的效率提高了，但任务总量也跟着水涨船高，最终，打工人的总工作量，非但没有减少，反而越来越多。

尤其是当 AI 生成的内容如海啸般涌现，可事实核查、逻辑梳理、细节修改这些需要人类判断力的工作，仍然只能由人来完成。于是，打工人的工作，从具有成就感的创造，悄然变成了枯燥又疲惫的打扫和校对。

期间工作量并没有凭空消失，它只是换了一种更隐蔽、更折磨人的形式。

除此之外，人不光要把自己的本职工作做好，还得自己去琢磨那些不好懂的提示词，在各个 AI 模型之间来回切换、反复尝试，才能找到能用的工具。

伊万·伊利奇 1981 年提出的「影子劳动」，指的是为了维持正式工作运转而不得不做的无偿准备性劳动。学会用 AI、管理 AI 工具链、校验 AI 输出，这些也正在成为职场隐性的准入门槛，既不算工作时间，又不计入薪酬，却真实地消耗着人的时间和精力。

比如有的人为了不被时代落下，也为了完成公司要求的 AI 使用指标，只能自己花钱，每个月掏几百上千块，去订阅各种 AI 工具的高级账号。

凌晨三点上班，看上去是在抢算力红利，本质上，是个人在用自己的生物钟，替一个还未成熟的行业，扛下它转嫁出来的不稳定性和成本。这笔账，怎么算都不划算。

只是目前在时代浪潮面前，个体的反抗，大多显得苍白无力。

工业革命以前，人跟着太阳走，天亮干活，天黑睡觉，时间是自己的。后来有了电，夜班出现了，工作时间开始突破昼夜的界限。再后来有了互联网，下班的边界开始模糊，工作可以随时随地找上门。

再后来有了手机，随时在线变成了默认状态，工作彻底入侵了生活的每一个角落。

每一次技术迭代，都有人说，这是自愿的，是进步，是效率的提升。

每一次，也都有人发现，最后承担代价的人，从来都不是最先喊着技术革命的那个人。

我们最初希望 AI 能替人省力，让时间变得宽裕一些。可眼下的现实是，它在某些地方确实提升了效率，却也在另一些地方制造了新的紧迫感：因为它能做到，所以你必须用；因为人人都在用，所以你不能慢。

内卷的逻辑没有消失，只是换汤不换药。我不确定这算不算一种必然的规律。但我知道，AI 本该是给你一把伞，帮你遮风挡雨，而不是顺理成章地把你赶进一场更大的暴雨里。

*封面、正文图片源自互联网

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

我输入了一段 prompt，按下生成。手还搁在键盘上呢，视频已经出来了。

画面前景是一杯冒着热气的黑咖啡，背景模糊；随后焦点平滑转移，清晰展现出背景中一位翻阅旧书的女孩。

改了两个词，把光线方向调了一下，再按一次。又出来了，质感没掉。提示词写得很随意，就是脑子里的画面用大白话说了一遍，没有刻意堆关键词，模型全听懂了。

这是 PixVerse V6 给我的第一感受。不是「效果好」三个字能概括的，准确说是「这个效果，居然这个速度就出来了」。

PixVerse 出片快，这件事圈里不算新闻。大多数 AI 视频工具还在用排队考验耐心的时候，PixVerse 已经是同类里生成速度最快的选手。在 Artificial Analysis 的视频生成模型排行榜上，PixVerse V6 更是处在第一梯队。

不过如果 V6 只是「更快了一点、画质更好了一些」，那它只是一次常规迭代，不值得单独拿出来聊。

V6 做的事情，是把「快」从一个技术参数，变成了一种创作层面的结构性优势。指令理解强了，提示词不用反复打磨；画质也更稳了，这些环节省下来的时间叠在一起，比单纯的生成速度提升值钱得多。

换句话说，当出片质量够稳定、速度够快，创作者的瓶颈就不再是工具，而是想法本身 。AI 没有让创作者贬值，它反而让好想法比以前更值钱了。

不只是快，每一帧也经得起放大看

PixVerse V6 的操作本身没有任何门槛，新手也能轻松上手。

打开拍我 AI（网页端地址：https://pai.video），在输入框里用自己的话描述想要的画面，选好分辨率、画面比例和时长，点生成就行。支持 360P 到 1080P 输出，横屏竖屏都能选，单次生成时长可以自己控制。

V6在指令理解上有了肉眼可见的进步，只需简单描述创作意图就足够，无需堆砌专业术语，它明白你要的是什么光线、什么氛围、什么景别，这也导致省下的不仅是时间，还有反复推敲提示词的精力。

也支持上传参考图。想还原某个风格、想锁定角色长相，把图扔进去就行，模型会参照着生成。

V6 最让我意外的进步在于物理仿真。

我试了一段微距镜头。金黄色蜂蜜缓慢滴落，拉出晶莹的丝线，落在松饼上缓缓散开。丝线被重力拉细，接触面的扩散速度也和蜂蜜的黏度匹配。

它有重量，有重力，有因果。

以前 AI 视频里的物理世界是「会动的像素」，V6 里的物体在遵守物理定律。这一点的意义超出视觉层面。我们判断一个画面真不真，靠的是一种直觉：这杯水倒出来的方式对不对？这滴蜂蜜落下的轨迹合不合理？V6 在这个层面上交出了一份像样的答卷。

物理仿真解决的是世界真不真实，而人像质感解决的是人的质感对不对。

这是 AI 视频最容易翻车的科目。稍有不慎就是恐怖谷。五官精致但表情僵硬，皮肤光滑但质感像硅胶，眼睛很亮但眼神没焦点。你能认出这是一张脸，但直觉会告诉你，这不是一个人。

V6 在这方面让我重新有了新的审视。一些圈内创作者拿它和 Seedance 放在一起比，结论基本是：两者互有胜负，很难说谁压过谁。

我试了一段中年男性演员的面部特写，他正努力克制哭泣的冲动，浅景深，柔和侧光。出来的结果很难让人移开视线。鼻翼轻微颤动，眼角湿润，这几个动作之间有时间差，有层次，有内在逻辑。

这种微表情的层次感，让人物开始有了一种 AI 演员的即视感。对比之下，以前 AI 人像的情绪更接近「状态切换」，V6 里的情绪有了过程。皮肤质感的取向也值得单说——肌理，毛孔、细纹、光线下的皮肤色差都保留。

打斗戏是 AI 视频的体能测试。

拳头要打在正确位置，被打的人要有合理反应，身体运动惯性要连贯，多角色空间关系不能穿模。任何一个环节崩了，就变成搞笑视频。许多 AI 视频模型的生成结果要么是两个人在做体操，要么挥拳的手臂穿过了对方的脸。

在体验 V6 的过程中，我生成了一段大雨滂沱的泥泞小巷里，两名武术高手正在激烈近身肉搏的场景。一记重拳击中对方下颚，雨水和汗水随冲击飞溅，受击者的面部肌肉因冲击力产生真实的震颤。

画质之外，真正让我兴奋的是 V6 补齐了一套镜头语言能力。

变身特效方面，我生成了一台科技感极强的机械无人机在空中急速飞行，随后快速从金属形态幻化为一条由流动墨水和水墨线条组成的、散发幽蓝光芒的水墨神龙。

过渡自然，没有常见的像素闪烁和边缘残影。金属的硬度和水墨的流动之间有一个过渡状态，两种质感都没有被粗暴切断，整个变身过程更接近融合，而非替换。

运镜能力同样有惊喜。电影级航拍视角下，一台无人机在废弃的、生锈的工业厂房内部急速穿行。厂房的空间感、金属质感的光线处理、高速运镜时画面的稳定性，三件事同时做到位，没有出现 AI 常见的那种「不知道该看哪」的混乱感。

还有一个方向是子弹时间。黑客帝国式的视角旋转，主体定格，背景动态延续。这类镜头对时间感的控制要求很高，稍有偏差就会变成慢放，V6 处理得比较克制，速度分层是有的，没有用力过猛。

我还试了两个对空间穿越要求更高的场景。第一个是课堂。无人机视角从走廊切入教室，镜头跟着这股气流穿出教室，拉到整个校园上空。试卷和白纸被气流卷起，满天都是，运镜轨迹却没有断。

第二个是蜜蜂从窗缝挤进来，穿过卧室、客厅，找到厨房里的蜂蜜罐再飞出。每个房间光线和景深都不同，换场时蜜蜂飞行惯性有轻微滞后，和真实昆虫的节律对得上。

多镜头切镜可能是对实际工作流贡献最大的能力。一段时尚女装广告短片，三个镜头的衔接流畅，色调温暖统一，没有 AI 的拼凑感。

还有三个我比较喜欢的运镜和场景调度的测试。

比如一架纸飞机在维多利亚式书架间起飞，书本跟着腾空排成隧道，随后场景切进脑内微观世界，神经元在半透明星云状组织里闪着荧光，像缩小版的银河系。

同样是纸飞机在图书馆迷宫里做非线性飞行，俯冲、侧滑、擦边过障碍，镜头紧紧跟随，转弯时有强烈的侧滑感，没有糊掉。

前脚还是琥珀暖色的图书馆，进入脑内世界后立刻切成深蓝和深紫，但因为运镜没有断，切换反而变成了一种视觉冲击，并不突兀。

这些能力单拿出来每一项都是加分项。组合在一起，意味着 V6 开始具备完整的镜头语言能力了。

最后一个让我印象深刻的点，不是画面，是声音。

V6 在开启 Audio 之后，音频适配有了明显增强。我试了一段微缩模型视角的场景：远处火山正在喷发，小人国村民四散奔逃，一只巨大的手拿着透明碗从天而降，将整个村庄罩住，透明碗落下的瞬间带着空气被压缩的细微震动。

特别是 ASMR 类场景。下雨天的窗户、篝火噼啪声、书页翻动。这些画面本身就追求沉浸感，音频质量直接决定你是在看视频还是沉浸在场景里。

一个人暴力出片叫效率，一群人暴力出片叫生产力

如果 V6 只是一个更快更好的 AI 视频模型，故事到这里可以收尾了。但 PixVerse 显然不打算只讲到这里。

据了解，这次同步上线了两个东西：Team Plan 和 Mini Apps。

Team Plan 是给 2 到 15 人的工作室用的。核心机制很简单，团队共享一个积分池。

不再是每人一个账号各算各的，而是整个团队统一消耗，按角色分配权限。老板看全局，创意总监管项目分组，剪辑师专注出片。个人空间的素材和模板一键同步到团队空间，不用在群里来回传文件。

听起来不复杂，但解决的问题很真实。以前工作室用 AI 视频工具，就是每人开各自的账号，出了好素材在群里互传，版本管理靠文件命名加日期。这跟十年前用 U 盘传 PPT 没什么本质区别。

Team Plan 做的事情，就是把 AI 视频从个人工具升级成了团队生产线。一个人连出十条挑最好的叫个人效率，五个人各出十条，五十条里挑一条炸裂的，叫团队生产力。

Mini Apps 走的是另一条路。使用方式简单到不需要解释：上传几张商品图，系统自动帮你剪成一条完整的广告视频。不用懂剪辑，不用知道什么叫镜头语言。

一个淘宝店主、一个小红书博主、一个街边奶茶店老板，都能在几分钟内拿到一条可以直接发的产品视频。

V6 模型是给创作者的武器，Mini Apps 是给所有人的傻瓜相机。当创作门槛被压到零，暴力出片就不只是创作者的方法论了，它变成了人人能用的基础设施。

快，才是最贵的画质

画质够好，速度够快，成本这道关也值得单独说一说。

720p 分辨率常态成本大概为每秒 0.04 美元，放在当前市场里已属低位，对应的却是第一梯队的生成质量，4 月 7 日前购买会员至高打七折，生成时积分消耗再减免 30%，进一步把规模化出片的成本压了下来。

这让我想到摄影从胶卷到数码的变化。

胶卷时代一卷 36 张，按一次快门前得在脑子里构图三分钟，因为每一张都有成本，但快门本身的质量没有区别。数码时代的摄影师怎么拍？因为每一张都清晰、都够用，所以可以连拍 200 张，事后选构图最好的那张。没人会说这「不严肃」，因为最终给观众看的永远是那张最好的。

V6 让 AI 视频创作进入了这种「数码时代」。

而 PixVerse 对「快」的理解，也早已超出了生成速度本身。

从早期的高速生成，到 R1 的实时交互，到 V6 的强指令理解让描述变得更自然，再到 Team Plan 把协作效率拉到团队量级，这条线串起来，体现的是 PixVerse 在多个维度上同时提速：生成速度快、指令理解准确、协作效率提升。

支撑这一切的，是PixVerse扎实的模型迭代能力。

能在排行榜上持续保持第一梯队，靠的是每一代产品都在扎实啃硬骨头，物理仿真、人像质感、镜头语言，每一项都是难而正确的方向。V6 的初衷很纯粹：让创作者把精力放在创意上，其余的交给工具。

当一个工具把高质量的生成变成了触手可及的日常，又把使用门槛压到零、把协作效率拉到团队级别，它就不再只是一个「模型」了。它正在变成内容时代的基础设施。

PixVerse V6 开启了 AI 视频的暴力出片时代，快到不讲道理，好到能直接交片。

这个时代才刚开始。

作者：李超凡、莫崇宇

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

龙虾，是最近 AI 圈出现频率最高的词汇。

它指的是 OpenClaw，一个近期在AI圈迅速蔓延的开源智能体框架。有人觉得它像贾维斯，有人觉得它像脚手架，有人觉得它像轻量级操作系统，所有人都在用，而且越用越停不下来。

围绕它的讨论也随之而来：龙虾能干什么，干不了什么，下一步往哪走，算力够不够，谁在受益，谁在焦虑。

现在，行业里最靠近前线的一批人坐下来，认真聊了聊这件事。就在刚刚，月之暗面创始人杨植麟在北京中关村论坛年会的开源主题圆桌中主持了一场五人谈话，智谱创始人张鹏、无问芯穹创始人夏立雪、小米 MiMo 大模型负责人罗福莉、香港大学助理教授黄超共同参与。

对话从 OpenClaw 的实际使用体验出发，延伸至模型定价逻辑、推理基础设施的结构性瓶颈、模型架构创新，以及对未来十二个月行业走向的集体判断。

从聊天到真正干活，OpenClaw 改变了什么

论坛开场，杨植麟抛出了一个共同话题：日常使用 OpenClaw 或类似产品，最有想象力的体验是什么？从技术角度看，如何理解今天智能体框架的演进方向？

张鹏说，他很早就开始自己动手折腾这类工具，当时还不叫 OpenClaw，最早叫 ClawBot。毕竟是程序员出身，折腾这些东西有自己的手感。在他看来，OpenClaw 最大的突破在于把顶尖模型的能力，尤其是编程和智能体方面的能力，交给了普通人。

「这件事不再是程序员或极客的专利。它在模型上方搭起了一个牢固又灵活的脚手架，让原来因为不会写代码而无法实现的想法，今天通过简单的对话就能完成。」他更愿意把 OpenClaw 这类工具称为脚手架，它提供的是一种可能性，而不是一个封闭的产品。

夏立雪的第一反应是不适应。他习惯了和大模型聊天的交流方式，一开始发现 OpenClaw 响应慢，觉得很卡。但后来他意识到，这类工具和聊天机器人有本质区别：它更像是一个能承接大型任务的人，而不是一个回答问题的工具。

「从按 token 计费的模型，到能帮你完成任务的智能体，AI 的想象力空间已经做了一次大的跃升。但与此同时，对整个系统能力的要求也大幅提升，这就是我一开始觉得它卡的原因。」

他随后披露了一个直观的数据：无问芯穹从今年一月底开始，基本上每两周 token 用量翻一番，到目前为止已经翻了十倍。「上次见到这个增速，还是 3G 时代手机流量刚普及的感觉。那时候大家每个月一百兆流量，现在的 token 用量就是那种感觉。」

他认为，现有的所有资源想要支撑这个快速增长的时代远远不够，需要更好的优化和整合。

罗福莉从产品框架设计角度给出了不同的观察。她把 OpenClaw 视为 agent 框架领域一次革命性和颠覆性的事件。她注意到，深度 coding 圈子里很多人的第一选择依然是 Claude Code，但她认为只有真正用过 OpenClaw 的人才能感受到这个框架在设计层面的独特之处，包括近期 Claude Code 的很多新更新，其实也在向 OpenClaw 的设计方向靠近。

她总结了 OpenClaw 核心价值的两个层次。

第一是开源。开源让整个社区能深度参与、持续改进，这是一个非常重要的前置条件。她认为，开源框架的一个关键价值在于把国内参数量不那么大、但水平仍然可观的模型的能力上限大幅拉高，

「在绝大部分场景下，任务完成度已经非常接近 Claude 最新模型的水平，同时它靠一套完整的 harness 系统和 skills 体系把下限也保证得很好。」

第二是点燃了大家对大模型之上那一层的想象力，也就是智能体层。她看到越来越多非研究员背景的人开始通过更强的 agent 框架参与 AGI 的变革，一定程度上替代自己工作中的重复任务，把时间释放出来做更有创造力的事情。

她还提到了一个具体的使用感受：相比 Claude Code 只能在桌面上延展创意，OpenClaw 可以随时随地参与进创意过程，想象力的扩展没有场景限制。

黄超从交互模式切入，分析了 OpenClaw 能引发广泛关注的原因。

他认为第一个关键因素是「活人感」。以往的 Cursor、Claude Code 这些 agent 工具，使用起来更像工具；OpenClaw 以 IM 软件嵌入的交互方式呈现，让人感觉更接近自己想象中的个人贾维斯。「这种活人感是很多人第一次真正觉得 AI 要来了的时刻。」

第二个因素是，OpenClaw 再次验证了 agent loop 这种看似简单但极为高效的框架范式。第三个值得思考的问题是，我们到底需要一个 all-in-one 的超级智能体，还是一套类似轻量级操作系统或脚手架的存在，去撬动整个生态里所有的工具和能力。

他倾向于后者，认为 OpenClaw 更像一个操作系统级别的小管家，通过这个入口，社区里越来越多的人开始设计面向这类系统的应用，以 skills 和 harness 的形式去赋能各行各业，这和整个开源生态天然结合得非常紧密。

干一个任务，消耗原来百倍的 token

杨植麟随后把问题引向了智谱最新发布的 GLM-5-Turbo 模型，以及伴随而来的提价策略，并问这背后反映了什么样的市场信号。

张鹏说，这次更新是在整个发展目标中提前放出来的一个阶段性成果。核心目标只有一个：从「对话」转向「干活」。OpenClaw 让大家意识到大模型真的能帮人完成任务，但这背后对模型能力的要求远超以往。

「它需要自己做长时间的任务规划，不断压缩上下文，随时 debug，还要处理多模态信息。这和传统面向对话的通用模型完全不同。」

GLM-5-Turbo 在这些方面做了专门的加强，尤其是在如何让模型持续自我 loop、不停执行任务这个问题上投入了大量工作。同时也做了效率优化，在面临复杂任务时能用更高效的推理路径完成，避免用户只看到账单上的数字在不停往下掉。

对于提价，在他看来，现在完成一个复杂任务，模型背后的推理链路很长，要写代码、要和底层基础设施打交道、要随时修正错误。消耗的 token 量可能是回答一个简单问题的十倍甚至百倍。模型变大了，推理成本相应提高，价格自然要回归正常的商业价值。

「长期靠低价竞争，对整个行业的发展都不利。我们需要一个良性的商业闭环，才能持续优化模型能力，持续给大家提供更好的服务。」

现有的云计算架构，并非为 AI 设计

随着 token 用量的爆发和行业从训练时代转向推理时代，推理基础设施的压力成为不可回避的话题。

夏立雪说，无问芯穹是一家诞生在 AI 时代的基础设施厂商，目前同时为 Kimi、智谱以及多所高校科研机构提供服务，也在和 memo 合作。他们一直在思考一个核心问题：AGI 时代需要的基础设施是什么样的，以及如何一步步去实现和推演它。

在他看来，当前脚下最紧迫的问题是如何打造一个更高效的 token 工厂。

无问芯穹的做法是从软硬件打通的角度出发，接入了国内几乎所有种类的计算芯片，将几十种芯片和几十个不同的算力集群统一连接起来。「资源不足时，最好的办法有两个：第一，把能用的资源都用起来；第二，让每一分算力都用在刀刃上，发挥出最大的转化效率。」他们也在探索最新的模型结构和硬件结构之间能否产生更深的化学反应。

但他认为，仅仅打造一个标准化的 token 工厂还不够。他提出了一个更根本的判断：当前大量云计算基础设施，在设计上服务的是人类工程师，而不是 AI。「我们做了一个基础设施，上面的接口是为人做的，再往上包一层才能接入智能体。这种方式用人的操作能力限制了智能体的发挥空间。」

他举了一个具体的例子：智能体能做到秒级甚至毫秒级地思考和发起任务，但现有的很多底层能力根本没有为这个速度做好准备，因为人类发起一个任务通常是分钟级别的。这个问题需要打造一套更智慧化的调控系统，他们把它称为 agency 能力的一部分。

从更长远的视角看，他认为真正 AGI 时代到来时，连基础设施本身也应该成为一个智能体，能够自我进化、自我迭代，形成自主的组织。「相当于基础设施有一个 CEO，这个 CEO 是一个 agent，它根据 AI 客户的需求自己提需求、迭代自己的基础设施。这样 AI 和基础设施之间才能产生真正的耦合，而不是一个接收需求、另一个执行的单向关系。」

他们目前也在探索让 agent 和 agent 之间更好地通信，以及 cache to cache 的复制能力。在他看来，基础设施和 AI 的发展应该产生非常丰富的化学反应，这才是真正意义上的软硬协同，也是无问芯穹一直想实现的使命。

算力限制，反而催生意外突破

罗福莉没有直接回答小米的独特优势，而是把问题拉到了整个中国大模型团队的层面，认为这个视角更有价值。

她说，大约两年前，她就看到中国基座大模型团队开始了一次非常重要的突破。这个突破来自于一个被逼出来的命题：在有限算力、尤其是 NVLink 互联带宽受限的情况下，如何突破低端算力的限制，在看似为了效率妥协的情况下做模型结构上的创新。

DeepSeek V2、V3 系列，以及后来的 MiniMax M1 等，都是这类探索的产物。

「这些创新引发了一次真正的变革：怎么在算力一定的情况下，把智能水平发挥到最高。DeepSeek 给所有国内大模型团队带来了一个勇气和信心。」她强调，虽然今天国产芯片的限制已经没有那么严峻，但这段时间被逼出来的对更高训练效率、更低推理成本的模型结构探索，形成了真正有价值的技术积累。

她提到了几个具体方向：混合稀疏架构（hybrid sparse）、Kimi 的 KSA 架构、小米面向下一代的新结构。这些都区别于当前这一代的 transformer 架构，是在思考如何为智能体时代做更好的模型结构创新。

她特别强调了长上下文能力的重要性，并把它和 OpenClaw 直接挂钩。

「OpenClaw 越用越好用、越用越聪明，前提是你的推理上下文足够长。但很多模型做不到一兆甚至十兆的 context，不是能力问题，是成本问题，推起来太贵、速度也太慢。只有在长上下文下成本够低、速度够快，才能把真正有生产力价值的复杂任务交给模型去完成。」

她进一步描述了这条路径的终点：在超长 context 的支撑下，模型可以在复杂的环境里完成对自我的进化，包括对框架本身的优化，也包括对模型参数本身的迭代。这个方向在预训练侧要做好长上下文架构，在后训练侧要构造更有效的学习算法，采集在一兆、十兆、百兆上下文里真实具有长期依赖性的文本和复杂环境轨迹数据。

她也分享了一个来自团队内部的数据：借助 Claude Code 加顶尖模型的组合，团队做大模型研究的同学，研究效率已经提升了近十倍。

规划、记忆与工具调用

黄超从技术角度系统梳理了当前智能体框架在三个核心模块上的主要痛点和未来方向。

规划层面，他认为面向复杂任务、超长上下文的规划能力仍然不足。比如五百步甚至更长的部署任务，很多模型做不好规划，本质上是缺乏垂直领域的隐性知识。他认为一个方向是把复杂任务的领域知识固化到模型里。skills 和 harness 这类工具，一定程度上也是在通过提供高质量的外部能力来缓解规划中出现的错误。

记忆层面，信息压缩和检索精度始终是难题。任务复杂度上升时，context 会暴增，目前各类智能体框架普遍采用的还是文件系统这种最简单的共享方式。他认为未来的 memory 机制需要走向分层设计，但通用化很难实现，因为 coding 场景、deep research 场景、多媒体场景的数据模态差异极大，如何对这些 memory 进行高效检索和索引，始终是一个 trade-off 问题。

他还指出了一个新的压力来源：未来可能不止一个智能体，每个人可能同时拥有一群智能体，Kimi 的 agent swarm 机制已经指向了这个方向。一群智能体带来的上下文暴增，会远超单个智能体，对 memory 机制和整个 agent 架构都是非常大的压力，目前还没有一套成熟的机制来应对这个问题。

工具调用层面，他认为高质量的 skill 依然稀缺，这和当年 MCP 时代高质量工具稀缺的问题如出一辙。低质量的 skill 会直接拉低任务完成率，恶意注入的安全风险也是一个不容忽视的问题。他认为这需要整个社区共同建设，甚至需要探索如何在执行过程中动态进化出新的 skill，而不是依赖人工预设。

未来十二个月：生态、自进化、可持续 Token 与算力

论坛最后，杨植麟请每位嘉宾用一个关键词描述未来十二个月最重要的趋势。

黄超感慨，十二个月在 AI 领域已经是很遥远的事情，不知道届时会发展成什么样子。他给出的关键词是「生态」。他认为现在大家使用智能体还带着新鲜感，但未来真正的挑战是让它沉淀成日常工具，从个人助手转变为真正的打工人和 coworker。这需要模型迭代、skills 平台建设、各类工具的共同推进，大家一起把整个生态向智能体原生的方向拉。

他还提出了一个有趣的判断：未来大量软件可能不再面向人类，而是面向智能体原生设计的。人类需要 GUI，但智能体不需要，整个生态正在从 GUI 和 MCP 的模式转向 CLI 模式。这意味着软件系统、数据乃至各种技术，都需要完成一次向 agent native 的转型。

罗福莉给出的词是「自进化」。她说这个概念听起来有点玄，但她最近对它有了更具体的体感和更务实的实操方案。关键在于：借助足够强大的模型，当你在智能体框架里叠加一个可验证的约束条件，再设定一个持续的 loop，让模型不停迭代优化这个目标，你会发现它能持续拿出更好的方案，而且能自主运行两三天。

她举了一个具体案例：在探索更好的模型结构这类有明确评估标准的科研任务上，模型已经能够自主运化和执行两三天。「自迭代是唯一能创造出这个世界上不存在的新东西的路径，它不是替代人的生产力，而是像顶尖科学家一样去探索未知。我一年前觉得这需要三到五年，但现在我认为一到两年内就可能真正实现。」

她预计，结合强大的自迭代 agent 框架，对科研的加速将达到指数级。

夏立雪选择了「可持续 Token」。他说，现在整个发展还在一个持续的过程中，需要让它有长久的生命力。他用了「AI made in China」来描述他的愿景：把中国在能源和算力上的优势，通过高效的 token 工厂持续转化为优质的 AI 能力，输出到全球。

「从 made in China 到 AI made in China，逻辑是一样的。中国能把低成本的制造能力变成好商品输出全球，同样可以把这种能力迁移到 token 的生产和输出上。」他希望在今年看到这件事真正成形，让中国成为世界的 token 工厂。

张鹏的关键词则是「算力」。

在他看来，「所有技术的前提，是大家用得起。你不能因为算力不够，提一个问题让它思考半天也不给答案，这肯定不行。」

他提到了一句在行业里流传的话：没卡没感情，谈卡伤感情。需求已经是十倍百倍地爆发，而很大一部分需求还没有被满足。他认为，算力问题是接下来十二个月最需要大家一起想办法的事情。龙虾打开了想象力的上限，但算力、架构和基础设施，还在进步的路上。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

看过 HBO 神剧《硅谷》（Silicon Valley）的朋友，想必都对那个名为 Pied Piper（魔笛手）的虚构公司念念不忘。

在剧中，男主角 Richard Hendricks 发明了一种「中间压缩算法」，能以极高的压缩率无损处理文件，甚至因此改写了整个互联网的规则。

当时我们都以为这只是编剧的脑洞。直到 Google Research 正式发布了名为 TurboQuant 的 AI 压缩算法。

这原本是一条枯燥的技术新闻，却在社交网络上引发了病毒式传播，不到 24 小时，就收获了 1280 万次浏览。原因无他，这项技术的设定简直就是 Pied Piper 的翻版：

在不损失模型性能的前提下，将 AI 的「工作记忆」压缩至少 6 倍。

市场的反应也极为真实，美股存储芯片板块盘中遭遇抛售，美光科技、闪迪等头部企业股价齐齐收跌。

这不禁让人好奇，一项纯软件层面的算法创新，为什么会让卖硬件的先慌了神，而 Google 到底向当前的 AI 牌桌上扔了一张怎样的底牌？

困在「记忆黑洞」里的大模型

抛开网络热梗，TurboQuant 的出现其实不仅是为了好玩，更是为了解决一个让整个 AI 行业头疼已久的真实瓶颈。

众所周知，现在的 AI 模型越来越大，对显存的胃口也像无底洞一样。尤其是在推理阶段（也就是你和 AI 聊天的时候），AI 需要记住上下文信息，这部分数据被称为 KV Cache（键值缓存）。

每处理一个词，模型都要把它转成一个高维向量存进 GPU 显存。对话越长，这份「数字备忘录」膨胀越快，很快就把 GPU 显存塞满。这就是为什么你的 AI 助手聊久了会「变笨」或者直接报错，脑容量不够了。

更棘手的是，传统的压缩方法一直面临一个两难困境：压缩数据时，需要额外存储「量化常数」来告诉模型怎么解压。这些元数据听起来很小，加起来却能把压缩带来的收益全部抵消掉。

Google 的 TurboQuant 的诞生正是基于此。

研究人员设计了一套两阶段的数学解法。第一阶段叫 PolarQuant，把数据向量从传统的直角坐标系转换成极坐标系，拆分成「半径」（表示大小）和「角度」（表示方向）。

这个几何变换的妙处在于：转换后角度的分布变得高度可预测，模型不再需要为每个数据块单独存储昂贵的归一化常数，直接映射到固定的圆形网格上就行了，开销为零。

第二阶段叫 QJL（量化 Johnson-Lindenstrauss 变换），充当数学层面的纠错器。它把压缩后残留的误差投影到低维空间，再把每个误差值压缩成一个符号位（+1 或 -1）。

这个设计保证了 AI 在计算「注意力分数」时，压缩版本的结果与高精度原版在统计意义上完全一致。所谓注意力分数，就是模型判断上下文里哪些词最重要的关键步骤。

如果说以前 AI 记笔记是「逐字逐句抄写」，那么 TurboQuant 就像发明了一套「极简速记符号」：该记的一个不漏，占的空间却少了六倍。

这套方法还有一个对企业来说格外友好的特性：无需重新训练模型。你现有的开源模型，或者自己微调过的模型，直接套上 TurboQuant 就能跑，不用额外的数据集，也不用重新跑一遍训练流程。

光说不练假把式，在「大海捞针」基准测试里，让 AI 从 10 万个词里找出一句藏好的话，TurboQuant 在 Llama-3.1-8B 和 Mistral-7B 上跑出了满分召回率，同时把 KV Cache 的显存占用压缩了至少 6 倍。

在 LongBench 综合评测套件（涵盖问答、代码生成、长文摘要）上，TurboQuant 全面追平甚至超过了此前的最强基线方法 KIVI。

最硬核的数字来自英伟达 H100 GPU 的实测：4 位精度的 TurboQuant 在计算注意力逻辑上的速度，比未压缩的 32 位方案快了整整 8 倍。

论文发布后的 24 小时内，社区已经开始动手验证。

Apple Silicon MLX 框架的知名开发者 @Prince_Canuma 把算法移植到了 Apple Silicon 的 MLX 框架，测试 Qwen3.5-35B 模型，上下文长度从 8500 到 64000 token 全覆盖，每个量化等级都跑出了 100% 的精确匹配。他还发现，2.5 位的 TurboQuant 能把 KV Cache 压缩近 5 倍，准确率零损失。

Google 的「DeepSeek 时刻」？

对于 TurboQuant 的发布，Cloudflare CEO Matthew Prince 甚至将其称为 Google 的「DeepSeek 时刻」。

把时间拨回一年前，DeepSeek 以极低的成本训练出了性能惊人的模型，彻底打破了硅谷大厂对高成本才能训练出高性能 AI 的迷信。那次冲击也让整个行业意识到：光有大模型不够，还得跑得起、跑得快。

TurboQuant 也是这种背景下的产物。如果这项技术能从实验室走向大规模应用，它将带来肉眼可见的商业价值。同样一张 H100，推理成本理论上可以直接打折超过 50%；端侧部署的门槛也会大幅降低，以前需要 32 位精度才能跑的大模型，放在 Mac Mini 或者本地服务器上也能运行，还不会有质量损耗。

市场的反应，已经很说明问题了。TurboQuant 发布当天，美股存储芯片板块盘中遭遇明显抛售。闪迪、美光科技等头部企业股价显著收跌，存储芯片与硬件供应链相关指数单日跌幅超过 2%。

究其原因，如果 AI 巨头能用一套纯软件算法把显存需求砍掉六分之五，那些押注 AI 会持续疯狂消耗高带宽显存的多头，就得重新盘算自己的仓位了。

而这种防御性反应背后，也表明，过去两年支撑存储股估值的核心逻辑之一，是 AI 对显存的需求只会越来越大。TurboQuant 第一次在技术层面正式动摇了这个假设。

当然，虽然听起来很美好，还是要泼一盆冷水。

一方面，历史上每次效率提升，往往反而带动了总需求增长，经济学里叫「杰文斯悖论」。AI 跑得更便宜，可能意味着更多人更频繁地用它，最终消耗的算力反而更多。所以这场「显存危机」到底会不会因此化解，还真不好说。

另一方面，TurboQuant 目前仍处于实验室阶段，根据最新消息，Google 计划在下个月的 ICLR 2026 大会上正式展示这项技术，届时还将同步亮相另一场顶会 AISTATS 2026。

但从论文到大规模生产部署，中间隔着工程适配、不同架构的兼容性测试、真实场景的性能验证，每一关都不轻松。

有网友直接开炮，这篇论文的底层研究其实早在去年四月就已公开，根本谈不上横空出世，眼下的舆论热潮，多少有点追着旧闻起哄的意思。

在他看来，如果存储股因为一篇算法论文而大跌，恰恰暴露了市场里有多少人根本没搞清楚这件事的边界，并把这波反应比作「丰田出了新混动引擎，石油就该崩盘」。

更重要的是，TurboQuant 解决的只是推理（Inference）阶段的显存瓶颈，训练阶段的显存消耗依然是另一座大山。想从头训练一个主流量级的大模型，需要的算力资源依然是天文数字。

在《硅谷》里，Pied Piper 的压缩算法最终改变了整个互联网。而在现实中，TurboQuant 的野心没那么大，目标只是让 AI 在有限的物理空间里记得更多、算得更快、跑得更便宜。

现实终究不是好莱坞剧本，不必彻底改变互联网，能和 AI 聊得更长、不再半途报错，已经是很多人想要的了。

附上 TurboQuant 官方技术博客：

https://research.google/blog/turboquant-redefining-ai-efficiency-with-extreme-compression/

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。