社区

你能想象，你每天玩的游戏背后的厂商，其实正被AI黑客虎视眈眈吗？ 2026年4月，游戏行业又出了一件事。《侠盗猎车手》系列发行商Rockstar Games，这个坐拥数十亿美元IP的游戏巨头，又一次成了黑客的目标。攻击者利用AI云分析工具Anodot的一个漏洞，通过窃取的身份验证令牌，悄无声息地侵入了Rockstar的数据仓库。整个过程没有警报、没有异常流量，因为他们伪装成了合法的内部用户。 Rockstar不是个例。2025年12月，育碧确认内部系统遭到入侵，攻击者试图窃取高达900GB的数据。同一时间，《堡垒之夜》开发商Epic Games也遭遇了大规模数据泄露，包括用户信息在内的200GB的内部数据被窃取。 FairGuard发布的《2025年度游戏安全报告》显示，去年游戏行业累计检测到的安全风险同比激增90%，外挂样本达32306款，黑灰产被封禁的账号高达6.4亿。 游戏行业只是一个缩影。金融、医疗、制造、政务……几乎每一个依赖数字化运转的领域都在经历同样的风暴。 CrowdStrike数据显示，2025年，由AI赋能的攻击同比增长了89%。全球暴力破解事件平均每天1.85亿次，全年超过676亿次。勒索软件的受害者激增了近四倍。 为什么攻击突然变得这么多、这么快？为什么连Rockstar、育碧这样的大厂都防不住？AI时代，通用安全大模型能抵御一切攻击吗？ 在传统的认知里，黑客是什么样的？ 极客、高手，能在行行代码中找到那个致命的漏洞。你需要懂网络协议、懂系统底层、懂编程语言，需要像大海捞针一样在数万行代码中找出那个微小的错误，门槛极高。但AI时代，这道门槛正在被技术跨越。开源大模型和自动化渗透工具的出现，让攻击门槛降到了前所未有的低点。 研究显示，2021年，完成一次完整的攻击链平均需要9天，2023年缩短到2天，到了2025年，这个数字变成了半个小时之内。甚至有新

虽然AI热度空前，但全球真正常态化使用AI工具的人，只有总人口的0.3%。那我们无奖竞猜一下，到底哪些人才属于这0.3%？ 可能很少有人想到，贵州大山里的留守儿童，非遗手艺人，养蜂专业户……能名列其中。 但是当我走进贵州雷山，一个曾经的国家级贫困县，没有特意寻找，就发现了许许多多正在用AI的人。 走进李晓明的山货门店时，他刚刚结束电脑上跟AI的对话，我瞄了一眼，问的是“XX菇的种植”，手边还有不少AI工具书，跟鸡汤文学随意叠在一起。说实话，摆拍我都找不到那么小众刁钻的AI读物。 课间休息，乔桑小学的一群学生围在一位小女孩身边，等待这位六年级的学姐给自己生成专属的梦想照片，不需要老师指导，她自己就能完成输入提示词的操作，这是学校开设AI课之后掌握的技能。 离开雷山之后，我在侯昌菊的朋友圈，刷到了她自学AI的动态。上一条，她还在感叹“AI好难啊”，14分钟之后，又更新了一条，写着“飞一般的感觉”，配图是她手举苗绣起飞的样子，看来这次成功了。 没有刻意营造的技术奇观，使用AI，就是他们的日常。而这种日常，恰恰是今天一种特殊的景象：AI这个只属于0.3%人口的前沿技术，却抵达了云雾环绕的大山深处。 大家可能对贵州雷山没有概念。有一位青年教师被分配到雷山，要先坐火车到榕江，再坐三小时大巴到山下，接着绕行一个半小时的盘山路，等到视线里望不见山尖了，就到了要去的学校。 正是这群大山里的人，站在了智能时代的前沿。 他们学AI做什么？又是谁把他们接入了时代的主干道？ 带着这些问题，我走进了雷山人的AI日常，试着采撷智能中国的一片拼图。 来到雷山县永乐镇乔桑小学的时候，这里的孩子已经上完了本学期的第一堂AI课，课程的主要内容，是教大家用提示词生成自己梦想中的职业。 AI对孩子们的升学毫无影响。没有考核压力，学校为什么要开设这门课？跟山区教育的特殊性有关。 这所学校的大多数学生都是留守儿童，父母

你觉得学习AI的人里面，年龄最大的有多大？ 不少人觉得，AI是年轻人的专利，是潮流的技术，是互联网大厂和985高校的学霸们才该操心的事。再不济，也得是那些怕被裁员的中年职场人，在通勤地铁上硬着头皮刷两节课。 而老年人更像是每天打牌、跳广场舞、看电视的群体，一把岁数了有必要学AI吗？ 这个问题的答案通常是否定的。 今天我们要讲的故事主角不太一样，他是一位83岁的老头。 故事的起因，是同事在群里发的一张图。 那是一张用手机拍下来的听课笔记。泛黄的纸张上密密麻麻写满了AI提示词的结构、图片生成的比例参数。 同事在微信里发了个震惊的表情，告诉大家，这是她八十多岁爷爷的AI学习笔记。 顺着这张笔记，我试图去联系这位大爷，想听听他的故事。但这个老头真的不好约。第一次联系，是同事帮我们传的话。约定时间前一个小时，爷爷突然说：实在抱歉，AI老师临时加了一节补课，他要赶紧学习。 后来终于约上了。电话那头，他的声音比我想的要清亮，语速不快，但很稳。而关于AI，他有很多自己的见解。 那么，当一个八十多岁的老人决定学习AI，他到底在学什么？一个八旬老人眼里的AI，又是怎么样的？ 在采访爷爷之前，我其实对“老年人学AI”这件事有一种刻板印象。 关于老年人和AI，市面上主流的叙事只有一个版本：被收割。六千块的课、八千块的会员、各种“限时优惠”和“最后一天”骗走了不少老年人的养老金。每隔几天就有一条类似的新闻，而这套叙事把老年人塑造成数字时代的弱势群体：容易被忽悠、缺乏判断力、需要被保护。 他们焦虑、恐慌，在被时代遗弃的恐惧中成为黑灰产最容易盯上的诈骗群体。 所以在采访前，我一直在想，这是不是又是一个被中介骗走钱的负面案例？ 但当我问起这位83岁的老人，他是否在为AI课程付费时。他给出了一个截然不同的答案。 在他上过的AI网课班级里，一般有四五十个人，“最大的也就是四五十岁，没有七八十岁的”。 他是班里

去年年底，我参加一个大模型类应用的年终总结会。会上数据显示，用AI审查合同专业类AI应用里的调用量第一名，甚至超过了文案生成、PPT制作、医疗建议等一般意义上的主流AI应用。 这当然很好解释，作为AI主要用户的年轻人，初入社会时需要突然面对劳动合同、租房合同等等一大堆合同。大多数非法律专业的同学，面对条条框框的复杂合同，当然第一选择是向AI求助。 当时看到这个数据我也觉得很合理。直到最近发生了一件事，让我对用AI审合同这件事有了一点新的观察和思考。这件事也很简单：我们准备招聘的新同事，在签署劳动合同之前被AI劝走了。 事情大概是这样的。两个月前我们预计招聘一位新同事，工作内容和薪资待遇等都已经谈妥。但在签署劳动合同的环节出了问题。这位准同事列出了合同中的很多问题，要求进行修改，否则就不能入职 这里必须强调一下，并不是说劳动合同不能修改。劳资双方商定劳动合同内容是天经地义的事，也不是说我们这份工作有多好，非来不行。招聘这件事本来就是双向选择。 这里仅仅想要讨论审查合同这件事本身。这位新同事列出了众多合同修改需求。公司法务看过之后的第一反应就是这应该是用AI审的。一问之下果然如此。新同事说她刚刚毕业，没看过合同，于是让一个非常主流的大模型代替完成了合同审查。 但问题是，公司法务认为AI提出的修改意见里有很多是无法接受的。比如AI说为了帮她保留应届生身份，因此必须把劳动合同修改为实习协议，但我们并不是要招聘实习生，这个修改显然很难满足。 于是，由于双方无法达成共识，这位新同事决定放弃入职。这个选择当然没有问题，但亲身经历了年轻人用AI审合同这件事之后，还是给我们带来不少思考。法务同事告诉我，AI审劳动合同往往一眼就能识别出来。比如，我们的合同是基本参照本市劳动合同模板输出的，但AI的审核意见会杂糅各个地方的劳动法规，甚至还会吸收很多网络上的劳动合同修改案例，从而尽可能多地提出意见

很久很久以前，天地间只有光，没有秩序。直到羲和驾着日车升起，让太阳东升西落，按时而至，万物才有了生长的节律，人类才有了安稳的生活。没有羲和的掌控，光就会变成无序的灾难，要么永昼酷热，要么永夜黑暗。 这个古老的故事，恰好照进了今天智能光伏产业的现实。 光伏产业正走到一个关键的转折点：过去几十年，光伏产业借光把天上的阳光变成地上的电力，让清洁的能源照亮千家万户，但当借光的规模越来越大，问题也逐渐凸显，让每一度电都能按时、按需、安全地抵达千家万户成为新的难题。 一边是装机规模的狂飙突进。2025年，风电光伏合计装机历史性超过火电；新型储能装机突破1亿千瓦大关，占全球比重超过40%。另一方面，电网的承载压力也日益凸显，“消化不良”的问题愈发突出。西北某光伏产业基地就曾因宽频振荡问题，导致区域外送通道被迫限功率运行，不仅造成上亿元电费损失，更让储能电站投资者忧心忡忡。 高增长与高风险并存的局面引出一个问题：当光伏产业从配角变成主角，现有的技术底座是否还能撑得住？ 过去十年，行业的核心命题是怎么发出电、多发电。未来十年，行业要解决的是“能不能稳得住”的问题，光伏产业能不能像火电一样可靠、可预期、可控？这不仅关系到光伏产业自身的命运，也关系到整个电力系统的安全。 在这个背景下，2026年6月3日，**在上海国家会展中心金色大厅举办了以“构建智能世界的绿电驱动力”为主题的**智能光伏战略&新品发布会，试图回答在高比例光伏产业并网的时代，行业究竟需要构建一个怎样的技术底座，来支撑光伏产业的高质量发展。 光伏产业装机规模的爆发式增长正在重新定义电力系统的运行逻辑，狂飙之后的光伏产业需要一次秩序的变革。 过去，几座大型火电厂就能支撑一个区域的电网稳定。很长一段时间里，光伏都更像一个借光的旅人。它只需要做好自己的事：捕捉阳光，转化为电流，然后接入电网。至于电网稳不稳、频率对不对、有没有安全

最近在追《主角》，里面有这样一段剧情，易青娥在机缘巧合之下，跟几位老艺人学习老戏。虽然要面对诸多流言蜚语与外界争议，但在秦腔老戏突然可以上演时，她成了唯一能将传统艺术继承下来的那个人。 想要打破常规做成一件事，需要漫长的准备，历史的机缘，并且要克服注定会产生的海量争议。《主角》的故事，让我想到了这段时间持续引发舆论热议的“韬（τ）定律”。 5 月 25 日，**发布了用“时间缩微”替代传统“几何缩微”的半导体新定律。这应该是中国首次在全球半导体领域提出指导产业发展的新原则，也是**面向芯片封锁与摩尔定律接近极限这两个巨大难题的新答案。 但就像所有大幅度创新一样，“韬（τ）定律”诞生之刻起就伴随着巨大的争议。有人在片刻间将其封神，有人把它贬损到一文不值。 我们到底应该如何看待“韬（τ）定律”这个新生事物？在层出不穷的争议撕扯中，能找到哪些确定性的信息锚点？ 让我们试着关掉所有聚光灯，听听半导体舞台上的新主角在说些什么。 “吞了流言，才算红了一遍。” 多年以来，我们已经习惯了当**拿出打破常规的技术创新，就注定会一石激起千层浪。“韬（τ）定律”的提出也无法逃离这个“游戏规则”。 围绕这个话题，争议大致分成两种。一种是明确的造神一族，他们将“韬（τ）定律”视为对摩尔定律的彻底击碎与超越，认为就此中国企业将掀翻半导体的桌子，所有芯片相关的问题都能马上得到解决。 另一种争议，则是对“韬（τ）定律”的极度贬低。有人认为这不过是PPT造芯。他们觉得如果真有用为什么不直接拿出芯片，而是要讲什么定律？也有人认为“韬（τ）定律”不过是换汤不换药，并没有多先进。比如它与台积电等半导体制造商探索多年的3D堆叠没有本质不同，不过是换个名字想引人注目。还有一种观点认为，摩尔定律支配半导体行业六十年，怎么可能轻轻松松被一家中国公司给突破或改写？**的想法不过是空中楼阁，盖不出真正的房子。 更夸张的是，还

通信圈最近发生了一件大事：三大运营商齐刷刷下场，正式开卖Token套餐。 电信率先打响头枪，推出全国性试商用Token套餐，分设个人家庭、开发者与中小微企业两大赛道，各配三档梯度资费，最低9.9元就能包月拿下千万级Token额度。紧随其后，联通、移动火速跟进补位，短短数日完成全员入局、全线布局。 这也是运营商成立以来，第一次把AI核心算力使用权做成和手机话费、上网流量一样的标准化大众消费品，明码标价、按量售卖、按月续费。 套餐上线后，很多人看得一头雾水：流量我懂，话费我常充，Token是什么？运营商放着好好的宽带手机号不赚，非要跨界凑AI的热闹，图什么？ 并且，以前问AI问题、让它写文案、做PPT，全是免费的。现在运营商突然开始按Token收费，是不是意味着，以后每次让AI干活，都要从账户里扣钱了？免费AI的好日子快要到头了吗？ 这场看似新鲜的商业化试水，到底是蹭热点的短期噱头，还是AI付费时代大规模落地的开端？ 每一次通信技术的跃迁，都伴随着人类对数字世界计量方式的重构。 在2G时代，我们购买的是“时间”。每个月100分钟的通话时长，是人与人通过无线电波连接的物理刻度。到了3G、4G和5G时代，我们购买的是“空间”。兆字节MB和吉字节GB成为新的硬通货，它衡量的是数据包裹在网络管道中穿梭的体积。无论是文字、图片还是高清视频，最终都被碾碎成无差别的比特流，按斤两售卖。 而现在，三大运营商将一个全然陌生的词汇——Token，塞进了未来的月度账单。这究竟是什么？ 从技术底层的逻辑来看，大语言模型并不像人类一样理解完整的句子。当我们向AI提问时，它会将我们的句子切碎成一个个更小的字符单元，这些单元就是Token。 Token的中文名称被定为词元——大模型处理信息的最小信息单元，具有智能时代可计量、可定价、可交易的特征。例如，“我爱中国！”这句话，一般会被切分成“我”“爱”“中国”

近期和一些AI开发者、企业智能化项目负责人交流，我们明显感受到，业内正在累积一种对AI的疲惫感。 开发者最经常说的一句话是，要学的太多了，模型太难选了。 以前市面上哪款模型综合能力遥遥领先，直接订阅就行了。一个有短板，订阅好几个，也完全够用了。但现在不是的，没有一款模型具备绝对碾压的垄断优势，token还不断涨价，开发者需要不停更换模型，吃透每款模型的特性，精打细算，反复在具体的业务场景中实测对比，普遍存在着巨大的学习疲劳和选择障碍。 硅谷甚至出现了一种说法，越懂AI、越会用AI的人就越焦虑，不仅没有减少工作时间，反而大大增加了工作时间。 如果懒得选型，直接上顶级的模型呢？那就是“一分钱一分货，十分钱三分货”。 成本高到微软都觉得肉疼，前不久宣布停用Claude Code，迁移到自家的GitHub Copilot CLI。而自己手里没有备胎模型的公司，比如uber，每位工程师每月的Claude Code工具开销高达500至2000美元，直接导致Uber在今年4月就提前烧完了全年的AI预算。 上述烦恼，是全球1%技术精英们专属的“甜蜜的负担”。 更多普通人所感受到的，则是AI带来的割裂与无奈。 有人说，AI不是平权工具，是导致群体两极分化的杠杆。 顶级大模型变成了精英阶层的专属工具，放大了他们原本就有的优势，而大众始终处于被淘汰的恐慌与焦虑之中。为了跟上这股浪潮，非技术的职场人被迫学AI，折腾半天发现原本半小时用Excel就能搞定的基础工作，硬生生靠AI折腾了好几天。 至此，AI的使用局面已经变得诡异了：没有人能从中轻松获益，所有人都在被动焦虑与内耗。到底是什么造成了这一切？2026已经过半，应该来聊一聊模型的中场危机了。 教育行业有个说法叫“掐尖”，一个学校优先筛选整个区域的优等生，外界看起来教学水平高，其实是优质生源足够多。一旦不能掐尖，升学率就会回归均值。AI让开发者们

五月的杭州，空气里已经有了夏天的热度，但走进2026全球人工智能技术大会的会场，感受到的却是另一种温差。 回顾过去两三年，大模型的狂热一度将AI推上了舆论的神坛。那时候，人们热衷于讨论涌现、讨论智能爆炸。对于AI，大多数人更多是一种仰望的姿态，担心自己明天是否会被技术取代。 但到了2026年，潮水逐渐退去。从5月23日到24日，这场第七次落地余杭的大会，给人的感觉更像是在丈量。 人们不再只问模型有多大，更关心模型解决了什么问题；不再只追逐通用人工智能何时到来，更关注人工智能如何在具体的行业里创造价值。 技术的热度需要转化为产业的价值，一个冷静而务实的产业共识正在浮出水面：AI正在从聚光灯下的明星技术，转变为各行各业触手可及的生产工具。 正是在这样的产业拐点上，2026年5月23日至24日，2026全球人工智能技术大会（GAITC2026）第七次在杭州未来科技城召开。 200余位海内外专家齐聚一堂，国家级人工智能产业知识产权运营中心揭牌落地，《人工智能关键能力1.0清单》正式发布，2027年度人工智能领域“十大问题”面向全球启动征集，17场专题会议覆盖了从医疗、教育到时空智能、安全可信的各个细分赛道。这些成果看似分散，实则指向同一个方向：让AI从看得见变成用得上。 但“用得上”从来不是一件简单的事。一项技术从实验室走向产业，至少要跨过三道门槛：知识产权门槛、场景适配门槛、生态协同门槛。 这场大会上的种种信号，恰好可以沿着这三道门槛来解读。 根据国家知识产权局数据，2024年至2025年，国内人工智能相关专利申请量继续保持全球领先。但如果去问一家AI企业的创始人：你的专利帮你赚了多少钱？挡住了多少竞争对手？大多数人给不出答案。 这就是中国AI产业长期存在的一个隐性困境：大量专利处于“沉睡”状态。它们被写进了融资计划书，被挂在公司荣誉墙上，却没有进入市场、形成真正的竞争壁垒。 这

还记得年初爆火的龙虾吗？这类可执行的智能体，正悄悄爬进产业，在实业场景里爆发。在鲲鹏**开发者大会2026现场，给我一种不谈智能体直接落伍的感觉。 中科大团队让Agent担任机器化学家，自主啃下上万篇化学文献，甚至自主设计实验、优化方案，让科研不再是试错苦旅。 企业服务领域，过去分析师团队耗时半个月的行业研报、竞品分析与数据建模工作，如今数十个Agent协同分工，几天就能搞定。 而智能体的每一次自主决策、每一轮迭代优化，都在驱动Token消耗量攀升。万亿Token时代已经到来，所有行业、所有企业都不得不直面一场AI infra的能力大考：AI基础设施，我们真的准备好了吗？ 一方面是业务场景的极致复杂度。在推荐、交互等极致低时延场景下，毫秒级的延迟差距能够直接影响到产品体验与市场竞争力，超低延迟、超高吞吐的推理需求成为刚需。 而与此同时，多数企业聚焦模型与应用层创新，却忽视了算力调度、推理优化等底层基建的决定性作用，AI infra的核心价值被低估。 在全行业机遇和挑战并存的关键期，我在大会现场深度采访了国产推理引擎xLLM项目负责人刘童璇。从这支扎根国产化赛道的技术团队身上，看到了AI infra的破局答案，也看到了托举智能中国的根源力量。 它孤独地站在那里 显得寂寞而又倔强 似乎即将倾跌进深谷里 却又像是要展翅飞翔…… ——《悬崖边的树》 xLLM为什么特殊？海量Token的激增需求，叠加居高不下的算力成本、海外算力生态的不确定性，让算力优化成为AI落地的最关键问题。而推理引擎，下接硬件，通过深度优化来提升芯片的模型运行性能，压缩大模型的推理耗时；上接应用，高效承接万亿Token级的海量请求。 适配国产芯片、高性能的国产推理引擎寥寥无几。xLLM的出现，填补了行业空白。而这，源于一个悬崖边的选择。 时间拨回2024年下半年，xLLM立项之初，海外算力框架占据绝对主流，行业