哎,来了来了,泡壶茶,咱们坐下聊聊。
今天这互联网圈子又炸锅了,几个消息都挺有意思,咱们一条一条慢慢唠。
中国AI大模型真把美国给超了这事儿得好好说道说道。
今天的数据出来,中国的AI大模型周调用量达到12.96万亿Token,美国是3.03万亿。啥概念?咱们的调用量已经是美国的4.27倍了,而且连续五周都这么干,不是偶然。
你看这个榜单更有意思,全球调用量排名前六的AI模型,全部来自中国。阿里千问Qwen3.6 Plus以4.6万亿Token排第一,小米、阶跃星辰、MiniMax、DeepSeek都在前列。
但我觉得最有意思的是,OpenRouter这个平台的用户,近一半来自美国,中国用户占比还不到10%。这就很说明问题了——不是咱们自己人在刷榜,是全世界的开发者都在用脚投票,选择了中国的模型。
为啥?性价比啊。
同样的AI服务,中国模型的成本可能只有美国的十分之一甚至二十分之一。DeepSeek V3.2每输出100万个词元收费0.28美元,OpenAI的GPT-5.4要15美元。这差价,谁不迷糊?
而且咱们技术也不差了。阿里通义千问Qwen3.6-Plus在国际权威评测平台的编程盲测中拿了全球第二,性能已经逼近Claude Opus 4.5,但参数量只有竞品的三分之一到二分之一。
所以你看,这事儿的本质是什么?中国AI走了一条不同的路——不追求极致的技术领先,但追求极致的性价比和落地能力。这有点像当年的制造业,不一定要做最贵的,但要做到最适合市场的。
当然,也有人担心,这种"价格战"会不会扼杀创新?我觉得吧,技术进步本来就是两条腿走路,一条追前沿,一条做普及。咱们现在这条路,至少让AI真正飞入了寻常百姓家。
说实话,我前两天跟一个做开发的朋友聊,他说现在公司里基本上都在用国产模型,不是因为爱国,是真的便宜好用。这不就是最好的证明吗?
网易有道搞了个"有道宝库"这个挺有意思。
网易有道今天正式推出AI知识库产品"有道宝库",定位是AI研究助手和思考伙伴。说白了,就是Google NotebookLM的中国版。
但它有几个点做得挺聪明。
支持国内平台内容导入。公众号、小红书、B站、微博、小宇宙、知乎,这些咱们平时用的内容源,它都能直接导入。你要是用NotebookLM,这些都没法搞。
解决AI幻觉问题。它有个"智能体动态推理架构",所有回答都严格锚定你上传的文档,每句话都附带原文引用。这一点对学术、法律这种需要准确性的场景特别重要。
生成的东西还能二次编辑。你导入文献、报告,它能梳理逻辑生成PPT、思维导图、播客,而且都能改。
我试了一下,确实挺方便。以前做研究,得这个网站那个网站到处找资料,现在把相关的内容都扔进去,它帮你整理、总结、找关联。就像有个特别聪明的助手,帮你把零散的信息串起来。
不过话说回来,这类工具现在竞争也挺激烈的。不光NotebookLM,国内还有不少类似产品。有道这个能不能跑出来,还得看后续的用户体验和迭代速度。
但至少有个好事——咱们终于有了本土适配的AI知识库工具,不用翻墙了。这事儿说小不小,说大不大,但确实解决了不少人的痛点。
具身智能赛道疯了,30天融资30亿这个消息今天炸了。
千寻智能宣布完成新一轮10亿元融资,由顺为资本、云锋基金联合领投。你要是觉得这不就是又一笔融资,那我告诉你,这公司30天内已经累计融资30亿元了。
顺为资本是谁?雷军旗下的。云锋基金是谁?马云旗下的。两大科技巨头罕见在具身智能赛道"同框",这说明啥?说明真金白银看好这事儿。
千寻智能做啥的?机器人通用大脑。他们现在已经累计获取超20万小时的多类型真实交互数据,预计2026年数据总量突破100万小时。
数据这个事儿在具身智能里特别重要。机器人能不能真正"学会干活",关键不是模型参数有多大,而是有没有足够的真实物理世界数据。但采集这些数据成本高、难度大,谁能解决这个问题,谁就能占据主动。
千寻智能自研的可穿戴式数据采集设备,已经把采集成本降到传统方式的十分之一了。这就是核心竞争力。
而且他们已经有落地案例了。"小墨"机器人在宁德时代电池产线干活,"墨子"机器人在京东零售场景做咖啡。不是PPT,是真刀真枪在跑。
我觉得这个赛道有点像2019年的新能源汽车、2023年的大模型。现在处于"0到1"突破、"1到10"爆发的临界点。资本疯狂涌入,马太效应越来越明显。
你说这会不会是下一个风口?我觉得很有可能是。但风口归风口,最后能活下来的,还得看技术和落地能力。
我记得前几年大家都在说"机器人要取代人类",当时觉得挺遥远的。现在看来,这事儿好像真的在发生,而且比想象中快。
AI写代码写出了"屎山危机"这个话题有点沉重,但必须聊聊。
《纽约时报》发了篇文章,揭示AI编程工具普及后的"代码过载"危机。一家金融服务公司引入AI编程工具Cursor后,月产代码量从2.5万行跳到25万行,随之积压了100万行待审代码。
你看,效率是提上去了,但问题也来了。
代码量暴增,安全审查能力没跟上。有人扫描了1645个在Vibe Coding平台上创建的网站应用,发现其中170个(约10.3%)存在严重安全漏洞,任何人无需登录就能访问用户数据库获取敏感信息。
更可怕的是,这些应用的创建者大多不具备安全知识。
开源社区也被冲击了。cURL创始人今年1月关闭运行六年的漏洞赏金计划,原因是AI生成的虚假漏洞报告淹没了维护团队。关闭前三周收到的20份提交,没有一个被确认为真实漏洞。
而且有个挺讽刺的现象:使用AI工具的资深开源开发者,实际完成任务的时间延长了19%,但他们仍认为自己的效率提升了20%。这就是"效率幻觉"。
所以你看,AI编程工具是把双刃剑。它确实能让更多人写代码,但也带来了代码质量下降、安全漏洞增多、维护成本飙升的问题。
Meta首席技术官说了一句话:"公司里每个人都变成了程序员,这既是福音,也是诅咒。"我觉得总结得挺好。
那怎么办?用AI解决AI制造的问题呗。Anthropic和OpenAI都推出了AI驱动的代码审查工具,Cursor也收购了代码审查机器人公司。但能不能治本,还真不好说。
这事儿让我想起一个事儿。前阵子跟一个做安全的朋友吃饭,他说现在公司招人,不再看你会不会写代码,而是看你能不能审查代码。时代变了,技能要求也变了。
好了,今天的茶就喝到这儿。
中国AI崛起、AI工具落地、资本狂热、技术双刃剑——这几个话题放在一起,你觉得说明了什么?
我个人的感觉是,技术浪潮来的时候,咱们得既兴奋又冷静。兴奋的是机会多了,冷静的是坑也多了。关键是怎么在这浪潮里找到自己的位置,而不是被浪拍在沙滩上。
说到底,AI也好,具身智能也罢,都是工具。工具的好坏,取决于怎么用。有人用AI写出好代码,也有人用AI造出一堆bug。有人用AI提升效率,也有人被AI淘汰。
你觉得呢?评论区聊聊,咱们下期见。