标签: chatgpt
#问一次ChatGPT地球付出多少代价#【问一次ChatGPT，地球要付出多少代
#问一次ChatGPT地球付出多少代价#【问一次ChatGPT，地球要付出多少代价？】当你每一次点开ChatGPT时，千里之外的数据中心就在消耗资源——冷却水、电力、算力。单次AI请求的消耗微不足道，但乘上每天数十亿次的使用量，数字将触目惊心。2024年，全球数据中心耗电415太瓦时，占全球用电量的1.5%。到2030年，这一数字将翻倍，相当于日本全国一年的用电量。再加上芯片里的稀有矿物、堆积如山的电子垃圾、不断攀升的水消耗——AI的能耗究竟会对环境产生多大影响？这个问题亟须正视。与此同时，AI发展也带来了巨大的环境效益。AI技术可帮助优化电网调度、提升可再生能源预测精度，推动传统高耗能行业的生产流程升级，还能为气候变化建模、极端灾害预警提供更为精准的技术支持。这种“双刃剑”属性，让AI的环境影响讨论变得更加复杂。另一个不容忽视的问题是，在AI治理的讨论中，美欧长期占据主导：硅谷定调，布鲁塞尔立法，全球跟着走。全球南方国家作为AI产业链的资源提供者、新兴市场，却很少能发声回应AI给自己国家带来的环境影响，更难以参与到全球AI环境规则的制定过程中。今年7月在日内瓦举行的联合国AI治理全球对话开幕式上，一份白皮书打破了这种单声道叙事，开始郑重回答人工智能与环境之间的关系。这份由金砖国家三个大国的重要智库——国家高端智库复旦大学中国研究院、俄罗斯自然与人民基金会、印度帕勒基金会联合撰写，联合国互联网治理论坛环境动态联盟支持，并在这次联合国对话中发布的《人工智能与环境白皮书》，把人工智能的环境足迹与环境效益纳入同一分析框架、系统探讨人工智能与国际可持续发展的关系，也是金砖国家智库首次联手，把“全球南方”的视角带入了AI环境治理的讨论桌。著名经济学家杰弗里·萨克斯教授为《白皮书》作序时，称之为“具有里程碑意义的文件”。7月18日，在2026世界人工智能大会期间，由复旦大学中国研究院主办的《人工智能与环境白皮书》国际研讨会上，来自俄罗斯、印度和中国的专家，继续探讨人工智能与环境的关系。2012年的时候，训练一次AlexNet会排放0.01吨二氧化碳，这个量几乎可以忽略不计。2020年，训练一次GPT-3，排放量达到588吨。2023年的GPT-4，这个数字来到了5184吨。2024年的Llama3.1405B，数字变成了8930吨……很难想象，2030年我们面对的AI能耗会到什么地步？但训练AI只是这个问题的冰山一角。Facebook的实测数据显示：在已部署的AI系统中，推理贡献了约65%的碳排放，训练只占35%。随着AI走向亿级用户，这个比例只会更悬殊。MistralAI第一次把单次查询的账单摊开：一个400-token的回复，会排放1.14克的二氧化碳，消耗45毫升的水——水，可能是AI账本里最被忽视的一行。OECD预测，到2027年，AI相关用水量可达66亿立方米，这相当于英国半年的用水总量。更值得警惕的是：数据中心往往建在水资源最紧张的地方。以印度为例，印度有6亿人面临高至极端水压力，班加罗尔作为印度的科技中心、数据枢纽，却面临着地下水枯竭、未来净可用水量归零的严峻风险。中国“东数西算”把算力往西部赶，某种程度上是对这种矛盾的回应，但全球范围内，AI的水消耗仍在以一种近乎不可见的方式加剧区域资源竞争。除了水以外，硬件本身的代价，同样惊人。一台2公斤的电脑，生产需要约800公斤原材料——稀土、锂、钴、镓、铜。这些矿产的开采和冶炼，不仅涉及栖息地破坏、水污染和长期生态毒性，其环境影响还不成比例地集中在全球南方。等这些原材料被制成GPU后，在数据中心里通常只有3到5年的寿命。更新周期越短，淘汰越快，废弃的硬件堆积成山——2022年全球电子垃圾已达6200万吨，而AI专用设备产生的废料尚未被单独统计。算力越强，硬件迭代越快，电子垃圾的增长曲线只会更陡。
互联网上的文字ChatGPT们读了个遍，聊什么都头头是道。但在AI圈，一批重
互联网上的文字ChatGPT们读了个遍，聊什么都头头是道。但在AI圈，一批重量级人物认定这条路走不到头，理由很简单：这些模型从来没见过真实世界。美国Meta公司前首席AI科学家、图灵奖得主杨立昆说得毫不客气：“指望把大语言模型的能力一路扩展到人类水平的智能，完全是胡说八道。”计算机视觉先驱、美国斯坦福大学教授李飞飞的说法文雅些，她形容大语言模型是“黑暗中的文字匠”：能说会道，却毫无阅历；学识渊博，却双脚悬空。钱已经跟着这个判断走了。今年2月和3月，李飞飞联合创办的美国初创公司WorldLabs和杨立昆创办的AMI先后融资，各拿到约10亿美元；做AI视频起家的美国公司Runway也在2月融到3.15亿美元。这些钱押的都是同一个方向：世界模型。名字听着玄，定义其实一句话就能说清。大语言模型学的是文字接龙，预测下一个词；世界模型学的是世界接龙，给它一个场景和一个动作，它预测下一刻会发生什么。它和AI视频生成是近亲。Runway首席技术官阿纳斯塔西斯·格马尼迪斯回忆，转折点出现在他们给视频模型加上镜头控制之后：用户可以指挥镜头在画面里移动，感觉一下子就变了，更像在玩游戏，你在一个世界里四处游荡，而这个世界正被模型实时渲染出来。普通的AI视频是整段一次生成的：模型从一屏雪花噪点出发，反复“去噪”，把所有画面同时修出来。这样前后连贯，但也意味着视频生成完之前，你插不上手。世界模型把流程改成一帧接一帧：模型画出这一帧，你按个方向键，它根据你的动作画下一帧。视频就这样变成了游戏。代价也不小。每一帧都要现算，烧钱烧得厉害；模型还健忘，你在生成的房子里逛一圈再回来，屋里的摆设可能已经悄悄变了样，因为它把早先的画面忘了。去年8月谷歌DeepMind发布的Genie3、去年12月Runway发布的GWM-1，走的都是这条实时生成的路。WorldLabs则选了另一条：它去年11月推出的Marble，用一张图片或一段视频，再选择性地加一句描述，就能生成一个后院大小的3D场景，你可以用键盘鼠标飞进去逛，还能把整个场景导出来，给游戏开发者和特效师直接用。两条路各有软肋。Marble的场景一次生成、永久保存，家用显卡就跑得动，可惜里面是死的，一片树叶都不会动。实时生成的世界是活的，你能动手干预、看到后果，但一停机就烟消云散，而且每一秒都在烧算力。WorldLabs联合创始人本·米尔登霍尔承认这一点，他们正在想办法把“会动”加进自己的场景里。这些模型的物理知识是哪来的？没人教过它们牛顿定律，也没人给它们输入过三维几何。这恰恰是故意的。计算机科学家、强化学习先驱理查德·萨顿2019年写过一篇著名短文《苦涩的教训》，总结了AI几十年的历史：研究者总想把人类辛苦积累的知识亲手教给机器，但一次又一次，这种精心设计输给了简单粗暴的路线，也就是把海量数据和海量算力堆上去，让机器自己悟。教训之所以苦涩，是因为输掉的总是人类引以为傲的那部分知识。大语言模型就是这么成的：没人教它语法，它读了整个互联网，语法自己就冒出来了。世界模型下的是同一个赌注：不教三维，不教物理，只让模型看海量视频、反复练习预测下一帧。预测得足够好，它就有可能在内部自己长出一套对空间和物理的近似理解，至少支持者们是这么押注的。这套理解藏在哪？研究者管它叫“潜空间”。美国麻省理工学院的文森特·西茨曼打了个比方：假如你能翻开自己的大脑看，里面绝不会有一张房间的三维图纸，但你闭着眼也知道桌子在哪。模型也一样，它内部存着关于世界的信息，只是形式人类读不懂。连研究者自己也说不清模型内部是如何形成这些物理行为的，他们只能反复验证输出是否够用。比如拍一段真实视频，一只皮球吊在天花板下晃，把第一帧喂给模型让它续写，再把模型算出的轨迹和真实轨迹对比。那么问题来了：烧几十亿美元，就为了造个能逛的假世界？真正的目标是机器人。自动驾驶这几年进展快，一个重要原因是数据管够：行车记录仪和路测每天都在生产驾驶数据。而想让人形机器人进家干活，可用的训练数据少得可怜。有的公司已经在花钱雇人戴着摄像头做家务，就为攒一点训练素材，但这点数据杯水车薪。世界模型给出的解法是练功房：让机器人在模拟世界里日夜不停地练，摔了不疼，砸了不赔，失败1万次也只是几度电，还能批量生成机器人执行各种任务的画面当教材。西茨曼的团队就在用视频世界模型训练机器人撕胶带，这个动作看着简单，对机器人来说难得很。前提是模拟得足够真。要是模型把摩擦力算错一点，机器人学到手的就是错的功夫，到了现实世界一用就露馅。这一关目前还没过。所以下次再看到机器人公司发布的惊艳演示，可以多留个心眼：场景、任务、道具，都可能是精心挑过的。西茨曼自己说得很清楚：“这是一场赌注，还没有定论。”他甚至在博客里写，视频生成模型未必能解决机器人智能问题，甚至未必是最终答案的必要零件。但他和整个行业还是把钱和时间押了上去，因为赌对的回报太大。AI圈习惯把行业的繁荣期叫作“AI之春”。这一轮春天是大语言模型带来的，而这些真金白银的赌注说明，很多人相信，春天不会跟着聊天机器人一起结束。～～～～～～图一：题图，图源：MIT图二：文森特·西茨曼领导美国麻省理工学院计算机科学与人工智能实验室的场景表征研究组，图源：MIT图三：WorldLabs团队合影，左侧和中间穿黑色连帽衫的是本·米尔登霍尔，他左手边同样穿黑色连帽衫的是联合创始人李飞飞，图源：WorldLabs图四：Runway首席技术官阿纳斯塔西斯·格马尼迪斯在CerebralValley语音峰会上演讲，图源：NewcomerAISummits图五：计算机科学家、强化学习先驱理查德·萨顿2025年在圣迭戈演讲，图源：Xuthoria摄，CCBY-SA4.0许可图六：用WorldLabs的Marble从一段文字提示和一张2D参考图生成的3D场景，环境由高斯泼溅（Gaussiansplats）构成，用户可以在其中自由移动、变换视角，但场景里没有任何动态，图源：SamuelAxon图七：Runway最初发布GWM-1时的演示，生成的仓库场景上叠加着方向控制键，图源：Runway图八：西茨曼等人在用视频世界模型训练机器人完成撕胶带之类的任务，这个动作没有看上去那么简单，图源：MIT图九：类似3D软件Blender的悬浮场景视图只是世界模型可能的界面之一，有些世界模型根本不会有人类界面，图源：SamuelAxon信源：Axon,Samuel."Simulatingeverything,sortof:Thepromiseandlimitsofworldmodels."ArsTechnica,13July2026
除了肘击舞姿说不出别的来了这两个群体有啥好值得击毙坤破防的毕竟坤逼俩人天天聊天
除了肘击舞姿说不出别的来了这两个群体有啥好值得击毙坤破防的毕竟坤逼俩人天天聊天天天见面的有的人留守儿童也是没当够爸爸豆包妈妈ChatGPT的日子给你们过爽了
用上没
用上没
汽车算是具身智能吗汽场全开汽车算不算具身智能：分两代车型清晰界定一、基础结论1
汽车算是具身智能吗汽场全开汽车算不算具身智能：分两代车型清晰界定一、基础结论1.传统燃油/低配燃油智能车：完全不属于具身智能老式汽车只是人类操控的机械载体，没有独立感知、自主决策、自主执行闭环：方向盘、油门、刹车全程由人控制，车辆仅被动执行机械传动，没有AI大脑、环境感知能力，属于纯工具，不满足具身智能三要素（物理躯体+环境感知+自主决策执行闭环）。2.高阶智能电动车（带L2+及以上自动驾驶、线控底盘、车载大模型）：属于轮式专用具身智能体**，是落地最成熟的民用具身智能形态**二、具身智能核心三要素，智能汽车完全匹配1.拥有物理“躯体”（具身载体）整车车身、四轮、线控转向/制动/电驱底盘，构成物理身体，能在现实物理空间移动、受力、与路面/障碍物产生物理交互，区别于ChatGPT这类脱离实体的离身AI。2.全域环境感知（五官）摄像头、毫米波雷达、激光雷达、超声波、定位模块、车身姿态传感器，相当于汽车的视觉、测距、定位、平衡感官，实时捕捉路况、行人、车道、交通信号灯，完成物理世界信息采集。3.感知-决策-执行-反馈完整闭环（核心智能）•感知：识别路况、障碍物、交通规则•决策：车载大模型/智驾芯片自主规划车道、车速、避让策略•执行：线控底盘直接控制转向、刹车、加速，无需驾驶员机械介入•反馈：行驶结果反向修正算法，持续自适应学习路况，完美契合具身智能“身体在环境中交互产生智能”的底层逻辑三、智能汽车和通用人形具身智能的关键区别（为什么它是专用型而非通用型）1.动作自由度极低汽车仅3个基础自由度（前进后退、左右转向、加减速），受阿克曼转向、轮胎物理约束，无法横向平移、灵活姿态调整；人形机器人有数十个关节自由度，可抓取、攀爬、精细操作物体。2.任务高度专业化、场景受限智能汽车核心任务仅限道路安全载人移动，严格受交通法规约束，只能在结构化公路场景工作；通用具身智能需要适配非结构化场景（居家、工地、野外），可完成搬运、操作、陪护等多元任务。3.交互形式不同汽车仅能完成道路避障、路径优化、座舱语音交互，无法物理抓取、触碰改造环境；通用机器人可直接物理操作现实物体（开门、拿物品）。四、通俗分层总结1.手动挡/普通家用低配车：钢铁代步工具→❌不是具身智能2.L2辅助驾驶车型（自适应巡航、车道保持）：半自主辅助，人最终兜底→准具身智能，人主导3.L4高阶自动驾驶、搭载车载大模型+全栈线控底盘：完全自主感知决策行驶→✅标准轮式具身智能体，车企定义为“移动机器人”五、产业定位补充业内共识：智能电动汽车是当前量产规模最大、商业化最成熟的具身智能硬件，传感器、线控、车载算力架构，是人形机器人技术的重要前置落地载体，未来会持续向通用具身能力进化（自主泊车、代客接送、自主充电）。
领克tnd概念车——ai做的越野车概念车——ai做的具有可行性的越野车图12是
领克tnd概念车——ai做的越野车概念车——ai做的具有可行性的越野车图12是chatgpt，图34是🍌，哪个更好？大v聊车新能源汽车
库克押上苹果AI时代的关键筹码，试图用SiriAI完成一次翻身但问题来
库克押上苹果AI时代的关键筹码，试图用SiriAI完成一次翻身但问题来了，面对ChatGPT、豆包、通义千问等AI应用的围攻，升级后的SiriAI真有那么强吗？它到底是苹果生态的终极入口，还是库克送给Siri的最后一程？
6月11日，新加坡联合早报写道：“人工智能巨头OpenAI称，一批与中国有关联的
6月11日，新加坡联合早报写道：“人工智能巨头OpenAI称，一批与中国有关联的ChatGPT账户试图煽动美国国内对数据中心建设的反对情绪，此举或意在削弱美国在AI领域的竞争力。”表面上看，很多人刚看到OpenAI和联合早报的相关报道，会直接采信这套说辞，认定存在中方关联账号有组织煽动舆论、刻意阻碍美国AI基建，认为中方刻意通过舆论手段打压美国人工智能发展，觉得相关操作带有明确的行业对抗目的。然而，他们忽略了一个关键点：OpenAI此番单方面指控缺乏完整、客观的实证支撑，仅仅凭借账号注册信息、网络地址等模糊线索就绑定“中国关联”，并主观推导削弱美国AI竞争力的动机，本质是西方科技企业在AI博弈背景下预先设定对立视角，先定性再拼凑线索，结论存在极强的主观偏向性，无法作为事实定论。更重要的是，美国本土本身就存在大量民众、环保组织、地方团体反对新建大型AI数据中心，争议焦点集中在高额电力消耗、水资源浪费、噪音污染、地价上涨等本土民生问题，反对声音本身源于美国内部多元社会诉求，是长期存在的本土舆论分歧，并非外部势力刻意煽动催生。与此同时，网络账号的网络地址、注册联系方式很容易被伪装、借用，仅凭浅层账号信息无法精准判定实际操控者归属，更不能直接推定背后有官方层面的统筹意图。当下全球AI竞争加剧，美国科技行业频繁渲染“外部威胁论”，借各类网络账号相关事件将行业发展矛盾向外归因，以此向美国政府争取更多政策补贴、产业保护与监管倾斜，弱化自身产业扩张带来的本土民生矛盾。另外，ChatGPT本身面向全球开放注册，全球各地用户都可注册使用，大量海外华人、跨境从业者注册账号属于正常现象，正常发表对数据中心建设的客观质疑言论，被直接贴上“刻意破坏美国AI发展”的标签，是典型的扩大化、标签化解读。更讽刺的是，美国自身常年借助各类社交平台、AI工具，在全球多地投放定向舆论，干预他国产业、基建相关公共讨论，双重标准在此事上体现得淋漓尽致。美方企业本土出现民众反对基建的声音，不去反思自身数据中心规划带来的资源环境问题，反而急于将舆论分歧归咎境外关联账号，试图转移内部矛盾，刻意制造中外AI领域对立叙事。而这标志着，OpenAI这次单方面对外发布的指控，并非基于严谨完整调查得出的客观结论，而是全球AI科技竞争下，西方企业炒作外部威胁、转移本土产业矛盾的舆论手段，刻意渲染中方利用网络舆论打压美国AI产业的虚假叙事。说到底，所谓中方关联ChatGPT账号煽动反对美国数据中心建设、意图削弱美方AI竞争力的说法，证据单薄、逻辑片面。美国反对数据中心的舆论根源在本国资源、环保争议，不能简单将普通海外用户的网络发言上升为有针对性的产业对抗行为，这种片面指控更多是服务于西方科技保护主义的舆论造势。以上是小编个人看法，如果您也认同，麻烦点赞支持！有更好的见解也欢迎在评论区留言，方便大家一同探讨。
面对黄金跌跌不休，我让四个小AI给大家算黄金什么时候能回到1000以上，以及跌破
面对黄金跌跌不休，我让四个小AI给大家算黄金什么时候能回到1000以上，以及跌破800的概率是多大。还别说，ChatGPT倒是痛快，第一次问就给了个具体预测时间。别的三家都是模糊地说，都有可能啦，主要关注几大因素啦。我说你就给个具体时间，到时候看你算命准不准，它们才说那好吧，推算了一个时间出来。最后四位小AI预测结果如下：ChatGPT：回到1000大概会发生在2026年的9-11月之间。未来一年跌破800的概率是10-20%Claude：回到1000大概会发生在2026年的9月底之前。未来一年跌破800的概率是10-15%Gemini：回到1000大概会发生在2026年的11月-2027年1月之间。未来一年跌破800的概率低于15%Grok：回到1000大概会发生在2026年的7-8月之间。未来一年跌破800的概率是10-15%和大家心目中的结果接近吗
估值8520亿美元、目标直奔1万亿美元的科技巨无霸人工智能（AI）巨头
估值8520亿美元、目标直奔1万亿美元的科技巨无霸人工智能（AI）巨头OpenAI，在2026年6月8日正式递交了首次公开募股（IPO）的机密申请。这个曾经用聊天机器人ChatGPT掀起全球科技狂潮的帝国，选择把自己的家底向美国证券交易委员会（SEC）封存上报。这种机密申请能让公司在面对公众的挑剔审视前，先拿到监管部门的通行证。这意味着，在大众看清它到底有没有赚到钱之前，OpenAI必须先通过官方的合规体检。这场急匆匆的上市决定，背后其实是一本写满焦虑的账簿。虽然ChatGPT几乎成了聊天机器人的代名词，但这款明星产品的增长速度在2025年底就已放缓，甚至没有完成内部设定的营收和活跃用户目标。为了省钱和找钱，OpenAI已经把手伸向了曾经不屑一顾的领域。他们开始在ChatGPT里塞进广告，甚至直接关停了原本备受瞩目的视频生成工具Sora。即便如此，首席财务官（CFO）莎拉·弗里尔（SarahFriar）依然在为庞大的服务器算力合同发愁，她甚至私下里对公司的营收增速感到焦虑，认为今年根本不适合把公司推向股市。然而，竞争对手的刺刀已经逼到了脖子上，留给OpenAI慢吞吞做决定的时间已经没有了。头号死敌Anthropic在2026年6月初抢先一步，递交了机密的上市申请。这家对手在2026年2月推出了ClaudeCowork，又在4月用新发布的AI模型Mythos惊艳了市场。早在2025年12月，面对谷歌和Anthropic的步步紧逼，OpenAI内部就拉响了红色警报。如果不去股市融资，庞大的算力资金链一旦断裂，技术神话就会瞬间破灭。外部的恩怨纠葛也推着OpenAI往前走。联合创始人埃隆·马斯克（ElonMusk）此前起诉了OpenAI，要求撤销其在2025年底完成的营利性转型，并罢免首席执行官（CEO）山姆·奥特曼（SamAltman）。虽然这场官司在2026年6月初以OpenAI的胜诉告终，但马斯克自己掌控的太空探索技术公司（SpaceX）即将在2026年6月12日正式在纳斯达克交易，这无疑给了奥特曼巨大的压力。这三场在2026年扎堆爆发的超级上市潮，是一场只许成功不许失败的资本豪赌。如果这些巨头上市后表现抢眼，资金将继续涌入，推动科技行业走向新高度。一旦它们的业绩无法支撑上万亿美元的估值，导致泡沫破裂，那股寒流就将顺着金融管网，波及到整个经济系统。～～～～～～图为OpenAI首席执行官萨姆·奥尔特曼，图源：AndrewHarnik信源：Yildirim,Ece."‘WeExpectIttoLeak,SoWe’reJustAnnouncingIt’:OpenAIFilesConfidentiallyforIPO."Gizmodo,8June2026
中国果粉悬着的心，终于死了！凌晨一点开始的WWDC2026，让中国果粉一度倍
中国果粉悬着的心，终于死了！凌晨一点开始的WWDC2026，让中国果粉一度倍感兴奋，因为会上大书特书AppleIntelligence迎重大更新，不过遗憾的是，对标ChatGPT的独立AI智能体，因为“技术原因”国行iPhone暂不提供，这你受得了吗？
机器人与人工智能正改写着历史当下人工智能人才缺口极大3.5个岗位抢1个人
机器人与人工智能正改写着历史当下人工智能人才缺口极大3.5个岗位抢1个人“AI+教育”成新赛道从ChatGPT到能跑能跳的机器人它火得一塌糊涂深刻改变工作与生活方式在中国人工智能已全面落地经济领域它赋能三大产业制造业升级为“智能工厂”生产效率提升、次品率下降服务业业态革新物流效率翻倍、金融服务更普惠、消费场景更多元乡村也迎来智慧变革不过机器并非万能面对复杂场景会抓瞎到2030年虽9200万个工作被替代但会诞生1.7亿个新岗位机会只会转移到有准备的人手里
6月科技方向有不少潜力股。人工智能领域持续火热，大模型不断迭代，像ChatGPT
6月科技方向有不少潜力股。人工智能领域持续火热，大模型不断迭代，像ChatGPT的进化就推动了相关应用的发展，不少企业也在积极布局，未来在智能客服、智能写作等方面有很大想象空间。半导体行业也值得关注，国产替代进程加快，国内企业在芯片设计、制造等环节不断突破。比如华为的芯片技术就有新进展。新能源科技同样潜力无限，太阳能、风能等清洁能源技术不断革新，电池技术也在持续进步，续航能力和安全性都在提升。6月科技方向机会多多，就看谁能抓住风口啦。
