以前AI工具就像科技公司裡的免費自助餐——誰家模型好用，就先端上桌；誰家程式碼工具順手，就先拿來寫；不知道怎麼吃，就來幾盤“龍蝦”開開胃。token像餐盤裡的薯條一樣一把一把往外盛。 結果到了2026年上半年，自助餐廳開始查券了。 今年3月前後，Google因容量不足限制Meta對Gemini的使用。Meta想購買更多Gemini相關計算資源，但Google無法滿足全部需求。 4月22日，據《洛杉磯時報》報導，Google大多數員工因為安全原因，被禁止使用Claude Code、Codex等競爭對手工具，但可以申請例外；與此同時，部分DeepMind團隊，包括Gemini、內部應用和開源模型相關團隊，仍在使用Claude Code。

【新智元導讀】ChatGPT也開始彈窗要使用者刷臉了？OpenAI、Anthropic兩大AI巨頭同時動手，匿名時代到頭了。 OpenAI也動手了！ 剛剛，AI開發者「Kai」在X上曬出一張螢幕截圖。 只見ChatGPT彈出了一個從沒見過的窗口，要求上傳證件，對著攝影機拍一段即時自拍視訊，轉頭、眨眼，3D活體檢測。

“一個部門20來人，一個月消耗5萬元Token（詞元），什麼也沒搞出來。” 一位科技大廠員工王昊（化名）向記者的這句吐槽，揭開了當前企業爭相擁抱AI的另一面。 5萬元的費用，如果按每工作日200元的實習補助計算，相當於10名實習生工作一個月。可這筆錢化作無形的Token消耗後，沒有形成能夠落地的項目成果。 過去兩年，AI席捲全球資本市場和產業界。從科技大廠到傳統企業，“全面擁抱AI”成為最流行的口號。企業爭相採購大模型服務、部署AI助手，發放、比拚員工Token福利，希望借助AI提升效率、創造新的增長空間。

過去我們在電商平台上，最怕遇到的事情是“圖物不符”。生怕一些沒良心的商家在產品詳情圖上給咱們挖坑。 而如今劇情迎來了反轉。可能大家在一些視訊平台上也有刷到：部分使用者利用手中的AI工具把完好的商品“P”成一張破損、帶污漬的殘次品照片，然後再拿著它去找平台申請“僅退款”，從而錢貨雙收。 （圖片來源：小紅書截圖） 平台在面對這些畫質清晰、光影自然真實的照片時，會優先將貨款退還給買家，甚至還可能反手給賣家扣點信譽分。電商本質上就是一門“看圖說話”的生意。當 AI 能夠毫無門檻地“無中生有”捏造虛假證據時，維繫電商運轉十幾年的底層信任就徹底崩塌了。

華爾街日報報導，Anthropic正在與黑石集團(Blackstone)、高盛(Goldman Sachs)、Hellman & Friedman(H&F)、通用大西洋(General Atlantic)等華爾街機構最終敲定大約15億美元的合資企業，主要向私募股權機構支援的企業銷售及部署AI工具。報導指，Anthropic、黑石、H&F預計各出資約3億美元，高盛則擬出資約1.5億美元。若交易最終落地，Anthropic將可直接借助黑石、H&F等私募巨頭所掌握的大量企業網路，加快Claude切入製造、零售、金融、醫療等傳統產業。值得留意的是，OpenAI亦正與多家私募機構洽談類似企業AI合資平台。 (瑞恩資本RyanbenCapital)

在大洋彼岸的矽谷，對AI工具訪問進行限制變得愈發常見。近日，Anthropic調整了Claude免費版、Pro版和Max版使用者的流量限制，使使用者在高峰時段（每日上午5點至11點）使用Claude時，會更快地達到流量上限。“我們已經推行了許多效率提升舉措來應對這一點，但仍有7%的使用者會遭遇此前不存在的限制，尤其是專業版使用者。”參與Claude開發的 Thariq Shihipar表示：“如果需要運行大量詞元（Token）密集型後台作業，將它們轉移到非高峰時段將是更好的選擇。”無獨有偶，據BusinessInsider報導，日前Google內部推出一款名為Agent Smith的AI工具，因使用量激增、人氣爆棚，已被限制存取權。據悉，該工具可自動執行程式設計任務，通過Google內部聊天平台，員工可以直接用手機向其下達指令，隨時隨地指揮AI工作。頗為矛盾的是，公司們一邊限制訪問AI工具，一邊積極推行AI常態化。根據過往報導，從初創公司到Google、Meta、亞馬遜等科技巨頭，AI使用情況正不斷被納入員工的績效管理體系。Meta一份內部檔案顯示，2026年上半年，65%的工程師需要使用人工智慧編寫超過75%的已提交程式碼。從AI“限流”到AI焦慮，巨頭們一系列動作的真正指向，或許仍是算力收益的最大化。▌效率為王在本周早些時候，OpenAI宣佈放棄營運Sora視訊平台應用程式，並終止其所有服務，以釋放算力資源全力推進下一代旗艦模型“Spud”。摩根士丹利分析師評價道，這反映了算力不足和儲存不足的問題。面對相似窘境，Shihipar聲稱，目前Anthropic正在進一步投資，以提高擴展效率（scaling efficency）。所謂擴展效率，是指模型性能隨計算資源增加而提升的速率，用每單位FLOPs投入所實現的損失下降幅度來衡量。換言之，同樣增加一份算力，擴展效率越高，則模型損失下降越快、性能提升越顯著。早在去年11月，OpenAI前首席科學家Ilya Sutskever就宣佈，那個只要“堆算力”就能贏的時代，已經結束了。在2026 GTC大會上，黃仁勳也表達了類似的觀點，即AI競賽不再是比拚原始算力，而是效率與商業化。隨著“燒錢”敘事愈發冷卻，OpenAI已經率先“站隊”。據知情人士透露，該公司於今年2月將2030年算力支出目標，調整至約6000億美元，較此前高調宣佈的“1.4兆美元基礎設施投資承諾”出現了顯著下調。與此同時，在OpenAI的ChatGPT廣告業務試點推出後，於六周內已經達到了年化收入1億美元的里程碑。儘管有分析師指出，這一舉措可能會惹惱一些客戶，並損害對該產品的信任度。華創證券表示，當前AI產業正處於從“技術驗證”向“商業落地”的關鍵轉折點，AI-Native（人工智慧原生）應用不可阻擋之勢重塑全球科技版圖。海外市場，AI商業模式從“燒錢換增長”進入“價值兌現”階段，護城河正在向“場景深度”與“資料閉環”遷移——工業領域的預測性維護、金融領域的智能風控、醫療領域的輔助診斷、法律領域的合同審查，這些垂直場景憑藉專有資料積累與行業Know-how，構築起難以踰越的競爭壁壘。 (財聯社)

近日，網上關於“龍蝦”的風向變化簡直是坐過山車。前幾天全網還在熱炒千人排隊拿著號碼牌等候安裝這個叫OpenClaw的AI工具，轉眼間，熱搜話題就成了怎麼徹底解除安裝它，而且，解除安裝也要收費。為什麼急轉彎？因為官方拉響了風險警報。中國國家網際網路應急中心、中國工信部接連發佈提示，直接點名“龍蝦”存在嚴重安全隱患。這不是空穴來風，已經發生了真實案例：有人帳戶裡的錢被隔空轉走，電腦被駭客遠端控制，甚至積累了多年的工作檔案被一鍵清空。那麼，當初大家為什麼又擠破頭要“上車”呢？根源是一種生怕落伍的焦慮，也就是所謂的“FOMO”。網路上，它被渲染成能自動處理一切、讓你徹底“躺贏”的未來鑰匙，彷彿不用就會被時代甩開。這種普遍的焦慮，迅速轉化成了實實在在的消費。想自己運行？硬體成本不菲。用於租賃的雲伺服器？那是個持續消耗的“無底洞”。更催生了離奇的“安裝刺客”服務，上門費敢叫價上千元。這還不算它作為“Token燃燒器”的日常開銷——呼叫高級AI模型處理任務，一個月輕鬆燒掉幾百上千元。有開發者因為金鑰洩露，一覺醒來收到上萬元的帳單。這早已超出了“嘗試新工具”的範疇，更像是在“供養一個昂貴的未知”。比燒錢更可怕的，是隨之洞開的安全大門。當你賦予它極高系統權限時，也相當於在自家數字世界開了一道後門。有資料顯示，全球有十幾萬台運行“龍蝦”的電腦處於毫無防護的“裸奔”狀態。更隱蔽的危機藏在官方市場：約12%的所謂“功能外掛”被檢測出惡意程式碼，專門竊取你的密碼、金鑰等核心資訊。這就像你聘請了一位管家，他卻自帶了一支藏有小偷的“服務團隊”。“龍蝦”這場從狂熱追捧到恐慌撤離的“過山車”，給社會大眾注入了一劑清醒劑：在技術爆炸的時代，我們對“工具”的渴望，常常混合著對“落後”的深度焦慮。它給我們最重要的啟示或許在於：真正的主動權，從來不來自盲目追逐或佔有某個工具，而來自清醒的認知和掌控力。對於大多數普通人而言，在新技術面前，“讓子彈飛一會兒”，保持觀察和學習的耐心，遠比“搶先入場”卻陷入風險更為重要。無論技術如何炫目，你，才應該是工具最終的主人。 (央視財經)

AI工具越強，人卻為何越累，這或許才是這場效率革命真正值得追問的地方。圖片由AI工具製作026年初，軟體工程領域出現了一個耐人尋味的景象。以Claude Opus 4.6為代表的新一代AI程式設計工具，正在將開發者的效率推向前所未有的高度。微軟內部資料顯示，工程師在自主選擇工具後，Claude Code迅速佔據主導地位，這被部分觀察者視為“阻力最小路徑”的自然選擇。但與此同時，關於“職業倦怠”的討論正在開發者社區密集湧現。曾在Google、亞馬遜任職的工程師史蒂夫·耶格（Steve Yegge）在近期的一篇自述文章中描述了一種他稱之為“瞌睡攻擊”的現象：在長時間的氛圍程式設計後，他會毫無預兆地在白天突然入睡。擁有40年矽谷經驗的軟體工程師耶格發文如今，越來越多的軟體工程師開始公開談論一種共同體驗：工作產出大幅提升，但疲憊感以更快的速度積累。技術大幅縮短了任務執行時間，卻沒有減少人類的決策負擔，後者反而在增加。圖片來源於網路01 AI不會疲憊，但你會在耶格看來，此前關於“AI對實際工作幫助有限”的討論，在Claude Code搭配Opus 4.5及4.6投入使用後，已不具備參考價值。這套組合顯著降低了從問題定義到可運行程式碼之間的轉換成本，使得一名熟練工程師在單位時間內的產出，可以達到傳統工作流的數倍。耶格指出，當生產力提升超過約2倍時，一種被他稱為“吸血鬼效應”的現象便開始顯現，技術不再僅僅是工具，而開始反向塑造使用者的工作節奏和心理狀態。耶格繪製的“AI吸血鬼抽取裝置”西丹特·卡雷（Siddhant Khare）是一位在部落格中詳細記錄這一過程的軟體工程師。他在《AI疲勞是真實存在的》一文中寫道，自己上一個季度的程式碼交付量達到職業生涯峰值，但精神上的疲憊同樣被拉滿。卡雷描述了一種工作模式的根本性轉變。在使用AI之前，他會用“整整一天”深度專注於單一問題，保持連貫的思維路徑。而在引入AI之後，他一天需要平行處理五到六個不同的問題域。每個問題在AI協助下，單獨耗時大幅縮短至一小時左右。但問題之間的頻繁切換，構成了新的認知負荷。“AI不會在問題間隙感到累，”他寫道，“但我會。”卡雷將自己的新角色形容為“流水線上的質檢員”。拉取請求持續湧入，每一條都需要審查、決策、蓋章。流程從未中斷，但決策權從未移交。他被固定在審判席上，案卷由AI遞送，責任由人類承擔。《哈佛商業評論》近期發表的研究為這一現象提供了實證基礎。研究者跟蹤了一家美國科技公司的200名員工，發現AI的使用雖然在初期顯著提升了任務完成速度，但也觸發了連鎖反應：速度提升推高了組織對交付周期的預期，更高的預期促使員工更加依賴AI，更深的依賴擴大了員工試圖處理的任務範圍，而範圍擴張進一步加劇了工作密度和認知負載。研究者將這一機制描述為“工作量蔓延”現象。它不是由指令驅動的擴張，而是在效率提升與預期調整之間反覆迭代、自我強化的過程。從事數字產品設計的薩莫·科羅舍茨（Samo Korošec）在LinkedIn上回覆耶格時，表達了相似的處境。他指出，社交平台上充斥著“一分鐘生成十個UI方案”的演示內容。這些內容被反覆推送給從業者和他們的管理者，形成一種隱含的標準。既然工具可以如此快速地輸出方案，那麼方案的產出就應當如此快速。然而，這些演示極少展示後續的篩選、落地、跨職能協調成本，後者依然完全由人類承擔。技術壓縮了生產環節的時間，但沒有壓縮決策環節的時間。而後者正在成為新的瓶頸，即人的注意力與意志力。02 AI改變了工作量級，但沒有改變分配耶格提出了一個簡化的分析框架。假設一名工程師在掌握AI工具後，單位時間產出提升至原來的10倍。那麼，這9倍的差額價值將由誰獲得，取決於使用者如何配置自己的勞動供給。比如在情景A中，工程師保持原有工作時長，將全部增量產出交付給僱主。此時，僱主以不變的人力成本獲得了近10倍的產出。工程師的收入未發生同比例變化，但其勞動強度和精神消耗顯著上升。耶格稱之為“被榨乾”。在情景B中，工程師大幅縮減工作時長，僅以原有10%的勞動時間完成與過去相當的產出。此時，增量價值全部由個人獲得，獲得了更多的閒暇時間。但這一狀態在競爭環境下難以持久。若組織內部成員普遍採取此策略，組織整體產出將落後於競爭對手，長期將面臨生存風險。耶格指出，理想狀態應位於這兩種極端假設之間。但在現行組織架構中，刻度盤的調節權並不對稱。組織天然傾向於將指針推向A端，而個體需要主動施加反作用力。這一框架將技術效率問題轉化為分配問題。AI並未改變“價值由勞動創造”的基本事實，但它改變了同樣單位勞動所能創造的價值量級。當這一量級發生躍遷時，原有的分配均衡必然受到衝擊。耶格回憶了2001年在亞馬遜工作的經歷。當時他所在的團隊承受著高強度的交付壓力，而回報高度不確定。他在一次討論中向同事寫下公式：$/小時。他解釋道，分子（年度固定薪酬）在短期內難以改變，但分母（實際工時）具有相當大的彈性空間。他主張將注意力從“如何賺得更多”轉向“如何工作時長更少”。這一視角轉換在當時令部分同事感到陌生，但在數周後，他多次路過會議室時看到白板上依然保留著這組符號。二十五年後，耶格認為這一公式同樣適用於AI時代。不同的是，AI大幅放大了分母變化對分子的影響，但個體對分母的控制力並未同步增強。LinkedIn使用者約瑟夫·埃莫森（Joseph Emison）從另一角度回應了這一問題。他觀察到，大多數在創意領域取得持續成就的從業者，包括知名作家、設計師、研究者，他們每日有效工作時長通常不超過四小時。剩餘時間用於恢復、漫遊、輸入。這不是效率問題，而是認知活動的生理極限問題。如果AI將“工作”與“有效工作”進一步切割，那麼我們需要重新定義的，可能不是工具的使用方式，而是“工作日”的長度。03 能力上限在擴張，下限正在消失耶格在文中坦承，自己也是問題的一部分。他擁有超過四十年的工程經驗，領導過大型團隊，閱讀速度快，且具備充足的時間和資源進行技術實驗。他可以連續數十小時使用Claude Code建構一個可運行系統，並將其發佈至公共領域。他的工作成果被廣泛傳播，部分管理者將其視為“工程師應可達到的水準”。他寫道：“僱主們很可能開始看著我，以及我們這些遠遠偏離常態的異類，然後說：‘嘿，我所有的員工都可以像那樣’”。LinkedIn等平台上，部分早期採用者開始公開分享自己的AI使用強度：有人稱其所在組織為少數帳戶支付每月數千美元的費用；有人展示自己同時運行數十個對話會話。這些內容在獲得技術社區關注的同時，也在管理層面塑造了一種隱性參照系。耶格將此稱為“不切實際的美麗標準”。他承認，自己並不具備代表性，他的工作節奏難以被多數人復現，甚至他自己也不確定能否長期維持。但當他站在講台或寫下書籍時，他所傳遞的資訊（至少在接收端）被簡化為“這可以做到”。LinkedIn使用者利赫·阿紹夫（Leigh Aschoff）將問題引向了更深層。他認為，當代人與AI的互動方式，對應出人際互動中長期存在的邊界識別障礙。許多人在與他人的關係中缺乏識別和表達自身極限的能力，而這種能力的缺失被平移到人機關係中。工具不會主動停止，也不具備感知使用者疲勞的能力。當技術不斷拓寬能力的上限，識別下限的能力反而變得更加稀缺。04 工作日需要重新定義耶格在文中提出了一個具體主張：AI時代的有效工作日應縮短至三到四個小時。這不是一個經過嚴謹驗證的數字，而是一個基於經驗的推斷。他的觀察是，AI將大量執行性任務自動化，但將決策、判斷、問題重構等高階認知活動保留給人類。這些活動對注意力和情緒資源的消耗遠高於執行性任務，且難以通過平行或壓縮恢復。耶格在參觀某個科技園區時，見到了一種他稱之為“刻度盤調至合適位置”的工作環境——開放式空間、充足的自然光、分佈於各處的社交與休息區域、員工在其中自由切換工作與恢復狀態。他並不確定這一設定在AI全面滲透後是否仍能維持平衡。但他確信，當前許多組織採用的模式——不調整工作時長，僅增加單位時間產出密度，這是不可持續的。他不再將問題歸結為“AI是吸血鬼”，而是歸結為“我需要更清楚地知道自己的極限在那裡”。耶格在文末表示，自己正在嘗試調低刻度盤。他減少了公開活動，拒絕了大量會面邀請，不再追求每一個可見的技術賽道。他仍在寫作，仍在建構產品，仍在與同行交流。但他也在下午合上電腦，與家人散步。他說，不知道自己能把指針往回拉多少。但他確信，方向是對的。對於更廣泛的從業者群體而言，這一問題尚未進入集體議程。關於AI生產力的敘事仍佔據主流，關於疲勞的討論仍以個人化、碎片化的方式存在。但越來越多的訊號表明，這兩條曲線正在交匯。技術縮短了任務路徑，但沒有縮短工作日。工具分擔了執行，但沒有分擔責任。效率提升了交付速度，也提升了消耗速度。當AI不斷告訴我們“還可以更快”，也許更需要被聽見的問題是：還可以更慢嗎？ (騰訊科技)