Meta因資本開支上升而股價下挫；Alphabet的雲業務增速快於競爭對手亞馬遜和微軟。Google(Google)第一季度財報顯示，其雲業務增長快於競爭對手。這家搜尋巨頭及同類大型科技公司今年再次上調AI基礎設施支出計畫至7250億美元。預計四大“超大規模雲服務商”——包括亞馬遜(Amazon)、Meta、微軟(Microsoft)和Google母公司Alphabet——合計資本支出將比去年的創紀錄4100億美元增長77%。儘管投資者過去對巨額投入持懷疑態度，但他們總體歡迎這份財報：AI和資料中心需求推動營收和利潤大幅躍升，其中Google雲(Google Cloud)收入增長63%居首。“AI經濟很健康。”傑富瑞(Jefferies)的分析師布倫特•希爾(Brent Thill)表示。他補充說，最近的收入增長表明，大型玩家能夠承擔巨額資本開支成本。“唱空論點就是垃圾。”資本支出柱狀圖顯示：大型科技公司的一季度資本開支創下紀錄，達到1300億美元Alphabet股價在盤後交易中上漲7%，有望在周四以創紀錄的4.3兆美元市值開盤。亞馬遜上漲3%，而過去一個月已上漲18%的微軟則持平。Meta的氣氛更為低迷：儘管收入躍升三分之一，但使用者下滑、資本支出增加，以及首席執行長馬克•祖克柏(Mark Zuckerberg)對推出改進版AI模型的時間表含糊不清，仍推動其股價在盤後交易中下跌6%。SLC Management的董事總經理德克•馬拉基(Dec Mullarkey)表示：“投資者仍然擔心，祖克柏的印鈔機曾經是輕資本型，現在可能在演變成一台資本密集型的焚化爐。他們對不計代價的增長並不感興趣。”相比之下，投資者為Google的盈利顯示出由AI驅動的強勁增長跡象而喝彩。Google的DeepMind實驗室孵化了人工智慧技術，但此前該公司因為允許OpenAI和Anthropic將這項技術更快商業化而遭批評。第一季度淨利潤躍升81%，至626億美元；營收增長22%，至1100億美元，均超出預期。一筆未實現的369億美元股權證券收益提振了利潤資料。Google未指明具體涉那些投資，但其持有SpaceX和Anthropic的大量股份。這兩家公司在私募市場的估值分別約為1.25兆美元和3800億美元，且正考慮於今年公開上市。搜尋業務收入增長19%，至604億美元；Google雲的銷售額同比增加77億美元，至200億美元。瑞銀(UBS)分析師Stephen Ju表示，這些結果“將有助於投資者增強對投資回報可持續性的信心”。在規模5000億美元、競爭激烈的雲端運算市場中，Google從對手手中贏得了更多份額。但與亞馬遜和微軟相比，它的體量仍小得多。亞馬遜本季度雲業務新增銷售額83億美元，季度總額達到376億美元；而微軟旗下Azure雲部門新增營收79億美元，升至347億美元。標普全球(S&P Global)旗下Visible Alpha Research負責人梅麗莎•奧托(Melissa Otto)表示，結果表明“Google雲開始拿到一些市場份額……它可能正在緊追不捨”。Google雲業務負責人托馬斯•庫裡安(Thomas Kurian)上周在接受英國《金融時報》採訪時表示，Google之所以取得進展，源於其長期堅持在內部自研定製AI晶片、基礎模型和產品的戰略。他稱，這讓公司在成本和研究方面具備優勢，而其雲端運算與AI同行公司一直很難自行打造晶片和前沿模型。Google周三表示，其租用資料中心機位的合約積壓達4600億美元，這也讓市場更能接受其今年資本開支指引上調500億美元，至最高1900億美元。首席財務官阿納特•阿什克納齊(Anat Ashkenazi)表示，相關支出將在2027年再次“顯著增加”。亞馬遜表示，其合同儲備在3月底已達到3640億美元，並將因最近與Anthropic簽訂的1000億美元計算合同而進一步擴大。首席執行長安迪•賈西(Andy Jassy)在與投資者的電話會議上表示：“這在範圍上相當廣，不只是一個或兩個客戶。”他補充說，最近與OpenAI達成的一筆交易將帶來更多收入。“沒有一款(AI)工具可以統治全球。（客戶）希望有選擇。”微軟首席財務官艾米•胡德(Amy Hood)表示，為滿足需求，需要在資料中心進行更多投資。在雲業務銷售額增長40%的推動下，微軟總營收創下829億美元的紀錄，淨利潤達到320億美元。年度營收同比增速（%）柱狀圖。在資料中心業務中，Google增速更快，領先競爭對手微軟預計2026年日歷年的資本支出為1900億美元，高於分析師1520億美元的平均預期。胡德還警告稱，儲存晶片和其他元器件價格上漲，導致該創紀錄資本開支預算中有250億美元用於相關支出。她說：“即便有這些新增投資，以及持續加快讓圖形處理器(GPU)、中央處理器(CPU)以及儲存容量上線的努力，我們預計至少2026年全年仍將受限。”胡德補充說，隨著更多資料中心上線，雲業務增速將在下半年加快。微軟首席執行長薩蒂亞•納德拉(Satya Nadella)表示，本周結束與OpenAI的獨家合同，將對公司有利。納德拉稱：“我們現在擁有一個前沿模型，免版稅，享有全部智慧財產權，並可一直訪問至2032年，我們完全打算加以利用。”Meta還將支出計畫增加100億美元的原因歸結於“更高的元件成本，尤其是記憶體價格”，以及為建設資料中心而在土地、電力和技術工人上的投資競爭。該公司如今預計今年的資本支出最高可達1450億美元。這一新聞令華爾街不安，儘管Meta本季度營收躍升33%至563億美元，因為其在AI助力下提升了廣告定價與使用者參與度。其股價在盤後交易中大幅下挫，預計在周四金融市場開盤時將蒸發1130億美元市值。在被追問何時推出承諾中的一系列文字、圖像和視訊AI模型（作為本月早些時候發佈的Muse Spark模型的後續）時，祖克柏表示，他更在意“質量”，而不是趕在最後期限前發佈。祖克柏說：“現在外面有很多人正在為不同用途打造各式各樣的智能體，但能讓我願意交給我母親使用的卻不多。” (FT中文網)

要點Alphabet計畫到2026年在AI和雲基礎設施上投資高達1900億美元，以跟上伺服器和網路服務需求的激增，預計2027年支出將進一步上升。Google雲收入同比增長63%，超過200億美元，這很可能受到強勁的AI需求和不斷增長的token消耗量的推動。Google仍未單獨公佈其純AI業務的確切收入數字，並且其增長中有多少源自循環交易（即Google投資於像Anthropic這樣的AI初創公司，後者隨後將資金又花在Google雲服務上）仍存在疑問。Alphabet將在2026年前向AI和雲基礎設施投資高達1900億美元，該公司表示2027年的支出將再次“顯著”上升。Alphabet在2026年第一季度公佈了創紀錄的1099億美元營收，整體增長22%。Google雲季度營收首次突破200億美元，同比增長63%。營收本可以更高：CEO桑達爾·皮查伊（Sundar Pichai）表示，短期內業務受到計算能力短缺的限制。雲積壓訂單已增長至4620億美元。Google暗示AI是雲增長的主要驅動力，並指出token使用量急劇增加。這是衡量整體AI活動的一個合理指標，但對於實際效用（這才是未來真正重要的東西）而言，這是一個微弱的訊號。為了滿足需求，Google還在重新考慮其內部AI晶片TPU的銷售方式。到目前為止，它們只能通過Google雲獲得，但該公司將開始將它們直接運送到特定客戶的資料中心。Alphabet 第一季度業績亮點：搜尋業務增長 19%，雲業務增長 63%，AI 模型目前每分鐘處理超過 160 億個 token，付費訂閱使用者數達到 3.5 億，Waymo 每周完成超過 50 萬次自動駕駛行程。| 圖片來源：AlphabetAI正在整個業務中顯現Google表示，來自生成式AI模型的收入同比增長800%，交易規模持續增長。公司B2B產品Gemini Enterprise的付費月活躍使用者在一個季度內增長了40%。消費類Gemini應用也迎來了它們表現最好的一個季度。這種效應也出現在搜尋業務中。曾被許多觀察者認為業務正在衰退的Google搜尋，增長了19%，達到604億美元。廣告主管菲利普·辛德勒將此歸功於Gemini幫助Google更好地理解使用者輸入查詢時的真實意圖。這使得Google能夠針對過去難以變現的更長、更複雜的搜尋來投放相關廣告。皮查伊說：“人們喜愛我們的AI體驗，如AI模式和AI概覽，並且他們更頻繁地回來使用搜尋。”這些AI生成的答案招致了大量批評，因為Google利用它們來留住原本會流向外部網站的流量，從而有效地攫取了發佈商的收入，卻沒有為底層內容支付太多費用。廣告最終會出現在Gemini聊天機器人中，但目前重點在於AI模式。得益於硬體和工程方面的進步，在AI模式中提供AI概覽和“核心AI響應”的成本已下降30%。Google仍未公佈AI業務的具體數字儘管提供了所有增長百分比，Google仍然不願分享其AI業務的具體收入數字。目前也不清楚有多少已預訂的工作量來自與Anthropic等AI初創公司的循環交易——即公司拿了Google的錢，又立刻將其花在Google的服務上。更大的問題是，客戶是否真的從這些AI服務中獲得了實際的經濟價值。這將最終決定Google和其他超大規模廠商能否證明其長期投資的合理性。 (LLM日知錄)

該初創企業的盈利模式、產品落地時間及收益規模均尚不明確。編譯 |  劉煜編輯 |  陳駿達智東西4月28日消息，今天，據路透社報導，由前GoogleDeepMind首席科學家戴維·席爾瓦（David Silver）創立的英國AI獨角獸Ineffable，已完成11億美元（約合人民幣75.14億元）的種子輪融資，估值達到51億美元（約合人民幣348.31億元）。本輪融資由美國紅杉資本與光速創投領投，輝達、Google和英國國家AI風投基金Sovereign AI等企業和機構共同參投。Ineffable稱，該輪融資為歐洲迄今為止金額最高的種子輪融資。目前，這家初創企業的盈利模式、產品落地時間及收益規模均尚不明確。Ineffable成立於2025年11月，其目標是打造一個超級學習系統（Superlearner）。該系統無需依靠人類資料，將通過自主實踐探索一切知識，覆蓋基本的運動技能（motor skill）到高階智力突破的全部範疇。Ineffable的創始人兼CEO Silver最廣為人知的身份，是AlphaGo背後的核心研究員。他主導了AlphaGo、AlphaZero以及AlphaStar的研發，全程參與了DeepMind強化學習體系的搭建與迭代。Silver與GoogleDeepMind聯合創始人兼CEO德米斯·哈薩比斯（Demis Hassabis）是大學同學，二人都曾就讀於劍橋大學。在劍橋學習期間，Hassabis教會了Silver下棋，其中包括圍棋。在拿到劍橋大學文學學士學位後，Silver前往加拿大阿爾伯塔大學攻讀電腦科學博士學位，師從圖靈獎得主、強化學習之父Richard Sutton。▲David Silver（圖源：Silver個人網站）本科畢業後，Silver於1998年與Hassabis共同創辦了遊戲公司Elixir Studios，同時出任CTO與首席程式設計師。之後，Hassabis與另外二人聯合創辦了DeepMind。在DeepMind成立之初，Silver便擔任該公司顧問，並於2013年正式加入，任職10餘年之久。在DeepMind任職期間，Silver的研究重點是深度強化學習，這是一個將強化學習與深度學習相結合的領域。他參與了多款智能程序的研發，其中，由Silver主導研發的AlphaGo，是首個在圍棋比賽中擊敗頂級職業棋手的程序。之後，他帶隊打造出AlphaZero，該程序依託同源AI架構從零自主研習圍棋，後續以相同訓練邏輯掌握國際象棋與將棋，綜合實力遠超同期所有同類程序。此外，他聯合主導了AlphaStar項目，該款程序能夠在高難度策略遊戲《星海爭霸Ⅱ》中，達到人類職業電競選手的競技水準。在工業界之外，Silver還在倫敦大學學院（UCL）擔任教授。創立Ineffable之初，Silver在該公司部落格發佈個人隨筆稱：“世界需要一個舞台，讓強化學習範式的雄心得以充分施展。在那裡，我們直面智能的根本命題：如何（讓AI）通過對環境的體驗，去發現未知的知識。”他還說道：“AI生成語言、視訊、程式碼等，已有完善生態持續發展，無需我再涉足。而Ineffable，是我畢生追求的事業。”據《連線》昨日報導，Silver稱：“我從Ineffable項目中獲得的所有收益，都將捐贈給具備高社會影響力的慈善機構，用以挽救更多生命。”結語：天價融資扎堆新銳AI企業非大模型賽道正加速突圍目前，Ineffable仍處於早期研發周期，其技術方案尚未成熟，商業化模式與落地規劃尚不明確。在巨額資本加持之下，該公司依託強化學習路線能否突破現有AI技術瓶頸、平衡前沿探索與商業可持續發展，或成為接下來行業關注的核心焦點。今年年初以來，各類新興獨立AI實驗室融資規模已達數十億美元。由圖靈獎得主、前Meta首席AI科學家楊立昆聯合創立的AMI實驗室，已於今年3月完成了10.3億美元種子輪融資，投前估值達35億美元。全球頂尖NLP學者理查德・索徹（Richard Socher）正為其個人實驗室接洽融資，該企業估值已達40億美元。此外，由前OpenAI高管米拉・穆拉蒂（Mira Murati）創立的AI初創企業Thinking Machines，正在洽談新一輪融資，預估估值約500億美元。一眾頂尖科研人才紛紛脫離科技大廠，扎堆創辦獨立AI實驗室，不同於當下主流的大語言模型賽道，這批新興研發團隊正跳出大模型的同質化競爭，轉向強化學習、現實場景感知等前沿方向，探索差異化的技術路線，正掀起新一輪AI浪潮。 (智東西)

01 Google宣佈：75%的程式碼由AI寫，程式設計師去那兒了？4月23日，GoogleCEO桑達爾·皮查伊在拉斯維加斯的Google Cloud Next大會上，拋出了一顆炸彈。他說：Google內部新編寫的程式碼，75%由人工智慧生成，然後再交給人類工程師稽核。一年半前，這個比例是25%。也就是說，在18個月的時間裡，Google工程師的工作內容，發生了一次根本性的轉變。以前，他們寫程式碼。現在，他們審程式碼。這件事，表面上是一個技術公司的內部管理變化。但往深處看，它意味著整個軟體行業的用工邏輯，正在被重寫。02 Google的工程師去那兒了？先說清楚一件事：Google並沒有因為75%的程式碼由AI寫，就把75%的工程師裁掉。那工程師們在做什麼？皮查伊給出了一個詞：稽核員（reviewer）。以前的工程師，主要精力花在"寫"上——思考演算法、敲擊鍵盤、偵錯Bug。現在的工程師，主要精力花在"判斷"上——AI給出了三種方案，那一種在性能、可維護性、安全性上綜合最優？Google內部有一個真實案例。他們有一項複雜的程式碼遷移任務，過去完全依靠人工，費時費力。今年，用智能體和工程師協同完成，速度比一年前快了6倍。不是工程師變強了，是工程師開始"指揮"AI了。但這裡有一個更微妙的變化，很多人沒有注意到。Google內部最近允許DeepMind的部分員工使用Anthropic的Claude Code工具，而不僅限於自家的Gemini模型。這在內部引發了一定的緊張情緒——畢竟，用競爭對手的工具做自家的產品，在情感上很彆扭。但Google還是開了這個口子。原因很簡單：誰的工具好用，就用誰的。效率優先。03 一場正在發生的轉型，但沒人告訴你怎麼過關最近，我跟幾位在大廠的朋友聊過這個話題。一位在某網際網路公司做了7年Java開發的工程師說：他們組最近引入了AI程式設計工具，需求排期從以前的兩周壓縮到了3天。但問題來了——他發現自己越來越像個"程式碼檢查員"，而不是"程式碼創造者"。"我的核心競爭力還剩下什麼？"他問我。這是一個非常好的問題。根據GitHub Octoverse 2025的報告，使用AI輔助工具的開發者，程式碼產出量提升了55%。但與此同時，初級開發者的崗位需求下降了22%。資料很清晰：AI提升了效率，但淘汰了入門門檻低的崗位。IBM的做法或許更能說明趨勢——他們宣佈將入門級招聘規模擴大至3倍，但要求：必須會用AI工具。不是招更多基礎程式設計師，是招"會使用AI的程式設計師"。企業不再需要5個初級程式設計師，而是需要1個能指揮AI的高級程式設計師。問題不是"AI會不會取代程式設計師"，而是"不會用AI的程式設計師，會被會用AI的程式設計師取代"。04 新的考核標準，已經寫進績效表裡Google這次的動作，還有一個細節被很多人忽略了。他們把AI工具使用目標，寫進了工程師的年度績效評估裡。這不是"建議你用AI"，這是"你必須用，用了多少是考核指標"。這是一個訊號。當一家公司把某個工具的使用頻率寫進KPI，意味著什麼？意味著這家公司認為：不用這個工具的人，是在主動降低自己的價值。回顧歷史，類似的事情發生過。2000年代初，Excel和資料庫工具普及時，不會用電腦的會計被慢慢淘汰。2010年代，移動網際網路爆發時，只懂PC端的產品經理開始掉隊。2026年，AI工具全面滲透時，不會用AI協作的工程師，正在走向同樣的命運。這不是危言聳聽，這是一個規律。05 寫在最後：該怎麼做？我不打算給"AI會不會取代程式設計師"這個問題一個確定的答案。但有三件事，我認為是確定的。第一，AI正在改變"寫程式碼"這件事本身的價值權重。當75%的程式碼由AI生成，會寫程式碼已經不是稀缺能力。稀缺的是：能判斷程式碼好壞，能設計系統架構，能在AI給出的多個方案中做出正確選擇。第二，使用AI的能力，正在成為職場硬門檻。不是軟實力，不是加分項——是標配。Google、Meta、Snap的動作，已經說明了這一點。第三，變化已經在發生，但機會窗口還沒關上。Q1裁員78557人，有人被淘汰。但IBM逆勢擴招3倍，Cognizant宣佈不裁反而大規模培訓AI工具使用。被淘汰的是不願改變的人，被擴招的是主動擁抱變化的人。皮查伊說，Google正在轉向"真正以智能體為核心的工作流程"。這個方向，不會因為某個工程師不接受而停下來。問題只有一個：在這個轉變完成之前，你打算站在那一邊？ (碼農菜菜)

【新智元導讀】Vidu Q3帶著「全家桶」重磅回歸，視覺、聽覺、場景能力全面進化。AI視訊的生產級交付時代，真的來了。這個月初，Google一紙公告，把Veo 3.1的視訊生成能力，免費開放給了所有Google帳號。可以說，這是AI視訊史上的一個分水嶺——曾經一條10秒視訊要燒掉數美金的「奢侈品」，正在被巨頭硬生生做成「水電煤」。但越是免費、越是普及，一個尷尬的問題就越藏不住：模型可以無限趨近「能用」，可它和「能交付」之間，依然隔著一整條生產線。榜單上的分數、demo裡的炫技、社交媒體上的爆款片段，全都換不來一個劇組、一支廣告團隊、一條電商內容流水線的穩定輸出。熱鬧歸熱鬧，能用歸能用，從來就是兩件事。而當大多數玩家還在卷免費、卷解析度、卷畫面時長時，一個被低估的中國玩家，悄悄把答案擺上了桌。今天，Vidu Q3帶著「參考生」重磅回歸。作為全球公認的「參考生鼻祖」，這一次，它直接把「參考生」揉進一整套全家桶——以Vidu Q3參考生模型為「核心底座」，Vidu SaaS（Vidu Agent、Vidu Claw）與 Vidu MaaS（Vidu AI 開放平台）全面接入。其中Vidu AI開放平台，可0門檻接入、價格僅為行業平均水平的1/3、切鏡自然合理、生成速度快。同時，它還支援提示詞調優、工作流適配及專項培訓服務，即便在高峰時段也能確保穩健輸出。以上三層加在一起，構成了一套完整的、可直接接入真實生產流水線的內容生產系統。至此，Vidu Q3已全面覆蓋文生、圖生、參考生三大領域，完成由單一模型向全場景視訊生成方案的跨越。正如Slogan所言，「為劇而生，萬物可參」，Vidu正在做一件其他玩家還顧不上做的事：把模型能力，焊死在真正的生產流程中。「參考生之王」回歸 直接拍戲了要理解這件事的重要性，先把背景拎清楚。1月30日，Vidu Q3全球首發，在權威評測榜單AA上一騎絕塵，拿下了全球第一的成績。它一舉超越了Grok Imagine、Gen-4.5、GoogleVeo3.1等一眾領先模型。在全球首個參考生榜單，SuperClue榜單上，Vidu Q3斷層登頂，在多圖/單圖參考任務蟬聯雙榜第一。首次亮相，Vidu Q3便主打「為劇而生」，成為全球首個聲畫直出16秒的AI視訊模型。事實上，整個AI視訊行業的競爭焦點，正在悄悄發生一次根本性的位移。視訊大模型，正在從「生成畫面」邁向「生成內容」。比拚的重點也從單點能力，轉向兩件更本質的事——是否具備完整的敘事能力，以及，是否能進入真實場景的生產級交付。這兩件事，才是把AI視訊從「技術demo」推向「內容生產力」的真正分水嶺。Vidu Q3的出世，恰恰被視為整個行業轉變的階段性節點——從最早的「視訊生成」，到Q2的「演技生成」，再到Q3真正具備「劇集生產能力」的敘事單元級躍遷。每一步，Vidu都踩在了行業演化的關節上。而支撐這次躍遷的關鍵變數，正是Vidu一直握在手裡的那張王牌——參考生。在AI視訊走向生產級交付的這條路上，「參考生」的角色正被徹底改寫。它不再只是一個提升畫面一致性的工具能力，而正逐漸演變為一種可復用、可組合的內容生產範式。作為全球「參考生」首創者，名副其實的「參考生之王」，這一次，Q3直接把其從模型層推到了應用層。這種巨變，直接體現在了漫劇、短劇、廣告、影視劇等應用場景中的可用性和交付性。換句話說，Vidu讓AI視訊，真正具備了「劇」的表達能力，為劇而生。萬物可參，為「劇」而生，聲畫同出在視覺、聽覺和場景上， Vidu Q3系統性升級，招招致命。相較於上一代，Q3不再執著於枯燥的「生成質量指標」（FID/FVD）比拚，而是死磕一個核心目標：讓AI生成內容，真正具備「劇」的表達能力。要知道，所謂的「劇集感」，是由無數個符合直覺的微小細節堆砌而成的。Vidu Q3在視覺、聽覺與場景三個關鍵維度上，交出了一份令人「恐怖」的答卷。在視覺方面，Vidu Q3新增六大特效：粒子、流體、動力學、運鏡、轉場、光影，將其深度融入敘事語言，讓生成內容更接近「成片級表達」。五大沉浸式音效：環境、動態、氛圍、擬音、情緒，讓Q3賦予了AI視訊「聽覺上的敘事連續性」。至此，聲音不再是畫面的附屬，而是情緒的載體。最重要的是，Q3場景能力已進化為直接對齊工業流程的「內容單元」，大幅縮減從創意到成片的距離，覆蓋了短劇、漫劇、影視劇、廣告四大場景。在這些領域，Vidu 不僅實現了極速生成與高頻迭代，更通過極高的視覺穩定性，率先解決了AI創作中「角色一致性」的行業難題。這種從點到面的全場景滲透，標誌著Vidu已從技術驗證期跨入深度產業應用期，建立了不可踰越的落地領先優勢。為了驗證其真實戰力，我們拋棄了傳統的「跑分邏輯」，直接把Vidu Q3扔進更接近真實生產的內容場景裡——漫劇的高燃瞬間、短劇的情緒爆點、影視級的災難與懸疑調度，以及廣告的多元創意。高燃漫劇漫劇，是過去兩年AI內容工業化跑得最快的賽道之一。低成本、短周期、可批次生產，這些特性天然契合AI視訊的能力邊界。但也正因為漫劇對「量」的極致追求，它把AI視訊最致命的那塊短板暴露得淋漓盡致——一致性。一部大約60分鐘的漫劇，每分鐘三四十個鏡頭，每段AI生成的素材只有5–10秒。這就意味著，整部劇是由上千段片段硬拚而成。過去，AI模型最大的問題，是每一張圖之間彼此獨立：人物的臉換了一點、服裝紋樣飄了一點、道具位置跳了一幀，觀眾瞬間出戲。創作者在剪輯台前熬夜重抽素材的痛苦，幾乎是整個行業的共同記憶。一個能夠支援批次生產與快速迭代、同時把主角、場景、道具死死鎖住的模型，是漫劇工業化真正的分水嶺。丟給Vidu Q3一張紅圍巾校服少年的立繪，讓它生成一個「熱血少年覺醒變身」的短片。結果令人震撼，狂風的怒吼、電流的尖嘯、大地的碎裂聲在這一秒瘋狂交織、層層遞進，將情緒推向了最頂峰。最關鍵的突破點在於：複雜的特效變化下，男主形象始終如一。再比如，投喂給Q3一張古風女主的角色圖片、一張江南水鄉的場景圖、一套手繪的服化道參考。提示詞唯寫了一句，「@圖1穿著@圖2衣服，在@圖3江南水鄉行走」。可以看到，動漫女主的臉部特徵被死死鎖住，沒有出現任何畫風偏移或五官融化，服裝的紋理與褶皺也隨著行走步伐自然飄動。而且，背景還夾雜著微風、鳥叫聲、腳步聲生動的環境音效。如果說單人變身是基礎操作，那麼複雜的「雙人肢體纏鬥」則是檢驗AI模型能力的試金石。上傳兩個主角的圖片，在這段激烈的對峙戲中，Vidu Q3展現出了令人膽寒的技術統治力。面對拳腳相加、重擊倒地、連續翻滾等大動態物理互動，Vidu Q3將兩位主角的形象死死鎖住，徹底告別了傳統AI常見的「面部融化」與「服飾穿模」。不僅如此，它在音效與情感生成的顆粒度上達到了影院級水準：沉悶的肉搏聲、倒地後紊亂的喘息，甚至刀鋒逼近脖頸時那一聲微小且冰冷的顫音，都與畫面嚴絲合縫。這一段，可以直接剪進漫劇成片裡，幾乎不需要返工。真人短劇如果說漫劇拼的是「量」，那短劇拼的就是「戲」。中國短劇市場一年狂飆到幾百億規模，單集時長被壓到極致，敘事密度卻反向拉滿——每一句台詞、每一次對視、每一個停頓，都必須精準擊中觀眾的情緒點。大幅降低製作成本和周期，是短劇行業對AI視訊最迫切的呼喚；但前提是——AI必須先學會演對白戲，也就是說，短劇的生死線是「對話」。過去AI視訊在多人對話場景上最容易翻車：要麼兩個人同時張嘴像合唱團，要麼口型對不上台詞，要麼切鏡頭的瞬間人就變了。觀眾能容忍畫面糙一點，但對話一崩，戲就徹底散了。且看下面這段極其細膩的古風雙人對角戲，呈現了Vidu Q3令人驚嘆的「影視級演技」。Vidu Q3 不僅將兩人的骨相特徵與複雜的古裝妝造死死鎖住，更完美呈現了男主嘴角輕佻時那抹似有若無的笑意。這種告別了「AI僵硬感」的細膩神態捕捉，讓角色瞬間擁有了鮮活的靈魂。更令人稱絕的是隨後的雙人台詞交鋒，對話時口型的毫釐不差。再比如來一個現代劇，女強人和霸主之間的糾葛，在Vidu Q3的筆下呈現得淋漓盡致。廣告/電商對於廣告或電商而言，用AI的最大訴求可能就是提升效率──不止是素材版本多，創意要快，要快速試錯。素材生產效率，就是速度、就是搶先引爆熱點的優勢。而Vidu Q3不僅提升了素材生成效率，更重要的是人物、風格統一可控，商品不走樣，背景或人物任意選。比如，下列唇蜜的廣告，利用Vidu Q3參考生功能，可快速篩選不同的風格：只需替換參考模特，一鍵生成不同風格、聲情並茂的視訊，真一鍵出片！鏡頭逐漸推進唇部，模特用唇蜜塗抹在嘴唇上，特寫鏡頭展示唇蜜質感。廣告大片效果，多鏡頭展示。最後手持唇膏模特說說：This touch is more than just color.。去掉bgm，保留人聲再舉一個例子，老梗換新貨，更容易在網上爆紅。比如，威爾·史密斯吃義大利面，就是國外的經典梗之一，可謂歷久不衰。在Vidu Q3，用他的表情包+新的商品（比如漢堡），繼續利用參考生就能生成類似場景的梗圖。這效果看起來是真香！影視預演/內容創意影視劇是AI視訊最難啃的一塊骨頭，但也是價值天花板的最高場景。過去，一個劇本從文字到成片，中間要經歷概念設計、分鏡繪製、預演拍攝、特效合成——這背後，動輒是上千萬的預算，是以「月/年」為單位的製作周期。整個行業最渴望的，是一種能把劇本快速可視化、分鏡自動生成、創意驗證前置的能力，讓導演在燒錢之前，就先看到自己腦中的畫面。Vidu Q3沒有選擇繞路，直接正面正剛。它挑了三種最吃功力的片種：科幻、災難、懸疑。給到一段提示詞：根據參考機甲與未來都市場景，生成一段電影級科幻追逐戲。夜色中的賽博朋克城市高樓林立，霓虹燈閃爍，主角駕駛機甲在高架橋與樓宇之間高速穿梭，後方數架敵方飛行器緊追不捨。鏡頭先從城市遠景俯拍，再切入近距離追蹤，機甲急轉、噴射推進、擦過廣告螢幕與樓體邊緣，期間伴隨爆炸火光與碎片飛散。畫面要求有強烈速度感、空間縱深與電影感，參考主體外觀保持穩定，特效密集但清晰。這個生成的難點在於，俯拍切近景、遠景切追蹤、機甲高速運動、爆炸的碎片層次....每一個細節，都考驗著模型對「電影感」的理解。更狠的是音效，直接構成了一個立體聲場，給人一種身臨其境的壓迫感。再來看災難片，考核的是尺度與震撼，這是這類型大片的標準配方。Vidu Q3在生成效果中，處理了多層次的視覺要素：天空、水牆、慌亂的人群、建築物震顫，每一個要素配合著調度營造出一種末日緊迫感。而且，由遠及近的聲壓推進，更成為了這個視訊重頭戲。更令人想不到的是，一段廢棄醫院的長鏡頭，瞬間拉滿了那種脊背發涼的氛圍感。Vidu Q3不僅在空間推進中保持連貫，還在光影忽明忽暗中保留了真實性，角色表演也有一定的張力。音效更是克制到極致，燈管電流雜音、走廊回音、腳步聲、呼吸聲，把緊張感推向頂點。總言之，Vidu Q3在視覺、聽覺與場景三個關鍵維度上，將四大場景的應用推向了新的高光時刻。偉大的技術 最終都將隱形於無形縱觀科技史，任何一項偉大的技術，其最終的宿命都是「隱形」。當電動機剛發明時，人們驚嘆於電流的魔力；但當大工業時代到來時，電動機隱身於工廠的流水線中，人們只看到源源不斷產出的精美商品。今天的AI視訊行業，正在經歷同樣的蛻變。Vidu Q3通過極盡複雜的底層演算法攻堅，通過從Q1到Q3的艱難跋涉，換來的，恰恰是創作者極其簡單的「為劇而生」。它終結了那個需要靠算運氣、抽盲盒才能得到一段好視訊的時代；它把AI視訊從獵奇者的「玩具箱」，搬到了專業創作者的「工作台」上。「萬物可參」，參考的不僅是現實世界的像素，更是人類無盡的想像力。當你在Vidu App中敲下第一行劇本，當Vidu Claw為你自動生成第一組分鏡，當Vidu Q3用它極具張力的音效和電影級的光影，把你腦海中那個原本只敢做夢的龐大宇宙完美呈現時，你會深刻地意識到：不要用做盲盒的邏輯，去奢望大工業時代的轟鳴。AI視訊的「前戲」已經結束，屬於創作者的、由新質生產力驅動的「大航海時代」，在Vidu Q3按下Enter的那一刻，正式拉開了帷幕。在這個充滿無限可能的時代，最好的故事，不再受制於資本的傲慢與工業的繁瑣。 (新智元)

這個4月，AI圈簡直炸了鍋。先是DeepSeek創始人梁文鋒親自確認，新一代旗艦大模型V4將於4月下旬正式發佈，兆參數架構直接拉滿國產大模型的天花板。緊接著，阿里的HappyHorse-1.0（快樂馬）橫空出世，直接屠了全球AI視訊盲測榜，把字節、Google的頂流模型全甩在了身後。就在所有人都在熱議國產AI的高光時刻，我突然想起了馬斯克在X平台上撂下的那句話：“人工智慧將在3年後超過所有人類智能。”很多人把這兩件事分開看，把DeepSeek和HappyHorse（快樂馬）當國產AI的崛起新聞看，把馬斯克的話當“大佬的狂言”聽。但如果你把它們放在一起就會發現，這根本不是巧合，更不是單個產品的普通迭代，而是在通往AGI（通用人工智慧）的路上在加速前進。一、不是單點突破，是全球AI競賽全面打響很多人看新聞，只看到了“發佈新模型”“登頂榜單”這幾個字，卻沒看懂背後真正的份量。先說說DeepSeek V4。很多人對大模型的印象，還停留在“能聊天、能寫文案”的階段，可DeepSeek V4這次的升級，是從根上的全面革新。它用了1兆參數的MoE架構（Mixture of Experts，混合專家架構），處理速度直接比上一代飆升了35倍，能耗反而還降了40%。這是什麼概念？就是以前你花1個小時才能讓AI幹完的活，現在1分多鐘就搞定了，還比以前更省電、更便宜。更誇張的是它的“記憶力”。它的上下文窗口直接拉到了100萬token（詞元，AI處理文字的基本單位），相當於一口氣能讀完15-20本長篇小說，連裡面的人物關係、細節伏筆都記得清清楚楚，絕不會出現聊到後面，就忘了你前面說過什麼的情況。最關鍵的是，它全程基於國產華為昇騰晶片原生開發，徹底擺脫了海外算力的“卡脖子”問題，這意味著國產大模型，已經正式從“跟跑”邁入了“並跑”的核心賽道。再說說橫空出世的“HappyHorse-1.0”，這匹“快樂馬”，直接踢翻了全球AI視訊圈的牌桌。它登頂的Artificial Analysis Video Arena榜單，是目前全球公認最權威的AI視訊評測平台。它的排名機制特別殘酷，用的是國際象棋等級分制度的Elo積分制，全程純盲測。什麼意思？就是使用者完全不知道視訊是那個模型生成的，系統隨機甩兩段視訊過來，你只能憑那個畫面更流暢、更符合指令、觀感更好來投票，完全排除了所有品牌光環，只比真實體驗。不止國內在瘋狂衝刺，海外的AI賽道早就進入了“不進則亡”的競賽狀態。OpenAI、Google、Anthropic輪番發佈新模型，從文字到多模態，從推理到智能體，每一次更新都在瘋狂壓縮技術迭代的周期。更可怕的是，整個行業的頭部玩家，都在集體“跳錶”，把AI超越人類的時間線，一縮再縮。二、他們到底在慌什麼？AI的“硬起飛”就發生在眼前看到這裡，你可能會問：不就是出了兩個新模型嗎？至於這麼大驚小怪，上升到人類倒計時的地步嗎？那我再給你看馬斯克說的另一句話，他說：“我們現在就處於‘硬起飛’階段，就是現在。”什麼叫“硬起飛”？以前我們說AI發展，是“人推著AI往前走”。我們給它定目標，給它喂資料，給它調參數，手把手教它學習，它每往前走一步，都離不開人類的推動。但“硬起飛”不一樣。它是AI自己給自己踩油門，進入了自我加速的失控式增長階段。不用人催，不用人教，它自己就能完成迭代、實現突破，甚至連它進化的速度，人類都已經跟不上了。馬斯克自己是這麼描述的：“我晚上睡覺時，AI取得了一項重大突破；等我醒來，又出現了另一項突破。老實說，很難跟上節奏，這讓人有點暈頭轉向。”而這場“硬起飛”裡，最可怕的核心，是AI已經進入了“遞迴自我改進”階段。以前，我們訓練一個AI模型，要程式設計師寫程式碼，演算法工程師調參數，資料團隊清洗資料，全流程都離不開人。但現在不一樣了，新一代的AI模型，已經由上一代模型深度參與訓練了。從程式碼編寫、資料清洗，到參數調優、效果測試，AI能做的事情越來越多，人類在這個循環裡，角色越來越邊緣化，越來越插不上手。馬斯克給出了一個更讓人後背發涼的預判：“可能今年年底會實現完全自動化的自我改進，最遲不會晚於明年。”換句話說，最快今年，AI就能徹底脫離人類的輔助，完成自我迭代、自我進化，進入完全的自我加速周期。到那個時候，AI的進化速度，會快到我們根本無法想像。很多人以為，馬斯克眼裡的AI，就是能寫文案、做報表、生成視訊的工具，那你就太小看他了。他描繪的AI終極藍圖，是一個消耗比全人類文明多一百萬倍電力的智能體，能解決人類能想到的所有問題。為了突破電力這個最大的瓶頸，他甚至計畫2-3年內把AI資料中心送上太空，用太空裡沒有晝夜交替的太陽能，徹底釋放AI的算力潛力。而當AI和機器人接管了所有生產，人類社會會變成什麼樣？馬斯克的答案是：錢會變得不再重要，商品和服務的產出會遠遠超過需求，AI和機器人會把所有事都幹完，人類最終會因為全方位的服務，而“無事可做”。馬斯克和Altman（奧特曼）不是在製造焦慮，而是看到了我們普通人看不到的風景。他們怕的不是AI本身，而是人類根本沒做好準備。三、倒計時1095天，最危險的是你以為“還有時間”看到這裡，很多人心裡還是會有一個僥倖的想法：3年呢，還早，急什麼？3年，聽起來很長，其實只有1095天。就是你換2份工作的時間，就是你學一個新技能、考一個行業證書的完整周期，就是你家孩子從幼兒園升到小學的時間，一眨眼就過去了。更關鍵的是，AI的進化，從來都不是線性的，是指數級的。舉個例子：一個池塘裡的荷花，每天都會以前一天兩倍的數量開放。如果到第30天，荷花就開滿了整個池塘，那請問：荷花在第幾天開滿了半個池塘？答案不是第15天，是第29天。前29天，荷花只開了半個池塘，可第30天，一天之內，就開滿了剩下的整個池塘。這就是指數級增長的可怕之處。你以為它還很慢，還離你很遠，可等你反應過來的時候，它已經瞬間鋪滿了你的整個世界。我們現在，可能就處在這第29天的晚上。這場AI競賽，最先衝擊的，就是90%的辦公室白領工作。現在不妨停下來，問自己兩個問題：你每天的工作，有多少是AI分分鐘就能替代的？1095天之後，當AI真的超越了所有人類智能，你的核心競爭力，到底是什麼？四、不想被時代淘汰，你必須立刻做對3件事難道我們就只能等著被AI替代，一點辦法都沒有嗎？當然不是。具體該怎麼做？記住這3件事。第一件事：做決策，提問題很多人對AI的理解，完全搞反了。他們天天用AI干自己的本職工作，寫郵件、做報表、寫方案，然後把AI的產出改一改，就交上去了。看起來是省了力氣，提高了效率，可實際上，你是在天天給AI喂資料、當陪練，幫它在這場競賽裡變得越來越強，最後把自己替代掉。在德州超級工廠接受的深度訪談中，馬斯克也談到“任何涉及敲擊鍵盤、移動滑鼠、處理資訊的任務，AI都能勝任。”你要明白，AI是工具，不是你的競爭對手。工具是用來幫你幹活的，不是用來取代你的。你要做的，是使用工具的人，是決定“做什麼”“為什麼做”的人，而不是聽指令“怎麼做”的人。就像馬斯克，他不寫程式碼，不調模型參數，不親手造火箭，他做的只有一件事：決定我們要做什麼、為什麼做。他決定我們要造電動車，要去火星，要做通用人工智慧，剩下的，交給工程師和AI去執行。AI做執行，你做決策；AI給答案，你提問題；AI算資料，你定方向。不要沉迷於“把事情做對”，要學會“做對的事情”。第二件事：放棄舒適區的標準化，學習臨場發揮很多人在職場裡，追求的是“熟練工”的安全感。同一件事，我幹得比別人快，比別人熟，我就有安全感。可在AI時代，這恰恰是最危險的事。AI最擅長的，就是標準化、常規化、重複性的工作。你在這件事上越熟練，就越容易被替代。普華永道（PwC）在2025年公開承認，正在大幅縮減初級崗位招聘，審計部門的初級崗位到2028年預計將減少39%。與此同時，畢馬威英國近兩年畢業生招聘人數也從1399人降至942人，縮減近三分之一。這些變化的直接推手，正是AI。原本由初級審計員花數周時間完成的憑證核對、底稿整理、資料清洗，現在AI幾小時就能完成，且不出錯。但有趣的是，四大並沒有一刀切地砍掉所有招聘。PwC的AI鑑證負責人Jenn Kosar明確表示，公司正在把被AI釋放出來的人力，轉向戰略諮詢、複雜問題解決等更高價值的領域，甚至開始培訓初級員工“像管理者一樣思考”。因為AI能搞定99%的標準化審計流程，但遇到企業財務造假的隱蔽跡象、複雜的跨國稅務糾紛、客戶特殊訴求的權衡判斷，AI就束手無策了。你的價值，從來不是你能把常規工作做多好，而是你能處理多少AI搞不定的“異常情況”。這些“異常情況”，沒有標準答案，沒有標準化流程，需要的是你的經驗、你的判斷力、你的臨場反應，這些都是AI永遠學不會的東西。接下來，把你的時間和精力，從這些機械性的工作裡抽出來，去解決那些複雜問題，去應對那些突發狀況，去打磨那些非標準化的能力。第三件事：做與“人”打交道的事AI在虛擬的位元世界裡，可以說無所不能。那怕是這場競賽裡最頂尖的視訊模型HappyHorse（快樂馬），也只能在數字世界裡生成完美的畫面，卻無法在現實世界裡，完成一個簡單的開門動作。這就是AI最大的短板：它能玩轉虛擬的位元世界，卻搞不定真實的原子世界。就像馬斯克說的“除了必須親手操作原子、搬動物理實體的工作，人工智慧現在已經有能力完成一半以上的白領工作。”而這，恰恰是我們最大的機會。所以，我們要主動增加和真實物理世界、真實的人打交道的比重。比如，做設計的，不要只在電腦裡畫圖，多去現場看施工、和工人溝通落地細節；做電商的，不要只看後台資料，多去線下和供應鏈、使用者面對面交流；做教育的，不要只做線上標準化課件，多花時間做一對一個性化的陪伴和溝通。去深耕那些需要和真實世界、真實的人打交道的能力。你的動手能力，你的實地判斷能力，你的人際溝通能力，你的共情能力，你的線下服務能力，這些，都是AI短期內根本無法替代的。結語AI的到來，從來不是人類的末日，而是對人類的一次終極篩選。最終淘汰你的，從來不是AI，不是這場瘋狂的競賽，是那個原地不動、拒絕改變、總以為還有時間的你自己。 (筆記俠)

2026年初，一場圍繞人工智慧核心技術的暗戰浮出水面。Anthropic在今年2月率先發難，指控中國的DeepSeek、MiniMax、月之暗面（Kimi）對其模型發動了“工業等級的蒸餾攻擊”，涉及超過1600萬次互動。隨後，OpenAI向美國國會提交備忘錄，指責DeepSeek試圖“免費搭便車”。OpenAI、Google、Anthropic——這三家平日裡在AI賽道上你追我趕的競爭對手，罕見地站到了同一戰壕裡。他們的目標很明確：聯手遏制中國AI公司正在廣泛使用的“模型蒸餾”技術，識別並打擊所謂的“對抗性蒸餾”行為，矛頭直指中國AI企業。何為“模型蒸餾”呢？這是一項行業通行的知識遷移技術。想像一下：一位資深的大學教授（大模型）將知識精華提煉成通俗易懂的講義，讓一名高中生（小模型）能夠快速掌握核心要點。在這個過程中，小模型不需要閱讀浩如煙海的原始資料，而是通過向大模型“提問”並學習其輸出模式，最終以更低的成本、更快的速度獲得接近大模型的能力。這項技術並非中國公司的獨創，在AI學術界和工業界，蒸餾早已是一種公開、合法、廣泛使用的最佳化手段。幾乎所有主流AI公司，包括OpenAI和Google自身，都在不同程度上使用蒸餾技術來提升模型效率、降低推理成本。它就像物理學中的“槓桿原理”，是一種聰明的工程智慧，而非見不得光的“偷竊”。分析一下圍堵背後的真實動機：美國三巨頭的聯手，表面上是維護智慧財產權和“安全”，實質上暴露了美國AI巨頭更深層的焦慮。1、中國AI公司的進步速度超出了預期以DeepSeek為代表的企業，通過蒸餾等最佳化技術，在算力受限的情況下依然打造出性能逼近頂尖閉源模型的產品，這讓習慣了技術領先優勢的美國巨頭感到不安。2、這是一場赤裸裸的商業利益博弈OpenAI等公司每年投入數十億美元訓練模型，而蒸餾技術的普及意味著後來者可以用極低的成本“站在巨人的肩膀上”，在美國公司看來，這相當於每年損失數十億美元的潛在利潤。於是，他們試圖通過“前沿模型論壇”這種行業聯盟的形式，聯合施壓、資訊共享，形成一道針對中國AI公司的技術封鎖線。美國巨頭面對競爭時的雙重標準：特斯拉CEO埃隆·馬斯克在社交平台上公開嘲諷，稱這是“賊喊捉賊”——因為OpenAI等公司在發展初期，也曾大量利用Google、Meta等機構公開的研究成果和模型資料。所謂“技術追趕者利用先行者成果”，本就是科技發展的常態。對於“模型蒸餾”事件的進一步思考：技術自強是根本，蒸餾雖然是一條捷徑，但終究不能替代基礎模型的原始創新。只有在大模型架構、訓練方法、算力最佳化等底層技術上取得突破，才能真正擺脫對國外先進模型的依賴。總結一下：歷史反覆證明，任何技術封鎖都難以阻擋真正有志者的腳步。從航天到晶片，從作業系統到人工智慧，中國科技產業正是在一次次“圍堵”中實現了突破與超越。這一次，面對AI三巨頭的聯手施壓，我們有理由相信：壓力之下，中國AI的創新之火，反而會燃燒得更加旺盛。 (AI思享坊)

【新智元導讀】穆迪最新報告揭示了兩條平行宇宙：要麼AI讓生產率狂飆，失業率降至3.8%；要麼泡沫破裂，460萬人失去飯碗。Anthropic CEO預警白領消亡，經濟學家卻說還沒到時候。2026年1月創紀錄的裁員資料，似乎正在驗證前者。2026年2月27日，矽谷。兩個資料擺在所有投資者面前：左邊是10兆美元，這是過去兩年AI為矽谷股東創造的財富增量。右邊是10.8萬人，這是剛剛過去的2026年1月，美國單月裁員人數，打破了2009年金融危機以來的最高紀錄。穆迪分析（Moody's Analytics）剛剛發佈的報告，更是將這種撕裂感推向極致：2026年至2027年，不僅是技術奇點，更是人類命運的分岔口。針對這些路徑，技術專家和經濟學家各執一詞。技術專家認為，AI年化生產率貢獻3%-30%並引發大規模失業；而經濟學家認為僅0.07%-0.9%且就業市場能平穩過渡，二者預測相差40倍。顯然，2026-2027是決定性窗口。泡沫會破裂嗎？460萬人會失業嗎？AGI真的要來了嗎？答案就在這兩年。泡沫倒計時：每個人都在借錢2025年，十大科技公司發債1200億美元，同比暴增167%。到了2026年，五大AI巨頭（NVIDIA、微軟、Google、亞馬遜、Meta）承諾的資本開支已高達6800億美元。五大科技巨頭AI資本開支創歷史新高（2025-2026）錢花那了？模型訓練、資料中心、搶佔光刻機產能。錢從那來？借的。能不能還上？只有四個字：「高度不確定」。AI生態系統中的循環融資更危險的是資金在圈子裡空轉。NVIDIA投資Oracle，Oracle轉手用這筆錢買NVIDIA的晶片；微軟注資OpenAI 130億美元，OpenAI轉身把錢付給Azure雲服務。矽谷的「永動機」：巨頭間的循環融資路徑這種「左手倒右手」的營收回流，讓財報極其好看。NVIDIA佔據了92%的GPU市場，五大雲巨頭切走了67%的份額。整個行業的命門集中在極少數公司手裡。AI價值鏈的市場結構高度集中可一旦某個中間環節斷裂，這種循環融資就會瞬間崩塌。過去一年，當散戶還在瘋狂買入時，七巨頭高管淨拋售了84億美元股票。祖克柏在賣，貝索斯在賣，黃仁勳也在賣。只有馬斯克回購了10億。當前股市市盈率已飆升至20倍，距離2000年網際網路泡沫破裂時的24倍峰值，只差4個點。AI驅動的股市被高估，瀕臨泡沫穆迪預測了一個泡沫破裂劇本：2026年某季度，AI收入增速一旦不及預期，恐慌性拋售將導致股市暴跌25%，蒸發20兆美元。屆時，晶片訂單歸零，GDP增速將從2.2%斷崖式跌至0.4%。上次納斯達克崩盤跌了78%，用了15年才回本。這次還有沒有15年？只有中產階級受傷的世界泡沫破裂是未來的風險，但失業是當下的痛楚。10.8萬人，這是2026年1月單月的裁員資料。理由簡單粗暴：Amazon裁員1.4萬：「AI讓組織更精簡。」Salesforce裁掉4000客服：「AI Agent處理了50%的工單。」IBM用聊天機器人AskHR替代了8000名HR。Chegg裁員22%：學生們都在用免費的ChatGPT，沒人買課了。最慘的是「學歷陷阱」。史丹佛研究顯示，AI相關崗位的應屆生就業率下降16%，22-25歲軟體開發者就業人數較峰值暴跌20%。被AI精準狙擊的，恰恰是工資位於60%-80%分位的中產階級——會計、程式設計師、初級分析師。企業在財報會上把裁員美化為「擁抱技術進步」，股價應聲上漲。至於被裁掉的人？別指望政府兜底。聯邦債務佔GDP比例已突破100.2%。2008年有財政彈藥，2020年能無限印鈔，但到了2027年，美國的信用卡已經刷爆了。一旦失業率衝破6%，沒有救助金，只能硬著陸。矽谷VS華爾街：誰在撒謊？對於未來兩年，技術權貴和傳統經濟學家吵翻了天。Anthropic CEO Dario Amodei在達沃斯論壇上直言不諱：這是「白領大屠殺」。他預測AGI將在2026-2027年降臨，並在未來5年內清洗掉50%的入門級白領崗位。Geoffrey Hinton，那點陣圖靈獎得主，將AGI降臨的時間窗縮短到了5-20年，並給出了10%-20%的人類滅絕機率。經濟學家則冷靜得多：歷史上電力、汽車、網際網路都沒造成結構性失業。AI的年化生產率貢獻僅為0.07%-0.9%，遠低於技術派吹噓的30%。在他們看來，企業部署AI面臨流程重組、監管合規等重重關卡，現在的恐慌純屬庸人自擾。這種分歧背後，是利益的博弈。經濟學家不能錯，錯了就是職業生涯的終結；技術專家必須吹，不吹AGI馬上到來，誰來給那6800億美元的基建買單？2027：最後的審判日穆迪的模型給出了四種結局，而2026-2027年是所有時間線的分岔點。基準線（40%機率）：AI平穩賦能，生產率年化2.5%，失業率維持4.5%。一切照舊。泡沫破裂（25%機率）：股市崩盤，財富蒸發，經濟硬著陸。就業崩潰（20%機率）：這是最黑暗的劇本。2027年失業率飆升至5.9%，累計460萬人淨失業，中產消費坍塌引發大蕭條。生產率狂飆（15%機率）：AI創造奇蹟，2031年失業率降至3.8%。現在，我們正站在這一臨界點上。關鍵指標已經亮起紅燈。AI採用率目前與網際網路時代持平，並未加速；但生產率增速僅為1.8%，遠未達到質變的3.2%。穆迪報告的結語很殘酷：AI將從根本上重塑經濟，但我們不知道是那種方式。你是屬於那被清洗的460萬人，還是倖存的3.8%？答案不在十年後，就在這兩年。 (新智元)