2025年，AI 程式設計助理真正成為了改變遊戲規則的工具。不少開發者已經擁抱了AI程式工具，例如大家熟知的Claude Code、Codex CLI、Cursor、Gemini CLI等等。但要真正有效率地駕馭它們，還需要技巧和結構化的方法。前幾天，Google工程負責人、Chrome DevTools 和JS Patterns 的設計者Addy Osmani 結合自己一年多的專案實務經驗，總結了一套AI Coding 的工作流程。進入2026 年，他對LLM 輔助編程的理解已經非常清晰：它不是“自動駕駛”，而是一位能力極強、但需要被正確引導的結對程式設計師。Andy系統性複盤了自己在走向2026 的過程中，如何把AI 真正納入日常工程體系——從前期規劃，到代碼生成，再到團隊協作，幾乎覆蓋了一整套可復用的實戰方法論。在他的實踐中，AI 並不是“寫代碼的黑箱”，而是被當作工程流程中的一環來精細管理。具體來說，這套方法包括：在任何程式碼產生之前，先與AI 一起打磨一份足夠具體、可執行的專案方案，把需求、邊界和目標一次說清楚；在prompt 中大量使用明確的註釋、約束和規則，主動限定AI 的行為，而不是被動接收結果；針對不同任務選擇不同模型，而不是迷信「一個模型包打天下」；保持高頻、小步的程式碼提交，避免一次性產生或修改過多程式碼，導致專案狀態失控；為每一個新功能單獨創建worktree，將實驗性改動與主線程式碼嚴格隔離；透過規則檔案約束AI 的程式碼風格、目錄結構和工程習慣，讓產生程式碼更像「團隊成員」而不是「臨時外包」。他的核心結論是：經典的軟體工程紀律，不但沒有過時，在AI 時代反而更重要！先設計、再編碼；寫入測試；用版本控制；守住標準。當AI 參與寫一半程式碼時，這些原則的價值被進一步放大。此外，Andy也分享了一個有趣的觀點。很多人可能認為，AI Coding會加速程式設計師失業，取代程式設計師的職位，但Andy認為，用好AI才能加速你的成長。在審AI 的程式碼、糾AI 的bug、讓AI 解釋思路的過程中，其實能夠學到大量新知識；而對於有紮實基本功的人來說，AI能讓生產力倍放大。Andy表示，2026 年他將全面擁抱AI，但方式是審慎、由專家主導的。這是一種更自律的「AI 輔助工程」方法：在激進地利用AI 能力的同時，依然對最終產出的軟體負全部責任。以下是他的乾貨分享，enjoy！從清晰的計畫開始：先寫方案，再寫程式碼不要只是把「願望」一股腦丟給LLM，應先定義問題，再規劃解決方案。一個非常常見的錯誤，是在提示語還很模糊的情況下，直接讓AI 產生程式碼。在我的工作流程中（以及許多成熟實踐中），第一步並不是寫代碼，而是和AI 一起頭腦風暴，產出一份詳細的規格說明，然後再整理出清晰的分步計劃。對於一個新項目，我通常會先描述整體想法，並讓LLM 不斷向我反問，直到需求、邊界條件和潛在的邊緣情況都被充分挖掘出來。最終，我們會把這些內容整理成一份完整的 spec.md，其中包含：功能需求、架構決策、資料模型，甚至是測試策略。這份規格文件會成為整個開發過程的基石。接下來，我會把這份spec 交給一個具備推理能力的模型，讓它產生專案計畫：把實作過程拆解成邏輯清晰、粒度適當的小任務或里程碑。某種意義上，這是一個「迷你版設計文件/ 專案計畫」。我通常會多次迭代這份計劃——親自修改，再讓AI 批判性地審視、優化——直到它足夠完整、連貫，然後才進入真正的編碼階段。這種前期投入乍看之下有點慢，但回報極高。正如Les Orchard 所說，這就像是“15 分鐘完成一次瀑布式設計”，一個快速而結構化的規劃階段，讓後續編碼變得異常順暢。有了清晰的規格和計劃，當我們真正「釋放」程式碼產生能力時，人和AI 都非常清楚：我們要做什麼，以及為什麼要這麼做。簡而言之，先規劃能讓你和AI 站在同一頁上，避免無效反覆。很多人會跳過這一步，但如今有經驗的LLM 開發者，已經把高品質的spec / plan 當成整個工作流程的核心。把工作拆分成小而可迭代的區塊範圍管理是一切的關鍵：給LLM 可控的小任務，而不是一次塞進整個程式碼庫。我學到的一個重要教訓是：不要讓AI 一次輸出大量、整體性的程式碼。相反，應把專案拆成一系列小步驟或“工單”，逐一完成。這本來就是良好的軟體工程實踐，但在引入AI 之後變得尤為重要。LLM 在聚焦型任務上表現最好：實作一個函數、修復一個bug、增加一個小功能。例如完成規劃後，我會直接對程式碼產生模型說：「好，我們來實現計畫裡的第1 步。」完成後測試，再進入第2 步，如此循環。每一個chunk 都夠小，小到AI 能在上下文中處理乾淨，而你也能真正理解它產生的程式碼。這種方式能有效防止模型「跑偏」。如果一次性要求太多，模型往往會迷失方向，產生一堆“糾纏在一起的程式碼垃圾”，非常難以維護。許多開發者都有類似體驗：讓LLM 一口氣產生一個完整應用，結果程式碼風格不統一、邏輯重複，「就像10 個程式設計師各幹各的，彼此完全沒溝通」。我自己也踩過這個坑，解決方法只有一個：停下來，退一步，把問題切小。每一輪迭代，我們都在已有上下文的基礎上，增量式地推進。這也非常適合測試驅動開發（TDD）：每個步驟都可以同步編寫或產生測試（後面會詳細講）。不少編碼Agent 工具已經明確支援這種「分塊」工作流程。例如，我有時會產生一個結構化的「prompt plan」文件，裡麵包含每個任務對應的一條提示語，讓Cursor 這類工具依序逐條執行。核心原則只有一個：避免大躍進。透過小步快跑，我們大幅降低災難性錯誤的機率，也能更快糾偏。 LLM 在快速、受限的任務上非常擅長，要順勢而為。提供充足的脈絡和明確的指導LLM 的品質上限，取決於你提供的上下文品質。把相關程式碼、文檔和約束條件都給它。在處理真實程式碼庫時，我會確保AI 擁有完成任務所需的一切資訊：相關原始碼、技術約束、已知坑點、推薦或禁止的方案。現代工具在這方面已經很強了：例如Claude 的Projects 模式可以直接匯入整個GitHub 倉庫；Cursor、Copilot 會自動把目前開啟的檔案放進上下文。但我通常還會做得更多。如果我懷疑模型缺乏某些關鍵訊息，就會透過MCP（如Context7），或乾脆手動把重要模組、API 文件黏進對話裡。資深LLM 用戶普遍強調這種“上下文打包（context packing）”的重要性，例如在編碼前來一次完整的“信息傾倒”，包括：高層目標與不變量正確解法的範例明確警告那些方案不要用如果任務本身比較棘手，我甚至會提前告訴AI 那些樸素解法性能不行，或者給它一個外部參考實作。如果使用的是冷門庫或全新API，我會直接貼官方文件或README，避免它「蒙著眼睛飛」。所有這些前置上下文，都會顯著提升輸出質量，因為模型不需要猜測，而是基於事實和約束進行生成。現在也有不少工具能自動化上下文整理，例如gitingest、repo2txt，它們可以把程式碼庫的關鍵部分匯出成一個文字文件，讓LLM 一次讀入。對於大型專案來說，這是救命工具。原則很簡單：不要讓AI 在資訊不完整的情況下工作。一個bug 如果涉及四個模組，就把這四個模組都給它。當然要注意token 限制，但如今前沿模型的上下文視窗已經非常大（幾萬token），合理利用即可。我通常只選取與目前任務相關的程式碼，並明確告訴AI 那些內容可以忽略，以節省上下文空間。我個人也很看好Claude Skills 這個方向：它把原本脆弱、一次性的提示，封裝成可復用的“技能”，把指令、腳本和領域知識模組化。當請求匹配某個Skill 時，工具可以自動套用這些能力，效果遠勝於通用prompt。這讓我們從一次性交互，走向可重複使用、可沉澱的工程流程。目前社群已經有不少Skills 集合，我很喜歡的例子是frontend-design skill，它能終結LLM UI 裡氾濫的「紫色設計風」。在官方工俱全面支援之前，也已經有一些可行的變通方案。最後，在prompt 裡用明確的註解和規則引導AI。例如，我會在程式碼前面加一句：「這是X 的當前實現，我們需要擴展它來做Y，但一定不要破壞Z。」這種小提示非常有效。 LLM 本質上是“字面主義者”，你給什麼指令，它就照著執行。上下文越清晰，幻覺和跑偏就越少，產生的程式碼也越貼合項目實際。為不同任務選擇最適合的模型並不是所有編碼LLM 都一樣，要有意識地選工具，必要時中途換模型。到2025 年，我們已經擁有大量強大的程式碼模型。在我的工作流程中，一個重要環節就是：為不同任務選擇最適合的模式或服務。有時候，我甚至會並行嘗試兩個模型，看看它們對相同問題的想法有何不同。每個模型都有自己的「性格」。關鍵在於：如果一個模型卡住了或輸出平庸，立刻換另一個。我常常把同一個prompt 原封不動地複製到另一個服務裡，結果往往立竿見影。這種「模型輪換」在遇到盲點時非常救命。另外，盡量用最新、最強的版本。如果條件允許，優先使用最新的Pro 級模型。是的，這通常意味著付費，但生產力提升往往物有所值。說到底，選一個「合拍」的AI 結對程式設計師也很重要。我認識一些人偏愛某個模型，只是因為它的回應風格比較順眼，這完全合理。當你要和AI 長時間對話時，體驗和語氣真的很重要。就我個人而言，最近很多程式設計工作我會優先用Gemini，因為互動更自然，第一次就理解需求的機率更高。但我從不猶豫在必要時切換模型；有時候，「第二意見」能讓解法突然浮現。總結一句：為任務選對工具，並記住你手上有一整套AI 工具箱可用。在整個軟體生命周期中使用AI 編碼能力在SDLC 的各個階段引入AI，讓開發體驗全面提速。在命令列層面，新一代AI Agent 已經出現：Claude Code、OpenAI Codex CLI、Google Gemini CLI，都可以直接在專案目錄裡對話，讀取檔案、執行測試，甚至多步驟修復問題。我也用過Google 的Jules、GitHub Copilot Agent——它們是異步的編碼Agent，會把你的倉庫複製到雲端VM，在後台完成任務（寫入測試、修bug），然後直接給你一個PR。第一次看到這種體驗時真的很詭異：你只下了一條指令，例如“重構支付模組以支援X”，過一會兒就收到一個測試通過的Pull Request。我們確實活在未來。關於這一點，可以參考《From conductors to orchestrators》。當然，這些工具並不完美，必須清楚它們的邊界。它們非常擅長加速機械性工作，樣板​​程式碼、重複性修改、自動跑測試，但仍然高度依賴你的引導。例如，當我讓Claude 或Copilot Agent 實現某個功能時，通常會把前面整理好的計畫或待辦清單一起給它。如果工具支持，我會直接把 spec.md 或 plan.md 加進上下文，讓它嚴格地按步驟執行。我們還遠遠沒到可以完全放手，讓AI 獨立實現完整功能並期待完美結果的階段。我的使用方式始終是「有人監督」：讓AI 產生、運行程式碼，但我隨時盯著進度，一旦有異常就介入。也有一些編排工具（如Conductor）支援並行運行多個Agent，讓不同Agent 同時處理不同任務。本質上是在「規模化AI 勞動力」。我也嘗試過這種「多Agent 並行」模式，效率驚人，但同時也非常耗費心智去監控。多數情況下，我還是選擇一個主Agent，再加一個輔助Agent 做評審。記住：這些都是電動工具。你仍然掌控扳機。始終讓人留在迴路中：驗證、測試、審查一切AI 可以寫出看起來很像真的程式碼，但品質責任始終在你身上。我有一條鐵律：永遠不要盲信LLM 的輸出。正如Simon Willison 所說，把LLM 當成一個「自信過頭、但容易犯錯的配對程式設計師」。它會以100% 的確信寫出包含bug 的程式碼，除非你指出來，否則它不會意識到問題。因此，我把每一段AI 產生的程式碼，都當成來自初級工程師的提交：逐行閱讀、運行、測試。一定要測試。跑單測、手動驗證功能是否符合預期。對此我強烈建議閱讀《Vibe coding 不是低品質的藉口》。事實上，我把測試直接嵌入工作流程。前期規劃時就會包含測試清單或測試策略。如果使用Claude Code 這類工具，我會明確指示它在完成任務後運行測試，並在失敗時繼續調試。只要測試存在，AI 在「寫程式→ 跑測試→ 修bug」的閉環裡表現非常出色。這也是為什麼最能榨乾coding agent 價值的人，往往也是測試做得最好的人。有完善測試套件的項目，對AI 來說就像裝了安全網；沒有測試，Agent 很容易在「看起來一切正常」的幻覺中破壞多個模組。除了自動化測試，程式碼審查同樣必不可少——包括人工和AI 輔助審查。我經常會暫停下來，逐行審查目前產生的程式碼，甚至開一個第二個AI 會話（或換一個模型）來做review。例如讓Claude 寫程式碼，再讓Gemini 審一遍：「你能檢查這個函數有沒有潛在問題嗎？」這種方式常常能抓住一些微妙bug。 AI 寫的程式碼，反而更需要審查，因為它往往「表面上很合理」。我也會使用Chrome DevTools MCP（這是我和上一個團隊一起做的）來增強調試和品質閉環。它相當於“給AI 裝上眼睛”，讓Agent 能看到瀏覽器實際狀態：DOM、效能追蹤、控制台日誌、網路請求。這極大減少了上下文切換的摩擦，使LLM 能夠基於真實運行數據進行UI 測試和精確修復。忽視人類監督的代價已經有人替我們踩過。曾有開發者在趕專案時大量依賴AI 生成，結果程式碼結構混亂、邏輯重複、命名不一致。他後來意識到自己一直在“往前堆代碼”，卻從沒停下來整體審視。最終只能痛苦重構，發誓再也不讓事情失控。我把這個教訓牢記在心：無論AI 用得多狠，我始終是最終負責的工程師。在實踐中，這意味著：只有在我真正理解程式碼之後，才會合併或上線。如果AI 產生的程式碼太複雜，我會讓它加註解解釋，或者乾脆重寫成更清晰的版本。只要感覺不對勁，就深入挖——就像對待任何人類同事的可疑提交一樣。歸根究底是心態問題：LLM 是助手，而不是可靠的自主程式設計師。我是資深工程師，AI 是加速器，而不是判斷替代品。這種立場不僅帶來更好的程式碼，也能保護你作為開發者的長期成長。只要你始終參與其中、主動理解和審查，你不是在退化，而是在更高速度下鍛鍊判斷力。一句話總結：保持警惕，頻繁測試，永遠審查。程式碼庫最終仍然是你的。頻繁提交，把版本控制當作安全網永遠不要提交你解釋不清楚的程式碼。在AI 能快速產生大量程式碼的情況下，事情很容易失控。我的應對方式是：極端細粒度的版本控制習慣。我提交得比純手寫程式碼時代還要頻繁。每完成一個小任務或一次成功的自動修改，就立刻提交一次，提交資訊寫清楚。這樣一來，如果AI 的下一步引入了bug 或糟糕改動，我可以迅速回滾到最近的穩定點，或者cherry-pick，而不是損失幾個小時的工作。有人把這種做法比喻為“遊戲裡的存檔點”，我非常認同。有了這種安全感，你才敢大膽嘗試AI 的激進重構。版本控制還能彌補AI 的「記憶缺陷」。我經常翻看最近的提交記錄，來給AI（或自己）複盤發生了什麼。甚至可以直接把git diff 或commit log 黏給AI，它們非常擅長理解diff，用 git bisect 找bug 也毫無怨言——前提是你的提交歷史足夠乾淨。另一個好處是：小提交+ 清晰訊息，本身就是文件。無論是人類還是AI 做code review，都比較容易定位問題。如果所有改動都塞在一個叫「AI changes」的巨大提交裡，基本上等於災難。所以我強迫自己遵守紀律：完成任務→ 跑步測試→ 提交。我也會大量使用分支或git worktree 來隔離AI 實驗。一個我很喜歡的進階技巧（受Jesse Vincent 啟發）是：為每個新功能或子任務創建一個獨立worktree。這樣可以在同一個倉庫裡並行跑多個AI 會話，互不干擾。失敗了直接丟棄，成功了再合併。版本控制正是讓這種AI 協作成為可能的基礎架構。總結一句：多提交、用好分支、把git 當成AI 時代的控制系統。用規則和範例客製化AI 的行為透過風格指南、範例，甚至「規則檔」來引導AI，前期一點調校，能換來長期高品質輸出。我學到的一點是：你完全不必接受AI 的預設風格。你可以強力引導它。我自己維護了一個 CLAUDE.md 檔案（用Gemini CLI 時也有 GEMINI.md），裡面寫的是流程規則和偏好，例如：遵循專案程式碼風格透過lint 規則禁用某些函數偏好函數式而非OOP每次會話開始時把這個檔案餵給模型，效果非常好，能顯著減少「跑偏」。這就像Jesse Vincent 說的：它能讓模型始終沿著既定軌道前進。即使不用規則文件，你也可以透過自訂指令或system prompt 達到類似效果。 Copilot、Cursor 都支援專案層級的行為配置。我通常會寫一小段說明，例如縮排規格、React 中避免箭頭函數、變數命名要求、必須通過ESLint 等。設定好之後，AI 的輸出就更像一個真正融入團隊的工程師。 Ben Congdon 曾經感慨，很少有人使用Copilot 的自訂指令，但效果卻出奇地好——我完全贊同。另一個非常有效的技巧是：給範例。如果我希望AI 以某種方式寫函數，就先給它看一個現有實作；如果想要特定的註解風格，就先自己寫一段範例。 LLM 非常擅長模仿，一兩個例子就夠了。社群裡還有不少「規則集」來約束模型行為，例如明確寫上「如果不確定，請提問而不是編造答案」。我自己常加一條：「修bug 時請在註解中簡要說明原因。」這樣後續review 就非常省心。總結來說：不要把AI 當黑箱。像onboarding 新同事一樣給它規則、範例和期望。投入產出比極高。把測試和自動化當作擴大機CI/CD、lint、程式碼審查機器人，會讓AI 發揮最大價值。這是前面原則的自然延伸：強自動化的工程環境，會極大放大AI 的生產力。我確保所有大量使用AI 的倉庫，都有完善的CI：自動測試、程式碼風格檢查、最好還有staging 部署。這樣一來，AI 打開PR 後，CI 失敗的日誌就能直接餵回給AI：「整合測試失敗，錯誤是XYZ。」問題修復立刻變成一個高速回饋迴路，AI 非常擅長這種模式。我甚至會把linter 的報錯直接貼進prompt，讓AI 修復。只要它「看到」工具回饋，就會非常努力地糾正。這也是為什麼有些Agent 會在測試全綠之前拒絕宣稱「完成任務」——這正是你希望看到的行為。當AI + 自動化形成閉環時，你會感覺像是：一個極快的初級工程師，配上一個永不疲倦的QA。前提是，你得先把環境搭好。沒有測試和自動檢查，AI 的問題往往會被拖到很後面才會暴露。展望2026，我計劃進一步強化AI 程式碼貢獻的品質閘門：更多測試、更多監控，甚至AI 審AI。聽起來有點悖論，但確實有效。重點很簡單：AI 友善的工作流程，一定是自動化成熟的工作流程。用好AI，能加速你的成長把每次AI 編碼當作學習機會，形成正向回饋循環。使用LLM 的一個意外收穫是：我學得更多了，而不是更少。AI 讓我接觸到新的語言、框架和技巧，否則我可能不會主動嘗試。一個普遍規律是：AI 會獎勵良好的工程基礎。有紮實基本功的人，生產力被倍增；基礎薄弱的人，困惑也會被放大。 LLM 讓你能站在更高抽象層上思考（設計、介面、架構），但前提是你本來就具備這些能力。正如Simon Willison 所說：幾乎所有「高階工程師」的核心能力，正是如今用好AI 的關鍵。對於擔心AI 會讓人「退化」的聲音，我的看法相反：只要你始終參與審查和理解，AI 反而會加速成長。透過審AI 的程式碼、糾AI 的bug、讓AI 解釋思路，我學到了大量新知識。 AI 也成了我隨時待命的研究助理，幫我比較方案、分析權衡。宏觀來看，AI 放大的是你的專業能力。進入2026 年，我並不擔心它“搶工作”，而是期待它把我從體力活中解放出來。當然，前提是要有紮實基礎，否則AI 可能會製造「鄧寧-克魯格效應加強版」。一句建議：持續打磨基本功，用AI 加速這個過程。開發者+ AI 的組合，遠比任何一方單獨強大。結論：2026年全面擁抱AI編程進入2026 年，我已經全面擁抱AI，但方式是審慎、由專家主導的。這是一種“AI 增強的軟體工程”，而不是“AI 自動化的軟體工程”。我的核心結論是：經典的軟體工程紀律，不但沒有過時，在AI 時代反而更重要。先設計、再編碼；寫測試；用版本控制；守住標準－當AI 參與寫一半程式碼時，這些原則的價值被進一步放大。未來一定會繼續演進。也許會有更自主的“AI 實習生”，也許會出現全新的調試和程式碼探索範式。但無論如何，我都會始終留在迴路中，引導AI、向它學習、並負責任地放大自己的生產力。對我來說，最終結論只有一句：AI 程式設計助手是強大的槓桿，但人類工程師仍然是導演。那麼，祝你在2026 年，建造愉快。(51CTO技術棧)

2019年9月19日，陳勤從Facebook加州總部的樓頂一躍而下。他本應是“別人的孩子”的終極範本，卻在38歲走到了生命的盡頭...38歲，福建高考狀元、浙大優等生、南加大全獎博士、Facebook工程師、年薪22萬美元——這串耀眼的履歷背後，卻是一場沉默的失聲：2019年9月19日，陳勤從Facebook加州總部的樓頂一躍而下，當場身亡。在那間他曾為之加班無數夜的辦公室裡，留下了一封未發出的郵件草稿：“爸媽，我讓你們失望了。”陳勤，1981年出生於福建農村。1999年，他以全省理科狀元的優異成績考入浙江大學。2002年，憑藉南加州大學的全額獎學金，他遠赴美國深造，僅用三年時間就取得了電腦博士學位。2015年博士畢業後，他順利加入Facebook，年薪高達22萬美元。回顧陳勤的成長軌跡，他無疑是許多家長眼中的“寒門貴子”，也是眾多留學生心中的“終極範本”——憑藉才智與勤奮改變命運，最終站上全球頂尖的職業平台。然而在現實的職場環境中，他不過是龐大績效系統中的一個普通ID，一名被評價為“不善溝通、需要改進”的華人工程師。陳勤的印度裔上司常將棘手項目分配給他，卻在評審時刻意壓低評分。2019年，陳勤因負責的廣告系統出現重大故障，被列入PIP（績效改進計畫）。在矽谷，這幾乎等同於收到“預備解僱”的通知。儘管事故的根源在於需求文件混亂、職責分工不明，陳勤仍被默認為事故的“背鍋者”。他曾向經理申請調崗，經理口頭應允，卻拒絕簽字確認；他也嘗試內部轉組，卻因系統限制未能成功。那個“績效失敗者”的標籤，如同無法抹去的水印，牢牢印在他的職業身份上。更令他窒息的是現實壓力：因為工作簽證限制，失業後他只有60天時間尋找新工作，否則就必須離開美國。而競業協議又規定，他在離職後半年內不得從事同類工作。這意味著他不僅失業，還被鎖死了出路。悲劇發生當天，陳勤與上司發生了激烈爭吵。監控錄影顯示，他衝出辦公室時臉色慘白。一小時後，他出現在公司頂樓。警方後來在他的工位上發現了一張寫有“不公平”字樣的紙條，而他的電腦螢幕上，停留著一封未傳送的郵件草稿，上面寫著：“爸媽，我讓你們失望了。”這場悲劇不僅僅是個體抗壓能力的崩潰，而是一個高度制度化的“多重鎖鏈”。第一個便是簽證鎖鏈：H-1B身份使他必須在極短時間內找到新僱主，否則將被遣返。第二個是財務鎖鏈：兩套在加州的房貸、每月還款壓力，令他無法“裸辭”。第三個則是職場鎖鏈：PIP標籤+競業協議，將他從Facebook之外的出路一併堵死。他不是不努力，相反，他“太努力了”——習慣加班到深夜，周末仍在改程式碼，最佳化演算法；卻因為沉默、內斂、不善權謀，被貼上“不合群”的標籤，功勞歸於團隊，黑鍋卻由他一人承擔。Facebook內部資料顯示，華人技術員工佔比高達15%，但在高層管理崗位上，不足2%。這不是個例，而是“系統性看不見”：在話語權稀缺、晉陞路徑不清的文化環境中，太多華人工程師被困在“高薪但無權”的崗位中。他們不抱怨，不內卷，不逃跑，默默忍耐，拚命刷存在感——但一旦陷入制度性危機，就像懸在系統邊緣的玻璃人，沒人伸手。陳勤的死，在華人工程師圈裡炸響。有人在總部門前擺上38朵白菊，寫下：“他沒有輸給自己，而是輸給了系統。”陳勤去世後，其父母將Facebook告上法庭，指控其“縱容職場霸凌”。但案件因“證據不足”被駁回，公司最終以200萬美元賠償達成和解，但要求家屬簽署保密協議。從山村走到矽谷、用20年翻越階層，卻用3秒墜落結束。更令人唏噓的是：陳勤的故事並非個例。2021年，亞馬遜華裔工程師張一自殺；2023年，Google印度裔員工蘇雷什跳樓；他們有著類似的履歷、相似的掙扎——被高壓績效制度和身份焦慮聯合碾壓。在許多留學生與父母眼中，“只要努力夠、學校好、平台大”，未來人生就能一路綠燈開掛。但現實是：當這些“別人家的孩子”在系統齒輪下奔跑，任何一次微小失誤、任何一次資源博弈失敗，就足以讓人墜入深淵。如果說拼盡全力送孩子去美國，是希望他們“有選擇”，那麼為什麼，最後留給他們的卻只剩“不能失敗”？海外華人與留學生所面臨的壓力，往往是複雜而多重的。文化隔閡、身份焦慮、職業瓶頸、家庭期望……這些無形的負擔，常被“高薪”“精英”的光環所掩蓋，卻真實地壓在每一個異鄉人的肩上。社交媒體上，我們不時聽到類似的聲音——它們不是孤例，而是一種群體的共鳴。在這樣的環境中，建立自己的支援系統至關重要。無論是尋找可信賴的同事朋友，加入能彼此理解的華人社群，還是在必要時尋求心理幫助，都是構築情感緩衝的方式。請記住，表達脆弱不是失敗，而是一種自我保護。此外，我們也需要在既定軌跡之外，為自己開闢一方空間。發展工作之外的身份認同，培養與職業無關的興趣愛好，保持與國內家人的真實溝通——不只報喜，也敢報憂，允許自己展現完整的情緒與生活。這些看似微小的行動，恰恰是在異質文化中保持精神獨立的重要方式。或許，我們該重新思考“成功”的定義。它不應只是一個終點，而可以是一段容納喘息、允許失敗、接受轉向、擁抱重啟的旅程。從這個意義上說，每一個在異國他鄉認真生活的你，無論此刻是否光鮮，是否偶爾軟弱，其實都已走在了屬於自己的成功道路上——人生的意義不在於永遠登頂，更要有擁抱重啟的勇氣。 (留學生日報)

菲律賓，麻煩大了。我看到，11月29日，中國駐菲律賓大使館發出緊急通知，提醒在菲中國公民切實加強安全防範，非必要不外出！為什麼不要外出？因為第二天，11月30日，一場規模浩大的抗議活動席捲全國。憤怒的菲律賓人走上街頭，要求政府懲罰腐敗分子，要求總統馬科斯立刻下台。法新社的說法是，在這個擁有1.16億人口的群島國家，民眾對所謂的“幽靈防洪工程”的憤怒情緒，已經持續了多個月。為什麼說是“幽靈防洪工程”？因為按照政府的規劃，工程已經建好了，錢也花出去了；但強颱風襲來，民眾都在問，工程在那裡？有的根本沒有，有的根本不防洪，該淹的房子照樣被淹沒，不該死的人們成百上千地悲慘死去。一年又一年，一次又一次。菲律賓人受夠了！所以，在過去幾個月，抗議活動席捲菲律賓全國。尤其在剛過去的這個周末，抗議者沿著首都馬尼拉的乙沙大道遊行，高喊口號：“現在就把他們關進監獄！”這是一個特殊的地點。1986年，“人民力量運動”正是從這裡發端，最終推翻了馬科斯父親老馬科斯的統治。看照片和視訊，示威者舉著鱷魚造型的假人，呼籲終結猖獗的腐敗；憤怒的民眾，甚至拿起鐮刀，不斷扎向這個假人。馬科斯在那裡？在總統府裡焦慮地看著事態惡化。為平息民眾的憤怒，菲律賓已經逮捕了8名嫌疑人，有政府官員、國會議員，也有建築公司老闆。馬科斯政府並且承諾，“大人物很快就會落網”。此前，已有兩名政府部長因為腐敗指控而下台。但菲律賓人已很難相信承諾。我看到，有外電就評價，菲律賓長期存在貪腐問題，即使高級官員被判貪污罪名成立，通常也能逃脫重刑。腐敗如同蛀蟲，啃噬的不僅是國庫，更是社會的根基和未來的希望。讓菲律賓人尤其失望的是，當初馬科斯是打著清廉的招牌上台，民眾對他寄予了厚望，認為他應該會吸取父親貪腐下台的教訓，而且能將菲律賓經濟帶入繁榮。3年過去了，結果一地雞毛。菲律賓比索在貶值，菲律賓經濟在惡化，第三季度GDP增速只有4%，為2021年來最低水平，菲律賓家庭開支，也跌到4年來的最低點。這樣的增速，對還貧窮的菲律賓來說，是遠遠不夠的。菲律賓《馬尼拉時報》發表評論文章指出，馬科斯的總統任期，猶如“自由落體式下滑”。文章稱，自馬科斯執政以來，菲律賓政府腐敗橫行，國家債務創下歷史新高，大米、糖類和洋蔥等農產品價格也飆升至前所未有的高位，他需要做的就是趕緊下台，為菲律賓系統性失敗承擔責任。但馬科斯肯定不希望下台，而且，他的政治手腕還很多。我們中國人最熟悉他的兩項作為：第一，在南海頻繁對中國進行挑釁，塑造自己被欺負的形象；第二，將前總統杜特爾特送到國際刑事法庭，借刀殺人打擊杜特爾特家族。不得不說，這兩招都挺狠的，既轉嫁國內矛盾，還向美國送上投名狀。結果呢？中國自然不會受菲律賓任何影響，杜特爾特家族也不是好惹的。老杜的女兒，現在擔任副總統的莎拉·杜特爾特，最近就明確表示，如果馬科斯下台，她已經做好了接任總統職位的準備。最後，怎麼看？還是粗淺三點吧。第一，選個好總統怎麼這麼難。看看過去幾任菲律賓總統，基本沒有一個得到善終的，流亡的流亡，坐牢的坐牢。更讓人搖頭的是，菲律賓還多是政治家族，老馬科斯的貪污全世界著名，小馬科斯上台，那知道還是走上了貪腐的老路。可憐的菲律賓人，被老子搜刮一通，又被兒子貪腐一遍。按理說，菲律賓一個多億人口，資源稟賦不錯，如果勵精圖治，發展經濟，完全可以成為一個東南亞的大國，甚至世界的大國!別忘了，菲律賓的人口，是韓國的兩倍！但可惜，貪腐橫行，內亂不斷，政府無能，全國人民受苦，甚至不僅僅受苦，“幽靈工程”，那可是會讓全國人民送命。第二，馬科斯啊馬科斯。說幾句題外話。對於馬科斯，中方一度曾寄予厚望。因為他與中國，有著非常特殊的淵源。如果我沒記錯的話，馬科斯應該是全世界現任所有外國領導人中，唯一一個和毛澤東主席見過面、握過手、合過影的國家元首。應該是在1974年，“鐵蝴蝶”伊梅爾達帶著兒子小馬科斯訪問北京，但很不巧，毛澤東主席不在京，伊梅爾達非常失望，以至於當著中方官員的面，忍不住抽泣起來。中方不得不調整安排，特意安排伊梅爾達一行前往湖南長沙去見老人家。伊梅爾達後來回憶說：“毛主席知道我喜歡唱歌，就請我演唱。我用中文唱起了《我愛北京天安門》。毛主席聽了非常高興。”老人家和伊梅爾達母子合影，當時站在老人家右側的，就是還只有17歲的小馬科斯……中菲關係，馬科斯是積極參與者也是開拓者。那知道，輪到他上台執政，卻跌到了谷底，甚至不排除有衝突戰爭的可能。第三，菲律賓怎麼辦？憤怒依然憤怒，無奈繼續無奈。全國性抗議，可能會給馬科斯壓力，促使他有所收斂，有所作為，但不可能清除腐敗。說實話，那些已進入權貴腰包的民脂民膏，也根本不可能收回來。菲律賓還很窮，按照道理，現在壓倒一切的工作，應該是清除腐敗、發展經濟、改善民生。但我們看到的，卻是馬科斯在打擊政敵，在撩撥中國，在向美國獻投名狀。在一條作死的道路上狂奔，卻裹挾著太多無辜的人。當一個國家迷失了方向，再華麗的舵盤也只會駛向更深的漩渦。馬科斯會主動下台嗎？主動，絕對不可能！但如果怒火在全國爆發，最後為了保命，他或許不得不效仿父親的逃往路線，倉皇流亡美國，留下一個千瘡百孔的爛攤子。有些菲律賓政客，當官就是發財，權力就是金錢，那管背後洪水滔天。當治理者眼中只剩下權術的遊戲，人民的苦難便成了最微不足道的背景音。 (牛彈琴)

當《商報》記者在雷德蒙德總部見到薩蒂亞·納德拉（Satya Nadella）時，微軟正經歷驚心動魄的日子。2025年10月28日，微軟股價創下50年歷史最高點542美元，此後卻與其他科技股一起持續下跌。市場瀰漫著一種恐懼：圍繞人工智慧（AI）的狂熱是否即將終結？源自《商報》作者: Felix Holtermann正是人工智慧，讓納德拉在過去幾年把微軟重新變成華爾街最耀眼的明星。2014年，這位現年58歲的印度裔經理接任首席執行官，成為50年歷史上繼創始人比爾·蓋茲（Bill Gates）和“大嗓門推銷員”史蒂夫·鮑爾默（Steve Ballmer）之後的第三位掌門人。他接手的是一家明顯走下坡路的巨人：智慧型手機革命徹底錯過，個人電腦銷量連年下滑，Windows 8成了公認的災難，鮑爾默時代那種咄咄逼人的企業文化更讓內部部門之間彼此敵視。當時幾乎所有人都認為，微軟的命運已經註定：像IBM、惠普（Hewlett Packard）一樣，慢慢退到平庸的陰影裡。可納德拉卻讓這家老牌公司徹底重生。在他領導下，微軟股價漲了18倍。他只下了兩個激進的大賭註：第一，把微軟轉型成雲服務商，即經營巨型資料中心幫客戶管理資料。如今自家的Azure雲僅次於亞馬遜AWS，穩居全球第二；第二，比幾乎所有同行都更早all-in人工智慧。如果沒有2019年他對當時還默默無聞的OpenAI實驗室的那筆投資，就不會有ChatGPT，也就不會有今天的AI熱潮。ChatGPT改變世界認知整整三年後，納德拉在西雅圖附近雷德蒙德總部一間播客錄音室裡接受了《商報》近40分鐘的獨家專訪。他提前五分鐘到場，輕聲握手，先關心記者身體，才開始正式對話。納德拉《商報》：分析師預計，到2026年美國科技巨頭（也稱“超大規模營運商”）將在AI上累計投資超過5000億美元。就在昨天，GoogleCEO桑達爾·皮查伊（Sundar Pichai）公開批評AI熱潮“非理性”，並警告如果泡沫破裂，所有企業都會遭殃。您怎麼看，我們現在真的在泡沫裡嗎？納德拉：在我們行業，大約每十年就會發生一次巨大的平台變遷：個人電腦、客戶端-伺服器、網際網路、移動網際網路、雲端運算。現在我們正在經歷我職業生涯中至少第四次這樣的巨變。這次變革和雲端運算一樣，需要巨額資本和知識投入。當年為了雲端運算我們也要建資料中心、研發軟體，AI這波只是把速度開到了極限。關鍵是要有長遠的耐心。五年後，無論在德國、美國還是世界任何地方，技術佔GDP的比重一定會更高。如果我們相信這一點，就不該太在意季度之間的股價波動。投資必須最終帶來回報，但更重要的是，這是一場影響整個經濟的長期結構性變革。歸根結底，AI必須為世界創造真實價值，我們已經看到這一點正在發生。《商報》：您在亞特蘭大的新型“Fairwater”資料中心性能是目前全球最大超級電腦的十倍，裝了數十萬塊輝達晶片。本財年微軟在AI基礎設施上要燒掉超過800億美元。這些錢什麼時候能回本？如果泡沫真的破裂，對微軟、對整個經濟意味著什麼？納德拉：首先，您不能只看資本開支，還要看自由現金流和收入。我們之所以敢這樣花錢，唯一原因是我們不是在靠未來的收入過日子——我們現在就已經賺到了。單是Azure這一塊業務的規模，就已經超過十年前整個微軟的總和。這給了我們繼續大規模投資的底氣，也包括把AI真正變現。事實上，即便在所有超大規模營運商裡，微軟也是獨一無二的：我們已經實現大規模AI收入，這一點直接體現在Azure的增長數字上。隨後納德拉介紹了微軟AI產品矩陣：每月活躍使用者超過1.5億，包括消費端Copilot、企業端Microsoft 365 Copilot、程式設計師專用的Github Copilot、醫療領域改名為Dragon的原Dax Copilot，以及網路安全專用的Security Copilot。這位受過正規電工訓練的工程師一開口，就讓人願意先相信他。這位印度裔管理者說話輕柔、謹慎，帶著他特有的旋律，彷彿所有可能的質疑都早已被他提前消化。納德拉本人傳遞出一種沉穩的安全感。再加上自建資料中心、豐富的產品線和海量客戶群，他或許就是微軟目前最珍貴的資產。因為質疑者、批評者和隨時準備抓住失誤的競爭對手，從來都不缺。最危險的對手是Google（Alphabet）。它同樣由印度裔工程師桑達爾·皮查伊掌舵。上周Google剛發佈Gemini 3模型，Salesforce CEO馬克·貝尼奧夫（Marc Benioff）稱其為“量子飛躍”，讓Google重新領先OpenAI。更關鍵的是，皮查伊完全獨享自家模型，不用像納德拉這樣和初創公司分利潤。雲市場裡，微軟依然追不上亞馬遜AWS。雖然Azure最近增長更快，但AWS負責人馬特·加曼（Matt Garman）仍是老大，而且正在反擊：10月他和OpenAI簽下重磅協議，OpenAI從此不再獨家繫結微軟；同時AWS還大幅加深與Anthropic的合作——這家由OpenAI離職員工創辦的第二大AI初創公司，主要用AWS機房和亞馬遜自研AI晶片。當納德拉公開抱怨買不到足夠電力給塞滿輝達晶片的資料中心時，加曼在《商報》專訪裡毫不客氣地嘲諷：“要是供應鏈規劃需要幫忙，我們很樂意。”他還說，微軟正在失去“再也拿不回來的收入”。AI軍備競賽徹底點燃，首先燒的是真金白銀。數千億美元湧向晶片，特別是輝達，已經成為美國經濟增長的最重要支柱。BCA Research分析師判斷，如果沒有AI熱潮，美國經濟很可能已經陷入衰退。美國銀行估計，僅微軟、亞馬遜、Google、Meta四家2025年的資本開支就貢獻了美國GDP的1.1%。評級機構晨星警告，按佔GDP比例計算，當前的AI支出已經超過19世紀鐵路大建設時期。要證明這些投資合理，到2030年AI年收入必須達到2兆美元，而目前只有200億美元——需要增長100倍。《商報》：1987年諾貝爾經濟學獎得主羅伯特·索洛（Robert Solow）那句名言：“電腦時代到處都能看見，就是沒出現在生產率統計裡。”AI時代也會重蹈覆轍嗎？納德拉：我對這句話記得特別清楚，因為那正是我剛入行的時候。還有西北大學的羅伯特·戈登（Robert Gordon），他也長期質疑技術對生產率的貢獻。但回頭看他的研究就會發現，2000年代初技術驅動的生產率躍升最終還是體現在了國民經濟統計裡，主要就是個人電腦的功勞。個人電腦80年代發明，90年代中期才真正普及，到2000年至少在西方全面鋪開，生產率資料才真正起飛。我學到的核心教訓是：新技術必須先徹底普及。你不能第一次打開Excel就問生產率在那裡，必須長期使用Excel、電子郵件，並圍繞它們徹底重塑業務流程，生產率提升才會顯現。現在我們還處在只談論AI技術的炒作期，必須盡快進入“人人都在用基於智能體的AI工具創造讓自己驕傲的作品”的階段。《商報》：未來十年，AI到底會怎樣改變我們的生活、工作和世界？納德拉：拿軟體開發舉例。我入行時幸虧已經告別了打孔卡時代，用Z80處理器寫彙編或Basic。後來有了編譯器，我們進入更高抽象層次。現在Github Copilot又帶來全新一層——AI智能體直接替我們完成任務。再舉個醫生例子：用了Dragon Copilot的醫生，只需正常和患者對話，AI就能自動記錄、錄入醫院系統、直接生成結算程式碼，醫生因此有更多精力思考最佳治療方案。AI正在走進日常工作，帶來新的抽象層次，讓我們把精力放在真正重要的事情上，而不是被瑣碎重複勞動拖垮。在此基礎上，人類才能發現AI還能幫我們解決那些過去想都不敢想的新問題。納德拉熱愛技術，也特別愛舉例子。他在印度卡納塔克邦學電工，在美國威斯康星州密爾沃基讀電腦碩士，至今能滔滔不絕講當年在學校自學的Lex和Yacc。他的父母給了他跳出專業看世界的底色：父親是印度公務員兼馬克思主義者，母親是梵文教師，把詩歌的世界帶給他。納德拉尤其鍾愛里爾克（Rainer Maria Rilke，註: 他是一位德國詩人）的詩。長遠眼光始終是納德拉最鮮明的標籤。雲端運算剛起步時，大多數軟體公司還死守本地部署（On-Premise），他已經看清未來；AI也是如此，早在ChatGPT面世前，他就果斷下注OpenAI。微軟累計投入超過130億美元（主要以Azure算力形式），讓這家原本公益導向的研究室一躍成為全球最重要的AI公司。投資是一回事，更關鍵的決策是把OpenAI模型迅速塞進微軟幾乎所有產品——Excel、Word、Windows、Teams……Copilot無處不在，儘管內部開發者怨聲載道，Gartner諮詢公司形容整個過程“混亂”。但效果如何？行銷機構資料雖有差異，但基本共識是：消費端免費Copilot遠遠落後於ChatGPT；企業端同樣令人失望。美國知名科技博主Ed Zitron2025年8月援引匿名內部人士稱，4.4億Microsoft 365使用者裡只有800萬付費開通Copilot，轉化率僅1.8%。微軟強烈反駁：推出僅9個月，已有“數百萬”企業使用者實際使用，季度增長50%。但至今拒絕公佈具體付費數字。產品設計初創公司Neural Concept聯合創始人托馬斯·馮·查默（Thomas von Tschammer）指出，在某些程式設計任務上，OpenAI或Anthropic的模型確實更強。《商報》：您還記得差不多兩年前——2023年11月17日發生了什麼嗎？納德拉：2023年11月17日……（思考）《商報》：您那天忙得不可開交。納德拉：哦！這下明白了。我還以為你們說的是前一年我們發佈ChatGPT那個11月呢（笑）。《商報》：我們說的是OpenAI董事會突然解僱薩姆·奧爾特曼（Sam Altman）。您當時強勢介入，他最終復職。很多內部人士說，您把一家20萬名員工巨無霸的未來押在舊金山一個小創業團隊身上。那周末您害怕押錯寶嗎？納德拉：我記得最清楚的是那周末印度對澳大利亞的板球賽結果很糟糕。除此之外，我們這家公司深知如何建立優秀夥伴關係。當時OpenAI還是非營利研究機構，我們合作非常愉快。“11月事件”期間我始終如一：我會繼續和OpenAI合作；如果有意外，我也準備好和薩姆合作，無論他在OpenAI內部還是外部。很高興最後對所有人都好。《商報》：你們既是夥伴也是對手。OpenAI已在慕尼黑開辦公室，正在搶德國客戶，包括微軟的客戶。有些企業CIO私下告訴我，員工寧願偷偷用ChatGPT，因為它更好用，甚至違反公司與微軟簽訂的協議。您怎麼回應？納德拉：我絕不想貶低ChatGPT的巨大成功——它每天活躍使用者超過8億。但在消費端，我們用Copilot也站穩了腳跟，正在穩步前進。我對此很興奮，同時清楚ChatGPT和Google在消費市場擁有巨大先發優勢。企業端我反而非常自信。我們能提供的，是別人給不了的獨特價值：Copilot的關鍵不只是一個網頁聊天框，而是能安全連接企業內部資料。只靠網際網路公開資訊毫無意義，真正有價值的是把“公司自己知道的”和“網際網路知道的”無縫結合起來，才能做出真正差異化的工作。據“The Information”報導，微軟到2030年可分OpenAI收入20%（雙方均未證實）。2025年10月底OpenAI宣佈架構重組：核心盈利實體由基金會控制，實現公益與盈利並存。微軟仍持約27%股份，是最大股東，至2032年享有技術使用權，但OpenAI已獲准尋找其他雲合作夥伴。微軟也在主動降低依賴：11月中旬宣佈支援亞馬遜系Anthropic模型；埃隆·馬斯克的Grok模型5月起已上架Azure。微軟AI負責人雷·史密斯（Ray Smith）說：“未來我們會少談OpenAI或Anthropic那個模型更強，多談客戶用它們到底做出了什麼解決方案。”微軟與OpenAI的關係依舊複雜。《商報》：您在《刷新》一書中說技術讓全人類更強大，聽起來很美好。但現在很多科技領袖描繪的未來卻很黑暗，有人擔心AI奪權甚至滅絕人類。您為什麼還能保持樂觀？納德拉：每項新技術都會經歷狂熱→末日恐慌的周期。我們應該走中間道路：本質上樂觀，同時對可能的意外後果採取原則性態度。為此我們專門成立了數字安全委員會（Digital Safety Board），在微軟和OpenAI每一次產品發佈中都提供諮詢，目的不是無休止爭論AI安全，而是真正把安全措施落到每一步並持續迭代。網路安全將是更大挑戰。AI讓好人程式設計更強，也讓壞人更容易製造武器，我們必須同步強化防禦。這對整個科技行業都是健康提醒：過去我們有時太樂觀，先推出再補救；但當一項技術像AI這樣深入生活和工作的每一個角落，我們必須在每一步都認真思考後果。在雷德蒙德的微軟網路安全中心，每天都能看到數字世介面臨的真實威脅。最新報告分析了每天超過100兆條安全訊號，發現過去幾個月針對德國的俄羅斯網路攻擊上升25%。中心負責人史蒂文·馬薩達（Steven Masada）說，2022年2月俄烏衝突爆發“是有史以來第一場混合戰爭，我們是最早向基輔發出預警的一方”。作為全球基礎設施提供商，“我們永遠是攻擊目標”。用微軟總裁布萊德·史密斯的話：“開戰第一批炮彈不是巡航導彈，而是網路攻擊。”美國總統川普熱衷關稅，與多國貿易衝突持續發酵。微軟很大一部分收入來自美國以外，任何跨大西洋裂痕都會傷及生意。2025年9月，微軟通過承諾將Teams從Office套件剝離，才避免歐盟巨額罰款。《商報》：全球保護主義抬頭，您如何應對？這對業務影響多大？納德拉：作為跨國公司，我們深知“經營許可”取決於能否在當地創造真實價值——無論德國還是美國。如果我們不能幫助中小企業更強、不能讓德國公共部門更高效、不能改善醫療教育、不能讓奔馳這樣的大企業更好走向世界，我們就不配拿到經營許可。全球化過去帶來巨大好處，但也對各國社會產生複雜影響，這些影響正在被激烈討論。我們必須適應，不能假裝舊政治環境會永遠不變，而要保持競爭力、重新設計供應鏈。這也是微軟如今成為德國和歐洲最大資本投資者之一的原因。《商報》：比如在萊茵蘭建新資料中心？納德拉：對。我們把資本置於風險之中，但這些投資最終會提升德國整體競爭力。《商報》：您的個人經歷本身就是全球化的產物。您在書中說“只有主動追求多樣性和包容，我們才能做到最好”。但川普新政府要求終止所有多樣性、公平與包容（DEI）項目，這是否與您作為人和管理者的全部信念相衝突？納德拉：不……（停頓）首先，美國正如您所說，對我這個第一代移民來說是個不可思議的地方。我常說自己是兩種幸運的產物：美國技術在我長大的地方觸達了我，美國移民政策讓我能來到這裡並進入這個行業。很多人現在把多樣性包容和績效社會對立起來，我不這麼看。真正的績效社會，必須確保不漏掉本地已有人才，也不漏掉我們從外部需要的人才。每個國家要找到自己的方式。而對我個人來說，能來到美國，在這個行業找到歸屬感，這就足夠了。這大概是全球第三大市值公司（僅次於輝達和蘋果）掌門人對川普能表達的最大分寸。川普就職典禮幾乎所有美國科技大佬都去了，唯獨缺了納德拉，也沒見他公開示好。華盛頓大學歷史學家瑪格麗特·奧馬拉認為，這與微軟“非凡成功”有關：大多數科技CEO害怕得罪喜怒無常的總統，但納德拉知道，歐洲客戶對這種舉動非常敏感。微軟1983年進入德國，擁有無數大企業和更多中小企業客戶。西門子是全球最早與微軟合作推出“工業Copilot”的公司，目前已有超過100家客戶使用，可用自然語言大幅簡化工業程式設計。汽車零部件巨頭舍弗勒也採用該技術，新機床安裝從幾天縮短到幾小時，AI幾秒鐘就把自然語言轉成程式碼，程式設計師只需再改約20%。“AI助手正在改變製造業，我們現在能用自己的語言和機器對話，”西門子工業負責人塞德里克·奈克說。Copilot基礎版對西門子客戶免費，但必須用Azure。微軟德國區負責人阿格妮絲·赫夫特伯格透露，納德拉一年多次來德國，不僅見CEO，也見一線專家，深入瞭解產品落地。未來兩年微軟將在德國投資32億歐元，合作夥伴達3萬家。聯邦政府也在與微軟合作建設主權雲，但同時擔心過度依賴。最極端例子：國際刑事法院（ICC）宣佈，因擔心川普政府制裁，計畫放棄微軟辦公套件，改用開源方案“Open Desk”。《商報》：德國對微軟很重要。目前德國正在激烈討論未來方向，您如何看德國？納德拉：讓一個像我這樣的工程師談德國，他腦子裡蹦出來的第一個詞肯定是“德國工程技術”，對吧（笑）？那簡直是現代世界奇蹟。我在華盛頓州貝爾維尤看牙醫，離總部幾公里，周圍全是德國隱形冠軍的精密裝置。德國擁有塑造未來的巨大機會。我認為下一個成功周期大概是：美國技術來到德國，融入我們的雲和AI資料中心，被德國中小企業使用。西門子、奔馳就是絕佳例子，他們把新技術融入自家產品，再加上德國獨有的價值，出口全球，形成新的比較優勢——李嘉圖沒說錯。但前提是我們要重新定義價值創造。今天價值不再只來自傳統工程，而是“工程+數位技術”。後者就像電力：一切都已數位化。一輛聯網奔馳或西門子機床，到底算工業產品還是數字產品？界限正在消失，這給德國帶來巨大機會。《商報》：很多德企也擔心依賴風險。比如國際刑事法院案例，微軟最近因美國政府指令凍結了其帳戶。您認為類似事件未來會增多嗎？納德拉：這正是我們全力投資歐盟境內資料儲存和德國主權雲的根本原因，讓每位客戶都安心獲得所需的主權與連續性。別忘了，德國企業在美開展業務時，也必須遵守美國法律。這就是納德拉的承諾與賭註：未來幾年AI將深刻改變無數崗位，從程式設計師到醫生診室。微軟要提供底層數字基礎設施、智能業務流程工具、知識工作者裝備，以及擁有13億成員的領英網路。他主張一種新分工：傳統工業企業把微軟技術融入汽車和產線，加上自身獨特價值再出口全球，正如19世紀初英國經濟學家大衛·李嘉圖描述的自由貿易優勢。而這也意味著，在納德拉的願景裡，微軟將成為全球（除美國外）經濟競爭力的必要條件。在納德拉時代，微軟已不再把自己看作軟體公司或平台公司，而是數字基礎設施供應商——如同水電一樣不可或缺。分析機構Avispador創始人阿克塞爾·奧珀曼說，微軟正成為“數字基本供給的關鍵提供者”：既有辦公軟體，也有自動化業務流程的AI助手，更有覆蓋全球的資料中心網路，未來可能像水電一樣不可替代。這帶來某種監管保護傘——太大、太分散、太系統重要性，無法按常規監管。他的結論是：“誰控制算力，誰就控制數字經濟，而微軟正在把地基打得如此之深，競爭對手連地基都看不到。”對無數企業客戶來說，微軟越來越難以替代，也因此擁有強大定價權。最近例證：2025年11月初微軟調整多項線上服務許可結構，包括最受歡迎的Microsoft 365，取消了過去“買得越多越便宜”的量價折扣，改為統一價，理由是“更大透明度和統一性”。對客戶來說，意味著最多損失12%的折扣。粉絲認為納德拉是能平衡公司利益與技術社會影響的傑出管理者；批評者則說，這位說話永遠輕柔的CEO特別擅長用溫和願景掩蓋外界質疑。只有談到家人時，納德拉才會真正卸下防備。他與學建築的妻子阿努住在西雅圖附近，育有三子，其中兒子扎因患腦癱，三年前去世。《商報》：最後一個私人問題。您的兒子扎因和我表妹一樣，生來患腦癱。您過去說過他熱愛音樂，也教會您同理心。他三年前離世。您最希望他能活到體驗那項未來技術？我們如何確保AI真正包容，讓所有人都能用？納德拉：這……真是個好問題。我們推出Copilot新角色Mico時，一個女兒突然說，扎因最愛《海底總動員》和《冰河世紀》那類動畫，我們就想，他一定會愛Mico。謝謝您讓我想起他。無障礙設計一直讓我著迷。我剛進微軟時，做法是先做好產品，再加一層無障礙功能，像附加品。現在完全不同。多模態語言模型是有史以來最易用的技術——輸入方式已無關緊要，一切都能相互轉換。在人機互動上我們也站在全新門檻前。我曾和女兒一起嘗試用頭戴裝置採集腦電訊號，幫助無法動彈的扎因與我們交流。現在腦機介面領域進展很快。我滿心希望，計算技術能成為普世包容的驅動力，這波技術浪潮也將因此被歷史記住。在這一點上，我是個徹底的樂觀主義者。 (德國派)

又一個超級工程來了歷經70年謀劃，四川省“引大濟岷”超級水利工程，終於獲批且開工了。近日，四川省正式官宣：引大濟岷工程可研報告獲國家發改委批覆。所謂“引大濟岷”，顧名思義，就是將大渡河的水引入岷江流域。四川省官方表示，該工程是四川有史以來投資最大、線路最長的引水工程。該工程輸水線路總長260.9千米，由總幹線、南幹線和北幹線組成。總幹線長133.3千米，北幹線25.1千米，南幹線102.5千米，估算總投資575.1883億元，工期96個月。575億資金，誰來出？11月7日四川省公共資源交易資訊網發佈的招標公告披露了這一資訊：建設資金來自中央資金、省級資金、地方資金和業主自籌等。來源：四川省公告資源交易資訊網報告獲批後，11月7日，引大濟岷工程建設動員大會舉行。四川省委書記、省人大常委會主任王曉暉出席大會並宣佈工程建設啟動；省委副書記、省長施小琳，水利部副部長王寶恩分別講話；省委副書記、政法委書記於立軍，水利部長江水利委員會黨組書記、主任廖志偉出席。意味著，這個謀劃了70年的水利超級工程，已經正式開工建設。根據公開資料顯示：20世紀50年代，水利部長江水利委員會首次提出從川西北向盆地腹部區調水的設想。至20世紀90年代，四川省正式明確“引大渡河水補濟岷江”的方案。2003年，四川省水利廳研究形成工程初步方案；2012年，工程被納入國務院批覆的《長江流域綜合規劃（2012—2030年）》。2019年，“引大濟岷”工程規劃編制工作正式啟動，次年納入《成渝地區雙城經濟圈建設規劃綱要》。2023年，工程被寫入《四川省現代水網建設規劃》，成為全省“六橫六縱”水網佈局中的關鍵“一橫”。今年10月份正式獲批，11月份開建。按照預測的8年工期，預計2033年年底貫通。建設這個超級工程的目的，是解決成都平原的缺水問題，項目供水範圍包括成都、德陽、眉山、資陽、綿陽、遂寧、內江、雅安8市43縣（市、區）。水資源豐富的四川缺水？水資源豐富的四川，號稱天府之國的四川盆地居然缺水？居然需要修建如此浩大的工程來解決水資源短缺問題？四川省水資源豐富，素有“千河之省”之稱謂，域內流域面積在100平方公里以上的河流就有1368條，包括長江（金沙江）、黃河、岷江、沱江、大渡河等13大江河流域。從客觀資料端來看，也是如此。國家水利部公佈的2024年資料顯示，四川省地表水資源量高達2433.1億立方米，位居全國第三，是全國水資源最豐富的省之一。位居第一的是西藏，4420億立方米的地表水資源量，斷崖式領先。製圖：城市財經；資料：國家水利部成都平原更是在都江堰水利工程加持下，在戰國時期就成了天府之國，是秦國能夠一統天下的重要糧食支撐地。這樣的地方居然缺水？水資源豐富是客觀現實，成都平原缺水也是客觀事實。這主要是四川省的地理構造以及成都平原的快速發展共同作用的結果。四川省水資源豐富，但大多集中在了西部高地。在之前本號分析四川省為何堅決執行強省會戰略時，也強調過四川省的地理構造是其中的重要因素之一。四川位於中國大陸地勢三大階梯中的第一級和第二級，即處於第一級青藏高原和第二級長江中下游平原的過渡帶，高低懸殊，西高東低的特點特別明顯。西部為高原、山地，海拔多在3000米以上。能夠提供給四川發展的，就是四川盆地，也即成都平原這一帶。然而有趣的是，四川的水資源呈現“二八分佈”。人口、耕地與經濟總量佔全省八成以上的四川盆地腹部區，水資源量僅佔全省兩成；而人口稀少的川西地區卻擁有全省八成的水資源。根據四川省水利廳披露的資料顯示：2024年四川省地表水資源量2434.38億立方米（與國家水利部公佈的資料基本相當），其中主要集中在西部高原地帶，水資源總量排名前三的分別是甘孜州、阿壩州、涼山州。來源：四川省水利廳這三個州的水資源總量1306.61億立方米，佔四川省總地表水資源量的53.7%。而這三個州2024年年末的人口分別是111.1萬人、82.8萬人、491.1萬人，合計685萬人，佔四川省8364萬總人口的8%。總結來看，一言以蔽之，四川省水資源豐富，但分佈極度不均衡。從空間上看，人口、耕地和經濟總量約佔全省80%的盆地腹部區水資源量僅佔全省20%，人均水資源量不足1000立方米，其中遂寧、資陽、自貢、內江4市人均水資源量不足500立方米，不到全國人均水平的1/4、全省人均水平的1/5。除了生活用水與耕地用水外，還有產業用水。正如我上面所說，由於四川省地理構造問題，能夠提供給四川省發展的平原地帶基本集中在成都平原。這是造成四川省從省內第一城角度看，是全國發展最不均衡的省的根本原因。這一點，本號之前專門寫過一篇專題文章《各省第一城與倒數第一城，誰的差異最大？》，其中就提到：四川經濟第一城成都2024年GDP高達23511.34億元，同期的倒數第一城阿壩州只有570.11億元，成都是阿壩的41.2倍。製圖：城市財經；資料：各城市統計局強調這一點，主要是想強調四川省的人口、產業集中在成都平原，而四川省的豐富的水資源又主要集中在西部高原地帶。因此存在水資源的供需錯配。據相關部門預測，到2030年，成都平原經濟區人口將超過4600萬，供水缺口問題將更加嚴峻。這是四川省一直在謀劃“引大濟岷”工程的根本動力。托起成都的工業升級引大濟岷工程，從大渡河幹流瀘定水電站庫區引水至成都平原，建設任務以城鄉生活和工業供水為主，兼顧農業灌溉。工程沿途經7條區域性斷裂帶及多個大型斷層，需破解48項相關技術難題。在川西險峰二郎山，引水隧洞需貫穿山體，其中最大埋深2040米，是已知國內水利工程第二大深埋；全長40千米的蓮花山隧洞，建成後將成全省最長的引水隧洞；南幹線最大管徑3.6米，為國內引調水項目已知輸水壓力最大的管道。由於工程跨越大陸地勢中的一二級階梯，在工程當中，還會設定三座動能回收電站，總裝機容量38.8萬千瓦。引大濟岷工程建成後，將新增灌面179萬畝，改善灌面591萬畝，供水人口3413萬人。除了滿足成都平原的生活用水、農田灌溉用水外，該工程還將為成都正在進行的工業補短板提供強有力的工業用水支撐。今年9月份四川省政府再次明確表態：將支援成都持續做大經濟總量、做強核心競爭力、做優功能品質，打造超大城市高品質發展和高水平治理新標竿。到“十五五”時期末，成都經濟總量超過3.2兆元。這意味著從2025年到2030年的6年時間裡，成都的GDP需要平均每年增加1400億元以上。意味著之前的強省會戰略，四川仍會堅持到底。而新一輪的強省會戰略，要做強做優成都，主要是補兩個短板，一個是工業短板，一個是成都外圍區縣短板。成都的經濟很強，但工業並不強。恰如四川日報今年提到的，一直以來，成都面臨工業佔比“未強先降”的困擾。2024年中國規上工業營業收入城市排行中，成都以1.8兆元總額排在全國第12位。而經濟總量在成都之後的佛山、東莞、寧波、無錫、天津，其規上工業營業收入已突破2兆元。工業實力位居第一的深圳，規上工業營收超5.4兆。製圖：城市財經；資料：各城市統計局；其中無錫2023年資料成都的製造業不夠強，還表現在千億產業數量上。根據工信部劃分的41個工業大類，成都涵蓋37個工業種類。成都2024年統計年鑑公佈的資料顯示，2023年，在37個工業種類中，營業收入超千億的數量，僅4個。這裡強調的是單個產業，而非產業叢集。分別是電腦、通訊和其他電子裝置製造業，電力、熱力生產和供應業，汽車製造業，電氣機械和器材製造業。製圖：城市財經；資料：成都市2024年統計年鑑這一數量與規模，與工業強城深圳、蘇州、東莞、寧波、無錫、佛山相比，相差甚遠。所以，這些年成都開始瘋狂補工業短板。以今年來說，上半年已有的重點產業鏈中，成都把一半以上的席位給了製造業。資料顯示，上半年，成都規模以上工業增加值同比增速為7.8%，位居全國GDP前十強城市前列。截至今年上半年，成都工業投資已連續12個月保持40%以上快速增長。前三季度，成都市工業投資同比增長18.0%，增速分別高於全國、全省11.6個和10.9個百分點；佔全市投資的比重為20.2%。製造業投資同比增長18.9%。其中，電子資訊製造業、裝備製造業、綠色食品製造業分別增長22.1%、34.5%、18.7%。高技術製造業投資同比增長21.6%。其中，航空、航天器及裝置製造業增長31.0%，電子及通訊裝置製造業增長29.2%。工業的快速增長，最終帶動成都GDP增速在前三季度中，領跑GDP十強城市。製圖：城市財經；資料：各城市統計局成都正在瘋狂向製造業砸錢，這個趨勢，未來若干年都不會改變。而工業發展，除了資金、技術、人才外，還需要工業用水。四川省水利廳披露的資料顯示，2024年成都市的總用水量55.86億立方米，相較於2020年的49.55億立方米，增加了12.7%。農業、工業、生活、生態各方面用水量都在增加。其中工業用水量較2020年增加了0.29億立方米，增幅9.2%。來源：四川省水利廳儘管全國人口已經三連降，但四川省的人口仍在往成都平原匯聚。而繼續執行的強省會戰略以及成都補短板意志，未來依舊會加大成都的用水壓力。引大濟岷工程，則成功解決了成都人口爆炸式增長以及工業瘋狂補短板的後顧之憂。 (前瞻經濟學人)

今天關注到兩個論壇上涉及AI的消息，一是美國能源部（DOE）幕僚長卡爾·科伊（Carl Coe）周三在田納西州諾克斯維爾能源機會論壇(OEC），二是馬斯克黃仁勳在華府“美沙投資論壇”，據報導川普下周一將發佈政令推AI曼哈頓計畫，“創世工程”。美國人喜歡用“創世(Genesis）”，曼哈頓計畫，來稱呼重大議程，用SPUTNIK時刻來說明差距，販賣焦慮。前一段感覺川普要捅破AI泡沫，現在好像要把AI泡泡吹的更大。要點彙總（COPILOT）行政令與計畫川普預計在 11月24日 於白宮發佈行政命令，啟動名為 “創世任務 (Genesis Mission)” 的人工智慧戰略。比作 曼哈頓計畫 和 阿波羅太空競賽，定位為美國家戰略重點。政策內容要求國家實驗室加大對新興人工智慧技術研究力度，推動 公私合作。籲國會通過 一致的聯邦人工智慧監管標準，避免各州法規分散障礙。推動 一次性審批流程，企業不必逐州面對不同監管。能源與基礎設施美政府計畫新增 10座大型核反應堆，以應對資料中心和 AI 帶來電力需求激增。國際合作川普宣佈批准向 沙烏地阿拉伯等出售先進 AI 晶片，開發亞洲資料中心。輝達等與美能源部合作，擴大AI與量子計算研究。產業與監管川普批評部分州將 多元公平包容 (DEI) 融入 AI 模型，稱之為“覺醒AI”，認為必須制定統一標準。美司法部獲授權起訴州級 AI 規範，如被認定違憲或過度繁瑣。業界觀點輝達 CEO 黃仁勳與馬斯克在美沙投資論壇上強調 AI 並非泡沫，而是結構性需求驅動的歷史性轉折。馬斯克提出“有了 AI，貨幣失去意義”。進一步整理成 三大類股（政策、能源、國際合作） 結構化摘要？川普將發行政令頒布“創世工程”（Genesis Mission)美國能源部（DOE）幕僚長卡爾·科伊（Carl Coe）19日周三在田納西州諾克斯維爾能源機會論壇(OEC）上說，川普定於24日周一在白宮發佈行政命令，頒布名為“創世任務(Genesis Mission)”計畫，將人工智慧競賽定位為國家戰略重點，強化美國人工智慧(AI)佈局。這項行政命令可能會指示國家實驗室加大對新興人工智慧技術研究力度，促進公私合作。如此安排旨在強調，川普政府視即將到來的AI競賽，重要性不亞於早年發展原子彈的曼哈頓計畫或太空競賽。Coe 說創世任務地位是匹配的，更多細節未透露。有白宮官員表示，在正式宣佈前，外界對行政命令內容討論都只是推測。energy conference in Knoxville, Carl Coe, chief of staff DOE“創世計畫”！川普將簽署新AI政策，比作“曼哈頓計畫”“太空競賽”。華爾街日報 11月19日報導，媒體報導顯示，川普計畫下周一24日在白宮啟動創世計畫（Genesis Mission）。這項命令要求國家實驗室在新興人工智慧技術領域開展更多工作，涉及公私合作機制。川普還呼籲國會通過聯邦人工智慧監管標準，倡導建立統一聯邦審批流程，避免因各州監管法規分散而造成障礙。這是行政命令核心組成部分，旨在全面提升美國人工智慧研發能力。川普政府將這項計畫視為戰略行動，與曼哈頓計畫和太空競賽同等重要（Manhattan Project and the Apollo Program）。川普在7 月份公佈一項全面 AI 政策藍圖，旨在讓 AI 公司更容易在美國發展壯大，讓美國盟友更容易獲得關鍵硬軟體。該藍圖鼓勵能源部和其他機構與私營部門和國家實驗室合作，投資建設涵蓋工程、材料科學、化學、生物學和神經科學等系列科學領域自動化雲實驗室。它還指示政府擴大這些實驗室人工智慧研究培訓。美國擬新增多達10座核反應堆，日本“冤小頭”。卡爾·科伊（Carl Coe）說，美國政府計畫採購擁有10座新建大型核反應堆，應對資料中心和AI發展帶來電力需求激增。https://www.usatoday.com/story/news/politics/2025/11/20/doe-carl-coe-trump-artificial-intelligence-genesis-initiative-east-tn/87321573007/推動一站式核准制川普政府準備另一份單獨的行政令，授權司法部提起訴訟，對州級AI規範被認定為違憲，對州法規被過度繁瑣或限制過多的，削減聯邦資金。川普表示將和合作夥伴共同打造全球規模最大最強最具創新的 AI 生態系。他說，美國將推動一次核准制，企業不必再逐州面對50套審查流程。川普強調，若任由各州各自為政，形成拼裝式 AI 法規，將會是場災難，因為只要某個覺醒州卡關，就可能讓整個產業發展停滯。18日周三，川普在沙烏地阿拉伯投資會議上強調，將實施“一次性審批流程”，以避免企業不得不應對來自50個州的不同監管要求。他警告說，各州監管法規的拼湊將是“一場災難”，因為企業可能會受到“某個覺醒州”的阻礙。據PANews 11月19日報導，美國總統川普社媒表示，對人工智慧投資正幫助美國成為全球最熱門經濟體，但各州過度監管正在威脅這一增長引擎。一些州甚至試圖將多元公平和包容（DEI）理念融入人工智慧模型，打造所謂“覺醒AI”。川普認為，必須制定統一聯邦標準，不是由50個州各自為政法規拼湊成。他還補充說，可通過保護兒童和防查方式來實現這一目標。他建議將此寫入《國防授權法案》（NDAA），或作為一項單獨法案通過，這樣美國將永遠保持無可匹敵地位。https://www.panewslab.com/en/articles/248185e0-9631-40f1-8471-0a2fd069e5f7https://truthsocial.com/@realDonaldTrump/posts/115573090200730933批准向沙烏地阿拉伯出售先進人工智慧晶片本周，川普與沙烏地阿拉伯王儲舉行系列會晤，重點是敲定美戰爭和經濟協議。作為協議一部分，川普宣佈批准向沙烏地阿拉伯出售先進AI晶片。輝達和馬斯克的xAI宣佈計畫與沙烏地阿拉伯支援的AI公司Humain合作開發資料中心。本周周三19日美沙投資論壇，川普在與沙烏地阿拉伯王儲本·薩勒曼會晤時宣佈，批准向沙烏地阿拉伯出售先進AI晶片，推動與沙烏地阿拉伯開展合作項目。公私合營AI美國能源部牽頭制定國家人工智慧戰略。輝達首席執行官黃仁勳周二見了川普，出席當晚為沙烏地阿拉伯王儲舉辦的晚宴。黃仁勳表達過類似觀點，表示簡化監管框架使某些國家在全球人工智慧競爭中佔據優勢。他先前公開表達過類似看法，相對之下美國則較為吃虧。上個月，輝達宣佈與美國能源部建立合作夥伴關係，擴大人工智慧和量子計算領域研究，包括在聯邦政府營運研究機構開發七台配備該公司人工智慧晶片新型超級電腦。https://www.business-standard.com/amp/world-news/trump-to-unveil-genesis-mission-to-boost-us-ai-efforts-says-official-125112000065_1.htmlhttps://www.binance.com/en/square/post/11-20-2025-trump-s-executive-orders-aim-to-boost-u-s-ai-development-32628436616306https://www.tnadvancedenergy.com/events/annual-events/opportunities-in-energy/美國國會提供立法保障18日周二，川普通過社媒呼籲美國會議員通過聯邦人工智慧監管標準，建議納入即將出台國防開支法案，或作為單獨法案推進。他表示：如果不這樣做，將在人工智慧競爭輕易被超越。他主張建立一致的聯邦審批流程，避免因各州監管法規分散而造成障礙。《潘趣碗新聞》報導，眾議院多數黨領袖、路易斯安那州共和黨人史蒂夫·斯卡利斯本周早些時候告訴說，共和黨領導層正在考慮將相關條款加入《國防授權法案》（NDAA）。該法案規定五角大樓的預算支出，通常會成為塞入其他政策措施的載體。參議院阻止了將該措施納入7 月份預算案的嘗試，反對者稱這會阻礙對新興技術實施兒安和版權控制努力。https://www.wsj.com/politics/policy/trump-weighs-executive-order-targeting-state-ai-laws-f86df0ddhttps://longbridge.com/en/news/266641670馬斯克黃仁勳反駁“AI泡沫化”：已不可逆At some point, currency becomes irrelevant, Elon Musk said at the U.S.-Saudi Investment Forum. © Evelyn Hockstein/Reuters黃仁勳（Jensen Huang）在19日華府“美沙投資論壇”上，被問及“AI是否正走向泡沫”時表示，這就是最後一個關於AI的問題？黃明確否定相關疑慮，提出3個重點，強調全球正在經歷場由底層計算架構驅動的歷史性轉折，AI需求並非空轉，而是深具結構性基礎。周三美沙投資論壇上，馬斯克與輝達首席執行官黃仁勳共同出席一場關於人工智慧(AI)小組討論。馬斯克表示，有了AI，但貨幣終有一天會失去意義。電力和物質等資源仍然存在限制。 (五路居1號)