粉丝365.6万获赞7509.5万

我不知道你有没有刷到过有人用苹果电脑在在本地跑这个大模型的新闻,这听上去有点反直觉啊,毕竟一方面字节阿里 花几百亿上千亿买 gpu, 但是另外一方面呢,有人用几千块钱的苹果电脑在本地跑大模型,那所以这个苹果电脑和这个上百亿的 ai 二里中心之间有什么关系呢? 我今天用一条视频,几个数据来给大家解释清楚。首先要搞清楚大模型上的一个基本概念叫做参数啊,英文叫 parameters 啊,它的这个单位呢,是 b 就是 实 e, 嗯,基本上就是说参数越大,你的大模型推理能力越强,越聪明。后来你的问题回答的越好,但是反过来呢,它对于这个算力,对于这硬件的要求肯定就越高,很好理解。 那市面上比较常见的几个开源大模型啊,其中国内的这个阿里的千问 q 问三啊,它的总餐数量是二百三十五币,然后 deep sea v 三和 v 四呢,分别是六百七十一币和一点六 t 币,就是一千六百币, 然后 matta 的 这个拉玛三和拉玛四分别是四百零五币和四百币,那其中这个千问和这个拉玛三分别都有这个适合本进化部署的这个七十币 的这么一个方案啊。然后这些参数量的大模型需要什么样的算力呢?其实很简单啊,原生进度下,一币的参数量需要两 gb 的 内存。那现在还有个叫量化模型,它是压缩后的一币的参数呢,大概对应零点五 gb 的 内存。 所以说一个比较经典的七十 gb 的 这个本计划部署方案,那它大概就需要四十 gb 到一百四十 gb 的 这个内存的空间。然后说到开头的这个问题啊,那个苹果电脑不是几千块钱,咱们常用的 macbook 或者 macbook pro m b p, 他用的呢是零售界的这个算力的顶,他用的呢是这个我们能买了算力服务的天花板 max studio 五一二 gb, 这个美国售价是税前一万四千美金,然后在国内大概是十二万元人民币的这个样子, 他的内存就是我刚刚说的五百一十二 gb, 他 是能用来跑一个七十 b 的 这个大模型方案的,然后他的每秒十五个头寸左右。 如果你嫌这个十二万元人民币的这个方案慢啊,那你就可以考虑一个企业级的方案,一个 mv 的 b 两百八卡服务器啊,它的内存呢,就是单张的 b 两百,它是有六点 hbm 三 e 啊,内存它是三十二 gb 乘以六是有一百九十二个 gb, 然后八卡服务器里面是八张这个 b 两百的卡,所以说超过了一千五百 gb 的 这个显卡内存啊,用来部署这个七十 b 的 大模型,或者说 dspv 三六百七十一 b 都是可以满足的啊,它的这个速度也可以超过每秒一千五百 tokens, 用来同时满足多人,这个问答也都是可以。那它的价格呢?单张币两百是四万美金和人民币大概三十万,然后一个巴卡的服务器呢,是超过,加上各种物料是超过了二百五十万人民币, 大概是二百五十万到二百八十万人民币左右。如果你觉得这个 b 两百八卡服务器还不够满足啊,咱们的企业化诉求,那你就需要 mv 的 最全透产品啊,最明星的史上最强的一个 g b 两百 mv 七二机柜, 由七十二张 b 两百加上三十六张的这个 g c p u 组成,通过非常贵这个 mv link 连接在一起,它的单一售价呢,是超过了两千五百万元人民币。 他的显存是多少呢?是超过了十三 t 币。不管是你用来部署一点六 t 的 这个 d p c v 四,还是任何的这个大模型,都是可以每秒轻轻松松跑到四千 token 以上啊,足够满足你的需求了。 那根据上面这个几个数字来看哈,普通人想买到零售端的算力解决方案,是不可能用来实现大模型的本地化服务的啊。咱们还是老老实实去买三十美金一个月的定月化服务吧。 死了这条心了,评论区告诉我,你还想了解哪一些 ai 数据啊?下一条我继续做。

你有没有想过一个问题, ai 再聪明,它能帮你把碗洗了吗?它能帮你把地拖了吗?它能帮你把快递送到家门口吗?不能,因为它只活在屏幕里。但就在今年,全世界的科技巨头都在抢同一个赛道,让 ai 走出屏幕,走进真实世界。英伟达黄仁勋在二零二六年 c e s。 上放了一句狠话, 物理 ai 将成为下一波人工智能浪潮的中心,每一家工厂都将变成机器人公司。到二零三零年,全球物理 ai 市场规模预计将超过三千八百亿美元。今天不讲投资,只翻开历史的档案,你会发现,这一幕其实已经演过三遍了。先把这事说清楚。 我们熟悉的 ai 温馨一言叫生成式 ai。 它们活在数字世界里,会聊天、会写文章、会画画,但它们的全部能力范围是一块屏幕。物理 ai 不 一样,它有身体,它能看、能听、能摸、能走、能干。 举个例子,你告诉一台搭载了物理 ai 的 机器人,把桌上那个蓝色杯子拿给我,他要自己找到杯子,判断距离,控制手臂抓握,避开桌上的其他东西,然后稳稳递到你手里。 这每一个动作背后,都是 ai。 在 真实物理世界里做实时计算,它的核心底座叫世界模型,说白了,就是让 ai 理解真实世界的物理规律。重力是什么?摩擦力是什么?光是怎么反射的?英伟达为此专门开发了一个叫 cosmos 的 平台,给 ai 喂了两千万小时的现实视频, 让它像一个婴儿一样重新认识这个世界。苹果会从树上掉下来,水会往低处流,推一个东西,它会动。 如果说生成式 ai 是 大脑物理 ai 就是 大脑加身体,它不再是聊天的工具,它是干活的劳动力。翻开历史的档案,你会发现,每一次技术革命的真正爆发,都不是因为技术本身有多聪明, 而是因为它从虚拟走向了实体。第二波,康波蒸汽机时代蒸汽机最早是干嘛的?抽水,它被关在矿井里只干一件事。 但当瓦特改良了蒸汽机,把他从矿井里拉出来,装上轮子,装上船桨,装进工厂,他才真正改变了世界。蒸汽机走出矿井的那一刻,工业革命才正式起飞。不是蒸汽机改变了世界,是走出矿井这四个字改变了世界。第三波,康波电力时代电力最早是干嘛的? 爱迪生的灯泡让夜晚变亮,但当电力从灯泡里走出来,驱动了流水线,驱动了起重机,驱动了整座城市的交通系统, 他才真正重塑了人类文明。电力走出灯泡的那一刻,现代城市才成为可能。不是电力改变了世界,是走出灯泡这四个字改变了世界。第 五波,康波互联网时代互联网最早是干嘛的?发邮件、看网页,他活在电脑屏幕里。但当互联网从屏幕里走出来,走进你的手机,走进你的汽车,走进你的冰箱和门锁,他才真正变成了水电一样的基础设施。互联网走出屏幕的那一刻,移动互联网浪潮才正式爆发。 不是互联网改变了世界,是走出屏幕这四个字改变了世界。现在, ai 正在经历同样的时刻,它正在从屏幕里走出来,走进工厂,走进仓库,走进你的客厅和厨房。物理 ai 就是 那个走出屏幕的时刻。翻开今天的产业版图,物理 ai 已经不再是实验室里的概念, 制造业是第一个战场。二零二五年至今,巨深智能人形机器人在汽车制造、物流、仓储等场景开始商业化试水。工厂里的机器人不再是过去那种只能重复一个动作的机械臂,而是能看、能判断、能自主调整操作的智能工人。 波士顿动力、特斯拉、擎天柱、 u b 选沃克,这些名字你可能听过,他们正在从新闻标题走进真实车间。 全球工业机器人巨头安川电机和发纳科的财报预测,二零二六年将是 ai 驱动机器人订单的爆发源点。医疗是第二个战场,物理 ai 被应用于脑卒中、冠心病等疾病的手术模拟中,帮助医生进行术前规划。 据国家药监局医疗器械技术审评中心报告,已有超过十款 ai 辅助手术规划系统进入临床试验或创新审批通道。未来,手术台上不再只有外科医生的手,还有 ai 的 眼睛。 最接近普通人的是家务机器人。叠衣服、洗盘子、收拾房间,这些对人类来说简单的不能再简单的事,对传统机器人来说难如登天。今天,物理 ai 正在攻克这些日产任务。黄仁勋预测的未来是,每一家工厂都是机器人公司,每一个家庭都有一台家务机器人。和前三次工业革命一样, 物理 ai 正在从技术演示阶段跨入规模落地阶段。讲完这些,我不想给你什么投资建议,我只想让你记住一个画面,蒸汽机刚被发明的时候,没有人想到他会拉着火车横跨整个大陆电力刚走进工厂的时候,没有人想到他会催生出流水线和现代城市 互联网。刚走出屏幕的时候,没有人想到他会变成每个人口袋里的一台超级计算机。每一次技术革命的真正爆发,都不是因为他更聪明,而是因为他从虚拟走到了现实。 而每一次走出屏幕的那一刻,都会重塑全世界的产业版图,以及那个版图上每一个普通人的人生轨迹。历史不会重复细节,但他会重复规律, 而这一轮规律已经演到第三章了。本期波动是历史给的考题,长期方向是周期给的答案。关注杰哥,下期我们翻开历史的档案,看看每一次技术走出屏幕之后,普通人是怎么在新产业的版图上找到自己的位置的。

上期我们挖透了半导体行业的前世今生,结尾留了个大家最关心的问题,最近市场上热度很高的 ai 芯片,到底是能改变产业格局的真实需求,还是资本吹出来的概念泡沫? 今天就用最新的行业数据和底层逻辑给大家讲的明明白白,看完再也不会被热点带偏。首先要搞懂 ai 芯片到底是什么,在聊真假之前,先花一分钟搞懂 ai 芯片的本质。 普通芯片就像家里的通用计算器,什么都能算,但速度慢。而 ai 芯片是专门为大模型训练和推理设计的超级计算器,处理海量数据的速度是普通芯片的上百倍。简单说,没有 ai 芯片, chat、 gpt、 ai 绘画、自动驾驶这些东西根本跑不起来。它主要分三类, g p u 是 现在的主力,还有 a s i c。 专用芯片和 f p g a。 可编程芯片,各自适配不同的 ai 场景。其次有三个铁证 可以证明 ai 芯片的需求是真实的。第一个铁证是全球科技巨头的资本开支,不会骗人。 i d c。 最新数据显示,二零二六年,全球四大云厂商的 ai 基础设施投入预计同比增长百分之七十,达到六千亿美元。 微软、谷歌、亚马逊这些公司不是在买 ai 芯片,就是在扩建 ai 数据中心。 如果是伪需求,没有哪家公司会拿几千亿开玩笑。而且这种投入不是一次性的,是未来三到五年的长期趋势。第二个铁证是产业链的订单已经爆了。我们上期提到过, 海外光模块巨头的订单已经排到了二零二八年,而 ai 芯片的核心配套 hbm 高宽带内存需求更是爆炸式增长。数据显示,一台 ai 服务器对 hbm 的 需求量是普通服务器的八倍。 二零二六年,全球 hbm 市场规模预计增长百分之五十八,但就算所有厂商开足马力产能,也只能满足约百分之六十的市场需求,这直接导致今年一季度 hbm 价格暴涨了百分之九十以上。 第三个铁证是,龙头企业的业绩已经开始兑现。二零二六年一季度,全球存储芯片巨头三星的半导体业务利润同比暴涨了百分之七百以上,主要就是靠 ai 相关的存储芯片。国内相关的产业链企业营收和利润也出现了明显增长。 这些都是实实在在的财报数据,不是靠讲故事吹出来的。 godzilla 预测,二零二六年, ai 半导体将占全球半导体总营收的百分之三十,成为行业第一增长引擎。 但我们也要警惕,有些都是 ai 芯片的伪概念泡沫。第一种,蹭热点,改名换姓。真实需求不代表没有泡沫。现在市场上确实有很多浑水摸鱼的伪概念公司, 最常见的就是蹭热点改名。有些公司原来做的是完全不相关的业务,看到 ai 芯片火了,就把公司名字改成带 ai 算力芯片的字样,或者发个公告说要投资几百万搞 ai 芯片,股价就跟着暴涨。 实际上他们根本没有相关的技术和团队,纯粹是为了炒股价。第二种, ppt 造芯片,只发布不量产。有些公司开发部会吹得天花乱坠,说自己的芯片性能吊打国际巨头,参数比英伟达还高,但开完发布会就没下文了, 既没有量产能力,也没有真实的客户订单,更没有对应的营收数据。 ai 芯片的研发成本动辄几十亿,流片一次就要几千万,没有持续的投入和技术积累,根本不可能做出能用的产品。 第三种,买 ip 拼凑,号称自主研发。这种方式更隐蔽,就是买海外的 ip 授权拼拼凑凑就说是自主研发的 ai 芯片,这种交钥匙工程, 五个人五千万,五个月就能搞出一款所谓的全功能 gpu, 但实际上核心技术还是掌握在别人手里,一旦海外断工,立刻就会停摆。而且这种拼凑出来的芯片性能和稳定性都很差,根本没法用在大模型训练上。 因此我们更要理性看待。那普通投资者怎么区分真龙头和伪题材呢?记住三个简单的标准,第一看有没有核心技术专利,真正的 ai 芯片公司一定有大量的自主知识产权。第二 看有没有量产能力和真实的客户订单,能拿出具体的交付数据。第三看研发投入占比, ai 芯片是高研发行业,研发投入低于营收百分之二十的公司基本不用看。 同时也要清醒认识到, ai 芯片行业的风险也很大。首先是技术迭代太快,产品生命周期从原来的三到五年缩短到了二到三年,一旦技术路线选错,之前的投入就可能打水漂。 其次是强周期属性,现在需求好的时候量价齐升,一旦未来产能过剩,价格就会血崩。还有就是估值泡沫,现在很多相关公司的股价涨幅已经远远超过了业绩增速,短期波动会非常大。 总结来说, ai 芯片的底层需求是真实的,它正在改变整个科技产业的格局,但市场上也确实存在大量的伪概念泡沫。投资一定要看基本面,不要盲目追热点。你觉得 ai 芯片行业接下来会怎么走? 评论区聊聊你的看法。下一期我们继续挖 ai 算力的下一个核心环节,光模块。它为什么被称为 ai 时代的卖水源?关注我,咱们下期见。

ai 芯片教父,在全球 ai 算力的浪潮之巅,黄仁勋焉曾乎啊,是无可争议的 ai 芯片教父。这位美籍华人企业家,以超凡的技术远见与坚韧的创业精神, 缔造了英伟达 nvd 帝国,为人工智能时代砥定了核心算力基石。一九六三年,黄仁勋出生于中国台湾, 九岁移居美国,童年的磨砺,塑造了他坚韧不拔的性格。一九九三年,三十岁的黄仁勋在生日当天与两位伙伴创立英伟达,启动资金仅四万美元。创业初期历经坎坷, 他力排众议,专注于图形处理器、 gpu 研发。一九九九年,英伟达发布 gforce 两百五十六,首次提出 gpu 概念, 彻底改变了计算机图形处理格局。真正颠覆 ai 时代根基的,是二零零六年黄仁勋主导推出的 cuda 架构。这一创新让 gpu 从单纯的图形工具,蜕变为高效的通用并行计算平台。 当时无人看好的技术,如今成为全球 ai 研发的核心底座,支撑起 chip、 gpt 等大模型的训练与推理。从游戏、显卡到 ai 算力核心,黄仁勋带领英美达完成了华丽转身。如今英美达市值稳居全球前列, gpu 垄断全球 ai 新锐市场, cuda 生态汇聚数百万开发者。黄仁勋也因推动 ai 革命的卓越贡献, 当选美国工程院院长,是成为科技界的传奇人物。从硅谷创业少年到 ai 芯片教父,黄仁勋用三十年坚守正名,真正的勇进,能穿越周期,定义时代。

两年时间涨了一千四百倍,不是股价,而是 token。 什么是 token? 你 每次问大模型一个问题,背后消耗的就是 token。 简单说, token 是 ai 干活的计量单位,就像打电话按分钟算, ai 按 token 算。二零二四年初,中国每天消耗的 token 是 一千亿,到今年三月,这个数字变成了一百四十万亿。 两年一千四百倍什么概念?相当于你从每天发几条微信,变成了每天往外发几十亿本书。这个信号, 运营商第一个嗅到了。中国电信推出了星辰 token hub, 中国移动搞了 moma, 两家干的是同一件事,把算力打包成 token 包, 像当年卖流量包一样卖给企业和开发者。五月十七号,电信直接上了个九块九的套餐,一块钱能掉二十五万个 token。 你 有没有想起一个很熟悉的画面,当年运营商把贷款做成流量包,几十块钱随便挑。这不是比喻, 这是商业模式的完整复刻。流量那次运营商赚了多少年?现在这条路他们要再走一遍。当 token 开始商品化,谁能在这条产业链上吃肉,谁又能跟着喝汤?今天我直接拆成四条线,给你详细梳理。做 token 聚合运营的, 说白了就是 ai 中间商把几百个模型聚到一起,统一接入,统一结算,企业不用自己挨个去谈一点天下原来是做数字广告的,现在就转型干这个。 这个赛道有点像十年前云计算的入口层,谁先把标准定下来,把接口做好,后来者很难再打第二条 算力。基建加托肯工厂,这个方向上有家公司,名字你绝对想不到,那就是华策影视,他原来做电视剧的, 现在自己买服务器做算力租赁,把自己变成 toc 生产车间。他这条逻辑很直接, toc 要消耗算力,算力要消耗服务器,服务器要消耗电,谁手里有服务器有算力,谁就能在 toc 需求暴涨的时候变现,从内容公司变成算力公司。华策走的这条路, 有点像当年视频网站买 cdn, 最后直接做云的路径。第三条,数字营销加 ai 应用落地 三人行原来是广告公司,现在布局的方向是算力和 ai 应用,他干的事就是帮品牌把 ai 嵌进去,不管是 ai g c 出图、 ai 写文案、 ai 接客服,消耗的都是 token 需求端越热他越忙, token 用量跟他的收入是正相关的。 第四条, ai 应用生态。这里可以重点关注下昆仑万维,但他的逻辑跟前面三条不太一样,他不是卖铲子的, 他是直接拿铲子挖矿的。昆仑万维旗下天宫大模型和 oppo 浏览器全是 took 的 直接消耗方,大模型调用量越大, took 经济的盘子越大。在这四条线里,他是离终端用户最近。 当然,运营商本身才是这个局里绕不开的角色,电信和移动手里捏着云网、算力三张牌,天然就是做 took 平台的,平台的基础设施九块九的套餐只是个影子。他们要当的是 ai 时代的流量运营商。现在 需求端在爆发,运营层在进场, tucker 产业链正在从概念变成收入。当年运营商靠流量包,把上网从奢侈品干成了自来水, 这一次他们要把调用算力做成同样的事。流量时代,运营商赚了一代人的钱, tucker 时代他们还会这么干?而站在这条链子上的公司,正在卡住 ai 时代最关键的收费站。

最近, b 圈投资人孙雨辰提出了一个非常鲜明的观点,他说虚拟 ai 的 红利期已经结束,未来三年物理 ai 将是科技领域唯一的主线。这句话在科技和投资圈引发了不小的讨论。 今天我们就抛开情绪,从产业逻辑的角度客观分析一下这个判断背后的含金量,以及他对我们普通人意味着什么。首先,孙雨辰对技术趋势的捕捉确实有其敏感之处。他所说的物理 ai, 在 学术界和工业界其实有一个更专业的名字叫聚深智能, 但它的定义范围其实更广,不仅包含机器人,还包含了无人机、空间计算等能真正介入现实世界的方向。我们可以把现在的 ai 发展分为两个阶段。第一阶段是虚拟 ai, 也就是我们熟悉的 chat、 gpt、 sora 这类大模型,它们擅长处理文字、图像这些数字符号, 就像一位博学的文科生,能写诗作画。但他们并不理解真实世界的物理规律,比如他不知道杯子掉在地上会碎,也不知道推一个箱子需要克服多大的摩擦力。单纯在屏幕上聊天生成内容的商业模式已经极度内卷, 资本急需寻找能创造实体生产力的新出口。而孙雨辰强调的物理 ai, 就是 让 ai 从文科生进化成理工科,他不仅要会思考,更要能行动。他需要通过激光雷达、触觉传感器等硬件去感知世界,理解重力、惯性、因果关系, 然后控制机器人本体在工厂装配零件,在家里做家务,甚至指挥无人机在低空完成配送任务。简单说就是让 ai 真正走出屏幕,拥有身体去创造真实的生产力。这个方向并不是孙雨辰一个人的判断,而是全球科技巨头的共识。 英伟达 ceo 黄仁勋在二零二六年的 c e s 展上就明确提出,物理 ai 的 chat gpt 时刻已经到来,并发布了基于超两千万小时真实数据训练的 cosmos 物理 ai 模型, 特斯拉的 optimus 人形机器人、谷歌的 gini 世界模型全都在压住这个赛道。这说明 ai 从虚拟走向实体已经是不可逆转的产业趋势。但是我们在认可这个大方向的同时,也必须保持一份清醒的认知。第一,物理 ai 的 落地难度远超虚拟 ai。 训练一个大语言模型只需要抓取互联网上的文本数据,但训练一个物理 ai 需要让机器人在真实或高度仿真的环境中进行海量试错,收集它与物理世界交互的数据,这个过程成本极高,而且对安全性的要求尤为苛刻。虚拟 ai 说错一句话可能只是闹个笑话, 但物理 ai 的 一个错误动作就可能造成设备损坏甚至人身伤害,所以它的商业化进程会比很多人预想的要慢。第二, 当一个前沿概念成为市场焦点时,必然会出现大量蹭热点的现象。孙雨辰的观点被广泛传播后,市场上很多公司都开始往物理 ai 这个概念上靠拢,但我们需要分辨哪些是真正具备核心技术的公司,哪些只是披了一层概念的外衣。真正的物理 ai 产业链核心在于三大环节, 一是能让机器人动起来的精密硬件,比如三花智控做的机器人关节总成,还有绿的斜坡提供的精密减速器,这些都是机器人的肌肉。二是能让机器人学会干活的仿真训练平台,也就是机器人的虚拟驾校。 像锁辰科技利用生成式物理 ai 技术打造的高保真波物理场,仿真环境就是给物理 ai 提供底层验证底座的关键。 三是作为眼睛的感知系统,比如奥比中光的三 d 视觉技术,让机器人能精准识别空间距离和障碍物。只有在这三个环节有深厚积累的企业,才更有可能在这场变更中盛出。总而言之,孙宇辰的观点可以看作是二零二六年科技产业的一个重要风向标。他清晰地指出了 ai 发展的下一个浪潮, 就是从数字虚拟迈向物理实体。对于咱们普通人来说,这意味着在未来几年,我们会看到越来越多能干活的机器人走进工厂,甚至进入家庭,这是一个充满想象力的未来。但对于投资者而言,面对纷繁复杂的概念,更需要擦亮眼睛,穿透营销话术。 要注意区分哪些是真正在车间里解决物理难题的硬科技公司,哪些只是借着概念发行虚拟资产的金融玩法, 去关注那些真正解决物理世界难题,拥有硬核技术和落地场景的公司。那么在你看来,未来第一个走进你家的物理 ai, 会是帮你做饭的机器人,还是给你送快递的无人机?欢迎在评论区留下你的看法。

姐妹们,二零二六年一定要关注物理 ai, 很多人听到 ai 科技总觉得离自己很远,其实他早就渗透了我们的生活方方面面,物理 ai 才是真正能够改变我们生活日常的一个机遇跟核心。我们平时接触到普通的这种 ai, 本质上只是依靠海量数据去模仿生成,但没有现实的逻辑, 不懂生活里面的真实的规律,很多时候看着很智能,其实不实用。而物理 ai, 它是遵循世界底层规律的运行的人工智能,懂运动,懂力度,懂 温度,多安全,一切都是贴合实际,不再是悬浮在这种虚拟概念。放在我们日常的生活家居中,他感受非常的明显,未来的家政机器动作稳健有分寸,做家务、照顾老人啊,都很细致又稳妥, 不用再担心什么磕碰碰失误。日常出行车辆的智能驾驶会更懂得路况的变化,雨天啊,下雨天啊,下雪啊,都会稳定的把控你的出行,更安全极致的。这种天气季节的冷暖变化都会被精准的预判。家里面各种智能家电也是非常贴合人体的需求, 舒适又简单。对于我们这个年龄来说,健康永远是一大头事,而物理,它可以精确判断人体的身体状况跟血流,关键受力、 身体的代谢都是能用科学来分析出来的,不管是自身的保养调理,还是照顾家人健康,都是可以给的很专业更精准的参考,守护全家的健康。更重要的是,这背后藏着全新的时代机遇。接下来的 智能家居、养老服务、健康养生、生活服务行业都会被物理 ai 全面的革新,整个赛道升级,会诞生大量新的赚钱机会。我们深耕的家庭懂生活、懂需求,要看懂这波趋势、趋势布局,不管是拓展副业还是深耕自己的领域,都要先人一步,抓住红利。 普通的 ai, 它只停留在虚拟的表面,但物理 ai, 它是真正落地在现实富人生活的一个智能,它不只是一场科技的变更,它更是生活品质的提升,是普通人抓住风口提升自己的绝佳机会。眼光放长远一点,看懂物理 ai, 我 们就看懂二零二六年生活走向和财富风口。

提米闷声干了一件大事,把 ai 从只会聊天变成了会自己上网干活的员工。他们发布的 web bridge 扩展,让 agent 像真人一样操作浏览器、搜信息塞,结果做 excel 一 气呵成,你只给一句话命令, 剩下的它全包,还能无缝接入 cloud、 code、 cursor 等编码工具。这不是概念,是已经能用的扩展。如果你有一个能替你上网干活的 ai, 第一个任务你会派它做什么?评论区告诉我你的脑洞,关注我,带你打破更多信息塔!

二零二六年五月八日,工信部等三部门联合发布了中国首个 ai 硬件分级标准 g b z。 幺七七,二零二六,人工智能终端智能化分级,把 ai 终端从 l 一 到 l 四分成了四个等级,覆盖手机、电脑、电视、眼镜等七大品类。 消息一出,很多人觉得终于不用被厂商的 ai 手机、 ai 电脑这些概念糊弄了,有了官方标准可以参考, 想法很美好,但你可能不知道的是,这个标准和我们想的可能不太一样。说白了,他的核心就有一句话,给了定义,但没有给牙齿。 为啥这么说?我们来盘一盘。首先,他是国标,但不是强制性的。很多人一听国标,觉得那就是法律啊,不知行就是违法。 那在中国的标准体系里,国家标准其实分三种, g b 是 强制性,不执行确实违法, g b t 是 推荐性鼓励但不管。而 g b z 是 最软的那一档,指导性技术文件,完全自愿,爱用不用。 而这次发布的人工智能终端智能化分级,正好就是第三种。这意味着什么?意味着这个分级标准厂商完全可以不理。某手机品牌明天发新闻稿说自己达到 l 四旗舰水平,不需要经过任何人点头,自己说了就能算。 就算厂商愿意配合,但谁来定这个等级,谁来监督?谁来给消费者一个交代?这就是第二个问题了。我翻遍了所有相关的报道和文件,没有找到任何关于第三方认证机制的说明。一款 ai 手机怎么就算 l 二,而不是 l 一 是厂商自己报,还是有指定的检测机构?送检流程是啥?认证结果消费者去哪查三个?没有?没有检测机构说明,没有认证流程记录,没有公开可查的验证体系,没有第三方背书的分级,本质上就是厂商自己给自己贴标签, 就像保健品包装上印着荣获国际天然有机认证,然后你发现这个认证机构就是他们家自己开的。 那第三个问题,这个标准只管本地,管不了云端。他的全称叫人工智能终端智能化分级,核心关注的是设备的端测能力、感知、认知、执行、记忆、学习。这五个维度 听起来很专业,但问题在于,今天一款 ai 手机真正强大的地方恰恰不在手机本地,而在云端的大模型。你的手机端测能力可能只有 l 二,但它调用的云端模型可能是 gbt 五级别的,这个标准管不着。 更典型的例子是 ai 眼镜和智能音箱。你买的产品标志 l 三感觉挺厉害,但它的对话能力、内容深层能力,全是调用的云端 api, 这些软实力在端侧分级里怎么体现?标准也没说,只管本地,不管云端,这是这个标准架构上的根本性盲区。 那再往下看,最高等级 l 四问题更大。 l 一 响应级, l 二工具级, l 三辅助级。这三级的定义还算清楚,但到了 l 四协调级标准,自己的原话是暂未完全锁死定义,等产业发展成熟在完善最高等级的标准自己都不知道要定义啥, 那未来一到两年,所有厂商的旗舰产品都可以往 l 四上去靠,反正标准没锁死,消费者也无从核实。还有一个现实问题,外资品牌会买账吗?苹果、三星、索尼这些在中国卖了无数设备的外资品牌,会主动送册拿这个 l 等级认证吗? 回顾一下历史,中国推荐性标准在外资品牌那往往是被选择性忽视的。苹果从来不标中国 ai, 国标 lg, 消费者也照买不误。如果外资品牌不参与,那这个分级体系对消费者来说就只剩下半壁江山了。买国产能看等级,买外资还得靠盲猜。 最后,我们把它和欧盟的人工智能法案放在一起对比一下,欧盟的 ai x 是 真正有牙齿的风险分级,强制合规,最高处罚可以到全球营业额的百分之七或者三千五百万欧元,不符合标准的罚款罚到你肉疼,公开点名,企业信誉扫地。 而我们的 g b z 幺七七呢?不执行也不违法,顶多就是厂商不好意思吹的太狠,一个靠法律,一个靠自觉,完全不是同一个维度的竞争。 所以这个标准到底有没有意义,客观说,它也不是完全没意义,它至少做了一件重要的事,给什么是 ai 终端下了个定义,在万物皆可 ai, 处处都是 ai, 手机的概念泛滥时代,有一份官方文件说清楚 l 一 到 l 四分别代表什么, 这对行业讨论和消费者认知是有参考价值的。框架有了,起点有了,但它的意义大概也就到这里了,剩下的执行、认证、监督、强制力全都没有。 这是一个先占坑再说的起步动作,而不是一个能真正改变市场的制度设计。那回到咱们消费者,我们该怎么办?看到 l 一 到 l 四,别急着冲,在有第三方验证机制、有强制性认证体系、有可查的公开数据库之前,这个分级更多是参考,不是结论。 一款 l 二的 ai 手机可能比某款 l 三的实际体验更好。看等级不如看实测,看广告不如看口碑。中国 ai 产业已经走在了世界的前沿,但在 ai 治理标准的硬度上,我们还有很长的路要走。 人工智能终端智能化分级是一个开始,但距离真正能保护消费者、能约束厂商行为的成熟标准体系,中间大概还隔着十个 gb 强制标准。希望下一次我们不只是有标准,而是标准真的管用。 那你对 ai 终端分级怎么看?欢迎评论区聊聊,我是小朱,点赞关注,一起看懂 ai 时代规则,下期再见!