百家乐平台 (中国）有限公司官网

OpenAI正在通過投資構建自己的AI版圖。2023年2月，當OpenAI Startup Fund以未披露金額投資開源數據庫公司EdgeDB時，幾乎沒有媒體關注這筆交易。然而一年后，這家公司的圖關系數據庫技術已成為GPT-4訓練數據管理的核心工具——這正是OpenAI Startup Fund的典型打法：用小額資本綁定關鍵節點，重構AI技術棧的底層規則。 這是這家通用大模型公司在2021年推出的基金。根據第三方數據機構PitchBook、Crunchbase等披露的數據，OpenAI Startup Fund的初期規模約1.75億美元的基金，此后又通過5個獨立SPV（特殊目的工具）額外募集約1.14億美元，累計管理資產接近3億美元。在動輒募集數十億美元的主流風投基金里，OpenAI Startup Fund的募資額無論是3億美元還是1.75億美元都不算大，甚至不如某些獨角獸公司的單輪融資額。不過，OpenAI的金字招牌，賦予了這支“小基金”非凡的意義。雖然賬面資金不多，但它能撬動的資源不可小覷，其對于OpenAI及其背后的金主來說，更是重塑全球AI產業這盤大棋中的重要一子。一、“入口”爭奪戰OpenAI Startup Fund官網中提到，這只基金的成立是基于一個信念——強大的AI系統將引發新產品、服務和應用的“寒武紀大爆發”，我們相信，那些最具持久影響的公司會利用新興AI能力徹底變革現有市場并創造全新市場，而不僅僅是增強現有可能性。OpenAI Startup Fund承諾將會在早期投資少數推動AI正向影響世界并深刻改變人類生活的初創公司。過去三年中，這支基金投資了超過20家AI初創公司，覆蓋從醫療記錄（例如，Ambience Healthcare）、芯片設計（例如，Atomic Semi）到法律科技（例如，Harvey AI）的完整生態鏈。表 OpenAI Startup Fund投資企業整理：旗艦“醫療健康、法律、教育、能源與基礎設施、科學”被OpenAI Startup Fund認為是人工智能可能帶來變革性影響的領域，同時也是人類社會中最有潛力賺錢的賽道。在互聯網時代，要搶占賺錢的賽道，首先要搶占流量入口，做平臺化布局。雖然，在未來的AI時代中，商業模式很可能從“平臺經濟”升級為“大模型經濟”，但在短期內，商業化布局對于流量入口的需求暫時不會減弱。對于OpenAI來說亦是如此，所以關注垂直應用的OpenAI Startup Fund也就應運而生了。事實上，自從OpenAI的成功被世界認可，很多模型能力不及OpenAI的AI公司就開始把自己的競爭策略轉型細分市場，將核心競爭力定位在垂直領域。希望通過專有模型和產品能力，控制細分領域入口，從而保護原有的市場份額不被OpenAI的通用大模型蠶食。不過，OpenAI并不急于在細分領域去爭搶搬運工的角色。早在GPT-3時代，OpenAI就已經把自己定位在了“賣水人”的角色，以API為核心產品和服務。然而，在競爭激烈，山頭林立的AI大模型市場上，想要賣水的人太多了。要怎樣才能保住自己的獨家供貨的地位呢？最好的辦法，就是多開幾家“接水管”的公司。畢竟，要在每個細分領域都做出像ChatGPT一樣的好產品，絕非易事。雖然近兩年OpenAI融資頗多，但公司畢竟尚在成長期，且要面對AI市場巨大的競爭壓力，很難在細分領域市場過多分心。所以，通過OpenAI Startup Fund投資細分領域的初創公司，培養垂直領域“技術代理人”，就成了OpenAI未來商業化布局的關鍵。此外，被投企業產生的領域數據（如Ambience的醫療對話、Harvey的法律合同）還能對OpenAI形成垂直場景數據反哺，形成“模型賦能應用→應用產生數據→數據優化模型”的閉環。當垂直領域AI應用對OpenAI形成基礎模型依賴，硬件廠商適配其算力需求，開發者生態形成路徑依賴時，OpenAI便實現了對整個產業的三重鎖定。技術標準鎖定：被投企業的產品設計深度耦合GPT接口規范。數據流動鎖定：應用層產生的行業數據反哺模型訓練，形成數據壟斷。資本網絡鎖定：投資者利益與OpenAI生態深度綁定，形成護城河。在AI大模型不斷進化的未來，這種技術+資本+數據的復合杠桿，將使OpenAI更容易掌控全球AI產業的權力格局。二、小資金撬動大布局OpenAI Startup Fund傾向于投資種子輪到B輪的早期公司，這既是他們資金規模不大的因，也是果。資金規模適中迫使團隊更嚴格篩選項目，制定“少而精”“小而美”的投資策略。一方面要找到與OpenAI技術路線（法律、醫療、教育）協同的項目，另一方面也要求項目能在有限資金的前提下快速驗證，找到剛需賽道。投的少，遇到了風險損失自然也小一些。畢竟初創公司很難保證成功，OpenAI Startup Fund曾投資500萬美元的自動駕駛公司Ghost Autonomy就僅維持了一年就宣告失敗了。投資單筆金額集中在百萬至千萬美元級別（如Anysphere種子輪800萬美元），這也在一定程度上避免了撒網式投資導致的資源稀釋。同時，這支基金還通過設立五支特殊目的載體（SPV），針對不同領域（如機器人、醫療）定制投資策略，既分散風險，又能精準捕捉細分賽道機會。雖然OpenAI的這支創投基金規模不大，但打上OpenAI的標簽后，通過技術綁定協議和生態收益分層，就很可能實現1美元當10美元、100美元花的“奇跡”。首先，這支基金的出資者大多是來自OpenAI合作伙伴的外部注資，而非OpenAI自有資金，既避免消耗母公司研發資源，又能通過多方利益綁定構建開放生態。這也使OpenAI在其中能夠掌握的“技術話語權”更大，在一定意義上實現了“技術證券化”。OpenAI Startup Fund成立后的首期孵化營Converg就承諾會給企業提供“早期訪問OpenAI模型和專為AI公司定制的編程資源”。其次，初創公司還能獲得OpenAI合作伙伴的資源加持。例如微軟Azure云服務資源和微軟生態的銷售渠道，或者是OpenAI與軟銀共同成立的SB OpenAI Japan，該合資公司計劃每年投入30億美元整合AI能力至軟銀旗下企業（如Arm、PayPay），并計劃在日本建設數據中心。而OpenAI Startup Fund的被投企業，很可能有機會與他們的日本“金主”深度合作，以更低的成本，借助軟銀的本地化資源（政府關系、企業客戶）快速打開亞洲市場，形成對Anthropic、DeepSeek的區域性壓制。最后，這支基金還為OpenAI未來的發展路徑做出了一些防御性的布局，比如芯片公司Atomic Semi。這家公司專注于簡化傳統芯片制造流程，目標是將原型開發時間從數月縮短至數小時。2023年Atomic Semi獲得OpenAI Startup Fund投資的1500萬美元。雖然只有1500萬美元，卻很可能在未來發揮重大作用。一直以來，OpenAI的模型訓練和推理高度依賴英偉達的CUDA軟件生態和高性能GPU（如H100、B200）。OpenAI和整個產業都明白這一點，無論是自研芯片還是投資Atomic Semi都很難克服性能、成本、生態三重壁壘，即便是實現部分替代也至少需5-10年。在此期間，OpenAI仍將深度依賴英偉達。不過，投資Atomic Semi對于OpenAI來說，仍可以在一定程度上對沖英偉達的算力壟斷風險，并很可能在未來幫助他們降低對臺積電等供應鏈的依賴，為AGI時代儲備產能，增強OpenAI對英偉達的長期議價能力。三、“三條腿”走路的賺錢模式OpenAI Startup Fund還有一個更重要的功能，它或許可以幫助正在轉型成營利公司的OpenAI在未來建立更全面綜合的三級收益體系，將小資金轉化為產業鏈全環節的價值“捕手”。一級收益，股權增值的財務回報：在OpenAI Startup Fund投資的眾多公司中，不乏表現優異的公司。其中，Harvey AI就十分突出，這是一家法律領域的AI技術公司，2024年該公司的ARR（Annual Recurring Revenue，年度經常性收入）超過5000萬美元，而2024年下半年到2025年初的ARR超過1億美元，覆蓋了42個國家235家客戶，包括大部分美國十大律師事務所。Harvey AI在2025年初剛剛宣布完成紅杉美國領投的 D 輪 3 億美元融資，估值超 30億美元，比2024年7月翻了兩倍。作為早期投資者，OpenAI Startup Fund在這筆交易中自然也是賺的盆滿缽滿。二級收益，API生態穩定收入：雖然OpenAI的基金和孵化器會在初創階段給被投企業提供先進的AI使用權和低價的API接口，但長期來看，API成本會成為這些企業的穩定的運營成本之一，這也為OpenAI帶來了長期穩定的生意。舉個例子便能直觀感受這門生意的穩賺不賠。口語學習應用Speak在2024年底宣布完成了7800萬美金的C輪融資，估值10億美元。截至2024年12月，Speak應用的下載量已超過1000萬次，每位用戶每天的使用時間約為10-20分鐘。Speak韓國版界面，來源：Y CombinatorSpeak的營銷文案中提到過希望用戶能在“20分鐘內說100句話”，按每句話10個tokens計算的話，Speak每天消耗的tokens最多可能達到100億tokens。目前OpenAI的GPT-4o mini語音API定價為10美元輸入100萬tokens，20美元輸出100萬tokens。如此換算下來，Speak在OpenAI的API上勢必會產生相當可觀的開支。三級收益，生態溢價：OpenAI Startup Fund給被投企業提供的優惠API和技術支撐，對于企業來說不僅是福利，也是約束。由于產品從一開始就使用OpenAI的底層模型進行訓練、微調，且很有可能同事綁定微軟Azure云服務。被投企業長期積累的KnowHow、知識庫，也將以模型的形式沉淀下來。未來如果要換AI供應商或者是云服務商，很可能都需要重新訓練、調優，甚至是自己的產品都需要重新開放。考慮到遷移成本，以及可能給產品造成的不確定性影響，被投企業都會被長期綁定在OpenAI的生態中。如今，Harvey AI、Speak、Figure AI等已經快速成長為獨角獸，這些企業在行業中的地位，也進一步鞏固了OpenAI技術在這些行業中的話語權，這也必將在未來成為OpenAI自身估值的生態溢價。2024年10月，OpenAI的估值約1570億美元，而到2025年初OpenAI的估值已經漲到了2600億美元，且很可能在未來12-24個月超過3000億美元。在被DeepSeek圍攻的這兩個月中，OpenAI估值仍快速上漲，或也與其GPT生態的穩步發展有些關系。四、資本的軟肋OpenAI Startup Fund是OpenAI大戰略中一步精巧設計好棋，不僅幫OpenAI鞏固了生態建設，提升了賺錢能力，也在一定程度上幫OpenAI首席執行官Sam Altman個人解決了一些“關聯交易”上的“麻煩”。Sam Altman在2018年通過個人資金參與了芯片公司Rain AI的種子輪融資，投資金額超過 100萬美元。Rain AI宣傳其NPU芯片相比傳統的GPU可以提供潛在的100倍計算能力，并在訓練方面提供10000倍的能效。此后不久，OpenAI就對Rain AI跟進投入，2019年，OpenAI簽署了一份非約束性意向書，承諾在Rain AI的芯片上市后斥資5100萬美元購買其NPU產品，OpenAI對外宣傳，希望通過此類合作緩解對英偉達 GPU的依賴并降低成本。由于彼時Sam Altman已經是OpenAI的首席執行官，所以這次芯片采購，難免被人質疑是“關聯交易”。但如果是OpenAI的基金投資，就不存在關聯交易的問題。不過，OpenAI Startup Fund掛名OpenAI對于初創企業來說，有利有弊。首先，要享受OpenAI帶來的估值助力，就要承擔市場對OpenAI期待的“壓力”。由于被投企業的技術架構深度綁定OpenAI的模型接口，例如編程工具Cursor完全依賴GPT-4生成代碼，其技術路線缺乏自主迭代能力。在當下OpenAI模型研發進展不太樂觀（如GPT-5發布一再延遲）的情況下，生態內企業，很可能因模型能力不及預期而影響未來的產品升級規劃，甚至影響估值。或許是意識到了這一問題，近期曾與OpenAI開展了深度技術合作的機器人公司Figure AI就公開宣布進行戰略轉型：不再依賴合作伙伴關系，而是推行硬件和軟件緊密相連的垂直整合解決方案。Figure AI的機器人產品，來源：Figure AI該公司首席執行官Brett Adcock在接受TechCrunch采訪時強調：像OpenAI這樣的通用AI模型不足以有效擴展“具身AI”。此外，在OpenAI估值快速上漲的紅利下，相關企業的估值和融資中難免積累大量“資本泡沫”。在一些競爭壓力較大的領域，泡沫越大的企業也就越脆弱。Ghost Autonomy就是泡沫過大的例證。2023年的融資中OpenAI Startup Fund給這家公司投資了500萬美元，然而只過了一年該公司就停止了運營，理由是長期盈利能力不確定，并且需要在自主開發和商業化方面進行大量投資。該公司在關停之前，總共進行了八輪融資，籌集了近2.39億美元，估值7億美元。然而這仍不夠其將產品推向市場。目前來看，OpenAI及其創投基金形成的生態合力模式在通用模型企業進行AI生態擴張上被認可的形式。募資快，企業報名踴躍。甚至連競爭對手Anthropic也在“復制”這個戰略。2024年7月，Anthropic宣布與其重要投資者Menlo Ventures聯手設立一項名為“Anthology Fund”的基金，用于投資種子前、種子期和A輪的AI初創公司，基金規模約1億美元。截至2024年底，該基金投資了18家初創公司，覆蓋醫療、企業服務等高合規場景。結合OpenAI綁定微軟Azure云，Anthropic綁定AWS云的生態模式，不難看出，這兩家公司的核心競爭邏輯似乎正在日漸趨同：技術閉環的壁壘價值遠超短期財務回報，規則制定權成為比市場份額更關鍵的勝負手。

最近，市場關注的兩家ASIC企業都發布了自家的財報。博通2025財年第一季度財報顯示，營收149.16億美元，同比增長25%，凈利潤55.03億美元，同比增長315%。其中，第一季度與AI有關的收入同比增長77%至41億美元。Marvell預計第一財季銷售額約為18.8億美元，同比增長27%。其中，AI業務收入達7億美元左右，主要是亞馬遜等客戶定制ASIC等產品需求增長的帶動。一、ASIC，越發豐富今年以來，大模型的更迭越發的激烈。DeepSeek研究團隊再放大招，公開NSA算法。同日，馬斯克發布Grok 3模型，號稱拳打DeepSeek腳踢OpenAI。DeepSeep之風正盛，將全球科技產業的重心從訓練推向推理階段。由于DeepSeek是MOE模型，能夠實現更低的激活比。算力、內存、互聯原有平衡發生劇變，新算力架構機會再次進入同一起跑線。這種條件下，定制化芯片ASIC似乎越來越適合AI時代。ASIC芯片的主要根據運算類型分為了TPU、DPU和NPU芯片，分別對應了不同的基礎計算功能，也有不同的優勢。TPU先來看TPU。TPU的核心是矩陣乘法單元，它采用脈動陣列架構，這意味著數據以類似心臟跳動的方式在芯片內流動。這種架構允許高度并行的乘法和加法操作，使得TPU能夠在每個時鐘周期內處理大量的矩陣運算。如果把TPU比作一個工廠，這個工廠的任務是把兩堆數字（矩陣）相乘。每個工人（脈動陣列的小格子）只需要做簡單的乘法和加法，然后把結果傳給下一個工人。這樣，整個工廠就能高效地完成任務，而且速度比普通的工廠（比如CPU或GPU）快很多。TPU的優勢是能夠高效處理大規模矩陣運算，支持神經網絡的訓練和推理任務。所以，更加適合用在數據中心的AI訓練和推理任務，如自然語言處理、計算機視覺和語音識別。DPU其次來看DPU。DPU能夠處理大量的網絡數據包，包括接收、分類、轉發和過濾等。它通過硬件加速引擎（如網絡處理引擎）來加速網絡操作，減少CPU在網絡處理上的負載。DPU就像是一個快遞中心，它負責接收包裹（數據），快速分揀，然后把包裹送到正確的地方。它有自己的小助手（加速器），這些小助手很擅長處理特定的任務，比如快速識別包裹的地址或者檢查包裹是否完好。這樣，DPU就能讓整個快遞系統（數據中心）運行得更高效。DPU的優勢是可以卸載CPU的部分任務，減少CPU的負擔。優化了數據傳輸路徑，從而提高系統的整體效率。所以，它的應用場景是數據中心的網絡加速、存儲管理、安全處理等。NPU再來看NPU。NPU是專門為神經網絡計算設計的芯片，采用“數據驅動并行計算”的架構。它能夠高效執行大規模矩陣運算，特別是卷積神經網絡（CNN）中的卷積操作。如果把NPU比作一個廚房，這個廚房有很多廚師（計算單元），每個廚師都能同時做自己的菜（處理數據）。比如，一個廚師負責切菜，一個廚師負責炒菜，另一個廚師負責擺盤。這樣，整個廚房就能同時處理很多道菜，效率非常高。NPU就是這樣，通過并行處理，讓神經網絡的計算變得更快。NPU的優勢就是執行AI任務時功耗較低，適合邊緣設備。并且，專為神經網絡設計，適合處理深度學習任務。所以，NPU的應用場景是人臉識別、語音識別、自動駕駛、智能相機等需要進行深度學習任務的領域。簡而言之，TPU適合深度學習、DPU適合數據中心的數據管理、NPU通過并行計算快速完成神經網絡任務，適合各種AI應用。最近，還出現了LPU，一種專門為處理語言任務而設計的芯片。它的推出就是專門針對語言處理優化的架構和指令集，能夠更高效地處理文本、語音等數據，從而加速大語言模型的訓練和推理過程。摩根士丹利預測AI ASIC的總可用市場將從2024年的120億美元增長到2027年的300億美元，期間英偉達的AI GPU存在強烈的競爭。現在，在ASIC賽道上的玩家，已經越來越多。二、擁擠的ASIC賽道3nm ASIC芯片的賽道上擠滿了大廠。亞馬遜一直在致力于自研芯片以降低數據中心成本。2022年，AWS發布了Trainium 1和 Inferentia 2芯片。當時，Trainium1在訓練方面表現不是很好，更加適合AI推理工作。之后，AWS又發布了當前的Trainium 2，采用5nm工藝。單個Trainium 2芯片提供650 TFLOP/s的BF16性能。Trn2實例的能效比同類GPU實例高出25%，Trn2 UltraServer的能效比Trn1實例高三倍。去年12月，亞馬遜宣布要推出全新 Trainium3，采用的是3nm工藝。與上代 Trainium2 相比，計算能力增加2倍，能源效率提升40%，預計2025年底問世。據了解，在AWS的3nm Trainium項目中，世芯電子（Alchip）和Marvell展開了激烈的競爭。世芯電子（Alchip）是第一家宣布其3nm設計和生產生態系統準備就緒的ASIC公司，支持臺積電的N3E工藝。Marvell則在Trainium 2項目中已經取得了顯著進展，并有望繼續參與Trainium 3的設計。當前的競爭焦點在于：后端設計服務和CoWoS產能分配上。看誰能夠在Trainium項目爭取到更多的份額。之前我們提到的TPU，以谷歌的TPU最具有代表性。谷歌的TPU系列芯片從v1到最新的Trillium TPU。TPU為Gemini 2.0的訓練和推理提供了100%的支持。據谷歌這邊說，Trillium 的早期客戶AI21 Labs認為是有顯著改進的。AI21 Labs首席技術官Barak Lenz表示：“Trillium在規模、速度和成本效益方面的進步非常顯著。”現在谷歌的TPU v7正在開發階段，同樣采用的是3nm工藝，預計量產時間是在2026年。據產業鏈相關人士透露，谷歌TPU芯片去年的生產量已經達到280萬到300萬片之間，成為全球第三大數據中心芯片設計廠商。從合作對象來說，谷歌和博通始終是在深度合作的。谷歌從TPU v1開始，就和博通達成了深度合作，它與博通共同設計了迄今為止已公布的所有TPU，而博通在這方面的營收也因谷歌水漲船高。微軟在ASIC方面也在發力。Maia 200是微軟為數據中心和AI任務定制的高性能加速器，同樣采用3nm工藝，預計在2026年進入量產階段，至于現在Maia 100，也是專為在Azure中的大規模AI工作負載而設計。支持大規模并行計算，特別適合自然語言處理（NLP）和生成式AI任務。從現在的信息來看，這款產品微軟選擇和Marvell 合作。LPU與GPU對比早在今年1月就有消息傳出，美國推理芯片公司Groq已經在自己的LPU芯片上實機運行DeepSeek，效率比最新的H100快上一個量級，達到每秒24000token。值得關注的是，Groq曾于2024 年12月在沙特阿拉伯達曼構建了中東地區最大的推理集群，該集群包括了19000個Groq LPU。Open AI首款AI ASIC芯片即將完成，會在未來幾個月內完成其首款內部芯片的設計，并計劃送往臺積電進行制造，以完成流片（taping out）。最新消息是，OpenAI會在2026年實現在臺積電實現量產的目標。三、ASIC真的劃算嗎？谷歌、AWS、Open AI都在加大對自研ASIC的投入。那么，ASIC真的劃算嗎？先從性能上來看，ASIC是為特定任務定制的芯片，其核心優勢在于高性能和低功耗。在同等預算下，AWS的Trainium 2可以比英偉達的H100 GPU更快速完成推理任務，且性價比提高了30%～40%。Trainium3計劃于2025年下半年推出，計算性能提高2 倍，能效提高40%。并且，GPU由于架構的特性，一般會在AI計算中保留圖形渲染、視頻編解碼等功能模塊，但在AI計算中這些模塊大部分處于閑置狀態。有研究指出，英偉達H100 GPU上有大約15%的晶體管是未在AI計算過程中被使用的。從成本上來看，ASIC在大規模量產時，單位成本顯著低于GPU。ASIC在規模量產的情況下可以降至GPU的三分之一。但一次性工程費用NRE（Non-Recurring Engineering）非常高。以定制一款采用5nm制程的ASIC為例，NRE費用可以高達1億至2億美元。然而一旦能夠大規模出貨，NRE費用就可以很大程度上被攤薄。此前有業內人士分析，中等復雜程度的ASIC盈虧平衡點在10萬片左右，這對于很多廠商來說已經是遙不可及。但對于大規模部署的云計算大廠或AI應用提供商，ASIC的定制化優勢能夠顯著降低運營成本，從而更快地實現盈利。四、算力走向推理，ASIC的需求只多不少在溫哥華NeurIPS大會上，OpenAI聯合創始人兼前首席科學家Ilya Sutskever曾作出“AI預訓練時代將終結”的判斷。巴克萊的一份報告預計，AI推理計算需求將快速提升，預計其將占通用人工智能總計算需求的70%以上，推理計算的需求甚至可以超過訓練計算需求，達到后者的4.5倍。英偉達GPU目前在推理市場中市占率約80%，但隨著大型科技公司定制化ASIC芯片不斷涌現，這一比例有望在2028年下降至50%左右。不過，在博通的觀察中，AI訓練仍然是會占據主流。博通CEO陳福陽最近表示：“公司把推理作為一個獨立的產品線，推理與訓練芯片的架構非常不同。公司預計三個客戶未來需求市場總量將達600億～900億美元，這個需求總量既包含了訓練，又包含了推理，但其中訓練的部分更大。”對于第二季度來講，博通對于ASIC的預期仍舊保持樂觀。預計第二季度博通的AI半導體收入將繼續保持強勁增長勢頭，達到44億美元。Marvell在電話會議上，同樣也展示了對于ASIC的信心。透露其定制的ARM CPU，將在客戶的數據中心中得到更廣泛的應用。并且定制的人工智能 XPU，其表現也非常出色，未來將有大量的量產。

在弗吉尼亞州的庫爾佩珀縣，空氣中彌漫著干草和糞便的氣息，這里的牛數量是人類的三分之一。“我們有大片農場，大多數仍然是家族經營，并且有很多森林，”Sarah Parmelee說道，她是該縣55，000名居民之一。“這里是迷人的美國小鎮風情，”她補充道。但是這個田園般的世外桃源正經歷21世紀的重大轉變。過去幾年里，該縣已經批準了七個大型數據中心項目的建設，這些項目將支持技術公司在生成式人工智能（AI）方面的擴張計劃。在這些巨大的建筑內部，成排的計算機服務器將用于訓練像ChatGPT這樣的對話式AI模型，并向全世界每天約數十億的請求提供答案。這種建設將會給弗吉尼亞帶來長遠的影響，每個設施可能會消耗與數萬住宅相同的電量，這可能會推高居民的用電成本，并使該地區的電力基礎設施使用超出其容量限制。帕梅利和其他社區成員對數據中心的用電需求持謹慎態度，尤其弗吉尼亞已經是全球的數據中心之都。2024年12月發布的一項審查指出，盡管數據中心帶來了經濟效益，但持續增長可能會在未來十年內使弗吉尼亞的電力需求翻倍。“電將從哪里來？”帕梅利問道，她正在繪制該州數據中心的增長地圖，并為位于弗吉尼亞州沃倫頓的非營利組織皮埃蒙特環境委員會（Piedmont Environmental Council）工作。他們都說，“我們會從其他地區購買電力。”但可能那個區正計劃從你這里購買電力。”類似關于AI和能源的沖突正在全球許多地方上演，這些地方的數據中心都在以創紀錄的速度涌現。大型科技公司正大力押注生成式AI，這比舊的AI模型需要更多的能量來運行，因為舊模型只是提取數據中的模式，而不生成新的文本和圖像。這使得企業集體花費數百億美元用于新建數據中心和服務器，以擴大其算力容量。從全球視角來看，AI對未來電力需求的影響相對較小，但是對數據中心密集的地方的影響較為深遠。與其他能源密集型設施相比，如鋼鐵廠和煤礦，數據中心的空間密集度要高得多。公司傾向將數據中心的建筑建設地彼此靠近，以便共享電網和冷卻系統，并高效地傳輸信息，既包括內部傳輸，也包括傳輸到用戶。特別地，由于弗吉尼亞州提供稅收優惠，越來越多的數據中心公司在此聚集。“如果有了一個，很可能就會有更多，”帕梅利說。弗吉尼亞已經擁有340個這樣的設施，而帕梅利繪制的地圖顯示弗吉尼亞還有159個計劃中的數據中心或現有中心的擴建項目，據位于加利福尼亞州帕洛阿爾托的研究機構EPRI的一份報告稱，這些數據中心占該州電力使用的四分之一以上[2]。在愛爾蘭，數據中心消耗的電力超過了全國用電量的20%，其中大部分位于都柏林邊緣地區。在美國，至少有五個州的數據中心耗電量已超過10%。更棘手的情況是，企業對其AI系統電力需求的數據缺乏透明度。“真正的問題是，我們在操作時幾乎無法獲取詳細數據和信息，”獨立研究員喬納森·庫米說，他研究計算機能源使用三十多年時間，并在加州伯靈格姆運營一家分析公司。“我認為這個領域的研究人員都在抓狂，因為我們得不到我們需要的數據，”阿姆斯特丹自由大學研究員、荷蘭公司Digiconomist的創始人亞歷克斯·德弗里斯說，這家公司研究數字趨勢帶來的意外后果。“我們只能盡力而為，嘗試各種方法來得出一些數字。”估算AI能源需求由于缺乏公司的詳細數據，研究人員以兩種方式探討了AI的能源需求。2023年，德弗里斯使用了一種供應鏈（或基于市場的）方法。他查看了NVIDIA服務器的功耗，該服務器在生成式AI市場占據主導地位，并據此推算一年所需的電力。然后，他根據特定任務所需此類服務器總數的估計值乘以這一數字。德弗里斯用這種方法估計了如果谷歌搜索使用生成式AI所需的能量。兩家能源分析公司估計，谷歌搜索使用類似ChatGPT的AI需要40到50萬臺NVIDIA A100服務器，基于這些服務器的功率需求，這將相當于每年23至29太瓦時(TWh)的電力。然后，根據分析師提供的每日高達90億次搜索的估算（不同來源的估計數字），德弗里斯計算出每次通過AI服務器的請求大約需要7至9瓦時(Wh)的電力。按照谷歌在2009年博客文章中報道的數字，這是普通搜索使用電力的23至30倍（參見go.nature.com/3d8sd4t）。對此，谷歌方沒有回應。德弗里斯說，這種計算方式感覺像是“抓住救命稻草”（grasping at straws），因為他不得不依靠來自第三方的估算。而他的數字很快過時了，因為現在的AI模型在計算成本僅為2023年模型一小部分的情況下，也可以達到相同的準確度，所以現在用于集成AI的谷歌搜索所需的服務器數量可能更低，正如美國能源分析公司SemiAnalysis（德弗里斯估算的來源數據）在給《自然》雜志的電子郵件中所寫道。即便如此，該公司表示，評估生成式AI能耗的最佳方式仍然是監控服務器發貨量及其功率需求，這是許多分析師廣泛采用的方法。然而，要分離出僅由生成式AI使用的能量是很困難的，因為數據中心通常也需要執行非AI任務。自下而上的估算另一種評估AI能耗需求的方法是“自下而上”的：研究人員測量一個與AI相關的請求在一個具體數據中心中的電力需求。然而，獨立研究人員只能使用開源的AI模型進行測量，這些模型的能耗預計和私有模型（非開源）類似。這些測試背后的概念是用戶提交一個提示，例如生成圖像或文本聊天的請求，然后Python軟件包CodeCarbon可允許用戶電腦訪問數據中心，獲取模型執行芯片的技術細節。“在運行結束時，它會提供所使用的硬件消耗了多少電力的估計值，”薩莎·盧西奧尼說，他是幫助開發CodeCarbon的AI研究員，并且在紐約市的Hugging Face工作，該公司托管了一個開放源代碼平臺，用于AI模型和數據集。盧西奧尼和其他人發現不同的任務需要不同的能量。根據他們最新的結果，平均而言，根據文本提示生成圖像大約消耗0.5 Wh的電力，而生成文本則略少。作為比較，現代智能手機充滿電大約需要22 Wh。但存在很大的差異：較大的模型需要更多的能量（參見‘AI使用多少能量？’）。德弗里斯說，這些數字低于他論文中的數字，但這可能是因為盧西奧尼等人測試用的模型至少比支持ChatGPT的模型小一個數量級，以及AI變得越來越高效。這些數字是一個下限，根據卡內基梅隆大學的計算機科學家艾瑪·斯特魯貝爾（Emma Strubell）的說法，他是盧西奧尼的合作研究者。他們說，“否則，公司會出來糾正我們，但他們并沒有。”此外，公司通常不會提供估算數據中心冷卻（data-centre cooling）所需電力相關的信息。據法國的數據科學家本諾瓦·科爾蒂（Beno?t Courty）所說，CodeCarbon也無法訪問某些類型的芯片的能量消耗數據，這包括谷歌的專有TPU芯片，他是CodeCarbon的維護者。AI在不同任務上的能耗盧西奧尼還研究了一個模型從大量數據中提取統計模式，也就是訓練生成式AI模型需要多少能量。訓練像GPT-3這樣的模型，即ChatGPT的第一個版本背后的模型，需要的能量約為千兆瓦時。但按照模型每天接收數十億次請求的計算，那么回答這些查詢所消耗的電力，能耗在太瓦時量級，依然主導AI每年的能耗需求。上個月，盧西奧尼和其他研究人員發起了AI Energy Score項目，這是一個公共倡議，旨在比較不同任務上的AI模型的能效，并給每個模型評級。封閉源代碼模型的開發者也可以上傳測試結果，然而目前只有美國軟件公司Salesforce參與了進來，盧西奧尼說。隨著競爭的加劇，公司對于其最新行業模型的能源需求越來越閉口不談，‘公司間共享信息的現象有所減少’，斯特魯貝爾說。如谷歌和微軟等公司的報告所稱，歸因于支持AI的數據中心建設，他們的碳排放量正在增加。（當被《自然》雜志提及缺乏透明度的批評時，包括谷歌、微軟和亞馬遜在內的公司沒有回應；相反，它們強調正在與地方當局合作，確保新建的數據中心不會影響當地的公用設施供應。）一些政府現在要求公司提高透明度。2023年，歐盟通過了一項能源效率指令，要求能耗500千瓦功率以上的數據中心運營商每年報告其能源消耗。全球性的預測基于供應鏈估算方法，分析師表示數據中心目前僅占世界電力需求的一小部分。國際能源署（IEA）估計，在2022年，此類設施使用的電量為240至340太瓦時，或占世界需求的1%到1.3%，如果包括加密貨幣挖掘和數據傳輸基礎設施，這一比例將升至2%[4]。AI的爆發將會增加這一比例，但由于許多行業的電氣化、電動汽車的增長以及空調需求的增加，預計到2050年全球電力消耗將增長超過80%，因此數據中心“在全球電力需求增長中所占的比例相對較小”，IEA報道[4]。即使有對AI當前能源需求的估算值，也很難預測未來趨勢，庫米警告說。“沒有人知道即使是幾年后，數據中心（無論是AI還是傳統型）將使用多少電力”，他說。主要原因是未來所需的服務器和數據中心數量存在問題，在財政的激勵下，公用事業公司和技術公司通常夸大數字。并且，許多預測是基于“簡單化的假設”，他們將最近的趨勢外推到未來十年或十五年。去年晚些時候，庫米與他人合著了一份由美國能源部資助的報告[5]，該報告估計美國的數據中心目前使用國家電力的176太瓦時（4.4%），并且到2028年可能會翻倍或三倍，達到總用電量的7%到12%。與此同時，SemiAnalysis在其2024年3月的報告中指出（參見go.nature.com/439becc），到2028年，數據中心將消耗美國15%的電力，到2030年將消耗全球能源生產的4.5%（大約是IEA數據的兩倍）。IEA計劃下個月更新其數據，但無論其預測如何，顯然，AI對能源的影響在地方和區域層面上最為明顯。弗吉尼亞的壓力就在世界各地的研究人員盡力評估AI對能源的影響時，弗吉尼亞州的居民也缺少有關該地區數據中心用電情況的信息。帕梅利通過查閱新聞報道、行業出版物、稅務申報和眾包提示，追蹤了一些數據中心的電力需求，然而，要找到相關的信息非常具有挑戰性。里士滿弗吉尼亞州立法審計審查委員會的首席立法政策分析師馬克·格里賓（Mark Gribbin）表示，當地電力公司確實知道建造數據中心的公司承諾需要多少電力。作為監督州級項目和機構的政府機構成員，他共同撰寫了那份數據中心將在十年內使弗吉尼亞的電力需求翻倍的報告[1]。但是，公司通常不會公開單個數據中心的具體電力需求。上個月，弗吉尼亞州議員通過了一項數據中心透明度法案，該法案在《自然》雜志付印時正等待州長簽署。它不要求公司披露其電力需求，而是呼吁報告對環境的影響，涉及用水、土地使用等方面。與此同時，弗吉尼亞州的電力基礎設施已顯示出緊張跡象。位于華盛頓特區以西的威廉王子縣的一些批準的數據中心面臨長達三年的延遲，因為電力公司無法按承諾的時間向它們供電。JLARC的報告稱，弗吉尼亞州的公用事業公司將“非常困難”地建立足夠的基礎設施以滿足預期的數據中心需求。太陽能設施需要以2024年年度兩倍的速度增加，風力發電能力則必須超過迄今為止所有為未來發展預留的海上風電場。在某些情況下，建造數據中心的公司正試圖自己采購電力供應。例如，去年微軟達成了一項重啟賓夕法尼亞州三里島核電站反應堆的協議，以幫助為其AI運營供電。雖然其中一些項目使用低碳或可再生能源，但一些公用事業公司和立法者正在推動發展更多的化石燃料電廠，比如燃燒天然氣的電廠，然而這將增加碳排放。AI的需求是否會下降？建造數據中心的熱潮基于更多人想要更頻繁地使用AI的預期。但是，“AI使用的速度和方式仍然根本不確定”，IEA分析員在去年的一篇評論文章中寫道（參見go.nature.com/4hu2hos）。人們擔心AI表現的不一致性以及版權侵權訴訟；也不清楚將來為生成式AI提供計算能力究竟需要多少資源。2014年1月至2024年8月美國數據中心投資情況，圖片來源：go.nature.com/4hu2hos中國今年早些時候發布的DeepSeek-R1模型能夠以明顯的成本優勢與美國模型相匹敵。這讓一些研究人員認為現在可以創建更好的模型而不必使其變得更“大”，這可能降低數據中心的計算需求。集智百科團隊對DeepSeek-R1模型原理的拆解：DeepSeek-R1｜集智百科相比之下，如果生成式AI變得更加高效，人們很可能會更加頻繁地使用它——這就是所謂的杰文斯悖論（Jevons paradox），得名于十九世紀英國經濟學家威廉·斯坦利·杰文斯。他觀察到煤炭技術效率的提高也加速了開采，從而抵消了節省下的能源。十年后，按照計劃，生成式AI的使用量可能會增長，庫爾佩珀縣目前提議的所有數據中心都將以滿負荷運行；也有可能生成式AI將成為一種相對小眾的技術，由于需求不足，一些數據中心將關閉。“如果做出有把握的預測，但這件事本身又存在巨大的不確定性，有人就會遭受損失”，庫米說。

“樂道的交付中心和蔚來的交付中心是一起的。”3月12日，一位樂道汽車銷售人員在接受《每日經濟新聞》采訪時表示，最初兩個品牌交付渠道確實是要分開的，但后來樂道L60的交付渠道與蔚來品牌合并了。我們從一位接近蔚來的知情人士處了解到，今年2月28日，蔚來正式發布組織公告，將蔚來和樂道雙品牌的交付渠道合并。“團隊人力和渠道資源打通復用，降低成本，提升效率。”該知情人士透露，哈爾濱、銀川、烏魯木齊、西寧等地區，樂道銷售負責人將由蔚來區域公司總經理兼任。一、交付渠道合并旨在降本增效對于將樂道與蔚來兩個品牌交付渠道合并的原因，蔚來相關負責人解釋稱，交付渠道就是起到一個交付功能，能合并的就要合并，這樣有助于公司進一步降本增效，效率也會更高。“事實上，有些城市的蔚來交付中心的交付能力、場地有富余，公司從一開始就在考慮能否與樂道共用。”該蔚來相關負責人表示，交付中心主要是滿足新車交付場景，并沒有太大的品牌區隔。不過，上述蔚來相關負責人也強調，有些城市蔚來交付中心的現有交付能力和交付場地不夠用，就需要樂道汽車自建交付中心。2024年9月19日，蔚來第二品牌樂道汽車旗下首款車型樂道L60正式上市，售價區間為14.99萬~23.59萬元，并于當年9月28日開啟全國交付。彼時，蔚來就為樂道汽車打造了獨立營銷渠道，但售后體系與蔚來品牌共用。樂道汽車官網顯示，樂道服務網絡已全面接入蔚來服務體系。截至2024年底，全國172個城市的317家樂道服務中心，提供集維保、車美、檢測于一體的一站式售后服務。二、全公司范圍正推進組織變革除合并樂道、蔚來渠道外，蔚來進入2025年后就開始了一系列降本增效行動。“蔚來近期正在全公司范圍推進組織變革，落地‘基本經營單元CBU（Cell Business Unit，即汽車制造商內部的一個最小經營單元。）’經營機制。蔚來將所有經營工作拆分為互不重疊的基本經營單元，每個單元都必須建立明確的ROI指標和業績考核獎懲機制。”據上述接近蔚來的知情人士透露，蔚來實施CBU經營機制的最終目的是，讓每一筆投入都有明確的責任人與經營目標，經得起嚴格的投資回報審視，并要為最終結果負責。財報顯示，2024年，蔚來前三季度營收約460.3億元，同比增長19.5%；凈虧損約155.3億元，同比基本持平。圖片來源：蔚來財報值得注意的是，盡管蔚來在過去四個季度中，連續每季度虧損超50億元，累計虧損約224億元，但蔚來董事長李斌在今年2月仍提出了“2025年第四季度實現單季度盈利”的最新經營目標。不僅如此，李斌還為蔚來設定了“2025年銷量翻番（即超44萬輛）”的年度交付目標。據悉，蔚來內部已在2025年第一季度大規模推行CBU經營機制，計劃二季度全面落地。“蔚來服務運營團隊實質運行‘基本經營單元’已超過一年。”上述接近蔚來的知情人士稱，蔚來售后服務業務已在2024年全年實現盈利，2025年隨著用戶保有量繼續增加，利潤有望繼續提升。蔚來的經營工作已經從“要預算”轉向“拼經營”，并且強調“每一分錢投入都要聽到回響”。或受上述蔚來降本增效戰略積極預期的推動，蔚來港股股價連續兩個交易日大漲。繼3月11日股價最高漲幅近14%后，蔚來股價在3月12日以漲幅7.49%開盤，盤中最高漲幅達10.51%，最終以5.52%收盤，報收40.15港元/股，總市值回升至839.31億港元。有觀點認為，若CBU經營機制持續釋放人效紅利，蔚來有望復制小鵬汽車“刮骨療毒”后的銷量攀升路徑。而蔚來能否在2025年第四季度兌現盈利承諾，將決定其能否跳出“長期主義陷阱”。

前些天，在公司跟同事一起看小米發布會，他們一個個都盯著超跑躍躍欲試，而我（因為經濟實力）只能點頭微笑，仿佛鎮定地表達對新耳機更感興趣（扶額苦笑.jpg)……是的，又一款冠以AI頭銜的耳機。官方自夸小米Buds 5 Pro為“4000元以內音質最好TWS耳機”，擁有無損音質、深度降噪，以及一些AI功能。小米Buds5 Pro Wi-Fi版能達到2.1甚至4.2 Mbps的傳輸速率；55dB的降噪深度，AirPods Pro 2官方未公布具體數值，發燒友測試在40-44dB左右，Bose“王牌產品”QC Ultra Earbuds最深度也是46dB左右；頻響范圍在15-50kHz，然而正常人耳能聽見的頻響范圍是20-20kHz。Buds5 Pro Wi-Fi版本搭載了驍龍S7+音頻平臺，是目前唯一支持Wi-Fi功能的藍牙耳機芯片，但主要還是服務音頻傳輸速率。耳機支持高通aptX Lossless編碼，該協議支持傳輸16bit/44.1kHz音頻，這也是CD唱片和主流音樂平臺里無損音樂（絕大多數）的規格。aptX Lossless官方最大碼率為1200 kbps，而Wi-Fi版最高達到4200 kbps，理論上也為后續更新的編碼，提供了更大的碼率空間。這似乎跨過了“AI耳機得先是一個好耳機”的門檻？暫時，還沒有一個能打的其實，TWS耳機自開始就少不了AI算法——處理音質、優化拾音、環境分析、智能降噪等等。但今天我們討論的AI，意味著讓耳機去做一些更時髦的任務：給打工人翻譯、整理速記、喚醒智能助手。反而TWS原本的“三要素”——佩戴、音質、降噪成為了AI耳機的短板。大眾默認和市場成熟的產品形態和標準，卻成為了讓產品AI化的桎梏。比如字節Ola Friend、Cleer ARC3、小度G108等選擇了耳掛或者耳夾式。雖然相比入耳式更能成為一個“隨身AI”，少了很多壓迫和異物感，能長時間佩戴，但是被動降噪幾乎沒有，音質也會因為開放式設計，低頻泄漏嚴重。也有AI耳機選擇了入耳式的外觀形態。比如iKKO ActiveBuds AI、科大訊飛Nano+、飛利浦8號。降噪上用了主被動降噪結合，有幾款官方標注的極限降噪深度能達到45db，效果還不錯——但音質又拿不出手了。iKKO ActiveBuds AI售價1899，不便宜了，藍牙解碼協議只支持到AAC、SBC，不支持音質更好的LDAC、aptX。在定位上，顯然不是以音質為導向的耳機。對比市面上很多三四百元左右價位的“普通”TWS耳機，比如紅米Buds6Pro、飛傲FW3、Oppo EncoAir4、1MORE S20等都沒有在協議上做妥協。很多AI耳機的宣傳噱頭，也更多在智能、生產力、陪伴等AI上，而可以淡化了關于音質、降噪、佩戴、續航、多協議等TWS耳機的基本品質——在前瞻性和實用性之間，還沒有達到一種良好平衡。不能只做手機的附庸啊！那么耳機究竟把AI做得怎么樣？縱觀大多數產品介紹，AI耳機如今也就“三大寶”：翻譯、速記、喚醒智能助手。你不免會問，這些功能哪個智能手機做不到？為什么還要額外買個AI耳機呢？這是個對于AI硬件來說一個老生常談，又從未被很好解答的問題。但耳機在處理語音需求優勢巨大，似乎又天然為“語言大模型”而生——佩戴貼近耳朵和嘴巴，語音采集的信號更清晰，說話起止更易判別，麥克風收聲時最大避免了環境噪音和語音衰減。利用這些優勢，是可以打磨出在某些垂直場景中比手機更加細致的用戶體驗的。比如很多耳機配合連接手機做到，一人戴耳機，一人持手機，同步互譯。比如耳機像一款獨立的錄音筆一樣，獨立錄制兩小時會議。然后同步到手機里，轉文字，翻譯，會議紀要一下都出來了。比如有的耳機號稱支持翻譯62種語言，還有能識別方言，維吾爾語、藏語之類的。再比如，喚醒AI助手，隨時聊天、練口語，景區講解。更“賽博”一點的話，帶著耳機和AI聊騷戀愛，可比舉著個手機自然多了。那么，第二個問題來了。Ola Friend叫出來基于豆包大模型的豆包，小米Buds 5 Pro叫出來接入DeepSeek的超級小愛，跟我通過AirPods喚醒Siri有啥差別？AirPods是在2017年推向市場，大多iPhone用戶早就無比熟悉問Siri天氣如何、設置鬧鈴、甚至讓它搜索一堆“鍋包肉菜譜”的網頁給你......所以目前的AI耳機本質上還是一個“喚醒器”，是一個接收app音頻輸出的載體，與AI助手對話不是獨立在耳機內完成，而是經過“耳機-手機App-云端-手機App-耳機”的路徑。其智能體現完全依賴模型能力，某款AI耳機就曾在直播活動中因為識別不出主播一句“I like百年孤獨”中英文夾雜而卡住。真·AI耳機，可不是要把手機塞進耳朵耳機目前還無法成為具備獨立聯網、獨立運算能力的設備，因為人耳體積是限制耳機內置AI算力和性能的天花板，其內置的計算能力承載不了哪怕是最小的端測模型。體積上，目前最邊緣的AI芯片，比如有13 TOPS算力的樹莓派AI模塊，物理尺寸都有22*42 mm，比單只AirPods Pro還寬還長，最少1-2W功耗。目前TWS耳機功耗都控制在5-150mW（全功能開啟后）范圍內，1W功耗別說續航和技術上實現不了，塞進耳朵內無法有效散熱，人耳也受不了，這下真“發燒”了（小伙兒～聽啥見不得人的呢？咋耳根臺子都紅了）。所以現階段，AI耳機必須需要依靠外部算力，拋開手機的可能性也許是“復古”：比如頸掛式，比如配一個越來越大的耳機盒，用來擴容算力。比如WISHEE Ai，iKKO Active Buds，把耳機盒做成一個帶sim卡槽，能打電話，能上網，帶屏幕，能下app的智能終端。可想而知，將傳感器，存儲和計算單元，數據傳輸和網絡連接等硬件模組放到一個如此“極致”的體積下，實際上算力應該非常有限，AI助手估計經常卡頓，聊著聊著，AI就消失了。那么更加絲滑的語音智能交互應該什么樣？你們還記不記得，之前有一個引起了很多討論的硬件，叫Friend AI——大體上是一個項鏈的形態，內置了麥克風，長續航電池，收集用戶周圍的聲音信息，并通過連接手機與用戶對話。Friend AI的宣傳片里，一名女生邊吃飯邊在手機上看劇，Emily（女生給其Friend AI起的名字）聽到電視里的聲音，給女生手機發消息說，“這部劇被低估了，太精彩了。”女生不小心把食物掉到其上面，又收到了一句，“味道還不錯。”這是很多AI硬件找到的成立理由，手機積累了大量數據但仍有限，能收集到比手機更多數據、更多維度數據，才能打造隨身的“Personal AI”。耳機如何實現這種個性化和智能化？就像智能手表/手環，耳機也可以依靠捕捉到的佩戴者體征信息和環境聲音后，提供“聽力健康”類似的功能。比如AI分析我的語氣，檢測我的情緒，然后自動推薦適合的音樂，白噪音來緩解壓力，提升注意力，改善我當下的情緒。耳機是語音交互最為直接的入口。對人來說，用語音交互非常自然，但對機器處理任務來說，并不高效。區別于我們早已習慣的屏幕交互，語音對話是線性的（想想你做ppt匯報，和只有語音的電話會匯報，這兩個場景的區別）。耳機應該成為更多環節復雜，但步驟明確，容錯率高的語音場景的入口，一個隨叫隨到，交互摩擦盡可能少的AI助理。比如當你再問耳機里的智能助手“鍋包肉咋做”，它會考慮到你剛健完身，推薦一個低卡版給你，甚至從電商平臺上比好了價，整理好了購物清單給你；如果能與其他隨身設備配合，比如根據手表在記錄的運動類型，自動在跑步時放快歌，在游泳時播播客；也會在你設置鬧鈴時，提醒你當天有哪些安排。這也是大家仍執著于要AI耳機（或其他AI硬件）的原因——隨身的AI不應該被困在某個app當中，而即將到來的通用agent，也許并不再會是軟件應用，而恰恰是一款硬件，比如耳機。

以“外賣詩人”標簽成名后的這兩年，是王計兵的創作高峰期。他一共寫了2000多首詩歌，平均每天3首。對于創作者來說，外界的關注、事務的繁忙，往往會影響日常節奏，導致創作密度下降。但王計兵不是這樣的。微末之時，王計兵以世俗為養分，在煙盒、廢紙上寫詩，在送外賣等紅綠燈時構思詩句，每一處生活的角落都被他填滿了詩意。2022年，他那首描寫外賣員生活的詩作《趕時間的人》在網絡上意外走紅，引發關注，“外賣詩人”由此成為貼在他身上的標簽。2023年，王計兵加入中國作家協會，有了更多與同行、前輩交流文學的機會。同年，他獲得江蘇省第八屆紫金山文學獎詩歌獎。如今，他變忙了，讀書活動、學校演講、商務合作，各種邀約紛至沓來。但他的生活并沒有因此發生翻天覆地的變化。走紅之后，接觸的新生事物變多，這帶給他源源不斷的陌生感和新奇感，激發出他更多的探索欲和創作欲，無形中為他指引了新的寫作方向。王計兵的創作頻率不減反增。與此同時，王計兵還在送外賣。不需要外出參加活動的日子，他像往常一樣，在早上5點半到6點之間打開自家小店的門；中午，妻子來店里換班，他便騎上電動車，打開外賣軟件，開始一天的配送工作。不同的是，以前他會干到晚上11點左右，現在他會提前兩個小時收工，省下來的時間，用來陪伴家人、進行文學創作。2025年1月，王計兵新作《手持人間一束光》出版。這是他繼《我笨拙地愛著這個世界》《趕時間的人》《低處飛行》之后的又一全新詩歌力作，其中超過70%是2024年創作的。取這個書名，是因為他覺得，自己是頂著媒體和網友的光環走出來的，獲得了太多光芒，如今，他想讓自己成為一個發光體，給這個世界傳遞一份溫暖，照亮他人的路。從磚廠工人到外賣詩人雖然以“外賣詩人”為外界熟知，但實際上，王計兵送外賣的時間不過六七年，而他的寫作之路已經走過三十余年。王計兵出生在江蘇邳州一個普通農村家庭。1988年，19歲的他背井離鄉，輾轉于山東、新疆、江蘇等地打工。為了謀生，他做過很多工作，包括在工地做力工、去河里撈沙、開小賣部、擺地攤、走街串巷賣水果，還撿過廢品。1994年到2001年，他在一家磚廠開翻斗車。工友的意外去世，讓他心灰意冷，于是舉家來到江蘇昆山“另外找活路”。2005年年底，他和妻子在昆山開了一家小店，收入并不多。為了貼補家用，2018年，將近50歲的王計兵成為一名外賣員。王計兵在送外賣。(圖/受訪者提供）雖然物質生活匱乏，但他的精神世界并不貧瘠。詩歌成為他枯燥生活里的一束光，將他帶向一個更為明亮、寬廣的世界。王計兵19歲開始寫作。雖然早早輟學，但他沒有放棄閱讀。在打工間隙，他會跑到工地附近的舊書攤上看書，緩解身體的疲憊。他常看金庸、古龍的武俠小說，也看瓊瑤、余華。“武俠小說對我的詩歌風格影響非常大，而我的敘事風格和冷靜性——無論大事小事，都要保持一顆冷靜的心，用冷靜的筆墨去敘述它，更貼近余華一些。”王計兵說。很長一段時間里，他只能買舊書看——去廢品站花25塊錢裝走一大袋子，里面多是過期的期刊，用他的話說，“大多只能讀到一些熱鬧”，用來打發時光。有時候，王計兵翻了很多本書，才淘到幾本自己喜歡的。在舊書攤看書、去廢品站淘書，漸漸滿足不了王計兵對于文字的渴望。他開始拿起筆，將平凡的生活變為文學創作的源泉。1992年，他在《百花園·小小說世界》雜志發表了第一篇作品《小車進村》。故事靈感來自他和父親在自家棉花地里采摘棉花時的一段對話。當時，村里罕見地開進一輛轎車，王計兵平日在城里打工，不常在家，就猜測這是一輛出租車。父親跟他解釋，這是縣上機關單位的車，司機是村里人，每到星期天，他便會開車回家。以這一生活觀察為基礎，王計兵寫成一篇短篇小說。故事設定為檢查組開著一輛車下鄉巡察，因為傳達不暢，造成了各種誤會，凸顯了生活中的不文明現象。王計兵參加線下活動。(圖/受訪者提供）作品刊發后，《百花園》編輯楊曉敏給王計兵寄來金額為25元的稿費單時，附上了一封親筆信。在信中，楊曉敏肯定了王計兵的寫作才能，鼓勵他繼續創作，好好寫下去。去郵局領稿費時，王計兵特意讓郵局職員把快件存根上寫著“《百花園》稿費”的條子撕下來，保存了好多年。這次意外之喜，提升了王計兵對寫作的信心。當然，更多是出于對文字的熱愛，他數十年如一日地默默堅持寫作。當上外賣員之前，他在昆山撿廢品、擺地攤，經常會從垃圾中翻撿出紙箱和紙張，用記號筆在上面寫詩。有時，這些詩也被寫在三輪車上、手心里，寫完、讀完之后，他就把紙殼丟掉，印記也擦掉。為此，王計兵給自己起了一個筆名叫“拾荒”。對他來說，寫作也是一種精神拾荒。寫作是生活的延伸《手持人間一束光》是王計兵的第四本詩集，對他有著特別的意義。《趕時間的人》把他這個“無名之輩”推到前臺，讓他成為流量時代的寵兒；《我笨拙地愛著這個世界》表明了他對待生活的態度——“笨拙是真誠的一種表現”；《低處飛行》是他成名后寫給外賣員群體的一封情書。與前作相比，《手持人間一束光》涵蓋了他這一路走來的心路歷程。在《手持人間一束光》這首詩中，他寫道：“如果我來重寫江湖/小哥肯定是江湖第一大幫/類似于金庸筆下的丐幫”。既然外賣小哥成為金庸武俠小說里的人物，那么送外賣就不只是艱苦的體力勞動，而是苦樂夾雜的“低處飛行”。在《我喜歡》里，他寫道：“我喜歡每天騎行穿梭的昆山/日新月異的大街小巷/瀏覽著風景/誰能說這大千世界不是我的/誰能說我不是這大千世界的”。在《穿過廣場去取餐》里，他將自己送外賣時與廣場舞人群擦肩而過比作“一次盛大的重逢”，幻想自己也是他們的一員，“接了學校里的孩子，又跳了廣場舞”。王計兵的作品中，充滿了對于生活的熱愛，他的書寫也是自由的。王計兵。(圖/受訪者提供）前段時間，已經56歲的王計兵特意接了6個需要爬6樓的外賣單，“需要花半個小時連續爬樓，相當于爬36樓，上下爬一個來回，這是對我體能的考驗”。順利完成這6個單子，他特別興奮：“第一，我沒有超時；第二，我會設想，那些在健身房的人要花錢去跑出一身汗，但我跑這些單，人家還要給我錢。”“日子是苦的，你必須學會往生活里加糖，不能再往里加黃連。”在王計兵看來，這既是一種適應環境的能力，也是對現實的樂觀態度。他會這樣安慰自己：若干年后，可能沒有這種體力去爬樓了，但回想起這段經歷，依然覺得自豪，也值得懷念。如今，家里生活條件好了很多，王計兵依然堅持送外賣，因為送外賣成了他生活的一部分。不送外賣的時候，他也會不自覺地打開外賣軟件刷一刷，比較一下各個外賣單的情況，這是他長期送外賣養成的職業習慣。“當你拎著斧頭，看什么都像木頭；當你拿著釘子，到哪里都想去砸一下。”“送外賣不僅是送外賣，它給你提供了一種和生活親密接觸的機會，還有一些寫作素材。”王計兵喜歡這種生活與寫作緊密結合的狀態，對他來說，專職寫作反而是一種枯燥的行為。他始終保持著一種韌性，多角度地觀察生活。對于寫作，他相信“廣種薄收”，寫得多了，自然會產出精品。王計兵參加線下活動。(圖/受訪者提供）寫作從來不占據他的私人時間，也不影響他的日常生活。當上外賣員之后，他由用紙筆創作轉為用語音創作，一旦看到、感受到什么，觸發了靈感，他就停下手中的事，對著手機把想法錄下來，再轉換成文字。外界的關注，讓他對寫作更上心了。以前，他寫完一首詩，可能就懈怠了；如今，他寫完一首詩，并不會讓自己放松，他總想著：“大家那么喜歡你，你應該怎么做，才不會讓大家失望？”王計兵剛剛進入創作高峰期，他不知道自己的創造力什么時候回落、什么時候枯竭，只管繼續往前。今年，他計劃出版三部作品，除1月份已出版的詩集《手持人間一束光》外，還將會有散文、小說面世。“我不能總寫詩，寫作本來就需要有突破。我寫作本來就是從小說、散文開始的。這兩年，生活有所改變，我的寫作道路也隨之一點點地拓寬。”“我會將詩歌作為主要方向，貫穿我的寫作生活，輔以散文和小說，最終呈現一個多狀態的自己，產出不同風格的作品。”王計兵笑稱，希望自己成為這樣的作家：在詩歌界是散文寫得最好的；在散文界是小說寫得最好的；在小說界是詩歌寫得最好的。寫作者一旦對世界麻木，寫什么都不是王計兵的文字，既像一把鋒利的刀，無情割開生活的表層；又如一雙粗糲的大手，撫摸人心最柔軟的部分。《手持人間一束光》不僅有對生活的細微觀察、對他者的關懷，也不乏對愛情的細膩描摹、對死亡的深刻思考。《趕時間的人》出版時，其中一首題為《父母愛情》的詩在網上引起了巨大爭議，因為王計兵寫到了父親對母親家暴，同時又歌頌父母之間的感情。然而，他并不后悔，因為真實的生活遠比一首詩更矛盾、更復雜，充滿著令人無法割舍的責任與牽絆。在王計兵的印象中，母親是個極其堅強的人。“在她面前沒有災難，只有幸運，她的人生是以幸運為主題的。即便中風偏癱，只能拖著腿一瘸一拐地走路，她也認為，沒有像水泥一樣躺在床上不能動，也是一種幸運。”王計兵同樣敬佩父親的正義——做了18年村里生產隊的會計，掌管18年財政大權，最后自己家卻成為全村的重點貧困戶。談及父母之間的感情，他覺得那更多是一種深深的責任感，而非傳統意義上的愛情。母親54歲時中風，往后的日子里，暴躁的父親突然成了特別能忍讓的一方，精心照料著母親的生活起居。“直到母親七十七歲/父親突然去世/母親說/接下來的日子/不知道應該怎么過。”母親去世后，王計兵常常夢到她。很多時候，夢并不完整，很多細節都遺留在夢中。在《信物》中，他寫道：“想必夢里的母親/也是擁有了一個不完整的夢……世事無常，等我死后/無論人世間發生過什么變化/我和母親/始終能憑借各自的半個夢/完成母子相認/或喜極而泣，或抱頭痛哭。”父母的相繼去世，讓王計兵懊悔不已，覺得自己虧欠他們。他總會想，為什么沒在父母生前為他們做更多事？母親說過很多次想去看黃河，他們也路過黃河幾次，但他一次都沒有告訴母親，那就是黃河。等意識到黃河在母親心目中的重要地位時，母親已離他遠去。死亡同樣讓王計兵領悟人生的另一層真諦，那就是寬恕與釋懷。“你的親人從你身邊離開，你會發現自己失去了很多東西，對很多事物也會看淡很多。”王計兵意識到，一個人一旦離開人世間，他和世界的關聯，靠的就是剩下的人對他的理解。自己是在替死去的人活著，所以，有些事情需要放下，不要過多地計較個人得失，要保持一種心胸豁達的態度。從小到大，王計兵從來沒有怨恨過命運。“有的時候，人家說我們是生活在底層的人。但是，負責任地說，我們從來沒有這種感覺，因為周圍的人大體也都如此，這就是普通老百姓的生活。認清現實狀態，踏踏實實地生活就行了。沒有什么完美的人生，完美人生是不存在的。人生不如意之事十之八九，誰還沒有個不愉快呢？”他在《數羊》中寫道：“對于世界/我做不到像植物一樣從容”。王計兵這樣解釋這句話：“這個世界是需要我們用心去體會的，你只有用心去體會這個世界，才能感受到更多的美好，你會感受到來自生活方方面面的美好和溫柔。特別是一個寫作者，一定不能對世界麻木，一旦麻木了，你寫什么都不是。”

近期，部分大中型銀行的定期存款利率出現“倒掛”現象引發市場關注。3月12日，記者瀏覽多家銀行App發現，部分大中型銀行的三年期、五年期定期存款利率低于一年期、兩年期。以建設銀行App展示的定期存款利率為例，三年期利率為1.90%，五年期利率僅為1.55%，而一年期和二年期利率分別是1.35%和1.45%，三年期利率顯著高于五年期。招商銀行App的數據同樣呈現“倒掛”。其中，一年期利率1.60%，兩年期1.70%，三年期和五年期則分別為1.50%和1.55%。“正常情況下，基于期限溢價規律，銀行的存款期限越長給予儲戶的利率就越高，以此吸引儲戶進行長期存款。如今，這一傳統利率結構認知正在被打破。”上海地區某城商行理財經理在接受記者采訪時指出，實際上，銀行定期存款利率出現“倒掛”并非新鮮事兒。早在2022年，就有多家銀行的三年期、五年期定期存款出現過“倒掛”現象。而在今年2月初，朔州農商銀行最新定期存款利率也出現“倒掛”，一年期“整存整取”存款利率為1.75%，兩年期卻只有1.45%；三年期利率2.15%，五年期則為1.90%。銀行定期存款利率出現“倒掛”，對儲戶的理財決策產生了直接影響。上海地區儲戶陳小姐向記者透露，她的工資卡開戶行是招商銀行，以往習慣將攢下來的閑錢直接存入三年期或五年期定期存款產品。但近期查看存款利率時驚訝地發現，長期存款利率遠不及兩年期。她表示目前十分糾結，不知是該先存兩年期，還是轉到尚未出現利率“倒掛”的銀行。對此，上述理財經理建議，這類儲戶不妨采用階梯存款的方式，將資金按不同期限分別存款，這樣既能保障一定的流動性，又能獲取相對較高的收益。此外，貨幣基金等低風險理財產品也是不錯的替代選擇。針對銀行定期存款中長期利率“倒掛”現象，業內人士分析認為，這或許是部分銀行在當前經濟環境下的主動調整。博通咨詢金融行業首席分析師王蓬博表示，這種利率“倒掛”現象反映出銀行對長期利率下降預期較強。當長期存款利率低于中短期時，很可能意味著銀行預判未來存在降息空間。若銀行預期未來利率下降，降低長期存款利率便能提前鎖定較低的資金成本。“自2022年以來，央行大力推進利率市場化進程，經過多輪存款利率下調，銀行獲得了更大的自主定價空間。在這樣的政策背景下，各家銀行可依據自身經營狀況和市場形勢靈活調整存款利率。”上述理財經理說。談及長短期存款利率倒掛對銀行的影響，王蓬博認為，首先，此舉能夠降低長期負債成本，隨著長期存款利率降低，利息支出相應減少，有助于緩解凈息差壓力，提升銀行利潤空間；其次，可優化資產負債結構，通過調節長短期存款利率，引導儲戶調整存款期限偏好，降低期限錯配風險；最后，能推動業務創新，促使銀行開發結構性存款、理財產品等，拓展收入來源。對于未來趨勢，王蓬博預判，利率“倒掛”現象短期內可能還會持續一段時間，但從長期來看，這大概率是階段性現象。待經濟形勢好轉，市場資金需求結構發生改變，信貸需求旺盛，資金長期收益預期上升，銀行會適時調整策略，使長期存款利率回歸合理水平，從而緩解利率“倒掛”。