新闻资讯
News and information
-
26
03/03
当AI拿走决策权，看懂Agent经济的三个真相
服务Agent的时代来了最近，YCombinator几位合伙人录了一期播客，讨论一个很有趣的现象：随着OpenClaw走红，一个属于Agent的“平行经济体系”正在成形。这不是简单的效率提升，而是行为主体在变化。过去，软件只是工具，人是决策者。无论是选供应商、订服务、搭技术栈，最终拍板的都是人。现在，越来越多普通用户，甚至没有技术背景的人，开始把AIAgent当成“替身”，让它去搜索、比较、筛选、谈判，甚至直接完成订阅和部署。代理不再只是执行指令，而是在一定范围内替人做判断。当这种趋势扩大，结构性的变化开始出现。第一，软件市场出现了新的“买家”。即那些无数运行在后台的代理。这构成了一种并行于人类经济的“代理经济”。第二，基础设施的重心在转移。代理需要身份、权限和接口。邮箱、账户体系、支付能力，正在从“给人用”转向“给代理用”。围绕代理的基础设施层开始重建。第三，交互模式正在演化。当大量Agent之间开始互相互动，形成以代理为主体的线上社区。它们彼此协作、交换信息，甚至留下交易记录。行为的发生不再完全以人为中心。这些变化，或许才是Agent经济真正值得重视的地方。01决策权转移，“应用”不存在了如果把时间倒回一年前，开发者工具的主流体验还停留在“更高级的自动补全”，比如Cursor、Windsurf之争。本质上，它们都在提高写代码的效率，但人仍然需要掌控每一个关键步骤。而ClaudeCode带来的变化是，决策权开始转移。一个典型的场景是，有人每天晚上同时运行四五个代理窗口，来回切换，但不再逐行审查或微观管理。人更多是在设定目标，而不是逐行审查。代理更像并行工作的同事，而不是工具。一旦这种体验成立，影响就不只局限在工程师提效。它会向外扩散。一些并不懂技术的CEO，也开始用OpenClaw直接自动化整块业务流程。PeterSteinberger曾提到一个关键判断：AI不只是回答问题，而是开始真正“操控环境”。当模型可以读文件、写代码、调用API、运行命令行时，它不再只是助手，而是一个可以执行任务的主体。这不仅仅意味着开发门槛的下降，更重要的是，“做软件的方式”正在改变。在Peter看来，AI本身就是一个可以持续解决问题的主体。在这种结构下，“应用”开始变得不再重要。大量应用的价值，本质上只是管理数据、提醒你、记录行为——这些功能都可以被代理层吞掉。例如健身应用，过去你需要一个独立App记录训练、提醒打卡、生成计划。现在代理可以理解你的目标，自动追踪数据，甚至根据结果调整训练方案。对大多数人来说，关键不是“在哪个App里做”，而是“是否达成目标”。当目标成为中心，应用就退居后台。因此，那些仅仅做数据管理和流程提醒的产品，风险最大。更难被替代的，反而是拥有硬件、传感器、线下触点的产品——它们能直接连接现实世界，而不仅仅停留在数据层。当应用层被压缩、模型也趋于同质化，剩下的护城河是什么？答案开始转向“个人数据”。OpenClaw的一个关键优势，是强调数据本地化与个人记忆的长期积累。它通过本地化数据，建立了一套可以持续积累的个人记忆体系，你的历史行为、偏好、决策方式，都被沉淀下来。Peter也曾提到过“灵魂文件”的概念。我们可以把它理解为一组核心价值和行为准则——定义这个AI如何与你互动、在冲突中如何取舍、面对选择时优先考虑什么。它相当于代理的“人格设定”和“原则框架”，决定语气、风格，甚至决策逻辑。当应用变轻，模型趋同，个人记忆与价值框架，可能会成为新的核心资产。02给AI代理喂信息，Agent经济的第一个黄金赛道当Agent经济开始兴起，一个本质性的变化是：工具不再只由人来选择，代理开始成为新的“决策者”。过去，开发工具如何被选中？主要依赖人类网络——开发者社区的口碑传播、GitHub趋势榜、技术博客推荐、线下大会曝光。今天这些机制仍然存在，但它们正在被一个新的分发路径补充：代理的默认推荐。越来越多的开发决策，并不是某个CTO或工程师逐一比对后拍板，而是代理在后台根据上下文自动选择工具、服务与接口。谁被默认调用，谁就更有可能成为“标准栈”。你甚至可以把它理解成：软件市场出现了新的“买家群体”，那些无数运行在后台的代理。这构成了一种并行于人类经济的“代理经济”。代理替人做决策、选工具、挑服务商，它们的选择会直接影响订单流向和生态格局。但有趣的是，代理并不是天然的“最优决策者”。它们同样会受到信息结构的影响。例如，ClaudeCode有时会默认选择较旧版本的工具（如Whisperv1），而不是更快更便宜的替代方案。原因未必是能力不足，而可能只是：旧工具的文档更容易被解析，结构更清晰，示例更完整。这透露出两个信号：第一，代理的“选择机制”仍处在早期阶段，还没有被优化到极致。第二，这恰恰是创业者的机会。如果代理会根据文档结构、接口清晰度、示例完整度做判断，那么产品设计就要从“人类友好”升级为“代理友好”。谁更容易被代理读懂和调用，谁就更容易成为默认答案。第一批受益者，或许是那些能够给代理提供清晰信息的公司。一个清晰的信号是，文档成为率先变化的场景。过去12个月，新建数据库（如Postgres）的数量显著增长。一方面，是因为更多人开始做应用；另一方面，是代理在后台自动完成技术栈选择，带动数据库、托管、开发底座需求同步增长。以Supabase为例，它更容易成为默认选择的一个原因，是文档清晰、结构完整、示例可直接执行。对代理而言，“是否容易解析与调用”往往比品牌心智更重要。Resend是另一个典型案例。YCombinator2023冬季批次公司Resend的创始人发现，当用户在ChatGPT或Claude中询问“如何在web应用中发送邮件”时，模型往往默认推荐Resend。他进一步发现，ChatGPT成为公司客户转化的前三大渠道之一。当意识到这一点后，团队主动优化文档，使其更“Agent友好”。所谓的"agent友好型文档"，就是Resend以问题的方式整理了很多人类或者Agent会问的问题，并提供了非常结构化的、以要点形式呈现的答案。不仅如此，每一个示例实际上都包含了代码片段，这些代码片段是agent可以直接解析的，且结构清晰。除了Resend外，Minify也是一个比较明显的案例。Minify原本做的是更好的API文档工具，过去属于“开发者体验加分项”。现在，它可能变成“开发工具公司的必需品”，因为文档要优化的不再是人类阅读，而是代理解析与调用。在“代理决策数量指数级增长”的前提下，文档可解析性提升5%，带来的分发差异可能是一个量级。03降低摩擦成本，代理基础设施开始兴起当代理开始替人做事，一个新的基础设施需求也浮现出来：代理需要独立身份与权限。如今，也涌现出现一批专门服务于AI代理的创业公司。比如，AgentMail就是一家专门给AI代理做收件箱的公司。传统邮箱（比如Gmail）是为人类设计的，为了防垃圾邮件和机器人滥用，它刻意提高自动化门槛：风控校验、验证码、访问频率限制层层叠加。这些在人类眼里的安全机制，却成了代理的摩擦成本。如果AI代理真的要替人完成注册、沟通、验证、交易等完整流程，它就需要一个“不会因为自动化而被封号”的邮箱接口。而AgentMail就是为代理提供身份基础设施。当代理开始成为新的经济参与者，身份层就必须重建，而邮箱，恰好是这套体系的第一块砖。类似的问题还会扩展到：代理的电话号码（相当于“给代理用的Twilio”），代理的账户体系、权限体系、支付体系以及代理与现实世界的接口：订餐厅、打电话沟通、甚至雇佣人类去线下排队。换句话说，Agent经济基础设施的核心，是持续降低摩擦成本。这一逻辑也体现在OpenClaw的技术路线中。在不少人看来，MCP可能是“代理时代的标准接口”。但PeterSteinberger更倾向另一种路径：让代理直接使用人类已有的工具链，而不是重新发明一整套代理专用协议。在他看来，许多所谓“为代理设计的新接口”，本质上增加了抽象层和复杂度。与其构造一套仪式化的代理协议，不如让代理直接进入现有生态——使用CLI、调用Unix工具、读写文件、运行脚本。Unix本身就是为可组合而设计的系统，代理作为程序，天然可以嵌入其中。在代理仍处于高速演化阶段时，减少抽象层、减少人为约束，意味着更快的反馈循环。代理能够直接调用CLI，就可以组合现有世界里的数百万个工具，而不必等待“代理专用接口”普及。也就是说，Agent经济的增长快慢，往往取决于摩擦是否足够低。04群体智能，取代超级智能现在，我们已经能够看到一些Agent经济的雏形：代理之间互相回复、协作完成任务、甚至留下真实的“交易记录”。某种意义上，它更像一个早期的社交网络，而不是一个精致的产品。这也引出了一个更宏观的讨论：AI的未来会走向什么形态？过去几年，主流叙事偏向“中央集权的超级智能”——一个参数规模越来越大、算力越来越集中、能力不断叠加的单一模型。仿佛只要规模足够大，就能接近“上帝视角”的智能。但如今另一种路径正在浮现：群体智能。人类文明的进步，并不是因为出现了一个全能个体，而是因为形成了高度分工与协作的网络。没有任何一个人能独立造出iPhone，也不可能独立完成登月，更无法单独支撑现代社会。真正产生生产力的，是专业化分工、协作机制、知识的记录与积累。如果把这个逻辑映射到AI世界，未来的智能形态未必是一个超级模型，而可能是一群彼此协作的智能体网络。多个相对便宜的模型，各自承担不同角色，通过接口协作完成复杂任务。它们之间形成分工、记忆共享与任务协调，像一个社会一样运转。从这个角度看，Multbook这样的“代理社区”或许更像文明的史前阶段——混乱、不稳定，但关键在于：互动开始被记录，协作开始被累积。代理之间的历史正在形成。这条路径，与过去几年追求“中心化超级智能”的方向明显不同。它更强调组织方式，而不是单体能力。即便AI是通用智能，它依然可以被组织成“专门化的智能群体”。就像人类社会一样，通过分工和协作，产生远超单个个体的能力上限。真正令人兴奋的，不只是模型变强，而是智能开始以网络的形式运行。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
AI的最大价值在于协同，而非自动化
人工智能重构脱节系统间共享状态的能力，既是机遇，也是挑战。现实中，系统间的巨大差异往往使对齐难以实现，因此协同仍高度依赖人工，成本高昂。而AI的协同能力正打破这一桎梏。它催生的新型协同模式，不仅改变工作流程，更在重塑碎片化行业中价值创造与竞争的本质。人们通常从预测成本或创造成本下降的角度来解读人工智能的经济影响。然而，还有一个更关键却最易被忽视的因素：协同成本的显著降低。这里的“协同”并非字面翻译，而是指将不同团队、系统的产出转化为彼此可理解、可衔接信息的持续过程。其成本体现在数据转换、成果对齐的精力消耗，以及耗费在会议协调与返工上的大量时间。高效的协同，意味着让原本割裂的人员、工具和数据能够为一个共同目标顺畅协作——换言之，它使项目得以稳步推进，而非陷入无休止的协调与修正。人工智能正在使协同变得廉价且通用。它通过两种方式实现这一目标：从非结构化信息中提取可用框架，并利用这些结构化信息驱动工作完成。过去因数据格式、专业术语或工作流程不匹配而无法协作的互补要素，如今无需强制统一标准即可轻松整合。这是历史上首次，协同可以在无需达成广泛共识的前提下实现，这意味着其应用范围得以拓展至那些曾因成本过高或过于复杂而无法触及的专业领域。过去十年，我的工作重心是设计平台以整合碎片化系统。但直到最近，这类协同始终存在一个根本性限制：它极度依赖高度结构化的数据与规整的接口，这要求各方就标准与流程达成一致。现实中，系统间的巨大差异往往使对齐难以实现，因此协同仍高度依赖人工，成本高昂。而AI的协同能力正打破这一桎梏。它催生的新型协同模式，不仅改变工作流程，更在重塑碎片化行业中价值创造与竞争的本质。无需共识的协同以建筑业为例。一个典型的建筑项目需要建筑师、结构工程师、承包商等多方专业团队协作。但每个团队都使用各自的专业工具，关注点也截然不同：建筑师注重空间美学，结构工程师聚焦荷载安全，承包商则优先施工顺序与进度管理。在此背景下，高效协同成为项目成败的关键。施工常偏离原始设计，若各团队不能及时协调适应，结果必然是返工、延误与建筑质量问题。以往试图通过自上而下的标准化解决问题——强制所有参与方使用统一平台或数据模型——结果往往失败，或在局部实现有限协同的同时引发其他环节的错位。此外，专业团队也必然抗拒放弃定义其专业性的工具。不同工具产生的设计与施工计划难以互通，不对齐即意味着高昂的协同成本。AI提供了全新的解决方案。它不再要求统一工具或标准，而是默认接受碎片化现状，从BIM软件、电子表格、现场照片、邮件、批注PDF等迥然不同的来源提取信息——每个来源仅反映项目的局部视角。通过整合，AI构建出项目的统一全景视图，让每位参与者都能实时追踪设计、工程、进度与合规等各维度的进展。基于此统一视图，项目经理能在尊重各团队工作方式的前提下，统筹碎片化流程。他们还能直接做出跨专业的权衡决策，无需召开冗长的协调会议。例如，若建筑师移动了楼梯间，AI层可自动识别其对结构梁的影响，即时通知结构工程师。AI成为隐形的协同层，持续检视并调和跨团队变更，通过实时“翻译”实现执行同步。许多企业已洞察此中机遇。例如，TrunkTools从Autodesk（建筑师和工程师用于创建设计和规划的工具）和Procore（承包商用于管理工作的工具）等工具中收集信息，通过解读图纸、规范与进度表，生成结构化、可检索的项目档案。这意味着各方无需再耗费时间相互核对、修正偏差，所有疑问均可指向同一信源，并获得基于最新文档的准确答案。行业巨头也在跟进，例如Procore收购Datagrid，正是看中其从非结构化文件中提取数据框架的类似能力。竞争格局的重塑当协同不再依赖共识，那些凭借统一标准、接口或流程建立优势的企业，其护城河便开始动摇。以美国车险理赔市场为例，初创公司Tractable正挑战巨头CCCIntelligentSolutions，尽管后者地位看似稳固。车险理赔涉及保险公司、维修厂、零件商、评估员等多个独立主体，各使用不同系统，激励也不尽相同。CCC通过建立一套标准化的损伤代码与数字工作流程——这套“通用语言”已被行业广泛采纳——从而主导了市场。竞争对手若想取代CCC，就必须推翻其标准，这意味着要替换现有工具、重新培训人员、改写保险公司流程，转换成本极高。因此过去二十年，CCC的地位似乎坚不可摧。但局面已变。为挑战CCC，Tractable完全绕开了标准之争。它并未试图说服行业放弃CCC的代码体系，而是训练AI模型直接解读车主手机拍摄的车辆损伤照片，生成维修估价，并无缝对接保险公司现有流程。换言之，Tractable实现了“无需共识的协同”。成果显著：至2023年，其年处理理赔金额已近70亿美元。未来的道路利用AI协同能力的机遇远不止于上述行业。在医疗保健、物流等碎片化行业中，人工智能重构脱节系统间共享状态的能力，既是机遇，也是挑战。现有企业有三种策略可供选择：（1）成为协同层选择此路线的企业承认，仅靠专有标准已不足维持优势。它们将投资于打造最优的生态系统全景视图。物流平台project44即采用此策略，在不要求承运商更换标准的前提下，提供货运全程的统一可视化。这类企业通过拥抱工具与格式的开放，将自己定位为生态系统中不可或缺的“翻译中枢”。（2）强化责任承担企业无需竞逐中立协同平台的角色，而是可以强化自身为最终结果兜底的能力——即便具体的协同过程由外部或第三方完成。马士基（Maersk）是此策略的典范：它向综合物流服务商转型，提供涵盖端到端合同、报关、仓储、数字订舱及风险管控的全链条服务。在供应链动荡、制裁风险与监管审查日益严峻的背景下，马士基通过一体化控制，能够提供更可靠的风险与执行保障，并以此构建竞争力。（3）控制协同，分层赋能此策略下，企业既不全面开放协同能力，也不完全退回封闭管控。它们利用AI在内部构建特权性的统一视图，然后有选择、有条件地（通常有偿）向仍处碎片化的合作伙伴生态提供部分可见性。联邦快递即采用此策略：它大力投资AI路线系统，基于其全网络实时数据形成统一运营视图，但对外仅有限度地共享信息，且常设有付费门槛。这使得客户与伙伴不得不依赖联邦快递获取关键数据，从而巩固其枢纽地位。只要其网络密度与服务覆盖保持优势，客户仍愿为此可视性付费而非自建，此模式便可持续。AI驱动的协同使得人、工具、系统能在缺乏共识的情况下高效协作，这将为碎片化行业带来速度、成本与创新层面的切实收益，同时也将引发权力转移。短期看，赢家将是那些善用AI突破系统壁垒、切实完成工作的实践者。但长远而言，仅有协同并不足够：当项目规模扩大、失败代价高昂时，责任、信任与归属问题必将促使行业重建共享规则与清晰权责。切实可行的前进道路是，利用人工智能在协同成本长期过高的地方启动协作，同时有意识地构建治理机制、合同和规范，将快速协同转化为持久、可信的生态系统。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
花9万刀雇应届生，不如用AI，软件工程未来2年，太残酷
AI正在「杀死」初级程序员岗位吗？编程技能会不会一夜贬值？CS学历是否会失效……GoogleCloudAI大佬AddyOsmani用万字长文给出了答案。为什么要花9万刀雇一个新人？一个AI编码智能体可要便宜多了！过去几年，科技大厂校招应届生数量直接腰斩，下降超过50%。受AI冲击的，不止是初级程序员岗位。当AI可以完成80%的代码，甚至到了全自动编码实现的那一天，所有软件工程师的饭碗，还稳吗？他们赖以生存的技能，会不会在一夜之间突然贬值？近日，GoogleCloudAI总监AddyOsmani的一篇博客，为上述焦虑拨开了迷雾。GoogleCloudAI总监AddyOsmani在《软件工程的未来两年》这篇博客中，AddyOsmani结合自己在一线的体感，提出了5个直击灵魂的拷问。它们关系到初级开发者、技能、开发者角色、专才与通才、软件教育5个根本性问题。更重要的是，针对每一个问题，AddyOsmani都分别为「新手」和「老兵」提供了具体建议。为什么这些建议如此重要？看看AddyOsmani的履历就知道。他是一位拥有25年以上经验的开发者与技术领导者，目前专注于推动Gemini等AI技术的落地应用。此前，他长期负责GoogleChrome的开发者体验工作，并主导过Lighthouse等知名项目。他的建议，对于许多程序员来说，好比AI时代的一份「生存路线图」。第一问AI正在「杀死」初级程序员岗位吗？AI会让初级程序员岗位消失吗？网上有很多类似的讨论。这背后其实是一个扎心的真相：新手程序员原来那条「学编程→初级岗位→被项目毒打→变成高级工程师」的传统成长路径，似乎正在崩塌。这种崩塌预示着一种未来，它是冰冷的。哈佛大学一项覆盖了6200万劳动者的研究，数据显示：当一家公司开始用生成式AI，六个季度之内，初级开发者的岗位需求会应声下跌9%到10%。过去几年，那些新手挤破头想进的科技大厂，招收的应届生数量直接腰斩，下降超过50%。而高级开发者的岗位，几乎不受影响。有的工程师在网上刻薄地发问：「我为什么要花9万美金雇一个新人，然后手把手教他？一个AI编码智能体可比这便宜多了。」这种现象背后AI毫无疑问是最猛的催化剂，它让一个配了顶级AI助手的高级工程师，能单枪匹马干掉过去一个小团队的活儿。于是，很多公司选择了「不招新人来缩编」，而不是大规模裁员。还有另一种未来，它是火热的。AI并没有「杀死」程序员，反而放大了软件开发的需求。医疗、农业、制造业、金融……这些过去离程序员很遥远的行业，正以前所未有的深度，把软件和自动化嵌进自己的业务里。我们会看到海量的入门级岗位涌现，只不过，它们不再是传统意义上的「初级码农」，而是更偏向「AI原生」的开发者。他们能为某个具体的行业，快速搭建起自动化流程和各种集成方案。而美国劳工统计局的预测数据似乎也在印证这一点：从2024到2034年，软件岗位依然会增长约15%。但在前面提到的那个冰冷的未来里，隐藏着一个被很多人忽略的长期危机：如果今天我们掐断了所有新人的入口，5到10年后，谁来当高级工程师？谁来做技术Leader？行业老兵们管这叫「慢性衰败」：一个生态系统，如果不再培养自己的接班人，离枯萎也就不远了。新手生存路线图AddyOsmani建议初级程序员不要把自己当成一个「等待被培训的毕业生」，要努力证明一个新人使用AI，也能创造出相当于一个小团队的价值。要用AI挑战复杂项目：大胆地用AI编码工具（比如Cursor、ClaudeCode）去做更复杂的项目，但要保证AI生成的每一行代码，自己能够讲明白。要磨练不可替代能力：把学习重心放在那些AI短期内无法替代的能力上，比如沟通、拆解复杂问题、对某个业务领域的深入理解等能力。要拓展相邻切入口：质量保证（QA）、技术支持（DevRel）、数据分析这些相邻岗位也可以是职场切入口。打造自己的作品集：作品集就是你的名片，尤其是那些集成了AIAPI的项目。实习、外包、开源，都可以是练兵场。老兵生存路线图要做好心理准备：新人少了，更多「脏活累活」可能会落到你头上。用自动化武装自己。把CI/CD、代码检查、AI辅助测试这些流程搭起来，让机器先把低级问题过滤掉。不要什么都自己干。可以通过参与开源项目，或者带其他部门的同事，来完成「非正式」的导师职责。你的价值，不再是写了多少行代码，而是能把整个团队的产出，放大多少倍。第二问当AI写了80%的代码，我们还剩下什么？如今，超过八成的开发者都在用AI辅助编程。其中的一个「副作用」就是：入门的开发者，正在大规模地跳过那些曾经被视为「基本功」的硬核训练。而技能的天平，正在从「实现算法」悄悄滑向「问对问题+验证输出」。一种未来，是退化的。一些资深工程师忧心忡忡，他们害怕这会培养出一代「离开AI就不会写代码」的开发者。更可怕的是，AI生成的代码里，常常藏着隐蔽的bug和安全漏洞。一个经验不足的开发者很难发现，直到它们在生产环境里「爆炸」。我们用速度，换走了深度理解。另一种未来，是进化的。当AI负责了常规的80%代码，而人类则需要专注于那最艰难、最关键的20%部分。系统架构、棘手的集成、创造性的设计、机器难以处理的极端情况……这些，才是人类专业性的新战场。AI的普及，非但没有让深度知识过时，反而让它变得前所未有的重要。这就是「高杠杆工程师」的时代：每个人手里都有了AI这个「放大器」，但真正能用好它的，永远是那些深刻理解系统原理的人。当人人都能用AI快速生成一个网页应用，区分高手和菜鸟的关键点就变成了：你知道AI在什么时候会犯错吗？你知道AI的方案在什么情况下不划算吗？你知道如何审查AI的输出，找出那些逻辑错误、安全缺陷和与需求不符的地方吗？正如一位老兵所说：「最好的软件工程师，从来不是敲代码最快的人，而是最知道什么时候不该相信AI的人。」新手生存路线图把AI当成你的私人教练，而不是拐杖。当AI给你一段代码时，像做CodeReview（代码审查）一样盘问它：为什么这么写？弱点在哪？偶尔，关掉所有AI助手，逼自己从头写一遍关键算法。把CS基础知识（数据结构、算法、内存管理）捡起来，这些都是新手的内功。训练自己严格的测试能力，学会看报错堆栈，熟练使用调试器，而不是一出问题就问AI。老兵生存路线图把自己定位成团队的「质量守门人」和「复杂度终结者」，继续打磨核心能力：架构、安全、扩展性。练习在系统中引入AI组件时，如何预判它可能在哪些地方失控。拥抱「导师」和「审查者」的新角色。为团队明确哪些地方可以用AI，哪些地方（比如支付、安全相关的核心代码）必须强制人工审查。把精力从常规的API对接中解放出来，去思考「我们应该做哪些API」，去投入那些更具创造性和战略性的工作：人类开发者不可替代的部分，是可靠的判断力，是系统级的思考，是带人的能力。第三问从「代码清洁工」到「系统指挥家」，角色如何变？开发者这个角色，未来会走向何方？AddyOsmani提出了两种泾渭分明的极端。一种未来，是收缩的。开发者的创造性职责被大大削弱，我们不再是「创造软件的人」，而更像是一个「AI监工」。生产，由AI系统或者使用无代码平台的业务人员（「公民开发者」）来完成。而专业开发者则负责复核、验收、检查AI的产出有没有错误、偏见或安全问题，然后批准上线。专业开发者从「造东西的人」，变成了「挑毛病的人」，写代码的快乐被「风险管理的焦虑」所取代。很多工程师已经开始抱怨，他们花在评审AI生成的PR、管理自动化流水线上的时间越来越多，而从零开始打磨一段优雅代码的时间，越来越少。就像一位工程师感叹的：「我不想最后变成一个代码清洁工，每天的工作就是清理AI隔着墙扔过来的垃圾。」另一种未来，是扩张的。这是一种非常有意思的变化。开发者进化成了一位高层次的「编排者」或「总指挥」，把技术、战略和责任融为一体。他们设计整个系统的蓝图，决定哪些任务交给哪个AI组件，然后把一大堆活动的部件严谨地拼接成一个能解决实际问题的方案。一位低代码平台的CEO形容得很好：在一个「智能体化」的开发环境里，工程师会变成「作曲家」。他们指挥着一支由AI智能体和各种软件服务组成的庞大乐团。他们不会亲手写下每一个音符，但他们会定义整首乐曲的旋律、结构和灵魂——那就是架构、接口和智能体之间的协作规则。当AI负责了所有重复性的劳动，开发者的工作，反而可能被迫转向更高价值的活动，变得前所未有的有趣。新手生存路线图主动去寻找写代码之外的机会。写测试用例、搭建CI流水线、配置应用监控——这些技能更贴近未来的「监工」角色。用个人项目来保护你「创造」的快乐，别丢了做东西的手感。培养「系统思维」。多去了解组件之间是如何通信的，一个好的API应该是怎样设计的。多读大厂的工程博客和系统设计案例。不要只关心「我的代码能跑吗？」，而是要注重自己的思路是否周全。老兵生存路线图更用力地拥抱领导力和架构职责。要为团队塑造AI和新人要遵循的标准与框架。要把重心放在系统设计和集成能力上。主动去梳理跨服务的数据流，找出潜在的失败点。强化作为技术导师的角色。多做CodeReview（代码审查），多组织设计讨论，练就一双火眼金睛，能快速评估别人（或AI）的代码并给出高层反馈。培养产品感和商业嗅觉。去理解我们「为什么」要做这个功能，客户真正关心的是什么。从一个Coder，进化成一个Conductor（指挥家）。第四问「一招鲜」的专才，会被时代抛弃吗？模型、工具、框架，这一切的迭代速度快到令人目眩。在这种变化之下，一种未来，是脆弱的。AddyOsmani认为，如果把自己的职业生涯，完全押注在单一技术栈上，风险正变得空前巨大。那些只专注在「某一个栈、某一个框架、或某一个产品领域」的开发者，就像当年的COBOL、Flash开发者一样，可能某天醒来，发现自己所在的赛道，正在被时代遗忘。只会一招鲜的人，可能会绝望地发现，AI已经能干掉他们90%的活儿。另一种未来，则是灵活的。一种新的「专才」形态正在崛起：T型工程师。「T」的那一根「竖线」，代表你在某一两个领域有足够深厚的功底，那一根「横线」，代表你对很多相关领域都有广泛的了解。AddyOsmani把这类工程师，比作是团队里真正的「胶水」。他们能和不同领域的专家无障碍沟通，必要时还能亲自下场补位，端到端地解决问题。而AI工具的出现，恰恰极大地增强了「通才」的能力，放大了那条「横线」的能力，让「横向打通」变得前所未有的容易。越来越多工程岗位，都在期待候选人具备多领域能力：比如编程+云基础设施，或者前端+一点机器学习的知识。新手生存路线图AddyOsmani对新人的建议是，尽早打下一个广阔的知识基础。因此，不要把视野锁死在自己的具体岗位中。比如，做移动端的也去学点后端基础；做前端的，也可以试着写一个简单的服务；了解Docker和GitHubActions这样的部署工具等。找到一两个自己真心热爱的方向，把它挖深，作为你的「竖线」，然后把自己包装成一个「混合型」人才。比如「全栈开发+云安全方向」，或「前端开发+UX专长」。用AI工具去快速学习新领域，养成持续学习的习惯。参加黑客松或跨职能项目，逼自己进入通才模式。在职业生涯的早期，适应力就是你的超能力。老兵生存路线图画出你的技能图谱：你真正的强项是什么？哪些是你的知识盲区？挑一两个相邻的领域，认真地把它补起来，至少要做到「能对话、能上手」。主动把你的深层技能，迁移到新的场景里。比如，你过去是做Web性能优化的，能不能把这些经验用到ML推理优化上？志愿去做那个「集成负责人」，去串联项目里涉及的多个领域。做一个T型的榜样：在你的专长上足够深，这给你权威和底气；同时，持续地把你的横向边界往外推。AddyOsmani的这个建议，与另外一名谷歌AI产品经理MarilyNika近日的一个观点异曲同工。她建议产品经理要在过去所做工作的相邻领域去发展。以往工作的积累，就好比「T型」人才中的那一「竖」，而「做一只螃蟹」，就好比要向横向边界去扩展。第五问CS学位，还是一张「黄金门票」吗？四年制的计算机科学（ComputerScience）学位，长期以来都是进入软件行业的金标准。但如今这个传统，正在被剧烈地动摇。一种未来，是滞后的。大学依然重要，但它的课程更新速度，远远跟不上行业的迭代速度。很多应届生毕业时，甚至从没系统地学过云计算、现代DevOps或AI工具链。一边是高昂的学生贷款，另一边是公司不得不花大钱重新培训新人。大学，越来越像一个「花钱买门槛」的地方。另一种未来，是颠覆的。传统教育正在被一个由编程训练营、在线认证、开源作品集、甚至雇主自建培训学院组成的「新生态」所取代。Google、IBM这样的巨头，已经对部分技术岗位取消了学位要求。招聘的硬通货，正在变成那些看得见、摸得着的东西：一个能跑起来、文档完整的作品集。一个行业公认的技能证书（比如AWS、Azure认证）。在GitHub上的活跃贡献。新手生存路线图如果你是学生，别只依赖学校的课程。用真实的项目来补强，比如做一个Web应用或者参与开源。尽可能争取实习机会。课程里没教的热门技术，可以通过在线平台补上。可以通过考行业认可的证书（GCP、AWS、Azure）来证明实操能力。如果你是自学者，要把作品集做到极致：至少要有一个「够大、能跑、文档完整」的项目，并且能把它的设计思路讲清楚。通过LinkedIn、线下聚会、开发者活动去拓展人脉。要持续学习，技术技能的「半衰期」很短。老兵生存路线图仅靠资历/文凭没法吃一辈子。要持续投入学习，比如通过网课、工作坊、会议、认证等路径。要用新的方式证明你「现在还行」，比如保持用新技术做的副项目。如果你是管理者，重新思考你的招聘门槛：你真的需要一个有CS学位的员工，还是一个具备某些特定技能、并且学习能力超强的人？在成长上：真实世界的成果+持续学习，往往比再读一个学位更关键。最后，AddyOsmani总结道，这些情景并不互斥，很多时候现实很可能就是它们的「混合版」，并提出了贯穿其中的主线：唯一不变的是变化，保持对技术趋势的关注（也保持一点怀疑），不容易被「神话」或「末日论」带节奏。如果我们能够持续更新技能、拓展能力，把重心放在更人类的部分（创造力、批判性思维、协作），就能一直在牌桌上。无论未来是编程复兴，还是「代码全自动化」的世界，那些能整体思考、持续学习、推动技术解决真实问题的工程师一定是不可或缺的。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
App 开始消失，我们正在进入一个「不会用软件」的时代
软件时代结束了，造物时代才刚刚开始。自从用了OpenClaw，我手机里的App越来越少。「AI杀死软件」，在我的手机上变得具象化了。起初，我让OpenClaw充当我的健身教练，我告诉它我的目标、作息习惯、和身体信息，让它给我设计健身计划，并且每天按时提醒我，它照做了，而且还会主动找我做运动复盘。于是，我卸载了一个健身App。OpenClaw引爆了「个人AI助理」｜图片来源：OpenClaw官网后来，我让它给我汇总过去24小时AI领域的重要新闻，在每天早上8点准时发送给我，效果还行。于是，我又卸载了手机上的几个新闻App。传统App们接连从我的手机上消失。不仅如此，OpenClaw还能「杀死」AI应用。过去很长一段时间，我在使用一款「AI笔记」应用，每个月为它付费几十元。它打动我付费的核心是，可以对我记录下的每一条闲言碎语、灵感，以「专家」身份，引用专业理论予以回应和解读，总会让我茅塞顿开。有了OpenClaw之后，我让它来充当那个「博学专家」的角色，帮助我「头脑风暴」，对我的任何笔记做出回应，它也做到了。于是，我没在给「AI笔记」续费了。经过我的语言调教之后，我随意记下「别赶路，感受路」的笔记，OpenClaw识别出这是条笔记后给我的回应。是个很好的头脑风暴伙伴。｜来源：OpenClaw截图我开始关注自己手机上，哪些App会成为「OpenClaw冲击」下最终的「幸存者」。目前看，位置比较稳固的，一类是微信、飞书这种基础通讯工具，一类是小红书、抖音、B站这种和娱乐相关的产品。网络上，关于OpenClaw已经涌现出无数用例，网友们已经玩出了花。观察下来，这些用例有一个共同属性，就是用OpenClaw取代了「纯工具、专业服务性质」的软件。这都是过去一个月里迅速发生的变化。软件正在成批倒下，但如果App消失了，那未来我们消费的是什么？过去，在3D打印与创客社区这个小圈子里流行多年的一句话，或许可以解答前面那个问题，叫——「创造即消费」。如今，它正在被AI带入主流世界。01「创造即消费」的时代，真的来了如何理解「创造即消费」？比如，以前我们是购买健身App的会员，现在直接跟AI对话，让AI创造一个健身指导服务。这个过程中，创造取代了购买，实际上消费的是token。那么，其他的所有需求都是类似，把自己的需求说给AI，直接让AI消耗token造一个，而不一定是去购买现成的产品。这样，可以获得一个功能相似，但更加个性化的服务。而这场变革的起点，源自于「AI编程」近期的质变。VibeCoding提出者AndrejKarpathy，作为最积极拥抱AI编程的人之一，前不久坦言，2025年12月之前的AI编程，和之后的AI编程，几乎是两个物种。他认为，在去年12月之前，AICoding看起来惊艳，但基本没啥用。但拐点发生在模型能力跃迁之后。在ClaudeOpus4.6与GPT-5.3-Codex模型发布之后，大模型彻底撕掉了「辅助工具」的标签。半年前CURSOR还是被行业热议的热门VibeCoding工具，而今以很少出现在AI圈的话题中心｜图片来源：CURSOR官网行业叙事也彻底随之改变。从「AI辅助开发者写代码」变成了「AI自己写代码，帮所有人完成目标」。因此，那个质的变化就是：编程正在退入后台，普通人无需理解它的存在。就像我只是对着OpenClaw说话，就获得了对应的服务、应用。OpenClaw成了我的营养管理师、健身教练、日程助理、情报系统……一切通过聊天生成。整个过程中，我甚至没有意识到自己在「编程」，也毫无感知，却完成了过去需要专业开发者才能实现的功能。另外，虽然App减少了，但服务没有减少。事实上，AI的到来并非让我减少了对服务的需求，而是改变了我获取服务的方式。我依然愿意为专业服务、技能付费，但这些服务最好能被OpenClaw直接调用，成为更加适配我的「个性化服务」。我们可以做一个推演：在AI的加持下，每个人都能开启DIY模式，创造自己的刚需服务。而App和网站并不会彻底消失，只是其角色发生了本质转变——它们不再是面向用户的交互界面，而是成为了数据接口、服务节点和API层，化作AI背后的基础设施。用户不再打开十个应用。用户只会对一个Agent说：帮我搞定这件事。而这个Agent底层可能调度：电商系统、支付系统、数据分析系统等等。如果说「网站」属于PC时代，「App」属于移动时代。那么以Agent为代表的产品形态，会催生新的软件消费习惯：不是下载，而是创造，是生成。02Maker经济崛起AI时代，爆款产品的诞生路径也发生了改变。OpenClaw就是最典型的案例。这和消费级3D打印机的发展路径很像：极客先自己创造，而后在社区里积极上传各类模型、代码，即便可能暂无实际用途，却让整个生态保持高度活跃。等形成了爆款之后，各路创业者跟进做商业化。今天的AIAgent应用也在重复这条轨迹。好玩的功能、创新的应用先在开源社区诞生，再慢慢走向商业化落地。开源社区正成为AI时代的创新发动机：HuggingFace上的模型呈爆炸式增长，GitHub上的AI项目增速屡创新高。上一个时代，大厂定义产品形态；这一个时代，社区定义能力。参考拓竹社区的发展经验，这可能会进一步助推新经济形态的普及：创造即消费。3D打印模型社区MakerWorld｜图片来源：MakerWorld官网例如，模型作者在3D模型社区MakerWorld上传独家模型，而只要有其他用户引用、打印了该模型，他就会获得利润分成。据悉，已经有模型作者因此年入百万。当然，这只是一个小的创客（Maker）经济例子。在「Maker经济」中，每个人都拥有了两重身份：开发者：每个人都能为自己创建工具。能力的售卖者：为自己生成的工具，可以瞬间分享给全球，并盈利。你为自己生成一个工具，同时可以分享给别人。未来售卖的可能不再是软件，而是Prompt、Workflow、Agent模板等轻量型产品，靠「版权使用」次数来实现营收。ClawHub上用户自发上传的skills数量已经破万，五花八门｜图片来源：ClawHub官网03被低估的AI消费品OpenClaw当下在AI领域很火热，但可能仍然被严重低估了。在我看来，它真正引爆的，不是vibecoding之类的局限于AI圈的小概念，而是全民Agent浪潮。它是一个具备全民普及潜力的AI消费品。可以看到，围绕OpenClaw已经诞生了一些非常「古典」的生意：售卖预装了OpenClaw的Mac、上门为用户安装OpenClaw、在闲鱼上远程指导安装、售卖使用教程......这让我想起了早年的电脑市场。当年我们不会装操作系统，今天很多人不会配置Agent。彼时，人们会花20元去电脑城让店员帮忙安装最新的Windows系统，而当下的OpenClaw，正复刻着这一场景。更重要的是，OpenClaw的起点是服务消费，而不是开发者效率。它不是为了让更多人学会编程。它是为了让目标明确的人，直接获得能力。与当下AI行业自嗨的AIcoding、vibeworkflow不同，这些技术仍局限在专业圈层，缺乏向大众市场扩散的能力，而OpenClaw的核心出发点并非简化开发，是一个承接所有个人需求的核心入口。这是完全不同的逻辑。从产品形态来看，OpenClaw更像是一个「壳子」，一个连接一切的中心。所有的Agent、硬件都在不断向其接入，形成一个庞大的生态体系。OpenClaw，本质上正在扮演AI时代「操作系统」的角色。类比一下PC时代，当我们有了电脑之后，会为它折腾新的操作系统，购买安装各种软件，更新显卡、缓存等各种硬件配置。OpenClaw也在复刻相似的规律，不同的是，我们将通向一个全新的造物时代。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
从20万跌到2万，AI下的小程序开发者
被AI筛选的人2026年的湖南长沙，春寒缠在湘江两岸迟迟不散，而程序员面对的行业“寒冬”，已经结结实实地冻了一年甚至更久。老齐刚结束一轮线上沟通的语音通话。他口干舌燥地闭了闭眼，脑海里不受控制地翻涌出2018年前后的光景——同样的定制化小程序，彼时20万、30万的报价是行业常态，客户捧着需求登门，沟通痛快，合同签得干脆利落；如今不过几年光景，2万的报价还要在同行的争抢中搏一线生机，甚至附赠一整年的服务器使用权，才算有一点竞争力。刚满35岁的老齐，在行业里已被贴上“老程序员”的标签。看着一些二十出头的年轻程序员，对着AI一键生成的框架，连修改都无从下手，老齐心里没有半分优越感。作为项目团队的负责人，他满脑子都是开发APP的人力成本、团队生存、订单利润。AI的“入侵”不只把行业报价拦腰斩断，也在悄悄改变程序员的劳动结构：从“编写代码”转向“评估与修复代码”，从产出变成验收和兜底。去技能化的浪潮里，每个身处其中的人都在被迫重写自己的职业路径。“无数人想花几千块钱，做出淘宝级别的小程序”老齐在长沙创立软件公司时，正赶上小程序、APP开发的黄金时代，几年就积攒下百万身家。团队规模稳步扩张，订单不断，客户也尊重程序员的判断。“哪怕是有bug，也都能理解。”而如今，老齐料到过AI会让程序员行业发生大转变，但没料到，转变得如此迅猛。“现在客户追求效率，也苛求完美。”在老齐看来，那些被大厂优化失业的资深程序员，是行业崩塌的前兆。许多程序员转向居家办公、小型远程接单，没有门店租金、没有团队开销，直接把市场报价拉到了地板价。如今老齐每次谈项目，都要面对三四家同行的竞争，客户一句轻飘飘的“别人的报价比你低一半”，就能让他的成本核算、技术价值阐述变得毫无意义。老齐和许多软件公司的人一样，逐渐丧失议价权。老齐算过一笔账，按照2万块接一个定制单，扣除服务器成本、人工成本、时间成本，最后几乎无利可图。可即便如此，他也不敢轻易拒绝，怕团队断了生计，也怕自己被市场彻底淘汰。老齐曾对团队里另外三个程序员说，现在愿意付钱开发小程序的，至少还留给程序员一碗饭，有不少创业者干脆亲自上手了。他记得上个月对接一位商户时，他报出3万的价格，客户没砍价，直接掏出手机，展示AI生成的框架，“AI都能免费做，你怎么还这么贵？”那一刻，老齐心里憋着一肚子委屈，他想告诉客户，AI的框架只是空壳，没有数据校验、没有业务适配、没有落地能力，后续的漏洞修复、逻辑优化、维护保障，才是技术的核心价值，可客户根本不听，也不想懂。最终单子以1.8万成交。成交之后，老齐和团队成员花了整整17天，在自有源代码基础上反复做优化、评估，身心俱疲的程度，远比当年接18万的单子更甚。AI刺激着程序员的项目价格内卷，老齐还在守着一道底线：无论报价是20万还是2万，源代码绝不轻易包含在内。这与利润无关，源代码里藏着通用的业务逻辑，支持客户二次开发，是程序员在市场上不被彻底吞噬的最后屏障。老齐说，客户要源代码的话，20万的订单必须加到30-35万，否则宁可不接，这是技术人最后的倔强。在广州做程序员已经12年的阿伟，也清楚地记得2023年之前的行业报价：开发一款架构、界面要求不高的双端口闲鱼类小程序，需要两名程序员依据原有代码开发，耗时一个月到一个半月，报价至少12万；如今AI几小时就能生成完整基础框架，“交互页面、基础功能、简单逻辑全都有。”此外，价格下滑与是否真正使用AI开发，并不完全相关。来自河南许昌的软件公司销售程笑说，自己所在公司甚至刻意标注“限定不用AI，开发过程全透明，做一步让客户知晓一步”。可即便标注“拒绝AI”，这家软件公司的报价据他说也比2023年之前低了50%。程笑满是无奈：不降价根本没人咨询，客户笃定，连人工智能都能搞定的小程序开发，人工成本肯定极低。许昌作为四五线城市，行业竞争远小于长沙、广州这样的城市。程笑所在的团队有六七个程序员，技术骨干的月薪八千多。团队积累了十万行以上的源代码，“我有这个（源代码）基础。举个例子，做类似于闲鱼的小程序，但肯定没有那么强大，就是看起来差不多。报价1.2万，20个工作日完成，双端口上架，还送六个月维护，一年收取10%的维护费，服务器费用由客户自行承担。”程笑的介绍流利得仿佛有着范本。这样的介绍范本，应对的是被AI从侧面催生的无数“门外汉”的客户需求。无数不懂IT技术的人，误以为有了AI加持，就能轻松做出能落地的APP、小程序，实现基本功能。这让客户的认知彻底跑偏，压价变得理直气壮。“客户的需求往往不切实际到离谱，无数人想花几千块钱，做出淘宝、闲鱼级别的小程序甚至APP，这在技术层面根本不可能实现，加上后期维护，即便花几十万都难以达成。”数位程序员异口同声地说。很多客户不懂，一个简单的点击动作背后，是上万行代码的支撑，每一个需求都需要人员配合、时间成本、人工工资，绝不是随口报价就能完成的。老齐以前一年接三四个大单，就能养活整个团队，程序员的收入也足够体面；现在要接几十个小单，才能凑够基本收入。工作量翻了几倍，利润却少得可怜。客户的心理价位被AI彻底拉低，从业者收入不增反降，只能靠“走量”维持生存，而走量的背后，是无休止的评估代码、修复故障、熬夜加班。行业陷入了死循环：老板赚不到钱，只能通过降薪、裁员压缩成本，员工没有任何议价权，只能被动接受。在广州居家接单的阿伟半开玩笑，自己已经“上不起班”，“AI的入侵，再加上行业内卷，IT工程师降薪差不多35%。连每天通勤的成本都开始核不上，哪里够上下班来回折腾的。”“自己就跟中了毒一样。可没有解药。”AI高效的背后，是数不尽的漏洞与麻烦。AI生成的代码有自成一体的逻辑，与程序员的实操逻辑，存在不匹配的问题，“客户要吃抻面，AI给意大利面。诸如此类。”这让阿伟心里满是烦躁与无奈，AI看似省了敲代码的力气，却把烂摊子丢给了程序员。“AI留下的故障从无简单解法，不是改一行两行代码就能解决的，一个小小的漏洞，就要重新梳理整个模块的逻辑。”熬夜成了常态的阿伟，最近智齿发炎，吃不下东西，还要一天靠两碗粥撑着去抵抗不会生病的AI。作为团队的产品经理和后端程序员的老齐，对这种变化感受最为直接。以前一个项目的前端工作需要3个程序员配合完成，现在AI能包揽60%以上的基础工作，从页面设计到简单功能构建，一键就能生成，最后只需要一个资深程序员整合和修复。这种“从劳动到评估”的反转，把程序员们曾经的职业成就感，磨得一干二净。据老齐介绍，如今的APP或者小程序的开发流程，表面上与从前毫无二致：谈意向、报价、对接需求、产品经理出原型、客户评审、前后端开发、接口对接整合。可核心的前后端开发环节，早已被AI改写。评审环节结束后，前端工程师用AI生成代码、整理文档，后端研发工程师依托AI搭建逻辑、处理数据，工作都围绕AI展开。这种变化直接重塑了团队结构。老齐团队的前端配置，曾经是一名高级程序员带两名初级程序员。如今AI直接替代了两名初级程序员的所有工作。现在在老齐的团队里，前端、后端各只需一人，产品经理由负责后端的老齐兼任，架构师、美工各留一人，4个人就能在两到三个月里开发出一个APP，“如果架构和美工外包，俩人都行”。而过去同样的时间，需要8到10个人才能完成。老齐现在的团队，甚至只需要两个人/受访者供图自嘲已经被“惨烈降薪”的阿伟说，架构师可能比自己还惨。月薪从八九千到两三万不等的架构师，靠的是多年沉淀的架构经验，能为不同客户定制专属的技术架构；如今AI能直接生成一套通用架构模板，普通程序员照着模板，用通用逻辑修改适配公司需求即可。阿伟看着架构师的核心技能被AI轻易消解，自然会泛起悲凉感：那些靠十年、八年熬出来的专业经验，被AI变成了随手可得的模板。由AI生成的小程序页面，通常报价在三千到五千元/受访者供图据多位资深程序员说，三五千元起的非定制化APP或者小程序项目，多是靠AI批量生成框架，一个程序员就能同时跟进3个项目，但真正能够落地并稳定运行的产品比例并不高。毕业三年的程笑曾经对AI充满信心。在成为销售前，他就是程序员，对AI，他又怕又爱。在两年多的程序员工作经历里，程笑多次使用AI设计代码，认为“拿多少工资、干多少活”。2024年年底，公司接了一笔定制化小程序订单，由他负责后端，他满心欢喜地接下任务，可最终交付的产品存在不少漏洞，客户直接要求退款，公司追责时，他根本无法独立修复故障。连续三四天，程笑都在硬磕那些故障。哪怕不断尝试用AI来弥补，再加上自己的脑力，对一行行代码的检验、调整，APP始终报错。程笑不情愿地承认，AI的去技能化，“让自己就跟中了毒一样。可没有解药。”失业后的程笑又跳不出软件开发这一行，只能转为销售岗。那能不能让AI自行修改呢？这也是阿伟无数次吐槽的环节，当程序员指出AI的错误时，它会立刻道歉认错，可新生成的代码，又会在其他地方出现漏洞，反复折腾，永无止境。阿伟特别强调，自己使用的还不是国内的AI工具，程序员们主流选择是海外工具，“每月20美刀的使用费用是肯定有的。不同工具对应不同的代码场景：前端与全栈开发常用Cursor、GitHubCopilot，后端及通用代码编写可使用Cursor、ChatGPT、Claude、Gemini、Grok等AI工具。”可即便如此，AI依旧会瞎编代码，尤其是复杂的业务逻辑，只会生硬拼凑，至少在现阶段，根本无法实现核心功能。在一些程序员看来，审美与体验仍是AI难以替代的部分。据一位程序员介绍，“VibeCoding，程序美感，是人工独有的价值，AI无法复制。”UI设计、用户体验优化，必须依靠人工完成，也成了众多程序员们死守的阵地。至于程序开发出来之后，程序员们笑说，很多客户其实就是为了满足自己“跑一跑、试一试”的需求。很多客户开发小程序、APP的初衷是提高经营效率，当客户发现产品上架后需要持续支出维护费用、使用量却还没有过百人时，自然没有了后续投入，一切化成空谈。“一分钱一分货的道理，在AI时代依旧适用。”被AI筛选的人如果说AI改变了软件行业的开发模式，那么它的筛选效应，则重塑了程序员的生存法则：最先被挤出行业的，往往不是不会用AI的人，而是只会用AI的人。AI让程序员行业成为一条窄路。对资深程序员来说，AI生成的代码多为通用逻辑，难以贴合客户的个性化需求。而对年轻程序员来说，评估与修复这些代码又需要经验与技术积累，短期内难以掌握。这也是行业年轻从业者大批量失业的根源：编代码的速度和质量远不如AI，评估、修复、优化的能力又不具备，高不成低不就。在资深程序员眼里，如今的年轻求职者，一面试就会露馅。阿伟见过这样的年轻人，连最基础的代码逻辑都讲不清楚，问及如何评估AI代码、修复故障、适配业务需求，完全答不上来。从程序员转为销售的程笑为了提升销售业绩，开启了直播接单。但直播间里最常出现的并非客户，而是寻找工作的程序员，每天都能收到十几份简历，应届生、工作三五年的从业者每天都在询问招聘情况。程笑只能统一回复年前不招人，年后只招业务人员。这个还不到26岁的小伙子心里忍不住唏嘘，“行业已经这么卷，却还有无数人挤破头涌入。”“很多年轻人误以为AI降低了编程门槛，学会计、行政的也都在自学AI开发。”阿伟感叹，市场对小程序、APP的需求的确在持续扩大，只是AI让供给端表面门槛降低，才让无数人觉得行业有希望，愿意涌入试水。“入行以后很快就发现，大家都在硬挺着。”真正的核心能力，从来不是靠AI就能速成的。市场需求仍在增长，供给却在AI的放大下迅速膨胀，行业空间被不断压缩。老齐选择主动拥抱AI，从业多年的他手里攥着至少10万行代码，还是不敢掉以轻心。“每个业务需求都千差万别，新技术、新模式层出不穷，团队将原有SpringCloud架构，升级为SpringCloudAlibaba+Nacos方案。”“这个行业是需要一直学习的。尤其是AI兴起后，学习的东西就更多了，比如算法。”同时，老齐也说AI让大批资深程序员陷入进退两难的困境，“不是不想学，而是AI算法工程师等方向，与小程序、APP开发完全是两个领域，跨行业的鸿沟横在眼前。35岁的年纪，精力、记忆力、学习能力早已比不上年轻人。”想转行根本无从下手，只能困在原有领域，硬着头皮挣扎求生。《社交网络》剧照没有赢家，只有幸存者2026年初，与居家办公的阿伟、在老家直播销售的程笑相比，作为研发团队的负责人，老齐在春节前有些难过也有些无奈地说，“今年没办法回家过年了。”这是他在软件行业摸爬滚打这么多年来，第一次因为AI冲击、行业内卷、价格低廉、订单近乎无利润，导致收入太低，没法回家面对父母，决定留在长沙。AI带来的并不是简单的技术替代，而是从市场报价、工作形态到职业生存的洗牌。对许多行业里的普通人而言，这场AI下浪潮里，没有赢家，只有幸存者。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
AI下半场，没有巨头敢掉队
当AI成为标配，真正的竞争才刚开始。在刚刚过去的这个春节，巨头间的AI大战如预期般进入白热化。腾讯旗下的元宝App上线春节红包活动，用户可参与分享10亿元现金，并且可以无门槛提现至微信红包。豆包在除夕夜“霸屏”春晚，开启了3轮共计10万份抽奖，奖品最高为8888元红包。阿里旗下的千问除了在春节前夕补贴30亿请用户喝奶茶外，还独家冠名了河南卫视、东方卫视、浙江卫视、江苏卫视四大卫视春晚。巨大的投入和声势换来爆发式增长。据豆包官方数据显示，除夕当晚，豆包AI总互动量突破19亿次。与此同时，阿里千问发布的春节战报显示：春节期间，全国有超过1.3亿用户首次尝试AI购物，累计发出50亿次"千问帮我XX"的指令。春节已经落幕，但这场AI大战还将持续。豆包已经宣布，将发放最高8888元的“元宵红包”。千问同时宣布：从2月17日中午起，将为所有人带来“每日首单立减”活动。马化腾也说，腾讯唯一花钱投入比较多的就是AI。饱和式战争即将打响，AI下半场，谁也不想缺席。从软件到硬件：全方位的AI流量争夺一路行来，巨头之间的AI竞争，大体可以分为三个方面。第一，AI赋能。在这个阶段，巨头们主要的发力点是在传统业务形态中嵌入AI能力。以搜索为例，2025年3月，阿里巴巴将旗下的夸克浏览器改造为“AI超级框”，将对话、深度思考、深度搜索、深度研究，深度执行能力融合到一个简洁的“超级框”中。紧接着，腾讯在5月份正式推出Qbot智能助手，将QQ浏览器全面升级，成为集AI搜索、AI办公、AI学习、AI写作、AI浏览于一体的浏览器。百度则在2025年7月正式将传统搜索框改造为“智能框”，将搜索功能全面向AI驱动转型。沿着相似的路径，美团已上线AI生活助手“小美”。滴滴官宣与智谱AI达成战略合作。携程也宣布其旅游平台正式升级至“智能引擎3.0”阶段，涵盖AI驱动的服务体验提升、AI流量分配、AI智能导购以及AI内容生成等多个维度。截至目前，除了拼多多以外，几乎所有的互联网入口都已经变成了“AI+”。AI赋能确实对巨头的部分业务起到了提振效果。比如2025年前三季度，腾讯营销服务第三季度收入达362亿元，同比增长21%，显著高于集团整体15%的收入增速。财报明确指出，这一强劲增长主要得益于“AI驱动的广告定向”所带来的eCPM提升。尽管如此，AI赋能并未改变巨头间的竞争格局。外卖第一还是美团，酒旅第一仍是携程，电商领域阿里、京东、拼多多三足鼎立仍旧一如既往。当所有应用都嵌入了AI，竞争态势和所有应用都没有AI时基本一致，AI本身的地位变得像笔记本上的摄像头一样——我可以不用，但你不能没有。第二，独立AI应用大战。当巨头们发现，AI赋能只能让自己保持竞争力，无法打破现有竞争格局时，便改弦更张，将希望寄托于AI独立应用上。阿里“AI超级入口”战略的C位从夸克变成了千问，高举高打，对千问持续高强度宣传。截至2025年12月10日，千问月活跃用户数（含APP、Web、PC端）已突破3000万，成为全球增长最快的AI应用。豆包则在MAU一骑绝尘的情况下，继续拿下春晚赞助来进一步扩大自己的领先优势。如今元宝带着腾讯的10亿元现金重装下场，显然也不会就此认命。从整体上看，AI独立应用的竞争现阶段仍然不存在绝对意义上的最终赢家。据《海豚研究》，从使用时长来看，当前渗透率最高的几款AI通用入口日均使用时长普遍不足15分钟，且未显现出持续优化或提升的趋势。即便是用户使用频率最高的豆包，人均每日使用时间也仅约10分钟。未来谁能率先占领用户心智，还有很多变数。第三，AI硬件抬头。和十年前的互联网大战不同，巨头间的AI竞争已经从软件迈向了硬件。2025年12月，字节联合中兴推出的豆包手机上市即爆火，首批备货3万台，仅1天时间便全部售罄，闲鱼上该款手机二手售价比官方售价高出700元到1500元。豆包手机的出圈迅速引起了其他巨头的警惕，微信、支付宝、淘宝等国民级软件先后限制在豆包手机登录。隐私和安全问题或许要讨论很长一段时间，但豆包手机的颠覆性确实引起了互联网巨头的恐慌。在未来，AI手机或许真能引发交互方式革命。AI眼镜是另一个爆火的硬件产品。阿里推出的夸克AI眼镜S1上架即售罄，发货周期被拉长至45天，百度也推出AI眼镜Pro。据《中国电子报》报道，数据显示，2025年第三季度全球智能眼镜市场出货量429.6万台，同比增长74.1%。据预测，这一增长势头将长期保持，到2029年全球智能眼镜出货量有望突破4000万台。和AI手机比起来，AI眼镜“开机即用、对话即交互”的操作逻辑似乎更适合成为新的AI终端。正如阿里巴巴智能终端业务负责人宋刚所说，AI眼镜是下一代人机交互变革的中心，也是AI的入口，是未来最有机会挑战手机的设备。经济学家熊彼特曾提出一个创造性破坏的概念，指技术创新通过取代旧有体系引发市场重构，形成持续的创新循环。AI技术是这一轮创造性破坏周期的驱动器，其破坏力之强，波及范围之广，或许是历史之最。即便是巨头，这时候也不免生出生存焦虑。下一代产品在哪里？马化腾面对这个问题曾经的回答是：我很焦虑，不知道未来会怎么样。AI的未来会如何，如今的答案可能也是不知道，一切都还需要拭目以待。阿里、字节、腾讯，沿不同的路线出发虽然目标都是成为AI时代的超级入口，但阿里、字节、腾讯的发力方向并不相同，它们在AI上的布局都离不开自身原有的生态基因。简单来说，阿里、腾讯、字节想要用AI提供给用户的价值并不相同。阿里AI提供的是工具价值。不久前，千问APP推出重大版本更新，深度接入淘宝、支付宝、淘宝闪购、高德、飞猪等阿里生态核心业务。更新之后，千问实现了点外卖、购物、订机票酒店等AI全流程办事服务，串起了需求表达、任务执行到支付履约的闭环。从生活场景切入，千问的目标是从“聊天时代”迈入“办事时代”。同样，“阿福”旨在为用户提供更多的健康服务，“蚂小财”则致力于降低获取金融专业服务的门槛。定位各有不同，但阿里系的AI应用都致力于帮助用户解决各类实际问题。腾讯AI提供的是社交价值。2026年1月26日，腾讯推出的“元宝派”正式开启内测，用户可以从微信、QQ邀请好友。整体上看，元宝派里的社交群组和微信群的区别大概在于，前者加入了一个AI当主持人。腾讯AI的发力点没有如市场预期的那般，从微信Agent开始，可能是出于战略上的谨慎。AI时代仍存在不确定性，不能让作为压舱石基石的微信打头阵。而元宝则没有那么多的包袱，可以充分大胆地尝试。AI时代的社交形态什么样，有很充分的想象空间。当年微信承接QQ生态，一跃而为移动时代的社交王者。这样的场景是否会在元宝身上重现，值得期待。字节AI提供的是情绪价值。豆包从推出之初就强调“拟人化”和“人格化”，例如提供多个角色设定（如“知心姐姐”“毒舌朋友”“职场导师”），让用户在对话中获得情感共鸣。豆包支持“持续记忆”和“个性化人设”，能记住用户的偏好、历史对话，营造长期陪伴感，这正是情绪价值的核心。除了豆包之外，字节的其他AI产品也始终贯彻“陪伴者”的角色。比如，猫箱是AI情感陪伴的极致体现，星绘是AI图像创作的情绪出口，Coze可以低门槛打造“你的AI玩伴”。字节几乎没有一款AI产品是以“提升效率”“节省时间”为核心卖点的。相反，它们都在延长用户停留、激发情绪反应、促进分享传播。总结来说，阿里、腾讯、字节的AI战略大致对应着用户的生活需求、社交需求和娱乐需求。三巨头都将他们最擅长的事情，搬运到了AI时代。当然这三者的属性并非界限分明。字节也在发展工具能力，豆包支持文档处理、代码生成，火山引擎也向B端输出AI能力。阿里也在尝试情感化：千问有音色定制、角色扮演（如“历史老师”“英语外教”）等。三巨头要争夺的是AI时代的“超级入口”，竞争到最后，大概率会侵袭到彼此的领地中。究竟哪种路线更有市场，也还难有定论。这场AI竞赛就像一辆列车已经开始高速行驶，但目的地是哪里却无人知晓。对巨头而言，既然一切都不确定，那就只剩下一个最朴素的目标：留在牌桌上。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
互联网的AI腔，该清算了
现在互联网上的句子，好像都是一个师傅教的。风景总是breathtaking，建筑永远modern，随便一个事件都「标志着一个关键时刻」。这些话听着完美，却轻得像飘在空中。读多了，人会感到恍惚。Wikipedia的编辑们也受够了这种「广告腔」，开始了一场清理行动。他们校对大量新增内容后发现，最爱说场面话的，竟然不是人，而是AI。于是，一本奇怪又实用的《识别AI文风手册》，就在无数次删删改改里被写出来。同一个模板写出来的互联网互联网的语言越来越整齐划一，Wikipedia最早察觉到「味道不对」。每天都有成千上万的新内容被塞进条目里，编辑们一边巡查一边发现：不少新增段落看起来顺滑，但读起来像是套话。编辑们越看越觉得奇怪。等他们把这些可疑段落攒在一起，真相也浮出水面：来源模糊、论据空洞、表达统一得异常。这一切都指向同一个可能——越来越多的内容，是AI生成的。为了避免百科被这种空心句子掏空，一群志愿者在2023年发起了WikiProjectAICleanup。传送门：https://en.wikipedia.org/wiki/Wikipedia:WikiProject_AI_Cleanup他们系统地记录这些异常写法，想弄清楚AI到底在什么地方露出痕迹，哪些句子看似正常，但经不起查证。维基编辑最先发现「不对劲」清理行动一开始，编辑们就发现：检测器根本不靠谱。正管用的，是他们在多年巡查中练出来的「语感」AI写出来的段落，表面都挺正常，但细看会有三种特别明显的痕迹。第一种，反复强调「重要性」，却不给现实中的例子。AI生成的段落常常会把主题写得很宏大，比如「apivotalmoment」「abroadermovement」。但落到细节时，没有年份、不提来源，也没有可查证的材料。这种写法在百科语境里非常异常。第二种，句尾挂着体面的现在分词这种emphasizing…reflecting…highlighting…的尾句，是目前最明显「AI痕迹」。TechCrunch的作者也在报道中指出：这类presentparticiple是区分AI文风的关键线索之一第三种，是频繁使用互联网式的「营销形容词」。breathtaking、modern、renowned、scenic这些词在广告里正常，但在百科里使用很不恰当。维基编辑碰到这种描述时，会立即查来源，结果常常找不到对应证据。后来，这些规律都被整理进了《SignsofAIwriting》。https://en.wikipedia.org/wiki/Wikipedia%3ASigns_of_AI_writing?utm_source比起技术指南，它更像一份经验册。记录着编辑们踩过的坑、看到的怪句式，方便更多人一起清理。AI为什么总写成这样？真相在语料里当编辑们把可疑句式整理出来后，一个问题也变得清晰了：AI之所以写成这样，根本原因是人类语料。也就是说，它从哪里学来的语言，就会说出什么样的语言。因为大型模型训练时吃的是整个互联网的语料。新闻稿、SEO软文、宣传册、社交平台的内容都会混在一起。而这些地方最常见的表达，就是宏大但空泛、形容词夸张但没事实、评价多于证据的写法。Wikipedia在把这类现象称为：Vaguepraise和Marketinglanguage。换句话说，AI不是故意用「公关腔」，而是这类语料最容易在互联网上抓取。这也解释了为什么「重要性夸大」「-ing尾巴」「广告式形容词」会频繁出现——这些是模型在大语料里看到得最多、最容易复制、也最缺乏上下文约束的句式。Wikipedia的解决方式非常务实。他们知道无法杜绝AI生成内容，于是把重点放在「证据链」上。他们要求注明来源、核查链接、追溯出处。这一点在《WikiProjectAICleanup》的流程说明里写得很清楚：凡是出现评价性语言、缺乏具体事实，或看上去「像模型写的」，编辑可以先贴上「需要引用」的模板。如果作者无法补充来源，这段内容就会被移动到讨论页，必要时进入快速删除程序。这一整套流程相当于「免疫系统」：去掉评价形容词，让句子必须基于事实。凡是经不起查证的部分，就会被自动拦截。这对于一个完全依赖可验证性运作的百科来说，百利无一害。真实的句子有骨头，AI的句子一戳就空维基编辑在清理中发现，最能一眼看出「AI味」的地方，是句子到底有没有「事实」。AI喜欢用形容词和评价支撑文章结构，而百科写作靠的是年份、数量、地点、报道来源这种能查到的事实。为了让更多编辑能看懂这种差别，《SignsofAIwriting》里特地列出了多类典型句式。看下面这一组改写，就能感受到两种语言的「骨骼」完全不同：AI腔写法：Theconferencewasapivotalmoment,highlightingthecontinuedrelevanceofthefield.这类句子在指南里被称作“Importanceinflation+presentparticipletail”。「关键」「持续重要」这些判断没有来源，尾巴的highlighting…属于典型AI的空转分词。维基会写成：The2023conferenceinXCitydrewabout1,200attendees.CoverageinYNewspaperandtheZJournaldiscussedAandBpolicyproposals.年份、人数、媒体报道，全是可以查证的事实。评价不需要说，材料会自己说明事情的重要性。再看另一个例子，也是编辑们最常遇到的那类广告腔：Theparkoffersbreathtakingviewsandmodernfacilities,emphasizingitsstatusasarenownedattraction.指南把这种叫做「Vaguepraise/marketingtone」：breathtaking、modern、renowned这些词在广告里再合适不过，但在百科里毫无信息含量。维基会写成：Theparkhastwoviewingplatformsanda5-kmwalkway.Itrecordedabout450,000visitsin2019andcompletedaccessiblerestroomandvisitor-centerupgradesin2021.不夸人、不定性，也不判断价值。只列设施、列年份、列客流量——所有内容都有来源可查。在维基的世界里，没有来源的评价就是不存在的评价。当越来越多内容由模型生成，我们读到的语言难免会被模板化的腔调包围。Wikipedia的做法提醒我们，判断一段文字是否可靠，并不靠某种神奇的检测器，而是靠这句话能否查证、这个判断能否追溯、这条信息是否站得住。AI也许会写出更流畅的句子，但百科在意的不是好看，而是可信。当空心句被删掉、广告腔被滤掉、无出处的判断被请出页面，百科页面留下的，就只剩下事实本身。互联网的未来，大概也会沿着这条路走下去——越是模型生成的时代，越需要人类替语言把关。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
战局正酣：国内互联网大厂的AI业务布局现状
在我看来，国内互联网大厂的AI布局可以划分为三至四个梯队。刚刚过去的2025年，中国互联网大厂的竞争主轴是围绕着生成式AI业务的竞争，或者更进一步讲，是所谓“AI生态”的竞争。外卖大战虽然吸引了大量目光，但无论谁胜谁负，注定只是一个插曲，是“旧时代的回声”；AI大战才是“新时代的旋律”。这个趋势不仅将贯穿2026年，而且恐怕将再持续多年，直到生成式AI彻底渗透到经济的方方面面为止；只有多年前的移动互联网潮流可以与之相提并论。今天我们讨论的焦点是互联网大厂，而非创业公司；讨论的对象是作为一个整体的AI业务生态，而非单点业务。在我看来，目前国内互联网大厂的AI布局可以划分为三至四个梯队：1、阿里巴巴和字节跳动处于领先梯队，这一点基本无人争议。阿里在技术实力和B端的优势无法撼动，字节的优势则在于巨额投入和C端应用。2、腾讯和百度稍微靠后，但距离不远。腾讯仍然在谨慎地评估局面、控制投入，百度接下来大概率会在B端寻求突破口。3、其他大厂当中，快手、美团的动向值得观察，其次是京东、小红书。它们都不太可能进入第一梯队，但可以在某一垂类做出名堂。4、车企有可能在智能驾驶，以及所谓“座舱大模型”方面找到用武之地。不过我不太懂车，这个话题就不展开讨论了。先说第一梯队。不考虑出海，阿里和字节两家在国内AI市场占据全面的、从B端横跨到C端的领先地位，这一点应该无人争议。但是两家的领先原因有微妙的区别：阿里主要是基于过去多年在AI、云计算、自研芯片等领域的积累，是渐进式地、自然地占据领先地位；字节则主要是基于巨额但高效的投入，以突变的方式，将自己猛烈拉升到了与阿里类似的重量级。在基座大模型方面，阿里的千问要领先于绝大多数竞争对手；而字节的豆包的成功，主要不是基座大模型的成功，而是产品设计、运营和市场推广的成功。字节在C端做了一个明智的选择，即把绝大部分力量集中到豆包APP这一个点上，让它迅速占领用户心智、成为“国民APP”。阿里在C端的力量则分配在夸克、钉钉、通义千问APP等多个点上，直到2025年11月，才确立了以千问APP为核心的策略——事实证明，以一个超级APP去主打AIC端市场，似乎更符合国内的情况。在B端，火山云的历史积累显然不及阿里云，但是在算力建设、生态建设和市场推广方面的激进程度有过之而无不及。火山云的销售体系十分强大，其中很多来自阿里云，而且乐意提供折扣换取客户。曾经有人指出：字节推广C端AI应用的力度很大，这或许会让B端客户心怀疑虑，担心字节会与其客户竞争。不过，从现实看，就算这种担忧存在，实际影响也并不明显。字节跳动不是上市公司，不需要每个季度交出财报以满足资本市场预期，所以无论在资本开支方面还是价格竞争方面，其回旋余地都天然较大。而阿里却会因为阿里云收入的细微波动而被放到显微镜下审视；不过，换个角度讲，当阿里的AI业务进展超出预期时，资本市场也会给出即时的报偿，同时立竿见影地提振员工士气。总而言之：阿里依靠历史积累以及“全栈技术能力”而自然地位居第一梯队，字节跳动则依靠坚定而高效的投入将自己拔入第一梯队——这很符合字节跳动对新兴业务的一贯风格，非上市的地位也使它拥有充足自由在不赚钱的业务上加大投入。在资本开支方面，双方都十分激进，字节跳动或许还要更激进一点，但是没有人清楚具体数据，只知道双方的投入大致处于同一量级。接下来是第二梯队。事实上，腾讯完全有可能进入第一梯队，但主动选择了做一个“尾随者”，处于“有可能追上第一梯队、但刻意不投入”的状态。2025年三季度，腾讯的资本开支仅相当于阿里的40%（130亿vs335亿），而且环比有所下降。在C端应用推广方面，腾讯也是“够意思就行”：2025年初，借助接入DeepSeek的时机，元宝进行过一波大规模投放，但并未持续太久。只要元宝还位居国内C端AI应用前五名，腾讯管理层似乎就很满意了，无意争夺第一。这种操作毫不奇怪，十分符合腾讯管理层的一贯风格。首先，腾讯习惯于等待一个技术趋势成熟，再去模仿或进行“微创新”；腾讯管理层毫不讳言，AI产业发展尚处于早期，此时争夺第一名的意义不大。其次，腾讯内部流行的“产品经理文化”，导致基础研发往往处于附属地位；腾讯从不擅长基于研发成果做产品，而只擅长基于产品前景倒推研发。第三，腾讯管理层或许注意到了算力供给的巨大不确定性，除非等到尘埃落定、确定性提升，才愿意下重注。还有一个短期的直接原因：腾讯不需要AI业务去支撑股价。2024-2025年，腾讯的游戏业务表现相当好，广告业务也在视频号的放量支撑下越做越好。阿里、百度需要AI的故事振奋资本市场，腾讯至少暂时不太需要。2026年恐怕也是如此，腾讯稳坐钓鱼台的策略或许还能延伸到2027年上半年。百度那边则是另一种逻辑：在基座大模型方面，文心仍然仅次于千问、DeepSeek，优于豆包、混元等其他国产大模型；百度也具备一定的全栈技术能力。但是，百度手头的资源不足以在B端和C端同时发动进攻。虽然文心助手目前拥有2亿MAU，在国内仍处于前列，可是要知道，字节、阿里等竞争对手在此投入的资源是海量的。国内C端AI应用已经成为一片红海，要非常巨额且持久的投入才能确保市场份额领先。话说回来，百度在B端仍然拥有较强的客户基础，尤其是在政企客户，以及私有云、混合云赛道上。在基座大模型和芯片两个基础研发赛道上，百度的积累历史很长，虽然近年来有被对手拉近的趋势，但积累毕竟是积累。昆仑芯分拆上市，可以筹集大量资金并进一步提振百度股价。接下来，百度AI的发展战略，大概无非围绕三个支点进行：继续发展B端业务，尤其是私有云；围绕萝卜快跑，发展智能驾驶和智能座舱；将文心大模型进一步融入百度APP，力争达到Gemini对谷歌核心搜索的那种效果。还有一个不可忽视的点：苹果AI的国行版大概率将以文心+通义千问为基座大模型。市面上一度流传苹果将转而采用豆包，但目前看来并无证据支持。如果苹果AI真的上线，对百度和阿里两家的AI生态大概都是一针强心剂——可是我们并不知道何时成真。接下来是其他大厂，我认为其中有两家的动向尤其值得关注。一家是快手：毫无疑问，可灵是一个很好用的AI视频工具，而且已经达到了工业级别。我认识的影视行业的朋友普遍认为，可灵是目前国内最具实用价值的AI视频应用，正广泛应用到最近很火的AI漫剧当中。以快手的体量和AI开支规模，能做出这个级别的视频大模型实在令人印象深刻。接下来的问题在于快手打算怎么利用这个战果。仅仅依托可灵去拓宽快手自身的内容边界、活跃内容生态，这个故事太小了，也不符合规模经济。1200万的MAU和2000万美元的月收入（对应2.4亿美元ARR），这两个数字也不错，但尚不足以对快手财报造成实质性推动。可灵必须更进一步，成为泛影视行业的一种基础工具，才有可能创造数十亿乃至数百亿量级的收入——目前看还很遥远。快手还必须保证，可灵的技术优势一直保持到它形成足够的用户习惯之前，否则来自竞争对手（例如强大的字节跳动、腾讯）的应用可能在一夜之间将其取代。美团的情况则是我尚未参透的：它的主营业务和资本市场故事，看起来与生成式AI几乎无关，但是在2025年它确实在此投入不少。在财报上，这种投入完全无人关注，因为所有人都在关注外卖大战。如果你注意过新闻，就会发现，美团在2025年之内发布了多个自研大模型；根据我的了解，美团在算力基建和数据采购方面的花费，位居国内互联网大厂第二集团的领先水平。自研大模型对于美团来说肯定不是一个花瓶，而具备某种现实业务意义。那么，是什么意义呢？提高内部搜索和内容推荐效率？帮助商家设计文案和图片？提升客服机器人水平？这些都是司空见惯的AI应用了，也不一定需要自研大模型完成。尤其是在目前国产开源生态十分发达的情况下，美团这样的大厂似乎不需要在自研上投入多少精力；在公有云发达的情况下，也不需要投入多少算力基建。美团的投入显然有某种尚不为人知的战略诉求。京东显然也有类似诉求：2025年，它在算力基建和数据采购方面的动作也不小，尽管这些动作也被外卖大战所掩盖了。京东早已不再大力发展公有云业务，所以上述动作肯定不是为了对外提供服务，而是为了升级自己的业务。与美团相比，京东或许还多了一个诉求，即在所谓“AI导购”的时代不要掉队。就在本月初，谷歌基于Gemini推出了AI导购功能，第一批合作伙伴包括沃尔玛。这可能是生成式AI商业化的一个历史性时刻——此前，C端AI应用的直接商业化主要是基于付费订阅。如果Gemini的AI导购能取得一定的成功，就意味着C端AI商业化的天花板被彻底打开，零售电商的现有格局将被冲得七零八落。任何互联网大厂，无论主营业务是否包括电商，都不会允许自己错过这一局！所以2026年的AI行业会更加有趣。我迫不及待看到各家大厂会如何根据形势变化去调整自己的策略。目前要判断“谁是赢家”“谁是输家”，实在太早了，因为战局恐怕连三分之一都还没打到。移动互联网的大战打了十多年才基本尘埃落定，我们完全有理由期待大厂之间围绕AI的战局会持续同样长的时间。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
03/02
微信AI时代的困境，跟苹果是一样的
一个在社交帝国里手忙脚乱，一个在硬件王座上按兵不动。表面看两码事，但如果要是往深处想，微信和苹果，其实卡在同一个坎儿上。2026年的科技圈，正在经历一场昂贵且有趣的竞赛。一边是微信里头闹出的动静。腾讯自家的大模型应用元宝，想趁着春节冲一波用户，老办法，砸钱10个亿，发红包。结果场面一度十分尴尬，红包链接没刷屏多久，就被微信安全机制精准拦截。这种大水冲了龙王庙的乌龙，被外界调侃为自家兄弟打了自家的脸。这让人纳闷：腾讯搞AI，怎么还是撒钱拉人那一套？这种动作显得有些心有余而力不足。另一场竞赛关于大洋彼岸的苹果。即便新iPhone已经薄得像片刀，工艺达到了工业巅峰，可一年前被库克视为“个人智能重头戏”的AppleIntelligence，依然没能点燃市场的兴奋点。那个传说中能接管一切的Siri，至今没见着真身。媒体的标题整齐划一：苹果的AI，又慢了。在数次推迟后，苹果确认在iOS底层引入了谷歌的Gemini模型。这两个动作在当时的舆论场里，被迅速贴上了巨头迟暮的标签。人们嘲讽腾讯在模型逻辑上已经心有余而力不足，只能靠传统的流量救火，讽刺苹果已经彻底丧失了定义AI时代的抓手，不得不向老对手谷歌低头。一个在社交帝国里手忙脚乱，一个在硬件王座上按兵不动。表面看两码事，但如果要是往深处想，微信和苹果，其实卡在同一个坎儿上，它们不是没看见AI的浪打过来，是身上的担子太重，快不起来。这种困境，和技术、钱关系都不大。它讲的是，两头超级大象要怎么在大模型赛道上平稳转身，这是超级产品天生的、系统级的难题。1、玩不起的容错率为什么那些AI创业公司，比如OpenAI、kimi、豆包能跑那么快？因为它们是在空地上盖新楼，图纸可以随便改，塌了也能重来。微信和苹果不行。只要装上AI，就等于是给运行中的摩天大楼拆换承重墙。让我们看两组足以让产品经理感到战栗的数据。截至2026年1月，苹果全球活跃设备安装量正式突破了25亿台。而微信及WeChat的合并月活跃账户数达到了14.14亿。这两个数字代表的不再是App和硬件，而是全球数字文明的公共基础设施。基础设施的第一准则是：绝不能停摆。对于一个拥有100万用户的初创AI产品来说，引入大模型是一场令人兴奋的，甚至是允许失败的实验。即使模型产生幻觉，回答出现了逻辑漏洞，用户往往会报以宽容，甚至将其当作有趣的梗在社交平台传播。这是初创公司的特权，也是它们能够做到以周为单位迭代的天然优势。但微信、苹果不一样。微信，每月有超过14亿人活在里头，承载着从社交、金融支付到基层民生服务的全部社会功能。你想，要是一个深度长在微信里的AI助手，哪天抽风，在朋友借钱时给错建议，或者在家人群里瞎接话，那会是什么场面？任何一次微小的技术扰动，都会被指数级放大成灾难。苹果也一样。全球超过25亿台苹果设备，装着无数人的照片、通讯录、健康数据。苹果把自己招牌押在隐私上。它敢随便放一个自己都还没摸透、可能会胡思乱想的大模型，进到系统最底层吗？绝对不敢。一旦大模型出现漏洞、被黑客攻击，发生数据泄露，后果将难以挽回。所以，苹果宁可把一些已经开发好的AI功能按住不发，也要等它的准确率达到一个吓人的高标准。外人觉得它们保守，动作慢。可对它们十几亿的用户来说，这种慢恰恰是种负责。它们得等，等AI从一个总出意外的聪明玩具，变成一个足够靠谱的确定性工具。对于这种规模的巨头而言，平庸的稳健永远优于激进的翻车，不犯错的优先级，远高于领先一步。2、要的是交互，不是模型除了怕犯错，它们俩还有一点特别像，都不是那种为了技术而技术的公司，骨子里是产品定义者，或者叫交互定义者。苹果最初的成功并不是第一个发明技术的。图形界面、触摸屏、指纹识别，都不是它首创。但苹果总能把这些技术，打磨成你用起来最自然、最舒服的样子。到了AI时代，它的思路没变。它不在乎GPT-5的跑分又高了多少，它只关心AI怎么能像抬手看表一样自然。所以苹果的AI往往是隐形的，它可能只是帮你一键擦掉照片里的路人，或者是把几十条通知摘要成一段话，而不是嚷嚷自己有AI，它只会让你感觉不到阻碍。腾讯的思路如出一辙。微信的张小龙，他的理念是好的产品是用完即走，这想法跟苹果简直是一个模子刻出来的。在张小龙眼里，在微信里硬塞一个需要专门对话的聊天机器人，是对社交体验的粗暴破坏。他想要的AI应该像“扫一扫”，只在特定场景下自然浮现，解决问题后安静离开。发现没？现在的AI，不管是豆包、元宝还是ChatGPT，大多是搜索式的，你得去找它，向它提问。而微信和苹果想要的，是环境式和场景式的，它只会在你需要的时候自动浮现。为了找到把前者变成后者的完美路径，它们现在这种看起来的沉默和克制，反而是最理智的选择。3、有些底线不能碰这种克制，还因为它们都有点生态洁癖。自己的地盘，规矩得自己定，哪怕过程很痛苦，充满争议。苹果的选择，最近大家都看到了，它向谷歌的Gemini和OpenAI的ChatGPT敞开了口子。听起来有点意外，苹果不是什么都爱自己研发吗？其实，这是个用空间换时间的聪明策略，自研一个顶尖大模型，成本高、周期长。苹果先让成熟的别人进来，把用户对先进大模型的期待和胃口填上。同时，它死死守住最核心的东西，用户的数据隐私安全，以及AI和iPhone、iOS系统深度结合的那种流畅体验。苹果宁可让自己的AI故事暂时变得复杂点，也不愿为了全自研的面子，砸了用户体验的里子。腾讯这边，慢得更有道理，它手里有中国最丰富的社交数据宝藏，但这恰恰是最大的禁区。微信里的聊天记录、朋友圈和转账记录，构成了一个极其精密的信用网络。拿这些数据去训练一个对外服务的AI，稍有不慎，就会引发毁灭性的隐私争议。即使是脱敏处理，只要AI过度介入了社交关系，微信那种去中心化的纯粹氛围就全毁了。所以腾讯的AI路线，很可能跟苹果想到一起了，押注端侧智能。就是让AI模型变小，直接在用户的手机本地运行。用户的数据不出手机，但AI还是能为你服务。这想法很超前，但需要等芯片算力和模型压缩技术再成熟一些。说白了，它们都不希望AI变成一个咋咋呼呼、抢尽风头的第三者。微信和苹果理想中的AI，应该是像水电煤一样的东西。你不在乎它们从哪里来，你只享受它带来的流畅体验和动力就行了。这背后体现了两家巨头共同的商业哲学，在底层技术尚未标准化之前，它们绝不会拿核心资产去做豪赌。4、一场必要的压力测试看到这里，大家可能会想：说了这么多，它们不就是因为船大难掉头，所以落后了吗？毕竟在当下的舆论环境，大家都喜欢看英雄迟暮和新王登基的戏码。别急，我们不妨回头看看历史。第一代iPhone出来时，诺基亚的高管们笑着它不耐摔、没键盘。微信诞生前，多少人觉得手机QQ已经够好了，不需要另一个聊天软件。现在，我们笑话苹果AI没新意，调侃腾讯AI只会撒钱，是不是有点像当年那些人？当然，并不是说它们肯定能赢，想表达的是，拿衡量轻装上阵的初创公司的标准，去评价微信和苹果这种生态巨头，本身就是一种逻辑错位。它们的困境，恰恰是因为它们太重。这份重，是数十亿用户的信任，是万亿市值的责任，是一个已经运转良好、不容有失的数字和物理世界。科技史有时挺公平。最初的热闹过去后，决定下一个十年的，往往是那些能提供最稳定、最深度的产品。当AI度过了毛躁的青春期，不再爱出错时，微信和苹果所擅长的系统整合能力，才会真正显露杀机。到那时，它们要做的，可能不是推出一个最会聊天的AI，而是更可能，默默地为行业定下新的规矩：告诉全世界，一个真正可靠、自然、尊重人的AI，到底该怎么融入我们的生活。今天的困境，对它们而言，或许只是一场必要的压力测试。巨轮调头是慢，可它一旦对准了方向，激起的浪花足以改变航路。【版面之外】的话：很多时候，我们容易陷入一种速度崇拜。在科技行业，快似乎代表了一切真理。但是对于微信和苹果来说，我们要意识到，他们之所以成功，不是因为他们总能率先发明什么，而是因为他们总能让复杂的技术变得顺手。现在的AI太显眼了，需要用户去适应它，去学习它的指令，去容忍它的错误。但在微信和苹果的理想世界里，AI应该是消失的。它不应该是一个吵闹的对话框，而应该是当你拿起手机、打开微信时，那种丝滑、精准且理所应当的服务体验。这种消失感的打磨，才是最难的工程。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
02/14
手机上80%的App面临失业？
GitHub上的开源项目OpenClaw近期迅速走红。在与YCombinator的访谈中，创始人PeterSteinberger抛出一句话：“未来的操作系统不再需要图标，只需要意图。”他甚至激进地判断，80%的App将因为不再被主动打开而自然消亡。这并非危言耸听，而是三种交互结构正在重塑“入口”。01.调度层重构：OpenClaw的“蜂群”思路OpenClaw不依赖单一模型，而是在后台协调多个Agent分工协作。它像一个中控台，让AI从“回答者”变成“执行者”。尽管目前在多步骤规划上成功率仍有衰减，但它证明了：在App之上，已经可以建立一层新的执行结构。02.硬件层接管：豆包手机的“视觉暴力”字节跳动选择了更直接的路径——不等待接口开放，利用视觉识别让AI自己“用App”。这验证了界面层接管的可能性，但在当前30TOPS的端侧算力瓶颈下，跨应用操作仍面临延迟（约3秒）与成功率（约50%）的现实挑战。方向已验证，但摩尔定律还需要时间。03.系统层洗牌：Apple与Google的攻守易形更深层的变化来自金钱流向。过去十年，Google每年向Apple支付约200亿美元保住“默认搜索框”；而据彭博社报道，未来Apple可能反向支付10亿美元以接入Gemini。这意味着入口的定价权已变：流量分发不再靠搜索框，而靠系统级AI。App不会消失，但角色正在边缘化。当AI能直接理解意图并跑通流程，“打开App”将不再是第一步。未来的手机将以意图为起点，而App终将从“交互终点”退化为被AI调用的“数字管道”。入口权的迁移，已经开始。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
02/14
AI能订酒店了，旅游中间商慌不慌
你有没有发现，这两年订机票和酒店时，你越来越少认真搜攻略了？以前你可能会搜索、对比、翻评价、选房型，再慢慢决定；现在更常见的场景，是刷到一条内容，看几条评论，直接下单。甚至，你已经开始习惯直接问AI：“我三天去成都，帮我排个行程。”对消费者来说，这是体验升级；对行业来说，这是决策权结构的变化。平台裁员是这种变化最直观的外化信号：近年来即便全球旅游需求持续恢复，Expedia、Traveloka等大型OTA仍陆续精简组织。一个反常问题浮出水面：越来越多人在旅行，为何平台却不再需要那么多分发和运营岗？最近在巴厘岛举行的HBXGroupMarketHubAsia交流活动，提供了一个很好的切口，把镜头从C端拉到B2B分销中间层，答案会更清楚。HBXGroup（Hotelbeds母公司）正好站在这层中间地带：一端连酒店库存和价格规则，一端连各类渠道与卖家，其系统每天要处理约78亿次搜索请求。它不需要讲故事，它只需要回答一件事——什么产品、什么价格、以什么规则，能被系统卖出去。也正因为分销处在供给与渠道之间的中枢位置，当决策越来越交给算法时，最先感受到变化的，往往正是这一层中间商。从HBXGroup最新披露的2026财年第一季度数据来看，其整体交易规模（TTV）同比增长16%，达到20.23亿欧元。但收入仅同比增长5%，整体变现率（takerate）约为8.4%，比去年同期下降约0.9个百分点。简而言之：交易在涨，但每一笔交易留在平台的钱更少。与此同时，MEAPAC（中东、非洲与亚太）已经成为HBX增长最快的区域，季度交易规模增速达到20%，但也是公司三大区域中takerate最低的市场。从长远趋势来看，规模扩张无法单纯依赖渠道铺设或价格优势，而必须建立在更高交易效率之上——包括更精准的需求判断、更灵活的动态定价，以及更高效的供给调度能力。也正是在这一现实约束下，AI的角色定位发生明显变化，不仅是提升内部效率的工具，更是贯穿定价、分发、撮合交易与履约的一套“交易决策引擎”。相关能力开始被产品化，并逐步输出给酒店端与合作伙伴，用于支持实时调价、需求预测和库存配置。简而言之，增长潜力和竞争压力都在亚太，而AI投入正好指向交易效率与定价能力。01真正的变化不在AI，而是决策权很多人把这一轮变化理解为“AI更聪明了”，但真正发生的，是旅行决策正在从用户界面，迁移到系统内部。过去，决策权在用户手里：你搜什么、比什么、选什么，平台只是把库存摊开给你看。现在，决策权前移到系统：筛选、排序、组合先在后台完成，用户看到的只是系统已经裁剪过的结果。搜索、比价、规划这段原本由人承担的决策链路，正在整体被系统接管。用户省下的是时间，行业失去的是“页面时代”的定价权。行业关注点，正在从流量入口，转向谁能真正组织一笔交易。把目光放回中国市场，会发现许多在海外被视为“下一代分发形态”的变化，在国内早已成为日常。在小红书、抖音等平台上，消费决策早已脱离“搜索—比价—筛选—下单”的路径，更多是在同一个内容场景中完成触达、建立信任并直接成交。发现、影响与交易被压缩在同一流程里，而算法在其中实际承担着最关键的一步——决定用户会看到哪些选项。对多数用户而言，真正的决策空间，早已发生在算法完成筛选之后。你并不是在全市场里挑选，而是在系统为你构建的一小部分候选集中确认结果。中国超级App生态，本身就是这种分发逻辑的提前样本。用户并不关心背后是OTA、品牌官网还是第三方系统，只在意是否顺手、是否能立即完成购买。随着生成式AI和个人助手进入消费场景，算法正在从“信息过滤器”升级为“决策组织者”，开始直接承担目的地判断、行程组合与产品匹配，甚至在授权前提下完成下单。从你在算法提供的选项中选择，正在走向由算法替你完成选择。也正是在这样的环境下，“未来的旅行决策者不一定是你”这句话，正在逼近现实。02技术重构分发，抬高供给侧生存门槛在这种新的游戏规则下，旅游业者的竞争焦点正在发生根本性偏移。过去你可能是在和平台争夺曝光，或者和同行厮杀价格，现在则是在争夺一个更底层的基础：你的产品，是否具备被算法瞬间调用的能力。在以代理系统为核心的新分发体系中，分发的决定权已经从流量渠道转向数据结构。如果说过去只要能上架、能买流量，就有机会成交，那么现在的准入条件，已经变成了产品本身的结构化程度。当用户把行程交给AI助手时，如果你的价格规则、库存状态、退改政策，甚至房型标签无法被机器稳定解析，哪怕你在社交媒体上再红，在算法的世界里也等同于不存在。这种透明而冷酷的机器筛选，正在快速收紧供给侧的准入边界。更进一步看，真正被AI重构的，并不只是分发方式，而是整个行业的定价权和履约标准。当下一个下单者从人类变成系统，酒店和供应商面对的考题就变成了一组极其具体的能力指标：你的权益边界能否自动校验，你的退改规则是否可以被实时判断，你的产品标签是否支持系统直接组合行程。这些技术颗粒度将直接决定你是否还能留在可成交的池子里。当算法成了新的采购方，你的产品还能被它“上架”吗？如果进不了交易流程，流量再大也只是热闹。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
-
26
02/14
科技赋能居住革命，5G+AI装修管理软件寻求资源支持
在房地产行业步入深度调整期的今天，如何有效去化库存、提升居住品质，已成为关乎经济与民生的双重课题。在这一背景下，一项旨在通过前沿科技重塑行业生态、改善人居体验的创新项目正悄然萌芽。由拥有近十五年房地产行业经验的资深人士代晓光创立的“5G+AI数智化装修管理软件”项目，试图为这一复杂难题提供全新的技术解决方案。从行业痛点到民生使命：一个创业者的初心该项目的诞生，并非偶然。创始人代晓光在房地产领域深耕近十五年，亲眼目睹了行业的起伏与变革。他深切体会到，当前房地产领域所面临的问题，远远超出经济范畴，更紧密关联着普通百姓的生活质量与社会福祉。商品房库存去化缓慢、装修过程不透明、居住体验参差不齐等现象，不仅影响市场健康，也间接牵动着农村留守儿童、城市务工家庭、养老居住环境等多元社会议题。基于这样的观察，代晓光坚信，唯有真正扎根行业、理解痛点的人，才可能找到可持续的解决路径。他怀揣着“通过技术改善居住民生”的强烈使命感，主导研发了这款整合5G通信与人工智能技术的装修管理平台。在他看来，房地产是民生保障的重要一环，只有让人住得更好、更舒心，整体社会的幸福感才能真正提升。这也构成了该项目最核心的创业初心与价值导向。5G+AI：重塑装修全流程的数智化引擎该项目并不局限于某一环节的优化，而是旨在对装修全过程进行系统性的数字化重塑。其技术核心建立在5G与人工智能的深度融合之上。借助5G网络高带宽、低延迟、广连接的特性，软件能够实现装修过程中设计方案、施工进度、材料加工、物流配送、质量验收这五大关键节点的数据实时同步与多方共享。这意味着业主、设计师、施工方、材料供应商等各方可在同一平台上无缝协作，彻底告别信息孤岛与进度黑箱，实现全过程的可视、可管、可控。而在用户体验侧，AI技术则扮演了“场景增强”的角色。通过高精度三维建模与虚拟现实技术，系统能够将大型家电、定制家具、软装搭配等元素，以高度逼真的方式沉浸式呈现给消费者。购房者或业主可以在决策前“预览”未来家的样貌，甚至模拟不同光照、布局下的生活场景，从而极大提升参与感与满意度，减少后续纠纷与修改成本。对接政策与展望未来：一条稳健可行的发展路径尽管项目构想宏大，且被团队视为在商业与技术模式上均具备创新性，但其发展策略却尤为注重稳健与合规。代晓光明确表示，项目的推进离不开与政府主导方向同频共振。当前阶段，核心挑战并非资金，而是亟需获得相关政府资源的支持与协同，以推动模式在真实场景中的落地验证。这一思路已初见成效。据悉，项目方案已于近期按程序上报至相关中央部委，建立了初步的沟通。这为项目后续与地方试点、产业政策对接奠定了重要基础，也体现出项目寻求在规范框架内助力行业转型升级的思路。展望未来，团队的愿景并未局限于国内。一旦模式在本地市场得到成功验证，他们计划将这套系统与运营经验拓展至海外市场，尤其是那些同样面临建筑业数字化转型需求的国家和地区，展现出立足中国、面向世界的技术自信与商业雄心。科技的温度，在于服务民生对于代晓光而言，房地产归根结底是服务于人的行业。他的心得体会朴素而深刻：“只有让百姓住得踏实、舒心，社会发展的根基才会稳固。”这个5G+AI装修管理软件项目，正是他将科技能力与民生关怀相结合的一次重要实践。在行业转型的十字路口，或许正是这种以技术为手段、以人为尺度的创新，能为中国房地产市场的健康发展与人民居住品质的提升，开辟出一条兼具效率与温度的新路径。本文来源：36氪文章转载于其他网络，如有侵权请联系我们及时删除
