社区

1月21日，黄仁勋在达沃斯世界经济论坛上说，由于对运行和训练人工智能的数据中心建设的需求，水管工、电工和建筑工人将能够获得“六位数年薪”。 我一直说，目前的AI界有一种“大佬发言过度膨胀综合征”。具体表现为大佬们越来越敢说，同时大众越来越爱听。这句话一出可不得了，直接就被国内众多媒体缩减成了“黄仁勋说，水管工和电工即将年薪十万美元”。以至网友们大声发问，我现在改学电工还来得及吗？ 究竟AI基建是不是能让蓝领工作实现六位数美元的年薪，可能尚需时日加以观察。但这个“黄仁勋之梦”能引出一个非常关键的话题：在AI与就业的关系上，似乎绝大部分媒体都“默契”地将讨论点集中在了白领工作上，比如编程、设计、产品经理等。但AI会给蓝领工作带来什么影响？体力劳动者是应该与白领们一样焦虑AI，还是可以大胆相信黄仁勋的美好预言？ 不妨借助我们探访过的一些真实案例，来聊聊这个话题。 稍加分析一下，会发现黄仁勋的观点里就包含了两层意思。首先是以AI数据中心为代表的基础设施建设，将带来大量蓝领岗位的就业需求增长，比如说数据中心相关的电工、水管工、维修工等。据说这一现象在美国风风火火的“星际之门”里已经得到了验证。 美国劳工统计局数据显示，美国电工岗位年均缺口超过八万人，而数据中心所需电工堪称其中的王冠。有报道提到，在美国能适配数据中心工作的熟练电工年收入已经突破20万美元，远超过绝大多数白领。 如果说AI基建能带来大量蓝领工作岗位，并提升相关报酬是一个点，那么这背后AI对不同工作的差异影响则是一个面。在数据中心电工紧缺，报酬突破新高的同时，硅谷迎来了史上第一次与AI紧密相关的裁员潮。各大科技公司海浪般裁掉了产品经理、项目经理和软件工程师。二者对比仿佛上演了一出时代的默剧。 这就能引出黄仁勋的第二层意思，AI可能会大量取代白领，反而对蓝领的取代率很低。 有个说法一度很流行，叫作“原本想的是人类写诗，AI干

一天晚上，我一边写稿一边听播客。播客中一位已经退休的嘉宾，分享自己对养老生活的设想。他豁达幽默地表示，女儿在国外发展，想要靠她养老，让她回国来照顾自己是绝不可能的，孩子最多也就愿意出点钱。他自己就指望着AI来养老了，能赶上就赶上，赶不上就没办法了。 那一刻我突然有点心酸，但旋即意识到一个问题。随后我向众多不同年龄段的朋友做了询问，发现无论是超过八十岁的老人，五六十岁刚刚开始规划养老生活的中年人，还是年富力强的年轻人，他们都有一个共同的认识：AI养老很快会变为现实，自己晚年应该能得到机器人的照顾。 然而，当我把这个想法抛给AI、机器人、医疗，以及养老行业从业者的时候，他们却异口同声坚定地说：这不可能，甚至在肉眼可见的未来中都不可能。 于是我想要追问一个问题：究竟是谁在老人们的眼中，种下了那个关于AI养老的幻象？真实的AI养老又是如何？ 坦诚一点吧，提起AI养老，我们脑海中只会出现一个事物，那就是和保姆、护工一样，全天候照顾老人的机器人。 只有护理机器人才是最终目标，余下的事情无人关注。这一情况的思维根源，可能来自老龄化社会加速到来时，各方始终都在渲染那种老去后无人陪伴照顾的恐惧感。 我们清楚地知道，在这个节奏飞快和工作压力巨大的时代，无论我们是否有伴侣儿女，晚年都大概率成为无人陪伴的空巢老人。简单对比一下数据，我们还会知道中国的养老护工缺口巨大，未来甚至可能突破一千万。这意味着想要在晚年找到合适的护工，注定是个概率很低且成本不菲的事情。考虑专业护理机构，又惧怕像电影《白日之下》中那样，在养老院中任人鱼肉。 失能、阿尔兹海默症、跌倒后无人救治、孤独死亡，这些恐怖感笼罩着每个人。这时稍加思考，就会发现用AI机器人来代替人类护工是这个问题最好的，甚至是唯一的解法。机器人不怕辛苦，无需休息，不会抱怨，对老人绝对忠诚，没有欺瞒与侮辱，并且相比于人类护工来说，机器人必然是成本更低的选择。

过去两年，具身智能几乎成了全球机器人领域最不缺讨论、却最难落地的方向。 在北美，Embodied AI被频繁写进通往AGI的路线图；在欧洲，实验室里的机器人已经能完成越来越复杂的多步操作；而在中国，从大厂到创业公司，几乎所有与智能有关的发布里都开始出现“embodied”“VLA”“世界模型”等关键词。 IDC预测，2026年的全球人形机器人市场将翻倍，中国具身智能支出规模或将超过110亿美元，从千台级向万台级跃迁。 2026春节前夕已经传出多家具身智能企业的机器人将集体上春晚斗舞的消息。 看上去，一切都在加速。但一个略显尴尬的现实是，热度虽高，真正能稳定跑在真实场景里的系统却寥寥无几，大多数方案仍是在通用大模型上拼凑感知、控制和执行模块。 行业逐渐意识到，研发新技术并不意味着真实的量产能力，具身智能的瓶颈正从算力Infra转向算法Infra，也就是支撑开发、验证和持续迭代的底层工具链。有没有好用的开发框架？有没有统一的评测标准？模型能不能在真实环境中越用越聪明？ 换句话说，具身智能要走向大规模部署，需要的不是更多单点技术，而是一套原生的、端到端的系统。 那么，这套系统应该如何构建？实验室到量产之间还有哪些鸿沟需要跨越？ 在刚刚结束的Dexmal Open Day 2026上，原力灵机发布的系列产品给出了一些不同的答案。 明明技术和发布会层出不穷，大规模部署却迟迟难以落地，具身智能究竟被困在了哪里？ 如果回顾过去两年具身智能的技术脉络，会发现几乎所有玩家都走上了同一条路——拼凑主义。 简单来说，拼凑主义就是从大模型出发，引入视觉、语言，再试图通过动作头或策略网络，把智能延伸到物理世界。这种方式能让机器人快速学会看图说话，却难以让它进行常识推理。一旦现场环境发生变化，或遇到训练数据中未覆盖的长尾场景，系统就会失效。 模型技术之外，另一个阻碍行业爆发的顽疾是行业碎片化。现在具身

几个月来，不少朋友都在纠结：到底要不要买一台笔记本电脑或手机囤着？ 起初大家觉得。电子产品买新不买旧，没必要囤旧款。直到内存价格暴涨，新款产品降配保价，大家这才悟了：不是新款买不起，而是老款旗舰的大内存版本更有性价比。 企业主也快吃不消了。1月6日，蔚来李斌也在媒体沟通会上公开表示，今年最大的成本压力是内存涨价。联想、惠普等OEM厂商也已经明确通知，将上调笔记本等产品的价格。 从消费端的手机、笔记本电脑，到企业端的服务器、智能汽车，全产业链都被卷入成本飙升的漩涡。 起于2025年的这一波内存涨价潮，迎来了最高潮的部分：一箱内存条，能换上海一套房。 根据公开报道，256G DDR5服务器内存单价已突破4万元，部分高端型号高达49999元/根，一箱100根的总价接近500万元，相当于上海一套房。而1637年郁金香泡沫的顶峰时期，一株优质郁金香球茎的标价高达5500至6000荷兰盾，能买下阿姆斯特丹河畔的一栋豪宅。 彼时彼刻，恰如此时此刻。 于是，关于内存泡沫的说法，在网上疯狂流传：内存价格之所以涨了四倍，是因为有人用根本不存在的钱，买下了大量尚未生产出来的内存，准备装进同样尚未生产出来的GPU里，再放进尚未建成的数据中心，依赖可能永远不会出现的基础设施供电，以满足实际并不存在的需求，从而获得数学上不可能实现的利润。 这场AI引爆的内存涨价，究竟是技术革命的必然，还是资本炒作的金融泡沫？ 对于内存涨价潮，一位资深存储从业者私下透露，一开始他觉得正常，后来是困惑，现在则陷入了深深的不安。 最初认为涨价合理，是因为全球存储市场刚经历了一轮漫长的熊市。 2022至2024年，由于全球宏观经济疲软、消费电子需求持续不振，DRAM与NAND Flash价格一度跌至谷底，三星、SK海力士、美光三大行业原厂都陷入亏损，厂商普遍采取削减资本开支、降低产能利用率等收缩策略。到2025年年中，全球D

1月底开始，OpenClaw就刷屏了科技从业者的朋友圈，我看到不少开发者朋友关于这个项目的分享，都很有意思， 一个70后的资深开发者表示，有了OpenClaw，vibe变得比code更重要，近乎颠覆了他二十多年积累的能力体系。它可以在电脑上自主运行一整天，自己调动多个智能体抓取skills，无需他编写一行代码。但他并不感到沮丧，反而觉得40多岁的自己正是打拼的年纪。他可以发挥已有的工程经验，为智能体设置更合理、更宽泛的运行边界，让它既安全又强大地完成以前无法完成的任务，比新瓜蛋子更有优势。 零基础的编程小白也特别兴奋，虽然自己完全不懂代码，鼓捣半天，成功把clawdbot搞定了，部署在云服务器上。 也有来自软件公司的工程师，认为这款神器更适合做个人操作系统，暂时还不能支撑打造可盈利的商业产品。 总之，无论小白还是大牛，都在驯化OpenClaw，且各有心得。 OpenClaw让“人人皆有贾维斯”有了可能，可以预测，驯化OpenClaw这样的通用智能体，会成为2026年AI故事的一条主线。 那么，当一个AI开发者决定驯化OpenClaw，会经历什么？ OpenClaw被称为“迄今为止最伟大的AI应用”，但这一说法，资深的程序员们普遍不认同。 在他们眼中，OpenClaw的技术架构本质十分朴素，依然遵循前两年出现的ReAct（Reasoning + Action）范式。 具体流程是，首先获取用户的具体指令，进而判断并拆解成对应的执行步骤。每完成一步操作后，再通过执行反馈与结果观测，迭代决策下一步的行动方向。这是一个典型的工具调用循环，也是AI Agent一直以来的核心逻辑，所以OpenClaw并没有复杂的技术壁垒。 那它为什么对开发者产生了这么强的吸引力？最惊艳的地方，是AI第一次有了活人感。 有人说，OpenClaw就像是有了自己的私人助理贾维斯。有人说，当OpenClaw自动

提到数据标注，很多人脑海里浮现的，仍是几年前那幅画面：二、三线城市的外包基地里，上百人排排坐，盯着屏幕给图像框选车辆、行人、红绿灯。这类任务门槛极低，无需培训，按件计酬，完成上千张标注收入勉强200元。 但最近一两年，风向悄然变了。随着模型能力的升级，训练所追求的不仅是识别能力，更是判断和推理能力。 于是，一种时薪上千的新型标注任务开始在各大平台和众包社区流行：评估AI回答是否隐含偏见，改写带有误导性的医疗建议，比较两个政治话题回复哪个更中立。 这些任务动辄耗时一两个小时，要求标注者具备语言敏感度、常识推理能力，甚至基础的法律或伦理知识，报酬也水涨船高，普通任务百元起步，复杂场景下，一单800到1000元已不罕见。 同样是支撑智能系统运转的劳动，为何一个被高价争抢，一个却被压到底端？模型标注需求的升级，对于普通劳动者而言究竟意味着什么？ 给大模型标注并不是新鲜事。早在2018年前后，随着计算机视觉和语音识别技术的爆发，数据标注的风就已吹进中国广大的基层劳动市场：三、四线城市的待业青年、照顾孩子的全职妈妈、课余时间打零工的大学生，甚至一些退休后想补贴家用的老年人。平台通过微信群、兼职APP或地方劳务中介层层分包任务，形成一张覆盖城乡的数字零工网络。 那时的招聘广告写得简单直白：“会用电脑即可”“在家可做”“日结工资”。门槛之低，几乎消除了所有技能壁垒：不需要学历证明，不考察专业背景，只要能分清红绿灯、听清普通话、点准鼠标，就能上岗。 然而，这种“人人可参与”的表象之下，隐藏着被业内称为赛博血汗工厂的残酷现实。 为了维持模型训练所需的海量数据供给，平台普遍设定高压产出指标：熟练工每天至少需完成500张图像标注，合格图片的报酬仅在0.2元至0.4元之间，日收入很难突破200元，而这往往还不到知识型众包中一道题目的价格。 在这里，劳动被极致标准化、碎片化、去人性化，连坐一周就会感到

我刚入行做科技媒体那会儿，技术人员们接受采访，大多都对我们这群舞文弄墨的人格外体贴。谈及技术细节，会习惯性地补上一句“我简单点讲”。这种不假思索的降维解释，像一面镜子，照出了文科背景在科技领域的边缘位置。 这种边缘感，在科技公司里做技术公关的人体会得更深。 来自企业公关朋友的吐槽里，总少不了一个词，就是：憋屈。他们所擅长的传播、创意、沟通等能力，大多由文科教育打磨而成，但在技术主导的组织里，却总被划归为辅助。对内要迁就、配合研发的节奏，挤不进核心，没啥话语权；对外又要维护好媒体关系，把自家晦涩的技术对外讲清楚，两头周旋，里外受气。 如今风向悄悄变了。一种奇特的文科崇拜，正在理工科群体中蔓延。 在行业群里，码农们调侃，以前是talk is cheap，show me the code，现在code is cheap，show me the talk，比起敲代码，跟AI对话、讲故事的文科技能更重要。 打开朋友圈，在大厂做算法的程序员朋友表示，文科生若能跨越基础IT门槛，后续发力往往更具优势。 仿佛一瞬间，整个理工科都重新发现了文科的价值。 历史学者葛兆光曾说，无论中国还是外国，人文学科都似乎岌岌可危，人文学科的自我辩护已经讲了无数遍，也讲了很多年，说得太多，反而会把绝对真理说成陈词滥调。 不过，这些文科生自我辩护的“陈词滥调”，从理工科群体的口中说出来，便多了一些幽默，和耐人寻味。 从边缘到推崇，理工科对文科的态度转变，本质是面对AI对各类基础岗位的全面渗透，文理科一同沦为了被技术淹没的对象，所以理工科转而渴望借助人文的力量，填补自身的技术短板，从而规避被AI替代的危机。遗憾的是，文科无法成为理工科的救命稻草，无力向AI发起绝地反击。 2025年11月，北京798艺术区，浮光礼堂。 我在这座极具人文美学的空间，参加一场科技发布会。某个老牌ToB企业，宣布迈入AI驱动的新阶段，推

可能超乎很多人的意料，2026年开年之后，在AI领域动作最多的是腾讯。先是达沃斯谈AGI，成为这届达沃斯少数代表中国科技界的发言；随后是腾讯元宝启动社交AI“元宝派”内测；再之后是腾讯宣布要在元宝派发10亿红包，一时间领红包的长队刷屏了社交空间。 但让人有点无奈的是，这些动作有什么水花或反馈吗？仅就目前来看，无论是AI行业内还是社交媒体上，关于元宝派技术或产品的讨论都不多。元宝派借助红包一度登上AI应用榜单的前列，随后流量断崖式下降。 除了高度一致的公关推广话术，以及大家纷纷表示“这红包也太少了”之外，一切似乎都非常静谧。对于大多数人来说，会知道腾讯是做互联网的，能领红包，但很难想起腾讯也做AI。没有或高或低的评价，没有争议和撕扯，只是单纯地把这件事遗忘了。 与此同时，在相同的场域里众多公司正像葫芦娃般各显神通。阿里强硬地推广千问，颇有点力大砖飞的架势；字节仿佛火娃，用滔天烈焰烧出了豆包的流量池；DeepSeek可以被形容成水娃，用开源模型的活水冲开AI大门。即使是黑红流量最高的百度，给公众的印象也是一手“文心+飞桨”的技术，一手“起大早赶晚集”的遗憾，有点七娃的那种复杂与破碎感。 只有腾讯，好像什么都做了，但每件事仿佛都没有特点。讨论AI的时候很难想到它，仔细一想倒也会发现是把它忘了。腾讯的AI排名好像从未跌出前十，但也肯定不在前五。 它似乎稳稳当当排在了“第六”，而六娃的技能是隐身。 腾讯的隐身感从何而来？很多推理小说中有这样的设定：人想要隐身的唯一方法，就是紧紧跟在前面那个人身后，亦步亦趋，连步频、呼吸都保持一致，这样就能成功消失在视野盲区。 长期以来，腾讯执行了一种偏向保守的AI策略。这个策略的内核是不掉队，竞品拥有的业务我们也都要有，以免突然被拉开差距，同时也不能超前，尽量避免探索者可能要面对的试错代价。这种策略在原则上是没错的，因为我们可以看到众多科技巨头在两个

2025年年初，机器人在春晚舞台颤颤巍巍，被网友调侃“像看到了我太奶”，等到年底，已能街舞唱跳、动作流畅。2025年具身智能的能力表现与大众关注度，都经历了一场飞跃。 但真正身处具身智能一线的从业者，却清晰地看到，热闹之下，无形的斩杀线或将淘汰掉大量玩家。 美国明星具身智能公司Physical Intelligence的研究者曾公开表示，“它们仍经常失败，目前状态更像是‘演示就绪’而非‘部署就绪’”，并总结了落地难的具体难关，包括复杂任务执行能力、环境泛化能力与高可靠性性能。 在开发者社区，类似的困境比比皆是。经常见到工程师发帖求助：“我们的具身智能机器人在真实环境中总是撞墙，仿真里明明表现完美！” 解决起来却十分困难，因为提升可靠性，意味着指数级增长的训练轮次和算力投入。这就像一场障碍赛，每一关都可能挡住开发者的脚步。 开发者迫切需要一个更高的起跳点，一个能低成本启动、快速迭代、真实可落地的基座。 值得关注的是，近期一项来自中国团队的开源进展，正在为这一困局提供切实可行的出口。由灵波科技发布的具身智能基座模型 LingBot-VLA，已在星海图、松灵等多家国产本体厂商的真实机器人上完成端到端验证。在统一的真机评测基准下，其整体任务成功率与泛化表现已超越Physical Intelligence的 Pi0.5，后者长期被视为行业性能标杆。 而LingBot-VLA 的泛化能力，部分源于其对高质量三维空间信息的深度融合，这是LingBot-Depth 模型所提供的核心能力，也在1月27日同步开源。 不难看到，开源，正在成为改变行业的一股关键力量，如何帮助开发者更轻松地通关？ 2025年被业内人士称为人形机器人的量产元年，但智源研究院院长王仲远却指出，具身智能距离真正的“ChatGPT时刻”尚有距离。 真正的“ChatGPT时刻”，需要全球上亿台机器人每天在真实环境中产生动作、

2015年，我刚到北京工作，开启了北漂生涯。这座大城市给我的第一个震撼来自坐我旁边工位的大哥。他每天上午来上班，下午必然旷工，有时候下班前会赶回来打卡，更多时候干脆就缺勤了。 几天下来，我忍不住好奇地问他干嘛去了。他说去创业。用他的话说，那时的北京是热钱多如狗，遍地是创投，只要你有个项目就有人敢投，只要你的项目属于“互联网+”估值就能升十倍。这是他的亲身经历。他们本来是做剧场出租的，后来一个投资人在PPT中加上了共享戏剧空间的“互联网+”概念，估值就从八十万翻到了八百万。当时他每天下午缺勤，就是几个合伙人天天聚在咖啡厅研究，怎么才能估值八千万。 十年过去，“互联网+”的投资热情早已褪去，但“AI+”的亢奋才刚刚开始。相信大家也能看到，冷静了许久的AI创投市场最近终于火热了起来。有一些老朋友问我，有没有类似当年“互联网+”时代的那种“小技巧”，能快速把一个创业项目打扮成“AI+”？ 这可算是问对人了，伴随多年不断采访AI项目与AI企业，那个清澈愚蠢的毕业生已经不复存在。现在的我，内存条里积压了满满的AI套路。那么话不多说，如何让一个创业项目飞速“AI+”的新鲜教程送给大家。这些方法保证都来自产业一线，念及和气，咱们就不提具体的企业名了。各位在脑海中随意对号入座。 （注释1：我在阴阳怪气，别当真。） （注释2：万一当真了，效果可能也不错呢？） 开宗明义，想要“AI+”，设备必须会说话。别管你是卖冰箱彩电洗衣机，眼镜枕头按摩仪，都得让它能开口说话才行。虽然我们身边已经有太多的小某和小某同学。但那也别管，既然如此，多你一个也不多，先把语音交互给它接上。 可能有人会问了，语音交互功能是不是成本很大啊？其实不然，现在已经有非常多开源的语音模型，可以实现零API费用，而且语音类的API是云厂商争斗最狠，价格战最激烈的地方，千字符成本已经在一分钱左右，还省去了本地优化的诸多成本。 硬件方面