对人工智能发展路径的深度思索
1. 人工智能缺乏对世界的真正认知 近期AI领域热议一个概念——“本体论”。其核心观点是，AI面临的困境并非数据匮乏，而是无法领悟数据蕴含的意义及数据间的相互联系。在我看来，根本原因在于AI尚未深度把握这个世界，它掌握的是语言的统计模式，而非现实的因果逻辑。 2. 为何AI难以理解现实？ 人们常说人才是首要驱动力。而企业对人才的衡量标准，不仅涵盖其知识储备，更重视其处世之道与解难能力。这是因为，每个人都怀有对世界的独到见解，过往的经历、见闻、学识与实践，会凝结成一个人的性情、品格和思维方式。而AI当前能够
AI浪潮下的理性坚守
近期在各大平台鲜少发声，源于我向来对市场持审慎态度，当下依然如此。对于诸多判断与交易操作，我更倾向于将其落实于自身的持仓之中。我的大部分半导体仓位，已于上上周逐步清空。市场中无人能始终卖在最高位，我只认为，当盈亏比不再理想时，将利润落袋为安，绝非丢人之事。我想强调，敬畏市场并不意味着远离市场；控制仓位，也绝非看空 AI 趋势。我的核心观点始终未变：AI 的征程远未终结。近期考察了许多初创项目，不禁感慨，AI 正逐步重塑企业的成本架构与人们的工作模式。从 2023 年的畅想，到如今已渗透至各行各业。我们这一
AI 狂潮下的隐忧
台积电发布二季度财报，营收与净利均创历史新高，但股价当日却下挫逾 5%。根源在于公司将本年度资本支出从 520 亿至 560 亿美元上调至 600 亿至 640 亿美元，理由是 AI 芯片订单激增导致产能吃紧。订单激增本是利好，但市场却在算另一笔账：多投入的百亿美金将稀释利润率，且现金回笼周期被迫延后。同日，谷歌被曝旗舰模型 Gemini 3.5 Pro 需延期数月发布，导致市值一天蒸发近两千亿美元。内存芯片领域更为剧烈，韩国某券商研报将 SK 海力士盈利预期下调 8%，致使该股当日暴跌 15%，创下历史
人工智能告别免费午餐：物理成本下的新常态
近期我尝试接触新面世的Kimi 3。没编程，也没运行智能代理，只想简单交流几句，结果屏幕上跳出一行提示：AI 凭什么免费？因为背后有人买单：风险投资和策略性亏损。每次免费交谈，都是GPU在耗电、内存读写、散热系统嗡嗡作响。这不是软件复制无需成本的生意。这是实体制造，用一次，烧一次钱。免费之门没有轰然倒塌。它正悄悄合拢，动静轻微，轻到多数人察觉之前就已关闭。近两年AI走的是典型互联网烧钱路径：先免费培养习惯，再收割。免费用户提供流量、话题、口碑、市场教育，公平交换，各得其所。但这套模式有隐形天花板。传统互联
AI能干活，但没创意
哈喽，我是来福师兄。来福让AI帮忙设计广告素材，结果出来的全是垃圾。我不断给它输入思路、案例，让它学习，可它还是缺想象力。像个直男。我要它每天收集行业动态，抓取外贸某领域的舆情和用户评论，它能完成，每天早上9点准时发报告。也就是说，它能当个靠谱助理，比前台小姑娘好使。但创意类活儿，还得你自己来。你自己没思路、没框架，用它也白搭，搞不出让人眼前一亮的东西。它擅长归纳整理，能帮你省时间。但你要它转弯、创新，它就卡壳。比如让你做个网站，它就扒一堆同类案例，做个总结，再按你要求改个差不多的，框架微调一下。所以很多
AI时代的孩子最需要什么
少儿编程教育曾在全球范围内掀起热潮，家长们担心不学编程、不懂算法的孩子会在未来竞争中落后，纷纷让孩子早早接触编程课程。然而，如今人工智能已经进化到全新高度——从年初的"零基础gemini手搓APP"开始，编程已不再需要深厚的代码功底，只需简单的语言描述就能生成可交互的应用程序。那么，当下的孩子还需要专门学习算法吗？答案是肯定的！因为我们今天比任何时候都更需要算法思维！什么是算法思维？新书《耶鲁学长给青少年的算法启蒙书》告诉我们，与大众认知相反，最核心的算法思维并非学习语言或编写代码——而是解决问题。更准确
DeepSeek创始人财富飙升背后:AI真的重塑了财富规则吗?
仅三个月估值飙升七倍，DeepSeek创始人梁文锋身家激增至360亿美元，跃居全球大模型创始人财富榜首，这场快速致富传奇，使得市场普遍认为AI已完全改变财富创造法则。但我们不妨追问：AI时代财富逻辑是底层本质的彻底颠覆，还是价值兑现与定价节奏的表层演化？实际上，财富的底层本质从未改变：一切财富都是社会生产力创造的剩余价值沉淀，AI无法凭空造富，只是重塑了价值载体、定价时序与兑现路径。工业时代财富锚定实体生产资料，逻辑厚重扎实。厂房、矿产、生产线是核心资产，企业依靠商品销售产生稳定现金流与持续净利润，富豪财
两大航天股投资价值迥异：营收数据揭示不同发展阶段
目前市场关注度最高的两只航天概念股，代表着两种完全不同的投资策略。AST太空移动（纳斯达克：ASTS）怀揣宏大愿景：依靠卫星直接向普通手机传输宽带信号；火箭实验室（纳斯达克：RKLB）则承接商业火箭发射业务，同时为客户定制制造卫星。衡量两家企业的角度很多，但有一项指标最能直接说明二者之间的差距：营收。拉开二者差距的核心数据营收规模差距非常明显。今年早些时候，火箭实验室单季度营收约2亿美元，同比增长超过60%。相比之下，AST太空移动2026全年营收预测仅为1.5亿至2亿美元区间。也就是说，火箭实验室三个月
深度解析大模型底层原理：权威图解指南
这本权威技术指南深入剖析了人工智能大模型的运行机制，由中国人工智能学会副理事长倾力推荐，北京大学出版社精心打造，绝非粗制滥造之作。本书的最大亮点在于全彩图解配合渐进式教学，将大模型从基础概念到多模态实战的各个环节，拆解为直观易懂的示意图。无需死磕复杂公式，跟随图解就能掌握训练、推理、硬件加速及本地云端部署的全流程，把晦涩知识揉碎后清晰呈现。随书附赠全书源码、PPT课件及海量学习资源，助力读者打通学习最后一公里。如果你是AI开发者，借助本书能快速掌握大模型开发全流程，解决工作中的技术瓶颈；如果你是技术爱好者
AI炒股是神器还是陷阱？
别等被割了才明白：AI是放大器，不是印钞机前两天有个朋友兴奋地跟我说："现在有AI了，炒股太轻松了！我一输入"找强势股"，两秒就给我列了10只股票，这哪是炒股，分明是开挂！"结果昨天他又来找我，脸色发青："AI推荐的票，一买就跌，刚割就涨？这外挂是不是坏了？"这让我想起一个残酷真相：AI时代，炒股没变简单，反而对普通人的认知要求更高了。今天我们就来聊一聊：AI到底是散户的"阿拉丁神灯"，还是庄家的"新镰刀"？一、AI确实"变简单"了，但只是"看上去"不可否认，AI在信息处理上是降维打击。1. 信息处理速度
中国人工智能发展的独特路径
自强不息，兼济天下。「01」2026年全球人工智能峰会（WAIC）即将在上海拉开帷幕。借此契机，谭主与政府机构、研究单位及科技巨头的知情人士深入交谈，提及了开篇的那句话。与此形成对照的，是美国AI领域出现的一个趋势：众多AI行业从业者前往中国实地考察，行程结束后返回，打开电脑，撰写长文，感慨道：“I just returned from China”（我刚从中国归来）……他们详尽记录在北京、上海和杭州等地的调研经历，回顾当地AI研究室、科技创业公司的实际运营情况。而贯穿全文的，是强烈的思想震撼：他们多年积
大模型竞争重心转向成本效率
■苏向杲 近期，OpenAI、xAI、Meta等国际顶尖AI企业陆续发布了新一代大模型。与此前侧重展示智能水平和榜单排名不同，新一批模型更聚焦于单位Token效能、调用费用、运行速率和整体开销。这意味着大模型的演变趋势，正逐步从“能力巅峰”转向“以更低成本可靠执行任务”。 这一动向引起了全球金融市场的广泛关注，其根本原因不仅在于模型使用价格的降低，更因为AI大模型处于产业生态的关键节点：向上关联算力芯片、服务器、光模块等巨型硬件体系，向下赋能众多行业。大模型公司对成本和效率的重新评估，必然会沿着产业链层层
人工智能的起源：为何人类要创造AI
1956年盛夏，达特茅斯学院聚集了一群年轻人，他们展开了为期两个月的研讨。麦卡锡随意提出了一个术语：Artificial Intelligence。他后来解释，选择这个名字并无深意，只是因为它听起来宏大、响亮，便于争取资金。如果当初叫“复杂信息处理系统”，这个领域可能就不会出现了。人工智能的诞生颇为偶然，甚至有些随意。但人类为何渴望创造AI，这件事绝非偶然。我思考了一下，大致源于几种动力。首先浮现的，是人类不愿劳作。并非懒惰，而是人类基因中深植的那种——不愿在同一事务上耗费重复精力。水车代替人碾米，蒸汽机
培养孩子驾驭AI的能力——AI训练营的核心教育理念
“AI课程？不就是教导孩子操作AI工具吗？”每当听到家长这样提问，我们并不感到惊讶。市面上多数针对青少年的AI教育，确实聚焦于这一点——传授操作技巧。如何撰写指令，怎样让AI绘制图像，如何生成文本内容。孩子掌握了这些，家长便认为物有所值。然而，OECD与欧盟委员会今年6月联合推出的全球首个中小学AI能力框架，在开篇就明确指出：“AI能力有别于AI工具的使用。仅与AI工具互动，无法自动形成AI能力。”这句话直击核心。只会操作工具的孩子，与理解原理的孩子，面对AI时呈现截然不同的状态——前者视AI为神秘黑箱，
韩国股市剧烈波动！资金不再押注AI，转向这些新领域
韩国股市经历剧烈震荡，犹如坐上“过山车”，但外资撤离规模恐已超过1000亿美元。 韩股正在冲击全球市场，虽未引发国际金融危机，但国内资金警惕性显著增强。进入下半年，机构投资者越来越不愿全力押注AI，更注重风险平衡，对冲AI板块的潜在风险。接下来，半年报和三季报是业绩兑现关键期，部分资金已提前流向在港科技股、券商、创新药等领域，寻找下半年的结构性机会。 资金不再全力押注AI 过去一个月，韩国股市震荡剧烈，犹如“过山车”，KOSPI指数多次触发熔断，反映市场在人工智能需求持续旺盛与未来行业产能过剩风险之间反复