2026-03-17 20:21:00
原创 史中 浅黑科技 2026-03-17 20:21 浙江
为了消灭折叠线，这帮“变态”闹翻了供应链。
浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛，我会尝试用各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。
OPPO 也有正常的工程师，但不多。
据我观察，凡是加入 OPPO 超过三年，基本就成了“变态”。
变态当然是个玩笑。我的意思是，他们对手机的“颜值”有一种大幅超越必要的，近乎恐怖的贪恋，以至于总想把世上最好的技术都给它。
他们甚至不惜调动整个精密制造的供应链，把手机折痕“屠杀”掉。
故事就从 2023 年说起吧。
那年秋天，OPPO 兴高采烈发布了新一代折叠机 Find N3，坐等掌声。
实话说，这台机器颜值已经相当能打。但夸奖中仍夹杂着一些O粉耿直的评价：N3 底子真好，瘦下来一定是个美人！
言外之意，这 11.7mm 的机身还是有点厚。
说别的，兴许还能忍，说颜值，OPPO 团队的自尊心立刻变得像酥皮乳鸽一样脆。庆功会无缝变成了誓师会。。。
下一代，非得做出个全球最薄的折叠机给你们尝尝！
其实当时新手机已经有了雏形设计，产品团队红着眼爆改方案，跨代压缩了新机设计厚度，比 N3 降低 26%，到了 8.93mm。。。
然后，他们拿着这个新方案在大会上咬牙问各个模块的工程师：能不能干？给个话！
折叠机结构本就复杂，降低任何一处的厚度都费劲。但要说最难瘦身的地方，就是中间那个“铰链”。
大家的目光齐唰唰投向创新产品研发总监、铰链团队的领头人李龙。
李龙看着产品同学极不稳定的精神状态，可能也真是怕出点儿什么事儿，幽幽地说：“没问题。”
等李龙把这个承诺带回给自己的铰链工程师，大伙儿差点儿跪地上：老板，您挺敢答应啊。。。
正所谓魔法对抗魔法，变态才能对付变态。
简短截说，半年时间，工程团队几乎癫狂，改进了铰链的每一个零件，甚至在手机制造历史上第一次用了“金属 3D 打印”，打出铰链两边的超薄翼板，最后才压铃交卷，祭出了当时世界上最薄的折叠机——Find N5。
这是一位马来西亚摄影师 Eujinn 拍摄自己 N3 和 N5 的真机厚度对比，你感受一下：
N5 的发布会，那真是奔着解恨去的。（发布会后第一批抢购 N5 的有不少友商，他们比粉丝更好奇 OPPO 是怎么搞的。）
视频博主 Phone Repair Guru 把 N5 拆了，展示了屏幕背后的超薄铰链。
注意！以上这些都是前情提要。
正是在 N5 上，铰链工程师的骚操作一边闪耀全场，一边亲手给自己埋下了“巨雷”。
铰链中轴太薄了，在它连接转轴翼板的地方，瘦削的身材承受了本不该属于它的巨大压力，产生了微微的形变。
画张图你就明白了：
俯瞰打开的铰链，承受应力的主体部分就像一个“羊肉串”；
把羊肉串侧躺下来看，它中间那根“棍”，不是笔直的。
这个比例我故意画得有些夸张了，是为了让你看清。
实际上，这种形变直接看铰链无法察觉，也不影响结构强度。
但是！一旦把漆黑的折叠屏装上去，再用上几个月，屏幕就会贴合铰链，产生微微的起伏，这个肉眼还是能观察到的。
左边是 OPPO Find N5，右边是 Galaxy Z Fold 6。虽然 N5 折痕浅很多，但仍然存在。
就这么个小事儿。
大哥，都做到这么薄了，留点儿副作用不正常么？你还要怎样？
2024 年夏天（当时 N5 还没发布，下一代 N6 的研发已经开始），李龙开完会回到结构组里：兄弟萌，我又答应了他们，在 N6 上“干掉折痕”！
工程师们眼泪下来了，OPPO 手机做得好，就是有点儿费兄弟啊。。。
吐槽是玩笑，OPPO 工程师最“变态”的地方就是：他们嘴上不承认，内心其实很享受。因为他们明白，自己要解决的是全世界手机厂商都还没遇到，但将来一定会遇到的问题。
如果成功，他们会如英雄一般，被写进中国精密制造历史。
马山，是铰链工程师团队的兄弟之一。
2024 年 8 月，他站在工厂里，脊背凉透。
团队没日没夜设计了新一代铰链，为了减少形变，想方设法分散应力，已经把过去三个转轴变成了四个转轴，而且做成了完全上下对称分布。
新铰链的形变大大小于前代，横着看，最高处和最低处的落差只有 0.25mm。
可是，这仅仅四分之一个毫米，铺上屏幕以后斜着看，仍然能看出一丢丢。
作为 OPPO 工程师的职业骄傲让他无法骗自己——这不算“平”！
更换铰链设计？
不行，这已经是大家枪毙了无数个方案选出的最优解。
改变铰链材料？
不行，这已经达到了当前成本限制下材料的极限了。
马山和小伙伴们坐在会议室里，愁眉苦脸。
智力小测验：如果你也是坐在会议室里的一位 OPPO 工程师，会怎么解决这个问题？
估计你和我一样，首先想到的是“削它”。
羊肉串的棍子不是鼓出来小山包么？那我横着给它削平不就完事了？
“没错，我们最开始就是这么想的。”马山告诉我。
然而，工程师们拿铰链来回削了几个礼拜，竟然发现“此路不通”。
一个铰链上有上百个零件，各种姿势咬合在一起，应力结构极为复杂，可以说每个零件的接触点都在较着劲。
如果把中轴强行削平，原本受力的部分变得更薄，可承担的应力还没变，这会导致它继续形变。
通俗点说：削完还鼓。。。
一群工程大拿，被这么一丢丢形变拖进泥潭，真是两毫米难倒英雄汉。
眼看距离试产的日子所剩无几，他们只能使出祖传大招——向法师求援。
诶，在 OPPO 还真有一个“法师团队”，学名叫做“工艺开发组”。
简单说，工艺开发组的日常就是去全国各地“求仙问道”——寻访先进的设备和工艺，找到之后拿回来默默搓技能。
等家里的工程师们打野时遇到搞不定的怪时，用这些大招帮他们一举干掉！
想想也知道，高端法师最好提前三五年就预判到某些技术会有用武之地，早早拿回来备着。
这种活儿没点“通灵”的疯劲儿还真干不了。
这不，结构组师傅拿着点心水果AD钙奶找工艺组虚心请教。
法师们听明来意，乐得要咬人：“算你们来着了！”
在四次元口袋里翻了半天，他们掏出一个奇葩的玩意儿——“喷墨打印机”。
马山满脸问号：“这玩意儿不是印广告宣传页的么？怎么让铰链变平整？”
法师们摆摆手：“英雄莫慌，打印机喷胶水把低洼的地方填平，不就行了吗？”
“可打印机喷出来的东西只有薄薄一层，我们可是要填 0.25 毫米呢！”
“多喷几十层，不就厚了吗？”
马山哭笑不得，但又感觉对面的法师很认真的亚子。
彼时的他们也许并没意识到，自己已经站在了一棵璀璨的科技树面前！
故事讲到这，咱们得先按下暂停键，一起闪回到六年前，去探探这个“打印法术”的渊源。
2020 年，工艺组的负责人，“首席大法师“沈集正带着大家解决另一个棘手问题：
两个零件之间要塞一个东西做支撑。它俩距离大概 0.1mm。这个距离很近，但又不够近。
这就尴尬了：如果塞一个工件进去，没有这么薄的工件；如果点一层胶，胶水高度又不够。
沈集灵机一动，奇葩的法术诞生了：点两层胶如何？赶快去工厂实验，居然真可以！
先点一层胶，让它固化，然后在上面再点一次。两层胶水叠罗汉，效果竟然稳如老狗。
这一下，他脑子里炸开了：
1、同样是上胶，用点胶阀可以，用更细密的打印头可不可以？
2、同样是打印，打印两层可以，打印 N 层可不可以？
如果都可以的话，那么这种工艺理论上可以在各种地方喷上各种形状的胶体结构，那还不掀翻全世界？！
想通这些，他已经露出了“变态”的笑容，抓起手机拨通号码。
电话那头，就是他心中最适合的“铸剑师”，也就是全中国最有希望做出这种凶悍设备的供应商——先导智能。
勾搭先导智能，沈集没有任何纠结。
因为先导掌握着一个公认全球最领先的艺能：写轮眼。
写轮眼是我给起的外号，它的标准名字是“精密测量”。
像手机这样的 3C 产品，涉及到零件生产、产线组装、质量检查。
虽说每一步工艺都不同，但有一个共同的前提，那就是对精准度要求极高，不能盲打，得“看准了再下手”。
这就是精密测量的价值！
测量用到的十八般兵刃，无论是工业相机、线激光，还是更高级的光谱共焦，这群师傅都耍得有模有样。
如果发狠放大招，他们可以让测量精度精确到纳米级别，观测芯片都没问题。
怎么评价这群铸剑师在业界的江湖地位呢？
苹果手机的质检、宁德时代的电池生产、中国头部太阳能板和自主芯片研发，全都在用先导带“写轮眼”的设备。
说回 OPPO 的法师沈集，他的理由也很清晰：
1、胶水要附着的元件表面，不可能总是一马平川的，凹凸起伏是常态。
2、胶水这东西是液体，各种随性流动、附着，固化之后还会有收缩。多层打印之后，一定会累积误差。
3、这种情况下，打印机必须具备“看清楚眼前到底是个啥”的能力，以便提前规划，随时修正。
你可能纳闷：“看清楚”，不就是用激光束扫描一下物体就知道它表面的样子了吗？
绝非这么简单。
这里涉及到另一个核心技术：建模。
一个激光头发出一排光线，顺着物体的表面舔过去，会收集到几百万个点的 3D 坐标信息。
但留给系统建模的时间有多长呢？大概就是从扫描完成到工件归位的那一段时间，满打满算 2-3 秒。
在这么短的时间里，对几百万组数据进行完整计算，是不可能的。
系统必须识别出哪些是噪点信号（约占 30%）、哪些是非关键信号（约占 60%），把它们剔除，只留下最有效的 10%～20%，才能更有效率地整合成模型。
用什么方法筛选点云？用什么算法近似建模？这不仅仅是数学问题，更是充满了行业经验的工程问题。
这些经验，才是先导几十年随着中国制造业左冲右杀攒下的家底。
当沈集找到先导的销售经理朱杰的时候，先导有喷墨打印装置，也有 3D 检测设备，但就是不存在为 3C 制造而设计的“胶水打印设备”。
但朱杰不慌。
“先导这么多年绝活就是做‘非标设备’。我们就像饭店，你可以点菜单上现成的菜，也可以描述给我菜的样子，我们师傅现场给你研发菜系。”朱杰对我说。
回到当时，沈集挥斥方遒地描述了胶水打印设备的未来，各处都是用武之地。先导紧急抽调各路精英，组成了设备研发小组。
终于，2022 年，这样一台设备的样机研发出来了。
它的大致原理如图：
沈集看到样机，两眼放光，拉着先导签订“一年期独占条约”，意思就是：难得我想到这么好的点子，一年之内你只能卖给我们 OPPO！
然后，这一年内，OPPO 买了多少呢？零。
沈集这个乐观的老法师，多少有点儿高估了新技术的导入速度。
别说一年了，研发出来两年，法师队伍在各个环节不止一次推销了“胶水打印工艺”，结果各种阴差阳错，全都中途夭折了。
搞得沈集见到先导的哥们都想绕着走了。
转眼到了 2024 年，刚才被我们暂停的故事，现在终于可以按下“Play”了。
这下你知道 OPPO 铰链团队找到法师寻找新技术时，沈集为啥这么兴奋了吧？苍天啊大地啊，鸽了两年，胶水打印技术终于找到战场啦！
那台“胶水打印机”样机被紧急送往 OPPO 产线所在的东莞。
一众英雄好奇地围观这个“给铁片做医美”的新武器，反而有点迷茫：
胶水要选什么型号？打印头用什么型号？液滴要喷多大的？喷多少层合适？
既然都不知道，索性先随便选一种方案，搞起来再说吧。
问题很快出现了：打不平。。。
“打不平”是一个宏观表现。如果拿显微镜看，就是胶水固化的形态不均匀：
比如第一排的液滴可能是这样排列：
第一排固化后再打第二层，由于设备微小的误差，有的液滴进入了下层空隙，有些液滴附着在之前的液滴上。
微观上，平衡被破坏了。
越往后面，这种不平衡越会累积。最终导致宏观上出现胶水聚团。
“第一轮尝试，成功率可能只有 60% -70%。”马山苦笑着回忆。
一个铰链成本几百块，过了这么一道工序就战损一小半，绝对无法接受啊。。。
他们赶紧尝试不同参数，发现了门道：
欲速则一坨，慢工出细活！
如果把打印液滴减小，这种聚团概率就会大大降低。
可问题是：打印液滴变小，就意味着打印到相同高度所需的层数更多。这也意味着打印头来回走的次数更多。
而打印头每次喷出的液滴大小，很难和设定值精准一致，总会有一丢丢误差。
也就是说，打印次数增加，累积误差又会被放大。
是大亦忧、小亦忧，多亦忧、少亦忧。。。
马山他们来回测试，每换一种液滴大小，就得调整一个打印头型号。终于，确定了成功率最高的数值——每一层液滴的高度是 6 微米，这样打一次下来，大概是 35-40 层。
猎杀“折叠线”的思路清晰了，英雄们总算准备喘口气。
然而，检测组的同学毫无预警发来一份文件：“不行，你们这工艺没过温度测试！”
OPPO 的每一台手机，都要经过严格的温度冲击测试，从 -40 到 75 度，急冷急热，两小时一循环，反复跑多次，不能有任何地方失效。
试了这么多次才搞定的喷胶工艺，在冷热冲击下会变脆，可能产生断裂、剥落。。。
折腾半天，眼看已经到了 2025 年初，第一次试产近在眼前，所有工艺都被推翻！
马山两眼一黑，提桶跑路的心都有了。
这里科普一下。不仅是 OPPO，几乎所有手机厂商的规矩都是：到了第一次试产的节点，工艺就必须确定了，这时候工艺还不过关，量产就可能出危险！
眼前只剩一个选择：放弃。
这不是退缩，是对流程的理性尊重。
那天开会，马山给李龙汇报：“我们准备把喷墨打印技术拍死了。。。”
李龙愣了：“为什么？！”
“眼看试产了，工艺还没搞成熟。软件、设备、胶水型号都定不下来。”
“不成熟，不能快点搞成熟吗？所有人都在为铰链拼命，我们绝不能掉链子！需要什么资源？我去协调！”李龙拍桌子。
虽然老板怒了，但那一刻马山心里反而踏实了。
几天后，OPPO 铰链团队成立了攻坚组，全力支持“胶水打印”继续改进工艺！同时高层拍板，为工艺固化开绿灯，Deadline 推到一个月后的第二次试产！
英雄们原地复活，继续向前跋涉。
胶水！
首先需要合适的胶水！
工艺组的一位法师陈光直接冲到了 OPPO 合作的胶水厂。
他毕生经验灵魂附体，针对这个铰链喷墨场景联合研发，让胶水即使在小液滴快速固化的情况下仍然保持抗高低温的韧性。
与此同时，先导智能配合这种胶水的参数，紧急从理光定制开发一套完全合适的打印头。
最初听到这个紧急要求，理光还有点儿犹豫：你们就订这么几台，我们开发成本也不划算啊。
先导师傅拍胸脯：你是没看到 OPPO 下了多大决心！这个设备研发成功，以后所有品牌的折叠机生产线大概都会用这种工艺，你们的打印头可就成了行业标准件！
理光被先导师傅眼里的光芒打动，加班加点，打印头及时交付。
这个打印头上，有 1280 个喷孔，分列四排，每个喷孔都由一个精密的压电陶瓷片控制，可以精准弹射出 12 皮升（0.000000000012 升）的细小液滴。
这么小的液滴铺在中轴表面，每层只有 6 微米（0.006mm）厚。
40层极薄的胶体堆垒，把每一丝小小的沟壑填平，成为能让苍蝇劈叉的微观镜面。
眼看胜利在望，团队露出欣慰的笑容，然后。。。
脸上毫无预警地又迎来了一根闷棍：
新研制的这种胶水，为了实现快速固化和高低温韧性，必须完全透明，不带任何颜色。
这意味着，在最终检测时，激光 3D 探测器会完全穿过胶体，无法探测胶体的高度。。。
马山逼问陈光：就不能在胶水里掺一点点颜色吗？
陈光叹气：现在各项指标已经到极限了，再掺颜色就会影响固化，效果不达标了呀！
危急时刻，法师们三顾茅庐找到铸剑师先导智能：
“你们在检测领域全球第一，有没有什么绝密武器可以检测透明物体？只要能拿出来，我们就用！”
先导师傅点点头：“既然你们这么说了。。。”
这个意大利炮，就是“光谱共焦探测仪”。
一般的激光探测器只有饭盒大小，可是光谱共焦探测仪却足有半个冰箱那么大。
个头差这么多，因为它俩的探测原理不同。
激光探测器是靠发射单色激光到被测表面，捕捉反射回来的光线来计算距离。可胶水的表面和底面都能反射光，探测器就懵了。
光谱共焦仪却同时发射各种波段的光，让不同颜色的光聚焦在同一个点上，由于不同光线的波长不同，只有和反射面高度契合的波长才会反射最强烈。
这就导致，胶水表面和胶水底面虽然都会反射，但反射出的光不是一个颜色（波长）的光。
这样一来，表面和底面的高度都能测出来，它俩的差值一减，就是胶体的高度！
要说之前的激光检测仪器是写轮眼，那光谱共焦检测设备就是妥妥的索伦之眼！
仅仅是换了一个部件，整个设备的个头翻了一倍，成本翻了三倍。
为了那片平整的折叠屏，OPPO 这群人眼睛都没眨，买了！
设备很快被先导智能制造出来，像宝贝一样护送到 OPPO 产线。
但九九八十一难还没完，一个鬼魅般的 Bug 萦绕不散——良率总是比预期中低一些。
查来查去，真凶竟然是“震动”！
由于打印和探测的精度过高，导致设备对微米级的震动都非常敏感：
哪怕是周围没有其他设备工作，没有人走动说话，单单来自大地的背景震颤（振幅大概 8 微米）都会影响它的良率。（看来崔健唱的“你脚下的地在抖”有道理。）
幸亏 OPPO 和先导智能的工程师已经在微米级的世界里打拼多年，经验有一筐。
他们紧急升级，用大理石做了一套抗震装置，安装进去。
良率从 90% 慢慢提高，到 95%，98%，终于冲到了 99% 以上。
这是机器的实拍视频，你感受一下它的精密：
2025 年 2 月，在一个实验夹具上，马山第一次看到了测试屏幕的效果。看着几十万次折叠后依然完整无暇的平面，他拉了一把椅子坐下，有一种上帝创造人间的欣喜。
整个工艺，终于抢在第二次试产之前固定。
至此，仍然不能放松。面前剩下最后一个但是极为重要的命题：效率。
每一个铰链都要独立测量，独立建模，独立喷涂几十层，最后还要独立做质量检测。无法批量实现，生产极为耗时。
根据 OPPO 折叠屏产线的布局，每小时固定产出 160 台手机，产线上串连的所有设备都必须适应这个节奏。
如果单台设备打印胶水太慢，那么只有一种办法：多买设备。
“时间就是金钱”，在这里是一句精准的陈述。
之前提到，为了达到极端严苛的检测标准，设备上了最强的光谱共焦检测模块，每台已经上百万。
每多加一台打印设备，就相当于在每台 N6 手机的造价上凭空再加出 1-2 块。
这是极高的成本负担。
OPPO 的结构组、工艺组还有先导智控的驻场工程师聚在一起，开始了最后冲刺，对工艺进行极致优化。
例如，最初设计是每打印五层就要检测，后来经过反复测试，经验数据越来越多，降低到只需一次检测；
原来遇到不合格的铰链当时就要返工补打，现在选择性废弃，牺牲微小的良率以换取速度大幅提升。
就这样，OPPO 每改进一步工艺，先导智控的师傅就现场改设备代码。
改进迭代了几十次，终于把一条产线上的打印设备控制在了两台。
两个铰链分别进入，从测量到喷墨打印到最后检测，只需要一分钟就能完成，平均每个 30 秒！
2025年末，大规模量产备货开始。
马山看着总装线上喷射而出的 N6，屏幕如湖面一般平静，他心中却大潮奔涌。
在身侧的平行的时空里，一群伙伴身披铠甲，面前的“折叠线”如恶龙轰然倒地。
尘烟散去，英雄手里的长剑闪着寒光。
N6 的发布会后，视频博主们冲向展示区，面对 N6 的真机不吝溢美之词，一片喧闹。
而这背后漫长的英雄故事，却随铰链开合飞向远方。
由于第一梯队的手机厂商往往共享核心供应商，可以想见，其他手机品牌，甚至 iPhone 都会在不久后推出完全平整的折叠屏。
多年后的用户们恐怕不会想到：为了封印这道折痕，曾有一群师傅却遍寻天下法术，铸造了一个可以给铰链做医美的温柔的“变形金刚”。
这也正是我记录下这个故事的意义。
在我和 OPPO 师傅聊天时，他们都习惯相互称呼“X工”，也就是工程师的简称。
但我更愿意把他们归为渊源更古老的“手艺人”。
造一个手机，和一千年前烧制一件陶器并无本质不同。
他们都需要某种宁可烧废千窑，也要追寻一只梦中情瓷的“变态”。
不同的是，在一千年前，那些手艺人追逐一种工艺，所能依靠的只是落后的工具，肉眼的测量，口耳相传的经验，以及好运的眷顾。
而今天的手艺人，拥有纳米级的光谱定位仪器，拥有能在每英寸长度上独立控制 600 个液滴的打印喷头，拥有无尘车间里一条条自动化生产线，拥有产业链上无数同路人的背靠背支持，拥有全世界品牌用户的翘首以盼。
临别前，沈集告诉我，他不会轻易放过“打印法术”。这条路上的修仙打怪才刚刚开始。
一切顺利的话，未来打印机不仅可以打印胶体，还可以打印精密的金属、塑料零件。
由于打印的颗粒极小，可以做到微米级增材，它搭建的结构可以比现在的切削、注塑工艺轻薄十倍。
“手机里的抗冲击结构、抗干扰结构，甚至两处飞线连通、柔性电路板，都可能用打印技术完成。”沈集说。
他把这一切统称为“液态施工”。
过去人们受限于工艺，在手机里安装各种细碎零件，构成某种蒸汽朋克的破碎美感。
但未来有了“液态施工”，也许靠几个打印头就能打印出一整部手机 80% 的部分，精密制造由此进入赛博朋克时代。
技术永远在变化，没有一招可以通吃。但真正重要的只有两个字：敢想。
沈集说。
我大概明白，为什么 OPPO 被称为“工程师的乐园”。毕竟奇葩的幻想，不会在哪里都被温柔以待。
有人觉得，手机的颜值不能当饭吃。
但无数事实已经证明，要把颜值做到极致，必须深入理解背后的结构、加工、深层材料、基础物理。
马山告诉我，在 OPPO N6 的铰链中，齿轮上两个齿之间只有 100 微米宽，齿轮侧隙只间隔 5 个微米。
这种精细程度已经和瑞士钟表等量齐观，何况手机铰链齿轮要承担的应力和冲击比钟表齿轮大百倍。
中国的精密制造，不也是在手艺人追逐颜值的过程中，一次次斩杀 Boss 之后阔步向前吗？
有一个事实仍然刺眼， 那就是这台打印设备里的核心“标准件”——打印头和探测头——仍然来自于国外顶级厂商。
这些标准件的技术含量极高，国际厂商都有几十年的积累，可以做到既便宜又稳定，替代壁垒极高。
但即便这样，在长三角、珠三角仍有无数中国企业在打印头和探测头上投入重金，期待有朝一日可以代表中国制造站在舞台C位。
他们之所以敢于忍受超过五年周期的巨额投入，最大的底气也许就是中国的 14 亿消费者。
14 亿人对“美”的追求，会通过 OPPO 这样的手艺人形成高压，渗透到一级供应商、二级供应商，最终渗透到基础标准件。
所以，手艺人究竟在为什么而战？
他们跋涉到审美的无人区，在这里挑起猎猎旌旗，让精密制造的梦想者们循此而来，举行一场盛大会师。
如此看来，每一个购买了 OPPO 手机的消费者，都在微小而坚定地推动这场“荒野会师”成为现实。
告别这群手艺人，我在回程的飞机上，看到脚下一排排厂房的屋顶逐渐缩小，像被打印机喷涂在大地上。
历史正在发生，而我栖身于其中一个切片。
归根结底，这是一场有关承诺的故事。
工程师对战友承诺，工匠对手艺承诺，品牌对用户承诺。
这些承诺像铰链一样咬合在一起，也就成了中国制造对 14 亿人的承诺。
延伸阅读：
在审美无人区
挑起一杆旌旗
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。
哦对了，如果喜欢文章，请别吝惜你的“在看”或“分享”。让有趣的灵魂有机会相遇，会是一件很美好的事情。
Thx with in Beijing
2026-02-24 13:04:00
原创 史中 浅黑科技 2026-02-24 13:04 北京
AI 带着机器人坐火箭，这个宏大的时代和你有什么关系？
浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛，我会尝试用各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。
人类正在翻越“风险墙”
文｜史中
（一）当美国开始“上杠杆”
最近几个月，好多人都咬牙切齿地问马斯克同一个问题：“咱美国为啥不能像中国一样哐哐新建电厂？”
这有点儿怪，老马攒汽车、造火箭，搞 AI，已经够忙了，咋还得兼职“发电专家”呢？
原因很简单，预计到 2026 年底，美国的电力增长速度就跟不上 AI 芯片生产的速度了。
也就是说，新生产出来的芯片再多，也没有多余的电来运转了。
哎，说来有点喜感：
美国有的是芯片，就是没有电；
中国电倒是多，美国不给芯片。
世界就像大型幼儿园过家家，一个小朋友举着没电的玩具，一个小朋友攥着电池，谁也玩不上。
堂堂灯塔国，发电行业祖师爷爱迪生的故乡，为啥给“电”卡了脖子？
严格来说，不是“臣妾做不到”，而是“臣妾做不到这么快。。。”
美国那些公共事业发电公司，要想新建一座电厂，需要联邦审批，州许可，走环评，还得听所在地社区群众的意见，一趟流程下来得三五年。
就算电厂能快速建起来，电网系统也已经 40 岁高龄了，老胳膊老腿经不住大量新电注入的刺激，也得慢慢改造。
照这速度，等电够了，对面中国的 AI 都会打酱油了。
所以，美国 AI 巨头只好绕开这些电力公司和电网，自己在 AI 数据中心旁边建“特供电厂”。
不建不知道，一建嗷嗷叫。
老马的 xAI 在田纳西州孟菲斯建立了一个全球最大的 AI 训练集群“Colossus”，然后在旁边收购了一个天然气电厂进行扩建。
红圈里就是电厂
结果发现，跑遍全世界，居然买不到发电用的核心设备涡轮机。
这是因为，涡轮机里的核心部件是那个叶片，很难搞。
叶片干活时需要承受 1000 度高温，每分钟转 10000 次，连续转 50000 个小时不能坏，需要用魔法锻造。光是它们就占涡轮机成本的一半儿。
老马一打听，全世界只有三家企业能造这种叶片，订单排到了 2030 年。
。
。
。
好不容易从别的客户手里抢了点儿现成的涡轮机，刚装好，孟菲斯的黑哥们不干了：
你丫把污染排放到我们这，是不是看我们好欺负？是不是种族歧视？
xAI 惹不起，只好扛着 41 台涡轮机搬到了隔壁密西西比州，又花了几千万美元拉高压输电线，才勉强把这点儿电给搞定。
你可能会问：这个电就非得用火电才对味儿么？太阳能不香么？
没错，全球最便宜的太阳能板成本已经做到 0.1 美元一瓦，比火电便宜不少。只是有个小遗憾，这些太阳能板是 Made in China，川宝给加了将近 300% 的关税。。。
川宝意思是：你们他喵的要么就别用太阳能，要么就给我自己生产。（我要是老马我也和他闹掰。）
于是包括特斯拉在内的很多企业只好补课，从头研究光伏制造。
但光伏是一个很长的产业链，从工业硅提纯到单晶硅生产，到硅片切割，到组装、逆变器、运维，技术全在对面中国手里，一时半会儿作业根本抄不完。成本居高不下，也就没办法大规模量产。
就算将来搞到了电，也必须承担很大的损耗：
在炎热地区，高达 40% 的电是给散热系统用的，根本都不参与计算。
产能瓶颈、关税压力、民众阻力、技术难度，像泥石流一样把马斯克给埋了。
从泥里爬出来，老马仰天长啸——你们这是要逼我上天！
没错，地球上这么多烂事儿，算下来都不如直接把数据中心发射到太空。
首先，直接用太阳能供电，用辐射散热，两边成本都变成 0！
其次，只要卫星轨道足够高，那可是永远能见太阳，24 小时不断电；况且太空中没有大气遮挡，阳光强度再加三成；而且不过夜的话，还省去了用电池储能。里外里一算，同样一块太阳板，发电效率可能是地面上的 5-10 倍。
最后，太空还没有居民瞎逼逼，我爱发多少就发多少。
什么？你说上天需要火箭？
巧了，咱家有！
明白了上面的剧情，你才能看懂 SpaceX 为啥要收购 xAI，才能明白为什么 SpaceX 要选择在 2026 年冲击上市癫狂融资。
不过。。。这么一个仅仅在理论上说得通，现实世界八字没一撇的操作，这帮人却在挥汗如雨地干，多少带点魔幻。。。
我想说的是：这恰是美国目前精神状态的一个缩影。
作为过去百年全球创新的旗手，美国公司“孤注一掷”的戏码倒不新鲜。但此刻，梦想与现实之间的距离已经比历史上任何时候都要远，对于技术和创新的渴望比任何时候都要紧绷。
标准操作不够，只有“铤而走险”来凑。
最近几年，市场把巨量的资源吸引到各领域领头羊公司身上，这导致美国出现好多“单点依赖”：
芯片，依赖英伟达（谷歌备份）；芯片制造，依赖台积电（英特尔备份）；火箭，依赖 SpaceX（蓝色起源勉强备份）；电动车，依赖特斯拉。
AI 领域也是如此，2022 年，微软用 30 亿美元押注 OpenAI 单骑冲关，才惊险地砸出了 GPT 这支独苗。
现在 AI 虽然遍地开花，但动辄百亿的投资让它们很难单打独斗，必须通过投资和采购完成“资本互锁”，类似曹操的连环船，虽然稳定，但一波大火就能带走。
AI 巨头互锁的情况
这局面，川宝眉头都没皱一下，反而乐见其成，煽风点火，不仅天天喊着降息，还搞了“星门计划”，鼓励加大投入，把命运继续押注在“少数变量”上。
换句话说，美国在加杠杆！
杠杆通常会导向着两个结局：要么飞得更高，要么摔得更惨。
观察现在的局面，还真是在往“飞得更高”发展。
2022 年以来，美国名义 GDP 极不寻常地开始加速，甩开第二名中国。
公平地说，一个巨大的经济体（尤其是美国这种市场经济）的杠杆情况很难被控制。它更像是人类文明的“看板”，展示了历史奔涌到某个历史阶段的参数。
看似美国在和全世界较劲，但本质上，是所有人类在和同一个东西较劲。
这就是围困人类的“风险墙”！
你可以想象，在我们周围有一圈高耸的山脉，山外水草丰沛，可山内已经机会匮乏。
技术困难、环保压力、产能瓶颈等等具体的山峰，本质都是不同的风险。
眼看这些风险已经挤压在一起，密不透风。同时翻越它们所需的能量极高。
所有人都意识到，靠过去的协作模式没戏了。只有把资源砸向一个地方，才有希望一举翻越，冲入广阔的新平原。
如果我们面前有一个 ipad，显示着整个人类文明的进程，此时，不妨双指捏合，Zoom out 一下！
原来还能看见全世界领导人互怼时脸上的汗毛，现在小破球直接缩小到屏幕的中心，嘴炮声渐远，火箭卫星纷纷冲向深空。
根据马斯克的激进设想，五年以后的 2031 年，太空中新增的 AI 会是地球上存量的总和。
这么多算力，能用完吗？
看最近 OpenClaw 的发展趋势，全世界每个人都配一个 AI 秘书全天无休搞事情的日子也不远了，对 AI 算力的需求几乎是无限的。
xAI 的计划就是：
自己运营这些太空算力，覆盖几十亿人的日常起居、来往奔忙。
如此，每年要上天 1Tw 的 AI 功率。
这意味着大概要发射 10000 艘星舰。而一年只有 8760 个小时，算下来一小时发射一艘都不赶趟。
但从数学上看，这并非不可完成的任务。
星舰如果做到每天循环飞行一次，要完成每年一万次飞行，准备 20-30 个星舰轮流上天就够了。（如果循环时间更短，则需要更少星舰。）
显然，要实现这个目标，首先要解决的就是——星舰回收复用。
不太了解的浅友可能会说：看新闻不是说 SpaceX 已经实现了“筷子夹火箭”了吗？
其实它夹的是星舰下面的一级火箭，不是上面的星舰。
一级火箭是二踢脚的第一段，速度慢，高度低，回收相对容易；
而二级火箭（星舰本体）是二踢脚的第二段，速度快，高度高，不好夹，还没成功过。
老马亲自认证：这么复杂的火箭回收，目前最棘手的问题竟然是个不起眼的小部件——隔热瓦。
我们不妨回溯一下 2025 年 10 月星舰的最新一次测试，也就是 IFT-11。
简单说，这次飞行实验就是要让二级火箭（也就是星舰本体）尝试很多极限操作。
其中之一就是：飞船要在隔热瓦缺失的情况下扛住再入的高温，不被烧毁。
隔热瓦是蜂巢形状的瓦片，边长 20 厘米，厚度只有 5 厘米，里面 90% 的空间都充斥着孔洞。
18000 块这样的隔热瓦贴在星舰的肚皮上（背面不贴），成为“热盾”。
这种瓦片，一片要 1000 美元，相当于一部 iPhone 的价格。
可以想象，贴了将近 2 万台 iPhone 在飞船底下，还是有点儿奢侈的。
星舰从太空降落的时候，完全不用任何燃料减速，就用肚皮当刹车，迎面而来的空气被瞬间挤压，温度飙高，能够达到 2000 度。
热盾的作用就是防住这 2000 度的高温，让火箭本体不锈钢的温度处于 400 度以下。
这次高难度防护测试，其实是成功了。
不仅成功了，工程师还有意拿掉了其中 50 块隔热瓦，直接“露点飞行”，火箭本体依然没有过热，证明热防护是有冗余的。
你可以看到星舰肚皮上高温产生的火焰。
但成功不等于好用：现在这些瓦片的寿命短，最多飞 20 次，也就是每次飞回来之后可能要更换 5% 的瓦片。
问题是，没人告诉你该换哪个瓦片。。。你得一片一片地给它们体检，全查一遍就得一个月。
要想“热盾无限复用”，必须靠材料技术的突破，目前工程师还没有太好的招。所以，很可能会比“筷子夹星舰”突破得更晚。
但实话说，这个进展节奏已经挺吓人了。
一旦热盾突破，星舰就可以大幅缩短重复利用周期，到时候不只发射数据中心，发射什么刀叉剑戟也完全可以。
不过老马的星舰构想没有停留在围绕地球轨道转的 AI 卫星。
接下来的设计是：用星舰运送各种材料，在月球上建立一个“质量加速器”（Mass driver）。
质量加速器，就是一个“电磁炮”，用太阳能发电驱动电磁力，（替代火箭）把飞船直接弹射到深空，可以去火星，可以去木星，可以围着太阳转，甚至冲出太阳系。
因为月球重力只有地球的六分之一，而且没有大气阻力，弹射飞船的成本比地球上低到不知哪里去了，可以嗖嗖嗖一直射。
马斯克说到嗖嗖嗖的时候，开心极了。
飞船上的乘客可以是人，但人太脆皮了，更适合的乘客是机器人。
这些机器人代表地球，去星际殖民，帮助地球文明实现的永生。
按照这个设想捋下去，我们手中的 iPad 还需要继续双指捏合，继续 Zoom out，直到地球成为整个深空中一个暗淡的蓝点：
这种未来，对于普通人来说，绝对是一个天大的好消息：
倒不是说我们都可以上火星；而是面对广阔的星际空间中的丰富资源和土地，地球上那点儿存量根本都不值一提，地表对抗的意义迅速衰减，普通人不至于冤死在核战争之中。
这个思路，如大铁棍子一杆子插到底，虽然掺杂着不太着调的技术乐观主义，但还是给全世界唯一能跟得上节奏的对手——中国——不小的压力。
最近新闻中，中国也进行了长征十号回收测试。不过我们的进度还停留在 SpaceX 的上一季——一级火箭回收。
好在我们的进展很速度，火箭已经可以以漂亮的姿态溅落在海平面，下一步就是尝试中国独创的“钢丝勒火箭”，学名叫网系回收。
看到这里，估计你脑海里隐隐唤醒了一段历史：星球大战计划。
1983 年李根宣布启动星球大战计划，就是要在太空中部署无数“轨道战斗站”，用卫星把苏联的导弹在刚起飞阶段就撞毁。
有趣的是，当年苏联并没有搞出一个对等的太空计划，只是做了力所能及的反制。不是他们突然爱好和平，而是因为他们的经济实力已经不够了。
以如今中国的工业克苏鲁能力，只要 SpaceX 把路走通，我们大概率也能把几乎同样的火箭造出来，成本没准还能降到十分之一。。。
虽说现在的国际形势不会回到冷战那种剑拔弩张，但它完全可以以商业航天竞争的“凶残”面目出现。
如果“星球大战 2.0”局面出现，中国没有理由不跟牌，全球经济将不可避免地继续上杠杆。
不过，杠杆不是说加就加的，这里还需要解决一个核心 Bug：
AI 上天、探索宇宙、移民星际，需要比现在多百万倍的太阳能板和电池、百万倍的火箭和飞船，百万倍的采矿设备。
这些东西谁来生产？
就靠地球上这几十亿人吗？这几十亿不靠谱还不想生孩子的破人吗？
当然不行，要靠机器人！
那这么多机器人靠谁来制造呢？
还要靠机器人！
没错，马斯克的整体设想就是：先造出一万台靠谱的机器人，然后这些机器人进入工厂，自己生产更多的机器人，以至无穷。
中国有 14 亿人，美国有 3.4 亿人。
就算美国成功重拾制造业，工人的数量也只有中国的大概四分之一，况且美国工人的勤奋度还很可能不如中国。（马斯克原话）
顺着中国开创的“堆人”赛道继续追，永远追不上，根本没得玩。
但如果格局打开，杠杆拉满，造出 100 亿个机器人，那么在真人上的那点差距不就可以忽略不计了吗？
反过来看，对于中国也一样。哪怕没有计划生育，中国人口现在有 20 亿，一旦面对“星球大战 2.0”，人还是不够，还得靠大量的机器人去刚。
人从未像今天一样不重要。
连春晚的舞台上，人都不如机器人受宠了。。。
说到机器人，美国的代表就是特斯拉的 Optimus、Figure AI 的 03、波士顿动力的 Atlas。中国的代表是智元、宇树、优必选。
单看外形，你可能觉得中美机器人好像差不多，有点脸盲。
但要预测未来，我们必须拿出放大镜，审视中国企业和特斯拉在技术细节上的微小分歧。
举一个例子：下肢关节。
机器人总体很复杂，但都可以拆成一个个小的“乐高积木块”，每一个积木块就叫一个“执行器”（相当于人的关节和相关肌肉）。
特斯拉机器人的腿部使用的是“线性执行器”，而中国机器人目前倾向于用“旋转执行器”。
区别在哪呢？
线性执行器就像我们腿上的肌肉，是靠伸缩来产生运动；
旋转执行器就像工业机械臂上那种，是靠围绕着一个轴心旋转来产生运动。
各大工厂在过去几年里已经普及了机械臂，所以旋转执行器更成熟，成本大大低于线性执行器，可以更快量产，成了中国机器人的首选。
但特斯拉机器人由于更加仿生，不仅步态可以和人一毛一样，而且单纯靠机械强度就能撑住自己，站立的时候不耗电。
这是第一性原理死忠粉马斯克的天菜。（毕竟地球上的亿万年进化筛选出了人类的肌肉系统，可能存在我们尚未完全理解的优势。）
所以现在的局面是：
中国机器人的不够优雅，但是已经在工厂里满地跑；特斯拉的机器人更完美，但是量产却一再推迟。
这让人回想起当年特斯拉电动车的剧本。
特斯拉电动车就是因为设计过于“优雅”，导致量产难产。
快要撑不住时，是中国供应链和上海工厂让它起死回生。
从那时起，中国顺势牢牢把控了电动车的产业链，也催生了无数本土电动车企业。直到今天，特斯拉对于中国供应链的依赖度还是 40-60%（按成本计算）。
《变形金刚》告诉我们，机器人就是升级版的汽车。实际上，它俩产业链的重合度大概是 70%。
美国机器人要想发展到马斯克说的那种流水线喷射的程度，几乎不可能绕过中国的产业链。
目前美国机器人的核心部件“执行器、减速器、滚柱丝杠、电机、轴承、电池”对中国产业链的依赖程度，竟然是高于电动汽车的。。。
Optimus 最有特点的“线性执行器”，也是中国企业在帮它生产。
实际上，作为跨国企业，特斯拉两面受气，存在被要求“选边站”的可能。
摆脱中国供应链，确实是它的一个选项。
最近，特斯拉专门停掉了美国工厂的两条汽车产线，改成机器人生产线。这意味着他们已经评估过，如果在中国生产，会面临地缘风险，还是得响应号召 Made in USA。
特斯拉机器人的美国工厂
而且就像马斯克所说，生产量大到一定程度，技术工人根本不够用，必须用“机器人生产机器人”的方案。如此一来，放在中国生产的优势也大大减弱了。
但不在中国生产，距离不用中国供应链还有十万八千里。
金钱是最诚实的：
如果中国供应链能持续给出冠绝全球的性价比，那么所有试图摆脱中国供应链的努力都会失败。
人类已经卷出翔了，还怎么提高性价比？
没错，只能靠机器人了。
十年之后，一个可以期待的剧本是：
美国的工厂里，无数机器人在忙着组装机器人，商标上贴着 Made in USA，但核心组件却大量来自于有中国底色的供应链。
在中国（或第三国）的工厂里，有无数性价比更高的中国机器人在忙碌，生产用于出口给美国机器人的各种组件。
中国继续发扬光大 Made in China，美国人也终于实现了 Made in USA。MAGA 和中华民族伟大复兴同时实现。
但这里有一条核心概念早已被突破：
Made in China（but By Robots），Made in USA（but By Robots）。
优必选的机器人在极氪生产线。
优必选的机器人在蔚来生产线。
马斯克推算，这不会导致人类失业，因为机器人的产量会比现在膨胀亿万倍，仅仅作为机器人的监督者，就需要比现在更多的人。
只不过，由于“机器人口红利”比“人口红利”更重要，那些纯纯的人口大国竞争力会大不如前。。。
换句话说，你必须拥有“机器人口红利”，才有资格上牌桌，代表人类面对那堵“风险墙”。
如此来看，当下情况紧迫：中国机器人进入产线，不是请客吃饭之类的小事，而是生死攸关的胜负手。
中国工业的机器人化如果成功，很可能巩固一种新的全球分工。
每一个产业链都可以被粗略划分为两层：
应用层：根据本国诉求设计品牌和产品形态，核心是创新。
操作系统层：无差别支持所有产品需要的零件，它的核心是效率。
过去很多中国企业的思路是“两层都做”，操作系统带应用层一起出海，导致了一些国家的警觉和反对。
毕竟白人连 Huawei 都不知道该怎么发音，能不生气么？
但是，他们看到一个自己熟悉的本地老品牌时，马上就会放松，不关心里面零件的来历。
在电动车领域，这种转变已经出现了。
比如欧盟一直在对中国的汽车“反倾销”。奇瑞汽车直接卖到欧洲就很困难。
然后他们想到了和西班牙一家本土企业合资，启用了西班牙人熟悉但一度没落的老牌子 EBRO，只不过背后的供应链全部换成中国，一下子销路大开。
EBRO，埃布罗河，是西班牙境内最大的河流。
在这个案例里，奇瑞就是操作系统，EBRO 就是应用。
“文艺复兴”都是你的，我只含泪赚钞票。
实际上，操作系统内部还可以继续分层：
就拿汽车来说。
Tier1 是减震器这种模块。
Tier2 是弹簧这类模块的细分配件。
Tier3 是钢材加工厂。
Tier4 是炼钢厂。
Tier5 是采矿公司。
Tier 等级越往下，供应的组件越基础，越基础的组件，文化内涵就越低，效率和规模属性就越强，就越归入到“操作系统”。
“操作系统”并不吵着分享产业链的最大利润，甚至大多数情况下终端用户感受不到它的存在，但它却安静地享受生态红利，一旦绑定极难替换。
这种“操作系统+应用”的分工不仅仅适合实体产品，在 AI 和软件领域同样适用。
最近智谱和 Minimax 上市，手拉手开启了一周翻一倍的狂暴走势，市值直逼京东、百度。
上涨的原因也很明确，它们发布的最新模型能达到美国同行的九成功力，每百万 Token 的价格却只有它们的十分之一。
这么高的性价比，说起来还要谢谢美国的制裁。
在美国，英伟达的计算卡管够，所有人的竞争策略都是点亮更多的卡，而中国的卡很少，工程师每天都在纠结如何榨干卡上的每一丝算力。
这直接催生了极为稀疏的 MoE 架构，KV缓存压缩等工程优化。
光刻机卡脖子让中国没办法自研高端训练芯片，结果研究力量倾泻在推理芯片，导致推理芯片迅速成熟。
再往下层看，丰沛的电力驱动着规划齐整的数据中心，东数西算。
这同样是一整套可以被细分成很多层的操作系统。
在它的加持下，Token 成为一种“AI 石油”，性能标准，成本不断下降。
假如你是一个美国 AI 产品的创业者，面对价格相差十倍的 Token，会从谁那买？
在未来，一个拥有美式界面、解决美国问题，浸满美国精神的产品，背后是中国的 Token 在帮它计算，这事可能一点儿都不稀奇。。。
而且软件可不像工业品那么好加关税。
过去中国的供应链还算是比较封闭的“闭源系统”，现在它正在往“开源”方向迅速演进。
比如很多墨西哥的友岸外包，它们看上去不是中国制造，实际却是在中国制造核心代码上的“魔改”。
换句话说，只要中国供应链能够用“AI+机器人”不断降低成本，成为最好用的工业操作系统，那么全世界怎么使用它，终究只是策略问题。
墨西哥在整汽和中国零件方面的产业布局。
美国上天赌运气，有些许“逼上梁山”的意味。
中国入地做“操作系统”，也是被围追堵截后妥协的结果。
但正因所有人面临的是同一道“风险墙”，没有人可以独善其身，所以竞争的斥力总会被无形的力量拉回来，导致更大尺度上的分工协作。
经济学家罗宾·汉森曾经提出“大过滤器理论”（The Great Filter）。
它试图解释“费米悖论”：为什么宇宙如此安静？
理论认为，从“死物质”演化到“能殖民整个可观测宇宙的高级文明”，中间存在一道极其罕见、几乎无法跨越的巨大障碍。
只有极少数会整活儿的文明能够越过这道红线，整个宇宙也没有几个幸运儿。
宇宙中的安静，可能是文明的尸骨京观。
我们无法判断这道红线是否真的存在，更不知道我们距离它有多远。
但我们知道，如果人类成功向“星际大航海时代”迈出第一步，今天如山岳一般横亘在面前的“文明的冲突”，终究像远古部落战争一样幼稚而无足轻重，被压缩成史书中的几十个字节。
以此为终点回望，现在人类在 AI、机器人和火箭、太阳能上的投入不仅没有结束，甚至都不算开始。
一些经济学家把此刻的历史阶段对应到上世纪 60 年代计算机技术大发展的前期，判断未来生产力的红利会如洪水一般从实验室迅速扩展到每个普通人的生活中。
马斯克的预言是：10-20 年之内，工作会变成“可选的”，也就是说，即便不工作，也会有机器人帮你照看老人、孩子、宠物， AI 给你提供基本的教育、医疗和生活保障。
虽说老马过去的预言几乎都应验了，但应验的时间从来不保准。
倾盆大雨终将到来，我们大概相信这场胜利与多数人有关。我们已经上路，可谁也说不清楚终点何时到来，说不清在此之前，我们又会途经何处。
可叹被折叠的历史一瞬，打开来就是一代人生命的全部章节。
毕竟，看看我们这个时代的三位主角，机器人的劳动价值正被巨头收敛，AI 正脱离人类开始了独立社交，火箭正载着富豪飞向太空。
那么，这些宏大的未来，和此刻的你又有什么关系？
历史上也许很少有人像我们一样茫然：
夜晚躺在床上，会觉得几年前的世界遥若隔世；白天走在路上，不知道几年以后自己会是什么处境。我们可能终其一生都无法目睹列车停靠站台。
但反过来看，这也许正是我们的幸运之处：
人们千百年来，以为寻到各种归宿，最终被证明不过是各种款式的“一块红布”；宇宙荒凉的背景，只有在撕裂的时代才会被看到。
正如鲁迅在 100 年前所写：“在进化的链子上，一切都是中间物。”“我们至多不过是桥梁中的一木一石，并非什么前途的目标，范本。”
这是中间物的自觉。
在写这篇文章的时候，我有一种极为奇怪的焦虑：脑海中充满了疑问，却不知道该问什么。
最终我意识到，作为“中间物”，首要的工作不是找到答案，而是找到问题。
马斯克有个奇怪的想法：
世界没准是某个高级文明的一场大型的模拟游戏，人类的生死都在他们的一念之间。
我们是否有机会活下去，取决于在高级文明看来，我们创造的东西是不是“足够有趣”。
如果我们被高耸的“风险边际”困在原地，被迫重复过去的剧本，文明就成了千篇一律的噪音，随时会被删档。
如果我们不断尝试新的可能，那么我们就一直“有趣”，对于造物主来说，我们就永远有被保留的价值。
由此，他笃定了创造的决心，乃至追求星际殖民的梦想。
虽然我不能说服自己生活在模拟游戏中，但我承认，马斯克的理论是描述进化的一个“方便法门”。
每当面对歧路，很难判断哪种选择更有利时，我们就会在痛苦里打转。
这时更容易的反而是跳出来询问自己：往哪边走事情才会变得更有趣？
不妨举个小例子：
在 OpenClaw 出现之后，很多人都好奇一个贴身 AI 秘书究竟会不会带来“收益”，但同时又算计着买电脑学配置搞不定的“风险”太大。
于是，你聪明的脑袋瓜会蹦出各种借口：这只是一阵热潮，过两天就没人用了；AI 根本不够聪明，把我的权限给他肯定会出事儿，得不偿失。。。
但在剧烈变化的时代，我们掌握的有限信息，根本得不出有参考价值的结论。
这种时候，其实只需要问自己：它会不会创造更多可能，让生活变得更有趣？
如果是，就勇敢地为这个选择增加权重，哪怕它没有回响。
真正重要的是不断提醒自己：
我的日常行动和人类的底色息息相关。
这也许是混乱生活的隐秘意义。
进化是残酷的筛选，但这种残酷却以温柔的方式呈现：
一旦你的思维疲倦，在原地打转，那么人生就成了监狱，头顶的“高级文明”会随时把你关闭。
一旦你重新跑起来，追寻内心的好奇心，每一个呼啸的瞬间都会被放大成永恒。
那么，不必肉身抵达下一站，胜利已注定与你相关。
不必肉身抵达下一站
胜利已注定与你有关
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。
哦对了，如果喜欢文章，请别吝惜你的“在看”或“分享”。让有趣的灵魂有机会相遇，会是一件很美好的事情。
Thx with in Beijing
2026-01-22 08:56:00
原创 史中 浅黑科技 2026-01-22 08:56 中国香港
其实地上本没有路，走的人多了，也便成了路。
浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛，我会尝试用各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。
如果我冷不丁掏出这样一台电脑放在你面前，你会如何评价？
我猜，大多数浅友可能有点困惑：这好像。。。就是一台正常的笔记本电脑吧？
诶，我要的就是你这个反应！
当你说出“正常”二字，就意味着你觉得这台笔记本是一个长在主流审美点上的，可以出现在商场货架C位的，上班族日常选用的办公电脑。对吧？
揭晓答案：这台笔记本，从 CPU 到 GPU 到 NPU，从屏幕到键盘到触控板，所有的核心硬件，加上操作系统和软件，都是符合“信创标准”的自主可控产品！
换句话说，这就是很多人“听说过，没见过”的神兽——信创笔记本电脑。
而且你还来着了！这家伙的性能是此时此刻信创笔记本中最强的，不用加“之一”。
正式介绍一下，它就是：联想开天 X7。
如果你只想花一分钟对“纯血国产笔记本电脑已经做到啥程度”有深刻的理解，我觉得认识联想开天 X7 就够了：
它的 CPU 是“海光4号”的移动版，可以稳定工作在 4GHz，妥妥列席高端 CPU 队伍，同时开几十个办公软件都不会卡。
你能想到的接口它都有，独显可以同时挂载最多 3 个外接屏幕，处理剪辑、渲染，甚至还有本地 AI 功能，涵盖了一台笔记本的所有重载场景。
而这一切汹涌，都严丝合缝镶嵌在一体成型的铝合金外壳中，厚度不到 17mm，重量不过 1.5 Kg。
一句话概括：
它不仅外观看上去是一台主流旗舰笔记本，性能参数也不折不扣地是一台主流旗舰笔记本，用上去的感觉也是一台主流旗舰笔记本，因为它就是一台主流旗舰笔记本！
只不过，这一切并非基于大洋彼岸的 Wintel，而是用年轻的国产芯片和国产系统锻造的。
轻描淡写的结局之前，必有无数沸腾的章回。
为了了解联想开天 X7 背后的故事，我跑去和团队详聊了一个下午，像剪影一样记下了他们和海光团队一起打磨 CPU 的昼夜，记下了让笔记本厚度降低哪怕半毫米所付出的卓绝，也记下了整个产业链托起一款国产旗舰的奋力。
但把这些剪影叠在一起，所有细节都晕染开去。
从中浮现的，只是一颗颗赤子之心。
“中国人究竟需不需要信创笔记本电脑？”
2020 年冬天，夏晔走在北京的夜幕里，脑子里旋转着这个奇怪的问题。
“你说中国人需不需要笔记本电脑？”为了便携办公，当然需要。“你说中国人需不需要信创电脑？”为了自主可控，当然也需要。但把这俩句话捏在一起，答案还真不好说。。。
之所以会胡思乱想，是因为领导刚让他们团队接手“信创笔记本”的业务。
当时的情况是：夏晔所在的团队主要在做“信创台式机”的研发，趁着国产替代的浪潮，卖得还不错。可是隔壁“信创笔记本”却一言难尽，总销量才有 1000 台。
销量惨淡，必有原因。
业内有这么个解释：
台式机解决的是从无到有的问题，笔记本解决的是从有到优的问题。国产替代属于“底线思维”。做出台式机，底线就有了，那笔记本。。。没准是个伪需求？
话要这么说，把那 1000 台已经卖出的笔记本后续维保做完，也就可以弃疗了。
但夏晔越想越不对。
刚才那个解释隐含了一个前提假设，就是：“信创笔记本”在性能和体验上永远做不过 Mac 或 Wintel 这类所谓“主流笔记本”。
既然怎么做都做不过，那肯定有了就行，不用追求更好嘛！
但这个假设。。。对吗？
夏晔
如果有朝一日能让创笔记本的体验追平 Wintel，甚至超越它们，那此刻不仅不应该放弃，反而应该猛猛干啊！
问题就在于，你相信不相信。
凛冽的北风中，夏晔做了一个决定：相信。
他把这个思考分享给同事，才知道原来大伙儿同样怀揣做出“最好的笔记本”的梦想，只是现实骨感，不好意思把这么凶的梦想挂在嘴边。
那还等什么？这群师傅决定“摸黑”上路！
会议室里，几个人围着那台只卖出 1000 台的笔记本端详，一种“穿越感”袭来：它不像是 2020 年应该有的产物，反而像十年前的东西。。。
因为，制作它的过程是“搭积木”。
把 CPU 和主要芯片拿来，装在主板上，然后按照它们的功率配备电源，按照发热配置风扇，然后比照这些东西的大小，用一个机壳把它们罩起来。
这种看菜做饭的方法导致的结果就是：它只是一个看上去像笔记本的台式机。
那电脑很厚重，拿来拿去是个体力活。打字的话必须外接键盘，因为手搭在机器上面烫得受不了，还总会误碰触控板。不带电源的话，续航只能撑一个小时。
夏晔苦笑着回忆。
于是，老师傅的首要目标是：先把“积木”整合成一个有主张的“产品”。
为了做成“产品”，他们必须把关键部件的参数先设计出来，再去找供应商合作研发，然后推着工厂生产出来，然后买回来用。。。
看到这儿，你也许隐隐觉得常识被挑战：
整机厂不就应该安静地做整合吗？作为产业链下游玩家，跑到上游去“掺合”元器件的设计研发，这靠谱吗？
如果是一条成熟的产业链，这么玩儿多半不经济。
但别忘了，当时的现实是：“信创笔记本这条产业链”几乎不存在！
如果不“逆流而上”主动整合产业链，那么联想开天拿到的就一直是上游飘来的又笨又丑的积木块，信创笔记本国际领先就永远是个梦。。。
事实证明，老师傅们这次勇敢没有换来一生内向，而是得到了历史的N次奖赏！
他们的第一个作品是“联想开天 N7”。
客观说这是一个定位均衡的性价比产品，但却是团队的主张第一次“具象化”：
续航能达到三四个小时，风扇不会“喋喋不休”。所有人拿到它，没有“穿越”的羞耻感，反而会因为它漂亮、得体、完善而愿意使用。
联想开天 N7，使用的是兆芯处理器。
产品的“一小步”，是这群师傅信心的“一大步”。
为了庆祝这次新生，也为了标记眼前的漫漫征程，“联想开天”的品牌在 N7 上首次使用。果然，2022 年上市以来，N7 销量节节高攀，笔记本产品线彻底起死回生！
老师傅信心生长，开始定义更多开天系列的笔记本，值得一提的就是 X1 Carbon。
联想开天 X1 Carbon
联想开天 X1 Carbon的定位是极致轻薄，整机重量只有 980g。夏晔告诉我，当时他们为了实现轻薄，不仅定制了 CPU、散热等等，就连 USB 接口都要比标准的薄一丢丢，最后为了冲击极致轻量，螺丝都是定制的轻型螺丝。
有了这次从里到外定制的经历，老师傅自然和供应链上的各个角色都处成了兄弟。
而这些兄弟，才是继续挑战更骚操作的底气！
当“均衡”、“轻薄”都搞定之后，所有人的目光自然落在了笔记本大类版图上最后一块缺失的拼图——性能。
老师傅还真不是“为做而做”。
我们回到 2022 年，站在当时典型的信创用户金融从业者身边，就会明白他们对高性能笔记本的渴求有多强烈。
首先，金融安全事关国家稳定，需要“信创电脑”提供整套自主可控的计算环境；
其次，金融场景瞬息万变，需要时刻在线移动办公，所以天然倾向于用“笔记本形态”。
最后，金融业务又非常复杂，一台电脑上同时存在上百个专业软件，网页同时开几十个，妥妥是基操。
所以他们对于信创笔记本的要求极为苛刻，绝不是“能用就行”，而是“极致性能”：Wintel、Mac 旗舰能做的事情，信创必须*无差别*做到！
而且金融是个“先导指标”。就在夏晔他们忙着思考金融客户提出的需求时，其他更多行业，例如电信、能源的央国企也追过来索要高性能本。
历史大潮浩浩汤汤，人在江湖，刻不容缓呀！
高性能笔记本自然需要一个极为能打的 CPU，那么。。。信创 CPU 哪家强？
夏晔坐在了海光信息的办公室里。
CPU 干的活儿乍一看是脑力劳动，但要我说，它更像是搬砖撸铁这样的“体力活儿”。
因为，拳击比赛的“重量级”概念在 CPU 界也适用。同样制程和架构下，CPU 的个头越大，意味着肌肉（晶体管）越多，力气也就越大。
海光 CPU 就是信创界的“肌肉男”：
它吃的多（耗电多），干活猛（算力强），出汗也多（发热大）。
这样的猛男，最好给他个宽敞的“大武馆”，让他尽情挥洒嘛！
事实也正是如此，在之前几年，海光 CPU 干活的地方都是工作站，也就是那种专业台式机。
您不是吃的多么？来人，给公子伙食加一倍！
您不是爱出汗么？来人，给公子换大号风扇！
在台式机里，加电源和风扇都不是大问题，反正有的是地方。可笔记本，尤其是联想开天定义的那种轻薄又美观的笔记本，问题就大了。。。
你想想看，把一个壮汉塞进一个小房间里，活儿不许少干，热气却散不出，那汉子越壮，死的越快啊！
真是让人头秃。
“咱们合作的台式机不是也卖得挺好么？为啥一定要把我们的 CPU 搭载到笔记本上呢？”一位海光同事弱弱地提出了灵魂拷问。
“你想不想有朝一日，更多人甚至普通人都认识海光 CPU，就像认识 Intel CPU 那样？”夏晔说。“那就一定要进笔记本！”
这话直击要害。
此刻全球每卖出 4 台笔记本， 才会卖出 1 台台式机——笔记本早已是商务办公的主流形态。
不进入笔记本，就等于拱手让出了主流用户群，进而让出了在浩荡的信创历史上扛起大旗的可能性。这种剧本是任何一个有野心的 CPU 都无法接受的。
海光同事们默默点头，这也正是深藏他们内心的思虑。
于是，就在这第一次见面，海光已经决定和联想开天联合研发可装载在笔记本电脑上的下一代 CPU——海光4号！
很快，海光同事把“海光4号移动版”的初步设计参数传来了。
联想开天的同事们看到，心猛地一沉。经验告诉他们，这块 CPU 是决计放不进“开天级”的笔记本中的。
耗电和散热暂且不论，光是个头，就已经超标了。。。
先说长宽，第一版 CPU 定义的是 40mm×40mm。
四厘米见方，咱们外行放在手里感觉挺小巧的；但在夏晔他们眼里，那可不仅是一块 CPU，而是与之相关的一串东西，散热模组、GPU、内存、主板排布，牵一发动全身。。。
说到这，就不得不插入解释一个信创电脑的小特点。
咱们熟悉的 Intel 或 AMD 笔记本，经过几十年演化，芯片集成度已经非常高。比如 CPU 一般都配有“集成显卡”，比如内存颗粒都是直接镶嵌在主板上的。
可是我们的信创生态没有经过那么长时间的发展，海光 CPU 还没有集成显卡，也不支持嵌在主板上的内存颗粒，必须用那种插在主板上的内存条。
这就好比：人家的汉子可以身兼数职，搞定工作只需要三个人；但咱家的汉子还没办法兼职，搞定同样的工作需要“五条人”。
那必然会占用更多物理空间嘛。。。
总之，算了半天，联想开天的同事给出了结论：CPU 长宽不得大于 33mm×33mm。
别看一边只缩小了 7mm，但仔细算一下，总面积却小了 32% 之多！
说完长宽，还有厚度呢。。。
海光同事给出的第一版 CPU 封装厚度是 2mm。
所谓封装厚度，简单理解就是 CPU 除去引脚的主体部分厚度。你可以比划一下，2mm 已经很薄了。
就这，夏晔他们也斩钉截铁地说：不行。
原因是这样的：
从侧面看，CPU 装载在主板上，顶着散热模组，散热模组之上就是机壳。
一旦 CPU 过厚，很容易就顶到机壳上。这对于“防冲击能力”来说是致命的。
夏晔告诉我，每台笔记本设计时，都要经过很多严苛的实验，其中有一个就是“落球实验”——让一个铁球落到机身的各个位置。
一旦 CPU 顶着散热片和机壳形成“硬连接”，那不用想，肯定极容易撞坏。
为此，设计笔记本的标准原则就是：在 CPU 和机壳之间留出缓冲空间。缓冲空间越大，防冲击能力越强。
既然机身已然不能再厚，那只有委屈 CPU 再薄些了。。。
联想开天给出的建议是：把封装厚度从 2mm 改为 1.4mm，薄了三分之一。
看到这你可能要为海光师傅鸣不平：凭啥联想开天动动嘴，他们就跑断腿呢？改小这么多，能做出来吗？
这正是问题的关键，这些参数并不是随便乱说的。
开天师傅们，很多之前都做过“主流笔记本”，就是信创本这几年也做了 N7、X1 Carbon 等等好几款，各种方案都试烂了。
他们虽然不亲手做 CPU，但是对芯片的理解已是庖丁解牛级别的。这些精算数据，几乎就贴着目前国产供应链能力的极限。绝不容易做到，但一定有办法做到！
这些都得到了海光同事的认可。
换句话说，联想开天的经验不仅不会坑海光，反而会大大提升海光造芯的效率和质量。
后来的故事证明，这种产业链上下游罕见的信任协作，果然让中国信创迸发出强大的生命力，成为了弯道超车最大的底气！
回到故事的现场：两家定了个“娃娃亲”，作为全球第一款搭载海光4号的笔记本，联想开天 X7 需要在 2025 年秋天和芯片同时官宣。倒推一下，时间并不充裕。
敲定一整套目标参数，海光同事们马上潜入深海，开始了 CPU 设计。
等待“海光4号”降生，开天的师傅可以喘口气了吧？
怎么可能。
紧张的大戏才刚拉开序幕。
之前说过，联想开天 X7 要达到的终极目标就是：用起来和“主流”旗舰笔记本没有区别。
如果续航比人家短，就是区别；如果发热比人家大，就是区别；如果屏幕比人家差，也是区别；如果同样打开 50个网页人家不卡但你卡，也是区别。
每一项体验都不是靠嘴说的，必须有相应的软硬件支持。
至少，主流版笔记本上有的模块，信创版都要有与之对应的模块，你不能缺零件啊！
可现实骨感。2023年，信创体系中很多对标的零件根本没有。。。
多了不说，咱们就说一个：CPU 的“CTDP 系统”。
这是啥呢？
CTDP（Configurable Thermal Design Power）的学名是“可配置热设计功耗”。
如果把 CPU 比作汽车的发动机，CTDP 就有点儿像“驾驶模式”，经济档、标准档、运动档，等等。
如果沿用之前的比喻，把 CPU 看作壮汉，那么 CTDP 就是他的“干活模式”：
比如突然来了大活儿，那您肯定要全速猛猛干；
如果活儿不太多，那您就要稍微悠着点儿，少制造噪音，少出点汗；
如果没活儿，那您就坐那歇着，别乱动。
话说，早在 2011 和 2012 年，AMD 和 Intel 的 CPU 就开始搭载 CTDP 技术，至今已经十几年了。后来那些不用风扇主动散热的笔记本，基本都是靠 CTDP 来管理 工作效能，把 CPU 压到 10w 左右才实现的！
可是即便到了 2023年，信创 CPU 还是“糙汉”，并没有 CTDP 设计：要么 0w 不干，要么 50w 猛干。。。
之前海光 CPU 都是在宽敞的台式机里干活，没有也就罢了；但在优雅的笔记本里，一味蛮干导致 CPU 过热，反而会让性能下降。这 CTDP 是非上不可！
CTDP 的实现原理大概如下：
先要在 CPU 上埋设一些“操纵杆”。不同的操纵杆调到不同档位，就能组合出一种整体能效模式；
由于操纵杆很多，每个操纵杆还有很多档位，所以最终组合出的能效模式的可能性有成千上万种；
根据电脑此刻工作负载不同，最匹配的能效模式也不同，所以需要一个“贴身教练”站在 CPU 身边，根据它的实时指标实时调整这些操纵杆。
看清这个原理，你就会明白，CTDP 不是一个团队的事儿，海光师傅要负责把壮汉身上的操纵杆做出来，而联想开天师傅要负责把这个“贴身教练”给做出来。
制造教练，本质上就是在求解一个变量极多的方程——这个方程并很变态，并不存在“最优算法”。你不断思考，变换姿势，总有可能找到更好的解。
话说，联想开天的师傅身经百战，做过很多 Intel、AMD 这类 x86 芯片的 CTDP 调教，各个都是“调参圣手”。而且，海光 CPU 的 C86 也是兼容 x86 指令集的，按说不难吧？
夏晔他们最开始也是这么想的。。。
其实，指令集只定义了 CPU “细胞级”的样貌，类似细胞生长出来的 CPU 不能说有所差异，简直是完全不同。老师傅用之前积累的 CTDP 参数实验了一下，海光 CPU 发挥出的性能只有预期值的一半。。。
简单测试，老师傅已经明白，要想“投机取巧”是没戏了：
美国 CPU 踩过的每一个坑，中国 CPU 都得老老实实踩一遍。
老师傅的经验虽然不能避免踩坑，但可以帮他们以十倍速“快进踩坑”。别人走了十年的路，我们一年走完，也很棒棒！
他们使用了迭代进化的方法：就像在虚空中点燃经验的火炬，敏锐地捕捉到关键参数，然后一跃踩在现有数值上，继续寻找更好的数值，再向前跳跃。
就这样不断向前跳跃了二十几轮，方程变得越来越精美、优雅，CPU 的功耗也被控制在 35w！
这位“中国教练”，气象初成。
话说，教练最终栖身的位置，是大名鼎鼎的 BIOS。
BIOS 不仅对 CPU 的体能负责，还对电脑各个硬件的底层运作负责。实际上 BIOS 系统固件的复杂度极高，堪比小型的操作系统。
所谓的“代差”，很大一部分就体现在 BIOS 固件中。
举个小例子：开机时间。
在硬件正式启动之前，BIOS 承担了最主要的引导作用，固件的效率直接决定了开机时间。
在很长一段时间里，Intel 笔记本的开机速度已经进入 10 秒以内，可信创电脑的开机时间还停在 40 秒。差距不要命，要命的是很多人都熟视无睹，坦然接受。。。
但夏晔他们觉得，凭啥要接受？
在之前的联想开天 X1 Carbon 上，老师傅们就解了这个问题——他们编写了优化模块，实现了 9 秒开机，2 秒唤醒，直接追平了主流笔记本的体验。
事实上，每一代信创笔记本的开发，BIOS 都在沉淀更多的先进特性，一点点补齐信创生态的短板。到了 X7 这一代，随着 CTDP 等核心模块的补齐，已经不存在“人有我无”的情况了。
这就是——没有代差！
2024 年下半年，底层代码已经开发到七七八八，海光4号也进入了流片阶段。
这个时候，开天师傅决定再来一波骚操作：
既然海光4号还没出来，咱先把已经开发好的模块配合上一代“海光3号”验证一下嘛！积累点儿一手经验也是好的！
这一上手测试，直呼好家伙：
3 号身上的很多结构设计果然不匹配笔记本。硬放进去，调高一点儿就两小时就把电池耗光；调低一点儿就性能衰减卡得要命。哪怕是调参圣手也回天乏术。。。
老师傅庆幸：要不是在海光4号设计之初就划定了那些重要的参数边界，那么流片回来肯定无法装载到开天笔记本中，所有的努力都会付之东流。
就在一错神的功夫，还发生了个有趣的小事儿：
有一家友商打听到联想开天在测试海光3号，误以为开天要正式推出基于海光3号的笔记本电脑。为了占得先机，他们抢先发布了搭载海光3号的信创笔记本，还大力卖出了 1 万台。
结果可想而知，这 1 万台成了行走的反向广告。。。
你看，“信创”的征程凶险，就像穿越暗夜的丛林，走对路重要，不走错路更重要。而判断哪条路是“对的”，考验的是手上的技术与心中的定力。
联想开天师傅没时间吃瓜，因为他们朝思夜盼的海光4号就要呱呱坠地了！
2024 年底，海光 4 号流片回来。
两边的师傅们围着芯片样品，像是父母望着初生的婴儿。
夏晔他们赶紧把新生的芯片、新升级的 BIOS、新定制的其他元器件和最新的国产操作系统组装进工程机，擦擦手心里的汗，点亮！
测试程序一条一条加载，老师傅的笑容逐渐“变态”。这表现，和预期中几乎一致！
但是别急，除了标准的测试程序，联想开天老师傅还有一套祖传的《葵花宝典》，是这些年攒下来的专门用来测试小概率 Bug 的用例。
随着《葵花宝典》测试深入，阴云开始笼罩。。。
一些随机错误出现，这意味着系统中一定存在不稳定因素。可问题是：从 CPU 到 BIOS，从系统到应用的很多代码都是新的，任何一层的 Bug 都可能导致错误。
紧张的气味弥漫，如果真是芯片本身存在缺陷，可能就要重新设计，重新流片，这样一来，2025 年量产的计划就都泡汤了呀！
当务之急，是赶紧定位这错误的位置。
大海捞针，最考验直觉。开天师傅们开动毕生经验，把可能的问题类别根据概率大小列出来。然后针对每一类问题设计 AB Test，逐一排查。
确定问题大类之后，再继续设计更精巧的试验“缩小毒圈”。
不到一周的时间，问题被揪了出来。
坏消息是：CPU 内部的一个控制器设计果然有瑕疵。
好消息是：不需要重新流片，直接在量产时修复这个瑕疵就可以了！
看到“瑕疵”二字，你可能会皱眉。这里允许我多介绍两句背景知识：
CPU 是最为复杂的人造物，流片回来的第一版包含瑕疵是极为正常的。哪怕是 Intel、AMD 这种老炮儿也一样。
只不过，对于整机厂商来说，一般没有机会参与“第一版”的打磨，也就根本没机会看到这些瑕疵。
以 Intel 为例，他们设计一款 CPU，流片回来的第一版，只有自己的工程师可以看；改完之后的第二版，只有自己和主板厂商的工程师可以看；直到第三版，整机厂商才有机会介入，一起调试。
但“信创”不同。它是整个中国产业链共同托举的孩子。这里没有严格的上下游壁垒和利益精算，反而是能者多劳、不计回报的“背靠背”合作。
我愿称之为“中国模式”。
正是在“中国模式”加持下，我们才有机会见证联想开天这种下游的整机厂的工程师一杆子直接介入芯片第一版的打磨。
这就像是来自长江出海口的上海工程师，跋涉到了青藏高原，帮助一艘船堵住了一个破洞，从而一举避免了顺流而下不断修补所要耗费的巨大成本。
这是人类工业历史上一个罕见又壮阔的景观。
实际上，海光师傅的造芯水平是极牛的。经过第一版调试之后，海光4号 CPU 的总体表现极为闪耀。
在没有 CTDP 深度调试的情况下，用业界权威的测试套件 SPEC CPU 测试，这款 CPU 已经拿到了 300 分。
放到信创赛道上比较，这是断崖式领先的水平。
但老师傅来不及庆祝，此时距离 X7 笔记本的预定发布时间只剩半年左右，他们必须火速完成“硬件+系统+软件+整机”的联调工作。
联调工作很繁复。为了让你感受其中精髓，我们还是回到那个“武馆”：
CPU 这个壮汉不会自己主动找活儿干，主要看二楼的领队给他下达什么指令。
这个“领队”就是操作系统。
人类下达指令时，领队就把指令翻译成壮汉能听懂的语言，下达给他。
人类没有下达指令的时候，领队最好让壮汉休息，这样最省电。
但事实并非这么理想化。
在人类没有指令的时候，领队还是会给壮汉们安排一些基础工作，例如检查各种器械是否正常（守护进程），收拾房间（内存回收），写写日记（系统日志）等等。。。
如果这些工作排布得不合适，就会导致芯片们处在“瞎忙”的状态，一会儿到这干一下，一会儿到那干一下，最终活儿没干多少，却累得够呛。
宏观上，就是电脑摆在那，啥也没操作，感觉一会儿就掉了好多电！
领队怎么才能做好，没有一招制胜的银弹。操作系统只有细致了解 CPU 的“脾气”，才能巧妙给它安排工作。
于是一个有趣的场景出现了，联想开天的师傅不由分说，把海光团队和麒麟、统信操作系统团队都拉在了自己的会议室里，让产业链上的“巨头”面对面商量改进方案。
这一下，漫长的拉扯直接变成了极速进化。
除此之外，还有更复杂的事情：
“武馆”除了二楼的操作系统，还有三层，那就是“应用程序”，应用程序可以看作是人类放在电脑里的“代理人”。
一条命令完整的传达路径是：人类--应用程序--操作系统--芯片。
实际上在最底层，不只有一个 CPU 一个汉子，还有 GPU 负责图形计算，还有 NPU 负责 AI 推理，他们仨要分头工作，才能实现最高效率。
问题来了，到底哪些命令需要 CPU 来做，哪些命令需要 GPU、NPU 来做呢？
简单来说，应用程序这个“代理人”会把人类的指令分门别类，告诉楼下的“领队”应该由谁来执行，领队再把任务分别翻译给具体的“汉子”去执行。
你看，这其实需要应用程序、操作系统、芯片、整机厂商四方磋商。。。
总而言之，在联调最密集的 2025 年春天，这样从顶层到底层的“多方会谈”几乎天天都搞。
夏晔回忆，当时他们白天要完成自己份内的开发任务，经常是晚上10点左右才有时间线上开会，一讨论就是一两个小时，确定联动方向，明早继续埋头开发。
那段冲刺的日子虽然辛苦，但并不痛苦。因为他们无比确信，自己的每一步都在创造信创的新历史。
没什么比“创造历史”更上头了。
随着各层代码定型，联想开天自己的任务“供电散热架构”、“CTDP 调教”、“硬件驱动调试”、“整机工业设计”等等也陆续完成。
最终，核心参数确定：
联想开天 X7 的平衡模式被定义在 2.8GHz，高性能模式被定格在了 4GHz。国产屏幕 + 信创 GPU、AI 功能 + 信创 NPU 一应俱全，在此基础上，标准续航达到 7 小时，而整机重量只有 1.5Kg。
2025 年 7 月，海光如期举办发布会，联想开天 X7 作为全球首款搭载“海光4号”的笔记本（移动工作站）款款走进聚光灯，接受人们热切的目光。
随着笔记本发售，各种评测数据也开始披露：
在倾向于整机性能的 UnixBench 测评中，开天 X7 的领先幅度就更大了，它拿到了 18000分，而与开天 X7 同样定位的信创笔记本，没有一台跑分过万。
在之前提到的 SPEC CPU 评测中，开天 X7 量产版稳定在 400 分上下，比使用同一颗 CPU 的其他品牌笔记本的分数高出 40%，与 Intel 的高端芯片 Ultra 5 125U 大致齐平！！
没错，即便 CPU 一模一样，跑在不同的机型中，性能差异仍然有这么大。
这个结果对于开天师傅来说并不意外，反而印证了他们一直以来的判断：好的性能表现离不开一个凶悍的 CPU，但只靠凶悍的 CPU 是远远不够的。芯片、系统、应用、整机架构的综合调教，是差异的重要来源。
而调教的方法论背后，是对应用场景周全的理解，对计算的本质深刻的洞悉，是漫长岁月里的秋酿冬藏。
“你看看触控板，有什么不同？”
夏晔把一台开天 X7 真机递到我手里。
我按了一下，一个九宫格的数字键盘浮现在触控板上。
毕竟金融行业是这台电脑的主战场之一，对于每天和数字打交道的行业来说，小键盘是刚需。
于是开天团队专门设计了这个彩蛋，平常看起来就是整洁的触控板，需要输入数字时，这些线条才会浮现。
话说，在其他笔记本上也有类似的“触控板小键盘”设计，但那个小键盘是印在上面的，不会消失，平常看上去就显得杂乱。
但夏晔一直相信，用户的嗅觉是很灵敏的。“明明能做好但不去做”，人家一打眼就能识破。
他们找了触控板的供应商，合作设计了这样的显隐效果，还专门申请了专利。
外观设计当然是最容易发现的巧思，但上手使用，还有更多深层的惊喜。
夏晔告诉我，电脑里藏着一个 150 TOPS 的国产 NPU，这个 AI 算力足以支持断网的情况下生成会议纪要、翻译专业文档、生成文稿和图表。
就像这样↓↓↓
普通人未必对“断网使用”有多大感觉，但对于很多政府、关基行业来说，大量资料都不能触网，离线 AI 就变得非常刚需。
之所以举着两个例子，是因为创新有大有小，却没有高低贵贱。
你看，中国人搞出自己的强悍 CPU，这是创新；整合出轻薄长续航的笔记本整机，也是创新；为用户特定的场景研发优雅的解决方案，同样是创新。
无数层次的创新集合在一起，才能离“最好的笔记本”的终局越来越近。
虽然联想开天 X7 是在具备一定量产能力后才开的发布会，但他们还是低估了市场的热情。
各大企业先买了几台回家尝尝，不做过多解释，发下去让同事们试用，说说感受。
拿到同事们反馈，企业们好像突然意识到什么，一股脑杀回来大批采购。备货一扫而光，产能直接进入紧张状态，手慢一点儿的企业只好排队了。。。
遥想五年前开天笔记本起步时，惨淡的千台销售，对比今天的“一机难求”，夏晔心绪难平：
不可否认，国家对各个行业“信创替换”有一些时间表的指导，但是目前看来，电信，移动，金融，能源这些领域的企业都在大幅超越这个时间表。
原因很简单，他们真的急需一个流畅高效又自主可控的笔记本去干活。
这是一个深刻的历史拐点：信创替换的*第一动力*已不再是政策的推力，而是市场上优秀信创产品的拉力！
谁先提供这样的产品，谁就先在广阔的蓝海里纵情“捕鲸”。
从 N7 到 X7，联想开天笔记本已经累计销售了 50 万台。
相比最早的 1000 台，这确实是一个值得纪念的里程碑。
但相比“主流笔记本”在中国每年上千万台的销量，这又仅仅是长征的第一步。
在很多人看来，信创追上 Wintel 仍是一个海市蜃楼般的梦想，但在开天师傅心里，这是一个只争来早与来迟的定数。如果不是为了这一天，他们根本就不会出发。
夏晔告诉我，技术根本不是壁垒。最大的坎儿在于“成本”。
由于芯片工艺制程、电路集成度、供应链成熟度的限制，信创笔记本的成本仍然高于“主流笔记本”。
成本终归是销量的刚性约束。
但这里没有任何秘密：只要信创体量不断增大， 供应链就会成熟，成本就会降低，两个生态之间的差距就会坚定地缩小。
直到某一天，哪个生态是“主流”变得并不那么判然。
“也许只需要十年，我们的国产 PC 生态会变得非常强大。”夏晔说。
“为什么这么乐观？”我问。
“就像我们的电动车，从补贴到退补，到能够出海竞争，这样的故事历史上不止一次上演。中国技术人的速度从没让大家失望。我不得不乐观。”
他的回答一如既往地从容。
退到历史的河岸观看，联想开天 X7 究竟卖出多少台，贡献多少利润，并不那么重要。
重要的是，它矗立在这里，让所有人都看到国产笔记本可以被做成什么样子，进而让大家有理由*相信*那个遥远的未来。
联想开天 X7，终究不是一个人的故事，也不是一个产品的故事，甚至不是一家公司的故事，而是一条产业链上无数人的故事。
在一个猜忌熊熊燃烧的世界，他们固执地做着一道有关团结和相信的证明题。
在成熟的产业链上，会有一个企业承担“链主”职责，负责整合整条产业链的协作。
而联想开天这群人，用五年时间从无到有连缀出一条“信创笔记本”的产业链，并且事实上承担了“链主”的职责——这恐怕是这群师傅上路之初未曾设想的荣光。
真正重要的是，在被历史选中的一刻，他们并未躲闪，而是全力以赴给于回应。
最初启用开天这个名字的时候，大伙儿其实并没有想太多。但有趣的是，他们脚下的故事却沿着这个名字绽放，成为一场“开天辟地”的自证。
开天辟地之时，往往寂静无声；但循着来路回望，能体会最初一刻的壮美。
开天笔记本团队成立五年，一路上招贤纳士，吸引了很多新同学。
让夏晔感慨的是：并不是所有人在加入之前就怀抱多大的情怀，但当同学们亲身参与了大大小小的“战役”后，反而有更多人坚定地看好信创的未来。
这种看好更加坚实，因为它并不全然来自理想感召，也来自理性思索。
告别开天师傅，我走在北京冬天的氤氲雾气中，恰好和一些工程师模样的人擦肩而过。
我突然想，五年前的冬夜，那群人不也是这样走着走着，安静地做出了沉甸甸的决定吗？
深爱脚下土地的人，并不一定时刻眼含泪水。他们也许样貌朴素，就匆匆走在我们身边，站在地铁站台上，汇入灯火闪烁的尘世洪流。
他们，也是我们。
往期推荐：
在猜忌燃烧的世界
做一道相信的证明题
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。
哦对了，如果喜欢文章，请别吝惜你的“在看”或“分享”。让有趣的灵魂有机会相遇，会是一件很美好的事情。
Thx with in Beijing
2025-12-29 09:04:00
原创 史中 浅黑科技 2025-12-29 09:04 北京
人和 AI 都在船上，但只有人心里有远方。
浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛，我会尝试用各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。
2025：一代人冲出战壕
文｜史中
2025 年 11 月，我看到马斯克和黄仁勋搞了一次对谈。
他俩做出了四个预测：
1、人形机器人会成为有史以来最大的产业。
2、人类正经历一场“计算范式迁移”：GPU 不仅会替代 CPU 的“事务性工作”，还会进入 CPU 一直难以胜任的“开创性研究工作”。
3、人类作为一个文明，正（幸运地）处在上升期，对太阳能的利用比率还有大幅上升空间。未来“太阳能 AI 卫星”会让智能的成本大幅下降。
4、随着“AI+机器人”让生产力飞跃，金钱的重要性会逐步下降，工作将成为一种选择，人类彻底消除贫困。
这堪称恢弘的狂想。
不得不说，人类（中的梦想家）已经很久没有这么昂扬了。好像往日阿波罗登月的辉煌，都只配作脚下时代的序章。
放下手机，我突然想起了王兴那个著名预言：2019 年是过去十年中最差的一年，却可能是未来十年中最好的一年。
2025 走到最后，这句话所涵盖的 19 年浩荡，已经被（了不起的）我们挺过了 16 年。。。
必须承认，一场始于世纪之初的浓墨重彩的互联网大戏已近尾声，演员再奋力做派，也只能震下楼板的丝丝灰尘。
锣鼓喧闹，恍若隔世。
但作为普通观众，着实无需入戏太深。转回身，一个百倍宏大的新舞台正在布景。
我们为什么不先去占个前排？
站在 2025 和 2026 的分界点，我有一些关于未来的体验，它们未必是精雕细琢的理论，有些甚至是长久肃立身边的常识，却让我受益良多。
我想勇敢地分享给你。
如果你我能穿越。
重回艾萨克·牛顿爵士的英国，咱们有好多事儿可干。
你可以进入热火朝天的纺织厂，亲手改良纺纱机和蒸汽机；
你可以驾船一路向西，在新大陆买下一大片种植园和几百个奴隶；
你可以钻研一种叫“股票”的东西，抢先布局南海公司，狠狠割一把牛爵爷的韭菜。
大航海时代和紧随其后的工业革命时代，人类文明狂奔向上再没回头，源于两个因素：
劳动力数量暴涨
+
与之配合的工具进步
这里有一个值得玩味的历史细节：先有人口增加释放大量*廉价*劳动力，后有一众工程师改良纺纱机、蒸汽机。
1750 年到 1850 年，英国人口从 600 万到达 1800 万，大陆另一端的大清国人口从乾隆年间 1.8 亿激增到道光的 4.3 亿。
换句话说：“廉价劳动力数量”本身，是人类文明水位的先导指标。
然后呢？
我们在工业革命时代标注这个刻度，再把时间轴叠加到当下“刻舟求剑”一下，可以大致推测我们今天所处的位置。
我们就在新一轮“创生大量劳动力”的时刻！
你可能说：不对啊，生育率这不在下降么？
但谁说劳动力一定要是人呢？（劳动力又什么时候被当成过人呢？）
显然：AI 就是新世界的奴隶。
Agentic AI 是新世界的白领奴隶，
机器人是新世界的蓝领奴隶。
依赖生物学过程制造的劳动力，重要性从未像今天这么低。
从这个角度出发，一切新世界的角色都逐渐明晰：
特斯拉、英伟达之类的公司，就是新世界的“西印度公司、南海公司”；
马斯克、黄仁勋这类企业家，就是新世界的“哥伦布”。（可以称他们为探险家，也可以称他们为殖民者。）
AI 和机器人所创造的一切，就是新世界的“种植园”和“纺织厂”。
由此观之，我们无疑身处“新大航海时代”的开端，新大陆就在那，“奴隶”已经装船，未来几乎锁死。
但时代并非简单重演：
三百年前，劳动力虽然爆发，但总数仍然有瓶颈，是一种需要争夺的资源。
最终只有 1% 最彪悍的人控制了新增劳动力，成为工厂老板、种植园主、资本家。
三百年后， AI 劳动力爆发几乎是无穷的，它的上限是人类对于太阳能的利用率。
这个空间足够让每一个普通人都拥有充足的劳动力。
你无需那么彪悍，也能成为“新世界的种植园主”。
换句话说，2025 年，每个人的人生*可能性敞口*开始迅速放大。如同一条船从河面来到了入海口。
你要做的几乎只是：向前！
可宽阔的海面是自由的诅咒。千帆竞发，我们该用什么策略来开船？
2025 年，使我受益的第一个决策是：乐观。
没错，我花了很多功夫才意识到“乐观可以是一个决策”，而非无可更改的天性。
人住在自己的长期决策里。
我们不妨思考一个极简模型：
每个人都占据了星球上独特的一平米。在每个人的区域，地面高度不同，有的人是山，有的人是谷。
时代和科技进步的红利就像从天而降的雨水。
下雨的地点是随机的，但水落到地面以后的方向并不随机，它总会向低洼地带流淌。
这种“地形”就是极简版的社会结构。
物理定律决定了，在这个结构中高海拔的人会不断补贴低海拔的人。也就是K型分化中的“下位”补贴“上位”。
久而久之，两条线越分越远。
以此观之，想要更多的雨水，不能靠手伸得长。最好的办法就是抄起铲子，挖低自己的高度。
而你的每一次决策，冥冥中定义了你是把脚下的土地挖低一寸，还是垫高一分。
那么，如何确保自己每次决策都让自己的海拔降低了呢？
答案是没有办法保证“每次”。
但我们有办法提高决策正确的概率，这意味着只要决策数量多到一定程度，正确的决策会占据多数。我们就能确定性地“降低海拔”。
这里当然可以有很多复杂的策略，但我生性愚钝，倾向于使用最简单的办法：用“第一性原理”作为筛子，筛选所有备选决策。
有点抽象。我们不妨用投资来举例。
面对一个市场，你可以对做出两类决策：做多、做空。
单次来看，做多和做空都可能盈利。但是如果你身处一个长期上涨的市场里，做空亏损的概率更大。做多盈利的概率更大。
我们可以试着从第一性原理出发来判断经济的长期趋势：在 100 年（大概一个人一生）的长期跨度里，世界的经济是会更繁荣还是更萧条？
不妨用过去 500 年的历史数据回测一下：
假设身处 1492年、 1789 年、1900 年，你分别会做出怎样的判断？（真实结果又是如何？）
结论是：过去 500 年，任何100年的周期，终点全部高于起点，没有例外。哪怕是经历了小冰期、三十年战争、明清交替、全球人口停滞的 17 世纪，依然如此。
而且在工业革命以后，这个增长斜率就越来越快。
任何战争、瘟疫都没有打破这个斜率。
更幸运的是，站在 2026 年，我们身处“过去几年的谷底”+“新大航海时代的开端”，做出乐观判断几乎比任何时候都要容易。
把*长期乐观*的结论作为筛子，你就可以剔除*所有的*做空决策。只在大概率正确的方向上下注，不仅让你的决策篮子变得更轻，还提高了你的预期收益。
不妨对照一下美国股市的历史，在经历 1929 年大萧条、 1941 年偷袭珍珠港、 1947 年美苏冷战、 1973 年石油危机、 2001 年 9·11、 2008 年次贷危机、 2020 年新冠疫情前后的表现，你很容易发现：
使用乐观的投资策略，可以穿越人类有史以来的所有经济危机。
而且！越是在深刻的危机中，乐观越能让你获利！
这是 1871 年到 2025 年标准普尔 500 指数的走势。
你可能笑了，敢说大 A 么？
敢。
你看下面↓↓↓
公认比较怂的上证指数，也符合这个规律。（1990-2025）
由此，乐观不仅仅是一种哲学，也很可能是当下最大的实用主义。
巴菲特曾说：“永远不要做空美国”。
这和乐观筛子所做出的结论恰恰吻合。
多说一句，巴菲特的第一支股票就是 1942 年 3 月 11 日买的，当时珍珠港刚沦陷，美国被日本爆锤，中途岛海战还没打。
也许有浅友说，我是 20 后，还年轻，也没啥资本积累，我的“乐观”就无法变现了吗？
其实无论对谁来说，金钱都只是狭义的投资。你的注意力、时间才是更广义投资。
越年轻，意味着你手里未使用的“资本”越多。
你可以在各种决策上使用乐观之筛，例如：把时间用来锻炼而非躺平，把精力用在积极建设而非愤世嫉俗。
我们这个时代的特点是：工具极为丰富。
而“乐观之筛”，是一个简单又好用的万能扳手（和所有工具都能配合）。它像船上的帆，能给你源源不断地提供朝向同一个方向的力。这种力会逐步让你站在 K型分化的上位。
当然，上位并不应该是优越感，它所带来的稳定的资源流入（例如现金流、新工作机会），应被视作一切爱与自由的前提。
之后，我们回到主线：
如果人人都有“AI 奴隶”，我们到底该让它们干点儿啥呢？
当然，AI 可以帮人解决专业领域五花八门的问题，暂且不论。
这里我想聚焦“最大公约数”，作为一个普通人，应当如何利用“AI 奴隶”目前最普惠的形式——ChatBot——对世界建模？
在 2025 年剑桥大学的一次交流活动上，主持人问黄仁勋：你是如何在最艰难的阶段保持信心，坚持到底的？
面对如此宽阔的提问，老黄居然猛地使出了十成功力，给出了（在我看来的）标准答案：
我们用理性去推导我们对未来的判断。
你得一步步推回去，回到计算机科学最基本的第一性原理，或者物理学的基本原理……你能抓住什么原理，就抓住什么原理。一直推到最底层的逻辑原点。
一旦你完成了这个过程，用你所掌握的环境信息和一切已有认知，构建起了对未来的理解与信念，那接下来问题就变成了：你是个“说说而已”的人？还是一个会“真的去做点什么”的人？
他在描述的，就是一个“对世界建模”的过程。
没错，每个人的“世界模型”（有时也被称为“底层认知”“元认知”）都像一个核反应堆，会在一生的跨度内持续输出能量，那才是你是否会对某件事坚持到底的底层因素。
就像一个航海家脑海里的地图↓↓↓
老黄说的是“道”，那么在“术”的层面，究竟应该怎么建模呢？
核心是两个字：数据。
和 AI 训练类似，在颅内对世界建模也需要大量数据。而数据的平均质量最终决定了这个“核反应堆”的输出功率。
在印刷术之前，人们对世界建模的高质量数据来自长辈们口耳相传的故事；
在前互联网时代，人们对世界建模的高质量数据大多来自“书籍”；
世纪之初，伴随互联网发展，人们对世界建模的高质量数据大多来自“搜索引擎”。（当然互联网上的数据良莠不齐，所以“搜商”这个词一度流行。）
在 ChatGPT 出现之后，人们对世界建模的高质量数据将主要来自“ChatBot”。
能深度激发“ChatBot”并且获得高质量信息的能力，应该就叫“Chat 商”。
在细说“Chat 商”之前，我想先讨论一个重要问题：ChatBot 和搜索引擎到底有什么区别？
答案是：搜索引擎在“已知内容”里搜索，ChatBot 在“可能性空间”里搜索。
打个比方吧：
假设我们人类发现的真理就像一个个岛屿。我们已经发现了 1 万个岛屿，然后把它们画在地图上。
你给出任何条件，搜索引擎的答案必须最终落到某一个岛上；
而 ChatBot 可以在岛屿之间的合理位置帮你画上一个新的岛。
这样“乱画”，必然隐含着问题。
在 ChatBot 诞生初期，这个问题尤其明显：
1、AI 帮你画的这个岛，可能位置未必正确。（幻觉）
2、即便正确，也未必准确。也就是它的回答“分辨率”不够。（答案过于笼统，没有指导性）
这个问题，由 GPT-o1 和 DeepSeek R1 开创了解决方向。
你可以这样理解：
GPT-4（及以前模型）所做的事情只有一步：在地图上画岛屿。
但 DeepSeek R1 所做的事情却是两步：1）连续 N 次放大地图；2）画岛屿。
别看仅仅多了一个放大地图的过程，却带来了本质的升级。
原有的 ChatBot 像一个瞭望塔，理论上你可以看到世界的尽头，但实际上远处的细节无法分辨。
现在的 ChatBot 像一艘船，可以开到世界的尽头，在那里无比清晰地调查细节。
这也直接催生了 2025 年最让人兴奋的技术之一：Agentic AI。
给你看一张图：
在过去的大模型中，训练消耗了绝大多数的算力（训练侧的 Sacling Law）；
而在 Agentic AI 上，训练消耗算力占比大幅缩减，越来越多的消耗由推理迭代所消耗。（推理侧的 Scaling Law）
而对推理迭代的形象理解，就是刚才所说的一次次放大地图的过程。
总结一下，刚才说这么多，其实就是三句话：
1）对世界正确建模是生活的基石；
2） 2025 年，我们手上的 ChatBot 能力已经及格；
3）我们应该赶紧用它帮助我们对世界建模。
我们继续回到主线任务：到底怎么建模呢？
深度学习之父理查德·萨顿在《苦涩的教训》中提出训练 AI 的两个关键技术：学习、搜索。
学习是指：根据已有的数据，提取出内部蕴含的知识；
搜索是指：在可能性空间里寻找更优解（不是搜索引擎的搜索）。
Richard S. Sutton
这当然已经成为本轮 AI 爆炸的纲领，不用多聊。
但整个 2025 年，我都在思考万维钢就此给出的衍生方法论：每一个人都应该像 AI 一样去学习和搜索，并且应该在这两件事上花掉*无上限*的功夫。
核心在“无上限”三个字。
因为宇宙具有不可约化的复杂（《最 Deep 的 Seek》），所以学习和搜索是不存在边际效益递减的。它能给你的“世界建模”带来线性的新增量。
在我看来，所谓“Chat 商”高，就是：
首先理解“对世界建模”值得花费无上限的功夫；
然后能和“AI 奴隶”之间形成了一种高效的合体范式，一起学习和搜索。
合体范式简单来说就是：
1、人负责处理“不可描述的部分”，例如动机、偏好；
2、ChatBot 负责处理“可描述的部分”，也就是具体向某个方向划行。
你和奴隶虽然都在船上，但奴隶心里只想着海浪，只有你心里怀着远方。
你需要的是“AI 领导力”，或者说“AI 奴役力”。
只要你萌发出一个念头，想让 AI 帮你改善某个行为、研究某类技术、推荐特定书籍都没有问题。
念头不用很明确，但一定要抓住它，开始和 ChatBot 讨论，在讨论过程中，你不断思考有没有值得继续探索的方向。
这种建模不分领域：
可以是功利的，为解决某个实际问题而进行的；
也可以是完全无功利的，纯粹因生活中某个兴趣点驱动。
宇宙的底层规则是通行的，所以任何一个构建于其上的领域都全息蕴含着底层真理。没有白走的路，每一步都算数。
比如。。。我用 Chatbot 自学了本地运行 Z-Image 模型，下面是我的作品↓↓↓
说回来，真正重要的是：
不要认为 AI 在帮你解决具体的问题。
它是在通过解决问题的方法，帮你对世界建模！你需要*刻意*和 ChatBot 共同学习和搜索，让自己的世界模型随着时间推移不断进步。
马斯克认为，为了更深刻地探寻真理，一个把全世界人的意识连接起来的“广场”异常重要。（他指的是 X 平台）
在我看来，ChatBot 也有把人类意识连接起来的功能，只不过是通过“点对点”的模式：
ChatBot 能持续提供稳定、高水平的世界模型。
随着越来越多的人（自觉不自觉）把 ChatBot 作为大脑外挂，人类作为一个整体的世界模型质量将会不可逆地大幅提高。
高质量的世界模型是一切高玩的前提。
在此基础上，我们才可以试着做一些“大决策”！
“新大航海时代”的船需要人机共驾。对 AI 的考验很大，对人的考验也很大。
我们不妨继续听黄仁勋怎么说：
你可以选择成为那种“哦，我当时也想过这事”“我也说过类似的话”的人，但你并没有真的行动。
而我更倾向于那种人：我会非常认真地去推理和思考，并且一旦形成信念，我会深信不疑。
坦白说，只要我脑海中能清晰地“看见”它，我就几乎当它已经成真了。其余的，都只是细节问题。
这种行为模式一点儿都不稀奇，你可以在各路大佬身上找到。
我给你念叨两个段永平的例子。
1982 年，段永平从浙大毕业后，分配到北京电子管厂，他努力工作却成效甚微，不断往深层分析，发现一个底层桎梏：计划经济的低效。
这让他推导出结论：待在“计划经济的大本营”不会有太好的结果。
那么计划经济的反向大本营——市场经济最发达的地方——是哪呢？
广东。
这才有了南下广东之后“阿段”的传奇故事。（段永平说按照广东的风格应该叫阿平，但听上去像女的，所以改叫阿段。。。）
1980 年代末的东莞
在 2001 年去到美国后，阿段开始全职投资。
他发现了每股含现金 2 美元的网易股价居然跌到了 1 美元之下，于是仔细阅读财报、请律师分析潜在风险，还试玩了网易游戏和对手的游戏。
然后他决定把所有闲置资金归集 100 万美元，甚至又破例借了100万美元，用来买网易，最终获利 100 倍。
以上两个故事很多人都知道，在故事里段永平决策也用的都是常识。
我敢肯定， 80 年代北京电子管厂也有很多人和段永平有同样的感受，世纪之交也有很多人觉得网易便宜得不真实。
但是差异在于：段永平用极高的规格“款待”了自己的判断。他用自己的职业生涯押注广东，用所有的闲钱押注了网易。
换句话说，他在自己高置信度的方向上下了重注。
简单打个比方：你的判断是 1，而你押注的筹码是后面的 0。
能判断出 1 的人很多，舍得在后面写 0 的人很少。
而真正改变人处境的，不是 1，而是 1 后面跟着的一串 0。
如果预期收益很高，却没有匹配相应的筹码，本质上等于你白白浪费了自己的“世界建模”。成为黄仁勋说的“哦，我当时也想过这事”的人。
这里我引入了一个“预期收益”指标。
我私下认为，一个人的智力很大程度体现为 Ta 是否理解概率， 并且在决策中（自觉或不自觉）应用概率。
预期收益就是一个与概率相关的指标。
简单举例：
如果你认为预期收益是 5，可以投入五个零的资源。如果你觉得预期收益是 8，就可以投入八个零的资源。
注意，这俩可不是线性关系，而是个曲线。
这个曲线参数是可以因人而异修改的。但基本精神就是如此：你必须在预期收益更高的判断上，下更更更大的注。（也被称为凯利准则，凸性配置）
这里有一个技术细节：
如果你发现，面对置信度更高的机会，手中却已经没有足够的资源下更大的注，那就意味着你在置信度更低的机会上分散了过多资源，需要动态调整。
当然，只有涉及时间、空间范围足够广的决策才是预期收益更大的决策，你中午吃盖饭还是炸鸡的小决策不可能有很大的预期收益。
正如巴菲特所说：“你应该有张一生决策卡，卡上只有 20 个孔位。”
我们不妨把这 20 个决策称为“大决策”。
把大决策集合在一起，形成一个组合，然后按照权重为这个池子分配手里的资源额度。
如此，就形成了一个稳固的决策池。（你不用花很大的精力每天去维护它，除非当初用以做出某个判断的条件发生了变化）
由此观之，所谓的“All in”或者“All 不 in”，都是很明显的错误操作。（或者只是一种简化的表达方式。）
我一直认为，中国文化中的“中庸”这个词是对以上策略的最佳概括。
所谓中，就是不偏，不为某个机会匹配超过或少于它权重的资源。
所谓庸，就是在每一天的行动中践行这种匹配。
同一个道理，段永平喜欢用开车打比方：你开车的目标是到达目的地，不是要快，也不是炫技。所以你不应该开快车，更不应该崇拜开快车的人。
为了到达目的地，你的操作应该是：
1）待在车道中央行驶；
2）全程待在车道中央。（不能因为犯困，或者想炫技，或者任何理由而撞上两侧护栏。）
从这个意义上说，“庸”的难度要比“中”更大。
话说人的大脑设计，根本不是为了完成超长时间跨度的任务的。大脑最初只是一个保卫基因传承的生存工具，只要能瞬时帮助生命体摆脱危险，就大功告成了。（《AI 活成了你的样子》）
可是随着社会发展，竞争加剧，生存策略逐渐复杂，大脑被迫在更长的时间里维持策略。
事情渐渐变得反人性。
所以，我们必须找到一些工具来帮助自己践行“庸”。
电视剧《西游记》里有一个耳熟能详的情节：
孙悟空去化斋前，给唐僧画了个圈儿，叫他不要出圈儿。但最后红孩儿装成受伤，利用同情心诱骗唐僧出了圈儿。（我也是和 ChatBot 聊过之后才知道“画圈儿”这个戏原著里没有，是电视剧独有桥段。）
套用之前的理论：唐僧去西天就是一个时间跨度很长的决策执行过程，这个过程中充满了未知，稍不留神就会做出与风险不匹配的行动。就像开车撞上护栏。
孙悟空给唐僧画的“圈儿”，就是车道线，也叫安全边界。
而保证不出圈，就是纪律。
为了达到目标，需要长期稳定执行策略，为了长期稳定执行策略，你需要纪律。
严格来说，纪律不是为了防止自己犯错，而是为了让自己在框架之内犯错。
所谓框架，其实就是人为设定的“变量合集”。
在框架内犯错，为了两件事：
1、为了控制损失。
在已知变量下，你更容易估算出自己做一件事的最大收益和最大损失。
比如在无人区徒步爱好者中有一个“三人原则”，就是最少要有三人结伴同行。
这样如果有一个人受伤，可以有另一个人原地照护，第三人去求助。最大损失止于受伤。
如果单人徒步，一旦走入没有信号的地区，失足跌落无法行动，最大损失就是死亡。
同理，唐僧不出圈，最大的损失就是同情心遭受煎熬，但西天的未来仍在；唐僧出圈，最大的损失就是被妖怪吃，西天的未来就没了。
2、为了累积策略。
在已知变量下，你更容易判断出此次犯错受到哪个变量影响，从而可以有针对性地改进策略。
如果你在框架外犯错，本质上你都不知道到底有哪些变量，就更不知道哪些变量与自己此次错误相关。那么你不仅承受了错误带来的损失，这个损失还没换来任何“策略的积累”。
你就是最冤的冤大头。
这就是巴菲特所说：只投资自己能看懂的公司。计划你的交易，交易你的计划。
推而广之就是：只做自己能想明白的事情。计划你的生活，生活你的计划。
重复一下结论：
1）做自己想明白的事情，未必不会犯错。
2）但这个错误可以换来策略积累，让你朝着正确的目标迭代。
3）“行至西天”才是你的根本目标。为了其他任何“支线任务”而降低接近西天的概率，都是错误的选择。
但客观现实摆在这里，西天路上真是有很多“魔”。。。唐僧出门就上当，当当不一样，他也不想，但就是会打破纪律啊！
这是人之常情。
我们的思维就像一条河，随着支流不断汇入，逐渐失去的上游的清澈。随着时间推移，我们打破纪律的可能性在不断上升。
危险的是，很多情况下我们无法意识到自己的在打破纪律。
由此，你必须用一套*可操作的*行为准则来保证纪律得到实施。
丹尼尔·卡尼曼在《噪声》中提出了一个“决策卫生”的概念。简单说，他主张做重要的决策时一定要*走流程*。
Daniel Kahneman
这至少有俩好处：
1、走流程会增加你做出决策的成本，从而抑制住过剩想象力引导你做出“轻浮”决定。
2、一旦你真的走流程做出决策，它大概率也是一个高质量决策。
卡尼曼把决策中的噪声分为很多类，其中影响最大的是“稳定模式噪声”。这种噪声来源于你的成长经历所塑造的世界观、行为习惯以及思考偏好。
在我看来，这有点儿像佛教唯识宗里讲的“阿赖耶识”里“有漏种子”的概念。
由于生活经历的复杂性，以及多因素之间的纠缠，要描述自己的“稳定模式噪声”非常难，而且几乎不可能。
所以，最好的抑制噪声的方法就是放弃“端到端输出”，转而尊重“分段流程”。（在“端到端”备受推崇的今天，这是一个有益的提醒。）
一个简单的例子就是量表：
你做一个决策，不能拍脑袋。而是画一张表，它的利弊分别有哪些？列在表上，然后分别对这些利弊打分，然后加起来算总分。
具体到人生只有二十次的那个“大决策组合”。
每当你想做一个新决策时，首先要去判断和既有的“大决策组合”是否相冲突。如果冲突，就要重新评估一下大决策组合里相冲突的决策。
还是举个例子吧：
段永平离开北京，意味着要放弃“北京户口”。这在当时的朋友看来得不偿失。
如果为了户口而留下来，就会和之前的决策产生冲突。
段永平走了一个流程：他评估了一下北京户口的“价格”，当时值 1 万人民币左右。然后他计算了一下自己投入市场经济可能带来的收益，应该是远远大于 1 万人民币。
于是，他维持了原来的决策，否决了新的决策——最终还是去了广东。
这就是决策卫生。
在每一个新决策面前都走一遍“决策卫生”流程，就是在遵守纪律。
正是因为坚持“决策卫生”，巴菲特在很长的时间里一直不投资科技股，现在看来，这个机制让他为错失了非常好的机会，当然也保护他没有撞到护栏。
把自己的行为限定在一个圈子里，在很多时候是违背直觉的，这会带来纯纯的痛苦。
那么，我们就该强行忍受这种痛苦，闭眼待在既有的圈儿里吗？
当然不是。
如果你是唐僧，最好老老实实呆在圈儿里，如果你变成了孙悟空，就不用待在这个破圈儿里了（你的圈儿扩大到了如来佛的手掌那么大了。）
之所以每次都要不厌其烦地走“决策卫生”的流程，而不是简单固守之前的决策，就是因为你走完流程之后真的有可能改变之前的决策。
什么情况下你会改变之前的决策呢？
第一种：你得到了新的信息。
第二种：你的“世界模型”进化了。
实际上，每当你使用“新版世界模型”对之前的决策做校验的时候，无论是否改变策略，你的安全边界其实都是在扩张的。
于是，我们又回到了第三章的内容。你必须通过（和 AI 一起）学习来改进对世界的建模，由此才能扩展安全边界。
反过来说，当你感觉到痛苦的时候，并不是该“出圈”锻炼胆量的时候，而是该“扩圈”，也就是通过输入高质量数据来学习的时候！
巴菲特还有一句名言：我一生中最好的投资不是买了哪只股票，而是不断地投资自己。
这里的心法极为简单：
1）永远保证在安全边界内正确行事；
2）时刻精进自我，扩大安全边界。
只要你真正理解了底层原理，去践行也并不困难。
在中文里，有一个更加优雅的词汇形容这个状态——知行合一。
最后，让我来实操一把“知行合一”。
我决定就以上几章的思考和 AI 进行一番探讨，看看我是否能在“AI 奴隶”的帮助下，真正对生活方式做点儿改进。
我选择的奴隶是 Grok。
我问它：对于个人来说，《苦涩的教训》中所揭示的 AI 训练方式在日常生活里有哪些实践方案？
他给我想了三个方法：
一、把生活变成“梯度下降游戏”。
具体来说是这样：
1）定义你的核心目标池，例如：金钱、健康、创作、关系。
2）用电子表格把所有的行为的时长记录下来——睡眠、运动、阅读、写作、社交，等等。
3）每 2-4 周让 AI 帮你做一次“损失函数评估”，哪些变量和你的核心目标相关性最高？然后减少低相关性的行为，增加高相关性的行为。
二、把劳动尽可能外包，自己只做“搜索空间设计”。
在日常工作中，你要越来越像一个“AI 训练师”。
你的核心能力变成：定义目标函数 + 提供高质量数据 + 设计奖励机制，而非亲自执行。
例如，把图片制作交给 Midjourney，你来精修；把代码交给 Claude，你来验收；把重复工作交给 Zapier，你只定义触发条件。
三、用“生成-筛选”替代精雕细琢。
让 AI 先做 100个垃圾出来，然后从中挑选 3 个可救的，精修这 3 个。
接受 97% 的产出是垃圾，但剩下 3% 会碾压所有“完美主义者”的 100%。
我把这三个方法也送给你。
作为普通人，进入新大航海时代的广阔洋面，大概都要对现有的生活和工作方式进行巨大改造。而且每个人的改造方式都是个性化的，这意味着巨大的投入、不确定性和不安全感。
但别忘了我们的“中庸”和“知行合一”。
你需要为高置信度的未来匹配相应的资源。（这才是安全的终极来源。）
在我看来，过去 20 年的生活方式塑造了我们太多对“确定性”的执念，它已经无法适应未来的 20 年。
我曾经在《最 Deep 的 Seek》中介绍过计算机科学家沃尔夫勒姆的研究：
在复杂系统中，因果关系极为不清晰，甚至可以说不存在因果。
假设你重复在南美蝴蝶煽动翅膀之后观察到一个飓风，那么你不必搞清中间的传导过程（你也大概率搞不清），而是可以直接用模型标定二者的相关性，然后利用相关性达到你的目的。
抖音赖以成功的推荐系统的工作原理就是如此：
一个内容在小规模用户群里收到了大量点赞，就直接推给更大的用户群，如果仍然获得高赞，就推给更大的用户群。
从头到尾，抖音完全不用知道这个视频内容为什么被喜欢，甚至就不用知道视频的内容是什么。（只要它合规，爱是什么是什么。）
正应了“股票大作手”利弗莫尔那句话：看到信号立即采取行动，而不是搞清楚原因再动手。
在一个变幻莫测的大时代：你要训练自己搞不懂“因果”的前提下，可以依赖“相关”继续行事。
这次 AI 浪潮中，美国和中国的科技断崖式地领先于欧洲和日本，在我看来，与这两个国家承继了互联网时代的*工程师思维*密切相关，那就是：尽可能用“相关性”（How）而非“因果性”（Why）来制造系统。
先不预设立场，允许各种形态的创新生成，让子弹飞一会儿，最终再根据顶层意图进行筛选。（而非从一开始就把所有的发展路径都推导清晰。）
这种利用“不确定性”进行经济治理的方式，不和我们利用 AI 大量生成，然后再做筛选-精修的过程完全一致么？
作为地球 Online 的玩家，我们可以期待的最好结局也许是：
人类将会利用能源驱动 AI 和机器人对任何目标发动“饱和式攻击”——所有创意都可以被迅速验证、实施。
在这个结局里，想象力将会成为最后的瓶颈，能源将会成为唯一的限制。
在这种高效熵增机器的加持下，人类也许将要第一次正式冲击卡尔达肖夫尺度中的 Type1 级文明。
说实话，这个好结局未必百分百会被（不靠谱的）人类打出来。。。
但“乐观之筛”强迫我不得不认真思考这个未来。
更具确定性的，也许是未来十年内就会出现的一个 Check Point。
当 AI 顶着生产力拐头向 12 点钟方向行进，大量商品被廉价制造，增发的货币会被稠化，滞涨的天花板被捅破，人类有希望再次进入温和通胀的增长周期。
站在彼处回望，2025 年可能会极为特殊，它是旧剧最后的高潮，新戏锣鼓的初响。
那时，我们或许可以心安理得地追认 2025 为某种“拐点”。
历史可能正在转向，你我都有责任知道这一点。
战壕的存在，是让士兵作为掩体，但没有任何一场战争是靠躲在掩体里赢下的。
当时代凌厉的子弹扫射渐渐减弱，那就是一代人冲出战壕的时刻。
往期推荐：
👉最 Deep 的 Seek：AI 的“终极设计图”是什么样子？
人和AI都在船上
但人心中有远方
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。
哦对了，如果喜欢文章，请别吝惜你的“在看”或“分享”。让有趣的灵魂有机会相遇，会是一件很美好的事情。
Thx with in Beijing
2025-12-16 19:29:00
原创 史中 浅黑科技 2025-12-16 19:29 北京
一晚上，四大名著被我演完了。
浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛，我会尝试用各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。
事情是这样的，最近我摸鱼的时候，发现 OpenAI 的 Sora App 火了。
这玩意儿就像抖音。
区别在于：你不用真拍视频，而是用嘴撸一段话，它就能直接根据描述生成视频了。。。
更牛的是，你还能上传自己的脸，让自己出演小视频！给你看看中哥唱 Rap↓↓↓
我刷了一阵儿，随即忧愁袭来，这么厉害的东西，咱中国好像还没有吧。。。
于是我悄悄问了一下（我觉得最有希望的）阿里同学，没想到他们发了个神秘的表情，跟我说：你升级一下千问 App 试试！
千问 App 居然发布了一毛一样的功能，这就是——“千问AI小剧场”。
我赶紧升级了千问，果然“AI小剧场”按钮就水嫩嫩地躺在对话框上边。
千问同学告诉我，他们的 AI 小剧场有俩地方很强：
一是可以自动切换分镜头；
二是人物可以说台词，声画都是一致的。
我想了想，这玩意儿贼岂不是适合做短剧，过一把飙戏的瘾？
那我就不客气了！赶紧上传了自己的头像，一切 ready！
幸福来得太突然，我竟有点儿茫然，该演个啥嘞？
咱第一次“触电”，可不能亏待自己，我决定演一个《水浒传》里的英雄好汉！
一百单八将里，我挑了——西门大官人。
给你看看我和潘金莲的对手戏↓↓↓
别看制作挺精良，其实我写的提示词很短：
@史中穿越到了电视剧《水浒传》里，成为了西门庆，打扮和西门庆一模一样。 @史中和潘金莲喝酒调情。
其中的动作啊，台词啊，都是 AI 自己给设计的。。。别说，正中老夫心意呀！
注意，这里的“@”，就是点名出演的意思。
我只要上传了头像，就可以@我自己；你上传了你的头像，也可以@你自己。
当然系统还内置了好多形象，有梵高、关羽、甄嬛各种，你想@谁出镜都行！
既然大官人演得旗开得胜，接下来得演个更趁钱的啊！
比大官人还有钱的，那就是和大人了！
给你看看我的演技↓↓↓
这个视频我导演欲爆棚，用了更具体的提示词，连分镜都写清楚了：
@史中穿越到清朝，成为了和珅，正和家里的妻妾一起喝酒。说：“穿越成和珅和大人，也太爽了！”
门口走进来几个太监，手里托着长长的白绫，对@史中说：“皇上赐您升天！”
@史中大惊失色。
你对照我的提示词看一下视频就会发现，这细节跟的也太准了！
每一个我描述到的细节，它都呈现了。
每一句我写的台词，它都精准地说了，而且情绪非常对味儿。
每一处需要切换镜头的地方，它都给切换了。你甚至没感觉。
千问同学告诉我，这种精确的能力归功于阿里最新的视频生成模型“Wan 2.6”。
你可以简单理解，Wan 2.6 就是一个专门面向影视制作的模型，在训练的时候，就针对“角色复刻”“声画同步”“多镜头叙事”这些能力调教了个够。
技术科普有机会咱再细嗦，现在我想接着玩儿。
《水浒传》演完了，索性来《三国演义》客串一个。这回你猜我准备演谁？
没错，我演的是华雄。。。
你看，这里我其实指定了两个角色，@史中 和 @关羽，模型把两个人的形象都驱动了。而且关羽这个红脸的汉子，脸是真红啊，颇有喜感。
虽说演反派考验演技，但总演反派阻碍中哥我事业发展啊。。。
我决定，演一个拯救世界的大英雄！
知道 1944 年盟军诺曼底登陆为啥能成功么？
还不是因为中国开着高达帮他们铲除了德军的滩头阵地！
知道比特币是怎么出现的么？
还不是因为十几年前中哥化名中本聪运行了创世区块！
知道米开朗琪罗为什么能画出《创世纪》么？
还不是因为中哥给他当枪手！
你生成的每一部作品，（只要不嫌丢人）都可以上传成为公开作品，这样别人就能刷到了！
刷到的人如果觉得创意不错，Ta 也想来个同款，其实都不用费劲再写提示词。
只要点视频下面的“AI 翻拍”，然后把其中人物替换成你自己（或者任何人）就可以直接二创。
就在红框的位置↓↓↓
比如这个丝瓜老奶的走秀视频我觉得不错，一键替换成我的脸，中哥走得比她专业。
当然，你想用卡通形象做“二创”也没问题，一句话的事儿。
比如下面这个，我直接打字让它换角儿：
成了：
玩到这儿，我的身体好像打开了。。。思路也打开了。。。
千问AI小剧场其实不仅可以拍电影，它还可以模拟各种拍摄场景。比如监控录像，比如手机随手拍。
那我就会玩儿了！
快过年了，没什么多余的钱可以给我老妈，就给她发一个我穿名牌开豪车的视频吧，证明一下我混得还不错！
但做出来之后发现，我这形象，怎么看都不像开豪车，纯像跑滴滴。。。
那就别怪我不客气了，搞一个彩票中奖的“现场视频”给我妈看吧。。。
你们感受一下，蒙老太太是不是足够了？
客串了十几种不同的人生，根本停不下来。猛然抬眼已经快半夜了。。。
如此沉迷可不好。
我决定最后刷刷大家在小剧场里的作品就睡觉。
刷着刷着，突然意识到，之前我那戏精玩法其实都在憋着挑战“千问 AI 小剧场”的极限。一般情况下，大家最喜欢玩的还是那种“薄皮大馅儿”的穷欢乐视频。
于是我又不困了，把这些无厘头的视频也试了一下，千问 AI 小剧场可以说毫无鸭力。
比如，岳云鹏和马斯克一起说相声↓↓↓
我和刘欢一起唱《好汉歌》↓↓↓
我和马斯克一起跳肚皮舞↓↓↓
如果你和名人一起玩腻了，想和朋友一起玩，也没有问题。
我发现千问 AI 小剧场专门有个功能，叫“邀请好友”！
试了一下，流程是酱：
你只要点“邀请好友”，它会自动弹出一个剧本，让你和朋友一起演。
如果剧本不满意你也可以一键更换。
把这个邀请直接发给朋友，Ta 只要同意上传自己的形象，就能自动生成你俩的“合拍视频”了！
就像这样：
毕竟是免费玩儿，千问同学告诉我，这两天用户爆炸式增长，服务器也是压力山大。来晚了可能生成视频要排队。
我不允许浅友们比别人来得晚。。。
我把邀请口令放在评论区，你可以复制之后打开千问 App 试试，然后可以继续邀请你的朋友一起玩～
孟子云：独乐乐不如众乐乐嘛！
延伸阅读：
AI 帮我实现演戏自由，
这是什么奇葩科技树？
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。
哦对了，如果喜欢文章，请别吝惜你的“在看”或“分享”。让有趣的灵魂有机会相遇，会是一件很美好的事情。
Thx with in Beijing
2025-11-10 10:43:00
原创 史中 浅黑科技 2025-11-10 10:43 北京
计算是一场深刻的模拟。
浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛，我会尝试用各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。
15 年前为双11“渡劫”的技术，
却打通了AI的任督二脉
快来吧奔腾电脑
就让它们代替我来思考
1999 年，朴树唱出了这句歌词。
而后，时光把你我绑在刀尖，猛地刺穿新世纪的四分之一。无数孩子眼中的遥远未知，眨眼已坍缩为大人的细碎回忆。
2025，我们短暂停靠在了 AI 站台，回望迷雾，一颗子弹正中眉心：当年歌者的无心呢喃，竟是呼啸而来的预言。
“10、9、8、7。。。”
随着零点读秒，又一年双11开始冲刺，红包如瀑宣泄，直播间呐喊起伏，快递车连夜奔忙。
此刻谁也不会记起，15 年前，这群工程师曾经做过的另一次读秒——淘宝的“爆炸”倒计时。
那是 2010 年“双11”，眼看淘宝系统就要被 3 亿剁手党冲垮。在只剩 4 秒的时候，杀掉了一个数据库，才保护淘宝这艘巨轮没有被浪头吞没。
这就是很多人都听说过的“惊魂 4 秒”的故事。
之所以要提起这个往事，是因为它不止代表阿里，也不止代表中国师傅，而是代表了整个人类在 15 年前面临的技术困境。
话说，人类发展有一个稳固的底层逻辑：犯懒——总想用能源驱动工具来替代自己的劳动。
具体到计算机这个工具，主要是用来替代人类的“脑力劳动”。比如最早在军事上替代人类弹道计算员，后来在能源勘探上替代人类地质计算员。
这是美国第一颗人造卫星“探险者 1 号”使用的计算员，是真正意义上的 Computer。根据图灵的定义，计算员是“遵循固定规则，无权在任何细节上偏离这些规则的人”。
那在当时的淘宝系统呢？主要替代两类人：
一类是前台“售货员”，剁手党点什么商品，就给 TA 看什么商品，再推个购物车跟着。
一类是后台“会计员”，负责把下单的价格、数量、型号都记录清楚，后续好给人家发货。
在 2010 那个时间点上，它俩代表了两种经典计算架构：
这“售货员”跑在小巧的 x86 服务器上。救它相对还容易，因为服务器有点儿像隔断船舱，这个船舱塞满了，可以找另一个稍空的船舱借点儿地方。
可即便如此，腾挪还得靠人。这边嘴上吼，那边手上敲，稍微手慢一点就会挂掉。
这“会计员”就更难救了，它跑在一整套*专用*的软硬件系统，由 IBM 小型机、 Oracle 数据库和 EMC 存储系统组成——这就是大名鼎鼎的“IOE”。
“IOE”好比轮船的轮机室，总共就这么大的功率，商品库、交易库、用户库，所有库挤在里面一同施压，要想不爆炸，只能关掉一些系统。
直说吧：彼时这俩“赛博牛马”，都已经不太称职了，这对人类这个老板来说是灾难。
你也许没当过老板，但肯定打过游戏，用上一关的武器对付下一关的 BOSS，会极其吃力，甚至完全失效——BOSS 的毒打会逼迫你寻找新的武器。
就在历史的巨大缝隙面前，一支敢死队出发了，他们的任务就是：从虚空中悟出一种新武器，能够打败“双11”这个大 BOSS。
这个新武器，绝不能再像孤悬海上的船，有沉重的轮廓阻挡扩容；而是要飘在云端，像金箍棒一样收放自如。
它就是阿里云的基础技术——弹性计算。
注意，这个弹，绝不能是“人肉弹”，而是要在赛博空间建立一套*工业流水线级*稳定可靠的系统，自动感知及反应微小的颤动，毫秒级就把计算力调度得纤毫不差的弹！
阿里云的第一行代码
敢死队手握一纸计算独立宣言：
不仅要让计算从（美国定义的）传统软件时代的 IOE 体系里独立出来；还要从（中美共同定义的）互联网时代造就的“软件直怼硬件”的框架里独立出来！
“一次跨两代”，相当于从封建社会直接迈入社会主义。难度有多炸裂，简直不敢想。
你或许不知道，从起草计算独立宣言，到弹性计算的旗帜高高飘扬，中间已经历了漫长的 5000 多个日夜求索。
你或许不知道，“独立”并非终点，计算系统对智能的模拟越来越深刻，竟然创造出了智能本身——AI。
但阿里云这群疯子早就知道，从出发的那一刻就知道。
今天，中哥就借着弹性计算团队的故事，科普一下这段中国师傅的十五载硬核征程。
讲故事之前，咱们不妨先来点儿暴力——撬开机箱盖子看看里面。
都说治大国如烹小鲜，依我看，弹性计算也如厨师炒菜。
每一个机箱里，都有一个厨师，他就是厨房的灵魂，CPU；
厨师切墩、炒菜的过程，就是计算；
厨师炒菜用到的炉灶、锅盆、调料，就是软件；
不时有食材送进来，也有炒好的菜送出去，这些都是数据；
而传菜的窗口，就是网卡；
当然厨师还会把一些食材、半成品放进冰箱储存，这个冰箱就是硬盘；
这样几百万、几千万个厨房组织在一起，所形成的巨大的“炒菜能力”，就叫——计算力！
了解了如上的比喻，你自然会得出结论：
所谓宏观上的计算弹性，其实就是微观上厨师听话的程度。
想想看，如果你有办法在*短时间内*精准改变*每个厨师*的任务状态：
例如，让某几百万厨师从待命变成颠勺，让某几十万厨师从炒菜变成往冰箱储存，让某几万厨师从做鱼香肉丝改成做法式蜗牛，让某几个厨师从切丝变成切条，不就等于能让计算力瞬间变大变小，随意调度了吗？
这里有大难题！
厨师一直待命，但它不能凭空炒菜，需要很多“家伙事儿”，这些就是操作系统和软件。而且根据炒的菜系不同，家伙事儿也不同。
但给电脑装过系统的都知道，安装不仅慢，而且还得根据硬件不同选择版本，不可能在短时间内完成。
诶，那时业界老师傅已经想出一个方法——在厨房里再做一个厨房。
具体分三步：
1、根据任务不同，把需要的设施都打包装修在一个个“小样板间”里；
2、样板间是一个隔绝的小世界，可以随意挪动，也可以快速克隆；
3、炒菜任务来临时，只要提前一两分钟把一堆样板间 Ctrl+V+V+V... 放进无数厨房里，就可以开干了！
没错，这个样板间就是“虚拟机”。
有了虚拟机，大厨们再也不能以“厨具没备好”为理由摸鱼了，来活儿就得乖乖接。
别急，大厨们的“好日子”才刚来。
由于虚拟厨房很小，一个厨房里可以塞进很多个虚拟厨房，这意味着一个厨师可以*同时*照顾很多道菜：在这边炒两下青菜，去那边翻一下烙饼，再去那边拍一拍黄瓜。
把不同的任务穿插起来，完美压榨厨师的时间，真是牛马看了会落泪啊！
正因有了虚拟化技术，计算这件事被成功推上了工业流水线：厨房（在调度层面上）被连在一起，组成*中央厨房*！
这就是“弹性计算”最初的模样。
手握锤子，赶紧砸钉子：老师傅开始大规模使用弹性计算替代“前台的售货员”，果然效果拔群。
同样的硬件设备，因为“厨师”空闲更少了，相当于模拟出更多的售货员。（你品一下）
就像这样↓↓↓
然而！他们比划了半天，发现这“后台的会计员”还是没办法弹。。。
原因跟“工种”有关。会计员负责算数，哪怕算错了一分钱，记错了一笔订单，都是重大事故。
这个活儿相当于让厨师们做满汉全席给老佛爷吃，但凡有地方盐多了、醋少了，都是掉脑袋的罪过。
当时虚拟化加持的弹性计算系统，根本做不到这么稳定。（至于原因，我们在下一章详解。）
好不容易研发了弹性计算，却不能一把实现“计算独立”，未免有些沮丧。。。
不过罗马不是一天建成的，眼前至少还有个好消息：
就在这个阶段，互联网行业崛起了一个新的“工种”——数据研究员。数据研究员负责从海量的数据里提炼特征，为不同类型的用户和商品都打上标签，以备后续推荐。
没错，这就是：大数据系统。
在 2015 年以前，很多国民应用的爆火，最大的功臣都是大数据加持的“猜你喜欢”系统。比如手机淘宝、今日头条、微博，不断推给你感兴趣的商品或内容，才牢牢抓住你。
多说一句，别看“大数据”和“数据库”都带“数据”，实际上大数据系统的只是做定性分析，偶尔算错一个数，或者算得慢一些，都无妨大局。
就以当时最主流的大数据系统 Hadoop 为例，你可以极简理解为：它就是用一套公式，把数据库里所有的数都算一遍。
而 Hadoop 的创新在于，它能把这种计算拆分成无数独立的小计算。小计算的结果捏合起来，就能得到最终结果。
这，不正适合新生的弹性计算系统么？
每一个小计算，都能放在一个（大厨房里的）虚拟厨房里。
每天人类下班以后，“赛博厨师们”就上班，把这一整天新增的数据都给“炒熟”。
就像酱↓↓↓
那几年，阿里巴巴内部的各个业务线，爱尝鲜的老师傅都用“中央厨房”搭建了各自的大数据系统，这些师傅，后来好多也成了阿里云的悍将。
之所以要说“后来”，是因为有个历史原因：最早阿里巴巴的底层技术团队和阿里云的技术团队分属两边，后来慢慢合并的。（详见《中国人用 30 年望见算力珠峰》《阿里云的疯子》）
那么，当时的阿里云团队在忙啥呢？
他们忙着把弹性计算包装成产品（ECS），系上蝴蝶结，满世界寻找客户，准备大庇天下寒士！
最初一批“寒士”，就是阿里巴巴收购万网之后继承过来的中小网站们。
中小网站，和淘宝这种网站比起来，那简直是蚂蚁 VS 大象。
很多小网站全部代码只需要一个虚拟机就能跑起来，而且一天也没几个人访问，相当于厨师们都闲着，就算底层的弹性计算的架构“不结实”，也不至于出问题嘛。
阿里云的师傅们开始乐观了，小网站行的话，那大网站行不行？网游行不行？政企行不行？
现实的毒打马上就来了。
话说，在轰轰烈烈的“计算独立运动”中，涌现了一批扫地僧，专门负责“搬家”，也就是协助各个业务搬到弹性计算上。
杨曦就是其中一员。
他有点像老中医，一个系统摆在面前，他把把脉，就知道目前的弹性计算的能力够不够支撑，从而决定是现在上还是等等上。
在他和同事的努力下，每一年“双 11”都有更多的淘宝模块被搬上弹性计算，不再忍受“人肉云计算”的煎熬。
阿里云弹性计算产品解决方案负责人 杨曦
2014年，组织上看中了他的医术，调他来阿里云帮一帮外部大客户上云。
杨曦一来，才发现这是个坑。。。
外部客户不像阿里同事那样，把自己的业务系统全都拆开摸索着上。人家手里的是售货员、观察员、各种员长在一起的“连体系统”，要上就一起上！
这样的系统在弹性计算上能跑明白吗？
两个字：看命。
杨曦记得，当时手游刚刚开始火爆，有很多游戏厂商面临和“双11”类似的难题，一做推广促销，服务器扩容就跟不上，结果浪费金钱、浪费大好机会。
他们听说阿里云这个老中医专治“双11”，满怀期待用了弹性计算。结果计算力倒是有弹性，可负载一重，系统就*随缘*出 Bug。。。
Bug 不怕，怕的是随缘——老师傅就像原始人看见雷公电母那样无助。
所有故障都指向一个地方：虚拟化系统。
上一章我答应你，要讲讲不稳定的具体原因。现在咱们开始：
一个厨师，面对眼前的五个虚拟厨房里，最难的是啥？当然是掌握每一个厨房的进度，在各个任务里精准地*切换*。
为了切换，他得有个日程表，而日程要靠“规矩”来定。
我随便编几个规矩你感受下：1）某个灶上的水开了，就要赶紧中断其他任务，跑过来下饺子；2）某个炉灶里的菜冒烟了，就要赶紧中断其他任务，过来翻炒。
像这样的规矩有好多条，它们编成了一个厚厚的“操作手册”，这个手册就是“虚拟化架构”，它放在一个桌子上，也就是“宿主操作系统”。
厨师每炒几下菜，都得坐回到桌子前面，对照手册算一下，确定接下来该操作哪个炉灶。
这种情况，其实无法保证菜不糊，因为“确定下一步”这个动作本身，就会占用厨师的时间和精力。
假设：同时五个厨房都在进行步骤很复杂的菜，厨师为了搞清楚下一步该给哪个厨房做，要在桌前算很长时间，这边刚搞清楚，那边的菜已经糊了。。。
这下你知道，为啥负载一重，虚拟化系统就爱崩，而且还随缘崩了吧？
阿里云赶紧满世界贴告示“重金求子”，如今的阿里云弹性计算通用虚拟化负责人，大神沈益斌就是这个当口加入团队的。
沈益斌还记得，当时他们几个师傅使出毕生绝学，把各种能想到的情况都做成精巧的补丁，打在系统里，给虚拟化架构续命。
到后来补丁摞补丁，也摞不动了，他们只好采取“惹不起，躲得起”的六字方针：主动帮客户定时释放内存，或者监测到哪个地方负载高了，赶紧把一部分“虚拟厨房”迁到提前准备的“备用服务器”上。
就这样，云计算又硬生生退回到了“人计算”。
人是最不靠谱的动物了。
即便用人来填，到后来也不好使了：移动互联网方兴未艾，不到半年，客户负载密度又提高了十倍。这时你要保证不出事儿，就得准备十倍的服务器放在那准备腾挪。这么多服务器，用裸机都能支撑业务峰值了，还“弹”个毛线啊。
老师傅被逼到了悬崖边。
2015年，团队下定决心，玩命跳向对岸，重构所有的虚拟化代码，从 Xen 架构到 KVM 架构。
他们跳过去了：KVM 这个新的操作手册轻巧多了，厨师不用每次都跑回桌子前面，而是可以带在身上，随时拿出来算一算下一步该干啥。
这一下，一般的重负载，弹性计算都能绷住，绝对不抽了。
眼看阿里云上外部客户骂声能歇一歇，淘宝也能再挑出一部分负载较重的系统上云了。
老师傅擦着汗，给自己偷偷点了个赞。
之所以偷偷，是因为他们心里都清楚，更换虚拟化引擎，最多能顶个三年五载，但绝不会是终点。
因为搬家师傅杨曦已经帮他们试过了，即便最新的 KVM 引擎能承担很多重载，却仍旧没办法支撑“双11”状态下满负荷工作的会计员（数据库）。
这到底是为啥呢？因为数据库在满载时有个缺德的特点：“高 I/O”。
还用厨房举例吧。数据库的基本功能可以抽象为两件事：存一个数（I），取一个数（O）。这就相当于让厨师把食物放冰箱，以及从冰箱里取食物。
在“双11”这种情况下，它存取的频率极高。
指令是发给五个虚拟厨房的，但实际只有一个厨师干活。。。
而且别忘了，这么多请求同时过来，他还得照手里的小本本算，先搞那个后搞那个。
每次“低头+算一算+抬头”的时间，就和它放一件东西在冰箱的耗时差不多长了。原本就紧张的时间，这下彻底不够了！
你看到了没，这里出现了一个死结：
要想实现弹性，就得有虚拟化；要想虚拟化，就会出现一个厨师对多个虚拟厨房的情况；只要厨师一对多，就涉及到日程切换；一旦编排日程，就得来回看本本；一旦看本本次数多，厨师的工作效率就直线下降。
这个死结有一个名字：虚拟化损耗。
而虚拟化损耗的本质，就是厨师“被打扰”产生的精力开销。虚拟化损耗的本质就是“打扰税”。
越是小而多的任务，打扰就越频繁，打扰税就越重。
别说沈益斌，就是天王老子来了，他也得交这个“税”。可只要有税，数据库就交不起！
“计算独立宣言”言犹在耳，难道说，弹性计算永远无法一统山河，永远要在土地上给传统计算留一块扎眼的“租界”吗？
孔子曰：面对死结，最好的方法不是去解，而是找一把刀，把丫劈了！
我问你：有谁规定，编排厨师日程这个活儿，必须得厨师自己干？
当时老师傅被逼急了，也问出了一毛一样的话。。。
你给厨师配个秘书，能死吗？
这个秘书，就是后来救了所有人一命的神龙 CIPU。
秘书守在窗户前面，举着小本本，每每从窗口传进来原料，他就直接帮厨师算好了日程。
厨师下一步要干啥，完全不用自己操心，可以两耳不闻窗外事，一心只顾颠大勺。
这样一来，打扰税直接降到了“0”！
你可能会说：不对吧？这个活儿还在，只是换了个牛马干啊。。。
诶，让驴拉磨和让狗拉磨，那效率可是天差地别。
CIPU 的总架构师杨航告诉我，CIPU 这个秘书生下来就是为了分配任务“定向培养”的芯片，它（在这个特定任务上）的计算密度是厨师的千倍万倍。
2017 年云栖大会上推出这个专用芯片的时候，杨航完全没想到一个月后世界云计算的公认领导者 AWS 也发布了同样的玩意儿，他更没想到，CIPU 的用处居然比他之前的设想更广泛，更激进。。。
激进到啥程度呢？
激进到连“虚拟厨房”都可以拆了！
回忆一下，当初之所以要设立虚拟厨房，是因为啥？因为锅碗瓢盆很难快速备齐对吧？
现在，老师傅掌握了另一套方案：
1）每个厨房都先安装好基础的炉灶、油烟机。（这不够对付所有菜系）；
2）使用一种筐，把当前这道菜所需的专用工具和食材打包放在里面，从窗口biu~biu~biu~递进去；
3）厨师不用挪地方，只管站在操作台前，秘书把哪个筐递到他面前，他就干哪个活儿！
这个筐，就是大名鼎鼎的“容器”。
当然为了复制和移动方便，最好别一次性把一道大菜的所有工具都装一个筐里。你可以分在不同的筐里，相当于把一道菜的工序切碎，变成“微服务”。
就像生产线上打螺丝：每个厨师只做一小步，然后就传给下一个厨师。他甚至不用知道自己在做啥菜，让你切萝卜就切萝卜，让你给锅里放蒜就放蒜。
分布式炒菜，妥妥的。
既然厨师们在广大的网络中协作，秘书们就没办法自扫门前雪，而是要拉一个“秘书群”：任何一个秘书都要准确知道眼前这个筐里的食材从哪来，下一步要送到哪去。
换句话说，在云上协作体系中，秘书变成了和厨师一样重要的角色，它成了云计算的基础设施计算芯片，没错，CIPU 的全称 Cloud Infrastructure Processing Unit 就是这个意思。
云雾中，“金箍棒”雏形初现：
1）有了容器，中央厨房具备了收放自如的弹性，瞬间变大变小；
2）有了 CIPU，厨师们可以在收放自如的前提下摆脱“打扰税”，聚精会神在自己最擅长的炒菜上。此刻他们的效率，和在最早的“实体厨房”里是一样的。
看着以上这俩特点，你意识到了什么没？
没错，十年艰苦战役，打扰税降为 0，终于可以敲锣打鼓把“会计员”（数据库）请上弹性计算了。。。
更准确的说法是：终于可以把账目交给云上的会计员去管理了！
就在 2020 年前后，阿里巴巴集团核心数据库陆续搬上 PolarDB 等等自研云数据库。
征服“会计员”之后，弹性计算彻底杀疯了，已经没什么“员”不能被计算力替代了。
比如现场促销员，就是当时已经流行的“实时计算大数据系统”。它会把用户的每一次点按拿回去立刻计算，几毫秒之内就要调整推荐策略——弹性计算可以支持。
比如找货员，就是你熟悉的“搜索引擎”，这是一个和数据库类似的高 I/O 系统，还涉及全球范围内的信息传输——弹性计算也可以支持。
凑齐这一套“赛博牛马”盲盒后，阿里云上的“大迁徙”已经势不可挡。
容器服务负责人易立回忆，智联招聘前两年特别头疼的就是招聘季突然会有大量的毕业生涌入平台，算力需求暴增。为了服务不挂，他们只能按照峰值准备厨师（服务器）。
可一过旺季，很多厨师就闲着了，每天摸鱼，实在浪费。后来他们索性迁徙到了阿里云的容器计算上，每秒用几个厨师就付几个厨师的工资。
这样精细切分，综合成本比之前降低了恐怖的 40%。
同样搬迁上来的还有 OPPO、得物、小红书。。。数不胜数。
相当于阿里云准备了一套极其高效的中央厨房，你们这些大酒楼小饭店只管拉客，菜我给你炒！
看到这儿，估计你产生了另一个疑问：
别人用你几秒钟厨房就付几秒钟的钱，人家倒是没损失了，你阿里云的中央厨房不就承担了闲置的损失吗？
这个问题，恰恰是我最早有意略过的，也是弹性计算的最精彩一块拼图。
一切红利都来自宇宙的基础特性：时间！
小红书的峰值，和 OPPO 的峰值，和智联招聘的峰值，和阿里云上千行百业的峰值会同一分钟到来吗？会同一秒到来吗？会同一毫秒到来吗？
观察的时间颗粒度越小，越不会。
要知道，微观上的厨师根据“CPU 时钟”作息，本就比我们感知的颗粒小很多。
推到极端来说，只要这些客户的峰值不撞进同一个调度时间片之内，哪怕只差几微秒，就不算“同时”！厨师就可以先炒 A 客户的菜，后炒 B 客户的菜。
对“时间红利”运用越深刻，就需要“厨师调度系统”越敏锐：如果你的最小调动能力仅是分钟级，当然就没办法让客户们“秒级复用”你的厨师。
复用有一个前提：所有弹性计算的客户，必须在（逻辑上的）同一套中央厨房里！
而当时的阿里云上，有人已经在用筐（容器），有人还在用虚拟厨房（虚拟机）。
对于杨航来说，任务非常明确：秘书（CIPU）必须升级，所有形式的弹性计算，它全理解，全支持，全安排，才能把客户们容纳在同一个中央厨房里。
这件事儿，就叫“并池”。
但并池又加剧了一个副作用，那就是所有饭馆儿都在一个中央厨房里大锅炒，万一有人食材不干净，污染了其他家的菜品，或者干脆有人恶意下毒怎么办？
易立和沈益斌两支团队合作，把虚拟化上的一些关键隔离能力移植到容器上，虽然我炒的是百家饭，但是相互之间绝对不会渗漏。
同时，杨航团队又升级了 CIPU，让这个秘书经手的数据完全默认加密。
这些技术组合在一起，就做出了“安全容器”。
宜将剩勇追穷寇！搞完这些，技术大牛们蓦然回首，那面“技术独立”的旗帜已经高高飘扬。
他们恍然大悟，原来“独立”从来不是一个时间节点，而是分布在漫长的时光中一串无尽的脚印。
在这面旗帜下，所有的算力第一次团结为一朵云。
这朵云的每一处都是均匀的，没有任何特例，可以称之为“纯粹的算力”。
它就像电，你用电的时候，绝对不会纠结它是水电还是火电，它就是电！你清楚地知道，每一度电，都是完完全全等价的。
而历史告诉我们：电力诞生的那一刻，并非结束，甚至并非结束的开始，而只是开始的结束。
1893 年芝加哥世博会是人类第一次大规模使用交流电照明，西屋电气公司让二十万只灯泡齐明，夜空亮如白昼。
闪回到 2014 年夏天，淘宝低调地上线了一个功能：拍立淘。
从某个角度理解，这个功能对后来阿里云的意义，甚至大于它对淘宝的意义。
拍立淘的功能是通过对图片的理解从商品库里帮你找出对应商品，是一个“找货员”。
那我问你：同样是找货员，“拍立淘”和“搜索引擎”有啥不同？
表面上的感觉是：一个用图搜，一个用字搜。这没错。
深一点儿的认识是：一个用了 AI，一个没用 AI。这就更对了。
但我有一个有趣的角度：他们替代人脑的工作是不同的。
搜索引擎模拟的人脑工作是一个——规则执行；
拍立淘模拟的人脑工作是两个——规则建立+规则执行。
也就是说：拍立淘在搜索前，必须先建立一套规则，用以判断两个图片处于相似“模式”。这就是 AI 的经典能力：模式识别。
这厉害在哪？
阿里云加速计算的产品技术负责人王超一语道破天机：
规则执行，例如大数据，大规模计算一旦停止，价值输出就随之停止。
规则建立，例如大模型，即便大规模计算停止了，它仍能继续喷涌价值。
你上班干的具体工作，手停嘴就停；但你从工作中学习的技能，却受用终生。
拍立淘后，历史陡然加速。
越来越多的业务开始附加 AI 功能，边干边学。
旺盛的需求催生了达摩院老师傅的热情，他们开始训练能建立更深层模式的模型，比如（通义大模型的前身）M6 大模型。
底层的硬件，也从拍立淘的 384 张 V100 计算卡变成了 512 张 A100。
训练大模型的计算强度，如舞会的音乐逐渐推高，烈焰一般炙烤着底层的算力平台。
幸亏，阿里云的师傅们已经把弹性计算炼成了金箍棒，能接住 AI 时代的第一波“泼天富贵”。
2022年，王超他们拜访客户小鹏汽车，无意中听到了他们的“绝密计划”。
阿里云加速计算产品技术负责人 王超
当时，特斯拉已经开始用计算力模拟“人类驾驶员”——把 10000 张计算卡连在一起，端到端地训练自己的“自动驾驶 AI”。
小鹏也看好这个方向，只是自己尝试了半天，很难建起这么庞大又稳定的计算集群。
王超乐了：您说的这玩意儿，洒家恰好能干！你来我阿里云上用如何？
说干就干，王超申请了天价预算，准备启动万卡集群建设。
当时采购同学看到这个单子都慌了：“超哥，你可别冲动啊，一个客户你敢买这么多卡？万一将来没有别的客户续上，可就废了。。。”
但王超心里笃定，AI 浪潮将会席卷，这次不是演习，无数企业很快会来阿里云上训练他们的 AI！
一万张卡可能都买少了。
“弹性计算 AI 版”，就这样摸黑上路了。
这就是——灵骏集群。
后来的故事证明，王超简直神预测。就在小鹏上灵骏之后几个月，ChatGPT 横空出世，大模型的潮水席卷而来，成千上万的团队涌上阿里云来训练他们的 AI。
之前的一万张卡，果然买少了。。。
和泼天富贵一起来的，是凶猛的技术挑战：
随着训练模型的规模扩大到千亿-万亿参数，底层的算力平台又开始颤抖了。
这是为啥呢？
众所周知，AI 训练的核心负载从 CPU 转移到了 GPU，相当于原来的厨师还在，只是炒菜的主要任务交给了一位新厨师。
厨师变化其实问题不大，关键是这群厨师要做的菜完全变了。
打个比方：
过去 CPU 厨师们做菜，有点像婚宴。一个厨师做十个菜，每盘之间没有关系。你炒糊了一盘菜，是不会影响其他菜的。大不了我把这盘重做一下就是了。
现在 GPU 的厨师们做菜，一万个厨师只做一盘菜，任何一个厨师手抖一下，对不起，剩下九千九百九十九个厨师都白干了。。。
可人无完人，每个厨师都有一定概率出问题：
足够多的厨师×足够长的时间=必然出问题
王超回忆，当时被阿里全集团寄予厚望的通义千问大模型刚刚在灵骏上做训练时，在内部论坛直接吐槽：讲个笑话，灵骏集群能稳定运行八小时，哈哈哈哈。。。
可在那个烈火烹油的当口，全世界都在追赶 ChatGPT，老板们天天盯着灵骏团队，让他们搞快些，哪怕多给拨些人也行。
王超气得顶嘴：一个人生孩子要 10 个月，两个人 5 个月就能生出来吗？？
逼到疯癫，他们只好使出了阿里云的传统艺能：人计算。
一群 P8、P9 的老师傅夜里轮流值班，手动救火；白天再把昨天救火的经验总结成GPU巡检、网络优化的代码组件，固定到系统里。
就这样连轴转了三个月，每个 GPU 身背的出错概率终于缓缓下降，系统总体的稳定性稳步爬升。
说到这里，有个普遍误区。
很多人觉得 AI 计算是 GPU 的天下， CPU 在这里打酱油。
其实，GPU 厨师主要负责炒菜，但是炒菜的同时，大量洗菜（数据清洗）、放冰箱（数据存储）之类的任务，还是得交给 CPU 来“帮厨”。
帮厨师傅一点儿不比主厨闲，具体来说，它需要多核心来并行任务，超高主频来思考，还要大内存带宽来保证同时处理大量数据。
找来找去，阿里云找到了 AMD，他们的 EPYC 系列 CPU 就是专门为 AI 计算设计的。
这个 CPU 的技能简单说就是：无论是数据预处理，还是调度任务，都比 GPU 需要得节奏更快。
这样，帮厨师傅永远等着主厨，主厨不用等帮厨，就能全速炒菜了。
用户的脚是投票器：最疯狂的时候，全国一半左右的大模型都在灵骏集群上全速训练，一个个“赛博大脑”自流水线喷涌而出。
可叹十几年前，阿里师傅还在“双11”惊恐地大口呛水；如今，隐天蔽日的“云上厨房”，已成智能的肥沃土壤。
向前追溯，至 1946 年第一台电子计算机 ENIAC，甚至 1642年第一台机械计算机“帕斯卡加法器”，人类在漫长的征程中，用计算一点点替代大脑的规则执行部分；
而今，我们终于模拟出了大脑的规则生成部分，从而凑成了大脑的“完全体”。
脚下，是万年不遇的 AI 奇点。
我们该期待些什么呢？
ENIAC
阿里云创始人王坚曾给出绝佳的开示：如果说云计算是电，那么大模型就是电动机。
实际上，在电发明后，人类仍忍受了漫长的毫无想象力的生活；
而横空出世的电动机，才真正搅动万物，让电动机床、卷扬机、电钻、风扇、洗衣机、冰箱、缝纫机、电车、电梯依次诞生，历史从此澎湃前行。
如此说来，此刻 90% 的人对 AI 的期待都可能是被局限的。
比如，受第一波浪潮 ChatGPT 的影响，很多人天然认为 AI 的形态就该是聊天机器人。
但王超告诉我：AI 真正的想象力，其实根植在具体的行业中。
千行百业都存在领域知识。而这些领域知识，过去都由具体的从业者体会、发现、传承——这个匠人精神成本极高，而且产出不稳定。
而之前说过，AI 的本质功能就是“规则生成”，恰可以在细分的领域里替代那些匠人。
它会进入千行百业，成为比人类更资深的客服、卡车司机、机器精调师、医生、翻译、老师、编辑、裁缝。。。
更深刻的改变也许是——当 AI 脚踩弹性计算，它可以零成本实现“协作模式”的切换。
100年前，福特发明了流水线，让生产效率飞跃；而弹性计算可以让流水线根据需要每时每刻重组。
王超开脑洞举了个例子：
将来也许会出现一种“服装电话亭”，你站在里面，就有 AI 自动操纵扫描仪给你 3D建模，然后帮你设计衣服，做裁剪，最后产出一套成衣让你拿走。
在你看来，自始至终都是在和一个 AI 对话，而它背后，是一套可以随意组合、对接、改造，无远弗届的计算力。
如果这一天真的到来，意味着在最底层，燃烧着万倍、亿倍于今天的弹性计算。如今让阿里云师傅们骄傲的技术，仍然需要N次迭代和升级。
“那时的计算底座会是什么样？”我问。
“我不知道，人的想象力是有限的。就像让你现在想象 iPhone 20，你也许只会想到更好的摄像头，更大的屏幕。但最有可能的是，到那时，原来的思考框架已经被颠覆。”他回答。
王超很喜欢弹性计算同事们常说的话——为了永不停机的计算服务。
永不停机的计算，并不意味着我们的灯永远亮着，而是我能永远满足人类旺盛的计算需求——当世界有需要，我们就在那里。
他说。
做算力基础设施的人，很难站在聚光灯下接受奖杯。他们像是时代大厦的支柱，深埋在泥土中。
正如这些年手机芯片提升了百倍，但电池工程师的苦，似乎无人过问。
做算力基础设施，就像是做电池，每年你都要逼迫自己把性能增加 15-20%。看上去只是日积跬步，没有奇迹时刻，但当你走过十几年回头望，身后就是工程奇迹。
正如爱迪生点亮灯泡的一瞬间，只有他自己知道过去的 1000 次实验意味着怎样的艰难跋涉。
回望来路，一个真理不言而喻：世界从来不是某个截面，而是时光中错综的连线：
2010年，如果没有弹性计算师傅趁黎明出发，用十五年锻造出“大规模计算的组织能力”，如今像灵骏这样的 AI 算力集群就不会成立；
2020年，如果没有全世界 AI 研究者的反复试错，就不会有 ChatGPT 的横空出世；
2025年，如果没有无数行业对大模型的热烈拥抱，未来那个无远弗届的 AI 也只能是赛博传说。
如此，我们并不活在一个确定的当下，我们活在无数可能性组成的根系中。
在任何一个时间截面上，你无法看到根系之间的联系，他们散落在天穹，恰似辽阔的银河。
而梦想家知道：在这条银河中，终将有一颗新星闪耀。
往期推荐：
计算是一场
深刻的模拟
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。
哦对了，如果喜欢文章，请别吝惜你的“在看”或“分享”。让有趣的灵魂有机会相遇，会是一件很美好的事情。
Thx with in Beijing
