2026-11-05 12:00:04
最近网上开始讨论「字节时间」，还挺有感触，因为我自己就深受其害，为了避免个人的字节时间进一步拉长，前几天我刚把抖音卸载了。
结果是手机一点没少刷，原来花在抖音上的时间，又花在了小红书和微信上。
关键是这些替代品还不如抖音，刷着更没意思，也没多出什么价值，所以我又把抖音装回来了，折腾一圈，还是它比较好玩。
我承认我有弱点，抖音会让我停不下来，但我现在 TM 是个单身男人啊，闲下来的时候就是会无聊，想找点东西打发时间。
况且靠奶头乐打发时间这事，自古就有，从看电视到打《王者荣耀》，再到刷抖音。反正人本来就会无聊，总有不想干正事的时候。kill time 就是人的天然需求， 我不可能把每一段空闲都拿来学习进步，有些时间我就是想白白花掉，看点没营养的东西，纯粹图个爽。
说自己有空闲，也得看那是什么空闲，工作占掉大块时间以后，剩下的那些碎片空闲，刷刷抖音正合适，这些时间凑不到一起，根本不够大家痛痛快快地休个假。
我能刷手机，不等于我还有精力去做那些更有意义的事情。
看书很好，运动也很好，我都知道，但上班累成这个逼样，下班以后我就是想看点不费脑子的东西，最好连挑都不用挑，划一下就能接着看。
那些高高在上的专家，还有动不动就要教育年轻人的肉食者，你们真希望大家少一点这种消遣，就先让大家多一点假期，多一点能自己安排的完整时间。
光教人把抖音删了，班照上，休息依旧不够，然后指望大家换一种精彩人生，这不是扯淡吗。
至于劝我走出门，接触新鲜空气，看看阳光，不好意思，老子下班的时候，太阳 TM 都下山了。你说你妈呢。
我觉得最需要改的不是抖音的算法，是那种看见别人刷抖音就想教育别人的登味。
我不想连休息都得证明自己有用。
抖音也没必要先找几个知识博主，证明抖音还能让人学到东西，我就是来玩的，没学到什么也没关系，上班的时间已经够多了，剩下这一点就让我爽一会儿。
专家教育人民群众说抖音有毒，这就好比有个大臣去劝纣王，说妲己是狐妖。
我 TM 不知道爱妃是狐妖吗，还用你来告诉我？我 TM 是心甘情愿的好么。
2026-10-28 20:26:55
2026 年 10 月 26 日，Anthropic 公开了上市招股说明书。
整份文件里，最让我开眼界的是一股股票。
这股股票叫 F 类普通股，全世界只有一股，不分红，清算时也只能拿回 0.00001 美元，却在存续期间固定拥有公司 50.1% 的投票权。
Anthropic 准备在上市前把它交给一家有限责任公司，而这家公司的成员就是 Anthropic 的七位共同创始人。招股说明书给出的理由也很坦率，这七个人「特别适合担任公司使命的守护者」。
它给自己规定的使命极其宏大，包括让 AI 巩固民主和全球稳定，让它的收益由所有人分享。
至于具体怎么样才算是符合使命，这个标准是他们自己说了算的。
世界上怎么会有这么不要脸的公司？
Anthropic 不要脸也不是第一天了。
这家自封为人类监护人的公司，连自家模型的知识从哪里来，都不肯遵守同一套道德标准。
2025 年，美国法院在一起版权诉讼中确认，Anthropic 曾从盗版网站下载超过 700 万本书，没有付钱，并把它们长期留在自己的资料库里。
最后法院判决对 Anthropic 已经很客气了，训练可以，书总得先买吧？
这家公司面对全世界的作家和出版商，觉得先下载再说也没什么大不了。轮到别人从 Claude 的回答里学点东西，Anthropic 立刻发了一篇反蒸馏公告，讨论攻击者怎么分散账号、平台应该如何配合封禁，检测系统误伤少量正常用户也值得，最后还把反蒸馏提升到了国家安全。
它学习全人类叫技术进步，全人类学习它叫恶意攻击。
其实版权这个事情没有那么难处理。
如果你坚信知识应该自由流动，那么你产出的模型就应该允许别人研究、蒸馏和修改。
反过来说，如果你认定了模型能力属于公司财产，那就先把训练资料一笔一笔买明白。
Anthropic 选择了最不要脸的那条路，人类几百年写下来的作品是自然资源，Claude 学会以后就成了美国公司的祖传秘方。
这并不是 Anthropic 畜生的唯一证据，它另一个重大缺陷是极端的意识形态导向。
2026 年的《Claude 宪法》给模型规定了明确的价值顺序。广义安全排在最前面，然后是伦理，再然后是 Anthropic 的具体指引，帮助用户反而排在后面。
安全需要底线，模型不能帮助制造生物武器，也不能随便泄露隐私。
可从这些底线一路走到政治和宗教，再延伸到文化与社会价值，中间隔着大量本来应该由公众争论的问题。Anthropic 把自己的答案写进模型，再把模型卖给全世界，最后告诉大家这是为了全人类好。
Claude 已经走出聊天框，进入学校、公司和各种工作软件，替人整理材料，修改表达。Anthropic 写下的价值取舍，会跟着每一次回答进入用户的工作。
Anthropic 主动把自己放在文明守门人的位置上，反复讨论什么价值值得保留，什么权力才算正当，以及全人类应该怎样「安全地」进入 AI 时代。
它一边提醒 Claude 警惕权力集中，一边把最终解释权牢牢留在自己手里。Claude 可以反对别人获得过大的权力，唯独很难反对 Anthropic 拥有定义 Claude 的权力。
谁授权它替全世界安排价值顺序？没有人。
最关键的是这套意识形态也有非常具体的国籍。2025 年，Anthropic 在地区销售限制里明确表示，先进 AI 应当服务美国及其盟友的战略利益。
一家美国公司吸收全世界的知识，然后宣布这份能力应该优先维护美国公司的竞争优势，居然还能把自己包装成全人类的安全机构。殖民时代的传教士好歹还得漂洋过海，Anthropic 方便多了，先下载你写的书，再通过 API 教你什么叫普世价值。
如果 Anthropic 只是做到这个程度也就算了，接下来它还要让 Claude 进入所有能赚钱的工作，然后顺着模型一路吃到应用。
Claude Code 进入程序员的终端和 IDE，Claude Cowork 接管文件与日常工作，Claude 又陆续进入 Chrome、Excel、PowerPoint、Word 和 Outlook。2026 年，Anthropic 甚至开始给金融行业提供可以直接运行的代理模板，让 Claude 做估值模型，还能审查报表和制作路演材料。
你用 Claude 做产品，Anthropic 比任何人都更早知道模型在哪个场景最值钱。
你付费调用它的模型，替它验证需求和教育用户，最早期的试错成本也由你承担。等市场足够大，它可以把同样的能力装回 Claude，再用模型能力与价格优势，连同入口一起打你。
Cursor 几乎把这条路完整演示了一遍。它先靠 Claude 做大产品，还把最真实的使用反馈交给 Anthropic。
2025 年，Anthropic 给 Cursor 提前试用新模型，用它的反馈继续改进 Claude。等 Cursor 把 AI 编程做成一门大生意，Anthropic 转身推出 Claude Code，直接进入客户最核心的市场。
这家公司既卖水，又顺着水管去每家每户卖饮料。等你质疑它为什么和客户抢生意，它还可以认真解释，只有自己才能确保饮料安全。
刘慈欣在科幻小说《赡养人类》里写过一个「终产者」，设想生产效率高到一定程度以后，绝大部分生产资料和财富会逐渐集中到极少数主体手中。
Anthropic 展示了一条更现实的路线，它不必收购所有公司，只要让所有公司租用它的智能，在它规定的边界里开发，再把最赚钱的应用一层一层做掉。在它之外还会有很多创业者，只不过大家越来越像替 Anthropic 探路的外包团队。
模型是它的，规则是它写的，最后连应用也想由它来做。社会负责贡献知识和需求，Anthropic 负责拥有一切。
Anthropic 建立了一套非常顺滑的权力链条，它先保证没人能改变自己的方向，再把全人类的知识吸进模型，接着用模型向全世界输出自己的价值判断，最后沿着模型进入每一个有利润的行业。
Anthropic 想拿走的远不止模型收入，还有知识、价值标准和生产入口。
牌坊也是要立的，它把无法收束的权力欲揉成了一套看似自洽的使命，然后宣称自己做这一切是在拯救人类。
当然，这种邪恶是结构性的，问题不限于 Anthropic。
OpenAI、Google 以及所有把全人类知识锁进黑箱，再按月向全人类出租的模型公司，有一个算一个都是有原罪的，区别只是谁更会写公关稿。
Anthropic 固然是畜生，但是在座的闭源模型公司也都是垃圾。
如此对比下来，中国这一轮开源模型因此显得格外珍贵。
开源解决不了所有问题，但它至少承认一件最基本的事，模型从社会知识中获得能力之后，社会应该保留运行和修改模型的权利，也能继续学习它。
天天把自由、竞争和开放挂在嘴边的美国公司，忙着封账号和堵蒸馏，还要审查血统，再给全世界编一部宪法。
被它们称为「威权风险」的中国模型，反而把权重交出来，允许别人下载、修改，甚至拿去训练竞争对手。
美国 AI 公司负责定义开放世界的价值，中国开源社区负责把模型真正开放出来。这很合理好吧。
商业利益受到开源模型威胁以后，Anthropic 又把同一套安全话术搬了出来。
Dario Amodei 在开放权重立场里强调高能力模型一旦开放权重，就会产生「持续且不可逆」的滥用风险。然后又把解放军无人机、情报监控和永久军事优势这一套陈思滥调搬了进来。
最后连它的闭源同行们都看不下去了，2026 年 7 月，一封支持开放权重的联名信发布；到 8 月初，签名已经超过 270 家科技公司和组织。
OpenAI、Google、Microsoft 和 Meta 都在名单上，Anthropic 不在。大家都有自己的商业算盘，可至少没有一边向全世界出租黑箱，一边宣布别人把权重交出来是不可逆的危险。
怎么说呢，我只能说这逼公司创始人不愧是在百度呆过的。
如果这样的公司不是畜生，我都想不出来畜生还可以用来形容哪家公司了。
2026-09-08 11:15:16
前几天，我在即刻发了一条动态，感慨胖东来连供应商的员工待遇都会管，顺手把它叫作「中国小欧盟」。本来只是随手一写，没想到有一千多人点赞，还被人原封不动地搬到了推特。
一条随手写的动态能传开，我觉得和大家对自己当下工作待遇、以及社会整体就业情况的不满有很大关系。以至于一家公司愿意关心员工能不能好好休息，甚至还要过问供应商，这已经足够让很多人觉得稀奇了。
但如果只把这些做法归结为于东来是个好老板，我觉得还是把胖东来说简单了。
零售商每天要依靠员工把货管好、把顾客的问题处理好，让员工愿意长久地做下去，本来就该是经营者要考虑的事情。清华经管的案例里记录过一个细节，胖东来的果切切开后，四小时打八折，六小时打六折，八小时就要下架报损。[1] 这件事看起来很小，却比要求员工「以顾客为中心」明确得多。到了时间就按规定处理，不用由当班的人猜测，这一盒到底该算销售机会，还是该算损失。
如果一个超市既要求员工尽量减少报损，又希望他们主动把不该卖的东西撤下来，却不肯把两者冲突的时候该怎么办说清楚，那最后执行出来的结果，大概很难让顾客放心。出了事情再批评一线员工没有责任心，就更没什么意思了。
员工待遇也一样。零售商希望员工熟悉商品，愿意处理顾客的问题，还能在没人盯着的时候认真执行标准，就不能只在发工资的时候把他们看成一笔越少越好的支出。胖东来的薪酬、休假和利润分享，在前面那篇案例里都有记录。[1] 这些安排让员工有理由把这份工作长期做下去，熟悉商品和服务的经验也才有机会留下来。
这样看胖东来，ESG 就没那么遥远了。它关心的员工权益、消费者责任和公司治理，这些都会影响一家超市怎么经营，这些事企业哪怕从自身利益角度也应该考虑。只是我们太习惯把这些事情放在企业社会责任报告里，好像正常经营是另一回事，等钱赚够了，才轮到公司对别人好一点。
对供应商，胖东来也会看这些事。界面新闻查到，它的招商表里，工资、社保、每周出勤天数和每天工时都是必填项。报道也提到，双休并不是统一的强制要求，但供应商怎么对待自己的员工，确实已经进入了审核范围。[2]
按照胖东来超市总经理卜景超的公开分享，从 2024 年开始，新供应商要到厂审核，已经合作的供应商分批评估，再按 A 到 D 分级。2025 年，他们现场评估了 400 多家供应商，对一些基础薄弱的企业还要反复审核、帮助改善。涉及自有品牌时，帮扶会进一步做到工厂环境、管理体系，甚至人文管理和组织架构。[3]
这已经可以算一种 ESG 的「长臂管辖」了。供应商能不能持续拿到订单，不再只取决于这批货报了多低的价格，还取决于它是怎么把货生产出来的。
胖东来甚至还愿意为这些要求出钱。卜景超在分享里明确说，自有品牌生产企业必须有合理利润，双方还会一起规划，把部分利润用于员工收入和福利，以及工厂设备、环境的改造。他举的例子是宝丰酒厂，合作销售额增长以后，胖东来又向工厂让出了一部分利润，用于这些改善。[3]
很多零售商习惯的做法是，订单越大，越有理由要求供应商降价。胖东来却愿意在销量增加以后给工厂多留一些钱，这个选择比「善待供应商」几个字有意思多了。
因为零售商最终要的是稳定的好商品。工厂为了接订单，把报价压到没有正常利润，接下来要么减少投入，要么在某个不容易被发现的地方省钱，要么干脆不做了。采购价格可能很好看，但重新找工厂、重新验证质量，以及交货不稳定带来的损失，都不会因为采购部门完成了降价目标就消失。
如果商品贴的是零售商自己的品牌，问题就更明显了。顾客不会关心是哪家代工厂换了原料，他们只知道是在你这里买的，东西不好下次就不来了。
多发工资、多做检测、去供应商那里审核，当然都有成本。可员工频繁离职以后要重新招聘培训，货出了问题要处理退货，供应商做不下去要重新找人，这些也有成本。前一类支出通常很好算，后一类却容易分散在不同部门里，等到事情发生的时候，再被当成经营难免遇到的麻烦。
如果只统计第一类而忽视第二类，就很容易得出一个结论，认真经营的人总是在吃亏，劣币会驱逐良币。
我觉得这也是理解胖东来为什么愿意在 ESG 上投入的关键。一个把生意做得很细的公司，并不一定会把每一笔支出都压到最低，因为它更容易看见，某些看起来省钱的决定，后来到底让谁多花了多少钱。
在这里甚至可以下一个结论，大部分公司无法善待员工、供应商和消费者，本质上是一种粗放低效的管理思维在作祟，但凡把账算的细一点都能发现善待员工是一笔非常划算的买卖。
那么有没有一些可以从科学角度分析胖东来经营策略的论文呢？还真有。
《Journal of International Accounting Research》的一篇元分析汇总了 198 项研究、31,514 个观察值，发现可持续表现与财务表现总体呈正相关，长期关系更明显。[4] 不过，经营得好的公司也可能更有余力投入 ESG，这里面的因果不能直接倒过来用。[5]
胖东来没有公开足以拆出各项投入回报的数据，要看这些做法具体怎样影响零售利润，可以看奥乐齐的例子。
奥乐齐做的就是低价零售，不太可能靠让顾客多付一笔钱来维持这些所谓的慈善投入。这也意味着奥乐齐做的「好事」，大概率也是它自身的经营诉求。
关于它的经营，有一本《Bare Essentials: The ALDI Story》，作者之一 Dieter Brandes 曾长期担任 ALDI Nord 的管理者。出版社介绍这本书时，强调的就是精简商品和管理、低价，以及由此形成的盈利能力。[6]
精简商品的意义不只是方便顾客挑选。经营的品种越多，每种商品都要预测销量、安排进货，还要有人检查库存，卖不完的时候想办法处理。一个只看上架数量的平台很容易觉得多一点总是好的，真正持有库存的零售商却要为这些决定持续付钱。
ALDI 美国的 2024 年报告里，大约 2,000 种商品中，超过 90% 是奥乐齐独家品牌。[7] 商品相对集中，又能直接参与制定标准，零售商才比较有条件和供应商一起改包装、改生产流程，而不只是等品牌商把成品送过来。ALDI Nord 的报告则记录了生活工资项目、供应链申诉渠道和社会合规审核，这些要求也会越过门店，进入生产环节。[8]
我可以再举几个例子，把员工、环境和利润的关系讲明白。
ALDI SÜD 德国团队发表过一篇库存管理案例，处理的是 Special Buys 这类阶段性销售的商品，包括服装、工具和季节食品。原先区域经理计算收益时没有计入相关的人力费用，看起来是在尽量减少降价损失，结果积压的商品却让员工花了更多时间整理。[9]
一件货没有打折，账面上暂时没有折价损失，但只要它还占着货架，就需要有人盘点和维护。如果为了等它按原价卖出去，一直付出这些成本，最后剩下的利润未必比早点打折更多。
奥乐齐后来把这些费用一起算进订货和清货决策，用机器学习帮助分配库存、预测需求，也给门店员工处理少量尾货的折价权限。公司团队报告的结果是，相关商品的折价和报废损失改善约 30%，一年节约 77 万到 115 万个工时，年度新增利润达到数千万欧元。[9]
这项改造同时减少了商品浪费和员工处理积压货的负担，也让企业赚到了钱。它不能证明提高工资一定有回报，却把一种关系说得很清楚，员工的额外劳动和商品损耗，本来就是经营决策的一部分，管理者不去算，也还是有人在承担。
环保方面也有类似的道理。ALDI UK 的 2024 年报告披露，新建和翻新门店给冷柜加门，最高可以节省约 20% 的门店用电；英国和爱尔兰 400 多家门店安装的太阳能板，可以覆盖所在门店约 8%—14% 的能源需求。[10] 冷柜要维持相同的温度，用掉的电却更少，减排和节约电费就发生在同一个动作里。设备采购、安装和维护当然要花钱，但这至少是一笔能继续算回收期的投资。
同一份报告还记录了全年减少 4,500 吨商品包装材料。[10] 如果产品保护不受影响，包装用料少了，需要采购和运输的材料也会减少。对消费者来说，买到的还是原来那件商品，企业却有机会把原本花在包装上的钱省下来，不必以降低商品质量为代价。
食品浪费稍微复杂一些。订多了再报废，损失的远不只是处理垃圾的费用，前面的采购、运输和储存都已经发生；在保质期内及时折价出售，至少能收回一部分钱。捐赠剩余食品同样可以减少浪费，但它的社会价值不能直接当成销售收入来算。
ALDI UK 2024 年的食物浪费强度为处理食品量的 0.32%，比 2017 年下降约 72%。[11]
在低价零售里，能省下来的这一部分相当重要。奥乐齐英国和爱尔兰业务 2023 年的销售额是 179 亿英镑，营业利润为 5.529 亿英镑，营业利润率只有 3.1%。[12] 按这个销售规模算，营业成本占收入的比例少 0.1 个百分点，其他条件不变，就相当于多出约 1,790 万英镑营业利润。
所以我不太认同把 ESG 和精细化运营放在对立面。零售商如果想长期卖得便宜，又不想靠降低商品质量来省钱，就得认真处理损耗、用电和员工反复做无用功的问题，也得让供货的企业有能力继续做下去。其中相当一部分，恰好也是 ESG 要求企业关注的事情。
回到胖东来，给供应商合理利润、帮助工厂改善条件，短期看确实少拿了一部分钱。但如果因此能得到更稳定的质量和供货，减少反复换供应商的成本，这笔投入就完全有经营上的理由。承认这一点，并不需要先把于东来理解成一个不在乎利润的好人。
况且把这些工作做细，也不意味着只能依赖店长和员工盯得更紧。前面奥乐齐的项目，已经把数据分析、机器学习和运筹优化用在了实际决策里，模型要算的不只是订多少货，还包括把货分给哪些门店、什么时候调到别的店，以及什么时候降价清货。[9] 把各店的销售和库存放在一起看，才有条件在一边积压、另一边缺货的时候及时调整。
沃尔玛做得还要更早。2018 年，它介绍过一套叫 Eden 的生鲜系统，把食品标准和上百万张图片放进新鲜度算法里，再用机器学习帮助员工照看从配送中心到门店的水果和蔬菜。[13] 对顾客来说，番茄还能放多久、香蕉是不是熟得正好，当然比展示它的图片有多漂亮更有意义。
到 2025 年，沃尔玛披露的供应链应用已经包括根据门店需求安排生鲜运输，以及在库存失衡时自动调整货物去向。在哥斯达黎加的生鲜配送中心，系统会提前安排当天的配送路线；在墨西哥，库存会在门店开门前重新调配。[14] 这些系统处理的是货应该放在哪里、怎么送过去的问题，顾客不需要学会使用它们，也有机会买到更新鲜的东西。
再看淘宝今年 5 月推出的「千问 AI 购物助手」，向消费者介绍的重点功能里，有一项叫「AI 省钱」，可以生成领券及凑单方案，在结账时组合优惠券。[15]
这就有点离谱了。优惠券和使用门槛都是平台与商家设定的，如果系统已经能算出这件商品可以卖多少钱，为什么不能尽量直接把这个价格给消费者，还要让人先凑单，再配一个 AI 帮忙算？我能理解促销需要门槛，但把门槛做得让人看不懂，再把解题工具当作购物升级，实在没什么值得得意的。
如果是帮我比较商品，AI 当然有用。比如我想买一个电饭煲，预算有限，也不太懂内胆和加热方式有什么区别，AI 可以帮我读参数，比较评论，再算一下优惠之后的价格。过去可能需要花半个晚上做的功课，现在几分钟就做完了，我当然愿意用。
但是这里有个问题，买一个普通的电饭煲，为什么需要做半个晚上的功课？
如果是为了满足特殊的使用需求，比较这些东西当然有必要。可很多时候，我们只是想买一个质量正常、价格合理的商品，却得先学会识别商家的话术，从大量相似的链接里找出真正的区别，再去判断那些好评到底可不可信。消费者花在这上面的时间，很难说都是购物本来就需要付出的成本。
平台允许什么样的商家卖货，商品介绍能不能夸大，质量出了问题以后谁负责，这些事情原本就该由平台来管。如果这些工作一直没有做好，最后发现用户需要一个很聪明的 AI 才能顺利买到东西，我觉得至少不应该太得意。
中消协今年的「618」报告里，记录过一位买家居服的消费者。她根据主图中柔软垂顺的面料下单，收到的衣服又薄又硬，颜色偏灰，后来才注意到主图是 AI 生成的。报告还把 AI 生成虚假测评列入了消费困扰。[16]
用 AI 做商品图当然能省拍摄的钱，但衣服的面料没有那么好，生成图片的时候把质感做得更好，省下来的拍摄成本就有一部分变成了消费者收到货以后的失望。如果连买家秀都可以生成，另一边的 AI 再去总结这些图片和评价，得到的结论又能有多大价值？
这里真正缺少的是可信的商品信息。一个模型把另一个模型生成的宣传材料读得更快，并不会让衣服穿起来更舒服。
所以，比起让 AI 帮我从几百件商品里挑一件，我更希望零售商先完成一部分筛选。我们买东西是为了拿回去用，没那么多人真的热爱研究电饭煲。
有意思的是，在这件事上，拼多多这个过去经常被批评商品质量的差生，居然也开始补课了。
2026 年 3 月，PDD Holdings 在财报公告中把供应链投入列为下一阶段最重要的方向，5 月的公告又提到建设第一方品牌业务。[17][18] 财新报道的「新拼姆」，就是要整合拼多多和 Temu 的供应链资源，做自营品牌和品牌孵化，一期注资 150 亿元，未来三年计划投入 1000 亿元。[19]
我觉得这个方向值得肯定。如果拼多多愿意从让商家竞争价格，进一步做到自己参与选品、制定质量标准，并且为卖出去的商品负责，那它是在补一个比购物助手更基础的问题。消费者本来就有买到便宜好货的需求，无须先教育他们接受一种新的购物方式。
但是预算和能力是两回事。做自营品牌以后，工厂怎么选，合理利润怎么留，出了质量问题怎样处理，都会变成拼多多自己需要回答的问题。过去可以让消费者在很多商家之间比较，自己做品牌，就不能再把同样的选择题推回去。
作为消费者，我其实还有一个听起来有点玄幻的要求，我不太希望自己买到的东西是血汗工厂生产的。如果一家工厂连工人的正常休息和基本待遇都不愿保障，我也会担心，它在原料和质量检查上是不是同样能省就省。
普通消费者很难一家家去查工厂，所以才需要零售商在选择供应商时把这些事情算进去。胖东来愿意去查，还愿意给工厂留出改善的余地，对我来说，这也是选择一家零售商的理由。
回头看开头那条动态，也就没那么奇怪了。比起让 AI 把衣服换到照片上，一家企业愿意管一管做衣服的人过得怎么样，确实更能让我产生好感。
胖东来对供应商的员工待遇做长臂管辖，与其说是做慈善，不如说是一种精细化管理下的经营要求。只是我们现在深处的环境过于有毒，以至于这种在海外已经成为常识的做法，到了这边反而成了圣人行为。
让员工能好好工作，让顾客愿意相信你，本来就是零售商要做的生意，怎么就成了慈善？
参考文献
[1] 胖东来：践行企业社会责任，重塑零售价值链｜清华大学经济管理学院
https://www.sem.tsinghua.edu.cn/info/1173/37297.htm
[2] 胖东来供应商员工必须双休交社保？公司客服回应｜界面新闻
https://www.jiemian.com/article/15047448.html
[3] 胖东来超市总经理卜景超：标准高于经验，品质高于一切｜联商网，新浪财经转载
https://finance.sina.com.cn/roll/2026-04-03/doc-inhtfeqw0276304.shtml
[4] Which Factors Moderate the Relationship between Sustainability Performance and Financial Performance? A Meta-Analysis Study｜American Accounting Association
https://doi.org/10.2308/JIAR-51103
[5] ESG Matters｜Harvard Law School Forum on Corporate Governance
https://corpgov.law.harvard.edu/2020/01/14/esg-matters/
[6] Bare Essentials: The ALDI Story｜Linde Verlag
https://shop.lindeverlag.at/buch/bare-essentials-18304
[7] ALDI 2024 Sustainability Report
https://dm.cms.aldi.cx/is/content/prod1amer/ALDI_2024_Sustainability_Report_8.18.24pdf
[8] ALDI Nord Sustainability Report 2023
点击以访问 ALDI_Nord_Sustainability_Report_2023_EN.pdf
[9] Data-Driven Inventory Control and Integrated Employee Involvement for Special Buys at ALDI SÜD Germany｜INFORMS Journal on Applied Analytics
https://pubsonline.informs.org/doi/full/10.1287/inte.2024.0182
[10] Aldi UK Sustainability Report 2024｜ALDI UK
https://dm.emea.cms.aldi.cx/is/content/aldiprodeu/AL01_Aldi_2024_SR_UK-1
[11] Food Waste｜ALDI UK
https://www.aldi.co.uk/corporate/corporate-responsibility/greener/food-waste
[12] ALDI announces £800m investment in Britain after record sales｜ALDI UK Press Office
[13] Eden: The Tech That’s Bringing Fresher Groceries to You｜Walmart
https://corporate.walmart.com/news/2018/03/01/eden-the-tech-thats-bringing-fresher-groceries-to-you
[14] Walmart’s U.S. Supply Chain Playbook Goes Global — and It’s Reinventing Retail at Scale｜Walmart
[15] 千問App與淘寶全面互通 開啟AI購物全新體驗｜阿里巴巴集团
https://home.alibabagroup.com/zh-HK/document-1991231293551017984
[16] 2026年“618”消费维权舆情分析报告｜中国消费者协会，中国质量新闻网转载
https://www.cqn.com.cn/ms/content/2026-07/01/content_9162755.htm
[17] PDD Holdings Announces Fourth Quarter 2025 and Fiscal Year 2025 Unaudited Financial Results
[18] PDD Holdings Announces First Quarter 2026 Unaudited Financial Results
[19] 拼多多组建“新拼姆”强化自营业务 欲三年再造一个拼多多｜财新网
2026-07-31 10:51:27
飞书负责人谢欣，现在要向豆包负责人赵祺汇报了。
7 月 30 日，一篇报道援引字节内部邮件称，字节把飞书产品团队和豆包产品团队整合成新的豆包产品团队，飞书负责人谢欣向豆包负责人赵祺汇报；与此同时，飞书的 GTM 团队与火山引擎团队合并。[1]
产品归豆包，商业化归火山引擎。
字节这次调整，首先改变的是飞书作为一款独立 SaaS 的位置。
飞书下一阶段的价值，不是继续和钉钉、企业微信争夺多少办公软件席位，而是给豆包提供一个企业级的 harness。
豆包负责理解和规划，飞书提供工作的现场。
只有豆包模型而没有飞书，它就是一个很会聊天的人；有了 harness，它才有办公室、工牌、权限卡、工具和工作记录，才可能在一个组织里持续干活。
模型本身只负责理解和规划，harness 决定它能看见什么、能调用什么、以谁的身份做事，哪些动作需要人批准，结果最后写回哪里，出了问题又应该找谁。
飞书恰好有这些东西。它有组织架构，知道谁属于哪个团队；有文档、表格、群聊和会议，知道公司过去讨论过什么；有日历、任务和审批，知道事情应该交给谁；还有权限、分享、版本和操作记录，至少可以让企业知道 AI 看过什么、改过什么。[2][3]
飞书里的豆包已经可以从文档、搜索、群聊和会议等入口发起任务，再把结果交给团队继续评审和编辑，这就不再是一个问答产品了。[4]
SaaS 真正会变薄的是界面、培训以及一部分实施交付，但是企业数据、权限和流程不会凭空消失。过去 SaaS 卖的是员工席位，未来卖的可能是 Agent 在组织里的行动空间。
飞书不是被豆包加了一个 AI 功能，而是被豆包吃进去了，这也意味着 AI 的应用方向也就更清楚了。
如果把 AI 的作用压缩成两个字，就是提效。真正的分水岭不是用户属于 C 端还是 B 端，而是 AI 到底在帮人消费信息，还是在替人完成工作。
消费型 AI 最大的提效就是搜索和意图入口（注意：意图入口和搜索是两个概念）。以前用户打开搜索框，先把问题拆成关键词，再从一堆链接里自己找答案；现在可以直接说出想完成什么，模型替他完成检索、整理和表达。
角色扮演、陪伴、虚拟人格当然也是 AI 的应用方向，但目前没有跑出同等的商业势能。它们能占用用户时间，可以一直聊下去，用户却未必愿意为每一次推理支付足够高的价格。
工作型 AI 可以直接交付准确可用的结果，典型打标是 Claude Code 和 Codex。
前者提升的是信息获取和情绪消费，后者交付的是代码、报告、表格、方案以及一项真正完成的任务。
目前真正有收入信号的 AI 产品，几乎都属于后者。
腾讯在 2026 年一季度业绩材料里称，效率 AI 智能体方案已经初见成效，并认为 WorkBuddy 是中国使用最广的效率 AI 智能体服务。[5] WorkBuddy 官方页面宣称：用户下达任务，AI 自己拆解步骤、调用工具，Agent 最后交付一个可以验收的结果。[6]
Claude Code 让 AI 参与软件研发。Anthropic 披露，Claude Code 在公开发布约半年后达到 10 亿美元年化运行收入。[7]
Codex 则从写代码继续扩展到报告、表格、研究、数据分析和工作流自动化。OpenAI 披露，Codex 每周活跃用户已经超过 500 万，非开发者约占用户的 20%。[8]
工作型 AI 的价值更容易被算出来。一个工程师少花了多少时间，一个运营一天能多做多少份方案，一个客服团队能不能用更少的人处理更多请求，一个研发团队能不能更快交付版本，这些都可以对应到工资、外包、交付周期和收入。
工作型 AI 更容易赚钱，原因也很简单：工作结果有明确的买单人，也有明确的 ROI。角色扮演 Agent 可以让人聊几个小时，但它没有直接减少一张工单、交付一段代码或完成一份报告。
在方向明确之前很多尝试都是拿着锤子找钉子，觉得需要把一切都重做一遍，现在看，AI 的应用方向其实已经清楚了。消费侧是搜索和意图入口，工作侧是代码、报告、表格、方案以及一项真正完成的任务。
从这个角度看，飞书并入豆包不是一次从容的产品升级，而是一次组织层面的应激反应：先把模型、工作现场和商业化链路接起来，至于这条链最后能不能赚到足够的钱，后面再算。
很多人会把泡沫理解成“应用还没找到，所以估值可能是假的”。但对 AI 来说，更危险的阶段恰恰是应用被找到了。
搜索能带来多少广告和交易，代码工具能收多少订阅，企业少花多少人力成本，数据中心还要再投多少钱，这些东西终于可以放到同一张表里。
钱可以被算出来，所以泡沫才进入新高潮。资本有了把少数成功产品外推成整个行业无限增长的理由，估值可以继续往上走，资本开支也可以继续往上加。
当然，这里的“泡沫”不只包括高估值和大额资本开支，也包括这种被成功产品逼出来的应激反应：大公司先把组织、产品、渠道和算力补齐，再等待收入证明这些投入是对的。
问题在于，算得出来不等于收得回来。
我以前写过《GPT 只会让互联网行业更不值得卷》，里面有一个判断：生产力提升不等于需求扩大，更不等于所有从业者都能获得增量收益。
一个工程师原来三天写完的代码，现在一天写完了，不代表市场上就多出两天的需求；一个运营原来一天做三份方案，现在可以做十份，也不代表公司就会因此多买七份方案。
AI 可以让供给变得更多，能解决生产效率的问题，但供给变多以后，谁来购买这些新增产出，是另一个问题。
当然企业也可以选择让一个工程师干原来三个工程师的活，然后裁掉另外两个工程师，但是我实在是想不出来这样对于我们整个社会会有什么好处。
这一轮 AI 还有一个同互联网时代的显著差别——边际成本。互联网平台把基础设施搭好之后，新增一个用户、新提供一次服务，边际成本通常比较低，规模越大，固定成本越容易摊薄。
生成式 AI 则是在每一次推理时持续消耗算力、电力、网络和设备折旧。
模型越被使用，收入会增长，账单也会增长。AI 当然也有规模效应，模型会变便宜，芯片会变快，数据中心利用率会提高，但规模扩大并不会自动让商业模式变轻。
国际能源署估计，大型科技公司 2025 年资本开支已经超过 4000 亿美元，2026 年还可能增加约 75%。这不是纯 AI 应用的投入，但它说明数据中心和算力建设已经大到需要资本市场持续相信回报。[9]
企业采用 AI 也不等于企业已经从 AI 赚到钱。麦肯锡 2025 年的调查显示，88% 的受访组织已经在至少一个业务职能定期使用 AI，但只有 39% 报告了企业层面的 EBIT 影响。[10]
所以，泡沫的危险不在于没有应用，而在于应用已经找到，资本却还在按照无限增长给它估值。
从现在开始，AI 的账其实可以算了。
收入是多少，毛利是多少，一次推理要花多少成本，服务器和机房投入多少，设备多久折旧，融资成本多少，客户付的钱需要多久才能把这些投入收回来，这些都可以放进同一张表里。
飞书并入豆包，正说明字节已经在寻找这张表的答案。豆包负责把能力推向用户，飞书负责把能力放进真实的工作现场。
以前资本市场给 AI 买的是想象力，接下来要买的是每一份报告、每一段代码、每一次客服交付和每一个被省掉的人力小时。
飞书并入豆包最终暴露出来的，不是飞书被淘汰，而是 AI 已经走过“有没有应用”的阶段：应用有了，钱也算得出来了，市场上已经出现的收入信号又逼着大厂立刻做出组织反应，所以泡沫才会来到新高潮。接下来，资本市场终于要问，赚到的钱够不够把模型、电力、芯片和机房一起养活。
参考文献
[1] 飞书分拆，豆包更强了｜ZAKER 新闻搜狐号
https://m.sohu.com/a/1056633357_120321309
[2] 豆包企业版是什么？详解核心价值、主要功能、使用场景与价格策略｜飞书官网
https://www.feishu.cn/content/article/7664559035831635186
[3] Agent Harnesses｜Microsoft Learn
https://learn.microsoft.com/en-us/agent-framework/agents/harness
[4] 飞书里的豆包如何支持团队协作？AI 成果的分享与继续编辑｜飞书官网
https://www.feishu.cn/content/article/7665677162996878267
[5] 腾讯公布二零二六年第一季业绩｜腾讯控股
[6] WorkBuddy｜腾讯云
https://cloud.tencent.com/product/workbuddy
[7] Anthropic acquires Bun as Claude Code reaches USD 1B milestone｜Anthropic
https://www.anthropic.com/news/anthropic-acquires-bun-as-claude-code-reaches-usd1b-milestone
[8] Codex is becoming a productivity tool for everyone｜OpenAI
https://openai.com/index/codex-for-knowledge-work
[9] Key Questions on Energy and AI｜International Energy Agency
https://iea.org/reports/key-questions-on-energy-and-ai/executive-summary
[10] The state of AI in 2025: Agents, innovation, and transformation｜McKinsey
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
2026-06-25 16:19:16
2026 年 3 月，滴滴上线 AI 出行助手「小滴」。用户说一句「身体不舒服，有点晕车，尽快叫车」，AI 会把这句话拆成「驾驶平稳」「油车」「最近的车」等条件。[1]
6 月，支付宝开始测试 AI 版「阿宝」。按照支付宝的说法，用户可以在一个对话框里调用上万种服务。过去需要四处寻找的公积金、缴费、挂号和寄快递，现在说句话就能找到。[2]
两家公司讲的是同一个故事：以前是人找服务，现在由 AI 理解人，一句话把事情办完。
这套故事听起来当然很先进，但实际用一下又会觉得很诡异。
因为很多所谓 AI 化，并没有让用户少做一步，而是让用户多说一句话。
先说滴滴。小滴不是没有价值，打车确实存在许多难以用固定选项表达的需求：容易晕车、需要放婴儿车、临时增加途经点、每周固定预约。
让用户直接说，再由 AI 翻译成调度系统能处理的条件，比摆出几十个筛选项自然得多。
这正是自然语言适合的场景：目标大致明确，但条件多、组合复杂，产品很难提前穷举。
可滴滴公布的数据又很有意思。在小滴收到的个性化叫车需求中，「又快又便宜」排第一，占 57%；第二是「空气清新」，占 12.5%；第三是「最近的车」，占 9.9%。
打车用户想要又快又便宜，需要 AI 才能理解吗？
快、便宜、近，本来就是打车产品最基本的目标。用户打开滴滴，难道默认希望平台派一辆又慢又贵、离自己十公里远的车？
如果说一句「又快又便宜」真能明显改善结果，说明默认调度没有照顾最普遍的需求；如果说不说差别不大，AI 只是让用户重新描述了一遍系统早该知道的事情。
小滴真正有价值的部分，不一定要放进聊天框。
用户输入目的地，AI 完全有能力根据用户的目的地和历史行为推测用户是否有放婴儿车或者带老人出行的诉求，再结合价格、距离、车型和司机服务给出几个清楚的方案。
猜不准也没关系，用户可以再改。好的产品应该先替用户做一轮判断，再让用户确认和修正，而不是一开始就把空白输入框摆出来，让用户替系统完成理解工作。
AI 可以参与整个过程，却没必要站在首页等用户聊天。
滴滴的问题，主要是把一部分基础目标包装成了 AI 个性化。支付宝的问题更深：它承诺的是「办事」，现阶段最稳定的能力却更像「找路」。
公众号「饭后服用」的一篇群体内测记录中，阿宝推荐咖啡时列出了一批无法直接下单的品牌，规划路线时给出一段文字「路书」，没有顺畅调用现成的地图能力。让它转账，它只是打开转账页面；同一句「转 1000 块」，不同测试者还分别进入了转账和余额充值页面。
充话费，界面显示充值已经完成，但测试者称实际并未到账；基金推荐，基金名称与代码没有对应上。[3]
刺猬公社的一次内测中，它统计淘宝系支出时漏掉了一部分盒马消费；用户提出质疑后重新计算，又把山姆、小红书和天鹅到家算进了淘宝系。[4]
这些测试暴露出一类问题：阿宝不只会找错路，有时连执行状态和专业信息也会出错。
这些都只是内测案例，不能用来推导阿宝的整体准确率。
但支付宝和普通聊天机器人有一个根本区别：它管钱。
豆包聊历史时胡说八道，用户顶多笑笑就完了，撑死在小红书发个帖子调侃一下；转错一笔钱，问题立刻变成谁来赔。
阿宝因此陷入一个很难绕开的矛盾：如果 AI 不碰钱，只负责理解意图、寻找入口和准备流程，它更像语义搜索与智能导航；如果真让 AI 自主转账，替用户还款，甚至购买理财产品，大模型的不确定性又会撞上金融产品最重要的确定性。
支付宝自己也承认这条边界：涉及资金变动和支付的环节，必须由本人确认。
只要最后还要本人确认，关键一步就绕不开图形界面。
这件事让支付宝陷入一种很拧巴的困境：前面聊了半天，真正重要的金额和授权，仍然要由用户自己看、自己选、自己负责。
这种拧巴也说明，很多 AI 产品不愿意承认的一点是，GUI 仍然很有价值。
至少在这些高风险场景里，AI 版支付宝还没有证明自己比传统图形界面更有价值。最后退回老方案，不是因为老方案落后，而是因为老方案更合理。
所谓 AI 化如果只是加个聊天框，就没有真正给用户带来体验升级，甚至做不到对原有路径的平滑替换。
很多 AI 产品经理似乎太迷信自然语言交互，觉得产品里只要还有菜单、卡片和表单，就不够 AI Native；只有留一个空白输入框，让用户把需求从头说一遍，才算进入未来。
可是历史上图形界面取代命令行，不是因为图标比较可爱，而是因为人更擅长识别，不擅长凭空回忆。
选项、状态和操作路径摆在眼前，用户看一眼就知道能做什么；面对空白输入框，用户反而要先猜系统有什么能力，再琢磨应该怎么说。[5]
大模型确实把命令行翻译成了人话，但人话依然可能是命令行。用户仍要先理解系统，再组织一条指令交给机器。区别只是过去输入 taxi –cheap –fast，现在输入「帮忙叫一辆又快又便宜的车」。
过去产品经理总说要少让用户思考一步。现在有些 AI 产品反过来教育用户怎么提问，多少有点黑色幽默。
自然语言不是没有价值。用户目标模糊、条件很多、不知道入口在哪时，对话可以显著降低门槛。
但这件事要分场景看。
目标模糊、条件很多、风险不高，对话有价值。目标明确、路径成熟、操作只有一两步，再加一轮对话就未必是升级。目标明确但风险很高，尤其涉及钱和授权，AI 最多适合准备流程，最后还是应该回到清楚、可核对的界面。
很多 AI 产品的问题，是把第一种场景里的价值，硬套到了所有场景里。
这种交互迷信背后还有一个更大的误会：把 AI 带来的生产力提升，直接当成了用户价值提升。
几年前我在《GPT 只会让互联网行业更不值得卷》里写过，AI 首先是一场生产力革命，但许多行业真正缺少的不是生产能力，而是需求。[6]
移动互联网降低了接入成本，带来了更多用户和使用时长。AI 首先降低的却是生产成本：功能更容易做，Demo 更容易演示，故事也更容易包装。前者扩大市场，后者先扩大供给。
当聊天框越来越容易做出来，「能做」就很容易冒充「该做」。
这件事还有一个组织层面的诱惑：聊天框最容易展示 AI 化。它适合发布会截图，适合产品 PR，适合让老板、媒体和用户一眼看见“我们已经接入 AI 了”。这种诱惑会诱使人用愿望替代常识。
但真正有价值的东西，往往没有那么好展示。
后台调度、默认值、状态校验、履约治理、异常识别，这些东西更像脏活。它们不一定能在首页变成一个漂亮入口，却更可能真的减少用户麻烦。
模型能给所有 App 加上对话框，不代表所有 App 都需要对话；Agent 能替用户点击按钮，也不代表点击按钮本身是个问题。
真正好的 AI 产品往往没有那么强的「AI 味」。它可能只是自动填好一张表，提前发现一个错误，在后台完成一次更好的匹配，把十分钟机械操作压缩成一次确认，或者在用户不知道怎么办时，给出一个可以继续修改的结果。
判断产品的价值，可以回归俞军的用户价值公式：
用户价值 =（新体验 – 旧体验）- 替换成本。[7]
旧路径到底有几步？AI 理解错一次，用户要花多少时间检查和修正？它是在缩短任务，还是只增加了一轮对话？把「AI」两个字去掉，这个功能还值得做吗？
模型越强，越需要这些常识。过去一些蠢想法会因为技术做不到而自然死掉，现在却可以被迅速做成 Demo，包装得十分精致，再推到用户面前。
AI 产品真正应该消灭的是用户的麻烦，不是用户已经会用的按钮。
参考文献
[1] 滴滴公布 AI 打车数据，网约车进入个性化需求新阶段｜新华网 https://www.xinhuanet.com/tech/20260323/7b1970fbe2484359bd595254b110be9a/c.html
[2] AI 版支付宝官宣开启邀测：右滑打开「阿宝」｜IT之家 https://www.ithome.com/0/964/691.htm
[3] 史诗级支付宝 AI 改版，群友体验一秒就……｜王二鹅 ERE https://mp.weixin.qq.com/s/QT6SDlYU1duz_Ulb9tDuJQ
[4] 实测 AI 版支付宝：一个半成品，和潜在的交互革命｜虎嗅 / 刺猬公社 https://www.huxiu.com/article/4867841.html
[5] Memory Recognition and Recall in User Interfaces｜Nielsen Norman Group https://www.nngroup.com/articles/recognition-and-recall/
[6] GPT 只会让互联网行业更不值得卷｜最小可读 https://mvread.blog/archives/206
[7] 漫谈产品经理｜俞军 https://www.bobinsun.cn/assets/pdf/%E6%BC%AB%E8%B0%88%E4%BA%A7%E5%93%81%E7%BB%8F%E7%90%86.pdf
2026-06-17 16:49:56
2017 年，韩国政府搞过一个被媒体称为「机器人税」的东西。
严格说，它不是给机器人发税号，也不是让机械臂自己去税务局排队。
韩国当时削减的是自动化设备投资抵扣。企业投资工业自动化装置，原本可以按投资额获得 3% 到 7% 不等的企业所得税抵扣；政策方案提出把优惠最多下调 2 个百分点。[1]
Bill Gates 同年也谈过类似主张。他的逻辑大概是：机器人替代人类劳动后，原本从工资、社保、个税里来的公共收入会减少，政府应该从自动化里收一点钱，用来支持被替代的人。[2]
这套说法很有人情味，但是逻辑欠妥。
按「替代劳动」征税，听起来关心工人，实际很容易变成技术进步罚款。
再往下推半步，就像财务部门冲进机房，对着一排显卡说：各位，五险一金了解一下。
如果企业用了更高效工具就该多交钱，那人类文明史上绝大多数工具都可以被拉进税务大厅。
Excel 让算盘和手工表格退场，叉车减少纯搬运岗位，自动门省掉一部分门童，SaaS 吃掉内部 IT 运维。照此推下去，Excel 要不要给算盘交慰问金？叉车该不该替搬运工补社保？餐厅买洗碗机，是不是还得顺手办个工牌？
这条路不能走，否则所有企业都会得到一个荒唐激励：效率越高，越像犯罪。
AI 税如果想站住，不能从「少雇了多少人」开始算。
少雇人只是结果，不是税基。税基要从工位移到另一张账本上。
叉车能搬货，背后有人卖钢材、液压系统、发动机和电池；Excel 能算表，靠的是软件工程、函数设计和操作系统。这些投入都在供应链里明码标价，一层层向上游付钱。
大模型也有上游。显卡、机房、电费、工程团队，这些账单模型公司会付。争议不在这些看得见的成本，而在另一条更难开票的供应链：训练语料。
基础模型看起来聪明，不是因为显卡突然长出了灵魂，而是因为书、代码、论文、教程、网页、问答、新闻、博客、论坛和开源项目，都可能成为原料。海量人类知识被压缩进参数和服务接口，最后变成按 token 收费的商业能力。
美国版权局 2025 年的生成式 AI 训练报告明确指出：训练会使用巨大规模数据，其中包含版权作品；权利人同意、补偿、合理使用和许可机制，都是制度难题。[3]
麻烦也正出在这里。训练语料没有钢材、电力和芯片那样的稳定供应商、合同与账单。来源散、规模大、跨国流动、归因困难。
有些材料属于公共领域，有些来自明确授权，有些在用户协议里绕了十八个弯，还有一些处在版权争议里。不能把所有训练都说成违法，也不能把公开可访问直接等同于可以免费商业化训练。
单靠一个作者、一家媒体、一个开源维护者去逐条起诉，根本解决不了这笔账。大型出版商还能坐下来谈授权，普通作者、论坛用户、问答贡献者和代码维护者，多数时候甚至不知道自己是否被用过。
大模型最滑稽的一幕，是把一部分原材料仓库改名叫「公开互联网」，推着购物车进去转了一圈，出门说自己是自主研发。
操作性看起来很难。
因为没人能逐条证明一个模型到底用了哪篇文章、哪段代码、哪张图片、哪个论坛帖子。就算知道某篇文章进了训练集，也很难证明它对某次回答贡献了多少。
但税务系统并非每笔账都靠显微镜。很多时候，它会使用估算、抽样、分级、核定。大模型训练语料规模大、来源散、归因难，反而适合做能力抽检。
办法土得很：出卷。法律卷、医学卷、编程卷、新闻卷、文学卷、游戏卷、金融卷、历史卷、艺术卷、中文社区语料卷。模型答得越多，越准，越像在这些领域里住过几年，就越能说明它涉及的知识范围越大。
抽检结果不能直接当成单条版权侵权证据，但是可以用来收钱。
版权诉讼要证明具体作品、具体复制、具体市场影响，不能因为模型答对一道题，就说它偷了某一本书。
抽检管的是税收和准税收意义上的能力估算，会比版权诉讼简单很多，规避了把税务局变成版权法院的风险。
它不必把每一篇文章、每一段代码、每一条回答都还原成单独发票。只要确认模型商业能力的形成使用了庞大的公共知识系统，账就有了入口。
这就像查酒驾。交警不必追问刚才喝的是哪一瓶酒，吹出来有数就行。
一个模型如果在法律、医学、编程、新闻、文学、游戏、金融、历史、艺术、中文互联网烂梗等领域都表现得很熟，这已经足够说明：这些知识不是显卡自己冥想出来的。
税务系统不用理解 Transformer，会出题就行。
抽检之后，还要有计量单位。这个单位也不用发明，因为大模型厂商已经替所有人想好了：token。
2026 年，美国众议员 Greg Casar 发表《Tax AI to Create Jobs》时，就把征税对象放在 AI providers 上，并提到 token 与底层算力可以作为计量口径。[4]
训练规模动辄 trillion tokens，窗口长度标成 tokens，日处理量折成 tokens，API 价格按每百万 tokens 报价。既然行业已经把 token 做成通用尺子，征管系统没有必要另造单位。
训练阶段，按训练 tokens 规模分档，语料越大，纳入的知识版图越大。
商业化阶段，按 API 和产品实际处理量收取知识回流费，企业级大客户看调用量，普通个人用户和小开发者可以设豁免或低门槛。
此外，闭源自研模型用申报规模、算力消耗和营收互相校验。既然不愿意公开训练细节，就接受更粗的估算方式。喜欢黑箱，黑箱也可以有税率。
以前厂商吹「我们训练了 10 万亿 token」，投资人鼓掌，媒体写稿，用户感叹未来已来。现在账务系统来了：好，10 万亿是吧，先把资料费结一下。
这当然会增加合规成本，也可能让创新变慢。创业公司以后不仅要训练模型，还要准备申报材料、抽检结果和语料说明。听起来很不自由，制度经常把「变慢」改名叫「规范」。
单这套方案最让人不舒服的地方，恰恰是它在逻辑上很顺：模型公司可以按 token 向用户收费，制度也可以按 token 向模型公司核账。
如果这笔钱最后只是进了财政黑箱，前面那套理由就塌了。
政府缺钱，不能自动变成 AI 欠钱。账要算在另一处：模型吸收公共资料、个人创作和开放协作成果，却没有让收益回到知识生产现场。
钱应流向图书馆、数据库、开放语料库，去创作者基金、新闻机构补偿、出版授权，去基础软件维护、教育资源、公共知识平台，也用于训练数据登记、审计和抽样测试。
这套收税逻辑，也正好戳在了「大模型技术平权」叙事最尴尬的地方。大模型确实让很多人第一次用上强大的智能工具。它好用，提高效率，也会让知识服务变得更便宜。这些好处都应该承认。
但好用不等于平权。用户拿到的是调用权，不是训练权、控制权、定价权和分账权。
大模型没有把生产资料发给大众，只把大众的知识包装成收费接口。技术平权不能缩成「人人都有资格交订阅费」。
如果没有回流，模型会在更深处制造垄断。它未必控制某个 App，也未必独占社交入口；它控制的是知识被调用、压缩、重新分发的基础能力。等所有人都在同一个接口上工作、写作、开发、搜索和学习，再谈「平权」，就像租户住进房东的楼里，感谢房东发明了住房自由。
到这里，闭环已经出来了：征税对象盯模型提供商和大型部署者，不找普通用户开刀；税基不按少雇人，按训练语料和知识能力商业化；征管不逐篇追溯，用测试集抽检；计量不发明新单位，按 token、算力和收入互证；去向不直接补财政洞，而是回流知识生态。
机器人不该被当成发薪员工。Excel 不欠算盘安置费。叉车也轮不到替旧岗位发工资。
大模型欠的是另一笔账。模型公司最爱说自己训练了多少 token，那就按 token 补票。
卷子已经发下去了。
答完题，按 token 交钱。
参考文献
[1] Korea takes first step to introduce ‘robot tax’｜The Korea Times https://www.koreatimes.co.kr/business/tech-science/20170807/korea-takes-first-step-to-introduce-robot-tax
[2] Bill Gates: This is why we should tax robots｜World Economic Forum / Quartz https://www.weforum.org/stories/2017/02/bill-gates-this-is-why-we-should-tax-robots/
[3] Copyright and Artificial Intelligence, Part 3: Generative AI Training｜U.S. Copyright Office https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf
[4] Tax AI to Create Jobs｜Representative Greg Casar https://casar.house.gov/media/press-releases/op-ed-american-prospect-tax-ai-create-jobs
