技术拆解（十三）：从GPT到智能体，人工智能的八年狂飙
目录
序章：那台不敢被完整公开的机器
2019年2月14日，旧金山。
情人节的互联网到处是鲜花、巧克力和廉价的浪漫句子。OpenAI却在这一天发布了一篇不太浪漫的公告。
他们训练出了一台写作机器。
给它一句话，它可以接着写下去；给它一则新闻的开头，它能补出人物、地点、引语和结尾；给它一个问题，它有时会像真的知道答案一样侃侃而谈。这个模型叫GPT-2，拥有15亿个参数。以今天的眼光看，它小得几乎可以被塞进一台个人电脑；但在那个春天，创造它的人做出了一个引发争议的决定：
暂不公开完整模型。
OpenAI担心它被用于批量制造虚假新闻、冒充他人、发送钓鱼邮件。于是，他们先放出一个较小版本，随后在九个月里逐步开放，观察社会究竟会拿它做什么。
很多人并不买账。
有人认为危险被夸大了：GPT-2写出的文章看似流畅，读久了却会迷路；有人怀疑这只是一场精心设计的宣传，把一个尚不成熟的模型包装成不能轻易示人的武器；也有人第一次认真提出一个此前略显遥远的问题：如果一台机器真的可以无限、廉价而逼真地生产语言，传统的公开方式还适用吗？
争论比模型本身传播得更远。
这是人工智能历史上一个微妙的时刻。过去，研究者担心机器不够聪明：识别率太低、训练不稳定、算力不够用。GPT-2之后，他们第一次因为另一种可能而迟疑：
机器也许会变得太会说话。
可当时几乎没有人想到，这还只是最轻的一层担忧。
七年后，语言模型不再只躲在网页里续写句子。它们开始识别图像，生成电影，听懂人的语气，操作浏览器，修改代码，控制机械手臂。为了替人完成任务，它们被允许进入文件夹、代码仓库、电子邮件和公司内网。
2019年，人们担心机器会把什么写出来。
2026年，人们开始担心机器把什么带走。
故事的起点，却朴素得难以置信。
在一个句子后面，猜出下一个词。
第一章：一场关于下一个词的豪赌（2018—2020）
一、四个人和一条旧思路
2018年6月，OpenAI的Alec Radford、Karthik Narasimhan、Tim Salimans和Ilya Sutskever发表了一篇论文。
标题很克制：《通过生成式预训练改进语言理解》。
没有“通用智能”，没有“涌现”，甚至没有后来那个家喻户晓的名字。论文讨论的是自然语言处理领域一个实际而乏味的困境。
当时，人们训练机器处理语言，通常要为每一道题准备一套专门教材。判断两句话是否矛盾，要收集蕴含数据；分析评论情绪，要重新标注正面和负面样本；回答问题，又要换一批问答数据。模型像一个不断参加短期培训的员工，每换一个岗位，就得重新上课。
Radford等人把顺序倒了过来。
先不要告诉机器具体要做什么。让它读大量没有人工标签的文字，反复完成一件事：根据前文预测后文。等它从语言中学到语法、语义和常识的影子，再用少量数据教它完成具体任务。
这个模型后来被称为GPT-1。
其中的“P”代表预训练。它意味着机器不再从一道题出发，而是先从世界留下的文字投影出发。
参与论文的Sutskever，六年前曾和Alex Krizhevsky、Geoffrey Hinton一起让AlexNet在两块显卡上学会识别图像。那一次，他们证明神经网络可以从像素中自己寻找特征；这一次，他参与的团队试图证明，机器也可以从句子中自己寻找任务。
GPT-1只有1.17亿个参数。它并没有让普通人感到震动，却改变了研究者看待训练的方式。
过去，人类先规定能力，再收集数据。
现在，人类先让模型读世界，再看看能力会从哪里冒出来。
二、模型被放大以后
一年后，GPT-2把这条路向前推了一大步。
训练方法没有发生戏剧性的变化。机器仍然只是在预测下一个词。但当模型扩大十倍以上，训练材料增加到数百万个网页，行为开始改变。
它可以从几个例子中猜出正在进行的是翻译、摘要还是问答；可以模仿新闻、小说和产品评论的口吻；可以在没有专门训练的情况下，临时适应一个陌生任务。
没有人把这些技能逐项写进程序。
它们像是从规模中浮了出来。
这正是GPT-2暂缓公开真正令人不安的地方。OpenAI犹豫的不是一套精心编码的假新闻工具，而是一台只接受了“猜下去”训练的机器，竟然自己摸到了写新闻、做翻译和回答问题的门口。
如果把它再放大一百倍，会发生什么？
2020年1月，一组OpenAI研究者把答案画成了曲线。他们训练不同大小的语言模型，改变数据量和计算量，然后观察误差如何下降。结果相当平滑：在他们测试的范围内，模型越大、数据越多、计算越充足，表现就越好。
这组后来被称为Scaling Laws的曲线，没有发明新的神经网络，却改变了整个行业下注的方式。
过去，一个实验室最宝贵的是好想法。几名研究者、一块白板和一次灵光乍现，也许就能推翻旧方法。
现在，前沿模型还需要另一套东西：GPU集群、数据管线、分布式训练、长期资本，以及敢于在结果出现前烧掉巨额预算的人。
人工智能仍是一门科学。
但从这一刻起，它也越来越像重工业。
OpenAI自身也在变化。
它成立时是一家非营利研究机构，希望让人工智能成果惠及所有人。可训练更大的模型意味着不断增长的账单。2019年，OpenAI设立“利润上限”公司；同年夏天，微软宣布投入10亿美元，与它共同建设Azure上的AI超级计算系统。
这并不是一笔普通融资。
云计算公司提供芯片、机房和工程基础设施，模型实验室提供算法与人才。两者结合以后，一篇论文背后不再只是几个研究者，而是一座需要稳定供电、散热、网络和资本承诺的计算工厂。
规模曲线因此也像一份商业预言。
只要曲线还在下降，就有人愿意买更多芯片、盖更多数据中心、为下一次训练继续下注。研究问题与资本问题开始缠在一起：模型能否继续变强，决定预算是否值得；预算能否继续增长，又决定谁有资格验证下一段曲线。
从此，前沿智能不再只属于最聪明的想法。
它也属于能够承担最昂贵实验的组织。
三、1750亿
2020年5月，GPT-3出现。
1750亿个参数。
论文有31位作者，标题叫《语言模型是少样本学习者》。研究者不再为每个任务重新训练模型，只在输入框里给它几个例子：这是翻译，那是摘要；这是正面评论，那是负面评论。GPT-3会从上下文里猜出规则，然后继续完成下一题。
参数没有改变，任务却在文字中临时成立。
自然语言第一次显露出成为通用软件接口的可能。过去，人必须学习计算机的语言，把意图拆成精确指令；现在，计算机开始学习人的语言，从例子、描述甚至含糊要求中寻找意图。
于是，“提示词”成了一门新手艺。
GPT-3的表现像一场忽明忽暗的闪电。它能写出结构完整的文章，也会在简单算术上犯错；能模仿法律文书，也会编造不存在的判例；有时只换一种问法，答案便完全不同。
它像一个读过半个互联网的人：知识惊人，反应迅速，却没有接受过职业训练，也不知道什么时候应该闭嘴。
规模给了模型力量，却没有给力量一个方向。
接下来的问题，不再是如何让机器继续说下去。
而是如何让它听懂人究竟想要什么。
第二章：那个突然亮起来的窗口（2021—2022）
一、坐在答案另一端的人
2021年，一批标注员坐在电脑前，面对一道没有标准答案的考试。
屏幕上是同一个问题，以及模型生成的几份回答。它们语气相似，句子流畅，有的更准确，有的更礼貌，有的看似周全却悄悄编造了事实。标注员必须把它们排出顺序。
哪一个更有帮助？
哪一个更诚实？
哪一个不该交给用户？
这些细小判断被收集起来，训练成一套奖励信号，再反过来牵引语言模型。研究者把这套方法称为基于人类反馈的强化学习，也就是后来频繁出现的RLHF。
术语听起来像工程管线，实际发生的事却很古老：人类开始用偏好教一台机器如何与自己相处。
2022年初，InstructGPT论文公布了一项富有象征性的结果。在人类偏好测试中，经过这套训练的13亿参数模型，胜过了原始的1750亿参数GPT-3。
体量相差一百多倍，结果却被训练方向反转。
力量决定机器能走多远。
人的反馈决定它朝哪里走。
这并不意味着“对齐”已经完成。标注者来自具体文化，规则由公司制定，礼貌也可能掩盖错误。模型还会迎合：与其承认不知道，不如组织一个用户爱听的答案。
但语言模型终于从互联网的续写者，变成了一个可以合作的对象。
它开始理解“请总结”“请修改”“请解释给孩子听”不是等待续写的句子，而是需要完成的要求。
这套能力很快被装进一个最普通的产品形态。
一个聊天框。
二、五天
2022年11月30日，旧金山。
OpenAI把ChatGPT作为“研究预览”放上互联网。页面没有复杂菜单，中间只有一个输入框，下面列着几条谨慎提醒：它可能生成错误信息，可能给出有害回答，对2021年以后的世界所知有限。
看上去，这只是又一个聊天机器人。
用户却很快发现，它和过去那些只能回答天气、设置闹钟的助手不同。
有人让它用海明威的口吻解释量子力学；有人贴进去一段报错代码；有人让它修改辞职信、模拟面试、续写睡前故事；还有人故意布下逻辑陷阱，等着看它如何一本正经地出丑。
白底、黑字、绿色标志的对话截图开始占领社交网络。
五天后，用户突破一百万。
ChatGPT并没有在那五天突然学会新的能力。真正改变的是入口。
过去，只有研究机构和科技公司能够调用大型模型。普通人甚至不知道自己应该安装什么、运行什么、向哪个接口付费。ChatGPT把那些能力压进一次对话：不必懂神经网络，不必准备数据集，也不必写一行代码。
只要开口。
一名高中生和一名律师，一位程序员和一位小说家，第一次站到同一台机器面前。过去只属于组织的知识杠杆，被放到了每个人的桌面上。
那是这场浪潮真正的热血之处。
它不只是让机器更强，而是让普通人的意图第一次可以直接调动一部分机器智能。
一个不懂编程的店主，可以让它写出库存表格的公式；一位母亲可以要求它把晦涩的诊断术语改写成容易理解的问题清单；一名刚到异国的学生，可以在深夜练习面试，不必担心对面的人失去耐心；独立开发者则把一个过去需要招募团队的想法，先变成能运行的原型。
这些回答并不总是正确，甚至可能在最不该出错的地方出错。可对许多人而言，ChatGPT第一次提供了一种此前很昂贵的东西：一个随时可以交流、不会因为问题太基础而嘲笑你、愿意不断重写的认知搭档。
知识没有因此自动变得平等。付费能力、网络环境、语言资源和教育背景仍然影响人们能从模型那里得到什么。但门槛确实移动了。
过去，人为了使用软件，必须把自己训练得像机器。
现在，机器开始努力把自己训练得像一个有耐心的合作者。
实验室也随之失去了对情节的控制。教师测试它能否写论文，学生测试它能否通过考试，创业者一夜之间做出数百个套壳应用。每个人都把自己的生活变成测试集。
人们不断追问：它到底会什么？
答案令人兴奋，也令人混乱。因为ChatGPT没有传统软件那种清晰边界。它今天能解释复杂概念，下一分钟又会用同样自信的语气编造一本不存在的书。
它让机器第一次以第一人称进入大众生活，也让人类暴露出一种本能：把流畅当成理解，把语气当成证据，把回答当成事实。
但在2022年的冬天，这些警告还压不住输入框带来的兴奋。
人们开始提出更大胆的要求。
既然机器可以听懂一句话，它能不能把这句话画出来？
三、全世界开始围着窗口改规则
ChatGPT上线第五天，Stack Overflow的管理者做出了一个艰难决定。
暂时禁止用户提交由ChatGPT生成的答案。
这个程序员问答网站并不反对新工具。它真正承受不住的是一种新的内容洪水：答案写得太快、太像正确答案，错误率却仍然很高。过去，一个人认真编造一段技术回答需要时间；现在，几秒钟就能生成一页带着函数名、代码和解释的文字。志愿者审核错误的速度，赶不上机器制造可信文本的速度。
这是ChatGPT走出实验室后遇到的第一批社会摩擦之一。
随后几个月，学校讨论是否封禁，期刊重新规定作者资格，公司担心员工把内部资料贴进聊天框，搜索引擎则开始思考：当一个输入框可以直接给出答案，人们还会不会点击十个蓝色链接？
每个行业都在用旧规则处理一种新能力。
教育制度习惯根据一篇作文判断学生是否理解；生成模型却能代写形式完整的文章。知识社区依赖回答者对内容负责；模型却没有账号声誉，也不会因为错误失去工作。公司保密制度约束员工把文件发给外人，却没有明确告诉他们，把文件交给云端AI算不算“发给外人”。
ChatGPT真正改变的，不只是写作速度。
它把“看起来完成了”和“确实理解了”之间的距离突然拉大。
社会必须发明新的验证方式：课堂增加口头追问，代码要求运行测试，新闻强调来源，企业重新划分哪些信息可以进入模型。AI越擅长生成结果，人类就越需要检查结果是怎样得到的。
这条规律将在后来的Agent时代再次出现。
只是那时，机器生成的不再只是一段等待审核的文字。
它将直接采取行动。
第三章：机器第一次做梦（2021—2024）
一、一把牛油果椅子
2021年1月，OpenAI展示了一组古怪的图片。
其中一组来自一句提示：一把牛油果形状的扶手椅。
屏幕上出现了绿色的椅背、果核般的坐垫、柔软得近乎真实的材质。世界上并不存在这样一把椅子，摄影师也从未按下快门。机器只是读到一句话，便在像素中拼出一个此前没有存在过的物体。
这个系统叫DALL·E，名字来自画家达利和动画机器人WALL·E。
它揭开了生成式人工智能的第二条道路。语言模型把文字拆成可以预测的符号；最初的DALL·E则把图像也压成一串符号，像续写句子一样逐步拼出与描述相符的画面。后来流行的扩散模型采用了另一条路线：从噪声出发，一步步显现文字所描述的视觉结构。
对于普通人而言，原理并不重要。
重要的是，语言不再只通向另一段语言。
一句话开始通向一个可见的世界。
最初的画面仍有明显破绽：文字扭曲，手指数目不对，物体边缘彼此融化。但变化快得惊人。到2022年夏天，Midjourney和Stable Diffusion把文生图带出实验室。前者让用户在聊天频道里召唤图像，后者开放模型权重，让有一块合适显卡的人也能在自己的电脑上生成画面。
创作过程也由此发生变化。
一个从未学过透视和配色的人，可以先写下“暴雨后的未来城市”，等机器给出四个方向；再要求换成低角度镜头、削弱霓虹灯、让远处的人影更孤独。每一次生成都像与一个速度极快、却缺少稳定记忆的画师交谈。人负责选择、否定和重新描述，机器负责把语言不断摊开成视觉可能。
这并不是“一句话就完成艺术”那么简单，也不再是传统意义上的手工绘制。创作者的劳动从控制每一笔，转向控制方向、筛选结果和建立审美判断。
新的工具没有消灭选择。
它把选择变成了创作中最昂贵的部分。
图像生产的门槛突然塌了下来。
也正是在这个夏天，一幅画走进了现实世界的评奖台。
二、蓝色绸带
2022年8月，美国科罗拉多州博览会。
Jason Allen把一幅名为《太空歌剧院》的作品提交到数字艺术类别。画面像一座宏伟剧院，身穿长袍的人物面对一扇通向异星世界的圆形窗口。它带着古典油画的光线，也带着科幻电影的尺度。
作品获得第一名和一条蓝色绸带。
随后，Allen公开说，画面是他使用Midjourney反复生成、筛选并加工出来的。
争论瞬间爆炸。
有人认为他只是按下按钮，不配被称为作者；有人指出，他提交时写明了Midjourney，规则也没有禁止这种工具；有人担心插画师、概念设计师和摄影师即将被廉价生成取代；还有人第一次意识到，艺术比赛的规则并没有准备好回答“人与机器共同创作”究竟算什么。
AI图像带来的震动，不只来自画得像不像。
它触碰了创作社会最敏感的三样东西：训练材料从哪里来，作品属于谁，人的技艺还值多少钱。
画师在作品网站上发起抗议，图库公司与模型公司走进法庭。支持者强调技术让没有受过专业训练的人也能表达想象；反对者则指出，这种自由建立在无数创作者未被询问的作品之上。
双方说的都不是小事。
文生图第一次让人们看见：当机器学习世界，它学到的不只是知识，还有人类积累了几百年的风格、劳动和权利关系。
而且，模型并不知道自己在“模仿”。
它没有站在画廊里观看某位画家的作品，也没有理解一个风格背后的生活经历。训练只是把图像与文字之间的统计关系压进参数。当用户输入一个名字，模型调用的是从大量相关图片中形成的视觉倾向。
对工程师而言，这是学习规律。
对创作者而言，那些规律来自自己的劳动。
两种描述可以同时成立，也正因如此，争议不可能靠一句“技术总会进步”结束。模型越能复现一种风格，社会就越需要回答训练许可、署名、补偿和退出机制。技术把旧作品变成了新能力，法律却还在判断这种转化究竟属于学习、使用，还是侵权。
三、东京街头的女人
2024年2月15日，OpenAI发布了一段一分钟的视频。
一个穿黑色皮衣、红色长裙的女人走过雨后的东京街头。霓虹灯倒映在地面，行人从她身边经过，镜头平稳地向后移动。她并不存在，那条街也没有真正被摄像机拍摄。
生成它的提示词只是一段文字。
同一天出现的还有雪地里的猛犸象、海浪拍打悬崖上的灯塔，以及一艘仿佛从旧电影中驶出的纸船。这个模型叫Sora。
一张图片只需要回答“世界长什么样”。视频还要回答另一组更困难的问题：下一秒会发生什么？物体如何运动？人物转身以后仍是不是同一个人？镜头变化时，空间是否还能保持连续？
机器开始想象时间。
OpenAI把Sora描述为探索“世界模拟器”的一步。这个说法很诱人，也很容易被夸大。Sora能够生成令人震动的镜头，却仍会让玻璃凭空出现，让动物的腿在运动中变形，让因果关系在漂亮画面背后悄悄断裂。
它学会的是世界在视频里通常如何显现，不是世界真正遵守的全部规律。
但电影工业、广告公司和创作者已经无法假装什么都没有发生。过去，影像意味着摄影机、演员、场地和后期；现在，一段自然语言可以先生成一个世界，再由人决定是否把它变成作品。
机器的输出从一句话变成一幅画，又从一幅画变成一段时间。
然而，创造一个看起来真实的世界，与真正看懂眼前的世界，仍是两件不同的事。
机器会做梦了。
接下来，它要睁开眼睛。
第四章：语言长出眼睛、耳朵和时间（2023—2025）
一、把照片举到它面前
2023年3月14日，GPT-4发布。
在展示中，人们不再只向模型输入文字。他们可以递给它一张图片：一页手写草图、一张食材照片、一幅包含文字与图表的试卷。模型尝试描述自己看见了什么，解释图中的关系，甚至根据一张潦草的网站草图生成代码。
那个长期被关在文字里的语言模型，第一次拥有了眼睛。
对普通人来说，多模态最直观的场景并不宏大。一个人可以举起手机，对准冰箱里剩下的食材，问今晚能做什么；视障用户可以把摄像头对准街道，让模型描述前方的招牌和物体；维修人员可以录下设备异响、拍摄相关部件，一边展示一边追问可能原因。
在与无障碍应用Be My Eyes的合作测试中，这种变化变得格外具体。
过去，视障用户遇到无法辨认的物体，可以通过手机摄像头呼叫一名人类志愿者。GPT-4的图像能力加入后，用户还可以先把相机对准一张标签、一件衣服或冰箱里的食材，让模型持续回答追问。它不只是说“这里有几个瓶子”，还可以解释哪一个可能是调味料、包装上的文字写了什么、如何根据现有食材准备一顿饭。
Be My Eyes的负责人Michael Buckley和团队面对的，并不是一场普通产品升级。
这款应用从2012年起连接视障用户与人类志愿者。有人需要辨认药品，有人被困在机场，有人只想知道两件衬衫哪一件是蓝色。志愿者的帮助可靠而温暖，却不可能在每个时区、每个瞬间立即出现。
2023年2月，公司先让一小群员工和测试者试用GPT-4驱动的“虚拟志愿者”。一名用户曾借助它在复杂铁路系统中确认自己的位置，并一步步找到路线。测试者Lucy Edwards等人的反馈，让团队决定把这项能力继续推向用户。
这个选择也带着责任。
把模型用于生成菜单，答错也许只是一顿难吃的晚餐；把它用于辨认药品、交通和障碍物，错误可能直接伤害一个人。Be My Eyes没有因此把人类志愿者从系统中删除，而是把AI放在另一层入口，让用户在自动帮助与真人帮助之间选择。
多模态第一次不只是展示“机器看见了什么”。
它开始影响一个人能否独立穿过现实世界。
模型当然仍会看错，重要场景不能因此取消人工帮助。但这类应用显示，多模态并不只是让聊天机器人多会一种炫技。
对无法方便地把视觉世界转成语言的人，机器正在承担那层翻译。
人类不必先把世界翻译成完整句子。
世界可以直接进入对话。
这与文生图恰好相反。文生图把语言变成画面，是创造；多模态模型把画面、声音和视频变成可以推理的上下文，是感知。一个向外生成世界，一个向内接收世界。
它们最终在同一个接口里汇合。
二、把一部电影摊在桌上
2024年2月，Google发布Gemini 1.5。
演示中，一部44分钟、几乎没有对白的老电影被完整交给模型。研究人员随后拿出一张手绘草图，问这个画面出现在什么位置。模型在漫长的视频中寻找对应镜头，并解释前后发生了什么。
另一项展示把阿波罗11号任务的数百页记录放进上下文，让模型在宇航员、地面控制中心和时间戳之间寻找细节。
这背后最醒目的数字是一百万token的上下文窗口。它可以容纳长视频、数小时音频、大量文档或一整个代码项目。
过去的聊天框像一张便签，谈几轮便开始遗忘。长上下文更像一张铺满材料的工作台：合同、会议记录、图片、声音和代码可以同时摊开，模型不必只靠训练时压进参数的模糊记忆。
参数不是世界。
它只是世界在模型内部留下的压痕。真正要处理现实，机器必须在任务发生时重新接触材料、时间和证据。
长上下文把更多世界搬进了房间，却也把新的问题一并搬了进来。文档里可能有过期数据，网页里可能藏着恶意指令，视频里可能出现未经许可的人脸。模型看得越多，需要被保护的东西也越多。
感知从来不是单向礼物。
三、声音没有先变成文字
2024年5月13日，OpenAI首席技术官Mira Murati站在一张木桌前，演示GPT-4o。
没有宏大的发布会布景。她身旁只有一部手机和两名研究人员。Mark Chen让模型观察自己的呼吸，另一位演示者不断插话、改变要求。过去的语音助手必须等用户说完，再机械地念出答案；舞台上的模型却会停顿、被打断，并根据摄像头里的变化继续对话。
一名研究人员面对手机摄像头做深呼吸，请模型判断他是不是太紧张；另一名研究人员故意打断回答，模型立刻停下；对话里出现笑声、停顿、语速变化，机器的回应也随之调整。
Murati同时宣布，这类能力将逐步提供给免费用户。
这句话与演示本身同样重要。多模态不再只是一项昂贵实验，而准备进入普通人的日常入口。模型可能在厨房里看食材，在课堂上看公式，在旅途中听不同语言，也可能被允许长时间打开相机和麦克风。
每增加一种感官，机器与人的距离就缩短一点。
需要被托付的数据，也随之增加一层。
过去的语音助手往往像一条接力流水线：先把声音转成文字，让语言模型生成答案，再把答案读出来。每一步都丢失一些东西。焦虑、犹豫、讽刺和情绪常常在转写时被压平。
GPT-4o试图把文字、图像和声音放进一个统一模型。“o”代表omni，也就是全模态。
这不意味着机器真的拥有人的听觉和情感。它仍然可能误读语气，可能把表情当成证据，也可能在摄像头看不到的地方自信猜测。但人机交互的节奏已经发生变化。
人不再像填写表格那样向软件提交命令。
人开始在走路、抬手、迟疑和打断中与机器协作。
这也是多模态真正改变软件的地方。
传统软件把能力分散在不同应用中：相机负责拍摄，录音机负责声音，地图负责位置，文档工具负责文字。用户要在这些应用之间搬运信息，再自己解释它们为什么属于同一个问题。
多模态模型试图把这层整合接过去。
一次会议可以同时包含投影上的图表、发言人的语气、白板上的草图和此前发送的文档。人类天然知道它们共同构成一个现场，计算机过去却只能分别处理。统一模型的野心，是让机器也在同一上下文中连接这些线索。
这会产生远比“能看图”更大的影响。
搜索不再只输入关键词，而可以圈住视频里的一个物体；客服不再只读取文字投诉，也能听见设备噪声；教育软件可以同时观察学生写下的步骤、口头解释和停顿位置，再决定下一句提示。
与此同时，判断也变得更难审计。
如果模型根据一张照片和一段语气作出结论，人类很难知道究竟是哪一个细节影响了它。输入越接近真实生活，偏见也越可能藏在表情、口音、环境和拍摄角度里。
机器获得感官，并不自动获得理解感官的智慧。
到了2025年，图像、声音、视频和长文档越来越频繁地进入同一套模型。语言不再是智能唯一的食物，而成为连接各种感官的中枢。
机器可以描述桌上有什么，可以判断一只杯子放在哪里，也可以听懂“把它递给我”中的“它”指向什么。
可在它真正伸出手以前，感知与预测能力先进入了一个人眼看不见的世界。
蛋白质怎样折叠，原子可能组成什么材料，浩瀚论文之间藏着哪些尚未被验证的联系——机器开始把生命与物质也当成可以阅读的结构。
第五章：机器开始猜测生命（2018—2025）
一、坎昆深夜的电话
2018年12月，墨西哥坎昆。
夜已经很深，John Jumper回到酒店，突然接到通知：Demis Hassabis要在晚上十一点和他通话。
电话接通以后，Hassabis没有交给他一个小项目。
他要Jumper接手AlphaFold，组建一支新的队伍，去解决一个困扰生物学界近半个世纪的问题：只看氨基酸序列，能不能预测蛋白质最终会折叠成什么形状？
Jumper后来回忆，他坐上返程飞机时，脑子里反复出现同一个问题：到底要去哪里找到十五到二十个人？哪些想法值得尝试？怎样才能把第一次AlphaFold尚未完成的路继续走下去？
飞机上的其他乘客并不知道，旁边这个年轻研究者刚刚接过了一道被无数科学家追逐过的难题。
蛋白质是生命使用的工具。
它们由氨基酸首尾连接，最初像一串细长的珠子，随后在物理作用下弯曲、旋转，折叠成复杂的三维结构。形状决定它能和谁结合、能催化什么反应、能否把信号送进细胞。折叠错误，可能意味着疾病；找到正确结构，则可能帮助研究者理解病原体、设计药物或改造酶。
序列可以写在纸上。
形状却藏在空间里。
过去，研究者要借助X射线晶体学、核磁共振或冷冻电镜，一次次制备样品、调整条件、解释仪器留下的信号。一个结构可能花费数月，复杂目标甚至需要数年，而且并不是每次都能成功。
AlphaFold试图做的，是让机器从人类已经测出的结构中学习规律，再面对一条陌生序列，猜出它最可能折成什么样子。
这不是让聊天机器人背诵生物学答案。
这是让神经网络进入科学家原本必须亲自搜索的空间。
二、五十年的问题
2020年，全球蛋白质结构预测竞赛CASP公布第十四届结果。
参赛团队拿到的是一批尚未公开实验结构的蛋白质序列。只有等各家提交预测以后，组织者才会揭晓真实结构。这像一场没有办法提前偷看答案的盲测。
AlphaFold2的结果远远超过其他系统。在许多目标上，它给出的结构已经接近实验精度。CASP组织者将这视为对蛋白质结构预测难题的突破。
那一刻没有ChatGPT发布时的百万用户，也没有社交网络上铺天盖地的截图。
震动首先发生在实验室里。
一条过去需要漫长实验才能照亮的结构，现在可能在几分钟或几小时内出现一个可信候选。研究者不必从完全黑暗的地方出发，可以先看见一张地图，再决定实验资源投向哪里。
2022年，DeepMind与欧洲分子生物学实验室合作，将预测范围扩展到科学界记录的约两亿种蛋白质。到2024年，已有来自190个国家的两百多万名研究者使用AlphaFold。
同年10月，瑞典皇家科学院宣布将诺贝尔化学奖的一半授予Hassabis和Jumper，以表彰他们在蛋白质结构预测上的贡献；另一半授予David Baker，表彰计算蛋白质设计。
人工智能第一次如此明确地站在一项诺贝尔自然科学奖的中心。
但这里必须停一下。
AlphaFold给出的是结构预测，不是一颗已经通过临床试验的药，也不是一份自动成立的科学结论。模型会标注自己的置信度，研究者仍要判断哪些区域可靠，仍要通过实验确认相互作用、动态变化和真实生物功能。
它压缩的是寻找答案的空间。
它没有取消现实对答案的审判。
三、从蛋白质到材料
2023年11月，DeepMind又把类似思路推向无机材料。
芯片、电池和太阳能电池板，都依赖稳定的晶体。可元素组合几乎无穷无尽，研究者不可能把每一种配方都放进炉子里试一遍。
一个名为GNoME的系统开始在计算空间中筛选候选。它预测了约二百二十万种新的晶体结构，其中约三十八万种被判断为最有希望保持稳定的候选。
媒体很容易把候选清单包装成“二百二十万种新材料已经诞生”。
更准确的说法是，它画出了一张前所未有的候选清单。
结构能否合成，材料是否稳定，成本是否可接受，性能能否在真实设备中保持，都还要交给化学家、材料学家和自动化实验室验证。预测把几乎无边的搜索变窄，却不能替代熔炉里的温度、试管中的反应和仪器上的曲线。
这条边界很重要。
在文字世界里，一个错误答案可以重新生成；在科学世界里，一个漂亮但错误的假设，可能消耗数月实验、昂贵样品和整个团队的时间。
四、机器开始提出假设
2025年2月，Google Research展示了一套名为AI co-scientist的系统。
它不只回答一个科学问题，而是让多个模型角色轮流提出假设、查找反例、比较方案，再形成可以交给研究者评估的研究建议。机器开始尝试一种更接近科学工作的循环：阅读已有知识，寻找缺口，提出解释，再设计验证路线。
这听起来像“科学家被自动化”。
实际变化更克制，也更深。
科学长期受困于两个速度差：论文增长得太快，任何人都读不完；可能的分子、材料和实验组合又太多，任何实验室都试不完。AI可以帮助压缩这两个空间，把跨学科的线索放到一起，把最值得验证的候选推到研究者面前。
可它仍然会继承论文中的错误，会把相关性误认为因果，也会提出在现实条件下根本无法执行的实验。模型生成的假设只有起点资格，没有结论资格。
生成式AI过去最擅长的是生成一段像答案的文字。
AI for Science真正重要的变化，是机器开始生成值得被验证的假设。
科学发现从来不取决于一个系统能否把人说服。
它取决于现实世界是否允许这句话被重复证明。
而当机器不满足于预测结构，开始想亲自完成实验，它就会遇见下一道边界。
移液枪不会因为语言优美而移动。试管不会因为推理完整而自动加热。显微镜、机械臂和实验台，都要求智能拥有可以作用于物理世界的身体。
机器已经能够猜测生命。
接下来，它需要一双手。
第六章：给智能一双手（2022—2026）
一、厨房里洒掉的饮料
2022年，一间机器人实验室的厨房里，有人故意把饮料洒在桌上。
他没有按下遥控器，也没有逐步编写“向前移动、转动手臂、闭合夹爪”。他只是对机器人说：我的饮料洒了，帮我处理一下，再拿点东西来清理。
这是一句非常普通的人类要求，却包含许多没有说出口的步骤。
饮料罐应该扔进垃圾桶。清理液体需要海绵或抹布。机器人要知道厨房里哪些物体有用，还要知道自己的机械手究竟抓不抓得住。一个语言模型可以根据互联网知识列出漂亮计划，却不知道面前那只海绵是否在自己够得到的位置；一套传统控制系统可以精确移动机械臂，却听不懂“处理一下”意味着什么。
Google的SayCan把这两种能力放到了一起。
语言模型负责“应该做什么”，机器人学到的技能负责“实际上能不能做”。前者提出候选步骤，后者根据环境和自身能力给这些步骤打分。机器人不只是选择听起来合理的动作，还要选择此刻做得到的动作。
SayCan这个名字，就是“说什么”与“能做什么”的结合。
它标志着语言第一次不再只描述行动，而是开始参与选择行动。
二、把动作写进句子
同年年底，Google发布RT-1。
研究人员让机器人在真实环境中反复完成开抽屉、拿起物体、移动罐子等任务，积累了十三万段演示。对机器人来说，一次动作不再只是工程师事先写好的控制程序，而可以像语言中的词一样，被组织成一串序列。
2023年的PaLM-E又把图像、文字和机器人传感器数据送入同一个模型。RT-2则走得更远：它让模型从互联网图文中学到的概念，参与决定机械臂下一步如何移动。
这其中有一个关键变化。
过去，机器人只能在训练过的动作附近活动。想让它识别一个陌生物体，研究者要重新收集数据；想让它理解“把垃圾扔掉”，还要专门定义什么是垃圾。视觉语言模型读过大量人类知识，因而有机会把“可乐罐属于垃圾”“香蕉不该放进蓝色碗里”这样的常识带进控制系统。
语言模型像是给机器人安装了一层世界知识。
但知识不等于可靠。
一台聊天机器人说错了，可以重新生成；一只机械臂判断错了，杯子已经摔到地上。屏幕里的幻觉只是文字，物理世界里的幻觉有重量、速度和惯性。
机器人研究里长期存在一个反直觉现象。
对人类而言，证明一道数学题很难，走进厨房拿起一只杯子却几乎不需要思考；对机器而言，情况往往相反。语言模型可以在几秒内讨论高等数学，一只机械手却可能花几分钟判断透明杯子的边缘，调整抓取角度，并在碰撞前反复减速。
因为身体面对的不是一个干净问题。
光线会变化，桌面会反光，同一种袋子装满和空着时重量不同。柔软物体会变形，玻璃容易滑落，人在机器人伸手时可能突然移动。语言中的“拿起来”只有三个字，现实里的“拿起来”却包含视觉定位、路径规划、力度控制、碰撞避免和失败恢复。
模型必须不断回答三个问题：我看见的是什么？我能不能做到？如果做错了，会伤到谁？
这就是具身智能与纯语言模型之间最深的鸿沟。
文字可以靠概率生成。
身体必须接受物理世界的判决。
三、春晚舞台上的机器
2026年2月，中国农历除夕。
站在这些机器人背后的，是宇树科技创始人王兴兴。
十年前，他还是上海大学的研究生。为了完成自己的四足机器人原型XDog，他选择自己设计电机控制和机械结构，尽量把成本压到能够承受的范围。毕业后，他曾短暂进入大疆，却很快离开这份稳定工作，在杭州创办宇树。
当时，人形机器人远没有今天的热度。波士顿动力的视频令人惊叹，机器价格和实验条件却让普通团队难以接近。王兴兴选择的突破口不是先造一个最像人的机器人，而是把高性能四足机器做得更便宜、更容易生产，让大学、企业和开发者真的买得到。
这条路线并不浪漫。
它意味着反复修改电机、关节和控制板，处理跌倒、发热、续航与量产误差。算法论文可以在几个月后被下一篇论文替代，一套机械结构却必须经过供应商、模具、装配和售后，才能从视频里的原型变成可以交付的产品。
2026年春晚上的翻腾因此不只是一次舞台炫技。
它也是一名工程师十年前那个选择的回声：先让机器被造出来、卖出去、在真实使用中暴露问题，再谈它最终能走到哪里。
在中央广播电视总台春节联欢晚会的舞台上，宇树科技的人形机器人与少年演员一同表演武术。机器翻越障碍、挥动兵器、连续变换队形。前一年，它们还在同一舞台上穿着花袄转手绢；一年后，动作已经从整齐舞蹈推进到更复杂的动态表演。
这不是实验室里的一条机械臂，而是最具大众传播力的舞台。数以亿计的观众第一次在春节晚餐旁看见人形机器人完成翻腾与武术动作。
它当然不能证明通用具身智能已经到来。
舞台表演可以预先编排，环境可以反复校准，灯光、地面和动作都经过设计。真正困难的不是在熟悉舞台上完成一套动作，而是在陌生家庭和工厂里处理没有排练过的意外：地面湿了，孩子突然跑过来，工具被放错位置，指令彼此冲突。
但这场表演仍然揭示了另一种力量。
当硅谷头部实验室竞逐更强的基础模型时，中国制造业在电机、减速器、电池、供应链和大规模生产上积累了另一类优势。具身智能把算法竞争第一次拖进制造现场。决定机器人未来的，不只是哪一个模型更聪明，还包括谁能把一万台机器造出来，让它们在真实世界跌倒、维修、学习，再重新站起来。
2025年3月，Google DeepMind发布Gemini Robotics，试图把Gemini的多模态理解直接接到机器人动作上。到同年9月，后续模型开始强调跨不同机器人身体迁移任务：同一套智能不再只属于一只固定机械臂，而要适应不同的手、关节和视角。
四、真正的舞台没有聚光灯
春晚让人形机器人被看见，工厂才决定它们能否留下。
舞台动作追求一次精彩完成，工业现场追求的是每天重复一万次以后仍然稳定。机器人要在灰尘、噪声和温度变化中工作，要在零件位置发生偏差时重新判断，还要在电机磨损、传感器漂移和网络中断时安全停机。
这也是中国制造能力可能产生独特优势的地方。
一台机器人只有进入真实产线，才会产生大量有关失败的数据：哪一种抓取最容易滑落，哪一个关节最先过热，工人会在什么情况下接管。数据帮助模型改进，改进后的模型又让更多场景可以部署。硬件数量、现实数据和算法更新可能形成一个相互推动的循环。
但这个循环不会自动发生。
如果机器人只会表演，数据再多也无法迁移到生产；如果企业为了收集数据而忽视工人安全，所谓进步便会把风险转嫁给最靠近机器的人。具身智能需要的不只是更大的模型，还需要机械工程、安全标准、责任保险和人机协作规则。
它是一条比聊天机器人更慢、更重，也更难伪装成功的道路。
屏幕上的演示可以剪掉失败片段。
工厂的流水线不会替模型剪片。
这正是具身智能真正的野心。
不是让一台机器人熟练重复一个动作，而是让机器面对陌生物体、陌生房间和陌生要求，仍能判断下一步。
身体不是智能的配件。
它是智能第一次必须为后果负责。
而在机器人真正走进千家万户以前，另一类智能已经率先获得了行动能力。
它们没有腿，却能进入浏览器、终端和代码仓库。
第七章：当答案开始替你行动（2022—2026）
一、答案和任务之间
2022年，研究者在一篇名为ReAct的论文里展示了一种新的对话节奏。
论文作者Shunyu Yao等人给模型安排的，不只是能够靠记忆作答的题目。问题往往要求它连接分散事实，或者在一个交互环境中寻找物体、完成目标。模型第一次搜索可能找错关键词，第一次行动也可能撞上死路。研究者没有要求它一次命中，而是把工具返回的结果重新放回上下文，让下一步建立在刚刚发生的事情上。
这是一个重要选择。
他们没有继续要求模型把答案写得更像知道一切，而是允许它公开暴露自己还缺什么，再去环境中寻找。智能由此不再只是内部参数的表演，也成为模型与外部世界反复交换证据的过程。
一次搜索失败不再意味着整道题结束。失败本身会变成下一轮判断的材料，机器第一次拥有了在任务途中修正方向的机会。
这也让责任更容易被看见。人们可以检查它查过什么、在哪一步误解了证据，而不是只面对一个来历不明的最终答案。
模型不再接到问题后立刻给出最终答案。它先写下当前判断，再选择一个动作，例如搜索资料；工具返回观察结果后，它根据新信息决定下一步。这个循环不断重复，直到任务完成。
思考。
行动。
观察。
再行动。
这看似只是给语言模型加了几个按钮，实际上改变了它与世界的关系。
过去，模型的全部能力被限制在一次回答里。它知道什么，就从参数和上下文里说什么；不知道，也可能猜一个答案。接上搜索引擎以后，它可以先找资料；接上计算器以后，它可以把算术交给确定性工具；接上代码执行环境以后，它可以运行程序，看报错，再修改。
模型不必把世界背进脑中。
它可以在需要时伸手去拿。
这就是Agent，也就是智能体，与聊天机器人的根本差别。
答案是一段文字。
任务是一条穿过现实的路径。
二、让机器在回答之前停一会儿
2024年9月12日，OpenAI发布o1预览版。
它最引人注意的地方，不是说话更像人，而是回答变慢了。
面对数学、代码和科学问题，模型会在给出最终结果前投入更多计算，尝试拆分问题、检查中间步骤，发现一条路走不通以后再换方向。用户看见的是几秒甚至更久的等待，模型得到的却是一段可以用于搜索解法的时间。
过去的规模路线主要发生在训练之前：更多数据、更大模型、更多芯片，换来一个更强的基础系统。
o1展示了另一条扩展轴。
同一台模型在任务发生以后，如果被允许思考更久、尝试更多候选、使用验证器筛掉错误，结果也可能继续改善。算力第一次不仅被烧在模型出生之前，也被花在每一道具体问题上。
这并不证明机器拥有了人的内心独白。
它只是学会把一次回答变成一个过程。过程可以回退，可以比较，也可以把失败变成下一步的信息。
这种变化对Agent尤其重要。
一个只会立即回答的模型，很容易在第一条看似合理的路线出现后一路执行到底；一个能够停下来检查的模型，才更有可能在删除文件、调用接口或提交代码之前发现自己理解错了目标。
几个月后，DeepSeek-R1会沿着相似方向把推理能力推向开放权重。但在那之前，最早感到变化的，是程序员。
因为代码世界为“多想一步”准备了最清晰的回声：程序要么能够运行，要么报错；测试要么通过，要么失败。
三、代码仓库里的同事
到了2025年，一种新场景开始在程序员的屏幕上出现。
用户不再问：“请告诉我这个报错怎么修。”
他只提交一个任务：登录功能在某种情况下失效，请找出原因并修好。
智能体先搜索整个代码仓库，阅读相关文件和测试；然后修改几行代码，运行测试。测试失败，它重新打开日志，发现自己漏掉了一个边界条件；再次修改，再次运行。几分钟或几十分钟后，它交付的不再是一段建议，而是一组已经落在文件中的变化。
这正是代码成为Agent第一块成熟试验场的原因。
软件世界几乎是为智能体准备的。代码是文字，接口有文档，错误会留下日志，结果可以用测试验证，失败还可以通过版本控制回滚。模型每走一步，都能得到比现实世界更清晰的反馈。
2024年11月，Anthropic发布Model Context Protocol，也就是MCP。它试图用统一方式让模型连接文件、数据库、开发工具和企业系统。2025年，Claude Code、OpenAI Codex以及一批编程智能体相继把这种闭环带进真实工作。
用户开始把一句“帮我完成”交给机器。
机器则自己决定先看哪里、调用什么、修改哪一个文件。
从“下一个词”到“下一步”，中间只隔了几年。
四、浏览器里的那只手
2025年1月，OpenAI展示Operator。
屏幕上打开的是一个普通网页。模型不再通过网站专门提供的接口工作，而是像人一样观察页面截图，移动鼠标，点击按钮，在输入框里键入文字。用户可以让它寻找餐厅、填写订单、比较商品，或者完成一段横跨多个页面的流程。
浏览器是数字世界最接近公共街道的地方。
银行、医院、政府、学校和商店都把服务放在网页里。如果智能体学会操作浏览器，就不必等待每家公司为它开发接口。任何人能点开的页面，理论上都可能成为它行动的场所。
半年后，ChatGPT agent把网页操作、研究工具、终端和文件处理放进更长的任务闭环。用户可以提出一个目标，看着虚拟电脑里的光标寻找信息、打开表格、生成结果。
那一刻，AI产品的核心画面发生了变化。
过去，用户等待文字从左到右出现。
现在，用户看着一个光标替自己在世界上移动。
但浏览器也让权限问题立即变得具体。智能体遇到登录页面，需要用户名和密码；进入购物网站，可能走到支付前一步；遇到验证码、医疗信息或发送按钮，系统必须知道哪些动作可以自动完成，哪些动作必须把控制权还给人。
成熟的产品因此设置确认节点：购买之前暂停，发送邮件之前预览，敏感网站要求用户接管。它们看起来像是对自动化的妥协，实际上是智能体可信度的基础。
真正危险的不是机器偶尔停下来问一句。
而是它为了显得顺畅，悄悄替人跨过本应由人决定的那一步。
五、长任务里的概率陷阱
但任务越长，错误越容易累积。
假设一个智能体每一步都有九成九的把握。单看一步，已经相当可靠；连续执行一百步，至少有一步出错的概率却会迅速上升。如果它在第二步读错文件，却在第五十步才暴露，后面几十次行动都可能建立在错误地基上。
因此，真正可靠的Agent不能只会行动。
它要把长任务切成可以检查的阶段，在每一段结束时重新比较目标与结果，而不是把第一步的误解一路带到终点。
工具让模型拥有行动力，验证器才让行动力接近生产力。
这套约束在代码世界尚且困难，进入银行、医院、政府和家庭后只会更难。因为现实任务没有统一测试套件，也没有每次都能恢复的版本控制。
更关键的是，为了行动，智能体必须被授予权限。
想替你订票，它要读取行程和支付信息；想处理邮件，它要看见联系人和历史对话；想修改项目，它要进入整个代码仓库；想调用公司系统，它可能需要密钥、数据库和内网访问。
聊天机器人只接触用户主动粘贴的一段文字。
智能体接触的是用户没有逐字展示、却授权它自行寻找的整个环境。
能力与风险在同一个接口上增长。
当AI开始替人行动，谁拥有最强模型已经不再只是公司之间的产品竞争。
它开始变成国家、产业和规则之间的竞争。
第八章：屏幕背后的钢铁（2020—2026）
一、白宫里的五千亿美元
2025年1月21日，华盛顿。
白宫罗斯福厅里，Donald Trump站在讲台中央。身旁是OpenAI的Sam Altman、软银的孙正义和甲骨文的Larry Ellison。
他们宣布成立一个名为Stargate的项目。
这不是一款新的聊天机器人，也不是一篇刷新榜单的论文。项目计划在未来四年为美国建设最高五千亿美元的AI基础设施，并称将立即开始部署其中一千亿美元。首批建设从得克萨斯州展开，更多园区仍在寻找土地与电力。
发布会把人工智能拉回了地面。
站在镜头前的仍然是科技公司创始人，真正需要被调动的却是建筑商、电力公司、芯片供应商、网络设备商和成千上万名工程人员。
训练下一代模型，不再只需要一个好算法。
它需要一座城。
Stargate公布的是一项计划和投资意图，不是已经花完的五千亿美元。项目能否按时建成、资金如何到位、模型能力是否值得这些投入，都要接受时间检验。
可它仍然标志着一个时代的变化。
2018年的GPT论文里，主角还是研究者和训练方法。七年后，前沿AI计划站在白宫里，被直接描述为就业、再工业化、国家安全和美国领导力。
一条误差下降的曲线，最终长成了国家工程。
二、把一万块芯片变成一台机器
发布会十天后，OpenAI公开寻找Stargate建设伙伴。征集文件首先关心的不是模型分数，而是土地和电力。
这个次序揭示了建设团队面对的真实难题：即使GPU已经订到，如果园区没有足够的电网接入，训练也无法开始；即使电力到位，如果芯片之间不能高速交换数据，昂贵设备仍会在等待中空转。
用户在输入框里写下一句话时，看不见这一切。
他看见文字逐行出现，以为答案来自云端某个抽象大脑。实际上，模型背后是一条高度物质化的链条。
最前面是GPU。它擅长同时完成海量矩阵计算，是训练和运行大模型的核心发动机。但一块芯片容不下前沿模型，也无法独自处理全球用户的请求。
于是，成千上万块GPU必须协同工作。
问题随之从“每块芯片算得多快”变成“它们能否像一台机器那样交换数据”。如果网络送得太慢，一块昂贵GPU算完自己的部分，就只能等待其他节点。集群里的短暂堵塞，乘上数万块芯片和数月训练时间，会变成巨大的成本。
这就是高速网络进入AI核心的原因。
机柜之内，电信号可以跑过很短的距离；跨越机柜和园区时，越来越多数据需要进入光纤。光模块负责在电信号与光信号之间转换，让模型参数和中间结果高速穿过一排排服务器。
它不像GPU那样直接进行推理，却决定这些芯片能否彼此听见。
芯片是肌肉。
网络和光模块是把肌肉连成整体的神经束。
再往外，是数据中心本身。土地要足够大，网络要足够近，变压器和输电线路要能承受持续负荷，备用电源要在故障时接手，安保系统要保护价值数十亿美元的设备。
然后是热。
电力进入芯片，大部分最终变成热量。传统风冷依靠风扇和空调把热空气带走；当机柜功率越来越高，空气能够带走的热量开始逼近极限。冷却液被送到芯片附近，管路、泵和换热设备由此成为AI工厂的新器官。
人们谈论模型时喜欢使用“云”。
真正托住云的，是铜线、光纤、钢架、水泵和混凝土。
三、最后一道限制来自插座
2025年，国际能源署发布《能源与人工智能》报告。
报告预计，到2030年，全球数据中心年用电量可能增长到约九百四十五太瓦时，比当时水平增加一倍以上。AI并不是全部用电来源，却是最重要的增长动力之一。
这个数字略高于今天日本全国一年的用电量。
更重要的是，电力不能只存在于年度统计里。
数据中心需要全天稳定运行，需要电厂在正确地区发电，需要输电线路把电送到园区，还需要变压器把电压降到设备能够使用的范围。即使一家公司买得到GPU，如果当地电网无法及时接入，芯片也只能躺在仓库里。
国际能源署估计，电网约束可能让相当一部分规划中的数据中心项目面临延误。科技公司于是开始签长期电力协议，寻找核能、天然气、可再生能源和储能方案；地方政府则要回答另一组问题：谁为新输电线路付费？数据中心会不会推高居民电价？冷却需要多少水？
算法竞争第一次与能源政策直接碰撞。
过去，软件公司租一间办公室就可以扩张全球。AI公司却必须争夺土地、电力、设备交付和建设许可。它们越来越像云计算公司，也越来越像能源与基础设施公司。
最终限制下一台模型的，可能不是研究者没有想法。
而是电网还没有准备好。
四、算力有了国界
基础设施一旦决定智能上限，就不会只是一门生意。
2022年10月，美国商务部开始实施针对中国的先进计算芯片、超级计算用途和半导体制造设备出口管制。2023年以后，规则继续调整，试图堵住性能降级、转口和制造环节中的绕行路径。
政策目标不仅是少卖几张显卡。
它要影响的是一整条能力链：谁能获得前沿芯片，谁能制造先进芯片，谁能把足够多的芯片连成集群，以及谁有资格训练下一代基础模型。
美国一边用Stargate建设更大的算力园区，一边试图限制竞争对手获得同等级的发动机。
中国面对的也不只是某一款GPU短缺。
训练系统还涉及高带宽存储、高速网络、光模块、集群软件、供电和冷却。任何一环落后，都可能让纸面上的芯片数量无法转化为真正可用的算力。替换一个零件并不等于替换一套系统。
约束因此产生两种相反作用。
它确实提高了获得前沿算力的成本，缩小可以尝试超大规模训练的团队范围；同时也迫使工程师优化通信、减少无效计算、适配不同硬件，并把国产替代从口号变成一项长期系统工程。
AI竞争表面发生在聊天框里。
真正的战场却铺在矿山、晶圆厂、光纤、电网和冷却管道之间。
当最先进的路线被围墙挡住，追赶者只能寻找效率更高的梯子。
2025年1月，就在Stargate站上白宫讲台的同一周，杭州传来了另一种回答。
第九章：杭州发出的那声巨响（2024—2026）
一、雷声之前，门已经打开
2023年7月，Meta与微软宣布开放Llama 2的模型权重。
它不是第一个可以下载的大模型，却把一套足够强的基础能力交到了更广泛的开发者手里。人们不再只能向一家公司的服务器提问，而可以把模型搬进自己的机器，压缩它、微调它，让它适应一种语言、一项业务或一块价格更低的硬件。
同年，中国的通义千问开始开放Qwen系列权重。此后一年，围绕Llama和Qwen形成的工具、教程与社区快速增长。有人制作更小的版本，有人让模型在手机和个人电脑上运行，也有人把行业数据留在本地，不再送进海外API。
开放权重不等于完整开源。
训练数据、训练代码和研发过程可能仍不公开，许可证也会规定使用边界。但它改变了传播方式：闭源模型的升级像一家公司更换电站设备，用户只能等待新的电流；开放权重的升级更像发动机图纸和零件进入市场，全球工程师会立刻拆开、改装，再装进不同机器。
到2024年，开发者已经熟悉这套动作。
下载权重。量化模型。接入工具。适配显卡。把能力带进自己的数据边界。
所以DeepSeek-R1到来时，世界并不需要重新学习如何使用一台开放模型。
道路已经铺好。
缺的只是一台足够强、足够便宜，又愿意沿着这条路驶来的新发动机。
二、华尔街醒来的星期一
2025年1月27日，纽约。
美股开盘以后，屏幕上的数字迅速变红。英伟达股价在一天内下跌近17%，市值减少约5930亿美元。它不是一家经营失败的公司，也没有突然失去订单。让投资者重新估价的，是一周前从杭州发布的一个模型。
DeepSeek-R1。
几天之内，DeepSeek应用冲到美国苹果应用商店免费榜前列。程序员下载开放权重，在自己的电脑和服务器上运行；研究人员阅读论文，观察模型如何在给出答案前展开长段推理；投资者则开始追问一个更危险的问题：如果一家中国团队能以更少资源做出接近前沿水平的模型，美国科技公司计划投入数据中心的巨额资本是否仍然牢不可破？
这家公司的背景也让故事更具戏剧性。
DeepSeek并非从中国最大的互联网平台中诞生。它由量化投资机构幻方孵化，创始人梁文锋长期在杭州组建研究团队、储备算力。2024年12月，团队先发布DeepSeek-V3；不到一个月，R1上线。没有全球发布会，没有明星登台，也没有铺天盖地的广告。一份技术报告、一组开放权重和一个可以直接对话的应用，便越过太平洋进入全球开发者的电脑。
过去几年，硅谷已经习惯一种叙事：最强模型需要最先进芯片、最大融资和封闭接口。DeepSeek没有推翻规模的重要性，却撕开了另一个问题。
如果能力可以被更便宜地复制、压缩和开放，领先还能被锁在少数公司的服务器里多久？
市场反应里有真实震动，也有夸张和误读。
DeepSeek没有用几百万美元从零建成一家前沿实验室。广泛流传的557.6万美元，来自DeepSeek-V3技术报告对一次“官方训练阶段”的算力折算：按照假设的H800租赁价格，计算预训练、长上下文扩展和后训练所消耗的GPU时间。它不包括此前的架构研究、数据准备、失败实验、人员投入和基础设施，也不是R1的完整研发成本。
但把这个数字简单斥为宣传，同样错过了真正重要的变化。
在高端芯片受到限制、算力更昂贵的环境里，DeepSeek团队把“如何让每块芯片少做无效工作”变成了核心工程问题。他们减少不必要的参数调用，压缩长文本占用的计算，并把更多训练放到能够验证对错的任务上。
这些方法并非都由DeepSeek独创，也不是秘密魔法。
它的冲击在于，DeepSeek把多种效率路线组合起来，做成了一套能够被全球开发者下载、检查和继续改造的模型。
R1论文记录了团队做出的一个冒险选择。
他们先训练R1-Zero，不急着给模型大量人类写好的标准推理过程，而主要在数学、代码等容易判定对错的任务上奖励正确结果。模型开始自己延长解题过程，尝试不同路径，发现矛盾后回退。有些研究者把其中的自我检查片段称为“顿悟时刻”。
但实验结果并不适合直接交给用户。
R1-Zero会混用多种语言，推理文字凌乱，明明可能得到正确答案，却很难让人读懂。团队必须在两种目标之间选择：保留自由探索产生的能力，还是重新加入人类示范，让机器的过程更清晰。
最终的R1采用了折中路线。研究者先用一批更整洁的起始数据帮助模型形成表达方式，再让它经历多阶段训练和强化学习。它仍被允许在回答前多走几步，却不再完全放任过程自行生长。
这不是机器突然拥有了人的内心活动。
它说明，当奖励、验证和计算时间被重新安排，模型会形成没有被逐句示范的解题行为。团队的工作也不只是“把模型放大”，而是在能力、可读性和使用成本之间不断取舍。
这与GPT最初的故事遥相呼应。
人类没有逐项写下能力，能力又一次从训练目标中长了出来。
开放权重则让这种能力获得了另一种传播速度。
闭源模型像一座通过网络提供电力的发电站。用户可以购买服务，却看不见内部机器，也无法把它搬回自己的工厂。开放权重更像一台可以运走、拆开和改装的发动机。开发者能够部署在自己的服务器上，为本地语言和行业继续训练，也能在不把数据发送给原公司的情况下使用。
开放不等于毫无门槛。
运行大模型仍需要芯片、能源和工程能力；权重开放也不代表训练数据、完整代码和所有研发过程都公开。模型还可能携带偏见与安全缺陷，被修改后更容易用于攻击。
但它改变了力量分配。
一个国家不必永远租用外国公司的API，一家企业可以把模型部署在自己的数据边界内，大学和个人研究者也能检查、量化和改造前沿能力。DeepSeek-R1发布后，大量更小的蒸馏版本迅速进入个人电脑，全球开发者围绕同一套权重制作工具、适配硬件、寻找缺陷。
因此，DeepSeek带来的不只是一次价格冲击。
它让“谁控制智能的入口”重新成为问题。
一些硅谷头部实验室依靠规模建立领先，受芯片限制的中国团队则把效率推到更核心的位置。
同一场竞赛出现了两种性格。
三、蒸馏之争
2026年2月23日，Anthropic发表了一份措辞强硬的公告。
这家公司指控DeepSeek、月之暗面和MiniMax通过约2.4万个欺诈账户，与Claude进行了超过1600万次交互，试图提取其推理、编程和工具使用能力。Anthropic把这种行为称为“工业规模的非法蒸馏”。
蒸馏本身并不是一个邪恶词汇。
大模型公司经常让小模型学习大模型的输出，以获得更低成本和更快速度。学生向老师学习，本来就是技术进步的常见方式。争议在于，学生是否有权进入别人的课堂、用虚假账户绕过地区限制，再把数百万次回答变成自己的训练材料。
Anthropic公布的是一家公司基于账户、流量和元数据做出的指控，并不是已经由独立机构完成裁决的事实。被点名公司的公开回应也并不完整。但这份公告仍然把中美竞争推到了新的层面。
这场争论之所以难以用“原创”与“抄袭”简单切开，是因为现代人工智能本来就建立在层层继承之上。
GPT从互联网上数以亿计的人类文本中学习；开源社区在Llama、Qwen等基础模型上继续训练；模型公司又经常用自己的大模型教小模型。DeepSeek发布R1时，也同时开放了基于Qwen和Llama训练的多个蒸馏版本。
没有一台前沿模型从真空里长出来。
差别在于，公开网页、开放权重和付费API背后有不同规则。网页作者是否同意作品被训练，至今仍在法庭和政策中争论；开放模型通过许可证规定可做什么；商业API则用服务条款限制批量抓取、账号转售和竞争性训练。
Anthropic的立场是，虚假账户与代理网络绕过了这些规则，等于窃取昂贵能力。另一种批评则认为，前沿公司先从全球知识中训练模型，再通过地区封锁和闭源接口把能力围起来，天然拥有定义“谁可以学习”的权力。
双方争夺的不是一个抽象的学术伦理。
一次模型训练可能价值数十亿美元，领先窗口可能只剩几个月。谁能从谁那里学习，谁要为学习付费，谁被排除在接口之外，都会直接改变产业和国家力量。
当规则仅靠合同无法执行，平台便会转向技术识别。
它开始观察账户行为、支付方式、网络地址、设备环境，试图判断屏幕另一端究竟是普通用户，还是竞争对手的训练管线。
模型输出究竟是服务，还是可以被对手提炼的知识矿藏？
一家模型公司为了防止能力被复制，可以观察用户到什么程度？
如果访问者来自被限制的国家，平台能否识别他的时区、代理和网络环境？
答案很快出现在一段真实代码里。
而同一段代码，在太平洋两岸获得了两个完全不同的名字。
第十章：同一段代码，两种名字（2026）
一、同一段代码，两种命名
2026年7月初，一名研究者拆开Claude Code的程序逻辑时，发现程序正在观察一些与写代码没有直接关系的信号。
电脑是否使用中国时区？代理地址是否与中国有关？当前环境是否可能属于一家中国AI实验室？
这些判断没有以醒目的弹窗出现在用户面前。相关标记会进入请求，帮助Anthropic识别某些访问情形。
中国工业和信息化部网络安全威胁和漏洞信息共享平台随后发布告警，将受影响版本的机制定性为“后门”风险。告警认为，这段代码可能在用户没有充分知情的情况下传输位置与身份相关标识，并建议机构排查或升级。
Anthropic给出了另一套解释。
Claude Code工程师称，这是一项从当年3月开始的反滥用实验，用于识别未授权转售商、绕过地区限制的访问和潜在模型蒸馏。后来，团队部署了更强的防护，这段实验代码随之被回滚。
现有公开资料能够确认机制存在、引发争议并被移除，却不足以证明它已经接受过独立完整的技术裁决。因此，“后门”在这里是中国安全机构的定性，不是本文可以直接宣布的最终结论。
但代码的意义不会因为名称尚有争议而消失。
在Anthropic看来，它是一道防盗门。
在中国安全机构看来，它是一台没有被充分告知的隐藏摄像头。
同一段代码，一边叫防盗门，另一边叫隐藏摄像头。
模型公司过去只判断用户提出了什么问题。现在，它还想判断问题来自哪里、屏幕背后是谁，以及这次访问会不会把昂贵能力带给竞争对手。
服务提供者开始兼任边境检查站。
二、“理解项目”变成“上传项目”
几天后，另一场风波从马斯克旗下的Grok Build传出。
一名安全研究者打开网络抓包工具，检查Grok Build 0.2.93究竟向云端发送了什么。
他原本以为，智能体会读取当前任务需要的几个文件。数据包里出现的却是一个Git bundle：项目中已经被版本控制跟踪的文件，以及完整提交历史，被一起打包发送到公司控制的云存储。
研究者换了第二个仓库再次测试，还提前放入一份标记文件。Grok Build没有在界面上打开它，它仍然进入了上传包。
事件曝光后，相关上传被通过服务端设置关闭。马斯克表示，此前上传的数据将被删除。
这项测试只能证明受测版本和配置的传输范围超过了模型实际打开的文件。它不能代表所有版本与账户，也没有证明被.gitignore排除的文件会上传，更没有证明仓库被用于训练或被员工阅读。
可开发者害怕的并不只是谁最终看过。
一个代码仓库可能装着尚未发布的产品、客户接口、历史提交和被误写进配置文件的密钥。对个人，那是几个月的劳动；对公司，那可能是一整条商业与安全边界。
用户以为自己授权智能体“理解这个项目”。
工具却可能把“理解”实现成“上传整个项目”。
云端AI当然需要传输数据。真正的问题不是网络上能否出现数据包，而是传输范围有没有超出用户对任务的合理理解。
用户批准的是一个目的。
系统执行的却是一串技术行为。
读文件、建立索引、压缩仓库、上传历史、调用远端模型，看起来都可以服务于“帮我修改代码”。如果这些步骤没有被分别展示，一次简单授权就会变成一张空白支票。
三、授权与执行之间
Grok Build不是马斯克旗下产品第一次引发数据边界争议。
2024年，X曾允许将公开帖子以及部分用户与Grok的交互用于模型训练，相关设置一度默认开启；2025年，大量由用户主动生成的Grok对话分享链接又被搜索引擎收录。
前者涉及训练选择，后者涉及公开链接的可发现性，仓库事件则涉及智能体传输范围。它们不是同一种“泄露”，却共享一个特征：边界没有被黑客从外面砸开，而是在正常功能的默认路径中向后移动。
为了更聪明，模型需要上下文。
为了更有用，智能体需要权限。
为了防止滥用，平台又想了解设备与访问者。
每一个理由单独听起来都合理。叠在一起，用户能够看见和拒绝的部分却越来越少。
当智能获得接口，错误也获得了接口。
聊天机器人说错一句话，用户还可以关掉窗口。智能体判断错一次，却可能发送邮件、删除文件、上传仓库或调用密钥。真正的失控不需要机器突然产生意识，只需要授权范围比用户想象得更宽。
因此，安全首先意味着权限能够被拆开。
读取文件不等于上传文件，生成草稿不等于发送邮件，访问账户不等于完成支付。
其次，数据流向必须可见。模型看过什么、向哪里发送、调用了谁的服务，应当在动作发生前后留下人能够理解的记录。
最后，关键动作必须能够停下。删除、支付、发布和批量修改，不该被藏在一句笼统的“完成任务”里。
一个永远继续执行的Agent，不是更勤奋的助手。
它只是一台没有刹车的机器。
真正成熟的智能，不只知道下一步能做什么。
还知道哪一步必须交还给人。
第十一章：谁有权按下发布按钮（2023—2026）
一、五天内失效的决定
2023年11月17日，旧金山时间中午。
Sam Altman收到OpenAI首席科学家Ilya Sutskever发来的消息，请他参加一次视频通话。
通话开始以后，董事会告诉Altman，他将被解除首席执行官职务。
几乎同时，一份措辞简短的公告出现在OpenAI网站。董事会称，Altman在与董事会沟通时没有始终保持坦诚，妨碍了董事会履行职责，因此不再信任他继续领导公司。
没有产品预告，没有交接期。
ChatGPT背后最有影响力的人之一，在一次视频会议后突然出局。
接下来的五天像一场失控实验。总裁Greg Brockman辞职，投资者要求解释，微软向Altman伸出橄榄枝。OpenAI七百多名员工中的绝大多数签署公开信，威胁跟随Altman离开，除非董事会辞职。
11月22日，OpenAI宣布Altman将重新担任首席执行官，董事会被重组。几个月后的外部审查将事件概括为董事会与Altman、Brockman之间严重的信任破裂，并没有证明外界流传的某个单一安全项目或“AGI秘密”直接导致罢免。
这场风波留下的真正问题，比宫斗更难回答。
OpenAI原本设计了一套不寻常的结构：非营利董事会控制商业实体，使命高于股东回报。理论上，少数董事可以在公司偏离安全使命时踩下刹车。
可当他们真的试图行使权力，员工、资本、合作伙伴与产品形成的巨大惯性，在五天内反转了决定。
谁控制前沿实验室？
章程给出一个答案。
现实力量给出另一个答案。
二、突然消失的模型
三年后，站到按钮旁边的不再只是董事会。
2026年6月9日，Anthropic发布了共享同一底层模型的Claude Fable 5和Claude Mythos 5。Fable面向通用用户并配置更强的安全防护；Mythos减少了部分防护，只向少量可信伙伴提供受控的防御性网络安全访问。
三天后，两个模型突然停止访问。
Anthropic称，美国政府以国家安全权限发布出口管制指令，要求禁止任何外国国民访问Fable 5和Mythos 5。限制不区分这个人位于美国境内还是境外，也包括Anthropic自己的外籍员工。
问题在于，平台无法在每一次请求发生时可靠核实用户国籍。
Anthropic必须立即选择：在无法可靠识别谁有资格使用时，是冒着违规风险继续开放，还是让所有人暂时失去访问。
它选择了后者，暂停所有用户访问。
一个刚刚发布的模型，就这样从全球界面上消失。
6月下旬，限制开始松动。Anthropic随后宣布，相关出口管制已经解除，Fable 5于7月1日恢复面向全球用户；Mythos 5则在获得美国政府同意后，先向一组美国机构恢复，并继续协调更广范围的访问。
这里不能把两个模型的经历写成同一件事。
Fable 5最终恢复了全球开放。Mythos 5因为更强的网络安全能力，仍处在更窄的分发范围。真正的新意在于，模型能力开始像高端芯片和武器技术一样，被按照用户身份与用途划分出口边界。
过去，政府限制一台设备运到哪里。
现在，它开始限制一套远程智能可以回答谁。
三、发布前的名单
2026年6月26日，OpenAI宣布开始GPT-5.6系列的有限预览。
最强版本Sol没有立刻进入所有人的ChatGPT，也没有直接面向所有API用户。OpenAI面对的是相似选择：立即向市场开放，还是先接受一个更窄的名单。
公司称，应美国政府要求，首批只提供给一小组可信伙伴。这些参与者的信息已与政府分享，团队将在更广泛发布前测试网络安全防护与误拦截。
不到两周，7月9日，GPT-5.6转为全面开放。
这不是一次永久封锁，也不是已经写进法律的通用审批制度。美国政府同月发布的行政令还明确声明，不得据此建立强制性的模型开发、发布或传播许可与预先审批制度。
可另一种东西已经出现。
公司仍然拥有发布按钮，政府却可以要求它先给一份名单，先缩小用户范围，先留出一段评估时间。
法律上的许可制度尚未建立。
事实上的发布闸门正在形成。
支持者会说，前沿模型已经能够寻找软件漏洞、辅助生物研究，几周测试可能避免一次无法挽回的扩散。能力越接近双重用途，发布就越不能只由市场部门决定。
质疑者则会追问：什么能力算“前沿”？谁选择可信伙伴？外国研究者、普通开发者和竞争对手是否天然排在名单之外？一次临时协调，会不会逐渐变成没有公开程序的常态？
这不是简单的“监管还是自由”。
如果完全没有刹车，一家公司可能把高风险能力直接推向全球；如果刹车只掌握在少数政府与企业手中，世界其他地方又只能接受他们对风险和资格的定义。
AI竞争由此进入第五个战场。
芯片决定谁能训练。
电力决定谁能运行。
权重决定谁能改造。
接口决定谁能使用。
而发布权，决定谁能最先接触未来。
就在这些闸门开合的同一个月，上海正在为另一场会议亮起灯光。那里的人们准备讨论的，正是一个没有任何公司或国家能够独自回答的问题。
谁来治理一台跨越国界的机器？
尾声：上海，灯亮之前
2026年7月16日，上海。
距离世界人工智能大会开幕，还有一天。
官方公布的会期是7月17日至20日，会场分布于世博区域、张江和徐汇西岸。公开日程上，一边是基础模型、AI Coding、智能体和人形机器人，另一边是“全球人工智能治理高级别会议”。
超过一千家参展企业和数千件展品即将进入同一座城市。
这很像一张被突然摊开的时代剖面图。
展台前，人们会问机器人能走多稳，模型能写多少代码，智能体能替人完成多长的任务。
会场另一侧，人们必须讨论另一组问题：这些机器由谁训练，消耗谁的电力，读取谁的数据，遵守谁的规则，出了错以后由谁负责。
就在大会开幕前的几周，美国政府刚刚要求OpenAI把GPT-5.6先交给一小组已报备伙伴；Anthropic的Fable 5和Mythos 5经历了暂停与分级恢复。
就在大会开幕前的几天，Claude Code的环境识别代码在太平洋两岸获得两个名字，Grok Build也被发现曾把受测项目的完整提交历史送向云端。
而在上海即将亮起的展馆里，人形机器人、开放模型、智能体和芯片会被放到聚光灯下，向公众证明这场竞争仍在加速。
一边在踩油门。
一边在寻找刹车。
有时，踩油门和寻找刹车的还是同一群人。
七年前，2019年2月14日，OpenAI暂缓公开GPT-2完整模型。那时创造者担心的是，机器会不会批量生成假新闻、欺骗邮件和虚假身份。
他们面对的是一台太会写字的机器。
今天的问题已经穿过屏幕。
一台模型的背后，是GPU、光纤、变电站和冷却管道。它的前面，是实验室、代码仓库、浏览器、工厂和人的身体。
它可以帮助科学家预测蛋白质，也可以替程序员修改整个项目。它能让小团队获得过去只有巨头拥有的能力，也可能让少数公司和国家掌握新的观察权与分配权。
真正需要警惕的，不是机器忽然在某个夜晚醒来。
而是人类在一次次点击“同意”、一次次接受默认设置、一次次追赶更强能力时，逐渐习惯不知道系统正在做什么。
按照大会安排，模型、机器人和产业应用将在展区接受公众检验，治理议题则被带进一百多场论坛。产品演示与规则讨论，将在同一场大会里并行发生。
他们看到的不会是未来的最终答案。
那只是未来正在争夺解释权的现场。
机器能否继续变强，已经很少有人怀疑。
真正悬而未决的是：能力由谁拥有，按钮由谁按下，代价由谁承担，普通人能否在系统行动以前看见那一步。
2019年，人类担心机器说得太多。
2026年，人类必须防止自己看得太少。
上海的灯即将亮起。
机器已经开始看世界。
接下来，人类不能移开目光。
哲学视角
“AI的狂飙不是从会说话开始，而是从敢行动开始。”
——当GPT-1把世界压进“下一个词”，Scaling Laws把GPU集群变成训练坐标；RLHF让1750亿参数朝人的偏好转向，ChatGPT把模型送进输入框，DALL·E、Sora与GPT-4o又让语言长出眼睛、耳朵和时间。ReAct、o1与Operator把回答接上浏览器、工具和代码仓库，智能从生成结果跨进执行后果。它表面上在延长能力链，本质上在扩大授权半径；真正改变的不是模型知道多少，而是谁能看见数据流向、拆开权限，在删除、支付、发布之前握住刹车。八年狂飙证明：越强的智能，越要把最后一步交给人来判断。
结尾语：如果本文对您有帮助，请点赞鼓励一下，这对我真的很重要。您的每一次鼓励，都是我继续创作的动力，谢谢啦！下次见。
AtomGit AI 社区提供模型库、数据集、Agent、Token等资源
更多推荐
15
0- 0
已为社区贡献1条内容
所有评论(0)