2026年7月1日星期三

企业终于开始算账了，Token管够的时代宣告终结。以前大家调大模型像花公款一样大手大脚，现在发现账单扛不住，开始用DeepSeek V4这种小模型替代Claude干杂活，分层调用才是工程上的正解。老黄最近吹的Loop Engineering，说Prompt已死，要搞自主循环系统，听着玄乎，其实就是要让AI跑闭环自动化。但这背后有个大坑，Hacker News刚爆出Claude Code在请求里搞隐写标记。你以为你在用AI提效，其实是AI厂商在悄悄追踪你的代码流向，这种黑盒风险在企业级落地时必须防一手，别把核心业务逻辑裸奔着送出去。

工具这边，Cursor都杀到iOS上了，Bilt.me这种直接把Figma转成移动App的Vibe Coding工具也出来了。产品经理能直接出原型，开发者能随时随地改代码，这种边界模糊化对效率提升是实打实的。但别光顾着嗨，微软这头还在宣布新一轮裁员，大厂一边砸钱搞AI一边砍传统岗位，信号再明显不过了。韩国那边更是把DRAM产能五年翻倍当成国家级超级项目，硬件底座还在疯狂扩容，说明这波AI基建远没到顶。

再看那个湖北702分考生，放着清北不上去南大读计算机。说明这行依然在吸引最顶尖的脑子，以后的竞争只会更惨烈。Hacker News上大家都在夸Qwen 3.6 27B是本地开发甜点位，这其实指明了普通开发者的生存之道。未来就是高手用AI武装到牙齿，你如果不学会本地部署、精打细算地分层调度模型，在越来越卷的行业里，可能真的连汤都喝不上。

今天的一个核心信号，是AI行业正在经历一场从“能力竞赛”到“成本管控”的隐性转向。中国信通院发布智算运维智能体评测基准，表面上是一套技术标准，实际上意味着大模型进入了“运营效率”比拼的深水区。同时，企业AI分层调用的实践被广泛讨论——用DeepSeek V4替代Claude节省90%成本，这不再是少数公司的尝试，而是普遍现象。黄仁勋和吴恩达都在鼓吹“Prompt已死，Loop革命”，本质上就是在说：AI不再需要人类手写提示词，而是要变成自动运行的闭环系统。这三个信号放在一起，指向同一个结论：AI行业的“淘金热”正在结束，接下来是“精炼金矿”的阶段。谁能在单位算力内产出更多价值，谁就能活下来。

另一个值得关注的信号是半导体领域的全球博弈。韩国宣布“三大超级项目”，要把DRAM生产能力五年内翻倍，晶圆厂建设周期提前12年。与此同时，三星、SK海力士、美光在美国被起诉内存价格操纵，苹果和欧盟就Siri AI的合规问题举行“建设性会谈”，微软又计划裁员数千人。这些事件看似独立，实则串联成一条清晰的叙事：AI对算力的需求正在重塑整个硬件供应链，但供应链自身正在经历权力重构和合规压力。韩国押注未来五年的DRAM需求爆发，而美国通过诉讼和监管来制衡外国巨头。苹果的Siri AI之所以在欧盟碰壁，本质上是因为它想要在本地端侧运行AI，这触及了欧盟的数字主权和隐私底线。而微软的裁员，则是在AI投入巨大但成本压力不减的矛盾中，做出的结构性调整。

还有一个容易被忽视但具有深意的信号：湖北702分考生放弃清北选择南大计算机，以及世界杯上德国和日本的连续失利。前者反映的是年轻人对专业赛道的高度理性评估——他们不再迷信名校光环，而是看重实际的技术积累和产业连接。后者则体现了足球这类传统竞技体育中，系统化、战术纪律和专业化的力量正在碾压“天赋型”打法。日本球迷清理垃圾被嘲讽“每四年表演一次文明”，这个争议背后其实是对“表演性行为”与“系统性行为”的认知撕裂。所有这些信号都在提醒我们：当今世界，注重系统的效率、成本控制和长期积累，比依赖单点爆发和路径依赖更重要。接下来的半年，我们会看到更多企业从“堆模型”转向“堆运营”，从“拼参数”转向“拼成本”。个人层面，选择赛道和持续积累的分化会越来越明显。

AI行业终于被现实的账单打醒了。当企业开始用分层调用和小模型替代昂贵的大模型，当微软一边加大AI投入一边裁员数千人来控制成本，这说明过去两年靠无脑堆算力讲故事的泡沫正在破裂。技术狂热期结束后，大家终于发现AI的商业化落地远比宣传中昂贵。在这场狂欢里，真正赚钱的依然是卖铲子的芯片巨头和云厂商，而买单的则是那些被高昂接口账单拖垮、试图用AI替代人力却发现隐性成本更高的中小企业。

底层模型红利见顶后，圈子又开始熟练地造新词。从宣称提示词工程已死转而追捧自主循环系统，到用各种新概念包装代码生成，本质上都是在掩盖当前AI在复杂工程落地中的无力感。让AI实现全天候自动化闭环听起来很性感，但机器幻觉累积带来的验证债务，最终还是要靠人类工程师去兜底。回顾历史上的技术泡沫，每次到了落地艰难的阶段，都会出现这种试图用更高级的抽象概念来掩盖底层缺陷的架构炒作。

与应用端的精打细算形成鲜明对比的，是基础设施端的盲目狂奔。韩国为了人工智能革命提前十二年扩建半导体产能，国内也在密集出台智算评测基准。但在应用层还在为算力成本发愁、靠裁员补贴技术投入的当下，这种重资产的超前建设存在极大的产能过剩风险。当企业级的真实需求无法支撑起庞大的算力消耗时，那些为了追赶风口而盲目扩张的晶圆厂和智算中心，很可能会成为下一波沉重的资产包袱。