2026年7月9日星期四

行，看完今天这些信号，最值得聊的有两个事：一是AI圈的人才争夺战已经卷到明面上了，二是AI应用终于从"造个玩具"进化到"真能帮人干活"的阶段了。

先说ICML 2026。清华拿最佳论文，DeepMind拿时间检验奖，这都属于技术层面的常规操作。真正有意思的是中国大厂在首尔搞的"人才围猎"——展台、咖啡吧、游轮，能用的招全上了。阿里、字节、小米这些公司，钻石级、铂金级赞助砸下去，不是为了发几篇论文，是冲着那些能落地的人去的。你们想想，大厂现在不缺钱不缺算力，缺的是能把模型真正跑通、能解决工程问题的研究员。学术会议成了招聘会，说明一件事：纯学术的泡沫在退，能打的人才是硬通货。这对普通开发者是好事，如果你手里有真本事，今年下半年你很有可能收到猎头电话。

再看另一边，开发者社区里的风向变了。OpenWiki那个项目能自动写文档，Strix能自动找漏洞，OpenAI和Claude Code搞了个插件互相调用。这些工具解决的都是同一个核心问题：让你少干点没意义的活。不是那种"帮你生成一首诗"的花活，是实打实的——你代码写完了，它帮你补文档、查安全、做review。这才是AI落地应该有的样子：不是替代你，是把那些烦人的收尾工作给包了。再结合那篇讲botsitting的文章，以后每个团队都得有人在"看着AI干活"，这不是什么科幻概念，这是今年下半年就会出现在你工位上的现实。

最后吐槽一句，TikTok裁员那条和前面这些放在一起看特别有讽刺意味。一边是大厂砸钱抢AI人才，一边是裁掉信任与安全团队。说明什么？说明资本对"成本中心"和"利润中心"分得很清楚。会写代码、能搭模型的，你是皇帝；搞内容审核、做合规的，你随时可以走。这种结构性失衡短期内只会加剧，底层开发者要是不想被内部优化掉，最好的自保方式就是让自己变成那个能"兜底"的人。别只会调API，学会看穿模型的黑箱，学会帮业务填坑，这才是未来三年的核心竞争力。

今天最值得关注的是两股力量的交汇：一是AI基础设施的星际扩张，二是AI对就业市场的深层重构。SpaceX申请部署10万颗卫星的第三代星座，并且明确它和Starmind太空数据中心项目是两个独立计划，这意味着底层逻辑根本不是“卫星互联网”，而是为AI时代的算力传输铺设物理层的管道。当马斯克试图用10万颗节点把全球数据流变成低延迟回路时，谷歌Pixel 11全系取消128GB版本、奔驰纯电GLC全面转向AI，这些看似独立的信号实际上在指向同一个方向——AI不再只是软件层的事，它正在重塑从芯片到终端、从太空到车轮的整个物理基础设施。苹果折叠屏量产、抖音印尼裁员90%和美国世界杯转播权可能飙到20亿美元，这些事件背后都是同一场关于“容量”的博弈：谁控制了传输和计算的容量，谁就掌握了下一个十年的定价权。

而人才争夺战已经进入了白热化的“丛林法则”阶段。ICML 2026上中国大厂把展台和咖啡厅搬进首尔，系统性地围猎顶级AI人才，但从前华为天才少年李博杰公开吐槽DeepSeek面试官质疑他抄袭来看，内卷已经从技术竞争蔓延到了招聘文化——当企业急需“能打”的人时，面试标准反而变得扭曲和防御性。这与TikTok全球裁员但同时又在关键岗位加码的悖论如出一辙。更值得玩味的是，开发者社区里出现了两个趋势相反的信号：一边是AI求职工具ai-job-search让Claude帮你自动投简历，另一边是strix这类AI黑客工具开始自动寻找代码漏洞。这说明AI正在同时成为“求职者”和“面试官”，技术的自我迭代速度远超组织制度的适应能力。

botsitting这个新词的出现揭示了真正的就业真相：微软、摩根士丹利已经开始设立AI培训师，白领每周平均花6.4小时做“AI看护”，2026年毕业生因为更懂AI反而更吃香。这不像AI取代人类，更像是AI创造了大量“翻译层”岗位——人类不再写代码，而是修正AI写错的代码；不再做内容审核，而是教AI做内容审核。但隐患在于，当OpenAI推出GPT-Live实时语音、Grok 4.5几乎同步发布时，AI能力的泛化速度正在压缩这些“翻译层”岗位的保质期。一旦模型自己能修正自己的输出，botsitting会像当年的打字员一样快速消失。基础设施的星链级铺设和人才市场的烈性震荡，本质上是一个硬币的两面：越早意识到“AI不是工具而是生态”的人，越能在下一轮重构中找到自己的位置。

老实说，今天的信号放在一起看，透露出来的不是技术突破的兴奋，而是一场昂贵的焦虑转移。谁在买单、谁在赚钱，我开始有答案了。

先看谷歌Pixel 11取消128GB版本。存储成本在以每年15%-20%的速度下降，闪存颗粒现在已接近地板价，谷歌却在2026年告诉消费者，没有128GB的选项了，起步256GB，价格自然水涨船高。这和技术演进无关，是典型的去风险化定价策略。真正的成本被转嫁给了用户，而背后的理由是AI功能系统体积膨胀和端侧模型缓存需求。但用户真的需要为这些所谓的“智能”功能每年多付几百美元吗？历史告诉我们，十年前手机厂商取消可拆卸电池和耳机孔时，给出的理由也是“为了更先进的功能”，结果呢？配件市场赚得盆满钵满，用户的迁移成本和维修成本翻倍。现在轮到存储了，同样的剧本。

再看ICML 2026的中国大厂抢人戏码。11,000人的会场，展台、咖啡吧、游轮派对，像极了2015年移动互联网泡沫时的疯狂。当年抢的是iOS工程师，现在是AI研究员。但核心问题没变：这些高薪人才到底在创造什么实质性利润？今天的AI应用层，绝大部分产品还是建立在免费或补贴模式上——GPT-Live免费、Grok 4.5开放、大量Hugging Face模型免费商用。企业用风险投资和资本市场上的钱去支付这些人才的千万年薪，而商业模式仍然模糊。历史上，2017-2019年的自动驾驶人才大战留下了一地鸡毛：明星创业公司倒闭、技术路线被证伪、投资人血本无归。今天的AI人才竞赛，复制的是同样的路径依赖，利润流向了会议赞助商、猎头和高端房产中介，而不是股东。

最让我警惕的，是SpaceX的10万颗卫星申请和AI数据中心计划同步推出。两个独立的星座合计超过110万颗卫星，这是在押注地球轨道资源能被无限制利用。但现实中，单颗卫星的制造成本、发射成本、在轨维护成本、以及脱轨清理成本，大多数预测模型都严重低估了。历史教训是，低成本卫星带来的不仅是通信进步，还有轨道碎片危机。2009年铱星与Cosmos 2251的碰撞，导致了至今仍然高频次使用的轨道区域碎片密度飙升。现在星链已经有超过6000颗卫星在轨，每天要避免数千次碰撞。扩张到10万颗的运营风险根本不是人力能管理的，全靠AI自动化调度，而AI在这个领域的容错率几乎为零。赚钱的是SpaceX的发射服务，而买单的是未来的航天产业和全球天文学研究——受影响的天文台已经在投诉星链拖尾问题。这个风险被严重低估了。

总结来说，今天的科技新闻讲的是同一件事：用规模和技术叙事来掩盖成本转移和风险外溢。存储成本转给消费者，人才溢价转给资本市场，轨道资源风险转给整个太空生态系统。真正破局者寥寥，但买单者早已排好队。