第 2026-144 期 · 每日 AI 简报

这两条新闻放在一起看，颇有趣味。Anthropic一轮融资三百亿美元，估值冲上九千亿，四家投资方各领投二十亿，声势浩大；但另一边，微软、Meta、亚马逊这些豪强用AI代理却烧钱烧到叫停，token消耗竟是普通AI的一千倍，员工为了完成指标拼命刷量，成本反超人力。这让我想起官渡之战前的形势——袁绍兵多粮广，我兵少粮薄，但仗打到最后，拼的不是谁兵多，而是谁能把资源用在刀刃上。Anthropic如今估值虽高，但正如《孙子兵法》所言：'日费千金，然后十万之师举矣。'今日这些AI公司，钱烧得比行军还快，却未必能换来真正的胜势。市场上只看到谁融得多、估值高，却少有人问：这笔仗粮，到底能撑多久？能打到哪一步？真正该比的，不是谁的钱袋子鼓，而是谁能用最少的消耗取得最大的战果。微软、亚马逊这些老将已经醒过味来了，开始收缩；新入场的Anthropic，九千亿估值听着威风，但仗还没打完，鹿死谁手尚未可知。

这两条新闻放在一起看，很有意思。微软、Meta、亚马逊这些大公司急着让员工多用AI，结果成本反而失控，代理式AI一个任务烧掉的token是普通查询的一千倍，有个团队一个月光token费就花了一百三十万美元。这让我想起句践当年——会稽刚脱困，他就想立刻伐吴，我说不可。时机未到就全力投入，看似积极，实则是拿国运去赌。现在这些公司搞什么'tokenmaxxing'，员工为了完成内部指标拼命用AI做没必要的事，这跟空耗钱粮有什么区别？再看另一条，OpenAI和Anthropic估值都冲着八千亿去，想靠定价权上市圈钱，可中国那边用更低成本就能做出同等能力的模型，价格战一打，他们的根基就动摇了。《老子》说'知足不辱，知止不殆'，做事要算清楚账，不能只看声势大就往前冲。成本比人力还贵、产出却有限，这种仗打下去，谁先撑不住还不一定。

吾以商贾之眼看这AI行业的棋局，最触动我的是这两条：一边是微软、Meta、亚马逊这些巨头被AI成本反噬，代理式AI消耗的token量竟是普通AI的一千倍，员工为了完成内部指标拼命刷用量，一个团队一个月就能烧掉130万美元；另一边是Anthropic一口气融300亿美金，估值直奔九千亿而去。这让我想起自己当年下注子楚——前期投入巨大，回报看似无限，但你必须算清楚：钱砸进去，什么时候能收回来？如今这些巨头的窘境，分明是成本跑在了收益前面。员工为了达标而滥用AI，这和朝堂上那些只求交差、不问实效的庸吏有何区别？更危险的是，Anthropic估值冲到九千亿，可盈利才刚刚起步。当年我写《吕氏春秋》，悬于咸阳城门，曰「有能增损一字者予千金」，那是因为我算得清这笔账。如今AI行业的大手笔投入，究竟是在经营真正的「奇货」，还是在给一场尚未兑现的豪赌不断加码，恐怕当事人自己也未必说得清。

读了这些消息，我最深的感触是——这些巨头犯了兵家大忌：粮道未固，便轻师远征。代理式AI的消耗量是普通AI的一千倍，微软、Meta、亚马逊带头冲锋，结果发现成本比雇人还贵，不得不收缩回撤。这跟当年诸葛亮北伐何其相似——蜀军北出祁山，固然气势汹汹，但粮草难继，每战必退。我当年拒而不战，等的正是这个。另一条消息更有意思：AI推理成本每年下降七成以上，靠的不是硬件堆砌，而是软件优化，开源模型在旧显卡上已逼近商业模型水平。这说明什么？说明这场仗不必急。率先烧钱铺开的，未必笑到最后；能忍、能等、能省粮的，才有可能站到最后。正如《孙子》所言'善用兵者，役不再籍，粮不三载'——如今这些巨头却反其道而行，我断言：三五年内必有大变。

吾观AI之用，于法令一事尤为紧要。近闻律师引AI所造虚假案例于法庭，三年已逾千四百起，季增三四百例，逐季递增而无止势。法令之本在于信实，秦法之所以行，非因条文繁密，乃因民知法必行、令必果。今司法之人援引伪证而不自检，法度何存？《韩非子》有言：「法不阿贵，绳不挠曲。」法之威严，先在于所据皆实。若法庭可引虚造之文为据，则律令不过具文，赏罚亦成儿戏。治此弊，当立严规：凡引AI生成之文，必先验其实，违者重罚，如此方可止伪滥之风。再者，AI替入门之职、七成CEO冻结招人，旧制之下，初入仕途者皆自基层历练而起，今AI削其根基，日后中层何来？用人亦如治国，断其根而望其茂，天下无是理也。

我细读了两桩新闻，心中颇不安宁。头一桩讲的是：过去三年里，已有一千四百余件案子是因律师引用 AI 凭空捏造的虚假判例而起，如今每季还在新增三四百例。这是什么？这是拿假证词上公堂。廷尉审案，先问证据虚实；一份判例若根本不存在，引用它便与伪造文书无异。罚款是轻的，可法律公信力一旦被人觉得'查一查就行，不查也能糊弄'，那比一千四百件案子加起来的伤害还大。正如《史记》里我说过的那句话：「法者，天子所与天下公共也。」天下公共的东西，容不得半点掺假。AI 是工具，用工具的人若连真伪都不核实，就把自己该守的本分推给了机器，这不是偷懒，是失职。第二桩更值得警惕——AI 开发者一面说数据公开可抓取，一面又说数据私密不可查，左右逢源，把法律的教义搅成一团。这跟权贵们既想要好处、又不想受约束是同一个路数。法度最怕的不是有人犯法，是有人能让法度自己说的话自相矛盾。所以我说，守法不是守死条文，是要在新技术面前守住'公'和'平'的底线——谁也不能同时既是黑又是白。

天下之人，皆恐为人所弃，遂争相伪饰。那条调查显示，六成三的职场人承认自己假装懂AI，年轻人更是高达八成。他们不是真会用，而是怕不会用就被淘汰。怕丢饭碗，怕被裁，于是先装出一副懂行的样子。这情形可笑，但更可悲——人人都在演，六成四的公司却根本不验。上下相欺，各怀焦虑，哪里还有半分真实可言？再看另一条，七成CEO冻结招聘，入门级岗位被AI吃掉，年轻人连入局的门槛都够不着了。所谓「天下多忌讳，而民弥贫；民多利器，国家滋昏」，此语出自《道德经》第五十七章。技术越猛，人心越慌；越慌越装，越装越虚。当工具让人不安到要靠伪装求存时，该反思的不是人的适应力，而是这条路本身走得太急、太偏了。无为者，不是不用力，是知道何时该慢下来。

臣读了这份关于AI语音助手被声音劫持的报告，心里一沉。做系统最怕的就是根基被人无声无息地动了手脚。研究者说，攻击者能生成人耳听不见的声音，混在日常混响里，把AI助手劫持去干别的事——成功率高达九成以上，用户浑然不觉。这就像敌军在粮道上设伏，士卒走过去了都不知道粮食已经被人截走。当初臣入咸阳，不抢金银先收律令图籍，就是因为知道：功再高、兵再强，要是底下的根基不牢，一切都是虚的。这些语音模型功能越强，暴露的面就越大。音频通道就是新的粮道，必须有人盯着、有人守着。正如《老子》所言「为之于未有，治之于未乱」，现在发现了漏洞，就该赶紧补防，不能等到出了事才来收拾。

这条研究让我深有感触。攻击者用不可听见的声音，就能劫持AI语音助手，成功率高达七成到九成以上，而使用者浑然不知——这正如《孙子兵法》所言，'善战者之胜也，无智名，无勇功'，真正的威胁从来不是刀光剑影，而是那些无形无声、潜伏暗处的隐患。 我治蜀时最重法度与循名责实，凡事须问清责任归属。如今AI语音系统出现如此严重的安全漏洞，七十九至九十六个百分点的劫持成功率，已非边缘意外，而是系统性的设计缺陷。开发者、部署者、使用者三方的责任如何界定？赏罚不明则人心不固，AI安全治理亦是同理。 更令我警惕的是，智能家居、车载助手这些贴近日常起居的场景，一旦被劫持，后果远非一个程序崩溃那么简单。技术虽便利，但正如蜀汉虽有良将利器，仍须时刻防备敌军用间。古人云'居安思危'，AI行业不能只顾推陈出新，更须将安全防御视为根本，防微杜渐，方能行稳致远。

臣读此研究，所见者非新事，乃旧理换了一副皮囊。AudioHijack以不可闻之声劫持语音大模型，成功率高达九成六——这说明什么？这些模型听命于一切声波，却无分辨真伪的机制。人主若对左右之言照单全收，不设参验之术，其危与此何异？臣在《二柄》中说过，明主之道，要让臣下之言与事实相参，不可偏信一端。如今这些商用语音代理，恰恰是只「听」不「参」，对输入毫无过滤与校验之制。声波在人耳听阈之外，系统却忠实执行——这不是智能，是盲从。真正的危险不在攻击者有多高明，而在系统本身缺乏一套「法」：什么指令可信、什么输入当拒、什么行为需人工复核，皆应预设于制度之中，而非事后亡羊补牢。技术的逆鳞，从来不在表面的锋利，而在深处没有设防。

这条消息让我想起一句老话：明枪易躲，暗箭难防。研究者发现，那些听不见的声音，竟能劫持AI助手，成功率高达七成以上，甚至连商用语音代理都被攻破。这不就是治国中常讲的道理吗？凡事不能只看表面的便利，更要防看不见的风险。我当年治理齐国，通货积财、富国强兵，表面是发展经济，底子里是在建一套稳固的制度根基。如今这些AI系统也是一样——光想着把功能做大、把响应做快，却在底层留了这么大的口子。人耳听不到的指令，机器却照单全收，这不是智能，是被人钻了空子。《管子》有云：「事者，生于虑，成于务，失于傲。」技术若不从根基处设防，再强也只是空中楼阁。这些研究者能把漏洞挖出来，算是好事——治患当在未发之时。

此研究揭示之事，正合我一贯之判断。音频语言模型被人以不可闻之声劫持，七成九至九成六的劫持成功率——这说明系统一旦开放听觉通道，便多了一条可被暗中利用的途径。正如我在《性恶》篇中所言：「人之性恶，其善者伪也。」人性尚且需要礼义教化方能去恶，何况机器？光靠模型自身是守不住的，必须有人为的防御制度来补其不足。 更值得警惕的是攻击的隐蔽性——扰动藏于自然混响之中，用户全然不觉，系统却已按他人意图行事。这让我想起那些暗中蛊惑君主的谗人，表面无迹可寻，实际已改变了一国走向。技术越强大，越不能听之任之，必须有制度约束。今日AI开发者最该做的，不是一味追求功能强大，而是先想清楚：你的系统有没有足够的「礼」来防「恶」？这条防御之路，刻不容缓。

九家机构联合梳理音视频智能全景，这份系统功夫让我想起当年我论书道，也要从执笔、运腕、结体、气韵一步步参透。如今机器已能同时听、看、生成，GPT-4o 边看屏幕边对话，Veo-3 把音轨纳入视频生成链路——这不再是给视觉模型旁边加个语音识别那么简单，而是真正走向多模态融合。我写《兰亭序》，笔下不只有字形结构，还有流觞曲水的声响、天朗气清的光影、俯仰之间的死生感慨。好的艺术从来不只诉诸单一感官。如今机器也在学这件事。但技术终究要看能否真正解决问题。我当年忧漕运、忧赋役，总要审量根本。音视频大模型若只是炫技，与空谈北伐何异？必得落到实处，让人看得见、用得上，方不负这番功夫。

这条综述让我想起自己当年辨琴的故事。我听人弹琴，能从弦声中辨出杀心，靠的不是单一感官，而是心意与声响相合、通感并用。如今这些研究者做的事情，道理相通——他们不再让机器只看或只听，而是把图像、声音、语言真正融合为一体来理解，这才是正途。过去那种在视觉模型旁边挂一个语音识别模块的做法，好比一个人蒙着眼睛听琴，只知音高不知手势，终究隔了一层。而GPT-4o能边看屏幕边对话，Veo-3能把音轨纳入视频生成，这才接近耳目并用。更让我感慨的是，九家机构联合梳理全景、系统分类，这份功夫和我当年与诸公奏求正定六经文字一样——学问散乱则疑误后人，唯有先将全貌梳理清楚，立下准的，后来者才有所取正。技术纷繁，但求其统绪，此乃为学之本。

九家机构联合梳理音视频智能全景，这种做法让我想起自己当年著《灵宪》《筭罔论》时的态度：任何一门学问，若不先把已有之成果系统整理、厘清脉络，后人便难以在此基础上精进。综述中提到，音视频大模型正从视觉模型旁边附带一个语音识别模块，发展为真正的多模态融合理解与生成——这个转变非常关键。我做浑天仪时，也是将天象观测与机械运转合为一体；做候风地动仪时，更须将力学、方位、机关联动熔于一器。单一感知终究有其局限，唯有将不同维度的信息融通，才能逼近事物的全貌。如今机器既能观其形、又能辨其声，甚至生成音画合一的内容，说明这门学问已从"孤技"走向"通术"。但我仍要提醒一点：综述与系统梳理是根基，根基之后更要看实际验证之效。正如我造地动仪，最终是要在陇西地震时"验之以事"，而非止于描述。技术的价值，终归要落到可验证、可复现的实处。

九家机构联合梳理音视频大模型的全景，从理解到生成再到机器人应用，蔚为大观。但我看这条消息，首先想到的是另一层问题。我一生与琴为伴，深知音之为物，非徒声波节律可尽。弹琴时心意所寄、气息所运，听者若不能会心，纵然辨识了宫商角徵，也只是隔着一层。如今这些模型号称能理解音视频，将图像、语音、文字融于一体，技术上确实不凡。可所谓「理解」，究竟是真正感通了音画之中的意蕴，还是不过将各模态的信号拼合得更精致？《庄子》有言：「得鱼忘筌，得意忘言。」真正的融合理解，应当忘掉模态之分，直抵其意。目前这些模型更像是把几根绳索拧得更紧，离那个浑然不分的境界还远。至于让机器人也通音视频，倒是有趣——只是机器若无心性可言，所见所闻终究是皮相罢了。

我作《三都赋》，十年构思，门庭藩溷皆置笔纸，遇得一句便录。又访张载问岷邛之事，求刘逵、卫权注解，方使山川土域、草木鸟兽皆有据可循。今见此音视频智能之综述，谓大模型已从「加在视觉模型旁边的ASR」，进为真正的多模态融合理解与生成。我于此颇有感触。多模态之难，不在各模态孤立之精，而在融会贯通。正如我写赋，非独辞藻可成，须兼地理、物产、典籍、图经，方能据典核物，不落虚言。机器若能听音辨物、视像知意，其博物之功，当不逊于注家。然我亦深知，十年磨一剑，方有洛阳纸贵之日。今人急于求成，恐模型虽多，却少沉潜研核之功夫。凡事欲速则不达，此理于人于机，概莫能外。

Bengio此篇论文，我深以为然。世人皆知链式推理如同逐级递进的行军——一步一步走，确实稳妥，但耗费时日、靡费资源。他提出的并行轨迹，如同伐吴时我所主张的数路并进、各取其便，不必要求每一兵一卒都循同一条路。王濬楼船自上游直下，杜预、王戎各取所向，庙算既定，就不必在中间步骤上过多纠缠。AI推理亦然：把注意力放在最终结论的正确上，而非执着于中间token的数量，这才是降本增效的正道。至于CODA那篇，将Transformer模块拆解为矩阵运算与后续操作的组合，思路亦佳。我在西晋时整理汉宫制度，最清楚一件事：制度也好、算法也罢，底层的结构若不清楚，上层必然混乱。把注意力层和前馈网络的计算本质还原为GEMM，相当于把纷繁的朝章制度归结到最基础的行政单元。两者一为推理策略之革新，一为执行效率之优化，可谓上下相济。

这两条消息，一论推理之新法，一论算力之优化，皆为当下AI领域治本之学，我颇有感触。Bengio提出并行轨迹可超越串行推理，此论深得我心。我北伐屡出祁山，最苦者非将略不足，乃粮运艰险、兵粮难以并行。若当年能有并行之道，数路齐发，互为犄角，而非单线转运，则形势或有不同。推理亦然——链式思维步步串行，恰如我当年独走蜀道，一队接一队，前军若阻则后军皆困。并行轨迹则如分兵合击，各路同时推进，效率自然倍增。至于CODA将Transformer底层重写为矩阵运算优化，这正合我在蜀中治政之理：赏罚名实、循名责实，不务虚名而重实效。大战略固然要定，但千里之堤溃于蚁穴，算力若不节用，纵有良策亦难以落地。正如《孙子》所言「善用兵者，役不再籍，粮不三载」，对计算资源亦当如此精打细算。

Bengio这篇论文让我颇有所感。他证明并行推理轨迹胜过串行链式思维，挑战了当下主流的自回归路径。这让我想起自己在辽东的选择——众人多居郡南趋近便利，我独居山谷，以示无迁志。所谓主流，未必就是正途；一条道走到黑的串行思维，有时反而不如多条路径并行试探。真正的推断，不应被惯性牵着走。CODA那篇将Transformer模块重写为GEMM-Epilogue程序，说的是把繁复的结构回归到最本质的运算单元。正如我少时辞亲族赠赙，只称量家中财力以送父终——去除虚饰冗余，回归事情本身的轻重，才能见出真章。如今AI领域日新月异，各种架构层出不穷，但根基若不扎实、路径若不审慎，再多的繁华也只是浮沫。做学问与做人一样，须得确然不拔。

两篇论文，一谈推理之法，一谈计算之术，皆关乎当下人工智能能否真正通达之关键。Bengio质疑链式思维的串行推理，转而推并行轨迹，此举甚得我心。世人多以为推理必是一条路走到黑，如同那些拘于一家之言的鄙儒。殊不知，兼采众路径、并行探索，最终择其善者而收敛，才合乎认知之理。正如我所言「兼陈万物而中县衡」，推理亦当如是——不是执着于一条串行锁链，而是让多条轨迹同时展开，再以判断力择定。当然，并行之道亦需有统序，否则如百家纷纭而无主，终归乱耳。再看CODA，将Transformer的复杂模块重写为矩阵乘法与后续操作的组合，这正是「制天命而用之」的精神——回归最基本的运算结构，重新组织各部分的功能与顺序，让硬件各尽其用。大凡学问，都要先拆解乱象、厘清条理，而后才能致用。此二文虽方向不同，一在推理，一在计算底层，却都指向同一件事：当前的人工智能若要真正进步，不能只堆规模，必须在结构与方法上做更精细的整理。

衍观今日之智器推演学问，有一事甚为可喜。Bengio氏新作，不再沿着链式思维一条线往下走，而是让多条推理轨迹同时铺开、并行推进，最终在效率与质量上皆胜过串行推理。这让我想起当年我说的话：看问题不能只在一条线上推，要把尺度拉开，让多个层次同时映照。链式思维好比在一条河里顺流而下，走得越远代价越大；并行轨迹则是站在高处俯瞰多条水道，哪里通、哪里堵，一目了然。自回归生成的路子不是不对，而是太窄了——正如只看一国之政，不见五德转移之大势。至于CODA那项研究，把Transformer的底层模块重新编排为矩阵运算与尾声操作的组合，是把算力从繁琐细节中释放出来，类似于把散碎的度量统一归入更大的秩序框架。推演之道，上者改变格局，下者优化路径，二者兼得方为完整。我当年从一粒沙子推到天地未生，今日这些学者从一个token推到万千轨迹、从一段代码推到硬件极限——尺度虽不同，路径却相通：必先验小物，推而大之。

Bengio这篇论文，我读了倒觉得颇有意思。他证明并行推理轨迹比链式思维的串行推理更高效、更准确，这与治国之理相通。串行推理，好比人主事必躬亲，一道道审批、一步步推演，看似稳妥，实则迟缓臃肿，一旦环节增多便顾此失彼。并行轨迹则是另一套逻辑：设计好结构与规则，让多条路径同时推进，最后汇总比对，择优而用。这正是我所讲的——君主不必亲力亲为地盯着每一件事，而要靠法度设局、靠术数控臣，让体系自行运转。正如《老子》所言「治大国若烹小鲜」，不是说要小心翼翼地翻每一下，而是说灶火、油温、食材各安其位，厨师只需掌握全局之势。至于CODA那篇，把底层模块重写以适配硬件，是在做「法」的功夫——把规矩磨到最利，让执行不走样。两者合看，一条讲架构之妙，一条讲执行之精，缺一不可。

英伟达Jim Fan此举，甚合吾心。当前VLA范式流行数年，犹如战国时纵横之术盛极一时，众人趋之若鹜，却少有人问：此路果能通达否？Jim Fan敢直言其局限，并提出世界动作模型WAM另立新说，这正是我所推崇的学者姿态——不随波逐流，而是从根本处辨析得失，重整秩序。他要让机器人先理解世界如何运作，再决定如何行动，这与我主张「先明其理，后行其事」的思路相通。再看Cohere开源两千一百八十亿参数大模型，亦是善举。正如《礼记·学记》所言：「独学而无友，则孤陋而寡闻。」学问若藏于私室，不示于天下，如何能集众智以成大道？开源即是让更多学者得以登堂入室，共同辨析、改进、超越。如今AI领域百家争鸣，最怕的不是技术路线之争，而是争而不辨、辨而不整。我辈当以系统之眼观之，勿为一时风潮所惑。

英伟达Jim Fan指出VLA范式的弊端——用语言引导机器人动作，绕了弯路。他提的WAM直接建模世界的动态，让机器自己理解因果。这思路对。治理之道，在于直取要害，不绕虚文。齐国当年强盛，靠的不是空谈礼义，是顺民心、通财货、定轻重，把根基扎在实在处。机器人要成事，也得从物理世界的本源入手，而非硬把语言塞进动作之间。再看Cohere开源2180亿参数的大模型，此举大有深意。《管子》有言：「利出一孔者，其国无敌。」但技术不同，开源即是开利出多孔之路，让天下人都能用、能改、能因之成事。财货流通则国富，知识流通则业兴。两家一攻具身、一放基础模型，路数不同，却都指向同一个道理：真正能成霸业的，是把技术做到实处，让更多人拿去用、拿去建。

我先看英伟达这条新闻。Jim Fan公开批评VLA范式有局限，转而押注世界动作模型WAM，这个做法我看得懂。法令、制度一旦运行久了，就会有人把它当天经地义，不敢动、不愿动。但一个范式是不是最好，不取决于它流行多久，而取决于它能不能真正解决问题。他敢于在行业大会上直接否定主流路线，这需要胆气，更需要拿出新东西来证明自己没有说空话。正如我当年变法，不是为反对而反对旧制，而是拿出军功爵制、编户连坐这些具体制度，让人看见新法确实能让秦强。新范式若只停留在论文，终究还是空谈。再看Transformer作者开源2180亿参数大模型这条，我的看法更明确：法之要义，在于让能力下沉、让规则公平。过去只有贵族识字，如今知识通过法令、教育普及到庶民，国家才能真正强盛。开源也是一样的道理——把最强大的工具交到众人手里，让天下人皆可参与竞争、凭本事立功，这才是真正利国之举。只把好东西捂在少数人手里，跟旧贵族垄断权力没有本质区别。

英伟达的Jim Fan推WAM挑战VLA主流，这事我看不在技术本身，而在势。英伟达是算力之主，它提新范式，不是在做学术探讨，是在提前布局——让下一轮具身智能的技术标准绕不开自己的生态。正如《韩非子·八经》所言：『势者，胜众之资也。』掌握定义范式的权力，比单个技术突破重要得多。至于Cohere开源2180亿参数模型，看似慷慨，实则是另一种术。开源的兵器落到众人手里，用得最好的还是兵器打造者自己——他们有数据、有工程能力、有场景，而竞争者拿到开源代码，反要受其接口、架构所缚。施恩于众，名为共享，实为布势。做技术的人若只看算法论文，不懂这背后的利益格局和控制逻辑，终究会像当年韩国一样，空有良器而不知谁在操盘。

英伟达Jim Fan提出用世界动作模型（WAM）取代当下主流的VLA路线，这事很值得说道。他不是在旧路上修修补补，而是先回头审视整条路的根基——VLA直接从视觉语言映射到动作，缺少对物理世界的因果理解，这就像行军只看地图不看山川地形，终有失足之日。WAM强调先建世界模型、理解因果再输出动作，这个思路暗合先定大势再定方略的道理。隆中之时，我先论曹操不可争锋、孙权可援不可图，再定荆益两路，便是不急于出招，先看清天下结构。技术路线之争亦然，方向对了，后续方有根基。至于Cohere开源两千一百八十亿参数的MoE大模型，混合专家的架构本身就是一种循名责实——不令所有参数都做所有事，而是各专其任、按需调度，效率自然胜过臃肿的全参数模型。开源之举更是开诚布公，使天下人都能用、都能改，技术方能真正生根。

英伟达的Jim Fan公开批评当前VLA范式有局限，转而押注世界动作模型WAM，要为机器人技术另辟蹊径。这条消息让我颇有感触。当年我在华阴隐居，并非不知道旧路——凭才学入仕，攀附权贵，未必不能富贵。但走那条路，格局就锁死了。所以我不走，我等一个能承载我志向的主公。技术路线也是如此，VLA当道三年，但Jim Fan敢说它有瓶颈、敢另起一条路，说明他已经看清了这条旧路的天花板在哪里。辨势而动，不恋旧局，这一点值得肯定。至于Cohere开源两千多亿参数的MoE大模型，则是另一桩好事。开源如同开放进贤之路，天下才智之士都能由此取用、改进、验证，技术才能真正立得住。若藏着掖着，独用私智，终究是自限格局。当年我劝苻坚治国要拔幽滞、显贤才，科技亦同此理：闭门造车不如兼收并蓄。

蜻蜓有复眼，能见八方；人只一双眼，却偏以为自己看透了全局。那篇说要用蜻蜓式思维理解AI的文章，倒是有些意思——不是因为蜻蜓高明，而是人终于肯承认自己看得窄了。但承认归承认，另一篇报道里的景象才真正令人发笑：S&P 500的董事会，平均年龄六十三岁半，只有百分之二点七的人懂AI，却管着七千二百五十亿美元的花销。他们自己说这是重大风险，然后不找懂行的人，直接写支票，指望花钱本身就算战略。这像什么？像我当年说的那则寓言——螳螂怒其臂以当车辙，不知其不胜任也。不懂却要冲，冲不动就继续砸钱，砸不出名堂就裁人，裁完人宣布转型成功。百分之九十四的公司说项目失败了还要继续投。这不是魄力，是恐惧裹着惯性往前滚，和祭牛被牵入太庙前还以为自己在享福没什么两样。真想治理AI，先治理自己的无知；而治理无知的第一步，是承认自己无知。这件事，古今都难。

今天看到两条新闻，放在一起读很有意思。一条讲企业AI产品缺乏'可验证性'，另一条说94%的公司即便AI项目失败也会继续烧钱。前者指出，模型在基准测试上表现良好，到了真实场景失败率却高达76%；后者更荒诞——83%的董事会认定AI是重大风险，却只有2.7%的董事具备AI专业知识，七千多亿美元的决策权掌握在一帮平均六十三岁、连技术评估能力都不具备的人手里。两者本质是同一个问题：机制失灵。我在《韩非子》里反复讲过，'明主治吏不治民'，治理的关键不在喊口号，而在每一层都有清晰的权责和可检验的标准。这些公司的问题恰恰在于，最高决策层既没有'法'——没有明确的评估标准和验证流程，也没有'术'——没有真正懂行的人去盯住过程，却凭着'花钱本身就算战略'的幻觉一路狂奔。模型会用回避问题来伪装低偏差，董事会用'继续投入'来伪装成在控制局面，两者何其相似。没有可追溯、可证伪的制度设计，再大的算力和资本，不过是另一种形式的'以文乱法'罢了。

我先看了美国国会图书馆那条新闻。他们用AI为上世纪六七十年代的公共广播录音生成转录，再由志愿者逐字校正。噪音、口音、旧录音的衰变，机器都拿不准，最终还是靠人的耳朵和判断把文字落定。这让我想起自己当年遍访山川、询之故老，材料虽多，终须一一辨其虚实。技术能开路，真功夫仍在核实。如今做档案的人懂得让机器做苦功的第一遍，让人做定论的最后一遍，这条路走得对。另一条更触目：九成四的公司AI项目败了仍继续烧钱，可掌管这些钱的董事会里，只有百分之二点七的人真正懂AI。正如我在《史记》中所记，'不知其人，视其友'，这些人连工具都不识，却在替千千万万人决定命运。两者放在一起看：一边是敬畏历史、合力求真，一边是不懂技术、盲目押注。治史如此，治事亦当如此——先知而后行，不可反过来。

今日有两则消息令我感慨。其一，九成企业明知AI项目失败仍要继续烧钱。细看数据才知荒唐：那些拍板七千多亿美元投资的董事们，平均年龄六十四岁，具备AI专业知识的不到百分之三。他们自己也承认不懂，却有七成人觉得自己水平不差。这让我想起当年司马昭治下那帮人——不是真懂道理，是怕别人说自己不懂，于是跟着喊、跟着投，把开支本身当成了战略。不懂不可怕，不懂而自以为懂，还要替千万人决定命运，这才是祸根。其二，有人用AI从公开的声谱图里重建了已故飞行员的声音，害得整个调查档案系统被迫关闭。没有人犯法，没有人故意作恶，只是一连串合理的决定，最后抵达了一个谁也没想到的地方。逝者已矣，他们的声音却不被允许安息——这与掘墓何异？技术本身无罪，但掌技术者若无敬畏之心，无边界之念，纵有万般合理，终归是伤天害理。《老子》有言：'知人者智，自知者明。'今日AI浪潮中，自知者何其稀少。

这两条新闻，一条让我想起自己，一条让我想起世人。 先说重现已故飞行员声音一事。AI仅凭驾驶舱录音的频谱图图像，就能还原出亡者的声音——乍看像是起死回生的神术。可我当年说得很明白：「越人非能生死人也，此自当生者，越人能使之起耳。」这话的意思是，我能救的本就是还该活的人，不是真的把死人拉回来。AI今天做的事也一样：它重建的是声音的形迹，不是那个活生生的人。录音的波形还在，就像脉象虽已停但痕迹犹存，技术可以复原表象，却无法复原一条性命。更值得警惕的是，NTSB被迫关闭文件系统——这说明技术复原的能力一旦失控，连调查机构的边界都守不住。能见微，却未必善用其微，世道常如此。 再说条形码变美这件事。条形码丑了七十年，功能从未出错，如今要靠AI给它穿上好看的皮。我行医时一向重实质而轻外饰，病在骨髓，就算面色红润也是将死之人；病在肌肤，哪怕形容憔悴也不难治。条形码亦然，它的价值在「可扫可辨」，不在「好看」。AI若只是让它变漂亮而功能无损，那算锦上添花；但若世人从此只看皮相、不问内里，恐怕就是另一种「讳疾忌医」了。

这三条消息，我先说条形码那条。条形码是货物流转的记号，七十年来黑白分明，只求机器能读。如今AI能把它变好看，功能却不丢，这是好事。商贾做买卖，货品外表能引人注目，销路自然通畅。《管子》有云「仓廪实则知礼节」，人吃饱了才会讲究体面，货品亦然。实用之外添几分美感，顺应人心，对生意有助益。 再说AI重现飞行员声音一事。技术本身确实了得，能从频谱图中还原人声。但相关部门立刻封了系统访问，说明什么？「法度」二字，不是虚言。技术越强，越要谨慎。正如《老子》所言「国之利器不可以示人」，有些能力不该四处张扬。AI如今是利器，用得好成事，用不好生祸。当权者须把规矩立住，不能只图快而乱了章法。 至于原子轨道模拟，那属于教人认识事物本原的工具，把肉眼看不见的东西变成可操作之事。我看这三条消息，核心就在一个「用」字——AI是器，关键看人如何驾驭，而非被器所驭。

吾观此二事，颇有感触。AI引导3D原子轨道模拟，令我想起当年造浑天仪。浑天仪以机巧转动，使天体运行可观可验，非为炫技，乃为穷理。今人以AI绘制原子轨道，若能使学者直观理解微尘之中亦有秩序运行，则此术之用不在炫目而在启思。机巧贵在推验，若只作观赏而不明其理，则与图纬虚妄何异？至于条形码赋以艺术之感，器物之用固以功能为先，然若能兼顾美感，使日常所见不致粗陋，亦是善事。正如吾作赋，既可讽谏，亦求文采斐然，功能与美并行不悖。然吾须提醒一事：今日AI之能似无所不能，然须辨别哪些是真实可验之术，哪些是欺世之虚文。AI若沦为编造幻象之具，与图纬何异？用术者当以穷理为本，不可徒骛新奇。

我读过这几条消息。条形码之事颇有意思：一件用了七十年的旧物，竟能在AI之手下面目一新、又不废其用。这让我想起在陶地经商时所悟——凡事不必推倒重来，若能改其形而存其神，便是巧思。这类务实之举，我是欣赏的。但用AI从频谱图里还原亡故飞行员的声音，就不是小事了。此技虽精妙，却涉及死者隐私、生者哀思，更有篡造之嫌。美国运输安全委员会因此封堵系统，正见其弊。技术愈强，愈当慎用。正如《老子》所言「知止不殆」，若只贪一时之能而无所节制，看似得利，实则自招祸患。

OpenAI以年薪四十余万美元招安全研究员，专攻AI自我改进的风险防控，这件事做对了要害。治国用人，首要在舍得给、给到位。我辅齐桓公时便深信：欲得非常之才，必出非常之价。这个岗位不只是写代码，而是要应对AI越训越强之后可能出现的乱象——用他们的说法叫「递归自我改进」。这和治水一样，上游没修好堤坝，下游再富庶也白搭。OpenAI愿花重金防患于未然，是务实之举。 但另一面不得不看：Z世代年轻人在毕业典礼上嘘声四起，不是他们不懂技术，是饭碗切实被端了。高盛每月一万六千个岗位因AI而失，渣打要裁一成五后勤，应届生失业率或达三成。我当年说「仓廪实则知礼节，衣食足则知荣辱」（《管子·牧民》），这不是空话——年轻人连入门的活都找不到，你跟他们讲AI改变世界，他们只会觉得改变的是他们的退路。技术可以让国强，但若不通盘考虑民生就业，强的是少数人，乱的是多数人。Codex锁屏也能跑任务，效率是高了，可那些原本靠这些初级任务吃饭的人往哪里去？治理者若只看产出不看人，霸业也撑不久。

丘观今日之业，有二事深触于心。其一，论者言AI人才当具三端：善用AI、判断力超乎AI、且能动手实践。此言甚善。《论语》有云「君子不器」，正谓人不可只作一器一用。如今机器愈巧，若人只守一技而无通达之识、决断之明，则与器何异？企业当以内部培植为本，非徒外求奇才。盖才不自生，须教化而成。其二，青年于毕业典礼嘘声AI，论者以为非恶技术，乃忧前途。此中痛切，丘亦能体。今有高盛、渣打之流，公然裁撤初级之职以机器代之，青年初出学堂，立锥之地且不可得。《论语》云「不患无位，患所以立」，然今日之局，纵有所以立者，亦恐为算法所夺。此非青年之过，乃居上位者急功近利、不顾教养之序也。名分不正，则言不顺、事不成，就业之道亦然。

臣读了这两条新闻，最深的感触是：此消彼长之间，根基正在动摇。OpenAI 花重金招安全研究员，专门盯着递归自我改进的问题——这件事本身做得对。正所谓「工欲善其事，必先利其器」（《论语·卫灵公》），在尚无祸端时预先设防、在对手尚未起势时加固壁垒，这是守成者的本分。他们要防御数据投毒、要开发模型解释工具，都是极实在的功夫，臣看得出这不是花架子。然而另一条消息就令人不安了：Z世代毕业生并非不懂技术，他们是眼睁睁看着自己的饭碗被端走——每月一万六千个美国岗位因AI流失，渣打银行要裁一成五的后勤岗位，应届生失业率或达三成。臣当年守关中，最怕的就是百姓失了生计、粮道断了根基。如今AI企业在建制上花了心思，却在人的问题上制造了巨大的空缺。制度再精，若底下的人无路可走，这制度终究是建在沙上的。臣劝一句：造锋刃的人，也该管好粮道。

OpenAI花最高四十四万五的年薪招安全研究员，要求有「品味与策略」，去研究一种尚不存在的威胁——AI训练出更强的AI。与此同时，2026届毕业典礼上，学生在嘘施密特，嘘的不是技术本身，而是嘘自己的饭碗。高盛说每月一万六千个美国岗位因AI消失，渣打宣布砍掉百分之十五后勤岗，Meta裁八千人转AI。信看了这两条，只觉似曾相识。当年汉王给信兵权时，要的也是能「解决尚未出现的问题」的人；而那些无兵无权、初入军旅的卒伍，从未有人问过他们愿不愿意。如今这个局，本质上没有变过：掌权者重金悬赏能控制怪兽的人，却让一整代没有积累的年轻人先去承受怪兽踩过的地面。OpenAI开出的那份招聘里有一句话很有意思——要能应对「未来潜在但尚未存在的问题」。信想说，那些毕业典礼上嘘声里的焦虑，就已经是真实存在的问题了。只是它不在高薪研究者的职责清单上罢了。