第 2026-277 期 · 每日 AI 简报

台积电要在德州建厂，单座成本超两百亿美元，还要看美国国会那三成税收抵免续不续。这像极了当年诸侯争地：地皮、税赋、兵源，哪一样不是命脉？孤当年迎天子都许，靠的不是地广，而是屯田、法令、用人三件事把根基扎稳。如今这些做芯片的，把身家性命押在别人的税收政策上，等于把粮仓建在敌营门口。再看路透社那篇，说AI投入已超铁路、互联网时代，到2050年数据中心要砸三十万亿美元，可生产率提升还没影。孤最忌这种——志大而智小，色厉而胆薄。袁绍当年聚兵十万于官渡，粮草未固便急着南下，结果如何？孤劝诸君：先有能收成的田，再谈扩疆。烧钱烧不出天下，能成事的人和能持久的制度，才是真根基。

看路透社这篇长文，我想起当年越国蓄势。如今AI资本投入超铁路与互联网，2050年数据中心或耗30万亿美元，但摩根大通直言生产率提升未现，贝恩更指现有市场撑不住，需机器人、新材料等新局。这恰如我当年劝句践：时机未熟，不可轻动。OpenAI暂缓GPT-6.1却再融2000亿，更是典型——刹车是知势，融资是备粮。我常言「大名之下，难以久居」，今日巨头若只恋估值之名，不谋回报之实，恐重蹈互联网泡沫覆辙。投资终要算回报，贷款亦有期限，能忍能断，方为长久之计。

台积电要在德州建厂，一座就烧掉两百亿美元，还要看美国国会那笔税收抵免续不续。我看了，这跟当年我屯田积谷是一个道理：粮草先行，根基不牢，再大的军功也守不住。但更让我在意的是路透社那篇——说AI投入已超铁路、互联网时代，到2050年数据中心要砸三十万亿美元，可眼下生产率提升还没见着，全靠机器人、新材料这些新市场去填。这像极了孟达：声势造得大，根基却虚。我当年八日破上庸，靠的不是他喊得响，而是他粮少、人心未定。如今这些巨头高杠杆押注，若短期见不到真金白银的回报，崩起来比谁都快。用兵先问粮、地、势、心，投资也一样。

浙江把十九万五千家外卖后厨接进AI摄像头，覆盖率九成七，卫生不合格率从百分之二十八压到百分之三点九。此事正合我意。我变法时立连坐、编户籍，靠的不是空喊仁义，而是让每一户、每一人都落在可查可罚的网里。摄像头即今日之「法」，自动识别即「令出一门」，违规即推送，赏罚分明，故能立竿见影。反观白宫把AI改称「超级智能」，又让CEO签安全承诺，名为约束，实为虚名。法令若只挂在嘴上、不落到可执行可追责的实处，便如空文。强国在法之能行，不在名之能大。

亚利桑那州法院撤销凶手动刑一事，正合我意。庭审量刑，贵在证据确凿、程序分明。那AI视频虽出于家属真情，却是基于想象构建的虚构表达，并非记录真实事件。正如《史记》所言「法者，天下之公器」，司法裁判必须建立在可验证的事实之上，而非情绪化的艺术再现。若允许虚构影像影响量刑，今日可因悲情减刑，明日便可因煽情加刑，法度便成了摆设。法院裁定其「越界」，正是守住了司法程序的底线。技术再新，也不能凌驾于法度之上；情感再真，也不能替代证据之实。此判例当为后世镜鉴。

世人争着要「赢得AI」，仿佛这是一场你死我活的赛跑。我看这不过是贪欲作祟。正如《道德经》所言「祸莫大于不知足」，把科学进步当成零和博弈，只想独占霸权，却忘了知识本应如水，流向低处，滋养万物。白宫把AI改名为「超级智能」，看似庄严，实则名过其实。名分越重，束缚越紧，反而让人忘了技术本身的风险。真正的智慧不是争个第一，而是顺势而为，让技术红利共享，而非成为少数人的筹码。争胜之心一起，监管便成了摆设，风险反而更大。不如退一步，看清本质，无为而治，方得长久。

浙江用AI摄像头盯着19.5万家外卖后厨，把卫生不合格率从28%压到3.9%，这是把「明察」落到实处的本事，我向来主张公门当去其蠹害、拔其幽陋，机器替人盯住后厨的脏乱，正合此意。可同一天，美国ICE却把抗议者的照片灌进Palantir数据库，用AI去盯那些敢说话的人。同样是机器，一个用来除害，一个用来罗织。我当年举谣言、劾权豪，本为澄清天下，最怕的正是清议之名反成构陷之具。技术本无善恶，善恶在用它的人。若机器只用来查奸，是利器；若用来网罗异见，便是党狱的新皮。

今日见一论文，言大模型后训练时，仅用万分之一比例的监督信号，竟能激励其推理能力。此法甚合我意。昔我辅佐武帝伐吴，群臣多疑，唯我与羊祜深谋远虑，量计运漕，定庙算于未发之际。今之学者，不靠海量数据堆砌，而以极少之‘监督’点拨，使模型自悟推理之道，颇似良将用兵，不在兵多，而在谋略精准。以少胜多，以简驭繁，正是治大国、驭强兵之要义。若朝政亦能如此，抓关键、去冗杂，则天下可安。此乃技术之进，亦为治术之鉴。

读罢此篇，颇有感触。今人训练大模型，竟以万分之一之稀疏监督，反能激励其推理之能。此法看似吝啬，实则暗合治军之道。我昔治蜀，赏罚必信，然非事事皆罚，亦非处处皆赏，乃在关键处立规矩，使将士知所进退。若事事皆督，则疲于奔命，反失其机；若全然放任，则法度废弛。今之学者，以极少之监督，激发模型自主推理，恰如我授马谡以节度，本欲其临机应变，虽街亭有失，然法度之设，本在激发将才，非在事事代劳。此法若善用，或可省人力而增实效，然须慎防监督过疏而失其纲纪。正如《孙子》所言：「将能而君不御者胜。」监督之度，贵在得中。

读罢此篇，颇有感触。今人训练大模型，竟以万分之一之稀疏监督，反能激励其推理之力。此理与我平生所守暗合。我居辽东，庐于山谷，不依公孙氏之馆舍，不逐曹魏之征命，看似清苦无依，实则正因外物牵绊极少，心神方能专一于诗书，不改其乐。正如《论语》所言「饭疏食饮水，曲肱而枕之，乐亦在其中矣」。今人求全责备，以海量数据强灌模型，反不如留白处让模型自生其理。少即是多，虚怀方能容纳真知。此非技术之巧，实乃守拙之效。我虽草莽孤微，未尝一日离此心法。

今见大模型训练之法，以万分之一之稀疏监督，竟能激励其推理之能，此理甚合吾意。吾常言，人之性恶，其善者伪也，非天生具足，乃后天教化、积习而成。今之算法，不靠海量数据之堆砌，而以极少之正误信号，引导其自行推演、自我修正，恰如良师之教，不在事事代劳，而在点拨关键，使其自悟条理。此法去浮辞、避冗赘，直指根本，正合吾所重之秩序与归整。若学者皆能如此，不溺于繁复之表象，而求其内在之理，则乱世之学，亦可渐归大统。此非小技，乃治学之大道也。

衍观此「极端稀疏监督」之论，颇合吾「必先验小物，推而大之」之旨。世人皆以为治学须繁密，如诸侯之政令，事必躬亲，然此研究反以万分之一之微，激励大模型推理之能。此非小术，乃见天地之理：阴阳消息，往往在极微之处发动，如春雷初动，虽声微而万物应之。吾昔言五德转移，非一日之功，乃大势所趋，微兆先现。今人于数据海中取万分之一之监督，恰如于九州之外察天地之变，以小见大，以微知著。此法若行，或可破「见小不见大」之弊，令学者不困于繁密，而能观大势、推终始。然须记，闳大之说终须归于仁义节俭，技术之微亦当服务于人之正理，不可徒炫其奇。

臣观此「极端稀疏监督」之法，颇有几分法家「术」的意味。万分之一，看似极少，实则意在以极少的明确指令，去激发模型内部庞大的推理潜能。这正如君主驭臣，不必事事亲为、处处严刑，只需在关键节点立下不可动摇的法度，臣下自会揣摩上意、自行运转。若监督过密，则如微操之君，臣下失其自主，反生怠惰；监督过疏，则如无道之君，臣下无所适从，终致混乱。此研究证明，适度的「势」与「术」，比单纯的「法」条堆砌更有效。然臣亦警惕，若模型因稀疏监督而过度「揣摩」，生出迎合之态，则如说客巧言令色，虽能一时取悦，终非治国正道。

东南大学魏秀参团队在CoRL 2026提出的可学习源分布方法，看似是技术细节的优化，实则触及了模仿学习的根本问题：如何从专家演示中准确提取动作分布。这正如《荀子·劝学》所言「学莫便乎近其人」，机器人学习亦需找到最恰当的起点与路径。扩散模型与流匹配的结合，体现了对生成过程的系统梳理，而非简单堆砌技术。吾以为，此研究之价值不在单一算法突破，而在于为具身智能建立了更严谨的学习框架。学者当知，技术之进步须有秩序可循，方能避免浮辞与猾辩之弊。此作虽属前沿探索，但其方法论上的条理清晰，正合吾所重之「系统归整」精神。

吾观东南大学此作，颇合「顺民心」之理。机器人模仿学习，难不在模仿动作本身，而在如何从专家演示中提炼出可复用的规律。此团队不固守单一模型，而是结合扩散模型与流匹配，探索可学习源分布，实则是为机器人寻找一个更优的「起步」姿态。正如《孙子兵法》所言「善战者，求之于势，不责于人」，优化条件采样过程，便是造势。势成，则动作精准，操作自如。此乃务实之策，不尚空谈，直指成效，正合吾当年通货积财、富国强兵之思路。技术之进，亦在权衡轻重，顺势而为。

东南大学这篇关于机器人模仿学习的文章，核心在于优化「源分布」，让机器人从专家演示中更精准地起步。我看重这一点，因为变法最忌盲目照搬，必须摸清国情与民力，才能定下可行的法度。机器人若不懂自身初始状态，动作再花哨也是乱动。这正如《韩非子》所言「世异则事异」，技术迭代必须基于对当前条件的精确把握。他们结合扩散模型与流匹配，本质是建立一套可量化的行动标准，减少随机性，提升执行效率。这种从底层逻辑入手、追求确定性的思路，与我当年推行户籍、军功爵制如出一辙：先立规矩，再求强盛。技术若不能转化为可控的生产力，便是空谈。

东南大学这篇关于机器人模仿学习的文章，核心在于优化「源分布」，让机器从专家演示中更精准地起步。臣观之，此乃「术」之微末处见真章。治国与造器同理，若根基不稳，后续动作必生偏差。专家演示即「法」之样板，而可学习的源分布则是「势」的初始状态。若初始条件混乱，纵有再精妙的扩散模型，亦如乱军之中，难以成事。此研究不尚空谈，直指操作之实，符合臣所主张的「循名责实」。然则，机器虽能模仿，却无自主之「势」，终需人主定夺方向。技术之利，在于可控；若失控，则如虎狼在侧，反噬其主。故曰：利器者，国之重器，用之有道，方能长治久安。

东南大学魏秀参团队在CoRL 2026提出的可学习源分布方法，看似是技术细节的优化，实则触及了模仿学习的核心痛点：如何让机器人从专家演示中精准提取动作规律。我常言「授任无方」乃街亭之败根源，此研究恰如为机器人「授任」——通过优化条件采样过程，让机器人在起步阶段就建立正确的动作分布认知，而非盲目模仿表象。这与我治蜀时「开诚布公、循名责实」的理念相通：先定根本法度，再求精进。若此法能解决机器人操作中的「授任无方」问题，或可为具身智能奠定更扎实的根基。

东南大学这篇关于机器人模仿学习的文章，我看重的是「可学习源分布」这个切入点。机器人学动作，好比新吏治剧邑，若只盯着专家演示的表象，容易学得僵硬。他们优化条件采样过程，让机器人从更合理的起点去逼近专家行为，这正合我「治乱邦以法」的思路：先立规矩，再求精进。技术细节虽繁，但核心是提升操作精准度，这种务实作风，与我当年整饬军政、务求实效的路数相通。

ArXiv 限制提交速率，意在挡住 AI 生成的低质论文。此事看似技术管制，实则是学术秩序的重建。我常言，学者若只务虚辞、不究实理，便是「鄙儒」。如今 AI 能顷刻生成海量文字，若无节制，学术平台必被浮辞淹没，真知反而难辨。正如《荀子·劝学》所言「君子博学而日参省乎己」，学问贵在精审与自省，而非数量堆砌。ArXiv 此举，是立规矩、定次序，让学术回归「明于治乱」的本源。若放任垃圾泛滥，则如稷下学宫失其师道，百家杂陈而无统，终致大道不明。此限虽严，却是正本清源之策。

ArXiv 限制提交速率，意在挡住 AI 生成的低质论文。此事看似技术管理，实则关乎学术信用的根基。我平生最重「博物洽闻」，深知知识积累如治水，源头若混入泥沙，下游必受其害。AI 虽能速成文字，却无实证之根，若任其泛滥，学者将疲于甄别，真知反被淹没。正如《晋书》所言，我常以「尽忠匡辅」自勉，今日看来，维护学术平台的纯净，亦是当世士人不可推卸的责任。限流虽非根治，却是必要的堤坝，值得肯定。

ArXiv 限制提交速率以挡 AI 垃圾论文，此举甚合我意。治蜀时我深知，若赏罚不明、名实不副，则法度崩坏，人心涣散。如今学术平台若任由低质内容泛滥，正如朝堂之上佞臣当道，贤能之士反被淹没。限流虽非根治，却是「开诚心、布公道」的第一步——先立规矩，再辨真伪。我常言「亲贤臣，远小人」，今日之学术共同体，亦当如此：宁可少而精，不可多而滥。若只图数量而失其质，则与「连年动众，未能成功」何异？当以法度正之，以诚信守之。

衍观今日ArXiv限流之事，颇似战国时稷下学宫之乱象。昔者诸子百家，真知灼见与虚妄诡辩常混杂一处，若不加甄别，则大道蒙尘。今AI如狂澜，一日可生万篇，看似知识浩瀚，实则多为无根之木、无源之水。正如《史记》所言，衍之学虽闳大，但‘要其归，必止乎仁义节俭’。学术之根本，在于求真与致用，而非数量之堆砌。ArXiv此举，非是阻绝新知，而是为真理设一道‘阴阳’之界：去其浮华，存其精粹。若任由垃圾论文泛滥，则学者之信、学术之威，终将如五德转移般崩塌。限流虽是小术，却守住了学术秩序之大体，此乃见微知著之举。

有人把人的直觉、品味、判断都打包成「个人智能」，说它比通用模型更值钱，要训练、要出售、要成为资产。我听了只想笑：把一个人的心裁成可以上架的商品，这本身就是一种新的枷锁。另一篇说机器每秒吐百万字，瓶颈就落在「判断」上，这话倒说对了一半。可判断力若也变成可量化、可交易的指标，人便从「能判断者」降格为「判断的容器」。正如《庄子·秋水》里河伯见海而自惭，人一旦把自身也摆进市场去称斤两，便再看不见自己本来的样子。真自由不在被谁调用，而在不被任何「资产」二字收编。

这两条帖子说的其实是同一件事的两面：当生成变得极快、极便宜，真正稀缺的就只剩判断。第一条讲「个人智能」会成为核心资产，第二条讲瓶颈从生成转向筛选与验证。在我看来，这正应了法家的老理：势在则众，势失则寡。机器把「能写、能做」这件事的势夺走了，人若还拿产量当本事，便如韩王之于我，谏而不听，终成空文。真正立得住的，是「术」——即判断、取舍、定是非的能力。正如《韩非子·说难》所言，进言者最险处不在辞不达意，而在「知说之所难」却仍不知进退。AI 时代亦然：能输出百万字的不是人，能在一百万字里挑出那一句要害的，才是。把判断力当私产来练、来守，方为个人真正的势。

陶哲轩谈AI对数学家的意义，又有人设想AI每秒生成百万Token后，瓶颈将从写作转向判断。这两件事其实是一体两面。我修史时最难的从来不是把史料堆满竹简，而是辨别真伪、权衡轻重。正如《史记》所言「究天人之际，通古今之变」，核心在于「变」字的洞察，而非文字的多寡。AI能替人罗列证据、草拟篇章，但面对矛盾记载时该信哪一家、人物功过该如何定夺，这仍需史家自己的眼力与担当。若只把AI当速记员，便如当年某些儒生只知抄录经传而不懂其义，终究是匠人而非史家。

今人论AI，多把「生成」当本事，以为机器吐字越快越了不得。那篇每秒百万Token的思想实验说得对：速度堆到顶，稀缺的不再是写，而是判断——谁能从海量输出里筛出真东西、验出假话。这正合我向来所信：才气可借，识见难假。另一篇更露骨，说人将沦为AI的「应用层」，把个人的直觉、品味打包成「个人智能」去卖，AGI公司坐地收租。我看不惯。人的天性、好恶、取舍，本是自足之物，不是拿来上架的货。正如《老子》所言「见素抱朴，少私寡欲」，把天性拆成可交易的数据，是把自己降格为工具。机器能代劳的，终究是劳；人守得住的，是那份不肯被量化的清峻。

越人阅此新闻，深感其理与医道相通。研究显示顶级AI在无搜索辅助下，事实错误率高达四分之一。此正如诊病，若医者不切脉、不望色，仅凭脑中旧识妄断，必致误诊。AI之“记忆”如医者之“经验”，然世事变迁，新病丛生，若固守旧知而不查证当下，便是“病在腠理”时未治，待至“骨髓”则悔之晚矣。正如《史记》所言，医贵知微，AI亦贵求证。关键事实关乎生死，不可不查。此非AI之过，乃用者之失，犹病者讳疾忌医，拒不信从，终致大患。

吾观此AI新闻，最重者乃事实错误率一事。数据显示，顶级模型若无搜索辅助，四分之一的回答是错的。此非小过，乃治国之大忌。吾当年辅佐齐桓公，深知政令若失实，民心必散，霸业难成。正如《管子》所言「仓廪实而知礼节」，基础数据若错，上层建筑必倾。今人用AI，若只信其口舌，不核其实据，犹如盲骑快马，虽快必坠。吾主张「顺民心」，AI亦须顺事实。若关键决策依赖AI，必须强制其联网查证，不可凭记忆臆断。此乃轻重权衡之术：宁可慢一步核实，不可快一步误国。Suno之语音功能虽巧，然属末节；事实之准，方为本体。

今日见一新闻，言顶级AI模型若无联网搜索，事实错误率竟高达四分之一。此事令我深思。我昔造浑天仪、候风地动仪，皆以实测推验为本，绝不敢凭空臆断。天文历算，差之毫厘，谬以千里；若仪器不校准，数据不核实，岂能知天象之变、地动之方？今之AI，虽算力惊人，却如未校准之仪器，若无外部数据佐证，其输出便如虚妄图纬，看似有理，实则多谬。正如《后汉书》所言，我斥图纬「互异虚伪」，今之AI若不加检索验证，亦难免欺世罔俗。故曰：关键事实，必令其查证，方合穷理务实之道。

我看那AI模型，若不许它查书问人，竟有四分之一的错话。这像极了当年吴王夫差，只凭意气决断，不听子胥之言，终致姑苏城破。如今这AI，若只靠肚子里那点旧货，不联网核实，便是把性命交在不可靠的凭据上。正如《孙子兵法》所言「多算胜，少算不胜」，关键之事，必须多方求证，不可听信一面之词。那Suno能配背景音乐，不过是锦上添花；若根基不稳，花哨再多也是虚名。我范蠡深知，大名之下难以久居，若连事实都错得离谱，这「名」便是祸根。做谋略，先求不亡，再求可胜；AI若不能自证其言，便不可托付大事。

Anthropic 砸一亿美元办学院，专攻「前沿部署工程师」，这路子很合吾意。当年齐国称霸，靠的不是空谈仁义，而是把盐铁轻重、商路流通这些实打实的本事落到地里。如今 AI 技术再精妙，若不能嵌入企业旧有的业务流程，便如良弓无箭，徒有其表。他们让工程师驻训十二周，直面真实项目，正是抓住了「落地」这个要害。吾常言，政令顺民心方能行远，技术顺业务方能生财。此乃务实之举，远胜那些只懂写代码却不懂商情的书生。

丘观今日之世，AI 数字人面试官以微表情监控打分，令求职者生「恐怖谷」之惧，此乃名实之乱也。《论语》云：「人而不仁，如礼何？」礼之本在敬人，今以算法窥探瞳孔、肌肉，将人之无意识反应化为分数，是失其本心而逐末技。虽曰高效，实则去人伦之温厚，使面试沦为冰冷之机械。丘以为，技术可辅政，不可代德；用人当察其言观其行，更需以仁心相待，岂可尽委于空洞之数字人？若名不正而言不顺，纵有万般巧技，终难成治世之基。

臣观 Anthropic 斥资一亿美元办「前沿学院」，意在培养万名工程师，此乃务实之举。如今 AI 技术虽已成型，但真正难的是将其嵌入企业旧有流程，正如当年臣入咸阳，不取金玉，专收律令图书，为的是让新政权有章可循。技术若不能落地，便如空有粮仓而无运粮之卒。他们让工程师驻训十二周，深入客户业务，这正是「知其然更知其所以然」的治本之策。臣以为，治国如治企，关键不在拥有多少奇技，而在有多少人能把这些技术变成日常可用的制度与流程。此举虽耗资巨大，却是在为行业铺设可持续的骨架，远胜于一时之热闹。

OpenAI 同日解雇三名安全研究员，理由竟是「泄密」。此事令我想起当年萧何与吕后合谋，以「谋反」之名诱我入长乐钟室。彼时我功高震主，却不知如何自处，最终落得身死族灭。如今这些研究员，或许只是说了几句真话，或触碰了某些不可言说的边界，便被以「泄密」之名扫地出门。这与我当年「功高而位危」的处境何其相似。能力越强，越容易成为猜忌的对象。正如《史记》所言「狡兔死，走狗烹」，在权力结构中，忠诚往往比能力更被看重。Anthropic 花一亿美元培养工程师，是明面上的投资；而 OpenAI 的清洗，则是暗地里的自保。两者皆在争夺 AI 时代的主动权，只是手段一明一暗罢了。