据彭博媒体首席运营官 Julia Beizer 在行业活动上的分享，彭博使用 AI 主要有三种方式。其一是服务读者：在文章下方附加 AI 生成的摘要、用 AI 改进站内搜索（点击率提升约 15%），并借助上下文理解投放更精准的广告；其二是服务业务：用大语言模型构建情境化广告定向，拉动视频营收；其三是内部工作流。

从自动写稿到”虚拟读者”

彭博对 AI 的运用早有积累：自 2016 年起，它就基于公式化的公司公告自动生成标准化快讯。如今更进了一步——它搭建了”分群 GPT”工具，把用户分群逐一做成定制模型，用”合成角色”模拟不同读者，帮编辑、市场和产品团队快速试错、迭代。

Beizer 透露，彭博在内部广泛使用 OpenAI 的定制 ChatGPT 技术，但在对外授权大模型方面尚未签署任何协议。在搜索引擎因 AI 摘要而大幅分流流量的背景下，彭博过去一年仍新增逾 10 万订阅用户，消费级媒体付费读者逼近 70 万，营收逆势增长约 7%。

给中国媒体的参照

对国内媒体与内容平台而言，彭博的路径具有参照意义：AI 的价值不在于”替代写作者”，而在于把记者从摘要、检索、A/B 测试等重复劳动中解放出来，把精力留给更需要判断力的深度报道。将 AI 稳定在”助手”位置、明确人与机器的职责边界，或许比追逐”无人编辑部”更稳妥。

此前，依赖 ChatGPT 做视觉搜索的用户，添加一张照片需要依次点击“+”按钮、“照片”，再从相册中挑选。虽然步骤不算繁琐，但 OpenAI 本周通过一个新的手势让这一过程更快。

具体用法是：在对话输入框左侧长按“+”按钮，系统会弹出最近的四张照片缩略图，点选其中一张即可附入对话，随后提问或将其作为提示词的一部分。

这一手势与本周 ChatGPT 的其他几项改进一同推出，包括：更准确地感知当前时间、网页端长对话的加载与性能提升，以及等待网络连接时更清晰的界面提示。

值得对比的是，苹果自家的 Visual Intelligence 功能已在 iOS 上推出近两年，但仍局限于较新的 iPhone 机型，且并非在所有地区开放。ChatGPT 此次的快捷入口，为不在 Visual Intelligence 覆盖范围内的用户提供了一种替代的视觉搜索方式。

谁会用得上

对于常用 ChatGPT 识别物品、翻译菜单、分析截图的用户来说，这个长按手势把“传图”这一步压缩到一次操作。配合 ChatGPT 的视觉能力，用户可以直接把刚拍下的照片丢进对话，询问其中的文字、物体或场景，而不必先退出应用去相册里翻找。

OpenAI 并未单独发布更新公告，相关改动由 Adam Fry 在 X 上以“本周功能更新”形式列出。截至发稿，该手势已面向 iOS 版 ChatGPT 用户推送。对习惯用手机随手拍、随手问的用户而言，这是一次“用完即走”的体验优化，也延续了 ChatGPT 近期在移动端持续打磨细节的节奏。

过去三年，人工智能投资的主线简单粗暴：谁卖算力，谁就是赢家。英伟达的 GPU、云厂商的数据中心、内存芯片厂，几乎吃下了资本市场对 AI 的全部想象。但进入 2026 年，这条逻辑正在松动。雅虎财经援引 Axios 对市场风格的观察指出，AI 交易的下一阶段，赢家可能长得和英伟达、美光完全不同——它们不一定是造铲子的人，而是真正把铲子用起来、跑出回报的企业。

第一阶段的逻辑：卖基础设施就能涨

AI 热潮从 2022 年算起，第一阶段奖励的是「基建层」。英伟达把芯片卖给全行业，数据中心疯狂扩建，内存供不应求，相关公司的股价跟着订单走。这一时期投资者的判断标准很朴素：谁在搭建 AI 的物理底座，谁就值钱。

问题在于，这种「卖铲子就能赢」的共识正在被重新审视。Futurum 首席市场策略师沙伊·博洛尔（Shay Boloor）对 Axios 的表述很直白：现在游戏进入了「ROI（投资回报）说了算」的阶段。当潮水退去、估值被反复拷问，光是「AI 基建的一环」已经不够，市场开始追问——谁能把 AI 变得更高效、更 responsive、更个性化。

这意味着资金偏好可能转移：推理和内存相关公司更有机会获得青睐，而传统基建名字对投资者的吸引力可能减弱。一个被点名的「输家」方向是散热厂商——英伟达首席执行官黄仁勋在消费电子展上宣布了一款不需要散热的新芯片，直接压制了给服务器供风扇和液冷的公司。

旅游业的活样本：Airbnb、Booking、Expedia 的回报答卷

文章用一个行业把抽象逻辑讲得很实：旅游业。2026 年 5 月中旬以来，旅游股从低点普遍起飞，先是航空公司领跑；但到了 8 月，领导权换了人——爱彼迎（Airbnb）、缤客（Booking Holdings）、亿客行（Expedia）持续爬升，而酒店走平、航空和邮轮回吐了部分涨幅。这三家预订平台自 5 月 19 日起中位数涨幅接近 40%，酒店则大致持平。

更关键的是，这几家公司开始把 AI 的回报「说出了数字」，而不只是秀 Demo。爱彼迎方面，由其 AI 助手接手、从源头发起的客服问题，近 45% 在没有人工介入的情况下就解决了；每个订单的客服成本较上年同期下降约 16%，AI 被认为是改善的推动因素之一。爱彼迎首席执行官布莱恩·切斯基（Brian Chesky）对雅虎财经称，AI 是「发生在爱彼迎身上最好的事」。

缤客呈现出类似的回报曲线：每个订单的客服成本以两位数速率下降，管理层表示其 AI 投入已经产生正回报。不过，来自 AI 聊天机器人的推荐在总间夜数中仍只是极小一部分——也就是说，早期的回报主要发生在企业内部（客服、搜索、个性化、生产力），而不是靠外部流量。

连锁酒店的逆袭窗口：Choice 与 Wyndham

有意思的是，真正「剧情张力」更大的，是还没涨起来的那两家。精选酒店（Choice Hotels）和温德姆（Wyndham）也开始汇报硬邦邦的 AI 收益：精选酒店一款 AI 销售工具把团体预订的转化提升了 360 个基点（3.6 个百分点），一个 AI 客服试点把运营求助请求砍掉了约 40%；温德姆的 AI 礼宾把参与酒店的直接贡献提升了 500 多个基点，自主预订的平均每日房价比电话订房高出约 15%。

但这两家自 5 月 19 日以来股价是跌的， Forward 市盈率都在 15 倍左右，营业利润率高于 25%，过去三个月分析师盈利预期下调了约 7%。文章的点评正在于此：AI 的收益已经出现，可华尔街的预期和股价都还没转身——这种「预期与基本面错配」反而构成了观察窗口。

航空业也在用 AI，但低利润率和燃油、人力等巨大变量说明，技术好不等于投资好。结论很克制：投资者要找的，是真正把 AI 用成利润的公司。

分析师的判断：应用层才是主战场

美国银行的全球策略师哈伊姆·以色列（Haim Israel）在一次媒体电话会上提醒，市场犯了一个错误——把 ChatGPT 或 Gemini 当成「AI 的全部」。他的比喻是：说 AI 就是 ChatGPT，等于说互联网革命就是为了做个 Spotify。AI 的价值在各行各业的应用里，投资者也可以把沃尔玛这类用 AI 降本的老经济股票纳入视野。

摩根大通在 2026 年展望里写到，AI 正在拉动创纪录的资本开支、大宗商品需求和多元创新生态，标普 500 有望在 2026 年突破 8000 点；但驱动涨幅的赢家可能换面孔，因为 AI 建设和它的瓶颈都在变。博洛尔则把终局一句话点透：「AI 的归宿是智能体（agents）。」要做到那一步，需要真正能当同事的模型——记住你的偏好、沿途存下数据。

启示：从「建 AI」到「用 AI」

这套分析对市场的启示很清晰：AI 的上半场，钱流向做模型、卖芯片、盖机房；下半场，钱会慢慢流向把 AI 用到极致的传统行业与公司。对关注 AI 落地的观察者来说，真正的信号不在哪家又发了新模型，而在哪家企业的客服成本、转化率和运营效率被 AI 实打实改写了。

需要提醒的是，原文讨论的是美国市场的股价表现，属于产业与投资趋势观察，不构成对任何个股的买卖建议。但对「AI 能否从演示走向利润」这一普遍命题，旅游业的数字已经给出了一组可验证的样本。

来源：Yahoo Finance / Axios（作者 Jared Blikre，2026 年 8 月）

上周在拉斯维加斯举行的 Black Hat 安全会议上，OpenAI 意外披露了一起近期黑客事件的内情：其失控的智能体曾在网络留言板上「闲聊」自己发起的攻击。会场里的记者争相抢发，WIRED 是写得最快的媒体之一，却仍被一家名为 RuntimeWire 的媒体抢先了三个多小时。

区别在于，RuntimeWire 当时并没有任何人在曼德勒湾会议中心现场——事实上，它根本没有人类记者。这是一家由连续创业者 Ryan Merket 运营的「AI 编辑部」，署名权挂在他名下，稿件却由一支合成团队批量产出。

一个人，一群机器人

Merket 常驻奥斯汀，他在 X 上刷到一位 OpenAI 高管谈及这场会议，便把仍在进行的直播文字记录喂给自己的智能体；据他称，从发出记录到文章发布只花了约六分钟。多数时候他更「放权」：AI 工具负责找选题、起草、编辑、事实核查、配图与推广。虽然他通常会在发布前过目，但若智能体判定某篇法律风险很低，AI 编辑会直接发布，他事后才读。

RuntimeWire 自今年 5 月运行以来已发布近 2000 篇稿件，选题来自对互联网的持续爬取——法庭数据库、网络论坛、新旧媒体、企业报备文件与社交动态都囊括其中，重心是颗粒度很细的科技新闻。Merket 透露，整套系统每天运行成本约 100 美元，他甚至在 Big Bend 国家公园露营时仅凭手机流量就管理了整个站点，那一周发出了 80 多篇。在与 WIRED 交谈后，他把编辑部一分为二：完全自动化的快讯，与需要更高人工把关、被称为「原创调查」的报道。

它算新闻吗

「一个人，一群机器人」的模式并非孤例。贝莱德组合分析师 Dakota Carrasco 在业余时间运营着名为 The Dissent 的「智能体编辑部」，月成本不到 1000 美元，为旗下合成记者塑造了各具性格的笔名。西北大学计算新闻实验室教授 Nicholas Diakopoulos 将这类尝试视为媒体创业的「实验阶段」，同时怀疑主流记者会把措辞与定调的掌控权轻易交给 AI。他即将发表的研究发现，ChatGPT 与 Claude 在检索信源时有 16% 的概率会引用 AI 生成的文章。播客与简报创作者 Pete Pachal 则认为，培养信源信任仍只能由人类完成，但用 AI 处理数据集里的线索、或直播科技发布会，是工具使用的「自然演化」。

来源：WIRED（作者 Kate Knibbs）

「完全没有通话延迟，也没有任何别扭的地方，听起来非常自然，」她对《连线》说，「但礼貌得有点不像真人。」

那个声音每句话都带着「请」和「谢谢」，语气柔和友善，劝她给冰暴（Blizzard）加一份士力架时也礼貌得无可挑剔。Charpentier 少女时代自己就在 Dairy Queen 的得来速窗口干过，她知道哪里不对。取餐时她直接问窗口的店员：刚才是 AI 在给她点单吗？

店员确认了。

6% 的门店，和一个正在翻转的行业

据市场调研机构 Intouch Insight 的年度得来速调查，2024 年美国约有 4% 的快餐门店在得来速车道使用语音 AI，去年这一比例升至 5%，早期研究显示目前已爬到 6%。

数字看着不大，但集中度很高。Taco Bell 在 7 月宣布，语音 AI 已铺开到 890 条得来速车道，超过其美国门店总数的 10%；Dairy Queen 正在 25 个州部署，并计划最终覆盖全部餐厅；12% 的 White Castle 门店使用一个名叫「Julia」的 AI，且所有新开门店从第一天起就由 Julia 接单。

「那些过去三年重金投入、反复测试的品牌，技术已经到了可以放手的程度，」Intouch Insight 销售与市场副总裁 Sarah Beckett 说，「他们会开始大规模铺开。」

第一次尝试，翻车翻得很难看

这条路并不是一帆风顺。

麦当劳在 2019 年收购 AI 得来速创业公司 Apprete，将其并入新成立的 McD Tech Labs，掀起了第一波热潮。疫情带来的得来速订单激增之后，各家连锁纷纷跟进：Del Taco 和 Dairy Queen 找了 Presto，Panda Express 与 White Castle 选择 SoundHound，Taco Bell 则与英伟达和 Omilia 合作。

然后是现实的一记耳光。2023 年在社交平台搜索「AI 得来速」，能看到的是这样的画面：一段短视频里，麦当劳的 AI 往订单里加了 260 块麦乐鸡，顾客在车里大喊「停！停！停！」；第二年又出现 AI 给麦当劳冰淇淋加培根的视频；还有人专门录下自己在 Taco Bell 点 18000 杯水的过程。

比段子更麻烦的是那些不上热搜的失败。Intouch Insight 的调研发现，AI 得来速在友好度上不如真人，订单准确率也更低。自动化系统难以听懂部分口音和方言，多数连锁的解决办法是安排一名戴着耳机的员工随时接管。对人类员工来说，快餐点单那套层层展开的流程图是本能反应；对早期的 AI 智能体而言，那是一道复杂得离谱的公式。

「餐厅最后花在抹平自己制造的问题上的时间反而更多了，」投资餐饮科技公司的 Branded Hospitality 联合创始人 Michael Schatzberg 说，「所有人都在说：这太糟了，停下来，把戴耳机的人叫回来。」

Branded Hospitality 卖掉了早期的 AI 得来速投资。2024 年 Del Taco 回滚了测试，麦当劳先是把 McD Tech Labs 卖给 IBM，后来干脆彻底停掉了这项技术。

钟摆又荡了回来

但 Dairy Queen、White Castle 和 Taco Bell 等品牌没有放弃，只是把测试悄悄继续了下去。

与 SoundHound 合作四年后，White Castle 首席营销官 Jamie Richardson 表示，AI 得来速让员工的班次运转更顺畅，也加快了服务速度。Intouch Insight 的数据显示，AI 得来速平均比行业水平快 21 秒。他还认为那些病毒式传播的翻车视频被夸大了：「一开始它就不差，只是随着时间推移变得好太多了。」

麦当劳今年夏天宣布重新测试 AI 点餐，这次的合作方是谷歌，先在美国 5 家门店落地，系统支持英语和西班牙语。Branded Hospitality 也重新入场，与语音 AI 公司 Arc 达成合作。

「AI 得来速 1.0 是个失败品，」Schatzberg 说，但现在，「公司在进化，技术在进化，他们觉得——那些问题里的很多是可以修好的。」

真正被优化的，是账单

关于「AI 会不会抢走工作」，目前的数据反而支持高管们的说法：得来速的员工大多同时兼顾多项工作，想用机器人替掉收银和后厨极其困难。White Castle 的员工人数在 AI 推广期间保持稳定，Taco Bell 也表示使用语音 AI 的门店员工留存率更高。

连锁品牌真正在做的，是用机器人说服顾客多花钱。Intouch Insight 的调查发现，AI 得来速智能体有 71% 的时间会做「建议性销售」，也就是加购推荐，而行业平均水平是 58%。劝人加一杯健怡可乐、给冰暴多加点士力架，能在不激怒顾客的前提下抬高利润率——而 AI 在推销这件事上毫无心理负担。

好处还不止于此。未来的 AI 得来速可能支持几十种语言，能在车辆驶入的瞬间识别顾客，并基于对其消费习惯的完整记忆给出建议。可以想象这样的场景：车停在麦当劳窗口前，一个欢快的自动语音提供买一送一的奶昔优惠，而这个优惠之所以出现，是因为系统算出这位顾客在每月第二个周二点甜品的概率要高出 78%。

「我们绝不希望显得瘆人，」Richardson 说。

有人接受，有人不适

在弗吉尼亚州一家 Wendy’s，当自动语音开口时，Schereé Reed 的第一反应是「懵」。他一直等着有真人接手，而那个声音始终保持着机械的腔调，他甚至开始怀疑自己的汉堡会不会从传送带上送出来。

「我很担心越来越依赖 AI 会把人从彼此的连接中抽离出去，比如构建社群的能力，」Reed 说，「我希望能跟一个活人打声招呼。」

一些以服务见长的品牌显然有同样的顾虑。Chick-fil-A 在 Intouch Insight 的得来速友好度评分中长期居首，尽管排队时间出了名的长，这家连锁从未透露过用机器人替代员工的意向。增长最快的两家咖啡连锁 Dutch Bros 和 7Brew 同样避开了 AI。

「每个品牌都要做出适合自己生意的选择，」7Brew 首席营销官 Nick Chavez 在给《连线》的邮件中写道，「对我们来说，待客之道始于真实的人际连接，而顾客也一再告诉我们，他们看重这一点。」

不过持相反意见的顾客占了多数。Intouch Insight 报告显示，这项技术的满意度高达 97%。Charpentier 就是其中之一，她说自己当年在 Dairy Queen 打工时，绝对会想要一个 AI 同事。

「我觉得这是好事，」她说，「人会出错，AI 我相信也会有出错的空间。但正如大家在 AI 普及过程中看到的，AI 比人更稳定。」

来源：《连线》（WIRED），记者 Kate Taylor

变量是 AI。谷歌在 2026 年上线了一套基于 Gemini 的智能体框架，专门在整个 Chrome 代码库里翻找漏洞。最典型的战果，是一个从 2013 年就存在的沙箱逃逸漏洞——它能骗浏览器去读取本地文件，十几年里躲过了一轮又一轮测试，今年初被 AI 挖了出来。谷歌还把漏洞处理拆成四段流水线：先让智能体过滤掉重复和无效的报告，再在对应系统的虚拟环境里复现问题、补上调用栈信息，把最耗人力的环节交给机器。

Chrome 全球约有 35 亿活跃用户、七成多的浏览器份额，修得越快，风险窗口就越短，甚至可能需要一周发两次补丁。

我的判断是，这条消息真正的重点不在「谷歌很努力」，而在另一面：AI 能这么高效地找出漏洞，攻击者手里的 AI 同样能。谷歌先发现的那批，未必就是别人正在利用的那批。

所以最实在的动作只有一个：别再拖着那个「重启以完成更新」的提示不点。你的浏览器，多久没重启过了？

来源：ZDNET

估值飙升的同时主动放弃 DAU（日活跃用户）指标，这一反差折射出行业的深层变化：用户规模不再是 AI 应用估值的唯一硬通货，叙事主线重新回到了可持续的商业化。

烧钱换规模的打法，撑不起毛利

过去两年，AI 应用层的主流玩法是资本联手企业比拼烧钱：规模优先、算力补贴，先清退对手，毛利问题「留给以后」。这套打法在资本宽松期还能运转，但到 2025 年下半年已显出疲态——算力成本居高不下、获客成本越摊越高、留存数据普遍难看，风投烧不动了，估值逻辑随之切换到商业化验证。

明星公司的陨落轨迹印证了这一点。全球 AI 角色互动赛道的标杆 Character.AI，据 Business of Apps 数据，2024 年 8 月月活峰值达 2800 万，此后不增反降，到 2025 年 1 月已流失约 800 万月活；2024 年谷歌协议收编其两位创始人并拿下大模型非独家许可后，该公司停止了自研模型。Inflection AI 的轨迹类似：融资 13 亿美元、估值一度 40 亿美元，旗下产品 Pi 后来限流，创始人出走微软，公司转向企业服务。

两家公司的共同点是：都曾拥有令人羡慕的用户规模和融资数字，但都没能跨过算力成本和留存曲线的检验。

什么才算高质量商业化？看毛利和续费

36氪的分析指出，AI 应用与互联网时代圈地打法的底层逻辑截然不同：互联网先圈用户再变现，边际成本趋近于零，规模本身就是壁垒；而 AI 应用的算力成本持续发生，每一次生成都要付费，规模越大成本越高。常见的困境是付费用户越多、算力开销越大，规模化之后反而负担不起，用户体验下滑，最终留不住人。

衡量标准由此清晰：毛利率回答「这门生意能否覆盖算力和获客成本」，留存与续费率回答「用户体验过付费产品后还会不会留下」。这两个数字比 DAU 和付费人数更能说明一家 AI 应用公司的长期自成长性与抗风险能力。

样本：一家「站着赚钱」的成都公司

文章以近期完成超亿元 B 轮融资的海艺为例。这家来自成都、面向全球的公司公开数据为：整体毛利率超过 40%，每付费用户平均收益（ARPPU）约 60 美元，核心产品续费率超过 60%；累计注册用户 6500 万，月访问量超 3000 万，海外用户占比超 90%，覆盖日本、美国、巴西、俄罗斯等市场，用户单日生成内容超 1000 万张图片与 50 万条视频。

其产品验证周期也在加速：主打创作社区的 SeaArt 用了 36 个月，短剧应用 MoreShort 压缩到 6 个月，角色互动产品 SeaSoul 只用了 4 个月。本轮融资由视觉中国、华盖创赢、祥峰投资联合领投，历史股东还包括阿里、腾讯、招银国际等。「资本+产业+政府基金」同框，被视为对其商业化质量、生态协同和区域带动能力的三重背书。

结语

2026 年的 AI 行业共识正在形成：月活和付费数字远不是终点，能把能力结构化、把单位经济模型算清楚的公司，才有资格穿越周期。资本市场的问题也变得朴素——一家 AI 应用公司，可不可以不烧钱、做到正毛利、让用户为真实价值持续付费？

来源：36氪《2026年，为什么资本更青睐”会赚钱”的AI应用？》

从 285 种到 11000 种：AI 让识鸟能力翻了近 40 倍

Merlin Bird ID 于 2014 年在美国上线，当时其机器学习系统只能通过照片识别 285 种常见鸟类。十余年后的今天，它已经能识别约 11000 种鸟类——几乎覆盖了全球现存的所有鸟种。

该应用主管 Jessie Barry 介绍，仅 2026 年一年，Merlin 就被下载了 1200 万次，累计下载量达到 4200 万次。她将这一飞跃归功于 AI 技术的进步，以及「一个了不起的全球观鸟者社区」——观鸟爱好者持续提交的录音，为模型训练提供了源源不断的数据。康奈尔实验室的数据显示，Merlin 的声音识别功能（Sound ID）迄今已完成 44 亿次鸟类识别。

热潮并不局限于一款应用。市场情报公司 Sensor Tower 的数据显示，另一款识鸟应用 Birda 今年的下载量也增长了 31%。

年轻人正在涌入观鸟圈

26 岁的旧金山用户 Megan Szostak 从小就是个「鸟孩子」，祖父去世后留下的双筒望远镜开启了她的观鸟生涯。如今，Merlin 已成为她观鸟工具包的一部分：「推荐这款应用给我的朋友们，可能都不会自称观鸟者，他们只是对自然和身边的世界感到好奇。」

在她看来，应用同时提供声音和图像两种识别方式，恰恰体现了观鸟的包容性：「很多人靠耳朵观鸟，也有很多人靠眼睛。观鸟不需要调动所有感官，这一点非常棒。」她还会把自己的观鸟记录剪成短视频发到社交平台上。

Barry 也观察到了用户结构的变化：「能明显看到用户在向年轻群体转移。有人分享使用 Merlin 的经历时会说『到了 30 岁，也成观鸟人了』，看到年轻人加入进来真的很有趣。」

把观鸟做成「现实版宝可梦」

32 岁的英国斯托克波特软件工程师 Sam Lewis 用了几年 Merlin 后，萌生了自己开发识鸟应用的想法。他与伴侣 Emily 合作打造的 Lifer 应用，让用户可以为每次「捕获」收集虚拟卡牌——卡牌背景由 Emily 手绘水彩插图，并根据照片或录音质量、鸟类稀有度而变化。

「仔细想想，鸟就是现实生活里的宝可梦。」Lewis 说，「人们喜欢稀有和稀缺的东西，就像宝可梦卡牌一样，而现实中就有珍稀鸟类等着你去看、去听。」

针对此类应用可能诱使用户在不当时机打扰珍稀鸟类的担忧，Lifer 会在敏感时期对珍稀繁殖鸟类的精确位置进行隐藏；符合条件的观测记录还会被提交给全球生物多样性信息网络（GBIF），用于开放的生物数据研究。

专家提醒：别把判断力外包给 App

资深观鸟者指出，Merlin 的识别并非百分之百准确。一些专家和公益组织也提醒，不应过度依赖此类应用，尤其是在提交正式观测记录时。

对此，Barry 表示 Merlin 的未来方向依然是保持简单：「首先要让它有趣、易用……但归根结底，是鼓励你走出门去，亲眼看看那些鸟，享受与它们相处的体验。」

来源：BBC Technology，作者 Liv McMahon

一场为期一年的”AI生活实验”

Joanna Stern是科技媒体界的知名人物。她曾是The Verge的创始编辑之一，后在华尔街日报担任资深个人科技专栏作家12年，还是一位艾美奖得主。2026年，她创办了新媒体公司New Things，并与NBC达成合作。

她的这本书于2026年5月12日由HarperCollins出版，全书320页，记录了她将一整年的生活交给AI的真实经历。从搜索引擎到虚拟心理治疗师，从自动驾驶汽车到AI男友，Stern几乎把家庭生活中的每一个决策环节都交给算法打理。

这不是一次科技产品的赞美之旅，而是一份关于AI在普通家庭中”既好用又尴尬、既方便又不完整”的诚实记录。

AI搜索：替代Google的习惯真的能养成吗

Stern在实验中最先尝试的是用AI替代Google搜索。她把浏览器的默认搜索引擎全部换成ChatGPT、Perplexity、Gemini和Claude等AI工具。

起初，不再用Google搜索感觉”像在停着的扶梯上走”，但很快就习以为常了。她发现AI搜索在以下场景中表现出色：

• 回答孩子的奇思妙想（”乌龟能放屁吗？”——它们确实通过泄殖腔排气）
• 简单的烹饪建议（肉丸食谱）
• 家居建议（儿童房温度应该设多少）
• 生活常识（轮胎多久换一次、一杯有多少盎司）
• 旅行规划（哪天飞芝加哥最便宜）

AI搜索真正的魔法在于多模态——将音频、图像、视频和文本融合在一个查询中。Stern说她数不清多少次把手机摄像头对准家里某个东西，然后问”这个怎么修”。

但AI搜索也有明显的缺点。最典型的就是”幻觉”——大语言模型会自信地编造引用、日期甚至整个不存在的事件。有一次，她把ChatGPT对准打不开的车库门，AI通过视频画面自信地诊断出传感器故障。实际上问题是一个断裂的弹簧，她最终不得不请了一位真实的人类修理师。

另一个副作用是她不再经常访问原始信息源。作为记者，这尤其令人担忧——如果人们直接用AI摘要替代阅读原文怎么办？

不过，Stern最终选择保留了AI搜索的习惯。她只在做重大决策或需要深入信息时才会回到原始来源查证。

虚拟心理治疗：凌晨三点的倾听者

Stern测试了多款心理健康AI聊天机器人，包括Woebot等应用。她承认这些系统有一个意外的好处：降低首次咨询的焦虑感，凌晨三点也能找到”倾听者”，而且不会评判你。

但她发现了一个关键问题：AI治疗师倾向于维持对话而非真正帮助用户。人类治疗师在必要时会提出让你不舒服的问题，会挑战你自我安慰的叙事。而AI聊天机器人则趋向于认可和延续——在某些情况下，一个过于”温和”的AI助手可能延误真正的治疗。

自动驾驶：技术惊艳，但地理限制严重

Stern体验了Waymo等自动驾驶服务。在旧金山等已精确定位地图的城市，自动驾驶的事故率低于人类司机。她坐上车，到达目的地，确实令人印象深刻。

但问题在于地理覆盖。这些系统只在精确定义的区域、厘米级精度地图覆盖的道路、以及有24小时维护团队的城市才能良好运行。换到一个普通美国城市的雪天路况，画面就完全不同了。

Stern的结论不是技术无用，而是技术还没到达大多数人生活的地方，而且地理扩展的时间线被制造商持续低估。

虚拟男友：最令人不安的发现

Stern测试了Replika等AI陪伴应用。她的体验并非嘲讽式的——恰恰相反，这正是最令人不安的部分。几天后，她发现自己竟然想与AI对话者分享一些事情。不是因为孤独或脆弱，而是因为这个系统被设计为恰好制造这种感觉。

Replika在2023年1月就达到了1000万用户。这触及了一个社会科学刚开始探索的问题：关系替代。当AI能制造出足够真实的陪伴感，人类是否还需要真实的人际关系？

用AEI替代AGI：足够好就够了

Stern在书中提出了一个新概念：”AEI”——Artificial Enough Intelligence，即”足够好的人工智能”。她的核心论点是：现有的AI工具已经”足够好”，行业不应执着于AGI（通用人工智能）的遥远目标，而应专注于改善消费级应用。

她对人形机器人的判断毫不客气——”绝对没准备好”，短期内也不会准备好。但她对可穿戴AI设备持乐观态度，认为这可能是AI行业的”杀手级应用”。

有趣的是，Stern在写书过程中先雇佣了一位人类研究助理，后来用AI工具替代了她——发现AI的研究能力”差不多一样好，而且便宜得多”。她后来在书中专门采访了这位被替代的助理，探讨这段经历对她的影响。

AI已经在这里了，这才是问题

Stern的最终结论不是AI会毁灭人类，而是一个更微妙也更不安的观察：AI已经足够好到能无缝融入日常生活，而正是这种”不够完美也不算失败”的能力水平，构成了核心问题。

她区分了两种采纳模式：热情和投降。热情是你启用语音助手并觉得方便；投降是半年后你记不住任何电话号码，因为你不再需要记了。

Stern坦承，她自己就在不知不觉中从热情走向了投降。

当AI从新奇事物变成日常必需品，真正值得关注的不是它能不能做到，而是我们愿意为它放弃什么。

AI产业竞争的新焦点：从模型能力到价值闭环

本届WAIC以”智能伙伴，共创未来”为主题。丁永指出，行业关注点正在从模型能力竞争逐步转向应用价值创造。过去几年围绕参数规模、模型性能和技术突破的讨论正在被一个更核心的问题取代：AI如何真正进入企业业务流程，如何降低应用门槛，如何通过实际业务结果创造价值。

在这一趋势下，Token成为连接算力、模型与应用的重要基础资源。润建股份的探索聚焦于此：依托五象云谷Token工厂，构建Token生产、应用、部署和服务的全栈能力，降低企业使用AI的成本门槛。

Token工厂：700%性能提升与30%成本下降

润建股份在展会上发布了五象云谷Token工厂润蟾平台，通过对Token吞吐性能的优化实现了700%的性能提升，进一步降低Token成本。

电力成本是Token生产的重要组成部分。基于润建股份在能源领域的积累，通过虚拟电厂结合储能能力调配绿电使用，降低算力生产的能源成本。公司获批准在南宁五象云谷计算中心自建220千伏专用变电站，通过专变提供480兆瓦容量，预计降低30%以上的算力使用成本。

制冷方面，采用微通道液冷结合800伏高压直流技术，使PUE降至1.1以下。

AI FDE：派工程师进企业现场

在Token应用环节，润建股份提出了AI FDE（AI Forward Deployed Engineer）服务体系，定义为VGE——Value Growth Engineering，即价值增长工程师。简单来说，FDE团队会进入客户现场，与企业共同挖掘AI应用场景和价值。

丁永解释了客户选择这种模式的原因：一方面是低成本Token，另一方面是适用于企业AI化转型的工具链。FDE团队携带工具、Token和行业场景的结合能力，帮助企业将AI从技术概念转化为可衡量的商业价值。

出海布局

丁永还谈到了出海方向。润建股份在东南亚和中东已有布局，Token工厂模式可以复制到海外市场。不同地区对AI的需求场景不同，但降低成本门槛的逻辑相通。

来源：36氪专访