这款ED药,能不能顺利变身阿尔茨海默新药?
虎嗅 · 3 小时前
本文由虎嗅旗下健康与抗衰公众号“九叶刀研究”首发,全文约2600字。封面图来自Unsplash。都说阿尔茨海默病新药难做,但今年有点不一样。最近,韩国AriBio公司公布了在研阿尔茨海默新药三期临床试验数据[1],有趣的是,它原本只是一款治疗男性勃起功能障碍的药物,而且背后站着一家中国公司:复星医药。[2]那么问题来了:它是怎么变成阿尔茨海默病潜力药物的?试验到底有没有成功,能不能获批?为它押下重金的中国公司,到底能不能如愿以偿?从ED,到阿尔茨海默病AriBio公司在研的药物代号AR1001,其实是老药新用,它原名米罗那非(Mirodenafil),最初由韩国SK化学研发,2007年获得监管批准,以Mvix之名开卖,适应证是男性勃起功能障碍。没错,米罗那非和西地那非、他达拉非这类药物一样,它们都是PDE5抑制剂。AriBio公司创始人郑在俊也是听到美国有动物试验表明,PDE5抑制剂可能改善认知[3],当时有多项研究显示,西地那非有可能改善认知[4] [5],而米罗那非和西地那非一样,作用的都是PDE5通路,所以时任SK化学研发人员的郑在俊决定拿下SK化学的授权,成立AriBio公司,于2011年开始研发工作。“大脑伟哥”从此踏上征途。在15年前,没有任何大规模人体验证,仅凭着几篇机理论文就拿下授权,的确需要莫大的勇气,而后来的研究进一步证明PDE5抑制剂的靠谱程度,2021年,《自然·衰老》发表论文,通过分析700多万人的健康数据发现,使用西地那非可以使阿尔茨海默病的风险降低69% 。[6]尽管只是针对西地那非,尽管只是相关性研究,没有因果证明,不过毕竟是第一个针对PDE5抑制剂的大规模研究,对已经做了10年研究的AR1001来说,总算是个不错的消息。那么这次公布的AR1001的三期数据,是否可以证明它的确有效呢?薛定谔的“成功”AriBio公司是在今年11月16日的阿尔茨海默病临床试验大会(CTAD2026)宣布了其在研小分子口服新药AR1001的三期临床试验数据:单药服用一年后,相关症状恶化速度减缓了31%。[1]结果似乎不错?但细看数据就不太对劲了。一款阿尔茨海默病新药是否有效,金标准是“临床痴呆评定量表”(Clinical Dementia Rating Sum of Boxes,CDR-SB)。而AR1001与安慰剂组相比,CDR-SB分数提升了0.44(也就是AriBio公司所说的,临床下降速度减缓了31%),但在1535人的总人群中,AR1001的提升分数仅为0.11。简单地说,这次三期临床试验喜忧参半:和安慰剂组相比,0.44分的提升有统计学意义,算成功了;但总体来看,0.11分的提升没有统计学意义,又算是失败了。这么看,R1001是不是没希望上市了?也不一定。通常认为,服用新药的人和对照组相比,当SCR-SB评分改善达到1分时(即最小临床重要差异(MCID)要≥1),才算有明显效果,对照上述试验中0.44分的提升,其实不能算及格。当然,最近两年上市的阿尔茨海默病新药,成绩都不算太好。[7]想让认知能力有可觉察的改善,CDR-SB改善分数至少要达到1分,九叶刀使用AI制图监管能不能批?矮子里拔高个阿尔茨海默病新药的评价标准,历来争议很大。而FDA表示,不能只看主终点一个数字,要看多个终点是否一致、效应是否随时间扩大。也就是说,一款阿尔茨海默病药物是否能获批,改善分数是重要标准,但不是唯一标准。所以,上文表格中,礼来的多奈单抗,渤健/卫材的仑卡奈单抗的改善分数均未超过1分,但都能获批上市。而对监管机构来说,AR1001可能与阿杜那单抗一样的尴尬角色,它们有着有惊人相似之处:都是两组试验,一组成功,另一组失败;两款药都是通过重新分析数据,获得阳性结果,AR1001突出安慰剂对照组数据,阿杜那单抗突出高剂量和试验时间长的试验组数据;都拿替代指标说事儿,比如AR1001宣称脑脊液cGMP升高,而阿杜那单抗则宣布脑内淀粉样斑块,但在CDR-SB金标准评分方面,成绩都不咋样,高剂量阿杜那单抗提升仅0.39分,而AR1001为0.44分。不过AR1001的优势是:它是一款小分子口服药物,无需注射,且能透过血脑屏障,而且最重要的是,它的安全性相对较高,从目前公布的信息看,它不会像单抗类药物那样导致脑水肿。对患者来说,AR1001改善效果一般,但不良反应少,服用相对方便,而且认知改善分也非常接近已经上市的仑卡奈单抗(0.44 vs 0.45),如果得分更低的阿杜那单抗(0.39)都能获批,那AR1001有什么理由不获批?所以,现在难题甩给了监管方。假如真的获批,那么什么时候能用到?什么时候能用到?目前AR1001已经完成了三期临床试验,但研发公司表示,还有一项扩展研究,clinical trails显示,该研究完成时间预计为2027年10月[8],公司还称,将继续研究数据,并与FDA讨论完整结果,确定后续步骤。如果数据过关,则可以着手准备新药申请(NDA)事宜,该阶段大概需要半年到10个月,这意味着,最快2028年三季度能获得批准,等到开出第一张处方,可能要到2028年底甚至更晚了。而对AR1001背后站着的中国公司复星医药来说,这意味着什么?复星医药踏入同一条河流2025年至今,复星医药在阿尔茨海默病领域连续押下重注。先是拿下韩国AriBio公司的在研新药AR1001大中华区权益,2025年12月和2026年5月,又先后拿下东南亚及全球独家选择权,首付款及里程碑付款最高达到1.8亿美元。2025年底,复星医药宣布以14.12亿元的价格收购绿谷医药53%的股份,获得控股权[9],后者研发了颇受争议的阿尔茨海默病新药甘露特钠。这两款药都有个共同特点:不是很优质,甚至是有些风险的资产。AR1001的二期临床研究未达预设主要疗效终点,仅因为血液生物标志物有所改善[10],韩国方面便决定推进三期研究。甘露特钠上市之初,就受到包括饶毅在内的多方专家和媒体质疑,而且该药仅获得附条件批准,2025年8月,甘露特钠再注册申请未获国家药监局批准,研发方绿谷制药也陷入困境,一度裁员80%。肿瘤、免疫炎症和神经退行性疾病是复星医药的三大核心业务,复星在同一赛道拿下两款风险很高的产品,都是在趁着两家研发公司陷入困境的时候入场,试图以自身的研发、注册和商业化能力来化解不确定性。为什么复星医药如此敢赌?因为阿尔茨海默病药物的市场诱惑太大了。在此次三期数据出炉前,复星医药已经完成了美日欧的专利布局,保护期一直到2040年,复星医药董事长陈玉卿曾对媒体表示,AR1001的潜在市场规模高达50亿美元。AriBio公司CEO郑在俊在今年10月接受《朝鲜日报》采访时则说,希望AR1001成为确诊轻度认知障碍后的一线药物。根据复星医药与AriBio达成的协议,6000万美元算是全球独家授权协议的定金,在三期临床试验数据出炉之后,复星方面有90天时间评估,是否行使独家选择权[11],如果答案为“是”,那意味着复星要再出8000万美元的预付款。不过二级市场已经用钱投票了,三期数据出炉当天,Aribio和复星医药的股价双双暴跌。现在,复星医药90天行权倒计时开始,这也将是它在阿尔茨海默病领域赌桌上揭开的第一只盅。本文为基于公开信息进行的分析,不构成任何投资和医疗建议。参考文献[1] AriBio’s oral AR1001 Meets Primary Efficacy Objective in Prespecified Monotherapy in Population in Phase 3 POLARIS-AD Trial. 2026.11.17[2] AriBio's oral Alzheimer's drug meets monotherapy goal in phase 3 as Fosun weighs licensing option. FiercePharma. 2026.11.17[3] Heo Ji-yoon. Aribio drives Korea's dementia push with once-daily AR1001 and CHA Vaccine synergy. Chosun Biz. 2026.3.26. [4] Puzzo, Daniela., Staniszewski, et al. (2009). Phosphodiesterase 5 inhibition improves synaptic function, memory, and amyloid-beta load in an Alzheimer's disease mouse model. The Journal of neuroscience : the official journal of the Society for Neuroscience, 29(25), 8075-86. doi: 10.1523/JNEUROSCI.0864-09.2009[5] Cuadrado-Tejedor, M., Hervias, I., Ricobaraza, A., et al. (2011). Sildenafil restores cognitive function without affecting β-amyloid burden in a mouse model of Alzheimer's disease. British journal of pharmacology, 164(8). https://doi.org/10.1111/j.1476-5381.2011.01517.x[6] Fang, J., Zhang, P., Zhou, Y. et al. Endophenotype-based in silico network medicine discovery combined with insurance record data mining identifies sildenafil as a candidate drug for Alzheimer’s disease. Nat Aging 1, 1175–1188 (2021). https://doi.org/10.1038/s43587-021-00138-z[7] Buracchio, T., Campbell, M., & Krudys, K. (2025). Assessing clinical meaningfulness in clinical trials for Alzheimer's disease: A U.S. regulatory perspective. Alzheimer's & dementia (New York, N. Y.), 11(2), e70113. https://doi.org/10.1002/trc2.70113[8] Clinical Trail. Phase 3, Double-blind, Randomized, Placebo-controlled Trial to Evaluate the Efficacy and Safety of AR1001 in Participants With Early Alzheimer's Disease (Polaris-AD). NCT05531526[9] 复星医药. 复星医药宣布控股收购绿谷医药 加码布局中枢神经系统领域创新药管线. 2025.12.25. [10] Greeley, D., Nash, M., Herskowitz, B., et al. (2025). A phase 2 randomized, placebo-controlled study on the efficacy and safety of AR1001, a phosphodiesterase-5 inhibitor, in patients with mild-to-moderate Alzheimer's disease. The journal of prevention of Alzheimer's disease, 12(9), 100337. https://doi.org/10.1016/j.tjpad.2025.100337[11] Fosun Pharma and AriBio Sign Exclusive Global Option Agreement for AR1001 for the Treatment of Alzheimer's Disease. 2026.5.14
Discord Rewrites Desktop and Mobile Clients in Rust Using Zed's GPU-Accelerated Rendering Framework
InfoQ · 10 小时前
Discord’s CTO Stanislav Vishnevskiy recently announced rewriting its desktop and mobile clients in Rust, moving away from Electron and React Native. The project eliminates layers of abstraction to directly leverage the device’s GPU, native mobile views, and a Rust core shared across platforms. Early results hint at a significant reduction in RAM usage and boot time for chat, voice, and streaming. By Bruno Couriol
林妹妹配孙悟空,网友到底在嗑什么?
虎嗅 · 17 小时前
本文来自微信公众号: 家姻心理 ,责编:杨涛屹,编辑:张嘉仪,作者:家姻心理最近,社交平台上流行起一对“邪门”CP:《西游记》里的孙悟空和《红楼梦》中的林黛玉,网友称之为“圣黛CP”。这对组合其实前几年就有人剪辑过,今年借着AI视频再度走红,热度居高不下。原著里,黛玉对着落花,只能荷锄葬花;到了视频里,悟空一棒挥去,落花便纷纷回到了枝头。这还不算,他还带着林妹妹逛街、逛游乐场、一起吃桃子,硬是把整日伤春悲秋的林姑娘,拽进了热热闹闹的人间烟火。评论区里,有人直呼“邪典”,但更多的人在说“支持这门亲事”“希望林妹妹过上开心日子”。还有网友拿两人的出身打趣,一个是石头里蹦出来的,一个前世是绛珠仙草,说这才是真正的“木石前盟”。不过,按原著宝玉大概是全书最懂黛玉的人。网友为什么偏偏觉得,一只几乎不说话的猴子,才是她的“完美男友”?下面结合几项心理学研究,聊聊这个问题。01懂她,不等于接得住她01宝玉的在乎,常常落在了自证上不少网友喜欢拿悟空和宝玉作对比。宝玉和黛玉志趣相投、心意相通,可两人相处时却争吵不断。宝玉并非不在乎黛玉,恰恰是太在乎,每次黛玉情绪上来,他都急着表白、急着自证,结果往往越闹越僵。视频里的悟空几乎没有台词,可林妹妹一落泪,他便二话不说有所行动。七十二变的神通,在这里全用在了哄林妹妹开心上。话不多,却总能让人觉得,黛玉的情绪被稳稳接住了。02亲密感,来自“觉得被理解、被认可、被关心”社会心理学中的伴侣回应性(perceived partner responsiveness)概念,可以帮助我们理解这种差别。Laurenceau等人(1998)在研究中介绍了Reis和Shaver提出的观点:一个人向伴侣袒露感受之后,如果觉得对方的回应理解了自己、认可了自己、关心着自己,亲密感就会加深。这三层意思,放到日常生活里,大概是这样的:理解,是听懂了对方为什么难过,而不只是知道对方难过了。妻子下班回家说了句“今天烦死了”,丈夫回“别想了,早点休息”,他知道她心情不好;如果他问一句“是不是那个方案又被打回来了?”,她会觉得,他知道自己在烦什么。认可,是觉得对方的感受说得通,而不是急着纠正。同样是听对方抱怨,“这点小事至于吗”和“换我也会生气”,给人的感受完全不同。前者表达的是否定,而后者潜台词是“我跟你是同类”。认可并不等于全盘同意对方的看法,只是先承认:你有这样的感受,是可以理解的。关心,是让对方感到自己的事被放在了心上,而且对方愿意为此做点什么。可能是记得对方前几天提过的事,主动问一句进展;也可能什么都不说,先把对方最头疼的那件事办了。视频里的悟空几乎没有台词,靠的就是这一种。Laurenceau等人(1998)还请大学生连续一到两周,在每次与人交流之后立即记录当时的感受。结果发现,向对方袒露自己、对方也向自己袒露,都会让这次交流显得更亲密,而其中一部分作用,是通过“觉得对方理解我、认可我、关心我”实现的。也就是说,亲密感很大程度上取决于一个人是否“觉得”自己被理解、被关心。对方心里的在乎,并不一定都能被感受到。以此来看,宝玉懂黛玉,可每到要紧处,他的心思常落在证明自己身上;悟空不多说一句,只管替黛玉把难过的事摆平,让人看得明明白白:她的事,他放在了心上。03中国夫妻也是如此在中国夫妻中,研究者也看到了类似的规律。Yuan等人(2022)对来自全国28个省份的550对中年夫妻的调查,以及Lu等人(2024)对北京和天津668对处于不同婚姻阶段的夫妻的研究都发现:夫妻感知到的伴侣回应性越高,对自己婚姻的评价往往也越好。可见,“觉得对方不够在乎自己”并不是一件小事,它往往和人们对婚姻的整体评价联系在一起。02林妹妹的不安,可不只是“太敏感”01黛玉为何总是不安?给林黛玉“拉郎”,网友早不是头一回了。此前就有一对同样令人大跌眼镜的“伏黛CP”,把她和《哈利·波特》里的大魔头伏地魔凑在了一起。从伏地魔到孙悟空,配对的对象一个比一个离谱,网友对林妹妹的牵挂却始终没变。这份牵挂,多半源于黛玉的身世。她幼年丧母,小小年纪便离开扬州,投奔外祖母家;后来父亲也撒手人寰,她自此成了真正寄人篱下的孤女。贾母虽然疼她,可贾府上下人多口杂,初进府时,她便“步步留心,时时在意,不肯轻易多说一句话,多行一步路”。《葬花吟》里那句“一年三百六十日,风刀霜剑严相逼”,写的是花,又何尝不是她自己身处重压、心事难安的写照。书里不少人嫌黛玉“爱使性子”,可放在这样的身世里看,她的试探和多心并不难理解。02依恋理论怎么看这种不安据周春燕和黄希庭(2004)的综述介绍,依恋理论认为,儿童会在与照料者的互动中,逐渐形成对自我、对他人以及对关系的稳定认知,即“内部工作模型”,并带着它进入日后的人际关系。后来,Hazan和Shaver进一步提出,成人恋爱关系中的情感联结也可以被理解为一种依恋关系。一个早年经历丧失、身边又始终没有稳定依靠的人,很难真正有安全感,只能一次次去确认:自己在对方心里到底有没有分量。当然,黛玉是文学人物,我们无法跳脱作者的描述去直达她的内心世界,只是暂且借用依恋理论的视角来理解她的不安。03需要越多,越难被满足现实中,也有不少人像林妹妹一样,格外需要确认对方的在乎。Lu等人(2024)对668对中国夫妻的研究发现,依恋焦虑较高的人,感知到的伴侣回应性往往更低,婚姻满意度也更低。研究者解释说,这类人对亲密和回应有很高的需要,却又容易低估伴侣给予的支持;而中国夫妻之间习惯保持更远一些的距离,表达也更含蓄,这让他们的高需求更难得到满足。宝黛并非夫妻,这项研究自然不能直接套在他们身上;但一个对回应有着很高的需要、却总在含蓄与试探里打转的人,读来确实很像林妹妹。04不太表达的人,在中国婚姻里未必吃亏依恋理论里,和依恋焦虑相对的另一种不安全依恋,叫依恋回避。回避程度较高的人,倾向于与人保持距离、压抑负面情绪、凡事依靠自己。在西方样本中,依恋回避通常被看作婚姻满意度的不利因素。但Lu等人(2024)在中国夫妻中看到的结果不太一样:依恋回避程度较高的人,感知到的伴侣回应性反而更高,而感知到的伴侣回应性又与更高的婚姻满意度相联系。这种正向的关联,在他们伴侣的婚姻满意度上也能看到。研究者的解释是,中国文化对情绪内敛、表达含蓄更为包容,伴侣也更愿意为对方调整自己的行为;同时,回避程度较高的人原本对伴侣回应的期待可能就不高,收到回应时,容易觉得超出预期。此外,回避者看重彼此的距离,可能恰好满足了伴侣对独立和自主的需要,在婚姻的后期阶段尤其如此。这些解释是研究者的推测,研究本身并没有直接测量。这当然不是说越冷淡越好,它同样只是一项相关研究的结果。但它提醒我们:在中国夫妻中,含蓄、有分寸的相处方式,本身未必是问题。05感觉不到,未必是对方不在乎所以,感觉不到被在乎,未必是对方真的不在乎,也不能简单归结为自己“太作”“太敏感”。需要更多确认的人,遇上含蓄的表达方式,中间就容易落空。宝玉和黛玉之间也有几分这个意思:一个越在乎越急着自证,一个越不安越要试探,两人都用了力,却常常接不住彼此。需要说明的是,Lu等人(2024)是一项横断研究,只能说明变量之间的关联,并不能确定谁导致了谁。研究者自己也提到,依恋焦虑较高的人往往会低估伴侣的回应,但反过来,伴侣不一致的回应,也可能让依恋焦虑升高。与其争论到底是谁的问题,不如看看两个人之间的回应卡在了哪里。03悟空式的伴侣:安全港与安全基地01悟空给了黛玉什么依恋研究常用“安全港”(safe haven)和“安全基地”(secure base)来描述一段关系能给人的支持:前者指遇到压力时,可以回到亲近的人身边寻求安慰和帮助;后者指想去探索、追求目标时,知道身后有人支持,遇到困难随时可以回来(Feeney&Collins,2015)。Feeney和Collins(2015)还进一步提出,好的亲密关系不只是在逆境中给人安慰和支撑,也会在没有逆境的时候,鼓励人抓住机会、去尝试和成长。黛玉对花落泪,悟空一棒挥去让落花重开,替她把难过的事挡了下来;平日里,他又拉着黛玉逛街、去游乐场,带她看看大观园外面的世界,鼓励她走出熟悉的小天地。前者像安全港,后者像安全基地。再加上悟空无父无母,没有一大家子人需要黛玉去应付,对一个在大家族里处处小心的人来说,这样的伴侣自然显得格外理想。02嗑CP的安慰,也有边界明知是剪辑和AI生成的内容,很多人看完仍然觉得感动。嗑CP比喜欢单个角色多了一层:观众是在旁观一段关系,并把自己对理想关系的期待投射进去。人们最容易被什么样的情节打动,往往能反映出他们在现实中最渴望什么。在评论区写下“希望林妹妹开心”的人,或许也在回应自己某个阶段没被好好接住的经历。但这种安慰有它的边界。Stein等人(2022)的实验发现,想一想自己最喜欢的媒体角色,负面情绪的下降幅度与想到真实亲友的人差不多,但孤独感却没有减轻;而想到真实亲友的人,孤独感则有所减轻。看悟空哄林妹妹开心,能让人心里一暖,但真正让人不孤单的,还是身边的人。况且悟空式的回应是高度理想化的。他神通广大,随叫随到,永远把黛玉放在第一位,现实中没有谁能做到。依恋研究所说的安全感,主要来自伴侣之间稳定、可预期、相互的回应,并不依赖对方有多强大。普通人不必神通广大,只要能在对方需要时一次次稳稳地回应,同样可以给人这样的安全感。04日常相处中可以怎么做结合前文的研究,几点建议供大家参考。1.觉得不被在乎的一方:把需要说出来期待对方主动察觉一切,往往会带来失望。“我今天心情不好,想让你陪我一会儿”,比等对方猜要有效得多,也给了对方回应的机会。另外,既然需要较多确认的人容易低估伴侣给予的支持,也可以试着留意一下:对方已经用他的方式做了些什么。2.常被说“不够在乎”的一方:让在乎被看见伴侣倾诉时,很多人的第一反应是分析原因、给出建议,或者像宝玉那样急着解释自己没有恶意。可以先停一下,用一两句话回应对方的情绪,比如“听起来你今天压力很大”。认可对方的感受,并不等于同意对方的所有看法,但能让对方确认自己被听到了。心里在意,也要表现出来。注意到对方最近睡得不好、工作不顺,或者提过想做的事,可以说出来,也可以像视频里的悟空那样,直接用行动回应。如果伴侣比较容易不安,这一点更加重要:依恋焦虑较高的人更难感受到被回应和支持。研究者建议,另一方需要理解他们的难处,给出更强烈、更坚定的回应(Lu et al.,2024)。3.两个人一起:既做安全港,也做安全基地伴侣遇到困难时给予安慰,伴侣想尝试新事物时给予支持,两者同样重要。面对对方想换工作、学新技能、出去走走之类的想法,可以少一些“万一出问题怎么办”,多问一句“需要我做什么”。回应也需要是双向的。亲密感来自一来一回的袒露和回应,双方既是倾诉者,也是回应者。好的关系里,两个人都会累,都需要被接住。今天你接住了我,明天我也接住你。05写在最后林黛玉的结局早已写定,网友的二创只是一种温柔的想象。可我们自己的故事还没写完。想要被在乎是人之常情,不善表达也不等于不爱,两个人之间的回应可以慢慢磨合。被理解、被认可、被关心,可以是对方难过时一句“我在”,也可以是对方想往前走时,你那句“去吧,有我呢”。如果你也曾为悟空让落花重开的那一幕心头一暖,不妨问问自己:在现实的关系里,我希望被怎样回应?我又是否给过对方这样的回应?愿我们都能慢慢成长为那个接得住对方的人,也愿每个人都能被认真对待。更多精选好文•研究盘点|爱的根本公式=事事有回应•为什么越沟通越崩溃?揭密亲密关系中的“隐形战争”•没有幸福的童年,也能拥有安全的关系:从Papi酱的访谈,读懂"挣来的安全感"参考文献Feeney,B.C.,&Collins,N.L.(2015).A new look at social support:A theoretical perspective on thriving through relationships.Personality and Social Psychology Review,19(2),113–147.https://doi.org/10.1177/1088868314544222Laurenceau,J.-P.,Barrett,L.F.,&Pietromonaco,P.R.(1998).Intimacy as an interpersonal process:The importance of self-disclosure,partner disclosure,and perceived partner responsiveness in interpersonal exchanges.Journal of Personality and Social Psychology,74(5),1238–1251.https://doi.org/10.1037/0022-3514.74.5.1238Lu,S.,He,Y.,Li,Q.,Chen,Z.,&Fang,X.(2024).Dyadic effects of attachment styles on marital satisfaction among Chinese couples:The mediating role of perceived partner responsiveness.Journal of Social and Personal Relationships,41(12),3770–3790.https://doi.org/10.1177/02654075241277227Stein,J.-P.,Liebers,N.,&Faiss,M.(2022).Feeling better…but also less lonely?An experimental investigation of how parasocial and social relationships affect people's well-being.Mass Communication and Society.Advance online publication.https://doi.org/10.1080/15205436.2022.2127369Yuan,Q.,Fan,Z.,&Leng,J.(2022).The effect of emotional reactivity on marital quality in Chinese couples:The mediating role of perceived partner responsiveness.Frontiers in Psychology,12,Article 787899.https://doi.org/10.3389/fpsyg.2021.787899周春燕,黄希庭.(2004).成人依恋表征与婚恋依恋.心理科学进展,12(2),215–222.
Claude Code新模式来了,不换模型,Token消耗最高砍掉77%
虎嗅 · 18 小时前
本文来自微信公众号: AI前线 ,作者:飞野、四月,编辑:四月,原文标题:《Claude Code新模式来了!不换模型,Token消耗最高砍掉77%》用过Claude Code的开发者,几乎都有过同一种体验:干活确实爽,但看着后台飞速跳动的Token消耗和账单,心也在滴血。过去想让AI智能体跑得更快、花钱更少,用户通常只有两条路:要么苦等厂商发布更便宜的新模型,要么手动把主力模型降级成小模型,忍受交付质量的滑坡。但最近,Anthropic在Claude Code(v2.1.323及以上版本)的更新日志里,悄悄塞进了一个默认关闭的实验功能——Code Mode。第三方实测显示:在完全不换模型、不牺牲智商的前提下,开启这个模式跑多步开发任务,真实API账单直接少了22%–23%;而在高频调用外部工具的场景下,模型累计处理的Token总量更是暴跌了62%–77%。当Anthropic进一步交出本地脚本编排权,代码进一步成为Agent与工具之间最高效的通信协议。Claude Code过去为什么烧钱?要理解Code Mode省下了什么,得先看清传统智能体干活有多“笨重”。普通模式下,Claude Code通常由模型直接组织工具调用。比如先通过Bash搜索文件,再调用Read查看内容,最后用Edit修改代码。如果后续操作依赖前一步的执行结果,工具就需要将结果返回给模型,由模型判断下一步该怎么做。虽然Claude Code本身已经支持并行工具调用,也能通过Bash脚本批量执行命令,但对于需要多步判断和跨工具协作的任务,模型仍可能反复参与中间流程,不断消耗Token。只改一两个函数时,这套流程没什么问题。可一旦遇到跨几十个文件找错误,或者通过MCP(模型上下文协议)拉取上百条外部记录的任务,两笔隐藏开销会迅速把上下文撑大。第一笔开销在起跑线上。独立评测站点bestagent.dev拆解请求载荷发现,未开启Code Mode时,Claude Code每轮默认向模型发送16个内置工具定义,光首轮请求体积就达到约38,000 tokens。只要会话继续,这份“工具说明书”就在每一轮请求里反复重传。第二笔开销藏在中间过程里。很多工具返回值其实只需扫一眼、筛出几行有用的内容,但在逐轮调用的机制下,整段日志、整批原始记录全部要留进对话历史。在开源基准Bicameral的测试中,让模型通过MCP拉取120张工单并统计退款总额,普通模式被迫分轮把120条记录完整拉进上下文。可见,过去智能体每调用一次工具,就要把全量原始输出连同全部工具定义再装进下一轮上下文,造成轮次越多、Token消耗呈滚雪球式膨胀的问题。一次对调度架构的手术Code Mode做的事情,本质上是重构了模型与工具之间的调度分工。开启Code Mode后,Claude可以先编写一段JavaScript,将多个工具调用、条件判断、循环执行和结果过滤组织到同一段代码中。对于不需要模型逐步决策的操作,程序可以连续执行,并直接处理工具返回的数据,最后只将必要结果送回模型上下文。Anthropic官方文档举过一个直观的例子:比如你想让Claude找到某个配置文件、把里面的重试次数从3改成5,再跑一遍测试。以前它得先找一次文件、等结果返回,再改一次配置,改完再跑一次测试,每一步都得回对话里过一遍。开启Code Mode后,它会自己写一段小脚本,在本地把“找文件、改配置、跑测试”一口气做完,最后只把“改了哪个文件、测试过没过”这两句结论交回对话。中间搜索过的目录、生成的大量测试日志,都可以先由代码处理、筛选,再将必要信息交给模型。至于最终能省下多少Token,仍取决于脚本返回的数据量。与此同时,Code Mode在入口处做了一次大幅瘦身:模型侧接收到的内置工具定义,从原来的16个精简成了只保留代码执行和状态轮询等功能的3个核心入口。两家独立第三方测试给出了一致的变化。bestagent.dev测得首轮请求从约38,000 tokens降到约22,000 tokens。Bicameral在4个模型上也测得每轮起跑固定减少13,055—13,106 tokens。Code Mode切掉了每轮重传的工具定义和中间冗余输出,把上下文窗口留给了真正需要模型做判断的信息。强模型的红利,弱模型的陷阱省Token的逻辑听起来无懈可击,但真实世界里的跑分却呈现出剧烈的分化。目前最全的公开测试来自开源基准Bicameral。该团队在Claude Code v2.1.326上,用Opus 5.5、Sonnet 5.5、Haiku 5.5、Fable 5.2四个模型跑了6类任务、每组2轮共计96次运行(48组开关对照)。表现最亮眼的是高频MCP取数求和测试:通过外部工具逐条拉取120张工单并统计退款总额。4个模型的对话上下文增量从约54,000 tokens骤降至3,500—8,800 tokens(降幅84%—94%)。16次运行全部答对,累计处理Token减少62%—77%。在需要阅读并筛查重复扣款的研判类取数任务上,处理Token减少40%—68%,对话上下文减少65%—83%。不过测试团队说明,这批人工生成的工单存在句式规律,模型脚本刚好借机跳过了重复段落。并且出现了3次未过检失败,全部出在Haiku 5.5模型上。换一种日常工作,这组数字就有所缩水了。回到大家每天都在干的本地文件修改(在47个Markdown文件里查死链、在Python项目里跨36处调用重命名函数)。单看执行过程中新产生的对话内容(Task context),16组对照里有14组不仅没降,反而因为额外写脚本或排错变多了。但因为开启后每轮起跑携带的“工具说明书”固定少了约1.3万个Token,里外一抵消,Opus 5.5、Sonnet 5.5和Fable 5.2整趟跑下来的累计处理Token依然降了15%—54%。唯独Haiku 5.5在文件任务里处理Token反增9%。回看日志发现,主因是其中一次脚本找错目录,攒下的大量报错记录把起跑底座省出来的额度全吃光了。另外需要注意的是,报告里专门强调:“累计处理的Token”不等于实际账单费用,因为被省掉的大头属于重复读取的提示词缓存。平台对这部分缓存本身就按更低费率打折计价。把这笔账折算成美元的,是另一组第三方测试,来自独立评测站点bestagent.dev。该团队在Claude Code v2.1.325上用Opus 5.5按Anthropic官方API标价对3个真实开源仓库任务各跑3次,测出了更贴近日常体感的数字:新增带测试的CLI参数:开启Code Mode后单次费用从$0.45降至$0.35(省23%),耗时从80秒缩至60秒。134个Markdown文件查死链:费用从$0.20降至$0.16(省22%),耗时从26秒缩至18秒。20个技能说明文件统一加版本号:费用几乎持平($0.16对$0.17)。因为即便不开Code Mode,Claude自己也会在Bash里写一段小脚本一次改完。不过bestagent.dev只测了Opus 5.5单模型两分钟以内的短任务,像第一组测试中的那种复杂任务,依然可能有更好的实际费用差异。可以看出,Code Mode真正擅长的是一些批量处理的复杂任务,如跨工具批量数据处理,以及需要多轮检索与测试联动的仓库开发。遇到原本一条shell就能解决的简单文件批改,换不换它几乎没有区别,用弱模型(Haiku 5.5)写错脚本路径还可能放大返工损耗。能省钱又提速,却要把它“默认关闭”?既然能省下真金白银,Anthropic为什么还要设置环境变量门槛(CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1),并在文档里打上“实验特性,可能随时修改甚至移除”的警告?首要卡点在安全把关与过程监控上。在传统模式下,Claude每读一个文件、跑一条命令都要单独发起请求,系统的权限规则、钩子脚本和安全审核可以逐条盯着把关。企业监控系统也能按每次工具调用留下一条清晰的记录。可开启Code Mode之后,Claude把一连串动作打包写进整段JavaScript里一次性跑完。在Auto模式下的安全分类器只能整段大致看一眼代码,没法像过去那样对运行期动态拼出来的每一条路径逐一细查。为了防住风险,官方在启用门槛上加了多层硬锁。Claude Code会刻意忽略项目目录配置文件里的Code Mode开关,防止开发者克隆一个外部仓库时被对方暗中打开。如果用户开启了企业监控导出或禁用遥测,客户端会直接拒绝启动Code Mode。安检之外,能用的场景也还有限。从支持范围看,现阶段的Code Mode更像一块限在纯命令行终端里的“试验田”。它目前只支持在本地交互式终端、直连Anthropic官方订阅或Console账号使用。桌面端App、VS Code插件、以及亚马逊Bedrock、谷歌云等第三方云平台暂时全都用不了。对于现在就想试用的用户,可以注意两点:第一,看任务决定开关,做批量处理等复杂任务时省Token的效果才明显。第二,开启后几个联动功能会暂不可用,远程控制、Chrome浏览器联动和电脑操控(computer use)都会停用。把视野拉高一层看,Code Mode验证了一件对行业有启发的事:在底层模型不变的情况下,仅仅把“谁来组织循环、中间数据留在哪”这层Harness的工作方式改对,对Claude Code这样成熟的客户端依然能挤出两成以上的真实成本。类似的改进,最近几个月,从云基础设施到开源编程工具,已经有好几支团队沿着同一方向推进。Cloudflare、OpenCode 2都开发了类似的功能,按需查目录、用脚本组合调用工具。8月开源的DeepSeek Harness在四种运行模式里,也内置了程序化工具调用(PTC)模式。但他们各自降Token成本的能力如何,易用性和安全性又如何,还有待更多对比测试来展现。
Launch HN: Maritime (YC F26) – A managed cloud for production AI agents
Hacker News · 20 小时前
Hi HN, we're Ary and Maria, co-founders of Maritime (https://maritime.sh). We're building an agent-native cloud that handles everything from custom environments to lifecycle management for AI agents.Demo: https://www.youtube.com/watch?v=lCWMdBQ96rYThere’s been an explosion of sandbox companies coming out of SF, but sandboxes solve maybe 10% of the infrastructure problem for AI agents. The approach that most sandboxing companies take is:You buy Hetzner/OVH Cloud bare metal servers, use Firecracker to slice the servers up into VMs, sell those VMs with low margins.It’s a bit of an oversimplification, but the point is it’s a narrow solution to a fairly difficult problem.We talked to a couple hundred companies that are building AI agents. From personal assistants and coding agents to specialized healthcare agents, and the main pattern we saw was that even after choosing a sandbox provider, you still have to build additional infrastructure just to get things working. These were the primary points of friction:1. Agent lifecycle management.There’s a lot that you have to build in order to properly give your agents VMs: things like sleep/wake, persistent storage, triggers, scheduling, per-user routing and spend caps, health monitoring, failure recovery, and deploying updates across thousands of VMs without downtime.
There are so many of these small sandbox management tasks that companies have to build and maintain themselves, and they add up.2. Custom environments.Production agents have varying needs. Some agents need Windows applications. Others need Android, browsers with persistent sessions, custom operating system images, preinstalled desktop software and applications, or specific dependencies.
Some agents need access to private networks to interact with customer-specific things on prem, or residential IPs, or the ability to restrict network access completely.3. Cost optimization.If you’re selling a personal assistant for $20/month, a sandbox that costs $0.04/hour comes out to roughly $29/month if you keep it running continuously, not including LLM inference, storage, etc. There is a way to combat this though, which is to optimize sandbox usage with auto-snapshotting, making things event-driven, mounting S3 buckets to agent environments via FUSE for cheap storage, cold-tiering snapshots, etc. All roads lead to… building more infrastructure.So what did we build differently?We give each agent its own isolated, persistent microVM and a configurable environment. On top of the compute, we built a lot of composable services: provisioning, persistent state, sleep/wake orchestration, triggers, schedule creation, monitoring, network configuration, updates, rollbacks, recovery, per-agent spend tracking, login handoffs, all the things you’d need for production agents.We also spent a huge amount of time optimizing cost. A lot of thought was put into things such as scale-to-zero, copy-on-write over shared base images, compressed memory snapshots, hot/warm/cold snapshot and disk tiering, and other optimizations while balancing these with performance metrics like latency.As a result, Maritime costs $1 for a 2gb RAM agent per month (unlimited usage for that $1), with additional resources available as needed.Maria was a visiting lecturer at MIT and did research at Project NANDA on agent infrastructure. Ary did research on agent coordination protocols at the same lab. We started Maritime together this March because of all the issues we faced with trying to deploy agents to the cloud during our research.We want your feedback.If you're building an agent product, what did you have to build on top of sandboxes to make them work? We want to know about all the workarounds and weird things you’ve had to build.Are there things you’ve tried to build with VMs but couldn’t? Does Maritime fit your needs? Is there a feature we’re missing that would make us more enticing?Happy to answer any questions in the comments.https://maritime.sh
Comments URL: https://news.ycombinator.com/item?id=50549188
Points: 31
# Comments: 25
Show HN: Mastra Factory, the open-source software factory we use to build Mastra
Hacker News · 21 小时前
Hi HN, we're Shane, Sam, and Abhi.Almost two years ago, we shared Mastra, our open-source TypeScript agent framework, on Show HN: https://news.ycombinator.com/item?id=43103073. It got a few hundred upvotes; a couple of weeks later our downloads had doubled, and we were off to the races.Today we're sharing Mastra Factory, the open-source software factory we built to help maintain Mastra itself.At Mastra, we now average nearly 4M downloads per week, and with Factory our team now merges hundreds of PRs a week across the mastra-ai GitHub org. Last week, Factory opened and merged 238 PRs, alongside 630 merged PRs from humans.There's a lot of debate about what a software factory is. For us Factory is a configurable agentic kanban board that's @-taggable in Slack.Under the hood, it uses Mastra’s durable agents for long-running sessions, our conversational memory system, a markdown based wiki with source citations to incorporate company knowledge, signals that subscribe to PR comments wired up into sessions, and a customizable cloud sandbox with our coding harness (working on supporting Claude Code, Codex etc).When we started out, we modeled Factory around our existing workflow-oriented process (triage, plan, build, review, shipped). Three months later, we find ourselves mostly driving it through Slack vs a web UI.We’ve seen more senior engineers kick off sessions in parallel (“triage the 20 oldest issues and let’s evaluate…”). We’re using bug and vuln scanners now, and we’ve closed our repo to outside contributors, asking folks to write detailed issue repros instead.You can get started with `npm create factory`.It’s fully open-source, so you can run it entirely on your infra (we also offer a hosted version). Comment here, we would love to know what you think!https://factory.mastra.aihttps://github.com/mastra-ai/template-factory
Comments URL: https://news.ycombinator.com/item?id=50548660
Points: 67
# Comments: 20
LinkedIn Cuts Daily Spark Shuffle Fetch Failures from 750 to 20 with Apache Celeborn
InfoQ · 22 小时前
LinkedIn deployed Apache Celeborn as a shared remote shuffle platform across most Spark and Flink workloads, reducing daily shuffle fetch failures from approximately 750 to 20. The deployment also lowered compute costs by 10%, improved application runtimes by 14%, and reduced shuffle costs per task by nearly 90% through dedicated storage, replication, and data-plane optimizations. By Leela Kumili
答卷照牛,但没了老黄,英伟达已不对味
虎嗅 · 1 天前
本文来自微信公众号: 海豚研究 ,作者:海豚君,原文标题:《答卷照牛!但没了老黄,英伟达已不对味!》英伟达(NVDA.O)北京时间2026年11月18日凌晨,美股盘后发布2027财年第三季度财报(截至2026年10月),这也是黄仁勋11月12日辞任后、由临时CEO Colette Kress主持的首份财报,具体内容如下:1.数据中心:本季度收入1076亿美元,环比增量为186亿美元,同比增长110%,好于市场预期(1018亿)。增长主要由Vera Rubin首季量产出货和Blackwell Ultra(GB300)的持续出货带动:Rubin在量产出货的第一个季度就贡献了接近200亿美元收入(约占数据中心收入的18%)。网络业务本季度收入超过210亿美元,约占数据中心收入的两成。另外,本季度公司对华出货了24亿美元获许可的Hopper数据中心产品(直接销售的H200)。公司从本财年开始调整了披露口径,将数据中心拆分为“超大规模客户(Hyperscale)”和“ACIE(AI云、工业与企业,含主权客户)”。具体来看,本季度超大规模客户收入601亿美元,环增114亿美元(+23%),明显高于一致预期(533亿);ACIE客户业务收入475亿美元,环增72亿美元(+18%),略低于一致预期(489亿)。时隔两个季度,超大规模客户重新成为收入增长的最大增量,云行业积压订单(backlog)从3个月前的2万亿美元增至2.5万亿美元;ACIE的环比增长则来自对头部新云的Vera Rubin出货,以及前沿实验室开始自建数据中心。在各家大CSP自研芯片的情况下,英伟达过去一年用“扶持中小客户+资产负债表兜底”打开了ACIE市场(新云占ACIE一半以上)。但这条路径本季已经出现收缩迹象:ACIE环比增速从上季的25%放缓至18%,并低于一致预期。Kress在电话会上表示,会对新云“保持自律、有选择地支持”,未来的融资支持将优先放在土地、电力和机房(land,power,shell)上,并坦言“过去一个季度很多事情都变了”。2.核心增量信息:公司从上季度开始披露Commitments、Additional Commitments、Guarantees三组数据,这三项把英伟达“算力央行”的角色摆上了台面。本季度是黄仁勋离任后的第一次披露,变化可以概括为:上游继续锁产能,下游兜底是有选择的。1)Commitments(承诺):本季度供应与产能承诺达到3,900亿美元,环比增加1,110亿(上季度2,790亿),公司称主要是多年期的内存采购。从年份分布看,新增的供应承诺几乎都落在2028财年(对应2027自然年):FY28的供应与产能承诺从上季度的870亿跳升至2030亿,FY29由880亿小幅增至920亿,FY30及以后合计只有260亿。粗略对比,按FY28收入指引增长75%、毛利率指引72%–73%推算,FY28营业成本约2000–2080亿美元,与FY28的2030亿供应承诺大体相当——支撑“75%增长”的上游供给基本已经锁定。2)Additional Commitments、Guarantees:针对下游客户的承诺与兜底①Additional Commitments(附加承诺):本季度只剩“新云协议”(原“AI cloud协议”更名)一项,金额320亿美元,环比减少40亿。公司还新增了一段说明:这类承诺只有在新云自行完成融资、相关算力部署上线并经英伟达验收后才生效。Kress表示“没有改变任何东西”,只是因为收到不少询问,把条款写得更清楚。海豚君认为,不管怎么解释,余额从360亿降到320亿,实际上L2(附加承诺)的扩张已经停了下来。②Guarantees(担保):本季度担保最大敞口1,180亿美元(上季度1,085亿),增加的95亿全部来自新出现的“电力与系统信贷支持担保”。公司对担保的描述也从“土地、电力、机房”扩展为“土地、电力、机房和硬件融资安排”,即开始为部分客户的硬件融资提供兜底。新云的土地电力机房担保(35亿)和SB Energy/PORTS-Pike园区(1,050亿)维持不变。PORTS-Pike园区的担保随9栋楼逐期完工生效,首期预计在FY29,英伟达另有约3.8GW的扩容担保选择权。截至目前,公司尚未因担保支付过任何款项。公司8月宣布的5000亿美元算力融资平台(Apollo、BlackRock、Blackstone、Brookfield、高盛、KKR)仍在搭建中,Kress表示公司“继续与基础设施资本伙伴密切合作,推动融资平台落地”,本季度没有披露落地项目。3)管理层交接后的首次表态:本次电话会由Jones(新任董事长,首次设该职位)开场、临时CEO Kress主讲。主要表态如下:①人事:董事会一致接受黄仁勋辞职,并且“无意让其重新担任CEO”。已聘请猎头公司牵头遴选永久CEO,内外部人选都会考虑。新CEO必须能应对先进芯片与国家安全交织的环境,公司希望尽快任命,但“不会为了快而降低标准”,没有给出时间表。对辞职的具体情况和正在进行的调查不予回应。②合规:董事会当天宣布成立“国家安全与出口管制监督委员会”,由部分独立董事、外部资深顾问和法律顾问组成,加强与美国政府各相关部门的沟通。③经营:Kress反复强调“业务一切照常”,路线图不变(Vera Rubin Ultra明年推出、Feynman 2028年推出),客户、供应商和合作伙伴“100%支持”,台积电管理层本周还到访英伟达,公司已追加锁定内存和先进封装产能。④资本回报:未来将把扣除战略用途后的全部超额自由现金流返还股东,剩余2,273亿美元回购授权计划在FY28内用完。Kress把股东回报列为最优先事项之一,同时表示首要投向是供应商(以预付款等方式支持扩产),其次是已承诺的投资,再次是对少数优质客户提供融资或担保,且会逐一严格评估。3.指引:公司预期2027财年第四季度(即4Q26,为14周季度)收入1,300亿美元(±3%),环比增长142亿美元,高于市场预期(1,247亿美元);下季度毛利率(GAAP)为71.0%–72.0%,环比下降约3个百分点,符合市场预期(71.9%)。指引不含任何中国数据中心计算收入,管理层还明确表示已经停止向中国出货获许可的Hopper数据中心产品(H200),这部分在三季度的24亿美元在四季度归零。剔除中国Hopper产品这部分,公司下季度收入按13周折算后同口径环比仍有约6%的增长。管理层重申FQ4毛利率是底部,四季度仍在按旧价格履行已经接下的订单,新价格从新财年开始生效,FY28毛利率回到72%–73%的框架不变。公司管理层在后续交流中,将2028财年收入增长展望从约70%上调至约75%。Kress表示“需求远超供给,预计业绩仍将保持强劲”。FY28的增长展望已经考虑了对现行出口管制的评估,但公司“还需要时间研究其中较难的部分”,没有给出量化影响。海豚君整体观点:业绩撑得住,但回落不是简单的“错杀”上季度老黄甩出FY28“约+70%”的明牌,股价一度修复至239美元的高点。但随后,英伟达遭遇了“人事+合规”的双重冲击。本次财报的意义已超出单季业绩,市场真正要验证的是“没有黄仁勋的英伟达”能否守住2027年(FY28)。公司管理层在随后的交流中,把FY28(即2027年)营收增速展望从约70%上调至约75%,毛利率指引72-73%,想以此作为回应,来表明“有没有黄仁勋,英伟达照样能增长”。公司通过与上下游采购和担保承诺的详细披露、对新云“自律、有选择地支持“态度、成立委员会、做更大力度的分红回购、H200后续收入归零等…..这一切都在说明,英伟达新班子:靠着老黄打下的深厚底子,与老黄割席、对国家表忠诚、有财务管理思维来安抚华尔街的当下需求。但这些选择的背后,仍缺乏对最最最关键问题的回答:后黄仁勋时代,到底谁为公司的长期战略和执行掌舵?美国商务部11月16日发布出口管制新规,把“向中资远程提供算力”纳入全球许可管理,并对东南亚、巴西五国新增出口许可门槛;公司在财报中还披露已停止向中国出货获许可的Hopper数据中心产品,FQ4指引不含任何中国数据中心计算收入。在本次财报之外,市场还关心以下方面的情况:1)黄仁勋离职与CEO继任董事长Harvey Jones代表董事会表示:黄仁勋是在“与公司行为准则、标准和文化规范不符的个人行为”被披露后辞职的,董事会一致接受,且无意让其重新担任CEO。海豚君认为在订单和供应已经锁定的12–24个月内,CEO更替对经营的直接影响有限,FY28上调至75%也印证了这一点。真正受影响的是两件事:一是对客户的兜底与融资扩张会更审慎,本季度新云协议已从360亿降至320亿;二是公司出口管制风险上升,对华获许可的Hopper数据中心产品已停止出货。董事会排除了黄仁勋回归的可能,永久CEO的遴选也没有时间表。在新CEO确定战略方向之前,治理风险并没有出清。2)出口管制新规:离岸算力通道被封堵规则内容:美国商务部工业与安全局(BIS)11月16日发布临时最终规则,目的是防止现有出口管制“通过涉及第三国数据中心的远程计算安排被规避”,主要包括五部分:海豚君怎么看:对英伟达而言,这次新规是“收入受损不大、估值压力更大”。其中①②是主要冲击——中资在全球租卡训练的路径被切断,壳公司代签、拆小单的漏损空间也被堵上;③对非美系本地新云是交付摩擦,美系云厂商只是多了月报合规成本。先澄清一个口径:FY25按开票地,新加坡收入约237亿美元(18%)、中国(含香港)约171亿美元(13%),合计约三成,但这并不是本次新规的敞口。改按客户总部口径重述后,FY25中国一项增加约79亿美元至约250亿(约19%),其余主要是美国总部客户在新加坡开票,属于豁免对象。中国总部客户收入占比此后从约19%降至FQ2 FY27的8.2%,是H20禁售等此前对华管制所致,这次新规目前并未触及对华直销与H200许可。不过,公司在财报中披露,三季度对华出货了24亿美元获许可的Hopper数据中心产品,中国(含香港)收入回升至110.5亿美元、占比9.5%。但管理层同时表示已停止向中国出货这类产品,四季度指引不含任何中国数据中心计算收入,停止的原因没有说明。新规直接打到的,是非美系机房向中资出租算力及实物转运这条“离岸通道”,在财报地区口径里大多记在“台湾”(ODM出货)或“美国”(OEM)名下,任何口径都直接看不出来。假定毛敞口约为收入的5.5%–7.5%(详见下图),被挤出的配额并不会全部消失,海豚君假设其中50%–60%可被北美云厂、AI实验室和主权云接走,那么实际影响在2-3%左右。更值得关注的是二阶影响:中资租户撤出后,海外新云的空置率和租价是否承压,进而削弱其扩容与融资能力、触及英伟达的包销与担保。对中国市场,离岸训练路径受限会倒逼国产算力采购。原本“转向H200对华许可采购”这一对冲,也随着英伟达停止对华出货而暂时落空——三季度24亿美元的对华收入在四季度归零,长期看中国数据中心市场会进一步转向国产。3)Rubin的爬坡节奏Vera Rubin于8月开始量产出货,第一个季度就贡献了接近200亿美元收入(约占数据中心收入的18%,略低于上季度说的20%)。整机柜VR200 NVL72采用72颗Rubin GPU(单GPU中2个die)+36颗Vera CPU。每GW收入从Hopper约180亿、Grace Blackwell约250亿美元提升到Vera Rubin超过400亿美元,Feynman(2028年架构)将进一步提升到“明显高于500亿美元”。除GPU外,CPU和网络是本季另外两条增量:独立的Vera CPU已获CoreWeave、Meta、Nscale和OpenAI采用(此前为AWS、OCI和SpaceX),管理层预计FY28 CPU总收入翻倍以上。网络业务本季收入超过210亿美元,共封装光学(CPO)路线按计划推进,Lambda完成了英伟达CPO交换机的首个量产部署(连接超过1万颗GB300)。管理层本次重申Vera Rubin Ultra明年推出、Feynman 2028年推出,路线图按计划推进;同时推出了DSX POD模块化AI工厂参考设计,首批计划明年初交付美国和中欧客户。4)市场预期及竞争格局SemiAnalysis近期全面下调了AI芯片的出货与支出预期,尤其是对英伟达大幅下调,原因在于“性能/TCO+融资能力”的双重筛选:①前沿实验室的算力组合中英伟达的优先级下降——Anthropic使用TPU、Trainium、AMD GPU和英伟达GPU四类平台,英伟达在性价比上最边缘;OpenAI方面,AMD认股权证交易使AMD GPU很有吸引力,且OpenAI会优先部署自研ASIC(Jalapeno、Serrano);②英伟达对新云的客户敞口最高,而新云的执行与融资风险都在上升。对ASIC竞争下的长期定价权,Kress只表示定价“经过深思熟虑”,FY28毛利率框架不变。市场对英伟达估值的担忧已经从“大厂资本开支回落、市场地位/毛利率能否维持、业绩是否见顶”,进一步延伸至“治理(CEO空缺)、合规(出口管制调查)和融资生态(兜底收缩)”。这份财报暂时化解了业绩端的担忧,但治理、合规和融资生态三个问题都没有解决——永久CEO没有时间表;出口管制新规的影响公司仍在研究,对华Hopper产品已停止出货;新云协议在收缩,新的硬件融资担保却在增加。若后续政策进一步恶化,公司业绩和估值仍会承压。整体来看,这是一份“经营超预期、风险未出清”的财报。股价回落到当前位置后,业绩端的支撑反而更强了,但海豚君并不认为这是简单的“错杀”:估值折价来自治理、合规和融资生态三块尚未出清的风险,而非业绩本身。在出现明确的出清信号(永久CEO落地、独立调查结论、出口管制立法定案)之前,海豚君认为修复空间有限。海豚君对英伟达财报数据及相关图表:
Vercel Releases UI SDK for Agents to Compose UI from Reusable Behaviors
InfoQ · 1 天前
Vercel has released UI SDK in beta, an Apache 2.0 TypeScript library of more than 50 UI behaviors in @ui-sdk/core, with adapters for React, Vue, Svelte, Solid, and Web Components, so agents can compose accessible components and operate them through a documented agent bridge. By Daniel Dominguez
Leaders of China, Russia, US will discuss issues on world peace
CGTN World · 1 天前
Guo Jiakun, a spokesperson for the Chinese Foreign Ministry, said the heads of state of China, Russia and the US will have an in-depth exchange of views on maintaining world peace during their meeting at the Asia-Pacific Economic Cooperation (APEC) CEO Summit in Shenzhen.
Leaders of China, Russia, US will discuss issues on world peace
CGTN China · 1 天前
Guo Jiakun, a spokesperson for the Chinese Foreign Ministry, said the heads of state of China, Russia and the US will have an in-depth exchange of views on maintaining world peace during their meeting at the Asia-Pacific Economic Cooperation (APEC) CEO Summit in Shenzhen.
火遍全球的“徒步28年回家”男人:我承认对儿子很自私
虎嗅 · 1 天前
本文来自微信公众号: 新周刊 ,作者:洛卡来,编辑:贾小凡徒步探险家卡尔·布什比花了28年从智利走回家乡英国,完成了一件不可思议的人类壮举,引发全球关注。被他的传奇故事吸引的人们,跟着卡尔走过高原、海峡与沙漠,见证无限的惊险与精彩。前妻安吉拉记得的,却是另外一些琐碎的事情:她的儿子有多么挂念远方的爸爸。11月初,一件罕见的人类壮举引发了全世界媒体的关注。历时28年,英国冒险家卡尔·布什比(Karl Bushby)终于完成了从南美洲智利徒步返回英国故乡赫尔的壮举,累计行程约3.1万英里(约5万公里)。卡尔这趟远征从智利南端出发,穿越冰封的白令海峡,跋涉于茂密丛林,横渡里海,最终回到了人生的原点。各大媒体报道他回到家乡的全过程,甚至直播了最后一段他与家人团聚的场面。这场传奇性的横跨四大洲的耐力远征,使卡尔成为了第一个不间断徒步环游世界的人。28年后,卡尔·布什比终于回到了英国赫尔。(图/卫报)在全世界的社交媒体上,卡尔的故事也引发了网友的热议。有人佩服他花了28年,做成了一件当初没人当真的伟大事业;也有人不禁留意到,他出发时,儿子亚当只有8岁,成长中大部分时刻都被错过了。卡尔的儿子亚当·布什比小时候曾和同学说,自己的爸爸在徒步环游世界,他的同学们都觉得他在编故事,直到后来新闻真的报道了父亲的传奇故事。从这个角度去看,这有点像非科幻版的《星际穿越》:父亲在孩子年幼时离家去完成一项壮举,28年后,父亲归家,而孩子也从一个盼望爸爸回来的孩子,自己成为了一名父亲。从12年延长到28年的徒步之路1998年11月1日,29岁的卡尔带着约500美元从智利的蓬塔阿雷纳斯上路。帐篷和生活用品都塞在一辆被他称作“野兽”的手推车上。他最初对这段徒步之旅的预计时长是12年,但最终时长超过了一倍之多。卡尔刚开启旅途时,并不会说西班牙语。智利的高原上寒风刺骨,他得把身体斜成45度才能站稳。恶劣的天气持续了好几天,寒风吹来的尘土和沙砾不断拍在他的脸上。严重的高原反应让他喘不上气,再加上呼吸困难、饥饿,他饱受折磨。卡尔很快意识到,如果想要直接闯过这片狂风肆虐、干涸龟裂的高原,无异于自寻死路。于是他马上改变了路线,翻过安第斯山脉,向西往海岸走。路上的地形依然恶劣,他一度靠一根香蕉撑了三天。背着沉重行囊的卡尔,开启他的旅程。(图/卫报)卡尔到达智利阿塔卡马沙漠后,花了五个月的时间穿过5号公路。但不管怎么说,旅途刚开始时还算顺利。随着他的缓慢前进,公路上来来往往的卡车司机,都认得这个推着车的人。有人朝他扔瓶装水,也有人递水果给他,“我不知道卡车里是谁,但他们都在照顾我。”到了哥伦比亚后,卡尔发现情况没有那么乐观,“当时,哥伦比亚简直就是个无法无天的混乱之地,叛乱、反叛乱、毒品和缉毒情报机构混杂其中。”2000年,当他准备前往巴拿马时,他必须通过臭名昭著的达连隘口。这条长达97公里的隘口,遍布茂密的热带雨林、沼泽和山脉,是当时哥伦比亚和巴拿马边境游击队的掩护地带。避免引人注目,卡尔把自己打扮成流浪汉,将地图、指南针和常用药品缝在衣服的暗袋里。不过,他还是避免不了被持枪抢劫,“保持微笑,一个微笑就能帮你渡过很多难关。只要化解冲突,化解矛盾,你就会没事的。”为了让旅程顺利进行,卡尔时常乔装成了流浪汉。(图/卫报)卡尔从南美穿越到美国,最终抵达阿拉斯加。南方有南方的严峻,北方有北方的残酷。为了从美国前往俄罗斯,他必须穿越白令海峡——连接北冰洋和太平洋的狭窄冰封水道,全长约82公里。当时的白令海峡不再是完全冰封的状态,随着冰层不断融化成海水,部分冰层持续脱落。而在卡尔之前,从来没有人成功从阿拉斯加徒步到达西伯利亚。真正走到白令海峡,已经是出发后的第八年。想要穿越白令海峡,意味着卡尔要同时兼顾徒步和游泳才能穿越这片半冰封的海域。有英国媒体前往当地拍摄这次任务,卡尔告诉主持人桑德斯,他一生都在与失败作斗争,而现在他要证明自己。“有些人可能会觉得这很荒谬,有些人可能会觉得这很不负责任,但有些人会理解我的感受。人生中有些事值得为之付出生命。”卡尔和搭档探险者迪米特里·基弗踏上了白令海峡。(图/卫报)他和搭档探险者迪米特里·基弗就这样踏上白令海峡的冰面,晚上把帐篷搭在浮冰上。有一次,薄冰突然塌了,装着补给的雪橇掉进海里。零下30摄氏度,两个人硬是把重达90公斤的雪橇拖回冰面。在穿越白令海峡的过程中,他们还与北极熊来了场正面相遇。“我们试图吓走它,但根本没用。如果它想抓我们,我们就死定了。太可怕了。它简直是庞然大物。”好在,北极熊盯着他们看了一会后就走开了。卡尔长舒一口气,感到如释重负,“你根本逃不掉的。”有时候拖延时间的不是恶劣的自然条件,而是让人无能为力的经济状况与突发状况。2008年金融危机爆发后,卡尔身上原定的商家赞助协议纷纷告吹,他的资金也随之耗尽。他只好隐居墨西哥,靠着当服务员和帮忙经营一所赛艇学校赚取生活费,勉强维持了两年的生活。卡尔在冰冷的海水中奋力游向海岸。(图/卫报)走到中亚后,卡尔的陆路计划再次受阻。战争让他无法按计划经俄罗斯绕过里海北岸,南边途经伊朗的路线也走不通。2024年,他和同伴从哈萨克斯坦出发,横渡里海,终于抵达阿塞拜疆。这趟横渡有船只沿途支援,他们白天下水,晚上在船上休息,总共花了31天。两年后,他又以相似的方式渡过英吉利海峡,在英国多佛附近上岸,最终徒步回到家乡赫尔。整趟旅行持续28年,按团队公布的数字,卡尔靠步行和游泳走完了约5万公里。其中据卡尔估计,真正走路的时间大约有15年。“哪怕父母去世,也绝不回家”卡尔对自己的旅途很诚实。当中间因为各种原因停下来时,他会耐心等候能继续上路的时机,然后回到上次停下的地方重新出发。好不容易渡过白令海峡到达俄罗斯后,卡尔和同伴因没有从指定口岸入境被扣留,甚至一度被怀疑是间谍。俄罗斯法院曾下令将他们遣返,两人上诉后,遣返令才被撤销。受签证停留期限限制,卡尔只能断断续续地进行这段旅程:在俄罗斯境内走一段、离境一段时间,下次再回到中断的地点继续行走。大概十一年后,他终于走完这段路。无论遇到什么困难都坚持完成这样一项无人当真的壮举,或许和他从小形成的性格不无关系。卡尔·布什比在英国小城赫尔长大,他从小有轻微的阅读障碍。接受媒体采访时他说,同学们都把他当成笨小孩,“给我贴上了笨蛋的标签”。为了缓解在学校的难过,他会跑到郊外观鸟。16岁时,卡尔决定辍学加入少年伞兵团。他考了五遍体能选拔才过关,“通常情况下,他们会允许你尝试两三次。”但是卡尔从来没有放弃过,“因为我从不放弃……这大概是(后来一定要完成徒步)最初的征兆之一,我就是不肯放弃。”在部队里,卡尔也始终像个局外人。他把这一点归因为他不爱喝酒,“我从来不喝啤酒,这是个问题。”整个参军生涯中,他认为同事们从来不信任他,他也感受不到同事的尊重。1990年至1995年,英国军队的规模从16万人缩减到12万人。尽管卡尔保住了工作,但他受困于生活的无趣,“我就是那种渴望在生活中寻找挑战的人。年轻的士兵们都渴望战斗,结果却每天被派到北爱尔兰的某个大门站岗放哨,这实在没什么吸引力。”卡尔顶着风雪艰难跋涉。(图/卫报)卡尔那时就有时候会想,来一个长途徒步旅行会是什么体验。他开始研究世界地图。让他下定决心的是一张他生日前夕收到的贺卡,是同为当兵的父亲寄来的。父亲在卡片中提到,有几个同僚在讨论,能不能经白令海峡从伦敦走到纽约。卡尔在地图上用一支黑色记号笔,从英国向东画,穿过欧洲、亚洲和白令海峡,画到纽约;到了纽约,他又觉得可以再往南,便把线一直画到南美洲最南端。为了确认这条路线是否可行,他花了几年研究线路,并重新捡起学生时代没学好的数学、物理和地理。最终,他却决定反向而行,从智利走回家。“我说想徒步环游世界的时候,没有人把我的话当真。大家只是觉得,卡尔又冒出个疯狂念头。可越是这样,我越来劲。我会盯着地图,想象那会是什么样的生活,我放不下这个念头。”卡尔接受采访时说道。对“死亡”的思考也推动他开启了这趟旅程,“我很在意死亡这件事。人总有一死,生命只有一次,那你要怎么过?”在伞兵团服役十二年后,卡尔在1998年出发了。他给自己立了两条规矩:一是全程不准借助任何交通工具;二是在没有徒步抵达目的地前,绝不回家。第二条规矩近乎无情。出发前,卡尔就跟家里人说过,哪怕父母在他远行期间去世,他也不会回英国参加他们的葬礼。后来,儿子亚当在出摩托车事故差点没命的时候,卡尔也没有回英国探望。签证、经费和疫情让他停了又走,走了又停,原计划的12年硬生生拖成了28年。横渡英吉利海峡后,卡尔·布什比在多佛吃了一份久违的炸鱼薯条。(截图/社交平台)到达多佛后,卡尔在餐厅点了一份英国国菜炸鱼薯条,还配上豌豆泥。他掏出手机对着盘子拍了段视频,说自己28年没吃这份经典的饭菜了。吃完这顿饭,他还得再往北走大概400公里,才能回到母亲的家门口。400公里和28年的5万公里相比,算是近在咫尺,但同时又像是世界上最远的一段路。在徒步的旅程中,卡尔每天都有关乎生存的问题要解决:车胎扎了上哪儿补,衣服脏了上哪儿洗,今天还能走多远……现在快到家了,卡尔反倒更发愁了。他在多佛接受媒体的采访时说,回赫尔后打算先住在母亲家,再看看要不要找一份工作。他和母亲之间也有些生疏,需要花点时间重新熟悉起来。他说,想到这些就有点害怕。11月2日上午11点,卡尔·布什比推着那辆叫“野兽”的手推车,出现在赫尔市中心。早就有几百人聚集在维多利亚女王广场,有热心民众朝他大喊:“干得好,卡尔!”他把车停下后接过话筒,开玩笑地回了一句:“让大家久等了。”到家后,卡尔和母亲激动相拥。(图/卫报)母亲安吉拉在家里的厨房等着他。当地记者问她感觉怎么样,她说自己有点高兴也有点紧张。摄影记者、电视台和纪录片摄制组都聚在卡尔家门口等着。安吉拉一见到卡尔就抱住了他,哭着问:“你跑哪儿去了?”卡尔对记者坦言,自己曾一遍遍想象走到这扇院门前的场景。但当他真的见到母亲时,他反倒有些恍惚,觉得母亲变了很多。“我跑哪儿去了?”卡尔重复了一遍安吉拉的话,笑着说:“二十八年了,这不回来了。”壮举背后的男孩和女人在现场欢迎卡尔的,除了母亲,还有他多年未见的儿子亚当,和已经12岁的孙女。在踏上旅途前,唯一让卡尔放心不下的是当时8岁的儿子。他也曾纠结过,自己如果真的离开,那么基本参与不了儿子的成长。如果按照计划一切顺利进行,卡尔回英国的时候,亚当应该20岁了。而事实上,等到卡尔返乡时,亚当已经36岁。卡尔和儿子亚当。(图/每日邮报)“那是个很难的决定,”卡尔说,“但我当时想的是:‘我怎样才能对儿子有价值?如果我做一件这么大的事,对他会不会更有价值?’”显然,卡尔对这个问题也没有答案。1998年离开家后,卡尔再见到亚当是在2004年。14岁的亚当跟着奶奶一起飞去阿拉斯加探望爸爸,两父子在阿拉斯加认真聊了一次。回程飞机上,亚当慢慢想明白,他的父亲大概非得把这趟路走完才愿意回家。小时候的他希望父亲能早点放弃这个想法,等到父亲真的开启了这段旅程,他又觉得都开始了,怎么也得走完。随着科技的发展,亚当和卡尔的交流方式从写信变成打视频电话。在随后的这些年,亚当无论是考下摩托车和汽车驾照,还是女儿出生,都会给父亲发消息告知。不过,不是每一次的消息都能收到父亲的及时回复,有时候回复要在一个星期后才到来,甚至卡尔可能会失联好几周。亚当虽然心里很着急,但是也只能默默等待父亲来自远方的消息。全家人在家门前迎接卡尔。(图/卫报)亚当也常在自己的社交账号上发父亲徒步的内容,对媒体谈起卡尔时,语气里满是骄傲。说起这些年父亲错过了的事情,他还是一口气列了不少:上学、毕业、女儿出生,还有无数个生日、圣诞节和跨年。无论长大后如何理解父亲,小时候,他也只是一个想要爸爸在身边的孩子。回顾那28年,卡尔也承认自己的自私。那些年他几乎只关注自己的生活:有没有钱吃饭,明天有没有办法接着走。回到赫尔那天,有记者询问卡尔和亚当之间的关系,卡尔表示自己并不后悔环球徒步这个决定,他觉得自己和亚当依然很亲近。多年来真正陪在亚当身边的,是卡尔的前妻、亚当的母亲安吉拉·蒂夫嫩。卡尔和前妻安吉拉。(图/每日邮报)她在接受媒体采访时表示,自己认识卡尔时只有18岁。亚当十个月大时,两人结了婚,随后搬到英格兰汉普郡的陆军基地。后来卡尔被军队派回北爱尔兰,安吉拉留在当地照顾孩子,身边也没有帮忙照顾小孩的亲友。说起那几年,她觉得两个人结婚得太早,也过早地成为父母。婚姻结束得也很早,1995年两人离婚,安吉拉带着亚当回到了贝尔法斯特。三年后,卡尔便开始了他的征途安吉拉回忆亚当当时太小,不明白爸爸为什么要走那么久,而她也必须克服一个人拉扯大小孩的艰辛,“我得学会什么都自己来。”后来,亚当也曾去美国陪父亲走过一段路。她记得儿子回来的时候,他一直兴奋地跟她说了很多路上的见闻,说着那段旅途有多精彩,和爸爸待在一起有多开心。她理解卡尔想去追寻自己的梦想,但也坦言在独自抚养小孩的时间里,卡尔应该给与他们更多的支持。对于安吉拉而言,这28年她唯一能做的,就是一次次向亚当解释,为什么爸爸不在家,为什么爸爸还没有回来。28年后,卡尔回到了母亲的家门口。(图/每日邮报)在《每日邮报》对安吉拉的这篇专访下面,很多读者在争论一个父亲离开这么久,还能不能被称为英雄。最高赞的评论,批评卡尔把照顾孩子的责任留给前妻,也有人认为,两人在出发前就已经分开了。卡尔在徒步前就已离婚是事实,不过如果出门的是安吉拉,留下来把孩子养大的是卡尔,人们会先问她打算怎么穿过白令海峡,还是先问她的孩子怎么办?卡尔从哪里出发、每天走多远、被签证耽误的细节,各大新闻媒体都有报道,但这些讲述中几乎看不到任何关于儿子亚当如何长大、前妻安吉拉如何抚养他的描述。直到卡尔的环球之旅结束后引发巨大关注,我们才能从一家媒体的采访中,看到安吉拉自己的叙述。在28年的时间里,卡尔的每一步都会被各大新闻媒体报道。(图/卫报)卡尔的故事像是《月亮与六便士》走进现实,充满理想与勇气的人去远方追求月亮,故事的视角也跟随着他去了远方,但无人在意留在家中的家人为六便士操劳。被传奇故事吸引的读者们,跟着卡尔走过高原、海峡与沙漠,见证无限的惊险与精彩。留在原地的前妻安吉拉记得的,却是另外一些琐碎的东西:她的儿子有多么珍惜陪爸爸走过的那段旅行,有多么挂念远方的爸爸。2014年亚当成为爸爸那天,给卡尔发了条消息。等卡尔第一次见到孙女,女孩已经12岁了。有记者问他,第一次见到孙女是什么感受。他说:“这太棒了,我们在这儿才刚迈出第一步。”好在孙女还有很多个生日,卡尔还有机会参与她的人生。校对:开心;排版:丁小艺1.After 28 Years Walking Across the Globe,He’s Almost Home-The New York Times-2026-10-292.‘Some things are worth dying for’:Karl Bushby’s incredible 28-year walk home,through deserts,kidnappers and polar bears—The Guardian—2026-10-133.it took 28 years for this man to walk around the world.Now,he’s finally coming home—British GQ—2026-9-264.What walking around the world taught Karl Bushby:‘A constant display of the very best of humanity’—The Big Issue—2026-8-145.Karl Bushby:The Man Who Walked The World Is Finally Home–“I’ve Re-Established My Faith In Humanity”—TO VIMA—2026-11-36.‘Where have you been?’–Karl Bushby’s mother meets adventurer on his return to Hull—The Yorkshire Post—2026-11-27.Karl Bushby:Leaving my son behind while I walked around the world was purely selfish—The Telegraph—2026-11-28.Karl Bushby latest:Adventurer returns home to Hull after 28-year walk from South America—Sky News—2026-11-29.Karl Bushby and Angela Maxwell Swim Across the Caspian Sea—ExplorersWeb—2024-10-1910.Around the world walk delayed by Ukraine war—BBC News—2022-5-911.How Karl Bushby battled English Channel doubts—BBC News—2026-10-712.Karl Bushby Press,Interviews&Media Rights—Karl Bushby官方网站13.I'm the ex-wife of Karl Bushby-the'hero'who walked around the world.I might not have traversed the jungles of Colombia but I did raise a decent,happy and well-adjusted son...while his father was off on his adventure-Daily Mail—2026-11-7
最让人想逃的聊天方式,它排第一
虎嗅 · 1 天前
本文来自微信公众号: 简单心理 ,作者:简单心理有一种聊天特别消耗人——你说自己最近工作很累,对方马上说:「我之前比你还累,因为……」你聊起感情关系里的困惑,对方开始讲自己的恋爱经历。你分享一个有趣的发现,对方立刻接过话题,讲起知道的相关知识。最后,你发现自己只是一个引子,无论说什么对方都能把话题转回ta身上。交谈结束后,你通常感觉很疲惫,还有一种隐隐地不满,你说不出什么,只是下次这位朋友约你出去的时候,你会犹豫一番。社会学家Charles Derber曾经用一个概念描述这种日常互动中的现象:Conversational narcissism(对话自恋)——指人们在对话中倾向于将注意力和话题重新引向自己。这里的narcissism不是临床意义上的自恋型人格障碍,而是一种发生在日常交流中的、以自我为中心的互动模式。它的关键不在于一个人说了多少自己的事情,而在于:当另一个人开始表达时,另一方是否有意愿倾听?谈话是互相「抛球」,还是一个人的「独角戏」?01你到底在听我说话还是只想说自己?什么是真正的「对话自恋」?它并非只是简单地谈论自己。传播学研究者Anita L.Vangelisti等曾发表一篇题为《Conversational Narcissism》的研究论文,提炼出「对话自恋」的两个关键特征[2]:1)在谈话中极端地聚焦自我;2)以至于排除了对他人的适当关注。研究者还发现,对话自恋不只是语言内容的问题,也涉及注意力、身体动作和互动方式。被参与者识别出的典型行为包括[2]:▨吹嘘自己;▨把谈话话题重新引向自己;▨夸张的手势和身体动作;▨提高说话音量;▨别人说话时明显走神,眼神失去关注。除此之外,还可以看对方的回应方式。一般交谈中,人们的回应方式有两种:转移式回应(shift-response)和支持式回应(support-response)。举个例子:A对B说:「我最近工作特别累,每天都要加班,感觉快要撑不住了。」B回答:「我也是!我最近忙得更夸张,昨天晚上十一点才下班,真的快疯了。」注意力从小A的经历转移到了B的经历,小A的话变成了B讲述自己的入口,这就是「转移式回应」。如果B回答:「怎么了?最近工作量突然增加了吗?你已经这样持续多久了?」B没有急于讲自己的经历,而是帮助A继续表达,进一步了解ta的处境,这就是「支持式回应」。Derber认为,「对话自恋」的关键表现,就是一个人习惯性地使用「转移式回应」,却很少使用「支持式回应」[1]。但这种行为并不一定是刻意的,很多人甚至完全意识不到自己正在改变谈话的方向。那么,这样的交流方式会给关系带来什么影响?首先,当一个人只谈论自己时,对方是比较容易感受到的。表现出这些行为的人,会被评价为具有更低的社会吸引力[3]。「对话自恋」还与感受到的友谊质量较低有关[4]。也就是说,当一个人在朋友倾诉时总是把话题引回自己身上,对方会觉得自己没有得到期待中的支持。不过,研究者也提出了一个重要的补充:「对话自恋」并不完全是一个人的固定性格特征,它还取决于互动双方的需求和谈话目标[3]。这种行为,其实比人们想象地更常见。02为什么人们会忍不住讲自己?1.人天然更习惯以自己为参照系来理解他人心理学中有一个概念叫自我参照效应(Self-reference effect),简单来说,当我们接收到一条信息时,大脑很容易把它和自己的经历、知识与感受联系起来。比如,当朋友说「我最近工作很累」,立刻想起自己曾经加班到深夜的日子;当朋友说「我最近失恋了」,马上回忆起自己的分手经历。这种联想本身没有问题,也是理解别人、产生共鸣的重要途径。问题在于,有时候人们会把「我想起了自己的经历」误认为「我已经理解了对方」。但实际上,两者并不相同。2.格外渴望被看见Derber提出「对话自恋」理论有一个更大的社会学背景,在《The Pursuit of Attention》中,他进一步讨论了个人主义文化、社会支持不足与人们争取注意力之间的关系[1]。Derber认为,当人们缺乏足够的社会支持时,就更加渴望通过日常互动获得认可。注意力因此成为一种稀缺资源,每个人都希望自己的经历被看见,自己的观点被重视。当两个人都在争取注意力时,对话就可能变成一种隐性的竞争。你说自己的工作有多辛苦,我也要告诉你我多不容易;你讲自己的高光时刻,我也想让自己被肯定。没有谁对谁错,只有两个都渴望被看见的普通人。3.满脑子都是自己的烦恼,就很难再听见别人2010年,心理学家Rebecca A研究了青少年友谊的研究中的「对话自恋」现象。发现:具有较高内化症状(包括抑郁、焦虑等症状)的青少年,在讨论问题时更容易表现出这种自我聚焦行为[5]。研究者认为,当一个人长期陷在自己的负面情绪和问题中时,可能更难从自己的心理困境中抽离出来,关注朋友正在表达的内容。当然,这不意味着所有有抑郁或焦虑症状的人都缺乏倾听能力,更不能把对话中的自我聚焦简单归因于心理问题。它只是提醒我们:一个人总是讲自己的事情,有时并不是因为ta太喜欢自己,而是太难从自己的困境中走出来。4.把话题转向自己,也是想靠近你也有一些时候,人们转移话题,并不一定只为了谈论自己,可能真的是想表达亲近。朋友:「我最近刚开始学瑜伽。」你:「我也学过!刚开始的时候我总是找不到平衡。」——建立起共同经验,让两个人更快产生亲近感。朋友:「我最近失恋了。」你:「我懂,我去年分手的时候也特别难受。」——希望通过分享自己的经历告诉对方:你不是一个人,我理解这种痛苦。这是一种建立连接的方式,但却可能导致过早地把注意力从对方身上移开,引发对方的失落。那么,问题来了——为什么人们有时候想表达理解,却让对方觉得自己被忽视?分享自己的故事,究竟何时是共情,何时就变成一种以自我为中心的偏差呢?03如何让一场谈话成为两个人的事?研究者发现,同样是谈论自己,「对话自恋」中的「自我聚焦」与正常的「自我表露」(self-disclosure)是不同的概念[6]:正常的「自我表露」通常是相互的:你分享自己的经历,我也分享我的经历,两个人逐渐建立信任。而「自我聚焦」则是非对称的:一个人的经历不断占据对话,另一个人则挤到了边缘。因而,正常的「自我表露」与更好的友谊质量相关,而「自我聚焦」则与友谊问题相关。这意味着,同样一句「我也经历过」,可能产生完全不同的交流效果。但很多时候,这一切都是在无意识中发生的,你可能滔滔不绝地谈论了太多自己的事,除非有人提醒,自己并不能意识到。在谈话中如何既能分享自己,又避免一不小心太「自恋」?我们也为你准备了一些建议:1.在联想到自己的经历后,不必立刻回应朋友说:「我最近真的很焦虑。」你可能马上想到自己曾经焦虑的经历。但在讲述之前,不妨先停一下,问问对方:「是什么事情让你最近这么焦虑?」因为你们虽然都有过类似的情绪,但背后的原因、感受和需要可能完全不同。2.聊自己为了帮助对方,而不是成为谈话中心这两种动机不一定容易区分,但可以观察一个细节:当对方没有表现出兴趣,或者没有顺着你的故事继续追问时,你是否能够自然地把话题交还给ta?如果可以,那么自我分享就仍然是交流的一部分;如果你总是希望对方继续关注自己的故事,那么谈话可能已经偏离了原来的方向,不妨试着把话题拉回来。3.保留对另一个人的好奇心比如,你对朋友说:「我去年失恋的时候也特别难受,那段时间我花了很久才走出来。」然后,你又问了一句:「不过,你现在怎么样了?你们分手之后还有联系吗?」这时候,你的经历就可能成为建立联结的桥梁,让对方知道,你能够理解ta的感受,同时也没有忘记,这场谈话原本是关于ta的。当好奇心打开时,你的目光就不会始终落在自己身上。写在最后谈话是一段关系的缩影,两个人如何交谈,通常意味着ta们在关系中如何互动。从这个角度来说,好的谈话和一段高质量关系的本质也是一样的——是双向、流动、有弹性的。因而谈论自己并不是问题所在,只有当分享过度,谈话陷入僵化、单向度时,才失去了交谈的意义。朋友刚分手,你也失恋过,但你并不一定真的知道对方正经历着什么。对方此时最需要的,或许只是你能陪ta待一会儿。很多时候,倾听(即什么也不说),可能比表达更珍贵。这意味着我们暂时把自己的判断、感受和需求放在一边,真正进入了另一个人的世界。作者寒冰责编罗文封面《Girls》什么样的交谈方式让你感觉疲惫?欢迎在评论区聊聊~📄参考文献[1]Derber,Charles.(2000).The Pursuit of Attention:Power and Ego in Everyday Life.2nd edition.Oxford University Press.[2]Vangelisti,A.L.,Knapp,M.L.,&Daly,J.A.(1990).Conversational narcissism.Communication Monographs,57(4),251–274.DOI:10.1080/03637759009376202[3]Vangelisti,A.L.,Knapp,M.L.,&Daly,J.A.(1990).Conversational narcissism.Communication Monographs,57(4),251–274.DOI:10.1080/03637759009376202[4]Schwartz-Mette,R.A.,&Rose,A.J.(2010).Conversational Self-Focus in Adolescent Friendships:Observational Assessment of an Interpersonal Process and Relations with Internalizing Symptoms and Friendship Quality.Journal of Social and Clinical Psychology,28(10),1263–1297.DOI:10.1521/jscp.2009.28.10.1263[5]Schwartz-Mette,R.A.,&Rose,A.J.(2010).Conversational Self-Focus in Adolescent Friendships:Observational Assessment of an Interpersonal Process and Relations with Internalizing Symptoms and Friendship Quality.Journal of Social and Clinical Psychology,28(10),1263–1297.DOI:10.1521/jscp.2009.28.10.1263[6]Schwartz-Mette,R.A.,&Rose,A.J.(2010).Conversational Self-Focus in Adolescent Friendships:Observational Assessment of an Interpersonal Process and Relations with Internalizing Symptoms and Friendship Quality.Journal of Social and Clinical Psychology,28(10),1263–1297.DOI:10.1521/jscp.2009.28.10.1263
Launch HN: StarSling (YC P25) – Self-improving CI for agent-volume repos
Hacker News · 1 天前
We’re Yonas and Daniel and we’re building StarSling (https://starsling.dev), fast GitHub Actions runners with AI agents that ship PRs to continuously improve your tests and workflows.Every CI job gets its own ephemeral sandbox on the fastest Zen 5 machines and NVMe Disk with unlimited concurrency so a burst of agent PRs all run at once. We’re different from other runners because ours come with agents that cut down your CI bill over time. PRs are generated through our CI harness, which runs an agent loop that’s tuned to improve your CI speed and reduce cost.Mastra now merges over 1,800 PRs a month and we got their slowest workflow from 29m 56s on GitHub-hosted runners down to 5m 06s (5.87x) on StarSling. We realized the true value of having an agent loop running on top of fast runners when our agents found an 11-month-old performance bottleneck in better-auth. The fix made one of their test jobs 5.4x faster: https://github.com/better-auth/better-auth/pull/10762.I previously founded StackShare, which grew to over 1.5M developers. Daniel helped build Netflix's internal developer portal. Last year we started building AI agents for DevOps because shipping code to prod fell way behind agentic coding. We hit the CI bottleneck ourselves as we were building agents. Our own agents shipped so many PRs that at peak our job queues were backed up for hours and our CI bill got close to our inference bill.We now support per-second billing, and just shipped StarSling Disks - persistent disks that give you a 4.9x speedup in dependencies ready over actions/cache. You can see a quick demo of disks in action here : https://www.youtube.com/watch?v=2JrrpRm9Mww.Our CI harness runs a loop that has agents:
- Analyze your workflows, run logs, and machine telemetry
- Propose an optimization
- Test your unchanged workflow side by side the proposed change
- Deterministically judge that the difference is statistically significant
- Ship the winner to you as a PR with benchmarks evidenceWe benchmarked open source repos on our runners and average 10x speedup in wall clock time with 70% less runner time:
- https://github.com/starsling-demo-org/benchmark-gogs (12.8x)
- https://github.com/starsling-demo-org/benchmark-shellcheck (5.5x)
- https://github.com/starsling-demo-org/benchmark-chatwoot (3.9x)
- https://github.com/starsling-demo-org/benchmark-transfer.sh (11.7x)
- https://github.com/starsling-demo-org/benchmark-mirotalksfu (36.4x)Yes, you can do these optimizations yourself with prompts so we’ve released skills for this: https://github.com/starslingdev/skills. The benefit of using our agents is that you don’t need to spend tokens and CI compute finding optimizations yourself.We started building our runners on AWS at the beginning of the year and realized that was too expensive. But at that time there weren’t any cloud providers that could give us the same machines we were getting on AWS, billed per minute (microVMs). So we convinced a handful of sandbox providers to get Zen 5s and started benchmarking them publicly (https://github.com/starslingdev/hpc-sandbox-benchmarks).We’ve learned that fast infrastructure is table stakes for CI, but it’s not sufficient on its own. To get fast and cost effective CI you need a process that continues making improvements. We turned CI optimizations from OpenAI, Anthropic, Linear and others into playbooks for your agent: https://starsling.dev/ci-playbooks.To try it, give your agent this URL: https://docs.starsling.dev/start. You get 2,000 free minutes. Our agents start opening PRs once you've hit about 10,000 minutes.Today we announced our CI Challenge: if StarSling can't save you at least 10% on your next CI bill, we'll literally give you $1,000. Eligibility and rules here: https://starsling.dev/blog/ci-challenge.We’d love your feedback on the headless experience and what you’d like to see improved in your own CI setup!
Comments URL: https://news.ycombinator.com/item?id=50536468
Points: 31
# Comments: 15
“减肥针不算药啊”,这5种情况不说实话会要命
虎嗅 · 1 天前
本文来自微信公众号: 果壳 ,作者:代天医她在手术前做足了准备,24小时内只吃了白面包、苏打饼干、清汤和水煮蛋,12小时内完全没有吃饭喝水,家属可以作证。按道理讲,她的胃早就应该空了。然而,麻醉刚开始,大量黄色液体就从她嘴里涌出来。医生紧急抢救,但她从胃里反上来的液体,还是有一部分灌进了肺里。脱离危险后,她才在医生的追问下承认术前隐瞒了一件事:自己正在打“减肥针”。之前没说,是因为她觉得这只管减重美容,不算是“药”,不需要告诉医生。可能很多人都不知道,在使用这些胰高血糖素样肽-1(GLP-1)受体激动剂类药物时,至少有5类情况,遇到时一定要告诉医生你在用药。她没说,是因为没把“减肥针”当作药物文章开头的真实案例,在2025年发表于《围手术期医学》(Perioperative Medicine)。这位61岁的患者,为了减重在4个月前开始注射司美格鲁肽,最后一次注射是在术前6天。就因为她漏报了这个信息,原定的冠脉造影手术被取消了。医生紧急进行气管插管时,在气管导管内吸引出胃内容物。之后,她的血氧饱和度降低到84%~88%(大于95%为正常),CT检查也发现了肺部阴影。这些都提示,她把从胃里反流到嘴里的液体吸进了肺里(误吸)。对于误吸来说,她在3天后病情好转出院,没有留下后遗症,已经算是最幸运的结局了。误吸,有可能会危及生命丨gharibianlaw胃里的液体反流进肺里,可以很严重部分手术和检查要求禁食,就是为了尽量把胃排空,预防误吸。因为人在麻醉镇静中,会失去吞咽和咳嗽反射,容易把胃里的液体反上来并灌进肺里。这些混着胃液和唾液的液体酸性强、带有细菌,有可能引起呼吸衰竭和肺炎等等。常规的禁食时间,是按照普通人的胃排空速度定的。可是,近年GLP-1受体激动剂的使用,改变了这个时间。这类药物减重的核心机制之一,就是延迟胃排空。有研究显示,用药者胃排空一半的时间可延长45%。理论上,这有可能增加误吸的风险。2024年发表于《美国医学会杂志·外科学》(JAMA Surgery)的一项研究中,术前胃超声显示,使用GLP-1受体激动剂类药物的患者,胃内有残留的比例为56%,明显高于非用药者的19%。用药后实际发生误吸的案例,此前也已有多起报道。尽管,单个病例不足以证实因果关系,现有大规模研究也没有发现这类药物明显升高误吸风险。不过出于安全考虑,如果你正在使用GLP-1受体激动剂类药物,遇到相关情况时,建议主动告知医生正在用药。哪些情况,需要主动告诉医生我在用药?以下5种情况可能与GLP-1受体激动剂类药物有关,遇到时建议主动向医生说明:所有进手术室、“睡一觉”或“无痛”的检查或治疗在接受麻醉或者镇静之前,尽早告知医生所用药名、剂量、第一次和最后一次用药时间,以及用药期间是否出现过恶心、呕吐、腹泻和腹痛等消化道症状。医生会根据个人和检查治疗情况,决定是否需要停药、停多久,有可能调整术前禁食时间、术前检查和麻醉诱导方式等。胃肠镜检查及治疗同样几升泻药喝下去,使用GLP-1受体激动剂的人,胃肠道里更有可能残留内容物,导致医生看不清楚,需要改期重做。在预约检查及治疗时,就告知医生用药情况,医生有可能为你调整肠道准备方案。胃肠道“干净”,医生检查时看得清楚,是检查准确、治疗效果好的前提丨NCI Dictionary of Cancer Terms-upper gastrointestinal endoscopy出现可能是药物不良反应的症状时使用GLP-1受体激动剂时,恶心、腹痛、腹胀或呕吐等胃肠道症状很常见,特别是在增加剂量的阶段。如果你也出现了类似的不舒服,建议在就诊时说明用药情况,帮助医生确定合适的加量速度和处理方式。如果出现以下症状,可能发生了严重不良反应,建议尽快就医:持续剧烈呕吐、无法进食饮水;剧烈腹痛不缓解;严重腹胀、停止排气排便;呕吐或腹泻后头晕、尿少;视力下降或视野缺损。GLP-1受体激动剂不良反应丨参考文献[6]其他医生为你开药时胃排空速度影响部分口服药的吸收速度和效果。有些药物只有维持在特定浓度才安全有效,与GLP-1受体激动剂合用时需要密切监测,如华法林。口服激素避孕药的效果也可能受到影响。建议在新增任何药物时,都告知医生正在长期使用的其他药物。备孕、怀孕和哺乳目前,妊娠和哺乳女性使用GLP-1受体激动剂的数据有限,不足以确定药物是否会增加胎儿出生缺陷、流产等不良结局的风险,也不足以确定药物对母乳喂养的婴儿是否绝对安全。部分药物说明书提示,计划妊娠前至少停用2个月。另外还需要关注“意外怀孕”。部分女性因严重肥胖、多囊卵巢综合征等多年不能自然受孕,但用药后排卵功能恢复。因此,用药期间建议采取可靠的避孕措施。建议在计划妊娠、发现意外妊娠或哺乳前咨询医生。以上的提醒,只是为了提供多一层防护,不代表这些情况一定会造成危险。绝不建议大家擅自停药、改变治疗方案,更不要因此逃避需要麻醉镇静的检查或手术。把所有正在用的药物都告诉医生,医生自然会给它们预留出合适的位置。参考文献[1]Barbosa Santos L,et al.Perioperative bronchoaspiration in a semaglutide user on aresidue-free diet:a case report and insights from a complication.PerioperativeMedicine.2025;14:115.[2]Sen S,et al.Glucagon-like peptide-1 receptor agonist use and residual gastriccontent before anesthesia.JAMA Surgery.2024;159(6):660–667.[3]Hiramoto B,McCarty TR,Lodhia NA,Jenkins A,Elnaiem A,Muftah M,Flanagan R,Chan WW.Quantified Metrics of Gastric Emptying Delay by Glucagon-Like Peptide-1 Agonists:A Systematic Review and Meta-Analysis With Insights for Periprocedural Management.Am J Gastroenterol.2024 Jun 1;119(6):1126-1140.[4]Gala K,Tome J,Krall M,Tian D,League JB,Vargas EJ,Pardi DS,Johnson AM,Coelho-Prabhu N.Quality of bowel preparation for colonoscopy in patients on glucagon-like peptide-1 receptor agonists.Gastrointest Endosc.2025 May;101(5):1068-1072.e1.[5]Wharton S,Calanna S,Davies M,Dicker D,Goldman B,Lingvay I,Mosenzon O,Rubino DM,Thomsen M,Wadden TA,Pedersen SD.Gastrointestinal tolerability of once-weekly semaglutide 2.4 mg in adults with overweight or obesity,and the relationship between gastrointestinal adverse events and weight loss.Diabetes Obes Metab.2022 Jan;24(1):94-105.[6]Kim JA,Yoo HJ.Exploring the Side Effects of GLP-1 Receptor Agonist:To Ensure Its Optimal Positioning.Diabetes Metab J.2025 Jul;49(4):525-541.
Show HN: TrnRT – An open-source LLM inference engine for AWS Trainium
Hacker News · 1 天前
Hi HN, Sanchit here from RunAnywhere (YC W26). We just open-sourced TrnRT: Trainium RunTime, our inference engine for AWS Trainium. We started 3 weeks back, and currently we’re able to serve and run GLM 5.3 flash (FP8) on AWS trn2.48xlarge, and will bring more models support soon. It’s open to contributions :)What it does today:- Serves 2 instances of GLM-5.3 flash on a single box, 8 trn2 with a cache aware router.- Can process 3.57M TPM (tokens per minute) on SemiAnalysis's AgentX benchmarks.- Runs decode as one NKI kernel per layer half, or for the 11 sparse-attention layers fuses both blocks into a single kernel, for faster performance.We started working on Trn2 because we wanted to explore it and see if we can come close to beating it’s performance in terms of cost efficiency compared to H100/H200. A big MoE with 1M context window such as GLM-5.3 flash requires a lot of memory, and memory/tb on a trn2.48xlarge costs less than half compared to 8x h200 on AWS, and hence we wanted to experiment with it and now we’re sharing some early results.But AWS's own stack didn't support the model: vLLM Neuron's latest release did not register any GLM model, and NxDI, AWS's own distributed inference framework, is no longer under active development. We also saw the drop of SGLang Neuron implementation yesterday, but there is no good support for Trn2, which is the only chip available for public use right now.We ran semiAnalysis's AgentX benchmarks, which replays real coding agent sessions:- 1 box served 28.9 RPM(requests per minute) with 32 agents at batch 12 (also known as concurrency)-The P50 TTFT with a cached prompt at 16 agents is ~1.24 seconds with a decode of 35.9 tps.Initially, the recurrence in one kda (linear attention) layer was ~2% of the layer's attention time at batch 1, and the rest was projections, transposes and XLA glue between small kernels.So we wrote the megakernel so that it covers the whole layer in 2 kernel dispatch, which made decode 25% faster at batch 8.The sparse attention kernel keep a layer’s working weights in SBUF, distributing weighted streaming across the cores and handling the interchip communication withinThere’s an approximation in the sparse-attention prefill, affecting about 1.2% of block selections.You can refer to the write-up for the profiling results:https://runanywhere.ai/blog/glm-5-3-flash-trainium2-nki-mega...Please give it a try yourself on a trn2.48xlarge and reproduce the AgentX results by following the steps in docs/RESULTS.md. Happy to collaborate and hear any feedback.Deploying high performant dedicated inference at lab like performance and half the price for open models such as the GLM-5.3 family, Kimi K3, Deepseek flash etc. is how we make money. You can talk to us regarding the same at founders@runanywhere.ai.We hope you find this useful. If you are working with Trainium or have experience with NKI kernels, we'd love to get your honest feedback. Feel free to share the models you want support for next, and we welcome any contributions to the repository.
Comments URL: https://news.ycombinator.com/item?id=50533270
Points: 34
# Comments: 5
中国赴美留学少了一半,全球首次大降温,最新门户开放报告数据惊人
虎嗅 · 1 天前
本文来自微信公众号: 谷雨星球 ,作者:小谷,原文标题:《中国赴美留学少了一半,全球首次大降温!最新门户开放报告数据惊人》大家好,我是小谷,专注于国际教育的数据研究。就在昨晚,我们每年准点蹲守的「美国门户开放报告Open Doors」发布了。这份由美国教育协会发布超过20年之久的报告,是一探赴美留学生人数变化、趋势的最权威统计之一。我们连续多年追踪这份报告,见证了留美潮的热浪和退潮——从2010年后的十年人数翻了3倍,从12万到高峰期接近38万人。直到2020年,历史出现了拐点,开始暴跌。这之后一路下跌,去年首次被印度取代第一大生源国的位置。今年中国留学生数量仍持续减少,本科在读人数74,594人,跌回到2012年(74516人)的规模,跟最高值比起来降了一半。说实话,赴美留学降温已经不再是新鲜事,但今年报告披露了一件事情:自不可抗力因外,全球赴美留学总人数第一次主动掉头向下,首次出现降温。不过,虽然都在降温,我们的情况又有些不一样。#谷雨数据调查局第一时间找来报告的完整版,并结合十年数据进行独家分析,有意料之中,也有意想之外。■国内的情况,这份2026年发布的报告,主要统计2025/26学年。美国梦的吸引力下降美国每年吸引全球最大规模的国际学生体量流入,是全球第一大留学目的地。今年也不例外。最新数据显示,2025/26学年,美国共吸引了1,146,163名国际学生,已经逐步恢复到曾经的高峰值。但有一个数据更值得注意:今年比上一学年少31,603人,下降2.7%。Open Doors统计的包括在美留学和拿OPT(毕业一年内)的学生,今年这批人增加了4.15万,达到33.58万,占总数近三成。如果去掉这批人,只看在大学读书的的国际学生,就会发现从88.35万降到81.04万,减少7.31万。也就是说,全球在美留学的国际学生总数降幅高达8.3%。再看学段。其中研究生下降13%,降幅最大,本科生略微下降0.3%,无学历降幅最大,高达18%,只有OPT增长14%。这个趋势,从新生变化里也能看得更明显。在美国大学就读的国际学生人数为228,123人,同比减少17.7%,一年少了近4.9万人。除2020/21学年外,这是近十个学年中的最低值。其中硕士人数下降22.4%,一年少6.85万人,占比最多;博士人数增长3.1%,增加4,734人。新入学的研究生也减少25.6%。这或许说明了一件事:美国依然是全球留学的头号目的地,但它的绝对吸引力正在松动。当签证收紧、留美就业门槛飙升,甚至连过去几十年把「美国梦」种进无数人心里的造梦机器——好莱坞——也日渐式微之际,不只是我们,全世界正在对美国祛魅。这或许跟经济有关系。今年其披露了一些很特别的数据,是谁在替学生付学费?本科生阶段,81.9%主要来自个人和家庭自付,13.3%依赖美国高校资助。研究生阶段,依赖个人和家庭的比例为54%,依赖美国高校资助的比例为41%,其中包括助教、助研等支持。随着美元汇率上涨,这笔钱越来越贵,自然打退堂鼓的家庭也越来越多了。赴美留学中国本科生继续跌全球赴美都在降温,但我们的情况又有些不同。可以用一道简单的数学题来说明:今年全球赴美留学本科生共有35.62万人,下降0.3%,若不算我们的话,其余生源地的本科生反而增加2,923人,增长约1%。换句话说,全球降温最主要在研究生,但我们降得最猛的反倒是本科生。2025/26学年,中国在美留学生总数254,458人,同比下降4.3%,这也是连续第六年下降,若跟2019/20学年最高峰的37.25万人相比,少了近11.81万人,累计减少31.7%。从趋势来看,其中本科生和研究生各下降5.1%,非学历下降最多,为16.6%。如果把时间拉长到十年来看——本科生连续七年下降,从接近15万人到不足7.5万人,比峰值减少49.9%,近乎腰斩。研究生下降了16.8%。换句话说,过去六个学年,中国留美总人数减少的部分,有六成多来自本科。但这种降幅速度慢了下来,今年中国留学本科生同比下降5.1%,比前两年的12.8%、10.2%相对缓和许多。只是,至于是否已经见底,仅凭这一年还无法确定,还需要再看几年。人数减少,热门专业也在变化。这些年来,全球最热门的专业一定是读数学与计算机,就读该大类的学生占全部国际学生的四分之一。但人数在减少,其中计算机与信息科学减少7%,数学与统计减少2.1%,最大类别降到了286,168人,同比减少6.3%,一年少了19,209人。另一大热门专业商科与管理人数约16万,基本持平,增长最快的是健康相关专业增长3.8%。另外,物理与生命科学增长2.8%,艺术减少8.5%,人文学科最惨,减少12.9%。中国学生的专业变化,却有些不同。留学黄金期的2012/13学年,商科占中国留学生的29%,数学与计算机占11.2%;今年,两者分别为10.7%和23.3%,调转了位置。但最近一年,数学与计算机占比也从23.6%小幅降到23.3%。工程占比从17.8%升到18%,,物理与生命科学10.8%,人文1.3%,变化都很小。增长最大的是社会科学(10.4%)和和艺术(6%),专业更加分散了。赴美留学的结构在改变那么,在全面降温的同时,到底谁降得最多?谁又在增加呢?先来看看目前赴美留学人数第一位的印度,今年也在减少,主要也是研究生阶段。数据显示,印度在美学生总数33.94万人,下降6.5%,其中研究生人数从17.79万降到11.66万,一年少了6.13万人,下降34.4%;本科人数只下降1.1%,OPT人数则增长26.8%。如果只算在大学的人数,中国为19.29万人,印度为15.72万人,我们仍然更多。排在第三的是韩国,目前共有4万余人赴美留学,也有4.3%的降幅。每年我们去美国大学访校,也会发现路上许多韩国人。此外,我们又做了一次加减:中国和印度合计减少35,045人,已经超过美国国际学生总数的净减少量。其余生源地合在一起,其实增加了3,442人。前25大生源地中,有16个下降,但也有9个创下人数新高。如排在第四的加拿大,涨了4.1%,排在第五的如尼泊尔暴涨16.7%,第六位的越南涨了6.5%,第八名的孟加拉国暴涨11.8%,第九名的巴西涨了3.8%,还有巴基斯坦也涨了8.9%。降幅最多的是沙特阿拉伯,降了11%,其次是日本,下降9.8%,印度尼西亚,下降7.5%,西班牙下降5.5%,德国下降4.4%。全球第二大留学国英国,今年赴美留学人数涨了1.3%。报告还披露双边数据中的另一头:2024-25年度去留学的美国学生人数。数据显示,一共有313,824名美国学生在海外留学,比去年增长5%。意大利,西班牙和英国,法国等前四大目的地,学生人数占了超过40%,日本成为第五大留学地,增幅达到16.2%,人数也超过了1万人,另一个超过1万人的是爱尔兰。此外,2700个美国人在中国留学,比2023-24年增长54.4%,是增幅最大的地区。最热门大学和州今年国际学生最多的前五所,依次是纽约大学、亚利桑那州立大学、东北大学、哥伦比亚大学和南加州大学。纽约大学仍以26,595人排第一,但同比减少3.4%;东北大学减少7.3%,波士顿大学减少8.8%。亚利桑那州立大学则增长2.7%,升到第二。加州大学圣地亚哥分校增长4.7%,芝加哥大学增长10%。州的变化同样如此。纽约州超过加州成为国际学生最多的州,但纽约州自身也下降3%;加州下降5.8%。德州和伊利诺伊州则分别增长1.9%和1.1%。对我们来说,加州、纽约州、马萨诸塞州、伊利诺伊州和宾夕法尼亚州仍是接收人数最多的五个州。还有一个需要继续追踪的信号。与年度报告同时公布的2026年秋季快照中,809所受访高校表示降温仍在继续:国际学生总数下降9%,新生下降15%,本科下降3%,研究生下降15%,OPT也下降6%。有人做过这样一个比喻,我们每个人都是站在时代的曲线上,曲线的波动弧度和路径,决定了我们生命周期的上限和下限,而选择或许比努力更重要。没人能预知未来,但数据能替我们试试时代的水温,感知趋势,做出选择。那么,你的答案呢?🔽欢迎做个投票🔽
What could Putin, Xi, and Trump discuss at their meeting in China?
RT · 2 天前
Putin, Xi, and Trump will meet in China, with nuclear arms, Ukraine, and Iran on the agenda, as well as concerns over AI and trade Read Full Article at RT.com
Qwik 2.0 RC: Replaces HTML Comment Markers for Faster Reactivity and Out-of-Order Streaming
InfoQ · 2 天前
Qwik 2.0 Release Candidate, published on 1 October 2026, replaces v1's HTML comment markers with two script blocks that hold state and virtual node data. It adds experimental out-of-order streaming, async useComputed$, and cacheable route loaders. Qwik's benchmarks show v2 at 1.23x vanilla JavaScript, versus 2.59x for v1. A migration command is provided. By Daniel Curtis
美国成“卖血帝国”?说法存疑
虎嗅 · 2 天前
本文来自微信公众号: 核真录 ,制图:颜百川黄珈烜,编辑:黄珈烜曾慧娴,作者:核真录,原文标题:《美国成“卖血帝国”?说法存疑!》围绕全球血浆供应的话题,“美国以占全球4%的人口贡献了全球70%的血浆”的说法在中文互联网上持续流传,有短视频作品据此进一步对美国血浆产业的规模、献血浆者群体及血浆采集的规模、频次与健康后果提出一系列说法。图1:短视频作品对美国血浆产业相关说法的视频截图在对该报道与相关说法进行梳理后,我们决定对以下四点进行核查:70%”的数据是否可靠?美国献血浆者主要是哪些群体?美国商业采浆的频率与资格筛查有何规定?国际规范和医学研究又是如何界定商业采浆的健康边界的?核查点一:“70%”的数据来源是谁?具体又是怎么表述的?对于“美国贡献全球70%的血浆”这一说法,核真录首先关注到大部分国内媒体提及到的高频词“据CNN(美国有线电视新闻网)报道”,由此检索到其在2026年8月23日刊发的《美国提供了世界上大部分的血浆,没有哪个国家比中国更依赖它》,文中提到:“美国供应全球约70%的血浆,且是为数不多向献浆者付费的国家。”[1]也就是说,国内媒体给出的出处主要是是媒体的报道而非严谨的数据报告。那美国有线电视新闻网文章中所提及的“70%”这个数字本身是否站得住脚,其数据又是来源何方?核真录进一步溯源到行业组织和权威报告。我们首先调查了血浆蛋白治疗协会(Plasma Protein Therapeutics Association,PPTA)在发布的2012年的血浆采集量数据。PPTA是血浆采集机构及血浆衍生药物生产企业的行业协会,协会的成员包括分布在北美和欧洲的1100多家血浆采集中心,以及相关血浆蛋白疗法产品制造企业,在全球血浆产业中具有较强的行业代表性。该材料显示,全球原料血浆总量为17,328,其中美国为12,100,按此计算,美国占比约为69.8%,与“70%”基本吻合[2]。此外,经济合作与发展组织(Organisation for Economic Co-operation and Development,OECD)2024年报告写到疫情前全球67%的原料血浆来自美国。[3]根据以上两个信源,核真录可以判断70%这一数据是可靠的。不过,基于国内外语境不同,这里需要厘清一个关键点,这里“70%”限定在美国商业体系下的“原料血浆”而非“全部血液”。中文语境下常说的“献血”指的是全血捐献且为无偿,而原料血浆是血浆采集行业使用的专门术语,指通过血浆采集获得,专门用于进一步生产血浆衍生药物的血浆。在采集过程中,设备会从献血浆者体内采集血液,将血浆与其他血液成分分离,留下血浆,并把红细胞等其他血液成分回输给献浆者。[4]正因如此,在理解“70%”和后文内容时,应把”全血“和”原料血浆“进行区分,两者在是否有偿、对于采集方式和采集频率的法律规定上都有差别,核真录整理如下:图2:原料血浆与全血各维度对比首先,“是否有偿”影响了我们对于捐献者动机的判断。“全血捐献”通常无偿,“原料血浆”在美国允许有偿,正因为有偿,才会出现“底层民众卖血”的伦理争议。其次,法律对两种献血类型有截然不同的频率规定。根据美国联邦行政法规,单次全血捐献的最短间隔为56天(8周)[5],频率远低于最短间隔为2天的“原料血浆”献血。由于公众通常接触到的无偿献血主要是全血捐献,容易将献浆也理解为献全血,在比较时,需要注意比较的对象是其中哪一种。核查点二:谁在献浆?“八成采浆站在贫困社区”靠不靠谱?视频里说到:“走进采浆站的多半是低收入者、失业工人、单亲妈妈、欠着学费的学生和墨西哥劳工。美国超过八成的采浆站都开在贫困率高于全国平均的社区、衰败的铁锈带小镇、大学城周边和美墨边境。”针对这个表述,我们对捐献者画像和采浆站分布情况进行进一步核查。金融学顶刊The Review of Financial Studies2024年发表论文《血浆换现:出售血浆以规避高息贷款》(后文简称《血浆换现》)。论文基于2018-2021年全国性调查样本发现,血浆捐献者在人口统计上表现出若干显著特征:他们偏年轻(35岁及以下)、更多自认男性、更可能是黑人、普遍缺乏大学学历,且常处于就业不足状态。在经济层面,这些捐献者财务更为紧张,急需现金,更可能年收入低于20,000美元、储蓄很少、信用评分较差,因而常依赖非银行放贷机构提供的高成本短期贷款。论文发现,同时满足上述全部人口统计条件的受访者成为血浆捐献者的概率约为平均受访者的2.5倍。就动机而言,捐献者最主要的动因是支付日常必需品和紧急开支(占64%),其次为非必需消费(19%),仅约6%用于偿还债务[6]。但是,视频点名的单亲妈妈、欠费学生、墨西哥劳工这类具体群体,我们并没有查到可靠的统计。上述研究明确指出有子女者、在校学生更可能成为捐献者,但是并未将其细分为更具体的人群,“有子女”仅区分是否至少育有一个孩子,“学生”指在读学生身份,未涉及学生贷款违约情形,无法得到确切结论。核查完“谁在献浆”,我们对采浆站的分布进行了核查。关于“超过八成采浆站在贫困社区”的表述,我们找到了ABC News于2017年1月发布的一篇报道,报道写道:“美国近80%的血浆采集中心位于较贫困的社区”[7],但上下文没有交代这一比例的统计方法,这一数据仅作为报道背景出现;而对于“大学城周边”等地点均没有找到具体统计数据。围绕采浆站分布,我们进一步查找资料。密歇根大学2021年论文[8]把采浆站地址和美国社区调查匹配,并按官方贫困线分档。“深度贫困率”指收入不到贫困线50%的人口比例。“近贫困线人口比例”指收入在贫困线100%-199%的人口比例。论文发现,采浆站更可能落在贫困率、深度贫困率和近贫困线人口比例较高的城市社区。设有采浆站的地区,人口贫困率比未设地区高出51%。图3:有无血浆采集中心的普查区社会经济特征(节选)来源:密歇根大学2021年论文图4:血浆中心分布位置以及生活在100%贫困线以下的人口占比来源:密歇根大学2021年论文更早的研究也印证了类似的贫困集中趋势。2003年发表于美国公共卫生旗舰期刊American Journal of Public Health的论文《美国商业血浆捐献中心的地理分布(1980—1995年)》[9]显示,美国受FDA监管的商业采浆站中,位于极端贫困地区的采浆站数量从1980年的77家增至1995年的136家,占所有诊所比例从22.5%增长至37.1%。同期,极端贫困地区占全部人口普查区的比例,由1980年的4.36%上升至1990年的5.6%。采浆站在极端贫困地区的分布比例,远高于这类地区在全部人口普查区中的占比,呈现出空间集中的现象。与此同时,前述《血浆换现》论文也发现采浆站虽遍布全国,但更偏好少数族裔比例较高、住房自有率较低的人口普查区[6]。因此,我们可以确定美国有偿献浆者整体偏年轻、偏低收入、偏经济驱动,采浆站分布也确实和贫困社区有关。单亲妈妈、欠费学生、墨西哥劳动”等具体说法缺乏可靠统计。但是,以上研究均只能体现采浆站分布与贫困存在相关性,没有得到“超过八成”的具体数据。核查点三:美国允许的采血频率是多少?美国是否要求采集机构对捐献者做资格筛查?视频中有提到“(美国采血)两次之间只隔24小时”。美国真的允许在这样的时间间隔下进行连续的献血吗?核真录通过查询资料,得出以下结果。《美国联邦法规》(Code of Federal Regulations,CFR)第21编(Title 21—Food and Drugs)规定,原料血浆两次采集间隔不少于两天、七天内不超过两次,即每年最多约104次[10]。该法规对美国境内所有持有生物制品执照的原料血浆采集机构具备法律强制约束力。因此,视频中提到的“两次之间只隔24小时”错误,联邦规定为不少于两天(≥48小时)。此外,CFR给出的是全美最低监管底线;美国各州可以出台州法律,设置比联邦更严格的捐献限制(拉长间隔、降低最大采集频次),需要遵循州立法,不得放宽CFR规定的48小时最低采集间隔的原则。CFR指出,手动单采血浆程序中、或任意2天周期内,从一名捐献者采集的全血量(不含抗凝剂)不得超过1000毫升;若捐献者体重≥175磅(约79.38千克),则该上限为1200毫升。[11]除了采血频率和采血毫升数的硬性规定之外,美国食品药品监督管理局(FDA)和CFR还规定,需要对献血者逐次筛查;献血者每次采集前均须体检(体温、血压、脉搏、血红蛋白、体重不低于110磅等)[12]。FDA拥有现场稽查权,机构违反本条款,会收到官方警告信、行政处罚,甚至被吊销生物制品经营执照[13]。视频中对此并未提及,有可能让观众误以为不存在资格筛查或者形同虚设,存在误导观众的风险。核查点四:美国标准相比较于联合国、世卫组织等官方机构的标准是否有差异?是否符合人体健康规律?除上述提及到的非商业血浆采集,核真录也注意到,美国存在商业血浆买卖[14]。在2026年3月20日,《纽约时报》刊发调查——《靠卖血浆维持生计的郊区中产阶级》[15],使“美国人卖血浆”这一现象进入公众视野。在由该话题衍生出的国内网络讨论中,核真录留意到,讨论区里出现了美国商业采浆毫无约束的高频抽血、把低收入者当血库等说法。其中也存在网友质疑:商业采浆是否有健康边界?核真录围绕联合国、世卫组织等官方机构的相关文件与医学研究,考察商业采浆的规范要求与健康风险。首先看联合国与世卫组织体系。核真录逐篇核查了联合国条约库与世界卫生组织的相关文件后发现,这些内容主要体现为国际政策倡议和指导原则,没有设定统一的采浆频次上限。其中,2015年世界卫生大会执委会第136届会议文件EB136/32,是迄今为止唯一正面承认有偿采浆的文件。该文件强调,捐献应当基于自愿、知情的决定,并避免胁迫或不当诱导,但也并未对献浆频次设定具体上限。[16]总体而言,现有国际文件为血浆采集提供了捐献伦理方面的原则性指引,却没有明确商业采浆的安全频次。其次来对比各国的量化标准,差异十分显著。对于原料血浆的捐献,欧洲药品质量管理局建议常规采浆间隔至少为两周,即每年大约24次(在符合额外监测要求的情况下,可以采用更短的间隔);美国食品药品监督管理局允许的上限高达每年104次;而中国规定两次采浆间隔不得少于14天,一年内累计不得超过24次。由此可见,美国法规允许的理论年度采浆频次上限约为中国年度规定上限的4.3倍。[10][17][18]图5:不同国家和地区原料血浆采集频率上限就单次采集血浆量方面看,美国与欧洲的规定处在同一水平,美国食品药品监督管理局依据献浆者的体重进行划分,单次采集血浆量最高达880毫升(含抗凝剂)[19];欧洲药品质量管理局按体重与总血容量比例设计档位,其上限量与美国接近(德国约为850毫升,含抗凝剂)[17]。再从医学研究结果上看,美国的上限超过核真录检索到的医学研究建议数据。我们检索了有关原料血浆采集频率与献浆者健康的医学研究。发现在2025年,挪威奥斯陆大学及其附属机构开展的非劣效随机对照实验中,与较低频率采浆相比,高频采浆会使献浆者的总血清蛋白、免疫球蛋白G(IgG)、铁蛋白和血红蛋白等指标出现不同程度的下降,部分指标在停止采浆4周后仍未恢复至采浆前的正常水平,而研究中将“高频”定义为每两周3次(即约每年78次),然而美国允许的104次年上限显然高于这个数值[20]。IgG是人体重要的免疫防御抗体,持续明显下降可能影响免疫防御;铁蛋白下降则可能是体内铁储备减少。另一项为期3年的研究发现,在每年最多采浆60次的研究方案下,部分献浆者因IgG、总血清蛋白或血红蛋白低于规定阈值而退出研究[21]。总体而言,现有研究提示,高频采浆可能影响献浆者的蛋白质及部分血液生化指标,但指标下降是否会进一步造成感染风险增加、贫血或其他长期临床健康损害,仍需更多研究证实。核真录认为,“美国商业采浆毫无约束”的说法并不准确。美国商业采浆受到健康筛查和频次上限等规定约束,但其允许的采浆频次上限高于其他国家或地区常规标准。此外,每年104次的法定上限能否充分保障长期健康,尚缺乏充分的医学证据。现有研究显示高频采浆可能影响部分血液指标,但其长期健康风险及严重程度仍有待进一步研究。总结核真录经过调查,对以上四点说法及话题背景得出以下整体结论:一、“70%”这一数据可信,但它指的是用于生产血浆衍生药物的原料血浆,而非日常所说的全血献血。二者在是否有偿和法律规定上截然不同,不能混为一谈。且不应拿全血献血的低频标准来评判商业采浆,否则既会误判捐献者动机,也会错误比较不同国家的采集频率,无法准确判断情况。二、美国献浆者整体偏年轻,收入偏低,献浆动机偏向于经济原因,采浆站分布也和贫困社区存在相关性;但视频点名的“超过八成”“单亲妈妈、欠费学生、墨西哥劳动”等具体说法缺乏可靠统计。三、视频中两次只隔24小时的说法有误,美国法规要求采浆间隔不少于两天,且对于采血量、献浆者资质有明确要求。四、在官方与医学层面,商业采浆的健康边界并没有统一的量化标准。美国的采集频率上限远高于欧洲、中国的频次,医学上对其安全性仍存疑。但美国采浆本身受受CFR和FDA对采浆频率频率、献浆者健康状况等方面的管理,不应简单描绘为无限制、无约束的抽血表述。参考资料[1]CNN.US supplies most of the world’s plasma.No country depends on it more than China(《美国提供了世界上大部分的血浆,没有哪个国家比中国更依赖它》).https://www.cnn.com/2026/08/23/china/china-us-human-albumin-plasma-intl-hnk[2]血浆蛋白治疗协会(Plasma Protein Therapeutics Association,PPTA)。2012年血浆采集量数据https://pdfs.semanticscholar.org/presentation/6d7a/c98f786272d1035cdf3ffe05c1e15adabca5.pdf[3]OECD(经济合作与发展组织).Securing Medical Supply Chains in a Post-Pandemic World(《后疫情时代保障医疗供应链安全》).OECD Health Policy Studies,OECD Publishing,Paris,https://doi.org/10.1787/119c59d9-en[4]U.S.Food and Drug Administration(FDA).Code of Federal Regulations,Title 21,Part 640,Subpart G—Source Plasma,§§640.60,640.65[S/OL].https://www.ecfr.gov/current/title-21/section-640.60;https://www.ecfr.gov/current/title-21/section-640.65[5]美国联邦法规第21编第630.15节(a)(1)(i)款(21 CFR§630.15(a)(1)(i))[S/OL].https://www.ecfr.gov/current/title-21/section-630.15[6]Dooley,John M.,and Emily A.Gallagher.“Blood Money:Selling Plasma to Avoid High-Interest Loans.”The Review of Financial Studies,2024,37(9):2779–2816.https://doi.org/10.1093/rfs/hhae018[7]Valiente,Alexa,Mark Abdelmalek,and Lauren Pearle.“Why Thousands of Low-Income Americans‘Donate’Their Blood Plasma to For-Profit Centers.”ABC News,January 13,2017.https://abcnews.com/news/story/thousands-low-income-americans-donate-blood-plasma-profit-44710257[8]Ochoa,Analidis,H.Luke Shaefer,and Andrew Grogan-Kaylor.“The Interlinkage between Blood Plasma Donation and Poverty in the United States.”The Journal of Sociology&Social Welfare,2021,48(2):56–71.https://doi.org/10.15453/0191-5096.4432[9]James,Robert C.,and Cameron A.Mustard.“Geographic Location of Commercial Plasma Donation Clinics in the United States,1980–1995.”American Journal of Public Health,2004,94(7):1224–1229.https://pmc.ncbi.nlm.nih.gov/articles/PMC1448425/[10]美国联邦法规第21编第640.65节(b)(8)款(21 CFR§640.65(b)(8))[S/OL].https://www.ecfr.gov/current/title-21/section-640.65[11]美国食品药品监督管理局(FDA).美国联邦法规第21编第640.65节(b)(4)–(6)款(21 CFR§640.65(b)(4)–(6))[S/OL].https://www.ecfr.gov/current/title-21/section-640.65[12]美国食品药品监督管理局(FDA).美国联邦法规第21编第630.10节(c)–(f)款(21 CFR§630.10(c)–(f))[S/OL].https://www.ecfr.gov/current/title-21/section-630.10[13]美国食品药品监督管理局(FDA).美国联邦法规第21编第601.5节、第601.6节(21 CFR§§601.5–601.6)[S/OL].https://www.ecfr.gov/current/title-21/part-601[14]World Health Organization.Towards 100%Voluntary Blood Donation:A Global Framework for Action.Geneva:WHO,2009.https://iris.who.int/bitstream/handle/10665/44359/9789241599696_eng.pdf[15]The New York Times.Kurtis Lee,Robert Gebeloff."The Middle-Class Suburbanites Who Sell TheirBlood Plasma to Get By." March 20,2026.https://www.nytimes.com/2026/03/20/business/middle-class-sell-their-plasma.html[16]World Health Organization.Executive Board,136th session(26 January–3 February 2015).EB136/32:Medical products of human origin.https://apps.who.int/gb/ebwha/pdf_files/EB136/B136_32-en.pdf[17]European Directorate for the Quality of Medicines&HealthCare(EDQM),Council of Europe.Guide to the preparation,use and quality assurance of blood components(Blood Guide),22nd ed.,2025.https://www.edqm.eu/en/blood[18]中华人民共和国国家卫生健康委员会,《单采血浆站管理办法》[19]U.S.Food and Drug Administration:Volume Limits for Automated Collection of Source Plasma—Memorandum,November 4,1992.https://www.fda.gov/media/70951/download[20]Haugen M,Magnussen K,Strand T,Nissen-Meyer LS.The effect of plasma donation frequency on total serum protein,immunoglobulin G and donor safety:A non-inferiority randomized controlled trial.Vox Sanguinis.2025;120(5).doi:10.1111/vox.70105.[21]Schulzki T,et al.(SIPLA study group).A prospective multicentre study on the safety of long-term intensive plasmapheresis in donors(SIPLA).Vox Sanguinis.2006;91(2):162-73.PMID:16907878.十年求真,感恩相伴!核真录正在进行十周年读者调查,诚挚邀请您扫描图中二维码或点击文末“阅读原文”参与~
万亿AI帝国如何炼成?拆解Anthropic的收入、算力与资本游戏
虎嗅 · 2 天前
本文来自微信公众号: 底线思维 ,作者:世界科先声编者按:美国AI巨头Anthropic IPO上市在即,一份厚达数百页的S-1上市注册文件,也让这家前沿AI公司的商业版图与经营底牌首次大规模呈现在公众面前。科技媒体《The Verge》总编辑尼莱·帕特尔(Nilay Patel)在播客节目《Decoder》中,邀请芯片与人工智能研究机构SemiAnalysis分析师乔伊·布鲁克哈特(Joey Brookhart),对这份文件展开深度拆解。从令人咋舌的收入增长、持续攀升的推理毛利率,到动辄数千亿美元的算力采购承诺,再到AGI竞赛背后的资本博弈与商业风险,这场对话层层剥开了前沿AI产业繁荣表象下的经济账。观察者网“世界科先声”摘选编译对话内容,以飨读者,亦供批判性思考。·对AnthropicS-1文件的整体评价主持人尼莱·帕特尔:我非常期待今天的谈话。我们现在距离Anthropic提交那份重要的S-1文件刚过不久。这是我们第一次得以深入了解一家领先的前沿模型公司的内部财务状况。你怎么看这份文件?你从中读出了什么?布鲁克哈特:这是一份非常出色的S-1文件。自从投资者日以来,过去三周其实相当艰难。有些人对9月份公布的ARR(年度经常性收入)数据多少感到失望。但我们从这份文件中看到的是:Anthropic在很短的时间内,就已经高效地扩张到了一个令人惊叹的规模——估值超过1万亿美元,ARR超过700亿美元。在毛利率、计算业务利润率以及自由现金流方面,所有指标都符合投资者希望看到的情况。所以,我认为这份文件基本没有什么值得挑剔的地方。这也是为什么过去两天里,半导体产业链、新型云计算公司(neoclouds)以及计算基础设施相关股票再次出现大幅上涨。主持人尼莱·帕特尔:有意思。我倒不是说这份S-1文件本身有什么明显的问题。我想深入讨论其中的一些细节,因为里面有很多数字值得认真思考。不过,我想先从一个非常宏观的问题开始。我观察Anthropic以及它未来可能达到的规模,也看到Dario Amodei表示,他认为公司有望实现1万亿美元的收入。那么,这些钱究竟从哪里来?因为这些AI企业的商业模式,在很大程度上似乎是在蚕食其他企业的业务。感觉上,必须先有其他公司赚到钱,才能支付费用给Anthropic,让它实现这些收入。但我实际上还没有看到有人把这件事非常清楚地解释出来。·Anthropic的收入究竟从哪里来?布鲁克哈特:这件事非常有意思。如今,即使两家领先的AI实验室合计已经实现了1,200亿美元的ARR,这个市场实际上仍然非常狭窄。客户中排名前1%的那些企业,每名员工每年在AI上的支出高达5万至10万美元。而更广泛的《财富》500强企业或全球2000强企业,通常在IT方面有大量支出,但目前在AI上的投入仍然不多。Anthropic的支出中,有很大一部分,尤其是企业客户的支出,都集中在编程领域。从某种意义上说,它几乎是一家只专注于单一垂直领域的公司。如果我们把目光投向2027年,就需要考虑更广泛的AI采用,以及AI在白领工作中的应用。企业通常会在第四季度进行年度预算规划。但到目前为止,我们还没有真正经历过这样一个预算周期:企业能够有实质性地将预算分配给这些AI实验室。原因在于,这些公司的ARR直到今年年初才真正开始加速增长。我们也可以看看其他领域,比如网络安全。这个领域与编程有些相似:领先企业可能会签订金额达到数千万美元级别的合同,而且由于我们看到的网络安全事件越来越多,这类合同能够非常迅速地扩大规模。此外,还有生物科技等其他垂直领域。要达到1万亿美元的收入,我们确实必须进入一部分白领工作领域,让AI从辅助人类劳动,逐渐转向节省人力成本,甚至在某些领域直接取代人力。微软向员工提供买断离职方案,就是一个可以参考的例子。但除此之外,他们还需要进入大量其他垂直行业,才能真正对收入规模产生重大影响。主持人尼莱·帕特尔:这是我最大的疑问,不仅针对这份S-1文件,而是针对整个行业。如果市场上只有一两家领先的AI实验室,我倒是能够理解。有两家大型公司掌握了一种可以自动化大量工作的技术。我们可以逐个行业观察,这种自动化究竟能做到什么程度。但问题在于,市场上并不只有两家领先实验室,而是有相当多的竞争者。此外,还有开放权重模型。我听很多CEO说过,他们非常担心把公司的全部数据交给Open AI或Anthropic,因此希望能够在自己的内部服务器上部署和运行某些AI系统。现在甚至已经有律师事务所在内部部署AI了。这可能是整个历史上最有意思的反转之一。你怎么看待这种局面?因为围绕这份S-1文件,压力有很大一部分来自财务数字本身,这一点我稍后想谈。但除此之外,还有一种外部压力:“你们必须继续增长,而且增长速度不能放缓。”你认为这些因素最终会如何发展?布鲁克哈特:这确实非常有意思。以今天的编程领域为例——我认为第三季度Open AI在这方面迎头赶上的情况已经体现了这一点——编程领域中存在一些转换成本非常低的场景,用户可以在不同模型之间轻松切换。我们从企业客户那里听到的情况也是如此。Open AI方面可能也存在类似的问题。显然,我认为他们在Fable的发布上处理得不太好,而缺乏零数据保留(Zero Data Retention)机制,也是我们看到部分业务增长放缓的原因之一。不过,他们可以通过Fable 5.5来解决这个问题,并可能借此推动企业客户进一步采用他们的产品。这对企业来说是一个非常重要的问题。我们现在确实看到,越来越多的企业,尤其是许多AI原生公司,正在基于开放权重模型进行定制训练和后训练,然后使用这些模型进行推理,或者将其用于内部和外部产品。显然,Google Deep Mind和Meta Superintelligence Labs都是资金实力雄厚的实验室,它们拥有相当接近的训练计算能力,而且还在持续增加大量算力。更不用说Space X了。马斯克曾表示,明年将新增约10吉瓦的算力,其中一半将用于长期内部业务需求。今年上半年,Anthropic几乎一骑绝尘,它占到了整个行业新增ARR的90%。但到了第三季度,我们看到Open AI可能实际上占据了行业新增ARR的大多数。开放源代码模型的Token推理成本规模,也从第一季度大约10亿美元的ARR,增长到了第三季度超过100亿美元。所以,是的,这个行业的竞争已经激烈得多了。但与此同时,也出现了大量新的应用场景。一些垂直领域的应用,才是真正有可能推动未来增长的地方。因为很明显,仅靠编程领域的业务增长,已经不可能让整个市场规模在现有基础上再增长三倍。·AI推理效率为什么能够大幅提高?主持人尼莱·帕特尔:几年前,我曾经和Google CEO Sundar Pichai讨论过推理成本的问题。当时我问他:“你们究竟要怎样才能从推理业务中赚钱?”他的回答非常明确:“如果说Google有什么特别擅长的事情,那就是沿着成本曲线不断降低这些东西的成本。”这是一个非常直接的回答。我理解Google为什么能够做到这一点:他们自己制造芯片。但Anthropic使用的是其他公司的云计算服务。这份S-1文件的核心内容之一,就是Anthropic承诺要在其他公司的云服务上花多少钱,包括Space XAI、Google和Amazon。那么,Anthropic的效率究竟来自哪里?布鲁克哈特:关键实际上在于Token吞吐量(Token Throughput)。他们拥有一支非常多元化的芯片集群。无论是Trainium、TPU还是GPU,我们都能看到大量Token效率方面的提升。举例来说,目前Trainium芯片的Token吞吐量,相比去年同期已经提高了5到10倍。这既涉及硬件层面的效率提升,也涉及软件层面的优化,以及模型与硬件之间的交互方式。在Token吞吐量方面,存在大量可以提升的空间。假设你原本每秒能够处理X个Token,那么仅仅一年之后,你就可能达到原来的5倍甚至10倍。而Anthropic方面告诉我们的情况是,他们预计未来还会持续获得计算效率方面的提升。我和Semi Analysis Tokenomics模型的另一位联合负责人MaxKan,甚至专门发表过相关研究。目前,Anthropic每兆瓦推理算力创造的收入大约为6,500万美元。去年同期,这个数字还只有一千多万美元。根据我们的预测,如果未来使用的模型是类似Opus 5.5的模型,并运行在NVIDIA Blackwell芯片上,那么每兆瓦创造的收入有可能达到1亿至1.2亿美元。这里最重要的一点是,他们现在平均每兆瓦只需要支付略高于1,000万美元的销售成本(COGS),也就是计算成本。这些利润空间意味着什么?他们可以将这些利润重新投入模型训练。很多人没有意识到这一点:实际上,只有大约30%的计算资源真正用于创造推理服务收入。剩下的计算资源则用于实验与研究、模型训练以及模型后训练。也就是说,有大量计算资源实际上是在用于开发下一代模型。这属于研发投入,而这恰恰是企业能够在这门生意中获得回报、建立竞争壁垒的地方。·Anthropic是否应该把利润继续投入AGI?主持人尼莱·帕特尔:实际上,我原本以为在这份S-1文件中,会更明显地看到这种动态。我的预期是:Anthropic通过销售目前已经拥有的模型赚取大量利润。未来会有越来越多的客户购买这些现有模型,从而产生非常可观的利润空间。然后,由于它是Anthropic,而他们认为自己正在打造一个数字之神(Digital God),所以他们会尽可能投入资金训练下一代模型。这才是我所理解的Anthropic故事。这家公司正在追逐AGI(通用人工智能)。Anthropic的员工会毫不避讳地告诉你,在S-1文件中,他们甚至表示Claude可能具有意识,而整个事情也可能最终走向灾难。Anthropic对自身的定位非常独特。但你实际上并没有在S-1文件中看到这种动态特别明显地体现出来。他们似乎很好地管理了训练成本与推理业务利润率之间的关系。你认为这种情况未来会继续下去,还是会发生变化?布鲁克哈特:我同意你的看法。从长期来看,我们甚至在内部讨论过,他们实际上希望提高训练所占计算资源的比例。如果你相信自己正在打造一个数字之神,或者正在朝AGI的方向前进,那么只要推理业务能够维持85%以上的毛利率,你就有能力这样做。Anthropic的增长速度比他们原先预想的快得多。他们原本没有预料到,公司的非GAAPEBITA利润率会达到11%。实际上,如果能够获得更多计算资源,并把这些资源分配给模型训练,同时继续提高计算效率,他们甚至希望利润率能够接近零,或者低于零。他们已经向投资者传达了类似的信息,包括在路演过程中也表达过这一点。你可以看看这份S-1文件,观察他们过去几年盈利能力的变化曲线,以及他们为了发展到今天这个规模,实际上消耗了多少现金。然后你就可以得出这样的结论:“这是一个很好的商业模式,但他们正在朝AGI的方向前进。不要指望目前看到的利润率提升能够继续保持在同样的水平,尽管从长期来看,他们的利润率可能会高得多。”Anthopic CEO达利欧·阿莫代伊(Dario Amodei)CNBC报道截图主持人尼莱·帕特尔:这让我想起了Amazon。贝佐斯对投资者说过一句著名的话:在他能够赚很多钱之前,他不会急着赚钱。显然,Amazon和Anthropic之间有很多相互联系。也许两家公司在某种程度上确实有一些家族相似性。不过,我还有一个问题。模型能力是否存在这样一个临界点:一旦达到这个水平,你就能够进入编程以外的更多垂直行业?我们可能现在已经接近这个临界点了。这里涉及一个概念,叫作能力过剩(Capability Overhang)。也就是说,我们今天拥有的模型,其实已经有能力接管生物研究等领域的工作。它们今天已经在接管数学领域的部分工作。那么,是否存在这样一个时刻:从商业角度来看,最明智的决策其实是停止训练新模型,而是把目前已经盈利的模型销售给越来越多的企业?作为一家上市公司,Anthropic必然会面临这种压力。你认为他们在组织结构和治理机制上,是否已经做好了抵御这种压力的准备?布鲁克哈特:是的,我认为他们在结构上做得不错。尤其是通过某些领域的投票权安排,他们确实具备这样的能力。我们过去在科技行业中见过类似的情况。例如,扎克伯格曾经公开做出过一些决定,选择大规模投入资金。主持人尼莱·帕特尔:不过,那些投资并不总是获得了回报。我只是想特别指出这一点:它们并不总是成功的。布鲁克哈特:是的,确实并不总是成功。主持人尼莱·帕特尔:虽然按照某种定义,你和我现在实际上也算是身处元宇宙之中。布鲁克哈特:没错。不过,我认为还有一个值得关注的地方。S-1文件中有一个非常有意思的数据:在最近三个月的收入中,有80%来自过去六个月内发布的模型。那么,这意味着什么?也就是说,只有20%的收入来自类似Opus4.5及其更早版本的模型。未来有一点是确定的:如果你是一家前沿模型公司,你就必须始终保持在技术前沿。而这个行业的竞争极其激烈。·为什么AI公司必须始终保持技术领先?主持人尼莱·帕特尔:我现在对整个行业最感兴趣的一个核心问题是:假设你掌握了一项处于技术前沿的突破性技术,而且这项技术能够彻底改变整个世界。那么,在某个时刻,最赚钱的做法应该是把这项技术应用到所有不同的行业中去,对吧?而不是继续研发下一代技术。实际上,你完全可以把一个高效率的模型应用于法律服务、医疗以及其他尚未普及AI的领域。我理解Anthropic为什么认为自己必须始终处于技术前沿,也理解为什么他们认为自己必须不断与Google、Open AI以及其他竞争者较量。这符合他们对自身的定位。但从商业角度来看,一家采用AI的企业会因此产生更多收入,也会愿意向我这个AI服务提供商支付更多费用。而这并不一定与我是否拥有最前沿的模型有关。布鲁克哈特:这里面有几个不同的方面。首先,对于一些新的垂直领域,尤其是网络安全领域来说,如果攻击方正在使用前沿模型,那么防御方也必须使用前沿模型进行防御。当我们与一些企业交流时,他们的需求并不像生成一封邮件摘要那样简单——这种任务,我可以使用开放源代码模型,或者Sonnet来完成。某些垂直领域确实需要更强的模型。举个例子,如果你是一场法律诉讼中的被告,而控方使用的是前沿模型,你会愿意让自己的律师使用一个不处于技术前沿的模型吗?主持人尼莱·帕特尔:我有个坏消息要告诉你,关于目前法律市场上正在发生的事情……布鲁克哈特:竞争格局确实决定了这种需求。从未来的发展来看,我们已经看到开放源代码模型在某些方面逐渐追赶上来,但市场对前沿智能的需求仍然会存在。Semi Analysis的CEO Dylan Patel经常强调这一点:前沿智能始终会有市场需求,尤其是在竞争激烈的行业中。此外,当某些工作从AI辅助人类劳动,进一步转向AI直接替代人力时,对前沿模型的需求也会更加明显。与此同时,这些AI实验室也正在进入更多垂直领域。如果你查看他们的招聘信息,或者观察他们正在招聘哪些岗位,就会发现他们正在推出更多不同的产品SKU和业务方向。现在有大量产品正在进行Beta测试,例如面向金融服务行业的Claude、面向法律行业的Claude,以及他们的网络安全项目。他们每个月向参加网络安全项目的人提供价值2.5万额度的使用额度。我认为,到2027年,这将成为他们一个非常重要的产品线。这些垂直化领域,以及那些确实需要顶尖技术、具有更强对抗性或竞争性的领域,就是他们继续保持前沿能力的主要原因。不过,我们都可以认同一点:像邮件摘要这样的工作,确实没有必要使用最前沿的模型。·Anthropic账面上的800亿美元亏损究竟是什么?主持人尼莱·帕特尔:接下来,我想深入讨论一些具体数字。Anthropic在2026年上半年亏损了800亿美元。但这个数字与一项会计处理有关。你能解释一下这800亿美元究竟是怎么回事吗?因为它似乎与他们所讨论的营业收入和利润并没有特别直接的关系。布鲁克哈特:这是一个非现金费用。原因在于,Anthropic的估值已经大幅上涨,而且他们此前发行了认股权证(Warrants)或可转换票据(Convertible Notes)。根据会计规定,他们必须在资产负债表中对这些项目进行相应处理。因此,这是一项非现金费用,主要是因为自发行这些认股权证和票据以来,公司的估值上涨了很多。这种费用在分析时通常应该被剔除。当然,对于股票薪酬(Stock-based Compensation)这样的项目,人们也可以展开争论:我们是否真的应该在非GAAP现金口径下考虑这项费用?因为它并不是现金支出。如果我直接给员工发放股票,那么我必须在损益表中确认相应费用,但我实际上并没有从银行账户里拿出同等金额的现金支付给他们。所以,这并不是一笔真正从公司银行账户流出的现金。从会计角度看,这件事其实并不复杂。如果你不了解会计处理方式,看到这个数字可能会觉得情况很糟糕。但实际上,这主要是因为他们的业务规模增长得太快,公司的估值也上涨得太多。·融资、股权稀释与Anthropic的长期资本需求主持人尼莱·帕特尔:关于这笔会计费用,还有一个值得讨论的问题:Amazon是相关交易的另一方。显然,Amazon非常高兴,因为Anthropic正在大量采购AWS的云计算服务。Anthropic的估值上涨,Amazon当然也会感到高兴。但随着时间推移,Amazon的股权也会因此被稀释。这就是其中的一种动态。Anthropic显然即将IPO。他们会向市场发行大量股票。而且很明显,随着时间推移,他们还会继续发行更多股票来融资。看起来,他们短期内并没有停止融资的打算。那么,如果你投资Anthropic,应该如何看待这种情况?也就是说,你的投资标的估值可能不断上涨,但你实际持有的股权比例却可能随着时间推移不断被稀释。布鲁克哈特:这些交易从一开始就采用了非常灵活、富有创造性的结构设计。这里有一个数字值得关注:Anthropic实际上只消耗了100亿美元的现金。而如今,他们的资产负债表上拥有超过1,200亿美元的现金和可交易证券。IPO之后,这个数字可能还会再增加约1,000亿美元。这对交易双方来说都是一笔很好的交易。Anthropic实际上只是租用计算资源。他们并没有承担巨额的资本性支出,甚至也不是采用租赁后最终获得资产所有权(Rent-to-own)的模式。当然,对于某些会计处理方式,你可以提出不同看法。他们确实承担了巨额的计算资源采购承诺。从技术意义上说,这些承诺可以被视为未来债务,或者说是某种程度上处于资产负债表之外的义务。但从股权稀释的角度来看,所有科技公司都会面临股权稀释。他们未来是否需要再筹集1,000亿美元的债务或股权融资?有可能。他们是否能够继续通过灵活的交易结构和融资安排,为未来的计算基础设施扩张提供资金?我认为也很有可能。我知道,过去几周,市场对于未来计算资源融资和数据中心融资的前景存在很多担忧。但如果你是Anthropic,或者是一家大型AI实验室、超大规模云服务商,又或者是Broadcom、NVIDIA这样的公司——它们都在为大量此类交易提供担保或信用支持——那么这种情况短期内可能不会发生太大变化。所以,我并不是特别担心。作为股权投资者,我会担心自己的持股比例被大幅稀释吗?我认为没有必要。如果你相信AGI长期发展这一乐观逻辑,也相信Anthropic将成为这个领域的领导者,那么股权稀释可能并不是你最应该担心的问题。因为你最终面对的可能是一家价值超过10万亿美元的企业。到了那个规模,他们完全有能力通过业务增长来消化股权稀释带来的影响。·超过8,000亿美元的算力采购承诺主持人尼莱·帕特尔:我们来谈谈计算资源采购承诺。我看到至少有一份分析报告指出,未来10年,Anthropic对各家超大规模云服务商和新型云计算公司的承诺金额将超过8,000亿美元。这是一个非常惊人的数字。你刚才说,他们并没有那么多钱,甚至到目前为止,他们还没有实际花掉这么多钱。你认为他们未来能够创造足够多的收入,来支付这些采购承诺吗?布鲁克哈特:我认为,当人们看到这些采购承诺的headline数字时,也就是未来7至10年大约5,000亿至6,000亿美元的金额,容易忽略一个问题:他们今天实际支付的计算成本,对应的算力规模并没有想象中那么大。如果按照他们目前的支出水平计算,平均每兆瓦的支出接近1,100万美元。换算下来,每吉瓦就是110亿美元。如果把这个数字放到年度支出水平上来看,就会发现:假设5,200亿美元的承诺金额分布在70年之内,那么实际上对应的算力规模并没有那么大。而当他们未来发展到类似20吉瓦的规模时,他们所承担的未来计算资源承诺,实际上就会达到数万亿美元的级别。所以,是的,我认为他们会有足够的收入来承担这些支出。真正需要讨论的是:他们能够创造多少收入,以及这些收入对应需要多少计算资源。第二个问题是计算效率。如果他们能够持续提高每兆瓦推理算力所创造的收入,那么从租赁计算资源的角度来看,你究竟愿意投入多少资金用于模型训练,甚至愿意把利润率降到零?因为在这种利润结构下,他们最终可能会将整个计算集群中80%至85%的算力用于训练和研究。收入规模本身会有相当不错的增长。他们并没有陷入什么特别危险的财务境地。除非我们发现,所有这些收入最终都会消失,或者客户开始大规模流失。他们并不需要在极短的时间内就实现1万亿美元的收入,才能承担这些采购承诺并支付相关费用。主持人尼莱·帕特尔:除非你真的想打造一个数字之神。而且,除非AI在整个经济中的普及速度没有达到所有人期待的水平。这些都是押注,对吧?布鲁克哈特:是的,这些都是非常重大的押注。如果你对数字经济的增长持非常乐观的态度,那么有几个数字值得关注。Anthropic表示,他们已经覆盖了《财富》500强企业中的50%。但这些企业在Anthropic上的支出,仅占它们总运营支出(OpEx)的0.1%。如果你把这个数字换算到每位用户身上,那么每个月大约只有8美元——这里假设运营支出不包括销售成本。如果你认为运营支出中包含了销售成本,那么每位用户每月的支出也不到50美元。他们自己也提到了类似的情况。在Claude Code用户中,排名前5%的用户平均每年花费1.8万美元。请注意,这是排名前5%的用户。而那些不使用Claude Code的用户,每个月的支出则低于75美元,远远低于75美元的情况也很常见。这意味着存在一个巨大的增长机会,尤其是当我们谈到企业客户,以及那些传统上购买IT软件的企业时。传统白领工作领域的AI渗透率仍然非常低。这一点也非常重要:未来还有很长一段增长周期,既包括企业用户席位(Seats)的普及,也包括单个用户使用量的增加。你可以争论究竟哪家公司最终会赢得这场竞争。但有一点很明显:前沿AI实验室一定能够从这块市场中获得一部分收入,而且这部分收入在明年的新增ARR中将占据相当重要的比例。·Anthropic对云服务商的依赖是否构成风险?主持人尼莱·帕特尔:这里有一件事让我觉得非常有意思。我们一直在谈论前沿AI实验室,也一直在谈论超大规模云服务商。Anthropic的S-1文件中列出了很多令人震惊的风险因素,其中甚至包括Claude可能具有意识,并最终杀死我们所有人。但其中一个最直接、也可能最容易理解的风险是:AWS、Azure和Google Cloud在某种意义上既是Anthropic的供应商,也是它的竞争对手。尤其是Google,他们在文件中表示,这些合作关系未来可能发生变化。Anthropic与SpaceX AI也有非常重要的合作关系。Elon Musk将利用这些资源训练Grok。而Anthropic未来也可能与SpaceX AI展开竞争。因此,这种合作关系可能变得不再稳定。正如你所说,他们目前只是租用计算资源。到了某个时刻,市场可能迫使他们拥有更多自己的计算基础设施。因为他们的竞争对手可能不愿意继续把计算能力租给行业领先的公司。你怎么看待这种情况?布鲁克哈特:我们确实看到,OpenAI和Anthropic都在朝着更直接掌控计算资源的方向发展。但这并不一定意味着他们要直接拥有全部计算资产。更可能的方式是采用租赁后最终获得所有权的模式,或者像一些金融投资方那样,通过特殊目的实体(SPV)来获得计算资源。也就是说,他们可能会更直接地参与计算基础设施的建设,而不是单纯从云服务商那里租用算力。这里有两个值得讨论的方面。首先,从某种角度来看,Google也在向外部客户销售自己的芯片。他们实际上是在说:“我们不在乎是否必须通过Google Cloud来实现这些芯片的商业化,也不在乎是否必须将这些芯片分配给Google Cloud内部使用。如果你认为我们受到芯片供应限制,那么我们甚至不介意这些芯片最终被用于Deep Mind,或者用于我们内部的GCP计算业务。我们愿意直接成为一家芯片销售商。”Anthropic非常喜欢TPU。目前,Anthropic已经通过直接购买这些芯片、然后再租用的方式,形成了超过3.5至4吉瓦的算力订单,而且未来可能还有更多订单正在筹备中。所以,是的,这个市场目前的情况还是不错的。主持人尼莱·帕特尔:等一下,他们不是直接购买芯片再拿来租用的。所以,他们实际上是通过一家新型云计算公司来购买这些芯片?布鲁克哈特:是的。他们通过一个SPV来购买,或者由SPV购买这些芯片,然后Anthropic再向这个SPV租用算力。主持人尼莱·帕特尔:明白了。好的。布鲁克哈特:即使是在Google Cloud、AWS或Foundry这样的渠道中,Anthropic也是一个非常大的客户。Anthropic 48%的业务收入是通过Bedrock、Foundry和Vertex等平台产生的。这些平台的客户可以通过自己原有的云服务关系来使用Anthropic的模型。他们甚至不需要直接联系Anthropic。也就是说,客户完全不必与Anthropic的销售团队打交道。主持人尼莱·帕特尔:这实际上是一种营销渠道,Anthropic可以通过它获得收入分成。·Anthropic正式上市前,投资者还应该关注什么?主持人尼莱·帕特尔:从现在到Anthropic真正上市之间,还有一些重要的事情会发生。他们会进行投资者路演,也会有一些定价方面的安排。你接下来最关注Anthropic的哪些信息?布鲁克哈特:他们在两三周前举办了一场投资者日活动,当时确实提供了更多信息。我认为,他们接下来会解释为什么第三季度的表现如此疲弱。Meta曾经是他们一个非常大的客户,可能占到了Anthropic收入的10%以上。此前公开报道的情况是,Meta使用的Claude Code席位数量从6万个下降到了3万个。但这些Token使用量并没有消失。它们只是转移到了Meta自己的内部模型上。Anthropic开始加强对反蒸馏行为(Anti-distillation)的限制。此前,这类行为占到了他们收入的5%。我认为,他们在S-1文件中表示,涉及违反服务条款的相关业务占收入的5%至7%。所以,在接下来的投资者路演中,他们需要解释的一个重要问题,就是Opus5.5发布之后,10月份出现的这轮增长加速。我们认为,他们已经重新回到了原来的增长轨道上。如果他们在第二季度每个月能够创造100亿美元的新增ARR,而第三季度下降到了每个月40亿美元,那么我们认为,他们在第四季度可能正在重新回到每个月80亿至100亿美元的增长速度。投资者还希望听到他们对于新垂直领域的介绍,尤其是网络安全业务。目前,在完整的网络安全产品SKU正式推出之前,他们已经开始提供一些修复和相关服务。但他们今天已经通过漏洞代码扫描(Vulnerability Code Scanning)实现了网络安全业务的商业化。我想特别指出,这些业务合同的金额并不小,而且客户都是他们现有的企业客户。我认为,他们还会开始向市场传达2027年ARR的增长路径。另外一个问题是预期管理。他们需要把市场预期控制在合理水平,避免过多谈论AGI。主持人尼莱·帕特尔:如果你的风险因素中写着:“我们可能对全人类构成生存层面的威胁。”那么,要做好市场预期管理还真不容易。布鲁克哈特:没错。所以,他们一方面要告诉投资者:“我们最终会实现AGI,而且我们会取代所有人的工作。”另一方面,又必须控制市场对第四季度的预期。这样,他们才能在正式上市后的第一个季度,交出一份远超市场预期的业绩,同时为2027年提供一份不错的业绩指引。他们需要在长期愿景与短期预期管理之间,找到一个很好的平衡点。
Microsoft Releases .NET 11: C# 15 Union Types, Native AOT CLI Host, and CoreCLR by Default in MAUI
InfoQ · 2 天前
Microsoft has released .NET 11, a Standard Term Support release with two years of support. It ships C# 15 with union types and closed hierarchies, a Native AOT CLI host, a preview of Runtime Async, Zstandard compression, asynchronous validation and OpenAPI 3.2 in ASP.NET Core, CoreCLR as the default runtime in .NET MAUI, and EF Core 11 with experimental vector search. By Almir Vuk
Presentation: Scaling LLM-Based Ranking Systems for Latency-Critical Search & Recommendation Workloads
InfoQ · 2 天前
Sundara Raman Ramachandran shares how LinkedIn productionizes LLM ranking under strict P99 latency SLAs. He discusses distilling a 7B model down to 400M parameters, compressing job contexts into single-token embeddings for a 10x throughput leap, and eliminating hidden system bottlenecks - from custom flash attention masks to Python GIL workarounds, gc.freeze, and non-blocking CUDA memory copies. By Sundara Raman Ramachandran
包特、马萌中:懂金融,为什么还是会被骗
虎嗅 · 2 天前
本文来自微信公众号: 复旦金融评论 ,作者:包特 马萌中■作者:包特新加坡南洋理工大学经济系长聘副教授、研究生院助理院长;马萌中新加坡南洋理工大学交叉学科研究生院计算技术与金融中心博士生■公众号:复旦金融评论编者按:2026年9月,新加坡警方披露一起股票操纵骗局:五名有经验的投资者受“专家”荐股买入一家香港上市公司的股票,一周内暴跌近75%,损失逾460万港元。骗局的剧本专为懂行的人而写——先让他们真实获利、尝到甜头,再一举收割。当盈利本身成为养成信任的饵料,金融知识的边界与制度的缺口同时暴露。包特新加坡南洋理工大学经济系长聘副教授、研究生院助理院长马萌中新加坡南洋理工大学交叉学科研究生院计算技术与金融中心博士生每逢重大诈骗案件发生,公共讨论中总会出现一个问题:受害者为什么没有识破骗局?一种常见解释是,他们缺乏金融常识。因此,加强金融教育、提升数字素养,也成为反诈讨论中最常见的建议。这些建议有其道理。但如果我们把受骗主要归因于知识不足,就容易忽略另一个问题:骗子如何让人放下戒心,甚至在看到风险提示后仍然继续付款?要回答这个问题,就不能只看消费者知道多少,还需要看他们作出判断时的处境,以及交易系统能否在关键时刻提供帮助。OECD在2026年发布的一份全球报告中,将金融诈骗列为金融消费者面临的首要风险之一,并指出数字金融素养不足会放大风险。同一份报告还把诈骗手法日益复杂、识别和防止欺诈交易的系统不足列为风险上升的驱动因素,并将反诈生态各方协作列为关键对策。反诈既是教育问题,也是金融基础设施和消费者保护问题。金融素养确实有用,但它不是一件防弹衣讨论金融素养的局限,首先要承认它的价值。Wei、Peng和Wu(2021)利用中国家庭金融调查数据发现,金融素养较高的家庭更容易识别诈骗,且这一关系在金融素养最低的群体中最为显著。Isaia、Oggero和Sandretto(2024)基于意大利具有代表性的调查数据发现,基本金融知识水平与较低的网络诈骗受害概率相关。由此看来,加强金融教育仍应当是反诈体系的基础。消费者需要理解风险与收益的关系,识别不合理的高回报承诺,也需要养成不泄露验证码、不轻信陌生链接、付款前核实身份等习惯。这些知识可以挡住相当一部分手法较粗糙的骗局,并降低诈骗者大规模撒网式作案的成功率。问题在于,金融素养并非简单地越高越安全。Xiao、Li和Zhou(2022)使用中国家庭追踪调查发现,在控制客观金融知识后,高估自身金融知识的人更可能相信异常高回报能够实现。意大利的研究[1]也得到相近结果:金融知识本身具有保护作用,但高估自身知识的人,网络诈骗受害概率反而更高。真正危险的未必只是“不懂”,也可能是“懂了一些,并且相信自己不会被骗”。金融素养提高的是平均识别能力,却不能保证一个人在各种环境、情绪状态和时间压力下都能正确运用这些知识。更不能因为金融教育总体有效,就把每一次受骗都解释为受害者学习得还不够认真。如果一种政策叙事总能把防范失败归因于个人仍需继续学习,它就很容易成为其他主体回避责任讨论的方便借口。诈骗不是一场金融知识考试传统金融教育通常假定,风险来自错误认知:消费者不了解产品,不理解收益与风险的关系,或者不会判断信息真假。但现代诈骗往往不只是提供一条虚假信息,而是试图重新塑造受害者接收信息、解释信息和作出选择的整个环境。冒充公检法的诈骗利用的主要不是投资知识,而是权威与恐惧;冒充亲属求助利用的是紧迫感和亲情;情感类诈骗通过长时间交流建立信任;投资诈骗则常以早期小额返利为诱饵,让受害者逐步增加投入。当最初几笔款项已经转出后,承认被骗意味着同时承认此前的判断失误,继续付款反而可能被理解成“把前面的钱救回来”。Fischer、Lea和Evans(2013)开展了两项问卷研究,其中一项包含模拟诈骗实验。他们发现,对高额奖励产生的积极情绪、对官方权威标志的依赖以及自信水平,都与诈骗服从有关。Modic和Lea(2013)则发现,权威影响、社会影响、自我控制和维持一致性的需要都与诈骗服从相关。骗子所利用的并不是某一个孤立的知识漏洞,而是一组普遍存在的心理机制。这一点在授权推送支付(Authorised Push Payment,APP)诈骗中表现得尤其明显。此类诈骗不是通过盗用账户完成,而是欺骗客户本人发起转账:密码是真的,人脸识别是真的,付款指令也确实由账户持有人发出;虚假的是形成这项指令的事实基础。Braithwaite(2024)指出,在英国传统支付法律框架下,“未经授权交易”和“经授权交易”往往受到不同处理:前者存在较明确的补偿路径,后者往往由客户自行承担。授权推送支付诈骗在形式上属于“经授权交易”,但消费者的授权建立在虚假信息之上。这暴露了以是否本人授权来划分保护责任的制度缺口。金融素养可以帮助人判断“这项投资是否合理”,却未必能回答“孩子是否真的出了事故”“账户是否正在被调查”,或“相处半年的网友是否确有其人”。诈骗越来越像一场针对具体处境的社会工程,而不是一张有标准答案的金融试卷。同一个人,为什么有时会上当把诈骗归因于金融素养不足,还容易制造一种误解:社会上存在一群固定的“易受骗人群”,只要识别并教育他们,问题就可以解决。现实更可能是,人们的诈骗脆弱性会随处境变化。同一个人在正常状态下谨慎而理性,但在面临疾病、失业、退休、情感危机、投资亏损或家庭压力时,面对相同的信息,却可能作出不同的判断。有关年龄与认知的研究提供了一个观察角度。Pehlivanoglu等(2024)发现,年龄较大的参与者识别钓鱼邮件的能力较弱,部分认知能力较弱的老年参与者尤其容易受到影响。这说明认知变化值得重视,但实验中的识别表现并不等同于现实中的受骗概率,年龄本身也不能充分解释受骗风险。社会心理和经济状态同样重要。Wen等(2022)对中国老年人的横截面研究发现,孤独感与诈骗脆弱性相关,其中涉及说服易感性和自我控制的作用。Yu等(2022)对未患痴呆症的社区老年人的研究则发现,对自己能否在一个月内筹集2000美元应急资金缺乏信心的“财务脆弱”人群,诈骗易感性更高。这些发现提示,理解受骗风险还需要关注个体的社会联系和经济处境,但不能仅凭相关关系断定因果。财务压力一方面可能使高收益承诺更具吸引力,另一方面也会占用注意力,使人更难进行复杂核验。Liu和Zhao(2025)利用中国健康与养老追踪调查数据,并以法定退休年龄作为工具变量,发现退休没有显著增加老年人接触诈骗的概率,却增加了实际受骗和遭受损失的风险,可能渠道包括退休后的时间配置变化和心理脆弱性上升。重要的不是“退休者知道得更少”,而是同一个人在生活结构改变后,对相同诱惑的反应可能发生变化。因此,更准确的表述是:金融素养是一种相对长期的能力,受骗风险则可能随处境和心理状态变化。教育可以提高一个人的常态判断水平,却无法消除人在特定时刻的恐惧、孤立、希望和压力。将受骗简单理解为知识不足,既低估了诈骗技术,也容易给受害者再添一层“不够聪明”的羞耻感。反诈不能只是增加一条提醒既然问题不完全在于知识不足,解决办法也不能只是不断增加警示语。现实中的银行和支付平台已经设置了大量风险提示,但提示越频繁,就越容易成为交易页面上一块被迅速划过的背景。诈骗者也越来越熟悉银行的风控流程,甚至会提前告诉受害者银行可能询问什么、应该怎样回答,并把银行的拦阻说成“正常流程”,或声称“内部人员不知情”。Akesson、Gathergood和Quispe-Torreblanca(2026)在一项以英国代表性样本为对象、使用高仿真手机支付界面的实验中,比较了行为警告、风险筛查与重新设计操作选项的效果。研究发现,让“取消”或“延迟付款”等退出选项更显眼的结构性干预,优于单纯增加信息的做法;在重复接触后,警告的效果会衰减,而改变操作结构的效果更为持久。这一发现对金融反诈很有启发。金融科技长期追求减少摩擦,使付款更快、更顺滑,但对于新收款人、大额异常转账或已知高风险场景,少量摩擦可能正是一种安全装置。所谓摩擦并不一定是粗暴冻结账户,也可以是更醒目的取消选项、短暂冷静期、针对具体骗术的核验问题、独立渠道复核机制,或者便于联系银行和可信亲友的入口。关键不在于让所有交易重新变得麻烦,而在于提高摩擦的选择性:普通交易继续追求便利,高风险交易则允许系统暂时减速。与此同时,反诈系统需要从一般提醒转向情境支持。“谨防诈骗”几乎没有提供新的信息;只有“政府机关不会要求你把资金转入安全账户”或“对方要求你对家人保密,这是高风险信号”这类针对具体骗术和当前交易情境的提示,才可能打断诈骗叙事。银行掌握交易数据,电信企业掌握异常通信模式,互联网平台掌握广告、账号和链接来源,执法机构掌握已确认的诈骗网络。只有在这些信息能够及时交叉核验时,消费者才不必独自在信息迷雾中完成所有判断。从个人责任走向共同责任强调金融素养存在一种隐蔽的制度便利:只要受骗被解释为消费者知识不足,责任就很容易停留在个人一端。银行可以说交易由本人授权,平台可以说自己只是提供信息渠道,电信企业可以说通话内容属于私人通信。每个系统都完成了形式上的职责,损失却在系统之间的缝隙中发生。这并不意味着所有诈骗损失都应由银行赔偿。无条件赔偿可能带来道德风险,也可能把成本转嫁给普通消费者。但责任分配应当考虑谁拥有信息、谁能够以较低成本预防损失。银行最了解异常交易与可疑账户,平台能够识别虚假广告和冒充账号,电信企业能够发现异常号码与呼叫模式,消费者掌握交易目的,公共部门则有能力整合跨机构信息。合理的制度不是寻找一个承担全部责任的主体,而是让每个节点对其最有能力阻止的风险承担相应责任。英国在“快速支付”(Faster Payments)系统范围内,针对符合条件的授权推送支付诈骗实行强制补偿,并由付款方和收款方的支付服务提供商各承担50%的赔付成本。这种安排旨在使支付机构不仅在诈骗发生后处理投诉,也有动力在事前识别风险[2]。中国《反电信网络诈骗法》则把银行业金融机构、电信业务经营者、非银行支付机构和互联网服务提供者都纳入风险防控责任,要求建立内部控制机制,加强跨行业协作、异常活动监测和快速联动[3]。两种制度路径不同,却共同承认反诈不能仅靠消费者提高警惕。未来金融反诈需要形成相互补充的三层防线:第一层仍然是教育,帮助消费者掌握必要的金融和数字知识;第二层是交易与平台设计,在风险较高时提供有针对性的核验并设置适度的交易摩擦;第三层是社会与制度支持,使银行、平台、电信企业、执法机构和家庭能够及时介入,在损失变得不可逆之前提供帮助。这三层防线不是替代关系,而是对人类判断能力边界的现实回应。提高金融素养仍然重要。它能让人们更好地理解风险,也能减少许多本可避免的损失。但现代诈骗并不只考察一个人知道多少,而是会挑选人们最疲惫、最孤独、最害怕或最充满希望的时刻下手。一个成熟的金融体系,不能只要求消费者永远保持清醒,也应当在短暂的判断失误即将转化为长期损失时,提供一道适度而可靠的缓冲。金融教育负责提高人们作出正确选择的能力,金融制度则应尽量避免一次错误选择把人推向无法回头的悬崖。注释:[1]Isaia E,Oggero N,Sandretto D.Is financial literacy a protection tool from online fraud in the digital era?[J].Journal of Behavioral and Experimental Finance,2024,44:100977.[2]Payment Systems Regulator.PS23/3:Fighting authorised push payment fraud:A new reimbursement requirement[R/OL].(2023-06-07)[2026-07-27].https://www.psr.org.uk/publications/policy-statements/ps233-fighting-authorised-push-payment-fraud-a-new-reimbursement-requirement/;Payment Systems Regulator.PS24/3:FPS APP scams reimbursement compliance and monitoring[R/OL].(2024-07-12)[2026-07-27].https://www.psr.org.uk/publications/policy-statements/ps243-fps-app-scams-reimbursement-compliance-and-monitoring/.[3]全国人民代表大会常务委员会.中华人民共和国反电信网络诈骗法[EB/OL].(2022-09-02)[2026-07-27].https://www.spp.gov.cn/spp/fl/202209/t20220902_575631.shtml.参考文献:[1]Wei L,Peng M,Wu W.Financial literacy and fraud detection:Evidence from China[J].International Review of Economics&Finance,2021,76:478-494.[2]Isaia E,Oggero N,Sandretto D.Is financial literacy a protection tool from online fraud in the digital era?[J].Journal of Behavioral and Experimental Finance,2024,44:100977.[3]Xiao X,Li X,Zhou Y.Financial literacy overconfidence and investment fraud victimization[J].Economics Letters,2022,212:110308.[4]Fischer P,Lea S E G,Evans K M.Why do individuals respond to fraudulent scam communications and lose money?The psychological determinants of scam compliance[J].Journal of Applied Social Psychology,2013,43(10):2060-2072.[5]Modic D,Lea S E G.Scam compliance and the psychology of persuasion[EB/OL].(2014-01-04)[2026-10-09].https://ssrn.com/abstract=2364464.[6]Braithwaite J.“Authorized Push Payment”Bank Fraud:What Does an Effective Regulatory Response Look Like?[J].Journal of Financial Regulation,2024,10(2):174-193.[7]Pehlivanoglu D,Shoenfelt A,Hakim Z,et al.Phishing vulnerability compounded by older age,apolipoprotein E e4 genotype,and lower cognition[J].PNAS nexus,2024,3(8):296.[8]Wen J,Yang H,Zhang Q,et al.Understanding the mechanisms underlying the effects of loneliness on vulnerability to fraud among older adults[J].Journal of Elder Abuse&Neglect,2022,34(1):1-19.[9]Yu L,Mottola G,Barnes L L,et al.Financial fragility and scam susceptibility in community dwelling older adults[J].Journal of elder abuse&neglect,2022,34(2):93-108.[10]Liu Y,Zhao J.Does retirement increase fraud exposure and fraud victimization?Evidence from China[J].Journal of Applied Gerontology,2025,44(8):1252-1256.[11]Akesson J,Gathergood J,Quispe-Torreblanca E.Preventing payments fraud in the fintech era:new evidence from a behavioural experiment[EB/OL].(2026.3.3)[2026.7.27].http://dx.doi.org/10.2139/ssrn.4532757.[12]OECD.Protecting Consumers from Financial Scams and Frauds[R/OL].(2026-06-16)[2026-10-09].https://doi.org/10.1787/d41817bb-en.[13]Payment Systems Regulator.PS23/3 Fighting authorised push payment fraud:a new reimbursement requirement[R/OL].(2023-06-07)[2026-10-09].https://www.psr.org.uk/publications/policy-statements/ps233-fighting-authorised-push-payment-fraud-a-new-reimbursement-requirement/.[14]Payment Systems Regulator.PS24/3 FPS APP scams reimbursement compliance and monitoring[R/OL].(2024-07-12)[2026-10-09].https://www.psr.org.uk/publications/policy-statements/ps243-fps-app-scams-reimbursement-compliance-and-monitoring/[15]全国人民代表大会常务委员会.中华人民共和国反电信网络诈骗法[Z/OL].(2022-09-02)[2026-10-09].https://nxca.miit.gov.cn/ztzl/ffzldxwlzp/art/2022/art_6985069057e24505af500a44aec108a5.html.
Launch HN: Axonnic (YC F26) – Sleeves that track fingers and estimate force
Hacker News · 2 天前
Hi HN! We’re Arsh and Max, founders of Axonnic (https://axonnic.com). We’ve developed a forearm sleeve that reads muscle activity to decode finger movements and estimate fingertip force, while leaving the hands bare. It’s used to record human movement and generate training data for dextrous robots.Here’s a demo video: https://youtube.com/shorts/xBrocTc9cfAWe’ve found that electromyography (EMG) is a much better way to train robots than by video alone because video only captures movement, not muscle activity or the effort behind the movement. A useful signal can be present even when the hand barely moves; just maintaining a grip involves muscle activation. The subtle muscle movements that can barely be picked up in video are the most important details for activities like sewing and delicate assembly.The sleeve has 64 channels of surface electromyography, or EMG. Electrodes on the skin detect electrical activity from muscles in the forearm. We distribute sensors across the forearm so as to not overfit to one muscle group. We synchronize EMG with hand tracking to train a model that predicts finger joint angles, then we run the decoder solely from EMG, adding in fingertip force estimates that have been calibrated from finger presses on force sensors.When the user takes the sleeve off then puts it back on again, the electrode positions change, so we run tests over separate wearings. In one case, we ran a 215-second recording, four days after training, without any recalibration, and compared the results with Apple Vision Pro hand tracking. The result was just 6.9° error across 20 joint angles. We’ve published the measurements and evaluation details here: https://axonnic.com/benchmarks.We faced many challenges doing recordings in factories, including wireless interference and unreliable off-the-shelf hardware. This led to some bad recordings and the need to repeat data collection. For that reason, we’re developing our own electronics that use a wired PCB design that will eliminate interference and timing inconsistencies.Axonnic grew out of Max's EMG research at Oxford. We looked at using the technology for computer control, then we thought a more promising use-case was in capturing the effort involved in skilled manual tasks. This technology could be described as a computer to human interface. Where computers gain insight and learn from human skills. Sewing particularly stood out because the material deforms and the operator is constantly adjusting grip and tension.Maxim has an Oxford MBiol and conducted research on high-density surface EMG. He previously built internal tools at Skyscanner and worked at Voxblock across PCB development and supply chain. Arsh studied medicine at Oxford and has research experience applying machine learning to medical imaging, alongside software and robotics projects. Together we have built the sleeve, decoding software and data-collection system and tested them in industrial settings.So far we have the tech being used to record sewing and other manual tasks at a European manufacturer, which signed an LOI for support with robotic implementation. We have also collected construction demonstrations involving electricians, plumbers and demolition work. These are pilot and data-collection examples. Separately, our public demos include controlling a Proception robotic hand from forearm EMG.If you’ve done any of your own trials for training robots for manual tasks, we’d love to hear about what tasks you were trying to train for and how the trials went. We’re happy to discuss the hardware, calibration and models here in the comments. Thanks!https://axonnic.com
Comments URL: https://news.ycombinator.com/item?id=50522776
Points: 19
# Comments: 4
天崩开局,印度和中国的差距究竟有多大?
虎嗅 · 2 天前
本文来自微信公众号: 地球知识局 ,作者:地球知识局制图|桐校对|朝乾编辑|Alicia上过小学的同学都知道,咱们中国“地大物博,人口众多”,但随着年龄越来越大,我才知道中国是“地大物薄”。我们只有地球6.3%的土地,但人口占17%,制造业产出更是全球30%,再加上这片大地富煤贫油少气、许多关键矿产品位太低、青藏高原更是难以开发,缺金、缺银、缺铜、缺铁、缺油、缺气,实在是太合理了。我们的“中国缺什么”系列已经做过很多期大家可以点击回顾一下▼所以,中国是地球上最“地大物薄之国”么?不是,因为隔壁还有更缺的,欧亚大陆的“南帝”——India。今年中东开打,波斯湾卡脖子,印度的资源短板全面暴露,对其经济叙事可谓釜底抽薪。这到底是先天不足,还是印度特色人祸的产物?无解的短板咱们先看印度够不够大:放在中国和秦朝差不多,放欧洲更明显,略小于乌拉尔山以西的俄国。再看印度够不够薄:就拿人口差不多的东方大国来比,按照探明储量,石油,中国是印度的6.5倍;天然气,是6倍;煤炭,1.2倍;铁,3倍;铜,19倍;稀土,6.4倍。▼纸面数据上,虽然大部分都是一撸到底的短板,但煤和铁并不差,而且铁矿品位远高于中国。再考虑到印度的土地只有中国三分之一,按单位面积比较的话,其资源禀赋绝没有大家想的那么low。但问题是,能不能把长短不齐的资源变成工业体系?中国能干出来,印度为什么就这么难?首先,印度的短板确实太短了。石油天然气已探明储量世界占比只有可怜的0.3%和0.7%,全国加起来干不过一个塔克拉玛干。真就是油气贫民窟其主力油气田在孟买近海,开了50年,日产量只有15万桶,已经在刮桶底了,陆上最大油田拉贾斯坦区块,产量更是惨不忍睹(日产7万桶)。何况印度隔壁就是成本超低的中东,给石油爹充值才是经济上的最优解。石油90%、天然气50%依赖进口,主要来自中东和俄罗斯。▼但花钱能解决的,都是小问题。战端一开,航线一断,印度就只能极限扛压。2月28日,美以伊开打,印度就难受了,并很快就禁止或限制成品油出口,再拿到美国赦免,能吸收伊朗、俄罗斯、委内瑞拉的油。短期内以巨大代价挺过了这一波,但长期来看依然无解。战争引发的能源危机影响了普通人的生活印度人常用的液化石油气就面临着短缺问题(人群排队等待供应,图:forbes.com)▼天生的资源错配如果说油气是印度最短板,那煤铁就是最长板。只可惜,印度煤铁是天生的资源错配。这是煤资源和铁资源分布,两者高度集中在东部这一块。▼在贾坎德、奥里萨的交界地带,遍布高品位赤铁矿,南北连亘70公里,相当于从沈阳到辽阳全是矿,而且品位高达60%多,和澳大利亚是一桌。这一地带的部分铁矿,一个挨一个(图:google earth)▼在这片赤铁矿带的南边、西边,还能找到一批露天大煤田。凭直觉,这一带简直是煤钢圣体。这一地带的部分矿区和钢铁厂(图:google earth)▼但诡异的是,印度炼钢用煤九成都要进口,其中一半来自澳大利亚,同时国内又周期性爆发煤荒。这是咋回事?印度煤炭虽然储量世界第五,但灰分高达40%多,品质奇差。完全配不上自家的顶配铁矿。这和中国恰恰相反,我们是被澳洲铁卡脖子,印度是被澳洲煤卡脖子。印度煤炭储量并不少,但是好不好用是另一回事▼印度煤虽然垃圾,但勉强可以发电。而且大量是露天开采,量大管饱,是印度最重要的低成本能源。但问题是,印度制造业重心在西部西南部(古吉拉特邦、马哈拉施特拉邦、泰米尔纳德邦),所以必须东煤西运、北煤南运,全国铁路货运近半运力都用来拉这种垃圾煤。每到夏天用电高峰,库存就全面吃紧,再来几场暴雨,露天煤矿被迫停产,然后就是煤荒和电荒。2021年10月,印度超过半数的煤电厂库存不足四天,有的甚至只剩一天库存。老实说,这种地理错配问题,中国一样很严重,怎么办?重载铁路+巨型煤炭港+风光电+特高压+智能电网,简直就是送分题。印方对此也高度认可,恨不得一比一复刻。中国有拉煤数亿吨的大秦铁路,印度就搞了个专用货运走廊(DFC),东线基本用来拉铁拉煤。中国有秦皇岛港、黄骅港,印度也在奥利萨邦搞了几个煤炭吞吐港——巴拉迪布港(Paradip)和达姆拉港(Dhamra)。巴拉迪布港货运码头(图:dextragroup)▼同时,印度也搞特高压,也疯狂上马风电光伏,也大力推广“智能电表”。上边奋起直追,但是下边不买账。比如各种苛捐杂税、地方保护,导致海运成本过高,甚至不如走铁路。比如主干电网都是高大上的进口设备,但到了各邦的用电末端,则是连年亏损、设备老化。比如印度智能电表最大的敌人,就是人民群众对“偷电”的强烈刚需。总之,高屋建瓴的国家规划,搞不定乱成一锅粥的地方社会,就像老蒋搞不定各路军阀一样。印度式内耗印度式内耗遍布各个角落,数不胜数,让本就不多的资源被极大浪费。贾坎德邦贾里亚煤矿(Jharia)是印度罕见的能炼钢的焦煤产区,在英国殖民时期就被掠夺性开发,并在1916年发生地下自燃火灾。110年下来,背靠地方保护伞的“煤炭黑帮”对矿区进行可持续的竭泽而渔。这场大火一直烧到现在都没停,以至于资源枯竭、毒气泄漏、人口逃离、生态崩溃。贾里亚矿区地下的煤层燃火时有发生(图:npr)▼直到去年,印度中央政府才决心彻底灭火,批准了新修订的《贾里亚总体规划(Revised Jharia Master Plan)》,砸下近7亿美元专门应对火灾管理和人口外迁。但彻底灭火就要挖除、回填、覆盖隔绝地下矿坑,这煤矿就报废了。当地几十万绝对贫困人口和骑在他们头上宗族势力,绝不答应。所以决心归决心,实际操作都是能拖则拖。靠北的贾坎德邦有煤炭黑帮,靠南的卡纳塔克邦有铁矿黑帮。这里是卡纳塔克邦的贝拉里铁矿区。这座红色的山遍布顶级赤铁矿,每一个都红的发紫。铁矿带包围着村庄和农田(图:google earth)▼00年代中期,中国基建狂潮,铁矿价格大涨,贝拉里随之暴富,但方式比较断子绝孙。当地矿山实际掌握在背靠高官的“铁矿黑帮-雷迪兄弟”手里。为了最大力度赚快钱,雷迪兄弟采用极端野蛮的“剃光头”式露天开采。消灭原始森林,而且挑肥拣瘦,只挖质量最好的矿石,稍差一些的粉矿和中低品位矿,都被当做矿渣直接倒进河流农田,导致整个山区几近生态崩溃。针对这些情况,印度政府也曾做过调查但结果很明显是没结果(贝拉里铁矿区一角,图:nytimes.com)▼2011年,印度最高法院忍无可忍,下令全面禁止卡纳塔克邦的铁矿石出口和非法开采,以至于印度这个铁矿大国竟然短期从出口国变成进口国。而罪魁祸首-雷迪兄弟,在坐了几年大牢后,又重出江湖,凭借对基层宗族势力的掌控力,竟然再次当上议员,重回地方权力层。在更南边的泰米尔纳德邦,斯特里特铜冶炼厂曾经独占印度四成多精炼铜产能。但长期以来,当地人指控该厂肆意倾倒废水废渣,导致癌症率飙升。当地时常爆发针对斯特里特铜厂的抗议(图:time.com)▼2018年5月,爆发了长达100天的万人大游行,最终变成流血冲突,印度警察开枪打死13人。为了平息民愤,地方政府下令关闭精炼厂,直到现在也没重开,精炼铜产能凭空减少40%,让印度直接从出口国变成进口国。当前,印度除了铁矿、动力煤、铝土矿等少数优势,几乎样样都要进口,企图用优势补劣势的项目也要进口。▼比如中国2019年参与建造的塔奇尔“煤头尿素”项目,能极大缓解印度的缺脲问题,可直到现在还未建成,进度严重延期。方方面面都在消耗印度外汇,可能只有以人为矿是稳赚不赔的,但AI正在替代印度的劳动密集服务业,一拳打在了要害上,如果不能快速工业化,那真要青黄不接了。总之,印度这片大地固然先天不足,严重偏科。但也并非全无优势,只可惜地理错位、严重内耗、上下脱节让优势难以充分发挥。其实,这些难题中国也有。世界上就没有完美的国家,只要是大国就一定有各种错位、各种分布不均。孙中山在《建国方略》里就提出过十万英里铁路、三峡大坝、北方南方东方大港等一大堆构想。但这些想法,终究要有人去干。中国的现代化,是中国人干出来的。每一项成就的背后,都是千千万万人的努力(图:图虫创意)▼印度与其说是缺这缺那,不如说是缺从上到下团结一致解决问题的能力,缺一次革命。现在革命的历史窗口已经不在,印度能否渐进式实现现代化,还要拭目以待。[1]Petroleum Planning&Analysis Cell(PPAC),Ministry of Petroleum and Natural Gas,Government of India.Snapshot of India’s Oil and Gas Data[EB/OL].New Delhi:Government of India,2024[2026-08-20].Available:https://ppac.gov.in/[2]Petroleum Planning&Analysis Cell(PPAC),Ministry of Petroleum and Natural Gas,Government of India.Import/Export of Crude Oil and Petroleum Products[EB/OL].New Delhi:Government of India,2024[2026-08-20].Available:https://ppac.gov.in/import-export[3]International Energy Agency(IEA).India Energy Outlook 2021[R].Paris:IEA,2021.[4]Ministry of Coal,Government of India.Annual Report 2023–2024[R].New Delhi:Government of India,2024.[5]Ministry of Steel,Government of India.Annual Report 2023–2024[R].New Delhi:Government of India,2024.[6]Geological Survey of India(GSI).Preliminary Exploration Report on Lithium Resources in Reasi District,Jammu&Kashmir[R].Kolkata:GSI,2023.[7]Department of Fertilisers,Ministry of Chemicals and Fertilisers,Government of India.Annual Report 2022–2023[R].New Delhi:Government of India,2023.[8]Ministry of Jal Shakti,Government of India.Dynamic Ground Water Resources of India 2023[R].New Delhi:Government of India,2023.[9]Central Electricity Authority(CEA),Government of India.Monthly Summary Report on Power Sector[R].New Delhi:Government of India,2024.[10]NITI Aayog.Composite Water Management Index:A Tool for Water Management[R].New Delhi:Government of India,2019.[11]Reserve Bank of India(RBI).History of the Reserve Bank of India and the 1991 Balance of Payments Crisis[EB/OL].Mumbai:RBI,2024[2026-08-20].Available:https://www.rbi.org.in/[12]World Nuclear Association.Nuclear Power in India[EB/OL].London:World Nuclear Association,2025[2026-08-20].Available:https://world-nuclear.org/[13]Indian Rare Earths Limited(IREL).Corporate Overview and Rare Earth Operations[EB/OL].Mumbai:IREL,2025[2026-08-20].Available:https://irel.co.in/[14]Reuters.India’s crude oil imports remain stable at 232.5 million tonnes in FY2023–24[EB/OL].London:Reuters,2024[2026-08-20].Available:https://www.reuters.com/[15]Reuters.India plans over$40 billion for food and fertiliser subsidies[EB/OL].London:Reuters,2022[2026-08-20].Available:https://www.reuters.com/[16]Reuters.India’s power crisis:Coal shortage leaves utilities struggling[EB/OL].London:Reuters,2021[2026-08-20].Available:https://www.reuters.com/[17]Reuters.Sterlite Copper plant closure and legal dispute in Tamil Nadu[EB/OL].London:Reuters,2018–2024[2026-08-20].Available:https://www.reuters.com/[18]Comptroller and Auditor General of India(CAG).Report on Illegal Mining of Iron Ore in Karnataka[R].New Delhi:Government of India,2011.[19]Wikipedia contributors.1991 Indian Economic Crisis[EB/OL].Wikimedia Foundation,2026[2026-08-20].Available:https://en.wikipedia.org/wiki/1991_Indian_economic_crisis[20]Wikipedia contributors.2012 India Blackouts[EB/OL].Wikimedia Foundation,2026[2026-08-20].Available:https://en.wikipedia.org/wiki/2012_India_blackouts
世界第一斯坦国,中国创业者正在大量涌入
虎嗅 · 2 天前
本文来自微信公众号: 霞光社 ,作者:李小天“今年在哈国立附近租房好难,感觉好多地段都涨价了,想早点开始看房源又怕不能预定那么久,想到时候落地再找又怕找不到合适的,而且很多同学都说这个学期开始都会变得不太好租房,感觉在阿拉木图生活成本越来越高了。”今年9月,来到哈萨克斯坦第一学府留学的Leo,发现哈萨克经济中心阿拉木图的租房费用大幅上涨。他的感知并非孤例。事实上,中亚第一大经济体哈萨克斯坦,此时正在经历房价快速飙升的经济上行期。根据战略规划和改革局国家统计局(BNS)公布的数据,2026年9月与2025年9月相比,哈萨克斯坦全套住房的租金上涨了16.7%,新房价格上涨了10.9%,二手房则上涨了7.9%。而2025年全年与上一年相比,同样涨速惊人。房价,是观察一座城市吸引力与经济活力的晴雨表。正像中国改革开放初期,北上广深因为产业聚集、人口涌入而见证了房价的极速增长;而今,以哈萨克斯坦为代表的中亚诸国,正在复刻这样的时刻。中国人正在大量涌入中亚,越来越多今年以来,霞光社发现,身边不少出海圈的朋友都去了中亚,考察市场、走访企业。这股热潮,像极了2023年出海人扎堆奔赴沙特等中东市场的盛况。这一方面是因为今年年初中东局势波动等地缘因素,使得中国企业和品牌需要押注下一片新蓝海;但归根究底,是中亚地区自身的改革开放与经济转型,所释放的消费活力与出海机遇,吸引了中国出海人纷至沓来。在中亚第一大经济体哈萨克斯坦,中国国民正在大量涌入。2025年,中国赴哈人数同比增长46.8%,突破96万人次。中资企业在哈萨克斯坦扩张得同样迅猛。2025年一年新增2,800家,使中资关联法人总数达到约8,000家;出口方面,意大利(19.8%)和中国(19.2%)几乎并列前两位,俄罗斯以10.3%位居第三;进口方面,俄罗斯(29.7%)和中国(29.2%)平分秋色,第三名德国仅占4.8%。投资方面,2025年哈萨克斯坦吸引外国直接投资总流入205亿美元,荷兰、俄罗斯、中国是前三大来源国。其中来自中国的直接投资28亿美元,同比增长135%;另据联合国贸发会议数据,2021–2025年,哈萨克斯坦是全球吸收中国制造业绿地投资最多的国家,超过越南、墨西哥、埃及和整个欧盟。多边下注、积极开放,表明了哈萨克斯坦正力图将自己从一个石油国家,转变为一个可以在错综复杂的分裂世界中依旧繁荣的高科技中等大国。和沙特、阿联酋等中东国家类似,作为一个传统石油之国,哈萨克斯坦经济多元化与制度性开放的转型之路,一直围绕“摆脱资源依赖”展开,每一轮大改革都和外部冲击有关:苏联解体、2014年油价暴跌、2022年"一月事件"(2022年1月,由于政府取消补贴政策而引致液化气价格上涨,哈萨克斯坦西部省份曼吉斯套州引燃了一场最终席卷大半个国家的动乱。这一后来被称为"一月事件"的动乱,催生了名为"新哈萨克斯坦"的大规模全面改革。)和俄乌冲突。开放的抓手也在逐步升级:从90年代引进能源外资,到2015年加入世贸组织、建设国际金融中心等制度型开放,再到如今的中间走廊、数据中心和AI基建。1991年苏联解体、实现独立后,哈萨克斯坦的经济转型与对外开放之路而中亚人口最多的国家乌兹别克斯坦,同样经历着经济转型与对外开放的变革时刻。出海政策研究专家宋欣,在去年8月,时隔11年后再次来到乌兹别克斯坦,她非常直观地感受到,相比11年前的闭塞,如今的乌国是一个蜕变的国家,一个脱胎换骨的市场,从城市管理到商业氛围,已经完成了改革开放的历史性初期转变。“这里的经济高度活跃,晚上11点的马路上依旧灯火通明,市中心更是水泄不通。有点儿中国九十年代后期的味道,躁动的热络背后是对美好生活的渴望。”经济体制与社会风貌转型的动力,源于中亚诸国从前苏联脱离时第一代领导人的相继谢幕,给后续的改革者释放了改革的空间。在2016年上任的乌兹别克斯坦第二任总统米尔济约耶夫,被视为一位大刀阔斧的改革者。通过统一汇率、取消货币管制和金融体系现代化,他带领这个从1991年后就实际上与世隔绝的国家成为中亚地区最为开放的投资目的地之一。1991年苏联解体、实现独立后,乌兹别克斯坦的经济转型与对外开放之路数据最能说明变化:从2017年到2025年,乌兹别克斯坦人口由约3200万增至3800万以上,全国GDP从861.38亿美元增长到超过1450亿美元;2025年经济增长7.7%,为有记录以来的最高增速。根据世界银行和联合国的数据,外国直接投资(FDI)从2021年的23亿美元上升到2025年的44亿美元;根据世界银行的评估体系"商业就绪度"(B-READY),2025年,乌兹别克斯坦在"企业准入"(创业)这一项得分为91分,位列所评估经济体的前20%;而在2013年,它的营商环境排名仅位居第146位。中资中企在乌国转型过程中也发挥着举足轻重的作用。截至2026年9月1日,乌境内有中资参与的企业达已增至6,436家,约为第二名俄罗斯(3,589家)的1.8倍。2025年,乌兹别克斯坦获得的海外投资总额达到431亿美元,比上年增长了24%;其中,中国是最大的投资者,为乌兹别克斯坦的经济贡献了155亿美元,约占乌国外资总投资额的36%。而夹在中国和哈萨克斯坦之间的内陆小国吉尔吉斯斯坦,正被称为中亚的"新老虎经济体"。这一说法借自"亚洲四小虎",指起点低、却能持续多年高速增长的经济体。据吉尔吉斯斯坦央行介绍,该国经济近三年连续保持9%以上的增速;国家统计委员会的初步数据显示,2025年GDP增长11.1%,总量接近2万亿索姆(约226亿美元),增速创下近年来的新高。旅游业和建筑业的繁荣、国内消费的上升,以及中国商品向周边国家的再出口,是增长的主要驱动力。其中,转口贸易的作用尤为突出:西方制裁俄罗斯后,吉尔吉斯斯坦借助欧亚经济联盟成员国的身份,把中国商品转运到俄罗斯和周边市场,带动了仓储、物流和财政收入的增长。甚至于素来有“中亚朝鲜”之称的土库曼斯坦,也在今年10月启用电子签证系统,旅游电子签证不再强制要求邀请函,被视为对外开放的积极信号。要知道,在过去,这个国家和朝鲜一样,是全球最难申请签证的国家之一:没有自由行、没有落地签,必须通过本地旅行社预订行程,并向移民局提交邀请函,才能在入境时获得落地旅游签证。中亚版“春天的故事”,独特又熟悉的旋律,正在让中国出海人寻找到新的共鸣。从“中间走廊”到目标市场“然张骞凿空,其后使往者皆称博望侯。”《史记·大宛列传》中,如是记录张骞出使西域、打通欧亚战略要塞的历史。从古至今,中亚地区都被视为贯穿欧亚两洲的核心枢纽。1997年,美国战略家布热津斯基在《大棋局》中,提出“欧亚巴尔干”(Eurasian Balkans)概念,把中亚和高加索看作大国争夺的权力真空和能源通道地带。这条横贯欧亚的通道能否真正打通,与中亚作为区域枢纽的地缘价值密切相关。早在本世纪初,旨在连接中亚、里海、高加索地区与欧洲和中国的“中间走廊”就已开始规划,但直到2014年跨哈萨克斯坦铁路开通,才取得实质性进展。2022年俄乌冲突爆发后,这条走廊的地位迅速上升:它从中国西部出发,途经中亚,横渡里海,再经阿塞拜疆、格鲁吉亚抵达土耳其,最终连通欧洲,全程包括逾4,250公里铁路和约500公里海运航线,在中欧贸易中扮演着越来越重要的角色。中间走廊的主要路线与穿越俄罗斯的“北方走廊”相比,中欧货物运输“走”中间走廊平均可节省约2500公里的距离。从2021年到2022年,中间走廊的总运量从略高于50万吨激增至超过150万吨;2025年,这一数字达到412万吨。但如今,中亚五国不仅是欧亚跨境运输的必经之地,也是中国品牌出海的崭新蓝海。宋欣在乌兹别克斯坦进行市场考察时观察到,中亚已经俯拾皆是中国品牌的身影:马路上飞驰而过的领跑、比亚迪、红旗、小鹏、理想、蔚来,随处可见的美的、李宁、名创优品门店,还有中国参与的地铁和大基建,无处不展现着中国企业涌入的决心。这种中企蜂拥的景象,在一定程度上得益于中亚中产阶层的快速壮大,以及随之而来的消费升级浪潮。根据国际货币基金组织(IMF)数据,2025年哈萨克斯坦人均GDP为14,855美元,较2024年的14,459美元增长约2.7%,位居后苏联国家首位,属于中高收入国家。中国产业研究专家林雪萍在今年8月前往哈萨克斯坦进行市场考察,他发现这里的消费者对购物似乎有一点“老钱”的感觉:宁愿买贵一点好一点,然后多用好多年。这种对品牌的偏好,其实是鼓励企业用更加长远的思维来进行经营。“中国家电企业要在中亚实现重要突破,通过部件进口而组装的方式,势在必行,传统的FOB模式,很难真正打破韩国家电的壁垒。”在哈萨克斯坦深耕外贸三年的商人鲁杰,也向霞光社表达了类似看法:"哈萨克斯坦并不落后,无论是社会文明程度还是民众的思维方式都不落后,落后的是外界对它的刻板印象。"鲁杰补充道,当地年轻人消费意愿强,也习惯超前消费。为此,主流品牌普遍提供分期付款,以带动手机、电脑等3C数码产品的销售。宋欣也观察到乌兹别克斯坦中产阶级的日益崛起,“在塔什干调研期间,我们最直观的感受就是本地中产消费高度活跃,人均100-300人民币的本地餐厅夜夜爆满,均价35-60万的比亚迪、零跑、极氪、理想是标配,市中心4k美元一平的高档住宅拔地而起”。经济发展带动的贫困减少与中产扩容,的确是乌兹别克斯坦改革开放以来的主旋律。根据世界银行的报告,2021年至2025年期间,该国贫困率从17.0%下降到5.8%,使370万人摆脱了贫困。乌兹别克斯坦是全球中等收入国家中减贫幅度最大的国家之一。与此同时,乌国中产阶级正在迅速增长,占总人口比重从37%上升到超过72%;但各地区的繁荣增长并不平衡,中上层阶级的扩张主要集中在首都塔什干及附近区域。另一方面,中亚地区超前消费的习惯,也与多国长期居高不下的通货膨胀率有关。2025年,哈萨克斯坦的全年通胀率为12.3%,这是过去十年中第二高的通胀年份(2022年为20.3%);而民众的预期更为悲观:哈萨克对未来一年的通胀预期升至14.7%;2026年2月,乌兹别克斯坦民众感知的年通胀率为11.6%,而当月官方通胀率只有7.3%——当大家都默认为钱会继续贬值,就更倾向于“早买早划算”。宋欣告诉霞光社,根据她的实地调查,在乌兹别克斯坦的首都塔什干区域,年轻人为了应对高通胀一般身兼两职、才能拿到月薪600-700美金,所以在生活中寻找刺激和情绪释放是一个很明显的需求,但目前市场上还没有充沛且优质的情绪消费类商品供应。某外贸企业常驻乌兹别克的负责人Olivia,在中亚驻扎七年之久。Olivia同样认为,类似于泡泡玛特这样的情绪类消费品,在乌国也有一定的空间。“当地年轻人对美的追求非常极致。比如在塔什干做美甲,需要100美金,贴钻的在150美金以上,但生意都非常好,当地美容美体类的服务业收费都非常昂贵。所以像穿戴甲、家用脱毛仪,以及花西子这样的潮牌美妆,都会很有需求。”并且,女性消费需求的日趋高涨,也推动着消费浪潮的方兴未艾。2024年世界银行所发布的年度报告《妇女、商业和法律》(2024年WBL),根据安全、流动性、工作场所、薪酬、婚姻、父母、育儿、创业、资产和养老金,评估了全球主要经济体性别平等的进展,乌兹别克斯坦成为进步最大的五个国家之一。宋欣在实地考察时发现,中亚女性消费需求格外旺盛。虽然乌兹别克斯坦是一个伊斯兰国家,但社会氛围高度开放与世俗化,因此女性自主选择权非常高。“我们在撒马尔罕的本地向导,自称为‘兼职’穆斯林,一年中只在盛大节日时期祷告,而这种人并不在少数,从她们着装的精细程度不难看出对于未来生活充满了积极乐观的心态。”Olivia也补充说,因为线下选择过于单一,快消服饰等女性消费品在线上也有相当的发展空间。“乌兹别克本地的商场,入驻的女装品牌基本就是四五家牌子,其中有一家是韩国,一家是土耳其的,另外三家都是中国制造,面料款式都比较低端。国内十三行、四季春等服装批发城的衣服,会比这些品牌好很多。”失落的卫星,不想在AI时代再次失落今年8月,作家周凯莉在中亚旅行时发现,当地懂中文的年轻导游手中拿着一本中文书——《失落的卫星:深入中亚大陆的旅程》,“因为目前公司的第一大客户来源是中国人,所以想看一看中国的作家是怎么写中亚的,也算是一种市场调查,可以更好地服务于工作。”“失落的卫星”,似乎是中亚长久以来在全球政治经济版图中所处位置的真实隐喻:这是一片易被世人遗忘的土地,从不缺资源,也不缺历史,却在全球化的边缘与大国的夹缝中艰难校正着自己的轨道。而今,在如火如荼的AI浪潮中,中亚诸国不想再次失落。按照哈萨克斯坦政府的AI产业发展宏愿,2026年,是"数字化与人工智能年"。6月,哈萨克总统托卡耶夫批准《数字哈萨克斯坦2029》战略,提出到2029年实现50亿美元的AI产品与服务出口。此前,它已通过中亚首部人工智能法,设立了人工智能与数字发展部,并建设国家超算平台Alem.cloud。与此同时,为实现本国"国家大模型"战略,纳扎尔巴耶夫大学下属的智能系统与人工智能研究所(ISSAI)正在开发哈萨克语大型语言模型项目——KAZ-LLM。从自然禀赋上来看,哈萨克地广人稀、能源丰富,天然就是AI时代数据中心兴建的应许之地。美国AI云与基础设施公司Firebird于今年10月下旬与哈萨克斯坦政府签署投资协议,并已获得美国对45,000颗英伟达Grace Blackwell GPU的出口许可。其在哈萨克的首个数据中心项目的第一期已在建设之中,同时与哈萨克电信合作推进,计划于2027年第三季度商业上线。乌兹别克斯坦同样积极。据其数字技术部长介绍,本国数据中心的投资承诺已超过60亿美元,政府的英伟达算力集群上线首月利用率就达到90%;全国有100多个AI项目,计划在高校设立20多个AI实验室,并建设乌兹别克语语料库,补上大模型对本地语言的短板。而与哈萨克斯坦以国家为主导的模式不同,吉尔吉斯斯坦的人工智能生态系统主要依靠初创企业、研究人员和技术社区的努力发展起来。尽管吉尔吉斯斯坦的财政资源较少,技术市场规模也较小,但在AI产业发展领域最重要的成就之一,是本土语言人工智能模型的出现。初创公司AkylAI开发了首批专为吉尔吉斯语设计的人工智能系统,填补了全球人工智能平台长期以来对资源匮乏语言支持不足的空白。另一项重要举措是AiRUN,这是一个国家级人工智能生态系统,包含一个大型语言模型、一个多语言语音助手和一个能够生成吉尔吉斯语同步语音和动画的数字人工智能化身。此外,吉尔吉斯斯坦还推出了人工智能平台Aitil,能够提供吉尔吉斯语的语音识别、文本转语音、翻译、文档处理和智能聊天助手等服务。这些项目表明,人工智能不仅被用于经济现代化,还被用于扩大国家语言的影响力。中亚诸国AI雄心背后,蕴藏着中国企业的出海机遇。而中国企业进入中亚,走的不是"卖一个通用模型"的路,而是定制与共建。早在2025年8月,李开复任CEO的零一万物,就与哈萨克政府联合发布了面向中亚地区的哈萨克语大模型AlemLLM,并成立合资公司Q.AI运营国家AI平台。据李开复介绍,零一万物的定位是"中国的Palantir",不再构建基础模型,而是微调现有的中国开源模型(DeepSeek、阿里通义千问、智谱GLM),为企业与政府提供定制化模型底座。换句话说,中国的开源模型,正在成为哈萨克主权模型的上游底座。而在数智化基建领域,华为参与云基础设施建设,中国移动在阿斯塔纳建设中亚首个Tier IV标准数据中心;科大讯飞今年7月推出开放平台中亚站,面向哈、乌两国,主打知识库检索和代码辅助;在具身智能赛道,宇树的四足机器人已用于哈国最大建筑企业BI Group的工地巡检,智元也在为当地机器人平台提供技术支持。讯飞把这种打法概括为"错位竞争":不与美国企业正面较量,而是靠深度定制和高质量服务取胜。对出海企业而言,机会也在这里:中亚本地语言资源稀缺、算力基础薄弱、应用需求具体,恰恰是定制化能力的用武之地。而随着AI供应链走向阵营化,中亚地区也面临着被美国要求“选边站”的窘境。根据8月14日路透社的报道,美国国务院正起草一封致35个国家的信函,要求它们在AI竞争中"选边站队"。收信国正是今年6月签署"硅和平"(Pax Silica)《人工智能机遇声明》的35个国家。草案警告,若这些国家同时加入与美方立场相冲突的AI合作框架,可能被排除在美国主导的AI联盟之外。信中虽未点名中国,但一名美国官员直言,信的意思就是"你不能两边都选"。据报道,引发此封信件的导火索,正是源于哈萨克斯坦选择了“两边都站”。美国今年6月刚将拥有丰富关键矿产储备的哈萨克斯坦宣传为中亚首个加入“硅和平”的国家,然而哈萨克斯坦随后又加入了WAICO(今年7月在上海成立的世界人工智能合作组织),这显然触碰了华盛顿的红线。这封信函本质上是一份“去中国化”的供应链联盟招募书,美国试图把“硅和平”扩张成一个排他性集团。随着数字铁幕的徐徐落下,可以预见的是,中美AI博弈将成为持续改写全球地缘局势的焦点议题。对此,全球科技产业创新专家王煜全认为,在美国以外的全球AI市场,未来可能出现"中国七、美国三"的格局。“中国AI企业的长板是价格,美国以外大多是开放市场,中国成本低、产业化场景多,机会很大;但短板是规范和信用。我们在当地的信任度还远远不够,不是中国人坏,而是跟人家不熟。但我坚信,AI领域会出几个中国巨头,快速实现全球扩张,甚至比肩OpenAI、Anthropic,核心市场在欧洲、亚非拉。到了应用化阶段,全世界会更像中国。”从19世纪初的英俄角力,到世纪之交围绕里海油气与管线的"新大博弈",再到后冷战时代布热津斯基笔下的"欧亚棋局",中亚的每一次被关注,都与大国对欧亚腹地的战略判断有关。如今,筹码再次改变:当算力、数据中心、大模型与技术标准成为新的权力来源,这片土地又一次站到了舞台中央,正在以独特的张力,吸引着更多中国企业的入局。
男性坐着尿,是不是比站着更“养生”?
虎嗅 · 2 天前
本文来自微信公众号: 果壳 ,作者:代天医,编辑:odette站着尿,还是坐着尿?每个男性都有自己的选择。2023年,调查机构YouGov向13个国家的7024名成年男性提出了这个问题:如果只是小便,你经常坐着尿吗?结果发现各国的选择差异很大,德国受访者最爱坐着尿,“每次都坐”的高达40%,“从来不坐”的仅10%;新加坡受访者最爱站着尿,这两个比例分别是5%和32%。你喜欢站着尿,还是坐着尿?|gemini选择站着的,可能是因为卫生间有小便池、方便和“站着才是硬汉”;坐到马桶上的,也许是为了好清洁和坐着放松。至于哪个姿势更好?还得看从什么角度来说。想迅速解决,一定是站着快。从清洁来说,站着难免让尿液飞溅到马桶边缘和地面上,如果尿完没有立刻擦干净,就会把脏污留给同住人。如果从男性身体健康的角度看,答案就没这么简单了。为了回答这个问题,最近,一组研究者把志愿者请进了实验室,认真看每个人尿了两次尿。52个人,2种姿势,一场尿尿试验这项研究在2026年10月发表于《神经泌尿学与尿动力学》(Neurourology and Urodynamics)。研究者在哥伦比亚招募了52名18至39岁的健康男性志愿者。每名志愿者接受两次尿流测量,一次坐着、一次站着,先后顺序随机分配,两次测量至少间隔24小时。排尿过程中,研究者记录了每个人的最大尿流率和排尿量。其中,最大尿流率指的是每秒钟最多能排出多少毫升尿液,相当于尿液的“最高时速”,是衡量排尿是否顺畅的常用指标之一。结果显示,两种姿势的最大尿流率和排尿量都没有显著差异,站着和坐着时的平均值分别是26.15和27.62毫升/秒,以及376.52和391.21毫升。在主观感受上,52人中有35人表示没有偏好,14人更喜欢坐着,3人更喜欢站着。总的来说,这项研究提示,站着尿与坐着尿的顺畅程度相似,不支持年轻健康男性为了身体健康更换排尿姿势。当然,由于研究样本量小、未测量膀胱里的尿量等不足,也不能证明两种姿势在生理上完全相同。站着尿与坐着尿,差不多顺畅|giphy健康男性,不用为了“养生”强行换姿势研究“健康男性怎么尿更健康”的团队,不止这一个。早在1999年,就有日本研究者在21名年轻健康男性中,比较过站、坐和卧位对排尿的影响。结果同样没有发现站立位和坐位的明显差别,两种姿势的最大尿流率分别为27.1和25.0毫升/秒,排尿量为263和287毫升。2014年,荷兰研究团队又汇总了11项研究共800人的数据,发现在健康男性中,站立位与坐位的最大尿流率、排尿时间和排尿后残余尿量都没有显著差异。不过,一个人群的平均结果没有差别,不代表每个人的情况都一样。2010年一项关于印度健康男性的研究,强迫习惯站立排尿的人改成坐位,结果他们的最大尿流率从23.8毫升/秒降至19.8毫升/秒,排尿时间也从28.3秒延长到了38.6秒。研究者因此提出,男性在个人习惯的姿势下,排尿更顺畅。总结起来,对于没有排尿困扰的健康男性,姿势选择可以说是怎么舒服、便利、卫生就怎么来,不必为了“养生”强行改变姿势。目前的研究结果,既不支持坐着尿得更干净,也没有发现站着尿更顺畅。当排尿变得费劲,答案也更加复杂然而,一旦诊断了与排尿有关的疾病,或者出现下尿路症状(如尿流变细、排尿费力、尿频,总觉得没尿干净),情况就不同了。男性出现下尿路症状,最常见的病因是良性前列腺增生。前列腺位于膀胱下方,尿道从中穿过,增生的前列腺可能压迫尿道,使排尿受阻,增加尿储留、尿路感染和膀胱结石等风险。良性前列腺增生可能压迫尿道、阻碍排尿|gemini发现症状后,首先要做的是到医院查清病因。在常规的诊断和治疗之外,研究者也在探索,调整姿势是否可以帮助一些人排尿更顺畅。前面提到的那项荷兰研究,也包含存在下尿路症状的男性。研究者发现他们坐着排尿时,残余尿量平均比站着减少24.96毫升,也就是尿得更干净,最大尿流率和排尿时间也有改善趋势。部分数据的改善幅度甚至接近传统药物的效果。支持“坐着尿”的研究还有不少。2008年,一项沙特阿拉伯研究入选了200名有下尿路症状、平时习惯坐着排尿的男性,发现他们坐着尿时平均残余尿量少于站着,分别为73和86毫升,年轻男性的坐位最大尿流率也高于站立(16.6和15.2毫升/秒)。2017年另一项涵盖740名男性的研究也发现,50岁以上参与者坐着尿的残余尿量较低。在同一年龄段,坐位排尿后残余尿量(PVRU)较低、排尿时间(VT)较长;年龄越大,坐位与站立位的差异越大|参考文献[6]不过同时,也有研究没发现两种姿势的差别,还有研究得出站着尿更健康的结论。比如,2020年发布的一项约旦研究,分析了116名良性前列腺增生男性的数据,发现站立位的最大尿流率中位数明显高于坐位(14.7和11毫升/秒),残余尿量也更少(51.5和85.5毫升)。为什么这些研究的结论互相矛盾?目前还没有确切的答案。有研究者猜测,坐姿可以帮助部分人放松盆底、髋部肌肉和括约肌,让排尿更顺畅,但这对另一部分人无效。也有研究者从每个人的膀胱和尿道解剖结构寻找解释。另外,在各项研究之间,参与者的年龄、症状、用药、习惯姿势和测量方式有所不同,这也可能造成结论不一致。由于结论还没有得到统一,对于存在下尿路症状的男性,现有指南没有就排尿体位提出统一的建议。在咨询医生之外,不妨自己试试站着和坐着哪种更舒服,排尿时给身体留出充足的时间。找到最舒服的姿势,给身体留出充足时间|gemini坐下尿,降低晕厥的风险还有一种情况,选排尿姿势不是为了尿得顺畅,而是为了安全。有些人会发生排尿性晕厥,也就是在排尿时或排尿后突然晕倒。它在男性中更多见,特别是老年男性,经常发生在夜间起床小便的时候,与血压突然降低、脑供血不足有关。发生晕厥时,虽然意识通常很快就会恢复,但倒下时有可能在卫生间撞伤身体和头部。如果发生过晕厥、起身时容易头晕,起身时可以先在床边坐一会,然后慢慢站起,到卫生间坐着排尿。当然,除了改变姿势,还要及时就医,查清楚原因。Guokr站着还是坐着,健康时爱怎么尿怎么尿(如果你就爱站着,尿完一定要立刻清洁干净);一旦感觉不对劲,别在姿势上浪费时间,早一点找医生查清原因才好解决。参考文献[1]YouGov.Men urinating sitting down(international),2023.[2]J.Iregui-Parra,S.Millán-Serna,M.G.Delgado-Caicedo,et al.,“Standing or Sitting to Void?Comparative Uroflowmetry in Healthy Male Volunteers:A Randomized Crossover Study with Equivalence Analysis,”Neurourology and Urodynamics0(2026):1-7.[3]de Jong Y,Pinckaers JH,ten Brinck RM,LycklamaàNijeholt AA,Dekkers OM.Urinating standing versus sitting:position is of influence in men with prostate enlargement.A systematic review and meta-analysis.PLoS One.2014 Jul 22;9(7):e101320.[4]Choudhury S,Agarwal MM,Mandal AK,Mavuduru R,Mete UK,Kumar S,Singh SK.Which voiding position is associated with lowest flow rates in healthy adult men?role of natural voiding position.Neurourol Urodyn.2010 Mar;29(3):413-7.[5]Unsal A,Cimentepe E.Voiding position does not affect uroflowmetric parameters and post-void residual urine volume in healthy volunteers.Scand J Urol Nephrol.2004;38(6):469-71.[6]Goel A,Kanodia G,Sokhal AK,Singh K,Agrawal M,Sankhwar S.Evaluation of Impact of Voiding Posture on Uroflowmetry Parameters in Men.World J Mens Health.2017 Aug;35(2):100-106.[7]El-Bahnasawy MS,Fadl FA.Uroflowmetric differences between standing and sitting positions for men used to void in the sitting position.Urology.2008 Mar;71(3):465-8.[8]Alrabadi A,Al Demour S,Mansi H,AlHamss S,Al Omari L.Evaluation of Voiding Position on Uroflowmetry Parameters and Post Void Residual Urine in Patients With Benign Prostatic Hyperplasia and Healthy Men.Am J Mens Health.2020 Jul-Aug;14(4):1557988320938969.[9]Unsal A,Cimentepe E.Effect of voiding position on uroflowmetric parameters and post-void residual urine volume in patients with benign prostatic hyperplasia.Scand J Urol Nephrol.2004;38(3):240-2.[10]Yamanishi T,Yasuda K,Sakakibara R,Hattori T,Minamide M,Yuki T,Ito H.Variation in urinary flow according to voiding position in normal males.Neurourol Urodyn.1999;18(6):553-7.
Java News Roundup: Lazy Constants, Spring for Apache Pulsar, GlassFish, Hibernate, TomEE, Seed4J
InfoQ · 2 天前
This week's Java roundup for November 9th, 2026, features news highlighting: Lazy Constants proposed to target for JDK 28; TornadoVM jitLLM 3.0; point releases of Seed4J; second release candidates of Spring AI and Spring Boot; first release candidates of Hibernate ORM and Hibernate Reactive; fourth milestone release of GlassFish; and the second milestone release of Apache TomEE. By Michael Redlich
Uber’s Legal AI Agent Cuts Contract Review Time by 20% with Rules and RAG
InfoQ · 2 天前
Uber’s Legal Redlining Agent reviews contract changes in Microsoft Word using RAG, historical lawyer feedback, and deterministic policy rules. Built with LangGraph, OpenSearch, and Redis, the system reports more than 20% lower average contract review time and 91% accuracy in AI-generated decisions. Uber is exploring agentic harnesses, skills, legal ontologies, and knowledge graphs. By Leela Kumili
让当地居民生厌的AI数据中心,为什么美国当地政府还在抢?
虎嗅 · 2 天前
本文来自微信公众号: 好望角view ,作者:好望角出海编辑部10月13日,美国阿拉巴马州朗兹县(Lowndes County)委员会批准了一项大型数据中心开发协议,并向开发商提供未来20年总额约11.5亿美元的税收优惠。这个决定让当地不少居民感到愤怒。几个月来,反对者不断出席县委员会会议,举着写有“No Data Center”的标语,要求政府说明项目的用电、用水和环境影响。原本以为相关协议会在10月20日表决的居民,直到13日才发现,县委员会已经提前通过了方案。在此之前的10月1日,密歇根州韦恩县(Wayne County)也发生了一场围绕数据中心的政治争议。县行政长官沃伦·埃文斯否决了谷歌数据中心项目的税收优惠支持决定,县委员会随后以13比0的投票结果推翻了他的否决。这个计划投资超过20亿美元的项目,此前获得当地镇政府约1.25亿美元税收优惠支持。县委员会推翻否决后,项目继续保留申请相关税收优惠的资格,最终建设许可仍由地方政府另行决定。10月30日,明尼苏达州赫曼敦(Hermantown)市议会也批准了谷歌大型数据中心的特殊使用许可和开发协议。此前,谷歌已经宣布放弃最高8000万美元的房产税减免申请。当地政府预计,项目投运后每年可带来近300万美元市级房产税。居民关注电价、供水、噪声和施工带来的生活变化。地方政府则希望借助科技公司的投资,获得新的税收、就业和基础设施。在路易斯安那州东北部,一个人口只有约2万人的农业地区,已经尝到了AI投资带来的甜头。今年6月,里奇兰教区(Richland Parish)的部分教师,收到了一张50,935美元的奖金支票。一年前,同样资格的教师只能拿到10,200美元。学校后勤人员的奖金也从3323美元提高到17,472美元。在当地Holly Ridge小学任教的莎拉·莫里斯(Sarah Morris)感到意外。她接受地方媒体采访时说,大家知道今年奖金可能增加,但从未想到会有这么多。Meta Hyperion数据中心建设现场来源:Bloomberg,摄影Wayan Barre,2026年5月。这笔钱来自Meta正在建设的一座人工智能数据中心。2024年12月,Meta宣布在里奇兰投资100亿美元建设数据中心。2026年7月,公司将投资承诺提高至500亿美元以上,规划算力容量达到5吉瓦。大型承包商进驻,数千名建筑工人来到当地,旅馆住进了外地工程师。施工带来的采购和消费让地方销售税收入迅速增长,学校也因此获得了更多资金。但Meta预计,项目全部建成后,只会创造约1000个长期岗位。对于里奇兰来说,眼前的施工繁荣已经兑现成了教师奖金。等到工地上的大部分人员离开,这笔钱还能持续多久?01|施工队来了,小镇突然有钱了2025年,里奇兰教区全年销售税收入达到3870万美元,比2024年的2060万美元增加1810万美元,增长接近88%。当地商业数据机构Crenshaw Analytics整理的历史资料显示,2004年至2024年的20年间,里奇兰年度销售税收入总共才增加约1300万美元。Meta项目开工一年带来的增量,已经超过此前20年的累计增长。进入2026年,施工活动仍在扩大。今年上半年,里奇兰所在的路易斯安那州东北部10个教区,合计获得2.397亿美元销售税收入,比2024年同期增加6990万美元。其中,里奇兰的收入较2024年同期增长396%。大型数据中心需要大量土建、电气安装、暖通和供配电工程。建筑材料采购、设备租赁,以及工人在当地住宿、吃饭和购物,都带来了销售税收入。里奇兰的学校有一项特殊安排。当地早在1968年就设置了专门用于教职员工年终额外报酬的1%销售税。每年根据实际收入和员工资格进行分配,销售税收入增长后,教师和后勤人员能够获得的奖金也随之提高。今年6月10日,部分符合完整领取条件的教师拿到了50,935美元,后勤人员获得17,472美元。学校管理部门发现,来自其他地区的教师开始主动询问当地的工作机会。当地小学门前的大型工程车辆,Holly Ridge Elementary School,2025年10月17日。摄影:Dylan Hawkins/Gulf States Newsroom。施工合同也让当地企业获得了生意。根据Meta公布的数据,自2024年12月开工以来,公司已向路易斯安那州企业授予超过16亿美元合同。DPR Construction、Turner Construction和Mortenson Construction三家大型承包商参与项目建设,带来了大量电工、焊工、机械安装和工程服务需求。部分周边城镇的民宿经营者,也开始长期接待在工地工作的外地工程师。施工给学校带来了收入,也增加了附近道路的交通压力。2025年11月,当地新闻机构Verite News报道,Holly Ridge小学因工程车辆频繁经过,出于安全考虑,暂停使用了靠近道路的部分游乐区域。工地周边道路记录的交通事故数量也明显增加。对于当地居民,税收增长和施工扰民发生在同一时期。而项目支付的大部分施工工资,最终将流向外地。10月28日,路易斯安那东北部区域经济发展机构Grow NELA公布了一份由咨询公司Ginovus编制的经济影响研究。报告预计,Meta数据中心及配套电力项目在整个建设期间,将支付约23.1亿美元施工工资。其中,约5.99亿美元流向路易斯安那东北部10个教区的居民,占总额的25.9%。剩余约17.1亿美元,将由其他地区的工人获得。大型承包商从外地调来专业技术人员,按照工程进度完成施工。他们在里奇兰租房、吃饭,几年后又会去下一个工地。里奇兰已经开始尝试让更多本地居民参与建设。今年7月,Meta向路易斯安那三角洲社区学院捐赠500万美元,资助当地年轻人学习数据中心相关技术课程。但工程已经全面展开,最早一批高薪技术岗位,相当一部分仍由外地人员获得。02|一万名建筑工人,最后留下1145个岗位2024年12月,Meta首次公布里奇兰项目时,预计投资100亿美元,创造500个长期岗位。到了今年7月,项目投资承诺扩大到500亿美元以上,建筑面积从约400万平方英尺增加至接近1000万平方英尺,长期岗位预期提高到1000个。投资规模至少增加四倍,长期岗位数量增加一倍。10月Grow NELA的研究进一步预计,加上为数据中心建设电力设施的Entergy项目,整个工程建设高峰期将有约1万名技术工人参与;全部投运后,两家企业合计创造1145个直接长期岗位,其中Meta约1000个,Entergy约145个。来源:IEEE Spectrum,Meta Hyperion建设现场。对于人口约2万人的里奇兰,1000个长期岗位依然相当可观。研究预计,Meta员工平均工资将比当地平均水平高出50%以上。问题在于,数据中心的日常运营需要的人手,远少于建设阶段。大型AI数据中心的大部分投资,用于采购GPU服务器、存储系统、网络设备,以及配套的供电和制冷设施。服务器安装完成后,可以通过软件集中调度,现场主要保留电气工程师、制冷设备维护人员、网络技术员和设施管理人员。弗吉尼亚州议会审计机构JLARC在2024年的研究中,曾以一座约25万平方英尺的数据中心为例:建设高峰期可能需要1500名工人,运营阶段仅需要约50人,其中部分为承包商员工。里奇兰的数据中心规模远超这一普通样本,但建设与运营人员数量之间的差距同样明显。施工期间,当地旅馆、餐馆和运输企业需要接待大量外地工人。建筑材料供应商也会增加仓储和车辆。进入运营阶段,这些需求会随着工程进度逐步下降。根据Ginovus研究,Meta及Entergy未来25年预计累计向本地区居民支付约21亿美元运营工资,平均每年约8400万美元。对于当地长期就业,这是一笔可观的收入。但相比施工高峰期,工作岗位将更加集中,受益的服务行业也会发生变化。大型数据中心可以长期运行,不断增加服务器和设备投资,员工数量却无需同比例增长。地方政府希望从这些昂贵的设施中获得另一项长期收入:财产税。03|工人少了,房产税可能越来越多今年10月28日,Grow NELA公布的经济影响研究预测,2025年至2050年,Meta数据中心及Entergy配套电力项目,将为里奇兰地方征税机构带来约28亿美元净房产税收入。按照25年计算,平均每年约1.12亿美元。研究预计,当项目应税资产评估价值达到高峰时,单年净房产税收入可能达到1.5亿美元。当地学校预计从中获得约12.6亿美元,执法部门约4.03亿美元,医院相关机构约3.7亿美元。这份预测由区域经济发展机构委托制作,未来结果取决于项目实际投资、设备估值、税收协议及运营情况。对于一个长期依赖农业的地区,房产税收入可能逐渐超过施工带来的短期消费税增长。美国已经有一个发展了几十年的例子。弗吉尼亚州劳登县(Loudoun County)靠近华盛顿特区。20世纪90年代,美国在线AOL、UUNet等互联网企业在周边建设通信设施,逐渐形成了密集的光纤网络和数据中心集群。随着云计算产业扩张,微软、亚马逊等科技企业及数据中心运营商陆续进入,越来越多的机房建在这里。截至2026年9月,劳登县已有约245栋建成或处于不同建设阶段的数据中心建筑,总面积约5830万平方英尺。数据中心已经成为当地最大的税收来源之一。劳登县政府公布,2026财年,数据中心相关房地产和设备财产税收入达到约12亿美元,占县预算的39%。2027财年,预计增加到13亿美元,占预算约40%。其中,约8.79亿美元来自服务器等计算设备的财产税,约4.18亿美元来自房地产税。设备贡献了大约三分之二的税收。数据中心运营商需要定期采购和更新服务器。随着AI计算需求增长,单台服务器的价值越来越高。对于能够征收设备财产税的地方政府来说,这些服务器本身就是重要税源。不过,设备也会折旧。科技公司更新设备的速度、服务器采购价格以及资本开支计划,都会影响未来的应税资产价值。劳登县政府已经提醒,未来五至十年,数据中心相关财产税增长可能逐渐进入平台期,需要控制长期财政支出的增速。但过去几十年,数据中心确实改变了劳登县的财政结构。当地政府能够利用相关收入改善学校、道路和公共服务,还曾通过降低房地产税率减轻部分居民负担。弗吉尼亚州劳登县成熟的数据中心园区。来源:Associated Press图片,经CapRadio报道使用。里奇兰自然希望获得类似的收入。只是劳登县拥有成熟的光纤网络、技术服务企业和大量数据中心客户,里奇兰此前主要依靠农业,目前的增长高度集中于Meta一个大型项目。两地在税收政策上还有一个明显差别。劳登县能够持续向数据中心征收大量设备财产税。里奇兰为了吸引Meta投资,则提供了相当可观的税收优惠。04|有人愿意减税11.5亿美元,有人开始拒绝补贴今年5月,Meta向里奇兰支付了2240万美元税款。根据《华尔街日报》披露的安排,Meta利用路易斯安那州为大型数据中心提供的税收优惠机制,以相当于符合条件采购金额1%的年度付款,替代部分通常适用的销售税。首笔2240万美元付款中,超过一半流向当地学校。Meta同时获得了长期税收优惠。2024年,路易斯安那州通过专门立法,允许符合条件的数据中心在部分设备采购和建设支出方面享受销售及使用税优惠。根据当地相关融资机构介绍的协议,Meta还享有80%的房产税减免安排,并需要满足至少500个现场岗位等条件。阿拉巴马州朗兹县今年10月批准的项目,采取了类似方式。开发商Cloverleaf Infrastructure拟建设一座大型数据中心,预计未来20年获得约11.5亿美元税收减免。按照开发商提交的计划,项目预计创造225个长期岗位,建设阶段提供至少1000个临时岗位。当地居民连续数月提出反对,担心数据中心的电力需求、基础设施成本及环境影响。一些反对者还质疑,在最终运营客户尚未公布的情况下,县政府为何急于批准优惠。朗兹县经济发展委员会主席托马斯·埃利斯则表示,项目带来的税收和就业,将帮助当地学校及公共服务获得更多资金。开发商预计,即使享有税收优惠,项目每年仍会产生约1.24亿美元地方税收,以及2500万美元州级税收。这些数字目前都属于项目方预测。地方政府希望获得长期税源,但为了争取项目,也需要提前让出相当一部分潜在税收。这种做法已经引发美国部分州议会重新审视。11月9日,弗吉尼亚州JLARC公布最新的经济发展激励政策评估。报告显示,2021至2025财年,弗吉尼亚州给予数据中心的销售和使用税减免累计达到约45亿美元。仅2025财年一年,相关减免成本就达到约14亿美元。2016至2025财年的全部经济发展激励支出中,数据中心销售和使用税豁免占约60%。JLARC重新评估这些优惠政策实际促成了多少投资。过去的模型认为,90%至100%的相关数据中心投资活动由减税政策促成;新模型把这一比例下调至约50%。据此估算,每提供1美元数据中心税收优惠,弗吉尼亚州政府预计只能收回约22美分新增州级税收。数据中心选址越来越依赖电力、土地和网络条件。尤其是大型AI计算集群,需要持续获得数吉瓦的稳定电力供应。具备这些基础设施的地区,即使减少税收优惠,也可能继续吸引投资。明尼苏达州赫曼敦的谷歌项目,就出现了这样的变化。谷歌原本申请最高8000万美元房产税减免,经过当地居民和政府讨论后,于10月宣布撤回申请。赫曼敦市政府估计,项目投运后每年能够贡献近300万美元市级房产税。10月30日,市议会批准了项目的特殊使用许可和相关协议。但此后当地出现诉讼,开发方11月10日撤回后续议程申请,项目仍有后续程序需要处理。税收优惠取消了,市政府仍然希望项目能够推进。另一边,印第安纳波利斯的态度更加谨慎。11月10日,该市议会下属经济发展委员会建议否决DC Blox数据中心约1.13亿美元的税收优惠。开发商计划投资约18亿美元,施工高峰期可能雇佣600名工人,但长期岗位预计只有21个。居民质疑,为了这些岗位提供大额减税,是否值得承担噪声、能源和其他社区影响。最终决定仍待市议会表决。今年秋天,美国不同地区围绕数据中心的决策已经出现明显分化。朗兹县愿意批准11.5亿美元税收优惠,韦恩县委员会推翻行政长官否决,支持谷歌项目保留优惠资格;赫曼敦则在谷歌撤回减税申请后,仍然批准了关键开发文件。印第安纳波利斯开始质疑补贴规模,弗吉尼亚州议会也要求重新核算过去多年的减税效果。这些地方政府面对的企业大多有巨额资本开支计划,但各自拥有的电力、土地、通信设施以及成熟产业基础不同,能够争取的税收条件也存在差异。里奇兰为了获得Meta投资,还承接了一个规模庞大的电力配套工程。今年3月,Entergy Louisiana宣布计划为Meta扩建七座天然气发电设施,总装机容量超过5200兆瓦,并配套建设输电和储能设施。根据相关证券文件,这些天然气发电设施预计投资约129亿美元,另外一条500千伏输电线路预计投资约14亿美元。Meta与Entergy已经签订长期供电安排,涉及最低付款、项目提前终止责任及其他客户保障条款。2025年12月1日,Franklin Farms Power Station开工仪式。图片由Entergy Louisiana提供,刊载于Louisiana Illuminator。双方预计,这些协议未来20年可以为路易斯安那州其他电力用户节约约26.5亿美元。实际节约规模仍取决于未来投资、发电成本和用电情况。对于Entergy,Meta提供了一个用电规模庞大、合同期限较长的客户。对于Meta,电力设施能够支持未来不断增长的AI计算需求。地方政府则希望从建设工程、财产税及后续维护服务中获得收入。05|里奇兰还能发出下一张5万美元支票吗?今年10月,Grow NELA公布的经济影响研究预计,Meta及配套电力项目将在2025年至2050年间,为路易斯安那东北部创造132亿美元累计经济产出。同期,项目预计为本地区居民带来约27亿美元施工及运营工资,并向里奇兰地方征税机构贡献约28亿美元净房产税。这份预测给里奇兰提供了一个相当乐观的长期前景。但施工工资、运营工资和地方税收,最终进入不同主体的收入。施工工资随着建设工程支付,其中大部分预计由本地区以外的工人获得。运营工资主要集中在Meta、Entergy以及其他配套企业的长期岗位。房产税则进入地方政府和公共机构,按照预算和专项税收用途,分配给学校、执法、医疗及其他公共服务。里奇兰目前最明显的变化,仍然发生在施工阶段。数千名工人陆续进入,当地销售税收入快速增长,学校获得了更多资金。旅馆、餐馆和运输企业,也迎来了过去少见的生意。Meta已经承诺向当地道路、供水、污水处理及其他基础设施投入超过10亿美元,并向社区学院提供500万美元,培训数据中心相关技术人员。未来如果有更多通信、设备维护、工程服务及其他企业进入里奇兰,当地居民便有机会获得更多长期岗位。劳登县用了几十年,才逐步建立起今天的数据中心产业集群。它有成熟的网络设施、技术供应商和大量客户,也能够持续从服务器设备中收取税款。里奇兰刚刚开始建设自己的第一座大型AI数据中心。项目投资承诺超过500亿美元,但当地人口规模小,产业配套和技术人才仍然有限。如今大量新增商业活动集中在施工工地周边。等主要建筑和设备安装完成,这些需求将逐步减少。税收安排还会影响长期收入。Meta获得了房产税优惠,里奇兰需要依靠剩余应税资产、约定付款和其他财政收入改善公共服务。未来25年28亿美元净房产税的预测,还需要经历漫长的建设和运营周期才能验证。当地教师最关心的奖金,则取决于另一项收入。今年发放的50,935美元,主要来自建设期间激增的专用销售税。未来即使房产税收入持续增加,这笔钱也未必会进入同一个教师奖金基金。施工人员终究会离开,旅馆将减少一批长期住客,餐馆会失去部分每天来吃饭的工人。数据中心会继续运转,服务器持续消耗电力,Meta利用这些设备向全球用户提供AI服务。对于里奇兰的教师来说,500亿美元投资带来的变化,最终仍然体现在每年的学校预算和家庭收入上。今年6月,他们第一次拿到了超过5万美元的额外报酬。等到主要工程完工,学校还能不能继续发出这样一张支票,将取决于数据中心长期经营后,究竟给这座小镇留下多少可以持续征收的税收。