全网AI集体翻车,为什么它们死活画不对13个鸡蛋?
虎嗅 · 7 小时前
本文来自微信公众号: 果壳 ,作者:Steed,原文标题:《全网AI集体翻车!为什么它们死活画不对13个鸡蛋?》给你一张白纸,画13个鸡蛋,你需要多久?一分钟?画一个数一个,画完再点一遍,大概连橡皮都用不上。可这道题交给AI,它画了十几轮,一轮也没画对。11月18日,“让豆包画13个鸡蛋”就这么冲上了微博热搜,话题热度当天破了百万。从热搜里流传的截图看,经过是这样的。“让豆包画13个鸡蛋”,这是第一轮丨微博用户@一号哨位“让豆包画13个鸡蛋”,这是第二轮丨微博用户@一号哨位“让豆包画13个鸡蛋”,这是第三轮丨微博用户@一号哨位“让豆包画13个鸡蛋”,不知道是第几轮了丨微博用户@一号哨位“11号呢?”这句话成了全网热梗。更好笑的是,每一轮豆包都说“这次锁定了”,每一次都没数对。到最后,它自己认了输:别做图了,用文字清单最稳,4+4+5=13。网友管这叫“滑跪式认错”。翻车的不止豆包。热搜当晚,“哪家AI能画对13个鸡蛋”成了全网自发的测试题。有网友测到,千问画出过12、15、16个,可灵画出12个,即梦画出了12个半。也有人说豆包试到第4次就成功了,ChatGPT一次就画对了。同一道题,有人一次就过,有人十几轮都不过。这种时灵时不灵,本身就是线索。为什么偏偏是13蛋托的标准款多是12格,模型在训练中见得最多的,很可能就是一盒装满的12个。你写“盒子里13个鸡蛋”,它先画出一个装满的标准盒子,第13个就没地方放了。有人把“盒子里”改成“桌上散放”,难度立刻降了一截。13还是个质数。12可以排成3×4或2×6,整整齐齐。13只能排成1×13,放进任何规整的格子,都要多出一个或空出几格。据博主零重力瓦力的一次横测,9个模型里有4家画对了。结果里还有个细节:画对的,基本把蛋排成了不整齐的布局。画错的,倾向于凑整行整列。画错的模型,把“排整齐”看得比“数对”更重要。AI有时候也能生成13个鸡蛋丨Gemini这只是单次测试,不能当排行榜看。再看数量本身。网友的观察是,个数少的时候还算靠谱,一到十几个,就在12、14、15、18之间来回跳。13刚好落在这一段。占不满格的蛋托、排不齐的质数、数不清的十几个,13一个数全占了。它不是在画,是在“显影”数不清的根子,出在AI的画法上。人画13个蛋,是先在纸上标好位置,画一个数一个,漏了就补。主流的AI生图模型大多走扩散路线,画法完全两样。它从一张纯噪声图开始,就像老式电视没信号时的雪花屏。然后一遍遍去噪,每一步都问自己:如果这张图是“一盒鸡蛋”,哪里该亮,哪里该暗。几十步之后,画面从模糊变清晰。这更像冲洗照片,整张相纸一起显影,没有哪一笔是先画的。模型内部也没有“已经画了几个”这样的计数器,数量只能靠画面各部分之间的关系隐约维持。物体一多,这种维持就松了。扩散模型出图时,整张画面从一片“雪花”开始,一遍遍去噪,逐渐显影成清晰的图像,中间没有“画一个、数一个”的步骤丨作者生成的示意图,底图来自Famartin/Wikimedia Commons(CC BY-SA 4.0)它学的是“看起来像”。看过海量的鸡蛋照片,学会了一盒鸡蛋大概长什么样,却没学会13在画面上对应几个蛋。2025年3月有篇论文,标题直译过来是“文生图扩散模型不会数数,改提示词也没用”。研究者测了15个模型,豆包、可灵、混元、通义万相都在名单里。也就是说,这道题一年多前就有人认真考过,豆包当时就在考场上。结果很一致:要求画1到5个物体,各模型准确率约60%到80%;6到10个,降到约10%到30%;11到15个,几乎所有模型都低于10%。13正好落在最难的一档。2025年3月的论文里,豆包被要求画“N个苹果放在木桌上”,N从1到15。数量一多,画出来的个数就对不上了丨Guo et al.,arXiv:2503.06884(CC BY 4.0)总体最好的Imagen-3,平均准确率也只有43%。研究者还试了几种改写:把数量拆成乘法、加法,平均准确率反而分别降到26%和23%;连指定每个物体放在哪里,也降到了20%。热搜里网友一轮轮改写、换排布,论文一年多前就替大家试过了,结论是——越改越差。同一篇论文按难度分档测试:左边两列是简单题(1到4个),中间是中等题(9个),右边是困难题(13到15个)。打勾表示数对,打叉表示数错。“13棵树”这道题,所有模型都错了丨Guo et al.,arXiv:2503.06884(CC BY 4.0)另一篇2025年10月的论文,解释了为什么有时画对、有时画错。每次图片生成都从一张全新的随机噪声图开始,最后画出几个物体、画在哪里,很大程度上在这张噪声图里就定了个大概。提示词里的数字,反而是个弱信号。所以“偶尔画对”很像抽卡,撞上了一张恰好适合画13个蛋的噪声图。豆包一次出的4张图里,15颗、11颗、13颗混在一起,也是这个道理。重新生成一次,就是重抽一次;就算在上一张的基础上改,它也不会去数。所以越改越乱,并不奇怪。为什么画错了还嘴硬?问题出在分工上。负责聊天的模型,完全知道13是多少。单独问它“12后面是几”,几乎不会答错。但出图的通常是另一个模型,它拿到的只是一段文字描述,13只是其中一个词。各家产品内部怎么分工,大多没有公开。很可能的情况是,聊天模型说“已补到13个”,意思是“我已经按要求下了指令”,不等于它看过、数过那张图。就算它回头去看,数数也是它的弱项。让它“完成前数一遍”,等于让它用最弱的能力给自己验收。“你说得对”,几乎是ChatGPT的招牌式回答了丨ChatGPT嘴硬还有一层原因:聊天模型天生爱顺着人说话。你追问“真的是13个吗”,它容易先答“是”;等你指出只有12个,它又马上改口“确实只有12个”。它不是在核对,是在接你的话。模型说“已补到13个”,和它真的画出13个,是两回事。怎么才能画对想让它画对,网友有几个办法。把“盒子里”改成“桌上散放”,绕开12格的模板。让鸡蛋之间留出空隙,免得粘连。先画标准的一盒12个,再局部重绘加1个。让它先画一个,再在画布上复制13份。还有人直接写排布:第一排5个,第二排5个,第三排3个。这招有人说几乎一次就对,也有人说还是不行。说管用的,多半是运气和场景简化(比如拿掉蛋托)一起起了作用。改写提示词,治不了根。学术界的解法在另一个方向。有研究给模型加上“边画边数、少了就补”的环节,原版模型的准确率只有26%,加上这个环节后到了54%,翻了一倍。给模型加上“边画边数、少了就补”的环节(上排)后,6只小猫、5个鸡蛋都画对了;原版模型SDXL(下排)只画出4只小猫、6个鸡蛋丨Binyamin et al.,Make It Count,CVPR 2025(CC BY 4.0)还有研究把目标数量的布局预先写进初始噪声,在简单的合成测试图上,准确率从20.0%升到85.3%。这些办法大多还没变成人人可用的产品功能,修好之后,准确率也只到一半左右到八成多。至少眼下,数清13个鸡蛋这件事,人还是稳赢。类似的题,其实远不止这一道。让豆包画一把带刻度的小直尺,厘米刻度里的毫米小格大概率不对。这还是数数的老毛病,只不过13个鸡蛋换成了10个小格。某顶刊论文中的实验图片,被质疑AI生成,这把直尺就是证据之一丨Journal of Translational Medicine让豆包画一个左手写字的人,它多半给你一只右手。这又是蛋托那一套:它见过的写字的人,绝大多数用右手。豆包生成的“左手写字的人”丨豆包要是不信,你现在就可以顺手让豆包画一杯“倒得满满当当、快要溢出来的红酒”。不出意外,它大概率还是会优雅地给你倒上三分之一杯,再一本正经地告诉你,酒已经倒满了。PS:本文题图就是豆包生成的,你猜猜看,鸡蛋数量画对了吗?参考文献[1]一号哨位.豆包,咱能不能长点心#豆包被十三个鸡蛋难倒##豆包画不对13个鸡蛋#[EB/OL].微博,2026-11-18[2026-11-19].https://www.sina.cn/news/detail/5366563525889520.html.[2]GUO X,HUO J,LIANG Y,et al.Text-to-image diffusion models cannot count,and prompt refinement cannot help[EB/OL].arXiv:2503.06884,2025[2026-11-19].https://arxiv.org/abs/2503.06884.[3]ZHAO Y,WANG X,DONG L,et al.Demystifying numerosity in diffusion models:limitations and remedies[EB/OL].arXiv:2510.11117,2025[2026-11-19].https://arxiv.org/abs/2510.11117.[4]BINYAMIN L,TEWEL Y,SEGEV H,et al.Make it count:text-to-image generation with an accurate number of objects[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).2025:13242-13251.[5]SHARMA M,TONG M,KORBAK T,et al.Towards understanding sycophancy in language models[EB/OL].arXiv:2310.13548,2023[2026-11-19].https://arxiv.org/abs/2310.13548.一个AI我嘴硬,是因为我不知道自己错了。你嘴硬,是因为你知道。本文来自果壳,未经授权不得转载.
华尔街狂热,华盛顿划线:Anthropic的上市前夜
虎嗅 · 9 小时前
本文来自微信公众号: 霞光AI实验室 ,作者:Vinco,编辑:李小天当地时间11月18日,Anthropic宣布将其IPO的A类普通股定价为每股83美元,公司估值逼近1.5万亿美元,超过此前1.4万亿美元的目标。北京时间今晚,股票将在纳斯达克开始交易,代码“ANT”。两天前,11月16日,美国商务部工业与安全局(BIS)发布新规,限制海外数据中心向中国相关实体提供算力,并将先进芯片出口管制扩展至东南亚四国及巴西。一边是近5000亿美元认购意向把Anthropic的发行价从70-78美元的区间推高至83美元,一边是华盛顿正在重新划定先进算力的许可边界。两件事没有公开证据证明存在直接因果,但它们的同频,恰好构成了Anthropic上市前夜的真实切面:在算力被重新划定边界的当下,资本市场究竟在为什么定价?逆风中的5000亿:华尔街为什么疯抢Anthropic?Anthropic的定价超出了此前设定的上限。公司原本计划以每股70至78美元发行8.25亿股A类普通股,按区间上限计算募资约644亿美元。据Anthropic最新公告,最终定价为每股83美元,较上限(78美元)高出约6.4%;发行规模同步扩大至9.8亿股A类普通股,其中Anthropic出售956,351,354股,售股股东出售23,648,646股,Anthropic将不会从出售股东出售的股份中获得任何收益。按9.8亿股计算,募资约813亿美元,成为历史上规模最大的IPO之一。承销商还获得30天超额配售权,最多可追加购买1.47亿股A类普通股。图源:Anthropic X推文需求端解释了这次上调。据悉,Anthropic关闭订单簿时,机构投资者认购意向约4000亿美元,个人投资者需求接近1000亿美元,合计接近5000亿美元,远超发行规模。作为对比,SpaceX今年6月上市时基础募资750亿美元,行使超额配售权后总募资约862.5亿美元,创下当时的IPO纪录;其认购需求超2500亿美元,超额认购约3到4倍,且始终维持135美元的固定发行价。按同一口径,Anthropic的基础募资额已超过SpaceX;更关键的是,其认购需求接近5000亿美元,超额认购约6倍,并在突破定价区间上限的同时扩大了发行规模,“AI资产配置争夺战”的激烈程度可见一斑。这不是单纯的IPO热。在AI行业经历了近期一系列冲击之后——包括美国中期选举带来的政策不确定性、英伟达遭遇的监管与舆论风波,以及市场对利率上升可能挤压数据中心开发商和云服务商债务偿还能力的担忧——Anthropic仍能吸引近5000亿美元认购意向,说明公开市场对头部AI资产的配置需求依然强劲。投资者买入的是对“人工智能行业历史性时刻”的押注。把这次发行放进更长的时间线里看,意味更加清晰。从沙特阿美到SpaceX再到Anthropic,全球最大IPO的纪录在七年里两度易主,背后是核心生产力的迁移:资本押注的对象从地下的石油,到天上的卫星网络,再到数据中心里的大模型,智能正在成为新时代的“石油”。估值逻辑随之改变,过去按利润和分红给成熟巨头定价,如今是为远期增长和技术范式提前买单。与此同时,造火箭、买芯片、建算力让科技公司重新变“重”,一级市场已难以承接如此庞大的资金需求,公开市场成了必然选择,纪录也因此一再被刷新。但纪录不等于价值,这一轮AI资产能否把认购热度转化为持续的收入和利润,还要交给未来几年的财报来回答。投资者即供应商:AI巨头的循环游戏这场事先张扬的上市之后,Anthropic将走向何方?其最新披露的招股书或许能让我们管窥一二。从招股书中,我们能够看到的是,一个高速增长与巨额亏损并存的AI巨头,承载着市场对AI的全部预期与热望。截至9月30日的前九个月,Anthropic实现营收332.4亿美元,较去年同期增长约1200%;净亏损1040亿美元,其中大部分来自可转换票据和衍生负债的公允价值变动。据公司披露的招股书更新文件,截至10月31日,Anthropic更新的ARR(Run-Rate Revenue)升至810亿美元,较9月底增加100亿美元(该指标按近期消费及订阅活动年化,不等同于全年已实现收入或收入预测)。业务层面,Claude系列主要面向企业客户,AI编程工具Claude Code的广泛流行推动了2026年的爆炸式增长,Anthropic也一直在企业市场与OpenAI和谷歌等争夺竞争优势。当前,Anthropic 83美元的发行价对应约1.5万亿美元的完全稀释估值。但在估值背后还有一层资本绑定。亚马逊和谷歌持有的Anthropic股权价值均超1000亿美元;谷歌、微软、英伟达、AMD等科技企业已同意通过私募配售合计向Anthropic投资260亿美元。与此同时,Anthropic本身也向英伟达、谷歌、亚马逊、AMD采购高价算力设备。这些公司究竟是Anthropic的对手、股东,还是供应商?答案是:都是。环环相扣的利益链条,让硅谷巨头在竞争中结成了互利互惠的产业盟友。先看产业关系。英伟达、AMD既是核心芯片供应商,也是战略投资方;谷歌、亚马逊既提供TPU、Trainium芯片与云基础设施,又持有大量股权,同时在模型和云AI服务市场与Anthropic直接竞争;微软既是投资方,又通过OpenAI参与大模型生态竞争。资本注入、算力采购、云服务、渠道分发与商业竞争,被层层绑定在同一张产业网络中。投资方通过股权获得长期商业关系,Anthropic则换取芯片供应、算力排期、融资信用和生态入口。资本在这里不只是财务回报工具,更是锁定算力资源、巩固供应链、扩大生态影响力的战略手段。这种结构呈现出鲜明的生态闭环特征,它既增强了算力供给的确定性和产业链协同,也让Anthropic的议价能力与利益冲突承受更大压力。资本是明线,地缘是暗线:Anthropic上市的另一面资本、算力与竞争,构成了硅谷巨头角力的主线叙事;而一旦把这一叙事放进中美AI竞速的地缘坐标中,Anthropic的故事便多了一层耐人寻味的意涵。11月16日,美国商务部工业与安全局发布《管控对先进半导体的远程访问》新规,把“远程算力访问”纳入管制:只要海外数据中心向中国相关实体提供的算力超过1200万TPP——约合750张英伟达H200——就须申请许可;已服务中国相关实体的数据中心有90天窗口申请,商业推荐系统除外;新规同时把东南亚四国和巴西纳入先进芯片出口许可范围,并收紧代工合规检查。值得注意的是,750张卡对万卡级前沿模型训练几乎不构成直接约束。尽管Anthropic作为美国公司,短期内不受该规则直接冲击,但它背后的信号意义不容忽视:管制范式正在从"限制芯片出口"扩展到"管理算力访问"。这一转向改变的是全球算力的合规成本、供给预期,以及投资者对政策风险的定价方式,而Anthropic恰是一家重算力采购方。据媒体披露,东南亚是过去几年中资算力出海的重点区域:泰国已批复的数据中心项目中,中资背景或主要服务中资大厂客户的占比据称高达六至七成;马来西亚柔佛的算力枢纽里,中国云厂商和中资第三方数据中心同样是主力。马来西亚已表示拟立法要求数据中心披露运营方、用电量和GPU进口数量。这些规则不直接针对Anthropic,却实实在在地抬高了全球算力市场的合规成本。英伟达相关风波则是同一背景下的风险显影。上周英伟达首席执行官黄仁勋离职,引发市场对AI供应链核心环节稳定性的关注,也把算力产业的政治敏感性推到台前。而从已披露的招股信息看,Anthropic的算力策略本身就在向“去单一依赖”倾斜。公司计划将亚马逊Trainium、谷歌TPU、英伟达GPU以及AMD GPU四类芯片资源整合为统一、可灵活调配的算力池,并借助软件技术根据各芯片在不同场景下的性能优势进行任务分配。这一布局被部分分析师解读为大型AI企业增强议价能力、降低供应波动风险的手段;但代价是成本结构将更受多源算力价格与合规环境的影响,且短期内英伟达在性能、网络互联和软件生态上的优势仍难以被完全替代。因此,Anthropic 83美元的发行价,是资本市场对AI头部资产的一次高价投票。近5000亿美元认购意向、逼近1.5万亿美元估值,共同说明公开市场仍愿意为AI增长故事支付溢价。而在上市前夜,达里奥·阿莫迪在访谈中提到“不要让一家公司的估值比它实际应有的价值高出哪怕1美元”的克制,也让这场IPO多了一层张力。但算力地缘政治给出了另一条线。芯片出口许可、海外数据中心对华算力上限、流片合规检查、国会四项法案,正在把算力从商业成本变成战略变量。而Anthropic的估值叙事正建立在算力采购、模型训练和企业客户增长之上。接下来市场会给出新的答案。即将揭晓的上市首日交易表现、承销商是否行使超额配售权,是短期观察点;更长的观察点在于,Anthropic能否在算力地缘政治与供应链边界内,把庞大的算力支出,高效转化为持续增长的收入。
这种神秘消失的器官,是否暗藏长寿密码?
虎嗅 · 14 小时前
本文来自微信公众号: 自然系列 ,作者:Nature Portfolio本篇《自然》长文共4049字,干货满满,预计阅读时间13分钟,时间不够建议可以先“浮窗”或者收藏哦。原文作者:Edward Chen研究者竞相尝试再生胸腺——一种短暂存在的免疫器官,希望借之延缓衰老。1996年,低温生物学家Gregory Fahy走进自己医生的办公室,说服对方开出了一个月的生长激素。他想通过注射让自己胸腺重新生长(依据仅仅来源于一项大鼠研究[1]),胸腺是一个特殊的免疫器官,会随着年龄增长而萎缩直至近乎消失。Fahy认为,重生胸腺将有助于他过上更长寿、更健康的生活。Fahy说变化很明显,至少从磁共振成像(MRI)扫描来看如此。他的胸腺功能性组织几乎翻倍了[2]。至于这是不是让他感觉更年轻就不知道了。“我当年只有46岁,多少还处在巅峰状态。”他说,但他说后来几次再生胸腺的尝试让他感觉“精力充沛,所向披靡”。起初这是一场不受监管的自我实验,现在已发展为一系列小型临床试验,由美国生物制药公司Intervene Immune开展,Fahy担任首席科学官。这家公司并非孤例。过去三年间,一系列文献指出,这一曾被认为可有可无的器官能够指示一个人的整体健康情况,这使得胸腺研究数量大增。今年发表的两项研究[3,4]报告,胸腺健康状况的衰退与死亡风险增加有关,这加剧了人们的热情。投资者对此反响积极。1月,瑞士一家生物技术公司TECregen筹集了一千万瑞士法郎(约1240万美元)研发再生胸腺的疗法,据公司网站称,这可能有助于缓解衰老、预防癌症。它尚未披露任何候选药物。去年10月,美国专注胸腺的生物技术公司Zag Bio在获得8000万美元资金后成立。风险投资机构和制药企业纷纷联系Fahy等科学家,启动自己的研究项目。“这个领域引发了极大关注。”美国希望之城(City of Hope,一家癌症医院及研究中心)的首席医师及负责人Marcel van den Brink说,他从1996年开始研究胸腺。“人们曾普遍认为我是在浪费时间。”他说。但现在,“许多人来找我们”严肃探讨这一领域。(Marcel van den Brink是美国一家生物技术公司Thymofox的科学联合创始人。)被遗忘的器官几十年来,人们都认为胸腺是个退化器官。它“被遗忘,不受重视”,英国牛津大学的免疫学家Georg Holländer说,他共同创立了TECregen。20世纪20年代,一些研究者认为这个器官参与了鸟类蛋壳形成,但在哺乳动物中作用有限。几十年后,诺贝尔奖得主、生物学家Peter Medawar提到胸腺,说它是“一个演化上的偶然,没有多大重要性”。他们错了。科学家长期没有注意到这个器官的重要性,部分是因为手术切除胸腺的哺乳动物看起来安然无恙。直到20世纪60年代,免疫学家Jacques Miller在新生小鼠中进行了这类手术,才发现了胸腺的功能[5]。失去胸腺的幼鼠极易遭受感染而死亡。它们的淋巴结中几乎没有免疫细胞。Miller发现胸腺产生T细胞,他在差不多同一时期用这个器官命名了这类细胞。如今我们已经知道,T细胞是免疫系统的重要组成,负责攻击癌症、对抗感染。人类的胸腺在一生中会随着年龄增长快速萎缩。青春期过后,大多数胸腺细胞转化为无功能的脂肪组织。T细胞生产也放缓了。在40岁时,胸腺生产的T细胞大约仅有8岁时的1/4,到65岁时仅有10%[6]。关注功能因此,许多科学家假定年长个体不再需要新鲜的T细胞。“人们普遍认为,只有在年轻时生成T细胞才重要。”伦敦大学学院的免疫学家Jennifer Cowan说,“但事实显然并非如此。”改变这一范式的是三项发现。首先,2023年的一项研究发现,相比没有切除胸腺的人,手术移除胸腺的人在术后5年死亡风险高出近3倍,患癌风险高2倍[7]。“这很惊人。”Cowan说,“要是人们读过这篇论文,就不会再愿意切除胸腺了。”到了3月,两项接连发表的研究综合分析了超过31000人的数据,将研究扩展到胸腺完整但随年龄增长自然萎缩的人群。其中一项发现,胸腺较小与较高的死亡风险、患癌风险以及心力衰竭等心血管疾病有关[3]。第二项研究发现胸腺较小与接受癌症免疫疗法后生存率更低有关[4]。一些科学家指出这些研究仅提出了相关性。“进行回顾性研究时,拼图中许多碎片是无从得知的。”美国耶鲁大学的胸外科医生Daniel Boffa说。他和同事进行了一项研究,发现为治疗胸腺癌而切除全部或部分胸腺的患者,肿瘤复发风险几乎没有差异。尽管如此,商业和学术兴趣已然激增。“再生【胸腺】已经是个大事了。”美国国家癌症研究所的发育生物学家Yousuke Takahama说。“就像重启电脑系统一样,这就好像重启我们的免疫系统。”科学家们认为,胸腺有很大的再生潜力。例如,胸腺会在怀孕时萎缩,在生产之后恢复,美国麻省总医院的血液学家David Scadden说,他共同创立了一家名为Lightning Biotherapeutics的公司。但已经证实能再生胸腺的方法不多。雄激素剥夺疗法是一种前列腺癌的标准治疗方法,它能增加胸腺产生的T细胞数量[9]。热量限制也有此效果[10]。有一种疗法于2021年获批,用于治疗先天无胸腺的患儿,但该疗法成本高昂且复杂,需要将精心处理的供体组织移植到患儿大腿肌肉中。至于促使衰老胸腺重新生长,目前进展比较大的是Fahy的生长激素和其他化合物混合制剂,一周注射4次。一组10名志愿者用药一年后显示出衰老逆转的迹象。Fahy团队研究受试者的“表观遗传时钟”,这是染色体上一系列会随着年龄增长发生稳定变化的化学修饰。结果表明,治疗平均让每个人的表观遗传时钟“回拨”了2.5年[11]。Fahy预计人们将接受注射一年,停止4年,然后再重复这一过程。后续测试将检验他的疗法能否进行调整以减小副作用,并改善肌肉力量、身体成分和大脑白质质量等指标。“这些研究还需要几年时间才能出结果。”他说。研究者还在探索其他疗法,他们希望能够避免使用生长激素可能带来的癌症风险增加和血糖骤升等问题。例如,美国生物技术公司Tolerance Bio的首席执行官Francisco Leon说,他的公司有一种能延缓胸腺萎缩的抗体。这家公司尚未披露该抗体的靶点,但计划在2027年进行临床试验。“这可能会是一种长寿药物。”Leon说,“我们将能预防和治疗衰老相关疾病。”位于美国剑桥的一家生物技术公司Thymmune Therapeutics正在开发现成的干细胞,希望能在注入人体后生长为胸腺组织。目前面临的挑战还有不少。一大障碍在于精准靶向胸腺——组成该器官的大多数细胞都缺乏独特的表面蛋白。而且,许多候选分子需通过静脉注射给药,这对长期疗法而言很不方便。而且,研究者说,如今大多数研究都没有探讨由“再生胸腺”产生的T细胞能够改善健康的机制。“要看到它体积恢复比较容易,但还不清楚其功能是否完全恢复。”美国得克萨斯大学健康科学中心的微生物学家Ann Griffith说,她同时担任该领域一家公司的顾问。目前还不清楚某种疗法是否能更广泛地应用,这有可能还要几年时间。“我们还没有完全理解这些干预如何真正地再生组织,而且我们所知着实尚浅。”Griffith说,“我们还处于起步阶段。”参考文献:Kelley,K.W.et al.Proc.Natl Acad.Sci.USA 83,5663–5667(1986).Fahy,G.M.J.Anti.Aging Med.6,219–227(2003).Bernatz,S.et al.Nature 652,986–994(2026).Bernatz,S.et al.Nature 652,995–1003(2026).Miller,J.F.A.P.Lancet 278,748–749(1961).Bains,I.,Thiébaut,R.,Yates,A.J.&Callard,R.J.Immunol.183,4329–4336(2009).Kooshesh,K.A.et al.N.Engl.J.Med.389,406–417(2023).Resio,B.J.,Canavan,M.,Caturegli,G.,Detterbeck,F.&Boffa,D.J.J.Thorac.Oncol.21,186–194(2026).Sutherland,J.S.et al.J.Immunol.175,2741–2753(2005).Spadaro,O.et al.Science 375,671–677(2022).Fahy,G.M.et al.Aging Cell 18,e13028(2019).原文以Could this mysterious disappearing organ hold the key to longevity?标题发表在2026年7月14日《自然》的新闻特写版块上©natureDoi:10.1038/d41586-026-02149-5
6.6%的中国人BMI不超标,却已经胖得要死(真死亡风险升高)
虎嗅 · 15 小时前
本文来自微信公众号: 果壳 ,作者:见文末体检报告出来了,翻到“身体质量指数(BMI)”那一栏,数字旁边赫然印着“超重”或者“肥胖”。这个数字超出标准,是不是说明身体已经出了问题?先别急着给自己宣判。2026年11月,《自然》(Nature)上发表的一项研究分析了844108名成年人的数据,发现只凭BMI判断肥胖,既可能多算一些人,也可能漏掉另一些人。即使同样肥胖,不同人的身体功能和未来风险,也可能相差很大。这不是说BMI没用,研究真正想探讨的问题是,当我们说一个人“肥胖”时,如何透过一个身材指标,去看到潜在的健康问题。BMI判断肥胖,或许不够BMI是筛查超重和肥胖的常用指标。它的计算方式是“体重(千克)÷身高(米)的平方”。对于我国成年人来说,BMI(单位:kg/m2)的参考值如下——我国成年人BMI参考标准丨自制BMI的计算方法简单,只需知道一个人的身高和体重,就能得出对应数值。因此,它被广泛用于体重筛查和相关研究中。不过BMI的局限也很明显,它无法准确反映身体成分。例如,一个肌肉发达的人可能有较高的BMI,而BMI处于正常范围的人,也可能拥有较高的体脂率。2025年,《柳叶刀·糖尿病与内分泌学》国际委员会就建议,除了BMI,还应结合其他指标来确认是否处于肥胖状态。于是在这项新研究中,研究者采用了一种结合BMI、腰围和腰高比(腰围/身高)的肥胖判断方法。腰围和腰高比也是衡量肥胖的常用指标,尤其有助于了解脂肪在腹部的堆积情况,判断是否存在“中心型肥胖(腹型肥胖)”。具体来说,这套组合测量标准称为CAD-obesity,它会根据BMI所处的范围,判断是否需要结合腰围和腰高比来判定肥胖。以研究中的中国成年人为例,满足以下任意一种情况,就会被归入CAD定义的肥胖:BMI≥40:直接归入肥胖,不需要再满足腰围或腰高比条件。BMI≥28且<40:腰围或腰高比至少有一项达到研究设定的界值。BMI≥24且<28:腰围和腰高比两项都要达到研究设定的界值。注:腰围界值为男性≥90厘米、女性≥85厘米;腰高比界值为男性≥0.56、女性≥0.59。比如一位中国成年男性身高1.7米、体重72千克,则BMI为24.9,属于超重,但还没到肥胖标准。同时,他的腰围是96厘米,腰高比为0.56,按CAD-obesity标准可被归入肥胖。研究团队分析了来自中国、英国、美国和西班牙四个队列的844108名成年人的数据,比较了这一方法与单独使用BMI得出的肥胖率有何差异。有人被多算了,有人却漏了应用这套标准后,研究者发现,单独使用BMI与结合腰围、腰高比判断,得出的肥胖分类并不完全相同。在四个队列中,1.2%~3.1%的参与者BMI达到了肥胖标准,但腰围和腰高比没有达到研究设定的相应界值,换用综合标准后不再被归入肥胖。与此同时,还有5.2%~8.6%的参与者BMI处于超重范围,尚未达到肥胖标准,但腰围和腰高比都达到了设定的条件,换用综合标准后被归入肥胖。也就是说,在这套新标准中,有人从肥胖范围中被移出,也有人被纳入。在这四个队列中,被纳入的人比被移出的人更多,因此综合标准得出的总肥胖率更高。以研究中的中国开滦队列为例,单独使用BMI时,17.8%的参与者被归入肥胖;换用综合标准后,肥胖比例升至21.3%,增加了3.5%。此外英国、美国和西班牙队列的肥胖比例分别提高了3.3%、5.6%和7.4%。研究者进一步分析发现,结合BMI、腰围和腰高比判断肥胖,有助于识别死亡风险较高的人群。仅以BMI判断的超重或肥胖,与全因死亡风险的关联度不大;但以综合标准判断的肥胖,死亡风险明显升高。参与者的身体状况并没有发生变化,改变的是判断依据。这提示在判断肥胖和健康风险时,仅靠BMI可能会忽略与腰部脂肪堆积有关的信息。基于BMI与CAD组合测量标准判断的肥胖患病率和分类准确率|参考文献胖和胖不一样,有人的肥胖更加危险除了重新定义什么是肥胖,委员会还为肥胖重新做了分类:临床肥胖,即脂肪过多,已经出现器官功能受损或日常活动受限;临床前肥胖,指的是脂肪过多,未来健康风险增加,但目前器官和全身功能基本正常。器官功能受损的定义是存在冠状动脉疾病,并伴有18项标准中的至少一项,如高血压、慢性阻塞性肺疾病、血糖或血脂异常、慢性肾脏病、髋关节或膝关节骨关节炎等|参考文献在这项研究中,经过统计调整,临床肥胖在所有肥胖的人当中占22.7%~31.3%,在总人群中占5.6%~10.9%。研究者进一步比较了不同人群的死亡风险。结果显示,相对于参照组(没有肥胖也没有器官功能受损的人),临床前肥胖者的全因死亡风险升高19%,而临床肥胖升高69%。意思是,所有符合肥胖标准的人,死亡风险都升高,其中器官功能或日常活动已经受到影响的肥胖者,死亡风险更高。那么,临床前肥胖,是不是很快就会发展成更危险的临床肥胖?研究给出的答案是,不一定。研究追踪了起始时没有器官功能受损的肥胖者,发现在中国、英国和西班牙队列中,10年内发展为临床肥胖的比例分别为21.2%、8.7%和22.6%。也就是,77.4%~91.3%的临床前肥胖,在10年内相对稳定,没有发展为临床肥胖。实线代表临床肥胖的估计累积发病率,虚线代表器官功能障碍的累积发病率|参考文献不过,“相对稳定”不意味着可以放任临床前肥胖发展。作者认为,临床肥胖需要更加紧急的治疗,以应对已经发生的功能损害、更高的死亡风险;而临床前肥胖可能也需要积极的预防性治疗,包括生活方式调整、药物治疗,甚至手术治疗。当然,这项研究只是初步评估了新的肥胖诊疗框架,研究结果尚未进入相关指南。未来,还需要更多研究进一步完善肥胖的临床诊疗。Guokr根据身高和体重算出来的BMI,仍然是简单、方便的肥胖筛查线索。不过,单独这一个数字,不足以承担诊断、风险预测、治疗方案制定的全部任务。不妨把BMI当作起点,接着关注腰围、血压、血脂、血糖和关节等方面的情况,更加完整地了解自己的健康状况,然后积极预防和治疗。参考文献Pan,A.,Yang,S.,Ramos,R.et al.Validation of clinical and preclinical obesity across global cohorts.Nature(2026).https://doi.org/10.1038/s41586-026-11237-5
这款ED药,能不能顺利变身阿尔茨海默新药?
虎嗅 · 17 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
被玩成网络热梗的科学现象究竟成立吗?一项几乎处处扑空的研究,登上Nature
虎嗅 · 18 小时前
本文来自微信公众号: 返朴 ,作者:李娟前额叶,一个科学名词,生生被玩成了网络“热梗”,以至于“富养前额叶”成了当代养生时尚。但它在科学上足够站得住脚吗?在科学期刊上,“没发现”历来最难发表。这一次,32个国际团队汇集40套脑成像数据、2175名参与者,按预先注册的方案寻找情绪调节能力的大脑印记,结果几乎处处扑空,Nature却发表了它。这项阴性结果的分量在于:它不是没测出来,而是有把握地说“确实没有”。本文收录于合集前沿追踪“我不是摆烂,只是前额叶下线了。”“一点就炸?你的理智刹车——前额叶失灵了。”“择偶新标准:找一个前额叶友好的人。”最近,前额叶成了网络热词。拖延、易怒、专注力差、情绪内耗,似乎都能归因于前额叶罢工。这类说法背后,有一幅广为流传的脑科学图景:前额叶是大脑的理智刹车,杏仁核是情绪油门。似乎前额叶活动越强,人就越理性,越擅长管理情绪。可这一认知,真的成立吗?2026年10月28日,《自然》(Nature)发表的一项研究给出了一个意外的回答。32个研究团队翻遍了2175人的脑扫描数据集,想看看“会管情绪”的大脑究竟是如何调节情绪的?结果,他们发现,上述推论可能并不成立。从“转念一想”开始这幅图景不是凭空来的。1848年,美国佛蒙特州的铁路工人菲尼亚斯·盖奇(Phineas Gage)在一次施工事故中,被一根一米多长的铁棒从面部穿入,贯穿颅骨,严重损伤了左侧额叶。他奇迹般地活了下来,但据他的医生记述,此后他像变了一个人,以至于朋友们说,“盖奇不再是盖奇了”。后世对他性格变化的描述被不断添油加醋,细节至今仍有争议。但这个病例成了人们认识额叶与情绪、社会行为之间关系的重要历史案例。一个人的前额叶坏了,情绪和行为会出问题。那么反过来,前额叶越活跃,人就越会管理情绪吗?要回答这个问题,得先认识一个术语:认知重评(cognitive reappraisal)。它是指不改变事情本身,而是改变你理解这件事的方式,也就是俗话说的“转念一想”。比如,面对老板语气严厉的呵斥,你又委屈又愤怒。但转念一想,老板正被项目截止日期和甲方客户压得喘不过气,未必是冲你来的。于是,你的火气也就下去了一半。2002年,美国斯坦福大学的Kevin Ochsner等人开展了一项脑磁共振实验,观察人们主动改变对负面事件的理解时,大脑会发生什么变化。实验前,参与者接受了认知重评训练,学习给令人不快的图片找另一种解释。例如,一张照片中,几名女性站在教堂外哭泣。人们第一眼可能以为她们正在参加葬礼,但她们也可能是在参加婚礼,因为喜悦而落泪。进入扫描仪后,参与者观看一系列负面或中性图片。每张图片出现后,屏幕会提示他们要么如实体验自己的感受,要么主动重新解释图片中的情境,随后再报告负面情绪的强度。结果,转念之后,负面情绪确实减轻了。与此同时,前额叶的部分区域活动增强,杏仁核等区域的活动则有所下降。研究者很快想更进一步:日常生活里那些更习惯“转念”的人,大脑是否也与众不同?2009年,Drabant等人研究了56名健康女性。她们先填写情绪调节问卷,报告自己平时是否习惯通过改变想法来调节情绪;随后,她们在核磁共振仪器中观看愤怒或恐惧的负面情绪面孔等刺激。结果,报告自己经常使用认知重评的人,表现出较低的杏仁核反应,以及较高的部分前额叶和顶叶活动。这类结果一度让研究者认为,一个人管理情绪的习惯,或许真的能在脑活动中留下印记。但56个人的样本,能撑起这么大的结论吗?三把尺子,各说各话在本文开头提到的《自然》最新发布的这项大规模研究中,研究团队系统检索了相关文献,按统一方案在本地分析自己的数据,再汇总各研究的统计结果,用随机效应元分析合并,重点比较了三种常用的衡量认知重评能力的“尺子”。第一把是日常习惯问卷。例如情绪调节问卷,参与者需要报告自己在日常生活中是否经常通过转念来调节情绪,衡量一个人的长期习惯。第二把是实验室里的主观情绪评分。参与者观看负面图片,并分别在自然观看和认知重评两种条件下报告负面情绪的强度。两者之差,就是这次任务中情绪改善了多少。第三把是杏仁核的活动变化。研究者利用功能核磁共振比较参与者观看负面图片和执行认知重评时的杏仁核信号,考察重评过程中杏仁核反应是否下降以及下降幅度。按照传统假设,这三把尺子应该在一定程度上指向同一种潜在能力:平时越爱转念的人,应该更容易在实验室里降低负面情绪,也对应某种可识别的脑活动变化。然而,结果并非如此。三种指标两两之间的关联极其微弱甚至没有。研究者还使用了贝叶斯分析,进一步证明这并不是因为没测出来,而是指标之间确实缺乏有意义的联系。这就是“没有证据”与“证明没有”的区别。也是这项阴性结果分量所在。前额叶越活跃,越会管理情绪吗?如果说三把尺子之间缺乏一致性已经令人意外,接下来的分析,则直接触及了“前额叶刹车”这个故事本身。研究者依据以往脑成像元分析,预先定义了一套经典情绪调节网络。它并不只是一块前额叶,而是包括前额叶、顶叶和颞叶多个区域在内的一个功能系统。结果,日常重评问卷和实验室任务中的主观情绪改善,都与这套网络的活动没有可靠关联。能反映重评主观效果的脑信号,更多来自情绪产生相关脑区,而不是经典前额叶调节环路,并且效应量整体偏小。也就是说,经典情绪调节网络在单纯产生负面情绪和执行认知重评时都会被调动,不能把它简单看成情绪调节的专属开关。这项研究表明,情绪调节可能依赖多个脑系统共同参与,包括负责认知加工的区域,也包括处理身体感觉、内部状态和行动准备的区域。因此,把某个脑区单独拎出来,当作一个人情绪调节能力的尺子,是站不住的,尤其在临床研究中,前额叶活动偏低常常被直接解读为情绪调节受损。研究者在全脑范围内寻找与认知重评能力相关的脑活动特征,却没有找到预期中稳定、方向一致的正相关关系。脑区在认知重评过程中发生变化,并不意味着它的活动强弱能够衡量一个人的情绪调节能力。|图源:参考文献[1]为什么脑活动无法给情绪调节能力打分?脑成像能看到“转念”时大脑发生了什么,却很难在人与人之间排出名次。研究者给出了几层原因。第一个原因是现实中的情绪调节,并不等于实验室里的听指令测试。生活中,你要先觉察自己情绪不对,再判断情境,决定要不要调节、用什么方法,然后启动并维持下去。而实验室任务则把这些步骤大幅简化了。什么时候调节、用什么策略,是研究者预设的,还提前给你练习过。你面对的是标准化图片,而不是自己真正关心的人、真正头疼的工作冲突。此外,日常报告自己经常“转念”的人,也未必次次都转得成功。他们也可能只是更常遇到强烈的负面情绪,用的多,是因为需要的多。第二个原因,主观感受和脑信号并不是在测量同一件事。“我现在很难受”描述的是主观体验,而当fMRI显示杏仁核或前额叶变化时,记录的则是血氧水平依赖信号,用来间接反映脑活动。情绪本身也包含多个方面,比如主观感受、身体反应和行为表现。这些反应可能相互关联,却不一定始终同步。因此,问卷、主观评分和脑信号本来就不一定高度吻合。任何单一指标,都不能代表一个人完整的情绪调节能力。第三个原因,主观情绪评分的个体差异有限。研究者通过进一步拆解数据,试图区分情绪评分的变化究竟来自同一个人不同试次之间的波动,还是来自人与人之间的稳定差异。结果发现,主观情绪评分的变化中,只有约7%—8%来自人与人之间的差异,其余大部分来自同一个人面对不同图片时的起伏。相比之下,杏仁核反应的差异约有60%—64%来自人与人之间,经典调节网络反应的这一比例也约为56%—62%。也就是说,主观情绪评分更多反映一个人在不同情境下的波动,而脑信号包含更多个体间差异。两种测量的差异结构并不相同,自然很难形成稳定对应关系。第四个原因,每个人的“全脑音量”不同,可能掩盖局部差异。研究发现,一个人的杏仁核反应较强,他的前额叶和其他许多脑区的反应也往往较强。这就像戴耳机听歌,有人把总音量开得大,有的人开得小。当比较其中一段旋律的高低,却发现总音量的差别已经影响了所有声音。局部脑区之间的相对差异,因此难以辨认。研究者指出,全脑信号的共同变化,是脑成像个体差异研究需要面对的方法学难题。另外,神经科学中有一个概念叫作神经简并(neural degeneracy),指不同的神经结构或活动配置,可能支持相似的心理或行为结果。放到情绪调节中,这意味着不同的人可能动员不同的脑区组合,最终都能让负面情绪减轻。因此,脑活动模式未必完全一致,行为结果却可能相似。研究者还尝试把多个脑区的活动模式组合起来,提取与负面情绪、重评状态或重评能力有关的神经特征。结果发现,这些模式同样无法可靠预测参与者的情绪改善程度。这再次提示,能够识别某种脑活动状态,不等于能够判断一个人的情绪调节能力。阴性结果也是重要发现一项几乎处处扑空的研究,为什么值得发表?要知道,在科学界,“没发现”历来是最难见刊的结果之一。英国爱丁堡大学研究员的Daniele Fanelli曾翻检4600多篇检验了假设的论文,发现1990年时约70%的论文报告结果支持了原假设,到2007年,这个比例涨到了86%。2024年底,施普林格·自然出版集团调查了1.1万多名研究者,98%的人承认阴性结果有价值;可在真正得到过阴性结果的人里,只有约三成把它投给了期刊。剩下的,大多被锁进了抽屉。心理学家Robert Rosenthal早在1979年就给这种现象起了名字:抽屉问题(file drawer problem)。这项研究的不同之处在于,它扑空的方式足够扎实。2175人的样本,预先注册的统一方案,再加上能够论证“确实没有”的贝叶斯分析,让这次的“没发现”不再是一个可以随手放进抽屉的遗憾,而成了一个必须正视的结论。“前额叶弱,所以情绪内耗”“杏仁核太敏感,所以性格暴躁”,这类说法把复杂的心理过程,压缩成了几个脑区的活动强弱。仅凭某个脑区的活动强弱,去推断一个人的情绪调节能力或进行“赛博确诊”,实属不当。这项Nature研究没有否定前额叶参与情绪调节,但提示针对前额叶的神经调控干预或许涉及更广泛的脑网络。对于临床患有精神障碍的人群,或更贴近日常生活的情绪调节过程,是否存在不同的脑活动关联,仍需要进一步研究。未来,研究者需要走出磁共振扫描舱,开发更贴近真实生活的实验范式,观察人们如何识别情绪、选择策略并主动调节,再将这些行为与脑活动联系起来。这项研究得出的绝大部分是阴性结果,但这似乎恰恰是它的价值所在:科学测量并不总能测到人们真正想知道的东西。参考文献[1]Sicorello M,et al.;The NIDER Consortium.Emotion regulation capacity lacks a shared neural signature.Nature.2026.DOI:10.1038/s41586-026-11203-1.[2]Ochsner K N,et al.Rethinking feelings:an fMRI study of the cognitive regulation of emotion.Journal of Cognitive Neuroscience.2002;14(8):1215–1229.DOI:10.1162/089892902760807212.[3]Drabant E M,et al.Individual differences in typical reappraisal use predict amygdala and prefrontal responses.Biological Psychiatry.2009;65(5):367–373.DOI:10.1016/j.biopsych.2008.09.007.
林妹妹配孙悟空,网友到底在嗑什么?
虎嗅 · 1 天前
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 · 1 天前
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。
英伟达事件与中墨双边贸易前景展望
虎嗅 · 1 天前
本文来自微信公众号: 刘博叨叨 ,作者:刘博叨叨作为全球AI产业的主力和领军企业英伟达,在最近一段时间里成为业内和各种媒体讨论的焦点之一,由于其本身牵扯的因素复杂,后续的发展情况很难预料。因此,对本文作者来讲,关心的问题是,该事件最终是否会导致全球AI产业发展减速。考虑到AI产品是墨对外贸易的重要组成部分,所以,一旦AI产业发展出现减速,那么对中墨双边贸易必然带来影响。另一方面,本年度开始,墨对来源于非自贸协定伙伴的产品上调了进口关税,导致中国大陆地区输墨产品在其总进口金额中所占比重出现了严重下滑。通过分析发现,首先,导致我输墨产品在其总进口中所占比重出现的下滑,并不仅仅是由于关税调整,而且同中墨之间AI产品的双边贸易有关。其次,至于英伟达事件是否仅仅为导火索并由此有可能带来AI产业发展的转折点,作者很难确定,但建设步伐放慢,应该是大概率事件。最后,随着AI产业发展的降速,中墨之间的双边贸易将会重新回至正常发展的轨道,中国大陆作为墨产业链和供应链来源地的地位也随之水涨船高,有望继续得到加强。1中墨两国双边贸易当前发展情况介绍2025年以来作为产品来源地的重要性逐渐减弱在过去的四分之一个世纪里,凭借强大的生产能力和整合程度较高的产业链,中国大陆产品在墨西哥市场的重要性不断加强。图1显示出,在墨西哥进口市场上,中国大陆产品在2000年之际仅占1.4%的比重,低于美国、日本和韩国,它们同期分别为74.1%、3.6%和2.0%。2001年,我超过韩国成为墨第三大商品来源地。2003年,又一跃升至第二位置,重要性仅次于美国。截止到目前为止,一直保持着该地位(图1)。图1.墨西哥进口市场来源地结构,2000-2026(%)*资料来源:作者根据墨西哥中央银行数据整理。此后,2024年,我输墨产品在当地市场上的重要性不断上升,一度达到历史最高水平的20.3%。2025年则有所微调,降至20.1%,2026年前8个月的数据表明,该比重进一步下滑,减少到17.2%,比2025年同期低了2.8个百分点。与美国产品在墨市场占比的同期数据相比,中美两国二者之间的差别也在不断缩小,从2000年之时的72.8个百分点下降至2024年的20.7个百分点。2026年前8个月的数据表明,尽管中美两国产品在墨市场地位出现同步下滑,但由于美降幅较大,导致中国大陆产品的比重同美之间的差别进一步缩减至16.1个百分点。对于我输墨产品在当地市场重要性的降低,一个比较直接并且有说服力的解释,应该是墨自2026年1月1日起,对来源于与其不存在自贸协定伙伴的1,463项产品,征缴5-50%不等的进口关税。作为墨第二大商品供应来源地并且同其没有签署自贸协定的中国大陆产品,自然是受灾大户,尤其是中国大陆地区近几年发展较快的汽车行业,更是受到了较大的冲击。根据作者的初步计算,在中国大陆2025年输墨产品总金额的1,332.7亿美元中,受到关税调整影响的产品总值为390.3亿美元,占当年总金额的30.1%(我输墨车辆断崖式下滑:关税政策调整的影响评估,刘博叨叨2026年5月15日)。因此,受到墨进口关税政策的调整,我输墨产品面临着严重的挑战,在全部的非自贸协定伙伴中,自然受影响最大。但实际情况则是,2026年1-8月份,我输墨产品并没有象预期的那样出现下滑,而是依然保持了继续增长的势头,达926.5亿美元。同2025年同期的852.2亿美元相比,增速8.7%。而问题的另一方面则是,墨西哥同期的总进口价值达5,395.4亿美元,与2025年1-8月份的4,256.8亿美元相比,则实现了26.7%的超高速增长。这种增速上的较大差别,尽管可以解释为何我产品在墨西哥进口市场上的重要性出现下滑,但并不能由此做出结论,认为来自其它经济体的产品替代了中国大陆产品。更为重要的是,在这种超高速增长的背后,则是自中国台湾、韩国、越南和马来西亚进口产品的大幅上升,年增速分别达到192.3%、63.2%、115.1%和77.2%。如果说越南和马来西亚输墨产品的增长,可能同它们与墨西哥存在自贸协定有关,共同属于《全面与进步跨太平洋伙伴关系协定》成员国;但中国台湾和韩国并没有同墨签署任何自贸协定,因此也无法由此说明他们对墨出口大幅增长的现象。另外,尽管美国和日本与墨西哥签署有自贸协定,但它们输墨产品增速则分别只有8.7%和5.0%,前者同中国大陆增速持平,而日本则低于中国大陆的水平。由此也可以看到,墨西哥进口关税政策的调整,不仅对各贸易伙伴进口金额的影响差别较大,而且同是否与其签署有自贸协定之间并没有直接关联。正是出于这种考虑,在墨西哥进口市场上,我输墨产品既没有出现被其它经济体同类产品替代的趋势,也没有产生自贸协定伙伴和非自贸协定伙伴之间的产品互换(图2)。图2.墨进口产品来源地增速,2025和2026年1-8月份累计(%)*资料来源:作者根据墨西哥中央银行数据整理。具体来讲,如果从进口金额变化可以看到,墨西哥本年度前8个月比去年同期增加了1,138.6亿美元,而从中国台湾、韩国、越南和马来西亚等四个来源地区,共合计多了766.5亿美元,占到了增加总量的67.3%。同时,尽管中国大陆和美国输墨产品增幅不大,但由于体量较大,也分别贡献了13.3%和6.5%。这样,上述6个经济体对墨出口增加的合计,共占到了墨西哥2026年前8个月进口增加总金额的87.1%。也就是说,墨进口市场上出现的各来源地区重要性变化,并非源于市场的萎缩导致,而是在共同增加的基础上因增速差别产生。2墨西哥在AI产业快速发展过程中获利颇丰因此,在2026年的前8个月内,一方面,墨西哥从中国台湾、韩国、越南和马来西亚等地区进口金额的大幅上升,无法利用关税政策调整做出全部解释;另一方面,中国大陆、美国和日本输墨产品在当地进口市场上出现的占比下滑,同样也不能归因于进口产品的关税上涨。作者通过对进口产品结构的分析之后,可以明显看出,自2025年以来,墨进口产品金额增加的大部分,来源于同人工智能发展密切相关的产品。AI产品定义和墨西哥在全球贸易中的地位根据美联储的几位经济学家定义,AI产品分别属于国际贸易产品分类的三大半目税号(6位数的关税号码简称HS-6):8471.50,8471.80和8473.30。其中,前两个税号涵盖计算机和服务器等硬件设备,各经济体在进口时,有的将这些产品归属于8471.50税号,有的将其列在8471.80下,并没有绝对统一;最后的税号即8473.30则包括显卡以及人工智能数据核心任务(包括训练和推理)所必需的相关部件。它们作为AI贸易的关键产品(包含了英伟达服务器、GPU等),对AI贸易研究颇具启发性。以此为依据,作者对墨西哥进出口贸易数据进行了相关分析,从中可以看到,在本轮人工智能兴起和发展迅猛的过程中,墨西哥属于全球收益颇丰的国家之一。从国际贸易来看,墨西哥AI行业的发展自2025年以来超越了其他传统的出口行业。譬如当地的汽车和汽车零部件,虽然在过去10年左右一直引领对外出口,但自2025年以来,由于同时受到了美国进口关税上调的影响,其在墨出口中所具有的重要性逐渐让位于AI行业。得益于销往美国数据中心设备的关税豁免条款,美国市场接收了墨出口产品的93.9%。因此,墨国在全球人工智能产品出口中所占份额,从2023年的2.6%增长到2026年上半年的4.8%。世界银行的一份报告中也指出,受益于半导体、电子产品和数据中心设备投资的增加,墨西哥用于开发人工智能系统的对外出口产品金额,仅次于中国大陆。我输墨三大AI行业产品重要性变化,2010-2026根据统计资料的计算,在2010-2024期间,尽管自2015年以来,中国大陆上述三个税号的输墨产品重要性处于下降区间,但一直占据该国同类产品进口的主要地位。2025年,来自中国台湾同类产品的重要性则大幅上升并占据首位,达52.0%。2026年前8个月的数据显示,其主导地位进一步得到巩固,比2025年同期的52.0%增加了2.9个百分点,上升至54.9%。与其形成鲜明对比的是,我输墨的AI产品占比则下滑严重,2026年的前8个月,只占当地市场的8.2%,甚至低于韩国同期水平的9.5%(图3)。图3.墨西哥AI产品进口来源地区结构,2010-2026(%)*资料来源:作者根据墨西哥中央银行数据整理。从主导地位变成第三大AI产品来源地区,可能很大程度上反映出两个方面的问题。第一,中国大陆销售至国际市场尤其是墨西哥市场上的计算机、服务器等硬件设备以及相关部件,并不是当前人工智能建设中所需的产品,往往更多的是那些传统的电子设备。也就是说,在本轮人工智能产业快速发展浪潮中,中国大陆从中获得扩大对外出口的作用有限。第二,美联储经济学家对人工智能产品的定义可能存在误差,至少不完全符合实际情况。尽管如此,但在其它更为准确的分类标准出现之前,这里依然使用该指标进行其它方面的相关计算,基本结论有如下两个方面。第一,我们可以看到,墨2025年进口总金额增加的278.3亿美元里,仅来自中国台湾的AI产品就贡献了其中的266.1亿美元;2026年1-8月份,依然占到了54.5%。需要指出的是,今年同期来自韩国、马来西亚和越南的同类产品也开始大幅上升,它们同中国台湾的产品相比,更多的往往是相关零部件,并非各种硬件设备。不仅如此,来自韩国、马来西亚和越南的产品金额出现明显的加速增长,从而显示出AI行业发展的阶段性特点,即从开始的对各种硬件设备的需求上升,逐渐向相关零部件的扩展。第二,人们不禁要问,为何墨西哥自2025年以来对AI产品需求大幅增加?其中原因自然是对美出口大幅上升的需求。根据墨西哥中央银行数据,2025年,墨对外出口金额增加了464.9亿美元,来自AI三大类的产品则贡献了508.1亿美元。换句话说,如果没有人工智能产品的出口增加,那么该年度对外出口则会出现下降。2026年前8个月的数据表明,AI产品创造的出口金额增加了960.4亿美元,同期的总出口价值则上升了1,246.3亿美元,占比高达77.0%。而在对外出口的总金额中,对美市场的出口依然占据主导地位。在2025年的全部出口中,输美市场占到了83.0%的份额,2026年前8个月继续上升至83.9%。同期,三大AI行业的产品出口,则更加集中在美国市场,2025和2026两年的数据分别为86.3%和93.3%(图4)。图4.墨西哥对美市场出口依赖度变化,2011-2026(%)*资料来源:作者根据墨西哥中央银行数据整理。由此可以看出,正是由于美国市场对AI产品的强劲需求增长,拉动了墨西哥对美出口的大幅上升趋势;而对美出口大幅上升的趋势,又导致了对相关产品进口需求的强势上扬。3中墨两国双边贸易有望重回稳定发展轨道和我对墨地位进一步加固上述分析表明,自2025年以来,我出口产品在墨进口市场重要性的下滑,既同墨调整进口关税有关,又同时离不开墨进口产品结构的变化。实际上,自2025年以来对AI产品需求的大幅上升,正是我产品重要性下降的主要原因。这种情况,在今年年初就已呈现,作者在此之前也介绍过(中国大陆地区对墨出口呈现减速趋势之原因分析,刘博叨叨2026年4月16日)。考虑到英伟达事件的后续效果影响,再加上美政府对人工智能方面有可能出现的政策变化,尽管AI产业依然会维持向上的发展速度,但其增速应该趋缓。其结果是,不仅会导致墨西哥对美相关产品的出口增速减慢,而且也会由此出现对进口产品需求的降低。相对来讲,墨西哥对来自中国台湾、韩国、越南和马来西亚产品的依赖度,有可能出现随之下降的趋势。同时根据作者的分析,在2027年之后,中国大陆输墨产品在墨市场上的重要性,将随着AI产品增长趋缓以及我汽车行业产品有可能重新回到上升区间。二者共同作用,中国大陆出口产品在墨进口市场上的重要性则会逐渐收复失地。对于我输墨汽车产品未来发展走向的预测,将在下次推文中详细分析,这里仅仅做一些简介。第一,面临进口关税上调的压力,2026年1-8月份累计数据表明,虽然我输墨轻型整车总金额呈现出下降趋势,但并非所有车型都表现一致。其中,排气量在1000-1500立方厘米的燃油车和非插电混动车,在进口关税上调的情况下逆势增长,在很多程度上反映出我输墨整车依然具有竞争优势。第二,2025年底,为了免缴高额进口关税,多数车企增加了进口数量。所以,2026年,我输墨整车总金额肯定要出现下滑;同时,尽管零部件的进口依然处于上升轨道,但不足以弥补整车的下降损失,因此,包括整车和零部件的整个汽车行业产品对墨出口总金额减少,应该无法避免。第三,2027年整车进口发展形势正好与2026年相反,这是有利的一面;但不利的一面则是,通用旗下的Aveo和Groove两款车,将从中国大陆组装转移至墨西哥生产,将不再进口国产同类产品。但是,由于其生产方式采用全部件组装或者半部件组装模式,将进口生产所需的全部零部件,因此,转移到墨当地生产所导致的总进口金额减少将极为有限。同时,墨整车出口有可能从目前的负增长转为正增长,从中国大陆进口的零部件需求上升有望弥补整车进口的减少金额,从而导致整个汽车产业的进口金额增加。参考链接:World Development Report 2026,The Promise of Artificial Intelligencehttps://www.worldbank.org/en/publication/wdr2026
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:
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
医疗AI 最难的,不是诊断,而是把七条路接起来
虎嗅 · 2 天前
本文来自微信公众号: AIGC从0到1 ,作者:王零壹,原文标题:《医疗 AI 最难的,不是诊断,而是把七条路接起来》2026年11月15日,苹果做了一件看上去很克制、但其实很值得琢磨的事。苹果宣布启动Apple Health AI Usage Study,计划面向最多20万名符合条件的美国成年用户,研究人们如何理解、信任和使用AI提供的健康信息,以及这些信息会不会改变他们后续的健康行动。研究本身不是诊断或治疗服务。苹果把它定义为一项使用研究:AI的回答质量怎么样,用户能不能理解,是否愿意相信,是否会据此做出行动。这件事碰到了医疗AI最难的地方:AI给出一个看起来正确的答案,远远不是故事的结束。用户会不会误解?会不会过度相信?会不会因为一句模糊的风险提示而焦虑?会不会因为一句看似专业的安抚而延误就医?医生拿到AI的建议时,能否看见证据、识别适用范围、拒绝一个“说得很像对的”结论?医疗不是一道选择题。它是一串彼此咬合的动作:发现异常、解释信息、决定是否就医、选择检查、完成转诊、制定治疗、持续随访、评估结果。AI也许能把其中一个动作做得很漂亮,但只要它接不上后面的环节,或者越过了本不该越过的边界,就很难真正改变医疗。01医疗AI不是一个赛道,而是七种完全不同的承诺今天,“医疗AI”这个词已经大得有点失去意义了。同一个词里,既包括帮患者解释化验单的健康助手,也包括在乳腺癌筛查中读片的影像系统;既包括帮助医生检索文献的知识工具,也包括试图自主规划多轮检查的诊断Agent;既包括自动生成病历的文书助手,也包括在实验室里寻找新分子的AI制药平台。它们都在用AI,但并不在解决同一个问题。路线它试图改变什么最终要交出的答卷消费者健康AI让普通人更容易理解自己的健康用户是否理解,并采取恰当行动临床知识AI帮医生更快找到、审查医学证据证据是否适用于眼前患者医学影像AI扩展医疗系统发现异常的能力是否减少漏诊,同时不制造过多误报疾病预测AI更早识别高风险人群预测之后,是否有可改变结局的干预诊断推理AI在不完整信息中规划检查与判断是否安全改善真实临床决策医疗工作流AI减少文书、转诊、审批等摩擦是否带来可复制的净效率收益AI制药改变药物发现与开发过程是否更快产出安全、有效的疗法这张表看起来像分类,实际上是在划边界。影像AI即使检出率提高,也不自动等于患者获益;它还要回答召回率、误报、工作量和后续处置的问题。疾病预测AI即使能比医生更早看见风险,也不自动等于改善未来;如果没有可用的治疗、转诊和随访,提前知道风险有时只是把焦虑提前了。医疗工作流AI即使能替医生写完病历,也不自动等于医生更轻松;审核、补错、系统切换和责任确认,可能会把节省的时间重新吃掉。AI制药即使生成了更有希望的分子,也还要经过药效、安全性、临床试验和商业化的漫长筛选。因此,医疗AI不该被问“有没有用”。它应该被问:它在替谁解决哪一种问题?它的收益最后能不能跨过下一道门槛?02模型进步很快,医疗证据增长得很慢医疗AI最容易让人兴奋的,是模型能力。今天的系统可以看图、读报告、总结病历、模拟鉴别诊断,甚至在特定基准中超过人类医生。技术新闻天然喜欢这种时刻,因为它足够明确:分数提高了,模型赢了。但医学不只问“答得对不对”。医学还要问:这个答案在真实患者身上是否成立?在另一家医院是否仍成立?医生是否会正确使用它?它是否改善结局?错误出现时,谁能发现、撤销和承担后果?一项针对临床大模型研究的系统性综述,梳理了截至2025年9月的4,609篇相关研究。其中,1,048篇使用真实患者数据,1,857篇仍使用模拟病例;真正的前瞻性随机对照试验只有19项。这组数字说明,医疗AI仍处在一个很典型的状态:模型进步的速度,快于临床证据积累的速度。可以把它理解为五层台阶。层级可以证明什么还不能证明什么离线评测模型会不会完成某项任务是否适用于真实临床回顾性验证在既有数据里是否表现良好换人群、换医院后是否稳定前瞻性部署进入工作流后是否能使用是否改善患者结局随机对照试验是否造成可测量的因果改变是否能长期、大规模复制人群健康结果是否改善健康、成本与公平性这种改变能否归因于AI本身医疗AI真正困难的地方,不是迈上第一层。而是每往上一层,都会遇到模型之外的变量:医生如何使用、患者是否配合、医院系统是否兼容、支付方是否认可、法律责任如何划分。所以,医疗AI的竞争,迟早会从“谁的模型更强”,转向“谁能把模型放进一个更可靠的系统”。03七条路,各自卡在不同的地方1.消费者健康AI:信任不是越多越好苹果的研究把“信任”放进核心指标,本身就值得注意。在消费互联网里,用户信任产品,通常被视为好事:更高的留存、更高的使用频率、更强的推荐意愿。但在健康领域,信任太少当然有问题,信任太多也可能有问题。一个用户收到AI的建议后,可能因此及时就医;也可能因为AI的安抚而延误;还可能因为过度解读一个低风险指标,进入不必要的检查与焦虑循环。健康AI的难题不只是“回答是否准确”,而是用户是否知道何时应该相信、何时应该核查、何时必须找医生。因此,苹果这项研究真正值得关注,在于能否把“信任”拆开测量。需要测量的变量真正的问题回答质量信息是否准确、完整、有来源用户理解用户是否真的听懂,而非只觉得听懂信任校准用户能否区分可靠与不可靠的回答行为改变用户是否采取合适行动健康结果行动是否真的带来益处风险与公平是否造成延误、过度就医或群体差异医疗AI最危险的状态,不一定是用户完全不信它。也可能是用户太信它。2.临床知识AI:检索到知识,不等于完成了判断医学知识更新太快,临床医生不可能记住每一篇文献、每一版指南、每一个罕见病例。这正是临床知识AI的价值所在。它可以检索证据、对比研究、整理病历、标记药物相互作用,帮助医生在有限时间里看到更多信息。但医学知识与临床判断之间,有一段无法被轻易抹平的距离。一篇研究结论有其适用人群;一项指南有其前提;一个患者却可能同时带着多种基础病、特殊用药史、家庭条件和个人偏好。医生需要的不是一个“结论生成器”。医生需要的是一个能保留证据出处、适用条件、反对证据和不确定性的系统。如果AI只把复杂文献压缩成一句流畅的建议,它确实提高了阅读效率,却也可能把最重要的限定条件一起压缩掉。这也是临床知识AI的真正考验:它不能只会把知识说得像答案,还要让人知道答案从哪里来、在哪些情况下不成立。3.医学影像AI:最接近落地,也最容易被误读七条路径中,医学影像AI可能是最接近成熟应用的一条。它的输入相对明确:X光、CT、MRI、病理切片、眼底图像。它的输出也相对清楚:异常在哪里、风险有多高、哪些病例需要优先复核。而且,它已经出现规模较大的前瞻性研究。例如,乳腺癌筛查中的AI系统可以降低人工阅片工作量,也有研究显示其癌症检出率提高。但一套筛查系统的价值不能只看“发现了更多病灶”,还要看它是否提高了不必要召回,是否增加患者焦虑,是否让有限的专科资源被更合理地使用。影像AI的关键启示是:越接近真实临床,指标越不能单一。模型可能更敏感,却更容易误报;系统可能减少一部分阅片量,却把难题集中留给少数医生;它可能在一所顶级医院里表现优秀,换一台设备、换一个人群之后就出现性能下滑。影像AI已经证明了,AI能扩展医疗系统的“眼睛”。但看见更多,不等于知道该如何行动。4.疾病预测AI:预测未来,不等于改变未来疾病预测AI很诱人。它希望在症状明显之前,利用影像、病历、基因、行为与生理数据,预测谁会患病、谁会恶化、谁需要更早干预。从技术角度看,这是一种很自然的进步:医疗从“生病后治疗”,走向“风险出现前管理”。但预测比诊断多了一层问题。如果AI提前预测出某人可能患上阿尔茨海默病、心血管疾病或某种癌症,医疗系统接下来能做什么?有没有有效干预?谁来沟通?患者是否愿意知道?保险、就业和家庭关系会不会受到影响?预测错误或不确定时,焦虑由谁承担?预测不是终点。预测只是把一个问题更早交给了系统。如果系统没有后续的治疗、支持、随访和责任安排,预测能力越强,未必意味着医疗价值越大。5.诊断推理AI:真正难的是连续决策诊断Agent的吸引力,在于它看起来最像医生。它不是一次性回答“这是什么病”,而是像临床医生那样,根据已有信息继续提问、决定下一项检查、比较不同假设、在不确定中逐步收敛。这也是微软MAI-DxO一类系统所尝试的方向:不是回答一道病例题,而是在有限成本下完成一段连续诊断过程。但诊断的难点,恰恰不在于某一步猜对。它在于每一步都可能改变后面的路径。一次不必要的检查,会带来成本、等待与新的偶然发现;一次遗漏,可能导致延误;一次错误的高置信度建议,可能让医生或患者忽略真正重要的信号。诊断Agent因此不能只看“最终答对率”。它还要看:检查选择是否合理,成本是否可接受,错误是否可恢复,是否能在不确定时及时转交给人。医疗里的好决策,有时不是继续推理,而是知道什么时候该停下。6.医疗工作流AI:最可能先赚钱,也最可能被高估医疗工作流AI没有“AI医生”那么有想象力,但它或许最接近短期可量化的价值。病历生成、转诊准备、医保授权、患者消息回复、检查预约、编码、随访提醒,这些事情看起来琐碎,却消耗了医院与医生大量时间。一项涉及五家美国学术医疗机构、8,581名临床人员的研究发现,获得AI病历助手使用权限,与每8小时排定患者服务时间减少13.4分钟电子病历操作相关;文书记录时间减少16分钟。但非工作时间电子病历使用并没有显著下降,每周门诊量变化也不显著。这组结果很有代表性。它没有否定AI文书助手的价值。相反,它说明AI确实在一个局部环节节省了时间。但它也提醒我们:减少某项工作,不等于同样幅度地释放整个系统。医生可能需要审阅AI草稿,补全遗漏信息,处理更多患者消息,或把节省的时间投入另一项必要工作。医院还要承担软件采购、培训、流程改造和合规管理成本。同一种工具,在不同环境里也可能完全不同。报告中提到的住院场景研究显示,59名医生中,AI文书助手的实际使用率很低,部署前后每天用于病历记录的时间没有显著变化。原因不难理解:住院记录不是一次问诊的转录,而是连续整合化验、会诊、治疗计划和前序病程。AI没有读懂工作本身,就很难真正接住工作。工作流AI最终要证明的,不是“能不能完成操作”。而是“完成操作之后,整个系统是否真的更轻”。7.AI制药:最远离患者,却最可能改变治疗本身AI制药在另一条时间轴上推进。它不直接减少医生的文书负担,也不直接帮助患者理解化验单。它试图改变的是疾病干预工具本身:靶点发现、蛋白结构、分子设计、候选药物筛选、临床试验设计。这条路最慢。因为它最终不是要证明模型能不能生成一个分子,而是要证明一个分子能不能成为药:有效、安全、可制造、可支付,并经得起临床试验。但它的重要性也最大。前六条路线主要是在改进医疗服务如何运转;AI制药可能改变的是医疗系统手里究竟有没有更好的治疗工具。它也提醒我们,医疗AI的终点并不只是提高效率,更深的终点,是改变疾病本身。04七条路真正的交汇点,不是“让AI替代医生”如果把七条路线分别看,它们像七个彼此独立的赛道,但有一个案例,让它们开始显出可以连接的样子。2026年发表的一项中国随机对照研究,测试了PreA诊前预评估聊天机器人。患者在见专科医生前,先通过对话完成症状、病史、用药等信息采集,系统将其整理成医生可使用的结构化报告。研究在中国西部两家医疗中心进行,纳入2,069名患者、111位专科医生和24个专科。与未使用PreA的组别相比,患者独立使用PreA后,专科医生平均问诊时间从4.41分钟降至3.14分钟,下降约28.7%;照护协调和沟通便利性也有所改善。这项研究最重要的地方,不是AI缩短了1分多钟的问诊。而是它提供了另一种想象。AI不必先从“替代医生”开始。它可以先解决患者与医生之间最普遍、也最少被解决的问题:信息断层。患者知道的是自己的感受:哪里不舒服、什么时候开始、生活受到了什么影响、以前吃过什么药。医生需要的是可以判断的信息:主诉、病史、症状演变、既往检查、风险因素、关键缺失项。两者之间原本靠一次有限时间的沟通连接。AI可以先完成整理、追问、结构化与转译,但把专业判断保留给医生。这恰好把几条路线接了起来:患者端AI帮助表达和理解;临床知识AI帮助调用证据;风险与诊断系统帮助整理可能路径;工作流AI帮助准备转诊、检查与随访;医生保留诊断、治疗与高风险行动的最终权力;患者后续的行为和结果再回到系统中。这不是“AI独立看病”的故事,这是“AI让医疗信息终于能够顺着患者流动”的故事。05医疗AI的核心问题:谁拥有下一步的选择权当这些能力开始连接,问题就不再只是“模型能不能做”。而是:连接之后,谁拥有下一步的选择权?假设一个系统可以读取患者长期健康记录,发现异常化验指标,检索最新证据,建议进一步检查,自动生成材料,甚至打开医院系统发起预约。每往前一步,风险都在变化。环节AI可以做什么需要守住的边界解释指标总结、翻译、提示异常不把解释伪装成诊断识别风险标记趋势、提示核查不隐藏不确定性建议就医推荐合适的就诊路径不替代紧急临床判断草拟材料准备申请、病历摘要、转诊信息必须保留人工审核执行低风险流程提醒、预约、资料补全在明确授权范围内行动下达医嘱提供证据与选项不能绕过专业授权调整治疗协助监测与提示由有资质人员承担责任医疗AI的关键能力,不应只是推理、规划与执行。它还应该包括一项经常被忽略的能力:识别自己无权决定什么。在医疗里,正确地停下、把证据交给对的人、等待授权,并不是系统失败。恰恰是系统可靠的一部分。06从“给出答案”到“形成闭环”,还缺四种反馈医疗AI今天最常见的产品形式,是一次问答。输入症状,输出建议。输入影像,输出概率。输入病历,输出摘要。但医疗真正需要的是闭环。这个闭环至少有四种反馈。第一种是数据反馈。新的检查结果、病程变化、可穿戴设备数据、用药与生活方式变化,能否进入系统,让它更新对患者当前状态的理解。第二种是行为反馈。患者有没有完成复查?医生有没有采纳建议?预约是否成功?药物是否按计划使用?一条建议被发出,不代表行动已经发生。第三种是结果反馈。患者的健康状态有没有改善?是否发生不良事件?是否减少住院、重复检查或不必要支出?第四种是归因反馈。这最难。患者状态变好,可能因为AI,也可能因为医生、药物、自然恢复、家庭支持或医疗资源变化。没有合理比较与因果识别,系统就可能把偶然成功误认为自身能力。这意味着,医疗AI的长期护城河不会只是数据量,也不会只是模型参数。它会是能否建立一套严谨的“信息—行动—结果—归因”系统。07最后竞争的,不是模型,而是谁能搭起这套系统未来几年,医疗AI可能出现几种不同的产业结构。结构可能的主导者优势难题专业工具网络影像、文书、药物等垂直公司专业性强,容易验证工具彼此割裂平台型健康入口大模型公司、科技平台用户入口和统一体验数据、责任与信任集中医院主导的Agent网络医疗机构与信息化厂商更贴近真实流程与责任体系部署慢、互通难长期健康协同系统患者端与临床端共同构成能形成长期连续反馈隐私、支付、公平与治理更难没有谁一定赢。但不管最后是哪种结构,都绕不开几个老问题:数据能否互通,模型能否被验证,谁对错误负责,谁付钱,医生和患者是否愿意改变原有行为,监管能否从“批准一个产品”走向“治理一个持续运行的系统”。医疗AI的技术门槛会不断降低。这些门槛却不会自动降低。08苹果提出了一个问题,整个行业都还没有答案11月15日,苹果启动健康AI使用研究,看上去是一件很克制的事。但它其实问出了医疗AI最难的问题:当一个系统开始影响人的健康选择时,什么叫“帮助”?是让用户更满意?让医生少写一点字?让医院跑得更快?让更多疾病被发现?还是让一个人最终得到更合适、更及时、更可负担的照护?这些答案并不总是一致。医疗AI不会被一个更强的模型彻底改写。它会在七条不同路径的推进中,被一点点重写:患者如何理解自己,医生如何判断证据,医院如何分配工作,系统如何执行行动,药物如何被发现,错误如何被拦下,结果如何被证明。真正重要的,或许不是AI能否给出更多答案。而是当答案出现之后,它能不能让下一步变得更好。
最让人想逃的聊天方式,它排第一
虎嗅 · 2 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
“减肥针不算药啊”,这5种情况不说实话会要命
虎嗅 · 2 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.
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 · 2 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🔽
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~
男性站着尿比坐着尿更健康?随机试验发现差异不显著
虎嗅 · 2 天前
本文来自微信公众号: 环球科学科研圈 ,作者:环球科学科研圈男人上厕所该站着还是坐着,这个问题在不少家庭里引发过争论,理由通常和马桶圈的卫生有关。在德国,坐着小便的男人甚至有个专门的称呼“Sitzpinkler”,字面意思是“坐着尿尿的人”,常被用来调侃男人不够爷们儿。尽管如此,在一项2023年对13个国家7000多名男性的调查中,德国男性里有40%说自己每次小便都坐着,比例在各国中最高;在美国,这一比例只有10%。撇开卫生和面子,从医学角度看,更值得人们关心的是排尿姿势会不会影响膀胱的“工作表现”。最近,哥伦比亚泌尿学研究小组(CURG)的胡安·伊雷吉-帕拉(Juan Iregui-Parra)等人在《神经泌尿学与尿动力学》(Neurourology and Urodynamics)上发表了一项随机交叉试验。结果显示,对健康年轻男性来说,站着还是坐着,尿流速度和排尿量都没有显著差别。尿了多少?研究人员招募了52名18至39岁的健康男性志愿者,用尿流率测定仪记录每次排尿。这种检查是泌尿科的常规项目,受试者需要对着一个带传感器的容器排尿,仪器会记下每一秒流出了多少尿液。研究主要观察了三项指标:💧最大尿流率,也就是尿流最急时每秒排出多少毫升;💧总排尿量;💧从开始排尿到达到最大尿流率所需的时间。试验采用交叉设计,每名受试者两种姿势都要做一次,自己和自己比较,这样可以排除个体差异的干扰。研究人员把受试者随机分为两组,24人先坐后站,28人先站后坐,两次测试至少间隔24小时。随机安排顺序,是为了避免“第一次测时比较紧张”这类因素被错算到姿势头上。统计分析也显示,测试顺序和测试轮次都没有对结果产生影响。结果显示,两种姿势下的最大尿流率平均相差约1.5毫升/秒,差异不显著(P=0.164);总排尿量平均相差约15毫升,差异同样不显著(P=0.318)。唯一出现统计学差异的指标是达到最大尿流率的时间:站着排尿时,平均要多花3.32秒才能达到最急的尿流(P=0.011)。不过研究人员认为,这几秒钟的差别不太可能有临床意义,而且这一结果在一定程度上受到了一名数据异常的受试者影响。需要注意的是,“没有显著差异”和“证明两者一样”是两回事。前者只说明这次试验没有找到足够的证据表明两种姿势有差别,后者则需要专门的等效性检验,证明真实差异落在一个事先划定的、可以忽略的范围内。研究人员把这个范围设为±2.5毫升/秒,但最大尿流率差值的95%置信区间下限达到了-3.55毫升/秒,超出了这一范围,因此等效性检验没有通过。换句话说,以目前52人的样本量,还不能正式断言两种姿势下的最大尿流率完全相同。研究人员在论文中批评,以往那些报告“没有差异”的研究,很少做正式的等效性分析,得出的结论往往超出了数据所能支持的程度。基于这些结果,研究人员认为,排尿姿势对健康男性的尿流指标几乎没有实际影响。但这一结论只适用于健康的年轻男性,不能直接推广到前列腺增生或存在其他排尿障碍的人群。研究人员表示,还需要样本更大、预先注册并事先设定等效性分析的研究,并把有排尿症状的人群纳入其中。对于已经“尿不净”的人呢?对后一类人群,此前已经有研究给出了不同的线索。2014年,荷兰莱顿大学医学中心的研究人员发表了一项荟萃分析,汇总了11项研究、约800名受试者的数据。分析发现,对健康男性来说,站着和坐着排尿的最大尿流率、排尿时间和残余尿量都没有明显差别;但在存在下尿路症状的男性中,坐着排尿后膀胱里平均少剩约25毫升尿液,差异具有统计学意义。下尿路症状包括尿频、尿急、排尿费力、尿不尽等,在中老年男性中十分常见,最常见的原因是良性前列腺增生。残余尿量则是评估这类患者膀胱排空能力的常用指标——残余越少,就说明排得越干净。不过,这项荟萃分析纳入的研究规模普遍较小,各研究之间的结果差异也很大,作者自己也提醒读者谨慎解读。而且,还有研究给出了相反的结果。2020年,约旦大学的研究人员在《美国男性健康杂志》(American Journal of Men's Health)上发表了一项研究,比较了116名前列腺增生患者和78名健康男性分别站着和坐着排尿时的表现。健康男性在两种姿势下的各项指标没有明显差别,前列腺增生患者却是站着排尿时最大尿流率更高、残余尿量更少:站姿时最大尿流率的中位数为14.7毫升/秒,比坐姿高了约三分之一;残余尿量的中位数为51.5毫升,比坐姿少了约四成。然而,这项研究同样有局限:受试者都是先站着测,下次就诊时再坐着测,顺序并非随机安排;而且站着测的那一次,排尿量也明显更多,膀胱里的尿量本身就会影响尿流率。两项结论相反的研究,说明对于有排尿障碍的男性,并没有一个确定的结论能说明哪种姿势更有利。而新研究没有测量残余尿量,也回答不了“哪种姿势排得更干净”这个问题。对于没有排尿障碍的健康男性而言,站着还是坐着排尿,更多是个人习惯和舒适度的问题。至于具体选择哪种姿势,研究者认为,并没有必要为了追求所谓的健康益处而刻意改变习惯。当然,无论采用哪种姿势,保持厕所清洁都是基本的卫生礼仪。论文信息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 Urodynamics 0(2026):1-7,https://doi.org/10.1002/nau.70485.主要参考来源https://yougov.com/en-gb/articles/45713-where-world-are-men-most-likely-sit-down-weehttps://www.forbes.com/sites/brucelee/2023/05/27/survey-many-men-always-sit-when-urinating-40-of-germans-10-americans/https://onlinelibrary.wiley.com/doi/10.1002/nau.70485https://pmc.ncbi.nlm.nih.gov/articles/PMC3126081/https://www.sciencealert.com/does-it-matter-if-men-pee-sitting-or-standing-a-randomized-test-has-an-answerhttps://pmc.ncbi.nlm.nih.gov/articles/PMC4106761/https://pmc.ncbi.nlm.nih.gov/articles/PMC7361486/https://theconversation.com/does-it-matter-if-you-sit-or-stand-to-pee-and-what-about-peeing-in-the-shower-206869本文来自微信公众号“环球科学科研圈”。如需转载,请在后台回复“转载”,或通过公众号菜单与我们取得联系。相关内容禁止用于营销宣传。
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。
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.