上周去武汉出差，特意体验了百度的萝卜快跑。在光谷马路上，看着方向盘自己转，油门刹车自己控制，感觉很科幻。 表层：无人驾驶的规模化突破 百度在武汉投放了上万辆无人驾驶车，覆盖主要交通区域。作为研究5年自动驾驶的人，我知道这意味着什么——无人驾驶从试点走向了规模化商业运营。实际体验下来，遇到闯红灯电动车会急刹车，复杂环岛反应有点慢，但总体比想象中稳定。 深层：中美自动驾驶的路径分歧 中美玩法截然不同：百度是"车路协同+Robotaxi"，靠政府支持和基础设施建设；特斯拉是"纯视觉+私人汽车"，靠算法和芯片。百度走得更快，但特斯拉的技术更通用。上周跟出租车司机聊天，他说武汉出租车生意已受影响：“无人驾驶越来越多，我们怎么办？” 终局：技术与就业的两难 特斯拉的擎天柱机器人发布了原型，能做简单动作，但成本太高，短期内难商业化。相比之下，自动驾驶的商业化路径更清晰，冲击也更直接。 技术进步总会淘汰职业，也会创造新机会。但淘汰是立竿见影的，创造机会却需要时间。 无人驾驶的春天来了，但不是每个人都能感受到温暖。技术的温度，取决于我们如何对待被它改变的人。
WWDC发布Apple Intelligence那天，我在加州咖啡馆写代码，旁边几个程序员看到演示时发出惊叹声。 表层：隐私优先的设备端革命 苹果把AI直接整合到iOS、iPadOS和macOS，主打设备端处理——数据不上传云端，隐私更安全。作为用了十年苹果的人，我知道它的生态闭环有多强：Apple Intelligence能在不同设备间无缝切换，这是谷歌微软做不到的。用iPhone 15 Pro测试了几个功能，确实比以前快，但复杂多模态任务还是会卡顿。 深层：中美设备端AI的路径博弈 中美路径截然不同：苹果是"设备端优先+云端协同"，华为是"全栈自研+硬件软件一体化"。上周跟芯片设计师聊天，他说苹果神经引擎已迭代到第五代，算力提升10倍，但跑GPT-4级别模型还是吃力。华为的昇腾芯片则是从底层自研，走的是另一条路。 终局：设备端AI的融合未来 设备端AI的终局是什么？是每台设备有自己的AI大脑，还是云端大脑的延伸？我觉得是两者结合。苹果没说透的是，复杂任务还是需要云端协同——这才是真实的技术妥协。 隐私和性能，永远是AI的两难。苹果选择了先保隐私，再拼性能。 设备端AI的终极战场，不在参数表上，而在用户感知到的流畅度和安全感之间。
OpenAI发布GPT-4o那天，我熬夜看了发布会直播。当演示者用语音、图像、文本同时和AI交互时，突然意识到：单一文本交互的时代，可能真的要结束了。 表层：交互效率的革命 作为每天跟AI打交道的人，我早受够了只能打字的限制。想让AI分析图表，得手动输数据；想让AI看照片，得文字描述半天。测试GPT-4o时，响应速度比GPT-4快2倍，基本秒回。上周跟做教育的朋友聊，他说正用GPT-4o做在线辅导：学生上传错题照片，AI马上讲解，效率高多了。 深层：中美多模态的垂直竞争 谷歌DeepMind也发布了AlphaFold 3，在蛋白质预测方面又进了一步。中美在多模态领域的竞争，已经从通用场景延伸到垂直领域。GPT-4o主打通用交互，AlphaFold 3深耕科学计算，各有侧重。 终局：多模态的两面性 但多模态也有问题：上传复杂电路图，AI会解读错误；语音提问，口音重就识别不准。更关键的是隐私——上传的照片和语音会不会被滥用？还有成本，处理多模态数据的算力消耗，比文本高多了。 技术总是解决旧问题，带来新问题。GPT-4o到底是多模态时代的开始，还是噱头？ 单一模态的AI是工具，多模态的AI才是伙伴。但成为真正的伙伴，还需要跨过隐私、准确性和成本的三道坎。
Meta发布Llama 3那天，我第一时间下载了8B版本测试。不得不说，效果超出预期——某些任务甚至超过GPT-3.5。 表层：大模型的端侧革命 作为开发者，我太懂开源的力量了。以前玩大模型，要么花大价钱买API，要么要有超算。现在普通服务器甚至高端PC就能跑Llama 3。微软也凑热闹，开源了Phi-3-mini，3.8B参数连手机都能装。AI正在从云端被拉到端侧。 深层：中美开源的路径差异 中美玩法截然不同：中国是"开源+生态"，比如百度文心一言开放API让开发者做应用；美国是"纯粹开源"，直接放模型权重。上周跟做企业服务的朋友聊，他说客户都在问私有大模型部署，不想把数据放云端。Llama 3正好满足需求。 终局：开源的双刃剑 但开源也有风险。上周看到有人用Llama 3生成诈骗短信模板，要是被坏人利用，后果不堪设想。AI普惠革命来了，但革命的代价是什么？ 开源让AI不再是巨头专属，普通人也能玩得起。但权力下放的同时，责任也在分散。 技术普惠从来不是免费午餐，它考验的是整个社会的技术素养和道德底线。
欧洲议会通过AI法案那天，我在布鲁塞尔参加AI论坛。会场两派：一派欢呼终于有了全球第一个AI监管框架，另一派愁眉苦脸，担心监管杀死创新。 表层：分级监管的现实冲击 欧洲把AI分成不同风险等级，高风险AI（医疗、教育）要严格审查。这听起来合理，但一家美国AI公司想进欧洲，得遵守欧洲法律；欧洲公司到美国，却没同样约束。这不是"监管套利"吗？ 深层：中美欧监管的全球博弈 中美态度截然不同：中国"包容审慎"，美国"行业自律为主"，欧洲直接上法律。上周跟一个欧洲AI创业公司CEO聊天，他说考虑把研发中心搬到新加坡：“欧洲监管成本太高，玩不起。” 终局：创新与监管的平衡难题 我其实挺矛盾的。AI发展太快，确实需要规则约束；但欧洲的监管向来严格，会不会像GDPR那样，成为企业沉重负担？ 监管和创新从来都是冤家。AI法案到底是好事还是坏事？现在下结论太早。但全球AI治理的拼图，又多了一块重要碎片。 创新需要自由，发展需要规则。真正的智慧，是在红线内跳舞。