观点评论
2017年12月,一家名不见经传的美国软饮料公司将自己的名字从"长岛冰茶"改为"长区块链"。
这家公司毫无技术背景,借用的名称也颇为奇特——"长岛冰茶"本是一种风靡于上世纪80年代的强力鸡尾酒的通称(在西雅图长大的人们通常叫它"电动冰茶",因为距离纽约太遥远,"长岛"这个名字对他们毫无意义)。但这些都不重要。彼时正值第一波加密货币热潮,该公司股价随即暴涨逾三倍,市值一度突破9000万美元。
然而,那正是泡沫的顶点。此后,加密货币价格跌入第一个"加密寒冬",比特币在随后不到一年的时间里价值腰斩。这种繁荣与崩溃的循环此后又以更大规模重演了两次。财富在一夜之间易主,欺诈者身陷囹圄又获赦免,而区块链与加密货币除了投机炒作,以及在某些需要用一箱无标记美元的场合(即非法交易、从崩溃经济体出逃等)之外,始终未能找到清晰、可靠的技术应用场景。
历史正在重演。就在近日,曾经风靡硅谷科技圈、主打羊毛鞋履的风险投资支持企业Allbirds宣布,将转型进军AI基础设施领域,并将公司名称更名为NewBird AI。此前数周,这家曾被股票市场估值逾40亿美元的公司刚刚关闭了其在美国的全价门店,并以3900万美元的价格出售了其知识产权和相关资产。
仅因"AI"二字出现在公告中,投资者便将其股价推高了逾600%。尽管这家公司在AI领域毫无经验,却试图与资金雄厚的竞争对手争夺"高性能GPU资产",以便将其租赁给客户使用。至少当年从加密货币挖矿转型AI的企业,还积累了搭建和运营大规模计算机集群数据中心的实际经验。
历史不会简单重复,但总会惊人地相似。近来,种种迹象表明AI热潮的金融支柱已开始出现松动。有报道指出,Anthropic正在通过限制吞吐量、牺牲服务质量的方式来压缩成本。据悉,部分投资者对OpenAI上一轮公布的天文数字估值提出质疑,而就在该轮融资通过交易所交易基金向散户开放数周之后,争议便已浮出水面(言下之意:散户沦为了接盘侠)。OpenAI本身也在收缩此前大规模建设超级数据中心的计划,其合作伙伴甲骨文似乎也开始表现出犹豫观望的态度。
这一切对一线IT工作者意味着什么?你或许不是投资者、赌徒,也不是财经节目的嘉宾主持。金融泡沫潮起潮落,但服务器机房和网络必须持续运转,补丁需要按时部署,用户工单必须及时处理。
然而,金融泡沫往往会扭曲现实。当如此众多的人将如此巨额的资金押注于某项技术时,围绕这项技术的炒作与噪音便会铺天盖地。此时此刻,我们需要保持清醒,不妨扪心自问:业界如今冠以"AI"之名的这批软件产品,究竟是在帮你实现真正意义上的创新,还是仅仅将工作从一个人的手中转移到另一个人手中?它究竟是在节省你的时间,还是制造出需要你(和其他人)事后费力收拾的新烂摊子?它真的能交付实际成果吗?你所付出的成本,值得吗?
因为如果AI泡沫确实存在,那么那些真正具备价值的产品,或许会在泡沫破裂之后变得更加触手可及。
顺带一提,如果你好奇"长区块链"公司的后续——美国证券交易委员会于2021年2月将其摘牌,并对与该公司相关的三名人士提起内幕交易指控。其中一名被告其后与证监会达成和解,但未承认或否认相关指控。
Q&A
Q1:Allbirds为什么要改名为NewBird AI并转型AI基础设施?
A:Allbirds在关闭美国全价门店、以3900万美元出售知识产权和资产之后,宣布更名为NewBird AI并转型进军AI基础设施领域。其目标是获取高性能GPU资产并租赁给客户。然而,该公司在AI领域毫无经验,此举更像是借助AI概念提振股价的资本运作,而非基于真实的技术积累。
Q2:AI领域目前有哪些迹象表明可能存在泡沫?
A:多个信号值得关注:Anthropic被报道正通过限流和降低质量来节省成本;OpenAI的高估值遭到投资者质疑,且其散户开放投资渠道引发"接盘"担忧;OpenAI还在收缩超级数据中心建设计划,合作方甲骨文态度也趋于保守。此外,像Allbirds这类毫无技术背景的公司仅凭更名就引发股价暴涨600%,与2017年区块链泡沫期间的市场行为如出一辙。
Q3:AI泡沫如果破裂,对普通IT从业者有什么影响?
A:对一线IT工作者而言,日常的服务器维护、补丁部署和用户支持工作不会因泡沫起落而停止。但泡沫破裂也可能带来积极一面:那些真正具备实用价值的AI产品,在泡沫消退后价格可能大幅下降,反而更易获取和使用。关键在于保持理性判断,评估AI工具是否真正提升了效率、创造了价值,而非盲目跟风。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。