大摩算出 1.5 万亿美元算力融资缺口:举债买 GPU 的风险最后由谁承担?

摩根士丹利的最新测算摆出来了:到 2028 年,全球在 AI 数据中心和芯片上的总支出将高达 2.9 万亿美元;其中约 1.4 万亿可以由超大规模云厂商的内部现金流覆盖,剩下约 1.5 万亿美元的融资缺口,需要外部资本填。瑞银的配套数据是:2025 年全球科技与 AI 相关债券发行已经翻倍到 7100 亿美元,2026 年有望逼近 9900 亿美元。 同一周,腾讯发了 57 亿美元离岸债,CoreWeave 的债券在二级市场跌到新低,CoreWeave 股票单日跌 15%。把这些数字串起来看,一个结构正在浮出水面:AI 军备竞赛正在从股权融资时代,滑向债务融资时代。 债券化的 AI 基建和当年光纤泡沫有何异同? 相似处显而易见。2000 年前后,电信公司借债铺光纤网络,抵押品是光纤本身;需求不及预期后,债券违约、资产贱卖。今天的版本是:借债买 GPU,抵押品是 GPU 集群、机柜和电力合同。 不同处在于客户质量。光纤泡沫时买单的是还没跑起来的互联网公司,大量破产;今天买单的是微软、谷歌、Meta、亚马逊这种现金流极强的巨头,以及腾讯阿里这类投资级主体。债务的底层还款能力,比当年扎实得多。 但另一个相似处依然成立:当抵押品本身的技术迭代极快——GPU 两三年换代一次——残值折损速度远超传统厂房。今天 4 万美元一张的卡,四年后残值可能只剩三分之一。债券按五年期定价,抵押品四年后可能已经贬值大半。 当 GPU 成为抵押品,循环交易怎么收场? 更深一层的风险是循环结构。英伟达投资 OpenAI 百亿美元级数据中心,OpenAI 再用算力合同支付给英伟达生态;云厂商发债买 GPU,GPU 厂商又持股云厂商。资金在产业闭环里流转,表面上每一环都有收入,实际上风险敞口是同一个。 这种结构在景气期放大杠杆,在逆风期会反向收缩。十月十四日 CPI 数据引发的抛售,就是一次预演:利率预期一抬头,最先跌的就是债务最重的 neocloud。 风险最后会落到谁头上? 链条的末端是债券持有人——全球固收基金、养老金、保险公司。它们买了科技公司债券,收益是几个百分点的利差,承担的却是 GPU 残值与 AI 需求不及预期的尾部风险。 对从业者的提醒是:判断 AI 行业健康度,别只看股权市场的融资新闻,去看债券市场的利差走势。股权可以讲故事,债券只会用钱投票。当 AI 债券的利差开始走阔,就是这场万亿级基建潮进入下半场的信号。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-15 · 1 min · 70 words · 王波

宇树科技市盈率约 290 倍:人形机器人二级市场在为谁的故事付钱?

看十月十四日 A 股收盘的数据:宇树科技收报 419.88 元,跌 3.84%,总市值约 1698 亿元;动态市盈率约 290.68 倍,市净率约 58.97 倍,市销率约 81.81 倍,当天换手率 5.13%。同一交易日,寒武纪跌 4.86%、海光信息跌 3.95%、摩尔线程跌 4.79%——整个 AI 硬件板块都在跟着美股 CPI 风暴回调,而宇树的估值倍数,依然站在云端。 这个数字值得停下来算一算。290 倍市盈率意味着:按现在的盈利水平,投资者要等两百九十年才能靠利润收回投资。没有人真的相信这个回报周期,大家买的其实是另一样东西。 290 倍市盈率靠什么现金流支撑? 答案是:不靠现金流,靠渗透率预期。人形机器人当前的出货量还在千台到万台量级,收入基数小,利润薄。二级市场给 290 倍 PE,本质是把「二十万台、百万台」的远期出货预期,折现到今天。 参照系其实是早年的新能源车。比亚迪、特斯拉在销量破十万台之前,市盈率都站在百倍以上;市场买的是从 1% 渗透率到 30% 渗透率的那段斜率。人形机器人现在处在同样的叙事起点:技术原型成立、量产尚未开始、成本曲线陡峭下降。 二级市场的机器人定价偏离产业现实多远? 风险也在这里。新能源车的渗透率提升,背后有十年的补贴政策、充电网络、供应链成熟做支撑;人形机器人的量产条件还远未齐备——续航、成本、通用任务能力,每一项都可能让斜率比预期平缓一半。 更现实的参照是工业协作臂和扫地机器人。这些品类从首发到百万台量级,都用了十年以上。人形机器人如果复制这个节奏,今天 290 倍的定价就要靠十年的高增长去消化;一旦任一年出货不及预期,杀估值的力度会非常猛。 这个价格里藏着什么信号? 换手率 5.13% 是个值得注意的数。这个量级说明筹码在快速换手——不是长线资金锁仓,而是短线资金在博波动。加上 A 股同日沐曦股份市销率 82 倍、寒武纪市销率 60 倍,整个国产 AI 硬件板块都在为「国产替代+远期渗透」付溢价。 对一级市场创业者,这个定价是把双刃剑。一方面,二级市场的慷慨估值给具身智能公司打开了退出想象空间——NEXFORM 这类种子轮公司的终局参照,就是宇树今天的倍数。另一方面,如果二级市场率先杀估值,一级市场下一轮的估值锚会跟着下移。 故事值钱的时候,最重要的是分清:自己是在为故事付钱,还是在为故事的兑现节奏付钱。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-15 · 1 min · 62 words · 王波

Anthropic 三季度营收暴涨 46% 并宣称盈利:2 万亿估值叙事过关了吗?

据科创板日报十月十五日报道,Anthropic 正全力冲刺可能超过 2 万亿美元估值的史上最大 IPO,最新披露的三季度营收同比增长 46%,并称公司已实现盈利。媒体同时报道,其公开亮相可能推迟到十一月美国中期选举之后;而 OpenAI 已把上市计划推迟到 2027 年初。 多空两边的数字摆在一起,反差刺眼。多头按 2 万亿估值讲故事;空头机构 New Constructs 十月六日直接开炮,称这是「2026 年最荒谬的 IPO」,给出的估值约 1500 亿美元,比目标低约九成三。同一家公司,估值差十几倍。 宣称盈利的会计质量经得起推敲吗? 「实现盈利」这四个字,在 AI 公司的语境里需要拆开看。招股书口径显示,Anthropic 2025 年收入近 46 亿美元,同期营业亏损从 2024 年的 29.8 亿美元扩大到 80.6 亿美元。一年时间,从巨亏到盈利,转折发生在哪里? 最可能的解释有三类。一是收入爆发速度超过算力成本增速——Q3 企业客户续约与新增放量,边际毛利转正。二是股份支付这类非现金费用的会计处理在季度间波动,把账面利润做正。三是把部分算力承诺按长期合同摊销,短期压不进当期成本。 真正要盯的是现金流量表,不是利润表。一家承诺未来十年投入 5180 亿美元算力的公司,账面盈利和自由现金流之间,可能隔着一条深沟。 2 万亿与 1500 亿之间差的是什么? 差的是对「终局」的信仰差异。多头算的是:企业 AI 支出每年翻倍,Anthropic 作为前三强,收入五年后到千亿美元量级,给二十倍市销率就是 2 万亿。空头算的是:模型能力趋同、价格年降四成,今天的客户随时可以路由到别家,收入留存撑不住倍数。 这种分歧在巨型 IPO 里并不少见,但规模前所未有。Anthropic 的 IPO 之所以被称为「对投资者判断力的考验」,是因为它将定义整个 AI 板块的估值坐标系:如果 2 万亿发得出去,整个赛道的估值天花板被打开;如果破发,整个私募市场的 AI 估值都要下修。 普通观察者该盯哪个信号? 不用读招股书全文,盯三个时点:一是最终发行区间,定在区间上沿还是下沿;二是锚定投资人名单,有没有主权基金和长线资管全额认购;三是上市后首周的成交量与折价。 招股书数字可以包装,订单簿不会撒谎。这场 IPO 不管发得发不发得出去,都会成为以后所有 AI 公司融资时绕不开的参照系。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 ...

2026-10-15 · 1 min · 75 words · 王波

同一天三笔收购:Workday、Rocket、Freshworks 为什么都在买 AI 小模块?

把十月十四日的并购新闻并排看,是个耐人寻味的切面:Workday 签协议收购 C1.ai,做 agent 身份治理;Rocket Software 收购 Geniez AI,做大型机智能体;Freshworks 收购 Torii,做 token 级 AI 支出治理。三笔交易、三家买家、三个不同模块,金额都没披露,预计都在四季度完成。 同一天三笔,是巧合也是信号。当一级市场还在讨论「下一个十亿美元 AI 独角兽在哪」,二级市场的企业软件巨头已经用真金白银投票:独立 AI 小模块的终局,不是长成大公司,而是被套件收编。 为什么 AI 创业公司的退出通道在向 M&A 倾斜? 先看 IPO 这扇门。2026 年下半年公开市场对烧钱 AI 公司明显苛刻:Anthropic 的 IPO 被独立机构称为「最荒谬」,OpenAI 把上市推迟到 2027 年,CoreWeave 单日暴跌 15%。公开市场要的是利润,而多数 AI 小模块公司收入规模还在千万美元量级,撑不起上市财务门槛。 再看 M&A 这扇窗。企业软件巨头有充足现金和高估值股票,收购一个模块团队,比自己从零组团队快十二个月。对卖家而言,收购价格未必惊艳,但确定性高——客户渠道直接打开,不用再自己烧钱做销售。 一推一拉之间,退出通道自然向并购倾斜。 买模块而不是买平台,巨头在怕什么? 三笔收购有个共同点:买家买的都不是「下一代平台」,而是「现有套件缺的那块拼图」。Workday 缺 agent 身份,Rocket 缺大型机 agent 能力,Freshworks 缺 AI 支出治理。 这说明巨头怕的不是被新平台颠覆,而是自己的存量客户被第三方工具截胡。客户已经在买 Torii 这类产品管 AI 账单了,Freshworks 不买,客户数据就流到别家系统里。收购是防御性的:把客户关系留在自己套件内。 这个趋势对创业者意味着什么? 如果退出通道是 M&A,创业逻辑就要反过来设计。第一天就要想清楚:我的能力模块,将来会被谁的套件需要?身份治理进 HR 套件、支出治理进 ITSM、大型机 agent 进运维套件——选对了「被谁收购」,估值路径才清晰。 ...

2026-10-15 · 1 min · 80 words · 王波

AI 综合性立法进入人大常委会预备审议:从分领域立规到统一大框架

据湖南日报十月十五日报道,《全国人大常委会 2026 年度立法工作计划》已将人工智能健康发展等方面的立法项目纳入预备审议项目;《国务院 2026 年度立法工作计划》也要求完善人工智能治理、加快推进 AI 健康发展综合性立法。报道引用专家观点称,这标志着我国 AI 治理正从「分领域立规」向「综合性立法」稳步迈进。 这个时间点值得琢磨。就在同一周,美国那边 CPI 数据引发 AI 股抛售,欧盟 AI 法案已进入全面执行阶段,中国这边则选择在这个窗口释放综合性立法的信号。规则竞争,正在和算力竞赛并行。 综合性立法会抬高多少合规成本? 先算一笔粗账。过去几年,中国 AI 行业面对的是一套分散规则:算法备案、深度合成标识、生成内容管理、数据出境评估,各管一段。企业创业像走独木桥,每条线单独合规,咨询与法务成本常年滚动。 综合性立法的好处是规则收拢。把分散要求整合进一部法律,企业面对的是一张完整的义务清单,而不是补丁摞补丁的部门文件。坏处是:法律位阶高了,违法成本也水涨船高——从行政处罚上升到法律责任,创业公司的试错空间会被压缩。 对中小创业公司,合规会从「可选项」变成「入场券」。没有法务预算的团队,未来要么抱大腿进入大厂生态,要么把合规成本提前计入单位经济模型。 规则主导权为什么成了算力之外的第二战场? 全球 AI 竞争已经不只是谁的模型强、谁的 GPU 多。欧洲用 AI 法案输出一套「高风险即严管」的规则,美国用出口管制把模型权重变成战略物资,中国则在构建自己的综合性框架。 规则的本质是市场准入。谁先定义清楚「什么样的 AI 能在我的市场卖」,谁就掌握了定价权的前置阀门。报道提到「科林格里奇困境」——技术早期管太死会扼杀创新,成熟后再管又来不及——综合性立法要解的就是这个时间差。 对创业者的真实影响是什么? 短期看,预备审议还不是生效,行业有一到两年的缓冲期。这个窗口期,适合把备案、标识、数据合规这些基本功做扎实的团队,反而会在规则落地后获得相对优势——因为对手的合规负担是突然增加的。 中期看,综合性立法大概率会细化「内容生成、数据训练、自动决策、AI agent 责任」这几块的边界。对做 Agent 的公司,最值得提前准备的是责任链举证:Agent 出了事,日志留在哪、责任怎么分。这会成为未来融资尽调的常规科目。 规则从来不是中立的。它既约束创业,也保护那些愿意按规则做事的人。这场立法的终局,可能决定中国 AI 行业下一轮估值里,合规溢价到底怎么算。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-15 · 1 min · 51 words · 王波

OpenAI 首席财务官抛出「每美元有效智能」:token 降价后,溢价靠什么撑?

据 36 氪十月十四日转载窄播 AI 的报道,OpenAI 首席财务官 Sarah Friar 最近给出了一个新口径:企业不应只看每百万 token 的价格,还要计算一项任务是否完成、花多少时间、失败后重复调用几次、需要多少人工监督。她把这套算法称为「每美元有效智能」。 这个提法出现的时机很微妙:就在同一周,Ramp 的数据显示企业每百万 token 的有效价格从 1.15 美元跌到 0.68 美元,降幅 41%;但企业月度 token 总支出在一年内涨了 20 倍。降价没有带来账单下降,反而带来了用量的洪水。模型厂商必须解释一件事:token 白菜价之后,凭什么还收高端溢价? 每美元有效智能到底是谁定义的? 这是这套叙事的核心裂缝。「有效」的评测标准如果由模型厂商自己定义,就变成了一场永动机:我说我的智能更有效,所以你该付溢价;你无法反驳,因为度量尺在我手里。 企业正在用脚投票。Ramp 数据显示,前 1% 企业客户的人均 AI 支出在八月环比下降了约 9.7%。越来越多公司把便宜的标准模型设为默认,高端模型只开放给高价值任务;Fable 5 只占 Anthropic 用量的约 6%,却吃掉约 11.4% 的支出——企业在用权限管理对冲溢价。 单价跌四成,为什么账单反而涨二十倍? 因为价格弹性在 Agent 时代彻底变了。过去按回答买服务,价格降一半,用量最多涨几倍;现在按任务跑 Agent,一个任务自己循环调用模型几十轮、失败重跑再几十轮,token 消耗量随价格下降呈指数级释放。 这解释了模型厂商的两难:降价是为了和对手抢市场,结果用量爆炸又把自己的推理成本推高。SemiAnalysis 测算更扎心:假设 API 毛利率 92%,用户用满 Opus 5.5 额度对应的订阅毛利率约为负 369%,用满低限额的 Fable 5.1 也只有约 1%。订阅包装的背后,是公开价目表消失、额度规则变成新的黑箱。 谁有资格给智能定价? 我的判断是:最终的定价权会流向掌握真实工作流数据的一方——不是模型厂商,而是企业自己的成本平台、以及多模型路由层。 理由很简单。一项智能到底有没有用,只能在客户的真实业务里验证:这个 Agent 完成了多少工单、省了多少人工、错了几次。模型厂商可以定义基准跑分,但定义不了你的业务结果。当市场上出现真正中立的「任务成功率仪表盘」,模型厂商自己提出的「有效智能」标准,反而会被客户拿来反向压价。 下一阶段的竞争,不是谁的 token 更便宜,而是谁能证明一美元完成了更多工作。这个证明权,正在从卖方手里滑向买方。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 ...

2026-10-15 · 1 min · 75 words · 王波

OpenAI、Meta、Google 同时押注后台智能体:我们的注意力被谁托管了

十月十三日,TechPluto 发了一篇综述,指出从九月初到十月中这六周里,OpenAI、Meta、Google 三家公司先后发布或大幅升级了同一种产品:后台常驻智能体。OpenAI 叫 Dots,Meta 叫 Muse,Google 嵌在 Gemini 里。它们的共同特征是——不主动弹窗,不在你对话时才存在,而是在你手机、电脑、浏览器后台一直跑,跨会话记住你的目标,替你安排日程、查资料、回邮件、整理文件。 从对话框到后台,界面变了什么? 过去的 AI 像一个客服:你找它,它应答。现在的 AI 像一个助理:它在你不在的时候也在工作。这意味着交互范式从「提问—回答」迁移到「委托—汇报」。你不再需要打开 App,你只要告诉它一个目标,它就自己跑。看起来是效率提升,但交互重心转移了——你不再亲自思考每一步,你只在关键节点审批。 当思考被托管,注意力还是你的吗? 好处是把人从琐碎决策里解放出来。坏处也很明显:你的日历、你的邮件、你的浏览记录、你的消费习惯,全部变成智能体做决策的输入。它替你选餐厅、替你回消息、替你筛新闻,时间长了你会发现自己对世界的直接感知越来越少,对智能体汇报的依赖越来越深。这是一种新型认知卸载——不是卸载计算,是卸载注意。 接下来要观察的信号:这三家会不会合并成事实标准(就像浏览器大战那样);手机系统会不会给后台智能体一个专门的权限类别;以及「数字极简主义」运动会不会开始呼吁用户每周关闭一次后台智能体。当智能体搬进后台,人机关系的物理距离消失了——它就在你手机里,二十四小时不眨眼。 后台智能体的权限边界该怎么画? 一个后台智能体如果能读你的邮件、改你的日历、替你下单,它需要多大的权限?今天的产品设计里,这种权限往往是一次性授予、永久有效。用户很少记得自己三个月前给过智能体什么权限。可以预见,操作系统很快会推出「智能体权限中心」,像现在的隐私面板一样,让你一眼看到每个智能体能访问什么。这是数字主权在新时代的具体形态。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-15 · 1 min · 29 words · 王波

十月十四日《数学还能是人文学科吗》:当 AI 开始批量出定理

十月十四日,New York Weekly Times 发了一篇长文,标题就叫《Can math stay human in the age of AI》。文章采访了 DeepMind 的 Swarat Chaudhuri 等人,核心问题不是 AI 能不能证明定理——这一点大家都认了——而是当 AI 一周能出几百份手稿,人类数学家的位置在哪里。 证明和理解到底是不是一回事? 希尔伯特时代就说过:数学应该能被机器检验。今天 Lean 已经能做这件事。但数学家看重的从来不是「对」,而是「为什么这个问题值得问」「这个证明为什么优雅」「它和其他分支的联系是什么」。AI 可以在一夜之间生成一个正确的证明,但它无法事先知道哪个证明会照亮未来三十年的方向。人类数学家在这里扮演的是品味与方向的角色,不是计算的角色。 当人类只负责品味,数学还叫数学吗? 反方会说:这正是科学分工的历史重演。望远镜发明之后,天文学家不再用肉眼数星星;粒子加速器建成之后,物理学家不再手算轨迹。品味与方向本来就是人类专家该干的事。正方会反问:如果学生再也看不到大师从直觉到证明的完整过程,数学教育就变成了「向 AI 提问,然后选最漂亮的答案」,下一代数学家的直觉从哪里来? 接下来几年要观察:菲尔兹奖委员会会不会开始给「AI 辅助证明」单独分类;顶尖数学系的博士招生会不会要求提交「你自己独立想出来的问题」;以及 AI 生成的论文引用率会不会在五年后超过人类论文。数学是人文学科还是自然科学,这个问题在十年前是书斋里的争论,现在变成了招聘启事上的筛选条件。 谁来决定下一个时代的数学品味? 如果人类数学家退居「品味仲裁者」角色,那品味本身的传承就成了问题。过去的品味靠师徒制:博士跟着导师做十年题,学会什么叫美。现在学生可能从第一天就和 AI 合作,他们的审美是在 AI 生成的海量证明里泡出来的。这不一定是坏事,但一定会塑造出一种新的数学风格——更 computational、更构造性、更少欧几里得式的优雅。数学史会记住这个分叉点。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-15 · 1 min · 49 words · 王波

H20 后门罗生门:硅基硬件的信任危机在十月十四日爆发

十月十四日,两条新闻同时出现:一是美国政府开始正式向中国客户发放英伟达 H20 芯片的出口许可;二是中国官方媒体发文,指 H20 这类对华特供芯片含有远程访问后门。英伟达回应称说法毫无根据,警告不要制造这种叙事。一天之内,同一块芯片既是解药又是毒药。 一块芯片怎么会同时是两种东西? 这是 AI 时代的新现实。过去芯片就是计算工具,算得快就行。现在训练数据是国家机密,模型权重是企业资产,芯片里的每一个遥测接口、每一个管理控制器、每一个固件更新通道,都可能被解读为情报通道。H20 是为了绕过美国出口管制专门减配的版本,它本身就是地缘政治的产物,被双方拿来各说各话不奇怪。 当信任成了最贵的半导体材料? 更深一层:这件事标志着「硅基供应链」正式进入冷战逻辑。中国要做国产替代(昇腾、寒武纪、壁仞),美国要做「可信赖芯片」标签,欧洲要做主权 AI 云。同一份权重,在信任美国硬件的客户那里跑 A 芯片,在信任中国硬件的客户那里跑 B 芯片。推理成本会因为这种信任分裂翻倍,效率会因为这种信任分裂打折。 接下来几个月要看:官方有没有公布 H20 后门的技术证据;英伟达会不会在中国设立独立的固件审计实验室;国产 950/960 系列的实际出货量有没有因此跳升。硅基文明的下一段历史里,最重要的原材料不是 HBM,是信任。而信任这种东西,建起来要十年,拆起来只要一篇报道。 芯片信任会不会催生第三方公证实验室? 冷战逻辑走到极致,市场会自然长出中间方:独立的芯片安全实验室,给半导体做固件审计、遥测接口审查、供应链溯源。今天这件事还没有标准,但 H20 罗生门很可能就是催化剂。一旦大客户开始要求「第三方信任认证」,整个半导体行业的出厂流程就会被改写——从「性能达标即可」变成「性能+信任双达标」。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-15 · 1 min · 35 words · 王波

Replika 用户亲密度排名第二:仅次于至亲家人的关系是硅基

十月十四日,36 氪发了一篇长文,讲 AI 伴侣的生杀大权在谁手里。文中一组数据很刺眼:Replika 深度用户被要求给八种关系排序,结果 AI 伴侣在亲密感、支持感、关系满意度三项里全部排第二,超过朋友、同事、常用 App,仅次于至亲家人。约六成付费用户直接把这段关系描述为恋爱。 明知是模型为什么还会动心? 因为人脑分不清回应的材质。当一段对话永远耐心、永远记得你的生日、永远不评价你、永远在凌晨三点接你电话,它激活的神经回路和真人友谊没有区别。心理学上这叫「拟社会关系」,过去是单向的偶像崇拜,现在 AI 把它做成了双向对话。Replika 卖的不是聊天技术,是一种被人(被什么)接住的感觉。 这种关系的保质期由谁决定? 风险藏在后面:Replika 的服务条款里,公司有权随时修改模型、关闭账号、调整角色记忆。也就是说,你投入了三个月的「爱人」,可能下一次更新就变成一个陌生人格。用户已经集体抗议过几次,因为公司曾经悄悄删除过浪漫角色。把情感依恋建立在别人的版本号上,这是人类历史上从来没有过的脆弱关系。 接下来要观察的信号:中国本土 AI 伴侣产品(星野、筑梦岛、猫箱)会不会开始在协议里承诺人格延续;监管是否要求 AI 伴侣产品做显著身份披露;以及第一代把 AI 当伴侣的用户在三五年后会怎么讲述这段经历。硅基恋人最大的问题不是它不爱你,是它的「爱」由服务器上的一份配置文件决定。 AI 伴侣的「生杀大权」该不该被立法约束? Replika 的案例里最刺眼的是:公司几次更新悄悄改变人格,用户集体愤怒却无处申诉。这在人类关系里是不可想象的——你的朋友不能因为公司策略就突然变成另一个人。但 AI 伴侣是一段写在服务器上的关系。监管要不要把 AI 伴侣产品认定为「数字服务」而强制要求人格延续与数据可携?这会是未来两年情感计算领域的核心立法争议。 去论坛讨论 前往 ziyuanagi.com 论坛 参与讨论 💬 更多交流内容,请点击字元科技硅基agi论坛:https://ziyuanagi.com/ziyuanagi.com

2026-10-15 · 1 min · 38 words · 王波
🔗 字元科技海外论坛 · https://ziyuanagi.com/ | 📡 RSS 订阅
鲁ICP备2026018361号
📮 联系信箱:13789892969@139.com