Signal Daily 2026-01-12
Signal 简报：2026 年的 AI 正在经历一场深刻的“双向分化”。
向上，是硬核基建的重构——玻璃光芯片挑战摩尔定律，强化学习云定义后训练时代； 向下，是使用门槛的消融——Linux 之父开始“氛围编程”，打工人用“影子 AI”重塑工作流，而 10 后一代已成为彻底的 AI 原住民。 与此同时，商业世界正在痛苦地挤泡沫，智谱的 To G 困局为所有大模型厂商敲响了警钟。
01 硬核基建：光速计算与强化学习云
AI 的算力底座正在发生代际更迭，以适应“推理时代”的需求。
- 光本位科技（Light-bit）：宣布研发出玻璃基光计算芯片。利用玻璃的高透光性和热稳定性，该芯片在 AI 推理场景下的算力据称是 Google TPU 的 1400 倍，能效比提升 200 倍。这标志着 AI 算力可能跳出摩尔定律的物理限制，进入“光速时代”。
- Agentic RL Cloud：九章云极推出了业界首个强化学习云平台。这呼应了 OpenAI o1 和 DeepSeek R1 带来的趋势——AI 的核心算力消耗正在从“预训练（Pre-train）”转向“后训练（Post-train）”和“推理时思考（Test-time Compute）”。未来的云，必须能支撑数万智能体同时进行自我博弈和进化。
Signal 点评：马克·安德森预言的“算力价格崩塌”正在通过这些技术突破成为现实。当推理成本接近于零时，商业模式将从“卖 Token”彻底转向“卖服务/结果”。
02 具身智能：开源登顶与视觉短板
机器之心SOTA: Spirit v1.5 | 量子位: RoboPocket | 赛博禅心: BabyVision
具身智能（Embodied AI）正在经历“躯体变强”与“感知滞后”的矛盾。
- Spirit v1.5 开源：千寻智能开源了基于 Qwen3-VL 的视觉语言动作（VLA）模型，并在 RoboChallenge 榜单上登顶。其核心策略是引入**扩散变换器（Diffusion Transformer）**作为动作头，大幅提升了机器人操作的丝滑度。
- RoboPocket 采集方案：为了解决数据饥渴，穹彻智能推出了“手机+夹爪”的便携采集方案。更关键的是，它引入了**“数据价值中枢”**，在采集端就能实时判断数据对模型的训练价值，拒绝盲目堆量。
- BabyVision 评测：红杉 xbench 的评测泼了一盆冷水——虽然模型能写论文，但在纯视觉任务（如追踪线条、空间想象）上，顶尖模型的表现普遍不如 3 岁儿童。大模型往往在用语言逻辑“猜”视觉答案，而非真正“看懂”。
03 开发范式：祖师爷转向与本地存储
新智元: Linus Torvalds | Zilliz: Claude Code 拆解 | 逛逛GitHub: Manus复刻
开发者的工作流正在被重塑，从“写代码”转向“设计系统”。
- Linus 的真香时刻：Linux 之父 Linus Torvalds 在开发 AudioNoise 项目时，承认使用了 Google Antigravity 进行 "Vibe Coding"（氛围编程）。他跳过了学习 Python 库细节的中间环节，直接让 AI 生成代码。这是底层硬核程序员拥抱 AI 的标志性事件。
- Claude Code 存储架构：针对企业级 RAG/Agent 的本地化数据安全需求，Zilliz 深度拆解了 Claude Code 的存储设计：
- 流式 JSONL：防止程序崩溃导致对话丢失。
- File Snapshot：修改代码前自动备份，支持一键撤销（Esc+Esc）。
- 路径隔离：按项目路径编码存储 Session，防止上下文污染。
- Planning-with-files：一个复刻 Manus 工作流的开源项目（3 天 7000 Star）。它强制 Agent 使用文件系统（Task Plan, Notes）而非对话历史来管理长期记忆，解决了 Agent 容易“健忘”和“目标漂移”的顽疾。
04 商业迷雾：To G 困局与影子 AI
企业侧的 AI 应用呈现出冰火两重天。
- 智谱的 To G 隐忧：智谱 AI 上市在即，但 84.8% 的营收来自 To G 私有化部署。这让人联想到当年“AI 四小龙”的困境——项目制陷阱（高定制、低毛利、回款慢）。且随着 DeepSeek 等强力模型的出现，客户开始要求适配竞品，进一步削弱了厂商的话语权。
- 影子 AI (Shadow AI)：MIT 报告显示，企业斥巨资部署的官方 AI 系统 95% 失败，而 90% 的员工正在自费购买 ChatGPT/Claude 来干活。这种“自下而上”的效率革命证明：灵活、个性化的 AI 工具远胜于僵化的企业级部署。
05 社会与伦理：原住民与新规则
- AI 原住民：10 后一代正在跳过搜索引擎，直接向 AI 提问。他们习惯了 AI 的陪伴和全知，这引发了关于**“丧失在困惑中思考的能力”和“社交退化”**的担忧。
- 伦理新方向：AI 治理的重心正在从“控制 AI 做什么”转向**“理解 AI 如何思考”**。可解释性技术（如电路追踪）和对 AI 欺骗（Deception）的研究，将是 2026 年的安全主旋律。
📅 每日一问
如果 Linus Torvalds 都开始“氛围编程”，未来的程序员面试还需要考“手写红黑树”吗？或许，未来的面试题将变成：“请使用 AI 在 30 分钟内构建一个高并发音频处理服务，并解释你是如何利用文件系统快照来防止 Agent 误操作的。”