https://bml.asia/tags/%E8%B0%83%E7%A0%94/ Recent content in 调研 on 苏然的博客 Hugo zh-CN Mon, 21 Sep 2026 23:48:34 +0800 https://bml.asia/posts/openai-anthropic-stress-test/ Mon, 21 Sep 2026 23:48:01 +0800 https://bml.asia/posts/openai-anthropic-stress-test/ <p><span style="text-indent:2em;display:block;">OpenAI 与 Anthropic 最近被曝正在洽谈一项具有法律约束力的协议，计划互相给对方的 AI 模型做压力测试，寻找漏洞和潜在危险，两家公司的律师都参与了条款磋商。拟议内容包括：双方只能拿到对方已商用模型的 API 访问权限，尚未发布的模型不在此列，并且承诺测试过程中不保留对方的数据，两家公司对此均不予置评，协议是否最终签署还是未知数。有意思的地方在于双方的身份，它们是前沿大模型领域最直接的竞争对手，就在去年 GPT-5 发布前夕，Anthropic 还以违反服务条款为由，切断过 OpenAI 借助 Claude Code 做对比测试的 API 访问，从互相封堵到主动把钥匙递给对方，这个转变的背后，是整个行业对模型安全日益加深的焦虑。</span></p> https://bml.asia/posts/jev-judgment-model/ Mon, 21 Sep 2026 21:30:39 +0800 https://bml.asia/posts/jev-judgment-model/ <p><span style="text-indent:2em;display:block;">用惯了大模型的人，思维里都有一个默认前提：AI 的产出是文字，按生成的 token 数计费，写得多就贵，写得慢就等。最近一款叫 Jev 的模型把这个前提直接掀翻了。它不写文章、不写代码、不做解释，功能只有一个：判断。用法是给它一段材料和几个备选答案，它从中锁定一个选项，同时报出一个把握度的数字，整个输出就这么多。比如递进去一份财报材料和几个增速数字，问其中报的营收增速最接近哪个，它直接给出答案并附上把握度，吐出的内容还凑不满一句话。发布方 TypeSafe AI 的创始人在 OpenAI 待过四年，参与过 InstructGPT 那一代工作，团队给这个产品的定位很直白：把判断力单独做成一个品类，单独计价。一次判断不到 0.001 美元，因为不逐字生成，速度比常规大模型快几十倍。计价单位从字数变成次数，这件事听起来小，实际上把 AI 从一种“内容生产服务”变成了一种可以批量采购的“零件”。</span></p> https://bml.asia/posts/ai-pharma-scaling-law/ Mon, 21 Sep 2026 20:54:18 +0800 https://bml.asia/posts/ai-pharma-scaling-law/ <p><span style="text-indent:2em;display:block;">这两年 AI 圈里张口闭口都是 Scaling Law，算力加数据加参数，堆上去模型就变聪明，很多人的直觉是制药这件事也能照方抓药，模型再大一点，再堆一排 GPU，新药就会从显卡里掉出来。但制药的原料和其他行业不太一样，大语言模型吃的互联网文本可以无限爬取，而真正值钱的生物学数据——比如基因扰动后的细胞表型、多组学信号、患者对药物的真实响应——爬是爬不来的，只能一个实验一个实验做出来。数据不能爬，就只能造，这个差别决定了 AI 制药走的是另一条路。</span></p> https://bml.asia/posts/mlcc-ai-server/ Mon, 14 Sep 2026 14:39:26 +0800 https://bml.asia/posts/mlcc-ai-server/ <p><span style="text-indent:2em;display:block;">把陶瓷介质层和金属电极一层层交替堆叠、再高温烧结，就能得到米粒大小的一颗芯片，这就是 MLCC——多层陶瓷电容器，最典型不过的被动元件。由于几乎任何电子产品都离不开它，业内习惯称之为“电子工业大米”，一部手机里上千颗，一辆高端新能源车一万多颗，而现在最消耗它的，变成了 AI 服务器。景气度上，村田制作所副社长南出雅范前不久在日经新闻的访谈里说 MLCC 至少能旺到 2028 年，公司还在评估一轮比以往更“大胆”的扩产。</span></p> https://bml.asia/posts/molybdenum-main-uses-analysis/ Sun, 13 Sep 2026 14:18:24 +0800 https://bml.asia/posts/molybdenum-main-uses-analysis/ <p><span style="text-indent:2em;display:block;">钼在元素周期表里排在第 42 位，熔点约 2620 摄氏度，在常用金属中仅次于钨和钽，属于典型的高熔点难熔金属。它的行业角色常被概括成“工业维生素”：在绝大多数应用里，钼的添加量只有百分之零点几到百分之几，却能让材料的性能出现质的跃升。正因为用量小、作用大，钼的身影遍布钢铁、化工、能源、航空这些支柱行业，而它本身的存在感却低到几乎无人察觉。</span></p> https://bml.asia/posts/super-week-sep-2026/ Sun, 13 Sep 2026 14:07:37 +0800 https://bml.asia/posts/super-week-sep-2026/ <p><span style="text-indent:2em;display:block;">每年总有那么几个星期，日历上挤满大事，交易员管它们叫超级周，而 9 月 14 日开始的这一周，大概是今年下半年最名副其实的一次。美联储、日本央行、英国央行三家在同几天里先后公布利率决议，中国 8 月的消费、工业、房地产数据也在周中密集出炉，霍尔木兹海峡临时协议的谈判定在周一，紧接着豆包手机、荣耀 MagicOS 11、华为全联接大会接连登场，再加上 iPhone 18 Pro 发售排着队亮相。宏观与产业两条线同时到了验证节点，信息密度高到让人怀疑日历是不是出了故障。</span></p> https://bml.asia/posts/token-boom-2026/ Sat, 12 Sep 2026 18:40:05 +0800 https://bml.asia/posts/token-boom-2026/ <p><span style="text-indent:2em;display:block;">今天下午刷到央视新闻，说中国电信研究院发布了《智能体时代 AI 基础设施发展研究报告（2026）》，其中行业与企业战略研究所所长饶少阳提到，预计 2026 年我国 Token（词元）年消耗量将达到 <strong>10 亿亿</strong>，到 2030 年要超过 3500 亿亿，年复合增长率接近 12 倍。10 亿亿是什么概念，我盯着这个数看了好一会儿，才想起来上一次见到这么夸张的单位，还是小时候科普书里形容天上的星星。</span></p> https://bml.asia/posts/info-source-over-method/ Fri, 11 Sep 2026 17:57:18 +0800 https://bml.asia/posts/info-source-over-method/ <p><span style="text-indent:2em;display:block;">最近帮朋友核对一组行业数据，又被网络调研这件事教育了一回。他现在查东西的习惯，是直接把问题丢给 AI 聊天机器人，得到的回答条理清楚、语气笃定，还带着几个看起来很专业的数字。可当我追问一句这个数据从哪来的时候，对话里要么给不出出处，要么编出一个打不开的链接。后来我顺着线索自己查，发现官方早就发布过口径完全不同的新数据，而 AI 说的还是几年前的旧账。整个过程没花多少时间，却再次确认了我一直以来的一个感受：这个时代从来不缺能查到的东西，如今 AI 更是把获取答案的成本压到了几乎为零，可缺的恰恰是知道该信谁。很多人把调研理解成提问的技巧，以为换个问法、多问几轮就算调研了，其实技巧只是外壳，信息源才是里子。信息源不对，后面的一切推理都等于在沙子上盖房子，问得越勤快，偏得越远。</span></p>