Author: aitrendtrackers@rengongzhineng.io

英伟达（Nvidia）首席执行官黄仁勋近日表示，公司最新的Blackwell系统销售“超乎想象”，创下历史新高。然而，业内分析师指出，另一类人工智能芯片——被称为ASIC（专用集成电路，Application-Specific Integrated Circuit）——正以惊人的速度增长。谷歌、亚马逊、Meta、微软以及OpenAI等大型科技公司，正在纷纷投入自研ASIC芯片，以摆脱对英伟达GPU的高度依赖。 根据《芯片战争》（Chip War）作者克里斯·米勒（Chris Miller）向CNBC透露，谷歌的TPU（Tensor Processing Unit，张量处理单元）是当前AI领域ASIC芯片的领导者，其技术水平甚至被认为与英伟达GPU相当，甚至可能更优。与此同时，亚马逊、微软及OpenAI等公司也在快速推进自研AI芯片项目。 英伟达凭借GPU（图形处理器）实现了利润的爆炸式增长，成为全球市值最高的科技企业之一。过去一年，英伟达交付了约600万颗新一代Blackwell GPU，这些芯片在AI计算负载中发挥了核心作用。该公司在加州圣克拉拉总部展示了由72块Blackwell GPU组成的GB200 NVL72机架级服务器系统——每台服务器售价约300万美元，每周出货量约1000套。英伟达高管狄昂·哈里斯（Dion Harris）表示，数年前，当团队首次提议使用八块GPU打造AI系统时，外界普遍认为“规格过剩”，如今这种配置已成为主流。 GPU最初主要用于游戏图形渲染，但自2012年学术界利用英伟达GPU训练神经网络模型AlexNet以来，GPU的用途迅速扩展至人工智能领域。GPU在并行计算方面的优势使其非常适合AI模型的训练与推理。目前，GPU通常与CPU配合部署于数据中心中，用于AI云计算任务。英伟达与其主要竞争对手超威（AMD）通过优化各自的软件生态体系（如英伟达的CUDA平台与AMD的开源框架）持续竞争。英伟达不仅向亚马逊、微软、谷歌、甲骨文（Oracle）等云服务商供货，还直接向AI公司（如OpenAI）及各国政府提供GPU系统。 然而，AI产业的重心正逐渐从GPU转向ASIC。与通用型GPU相比，ASIC芯片更为小巧、能效更高，且针对特定AI任务进行了优化。谷歌在2015年率先推出首款TPU，开启了AI加速器ASIC时代。经过十年发展，谷歌于2025年11月发布第七代TPU——Ironwood版本。Anthropic宣布，其大语言模型Claude将基于多达100万个TPU进行训练。分析人士认为，谷歌未来可能会开放TPU的外部使用权限，进一步打破市场格局。 亚马逊则在2015年收购以色列芯片初创企业Annapurna Labs后，迅速布局自研AI芯片，推出了Inferentia（2018年）与Trainium（2022年）两款ASIC。亚马逊AWS的芯片架构负责人罗恩·迪亚曼特（Ron Diamant）表示，Trainium在价格性能比方面领先市场30%至40%。在印第安纳州的新AI数据中心中，超过50万颗Trainium 2芯片正在用于Anthropic模型训练，而其他AWS数据中心则仍以英伟达GPU为主。 微软、Meta及OpenAI也相继宣布定制AI芯片计划。微软目前已在美国东部数据中心部署自研Maia 100芯片；Meta于2023年推出自家Training and Inference Accelerator；OpenAI则与博通（Broadcom）合作，预计2026年起生产专用ASIC。博通与迈威尔（Marvell）等芯片设计商凭借专业的知识产权与网络技术，成为众多AI企业的合作伙伴，并在AI浪潮中获益显著。 与此同时，AI计算正从云端向终端设备延伸。被称为“边缘AI芯片”的新型处理器正集成在手机、笔记本电脑及智能家居设备中，使AI运算能在本地完成，从而降低延迟并保护隐私。神经处理单元（NPU）是该领域的核心组件。高通、英特尔、AMD以及苹果都在推动NPU的应用。苹果的M系列与A系列芯片均内置神经引擎，用于MacBook与iPhone上的AI功能。三星、高通的最新移动芯片以及汽车与机器人用嵌入式AI芯片，也均依赖此类技术。 此外，可编程逻辑门阵列（FPGA）作为一种可通过软件重新配置的芯片，也在AI计算中占据一席之地。虽然性能与能效不及ASIC或NPU，但其灵活性极高。AMD在2022年以490亿美元收购赛灵思（Xilinx）后，成为全球最大的FPGA制造商；英特尔则凭借2015年167亿美元收购Altera位列第二。 无论GPU、ASIC、NPU还是FPGA，这些AI芯片的制造几乎都依赖台积电（TSMC）。台积电在美国亚利桑那州的新工厂已开始大规模生产芯片，苹果与英伟达均在此投产。黄仁勋确认，Blackwell GPU已在该厂“全面量产”。 尽管竞争者众多，业内专家认为，英伟达的领先地位短期内仍难以撼动。Futurum Group分析师丹尼尔·纽曼（Daniel Newman）指出，英伟达凭借十余年的生态建设与开发者基础，赢得了当前的AI芯片王者地位，“他们赢得了开发者生态，也赢得了市场”。

英伟达（Nvidia）首席执行官黄仁勋近日表示，公司最新的Blackwell系统销售“超乎想象”，创下历史新高。然而，业内分析师指出，另一类人工智能芯片——被称为ASIC（专用集成电路，Application-Specific Integrated Circuit）——正以惊人的速度增长。谷歌、亚马逊、Meta、微软以及OpenAI等大型科技公司，正在纷纷投入自研ASIC芯片，以摆脱对英伟达GPU的高度依赖。 根据《芯片战争》（Chip War）作者克里斯·米勒（Chris Miller）向CNBC透露，谷歌的TPU（Tensor Processing Unit，张量处理单元）是当前AI领域ASIC芯片的领导者，其技术水平甚至被认为与英伟达GPU相当，甚至可能更优。与此同时，亚马逊、微软及OpenAI等公司也在快速推进自研AI芯片项目。 英伟达凭借GPU（图形处理器）实现了利润的爆炸式增长，成为全球市值最高的科技企业之一。过去一年，英伟达交付了约600万颗新一代Blackwell GPU，这些芯片在AI计算负载中发挥了核心作用。该公司在加州圣克拉拉总部展示了由72块Blackwell GPU组成的GB200 NVL72机架级服务器系统——每台服务器售价约300万美元，每周出货量约1000套。英伟达高管狄昂·哈里斯（Dion Harris）表示，数年前，当团队首次提议使用八块GPU打造AI系统时，外界普遍认为“规格过剩”，如今这种配置已成为主流。 GPU最初主要用于游戏图形渲染，但自2012年学术界利用英伟达GPU训练神经网络模型AlexNet以来，GPU的用途迅速扩展至人工智能领域。GPU在并行计算方面的优势使其非常适合AI模型的训练与推理。目前，GPU通常与CPU配合部署于数据中心中，用于AI云计算任务。英伟达与其主要竞争对手超威（AMD）通过优化各自的软件生态体系（如英伟达的CUDA平台与AMD的开源框架）持续竞争。英伟达不仅向亚马逊、微软、谷歌、甲骨文（Oracle）等云服务商供货，还直接向AI公司（如OpenAI）及各国政府提供GPU系统。 然而，AI产业的重心正逐渐从GPU转向ASIC。与通用型GPU相比，ASIC芯片更为小巧、能效更高，且针对特定AI任务进行了优化。谷歌在2015年率先推出首款TPU，开启了AI加速器ASIC时代。经过十年发展，谷歌于2025年11月发布第七代TPU——Ironwood版本。Anthropic宣布，其大语言模型Claude将基于多达100万个TPU进行训练。分析人士认为，谷歌未来可能会开放TPU的外部使用权限，进一步打破市场格局。 亚马逊则在2015年收购以色列芯片初创企业Annapurna Labs后，迅速布局自研AI芯片，推出了Inferentia（2018年）与Trainium（2022年）两款ASIC。亚马逊AWS的芯片架构负责人罗恩·迪亚曼特（Ron Diamant）表示，Trainium在价格性能比方面领先市场30%至40%。在印第安纳州的新AI数据中心中，超过50万颗Trainium 2芯片正在用于Anthropic模型训练，而其他AWS数据中心则仍以英伟达GPU为主。 微软、Meta及OpenAI也相继宣布定制AI芯片计划。微软目前已在美国东部数据中心部署自研Maia 100芯片；Meta于2023年推出自家Training and Inference Accelerator；OpenAI则与博通（Broadcom）合作，预计2026年起生产专用ASIC。博通与迈威尔（Marvell）等芯片设计商凭借专业的知识产权与网络技术，成为众多AI企业的合作伙伴，并在AI浪潮中获益显著。 与此同时，AI计算正从云端向终端设备延伸。被称为“边缘AI芯片”的新型处理器正集成在手机、笔记本电脑及智能家居设备中，使AI运算能在本地完成，从而降低延迟并保护隐私。神经处理单元（NPU）是该领域的核心组件。高通、英特尔、AMD以及苹果都在推动NPU的应用。苹果的M系列与A系列芯片均内置神经引擎，用于MacBook与iPhone上的AI功能。三星、高通的最新移动芯片以及汽车与机器人用嵌入式AI芯片，也均依赖此类技术。 此外，可编程逻辑门阵列（FPGA）作为一种可通过软件重新配置的芯片，也在AI计算中占据一席之地。虽然性能与能效不及ASIC或NPU，但其灵活性极高。AMD在2022年以490亿美元收购赛灵思（Xilinx）后，成为全球最大的FPGA制造商；英特尔则凭借2015年167亿美元收购Altera位列第二。 无论GPU、ASIC、NPU还是FPGA，这些AI芯片的制造几乎都依赖台积电（TSMC）。台积电在美国亚利桑那州的新工厂已开始大规模生产芯片，苹果与英伟达均在此投产。黄仁勋确认，Blackwell GPU已在该厂“全面量产”。 尽管竞争者众多，业内专家认为，英伟达的领先地位短期内仍难以撼动。Futurum Group分析师丹尼尔·纽曼（Daniel Newman）指出，英伟达凭借十余年的生态建设与开发者基础，赢得了当前的AI芯片王者地位，“他们赢得了开发者生态，也赢得了市场”。

在最近的一次全员大会上，谷歌人工智能基础设施负责人阿明·瓦赫达特（Amin Vahdat）向员工表示，公司必须以“每六个月翻倍”的速度扩充AI计算与服务能力，才能满足全球对人工智能服务的快速增长需求。 瓦赫达特现任谷歌云（Google Cloud）副总裁，负责机器学习系统与云端AI基础设施。他在名为“AI基础设施”的演讲中展示了一张题为“AI计算需求”的幻灯片，上面写道：“现在我们必须每六个月翻倍……在未来4至5年实现1000倍增长。” 瓦赫达特指出，AI基础设施的竞争是“整个AI竞赛中最关键、同时也是最昂贵的部分”。在这场会议上，谷歌母公司Alphabet首席执行官桑达尔·皮查伊（Sundar Pichai）与首席财务官阿娜特·阿什克纳齐（Anat Ashkenazi）也一同出席并回答了员工提问。 这场会议召开于Alphabet公布强劲的第三季度财报之后一周。公司连续第二次上调年度资本支出预测至910亿至930亿美元区间，并预计2026年将出现“显著增长”。微软、亚马逊和Meta同样上调了资本支出预期，这四大科技巨头今年的总投入预计将超过3800亿美元。 瓦赫达特强调，谷歌的任务“当然是构建出顶级基础设施”，但并非“盲目超越竞争对手的支出规模”。他补充说，公司将投入巨额资金，但真正目标是打造“全球最可靠、性能最佳、可扩展性最强的AI基础设施”。 除了基础设施的扩建，谷歌还通过更高效的AI模型与自研芯片提升算力利用率。上周，谷歌宣布正式发布第七代张量处理器（TPU）“Ironwood”，其能效比2018年第一代云端TPU提升近30倍。瓦赫达特表示，谷歌还拥有DeepMind作为重要优势，后者在未来AI模型架构研究方面提供了前瞻性支持。 “谷歌必须在基本不增加成本和能源消耗的前提下，实现计算、存储和网络能力的千倍提升，”瓦赫达特说，“这并不容易，但通过协同设计与跨部门合作，我们将实现这一目标。” 皮查伊：2026年将是“极度紧张的一年”在同一场会议上，皮查伊坦言，2026年将成为公司极具挑战的一年，原因在于AI竞争的加剧与云计算需求的爆发。他同时回应了员工关于“AI泡沫”潜在风险的提问。 有员工提问称：“面对大规模AI投资与外界对AI泡沫破裂的担忧，公司如何确保长期的可持续性与盈利能力？” 皮查伊表示，这种担心“是合理且广泛存在的”。他指出，当下的讨论反映了行业的集体焦虑，但他依然强调“不足投入的风险更高”。皮查伊提到，谷歌云业务在最新季度实现了34%的年增长，营收突破150亿美元，积压订单达1550亿美元。 “事实上，若我们拥有更强的计算能力，这些数字本可以更亮眼。”他补充道。皮查伊表示，公司将继续遵循纪律性的投资方式，并凭借健康的资产负债表在波动中保持稳定。 “我们比其他公司更有能力承受市场波动带来的短期冲击，”皮查伊说。 市场动荡与AI泡沫争议皮查伊也提醒员工：“未来一年会出现起伏不定的局面。”他强调，目前正处于竞争白热化阶段，“绝不能躺在功劳簿上”。 近期，关于“AI泡沫”的讨论在硅谷与华尔街愈发激烈。英伟达（Nvidia）财报发布前，投资者对AI领域持续巨额投入的合理性产生疑虑。皮查伊在接受BBC采访时也提到，当前市场“存在一定程度的不理性”，并承认“如果泡沫破裂，没有任何公司能完全幸免，包括谷歌自己”。 然而，英伟达首席执行官黄仁勋在财报会议上否认了“AI泡沫论”，并称公司看到的是“完全不同的现实”。英伟达作为谷歌的重要芯片供应商，当季营收增长62%，超出市场预期，并发布强劲的下一季度指引。尽管如此，市场整体情绪依旧疲软，次日英伟达股价下跌3.2%，纳斯达克指数下跌2.2%，Alphabet股价亦下跌1.2%。 算力瓶颈与Gemini 3发布本周早些时候，谷歌发布了最新一代AI模型Gemini 3，声称其在回答复杂问题方面的表现优于前代产品。谷歌与OpenAI等竞争对手正在竞速，将先进的AI工具推向更广泛的用户群体。 皮查伊指出，当前最大瓶颈在于算力供给不足。他以视频生成工具Veo为例解释道：“Veo上线时非常令人振奋，但如果我们能为更多用户提供访问，使用人数将会显著提升——然而我们受限于计算能力。” 资本支出与现金流问题另一位员工提问提到：“资本支出的增长速度远快于营业收入，公司未来18至24个月的自由现金流将如何保持健康？” 首席财务官阿什克纳齐回应称，公司拥有多项潜在增长途径，包括吸引更多传统数据中心客户迁移至云端服务。她表示：“摆在我们面前的机遇巨大，我们不能错过这一势头。” 总体而言，谷歌管理层的核心信号十分明确：AI竞争的焦点已经从算法创新转向基础设施规模与能效比的极限挑战。为实现未来四至五年“1000倍算力提升”的目标，谷歌正在押注其芯片、云计算与研究协同能力，努力在这场昂贵而激烈的AI基础设施之战中保持领先。

周五下午4点，一位工程师刚刚关闭了本周的第12个漏洞。此时大脑几乎已经烧坏，但盯着“漏洞排行榜”时，却对周一回到常规工作感到一丝难过——这很奇怪，因为常规工作本身是令人喜爱的。然而，“Fixit周”（修复周）总是让人心生特别的情感。 什么是Fixit？在这个团队中，每个季度约有45名软件工程师会停下所有常规工作整整一周。这意味着没有路线图任务、没有设计讨论、没有会议或站会。 取而代之的，是集中修复那些长期困扰用户与开发者的“小问题”： 规则非常简单：1）每个漏洞的修复时间不得超过两天；2）所有工作都必须聚焦于用户端的小改进或开发者体验的提升。 团队还设立了一个“积分系统”和排行榜，按照修复漏洞的数量与难度计分。修复首个漏洞、修复最恼人漏洞、积分最高者等都会获得印有团队标志的T恤。简单的规则，却运作得极为顺畅。 成果统计在本季度的Fixit周中： 团队还绘制了燃尽图，以追踪整个修复进度。 一些亮点包括：一位工程师修复了一个自2021年以来的功能请求——仅用了一天时间，而它在待办清单中沉睡了整整四年。这一改动虽然微小，却让每位Perfetto用户的体验都得到明显提升。 另一位同事只用25行代码改进了一个GitHub Action，使每位UI开发者少点击两次就能查看CI构建结果。这种简单的优化获得了团队一致好评。 此外，还有成员花一个小时（借助AI）创建了“整合版SDK”，让外部项目的集成更加便捷。这类微小改动，可能正是决定用户是否选择使用该产品的关键。 Fixit带来的价值 对产品而言：匠心与细节任何优秀产品的标志都在于细节上的打磨——那些看似微不足道的地方，却能让整体体验更连贯。一个缺乏细节关注的产品，也许能被迫使用，但用户内心始终会有“要是能换一个就好了”的念头。Fixit周正是打磨这些细节的机会——那些用户未必能明确说出的问题，但一旦修复，使用体验的流畅度立刻提升。 对个人而言：回归“动手修”的乐趣在职业早期，工程师常常能随手修复问题、立即上线并获得满足感。而随着资历增加，工作重心逐渐转向规划、协调与决策，离“亲手修好一个问题”的成就感越来越远。Fixit让人重新体验那种直接、纯粹的快乐——发现问题、修复、提交、关闭、继续前进。每一次修复都带来即时的反馈与成就。 对团队而言：士气与凝聚力Fixit周期间，40名工程师分布在两个时区共同修复漏洞，整个办公氛围焕然一新。平日里各自埋头于不同项目的成员，在这一周中频繁交流、分享截图与进展，甚至围在显示器前展示成果。排行榜与每日简报进一步激发了团队热情： 如何成功举办Fixit周 经验表明，Fixit的成功与否在于准备阶段。平日里，团队鼓励成员将遇到的潜在问题标记为“Fixit候选”。在Fixit周前一周，各小组会对这些问题进行分类： 还会列出高优先级的关键漏洞，确保第一天所有人都有明确目标，不必浪费时间寻找任务。 两天的硬性限制早期曾有成员选中一个看似简单的漏洞，却意外陷入庞大依赖与陈旧代码的泥沼，整整两周都未完成。虽然工作有价值，但完全违背了Fixit的初衷——频繁交付、保持节奏与动力。因此制定了“两天上限”：如果修复任务超出预期，就应中止并回到主干任务。这不是否定工作本身，而是为了保持Fixit的节奏与乐趣。 团队规模的关键性早期Fixit仅限于7人小组，虽然效果不错，但缺乏更大范围的共鸣。当人数达到40人后，氛围显著不同——群体能量被激活，参与感更强。对于不同团队，理想人数可能在7至40人之间，但“群体势能”是Fixit成功的核心。 游戏化的激励机制积分与排行榜不仅是噱头，还是维系动力的重要工具： 得益于良好的文化氛围，团队几乎未出现“刷分”现象。 AI工具的助力Fixit的一大挑战是频繁切换上下文，而AI工具极大缓解了这一问题。它们不仅能快速检索代码、总结修改方向，还能生成修复思路，帮助工程师以更低的心智负担进入问题域。虽然AI生成的代码往往需要人工修正，但它让每次修复的起步更高效。 对Fixit的质疑与反思有人认为Fixit是在承认团队平时忽视小问题。这种观点不无道理，确实许多“纸割型”漏洞往往被长期忽略。但Fixit正是为这些问题提供空间的机制。它并非取代常规漏洞修复，而是承认“略烦却不紧急”的问题也值得解决。 也有人质疑“暂停路线图工作一周是否浪费”。从资源角度看，40个工程师周确实成本不低。然而，产品打磨所带来的用户体验提升与团队士气的增长，往往能长期反哺生产力——无论是更快的测试、更清晰的错误提示还是更顺畅的流程，都能让收益持续累积。 当然，对于小团队或初创公司而言，一整周的Fixit可能成本过高。但这一机制可灵活缩短，如“每月一个Fixit周五”或“季度两天的微Fixit”，关键在于为“没人安排但人人抱怨”的问题预留时间。 Fixit的真正意义官方理由是提升产品质量与开发效率，但更深层的原因在于它带来的情感满足感——修复问题的纯粹快乐。这种体验让工程师重新感受到“匠人精神”的核心：关注细节、改善体验、让产品更好。虽然不应全年都如此工作，但若一个组织从未腾出时间做这些事，那才是真正的遗憾。

随着年龄的增长，越来越多的从业者开始思考一个关键问题——自己是否正在以正确的方式花费时间，以推动职业生涯和人生的前进。这不仅是个人的反思，也是公司在每一次绩效评估中提出的疑问：这位工程经理是否有效地利用时间，为公司或团队创造了价值？ 然而，令人困惑的是，这两个看似相似的问题在实践中却几乎没有交集。本文试图在当下这个特殊时期深入探讨这些问题——一个管理者被告知“过去十年都在做错事”，必须接受一种全新的工程管理模式才能继续被行业认可的时代。 作者曾在相关主题上发表过演讲，并将主要观点以视频形式记录了下来（附有演讲幻灯片）。 优秀领导力的“潮流化” 在2000年代末期的雅虎，工程管理的模式与当今截然不同。当时，一位团队主管可能两年才与下属进行两次一对一沟通，一次是入职后的初次交流，另一次是员工提出离职时的谈话。按照今天的标准，这样的管理方式会被视为失职。然而在当时，这种领导风格与《新机器之魂》中描述的管理者极为相似——识别关键机遇，引导团队克服组织阻力，推动项目向前。这类管理者在当时的背景下是高效且被认可的。 进入2010年代后，行业风向发生了转变。吸引、留住、激励工程师成为衡量领导力的核心标准。在那个资本充裕、企业高速扩张的时代，这种管理思路无疑是正确的。许多组织甚至鼓励新晋经理人“放下键盘”，彻底从编码转向管理，这在当时被认为是“好建议”。回看那一时期，这种指导虽然如今显得脱节，但确实契合了当时行业的现实需求。 而从2022年底开始，形势再度转变。高利率终结了零利率时代（ZIRP），人工智能工具的兴起使大型工程团队的必要性受到质疑。组织架构变得扁平，许多曾经专注协调的角色如今被要求重新“动手写代码”。那些在上一时代被视为典范的经理人，反而被重塑为“官僚”而非“领导者”。 这种领导理念的更迭背后，实质上是商业环境的变化。每一次转型都伴随着新的道德叙事——2010年代的叙事是“赋能工程师”是一种道德善；2020年代的叙事则是“中层官僚导致组织低效”。然而，真正的驱动力并非道德，而是商业逻辑——资本环境变化与AI生产力的崛起才是根本原因。 因此可以得出结论：行业总会在演化中重新定义“好领导”的标准，并以“道德故事”包装这种转变。但事实上，这一切几乎总是源自经济结构的变化。任何将当下的管理观念当作“真理”的人，都有可能在下一次周期转变中措手不及。换言之，“优秀领导力”本身就是一种潮流。 跨越潮流的自我发展 如果承认领导力的标准会周期性地变化，那么一个更深层的问题便出现了：怎样的技能，才能在今天行之有效，又能在未来保持长期价值？ 长期与工程经理共事的经验表明，有八项基础的工程管理技能，可以分为两类：核心技能（适用于所有管理岗位）与成长技能（决定职业上限的能力）。 核心技能包括： 成长技能包括： 这些能力几乎可涵盖所有有效的管理者类型。 自我评估的思考问题 衡量这些能力没有完美的标准，但可以通过一些问题进行自我检验，例如： 这些问题的答案反映了管理者在各个维度上的成熟度。值得注意的是，如果高层从未主动邀请某位经理参与关键任务，往往意味着该经理在特定能力维度上尚未被视为“专家”。 “核心技能”是否恒久不变？ 实际上，核心与成长技能的边界会随行业潮流而变化。例如，在今天的环境中，“执行力”是核心能力，而在过去的高增长时代，它的重要性则较低。这也是跨越周期最具挑战的地方：唯有在各维度上保持均衡，才能在环境剧变时不被淘汰。 保持能量以维持投入 《工程管理执行手册》中提到，理想的时间分配并非数学意义上的最优解，而是能让人保持长期动力的平衡状态。对一些人来说，这意味着继续写代码；对另一些人，则是改进流程、优化结构。维持能量，是长期高效管理的前提。 四十年的职业生涯 与能量管理类似，职业生涯也需长远规划。在《四十年职业生涯》的讨论中，每个阶段都面临不同的优先维度——速度、人脉、声望、收入、学习。早期可以追求高强度成长，晚期则可能因家庭责任而选择稳定节奏。认清这些权衡并有意识地做出选择，是塑造长期职业幸福感的关键。若缺乏这种自我认知，很难在漫长的职业道路上保持持续投入。 总结来看，“良好工程管理”并非固定的公式，而是时代经济与技术环境的产物。唯有理解潮流背后的逻辑，构建稳固而多元的技能组合，才能在不断变化的行业中立于不败之地。

从治疗特定疾病到直接瞄准衰老本身，2025 年 Progress Conference 展示了延长生命的多条路径。 在 10 月份举行的 Progress Conference 2025 上，Roots of Progress Institute 致力于连接进步运动中的人群与理念。医学史学者 Laura Mazer 在本次会议的长寿议题版块中观察到，研究者、经济学家与创业者正提出延长生命长度与健康寿命的新方法，显示医学前沿正从“对抗疾病”转向“追求更多生命”。 会议现场：与传统会议截然不同的体验 Progress Conference 2025 在加州伯克利举行，由 Roots of Progress Institute 主办。主会场 Lighthaven 是一个带有庞大花园、谈话角落与奇特房间的怪趣空间，更像是一座怪异宅邸而非传统会议中心。 与会者类型多元，难以归类。有试图推动农业进步的第三代农民，有重新思考健康政策的医生，也有城市规划领域的老朋友，还有希望改进会务组织方式的专业会议筹办人。会议议程密集，许多场次甚至重叠，然而主办方特意安排所谓的“花园时段”，让参与者可以在花园中自由交流。 大会主舞台上的内容同样多样化。第一场访谈即邀来特朗普政府时期的科学顾问、白宫科技政策办公室主任 Michael Kratsios，引发争议，也凸显会议包容的“大帐篷”属性。许多与会者围绕“大帐篷是否过大”“是否目标模糊”等议题展开讨论，但整体氛围积极而有活力：多元观点带来碰撞，而每一次分歧都像是通往进步的机会。 第二天的全体会议中，Boom Supersonic 创办人 Blake Scholl 讨论未来机场应是什么样子。他指出现实世界充满“可大幅改善却被人们习以为常”的问题，引起听众共鸣。会议整体汇聚了共同信念：人生与世界都可以变得更好，而每个人都能参与这项改进。 长寿议题：从科幻到现实的医学前沿 在健康与长寿的专题环节中，演讲者背景多样。尽管大多数人属于“长寿科学”范畴，但议题跨越健康政策、医学生物学、临床创新等多个层面。 科幻作品中，角色拥有数百年甚至可无限再生的寿命，但真实的长寿研究更务实：延长一两年健康寿命就已极具经济与社会意义。如果人们平均能多五年或十年健康、功能完整的寿命，对社会的影响将深远。 然而，长寿科学的研究目标依然宽广。治愈某种儿童疾病，带来的寿命提升可能超过为所有人增加老年末期的两年寿命。会议上的研究者既讨论特定技术或疾病对寿命的影响，也探讨将“衰老本身”视为研究对象的可能性。 把衰老视作疾病 几乎所有长寿领域的讲者都强调：衰老研究在科研资金中严重代表不足。 但要将“衰老”划分为独立研究对象并不容易。多数人并非死于“老年”，而是死于疾病，而疾病发生风险随着年龄升高。这让长寿研究首先面临定义问题。例如，若改善心血管疾病的预防措施能延长寿命，这算是疾病研究还是衰老研究？ 尽管界线模糊，长寿科学作为独立学科的出现，对医学史而言意义重大。过去，人类多因特定伤病死亡。1950 年欧洲儿童死亡率仍高达 10%，而今天已低于 1%。过去 75 年全球预期寿命几乎翻倍，这并不是因为人类征服了“衰老”，而是控制了“早死”。 长寿科学如今正在跨越这一阶段，从“治疗疾病”走向“瞄准生物衰老本身”。基因组不稳定、端粒缩短、粒线体功能下降、细胞衰老等衰老标志正成为研究目标。科学家试图找出针对这些标志的干预方式，不是治疗某个疾病，也不是修复某项损伤，而是追求更多生命。正如丁尼生诗句所言：“渴望的不是死亡，而是生命；更多生命，更多丰盈。”…

为了避免监管审查，大型科技公司近年来普遍避免直接收购初创企业；但 Meta 的反垄断胜诉可能改变这一思路。 在硅谷，大型科技公司的首席执行官们过去几年一直遵守一条不成文的规则：花巨资吞并竞争对手几乎不被允许；即便收购最小型的初创企业，也可能引来监管机关的不必要关注。 然而，本周的结果可能让这条默契失效。 周二，一名联邦法官裁定 Meta 在十多年前收购 Instagram 和 WhatsApp 这两家新兴竞争者时，并未非法抑制竞争。这一裁决不仅是社交媒体巨头的重大胜利，更是整个硅谷的胜利，因为硅谷长期依赖大型企业收购小型公司来推动创新生态。 如今，Meta 首席执行官马克·扎克伯格，以及谷歌、微软等公司的领导者，可能再次能够通过收购初创公司保持领先。此判决也恰逢关键时刻，因为科技行业正在为人工智能竞争投入数十亿美元。 Theory Ventures 的普通合伙人 Tomasz Tunguz 表示，这项反垄断裁决“将消除主要收购方必须进行的大量法律体操，并应真正为更多交易打开大门”。 Meta 对是否将恢复收购保持沉默。公司首席法务官 Jennifer Newstead 表示，法官的裁决“认可了 Meta 正面临激烈竞争”。她补充说，公司将继续与白宫合作并“投资美国”。 收购：硅谷的生命循环 购买初创公司长期以来都是硅谷生态循环的核心部分。风险投资公司向初创企业投资，希望其中少数能成为 Google、Meta 或 Uber。即便这些企业未能成为巨头，它们仍常常拥有可被大公司利用的价值——包括人才、新创意或尖端产品。 过去多年，科技巨头们愿意支付高额溢价“吞并”潜在竞争对手。• 2006 年，谷歌以 16.5 亿美元收购 YouTube，当时被视为惊人的金额；如今分析师估计 YouTube 的价值约为 5000 亿美元。• 谷歌还在 2005 年以 5000 万美元收购构成其移动操作系统核心的 Android，并在 2013 年以逾 10 亿美元收购导航初创公司 Waze，这两项都成为谷歌体系的关键业务。 Meta 则收购了…

重新回到美国生活后，许多人都会询问体验如何；然而由于过去多年每年夏天都会回到威斯康星，而此次搬回也是在夏季，因此最初并没有太大的不同感受。直到树叶开始变色、空气变得更冷、日照逐渐缩短，某项决定的优势才愈发明显：选择住在郊区。 都市生活当然有许多优点，特别是在台北生活多年后，更能体会那种便利性的重要。虽然回答“住在台湾最好的地方是什么？”时用上“便利”一词显得有些奇怪，但事实如此：生活所需几乎都能步行取得，地铁范围广大、整洁且可靠，而在理解“交通流量像河流越大越有优先权”的规则后，开车也不算太困难。 当父母第一次离开威斯康星时，夏天需要新的住处，再加上考虑到冬天空房子的维护问题，于是选择住在市中心的公寓；当时麦迪逊市中心因大学与州政府而十分热闹，而能步行到各处也很吸引人。随后 COVID 和 2020 年的夏天到来，市中心突然不再繁忙，开车的次数远超过预期，也对成年后长期居住的公寓生活产生厌倦。因此，当一位老朋友附近的房子挂牌出售时便立即买下，并进行改造，过去一年更决定长期居住在此。 近年来，批评郊区在年轻千禧一代中变得流行；然而对于出生于 X 世代尾端的人而言，小镇威斯康星的童年是早晨骑着脚踏车出门直到晚餐前才回家的一段相当田园诗般的生活。可以想象，过去几十年对青少年行动自由的严格限制，以及电子游戏与智能手机等室内活动兴起，让郊区生活变得愈加孤立。到了大城市反而成了如释重负的体验，尤其是在 Uber 于 2010 年代出现之后。 Uber 的争议及盈利困境辩论 在 2010 年代，极少企业比 Uber 更具争议性，除了丑闻与游走法律灰色地带的问题外，更有一场围绕其商业可行性的巨大争论。Hubert Horan 在其关于 Uber 永远无法盈利的长篇系列中，曾两度点名批评某些观察者对 Uber 能最终获得规模效益的看法，他认为 Uber 的成长全赖无法持续的投资补贴，并指责这些观点忽略了缺乏效率优势的事实——亦包括对当时市场数据与成本结构的反驳。 他强调，要推翻他的论点，需要展示 Uber 拥有足以迅速将数十亿美元亏损转为持续利润的规模经济，并能够凭借压倒性竞争优势击败所有其他竞争者。然而当时缺乏这类证据。 如今来到 2025 年，Uber 在过去 12 个月的经营利润已达 45 亿美元，并呈上升趋势（其中不包括 Uber 在全球其他交通服务企业中的权益带来的可观利润）。虽然 2017 年时无法展示此类盈利数据，但多年来规模效应如何使亏损的软件聚合平台最终转变为盈利巨头的路径已愈加清晰。 另一篇经典的看空分析来自纽约大学金融学教授 Aswath Damodaran，他于 2014 年在 Uber 估值 170 亿美元时发表文章，认为其合理估值难以超过 100 亿美元，甚至实际估值仅…

谷歌宣布推出升级版人工智能模型 Gemini 3，距离公司发布 Gemini 2.5 仅约八个月。 公司表示，其最新的 AI 模型套件让用户在获得理想回答时所需的提示（prompt）更少。 谷歌还宣布推出一项名为“Google Antigravity”的新代理平台，让开发者能够以更高、更任务导向的层级进行编码。 在重庆拍摄的一张照片中，谷歌与 Gemini 3.0 的标志出现在手机屏幕和背景图像上。谷歌宣布正在开发下一代 AI 模型 Gemini 3.0，计划于 2025 年底发布。 谷歌正在推出其最新的人工智能模型 Gemini 3，在与 ChatGPT 开发者 OpenAI 的竞赛中持续加速前进。 Alphabet 首席执行官 Sundar Pichai 在谷歌周二发布的多篇博客文章中指出，新模型将让用户针对更复杂的问题获得更好的答案，“让用户在更少提示的情况下获得所需内容。” Gemini 3 将整合到 Gemini 应用、谷歌的 AI 搜索产品 AI Mode 和 AI Overviews，以及谷歌的企业级产品当中。该模型从周二起向部分订阅用户开放，并将在未来几周逐步扩大覆盖范围。 此次发布距离 Gemini 2.5 推出约八个月，距离 Gemini 2.0 发布约 11 个月。OpenAI 则在…

10 月 6 日，互联网舆论突然转向泰勒·斯威夫特。作为其新专辑营销活动的一部分，斯威夫特团队宣布在全球各地隐藏 12 个 QR 码视频。这些视频发布在她的 YouTube 账号上，看起来疑似由 AI 生成。画面中出现某些视觉故障——例如错乱的文字或不一致的光线——让粉丝起了疑心。 许多粉丝因此愤怒。一些人指出，斯威夫特此前在 2024 年为卡马拉·哈里斯背书时，还公开批评过 AI 深伪内容。一位自称是“霉粉”的 Alyssa Yung 告诉《滚石》杂志：“最令人失望的是，这种做法在泰勒的项目中显得极其虚伪。” “一位十亿美元级别的富豪，完全有能力支付艺术家费用并拍摄这样的视频。”有人在 X（推特）上发文说。#SwiftiesAgainstAI 标签开始流行，多家媒体报道了相关争议。 然而，当时没有人能确凿证明这些视频确实使用了 AI。斯威夫特的代表并未回应媒体的置评请求，相关风波很快平息。 使用谷歌的新工具 SynthID，记者确认至少其中一支视频——“Berlin”——确实由谷歌的视频生成工具制作。该工具通过检测谷歌嵌入 AI 生成内容中的隐形水印来判断来源，因此阳性结果意味着视频极有可能使用谷歌的 AI 产品生成。（斯威夫特的公关团队未回应置评请求。） 如果连全球最知名的音乐人之一也在使用 AI 推广专辑，那么这项技术显然已经进入主流。 而斯威夫特并非唯一的例子。近几个月来，AI 生成广告越来越普遍。各类企业纷纷推出 AI 生成广告——有些甚至未予披露。 更多公司计划尽快发布 AI 广告。互动广告局的一项调查显示，今年约 30% 的数字视频广告将由生成式 AI 制作或增强。调查预测明年这一比例将上升至 39%。 也有人认为变化会更快。 AI 影像工作室 PhantomX 的联合创始人、电影制作人 Kavan Cardoza 表示：“现实来说，三到四年后，电视上看到的每一条广告都有可能是 AI…