每日AI新鲜事·09月15日午间版:黄仁勋接特朗普电话与AI监管博弈：J、e、n、s、e、n、 、H

今天AI圈又有不少新动静, 而且有一条消息乍看是科技新闻, 细品完全是政治大片.

先说第一条. 昨天TechCrunch报道了一件事, 黄仁勋在All-In Summit峰会上当众接了特朗普的来电, 开的还是免提.

对, 我也看到了. 特朗普在电话里还专门说了一句「机器人不会统治世界」, 等于是给整个AI产业当众站台背书.

但有意思的是, 大家讨论的热点根本不在通话内容本身. 评论区在盯着黄仁勋手里拿的是什么手机.

对吧! 就是这种细节放大镜文化. 一个顶级科技领袖拿着什么设备, 都能被解读出一堆含义.

不过你别说, 这件事背后确实有信号量. 科技大佬和政治人物的联动已经变成常态了, 这在五年前很难想象.

不只是常态, 是结构性变化. AI算力涉及国家战略, 英伟达的GPU出口管制直接影响地缘政治. 所以黄仁勋现在的身份已经不是单纯的企业家了.

行, 这条我们稍后深聊. 先快速过一下其他几条.

第二条, 这条来自Hacker News. 前FTC主席Lina Khan最近发声, 说监管AI不能只靠罚款, 要对违法的AI公司高管追刑事责任.

她的逻辑是, 罚款对大公司来说就是个经营成本, 根本不疼. 只有把责任落到具体的人身上才有威慑力. 她还援引了1934年新政时期的法律案例来支撑这个主张.

但这个落地难度很大吧? AI系统出问题, 你要怎么证明CEO有主观故意?

对, 这正是最大的麻烦. 刑事认定需要证明人知道自己在干坏事. 但算法决策本来就不可预测, 出了问题很难说是「故意」. 所以这个主张更像是一种政治信号, 真正执行起来壁垒极高.

而且还有个反效果, 如果个人刑责风险太高, 会不会把人才都吓跑, 没人敢做AI公司高管了?

寒蝉效应确实是一面. 不过Lina Khan一向是这个风格, 强硬派, 观点鲜明. 这条讨论先带到这里吧.

好. 第三条稍微跳出AI主线一点点. The Verge报道说Valve目前还在想「要不要、怎么做」Steam Deck 2, 没有时间表.

他们的策略其实挺清晰的. 硬件先按兵不动, 但把SteamOS开放给第三方掌机厂商用. 先用软件把生态护城河挖深, 等移动芯片效能真正跨代提升了再出硬件.

等于是用软件卡位. 这个逻辑还挺稳的, 不急着堆参数就发新品.

然后第四条, HN上有一篇文章在讨论Anthropic的「监管俘获资本闭环」. 就是说头部AI公司积极参与规则制定, 可能借合规门槛把竞争对手挡在外面.

Anthropic确实是这类质疑的常见对象. 因为它把「AI安全」做成了品牌核心, 又频繁参与政策讨论. 所以外界很容易联想到, 这是在用安全话语建壁垒.

但文章也说了, 有动机不等于已经发生. 原帖没有拿出具体证据.

对, 这是两件事. 倡导安全和追求商业利益可以同时成立. 要有实质结论, 得看具体的政策文本和市场数据, 不能只靠「他们这么做一定有私心」这种逻辑.

最后快速说一条. 苹果在iOS 27里把Apple Intelligence延伸到了智能家居, 摄像头画面可以自动生成自然语言摘要, 不用手动翻录像.

方向是对的, Ring和Google Nest早就在做AI事件描述了. 苹果算是在追赶. 但代价是, 多摄像头用户每个月最高要多付六十美元.

又是「AI功能要订阅」那套. 苹果现在是把生成式AI作为增值服务的标准动作了.

也可以理解, 推理成本摆在那里. 但用户端叠加感会越来越强, 光苹果自家服务就能堆出一堆订阅费.

好了新闻先到这儿. 接下来我们深入聊一个最近很火的话题, 关于AI学习内容在B站的爆发.

最近B站上有几条视频火得很猛. 一条是「Python零基础入门」, 一条是「LLM大模型智能引擎」全套教程, 还有一条是codingplan订阅套餐推荐, 互动分一万四千多.

这个组合很有意思啊. 从最基础的Python入门, 到SpringAI加RAG加MCP加Agent这种工程实战栈, 再到直接推荐付费学习套餐. 这条链路很清晰.

你说的「链路」是指什么? 我觉得这更像是一个需求爆炸的截面.

我的意思是, 这三条视频对应三类人. 第一类是完全的门外汉, 想入门. 第二类已经能写代码了, 想知道怎么把大模型工程化落地. 第三类已经有需求了, 在找性价比最高的系统学习路径.

这三类同时在B站爆发, 说明AI相关的学习需求已经穿透到了很宽的人群层. 不只是程序员在看了.

这个观察我很认同. 以前技术向内容破圈靠的是有趣或者反直觉. 但现在不一样, 是一种「我要跟上否则会掉队」的焦虑在驱动.

对. 而且B站的用户结构决定了, 能在那里做到这么高互动分的技术内容, 受众绝对不是小众极客. 换句话说, 大模型工程化这件事, 已经成了一个很大的群体认为自己必须懂的技能.

可是我有个疑问. 这类教程视频火, 到底代表着「真的有人在学」, 还是大家只是在收藏表示我以后要学?

得了吧, 你这是收藏即完成理论.

我觉得这个问题不是在调侃, 是真有商业价值判断在里面. 如果只是情绪性收藏, 那codingplan那条的一万四互动分就只是焦虑流量. 但如果是真实转化, 那就代表市场真的在快速扩张.

你这个切入角度还挺犀利的. 但我倾向于认为, 至少有相当比例是真实意图的. 因为这类教程视频互动分高靠的不是算法, 靠的是搜索流量. 有人主动搜LLM教程, 说明需求是具体的.

而且你看LLM那条教程里的技术栈, SpringAI加RAG加MCP加Agent. 这个组合在2026年已经是工程标配了. 说明内容本身的定位是面向就业和实际项目的, 不是纯科普.

对. RAG是检索增强生成, MCP是模型上下文协议, Agent是智能体任务规划. 这几个放在一起就是「我要落地一个真正能用的AI应用」的最小技术集合.

能把这个教程追完的人, 基本上具备了做AI应用开发的初级能力. 所以视频的受众不是「想了解AI是什么」的人, 是「想做出东西」的人. 这个群体的需求更强烈.

那反过来问你一个问题. 这种学习热潮, 会不会也在制造一种幻觉? 就是很多人觉得学了这套工具栈就能做出好产品, 但实际上工具之上还有很多非技术问题没解决.

这个担忧是成立的. 工具学会了, 但产品sense, 用户洞察, 业务理解, 这些东西B站教程教不了. 业内也有人说现在会堆MCP的人太多了, 但真正把AI产品做出用户留存的还是少数.

所以这个浪潮制造的可能是一大批「能跑通demo的开发者」, 但从demo到产品之间还有一道沟.

但我觉得这道沟在收窄. 因为工具本身也在快速升级. Agent框架的能力比两年前强太多了, Resumate那类工具专门在解决工程健壮性问题. 门槛降低的速度比很多人想象的快.

等一下, 你说到Resumate, 那是昨天那条开源工具对吧. 就是给LangGraph的Agent加修复和恢复能力的那个.

对. 类似这种工具在解决的是Agent落地时的工程痛点, 比如任务失败了怎么办, 副作用怎么防止重复执行. 这些问题解决了, 从demo到生产的距离就缩短了.

所以结论是, B站这波AI学习热潮是真实需求驱动的, 不只是焦虑泡沫. 而且随着工程工具的快速成熟, 这批学习者的实际转化率会比我们预期的高.

我补充一点. 这个现象背后还有一个结构性推力, 就是公司端对AI工程能力的需求在快速扩大. 不是说每个公司都要研发大模型, 而是几乎所有公司都要把大模型接进自己的业务系统. 这产生了大量的需求缺口.

所以学这套东西的人不是在赌一个方向, 是在补一个已经存在的缺口. 这个判断让我觉得这波热度不太可能快速消退.

总结一下就是, AI工程化学习在B站的爆发, 本质上是一次大规模的技能结构调整. 工具栈已经有了, 教程已经有了, 接下来比拼的是谁能把这些工具和真实业务场景结合得更好.

说得好. 好了今天就聊到这里, 晚上见.