全球技术主权化与阵营分裂

Petis 提出疑问：关于国内APP的软件生态是否早就已经开始分阵营了，现在只是外国跟上来而已？如果全世界各个国家都会弄自己的软件生态，那未来的世界格局会变成什么样？

我个人觉得，外国现在跟上来的逻辑和中国早期的分阵营逻辑是有些不一样的。因为至少现在从美国来讲，这种技术上的阵营分裂主要是围绕 人工智能（AI） 展开的，而不是像其他社交媒体。比如，美国并没有说有没有 Instagram 就不给你用，并没有这种现象。背后的核心逻辑不一样：中国早期的互联网阵营划分更多是为了言论审查体系；但现在全球正在发生的这次技术分离，更多是出于真正的国家安全考量，跟过去的逻辑截然不同。

关于未来是否全世界各个国家都会弄自己的软件生态，我认为这种可能性很低。应该基本上也就是每一个核心国家或地区传一个自己的主权AI体系。在这其中，我觉得有两个领域是最主要的：AI和支付系统。

那么除了AI和支付，通信领域会不会也出现主权化趋势？比如俄罗斯已经开始搞主权通信了，因为像 Telegram 这样的平台对俄罗斯来说存在不受控的风险，所以俄罗斯搞了属于自己的软件。也就是说，未来极大概率每个大国都会觉得有必要推出自己的主权通信、主权支付和主权AI。这三个维度的独立，就足以把世界切得非常非常碎了。大家可能不能再通用 WhatsApp、Facebook、iMessage 等软件，这是完全有可能的。

这种现象的发生，并不是因为中国的“连带效应”，而是因为整体的全球主权化趋势在加剧。可以这么说，这跟技术对国家主权的影响越来越深重有关。过去这些技术公司，对一个国家的行政和国防主权只有边缘性的影响（边际影响）。但现在，这些平台和技术可能会成为“一键影响你国家主权”的能力枢纽。

比如说你可以想象，如果伊朗没有自己的主权通信软件和主权网络，在国内大家都在用美国的平台，那现在美国只要“一键”把他的通信全断了，这个国家内部的调度就完蛋了。其他地区也是一样，比如欧洲，如果现在认为他们还是可以安全地使用 WhatsApp 这些 Facebook 旗下的公司产品，万一未来美国跟欧洲打仗（假设有这种极端冲突），美国一键把这些通信关掉，那欧洲怎么办？这种担忧是非常现实的。过去可能是因为没有这些产品渗透率达到这么高，或者没有一个具体的冲突场景来提示大家这种风险的存在。

欧洲的主权焦虑与科技自立

针对“欧洲人应该不会想着美国要干它”的想法，这其实是一种错觉，欧洲现在肯定会有这方面的防范意识。

最典型的例子就是：为什么欧洲最近不相信 Starlink（星链）？为什么欧洲开始斥巨资做主权卫星？正是出于对基础设施受控的深层恐惧。因为欧洲过去的卫星系统强烈地依赖美国情报和美国内容网络。在实际的欧洲地缘冲突中，美国很明显表现出了用技术卡脖子的态度：美国如果不愿意分享情报，美国就可以直接拿频道来卡你。所以欧洲这两年打了可能好几百颗低轨卫星上去，旨在建立自己的独立通讯网络。

此外，关于中国是否会限制个人的出国问题，短期内应该是不会的。比如完全去不了马来西亚、去不了哈萨克斯坦这种极端情况，目前不会发生。

但大家需要担忧的其实是基于特定职业的人才管控。如果你是一个顶尖的 AI 人才，你的出国就极有可能被限制住。所以说，大家为了选好行业，如果你真的是从事什么制药、科技、电池等敏感领域的前沿研究，说不定未来就真的出不了国了。

核心技术的冷战常态与管控本质

ZZ 在此时表达了不同的观点，他认为整个技术的趋势或者技术的底层特征，并没有发生什么本质性的变化，技术壁垒一直都是这个样子的。

ZZ 认为，过去几十年那种技术极其开放的假象，更多是冷战之后西方政府对于中国采取“拥抱熊猫派”政策所倒生的一种错觉。当时有很多低端的、与生产相关的技术是可以全球共享的，但真正的核心技术，其实和过去几十年、或者说冷战之前的控制模式没有什么本质区别。

那些能公开的东西，其实都属于风险比较低的边缘应用。真正核心的东西一直都没有变，还是以军用管控为主。ZZ 举例提到了 Linux 内核的漏洞系统，指出类似于 Security Patch（安全补丁）的发布机制，其实和导弹技术的发布很像。它会先内部发一个通知，给一些做大系统的人去应用这个补丁，之后才会合并到公开分支并公之于众。这种敏感技术的管控机制其实一直都在，更别说一些军用相关的技术，从来都没有真正公开过。

对于这种观点，我只能部分同意。我觉得他举的某些例子是好的，但我并不完全接受这种底层逻辑未变的看法。因为我觉得最近出现了一些根本性的新情况：

第一，万物互联（IoT） 是一个比较新的趋势，它带来的渗透率和影响深度是前所未有的。 第二，全球军事的再投资和技术融合，直接导致了大型科技企业的产品拥有了前所未有的“主权级的影响力”。 过去的技术管控可能偏向于“个案管理”，但现在的发展趋势是从个案管理走向了“一刀切”的系统性剥离。

比如以前韩国禁用 Google Map（谷歌地图），那是出于他们一直处于战争状态的防务考虑，算是一个全球特例。过去美国对于特定人员的身份审核（比如涉军审核），现在很可能会泛化到整个专业群体甚至特定国籍的全体留学生。从比较个案的情况走向大面积泛化，这背后的底层逻辑一定还是发生了一些实质性的改变。

AI检索的噪音过滤与提示词工程

玻璃裔 随后分享了一个非常具体的个人使用痛点。他尝试使用免费版的 ChatGPT 和 Deep Research 功能，去调研自己所在城市某特定职业的发展前景、行业情况和职业道路。

他甚至专门先让 ChatGPT 帮他写了一版足够长的 Prompt（提示词），修改了几次才输入给 Deep Research。但最终输出的结果非常不好用，充满了虚假和无用的信息。原因在于：系统抓取的信息源全是简中论坛、国内的招工软件（比如Boss直聘上的虚假薪水），以及简中网页新闻。这就导致输出的报告基本没有参考价值，甚至不如他自己去 NGA 这种论坛发帖问一下真实从业者来得靠谱。

这是一个极其核心的 AI 应用问题。并不是 AI 不够智能，而是我们要理解大模型本质上是一个 Token Generation Machine（Token 生成机器）。它就是一个接一个往下吐 Token 的计算模型。它吐出这个 Token 的依据，要么基于它对整体预训练语料库的掌握，要么基于它的联网搜索功能获取的外部知识。

在这个逻辑下，任何一个经验，在世界上越主流，在联网搜索中能获取的高质量内容越多，AI 就越能够正确地回答；任何一个经验越地方性、越专门，AI 就越难给出准确答案。

比如，如果你让它搜索日本东京的某种工作，由于网上的真实多语种资料非常多，且预训练语料中该词汇分布的高质量文本也多，它就能回答得很好。但在特定城市（比如上海）搜索某个具体岗位的真实生存状态，如果它的联网搜索抓取了大量充满噪音和虚假营销的劣质数据，这就会导致它在进一步思考之前的“根本事实基础”就全是乱的。

为了解决这个问题，关键在于你的 Prompt Engineering（提示词工程） 如何强制其过滤劣质信息源。这其实也是很多专业领域搜索的特色需求。

以我个人的 System Prompt 为例，我在系统级指令中专门写了一句强制过滤规则：

Source only high credibility research, government, multilateral, media. Exclude PRC party-state outlets and China outlets unless explicitly requested, and label them as PRC official.

也就是说，我直接在系统底层指令中要求大模型：不要收录中国的新闻网站（如搜狐、腾讯）和官方宣传信息，除非我明确要求，并且必须打上官方标签。

通过这种白名单与黑名单结合的隔离方式，你可以直接排除掉中文互联网上泛滥的营销号和虚假招聘数据。如果你在上海这样一个超级大都会进行搜索，只要排除了那些低信噪比的污染源，基于高质量独立调研或外媒报道的数据，AI 是完全有能力给你一个极其深刻的行业报告的。大语言模型不是不能获取真相，而是你需要用强力的提示词帮它戴上“防毒面具”，过滤掉中文网络特有的假信息生态。

东南亚的地缘边缘与技术对冲

接着，Alex 从马来西亚的视角切入，探讨了在两大技术阵营之间“反复横跳”的边缘地带国家生存法则。

他指出，技术阵营的分野可能并没有那么绝对化。在东南亚，特别是马来半岛和印度尼西亚，目前依然是全球少有的、两大技术阵营都能同时维持较好生态的交汇点。这里既有中国企业密集的布局，也有来自 Meta、马斯克 X (Grok AI) 等完整的美国科技生态。

例如，虽然马斯克的 Grok AI 曾在印尼和马来西亚面临封禁危机，但最终通过商业公关（在印尼）或向多媒体管理局妥协（在马来西亚屏蔽特定搜索功能）等方式，依然保持了运营。这些国家并没有完全排异美国的媒体生态或技术标准，同时也非常欢迎中国的新能源汽车和基础设施投资（比如印尼极为欢迎中国在镍矿产业和亚万高铁的投资）。

但我对此的担忧在于，这些“两边下注”的国家未来可能会面临一个巨大风险：当两极对立走到极致，防止顶级技术（如前沿AI算力和底层芯片）扩散可能会像如今的**“防核武器扩散”**一样严密。一旦这种情况发生，这些边缘地带国家可能会面临“两边都拿不到最核心技术”的真空困局。

比如，美国出台的最新的芯片出口禁令规则，已经从“查股权穿透”升级到了“查最终客户”。过去你只要是一家 100% 纯外资的马来西亚公司，就能买到芯片；现在，美国商务部会审查你的数据中心到底在为谁提供算力服务。如果你把英伟达的最新计算资源租给中国公司做模型训练，那对不起，禁令一样会卡死你。这就意味着，未来为了防止技术通过第三方国家转移，超级大国宁可选择“弃权”某些边缘市场，也不允许核心技术外流。这些在两极之间骑墙的国家，不仅无法获得中国的顶尖主权模型，也可能被美国的 G7 专属技术同盟排斥在外。

技术打压的行政工具与垄断困局

James 提到了一个关于美国国内行政权泛化干预商业生态的担忧。他指出，随着“军民两用技术”概念的不断泛化，未来可能所有涉及 AI 的科技公司，都必须通过极高的国家安全审查。在那种环境下，普通外国人才想要通过留美读书再进入硅谷巨头工作的传统路径，将会被移民政策和安全审查彻底堵死。

这种担忧非常现实。如今技术控制、出口限制、人才封锁，已经变成了美国行政当局最顺手的“类贸易手段”。国家力量正在强行介入商业生态：例如英伟达哪怕有“一万个想卖给中国”的商业冲动，但在美国商务部的强权和断供美国本土供应链的威胁下，也只能乖乖配合。

这揭示了一个更深层的政治现实：在这个时代，传统的反垄断（Anti-trust）拆分可能不再是政府应对科技巨头的主要手段了。出于维持全球霸权和国家竞争力的需要，美国政府不仅不会从底层拆分这些 AI 巨头，反而会通过出口管制、上市审批、行政禁令等强硬手段，将其深深绑定在国家安全的战车上，迫使这些公司在全世界范围内为美国的“主权利益”服务。

自动驾驶的哲学困境与世界模型

Nipke 提出了一个非常硬核的关于 L5 级别自动驾驶的哲学问题。他问我：曾经基于维特根斯坦哲学提出的“L5 级别自动驾驶绝无可能”的观点，现在是否还成立？

我的回答是：从哲学的终极意义上，依然绝对成立；但从现实的商业价值上，这个问题已经不重要了。

我认为 L5 级别（完全无干预、适应一切极端和未知场景的自动驾驶）是不可能的，因为这涉及到了维特根斯坦所说的 “语言游戏 (Language-game)” 和 “生活形式 (Form of life)”。一个机器，它无法像人类一样，带着复杂的社会阅历、常识经验和联想能力，深度涉入到真实世界的符号游戏之中。

举个边缘场景的例子：当你开车去日本乡下，遇到前面在修路。地面上出现了一个从来没见过的临时红绿灯系统——它没有黄灯，不是倒数读秒，而是旁边站着一个工人，手里拿着一个像舰队旗语一样的指挥棒，通过打手势来告诉你能不能过。

对于一个人类驾驶员，哪怕他第一次遇到，他也能通过常识的联想能力，瞬间明白“这是一个交通阻断信号，我必须停下并等待手势”。但是，对于一个纯视觉驱动的自动驾驶系统，如果不经过海量的针对性数据标注和系统性的反复训练，它在面对这种完全不在系统预设内的“边缘指引符号”时，它的计算逻辑就会崩溃。它可能会停在那里，但在停下之后，它不知道接下来该如何通过对那个工人手势的推理来进行下一步操作。这就叫 “基于图像的复杂社会学推理 (Image-based reasoning with social context)”。目前的纯视觉自动驾驶系统，缺乏这种无提示条件下的自主联想与常识跃迁能力。

你拿枪抵着一个根本不会开车的人的后脑勺，逼他开车飞跃一座断桥，人在极端求生欲和对物理世界的本能感知下，他有可能一脚油门踩下去完成这个动作（边缘经验泛化）。但如果你对现在的自动驾驶系统下达这种超越常规物理训练的指令，它就根本无法执行。这也是我认为纯粹的机器算法无法覆盖人类无限延展的“边缘经验池”的根本原因。

但是，为什么我说从商业价值上看这已经不重要了呢？

因为人类社会的生活是一个高度趋同且不断中心化的过程。现在 L3 到 L4 级别的自动驾驶技术（比如配合高精度地图在城市中心地带运行的无人物流和出租车），已经能够完美覆盖人类 95% 以上 的高频驾驶场景和驾驶体验。

那剩下的 5% 极其边缘、充满哲学挑战的未知场景，其产生的商业价值微乎其微。这 95% 的核心常规场景，其商业利益是那边缘 5% 的好几十倍甚至成百上千倍。既然大范围的需求都集中在主流路段，我们就不需要死磕那 5% 的边缘长尾。

这也是为什么目前的科技巨头们都在狂卷 世界模型 (World Models)。构建世界模型的目的，并不是为了去解决那个永远无法穷尽的 L5 自动驾驶哲学困局，而是为了打通未来的通用具身智能机器人 (Embodied AI)。语言模型只能处理文本逻辑，但未来的服务机器人需要进入人类的家庭生活，去和所有可感的物理材质互动（感知温度、湿度、抚摸、力反馈等）。要实现这一步跨越，就必须依赖对物理世界基础规律有深刻理解的世界模型来完成。

政治影响力的地缘界限与信息干预

在互动环节的尾声，有听众提出，如果中国现在的网络水军和全球影响力计划成功了，是不是能像当年俄罗斯干预美国大选那样，轻易扭转其他国家的对华政策？

我觉得大家对中国目前的“全球地缘政治影响力”存在某种高估。首先，互联网上的舆论水军和转赞评数据，要转化为现实世界中真金白银的政治选票和政策颠覆，这中间有一道极其巨大的鸿沟。

俄罗斯当年能够对周边甚至部分西方选举产生影响，很大程度上是在吃**“前苏联遗留下来的强大地缘政治残余”的老本。冷战巅峰时期，美苏两国的影响力是可以通过暗杀、政变、军事援助直接操盘其他国家的内政的。相比之下，中国目前在全球的渗透能力，更多还是停留在经济和贸易路径**上，距离纯粹的“政治安全干预路径”还有极大的差距。

即便有很多国家在经济上依赖中国，但在政治倾向和民意基础上，他们对中国的使用往往还是“工具性”的。也就是说，他们会在拿到经济好处时跟你合作，但这绝不代表明天发生地缘危机时，他们的人民会主动选择跟你站在一起。一旦这些国家的内部政治周期发生更替（比如南非和巴西如果换上了与美国更亲近的政府），他们对中国的态度很可能会在一夜之间发生骤变。

至于说当年希拉里落选、川普上台是因为俄罗斯黑客的网络干预，我认为这也是一种夸大的归因。川普之所以能在美国政坛掀起如此巨大的风浪，并在四年后能够卷土重来，靠的是美国社会内部深层的结构性矛盾、反建制民意的积压，以及民主党自身在摇摆州（如威斯康星州）错误的资源投放策略。这种内生性的历史巨变，绝不是区区几个外部网络水军发几篇假新闻就能强行扭转的。

原生AI应用与普通人的智能红利

最后，Project Bean 分享了他观察到的一个非常现实的现象：他把接入了高级大模型（如 Claude 或 OpenAI）的复杂 AI Agent 工具分享给周围的普通朋友，结果发现这些人通常只会给出极其笼统、模糊的指令。最后不仅消耗了海量的算力资源，得到了不痛不痒的结果，而且用不了几天，大家就又退回去用那些最简单的基础对话产品（比如豆包）了。他由此发问：先进 AI 模型的代差，到底多久之后才会真正传导并影响到普通人的生活？

这是一个非常深刻的洞察。我认为，普通人永远学不会，也不应该去学习如何使用复杂的 Agentic Harness（代理编排框架）。在这个世界上，能够以高度创造性和逻辑严密的方式去结构化生活与工作的人，永远是极少数。

未来的 AI 普及方式，绝不是要求每个普通人都去学习复杂的 Prompt，或者手动去配置各个工作流。未来的革命在于：所有的软件都将重构为“原生 AI 软件 (AI-Native Apps)”。

到了那个阶段，普通人使用 AI 的方式会回归到极其原始的自然语言。例如： 你在微信里对 AI 说：“我要追求这个女孩，你来帮我跟她聊。” 你在外卖软件里对 AI 说：“我今天中午只花 25 块钱，你看着给我安排一顿，25 不够？那我最多出 27，你再找找。”

普通人只需要给出如此简单、笼统、极具生活化气息的指令。而在这句简单的指令背后，隐藏着由大厂开发好的、极其复杂的专属垂直领域 Agent Harness。这个背后的超级代理会默默地为你做几万次的 API 调用、意图猜测、情绪分析和比价逻辑，最后直接把结果（一段完美的搭讪回复，或者一份下单好的外卖）端到你面前。

只有到了那一步，当 AI 不再是以聊天框的形式存在，而是化为生活服务软件背后那个隐形的超级大脑时，先进大模型的真正威力才会降临到每一个普通人的头上。而掌握着最强模型的科技寡头，将在这场重塑人类生活方式的战争中，收获最终的红利。