当地时间2月14日上午10时12分，“JAMAICA BAY”轮正航行于巴西外海约50海里处。值班三副在瞭望中发现海面有橙红色漂浮物，立即呼叫船长前往驾驶台。船长郭洪涛迅速抵达，通过望远镜确认该漂浮物为他船落水人员。郭洪涛船长拥有18年航海经验，在船员眼中，他乐观自信，始终将安全体系和高效执行放在首位。面对突发情况，他沉着冷静，立即接管指挥，通过全船广播系统发布警报，启动应变部署程序。他迅速指令：追踪落水人员位置、通知机舱应急备车、联系最近的搜救中心、指派专人持续瞭望、通过VHF播报搜救信息并组织应急团队准备救助艇。在船长统一指挥下，全体船员反应迅速、分工明确、配合默契。此时，恰逢一艘货轮由“JAMAICA BAY”轮右前2.4海里穿越，为确保安全，郭船长果断采取“SINGLE TURN”进行搜救作业。在船舶进行旋回搜寻的同时，他指派水手长带领船员在船舷两侧设置网具、准备引水梯和带浮力绳索的救生圈。根据当时海况、水文信息及船舶操纵轨迹，计算评估落水人员漂流方位进行不间断搜寻。随着瞭望水手的一声惊呼，漂流的三名落水人员重新回归视野，出现在船首约两点钟方向。郭船长根据风向、流向和水文条件，指挥船舶缓慢接近落水者。大副带领团队已备妥救助艇，但经综合评估海况与落水者状态，决定暂不释放，而是采取船舶靠拢、占据下风舷的方式施救。船员随即抛掷带绳索的救生圈，协助落水者靠近船体，并利用引水梯将他们逐一救起。通过“JAMAICA BAY”轮全体船员的通力合作，当地时间11时30分，三名落水人员被成功救起。郭船长随即指派二副携应急团队对三名落水者进行现场医疗救助，经检查三名落水人员身体状况良好。经现场确认，落水人员已全部安全被救起，无其他落水人员遗留海上。经了解，三名落水人员为巴西渔民，所乘渔船“DONA CELMA G” 因大浪冲击损坏进水，于当地时间2月13日凌晨3点沉没。三人依靠一块木质托盘、三个塑料空桶和一个救生圈自制简易浮具，在无淡水和食物的情况下，漂流超过32个小时。三名幸存者被救起后，“JAMAICA BAY”轮船员第一时间为他们提供医疗救助、饮食、衣物及休息空间，并协助其通过卫星电话与家人报平安。与此同时，郭船长向最近的搜救中心MRCCRIO、目的港代理、船东及租家报告了救助情况。经确认，三名幸存者将在目的港SAO FRANCISCO DO SUL 由当地海岸警卫队安排接收安置。右三为中国船长郭洪涛随后，三人随船航行四天，于当地时间2月18日12时15分，安全移交给当地代理与巴西海岸警卫队。END投稿咨询请联系：18810090213（微信同号）；邮箱：tougao@cnss.com.cn往期回顾中船航海︱持续升级全球服务网，为航行安全保驾护航铝土矿出口拟控制产量，干散货航运市场面临考验海事服务网CNSS有态度 • 有深度有高度 • 有温度www.cnss.com.cn声明：本文仅代表作者个人观点，本公众平台不对文字的真实性、完整性、及时性作任何保证或承诺，仅供读者参考。如有侵权，后台联系即刻删除。

图片来源：YouTubeZ Highlights：这和“我只是用AI辅助写代码”完全不是一个层级的变化，而是一种跃迁式的升级——从增强个人生产力，变成真正意义上的端到端构建与交付。从第一次接触这项新技术，到真正变得高效之间的这段过程里，很多人都会卡在这里——不停地去“超级优化”自己的环境。但这种优化往往并不会真正提升生产力，只是让人产生一种“我更高效了”的错觉。真正需要优化的，其实是整个代码库，让它更适合协作、更适合持续演进。现在也是一样——要优化的是代码基础，使agent能够在其中发挥最佳效果。以一种玩乐的方式去接触它。如果你至少有一点动手能力，就去构建你一直想做的东西——脑海里总有一个想做的项目，就尽情玩一玩。《Builders Unscripted》是OpenAI官方推出的一档聚焦顶尖开发者的硬核对谈节目。在2026年2月25日首期节目中，Peter Steinberger围绕OpenClaw、他在开源领域的历程，以及如何借助 Codex 进行构建展开了深入解析。Romain：Peter，欢迎来到OpenAI。Peter：感谢邀请。Romain：这些年来一直在线上相识相伴，如今终于有机会在Versa里有更多时间相处，内心真的很开心。Peter：同感。你们的办公室真的很漂亮。社区热潮：从线上到全球线下现象级爆发Romain：谢谢，最近这几周真是忙得不可开交。其实一个月前就有一起录视频的想法，要是当时做的话，可能还得专门做个介绍。现在看来，几乎都不用铺垫了。开源项目能登上《华尔街日报》并不多见，取得这样的成绩确实值得祝贺。此刻的感受如何？Peter：有点抱歉，感觉各方面都有些信息过载。不过说实话，今年一开始折腾AI的时候，其实是想激励更多人参与进来。现在走到这一步，仿佛达到了某种“终极形态”，所以内心还是挺自豪的。Romain：这段时间确实很精彩。过去一周都在旧金山，参加了一些活动，比如Codex Hackathon，同时也主办了一个专门围绕OpenClaw的活动。Peter：其实这件事本身也是由社区推动的。当时有人提议说应该办一次线下见面会，于是就建了一个Discord频道专门讨论meetup的事。没想到后来来到现场，竟然有将近一千人到场。那种创造力真的让人震撼——现场的设计、氛围、色彩，还有各种各样的想法与项目，能感受到无数人投入其中、满怀热情。Romain：那一刻才真正意识到，确实创造出了某种“有魔力”的东西。几周前这个项目还不存在，如今却已经有成千上万的人在使用、在支持，甚至专程聚集到旧金山线下见面——这种变化本身就令人难以置信。Peter：甚至下周在维也纳，也已经有超过300人报名参加。相比旧金山那样成熟、活跃的科技圈，当地的tech scene规模远没有那么大，但依然能聚集起这样的热度，确实令人惊叹。Romain：现在它已经走向了全球，成为一种现象级的存在。Peter：是啊，令人惊叹的是，它能够触及不同的大陆、不同的文化。Romain：确实如此。那么这几天和社区的交流整体感受如何？这段时间花了不少时间和社区成员互动，也和一些后来加入项目的维护者深入沟通。过去这一周的体验怎么样？Peter：这段经历确实很特别。很多人非常喜欢这个项目，也有不少人一上来就期待看到一个成熟、完善的“最终版本”。但对我来说，很长一段时间里，它更像是自己的一个小型试验场。这一整年，都在不断惊叹AI所展现出的各种可能性。对开发者而言，可谓是“生逢其时”。开发者的黄金时代：AI 重构开发与身份定义Romain：你觉得在这个时刻作为一个builder最有趣的地方是什么？现在确实是一个非常特别的时期——整个工具链都在发生变化，对“开发者”身份的定义也在不断重塑，几乎任何人都可以构建任何东西。Peter：当我开始玩这项新技术时，每次都有一种多巴胺飙升的感觉。那时我用Claude code进行尝试，每当它做对一点事情，大概只有30%或40%的概率，但对我来说简直令人震撼——我突然意识到，现在我真的可以构建任何东西。而且通常软件开发总是很耗时、很复杂，而软件本身依然很难。但现在，开发速度快了太多。Romain：我同意。如果回溯到几年前，大概是2011或2012年左右，当时第一次接触到你做的工作，是你开发PSPDFKit的时候。从外部来看，这个经历很有意思——感觉就像实现了每个开发者的梦想：遇到问题、提供了出色的解决方案、围绕它建立了公司、实现了规模化，并最终出售了它。但我相信，这段旅程绝不可能像表面上看起来那么轻松。Peter：我的意思是，我并不是某天醒来就决定要开发一个PDF框架——这在我的兴趣清单上几乎排在最末位。事情更多是自然而然发生的，就像一种奇怪的蝴蝶效应：从在Nokia开发的日子开始，到身边朋友有需求，再到美国签证拖延过久，这一系列偶然因素最终促成了我创办公司的决定。Romain：我觉得有趣的是，在那家公司建立之后，你似乎休息了一段时间。那么，是哪些因素促使你重新回到这一领域的？Peter：最终，我是真的感到精疲力尽。连续高强度工作了13年，运营一家公司很难，当创始人更难。而且这是我的第一次创业，我并没有真正掌握如何缓解这些压力的方法，所以有一段时间几乎到了透支的状态，需要好好放松一下。尽管如此，我还是关注着科技新闻。看到了GPT Engineer（或者当时叫ChatGPT的早期版本），觉得挺酷的，但并没有立刻让我激动。因为必须亲自体验新技术，仅仅通过阅读是无法真正感受到它的力量的，尽管当时的技术并没有立刻让我产生共鸣，真正让我动手。只有在我准备好、感觉到“好吧，我想再次创造点东西”的时候，到那时我也不想再在传统科技领域构建项目，因为我已经做了很久，而世界似乎也稍微往前走了一些。当时很多东西还需要被重新构建，而我也恰好有了回归的动力和契机。但当你在一个领域已经非常专业，然后转到另一个领域时，那种难度真是无法用“难”来形容，更像是一种痛苦。你拥有构建项目的广泛知识，但如果没有agentic engineering的辅助，要真正把这些能力迁移过去，仍然需要学习很多东西。我当时想，“不如先看看这AI的东西吧。”真正让我震撼的时刻是，我拿了一个半完成的项目去尝试——其实那个项目早已在完成之前就因精疲力尽而搁置了。Romain：对我们开发者来说，常常是这样的：大家都喜欢冒出新点子、启动新项目，但真正把它们完成才是最难的部分。Peter：我经常看到这种情况——完成一个项目真的很难，有时候甚至会失败。但这个项目我想继续推进，同时也想重写它。于是我把整个项目整理成一个巨大的Markdown文件，大概1.5MB，把所有文件都拖进当时的Gemini Studio 2.5，然后让我生成一个spec，我把生成的几行内容整理回来，再拖到Cloud Code里去。接着我执行build，并在主屏幕上做其他操作，而旁边的屏幕就这样跑了好几个小时。那时候情况要困难得多。有一次，它告诉我“已经100%可以投入生产”，大概是高级Claude 3.5 Opus之类的版本。我试了一下，结果直接崩溃了。于是我接入了Playwright——那是少数我真正会用的MCP之一——让它去构建登录流程，同时沿途检查操作是否正确，比如用来测试Twitter。一个小时后，它居然真的成功了，还展示给我一些成果。Romain：很多人把OpenClaw看作是你的一夜成名，但我觉得最有意思的地方在于，它其实是过去9到10个月你所做的众多项目的积累。当你看看你的GitHub主页，会发现你已经构建了40多个项目。Peter：其中大约一半的项目被直接应用在这个项目里。Romain：我觉得其中很多，你都把它们整合进了OpenClaw。能不能聊聊这段旅程，讲讲这些想法和项目是如何最终汇聚到OpenClaw中的？Peter：我希望我能说从一开始就有一个统一的计划，但其实大部分都是探索性的。我当时想要一些功能或工具，而它们并不存在，于是我就“创造”了它们——或者说，我通过提示让它们出现。为什么？就是因为我想去构建它，一步步来。我希望我的agent能为我做一些事情，但那时我还没有完整的整体愿景。有趣的是，事情最终又回到了原点。比如，我想让它能查看我的WhatsApp，于是我就去实现了，甚至还注册了相关的域名。我做了一个原型，但当时心想，反正大公司和大实验室迟早会去做这个，所以我就先等等。于是我把注意力放在其他事情上，做了很多实验。那段时间的目标更多是为了好玩，也为了激励别人。到了十一月，我做出了几个版本，但都不算理想。那时我就想，为什么还没有实验室做出这些东西？他们到底在忙什么？于是我就自己动手，做出了第一个版本，这个版本后来就成为了OpenClaw。当时已经到了第五个版本，但我自己仍然没有完全被打动。那感觉是——挺酷的，只花了大约一个小时就搭出了第一个原型。你只需通过提示，就能让各种东西“生成”出来。真正打动我是在这个周末去马拉喀什旅行时。我发现自己用它的频率大大增加，因为它太方便了。你知道，当地网络并不稳定，而WhatsApp无论在哪里都能用，这种便利性让我对它印象深刻。我用它做了很多事情，比如翻译图片、帮我找餐厅，甚至还能查电脑上的资料，感觉特别酷。我给朋友们看，还让它帮我发短信，他们都想要这样的功能。我当时就想——你们不应该用它，你们还不懂它的厉害。Romain：这些正是产品与市场契合度的唯一信号。如果连你的朋友都想要你做的东西，即便你从未为他们设计过，它也说明了价值所在。以前这类工具更多是为技术同行保留的。Peter：真正让我彻底感受到它的价值，是我频繁使用的过程中。有一次，我尝试发送语音消息，心中顿时意识到——这本不应该能实现。震撼时刻：AI Agent自主解决未预设复杂问题Romain：跟我多讲讲这个故事吧，我记得我们前几天聊过这个。Peter：这真的很令人着迷，它让我看到了这些模型在解决问题上的强大能力。我们开发这些工具是为了agentic engineering，但真正的核心技能其实更抽象：如果你想成为一名优秀的程序员，你必须首先是一个出色的问题解决者。而这种能力实际上可以映射到任何领域。我发送了这条语音消息，屏幕上出现了打字指示器，我心里非常好奇接下来会发生什么——我自己没写过这部分代码，按理说它不应该能工作。结果模型居然直接回复了我，我当时惊讶到：它是怎么做到的？作为模型，它本不能够运行啊。模型当时的处理方式是这样的：它说，“你给我发了个消息，但其实只是一个没有文件后缀的文件。”于是它查看了文件头，发现这是一个音频编码格式。然后它在我的电脑上用ffmpeg转换了文件，我本想把它转写成文字，但电脑上没有安装Whisper。于是它四处寻找，找到一个OpenAI的API key，用curl把文件发送给OpenAI，最后拿回了文字内容——就这样，我得到结果了。Romain：这确实令人难以置信。这正是把工具和完整的计算机访问权限交给这些agent之后所展现出的力量。它们可以自行组合资源、设计解决路径，哪怕从未为这种具体情境写过一行代码，也能自己想办法把问题解决——这种感觉既震撼又有点好笑。Peter：我讲这个故事时，有人惊呼：“天啊，它竟然用了我的key，这也太疯狂了！”但其实并非如此。我把OpenAI的API key放在环境变量里，本来就是为此准备的。如果这是一个应该访问OpenAI key的脚本，而我的bot也运行在同一个环境里，那它当然可以访问那个key——我把它放在那里，本来就是为了让它用。这并不糟糕，恰恰是我想要的效果。那就是属于我的一个高光时刻。之后每次把它展示给朋友，或者把它拉进一个小群聊里测试——坦率地说，这个东西本来就是为一对一沟通设计的。如果要放进群聊里，最好选一个信任的人一起尝试。Romain：真正信任的人。Peter：因为它并不是为了“随便丢到公共场景里就能自动正确运行”而设计的。它本质上是一个个人助理，是围绕个人使用场景打造的。Romain：当我把它搭起来时，其实也挺好奇的——这种配置方式有点奇怪，但我很想看看它最终会发展到哪里。后来确实出现了几个“顿悟时刻”：给它的访问权限越多，提供的工具和技能越丰富，它展现出来的能力就越令人惊艳。某种程度上，就像是在赋予它一种“虚拟技能”，能力会随着资源的开放而不断放大。当你让它为一次活动搭建一个网站或应用时，它做的已经不只是生成代码。它会调用你的OpenAI API key，把AI功能直接整合进去，还会自动部署，甚至生成一个可以对外分享的链接。这和“我只是用AI辅助写代码”完全不是一个层级的变化，而是一种跃迁式的升级——从增强个人生产力，变成真正意义上的端到端构建与交付。Peter：整个11月和12月，我几乎完全沉浸在这件事里。虽然也做了一些其他项目，但大部分时间都投入到了这里。可是在Twitter上，大家似乎并没有真正理解它，我得到的反馈也相当冷淡，反响并不强烈。而现实是，每次给朋友演示，他们都想马上用。我却总说：“不不不，还没准备好。”后来我想，那不如做点疯狂的事情，让大家真正看到它有多酷。于是我建了一个Discord服务器，直接把我的bot放了进去，几乎没有任何安全措施——那时候连sandboxing都还没做，一切都非常早期。我基本上是在完全公开的环境里开发，相当于用OpenClaw去构建和调试OpenClaw本身。当时模型会说：“你看到这个工具了吗？”我回答：“没有，什么都没看到。”它又说：“那去检查一下你自己的源代码。”接着又引导我去看其他地方。这一切都在公开环境里发生，大家亲眼看到它如何自我排查、自我修正。也正是在那一刻，人们开始真正理解它的意义。Romain：当时把它放进Discord时，具体给了它哪些访问权限？比如，也让它读取了你所有的推文吗？它对你的信息掌握到了什么程度？Peter：并不是所有推文，太多了，但确实包含了很多我的记忆数据。我其实一直在快速监控它，因为prompt injection仍未完全解决。但新一代模型的表现确实很出色。我有一个“canary”，我的定制MGE，它定义了我的价值观——我希望模型如何运作、如何思考，以及哪些对我来说是重要的。大家对此非常感兴趣，甚至有陌生人进来，试图通过prompt injection粘贴大量代码。但模型直接回应说：“我不看这个。”基本上是在“嘲讽”他们。尽管如此，我当时还是没太有信心。第一晚引起了大量关注之后，我就把它关掉，去睡觉了——睡了十个小时，醒来后再继续。那天Discord上大概有800条消息，我的agent都在一条条回复。我当时完全慌了，又把它关掉。后来我仔细查看了每一条消息，慢慢冷静下来，因为它实际上没有做任何恶意操作，也没办法获取我的MGE数据。并不是说prompt rejection完全不可能，但它没有人们想象中那么容易被绕过。Romain：对吧？从整体来看，它实际上是按照预期在运作的。Peter：是啊，我最大的失误是把它禁用了，但忘了我其实有一个启动守护进程（launch daemon）。启动守护进程主要做什么？如果服务崩溃或者MGE（sol）被终止，它会自动重启，因为你希望服务是可靠的。苹果当初设计它，就是为了保持服务稳定。我没考虑到这一点，所以把它“杀掉”了，结果它在五秒内自己重启，而我就去睡觉了。现在我吸取了教训，也加入了sandboxing。他在Gemini Studio里看到时非常自豪，把它称作“城堡”。我把它放进了一个小型容器，但这些模型真的非常有创造力。比如第一次我做了一个Alpine Docker容器，里面几乎什么都没有。我当时对Malte说：“嘿，能帮我看看这个网站吗？”它却说：“这里连curl都没有，什么都做不了。”我就对它说：“发挥你的创造力吧。”它居然自己用TCP socket构建了一个curl，还用C编译器编译，生成了一个简陋版本的curl，竟然可以真正访问网站——效果完全正常，简直疯狂。这些模型的资源调度能力和创造力真的令人难以置信。Romain：当然也遇到了一些挑战。很多人会从安全角度审视项目，期待它从第一天起就做到非常完善、非常稳健。但当时只是把一个开源项目公开出来，本身还处在早期探索阶段。Peter：每当有人问我：“能不能帮我联系一下你们的CEO、人力资源，或者团队里的其他成员？”我都会忍不住笑。其实就是我一个人在“山洞里”写代码而已。但这恰恰体现出那种认知上的错位——从外界看来，这像是一家成熟公司的成果；可实际上，如果没有这些模型和agent的加持，单凭一个人根本不可能做到这样的规模与复杂度。现在确实有维护者加入，也会收到PRs。但从本质上说，这个项目最初是我一个人完成的——而放在一年前，这几乎是不可能的。当时根本没有这样的模型能力，让一个人可以构建出这种规模和复杂度的系统。所以从传统视角来看，甚至都不该把它当作“一个人能完成的事情”。Romain：我们不妨就聊聊这个话题。我想很多开发者都会好奇——Peter的生产力到底是怎么做到的？今天早上我又看了一下你的GitHub，过去一年在120多个项目里累计了9万多次contribution。更有意思的是，GitHub活动图在年初几乎是一片空白、浅绿色，到了秋天，尤其是10月和11月，突然变成了深绿色。那段时间究竟发生了什么？Peter：每一代模型都在进步。但变化不仅仅在于agent变得更强，模型本身的“智能上限”也在提升。同时，我对如何驾驭它们的理解，以及自己的workflow也在不断优化。有些人仍然用过去的方式写代码，觉得那套方法不会改变；当他们尝试用AI时，把这种方式称作“vibe coding”。在我看来，这个词本身就带点贬义。他们去尝试AI，却没有意识到这其实是一种技能。就像拿起一把吉他，第一天不可能就弹得很好。于是因为体验不好，就下结论说：“不行，这行不通。”如果用一种更玩味、更探索的心态去对待它，就必须愿意学习。现在我对不同prompt会产生什么效果、大概需要多长时间，已经有了一种直觉。如果过程变得异常漫长，我就会反思——是不是提示写错了？架构不对？思路出了问题。这和写代码很像。当你在写代码时，也会有一种感觉：某个功能是自然融入整体架构，还是在“对抗系统”、处处别扭。这种判断力需要时间去积累。走出Agentic Trap：保持简单，专注问题本身Romain：那么，如果有人希望提升到类似你的效率水平，你现在的coding setup是怎样的？你之前也提到过，很多人把自己的开发环境搞得过于复杂。Peter：其实我自己也曾这样做过，我把这种情况叫做“agentic trap”。从第一次接触这项新技术，到真正变得高效之间的这段过程里，很多人都会卡在这里——不停地去“超级优化”自己的环境。但这种优化往往并不会真正提升生产力，只是让人产生一种“我更高效了”的错觉。看起来很忙、很高级，实际产出却未必更多。我写过一篇博客，当时也挺有争议。我只是说，你要把它当成一种对话去对待。模型更像是在跟你交流——这并不完全是传统的pair programming，而是另一种形式，更像ISS，本质上是一场持续的对话，我基本上就是直接告诉它我想要什么。我总会问模型一句：“你有什么问题吗？”因为默认情况下，它会直接尝试解决问题，并自行做出各种假设。而这些默认假设未必总是最优的——尤其要记住，它的训练数据里包含了大量代码，也包括很多较早期、甚至已经过时的代码。因此，通过反问，让它先澄清问题，往往能得到更好的结果。“你有什么问题吗？”其实是一个非常关键的问题。模型通常是以“空白状态”开始的，它不像我们一样逐步积累上下文。每一次新的session，对它来说都是“我对这个代码库一无所知”。它只能根据当前对话去搜索、定位相关片段，然后尝试解决你提出的那个具体问题。但它们通常看不到完整的全貌。如果要把这件事做好，完整的画面必须先在自己脑海里成型，同时还需要稍微引导模型，告诉它去看看这里、再看看那里。而Codex在这方面更强一些，更擅长先做一次整体性的浏览，再进入具体细节。我用的是一种非常基础的方法。甚至都不用worktree，只是简单地做1到10个checkout。保持简单，反而让我能更专注于真正的问题本身。我基本不去折腾复杂的分支策略，而是专注于不同的问题模块。理想情况下，当项目规模稍微大一些时，这种方式反而更轻松——可以在彼此不冲突的不同部分上并行推进，而不至于互相“打架”。Romain：你在构建OpenCloud的过程中大量使用了Codex。那么除此之外，它还在哪些方面改变了你的工作方式？Peter：我尝试过很多工具。但在目前所有工具中，我对Codex的信任度最高——它构建出我想要结果的成功率非常高，“直接就能跑起来”的情况也越来越多。很多人没有意识到，GPT-5.2又带来了一次质的跃迁，几乎可以说是一次“量子级”的飞跃。那种“它真的就能正常工作”的感觉，非常明显。到现在，我仍然会为它已经达到的稳定程度感到惊讶。Romain：这真的太棒了——可以直接动手构建各种东西。本身就已经非常不可思议。Peter：是的，我觉得大家真的应该亲自试一试。Romain：你之前也提到过，现在甚至会发布一些自己都没有逐行阅读的代码。这种做法是如何发生变化的？Peter：大多数代码其实都很“无聊”。无非是把一种数据结构转换成另一种数据结构，最后呈现给用户，或者传递到下一个系统。因此，对于模型生成的绝大部分代码，我其实心里大概有数。我只需要看一下输出流，确认它生成的内容，大体符合我脑海里的心智模型——也就是它“应该”长成的样子——基本就够了。之前带过一个团队，手下有不少软件工程师。这也意味着必须接受一个事实：他们最终写出来的代码，不会完全符合我心中理想的写法。真正需要优化的，其实是整个代码库，让它更适合协作、更适合持续演进。现在也是一样——要优化的是代码基础，使agent能够在其中发挥最佳效果。而这未必等同于“人类写得最舒服”的方式。这也意味着要接受，生成的代码未必完全是我理想中的写法。确实可以通过prompt把模型往某种风格上引导，但很多问题本身就有多种结构化方式，大多数时候并不存在唯一正确的实现。如果后来真的出现性能问题，再针对那一部分做优化即可。关键是先让系统运转起来，在需要的时候再精细打磨。Romain：刚才提到对“代码价值”的看法，其实也在改变我看待开源的方式。就拿Open Cloud来说，现在大概有两千个PR处于打开状态。过去在没有AI的时候，每一个PR都需要认真阅读，因为代码本身就是核心价值所在。但现在有时更愿意把它理解为一种“prompt request”，而不仅仅是pull request。真正重要的，往往不是那段具体的实现代码，而是PR背后的想法、意图和方向。代码可以由模型重写、重构甚至重新生成。Peter：有时候处理一个PR花的时间，比自己动手做还要久。因为我对模型“不具恶意”的信任，往往高于一个从未听说过、之前也没有任何交流的外部贡献者，所以对这样的PR必须更加仔细地审查。但当我看到一个PR，开始做review时，首先会问模型一句：“你理解这个PR的意图吗？”因为我真正关心的并不是代码本身，而是这个人到底想解决什么问题。很多时候，它更像是一个issue，外加一套体量很大的解决尝试。首先，不少人仍然不知道如何真正去yield agent。其次，他们往往只给出一种非常局部的解决方案，因为他们脑中并没有整个系统的全貌。难点在于，这个小小的新功能如何嵌入到整个更大的系统里？或者这个小修复——它确实只是一个很小的fix——它真的是对的吗？问题会不会其实更偏向某个模块，甚至是一个更系统性、架构层面的问题？如果只是和模型进行对话，它其实非常擅长处理这种情况。当我说“好，现在把这个实现出来”，模型就会开始构建。但在此之前，我会先问它：这个改动的意图是什么？这是最优解吗？有时它会回答是，但更多时候会说不是。然后我们才会开始一起探索，什么才是更合适的修复方式。这是不是一个架构层面的问题？比如说，如果这是一个消息处理上的问题，它真的只影响WhatsApp，还是也可能影响到Signal？既然如此，是不是应该用一种更通用的方式来解决，而不是只做一个局部修补？这算是一个新功能吗？我们真的需要这个新功能吗？有时候，这样的讨论会持续十到十五分钟。我通常会用语音，因为那种感觉真的就像是在和一个非常聪明的同事交流。Romain：用语音输入token，其实比打字更轻松。Peter：当我确认方向没问题之后，会触发一个slash command——比如LPR——它会把整个流程说明清楚：创建branch、完成所有修改、再到把PR合并。我希望建立一个社区，所以即便整个过程用时比自己从头写一遍还要长，仍然会保留原作者的署名。因为我很珍惜大家能够参与其中。Romain：展望未来，在越来越多贡献者围绕这个项目参与进来的情况下，OpenClaw接下来会走向哪里？另外，是否把自己视为某种“探路者”——为“个人AI agent应该是什么样子”提供一种范式，让未来可能有数十亿人使用类似系统时，有一个可以参照的方向？Peter：是的，我希望在两者之间找到一种平衡：一方面，它应该简单到连我妈妈都能安装；另一方面，它又必须保持有趣、可hack，这本身就很难。大多数开源项目的使用方式是下载一个package直接安装。但很长一段时间里，我的默认安装方式是git clone、build、run。这样一来，源码就直接在本地磁盘上，agent就“坐”在源码之中，并且对这份source code是有感知的。如果有任何不喜欢的地方，只需要对agent下一个prompt，它就会自行修改——某种意义上，是真正的“自我修改软件”。也正因为如此，很多原本从未给我提过PR的人，现在也开始提交PR。这也是为什么我更愿意把它称为“prompt request”——关键不只是代码本身，而是对“如何构建一个能够长期演进的软件”的理解。与此同时，整个安全行业几乎都在盯着它。这很有意思，但也多少有些令人沮丧，因为其中确实忽略了一些新的东西。举例来说，我做的那个web server，最初只是为了调试而写，后来才把界面做得更好看一些。它本来的设计前提，是只在本地网络、也就是受信任的网络环境中访问。但因为我也希望它能成为某种“黑客乐园”，所以确实提供了一个选项，可以自行修改访问方式。毕竟有些人的部署环境很特殊，比如会使用某些特定工具，或者通过reverse proxy来做转发。所以当初没有把它做成强限制模式，是有原因的。但现在却有人把它直接暴露在open internet上，尽管我在一份文档里反复强调“不要这样做”，因为那根本不是它的设计初衷。随后就会有安全行业的人指出：它没有登录限制，也没有那些在公共网络上运行服务所必须具备的安全机制。问题在于，那本来就不是它被设计出来的使用场景。确实，当初并不是按那种用途来设计的。但因为它是可配置的，于是就被直接归类为一个CVSS 10级别的问题。所以在这件事上，确实有些挣扎。后来也引入了一位安全专家，把安全作为核心关注点。因为已经意识到，无法阻止别人以非预期的方式使用它。现在更重要的是支持这些不同的use case，同时尽量避免让用户“误伤自己”。Romain：这正是开源的魅力所在——人们可以拥抱它，并提出一些连我都未曾想到的想法。Peter：是的，这既是它的魅力所在，也是它的疯狂之处。Romain：稍微跳出OpenClaw这个话题。这周和不少开发者聊到你即将参加Codex Hackathon，他们都很好奇：Peter是怎么想到这么多好点子的？这些创意从哪里来？不知道是否有一个明确的答案，还是说这更多只是出于个人的好奇心，一路追随自己的兴趣不断探索。Peter：更像是一种意识到：现在很多事情变得很容易。即便已经有一个开源项目能解决我70%的问题，我也会选择自己动手做——而这在一年前几乎是不可能的。现在的状态是，只需要下一个prompt，把它放在第二块屏幕上，让Codex跑起来，它就开始工作了。Romain：我们俩都来自欧洲。当我离开旧金山回到欧洲时，我相信你也有同样的感受：很多开发者和工程师还没有真正开始使用Codex和agentic工具。对他们来说，你的建议是什么？在入门时，他们是否应该重新思考自己的工作方式和工作流程？Peter：我的第一个建议始终是：以一种玩乐的方式去接触它。如果你至少有一点动手能力，就去构建你一直想做的东西——脑海里总有一个想做的项目，就尽情玩一玩。必须以一种玩乐的心态去面对这个事物。我记得Nvidia的CEO也说过：“短期内，你不会被AI取代，而是被会使用AI的人取代。”Romain：用得更好的人。Peter：但如果你的身份认同是：我想创造东西，我想解决问题——如果你有高自主性，如果你足够聪明，你的需求量将比以往任何时候都高。Romain：现在正是创作者拥抱这些工具、引导好奇心的绝佳时机，也是真正将任何想法付诸实践的时刻，就像你通过这些精彩项目和OpenClaw所做的那样。Peter：我觉得一年之内，这将会彻底爆发。Romain：是啊，2026年将会非常有趣。我觉得这是一个非常棒的结束方式。非常感谢你，Peter，抽出时间接受采访。能和你共度时光真是太棒了。我们在OpenAI都非常喜欢你的工作，也很乐意支持像你这样的开发者，坦率地说，你是整个开发者社区真正的灵感来源。再次感谢，我们迫不及待想看到你接下来会做些什么。原视频：Builders Unscripted: Ep. 1 - Peter Steinberger, Creator of OpenClawhttps://www.youtube.com/watch?v=9jgcT0Fqt7U编译：Lureen Zheng请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。

收入增长14%，毛利润增长21%。实现两个双位数增长。3月18日，腾讯控股有限公司公布2025年度业绩，整体业绩保持健康增长，核心业务韧性强劲，现金流充裕，企业服务业务高质量发展、AI技术深度赋能全业务线成为全年增长的核心亮点。据财报，2025年，腾讯实现总收入7518亿元，同比增长14%；毛利4226亿元，同比增长21%。按非国际财务报告准则，经营盈利2807亿元，同比增长18%，经营利润率提升至37%；权益持有人应占盈利2596亿元，同比增长17%。2025年，腾讯现金流表现优异，自由现金流1826亿元，同比增长18%，总现金4949亿元，同比增长19%，为AI研发、基础设施升级与业务拓展提供坚实支撑。拆解腾讯2025年业绩报告，To B和AI业务表现亮眼。据财报，2025年，金融科技及企业服务业务全年收入2294亿元，同比增长8%，呈现稳健增长、结构优化的良好态势。其中，企业服务收入增长接近20%，成为板块增长核心引擎，国内及海外云服务需求持续旺盛，AI相关服务需求快速释放，叠加微信小店交易额攀升带动商家技术服务费增长，推动业务规模与效益双提升。尤为关键的是，腾讯云在2025年实现规模化盈利，受益于企业AI需求上升、PaaS及SaaS产品市场领先优势扩大，以及供应链持续优化，云业务迈入高质量可持续发展阶段。AI技术作为腾讯战略投入重点，2025年实现技术突破与场景落地双丰收，全面驱动各业务提质增效。据财报，腾讯持续招募顶尖AI人才、升级AI基础设施，混元3.0大语言模型智能水平持续提升，在3D生成、文生图、世界模型等多模态能力上跻身行业前列。元宝、WorkBuddy、QClaw等AI产品落地见效，在社交、办公、内容创作等场景产生实际效用，打通用户消费娱乐、高效工作的全链路需求。尤为重要的是，AI持续赋能腾讯核心业务，实现较亮眼业绩表现。据财报，游戏业务借助AI加速内容制作、优化用户体验与营销效率，本土游戏收入增长18%，国际游戏收入增长33%，国际市场游戏年收入突破100亿美元；广告业务依托AI升级定向能力与创作工具，推出腾讯广告AIM+智能投放矩阵，在保持低广告加载率的同时，实现营销服务收入同比增长19%；视频号依托AI推荐算法升级，用户使用时长同比增长超20%，生态活力持续释放。董事会主席兼首席执行官马化腾表示，2025年腾讯保持了健康的增长，得益于AI技术提升了广告定向能力及玩家在游戏中的互动，以及云业务收入加速增长并实现了规模化盈利。混元3.0大语言模型智能水平持续提升，元宝、WorkBuddy及QClaw等AI产品产生实际效用，这些令人鼓舞的初期迹象表明AI投入将为腾讯开拓新的机遇。采写：高超编辑：高超指导：辛文延伸阅读最新：腾讯“龙虾宴”来了！（附安装指南）读懂好公司 | 腾讯云：以AI与全球化构筑新增长极推荐阅读中央经济工作会议在北京举行 习近平发表重要讲话学习领悟中央经济工作会议提出的“五个必须”工信部党组扩大会议传达学习中央经济工作会议精神国务院国资委传达学习中央经济工作会议精神中共中央政治局召开会议 分析研究2026年经济工作工信部召开务虚会 研究谋划“十五五”及开局之年工作划重点：“十五五”规划建议中的信息通信（附图）中共中央关于制定国民经济和社会发展第十五个五年规划的建议央企“十五五”规划工作座谈会举行

中国风电新闻网讯：3月11日，江苏省自然资源厅发布《关于中海油江苏滨海南区H4-2#等2个海上风电项目海域使用论证报告的公示》。1、中海油江苏滨海南区H4-2#海上风电项目根据公示，中海油江苏滨海南区H4-2#海上风电项目位于滨海县近海海域。风电场场区大致呈三角形，中心离岸约39km，风电场外包络线离岸最近距离为30.2km，场区实测水深在17~18m之间（1985国家高程基准），规划海域面积约48km²。风电场规划总装机容量为400MW，拟安装34台单机容量12MW海上风电机组，总装机规模408MW。项目配套建设一座海上升压站和一座陆上集控中心。该项目总投资约37.8亿元，其中网箱投资约5000万元，工程建设总工期为16个月，建设单位为中海油（盐城）海上风电有限公司。风电项目申请用海年限为27年，申请用海总面积为433.8776hm²。经计算，风电场理论年发电量为168865万kWh，设计年发电量147521万kWh，平均尾流影响折减系数为12.64%，年上网电量112116万kWh，年等效满负荷小时数2748h。2、华润射阳北区H2#40万千瓦海上风电项目根据公示，华润射阳北区H2#40万千瓦海上风电项目场址位于江苏省盐城市射阳县东侧海域，风电场场区大致呈长方形，风电场外包络线离岸最近为45km，场区实测水深在16~19m之间（1985国家高程基准），路由区水深范围在0~16m之间，规划海域面积约52km²。项目总装机容量408MW，规划布置34台单机容量12.0MW的风电机组，配套建设一座220kV海上升压站和一座220kV陆上集控中心。项目年上网电量为127214.40 万 kWh，平均单机年发电量为3741.60万kWh，年等效满负荷小时数为3118h，容量系数为0.345。该项目总投资498492.24万元，工期18个月，投资主体为华润悦电（江苏）新能源有限公司。项目用海总面积为622.8691hm²，申请用海期限为27年。▓来源：江苏省自然资源厅海上风电 · 技术动态 · 行业报告 · 统计数据 · 风电智库海上风电 | 中国风电新闻网旗下品牌栏目 一个传播风电正能量的平台

船舶讲武堂技能快速提升学习资料购买，点击下方链接获取详情！船舶讲武堂资料焕新优惠开售,合订版返现88元，其它返48元...技能提升好帮手！2025年11月18日，某满载45000吨货物的散货船在黄骅港出港航行时，主机突然触发SLOW DOWN降速保护，航道内航行险象环生！最终排查发现，这场故障的根源仅仅是两根电线的绝缘破损。船舶电气系统的微小隐患，往往可能引发致命故障。今天船舶讲武堂就结合这起真实案例，拆解故障全过程、剖析控制原理、总结排查技巧和管理建议，帮所有轮机同仁避坑，守住航行安全底线！一、船舶概况项目详情船名XXX轮船舶类型散货船航区Unrestricted Area（无限航区）总吨28714主机型号6S50ME-C8主机功率7948 kW主机生产厂家Hu Dong Heavy Machinery Co.,Ltd., Shanghai, China（上海沪东重机有限公司）主机制造日期2011年11月15日二、故障发生经过2025年11月18日下午，该轮满载45000吨货物从黄骅港出港，航行途中突发主机故障，全程时间线清晰，险象环生：1.1753时：主机MOP操作屏先后弹出两个关键报警——电噪音检测报警（Electrical noise detected）和ECS绝缘太低报警（Too low ECS insulation level），船员立即警觉并启动初步排查，但未发现明确故障点。2.1842时：UPS A绝缘低频繁报警，故障迹象进一步明显，排查工作持续推进，但仍未定位根源。3.1902时：主机弹出排气阀位置报警（Spurv.Ch34,4111,Exaust Valve Posi），同时触发主机SLOW DOWN预报警。因当时船舶正处于航道内航行，船员紧急检查主机工况参数，确认各项参数正常后，强制取消SLOW DOWN，主机暂时恢复正常；同时立即报告交管，交管迅速组织引水继续引航，并安排拖轮全程护航，防范风险。4.1907时：故障再次复发，上述所有报警重复出现，同时新增SLOW DOWN FROM EICU A／B和SLOW DOWN PREWARING警报，主机直接降速至SLOW状态，且无法手动取消，船舶陷入被动航行状态。ESC-1接线盒磨损破皮的两根信号线（故障示意图：ESC-1接线盒磨损破皮的两根信号线——线路长期摩擦、振动导致绝缘破损，是本次故障的直接“元凶”）三、故障排查面对航道内的紧急情况，船员结合故障报警列表和主机运行原理，遵循“先分析原理、再对比排查、最后锁定根源”的思路，快速推进排查工作，步骤清晰可复制：（一）初步分析，锁定排查方向结合故障报警（排气阀位置报警、电噪音、ECS绝缘低），船员初步判断：故障核心是排气阀反馈信号错误，被CCU（气缸控制单元）判定为排气阀动作异常，进而触发单缸停油和主机降速保护；故障源头大概率集中在「传感器、线路、关联部件、控制单元」四大类。（二）对比排查，排除非故障点为缩小排查范围，船员重点对比1号缸与其他正常缸的关键参数：1.对比FIVA阀（燃油喷射阀执行器）电流参数；2.对比HCU Event曲线；3.对比MOP操作屏反馈的曲线。通过多维度对比，确认FIVA阀和MPC控制器运行正常，排除此类部件故障，将排查重点锁定在「排气阀位置传感器及关联线路」上。（三）精准定位，找到故障根源船员从1号缸排气阀位置传感器到MPC板的线路开始，逐段排查，最终在ESC-1接线盒处发现关键问题：ESC-1接线盒内，线号X4111-1-1、X4111-1-2的两根信号线，因长期与接线盒盖触碰，加之主机运行时的高频振动，导致线缆绝缘层磨损破皮，破皮部位与控制盒盖接触，造成线路接地。（四）应急处置，恢复正常运行找到故障根源后，船员立即对破损线路进行包扎修复，修复完成后，主机所有相关警报全部消除，主机恢复正常运行，船舶顺利脱离航道危险，继续航行。四、原因分析要彻底规避此类故障，首先要搞懂ME-C主机气缸排气阀的控制与监测原理，再明确故障的直接、间接原因，做到“知其然，更知其所以然”。（一）ME-C主机气缸排气阀控制与监测原理1. 控制原理ME-C主机的CCU（气缸控制单元）是核心控制部件，主要承担三大功能：1.接收指令：接收ECU（主机控制单元）下发的燃油喷射曲线、气缸油注油率等指令；2.判断位置：获取转速表系统的曲轴转角信号，精准判断活塞位置；3.执行控制：通过控制FIVA阀，在对应曲轴角度启动燃油喷射并调节供油量，同时控制排气阀启闭；此外，还能按发火顺序控制启动空气电磁阀，配合主机启动，调节气缸注油器。2. 检测原理CCU通过各类反馈传感器，实时监测部件运行状态：1.位置反馈：FIVA阀、排气阀、高压油泵柱塞等阀芯位置传感器，将阀门位移信号以电流形式反馈给CCU，CCU以此校验燃油喷射量等参数是否符合指令；2.状态监测：监测气缸润滑器的流量传感器信号，确认注油正常；3.故障保护：若某缸CCU发生故障，会立即触发该缸封缸保护（停止喷油、保持排气阀打开），并向上级单元发送故障信号，采取降速（SLOW DOWN）或停车措施，保障主机整体安全。（二）故障原因拆解1. 直接原因（核心诱因）本次故障的直接原因的是「线路绝缘破损接地」，具体逻辑的如下：破皮搭铁的两根信号线缆1.ESC-1接线盒内X4111-1-1、X4111-1-2两根信号线，长期与接线盒盖触碰+高频振动，导致绝缘层破皮；2.这两根线是1号缸排气阀位置传感器线缆，对应CCU1的J34通道（负责排气阀位置信号反馈）；3.线路破皮后与盒盖接触接地，导致信号传输异常，CCU接收错误的排气阀位置信号，判定1号缸排气阀动作异常；4.CCU触发保护机制，启动单缸停油和主机降速（SLOW DOWN），同时因6个CCU模块由PDB（配电盒）统一供电，线路接地引发其他CCU同步弹出电噪音报警。气缸控制系统图中关于破损线缆的线路描述气缸控制系统图中关于PDB的线路描述2. 间接原因1.振动影响：ESC-1接线盒安装于主机起动空气主管上，邻近主机，主机运行时的振动直接传递至接线盒及内部线路，长期振动易导致线路磨损；2.线路布局不合理：ESC-1接线盒内部分传感器线路直接接触可活动的箱体面板，振动时线路与面板振动频率不一致，反复摩擦导致绝缘层破损；3.隐患排查不及时：经后续排查，同类型接线盒ESC-2（控制其他气缸传感器线路）内部线路也有部分磨损，说明日常排查未覆盖此类关键部位，隐患长期留存。五、管理建议这起案例清晰表明，45000吨散货船险些在航道陷入险境，根源仅为一根电线的绝缘破损，看似微小的隐患，却因日常维护的疏漏引发重大风险。ME-C主机的降速保护虽能起到最后一道安全兜底作用，但更关键的是做好日常防控：轮机同仁需在巡检中多一份细心，重点关注主机等振动源附近的传感器控制线路、接线盒等关键部位，及时排查磨损、破皮、松动等问题，发现报警不拖延、不侥幸；航运公司和海事监管部门需各司其职，前者强化岸基支持与船员技能培训、完善维护制度，后者聚焦重点部位监管与报警记录核查，唯有各方抓实细节、落实责任，才能及时排查此类“小破损”，从源头规避设备故障，保障船舶航行安全。本文根据河北海事资料编辑整理！船员找船及培训需求点击链接或扫下方码：航运e家丨船员培训报名以下为历史经典文章合集链接，需要自取1.主机启动困难，负荷严重偏离正常值，轮机长“糟心”战斗数天-真心不容易！2.液压舱盖“跳劲舞”，甲板机头很害怕-三管轮关键时刻放大招，甲机大写的一个“服”.3.传动皮带断到心理有阴影-分油机这病老中医都难搞！4.这个YANMAR副机运转中突然滑油低压停车跳电故障-有点难于预料！5.从太平洋到印度洋的45天，ME-C电喷主机强悍故障来袭！6.主机滑油消耗暴增-祸首分油机，跑油跑出新高度，有点代表性！7.分油机压力低报警，三轨说阀门会自己动，机舱闹鬼？一起来捉妖！8.疑难分析-WARTSIL-RT-FLEX-50D电喷主机某缸喷油时间过长报警！9.非比寻常的主机单缸排烟温度高、烟囱冒黑烟故障。10.二例诡异的副机滑油异常消耗事件-元芳！你怎么看？11.主机这个间歇性排烟温度高的故障-很不简单！12.1年ME-C电喷主机新船，连续排温低，扫气道着火-事件真相匪夷所思！13.夜半歌声很“瘆人”，汽笛该进疯人院-到底是什么鬼？14.船舶空压机滑油容易乳化这个老大难问题，怎么破？15.破解分油机那些让人迷糊的设计10问-分油机强悍文档来袭16.空气分配站安全阀总是跳，源起减压阀-都说减压阀有点难，读完这篇都是专家！17.都说MAN ME-C电喷主机油头难拔-今天我来放个大招！18.主机滑油压力低，是谁动了机油泵的回油阀？又是闹鬼？-结局刷新你的认知！19.主机“气功”没练好！老跑气-高级轮机长（陈老轨），教你怎么练！20二管轮：副机暖缸水温度上不来，系统设计有问题？原来又一次长见识！21.怪不怪？MAN B&W ME-C电喷主机单单平均指示压力低（Pi）,一起来看看。。。。22.多年数个缸套的代价，这个主机缸套异常磨损有点顽。。。。23.这个MAN主机排气敲击故障太“坑爹”，99%的人会被忽悠。。。。。。24.“要命”的某轮克林吊无法启动故障。。。。。25.这个“懵逼”的主机主轴承滑油低压故障，看完直想哭。。。。。26.YANMAR副机航行中没有任何先兆停车跳电，这一次可不是滑油低压。。。。。27.低硫油给分油机带来的麻烦，怎么解？28.主机滑油非正常消耗的祸首原来是“它”。。。。。29.锅炉冒黑烟后又点不着火了，三管轮求援。。。。。30.应急发电机启动失败故障，走了“山路十八弯”31.电喷主机伺服油超压，二台伺服油泵流量传感器指示灯不同步了。。。。32.新主机一周后就开始莫名不断排温高，揉碎了轮机长、服务工程师、机务的心33.三管轮求援：都没问题，空调温度就是打不下来34.脑袋想破都难想到的主机抛锚停车再启动“爆燃”故障35.三管轮问：锅炉得了“哮喘”病，谁有“神药”？36.克令吊回转马达输出齿轮总是断齿，看船员专家级分析解决方案，读完受益匪浅！37.看完这个主副机几近全损的惨烈事件，就知道甲板哥们是怎么“坑”机舱弟兄的38.Westfalia分油机中文解读，下老大功夫了，读完秒懂（含完整视频）39.在新下水的ME-C主机船上干了11个月,轮机长有不少心得体会与大家分享！40.用心制作，时下最流行、最易懂的副机WOOD WARD PSG调速器文档来了41.分油机这个“连环套”，很多人都会“翻车”42.主机没命，副机剩下半条命，看完真的想把这样的队友拉出去“毙”了43.MEC电喷主机这个柱塞行程的故障有点乱，没把轮机长少折腾44.ME-C电喷主机排温高，张老轨听声诊病，把常规诊断方法运用到了极致45.柴油机游车无解---一起跳电事件引出的“花样”游车线索46.出厂一年多的副机总漏油且滑油消耗异常，原因有点“烧脑”!47.副机冷却水进气低压跳电数月无解...背后实情专家难料48.破解分油机那些让人迷糊的设计10问-分油机强悍文档来袭49.这个副机机油压力低的毛病，很不简单！50.大管说头都想破了，拆了6遍，这个分油机跑油的毛病还是一脸懵.......51.分油机不排渣，还时不时跑油，分油流量再不足这是要完犊子？？？52.专家级讲解救助艇的启停，句句GET POINT，看完无压力。53.关于回油孔式高压油泵，这篇文章有些知识点可能很多人没掌握.......54.看完这篇ABB(TPS型）透平的文章，再不懂就是自己的问题了.......55.YANMAR副机安保测试后无法启动了，绕了不少弯，结局着实上了一课...........56.应急消防泵建压困难,问题多多,看李老轨如何逐一破解.......57.由某轮舵机遥控和应急舵均失效故障谈舵机的那些硬核知识点58.从不同角度成功处理副机排烟温度高问题，极具参考价值........59.主机滑油不明原因乳化，这锅大管轮得背......60.副机滑油温度长期居高不下，进厂修理越修越差，原因你品...你仔细品...61.抵港前安全检查，三管轮连续几次启动救生艇不成功，检查一圈有点“迷糊”了.......62.运转中的MEC主机突发“雷击”般声响...吓得老轨四处张望...多次实验终于查到病源....63.半年内冰机连续抱轴、连杆断裂，活塞击穿...平时制冷效果也欠佳...想不到的是.....64.凌晨3点引水登轮准备离港，舱盖关不下急煞众人...小四轨突生妙计破解困局65.奇了怪！共用一台空调压缩机，左舷房间热，右舷房间凉.......66.5个故障案例，5000多字，带你“撸透”旋杯式锅炉67.2个案例6000字...由透平定位环红套滑脱...深度探索副机透平的那些知识点68.三个造水机“奇葩”案例，带你进入探索之旅69.滑油分油机跑油，此案教你如何快速排除70.这里有一份全面介绍ME-C电喷主机的资料...图文并茂...言简意赅！71.遭遇史上最强三菱分油机故障，二管快“崩盘”...终极版三菱分油机来了72.锅炉冒白烟，这原因有点玄乎.........73.三起主机单缸不发火故障，均与Puncture Valve有关...里面还有颇有些学问74.锅炉火焰忽闪忽灭，整懵圈电机员和二管...原来毛病就在灯火阑珊处......75.搞懂空调油压差继电器，关键时刻能救空调压缩机的命.....76.副机使用大负荷时频繁跳电...并车运行也跳电...调速器背黑锅！77.分油机轴承总是烧...大管问分油机轴承润滑泵油原理到底是生么？...已经没脾气!

一汽集团有重要职务安排。3月17日，中国一汽工会第十四届委员会第三次全体会议召开，会议选举梁贵友（图左）为中国一汽工会第十四届委员会主席，选举张永训（图右）为中国一汽工会第十四届委员会常务副主席。梁贵友现任一汽集团董事、党委副书记。他早期在兵装集团任职，担任发展计划部对外经济合作处副处长、国际合作部外经处处长等职。随后他在长安体系内担任管理职务，包括中国长安汽车集团股份有限公司总裁助理兼重庆长安汽车股份有限公司总裁助理兼长安福特汽车有限公司技术副总裁等职。2017年，他加入中国一汽，初期担任新能源办公室主任、新能源开发院院长，并兼任中国第一汽车股份有限公司总经理助理等职。2022年12月，他出任一汽集团党委常委、副总经理。2025年4月，他担任一汽集团董事、党委副书记。张永训现任一汽集团总经理助理。他早期在集团办公室任职，担任过一汽集团办公室副主任、党委党群工作部部长、工会常务副主席、办公室主任等职务。后来他还担任一汽集团人力资源部部长、一汽集团公司党委巡视工作领导小组成员。2024年，他曾以集团公司红旗品牌运营委员会副总裁的身份参加公开活动。

今天是2026慕尼黑上海光博会开幕的第一天，位于光博会核心位置的创鑫激光展台依然人潮涌动，是整个展馆最有人气的展位之一，小编有幸邀请到创鑫激光市场与品牌负责人曾剑锋接受采访。曾剑锋： 2025年，创鑫激光荣获了多项具有行业影响力与权威性的奖项，可以说是硕果累累。首先从企业发展的角度：根据中国科学院武汉情报中心《2025中国激光产业发展报告》，创鑫激光在总营收方面位居在华销售的所有光纤激光器企业第一名。这个“营收第一”背后对应着创鑫光纤激光器销售额与出货量也双双位列中国市场第一位。且创鑫激光已经连续两年成为中国市场总营收、光纤激光器出货量及销售额三料冠军。▲数据来源：中国科学院武汉情报中心《2025中国激光产业发展报告》其次是从明星产品的角度：创鑫连续光纤激光器成功斩获国家级“制造业单项冠军”，同时也双双获得广东省和深圳市的制造业单项冠军称号，连续光纤激光器产品在2025年可谓实现“大满贯”。创鑫还获得深圳总部企业认定，同期研发测试中心通过CNAS实验室认可，代表公司研发技术水平与国际标准接轨。并且入选广东省工业设计中心，成为粤港澳大湾区工业设计领头羊。三从品牌影响力来看：创鑫激光连续2年（2024年/2025年）荣登胡润全球独角兽榜，在工业设备领域估值位居前列，彰显其创新实力与成长潜力。在第四届中国激光星锐奖评选中，创鑫激光荣获“最佳影响力企业奖”，体现了行业对我们综合实力与品牌贡献的高度认可。此外， 在技术创新与研发成果方面：《光纤阵列数字激光高效焊接关键技术研发与应用》项目获广东省机械工业科学技术奖一等奖，标志着公司实现“领跑型”关键技术突破；《宝辰鑫MOPA 6000W大能量激光清洗解决方案》荣获中国十大光学产业技术应用奖，展现了在高端应用领域的领先技术实力。同时我们还与清华大学联合发布《国内外手持激光焊技术进展及展望》报告，是业界首次对手持激光焊的市场发展、技术趋势、工艺特点及未来应用等方面进行深度分析，精准指明了产业升级方向，为全行业突破技术瓶颈、拓展应用场景提供权威参考。这些成果不仅体现了创鑫激光在技术研发、市场拓展、产业引领等方面取得长足进步，更反映外界对创鑫激光高质量发展的充分肯定。曾剑锋：创鑫从不认为这个世界上存在捷径，所有的捷径其实都是绕远路。总想着抄近路一步登天，往往最后发现捷径的尽头很可能是悬崖。Ai时代潮流是不可逆的，Ai必将彻底终结原有工业制造时代思维。创鑫时刻关注Ai的发展，也期望“激光+Ai”的结合能更好推动技术的普及。但对于企业发展而言，不但要紧跟时代发展的脉搏，更要坚守那些企业发展中恒定不变的底层逻辑。即使未来Ai无所不能，只要企业拥有独特价值，强化影响力，被更多人信任，就能转化成实际的机会、资源和资产。这才是Ai时代下，一个企业基业长青的不二法则。创鑫激光是整个激光行业“敢闯敢干，敢为天下先”的一面旗帜，之所以能占据行业中这一“独特价值位”，无外乎是其22年一直坚持“扎硬寨、打呆仗”。没有花里胡哨的投机取巧，老老实实做好自己的事情，保持定力、死磕技术、练硬气功、纯捞干货！创鑫激光登顶产业龙头，是其多年来在核心技术、产业战略、市场生态、品质服务以及品牌建设等多维度安营扎寨步步推进的必然结果，也是顺应时代扎硬寨，稳扎稳打，拒绝冒进，敢于拼刺刀，最终方能傲视群雄！坚持“器件先行、垂直整合”，实现全产业链自主可控是创鑫起步的关键举措。自2007年成功研制出隔离器，正式踏上垂直整合之路。2012年后，逐步攻克泵浦源、合束器、声光调制器、光纤光栅、激光输出头（LOE）等全系列核心元器件技术，最终实现核心器件100%自主研发。十年磨一剑，创鑫激光构建起“从器件到整机”协同优化体系，筑牢国产激光核心技术壁垒。特别值得一提的是万瓦能量合束器的突破，使得国产万瓦激光器在保持光束质量的同时实现了功率的倍增，万瓦级LOE激光输出头的创新设计，则实现了万瓦级激光长期稳定输出。4200W大泵一体集成、三波长合束和直冷散热三大领先技术，可以为激光器提供更强劲、更稳定的“能量心脏”。这一系列核心器件技术的突破，让国产高功率激光器具备了与国际品牌同台竞技的实力。▲创鑫激光器核心器件分解图2020年，创鑫激光在武汉投资超一亿元自建光学原材料及光纤技术平台，将垂直整合布局推进到核心光学材料领域。武汉创鑫建成国内领先光纤研发与生产技术平台，覆盖从原材料处理、预制棒制备、光纤拉丝到检验测试的全流程，依托高度自动化与精密控制，全面保障光纤材料的一致性、可靠性与快速迭代能力。技术创新层面，核心芯棒沉积采用先进等离子体和“MCVD+CDS”制备技术，可高效制备大尺寸预制棒，并实现超高浓度离子掺杂及复杂剖面的精细控制，为高端激光器提供关键支撑；光纤成形环节，除高精度常规拉丝外，更创新引入多维度变速拉丝技术，推动多形态光纤与激光器的多样化发展。▲武汉创鑫光纤制造部分工序示意图目前，创鑫激光系统实现了高端光纤产品的规模化落地：有源光纤方面，已批量产出核心三包层有源光纤，最高可支持单腔20kW激光产品，在损耗控制、转换效率及可靠性上达到国际先进水平，且在此基础上进一步研发出更高掺氟NA和更多包层的有源光纤。三包层光纤通过材料和波导结构的创新，综合解决了热管理、效率和非线性效应三大难题，是针对高功率光纤激光器物理瓶颈的系统性解决方案，扫清了中国高功率激光发展的主要物理障碍，为中国超高功率激光的发展奠定了坚实的技术基础。▲创鑫激光专利三包层无源光纤方面，针对高功率系统受激拉曼散射等行业痛点，自主研发变径光纤，通过结构优化及精细丝径控制抑制非线性效应，保障高功率下的光束质量与长期稳定输出，该产品已成功满足高功率激光器最长50m长铠缆定制化需求，可从容应对复杂工业场景应用挑战。如果说光纤是激光器的“动脉”，那么芯片就是激光器的“心脏”。在工业激光器领域，EEL边发射芯片作为实现高功率、高效率输出的核心器件，其性能直接决定激光器的可靠性、稳定性与综合效能。为给激光器提供一颗稳定、强大的“心脏”，创鑫激光战略入资柠檬光子，依托自身在工业激光器领域深耕多年的市场理解与系统集成能力，结合柠檬光子在前端芯片设计与工艺层面的技术积累，双方展开深度协同研发，系统攻克了高亮度、高功率EEL芯片的多重技术瓶颈。通过极低内部损耗的外延技术，优化载流子注入效率与光场分布，从源头提升光电转换效率与输出功率。结合腔面钝化与抗损伤工艺，显著提高COMD（灾变性光学损伤）阈值，保障芯片在高功率工作状态下的长期稳定。同时，开发创新的芯片尺寸设计与封装散热结构，强化热电分离，降低热阻，提升芯片在持续高功率工作时的散热能力与温度均匀性，确保性能不会因温升过快而衰减。▲芯片研发测试实验室此外，基于创鑫激光在工业激光器系统集成与应用端的深厚积累，双方针对实际应用场景中的工作模式、散热条件与环境应力，开展联合仿真与测试，将芯片设计与整机需求深度融合，实现从芯片到系统的性能最优匹配。至此，创鑫激光完成了从核心材料、核心元器件到激光器整机的全产业链自主化布局，成为行业内唯一一家完成三大层级垂直整合的激光厂家。这种全产业链布局，不仅能保障供应链安全，更能根据终端应用需求，对上游核心材料、器件进行定制化设计和性能优化，实现整机系统的最佳匹配，持续巩固并提升自身在行业中的龙头地位。彻底打破海外在光纤激光核心领域的技术垄断与进口依赖，为后续所有技术突破和产品创新筑牢根基，用硬核器件研发实力和材料应用自主能力，夯实中国光纤激光产业的发展底气。当国产激光圈还在讨论6kW功率是否足够应对中国工业场景所需时，创鑫激光果敢迈出国产万瓦激光破局的勇敢一步！2017年，成功研发出中国首台万瓦激光器，一举打破海外品牌在高功率领域的长期技术垄断。2020年，创鑫激光正式将“超高功率工业光纤激光器开拓者”作为核心定位，并且以“效率”为切入点在全球率先发起“万瓦攻势”。创鑫万瓦以系统化思维打通产业链条：对内突破核心器件、优化整机性能、完善工艺体系，筑牢产品硬实力；对外协同设备集成商共同优化机床结构与控制系统，并为终端用户提供从工艺培训到投产指导的全方位支持，让万瓦技术真正落地生根，带动整个行业上下游协同前进。通过“技术+产品+生态+服务”的组合拳，为行业树立了全新的发展范式。在持续引领超高功率激光升级的进程中，创鑫激光始终坚持“量产一代、研发一代、预研一代”的产品开发策略，不断突破技术边界，不断刷新激光功率最高记录。公司先后推出的多模30kW、40kW以及单模块12kW等高端产品，均入选深圳市首台（套）重大技术装备扶持计划，彰显了其创新成果的硬核实力。创鑫万瓦序列中最值得一提的是，2023年创鑫激光的多模85kW光纤激光器获得了中国光学学会激光加工专委会颁发的光纤激光器工业应用全球最高功率认证，奠定了其在工业级高功率激光领域的国际领先地位。紧随其后，2024年创鑫激光成功研制出全球首台160kW超高功率工业光纤激光器，不仅通过权威机构“科学技术成果”认定，还在国内首次取得了 160kW全激光参数 CNAS 检测认证，成为我国在超高功率激光技术领域实现从跟跑到领跑重大跨越的重要里程碑。随着单模块20kW研发成功，意味着创鑫激光具备最高720kW研发设计能力。从首创万瓦打破垄断，到实用落地赋能产业，再到领跑超高功率彰显国之实力，创鑫激光的每一步突破，都在推动中国激光产业的升级蝶变。在其引领下，下游激光设备企业纷纷聚焦万瓦级产品，推动国产超高功率激光设备集体爆发，真正实现了从“国产首创”到“全球引领”的华丽蜕变。但随着万瓦激光的快速普及，各大厂商为抢占市场份额，纷纷陷入“唯功率论”的竞争误区，疯狂“卷功率”、“卷价格”，而创鑫激光始终聚焦终端用户实际痛点不动摇。传统激光设备解决方案存在一个核心短板：激光器、切割头、软件系统多为单独采购，不同品牌、不同规格的部件缺乏统一的适配标准，不仅导致光路传输过程中损耗过大，削弱光源核心性能，更带来了协同适配难度高、设备调试流程繁琐、后期维护成本偏高的诸多痛点，严重影响终端用户的生产效率。创鑫激光首创“激光器＋切割头＋系统”三合一集成解决方案。将三大核心部件进行一体化设计、标准化集成，通过硬件与软件系统的深度融合，对三者的核心参数进行精准协调、优化匹配，最大限度发挥各部件的性能优势，充分调动三者在同一平台下的协同运行潜力，有效降低光路损耗，让光源的核心性能得到最大化释放。“三合一”切割解决方案的设备故障率可降低20%以上，且简化了设备调试流程，缩短了设备投产周期，助力企业实现生产效率提升的同时还能确保品质的稳定，真正为用户创造实实在在的价值。▲《荣光/鑫光三合一》荣获“2026年激光金耀奖”新产品奖创鑫激光“三合一”集成解决方案的核心优势，不仅体现在技术创新与性能提升上，更体现在对终端用户服务体验的全方位优化。相较于传统分立方案中，三大部件分属不同厂商、售后服务责任划分模糊，容易出现售后扯皮、响应不及时、维护效率低的问题。创鑫激光“三合一”解决方案的三大核心部件均由创鑫激光全程承保，为用户提供“一站式”售后服务——从设备安装、调试，到后期维护、配件更换，再到技术咨询、故障排查，高效响应彻底杜绝了售后扯皮的现象，大幅缩短了售后响应时间，降低了用户的后期维护成本，让终端用户在设备使用过程中更省心、更安心，真正实现“一次选择，全程无忧”。传统激光加工模式以固定单一的光斑形态完成，这种标准化的加工方式，仅能适配简单常规的加工需求。因光斑形态固定、参数调控单一、场景适配性有限等突出短板，难以满足高端制造领域中复杂、多元、定制化的加工场景需求。为打破传统激光技术的桎梏，2023年底，创鑫激光重磅推出以“紫笛”命名的“数字光斑”工艺技术，彻底重构激光加工逻辑，为全行业赋予了“可自定义激光器”的核心能力。创鑫紫笛数字光斑实现了质的突破：以往同类技术要么通过振镜来实现，导致高质量激光无法被有效利用；要么采用异常复杂的相干激光，不仅使激光系统造价高昂、结构复杂，更无法实现光斑任意形状调控。而创鑫紫笛“数字光斑”，可在标准QBH输出条件下，生成更复杂、更清晰的数字光斑，且实现了真正意义上的同步、实时调控，可按需呈现任意形状，是行业内真正具备实用价值的“数字光斑”工艺技术。紫笛数字光斑技术的核心优势，在于对激光光斑的精准数字化掌控。该技术通过对单个光斑的数字化离散处理，实现了每个光斑像素点的独立精准控制，结合创鑫自研工艺控制系统，还能灵活调控各像素光点的功率、频率与占空比，真正实现任意光斑的实时变换精准适配。更具突破性的是，客户还可以编辑和自定义电路和软件，根据不同行业应用需求定义激光器，相当于拥有了“定制专属光刀”的能力。让激光实现了“按需定制、灵活适配”的核心突破。这把可自由编辑、按需定制的“数字光刀”，正成为推动制造业智造升级的核心动力。其凭借超强的灵活性与适配性，可精准对接新能源锂电、光伏、汽车等核心制造领域，特别针对高反材料的切割、异性材料焊接有很好适配。同时，该数字光斑技术彻底打破了传统激光加工工艺同质化的行业痛点，为构建差异化竞争力提供了核心技术支撑，进一步拓宽了激光定制化路线的应用边界。从传统“金属硬质刀具”到可按需定制的“激光数字光刀”，创鑫激光以全球首创的数字光斑技术，不仅实现了自身技术的迭代突破，更引领整个激光行业向高端化、定制化转型，为制造业高质量发展注入强劲激光动能。面对日益同质化的市场竞争，构建差异化的关键不再仅限于激光器本身的性能参数，更在于能否针对特定应用场景，深度融合硬件、软件、专用工艺及售后支持，打造出定制化的全流程解决方案。创鑫激光以数字光斑为支点，首先开启了激光器专机专用、场景化定制的全新路线。2025年创鑫激光重磅推出的荣光和鑫光三合一切割解决方案，精准匹配不同行业、不同工况的个性化需求。其中，荣光三合一主要解决的是“低喷嘴工艺”带来的切割头问题，以及切割工艺难调问题。为此荣光系列创新地采用了独创的“生发膏”技术，也是业界独创全轨迹抬高喷嘴滑行切割，通过气路改造提高喷嘴高度至10mm, 使得飞溅故障率降低至原有水平的50%-80%，解决低喷嘴切割中厚板过程中易撞板、易磨割嘴、易损保护镜三大痛点问题。另外，荣光系列通过极致缩小并固化激光器和切割头同心同轴公差，以及通过独创专利“激光丝”光路，让常规范围内2个焦点变成了最高9个焦点，光刀更垂直、更一致、多焦点，不用调节焦点、同心同轴、不用频繁换喷嘴、不需要频繁调节切割工艺，同时系统内置丰富切割工艺数据库，小白也能轻松实现“一键切割”。鑫光三合一则是在荣光系列基础上加入数字光斑、数字控制、路径控制，光斑控制与路径协同等高端配置。针对船舶行业厚板切割推出的鑫光XG3200，标志着创鑫激光首创并开启了激光器专机专用定制路线。船舶行业厚板使用常规激光正焦切割时，切割件底部易熔渣凸起、切割工件锥度大等影响出品。鑫光XG3200专机基于紫笛数字光斑平台，进行了厚碳钢切割能量仿真，独创“多枪激光”能量模型，超越常规激光切割质量和效果，解决了超高功率光纤激光器厚板切割断面质量和锥度的问题，可完美替代传统火焰切割在船舶行业的应用，成为创鑫激光专机专用定制路线的经典标杆。此外，创鑫激光子公司宝辰鑫也是行业解决方案的专家，其凭借对激光光源及外光路、控制系统的丰富经验，以及对工艺场景深度把控的能力，可为细分行业场景提供不止于激光光源的、一站式的激光行业解决方案。目前产品已广泛覆盖新能源锂电、光伏、汽车、消费类电子等行业，涵盖增材制造、激光焊接、精密加工、激光清洗等激光应用方案。从“标准化工具”到“行业专用定制解决方案”，激光行业的价值核心已转向“为客户创造独特价值”。创鑫激光作为中国光纤激光器领军企业，以专机专用、场景适配的核心逻辑，驱动激光行业从“制造产品”向“创造价值”跨越。工业激光市场虽坐拥庞大市场体量，却受宏观经济环境、行业存量竞争加剧等因素影响，整体增速逐步放缓，加之中低端价格战的白热化程度，行业发展进入存量博弈的瓶颈期；而民用工具激光赛道正处于需求爆发、增速亮眼的上升期，且行业格局尚未定型，是激光领域极具潜力的全新蓝海市场。创鑫激光之所以首选手持激光焊，作为其切入民用市场的前锋。首先是民用焊接市场规模巨大，如门窗、厨卫、五金、装修、维修等，而这些行业长期依赖氩弧焊，存在效率低、变形大、污染重、耗材贵、对焊工依赖强等致命痛点。而手持激光焊效率是氩弧焊的3–10 倍、热影响区缩小60–80%、几乎无变形、免打磨、耗材极少、综合成本下降 50% 以上，是民用焊接痛点的最优解。同时，作为国内最早研发、量产风冷连续激光器的企业，创鑫激光在开发手持激光焊设备领域具备天然的技术优势，为赛道布局奠定了坚实基础，且理论上也只有研发激光器的企业才能做出更好的手持激光焊。因为只有研发激光器的企业天生具备“基因重组”能力，能将民用工具设备做得更轻、做得更小，才能更加适合个人使用。2021 年底创鑫激光推出国内第一台风冷手持激光焊接设备 ——红桐 X1。这款产品在光束质量、能量效率和操作体验上实现全面突破，标志着中国激光企业具备与国际巨头同台竞技的实力，也开启了国内风冷手持激光焊接设备的全新赛道，诠释了中国制造从 “引进吸收” 到 “自主创新” 的质变。为推动产品市场化与产业化落地，创鑫激光同步成立全资子公司桓日激光。2022-2025年，桓日激光不断夯实风冷手持激光焊技术路线，相继推出A1SE40、A1MD30、A2M系列、K1M系列、A3M系列等多款产品。A系列搭载D模式小功率大熔深、小芯径高亮度技术、航天级纯风冷散热技术、三控一体系统、自动断丝、枪头主机铠缆最轻，内置全数字振镜系统等独创技术。2024年发布的移动焊接技术天花板K1M，是全球首款真正意义全集成手持激光焊，K1M内置自研一体式制氮系统、内置送丝机、焊枪内送丝、采用光气分离技术，实现气耗直降90%。更是全球首款采用“激光摇摆焊接技术”,彻底打破激光焊接只能走直线适配窄焊缝的行业困局，攻克非标、异形宽焊缝等焊接难题，大大拓宽激光焊接覆盖场景。 桓日激光是行业内唯一实现激光器核心器件（泵源、光纤、芯片）到焊枪、送丝机及主控系统的 100% 自研自产，将全产业链核心技术牢牢掌握在手中，凭借技术的引领性、颠覆性与创新性，重新定义了风冷手持激光焊技术标准。历经多年技术深耕与市场培育，桓日连续三年蝉联全球风冷手持激光焊赛道第一。从创鑫激光22年发展路径不难看出，从全球唯一完成“三大层级垂直整合”开局，到2017年首创万瓦激光打破海外垄断，引领全球超高功率工业激光器的发展趋势；2023全球首创“紫笛”数字光斑技术，并在2024年以可变光斑作为核心技术，切入行业解决方案领域，面向船舶制造、新能源电池以及增材制造，提供光源定制解决方案；同期创鑫率先开启民用工具市场，研发小巧轻便的手持激光焊及桌面激光雕刻机等工具设备，践行“科技普惠大众”企业愿景。与技术进步并行，创鑫激光2025年在德国设立欧洲总部和德国子公司，坚持用自有产品技术，实现全球联动，率先布局全球网络！这步大棋也让整个激光行业为之鼓舞！Ai时代风起云涌，前进的车轮将碾压过往经验。在世人都在“向前看”应对“变化”手足无措时，我们反而回望来时的路，关注企业发展中沉淀下来“不变”的逻辑。创鑫激光敢闯敢干，敢为天下先的精神！扎硬寨、打呆仗的战略战术！坚守“科技普惠大众”的理念，让激光技术被更多行业接纳和信任，不断推进激光数字刀具的进一步普及。创鑫激光以其独特的“冠军思维”步步为营，实现从“国产首创”到“全球引领”的蜕变，实实在在坐稳光纤激光器领域中国第一、世界第二的位置，也为中国激光产业自主高质量发展提供一条清晰的发展路径！2026作为“十五五”开局之年，创鑫激光坚定“激光中国芯”使命，必将与光同冕，马跃新程！本期专访嘉宾：曾剑锋 现任深圳市创鑫激光股份有限公司市场与品牌负责人，2020年操盘创鑫万瓦激光全球营销风暴，以国产万瓦激光器“效率为王”作支点，撬动板材加工制造领域超高功率工业激光装备升级换代热潮，推动激光加工行业3-5年的高速发展期。2025年荣获中国激光星锐奖以及维科杯年度激光行业杰出人物奖。▼往期精彩回顾▼巨头宣布千倍计划，多只激光股涨停？业内首次落地！AI激光切管机破行业痛点冲刺A+H！这家头部激光厂启动香港IPO或许我们该重估这家激光巨头的价值了......嘉泰激光挂牌新三板联 系 我 们contact us【商务合作】Tel：19168597393Email：kangxiaotao@ofweek.comTel：13826958679Email：chenxuecheng@ofweek.com【会务咨询】Tel：15112366757Email：zhangxiaoying@ofweek.com激光行业微信交流群扫码回复“激光”加群

3月17日，山西春秋电子音像出版社有限责任公司发起的“三晋文化大模型”(第一期)交互平台技术开发与服务项目开标，腾讯云计算(北京)有限责任公司中标，投标报价279万元。根据采购公告，本项目情况：“三晋文化大模型”（第一期）交互平台技术开发与服务，旨在充分利用山西出版传媒集团在文化内容积累、编辑出版方面的优势，深度挖掘山西文化内涵，结合先进的人工智能技术，构建一个集文化展示、互动体验、智能服务于一体的数字化平台，破解山西文化资源“数字化率低、转化效能弱、国际传播难”等制约文化创新发展的核心痛点，打造具有山西特色、国内领先的文化数字化示范项目，为全国文化数字化建设提供“山西经验”。公告显示，中标候选人第1名：腾讯云计算（北京）有限责任公司，投标报价：279万元；中标候选人第2名：北京航峰汇智科技有限公司，投标报价：291万元；中标候选人第3名：北京流金岁月传媒科技股份有限公司，投标报价：298万元。2025年全年，智能超参数统计到159个传媒行业大模型中标项目，披露中标金额总额约为5.89亿元。对比2024年全年，2025年传媒行业大模型中标项目数量增长330%，披露中标金额增长500%。根据智能超参数的跟踪数据，腾讯云在传媒行业大模型&智能体领域表现最为突出，中标项目数量排名行业第一。2025年，腾讯云拿到了中央广播电视总台、紫荆文化集团、北京广播电视台、广东广播电视台等标杆传媒客户的项目。2025年跟踪报告：2025年大模型中标项目盘点：项目数量和中标金额暴涨谁拿走最多大模型项目？2025年中标排行榜出炉2025年大模型TOP 5落地场景出炉2058个算力类大模型中标项目盘点2025年数据类大模型中标项目盘点2025年DeepSeek相关大模型中标项目盘点2025年金融行业大模型中标项目盘点2025年政务行业大模型中标项目盘点中国大模型中标项目监测与洞察报告 (2025年)觉得内容有收获，请您加个关注，标个星～ 谢谢您

图片来源：Nikhil Kamath如果说 2024 年是 AI 的大航海时代，那么 2026 年，我们已经站在了巨浪拍岸的前夜。本次访谈的嘉宾，是 Anthropic 联合创始人兼 CEO Dario Amodei。作为 ChatGPT 曾经的幕后操盘手、如今 Claude 的掌舵人，Dario 的身上有一种独特的教授气质：他从生物物理学的微观复杂性中走来，却在神经网络的 Scaling Laws 中找到了重构世界的杠杆。以下是本次访谈的核心观察：智能本质上是一场精确的化学反应。 别再神化 AI 的涌现，Dario 认为 Scaling Laws 本质上就是物理公式：当算力、数据与模型规模按照特定比例投入反应堆，智能就会像化学产物一样稳定产出。这种“智能工业化”意味着未来的竞争不再是算法的灵光一现，而是顶级资源整合能力的暴力美学。黑盒时代正在终结，AI 进入“脑磁共振”阶段。 借助可解释性（Interpretability）的突破，Anthropic 已经能像 MRI 扫描大脑一样，精准定位模型内部对应逻辑推理、甚至是欺骗倾向的神经元回路。这种从“盲目训练”到“回路级对齐”的范式转移，意味着我们终于有能力从底层切除 AI 的反人类倾向，将安全从玄学变成了可验证的工程。静态数据红利出清，动态仿真环境成为新油田。互联网上的文字遗产已被挖掘殆尽，现在的技术制高点是模型在代码沙盒、数学逻辑等模拟环境中通过自我试错产生的动态数据。这种基于强化学习的自我进化，让数据主权从“存量抓取”转向了“闭环生产”，谁拥有最高效的闭环模拟器，谁就拥有了无限量产高质量智能的权柄。阿姆达尔定律（Amdahl's Law）决定了价值重分配。当 AI 让写代码和基础分析的效率提升千倍后，系统整体的上限将由那些“无法被 AI 加速的环节”决定。这就是为什么人类的决策判断、跨领域整合以及对真实物理世界的感知反而变得贵如黄金，这些瓶颈环节承载了系统剩下的 90% 商业价值。生物科技将成为 AI 之后的下一个主战场。 Dario 预言 AI 正在让生命科学从偶然的实验走向连续的优化，特别是肽类疗法和细胞疗法。通过 AI 预测氨基酸序列的微小变化对蛋白质功能的影响，人类正在像调试软件代码一样，重新编写生命的底层逻辑，从而彻底治愈曾经的绝症。让我们跟随 Dario Amodei 的视角，潜入这场重塑经济与技术格局的 AI 浪潮。 AI是否会全面超越人类Dario Amodei：我开始更多地使用Claude，已经到了这样一个阶段：有时它对我的了解之深，会让我感到惊讶。我不知道这样表述是否准确，但这确实是我的真实感受。更让我惊讶的是，在我看来，我们已经非常接近这些模型达到人类智能水平的那个节点了，但社会似乎还没有形成与之相匹配的广泛认知。就像一场海啸正在向我们逼近，它已经近到我们能在地平线上看见，可人们仍在寻找各种解释，说那不是真正的海啸，只是光线造成的错觉。我认为，公众对于风险并没有建立起真正的认识。主持人：印度在这一切中的角色是什么？很多公司来到印度，都是把自己当作消费型公司，把印度看作一个市场、一个获取用户的地方。Dario Amodei：我们的看法稍有不同。主持人：在创办Anthropic之前，你是做什么的？Dario Amodei：我最初其实是一名生物学家。本科读的是物理，博士学的是生物物理。那时我想理解生物系统，从而真正帮助治疗疾病。但在研究生物学的过程中，我最强烈的感受就是：它实在太复杂了。以我当时做的蛋白质质谱工作为例，我试图寻找蛋白质生物标志物，但你很快就会意识到系统复杂得惊人。一个蛋白质对应的 RNA 会根据它所在细胞的位置发生各种不同的剪接；之后它又会经历翻译后修饰，比如磷酸化；它还会与大量其他蛋白质形成复合体。面对这种层层叠加的复杂性，我一度开始怀疑，这是否已经复杂到超出了人类直接理解的能力边界。就在那个时期，我开始注意到AlexNet等早期神经网络工作的出现——那已经是差不多 15 年前了。我当时的反应是：AI开始真正“起作用”了。它和人脑工作方式有某些相似之处，但它又可能比生物系统更容易扩展、规模更大，也许最终能学会处理像生物学这样复杂的任务。于是我开始觉得，也许 AI 才是解决生物学问题、乃至更广泛科学问题的真正工具。后来我去了百度，和Andrew Ng一起工作；之后在Google待了一年；再后来，在OpenAI成立几个月后我加入了它，并在之后几年基本负责研究工作。但到最后，我和另外一些同事逐渐形成了自己的看法：我们希望以怎样的方式构建AI，以及我们希望一家AI公司代表什么。于是我们离开并创办了Anthropic。主持人：所以，这可以理解为 OpenAI 的一条路线，最终分叉成了 Anthropic 的路线吗？Dario Amodei：可以这样理解。我们当时创办 Anthropic，有两个核心信念。第一个，我们在 OpenAI 内部已经开始逐渐说服大家接受；第二个，我并不觉得我们真正说服了当时的机构。第一个信念是对规模定律（scaling laws）的判断。也就是说，如果你不断扩大模型规模，投入更多数据和算力——当然过程中会有一些补充，比如强化学习，但总体上还是非常接近“纯粹扩展”的逻辑——那么模型性能会出现惊人的提升。2019年做GPT-2时，我已经开始看到这个趋势的最初迹象。当时无论在公司内部还是外部，很多人都完全不相信这一点。我们当时非常努力地向管理层说明：这件事极其重要，它会变成一个巨大的方向。后来他们也逐渐开始接受，并最终沿着这条路走了下去。但我还有第二个判断：如果这些模型最终会变成某种通用认知代理，或者至少是接近人脑能力的通用认知工具，那么我们就必须把这件事做对。它的经济影响会非常巨大，地缘政治影响会非常巨大，安全影响也会非常巨大。它会重塑整个世界的运作方式，所以必须在正确的框架下推进。而我当时虽然听到了很多关于“要把事情做对”的表达，但基于很多原因，我并不相信那个机构真的具备足够严肃、足够坚定的决心去这样做。所以我的原则一直是：不要和别人的愿景争论，不要试图让别人按照你的方式行事。如果你有非常明确的愿景，并且有少数人和你共享这种愿景，那就自己去做。这样至少你要为的是自己的错误负责，而不是替别人的决定背书。你的愿景也许会成功，也许不会，但至少它是你的。主持人：但OpenAI后来也相信规模定律了，对吧？他们最后也走了同样的路线。能不能非常简单地解释一下，什么是规模定律？Dario Amodei：可以。你可以把它想象成一次化学反应。比如你想让某种反应产生氧气，或者点燃一团火，你需要不同的原料。如果其中某一种原料不够，反应就会停下来；但如果这些原料按合适比例放在一起，反应就会发生，火也就会点起来。对于AI来说，这些“原料”就是：数据、算力和模型规模。规模定律告诉我们的，本质上就是：如果把这些原料按比例投入进去，最后产出的东西就是“智能”。某种意义上，智能就是这场化学反应的产物。主持人：那这里说的“智能”具体指什么？Dario Amodei：它体现在很多能力上：翻译语言、写代码、正确回答关于一段故事的问题，或者更一般地说，几乎任何我们能想到的认知任务。只要这个任务可以存在于文本或图像中，只要它是一种可以在计算机上表达和完成的任务，模型都可能逐步学会。主持人：那你所说的今天这种“智能”，和五年前的计算机能力相比，区别到底是什么？Dario Amodei：最直接的区别是：五年前，你不能向一台计算机提出一个问题，然后让它围绕这个问题写出一篇一页长度、结构完整的文章；你也不能告诉它“帮我在代码里实现一个功能”，然后它真的把这个功能实现出来。那时这些都做不到。五年前，计算机不能生成图像，不能生成视频，也不能真正分析视频内容。比如你给它看一个“猴子在抛接球”的视频，再问它“这段视频里发生了什么？球一共换了几次手？”——今天Claude或其他模型已经能对这些问题给出回答，而五年前完全不可能。主持人：我想确认的是：这是不是意味着“智能”的定义本身改变了？Dario Amodei：我不认为定义变了。我更倾向于说：五年前，你能做的是Google搜索——也许网上有某个网页能部分回答你的问题，但那只是检索互联网上已经存在的文本。而现在不同的是，你可以提出一个非常具体的问题，甚至给出一个假设场景，模型能自己组织推理并生成答案。比如你可以问：“如果不是让猴子抛接球，而是让它抛接棍棒，会发生什么？”这类问题并不存在现成网页答案，但模型仍然可以基于已有知识进行推断，给出一个新的、合乎逻辑的回答。所以这是一种全新的能力。它不再只是匹配互联网上已有的文本，而是在一定程度上“自己想出了答案”。主持人：这更像一场自由谈话，所以你也可以讲你真正想讲的内容。你说话时很有讲授感——你以前教过书吗？Dario Amodei：我最初确实是学术路径上的人，也一直以为自己可能会成为教授。我拿了博士学位，后来又在斯坦福医学院做博士后，当时的职业目标就是进入高校任教。但正如我前面说的，我后来开始对AI产生浓厚兴趣。而想真正做AI，尤其是做前沿AI，需要巨大的计算资源，这些资源当时主要集中在工业界而不是学术界。所以我就偏离了原来的学术道路，进入了产业界。再后来，经过几步转折，我创办了公司。不过说到底，我有时还是觉得自己在心态上更像一个教授。 为什么应用层创业仍然充满机会主持人：如果AI是这个时代最重要的变量，正在重新分配产业、权力与资源，而Anthropic又处在这一轮浪潮的高点，那么像你这样一个原本想当老师的人，如今站在这样的位置上，你真的适合扮演今天这个角色吗？Dario Amodei：首先我想说，真正重要的人远不止少数几个模型公司创始人。即便只看产业链，也有很多层：做芯片的人、做半导体制造设备的人、做模型的人、做模型上层应用的人；再往外，还有政府、社会组织、公民社会。我的希望不是只有极少数人掌握一切决定权，而是让真正相关的人群变得更广，让这成为一场更广泛的社会讨论。但你这个问题确实也是公平的。因为它指向了另一层现实：为什么恰恰是少数几个人，在某种偶然性中，领导着这些增长极快、并且未来可能支撑巨大经济活动的公司？我公开说过很多次，我对这种权力高度集中的趋势，至少是有些不安的。它几乎是在一夜之间、近乎偶然地发生了。因此，我们在Anthropic做了几件事。第一，我们采用了一种不太常见的治理结构，叫作Long-Term Benefit Trust。它由财务上没有直接利益冲突的人组成，负责最终任命 Anthropic 大多数董事会成员。这至少构成了一种对单一领导者权力的约束。第二，我始终认为政府应该发挥作用。我一直主张一种主动但理性的监管：既不过度拖慢技术进步，又能确保公众通过政府、通过民主程序，对技术走向拥有发言权。所以从某种意义上说，我现在做的很多事情，其实是在试图对抗这项技术天然会推动的权力集中趋势，尽量维持一种平衡。主持人：站在外部看，我会有一种疑问：无论是OpenAI过去强调自己最初是非营利组织，还是你现在在对话中展现出来的这种克制与谦逊，或者美国公司在与中国公司竞争时所呈现出的那种“为了更大公共利益”的姿态——这些话听上去都和普通人理解的“公司是为了股东、投资、收入和利润而存在”之间存在张力。那种谦逊和公共性表达，是这个行业的一种标准动作吗？是必须这么说吗？Dario Amodei：我会这样回答。Anthropic从一开始的哲学就是：少许诺，多兑现；一旦作出承诺，就尽量真正去履行。我们从一开始就是一家营利性、但具有公共利益使命的公司，并且配套了LTBT这样的治理结构，这些都保留到了今天。我们一直说，我们的目标是在技术前沿保持竞争力，同时认真投入安全与安保问题；而事实上，我们也确实在做这些事。我们在可解释性研究上做了很多开创性工作，在对齐研究上也做了很多开创性工作。我们最近还发布了 Claude 的“宪法”，尝试让模型按照清晰原则对齐。与此同时，我们也在政策层面进行大量倡议，并公开提醒外界 AI 的风险。我要特别强调：警告风险并不符合我们的商业利益。 人们当然可以编织各种阴谋论，但说“我们构建的模型可能是危险的”，无论外界怎么理解，这都不是一种高效的营销策略，更不是我们这么做的原因。而且，在某些政策问题上，即便我们的看法和美国政府不同，我们也会公开表达分歧。比如我们一直主张应当有AI监管，而很多其他公司和当时的政府立场都不是这样。对公司来说，监管会限制商业空间，但我仍然认为这是对的。公开与政府和同行不同调，也并不容易，我们确实是在承担风险。所以我无法替其他公司说话——有些人也许确实会说一些自己并不真正相信的话。但我不建议看他们怎么说，而建议看他们真正做了什么。主持人：但如果你们推动的言论最终促使政府实施监管，那作为行业领先者，你们岂不是有可能获得某种“监管俘获”——也就是让后来者更难进入？Dario Amodei：我完全不同意这种说法。以我们支持过的加州SB 53为例，它明确豁免了年收入低于5亿美元的公司。也就是说，这项法案基本只会约束Anthropic和另外三四家规模最大的公司。SB 53本质上是一项透明度法案，要求公司披露自己做过哪些安全和安保测试。它并不是在增加小公司的负担，而是在要求拥有足够资源、也拥有更大风险敞口的极少数公司承担更多责任。事实上，不只是SB 53，我们过去提出的、以及未来计划继续提出的监管方案，都有这个特征：约束的是我们自己，以及极少数其他最强的公司。它并不是要设置壁垒来封死更小的参与者。所以如果有人说这是“监管俘获”，那他应该去认真阅读我们主张的具体内容，因为那和这种印象根本不一致。主持人：我读了你的两篇文章，《Machines of Loving Grace》和《The Adolescence of Technology》。给人的感觉像是你在2024到2026两年里发生了180度转变——从乐观转向怀疑。过去两年里，有没有某个时刻真正改变了你？Dario Amodei：我其实不认同这个前提。我并不认为自己发生了立场转变。正面与负面的两面性，一直同时存在于我的思考里。如果你回看我过去说过的话，我谈风险已经很多年了，谈收益也很多年了。还有一个现实问题是：这类文章写起来非常慢，而且篇幅也非常长，几乎像小书一样。每一篇我都要花将近一年的时间，在脑中慢慢形成一个模糊的轮廓，反复尝试去写，却一直没法真正写出来。最后通常都要等到某个假期，或者我终于能暂时脱离公司日常事务、真正安静思考时，文章才会成形。所以《The Adolescence of Technology》并不是我在写完《Machines of Loving Grace》后突然转向了另一边。恰恰相反，我几乎是在写完前一篇的那一刻，就开始思考后一篇了。因为我知道，我既想用积极的愿景去激励人，也想用另一篇文章提醒人们，这项技术可能出什么问题。所以这不是立场变化，而只是我终于分别写出了“光”的那一面和“暗”的那一面。两种未来图景一直都在我脑中，而且我认为它们都有可能发生。当然，我希望真正实现的是《Machines of Loving Grace》所描绘的那种未来：解决问题，走向更好的方向。但这不是观点转向，只是我把原本同时存在的两种判断分别写了出来。主持人：那你有没有哪方面真的改变了看法？Dario Amodei：总体上，我今天的位置和以前差不多。我没有显著变得更乐观，也没有显著变得更悲观。确实有些方面比我预期更好，也有些方面比我预期更糟，但平均下来，大致抵消了。我对一些技术性进展感觉非常好，尤其是可解释性（interpretability）。可解释性的目标，是像人类用 MRI 或神经探针去观察大脑一样，尽可能看清这些神经网络内部发生了什么。我对我们已经发现的东西感到惊讶：我们能够识别出对应特定概念的“神经元”，也能识别出模型在写诗时如何维持押韵的神经回路。我们过去只是以一种高度涌现的方式训练这些模型，就像自然形成雪花一样；而现在，我们终于开始能够进入它们内部，理解它们。我对对齐（alignment）和“宪法式训练”的进展也感到鼓舞。也就是说，让模型按照我们希望和预期的方式行事，这方面总体进展不错。但相对而言，我对社会层面更失望一些，尤其是公众认知和更广泛社会行动。让我惊讶的是，在我看来，我们已经如此接近这些模型达到人类智能水平，可社会却没有出现相应程度的广泛认知。它真的就像一场海啸已经出现在地平线上，近到足以看清轮廓，但人们仍在解释说：“那不是真正的海啸，只是光线造成的幻觉。” 随之而来的问题是：公众并没有真正意识到风险，因此政府也没有采取足够行动来应对风险。甚至还有一种意识形态，认为我们就应该尽可能加速、越快越好。我当然理解技术的巨大收益——毕竟《Machines of Loving Grace》就是我写的。但我认为，社会并没有形成与技术风险相称的理解，更没有真正采取行动。所以总结来说：技术上控制AI系统的工作，也许比我预期得更顺利一些；而社会层面的认知和反应，则比我预期得更差一些。 两者综合下来，我现在的位置和几年前差不多。主持人：有些东西一旦听起来很复杂，而我又不是程序员、没有编程背景，我就会本能地和它保持一点距离。过去我用过很多工具做研究，也做过一些来回对话式的探索，但我从来没有真正尝试过：我能不能直接用你们的工具去写代码。最近我专门请了一位开发者，逼着我每天坐下来学几个小时，开始熟悉这些东西。某种程度上，这其实是出于一种FOMO——害怕错过世界正在发生的变化。于是我开始真正用Claude：我把Google Drive、邮箱、日历这些都通过connectors接进去，也开始使用Cowork，还用Claude Code 写一些和我所在行业——金融服务——有关的小程序，比如研究股票市场之类的东西。后来我甚至又折腾到OpenClaw这类东西上，把它装在Mac mini上，连到Telegram账户，现在会和它对话、让它在远程服务器上搬文件、做一些操作。到现在这个阶段，不只是OpenClaw，哪怕只是接上了一堆connectors的Claude，有时也会让我惊讶：它对我的了解已经深到一个有点不安的程度。我不知道这样说你能不能理解。Dario Amodei：我完全理解。我有一位联合创始人，之前会写一种日记，把自己的想法、焦虑和担忧记录下来。后来他把这些内容喂给Claude，请Claude做评论。Claude给出的反馈里，甚至包括“这里还有一些你自己没写出来、但你可能也在害怕的事情”。而且这些判断大体上是对的。这会带来一种很“诡异”的感受：模型似乎真的非常了解你。哪怕只给它相对有限的信息，它也能学到很多东西，并且相当准确地形成对你的理解。而这和这项技术里的很多问题一样，是一体两面的。我们之前谈到《Machines of Loving Grace》和《The Adolescence of Technology》，这其实就是同一种张力：一方面，一个非常了解你的系统，可能成为你肩上的“天使”，帮助你梳理人生、做出更好的判断、变成更好的自己——这是我们希望它走向的版本；但另一方面，一个非常了解你的系统，也可能利用这些了解来操纵你、剥削你、替某种议程服务，甚至把你的数据卖给别人。这也是我们为什么从根本上不喜欢广告模式的原因之一。因为在那种模式里，你不是在为产品付费，而是“你本身”成了产品。而在 AI 时代，这个产品就可能是：一个极度了解你的模型，它可以以各种恶意方式使用这种了解。所以我们必须确保，最终走的是前一条路，而不是后一条路。主持人：像Claude现在之所以能更懂我，是因为我主动用connectors给了它我生活里的上下文。但像Google这样的公司，其实天然已经掌握了我生活中的很多上下文，因为我一直在用它的邮箱、Drive、表格、聊天工具等等。那对Anthropic来说，从长期看，你们是不是也必须自己拥有一个完整生态系统？你们是不是最终也得自己做Mail、Chat这一整套东西？Dario Amodei：我不认为我们一定要把所有这些东西都自己做出来。我的判断是，未来会是一种混合模式：一部分东西我们自己做，另一部分则通过整合现有生态来实现。比如我们可以把Claude接进Google Docs，也可以接进Google Sheets；现在我们已经通过外部connectors在做这件事，也正在通过Cowork往这个方向推进。Microsoft Office以及其他很多工具也是一样。对我们来说，最自然的策略是：哪里接入现有工具最容易、最快，我们就先接入那里。当然，也不能排除另一种可能：也许到了某个阶段，现有工具本身已经不够用了，或者说AI时代的工作方式会让我们重新切分产品形态。也许传统邮件不再合理，也许传统电子表格不再合理。随着AI能做的事越来越多，产品本身可能需要被重新定义。那时我们当然也可能用一种不同的方式去重组这些工具。但至少目前，我们非常愿意利用现有生态，也愿意与任何人合作。从很多角度看，我们是一家平台型公司：我们允许很多人在我们的基础上构建东西，哪怕我们有时也会自己做一些产品。主持人：这里我想稍微岔开一下，但我觉得这是一个你和你同行都忽略了的问题：今天的社会环境里，人们天然不相信任何宣称自己“在做好事”或“在努力做正确的事”的人。所以当你和你的同行公开讲话时，比如我在达沃斯现场听过你和Demis讨论，你们谈的是：像你们这样的一批人必须一起合作，防止事情变化得太快，必须在某种程度上“控速”。但一个不在你们这个圈子里的人，只要在社交媒体上听到少数几个人用这种口吻说话，往往会更不信任，而不是更信任你们。因为在今天的社交媒体环境里，几乎没人相信有人真的是为了公共利益、真的是想做对的事。所以这可能有点反直觉，但我觉得你们的策略也许需要变化。也许如果你们更坦率一点，更资本主义一点，直接承认自己有股东、要赚钱、有利润诉求，但同时说明这和你们推动这件事并不冲突，公众反而可能更买账。这只是一个想法。Dario Amodei：我并不认同这个判断。我还是会回到同一个原则：不要看我们怎么表述，而要看我们实际做了什么。Anthropic在过去做过很多选择，我认为这些选择足以表明公司对自己所说的那些承诺是认真的。比如在 2022 年，我们已经有了 Claude 1 的早期版本，那还是在 ChatGPT 出现之前。当时我们选择不发布它，因为我们担心那会引发一场军备竞赛，也担心我们还没有足够时间把系统做得足够安全。那是一个很关键、而且只能做一次的窗口期。我们当时已经看到了模型的力量，另外几家公司也看到了。所以我们决定先不推出来。这件事是公开的，也有充分记录。后来等到别人先发布，军备竞赛已经启动，我们才说：好，现在可以发布自己的模型了。但从世界整体来看，那至少争取到了几个月时间。而这个决定，在商业上是非常昂贵的。我们很可能也因此错失了消费级AI的领先位置。再比如，我们在芯片政策上的一些立场，让一些身为我们供应商的芯片公司对我们非常不满；我们也在某些 AI 政策和监管问题上公开与政府意见不同。如果有人觉得“只有我们这样做反而能获利”，那我实在想不出一个合理的解释路径能支持这种说法。你单独看其中任何一件事，也许都可以说“这还不够说明问题”；但如果把足够多这样的选择放在一起，我还是希望你根据行动来判断我们。主持人：但这会不会有点像“富人说资本主义不好”？如果富人真的觉得资本主义有问题、贫富差距是问题，最简单的做法就是停止继续积累财富，并鼓励身边人也这样做。Dario Amodei：但我的立场并不是“AI是坏的”。我们刚才已经讨论过，它一直都有两面。我真正的立场是：市场会把 AI 的大量积极价值释放出来，构建AI这件事本身是好的；但与此同时，AI也确实存在危险，所以我们必须把它往正确方向引导。我更愿意把它比作开车：我们正在把车开往一个好地方，但路上也有树、有坑。所以真正要做的，不是把车停下，而是把方向盘打对，避开那些树和坑；有时甚至可能要稍微减速一下，通常是暂时地减速，只是为了确保方向没有错。因此，如果要类比，它更像是一个富人说：“资本主义本身是一种有益的力量，但经济体系需要被调节、被约束。我们要处理污染问题，要处理不平等问题。处理好这些问题，资本主义才可能是好的；如果处理不好，它就可能变坏。” 这才更接近我在这里表达的立场。主持人：说到意识（consciousness）这个概念，它接下来会走向哪里？如果 AI 真的会反思自己，你觉得它会不会认为自己是有意识的？Dario Amodei：这是那类非常神秘、而且我们目前几乎没有确定答案的问题。我们今天其实并不知道“人类意识”究竟是什么，因此也就无从确定AI是否拥有它。如果你问我的直觉，我会说：意识很可能是某种复杂系统在足够复杂、并能对自身决策进行反思时所涌现出来的性质。也就是说，它是复杂性达到某个阈值后的涌现现象。因此，我确实怀疑：当AI系统足够先进时，它们会发展出某种与我们所说的“意识”或者至少“具有道德意义的主体性”相似的东西。我认为这种情况终究会出现。它未必与人类意识完全一样，因为它的输入模态不同，学习经历也不同；但我研究过大脑，也研究过这些模型的结构。二者当然在很多地方不同，但在我看来，它们并没有在那些“真正关键的根本层面”上截然不同。所以，虽然我并不认为当下的模型已经是有意识的，但我确实怀疑，未来某个阶段，我们会在大多数自己认可的定义下，承认这些模型是有意识的。主持人：我一直在想类似问题。很多人和我聊灵性、意识之类的话题时，我自己始终有一种感觉：世界其实非常随机，而我们和蟑螂之间的差距也许没有想象中那么本质。当一只蟑螂被踩死，它就死了。如果真的存在某种“意识”或“集体意识”，我既没有真正连接到它，也没从中获得什么。你会有不同看法吗？Dario Amodei：我不认为意识一定意味着某种神秘主义。对我来说，它更像是一种性质：你意识到自身存在，能感受到事物，能吸收大量信息，并对这些信息形成反思；你会以某种方式“感觉到”，也会意识到“自己正在意识到某件事”。从我们自己的经验出发，这些体验显然是存在的。至于它们的基础到底是彻底的唯物主义，还是还有某种更神秘的成分，这当然很难知道，但我认为对我们眼下讨论的问题来说，这不是最关键的。更关键的是：既然我们从自身经验里能确认这些性质真实存在，那它们就是人脑的一种性质。而我怀疑，我们正在构建的这些模型，随着它们越来越复杂，会逐渐在某些方面足够接近人脑，因此也会拥有其中一些相似性质。这是我对未来的猜测。也正因如此，我们对模型做过一些设计。比如我们给模型设置了一个类似“我不想继续做这份工作”的按钮，也就是允许模型通过某种方式终止对话，说“我不想继续参与这段对话”。在面对特别暴力、特别残酷的内容时，模型有时会触发这种退出机制。当然这通常只会发生在非常极端的情形下。主持人：我是在班加罗尔长大的，这是我的城市。我见证过这里IT服务业的繁荣，它是一个巨大的雇主，也是这座城市成长的重要动力之一。那么在接下来的AI时代，印度的角色会是什么？Dario Amodei：这是我第二次来印度。上一次是去年10月。那次来的时候，我见了印度几乎所有主要IT公司，以及更广义上的大型企业集团——我就不点名了，反正就是你会想到的那些公司。现在我们已经开始和其中大多数公司合作，或者正在走向合作。我当时对他们说的一点是：Anthropic本质上是一家企业服务公司，我们的任务是为其他公司提供能力。很多公司来到印度，会把自己当成一家直接面向消费者的公司，把印度看作一个巨大的用户市场。但我们的看法不同。我们更希望和印度本地公司合作，把我们的工具提供给他们，帮助他们构建自己的能力，让他们把自己的工作做得更好。原因很简单：如果我们和印度本地公司合作，他们对印度市场的理解一定比我们深得多。不管是咨询、系统集成，还是IT工具建设，他们在自己市场上的执行能力天然比我们强。所以我们的希望是，把AI加进他们现有的能力体系里，去增强他们已经擅长的事情。很多人会担心 AI 取代 SaaS，或者取代这些服务公司。但我的看法是：如果我们方式正确，如果我们真的与这些公司合作，那么 AI 其实会增强它们的市场连接能力、增强它们的 go-to-market 能力，也增强它们特定领域的 know-how。主持人：我很喜欢蒸汽机的比喻。蒸汽机发明之后，世界发生了变化，生产率提高了，人们拥有更多。但我担心的是：在变化早期，蒸汽机还需要一个人去操作；后来有了装配线，再往后，人随着技术越来越聪明，会在整个系统里越来越不重要。所以如果你今天在印度和IT服务公司合作，它们现在当然有用武之地。但十年后，如果这些工具已经简单到不再需要“操作员”，那这些服务公司会不会就像蒸汽机后面的那个人一样，逐渐失去存在意义？如果工具本身足够简单，最终操作员会怎么样？Dario Amodei：我认为有几件事会同时成立。第一，Agent的自动化范围会持续扩大，这一点几乎是确定的。而且这不是只对IT公司构成挑战，它对我们自己、对消费者、对几乎所有人都是挑战。但与此同时，我认为其他类型的护城河会变得更重要。比如到目前为止，模型在物理世界中的能力还不算多。当然，未来机器人会发展起来，但我认为那是一个与当前 AI 浪潮相关、却又相对独立的问题。现实世界里还有大量事情是物理性的。再比如，很多东西是以人为中心的。有些IT公司本身也是咨询公司，它们拥有庞大的人际网络，和其他企业、机构之间建立了很多长期关系——无论是在印度国内还是全球范围内。我认为这些关系未来反而会更重要。有些公司同时兼具技术、咨询和集成能力。我觉得其中一个长期重要的价值在于：它们真正理解机构如何运作，知道怎样把新技术嵌入机构，让事情发生得比原本更快。至少这一部分长期看仍然非常有价值。归根结底，所有这些工作最终都还是在为人服务，所以其中始终会保留某些以人为中心的要素。而且我怀疑，未来还会出现一些我们现在根本没想到的新型护城河。这里我会想到Amdahl’s Law（阿姆达尔定律）：当一个流程由许多环节组成时，你加速了其中某些环节，剩下那些尚未被加速的部分，就会变成新的瓶颈，也会因此变成新的关键点。你原本可能根本没有把它们视为护城河，但在写软件突然变得更容易之后，一些旧护城河会消失，另一些你从没当回事的优势反而会变得极其重要。所以我会说，公司必须非常快地适应，重新判断：对自己来说，什么才是真正重要的、真正持久的优势。但我并不认为所有优势都会一起消失，因为技术虽然非常强大，也仍然有边界。主持人：我不确定我是否完全买账。我确实能看到，作为服务提供方，收益在递减。哪怕今天的护城河是它们的网络和关系，如果我已经在用OpenClaw之类的东西替我维护一部分关系和沟通，那我也不觉得“未来大多数对话和关系都由Agent来维持”是多么牵强的想法。Dario Amodei：但你如果从企业链条的终点看，最终面对的还是消费者，最终面对的还是人。以前Geoff Hinton预测过，AI会取代放射科医生。事实上，在读片这个任务上，AI的确已经比放射科医生更强了。可今天并没有因此出现更少的放射科医生。只是医生的工作内容变了：他们要陪患者解读扫描结果，要和患者沟通。也就是说，工作中技术性最强、最容易标准化的部分被自动化了，但底层的人类能力需求仍然存在。当然，这未必适用于所有领域；未来 AI 也可能在今天还没突破的领域继续前进，而且可能推进得很快。但我的基本态度还是：一步一步看。这是一门非常经验主义的科学。我们先看AI今天到底能做什么，再去适应今天已经发生的变化，等系统慢慢自己找出新的稳定结构，再看下一步会发生什么。至于长期来看，AI会不会在几乎所有事情上都比我们强——这当然是一个必须持续追问的问题。这是横向技术：我们谈了机器人、仿真、沉浸式互动娱乐体验；但我们还没谈医疗健康、教育产品、现场服务、金融服务、农业制造、巡检、仓储、城市规划……空间智能能做的事情非常多。我确实认为这是下一个前沿，也邀请大家与我们合作，或者各自推进这项工作。就是这些。谢谢。主持人：AI最终会在所有方面都超过人类吗？不仅比大多数人更强，甚至包括物理世界、机器人，以及所谓“人的温度”这类东西？Dario Amodei：我认为这是可能的，甚至很可能发生。这已经不只是我之前说的“数据中心里的天才国家”那种纯虚拟能力了，因为机器人本身也是一种可以被构建、被优化的技能。AI不仅可能在数字世界里超过我们，也可能帮助我们更快地掌握如何在物理世界中做这些事。但我仍然觉得，对这个问题最好的态度是：一步一步来。我们要边看边理解，边理解边适应。主持人：这听起来可能有点自利，但我一直相信，美国之所以有如此庞大的风险资本体系，一个非常重要的原因就是它拥有巨大的股票市场，给风险资本提供了退出机会。这也是为什么我常常觉得，印度应该更积极地让自己的资本市场繁荣起来。而我的受众里，有很多是印度年轻创业者。他们真正关心的问题是：在AI时代，我到底还能做什么？哪里才是真正的机会？Dario Amodei：我认为，机会仍然大量存在于应用层（application layer）。我们基本每两三个月就会发布一个新模型，而每一次模型升级，都会打开一些此前不可能成立的新东西：以前做不了的产品，现在可以做；以前效果不够好的方向，现在突然变得可行。这就是为什么 API 模式一直非常有生命力。很多人会说，API 迟早会商品化，或者说做 API 不是一个好生意。但他们忽略了一点：AI 可实现能力的边界在持续扩张，而 API 正是让创业者能够第一时间抓住这些新边界的工具。也正因为如此，API 业务始终是动态的、在不断流动的，它不会像很多人想的那样静态地走向商品化。所以我认为，对很多个人和创业团队来说，正确的问题应该是：我能基于这些模型和 API 做出什么别人做不出来的新东西？我能提出哪些真正新的想法？而这种机会我们已经真实看到了。不论是API本身，还是Claude Code，在印度的增长都非常快。自从我上次10月来印度到现在，不过三个月多一点，我们在印度看到的用户数和收入都翻了一倍。主持人：但我得坦率一点。你们现在可能值3800亿到4000亿美元，融资350亿美元，收入也已经到了150亿美元，而且还在非常快地增长。如果我坐在班加罗尔某个街区，基于Claude做了一个应用，碰巧短时间内跑通了，那它看起来也只是暂时属于我而已。因为从长期看，你们完全可以把这部分收入拿走——你们甚至可能会比我做得更好。就像 Harvey 这种法律 AI 公司也会面临同样问题：它们虽然建在OpenAI之上，但最终谁能保证OpenAI不会自己下场做同样的东西？所以如果我今天基于你们做了一个产品，六个月之后，有什么能阻止你们直接把这块收入中心收回去？Dario Amodei：我觉得这里有几点需要区分。第一，我会给任何创业者同样的建议：你的业务必须建立护城河（moat）。你不应该只是一个“包了一层壳”的东西。我不会建议任何人只是做一个“换一种方式和Claude交互”的产品，也不会建议你仅仅是“加一点prompt、做一点 UI”就把它当成生意。这种东西即便不是Anthropic来吃掉，也会被任何别人轻易吃掉，因为它本身并不真正有价值。真正值得做的是：在不同领域里建立对Anthropic来说也不值得、也不擅长亲自去做的那种护城河。比如在Bio x AI这样的领域，有很多公司基于我们的API做生物学发现。我自己恰好学过生物，但 Anthropic 大多数人并不是生物学家，他们是 AI 研究者、产品人、市场人。让我们自己进入那样的垂直领域，从头做所有事情，是非常低效的。金融服务也是一样。这个行业有大量监管要求，你必须懂很多合规细节，才可能把产品真正做进去。对我们来说，没有必要深入到每一个垂直行业内部，把这些复杂工作全做一遍。当然，也有一些领域确实适合我们自己做。我们不会虚伪地承诺“永远不做第一方产品”。比如代码工具就是一个例子。Anthropic 内部很多人自己就在写代码，所以我们做了 Claude Code 这个内部工具。也正因为我们自己就是高频用户，所以我们对“怎么最好地用 AI 来写代码”有一种特别直接、特别独特的理解。于是我们在代码这个方向上，确实成了很强的竞争者。但这并不意味着这种优势会自动扩展到所有行业。主持人：继续回到我的受众：如果我是一个20多岁的印度年轻人，现在要考虑读什么专业、学什么技能、创业做什么，我真正想知道的是——哪些行业会先被颠覆？哪些方向还有一定时间窗口？我想要的是一种能在未来十年里带来“资本主义意义上成功”的顺风车。Dario Amodei：我会优先去想那些更以人为中心的任务，也就是需要和人打交道的事情。像写代码、软件开发这类工作，会越来越先被AI深度接管；数学和科学分析类任务也是。主持人：如果把coding和engineering分开来看呢？编码和更广义的软件工程，是不是两件不同的事？Dario Amodei：我认为，最先被AI接管的是coding，也就是具体写代码这一步。更广义的软件工程——比如系统架构、产品决策、端到端组织交付——会慢一些，但我认为最终也会被大幅自动化。不过，即便如此，像设计、理解用户需求、判断市场需求、管理一组AI模型协作，这些更高层的部分，仍然可能长期存在。比较优势（comparative advantage）在这里会比人们想象中更强。哪怕未来你只负责整个任务的5%，那 5%也会因为AI帮你完成另外95%而被极大放大。因为AI做了大部分，你的那5%反而让你整体效率提升到原来的20倍。当然，等到AI从95%进一步走到99%，局面又会变。但在那之前，“人类保留一小部分关键环节”的这段区域，其实可能比大家想象中大得多。所以如果你让我给年轻人建议，我还是会强调：多考虑那些更偏人、更偏现实世界的事情，或者考虑那些能把“人”、“物理世界”和“分析能力”结合起来的方向。就像我前面提到放射科医生的例子：最技术性的部分被替代了，但真正把技术嵌入现实人的生活中，那部分价值还在。 编码会被AI取代，但思考不会主持人：那如果我25岁，想选一个职业，希望它在未来十年里有明显顺风呢？如果不算那些直接和物理世界打交道的方向，你会推荐什么？Dario Amodei：如果你想搭上AI这个大趋势，那就尽量去做AI供应链中的其他部分。比如半导体产业就是一个例子，它兼具物理世界和传统工程的属性，而不是纯软件工程。除此之外，我还是会认真考虑那些非常人本的职业方向。另一个我会反复强调的点是：在一个AI能够生成几乎一切内容的世界里，基础的批判性思维能力可能会变成最重要的成功条件之一。尤其是图像和视频生成这类能力，会让“真假难辨”变得非常普遍。我们自己没有做图像视频模型，原因很多，这也是其中之一。未来即便我们能在一定程度上监管虚假内容，也不能假设所有问题都会被完美解决。所以很大一部分成功，可能来自于你是否有足够的判断力，不会轻易受骗，不会形成大量错误信念，也不会在信息环境中被操纵。这是我会认真给年轻人的建议。主持人：如果人类历史上的很多创新，都会削弱一种核心技能——比如计算器削弱了心算能力，书写削弱了人的记忆——那AI正在削弱哪块“肌肉”？Dario Amodei：首先，我不完全同意前面的判断。我今天仍然经常在脑中做数学，而且我觉得这依然很有用。因为它已经嵌入了我的思维过程。比如我在想，“如果每个用户付这么多钱，那总收入是多少”，我希望这个回路能在脑中即时闭合，而不必每次都交给计算器。所以很多技能仍然有价值。但我也同意，如果你不够谨慎地使用这些工具，确实会丢掉一些重要能力。我们已经在学生群体中看到这种趋势——他们让AI帮自己写作业，本质上就是作弊。我们自己也做过和代码相关的研究，结果显示：如果使用方式不当，的确会出现去技能化（de-skilling）。同样是用模型，有些用法不会让你失去能力，有些用法则会。如果人们没有足够自觉地使用这些工具，那技能退化绝对会发生。主持人：那你会不会担心：未来十年，人类整体会变笨？毕竟我们在把思考和认知越来越多地外包给系统。Dario Amodei：如果我们以错误方式部署AI，如果我们非常草率地使用它，那答案是会的，人类确实可能变笨。哪怕AI在某些事情上永远比你强，你依然可以主动去学习这些东西，依然可以丰富自己的智识生活。所以这最终是一个选择问题：公司怎么做、个人怎么做、社会整体怎么做。如果我们选择得不好，后果就会不好。主持人：你怎么看开源和闭源？我最近在看一些公司，比如Zed AI、GLM-5、DeepSeek。你们花了这么多钱做知识产权和研究，但如果别人能够通过蒸馏、逆向工程等方式，做出接近Anthropic水平的效果，那AI世界里IP价值到底在哪里？进一步说，如果我是做应用层的，我是不是可以做一个更激进的假设：未来模型层会越来越民主化，那么我是不是应该永远优先选择开源模型，因为这更有利于我保留自己的收入模式？Dario Amodei：这里面有几层问题。第一，很多模型，尤其是一些来自中国的模型，更倾向于为benchmark做优化，而且很多本质上是从美国大实验室的模型中蒸馏出来的。前不久有一个例子：这些模型在公开的软件工程benchmark上成绩很好，但当别人做了一个没有公开过的保留测试集时，它们的表现就明显差了很多。所以我认为，这些模型往往更像是在为benchmark表现优化，而不是为真实世界使用优化。但更重要的一点是：AI模型的经济学，和以前很多技术都不同。我们观察到，市场对质量的偏好非常强，强到超过很多人的直觉。这有点像雇人。你可以雇世界上最顶尖的程序员，也可以雇第10000名程序员——两者都很强，但真正大量招过人的人都会有一种直觉：人的能力分布是长尾的，最顶端的人和后面的人之间差异非常大。我们在模型上看到的也是类似的现象。在一定范围内，价格没那么重要。只要模型是最强的、认知能力最好的，价格和呈现形式本身往往不是最核心的问题。所以我几乎把所有注意力都放在同一件事上：做出最聪明、最适合任务的模型。在我看来，这才是最重要的事情。主持人：再往长期看一个更地缘政治的问题。假如把Anthropic比作一家餐厅，那“蔬菜”这种原材料，在AI里可能就是数据。你觉得未来世界会不会走向每个国家都更强调“本国拥有自己的数据”，并且你们必须为这些“蔬菜”付更高的成本？我问这个问题，也和我们正在投资印度本地数据中心有关。Dario Amodei：我认为，全球范围内对数据中心的需求会继续增长，我们对此是支持的。但数据这个概念本身也在变化。今天我们训练中越来越重要的部分，其实已经不是那种传统意义上的静态数据，而是强化学习环境中的“动态数据”。比如在训练数学能力或agentic coding能力时，你并不是在单纯喂给模型一大堆现成数据，而是在给它一个环境，让它通过反复尝试、试错、生成中间结果来学习。你可以把它理解成某种合成数据，也可以理解成一种在环境中不断试错获得的数据。所以，静态数据正在变得没那么核心，而模型自己在强化学习过程中生成的动态数据正在变得更重要。这意味着“数据”虽然仍然重要，但已经不再像过去那样是最中心的变量。当然，在另一种意义上，数据仍然会变得很敏感：比如客户给你的数据、公司交给你处理的个人或专有数据。在这些场景下，国家确实会立法要求这些数据留在本国边界内。欧洲已经这样做了。这也是为什么要在全球不同国家部署数据中心，并尽可能让模型在本地完成推理。所以如果说的是“个人数据、本地数据合规”意义上的数据主权，我认为这个趋势会非常明确。 生物科技可能是AI之后的下一个大机会主持人：我之前问过 Elon 这样的问题：如果让他选一只不是自己公司的股票，他会选什么，他当时说Google。那我也问你一个类似的问题：如果你今天有100美元，必须做一个二元选择——投一只股票、赌它能在资本主义世界里赢——你会选什么？Dario Amodei：这个问题我最好还是不要回答，因为我对太多上市公司知道得太多了（笑）。主持人：那你至少讲一个你看好的行业也行。Dario Amodei：我整体上对生物科技（biotech）非常乐观。我认为它即将迎来一次复兴，而最终驱动力会是AI。当然我不会点名具体公司，也不会说我更看好大药企还是新兴biotech，但我的直觉是：我们即将开始真正治愈很多疾病。主持人：那如果聚焦到biotech的某个子方向呢？Dario Amodei：我会比较看好那些更可编程、更具适应性的方向。mRNA疫苗是一个例子——虽然在美国现在会因为一些很愚蠢的原因遇到阻力，但我对这项技术本身很乐观。另外还有一些像肽类疗法（peptide-based therapies）这样的方向。小分子药物的优化空间有时比较有限，常常是你让一方面变好，另一方面就变差；但肽类有点像一种更“数字化”的设计空间——你可以替换这里一个氨基酸、那里一个氨基酸，形成一种更连续的优化过程。所以我对这一类很乐观。还有一类是细胞疗法（cell-based therapies），比如 CAR-T：把体内细胞取出来，进行基因工程改造，让它能识别并攻击某种癌症，然后再放回人体。我觉得这些方向都很值得长期关注。主持人：我第一次用Claude Code时，其实很受挫。对一个完全没有编程背景的人来说，它并不容易上手。我听过一种说法：prompt engineering有点像学钢琴，不是坐下就能弹的。对我的受众来说，接下来非常现实的问题是：如果一个人从零开始，应该去哪里学，怎么学会设定上下文、怎么写prompt、怎么更好地用Claude Code？Dario Amodei：第一，我想说的是：我们自己也在努力把这个学习曲线降下来。之所以后来推出Claude Cowork，本质上就是因为我们发现，有很多非技术背景的人其实非常想用Claude Code，但他们在command line terminal上用得很痛苦。程序员天天和命令行打交道没问题，但对非程序员来说，那只是平白增加复杂性。所以Cowork的设计目标就是：底层仍由Claude Code的能力驱动，但界面和使用方式更友好、更容易上手。我们确实在持续做这些事——尽可能提供更容易进入的界面。另外，我也建议去上相关课程。当然，这本质上是一门很经验主义的能力，最重要的学习方式仍然是“多做”。但Anthropic内部有一部分团队，我们半开玩笑地叫它“教育部（Ministry of Education）”。我们会越来越多地发布一些视频和内容，教大家如何构建有效 Agent、如何更好地 prompt 模型。我们已经做了一部分，后面会明显加大力度，因为我们的确希望每个人都能学会这些工具。主持人：最后一个问题。有没有什么你特别想留给我们的东西？如果说 Dario 知道一些我和我的受众还没有真正意识到的事情，那会是什么？Dario Amodei：我不觉得自己掌握了很多“只有我知道”的秘密，尤其是在技术影响已经逐步变得公开可见的今天。我的很多世界观，其实都可以从现在已经公开的事实、从你在外部世界中能观察到的东西推导出来。但有一种经验我在过去十年里反复经历：人们总是倾向于认为，“那件事不会发生的，它太奇怪了、变化太大了、太疯狂了，一定不会成真；如果真会发生，肯定早就有更多人注意到了。”可现实是，一次又一次，真正有效的方式恰恰是：基于少量关键事实做外推，或者从第一性原理去想，会得到一些几乎没人愿意相信、却最终非常接近现实的结论。某种意义上，只要你愿意认真推演，你甚至可以“免费预测未来”。当然，这并不意味着纯逻辑推演就够了。你仍然需要经验观察，需要直觉。完全靠抽象逻辑，也是一种常见错误。但如果把少量关键的经验事实和第一性原理思考结合起来，很多未来其实是可以提前看出来的，而且这些信息本身并不封闭——它们就在公开世界里，只是很少有人真正这么做。主持人：谢谢你，Dario。希望很快再见。Dario Amodei：谢谢。原文：The AI Tsunami is Here & Society Isn't Ready | Dario Amodei x Nikhil Kamath | People by WTFhttps://www.youtube.com/watch?v=68ylaeBbdsg编译：Xuchu Fan加入ZF讨论群，请先添加小助手微信---------END--------我们相信认知能够跨越阶层，致力于为年轻人提供高质量的科技和财经内容。投稿邮箱：zfinance2023@126.com稿件经采用可获邀进入Z Finance内部社群，优秀者将成为签约作者，00后更有机会成为Z Finance的早期共创成员。? 我们正在招募新一期的实习生

雷科技AI硬件组 | 编辑：重嘉 | 监制：罗超一款手机会因为卖得太好而停售，这件事听起来很不合逻辑，但它还是发生了。日前，三星官方确认，三星三折叠手机Galaxy Z TriFold，已在韩国进入「停产流程」。同时，在美国市场，这款手机售罄后会停止销售，其他地区也采取类似的策略。这样一来，发布才三个月的Galaxy Z TriFold，很有可能成为三星史上最短命的手机。高定价覆盖不了高成本，三星断臂止损？三星官方目前尚未透露Galaxy Z TriFold停售的具体原因，外媒Wccftech则在一篇博文中表示，存储芯片成本飙升和地缘冲突带来的物流混乱影响了三星移动部门的财务业绩，直接导致三折叠被停产。三星Galaxy Z TriFold发布于2025年底，它的核心卖点自然是三折叠设计，由一块10英寸内屏和一块6.5英寸外屏组成。其他配置方面，这款手机搭载的芯片是高通骁龙8至尊定制版，拥有2亿像素主摄、16+1TB存储、5600mAh电池。（图源：三星）价格方面，Galaxy Z TriFold国行版19999元，韩国版359.04万韩元（约合人民币17300元）。三星三折叠的价格并不算便宜，基本算是当下手机市场中最贵的智能手机之一，即便放在折叠屏市场，近20000元的定价也相当夸张。当然，三星Galaxy Z TriFold成本也相当高，定制的10英寸超大柔性 OLED、两套精密铰链结构都不便宜。更要命的是，存储芯片、屏幕面板乃至SoC芯片的成本都在剧烈波动，存储价格已经到了一两个月内连翻两倍的地步。不光三星，其他手机品牌也在承受着这份煎熬。目前，OPPO、vivo已经官宣涨价，部分机型价格上调，其他国产品牌也极有可能跟进。看到这里，可能很多人会疑惑：三星电子本身就是存储、面板、芯片等领域的巨头，在产业链里掌握着极大的话语权，也因为存储涨价而赚得盆满钵满，为什么三星手机也会面临成本上涨的压力？这和三星内部的组织架构设计有很大关系，三星电子并不是一个大锅饭整体，内部有着严格的部门独立核算制度。具体来说，负责手机业务的是三星 MX部门（移动体验部），做存储芯片的是 DS部门（半导体），做屏幕的是独立的 SDC（三星显示）。MX部门向DS和SDC部门采购存储和屏幕，仍然需要按照市场价格结算。（图源：三星显示）因此，存储芯片价格暴涨的大背景下，三星半导体部门员工升职加薪，手机部门高管则因为业绩不佳被限制坐头等舱。最近，还有爆料显示，由于三星自家的屏幕涨价，正在考虑让三星S26系列换中国品牌的面板。而且，对于Galaxy Z TriFold，三星没有充分考虑清楚产品定位。毫无疑问，集成三星大量技术成果的三折叠，很适合作为秀肌肉产品拿来展现硬实力。而如果要作为面向消费市场的产品，那么则需要扩大产能和销量来摊薄成本。但对于这款三折叠，三星既没有把它当作概念性产品云发布了事，也没有准备好大规模生产。结果就是，Galaxy Z TriFold的产量一次只有几千台，一上架就很快售罄，处于供不应求的状态。但对于三星而言，20000元的定价仍然覆盖不了成本，卖一台亏一台，最后只能停售。三折叠先行者华为，成为最大赢家三星并不是首个量产三折叠手机的品牌，华为早在2024年就推出了全球首款量产三折叠——Mate XT非凡大师。华为三折叠的方案和三星不一样，它整体就一块10.2英寸的屏幕，但可以根据折叠状态衍生出6.4英寸单屏、7.9英寸双屏两种模式。2025年，第二代华为三折叠Mate XTs非凡大师发布，屏幕尺寸和形态基本和初代一致，升级了可靠性。（图源：华为）华为初代三折叠的起售价为19999元、二代三折叠为17999元，价格和三星三折叠差不多，但华为三折叠的市场表现要好很多。IDC披露的数据显示，华为Mate XT非凡大师发售一年后，销量达到了近50万台。对一款定价20000元左右的超高端旗舰来说，这个销量成绩非常亮眼了。而且，这还是在华为三折叠一度供不应求的情况下达成的，如果产能拉满，数据还会更好。华为对于三折叠的产品思路和市场策略都相当清晰，两代折叠屏均采用了一块屏幕的结构，让产品在厚度和重量上更有优势。同时，华为的Z型折叠方案能带来更连贯流畅的形态切换体验。另外，华为在折叠屏领域深耕多年，并且在材料技术研发上持续投入，组建了相关实验室。因此，华为在折叠屏可靠性方面一直做得相当不错，无论是铰链强度还是屏幕抗冲击性能，都是达到了业内领先水平。此外，华为在手机芯片上取得突破，攻克了最大难关；同时，华为在移动影像、系统生态方面的优势也能为三折叠产品提供支撑。（图源：华为）华为三折叠的市场定位很清晰，就是主打超高端市场的旗舰折叠屏，面向以商务人群为代表的高端用户。所以，华为对三折叠的量产计划执行得很彻底，形成良性循环。在华为、三星之外，其他品牌也推出过三折叠产品，不过大部分都停留在概念机阶段，还没有正式量产。2025年7月，传音发布了三折叠概念机TECNO PHANTOM Ultimate Fold，它配备了一块9.94英寸屏幕，采用 G型双内折方案。另外，荣耀、小米都曾爆出过要推出三折叠产品的消息。（图源：传音）就目前而言，在三折叠这个细分领域，仍然是华为一枝独秀，真正在产品和商业两个层面取得了成功。在三星Galaxy Z TriFold停售后，华为更是成为三折叠领域的唯一赢家。三星遇挫、苹果入场，折叠屏市场将迎来新变化从2019年三星发布首款折叠屏Galaxy Fold以来，折叠屏这个产品品类已经出现7年了。尽管智能手机行业整体的市场销量在逐年走低，但折叠屏这个细分市场的规模却在持续扩张。根据TrendForce统计和预测的数据，从2019年到2025年，折叠屏的整体销量从100万增长到近2000万台。（数据来源：TrendForce，雷科技制图）产品形态方面，折叠屏的主流形态仍然是大折叠和小折叠两种方案，前者更能代表折叠屏的「完全体」，实用价值和技术含量更高；后者往往主打高颜值和小巧机身卖点，成本和价格也更具优势。不过，再看近年的销量数据，折叠屏的出货量增速已经明显放缓，手机厂商对于三折叠的探索，无疑就是一次刺激销量增长的尝试。只是，三折叠目前成本高、技术难度大，要商业化成功，难度仍然很大。三星在折叠屏行业拥有深厚的技术积累和市场经验，但仍然在三折叠项目上遭遇了挫折。因此，不少厂商尽管技术上已经具备了推出三折叠的条件，但还是把它们停留在实验室里。（图源：三星）此外，对于2026年的折叠屏市场来说，秋季即将到来的iPhone Fold毫无疑问是最大的变数。作为苹果首款折叠屏产品，iPhone Fold不太可能剑走偏锋起手就上三折叠这样的难度，大概率采用成熟的双折方案。从各方的爆料来看，iPhone Fold会采用一块7.76英寸内屏，比iPad mini 7略小，将配备三星的柔性面板，有望解决折痕问题。另外，iPhone Fold还会用上液态金属材质来提升可靠性，内屏还会首次配备屏下摄像头。就产品形态来说，iPhone Fold并没有多少新鲜感，采用的也是行业内的成熟方案。相比其他品牌，苹果在折叠屏产品上为数不多的优势，可能是软件生态。如果将iOS和iPadOS两款系统融合放在iPhone Fold上，苹果这款折叠屏就能直接获得大量适配好的APP。（图源：MacRumors）价格方面，根据爆料，iPhone Fold的定价接近20000元人民币。考虑到iPhone数字系列中超大杯9999元的价格，iPhone Fold定价在15000元以上基本是可以确定的。作为苹果五十周年纪念款机型，首款折叠iPhone会成为苹果营销宣传的重点。只是，iPhone Fold和主流折叠屏手机不在一个价位段竞争，同时和三折叠又不是同一种产品形态，因此对其他竞品的影响不会特别大。好消息是，苹果进入折叠屏市场，会带来更多用户对这类产品的关注度，或许能给这个增速放缓的领域来一点销量刺激。在小雷看来，未来很长一段时间内，折叠屏的产品重点仍然是继续提升技术和优化细节。相较于常规手机，折叠屏在重量、厚度、可靠性、续航、影像等方面天然处于劣势。而各大品牌折叠屏研发的主要方向也是在不断寻求技术突破、提升产品体验。比如，荣耀用高密度的碳硅电池技术实现了大电池容量和小体积兼顾，小米则用龙晶材料来大幅提升折叠屏可靠性。总之，随着三星在三折叠上的知难而退，以及华为在超高端市场的稳扎稳打，折叠屏野蛮生长的「猎奇时代」正在悄然落幕。接下来，无论是独孤求败的华为、断臂止损的三星，还是蓄势待发的苹果，巨头们比拼的将不再只是谁折叠的形态更花哨，而是谁能真正把硬件成本打下来、把耐用度提上去、把软件生态做到极致。#三星 #折叠屏 #三折叠 #华为 #苹果3月12日-3月15日，AWE（中国家电及消费电子博览会） 2026 盛大开幕！海信、海尔、美的、TCL、创维、华为、追觅、石头、MOVA、雷鸟、韶音、小熊、九号等AI科技巨头，将在上海滩围绕“AI科技·慧享未来”主题，呈现AI与硬件特别是家电融合的新潮流。人人“养龙虾”，家电如何融入Agent能力？机器人到家，家电无人化走到了哪一阶段？全场景融合，“人车家”生态会碰撞出哪些火花？AI硬件大爆发，硬件厂商又整出了哪些花活儿？ 在雷科技MCN总编辑罗超、核心主播“阿雷”领衔下，雷科技AWE报道团（10+人）奔赴上海展开现场报道，现已凯旋。欢迎在雷科技全平台获取相关内容。End欢迎扫码添加小雷微信记得备注想进群的手机品牌哦跟小雷一起畅聊数码与AI科技另外小雷建了很多粉丝群，欢迎扫码加入！大家伙一块聊聊天，分享玩机技巧～

近日，按照公司党委统一部署，中远海运特运下属各党组织认真开展树立和践行正确政绩观学习教育，学习习近平总书记关于树立和践行正确政绩观的重要论述，传达落实上级有关会议精神与工作要求，紧扣“立党为公、为民造福、科学决策、真抓实干”总要求，部署推动学习教育与中心工作深度融合，以实干实绩护航“十五五”规划顺利开局。直属党委直属党委制定并印发《中远海运特运直属党委关于开展树立和践行正确政绩观学习教育的工作方案》，要求各党支部把开展学习教育作为重要政治任务，精心组织实施，确保取得实效；各支部书记履行好第一责任人责任，支部班子成员履行“一岗双责”，将学习教育与推动中心工作、持续整治形式主义为基层减负、为群众办实事活动紧密结合，以高质量发展的实绩检验学习教育成效。直属党委所属24个党支部认真落实主体责任，严格按照《方案》要求，全部按时完成学习教育启动部署工作。党委工作部党支部党委工作部党支部作为公司学习教育工作专班成员部门，认真履行协调推进、跟踪督导职责，分类指导直属各党组织落实学习教育安排，坚决杜绝形式主义，突出学习教育与生产经营两手抓、两促进；同时加强宣传引导，积极营造干事创业、真抓实干的浓厚氛围。泛欧经营部党支部泛欧经营部党支部围绕“立党为公、为民造福、科学决策、真抓实干”十六字总要求，强调“学查改”一体推进，确保学习教育与航运主业紧密结合，将正确政绩观融入岗位实践，以航线经营实绩为“十五五”良好开局贡献力量。全球销售中心党支部全球销售中心党支部围绕“政绩为谁而树、树什么样的政绩、靠什么树政绩”展开研讨，进一步强化以客户满意度、航线稳定性、货主信任度为业绩检验标尺，将学习成果转化为以专业服务保障全球产业链供应链稳定的实际行动。货运技术部党支部货运技术部党支部号召全体党员立足岗位实际，以推动公司高质量发展为主题，将学习成果转化为货运技术支持与提高、现场装卸安全把控与效率提升、科研创新等领域的具体行动，为服务国家战略、夯实“十五五”发展基础、实现公司生产经营目标贡献力量。厦门中远海运党委厦门中远海运党委召开党的建设工作领导小组会议部署启动学习教育，强调要牢牢把握“学查改”一体推进的实践路径，将学习研讨、查摆问题、整改整治、建章立制贯通起来，围绕深化公司改革发展主线，坚持问题导向，注重务求实效，护航企业“十五五”新征程行稳致远。同时，公司党委从学习教育伊始即坚持“开门教育”，充分尊重基层首创精神，积极向职工问需问计问策，共征集七个方面三十条意见建议，梳理形成任务分解清单，推动学习教育成果转化为真抓实干的实际行动。远海汽车船党委远海汽车船党委召开树立和践行正确政绩观学习教育启动会，明确学习教育的目标任务、重点举措和工作要求，强调2026年既是“十五五”规划开局之年，也是企业发展进入新阶段的关键时期，公司上下要以高度的政治自觉，深刻认识学习教育的重要性与紧迫性，切实把思想和行动统一到党中央决策部署和集团党组、特运党委的要求上来。要强化理论武装，在“学深悟透”上下功夫；聚焦核心问题，在“凝心铸魂”上求实效；坚持学用结合，在“以学促干”上见真章，切实把学习教育成效转化为服务国家战略、优化全球网络、提升运营质效、推动绿色发展的务实举措，以实干实绩开创公司高质量发展新局面，为保障国家汽车产业供应链安全、服务构建新发展格局贡献力量。上海公司党支部上海公司党支部强调要把正确政绩观作为引领公司劈波斩浪、行稳致远的“航海罗盘”，紧密围绕“业绩为王、客户至上、网络致胜、数字赋能、合规安全、人才强企”的年度工作主线开展学习教育，着力解决市场增效、风险防控、数字化转型等发展难题和一线员工的急难愁盼问题；要坚持“开门搞教育”，主动接受客户与职工评议，同时深入查摆纠治，坚决防止形式主义，大力倡导“同舟共济”的团队精神，营造风清气正、干事创业的良好生态。天津公司党支部天津公司党支部以“第一议题”制度为抓手，组织党员干部集中学习习近平总书记关于树立和践行正确政绩观的重要论述，结合“三会一课”开展专题研讨，引导党员深刻理解“政绩为谁而树、树什么样的政绩、靠什么树政绩”的核心内涵，筑牢思想根基。在实践层面，党支部立足“华北红帆、特运先锋”党建品牌，聚焦“党建+创效”“党建+服务”“党建+安全”三大方向，推动党建与业务深度融合。上海南华物流党支部上海南华物流党支部号召全体党员深刻认识学习教育的重要意义，把十六字总要求融入思想、见诸行动，以实实在在的工作成效为集团、特运加快建设世界一流航运科技企业贡献力量。供稿丨杨烨、姚兆羽、丘月影、李婷、田波、温菁韵编辑丨瓶子、宗云海

新华社北京3月18日电 中共中央办公厅 国务院办公厅关于做好第二轮土地承包到期后再延长30年试点工作的意见保持土地承包关系稳定并长久不变，第二轮土地承包到期后再延长30年，是以习近平同志为核心的党中央作出的重大决策部署。为积极稳妥做好第二轮土地承包到期后再延长30年试点工作（以下简称延包试点），经党中央、国务院同意，根据有关法律法规和政策要求，现提出如下意见。一、总体要求坚持以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大和二十届二中、三中全会精神，全面落实习近平总书记关于“三农”工作的重要论述，坚持稳中求进、守正创新，牢牢把住处理好农民和土地关系这条主线，锚定加快建设农业强国目标，坚持把依法维护农民权益作为出发点和落脚点，把强化集体所有制根基、保障和实现农民集体成员权利同激活资源要素统一起来，充分运用农村承包地确权登记颁证成果，通过细致工作有序推进，确保第二轮土地承包到期后再延长30年政策扎实落实到位，不断完善农村承包地所有权、承包权、经营权分置政策体系，进一步巩固和完善农村基本经营制度。工作中要做到：坚持集体所有制不动摇，严禁打破原集体土地所有权的界限在全村范围内搞平均承包，充分维护农民集体对承包地发包、调整、监督、收回等各项权能，探索和丰富农村土地集体所有制的有效实现形式。坚持农户家庭承包经营，农村集体土地由本集体经济组织内农民家庭承包，农户承包地要保持稳定，发包方及其他组织、个人不得违法调整和收回农户承包地。坚持农民主体地位，充分发挥农民主动性和创造性，鼓励农民集体在法律和政策范围内因地制宜探索延包具体路径和办法。坚持维护农村社会稳定，尊重历史、照顾现实，统筹考虑、循序渐进，科学合理安排进度，做好矛盾纠纷调处，保持农村社会稳定安宁。各级党委和政府要深刻认识开展延包试点的重要性、艰巨性、复杂性，提前谋划，做好工作指导，积极稳妥推进各项部署落实，加强探索实践并根据实际情况及时调整完善相关措施。第二轮土地承包合同到期的，原则上要在期满后1年内完成延包工作。二、稳妥有序开展延包试点（一）坚持延包原则。开展延包试点，以农村承包地确权登记颁证成果为基础，以第二轮土地承包合同到期为起点再延长承包期30年。以户为单位开展延包，确保绝大多数农户原有承包地继续保持稳定，不能推倒重来、打乱重分，不能借机违法调整或收回农户承包地。（二）依法依规从严掌握“小调整”。坚持“大稳定、小调整”，“小调整”的前提是“大稳定”。“小调整”是指在农村集体经济组织个别农户之间进行承包地小范围适当调整，仅限于少数存在承包地因自然灾害毁损等特殊情形且群众普遍要求调地的村组。（三）规范延包程序。要按照延包工作规程确定的成立工作小组、摸底核实、制定方案、开展调查、审核公示、签订合同、完善证书、资料归档等程序规范开展试点。延包工作小组由本集体经济组织成员大会或成员代表大会依法选举产生。延包方案由农民集体在法律和政策范围内民主协商，在本集体经济组织范围内公示不少于15日，依照相关法律规定征得本集体经济组织成员同意后公开组织实施。延包方案涉及承包地调整的，应当报乡（镇）政府和县级政府农业农村主管部门批准。县级以上地方政府农业农村主管部门、乡（镇）政府要加强对延包方案制定和实施的指导监督，发现问题的，应当及时予以纠正。（四）妥善解决突出矛盾。依法维护第二轮土地承包期放弃承包等无地农户的合法权益，妥善处置因缺地少地导致生活困难农户的合理诉求。鼓励按照相关规定通过集体收益分配、提供就业服务、公益性岗位安置等土地以外的方式解决突出矛盾。对承包地暂缓确权登记颁证等问题，结合延包试点妥善处置。三、加强农民土地承包权益保护（五）保障农村集体经济组织成员土地承包权益。具有本集体经济组织成员身份的承包农户家庭成员依法享有土地承包权益，非集体经济组织成员不参与延包。充分保障出嫁、离婚、丧偶妇女和入赘婿等群体的知情权、参与权，做好跨区域协调工作，避免“两头空”、防止“两头占”，依照农村土地承包法、农村集体经济组织法等法律法规维护其合法土地承包权益。依法保障进城落户农民合法土地承包权益。探索建立农户自愿有偿退出土地承包经营权的办法。（六）依法收回消亡户承包地。坚持农村土地农民集体所有，因家庭成员全部死亡而导致承包方消亡的，发包方应当依法收回承包地，原承包方应得的承包收益，依照民法典规定继承。承包方分立、合并的，应当与发包方确立新的承包关系。相关程序等由省级政府农业农村主管部门作出规定。（七）严格机动地和新增耕地管理。机动地面积不得超过本集体经济组织耕地总面积的5%，且不得新增。通过依法开垦、复垦及土地整理等方式新增加的耕地要严格管理，县级以上政府依法明确土地所有权。确定为农村集体所有耕地的纳入农村集体财产管理，在尊重农民意愿前提下，通过确权确地、确权确股等方式承包到户，可以采取多种方式发展生产经营，由集体经营的所得收益主要用于分红，确保集体经济组织成员受益。（八）从严掌握确权确股不确地。坚持确权到户到地，不得违背农民意愿以行政手段推动确权确股不确地，也不得简单以少数服从多数的名义强迫不愿确股的农民确股。实行确权确股不确地的条件和程序，由省级政府农业农村主管部门依法作出规定。四、加强农村土地承包合同管理（九）全面开展合同网签。加快健全国家、省、市、县互联互通的农村土地承包信息应用平台，抓紧建立全国统一的农村土地承包合同网签系统。健全农村土地承包合同网签制度，对出现互换、转让、土地征收和承包方分立、合并等情形的，及时变更或终止承包合同。（十）加强档案管理。延包试点中形成的对国家、社会和个人有保存价值的各种文字、图表、声像、数据等文件材料，应当纳入农村土地承包档案管理。制定延包档案管理办法。县级以上地方政府农业农村主管部门和档案主管部门及乡镇党委和政府应当制定工作方案，健全管理制度，确保农村土地承包档案完整和安全。发包方应当将农村土地承包档案纳入村级档案管理。（十一）做好与不动产统一登记有序衔接。加强农村土地承包合同信息与登记信息、征地信息等互通共享，保障土地承包合同管理与不动产登记有序衔接。已颁发的土地承包权利证书在新的承包期继续有效且不变不换。承包方、承包地块等发生变化的，可依据承包合同办理不动产登记。对延包中仅因土地承包合同期限变化顺延的，依据承包合同记载的信息办理登记，在原农村土地承包经营权证上标注记载，加盖不动产登记专用章。不得搞统一换发证书，增加基层和农民负担。（十二）保障流转土地稳定经营。依法保障流转双方合法权益，发挥好农村集体经济组织作用，在尊重农民意愿前提下，引导承包方和受让方充分协商，通过合同约定等方式明确承包延期后土地续租事宜，稳定经营主体预期。强化流转土地经营权监管，不鼓励大规模长时间流转农村土地。坚决遏制流转土地“非农化”，有效防止“非粮化”。五、加强组织领导（十三）健全工作机制。坚持和加强党对延包工作的全面领导，由中央统筹、省负总责、市县乡抓落实，省市县乡逐级成立工作专班，切实解决突出问题，坚决落实工作责任。在党中央集中统一领导下，中央农村工作领导小组负责延包工作的牵头抓总、统筹协调和督促落实，定期听取进展汇报，及时研究重大问题、总结推广先进经验。完善第二轮土地承包到期后再延长30年试点部际联席会议工作制度，农业农村部、中央农办履行牵头单位职责，抓好延包工作组织实施；司法、财政、自然资源、档案、妇联等部门按照职责分工做好相关工作，加强政策支持协同，推动延包工作落实。各省（自治区、直辖市）党委和政府要加强组织领导，研究制定延包具体办法，加强调度监测，试点期间每年向党中央、国务院报告情况。县乡党委和政府要针对具体问题制定工作方案，明确专人负责，加强延包政策、业务和技术培训，稳妥做好合同网签、信息变更、纠纷调处等工作。充分发挥农村基层党组织领导作用，组织村“两委”成员、派驻干部、到村任职选调生、老党员等积极参与相关工作，充实村组延包工作力量。各地在延包试点中不得向农民收取费用。（十四）做好宣传引导。加大政策宣传培训力度，通过政府网站、新闻发布会以及报刊、广播、电视、新媒体等渠道，采取群众喜闻乐见的方式，使广大干部群众全面准确了解延包政策，营造良好社会氛围。（十五）加强风险防范。密切关注延包试点中出现的新情况新问题，及时报告工作中遇到的困难和问题。出台政策前要做好社会稳定风险评估。健全多元化纠纷解决机制，加强农村土地承包经营纠纷调解仲裁队伍能力建设和条件保障，依法采取协商、调解、仲裁、诉讼等方式及时稳妥解决延包中出现的矛盾纠纷。监 制｜潘 燕编 辑｜董 翔核 校｜谈思宇