AI 全景情报 0724：AI 开始带着数据、算力与规则进入现实系统

先看结论

1. OpenAI 先把健康数据接入对话，再把权限留在用户手里

• 产品团队要把「授权一次」和「始终允许」当成两种不同的风险状态，分别设计提示、日志和撤销路径。
• 工程团队要处理数据过期、药物已停用、检查结果缺失等现实问题。医疗场景里，回答是否说明数据不完整，和回答本身是否流畅同样重要。
• 这仍然不是临床部署。OpenAI 明确提醒 ChatGPT 会出错，不能替代专业医护判断。评测应覆盖准确性、安全性、上下文理解和需要升级到专业人员的时刻，而不是只看问答得分。1

2. Google 把模型选择变成一张成本与风险路由表

• 预算模型应从每百万 token 价格改成「每个成功任务成本」，把重试、工具调用、人工复核和延迟都算进去。
• 架构团队可以采用分层路由：Lite 负责高吞吐，3.6 Flash 处理复杂的通用 Agent，网络安全模型只在受控环境和受信对象中运行。
• 不要直接把厂商 benchmark 当作生产承诺。上线前至少用自己的任务集记录一次成功率、工具调用数、输出长度和人工接管率。

3. Anthropic 把模型使用样本变成可查询的行业仪表盘

• 投资和战略团队可以用它生成待验证的行业假设，但不能把样本热度当成市场总量或收入预测。
• 产品团队应把自己的调用日志、任务完成率和人工接管数据与公开 Index 分开保存，避免把第三方样本混进内部基线。
• 数据产品的竞争会从「有没有报告」转向「能不能让用户从问题追到原始数据」，可解释的查询链会变成企业采用的一部分。

4. 华为把国产算力竞争推到整机系统

• 基建采购要同时比较互联带宽、统一内存、冷却方式、机房改造、模型适配和故障域，单卡峰值不能代表整机有效吞吐。
• 做推理业务时，96 卡风冷方案和 1024 卡液冷超节点面对的不是同一个客户。前者更接近既有机房与中等规模部署，后者面向超大模型和高并发集群，不能只按算力数字横向比较。
• 评估国产算力时，应该把软件栈迁移工作量列成单独预算，特别是算子覆盖、编译优化、监控和故障定位工具。

5. 中国开始把 AI 伴侣当成独立的高风险产品类别

• 做陪伴型产品时，先定义哪些关系暗示、情感强化和记忆能力不能对未成年人开放，再讨论留存和付费。
• 评测不应只测模型是否会拒答，还要测它是否会主动制造依赖、如何回应危机、能否明确说明自己是 AI，以及用户能否带走或删除自己的数据。
• 这类监管可能沿着产品功能而不是模型名称扩散。把一个通用模型包装成陪伴产品，不会自动避开陪伴型风险。

风口判断：下一轮竞争是「可用系统」，不是更长的模型清单

1. 数据接入会先于模型替换。Health 的关键动作不是再训练一个医疗模型，而是让模型在授权、脱敏、撤销和数据过期条件下使用个人信息。
2. 成本会按成功任务重新计算。Gemini 的 Flash 与 Flash-Lite 把延迟、token 和风险拆开，企业最终要比较的是一次任务交付花了多少钱，而不是哪款模型的 API 单价最低。
3. 算力会按系统效率定价。Atlas 950 的 1024 卡和统一内存说明，真正的瓶颈已经从「单卡有多快」转向「一组卡能否稳定协作」，这会把互联、散热和软件迁移推到采购桌面。
4. 产品边界会进入模型设计。AI 伴侣监管说明，年龄、关系、记忆和危机处置将成为产品规格的一部分，不能等上线后再交给法务收尾。