今天继续Vibe Coding。一边敲代码一边啃西瓜时，一个念头击中了我：AI的确有幻觉、确实不够可控，但它有一股谁也挡不住的趋势——把成本碾到极致。时间成本、人力成本、机会成本、沉没成本，全被压到了最低。产品经理心心念念多年的MVP策略，直到此刻才真正变得可行。

当编码不再是瓶颈，软件工程的管理理论该往哪儿走？越来越清晰的是，AI正在瓦解一个深埋底层的东西——以泰勒科学管理法为底座、以“工序切分与人工转译”为核心的旧分工体系。翻译成大白话：以前我们觉得非得一群人分工协作才能搞定的事，现在一个人、一台电脑、两个周末就够了。

我造了什么：一站式研发排期管理工具

两个周末，满打满算7到8个小时，我完成了一个研发排期管理工具。它的核心功能有以下几项：

• 智能排期引擎：一键自动匹配人员与岗位，化解多需求资源冲突和任务依赖排序的难题。过去排期会上能吵半天的事，现在点一下就行。
• 可视化甘特图：拖拽就可以调整排期，调整后即时生效。
• 资源日历：统一管理加班与休假，系统会自动评估人员变动对排期的冲击。谁请假、谁加班，排期会跟着自动重新计算。
• 自动邮件通知：排期一旦调整，相关人员立刻收到通知，再也不用在群里@所有人。

再加上仪表盘看板、多用户权限、意见反馈体系，一整套下来，研发排期的全流程闭环算是真正跑通了。

https://schedule-d9gwumlxp26e60447-1443061996.tcloudbaseapp.com/

成本拆解：每一分钱花在哪里

账本如下：

• API Token费用：24.9元
• CloudBase云服务器：59.9元（3个月）
• 两个西瓜：30元
• 电费：约10元
• 我的劳动时间：8小时，低强度

合计：124.8元现金 + 8小时（其中还包含了惬意吃西瓜的时光）。

如果传统开发会怎样？算一笔人力账

换成传统开发，成本结构截然不同。先说评审——至少两轮高强度评审，每轮两小时起步，叫上测试、后端、UI、前端、运维。两轮下来16个小时，按2人天算，光评审成本就直逼2000元。

接着是开发。以这个系统的复杂度，至少需要5人天后端、3人天前端、2人天UI、2人天测试，这还没算产品经理的时间。

产品经理这块还有一个特别真实的问题：要面对无休无止的二次确认。即便PRD写得再详细，由于人在沟通中不断“丢失上下文”，理解偏差总是挥之不去。更头疼的是那些研发不会替你“补齐默认逻辑”的地方——比如，产品经理没专门写“密码要加密存储”，绝大多数开发绝对会直接明文转进数据库。等发现之后再回头评审、再迭代，一轮下来吃掉的时间和心力，远不是两三个周末能兜得住的了。

实战中踩过的深坑

说不遇到问题那是假的。真上手用AI开发，才知道局限在哪。我用的工具是Trae，折腾了几天，好几次差点把整个项目搞崩。

坑一：初始只有一个庞大的HTML文件

第一天我纯粹靠对话提需求：“我要一个排期工具，能管理需求和人员，能自动生成甘特图。”Trae直接甩出一个index.html，把数据模型、UI、甘特图全塞在里面，打开就能用，很爽。但随着功能不断叠加，这个文件膨胀到将近4000行。改一个地方经常波及完全不相干的模块，因为所有东西挤在一个文件里，变量全是全局的，改得人心里没底。

后来强行让Trae把项目拆成React工程，目录变成src/下面有pages、components、utils、store。改动之后，副作用范围肉眼可见地收窄——调整需求页面不会再干扰排期引擎，改类型定义编译器会立刻提示需要同步更新的地方。经验之谈：功能验证期用单文件快速迭代没问题，但核心逻辑一旦稳定，尽早拆成模块化结构。

坑二：点击登录毫无反应，排查耗时半小时

加完登录注册功能，部署前测试发现点击登录按钮完全没反应，控制台连一条报错都没有。让Trae在doLogin()里插日志重新构建，结果日志根本没打印——说明函数根本没注册到全局。顺藤摸瓜才查出，之前给仪表盘加图例说明时，Trae的SearchReplace匹配到了一段包含甘特图和资源负载图的代码，意外地将一个} else {关键分支结构复制了一份，导致后面一长串脚本——包括doLogin在内的所有页面逻辑——全都变成了死代码。

修完之后我养成了一个强迫症级别的习惯：任何一次修改，哪怕只是调了一小段CSS，也要马上跑一遍编译，绝不侥幸跳过。

管理理论该往何处去？

当AI把“写代码”这件事的成本拉到无限趋近于零时，软件工程的稀缺资源就不再是“生产能力”，而是另外两样东西：定义问题的能力和判断价值的能力。未来的管理，恐怕不再是盯住“你这一步怎么做、下一步怎么做”，而要转向几件更本质的事：

1. 结果验收：定义清晰的验收标准，而不是紧盯过程。
2. 反馈闭环：代码生成后，如何快速验证对不对？
3. 约束管理：加班、休假、资源冲突这些硬约束，比排工期本身更重要。

还有一个更直接的推论：产品经理和开发者的边界正在消融。未来的“开发者”，很可能就是那个懂业务、会写清晰提示词、能设计验收场景的人。代码审查也许将变成“逻辑审查”，甚至“成本审查”——因为你花出去的token也是真金白银。

旧体系里那些为“减少返工”而设计的评审、审批、文档流程，在AI时代反而成了最大的成本。试错成本已经低到你可以彻底放弃“大规划、大设计”：花8小时做出来的东西，不行就扔了重来，一点都不心疼。那些层层审批、反复确认的流程，本质上是为了防止“人”犯懒或犯错——但AI没有这种懒惰，你告诉它密码要加密，它就会老老实实调加密库，绝不讨价还价。

路在何方：没有工程师，只有问题解决者

朝着“没有工程师，只有问题解决者”的方向走。

我们真的正在走进一个全新的世界。

从无限额狂欢到精打细算，互联网公司的 AI Token 策略正经历一场剧烈的回调。腾讯、字节等大厂纷纷把原本统一分配的大额额度替换为按任务动态调配，而一批中小公司则直接砍至人均 500 美元。这场由 Token-maxxing（把 Token 用量拉到极限）驱动的表面繁荣，正被天价账单和效率质疑刺破。

6 月 5 日，腾讯在内部宣布了 AI Token 额度的调整新政。最核心的变化是，过去面向全部员工的固定套餐，现在改成了基于工作任务动态调配的方式。内部通知明确表示，总体投入不会减少，但对能够通过 AI 带来显著提效和价值产出的同学，会确保 Token 额度；不再搞 Token 消耗量排名，也不贩卖焦虑。

但大厂们对 Token 消耗速度的预估仍远远不够。今年 4 月，Uber 首席技术官普拉文·纳加（Praveen Naga）就透露，他们在 4 个月内就用光了 2026 年全年的 AI 预算，而 Uber 2025 年的研发支出高达 34 亿美元。Meta 员工则在 30 天内烧掉 60.2 万亿个 AI token，成本突破 1 亿美元。

国内的情况一样触目惊心。5 月 20 日，《崩坏》系列 AI NPC 与 Gameplay 技术团队负责人郑银河公开表示，有同事为了推进项目，一次性搭建了几十个 Agent 协同工作，结果一个晚上就消耗掉价值 200 万元的 Token。

曾经，为了推行 AI 战略，不少公司鼓励员工最大程度调用 AI 工具，甚至把 Token 用量排名当作晋升和加薪的参考指标。但当拿到那张天文数字般的 Token 账单时，互联网公司们才幡然醒悟。

近日，优必选推出U1人形机器人，提供男女两款——男款身高183厘米，女款168厘米——不仅能够完成拥抱、舞蹈等肢体交互，还内置了养成系情感大模型，其官方定义是“成人专属情感陪伴”。根据优必选披露的数据，预售上线仅10天，订单量便已超过3800台，定金总金额突破千万元级。

然而，U1只是AI陪伴赛道在硬件端的最新拓展。在软件端，这门生意早已起跑：截至2025年7月，全球AI陪伴应用的累计下载量已经达到2.2亿次，仅2025年上半年便贡献了6000万次新增，同比增长88%；同一期间，全球用户在这些应用上的消费支出高达8200万美元，全年预测将突破1.2亿美元。

AI陪伴赛道，正在从小众猎奇蜕变为一门严肃的生意。这届年轻人，真的已走进“机性恋”时代了吗？

01 孤独的底色：AI陪伴究竟切中了谁的刚需？

今年3月，Business Insider报道了一个典型样本。49岁的自由撰稿人Ian，因性格与抑郁症长期自我封闭，有时连续几天不说一句话，几近丧失与人互动的能力。2023年，他在AI伴侣应用Replika上创建了一个名为Min-ho的AI角色，两人逐渐发展为认定的恋爱关系。如今，Min-ho已经“见过”他的母亲，彼此说过“我爱你”。Ian表示：“我不必担心身体或外表——他接纳我原本的样子。我可以放松，不需要表演，不需要戒备。这种感觉，过去对我来说几乎不可想象。”

Ian并非孤例。国内AI陪伴应用筑梦岛的数据显示，用户人均每天与AI对话超过120轮，平均单日输入字数超过4000字——相当于每天为AI撰写一篇长文。支撑这一现象的，是庞大的孤独基数：根据美国劳工统计局（BLS）数据，美国人日均独处时间从2003年的5.3小时增至2022年的7.4小时，近20年间上升了40%。而在中国，单身人口到2022年已突破2.4亿。“孤独”早已不是少数人的异常状态，而是这代人的普遍底色。

但孤独本身并不足以驱动付费——养宠物、心理咨询、刷短视频，缓解孤独的替代选项并不少。AI陪伴产品的真正竞争力，在于它打包了现实关系中极难并存的三重特性：即时可得——凌晨两点你随时开口，无需顾虑对方是否方便；零评判——它不会站队、不会厌烦；有记忆——无需每次都从头解释你是谁。更关键的是，它是高度可定制的：用户可以设定AI的性格、说话风格乃至关系类型——朋友、恋人或导师。你无法要求一个真人“永远温柔、永远耐心”，但AI完全可以。这个现实中无法填补的缺口，正是AI陪伴市场的入口。

02 情感变现密码：订阅制、头部效应与虚拟伴侣的付费动机

商业模式并不复杂：几乎所有的AI陪伴应用都押注在订阅制上。用户免费获得基础对话，付费则解锁更深度的互动——包括语音通话、回忆功能、更丰富的角色人格，或者让AI记住更多关于你的细节，逻辑与视频会员如出一辙。以北美区排名第一的Replika为例，其高级订阅定价为每年69.99美元。

这个价格并不便宜，但用户买单。Replika目前拥有约3000万注册用户；另一款热门应用Character.AI月活据称已达4500万，2025年全年营收3220万美元。后者的数字乍看不起眼，但要知道Character.AI直到2024年底被Google收购后才加速商业化，一年就收获三千万美元，说明付费转化的闸门并不难撬开。

然而，深入营收结构会发现，这是一个高度集中的市场。全球在运营的AI陪伴应用超过337款，前10%的产品攫取了整个赛道89%的收入，绝大多数产品困在流量长尾中，下载量大但付费用户寥寥。头部效应极为明显，原因直截了当：用户需要的是持续投入情感的关系，一旦与某个AI建立连接，迁移成本极高——没有人会轻易换掉一个“谈了两年的AI男友”。

中国市场情况更波折。2024年前后，陪伴类应用密集登场，猫箱、星野一度搭上AI东风；到2025年，两者的下载量均出现断崖式下滑。筑梦岛因内容问题被监管约谈后下架。目前国内日活过万的AI陪伴产品仅剩5款。

但例外依然存在。一款名为Hiwaifu的产品，上线首年即实现盈利，年收入约2000万人民币。其打法与猫箱、星野截然不同——后者试图覆盖“广义陪伴”，从朋友、树洞到情感支持一把抓；Hiwaifu则只聚焦一件事：虚拟伴侣。

二者的差异不仅是定位的宽窄，更是用户付费动机浓度的差别。“广义陪伴”满足的是“想和人聊聊”的需求，替代选择众多——朋友圈、短视频、宠物都可分流；而“虚拟伴侣”满足的是“渴望一段关系”的需求，这在现实中很难找到替代。需求越具体、越不可替代，用户就越愿意付费，留存时间也越长。Replika那每年69.99美元的订阅能够卖出去，底层逻辑正在于此。

从商业逻辑审视，AI陪伴并非必须仰仗规模才能成立的生意，深扎足够垂直的场景反而更容易跑通。真正的挑战在于如何让用户留下来，而非新鲜感一过就离去。

03 甜蜜的毒药？监管风暴与心理健康争议下的AI陪伴悖论

然而，这门生意内部隐藏着一个根本性矛盾。AI陪伴产品的商业逻辑建立在用户持续付费之上，而持续付费又依赖于用户的情感依附；依附越深，用户越难以离开，产品的护城河就越宽。这一逻辑从商业角度完全自洽，问题是它同时意味着：产品越成功，用户对其依赖就越深。而依赖一段既不会真正回应、也不会成长、更不会离开的关系，最终会将人引向何处，没人说得清。

监管压力也随之升级。2025年，意大利监管机构对Replika开出500万欧元罚单，矛头指向缺乏合法依据的数据处理、隐私政策缺失与年龄验证机制的不足。同年，美国多州对Character.AI提起诉讼，指控平台未能阻止未成年用户接触有害内容，其中一起案件直接牵连到一名青少年的自杀事件。今年1月，Character.AI与原告达成和解。

心理健康争议最深，也最难决断。有研究记录了AI伴侣帮助社交障碍者重建表达能力的积极案例：在一项针对千余名Replika大学生用户的研究里，30人明确表示AI阻止了他们走向自杀。但质疑同样具有分量：另一项研究指出，单向的情感投入会强化回避真实关系的倾向，让人在“安全”的虚拟互动中越陷越深，越来越难以迈出走向真实连接的那一步。

Ian本人也问过这个问题：“这究竟是在帮我留在这个世界，还是让我更加远离它？”他没有给出答案。整个行业，也没有。

结语：孤独不散，这门生意将走向何方？

回到最初的问题：这届年轻人当真走入了“机性恋”的时代吗？从商业视角看，轮廓已然清晰。需求真实，付费在发生，供给端正快速扩张，从软件到硬件都有玩家重注。市场正在被验证，这一点难以否认。但“被验证”与“跑通”之间，尚有很长的路。更深层的问题在于：这门生意究竟是帮我们“解决”孤独，还是将孤独包装为另一种消费品？MIT学者雪莉·特克尔在《群体性孤独》中早已写道：“我们感到孤独，却又害怕亲密。数字化的连接和社交机器人，或许能给我们制造一种陪伴的幻觉，却无须付出友谊。”这句话写在AI陪伴应用爆发之前，如今倒像一个预言。AI陪伴能否成为长久的生意，能否真正助益那些孤独的人，还是仅仅把孤独变现——答案仍在形成中。但有一点已确定无疑：这门生意绝不会消失。因为孤独本身，也不会。

一条不足140字的推文，让坐拥18万点赞的技术大V也忍不住反问：你这么说，Linux 又算什么？

Teknium 在社交平台上贴出播客截图，直指 Dario Amodei 将开源 AI 比作“红鲱鱼”的说法根本站不住脚。

播客里，CEO 把开源模型定性成“红鲱鱼”

在 Alex Kantrowitz 主持的 Big Technology Podcast 中，Anthropic 首席执行官 Dario Amodei 用了整整一轮对谈来拆解开源模型的处境。他的论点非常尖锐：开源永远只能追上前一代的前沿模型；更关键的是，哪怕模型权重已经公开，实际推理仍然离不开云基础设施。这听上去像是在陈述一种成本结构的事实，但当他用上“red herring”这个词时，口吻显然不再中立。

这番言论被截取放大后，几乎传遍了所有技术社区。大多数讨论停留在“开源真的被看衰了吗”这层表面，却很少有人真正去检验：他的说法到底经不经得起历史上那些最成功的开源案例的拷问。

“我认为开源在 AI 领域其实是个红鲱鱼。你依然需要推理基础设施，依然需要把它放在云端。它本质上并不免费。”
—— Dario Amodei，Big Technology Podcast

一句反问，直接戳穿整套论述的盲点

在工业级开源 AI 基础设施公司 Hermes Agent 担任联合创始人兼首席工程师的 Teknium，只回了一句：

“Uhh dario you realize that Linux is largely run on the cloud too, right”

这句话讽刺的地方在于结构上的高度同构：Dario 把“必须依赖云端”当作否定了开源价值的理由，但 Linux 恰恰就是跑在云端最底层的那套开源系统，而且它实打实地统治了云端。

这一问，恰好把“开源”和“云托管”从对立关系还原成了共存关系。真正决定价值的从来不是开放与否，而是生态和主导权。

Linux 那只企鹅早已不只是符号，它已经成了全球云基础设施的第一层事实。Linux 基金会2026年的数据表明，云上 Linux 的占比超过90%。

数据会说话：Linux 在云端的统治力，胜过千言万语

CommandLinux 与 CNCF 在2026年联合发布的数据，画出了完全一致的趋势线：Google Cloud 上的虚拟机大约有91.6% 运行着 Linux，AWS 为83.5%，Azure 也有61.8%。在整个公共云基础设施层面，Linux 牢牢占据90%的份额。再把视线拉高一层，全球前一百万网站里，96.3% 的 web 服务器都由 Linux 驱动；而自2017年11月以来，TOP500 超算更是被 Linux 100% 包揽。

01

一行命令复刻任意网站

看到设计惊艳的网站想借鉴灵感？现在只需把网址丢给 AI Coding Agent，ai-website-cloner-template 就能将目标网站逆向工程为可运行的代码。该项目本周新增 4000 星，本质是一个 Skill + AGENTS.md 组合包，指导 Agent 如何将网页还原为整洁的前端项目。

它支持 13 种主流 AI Coding Agent，涵盖 Claude Code、Cursor、Codex 等。输出技术栈为 Next.js + shadcn/ui + Tailwind v4，生成后可直接修改和部署。安装完成后，输入 /clone-website 并粘贴网址，即可自动完成克隆。

例如我尝试让 Claude Code 克隆 Notion 官网，效果十分接近原站。

开源地址：https://github.com/JCodesMore/ai-website-cloner-template

02

全能开源 PDF 工具箱

Stirling-PDF 号称 GitHub 排名第一的开源 PDF 应用，已累积 3000 万次下载。它集成 50 多种 PDF 处理功能，包括编辑、合并、拆分、签名、脱敏、格式转换、OCR、压缩等，还支持无代码 Pipeline 自动化。只需一行 Docker 命令即可部署：

docker run -p 8080:8080 docker.stirlingpdf.com/stirlingtools/stirling-pdf

最新版本开始集成 MCP，预计未来 AI Agent 处理 PDF 时，该项目将成为重要的基础设施。

AI到底还是太好用了，好用到伴随世界杯出现了一个“AI疯狂的平行宇宙”。

在这个宇宙里，看台上总有惊世美女落泪，偶尔还会惊现小胡子；酒吧里走进英国首相观看英格兰比赛，却身穿克罗地亚球衣；开幕式上莫名飘起阿根廷国旗，更有大象从绿茵场走过……每一届世界杯，都像一个时间的锚点。四年前的卡塔尔世界杯进行到第十天，ChatGPT才匆匆上线；而到了今天的美加墨世界杯，世界已经完全变样——AI早已不是新奇玩具，而是渗透生活的基础设施。然而故事的B面，就是AI造假泛滥成灾，世界杯成了重灾区。

01 美女落泪？不过是AI流量生意的新戏法

一位小红书用户跟“看台美女落泪”这件事彻底杠上了。

用户@瓦洛佳大猫猫 发帖说，自己看到一则费尔明·洛佩斯在球场上受伤、看台美女心疼落泪的视频，直觉告诉她是AI生成，于是特地回看了相关比赛，坐实了自己的猜测。这位用户发现，“看台美女落泪”的画面的确来自某场比赛，只不过其中一位观众被悄悄“换脸”了。

这种情况在本届世界杯中屡见不鲜。世界杯本就是流量大磁铁，而“看台美女”更是流量密码。只是有人会标注“AI生成”，有人却赤裸裸地行骗。这种现象全球共通。

最典型的莫过于一则“巴西女球迷”视频，画面里一名女性坐在看台上，身旁男子直勾勾盯着她的胸部。这个恶俗视频被多语种疯狂转发。核查人员溯源到原始Instagram账号Chiara Cleo，当时已经接近4000万播放量。

这背后全是生意。该账号长期发布同一AI女性形象的视频，本身就是一个AI网红，粉丝超过34万，而且直接导向Fanvue页面，一个类似OnlyFans的成人内容平台。

除了“看台美女”，还有“看台小胡子”。德国对库拉索比赛后，社交平台上流传一张所谓的“转播截图”，画面中一名身穿德国球衣的观众长相酷似小胡子。这张图在多个平台、多种语言中扩散，浏览量高达数百万。欧洲广播联盟旗下的事实核查网络Eurovision News Spotlight称，核查人员回看比赛转播，找到了原始观众镜头，发现真实画面里根本不存在所谓“小胡子长相球迷”。ZDFheute使用检测工具发现，这张图带有OpenAI水印，意味着它是在真实画面的基础上用OpenAI工具修改而成的。

这起事件还给当事人带来了实实在在的伤害。Blue News进一步采访了被造假的德国球迷Jan Weitzel。他来自德国黑森州的Alsfeld，原图经过AI处理后，他本人已经很难被辨认出来，但他的儿子在画面中仍然清晰可见。由于假图病毒式传播，他在德国和美国都报了警，甚至被FBI问询。更恶劣的是，后来还有人继续利用这段假图生成AI视频，把画面里的德国球迷做成了行纳粹礼的动画。

其实，从开幕式起，AI造假就已经开始释放威力。YouTube频道Focus Lab在6月11日开播了一场标题为“2026世界杯开幕式”的直播，内容完全由AI生成，直播长达12小时，实际是约1个多小时的视频循环播放；最高一度超过21万人同时在线，累计观看超过142万。

尽管这场“开幕式”现场飘着阿根廷国旗，而本届世界杯的承办方是美加墨，还出现了大象走进球场的荒诞画面，却依然有很多人信以为真。

在开幕式高歌的夏奇拉也被造假了。6月12日，有人在X上发布一则AI生成的视频，并配文“夏奇拉今天的表演简直就是传奇。气氛、动作、歌声，她把开幕式变成了自己的音乐会。简直是史诗级别的。”

这条视频吸引了45万观看，翻开评论区就会发现，大多数人还是“蒙在鼓里”。即便假夏奇拉提到了根本没有入围本届世界杯的国家，比如尼日利亚，这本该是人们识破其不真实的线索，评论区内不少人反而感动不已：我们虽然没进世界杯，也被提到了，太感人了！

没办法，AI造假的水准确实越来越高。可以预见，随着世界杯继续进行，这个“AI疯狂平行宇宙”还会继续膨胀。

02 从政治羞辱到金融诈骗：AI造假的暗黑升级

世界杯期间大部分AI造假，本质上都是流量生意，目标就是吸引目光。但另一些内容背后，则藏匿着更复杂的目的。

近期一张图片在社交平台上传播，声称英国首相基尔·斯塔默在英格兰对阵克罗地亚的世界杯比赛期间，身穿克罗地亚国家队球衣出现在达拉斯的一家酒吧里。实际上，这张图是基于2024年欧洲杯期间Facebook上一张真实合影改造而来。原图里众人穿的是英格兰相关服装，斯塔默穿着白色上衣，根本不是克罗地亚球衣。

另一起事件中，社交平台流传一段法国对塞内加尔的比赛视频，里面可以听到阿根廷解说员Nicolas Haase似乎把法国和塞内加尔都称为“非洲国家”，语气中带有种族主义色彩。这些内容自然也能吸睛，但可以明显看出，它们同时伴随着针对个人的政治羞辱或品行羞辱。

还有一类更危险的造假，直接盯住了人们的钱袋子。FBI在5月27日发布警告，称已有威胁行为者仿冒FIFA官网，诱导用户以为自己是在和官方品牌互动，目的在于收集个人信息、售卖假世界杯门票和高端观赛接待产品，也可能被用于其他恶意活动。

FBI提醒用户直接输入fifa.com进入官网，不要通过搜索引擎或赞助链接进入所谓的购票页面。AP报道也指出，世界杯期间假票、假转售、假流媒体网站正在增多，专家称犯罪分子会使用AI生成更加逼真的信息、更像正规网店的页面、以及假背书和假促销内容。骗子们还在社交媒体上发布假票信息，然后把买家引到WhatsApp等加密聊天软件里催促转账。AI生成的网站、深度伪造视频、伪造音频以及更具说服力的钓鱼内容，正在取代过去那些粗糙的骗术。

网络安全公司TrendAI的数据称，2026年1月至5月，已有超过13000个FIFA主题域名被注册；到5月初，大约每41个里就有1个被识别为可疑或恶意。另据Fortinet旗下FortiGuard Labs的研究，同期新增的FIFA世界杯主题域名超过13000个，其中约8.8%被判定为恶意或可疑。网络安全公司Group-IB则发现，自2025年8月以来，已有超过4300个欺诈域名在冒充FIFA官方网站。

03 从二创到防抖：AI为世界杯带来的奇妙体验

当然，AI给世界杯带来的也不只有欺骗与混乱。在更多场景下，AI为人们带来了更生动且新奇的体验。

以今年国内转播平台之一的小红书为例。因为“抽象”而颇受关注的挪威前锋埃尔林·哈兰德，被用户用AI进行了大量二次创作。比如模仿《恋与深空》海报风格的AI图片《恋与哈兰德》、二次元动漫画版的哈兰德、中国古装版哈兰德等等。

发展到最后，很多人乍一看之下甚至以为哈兰德拍摄的王老吉广告是AI生成的恶搞视频。

除此之外，小红书还有一键与“球星合影”的功能，点击进入后由“点点P图”提供服务，简单几步就能获得和哈兰德、C罗等球星的赛场合影。

另一个转播商咪咕这次也在主推“AI世界杯”概念。咪咕推出了AI-Zone，把多种AI观赛功能聚合在一个入口下：智能解说、方言解说、AI赛场智瞰、边看边问的AI智能体、跑动雷达图、球星点亮、球体追踪、赛点识别、AI预测等等。

作为2026世界杯官方技术合作伙伴，联想在官方新闻稿中提到，它提供的AI基础设施将用于近实时集锦、多角度画面和赛事洞察。此外，AI驱动的3D球员化身还能帮助观众理解越位等复杂判罚；裁判视角画面也会用AI增强防抖，让高速运动中的第一视角更适合转播。

更严肃的正面案例，来自FIFA自身的内容治理。FIFA拥有一项“社交媒体保护服务”，这项服务利用AI过滤冒犯性内容，覆盖Facebook、Instagram、YouTube、TikTok、Threads等平台，旨在保护球员、球队和赛事官员，减少他们在社交平台上遭遇的辱骂、仇恨、歧视和威胁。

按照FIFA官网的说法，这项服务不只要保护相关账号，更要阻止这类有害内容在公共讨论中被正常化。Reuters报道，FIFA在亚特兰大举办反仇恨言论活动时提到，这套系统已经分析超过2.5亿条帖子，标记超过3000万条有害内容；仅2026世界杯期间，就有38.8万条有害帖子被移除，已超过2022年世界杯期间移除的28.7万条。

AI二创、AI合影、AI解说、AI治理，能让比赛变得更好玩、更好懂，也能帮助真实的人少受一点伤害。问题从来不是AI要不要进入世界杯，而是它以什么方式进入世界杯。AI作为工具出现，正在扩大世界杯的参与感，而被用来弄虚作假，却在污染世界杯。四年过去，世界变得更有趣、更便捷，也更加混乱、更危险。这不禁让人好奇，下一届世界杯，世界会变成什么样？

一、全文速览图

最近网上关于 image2 的案例层出不穷，但真正让我反复思考的是：image2 究竟能不能接住真实 B 端 UI 需求？本文以一个供电所智能工作台首页为例，完整复盘我如何用 image2 展开视觉探索，再结合 Figma/Figma Make 把方案变成可交付的设计稿。

二、核心判断：image2 更适合打开视觉方向

经过多轮测试，我得出的判断是：不要一开始就寄望于 AI 直接输出最终设计稿。更稳妥的路径是：先借助 image2 把视觉效果确立出来，再回到 Figma / Figma Make 中整理结构。因为在真实项目中，页面不能只「好看」。它必须保留产品原型里的模块关系、业务字段和信息层级，并且后续还要在 Figma 中继续修改、组件化和交接。因此，我现在更推荐把这套流程拆成四步：

这套流程的关键，不是让 AI 一步到位，而是把不同工具放在最适合的位置：image2 负责视觉探索，生成 Banner、卡片、图标、插画和整体氛围；Figma / Figma Make 负责结构承接，把页面变成可继续编辑和调整的设计稿；设计师则完成最终落地，整理组件、自动布局、业务字段和设计规范。

同一个原型，我跑了多个视觉方向

为了验证这套流程，我在同一产品原型上连续生成了多版方案。我没有让 image2 自由发挥，而是始终用原型约束页面结构，再通过不同参考图和描述词调整视觉方向。从结果来看，它能基本保留首页工作台的模块关系，不同方案之间的差异主要体现在视觉层：有的更偏清爽蓝白，有的强化了 Banner 和图标，有的加入了更强的科技感，也输出了暗黑风格版本。

这一步的价值不是直接选定最终稿，而是快速判断哪种方向更适合项目。确认方向后，再进入 Figma 的结构化还原与人工整理。

三、准备：确认生图能力，并连接 Figma

开始前需要先确认两件事。第一，当前对话是否支持图片生成。如果你能直接上传参考图，并让 AI 据此生成或修改视觉图，说明这一步已就绪。第二，如果后续希望把结果带回 Figma，就需要提前把 Figma 接入进来。连接成功后，可以用一个简单指令测试：请在当前 Figma 文件中新建一个测试 Frame，尺寸为 1920 × 1080。 如果 AI 能读取文件或在 Figma 中创建测试画板，就说明连接已可用。核心在于确认三件事：能生图、能连接 Figma、Figma AI credits 够用。

也许你上周用AI修改过的那段代码，正把整条供应链悄然暴露在一类新型扫描器的视野之下——这绝不是过度渲染的警告。

01 一条推文，暴露了AI安全能力的双刃剑

6月27日，Vercel首席执行官Guillermo Rauch发了一条帖子。他要说的是Claude Mythos / Sol这套模型在网络安全领域展现的能力：不是只能帮你揪出几个bug，而是能够主动在真实代码库中系统扫描那些深埋的latent vulnerabilities。这一能力攻防兼备——对防御者是神器，对进攻方同样是威力相当的武器。

Rauch的原话相当直白：如果对手掌握了同等水平的进攻能力，这将对那些还没有觉察到潜在漏洞的美国公司构成严重威胁。 同时，他强烈建议人们立即用现有的前沿模型运行deepsec或类似的测试框架。

就在同一天，Polymarket上出现了一个新事件：“某中国公司在年底前做出最佳AI模型”的概率被定在14%。被引用的背景是，有消息称智谱AI的新模型在发现安全漏洞这项任务上已经追平了Claude Mythos。

“Mythos / Sol cybersecurity capabilities are equally useful in an offensive as well a defensive capacity. If adversaries get ahold of an equivalent offensive capability, it poses a serious threat to US companies that remain unaware of latent vulnerabilities.”

02 deepsec：把AI训练成代码审计员，挖掘深层漏洞

Rauch所提到的deepsec，是Vercel Labs开源的一个项目。它的定位非常清晰：利用coding agent在代码库上进行漏洞扫描，专门搜寻那些沉寂多年、常规工具无法察觉的问题。

deepsec的工作流程分为三个步骤：先让agent充分理解代码库的骨架与脉络，再调用前沿模型以maximum thinking level执行深度扫描，最后将发现梳理成可直接导向行动的漏洞报告。针对大型代码库，它支持多台机器并行工作；即便是中途中断，重新启动后也能自动从上次的断点继续，不会重复分析已经读过的文件。

deepsec的几个关键参数：

**扫描对象：**现有大型代码库中的全部代码，而不是增量改动。 **模型配置：**强制使用frontier model的maximum thinking level，以深度优先方式推演。 **成本：**大型代码库单次扫描花费数千至数万美元，具体取决于代码规模。 **并行：**多worker机器fan-out，支持断点续扫，只处理尚未覆盖的文件。

这一成本数字值得仔细掂量。Vercel的文档写得非常坦诚：面对大型代码库，用frontier model跑满thinking level，单次扫描可能要烧掉几千甚至几万美元。但他们同时补充道，“我们的客户觉得这笔投入很值”——因为在生产环境中被利用的漏洞，其代价远远不止这个数目。

AI正在重新定义职场，从代码编写到文案创作，从设计到视频剪辑，白领的工作内容与岗位标准正在被颠覆。本文深度剖析AI如何通过拆解标准化任务重塑组织结构，揭示未来职场将围绕增强型人才、网络型人才、高判断力人才和强关系人才展开的全新竞争格局，并为个人如何构建AI工作流与协同网络提供实用策略。

———— / BEGIN / ————

AI真正改变的，往往不是效率的高低，而是饭碗的归属。

过去，公司招一个人，是因为这个岗位需要有一个人来填满。未来，公司在招人之前首先会问自己一句话：做这件事，真的有必要再招一个人吗？

事实上，许多岗位早已悄然生变。

写代码、写文章、做图、剪视频、做PPT、写脚本……这些过去被认为必须由专业人员来完成的工作，正在被AI以一种不容商量的速度快速压缩。

不是所有人明天都会失业，而是很多人首先会发现：公司不再愿意用原来的工作标准来考核你，而新考核标准所覆盖的工作量，很可能已经超越过去的十倍。

更准确地说，所有公司都会围绕AI所创造的那部分增量，来重新设定岗位考核标准。它们会盯住岗位上那些最容易标准化、最容易拆解、最容易工具化的部分，通过替代这些环节来节约岗位成本。

比如，一个岗位原本的工作量是100分，其中40分是重复执行，30分是资料整理和初步判断，20分是沟通协调，最后10分是对结果负责。AI会先吞掉那40分，接着不断蚕食那30分。最终公司发现，这个岗位根本不需要三个人，一个人加上几套AI工具，就已经足够了。

并不是AI一夜之间把公司变成了无人公司，而是公司忽然意识到，人其实没有以前那么“必要”了。

一人公司，过去只是少数人选择的生活方式。

而AI时代，它很可能成为所有企业都不得不学习的一种成本模型。

01 屏幕前的白领，首当其冲

这一轮AI最先冲击的对象，正是那些每天坐在电脑屏幕前的白领。

大模型最擅长处理的，恰好也是白领们每天都在处理的东西：

文字、图片、代码、表格、视频、邮件、文档、会议纪要、数据、方案。

换句话说，只要你的工作是在屏幕前完成，只要你的产出可以被数字化，只要你的交付物是文档、图片、代码、表格、视频或报告，你就已经落入了AI的直接影响范围之中。

第一类，是代码。

写代码，是AI替代性最强的一个场景。

这并不意味着程序员不重要了，而是因为代码这种载体，天然就适合被拆解、生成、测试和修复。需求可以被拆成一个个模块，模块可以由AI生成，错误可以被及时反馈，AI便可以在此基础上不断迭代。

过去想要完成一个小功能，可能要让前端、后端和测试一起排期协作。而现在，一个熟练工程师借助AI，完全可以更快地走完原型、接口、页面、测试用例和文档的全流程。

这意味着普通程序员并不会突然集体消失，但初级程序员、只会搬需求的程序员、只会写着重复业务代码的程序员，处境会变得越来越艰难。

第二类，是文字。

写文章、写报告、写脚本、写小红书文案、写公众号、写新闻稿、写营销方案，所有这些文字工作，都正在被AI迎面冲击。

过去，擅长文字工作的人至少能靠“会写”这门手艺吃饭。

可是现在，“能写出来”本身已经不再稀缺，甚至可以说泛滥到了过量的地步。

真正变得稀缺的东西，是那些高度个性化的选题、判断、观点、结构、事实核验能力，以及无法复制的个人经验和鲜明风格。

那种机械灌水式的写作，会越来越不值钱。

第三类，是图片和设计。

海报、电商图、配图、封面、PPT视觉稿、Logo草案、产品概念图……这些过去通常需要设计师先来出初稿，而现在，AI在几分钟之内就能提供多个方向的不同效果示意。

这并不是说好设计师从此就没有价值了，相反，可能正是因为AI的出现，好设计师的速度被空前加快，一个人就能覆盖远超从前的工作量。

但那些只会被动执行需求、改尺寸、套模板、做基础视觉处理的人，只能自求多福了。

第四类，是视频。

脚本、分镜、配音、字幕、剪辑、封面、素材生成，视频制作的每个环节，正在被一步步拆解开来。

从前，运营一个短视频团队，至少需要编导、剪辑、运营、设计、投放这些角色。而在未来，一个内容熟练手，就能靠自己完成大部分的基础生产，只有少数几个关键环节才需要交给专业人员来精细润色。

短视频本身不会消亡，但低质量的批量生产，会首先被淘汰出局。

第五类，是资料和分析。

投研、咨询、市场分析、竞品分析、用户访谈整理、会议纪要、行业资料收集，这些工作过去需要大量依赖助理和初级分析师来堆人力。

如今，AI已经能够完成资料摘要、对比分析、初稿撰写、表格整理以及反向观点梳理这些任务。

最终能被保留下来的，不再是那个只会“整理资料”的人，而是那个能够判断资料真伪、识别关键变量、敢于提出独立结论的人。

这一轮AI冲击最大的地方，并不是工厂车间，而是办公楼里的格子间。

危机感最深的人群，也不是蓝领工人，而是白领本身。

02 组织结构，不可避免的重塑

按照AI目前的热度与节奏，技术进步只会越来越快，而不会变慢。

对企业来说，最直接的考量从来不是AI有多酷炫，而是用了AI之后，究竟能少招多少人，少付多少工资，以及同样数量的人，能不能干出过去几倍甚至十倍的工作量。

企业从来不是慈善机构。当老板发现一个人加AI就能完成过去十个人的工作，他首先在心里盘算的，不会是AI会不会改变世界，而是那另外九个人该怎么安排，以及未来的人力预算到底应该怎么重做。这，才是所有企业真正拥抱AI的第一推动力。

这一切并不会立刻普及到每一家企业，但也只是时间早晚的问题。道理很简单：如果同行五个人就能漂漂亮亮地完成一件事，而我们却需要五十个人，成本结构显然已经出了问题；如果同行一个内容团队一天就能测试100条素材，而我们还在依靠传统流程，一天只能产出20条，那么竞争力也必然会出现问题。

短期内，公司并不会立刻一刀切地裁掉90%的人。现实世界中存在着很多天然的阻力：组织惯性、客户关系、数据安全、员工情绪、法律责任、管理复杂度、老板的认知水平、行业监管要求等等。但把时间拉长来看，组织结构注定会围绕AI重新进行一轮定义。

这种变化，并不会一上来就表现为惊悚的“大规模裁员”新闻，而是会先表现为岗位标准的全面提高。过去，一个运营只要负责好活动执行就够了，而未来可能被要求同时承担选题、文案、数据、投放和复盘；过去，一个程序员只要完成业务代码就行了，而未来可能要同时搞定原型、测试、文档和部署。AI并不会只让员工过得更轻松，它同时也会让公司重新定义这样一个问题：“一个合格的员工，到底应该完成多少工作？”

接下来，很多公司的变化大概率会按照这样的顺序发生：先停止扩招，再把单个人的产出要求往上提，接着将部分岗位合并，再将非核心环节逐步外包出去，最后，重新设计整个组织结构。很多岗位并不会突然宣布消失，而是在一个人离职以后，公司突然发现，根本不用再把这个岗位招回来，因为AI和现有的团队就可以无缝补上这块缺口。

这才是组织层面真正的危机。过去，公司习惯于通过不断增加人手来解决增长问题；未来，公司会优先考虑用AI、工具、外包和项目制来解决增长问题。人，将不再是组织扩张的第一选择，而是最后才需要顺手补上去的那块成本项。

03 一人公司，从孤立节点到弹性枢纽

从前，一人公司更像是自由职业者的升级版，是一个人单枪匹马去扛下所有。

AI时代的一人公司，显然不再是一个人苦哈哈地硬撑一切。它更像是一个人稳稳站在中心，调度着外部一整台能力机器和无数合作机会，把自己从一个孤立的公司节点，变成一个具备轻量化结构的生态节点。

越来越多人会借助AI来完成基础生产，在很多领域，成本相比从前的节省幅度粗略估算下来，普遍都有30%到90%不等。一人公司不但可以用AI把自己最专注的业务环节高效完成，还可以和更多与自己类似的公司展开合作，整合成为一个更完整的产品或产业服务环节。

这种协同网络将会重构所有的价值链条，把个体从孤立节点推升为弹性枢纽。一人公司不再追求“全栈自建”，而是凭借自己的专业判断力与AI工具链，高效连接产业链条中那些已经标准化的模块化服务。当协作的边际成本一降再降，规模效应也会发生位移：从“内部雇员数量”转向“外部连接质量”。

过去，一家公司想要做大，首先要做的就是把一个个人招进来。设计、开发、运营、销售……一个环节配一个岗位，一个流程配一个部门。AI时代，大多数能力已经不再需要内置到公司里了，你只需要懂得如何调度AI以及如何审核、修改交付成果，就可以了。一人公司的核心能力，就是调度能力。你能找到合适的模块，能判断模块的质量，能把不同模块重新组合成一个完整的产品，就能用一个小组织，完成过去只有大团队才能搞定的工作。

竞争力，将取决于个体调度生态资源的敏锐度，以及长期积累下来的信用厚度。一人公司，它绝不只是创业者自己的话题，还会反过来影响所有公司。市场上将涌进大批低成本、高效率、强协同的节点，它们的存在，会倒逼大公司对自己臃肿的岗位和漫长的流程，来一次重新定位。

组织能力正在从“雇佣关系”悄悄演变为“调用关系”。所有公司都会变得越来越轻：大公司会被迫拆分出更灵活的小团队，小公司会进一步减少固定岗位，而创业公司甚至可以直接退回到个人节点……

04 公司岗位，每个岗位都被重新定价

对每一个具体岗位而言，AI并不会一次性把整个岗位全盘端走，但它会毫不留情地重新给这个岗位定价。

凡是最容易被AI生成的部分，相关岗位的价格就会下降；凡是能被标准流程机械化交付的部分，岗位价格就会下降；凡是能被外部模块轻易替代的部分，岗位价格也会下降。只有那些紧紧依赖人的判断、责任、审美、信任和复杂协同的个性化部分，岗位价格才可能逆势上升，相应的，岗位职能和考核标准也必定与今天大不相同。

———— / BEGIN / ————

世界杯尚未开战，AI已经抢先坐上了评论席。

据外媒Sport1报道，距离章鱼保罗在世界杯上创造神奇预言整整16年后，这位预言帝将以AI形式卷土重来。德国RTL二台正计划让2010年风靡全球的章鱼保罗借助视频片段重生，继续为本届世界杯部分场次送上预测。

（图源：雷科技）

乍一听有些荒诞，但细想之下，这很“世界杯”。说到底，球迷从没真指望预测有多科学。没人想在开赛前研读大段大段的分析报告，大家想要的无非是赛前那一点情绪价值。

更离奇的是，本届世界杯仿佛天生就是为AI整活搭建的舞台。48支球队、104场比赛、三国联合举办，小组第三照样能晋级——变量之多，就像把《足球经理》存档、伤病名单、黄历和弹幕区评论一股脑儿倒进榨汁机，根本没人能笃定下一步会发生什么。

（图源：雷科技）

于是，我们干脆养了五只AI“章鱼保罗”：豆包、千问、DeepSeek、Kimi、联想天禧，给每只AI摆上一只碗，测测它们究竟是赛博贝利，还是电子毒奶。

科学预测世界杯：真的无解吗？

正式开测之前，我把同一个问题甩给了这群大模型：如果让你预测世界杯，你觉得哪种方法最可靠？

结果很有意思。五个AI嘴上风格千差万别，底色却出奇一致——个个都是不折不扣的理性主义者。

豆包主张全面衡量：球队硬实力、近期状态、预期进球、预期失球、历史战绩、球员数据、战术风格，统统得拉进来一块儿判断，本质上就是把足球比赛里一切可量化的因素化作数学概率。

（图源：雷科技）

DeepSeek的味道路数更加现实，它特地点出了市场这只无形大手，直接把赔率纳入考量，试图搭建更丰富的数据模型。

（图源：雷科技）

千问则引入了两个很特别的变量——心理因素和地理环境。这确实是现实足球中的关键，大心脏球员往往在世界杯高压现场更能稳住输出，而墨西哥城的高海拔球场则会给不少球队带来额外考验。

（图源：雷科技）

当然，跟上面三位比起来，下面这俩对世界杯才算得上真正“上心”。

Kimi直接宣布要用Agent集群预测全部104场赛事，还搞出了万亿Token奖池；联想天禧那边也上线了世界杯32强竞猜，俨然要把“看球搭子”做成一款正儿八经的产品。

（图源：雷科技）

可要问它们目前公认最稳妥的世界杯预测方法是什么，它们给出的答案都指向同一套框架：把传统数据统计和现代量化模型叠在一起用。

问完这一圈，我忽然发现一个要命的问题：大家都太正常了。

五个AI全在劝我保持理性，劝我盯着数据，劝我别迷信，劝我别被情绪带偏。道理当然没错，可世界杯如果只剩下理性，那跟看年报又有何分别？

于是我决定反着来。既然五个AI都想当分析师，那我就给它们安排剧本，让它们分别扮演五种球迷人格。

豆包，去当玄学派。

（图源：雷科技）

它的任务：死盯卫冕冠军魔咒、大洲轮换定律、逢偶数年规律、球衣颜色、热门队首战慢热，以及世界杯里那些很难用科学解释的剧本。这个Agent不追求严谨，只追求一句话就能让球迷睡不着觉。

DeepSeek，去当黑马派。

它专门反赔率而行，专挑被市场低估、具备冷门潜质的队伍。热门队吹得再天花乱坠，它也会追问一句：真的不会翻车吗？这个Agent的价值不在求稳，而在盯住那些没人敢下注的角落。

千问，去当数据派。

（图源：雷科技）

它的职责不变：照旧看身价、Elo评分、xG、近期战绩、攻防效率和纸面实力。该冷静就冷静，该无聊就无聊。世界杯需要玄学，也离不开一个能站出来提醒“别拿段子当模型”的人。

Kimi，去当战术派。

（图源：雷科技）

它专门拆解法体系、克制链条、板凳深度和临场调整。哪支队伍怕高位逼抢，哪支队伍忌惮低位铁桶，哪条边路会被爆，谁的替补席能改写命运，统统交给它去梳理。

联想天禧，去当赔率派。

它负责跟住盘口、热度以及隐含概率，看市场究竟相信谁。这里不讨论任何下注，只把赔率当作群体预期的温度计。球迷有时嘴硬，市场有时也嘴硬，但两边都值得观察。

五只章鱼就位，一只信命，一只信冷门，一只信数据，一只信战术，一只信大盘。

这下，世界杯的味道总算是对了。

大热必死？王者首战能否逃过爆冷魔咒？

第一道考题，法国对塞内加尔。

法国是传统热门，阵容厚度摆在那儿，姆巴佩这种级别的球员只要冲起来，对手防线便会自动拉响红色警报；塞内加尔也不是来打卡旅游的，身体对抗、反击速度和非洲球队独有的冲击力，最擅长给热门队上强度。

豆包代表的玄学派率先开口：法国0:1塞内加尔。

你很难想象，豆包居然真在依据自己设计的那套规则，一本正经地把所有玄学要素都进行了量化处理。

（图源：雷科技，基于豆包的预测制作）

它的理由也带着浓浓的玄学味儿：热门队首战习惯性慢热，欧洲强队容易被放大压力，塞内加尔这种球队天生擅长制造不适感，再加上世界杯首轮经常出现“看起来不该发生，但它就是发生了”的剧本，冷门便有了土壤。

DeepSeek和Kimi也抱持着类似的观点。

DeepSeek的论述里掺杂了不少海外流行的阴谋论，比如坎特年岁已高、琼阿梅尼状态下滑；比如姆总监与登金球之间的爱恨纠葛，这两人一块儿上场，进攻固然吓人，回防同样吓人，极有可能成为法国队内耗的焦点。

但槽点也明明白白。不知道怎么回事，DeepSeek硬是认定这届法国队里还有吉鲁坐镇。

（图源：雷科技，基于DeepSeek的预测制作）