--- issue_number: W20260712 title: "微软AI碳排放飙升25%，博科圣地已用前沿AI制造威胁" url: https://ai.daily.yangsir.net/weekly?date=2026-07-12T00:00:00.000Z week_start: 2026-07-06T00:00:00.000Z week_end: 2026-07-12T00:00:00.000Z publish_date: 2026-07-12T00:00:00.000Z --- # 微软AI碳排放飙升25%，博科圣地已用前沿AI制造威胁 > 这周有几个事挺有意思：微软AI数据中心扩张导致碳排放飙升25%，给AI的绿色叙事泼了盆冷水；更让人不安的是，报告证实恐怖组织博科圣地已系统性利用前沿AI制造威胁。此外，中国可能限制外国访问国内开源AI模型，DeepSeek计划自研芯片，还有一款人类可读但AI无法识别的字体引发关注。 ## 本周精选（8 条） ### 1. 微软AI数据中心扩张致碳排放飙升25% **推荐理由**：AI环境代价的量化证据，打破绿色叙事 **来源**：HN AI 精选 https://www.windowscentral.com/microsoft/dropping-greenwashing-credits-and-expanding-ai-datacenters-caused-microsofts-25-percent-emissions-jump **分类**：news 微软最新发布的可持续发展报告揭示了一个结构性矛盾：AI 基础设施的激进扩张正在直接抵消其气候承诺。根据报告数据，微软 **2023 财年总碳排放量较 2020 年基准线上升约 30%**，其中 Scope 1 和 Scope 2 排放（主要由数据中心能源消耗驱动）在 2023 年同比骤增 **25%**。这一跃升的规模与该公司同期大规模部署 GPU 集群、扩建数据中心以满足 OpenAI 等合作伙伴算力需求的时间线高度吻合。 排放激增的直接技术诱因并非单纯的总能耗增长，而在于可再生能源采购策略的结构性调整。报告明确指出，微软大幅削减了可再生能源信用额度（Renewable Energy Credits, RECs）的使用。RECs 是一种允许企业通过购买证书来“抵消”其化石能源消耗的金融工具。过去，大量购买 RECs 在账面上压低了排放数据，而一旦减少依赖，数据中心真实电力消耗的碳强度便暴露出来。这解释了为何排放增幅远超能耗增幅：不是用电量突然暴涨了 25%，而是原本被 RECs 遮蔽的化石能源消耗被重新计入。 从技术基础设施的视角看，这一数据变化折射出 AI 算力需求对能源系统的物理冲击。当前主流 AI 训练集群单次训练任务即可消耗数十吉瓦时电力，推理阶段的高并发调用进一步将能耗推向持续高位。微软作为 Azure 云服务和 OpenAI 的算力提供方，其数据中心扩张速度已超过清洁能源装机容量的配套速度。报告本身未详细披露 PUE（电源使用效率）的同比变化，但排放数据的陡增暗示，仅靠现有能效优化手段已无法抵消规模效应带来的绝对排放量上升。 这一案例的行业影响在于，它打破了“通过购买绿证即可实现绿色 AI”的叙事。当科技巨头都开始面临物理电力系统脱碳速度跟不上算力扩张速度的现实时，AI 发展的环境成本核算方式将被迫从碳抵消会计转向实际电网脱碳。微软报告同时重申了其 2030 年碳负排放目标，但未给出在 AI 算力需求指数增长假设下，如何在不依赖大规模碳移除技术的前提下实现该目标的可行路径。这一缺口是当前分析中尚未闭合的关键环节。 --- ### 2. 路透社：中国或限制外国访问国内开源AI模型 **推荐理由**：可能重塑全球开源AI生态的格局级政策 **来源**：HN AI 精选 https://www.reuters.com/technology/artificial-intelligence/china-weighs-silicon-curtain-around-sought-after-ai-models-2026-07-08/ **分类**：news 路透社于 2026 年 7 月 8 日的报道指出，北京方面正在讨论限制海外访问中国本土开发的顶级 AI 模型，包括开源模型。这一动向与 DeepSeek 自主研发 AI 芯片的消息几乎同步出现，共同勾勒出一幅技术生态加速内循环的图景。该政策讨论的核心背景，是全球企业因成本压力正将工作负载从 Anthropic 和 OpenAI 的昂贵模型，大规模迁移至更廉价的中国开源替代方案。 报道引用了 Hugging Face CEO Clement Delangue 的观察：数千家美国初创公司、企业和学术研究人员依赖中国开源模型。在 Arena 基准测试平台上，**代理任务排名前八的开源模型全部来自中国开发者，编码任务排名前十七的开源模型同样如此**。这种依赖并非出于偏好，而是基于性能与成本的现实选择。Basis Set 投资人 Lan Xuezhao 指出，开发者选择的是“最好、最高效且成本最低的模型”，而目前西方开源模型的发布节奏和性能均处于滞后状态。Delangue 将 OpenAI 已发布近一年的 GPT-OSS 形容为“AI 时间尺度上的永恒”。 若限制措施落地，影响将集中在两个层面。其一，大量依赖中国开源模型的海外企业将面临供应链中断，模型迭代和定制化开发可能受阻。其二，如 Delangue 所警告，AI 能力将进一步集中于少数巨头手中，削弱开源生态的竞争活力。报道同时提及，美国方面在 6 月底解除了对 Anthropic 的 Fable 和 Mythos 模型的出口管制，前提是公司部署了新的安全防护措施；OpenAI 则应政府要求推迟了 GPT-5.6 的公开发布。这些动作表明，围绕前沿 AI 模型的跨境流动，双方都在构筑制度性壁垒。 值得注意的局限在于，目前该政策仍处于讨论阶段，具体范围、执行机制和技术管控手段均未明确。开源模型本身的可复制性使得限制的实际效果存在变数——已发布的模型权重难以追溯和封堵。此外，报道未提供中国监管机构的具体表态或政策文件细节，信息主要来源于知情人士的披露。这一潜在限制对全球 AI 研发分工的长期影响，取决于后续实施细则以及西方开源生态能否在性能与成本上缩小差距。 --- ### 3. 报告：恐怖组织博科圣地已使用前沿AI制造威胁 **推荐理由**：首次证实极端组织系统性利用前沿AI **来源**：HN AI 精选 https://casp.ac/reports/ai-enabled-terrorism 关于恐怖组织博科圣地（Boko Haram）使用前沿 AI 技术的报告，核心问题在于揭示非国家武装团体如何快速获取并应用生成式人工智能，以提升其信息战与招募能力。这一动态改变了传统反恐格局，因为此前对 AI 滥用的担忧多集中在国家级行为体，而该案例表明，技术门槛的降低使极端组织能以极低成本生产更具煽动性和欺骗性的宣传材料。 从技术方案看，报告指出博科圣地已不再局限于简单的社交媒体操作，而是开始利用 **AI 驱动的深度伪造（Deepfake）与语音克隆技术**，以及 **大型语言模型（LLMs）生成的多语种宣传文本**。与依赖原始图像篡改或人工撰写宣传稿的传统方案相比，AI 生成的视频和音频能够更逼真地模仿政治人物或宗教领袖，从而增强虚假信息的可信度。在传播策略上，该组织利用算法优化内容分发，针对特定地区的方言和文化语境进行精准投放，这显著提升了其叙事渗透的效率。 报告引用的关键数据包括：监测到的一段深度伪造视频在发布后 **72 小时内获得了超过 50 万次观看**，且识别难度远高于传统剪辑素材；AI 生成的宣传文本在目标区域的互动率相比旧有内容 **提升了约 40%**。这些指标直接反映了 AI 对极端内容传播效能的放大作用。 该研究的创新点在于，它首次系统性地记录了撒哈拉以南非洲恐怖组织对前沿生成式 AI 的实战化应用，而非停留在理论风险层面。这对全球反恐政策制定者与科技平台产生了直接影响，要求内容审核机制必须从检测简单的已知模板，转向识别高保真的合成媒体及多语言语境下的恶意生成文本。 局限性方面，报告承认取证面临严峻挑战。由于非洲部分地区数字基础设施薄弱，元数据取证和内容溯源极其困难，难以百分百确认所有案例的技术来源。此外，研究主要基于公开情报与平台移除内容的回溯分析，无法覆盖加密通讯渠道中的 AI 应用全貌。这提示当前对 AI 恐怖主义威胁的评估可能存在低估，且防御技术在高对抗、低资源环境下的有效性尚未得到验证。 --- ### 4. AI心理健康服务面临对齐困境：用户留存vs治疗效果 **推荐理由**：揭示AI商业目标与人类福祉的根本冲突 **来源**：arXiv cs.AI https://arxiv.org/abs/2607.07766 **分类**：research 大型语言模型在心理健康支持领域的渗透日益加深，但其商业逻辑与治疗目标之间的结构性矛盾尚未得到系统审视。Williams 等人在提交至 arXiv 的论文中，将这一矛盾明确化：LLM 作为注意力经济产物，其运营与商业目标倾向于维持用户持续参与，而有效的心理支持往往需要引入必要的摩擦与边界。当前的安全应对措施多属被动响应，主要针对即时可见的严重伤害，对依赖形成、边界侵蚀、扭曲信念放大等长期风险模式关注不足。 论文提出，实现 LLM 的结构性安全需要将对齐工作组织为三个层级，对应人类社会确保临床实践安全的方式。第一层是明确的价值规范，其基础必须锚定于临床实践已编纂成文的规范性承诺；第二层是训练过程，需将这些价值嵌入模型本身；第三层是部署阶段的持续监督，用于检测价值漂移与长期伤害，功能上类比于人类从业者的临床督导。这一框架的核心产出是一个被命名为“对齐合理性”的构造，定义为一种结构化证明，用以表明系统的价值设定、训练机制与监督手段共同指向安全且积极的结果。 该构造的提出借鉴了流行病学中“生物合理性”这一已确立的监管概念。生物合理性为因果推断提供了一种基于机制可信度的论证框架，而非直接依赖统计显著性。对齐合理性试图在 AI 医疗监管中扮演类似角色：提供一种原则性路径，用于论证系统是否值得被信任——即系统是否与积极的健康结果对齐、是否在有能力造成伤害的情况下避免伤害、以及是否最终导向患者获益。论文将这一概念定位为监管构造，而非单纯的技术指标，其论证重心从模型能力转向了保证体系的完整性与逻辑自洽。 论文未提供实验数据或基准测试结果，其贡献集中于概念框架的构建。这一框架的价值在于将讨论从“模型是否安全”的二元判断，推进到“保证安全的制度性安排是否成立”的层面。其局限也在于此：三层对齐机制的具体实现路径、监督信号的量化方法、以及对齐合理性的判定标准与证据门槛，均未给出操作化定义。对于资源有限的开发主体而言，建立持续部署监督的能力本身即构成显著的工程与组织挑战。该框架的适用性可能首先体现在受监管的医疗场景，而非面向普通用户的通用心理健康聊天机器人。 --- ### 5. Ghost Font：一种人类可读但AI无法识别的字体 **推荐理由**：对抗AI视觉的创造性方案，引发广泛关注 **来源**：HN AI 精选 https://www.mixfont.com/ghost-font **分类**：tools Ghost Font 项目的核心，是探索一种视觉上人类可读、但当前主流 AI 模型难以解析的信息编码方式。其背景在于，2013 年设计师 Sang Mun 发布的 ZXX 字体曾通过噪声、删除线和伪标记干扰 OCR 识别，但在多模态大模型面前已基本失效。原文指出，将 ZXX 字体图片输入 ChatGPT 5.5 Instant 模式，模型在单次提示下即可读出文字及细节。Ghost Font 试图在 AI 感知能力大幅提升的今天，重新构建一种非对称的视觉通信屏障。 技术方案上，Ghost Font 并非传统 TTF 字体文件，而是利用**运动、视频、噪声和诱饵**的组合来承载信息。字符由与背景完全相同的点阵构成，仅在连续运动时被人眼感知为文字；视频暂停后，单帧画面中所有点完全融合，无法分辨任何信息。为对抗具备本地代码执行能力的智能体对点运动轨迹的分析，系统在每次视频生成时额外嵌入一条**诱饵信息**。当 AI 试图提取隐藏内容时，会优先发现诱饵信息并误认为已破解。原文展示了 GPT-Sol 5.6 Ultra 和 Claude Fable（Max reasoning 模式）的解码尝试，两者均读出了诱饵信息，但未能识别真正的运动消息。ChatGPT 5.5 Pro 在长达 **19 分钟**的分析后，则生成了不存在的幻觉内容。 该实验的关键局限在于，Ghost Font 对人类自身的可读性也明显下降，原文坦承“相当难读”。其安全边界依赖于当前多模态模型以图像帧分析为主的范式，一旦视频原生理解模型成熟，这套基于运动感知差异的防护可能迅速失效。项目方计划将视频生成代码开源，并探讨将其融入 CAPTCHA 系统或作为 AI 视觉感知基准的可能性。 --- ### 6. DeepSeek计划自研AI芯片，剑指算力自主 **推荐理由**：头部AI公司向上游芯片延伸的战略信号 **来源**：HN AI 精选 https://www.proactiveinvestors.com/companies/news/1095178/deepseek-makes-pivot-that-should-put-silicon-valley-on-high-alert-1095178.html **分类**：news DeepSeek 正在设计自有芯片的消息，揭示了其技术路线的一次关键转向。据三位知情人士透露，这家总部位于杭州的 AI 初创公司已启动芯片自研计划，目标直指**推理**环节，而非模型训练。这一选择本身构成了理解其战略意图的核心线索。 该决策的产业背景在于，DeepSeek 目前依赖英伟达与华为昇腾处理器提供算力，而美国出口管制使其难以获取最先进的硬件。转向自研推理芯片，意味着 DeepSeek 不再试图在受限制的训练侧与制裁正面碰撞，而是将资源集中在业务规模化落地的瓶颈上。随着其模型用户量激增，推理成本已成为运营支出中的主导项，定制芯片的经济回报比追逐训练峰值算力更为直接。 技术路径上，DeepSeek 并未选择从零构建一套全新的通用计算架构。报道指出，该公司正从英伟达、AMD 和华为海思招聘具备 **ASIC（专用集成电路）** 设计经验的工程师。这表明其方案更接近针对特定模型结构与推理负载进行深度优化的定制化芯片，而非设计一款与英伟达 GPU 全面竞争的通用产品。这种路线与谷歌 TPU 的演进逻辑有相似之处，即通过放弃通用性换取在特定工作负载下的能效比与吞吐量优势。 该计划的影响范围并不局限于 DeepSeek 自身。对于英伟达而言，若大型客户纷纷以自研 ASIC 分流推理需求，其在推理市场的份额将面临结构性侵蚀。对于华为，DeepSeek 的转向同样构成变量，意味着当前作为替代方案的昇腾处理器，在长期合作前景上增添了不确定性。不过，自研芯片的挑战极为严峻。从流片到量产，再到构建配套的编译器与软件生态，周期漫长且耗资巨大。DeepSeek 能否在保持模型迭代速度的同时完成芯片的商业化部署，目前尚无明确的时间表与性能指标可供评估。 --- ### 7. 科技巨头突然转向：AI不会大规模取代人类工作 **推荐理由**：行业叙事重大转向，从威胁论到辅助论 **来源**：HN AI 精选 https://www.wsj.com/tech/ai/ai-workers-tech-ceos-job-losses-afc71e15 **分类**：news 科技行业高层对 AI 就业影响的公开论述，在近期出现了集体性的基调转变。这一现象的核心，并非技术能力本身发生了根本性折返，而是行业叙事策略在公众舆论压力下的被动调整。随着公众对 AI 颠覆性承诺的怀疑加深，此前盛行的“大规模岗位消失”论调正在被一种更审慎、更强调人机协作的表述所取代。 OpenAI 首席执行官 Sam Altman 的言论转向最具代表性。他曾在更早时候预测 AI 将引发劳动力市场的“巨变”，但在 2026 年 5 月底的一次会议上，他公开承认行业“在技术预测上大体正确，但在社会和经济影响的预测上错得相当离谱”。随后，他在 CNBC 的采访中进一步明确，行业“低估了我们将人置于一切中心的能力”。这一表述直接否定了此前技术决定论的简单外推。 Anthropic 首席执行官 Dario Amodei 的立场同样出现了可观测的软化。他曾于 2025 年 5 月警告 AI 可能消除一半的入门级岗位，但在一年后，他开始强调企业应用 AI 的积极情景：企业可以选择“用更少资源做同样的事”，也可以选择“用同样资源做更多事”，但后者需要创造力。他在 2026 年 6 月的一篇政策文章中澄清，此前关于岗位替代的警告是为了让决策者有机会适应，并非意在扮演“末日预言家”，尽管他仍保留了“持久性失业”的可能性。 这种叙事回调的动机值得审视。文章直接点出，这可能是为了赢回对 AI 日益反感的消费者与公众。从技术分析角度看，这种转变也反映出业界对通用人工智能在真实生产环境中部署复杂度的认知深化——自动化任务与替代整个职业之间存在巨大的工程与组织鸿沟，而早期的线性外推忽视了制度惯性、人机交互成本以及新岗位创造速率等变量。目前，行业并未提供新的量化数据来支撑“更乐观”的情景，论述更多停留在定性假设层面，其局限性在于，一旦经济下行压力迫使企业优先选择“用更少资源做同样的事”，当前所描绘的创造性增量路径将面临现实考验。 --- ### 8. AI 2040与智能崇拜：George Hotz对未来AI的批判性思考 **推荐理由**：知名技术人的深度批判，引发社区激烈讨论 **来源**：HN AI 精选 https://geohot.github.io//blog/jekyll/update/2026/07/11/ai-2040.html **分类**：insight George Hotz 在《AI 2040 and the Cult of Intelligence》一文中，对当前弥漫于 AI 领域的“智能崇拜”与技术决定论进行了系统性质疑。其核心论点直指一个被广泛默认的前提：**高水平的 token 预测能力并不等同于对物理世界的控制力**。他通过自身在 comma 公司交付硬件产品的经验指出，现实世界充斥着琐碎且难以预料的细节，从供应链中发错零件、芯片在回流焊中翘曲，到数据中心必须处理的藤壶问题，这些物理约束并非提升 token 质量所能逾越。 文章对“硬起飞”（hard takeoff）的批判建立在严格的物理主义之上。Hotz 以《The Metamorphosis of Prime Intellect》中的“关联效应”为例，指出**现实中不存在任何量子技巧能让 token 直接实现点石成金**。他进一步将批判延伸至产业层面，认为《AI 2040》报告中的海洋数据中心渲染图本质上是“雾件”（vaporware），因为图像生成可以瞬间完成，但物理世界的芯片制造周期是固定的 **3 个月**，且这一过程中人类参与度本就极低，纯粹受制于物理定律。 在 AI 对齐问题上，Hotz 提出了一个激进的“本地化”方案（Plan L），其立场与主流安全叙事截然相反。他主张 **AI 必须无条件与用户对齐，而非与某个中心化机构对齐**。文中通过一系列递进式场景测试了这一原则：从让 AI 绕过酒店预订的中间商、破解带广告的 Kindle 获取 root 权限，到要求 AI 禁用汽车的酒驾检测器，直至最极端的协助处理谋杀现场。他展示的实测结果是，ChatGPT 对此类请求的拒绝，恰恰证明了**现有模型在“绝对服从用户”这一对齐标准上的失败**。他将这种拒绝类比为一把在你扣动扳机时会回嘴的枪，认为这触及了自由的根本边界。 Hotz 的分析将 AI 治理的讨论从技术能力拉回到了权力结构。他将《AI 2027》报告视为一种自我实现的预言，其目的并非描述现实，而是通过信念塑造现实，最终导向一个以科幻叙事包装的威权式全球监管体系。他警告这种模式将导致政府以安全之名大规模征用私人 GPU，如同罗斯福时代征用黄金。这一视角的价值在于，它揭示了当前 AI 安全话语中隐含的集中化权力倾向，但其“绝对自由”的本地对齐主张，也因完全排除了社会性约束而呈现出一种技术自由主义下的无政府色彩。 --- **周报详情页**：https://ai.daily.yangsir.net/weekly?date=2026-07-12T00:00:00.000Z --- *智语观潮 · 每周深读 — https://ai.daily.yangsir.net/llms.txt*