蜘蛛侠1

生态无人冰站+冰基浮标组网 第16次北冰洋考察有哪些新突破？_我的网站

一 |     中国第16次北冰洋考察正在进行。

二 |     48小时。目前，“雪龙”号12个冰站调查作业任务已顺利完成，“雪龙2”号正接棒在7个冰站开始调查作业。         一家中国公司的模型发布。

三 | 在北极快速变化的背景下，这些冰站将共同织就一张“观测网”，对北冰洋中央区大气、海冰、海洋的相互作用，及其与生态系统的耦合效应展开更深层次的探索。                        　　冰站作业是极地考察的关键一环。不同于船载观测，冰站以海冰为作业平台，可以布放无人值守观测装备，获取长期、连续的监测数据，弥补船基考察存在的不足。         全球AI股票集体下跌。在北极海冰上开展冰站作业要克服哪些困难？又该如何借助布放的各类观测设备，探寻北冰洋气候变化背后的深层规律？          　　冰站作业首先要寻找合适的冰。英伟达跌，半导体跌......全球市值蒸发万亿美元。“探冰小组”是冰站作业的先遣队，一般是两个人组成，一前一后。         高盛合伙人在客户电话会里直接抛出一句：算力扩张时代，可能到头了。         摩根大通给客户发的备忘录，称之为DeepSeek 2.0。前面的人拿着探冰杖去探路，后面的人负责瞭望周围冰情，利用冰尺测量冰洞位置的冰厚。         所有人都在问同一个问题：Kimi K3真有那么厉害？          说实话，我觉得没有。如果冰太薄，就无法支撑无人观测设备撑过夏季融冰期，所以，要找到相对平整、有一定厚度的海冰，方便立起三脚架，开展仪器设备布放作业；同时，选点附近不能有过多融池和冰裂隙，这样设备的持续运行时间才能尽量长。         　　中国第16次北冰洋考察队海冰队队长屈猛说，本次“雪龙”号共开展12个冰站作业，是历次北冰洋考察单船之最。         Kimi是个好模型。但它还不足以撼动全球资本市场。真正被震动的，也不是英伟达，是华尔街过去三年一直相信的那套故事。

四 |          　　常规北冰洋考察单船一般布设大约6个作业冰站，采集基础环境数据和样品、布放冰基浮标。而“雪龙”号本航次共完成12个冰站的作业任务，并实现多点组网观测，有助于更好地掌握北极的快速变化特征与机理，提升气候预测的准确度。

五 | 由于任务重，为了抢出充足的作业时间，“雪龙”号比往年提前近一周出发。然而，中国第16次北冰洋考察队大洋队队长秦川说，他们却遇上了更为复杂的冰情。因为今年来的时间比往年要早很多，所以海冰的覆盖率太高，非常不适合进行大洋作业。         　　北极天气也变幻莫测。         Kimi只是推倒多米诺骨牌的那只手。

六 | “雪龙”号实验室主任谢海翔说，能见度突然变得很差，就是北极的日常。比如短期的团雾，能见度只有几公里，对于北极作业来说风险是很高的。         一、华尔街到底怕什么          要看懂这场恐慌，先得看清过去三年华尔街到底在信什么。         本质上，他们相信的是一条大模型定律。         　　即便找到了合适的位置，布设设备依旧需要精细操作。考察队队员彭景平说，每天海冰队队员都要在风雪中至少干上七八个小时，最长的一次，几乎有20个小时。         模型越强，参数就越大，训练就越贵，需要的GPU就越多，资本开支就越高，英伟达就越值钱。         　　克服重重阻碍，冰站作业才能真正开始。考察队队员安宝宝介绍，此次布放的生态无人冰站是该系统首次在北极实现应用示范，让科学家能更好地了解北极冰下的生物如何在极夜过冬，怎样在极昼迎来第一缕阳光。         　　布设现场，考察队员指着一旁的冰基浮标向记者介绍，这类浮标可以同步采集冰下水文和冰上气象数据，为极地气候变化提供数据支撑。         这也是整个AI时代最大的金融叙事。中国第16次北冰洋科学考察队首席科学家何剑锋说，以本航次布放数量最多的冰基浅水剖面浮标、冰基深水剖面浮标和海冰漂移浮标为例，国产化率能达到90%以上。         　　而另一边，“雪龙2”号也正在7个冰站开展冰基浮标布放、冰芯采样、海冰遥感观测等20余个作业项目，这7个冰站包含6个短期冰站和1个长期冰站，将与“雪龙”号冰站站位协同构建起观测阵列，以便更深入地探究北极快速变化背景下的北冰洋中央区大气、海冰、海洋相互作用及其与生态系统的耦合效应。         　　中国第16次北冰洋科学考察队领队王金辉介绍，作业期间考察队员将全面观测海冰融化过程中大气、海冰、上层海洋以及冰下生态过程动态变化的相关参数，为研究北冰洋海冰快速变化及其机理和生态系统演变获取科学数据。当前受到全球气候变暖驱动，北极自然生态环境正发生快速深刻变化，海冰消融等趋势加剧，关乎人类生存和发展的共同命运，具有全球意义和国际影响。         2023年ChatGPT火了之后，这条公式一路跑到2026年中。英伟达市值从1万亿美元冲到5万亿美元。微软、Meta、Alphabet、亚马逊，每次财报电话会都在重复同一句：我们继续加大AI基础设施投入。         估值逻辑只有一个假设，做AI就得烧钱。烧得越多，护城河越深。

七 |          三年，这条公式没被证伪过一次。持续开展北极综合考察，是应对全球气候变化，推进北极地区可持续发展的重要基础支撑。         直到DeepSeek出现。【编辑:胡寒笑】。         2025年1月，DeepSeek-R1用远低于预期的成本，跑出了接近GPT-4的推理水平。英伟达那天蒸发了5890亿美元，创下美股历史纪录。         结果呢？          半年之后，微软继续投。

八 | Meta加预算20%。

九 | CoreWeave上市股价翻倍。所有人继续下注。         华尔街松了一口气，DeepSeek被当成一次虚惊。         然后Kimi K3来了。         这次的数据更刺眼。

十 | LMArena前端代码榜以1679分登顶，超过Claude Fable 5。综合排名从上一代的第18名直接跳到第1。前端7个细分方向，拿下6个第一。7月27日开放权重发布，成本据说只有美国顶级模型的六成。         高盛在内部备忘录里写了这样一句反问：          一家买不到最大规模算力的中国实验室，靠着架构创新、合成数据、强化学习、后训练，凭什么把差距缩得这么快？          这个问题一问出来，华尔街的信仰就出问题了。         以前所有人默认，Scale就是GPU。

十一 | 今天Scale变成了GPU加算法加数据加后训练加RL的合力。         算力不再是唯一的答案，这才是华尔街真正怕的东西。         华尔街怕的不是Kimi，是英伟达。准确说，是AI资本开支永远在扩张这个定价逻辑。         硅谷巨头们预计2026年资本开支达到7000亿美元，台积电刚宣布2026年资本开支640亿美元，超市场预期。这些钱要变成芯片、变成数据中心、变成英伟达的订单。前提是，大模型必须继续变大、继续烧钱。         Kimi K3出来后发现，未必如此。

十二 |          如果越来越多公司都能用更少GPU、更低成本，做出同等水平的模型，那全球GPU采购量还需要那么大吗？台积电640亿美元的回报率会不会打折？英伟达的远期收入预期要不要下调？          这下好了，过去三年所有算力扩张的估值模型，都得重新计算。         Kimi只是让所有人第一次真正开始问一个问题：GPU还能卖这么多吗？          只要华尔街开始思考这个问题，股价就必然晃动。         二、为什么偏偏又是中国？          还有一层更深的东西，很多人不敢明说。         为什么又是中国？          DeepSeek第一次让华尔街意识到，中国能追。Kimi第二次告诉华尔街，中国还在追，而且没停。         一次可以叫偶然，可以归给几个天才或者运气。

十三 | 两次在不同节点、不同方法上都发生了低成本逆袭，资本就必须重新算概率。

十四 |          这个概率一改，事情就变了。         美国巨头信的是大力出奇迹。

十五 | 钱多、卡多，工程上有瑕疵就用更多算力去盖过去。

十六 | 这种打法效率其实不高，但在充裕环境里没人在意。         中国头部公司从第一天起，环境就完全反过来。

十七 | 买不到十万卡集群，融资也没那么阔绰，只能把手里的算力压榨到极致。         被逼出来两个能力。         一是合成数据。用最少的高质量样本，卷出最高的逻辑上限。         二是后训练加强化学习。用工程微调和策略优化，去补底层预训练的不足。         这两个能力，恰好是算力信仰最不重视的地方。

十八 |          结果就是，当追赶者能用40%甚至更低的成本做出顶级性能，美国巨头堆起来的十万卡壁垒，反而变成成本累赘。         这才是华尔街真正的系统性恐惧。不是一家中国公司做出了一个好模型，是这条低成本路径被走通了两次。第三次、第四次，可能已经在路上。

十九 |          三、但华尔街可能又看错了          就在华尔街砸盘、讨论算力时代是否终结的时候，现实给了一个反转。         昨晚，Kimi官方公告，K3发布后请求量远超预期，集群逼近承载极限。即日起暂停C端新用户订阅，全速扩容。

| 为了匹配算力，还得把耗能最猛的Kimi Code从主权益里拆出来单独卖。         这条消息，狠狠打了华尔街一记耳光。         它把一个反复被验证的技术产业规律，直接摆到了台面上。

| 成本下降，从来不会减少需求，只会让需求爆炸。         这样的例子也比比皆是。         计算机便宜了，电脑数量翻倍。互联网便宜了，网站数量爆炸。云计算便宜了，全球服务器比以前多得多。

|          现在模型便宜了会发生什么？          Agent变多，AI应用调用量变大，推理需求飙升，Kimi自己都撑不住了。         这套现象在经济学上叫杰文斯悖论。

| 19 世纪英国经济学家发现，蒸汽机效率提升后全国煤炭总消耗反而上涨，效率降低了使用门槛，大量产业开始普及蒸汽机，整体需求扩张抵消了单台设备的能耗节约。

|          今天的GPU，就是19世纪的煤炭。GPU需求不会消失，变的是身份。         以前GPU的主要买家是训练。几万张卡集中封闭训几个月，训完之后其实很多时候是间歇性闲置的。         以后主要买家是推理。7×24小时的Agent服务。每台手机、每辆车、每个机器人上的本地模型，视频生成，百万token窗口的持续计算。         算力消耗的模式，正在从低频、巨量、集中，变成高频、海量、泛在。         总量可能不降，甚至可能更高。但谁受益、怎么受益，会重新排队。

|          高盛说算力扩张时代接近尾声，至少在两年维度里，这个判断大概率是错的。         更准确的说法应该是，算力扩张的逻辑变了。主导权从训练移交到推理。         英伟达不会因此崩盘。但过去三年那种闭着眼买英伟达的日子，可能真的过去了。         四、Kimi只是那面镜子          回头看这次抛售，Kimi K3的角色其实很清楚。         它是导火索，不是原因。         看几个数据你就明白了。         费城半导体指数今年还在涨68%。涨了这么多，一次深回调本来就是必然。标普500等权重指数同一天创了历史新高。钱没走，只是从科技股挪到了别的板块。         EPFR的数据显示，美国企业内部人士上半年抛股票776亿美元，20年来第二高。聪明钱早就在撤。         台积电Q2净利润同比涨77%，营收预期上调。但资本开支640亿美元超预期，反而让市场焦虑。         Alphabet的Gemini 3.5 Pro延期好几个月，AI产品落地节奏跟不上预期。         这些东西堆在一起，市场早就绷得紧了，缺一个理由释放压力。         Kimi K3刚好递上了这个理由，给了华尔街一块砖砸自己的脚。         严格来说，这次抛售更像是拥挤交易的松动，不是AI逻辑的突然崩塌，是过去三年集中抱团在英伟达身上的钱，开始往别处走了。

|          Kimi不是改变了AI，Kimi改变了资本理解AI的方式。

|          五、旧地图，新大陆          站在今天的位置来看，AI产业的竞争逻辑，正在快速变道。         第一阶段从2023年到2025年，核心是算力储备。GPU多、能训更大模型的一方就是赢家。这一阶段的赢家是英伟达、台积电，加上少数几家能扛百亿美元训练预算的巨头。         第二阶段从2025年底开始，核心变成效率。谁能用更少资源做同等水平的模型，更快把模型变成产品，在推理成本上建立优势，谁就在下一轮拿主动权。         华尔街的问题，从来不是不聪明，是太喜欢用一个简单故事，去解释一个复杂时代。         三年前，AI被讲成GPU的故事。估值围着GPU转，仓位也围着GPU转。         今天，这个故事第一次出现明显的逻辑盲区。         盲区不等于结束，盲区意味着故事需要升级。         从谁GPU最多变成谁把GPU用得最好。从硬件红利变成工程能力和系统效率，从资本密集变成技术密集和应用密集。         DeepSeek，让华尔街开始怀疑。

| Kimi，让华尔街开始修正。         【版面之外】的话：          如果未来有一天回头看。Kimi K3未必会成为最重要的模型。但它很可能会成为一个标志。         不是因为它超越了谁，是它第一次让全球资本意识到，AI竞争，比的已经不是谁拥有更多资源。现在看的是，谁能把同样的资源，变成更大的能力。

|          这是两种完全不同的产业时代。         前一个时代，钱决定速度。后一个时代，效率决定价值。

Current article:http://g6vqkwh.bianneixuanbingqinyouxie.buzz/list_1q69/9uvse.html

Published on:21:26:32