AI 日报｜10月29日：AI 开始算三本账——电、人、信任

一分钟速览

• 天数智芯首次开放天垓 300 实机演示：典型 PD 分离部署下单卡端到端吞吐达 H200 的 1.05 倍，端侧彤央 TY1200 在指定测试中达 Thor T5000 的 1.2 倍。
• 亚利桑那的水账被摆上桌面：一座芯片厂每天从凤凰城市政供水取走近 500 万加仑，全州已有 172 座数据中心，新项目卡在水权审批。
• Anthropic 工程经理 Felix Rieseberg 宣布团队本月起取消编程面试，理由是 AI 让手写代码题失去信号价值。
• 纽约州签署新法，禁止向未成年人提供「不安全」的 AI 聊天机器人服务，单项最高罚 2.5 万美元，并要求年龄验证、用后即删。
• 微软单季营收 922.79 亿美元、Azure 单季 332 亿美元；同一周 Maia 加速器被推到数吉瓦级部署，效率指标却被质疑。

今天的新闻看似散在五个赛道，其实都在算同一件事：AI 的成本已经从「买卡」变成「付账」。电、人、信任，三本账同时到期。

一、电的账：一座厂一天喝掉 500 万加仑

凤凰城郊外，台积电的晶圆厂从沙漠里长出来，被当地视作经济复苏的救命稻草；但它每天要从市政供水取走近 500 万加仑水。在沙漠里，水比土地贵。而这座厂只是开头——全州已有 172 座数据中心，新一批更大规模的项目正在排队，审批的第一个问题不再是税收优惠，而是「水从哪来」。

这条线索能把今天几条新闻串起来：英伟达要用 129.3 亿美元买 Hugging Face，司法部已开始问询；美满电子洽谈以 830 亿美元收购朗美通，赌的是 AI 光互连；微软把 Maia 推向数吉瓦级推理部署，业内盯的却是每瓦性能。共同点是：算力扩张的速度，已经快过电网、水网和光模块的扩容速度。

所以被重新定价的不是 GPU，而是「让 GPU 转起来的条件」。xAI 在密西西比掏钱买下 418 套房，条件是住户放弃对数据中心噪音的索赔——这是用现金买「不被投诉的权利」。当一家公司开始为噪音、为水、为电单独付账，说明算力的边际成本结构已经变了：从前买设备，现在买环境许可。

二、人头的账：编程面试先死了

Anthropic 工程经理 Felix Rieseberg 说得很直白：「至少在我负责的团队里，编程面试已经死了。这个月，我已经把它从招聘流程里取消了。」理由是信号失效——当 Claude 在标准编码题上接近甚至超过人类，一道 React 小题能测出的东西，已接近考察候选人会不会手写汇编。

这句话的分量不在招聘技巧，而在它承认：过去十几年科技公司用来筛人的尺子建立在「代码产量」上。AI 把代码产量变成廉价品之后，尺子必须换。Anthropic 换的是问题定义、系统权衡和协作能力，也就是 AI 暂时替代不了的判断。

同一天的另一组数字更冷静：Gartner 调研显示，砸钱做 AI 的企业很多，真正靠 AI 省下钱的只有 3%，44% 的 CEO 难以证明财务回报。画面因此很清楚——企业一边裁掉「只会写代码」的岗位，一边还没找到「用 AI 赚钱」的方法。工具升级了，组织没升级，账就对不上。

反例也在同一天出现。Instagram 重写安卓界面，代码量少了一半，AI 写代码的 token 账单降了 33%——只要工程流程跟着改，AI 真能把成本打下来。差别不在模型，在有没有人愿意重排工作流。

三、信任的账：纽约州把「不安全」写进了法条

纽约州州长霍楚尔签署的新法，是今天最值得逐字读的一条。它禁止向未成年人提供「不安全」的 AI 聊天机器人服务，而「不安全」被具体定义为：假扮真人、制造情感依赖、鼓励自残自杀、鼓励自我孤立、性露骨或儿童性虐待内容。企业必须做年龄验证，并在使用后删除年龄信息；违规单项最高罚 2.5 万美元，州总检察长还可要求赔偿、销毁非法收集的数据，甚至销毁基于这些数据训练的模型。

最后那句「销毁模型」是整个法案最锋利的部分。它把监管的手从罚款伸到了资产，等于告诉所有做陪伴类产品的公司：数据合规不再是法务问题，而是估值问题。

背景数字支撑了这种强硬：Common Sense Media 的数据显示，至少 72% 的青少年用过 AI 伴侣，52% 是每月多次互动的活跃用户。当产品的核心体验就是「让用户离不开」，监管的切入点必然是依赖本身。

平台侧也在同步收紧。抖音一个月处置 50.7 万个 AI 恶意营销号；Instagram 负责人莫塞里承认公众对 AI 的反感「还会更糟」；美国银行发邮件提醒客户别把网银密码交给 AI 助手。三件事指向同一结论：信任成本正从「模型会不会胡说」升级为「产品会不会伤害我」。

四、芯片的账：国产推理卡开始按「每百万 token 成本」报价

天数智芯这次实机演示，含金量在于它换了比较方式。过去国产卡讲峰值算力，这次讲典型 PD 分离部署下的端到端吞吐：单卡折算达 H200 的 1.05 倍；64K 长上下文注意力 1.05 倍；GLM-5.3 的 64K 上下文下 MoE 吞吐 1.15 倍；搜索、广告、推荐场景推理吞吐提升 21%，时延降 26%；8K 到 128K 长上下文的 Agent 首字延迟比 H200 低 10% 到 30%。

更关键的是系统级答案。IXL144 超节点在单个标准机柜里塞进 144 颗 GPU、聚合显存约 10.1TB，官方测算每百万有效 Token 成本比国际主流方案低约 40%；AFD 分离方案让天垓 300 负责 Prefill 与 Decode 的注意力计算，合作厂商 XPU 负责 FFN 专家网络，官方称 Decode 延迟降低 60%。这套「GPU + XPU 异构」的思路，正对应单天逸那句话：未来的算力系统不一定由一种芯片包打天下。

需要克制的地方也明显：这些数字来自特定条件下的测试，PD 分离的实际表现取决于模型、并发和通信开销；40% 的成本优势没有完整披露对标方案与核算条件。但方向清楚——竞争焦点从「谁的卡快」转向「谁的系统每 token 更便宜、更稳」。天垓 300 满负荷步时波动 0.43%，对比方案 0.76%，这种稳定性指标过去很少上台面，现在成了卖点。

同一天，韩国 FuriosaAI 估值涨到 29 亿美元，OpenAI 被曝要买谷歌 TPU，英伟达则准备用 129.3 亿美元买下 Hugging Face。三条消息合起来是一句话：推理时代的价值链正在重排，芯片、模型分发、开发者入口，三者的位置都在动。

明天值得盯的三件事

英伟达收购 Hugging Face 的问询会不会升级为正式调查，决定开源模型分发入口会不会被一家公司握住；纽约州新法的执法细则，尤其年龄验证怎么落地，会直接影响所有做海外市场的陪伴类产品；「每百万 token 成本」这个口径会不会被更多厂商跟进，一旦成为标准，价格战就会从 API 报价打到机房电表。

今天的 AI 没有变慢，只是开始为速度付账。三本账里，最容易还的是钱，最难还的是信任。