英伟达高管称AI成本高于人力 为何企业裁员仍在继续
在人工智能浪潮席卷全球的背景下，众多企业正积极布局，试图通过算法自动化替代部分人力工作，甚至以此为由启动了多轮裁员。然而，一个现实问题日益凸显：AI的实际应用真的比人工更经济、更高效吗？近期，来自英伟达和Uber高层的公开表态，为这股盲目乐观的AI替代热潮敲响了警钟——AI的实际运行与维护成本，不仅不低，甚至可能远超传统人力支出。其中，持续产生的Token调用费用，常常能轻易超过一名普通员工的年薪。这一现状，颇具反思意味。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
英伟达负责深度学习业务的高管近日透露，其团队在AI算力资源上的投入，早已超过了团队人力薪酬的总和。与此同时，Uber的首席技术官也坦言，公司内部多个AI项目因成本严重超支而不得不暂停，需要重新评估技术路线。更有行业内部数据显示，一个仅四人的AI项目小组，单月AI相关支出就可能达到惊人数额，人均资源消耗远高于常规薪资水平。
麻省理工学院此前发布的一项研究报告，为这一现象提供了更系统的佐证：在超过70%的实际业务场景中，人类执行任务不仅完成质量更高，综合成本也更具有优势。一时间，“人力性价比”成为业界热议话题。
然而，值得深思的是，尽管AI部署成本高企、投入产出比面临质疑，许多企业推进AI替代与自动化转型的战略却依然坚定。它们不惜投入重金重构业务流程，同时持续优化甚至缩减人力编制。这背后的核心逻辑是什么？关键在于AI所具备的7×24小时不间断处理能力与可扩展性。以Uber为例，目前已有超过10%的代码由AI辅助生成，并且这一替代传统软件开发的进程仍在不断加速。
更引人关注的是，部分企业已将Token消耗量作为评估员工AI工具使用效率的关键绩效指标。英伟达CEO黄仁勋也曾提出，可以考虑以Token用量作为衡量工程师生产力的新型尺度。尽管这种评估模式仍处于探索阶段，但企业加速应用AI技术、同时调整人力资源结构的整体趋势已不可逆转。这场关于效率与成本、自动化与人力价值之间的长期博弈，才刚刚开始。
相关攻略
说到RAG（检索增强生成），大家可能已经习惯了它的标准工作流程：先用一个检索模型从海量文档里捞出一批“相关”内容，再交给大语言模型去消化、生成答案。这个流程看似顺畅，但其实一直埋着一个根本性的问题，只是我们习以为常了。 这个问题就是：检索器和生成器，其实是在两个完全不同的“世界”里工作。 检索器，无
五月中旬，英伟达市值突破5 5万亿美元，超越德国2025年名义GDP，成为全球首家市值超过单一发达经济体的上市公司。这反映了人工智能浪潮带来的巨大能量重构。英伟达自2004年起在中国设立多家公司，已构建完整的业务网络。市值里程碑背后，是AI算力赛道价值获得空前认可的缩影。
在AI需求爆发的背景下，GPU市场出现供需严重失衡。英伟达CEO黄仁勋将旧款GPU价格持续上涨的现象比喻为“好酒效应”，指出其升值速度甚至超过葡萄酒陈化。核心原因在于全球AI业务对算力的巨大需求，使得数据中心极度依赖GPU。这种需求从上游芯片制造到下游云服务贯穿整个产业链，导致包括四五年前旧型号在内
来源：环球时报 【环球时报特约记者 甄翔】资本市场近日上演了一场引人注目的“王座”争夺战。谷歌母公司Alphabet在美股盘后交易时段，市值一度超越英伟达，这意味着它在阔别大约十年后，短暂地重返了全球市值冠军的宝座。回顾过去一年，Alphabet的股价表现堪称惊艳，累计飙升了160%。截至上周五收盘
英伟达股价在短短四个交易日内飙升14%，市值激增5910亿美元，这一增量已超过甲骨文公司的总市值。分析师认为，这反映了市场对其人工智能芯片的强劲需求并未放缓，投资者正认可大型云服务商的高资本支出承诺。同时，资金流向显示AI红利正扩散至存储芯片、半导体设备、光模块等更广泛的供应链环节。尽管有分析师提示
热门专题
热门推荐
这项由清华大学、美团、香港大学等多家顶尖机构联合开展的研究，于2026年3月以预印本论文（arXiv:2603 25823v1）的形式发布。它直指当前AI视觉生成领域一个被长期忽视的核心问题：这些能画出“神作”的模型，到底有多“聪明”？研究团队为此构建了一套全新的测试基准——ViGoR-Bench，
人工智能的浪潮席卷了各个领域，机器在诸多任务上已展现出超越人类的能力。然而，有一个看似寻常却异常复杂的领域，始终是AI研究者们渴望攻克的堡垒——让机器像真正的学者那样，撰写出一篇结构严谨、逻辑自洽、图文并茂的完整科学论文。这远比下棋或识图要困难得多。 2026年3月，一项由中科院AgentAlpha
这项由法国Hornetsecurity公司与里尔大学、法国国家信息与自动化研究院(Inria)、法国国家科学研究中心(CNRS)以及里尔中央理工学院联合开展的研究，发表于2026年3月31日的计算机科学期刊，论文编号为arXiv:2603 29497v1。 在信息爆炸的今天，我们每天都在网上留下数字
当你满怀期待地拆开一台全新的智能设备，最令人困扰的往往不是如何使用它，而是如何让它真正“理解”指令并智能地执行任务。如今，一个更为优雅的解决方案可能已经出现。来自清华大学深圳国际研究生院与哈尔滨工业大学（深圳）的联合研究团队，近期取得了一项极具前瞻性的突破：他们成功训练人工智能自主“撰写”并精准理解
2026年3月，来自华盛顿大学、艾伦人工智能研究所和北卡罗来纳大学教堂山分校的研究团队，在图像智能矢量化领域取得了一项突破性进展。这项研究（论文编号：arXiv:2603 24575v1）开发了一个名为VFig的AI系统，它能够将静态的栅格图像智能地转换为可自由编辑的矢量图形，如同一位“图形考古学家