今日观点

AI 的成本「失控」和「基建化」正在同步发生——最贵的不是模型，是没有管理好模型。

① OpenRouter 获 $1.13 亿 B 轮融资，谷歌英伟达领衔 AI 基础设施大赌注

发生了什么

5 月 28 日，OpenRouter 宣布完成 1.13 亿美元 B 轮融资，由 CapitalG（谷歌旗下风投） 领投，参与方包括 NVentures（英伟达）、ServiceNow Ventures、MongoDB Ventures、Snowflake Ventures、Databricks Ventures，以及 AMP PBC、Pace Capital，现有投资者 Andreessen Horowitz 和 Menlo Ventures 继续跟投。该消息在 Hacker News 上获得 330 票、154 条讨论。

OpenRouter 是当前最流行的 AI 模型 API 聚合与路由平台，让开发者通过统一接口调用 200+ 个模型，并自动根据性能/成本/延迟进行路由选择。

为什么重要

这笔融资的特殊之处不在于金额（1.13 亿在 AI 领域只能算中等），而在于投资方的阵容。谷歌、英伟达、Snowflake、Databricks、MongoDB——这些公司既是 AI 的玩家也是竞争对手——同时下注一家「中间层」，释放了两个信号：

第一，AI 模型 API 的「聚合层」正在变成基础设施。就像 AWS 没有杀死所有云服务一样，模型越来越多并不等于开发者愿意接 20 个 API。OpenRouter 的位置恰好卡在「模型提供商」和「开发者」之间。

第二，云和数据平台巨头们不想被任何一家模型公司锁定。谷歌自己就有 Gemini，英伟达有自己的 NIM，但它们依然愿意投资 OpenRouter——这意味着企业客户的需求是「不要只给我一个模型，给我全部模型的便利入口」。

对你有啥用

• API 用户：如果你用 OpenRouter，可以关注其定价优化功能——它会自动选择最便宜的可用模型满足你的请求质量要求
• 自建 Agent 团队：考虑在 Multi-Agent 系统中引入路由层（OpenRouter 或自建类似的），不要在单一的模型提供商上锁死
• 关注合并趋势：OpenRouter 的估值水涨船高后，被大厂收购的概率增加——如果被 Google 收购，价格和开放性都可能变化

② 某公司月耗 $5 亿调用 Claude——未设用量上限的惨痛教训

发生了什么

5 月 29 日，Tom’s Hardware 报道了一起令人瞠目结舌的事件：一家匿名公司（未公开名称）在一个月内因调用 Claude AI 产生了 5 亿美元的费用，原因是 IT 部门在购买企业版许可证时没有设置用量上限，导致所有员工可以无限制调用 Claude。

据知情人士透露，这笔费用直到月度账单出来才被发现——而那时 5 亿美元已经花完了。该事件在硅谷内部引发了广泛讨论，多个企业开始紧急审查自己的 AI 用量管控策略。

为什么重要

这个故事的核心教训不是「Claude 太贵」，而是 「AI 成本管理正在成为企业的必修课」。企业采购 AI 服务不像采购传统 SaaS——AI 的用量是非线性的，一个员工写脚本批量调用就能在几小时内花掉几万美元。

这背后反映了一个更深层的问题：企业级 AI 的计费和治理体系严重滞后于技术本身。AWS 有预算警报和用量上限，Slack 有按席位定价，但 AI API 的「按 token 计费」模式让传统采购流程完全失效。5 亿美元的账单是极端案例，但月超支 10 倍、20 倍的情况据传在多家企业中已经发生。

对你有啥用

• 团队管理者：立即检查你们的 Claude / GPT / Gemini 企业订阅中有没有设置用量上限。尤其是「按用量计费」的 API 账户
• 开发者：在代码中加入 max_tokens 和 max_calls_per_day 的硬限制——API 客户端不应依赖于服务端限流
• CIO / CTO：考虑建立 AI 治理委员会，每个部门的 AI 预算需要有独立的上限和审批流程
• 个人用户：如果你在用 API key 跑脚本，也给自己设一个预算警报——OpenRouter 和大多数提供商都支持

③ 四大会计师事务所也翻车：EY 加拿大报告被曝大量 AI 幻觉引用

发生了什么

5 月 14 日，GPTZero 发布了一项调查，发现 EY（安永）加拿大分所发布的网络安全报告《Points of Attack》中存在大量 编造的引用和误导性的数据来源。该报告主题是关于忠诚度计划欺诈的网络安全分析。

调查发现的关键问题包括：

• 报告声称某项数据表明「忠诚度计划欺诈攻击自 2019 年以来增加了 89%」，但来源要么根本不存在，要么被错误引用（实际数据仅适用于 2018-2019 一年而非 2019 至今）
• 多处引用的文献标题、作者、出版信息无法通过正常渠道验证
• 部分统计数据的表述方式和错误模式与 AI 生成内容的典型特征高度吻合

该报告被多家媒体引用，包括澳大利亚 Canberra Times 的一篇文章被分发到 60+ 家报纸。

为什么重要

这不仅仅是「AI 翻车了」的又一个案例。关键是：

一个没有名字的创业公司用 AI 生成垃圾内容，没人会在意。但当四大会计师事务所之一的 EY 发布的报告出现系统性 AI 幻觉，后果是 cascade 式的——这篇报告被引用到 60 多家报纸的新闻报道中，进入了商业决策链条，甚至可能被 AI「深度研究」工具当作权威信源，形成「AI 吃 AI 的屎」的正反馈循环。

GPTZero 的调查指出：「AI 深度研究工具依赖于不同于人类的信源选择信号，因此更容易受到数据投毒的影响。」 EY 的假报告被 AI 搜索引擎索引 → 其他 AI 工具引用它 → 假信息被进一步放大，这就是所谓的「AI poisons the well」。

对你有啥用

• 读者：不要盲目信任知名机构发布的白皮书和行业报告——AI 幻觉已经渗透到了专业级文档中
• 企业用户：如果你的团队在使用 AI 辅助写作研究报告、投标书或合规文档，务必建立人工验证机制，尤其是引用部分
• AI 工具用户：使用 Perplexity、Gemini Deep Research 等工具时，对你不太熟悉的领域的回答保持怀疑——交叉验证至少 3 个独立信源
• 甲方视角：如果你收到乙方（尤其是咨询公司）的 AI 辅助报告，可以要求其披露 AI 使用声明

④ 3D 硅芯片重大突破：单晶硅垂直堆叠，良率 98-100%

发生了什么

5 月 30 日，伊利诺伊大学厄巴纳-香槟分校的研究团队在《自然》杂志上发表了一项里程碑式的研究：他们成功实现了 单晶硅的垂直堆叠，制造出真正的 三维单片集成芯片，器件良率达到 98-100%。

核心技术创新：

• 使用 超薄（10nm 以下）硅纳米膜，在低温（200°C）下逐层堆叠，解决了「上层工艺不能烧坏下层电路」的热预算问题
• 采用 无结晶体管（junctionless transistor） 设计，避免了传统掺杂工艺所需的高温（600°C+）
• 成功演示了 3 层堆叠、每层 625 个晶体管的逻辑电路和 SRAM 单元
• 输出电流密度与标准体硅工艺相当，比其他替代材料（多晶硅、金属氧化物等）的 3D 器件 高出 3-4 倍

研究团队表示：该工艺可扩展，理论上可堆叠更多层。合作伙伴包括 IBM、Intel 和台积电。

为什么重要

芯片行业正处在「摩尔定律能否延续」的十字路口——晶体管的物理尺寸已经逼近硅原子的极限（1-2nm 以下量子效应失控）。这次突破给出的答案是：不再缩小，而是向上堆叠。

这类似于从「平房」到「摩天大楼」的转变。SRAM 一个 bit 需要 6 个晶体管，传统做法需要 6 倍的地面面积；现在可以分成两层、每层 3 个晶体管，面积减半、层间通信更快。

对于 AI 来说，这尤其关键：现代 AI 芯片（GPU/TPU）的算力瓶颈往往不在计算单元本身，而在于 数据搬运——内存墙。3D 堆叠让计算和存储之间的距离从毫米级缩短到微米级，极大降低延迟和能耗。

对你有啥用

• AI 从业者：关注这项技术的产业化时间表——如果能进入台积电的量产线，2-3 年后你可能在训练集群中看到 3D 芯片
• 长期视角：这项技术对边缘 AI 的影响可能更大——更高的集成度意味着手机 / IoT 设备上可以运行更大参数级别的模型
• 投资视角：材料科学和半导体设备公司（硅纳米膜沉积、低温键合设备相关）可能受益

⑤ AI 职业哀伤：正在吞噬科技从业者的心理危机

发生了什么

一篇题为《AI Job Grief: The Unnamed Psychological Crisis Hitting Tech Workers》的长文在 Hacker News 上获得了 88 票和广泛讨论。作者通过对 Reddit、学术研究和行业数据的系统梳理，提出了一个观点：科技从业者正在经历的「AI 焦虑」本质上不是恐惧，而是哀伤（grief）——对即将失去的职业身份和自我认同的预先哀悼。

关键发现：

• 2025 年 9 月，佛罗里达大学医学院两位精神病学家发表论文，提出了一个新概念：AIRD（Artificial Intelligence Replacement Dysfunction，人工智能替代功能障碍），描述面临 AI 替代的工人出现的焦虑、失眠、抑郁、身份混乱等症状
• 一项针对 2,400 名知识工作者的调查发现，29% 的员工承认主动破坏公司的 AI 战略——包括将专有数据输入公开 AI 工具、拒绝使用 AI 等
• 中佛罗里达大学的学生在一场 AI 讲座上集体嘘校长，高喊「AI sucks」
• 传统的「Kübler-Ross 五阶段哀伤模型」在 AI 替代场景中失效——因为被替代的目标不是一次性的，而是渐进的、永不停息的

为什么重要

大多数关于 AI 的讨论聚焦于「模型能力」和「生产力提升」，但对于无数普通从业者来说，AI 首先意味着 「我学了十年的技能还值钱吗？」。

这篇文章最刺痛人的一点是：这不是普通的工作焦虑，而是一种被剥夺了表达权利的哀伤。公司把裁员叫「战略转型」「效率提升」，没有给哀伤留下任何社会许可的空间。一个人可以愤怒地抗议（因为愤怒是社会许可的情绪），但不能公开哀悼自己职业生涯的消逝。

这种现象在数据科学领域尤为突出——「数据科学家」这个头衔在 EMEA 地区已经成为薪酬最低的同类职位。一个专业不需要被消灭，只要核心含义被掏空，从业者就会失去职业身份。

对你有啥用

• 个人发展：仔细区分「技能焦虑」和「身份焦虑」——前者可以通过学习新技能解决，后者需要重新定义自己的职业身份
• 管理者：如果团队中有员工表现出对 AI 的抵触或消极情绪，不要简单归咎于「跟不上时代」——这可能是真实的哀伤反应
• 团队建设：创造安全的讨论空间，让团队成员表达对 AI 的真实感受，而不是要求所有人「拥抱变化」
• 长期策略：从「我是什么 title」转向「我解决什么问题」——职业身份绑定 title 越来越危险，绑定问题域则更安全

今日数据速览

小编视角

今天的五条新闻看似毫无关联——一个 API 路由器融资、一个公司烧钱上了天、一份咨询报告翻车、一片硅芯片突破、一篇心理分析长文——但它们串起来看，AI 行业正在经历一场深刻的「成人礼」。

第一阶段（2023-2024 年）：所有人都在追模型——参数越大越好，榜单越高越牛。 第二阶段（2025 年）：模型能力到达实用线，焦点转向产品和落地。 第三阶段（2026 年，就是现在）：治理和成本的「原罪」开始浮出水面。

OpenRouter 融资告诉我们：模型太多了，你需要一个管家。$5 亿账单告诉我们：没有管家的后果很严重。EY 翻车告诉我们：AI 写的东西没人验证等于在社交媒体上喊了一嗓子。3D 芯片告诉我们：硬件的瓶颈远没有到头。AI 哀伤告诉我们：技术转型中最痛苦的不是代码重写，是身份重写。

对读者来说，今天最有实操价值的一条建议可能是：

立即检查你的 AI 用量预算，给 API key 设置硬上限。从 $5 亿账单里学到这堂课的成本太高了——好在你可以从别人的教训里免费学。

至于职业焦虑的朋友——如果你在做 AI 相关的产品、工具和技术，你不是被替代的一方，你是替代工具的制造者。但如果你的工作是「把 Excel 数据拉成 PPT」，那确实值得焦虑——不过不是因为 AI，而是因为那个工作本来就不是一个「职业身份」，只是一个任务。

📌 更多 AI 工具对比与在线工具，微信搜 AI Toolkit 或访问 navbox.com.cn 获取

📌 每日 AI 资讯更新，关注 navbox.com.cn/news/