2026年13日星期六我昨天写了这篇文章。我决定让它成熟后再发布。今早我醒来时看到的正是我所说的关于AI武器化及其作为国家安全问题的担忧。我没有改动文章的任何字句。来自Anthropic网站的截图。2026年12日星期五。我认为是的。不过，不是AI方面。苹果几天前在WWDC上宣布了一些超越Siri改进的内容；这是AI世界今天的信号，以及它未来的发展方向。让我解释一下。苹果认为，绝大多数用途下，我们不需要基于云的LLM。他们决定Mac OS应该成为一个能够本地处理工作流程和任务的AI支持系统。可以在需要时使用云系统。这是合理的，如果他们的Mac有能力本地运行AI自动化和任务，用户就不需要购买月度订阅。这对你我意味着什么？可能我们的大部分自动化和Claude技能最终将运行在我们的Mac上。我们可能还需要重建我们的应用。那么LLMs会发生什么？他们已经暗示了他们打算去往何处：高级AI工作：代理、工具、深度推理任务。专业工作，而不是默认基础设施。LLMs确实很有用，但我们的希望和想象可能在我们的误解中扮演了角色。LLMs从设计上就有一个限制：它们本质上是概率性的。概率系统解读上下文；它们并不确定执行。要求LLM扫描发票并始终正确更新数据库更多的是期望，而不是解决方案。这个用例迫使一个概率系统表现得像一个确定性系统。那么为什么不直接使用一个确定性系统呢？许多早期的经验丰富的采用者会不同意，但我想知道他们的代理系统每笔交易的费用是多少，它们需要多少维护时间，以及花费了多长时间来构建。然后我会问：为什么不使用LLM来构建确定性工具呢？一个设计良好的系统可以通过验证层、置信度评分和人工审查队列来管理LLM的概率特性。这是事实。但这些层有成本——在开发时间、维护以及需要人工监督来捕捉模型出错的方面。这种成本在商业案例中很少体现。它通常在进行本应被自动化消除的工作的人员中浮现。留个评论这让我想到了LLMs真正擅长的事情：民主化软件开发——消除了技术障碍，同时人类仍然主导 加速学习——消除了访问障碍，同时人类仍然进行综合 解释辅助——减少认知负担，同时人类仍然进行决策 语言和翻译工作——消除了摩擦，同时人类仍然拥有意义 注意到这个模式。在每种情况下，人类依然是必不可少的。LLMs是放大工具：它们加速和扩大我们想做的事情，同时也放大了我们的错误。围绕AGI的消费市场已经平静下来。实验室本身比以往更关注AGI，因为这是它们的既定任务和研究计划。但公众的叙述已转向实际功能和月度订阅。苹果决定专注于为其用户提供本地的、实用的AI，而不是追赶前沿模型基准，着实耐人寻味。这表明，朝向人工通用智能的竞争可能不像行业所声称的那样，在现实世界的价值中占据中心地位。这让我怀疑OpenAI、谷歌和Anthropic在闭门会议上正在研究截然不同的模型，我们还不知道的实验，因为当前的LLM方法有其极限，他们也知道这一点。我发现，当我听到有人将AI框架化为国家安全问题时特别令人不安。这样的框架并没有产生智慧；它产生的是升级。上个世纪的每一项重大技术被纳入权力和主导叙事中，最终都导致了冲突，而不是进展。其他国家和集团不会消极旁观。他们会建立替代方案、限制访问，并通过监管和竞争投资进行报复。军备竞赛的框架分裂了技术，而不是推动其发展。有趣的是，苹果提供了一个部分的反例：一个商业主权行为，不需要将技术武器化来捕捉其价值。我并不是说AI结束了。我只是说LLMs正在遇到瓶颈。LLM的商业模型面临压力，不是因为技术已停止改进，而是因为获取这种改进的成本不断上升，而绝大多数企业和独立专业人士的可持续用例仍然比广告宣传的要窄。我不想被轰炸的消息分散注意力。