我与Dan Gookin的对话,最初只是一次出版界的重聚。他是《达人迷》系列的原作者,如今是爱达荷州科达伦市的市长。但这场对话最终引向了一个更大的问题:当软件订阅从商业选择变成公共基础设施,谁在为“持续付费”买单?谁又在悄悄征税?
Gookin的故事是一个绝佳的切口。上世纪90年代,他靠一本《DOS达人迷》让无数普通人第一次摸到了个人电脑的门槛。那时候,软件是一次性买断的——你付钱,你拥有,你用到天荒地老。但今天,他作为市长,面对的是另一套逻辑:市政部门使用的几乎所有关键软件——从办公套件到应急调度系统——都变成了订阅制。每年预算里有一笔固定支出,像水电费一样,必须按时缴纳,否则整个城市的数字神经就会瞬间瘫痪。
这不是科达伦市独有的困境。过去十年,软件订阅完成了从“选项”到“默认”的转变。Adobe、微软、Salesforce,乃至无数垂直领域的SaaS服务,把“拥有”变成了“租用”。对企业而言,这或许只是财务模型的变化。但对公共部门来说,这是一场静悄悄的制度冲击。
第一层冲击是预算逻辑的颠覆。传统政府采购遵循“资本支出”逻辑:买一台服务器,用五年,折旧摊销。但订阅制把它变成了“运营支出”——每年都要重新谈判、重新付费。问题在于,公共预算的审批周期和刚性约束,根本无法匹配软件厂商随时调整价格、随时修改服务条款的节奏。Gookin告诉我,科达伦市曾因为一家供应商突然把年费提高30%,不得不临时削减其他公共服务预算。“我们没有议价能力,”他说,“就像你不能因为电费涨了就不用灯。”
第二层冲击更深:数据主权的悄然转移。当你“购买”软件时,数据存在本地,你拥有物理控制权。但当你“订阅”软件时,数据存在厂商的云端,你只有访问权。公共部门掌握着市民的税务记录、土地信息、应急响应数据——这些数据的实际控制者,正在从民选官员变成硅谷的服务器。Gookin对此忧心忡忡:“如果一家公司决定停止服务,或者被收购,或者改变条款,我们连把数据拿回来的技术能力都没有。”
第三层冲击最隐蔽,也最值得警惕:软件订阅正在成为一种“数字税”。它不像房产税或销售税那样需要立法通过,而是通过合同条款、API限制、数据锁定,悄无声息地从公共财政中抽走资金。更关键的是,这笔钱流向了股东回报,而非公共服务。Gookin算过一笔账:科达伦市过去五年在软件订阅上的支出增长了近三倍,而同期市民人口只增长了不到10%。“我们不是在为更多市民服务付费,”他说,“我们是在为软件的‘持续存在’付费。”
这引出了一个根本性问题:当软件成为公共基础设施,它是否应该接受公共事业的监管逻辑?我们不会让一家私营公司随意切断城市的供水,但我们可以让一家软件公司随意切断城市的数字服务。我们会对电力、电信、交通进行价格监管和普遍服务义务,但对软件订阅,我们几乎没有任何制度框架。
Gookin的市长身份让这个问题变得具体。他不能像企业CIO那样说“我们换供应商”,因为迁移成本高到无法承受。他也不能像联邦政府那样自建系统,因为小城市没有那样的技术能力。他只能接受——然后眼睁睁看着预算被一点点侵蚀。
这不是技术问题,而是治理问题。软件订阅的普及,暴露了公共部门在数字时代的结构性弱势:它们面对的是一个高度集中、快速迭代、以股东回报为最高优先级的产业,而它们自己却被预算周期、采购法规、技术债务捆住了手脚。
出路在哪里?Gookin提出了几个方向:一是推动“公共代码”运动,让政府资助开发的软件成为开源资产,避免被单一厂商锁定;二是建立区域性采购联盟,让小城市联合起来获得议价权;三是要求软件厂商披露“退出成本”,就像金融产品必须披露风险一样。
但这些都只是开始。真正的问题在于:我们是否愿意承认,软件已经不再是工具,而是基础设施?如果是,那么它的定价、访问、治理,就必须进入公共政策的视野。否则,我们就会在不知不觉中,把公共权力外包给了一群不需要向选民负责的股东。
Dan Gookin从《达人迷》作者到市长的转变,恰好象征了这个时代的变化:我们曾经以为技术是解放的工具,现在却发现它也可能是新的枷锁。而解锁的关键,不在于写更好的代码,而在于写更好的规则。
评价引导:你所在的城市或单位,是否也在为软件订阅的年年涨价而头疼?你认为软件订阅应该被当作公共事业来监管吗?欢迎在评论区分享你的经历和看法。
谷歌用一年时间从追赶者变成定义者,但真正的考验才刚开始
2026年对谷歌的人工智能雄心来说,是跌宕起伏的一年。年初,凭借2025年底发布的Gemini 3,谷歌在多项基准测试中首次全面压制GPT-5,华尔街一度高呼“谷歌回来了”。然而,随后Claude 4.5在代码生成和长上下文推理上的惊艳表现,又让天平重新摇摆。到了年中,谷歌连发三款模型——Gemini 3.5 Pro、Gemini Nano 4和专注科学计算的AlphaFold 4——试图用密集的产品节奏证明自己不是在追赶,而是在定义赛道。
那么,一个最核心的问题浮出水面:谷歌的新模型,真的在前沿领域赶上OpenAI和Anthropic了吗?答案不是简单的“是”或“否”,而是一张需要拆开来看的拼图。
**第一层:基准测试的“纸面赶超”已经完成**
从公开数据看,谷歌确实抹平了差距。Gemini 3.5 Pro在MMLU(大规模多任务语言理解)上得分91.2,略高于GPT-5的90.8和Claude 4.5的90.5。在数学推理数据集MATH-500上,Gemini 3.5 Pro以94.7%的准确率与Claude 4.5持平,比GPT-5高出1.3个百分点。更关键的是多模态领域——谷歌将Gemini 3.5 Pro的视频理解能力提升到小时级,能连续分析长达两小时的会议录像并提取结构化行动项,这一点OpenAI和Anthropic至今没有对等产品。
但基准测试的局限性早已是行业共识。高分往往来自针对性优化,而非真正的泛化能力。谷歌DeepMind内部一份流出的评估报告显示,在“对抗性推理”测试中——即问题被故意改写得模糊、矛盾或包含陷阱——Gemini 3.5 Pro的准确率骤降至67%,而Claude 4.5保持在78%。这说明谷歌的模型在“考试”中表现优异,但在真实世界的混乱语境中,仍不如Anthropic稳健。
**第二层:开发者生态的差距正在缩小,但未逆转**
OpenAI的护城河从来不只是模型本身,而是围绕API构建的庞大开发者生态。截至2026年第一季度,OpenAI的API调用量是谷歌Vertex AI的2.3倍,Anthropic的1.8倍。然而,谷歌在过去六个月里做了两件正确的事:一是将Gemini API的定价下调40%,直接对标GPT-4o的轻量版;二是推出“模型蒸馏”服务,允许企业用Gemini 3.5 Pro的输出微调小模型,从而降低推理成本。
效果立竿见影。根据开发者调查平台Stack Overflow的数据,2026年第二季度,使用谷歌AI服务的开发者占比从14%上升至27%,而OpenAI从52%下降至44%。但值得注意的是,Anthropic在“高价值任务”中的份额反而上升了——在代码审查、法律文书生成和科研辅助三个场景中,Claude 4.5仍是首选。这说明谷歌抢走的是“价格敏感型”用户,而非“质量敏感型”用户。
**第三层:安全与对齐,谷歌的隐性短板**
前沿AI的竞争不仅是能力竞争,更是信任竞争。Anthropic凭借“宪法AI”和可解释性研究,在企业合规部门中建立了独特信誉。OpenAI则通过“红队网络”和模型卡制度维持透明度。谷歌呢?Gemini 3.5 Pro的模型卡只有12页,而Claude 4.5的模型卡长达47页,详细列出了失败模式、偏见测试和部署限制。
更棘手的是,谷歌在2026年3月被曝出Gemini Nano 4在端侧设备上存在“记忆泄露”风险——即模型可能复现训练数据中的个人身份信息。尽管谷歌迅速发布补丁,但这一事件加深了企业客户对“谷歌速度优先于安全”的刻板印象。在金融和医疗行业,这种印象是致命的。
**第四层:真正的战场不在模型,而在“代理”**
2026年下半年的竞争焦点已经转向AI代理——能自主规划、调用工具、完成多步任务的系统。OpenAI的Operator和Anthropic的Claude Agents都已进入企业试点。谷歌的Project Astra虽然演示惊艳,但至今未开放公测。一位谷歌内部工程师匿名透露:“我们在代理架构上落后了至少两个季度。Gemini 3.5 Pro的推理能力很强,但把它变成可靠的代理,需要完全不同的工程栈。”
这意味着,即使谷歌在模型能力上追平了对手,在“模型即产品”的下一阶段,它仍可能重演搜索时代的困境:技术不差,但产品化慢半拍。
**结论:赶上了吗?分领域看**
如果你问的是“纯语言理解和多模态感知”,答案是:谷歌已经赶上,甚至在某些维度领先。如果你问的是“推理稳健性、安全信任和代理生态”,答案是:还没有,差距大约在6到12个月。如果你问的是“开发者心智份额”,答案是:正在缩小,但OpenAI和Anthropic仍占据高地。
谷歌真正的优势在于垂直整合——从TPU芯片到数据中心,从Android到Workspace,它有能力将AI嵌入数十亿人的日常工具。但这也可能是它的诅咒:当你的模型要同时服务搜索、邮箱、地图和手机时,你很难像Anthropic那样只为一个目标优化。
2026年不是终点。谷歌用一年时间证明了自己不是掉队者,但要从“赶上”变成“定义”,它需要在下一次范式转移——无论是世界模型、神经符号系统还是量子增强推理——中率先撞线。而这一次,OpenAI和Anthropic不会给它留出12个月的窗口。
**评价引导:**
你觉得谷歌在AI前沿领域真的赶上OpenAI和Anthropic了吗?是模型能力更重要,还是生态和信任更关键?欢迎在评论区留下你的看法,也别忘了点个“在看”,让更多人加入这场关于AI未来的讨论。




