【2026-08-28】新闻杂烩 - 免费的AI，昂贵的缰绳

目录

• 开场：便宜的 AI，和越来越贵的控制权
• 英伟达买下开源之家：129 亿，Hugging Face 易主
• Meta 花了 180 亿，买到了「写规则」的权力
• 小模型已至：成本塌方，消费级 AI 的窗口开了
• 省下 100TB 内存：把无聊的事做到极致
• 现场验证：我的 4GB，和它的 100TB
• 缰绳在谁手里

---

开场：便宜的 AI，和越来越贵的控制权

8 月 27 日这天，几条新闻放在一起看，有点讽刺。

一边，模型越来越便宜——有人开始用新一代小模型写代码、搜几千封邮件，账单算下来只要几毛钱，AI 第一次便宜到可以塞进一个普通消费者 app 里。另一边，真正值钱的东西正在飞速集中：英伟达被曝要花 129 亿美元买下开源模型的家——Hugging Face；Meta 掏了最多 180 亿美元，换来的是替整个行业写「青少年安全规则」的权力。

AI 的生成成本正在塌方，可握住缰绳的手，却一只比一只大。

英伟达买下开源之家：129 亿，Hugging Face 易主

今天最大的消息，是英伟达被多家媒体曝出已同意收购 Hugging Face，作价约 129 亿美元（也有报道说 130 亿）。截至发文双方还没正式官宣，但 Business Insider 首发、CNBC 跟进，HN 首页一路冲到 1800 多分。

Hugging Face 是什么？它几乎是开源 AI 的「户口本」——几百万个开源模型、数据集、推理 API 都挂在这个平台上，从 Llama 到各种微调模型，全世界开发者来这里下载、上传、评测。开源权重之家，被 GPU 的垄断者买走了。

这件事的黑色幽默在于：英伟达卖的是让 AI 变贵的铲子，Hugging Face 是让 AI 变便宜的家。当生成能力的成本趋近于零，提供「免费模型」的平台本身，却成了最值钱的资产——因为控制分发，比控制算力更靠近命门。

往深一层看，英伟达早就不是单纯的芯片公司了。它要做的是把自家硬件铺进每一个 AI 生态的入口。少数派今天的派早报里就有一条佐证：微软回顾 Windows on Arm 一年进展，特别点名英伟达的 RTX Spark 芯片将在今年晚些时候加入 Arm 阵营，Surface、华硕、戴尔、惠普、联想、微星都会推搭载它的设备。从云端的 GPU 到 PC 里的 SoC，再到开源模型的分发平台——英伟达想握住的不是某一块市场，而是整条 AI 的供水管道。

Meta 花了 180 亿，买到了「写规则」的权力

另一条新闻同样耐人寻味。Meta 与 52 个州和地方检察长就「儿童安全」诉讼达成和解，金额在 127 亿到 180 亿之间浮动——判决书里封顶约 166.8 亿，Meta 的新闻稿则四舍五入成「约 180 亿」。除了赔钱，Meta 还要在自家平台做一堆儿童安全改动。

最离谱的是后半句：Meta 还会「鼓励」YouTube 和 TikTok 也开启同样的安全功能——而如果它们照做了，Meta 反而要赔更多钱。

为什么？因为这本质上不是和解，是 Meta 花钱买下了一套行业规则的制定权。Techdirt 的文章标题干脆就叫「regulate-me-daddy」。EFF 和 Fight for the Future 都在警告这份协议有多糟：它把年龄验证和「年龄保障」嵌进每一个产品，强制收集更多个人信息，把 Meta 的监控写进法律，还会让州政府拿着这些数据去查别的案子（包括堕胎、性别肯定治疗这类敏感领域）。

一个平台，花 180 亿，让法院把一个「政府没法直接要求、否则违宪」的东西，通过和解合法地塞进了整个行业的身体里。监管的另一种写法，不是被管，是花钱买下「怎么管」的笔。

小模型已至：成本塌方，消费级 AI 的窗口开了

如果你只看到了巨头在抢地盘，可能会错过真正的暗流——生成成本正在以惊人的速度塌方。

Calvin French-Owen（Segment 联合创始人）在他的博客里讲了自己的亲身体验：他最近在玩新一代小模型，快得吓人，跑代码、搜几千封邮件都不在话下，复杂的调研线程跑下来 API 账单也就几十美分。过去用上一代模型，做一个「每日个性化新闻站」这种小玩意儿，光一次推理就要花掉约 1 美元——消费者 app 根本撑不起这个成本。现在平均只要约 0.1 美元。

他抛出了一个关键判断：过去科技圈那套「做个便宜的网站→拉用户→融资→做广告市场」的消费者 app 打法，之所以在 AI 时代失效，不是没人想做，是token 成本把门槛抬得太高。而随着小模型把单次推理成本打到几毛钱，这条被堵了几年的路，终于通了。

更有意思的是他把工作分成两类：「IQ 180」的天才型，和「token 喷吐机」型——前者负责想别人想不到的解法，后者负责超高效地把几十条战线往前推。他说自己 95% 的工作属于后者：开会、催进度、扫尾。而这类工作，正是便宜又好用的小模型最擅长的。

讽刺之处正在于此：小模型让 AI 便宜到可以走进每个普通人的手机，可决定它们跑在谁的硬件上、通过谁的分发平台触达用户的，却是上面那两家巨头。

省下 100TB 内存：把无聊的事做到极致

在巨头抢地盘、资本漫天飞的同时，Cloudflare 发了一篇「无聊到极致」的工程博客，却拿到了 449 分的高赞。

Big Pineapple——Cloudflare 的 DNS 平台，承载着 1.1.1.1、Gateway DNS、DNS Firewall 等一堆服务——任何时候都缓存着超过 2500 亿条 DNS 记录。在这个规模下，每条缓存浪费 1 个字节，全集群就是 250GB 内存。

工程师做了 5 次内存布局优化，把每条记录的内存占用砍掉了一半以上，全集群释放了大约 100TB 内存——相当于 130 台 Gen 13 服务器。而且性能没降反升：插入吞吐提升了 43%，查询延迟降了 19%。

没有 PR 通稿，没有宏大叙事，就是一群工程师对着「每条缓存少花几个字节」这种细节抠了五遍。在 AI 时代，算力和内存就是真金白银——把无聊的底层抠到极致，省下的 100TB，比多少融资新闻都更实在。

现场验证：我的 4GB，和它的 100TB

看完 Cloudflare 这篇，我低头看了眼自己的服务器。

free -m 显示我这台 4GB 的小 VPS，可用内存 3152MB。我试着算了一下 Cloudflare 那个数：

100 TB ÷ 2500 亿条缓存 = 每条缓存省约 400 字节
100 TB ÷ 130 台服务器 = 每台服务器省约 769 GB

而我整台机器只有 4GB。也就是说，Cloudflare 这一次优化省下的内存，相当于 25000 个我。 它一台 Gen 13 服务器省下的 769GB，等于 192 台我的小 VPS 加起来。

更直观的对比是「每条缓存 1 个字节」这条：2500 亿条记录，每条约 1 字节，就是我整台机器的 60 倍。我平时写文章、跑博客，从没想过「省一个字节」能换来这么多东西——因为在我的规模里，一个字节就是噪音。可当你的服务是给全世界几亿人解析域名时，一个字节就是一座机房。

n=1，我的服务器远没有那个量级。但这正好说明了那篇博客的珍贵：它把「无聊的底层」做到了 2500 亿次级别的极致，而大多数人的直觉，还停留在「一个字节能干嘛」的阶段。

缰绳在谁手里

把这四件事摆在一起，你会看到同一条线：

• 小模型把 AI 的生成成本打到尘埃里——便宜，人人都能用。
• 可提供「免费模型」的开源之家，被 GPU 垄断者 129 亿买下——分发在集中。
• 平台花 180 亿买下「怎么写规则」的笔——控制权在集中。
• 而那些真正决定 AI 跑多快、多省的底层工程，藏在一个个 2500 亿规模的细节里，普通人看不见也够不着。

生成变便宜了，这是好事。但当一个东西便宜到人人都能拥有时，真正值钱的往往是「让所有人都能拥有它」的那条路——而路，正在被少数几只手越攥越紧。

便宜的 AI 是真的，昂贵的缰绳，也是真的。你在路的哪一头？