本文探讨AI基础设施的经济价值，强调智能的“丰裕”在于降低成本、提升能力，形成良性循环。通过降价（如GPT-5.6 Luna降80%）、优化计算效率（节省20%成本）和全栈协同，实现更高效智能。投资基于证据和需求，目标不是建最大设施，而是让智能更普及、更有用，惠及更多用户。

著名黑客Geohot批评湾区文化，认为人们通过制造恐慌来维持对AI的投资信心，导致高估值。泡沫终将破裂，呼吁经济回归真实价值。

随着AI行业标准化的推进，新的评估工具Agent’s Last Exam（ALE）应运而生，旨在衡量AI代理在真实工作中的表现。该工具基于实际职业任务，评估AI在55种职业中的有效性。研究显示，尽管AI在某些任务上表现出色，但在复杂工作中仍未达到人类水平。Song教授指出，评估AI的经济价值是比较进展的重要方式，但并非唯一标准。

Databricks推出了OfficeQA基准，旨在评估AI代理在经济价值任务中的表现，特别是复杂数据集的推理能力。尽管现有模型在标准测试中表现良好，但在实际企业任务中的准确率仍低于70%。OfficeQA包含246个问题，分为简单和困难两类，反映企业常见问题。2026年春季将举行AI与人类团队的竞赛，以推动创新。

量子计算利用粒子的特殊行为处理信息，能够同时处理多种可能性。预计到2035年将为药物、化学和金融等领域创造1.3万亿美元的经济价值。各国和公司正在竞相研发量子计算机，未来十年可能会改变多个行业。

我们的使命是确保人工智能造福全人类。为此，我们推出GDPval评估，旨在跟踪AI模型在经济价值任务上的表现。GDPval涵盖44个职业和1320个真实工作任务，帮助理解AI如何支持日常工作。未来版本将扩展到更多互动和复杂任务，以更好地反映知识工作的实际情况。

全球经济中，开源软件的价值达到8.8万亿美元，但许多公司仍未投资。开源项目维护者如Daniel Stenberg面临巨大压力，需要处理来自各方的支持请求。尽管开源具有战略价值，但高层管理者对此认识不足，导致开发者负担加重。

在快速发展的零售环境中，人工智能成为竞争优势。到2025年，个性化服务将是零售策略的核心，促进客户忠诚和收入增长。尽管生成性AI能为零售商创造高达3900亿美元的经济价值，但实施面临数据质量、隐私和资源不足等挑战。69%的客户希望获得个性化体验，但许多零售商未能满足这一需求。成功的AI应用需平衡技术与人性化服务，以提升购物体验。

OpenAI推出SWE-Lancer基准，评估AI语言模型在自由软件工程任务中的表现。该基准基于来自Upwork的1400多个任务，关注经济价值和复杂性。尽管AI模型有所进步，初步结果显示它们在大多数任务中仍面临挑战。SWE-Lancer为研究人员提供统一的Docker镜像，促进合作与透明度，强调AI在软件工程中的经济影响及持续改进的必要性。

志愿者在现代社会中扮演着重要角色，尽管没有报酬，却为社区提供必要服务，促进社会福利。志愿者在教育、医疗和环境保护等领域贡献力量，尤其在自然灾害中迅速提供援助。志愿活动不仅具有经济价值，还能提升个人幸福感和技能发展。因此，认可志愿者的贡献，创造支持环境，确保志愿活动的可持续性至关重要。

人工智能（AI）正在改变商业世界，生成式AI工具如ChatGPT的普及使其应用日益广泛。麦肯锡估计，生成式AI每年将为全球经济增加2.6至4.4万亿美元的价值。各行业如零售、金融和医疗等正在积极采用AI，以提升客户服务、个性化推荐和运营效率，推动业务发展。

开源软件已经从小众努力发展到现在的程度，最近的研究表明其对经济的需求价值估计为8.8万亿美元。开源软件的开放协作模式使得政府、企业、非营利组织和个人可以共同努力。然而，开源生态系统的资金不足，需要更多关注。GitHub正在与Linux基金会和哈佛商学院合作研究组织如何支持开源。越来越多的公共机构也在关注开源。