一辆真车，一次科目二，方向盘后面坐的不是学员。这条消息和另外三条一起，构成了今天科技圈最值得拆解的四个切面。

车考过了，人还在争论

打开网易新闻 查看精彩图片

GPT-6 开真车考过了科目二。这不是模拟器里的跑分，是实车、实考场、实项目。科目二考的是倒车入库、侧方停车、坡道起步这类对空间感和精细操控要求极高的动作，对任何驾驶者都是硬门槛。

把它交给一个语言模型驱动的系统，意味着感知、决策、执行三段链路要在真实物理环境里闭环。这条消息本身没有给出更多技术细节，但"真车"和"考过"两个词放在一起，已经足够说明问题。

黄仁勋的判断：不重要

另一边，黄仁勋谈到了 AI 让孩子淡忘基础数学这件事。他的态度很直接：这不重要。

这个表态放在 GPT-6 考过科目二的同一天看，逻辑是自洽的——如果模型能替人完成越来越复杂的操作，那么"人还需要亲手掌握哪些基础技能"这个问题，答案正在被重新划线。黄仁勋没有展开他判断的依据，但这句话本身就是一个立场：工具的能力边界，正在替代人的能力边界成为衡量标准。

十天 70 万，然后撞上算力墙

Meta 的 Muse 用户规模十天冲上 70 万。这个增速放在任何一款产品上都是亮眼的开局。

但紧接着的问题是算力短缺。用户涌进来的速度超过了基础设施的承载能力，这是产品爆发期最典型的瓶颈——增长曲线越陡，资源缺口暴露得越快。Muse 目前面临的就是这个局面。

算力焦虑的另一面

Anthropic 达成了一项大规模算力协议。在 Muse 因算力短缺承压的同一天，这条消息指向的是同一个命题：谁能锁定算力，谁才有资格谈用户增长。

四条消息拼在一起，画面并不复杂——模型在往物理世界走，行业权威在重新定义什么该学什么不必学，产品在抢用户，而所有人在抢算力。