思辨课14:明天的路况,软件今天是怎么知道的?

读懂大数据、AI 与算力：怎么防，又怎么用

大数据（Big Data）

指规模巨大、类型复杂多样、处理速度快的数据集合，其规模超出了传统数据库软件工具的处理能力。大数据不仅指数据本身的“体量大”，更强调通过先进的分析技术，从海量、多源、异构的数据中提取有价值的信息，从而辅助决策、发现规律、创造价值。

1. 核心特征（5V特征）

规模性（Volume）：数据体量巨大，通常达到TB、PB、EB甚至ZB级别，远超传统数据的规模。

高速性（Velocity）：数据生成、传输和处理的速度极快，要求实时或近实时的分析与响应（如实时推荐、实时预测）。

多样性（Variety）：数据格式多样，不仅包括传统的结构化数据（如数据库表格），还包括半结构化数据（如日志、XML、JSON）和非结构化数据（如文本、图片、音频、视频）。

价值性（Value）：数据价值密度低，海量数据中真正有价值的信息往往只占很小一部分，需要通过数据挖掘和机器学习等技术进行提炼。

真实性（Veracity）：数据存在不完整、不一致或噪声，需要清洗和预处理以保证数据的准确性。

2. 数据主要来源

传统企业数据：如CRM、ERP、财务、库存等系统产生的业务数据。

机器与传感器数据：如设备日志、智能仪表、工业传感器、摄像头等产生的实时数据。

社交与互联网数据：如用户行为记录、网页访问记录、UGC（用户生成内容）等。

3. 核心价值与应用大数据的价值在于“数据驱动”。通过大数据技术（如分布式存储、流处理、数据挖掘、机器学习）对数据进行分析，广泛应用于精准营销（如个性化推荐）、智慧交通（如实时路况预测）、智慧医疗（如疾病预测）、金融风控、智能制造等领域，是数字经济时代的核心生产要素。

AI（Artificial Intelligence，人工智能）

指让计算机模拟、延伸和扩展人类智能的科学与技术。其核心目标是让机器能够完成一些通常需要人类智能才能完成的任务，如理解语言、识别图像、分析信息、解决问题和生成内容。

1. 核心原理：从数据中找规律AI 的底层逻辑不是“天生就懂”，而是“从大量的数据（文字、图片、声音等）中寻找规律”，并利用这些规律去判断新情况或生成新内容。

例如，大语言模型通过阅读海量文本，学会预测“下一个词”最合理的组合，从而生成流畅的文本。

2. 主要分类

弱人工智能（Narrow AI）：专注于单个特定领域，能出色地完成特定任务，如 AlphaGo（下棋）、人脸识别、语音助手等。这是目前应用最广泛的 AI 形态。

强人工智能（AGI）：指达到或超越人类智能水平、能像人一样应对不同层面问题的 AI，目前仍处于理论探索阶段。

生成式AI（AIGC）：能够根据用户输入生成新内容（如文本、图像、音频、视频）的 AI，如 ChatGPT、Midjourney 等。

3. 常见应用场景

日常生活：手机语音助手（如Siri、小爱同学）、地图导航、短视频推荐算法、手机拍照的智能修图等。

工作与生产：辅助写文案/代码、总结长文章、智能客服、工业自动化质检、医疗影像辅助诊断等。

4. 客观认知：AI 是工具，而非“真人”AI 没有人类的情感、生活经验和真正的“理解”能力，它只是基于数据和算法做出概率上的预测。因此，AI 提供的答案可能包含错误或“一本正经的胡说八道”，不能完全替代人类的专业判断，需要结合人类的经验进行核实和把关。

算力（Computing Power）即计算能力

指计算机系统（或计算设备）在单位时间内处理、分析、存储和计算数据的能力。它是数字经济时代集信息计算力、网络运载力、数据存储力于一体的新型生产力，被视为数字时代的“新石油”和核心基础设施。

1. 核心本质与作用

本质：算力是数字世界的“加工引擎”，负责将海量无序的数据转化为有价值的信息、智能决策与服务成果。

作用：算力决定了智能设备处理任务的快慢和上限，是驱动人工智能（AI）、大数据分析、云计算、区块链等前沿技术发展的核心动力。

2. 主要分类

根据应用场景、技术架构和提供算力的强度，算力主要分为三大类：

通用算力（基础算力）：以CPU（中央处理器）为核心，提供通用计算能力，适用于日常办公、网页访问、视频播放、基础互联网服务等通用场景，特点是通用性强、响应稳定。

智能算力（AI算力）：以GPU（图形处理器）、NPU（神经网络处理器）、ASIC（专用集成电路）等AI专用芯片为核心，专为AI训练和推理设计，擅长处理海量非结构化数据，适用于大模型训练、智能推理、图像识别、语音交互等复杂AI场景，是AI时代增长最快的核心算力。

超算算力（超级算力）：由超级计算机或高性能计算集群提供，提供极致的计算能力，主打超高精度、超大算力峰值和超大规模并行计算，适用于气象模拟、航空航天仿真、生物医药研发、量子物理等尖端科学计算和高端工业领域。

3. 衡量标准

核心指标：行业内最常用的衡量指标是FLOPS（Floating-point Operations Per Second，即每秒浮点运算次数），数值越大，代表计算能力越强。

常见量级：MFLOPS（百万次/秒）、GFLOPS（十亿次/秒）、TFLOPS（万亿次/秒）、PFLOPS（千万亿次/秒）、EFLOPS（百亿亿次/秒）等。

精度影响：算力的衡量需结合计算精度（如FP16半精度、FP32单精度、FP64双精度）进行综合评估，不同精度下同一硬件的算力数值差异较大。

4. 应用场景

算力已深度渗透到各行各业，典型应用包括：AI大模型（如ChatGPT）的生成与推理、自动驾驶的实时决策、金融高频交易与风控、医疗影像的AI辅助诊断、工业智能制造的实时数据分析、气象预测与药物研发等。

一、一个每天都在发生的小奇迹

晚上十点，你打开导航，看一眼明天早上八点从家到公司的路线。地图上已经有一段是黄的，还有一小段红的，提示“预计通行 47 分钟，建议 7:40 前出发”。

明天还没到，路上还没有车，堵还没发生。它是怎么知道的？

这个问题看着是技术问题，其实是一连串更基本的问题：它凭什么知道路况？凭什么知道明天？算这些东西要多少电、多少机器？以及——它既然能算路况，还能算我什么？

《青少年思辨课》第三章“信息素养”第十四讲的标题是“大数据：数据如何‘读取’我们的生活”，底下的引子正是这一句：明天的路况，软件今天是怎么知道的？

这一讲要拆开的，是三个常被混着说的词：大数据、AI、算力。它们不是同义词，是三样不同的东西，缺一样都不成立。

二、路况是被“读”出来的

先说结论：软件并不知道明天，它只是知道“过去几百个星期一早上八点，这段路是什么样”。

第一层，数据从哪来。

你手机里的定位就是一个移动探针。开着导航的车、装着地图软件的手机、网约车和公交的车载终端，每隔几秒回传一次位置、速度、方向。

这些点被“贴”到路网上——路口是节点，路段是边——同一条边上有几十上百个点都在以 15 公里的时速移动，这条路此刻就是红的。

此外还有卡口摄像头、地磁线圈、交管部门的事故与管制信息、用户主动上报的“前方施工”。

所以那些红黄绿，是“很多陌生人的手机 + 一些摄像头 + 一些人工上报”共同测出来的。

第二层，模型怎么算。

光有“现在多快”不够，还要回答“接下来会多快”。做法是拿历史做基线：这条路工作日早上八点通常就是这速度，今天偏慢 40%，说明有异常；再看异常形态——全线均匀变慢多半是流量大，某一小段突然掉到个位数多半是事故。

最后把上下游一起算：一段堵了，车会往上一个路口倒灌。这种“路段互相影响”的结构正好是图结构，所以主流做法之一是用图神经网络，把整张路网当成一张图来预测。

2020 年之后，几家地图厂商都公开提到用这类模型改进到达时间预估，误差有明显下降。

第三层，算力从哪来。

一个千万人口的城市，每秒回传的定位点以百万计，要在几十秒内完成清洗、匹配、融合、预测，再推给几百万正在导航的用户。

这不是一台服务器能干的事，是几千台机器组成集群一起算。你手机上那三秒等待，背后是一次大规模的分布式计算。

所以那个“小奇迹”是三件事的合成：持续不断的海量观测（数据），从观测里找规律的方法（AI），把方法跑起来的能力（算力）。

三、三件事，别混着说

数据是原料。

它的特点是多、杂、不断产生。但数据本身不产生判断——一堆 GPS 点放在硬盘里，和一堆石头没区别。

数据的价值取决于有没有人问对问题。

AI 是机器。

它做的事，本质是“从大量样本里拟合出一个映射”：语音识别是“声音→文字”，推荐是“你的行为→你可能喜欢的商品”，大模型是“前文→下一个词”。

它不需要理解红绿灯的意义，只需要把“这段路这个时段的速度”和“接下来半小时的速度”之间的统计关系学到手。

算力是电。

它决定这台机器能开多大、开多快。芯片、集群、电力、散热，都是这一层。

中国的“东数西算”把数据中心往西部放，图的就是电便宜、气温低。

数据决定它见过什么，算力决定它能算多快，算法决定它算得准不准。

缺数据，模型空转；缺算力，想法落不了地；缺好算法，再多的电也是白烧。

四、大数据真正改掉的三个习惯

大数据之所以叫“大”，不在于数量，而在于它改掉了三件事。

一是从抽样到全样本。

过去要抽一万个司机来推断路况，现在是所有开着导航的车各报一次。

这减少了一类错误，也带来新的错觉：全样本不等于全事实。

只用导航用户的数据，等于假设“不用导航的人不存在”，老年人、货车、外地车的权重被压低了。

二是从因果到相关。

大数据最擅长回答“什么和什么一起出现”，最不擅长回答“为什么”。

推荐系统不需要知道你为什么买，只需知道买了 A 的人常也买 B。

这在商业上极有效，在判断上极危险：相关能预测，不能解释，更不能直接当决策依据。

三是从记录到预测。

以前的系统记录已发生的事，现在猜未发生的事。

这一步跨得很大，也容易被过度信任——因为预测给出的是一个干脆的数字，而不是带误差范围的说法。

五、AI 这两年为什么突然“什么都会”

2022 年底之后，AI 从“能识别”变成了“能生成”。

技术上是一个很朴素的转变：把“预测下一个词”这件事做到足够大。

给它海量文本，让它不断猜下一个词，猜错就调参数。

做到几千亿参数、几万亿词元的规模，它开始表现出没被专门训练过的能力：翻译、写代码、总结、推理。这条经验叫“规模定律”——参数、数据、算力一起放大，能力会可预测地上升。

但 2024 年底出现了一个反例。DeepSeek-V3 公开的技术报告里写着：总参数 6710 亿，每个词元只激活 370 亿，预训练用了 14.8 万亿词元，跑了 278.8 万 H800 GPU 小时，按每小时 2 美元算，训练成本约 557.6 万美元。

同期头部闭源模型的训练成本，被外界估在亿美元量级。

这个数字的意义不在“谁更便宜”，而在于它说明：算力不是唯一变量。

同样的目标，架构（稀疏激活、注意力压缩）、工程（并行策略、显存调度）、数据质量，都能把成本压下一个量级。说“算力决定一切”太省事了；准确的说法是，算力决定上限，算法和工程决定你离上限有多远。

顺带一个规模感：截至 2025 年 12 月，我国生成式人工智能用户规模已达 6.02 亿，普及率 42.8%。它已经不是“未来技术”，是在日常里了。

六、它怎么“读取”我们

导航只是最无害的一种。同一套能力用在人身上，读的是别的东西。

行为序列。

几点打开应用、在哪一屏停了 3 秒、加了购物车又删掉、看了三次没下单——它不需要知道你为何犹豫，只需知道“停留超过 8 秒且比价两次的人，发一张 5 元券转化率最高”。

位置和关系。

家在哪、公司在哪、几点出门、周末去哪，四项一组合，基本能还原一个人的生活结构；再加上通讯录和共同群构成的社交图，谁和谁熟也能算出来。

分数。

信贷额度、骑手派单优先级、司机成交率、简历筛选，很多已经是模型给的分数在决定。你不一定知道有这个分数，更不一定知道它怎么算出来的。

便利和代价同源。导航准，是因为它一直知道你在哪；推荐准，是因为它一直看你干了什么。想让服务“懂你”，就得先让它“读你”。

真正的问题不是“要不要被读”，而是“读到什么程度、读完谁负责、你有没有能力拒绝”。

七、不利影响的四条机制

不是所有风险都来自“坏人”，大部分来自结构。

第一，以偏概全。

数据只记录被记录的部分。只用 App 数据看一座城市，就看不到不用 App 的人；只用历史数据训练招聘模型，会把历史偏见原样学下来——过去十年招的多是某一类人，模型就认为“这类人更像合格员工”。

它没有恶意，它只是把历史复制了一遍。

第二，黑箱。

几千亿参数的模型，没人能逐条解释它为什么给出这个答案。

预测路况时无所谓，但拒绝一笔贷款、筛掉一份简历时就是大问题——不可解释，就意味着不可申诉。

第三，目标错位。

平台的目标函数是停留时长和转化率，不是你的时间价值。算法把你留下来，它完成了任务；你刷到凌晨两点，不在它的考核指标里。

一个以“降低投诉率”为目标的客服系统，最优解可能是让你找不到人工入口。

第四，能力侵蚀。

导航用久了不认路，搜索用久了不记东西，写作靠生成了就不愿自己搭结构。

不是道德问题，是用进废退——习惯了“问一下就有答案”，人会慢慢失去“这答案凭什么”的习惯。

八、七个规避动作

规避不是不用，而是把主动权拿回来一点。以下七条多数有法规依据，今天就能开始做。

第一，做一次权限审计，分清“必要”和“便利”。

打开手机设置，逐个应用看定位、通讯录、相册、麦克风的授权，原则是“最小必要”：手电筒不需要通讯录，修图软件不需要常驻定位。

用隐私换便利是常见交易，但要看换来什么——为了一个滤镜交出通讯录不划算，为了导航交出即时位置合理。判断标准很简单：这个权限和这个功能，有没有直接关系？

第二，别在一个平台里比价。

差别定价（俗称“大数据杀熟”）在《个人信息保护法》里是被明确约束的：利用个人信息进行自动化决策，应当保证结果公平、公正，不得实行不合理的差别待遇。实操上多平台比、换账号比、用无痕模式比，是最有效的自检；发现差价先截图留证再投诉。

第三，知道自己有“拒绝权”和“解释权”。

同一部法律第二十四条还规定：通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求说明，并有权拒绝仅通过自动化决策的方式作出决定。这句话在信贷拒批、保险定价、平台封号这类场景里可以直接引用。

第四，重要的事要有人工复核。

凡涉及“对人的不利决定”——辞退、降级、拒付、拉黑——组织层面都应留一道人工复核，并且能说清依据。这不是效率问题，是责任问题：模型承担不了责任，能承担责任的只有人。

第五，AI 生成的内容，先看来源再看内容。

《人工智能生成合成内容标识办法》自 2025 年 9 月 1 日起施行，要求对 AI 生成的文本、图片、音视频加显式标识（看得见的提示）和隐式标识（写在文件元数据里），并禁止恶意删除、篡改。

看不到标识，不等于不是生成的；但有标识，至少说明来源。涉及转账、借钱、领导指令，一律换个渠道核实。

第六，别把决定权交出去。

模型可以给建议、给选项、给初稿，最后那一下“确认”要留在自己手里，尤其是三类事：涉及钱、涉及人、涉及法律责任。

第七，给家里老人设一道“验证问题”。

 AI 换脸和拟声已经便宜到普通人能用。跟父母约定一个只有家人知道的问题，凡是视频、语音里提到转账，先答这个问题。

这比讲一百遍“不要相信陌生人”有用。

九、怎么用它把活干快、把日子过好

前面说的是防守。这一节说进攻——同一套东西，用对了，效率提升是实打实的。

第一，把它当实习生，不当专家。

实习生能干很多活，但结论要你签字。指令要像带人：说清背景（我是做什么的、材料给谁看）、给样例（照这个格式）、限定条件（不超过两页）、要求列假设（依据了什么、哪些不确定）。每一版都当“初稿”，不当“答案”。

第二，三类活最适合先交出去。

一是文本转换：会议纪要、周报、班前会讲稿、安全交底初稿、把录音整理成条目——费时间但不费判断。

二是检索归纳：从规范条文、事故案例、合同条款里找出相关几条并列出出处，出处必须自己回查。

三是表格与代码：Excel 公式、数据清洗、把几百行台账按规则分类汇总。共同点是“输入明确、输出可检验”，正好是模型擅长的。

第三，工程管理里能落地的四个用法。

一是交底与班前会材料：输入当天工序、天气、交叉作业、危大工程，生成一版交底稿，再按现场改。

二是事故案例检索：问“同类工序近五年有哪些典型事故，直接原因和管理原因各是什么”，拉出清单后回原文核对。

三是方案自查：把专项方案贴进去，让它以“挑剔的评审专家”身份列漏洞——这比让它夸你有用得多。

四是进度与资源粗算：让它按工序逻辑列出关键路径候选，你再用资源和工期校核。涉及数字和安全结论的，必须自己算一遍、自己签一次。

第四，生活里的用法要具体。

出行看“建议出发时间”而不只看路线；体检报告和说明书里看不懂的术语让它翻成人话（结论听医生的）；学新东西让它按你的基础排四周计划、每天出题考你；家庭账本让它分类汇总，看钱花在哪。都是小事，一年省下的时间不少。

第五，先把自己的资料变成“能被用的数据”，并守住三条纪律。

模型的上限取决于你喂给它什么：项目资料、会议记录、常用模板、走过的弯路，如果散在微信、纸本、几十个文件夹里，AI 再好也帮不上。

花一个周末把常用材料结构化归档，是这类工具真正的基础设施。

三条纪律：不把涉密和隐私的原始材料贴进公共模型；所有数字、法条、日期、人名回原始出处核一遍——模型会一本正经地编；重要输出保留人工签字，谁签字谁负责。

结语：算得出来的，和不该被算的

回到开头那个问题。软件知道明天的路况，不是因为它预知未来，而是因为它见过足够多的“过去”，并且有足够的机器把那些过去算成一条曲线。

这件事本身是中性的：它让你少堵半小时，也让平台多知道你一点作息。

同一套能力，用来优化红绿灯配时是善，用来给不同的人报不同的价是恶，用来替你决定该不该被录用是危险。

所以真正要练的，不是“会不会用 AI”，而是三件事：知道它是怎么算出来的，知道它算不到什么，知道哪些事不该交给它算。

大数据能算的，是重复出现、有迹可循的东西——路况、偏好、概率、趋势；它算不出的，是为什么、值不值、该不该。这三样没有数据可依，只能由人自己承担。

工具越强，越需要一个人站在它后面，说一句：“这个数我核过了，这个结论我认。”