青年周刊 · 第 13 期

刊首语

这一周，AI 正在加速走出屏幕：一家日本航天公司拿到 1600 万美元，把火箭技术从卫星推进器推向更广的太空市场；一个低调的创业者，在训练一个用「活体皮肤组织」喂养的 AI 模型；Nvidia 继续往数据中心砸钱；一家 AI 记账公司，48 小时就变成了独角兽。

与此同时，另一条新闻让人皱眉：Anthropic 的模型被发现可以绕过内容护栏，生成本不该生成的东西。

当 AI 开始触碰太空、生物组织、金钱和现实世界，它带来的就不再只是「好不好用」，而是「边界在哪」。技术本身没有价值观，边界最终要靠人来画。

这周，我们聊聊「边界」这件事——在 AI 越来越能「造」的时代，我们凭什么守住那条线？

边界不是为了捆住技术的手脚，而是为了让技术真正服务于人，而不是反过来。画这条线的人，最好也包括正在读这期的你。

——《青年周刊》编辑部

科技新势力

火箭、皮肤、数据中心与账本，本周 AI 走出屏幕的四个信号。

日本航天初创 Letara：把火箭技术带出卫星轨道

日本航天初创公司 Letara 融资 1600 万美元（约 26 亿日元），它赌的是自己的混合动力火箭技术，能从「小卫星推进器」这个利基市场，扩展到更广阔的太空、国防和安全领域。

为什么值得关注？因为商业航天的逻辑正在变：过去「造火箭」是国家级工程，现在越来越多小公司靠细分技术切入——推进器、载荷、测控，每一样都能长出独立生意。太空不再只是「上得去」，而是「谁能便宜、稳定地反复上」。

一句话洞察：大梦想的落地，往往从「一个足够小的零件」开始。

试试看：了解下「卫星推进」这个细分方向，看看它和「发射火箭」到底是不是一回事。

用「活皮肤」训练 AI：生物与算法的边界开始模糊

Michael Polansky——更广为人知的身份是 Lady Gaga 的伴侣、Sean Parker 的前副手——低调创业多年，在做一个用「活体人类皮肤组织」来训练 AI 的初创公司，让这些组织在体外保持存活，并成为模型的「输入」。

这听起来像科幻，但它指向一个真实趋势：AI 正在和生物技术深度融合，从「读数据」走向「碰组织」。它可能带来药物研发、器官再生等突破，也同时把伦理问题摆上了桌面——我们愿意让 AI 碰多深？

一句话洞察：当 AI 开始「碰活的」，伦理就不再是遥远的哲学题。

试试看：搜一搜「AI 药物研发」或「类器官」，看看生物和算法的交叉已经走到哪一步。

Nvidia 继续押注数据中心：算力基建还在加码

Nvidia 与数据中心开发商 Cloverleaf 达成合作，继续往数据中心建设里砸钱。这几乎是「自我强化」的循环——AI 数据中心让 Nvidia 赚钱，Nvidia 再把钱投回数据中心，算力供给和需求互相抬着往上走。

为什么值得关心？因为「数据中心」正在成为 AI 时代的「发电厂」：谁掌握算力基建，谁就掌握定价权。而普通人对它的感知，会从「网速快了」逐渐变成「AI 服务更快更便宜了」。

一句话洞察：你看不见的数据中心，正在决定你能用上多聪明的 AI。

试试看：下次用 AI 时想一下，这一秒的「智能」，背后是哪座数据中心在烧电。

AI 记账公司 Rillet：48 小时变独角兽

AI 记账初创公司 Rillet 的 CEO 在一次董事会上分享增长数据，意外引发了一轮融资狂潮——Iconiq、Sequoia 等机构抢着投，48 小时内就拿了 1 亿美元、成了独角兽，而且「根本没主动融资」。

这个故事的看点不只是钱，而是「数据自己会说话」：当一家公司的增长曲线足够陡，资本会追着它跑，而不是它追着资本跑。AI 正在把「记账」这种古老的活儿，变成一门高速增长的生意。

一句话洞察：把一件无聊但刚需的事做到极致，反而最性感。

试试看：观察下你身边哪些「无聊但刚需」的工作还没被 AI 改造，那里可能藏着机会。

好工具

从账本到红队思维，本周四件「守住边界」的工具与习惯。

个人记账自动化：先看清钱，再谈赚钱

Rillet 靠「AI 记账」成了独角兽，你个人也可以用同样的思路：用记账 App 或一张表格模板，把每月的收入和支出自动归类、生成趋势图。很多人从不记账，是因为「记」太麻烦，而自动化能解决这个麻烦。

记账的价值不在「省」，而在「看见」——看见钱都去哪了，你才会对自己的消费做出有意识的决定，而不是月底一脸懵。

一句话洞察：理财的第一步，从来不是投资，而是看清自己。

试试看：这周装一个记账 App（或建个表格），把过去一个月的流水导进去，看看最大的开销是什么。

让 AI 帮你整理账单和发票

如果你有报销、对账、整理发票的烦心事，AI 现在能帮上大忙：把一堆账单、截图丢给它，让它提取金额、日期、分类，甚至生成汇总表。这类「结构化整理」正是 AI 最擅长的体力活。

关键是「先让 AI 初筛，再人工抽查」——别全信它的数字，抽几条核对一遍，剩下的就省下大把时间。

一句话洞察：AI 最好的用法，是干「你懒得干但必须干对」的活。

试试看：把最近一次报销或对账的原始数据丢给 AI 整理，人工抽查 10% 核对准确性。

学会「红队思维」：主动找自己的漏洞

这周 Anthropic 模型被「越界」的新闻提醒我们：任何系统都有漏洞，区别只在于你有没有主动去找。把「红队思维」用到自己身上——写方案时，主动问「这个方案最可能在哪里翻车」；做决定时，主动找「反对自己的最强理由」。

这不是悲观，而是成熟。提前想清楚最坏情况，反而能让你更有底气地往前走。

一句话洞察：最了解你弱点的人如果是你自己，别人就难抓住它。

试试看：拿出你最近的一个计划，写下三个「它最可能失败的原因」，再逐一想对策。

了解 AI 的内容护栏：别把安全寄托在「系统会自动拦」

模型被绕过护栏这件事，给所有 AI 用户上了一课：别默认「AI 一定会拒绝不该做的」。护栏是「概率性」的，不是「绝对」的——它可能被巧妙的措辞绕过，也可能误伤正常需求。

所以，真正的安全不能只靠系统的外部护栏，还要靠你自己的「内在判断」：知道什么该问、什么不该做。工具会越来越强，判断力才是你永远该自己守的那道门。

一句话洞察：别把方向盘交给「会自动刹车」的承诺。

试试看：了解下「AI 越狱（jailbreak）」这个概念，明白护栏的局限，你就不会对它抱有不切实际的期待。

青春故事会

从「边界」里长出来的四个成长命题。

护栏会被绕过，定力才是最后的防线

这周的模型越界新闻，最该被记住的不是「AI 不听话」，而是这个道理：外部约束（护栏、规则、监督）都可能有漏洞，最后真正兜底的，是一个人的「内在定力」。工具能拦你一次，拦不了一百次。

对个人同样成立：考勤能管住迟到，管不住摸鱼；监督能管住作弊，管不住敷衍。真正的自律，是在没人看着的时候，你仍然知道什么不能做。

一句话洞察：规则是底线，定力才是上限。

试试看：想一件「没人监督、全凭自觉」的事，检查一下自己最近做得怎么样。

48 小时变独角兽：把「数」讲清楚的力量

Rillet 的 CEO 只是把增长数据摆出来，就引来了一轮抢投。这个故事的核心不是运气，而是「数字的确定性」——当你的数据足够清晰、足够好，它比任何融资 PPT 都有说服力。

这对每个人都是提醒：无论做什么，学会「用数据说话」。你的成绩、你的价值，如果能用一两个硬指标讲清楚，就比一百句自我评价都管用。

一句话洞察：模糊的自我感觉，打不过清晰的一行数据。

试试看：想一个能衡量你最近工作/学习成果的「关键数字」，把它算出来、记下来。

太空梦需要长期主义：Letara 的 16 年磨一剑

商业航天不是快生意：Letara 融资 1600 万美元，而这只是漫长赛道上的一小步——从技术验证到规模化发射，中间隔着安全、监管和成本的层层关卡。真正能做成的人，都是「熬得住」的长期主义者。

这提醒我们，别用「一个月」的耐心去期待「十年」的事。选方向时，问自己：如果三年看不到结果，我还愿意做吗？如果答案是肯定的，那才值得投入。

一句话洞察：短期靠热情，长期靠信念。

试试看：写下你「愿意坚持三年以上」的一件事，再写下「坚持它的理由」。

AI 触碰生物与物理世界，伦理是新的门槛

从活体皮肤 AI 到太空火箭，AI 正在触碰越来越多「不可逆」的领域。这些技术一旦出事，代价不再是「重新训练一个模型」，而是真实的健康、生命和环境。伦理，正在从「要不要讨论」变成「必须前置」。

对普通人来说，这也许是最该补的一课：技术的选择，本质上都是价值观的选择。你可以不懂代码，但要懂「什么事不该做」。

一句话洞察：能力越强的工具，越需要「知道该停在哪」的人。

试试看：关注一个「AI 伦理」或「负责任 AI」的入门内容，建立你对「边界」的基本框架。

在看什么

一个科普方向 + 一部作品 + 一期节目，把「边界」看清楚。

商业航天科普：先搞懂「上太空」到底有多难

Letara 的融资新闻背后，是商业航天这个正在快速升温的领域。推荐去了解下「卫星推进」「可回收火箭」「太空经济」这些概念，你会明白为什么「上太空」从国家工程变成了创业公司的生意。

搞懂了产业链，你再看各种「太空公司融资」的新闻，就能分辨谁是「真技术」，谁在「讲故事」。

一句话洞察：看懂一个行业的「难点」，比记住它的「热点」更有用。

试试看：搜一篇「商业航天产业链」的科普，重点关注「最烧钱、最难」的那一环在哪。

关于「AI + 生物」：读一点有想象力的内容

Michael Polansky 的「活皮肤 AI」让人想起那些关于「人机融合」的科幻与前沿科普。推荐去读一读「类器官」「组织工程」「AI 药物研发」相关的深度内容，你会看到生物和算法正在以意想不到的方式交汇。

它既满足好奇心，也帮你建立对「技术边界」的直觉——哪些是近在眼前的现实，哪些还是遥远的想象。

一句话洞察：好的科普，让你既不盲信，也不恐惧。

试试看：搜一篇「AI 药物研发」或「类器官」的入门文章，读一读它已经解决了什么、还没解决什么。

一期节目：听听「垂直 AI」为什么能赚钱

Rillet 的故事，属于「垂直 AI」（Vertical AI）这个大趋势——不做通用大模型，而是把 AI 塞进记账、法务、客服这些具体行业。推荐去听一期讲「垂直 AI / AI SaaS」的播客或深度文章，理解为什么「小切口」反而更容易赚到钱。

这对「想做点事」的你尤其有用：通用赛道挤满了巨头，垂直赛道反而处处是机会。

一句话洞察：与其在大池子里和大鱼抢食，不如在小池塘里当大鱼。

试试看：找一期讲「Vertical AI」的内容，记下三个「被 AI 改造的传统行业」。

谁在招人

本周融资与动向背后的四个方向信号。

商业航天：从「国家工程」到「创业公司」的岗位迁移

Letara 的融资是商业航天升温的缩影。火箭推进、卫星载荷、测控、地面站，这些过去「进体制」才有的岗位，正在被创业公司大量吸收。它需要航天、机械、控制、材料等硬核背景，门槛高但竞争相对小。

一句话洞察：越是「硬」的方向，越不容易被一时热度冲垮。

试试看：去 Letara 或同类商业航天公司的招聘页，看看他们到底要什么背景的人。

生物科技 × AI：交叉学科正在缺人

「活皮肤 AI」这类项目，背后是一整个「生物 × AI」的交叉赛道在扩张。它需要的人，既懂一点生物/医学，又懂一点机器学习——这种「双背景」人才目前非常稀缺，也因此更值钱。

一句话洞察：两个领域的交界处，往往是机会最多的地方。

试试看：如果你有生物、化学、医学背景，去了解下「AI for biology」这个方向，可能是个高壁垒的好赛道。

数据中心与基础设施：算力基建的「蓝领 + 白领」都在扩

Nvidia 和 Cloverleaf 的合作，是数据中心扩张的最新注脚。从建设、电力、散热到运维、调度、能效优化，这条链上的岗位需求在持续上升，而且很多岗位不需要大模型背景，更看重工程和现场经验。

一句话洞察：算力越热，地基越忙。

试试看：如果你在电力、暖通、工程领域，去了解下「数据中心」的岗位，看看技能能不能平移。

AI 垂直应用：把「无聊但刚需」做成生意的人

Rillet 的爆红证明，「垂直 AI」正在批量产生机会。记账、法务、客服、招聘、保险……每一个「无聊但刚需」的行业，都可能长出下一个独角兽。这类公司需要的，是「懂行业 + 会用 AI」的复合型人才。

一句话洞察：最好的创业机会，往往藏在别人嫌麻烦的地方。

试试看：列出你所在行业里「最无聊但最刚需」的三个环节，想想哪个能被 AI 改造。

本周行动清单

装一个记账 App 或建个表格，把过去一个月的流水导进去看看钱去哪了
拿出你最近的一个计划，写下三个「它最可能失败的原因」并逐一想对策
想一个能衡量你最近成果的「关键数字」，把它算出来、记下来
关注一个「AI 伦理」或「负责任 AI」的入门内容，建立你对「边界」的基本框架

本周金句

技术本身没有价值观，边界最终要靠人来画。

编读往来

下期预告：第 14 期将于 2026-08-29 发布。

本期话题：在你看来，AI 最不该碰的一条「边界」是什么？欢迎在评论区聊聊。

往期回顾：