来源InfoQ编译宇琪策划Tina“我已经看到一些高级开发者开始退休了——因为他们不想再处理这种验证工作你每次改代码、改提示词生成出来的东西都会变。”75 岁的 C 之父 Bjarne Stroustrup在最新一期播客里说了这段话。这句话很快在 X 上被转发、放大。有人把它浓缩成一句更适合传播的话“资深开发人员宁愿退休也不愿处理 AI 生成的代码。”严格说这不是 Stroustrup 的原话。但它确实抓住了这段讨论里最让开发者有感触的部分AI 写代码的争议已经不只是“它能不能生成代码”而是生成之后谁来验证、谁来理解、谁来承担系统长期运行的后果。有网友评论说Stroustrup 写系统代码的时间比大多数 AI 工程师活过的时间还长。当他说“验证才是真正的问题”时这并不是对变化的抵触而是几十年来一次次看到系统出错、却无法追踪问题源头之后留下的经验。“AI 生成的代码更臃肿有更多 bug 和安全漏洞而且很难验证。” Stroustrup 还指出LLM 用旧代码训练生成的代码在“模仿旧代码得到旧的性能和旧的 bug”。这期节目并不只谈 AI。Stroustrup 还系统回顾了他的职业生涯以及 C 四十余年的演进脉络编程语言的设计哲学、C 标准化历程。他直言 90% 以上的内存安全漏洞并非 C 语言本身的缺陷而是“人们写的是 C 风格代码”他透露 C 的市场营销预算是三年 5000 美元而 Java 的营销投入“比 C 整个开发费用还多”他回忆自己如何在 IBM 和 Intel 的工程师之间来回穿梭调解最终促成一个被纳入 C11 标准的技术妥协而多年后双方都承认他们实际使用的是双方方案的组合……基于该视频InfoQ 对内容进行了整理与部分删改。核心观点如下C 的起源故事RyanC 的起源故事是什么但我学过 Simula我认识发明了面向对象编程和 Simula 的 Christian Nygaard 和 Ole Johan Dahl所以我决定把这两者融合起来。可行的方式是把 Simula 中的类class概念拿过来嵌入到 C 语言中让它运行得更快并用于系统编程。同时我让类型系统变得更规整用户定义类型与内置类型的处理方式完全一致。后来为了支持泛型编程我又必须添加重载overloading我需要把这种规则推广到用户定义类型和内置类型都适用。这就是 C 的起点。Ryan在你的一次讲座中你提到用 BCPL 重写了一个模拟器那是分布式 Unix 的工作吗但一旦完成我的程序运行速度估计快了大约 50 倍。我拿到了数据拿到了博士学位。但我也坚信我再也不会用那么不称手的工具去解决一个问题了。所以我列出了一份理想语言应该具备的特性清单C 没有包含全部但它比任何其他现存语言都更接近C 就是从那里诞生的。Ryan在那次讲座中你说用 BCPL 写那个程序太难了你因此掉了一半的头发。Bjarne几乎完全正确。后来我为了把 C 做起来又掉了另一半。但不管怎样它成功了。传奇的贝尔实验室Ryan你提到了贝尔实验室那是个传奇的地方。很多人对它充满好奇。当你博士毕业、考虑去哪里工作时贝尔实验室在当时是个什么样的存在Ryan面试过程是什么样的Ryan你哪来的信心自费飞过去连工作都没保证。Ryan像贝尔实验室这样的地方项目选择是怎么运作的你入职之后他们怎么决定你做什么C 语言之父与胖指针Ryan我听说你每周和 Dennis Ritchie 吃一次午饭持续了 16 年他对你有什么影响吗Ryan你写过三篇很长的 C 历史论文里面提到 Dennis Ritchie 向 C 标准委员会提过一个“胖指针”的概念——指针里同时存储大小但 C 委员会没批准。能讲讲这个故事吗Ryan当你把一群真正令人印象深刻的人聚在一起其他人的卓越会让人产生一种冒名顶替综合征的感觉你曾经感受过或目睹过这种情况吗语言设计哲学Ryan说到语言设计如果今天有人想从头构建一门编程语言需要准备哪些东西Ryan当你发现问题后开始构建 C 时有很多组件——编译器、链接器、解析器、词法分析器等等。在最初实现中哪部分技术挑战最大Ryan我注意到 C 工具链的某些部分是用 C 本身写的这就有个鸡生蛋蛋生鸡的问题。怎么做到的Ryan很多人以为 C 是纯面向对象语言但你反复强调不是这样。Ryan你在设计 C 时C 已经存在而它的类型系统比 C 弱得多。为什么你选择让 C 的类型系统更强RyanC 是有名的静态类型语言为什么你选择了静态类型Ryan你刚才提到内存受限的问题这让我想到静态类型和动态类型的另一个维度——开发效率。对于普通开发者来说哪种方式更省时间Ryan说到保证C 在内存安全问题上名声可不太好那些“自爆开关”foot guns让很多人头疼。Ryan有没有办法让编译器直接阻止人们做那些危险的事这在现代 C 里默认开启了吗C 标准化历程Ryan标准委员会是一个有趣的话题语言由一个民主机构管理。如果它是一个独裁体制你一个人说了算你会加入哪些语言特性Ryan如果你当时坚决说“不”呢会发生什么Ryan光看采用率的话C 显然比 Java 高得多。可我知道 Java 背后有大公司撑腰砸了那么多营销的钱而 C 呢我记得你好像说过它的营销投入几乎为零。Ryan规则里写的最低底线是多少Ryan民主决策是不是总得有点客观规则才行万一召集人判断错了怎么办Ryan你曾说过你提过的所有想法里被怼得最惨的之一就是 auto。我知道 auto 后来还是进了标准但当时它为什么那么不受待见Ryan我还听说委员会内部有时会激烈争吵比如你做过“穿梭外交”在 IBM 和 Intel 的两拨人之间来回调解。Ryan1995 年你曾提议在 C 中引入某种形式的自动垃圾回收garbege cllector。这让我很惊讶因为 C 没有垃圾回收器我们得自己手动管理内存这到底是怎么回事Ryan那个标准接口是怎么工作的是对内存分配方法做了一层包装Bjarne对。你对底层的new、malloc或operator new做不同的实现然后delete也变得稍微不同。不要在脆弱的根基上堆砌功能RyanC 社区里有一个关于“瓦萨号”战舰的警示故事。为什么它这么流行Ryan有人证明 C 模板实例化机制是图灵完备的。编译器在预处理 C 程序时实际上可以用它来做计算比如有人用它在编译时计算素数。这怎么做到的Ryan一般来说大家对编程语言有个直觉你离机器越近性能就越高。我常听人说C 比 C 更贴近机器。Ryan你好像在哪说过 C 可以比 C 性能更高但我总觉得更多的抽象总得付出点代价吧。Bjarne它在编译时被优化掉了。这就是我所说的“零开销抽象”。现在有人开始批评我说这个说法低估了 C 编译器的能力——我们可以实现“负开销抽象”。Ryan如果我是一个汇编高手有无限的时间那比起来怎么样我跟一个在西班牙做流体动力学的朋友合写了一篇论文我们拿一个性能测试套件里的真实例子把那些聪明玩意儿全扔了结果代码量减少到原来的百分之八十性能反而提升了百分之二十。你只在需要的时候才做优化。Knuth 说不要过早优化但他也指出只有那百分之二到三的地方才值得去优化。所以先用高层次设施把东西搭起来看看够不够好如果不够你必须去测量时间找出时间都花在哪儿了最后再优化那部分。但很多时候你根本走不到那一步它已经足够快了。Ryan你说的“聪明”是指靠人工手动管理去榨取性能而你的意思是如果不去做这些编译器反而能得到更多信息去优化而且它现在干得远比以前好。Bjarne那些在九十年代被精巧而正确地优化过的代码放到今天常常变成劣化因为机器架构变了编译器也进步了。AI 写代码越多高级工程师越不想接盘Ryan如果越来越多的代码是由模型和机器写的你觉得编程语言设计会跟着变吗当然也许你可以改进它。我听说有人在写 Bjarne app喂给它我的文章但就算那样也有问题因为我现在说的东西并不完全等同于我 20 年前说的东西。不过不管怎样我们会看到结果的。嗯甚至 Dijkstra 也研究过这种可能性他当时声称把自然语言当成编程语言的想法是愚蠢的。他没有我这么客气。我的看法是像英语这样的语言非常灵活我们说的话往往非常含糊。但我们需要的是一种精确的编程语言那是工程是数学不是英语。Ryan对于那些性能攸关或安全攸关的代码我猜还是会有一小群人尝试用 LLM 去弄。按你说的那会导致更多的崩溃和 bug因为它是没经过验证的。给初学者的建议与反思Ryan有人问你是什么支撑你一直搞 C你说一是构建未来的那种乐趣二是觉得自己有义务确保 C 不断前进。当你刚开始做 C 的时候我很难想象你知道自己会踏上一条长达几十年的旅程。Bjarne倒不是几十年但我知道这会是条很长的路因为我知道我没法一步到位造出我想要的语言只能先造一个子集。原因有两个第一我是一个人在做这件事第二我缺少足够的反馈输入来确保我设计的东西是对的。这就是工程上的问题了尽你所能去建造看看什么管用然后再改进。所以我知道我在创建一门注定要持续演进的语言而“注定要演进”意味着你在做某些决定的时候就已经知道这一点跟别的不一样。举个例子这也是 C 不只是一个面向对象编程语言的原因之一因为我当时看到了很多东西似乎无法塞进那个范式里所以我知道我们会演进。支撑我走下去的另一半答案是那些应用。看到那些有趣的用法感觉真是太棒了。比如我去喷气推进实验室跟搞火星车的人聊天我还去过欧洲核子研究中心去看他们怎么搞高能物理的。几年前我跟一个哥们儿聊天他的工作是开门和关门。那些门有几吨重是铅做的会横向移动去封闭某个区域以防辐射什么的。启动这扇门倒不难有引擎。但他必须确保能把它停住因为当几吨重的家伙向一堵墙移动时它可不会自己乖乖停下。他得写代码来处理这个那段代码非常有意思。我至今仍在到处旅行跟人聊天看 C 正在被用在什么地方这也是学习而学习本身就很有趣。Ryan你有一个著名的比喻C 让你容易射中自己的脚C 让你更难射中但一旦射中整条腿都没了。Bjarne对这来自我 80 年代在波士顿的一次演讲。Arnold Penzias诺贝尔物理学奖得主曾试图向一群贝尔实验室的经理解释 C。他说“你不能在不了解如何使用的情况下使用电动工具你用手锯可以这么来回锯。可你要换了把电锯还这么干它会直接弹起来你要是不受伤那就算走大运了。”背后的意思就是你拿到一件更强大的工具却用错了方法惹出的麻烦只会更大。Ryan你还有一句名言“没有人应该自称专业人士如果他们只懂一门语言。”你显然会建议大家学 C但如果他们为了成为更好的工程师或程序员必须再学一门第二甚至第三语言你会推荐什么Bjarne重要的不是学哪些语言而是获得那些语言中蕴含的思想你应该学和你当前语言不同的语言。具体挑哪种我其实不太纠结。我当时好像说去学一门脚本语言今天可能是 Python 或 JavaScript在那时候大概是 Unix Shell 之类的。再看看一门函数式语言ML 或 Haskell 是明显的选择。关键是不要只局限在你的语言里。就像那个笑话懂三种语言的人叫“三语者”懂两种语言叫“双语者”懂一种语言叫“美国人”。编程语言也一样但我觉得编程语言更重要因为你是在构建东西你应该用不同的思想和技术来拓宽你的视野。Ryan还有一个“那些自以为无所不知的人真的很烦我们这些自知一无所知的人。”Bjarne有太多人认为世界上所有事情都有简单的解决方案。在这个语境下他们会来告诉我 C 可以简单多少。确实如果你只想做一件事你可以做一门简单得多的语言。如果你扔掉 C 的一部分它会更简单、更漂亮通常他们想扔掉的是跟 C 兼容的部分。但那样你会惹恼几百万人而且不会成功因为他们会继续抱着旧东西不放。所以这不过是我对那些过度简化事物的人表达挫败感的一种方式罢了。有些人觉得不用学编程就能写程序不用学工程学就能当工程师不用懂怎么管理公司或国家就能当政客这种过度简化让我恼火。Ryan你说过 C 不是为所有人设计的而是为严肃的程序员准备的。Bjarne对。《C 程序设计语言》第一版的第一行是“C 旨在让严肃程序员的生活更愉快。”第一版是的用词是“专业程序员”后来改掉了因为我见过非常优秀的业余爱好者。“严肃程序员”大概是为别人编程的人。如果你为自己编程没关系那是你自己的问题。如果你为朋友编程你可能会失去朋友。如果你为一百万人构建东西你可能会对世界造成伤害。Guido van Rossum 设计 Python 的明确目标是让更多人甚至每个人都能编程他成功了。我设计 C 是为了给严肃的程序员、工程师、数学家提供真正好的工具我也成功了。我们解决的是不同的问题。Ryan回顾 C 的整个旅程有没有什么地方你觉得是错误或者学到了教训Bjarne很多很多次。但大多数错误从未进入 C——这就是你需要做实验、需要早期试用的原因。我认为语言的核心部分是对的但每一个细节都可以改进。然而稳定性和兼容性才是根本。你要是做个小改动会惹毛一小部分人影响不大可你要是做了个大改动你就会惹毛一大群人而且根本行不通因为比如会有上百万人坚守旧的方式。所以我努力的方向是让这门语言在不破坏现有东西的前提下生长。有个场景我反复遇到。人们跑来跟我说“C 太复杂了你得把它简化。”然后紧接着又是“我需要这两个功能昨天就要你在简化的同时必须给我加上这两个功能。”末了再加一句“反正你干什么都行千万别破坏我的代码我有一百万行呢。”这根本行不通根本不可能。这就是为什么我现在在研究编程指南和 Profiles也就是强制性的规则集。通过这种方式你可以设计一个 Profile确保你能用到你需要的库同时保证你不会误用那些在你那个领域里不必要、又危险的功能。Ryan对于想学习 C 的人你有什么技术书籍推荐Bjarne有一本我教本科生时写的书——《编程原理与实践使用 C》。要学就用最新的 C先学现代的方式别一上来就学那些糟糕的 C 语言老套路。可是很多课程还是让你先学 C先学malloc、指针之类的问题然后才学怎么用vector和string来避免这些问题。Profiles 就是为了让编译器和静态分析器支持这种思维方式教育者也在要求类似的东西。很多人认为 Profiles 只是为了处理内存安全和性能。不它是要给人一件更好的工具既为了学习也为了从事特定种类的工作。Ryan如果你能回到职业生涯的起点给自己一些建议你会说什么Bjarne天呐这是个“时间机器”问题。我有时候会给我的学生布置这道题你有一台时间机器回去给 Dennis 提点建议干完这事之后再往前跳十年来给我一些建议。这是个很好的练习我总能从学生那儿收到些很精彩的故事和建议。我当时努力想避免 C 语言里内置类型之间的双向隐式转换我本该在这件事上抗争得更坚决一些。我试过但被贝尔实验室的人拦住了。他们比我更有经验诸如此类。现在我明白了我当时应该更进一步的。还有我本该推迟 C 的发布直到我能拿出类似模板的东西这样我就能做一个更好的标准库。即便当时做出来也不会足够好但它能让人们从一开始就养成使用标准的习惯。当时人人都在造自己的标准库最后是 Alex Stepanov 用 STL 救了我们但那纯粹是运气因为我没有推迟发布这确实是个错误我本应该等到能造出一个好的 vector 和一套类层次结构的时候。最后如果我能带着现在对标准委员会和臃肿官僚体制的了解回到过去我会非常努力地去建立一个指导小组。我们会有一个五百人的社区来贡献提议然后由一个大概只有五六个人、拥有深厚经验并且关心整门语言的小组基于这些提案来做决策。但我当时没有那个经验和知识去提出这样的建议。我没提工具的事。C 在工具方面一直是个短板那是因为它成长在一个早期时代工具匮乏算力有限内存有限所以我当时也根本做不到。我给学生们布置时间机器练习时有一条约束是确保你给的建议在当时是有可能被采纳的。如果我只是说“我想要这个”那么许多事情可能要到二十年之后才能做到因此也就永远不会发生。有很多语言是奔着“为未来的计算机和程序员而设计”去的它们中的大多数都死了因为十年后当它们终于面世时世界早就变了。访谈原链接https://www.youtube.com/watch?vU46fJ2bJ-cot40s阅读最新前沿科技趋势报告请访问21世纪关键技术研究院的“未来知识库”未来知识库是“21世纪关键技术研究院”建立的在线知识库平台收藏的资料范围包括人工智能、脑科学、互联网、超级智能数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。目前拥有超过8000篇重要资料。每周更新不少于100篇世界范围最新研究资料。欢迎扫描二维码或访问https://wx.zsxq.com/group/454854145828进入。截止到2月28日 ”未来知识库”精选的百部前沿科技趋势报告加入未来知识库全部资料免费阅读和下载牛津未来研究院 《将人工智能安全视为全球公共产品的影响、挑战与研究重点》麦肯锡超级智能机构赋能人们释放人工智能的全部潜力AAAI 2025 关于人工智能研究未来研究报告斯坦福2025 斯坦福新兴技术评论十项关键技术及其政策影响分析报告191 页壳牌2025 能源安全远景报告能源与人工智能57 页盖洛普 牛津幸福研究中心2025 年世界幸福报告260 页Schwab 2025 未来共生以集体社会创新破解重大社会挑战研究报告36 页IMD2024 年全球数字竞争力排名报告跨越数字鸿沟人才培养与数字法治是关键214 页DS 系列专题DeepSeek 技术溯源及前沿探索50 页 ppt联合国人居署2024 全球城市负责任人工智能评估报告利用 AI 构建以人为本的智慧城市86 页TechUK2025 全球复杂多变背景下的英国科技产业战略韧性与增长路径研究报告52 页NAVEX Global2024 年十大风险与合规趋势报告42 页《具身物理交互在机器人 - 机器人及机器人 - 人协作中的应用》122 页2025 - 2035 年人形机器人发展趋势报告 53 页Evaluate Pharma2024 年全球生物制药行业展望报告增长驱动力分析29 页【AAAI2025 教程】基础模型与具身智能体的交汇350 页 pptTracxn2025 全球飞行汽车行业市场研究报告45 页谷歌2024 人工智能短跑选手AI Sprinters捕捉新兴市场 AI 经济机遇报告39 页【斯坦福博士论文】构建类人化具身智能体从人类行为中学习《基于传感器的机器学习车辆分类》最新 170 页美国安全与新兴技术中心2025 CSET 对美国人工智能行动计划的建议18 页罗兰贝格2024 人形机器人的崛起从科幻到现实如何参与潜在变革研究报告11 页兰德公司2025 从研究到现实NHS 的研究和创新是实现十年计划的关键报告209 页康桥汇世Cambridge Associates2025 年全球经济展望报告44 页国际能源署2025 迈向核能新时代麦肯锡人工智能现状组织如何重塑自身以获取价值威立Wiley2025 全球科研人员人工智能研究报告38 页牛津经济研究院2025 TikTok 对美国就业的量化影响研究报告470 万岗位14 页国际能源署IEA能效 2024 研究报告127 页Workday 2025 发挥人类潜能人工智能AI技能革命研究报告20 页CertiKHack3D2024 年 Web3.0 安全报告28 页世界经济论坛工业制造中的前沿技术人工智能代理的崛起》报告迈向推理时代大型语言模型的长链推理研究综述波士顿咨询2025 亚太地区生成式 AI 的崛起研究报告从技术追赶者到全球领导者的跨越15 页安联Allianz2025 新势力崛起全球芯片战争与半导体产业格局重构研究报告33 页IMT2025 具身智能Embodied AI概念、核心要素及未来进展趋势与挑战研究报告25 页IEEE2025 具身智能Embodied AI综述从模拟器到研究任务的调查分析报告15 页CCAV2025 当 AI 接管方向盘自动驾驶场景下的人机交互认知重构、变革及对策研究报告124 页《强化学习自我博弈方法在兵棋推演分析与开发中的应用》最新 132 页《面向科学发现的智能体人工智能进展、挑战与未来方向综述》全国机器人标准化技术委员会人形机器人标准化白皮书2024 版96 页美国国家科学委员会NSB2024 年研究与发展 - 美国趋势及国际比较51 页艾昆纬IQVIA2025 骨科手术机器人技术的崛起白皮书创新及未来方向17 页NPLBeauhurst2025 英国量子产业洞察报告私人和公共投资的作用25 页IEA PVPS2024 光伏系统经济与技术关键绩效指标KPI使用最佳实践指南65 页AGI 智能时代2025 让 DeepSeek 更有趣更有深度的思考研究分析报告24 页2025 军事领域人工智能应用场景、国内外军事人工智能发展现状及未来趋势分析报告37 页华为2025 鸿蒙生态应用开发白皮书133 页《超级智能战略研究报告》中美技术差距分析报告 2025欧洲量子产业联盟QuIC2024 年全球量子技术专利态势分析白皮书34 页美国能源部2021 超级高铁技术Hyperloop对电网和交通能源的影响研究报告60 页罗马大学2025 超级高铁Hyperloop第五种新型交通方式 - 技术研发进展、优势及局限性研究报告72 页兰德公司2025 灾难性网络风险保险研究报告市场趋势与政策选择93 页GTI2024 先进感知技术白皮书36 页AAAI2025 人工智能研究的未来报告17 大关键议题88 页安联 Allianz2025 新势力崛起全球芯片战争与半导体产业格局重构研究报告威达信2025 全球洪水风险研究报告现状、趋势及应对措施22 页兰德公司迈向人工智能治理研究报告2024EqualAI 峰会洞察及建议19 页哈佛商业评论2025 人工智能时代下的现代软件开发实践报告12 页德安华全球航空航天、国防及政府服务研究报告2024 年回顾及 2025 年展望27 页奥雅纳2024 塑造超级高铁Hyperloop的未来监管如何推动发展与创新研究报告28 页HSOAC2025 美国新兴技术与风险评估报告太空领域和关键基础设施24 页Dealroom2025 欧洲经济与科技创新发展态势、挑战及策略研究报告76 页《无人机辅助的天空地一体化网络学习算法技术综述》谷歌云Google Cloud2025 年 AI 商业趋势白皮书49 页《新兴技术与风险分析太空领域与关键基础设施》最新报告150 页《DeepSeek 大模型生态报告》军事人工智能行业研究报告技术奇点驱动应用加速智能化重塑现代战争形态 - 25030940 页真格基金2024 美国独角兽观察报告56 页璞跃Plug and Play2025 未来商业研究报告六大趋势分析67 页国际电工委员会IEC2025 智能水电技术与市场展望报告90 页RWS2025 智驭 AI 冲击波人机协作的未来研究报告39 页国际电工委员会IEC2025 智能水电技术与市场展望报告90 页RWS2025 智驭 AI 冲击波人机协作的未来研究报告39 页未来今日研究所 2025 年科技趋势报告第 18 版 1000 页模拟真实世界多模态生成模型的统一综述中国信息协会低空经济分会低空经济发展报告2024 - 2025117 页浙江大学2025 语言解码双生花人类经验与 AI 算法的镜像之旅42 页人形机器人行业由 “外” 到 “内” 智能革命 - 25030651 页大成2025 年全球人工智能趋势报告关键法律问题28 页北京大学2025 年 DeepSeek 原理和落地应用报告57 页欧盟委员会 人工智能与未来工作研究报告加州大学伯克利分校面向科学发现的多模态基础模型在化学、材料和生物学中的应用电子行业从柔性传感到人形机器人触觉革命 - 25022635 页RT 轨道交通2024 年中国城市轨道交通市场数据报告188 页FastMoss2024 年度 TikTok 生态发展白皮书122 页Check Point2025 年网络安全报告 - 主要威胁、新兴趋势和 CISO 建议57 页【AAAI2025 教程】评估大型语言模型挑战与方法199 页 ppt《21 世纪美国的主导地位核聚变》最新报告沃尔特基金会Volta Foundation2024 年全球电池行业年度报告518 页斯坦福2025 斯坦福新兴技术评论十项关键技术及其政策影响分析报告191 页国际科学理事会2025 为人工智能做好国家研究生态系统的准备 - 2025 年战略与进展报告英文版118 页光子盒2025 全球量子计算产业发展展望报告184 页奥纬论坛2025 塑造未来的城市研究报告全球 1500 个城市的商业吸引力指数排名124 页Future Matters2024 新兴技术与经济韧性日本未来发展路径前瞻报告17 页《人类与人工智能协作的科学与艺术》284 页博士论文《论多智能体决策的复杂性从博弈学习到部分监控》115 页《2025 年技术展望》56 页 slides大语言模型在多智能体自动驾驶系统中的应用近期进展综述【牛津大学博士论文】不确定性量化与因果考量在非策略决策制定中的应用皮尤研究中心2024 美国民众对气候变化及应对政策的态度调研报告气候政策对美国经济影响的多元观点审视28 页空间计算行业深度发展趋势、关键技术、行业应用及相关公司深度梳理 - 25022433 页Gartner2025 网络安全中的 AI明确战略方向研究报告16 页北京大学2025 年 DeepSeek 系列报告 - 提示词工程和落地场景86 页北京大学2025 年 DeepSeek 系列报告 - DeepSeek 与 AIGC 应用99 页CIC 工信安全2024 全球人工智能立法的主要模式、各国实践及发展趋势研究报告42 页中科闻歌2025 年人工智能技术发展与应用探索报告61 页AGI 智能时代2025 年 Grok - 3 大模型技术突破与未来展望报告28 页上下滑动查看更多