自动驾驶出了事故，该怪谁

足球青训营里，十岁左右的孩子在练传跑配合。教练把场地划成小块，要求两脚出球。有孩子传丢了，马上反抢。一轮训练下来，教练没讲大道理，只让他们重复同样的动作。傍晚，几个孩子主动加练，互相纠正脚法。场地边放着一排水壶，被晒得温热。

网球发球前，球员站在底线后，拍球拍了很多下。她低头看了看网带的方向，把球抛向空中，屈膝蹬地，挥拍击球。网球过网后落在发球区内，对手回球出界。第一盘的关键局，这个发球帮她稳住了比分。她走到毛巾架旁擦了擦手，回到站位，准备好接下一分。

乒乓球台旁边，两个老人正打得来劲。球速不快，但旋转多，落点刁钻。其中一个戴老花镜，每次接球都往前探身，像要看清球的转动。另一个站得远，喜欢削球，球带着下旋弹到台边。围观的人不多，偶尔有人鼓掌。打完一局，两人坐下来喝茶，讨论刚才哪个球该抢攻。茶是自带的，装在保温杯里。

一个跑者在冬夜里穿过大桥。桥上没有其他人，路灯昏黄。他的影子一会儿拉长一会儿缩短。江风从侧面吹来，他侧着头避风。跑到桥中间时，他停下来，掏出手机拍了一张江面的照片。江面上反射着城市灯光，波光闪烁。他收回手机，继续跑，呼吸重新调整到节奏上。

大模型训练成本持续攀升。一次千亿参数模型的训练用电相当于几千户家庭一年用量。成本抬高入场门槛，也推动算法改进。混合专家结构把任务拆给多个小模型处理，同等精度下能耗可降低三成。小团队开始依赖云服务商的现成算力，独立训练越来越少。