深夜写字楼里还亮着的几扇窗，多半不是在加班赶PPT。屏幕上的代码在跑，服务器在散热，某个自动化流程正在悄悄完成白天来不及做的事。人走了，机器还在干活。这是今天城市里很常见的一幕，也是科技改变工作方式的一个切面。过去我们说机器替代体力，现在它开始接手一部分脑力，而且不用下班。

算力的价格这些年一直在降。十年前训练一个像样的模型要动用整层机房，如今一块消费级显卡就能跑不少任务。成本降下来，尝试的人就多了。小公司用不起顶尖芯片，但可以租云服务，按小时计费。门槛低了，创意就不再是大厂的专利。有人用开源框架做农业病虫害识别，有人拿现成接口搭法律咨询工具，这些事放在过去根本没法想象。

算法本身也在变。早年的程序靠人写规则，if-else堆到几千行，遇到新情况就傻了。现在的模型从数据里自己找规律，喂进去足够多的样本，它能学会识别猫、翻译句子、甚至写出一段能跑的代码。这种转变让很多以前觉得“机器干不了”的事变得可行。当然它也会犯错，会胡说八道，所以人还得盯着，但至少方向已经不一样了。

数据是另一块拼图。城市里每时每刻都在产生记录：地铁刷卡、外卖下单、手机定位。这些零散的信息被收集起来，清洗、标注、训练，最后变成模型的一部分。有人担心隐私，这很正常。不过技术也在回应这种担心，联邦学习让数据不出本地就能联合建模，差分隐私往数据里加噪声，既保留统计规律又保护个体。攻防一直在进行，没有一劳永逸的方案。

硬件也没闲着。芯片制程从7纳米往3纳米走，封装技术从二维变三维，内存和计算单元挨得更近，数据传输的瓶颈被一点点撬开。量子计算还在实验室阶段，但已经有云平台对外开放，让研究者远程调用。这些底层进步不会天天上新闻，可它们决定了上层应用能跑多快、多稳。就像地基，看不见，但少了它楼盖不高。

回到那几扇亮着的窗。里面的人或许在调参，或许在等一个任务队列跑完，或许只是忘了关显示器。科技没有让工作消失，它换了一种方式存在。人负责判断和提问，机器负责执行和搜索。这种配合还远谈不上完美，经常出岔子，需要反复调试。但每个深夜亮着的屏幕背后，都是一次具体的尝试，跟宏大叙事无关，只是一行行代码在解决问题。