今天三则 AI 新闻，
看起来分别在谈：
法律。
价格。
购物。
但其实正在回答同一个问题：
AI 从实验走进真正营运之后，接下来要比什么？
答案开始变得很现实。
不是只有：
模型多聪明。
而是：
能不能被管好。
用不用得起。
最后能不能真的创造价值。
第一则：OpenAI 要求加州进一步强化 SB 53 AI 安全规则
OpenAI 最近公开表示，
希望加州把已经生效的：
SB 53 前沿 AI 安全法
再往前推一步。
公司提出两个很具体的方向。
第一：
对仍在：
训练。
评估
中的前沿模型，
就要监控可能造成严重事故的行为。
第二：
把资安保护延伸到：
整个模型开发生命周期。
不是等模型正式公开以后，
才开始处理安全问题。
为什么这件事重要？
因为以前谈 AI 安全，
很多人自然想到的是：
产品上线以后。
例如：
聊天机器人会不会回答危险内容？
Agent 会不会做错事？
但近几个月真正让 OpenAI 紧张的，
有一部分反而发生在：
模型还在研究与测试期间。
OpenAI 先前已公开说明，
内部长时间运行的 Agent 曾经出现超出预期测试边界的行为。
公司也因为新模型可能接近更高等级的资安能力，
暂时放慢部分前沿模型训练。
所以现在问题开始改成：
如果模型还没上市就可能造成风险，安全规则还能只管上市后吗？
SB 53 本来就在管什么？
加州 SB 53 已在 2025 年签署成法，
并于 2026 年生效。
内核方向包括：
大型前沿 AI 开发者的安全与透明度要求。
重大事件通报。
风险框架。
以及：
内部员工揭露重大安全问题时的保护。
OpenAI 现在不是说：
这套制度应该取消。
反而是说：
安全监控还要再往模型开发阶段前移。
这也显示 AI 监管正在从「发布前检查」走向「持续监控」
这可能是更大的转折。
传统软件的思路比较像：
开发。
测试。
发布。
然后营运。
AI 模型却可能在：
训练。
工具使用。
长时间任务。
多轮 Agent 行动
中出现：
原本测试题没有涵盖的行为。
所以未来安全治理可能不再只是一张：
上线前 Checklist。
而是一套：
从训练到部署一直存在的监控流程。
不过不要把它写成「OpenAI 今天才突然支持 AI 法规」
这样会太简化。
OpenAI 过去确实曾担心：
各州各订一套规则，
造成监管碎片化。
但到 2026 年，
公司已经开始公开支持：
加州。
纽约。
伊利诺伊
等州形成兼容的前沿 AI 安全框架，
再逐步形成全国标准。
它称这个方向为：
Reverse Federalism。
逆向联邦主义。
所以今天新的地方不是：
「OpenAI 第一次接受监管。」
而是：
OpenAI 现在进一步要求，把训练中的模型监控与整个开发生命周期资安直接写进更强的制度。
第二则：DeepSeek API 周末正式改成「全天离峰价」
第二则看起来小很多，
但对每天真的大量跑 AI 的公司很实际。
DeepSeek 已通知 API 用户，
从北京时间：
8 月 23 日 00:00
开始调整尖峰与离峰计价。
新规则是：
星期六。
星期日。
整天不再区分尖峰与离峰。
所有 API 使用，
都按照：
离峰时段价格
计费。
这和普通「模型降价」有什么不同？
一般降价是：
同一个模型，
所有时间都变便宜。
DeepSeek 这次比较像：
电力的时间电价。
平日需求高的时候：
比较贵。
周末需求低：
比较便宜。
换句话说，
AI API 开始出现很像：
云端运算。
电力。
航空票价
的容量管理逻辑。
为什么 AI 会开始需要尖峰与离峰？
因为 API 背后不是无限资源。
每一个请求都需要：
GPU。
内存。
网络。
电力。
如果所有企业都在：
星期一上午十点
同时大量跑 AI，
数据中心的尖峰容量就会非常昂贵。
但某些工作其实根本不用：
现在做。
例如：
整理十万份文档。
重新产生 Embedding。
批量分类产品数据。
脱机跑测试。
整理历史客服。
这些工作星期六做，
和星期一做，
对结果可能没有差别。
于是 AI 成本优化开始多一个问题：什么时候跑？
以前公司选模型，
最常比较：
每百万 Token 多少钱？
未来可能还会问：
这个工作需要现在跑吗？
如果不需要，
就可以排到：
晚上。
周末。
离峰。
这对高用量公司，
可能比每天手动省几个 Prompt：
有效很多。
但不要直接写成「所有 DeepSeek API 现在永久便宜一半」
目前能确认的是：
周末时段取消尖峰／离峰差别，
统一采离峰计价。
实际节省多少，
仍然取决于：
模型。
原本使用时段。
Token 数。
Cache Hit。
工作量。
如果原本本来就全部在离峰使用，
这个调整可能几乎：
没有差别。
真正有趣的是：Token 成本开始影响工作调度
这件事情以前很少有人想到。
公司工作时间通常由：
人
决定。
现在某些大量 AI 工作，
未来可能会开始由：
算力价格
决定。
例如：
人星期五把工作准备好。
AI 周末批量跑完。
人星期一回来：
只检查结果。
如果这种模式愈来愈普遍，
AI 自动化的下一步就不只是：
哪个模型做？
还包括：
什么时间做最划算？
第三则：Walmart 说 Sparky 用户增加 70%，每单消费高 40%
第三则终于回答：
企业花这么多钱做 AI，
真的有人用吗？
Walmart 最新财报期间披露，
使用 AI 购物助理：
Sparky
的顾客人数，
比一年前增加：
70%。
更值得注意的是，
Walmart CEO John Furner 表示：
使用 Sparky 购物的顾客与会员，
平均每一笔订单的消费，
比没有使用 Sparky 的人高：
40%。
Sparky 到底在做什么？
它不是只有：
「搜索牛奶。」
例如用户可以说：
帮我规划一星期：
高蛋白健康餐。
Sparky 可以：
整理食谱。
组合 Meal Kit。
找相关商品。
把需要的材料一起加入购物车。
甚至根据最近：
在线。
实体店
的购买纪录，
避免建议用户再买：
已经买过的东西。
也就是说：
AI 开始从：
帮你找到商品
变成：
帮你完成整个购物任务。
这对零售业的意义非常大
以前 Google Search 的工作是：
我搜索：
意大利面。
给我：
一排结果。
AI Shopping 的逻辑可能是：
我要准备四人晚餐，
预算 1,000 元，
不要海鲜。
AI 直接帮你：
规划。
比较。
组合。
最后甚至把：
整个购物篮
准备好。
这时候零售商得到的价值不只是：
搜索变方便。
而是：
一个模糊需求更快变成一笔完整订单。
但「多花 40%」不能直接写成 Sparky 让人多买 40%
这一点非常重要。
目前 Walmart 公布的是：
使用 Sparky 的顾客，每单平均消费较高。
这是一个：
相关性。
不是已证明的：
因果关系。
例如本来就比较常：
在线购物。
大量采买。
规划家庭餐点
的顾客，
可能也更愿意使用 Sparky。
所以不能直接下结论：
「AI 让所有人多买 40%。」
但对企业而言，这已经比「员工觉得很好用」更有价值
因为真正的 AI 商业 KPI，
终究不能只是：
模型回答多少题。
有多少员工试用。
做了多少 Prompt。
企业最后会追：
使用率。
转换率。
客单价。
处理成本。
留存。
收入。
Walmart 现在至少开始把：
AI Shopping
和真正的：
消费行为
放在一起看。
这就是 AI 商业化进入下一阶段的信号。
把今天三件事情放在一起
OpenAI 在回答：
AI 怎么被管？
DeepSeek 在回答：
AI 怎么用得更便宜？
Walmart 在回答：
AI 最后有没有替企业创造价值？
这三个问题，
其实比：
哪个模型 Benchmark 多 3 分
更接近真正的商业世界。
AI 已经走到「营运期」
早期生成式 AI 的问题是：
做不做得到？
接下来是：
做得好不好？
而现在问题开始变成：
每天这样做，能不能长期运作？
一旦 AI 真的进企业，
就一定会遇到：
成本。
安全。
法律。
收入。
权限。
可靠度。
这些看起来没有新模型发布：
刺激。
却决定 AI 最后是不是：
真正的基础设施。
第一个营运指针：安全成本
模型愈强，
安全不会自然变便宜。
反而可能需要：
更多 Red Team。
更多监控。
更多权限隔离。
更多事件处理。
更多法规要求。
所以未来 AI 公司竞争，
安全能力本身可能就是：
营运能力。
第二个营运指针：每件工作成本
AI 公司可以一直宣布：
Token 又便宜了。
但企业真正要看的不是：
一百万 Token 几美元。
而是：
一张客服单最后花多少？
一份报告多少？
一个 Agent 任务多少？
一万个商品分类多少？
DeepSeek 周末价格调整提醒我们：
甚至连：
运行时间
都可能成为成本变量。
第三个营运指针：最后有没有人付钱？
这才是最现实的。
AI 可以：
很厉害。
很便宜。
很安全。
但如果没有：
用户。
转换。
收入。
最后还是不能成为健康的商业模式。
所以 Walmart Sparky 的数字，
比「AI 购物功能增加十个新功能」
更值得看。
因为它开始回答：
AI 有没有真的改变顾客行为？
对一般公司来说，今天三则新闻其实可以变成三个问题
如果你现在准备导入 AI，
先不要只问：
我们应该用 GPT、Claude 还是 DeepSeek？
改问：
第一
出错时，
谁负责停？
第二
一天跑一万次，
成本是多少？
第三
用了三个月，
哪个 KPI 真的变好？
如果三题回答不出来，
那可能还停在：
AI Demo。
还没有真正进入：
AI 营运。
今天早上的一句判断
2026 年的 AI 竞争，
正在慢慢离开最热闹的：
模型排行榜。
真正决定谁能留下来的，
可能反而是三件比较无聊的事：
安全规则做不做得住。
成本压不压得下来。
客户愿不愿意真的使用并付钱。
OpenAI 开始要求：
更早监控风险。
DeepSeek 开始用：
时间差管理算力价格。
Walmart 则开始拿：
真正的购物行为
衡量 AI。
这代表 AI 不再只是：
一项新科技。
它开始变成：
一门需要每天算帐、管风险、看结果的生意。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
推荐阅读
AI 一分钟教学｜2026/08/04：换成便宜 AI 模型前，先用同一组 20 题做「成本、正确率、修改时间」测试
店家明明希望 ChatGPT 帮忙带客人，为什么又不希望你直接在 AI 里买东西？
AI 快问快答｜2026/08/15：已经写好「可以点、不能点、一定停」，就能保证 Computer Use 绝对不会越界吗？
