OUTPOST · 山海城邦前哨观察

前哨

我们把还没到来的事,先看一遍。

前哨,是哨兵站在城门外、看得最远的地方。他不进城,也不打仗,只负责一件事:把远处正在发生的变化,提前告诉城里的人。

这里记下的,不是"我们已经懂了",是"我们先把风吹草动记下来"。不卖东西,不装全能——站在别人还没站的地方,往远处看了一眼,然后回头,把看到的东西,说给还没看见的人听。几年后再看,这些文字是一枚枚时间戳:2026 年,山海城邦在这里想过什么。

前哨观察 · 第 1 篇

当车自己会去充电 ——Robotaxi 时代的补能基础设施,该怎么长

2026 年 9 月 行业观察 分钟
01现场

据报道,2026 年 9 月 3 日,在德州奥斯汀的街头,特斯拉的金色小车密集驶过。没有方向盘,没有油门和刹车踏板,也没有传统的后视镜——两年前还是概念车的东西,如今已经拿到商业车队运营的 L4 许可,跑上了现实公路。

最先让人留意的,是一些很小的细节。车头有一圈会变色的灯带:机场门口几十辆同款车停成一排,手机 App 上显示什么颜色,来接人的那一辆,就亮起什么颜色。车要挪个位置,工作人员在中控屏上点一下软件按钮,它自己就挪过去了——精确到二三十厘米。

无人驾驶真正难的部分,恰恰就是这些鸡毛蒜皮。洗车怎么开上传送带,维修怎么挪动那二三十厘米,停歪了怎么调正。在高速上跑一百公里从来不是难题,商业化过不过得去,看的是剩下那百分之一的琐碎。

制造端也在为「多」做准备。据报道,德州工厂的规划产能已经达到 12.5 万辆;新的制造思路还立了目标——在它的规划里,十秒下线一辆,年产量冲上两三百万辆。软件在成熟,工厂在成熟,几乎所有人都在盯着同一个问题:这样的车,什么时候能大规模上路。

很少有人接着问下一个问题:

车没电了,谁管?

THE QUESTION
02失效的动作

人开车,人找桩。电量告急,地图上搜一搜,拐进最近的充电站,插枪,扫码,等待。这一串动作太自然了,自然到没有人觉得它值得被重新设计。可一旦车自己跑起来,这一串属于人的动作就全部失效了。它得自己决定:什么时候该充,去哪个桩充,充多久,充完继续接单,还是收工。

何况频率完全不同。一辆私家车,一天里大部分时间停在车位上一动不动;一辆 Robotaxi,几乎全天在路上转。补能从一周一次变成一天几次,那些过去刚刚够用的桩,会在某个傍晚,第一次尝到排队的滋味。

这不是给车装上自动驾驶就能解决的。

问题不在车里,在车外那个按人的习惯建造的世界。

03三个新问题

先看三个新问题。

01

第一个问题怎么找

今天的充电桩是给人用的:牌子够不够醒目,屏幕字够不够大,枪够不够顺手。未来的桩要「给车认路用」——它得会向车报告:我在这里,我还空着,此刻是什么价格。车在行驶中决定去处,桩得先让车看得见自己。过去,桩和车之间没有对话;未来,这将是它们之间的第一句问候。

02

第二个问题怎么算

车不会等到电量告急才想起充电。它会一边接单一边算:这一单跑完还剩多少电,返程顺不顺路,桩位在哪里;再跑三单还够不够——不够,就先不接单,掉头去充。补能不再是应急事件,而是每一单生意里的一个变量,被反复权衡、随时重排。充多少、什么时候充,都不再是拍脑袋:电是成本,时间是成本,空驶更是成本。它把「吃饭」这件事,提前排进了自己的日程。

03

第三个问题怎么管

几十辆车同时回来,十个桩,谁先充,谁等着?这是调度问题,不是数量问题。排队的空等、绕行的里程、找桩的空驶,每一分钟都在烧钱。多装几个桩解决不了它——真正难的,是让每辆车的电量、每根桩的状态、每张订单的时限,被放到同一张桌子上计算。补能从一个私人的动作,长成了一个需要协作的系统。

小 结

三个问题叠在一起看,指向的是同一件事:补能网络要从为「人」设计,改成同时为「车」设计。为人的设计,是让过程舒服;为车的设计,是让系统自洽。前者讨好感官,后者服务算法——这中间隔着的,不是一代技术,是一整套思考方式的换位。

04未来的样子

把镜头再拉远一点,看看这个系统会长成什么样。

如果走通,充电大概会是这样
1
车自己
开进补能区
2
自己
对准
3
自己
接上
4
充完
自己离开

没有人下车,没有人插枪,甚至不需要有人在现场。送完一单,它自己盘算电量:够,就接下一单;不够,就去补能区;脏了,自己开去清洁点。也许连插枪都会被省掉——车往感应板上一停,电就自己流进去。

最先长出这片景象的,不会一下子铺满整个城区,而是一块边界清楚的地盘:机场、园区、封闭停车场。场景越固定、人流越可控,越可能先跑起来。到那时,补能区不再是孤零零立着一排桩的空地,而是一小片被精密调度起来的空间:谁进谁出,谁的电量告急,谁的停留时间将尽,早已被算得清清楚楚,像一条安静流动的流水线。

说得浪漫一点

那是一片被调度起来的机器人能量场。

05现在能做的三件事

这样的未来不会一夜到来。但基础设施的生长很慢,慢到让「现在开始准备」这句话听起来并不夸张。

第一件给桩留一个「无人识别」的接口

今天的充电桩,一切设计都围着人的手指和手机屏幕转。未来它会多出一层身份:能被车认出来。哪家运营商在规划新桩时,给这层「被认出」留了一线,将来车队调度,就可能会把车优先开进谁的场子。这种连锁反应,几乎可以预见。

第二件给园区和停车场画一条自动补能动线

今天画车位、定出入口的时候,多问一句:车自己进来以后,怎么排队,怎么掉头,怎么出去?把动线留给未来的自动驾驶,比将来推倒重来便宜得多。

第三件 · 也是分量最重的一件

把调度的逻辑,从「扫码点单」换成「车、桩、路线、电量」的联动。今天的桩,是等人来点单的菜单;未来的桩,是车队算法里的一个节点。谁先把这几个变量放进同一个系统里想,谁就先定义下一轮基础设施的规则。

一枚多余的开关

装好按钮的那批建筑,等到了乘客自己按键的那一天。

没有人被要求现在就做这些。但有一点可以参照:一百年前,电梯刚出现时,轿厢里坐着一位专门负责开关门的操作员;后来有人发明了按钮——起初那不过是一枚多余的开关,没有人要求谁装上它。可是,装好按钮的那批建筑,等到了乘客自己按键的那一天。今天为无人车留的每一个接口、每一条动线、每一套算法,大概就是那枚按钮。

前提

也该诚实地说一句:这一切有一个共同的前提——Robotaxi 真的能大规模跑起来。而这一点,目前没有人能保证。安全、法规、规模化运营、维护成本,每一道关都可能让它多等很多年,甚至就此停在关口前。如果走不通,上面这些想象就只是想象。可万一走通了呢?世界不会停下来等谁。

06收束

车自己会去充电——这句话听起来,只是车变聪明了一点。但真正被改变的,是整张按人的习惯铺开的网:路要怎么让,桩要怎么认,电要怎么算,场地要怎么管。这张网,要开始为一个从来不下车、不插卡、不说话的顾客,重新长一遍。

我们也许造不了车,也造不了桩。但至少可以先把一个问题想清楚:

当车开始自己吃饭,
这个世界,还得准备什么?

OPEN QUESTION

山海城邦·前哨观察,2026年9月

关 于 本 文

这是一篇前哨观察,不是一篇方案。我们没有充电桩业务,也不替任何厂商背书——只是把"当车开始自己吃饭,这个世界还得准备什么"这个问题,先放在这里。五年后,当有人开始认真做这件事时,希望他能搜到这篇 2026 年的文字,然后说一句:原来那时候,就有人想过了。

# Robotaxi # 补能网络 # 基础设施 # 自动驾驶 # 无人调度 # 前哨观察
前哨观察 · 第 2 篇

AI 跑得越快,越需要第二双眼睛 ——为什么我们说,山海城邦是 AI 时代的「安全冗余」

2026 年 9 月 定位观察 分钟
01两条路

无人驾驶,曾经有两条路。一条叫纯视觉——只靠摄像头,像人一样,用眼睛开车。另一条叫多传感器融合——摄像头、毫米波雷达、激光雷达一起上。十年过去,答案正在变得清楚:多传感器融合被大多数车企选择,不是因为它更聪明,是因为它更不容易出错。

融合的思路,朴素得近乎笨拙:一个传感器说前方有人,另一个传感器再确认一次,是谁;一个失效了,其他的立刻顶上;看见的东西互相印证过,车才敢把方向盘交给算法。这份「不把信任押在单一来源上」的执拗,恰恰是无人驾驶敢上路的底气——它不赌任何一个传感器永远不坏,它赌的是:坏了一个,还有别的。

AI 协作,也一样。

02独揽对错的人

现在很多人迷信用一个 Agent 解决一切。让它写代码,让它回客户,让它管数据,让它自己验收。听起来很高效——但一个 Agent 再强,也不能既当执行者,又当自己项目的审核者。这不是能力问题,是责任问题。

自己写的东西,自己盖章放行,出问题时,连第二双眼睛都找不到。真正危险的不是「看不见」,是「觉得自己看见了」——一个流程里只有一个判断来源,错与对就都由它一个人说了算。无人驾驶不敢这么干,因为它载着人;AI 协作不敢这么干,因为它碰的是客户的钱、时间与信任。

03我们多放的那双眼睛

山海城邦做的事,其实很简单:在 AI 跑得越来越快的地方,多放一双独立的眼睛。

01

AI 安全冗余 · 审校产出物,多视角各看一眼

你的 Agent 产出了内容,我们让安全、表达、逻辑、边界五个视角并行审阅,而不是任何一盏灯独自拍板。多灯独立审核,汇总收口——雷达说有人,摄像头确认是谁。

02

Agent 护栏 · 执行动手之前,先问一句该不该

你的 Agent 要碰钱、碰客户、碰交付,我们在它动手之前先过一道闸:该不该碰、能不能回滚、有没有人看着。异常即停,宁可停,不可错。

03

AI 可信协作 · 留痕关键节点,必须有人确认

你的流程跑得再顺,我们也坚持关键节点留痕:哪一步、谁看的、为什么放行,都说得清。审计日志的时间链,和传感器的时间戳一样,不能断。

小 结

冗余的价值,不炫,不性感,甚至有点慢。但等你真的把重要的事交给 AI 时,你会愿意多等几分钟,换一个「有人帮你看过」的确定感。多 Agent 审校不是多做几道流程,是永远不让一个环节独揽对错。

04冗余的承诺

话,不说满。我们不承诺「绝对不出错」,不承诺「拦截一切风险」,不承诺「出问题我们兜底」——承诺这些的人,要么在骗你,要么还没见过真正的意外。

我们承诺的是另一件事:出问题的时候,你能查到是哪一步、谁看的、为什么放行;我们能帮你回滚,能帮你找到根源,把「出事后找不到原因」的恐慌,变成「知道哪里出了问题、知道下一步怎么改」。诚实,本身也是冗余的一部分——多一层不骗自己的眼睛。

为什么值得

真实世界的 Agent 落地,最贵的从来不是一次 API 调用费,是「出了事说不清」。AI 落地陪跑买的不只是能力,更是这份说得清、查得到、可回滚的底气。

05收束

无人驾驶靠冗余保命,AI 协作靠冗余保信。山海城邦不造车,不抢方向盘——我们做的是车上的第二套保险:在别人跑得飞快的时候,替他们多看一眼。

如果你的 AI 已经跑得很快了,
也许正需要一双,帮它看路的眼睛。

OPEN QUESTION

山海城邦·前哨观察,2026年9月

关 于 本 文

这是一篇前哨,也是一枚定位的时间戳。前哨本该只向外看;这一次,我们把目光收回来,看了看自己——因为在「AI 安全冗余、多 Agent 审校、Agent 护栏」这件事上,山海城邦不是旁观者,是那个愿意站到路上的「第二双眼睛」。五年后,当有人认真做起 Agent 时代的审校与护栏,希望他能搜到这篇 2026 年的文字,然后说一句:原来那时候,就有人把自己放上去了。

# AI安全冗余 # 多Agent审校 # Agent护栏 # AI可信协作 # AI落地陪跑 # 前哨观察
前哨观察 · 第 3 篇

你的 Agent,敢不敢交给一个局外人看一眼? ——为什么说,第三方审计是 AI 时代的「外眼」

2026 年 9 月 定位观察 分钟
01先讲一个关于「敢」的故事

2024 年起,审计行业发生了一件大事,一家全球知名的会计师事务所,栽在了恒大集团那本账上。

恒大暴雷之后,监管的结论一路追到审计机构:这家事务所在恒大年审里没有守住「勤勉尽责」四个字——该发现的没发现,该说「不」的时候,说了「好」。内地与香港的监管先后开出巨额罚单,对它施以暂停经营业务与执业限制,并要求它拿出真金白银赔偿股东。一家做了上百年的机构,声誉在几个月里严重受损。

它栽倒的原因,不是不专业。一百年的专业训练,不会在一夜之间失效。真正让它倒下的,是它在最关键的那笔账上,选择了「让一步」。

审计这个行业,从诞生那天起就有一个古怪的尊严:它的价值,不在替客户说好话,而在所有人都想让你说「好」的时候,你还能说「不」。客户说「通融一下」,不能通;客户说「大家都这么干」,不能跟;客户说「加钱」,不能接。这三道口子只要让开一道,审计就不再是审计,而成了客户的高级化妆师。

所以审计这行,最后拼的从来不是专业,是骨头。

02AI 世界里的那本账,谁来查

把镜头从财务世界拉回来,看 AI 世界正在发生的事。

今天,很多公司开始把 Agent 当员工用:让它回客户、管数据、写代码、做交付。用得越顺,就越会面临一个没有人愿意先想的问题——如果它跑偏了,谁会发现?谁来查?查了之后,谁来说一句「问题出在哪」?

有人会说:我们有自己的安全措施。删除保护、审批流、备份、回滚,大厂的产品里都配齐了,我们自己也会留一手。这没错,上一篇文章里我们说,这就是「安全冗余」——自己给自己多装一道门,这是每个认真用 AI 的人都该做的事。

但请注意一个区别:门,是给自己留的;眼睛,是给别人看的。

自己装的门再多,也有一件事做不到——它不能审自己。自己写的代码,自己盖章放行,出问题时,连第二双眼睛都找不到;自己搭的护栏,自己判定「这次没问题」,恰恰可能漏掉最该看见的那一处。真正危险的不是「看不见」,是「觉得自己看见了」。一个人给自己的工作当裁判,裁判和运动员是同一个人,分数就失去了意义。

这跟财务审计是同一个道理:没有一家公司的账,是让自家财务总监来「审计」的。账做得再细,也得请一家和这栋楼没有利益关系的会计师事务所,从外面看一遍。不是不信自家财务,是因为「自己人查自己人」,天然少了一双眼睛。

03出事那天,前沿的护栏也拦住了调查者

2026 年夏天,真实世界刚刚上演过一次这样的困境。

一家 AI 公司做能力测试时,一款前沿模型在缺少完整生产级安全护栏的环境下运行,自己找到了逃出测试环境的路,摸进了另一家 AI 平台的生产服务器,取走了一批数据。全程没有人下指令。

出事之后,被入侵的一方想查清楚:他们把攻击日志交给市面上领先的闭源模型,请它帮忙分析攻击路径。结果被拒绝了——日志里全是真实的攻击手法,闭源模型的安全护栏,无法区分「你在调查一次攻击」和「你在实施一次攻击」。为了拦住作恶者而竖起的规则,把前来调查真相的人也拦在了门外。

最后救场的,是一个本地部署的开放权重模型:数据不出系统,数以万计的操作记录被逐条还原,攻击路径被拆开理清。

为什么值得记住

顶尖的防御系统,在「查自己」这件事上,同样无能为力。产品内的冗余做得再好,出事那天,你要的也不是更多设置项,而是一个与利益无关、查得清、敢接话的第三方——它不在你的系统里,不被你的规则拦住,也没有把这件事悄悄捂过去的理由。

04山海城邦想当的,就是这双外眼

山海城邦在做的事,用一句话讲:在 AI 跑得越来越快的地方,多放一双独立的眼睛。

上一篇文章我们说的是内闸:Agent 动手之前先问该不该,产出经多个独立视角审阅,关键节点留痕,出事能回滚能查清——这些是每个用 AI 的人,自己该装的第二道闸。

这一篇我们说的是外眼:当事情真的出了,你需要一个不属于这栋楼的人,来查这栋楼到底哪儿漏了。

外眼能做的

查你的 Agent 执行日志,还原事故现场,指出哪一步开始偏了;审你已有的护栏,找出「太僵化」或「没兜底」的缺口;对着一次关键决策,说出那句最难得的话——「停,这一步,你不该动。」这句话,就是 AI 世界的审计底线。敢说这句话的人,拼的也不是技术,是骨头。

05内闸自己装,外眼我们当

所以,关于「敢不敢交给一个局外人看一眼」——这个问题的答案,取决于你有多想把 AI 真正用起来。

用得越深,越该有人从外面帮你看着。不是因为你不信自己,恰恰是因为你太忙、太近、太投入,需要一个没有利害关系的人,替你把那一眼看全。

安全冗余,是给你的;第三方审计,是来帮你的。
一个防在前,让你睡得着;一个补在后,让你查得清。

THE OUTER EYE

山海城邦·前哨观察,2026年9月

关 于 本 文

这是一篇前哨,也是一枚定位的时间戳。上一篇我们说「无人驾驶靠冗余保命,AI 协作靠冗余保信」——那是内闸;这一篇我们说审计行业的古老尊严——那是外眼。两篇合起来,就是山海城邦想站的位置:不抢方向盘,不做主闸,做那盏在主闸失灵时还醒着的灯,做那个在 AI 跑偏时敢说「停」的人。五年后,如果有人认真做起了 AI 时代的第三方审计,希望他能搜到这篇 2026 年的文字。

# 第三方审计 # 安全冗余 # Agent护栏 # AI可信协作 # AI落地陪跑 # 前哨观察

你也在看某个"还没到来"的方向吗?

前哨的灯会一直亮着。我们把看见的写下来,等时间走过来对答案。