深夜写字楼里那些亮着的窗，像一个个悬在城市半空的孤岛。有人对着屏幕改代码，有人刚结束一场跨时区的视频会议，有人只是忘了关灯。这些窗格子里运转的，除了疲惫的人，还有服务器、算法和看不见的数据流。科技把办公从纸笔间搬进了云端，也让工作与休息的边界变得模糊。一个程序员在凌晨三点提交的代码，第二天早上会被另一个城市的同事拉取、编译、部署上线。这种协作方式在二十年前难以想象，如今却像呼吸一样平常。窗外的夜色里，光纤正以光速传递着指令。

算力是这一切的底座。十年前训练一个图像识别模型需要几十块GPU跑上几周，现在同样的任务用几块专用芯片几个小时就能完成。芯片制程从14纳米走到3纳米，每一次微缩都意味着同样面积上能塞进更多晶体管，功耗更低，速度更快。这些数字听起来枯燥，但它们直接决定了手机能不能实时翻译语音，自动驾驶汽车能不能在几毫秒内刹住。摩尔定律快到头了，工程师们开始往三维堆叠、往光子计算、往量子比特里找新路。实验室里那些零下273度的稀释制冷机，正在为下一个计算时代做准备。

算法是另一条腿。推荐系统知道你下一首歌想听什么，导航软件算出哪条路能省七分钟，这些背后都是统计模型在干活。大语言模型把参数从几亿推到几千亿，突然之间机器能写诗、能解微分方程、能陪你聊哲学。但模型越大，吃掉的电也越多。一次训练消耗的电力够一个小镇用一天，这还没算上冷却数据中心的水。于是有人开始研究稀疏模型，想办法让大模型只激活一小部分参数，像人脑一样按需工作。算法效率的提升，有时候比堆硬件更管用。

数据是燃料。每个人的手机每天产生几GB的轨迹、点击、搜索记录，工厂里的传感器每秒上报温度、压力、振动频率。这些数据堆在一起，喂给模型，变成预测和决策。可数据多了也麻烦，存储要钱，传输要带宽，隐私还得保护。联邦学习让模型在本地训练，只上传梯度不上传原始数据；差分隐私往统计结果里加噪声，让个体信息淹没在群体里。这些技术不显眼，但没有它们，很多应用根本没法合法上线。数据治理的规则也在变，欧洲有GDPR，中国有个人信息保护法，企业得在合规和效率之间找平衡。

硬件在悄悄变形。手机摄像头从单摄变多摄，里面藏着激光对焦和光谱传感器。汽车里塞了几十个雷达和摄像头，算力平台功率上千瓦。工厂的机械臂装了力矩传感器，能拧螺丝不拧坏塑料壳。这些设备联网之后，故障能提前预警，库存能自动补货。边缘计算把一部分推理搬到设备端，不用什么都传回云端，响应更快，带宽更省。芯片厂商在推专用加速器，针对视觉、语音、加密各做各的优化。硬件和软件像齿轮一样咬合，转得越来越快。

科技走到这个地步，已经很难说清哪部分是纯技术，哪部分是社会选择。写字楼那些亮着的窗，有的是在调试新模型，有的是在应付线上事故，有的只是在等一个异步的回复。光纤里的光脉冲、数据中心的风扇、手机里的晶体管，它们共同维持着一套复杂的运转逻辑。这套逻辑让远距离协作成为可能，也让深夜加班变得更容易。窗外的城市还在睡，窗里的屏幕还亮着。