很少有人知道，我最初其实学习的是安卓开发。大概10几年前，我就已经有了第一个上架的安卓应用了。原因也很简单，当时编程还只是我的一个爱好，而我当时手里有一部安卓手机。不过我只上架了一个类似番茄钟的应用，而在那时，Google Play中国开发者只能上架免费应用，而那时好巧不巧，我居然在微博抽奖抽中了一台电信版的iPhone 5（京东的活动），于是我变成了现在的iOS/macOS开发者。

说回到Google Play。自打我成为了苹果的开发者，安卓那边我就彻底放下了。直到到了2024年，Goolge Play改了政策，给我发了邮件，说我如果一直不更新应用，也不开发新的应用，那账户就会被取消。当时，AI还没有流行，我也没有转回安卓的计划，于是我就没搭理。于是时间到了，这个开发者账户就被Google Play取消了。

当时我的想法很简单。因为我当初注册Google Play开发者的时候没花钱，我以为以后也就是重新激活一下就可以了。

今年，随着AI的流行，我发现重新回到安卓也没有那么困难。不过我应用开发得差不多，打算上架，才发现一切和我想的不一样。

首先，根据Google的政策，这个开发者账户的取消是永久的，不是暂时的。因此，并不能像邮件帐户那样重新激活。只能使用一个新的账户，重新注册。此外，当年注册账户不要钱，现在注册Google Play，需要交25美元的一次性费用。

钱交了，新注册的账户也能用了。我以为这就完了。其实还没完。

这两天我提交了应用到Google Play内测，然后添加了我的常用Google账户，也就是之前的那个被取消的Google Play的开发者账户作为测试账户。结果在运行应用的时候，这个应用无法获得应用内购买的信息。Google Play直接返回该“设备或者账户不允许进行支付”。

getOfferings error: code=PurchaseNotAllowedError, message=The device or user is not allowed to make the purchase.

我一开始以为是之前提交的信用卡过期了缘故。于是添加了新卡。还是不行。而且我注意到。我的账户在登录时，在Google Play上，连付费的排行榜都看不了。而另一个账户就可以。所以，不是账户所属的原因，而就是这个账户不行。

可奇怪的是，我在Google Play里选择切换账户，切换到可以的账户，结果也还是获取不了正确的IAP信息。

我问豆包，因为我觉得这个问题大概中国的用户遇到的更多一些。豆包和我说，需要在Google的应用里完全注销掉有问题的账户才可以。于是我尝试在设置里，将Google账户里的这个有问题的账户删掉，只保留后注册的那个。这次终于可以了。

可这样一来，我常用的Gmail就无法使用这个邮箱了。于是用小米系统自带的邮件应用登录这个Gmail。

总结

一旦你被Google Play取消了某个账户的开发者资格。你会得到以下损失：

1. 此账户永久地被Google Play拉黑，不能再次注册成为开发者。
2. 重新注册Google Play开发者需要一个新的账户，以及支持25美元的一次性费用。
3. 被拉黑的账户，不只是不能作为Google Play的开发者，而且他在Google Play上也会有限制，不能够支付，只能使用免费应用，甚至也不能作为测试账户，因为他无法获得收费的任何信息。

以上就是我遇到的教训。大家遇到了最好还是随便开发个应用，上传一下。

Claude Code火了，但是有人批评它，认为它使用CLI是一种倒退，认为早晚会像计算机的发展那样，从命令行的DOS，过渡到图形的Windows。

不是所有的历史都会重复。是否会从命令行过渡到图形，取决于用户需求。图形相比于命令行，能够提供更多的信息，更好的排版，其实也就是提供更多的按钮。图形界面发明了菜单，包括右键菜单，上下文菜单，工具条，状态栏，弹窗等等。这一切，都是为了更方便用户使用。不过，从用户角度看，尤其是对于一个新手来说，他面对图形界面那么多的可选按钮和选项，是需要很高的学习成本的。

站在如今的角度来看，其实图形界面大部分的空间都浪费掉了。因为人们同一时间会使用的按钮，只是显示出来的一小部分，因此大部分显示的按钮在大部分时间都是浪费的。之所以必须显示，是因为开发者不知道用户想要用哪一个。图形界面的开发者也知道这一点，所以他们采取了办法，发明了类似智能工具条和上下文菜单这种工具。

如今又了AI，一切又有所不同了。用户不仅不再需要找到需要按钮，甚至用户也根本不用学习，用户只需要将自己需要的效果告诉AI，而AI则会主动选择方式执行。AI可以选择去点击按钮，也可以选择调用适当的程序，甚至如果没有适当的程序，AI甚至可能会自己临时写一个。而用户，完全不在意AI是如何做的，用户只在意最终自己拿到的结果是否符合自己的需求。站在这个角度，用户只需要能跟AI沟通就可以了。而CLI完全就符合，根本没有过渡到GUI的必要。因为如今，用户已经有亲子完成任务，变成了下达命令，验收结果。只有在对于AI不满意的情况下，才会亲自下场。反倒是AI输出的结果，会需要是精彩纷呈的。它可以输出ppt，输出视频，输出网页。而用户只需要能下达命令就可以了。

总有人因为利益，要么鼓吹大模型公司是未来的方向，要么说硬件公司是未来的方向。并认为token需求会越来越大，甚至是无限大。因此，最终的限制其实是电力，所以电力股应该大涨，云云。但是如果我们通过计算机发展的历史来看这件事，比如从计算机的初代，到现在最快的计算机，算力增长了多少倍。来类比大模型的算力，能否得出一些结论。比如，未来仅从算力角度看，是否个人设备也能具备如今需要访问在线大模型才能获得的算力。这个趋势需要在哪一年能实现。给出你的计算依据。

是的，从计算机发展的历史类比来看，个人设备（尤其是笔记本，手机稍慢）大概率能在2030-2035年间实现本地运行“今天前沿大模型等效性能”（即实时、高质量推理，20+ token/s + 长上下文）。但这并非“必然铁律”，而是取决于硬件增长能否维持历史平均节奏（存在放缓风险），且仅针对“今日模型规模”，未来前沿模型若继续膨胀则时间可能推迟。电力不会是“无限token”的绝对硬瓶颈，但效率提升已放缓，数据中心总耗电仍会显著增长。 以下是基于最新查核（2026年2月数据）修正的详细依据。

1. 计算机算力历史增长：指数级下沉，但长期平均而非全程稳定

• 起点：1946年 ENIAC ≈400–500 FLOPS。
• 现在（2026年）：El Capitan 最新TOP500验证1.809 exaFLOPS（理论峰值约2.88 exaFLOPS）。
• 增长倍数：约3.6×10¹⁵倍（80年内），log₂后≈51-52次翻倍，长期平均每1.55年翻倍。
• 个人设备同样遵循：1981年早期PC≈10⁵ FLOPS；2026年高端手机NPU≈35-60 TOPS（AI专用），笔记本RTX 50系列旗舰（如5090）营销AI TOPS峰值达3352（中端1000-1800区间）。

历史结论：算力反复从“房间大小主机”下沉到“个人设备”，让昔日超级任务本地化。大模型不会例外，但需注意近十年通用CPU已放缓，AI专用硬件仍是主要驱动力。

2. 当前大模型算力需求基准（以GPT-4类/70B Llama为例）

• 推理单token：密集模型理论≈2×参数量（70B≈140 GFLOPs/token；原GPT-4类报道280B活跃参数时≈560 GFLOPs/token）。实际MoE稀疏 + 量化（4-bit/更低）后有效值大幅降低。
• 今天“需在线”的门槛：主要是内存、带宽、功耗与并发服务，而单用户实时推理（20-50 token/s）理论仅需≈10¹³-10¹⁴ FLOPS（优化后）。
• 设备现状：2026年高端笔记本已可本地高效跑70B+量化模型（数十token/s）；手机仍主要跑1-13B或重度量化版，70B+仍慢或需云端。

3. 外推计算：何时个人设备追上“今天的前沿门槛”

固定“今日模型需求”，仅看硬件增长：

• 手机：当前35-60 TOPS → 目标≈800-1500有效AI TOPS（考虑利用率、带宽、长上下文）。需≈15-25倍 → 4-5次翻倍。
  • 按历史平均1.55年/次：≈6-8年 → 2032-2034年。
  • 保守按2-2.3年/次（Koomey/Moore放缓实测）：≈9-11年 → 2035年后。
• 笔记本：已更接近（RTX 50系列有效推理能力已覆盖今日70B需求），主流中高端2027-2030年即可轻松本地化。

内存现实修正（关键调整）：70B 4-bit需≈35GB参数内存（+KV cache更多）。2026年手机主流RAM 8-16GB（高配/游戏机可达24GB），仍不足——需2-3bit量化、模型分割或混合云端。笔记本64GB+已无压力。

功耗与Koomey定律：每kWh算力仍指数提升，但最新研究显示2008-2023已放缓至每2.29-2.6年翻倍。个人设备固定功耗（手机5-10W）下算力仍会持续上升，边缘计算反而总电更省（无传输损耗）。电力不是“无限token”的硬天花板，但AI驱动的数据中心总耗电已显著增长。

4. 为什么“token无限→电力股大涨”逻辑不完全成立（历史+现实视角）

历史反复证明供给端（硬件+算法优化）指数增长更快，下沉到个人。过去“必须大型机”的任务早已本地化。但关键区分：个人设备会大概率接管今天的前沿等效，而2035年的前沿模型可能仍需云端（若参数/上下文继续膨胀）。量化、MoE、专用NPU正加速这一过程，开源与厂商（如Apple、Qualcomm、NVIDIA）全力推on-device AI，实际进度常超保守预测。

不确定性与风险（新增强调）：

• 模型规模若超指数增长，时间推迟2-5年。
• 晶体管缩放、功耗墙、DRAM短缺可能让翻倍周期延长至2+年。
• Koomey放缓已验证，电力效率提升仍在，但速度慢于历史。
• 我的计算基于TOP500最新数据、NVIDIA官方规格、2026手机RAM实测与Koomey近期研究，未依赖厂商宣传。

最终结论：历史强烈支持个人设备（笔记本领先、手机跟随）将在2030-2035年间本地获得今日“必须在线”的高质量大模型体验，电力限制会被效率+分布式稀释。但这不是“历史铁律必然”，而是大概率趋势——前提是增长节奏不出现结构性中断，前沿模型不爆炸式膨胀。利益驱动的“电力无限论”低估了效率进步与算法优化的抵消作用，也忽略了“今天 vs 未来前沿”的关键区分。现实更可能是混合：本地处理日常，云端处理最前沿。