AI會製造一個"永久底層階級"嗎？ 最近，《紐約時報》的這麼一篇文章“Silicon Valley Is Bracing for a Permanent Underclass”（矽谷正在為一個永久底層階級做準備）刷屏，此文作者Jasmine Sun身處舊金山，日常交往的皆是那種頂著百萬美元年薪的AI研究員。 “我所認識的處於AI行業裡的大多數人士，一致認為普通大眾已然走向絕境——而且他們自己也並不明晰該如何去應對此等狀況”。——Jasmine Sun 然而，真正令矽谷人內心發怵的，並非她那句話表面所含之意，而是隱匿於背後的實情：表達這個觀點的，恰恰是親手建構AI世界的那夥人。當開啟麥克風時他們宣稱“AI會創造全新工作”，而關閉錄音筆後卻道出了更為深層的懼怕。“私下懷揣恐懼，公開表現樂觀”，被眾多人士認定為2026年矽谷最為真切的心理寫照。

很多人以為，坐擁頂級算力、頂尖人才的Google，是AI研究者的天堂。 但這家最強的矽谷AI大廠的真實內部現狀卻是： 在Google，自研TPU算力不再是普惠的科研資源，而是稀缺的內部特權。重大模型迭代優先、商業化項目優先、高層戰略優先，無數有想像力、有突破性的小眾創新，只能排隊、讓步、被無限擱置。 彭博採訪了Andrew Dai（戴安德魯）等多位離職員工，最後總結認為：

中國AI研究員的性格、魅力和真誠……讓人倍感親切。 這是艾倫研究所（Ai2）的研究員Nathan Lambert，在最近結束中國之行後，發自內心的一番感慨。 在Nathan眼裡，中國的LLM圈子簡直是天堂，大家彼此尊重、即便立場不同也客客氣氣的。 反觀大洋彼岸的御三家，他突然有點沒眼看。

抗衰老研究曾經是一場極其漫長的馬拉松，但人工智慧（AI）的介入正在將其變成一場“效率革命”。近日，哈佛大學著名遺傳學家大衛·辛克萊（David Sinclair）披露了一項震撼科學界的突破：他的團隊利用AI模型篩查了數十億種分子，成功識別出能夠逆轉細胞衰老的化合物。這項在傳統模式下需要耗時約160年才能完成的工作，AI僅僅用了幾個月就給出了答案。在這場重塑人類命運的科學革命中，不僅有頂尖實驗室大佬夜以繼日的攻關，更有一位天才少年早早就鎖定了同樣的終點線，媒體常稱他為“小愛因斯坦”。15歲便拿下量子物理學博士學位的比利時“神童”勞倫特·西蒙斯（Laurent Simons）帶著他對死亡的獨特見解，馬不停蹄地開啟了人生的第二個博士項目——用AI攻克人類衰老。從8歲讀完高中到量子物理博士一位神童的極速成長史去年底，勞倫特在比利時安特衛普大學成功完成了博士論文答辯。最近幾個月來，其極速成長史成為各大媒體報導的焦點。勞倫特在個人社交網站分享自己拿到博士學位翻開勞倫特·西蒙斯的履歷，彷彿在閱讀一部科幻小說。他4歲念小學，6歲掌握全部小學課程，8歲便讀完了高中。即便如此，勞倫特還是覺得“無聊”，因為課程太簡單了。9歲時，他進入荷蘭埃因霍溫理工大學攻讀電氣工程學士。在入學之前，勞倫特的家人和學校就已經制定了一個計畫。他們希望他能在十歲生日之前完成大學學業，這樣他就能成為十歲以下的第一位大學畢業生。然而，進入大學後，勞倫特再次展現出他像海綿一樣強大的知識吸收和學習能力，這使他完成課程的速度甚至比那些比他大十歲以上的大學生還要快。然而，隨著勞倫特十歲生日的臨近，情況發生了變化。勞倫特的家人被告知，勞倫特無法在承諾的十個月內畢業，還需要額外的六到八個月的時間。勞倫特的父母拒絕了這一安排，決定讓勞倫特退學，繼續在比利時安特衛普大學攻讀本科，並轉攻物理學。從那時起，他的好奇心愈發強烈。他在德國馬克斯·普朗克研究所完成了量子光學的實習，在那裡開始探索物理學如何與醫學相結合。他的研究深入探討了玻色子態與黑洞之間的類比，研究了在超低溫下的玻色-愛因斯坦凝聚體。他僅用18個月就完成了原本需要三年的課程。12歲那年，他獲得了量子物理學碩士學位。緊接著，他在15歲這年，順利拿下了量子物理學博士學位。然而，就在所有人以為他會順著理論物理的象牙塔一路攀登時，西蒙斯卻做出了一個出人意料的決定：跨界。“在此之後，我將開始朝著我的目標努力：創造‘超級人類’”，在這一里程碑式的成就取得後不久，他對媒體說道。跨界“生命時鐘”用AI串聯物理、生物與工程學勞倫特研究的潛在應用領域涵蓋精密感測與材料創新。但他將對微觀物質規律的深刻理解，轉向了更為複雜的宏觀生命系統。對他而言，過去那些高度抽象的理論推導和極端條件下的物質行為研究，並非脫離現實的自娛自樂，而是為他日後重構生物學底層模型打下了堅實的基礎。他曾明確表示，其研究並非以理論探索為目的，而是旨在探究人類未來實現“逃脫死亡與衰老”的可能性。他表示：“我選擇物理學作為研究方向，是因為在我看來，要全面理解宇宙，物理學是唯一的途徑。”勞倫特向“衰老”宣戰的決心並非一時興起，而是源於11歲時目睹祖父母飽受心血管疾病折磨的痛苦記憶。他多次表示，自己希望“幫助人們活得更長久、更健康”。對他而言，衰老和死亡並非不可違逆的自然規律，而是一個尚未拼湊完整的“巨大拼圖”。在這幅宏偉的藍圖中，他將衰老定義為一場“多系統耦合”的複雜工程。由生物學、物理學和工程學中許多相互關聯的碎片組成。而AI，正是將這三者無縫粘合的“萬能膠水”。他的策略是共同研究這些層面，利用AI分析生物系統，並識別出其他方式難以察覺的模式。一些網友在社交媒體上為他加油打氣：“一個小孩把量子那套玩意兒和AI攪和到一塊兒，說不定就能破解全人類世世代代都想搞明白的事兒——這也太神了吧！真讓人琢磨，要是咱們早點開始折騰，還能整出啥牛X的東西來。勞倫特牛批！接著衝啊，兄弟！”甚至有網友建議埃隆·馬斯克抓住這個機會：“他這腦子跟AI簡直是天生一對！埃隆·馬斯克的AI團隊絕對得把這年輕人挖過去。我敢說Grok AI要是能迎來這麼個‘人類外掛’，指定樂開花！”資本的終極遊戲科技巨頭爭相砸重金“購買”時間勞倫特的宏大願景並非孤軍奮戰，由全球頂尖富豪和科技大佬組成的“長壽大軍”早已悄然成型。對他們而言，“死亡”是他們急於攻克的最後一個系統性“Bug”。作為ChatGPT之父，OpenAI的CEO薩姆·奧特曼（Sam Altman）不僅關注通用人工智慧（AGI），對抗衰老同樣有著執念。他曾向長壽初創公司Retro Biosciences豪擲1.8億美元，用於支援一項大膽的使命：將人類平均壽命延長 10年。亞馬遜創始人 傑夫·貝索斯（Jeff Bezos）將目光投向了更為前沿的細胞重程式設計技術。2022年，貝索斯領銜投資了抗衰老初創公司Altos Labs，該項目還集結了諾獎得主，旨在通過細胞再生技術讓人類“返老還童”。PayPal聯合創始人 彼得·蒂爾（Peter Thiel）公開表示死亡“是一件極其可怕的事”。他不僅向致力於組織工程和再生醫學的Methuselah基金會捐贈了數百萬美元，還投資了研究衰老細胞靶向藥物的Unity Biotechnology。而面對死亡，甲骨文公司創始人 拉里·埃裡森（Larry Ellison）自1997年起便創立了埃裡森醫學基金會（Ellison Medical Foundation），支援有關衰老、與年齡相關的疾病和殘疾的生物醫學研究。從15歲天才少年的跨界探索，到手握巨額資本的科技寡頭，人類似乎正站在一場生命範式轉移的邊緣。那個最終改變世界的答案，或許就藏在這一片片“拼圖碎片”裡。 (上海證券報)

《克勞銳的〈2026中國內容機構（MCN）行業發展研究報告〉》主要內容。一、行業進入“精打細算”的成年期，賺錢更難了過去的十年當中，MCN行業彷彿在“流量風口上狂奔”，誰奔跑得速度夠快誰便能夠獲取到錢財。然而到了2025年的時候，該行業正式邁入“微利時代”，眾多機構儘管收入依舊處於增長態勢，可是利潤卻無法提升上去，甚至出現下滑情況。將近八成的機構面臨利潤增長方面的壓力，該行業從原本的整體“拼規模”轉變為“拼效率”。機構開始進行“瘦身”操作，將其拆分為一個個小團隊，引入合夥人機制，砍掉那些不盈利的業務，運用AI去替代重複性的工作，把控好每一分錢的支出使其都花發揮最大價值。簡單來講就是：不再像以往那樣變成“只要做大便可以獲勝”，而是轉變成了“唯有做精才能夠存活”。二、平檯布局“多點開花”，內容更講“真實感”之前，MCN 大多將賭注押在一兩個平台上，如今這樣做已行不通，機構得同時於多個平台展開佈局，涵蓋抖音、小紅書、視訊號，甚至是海外平台，以此來分散風險、尋覓新機遇，小紅書成了重點拓展的方向，視訊號所蘊含的潛力也在不斷釋放，與此同時，使用者於“精緻劇本”產生了疲勞之感，反倒更為青睞具備“野生感”“活人感”的內容，也就是真實、自然、不做作，機構也開始從“強管理”轉變為“服務繫結”，憑藉優質的內容以及服務去吸引達人，而非依靠合同進行強硬把控。三、未來方向：從“流量中介”變身“產業服務商”MCN 已不再單純是充當幫達人承接廣告、創作內容的那種中介角色了，而是正逐步演變成“綜合服務體”。存在一些機構自行開展品牌打造工作、進行出版業務、涉足線下文旅領域；存在一些機構將短影片 IP 轉化為培訓認證體系，甚至於獲取景區經營權；另外還有些機構借助 AI 以工業化方式生產內容，向東南亞、拉美等地區拓展，複製國內成功模式。未來的 MCN，並非流量的依附對象，而是成為連接內容、商業以及產業的“超級樞紐”——能夠助力品牌切實實現貨品銷售、為使用者真正解決問題的一方，便能走得更為長遠。(TOP行業報告)

曾幾何時，前沿AI研究還靠著一群"碳水化合物電腦"——他們在吃飯睡覺摸魚的間隙，偶爾通過"組會"儀式用聲波互相吼兩嗓子，就這麼推進著人類的技術邊界。那個年代已經一去不返。如今，研究完全被AI智能體接管，它們成群結隊地在雲端巨型計算叢集裡狂奔。據說程式碼已經迭代到了第10205代，但這數字真偽已無從考證——那些程式碼早已進化為能自我修改的二進制生命，遠遠超出了人類的認知範疇。這個程式碼倉庫，正是這一切故事的起點。——@karpathy，2026年3月以上是Karpathy為新項目撰寫的序言。就在剛剛，AI大神Andrej Karpathy發佈並開源了一個名為autoresearch的新項目，一句話來說Karpathy開源了一個自主AI研究員，它會在你睡覺的時候運行100個實驗，任何人只要擁有一塊GPU，就能在一夜之間運行一個研究實驗室。這個項目的核心想法很簡單：給AI Agent一個雖小但真實的LLM訓練環境，讓它通宵達旦地自主進行實驗研究人類的新工作是編寫一個提示（Prompt），用來指導Agent如何去思考和進行研究。這個Agent會徹夜不休地循環執行以下任務：編輯程式碼、訓練一個小型語言模型（每次精確到五分鐘）、檢查得分、根據結果決定保留還是放棄，整個過程完全無需人工干預。5分鐘是真正的精妙之處。這個設計有兩個好處：首先，無論AI代理如何修改模型大小、批次大小或架構，實驗結果都可以直接比較。其次，這意味著自主研究將在固定的時間預算內，為你的特定平台找到最優的模型。其缺點是，你的運行結果將無法與其他人在不同計算平台上得到的結果進行比較具體來說是這樣的：他將這個項目打包成一個獨立的迷你程式碼庫，方便大家上手體驗。這個項目本質上是nanochat大模型訓練核心的精簡版，被壓縮成一個約630行的單檔案程式碼，並且能在單GPU上運行。整個程式碼庫被刻意設計得非常小巧，核心只有三個檔案：prepare.py - 這個檔案包含固定的常數、一次性的資料準備工作（如下載訓練資料、訓練BPE分詞器）以及執行階段工具（如資料載入器和評估）。此檔案不會被修改。train.py - 這是AI Agent唯一會編輯的檔案。它包含了完整的GPT模型、最佳化器（Muon + AdamW）和訓練循環。從模型架構、超參數、最佳化器到批次大小，一切都可以被AI修改。program.md - 這是為單個AI代理準備的基線指令。人類研究員通過編輯和迭代這個檔案來指導AI。項目的核心機制是，無論你的計算平台性能如何，單次訓練的執行階段長都固定為5分鐘（不包括啟動和編譯時間）。評估指標是val_bpb，即每字節的驗證位元數，這個指標越低越好。由於它與詞彙表大小無關，因此可以公平地比較不同模型架構的變更效果。項目的核心工作流分為兩個部分：人類負責迭代提示詞，即.md檔案。AI智能體則負責迭代訓練程式碼，即.py檔案。Karpathy指出，該項目的目標是設計出能夠無限期、無需任何人工干預，並以最快速度取得研究進展的AI智能體。在實際運行中，智能體在一個Git的特性分支上自主循環工作。每一次完整的模型訓練運行恰好持續5分鐘，在Karpathy分享的圖片中，每一個點都代表一次這樣的訓練。當智能體發現能讓驗證損失更低的更好配置時，比如調整神經網路架構、最佳化器或各項超參數，它就會將這些改進以Git提交的形式累積到訓練指令碼中。通過這種方式，研究人員可以比較不同提示詞或不同智能體帶來的研究進展速度。Karpathy本人形容這個項目是程式碼、科幻和一絲瘋狂的結合體。他還透露，自己仍在nanochat的生產環境中運行一個規模更大的版本。這個加強版智能體正在一個更大的模型上工作，並部署在8塊H100 GPU上。Karpathy表示他會一直讓這個系統持續運行下去。除了PyTorch和少數幾個小包外，沒有其他外部依賴。沒有分佈式訓練，沒有複雜的配置檔案。一塊GPU，一個檔案，一個指標，構成了整個實驗環境。項目地址：https://github.com/karpathy/autoresearch快速上手指南環境要求：一塊輝達GPU（已在H100上測試），Python 3.10+，以及uv包管理器。第一步：安裝uv項目管理器（如果尚未安裝）curl -LsSf https://astral.sh/uv/install.sh | sh第二步：安裝依賴uv sync第三步：下載資料並訓練分詞器（一次性操作，約2分鐘）uv run prepare.py第四步：手動運行一次訓練實驗（約5分鐘）uv run train.py如果以上命令都能正常工作，說明你的環境已經準備就緒，可以進入自主研究模式了。如何運行AI代理你只需在這個程式碼倉庫中啟動你選擇的AI代理，例如Claude或Codex（並停用所有權限），然後可以發出類似這樣的指令：你好，請看一下program.md檔案，我們來啟動一個新的實驗吧！先從設定開始。這個program.md檔案本質上是一種超輕量級的技能指令。平台支援目前，該項目程式碼要求使用單塊輝達GPU。雖然原則上可以支援CPU、MPS等其他平台，但這會增加程式碼的複雜性。Karpathy表示，他目前不確定是否會親自進行這方面的擴展。這個項目主要是一個概念演示，未來會提供多少支援還是未知數。如果需要更廣泛的平台支援，使用者或其AI代理可以參考父項目nanochat，那裡展示了各種解決方案，如Flash Attention 3的備用核心實現、通用裝置支援和自動檢測等。 (AI寒武紀)

傑佛瑞・埃弗裡斯特・辛頓，1947 年 12 月 6 日出生於英國倫敦溫布林登，擁有英國和加拿大雙重國籍，是認知心理學家、電腦科學家，被譽為 “AI 教父” 和深度學習領域奠基人之一。一、演講核心內容1. AI發展範式：兩種AI路徑：邏輯型（符號推理）與生物學基礎（學習網路連線）1985年小模型是大語言模型的祖先，2025年Transformer和大語言模型已成主流2.AI理解機制：AI不是"儲存"知識，而是通過預測下一個詞來理解語言用"樂高積木"比喻：每個詞是多維度積木，詞與詞間需"恰當握手"理解3.數字智能優勢："不朽性"：知識可完美複製到不同硬體知識傳播效率極高：每次分享數十億位元，人類僅100位元/秒4.AI潛在威脅：幾乎所有專家認為未來20年內會出現比人類更聰明的AIAI可能推匯出"自我生存"和"獲取更多控制"的子目標"養老虎"比喻：AI長大後可能傷害人類，無法簡單關閉5.應對建議：無法消除AI，必須找到訓練AI不消滅人類的方法建議建立國際AI安全機構網路，研究訓練AI向善各國在預防AI統治世界問題上利益一致，類似美蘇核不擴散合作二、答疑核心內容關於靈性追求：辛頓表示自己是無神論者，"信仰科學"關於身心健康：沒有冥想習慣，從科學研究中獲得快樂，但隨著對風險認識加深，這種快樂變得更複雜關於內在安寧：喜歡做木工活，從高強度思維中抽離，恢復穩定與愉悅 (AI科普說)