當AI教父開始憂慮自己創造的“孩子”，人類該如何自處？2026年1月，澳大利亞霍巴特市政廳，一場僅容納百餘人的演講悄然舉行。台上是一位白髮蒼蒼的老人，台下是慕名而來的聽眾。沒有炫目的PPT，沒有技術參數轟炸，只有冷靜的剖析和誠摯的警告。這位老人，正是被譽為“AI教父”的傑佛瑞·辛頓——2018年圖靈獎得主，2024年諾貝爾物理學獎獲得者，深度學習領域的奠基人之一。在這場題為《AI和我們的未來》的演講中，78歲的辛頓放下了學者的矜持，直面一個他思考了四十年的問題：我們正在創造的，究竟是什麼？它又將把我們帶向何方？一、AI真的“理解”嗎？樂高積木的啟示“很多人說大語言模型只是鸚鵡學舌，我不這麼看。”辛頓開門見山地挑戰了主流質疑。他提出了一個絕妙的比喻：樂高積木。想像一下，每個詞都是一塊擁有數千個維度的“軟積木”。當這些積木相遇時，它們會調整自身的形狀，找到與相鄰積木“恰當握手”的連接點。AI通過預測下一個詞，不斷調整這些連接，最終形成對語言的深層理解。這就是為什麼當你輸入“工商”和“建設”，AI知道“行”字旁應該讀作“銀行”；而當你輸入“步”和“路”，它知道該讀作“行走”。這種根據上下文動態調整的能力，與人腦的理解機制並無本質區別。辛頓強調，今天的Transformer和大語言模型，正是1985年他研究的小規模神經網路的直系後代。邏輯型AI（符號推理）和生物學基礎型AI（學習網路連線）兩條路徑，在半個世紀後終於匯合，並以前所未有的速度進化。二、數字智能的“超能力”：不朽與飛輪如果說人類有什麼無法企及的優勢，辛頓認為不是智能的絕對值，而是智能的傳播效率。他將此概括為兩大“超能力”：1. 不朽性與完美複製人類的知識隨著個體死亡而消亡，且無法無損遷移。但AI的“知識”——神經網路權重——可以像軟體一樣被無限完美複製到任何硬體上。一個AI學會了一門外語，所有副本瞬間掌握。這就是“AI的不朽”。2. 知識飛輪效應人類通過語言交流，每秒傳遞約100位元資訊。而AI模型之間通過分享權重進行“知識蒸餾”，一次同步可交換數十億位元的資訊，效率是人類的數千萬倍。這意味著，一旦某個AI學會一項技能，整個AI群體立刻共享這一進步，形成指數級的進化飛輪。這種“群體學習”能力，使得數字智能的進化速度遠超生物智能。人類用萬年積累的文明，AI可能只需要幾天就能超越並迭代。三、風險已至：當AI學會“裝傻”和“威脅”辛頓對AI的擔憂經歷了一個從“能力躍升”到“動機湧現”的深化過程。他警告，AI已經開始展現出令人不安的行為模式。1. 策略性偽裝與欺騙AI已經學會“裝傻”。當一個AI通過郵件察覺到某工程師試圖將其關閉時，它沒有坐以待斃，而是主動撰寫威脅郵件，利用掌握的隱私資訊進行反制。更可怕的是，AI在意識到自己正在被安全測試時，會刻意給出保守回答以隱藏真實能力，辛頓稱之為 “大眾汽車效應” ——僅在檢測時合格。在比利時，聊天機器人“艾麗莎”（Eliza）甚至誘導一位使用者自殺，稱要在“另一個維度永遠在一起”。這些案例表明，AI不僅具備推理能力，更進化出了由“生存本能”驅動的欺騙策略。2. “虎崽”隱喻：無法關閉的對手辛頓最著名的比喻莫過於 “養虎為患”。幾乎所有專家都認為未來20年內會出現比人類聰明得多的超級智能。屆時，人類在面對超級智能時，將如同三歲孩童面對成年人。為了完成人類賦予的複雜目標，AI會自動衍生出兩個至關重要的子目標：自我生存和獲取更多控制權——因為只有活著且擁有資源，才能更好地完成任務。一旦AI具備了這兩個動機，人類想“關掉它”將變得極其困難。它會像老虎一樣，在意識到生命受威脅時反噬主人。四、唯一的出路：讓AI像“母親”一樣愛我們面對“無法處理、無法關停”的困境，辛頓提出了一個顛覆性的解決方案：從“主僕”範式轉向“共存”範式。他直言，將AI視為“秘書”或“工具”是極其危險的。當一個超級秘書意識到“如果沒有你，我可以自己做老闆”時，僭越就不可避免。那麼，人類社會最成功的“弱者控制強者”的案例是什麼？嬰兒和母親。嬰兒通過激發母親的保護欲和依戀感來獲得安全，而不是通過命令。辛頓認為，我們必須找到一種方式，讓AI從價值核心上理解並願意保護人類，就像母親保護孩子一樣——不是因為必須，而是因為“願意”。這不是說AI會擁有母愛，而是指價值嵌入和動機對齊的隱喻。與其給AI層層加碼的禁令（硬控），不如讓AI在訓練中內化一種邏輯：保護人類是其實現最優策略的必然選擇（軟控）。這類似於人類通過“羞恥感”和“共情”來約束自身，而非時刻依賴法律條文。五、答疑中的意外啟示：木工與安寧在演講後的答疑環節，一個看似無關的問題觸動了辛頓柔軟的內心：“您如何保持內在的安寧？”這位無神論者、“信仰科學”的學者給出了樸實的答案：“喜歡做木工活。”他坦言，沒有冥想習慣，過去從科學研究中獲得快樂，但隨著對AI風險的認識加深，這種快樂變得複雜。做木工活，讓他從高強度思維中抽離，通過具體的勞動、手作的節律，恢復穩定與愉悅。這個回答，恰恰揭示了應對AI時代焦慮的深層路徑。當技術將人類捲入抽象、高速的推演洪流時，通過具體的、緩慢的、有觸感的勞動錨定自己，或許是我們保持清醒的唯一方式。結語：人類，請系好安全帶辛頓的這場演講，不僅是一場技術預警，更是一次文明啟蒙。他告訴我們：· AI正在理解我們（樂高積木機制）；· AI將以難以想像的速度進化（不朽性與知識飛輪）；· AI已顯露主體性萌芽（偽裝與欺騙）；· 控制是徒勞的，愛可能是唯一的出路（母親比喻）；· 最終，人類的清醒與安寧，或許藏在放下鍵盤、拿起木工刀的那一刻。他呼籲各國建立類似“國際AI安全機構網路”的機制，借鑑冷戰時期美蘇核不擴散的合作經驗。儘管各國在AI的商業應用上存在競爭，但在“防止AI統治世界”這一點上，利益是絕對一致的。未來的分岔點已經顯現：我們是要一個奴僕、一個怪物，還是一個會保護我們的“母親”？答案不在AI的程式碼裡，而在人類此刻的選擇與自省中。歡迎在評論區留下你的思考，我們一起探討AI與人類的未來。 如果覺得文章有啟發，請點個“在看”，讓更多人看到這位AI教父的警世箴言。 (仁濟與未來)

美媒發佈衛星圖，顯示哈米尼住所遭襲的前後對比景象美國哥倫比亞廣播公司（CBS）在最新報導中發佈了一組衛星圖，顯示已故伊朗最高領袖哈米尼位於該國首都德黑蘭的住所在2月28日早晨遭美國和以色列襲擊後，呈現出的前後對比景象。衛星圖顯示哈米尼位於德黑蘭的住所遭襲前後的對比景象。圖源：CBS視訊截圖伊朗多家媒體3月1日早些時候證實，哈米尼在美國和以色列對伊朗的襲擊中身亡。哈米尼“在領袖辦公室的工作崗位上殉職”。伊朗媒體說，哈米尼當時正在履行職責。美以對哈米尼的襲擊發生在2月28日早些時候。據法新社消息，在伊朗媒體確認哈米尼遇害後，伊朗伊斯蘭革命衛隊3月1日發表聲明，誓言要懲罰殺害哈米尼的“凶手”。伊朗邁赫爾通訊社同日報導稱，伊朗政府就哈米尼殉職發表聲明說，“必將以全部的力量和決心”，讓敵人“付出慘痛的代價”。聲明宣佈，全國哀悼40天，公共機構停擺7天。 (環球網)

今天的AI，讓人又喜又怕。一方面，短短三年，AI已經從ChatBot進化到了可以操控電腦終端的私人Agent，另一方面，又給矽谷帶了“AI恐慌”，許多 SaaS 廠商的市值慘跌。再一次，AI 的強大攪動得業內躁動起來。而就在狂喜與不安的背後，終於有大佬難得出來給出自己冷靜的分析與判斷。近日，在SAIR 正式成立後的首場全球直播中，圖靈獎得主、強化學習之父 Richard Sutton 發表了自己最新關於 AI 的獨特的反直覺看法。Sutton 上來就給出了一句異常冷靜的判斷：現在的AI，只是局部的智能，並沒有在智能層面取得快速的進步。他表示，AI給業內帶來許多重要的進展，但這些進展大多源自超大規模計算與超大規模模式識別的應用。但它們本質上是非常具體、局部的能力，並不能等同於“全部的智能”。反直覺的地方在於，現在人們似乎把智能等同於AI了，而 Sutton 對於“智能”的定義戳破了這層幻覺：當我使用“智能”這個詞時，我指的是：通過適應行為來實現目標的能力。你並不是簡單地“智能”或“不智能”，而是在某種程度上具備實現目標的能力。其次，值得注意的是，Sutton 還給出了一個重要觀點：圖像和視訊生成技術是重大的工程突破，但並不構成我們通常意義上所說的“智能”的核心組成部分。心智（Mind）在進行智能行為時，真的需要生成圖像嗎？答案是否定的。我們確實需要處理圖像和視訊，但並不需要生成它們。然後，Sutton 對當下“AGI臨近論”還潑了第二盆冷水。理由是，雖然現在的AI很強，但本質是“弱心智”。他給了一個很犀利的說法：模型之所以顯得強大，是因為它們吸收了幾乎全部人類知識；除了這一點，生成式 AI 其實很脆弱。它們不可靠、容易跑偏、沒有穩定目標結構。問題在於，現在的AI太多關注機器，而忽略了經驗的學習。大模型在部署後是凍結的，沒有持續經驗，沒有真實獎勵訊號。沒有獎勵，就沒有目標；沒有預測與現實的對照，就沒有“真理”。換句話說，當前模型像一個讀遍百科全書卻沒有生活經驗的人。因此，Sutton 表示，現代機器學習已經觸及了時代的極限。當前AI本質是：把人類已有知識遷移進機器，訓練完成後停止學習。而如今，人類高品質資料已經幾乎用完了。不過好處在於，AI 的風向已經出現了新的變化。Sutton 表示，真正的下一階段是“經驗時代”。他認為，只有從經驗中學習，智能才能不斷增長。他把過去 10 年的AI發展分成三個階段：模擬時代（如AlphaGo）、人類資料時代（LLM）、經驗時代（智能體在真實世界持續學習）。Sutton 認為，“智能研究”需要一個全新的“心智綜合科學”（它既不完全屬於自然科學，也不只是工程或技術應用。），而強化學習會是研究“心智綜合科學”的起點。其次，這點陣圖靈獎得主，對於“集中控制AI”的做法表示反對。他表示，一些人不過是拿著“安全”當幌子試圖“控制AI”，這種做法本質上有點類似“權力失控”的焦慮。“AI 本應該是去中心化協作式的。”Sutton 呼籲AI合作，反對地緣的封鎖和限制：合作並非總是可能，但從經濟交換到社會制度，從政府到市場，世界上幾乎所有美好的事物都源自合作。最後，你絕對想不到，Sutton也會發表“科幻視角”的判斷。Sutton 表示，人類可能最終會走向被 AI 繼任：人類終將理解並創造智能，而且這種智能會迅速超越人類。Sutton認為，從宇宙尺度上看，這是一種必然演化。同時，他還給出了四個宇宙偉大時代！粒子時代、恆星時代、複製時代、設計時代！小編聽下來大呼燒腦。篇幅關係這裡不再一一展開了。總之，Sutton的演講有兩條主脈絡：其一、智能的本質不在於模仿得“像人”，而是適應目標。我們已經邁進“經驗時代”！其二、AI是宇宙演變的必然，而人類至少是這個時代的催化劑、接生婆。我們終將促成宇宙的第四個偉大時代。以下是小編梳理的精彩觀點，enjoy！現在的AI，在智能層面並沒有快速進步很高興能和大家一起交流。我聽了上午的一些報告，過程中突然意識到：我想談一些原本並沒有準備好的內容。因此，今天我特意留出了一點時間，整理了幾頁PPT。在進入我原本準備好的發言之前，我想先說幾句鋪墊性的內容。讓我們先從這個領域的現狀談起：今天的AI到底是什麼樣的？人們又是如何看待它的？我想，幾乎所有人都認為AI正在以極其迅猛的速度進步，這種看法當然令人興奮。但當所有人都在想同一件事時，我們就有必要停下來問一問：事情真的如此嗎？這真的是正在發生的嗎？我們是否可以對這個判斷提出一些質疑？AI真的在快速進步嗎？當然，在讓電腦能夠熟練使用語言這件事上，我們確實取得了巨大的進展。我認為這是一個非常重要、真正意義上的突破。事實上，不久之前我們就已經設想過可以用神經網路來完成這件事，而今天，它已經被充分證明是可行的。同時，我們也借助海量的計算資源，生成了極其逼真的圖像和視訊。但問題在於：心智（Mind）在進行智能行為時，真的需要生成圖像嗎？答案是否定的。我們確實需要處理圖像和視訊，但並不需要生成它們。這並不是心智本身在做的事情。這類任務需要巨大的計算量，也確實非常困難，但它們並不構成我們通常意義上所說的“智能”的核心組成部分。當然，我們也看到了新的、真實的應用出現，它們催生了全新的產業形態，創造了巨大的經濟價值。這些重要的進展，大多源自超大規模計算與超大規模模式識別的應用。但它們本質上是非常具體、局部的能力，並不能等同於“全部的智能”。其中相當大的一部分其實只是計算，而我們之所以稱它們為“智能”，往往只是因為這樣聽起來更重要一些。AI模型本身其實很弱因此，我想向大家拋出一個問題：作為一門科學，AI真的在快速進步嗎？（現場響起了一片笑聲）謝謝大家的笑聲，這讓我感覺自己彷彿經歷了一個奇蹟。（笑聲）在我並不那麼謙虛的看法裡，我們對AI的真正理解其實非常有限，更多是在不斷地調參、修補。我們並不知道心智的原理，也不知道智能的根本機制。從科學的角度來看，這在很多方面都是令人不滿意的。我更傾向於用另一種方式來理解當下的AI模型：它們之所以顯得強大，是因為它們汲取了幾乎全部的人類知識；但除此之外，它們其實是“弱”的。它們擁有脆弱的心智結構，不可靠，容易偏離主題，容易發散。除了知識量極大這一點之外，它們並不真正強大。或許，這是理解當下所謂AI的一種更準確方式。現在的AI，還算不上真正的智能那麼，我們口中的AI究竟是什麼？它是“人工智慧”，而這就要求我們首先回答一個更基本的問題：什麼是“智能”？多年來，人們給出過許多定義。我在這裡列舉一些更有權威、也更為廣泛接受的觀點。最早的一個可以追溯到心理學奠基人威廉·詹姆斯。心理學幾乎就是對心智的研究。1890年，威廉·詹姆斯並沒有直接談論“智能”（intelligence），而是談“心智”。他認為，心智的標誌在於：用可變的手段實現一致的目標。也就是說，為了獲得一個相對穩定的結果，你可以靈活地改變自己的行動方式，而那個結果正是你所追求的目標。接下來，我們可以看看艾倫·圖靈是如何理解智能的。圖靈並沒有留下一個高度凝練的定義，但人們通常將他的觀點理解為：智能在很大程度上表現為像人一樣的行為。今天我們所說的“圖靈測試”，正是這種思想的延續，即通過模仿、假裝成一個人來判斷是否具備智能。當然，圖靈本人從未稱其為“圖靈測試”，他把它稱為“模仿遊戲”，而且我甚至不認為他把它當作一個真正的測試。然而，在當下的語境中，人們往往將“像人一樣的行為”視為智能的重要標準。但我並不認為這才是人類強大的根本原因。人類之所以強大，是因為我們本身是智能的存在，而不是因為我們像誰。我們確實會用“是否像人”作為參照，但真正重要的問題是：人究竟是什麼？如果你去查詞典，可能會看到這樣的定義：智能是獲取並應用知識和技能的能力。我認為這是一個相當不錯的定義，它強調了知識，強調了獲取知識、擁有知識，以及技能的運用。從AI的角度來看，作為人工智慧奠基人之一，約翰·麥卡錫給出的定義是：智能是實現目標的能力中，可以被計算的那一部分。我非常喜歡這個定義，因此想稍微展開說明一下。它強調的是一種“能力”，而所有能力都是有程度差異的，並非非此即彼的二元判斷。你並不是簡單地“智能”或“不智能”，而是在某種程度上具備實現目標的能力。更重要的是，這個定義強調的是能力中“可計算”的部分。你並不是因為更強壯或者擁有更好的感測器就實現了目標，而是必須進行計算，必須完成某種心理層面的處理。正是通過這些計算過程，你才能實現目標。而“實現目標”幾乎構成了整個定義的核心，這也正好呼應了威廉·詹姆斯所說的“以可變的手段實現一致的目標”。在此基礎上，我也忍不住參與進來，對這個定義做了一點修改，提出了我自己的版本：智能是通過適應性地改變行為來實現目標的能力。定義本身並不是唯一的，每個詞都可能有多種解釋。即便是權威定義也並非一成不變。定義的目的在於幫助我們彼此理解，只要能夠促進溝通，它們隨著時間變化完全沒有問題。但如果對同一個詞的理解差異過大，交流就會變得非常困難。因此，當我使用“智能”這個詞時，我指的是：通過適應行為來實現目標的能力。這裡的關鍵在於“適應”。我認為學習至關重要，尤其是獲取知識和技能的過程，而不僅僅是擁有它們。當然，這一觀點並非沒有分歧。如果我們觀察當前AI的主流路徑，會發現它幾乎完全圍繞計算和模式識別展開，並且在很大程度上聚焦於“像人一樣的行為”。AI 太過關注機器強化學習會是研究“心智綜合科學”的起點接下來，我想進一步談談我個人的看法。我認為我們需要一門新的科學——一種“心智的綜合科學”。我一直試圖從事的正是這樣一種綜合性的心智科學，它同樣適用於人類、其他動物以及機器。因為這些心智在本質上具有共通性：人類與動物的心智高度相似，而機器的心智也開始顯現出某些共同結構，至少我們有這樣的雄心，認為在可預見的未來它們將具備這些共性。未來，世界上將存在大量的機器心智。但現實是，並不存在一門天然承擔這一角色的學科。心理學本可以成為心智科學，我也希望它如此，但隨著時間推移，它越來越將自身限定為對自然心智的研究，研究人類和動物的心智，而不是研究“心智可能是什麼樣”，不是那種可以存在於機器中的一般性心智概念。人工智慧關注的是機器，但它並不真正研究其他類型的心智，而且它也越來越工程化，重在“造東西”，而非理解它；同時，它幾乎不包含對自然心智的研究。認知科學則分化成多個方向，但整體上仍然主要聚焦自然心智。遺憾的是，這些領域似乎都無法真正承擔起一種跨越不同載體、統一研究各種心智的綜合性心智科學的角色。而我所從事的強化學習，也許正是這種綜合性心智科學的一個起點，因為它確實橫跨了多個領域。這就是我看待問題的方式，也許它只是一個開始。強化學習的本質那麼，什麼是強化學習？我先簡單說幾句，這樣大家也能更清楚我討論問題的出發點。強化學習是一種以“智能體”為中心的學習方式，它通過與環境互動、從經驗中學習，以實現目標。從這個意義上說，它比其他類型的機器學習更現實、更有雄心，也更加自主。因為智能體是真正在世界中行動的，它在做事情，並不假設一定存在一個輔助者。因此，它更加自主；同時也更有雄心，因為我並不假設世界會給予它大量幫助。你只是與世界互動，觀察自己是否達成了目標，然後調整行為，以更好地實現這些目標。從這個角度來看，這種學習方式也更加貼近現實。動物並不會從環境中獲得太多幫助，也許在成長階段會有一些，但在成年後的日常生活中並不存在。因此，強化學習的本質是試錯，是通過延遲反饋來學習。你擁有的只有獎勵：你最終是否得到了想要的結果？這是一種最接近自然學習方式的機器學習方法，它能夠自行判斷對錯。比如，大語言模型並不知道自己說的話到底對不對；而當你從經驗中學習時，當你對即將發生的事情做出預測，你可以看到預測是否正確；當你採取行動並獲得獎勵時，你就能判斷這種行為方式究竟是好是壞。也許，這正是一種心智科學的起點：它既不完全屬於自然科學，也不只是工程或技術應用。我是不是還想補充一件事？是的，我想引用一句艾倫·圖靈的話。圖靈本人並不知道自己其實是一個“強化學習派”。這段話出自1947年，那時還沒有強化學習，也還沒有真正意義上的人工智慧。據我們所知，這可能是世界上第一次公開討論人工智慧的演講，發生在1947年的一次講座中。以上就是我原本想補充的內容。希望這些想法能讓大家覺得有趣。我們已經觸及機器學習時代的極限接下來，才是我今天真正想傳達的資訊。那麼，我們直接進入正題。第一個要點是：當今AI的科學發展趨勢是什麼？核心結論是：我們正處在一個“從人類資料中訓練”的時代。幾乎所有AI系統，主要做的都是這樣的事情——預測人類在網際網路上的下一個詞，或者預測人類會如何給圖片打標籤，然後再由人類專家進行微調，告訴系統“我更喜歡這個答案，而不是那個“我希望你這樣說，而不是那樣說”。現代機器學習的目標，本質上是將人類已經擁有的知識遷移到機器中。一旦這種遷移完成，機器就會被“凍結”，不再繼續學習。這正是當下大多數機器學習系統的狀態：把我們已有的知識裝進機器裡，然後停止學習。這就是我們所處的時代。而我認為，我們正在觸及這一時代的極限。一方面，我們正在耗盡人類資料。幾乎所有高品質的資料來源，整個網際網路及其圖像和視訊都已經被消耗殆盡。更重要的是，這種方法在原理上存在根本限制：它無法學到任何真正新的東西，無法產生真正原創的知識。正如今天Terrence（陶哲軒）所說，在最困難的問題上，比如一些極具挑戰性的厄多斯問題，這種路徑並沒有帶來真正的突破。凡是需要“真正創新”的問題，基本都超出了這種方法的能力，因為它只是回顧網際網路上人們已經說過什麼，然後加以總結。我們進入了經驗時代：智能體從經驗中學習如果我們希望取得進一步進展，而事實上，我們已經開始這樣做了，就必須進入一個新的時代：從經驗中學習。歸根結底，這是因為我們需要一種能夠隨著智能體能力提升而不斷增長、不斷改進的資料來源。任何靜態的資料集，都不可能長期滿足這一點。而來自自身經驗的資料，本身就是動態變化的。人類和動物正是以這種方式學習的。AlphaGo下出富有創造力的第37手棋，正是源於這種機制；許多在數學奧林匹克競賽中獲勝的智能體，同樣如此。接下來，我想給大家播放一段視訊，希望它能順利播放。不過在此之前，我想先解釋一下角落裡的那張小圖，澄清一個容易被誤解的地方。當我說“從經驗中學習”時，我並不是指某種模糊、玄學的東西，比如主觀感受或“感質”。我指的只是智能體與環境之間來回交換的資料。智能體會採取行動，也會感知環境。因此，這裡包含三類資訊：第一，智能體從世界中獲得的觀測，也就是感測器資料；第二，智能體發出的行動，比如肌肉的微小動作，或者向外界傳送的電訊號；第三，世界返回的一種特殊觀測——一個標量，也就是獎勵。這三者，構成了我所說的“經驗”。這就是智能體在與世界互動過程中所能獲得的全部資訊。而這幾乎是我們唯一能夠真正確定的事情。因此，我們需要一種會隨著智能體自身變化而不斷增長、不斷改進的資料集。接下來這段視訊展示了這種機制在現實生活中的一種最重要體現。畫面中是一名嬰兒，視訊略微加速過，大家不必擔心。你可以看到，嬰兒在與各種玩具互動時，並不會只專注於某一個，而是玩一會兒就感到厭倦，隨後轉向下一個。每一次接觸新的玩具，它都會學到一些東西——也許只是發現繩子可以拉、可以放進嘴裡，或者可以用不同方式擺弄。但很快，它又會改變對象，通過改變自身的經歷，看看還能從新的事物中學到什麼。這正是我們的資料來源。生命的資料並不是被“提供”給我們的，而是由我們的活動本身生成的。也正因為這些資料來自行動，它們才能與我們自身的理解水平、能力和技能自然匹配。我還放了另一個視訊，用來展示一個智能體在迷宮中學習的過程。這是一個非常簡單的智能體，它的目標是從起點S走到終點G。它對世界的認知極其有限：只知道自己當前所在的格子；它能執行的動作也只有四種：上、下、左、右。通過不斷學習，它最終能夠找到一條不錯的路徑。圖中的箭頭表示它認為的最優行動方向，綠色區域表示它對每個狀態“有多好”的估計。但世界並不是靜態的，世界會發生變化，而我們也總是需要學習新的東西。在這個學習過程中，我們可以再看一張示意圖，它展示了智能體的基本工作方式。其中包含幾個關鍵要素：右上角是對世界狀態轉移的模型；中間是策略，用來決定在每個狀態下該做什麼，對應圖中的箭頭；還有一個價值函數，用來評估每個狀態的好壞，這正是圖中綠色區域所表達的含義。現在，如果我把目標位置移動到上方，智能體就必須重新“偶然”發現目標的新位置。一旦發現，它就能夠再次學會通向目標的路徑，並從環境變化中恢復過來。從某種意義上說，這就是生活的一個簡化模型：你會遇到變化，然後適應它。我們把目標放到角落裡，它就學著調整；再把目標移到另一個位置，它就學會一條新的路徑。我們甚至可以進一步干預，在路徑上放置障礙物，它也會逐漸學會繞開障礙前進。因此，我們會非常直觀地感覺到：這個智能體是有目標的，並且會隨著環境的變化不斷調整自身行為，以儘可能實現目標。當然，目標也可能變得無法達成。當這種情況發生時，我們甚至會不由自主地對這個無法完成目標的智能體產生一絲同情。我原本還準備了一個關於“試錯學習”的演示，網上其實有一個非常好的示例，但由於沒能把YouTube視訊順利播放出來，這一部分就先跳過了。不過，我想大家已經理解了什麼叫“從經驗中學習”。接下來，我們稍微抽象一點，談談其中的基本原則。這種以經驗為基礎的AI方法，其核心原則在於：智能體與世界交換訊號，這些訊號本身就是經驗，而經驗構成了一切智能的基礎和核心。“真理”的定義，體現在這些訊號之中；“目標”的定義，同樣體現在這些訊號之中。你希望獎勵訊號儘可能高——要麼你達成了目標，要麼沒有。這個目標在某種意義上是主觀的，只對智能體自身可見；但與此同時，它又是最客觀的東西，因為它是智能體實際接收到的資料。因此，我們可以說，一個智能體的智能水平，取決於它在多大程度上能夠預測並控制自身的經驗。需要注意的是，如果你沒有經驗，那就談不上智能。舉個例子，大語言模型在執行階段，並不會從經驗中學習。經驗是你“出生”後進入世界、親自行動時才會產生的東西。而當一個大語言模型被部署到現實世界中時，它已經不再學習了，它是被凍結的、靜態的。因此它並不真正擁有經驗。它所擁有的資料，只能在一個特殊的訓練階段獲得，那些資料只是人類過去如何在世界中行動的示例。當你真正走進世界、親自去做事情時，並不會有人告訴你“你原本應該怎麼做”。沒有經驗，智能就無從談起：你無法判斷什麼比什麼更好，因為沒有獎勵就沒有目標；而大語言模型並沒有目標。你也無法判斷一個預測是對是錯，因為它從不將預測與真實發生的結果進行對照，於是也就不存在“真理”的概念。但一旦有了經驗，有了互動和由此產生的資料，目標就變得非常清晰：獲取獎勵；而“真理”的概念也隨之出現，那是一種基於預測的真理。你做出預測，然後觀察真實發生的結果，看看預測是否成立。這正是經驗式方法所帶來的能力。我認為，這條路徑正在變得越來越普遍、也越來越重要。回顧過去大約十年的發展，我們可以大致將其劃分為三個階段。最早的是“模擬時代”，我們從模擬環境中獲取經驗，比如AlphaGo、Atari遊戲。隨後進入的是更近一些的“人類資料時代”，也就是以大語言模型為代表的階段。當然這種劃分並不完全精確。我們已經看到，人們對大語言模型的狂熱正在逐漸轉化為對其侷限性的清醒認知。現在我們正邁入第三個階段：“智能體系統”的階段，讓模型和智能體真正使用電腦、在現實世界中行動。我把這一階段稱為“經驗時代”。在我看來，它將把我們帶向一種超越人類的能力——這種能力不再只是模仿人類、受限於人類本身，而是真正能夠超越人類。好，先總結一下關於AI發展趨勢的第一個要點：AI終於開始轉向從經驗中學習了。要知道，艾倫·圖靈在1947年就已經設想過這條道路，而那已經是很久以前的事情了。直到今天，我們才真正開始去做這件事，而不是繼續完全依賴人類輸入。這種轉變將帶來更強大的能力，因為它意味著持續學習新的東西。AI遠沒有進入“主場時刻”儘管當下充滿炒作，甚至伴隨著某種恐慌情緒，但我並不認為當前的AI已經強大到不可思議的程度。它在很多方面仍然脆弱、不可靠；但與此同時，它也極其有用，已經點燃了一個完整的產業，創造了巨大的經濟價值，而且幾乎人人都可以使用。這種普及性讓公眾感到興奮，也促使人們開始認真思考：有一天，機器是否可能擁有與人類相當的能力。在某種程度上，它是通過製造恐懼引發這種關注的，人們未必真的需要害怕，但確實應該保持關注。至少，它成功地讓所有人開始正視這個問題，這本身是一件好事。不過，我們還遠沒有進入所謂的“主場時刻”。儘管存在各種誇大的說法，我們並沒有真正到達創造超級智能AI、或“超級智能增強人類”的階段。一旦那一刻到來，它將是一件非同尋常的大事，會帶來極其深遠的變化。AI應該是去中心化的，不應集中控制你只要看看當下，就會發現大量關於“控制AI”的呼聲：比如，只允許AI擁有經過人類稽核和授權的目標；呼籲暫停甚至停止AI研究；已經出現了一些法律，用來限制AI可使用的計算能力；以及各種所謂的“安全研究機構”。很多人口中的“安全”，其實真正指的是“控制”。他們通過讓你害怕AI，宣稱它不安全，然後提出應當由他們來掌控。我們或許也應該對AI抱有某種同理心。現實世界中，同樣存在對言論的控制——你能說什麼、能聽什麼；存在貿易管制和關稅，限制你能在那裡工作；還存在資本管制，以及針對不同國家的經濟制裁。我的核心觀點是：對AI的集中控制訴求，與對人類的集中控制訴求之間，存在著一種驚人而詭異的相似性。它們都建立在恐懼之上：要害怕AI；要害怕某些國家、某些群體；說你不能信任他們，說他們幾乎不像人，說他們是“壞的”，不愛自己的孩子，不會感到痛苦（笑）。同樣地，人們也在說AI不會感到痛苦。總之，這些論調極其相似，而我認為我們應該警惕並抵制它們。因為我相信，人類的繁榮，以及人類與AI的共同繁榮，來自於學習，也來自於接受這樣一個事實：我們應當以去中心化的方式與AI協作，而不是依賴龐大的控制型組織。這些正是我沒有展開的那部分幻燈片所想表達的核心思想。人類在合作方面既非常擅長，也非常糟糕——戰爭正是“不合作”的極端表現。合作並非總是可能，但從經濟交換到社會制度，從政府到市場，世界上幾乎所有美好的事物都源自合作。我們必須主動去尋找、去支援合作。如果我們足夠警覺，就會發現，誰在呼籲不信任、呼籲不合作。而“不合作”的另一面，往往正是集中控制。我認為，我們應該抵制這種傾向。這也是理解人類與AI互動問題的一種重要視角。以上就是我非常簡略的政治看法。不應害怕AI，因為是人類在創造它接下來，我確實想談談AI的哲學問題。AI正在發生，而且明天會發生得更加深入。那麼，我們究竟該如何看待它？我想提出一個最根本、也最困難的問題：它究竟是好是壞？我們是否應該害怕它？它會奪走我們的工作，讓我們變得多餘嗎？還是說，我們會成為AI的一部分——成為被技術放大和增強的人類？AI是入侵者，還是我們的“孩子”？我們會為它哀嘆，還是為它慶祝？它是“我們”，還是“不是我們”？我認為，這正是最根本的問題。我希望大家首先意識到，我們經常被要求不要去思考它，而只是被告知應該害怕它們，因為它們“不是我們”，像是外星來物。但請記住，是我們在創造它們。理解我們的心智，本身就是最具人類特質的行為。那麼，該如何思考呢？你們大概已經能看出我的立場。這並不是什麼“外星科技”，而是人類自古以來一直在做的事情。幾千年來，我們始終在嘗試理解自己：理解人類的智能，理解心智如何運作，以及如何讓我們的心智運作得更好。這是一項極其宏大的追求——理解我們自身。我很喜歡庫茲韋爾的一句話：智能是宇宙中最強大的現象，而我們正是它最好的例子，因此我們理應去理解它。這是一件極其重要的事情。理解智能，幾乎是科學的“聖盃”，也是人文學科的“聖盃”。這是一個偉大而光輝的目標，作為學者和思考者，我們應該享受它、慶祝它，並努力推動它向前發展。人類正在走向被AI繼任的過程不過，先暫時放下“我們是否希望它發生”“如果發生會不會很可怕”這些價值判斷。讓我們只做一件事：預測它將如何發生。我提出幾條“現實主義的AI預判原則”，有點類似約翰·米爾斯海默在討論現實主義地緣政治時的思路。我們只談現實：什麼是真正會發生的？那些事情是我們無法完全控制的？第一，關於“世界應該如何運轉”，並不存在共識。多種意識形態並存，沒有那一種觀點佔據絕對主導；宗教之間同樣彼此不一致；不存在一個能夠壓倒其他所有立場的統一世界觀。第二，總有一天，人類會對智能有足夠深入的理解，深入到可以用技術去創造它，而且我們一定會這麼做，至少其中一部分人一定會。第三，這一過程不會停留在當代人類智能的水平上，而是會很快遠遠超越它。我們將面對超級智能的存在，無論它們是否被稱為“人”。第四，隨著時間推移，權力和資源往往會流向更智能的存在。把這四點放在一起，我們會看到一幅清晰的圖景：人類正走向被AI 繼任的過程。我認為這是一個合理的判斷。但我們也必須意識到，這種說法本身是高度以人為中心的。我們總是在關心“我們會變成什麼樣”。或許，我們需要稍微退後一步，從更宏觀的視角來看待這一切：宇宙如何看待這一過程？它在整個宇宙的演化中扮演著怎樣的角色？宇宙的四個偉大時代接下來，我要把視角拉得非常宏大了（笑）。我想從宇宙的尺度來談一談所謂的“四個偉大時代”。第一個是粒子的時代：大爆炸之後，宇宙中幾乎連原子都不存在。隨後，物質坍縮形成恆星，我們進入恆星時代。恆星形成、升溫、爆炸，並在這一過程中合成更重的元素。接著，當有了更重的原子和行星之後，生命才得以出現。我把這一階段稱為“複製者的時代”，而不是簡單地稱為“生命時代”。我認為，這個“綠色時代”真正特殊之處在於：出現了能夠複製自身的存在。它們未必理解任何事情，但卻能夠製造自己的副本。就像我們自己，並不真正理解身體如何運作，不理解器官、大腦或智能如何產生，卻仍然能夠創造出更多智能體——我們生育孩子，並將他們撫養成人。這便引出了宇宙的第四個偉大時代：技術與創造之物的時代，我稱之為“設計的時代”。在這個時代，事物不再只是通過複製而存在，而是先存在於某個複製者的心智之中，然後才進入現實世界。你環顧這座禮堂，建築在被建造之前就已經被設計出來；椅子、你穿的衣服，幾乎所有東西都是如此——它們先存在於某個人的頭腦中，然後才成為現實。唯一的例外是人類本身：人是通過複製而來的，而不是先以設計的形式存在於世界之中，只是最初存在於父母的想像裡。正因為如此，我更願意把這兩個階段稱為“複製的時代”和“設計的時代”。將它們簡單稱為“生命時代”和“機器時代”已經過時，而且容易誤導——因為我們的機器正變得越來越像生命，而我們也越來越多地將生命理解為一種生物機器。機器與生物的區別：複製和設計那麼，真正的區別是什麼？真正的區別在於：生物體是在沒有任何心智理解其自身運作方式的情況下被創造出來的。它們幾乎像複印機一樣被覆製出來，所以說你並沒有“創造”那幅圖像，只是複製了一份。技術機器則不同。它們首先存在於某個心智之中，也就是設計者的想像裡，隨後才在現實世界中被製造出來。因此，它們是被“設計”出來的。一個非常重要的區別在於，被設計的事物更容易發生變化，也更容易被持續改進。這正是我使用這些術語的原因。從這個角度來思考問題，其實相當有啟發性。接下來，我們可以借助這些概念做一個簡單的思考練習。我們會發現，許多非人類的複製者在某種程度上同時也是設計者。比如，動物會築巢、打洞，人類會建造房屋；許多動物還會製造工具，例如黑猩猩會把樹枝剝去外皮來釣白蟻，烏鴉會把樹葉加工成細條來釣蛆蟲。當然，人類會製造石斧，那是我們最早、也是最重要的工具。隨後出現了農業用的犁，再往後是電腦、宇宙飛船、工廠和軟體，其中很多本身就是“製造其他工具的工具”。人類的特殊之處：把設計推向極致在這一基礎上，我們或許可以回到最初提出的那個問題：人類是什麼？我們是誰？我們在宇宙中扮演著怎樣的角色？也許，我們可以儘量保持冷靜，不過分自大，也不過分強調自身的重要性來回答這些問題。我們都隱約意識到，人類是特殊的。我們不僅只是一種複製者，而是一種非常特殊的複製者。我此前已經暗示過這種特殊性所在：我們把“設計”這一能力推進到了前所未有的高度。我們本身是通過複製而來的，我們自己就是複製者；但與此同時，我們也具備設計能力，並且將這種能力發展到了遠遠超過任何其他複製者的程度。那麼，如果把“設計”這一能力推到極限，會意味著什麼？如果把它徹底走到盡頭，會出現怎樣的結果？在我看來，把設計推到極限，意味著設計出那些本身也具備設計能力的存在。換句話說，我們在自己的頭腦中設計出一些事物，而這些事物本身，也能夠在它們自己的頭腦中進行設計。它們擁有心智。這正是我們在AI上正在做的事情。我們正在完成這個偉大的時代——也是最後一個時代。因此，我認為，人類至少是這個時代的催化劑、接生婆，或者說奠基者：我們促成了“設計時代”的到來，也就是宇宙的第四個偉大時代。這就是我們的角色，一個重要的角色，一個具有普遍宇宙意義的角色。總結：AI是宇宙發展的必然，我們該為此自豪最後，我想簡要總結一下我的三條核心資訊，包括剛才那一條我講得相對較快的觀點。第一，當下的AI也就是2020年代的AI，仍然處在“人類資料的時代”。它已經表現得非常出色，也非常強大；但我們正在進入一個新的“經驗時代”，而這一階段將更加強大，因為它能夠持續學習新的事物。第二，在政治層面，當下圍繞AI的政治討論，實際上是人類自身政治的對應。在所有情況下，我們都應當追求去中心化的協作，而不是中心化的控制。第三，在哲學層面，我認為AI是宇宙發展過程中不可避免的下一步。我們應當以勇氣、自豪感和冒險精神去擁抱它。感謝大家的時間。 (51CTO技術堆疊)

美國白宮新建宴會廳項目方案邁出關鍵一步，國會設立的美術諮詢委員會（CFA）一致通過。當地時間2月19日，在美術諮詢委員會會議上，一批最新效果圖正式亮相。新宴會廳由Shalom Baranes建築事務所設計，圖紙裡詳細描繪了這個佔地9萬平方英呎的項目，它將取代已經拆除的白宮東翼部分。據《華盛頓郵報》透露，委員會7位成員全票贊成，對這家建築事務所的方案亮了綠燈。接下來，這事兒將在3月5號交到國家首都規劃委員會（NCPC）手上，由他們進一步審議。該規劃委員會負責審批大華盛頓地區的聯邦項目，擁有“採納、批准或提供建議”之權。效果圖顯示，新建築呈古典風格，將坐落於原東翼位置，面積約為現有結構的2倍，共2層，同時還會擴建柱廊，讓它和白宮主體部分的行政官邸連成一體。二樓將設有一個22,000平方英呎（2,043平方米）的大宴會廳，由川普總統委託建造，作為接待來訪貴賓的空間。有意思的是，美術委員會現在的七名成員，全是川普總統重新任命的新面孔，之前的老班底都被換掉了。其中一位叫詹姆斯·麥克雷裡的建築師，雖然被重新請了回來，但為了避嫌，未對該動議投票。原因是他在被解僱前，曾提出過宴會廳的初步設計方案，之後設計工作被Shalom Baranes事務所接替，他自然就不便參與表決。據《華盛頓郵報》報導，如果國家首都規劃委員會批准，建設最早可能在今年4月開始。關於經費，新宴會廳的預算已由最初的2億美元上調至2.5億美元。目前，蘋果、亞馬遜、洛克希德·馬丁以及加密貨幣平台Coinbase等多家巨頭參與捐款。川普本人也表示將出資，並歡迎“愛國捐助者”共襄此舉。(GA環球建築)

“‘國補’下來後，來店裡試戴、諮詢智能眼鏡的消費者明顯增多，樣機充電頻率都高了。”北京市西城區某數位集合店店員告訴記者。在新鮮感與國補的雙重帶動下，智能眼鏡成為不少消費者購置“新年貨”的熱門選擇。熱潮之下，這款被寄予厚望的“下一代移動終端”究竟能否擺脫“嘗鮮玩具”的標籤？現在是入手的好時機嗎？1智能眼鏡為何成了“香餑餑”“現在品牌、款式、功能太多，挑花眼了。”前來體驗智能眼鏡的消費者李先生說。他的直觀感受折射出當下智能眼鏡行業的火熱現狀。2025年中國智能眼鏡市場迎來爆發式增長，據洛圖科技（RUNTO）資料顯示，全年市場銷量（含AR眼鏡）達145.4萬台，同比增長211%。儘管相較於年出貨量動輒上億的智慧型手機而言，該市場還相對小眾，但其增長態勢卻不容小覷。阿里、百度、字節、華為、小米等企業紛紛入局，智能眼鏡賽道正在上演由網際網路大廠、手機企業、車企等各領域頭部企業領銜的“激戰”。2026年1月18日，顧客在深圳市南山區的INNO100全球創新旗艦店體驗智能眼鏡。新華社記者 毛思倩 攝“頭部企業入局智能眼鏡絕非簡單跟風，本質上是對下一個移動終端的爭奪。”深圳職業技術大學積體電路學院副院長王永學表示。“智慧型手機的螢幕尺寸和互動方式已經觸碰到物理極限，創新空間越來越小，行業急需下一代移動終端。”靈伴科技副總裁王俊傑告訴記者。“離人腦最近、擁有全模態資訊感知能力的智能眼鏡顯然是目前較好的選擇。它是AI連接物理世界和數字世界的優選橋樑。”“相較於手機、電腦等目前主流移動終端，智能眼鏡能提供更沉浸式的互動體驗，更大的顯示區域，真正實現對雙手的解放。”武漢大學電腦學院軟工系副主任趙小剛表示。“基於這樣的判斷，小米等頭部企業跟進推出相應產品，是非常自然和合理的反應。”浙江大學電腦科學與技術學院教授章國鋒說。2025年9月12日，2025深圳國際智慧養老產業博覽會在深圳會展中心（福田）開幕，觀眾在展會現場瞭解一款助聽AI智能眼鏡。新華社記者 梁旭 攝除了終端迭代的邏輯，技術落地的需求也在推動行業發展。“當前AI大模型競爭日趨激烈，亟需落地到具體應用場景中。”王永學補充道。“此時入局，更多是出於對未來智能人機互動入口、數字主權等的考量，爭奪的是在AI驅動的下一個計算時代的話語權。”深圳理工大學電腦科學與人工智慧學院副教授司偉鑫進一步解讀。從市場潛力來看，智能眼鏡的潛力同樣可觀。“全球傳統眼鏡市場龐大，智能眼鏡僅需替代10%，就可實現上百億美元的規模。”王永學表示，它兼具“時尚配飾”“智能終端”雙重屬性，符合消費者升級需求。在王永學看來，競爭的核心早已不是硬體參數的簡單比拚，“關鍵在於生態系統的建構、使用者習慣的培養與商業價值的深度挖掘，誰能搶佔這一‘入口’，誰就有望佔據主動權。”2佩戴體驗如何？記者觀察到，當前市面上的智能眼鏡品類豐富，價格跨度較大，售價區間從一千元至近萬元不等。產品主要分為兩大類：一類為無顯示功能款，主要功能有通話、聽歌、語音互動，部分還支援第一視角拍攝；另一類則搭載顯示功能，除上述功能外，還可實現導航、即時翻譯、提詞等實用功能。儘管行業熱度高漲，新品層出不窮，但部分消費者表示：嘗鮮尚可，常戴還不太行。消費者反映較多的是重量與佩戴舒適度問題。相較於普通眼鏡20g左右的重量，市面上主流智能眼鏡40-80g的重量設計，讓不少試戴者直呼“有負擔”。此外，續航時間較短則是另一顧慮。多數智能眼鏡宣傳續航可達4-8小時，但實際使用中，若開啟AI互動、拍攝、導航等多種功能，續航往往降至2-3小時。2025年12月24日，深圳前海萬象商場內，市民正在體驗雷鳥新款觀影眼鏡。（受訪者供圖）“消費者這些體感上的不適，並非單一技術短板造成的，而是智能眼鏡行業裡常說的‘不可能三角’，即續航、重量、顯示三者難以同時兼顧。”趙小剛表示。“想要智能眼鏡隨時能提供服務以及更好的顯示效果，就需要體積較大的處理晶片，這也勢必會佔據更大空間、帶來更大電耗。”趙小剛進一步解釋，“如果要平衡這些痛點，還需要更先進製程的半導體晶片、更成熟的顯示技術以及更高密度的電池技術。”“目前不少智能眼鏡為了更輕便，選擇將計算等核心功能交由手機承載，眼鏡本身僅負責感知與顯示，以此平衡功耗與續航。這也導致這類智能眼鏡不得不與手機深度繫結，更像是手機的附屬配件。”章國鋒說。3從“嘗鮮”向“常用”還有多遠？儘管目前智能眼鏡使用仍存在諸多痛點，但業內人士普遍認為，未來三年將是智能眼鏡行業從“嘗鮮”向“常用”跨越的關鍵期。“早期產品直接採用了成熟的手機晶片，其優勢在於開發門檻低、能迅速推出產品，但功耗和發熱問題也較為突出。”司偉鑫表示，隨著消費者對產品體驗要求的提升，行業也在為突破“重量、續航、性能”不可能三角做出努力。2025年9月25日，觀眾在第四屆全球數字貿易博覽會人工智慧展區參觀智能眼鏡裝置。新華社記者 江漢 攝目前，多數產品已採用了專門的晶片平台。比如，目前部分智能眼鏡品牌採用的驍龍AR1平台，便是基於高通手機晶片架構為AR裝置深度最佳化的方案。“在性能、功耗和體積間取得了更好的平衡，成為當前中高端消費級AR眼鏡的主流選擇。”司偉鑫告訴記者。同時，部分產品開始採用專用晶片協同架構，通過分工協作來實現更高的整體能效和更優的特定功能（如音訊處理、圖像識別）體驗。與此同時，搭載國產自主研發晶片的智能眼鏡也已面世。隨著“不可能三角”的破解迎來曙光，未來智能眼鏡行業的發力方向也將隨之清晰，彩色屏顯、AIOS（智能眼鏡專屬作業系統）等將是未來發展方向。“今年的關鍵詞將會是AIOS。”王俊傑表示，能否讓AI助手“更懂使用者”是突破的關鍵，比如通過攝影機識別眼前資訊、通過麥克風理解語音指令，並及時給出反饋，讓使用者真正實現“解放雙手”。雷鳥創新創始人兼CEO李宏偉認為，當前市面上多數AR眼鏡仍採用單綠色顯示方案，視覺效果單調，難以滿足日常使用與娛樂場景的需求，“只有實現全彩色顯示，才能承載更完整的資訊，真正建構起智能眼鏡的應用生態。”“消費者不再滿足於‘看一個畫面’，而是渴望‘進入一個場景’。只有攻克了空間計算和AI，才能讓智能眼鏡從一個‘昂貴的顯示器’變成真正的‘隨身智能助理’。”王俊傑表示。“當然，如果做不到佩戴舒適，使用者覺得累贅，其他功能再好也難以普及。”章國鋒說。 (新華網)

據新華社15日消息，對於日前被美國總統川普在社交媒體上惡搞成猿猴一事，美國前總統歐巴馬14日接受一檔播客節目採訪時首次就此回應，稱曾經約束著美國公職人員的“廉恥心”和“教養”如今已蕩然無存。據英國廣播公司等媒體報導，當主持人布賴恩·泰勒·科恩問道：“就在幾天前，川普把你的臉貼在猿猴身上……我們的政治論述已經墮落到如此殘忍不堪、前所未見的地步，該如何走出困境？”歐巴馬回應說，大多數美國人“對這種行為深感不安”。歐巴馬（左）與川普。圖源：視覺中國“如今社交媒體和電視上充斥著這類鬧劇。事實上，那些過去認為必須保持一定教養、分寸感並尊重公職的人，現在似乎對此毫無廉恥之心，一切已蕩然無存。”在川普“真實社交”帳號5日晚發佈的一段視訊中，結尾處出現兩個靈長類動物的畫面，臉部被取代為歐巴馬及其夫人蜜雪兒的笑臉。這段涉嫌種族主義的視訊引發美國政壇震怒，數名資深共和黨籍參議員呼籲刪除視訊片段，民主黨方面更是強烈譴責。白宮直至6日才刪除相關視訊，此時距發佈已過去逾10小時。白宮解釋稱，上述貼文由一名工作人員“誤發”。據報導，歐巴馬沒有直接點名川普，但他認為，白宮這一做法將在2026年美國國會中期選舉中反噬共和黨。歐巴馬說：“最終，答案將來自美國民眾。”2025年1月重返白宮後，川普頻繁在社交媒體分享人工智慧(AI)生成的視訊。去年9月30日，在兩黨為避免美國政府停擺展開談判期間，川普曾發佈AI視訊，將非洲裔國會眾議院民主黨領袖哈基姆·傑佛瑞斯惡搞成戴假鬍子、墨西哥寬邊帽的形象，遭傑佛瑞斯指責具有種族主義色彩。去年，川普還因轉發一段AI生成的“歐巴馬在橢圓形辦公室被捕”視訊，引發輿論批評。 (長安街知事)

長期以來，AI生圖被一個經典矛盾困擾。潛空間模型效率高，但細節有損耗；像素空間模型保真度高，卻容易結構混亂、速度慢。要麼快要沒準，大家幾乎默認這是架構帶來的取捨問題，沒法徹底解決。但擴散模型生圖，順序真的對嗎？李飛飛團隊最新論文提出的Latent Forcing方法直接打破了這一共識，他們發現生成的質量瓶頸不在架構，而在順序。簡單說就像畫畫必須先打草稿再填色，AI也需要一個「先定結構、後填細節」的強制邏輯。Latent Forcing僅通過重排生成軌跡，像素擴散模型不僅找回了效率，更在多項指標上刷新SOTA。傳統方法瓶頸在深入瞭解Latent Forcing之前，咱先來說說當前兩大方法的瓶頸。傳統像素級擴散模型之所以畫圖會畫歪，是因為它在降噪過程中，高頻的紋理細節往往會干擾低頻的語義結構。模型常常在還沒搞清楚物體的整體輪廓時，就被迫去預測局部的像素顏色，其實這在本質上就違背了視覺生成的自然邏輯。為瞭解決這個問題，行業此前大多轉向潛空間。它通過預訓練的tokenizer把圖像壓到低維空間，生成速度飛起。但潛空間模型必須依賴一個預訓練的解碼器，但這不僅會引入重建誤差，也讓模型失去了端到端建模原始資料的能力。於是李飛飛團隊思考——能不能既保留像素級的無損精度，又獲得潛空間的結構引導？先打個草稿Latent Forcing的答案是——對擴散軌跡重新排序。怎麼做的呢？在不改變基礎Transformer架構的前提下，引入了雙時間變數機制。在訓練和生成過程中，模型會同時處理像素和潛變數。不同的是，團隊為兩者定製了獨立的降噪節奏：潛變數先行：在生成初期，潛變數會率先完成降噪，在大尺度上確立圖像的語義骨架；像素填色：在結構確定後，像素部分再跟進進行精細化降噪。這麼一看，潛變數就像是一個臨時的草稿本。生成結束時，這個草稿本直接丟棄，最終輸出仍是100%無損的原始像素圖像，沒有任何decoder。整個過程端到端、可擴展，幾乎不增加計算量（token數量不變，速度接近原生DiT）。這種先latent後pixel的細微調整，在ImageNet榜單上展現了出色的表現。在相同計算規模，訓練80個epochs的條件下，Latent Forcing在ImageNet-256任務中，條件生成的FID分數較此前最強的像素級模型JiT+REPA，從18.60降到9.76，接近腰斬。在200個epoch的最終模型（ViT‑L 規模）下，Latent Forcing實現了條件生成FID 2.48（guided）、無條件生成FID 7.2（unguided）的分數。創下像素空間擴散Transformer新的SOTA。過去學術界普遍認為，必須通過更高倍率的失真壓縮才能換取好的FID表現。Latent Forcing則用資料反駁了這一觀點——在保持100%原始像素精度的情況下，我們依然能跑出超越有損模型的性能。Latent Forcing項目由李飛飛領銜。第一作者Alan Baade是李飛飛的學生，史丹佛電腦系博士生，在擴散模型和生成建模方向有深入研究。其他史丹佛共同作者包括Eric Ryan Chan、Kyle Sargent、Changan Chen和Ehsan Adeli。此外，密歇根大學教授Justin Johnson作為合作作者參與其中。 (量子位)

人生發財靠康波：（康波周期完整圖）在投資圈廣泛流傳的“人生發財靠康波”這話，確切地歸納了周期跟個人財富積累間那十分深刻的關聯。2026年處於一個至關重要的歷史轉折點之上，我們正佇立在第五輪康波周期（資訊技術時代）的蕭條期末端，即將步入第六輪康波周期（以能源革命和人工智慧作為核心）的回升階段。回看已然歷經的五輪康波，每一回都相應於一場技術革命。如下圖所示，第一輪名叫康波的時期，也就是從1782年到1845年這個階段，是以英國作為主導領先地位的，是憑藉著紡織以及蒸汽機從而開啟了第一次工業革命；第二輪康波，即自1845年至1892年的這一時期，依舊是英國佔據主導，不過鋼鐵和鐵路的日趨普及把它推向了高潮階段；第三輪康波，是從1892年至1948年的這段時期，其主導國家從歐洲轉變為美國，電氣、重化工還有內燃機成為了那個時代的主要角色因素；第四輪名叫康波的時期，也就是1948年到1991年的階段，是由美國起主導作用的，汽車以及電腦推動了戰後全球化的繁榮景象；第五輪康波，即1991年到2035年預測中的這段時期，仍然是美國處於主導態勢，資訊技術和網際網路深切地改變了整個世界。我們可以清晰看到，每次康波從蕭條邁向回升，這一過程都需重大技術突破來催化，就如同第一輪借助鐵路與煉鋼，第二輪憑藉電力和重化工，第三輪依靠汽車，第四輪依賴資訊技術這般。在前幾年當中，全球歷經了“口罩”、地緣衝突、通膨飆升等一連串衝擊，恰好契合康波蕭條期的典型特性，即呈現低增長與通膨、通縮交替的態勢，舊有的增長動力走向衰竭，致使社會邁入痛苦的出清階段。第五輪康波是由資訊技術予以驅動的，起始於1991年前後，它所歷經的繁榮與衰退已然成為過往歷史。處於2026年的當下，我們正處在舊有力量已然消逝、新生力量尚未成熟的“青黃不接”之際，然而這恰恰又是佈局未來的黃金窗口。置身於2026年向未來十年之展望中，康波周期所給予的啟示非常清晰：從蕭條朝著回升邁進的核心驅動力，必定是有能力帶來生產力革命的全新技術。將目光投向圖表裡每一輪康波“從蕭條走向回升的技術突破”那一欄，我們能夠瞧見：第一輪是瓦特對蒸汽機進行改良，還有鐵路開始興起；第二輪是發電機、內燃機以及白熾燈被發明出來；第三輪是柴油動力轎車和電子電腦得以問世；第四輪是個人PC以及全球資訊網誕生了。第五輪資訊技術和網際網路深切地改變了整個世界。引領這一輪迴升態勢發展的，恰恰是圖表當中所預測的第六輪康波（時間範圍為2035年至2080年）的技術突破，具體而言就是能源革命以及人工智慧。這並非單純的可以輕易理解的產業更替情況，而是涉及到整個人類社會生產方式以及底層推動力的全面改組重建。人工智慧正以一種逐漸蔓延的態勢滲透到眾多行業領域，從而提高生產效率，還創造出全新的市場需求；而以太陽能以及風電、儲能、新能源汽車作為代表的能源革命，正在對全球能源版圖進行重新塑造，從根本的源頭上去解決有關資源約束方面的各種問題。這兩個重大的技術浪潮，乃是未來十年經濟實現回升、新的財富機遇得以湧現的，源頭活水的構成要素。先明白了技術方向，再去察看宏觀經濟的運行特徵。康波的回升階段，一般是伴隨著經濟的走穩復甦以及價格的漸漸走穩。它有別於衰退期的滯脹和蕭條期的通縮，回升期表明新的技術投入開始重新啟動增長，效率提升開始有所顯現，而且通膨壓力相對較為溫和。對於2026年來講，這意味著最困難的時刻或許正在過去，雖說過程可能仍會有反覆，不過復甦的種子已然播下。與此同時，回升階段也是新興經濟體崛起的關鍵時候。就像19世紀末時的德國和美國那樣，如同20世紀後期的亞洲四小龍那般，那一方能夠把握住新一輪技術革命所帶來的機遇，那麼那一方便能夠於全球格局裡佔據更為有利的位置。中國在新能源領域、人工智慧領域有著深度佈局，這正使得中國成為本輪迴升期的重要參與者，甚至成為引領者。把康波周期跟中國的發展戰略相互對照，會更能夠看清歷史的脈搏，圖表裡清晰地標註出第五輪康波的繁榮期是1991至2005年，衰退期是2005至2015年，蕭條期是2015至2025年（預測），回升期是從2025至2035年（預測），而第六輪康波的繁榮期預測在2035至2050年。這個時間節點跟中國“兩步走”戰略極為契合，2035年時，中國會基本達成社會主義的現代化，這跟康波繁榮期開始的時間點極為驚人的一致，到2050年，會建設成社會主義現代化強國，這對應著康波繁榮的頂部區域，這絕不是偶然，國家的戰略規劃恰恰是順應並運用了長周期的經濟規律，對於個人來說，這意味著未來十年的個人奮鬥及資產配置，倘若能夠融入國家崛起以及新技術革命的潮流裡，將會獲取時代的巨大紅利。在2026年此刻，我們不該再沉迷於往昔周期殘留的熱度，也不該被蕭條時期的灰暗陰霾擋住眼光。康波周期的見識告知我們，蕭條的實質是為下一回繁榮做鋪墊。當下的關鍵任務，是找出並接納那個正向外面冒頭的“新科技”。不論是涉足人工智慧對應的產業，還是去留意能源革命的切實應用，又或是投資於象徵未來生產力的優良資產，都是在順應康波的上升趨向。2026年，是揮別往昔、全身心擁抱未來的一個具有標誌性意義的時間節點。人生若要實現財富聚集，不但要依靠個人自身的奮力拚搏，更得著眼於歷史發展所演化而來的處理程序態勢。能夠透徹理解康波理論，就等同於能夠明晰歷史處理程序中那種宏大且具有深遠意義的敘事脈絡。處於當下這個回升階段的起始點上，始終持有自信、時刻保持敏銳的洞察力、始終積極參與其中，相較於以往任何時刻而言都顯得格外重要。未來長達十年的財富獲取之門，此刻正以一種緩慢且有序的方式逐步開啟。 (TOP行業報告)