據網友反映，微信正在灰度測試一項聊天圖片折疊傳送功能，使用者選擇三張及以上圖片可以合併展示。根據網友曝光的操作視訊，使用者選擇3張或更多圖片/視訊時，傳送介面底部自動顯示“合併傳送”或“傳送後合併展示”選項。該功能還可以左右滑動調整預覽圖，點選預覽圖左邊的“展開”按鈕可恢復成原來的模式查看圖片，同時點選“展開”按鈕後還會提供“收起”按鈕。這一功能大幅最佳化了聊天介面的整潔度。有網友表示，微信這個新功能對愛發照片的使用者太友好了。不過，值得注意的是，目前該功能並未全量開放，僅處於灰度測試階段，需升級至iOS微信8.0.69版本的部分使用者可以體驗到。(TechWeb)

下周一，全球AI圈最重要的一場大會，就要開始！3月16日到19日，輝達將在加州聖何塞召開GTC 2026。但這一次，如果你還只是盯著黃仁勳會不會再發佈一張更強的GPU，那你可能看錯了方向。因為對於資本市場來說，留給重新定價的時間窗口，其實已經不多了。華爾街眼裡，這次大會真正的份量，早就不是‘顯示卡參數提升了多少’。真正的博弈點在於，輝達能不能利用這四天，完成一次身份的跨越：從一家‘賣晶片’的硬體公司，正式轉變為一家‘定義 AI 基礎設施規則’的平台公司。從各大投行最新的前瞻報告來看，市場現在盯著的重點是輝達會不會在GTC上強化這幾件更關鍵的事：推理工作負載分解Token的成本和ROI網路互聯的重要性抬升以及下一代專用架構路徑。這意味著什麼？這意味著，從下周一到下周四，市場看的表面上是一場技術大會，實際上在交易的，可能是2026年AI美股下一階段的主線歸屬。如果輝達能把這個新敘事講通，那麼接下來被重估的，將不僅僅是輝達自己的股價。整條 AI 產業鏈的價值分配邏輯，都可能發生結構性的變化。錢會從那裡流出來？又會瘋狂湧入那個被低估的類股？那些公司可能會因為邏輯證偽而被拋棄？如果你想看懂下周資金真正的動向，今天你一定要耐心看到最後。本次GTC 要傳遞的核心資訊輝達這次 GTC 要傳遞的核心資訊是什麼呢？一句話總結：這次 GTC 不是來秀新品的，而是要重新定義整個 AI 基礎設施的遊戲規則。過去幾年，市場對輝達的理解非常簡單：誰的晶片算力最強，誰就是 AI 領域的王者。但瑞銀最新的報告帶來了一個重要訊號：單一處理器主導性能的時代要結束了。從這次 GTC 開始，輝達要做的，是把重點從“單晶片”轉向“系統級最佳化”。簡單來說，過去大家比的是誰的發動機更強，現在輝達要告訴你，真正的競爭力不光是發動機的馬力，而是整輛車的協同配合。黃仁勳的目標，不再是單個 GPU 多快，而是如何通過 “極限協同設計”，把晶片、網路、記憶體、軟體等部分整合成一個高效、標準化的 “AI 工廠”。這背後其實反映了一個本質變化：大家不再只關心算力峰值，而是關注系統能不能大規模落地，能不能算清楚功耗和成本的回報率（ROI）。就好像你不再只是關注車的發動機有多牛，還開始看油耗、保養成本，以及它帶來的經濟效益。輝達正是通過系統級的協同設計，把晶片、網路、記憶體和軟體打包成一個完整的解決方案，讓整個 AI 系統運行得更高效、更可持續。系統級統治力的背後是什麼？那既然我們已經進入了“系統時代”，接下來的問題是：輝達靠什麼支撐它的系統級統治力？在瑞銀的報告中，最大的預期差是：工作負載分解。這幾個字意味著，AI 系統的任務不再依賴一個“全能戰士”悶頭干，而是要根據不同的任務需求進行精細化分工。過去，市場對 AI 硬體的理解非常簡單：模型越大，需要越強的 GPU。但大家忽略了一個關鍵細節：AI 的不同任務有不同的需求。比如，訓練大模型需要“蠻力”，而推理（即我們調取 AI 時的過程）更注重“反應速度”；有些場景需要高吞吐量，而有些場景則要求極低的延遲。如果用最強、最貴的 GPU 去做所有任務，就像是讓一輛超級跑車去城市裡送外賣，雖然車速很快，但效率不高，成本也很大。瑞銀的報告提到，輝達正在從“單晶片性能”，轉向“系統級性價比”。黃仁勳通過“分解”和“極限協同設計”，把計算、網路和記憶體重新安排，給每個任務分配最合適的資源，從而最佳化整個系統。那很多人可能會問：把原本大一統的 GPU 任務拆了，難道不是在削弱自己的護城河？恰恰相反。這其實是在 強化輝達的“絕對控制權”。一旦 AI 系統變得 異構化，任務開始拆分，架構變得複雜，誰來決定任務的分配？誰來管理資料如何流動？誰掌握了這些“任務分配權”，誰就能主導 AI 時代的利潤。輝達現在的動作，實際上是在往 軟體棧和系統層 進行深度佈局，釋放出一個訊號：一旦華爾街接受了“工作負載分解”的邏輯，原本盯著 GPU 出貨量的估值模型將會被推翻。被忽視的王者——網路與互聯既然“工作負載”被拆解了，任務不再由一顆晶片單打獨鬥，那接下來的問題就非常現實：當晶片足夠多、足夠強的時候，最先卡脖子的會是什麼？摩根大通在報告中給出了答案：網路與互聯。邏輯其實很簡單：過去我們盯著 GPU 這台“發動機”猛不猛；但當 AI 進入成千上萬顆晶片協同的“機架時代”，真正決定效率的，已經不是單張卡跑多快，而是資料搬運的速度和延遲。一句話總結：GPU 決定算力上限，而網路和互聯，決定了你能不能觸達到那個上限。這就像你建了座頂級工廠，裝置全是世界一流，但如果傳送帶太慢、大門太窄，你空有頂級裝置，產量照樣上不去。現在的 AI 基礎設施，就面臨這種“工廠大塞車”。其實，這種從“算力”轉向“互聯”的趨勢，我們美股投資網的老朋友一定不陌生。我們早就提醒過：當算力達到飽和時，投資網路基礎設施是最具長期回報的機會。年初至今，我們提前佈局的“光電轉換”賽道已經全面爆發：我們在年初《美股2026年必買10隻股【中集】不為人知的潛力公司 》深度調研並提示的 GLW，當時價格僅 85 美元，本周二已經到了 139.36 美元，漲幅高達 64%。言歸正傳，黃仁勳現在瘋狂強化網路敘事，是因為他看準了一點：控制網路，就是控制整套系統的“調度權”。 一旦你用了輝達的通訊協議，你未來的擴展和遷移成本，就全部鎖死在他的生態裡了。這也解釋了為什麼華爾街現在的目光，已經穿過 GPU，直接盯上了最底層的光互連和矽光技術。花旗報告特別提到一個細節：今年的 GTC 和全球光通訊大會（OFC）幾乎是同期舉行，這絕非巧合！華爾街現在關注的焦點是：1.6T 光模組能否跑通，矽光技術是否成熟。如果說“工作負載分解”是推動 AI 系統重構的原因，那麼網路與互聯則決定了這個重構將會在那些領域首先釋放財富機會。一旦市場接受了這一邏輯，重新定價的將不僅僅是 GPU，更多的關注將集中在那些決定資料流動速度的交換機、光模組和互連技術上。記憶體之戰與代幣經濟學如果說網路解決了資料“怎麼走”的難題，那麼AI基礎設施最後的堡壘，便只剩下資料“存那兒”與“怎麼取”。瑞銀表示：輝達正引入類似Groq的架構，利用片上SRAM（靜態隨機存取儲存器）來實現超低延遲推理。那這是否意味著HBM（高頻寬記憶體）的末日將至？畢竟，在大眾的直覺裡，新技術的出現往往伴隨著舊技術的淘汰。當黃仁勳定為特定任務配備這種“極速工作台”時，投資者本能地擔心：這會不會切走HBM這塊最大的蛋糕？然而，這種“非此即彼”的擔憂，恰恰誤讀了輝達的真正意圖。深入剖析會發現，這並非一場你死我活的替代戰，而是一次精密的“工作負載分解”。SRAM雖快，快到幾乎零延遲，但它受限於晶片面積，容量天花板極低，根本無法承載千億參數模型的訓練與大規模通用推理；這就好比你手邊的辦公桌再順手，也塞不下整個圖書館的藏書。而HBM雖在延遲上略遜一籌，卻是維持AI系統規模的唯一“大動脈”，沒有它，大模型連跑都跑不起來。因此，輝達的策略絕非“二選一”，而是極致的“整合互補”：將最昂貴、最快的SRAM用於對延遲極度敏感的專用推理，打造極致體驗；同時讓耗時耗力的大規模訓練繼續深植於HBM的護城河中。這種架構設計的終極目的，是為瞭解決AI落地的最大痛點——如何在保證性能的前提下，把算力成本打下來。這就自然引出了本次 GTC 市場最關注的一道數學題：代幣經濟學Tokenomics。華爾街對 AI 最大的疑慮，已經不只是資本開支有多大，而是每一輪新增投入最終能不能轉化成更低的單位 token 成本和更高的商業回報。輝達近幾個月的官方表述也在持續轉向這一點：無論是 Blackwell 還是 Rubin，核心賣點都不再只是峰值性能，而是 cost per token、吞吐/每兆瓦，以及整套 AI 基礎設施的經濟可行性。技術上，這背後依賴的正是更複雜的記憶體層級與資料流最佳化——包括片上 SRAM/L1、L2、HBM 以及系統級互連的協同——把不同負載放到最合適的資源上處理，從而降低 token 生成成本、提升整個平台的 ROI。這套邏輯直接指向了一個被市場嚴重低估的財務事實。花旗在報告中給出了一個推演：得益於這種系統級的效率最佳化，預計輝達2028財年的每股收益（EPS）將達到15美元。按目前股價計算，這意味著輝達的遠期市盈率（PE）僅為12倍。試想一下，在一個兆規模的賽道里，核心霸主的市盈率竟然只有12倍？這在財務視角下極具吸引力，但也暴露了一個巨大的預期差：市場還在用傳統的“硬體製造商”眼光給輝達定價，卻尚未完全意識到它作為“系統定義者”的盈利爆發力。當我們將技術架構的互補性與商業模式的升維串聯起來，最終的圖景變得異常清晰：SRAM是製造市場興奮的“情緒點”，負責解決速度焦慮；HBM才是真正源源不斷的“利潤池”，負責鎖定長期規模；而Tokenomics則是連接兩者的橋樑，它用實實在在的ROI資料，打消了華爾街對AI泡沫的顧慮。瑞銀的資料證實了這一點：儘管SRAM概念火熱，但投行對美光等廠商的HBM收入預測卻在2028年飆升至270億美元，且短缺預期延續至數年之後。這說明在主流資本視野中，SRAM並未將HBM踢出盈利模型，反而通過分層架構進一步固化了HBM作為主存核心的地位。歸根結底，這場關於記憶體技術的博弈，實則是輝達重構AI價值鏈的“陽謀”。通過引入SRAM解決延遲痛點，通過Tokenomics說服客戶買單並重塑估值邏輯，再通過HBM鎖定長期利潤，輝達成功地將原本單純的硬體買賣，進化成了AI時代不可或缺的“系統入場稅”。無論未來的推理場景如何千變萬化，只要這套“SRAM提速、HBM擴容、Tokenomics算帳”的混合架構成為行業標準，那麼無論技術風向吹向那一邊，最大的贏家始終只有那個制定規則的莊家。輝達下一代產品路線圖該怎麼看？既然工作負載分解和記憶體分層已成定局，投資者面臨的最後一個問題是：輝達下一代產品路線圖該怎麼看？很多人被Kyber、Rubin Ultra、Feynman這些代號所迷惑，以為它們只是更強的GPU，但如果只盯著晶片，你就錯過了輝達真正的戰略佈局。過去，市場看重單卡算力；但進入下一階段，決勝點在於：一個機架能容納多少計算、頻寬、記憶體，同時如何處理功耗、散熱和互聯。Rubin Ultra最關鍵的地方，不是“Ultra”這個字，而是它代表了輝達推動系統密度到極限，四大維度你同時提升，迫使競爭對手在系統級能力上追趕，形成輝達的深厚護城河。最終，輝達不再單純發佈新品，而是在推動 “基礎設施標準化、系統化、平台化”。對投資者是明白輝達的估值邏輯正在從“賣最好的晶片”轉向“賣唯一的 AI 系統”。產業鏈的投資機會也將外溢到網路架構、光互連、CPO、矽光等領域。 (美股投資網)

目前美國政府的傳達資訊是，這場行動的衡量應以周為單位而非月，川普此前曾給出了四到五周的時間表，昨天又表示對伊作戰已基本結束，但不會是本周。之前我們分析過美伊戰爭對經濟和投資的影響，這次我們主要分析下接下去的持續時間。打擊目標的優先排序：包括消除伊朗的核計畫、導彈庫、海軍力量、以及對國內抗議的回應、瓦解哈米尼集團等。每個目標時間框架都不同，例如瓦解哈米尼集團可能設定為長期目標，而其他為短期目標。分析：按照川普最近的態度來看他有點不想打了，主要是他現在最怕油價上漲引發的通膨導致聯準會降息延後，畢竟美債償息壓力太大了，況且他還面臨中期選舉壓力。根據最近調查，美國國內52%的人反對空襲伊朗，只有39%的人支援，年輕選民反對尤為強烈，如果後續美國汽油價格上漲，反對的聲音會更加強烈，所以拖下去對他來說有弊無利。但話說回來對伊朗來說也是一樣的，一旦美國停止打擊，如果哈米尼集團繼續封閉荷姆茲海峽的話反而會成為眾矢之的，因為全世界都只會關心本國的通膨問題，沒人會在意伊朗是為了報復誰。按照上面羅列的任務排序，可能川普一開始以為把哈米尼以及核心團隊成員一鍋端後可以和委內瑞拉一樣快速完成所有任務目標，結果剩餘成員的反抗比他想像的頑強得多。考慮經濟代價後，一些長期任務目標會分步完成，戰爭到本質上算的從來都是經濟帳，因為對美國來說考慮的是本國經濟和居民滿意度問題，對哈米尼集團來說則是存亡問題，兩者的預算彈性完全不同。導彈發射能力：據估計伊朗擁有約2000枚彈道導彈，較多數量的沙赫德-136無人機，自衝突開始以來已發射約1200枚彈道導彈，伊朗的導彈能力可能會在很大程度上限制衝突的持續時間。分析：伊朗的導彈庫存肯定是經不起連續的高強度消耗，而且也不會像很多人那樣天真的認為沙漠裡會長出新武器，因為繼續打下去封鎖石油運輸對我們這個石油進口大國是很不利的。關鍵在於伊朗僅依靠無人機和短程武器就可以控制荷姆茲海峽的通行，導彈庫存並不是關鍵的牌。導彈交火/新攻勢的頻率：高頻率的軍事打擊表明衝突會持續較長時間，而打擊頻率的減少表明局勢降溫或轉向外交管道。同樣，中東地區（如黎巴嫩、伊拉克/敘利亞等）代理行動的增加可能意味著衝突會更持久。任何關於雙邊會談、特使任命、調解談判等都表明正在遠離長期的軍事介入。分析：目前打擊降溫的趨勢已經有了苗頭，哈米尼二號繼位後川普對斬殺的可能性不置可否，雖然伊朗嘴上喊著不想停戰，但其實心裡肯定是想要談的，畢竟雙方力量懸殊，如果美國全力以赴動真格的對哈米尼集團來說是滅頂之災。荷姆茲海峽的通行情況：荷姆茲海峽的完全關閉將給伊朗帶來相關的經濟風險，並危及向中國等關鍵客戶的原油輸送量，但目前海峽實際上已經處於關閉狀態。美國旨在為石油運輸提供保險擔保和海軍護送，該措施有可能降低交付風險，但不能完全消除風險。布倫特原油：在嚴重的地緣衝突中，近期合約的價格錯位可能會非常波動，但除非遠期價格也上調，否則這種波動很難持續。荷姆茲海峽關閉的風險並不意味著2年期價格會出現大幅波動，除非有證據表明荷姆茲海峽將長期關閉。換句話說，要實現油價長期站穩80–85美元的價格，需要2年期遠期價格也開始上漲。分析：很多人不知道，封閉荷姆茲海峽對伊朗來說每天的經濟損失高達1.4億美元，相當於財政收入的30%，再加上戰爭狀態下的大量經濟損耗，其實伊朗比美國更封不起。當然戰爭狀態下封閉海峽是制衡美國最具性價比的手段了，假設伊朗沒有封鎖石油運輸這個經濟武器，也不敢這麼強硬的，這地理位置也屬於老天爺賞飯吃。如果持續封閉荷姆茲海峽幾個月的話，油價大概會到每桶120–130美元的區間，美國將採取一些措施來緩解石油運輸問題，比如放戰略石油儲備、提供油輪保險、海軍護航、停止本國原油出口等。其實幾個月內主要國家靠自身的石油儲備完全可以平抑油價，況且沙烏地阿拉伯、阿聯、科威特、伊拉克的石油生產能力都並未受損，一旦運輸線路通暢後石油價格的回落會十分迅速，這也是布油2年的遠期價格沒有大幅波動的原因，至今為止，油價的波動反映的都是短期的供求。跨資產策略：我們的基準假設保持不變，即全球經濟廣泛增長支援全球股票的普遍上漲，人工智慧主題推動更大的差異化，而不是壓制整體股市的回報。但也必須承認下行風險已經增加，尤其是對於歐洲和新興市場資產，因為其承受更高的石油和地緣風險。1980年以來的油價衝擊歷史表明，其影響大多僅限於整體通膨而並未傳導至核心通膨。如果油價上漲約10%並長期維持，那麼未來3-4個月整體通膨率將上升，相當於推動約30個基點的整體通膨，在這種情景下，即使聯準會對這一變化置之不理，降息也可能比當前預期的時間更晚。如果油價高到導致經濟活動惡化，聯準會可能在看到勞動力市場或消費者支出疲軟時轉向降息，即使通膨仍然高企。分析：長期看全球經濟和股市向上的趨勢並沒有改變，但由於歐洲和新興市場的原油更加依賴於進口，因此承擔了更多的短期下行風險。短期油價每上漲10%將導致通膨提高0.3%，以此推算如果戰爭持續數月的話聯準會降息肯定會延後。但如果油價持續維持高位，同時導致全球經濟惡化和通膨粘性增加（即典型的滯脹狀態），在核心通膨未被大幅抬高的基礎上，聯準會為了救經濟大機率仍會選擇降息。 (finn的投研記錄)

出發時，本傑明25歲，洛伊克24歲。到達時，他們長大了兩歲，走壞了7雙鞋，行李輕了3公斤。2025年，中國入境遊客超過1.5億人次。他們乘飛機，坐火車，搭游輪，上大巴，從四面八方湧入這個國度。在這1.5億人裡，法國人洛伊克（Loic Michel）和本傑明（Benjamin Rene）可能是最特殊的兩個——他們是從法國走過來的。2024年9月，兩個年輕人從法國安納西（Annecy）出發，穿越15個國家，走過13000公里，於2025年9月進入中國，最終在2026年2月抵達上海。2月7日，洛伊克和本傑明抵達上海外灘，為徒步旅行畫上圓滿句號。 受訪者供圖絕大多數時候，這段旅程只屬於他們兩個人。直到抵達上海，在外灘完成了里程碑式的一刻，他們的新聞迅速引起了轟動。法國電視台，中國的媒體和報刊，許多人好奇他們的故事。趕路間隙，他們一度在一小時內接受四家媒體採訪。春節前，《新民周刊》撥通洛伊克的電話時，他們剛從上海去往廣州，在計程車上分享了這段旅程。通話時間有限，訊號時斷時續。即便如此，記者仍然能夠清晰地感受到電話另一端難以言喻的興奮與朝氣。當被問及完成這一項徒步壯舉之後自己身上最大的變化時，洛伊克想了想，認真地說：“我覺得我們變得更自信了。當我經歷過一路上的一切，感覺很難有比這更困難的事情了。”現在的他們，彷彿有勇氣戰勝萬難。518夜在法國東南部奧弗涅-羅納-阿爾卑斯大區（Auvergne-Rhône-Alpes），有一座小城——安納西，藏於上薩瓦省的群山與湖泊中。安納西平靜而古老，常住人口只有幾萬人。本傑明和洛伊克都是安納西本地人。從初中開始，兩人就是好友。後來他們去巴黎求學。在巴黎讀完大學後，擁有了人生第一份工作。2023年11月，兩人下班後約在一起喝酒。喝著喝著，愛冒險的年輕人提出一個想法：“不如去冒險吧！到一個從來沒有去過的地方！”另一個立刻響應，並讓這個計畫變得瘋狂：“好啊，那就去中國吧！”法國小夥從法國走路到中國的路線圖。後來兩人在上海做分享交流，回顧最初的衝動，將這件事歸為“在同樣的時間擁有了同樣的渴望”。之所以選擇中國，熱愛戶外運動的他們，認為這一趟徒步行程可以充分體驗文化交融與發現，會讓人想起兩千年前的絲綢之路。將上海作為終點，他們有雙重考量：打開地圖，上海幾乎位於亞歐大陸的最東端。從安納西到上海，是自己能夠徒步到達的最遠距離。此外，在兩人眼裡，上海是當今中國經濟和文化最好的代表。對於“徒步”而非搭乘現代化的交通工具，洛伊克解釋，他此前的工作與評估碳足跡相關，兩人也都十分關注環境問題，“我們想要用一種更負責任的方式開始這趟冒險”。“徒步前往中國”，計畫雖有些隨性，準備卻長達半年。出發三個月前，他們分別辭職。研究前人的遊記之後，他們把行程分為了阿爾卑斯、巴爾幹、中亞和中國四個階段，每個階段計畫用三到四個月走完。最初，兩人計畫每天走40到50公里。2024年9月7日，背著10公斤的超大行李包，帶上籌集的1萬歐元資金，洛伊克和本傑明從安納西出發了。一周後，他們在社交媒體上更新了第一條旅行動態。視訊裡，本傑明將攝影機對著自己，講述了第一周的見聞：安納西離瑞士日內瓦只有35公里，出發沒多久，他們就走進了瑞士；順著阿爾卑斯山走，腳上起了第一個水泡，但相信身體很快會適應；第一周最大的挑戰是下雨；出發後第二天凌晨兩點，帳篷被奶牛群圍住，兩人穿著內褲衝進雨夜，狼狽地趕牛。2024年10月25日，小夥們穿過阿爾卑斯山脈，到達了義大利的的裡雅斯特（Trieste），共行走了1060公里。之後第二段行程，他們開始橫跨巴爾幹半島。2024年底，到達土耳其；3個月後，從伊斯坦布林走到了喬治亞首都第比利斯（Tbilisi）。然後是漫長的中亞之旅。從哈薩克阿特勞出發，經烏茲別克、吉爾吉斯，再穿回哈薩克。2025年9月，他們來到了中哈邊境霍爾果斯口岸。進中國後，兩人加快了在中文網際網路上更新的頻率，也學起了中文。很多網友聽到本傑明在視訊裡說中文，覺得有新疆口音。他開玩笑說，也許正是因為到中國的第一站是新疆。很快，中國的廣袤讓他們有了切身感受。從霍爾果斯到走出新疆，用了45天。緊接著在甘肅，又走了一個月。洛伊克笑著對記者說：“在中國徒步的時間，有一半都花在了西北。”518天，近13000公里，16個國家。經歷了這些後，洛伊克與本傑明抵達了目的地——中國上海。2026年2月7日下午，兩人從上海長風公園4號門出發，沿“一江一河”走完最後10公里。外灘迷人的夜色裡，旅程畫上圓滿的句號。洛伊克的父母也在2月7日趕到了上海，與兒子匯合。此前接受採訪，洛伊克的母親斯蒂法妮激動地表示：“我真為他感到驕傲，因為我之前以為他無法完成這次旅程，我覺得人不可能用腳走完這段距離。”出發時，本傑明25歲，洛伊克24歲。到達時，他們長大了兩歲，走壞了7雙鞋，行李輕了3公斤。為了減少負重，兩人幾乎婉拒了路上好心人的一切“投喂”。冰川、高山、草原、沙漠，洛伊克和本傑明一路走過了各種地形地貌。臉龐，村莊第一周，雨夜中的奶牛與低溫令洛伊克和本傑明難忘。惡劣天氣和忽然遇到的野生動物，更在此後的一年半成為他們持續面臨的挑戰。2024年冬天，歐洲似乎一直在下雨。土耳其的雪很大。迎著風雪，眼睛難以睜開。在烏茲別克的夏天，行走在沙漠裡的每一步，腳底都清晰地感受到極致高溫。進入中國是2025年9月，但新疆和甘肅的冬天到來比預想中要早，寒冷格外漫長。洛伊克告訴《新民周刊》，旅途開始後，腳步有所變慢，但他們儘量避免天氣對行程的影響，“即便下著大雨，視線變得模糊，我們仍繼續走”。可以控制自己的休息，但不能控制天氣。如果每次遇到大雨就停下，會花太多時間。通常連續步行一周後，兩人會休整一兩天。每天走45公里，相當於每天完成一個馬拉松。連續的高強度徒步後，人需要放鬆，或是簡單洗個澡，順帶洗衣服。剪輯拍攝素材，發佈到網上，這些工作也在休息日完成。而每到一個地區的中心城市，比如中國各個省會，他們也會在當地遊玩。此外，野生動物也帶來了一些可能的危險。“我們不會主動去尋求刺激或冒險，但有時候危險無法避免。”洛伊克說，一路上狼、熊和野狗都曾引起警惕。用食物引開野生動物，是他們摸索出最管用的套路。如果花一點時間仔細瀏覽安納西小夥的社交媒體，會發現在中國的視訊大多拍攝於鄉村。這的確是兩人有意為之。從甘肅走出來時已是冬天，低溫讓人無法睡帳篷，必須找室內住宿。而中國的鄉村裡，小旅館比城市裡的酒店便宜得多。一次次住在鄉村旅館，讓他們對這個國家的城鄉有了獨到觀察。首先，他們發現了一些和法國相似的地方：村莊裡的人更放鬆，有更多閒暇，更願意和陌生人聊天。而城市裡的人更專注，不會注意其他人，因為人太多了。不同的地方在於：在中國，即便很小的村落，仍然可能找到飯店、旅館和小集市，但在法國，這些就沒那麼常見。回顧旅途，兩人一致認為，陌生人的善意是最大的收穫。借助手機上的翻譯軟體，他們克服了語言障礙。不同國家、城市或鄉村，男女老少，人們對他們瘋狂的徒步計畫，更多地報以敬佩與驚嘆，而非預料中的不理解。在安徽淮北杜集的鄉道邊，兩個小男孩聽聞他們的經歷，興奮地跳來跳去。快到烏魯木齊的那個夜晚，他們預訂了酒店，但當地的警察覺得那家酒店檔次不夠高，堅持自掏腰包，請他們住進一家更舒適的酒店。最後一次更新社交媒體時，兩人用8種語言寫了感謝。他們說：“沒有你們就不會實現。”一個在前，一個在後“飛航模式冒險”，這是洛伊克和本傑明用來記錄徒步旅行的帳號名。意在徒步過程中，他們大部分時間把手機調成飛航模式，只有在看地圖和休息日才會打開網路。儘管在徒步前往中國前，洛伊克和本傑明已經作為旅遊搭子遊玩過一些地方，但他們深知這一趟旅途會完全不同。在磨合兩三個月後，兩人明白對方是彼此唯一的夥伴，除了互相扶持、幫助，也必須懂得自我克制，留給對方一些沉默的時空。走在路上時，他們保持沉默，專注於走路，很少說話。兩人不會並排走，往往一人走在前面，另一人跟在後面，以便給對方拍攝。有時候，甚至兩人會分開走一段。518天過後，他們幾乎沒有爆發過嚴重的爭執，情緒穩定地走到了終點。此前，洛伊克曾解釋：“我們每天要作出幾十個大大小小的決定，所以必須完全信任對方，不可能在選擇餐廳、路線或住宿等每一件事上都爭論不休。”在與《新民周刊》訪談的最後，提及自己的變化時洛伊克說：“本傑明和我對自己更有信心了。對自己有信心，這意味著我們可以更多地傾聽自己的感覺和直覺。”完成徒步到中國的壯舉，世人好奇他們接下來還有什麼打算。但2月初集中接受中法兩國媒體採訪後，兩人只更新過一次帳號，再無多餘訊息。“飛航模式冒險”，再度開啟了飛航模式。 (新民週刊)

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)