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)

一國內一個投資人前不久去了一趟矽谷，然後寫了一篇很長的復盤，題目叫《全員 token-maxxing，一場沒人敢停的軍備競賽》。 他叫孟醒，五源資本合夥人，之前做過滴滴自動駕駛公司的COO。文章裡有很多讓人意外的東西：Meta 全員都在用競爭對手 Anthropic 的 Claude Code，程式碼安全這條天經地義的紅線被扔到了一邊；一個工程師一年消耗的 token 接近他自己的工資；矽谷一位工程師朋友一句讓他記到現在的話：“我發現，矽谷自己都開始跟不上自己了。”但那篇文章裡最值得劃線的，不是這些token 數字，也不是估值崩塌，是文章接近末尾時他寫到矽谷朋友們“安全感”的那一段：“這次矽谷行，反覆聽到朋友們在認真討論同一件事：買比特幣、建地堡、給家裡裝防彈玻璃，他們都不是開玩笑的語氣。為CEO提供住宅安防的企業，創下了2003年以來的最高增長水平。”最近矽谷流行種酸橙樹。這種樹枝條上長著4 英吋的尖刺，任何試圖翻越的人都會付出代價。《華爾街日報》報導過一棟 1500 萬美元的“堡壘豪宅”：混凝土花盆裡栽著一圈酸橙樹，樹叢後面是壕溝，壕溝後面是雷射入侵探測系統，前門是 3 英吋厚的實心鋼板配 13 道鎖栓，屋內藏著一個 2000 磅重門的安全避難室，連景觀設計都是防禦工事。然而，槍聲還是響到了AI 大佬家門口。4 月 11 日凌晨 4 點，一個穿Champion衛衣的 20 歲男孩，從德州專程飛到加州，手提煤油罐，站在 Sam Altman（薩姆·奧特曼）價值2700 萬美元的豪宅門前，點燃了汽油彈扔了進去。一個半小時後，他出現在 OpenAI 總部，抄起椅子砸玻璃門，對保安喊：“我要燒了這裡，殺光裡面所有人。”FBI 從他身上搜出了一份檔案，標題是“你的最後警告”，裡面列著多名 AI 公司 CEO 和投資人的姓名與家庭住址。兩天后的周日凌晨，奧特曼的家再次遇襲，一輛本田轎車在門口短暫停留，副駕駛把手伸出窗外，朝房子開了一槍，然後逃逸。馬斯克本人也很擔心被槍殺，這在矽谷圈子裡是公開的秘密。我之前寫的一篇文章裡提到過一個梗，在矽谷創業者圈子裡這兩年最熱的一個詞是“permanent underclass”，中文叫永久底層。諷刺在於：談論這個詞最多的人，不是即將淪為底層的普通工人，反而是親手造出 AI 的那群矽谷精英。他們一邊寫著取代別人的程式碼，一邊給自己家的窗戶裝防彈玻璃。過去幾年，矽谷一直在警告失控 AI 的風險。比如 AI 會不會擁有自主目標，會不會欺騙人類，會不會導致某種科幻式災難。但現在，矽谷醒悟過來的恐懼，變得更現實，也更刺痛人。它擔心的不是機器人某一天突然拿起武器，而是另一件更日常的事：大量普通人的工作被自動化替代，他們失去在經濟系統中的籌碼。當一個人不再被公司需要，不再被市場需要，不再被組織需要，他還剩下什麼？這才是“永久底層”真正指向的東西。它不是短期失業。也不是經濟周期裡的暫時低谷。它意味著，一個人在技術系統中的位置被永久鎖死。他不再是生產者，不再是談判者，不再是可以通過學習、跳槽、創業、遷移完成上行的人。他變成一個被安置的人，一個被補貼的人，一個被娛樂內容填滿時間的人，一個在經濟上逐漸失去必要性的人。更讓人不舒服的是，矽谷自己已經開始為這種世界做準備。二、“我們都覺得普通人完蛋了，但我們不知道該怎麼辦”這種荒誕感不是我編的。它直接出現在《紐約時報》這兩天發表的一篇長文的第一句。文章的標題就叫《矽谷正嚴陣以待一個永久性底層階級的出現》（Silicon Valley Is Bracing for a Permanent Underclass）。文章開頭就說：“我認識的人工智慧行業裡的大多數人都認為，普通人已經‘完蛋了’（原文 screwed，意為處境極其糟糕），而他們完全不知道該怎麼辦。”寫這句話的人住在舊金山，身邊是拿著百萬年薪的年輕AI 研究員、和爭著做下一個獨角獸的創業者。她在文章裡提出一個概念，叫“舊金山共識”（San Francisco consensus）。這個共識不分立場，不分陣營，幾乎橫掃所有人：無論你交談的對像是工程師、風險投資家、創始人還是經理人，無論是末日論者（doomers）、加速主義者（accelerationists）、左翼分子還是自由意志主義者，所有這些人對 AI 給普通工人帶來的影響，都持同一種悲觀：先進的AI 很快會超越人類的能力，帶來巨大的經濟增長和科學成就，但也會讓維持經濟運轉所需的人力大幅減少，從而取代數以百萬計的工作崗位。這項技術將壓制經濟流動性，加劇不平等，把權力和財富輸送給 AI 公司和現有的資本所有者。這種共識不是秘密。它出現在Anthropic CEO Dario Amodei（達里歐·阿莫代伊）關於“白領大屠殺”（white-collar blood bath）的公開聲明裡；出現在科技高管們用 Signal（一款閱後即焚的加密通訊軟體）互相吹噓“我打算自動化掉那個部門”的私聊截圖裡；出現在那些投了幾百份簡歷卻沒拿到一次面試的應屆畢業生的焦慮裡；也出現在軟體工程師們半開玩笑說“我現在的工作就是用 Claude Code 取代我自己”的自嘲裡。OpenAI 自己建立了一個基準測試叫 GDPVal，用 44 個職業（從房地產經紀人到新聞分析師）來量化模型的表現。負責這套評估的研究員說，幾個月前剛發佈時，還沒有任何模型能達到人類專家水平，幾個月後，與人類專業人士相比，模型的勝率已經超過 80%。她舉的例子是身邊一位以前做投資銀行家的同事，“她不斷地對模型能完成多少她以前的工作感到震驚。”這篇《紐約時報》文章裡有個耐人尋味的細節，藏在中間一句不起眼的括號裡：“總的來說，科技界的消息人士在私下交談中，對 AI 對勞動力市場的影響表達了極其極端的擔憂。但一旦我打開麥克風，他們就突然變成了樂觀主義者。”麥克風一打開，所有人都變成了樂觀主義者。麥克風一關上，所有人都在算自己還能上車幾年。這不是某幾個高管在演戲，這是一種集體性的雙重生活。一個人可以在公司全員大會上講“AI 將賦能每一個普通勞動者”，然後下班回家在 Signal 群裡討論自己計畫替代掉那個部門。一個 CEO 可以在媒體面前講“豐裕時代來了”，然後在自家後院裝上雷射探測系統。這兩件事是同一個人做的，而且他們之間沒有任何認知失調。Mechanize是一家以“實現經濟全面自動化”為使命的初創公司，它的創始人在自己的部落格裡寫得倒是很坦白：“唯一真正的選擇是，究竟由我們自己來加速這場技術革命，還是等待別人在我們缺席的情況下來發起它。”這套話術結構，在哲學上有一個專門的詞，叫“道德前置免責”：只要相信趨勢不可逆，行動就被免責了。我做這件事不是我的選擇，是歷史的選擇。我不做，有別人做。所以我做了，我不必負責。整個矽谷，正在用這套話術給自己披上一件免罪外衣。三、上車焦慮：每個人都在搶“最後一張船票”這種“我知道這件事很糟，但我必須衝在最前面”的精神分裂，直接滲透進了矽谷工程師的日常生活，從存退休金、談戀愛、健身，到生育和買地。《商業內幕》（Business Insider）記者 Rob Price（羅伯·普萊斯）去年走訪了一批灣區的 AI 從業者，採訪結果讓人有點眼界大開。這群人對未來的安排，要麼極端到反常，要麼反常到極端。第一種人，不再為退休儲蓄了。Daniel Kokotajlo（丹尼爾·科科塔伊洛）是前 OpenAI 研究員，2024 年因為擔心公司處理 AI 安全的方式而離職，今年發表了一篇廣為流傳的預測文章《AI 2027》。他從 2020 年開始就停止為退休儲蓄，那年他 28 歲。Anthropic 研究員 Trenton Bricken（特倫頓·布裡肯）在科技播客 Dwarkesh Patel（德瓦克什·帕特爾）節目裡也分享了同樣的決定：“我很難想像一個世界，我所有的錢都靜靜地躺在那個帳戶裡，一直等到我 60 歲，而到那時，世界的樣子會如此不同。”第二種人，在主動花光積蓄。Haroon Choudery（哈龍·喬德里）是一位 AI 創業者，他父親是巴基斯坦移民，做過計程車司機，母親是家庭主婦。他把未來這幾年看作“為自己和孩子創造代際財富的最後機會”。他的原話：“我有一筆可觀的錢，特別是來自股權的，但我計畫把它花光。我計畫每年擁有的錢都比上一年少。”他說他知道還有很多 AI 研究員也在做同樣的事。第三種人，在從“聰明”轉向“性感”。Apoorva Srinivasan（阿普爾瓦·斯里尼瓦桑），洛杉磯的生物醫學資料科學家，她說自己以前喜歡聰明的男人，現在標準變了。因為生成式 AI 正在取代越來越多人的智力勞動，純粹的智力對她來說已經不如魅力、社交能力和外貌吸引力重要。或者用她在推特上半病毒式傳播的那句話總結：“如果你很聰明，那就轉型變得又酷又性感吧。”佛州科技創業者Soren Larson（索倫·拉爾森）一直在健身，他說：“當 AI 能做所有腦力活的時候，性感、風趣、幽默將成為稀缺特質。”第四種人，在認真造地堡。記者採訪了一位化名“亨利”的灣區 AI 安全研究員，他自己在搞 DIY 生物防護所：買一頂現成的正壓帳篷（平時用來做植物生長室），前面堆幾層 HEPA 過濾器，裡面塞滿三年份的耐儲存食品。整個成本不到一萬美元。亨利說他還要求記者用化名，“末日準備者（prepper）這個身份在社會上帶有污名，特別是考慮到如果他的恐懼沒有成真，人類最終安然無恙的話。”這些人的安排單看每一項都很怪，放在一起看就有了一種結構性的形狀。他們不再相信“工作 30 年後退休”這種敘事。在他們眼裡，“30 年後”已經不是一個有意義的時間單位。他們也不再相信“積累知識、提升技能”是穩健的人生策略，既然 AI 會做所有腦力活，身體的吸引力反而成了稀缺品。孟醒的文章裡寫到矽谷“全員 token-maxxing”的時候，捕捉到了同一種情緒的另一面：Meta 內部搞了一個 token 消耗排行榜，誰用得多誰上榜，末尾的可能被裁，所以 Meta 員工在卷一個叫“token legend”的非官方頭銜。一邊全員用 Claude Code 沖 token 量，一邊大規模裁人。這兩件事不是矛盾，是同一件事的兩面。他們既是被 AI 替代的潛在對象，也是替代別人的執行者。白天卷AI，晚上買地堡。這就是 2026 年灣區一位中位數 AI 工程師的日常。四、不止焦慮，他們還害怕被燒死那個20 歲男孩從德州飛到加州燒奧特曼家這件事，不是孤立的。3 月底，舊金山市中心已經出現了大規模反 AI 遊行，人群舉著“Stop the AI Race”（停止 AI 競賽）和“Don't Build Skynet”（不要製造天網）的牌子，在 Anthropic、OpenAI、xAI 的辦公室外面發表演講。參議員 Bernie Sanders（伯尼·桑德斯）在國會警告說：“人類可能真的會失去對這個星球的控制。”然後是奧特曼家門口那兩次襲擊。然後是馬斯克。據xAI 離職的朋友們透露，馬斯克本人也很擔心自己被槍殺，這在圈子裡是公開的秘密。然後是Palantir CEO Alex Karp（亞歷克斯·卡普）。Palantir 這家公司在矽谷有一種特殊的位置。它做的是政府監控和軍工合同，客戶裡有 CIA、五角大樓、ICE。它的 CEO 卡普是出了名的鷹派，平時講話總是把 AI 和“國家安全”“戰略競爭”掛在一起。但在今年3 月，卡普和卡車司機工會（Teamsters，美國最大的藍領工人工會之一）主席 Sean O'Brien（肖恩·奧布萊恩）在一個公開座談會上對談。卡普在台上說了一段話，值得在這裡完整引用：“在這個國家，A.I. 面臨的最大挑戰是政治動盪。如果我私下和同行們坐在這裡，我會告訴他們，這個國家可能會在政治上爆發，當這個國家爆炸時，我們誰也賺不到錢。”這句話值得重視，因為卡普不是某個左翼經濟學家，也不是某個工會領袖。是一個把賣技術給政府當作主營業務的、最理解權力運作機制的科技CEO。他在公開場合，當著卡車司機工會主席的面，說出了一句私下場合裡所有同行都在說、但沒人敢公開承認的話：我們造的這套東西，可能會讓這個國家炸掉。他說這句話時不是在威脅，也不是在道德反思。他是在算帳。他給同行算帳：如果國家炸了，我們的錢也賺不成。這句話無意中承認了一件事：他們知道自己造的不是“工具”，是一種正在系統性剝奪別人議價權的權力機器。如果你深信自己只是在做“中性技術”，你不會擔心這個國家會爆炸，你也不會需要裝防彈玻璃。一個不會讓別人憤怒到拿燃燒瓶上門的產業，不會需要裝防彈玻璃。五、當“上車”變成新的精英意識形態矽谷的“永久底層”焦慮，這兩年正在成為一種全球精英共享的意識形態。這不是中文世界跟著翻譯，是這種焦慮本身已經無國界。我在之前的文章中提到過《華爾街日報》報導的一段話。一位叫Sheridan Clayborne（謝裡丹·克萊伯恩）的年輕 AI 創業者說得沒有任何修辭：“這是積累代際財富的最後機會。你必須現在賺錢，否則你就會淪為永久的底層階級。”推特上有一個流行的梗，精準捕捉到了這種荒誕：“你還有兩年時間去做個播客（成為有影響力的人），否則就永遠困在底層了。”《紐約客》在2025 年10月發過一篇文章《人工智慧會讓你陷入“永久底層”嗎？》，那篇文章裡描述了一個觀察：現在矽谷最受歡迎的員工原型，叫 “cracked twenty-two-year-old”，意思是技術強到變態、長期 996 工作的 22 歲年輕人。文中有一個金句：“大家非但沒有變得政治激進，反而更加賣力地‘肝’。”這很諷刺。在馬克思的理論裡，無產階級一旦意識到自己被剝削，就會團結起來反抗。但在AI 時代，這套劇本根本沒啟動。人們意識到自己即將被替代之後，反應反而是更賣力地工作，拚命讓自己成為“還有用”的那 20%。《紐約客》那篇文章裡還有一句話流傳很廣：“你是想成為那頭豬，還是成為那個做豬食的人？”這裡的“豬食”（slop）是 AI 時代的一個新詞，指由 AI 批次生成、用來填塞人類注意力的廉價內容。這個比喻把“永久底層”的圖景壓得很實：一端是少數掌握算力、演算法、核心資料資產的“餵豬人”，另一端是大多數失去經濟價值的“被喂者”，靠 UBI（全民基本收入）和 AI 生成的虛幻娛樂活著。這種話術在矽谷已經流通了兩年。它從一開始的X上的玩笑梗，變成了《華爾街日報》、《紐約客》、《紐約時報》的嚴肅評論標題，變成了風投圈茶水間的真實焦慮，變成了上兆市值公司CEO 在公開場合的發言。但這套話術裡藏著一件沒被討論的事。“上車”這個隱喻假設了一個車上和車下二分的世界。它默認了一件殘忍的事：被甩下去的人，沒有誰會停下來等待他們。它把一個本應是政治問題的命題（誰分到 AI 紅利、誰被強制承擔代價），包裝成了一個個人選擇題（你抓不抓得住這個機會）。這套話術最大的功能，是把社會斷裂前置合法化了。孟醒文章裡那位投資人朋友的話，可以放在這裡看清楚它的真實結構：“反正要麼 zero to 100，要麼 zero to zero。”矽谷的資本邏輯已經不再容納“中間狀態”。要麼你是 100，要麼你是 0。要麼你在車上，要麼你在車下。要麼你是那個做豬食的人，要麼你是那頭豬。中間地帶沒有了。這是一種正在被預先合法化的社會斷裂：在它真正發生之前，所有人就已經接受了它的語言。六、諷刺的悖論：他們造神，他們也害怕神把矽谷的這套行為模式放在一起看，會發現一個奇怪的悖論。一群人，一邊在拚命造一個他們自己相信會讓大多數人變得多餘的東西，一邊在為“那個東西真的造出來之後的世界”做物理性的末日準備。這是一種新型的、人類歷史上很少見到的精神狀態。中世紀修建大教堂的工匠，相信自己在為上帝做工，這套信仰讓他們的勞動有意義。曼哈頓計畫的科學家，造完原子彈之後大多數人被深刻的道德掙扎籠罩了一輩子，Oppenheimer（奧本海默）說“我成了死神，世界的毀滅者”。這些人造出某種巨大的、超出自己理解的東西后，要麼相信它有終極意義，要麼被它的倫理重量壓垮。矽谷不是這兩種。他們既相信自己在造神，又相信這個神會讓大多數人多餘；他們既不為這件事提供宗教意義上的辯護，也不被它在倫理上壓垮。他們的反應是：繼續造，同時給自家窗戶裝防彈玻璃。這種內部矛盾不只是個體的精神分裂，它已經滲透到這些公司的內部話語結構裡。Karen Hao（凱倫·郝）（MIT Technology Review 前資深記者，《大西洋月刊》撰稿人）2025 年 5 月的報導裡，披露了 OpenAI 內部一個被稱作“地堡”的故事。2023 年夏天，OpenAI 聯合創始人、首席科學家 Ilya Sutskever（伊利亞·蘇茨克維）在和一批新入職的研究員開會。他正在討論一個計畫，中間他說了一句：“等我們全員進入地堡之後……”一位研究員打斷：“抱歉，地堡？”蘇茨克維回答：“我們在發佈 AGI 之前，肯定要先建一個地堡。”他補充：“當然，是否進入地堡是你們自己的選擇。”另一位OpenAI 研究員後來告訴凱倫·郝：“有一批人，伊利亞就是其中之一，相信建構 AGI 會帶來‘終極救贖’。真的，字面意義上的‘救贖’。”Anthropic 內部其實也有相似的緊張氣氛。《紐約時報》、文章引用Anthropic 聯合創始人、Anthropic Institute 負責人 Jack Clark（傑克·克拉克）的一段訪談。記者直接問他：你也認為AI 會創造一個永久底層階級嗎？克拉克回答：“這基本上是一個社會選擇。”他說自己很樂觀，認為有“足夠負責任的 AI 開發者和政策制定者”能讓世界避開風暴。但當記者接著問Anthropic Institute 是否會為再分配政策（比如他自己提到的擴大教師、護理這類人際關係工作的份額）進行遊說時，克拉克委婉地拒絕了，把政策倡導描述為“一條非常、非常長的工作鏈的末端”。翻譯過來：我們公司知道這件事很糟，我們公司認為這是社會選擇，但我們公司不會為修復這件事而花政治資本。這種“我們意識到了，但我們不會負責”的態度，在 Anthropic 內部員工身上表現得更劇烈。紐約時報文章裡寫，Anthropic 是鎮上最令人嚮往的僱主之一，把火箭般躥升的商業模式和“高尚的道德原則”結合在一起；但和員工聊天時，她聽到一種“對自己正在引發的社會變革規模的存在主義眩暈感”。許多工程師同時跑著多個 Claude Code 代理，給它們分配徹夜完成的任務，這樣總有人（無論是人還是機器）在時刻工作著；他們一邊每周工作 80 小時，一邊討論“後工作時代”（postwork）的烏托邦。這套行為最深的含義，要從他們造的東西本身去看。他們造的不是一個工具。一個工具有邊界，你可以用它，也可以放下它，它不會改變你怎麼看待自己。他們造的是一種新的世界座架，把所有人，包括他們自己，都重新揭示為“可被替代的資源”。當一個人意識到自己也活在這個座架裡時，他的反應可以是修改它，可以是拒絕它，也可以是給自己挖一個能熬過它的避難所。他們選了第三種。他們在造一個會讓所有人（包括自己）變得多餘的系統，然後在系統降臨之前，先用鋼板和酸橙樹為自己圍出一塊“還能保持人類身份”的小地方。這就是為什麼他們既造神，又害怕神。他們知道這個神不會區分施害者和受害者。它只會區分“還在車上的”和“已經下車的”。而他們對自己能不能一直留在車上這件事，信心遠沒有他們公開宣稱的那麼足。七 、如果連那些造出AI 的人，都已經開始為“普通人完蛋了之後的世界”做物理準備，那麼所謂的“最後窗口期”，到底是給所有人的最後機會，還是只是少數人為自己留好出口的最後時間？這個問題在中文世界還沒有真正被問出來。所有討論AI 的國內文章，基本上分兩類：一類講 AI 多厲害，催你趕緊學；一類講 AI 多可怕，催你趕緊上車。兩類文章共享同一個敘事前提，即你是那個還有機會、還需要選擇的主體。這個前提本身，本身就值得懷疑。孟醒在矽谷半個月，回北京飛機上翻完筆記，發現從頭到尾都在寫同一個詞：跟不上。YC 跟不上、Meta 的程式碼安全規矩跟不上、xAI 的管理跟不上、研究跟不上、算力跟不上、估值框架跟不上、社會的心理承受力也跟不上。他寫，“以至於矽谷自己都跟不上自己了。”但還有一種東西也在跟不上，那就是：我們的語言。我們手上拿著19世紀的社會契約，在簽 22 世紀的合同。我們用“上車”、“轉型”、“學習曲線”這些工業時代留下的詞彙，去描述一個可能正在讓“工作”這個概念整體失效的轉變。我們用“中產階級焦慮”這種 20 世紀的診斷，去描述一種在矽谷已經具體到買防彈玻璃和酸橙樹的存在性恐懼。舊的語言還在跑，但它解釋的世界已經不存在了。我傾向於認為，真正的危險不是AI 讓大多數人失去工作，而是大多數人在失去工作的同時，還在用舊的詞彙相信自己只是“暫時落後”。當一個人不知道自己被什麼東西打中了，他就連還手的方向都找不到。在矽谷，他們已經在用酸橙樹、防彈玻璃、雷射探測系統、煤油罐、燃燒瓶、和那一串列在“最後通牒”上的家庭住址，回答這個問題。 (不懂經)

在科技發展的宏大敘事中，我們正站在一個足以媲美工業革命的十字路口。近日，在備受矚目的紅杉資本“人工智慧巔峰”行業峰會上，紅杉資本的核心合夥人們與矽谷的頂尖創業者和技術專家齊聚一堂，共同探討這場正在重塑世界秩序的變革。本次會議揭示了一個核心共識：我們正從單純的“軟體時代”邁向全方位的“智能體時代”。會議深入探討了 AI 浪潮的獨特性，指出它是一場計算革命而非單純的通訊革命。核心議題圍繞“智能體（Agents）”作為新一代服務的崛起展開，提出了 MADS 戰略框架（護城河、可供性、擴散），並展望了未來機器將完成 99.9% 認知工作的圖景。儘管技術將重塑勞動力和生產力，但會議強調，人與人之間的聯結仍是價值的終極來源。核心觀點計算革命與 AGI：AI 是關於資訊處理的計算革命，不同於以往的通訊革命。長周期智能體的出現標誌著商業意義上 AGI 的降臨。MADS 框架：在模型之上建構競爭力的三要素——以客戶為中心的護城河（Moats）、降低使用門檻的可供性（Affordance）以及填補能力落差的擴散（Diffusion）。智能體即服務：軟體正在向服務演進，智能體將以極低的邊際成本實現無限規模化的專業服務（醫療、法律、開發等）。認知工業革命：認知工作將重演工業革命的歷程，未來絕大部分認知勞動將由機器完成，世界將進入“異類設計”和新科學發現的時代。人工智慧是一場關於資訊處理的計算革命，而非單純改變分發方式的通訊革命。軟體正在向服務演化，智能體將以極低的邊際成本，實現規模化的法律、醫療等專業服務。長期非同步智能體的成熟，標誌著商業意義上的通用人工智慧（AGI）已經降臨。護城河不再僅僅源於技術能力，而在於與客戶需求的深度繫結及阻力最小的使用路徑。未來99.9%的認知勞動將由機器完成，世界將進入“異類設計”與新科學發現的爆發期。當機器承攬了所有工作，人與人之間的聯結與情感體驗將成為價值的終極來源。不僅僅是更快的馬：計算革命的本質回顧科技史，從矽基電晶體到移動網際網路，每一波浪潮都在為今日的爆發積蓄動能。然而，當前的人工智慧浪潮與以往有著本質的差異。“這波浪潮是首個兼具軟體與服務屬性的變革，” 紅杉資本的合夥人在開場中指出，雲轉型的前十五年將軟體市場推向了數千億美元的規模，但人工智慧所觸及的是價值十兆美元的服務市場。僅在美國，法律服務的市場規模就足以等同於整個軟體行業。更深刻的差異在於技術本質。網際網路、雲技術和移動端本質上是“通訊革命”，旨在改變資訊的傳播與分發。而人工智慧則是一場“計算革命”，它關乎資訊是如何被處理和重塑的。這種底層邏輯的轉變意味著，我們不僅是在製造“更快的馬”——即提升10%或40%效率的生產力工具，而是在製造“汽車”——那些能徹底改變工作本質、組織形態乃至社會運行規則的顛覆性應用。商業通用人工智慧的降臨：從自動化到自主化在過去兩年中，技術轉折點接踵而至。從預訓練模型的震撼問世，到推理能力的大幅躍升，再到如今能夠處理長周期任務的智能體崛起。雖然學術界對通用人工智慧（AGI）的定義仍有爭論，但從商業和實踐的角度看，變革已經發生。“如果你能指派一個智能體去完成一項工作，並且它能在遇到故障後自我修復並持續工作直到任務完成，這就是商業意義上的通用人工智慧。”智能體不再是簡單的程式碼行間輔助，它們正演變為能夠感知環境、選擇行動並自主達成目標的複雜系統。從程式碼編寫到建築服務銷售，從內部辦公流程到複雜的科研任務，智能體的表現已經從“分鐘級”的持續性跨越到了“小時級”甚至更長。這種“把事情辦成的能力”，正在將人類從繁瑣的流程中解放出來，轉向更高層級的戰略管理。策略框架：在基礎模型之上建構護城河對於在基礎模型之上進行創新的初創企業而言，如何在技術快速演進的洪流中站穩腳跟？峰會提出了一個關鍵的戰略框架，即由護城河、可供性與擴散組成的競爭力支柱。首先是護城河。在計算革命中，底層技術的變化日新月異，但客戶的需求往往保持穩定。“為了建構護城河，你實際上應該關注客戶需求，因為你所建構的技術在明天可能就會變得無關緊要，而你以客戶為核心的緊密程度則會更加持久。” 其次是可供性，即為客戶創造阻力最小的路徑。優秀的智能體產品應該像錘子一樣，無需解釋，使用者一看便知如何使用。最後是利用技術能力與市場落地之間的“擴散鴻溝”，這正是應用層公司的巨大機遇所在。服務即軟體：重塑十兆美元的產業版圖“服務即新一代軟體。” 這一判斷預示著傳統軟體行業的終結與服務業的智能化重生。在醫學領域，智能體可以根據個體的基因組提供個性化建議；在法律領域，它們能代表客戶進行合同談判甚至法律訴訟。相比於人類員工，智能體具備無限的規模化潛力與極低的邊際成本。“人類難以實現規模化，且成本高昂；而智能體可以通過算力實現無限擴張，且你只需要支付令牌成本，而非薪水。” 儘管人類目前在適應力上仍具優勢，但隨著“苦澀的教訓”——即算力終將戰勝人類經驗的規律持續發生作用，智能體在專業領域的表現將很快超越普通人類。一個由非同步智能體自主運行、甚至機器製造機器的“黑燈工廠”時代正在加速到來。認知的工業革命：走向機器主導的創造力時代如果我們把工作分為體力與認知兩類，那麼人類已經完成了體力的工業革命。今天，全球超過99%的體力勞動由機器完成。而現在，認知領域正在重演這一處理程序。“我們相信，在不久的將來，地球上99.9%的認知工作將由機器完成。”這一轉變將帶來三個深刻的影響：第一，智能將成為像鋁一樣的廉價商品。曾經珍貴如珠寶的鋁，在電解法發明後變成了隨手可丟的包裝材料；曾經需要數十年磨練的博士級技能，未來可能只需呼叫一次令牌即可獲得，用完即棄。第二，世界將進入“異類設計”階段。機器的邏輯不同於人類直覺，當人工智慧設計晶片或建築時，會產生效率極高但外觀怪異的作品，我們必須保持開放心態。第三，人工智慧將催生出如熱力學般基礎的新科學，將神經元與令牌的運作系統化、公式化，幫助人類最終掌握意識的奧秘。人是萬物的尺度：在技術洪流中守望人性價值當機器可以處理所有認知任務，甚至能比人類更好地進行藝術創作時，人類的價值何在？峰會引述了古希臘哲學家普羅泰戈拉的名言：“人是萬物的尺度。” 任何脫離了人類體驗的事物，其價值都將不復存在。就像攝影技術的出現並沒有終結繪畫，反而催生了印象派與表現主義一樣，人工智慧的普及將逼問我們藝術與工作的本質。“人工智慧可以完成工作，但唯有人與人之間的聯結，才能讓你找到在乎的理由。” 在這個技術指數級增長的時代，那些讓我們之所以為人的特質——情感、關係與共同的體驗，反而成為了最稀缺、最珍貴的資產。十年之後，工作方式或許會翻天覆地，但那些在變革中建立的人際紐帶，將是我們在人工智慧巔峰之上最持久的收穫。天空之城全文整理圖解宏觀校準：AI 浪潮的獨特性Pat Grady： 大家早上好，你們過得怎麼樣？很好，很好，感覺好多了。嘿，感謝大家來到這裡。我們對此深表感謝。我們這樣做是為了回饋社區，因為我們正處在一個重要的時代，能夠為大家提供一個相聚的場所，這對我們來說是一種榮幸。這是我們迄今為止制定的最棒的議程，也是我們見過最優秀的參會者陣容。所以，我們首先想說的是，謝謝大家。我們知道你們都忙得不可開交。感謝你們今天能出席。像往常一樣，我們準備了一份非常特別的議程，索尼婭，穿著無可挑剔的服裝，康斯坦丁和我將先講幾句開場白。我們有幸參與了許多與各界有趣人士的對話，因此每年我們都希望嘗試將其進行一定程度的整合，並將我們所聽到的內容分享給你們。所以，我會先做幾句整體性的校準說明，然後由索尼婭談談我們當下的所見，接著由康斯坦丁談談我們對未來的展望。在校準部分，我們先從宏觀視角切入，回到矽基電晶體的時代，正是它賦予了該領域名稱，隨後這些電晶體被建構成由網路連線的系統，並以網際網路的形式走向大眾，支援了諸如雲端社交媒體等應用，最終以移動裝置的形式出現在我們的口袋裡，而這些裝置在今天所能實現的功能與魔法無異，那就是 AI。我們喜歡展示這張幻燈片，以前來過這裡的人應該都見過，是因為它提醒我們，所有這些浪潮都是相輔相成、不斷疊加的。我們似乎經歷了數十年的演進，才積攢了足夠的算力、頻寬、資料和人才，從而把握住當下的這個時刻。現在，這股 AI 浪潮有些不同。體現在三個方面。Sonya Huang： 首先，這是迄今為止規模最大的一波浪潮。Pat Grady： 這通常是事實，但這波浪潮有著更具體的獨特性，即它是首個兼具軟體與服務屬性的浪潮。第一行展示了雲轉型的前15年，期間軟體的市場規模（TAM）從約3500億增長到6500億，而云服務在其中佔據了約4000億的市場份額。第二行所展示的是全新的內容。這指的是目前似乎同樣可獲取的服務收入。10兆是一個相當整齊的整數。我們無法確定最終規模是10兆、5兆還是50兆。但我們確實知道，僅在美國，法律服務就是一個4000億美元的市場。這僅僅是一個垂直領域和一個地理區域。其規模就已等同於整個軟體行業。因此，這一機遇是巨大的。第二點。這是迄今為止最快的一波浪潮。我想我們都能感受到這一點。這意味著這片空白區域——請大家關注頁面上 AI 這一側——正在被迅速填補。這些圖示所代表的公司，正是得益於雲端運算、移動端以及現在的 AI 技術變革，才實現了超過 10 億美元的營收。Konstantine Buhler： 按照目前的處理程序和速度，未來還會有更多公司加入其中。計算革命與商業 AGIPat Grady： 第三點。這可能是最有趣的一點，我借用了我的合夥人康斯坦丁的觀點，即技術革命基本分為兩種類型。一種是通訊革命，旨在改變資訊的傳播方式。在座的大多數人所經歷的，僅僅是通訊革命。網際網路、雲技術、移動裝置，這些本質上都屬於資訊分發。這些是通訊領域的革命。AI 則有所不同。AI 屬於這一類。AI 是一場計算革命。它關乎資訊是如何被處理的。這聽起來可能只是語義上的區別，但它們在波形本質上截然不同。或許最直觀的感受方式是意識到：腳下的地基一直在移動。隨著新功能的不斷湧現，每個人所建構的底層技術基礎也在日新月異地變化。在過去的幾年裡，我們經歷了三個主要的轉折點。第一個是 ChatGPT 時刻。2022 年 11 月，世界見證了預訓練的強大能力。第二個是幾年後的 o1 模型，即推理能力。突然之間，圍繞推理時間計算的第二條縮放定律出現了。第三個是最近出現的 Claude Code Opus 4.5 ，現在是 4.7。世界見證了長周期智能體的強大能力。雖然這看起來像是連續體上的三個點，但第二和第三個轉折點之間存在某種程度上的斷層。這是一種非連續性的變化。如果不揣冒昧地說，我們認為這就是 AGI。而且，我可是學經濟學專業的。我們是風險投資人，不會去提出關於 AGI 的技術定義。好嗎？我們研究創始人、市場以及兩者的碰撞，也就是商業。但我們確實在研究商業。因此，從商業角度、實踐角度以及功能角度來看，如果你能指派一個智能體去完成一項工作，並且它能在遇到故障後自我修復並持續工作直到任務完成，這就是商業意義上的通用人工智慧。即使你認為那不是 AGI，也沒關係，順便說一下，索尼婭會在她的部分詳細討論這一點。即使你認為那不是 AGI，我也不認為那是 AGI，但我認為我們都能看出汽車已經到來了。過去幾年裡，我們見過了很多更快的馬。那些讓你生產力提升 10% 或 40%，卻並沒有從根本上改變你工作方式的應用程式。現在我們開始看到汽車了。那些讓你生產力提升 10 倍或 40 倍，並徹底改變你工作方式、工作本質以及組織本質的應用程式。汽車時代已經來臨。這是 Sequoia 的創始人 Don Valentine，他以愛問一個問題而聞名：那又怎樣？為什麼這一切如此重要？之所以重要，是因為就在過去幾個月裡，這場競賽已經開始了。而且這與我們習慣的競賽截然不同。駕駛汽車的方式與騎馬的方式是不同的。製造汽車的方式與照料馬匹的方式也是不同的。所以，這是一種非常不同的競賽。我們今天想把大家召集到這裡的原因之一，是因為沒有人擁有所有的答案。我們在一起交流的時間越多，就能學到越多，並有望弄清楚這一切將走向何方。建構策略：MADS 框架Pat Grady： 我們務必盡快採取行動，因為僅從商業角度來看，這關乎巨大的利益。市場規模高達 10 兆美元。我們有實驗室正從技術驅動的角度開展研究。我們也有初創公司正在以客戶需求為導向進行開發。雖然在座各位代表了所有相關實驗室，但你們大多數人是在現有基礎上進行建構。所以我們花一點時間，來討論那種以客戶需求為導向的方法。對於那些在現有實驗室基礎上進行建構的人，我們有些建議——既然是免費建議，那它就值你們付出的每一分錢——我們的建議是去參考 MADS。其實我們並不需要你們感到憤怒（Mad）。如果你們願意，當然也可以感到憤怒。如果那是驅動你們的動力，那也挺好的。儘管生氣吧。但這只是一個方便的縮寫，指代可供性（Affordance）、護城河（Moats）與擴散（Diffusion），這是在模型之上建構策略的三個特徵或三大支柱。首先談談護城河，純粹為了好玩。有人記得去年的這張幻燈片嗎？有一位，他還是我的合夥人。好的，那很酷。提醒一下，這張幻燈片展示了商品化周期，即從創意到實現客戶滿意所需經歷的價值鏈環節。我們實際上不會逐一去過這些價值鏈環節。我想在這裡指出的是，如果你從技術的角度出發，價值鏈中的每一個環節都會以略有不同的方式被處理。如果你從客戶的角度出發，那麼你在鏈條中所接觸的每一個環節都會略有不同。現在，這裡有一個違反直覺的部分。在這一場關於資訊處理的計算革命中，你往往會想要關注下方這些領域，因為那裡不斷湧現出各種酷炫的新事物。但為了建構護城河，你實際上應該關注上方這些領域。因為你的客戶需求變化速度遠不及技術能力演進的速度。你所建構的東西在明天可能就會變得無關緊要。而你以客戶為核心的緊密程度，則會更加持久。這並不是說產品和技術不重要。它們極其重要。且通常情況下，最好的產品會勝出。但在一個產品迭代極快、能力演進也極快的世界裡，當思考商業護城河時，我們建議你儘可能從客戶的角度出發，思考所有能夠圍繞這些客戶建立緊密聯絡的方式。好的，MADS 中的 A 代表的是 Affordance（可供性）。這是一個我們從設計領域借用的術語。錘子就是一個具有可供性的物體。我有一個兩歲的兒子。如果我給他一把錘子，他就會知道該怎麼用。他會抓起錘子開始敲打東西。這就是我們不給他錘子的原因。具有可供性的物體是不需要解釋的。人們一看就知道該怎麼用它。Claude code 極其強大。去讓一名普通的財富 500 強企業員工打開終端試試，看看他們能走多遠。雖然它很強大，但提供的功能可供性並不多。這並非是對 Anthropic 的批評，但對於任何希望在現有基礎上進行建構的人來說，這是一個機會。你可以為特定客戶及其具體問題創造阻力最小的路徑，讓他們能極其簡單地達成業務所需的結果。這就是可供性的概念。最後，MADS 中的 D 指的是擴散（Diffusion）。擴散鴻溝正是那些在應用層進行開發的公司所面臨的機會。技術能力向市場擴散的速度，遠低於這些能力被創造出來的速度。基礎模型的演進速度每天都在超越普通的財富 500 強企業，這一鴻溝正在不斷擴大，機會也隨之增長。因此，對於護城河（Moats）而言，請嘗試以客戶需求為導向進行思考。關於可供性（Affordance），試著思考如何為你的客戶創造阻力最小的路徑。而那個擴散鴻溝，正是你所擁有的機遇。除非早先那張空白區域逐漸被填滿的幻燈片讓在座的各位感到沮喪，那麼我們需要提醒你們的是，沒有任何領先是絕對穩固的。賽車界有這樣一句話：你無法在晴天超越15輛車，但你可以在雨天超越15輛車。而現在，基礎模型正湧現出如傾盆大雨般的新功能，這意味著沒有任何領先是絕對穩固的，但也意味著任何人都有機會勝出。這是一個多麼偉大的時代。接下來，我將把它交給索尼婭。智能體時代：服務即新一代軟體Sonya Huang： 我可以再說一句嗎？在觀眾席中看到這麼多友好的面孔真是太好了。今天在場的各位都是卓越非凡的人。能與大家共同置身於這個生態系統中，我感到非常高興。我這一部分的內容旨在探討人工智慧當下的發展，對於2026年而言，核心就是智能體。好，讓我們回溯到2022年。請舉手示意。這裡有人記得 Auto GPT 或 Baby AGI 嗎？好的。好的，明白了。這些項目在 GitHub 上一夜爆紅。它們的操作方式是呼叫 GPT3，為其配置一些工具，封裝在循環中，並讓它朝著目標運行。起初看起來很有前景，直到你看到那些智能體一次又一次地失敗。雖然看著挺可愛、挺招人喜歡的，但實際上完全沒用。Pat Grady： 我放這張幻燈片是為了提醒大家，我們其實早就預見到智能體時代的到來。Sonya Huang： 我們本可以在幾年前就預見這一切。但回到2022年，當時的模型確實還沒準備好。Pat Grady： 時間快進到今天，從年初開始，情況確實發生了質的變化。Sonya Huang： 突然之間，智能體遍地開花，而且它們似乎真的能夠投入實際運作了。其中有兩個智能體表現尤為突出：面向技術人群的 Claude Code，以及讓任何擁有手機的人都能使用智能體的 OpenClaw 及其所有龍蝦系列衍生產品。所以，無論你是硬核工程師還是普通使用者，現在的重點在於，人人皆可建立智能體。我們現在看到人們正在為各種用途建構智能體。甚至還有一些荒唐的例子，比如有的 open-call 智能體會專門去舉報鄰居的稅務欺詐行為。請不要這樣做。或者實際上，也許請這樣做。還有創業相關的事情。運行生成式媒體活動來銷售建築服務的 Agent。然後還有一個專業層面。我可以告訴你，在 Sequoia 內部存在一場巨大的競賽，看誰能建構出最好的 Agent 來更好地完成我們的工作。那麼，成為一個 Agent 意味著什麼？這裡有一個可能的定義。Agent 是一個系統。它感知其環境，選擇行動，並自主地朝著一個目標前進。順便說一下，我想這是我自己用 C-dance 製作的。我對此感到非常自豪。視訊模型已經取得了長足的進步。更具體地說，我認為智能體具有三個功能元件。首先是推理和規劃的能力。這是直覺的基準水平以及即時思考的能力。其次是採取行動的能力。這包括使用工具、搜尋、編寫和編譯。最後是朝著目標不斷迭代的能力。這正是賦予智能體在長周期內完成任務能力的持久性。因此，代理（agency）結合了這三樣東西。簡而言之，就是把事情辦成的能力。如果我們把代理拆解為模型、工具和協作框架（harnesses）這些組成部分，過去一年裡每個部分都在飛速進步。首先，模型即大腦。這是目前發生的最重要的事情。衡量指標圖表測量的是模型在執行複雜任務時，能夠持續推進而不偏離軌道的時間長度。我們已經從一年前的十分鐘量級發展到了今天的數小時量級。所以，這是目前發生的最重要的事情。模型終於變得足夠強大，能夠維持長周期任務的性能表現。其次，工具即手腳。這些賦予了模型訪問各種能提升我們電腦生產力工具的能力，例如用於檔案系統和開發工具的終端、iMessage、Slack、網頁搜尋、電腦使用等等，應有盡有。過去二十年間我們為人類打造的各種工具，最終也能夠轉化為對智能體而言極其有用的資源。有一種普遍的論調認為 SaaS 已死。但我認為恰恰相反，隨著使用這些工具的智能體數量增加，其價值將會爆發式增長。增加。模型和工具賦予了智能體執行能力。而控制框架（harness）則賦予了它們持久性。即保持任務專注、進行調整併持續運行的能力。這一反饋回路現在確實開始加速運轉了。特別是在有了強化學習之後，我們正在對這些智能體進行“駕駛學校”式的訓練，也就是在 RL gyms 中訓練它們。Pat Grady： 我們正在不同領域推動性能的提升，從機械工程到設計，旨在尋找突破。我們同時也看到了自我改進的初步曙光，即機器製造機器。Sonya Huang： 例如，Andrej 的另一個研究項目在短短兩小時內自主提升研究能力，達到了 GPT2 等級模型的水平。那麼，一個到處都是智能體的世界會是什麼樣子？智能體的存在處於一個智能程度的滑動量表上，讓我們以程式設計為例。在 2023 年，我們擁有了標籤頁自動補全功能。這是一種 AI 在行間輔助人類的方式。Pat Grady： 這種方式雖然在增量上有所助益，但從根本上說並不具備變革性。Sonya Huang： 我們現在擁有了智能體開發，即一個人與一個智能體對話，指導它做什麼，或許還能管理一個智能體團隊。但這種範式正在被進一步推進。我們現在看到了後台智能體、非同步智能體以及能夠衍生出子智能體的智能體。我們認為，在這種整體範式下，非同步智能體極有可能在規模上超越當前範式，這僅僅是因為該系統所能提供的槓桿效應。Pat Grady： 最後，在推進前沿尖端領域方面，即我所說的“黑燈工廠”，將人類審查徹底從系統中剝離。Sonya Huang： 這聽起來很瘋狂，但我已經在生產環境中見過這種情況，包括在網路安全公司中。只要具備足夠可靠的護欄機制和足夠優秀的工程能力，這是完全可能的。因此，我們正在智能體化的處理程序中不斷攀升。智能體正從在你身邊提供微小協助的助手，進化為需要管理的實習生，進而轉變為能夠自我管理的實習生，最終演變為值得信賴、無需監督即可部署到生產環境的實習生。這就是正在發生的演進，不僅是在程式碼編寫領域，而是覆蓋了所有智能體應用。對於在座的創始人而言，最重要的啟示是：服務即新一代軟體。帕特在我認識他以來一直強調這一點，我們的合夥人 Julian（他今天也在觀眾席中）也發表過一篇關於此話題的優秀文章。我們對此早已知曉，但我認為這一趨勢正在真正地成為現實。在醫學領域，你可以聘請一個尊重你的基因組、為你提供個性化建議、能夠為你開具處方藥物並推薦臨床試驗的智能體。在法律領域，你將能夠聘請能夠代表你協商合同，甚至進行訴訟並為你達成和解的智能體。在數學和科學領域，我們正看到能夠解決這些問題或發現新型超導體的智能體。這難道不令人振奮嗎？或者在消費領域，那些可以為你管理收件箱、日程表、財務狀況以及申報稅務的個人智能體。我們預計未來智能體將無處不在。這在一定程度上是因為聘請智能體比僱傭員工要容易得多。人類難以實現規模化。而智能體可以通過算力實現無限規模化。讓員工保持滿意度是一件困難的事。除了我以外，我總是很快樂。Agents 的維護成本很低。人類的成本很高。你需要支付他們薪水。你需要支付 Agents tokens。通常情況下，用 tokens 完成任務的成本要低於支付等值的薪水。現階段，人類通常仍然更聰明。但 bitter lesson 的影響持續存在，很快 Agents 在許多方面就會變得更聰明。因此，這張幻燈片的重點並不是說我們人類要失業了。我認為適應力是人類獨有的特質。但我們預計智能體在應用層的部署將會迅速進行，且規模增長速度前所未有，因為其經濟效益顯而易見，且具備固有的可擴展性。綜上所述，智能體的數量正以某種指數級，或許是超指數級的速度激增。當商業活動在智能體之間展開時會發生什麼？它們可以互相支付嗎？當智能體能夠自行協商交易條款時，會發生什麼？未來是否會出現成群結隊的智能體來監管我們，以防範網路安全威脅或 Megadon 之類的事件？我們只知道這個世界正在極速變得詭異。最後，我想借用 Bene Gesserit 的心境來結束此次發言。Long Horizon 智能體已經到來。它們所處的曲線，非常清晰。對於創始人而言，我想每個人都有看到人們借助 AI 在極短時間內完成艱巨任務的案例。例如，來自 Z'd 的 Nathan 在假期期間獨自一人利用 Claude 完成了一個原本需要三年的登月級項目。Brett Taylor 用一個周末的時間重建了 Sierra。Notion 團隊僅用了六周時間就重寫了 800 萬行程式碼。因此，每個人都有這些時間線被壓縮的例子。但我認為，在 AGI 實驗室之外，很少有人真正見識過會發生什麼。當你將這些被壓縮的時間線進行疊加時。而這正是現在所能實現的。所以，無論你想像中未來一百年能建構出什麼，我們認為借助智能體，現在一百天內就能實現。接下來我將交給康斯坦丁。未來展望：認知的工業革命Konstantine Buhler： 謝謝你，索尼婭。好的，非常感謝索尼婭和帕特帶來的精彩概述與分析。在這一部分，我們將簡要探討接下來的發展方向。我們的目標是，因為我們都知道自己正處於 AI 時代。它將會是什麼樣子？它將會帶來怎樣的體驗？它的特徵是什麼？在演示的前半部分，帕特將技術革命分為計算和通訊兩個維度。我們在這裡將工作類型再進行一次劃分。一種是體力工作。這可以是 Pony Express 上的包裹，也可以是 Falcon 9 運載的衛星。工作等於力乘以位移，即物理位移。接下來是認知工作。例如 Pythagoras 提出該定理。例如 DeepMind 解決蛋白質折疊問題。有意識的思考。這些是非常不同類型的工作。但我們相信它們將遵循非常相似的變革模式。那麼讓我們談談體力工作，因為我們已經經歷過工業革命帶來的變革。Pat Grady： 在人類歷史的絕大部分時間裡，世界上所有的工作，或者說幾乎所有服務於人類的工作，都是由某種肌肉力量完成的。Konstantine Buhler： 依靠人或動物。靠人去搬運東西，或者靠動物牽引人類前行。這一切始於1700年，但其淵源可追溯至幾千年前。隨後，局面開始發生轉變。水力和風力。蒸汽機。此後，處理程序開始加速。蒸汽機。內燃機、電動機。時至2026年，可以估算得出，地球上超過99%的人類體力勞動已由機器完成。將你帶到此處的飛機、房間內所有物品的製造，以及支撐你此刻所體驗的人類巔峰生活的各項運輸保障。我們認為認知的演進也將經歷類似的歷程。我們只是處於一個較早的階段。在人類歷史的大部分時間裡，地球上所有的人類思考主要都是由人類完成的，或許還有一點來自動物，比如牧羊犬驅趕羊群。在機械勞動之上，曾存在過一小部分輔助工具，例如星盤或時鐘。Pat Grady： 現在，在過去幾百年裡，進展其實並不大。直到電子計算出現。Konstantine Buhler： 而在過去一百年裡，試想一下，此時此刻為了服務你這樣的人類，正在進行著數以兆計的計算。所有這些工作，所有這些正在發生的認知工作，都是為了在任何時刻服務於我們。數以兆計的計算。我們相信 neural network 是下一個大浪潮，並且在不久的將來，地球上 99.9% 的認知工作將由機器完成。這種類比非常鮮明，好消息是我們已經經歷過這樣一場革命。認知革命將與工業革命非常相似，只是規模要大得多，速度也快得多。那麼，生活在這樣的未來會是什麼樣子？我想以四個短篇故事的形式，分享對這個未來的一些思考動因。四個故事：智能、設計、科學與藝術Konstantine Buhler： 第一個故事。19世紀中葉，美國想要為首任總統及最偉大的戰爭英雄 George Washington 建造一座宏偉的紀念碑。因此，我們設計了當時世界上最高的建築——Washington National Monument，並且我們想要用世界上最珍貴的金屬來裝飾其頂端。當時 100 盎司的這種金屬是世界上最珍貴的，珍貴到我們甚至將其放在 Manhattan 的 Tiffany's 進行展覽。那種金屬就是鋁。在 Washington National Monument 竣工後的幾十年裡，一位年輕的發明家發明了電解法，即從泥土中分離出鋁的工藝。此後不久，鋁便被用來包裝糖果和三明治，然後被扔進垃圾桶。Pat Grady： 鋁就是智能。電解法就是人工智慧。Konstantine Buhler： 我們即將進入這樣一個世界：一些耗費數十年光陰練就的、達到博士水平的寶貴技能，在呼叫後轉瞬即逝，用完即可將其揉作一團直接扔進垃圾桶。第二個故事，我們正在進入一個異類設計的世界。我們今天所見的世界，其核心邏輯皆是為了人類而設計。眾所周知，這種設計經過了最佳化，使之符合我們的大腦邏輯，因為世界上幾乎所有的認知活動都是由我們完成的。然而，當認知活動由機器來完成時，情況將會大不相同。2006年，NASA 正在為一項大型航天任務，即衛星太空任務最佳化天線。傳統上，他們的天線看起來是這樣的。那是一種優美的幾何對稱圖案，在一定的功率限制下最佳化了表面積。這一次，他們決定將任務交給電腦，並使用一種類似於強化學習的進化演算法。Pat Grady： 結果就是眼前的這個天線。生產力顯著提高，且不符合人類的直覺思維。Konstantine Buhler： 在這個 AI 時代，當我們把認知任務交給機器時，我們將得到的結果是不符合我們直覺的。Pat Grady： 當 AI 設計晶片、汽車和建築物時，它們看起來可能會大相逕庭。Konstantine Buhler： 對於我們即將進入的世界，必須保持開放的心態，因為 AI 的思維方式與我們不同。它將具備異類的設計風格。第三個動力學故事關於新興科學。並非新興科學。我們都知道存在新興科學。我所說的是新興科學領域。在工業革命初期，湧現了像 Newcomen 和 Watt 這樣偉大的工程師，他們完善了內燃機。簡單來說，就是把石油化工產品注入活塞，點火燃燒，數百萬乃至數十億計的粒子發生爆炸。Pat Grady： 爆炸推動活塞，從而做功。Konstantine Buhler： 在近100年的時間裡，這一切都處於修修補補的階段。當時工程師只是在說，那樣效果稍微好一點。或許你可以將其視為一種規模法則，但那實際上是工程師們在擺弄產品，看如何能進行微小的改進。在120多年後，Sadi Carnot 出現了，並將這一切總結為一門新的科學——熱力學。Pat Grady： 他說，等一下，這裡有數百萬或數十億的粒子。Konstantine Buhler： 我們實際上可以將這一切系統化、公式化。而在當前的情況下，這裡有數十億個神經元，數兆個 Token。此刻，我們正處於 AI 的修補階段。即使我們認為這是一門已被認知的科學，事實並非如此。未來，我們將在接下來的幾十年內迎來一門如熱力學般基礎的科學。在座的各位或許就有人能開創這門科學。而這門科學將被納入高中的教學課程中。它將具有如此基礎的地位。它將幫助我們掌握 AI，甚至幫助我們掌握意識。第四個故事。非理性的藝術。在人類歷史的絕大部分時間裡，即數萬年間，藝術一直朝著寫實主義的方向演進。這是一幅大約 25000 年前的洞穴壁畫。從埃及象形文字、希臘陶器到文藝復興時期的畫作，這是一場向寫實藝術邁進的宏大變革。看看這其中的差異。歷經數萬年。人類的偉大勝利。Pat Grady： 隨後工程技術應運而生。銀版攝影法，早期攝影技術。Konstantine Buhler： 突然之間，我們花費數十年人生去磨練、力求每一筆觸都完美的技藝，瞬間消失了。那麼世界對此作何反應？他們認為繪畫藝術已經終結。噢，就這樣結束了。機器能比任何人類做得更好。藝術即是藝術，藝術已終結。那麼，發生了什麼？人類是如何回應的？人類的回應是提出疑問：這種藝術的目的是什麼？是為了以眼睛所見的方式捕捉那一刻嗎？還是為了以內心和靈魂所感的方式捕捉那一刻？Pat Grady： 印象派、表現主義、立體主義、新表現主義，所有這些新的藝術形式都是人類對科學領域這一巨大變革所作出的回應。Konstantine Buhler： 兩千五百年前，希臘哲學家 Protagoras 寫道：人是萬物的尺度。他的意思是，任何事物若脫離了人類，便不存在價值。無論是鋁材、藝術，還是智能，皆是如此。Pat Grady： 它之所以有價值，僅僅是因為那份體驗。AI 可以完成工作，AI 也終將完成工作，但唯有人與人之間的聯結，才能讓你找到在乎的理由。Konstantine Buhler： 這就是我們今天齊聚一堂的原因。十年之後，工作方式將發生巨大的變化。一切都將迎來翻天覆地的改變。但唯一不變的，是你們今天與身邊人建立起的關係。它們將長久延續。那將是你們回首往事時最珍視的部分。那也將是今天最有價值的收穫。因此，我鼓勵大家與身邊的人建立聯絡，盡情享受這次 AI Ascent 的時光，並真正地擁抱那些讓我們之所以為人的特質。 (Web3天空之城)

泡沫的跡象隨處可見，Anthropic 和 OpenAI 的 IPO 預計將是有史以來規模最大的，投資者們迫切地尋找入場機會。儘管一些與人工智慧關聯度較低的類股出現下跌，但大型人工智慧相關股票的上漲仍推動了指數走高。 邁克爾·納格爾/彭博新聞社人工智慧再次拯救了股市。許多投資者甚至央行官員都看到標普 500 指數創下歷史新高，並擔心股價已經脫離了每桶 100 美元的油價現實。但如果說存在問題，那不僅僅是，甚至主要也不是，未能認識到海灣停火的脆弱性。一切都取決於人工智慧熱潮是否只是泡沫。關於自2月底美國和以色列開始轟炸伊朗以來股市表現的討論中，經常會忽略以下幾個事實：標普500指數中，118隻股票跌幅超過10%，其中不乏面臨燃料、鋁和其他原材料成本上漲，或依賴受疫情重創的客戶（如農民）銷售的股票。相比之下，僅有82隻股票漲幅超過10%，且大多與人工智慧相關。如果剔除“七大巨頭”——博通以及Alphabet、亞馬遜、蘋果、Meta、微軟和輝達——標普500指數的市值實際上是下降的。換句話說，這七家公司拉動了整個市場的上漲。美國股票平均跌幅幾乎與剔除美國股票後的MSCI全球所有國家指數跌幅相當，因為標普500指數成分股中超過一半下跌。然而，美國股指卻上漲了4%，科技股為主的納斯達克指數上漲了8%，這是因為市值最大的股票規模龐大，足以抵消其他股票的跌幅。標普500指數一半的類股下跌。上漲的類股中，非必需消費品類股和通訊服務類股，與整個市場一樣，都由一家大型人工智慧公司主導。這兩個類股中的大多數股票都下跌了。那麼，真正重要的是過去一年多來市場上的每個人一直在爭論的問題：人工智慧領域是否存在泡沫。投資者押注資料中心建設將繼續快速發展，這提振了輝達等股票，儘管他們預計人工智慧開發商本身要到本十年末才能產生正的自由現金流。人工智慧領域泡沫跡象隨處可見。Anthropic 和 OpenAI 的 IPO 預計將是有史以來規模最大的，投資者們急於在上市前找到買入股票的方法。資料中心建設是經濟發展的重要驅動力。投資者已經證明，只要貼上“人工智慧”的標籤，他們就願意購買，無論是矽谷層出不窮的初創公司，還是曇花一現的運動鞋製造商Allbirds，以及與川普有關聯的支付公司、後轉型為加密貨幣金庫的Alt5 Sigma。就連網際網路時代的寵兒思科，今年也終於憑藉其在資料中心領域的銷售，突破了2000年3月的股價高點。而這僅僅用了26年時間。支援人工智慧的理由很簡單：這次不一樣了。人工智慧的影響將比以往那些導致泡沫的技術更大、更快，從運河和鐵路，到自行車和電力，再到網際網路泡沫，無一例外。它將徹底改變經濟格局。人工智慧公司的利潤將極其豐厚。而且，與網際網路泡沫頂峰時期相比，目前領頭羊股票的價格仍然很低。最終，只有在泡沫破裂後，我們才能真正瞭解它是否是泡沫。如果一項技術符合市場預期，那麼定價就是合理的，它就不是泡沫。但人工智慧行業仍有許多重大問題無法解答，而投資者似乎樂於相信一切最終都會好起來。需要記住的一個基本歷史事實是：網際網路最大的贏家——Google（現為Alphabet） ——在2000年網際網路泡沫破裂時甚至還沒有上市。同樣，鑑於人工智慧背後的技術存在不確定性，也不能保證今天的領導者最終會勝出。當時，電信公司就像是光纖和家庭、辦公室連接（網際網路運行的基礎）的承建商，他們竭盡所能地投入資金。人們對電信行業寄予厚望，就像如今那些賺得盆滿缽滿的晶片製造商和其他資料中心供應商一樣。然而，事實證明，當時的希望完全落空了。然而，如果那些聽起來天馬行空、堪比人類的人工智慧真的研發成功，這次的情況或許會有所不同。或者至少，泡沫在破裂之前可能會膨脹得更大。這就是泡沫的弊端：即便你精準識別出了泡沫，過早入場也等同於錯誤。2026 年 4 月 27 日印刷版。 (invest wallstreet)

英國《經濟學人》近日刊文指出，中國正在全球AI人才競逐中逐步擴大對西方國家的領先優勢。輿論在予以關注的同時，紛紛解析中國的吸引力何在。多年來，發達國家對開發中國家的人才虹吸近乎碾壓。這些年，隨著中國綜合國力躍升與科研環境持續最佳化，全球人才流動逐漸轉向，“最大規模海歸潮”悄然出現。同時，一些西方國家出於政治私利，動輒對全球人才關上大門，客觀上也推動了人才洋流“一路向東”。近五年來，不僅海外留學人員回國就業人數逐年增加，不少領軍人物也選擇來華任職任教。更重要的是，中國已默默搭好“如何留人”的生態系統。人工智慧競爭，本質是算力、資料與演算法的“鐵三角”之爭。在晶片受限的相對被動局面下，中國AI經歷了從“大力出奇蹟”到“精益求精”的轉變，探索出一條“軟體定義算力、演算法驅動效能、人工智慧+賦能場景”的創新路徑。完善的工程體系、海量的優質資料、充沛的算力資源、豐富的應用場景，為天下英才提供了廣闊舞台。而對夢想上路時的成本焦慮與風險挑戰，相關政策給予穩穩支援，各類人才計畫為早期AI創新力量搭建了專業化、全周期的賦能平台。中國在AI人才競爭中佔有優勢，靠的不僅是攬才、留才，更是強大的本土造血能力。中國高度重視教育，擁有全球規模最大的教育體系，各級教育普及程度達到或超過中高收入國家平均水平。資料顯示，中國人才資源總量達2.2億人，其中高技能人才超7200萬人，科學家與工程師規模接近2000萬人；每年培養STEM專業畢業生超過500萬人，全球領先。這都為中國造就了領先全球的AI人才底座。以嶄露頭角的DeepSeek團隊為例，這支平均年齡僅20多歲的生力軍，核心成員均為本土培養，充分證明中國高等教育體系與科研環境已具備培養、吸引並成就世界級AI人才的深厚土壤。當然，人才之戰不是百米衝刺，而是一場漫長的馬拉松。前段時間，國務院印發《關於深入實施“人工智慧+”行動的意見》，明確提出到2030年人工智慧全面賦能高品質發展。此外，八部門聯合發文，提出要“超常規”建構領軍人才培養新模式。當然，也要看到，中國AI在“從0到1”的原創突破上仍有差距。要鼓勵弄潮兒心無旁騖試錯深耕，尤須營造更加包容寬鬆的創新環境，糾正科研領域的實用主義傾向。“美國絕對有可能在AI上落後於中國，因為人才在變。”輝達創始人黃仁勳曾如是感慨。AI人才“東流”無須大驚小怪，人才流向改變更不是終點。持續建構創新創業的優質生態圈，讓各類人才的創造活力競相迸發、聰明才智充分湧流，中國必能擁抱更廣闊的星辰大海。 (長安街知事)

橋水基金聯席首席投資官們表示，隨著人工智慧(AI)的快速崛起重塑整個軟體行業，“生存性威脅”的陰影如今正籠罩在這些傳統公司之上。該機構在周一發佈的客戶報告中指出：“最新版本Claude Code的發佈，意味著一個新興競爭者已經對大型企業構成了生存性風險，這與當年亞馬遜對巴諾書店的衝擊非常相似。”新發佈的AI模型可能顛覆傳統軟體公司的擔憂已震動整個行業，引發軟體股拋售潮，標普500軟體與服務指數今年以來已暴跌約17%。裁員潮也在加劇，從大型科技公司到金融服務業的各企業紛紛裁撤數千個崗位，理由是通過部署AI現成本節約。"市場已開始為應用軟體公司面臨的風險定價，企業要麼與AI同進化，要麼面臨被顛覆的命運，"該投資公司的聯席首席投資官鮑勃·普林斯、格雷格·詹森和卡倫·卡尼奧爾-坦布林寫道。回顧上世紀90年代，儘管部分實體書店關閉了門店，但許多書店通過拓展線上業務、聚焦店內體驗和精選書目等方式實現了轉型。值得注意的是，除了顛覆軟體公司業務模式之外，AI公司還對傳統軟體公司發起了人才爭奪戰。據知情人士透露，多家大型軟體公司的高管正被AI巨頭“挖角”，這些公司正積極爭奪具備銷售與商業拓展經驗的人才。來自Salesforce、Snowflake和Datadog的高管近期已被OpenAI和Anthropic高薪攬入麾下，誘因是豐厚的薪酬包以及將既有企業客戶關係帶入這些AI公司的機會。OpenAI最引人注目的軟體業挖角之一當屬Denise Dresser，Dresser此前在Salesforce旗下通訊平台Slack擔任首席執行長。Anthropic同樣已從Salesforce處招聘人才。與此同時，科技勞動力的結構性變革正促使IT專業人士思考：在更多企業大舉投入AI之際，他們可以在何處創造價值、搭乘最新技術浪潮。地緣政治風險橋水基金同時警告，持續的地緣政治動盪將繼續擾亂股票和大宗商品市場。橋水首席投資官們表示，美國在委內瑞拉、格陵蘭和伊朗等地區的動作可能加速美國主導聯盟體系的裂痕，推動全球更快地競相爭奪武器和資源。全球關鍵能源通道荷姆茲海峽的航運活動依然低迷，因伊朗局勢降級努力陷入停滯。這場衝突已攪動全球市場，導致大宗商品短缺，並引發通膨上升的擔憂。報告寫道："中東戰爭接下來的走向仍高度不確定，但已造成的破壞足夠嚴重，且恢復航運的處理程序將非常緩慢，大宗商品衝擊將在一段時間內持續存在。" (財聯社)

21世紀影響人類發展的底層技術將是人工智慧，人工智慧的能力滲透到社會的每一個角落。極大影響社會的效率，改變社會的能力。智能文明時代正在到來。影響人工智慧的最終能力是什麼？很長時間以來我們都在說算力即國力。認為算力是改變人工智慧格局的根本能力。算力就是大量的晶片，算卡的堆積，晶片算卡需要有很高的性能。經過最近幾年的發展，人工智慧日益成熟，正在從晶片、算卡大模型的競賽，從大模型的訓練，逐漸轉嚮應用能力的角力。訓練雖然還很重要，那不過是幾個公司需要做的事情，不是所有的公司都需要做模型。對於眾多的企業而言，推理正在成為一個最重要的市場。和大模型聊天？處理圖片，做PPT，文生視訊、即時翻譯、智能汽車對於路況的即時反應、智能家居對於使用者需求的響應、智能體已經處理各種各樣的問題，每一個推理的過程都需要消耗大量的詞元，也就是 token。今天我們有些大模型免費的，大家使用的過程中並不收費，我們很多人都認為大模型可能不收費。事實上這個平台要支撐這樣的模型，要支援這麼多的應用，消耗大量的詞元，這是需要很高的成本支出。我們在處理這樣的一個資訊過程中，長時間佔有資源，不但需要去呼叫模型，還有可能呼叫世界知識，還要進行網路資訊搜尋，通過模型對這些知識進行推理，所有的資訊都是儲存在快取中間，這需要大量的硬體資源來支援，也需要很多的電力進行支援。大模型最終是要收費的，人工智慧的服務也會收費，如果人工智慧是一個高收費的服務，就會把大量的使用者擋在門外，我們人工智慧的應用，使用者根本用不起，人工智慧就很難發展起來。人工智慧最後的決戰，一定是成本之戰，某一個晶片性能高，某一個卡效率高，某一個大模型的參數更強。有沒有價值？有價值。但是它決定不了人工智慧之爭的格局。決定格局的還是成本。汽車市場就是最好的例子，德國的車，義大利的車強大不強大？尤其有那些頂級的豪車，都非常強。但是最強大的油車，還是日本的豐田，原因何在？一件事，便宜。性能不是最好，功能不是最多，但是能用又便宜，這才是絕對的競爭力。人工智慧也是一樣，比較不同模型的參數，今天達到什麼樣的水平？普通的使用者沒有精力幹這件事情。而且他也比較不了，在大模型的能力都日趨完善的情況下，一般性的工作都可以勝任，最後價格就是決定因素。什麼因素影響人工智慧的價格，首先是能源的價格，其次是採用什麼樣的晶片，這個晶片的價格。當然這個晶片最後影響算卡的價格。智算中心的建設成本，智算中心的維運成本。這些都是大模型價格的決定因素。當然大模型的質量也很重要，做同樣的推理，它消耗的詞元不同，也會影響它最終的價格。人工智慧的發展，最終就是誰的價格便宜，誰就有競爭力，誰就有可能把人工智慧推而廣之，作為一個廣泛的應用，極大的改變社會效率，提升社會能力。要降低人工智慧服務的成本，路徑也是非常清楚，一方面採用便宜的能源，能源是支撐推理過程一個必須的支援，沒有能源一切免談，報價能源業務的報價服務。晶片當然也是決定的因素。CPU、GPU和儲存晶片，除了少數性能高的產品，絕大數的場景還是需要低成本的產品，用很低的成本建設智算中心，提供各種各樣的推理服務。高價的晶片一定是人工智慧的殺手，晶片的價格過高，這個產業的承受能力就差。智算中心的建設和維運成本，也是非常大的問題，能夠高效的建設、低成本的維運。這當然會決定人工智慧的成本。其實說到這裡，未來中美人工智慧的格局已經非常清楚。只要進入成本戰，美國基本沒有任何勝算。因為人工智慧服務最後是賣給全世界用的，誰的服務好？誰的價格便宜？誰就更有競爭力。(立剛科技觀察)

DeepSeek爆火的時候，所有聚光燈都打在梁文鋒身上。但他自己說過一句話，原話是這樣的：▌ "在人工智慧領域，前50名頂尖人才可能不在中國，但排名51到500的一定在。"他說的那批51到500名的人，今天大部分人都叫不出名字。但DeepSeek真正是他們造的。這篇文章，試著把聚光燈往別的地方照一照。━━━━━━━━━━━━━━━━一、朱琪豪：用16篇頂會論文換來一個程式碼模型2024年，福建莆田人朱琪豪從北京大學電腦學院博士畢業。他的博士論文《語言定義感知的深度程式碼學習技術及應用》，入選2024年CCF軟體工程專業委員會博士學位論文激勵計畫。在校期間，他發表了16篇CCF-A類論文，還兩次拿下ACM SIGSOFT傑出論文獎。其中一篇論文進入ESEC/FSE會議同年引用前三名。ACM SIGSOFT傑出論文獎是軟體工程領域含金量極高的獎項，很多資深研究者一輩子都未曾觸及。這是什麼水平？可以這樣理解：國內大多數博士一輩子能發2-3篇CCF-A，他發了16篇。他的導師是北大電腦學院的熊英飛副教授和張路教授，兩位都是軟體工程領域的重量級學者。朱琪豪在這樣的團隊裡，不是最亮眼的學生，卻是產出最穩定的一個。他的研究方向是"語言定義感知"——用人話來理解程式碼，讓AI能像人一樣"讀"懂程序的意圖。畢業之後，他沒有去大廠。直接進了DeepSeek。他主導開發了DeepSeek-Coder-V1——這是第一個讓國產AI在程式碼生成上正式能打的模型。在此之前，國產大模型在程式碼場景基本處於弱勢，很多人覺得"國產模型寫程式碼就是個笑話"。朱琪豪把這個笑話，變成了認真的事情。他還是DeepSeekMath的核心作者之一，參與了DeepSeek-V2大模型的研發。他的個人首頁上寫的自我介紹很簡短：▌ "Currently, I am a researcher at DeepSeek, where I focus on developing advanced large models for code generation and logical reasoning."沒有華麗的修辭，沒有刻意展示。就事論事。他現在多大？應該還不到30歲。二、代達勱（mài）："我不是奇才，我只是不停地做下去"圈內有人叫他"戴大麥"。代達勱，2024屆北京大學電腦學院博士，師從穗志方教授。他的研究方向是預訓練語言模型的知識記憶機理——用人話說，就是研究AI怎麼"記住"東西的。在頂會發表論文20余篇，Google Scholar引用次數超過28000次。作為第三核心作者獲得EMNLP 2023最佳長論文獎——這是中國大陸機構首次獲得該獎項，論文題目叫《Label Words are Anchors: An Information Flow Perspective for Understanding In-Context Learning》，探索的是"情境學習"這個AI領域的核心問題。博士論文入選當年全國中文資訊學會激勵計畫，全國僅10篇。還拿過國家獎學金、校長獎學金、微軟學者提名獎、北京市優秀畢業生、北京大學三好學生標兵……但他真正值得說的，不是這些獎。他參與了DeepSeek從LLM v1一路走到V3的全程。更關鍵的是，他不是單純的"演算法人"。作為DeepSeek基礎設施負責人，他負責整個推理系統的工程最佳化與規模化部署。這意味著，他不僅要讓模型"聰明"，還要讓模型在百萬級使用者同時湧入時不崩盤。他作為第一作者提出的DeepSeekMoE架構，發表於ACL 2024。這個架構通過"細粒度專家分割"和"隔離共享專家"解決了傳統MoE架構的知識冗餘問題，僅用28.5%的計算量就達到了DeepSeek 67B的性能。這是DeepSeek V2和V3的核心基礎。說得直白一點：沒有DeepSeekMoE，就沒有後來的V2和V3的性價比傳奇。36氪的報導這樣形容他："理論上好使，工程上也能跑。"這個評價在學術圈其實很高，因為太多人能寫論文但不能落地，能工程實現的又往往缺理論深度。代達勱兩樣都行。他的工作在普通使用者眼裡就是一個問題：DeepSeek能不能用？轉不轉圈？在DeepSeek某次長達十余小時的大規模全站當機事件中，他是一線搶修核心。他的崗位就是這樣的：做好了沒人鼓掌，因為被視為理所當然；出問題會被全閘道器注。據公開報導，V4將全面基於國產晶片完成適配和最佳化——這意味著底層程式碼要大量重寫，推理系統要重新調優，性能瓶頸要重新排查。從輝達CUDA生態遷移到國產晶片框架，算子生態適配的工作量是巨大的。V4成敗，不只看模型跑分，更看發佈時系統能不能穩住。而"能不能穩住"這件事，得問代達勱。他負責的不是模型有多聰明，而是模型能不能在百萬級使用者同時湧入時不崩盤。V4傳聞四起，發佈時間從2月推到3月，又推到4月，外界都在盯著性能跑分，但真正的壓力測試，其實在代達勱這邊。伺服器資源是DeepSeek的軟肋，這已經不是秘密。問題是，留給代達勱的時間還有多少？三、邵智宏：在實習期間寫出了被全行業參考的演算法邵智宏，北京航空航天大學2015級電腦學院本科，後來去清華大學互動式人工智慧課題組讀博，師從黃民烈教授。他來DeepSeek，是實習。就是在這段實習期間，他提出並工程落地了改進版GRPO——Group Relative Policy Optimization，一個高效的強化學習對齊演算法。用大白話解釋這個演算法太複雜，但可以這樣理解它的意義：傳統的強化學習訓練需要一個"裁判"模型來給答案打分，而改進版GRPO直接弱化了裁判依賴，讓一組答案之間互相對比擇優，大幅降低訓練資源需求。這個方案後來被阿里Qwen 2.5技術報告明確引用。用人話說，就是別家AI公司，把一個在讀博士生實習期間的成果，用到了自家旗艦模型上。他後來以第一完成人身份領導了DeepSeekMath項目，通過高品質數學預訓練資料和GRPO強化學習，讓DeepSeek的數學推理能力達到世界級水平。還參與了DeepSeek-Prover（數學定理證明模型）、DeepSeek-Coder-v2、DeepSeek-R1。一個實習生，把腳印踩在了三個主力模型上。2024年度，他入選《麻省理工科技評論》"35歲以下科技創新35人"（TR35）中國區名單，當時28歲。他的個人首頁上寫的自我介紹：▌ "I'm interested in building self-improving systems that can reason."注意這個詞：self-improving。不是"我來訓練你"，而是"你自己變得更好"。這是他對AI的核心信念，也是DeepSeek-R1背後的思想。四、羅福莉："請網際網路還我一片安安靜靜做事的氛圍"在DeepSeek所有"離開"的成員裡，羅福莉是最廣為人知的一個。因為她是被雷軍親自挖走的。但她的故事，不只是一個跳槽的故事。羅福莉，95後，出生於四川宜賓。父親是電工，母親是教師，妹妹是醫生。普普通通的家庭，沒有所謂"程式設計貴族"背景。她本科讀的是北京師範大學電子專業，讀到一半決定轉電腦。父母一開始覺得女生不適合學電腦，說過："你一個女生去修電腦，無論從學歷還是性別上來說都不具備優勢。"羅福莉的回應是："我想探索更多可能性。"轉專業代價巨大。成績一度倒數，靠通宵補課才追上來。她的高中老師評價她"非常刻苦"——在四川的教育環境裡，這已是極高肯定。大三時，她進入北京大學語言計算實驗室實習，選擇NLP作為科研方向。3個月內自學Python，投出一篇頂會論文。之後保研進入北大。碩士期間在國際頂會發表超過20篇論文，其中ACL發表8篇，2篇為一作。畢業後拿到阿里星、騰訊技術大咖、百度AIDU計畫等多個大廠offer，最終選擇阿里達摩院。在達摩院，她主導開發多語言預訓練模型VECO，日均呼叫量達50億次，成為AliceMind八大模型之一。2022年離開達摩院，加入幻方量化，後轉入DeepSeek，參與V2多模態技術研發。她說過一句話，談到為什麼喜歡寫程式碼：▌ "很確定的事情，bug出在那會告訴你，鏈路非常短，幾秒就能收到反饋。"一個人喜歡什麼，從她描述它的方式就能看出來。2024年底，雷軍以高薪招攬她的消息傳遍科技圈。她一直沒有公開回應，直到2025年2月，她在朋友圈寫下：▌ "請網際網路還我一片安安靜靜做事的氛圍吧！捧得多高摔得多重！"反對"天才少女"標籤，呼籲"停止神化技術工作者"。這是一個真正做事的人的態度。2025年11月，她正式宣佈加入小米，任MiMo團隊負責人。12月發佈MiMo-V2-Flash，推理速度150 token/秒，在Agent複雜任務評測中位列全球開源模型Top 2。她寫的宣佈文裡有一句："智能終將從語言邁向物理世界。"從四川宜賓的普通家庭，到"全力奮赴心目中的AGI"——這個女孩的路，走得很快，但每一步都是自己的。五、高華佐：那個從物理系走到AI最前沿的人高華佐，北京大學物理系畢業，來自廣東。他的名字在公開報導中出現頻率極低，低到很多人以為他不是核心成員。但他做的事，每一件都是硬核級的。2024年5月，DeepSeek-V2發佈。這個版本最被外界稱道的技術突破，是MLA——多頭潛在注意力機制，替代了傳統多頭注意力。簡單來說，它把推理視訊記憶體壓縮到此前常用架構的5%-13%。這意味著：同樣的算力，能服務的使用者量可以翻好幾倍。MLA的核心實現與最佳化，高華佐與曾旺丁是關鍵貢獻者。曾旺丁畢業於北郵，來自湖南新化縣，研究生導師是北郵人工智慧與網路搜尋教研中心主任張洪剛。兩人一個北大物理、一個北郵AI，沒有"標準大模型團隊"背景，卻合作完成了DeepSeek最關鍵的架構創新之一。高華佐高中就顯露天賦：2012年在華南師範大學附屬中學就讀時，獲第29屆全國中學生物理競賽一等獎，2013年保送北京大學物理學院。從物理到AI，跨度很大。但梁文鋒本身就是浙大信電工程出身，後來做量化投資。DeepSeek的招人邏輯很清楚：不看你學什麼，看你能不能解決問題。高華佐的名字，大多數人不知道。但你每次用DeepSeek的時候，背後都有他的程式碼在跑。六、趙成鋼：從衡水中學到DeepSeek的超算冠軍補一個細節：DeepSeek的硬體工程團隊裡，有人來自輝達、阿里雲，也有不少從幻方AI轉崗而來。但有一個人的經歷特別值得說。趙成鋼，河北衡水中學資訊學競賽班出身。2016年獲全國青少年資訊學競賽（CCF NOI）銀牌。進入清華大學後，大二就成為清華學生超算團隊正式成員。三次斬獲世界大學生超算競賽金牌。這個成績在超算圈意味著：他是全世界最會"把顯示卡用到極限"的年輕人之一。畢業後，他先後就職於Google、輝達。網友戲稱"老黃應該把招聘負責人開了"，雖是玩笑，也說明一個問題：這樣的人才，在國外大廠做底層工程，回國後在DeepSeek能做更有影響力的事。在DeepSeek，他負責訓練與推理基礎架構。用輝達A100顯示卡，做到了相比官方DGX-A100更低的成本與能耗優勢。DeepSeek-V3訓練僅用約280萬GPU小時，遠低於國際同級模型的估算算力，約為Llama 3 405B估算值的1/10。以約1/10的算力，跑出了能與GPT-4o同台競技的模型。這背後，趙成鋼的基礎架構工程是關鍵。從衡水中學競賽班，到清華超算團隊，再到Google、輝達，最後到DeepSeek——他的每一步，都在"把硬體往極限操"。七、郭達雅："入學第三天，我就完成了博士畢業要求"郭達雅，1994年生於廣東珠海，2023年中山大學博士畢業。導師是印鑑教授，並與微軟亞洲研究院前副院長周明博士聯合培養。周明是中國NLP領域標誌性人物，能被他看中的學生，本身已說明實力。但郭達雅最"驚人"的不是導師，而是成長速度。初中時期成績並不優秀，後來意識到自學的重要性，開始猛追。高考後的暑假，他自學完成大學一年級基礎課程。進入中山大學後，大四入選與微軟亞洲研究院的聯合培養項目。在微軟實習一年裡發表兩篇頂會論文。他本人笑稱：▌ "在剛入學的第三天，我就完成了中大博士生的畢業要求。"微軟實習前半年迷茫無方向，每周讀多篇論文，半年累計百余篇。後半年方向明確，進展極快：每篇論文約1個月實驗、2-3周撰寫。這是典型"慢熱型"人才：前半段厚積，後半段薄發。2023年7月，他加入DeepSeek，專注程式碼智能和大語言模型推理。V2、V3、R1等一系列模型的核心作者名單裡，都有他的名字。他的導師印鑑對他的期許是："希望他能成為中大的'雷軍'。"據業內消息，郭達雅近期已離開DeepSeek，成為字節跳動等多家頭部公司爭搶的對象。能同時精通程式碼智能與推理最佳化的人，全球範圍內都屈指可數。他給中大學子的寄語裡說：▌ "一個人的學習能力才是最重要的'技術'。"從初中成績平平，到被導師寄予"中大雷軍"的期待，郭達雅的故事告訴我們：學習能力，比任何學歷都重要。八、那些"不合規"的人：undefinedDeepSeek裡有一個細節，很少被提到。梁文鋒說，團隊裡有人是物理專業畢業，靠自學電腦入職；還有維運工程師，入職前對大模型零經驗。對比其他AI大廠的招聘要求：N年大模型經驗、名校學歷、大廠履歷……還有吳信，DeepSeek後訓練團隊負責人，2019年北航博士畢業，在微軟亞洲研究院參與過小冰與必應百科項目。Google Scholar引用超12000次，影響力位居全球AI學者前列。但他加入DeepSeek前，工作年限並不長。還有王炳宣，北大元培學院碩士畢業，來自山東煙台，畢業後直接加入DeepSeek，參與了從V1開始的一系列重要工作。還有孫景翔，清華博士生，在DeepSeek實習期間與導師劉燁斌合作，完成3D生成相關開放原始碼專案。它不是語言模型，卻證明DeepSeek的技術佈局，比外界想像得更寬。這些人有一個共同點：年輕、經驗不算最長、沒有華麗海歸光環。但他們共同造出了讓全球AI行業刷屏的產品。━━━━━━━━━━━━━━━━梁文鋒的招人標準只有兩條Jack Clark，OpenAI前政策主管、Anthropic聯合創始人，評價DeepSeek僱傭了"高深莫測的奇才"。梁文鋒不同意。他說，我們要的不是"奇才"，就兩條：第一，熱愛。第二，好奇心。不看名校，不看大廠履歷，不看有沒有做過大模型。他還說過一句話，我覺得最值得記下來：▌ "每個人有自己獨特的成長經歷，都是自帶想法的，不需要push他。讓每個人有自由發揮的空間和試錯機會。創新往往都是自己產生的，不是刻意安排的，更不是教出來的。"這句話，解釋了朱琪豪、代達勱、邵智宏、羅福莉、高華佐、趙成鋼、郭達雅這些人為什麼會選擇DeepSeek。不是因為錢最多，不是因為光環最大。是因為有一個地方，讓他們可以去做真正想做的事。他們在DeepSeek的時候，沒有聚光燈。V4發佈之後，也不會有。但DeepSeek的每一個版本，都是他們用程式碼一行一行堆出來的。 (章魚爸爸AI商業和搜一搜實戰)