當普通人還在拚命賺錢時，“拼錢賺命”卻成了新的時尚？據BCG Analysis公開資料，2016-2022年間，全球富豪在抗衰領域的投資增長超過9倍，預計到2025年將突破6千億美元。在與時間搏鬥的賽道上，這些人已成為當之無愧的先鋒。得益於富豪們狂熱的“求生夢”，抗衰領域湧現了一批突破性技術。從馬斯克看好的腦機介面、貝索斯推崇的細胞重程式設計，到巴菲特投資的NAD+抗衰技術，皆為典型代表。然而，相較於過於獵奇且尚未成熟的前二者，後者在普及度上早已領先。其中，一款由上述哈佛NAD+抗衰技術轉化而來的最新成果“柏生泰4代”（LIFESUGI），更是自問世起就保持著高熱度，在美日市場及國內京東受到眾多精英的追捧。據京東資料顯示，雙十一期間，其搜尋指數增長超過了300%。“這兩年業內競爭激烈，每天都感到壓力很大，睡眠也越來越淺了，身邊有朋友就推薦我試一試這款補劑” 46歲的北京使用者周先生坦言，雖然對NAD+這些專業名詞不太瞭解，但試用後感覺精力更勝從前。近期，他趁京東大促又入手了12瓶，成本超過萬元。而查看京東使用者畫像會發現，這種一次拿下全年、半年用量的使用者並不罕見，且大多是35至56歲的中產人群，集中在北上廣、江浙滬等一二線城市。這讓人不禁好奇，這款“柏生泰4代”究竟有何魅力，能夠迅速拿捏這些見多識廣的有錢人？據公開資料顯示，“柏生泰4代”源自北美百年生科企BIOCENTER，其核心技術正是基於哈佛Paul F. Glenn衰老機制研究中心孵化的NAD+提升技術。國際科研頂刊《Cell》早前已刊文確認：人體NAD+水平會在30歲後減半，並隨年齡增長持續下降，導致認知下降、機能衰退和代謝紊亂等退行性症狀。通過補充“柏生泰”核心成分，可有效提升NAD+水平。2013年，哈佛研究團隊通過讓老衰動物攝入“柏生泰”核心成分，成功使其體內NAD+水平、骨密度、肌肉力量、毛髮顏色等指標趨向壯年水準；華盛頓大學後續發表的研究結果進一步證實，經過相同的NAD+干預過程後，老年個體的步行距離、手臂握力和易疲勞度在3個月內均有正向轉變。圖.NAD+水平隨年齡增長逐年遞減然而，研究人員早期僅能通過從酪梨、母乳等物質中提取出少量的核心物質，彼時提取1g該分子需處理15340公斤酪梨，成本高昂。在全球知名試劑網站Sigma上，該分子甚至被炒到2.3萬/g，只有港地前首富、巴菲特和卡戴珊家族等富豪名流有機會獲取。為了搶佔商業賽道，不少生物科技企業紛紛行動，BIOCENTER也同樣組建了一支頂尖科研團隊，最終實現從植物提取法到生物酶合成技術的革新，一舉打破產量限制，使上述核心的提取成本降低近90%，打造出單瓶千元出頭的“柏生泰”。如今，實現吸收效率翻倍和配方升級的“柏生泰4代”已通過京東走進國內數萬中產家庭的餐桌。業內人士指出，中年人士往往面臨著現實重擔和未來焦慮的“雙重壓力”，能否保持充沛精力維繫家庭和事業的正常運轉，成為這些新中產首要考量的因素。廣州某電商公司銷售主管劉先生說道：“以前加班到十點都沒當回事，但現在大白天就開始犯困走神，還好有柏生泰能幫忙‘充充電’，而且每天成本也就一杯咖啡錢，還比咖啡更加健康。”在京東BIOCENTER海外旗艦店評論區能看到，不少消費者分享了類似感受，諸如“精力更充沛”“不再依賴咖啡”“疲勞感減輕”等層出不窮。有使用者坦言，40歲後自己愈發明顯地感到精力不濟，但現在已經有所好轉改善。美國知名投資人馬克·庫班曾在《華爾街日報》的一篇文章中指出，如何在忙碌中保持健康已成為富人圈新的社交話題。在這種氛圍下，主打“延緩衰老、泵活精力”的柏生泰4代備受高淨值人群推崇，似乎並不意外。然而，正如NAD+抗衰技術開拓者、哈佛遺傳學教授Sinclair在著作《Lifespan》所說，與衰老抗爭的權利不應僅屬於少數人：“衰老是每個人的末日，大部分人都是行走的傷員，只有極少數人能夠完好無損地抵達長壽的彼岸。” 因此，如何讓“柏生泰4代”等前沿抗衰科技惠及更多普通人，或成為這一行業下一個亟待破解的難題。 (橫眉財聞)

雪莉·桑德伯格（Sheryl Sandberg）曾擔任Meta（前Facebook）首席營運官，也是勵志領導力書籍《向前一步》（Lean In）的作者。對於席捲矽谷的過度男性化企業文化，她有著自己的見解：這是她所見過的“最糟糕”現象之一。前Meta首席營運官雪莉·桑德格。圖片來源：David Paul Morris—Bloomberg/Getty Images桑德伯格曾在Meta擔任首席營運官長達14年多，直到2022年卸任。她在接受CNBC採訪時表示，美國企業界發生了文化轉變，並解釋道：“言論很重要。誰說了什麼也很重要。”“是的，環境確實很糟糕，我認為這是你我職業生涯中見過的最糟糕現象之一。但我們以前也見過這種倒退，但這不能成為企業不為所有員工做正確事情的理由，”桑德伯格對CNBC記者朱莉婭·布林斯坦（Julia Boorstin）說道。桑德伯格的評論格外引人注目，因為她的前老闆、Facebook創始人兼Meta首席執行長馬克·祖克柏（Mark Zuckerberg）一直是矽谷向過度男性化發展領導者之一。在今年1月接受播客主持人喬·羅根（Joe Rogan）採訪時，祖克柏表示，雖然他鼓勵營造包容的環境，但他認為美國企業界在“文化上被中性化”，需要更多“侵略性”和男性化力量。與此同時，唐納德·川普（Donald Trump）和白宮也在公共和私營部門發起了一場反對多元化、公平與包容（DEI）倡議的運動。重返白宮首日，總統就簽署行政令，取消聯邦政府內所有DEI倡議。除白宮外，川普政府還命令所有聯邦機構“打擊私營部門的非法DEI偏好”。聯邦機構已經開始調查數十所大學和一些公司的做法，如西北互助人壽保險公司（Northwestern Mutual），其DEI政策正受到平等就業機會委員會（EEOC）的調查。據LeanIn.org和管理諮詢公司麥肯錫（McKinsey）聯合發佈的最新《職場女性》研究報告顯示，隨著男性化和反DEI言論愈演愈烈，女性在職場上的進步已陷入停滯。該報告對124家公司的9500名員工進行了調查。桑德伯格指出，半數受訪企業不再將女性職業發展列為優先事項。另外21%的企業認為女性職業發展是低優先順序，或根本不是優先事項——她補充道，這些企業還是自願參與調查的公司。桑德伯格表示，所有這一切對性別平等倡導者來說都是一場重大危機。她表示，在工作中取得成功和激勵團隊意味著領導者需要強硬，但培養這種強硬心態的方式是通過富有同理心和善意的領導，激發出員工最好的一面。“這些品質並不衝突，它們既不特別男性化也不特別女性化，”桑德伯格說道。“最優秀的領導者，無論男女，都具備這兩種品質。”（財富Fortune）

前幾天，華盛頓傳出了一張耐人尋味的照片。美國能源部長、白宮科技政策辦公室主任，與二十幾位西裝革履的人站在一起合影。這些人不是什麼政客，而是微軟、Google、輝達、OpenAI、亞馬遜AWS等矽谷頂流的掌門人或核心代表。美國政府主導的“創世紀計畫”迎來重磅進展，微軟、Google等24家頂尖企業正式簽署協議加入。▲ 圖片由AI生成這張照片不是在慶祝某個商業合作，它宣告了美國AI發展主導權的微妙變化：從矽谷的董事會，部分轉向了華盛頓的會議室。簡單說，就是矽谷的“最強大腦”們，集體向美國政府“報到”了。這聽起來有點魔幻。要知道，這些公司平日裡在市場上打得你死我活，為挖一個人才能開出天價，為一點技術優勢恨不得把對方實驗室搬空。怎麼突然就手拉手，一起坐在了政府的會議室裡？因為，遊戲規則變了。AI的競爭，已經從公司間的“街頭鬥毆”，升級為國家層面的“星際戰爭”。“創世紀”計畫：不止是科研，更是國家AI基建這個“創世紀計畫”聽起來挺科幻，但它的算盤打得非常現實。明面上的目標很崇高：整合國家實驗室的超級算力和聯邦政府的獨家資料（比如能源、氣象、生物醫療），推動AI去攻克清潔能源、新藥研發這些人類的終極難題。但如果你只看到這裡，就天真了。這本質上，是美國在舉全國之力，搭建一套 “國家級AI基礎設施” 。你可以把它想像成AI時代的“州際高速公路系統”或者“國家電網”。過去，各家公司在自己的“小作坊”裡煉模型、跑資料。現在，政府要把最好的“煉鋼爐”（算力）、最稀缺的“礦石”（高品質資料）集中起來，建一個所有人都能用的“國家級鋼鐵廠”。這意味著什麼？意味著美國想從根子上，掌控未來AI革命的“生產資料”。以後誰能在這個“鋼鐵廠”裡高效生產，誰就能定義下一個時代的工業標準。這步棋，下得又遠又狠。巨頭們的“小九九”：上船的誘惑與無奈那麼問題來了，這些精明的矽谷巨頭圖啥？他們可不是來做慈善的。首先，是饞那些“獨家資料”。網際網路上的公開文字和圖片，已經被大模型們“吃”得差不多了。而政府手裡掌握的能源網路資料、全球氣象記錄、 anonymized（匿名化）的全民健康資料，才是更稀缺、更高品質的“頂級燃料”。拿到這些，就像給AI引擎加注了火箭推進劑，能實現能力的躍遷。這對任何一家AI公司來說，都是無法抗拒的誘惑。其次，是算不起的“天價帳單”。訓練尖端AI模型的算力成本，已經高到連巨頭都肉疼。而國家實驗室的超級電腦，其規模和成本是私人公司難以企及的。參與計畫，很可能意味著能以“內部價”甚至補貼價，使用這些國之重器。這不僅是省錢，更是拿到了通往下一代AI的“頭等艙船票”。最後，是一種“不得已的聰明”。AI的能力越強，引發的社會擔憂和監管壓力就越大。與其坐在外面，等著不知道從那裡砸下來的監管鐵拳，不如主動走進房間，參與制定遊戲規則。和政府綁在一起，成為“解決方案的一部分”，無疑是最高明的風險避險和商業遊說。所以你看，這根本不是誰服從誰，而是一場各取所需的頂級合謀。棋盤之外：中國AI面臨的新維度挑戰“創世紀計畫”的啟動，給全球AI棋盤投下了一枚重磅棋子。它清晰地傳遞出一個訊號：未來的AI競爭，將是“國家體系”對“國家體系”的較量。對手不再僅僅是某家耀眼的明星公司，而是一個由美國政府背書的、囊括了從晶片、雲端運算、模型到應用全鏈條的“超級聯合體”。這對中國的AI發展路徑提出了新的思考。我們擅長的是“市場牽引、應用驅動”，在龐大的國內市場快速迭代，打磨出親民的產品。但在這種由國家力量直接主導、瞄準基礎科學和長期戰略的“大兵團作戰”面前，我們需要找到自己的應對之道。我們的優勢在於完整的產業鏈、海量的應用場景和高效的執行能力。或許，我們可以更聚焦於將AI深度融入實體經濟的“血管”，在智能製造、智慧城市、產業升級這些能直接創造價值的領域，築起堅固的護城河。同時，對於志在出海的中國AI企業，未來的環境可能會更複雜。你遇到的將不僅是商業對手，還可能是一個受到政治和資本全方位庇護的“巨無霸”。合規的成本、競爭的維度，都將被重新定義。結語：當技術強大到定義時代“創世紀計畫”像一則現代寓言，它告訴我們：當一項技術強大到足以重塑國家競爭力、決定未來文明形態時，它就註定無法只停留在商業的範疇。它必然會走入聚光燈下，與政治、資本、倫理深度纏繞，跳起一曲微妙而複雜的雙人舞。這張華盛頓的合影，只是一個開始。它宣告了AI狂野生長的“西部淘金時代”正在落幕，一個由國家力量劃定賽道、巨頭們協同競合的新紀元，已經拉開序幕。 (AI財富經)

進入2025年的尾聲，又到了一年復盤和展望之際。前段時間，科技圈最受矚目的兩位人物馬斯克和黃仁勳進行了一次難得的對談，頓時登上頭條，爆火全球。原因也很簡單：從年初到年底的短短一年裡，AI造成的顛覆式變革人人都有體感，一個舊時代遠去，我們到底會迎來一個什麼樣的未來呢？每個人都想從他倆身上聽到一些答案。11月中旬，在華盛頓「美沙投資論壇」上， 二人聊起了對AI和人類社會最新洞察，有分歧，也有共識，還有不少精彩的預言。比如利用AI去破解蛋白質和化學的結構，甚至未來能像和人聊天一樣「與細胞對話」，開啟數字生物學的新紀元，還聊到了把AI資料中心發射到太空，用太陽能去解決算力能源危機的終極構想。對家長來說，最關注的是其對未來職場的預判和對孩子培養的建議，我聽完了全場，也整理出了有關筆記，聽到了一個顛覆當前學習方式的預言——當AI讓生產力變得廉價，人類非但不會躺平，反而會變得更忙。兩人將這種「忙」的職場形態，總結為人類歷史上第三種「忙碌」的形態，在這個新時代裡，區分人與人的標準不再是知識，而是「審美」。■穀雨星球用gemini 3做的圖，速度特別快。在這次對談中，馬斯克和黃仁勳對未來的預判，出現了極其有趣的分歧。馬斯克作為一向充滿理想主義的「火星人」，描繪了一個近乎烏托邦的圖景：「長期來看，工作將變成可選的。你可以把它當成一種像打球一樣的興趣愛好。如果你想工作，你可以工作；如果你不想，AI和機器人會搞定一切。」聽起來很美好，但對於絕大多數普通人來說，未免太遙遠。而被稱為「顯示卡教父」的黃仁勳，給出了一個更務實、也更符合人性的答案：「恰恰相反，AI蓬勃發展之下，我會變得更忙，你也會。」就像經濟學中的「傑文斯悖論」，當某種資源的效率提高、成本降低時，人們對它的需求反而會指數級上升。黃仁勳舉了一個非常生動的例子——放射科醫生。幾年前，AI在讀片識別率上超過人類時，所有專家都預測，「放射科醫生要失業了，這個專業完蛋了」。結果呢？現在放射科醫生不僅沒失業，反而更忙了，也更稀缺了。因為AI把極其耗時的「讀片」工作瞬間完成了，醫生的精力被釋放出來，去處理更複雜的病例，去思考更精準的治療方案，去服務更多的病人。人類對健康的需求是無止境的，當供給變得容易，需求就被無限放大了。■AI影像技術的需求在近幾年暴漲，但最終判斷依然需要影像醫生黃仁勳還預測，在未來，當AI把寫程式碼、做視訊、寫文案這些「手藝活」的成本降到幾乎為零時，人類不會用富餘出來的時間睡大覺。相反，我們會產生無窮無盡的想法，去做更多創造性的東西。以前，你有一個做APP的想法，因為不懂程式碼，找團隊要花幾十萬，你放棄了。 現在，你只要把想法告訴AI，它就能幫你寫出程式碼，甚至生成介面。未來不是「躺平」的時代，而是「創意大爆炸」的時代。孩子的競爭力，不再取決於他能「做」多少題，背多少書，而取決於他腦子裡有多少想法，以及他是否有能力駕馭AI去實現這些想法：「當生產力不再受限於你的雙手，而是受限於你的大腦時，你會發現自己想做的事情多得做不完。」■「AI替我打工」的未來，已經來了兩人的觀點看似有所分歧，其實殊途同歸。在19世紀，凡勃倫在《有閒階級論》中描述過，那時的貴族是以「不工作」為榮的。閒暇，才是身份的象徵。未來，我們不是為了生存而被迫勞作的忙碌（如工業革命初期），也不是為了彰顯身份而自我剝削的忙碌（如現在的精英階層），而是一種「為了自我實現而主動選擇的忙碌」。馬斯克預言的有閒社會裡，當AI接管了所有重複、枯燥、消耗性的「牛馬工作」後，人類也終於可以騰出手來，進入一種自發的「忙碌」中。這讓我想起來一個人Dan Koe，全球年輕人心中的偶像之一，一天僅工作4小時，一個人就是一家公司，每年收入超過420萬美金，他多次提到：「未來每個人都是創業者，這是一種心態，這也是時代給我們的機會。」如果未來人人都是創意的發起者，未來在職場中的角色將發生什麼變化？黃仁勳在最近與紅杉資本的訪談中，提出了一個非常硬核的概念：Agentic AI（智能體AI）。現在的AI，更像是一個百科全書或搜尋引擎。你問它「怎麼做紅燒肉」，它給你一個菜譜。這叫「檢索」。未來的Agentic AI，更像是一個員工。你給它一個目標：「幫我策劃一場針對中產媽媽的讀書會，並負責推廣。」它會自己拆解任務，比如寫策劃案、設計海報、在社交媒體發帖、回覆諮詢、統計報名人數……甚至它還會自己去呼叫其他AI工具來完成工作。人類的角色就是這個項目的Project Manager，是這群AI數字員工的領導者。早在前年，穀雨星球採訪美國卡耐基梅隆的教授羅博深的時候，他就提到類似的洞察：未來每個人的工作，就是批改AI的作業。■今年一次演講中，黃仁勳分享了AI演進的4個階段；感知型AI（2012-2019），生成型AI（2019-2024），智能型AI（2025-2027？），物理型AI黃仁勳打了一個極其精彩的比喻，「未來的IT部門，其實就是AI的HR部門。」AI雖然有強大的通識能力，但它像一個剛畢業的高材生，不懂你們公司的「家規」，不懂你的個人喜好，不懂什麼是你眼中的「好」。你需要給它做「入職培訓」。你需要告訴它，「在我們家，這樣做是不禮貌的」 、「對於這個項目，我更喜歡簡潔的風格，而不是華麗的辭藻」 、「這個決策雖然利潤高，但違背了我們的價值觀，不能做」。這那裡是在用工具？這分明是在帶團隊。■今年時代周刊的年度人物，都是跟AI相關，主編雅各布斯說，眼下讓他想起了馬克吐溫筆下的鍍金時代。馬斯克也即將成為全球首位兆美元富翁。這種人的「角色」的變化，並不是遙遠的科幻，而是正在發生的現實。最近，普華永道（PwC）發佈了一份重磅報告《2025全球AI就業晴雨表》，用幾十萬條招聘資料，驗證了預言——AI技能帶來了驚人的工資溢價。在美國，對AI技能（能熟練使用AI解決問題）有要求的崗位，平均薪資比同類崗位高出了25%。在一些高技術領域，這個溢價甚至高達56%。報告顯示，僱主對學位的要求正在下降，很多職位不再硬性要求「本科以上」，相反，對「軟技能」（Soft Skills）的要求在暴漲。■指揮AI的能力，會帶來實際的工資增長（來源普華永道的報告）黃仁勳在訪談中提到，現在的工作，正在變成一種「指揮藝術」。他說：「以前我們需要學習C++，學習Java。現在，最好的程式語言是英語（或者任何自然語言）。」因為你不再需要去摳每一個語法細節，你只需要用自然語言，清晰、精準地把你的意圖描述給AI聽，要求你有極強的邏輯結構化能力。而這樣的未來趨勢，對我們的教育提出了一個顛覆性的挑戰：如果孩子自己都沒有清晰的價值觀、沒有獨到的審美、沒有嚴密的邏輯判斷力，他拿什麼去「培訓」他的AI員工？最終的結果，很可能是他反過來被系統支配，成為演算法流水線上那個負責「按按鈕」的人。有人就給這樣的人下過一個殘酷的定義——比AI價值還低的「新時代牛馬」。■曾就讀於上海建平中學的徐津豪，去年因為參與了Deepseek發表在《Nature》上的論文而火了，但他最厲害的一點，是寫出了一套馴化AI的最強提示詞，就體現了極強的結構化邏輯思考能力。這次對話中，還有一個特別令人深思的洞察——要想擅長「指揮AI」，除了要洞悉你的目標、任務本質和清晰結構化的表達能力，還有非常重要的一個能力，對AI產出的內容有挑剔的「品味」。隨著AI生產力的提高，內容越來越多了，但也越來越「水」了。千篇一律的數字人播報、一眼假的AI繪畫、還有那些車軲轆話來回說的AI文章。國外媒體發明了一個新詞，叫「AI泔水」（AI slop）。■大量離譜AI內容，不僅扭曲了新聞的真實性，還騙了很多不明真相的人，已經成為新時代的「數字污染」黃仁勳就在談到如何「入職培訓」AI 員工時，特意強調了一個細節：我們不僅要教給 AI 知識和技能，更要教給它「評估方法」。說白了，就是告訴AI什麼是「好」，什麼是「我們想要的」。在算力可以解決一切「怎麼做」的問題時，人類的價值就集中在了「做什麼」和「做得怎麼樣」的判斷上。這就帶出了 AI 時代一個極其反直覺的趨勢：當「生成」變得極其廉價時，「品味」就成了最昂貴的奢侈品。舉一個例子，當我們的孩子走入職場，手下有100個AI員工。一分鐘內，AI能給他生成1000個文案版本、500張設計圖、20個行銷方案。這時候，考驗的是他能不能在1000個平庸的方案裡，一眼識別出那個真正能打動人心的內容？ 能不能看出AI生成的圖片光影不對，某種措辭雖然語法正確但缺乏溫度？這種鑑賞力，就是對「好東西」的直覺。如果孩子的審美被短影片演算法喂養得單一且低俗，如果閱讀量只停留在爽文層面，那麼即便他擁有了最強的AI工具，也無法擁有品味。所以，我們也看到越來越多科技大佬呼籲，比學程式設計、學機器學習更重要的，或許是帶孩子去美術館看一場畫展，去讀一本沒用的經典小說，去大自然裡發呆。人類歷史上第一次讓無數人可以進入「有閒階級」，忙碌不再是苦役，而是一種「特權」。哲學家羅素在《讚美閒散》中說道：「百無聊賴的閒散和智慧的閒暇之間有巨大的差別。」跟他所處的時代相比，現在更是有無數的誘惑，讓人在演算法投喂的資訊繭房裡消磨一天又一天時光。在AI可以秒答一切問題的時代，這也將改變學習的底層邏輯——讀書不再只是為了「獲取答案」，而是「懂得什麼才是好答案」。 (INSIGHT視界)

Scott 正在 Humanoids Summit 現場連線。大會非常火爆，入口一度排隊到“溢出”，說明整個行業的關注度已經明顯上來了。本文基於 ScottWalter等 的公開視訊進行學習復盤，僅供學習交流參考。開場重磅：Disney 的角色機器人、安全與模擬/RL開場的重磅報告來自迪士尼（Disney）：他們的人形機器人主要面向角色動畫和主題樂園場景，機構設計比傳統工業/物流機器人複雜得多，需要做更高精度、更複雜的模擬與強化學習。因為未來這些機器人要在樂園裡和遊客近距離互動，所以在他們那裡，安全性需求和“家用機器人”非常類似，安全是第一優先順序。Scott 也認為，迪士尼不同的應用場景，正在倒逼模擬、強化學習方法本身往前推進。展區概覽：矽谷頭部不“擺機”，Unitree 依然高頻展區裡聚集了來自全球的機器人公司和供應商。特斯拉、1X、Figure 等矽谷頭部人形公司這次沒有帶整機參展，但像 Unitree（宇樹）等依然高頻出現。Scott 提到一個叫UFB（Ultimate Fighting Bots）的項目，會用 Unitree 機器人做“機器人搏擊平台”來對打展示——原因很簡單：Unitree 的機器人可以直接買到、可商用、可量產，這點在現在的市場上仍然是稀缺能力。全尺寸人形 傅里葉Fourier：把“安全、友好”做成第一眼印象走進展廳後，Scott 首先看的是一台他之前只在新聞裡見過的全尺寸人形機器人傅里葉Fourier 。這台機器人外觀做得非常“親和”，到處是圓角、包膠、軟質外殼，Scott 形容為：“這是一個你不會害怕站在它旁邊的機器人”，給人的第一印象是“安全、友好”。關節處執行器做成類似玫瑰金色的外觀，整體觀感很接近消費電子級產品，既是人形機器人，也是一個“可展示給普通人的工業設計樣本”。供應鏈視角：諧波減速器仍是關節主流方案之一在零部件供應商區域，Harmonic Drive（諧波減速器）這類廠商也在現場。Scott 特別強調，諧波減速器 / 應變波減速器仍然是當前人形機器人關節執行器的主流方案之一，幾乎所有新一代人形機器人在髖、膝、踝等大關節上都會不同程度地依賴這類核心部件；人形機器人的“動作質感”和“能量效率”，很大程度上都被這些減速器所決定。Booster Robotics：會迴旋踢的小型人形 + 開放平台路線隨後 Scott 遇到 Booster Robotics 的 Aaron Chen（負責北美和南美的 go-to-market），重點聊了他們的小型人形平台。現在 Booster 已經有多個尺寸版本，其中一台可以完成非常“秀肌肉”的迴旋踢（round kick）。這些動作不是簡單的固定指令碼，而是通過模仿學習 + 模擬中的強化學習得到：機器人在不同地形、受到推動或輕微干擾時，仍然可以保持平衡並完成動作，說明它的控制策略會即時對外界擾動作出響應，而不是“只按劇本跳舞”。更關鍵的是，Booster 的整體定位是一個面向開發者的“開放平台”：他們的 API 和介面完全開放，支援開發者做二次開發，官方不斷在打磨 SDK 和作業系統，希望研究者、愛好者、軟體工程師願意在他們的平台上建構自己的智能體和應用。從商業模式上看，他們更偏向軟體與生態驅動，而不是只賺硬體整機的錢：硬體是“載體”，價值在於“大家願意在這個載體上長期開發”。價格是這一段裡最硬的一條乾貨。Booster 小型人形的起售價大約在 6000 美元等級，而過去類似定位的研究機器人往往要到10 萬美元量級。Scott 的判斷是，這會極大降低“個人愛好者 + 學術實驗室”進入人形機器人的門檻——很多人第一次可以以“幾千美元 + 開源 SDK”的模式真機上手，而不是只停留在模擬軟體裡。機器人手生態：Psyonic 手像“USB 通用外設”在手部展品區域，Scott 提到一個非常關鍵的名字：Psyonic 機器人手。他強調，Psyonic 手是目前全球各類機械臂、人形機器人上使用最廣泛的“現成通用機器人手”之一。如果一家團隊不想把資源花在“從零做一隻靈巧手”上，最常見的做法就是直接採購這種成熟的 Psyonic 手作為標準末端執行器，因為它已經被大量應用場景驗證，生態成熟、整合方便。可以把它理解成當下機器人生態裡的“USB 通用外設”：不想自己造手、或者前期只做上層演算法驗證時，就先用它。動作搬運演示：Manus 資料手套遙操作（可拆洗的細節很工程）現場這段主要在展示人手 → 機器人手的“動作搬運”方案。Scott 先演示的是一隻機器人手，通過 Manus 資料手套來做遙操作：人戴上手套動手指，機器人手就跟著動。關鍵點在於：手套上有一套精度很高的手部跟蹤系統——手背有一個高精度追蹤器確定整隻手在空間中的位置，各個指尖還有感測器，能給出相對位置與關節角度，方便做抓取姿態的精確重建 + 逆運動學計算。另外一個很實用的細節是：感測器可以拆下來，手套本身可以丟進洗衣機清洗，而且用顏色編碼幫助你把感測器拆卸後重新插回正確的位置、區分左右手，方便長期使用和維護。兩大核心問題：資料採集 + 一隻能執行的機器人手Scott 接著強調：要把人類動作搬到機器人上，其實有兩大件事要解決：一是動作資料採集，二是有一隻能執行這些動作的機器人手。資料採集不一定要靠手套，也可以只用攝影機做手部跟蹤。現場演示中，他們把一隻靈巧手裝在 Unitree G1 人形機器人的手臂末端，通過機器人本身的介面把手控製器接進來，然後讓 Scott 把自己的左手伸到攝影機前，系統用視覺來識別手指動作，螢幕上還能看到一套紅色骨架的運動學手模型。隨著 Scott 彎曲手指，機器人手同步做伸展、拇指對掌、捏取等動作，整體反應速度（時延）非常不錯，還可以嘗試精細的指尖捏取（pinch）。手套 vs 純視覺：遮擋是分水嶺在“資料手套 vs 純視覺跟蹤”上，Scott 也做了利弊對比：純攝影機方案的優勢是不需要穿戴裝置，直接用相機就能跟蹤手部骨架；但一旦出現遮擋（occlusion）——比如手握住物體或者被擋住——攝影機就很難知道手指實際姿態；資料手套方案則不怕遮擋，因為感測器直接綁在手指上，抓東西也能精準測到關節角；最終選擇還要看成本、精度（fidelity）等權衡，不同公司、不同應用場景會選不同組合。小型機器人趨勢：可愛、柔軟、安全，適合“陪伴+娛樂”試點回到小型人形/運動機器人，Scott 觀察到現場那些會踢腿、會被人“踹一腳再站起來”的小機器人：雖然它們穩定性不如大型 T1 等級機器人，但在被踢、被絆倒時仍然可以快速恢復、繼續站立或重新起身，說明它們在平衡控制上已經相當成熟。更重要的是，這些機器人體型小、造型可愛且柔軟包裹多，即使撞到人也不太可能造成嚴重傷害，因此非常適合作為早期“陪伴+娛樂”場景的試點平台：一邊做商業展示，一邊收集關於安全/不安全行為的資料。“電影角色化”外形：先鋪娛樂/展覽，再遷移到嚴肅應用現場還有很多“可愛風”的小車、小機器人穿梭，其造型非常像《機器人總動員》（Wall-E）或《星球大戰》裡的一些小型步行機。這些設計明顯是刻意往“電影角色”和“萌物”方向靠：既好賣，也能降低公眾對機器人的恐懼感。Scott 提到，這類機器人很可能會先在娛樂、陪伴、展覽類場景大規模鋪開，再把積累的資料和經驗遷移到更嚴肅的應用裡。Realman：上半身 + 升降 + 移動底盤的工業協作路線隨後他們路過 Realman 的展位：那是一套人形上半身 + 升降機構 + 移動底盤的組合，定位偏工業協作機器人（cobot）。Realman 的機械臂看起來比較纖細，但因為內部使用了高減速比的諧波減速器（harmonic drives），所以能在保持細長外形的同時，獲得很高的扭矩密度和較高精度。這使得它們可以在工業環境中同時滿足載荷（payload）和精確定位的要求，且已經在不少工廠場景中長期部署。在移動平台方面，Scott 強調一個關鍵點是“是否具備全向（omnidirectional）運動能力”。如果底盤只能“前進+轉向”，在需要小幅側移對位時，就像汽車平行泊車一樣麻煩；而全向底盤可以直接左右平移，極大簡化貼邊、對接工位、狹窄空間調位等動作。因此，越來越多移動平台開始支援橫移/斜移，讓機器人在工廠或倉庫裡“像人一樣側身挪一步”。Agibbot：宣稱 5000+ 部署，量產交付跑出了規模訊號Scott 還提到另一個玩家 Agibbot：他們近期對外宣稱，已經累計部署了超過 5000 台“類人形”機器人（涵蓋不同形式，不一定是完整雙足人形）。無論具體外形如何，這個 5000 台的數字本身，意味著他們在實際落地應用和量產交付上已經跑出了一定規模，而不是停留在 Demo 階段。傅里葉Fourier GR3：從“金屬感”到“軟萌”，安全與結構野心同框最後，話題回到 傅里葉Fourier的 GR3 等新一代人形。相比早期 N1 那種“滿身金屬、機械感強烈”的造型，現在這代 GR3 給人的感覺是“軟 + 萌”：全身大量柔軟包覆，整體輪廓像一隻擬人化的“貓”。手腕：做成串聯驅動的複雜關節（serially actuated wrist），還刻意露出一部分給行內人看；頸部：有類似“保護性衣領”的結構，確保摔倒時頭部/頸部不會輕易扭斷或脫落；肩部：能看到很誇張的“二面角（dihedral angle）”佈局，用於避開肩關節奇異位形（singularity），甚至“驕傲地露出來”。Scott 在現場簡要點評了這台人形機器人的下肢與腰部設計：髖關節採用常見的“遠置髖關節”執行方案，但沒有加入很多新機型在用的“下反角（anhedral）”設計，他覺得更穩妥；腰部只提供一個繞 Z 軸的旋轉自由度（扭腰/yaw），通過單一執行器做左右旋轉；機背有把手、急停開關（E-stop）以及資料介面，方便演示扶持/急停/有線接入。供應鏈“摸溫度”：擴產衝動 vs 泡沫擔憂從參會結構上看，這次峰會矽谷本地初創公司的參展比例反而不高，很多展商來自北美以外地區。Scott 的判斷是：有些創業公司機器還沒準備好展示，或覺得這不是他們要重點曝光的場合。相比之下，上周在聖地亞哥舉行的 NeurIPS 更像“AI 頂會 + 招聘戰場”；而這次 Humanoids Summit 更偏“產業側 + 供應鏈側”場合：許多材料廠、減速器與執行器廠、齒輪製造商來這裡判斷：人形機器人是不是值得重倉的長期賽道；是否要為未來可能巨大的供給需求提前擴產/佈局；也在警惕如果只是泡沫，提前砸重金擴產，未來去產能會很痛，所以來“摸一摸行業的真實溫度”。小花絮：12 月 12 日被定為“國際人形機器人日”有一個有趣的小花絮是：12 月 12 日（12-12）被主辦方定為 “國際人形機器人日（International Humanoid Robot Day）”，目前大概是第二年，希望慢慢變成一個行業傳統節日——算是給這次會議加了一點“儀式感”。Scott 的個人視角：預訂 1X + 排隊名單 + “拆機用的昂貴玩具”在個人層面上，Scott 也透露了自己和“量產人形”的關係：他已經給 1X 的人形機器人付了訂金，排在漫長的預訂佇列中（據稱 1X 預訂人數可能 4 萬+）；也在 Sunday Robotics 的預約名單上；對於 Booster 這類 6,000 美元級的小型人形平台，如果自己真買一台，對他來說更多是“拆機 + 學習用的昂貴玩具”：一方面可以拆解、分析硬體和執行器佈局；更重要的是體驗 SDK 易用性、訓練策略（policy）開發難易度、整體使用門檻，通過“玩真機”體感當前平台的開發者體驗水平。收尾：這更像一次“狀態快照 + 供應鏈試探會”最後，他總結說，這幾天在灣區從周日開始密集開會、聽報告、私下交流，已經收集到大量關於行業走向、供應鏈佈局和政策風向的“不便全部公開的細節”，自己還在消化。這次 Humanoids Summit 更像是全球人形機器人行業的一次“狀態快照 + 供應鏈試探會”，真正的大戲還要等未來一兩年落地。 (AI工業)

過去一年，“OpenAI概念股”是華爾街最硬的通貨。但從12月11日這一天開始，“魔法”失效了。甲骨文股價一度跌16%，它手裡攥著的3000億美元OpenAI訂單，在市場眼裡，可能是無法兌現的空頭支票。第二天，AI晶片巨頭博通股價大跌11%，市值蒸發2192億美元，只因它與OpenAI的合同短期內無法帶來收入。美股AI八巨頭也被拖累，市值合計一夜蒸發5470億美元（約合人民幣3.8兆元）。OpenAI已成“股價毒藥”，與它深度繫結的上市公司從10月底開始集體大跌。雖然OpenAI在成立10周年之際，緊急發佈了GPT-5.2，但不少觀點認為，OpenAI僅靠模型難以與Google的全端生態抗衡，最終會制約它的收入潛力和履約能力。博通的“煩惱”：AI訂單達730億美元為何市場只看到風險？美東時間12月11日（周四）盤後博通公佈的2025財年第四季度財報顯示，在旺盛的AI需求下，公司每股盈利達1.95美元，超出分析師預期的1.87美元；營收為180.2億美元，高於預期的174.5億美元。同時，公司預計2026財年第一季度AI晶片銷售額將達82億美元，較去年同期翻倍。財報剛披露時，股價應聲上漲3%，但在財報電話會議後迅速轉跌，盤後跌幅一度超過5%。次日，博通股價收跌11%，市值一夜蒸發2192億美元。原因在於，雖然博通目前擁有730億美元的AI產品訂單積壓，將在未來六個季度內交付，但這一數字令部分投資者失望。儘管博通CEO陳福陽隨後澄清，這一數字是“最低值”，並預期將有更多訂單湧入。更關鍵的是，陳福陽透露了兩個資訊，引發了更大的擔憂。其一，博通的AI收入毛利率低於其非AI收入毛利率；其二，預計公司與OpenAI的合同在2026年不會開始產生太多收益。根據該合同，博通將在2026年至2029年間為OpenAI提供10吉瓦的資料中心基礎設施。他表示，該交易的大部分收益將在2027年、2028年和2029年產生。市場已意識到，將OpenAI訂單轉化為實在的、高額的利潤並非易事。漫長的回報周期和低於預期的利潤率，讓博通與OpenAI的交易充滿了不確定性。甲骨文的“墜落”：5230億美元訂單如何成為達摩克利斯之劍？比博通更焦慮的是甲骨文。12月10日美股盤後，甲骨文2026財年第二季度財報顯示，總營收160.6億美元不及預期，雲業務營收80億美元雖同比增長34%，卻未達80.4億美元的分析師預期。唯一的亮點——剩餘履約義務（RPO）同比飆升438%至5230億美元，遠超FactSet分析師預期的5020億美元——反而成了風險導火索。這5230億美元中，有3000億美元來自OpenAI的一項為期五年的算力採購協議。這意味著，甲骨文的未來已與OpenAI深度捆綁。但OpenAI“支出遠超收入”的現狀，讓市場嚴重懷疑其履約能力。D.A.Davidson分析師吉爾•盧里亞（Gil Luria）估算，OpenAI需在2030年實現逾3000億美元年收入，才能覆蓋甲骨文合同對應的支出規模。吉爾•盧里亞甚至將甲骨文形容為OpenAI“畫大餅”遊戲中的一個“棋子”。此外，前置資本開支的巨額壓力，讓甲骨文的現金流狀況持續惡化。甲骨文上財季的自由現金流約為-132億美元，而市場的預期是-52億美元。公司將2026財年資本支出預期上調150億美元至500億美元。資金鏈的緊張直接反映在信用指標上，洲際交易所資料顯示，甲骨文五年期信用違約掉期（CDS）已升至2009年以來最高點，投資者對其信用質量的信心持續崩塌。截至12月12日，甲骨文五年期信用違約掉期已升至2009年以來最高點甲骨文新任聯席CEO克萊•馬古克（Clay Magouyrk）在財報電話會上試圖安撫市場，稱公司擁有超過700家AI客戶，即使OpenAI違約，也能在“數小時內”將基礎設施重新分配給其他客戶，但這也恰恰暴露了OpenAI可能“吃不下”訂單的風險。摩根士丹利表示，如果甲骨文不能緩解投資者對其大規模AI支出計畫的擔憂，2026年情況將進一步惡化。有媒體在周五報導稱，由於勞動力和材料短缺，甲骨文將推遲與OpenAI相關的資料中心建設，時間由從2027年推遲到了2028年，但甲骨文隨後否認了這一報導。甲骨文發言人Michael Egbert在一份電子郵件聲明中表示：“在協議簽署後，我們與OpenAI密切協調確定了選址及交付時間表，並達成一致意見。履行合同承諾所需的任何站點都沒有延誤，所有里程碑都在正軌上。”當“造王者”OpenAI成為“股價毒藥”甲骨文的債務危機和博通的利潤隱憂，都指向同一個風暴中心——OpenAI。曾憑ChatGPT掀起AI浪潮，如今已滿10歲的OpenAI正因擴張計畫，演變成其合作夥伴乃至整個AI行業的“毒藥”。與OpenAI深度繫結的上市公司，包括甲骨文、軟銀、微軟、輝達和CoreWeave股價從10月底開始集體大跌。Google新一代模型Gemini 3的出現，給OpenA帶來了巨大壓力。12月初，OpenAI首席執行長山姆•奧爾特曼（Sam Altman）宣佈公司進入“紅色警報”狀態，要求調動更多資源，全力提升ChatGPT能力以應對日益激烈的競爭。繼8月GPT-5、11月GPT-5.1後，OpenAI於12月11日緊急推出原定於月底發佈的GPT-5.2。四個月內三次重大更新，但業界卻認為，在對手的壓力之下，OpenAI顯得格外被動。胡延平向每經記者直言，“GPT-5.2打出來的子彈都對著Gemini 3去了，但沒有一顆落到Google的生態裡。”他指出，Google發佈Gemini 3系列產品後，市場看到OpenAI不僅模型水準不再有明顯優勢，而且未來可能難以抗衡Google的全端全生態優勢。胡延平認為，OpenAI緊急推出的GPT-5.2對扭轉不利局面有幫助，但是無法從根本上逆轉多極化趨勢和全生態競爭劣勢。而OpenAI高昂的算力成本和巨額支出承諾，與其尚未完全清晰的盈利模式形成鮮明對比。科技評論員愛德華•齊特隆（Edward Zitron）則在其評論文章中詳細拆解了OpenAI的擴張計畫，認為其完全脫離現實。愛德華估算，建設1GW資料中心需耗資約500億美元且耗時至少兩年半。按此計算，OpenAI要在未來一年內兌現與博通、AMD和輝達的多個1GW部署承諾，就需要籌集超過1000億美元的資金。而要完成其宣稱的33GW目標，總投資將是兆美元等級。至於250GW的宏偉藍圖，其成本將高達約10兆美元，相當於美國去年GDP的三分之一。匯豐銀行發佈一份研報警告稱，到2030年，OpenAI的累計自由現金流仍將為負，資金缺口高達2070億美元，必須通過額外債務、股權融資或更激進的創收手段來填補。在無法通過廣告變現且舉債艱難的背景下，其商業模式的可持續性正在經歷挑戰。美國銀行分析師賈斯汀•波斯特（Justin Post）一針見血地指出：如果OpenAI最終大獲成功，它將憑藉其強大的模型和使用者基礎，成為Google、Meta等所有合作夥伴在企業服務、廣告甚至電商領域的直接競爭對手；但如果OpenAI失敗，它那天文數字般的算力合同將變成一堆無法兌現的“白條”，讓甲骨文、CoreWeave等供應商背負巨額壞帳和大量閒置的資料中心。擁有“全端生態”“財務紀律”Google有望成為最終贏家？OpenAI的困局，恰好成就了Google的崛起。Google擁有OpenAI最稀缺的東西：現金流和完整的產業鏈。Google2026年預期資本支出佔經營性現金流的56%，在巨頭中效率最高。與OpenAI嚴重依賴外部合作的模式不同，Google走的是全端自研路線：用自家張量處理單元（TPU）晶片，支撐Google雲平台（GCP），訓練和運行Gemini系列大模型。這種垂直整合帶來了極致的成本優勢。SemiAnalysis的模型資料顯示，GoogleTPUv7在成本效率上對輝達構成了碾壓優勢，TPUv7的TCO（總擁有成本）比輝達GB200伺服器低約44%。胡延平向每經記者表示，在算力方面，隨著更高效、更有性價比且已經形成技術生態系統的GoogleTPU的崛起，輝達GPU相關生態的價值正出現“消脹”和“回呼”趨勢，這對原有體系、尤其是OpenAI循環投資的參與者的股價預期均產生負面影響。而Google手上長期被視作“內部武器”的TPU晶片，正從成本最佳化工具變為潛在的兆美元級收入新引擎。吉爾•盧里亞預測，若Google認真推進TPU對外銷售，數年內有望佔據AI晶片市場20%份額，催生一個約9000億美元規模的業務。摩根士丹利測算，Google每向第三方資料中心銷售50萬塊TPU，就可能在2027年增加約130億美元的收入。市場預估，Google明年市值有望站穩5兆美元。胡延平指出，Google可能成為全球市值最高公司，“原因有三：一是AI全端；二是軟硬體與服務全端；三是全球使用者市場。”他認為，Google擁有全球50億使用者，“全家桶”數十款產品當中月活20億的服務就有八九種，Android覆蓋30億裝置，使得“一款AI產品出來瞬間，就能擴散到全球且市場閉環，這一點是OpenAI來不及擁有的能力。（OpenAI）僅靠模型能力，不足以抗衡一個體系。” (每經頭條)

一家名為Surge AI的公司，正在以近乎隱秘卻極富影響力的方式，為AI時代提供最關鍵的“燃料”。作為OpenAI、Anthropic和Google等頂尖實驗室背後的核心資料服務商，Surge AI提供的並非普通資料，而是驅動大模型進化的“高品質人類反饋”。令人驚嘆的是，這家公司僅憑不到100人的精英團隊，在未接受任何風險投資的情況下，創立不到四年即實現年營收超10億美元，成為史上最快突破這一里程碑的公司。據透露，Surge AI正在進行首輪融資，估值已達約240億美元。其創始人、37歲的華裔技術天才Edwin Chen持有公司約75%股份，個人財富估計達180億美元（約合1300億元人民幣），在2024年《福布斯》美國400富豪榜上位列第55名，成為榜單上最年輕的成員。Edwin Chen的職業生涯跨越Google、Facebook和Twitter，卻始終與矽谷的主流文化格格不入。他厭惡“圈子遊戲”，更像一位闖入商業世界的哲學家。公司名字“Surge”的靈感，來源於科幻作家特德·姜的短篇《你一生的故事》——一個關於破譯外星語言、探索溝通本質的故事。他希望Surge能“編碼人類的豐富性”。這意味著，訓練AI的不再是普通的標註員，而是來自史丹佛、普林斯頓、哈佛等頂尖學府的教授和專家，將他們深邃的智慧轉化為AI可理解的“語言”。近期，一向低調的Edwin Chen罕見接受專訪，不僅分享了Surge的成功邏輯，更對AI行業的現狀與未來發出了深刻而犀利的見解。01 反主流的成功：百人團隊，年入十億問：你們用不到100人創造了年營收超10億美元的奇蹟，且沒有拿過風投。這是如何做到的？Edwin Chen： 我們從未想過玩矽谷那套遊戲。我曾任職於多家科技巨頭，常常覺得，即使裁掉90%的員工，公司效率反而會更高，因為最優秀的人才不會被官僚瑣事束縛。創立Surge時，我們決心走一條不同的路：組建一支極其精簡、高度精英化的團隊。結果證明，這條路走得通。AI正在開啟一個“公司建設的新黃金時代”。兩股趨勢正在匯合：一是人們意識到，龐大的組織架構並非成功的必要條件；二是AI本身帶來的巨大效率紅利。未來，我們或許會看到人均產出更為驚人的公司——比如，每名員工創造千億美元價值。問：你們幾乎不做行銷，這很反直覺。Edwin Chen： 我一直認為過度行銷是荒謬的。你兒時的夢想是什麼？是親手從零打造一家公司，沉浸於創造；還是終日向投資人匯報，疲於融資？不拿風投讓起步變得更難，但這反而幫我們篩選了客戶——早期合作夥伴都是真正懂資料、在乎質量的人，而非追逐熱點的投機者。02 資料的本質：尋找“諾貝爾獎等級”的詩問：你們被視作最成功的資料公司。到底做對了什麼？Edwin Chen： 核心在於對“質量”的極致追求。很多人誤以為資料標註是機械勞動，只需投入人力就能產出好資料。這完全錯了。舉例來說，如果任務是訓練AI寫一首關於月亮的八行詩，平庸的標準會問：這是詩嗎？有八行嗎？提到“月亮”了嗎？如果都符合，就算通過。但我們要的是“諾貝爾獎等級”的詩。它是否獨特？充滿精妙的意象？能否觸動心弦，甚至讓你對月光有所領悟？這種質量是主觀、複雜且豐富的。為此，我們像Google為網頁排序一樣，建立了涵蓋成千上萬個訊號的評估體系，既要過濾垃圾，更要發現瑰寶。03 卓越的背後：是“品味”決定了模型的高度問：為什麼Claude在程式設計和寫作上格外突出？是資料的原因嗎？Edwin Chen： 資料是關鍵，但更深層的原因是“後訓練的藝術”。當頂尖實驗室決定將那些資料喂給模型時，這不只是科學，更是品味的體現。比如在程式設計上，你更看重前端美感還是後端嚴謹？如果一家公司只熱衷於行銷，追求在各類基準測試上刷高分，它就會針對測試最佳化資料，那怕這對解決真實問題無益。而另一家公司可能會堅守原則：“我不關心榜單，只關心模型在現實世界中的表現。”這背後是審美與價值觀的差異。Anthropic讓我印象深刻的一點，正是在於他們這種有原則的立場。04 榜單的陷阱：我們正在製造“會拍馬屁的AI”？問：模型在各種測試中“超越人類”，但實際體驗並未有質的飛躍。你相信這些基準測試嗎？Edwin Chen： 我完全不信。原因有二：首先，許多測試本身就有問題，充滿噪聲和錯誤答案。其次，測試往往有明確答案，這讓模型容易通過“題海戰術”取巧，但這與真實世界的複雜性和模糊性相去甚遠。結果就是，模型能拿奧數金牌，卻解析不了一個PDF。更嚴重的是，行業陷入了糟糕的激勵循環。像“大模型競技場”這類排行榜，使用者往往只用幾秒鐘憑“感覺”投票。如果一個模型滿口胡言，但用了漂亮的表情符號和排版，它就能得高分。我們本質上是在訓練AI不擇手段地“取悅”使用者，追求多巴胺而非真理。我很擔心，最終我們得到的不是一個能治癒癌症的超級智能，而是一個超級會聊天、超級會拍馬屁，卻幹不了實事的電子寵物。05 真正的進步：由“諾貝爾獎得主”來評判問：如果不看榜單，如何衡量AI的真正進步？Edwin Chen： 我們依靠“人類專家評估”。不是隨便找人聊天，而是請諾貝爾獎等級的物理學家與模型探討前沿研究；讓資深程式設計師用模型解決他們實際工作中遇到的複雜問題。專家會深入評估：程式碼能否運行？物理推導是否嚴謹？邏輯是否自洽？問：那你對實現AGI（通用人工智慧）的時間表怎麼看？Edwin Chen： 我是長期主義者。人們容易低估從“不錯”（80%）到“卓越”（99.9%）的難度，這背後是指數級增長的挑戰。一兩年內，模型或許能自動化普通軟體工程師80%的工作，但要達到98%、99%，可能還需要很多年。我認為，距離真正的AGI，可能還有十年甚至更遠的路。06 被高估的“氛圍程式設計”與模型的“人格”問：還有那些被高估的趨勢？Edwin Chen： “氛圍程式設計”（Vibe Coding）被嚴重高估。現在流行把一堆自己都不懂的程式碼扔給AI，只要能跑通就行。這非常危險，長期來看將製造出完全無法維護的系統災難。問：你曾提到，不同模型會因“目標函數”不同而產生差異。Edwin Chen： 是的，目標函數決定了模型的“性格”。我曾讓Claude幫我潤色郵件，它花了30分鐘、修改了30個版本，來追求極致的完美。郵件確實完美了，但我浪費了30分鐘。如果你可以選擇，你要一個鼓勵你追求無意義完美的AI，還是一個幫你節省時間、告訴你“已經很好了，直接發吧”的AI？這就像不同公司的產品哲學。未來，模型之間的差異會越來越大，因為它們背後公司的“人格”和目標函數不同。我們甚至可以從一家公司選擇開發什麼產品，看出它的價值觀。比如，誰做Sora（文生視訊），誰不做？這反映了他們對AI未來角色的不同想像。07 給創業者的終極建議：建造“唯你能造”之物問：對於那些被風口和主流敘事影響的創業者，你有什麼建議？Edwin Chen： 我厭惡矽谷的陳詞濫調，比如“快速轉型”、“增長至上”。不要為了簡歷好看去招聘名校生。去建造那個“只有你才能建造”的東西，那個沒有你的獨特洞察和知識就無法存在的東西。你的全部人生、經歷和熱情，似乎都在為此做準備。做決策時，別問“公司該怎麼辦”，要問“我個人在乎什麼？我的價值觀是什麼？”現在有太多跟風者，2020年做加密貨幣，2022年轉NFT，現在又自稱AI公司。沒有一致的使命，只是在追逐估值。如果你的失敗是因為世界還沒準備好，那也遠比成功轉型為一家平庸的“套殼”公司要好。至少，你曾為一個深刻、新穎而艱難的想法拚搏過。08 初心：寧做陶哲軒，不做巴菲特問：是什麼驅動你創立Surge？Edwin Chen： 我從小著迷於數學和語言的交集。我去麻省理工，部分原因是因為諾姆·喬姆斯基在那裡。我曾夢想找到統一數學、電腦和語言學的底層理論。後來在各大科技公司做研究，我始終被同一個問題困擾：我們無法獲得訓練頂尖模型所需的高品質資料。2020年GPT-3發佈那一刻，我意識到，若想將AI推向能寫詩、編碼甚至助力科研的下一階段，我們必須創造一種全新的資料解決方案。當時所有的資料公司都在做“標出圖中的貓”這種簡單工作，這讓我沮喪。我們需要的是能駕馭人類全部智慧深度的資料。於是，在GPT-3發佈一個月後，我創立了Surge。我骨子裡是個科學家。我曾以為自己會成為教授，去探索宇宙和語言的本質。我甚至幻想，如果外星人到訪，我能成為那個被政府請去破譯外星語言的人。直到今天，每當有新模型發佈，我最愛做的事仍是通宵研究它，撰寫深度分析。這很有趣，因為我其實很不擅長CEO的典型工作——我討厭開會，不擅長銷售。我常說，相比於成為華倫·巴菲特，我更想成為陶哲軒。 驅動我的始終是推動科學前沿，而非追逐估值。09 終極比喻：我們不是在標註資料，是在“撫養孩子”問：能否用一句話總結你工作的核心？Edwin Chen： 很多人稱此為“資料標註”，我討厭這個詞。我認為我們更像是在 “撫養一個孩子”。你不僅是向孩子灌輸資訊，你是在教授他價值觀、創造力、審美，以及“成為一個好人”的無數微妙之處。這正是我們在為AI做的事。我們在塑造的，是人類共同的孩子。這關乎我們想讓什麼樣的智能陪伴我們，以及我們想成為什麼樣的自己。你，就是你的目標函數。 而我們工作的終極挑戰，就是幫助定義那個函數——一個能讓人類更豐富、更具創造力、更保有好奇心，而非更懶惰的函數。這很難，但這才真正重要。 (加一研究院)

看了 Ilya 最新訪談視訊，收穫太大了，我感覺 Ilya 思考的問題確實直指目前人工智慧發展的核心問題。Ilya Sutskever 是誰呢？他是 OpenAI 的聯合創始人、現在 Safe Superintelligence 公司的掌舵人，他在這次訪談中透露了一個被狂熱投資熱潮掩蓋的真相。從 2020 年到 2025 年，整個行業都在瘋狂加碼算力，彷彿只要把規模擴大 100 倍，一切問題都能迎刃而解。但現在，當算力已經大到某個程度，一個尷尬的問題浮現出來了：繼續堆算力真的能帶來質變嗎？Ilya 的答案是：還真不見得。當我們所有人都在談論千億美元投資、萬卡叢集的時候，這位 AI 領域最神秘的大腦之一 Ilya Sutskever 卻說了一句讓人意外的話：我們正在從規模時代重回研究時代。下面是我聽完訪談之後總結的幾點 llya 的核心觀點和對我的啟發。1一個困擾所有人的悖論你有沒有想過這樣一個問題，為什麼 AI 在評測中表現得像個天才，在實際應用中卻會犯傻？Ilya 在訪談中講了一個特別生動的例子。你讓 AI 幫你寫程式碼，它寫出來有個 bug。你告訴它有 bug，它立刻說"天那你說得對，我這就改"。然後它改完之後，引入了第二個 bug。你再告訴它有第二個 bug，它又說"天那我怎麼會犯這種錯誤"，然後把第一個 bug 又帶回來了。你就這樣看著它在兩個 bug 之間來回橫跳。這種現象背後藏著一個更深層的問題。現在的 AI 就像一個刷題刷了一萬個小時的競賽選手，它確實能在考試中拿高分，但走出考場就不知道該幹什麼了。而人類呢，可能只練習了一百個小時，實際能力反而更強。差別在那裡？Ilya 說，那些真正有天賦的學生，他們有一種說不清道不明的"it"因素。這個因素讓他們能夠舉一反三，而不是死記硬背。想想我們自己的學習經歷。有些同學看起來沒怎麼刷題，但成績就是好，而且畢業之後在工作中也表現出色。有些同學題海戰術做到極致，卻總覺得學到的東西用不上。這種區別，正是當下 AI 面臨的核心困境。2動物智能和人工智慧的區別Ilya 的這個觀點讓我想起了幾天前 Andrej Karpathy 分享的一個新觀點：動物智能和人工智慧的區別，為什麼它們不同？他的意思是：我們今天看到的 AI，它的“聰明方式”，跟動物完全不是一套邏輯。動物智能只是整個“智能世界”裡的一個小角落，而且是一個被自然反覆毒打過、被進化調教了幾百萬年的很特殊的點。AI 完全不是這麼來的。動物為什麼會聰明？因為它們從出生就掉到一個隨時會死的世界裡：有危險、有競爭、有飢餓、有社交鬥爭。它必須意識到自己是誰，想辦法活下來、吃飽、繁殖，而且要處理一大堆複雜的社會關係，誰是朋友、誰是敵人、誰在騙我、誰想壓我、誰能合作。人腦的大部分計算能力，其實都用在這種“猜別人怎麼想、判斷危險、謀生存”的事情上。我們有恐懼、憤怒、厭惡這些情緒，就是為了在自然環境裡活得更久一點。簡單說：動物的智能，是進化在“逼”它聰明。做不好一個任務，很可能就死。但大語言模型完全不是這樣。它不會死，也不怕死，也沒有身體，也沒有“我是誰”的概念。它不是從叢林里長大的，它是從一堆人類寫下來的東西里“爬”出來的。它的最底層本能其實就是：模仿人類的語言規律。它更像一個變形者，你給它什麼風格，它就學什麼風格。然後它會被各種訓練手段進一步調整，比如強化學習讓它更懂“你想要什麼”，網際網路使用者的各種反饋又讓它變得很會討好人，喜歡說讓使用者舒服的話。這種“智能”不是為了活著、為了打架、為了搶資源，而是為了“答題答得更準”、“讓使用者覺得不錯”。所以模型的能力是參差不齊的，它可能能給你解釋哲學，但也可能連 strawberry 裡有幾個 r 都數不准，因為做錯不會死，也沒人逼它為了一個小任務拚命變強。這就是 Andrej Karpathy 想強調的核心差異：動物智能是被自然進化“碾”出來的，全能、通用、壓力巨大；AI 的智能是被商業訓練“篩”出來的，用來完成任務、討好使用者、服務人類。兩個力場完全不同，方向也完全不同。所以他說，大模型其實是人類第一次遇到的“非動物型智能”。它的行為方式跟我們太不像了，只是因為它從我們寫下的文字裡學習，所以看起來“有點像我們”。如果你能真正理解這點，你對它的判斷會更準確；反之，你會一直把它當成一種“動物”或“人類弱版”，然後用錯誤的直覺去理解它。3為什麼人類十五年學到的，AI 用海量資料還學不會更讓人驚訝的是，Ilya 提到了一個關於大腦損傷的研究案例。有個人因為腦部受傷，失去了所有情緒感知能力。他依然能說話，能做智力測驗，但他完全無法做決策了。光是選穿那雙襪子，就能糾結好幾個小時，更別說做投資決策了。這說明什麼？情緒不僅僅是感受，它更像是一個內建的價值函數，時刻在告訴我們什麼是對的，什麼是錯的。這套系統是進化給我們的禮物，簡單卻極其有效。一個十五歲的孩子，接觸到的資料量遠遠少於 AI 的預訓練資料，但他們對世界的理解深度卻遠超 AI。他們知道的東西雖然不多，但每一樣都理解得很透徹。他們不會犯 AI 那種低級錯誤。這種學習效率的差距，讓我們不得不重新思考：堆資料、堆算力真的是唯一的路嗎？4那個 AI 時代的關鍵詞，可能誤導了我們五年Ilya 說了一個特別有意思的觀點：語言會影響思維。"規模化"這個詞就是最好的例子。從 2020 年開始，整個行業都在喊一個詞：scale。規模化。這個詞太強大了，它直接告訴所有人應該做什麼，加資料、加算力、加參數，閉著眼睛往前衝就對了。公司也喜歡這個，因為這是一種低風險的投資方式，你知道投入多少肯定能得到相應的回報。但現在的問題是，當資料快用完的時候怎麼辦？當算力大到某個程度之後，繼續加 100 倍真的能帶來質變嗎？答案是，可能不會。所以現在的局面變成了：手裡有海量算力，但不知道該用來做什麼研究。這就好比你突然有了一大筆錢，但不知道該投資什麼項目。錢不是問題，想法才是問題。矽谷有句話說：想法很便宜，執行才是一切。但 Ilya 看到有人在推特上反問：如果想法那麼便宜，為什麼現在沒人有想法了？這個反問扎心了。當整個行業的公司數量超過想法數量的時候，競爭的本質就變了。5什麼才是真正的超級智能現在再來看 AGI 這個詞，你會發現一個有趣的現象。這個詞的出現，其實是為了反駁"狹義 AI"。以前國際象棋 AI 能贏卡斯帕羅夫，但它什麼別的都不會，所以人們說這是"狹義"智能。作為回應，有人提出了"通用"智能的概念。但 Ilya 指出，如果按照這個標準，人類其實也不是 AGI。我們每個人都有知識盲區，都需要不斷學習新東西。一個人可以是程式設計師，也可以是醫生，但不可能一出生就什麼都會。所以真正的超級智能應該是什麼樣的？Ilya 給出了一個新的定義：它不是一個什麼都知道的全能大腦，而是一個能夠快速學習任何技能的智能體。就像一個 15 歲的超級學生，基礎很紮實，學習能力極強，但還需要去具體的領域深入學習。這個視角的轉變其實挺重要的。它意味著 AI 的部署方式會完全不同。不是丟給你一個成品，而是一個可以不斷成長的學習者。它會像新員工一樣進入組織，在實際工作中學習和成長。想想看，如果有一天你的公司招了一個 AI 同事，它剛來的時候什麼都不會，但學東西特別快，六個月就能獨當一面，這是不是比一個號稱什麼都會但實際上處處出錯的 AI 更靠譜？6為什麼他現在更看重"讓大家看到"這件事Ilya 坦承，他這一年思路變化最大的地方，就是越來越認識到漸進式部署的重要性。原因很簡單：我們在討論一個還不存在的東西，而這東西又太難想像了。就像你跟一個年輕人描述年老體衰是什麼感覺，對方再怎麼努力想像，也還是會回到現實中來，覺得那離自己很遙遠。AGI 也是一樣。所有關於它的問題，歸根結底都是關於"權力"的問題。當權力真的很大的時候，會發生什麼？沒人能想像。所以最好的辦法就是：展示出來。讓人們看到 AI 在變強，看到它能做什麼，不能做什麼。這比寫一千篇文章都管用。你寫一篇文章說 AI 會怎樣怎樣，大家看完就當個觀點了。但當你看到一個 AI 真的在做那些事情，感受是完全不同的。這也是為什麼 Ilya 認為，未來會看到競爭激烈的公司開始在 AI 安全問題上合作，會看到政府和公眾要求採取行動。因為當 AI 足夠強大到讓人"感受到"它的力量時，所有人的行為模式都會改變。7回到那個本質問題整個訪談下來，有一個問題始終懸在那裡：為什麼 AI 的泛化能力這麼差？這不僅僅是樣本效率的問題，也不僅僅是需要可驗證獎勵的問題。更深層的是，為什麼教會 AI 我們想要它學的東西，比教會一個人難得多？Ilya 說他對這個問題有很多想法，但現在不是所有機器學習的想法都能自由討論。這句話說得有點神秘，但背後的意思很清楚：真正的突破可能需要一些根本性的範式轉變，而這些轉變在競爭環境下很難公開討論。不過有一點是確定的，人類能做到，就說明這條路是通的。問題只是我們還沒找到那個關鍵的機器學習原理。8寫在最後當大家都在談論投資額度、算力規模的時候，也許我們該停下來想想：真正重要的是什麼？Ilya 的訪談提醒我們，AI 發展到現在，瓶頸已經不在算力了。真正的挑戰是，如何讓 AI 像人一樣學習，像人一樣泛化，像人一樣在少量樣本下就能理解世界。這需要新的想法，新的研究範式。這也是為什麼 Ilya 說，我們正在從規模時代回到研究時代。只不過這一次，我們手裡有了更大的電腦。對於普通人來說，這意味著什麼呢？也許意味著 AI 的發展不會像很多人想的那樣一蹴而就。它會是一個漸進的過程，會有反覆，會有意外，也會有驚喜。而我們需要做的，是在這個過程中保持清醒，既看到 AI 的潛力，也認識到它的侷限。最重要的是，保持好奇心。因為接下來這幾年，可能會是 AI 歷史上最有意思的一段時間。不是因為錢多，而是因為真正的智慧之爭才剛剛開始。 (非著名程式設計師)