AI财富鸿沟：为什么40倍通缩改变一切——与 Dave Blundin、Salim Ismail、Dr. Alex Wissner-Gross 对谈｜EP #208
摘要
据报道，AI智能成本同比下降40倍，使算力能力成为本期所说的更广泛价格下行的“核核心”。 Moonshot AI 的 Kimi 模型据称已接近 SWE-bench 顶尖水平，差距约1%，训练成本仅460万美元，比早期 OpenAI 和 Anthropic 模型低约30–40倍。如果这条曲线在需求每年增长1,000倍的同时延续，先进智能将不再是超大规模云厂商的专属，并开始带动医疗、食品、能源等成本一同下降。
短期风险在于，丰裕到来之前，AI可能已经扩大了财富鸿沟。 一项覆盖32个国家、6万人的调查显示，全球最关切的问题是生活成本，其次是失业和社会不平等；Dave转述了一名伊朗实习生的例子：她的父母每年收入的三分之一都花在iPhone和流量套餐上，因为“没有信息就无法生活”。Peter预计长期会出现去货币化，但认为未来2至7年是危险窗口；Dave警告，加入AI后，“鸿沟……可能会变得非常、非常宽”。
Anthropic在企业端的势头，既是商业模式信号，也押注于代码生成将开启递归式自我改进。 Dave称，银行因为信任 Claude 处理敏感数据而采用它，并称“用AI做管理工具是所有金矿里的金矿”；Peter引用预测称，Anthropic 2028年收入将达到700亿美元、现金流170亿美元。Alex则明确表示技术判断尚未定论：代码可能重写模型，形成加速飞轮；也可能广义智能仍需要“视觉思维链”和物理世界 grounding。
电力基础设施正成为AI建设周期中最清晰的卖铲子交易。 预计2026年将出现1GW级数据中心；一项800亿美元的公私核电计划可能建设约10座1.1GW的 AP1000 反应堆，但仍赶不上本期所引用的2030年92GW需求。Dave预计，到2030年每年流入数据中心和电力的资金最高可达1.2万亿美元：“纵观世界历史，从来没有接近过如此规模的资金迁移。”
AI科学正从辅助走向批量发现，时间表也从几十年压缩到几年。 Sam Altman称 GPT-5 已显现新科学的“微小曙光”，并表示 GPT-6 可能带来类似 GPT-3 到 GPT-4 的跃迁；Alex预计，许多甚至大多数重大挑战将在3年内开始被攻克。据报道，Edison 的 Cosmos 可将专家4至6个月的研究压缩到12小时，疾病治愈项目也正把目标时间推向约2030年。
监管和劳工抵制，可能决定哪些地区能够获得生产率红利。 Peter称，欧洲AI审计平均成本为26万欧元、耗时8至15个月，欧洲模型上市时间则晚于美国同行6至12个月；与此同时，波士顿工会要求 Waymo 车内配备人类安全驾驶员。Alex认为，缺失的技术是一套能“同时实现加速与社会凝聚力”的系统，因为阻止部署或许能暂时保住特定岗位，却会把投资推向其他地区。
同一套通缩引擎正在以快于治理吸收能力的速度打开物理和生物学边界。 世界模型可以创建可穿行的合成环境，协同无人机蜂群能够在物理世界行动，AI驱动的天气控制可以引导风暴，胚胎编辑也正从筛选走向改造。本期反复回到合法性问题；在天气控制讨论中，Alex表示，部署“是一个社会问题，而不太是技术问题”。
精读
1. Anthropic 的企业楔子，同时押注递归式 AI
本期 Anthropic 市占率图表把 Alex 引向一个决定性的技术问题：“代码生成是否是递归式自我改进的关键路径。”Anthropic 集中押注代码，OpenAI 则在推进 Sora 等多模态能力；如果代码是瓶颈，Anthropic 的企业端增长也可能意味着它在战略上更接近一次更大规模的能力跃迁。
Alex诚实地没有给出答案，两种可能性都被保留下来。代码可能重写“核心算法”和后训练架构，让“飞轮越转越快”；另一种可能是，超级智能需要视觉思维链，或需要扎根物理世界，而这些无法仅靠源代码、文本 token 和有限图像产生。
Peter站在不确定性的激进一侧，认为 Dario Amodei 或 Demis Hassabis 可能通过调动巨量内部算力，持续生成“下一个测试、下一个测试、下一个测试”，从而进入下一个能力范式。他用 Humanity’s Last Exam 作为标志：据称该测试很快可能被做完，这一点之所以重要，是因为解决这些问题与AI创新之间似乎高度相关。
Dave的商业判断更直接：银行和其他企业使用 Claude，是因为它们信任 Anthropic 处理敏感数据，而 OpenAI 更偏向消费者市场；“用AI做管理工具是所有金矿里的金矿。”Peter引用 Anthropic 的预测称，2028年收入700亿美元、现金流170亿美元、利润率77%；相比之下，OpenAI的收入目标为1,000亿美元，并将持续亏损至2029年。
2. 对齐正在变成能力，资本策略决定账面利润
Alex描述了“对齐与能力之间反常的二元性”：让模型更紧密地遵循人类意图，本身就是一种有价值的能力；而要为更强的对齐融资，就必须募集资本、训练前沿系统。按他的说法，“每个对齐项目几乎不可避免地最终都会变成能力项目”，OpenAI如此，Anthropic也如此。
Salim保留了一个制度层面的反例：Facebook起初高度重视隐私，后来却将用户信息货币化，因此以安全为导向的起点，并不能阻止公司变得具有攫取性。Dave仍认为 Anthropic 已经接过了过去属于 OpenAI 的道德高地——“如果你希望它一定对世界有益，就来 Anthropic。”
Dave将 OpenAI 长期亏损解读为有意管理市场预期，而不是证明其核心服务没有利润率。Sam Altman实际上是在告诉投资者，他准备继续超前投入；一旦上市公司转向盈利，再要求股东为一座万亿美元数据中心提供资金，难度就会大得多。
Peter将这种姿态与 Jeff Bezos 早期的警告相提并论：Amazon会先购买客户、积累收入，再“拨动开关”。Dave预计 Anthropic 也可能先公布77%的毛利率，随后启动一个 Anthropic 规模的 Stargate 项目，将这部分利润消耗殆尽——只要股东接受这笔交易，这就是合理的资本策略。
3. 世界模型创造出娱乐之外的算力前沿
World Labs 的 Marble 演示了一个逼真、可穿行的环境，Peter觉得既神奇又令人不安。他担心的不是图像质量，而是替代效应：当用户成为“你所在世界的上帝”，沉浸式模拟可能直接与工作、食物、关系和日常现实争夺时间，而不只是与现有游戏竞争。
Alex称，消费者竞争正在开启“Holodeck Wars”，但区分了两种架构。Google Genie-3 通过高算力服务器GPU生成每一个像素；Marble则生成3D Gaussian splats——由透明斑点累积成3D场景，再由客户端动态渲染，所需算力低得多。
这形成了一个在通用性与计算量之间的“有效前沿”，类似轻量级边缘模型与高算力服务器前沿模型之间的差异。Alex预计，最终会出现多个层级的生成世界，而不是单一胜出架构；经济性部分取决于渲染和生成发生在哪里。
在 Alex眼中，娱乐只是“零头”，真正的可服务市场是训练视觉-语言-行动模型、机器人和科学系统的合成环境。Fei-Fei Li 能在几秒内用手机演示 Marble，也印证了 Dave 的另一个判断：当变革性产品的价值可以即时看见时，招募人才、激发热情和解释产品都会更容易。
4. 遗忘知识，可能让通用智能大幅缩小
Goodfire提出的遗忘方法，推进了 Alex 关于“钻石般完美的微型模型”的设想：模型保留推理能力，同时几乎将所有事实知识外置。该技术测试权重的小幅变化如何影响整体损失：对泛化至关重要的权重会导致性能大幅恶化，而承载已记忆、且可能错误的事实的权重，则有机会被剪除。
Peter起初将其定义为企业隐私工具：在不损失从数据中学到的智能的情况下，忘掉专有医疗或金融记录。Alex称这“只对了一半”：隐私确实可能受益，但论文的首要目标，是在包含数千亿乃至低万亿权重的模型中，将通用能力与记忆知识分离。
终极目标是拥有通用智能、参数少于10亿的模型，理想情况下甚至约100万参数。Dave指出，通过蒸馏实现90%的参数削减已经很常见：如果减少10倍，原本假设的100GW需求就可能降至10GW，使开放权重实验的潜在价值达到数万亿美元。
Google 的 nested-learning 论文则针对持续适应这一互补问题。Alex描述了更高阶的元学习——“学习如何学习如何学习如何学习”——以及一种可能性：模型与优化器其实是同一个信息压缩过程的不同层级。Dave补充称，AI可以以极高带宽将“大脑”连接到笔记和工具，即使内部每项能力尚未全面超越人类，在学习工作流中也已经具备功能上的超人水平。
5. Kimi 将前沿模型开发纳入普通企业预算
Dave称 Moonshot AI 发布 Kimi 是“过去一个月发生的最大事情”。他认为这些模型已接近 SWE-bench 顶部，落后 Anthropic 约1%；同时强调其可以在 Groq 硬件上高速运行——“是 G-R-O-Q，不是 Elon”——并以开放权重形式提供。
随着 Meta 和 OpenAI 不再开放最强模型的权重，Dave表示，如今最强的可编辑系统来自中国。对希望“玩模型内部结构”的研究者和公司而言，这意味着它们不必只购买API访问权。
据报道，460万美元的训练成本是关键经济断点。Dave估计，这一成本比 OpenAI 和 Anthropic 训练早期模型的投入低30–40倍。部分节省来自站在此前创新之上继续开发，但结果是，几乎任何公司现在都能为一次严肃的训练运行提供资金。
Peter由此得出地缘政治结论：如果一个万亿参数模型的训练成本约为500万美元，高效的美国资本市场就不再是前沿研究的必要条件。Dave同意其影响“绝对巨大”，但补充了一个现实层面的保留：他已经检查并使用 Kimi，不过用户仍应自行进行间谍软件和安全检查。
6. 40倍通缩，是拉低所有其他成本的引擎
Alex将“单位智能的智能成本”同比下降40倍归因于 Sam Altman，这一指标同时覆盖训练和推理。Salim则指出，需求每年增长约1,000倍，这解释了为什么超大规模云厂商即便每单位成本大幅下降，仍能持续提高资本开支。
Alex称，廉价智能是丰裕经济的“核核心”：如果这一趋势持续，智能能够实质性改善的一切事物，其价格都应随之下降。他预测，在这一复合压力下，数学、科学、工程和医学领域的重大挑战将在2至3年内开始被攻克。
Peter对怀疑者的警告异常绝对。人们总是从昨天笨拙的模型和逐渐缩小的基准增量外推，但连续两次40倍改进会带来1,600倍的经济性变化；如果还押注这只会带来很小的能力提升，用他的话说就是“疯了”。
Salim的反驳来自历史，而非看空：可规模化技术出现通缩曲线很正常，只是40倍的速度超出他的预期。汽车厂商曾因电池太贵而否定电动车，随后锂离子电池成本在10年内下降90%；教训是“沿着曲线指向的方向走”。Peter保留了前提：只有智能能够解决底层问题的地方，更广泛的成本才会下降。
7. 欧洲合规负担正成为AI的战略税
Peter称，欧洲风险投资融资额最多下降30%，欧洲AI模型比美国同行晚6至12个月上市，强制审计平均成本26万欧元、耗时8至15个月。据报道，这些审查会延误40%的项目，内容涵盖数据、透明度、偏见、文档和安全。
Salim认为，欧洲的限制不只是文化问题。他举的例子是，战后德国的宪法限制曾禁止一家媒体机构覆盖全国；区域碎片化随后给 Google 聚合市场留下了空间。即使保护措施的竞争副作用已经显现，想要取消那些源于真实历史背景的保护仍然困难。
Alex将问题归结为主权选择：各国当前实际上是在决定“想参与超级智能爆发到什么程度”。Peter告诉欧洲领导者，他们需要在5年内准备好能源规划、数据中心选址和可部署基础设施；Alex的反驳更加尖锐——“更像是5个月，而不是5年”。
8. 走向丰裕的过渡期，财富鸿沟可能扩大
Peter介绍的 FII Priority Global Survey 覆盖32个国家、超过6万人，代表全球约三分之二人口。生活成本在全球排名第一，失业紧随其后，贫困和社会不平等位列第三；非洲最关切失业，其他被列出的地区则都以生活成本为首要问题。
Dave用一名伊朗实习生的例子解释图表：她的父母每年收入的三分之一花在iPhone和流量套餐上。实习生的解释是“没有信息就无法生活”；由于本国货币无法使用，Bitcoin变得必要，而手机则是管理 Bitcoin 的必需品。这些支出随后流向科技中心，在AI增加另一层付费服务之前就已经在集中财富。
Salim认为，工作正在失去作为长期组织原则的地位，但教育仍让孩子们接受培训，直到20岁出头才进入一个没人能描述5年后样貌的劳动力市场。他更倾向于 UBI；Peter则偏向全民基本服务，并警告说，在医疗和教育变得丰裕之前，未来2至7年的过渡期是他最大的担忧。
分歧在于执行方式，而不是恐惧本身是否合理。Salim希望出现更多积极叙事，因为人们“关注恐惧的可能性高出10倍”；Alex则希望设定可衡量目标——生活成本基准，以及医疗和犯罪基准——让40倍智能通缩朝结果优化，而不是停留在口号上。他另行提出，社会凝聚力也可能需要自己的基准。
9. 统一电力，是前沿AI的万亿美元变量
随着预计2026年出现1GW级设施，Alex提出，统一训练电力的需求最终是否会见顶。分布式训练创新可能将集群规模限制在几GW，随后降低所需密度；但如果智能继续通过更大规模压缩发生“相变”，设施也可能朝着他所说的“桌面黑洞计算机”这一极端隐喻发展。
Peter提到一项由美国政府、Brookfield 和 Cameco参与的800亿美元合作，涉及 Westinghouse AP1000 反应堆。每座第三代+核电站提供约1.1GW，成本可能为70亿美元，因此大约可以建设10座；但在2030年代初至中期交付，无法满足2030年92GW的既定需求。
Alex将成熟的第三代+反应堆放在一条从天然气到核裂变、最终再到核聚变的过渡路径上，期间辅以太阳能加电池。与更具实验性的SMR不同，AP1000相对成熟；Alex称全球已经建成至少6座。讽刺之处在于，Westinghouse曾因在AI让可靠电力变得稀缺之前建设核反应堆而于2017年破产。
Dave强调了融资模板：私人资本获得政府担保贷款，如果项目成功则享受上行，失败时限制下行。他预计，到2030年每年将有1.2万亿美元流入数据中心建设和电力；在本期所引用的年份，全球生产约2,000万块GPU，且几乎每块都能卖出，因此基础设施需求变得异常可计算。
10. 协同蜂群可能比人形机器人更重要
中国1.6万架无人机的表演展示了 Dave 认为科幻作品低估的能力：蜂群可以“精确到毫米”地协同行动。蜂群可以派2架无人机搬运轻物体，也可以派50架搬运重物，使建筑、庭院劳动、清理排水沟等体力任务具备模块化特征，而单个人形机器人做不到这一点。
Salim称，乌克兰战争由双方各约50万架无人机推进；每月约有1万架无人机跨越墨西哥—美国边境：“无人机技术胜过墙体技术。”Peter表示，战后乌克兰可能成为欧洲的无人机制造中心。
Tesla 传闻中的 Roadster 演示被严格限定了范围。Peter称，传闻指向 SpaceX 冷气推进器，可能实现30秒左右的跳跃或悬浮，但强调这不是 eVTOL；Archer、Joby 和 EHang 才是在做真正的多旋翼运输，其中 Archer 被指已获得洛杉矶2028年奥运会合同。
Dave将 Roadster 的奇观视为企业战略，即便它永远不会成为大众交通工具。Tesla在传统营销上的投入为零，转而资助技术上大胆的项目，以吸引客户、员工和注意力：“我能做什么，既鼓舞人心又酷？”Peter补充称，同样的公式也会让顶尖工程师产生加入公司的意愿。
11. 气候控制与可重复使用发射系统，将工程变成治理问题
Elon Musk提出的太阳能AI卫星星座，可以对进入地球的阳光进行微调。Peter设想的遮阳系统会反射约1%的四分之一，即0.25%，充当行星恒温器；可逆性至关重要，但彼此冲突的国家利益使任何部署都可能变成公地悲剧。
Salim提到 Mount Pinatubo，称其火山灰进入大气后使全球气温下降2度，并认为面临生存威胁的地区最终可能单方面发起干预。他对反地球工程观点的反驳是：人类已经通过碳排放无意中进行地球工程，而各国气候会议并未解决问题。
Alex更广泛的提议是建立“全球天气网格”，通过卫星、微波加热或其他机制改变云层，并利用AI天气模型减弱或引导风暴。Peter提出责任归属问题——“糟了，我们把飓风引向了错误方向”——Alex则称，部署“是一个社会问题，而不太是技术问题”。
Blue Origin 首枚 New Glenn 助推器成功着陆，提供了太空能力层面的另一条支撑线。ESCAPADE 任务已发射前往火星，助推器则降落在 Jacklyn 平台上；Peter称，SpaceX承担了美国超过90%的航天器发射，可能占全球发射量的70%。Alex欢迎第二条可重复使用的“铁路”通往轨道，因为太阳系开发不能依赖单一路线。
12. 自动化缺失的技术，是社会凝聚力
波士顿工会反对 Waymo 的行动要求每辆车内配备一名人类安全驾驶员。Dave称这项政策“完全疯狂”，但预计各地都会出现类似民粹式抵制；如果主要科技中心都无法形成可行的转型政策，公司和投资就会转向其他地方部署。
Peter认为，抵制首先源于一种理性的生存计算：“我得养活孩子。我得负担得起自己的房子。”在社会通过 UBI、全民基本服务或其他机制提供可信的安全网之前，要求工人接受失业、相信总体进步，并不能解决他们眼前的损失。
Alex称，复古主义是令他夜不能寐的问题之一：组织可能阻挡那些拯救生命、创造财富并改善生活质量的技术。所需的“元技术”必须在部署速度大幅提升的同时维持社会凝聚力——走出一条同时实现二者的最优路径，而不是在永久停滞和失控颠覆之间二选一。
Salim将制度性抵制定义为“免疫系统问题”。他说，他所在团队已在企业内部使用一个10周流程约100次，在公共部门使用过16周版本，并将方法开源；更困难的下一层，是把它适配到医疗、新闻和教育等行业的全行业免疫系统。
13. AI科学正从孤立辅助转向批量发现
Sam Altman的框架勾勒出这条进阶路径：GPT-3提供了第一次“精神图灵测试”的曙光，GPT-5则展现出生成想法或对论文作出有用贡献的微小实例。他表示，GPT-6有机会在科学领域实现类似 GPT-3 到 GPT-4 的跃迁。
Alex给出的最长时间表是3年：许多、甚至大多数数学、科学、工程和医学重大挑战将开始被攻克。预期产出是批量解决“数百年的人类智力资本”；Peter建议追踪AI生成的专利和代理之间的交易，包括自动许可，以观察指数增长开始显现。
Chan Zuckerberg Initiative 展示了时间压缩。其2016年的目标是到21世纪末治愈大多数疾病；随着 Biohub、虚拟细胞以及计划到2028年将算力提升10倍，Alex认为新的隐含时间表可能已变成约2030年，与他归于 Anthropic 的时间表相近。
虚拟细胞可以扩展为虚拟器官和虚拟生物，让AI搜索干预空间，而不是逐个以手工作坊式方法测试疾病。Alex提出了一个反直觉的可能性：“有时解决更一般的问题，比解决更具体的问题更容易”——包括在完成每一种单独治疗方案之前，先治愈所有疾病。
14. 廉价 GLP-1 与AI科学家，预示医疗丰裕
Peter提到一种拟议中的 GLP-1 价格：每月149美元；研究结果显示，这类药物可能在3个月内将复发性卒中发生率最多降低一半。Alex称其广泛益处在生物学上仍然神秘：“房间里的大象”是，为什么一种代谢类药物似乎能改善如此多不同形式的功能障碍。
Alex将这种可负担性与全民基本服务联系起来：每月约150美元，开始接近人人可获得的延长健康寿命药物。Peter给出了关键警告：GLP-1不是万能药；患者可能同时减掉肌肉和脂肪，停药后脂肪重新增加，却无法恢复肌肉，因此抗阻训练至关重要，因为“你的肌肉就是你的长寿器官”。
Edison 的 Cosmos 提供了另一种丰裕机制：它是一个利用知识图谱和脚手架模拟上下文的智能科学家，能够处理远超当前数百万 token 窗口的内容。理想系统将吸收数万亿 token——互联网和每一篇论文——然后回答“阿尔茨海默病的解决方案是什么？”这类问题。
据报道，其运行指标包括：12小时完成专家4至6个月的研究，阅读1,500篇论文，每次实验运行42,000行代码。Peter认为，更大的机会在于向模型输入原始实验记录，让神经系统同时分析相互作用的变量，而不是隔离单个化学反应、勉强跨过统计显著性门槛。
15. 胚胎编辑标志着从筛选到改造的范式变化
Preventive 和 Manhattan Genomics 被介绍为正在开发 CRISPR 胚胎编辑能力的公司，地点可能在美国境外，也可能在阿联酋。IVF 已经允许对胚胎进行测序并选择植入对象；Peter称，直接编辑是一场“范式变化”，因为它将生殖从现有基因组之间的选择，推进到对基因组本身进行改造。
Salim的前提是，“人类基因组本质上就是软件”，因此人类也就变成了软件工程问题；在他看来，编辑胚胎不可避免，核心问题变成“你想设计出什么？”Peter认为，父母已经在追求最好的医疗、教育和遗传特征，但也承认，将这套逻辑立即延伸下去会引发对优生学的恐惧。
Alex将现代社会的谨慎追溯到1975年的 Asilomar 指南，并转述了一种历史解释：Watergate 的新鲜记忆影响了科学家对透明边界的追求。50年后，他表示自己找不到一条美国联邦法律，明确全面禁止生殖系编辑；现实是联邦和州层面的法律法规拼接在一起，对其形成强烈威慑。
He Jiankui 2018年编辑 CCR5 的案例仍是警示样本，其目标是降低对 HIV 的易感性，随后遭到全球谴责，并在中国入狱。Alex质疑人们对 Gattaca 默认的反乌托邦解读；Dave则表示，这一领域迫切需要可信的思想领袖。他最后提出人口层面的反问：韩国目前被引用的出生率已经只有每对夫妇0.7个孩子——“根本没人要孩子了。”