摘要

Claude Code搭配Opus 4.5，是本期最清晰的近期断点：更长的自主运行周期，正在把软件从手艺活变成工业流程。 Alex Wissner-Gross认为，自主能力可能以超指数速度从小时级扩展到数周、数月乃至数年；Peter Diamandis表示，如今同时运行5到10个agent，代码产出速度已经快到超出他的思维追踪能力，最近的产出量也超过了他此前写过的全部代码。“只有偏执狂才能生存”是值得投资者警惕的信号：在位企业同样能获得前沿模型，但静态产品和缓慢的管理团队可能被突然重估。
NVIDIA正在从芯片扩展到面向物理现实的一体化操作栈。 Cosmos生成符合物理规律的训练环境，Alpamayo把摄像头输入连接到车辆动作，Vera Rubin则围绕数据中心，把CPU、GPU、内存、互连和机箱整合为计算的新形态。Peter称这是NVIDIA成为“现实世界的AWS”，Alex则称其为经典的“商品化互补品”。
AI既威胁SaaS席位，也威胁知识工作者人数，但嘉宾拒绝简单的“在位者必死”叙事。 McKinsey已经把自己描述为4万名人类加2万个agent，相比约18个月前的3,000个agent大幅增加；Salim Ismail则认为每名员工配1个agent“荒谬”，预计更接近100个。最终的赢家可能是使用同一批前沿模型、具备适应能力的在位企业；也可能是与传统系统并行运行的AI原生企业栈，以及最终出现的“单人独角兽”。
投入AI基础设施的数万亿美元，仍需要一座尚未被证明的变现桥梁。 OpenAI的算力从2023年的0.2 GW升至2025年的1.9 GW，收入则从20亿美元升至200亿美元。Dave Blundin称这种并行关系是“相关性，而非因果性”。Alex所说的“房间里的大象”在于：消费者抵制昂贵且更慢的默认推理，企业目前也尚未产生足以支撑收入持续3倍增长的结果；只有变革性的推理应用出现，资本开支周期才可能继续。
Google与Apple的分发合作，强化了最完整的AI栈，但未必会杀死互联网。 Gemini驱动的Siri和Universal Commerce Protocol，可能把交易从搜索转向“给出行动的魔法盒子”；但Alex强调，UCP标准化的是对话式商务，并非取代浏览、网站或独立购物agent。Dave预计Google“明年年底前”市值将超过NVIDIA；Peter则预计前沿实验室的资本需求会引发收购尝试，尽管Alex认为监管会阻止大范围重组。
AI解决开放数学问题，被视为更大规模科学自动化周期的前沿。 GPT-5.2 Pro搭配Harmonic的Aristotle等形式化与验证工具，据称每周数次解决著名的Erdős问题，因为数学问题可以枚举，答案也能被清晰评估。“问题只是在等待被提示”成为Peter的创业判断：组建数据、测试、审批或护栏，让模型能够攻克化学、物理、材料、手术、生物和医学问题。
能源，而不只是芯片，正在成为智能的关键战略投入。 节目援引的数据称，中国发电量约10,000 TWh，美国则基本持平于4,000 TWh；中国发电量比美国和欧盟合计高40%，太阳能发电量在2024年增长46%，2025年再增48%。嘉宾的分歧在执行而非紧迫性：供应链依赖和监管限制了美国，而电力不足则可能让超级智能及其经济收益建设不足。

精读

1. 人形机器人热潮将在标准化前完成整合

Peter在CES上最鲜明的观察，是AI的“物理呈现”：现场有148,000名参会者、4,000家参展商、1,200家初创公司，约38家人形机器人公司和12家机械手制造商。Salim表示，多年以来AI还可以留在屏幕里，但2026年开始，“你将无法再忽视它。它正朝你而来。”
历史基准概率并不支持几十个平台长期共存。Peter将今天的赛道与1908年美国活跃的253家汽车制造商相比：到1929年，随着Ford、General Motors和Chrysler整合市场，数量降至约44家；278家早期轮胎公司，则是如今机械手供应商的对应类比。
Peter的互联网泡沫类比值得保留：进入者众多，并不意味着品类失效，因为Amazon后来收购了Diapers.com、Pets.com等企业。Alex更具体的担忧是，目前的人形机器人外观异常相似，这意味着Figure、Optimus、1X、Apollo、Digit，以及可能只有约十几种可行设计，最终或许只能在价格和AI能力上竞争。
Salim质疑了这个比喻本身：真正的寒武纪大爆发应当产生截然不同的身体结构，而不是一排排近乎相同的人形机器人。当Brett Adcock、Elon Musk和Bernt都在推进垂直整合时，专门的机械手公司可能会陷入困境；不过Alex指出，“手很难做”，成熟行业最终也可能横向分层，为零部件专业厂商留下空间。

2. NVIDIA正在搭建物理现实的操作栈

Cosmos可以从稀疏的模拟器输出或单张图片出发，生成符合物理规律的视频，并在语言、图像、3D和动作之间保持一致。Peter强调，这意味着合成训练数据可能削弱Tesla凭借真实驾驶视频积累的优势，因为大规模训练语料可以更低成本地生成。
Alex的限定是“九个9的进军”：安全关键型自动驾驶仍然需要极其罕见的道路事件，而普通视频采集或模拟可能遗漏这些事件。不过，即便不能消除专有数据护城河，Cosmos和Alpamayo依然服务于NVIDIA的业务，因为优化后的软件会鼓励中国车企和非传统OEM在NVIDIA硬件上打造竞争性的自动驾驶系统。
Dave把视野从驾驶拓展出去。通用世界模型并不会自动掌握聚变中的磁约束、芯片中原子尺度的布线、纳米级手术、零重力建造、辐射或陌生引力场；每个领域仍需要专门的空间数据和调优后的模型。Peter的总结是，NVIDIA正试图成为“现实世界的AWS”。
Vera Rubin明确体现了这种垂直化野心：Vera是CPU，Rubin是GPU，6款协同设计的芯片作为一个系统共享数据。Alex认为，CPU、GPU、内存、互连和机箱正汇聚到数据中心，成为“事实计算的新形态”；而AI驱动的DRAM短缺，已经在6到7个月内让他儿子Jet组装游戏电脑的价格翻倍。

3. 算力需求正在逃离旧半导体周期

Dave否定了把当前情况类比为此前DRAM泡沫的安慰性说法：“这不会来来去去。”他预计高性能内存和GPU需求将“趋向无穷”，并认为制造商仍然过于害怕周期性下行，不敢按AI所需的指数速度扩产。
因此，TSMC谨慎建厂给Elon Musk的垂直整合战略留下了机会。Dave提到Musk与Samsung的最低160亿美元安排，规模可能达到400亿美元，但他怀疑Musk是在争取时间，同时推进自己的晶圆厂——这对预期无限期服务Musk的供应商而言并不是好消息。
Peter设想，6G设备将变成相互可替换、连接云端算力的“哑终端”。Alex认为，延迟和带宽条件，包括更广泛的Starlink覆盖，可能支持这种架构；Salim则提出，算力可能位于6G云的边缘；Peter表示，在需要独立连接时，本地算力仍然有用。
当被问到上传意识的时间点时，Alex拒绝给出一个单一的奇点时刻：在线写作已经允许低保真重建。如果5到10年内还无法完成一种非破坏性的超高保真脑部扫描，他会“非常失望”；至于Kurzweil或Moravec式、依靠纳米机器人的破坏性上传，他估计还要10到20年。

4. 达沃斯看到了AI冲击，却缺少制度答案

Dave描述了世界经济论坛在1年内发生的变化：此前由银行和咨询公司占据的楼宇已经变成AI会场，“每一块广告牌、每一条横幅”都带着AI主题。他参加的活动预计有270名发言人；按他的估计，参会者代表的AI研发投入约为1万亿美元，其中包括前沿实验室的负责人。
地缘政治环境则并不和谐。满是鹰元素的America House占据了主街中心，Donald Trump的到来和格陵兰岛争端进一步推高紧张程度；Dave数到直升机、无人机、雷达，以及“3,000名持枪人员”，将其视为活动安保的新指标。
Peter重点提到一项发布：OpenAI预计在下半年展示首款硬件设备，此前已向Jony Ive支付名义上的65亿美元用于该设备项目。具体形态仍是未知数，但语音、可穿戴设备和眼镜都可能把AI从用户主动前往的目的地，变成持续可用的界面。
Dave认为，政治回应缓慢、被动，而且经常围绕选举展开，尽管各方都广泛意识到繁荣即将到来，同时社会动荡也会加剧。Peter认为规划窗口“最多1到3年，更接近1年”；Lemonade的Daniel Schreiber则分享了一份实施全民高收入的方案，作为一项具体贡献。

5. Agent保住咨询需求，却掏空其劳动力模式

McKinsey CEO Bob Sternfels描述了一个由60,000人组成的组织，其中包括40,000名人类和20,000个agent；约1年半前，agent还只有3,000个。他过去预计到2030年实现每名员工配1个agent，如今预计这一比例将在18个月内达到。
Salim认为，大型咨询公司可能表现良好，因为动荡且行动缓慢的客户需要帮助，而“在盲人国里，独眼人就是国王”。但他反对这个比例：每名人类员工配1个agent“荒谬”，他预计这一比例约为100个agent对应1个人，经济模式也将从按小时收费转向共享价值或按结果收费。
Alex发现，把agent计入员工人数存在一种会计层面的反讽：将agent纳入人均生产率统计，可能在数据上掩盖智能驱动的生产率大爆发。他认为，更不带反讽的终点是零人公司，即资本和软件agent直接替代组织劳动力。
真正的威胁在于，咨询客户自身可能无法渡过这场冲击。Salim认为，相应的机会是“人类历史上最大的咨询机会”：重建社会运行所依赖的制度，前提是咨询公司必须超越旧有交付模式，转向制度重构。

6. 工作奇点更偏爱创业者，而非持证员工

Robinhood CEO Vlad Tenev所说的“工作奇点”，是工作类型、微型公司、单人机构和单人独角兽的寒武纪大爆发。互联网赋予个人全球触达能力；AI如今又给了他们“一支世界级员工队伍”，让创业从专业人士的选择，变成一种合理的默认职业。
Salim将其概括为“从未来冲击到未来塑形”。他面向青少年的工作坊会假设，学生在5到6年后大学毕业时，就业的含义将与今天大不相同；实际建议是成为“创业者，而不是员工”，成为创造者而不是消费者。
Peter质疑，除非大学被用来寻找人生目标、合作伙伴或公司，否则上大学会不会成为“绝对错误的选择”。Salim在10年前预测自己的儿子不会上大学，如今看起来正在成为现实——至少不会为了获得一份传统工作而上大学，因为高等教育在结构上还没有准备好迎接这场转型。
不确定性仍然明确存在：两位嘉宾都没有给出大学在成长和社交功能上的确定替代方案。Salim开玩笑说，父母总得找个地方安置孩子；Peter则把“成人日托”描述成未来可能出现的一种工作。

7. Opus 4.5将编程自主性变成工业流程

Peter给出了最尖锐的表述：Claude Code搭配Opus 4.5，将软件创造“从手艺人的工作变成真正的工业流程”，类似Gutenberg印刷机、缝纫机或相机。Alex把这个组合称为“Clopus”，并认为其更长的METR自主运行周期才是真正重要的能力。
Alex反对把这一刻称为AGI，因为某种形式的通用性可能已经存在约5年半。真正的拐点在自主性：Claude Code加Opus 4.5，以及GPT-5.2 Codex，都可以执行大量连续动作；据报道，它们能从零构建完整的Rust网页浏览器和可运行的JavaScript引擎，而不是耗费数年完成。
他更强的假设是自主能力会以超指数速度增长，即“指数的指数”，把可用工作周期从5小时推向数周、数月和数年。他保留了一个限定：指数曲线上的每一个点都会让人感觉像拐点；但他说，超指数预测越来越符合他正在观察到的情况。
Peter描述了过渡期的人力成本。与此同时运行5到10个Opus 4.5 agent，比缓慢写代码更消耗脑力，因为架构决策和输出速度已经超过一个人的跟踪能力；他的Claude账单每天约为100到1,000美元，最近的代码产出量已经超过了他此前写过的全部代码。

8. 代码生成重估SaaS，但模型获取本身不是差异化

Salim在Yahoo工作时的开发者朋友们“下巴都快掉下来了”，纷纷问：“我该怎么理解这一切？这太不可思议了。”Alex认为Anthropic专注编程，是在隐含下注：代码生成是通往递归式自我改进和广泛劳动力替代的最短路径。
Peter提出了一个挑衅性问题：个人能否通过提示词重建Salesforce、SAP或Stripe，从而同时杀死SaaS和vibe-coding供应商。Dave反驳说，这不一定意味着在位企业死亡：许多企业已经经历过重大转型，市场也不会简单消失。
Salim更广泛的警告是，“世界的未来属于灵活的公司”，它们能够持续转向、持续改进。Peter补充了“只有偏执狂才能生存”的框架。Salim还指出，Magnificent Seven中有6家正在做与最初让它们壮大的业务本质不同的事情，Microsoft和Oracle也都大幅转向云收入。
Alex打出了逆向牌：在位企业拥有与客户用来构建替代品相同的“超级智能大规模杀伤性武器”。定制系统会取消一些50万美元的CRM合同，但高度定制化的Salesforce部署本来就反映了积压的定制需求；在全球范围内，共享工具可能只是带来“新的均衡——没什么可看的，散了吧”。

9. AI原生企业栈可能与传统系统并行出现

Salim区分了改进记录系统与绕开记录系统。他预计团队会从侧面“红队测试”传统企业栈，创建一个不依赖传统记录架构的AI原生操作层，并可能在约6个月内明显独立出来。
Dave调和了宏观与微观视角：市场总会找到均衡，但投资者可能在转型过程中遭受重大损失。前沿模型的获取权相同，并不意味着执行能力相同，因此市值会在“懒惰的落后者”和能够持续自我重塑的管理团队之间重新分配。
在这一框架下，人才流动会成为领先指标。Dave表示，量化基金已经在分析人员进出公司的流向，因为领导层和新进入的技术人才，可以显示那些广泛可用的AI能力是否会被真正用好。
因此，本期对SaaS的判断是有条件的，而不是一纸全面的讣告：狭窄的产品类别和旧的运营模式面临风险，高度定制化的系统以及行动迅速的管理层可能存活。最快消失的，是“经常性收入本身就是持久护城河”的假设。

10. Gemini驱动的Siri让商务变成Agent模式，但不会让互联网消失

Peter把Google与Apple的合作描述为界面物理学的变化：用户从通过搜索框获取信息，转向使用“给出行动的魔法盒子”。Universal Commerce Protocol可以把原生AI结账嵌入agent体验，消除大量URL、密码、弹窗、应用跳转和传统网站流程。
他把问题拓展到商务之外：如果可穿戴设备、AR眼镜、语音和听觉成为主要界面，键盘可能退居次位，甚至阅读能力也可能弱化。“明年谁他妈还会打字？”体现了他预测的速度，不过他仍未确定OpenAI硬件最终会采用何种形态。
Alex的反驳值得保留：UCP是一个面向JavaScript、用于agent对话中电子商务的标准，“它就只是这个”。人们会浏览产品，互联网的用途也远不止购物；用户还会部署可能不使用UCP的购买agent。Amazon那场存在争议的“让AI agent帮你买单”尝试，正说明竞争路径并不唯一。
Salim最终同意Alex的看法，并引用Yahoo Mail的测试：只把Send按钮移动几个像素，使用量就会崩塌。人类界面具有深度习惯，即便技术上更优的重新设计，也很难快速取代熟悉的模式；Peter则保留了分歧，把它作为几年后再回头检验的赌注。

11. AI资本开支需要变革性推理收入才能持续获得融资

OpenAI CFO Sarah Friar的图表将算力增长——2023年0.2 GW、2024年0.6 GW、2025年1.9 GW——与2023至2025年收入从20亿美元升至200亿美元并列呈现。Peter将其解读为一项面向投资者的论证：更多数据中心会产生同比例的经济价值。
Salim认为，这可能是在为IPO做准备：不同于Meta、Google，甚至xAI，OpenAI缺少一个成熟的“无限现金流机器”，必须从外部为芯片、数据中心和能源融资。Dave否定了因果关系，称两条匹配的曲线只是由双方其他因素共同塑造的便利相关性。
Alex所说的“房间里的大象”，是最终必须获得巨大收入池回报的数万亿美元资本开支。广告只能承担其中一部分；而GPT-5默认推理暴露了消费者对更慢、更昂贵答案的抵触，尤其是在许多用户更偏好即时、顺从的回答，而不是经过思考、并不迎合的回答时。
企业确实会消费推理，但Alex尚未看到足够变革性的结果，能够证明收入和算力持续增长3倍是合理的。“造梦之地”式的假设——只要建设算力，收入自然会到来——只有在前沿实验室创造出足够有价值的应用，让客户愿意消费贵得多的推理时，才能继续成立。

12. 随着前沿转向具身AI，Google的栈进一步增强

Peter提到，Alphabet估值达到4万亿美元，股价上涨65%；定制TPU、模型、界面、分发能力，再加上Siri，正在叠加成一个完整栈。Dave明确预测，Google“明年年底前”将超过NVIDIA的市值。
Alex缩小了所谓前沿实验室的范围。Google DeepMind符合定义；Microsoft和Apple目前勉强算不上前沿实验室，Amazon更重视基础设施和高效的小型模型，Meta则在Llama 4被认为失败后重建能力。他预计OpenAI、Anthropic和xAI会存活，同时把Tesla视为前沿VLA提供商，而非传统聊天机器人实验室。
这个定义可能在3年内改变。一旦人形机器人把视觉、语言和动作结合起来，前沿地位可能意味着部署有能力的机器人，而不只是领先的Agent式聊天；因此Alex预计OpenAI会推出人形机器人，并将xAI的Grok和Tesla的FSD 14.2.2视为这种融合的早期形态。
Peter预测Google或Amazon可能在Anthropic IPO前尝试收购；Salim会建议Anthropic先上市。Alex认为反垄断审查是约束因素，不看好广泛整合，Tesla–xAI–SpaceX组合除外；Dave则质疑OpenAI与Elon Musk的审判能否按时开始，并指出其中可能涉及1万亿美元的股份价值。

13. 可验证数学是自动化发现的滩头阵地

Alex表示，编号的著名Erdős问题已经开始每周被解决数次，通常由GPT-5.2 Pro搭配Harmonic的Aristotle等形式化与验证系统完成。他预计，这一过程会从涓涓细流发展为成批解决大量有价值的开放问题。
数学率先突破，是因为数学问题可以枚举，答案也能被清晰检查，而不是因为其他学科超出了模型的智能范围。Alex预计，这一过程会“走出数学”，进入物理、化学、材料科学、生物学、医学，最终甚至进入人文学科。
Peter把验证转化为创业筛选器：找到一个AI缺少数据、评估、测试、监管批准或护栏的领域，然后补上缺失的解锁环节。为化学、手术或其他受约束领域完成这一工作，公司就可能成为下一个Mercor。
Alex抓住了“问题只是在等待被提示”这句话，因为想象力可能已经成为瓶颈。但他连这点安慰也拿走了：模型可以生成提示词，并决定哪些未知问题值得关注。Peter已经让Gemini为Claude编写提示词，不过他仍会检查提示词是否与目标一致。

14. 推理专用化为NVIDIA打开硬件侧翼

OpenAI与Cerebras的合作让Dave认为，训练与推理正在脱钩，或许80%–90%的算力已经用于推理。Cerebras的晶圆级芯片发热高且高度专用，但当长推理链需要数百或数千次工具调用时，其速度使它们极具吸引力。
Alex的技术指令是“跟着钱走，也跟着SRAM走”。Cerebras和带Q的Groq——据称被NVIDIA以200亿美元价格通过收购人才的方式纳入——通过把高速SRAM放在算力附近，减少了部分对DRAM的依赖，在可能IPO前为OpenAI提供多元化供应和高得多的吞吐量。
约束在于模型容量：SRAM无法容纳任意大的模型。不过Dave仍然认为，如果训练能够被重构成足够小的模块以适配这种架构，NVIDIA可能暴露出弱点；由于指数基金和401(k)账户广泛持有NVIDIA，一次突发突破会远远超出专业半导体投资组合的影响范围。
xAI的Colossus 3代表另一种规模极端：一座据称为2 GW、200亿美元的设施，预计建设速度快于此前阶段，片段中暗示耗时少于122天。它的“Macrohard”论点是，每个GPU大约配4名员工，打造一个虚拟的“数字Optimus”，可以替代企业软件和知识工作者；不过Alex称其是最容易理解的资本开支故事，而不是最具想象力的故事。

15. 能源容量决定谁能扩张智能

Peter给出的数字非常鲜明：中国发电量约为10,000 TWh，美国则基本持平于4,000 TWh；中国发电量比美国和欧盟合计高40%，并从1985年的第六位升至2024年的第一位。中国太阳能发电量在2024年增长46%，2025年再增48%。
Salim描述了拥有才智与拥有能源的国家之间的分化。中国对太阳能板供应链的控制，有助于解释美国的抵触；而数十年来由金融工程推动的离岸外包，则让美国在被限制获得先进GPU时，无法像中国那样迅速回应。
Alex认为，美国一再“害怕能源”：三里岛事故之后害怕核能，因为碳排放害怕化石燃料，又因为进口和基础设施脆弱性害怕太阳能。如果超级智能接近AI 2027式的时间表，他认为，为其提供电力的优先级应当高于那些危害需要更长时间才会显现的传统恐惧。
另一种地缘政治路径，是由中国基础设施向海外同时供应能源和推理能力。据报道，20个非洲国家在1个月内进口了2 GW的中国太阳能板。Dave提醒投资者注意技术过时风险，但即使聚变快速突破，也不会立刻解决短缺，因为发电机和涡轮机已经售罄；Boom Supersonic转向发电机业务，正说明了这一瓶颈。

16. 后工作社会需要主体性、负责任的创始人与新的责任法

Salim从尊严和技术去货币化出发解释人的主体性：普及的AI让个人可以获得极高生产率，而滞后的制度制造了心理冲击。Alex预计，资本主义最初会蓬勃发展，因为资本替代劳动力；随后则会让位于未知的“经济学2.0”，其基础是部分而非普遍的后稀缺。
Dave认为，未来3到5年创始人的优势在于同理心：预判人们在富足环境中会想要什么，并找出能够解锁新AI能力的数据或组件。随着执行成本降低，Salim认为创始人会从出色的执行者转向愿景、目标和文化的守护者；Alex则补充了一个不那么光鲜的角色：当单人独角兽造成伤害时，成为“被拧脖子的人”。
Peter猜测，一旦监管放行，自动驾驶出租车可能在3到4年内从边缘应用发展到占道路车辆的50%以上。催化剂是车内常驻的“Jarvis”：它会预判日程，并把Waymo或Cybercab直接调到门口，连叫车这一步的摩擦也被移除。
责任归属仍未解决：Alex认为训练阶段的责任可能落在实验室身上，但预计会出现新的判例法，甚至可能针对推理阶段的自主行为赋予AI某种人格。Salim反驳说，自主系统可以避开99.99%的刻意设计的电车难题，并主张：“先自动化再说。”Salim还对比了美国实验室的封闭式路径——责任边界更清晰——与中国的漫游式模型，后者的能力会在单一控制者之外继续改进。

达沃斯2026：中美AI竞赛、GPU外交与走上街头的机器人 | #225 NFL：小城球队如何成为美国最有价值的体育帝国（音频）