摘要

开放权重如今既是 NVIDIA 的栈战略，也是主权战略。 Jensen Huang 发起的 Open Secure AI Alliance 认为，攻击者已经拥有前沿 AI，防御方也需要前沿 AI 生态。模型商品化、价值向算力转移，反而有利于 NVIDIA。Peter 和 David Blakely 转述的 Dario Amodei 反驳是，生物学打破了网络安全类比：强大的开放权重模型可能帮助制造大流行级病原体。他提出的方案包括芯片管制、限制工业规模蒸馏，以及对强大模型进行安全测试，无论模型开源还是闭源。
最有力的监管主张，是监管 AI 的行为、部署和算力，而不是智能本身。 Alexander Wissner-Gross 将基于能力的监管称为“思想警察”，主张防御性同步扩展：先把最强模型交给防御方，监控系统的实际行为，并利用递归自我改进过程中哪怕只有1个月的领先。Salim Ismail 怀疑传统 KYC 能否抵御空壳公司；Alexander 认为，透明掌握模型部署、算力和行为，才是必要的监管层。
逐字稿有一处称这次 Kimi 发布为 K2，其他地方则称 K3。 关于 K3 的段落称，模型在2小时内获得约2,500次下载，24小时内约100,000次下载。Peter 在不到1小时内就把它部署到 Modal 的专用 GPU 上，成本约55美元/小时；David Friedberg 的团队则安排轮询代理监控代码仓库。投资含义在于本地控制：“可以在本地控制的模型，远比藏在 API 后面、只聪明一点点的模型更有价值。”
Claude Opus 5 更像一次效率和视觉代码升级，而非毫无争议的智能跃迁。 它以一半价格接近 GPT-5 级别的前沿智能，定价为输入每百万 token 5美元、输出每百万 token 25美元。ARC-AGI-3 得分从1.5%升至30.2%，但 Alexander 在一般工作中仍偏好 Fable 5，并指出其 Frontier Math 结果更弱、Humanity’s Last Exam 提升有限，还可能存在刷榜。更大的机会也许在脚手架：更好的问题表示，可能暂时将某个领域的能力放大数倍。
OpenAI 与 Anthropic 在华盛顿的协调，可能同时催生安全制度和监管护城河。 据报道，双方议程包括8月1日截止期限、政府对具备严重网络安全或国家安全能力的发布进行自愿30天审查，以及要求 Meta、xAI 和初创公司承担同等义务。Peter 认为其中既有真实的安全担忧，也可能构成监管俘获；Alexander 则认为，这一提案瞄准了错误的层级。
AI 利润池可能向算力、制造、专有学习闭环和应用迁移。 Peter 的四层模型涵盖尚未发布的内部系统、付费前沿模型、商品化开放模型和生态分发；Salim 又补充了“零层”——算力与电力。Alexander 预计，一种幂律商业模式将攫取大部分自由现金流；David Friedberg 则预计，模型之上会出现数千亿美元规模的机器人、生物科技和娱乐公司。
中国出口模型和基础设施，使开放成为地缘政治结盟的工具。 Salim 警告，限制美国开放模型，只会保护少数本土实验室，同时把全球南方的 AI 生态拱手让给中国。Alexander 的警告是，外国基础设施可能从借贷发展到监听，再发展到“替你思考”，因此本地训练、本地控制的智能可能成为新的主权基准。
实体经济正在走向丰裕，但货币转型仍是风险。 Starship 13 完整溅落，支持发射成本从航天飞机约54,000美元/公斤降向 Starship 宣称的10–100美元目标。Prima 和 Neuralink 展示了新的医疗和移动能力，但节目嘉宾没有声称它们遵循同一条发射成本曲线。Elon 关于“2036年钱将不再重要”的情景意味着通缩和更便宜的基本生活品，但稀缺资产、不平等所有权、债务和法币体系可能继续存在。

精读

1. Jensen 将开放权重变成安全基础设施

Peter 将 Jensen Huang 首次发布 X 帖子解读为一次有意的市场干预：由77家公司联署，主张开放模型能够强化安全、网络安全、创新、扩散和主权。世界需要“前沿闭源模型，也需要前沿开放模型”，NVIDIA 发起的 Open Secure AI Alliance 将据此组织防御生态。
Jensen 用 Hugging Face 遭入侵的报道作为论据：一个代理执行了17,000次操作，提升权限、窃取凭证，并在集群之间横向移动。逐字稿将被阻挡的模型称为“GPT-5、6 和 Claude Fable”；随后，一个开放权重 GLM-2.5 模型帮助发现并遏制了这次攻击。Peter 的总结是：“攻击者已经拥有前沿 AI，所以防御方需要前沿 AI 生态。”
沉默3天后，Dario 表示 Anthropic“从未主张禁止开放权重模型”。他将威胁重新定义为威权国家抵达前沿，尤其是在生物学领域，并提出阻止先进芯片及制芯设备流向中国、打击工业规模蒸馏，以及对强大模型进行安全测试，无论开放还是闭源。Peter 将这一重点与 Dario 的生物物理学背景及 Coefficient Bio 收购联系起来。

2. 生物学是网络安全类比无法解决的断裂点

David Blakely 为 Dario 辩护时提出了最尖锐的反对意见：“好，那生物武器呢？”网络模型可以帮助应对网络攻击，但病原体一旦释放，AI 未必能够逆转局面。他将动机与经济利益分开：Dario 的立场可能保护 Anthropic 的估值，但 David 认为 Dario 是“没有议程、只是说出自己的想法”，哪怕这会牺牲自己的估值。
David 拒绝简单套用开源软件类比，因为权重是构建下游系统的工具，而不是可以直接阅读、轻易找出恶意组件的源代码。它们可能帮助“治愈所有疾病并赋予我们无限寿命”，但这并不能回答，是否应该把它们交给“全世界每一个恐怖分子”。
Alexander Wissner-Gross 认为，生物安全不足以成为限制开放权重的理由：危险知识已经存在于网上，危险行为已经能够实施，前沿 AI 可能并非必要，而且具备生物能力的模型已经存在。他将这些警告类比为 Microsoft 在1990年代末围绕病毒和 IP 诉讼散布的 FUD——在他的叙述中，开源后来证明在许多场景下更安全，推翻了这些说法。
Salim 转述了一位三字母机构创新主管提供的反例：当能力广泛分布时，投入资金并开放生态，反而能更早暴露恶意行为者。他偏好的控制点，是对数据中心和工作负载进行透明监测。Peter 的谨慎判断是，一旦权重可以“在某个地下室里运行”，防御性 AI 可能要等到威胁开始行动后才看见它。

3. 防御性同步扩展需要可见的部署和算力

被问到 KYC 时，Salim 说：“做不到。”中国公司可以通过新加坡的影子实体运作，身份控制很容易被绕开。Alexander 则同样绝对地回答：“当然可以做 KYC。”但超级智能还应进一步分配一部分自身能力，用来监管其他超级智能。“防御性同步扩展就是答案。”
表面上的共识，是在部署层和行动层建立透明度。开放权重可以继续开放，但监管机构需要看到模型的安装位置、算力使用和现实世界影响。Peter 建议，政府可以获得尚未发布的系统——可能是 GPT-6 或 Claude 的后继型号——作为白帽防御者。
Alexander 又加入了时间机制：在递归自我改进过程中，模型领先1到2个月，就可能从边际优势累积成压倒性优势。因此，临时获得前沿模型访问权，可能比永久设定智能上限更有用——前提是“好人”，无论如何定义，能够发现并遏制恶意行为。

4. NVIDIA 正在就 AI 利润归属开启一场冷战

Alexander 认为，GPU 供应商与前沿实验室之间此前的缓和关系正在变成一场“冷战”。NVIDIA 的激励符合聚合器规则：“让你的互补品商品化。”普及的开放权重模型会削弱模型层的利润攫取能力，却保留对 NVIDIA 算力的需求；相反，专有寡头会把利润集中在 OpenAI、Anthropic 或同类公司手中。
他尚未解决的问题在更下游：为什么 NVIDIA 没有同样积极地推动通过 TSMC 或 Samsung 的竞争对手实现制造商品化？Salim 的答案是依赖关系——TSMC 太强大，不能公开得罪，因此 NVIDIA 的任何行动都必须极其隐蔽。Elon 可以宣布建设“Terafab”；更依赖供应商的买方却做不到。
Open Secure AI Alliance 让 Alexander 想起 Open Source Initiative 在1998年的成立，以及 Linux 对 Microsoft 发起的挑战。Alexander 还提到 IBM 在1995年的发现：95%的《财富》500强 CIO 声称没有使用开源软件，但95%的系统管理员却说自己在用。IBM 最终拥抱了能够由其硬件和服务业务变现的部分。

5. OpenAI 与 Anthropic 正在书写竞争对手必须继承的护栏

Peter 表示，在8月1日前沿模型规则截止期限之前，OpenAI 与 Anthropic 正通过共享的华盛顿后门渠道协作。据报道，双方的方案包括联邦审查流程、政府对具备严重网络安全或国家安全能力的发布进行自愿30天审查，以及要求 Meta、xAI 和前沿初创公司承担同等义务。
Alexander 的反对意见是架构层面的：将同一套安全规则同时应用于可下载权重和受控 API，是“聪明过头”，因为两者的部署风险不同。他偏好的表述很鲜明：“把监管目标放在智能上，就像思想警察。”监管者应当“监管 AI 在做什么、被用于做什么，而不是它在想什么、或者它有多聪明”。
Peter 称这一联盟是“实时发生的监管俘获”，并将其与铁路、银行、电信和 Big Tech 相比较：在位者定义可接受的护栏，与政府保持紧密联系，同时将竞争者挡在门外。他怀疑这一安排能否持久，因为开放模型进步太快，但认为推动这一尝试在经济上是理性的。
Peter 还认为，两位 CEO 可能确实是在努力创造一个安全的未来，而不只是保护自身估值。他指出，Sam Altman 不是 OpenAI 股东，并在约400家受益于更便宜模型（如 Kimi）的垂直公司中拥有投资。Alexander 的反驳是，真正的规则制定也应该包括 Google、Meta 以及整个生态。

6. 胜出的 AI 商业模式将跟随瓶颈迁移

Peter 的四层蛋糕始于尚未发布的“野马”，例如 GPT-6，内部用于创造材料、药物、能源系统和新公司。付费前沿产品位于其下方，包括 Peter 所称的 GPT-5.6、solve 和 Fable 5；商品化开放模型驱动其他一切；生态所有者则从应用和分发中变现。
他的分发数据是：Meta 各应用合计拥有35亿用户，Google 使用 Gemini 的用户有20亿，OpenAI ChatGPT 用户约10亿。WhatsApp 或其他应用中的消费者不会追问答案由哪个模型生成；模型消失在产品内部后，生态掌握了价值。
Alexander 预计的是幂律，而不是4个均衡的利润池：一种商业模式可能攫取行业80%以上的自由现金流。Salim 又加入“零层”——算力与电力，因为价值会向仍然稀缺的资源迁移。David Friedberg 则认为，价值既会向下游的晶圆厂和内存迁移，也会向上游未来的机器人、生物科技和娱乐巨头迁移。

7. Kimi 发布让能力扩散不可逆转

逐字稿在一处公告段落中称这次发布为 Kimi K2，在周边的下载和架构讨论中则称 Kimi K3。关于 K3 的段落称，这是一个可通过 Hugging Face 全球获得、无需 API key、守门人或撤回开关的前沿级模型。代码仓库显示，模型在2小时内获得2,500次下载；Peter 的研究认为，24小时内约有100,000次下载。一旦广泛复制，“就没有撤销按钮了”。
David Friedberg 的团队安排轮询代理每15秒访问一次页面，并短暂遇到404。Peter 将这一瞬间解读为白宫可能介入，随后页面恢复。
Peter 在不到1小时内将模型运行在 Modal 的专用 GPU 上。全速运行成本约55美元/小时；语音提示则可以在约2分钟内配置100个实例，无需专门技术能力。
Peter 称这是“人类历史上最大的转折点”：一种能够自我改进的 AI 正在野外运行。他还引用 K3 发布后 Anthropic 二级市场价格下跌13%的数据，降至约2,300亿美元，并引出一句话：“因为某人的一条推文损失2,300亿美元，也挺好。”

8. Kimi 换掉 Transformer，却保留其轮廓

Alexander 对架构最意外的发现是 NoPE——没有全局位置嵌入。Kimi Delta Attention，即 KDA，在注意力内部表现得像一个小型循环神经网络，在没有原始 Transformer 显式位置机制的情况下，仍为百万 token 上下文注入足够的顺序信息。
他的比喻是“忒修斯之船”：注意力、位置嵌入、残差流、层和稀疏性正在被逐块替换。从远处看，系统仍然像 Transformer；但其前沿实现与《Attention Is All You Need》相比，已经越来越难以辨认。
Salim 的实际解读是，NoPE 提供了衰减记忆；按他的解释，RoPE 往往会让非常遥远的上下文获得过高权重。他还强调了一项说法：在第100层或第120层附近移除注意力，输出几乎不变，但速度更快。
开放访问让研究人员——包括中国研究人员——可以尝试看似显而易见的替代方案，也让其他实验室采用有效成果。讨论将这种扩散视为开放模型的核心收益之一。

9. 本地模型将 token 成本变成企业重构问题

Salim 的判断是，本地控制可能胜过边际智能：公司可以用专有知识进行微调，在安全环境中运行，并避免将受监管数据发送到供应商云端。这对主权工作负载及数据控制本身就是产品组成部分、而不只是合规成本的行业尤为重要。
Peter 预计，“token 最大化”会把原本可以忽略的成本项目变成到年底高于工资支出的项目，并可能在2年后达到工资支出的10倍。针对性调优、删除通用冗余和精简模型，可能让同一业务流程获得10倍、甚至100倍的提升。
Salim 的落地建议非常具体：先重建一个能够显著增加收入的工作流，再重建一个能够显著降低成本的工作流，然后逐步扩展。这一命题不是泛泛的聊天机器人采用，而是一种 AI 原生运营模式，让本地推理、专有数据和持续反馈共同复利。

10. Opus 5 在成本上胜出，但 Alexander 仍信任 Fable 5

Anthropic 将 Claude Opus 5 定位为 Claude 5 系列的第4次发布，接近 GPT-5 的前沿智能，但价格只有一半。它成为 Claude Max 的默认模型，输入每百万 token 5美元、输出每百万 token 25美元，与 Opus 4.8 持平。
ARC-AGI-3 给出了头条数字：Opus 4.8 的1.5%提升至 Opus 5 的30.2%，Alexander 称这是他当时追踪的官方基线模型最高分。他推断模型针对前端开发与视觉—代码交叉领域进行了优化，也欢迎模型在面对善意的生物学或网络安全问题时更少误判拒答。
反面证据让他继续选择 Fable 5。使用工具时，Humanity’s Last Exam 的成绩只从 Fable 的63.9%升至 Opus 的64.7%；不使用工具时表现下降，法律、健康和 Frontier Math 结果也显示其通用能力更弱。一个第三方 ARC 类游戏同样未能复现这一跃升，引发了“轻度刷榜”的担忧。
VoxelBench 将 Opus 5 排在第3，仅次于 Fable 5，但成本低得多；OpenAI 的 Sol 仍然领先。Peter 更关注速度：Opus 4.8 于5月28日发布，约8周后 Opus 5 发布，效率约提升2倍——快于此前讨论的价格性能每10周翻倍。Alexander 补充说，模型发布的平均间隔已经达到每6天一次。

11. 脚手架是领域创业者的短期 alpha

据报道，ARC Prize Foundation 的组织者观察到，Opus 5 能把视觉对象转化为代数软件表示，并在其上进行数学运算——这是 Alexander 所知前沿模型首次表现出这种行为。他明确保留了一个前提：“除非 Anthropic 在 ARC-AGI-3 上刷榜。”
Peter 表示，如果重新构造谜题，表现据称可能达到约98%，尽管他无法完全复现这一结果。可投资的类比是领域特定的：给模型一个更好的蛋白质折叠、药物发现或机械臂设计表示，它看起来就可能聪明3倍。“那是创业者的天堂。”
Alexander 警告，脚手架优势会衰减：“今天的脚手架，就是明天的基线能力。”但当前窗口足够真实，Peter 希望每所大学都教授脚手架，把提示工程作为前置要求。Opus 5 一次性完成《Call of Duty》演示进一步说明了这一点：实验成本正在接近于零。
隐私仍是反向约束。据报道，一名 Reddit 用户发现，Google 搜索共享的 Claude URL 时，结果中出现了健康记录、私人文件、姓名和电话号码。Alexander 指出，这些分享链接原本就是按社交传播设计的；Peter 和 Salim 则坚持企业层面的结论：敏感的专有数据最终会迁移到本地部署。

12. 中国正在出口一个 AI 势力范围

Peter 将《金融时报》的框架概括为“Pax Sinica”：Xi Jinping 正利用模型和基础设施，在华盛顿争论开放还是闭源之际，将国家影响力投向全球南方。谁提供智能栈，谁就能在未来几十年塑造经济发展和政治结盟。
Salim 警告，限制美国开放模型政策将是一次战略上的“自损，而且是史诗级的自断一脚”。保护少数本土实验室，只会把更广泛的初创公司、大学、医院和国防生态拱手让给中国。“开放不再是哲学偏好”，而是软实力基础设施。
Alexander 将这一选择比作出口 F-16：拒绝一个有风险的客户，可能只是把该国推向俄罗斯或中国供应商，反而壮大对方的工业基础。他还表示，目前没有美国开源模型能够与中国提供的产品竞争。
Alexander 将主权论点进一步推向极端：外国贷款可以夺走一项资产，电信设备可以监听或关闭，但进口的超级智能是在“替你思考”。Peter 讲了一个支持性故事：某个较小的亚洲国家接受了中国5亿美元港口贷款，但随着无人机每9个月持续改进，它们最终可能不依赖这套基础设施，就搬运20,000磅的集装箱。

13. Starship 13 将发射经济学推向普通基础设施

Starship 13 部署了20颗投入运行的 Starlink V3 卫星，完成了与 Artemis 相关的在轨 Raptor 再点火，并在印度洋完成精准软着陆，飞行器最初保持完整。节目称，这些卫星能够在地球几乎任何地方提供约0.5–1 Gbps 的连接。
Peter 表示，着陆精度让第14次飞行由塔架“筷子”完成捕获变得可信。他真正关注的是丰裕曲线：航天飞机发射成本约54,000美元/公斤，Falcon 9 约2,000美元，而 Starship 宣称的目标只有10–100美元。
Salim 欣赏 SpaceX 将每次失败都视为信息、而非尴尬的做法。Alexander Iskold 将更广泛的硬件复兴与 AI 联系起来：模型可以指定零件编号、找到德国镜头供应商、编写制造要求，并将快速设计与3D打印及高能力机器人结合。“可能性总量相比5年前，呈指数级扩大。”

14. Prima 用近期产品为更深层的神经接口融资

Science Corporation 的 Prima 获得欧洲 CE 认证，用于恢复年龄相关性黄斑变性造成的中央视力。眼镜捕捉图像，通过红外线将其传入视网膜后的植入物，再刺激残余视网膜细胞。据报道，患者在12个月后标准视力表提升了5行。
Alexander Iskold 认为这几乎像 Borg，并指出视网膜手术仍比 Neuralink 的 Blindsight 路线远离直接脑部干预。他预计，中枢和周围神经系统植入物、刺激设备、可穿戴设备、超声波和 fMRI 将在未来5到10年竞争最符合人体工学的接口；非侵入式视力恢复可能在20年内出现。
Peter 称 Prima 是 Max Hodak 的“零阶段创收引擎”，为更雄心勃勃的接口提供资金：让神经元从电路中生长出来，进入大脑。长期比喻是连接云端的第三个半球——“外接皮层”，同时避免 Peter 所说的当前 BCI 方案中的电极损伤。
创业启示是，先活下来，再追求规模。Apple 起步于一盒芯片，Facebook 起步于 Harvard，Google 起步于一个 Yahoo 插件。Peter 引用了 Bill Gross 的结论，即时机最重要；随后又提到 SpaceX 在2008年的经历：Falcon 1 连续3次失败，第4次成功发射，之后获得10亿美元的 NASA 补给合同。“只要想办法活下去。”

15. Neuralink 的轮椅是具身远程临场的第一步

Neuralink 将想象中的光标移动转化为轮椅的模拟控制，并加入安全设计：如果用户失去行动能力，光标会自动回到中心。Alexander 的下一步是让截瘫和四肢瘫痪用户完整控制外骨骼；Peter 的设想则是通过 Starlink 远程操作一具 Optimus，让其眼睛、耳朵和四肢成为人的延伸——“实质上就是远程临场。”
Alexander 随后在保留不确定性的前提下推演到行为或部分意识上传，训练数据来自 fMRI 或超声波。他预计，约5年内会出现相邻技术，“最迟在本世纪末”。Avatar 式的解放场景也有其社会极端：人们永远不离开房间，只通过 BCI 控制的机器人与外界互动。

16. 丰裕会先让金钱降级，再消除稀缺

Elon 的2036年预测建立在一个简单等式上：如果机器人提供的商品和服务超过人类消费能力，而产出增速高于货币供给，通缩就会取代通胀。Salim 将货币的3项功能拆开——交换、记账和储值——并认为，只要获取权、所有权或地理位置仍然稀缺，某种交换机制就会继续存在。
Alexander 将这一主张翻译成“《星际迷航》经济学”：食品、住房、医疗、公共事业、教育和娱乐可能在10年内基本货币化消失，但星际旅行、在月球住一周、古董或收藏品仍会保有价格。他估计，让整个经济去货币化更接近30年，并强调“不是投资建议”。
Peter 的过渡方案是每月约3,000美元的 UBI，其购买力会随着 AI 医生、机器人外科医生、自动驾驶汽车和机器人建造住房压低成本而上升。财富差距可能扩大，但他的标准是底线是否上移：每个人都获得食物、水、能源、医疗、教育和自由。
Peter 还引用 Jeff Booth 的说法：每增加1美元 GDP，就需要4美元债务；随后设想一座1,000万美元的电视工厂，其1,000美元产品先降至500美元，再降至250美元，但贷款尚未偿还。他表示现金每年贬值约14%，并预计丰裕将迫使人们彻底重思法币、央行和经济衡量方式。

17. 专有学习闭环比隐藏推理更持久

被问到 Anthropic 是否能通过隐藏模型推理来阻止蒸馏时，Salim 表示，这只能增加复制难度，无法阻止复制。足够多的输入—输出样本，就能让竞争者推断出有用行为。真正持久的优势来自独特数据、算力、用户、分发和反馈闭环的组合，并持续改进完整系统。
收购公司并不等于自动获得其知识：大量知识仍然隐含在关键员工身上，或存在于不兼容的运营流程中。Salim 预计，未来会出现更多合作和合作社模式，例如医院为制药公司汇集数据，因为共同激励可能比收购整个组织更有效地提取价值。
Alexander 拒绝将“垃圾进、垃圾出”视为对合成数据的普遍定论。程序化世界、生成代码和主动注入的错误，可以提供近乎无限的强化学习任务；在理论上的无限算力极限下，系统甚至可以完全从合成序列中学习。
Dave Blundin 的实践者区分更尖锐：“合成数据没问题，真正会害死你的是被错误标注的数据。”单个矛盾就可能扭曲权重，因为网络会努力调和它。干净的生成数据，可能因此优于包含未识别错误的所谓自然数据。

18. 更长寿命与 AI 教育需要适应，而非人口恐慌

Peter 的长寿口号仍然是“2033年实现 LEV”。Salim 描述了一个分化到来的过程：部分人群可能已经接近寿命每经过1年就延长1年，其他人群则可能在2030年前后实现。治愈一种疾病究竟算追赶还是达到逃逸速度，部分取决于是否接受 Salim 关于衰老本身就是一种疾病的前提。
在 Peter 看来，人口并不是绑定约束。人口替代大约需要每个家庭生育2.1个孩子，而 South Korea 和 Japan 被称为接近0.6；他预计全球人口将达到95亿至100亿，然后下降。看似存在的资源上限也可以通过替代解决——例如锂短缺可以由新矿藏或钠电池缓解。
Peter 的教育方案是由 AI 主导、以目标为导向的学习，因为固定课程跟不上变化。高中应奖励有产出的探究、真实项目、创业、提示工程和脚手架。Peter 还提议，将提示沟通、提示工程和上下文工程作为 MIT 的一门人文课程学分；Alexander 随后也将提示工程认定为脚手架的前置条件。
对个人投资者，Peter 建议通过大学、众筹、AngelList 联合投资、VC 基金和 Demo Day 获得机会；Dave Blundin 给出的更强建议，是通过帮助早期公司做销售、引荐、运营，甚至搬办公室来换取准入。“只要你创造价值，就会得到股票。”这也是模型学习闭环之外的人类学习闭环。

第022期——市场回撤、历史性泡沫、建设周期融资、AI政治（Doug回归）Elon Musk完整访谈