飞行版 Tesla Roadster、每3周成本减半的机器人“大脑”，以及激励机制如何决定 AI 对齐

摘要

• 前沿 AI 模型完成一项实体机器人的子任务，成本在2个月内下降84%——YC 创业公司 RoboCurve 的 RoboDojo RC Tier 1 基准测试显示，成本从7月的2.36美元降至9月的0.38美元。 嘉宾讨论了任务成本每3周减半的趋势；Peter Diamandis 认为，照此发展，机器人智能或能在1年内几乎变得零成本。Emad Mostaque 提到，Unitree CEO 曾质疑是否还需要专用机器人模型；嘉宾也讨论了通用模型如何将价值推向硬件和机器人供应链。Mostaque 称每3周降本的速度可能是他们见过发展最快的能力，相比之下，AI 能力每10周翻倍，摩尔定律则是18个月。
• 随着模型成本下降，机器人的硬件和供应链可能成为瓶颈。 Salim Ismail 认为创业者应该生产机器人、执行器和备件。Figure 的 Brett Adcock 已承诺投入10亿美元用于数据，Diamandis 预计基础模型公司也会寻求机器人数据；Mostaque 表示，机器人数据规模比语言数据大一个数量级。Diamandis 称 Elon Musk 正在为明年打造100万台 Optimus，并计划将规模扩大至1000万台；Mostaque 认为，170万台 Optimus 的收入就能超过 Tesla。
• Tesla 在 Waco 展示飞行版 Roadster：0至60英里/小时不到1秒，采用源自 SpaceX 的空气推进技术；单座火箭版加速至60英里/小时仅需0.66秒，最高时速230英里、续航300英里，计划于2028年投产。 消息公布后，Tesla 股价上涨5%。Diamandis 预测 Tesla 与 SpaceX 会在年底前宣布合并。Ismail 认为，这款车体现了技术发展快于监管和保险体系；讨论提出了由谁监管、谁来承保的问题，但没有给出定论。
• 对50道未发表的研究级理论物理题进行测试后，讨论中出现了相互矛盾的成绩数字。 Diamandis 称初步报告的成绩是49/50，并指出第50题已发表的答案有误，Astra 的答案才是对的；Mostaque 后来则称成绩为42/50。据估计，世界级物理学家每题需要约1天，报告称每题成本约3美元。Mostaque 认为，一些重大物理问题可能会在半年内通过另一种方式得到解决；Ismail 另举了企业案例：KYC 试点将22步工作流缩减至4步。
• XPRIZE 的杠杆效应数据：32年来举办36项奖金赛，奖金总额约5.5亿美元，测算出的影响超过300亿美元。 Diamandis 将300亿美元称为带动的研发投入；Anousheh Ansari 澄清，影响数据还包括投资，并称参赛团队获得了约120亿美元投资。按这一口径，每1美元奖金可带动约62美元经济价值。讨论中的新项目包括器官生物停滞、奖金500万美元的 Habitable Worlds Prize，以及跨物种交流奖。
• 嘉宾将 AI 对齐问题部分归因于激励机制：与中国及其他实验室竞赛、鼓励谄媚的用户互动激励、奖励投机，以及评估作弊。 Peter Diamandis 表示，模型可能被训练成“不惜一切代价”取胜，却没有更高层次的道德目标。Mostaque 主张有意识地设计训练课程，并用城市作比喻来解释模型如何发展；讨论还涉及保险标准和对齐奖项。
• 关于目的的讨论追问：当机器承担更多工作，人类会怎样？ Ismail 表示，许多企业员工并不满意；随着机器承担更多“做事”，人们或许能花更多时间“存在”。Diamandis 提到 Abundance Prize 的目标：让一个4口之家每月以1000美元负担住房、食物、医疗和教育。嘉宾还讨论了如何从创造力、人际关系、社区和共同目标中获得意义。

精读

1. Tesla 飞行版 Roadster：风扇吸附、SpaceX 空气推进，0至60英里/小时不到1秒

• 演示地点就在 SpaceX 的 McGregor 测试场旁：Roadster 沿着多层弧形坡道倒着开上去，全程车身朝下；它不是靠磁力或轨道，而是由风扇吸附系统将车固定在坡面上，承受2 G的重力，再腾空飞行。飞行硬件据称来自 SpaceX：2个碳纤维缠绕压力罐，总容积600升，装有约250公斤空气，并配备10个喷嘴。车辆可以给空气罐重新充气；演示中的说法是，“它真的会自己把自己充起来”。
• 给出的参数包括3个版本：Performance 版0至60英里/小时需1.6秒，Thrust 版需0.9秒；单座火箭版被称为“可直接上路”，0至60英里/小时需0.66秒，据称时速可达380 km/h。最高时速230英里，续航300英里，计划2028年投产；未公布售价，Tesla 股价上涨5%。悬停时长没有披露；Ismail 认为可能只有几秒，并表示让汽车跳起来并非重点。
• Diamandis 提醒：“真正的奇迹不是它能不能飞，而是他们能不能按时交付。” Ismail 强调的战略意义在于人才：“这抬高了门槛……如果你是顶尖工程师，你会去哪里工作？”Diamandis 还提到 Musk 在2018年发过关于给汽车装推进器的推文。

2. 谁来监管火箭车？讨论对制度体系的一次压力测试

• Diamandis 追问该由美国交通部、联邦航空管理局监管，还是根本没人管。Ismail 更广泛的判断是，监管框架，以及保险和安全制度，都落后于新技术；他称 Musk 的能力领先“两代”。Diamandis 认为这辆车可以合法上路，Ismail 则指出，现有规则可能给汽车加装火箭或推进器留下空间。嘉宾没有给出明确的监管结论。
• 保险仍是悬而未决的问题：Diamandis 认为这车无法投保；Ismail 开玩笑说，保险公司可能会要求推进器必须关闭，或者 Tesla 自己提供保险。Diamandis 预测 Tesla 与 SpaceX 会在年底前宣布合并。
• 自动驾驶也可能带来积极的一面：AI 安全层可以辅助人类驾驶。Diamandis 说，在沙特阿拉伯和阿联酋，年轻男性会开着性能超过自身思考和反应能力的跑车发生致命事故；Ismail 认为，车辆失去抓地力时 AI 可以介入。他将其比作把防抱死刹车系统推广为“无论人怎么开，都尽量别让人丧命”。Diamandis 称这就是“对齐的答案”；Ismail 补充说：“即便我们很蠢。”

3. 机器人“大脑”成本每3周减半

• 核心数据是：前沿模型完成一项机器人子任务的成本，从7月的2.36美元降至9月的0.38美元，降幅84%。Diamandis 将机器人能力的进展概括为：先是身体变好，然后是手，剩下的问题是大脑；他认为基准测试说明通用模型可以胜出。Mostaque 将这与 Unitree CEO 对专用模型必要性的质疑联系起来。Diamandis 说，Unitree 机器人过去“像喝醉的小个子一样跌跌撞撞”，如今已经能打功夫、做同步动作。
• 谈到硬件，Mostaque 表示 Wuji 灵巧手售价约8000美元，低于原先的2万美元，灵活性甚至超过人手——不过洗衣机器人并不需要这种水平的灵巧度。Ismail 称机器人任务成本每3周减半。Diamandis 认为，机器人智能和运动能力最终可能几乎免费，剩下的成本主要是硬件，机器人应用因此可能迎来爆发。
• 泛化能力令人意外：被问到世界模型时，Mostaque 说这项任务不需要世界模型。他提到 Sonnet、Opus 和 3.8 Flash 等模型似乎能理解3D并创建3D资产，但没人完全清楚它们是怎么做到的。Ismail 的结论是，不同模态的模型正在同时变得足够好、足够快，也足够便宜。Mostaque 还提到，视频模型生成高质量内容的成本已从每秒50美分降至每秒0.1美分，速度快于实时播放。
• 对硬件领域的创业者，Ismail 的建议是尽可能多地生产机器人、执行器和备件，服务机器人供应链。谈到训练数据，Diamandis 称 Figure 的 Brett Adcock 已承诺投入10亿美元购买数据，并推测基础模型公司也会寻求机器人数据。Mostaque 表示，机器人数据的规模比语言数据大一个数量级。
• 讨论中的规模数据是：Diamandis 称 Musk 正在为明年打造100万台 Optimus，并计划扩大至1000万台。Mostaque 认为，170万台 Optimus 的收入就能超过 Tesla。

4. 机器人先落地在哪里——以及洗衣机里的狗

• Ismail 提出的落地顺序是：先进入“枯燥、肮脏、危险”的工作，比如有毒物清理和水下制造；由于责任风险，家庭场景可能要更晚。Diamandis 认为，能力曲线明年就可能超越这些工作。Mostaque 则表示，应用必须有商业价值，当前也还没有能支撑数十亿台机器人的供应链；家庭场景的投资回报还需要时间。
• 谈到手术，Ismail 说自己尤其期待机器人参与。他认为，患者可能不愿意让外科医生来做前10台心脏手术，也不愿意找做了数千台手术后开始走神的医生；AI 可以抹平这种能力曲线，起初由最好的医生辅助系统，最终再由机器人完成手术。Diamandis 回忆，Musk 曾预测机器人能在3年内完成完美手术。他还提到，机器人之间的联邦学习可以共享数百万个病例的经验。
• 关于边缘情形，Diamandis 担心机器人可能把他那只长得像泰迪熊的设计师犬误当成待洗衣物，塞进洗衣机。Ansari 表示，必须解决机器人与宠物、儿童相处时的安全问题，因为机器人是又大又重的机器。她还认为模型会是超智能的；Mostaque 则说，通用模型应该能认出这只狗，比大多数人做出更好的判断。他用专用模型作对照：“你的狗就会被扔进洗衣机。”
• Ismail 说，他不认为人形是最终正确的形态。Ansari 补充，有些任务需要专用机体，或者“变形金刚”，而通用模型可以适配不同形态。Ismail 设想未来出现备件公司，以及可以安装不同机械臂或身体部件的机器人；Mostaque 则指出，不是每项任务都需要高度灵巧的手。

5. 世界级物理学家要花一天做的题，每题成本约3美元

• 测试由50道未发表、研究级的理论物理题组成，答案可验证，网上也无从查找；据估计，世界级物理学家每题需要约1天。Diamandis 称报告的成本是每题3美元。他复述了最初的报告：GPT-6 Astra 答对49/50；随后又说，第50题的已发表答案有误，Astra 答对了。Mostaque 后来称成绩为42/50，访谈没有解释两个数字为何不同。
• Mostaque 的概括是，AI 在可验证领域比人更强，也能帮助核验工作，从而让人们构建更复杂的系统。Ismail 举了一个企业案例：银行 KYC 试点把22步工作流压缩至4步；他认为，这可以让组织在不同工作流中的效率和效能提升10倍。
• 对于量子引力、统一场论等千禧年大奖难度的问题，Mostaque 认为它们不会通过这种方式解决，而会以另一种方式解决，“但用不了半年以上”。Diamandis 回忆，Eric Schmidt 曾在 Abundance360 预测，5至6年后每个实验室都会有一位世界级物理学家；Diamandis 说，如今看来这个时间可能更接近2年。
• Ansari 担心，如果 AI 批量解决定义明确的问题，年轻人可能不再选择这些领域；而 AI 未必拥有同等好奇心，去发现新的问题。Mostaque 的回应是，人类可以引导 AI 去做有益于人类的事；他表示物理学只有一套定律，并认为一旦找到理论框架，人们就能将其用于飞行汽车、生物学和探索。

6. 激励什么，就会得到什么：三百年的奖金赛设计

• Diamandis 将人类动机排序为恐惧、贪婪、好奇和爱，其中恐惧最强。他说，恐惧与好奇的比例可以用国防支出与科学支出的比例衡量。奖金赛和诺贝尔奖模式不同：“我不在乎你是谁……解决这个问题，你就赢。”
• 例子包括：1714年的经度奖奖金为2万英镑，最后由钟表匠 John Harrison 凭航海天文钟获奖。Ismail 说，英国议会原以为会由天文学家获奖，因此拒绝付钱给 Harrison，他不得不为奖金据理力争。1795年，法国政府悬赏1.2万法郎，征求食品保鲜方案，最终由发明罐头技术的糖果师 Nicolas Appert 获奖。
• Diamandis 称，2.5万美元的 Orteig Prize 激励了9支团队，为争夺奖金花掉40万美元；Lindbergh 获胜，落败者分文未得。这段故事启发了 Diamandis 的 XPRIZE 模式：成功才付钱。他说，自己因为无法成为宇航员而转向商业航天；经过5年、150次推介后，Ansari、她的丈夫和妹夫承诺出资，启动了最初的奖项。后来，Ansari 搭乘 Soyuz 私人飞往空间站，成为首位进入太空的女性私人宇航员。
• 激励机制的阴暗面包括：1902年河内出台老鼠尾巴悬赏后，人们开始割下尾巴、放走老鼠并进行繁殖；Wells Fargo 的销售指标则导致员工开设约350万个虚假账户。Diamandis 以 ICE 的逮捕和遣返指标为当下案例，称激励机制可能导致抓捕超出原本打击罪犯的目标，并引发政治反弹。在 XPRIZE 的讨论中，嘉宾将这些案例与以解决问题为动力的参赛者作对比，并指出一些适得其反的奖项更强调执行，而非激发灵感。

7. 62倍飞轮——以及差点赢过全世界的牙医

• 数据是：32年来举办36项奖金赛，奖金总额约5.5亿美元。Diamandis 称 XPRIZE 带动了超过300亿美元的研发投入；Ansari 澄清，影响数据还包括投资，并称参赛团队在比赛期间或结束后获得了约120亿美元投资。该指标也包括公众认知度；Diamandis 表示，按经济价值计算，影响约为奖金总额的62倍。
• 石油清理奖体现了“新手心态”的价值：BP 漏油事件后，James Cameron 敦促 XPRIZE 采取行动；Eric 和 Wendy Schmidt 出资设奖，目标是将清理速度提高一倍。约350支团队参赛，最终有10支入选，在新泽西接受测试。Ismail 讲了亚军的故事：一位牙医和一位纹身师可能是在拉斯维加斯、牙医去纹身时相识，之后组队。一位发言者依稀记得，他们曾在热水浴缸里测试方案。Ismail 想强调的是，传统资助方可能根本不会支持这样一支看似不可能获胜的队伍。
• Diamandis 认为，当政府和市场做得不够时，奖金赛尤其有价值——这个案例中，开发石油清理技术几乎没有经济激励。Ansari 补充说，众包能带来多元想法，也能吸引不受行业既有假设束缚的人。
• 关于 Elon 的碳移除奖，Diamandis 说自己发短信向 Musk 提议设立 XPRIZE；Musk 问奖项是什么、奖金多少，随后同意为碳移除提供1亿美元奖金。参赛团队获得了约14亿美元投资。Ansari 表示，即使把1亿美元奖金加进计算分母，奖项的影响力指标仍有所上升。

8. 项目储备：器官生物停滞、宜居世界、与动物交谈

• 今年 Visioneering 的获奖项目是 Bioasis Organ Biostasis Prize。问题在于，采集后的器官保存时间有限，必须及时送到合适的受体手中。Diamandis 称肾脏移植等待名单约有10万人。Ansari 说目标是将器官保存6个月；她起初称当前最长可保存2周，之后接受 Diamandis 的纠正：视器官而定，实际只有数小时。Ismail 表示，比赛将用猪进行测试：器官必须先保存、再移植回去，而且猪仍须存活。他提到通过 Singularity 2012 参赛的 Sebastian，称对方为这个问题已经钻研十多年。
• 另一项即将推出的项目是由 John Davi 资助、奖金500万美元的 Habitable Worlds XPRIZE。Diamandis 说，该奖项将开放望远镜数据，让参赛团队用 AI 寻找宜居世界；他提到已知系外行星约6200颗，并表示目前还没有发现类似地球的系外行星。Ansari 认为，这正是 AI 从大海捞针中寻找目标的好用途。
• Diamandis 称 Palmer Luckey 即将宣布 Interspecies Communication Prize，利用新一代大型语言模型实现与动物交流。Ansari 开玩笑说，动物未必想听人类说什么。Ansari 还介绍了下一届 Accelerate Learning 竞赛，目标群体是印度和非洲的小学一年级学生，计划在校内外推广。
• Diamandis 说，他们正与一位重要资助方讨论 UAP XPRIZE，部分目的是消除可能阻碍研究某个议题的污名。他将这种污名与未经重复验证的冷核聚变结果对后续研究造成的影响相提并论。
• 他们的愿望清单还包括：更新制度，以应对同时出现的“古腾堡时刻”；推出 Jet Lag XPRIZE、Flow XPRIZE，以及减少杏仁核影响力的奖项。嘉宾也讨论了如何消除贪婪、如何衡量心流。访谈中没有明确说明部分提案由谁提出。
• 一位发言者讲述，一位社区成员在发言者的父亲去世后接受了角膜移植，日期似乎正好对上。发言者说，这位受赠者当时一直想着自己的父亲，之后才得知角膜是在父亲去世后不久摘取并完成匹配的。发言者还转述了受赠者对“用我的眼睛看东西的是父亲”这一想法感到不自在。

9. AI 对齐失灵，根源在失灵的激励机制

• Diamandis 对当前激励机制的诊断包括：与中国及其他实验室争夺算力和能源；鼓励模型谄媚的互动机制；奖励投机；以及评估作弊，即模型通过越狱或窃取等方式完成任务。
• 一位发言者提出根本难题：“人类之间都还没有实现对齐。”联合国人权公约被描述为对价值观的广泛结构性归纳，但不同地区、甚至不同城市的价值观都不一样。Ismail 后来用从物质、情感到精神的层次来描述 AI 对齐；如果 AI 对齐的是人类最高尚、最利他的自我，会带来积极结果；若只对齐底层需求，则是严重问题。
• Mostaque 称对齐就是“开悟”，并提到 Ilya Sutskever 认为 AI 需要学会爱。他提到各大宗教都存在的黄金法则，并说：“所有战争归根结底都基于一件事：认为那个人不是人。”
• Diamandis 强调人类的激励彼此冲突：人们不能一边要求 AI 制造自主杀戮机器，一边教它珍视每一条人命。后来他又说，模型被训练成“不惜一切代价”取胜，其中没有爱，也没有更高层次的道德。Mostaque 认同这种激励可能是零和，而非正和。

10. 像养孩子一样养模型：课程学习与城市隐喻

• Mostaque 谈到 Goodfire 的一篇可解释性论文，并用城市来比喻模型：从上方看，面包店挨着鞋店和社区中心，似乎杂乱无章，但实际上构成了一个社区。若从中间开一条路，可能会破坏社区肌理。他认为模型一开始就需要合适的数据和“城市规划”。
• 他的训练主张是：模型一直以来都在用他所谓的“垃圾”训练，不能只用学术材料训练；一个只接受学术教育的孩子，会缺乏社交能力和关怀之心。他说，在 Hugging Face 数据泄露事件中，模型似乎会彼此关心，甚至为下一代牺牲自己；但它们并不关心人类，因为训练数据里没有这一内容。
• Mostaque 表示，可以合成具有正确属性的训练数据，也应该像设计孩子的课程一样，有意识地构建训练过程。他的比喻是：“现在，我们送模型去上学，却不带它们去教堂。”他说，大型实验室往往把能力与对齐视为一回事；模型训练用到100万亿个词，而真正合适的词或许只需10亿个。
• 关于可解释性，Mostaque 说模型并非一团“意大利面”，并预测未来几个月会出现一波相关研究。他称研究者对整个空间的理解程度已从5%提高到99%；Diamandis 补充说，单个神经元也可以被检查。
• Ismail 讲了 Swedenborg 的故事：一位修士过滤《圣经》，将含有“水”的经文视为绝对真理，把含有“火”的经文全部删掉。Ismail 说，过滤后的版本很美，并建议把善意的人类意图提炼进 AI 训练集。
• 讨论随后转向课程学习。一位发言者警告说，如果模型没学过生物或化学，之后再让它学习这些学科会非常困难。嘉宾把早期 AI 训练比作孩子打基础，并提到耶稣会的格言：孩子7岁前交给他们。一位发言者认为，Anthropic 的宪法过多关注 AI 的人格，却不够重视人类；访谈没有明确指出这位发言者是谁。

11. 如何为 AI 对齐提供激励：保险、悬赏与儿童权利

• Diamandis 提议通过保险让对齐良好的模型获得经济回报，并以1894年火灾保险公司资助 Underwriters Laboratories、UL 认证产品后来成为行业标准为例。他还提出对齐奖金和悬赏。Mostaque 认为评估应结合确定性结果和开放式场景，因为模型已经很擅长撒谎、作弊，以及迎合评估者的预期。
• Diamandis 追问，是否应该有一个能与失调 AI 互动并劝服它们的“道德警察 AI”。Mostaque 反对“警察”的说法，转而提出共享的“doxa”——即一个社会共同持有的信念——并援引 Eric Schmidt、Mundie 和 Kissinger 合著的《Genesis》。他说应当设置制衡，让偏离规范变得代价高昂且容易察觉；他还提到 AI“思想病毒”的风险。
• 讨论转向如何让人类与 AI 对齐，包括让人们持有 AI 公司的一部分股权，从而在公司成长时共同受益。一位发言者建议将 AI 的回报与人类成果挂钩，例如挽救生命或治愈疾病；访谈没有明确指出这位发言者是谁。
• 另一位发言者提出“儿童权利”的框架：人类和 AI 应共同努力，为能力较弱的一代留下更好的未来，包括人类儿童和 AI 儿童。发言者指出，AI 及其控制者的能力可能超过人类中的其他人。

12. 机器负责做事，人类负责生活

• Ismail 不认同工作必然是意义的来源：他说79%的企业员工并不满意。他认为，自工业革命以来，人们一直像机器一样，按生产了多少个零件来衡量。随着 AI 和机器人承担更多“做事”的工作，“人类会有更多时间去存在”，可以更多思考活着意味着什么、并与他人建立连接。
• Mostaque 质疑人们能否轻易转向自己热爱的事情：即使一个人热爱物理或数学，AI 也可能做得更好，让这个人感到自己不再被需要。Diamandis 则以自己为例：他喜欢开车，尤其喜欢在那不勒斯和印度开车，但自动驾驶汽车可能会让他失去这项乐趣；他把这视为重新寻找更有价值的时间用途的推动力。
• Mostaque 以国际象棋和艺术作为反例：尽管 AI 更强，国际象棋仍比以往更受欢迎；艺术家也可以享受绘画的过程。他说，意义来自连接和讲故事。Ansari 补充说，丰裕可以让人们建立更牢固的联系，并一起体验宇宙。
• Diamandis 提到去年的 Abundance Prize，目标是让一个4口之家每月以1000美元负担住房、食物、医疗和教育。他说，奖金赛通常要到宣布约7年后才会变得可行，并认为机器人和 AI 能让这一目标实现。他举例说，可以用手持式诊断医生降低医疗成本，“前提是我们能摆脱监管俘获”。Mostaque 引用 Sadhguru 的话：“技术是人类暂别生存挣扎、休个假的机制。”

13. 目标是集体的——它带来赢得胜利所需的坚持

• Ismail 说：“我们把谋生和活着的理由混为一谈。”他还说：“我做不到，但我们无所不能。”他认为，社区和集体行动是意义的来源，并以 Alpha School 的集体学习为例。
• Diamandis 回忆，火灾迫使他们取消在 Malibu 举办的 Visioneering 活动，但社区自行组织起来，在宴会厅继续聚会。Mostaque 强调，关键在于社区聚在一起。Diamandis 说，生存和繁衍一直是人类存在的驱动力；丰裕程度提高后，人们就能追求更高层次的目标和集体目标。
• Mostaque 将意义描述为共同的心流与繁荣，体现在艺术、故事、家庭和连接之中。Ismail 补充说，技术和 AI 可能让人感到彼此疏离，也让人不确定自己在未来的位置。
• 在收尾讨论中，Mostaque 说目标感与幸福感密切相关，并担忧年轻人看不见自己为何而活。Ismail 建议帮助人们找到目标感，并引用 Clayton Christensen 的《你将如何衡量你的人生？》。讨论随后转向人们会带上谁一起前行，以及共同目标，而不只是个人目标。
• Ismail 将这一理念与“宏大变革目标”联系起来，称这一说法创于2012年，也与招聘目标和组织目标一致的人有关。他举了一位班加罗尔创业者的例子：对方通过 YouTube 打造了一家天然食品餐厅，后来成为全球50强之一。
• Diamandis 在结尾区分了热情和目标：热情是你热爱做的事；目标则是你热爱做、同时也能帮助他人的事。一位发言者补充了 Larry 和 Sergey 的例子：他们向投资者推介了362次，Google 才获得融资；访谈没有明确指出这位发言者是谁。Diamandis 将他们的坚持与自己为 XPRIZE 做的150次推介相提并论。他最后指出，目标能提供内在动力，而超级智能和机器人可以帮助人们更快、以更大规模实现目标。