摘要

David Blundin 不认为 AI 本身是泡沫，但承认大量 AI 投资最终会失败。 他的区分直接关系到投资判断：骗子和弱公司可以倒闭，却不影响“人类历史上最大的船”（“the biggest ship in human history”）。OpenAI 据报月收入已达 10亿美元，代币量周环比增长约 50%，智能体使用量接近翻倍，推理使用量增长 8倍，这些迹象表明，需求的瓶颈仍更多在算力，而非用户胃口。
下一轮边缘计算跨界，可能在 6–12个月内把前沿级智能装进机器人、汽车、手机和工业设备。 相关配置是一块约 $2,500 的 NVIDIA RTX 5090，在本地运行与当前前沿模型相当的模型；Gemma 3 的 2.7亿参数模型据报只消耗 Pixel 9 Pro 1% 的电量，就能处理 25次对话。Alexander Wissner-Gross 认为，真正持久的逻辑是延迟，而不只是隐私：人形机器人需要在本地以“超低延迟”运行基础模型。
模型经济性改善的速度，可能远超传统 scaling 曲线的暗示。 一项 320亿参数蒸馏结果据报只用 1% 的训练语料，就达到了相当的能力，差距约为 100倍；其方法包括教师模型、结构化课程和逐步解释。Wissner-Gross 认为各处都存在“悬置的增益”，而 Blundin 认为数据、优化器、软件和芯片的改进会相互叠加，压倒任何单一算力扩张曲线上的边际递减。
科学发现正从孤立演示，转向自动化生产系统。 GPT-5 Pro 据报改进了凸优化中的一个证明，GPT-4b 则设计出据称有效性高出 50倍的细胞重编程因子；Wissner-Gross 预计，今天的“涓流”最终会变成批量证明、发现和发明。其关键机制是递归优化：如果 AI 能设计更好的优化器，而优化器又能设计更擅长设计优化器的优化器，它就会抵达“文明最内层的循环”。
短期真正的薄弱环节是企业采用，而不是模型能力。 相关 MIT 研究称，企业在生成式 AI 上投入了 $30–40 billion，但 95% 的试点没有产生财务回报；购买现成产品的成功率约为三分之二，而内部开发约为三分之一。Salim Ismail 的建议是建立直接向 CEO 汇报的 AI 原生边缘组织：“不要试图改造母舰。”
决定哪些前沿实验室最终拿走经济收益的，将是算力、能源、分发和人才，而不只是基准排名。 OpenAI 正推进最高 5 GW 的德州 Stargate 扩建，以及挪威一座配备 100,000块 GPU、规模 290 MW 的数据中心；Google 则同时拥有基础设施、$85 billion 的 AI 资本开支规模、现成分发渠道，以及据报持有 Anthropic 14% 的股份。Blundin 的表述非常直接：行业如今对算力有“无限需求”，由此形成了按“每个 token 的生产率”分配容量的新市场。Diamandis 还称，GPT-5 已让 700 million 人获得免费模型访问，可能形成生产率与资本相互促进的反馈循环。
BCI 与人形机器人，是这场圆桌把加速的机器智能接入人类经济的桥梁。 Merge Labs 据称正结合基因疗法与超声波读写神经元，Figure、1X、Unitree 等公司则在推进自主操作与运动能力。Wissner-Gross 警告，高带宽 BCI 可能需要在未来几年内到位，否则“纯 AI 经济”会与人类脱钩；圆桌最后展望的是 2030年代一个类似 Star Trek、但 AI 和生物科技更丰富的融合世界。

精读

1. 人类基准正在模型进步之前触顶

Peter Diamandis 开场提到，GPT-5 Pro 在 Mensa Norway IQ 测试中的得分约为 148，而人类平均分是 100。Wissner-Gross 的回应是，面向广泛人类群体设计的测试正在“耗尽 sigma”；当分数逼近 200时，数字本身的意义不如模型在专业知识和未解问题上的表现。
他提出的替代方案，是建立一套与重大科学和社会挑战挂钩的“丰富基准集”。从 GPT-o3——据称得分约为 120或 136——到 GPT-5 Pro 的跃升当然重要，但更强的信号是：两年前的障碍如今已变得足够日常，以至于系统跨过它们时“没人注意到”。
Blundin 从大脑的物理尺度延伸了这一观点：如果新皮层大致只有“一张餐巾纸那么大”，那么当机器增强让其功能等价物扩展到一张桌布、甚至一块足球场大小时，会发生什么？他的回答刻意简短：“我们会仔细聆听。”
Wissner-Gross 最宽泛的判断是，AI 可能已经跨过了实用奇点的门槛——不是因为某个基准宣布了 AGI，而是因为“变化的速度快过了我们的处理能力”。这条曲线已经跑在试图测量它的机构和人类前面。

2. 本地智能让延迟成为边缘计算的核心逻辑

圆桌讨论了一项预测：一块售价约 $2,500 的顶级游戏 GPU——NVIDIA RTX 5090——可能在 6–12个月内于本地运行达到当前前沿水平的模型。隐私和个人超级智能是直接收益，但 Wissner-Gross 称它们只是“表层故事”。
真正的跨界发生在紧凑型前沿模型与具身机器之间：通用人形机器人在本地运行基础模型，理解视频并在物理世界中行动，无需往返云端。打扫房屋或驾驶汽车未必需要最强模型；它们需要的是足够强、并能以“超低延迟”响应的模型。
1X Robotics 的案例让这一约束变得具体。CEO Bernt Øivind Børnich 据报把算力放进机器人的头部，因为从眼睛到大脑、再从大脑到执行器的延迟无法接受。法律、会计和政府等敏感工作又提供了本地化的另一层理由：即使有 MCP 式集成，企业也可能不愿把查询上传出去。
Google 的 Gemma 3 是一款 2.7亿参数模型，据报只消耗 Pixel 9 Pro 1% 的电量，就能处理 25次对话。Wissner-Gross 想象的终点是一个“微型钻石纳米内核”：可能只有几百万参数的多模态推理核心，需要时调用外部知识，而不是把整个世界记在模型里。

3. 蒸馏暴露出 100倍的训练效率悬置

一款 320亿参数模型据报通过“数据高效蒸馏”，在 AIME 2024和 2025上推动了 Pareto 前沿。Wissner-Gross 解释称，其机制是由大型教师模型通过结构化课程、精选数据、逐步解释和其他训练创新，教育成本更低的学生模型。
Blundin 强调图表的对数尺度：被重点介绍的模型只使用对照点百分之一的训练语料，就达到了等价知识水平。商业含义是训练成本可能存在约 100倍差距，初创公司或许无需匹配 OpenAI 或 Google 十亿美元级别以上的预算，也能打造专业基础模型。
他认为最好的应用场景集中、但价值很高：读取 X 光片，或设计火箭部件。初创公司可以在特定领域追求前沿级智能，再通过专有数据和工作流整合建立差异化，而不是试图复刻通用模型的全部知识库。
Wissner-Gross 将这些潜在机会称为“悬置的增益”——能力已经存在，只等研究人员找到合适技术就会爆发。蒸馏、数据集组织、设备中尚未使用的处理器，以及旧有科学成果，都可能在不简单扩大原始训练算力的情况下带来重大提升。

4. 更好的优化器构成 AI 进步底层的递归引擎

GPT-5 Pro 据报接到一篇凸优化论文中的未解问题，并给出了改进作者尝试的新证明。Wissner-Gross 称这只是定理层面的温和改进，却也是 AI 开始“批量解决数学、科学和工程问题”的前沿信号。
他预计，孤立的证明将在未来约 1年内变成“潮汐般的浪潮”，甚至可能从今年年底前后开始：数学证明、科学发现和工程发明会批量同时出现。文化层面的难题在于，研究机构没有先例来吸收如此规模的发现。
他的递归论证围绕计算机科学的“最内层循环”展开，即那个一旦优化就会加速周围一切的关键循环。今天，这个循环可能本身就是优化：如果 AI 找到好几个数量级更优的优化器，而优化器又能设计更擅长开发优化器的优化器，进步就会在整个文明的技术栈中复利。
Blundin 称，早先有估算认为，仅软件层面的改进，在约 8个可相乘维度上可以达到 100倍至 10,000倍。如果仅数据选择就能贡献 100倍，他认为这一估算可能仍然保守；当优化、课程、架构、芯片和工具共同改善时，原始算力的边际递减就没那么重要了。

5. 预测与发明开始难以区分

被问及 GPT-5 能否预测市场时，Wissner-Gross 将金融与世界其他领域区分开来。任何可靠的标普 500“水晶球”都会被量化基金采用，并立即反映进价格，因而限制其可见优势；预测社会、科学、工程或物理系统，则是反身性更弱的测试。
随后他把方向倒转过来：如果 AI 能预测未来，也许它可以“反向预测”过去。面对来自古希腊或古罗马的稀疏证据，模型或许能高保真地重建缺失事件——这种设想有时被称为“量子考古学”——从而对抗主要由胜利者书写的历史。
Salim Ismail 将这一可能性与历史档案，以及 Will 和 Ariel Durant 试图客观记录文明的工作联系起来。他设想的产品，本质上是一部可引用的“人类可能经历了什么”的 Wikipedia：在平衡继承而来的叙事同时，对证据无法解决的不同重建保留不确定性。
Wissner-Gross 提出的正向基准，是预测接下来 20项诺贝尔奖级发现。要准确预测它们，就必须先完成这些发现，预测与创新之间的界线也随之消失：“预测未来最好的方式，就是亲自创造未来。”聚变里程碑可能提供一个更近期、也更容易公开追踪的版本。

6. OpenAI 的国家扩张是一场算力与分发的圈地运动

Sam Altman 称，印度是 OpenAI 的第二大市场，可能成为其最大市场；用户希望获得更好的语言支持和更低的价格。Diamandis 将这一动作——以及据报与英国方面讨论提供 ChatGPT Plus——描述为一场争夺学生、创业者、工厂工人、临床医生和政府雇员的圈地运动。
Blundin 认为，OpenAI 决定优先布局新德里、而拒绝波士顿扩张建议，背后不只是获客。印度拥有全球最大人口、规模庞大的 20至 35岁人群，以及“智力悬置”；他还提到 Mercor，据称该公司大量在印度运营，估值约为 $10 billion。
Ismail 认为，印度未被充分利用的人才类似于 Ramanujan 的故事：没有基础设施和制度性通道，非凡的智力能力可能始终不可见。真正的约束是能源、带宽和算力；一旦这些约束解除，人们就能通过教育、医疗服务和更高生产率“搭建出脱贫阶梯”。
Diamandis 将这种潜在模式称为“全民基础算力”，即供给侧版本的全民基本收入。在他的丰裕框架里，智能和能源是原料；一旦二者都变得充足，许多物质和服务稀缺就会从固定边界，转变为下游工程问题。

7. 算力需求，而不是低使用率，定义了泡沫争论

OpenAI 据称正在建设最高 5 GW 的德州 Stargate 算力，以及一座由水电供能、规模 290 MW、配备 100,000块 GPU 的挪威中心。Diamandis 的表述是，电力就是“吸引数据中心的费洛蒙”，这使国家能源政策直接变成 AI 工业战略。
OpenAI CFO Sarah Friar 称，月收入约为 $1 billion；GPT-5 发布后，代币量周环比增长约 50%，智能体代币使用量接近翻倍，推理使用量增长 8倍。尽管那些期待 AGI 或硬起飞的人对发布结果感到失望，但实际使用量据报反而加速。
Blundin 对“AI 是泡沫吗？”的回答是绝对的：“绝对不是泡沫。这是人类历史上最大的船。”糟糕的投资、投机型创始人和失败公司当然会存在，但他认为，把这些失败与底层技术混为一谈，就是忽略一股“我们从未见过的”顺风。
Ismail 将 Altman 的泡沫警告解读为估值管理，背景是据报以 $500 billion 估值进行的二级出售。Wissner-Gross 则给出了资本开支持续的条件：只要收入继续惊人增长，数据中心投入就能延续；正在浮现的分配问题，是“每个 token 的生产率微观经济学”。
Diamandis 称，GPT-5 已让 700 million 人获得免费模型访问。Wissner-Gross 描述了一种可能的反馈循环：这些人的推理能力、生产率和经济产出提升后，会为数据中心和更广泛的访问渠道生成更多资本。

8. 无限上下文把软件创造变成工业流程

Claude Sonnet 4 的百万 token 上下文窗口，据称相当于约 750,000个单词或 3,000–4,000页；GPT-5 约为 250,000个 token，Grok 则为 500,000–600,000个。Blundin 说，用户低估了上下文需求，因为 AI 产出内容的速度超出了他们的预期。
他举的个人案例刻意极端：2周内写出的代码超过此前 40年总和，单周生成的代码和文本接近 1 TB。到了第 3天，模型忘记前一天的工作就变成实质性瓶颈：“在一切不断累积的速度下，它永远不够用。”
Wissner-Gross 看不到已知的理论上限，并预计几年内会出现实际上无限的上下文。如果一家公司能把全部代码、文档、邮件和机构知识放进上下文，检索增强生成和微调的重要性可能下降；额外智能将来自直接访问整套语料。
Blundin 以投资组合公司 Blitzy 为例，称它可以在一夜之间生成 200万、300万、400万或 500万行完全调试过的代码。它的初始市场是把传统大型机系统重写成现代云软件；如今绿地项目会先从 AI 编写的规格说明开始，长度达到 100–300页，随后由 AI 自主构建和调试。

9. AI 战争正在打破旧联盟与创投惯例

Perplexity 主动提出的 $34.5 billion 收购 Chrome 报价，高于其据报估值。Ismail 起初称这是一场公关行动，Diamandis 则指出其战略目的：反驳 Google 关于 Chrome 不可分割、也不应被出售的论点，从而让监管机构继续参与潜在拆分。
Meta 据报在招募超过 50名研究人员后暂停招聘，薪酬方案从数千万美元到据报 $1 billion 不等，随后围绕产品、超级智能、基础设施和基础研究重组。Microsoft 则回应了一份“最想要”名单、数百万美元级别的薪酬方案，以及 24小时内向关键人才发出邀约。
Blundin 称，Apple、Microsoft 和 Google 之间此前的缓和维持了 10–15年，因为各家公司都保护自己的现金牛，避免相互破坏。AI 已经抹平了这一均衡：“我们从未见过所有科技巨头同时争夺同一枚金环”，这场动荡可能让能够快速招募人才的初创公司受益。
收购式招募构成了更阴暗的一面。Microsoft 据报阻止了 Windsurf 交易，随后相关人才转入 Google；股东最终得到什么仍不清楚。通过授权技术、购买 49% 的无表决权股份、转移关键员工，可以绕过通常的等待期，却留下“僵尸初创公司”，并引发诉讼。
Blundin 还称，他投资组合中的多家公司在不到 2年内达到数十亿美元估值，这种速度在历史上极为罕见。即使新速度迫使投资者重新思考初创公司的退出路径，他仍认为由此形成的创投顺风巨大。

10. 分发与芯片可能比模型排名更重要

Elon Musk 曾称，Google 最有可能领导 AI，理由是其基础设施和数据。圆桌提到 $85 billion 的 AI 相关资本开支，以及据报持有 Anthropic 14% 的股份；Wissner-Gross 认为，胜出组合是庞大算力加上面向数十亿用户的默认分发渠道。
Ismail 反驳称，小而聚焦的团队一再击败大公司的研究团队，这使得押注 Anthropic 等外部公司的战略价值更高。Blundin 则将底层竞争定位于 Google TPU 与 Tesla 或 xAI 相关的 Dojo 芯片之间，同时提到 Musk 宣布的 $16 billion Samsung 制造协议；Blundin 认为其经济规模更接近 $40 billion。
Grok 的应用评分据报为 4.9，覆盖 502,000次下载和评分；Gemini 则为 4.8，覆盖 394,000次下载和评分。圆桌认为，这部分得益于 Musk 激进地利用 X 作为分发渠道；Google 可以通过 Search 推送 Gemini，但如果力度过大，就可能蚕食现有收入引擎。
Blundin 将创始人曝光度视为资本结构的一部分。Musk 主持 Saturday Night Live，在他看来既是招募也是融资的战略动作：仅有颠覆性使命并不能自动招募人才，除非有人把它传播出去。在当前市场，一个敢于发声的 CEO 或联合创始人，可以以极低的媒体成本把人才吸引到使命上。

11. 芯片主权让政府成为直接股东

美国政府将给 Intel 的 $8.9 billion 支持转化为 10% 的股权。Blundin 称，此前 CHIPS Act 资金附带的限制太多，以至于成为“无法使用的钱”；改为股权后，可能让 Intel 获得更大自由，同时承认本土芯片产能“战略重要到不能失败”。
按照现场的叙述，这次政策转向带来了戏剧性交易：价格约为 3美分的短期期权，据报上涨至约 $3，涨幅 100倍。Blundin 称，信号出现在 CEO Lip-Bu Tan 走出白宫会议后仍然留任，并获得正面评价，而不是公开对抗。
周边资本进一步确认了这一战略方向：SoftBank 的 Masayoshi Son 据称向 Intel 投资 $2 billion，而 SoftBank 持有 Arm 90% 的股份，后者的芯片为 99% 的智能手机提供动力。与此同时，Apple 面向美国市场的 iPhone 17 生产据报正通过 Foxconn 转移至印度，可能打破印度无法大规模制造高质量电子产品的认知。

12. 失败的企业试点批判的是组织设计，而非 AI 需求

相关 MIT 研究称，企业在生成式 AI 上投入了 $30–40 billion，但 95% 的试点没有产生财务回报。采用范围并不窄——80% 的企业在测试，40% 已部署——但规模化困难；购买工具的成功率约为三分之二，而内部开发只有约三分之一。
Ismail 指出两种失败模式：一种是鲁莽使用，例如某医疗 CEO 将敏感患者数据上传至 ChatGPT；另一种是员工因担心失业而产生的文化抵触。大公司还会把 AI 强行塞进既有工作流，而初创公司则围绕 AI 重做业务，面临的官僚否决更少。
他的建议是建立独立、AI 原生的“边缘组织”：从零复制核心功能，自下而上自动化用例，使用更年轻、更具创业精神的团队，并直接向 CEO 汇报。母舰与边缘团队实际上运行着一场 A/B 测试，直到新组织成为重心：“不要试图改造母舰。”
Blundin 补充了一条企业创投路径：重启内部基金，投资 AI 初创公司，成为它们的第一个或第二个客户，并将它们接入边缘组织。他反对研究报告偏悲观的解读，认为试点失败，是因为不情愿且缺乏经验的团队拿到工具，却没有激励机制或流程重构，而不是因为底层模型缺乏经济能力。
圆桌还讨论了阿尔巴尼亚总理 Edi Rama 倡议让 AI 担任部长和总理，以应对根深蒂固的腐败。Ismail 认为，AI 监督至少可以监控部长并揭示利益冲突，包括围绕公共基础设施购地的案例。

13. 医疗、BCI 与机器人把 AI 推入实体经济

OpenEvidence 据报在美国医学执照考试中取得 100% 的成绩，而 GPT-5 为 97%；目前已有 40% 的美国医生在使用 OpenEvidence。Diamandis 的结论很直接：临床医生要么使用这类系统，要么最终会失去作为执业医生的竞争力。
OpenAI 的 GPT-4b 据报设计出将细胞重编程为干细胞的转录因子，效果高出 50倍。Wissner-Gross 称这是 AI 驱动寿命逃逸速度的早期一瞥；Diamandis 则认为，最有可能以必要速度推动健康寿命研究的力量就是 AI。
Merge Labs 据称将基因疗法与超声波结合，用于读写神经元。Wissner-Gross 希望它与约 20家 BCI 竞争者能在几年内交付高带宽接口；否则，机器生产率可能形成与人类脱钩的“纯 AI 经济”。Altman 更愿意看到的结果是“一场融合”，而不只是与聊天机器人成为朋友。
在机器人领域，Unitree 的 1,500米纪录仍比人类慢 91%，但公开比赛会制造基准并加快迭代。Figure 02 已能自主折叠衣物；Figure/Helix 的演示则展示了人形机器人穿越崎岖废墟的能力。机器人可能正在达到超越远程操作的动作水平，使远程操作不再适合作为调试方法。
Apple 据称也在探索 AI 设备，包括桌面机器人、智能音箱和 AI 增强型家庭安防摄像头。中国据报推出的人工子宫机器人售价约为 $14,000；圆桌还将其与 Colossal 的灭绝物种复活工作相关的固定式人工子宫研究放在一起讨论。
Salim 指出，Star Trek 想象中的未来既缺乏生物科技，也缺乏 AI。圆桌给出的替代性 2030年代愿景，是智能、能源和生物技术同时走向丰裕。

拆解神经网络机制：Goodfire 的 Lee Sharkey 谈基于参数的可解释性 OpenAI 的 5000 亿美元估值｜Altimeter 最大押注