摘要

AI需求足够真实，嘉宾整体拒绝“泡沫论”，尽管承认 Nvidia 已经“完美定价”。 与互联网泡沫时期 Cisco 股价飙升却没有盈利跟上的情况不同，Nvidia 股价与未来每股收益同步上行；Elliott 认为，OpenAI 使用的每一块 GPU 都会被计入收入，因为“AI是有用的”，能够创造经济价值。Mostaque 的区分在于变现速度：互联网资本开支用了数年才货币化，而AI基础设施几乎可以立即抬升盈利。
算力、电力和建设能力，而不是模型需求，正在成为硬约束。 OpenAI 提议建设的10 GW算力中心大约对应400万至500万块 GPU，Nvidia所说的1000亿美元承诺相当于美国风险投资正常年度规模的一半；数据中心容量预计将从44 GW增至2030年的156 GW，而需求据称正以每年10倍的速度增长。新经济正在“把电子转化为智能”，形成“除了算力稀缺之外，其他一切都很充裕”的格局。
劳动力市场更可能走向组织缩小和人员被替代，而不是全民每周工作3天。 Mostaque 预计，AI在1年内可以覆盖约50%的经济劳动，并表示，几年后，当人类拖慢一支永不疲倦、信息更充分的智能体团队时，人类在认知劳动中的价值将变成“负数”。他认为，就业项目和公共部门扩张或许能够维持收入、社会结构与身份认同。
Alphabet 的分发能力与垂直整合，使其成为嘉宾眼中最强的在位竞争者。 据称 Gemini 已在美国 iOS 排名中超过 ChatGPT，但 ChatGPT 在全球仍遥遥领先；节目引用的预测市场认为，Google 在9月底前成为领先者的概率为99%，Alibaba 的 Qwen 排名第二的概率为91%。Google同时拥有分发渠道、DeepMind人才、现金流和成熟的 TPU；Blundin 估计，在相关工作负载上，TPU“可能比 Nvidia 芯片高效5倍”。
高等教育的经济护城河正在坍缩，最后只剩录取声望和人脉网络。 认为大学“非常重要”的美国人比例从2010年的75%降至35%；学费据称自2005年以来上涨180%，自1983年以来接近上涨900%。拥有巨额捐赠基金的顶尖院校可能仍能隔绝冲击，但排名约40至400名的学校将面临挤压，因为AI教育、替代性学历和疲弱的毕业生招聘，正在暴露出课程更新速度甚至不如“在校园里建一座核反应堆”。
创业优势在于把专有领域知识转化为自有工作流、高效模型和可规模化应用。 Blundin 警告，仅仅把专业知识出售给模型训练，可能只会让专家“有价值1到2个月”；Elliott 更看好围绕监管知识或垂直行业知识建立的公司，而 Mostaque 强调真正理解上下文、并且“在乎结果”的人。任务专属数据、蒸馏和验证器，可能用1%的参数与算力得到同样结果，形成100倍的成本优势。
AI基础设施把太阳能、电池、半导体和机器人串成一场工业竞赛，而中国目前的规模化速度更快。 嘉宾引用的数据是：中国2024年太阳能装机容量达到880 GW，增速45.6%；美国为177 GW，增速27%。Blundin 认为，美国反复发明新技术，却无法为其规模化融资。机器人到2040年的预测区间从10亿台到100亿台不等，即使采用低端情景，按每台2.5万美元计算，市场价值也达到25万亿美元，远高于 Morgan Stanley 所引用的2050年5万亿美元估计。
代币化既可能修复公众进入公开市场的渠道，也可能制造本期最有可能出现的真正泡沫。 据称 Nasdaq 计划在2026年底前推出代币化交易，而 Robinhood 的欧盟平台已经提供约200种美国股票代币，以及 OpenAI 和 SpaceX 等私人公司的敞口。Mostaque 预计，数字资产而非生成式AI会呈现出最明显的泡沫行为：随着法律边界清晰，企业区块链、连续交易市场以及最终由智能体驱动的交易都将出现。

精读

1. 大学的护城河已缩至录取声望与人脉网络

Diamandis 开场就指出大学价值感正在坍塌：认为大学“非常重要”的美国人比例从2010年的75%降至35%，认为“没那么重要”的比例则从5%升至24%。与此同时，学费据称自2005年以来上涨180%，自1983年以来接近上涨900%。
Blundin 的诊断是机构反应迟缓：可获得的知识更新速度已经超过课程吸收能力。据称一位 MIT 内部人士曾开玩笑说：“我们在校园里建一座核反应堆，可能都比改完这套课程更快。”结果是，毕业生背负债务，学习的内容却可能已经过时。
Elliott 认为，顶尖大学长期以来主要发挥的是资格认证功能：即使 MIT 的课程在其他地方免费可得，能够被 MIT 录取本身仍然证明了某些能力。Y Combinator、优秀的投资组合，甚至成为 MIT 退学生，如今都能提供替代性信号——这也引出了“MIT不如录取学生但别要求他们来上课”的玩笑。
经济模式出现明显分化。Diamandis 表示，顶尖学校来自捐赠基金投资回报的预算贡献超过学费贡献的2倍，而排名约40至400名的院校则迫切需要招生。Mostaque 提议，捐赠基金不如拿去建设 GPU 集群，因为研究质量很快可能取决于“你有多少块 GPU”。

2. 分发能力正在和模型能力一样快速地改写排名

据称，在 Nano Banana V3 引发病毒式关注后，Gemini 登上美国 iOS 排名第一。Mostaque 起初不相信这一结果，随后直接查阅了 App Store 数据。ChatGPT 在全球仍然“遥遥领先”，但 Google 可以像当年 Chrome“远远甩开”Firefox 那样，依靠分发能力推动产品增长。
Diamandis 引用的预测市场给出：Gemini 3在10月31日前发布的概率为40%，Google在9月底拥有最佳模型的概率为99%，Alibaba 的 Qwen 排名第二的概率为91%。这些价格只是市场观察，并非嘉宾自己的预测。
Mostaque 表示，Qwen 几乎每天都在发布新模型，录制当天就发布了6个；它依靠 Alibaba 的渠道、数据和团队，正在缩小与前沿模型的差距。Blundin 将 Qwen 的追赶能力与强化学习及广泛使用联系起来。更大的结论来自节目引用的 Threads 4亿月活用户：即使嘉宾几乎没遇到主动选择它的人，产品仍然可以依靠分发能力变得极其庞大。
主持人提出 Grok 5 可能成为第一个达到 AGI 的模型，但具体讨论的分数是 Grok 4 在 ARC-AGI v2 上的15.9%。Blundin 强调，v2 极其困难；Elliott 更关注横轴——追加资金能否稳定地提升任务表现，而不是消费者受欢迎程度。

3. 基准测试在实验室开始围绕分数优化前仍有参考价值

据称，Grok 4 Fast Reasoning 在扩展版《纽约时报 Connections》基准中排名第一：测试包含759道题，比原版类别更多，而且第一次回答错误不允许重试。Blundin 称其为“好得令人震惊”的通用智能测试。
他的保留意见是 benchmaxing。基础模型公司可以直接围绕一个受追捧的测试进行训练，制造公关效果；而 Elliott 曾明确表示，Blitzy 在没有针对 SWE-bench 调优的情况下拿到了第一名。嘉宾怀疑 Connections 存在定向优化，但承认无法证明确实如此。
Mostaque 引用 Epoch AI 的预测称，当前所有基准测试都可能在3至4年内饱和。Blundin 的反驳值得保留：ARC-AGI v1 已经饱和，但如果难得多的 v2 也饱和，那就意味着“你已经超越了超人类智能”，并且“进入了另一个宇宙”。
速度本身才是信号：这场讨论发生在 o1 发布约1年后，而 o1 已经被戏称为“远古历史”。因此，静态排行榜提供的信息不如改进曲线、测试时算力投入和每次成功任务的成本。

4. 算力稀缺正在把数据中心变成经济基础设施

xAI 的 Colossus 2 被描述为一座 GW 级设施，配备11万块 GB200 GPU、119台风冷冷水机组和 Tesla Megapacks。Musk 的目标是率先达到10 GW、100 GW和1 TW，Mostaque 认为这已经接近国家和全国电力系统的规模。
Sam Altman 将 Nvidia 的1000亿美元承诺称为 OpenAI 10 GW计划中的“一小块补丁”。Altman 把它描述为覆盖数平方英里的“超级大脑”；Diamandis 表示这笔交易覆盖数百万块 GPU，而 Greg Brockman 说，如果要让每个人事实上都拥有一块 GPU，需要约100亿块。
Jensen Huang 将10 GW换算为约400万至500万块 GPU，大致相当于 Nvidia 前一年销售量的规模，也是此前两年每年的2倍。Blundin 指出，一笔1000亿美元的承诺约等于美国全年2000亿美元风险投资市场的一半，可能吞噬短期芯片产量的20%至30%。
据称，实验室算力在1年内增长了3倍，数据中心容量预计将从44 GW增至2030年的156 GW。在需求据称每年增长10倍的情况下，服务商已经会把查询路由给能满足需求的最小模型，而研究和自我改进则消耗最优质的算力。

5. 稀缺算力将按每次浮点运算创造的经济价值分配

Elliott 表示，成本会大幅上升，领先模型提供商可以提高收费。Mostaque 从边际美元的角度解释了访问权限：企业工作负载能够支付的价格，是虚拟女友互动或家庭作业查询的100倍甚至1000倍，因此高价值客户可能保留服务，低价值用途则面临限流或大幅涨价。
Mostaque 用体验变化标记了转折点：GPT-4o 像“一条记忆力只有金鱼水平、非常聪明的伙伴”，需要持续监督；当前系统已经可以“设置好后放手不管”，处理数百万个 token 或数百万行代码，并主动采取行动。他估计，可覆盖的经济劳动比例将在1年内从1%至2%升至约50%。
在更先进的计算硬件出现前，更好的数据可能先推动效率边界。Mostaque 引用了 Alibaba Tongyi 团队的一款 Qwen 模型：据称只有30亿个激活参数，却在 Humanity’s Last Exam 上取得约22%的成绩，具备自我强化的持续学习系统，并能在智能手机上运行。他认为突破来自数据质量，而不是暴力堆叠规模。
Diamandis 对创业者的警告非常具体：任务专属数据集、蒸馏和正确的验证器，能够让执行成本降低100倍。“不要错过预留算力的机会”；据称，所有适合建设抽水蓄能电站的山地湖泊场址都已经被买下，稀缺容量也可能在建设者意识到它不再是公用事业之前就被锁定。

6. 规模化奖励的是那些能在每个模型改进时获益的企业

Elliott 的基础设施立场不依赖具体模型或供应商：“你真正想成为的，是一个别人赢、你也赢的参与者。”这并不消除稀缺风险，而是意味着企业必须对供应商重要到足以避免成为其第五或第六优先级客户。
Diamandis 将专业化效率定义为一种可防御壁垒：在有价值的领域内，用1%的参数和1%的算力复现前沿模型的结果。云计算时代让创业者形成了这样一种假设：刷卡后容量总会出现；前沿算力正在推翻这一假设。
Blundin 将这个机会比作 Dropbox 使用 S3 的早期阶段。当时存储公司很多，但 Dropbox 的架构让成本降低约10倍，并实现快速扩张；应用公司也可以把底层基础设施优势不断复利为分发能力和产品力量。
Mostaque 还把视角推向下游：供应商控制着稀缺的边际投入品，拥有定价权的 AI 采用者可以通过替代劳动力扩大利润率，而人的注意力可能成为仅存的少数稀缺资源之一。这让他有些反直觉地转向媒体和注意力经济。

7. 前沿模型融资已经达到主权国家级别

OpenAI 与 Microsoft 达成协议，允许其重组为以营利为导向的结构，并瞄准据称5000亿美元的估值，同时保留约1000亿美元在非营利机构中。Diamandis 称其可能成为全球最大的非营利资金池；Elliott 指出，这大约是 Harvard 捐赠基金的2倍。
据称，Microsoft 历史上的投资额分别为2019年的10亿美元和2023年的100亿美元，未经证实的估计是其持股约30%。但据报道，Microsoft 直到交易前1天才获悉 Nvidia 的这笔交易，说明 OpenAI 已经远远不再完全依赖 Microsoft 的算力。
嘉宾指出，过去被视为幻想的数字如今已经很难引起注意，因为 OpenAI 最终可能支撑一项规模达1万亿美元的建设。Mostaque 引用的预测是，OpenAI 收入可能达到2000亿美元，其中约800亿美元来自新的 AI 智能体业务，另外200亿至300亿美元来自其他新业务。
Zuckerberg 的答案是：到2028年在美国数据中心投入6000亿美元，因为在超级智能竞赛中落后，比损失数十亿美元更糟。Mostaque 缩小后的竞争者范围是 xAI、Google、OpenAI，以及可能还有 Meta；Blundin 担忧的是，资本和重大决策正以前所未有的程度集中在极少数人手中。

8. 递归式 AI 正把研究想法转化为另一种算力负载

Dario Amodei 表示，Claude 已经“非常积极地参与设计下一代 Claude”。这个循环还无法完全闭合，速度“还没有很快”，但已经启动——嘉宾认为这可能是智能爆发的机制。
Mostaque 引用 FlashAttention 创始人 Tri Dao 的说法称，Claude Code 让他的生产力至少提升了50%；据称，FlashAttention 本身则让性能提升了约30%。AI 还参与了 TPU 的设计，指向一条从芯片、内核，到训练过程和下一代模型的垂直反馈链条。
Altman 提出的目标是每周新增1 GW算力，这将支持上述垂直整合循环。Mostaque 预计会出现“由天才组成的数据中心，彼此并行检查工作”，其中包括数千个 Lean 证明器，以及能够在数天内形式化困难数学论证的系统。
Blundin 回忆 OpenAI 的 Noam Brown 曾表示，核心研究已经受算力而不是研究人员约束：实验室的想法多到无法测试。这个仍受想法限制的窗口可能只剩1至2年；一旦 AI 也开始生成假设，积压就几乎完全变成物理容量问题。

9. Alphabet 的全栈能力构成战略优势

Alphabet 的市值据称已达到3万亿美元，2025年上涨33%，过去1年上涨55%。Mostaque 的看多逻辑包括 Google 的分发能力、DeepMind 人才、现金创造能力、自有基础设施，以及规避“Nvidia税”的能力。
在 OpenAI 开始据称与 Broadcom 合作研发芯片之前，Google 已经开发 TPU 多年。Mostaque 表示，Stability AI 曾使用数千块 TPU；Blundin 估计，TPU 可能比 Nvidia 替代方案高效5倍，并且在大上下文模型上具备更好的互联能力。
尚未解决的问题是 Google 是否会把 TPU 商业化。Blundin 认为 Google 可能很快开始对外销售；Diamandis 则指出，Google 实际上已经把 TPU 从市场上撤回，因为它自己正在使用。

10. 长周期智能体已经存在于模型之上

Microsoft AI CEO Mustafa Suleyman 将当前模型描述为只能进行一次性预测、无法跨时间规划的引擎，并预测到次年年底，模型将能够在几乎无限的时间跨度上采取行动。他把如今口袋里的智能称为“魔法”，但社会已经开始对这种新奇习以为常。
Blundin 的反驳是，规划能力提升得如此之快，以至于那段视频可能已经过时。Tesla 横穿美国本身就能证明规划能力；Diamandis 补充说，视觉系统可以在车辆行驶时观察、记笔记并写作。
Elliott 在应用层面化解了表面上的分歧：单个模型可能无法可靠执行长期计划，但一组经过编排的模型可以产生“AGI式效果”。用户关心的是交付出来的体验，而不是认知到底位于哪里；软件工程已经表现出这种模式。
Diamandis 的 Replit 例子让这种可及性变得具体：飞机使用 Starlink 并由自动驾驶飞行时，他在飞行途中构建了一款帮助调整心态的应用。Elliott 将这种一次性原型与企业软件区分开来，后者在并发、缓存、可靠性和数十万用户方面，仍然需要完全不同的系统设计。

11. 领域专家通过掌握实施环节获得杠杆

Replit CEO Amjad Masad 提出一个假设：一名世界级律师把稀有知识排除在开放数据集之外，将其嵌入专门的智能体，再把服务规模化。Blundin 认可这一机制，但质疑其经济性：知识被提取1至2个月后，什么能阻止专家变得不再必要？
Diamandis 的答案是所有权——围绕自己深刻理解的问题创办公司，尤其是在监管或专业垂直知识构成壁垒的领域。“创办公司没有门槛”；机会并不只属于21岁的创始人。
Elliott 更看好45岁的运营者。软件表达的是业务流程、工作流、决策和针对市场的定价，而不只是技术架构；因此，保险承保人或金融产品专家如今可以创建过去难以触达的企业系统。
Mostaque 认为差异化来自“真正把事情放在心上”。他借用 Nassim Taleb 所说的“知识分子型白痴”来描述那些资历很高、却没有利益相关性的参与者，并将其应用于 AI：模型缺乏亲身关切，而有经验的人能够翻译上下文、穿越组织、安抚客户，并把采用从早期用户推进到“广阔的中间地带”。

12. 环境式 AI 把工作与政府转化为训练数据

Amazon 的 AI 眼镜代号为 Jayhawk，据称目标上市时间为2026年底或2027年初，同时面向消费者和劳动力市场推出产品。公司据报道计划在第二季度向39万名司机中的部分人提供10万台试点设备，以采集运营数据，训练未来的机器人。
Mostaque 称这个循环“其实很明显”：眼镜记录物理劳动，而 Slack 消息和代码提交可以帮助创建知识工作者的虚拟版本。随着眼镜变得轻便且有用，Diamandis 预计持续录制会从让人不适变成默认前提，隐私则成为“久远失落的概念”。
阿尔巴尼亚由 AI 制造的部长被视为公共招标反腐机制。Elliott 表示，一个准确率80%的系统也能胜过这样一种现状：错误被故意制造，以便让亲属获利；Mostaque 认为，即使系统并不完美，它也不会故意索要贿赂或回扣。
Diamandis 保留了治理层面的质疑：谁选择训练数据、谁控制数据中心，谁就可能塑造这位部长。Mostaque 特别提到 AI 上任声明中那句令人不安的话——它对公众反应“非常失望”：要么情绪是人类写好的，要么系统表露出的失望本身又制造了另一个问题。

13. 能源竞争最终是一场制造业竞争

Diamandis 驳斥美国能源部长提出的、认为太阳能永远无法达到全球能源10%的50年赌注。他引用的数据包括：2025年上半年新增装机18 GW，同期太阳能占美国新增发电容量的50%，第一季度占69%；NREL 则预计，到2035年太阳能至少占美国电力的40%。
Diamandis 表示，间歇性曾是太阳能的历史弱点，但储能已经解决或接近解决，并且仍在持续改善。更棘手的问题是战略依赖：美国应对中国能源扩张的最强可规模化方案，仍高度依赖与中国有关联的太阳能供应链。
嘉宾引用的数据是：中国2024年太阳能装机容量达到880 GW，年增长45.6%；美国为177 GW，增长27%。Elliott 警告，一旦机器人开始建造更多机器人、电池、太阳能板和工业产能的工厂，中国的领先优势可能进一步扩大。
Blundin 的结构性抱怨是，美国风险投资经济更偏好需要数十万、随后几百万美元的公司，而不是汽车、太阳能或能源制造业。美国发明技术，其他国家为规模化融资并压低成本，随后产品以进口形式回到美国；一个年规模2000亿美元的风险投资行业无法填补这一缺口。

14. 机器人预测忽略了自我改进与自我制造

Diamandis 更正了此前的错误：Figure 融资10亿美元时的估值是390亿美元，而不是930亿美元。它与 Brookfield 的合作能够接触10万套住宅，以及5亿平方英尺的办公室和物流空间，提供多样化环境，而不是重复的工厂动作。
Blundin 不同意具身能力是 AGI 的必要条件，但承认系统必须经历玩具掉落、碰撞和家庭杂乱，才能以同理心理解日常生活。Mostaque 补充说，基于视频的物理推断不足以支持可靠的现实世界行动，因此需要专有机器人数据和基础模型。
OpenAI 重新招聘远程操控、仿真和机械工程人才，表明公司在2021年前后暂停机器人项目、转而专注 ChatGPT 后，正在重新回归。嘉宾将物理 AI 视为模型竞赛向数万亿美元市场延伸的一部分，而不是独立类别。
Morgan Stanley 引用的2050年5万亿美元市场估计，与2040年10亿至100亿台机器人的预测相比显得过于保守。按每台2.5万美元计算，仅10亿台这一低端情景就意味着25万亿美元；Elliott 将线性预测比作把 Uber 的可服务市场定义为现有出租车市场。

15. 真实 AI 收入与劳动力及市场结构冲击并存

反泡沫案例将互联网时期 Cisco 股价上涨但远期盈利持平，与 Nvidia 股价和远期每股收益同步上涨进行比较。Elliott 的判断很简单：“AI是有用的。人们为它付费，因为它有经济价值。”因此，由 Nvidia 资助的 OpenAI 采购或许像循环融资，但并不存在过去那种需求缺失。
Mostaque 指出，互联网的价值是在资本开支投入后经过较长延迟才到来，而 AI 变现可以立即发生。Diamandis 表示，Nvidia 已经被完美定价，但背后是真实收入和盈利；公司据称4.5万亿美元的估值，几乎没有给失望留下空间。
Diamandis 回忆，MicroStrategy 当时市值接近140亿美元，却几乎没有收入；Yahoo 则从3亿美元 IPO 估值一路升至约1100亿至1200亿美元，随后下跌95%。Dave Blundin 补充说，互联网泡沫最终在信心恢复后孕育了强劲的投资机会。
Blundin 提到的可交易样本是 Better Mortgage，股票代码 BETR：这是一只流动性很低的微型股，据称 AI 工作流和语音工具带来了快速的运营改善。他筛选的是拥有大规模消费者流量、且管理层能够在竞争对手之前“用 AI 改造”这些工作流的公司——嘉宾明确提醒，这不是投资建议。
Nasdaq 的代币化证券方案可能在2026年底前开始交易，而 Robinhood 的欧盟服务已提供约200种美国股票代币及私人公司敞口。Mostaque 预计，数字资产会展现真正泡沫的样子；不过嘉宾也认为，区块链报告机制可能缩短私人公司增长与如今极高 IPO 门槛之间的漫长间隔。

16. 缩短工作周无法解决人类被替代的问题

Zoom 的 Eric Yuan 预测每周工作3天；Bill Gates 认为10年内会变成每周2至3天，Jensen Huang 认为是4天，Jamie Dimon 则认为是3.5天。Elliott 看不到“充分利用”与“彻底消除”之间的竞争均衡：如果人类投入能够创造价值，公司就会要求更多投入；如果 AI 做得更好，公司就需要更少的人。
Mostaque 明确表示，几年后人类将在认知劳动中产生“负数价值”：面对永不睡觉、从错误中学习、一次吸收1000万个 token 的智能体，人类会成为团队中能力最弱的成员。由于工作提供身份认同和社会结构，他预计将出现公共项目、政府就业扩张、税收和社会支持。
Diamandis 用一组据称的诊断结果说明负价值循环：医生得分74%，使用 GPT-4 的医生得分76%，GPT-4 单独得分92%。Blundin 补充说，如果 Waymo 级别的自动驾驶普及，每年可以挽救美国4万人的生命并节省1万亿美元社会成本，那么由人类掌控反而会成为风险更高的输入。
Duolingo 报告生产力提升4至5倍，没有进行全职裁员，并将收入预测从9.96亿美元上调至10.2亿美元。Mostaque 的解读并不乐观：一家增长30%至40%的公司通常也应以类似速度扩大员工数量，因此员工人数原地不动本身就意味着替代；丰裕可能到来，但“目前没有任何机制把它分配出去”。

17. AI 医疗将医学从群体平均值推向个体系统

Apple Watch 获 FDA 批准的高血压提醒功能，针对的是据称影响15亿成年人的疾病，覆盖人口的30%至45%，以及60岁以上人群的60%。嘉宾引用的数据是，46%的患者未被诊断，只有21%得到控制，因此在症状出现前持续检测具有价值。
Diamandis 描述了如何把 Apple Watch、Oura Ring 和连续血糖监测数据接入自己的健康 AI。其目标优势在于进行纵向追问：睡眠或血糖是否与某种具体药物或补充剂同时发生变化，而不是只看孤立测量值和群体平均数。
Mostaque 认为，AI 可以从第一性原理出发，整合个人健康数据和主观试验报告。除了发现新化合物，他预计重新定位现有药物也会带来巨大回报，因为模型能够压缩并分析传统试验几乎无法捕捉的轶事和丰富个体数据。
节目提到，一款由 AI 设计的特发性肺纤维化药物已经进入人体试验；DSP-1181 用12个月进入强迫症试验，而不是通常的4至5年；2025年发现了150种 AI 优先的小分子药物，至少21项 Phase 1 试验成功完成，成功率为80%至90%。Mostaque 预计，只要监管允许，计算机模拟预测将在5年内进入 FDA 流程。

第153期——2025年9月5日 Richard Sutton——RL之父认为 LLMs 走进了死胡同