摘要

AI 已在劳动力市场来得及重构之前，压缩白领就业的第一阶梯。 Peter Diamandis 引用数据称，AI 暴露度较高的行业中，入门级就业岗位下降了 16%；Salim Ismail 则表示，最初的信号是印度入门级软件岗位减少 20–25%。Reid Hoffman 的分界线在于按脚本执行的工作：AI 可能只是做得更好；但对工程岗位而言，更大的故事是「岗位转型正在到来」。
劳动力的持久优势正从执行任务，转向定义问题、编排 agents 和计算式思考。 Hoffman 现在会让 AI 自己撰写深度研究提示词，编辑由此生成的约一页半规格说明，再把实质工作分配给 ChatGPT、Copilot、Gemini 和 Claude；过去需要数小时的任务，现在可能只需 10–15 分钟。他的最终判断十分明确：「公司里不再有 individual contributors」，因为每个人都会带着一套 agents 部署工作。
一旦 AI 能同时个性化教学与评估，教育成效不佳就显得更令人担忧，也更缺乏解释力。 节目引用的数据是：12年级学生阅读达标率为 35%，低于 1992 年的 40%；数学为 22%，科学为 31%。但 Hoffman 认为，一条元提示词——「引导我走向答案，不要直接给我答案」——已经能提供免费的全球化导师。Diamandis 转述了一项 AI 辅助学习速度提高 2–6 倍的估计，以及一位未具名 Stanford 参与者提出的 5–10 倍说法；Diamandis 更大的判断是：「未来的职业是创业。」
超级智能将带来截然不同的未来，关键取决于它的形态、分布方式和行动能力，而不只是智力放大倍数。 Geoffrey Hinton 预计它会「夺走几乎所有工作」，Hoffman 则认为人类会适应类似 Star Trek 的丰裕社会，并警告不要把如今受上下文限制的天才机器当成具备完整情境理解能力的心智。嘉宾更倾向于认为多个系统会同时出现，但 Hoffman 也承认，无论是赢家通吃式的硬起飞，还是多极化结果，都可以自洽地论证。
如果 AI 产生发现的速度超过机构验证和部署的速度，治理吞吐量可能成为真正的瓶颈。 Alexander Wissner-Gross 提问：如果 AI 一夜之间生成 1,000 种疗法，但临床试验系统无法「消化」这些成果，会发生什么？Hoffman 眼下的测试案例，是为每部智能手机配备全天候医疗助手，并建立责任安全港。Senator Cruz 提议的 AI 沙盒可暂时豁免 HIPAA、FDA 等规则，得到了欢迎；但 Salim Ismail 认为，连申请豁免本身都不必要地官僚化。
AI 竞争正从单纯的模型竞赛，变成能源、制造、带宽与主权的综合争夺。 节目追踪了 OpenAI 提议在印度建设的 1 GW 设施——相当于印度到 2030 年规划数据中心容量的 22%——以及其三纳米 Broadcom 芯片，还有一项据称与 Oracle 达成的安排：连续五年、每年 $60B、总计 4.5 GW。Anthropic 据报完成 $13B 融资，估值达到 $138B，收入年化运行率从 1 月的 $1B 跃升至 8 月的 $5B，显示企业需求正把定制芯片与云基础设施拉到同一条链上。
Agent 的持续工作时间正在按数量级提升，但嘉宾质疑现有基准是否测量了真正重要的东西。 Replit 的 Agent 1、Agent 2 和 Agent 3 据称分别能持续工作 2 分钟、20 分钟和 200 分钟；Wissner-Gross 表示，如果这条曲线成立，超指数拟合可能意味着 2027 年末或 2028 年初出现近乎垂直的跃升，但他明确强调这取决于曲线能够延续。Hoffman 强调并行 agents 与 mixture-of-experts 架构，而 Salim 则称，在数百次尝试可以并行运行时，经过的「思考时间」是一个「疯狂指标」。
具身 AI 呈现出明显的杠铃结构：家用 humanoids 上行空间巨大但执行风险极高，检测与自主手术则提供了更近的落地路径。 Tesla 提出的 Optimus 目标是在五年内实现年产 1 million 台、制造成本 $20,000，并在 2040 年达到 10 billion 台；但 Dave Blundin 转述 Rodney Brooks 的怀疑称，即使到 2035 年，普通家庭也未必拥有机器人，因为供应链跟不上。相比之下，Johns Hopkins 的胆囊手术系统据称在无人控制下达到 100% accuracy，促使 Diamandis 认为此类手术将在三至五年内实现，Hoffman 则表示：「踩下加速器。」

精读

1. AI 正在劳动力市场重建之前压缩第一阶梯

Diamandis 开场引用 Eric Brynjolfsson 的研究称，AI 暴露度较高的行业中，入门级就业下降了 16%。营销与销售图表显示，ChatGPT 于 2022 年出现后，相关岗位开始下滑，而且降幅主要集中在职业早期人群，而不是平均分布于整个劳动力市场。
Hoffman 的判断规则是：如果一个人只是按脚本工作，而 AI 能更好地执行同一脚本——客服就是典型例子——「岗位将直接消失」。初级工程岗位更复杂，因为消失的任务与最终形成的计算型岗位，未必是同一份工作。
Ismail 从印度带回的初步估计是，入门级软件岗位减少了 20–25%，「大批」印度工程师正在退出劳动力市场。他承认这可能带来社会后果，但给出的创业式强制路径是：找到真实问题，成为创业者，再用 AI 完成自我转型。
Blundin 同意，工业革命从长期看会创造更多就业岗位，但他提出了真正关键的分歧：这次转型被压缩在更短时间内。Salesforce.com 等雇主因预期 AI 将在数月后到来而停止招聘，让毕业生在政府或立法机构作出反应之前就暴露在冲击之下。

2. 软件需求扩散，所有人都将成为 agent 管理者

Hoffman 反直觉的判断是，软件工程师将面临「近乎无限的招聘需求」，因为计算会持续渗透所有领域。凡是涉及思考、沟通或语言的工作，都会越来越多地搭载定制软件；即使传统初级编码岗位减少，计算式的问题定义也会更普遍。
他的工作流从比常规提示词高一层的位置开始：「给我那个能够解决指定问题的深度研究提示词。」Hoffman 口述或写下一段话，获得约一页半的内容，编辑后，再把这份规格说明交给 AI 完成实质工作。
Diamandis 引用数据称，截至 5 月 GitHub 用户达到 150 million，自 2022 年以来程序员数量增长 50%，五年内薪资上涨 24%。Hoffman 不愿过度解读月度或季度数据，更看重可观察到的工作流变化：过去需要 2 小时的工作，现在只需 10–15 分钟。
面对更复杂的项目，Hoffman 在笔记本电脑上运行 OpenAI 的开源模型作为前端，把工作分配给 ChatGPT、Copilot、Gemini 和 Claude，再整合结果。未来 offer letter 里可能写明 GPU 和 agents 配额，这个玩笑之所以奏效，是因为嘉宾都把算力访问权视作员工新的议价筹码。

3. AI 家教正在学校重构课程之前打破课程体系

Diamandis 引用历史低位数据称，12年级学生阅读达标率只有 35%，低于 1992 年的 40%；数学达标率为 22%，科学为 31%。他明确指出这是一把双刃剑：学生可以用 ChatGPT 逃避思考，但同一个系统也可能成为现有条件下最好的教育者。
Hoffman 预计，AI 能以接近 PhD 答辩的方式评估学生，并将这一方式缩放到任何基准测试。教学方面，他当下的答案更简单：告诉 agent，「引导我走向答案，不要直接给我答案」，这样「你已经免费拥有了人类历史上最惊人的导师」。
后来一位未具名参与者表示，「导师」一词低估了这种系统，因为它追随的是任何好奇心，而不是固定课程；Diamandis 称，早先关于学习速度提高 2–6 倍的估计，后来又被一位未具名 Stanford 参与者提高到 5–10 倍。Diamandis 更大的框架是，今天的课程和工作只是静态快照：「两年后的入门级岗位将完全不同。」

4. 流利的机器迫使人们面对意识问题，但语言无法给出答案

Hoffman 认同 Mustafa Suleyman 的警告：不能把对话流畅度视为意识存在的证据。过去，语言与心智很容易被对应起来；如今，「我问它有没有意识，它说有」恰恰是 Hoffman 认为人们必须避免的简单测试。
他更深层的区分，是短时长的图灵测试与通过共同探索世界来理解另一种心智之间的差异。人类既会对物体过度赋予意识，也会对动物低估意识，因此，相比二元标签，「它们的意识形态与我们的意识形态之间是什么关系」更有用。
Wissner-Gross 采取更开放的立场：法律人格可能很快就会扩展到动物、纯 AI 以及集体性的「borg organisms」，包括经济权利和沟通权利。讨论还延伸到跨物种沟通 XPRIZE、Earth Species Project、Sarama 对狗的研究，以及 AI 辅助的鲸鱼、乌鸦和灵长类研究。

5. 超级智能可以抹去工作，却不一定提供单一目的

Hinton 在录音中的立场十分绝对：不同于此前的机器，超级智能将「夺走几乎所有工作」，甚至能比人类更好地面试他本人。Diamandis 强调不确定性，指出 Hinton、Yann LeCun 和 David Siegel 对结果和时间线存在分歧。
Hoffman 的回应从 Star Trek 式场景开始：智能基础设施提供物质商品和服务，「我认为我们会完全适应」。他的历史参照是中世纪贵族：充裕的时间支持宴会、表演和兴趣爱好；但他强调，最终结果仍取决于系统究竟具备什么能力。
一个智力高出 1 million 倍、却存在上下文感知问题的天才机器，并不等同于 Iain Banks 的 Culture 小说中那些身处现实环境的超级智能。Hoffman 拒绝简单的恐慌主义，也拒绝轻率的乐观主义：真正有用的工作，是在一组可能出现的系统及其概率分布上建立保障机制和制度。
Wissner-Gross 预计，均匀分布的超级智能将解决数学、科学和工程领域几乎所有尚未解决的问题，让 2025 年的职业看起来「天真而又古朴」。Diamandis 的反驳落在目的感上：他重述 Universe 25 实验中资源充足却走向崩溃的老鼠，追问当稀缺不再提供挑战时，人类将做什么。

6. 嘉宾更倾向于多个超级智能，而不是一个硬起飞赢家

Hoffman 可以描绘出一个先发 ASI，它快速复利增长并封锁竞争者——「没错，继续播」——但他同样容易讲出其他几种故事。近期前沿模型之间的轮流超越，更像多个实验室同时出现的「时代精神式」发明，而不是一个永久性的单一系统。
他的文化观察更具挑衅性，而非经验性证明：一神教文化往往对超级智能表达恐惧，多神教文化则表达兴奋。Ismail 将这一框架与他刚在印度感受到的强烈 AI 乐观情绪联系起来。
Wissner-Gross 把单一超级智能的问题延伸到地球之外：如果另一个文明早已建立了一个占据支配地位的 singleton，前沿实验室可能会遭到干预。没有「轨道激光」瞄准它们，在 Peter 明确属于推测性的、小写 a 的人择原理论证中，是多极宇宙存在的微弱证据。
Hoffman 在规范层面也偏好多极化，并不认为丰裕会消灭挑战，因为人类会彼此挑战。国际象棋已经展示了这一模式：机器多年前就超越了人类，但观看人类棋局的人反而更多，因为吸引力来自压力下的表现，而不是绝对统治。

7. 治理吞吐量可能比科学发现更稀缺

提议中的联邦 AI 沙盒将允许暂时豁免 HIPAA、FDA 和其他规则。Ismail 称其迫切需要，随后又对「在这里申请，获得豁免」的流程感到反感；如果 AI 能够撰写并评估申请，嘉宾开玩笑说，批准应当在 10 秒内完成，甚至即时完成。
Blundin 以流程为例称，12 GW Fermi America 能源项目的顾问团队用 AI 在数周内完成 S-1 申报，而不是花费 2 年。Wissner-Gross 认为，同样的加速可能让政府无法吸收大量技术发现。
他提出的最尖锐假设是：一夜之间出现 1,000 种 AI 开发的疗法，但没有机制进行试验和部署。据称，MIT Foundations of AI Ventures 课程中的商业计划得出结论：医疗创业公司必须先在印度启动，之后再回来；这与 Ismail 的 Zipline 案例相呼应，也支持在地理边缘建立沙盒或特殊区域。
Hoffman 近期最优先的事项，是为每部智能手机配备的全天候医疗助手建立清晰的责任安全港。收益可能极其巨大，但原告诉讼和累积的官僚体系会阻碍部署；Diamandis 补充说，全国性应用会通过州法院带来「50 种不同的攻击路径」。

8. 主权 AI 扩张追随电力、数据驻留和年轻人口

OpenAI 提议在印度建设的数据中心被描述为 1 GW，占印度到 2030 年全部数据中心容量的 22%，也是 $500B Stargate 项目的一部分。Hoffman 主要从基础设施角度解读这件事：「规模需要规模化算力和规模化能源」，只要能在西方生态体系中找到可行交易，地点并不重要。
Ismail 认为其中有更多插旗和营销成分，因为印度存在可靠性约束；但他也表示，本地基础设施能够解决数据主权问题，并让 OpenAI 触达庞大的技术青年群体。他更广泛的报告一方面展现了强烈的 AI 乐观，另一方面也对当前 United States 政策抱有明显敌意。
OpenAI for Greece，包括在中学部署 ChatGPT Edu，也加入了节目讨论的英国和 UAE 相关计划。Hoffman 形容 Microsoft 与政府和产业的关系，其范围几乎「像联合国一样」，并提出一种以提供医疗援助和个性化学习为核心的 AI 外交政策。

9. 定制芯片把 AI 规模化变成晶圆厂与 GW 之争

对 Wissner-Gross 而言，OpenAI 的三纳米 Broadcom 生产计划位于 Nvidia 毛利率、专用 ASIC，以及 Moore’s second law 推高晶圆厂成本这几股力量的交汇点。如果存在下一个 Nvidia，他预计会是一款更节能、专用于推理的处理器，而不是另一种通用加速器。
Blundin 将先进制造与原始产量区分开来。除了 $20–$40B 的先进晶圆厂，他预计仍会有约 $4B 的三纳米晶圆厂快速投入运营；随着算法改进的重要性超过三纳米与二纳米之间的差异，这些产能仍能被有效填满。
据称 OpenAI–Oracle 的安排是连续五年、每年 $60B 算力、总计 4.5 GW——大约相当于「两座 Hoover Dams」。Hoffman 将其解读为 OpenAI 在购买所有可获得的增长线索，不一定意味着 Microsoft 承压；但 Oracle 为什么位于 Crusoe 的 Stargate 建设与 OpenAI 之间，仍没有答案。

10. Anthropic 的增长把云、芯片与带宽拉进同一条栈

Diamandis 引用数据称，Anthropic 完成 $13B Series F 融资，估值达到 $138B；收入年化运行率从 1 月的 $1B 上升到 8 月的 $5B，企业账户超过 300,000 个。Diamandis 认为，拐点来自市场对稳健性、数据主权和本地部署的需求。
Diamandis 还表示，Amazon 已向 Anthropic 投资 $4B，并暂时将这笔投资与 1.3 GW 容量和 Trainium2 计划联系起来；Trainium2 的定位是，相比 Nvidia，其单位内存带宽成本更低。Blundin 认为 Trainium 和 Google 的 TPUs 都是严肃的替代方案，但只要 TSMC 仍是制造瓶颈，任何足够优秀的芯片都可能卖到断货。
他更广泛的描述是「全面战争」：昔日合作伙伴如今在模型、云、加速器和客户等多个维度展开竞争，制造出可能有利于创业公司的动荡环境。更好的性能也会在争夺稀缺 TSMC 制造资源时获得更强的优先权，即使尚未从另一种架构手中夺取份额。
Wissner-Gross 认为，真正限制一致性训练的可能不是单芯片内部的算术能力，而是芯片之间的带宽。AWS NeuronLink 可能挑战 NVLink 和 InfiniBand；如果分布式训练出现突破——他提到中国已有令人鼓舞的研究——那么「几行代码」就可能打破当前基础设施计划背后的资本开支假设。

11. AI 安全与延寿共享亲人动机，也共享内在张力

Diamandis 转述 Dario Amodei 的观点称，AI 可能在 5–10 年内将人类寿命翻倍。Hoffman 对这一可能性的底层回答是「显然可以」，但对时间和机制作了限定。他给出的具体路径不是某一项单独的衰老突破，而是癌症治愈、医疗助手改善消费决策，以及 AI 加速的精准医疗。
Hoffman 将这一判断与 Manas AI 联系起来：该公司由他与 Siddhartha Mukherjee 共同创立，目标是成为专注癌症的药物发现工厂；Inflection 则是他在覆盖个人一生的 companion agents 上押注的另一家公司。他称 Amodei 的 Machines of Loving Grace 深度具有人文主义色彩，而不只是一篇安全宣言。
这让 Anthropic 外的绝食抗议显得格外尴尬：抗议者称实验室竞赛是一场紧急状态，并已达到「不可回头的临界点」；而主持人认为 Anthropic 是安全意识异常强的实验室。嘉宾大多质疑他为何选择这一目标，却始终没有实质性解决他的警告。

12. 当 AI 同时加入预测与专利两端，系统开始反身作用

Wissner-Gross 称，预测市场是当前最接近水晶球的工具，也是创业公司研究客户或竞争对手的免费研究工具。他预计，超级智能的「心理史学」系统最终会将预测市场纳入自身体系；Hoffman 更关注市场如何与被预测对象的行为发生互动。
Hoffman 举了一个刻意粗俗的例子：预测「第一只被扔到体育场上的假阳具会是什么颜色」。下注者可以买入蓝色，然后把蓝色物体扔进场内。因此，预测市场「不只是预测的物理学」，还是一种能够促成事件发生的动态激励系统。
一张显示 2024 年计算相关专利比 2023 年多出 6,000 件的图表，引出了关键区分：AI 显然正在扩大申请文本的生成规模，但尚未必然带来变革性发明。Wissner-Gross 预计这些突破会在之后出现；Diamandis 则展示 AI 已能把两项现有专利组合成一款拟议产品，随后追问这种想法是否具备可专利性。
即使没有 AI，申报体系也早已可以被策略性利用。Ismail 描述了一家专利律所如何把申请分流给授权率高、审查时间短的审查员。他还举了相关的假释例子，声称午饭后结果改善了 30%，说明 AI 辅助申请人和 AI 辅助审查员都将利用机构运行中的模式。

13. Agent 的持续工作能力正在跑赢名为思考时间的基准

METR 风格的图表模拟了自主完成任务的时间窗口持续上升，但 Diamandis 转述 Amjad 的数据称，进展陡峭得多：Agent 1 能工作 2 分钟，Agent 2 能工作 20 分钟，Agent 3 能工作 200 分钟。眼下的问题是，这种反复 10× 的增长能否延续。
Wissner-Gross 认为，底层数据可能可靠，但指数拟合过于悲观。如果进展呈超指数增长，估算将指向 2027 年末或 2028 年初的有效垂直渐近线，并意味着 2–3 年内出现「近乎魔法般的 AI」——但他明确强调，这一判断取决于拟合曲线能够成立。
Hoffman 将多 agents 并行、mixture-of-experts 稀疏性和思维链协调都视作性能提升的一部分。Wissner-Gross 回应称，多 agents 系统可能只是从另一个层级观察到的稀疏模型；决定性的一步，是把 agents 作为一个端到端可微架构共同训练。
Ismail 对基准的反对意见是，人类项目本身就包含并行工作和重复尝试，因此 10、100 或 1,000 个 agents 可以同时搜索。衡量「它思考了多长时间」忽略了这种结构；不过 Hoffman 对未来 1 年的收尾判断仍是「编码能力将大幅加速」，并成为许多其他加速器的前导。

14. AI 通过耳朵、双手和手术室走出聊天框

Apple 的实时 AirPods 翻译被描述为 Babel Fish 的到来：一部 iPhone 就能显示或播报译文，2 名 AirPods Pro 用户可以自然对话。嘉宾将其与 Google 翻译进展后 Duolingo 股价上涨联系起来，并希望下一步通过轻量化眼镜加入视频增强。
Tesla 提出的 Optimus 目标是在五年内实现年产 1 million 台，到 2040 年达到 10 billion 台，制造成本为 $20,000；节目讨论的消费者价格约为 $30,000、每月 $300 或每天 $10。据称，Generation 3 的类人手部和前臂包含 26 个执行器。
反对意见集中在执行层面。Blundin 转述 Rodney Brooks 的观点称，技术可能已经存在，但家用供应链即使到 2035 年仍会滞后。Blundin 还强调了电池续航、机器人摔倒后抬起约 70 磅机身的困难，以及保险、责任和法律约束。更近期开启商业化的非 humanoid 检测机器人适合「枯燥、危险或肮脏」的工作；节目引用的市场规模将从当前的 $6.7B 增长至 2030 年的 $12.5B，年增速为 13%。
Amazon 旗下 Zoox 的自动驾驶舱据称将先以 50 辆车的车队在 Las Vegas 上线，随后进入 San Francisco、Miami 和 Los Angeles；初期免费，之后定价将类似 Uber 或 Lyft。
Johns Hopkins 的自主胆囊手术机器人据报道通过手术视频模仿学习实现了 100% accuracy。Wissner-Gross 预计，通过 digital twins 进行强化学习将超过模仿学习；Hoffman 则提醒，完整的人体模拟仍遥不可及，但表示机器人手术已经在视野内，而且他在影像科医生与 AI 之间「11 次里有 10 次」会选择 AI。收尾愿望清单包括 Blundin 想要的载人无人机、Diamandis 希望重启的 tricorder XPRIZE，以及 Wissner-Gross 想把更多 Star Trek 元素——包括曲速引擎——带到当下。

Vol.73 电竞到底是一个什么样的“生意”？---串台405游局搜索的终结：AI时代的购物将如何运作