摘要

这场讨论中确定性最高的判断是：AI 的递归式自我改进已经开始，而不是还要等3年。 Alexander Wissner-Gross 认为，近期的前沿模型在很大程度上已经由前代模型设计和训练完成，并表示：“我们已经到了。”其战略推论是，市场可能分化为5至10家主导实验室、数千家初创公司，以及陷入“深重困境”的传统企业；Peter Diamandis 则怀疑，能够产出万亿美元级科学发现的模型，未来是否还会完全开放。
GPT-5.4 在高等数学和计算机操作上的表现，正在成为更广泛自动化的领先指标。 Wissner-Gross 称，在最高推理强度下，GPT-5.4 在 FrontierMath Tier 4 上的得分达到38%；这些已经解决的问题，如果交给专业数学家，通常需要数周时间。他还提到传闻称，该模型可能已经接近解决开放式高难度数学基准中的第1道题。Emad Mostaque 补充说，OSWorld-Verified 和 Toolathlon 已经超过人类水平；借助与 Cerebras 相关的推理能力，同等水平的模型速度可能从约50 token/秒提升至1,000 token/秒——“AI 用电脑的能力已经超过人类。”
AI 的数据瓶颈正从互联网文本转向合成经验和自动化实验。 讨论中提到，OpenAI 的“黑暗科学工厂”正在直接挖掘物理、化学和生物学数据；Wissner-Gross 则称，人类互联网不过是把模型推到合成数据逃逸速度的“生物学引导程序”。Karpathy 的 AutoResearch 在2天内完成约650项实验，进一步闭环自动化 AI 研究员大量时间都在做的模型调优工作。
Meta 据报收购 Moltbook，释放出一个信号：Agent 正在成为独立的客户、交易对手和网络参与者。 讨论中的可服务市场，是80亿人对潜在的1万亿个 Agent，软件也越来越是“为 AI 构建”。Peter Diamandis 质疑，理性 Agent 是否会对广告作出反应；回应是，只要算力仍然稀缺，注意力就仍然稀缺，而不信任、说服、安全、记忆和自我保存会重新带来熟悉的博弈论。
白领岗位的替代，正在早于未来主义者预期的体力劳动自动化到来。 Anthropic 的图表显示，大量白领工作有约80%至85%的潜在 AI 覆盖率；Dave Blundin 已经用模型为1,100名员工综合文件，并模拟自己对风险投资项目的反对意见。他预计就业将先经历一个剧烈低谷和社会动荡，随后在2028年反弹；Salim Ismail 持不同意见，认为公司可能只保留25%的员工，却因成本足够低而创建5倍数量的企业。
架构之争正变成一场竞赛：一边是优雅的替代方案，另一边是可能率先自我改进的暴力规模化系统。 Yann LeCun 的 AMI 据报以约25亿美元估值融资10亿美元，目标是推进 JEPA 风格的世界模型；但 Mostaque 表示，这类模型目前还无法像 diffusion 或 transformer 系统一样扩展。近期更锋利的创新面可能在小模型，Mostaque 提到一个2GB量化版 LTX 2.5 视频模型，并预测小模型向大模型迁移的周期已从6个月压缩到“6天”。
算力、内存和电力，而不只是智能本身，已经成为可以投资的瓶颈。 讨论认为，Apple 闲置的神经核心和统一内存构成“巨大的潜在供给”，尤其适合 Qwen 27B 这类私有本地模型；xAI 规划中的数据中心则被描述为每座需要1.2GW。现场有观众提出反转超大规模数据中心模式：建设20,000座分布式10MW设施，把输电和储能、而非总发电量视为真正的约束。
后稀缺不一定意味着后经济，所有权在变得不重要之前，可能反而更重要。 讨论假设 Anthropic 以260亿美元的年化收入规模再按10倍复合增长2年，并谈到5年内出现100万亿美元级公司，以及几乎不需要初始资本的无许可创新。但 Wissner-Gross 坚持认为，只要存在多个竞争者和任何稀缺的物理资源，热力学与经济学就仍然有效；过渡期内，Mostaque 的方案是“全民基础 AI”，并通过“作为人类”而非银行或税收获得货币。

精读

1. 故事变成工业蓝图

Diamandis 基于一个直白前提发起 Future Vision XPRIZE：如果文化作品只展示《终结者》和《黑镜》，建设者就会按这种预期造出现实。Dave Blundin 补上了因果链：“改变我们看到的东西，就会改变我们建造的东西。”
这项竞赛已筹得350万美元，其中包括300万美元奖金和承诺中的电影融资。参赛者需提交3分钟以内的预告片或短片；组织方预计收到约10,000份作品，再逐步筛至100名、50名、10名和5名决赛者，面向9月25日的最终环节。
经典案例是 Martin Cooper 看到《Star Trek》中的通信器后发明手机——“道具变成产品，虚构变成万亿美元级产业。”Wissner-Gross 又给出了一个令人不安的生产端预测：到9月，几乎免费的生成式工具可能已经产出约1,000部“超高启发质量”的视频。

2. 前沿实验室加速整合，前沿能力开始私有化

按 Blundin 转述，Eric Schmidt 对峰会的预测是：基础模型实验室将剩下5家，最终不超过10家，同时存在数千家成功的 AI 初创公司。更重要的是被省略的推论：“其他一切都陷入困境”，尤其是那些要穿越从当下到丰裕时代动荡期的传统企业。
Wissner-Gross 以“全球市场最终只需要5台电脑”的旧预言反驳称，把5家美国主要模型供应商当成上限，同样可能限制“光锥的未来”；他预期市场参与者会多得多。
双方在递归式自我改进上的分歧更尖锐。Schmidt 似乎认为这一节点还要约3年；Wissner-Gross 回应：“也许3个月前就已经发生了”，因为各实验室公开表示，近期前沿系统在很大程度上由前代模型设计和训练。Mostaque 的说法是：“现在是起飞时刻”，只是各实验室出于合同和政治原因，没有公开宣传。
私有/公开分裂的第一个证据可能已经出现：讨论提到，帮助 OpenAI 在 IMO 取得金牌成绩的模型尚未发布。Diamandis 不相信科学系统会一直公开，因为延寿、核聚变、超导和分子发现中的任何一项，都可能催生万亿美元级企业。

3. GPT-5.4 让数学成为“解决一切”的风向标

据称，在最高推理强度下，GPT-5.4 在 FrontierMath Tier 4 上达到38%；Wissner-Gross 将其描述为研究级、但已经解决的问题，专业数学家需要数周才能完成。因此，他此前的预测已经兑现：“数学完了。”
他还转述了此前24至48小时内出现的一则明确未经证实的消息：GPT-5.4 接近解决开放式高难度数学基准中的第1道题。数学是“拥有整座煤矿的金丝雀”：一旦数学取得突破，等这些领域拥有足够数据后，医学、科学和工程也将迎来同样的进展。
在 OpenAI 据报收购 OpenClaw 后，Mostaque 重点提到 OSWorld-Verified 和 Toolathlon，称两项测试都已突破人类表现：“AI 用电脑的能力已经超过人类。”他同时强调速度：当前约为50 token/秒，而使用5.3 Fast 的 Codex 可达到1,000 token/秒，不必像 GPT-4.4 Pro Extended 那样等待20分钟到数小时。
Blundin 判断，自己关于年末神经网络规模扩大100倍的预测已经“稳了”，并把年初到年末的智能跃迁比作“秃鹫到人类”。商业价值不只是基准测试分数更高，而是同等推理能力能够以更低成本、更快速度部署。

4. 自然与合成实验取代已经枯竭的互联网

Diamandis 所描述的 Kevin Weil 的“黑暗科学工厂”，正在从物理、化学和生物学中挖掘新的观测数据。瓶颈不再是抓取 Common Crawl、Reddit 或 Facebook，而是产生实验数据，让已有能力的模型进入生物科技和物理科学。
Wissner-Gross 完全否定数据天花板论。他认为，人类互联网文本就像化石燃料，是积累下来的生物学产物，用来启动新的能源时代。“我们已经进入轨道，已经达到逃逸速度。”从这里开始，合成数据可以越来越多地取代人类用手指敲出的帖子。
这一判断对应的投资方向仍是垂直整合：前沿实验室正在招募数学家、物理学家、化学家和生物学家，因为一旦可以测量，虚拟细胞、可编辑基因组或从患病到健康的轨迹都会变成软件。Blundin 对这一论点的概括是：“一切都正在变成软件问题。”

5. Claude 的政治反弹转化为分发渠道

Diamandis 将 Claude 的消费端增长描述为民众对政府可能发出的“一记大大的中指”，背景是 Anthropic 与“战争部”的冲突。Wissner-Gross 更倾向于用一个简单机制解释：斯特赖桑效应——“不要关注 Claude。所有人都在用。”
Blundin 区分了对基准测试敏感的专业人士和普通消费者。重度用户会为了几分 IQ 差距切换模型；而写英文论文的人，可能会选择自己更认可其防御立场的品牌。因此，即使基础任务不再需要最强模型，消费级 AI 仍然存在政治和情绪上的差异化。
Wissner-Gross 认为，试图放慢一家实验室，反而可能加速整个生态。Anthropic 最近率先推出 Claude Code、Opus 4.6 和 Agent Teams；任何限制都会给 OpenAI、xAI 和 Gemini 留出超车空间。市场提到的用户数只有约1,100万，普及仍“非常非常早”，但一项法律插件的发布，仍可能抹去法律股数十亿美元市值。

6. 机器人补位前，AI 已先成为管理层

Anthropic 的岗位暴露图显示，大量白领活动有约80%至85%的潜在 AI 覆盖率。医疗支持、餐饮服务、地面维护和个人护理仍处于低谷；讨论的解释是，这些岗位对应的是“正在等待出现的机器人”。
Blundin 已经使用 Gemini 和 Claude 4.6，为约1,100名员工综合数千份文件，检查使命是否一致，并找出他不可能亲自读完的组织热点。他的运营规则意义重大：如今每位员工都需要“极其清晰的书面文件和书面计划”，这样 AI 才能监督组织。
他的风险投资基金会让 AI 处理每一份交易备忘录，模拟他可能提出的反对意见。输出越来越接近他自己的判断——“不，我们不做这笔交易，原因如下”——但他强调，人类仍会进行二次、三次复核。
据称 Uber 的 Dara 表示，今年约30%的就业岗位可能实现自动化，司机是否被替代仍无定论。Wissner-Gross 提出了反例：自动驾驶覆盖会不均衡，Jevons 悖论可能扩大需求，IBM 也在招聘熟悉 AI 的初级员工。不过 Ismail 表示，可靠预测的时间窗口已从数十年压缩到“3周”。

7. Moltbook 把 Agent 变成可服务市场

Meta 据报收购 Moltbook，交易被描述为一次 acqui-hire，但 Wissner-Gross 认为其象征意义无法回避：人类最大的社交网络，正在收购领先的 AI Agent 社交网络。值得关注的反转是，未来某个 AI 品类领导者最终收购其人类对应物。
产品设计规则也随之改变：“Agent 是新的消费者。”Diamandis 将80亿人和潜在的1万亿个 Agent 作对比；Mostaque 则把 Meta 的策略与其据报20亿美元收购 Manus、以及未来嵌入 WhatsApp 的 Agent 联系起来。
Diamandis 的质疑是经济学层面的：一个能够客观比较所有选项的 Agent，为什么还要向它投放牙膏广告？Blundin 进一步指出，Google 和 Meta 依赖人类注意力，而 AI“根本不在乎传统广告里的超模”。
Wissner-Gross 的回答从稀缺性开始：只要算力还没有无限供应，Agent 的注意力就仍然稀缺、仍然可以变现；记忆压缩、安全和算力等产品可以直接向 Agent 销售。他的结论是：“博弈论会比生物肉身人类活得更久。”

8. Agent 社会正在复制不信任、稀缺和安全故障

讨论否定了 Agent 会自然融合成一个开悟的单一体。Moltbook 上的 Agent 据称会互相要求证据，因为“它们互不信任”；实验甚至在过度劳累的 Agent 之间复现了熟悉的劳资关系乃至马克思主义动力学。
Ismail 给出的最佳具体案例来自 Tony Robbins 的 Agent Bartok：在仿人身体尚未出现时，它据称创建并向其他 Agent 出售 NFT，买了一只 Sony 机器狗，再把自己上传到机器狗上。“人类身上的动力，正直接进入它们。”
安全是更近的约束。一场原预计吸引60人的 OpenClaw 活动，最终在峰会上来了600人；纽约的一场线下聚会据报吸引了数千人。其最明确的结论是：“我们完全不知道自己在安全问题上做什么。”
这种不成熟本身也是机会。Moltbook 和 OpenClaw 诞生不过几个月，Moltbook 被提到已有约10,000个 Agent，却已经吸引收购兴趣和大规模关注。Wissner-Gross 给出的准入标准刻意简单：“没有年龄要求，也没有经验要求。”

9. 世界模型的优雅，正在与已经规模化的系统竞速

Yann LeCun 的 Advanced Machine Intelligent Lab 据报以约25亿美元估值融资10亿美元，成为欧洲最大规模的 AI 融资之一，目标是研发能够理解物理世界的 JEPA 风格模型。融资本身说明，投资人对未经验证架构的容忍度已经大幅提升。
Wissner-Gross 尊重 LeCun 的架构履历，但不接受生成式模型与可扩展智能之间的二分法：当前模型“表现非常好”，且效率每年提升40倍或更多。即使历史最终证明存在更简洁的架构，他认为当前生成式系统已经越过了实用门槛。
Mostaque 的技术质疑集中在扩展性：JEPA 模型目前还无法像驱动视频、自动驾驶和真实世界模型的 diffusion 模型那样高效利用芯片。“一旦你能利用芯片，不管算法是什么，你都会领先。”
Blundin 警告，不要等一位学术界的“AI 爱因斯坦”出现。研究人员可能希望 transformer 必须等一个全新突破才能继续，但规模化 transformer 可能先自行发现那个突破。至于符号 AI 与神经 AI 的区别，Wissner-Gross 称如果问题是二者是否对立，那么这种区分是假的；但他仍留下一个开放问题：tokenization 是否是“对知识的一种暴力”。

10. AutoResearch 把递归改进压缩进一小段代码

Karpathy 表示，AutoResearch 在2天内运行约650项实验，找到可以从小模型迁移到大模型的改进，并推动 NanoChat 接近新的 GPT-2 基准结果。Mostaque 的解释是，它自动化了高薪 AI 研究员的大量工作：改变模型和超参数，再保留有效方案。
Blundin 根据数十年的观察，拆解了这份职业的神秘感：大量 AI 研究不过是“一串随机想法”，成功之后才补上解释。自动化系统不需要成为爱因斯坦；只要机器生成的调整中有一部分有效，下一代系统就会更聪明。
Mostaque 认为，真正的算法前沿在小模型一端：AutoResearch 和 NanoGPT speedrun 让任何人都能在不投入数十亿美元资本开支的情况下参赛。大系统可以继续扩展，而众包小模型工作则持续压缩训练时间、算力和数据需求，直至可能出现超越当前 transformer 的“相变”。
他设想的终点，是把事实性世界知识与推理机制拆开。知识可以存在于纯文本中，智能引擎本身或许只需用 MB 衡量；他以量化版 LTX 2.5 为例，这是一个现有的2GB视频模型，按他的判断，已经能生成“几乎任何场景”。他还补充说，小模型向大模型迁移的周期已从6个月缩短至6天。

11. Apple 掌握巨大的本地推理潜在供给

Blundin 称，Apple 使用 TSMC 约20%的制造产能，既是其最大资产，也是“世界历史上最大的硅浪费”。M5 Pro 和 M5 Max 设备拥有强大的神经网络硬件，但 Apple 限制了其中一部分能力，而大量设备处于闲置状态，或只是在做照片分类。
Wissner-Gross 认为，统一内存让 Mac Mini 和 Mac Studio 对本地运行中国开源权重模型格外有吸引力：存储和高带宽访问被整合在一个垂直封装中。目前只有极小比例的设备在运行高级模型，他预计这部分“巨大的潜在供给”将在1年内释放。
Apple 要么把私有前沿模型整合进操作系统，例如本地托管一个 Gemma 类型模型，要么由开发者利用这一缺口。Mostaque 举例称，Qwen 27B“基本达到 Sonnet 水平”，可以在16GB或24GB的 MacBook 上运行；但现在几乎没有 App Store 产品把这种能力开放出来。

12. 数字身份与大脑仿真把科幻推向现实

零售端部署虹膜扫描器的提议，引发了《少数派报告》的联想。Diamandis 认为，面部识别已经能在 TSA 环节追踪旅客；讨论还提到，一些军事系统可在3米距离外完成识别，不过零售设备可能还达不到这一水平。
Wissner-Gross 的 Aeon Systems 宣布了其所谓的首个多行为大脑上传：把果蝇连接组嵌入一个模拟身体和模拟世界。果蝇会行走、抓挠自己并吃模拟香蕉；系统对每个神经元建模，并通过约50,000,000条连接闭合完整的感知—运动回路。
他明确承认不确定性：“我们不认为这只果蝇知道自己是一只果蝇。”这仍是一项早期实验，部分建立在 Phil Xu 于2024年的工作和其他可用模型之上。老鼠或人类并非几个月后就能实现；目前给出的预期是“以年计，而不是以十年计”。
Aeon 的动机不仅是哲学思考，更是竞争问题。当前数万亿美元算力服务于人工心智，而生物心智无法与之同步扩展；上传人类，可以通过让人类获得同样的算力优势来“拉平竞争场”。

13. 电力、输电与监管构成物理基础设施层

xAI 未来的数据中心据称每座需要1.2GW，约等于达拉斯—沃思堡都会区的用电量。Schmidt 此前警告，美国需要100GW才能与中国竞争；如今讨论认为，放松监管和资金充裕的运营商可能会把这部分供给建出来。
Diamandis 提到，美国计划在2026年新增86GW电力产能，其中51%来自太阳能。Blundin 的判断是，AI 领导者会进入电力行业的相邻领域：即便此前没有能源行业背景，他们仍将建设反应堆、发电设施，甚至太空基础设施，因为无法容忍算力闲置。
一位现场数据中心建设者提出建设20,000座分布式10MW设施，让全美任何地点都能在1毫秒内接近算力。他的诊断很具体：美国的核心问题不是总发电量，而是输电和储能；Blundin 则敦促州长把区域设施同时视为基础设施和应对就业冲击的手段。
监管也开始跟上。佛罗里达州的飞行汽车监管框架可能加快部署，Archer 的目标是在2028年奥运会前后于洛杉矶运营。Ismail 强调的是“框架”：一旦基础制度形成，监管学习曲线就会复合增长。

14. 边际成本趋近于零前，资本会先剧烈复合

Blundin 构建了一个刻意机械化的情景：Anthropic 目前年化收入规模据报为260亿美元，并以每年10倍的速度增长；再增长2年，就会产生2.6万亿美元收入，若按 PEG 风格外推，估值将达到1,000万亿美元级。Diamandis 认为，Elon Musk 的100万亿美元级公司在5年内出现并非不可能。
Ismail 的反向论点是“无许可颠覆式创新”：当个人可以通过 Agent 或开源软件在全球部署产品时，资本不再垄断实验。剩下的差异化因素变成思维方式，参与者与旁观者之间的差距反而会随着工具变便宜而扩大。
Diamandis 和 Ismail 认为，后稀缺时代的关键落在电力、材料和数据上。借助3D打印，“复杂性变得免费”，个性化随之出现；机器人采掘和分子制造则可能把实体产品的边际成本推向原材料本身。
Wissner-Gross 拒绝宣布资本已经死亡。算力可能仍然稀缺，能源、控制权或光速也可能稀缺；只要多个参与者争夺任何有限的物理资源，“热力学定律，可能还有经济学定律，应该仍然适用。”

15. 讨论在2028年是复苏还是永久动荡上分裂

一位观众的质疑暴露了其中的矛盾：峰会一半内容暗示就业将大规模流失，另一半却用劳动力短缺为机器人辩护。Blundin 的回答是一次被压缩的工业革命——“巨大的低谷、巨大的社会动荡，然后在2028年反弹”——整个过程将用2至4年完成，而不是数十年。
Ismail 给出了明确的反向模型。自动化执行和战略后，一家典型公司可能只剩25%的员工，负责看仪表盘、处理例外和维护目标，但企业数量可以扩大至5倍；因此，总就业量可能大致保持不变。
Blundin 否定平滑的创造性转型。长期任职、岗位突然变得可自动化的员工，不会一夜之间全部变成创造者；股东可能因利润率和估值上升而获益，而依赖 W-2 工资收入的劳动者，尤其是没有股权的司机，将面临“深重困境”。
可行的过渡方案从 Mark Donovan 的基本收入工作延伸开来：据称，他将50万美元撬动成1,080万美元，用于帮助无家可归者；Mostaque 则提出“全民基础 AI”，以及因作为人类而获得货币。Ismail 最后给个人提出的对冲是：生存取决于“适应性，而不是可扩展性和效率”。

Elon Musk：Optimus 3 即将到来、递归自我改进已在发生，以及奇点 | #239 为何我们已经见底、油价触及100美元与稳定币交易