摘要

Kratsios 将技术分为“生而自由”与“生而受困”两类。 类似互联网的技术需要政府克制；商业无人机和AI医疗诊断则需要先行修改规则，客户才能兑现其价值。对投资者而言，监管既是瓶颈，也是创造市场的催化剂。
华盛顿的雄心正从采用AI转向创造国家级需求。 2028年人类重返月球、2030年前建成月球基地的初始设施、2028年部署太空核反应堆、在Trump任期结束前造出具备科学实用价值的量子计算机，以及通过Genesis Mission推动AI驱动的科学研究。Kratsios表示，Genesis或许应该以科学生产力提升10倍为目标，而不是公开提出的2倍：“目标必须足够大。我们必须做到10倍。”
美国政府希望在闭源和开源模型两端都保持领先，但Kratsios承认，中国开源模型表现出色，目前价格也最低。 American AI Exports Program计划通过覆盖芯片、模型、应用和政府支持融资的一站式方案抵消这一优势，刻意确保“全世界都应该建立在美国的AI和技术栈之上”。
Kratsios强力捍卫半导体管制，称2019年针对EUV光刻的限制“可能是美国历史上影响最大的出口管制之一”。 Diamandis认为限制措施可能反过来催生海外竞争者；Kratsios的回应是，中国本就把半导体自主作为战略重点，而出口管制压制了其追赶美国前沿系统的能力。
Golden Age蓝图将科学停滞视为激励机制设计失败，而非主要归因于资金不足。 NIH预算接近450亿美元，但据称研究人员约45%的时间都花在与资助相关的行政工作上。改革方案包括5年期资助、1个月内完成申请评审、针对非传统提案的单方面“黄金门票”、专门的元科学部门、奖金，以及与产业相连的4年制博士项目。
最激进的提议，是建立一个AI原生的科学市场。 资助方发布悬赏，智能体寻找线索并雇佣自主实验室，经加密签名的结果触发智能合约付款，预测市场则引导资源配置。人类仍负责选择问题、判断最具影响力的成果，但协调和实验可以持续以“机器速度”运行。
机器人、自主实验室、数据中心和公共科学数据集，构成可投资的实体层。 Kratsios介绍了对尚未发货的非美国人形机器人的新限制、联邦政府对闭环机器人实验室的支持，以及要求数据中心建设者“自行建设、带来或购买”电力；与此同时，70年的国家实验室数据应转化为可供AI使用的格式，并继续作为公共品存在，类似NOAA天气数据。

精读

1. 监管必须区分“生而自由”和“生而受困”的技术

Kratsios的核心分类法，将技术分为“生而自由”——最适合政府退后一步——和“生而受困”——商业化依赖政府机构改变规则。1990年代的互联网属于前者，商业无人机和AI驱动的诊断则属于后者。
反对过早监管的典型案例是EU AI Act。Kratsios称，该法案在ChatGPT出现之前就已定稿。他的结论是：为上一代技术范式制定的规则，不可能与今天的大语言模型系统精准匹配。
对受困技术而言，不作为本身就是一种限制。Kratsios认为，政府必须审慎重构许可机制，让产品能够“安全地部署给美国人”，因为等待太久，可能让这些技术的收益根本无法兑现。

2. 政府采用AI仍然碎片化，且受到出人意料的约束

Diamandis询问，美国是否可能任命一名中央AI部长，或部署官员的AI化身。Kratsios否定了前一种设想，称这是一项“要求极高的任务”，因为AI对每个机构的影响都不同，涉及无人机、医疗以及SEC对金融服务的监管等领域。
他更倾向于分布式的领域专业能力，并通过Genesis等白宫任务推动进展。Kratsios承认，政府很少会站在技术前沿，但总统的行动可以迫使各机构将AI赋能的发现视为“全政府优先事项”。
采用鸿沟是具体存在的：由于《总统档案法》的约束，大语言模型一度不被允许进入白宫系统。Kratsios希望这一情况很快改变，并称这说明了“政府技术有时运行的速度”。

3. AI的政治难题始于以恐惧为先的叙事

面对约四分之三美国人担心AI、71%反对在附近建设数据中心的说法，Kratsios直言：“AI面临严重的公关问题。”他认为，部分原因在于政府和产业几乎只从失业、生物风险和灾难的角度描述AI。
他举出的最佳案例，是在Bletchley Park举行的首届英国AI安全峰会，其组织前提集中于可能出错的地方。Kratsios认为，如果政治人物不断把一项技术描述成危险的，那么“公众感到恐惧并不奇怪”。
医疗提供了最清晰的反向叙事，因为家庭可以直接感受到更好的诊断和护理。政府也可以围绕工厂、招聘和国内供应链组织叙事，而不是把AI狭隘地当作软件产品。
Kratsios转述了Jensen Huang的说法：Nvidia向Corning下达了其历史上最大的一笔订单，要求后者创纪录地扩大产量。意图传递的信息很具体：AI投资正在为整个经济创造产业溢出效应，而不是只把收入集中到前沿实验室。

4. 在对AI失业做出确定判断前，必须先改善劳动力数据

Kratsios对就业保持长期乐观。他回忆称，Trump第一任期内关于自动化的担忧并未导致预期中的就业崩塌，总就业人数反而增加。不过，他也表示仍需认真监测劳动力被替代的情况。
眼下的问题是测量能力不足。AI行动计划要求劳工部发起一项计划，从通常不提交相关报告的雇主处收集数据，从而推动有针对性的再培训、技能重塑和劳动力援助，而不是让政策建立在个案叙述上。
Diamandis提出“降落伞”激励机制，要求进行AI相关裁员的公司提供AI技能培训。Kratsios认为这个概念有意思，但质疑什么才算AI裁员，并指出企业可能会把普通重组归因于AI，因为这样对外讲故事更好听。
Diamandis补充了这种标签背后的市场激励：当公司用更少的人创造更多收入时，股价可能上涨。两人的对话保留了一个重要的模糊地带——AI可能确实推动了岗位消失，也可能只是为原本就计划进行的裁员提供了一个方便的解释。

5. 国家级任务旨在恢复雄心并创造需求

Kratsios希望政府对国家优先事项“有明确立场”，重拾Manhattan Project和Apollo时代的传统：选定一个看似不可能的北极星目标，调动各类机构，并吸引年轻人投身科学。
太空时间表刻意具体：2028年人类重返月球、2030年前建成首批月球基地设施、2028年在太空部署核反应堆。Kratsios说：“这太疯狂了。”随后给出了背后的治理逻辑：“我们要做，因为我们是美国人。”
Genesis最初的目标，是在10年内让美国科学体系的生产力翻倍。另一项任务则要在Trump任期结束前造出一台具备科学实用价值的量子计算机——不是又一个抽象里程碑，而是一台能够“做成某件事”的机器；Kratsios最看重的应用是药物研发。
聚变仍不在本届总统任期的时间范围内，但Kratsios认为私人部门的参与力度异常强。Diamandis统计称，目前有37家获得风险投资支持的聚变公司；Kratsios则强调，私人资本对这一能源来源的投入从未如此之高。

6. 美国要出口的是完整AI技术栈，而不是孤立产品

政府政策态度明确：美国必须在闭源和开源模型两端都保持领先。Kratsios承认，美国本土开源生态“本可以做得更好”，而中国模型目前表现良好，对于资金紧张的创始人而言，可能是最便宜的理性选择。
American AI Exports Program要求美国企业提出完整技术栈应包含哪些内容。商务部及其他机构正将这些建议转化为芯片、模型、应用和工具的“一站式组合”，避免外国客户自行协调7家供应商。
融资也是产品的一部分。美国进出口银行和国际开发金融公司可以让美国方案在海外具备经济可行性，使“一整套方案”成为应对中国补贴技术出口的答案。
Kratsios表示，该计划源于对Huawei的挫败感：凭借“够用”的电信技术栈和中国政府补贴，Huawei迅速铺开。这一次，更先进的Nvidia和AMD芯片、美国软件、开源与闭源模型，以及政府融资，将被组合成一个具有竞争力的地缘政治方案。

7. 芯片管制和人形机器人限制，是以拒绝供给为手段的产业政策

Diamandis质疑，对Nvidia的限制是否会重蹈早期出口管制的覆辙，迫使中国打造自己的竞争者。Kratsios不认同，称这些限制是政府“最精明的决定之一”，因为它们压制了中国训练出能够与美国竞争的模型的能力。
他对2019年EUV光刻管制的评价更强烈，称其可能是美国历史上影响最深远的措施之一。Kratsios认为，中国本来就决心建设独立的半导体产业，因此扣住关键技术并没有创造这种雄心。
在机器人领域，Diamandis将美国少数几家知名人形机器人公司与中国超过150家公司作对比。Kratsios表示，政府刚刚限制尚未发货的非美国人形机器人进口，明确优先发展本土产业和安全的零部件供应链。
他预计，这条边界将吸引资本，并提到政府12月在无人机领域采取类似行动后，无人机供应链投资随即大幅增加。在他看来，中国机器人产业获得补贴和倾销支持，而美国行业需要“推一把”。

8. 科学停滞反映的是流程膨胀，而不是预算不足

Golden Age报告从单位美元带来的发现数量下降说起。Kratsios强调，NIH预算已接近450亿美元，药物研发成本却不断上升；机构持续重复同一套科学流程，并假设继续加钱就能改善产出。
核心处方是文化层面的：科学政策必须在“如何开展科学”上变得更具实验性。Kratsios尤其难以接受的是，一个以实验为核心的群体，往往希望自己的资助和发表体系继续保持30年前的样子。
行政负担是最明显的损耗。一项National Academies研究据称发现，研究人员约45%的时间花在资助管理上；Kratsios称这是“最令人沮丧的统计数据之一”，因为科学家本应是这个国家的“皇冠明珠”。
超音速飞行体现了监管层面的对应问题。政府不再禁止超过Mach 1的速度，而是把规则改为噪声上限，而非速度上限：只要运营商能安静地飞，“那就飞”。

9. 资助机制应服务于发现，而不是学术官僚体系

年轻研究人员仍被困在为更慢的科学节奏设计的发表和终身教职阶梯上。Diamandis引用了一个惊人数字：据称NIH院内科学家的年龄中位数为71岁；他同时指出，诺贝尔奖级别的工作通常在获奖者40多岁中期完成。
大多数政府资助集中在18个月左右，反映的是行政和学术日历，而不是实验现实。资助从第一天起就确定的5年期项目，可以让科学家追踪长期问题，而不是在第一笔资助结束前就申请下一笔。
快速通道资助将采用几页纸的申请表，在1个月内做出决定，并提供足以完成概念验证的资金。Kratsios提到COVID时期数小时内完成的决策，并认为危机速度的融资不必等到危机发生才启用。
在拟议的“黄金门票”体系下，每名评审员都可能获得1至3个单方面授奖名额。这样，非传统想法只要“有1个人相信你”就能获得机会；同时，真正赋予评审员决策权，也有助于吸引更强的评审者。

10. 元科学和智能体市场可以重建科学激励

Kratsios坚持认为，改革本身也必须接受检验。快速通道资助听起来很有吸引力，但政府应比较结果、更新机制，并放弃失败的做法；这一“科学的科学”任务已经促成NIH和NSF宣布成立元科学部门。
报告最大胆的架构，是建立一个市场：资助方发布悬赏，AI智能体寻找有潜力的线索并委托自主实验室执行，经过加密签名的结果解锁智能合约付款。数据、假设、算力和资本将通过机器速度的微交易流动。
预测市场可以为资助方提供参考，悬赏市场可以将资源配置到尚未解决的问题上，声誉体系则可以筛选出可靠的智能体。报告将其描述为一种可能性，而非必然结果；人类仍负责判断、选择问题以及评估重大成果。
资本基础已经发生了足够大的变化，可以尝试这一体系。Kratsios称，1950年时，联邦政府承担70%的研发、私人部门承担30%；如今这一比例实际上已经反转，而慈善资本也拥有前所未有的资源，包括他估值接近2500亿美元的OpenAI Foundation。

11. 奖金、生物科技和长寿暴露出任务组合中的缺口

Diamandis表示，XPRIZE已经发放6亿美元奖金，并推动约300亿美元研发投入。Kratsios欢迎围绕国家级挑战进行公私资本 pooling，尤其是在可以用已实现的结果、而不是有说服力的提案来获得报酬的领域。
在联邦研发支出每年约2000亿美元、NIH预算接近450亿美元的情况下，Kratsios认为政府很难消化10亿美元规模的奖金。不过，如果挑战足够重要，1亿美元左右的奖金“完全可行”。
Diamandis发起的1.01亿美元Healthspan XPRIZE已有830支团队参赛，目标是通过认知、肌肉和免疫指标，让人的功能性年龄倒退20年。他的经济学依据是：美国预期寿命约为78—79岁，但健康预期寿命只有63岁，约16年处于不健康状态；延长健康寿命可能改变这一局面。
Kratsios承认，长寿议题被遗漏了，“可能本来应该”纳入其中。生物科技部分包含在Genesis之内——最近宣布的约50亿美元资助中有大量生物科技项目——他也认真看待Demis Hassabis提出的“10年内治愈所有疾病”这一目标。

12. 创新区、教育和自主实验室将实验推进到物理世界

Kratsios在2017年推动的无人机试点，将10个州、地方或部落政府与UAS运营商配对，并给予监管空间测试配送业务。政府如今正通过eVTOL试点再次采用这一模式，让愿意尝试的社区先发现有效方案，再决定全国性规则。
这是把联邦制变成竞争性政策：Diamandis的地图将Texas评为技术开放度最高的州；Kratsios则回忆称，规则改变后，自动驾驶测试从California转移到了Arizona。公司和居民会“用脚投票”，让监管套利变成推动改革的压力。
数据中心运营商同样需要赢得社区认可。根据保护电价承担者的承诺，建设者必须“自行建设、带来或购买”电力，并承担相关成本；Diamandis补充称，高尔夫球场用水量约为数据中心的30倍，杏仁种植则是50—60倍。
在教育问题上，Kratsios把家长放在首位：一些家庭可能选择Alpha School的模式，上午约3—4小时使用AI，下午学习社交技能；另一些家庭则偏好不使用课堂技术。他表示，多数家庭得到的却是一个“破碎的中间状态”，并警告美国学生对STEM兴趣下降将威胁国家的健康、安全和增长。Diamandis提出AI教育叠加层，Kratsios认为只要成本降下来，这一方案就有可能实现。
自主实验室完成了这一愿景：AI提出假设，机器人执行实验，模型读取结果并设计下一轮实验，全天候运行。硬件起初会把这些系统限制在更窄的领域，但Kratsios希望未来学生和科学家能够“上线、输入假设，然后点击开始”。

13. Genesis正从2倍承诺转向10倍目标

Kratsios承认，Genesis的2倍目标来自项目此前对外公布的承诺，报告保留这一数字部分是为了保持一致。随着随后6个月的进展，他的判断已经明确改变：“我们可能应该以10倍为目标。”
他提到了Opus、Anthropic快速增长的收入、“Mythos时刻”、“Fable发布”，以及OpenAI即将推出的GPT-6，以说明前提变化有多快。具体能力仍不确定，但“AI创新的速度简直疯狂”。
Genesis最重要的资产，是覆盖物理、化学、数学、生物学和其他领域的70年国家实验室数据，其中大量数据既未做好AI使用准备，也没有被纳入模型。让这些数据集变得可用，可能加速所有科学领域的假设生成。
Kratsios表示，基于这些联邦数据形成的突破，应建立在公共品底座之上，类似商业天气应用建立在免费开放的NOAA数据之上。但对于AI人格等更激进的设想，他表示美国还没有走到那一步；眼下的优先事项是“让我们的马跑起来”。

2026年8月随想杂谈 AI抛售与数据不符｜顶级AI投资人解读