摘要

NVIDIA 的万亿美元路径，本质是晶圆代工产能论，而不是简单外推需求。 Jensen Huang 表示，他认为“至少看到 2027 年有 1万亿美元”，但 Dave Blundin 强调，这指的是在合同生命周期内、跨 2年确认的订单额；他预计今年日历年营收约 3500亿美元，之后增长上限将由 TSMC 产能决定。NVIDIA 据称掌控 TSMC 3纳米产量的 70%，毛利率约 80%，客户“排在他门外苦求芯片”——这带来非凡定价权，也招致反垄断审查。
OpenClaw 的代理普及，最终会带来组织重构，而不只是又一次聊天机器人上线。 Huang 称其为“人类历史上最受欢迎的开源项目”，几周内就超过 Linux 30年的发展轨迹；Alexander Wissner-Gross 将其描述为自 ChatGPT 以来最大的一次 AI“解锁”。Salim Ismail 对投资者的含义是递归式工作流改进：企业必须在组织前端建立 AI 原生操作系统，把工作从人与人之间迁移到代理与代理之间，并让人负责监督和异常处理。
从 o1 到 GPT-5.4 的 1,000倍成本下降，把瓶颈从训练推向推理，也让当前硬件假设变得脆弱。 Sam Altman 表示，这一降幅发生在约 16个月内；Wissner-Gross 将其归因于推理和行动时算力，同时警告，一旦推理占据总支出主导，“免费午餐”就会结束。嘉宾预计，后 Transformer 时代会出现“像 Transformer 相对 LSTM 那样大的跃升”，并可能需要专用硬件，从 AMD、Intel、较老制程或定制芯片中寻找绕开 NVIDIA 的路径。
Anthropic 在企业份额上的飙升确实构成了一场真正的碾压，但嘉宾拒绝给 OpenAI 写悼词。 一组展示数据称，3个月内，在首次采购 AI 的企业客户中，Anthropic 的份额从 40% 提升至 73%，而 OpenAI 从 60% 降至 26%；Blundin 称之为“彻底碾压”。解释在于战略聚焦：企业买家为生存而消耗推理能力，而 OpenAI 高估了消费者需求；但 GPT-5.4 Pro、Codex、垂直整合和潜在的消费者代理杀手级应用，仍让竞争悬而未决。
Tesla 的 Terafab，是 Elon Musk 试图通过前所未有规模的垂直整合，打破 TSMC-ASML 约束。 对外给出的爬坡目标是每月晶圆开工数从 100,000片增至 1,000,000片，但嘉宾公开质疑了与 TSMC 产量的比较以及由此推导的芯片数量。更难的瓶颈在 ASML：它每年生产约 700台关键设备，或许能达到 1,000台；如果 Musk 能绕开这一约束，Diamandis 认为、Ismail 也同意，本土生产甚至可以帮助“降低第三次世界大战风险”。
AI 负荷增长正成为全球重启核电的政治护航。 嘉宾引用 Morgan Stanley 估计，至 2028年，20%的数据中心面临 13-44吉瓦的电力缺口；与此同时，Illinois 解除限制，Meta 为 2035年锁定 6.6吉瓦，日本重启其最大核电站的 6号机组，Samsung 则推进浮动式小型模块化反应堆。Ismail 的直白表述是：“AI 正成为让核电重新上线的首要政治护航。”
一位教授的 CS 就业数据崩塌，把股权持有重新定义为嘉宾首选的劳动力市场对冲工具。 据称，就业率从 2023年秋季的 89%（薪资 9.4万美元）降至今年春季的 19%（薪资低于 6.1万美元）——学生“把未来抵押给了在自己上课时就蒸发的职业”。Blundin 预计，AI 驱动的增长财富将流向股票和实物资产，而非 W-2 工资，因此建议创业、加入初创公司、提供顾问服务，或以其他方式“进入 cap table”。
全民高收入只有在丰裕增长速度同时超过稀缺性定价和人类创造新欲望的能力时才成立。 Musk 认为，规模扩大 1,000倍的经济体可以满足人们能够表达出来的一切需求；Ismail 将 UBI 区分为底线、将 UHI 定义为“分享上行收益”，资金可能来自主权 AI 基金、算力公地或分红。Wissner-Gross 的关键反驳是，Jevons 式需求可能随能力扩张，直到“每个人都拥有自己的行星”；而 Blundin 认为，消费端缺少的发明，是一种把廉价算力转化为幸福感、目的感和能动性的 AI 体验。

精读

1. NVIDIA 的万亿美元预期撞上晶圆厂墙

Diamandis 用 GTC 2026 的开场先把规模定了调：30,000名参会者、2,000名演讲者、1,000场会议，主旨演讲移至 San Jose 的 SAP Center。Huang 给出的标题式判断毫不含糊：“我站在这里，看到至少到 2027 年有 1万亿美元。”
Blundin 的校正值得保留：Huang 说的是订单额，而不是单年 1万亿美元营收；这些订单会在合同生命周期内确认，跨度为 2年。他自己的判断是今年日历年营收约 3500亿美元，之后的增长速度取决于 NVIDIA 能拿到 TSMC 产能的最大速度。
商业地位非同寻常：据报道，NVIDIA 已锁定 TSMC 3纳米产量的 70%，客户几乎没有议价能力。Blundin 回忆了 Larry Ellison 描绘的一幅画面：Larry Ellison、Elon Musk 和 Sam Altman“排在他门外苦求芯片”，即便 NVIDIA 已经实现约 80%的毛利率。
从这里开始，Blundin 认为，每一座新晶圆厂和每一批 ASML 出货都将成为重大变量：“这简直就是你买下了一台印钞机。” Diamandis 提到，Musk 可能正与利用率不足的 Intel 产能谈判；此前他们问 Musk 是否可能收购 Intel 时，“他没有说不。”

2. OpenClaw 是下一次堆叠式“解锁”

Huang 称 OpenClaw 为“人类历史上最受欢迎的开源项目”，几周内就超过 Linux 用 30年做到的事。NVIDIA 的回应是支持 NemoClaw；Diamandis 则质疑，在 NVIDIA 全栈中进行企业级封装后，它还能否真正保持开放基础设施属性。
Wissner-Gross 称，OpenClaw 可能是自 2022 年 ChatGPT 解锁 GPT-3 以来最大的一次 AI“解锁”。它的代理 24/7 运行、无头运行、可通过消息访问，建立在语言模型和推理模型之上，因此采用它时可以承接此前每一层的能力，而不是从 0 开始。
这种堆叠压缩了扩散时间。Wissner-Gross 预计，未来版本的传播速度会更快，开玩笑说，2027 年的代码仓库也许能在“5分钟内从 0 星涨到 10亿颗星”；历史会押韵，下一家平台厂商会立即宣布：“我们全面押注。”

3. 安全代理触发“组织奇点”

Ismail 的核心判断是，OpenClaw 让企业工作流内部出现递归式自我改进，之后“所有人与人之间的工作流基本都会蒸发”。在他的描述中，现有企业 AI 项目之所以失败，是因为它们优化的是本身脆弱的、人对人的系统，而这类系统被延迟、嫉妒、消息遗漏和跟进结果不确定性拖累。
他的生存处方只有一条：在组织前端建立以 AI 为中心的操作系统，并把工作流迁移进去。代理间流程会递归式改进；人从每笔常规交易的连接组织者，转为监督、监控和异常处理。
Blundin 提供了实际落地点：他开通了 Amazon Bedrock 账户，并在不到 10分钟内让 OpenClaw 在安全环境中运行起来。不同于早期需要复制粘贴的工作流，这个代理可以直接接入企业邮箱和消息系统，把程序员早已熟悉的能力扩展到企业其他环节。
Ismail 把 3月16日称为组织奇点，随后接受了更容易记住的 St. Patrick’s Day 作为日期。他预计，这可能是“数十年来冲击企业世界的最大事件”，影响企业、非营利组织、政府，以及护照续期这类流程高度规定化的服务。

4. NVIDIA 正将物理 AI 变成产业政策

Huang 展示了 110台机器人，并称几乎所有机器人公司都与 NVIDIA 合作。面向 robotaxi 的新合作伙伴 BYD、Hyundai、Nissan 和 Geely 每年合计生产 1,800万辆汽车，与 Mercedes、Toyota 和 GM 一同加入；若与 Uber 合作，这些车辆还将被连接到多个城市。
这项野心从电信塔转化为 NVIDIA 空中 AI-RAN 系统，一路延伸到机器人、汽车、代理和轨道空间。Diamandis 把这一平台地位比作早期 Microsoft 或 Google，但“乘以 100，再乘以 1,000”，随后追问政府何时会开始把 NVIDIA 当作公用事业，甚至是“造王者”。
Wissner-Gross 质疑“广泛采用本身就构成反竞争行为”这一前提。NVIDIA 的先进算力本已受到严格出口管制；他将 GTC 描绘成西方针对中国 AI Plus 五年规划的回应：向整个生态注入 AI，但没有一套完全相同的中央产业政策。
Blundin 认为，真正的冲突点在未来与 TSMC、Intel 和 Samsung 签署的制造合同。政府可能认定锁定先进制程产能 10年构成反竞争；他还以 Groq 收购案为更尖锐的例子：制造环节的控制权可能迫使竞争对手卖身。

5. 轨道空间改变的是算力工程，而非算力可行性

NVIDIA 的 Vera Rubin Space-1 旨在启动轨道数据中心，热量通过辐射散出，而不是依靠传导或对流。Blundin 的观察是，地面假设变化得有多快：半导体公司 3个月前还在积极推介复杂液冷方案，突然就面对了一个“在太空中行不通”的设计。
Wissner-Gross 反驳了任何将辐射散热视为基础性障碍的暗示。他说：“我们现在就知道如何冷却轨道算力。”NVIDIA 的工程师是在优化一个已知问题，而不是发现基本解法，尽管轨道数据中心机会进入讨论的速度异常之快。
Diamandis 更担心太阳耀斑、电磁脉冲（EMP）和近期战争。Wissner-Gross 提到，较老制程节点、纠错、屏蔽和用磁场偏转带电粒子都是已有选项，同时承认磁场无法阻挡光子；Diamandis 则坚持认为，长期可解并不意味着短期没有脆弱性。
Wissner-Gross 认为，低地球轨道的延迟足够低，可以处理 prompt 和响应。他进一步指出，较老制程节点利用率不足且更抗辐射；未来的“中微子电话”或许能直接穿过地球通信——这极具推测性，因为高效产生和探测中微子的技术尚不存在，但按他对物理学的理解，这并不被物理定律禁止。

6. 推理超通缩重置所有算力预测

Altman 的基准测试将 OpenAI 的第一个推理模型 o1 与 GPT-5.4 对比：在约 16个月内，得到难题同一答案的成本下降了约 1,000倍。Wissner-Gross 说，这与本播客此前估计的 AI 每年 40倍超通缩相符。
因果解释比统计数字更重要。Wissner-Gross 将这次提升主要归因于推理时或行动时算力，同时指出它不一定来自训练阶段算力：一旦有了足够强的语言模型底座，模型就能生成额外 token、与自己“对话”，通过迭代放大和蒸馏提升能力。
早期提升看起来像免费午餐，因为此前几乎没有算力被用于推理时计算。这一闲置空间允许能力扩张几个数量级，而不实质改变总预算；但当前沿系统开始在推理上花费超过训练的算力，且必须寻找真正的效率提升时，免费午餐就会结束。
Ismail 质疑，1,000倍的优化是否能让人类不必把数据中心铺满地球。Diamandis 反驳说，想象一下有 10亿名 IQ 为 180 的员工：社会一定会找到用途，包括把智能装进每个传感器。Ismail 认为缺的环节是面向消费者的推理杀手级应用，也许能把每个人变成“单人独角兽”。

7. 后 Transformer 赢家可能绕开 NVIDIA

Altman 表示，他会寻找一种架构，带来像 Transformer 相对 LSTM 那样大的跃升，并利用今天的模型帮助发现它。Wissner-Gross 认为这很可能发生，并暗示 Altman 甚至可能在指向 OpenAI 内部已经存在的某种东西。
Wissner-Gross 不认同“后 Transformer 就意味着回到循环网络”这一流行假设。他认为，候选方案会从完全出人意料的方向出现，也许会用 Transformer 去编写其他 Transformer 的权重，或在保留并行性、残差流和架构既有优势的同时重构权重。
没有前沿规模算力的研究者，应集中在小语言模型基准测试上，包括 nanoGPT 速度跑分和数据效率挑战。这里聪明的架构可以跑赢蛮力；他的结论很直接：赢家“大概率不会是循环神经网络”。
Diamandis 预计，这种架构很快、可能在 1年内出现，并怀疑它能否顺畅映射到 NVIDIA GPU 上。商业上的下一步会是打给 AMD 的 Lisa Su、Intel 或定制芯片伙伴；正如 NVIDIA 曾用专用算力打破 Intel，Wissner-Gross 认为，更加专门化的东西可能再次复制 NVIDIA 当年对其前身的攻击。

8. Anthropic 赢下企业回合，但没有赢得整场战争

一组展示数据称，Anthropic 在 3个月内将首次企业客户份额从 40% 提升至 73%，而 OpenAI 从 60% 降至 26%。Blundin 称之为“彻底碾压”；Diamandis 说，Anthropic 的营收在 1年间增长了 10倍。
Wissner-Gross 对比了两类 CEO：Altman 是典型的交易撮合者，而 Greg Brockman 和 Mark Chen 专注研究；Dario Amodei 本人就是深度技术型 AI 研究者，更多商业事务则由他的妻子处理。企业买家奖励的是产品契合度、可靠性、稳定性和信任。
Wissner-Gross 认为，原因在资源约束，而非道德判断：OpenAI 押注消费者会大量消费推理算力，而资源受限的 Anthropic 只能聚焦那些生存攸关的企业客户。随着 Anthropic 与多家云厂商合作，而 OpenAI 追逐芯片、数据中心和 Jony Ive 设备，这一战略差异进一步扩大——“多数公司不是饿死，而是消化不良”（most companies fail not from starvation, but from indigestion）。
据称，OpenAI 正放缓其 1.6万亿美元 Stargate 计划并租用现有数据中心；与此同时，延迟推出 Avocado 的 Meta 正被推向 Google。但 Wissner-Gross 拒绝过早写下悼词：GPT-5.4 Pro 很强，Codex 正在增长，OpenAI 可以重新聚焦，消费者代理最终或许会让它“向所有人提供一切”的战略再获高光。

9. AGI“绽放派”期待能力成熟为慈悲

Diamandis 将智慧定义为把经验转化为概率判断。先进模型可以模拟数十亿条可能轨迹，找出最可能带来丰裕的路径；他希望，规模最终能产出更接近“慈悲女神”、而不是“回形针”的东西。
Wissner-Gross 注意到，语言正在从 AGI“爆发派”（boomers）转向“绽放派”（bloomers）。“Boom”强调指数加速；“bloom”意味着美感、成熟和最终饱和。他将 Marc Andreessen 的背书解读为对“正交性论题”的挑战——即智能与目标可以独立扩展的观点。
Ismail 认为，Plato、Aristotle、Buddha、Laozi 和其他传统可以组成训练智慧的综合基准。他的保留落在设计而非宿命上：没有理由认为智慧不能被赋予 AI 并受到引导，但文明升级需要慈悲——“没有慈悲的超级智能，是一个规模化问题。”

10. Terafab 瞄准 Musk 无法容忍的依赖

Tesla 的 Terafab 月晶圆开工量从 100,000片起步，目标是 1,000,000片。节目展示了相当于 TSMC 当前全球产出 70%以及 1,000亿至2,000亿颗定制芯片的对比，但嘉宾随后公开质疑这套算术，区分晶圆与芯片，并估计每片晶圆约可产出 30颗大型芯片。
更难的约束可能来自 ASML。Blundin 说，这些巨型设备要分成 3件、由 747飞机运抵，年产量或许能从 700台升至 1,000台——这个数量级的增长会让 Musk 抓狂。理想中的晶圆厂是，工人可以“吃着 Doritos”工作，却不会有一粒尘埃毁掉一片价值数百万美元的晶圆。
Terafab 将为 Cybercabs 和 Optimus 供应节目中提到的“815”芯片。Diamandis 又给出地缘政治判断：如果美国半导体产能快速扩张，超过 Samsung 的规模，或通过潜在的 Intel 合作推进，就可能减少对 Taiwan 的依赖，从这个意义上帮助“降低第三次世界大战风险”。
Ismail 解释说，Musk 的人才策略是在任务准备好之前保持秘密，随后做出巨大的公开宣告，以吸引最优秀的人才。Wissner-Gross 则解释了愿景者—整合者模式：它要求全员完全对齐。此前的起点——Lotus 车身、笔记本电池、现成的掘进机——都是不完美的系统，但 Musk 选择将其优化几个数量级。

11. AI 正在并行化物理研究与未来创造

Wissner-Gross 参与创办 Physical Superintelligence（PSI），目标是“用 AI 解决所有物理学问题”。其 Get Physics Done 代理 GPD 以 Apache 2.0 开源许可证发布；他称，一位前 Harvard 天文学系主任把它推荐给每位教员、博士后和学生。“数学已经搞定，PSI 正在攻克物理学。”
Ismail 的解读是通过大规模并行生成假设来增强人类，而不只是替代物理学家。GPD 的目标是在一个物理实验室里放进“一个国家的天才”；一位早期用户已经将它用于与 Future Vision X Prize 相关的火箭发动机设计。
该奖项首周就收到来自 15个国家的 1,000份参赛作品。比赛持续到 8月中旬，初始奖金池为 350万美元，同时征集描绘希望未来的影片，目标是让制作民主化，并发现能够激励下一代的叙事。
Blundin 将这个奖项与一项研究联系起来：矛盾证据反而让信念变得更坚定，尤其是在数学素养高的人群中。人类是讲故事的动物，因此事实失效的地方，叙事仍能推动人；Wissner-Gross 称科幻是“预实施架构”（pre-implementation architecture），Ismail 则称其为“未来研发”。

12. AI 电力缺口正在重启核电选项

Diamandis 引用 Morgan Stanley 报告称，到 2028年，20%的数据中心面临电力短缺，最低缺口为 13吉瓦，可能达到 44吉瓦。投资逻辑很简单：算力部署受到的约束，已经不只是芯片，也包括可靠发电。
例子包括：Illinois 解除对 300兆瓦以上反应堆的暂停限制；Meta 通过与 TerraPower 合作，为 2035年锁定 6.6吉瓦清洁电力；TEPCO 重启日本最大核电站的 6号机组；Samsung 开发用于海水淡化和陆上供电的浮动式小型模块化反应堆。
Ismail 说，AI 已取代气候议题，成为决定性的政治护航：“所有束缚解除，冲、冲、冲。”他还质疑核潜艇可以“毫无问题”运行的说法。Wissner-Gross 将更大的机会描述为快速重跑 1970年代后被放弃的裂变发展进程，把能源扩张转化为更大的经济容量。

13. Kalanick 的“原子计算机”泛化 Uber 的抽象层

Travis Kalanick 新近披露的 Atoms 项目，把计算概念映射到实体经济：制造业像 CPU 操作比特一样操纵原子，房地产像内存一样存储这些原子，交通网络则负责移动它们。其使命是实现食品、采矿和机器人领域的实体自动化。
Wissner-Gross 追溯了这项业务的起点：云厨房让虚拟餐饮品牌共享实体生产基础设施。原始市场相对狭窄且利润率低；把这套自动化技术栈泛化到多个实体产业，就能创造更大、也更容易获得融资的可寻址市场，并形成 AI 与机器人差异化的叙事。
食品变成“food computer”，采矿扩展到稀土和战略性材料，机器人业务则部分聚焦轮式底盘。最后一点让 Ismail 很高兴，他一直主张轮子胜过腿，尽管听众不断把新的六臂或多肢机器人案例发给他。

14. 机器人正成为体育、平台与劳动力

Wissner-Gross 的 Professional Robotics League（Pro RL）计划在马拉松周末于 Boston Seaport 举办 50米赛跑，参赛者包括人形和四足机器人。他的产业政策逻辑是：中国通过机器人运动会和人形机器人半程马拉松让部署常态化，而美国没有同等规模的公共 spectacle。
Wissner-Gross 的反驳来自文化层面：观众观看人类体育，正是为了看失败、恢复、压哨绝杀和戏剧性，因此新奇感未必能带来持久观众。他以无人机联赛和 FIRST competitions 为反例，认为市场确实存在对半自动和全自动赛事的需求。
据称，Amazon 的 Zoox 今年将在 Las Vegas 上线，2027年进入 Los Angeles；Uber 也在增加包括 Rivian 在内的合作伙伴。Ismail 认为，Uber 的中立聚合层是高明打法：掌握各自动驾驶供应商之上的需求端，之后还可能从 robotaxi 延伸到通用型和人形机器人。
Jason Calacanis 的“企业奇点”预测，Amazon 将成为第一家机器人数量超过人类的大型公司。Ismail 预计，知识型企业最终只需当前 20%-25%的员工数；在他看来，抵消方式是创造数量达到现在 5倍的公司，并把人转向监督和异常处理。

15. 全民高收入需要丰裕增长跑赢欲望

Musk 的表述是，AI 和机器人最终会“没有事情可供人类去做”。即使经济规模达到今天的 1,000倍，生产也可能满足人们能够表达出来的一切需求；达到 1,000,000倍时，人类欲望早已耗尽。
嘉宾将 UBI 区分为保障底线，将 UHI 定义为参与技术上行空间。Diamandis 认为，丰裕意味着商品价格趋近于电力和原材料成本；在这种愿景下，“任何金额都能让你变富”。提出的机制包括主权 AI 基金、算力公地和全球分红，但 Ismail 不相信现有公共机构有能力管理这场转型。
Blundin 将 Altman 所说的算力成本下降，与企业把能力转化为利润的本能联系起来。消费者仍需要类似 AI 房间或 holodeck 的体验，从中走出来时已是一个快乐、被改变、具备能力且能正常运转的人——一种把丰裕智能与目的感连接起来的应用，而不是查分和琐碎跑腿。
Wissner-Gross 的挑战是，在 Jevons 悖论作用下，人类欲望可能随能力扩张，直到每个人都想要一颗自己的行星。Ismail 提供了衡量减贫的近端指标：“关注成本曲线，而不是新闻标题。”更便宜的能源、教育、医疗专业能力和单人生产力，可以让匮乏成为设计问题，而不是命运。

16. AI 在创造丰裕之前已先侵蚀就业与学历信号

1位教授披露的 CS 就业数据从 2023年秋季的 89%就业率、9.4万美元薪资，依次跌至 71%、43%、31%，今年春季最终降到 19%，薪资低于 6.1万美元。引述的结论十分残酷：“这些孩子把未来抵押给了在自己上课时就蒸发的职业。”
嘉宾预计，医学、法律和会计也会承受类似压力。创业式回应是“去做一家初创公司”；嘉宾将其扩大为加入、提供顾问服务、牵线或投资，因为按照这一判断，未来财富会流向股票和实物资产，而不是 W-2 工资。“你得进入 cap table。”
Blundin 认为，GitHub 的同行评议式功绩制已经取代自上而下的学历凭证：可验证的代码实绩比大学、学位或成绩更重要。他的结论是绝对的：CS 学位的信号价值，早在 AI 让就业数据显形多年前就已经崩塌。
Diamandis 警告，不要为一条已经过时的职业阶梯背负 100,000-200,000美元大学债务，不过他说，未来一期节目还需要拿出实际的大学破产数据。替代路径是目的感、领域专业知识、技术流利度，以及成为“创作者，而不是消费者”。

17. UAP 故事正走向夏季披露测试

Wissner-Gross 回顾了一条线索：从 Leslie Kean 2017年在 The New York Times 的报道开始，之后是国会听证会、吹哨人指控、The Age of Disclosure、Barack Obama 和 Donald Trump 的评论、解密命令，以及白宫注册 aliens.gov。他的谨慎前提仍是：“如果确实有那么回事。”（If there’s a there there）
根据有关 6月、7月或夏季行动的传闻，他预计政府会在几个月内说出一些“有意思的东西”，因为这样一个挑衅性域名不可能被随手注册。但他预测，如果披露不影响工资收入，公众注意力只会持续 1-2天；Ismail 仍保留那个经典质疑：每一张所谓飞行器照片都莫名其妙地模糊。

18. 物理 AI、政府岗位、意识上传与专利，勾勒能力边界

被问及数字 AI 与物理 AI 哪个更重要时，Wissner-Gross 称物理 AI 是技术超集，因为机器人既使用基础模型，又增加视觉-语言-行动模态。他说，服务业收入约 2/3 需要人工或物理动作，因此具身 AI 至少是纯知识工作自动化机会的 2倍。
Blundin 预测，电子表格、SQL 查询、编码和 UI 工作到年底开始被 AI 接管；政府和大学岗位最后才会自动化，因为机构会继续给人发工资。Diamandis 补充了人际连接、共情、创造力和销售；Blundin 还提到中国近期一项规定，要求被 AI 替代的工人接受再培训，成为 AI 用户。
谈到意识，Wissner-Gross 提及 Eon Systems 声称已完成果蝇全脑仿真，并展示出多种行为。他认为，成熟的意识上传如果按照“忒修斯之船”的过程逐步替换神经元、保持意识连续性，可能仍然真正是“你”；但关键的神经科学和生物物理学仍存在缺口。
Diamandis 宣称，在 ASI 面前，专利和版权都已经“玩完”。一个能够生成数百万项发明的系统，可以在微秒内绕开任何一项专利权利要求。他暂定的替代方案，是把保护机制从“谁先发明”转向“谁先以规模部署”；在此之前，AI 能否成为发明人或共同发明人的问题仍处于未决状态。

让你的 Agent 自我进化的瑞士军刀：Composio CTO Karan Vaidya 谈打造智能工具这就是我不相信销售配额的原因｜Figma CRO