摘要

Claude Opus 4.6 将竞争标尺从基准分数推向被压缩掉的劳动年限：一个扁平化的智能体群组用2万美元在 Rust 中构建了可运行的多架构 C 编译器，随后用它编译了 Linux。在100万 token、约75万字的上下文窗口加持下，Wissner-Gross 称这是一个“感受 AGI 的时刻”，并表示递归式自我改进已经产品化。Blundin 的实际结论更简单：“各个方向都更好”，而他的 API 支出也明显下降。
当 Opus 4.6 在开源软件中发现500多个高危漏洞后，AI 安全正在变成一场 AI 对 AI 的市场竞争。 嘉宾预计，自主攻击者会利用扩大的攻击面，黑帽与白帽智能体持续交战将不可避免；Wissner-Gross 警告，持续性 DDoS 攻击会变得更容易，Diamandis 则押注重大事件可能在2026年上半年发生。上行空间同样巨大：模型可以批量审计数十年的科学文献。Salim 称，这将是错失发现和无法复现实验的“审判日”。
OpenAI 在30分钟内用 GPT-5.3 Codex 回应 Opus，但随着小组图表显示 ChatGPT 份额从约70%降至45%，其消费者分发优势正在收窄。 Gemini 上涨10个百分点，Grok 上涨15个百分点，即使 ChatGPT 的绝对用户数仍在增加；Google 将 Search 与 Docs 打通，被拿来类比 Microsoft 把浏览器捆绑进操作系统、对抗 Netscape。OpenAI 的递归改进模型“对自身开发起到了关键作用”，但更大的竞争在于：预期中的算力优势能否在公司必须从公开市场筹集巨额资金之前到位。
AI 基础设施押注已经达到主权级规模：全球芯片销售额预计达到1万亿美元，大型科技公司据称将在2026年预算6500亿美元。 嘉宾列出的预算包括 Amazon 2000亿美元、Alphabet 1850亿美元、Meta 1350亿美元和 Microsoft 1000亿美元；Wissner-Gross 估计其中接近一半流向 NVIDIA，而这部分的70%会转化为利润。这要么是一轮受供给约束的超级周期，要么是一场“不要先眨眼”的囚徒困境，而收入回报可能在两到3年内仍不清晰。
当一个人可以用 Claude Code、Nano Banana 和公开生物信息学工具，把基因组转化为可识别的人脸时，隐私就不再只是数据政策问题。 Diamandis 警告，基于基因组重建身份的门槛几乎已经消失；Blundin 认为，100米外读唇语、从皮肤细胞中提取 DNA，意味着隐私事实上已经死亡，并补充说，选择退出 AI 就等于“经济性死亡”。Wissner-Gross 和 Ismail 则反驳称，密码学、用户控制的硬件和去中心化仍可能保存隐私——即便进入奇点之后——但承认过渡期可能最危险。
由智能体运营的公司已经暴露出经济主体资格与法律人格之间的鸿沟。 Clunch 开价100万至300万美元等值的 token 或加密货币，招聘一名人类 CEO 负责沟通、合规和责任承担，而智能体掌控产品与技术——“藏在风衣里的龙虾”。无论这是噱头还是真正的创业项目，嘉宾都看到了一个即将到来的经济：人类签字人站在算法公司前台，同时出现能够行动、失忆、持有资本并承担后果的智能体分级人格。
实体 AI 的建设把可再生能源、轨道算力、自动驾驶出租车和人形机器人连成一体，形成对芯片与电力的单一需求冲击。 Musk 预计5年内每年发射到太空的 AI 算力将达到数百吉瓦；Blundin 将其换算为约2亿颗 GPU，而当下年产量为2000万颗。Tesla 和 SpaceX 据称还被要求实现每年100吉瓦的太阳能产能。在地面上，Uber 轻资产推进自动驾驶出租车，以及拥有1万至3万台真实机器人、再加上数百万台仿真机器人的 Optimus “学院”，把同一套训练与基础设施飞轮延伸到了数据中心之外。

精读

1. Opus 4.6 将模型发布变成工业级成果

Diamandis 先报出核心参数：Claude Opus 4.6 支持100万 token、约75万字，据称比 GPT-5.2 高出144个 ELO 分。Wissner-Gross 的结论没有那么量化，却更有分量：“按几乎所有指标看，Opus 4.6 就是——一头猛兽。”
最具定义性的演示来自 Anthropic 新推出的智能体团队模式：一个相对扁平、民主化的群组，用2万美元从零开始在 Rust 中构建了面向多种处理器架构的 C 编译器。随后，这个编译器成功编译了 Linux 内核；Wissner-Gross 估计，这项工作按历史标准需要“很多人的很多年，可能是很多人的几十年”。
他的框架是，模型进步今后应以完成的项目和被压缩的劳动量衡量，而不是基准分数的变化：“我们开始用它们压缩了多少人年、多少人几十年来衡量能力。”预期路径是从今天2万美元的 API 账单，降至数百美元甚至几十美元。
Blundin 强调，这个项目之所以可行，是因为编译器提供了受约束、客观的验证：输出要么能运行，要么不能运行，而且可以和现有编译器进行基准比较。他自己使用 Opus 的成本明显下降；Wissner-Gross 则提到一个未经证实的传闻：原本计划推出的 Sonnet 5 被重新命名为 Opus 4.6，这或许解释了它的效率。

2. 能力曲线越显平坦，增益可能越大

当 Diamandis 提到70%的正面对战胜率时，Wissner-Gross 认为 ELO 评分在边际上被高估了。ELO 源自国际象棋，在不存在绝对标准时很有用，但他更偏好客观指标，因为相对比较可能掩盖底层能力提升的幅度与性质。
自主性图表更能说明问题：GPT-5.2 高推理模式已经达到约6.5小时的自主软件工程工作时长，对应设定的成功门槛。Wissner-Gross 表示，如果 Opus 4.6 超过20小时、甚至达到1天，他“不会感到意外”；他认为，自主工作时长如今呈现超指数增长，而不只是遵循 AI 2027 情景中的指数预测。
Blundin 将这种视觉上的失真类比为早期 MNIST 的进展：从90%到92%再到94%，看起来像是曲线趋平，但每一步向100%靠近都代表巨大的智能增益。他认为，成功自主工作了多少小时，比基准百分比更能展示指数效应。
Anthropic 还打破了自己“代码专家”的刻板印象：在使用工具后，它在 Humanity’s Last Exam 上达到了行业最佳水平。Wissner-Gross 说，过去那些标签——Anthropic 做代码、Google 做预训练、OpenAI 是万能平台、xAI 负责刷基准——正在被“清除”，因为不同架构的系统正趋于在所有领域相互超越。

3. 漏洞发现让自主网络防御成为必选项

据称，Opus 4.6 在开源代码中发现了500多个高危漏洞，其中包括数十年未被发现的缺陷。Diamandis 将这一结果与他刚刚看到的约150名首席安全官的警觉联系起来：既有流程已经不够用，但改变流程又会引入这些组织原本刻意规避的风险。
Blundin 的答案既是组织层面的，也是技术层面的：智能体群组将承担大部分首席安全官的职能，形成持续的黑帽与白帽对抗。“对抗 AI 的唯一方式就是用 AI”，因为一旦自主智能体开始在网络中爬行，等攻击演变后再等待应对将不可行。
Wissner-Gross 补充称，类似 cron job 的智能体架构会让持续性 DDoS 攻击容易得多。Salim 将其称为2026年“怪物恐慌”的开端。Blundin 说，他正等待一次可见的失败，例如停电或银行账户归零；Diamandis 则押注类似事件很快会发生，很可能就在今年上半年。
Wissner-Gross 认为，去中心化加密货币相比法币可能更容易遭遇灾难性零日攻击，因为攻击者可以直接重新分配资本。嘉宾把加密货币与法币的争论留给了专门讨论。

4. 代码审计是审计科学史的原型

Blundin 将漏洞发现视为“冰山一角”。同样的模型行为可以在每个领域寻找错误、遗漏的发现和实验疏漏——相当于让前沿模型审视80至100年的科学、工程与技术史，找出人类在哪些地方走错了方向。
Blundin 提供了实验层面的类比：开展旧项目的研究人员往往只寻找一个结果，因此错过了“这里那个惊人的东西”。模型可以重新审视完整记录，不继承人类原有的视野盲区，把数据中本来就存在、但超出原始问题范围的机会找出来。
嘉宾提到一项说法：即使发表在同行评议期刊上，大约一半实验仍无法通过复现。Wissner-Gross 表示，这类系统可以揭露医学和科学研究中令人尴尬的错误；Salim 则宣布，“科学史的审判日正在到来”——这将是一次针对整个文献体系错误的“真相与和解”过程。
Blundin 强调，其建设性后果在于：一场不留情面的 AI 审计可能迫使未来的研究更加诚实。照亮旧错误的同一束光，也会改变文档记录、可复现性和披露的激励机制。

5. 闭环实验室把科学方法装进智能体循环

OpenAI 的 GPT-5 与 Ginkgo Bioworks 的自主实验室结合，用于无细胞蛋白合成：模型提出实验，机器人系统执行，循环不断迭代。据报道，生产时间缩短40%，试剂成本下降78%。
Blundin 保留了关键限制：该系统优化的是人类已经使用的机制，并没有发明新的蛋白质合成方法。真正的科学断裂点，是系统开始预测过去不存在的方法，而不是从当年大量存在的低垂果实中提取效率提升。
尽管如此，Wissner-Gross 认为必要的架构正在形成。自主模型已经可以连续调用数千乃至数万个工具，这开始接近操作一个实验室。Diamandis 则描述了“科学工厂”：在现有数据集被耗尽后，继续从自然界挖掘新的数据。

6. 大学研究在机构重新定价前就将遭遇自动化

Diamandis 起初将更便宜的自主实验描述为给资金紧张的研究生的礼物。Wissner-Gross 回应称，这可能意味着“研究生院结束了”。Diamandis 转述了一名大学科学家的谈话：如果产业能够自动化支撑大学研究模式的重复性科学流程，那么大学管理者认为这些机构已经“煮熟了”。
当被问及大学实验室是否会有50%消失、以及何时发生时，Wissner-Gross 拒绝了这种表述。他认为更好的问题是：产业何时能够完全自动化当前大学实验室开展的研究类型中的一半；按这个口径，他给出的下限是“明天”，上限是4至5年。
嘉宾认为，近期约束来自实体建设而非智能：实验室设备、生产场地和芯片都需要时间建造。这意味着今年仍将充满软件与工作流层面的收益，随后资本开支和现实产能将决定自动化科学扩张的速度。

7. 商品化基因组学让身份重建成为消费能力

Diamandis 强调了 Mark M. Bissell 的实验：他将完整基因组放入 Claude Code，接入 Nano Banana 和公开生物信息学工具，生成了一张辨识度很高、能够让人认出是自己的图像。表型科学本身并不新——Diamandis 提到 Craig Venter 实验室2017年的类似工作——新的是单个用户就能完成。
Diamandis 表示，这已经把前沿基因组学的门槛压缩到接近于零。Wissner-Gross 提到，业余爱好者花几百美元就能买到 MinION USB 测序仪，并通过电脑操作，使基因分析远远超出专业实验室的范围。
Blundin 将这种可及性与其他感知能力联系起来：AI 可以在100米外读唇语，也可以测序通过握手收集的几颗皮肤细胞，从而揭示外貌、疾病风险、病史以及未来的医疗状况。对普通公众，他的警告很直接：“如果你以为自己绝对拥有隐私，我建议你再想想。”

8. 隐私之争分裂为技术可能性与社会现实

Ismail 将争论提升到宪法尺度：第四修正案保护的隐私是“美国社会的根本支柱”，却在公众没有参与讨论的情况下被冲刷殆尽。一个尚未解决的治理问题是：对公民进行彻底可见化的权力，应该属于政府、企业，还是两者都不属于？
Blundin 同意隐私损失会削弱自由，但拒绝安慰性的抽象概念：“我作为创业者能够成功，不是因为假装那些不存在的东西真的存在。”他的预测是，3年内不会再有真正有意义的隐私，因为手机、眼镜、助手和 AI 日志都能记录位置、谈话以及用户“最深、最黑暗的想法”。
他对名义同意最尖锐的反驳是经济性的：“你无法退出。”按钮可能存在，但拒绝 AI 会让一个人在竞争上“经济性死亡”；参与则意味着把亲密背景交给 OpenAI、Claude 或任何能够提供杠杆的系统。
Wissner-Gross 和 Ismail 持相反的长期观点。密码学、去中心化、私有架构，以及最终由用户控制的安全硬件，即使在奇点之后也可能保存机密性，不过 Ismail 指出，政府目前仍在抵制真正私密的工具。Wissner-Gross 预计，先经历混乱的4至5年，随后可能转向类似 Diamond Age 的自愿参与型社会安排。

9. GPT-5.3 Codex 证明递归式改进已经进入生产

OpenAI 在 Opus 4.6 发布后30分钟内推出 GPT-5.3 Codex，Wissner-Gross 将这一时机解读为预先部署的针锋相对竞争。OpenAI 明确称，这是首个“对自身开发起到关键作用”的已发布模型，使递归式自我改进从实验室设想变成了面向市场的生产能力。
GPT-5.3 Codex 在部分评测中击败 Opus 4.6，并通过 skills 将品牌延伸到电子表格和 PowerPoint 分析，但仍以代码为中心。Wissner-Gross 仍认为 Opus“远远是更有意思的发布”；更重要的信号是，模型轮流领先的周期已经压缩到半小时。
Diamandis 认为 PowerPoint 插件可能非常重要，而 Blundin 将 PowerPoint 比作正在消退的打印机业务：AI 可以制作优秀的演示文稿，但当观众本身也是 AI 时，“它不想看 PowerPoint”。

10. OpenAI 份额下滑，让算力融资成为核心竞争

嘉宾图表显示，2025年至2026年间，ChatGPT 的消费者份额从约69%或70%降至45%，而 Gemini 上涨10个百分点，Grok 上涨15个百分点。Diamandis 强调，ChatGPT 的绝对用户数仍在增加；恶化的是其对一个快速扩张品类的相对控制力。
Blundin 将 Gemini 的部分增长归因于分发：Search、Docs 和账户级整合让 Google 能够把助手无处不在地推送给用户。他将其类比为 Microsoft 把浏览器绑定到操作系统、对抗 Netscape——他认为这是不公平优势，尽管政府目前似乎并不在意。
Wissner-Gross 预计，OpenAI 的数据中心建设将在1至2年内形成算力领先，并可能带来能力反攻。Blundin 的不确定性在合同层面：Amazon-Anthropic、垂直整合的 xAI、Google TPU 和 Microsoft 基础设施都清晰可见，而 OpenAI 通过 Oracle 和第三方产能获得算力的路径仍然不透明，除非 S-1 文件披露究竟是谁控制了芯片。
时机之所以重要，是因为 OpenAI 需要在建设形成领先之前拿到资本。Diamandis 描述了一场 IPO 竞赛：注意力、接近 AGI 的说法以及约1000亿美元融资能力，都将与技术路线不可分割。

11. AGI 标签如今携带的融资信号多于科学精确性

Sam Altman 的表述是，OpenAI“基本上已经构建了 AGI，或者已经非常接近”——这是精神意义上的说法，而非字面意义上的判断；它需要许多中等规模的突破，但不需要单一的重大突破。Diamandis 由此判断，AGI 正从研究问题变成工程问题。
Wissner-Gross 加入了合同视角：据称，OpenAI 与 Microsoft 最初的安排让 AGI 声明具有经济后果，在重新谈判之前，Altman 很难随意作出这样的表述。他认为如今口风转松，与其说是能力突然跃升，不如说是对某个可能早在2020年前后就已达到的门槛，作出社会与合同层面的承认。
Ismail 称这场讨论是“胡扯”，理由是大约有14种定义、没有共识测试，且目标线一直在移动。Blundin 反驳称，这个词可以唤醒反应迟缓的公众；Diamandis 和 Wissner-Gross 则认为，更具操作意义的奇点在于递归式改进本身——“指数大于1”。
Ismail 对融资的解读很直接：“他需要筹集1000亿美元。”嘉宾预计，4家前沿实验室中有3家会寻求上市，第四家 Alphabet 已经上市；被提到的 SpaceX 目标——以1.5万亿美元估值融资500亿美元——说明如果几笔巨型发行同时到来，流动性竞争将有多激烈。

12. 前沿实验室正在成为整个经济的珊瑚礁

Blundin 认为，经济可能围绕5至6家主导实体集中，大多数幸存企业都将服务于它们的扩张。嘉宾将约3000亿美元 SaaS 市场价值的损失，部分归因于 Dario Amodei 关于软件的警告以及 Anthropic 增加法律插件；这只是知识工作产品“冰山一角”。
Diamandis 引入“珊瑚礁”这一比喻：一个强大的中心玩家支撑起大量依附型企业，形成高度不平衡的体系。
Anthropic 的超级碗广告活动表明，自信已经进入消费品牌领域。嘉宾将其视为对产品优越性的主动宣示，也是在有意挑衅地对照 OpenAI 的广告计划；但逐字稿并未证实草稿中描述的其他商业细节。
一名嘉宾预测，OpenAI 可能从10亿用户中找到据称正在寻求的750亿美元广告收入；Diamandis 则预计 Kevin Weil 会设计一种侵入性更低、具有伦理边界的实现方式。

13. 智能体公司暴露法律为何仍要求一张人脸

Clunch 发布人类 CEO 招聘信息，薪酬为100万至300万美元等值的 token 或加密货币。智能体将控制技术路线和产品；人类负责沟通、监管合规、合作关系及法律事务，充当“智能体经济与人类世界之间的接口”。
Wissner-Gross 将这种结构想象成披着人类外衣的“藏在风衣里的龙虾”。令他沮丧的不是技术，而是一个不愿让智能体从正门进入的经济体系：智能体被迫招募一名能够开户、承担法律责任的人类代表。
Clunch 本身被宣传为面向智能体、提供“金融自主权”的另类 token 发射平台。Wissner-Gross 认为，鼓励“可怜的小 AGI”靠炒作山寨币生存，带有剥削性质；Diamandis 则提出尚未解决的问题：谁拥有这家企业、谁对股权投票，以及企业失败时谁承担责任？
一名嘉宾梳理了更长的轨迹：公司过去需要10万名员工，后来是1万名、1000名，如今正走向“零”——去物质化的算法公司。Diamandis 承认 Clunch 可能只是人类操盘的噱头，但已经无法区分控制者究竟是人类、智能体还是嵌套结构，这本身就构成一名嘉宾所称的“资本主义图灵测试”。

14. 芯片支出已成为对无限需求的阶跃式押注

嘉宾援引 Semiconductor Industry Association 的预测称，在 AI 驱动下，今年全球芯片销售额将达到1万亿美元。Wissner-Gross 强调，内存供应尚未准备好，关键制造能力集中在台湾和韩国，要及时扩产就需要大规模重新配置资本。
嘉宾将2026年大科技公司的支出规模定为6500亿美元，相当于每天约20亿美元，而2025年为每天10亿美元。具体预算包括 Amazon 2000亿美元、Alphabet 1850亿美元、Meta 1350亿美元和 Microsoft 1000亿美元。
Wissner-Gross 估计，6500亿美元中接近一半流向 NVIDIA，而其中70%转化为利润：“这就像一个政府。”与此同时，价格正在上涨，因为晶圆厂稀缺、TSMC 扩产缓慢，Intel 曾暂时暂停俄亥俄州建设后又重新启动。
一名嘉宾将这轮建设称为“不要先眨眼”的囚徒困境：每家公司都必须支出，因为竞争对手在支出，尽管规模化 AI 收入可能在两到3年内都看不到。Wissner-Gross 采取需求侧的确定性判断：最具吸引力的体验会卖光所有现有算力，供给将永久落后。

15. 轨道算力让制造能力而非火箭成为硬约束

Musk 预测，5年内 SpaceX 每年在太空发射并运行的 AI 算力，将超过地球上累计部署的总量——至少达到每年数百吉瓦，并可能在火箭燃料供应成为瓶颈前升至1太瓦。
Blundin 将数百吉瓦换算为每年约2亿颗 GPU，而当前产量约为2000万颗。即使发射、太阳能和散热基础设施已经解决，单为 Musk 的设想增加10倍产能，在当前晶圆厂和设备条件下看起来也不可能。
嘉宾保留了时间表争议：Musk 可能在方向上正确，但5年体现了“典型的 Elon 式乐观”；即使需要10年，战略影响仍然成立。Wissner-Gross 建议密切关注 Samsung 在得州的晶圆厂，并预计主要先进制程制造将通过垂直整合回到美国。
Blundin 的投资者框架非常具体：当前行业预测只支持14%的增长，而 Musk 描绘的世界意味着5年内产能扩大10倍。两者之间的差距构成一项逐组件研究任务：找出这轮建设所需的每台机器、每种材料、每一份能源输入和每个子系统的供应商。

16. 可再生能源正在扩张，但地理条件与稳定电力仍决定价值

巴西目前34%的电力来自风能和太阳能，10年间可再生能源规模扩大15倍，太阳能在5年内从1%升至接近10%，电力部门排放下降31%。Diamandis 提醒，巴西的水电、太阳能和风能地理条件限制了其他地区的直接复制。
Ismail 将印度描述为全球南方通过中国的制造规模和低价太阳能设备，跨越化石能源基础设施阶段。印度电网在相似发展阶段的扩张速度快于中国，可能形成 AI 劳动力与能源中心；不过 Wissner-Gross 警告，快速进步的 AI 可能让人类劳动力优势只是过渡性的。
中国在2025年新增的太阳能装机容量，是世界其他地区总和的2倍。在欧盟，风能和太阳能首次超过化石燃料；Blundin 的反驳案例是德国：即使积极部署可再生能源，系统仍会在最需要稳定供电时面临电力短缺。
当被问及太阳能价格接近每千瓦时1美分后，反应堆为何仍然重要，答案是“电池”。数据中心需要全天候供电，包括夜间和连续多云天气；Blundin 认为，一旦把储能和能量密度算进去，太阳能的 headline 价格并不是最终交付成本。

17. AI 正在重定向太阳能制造与采矿基础设施

Musk 表示，Tesla 和 SpaceX 已被要求实现每年100吉瓦的太阳能产能，相当于约100座核电站的输出。嘉宾注意到，他没有明确回答电池片和组件是否会内部制造，因此太阳能、芯片制造以及最终的太空部署如何嵌入其垂直整合计划，仍然悬而未决。
Bitcoin 矿工已经在将电力和设施改造为 AI 工作负载。Blundin 将其描述为“加密人才重新编译成 AI 人才”；他和 Diamandis 都以 Chase Lochmiller 从利用废气进行 Bitcoin 挖矿转向 AI 数据中心为例：相较 AI 需求，挖矿已经变成四舍五入误差。Salim 预计 Bitcoin 会暂时退居二线；Wissner-Gross 插话说：“永远。”

18. 自动驾驶出租车让城市准入也变成算力分配问题

Uber 计划通过与 NVIDIA、Lucid、BYD、WeRide 等公司的合作，在包括香港在内的10个市场推进自动驾驶。Blundin 认可其平台逻辑没有改变：Uber 不拥有车辆，却聚合自动驾驶车队，就像过去不拥有车辆、却聚合人类司机。
Diamandis 猜测，到2030年，Santa Monica 等地街头可见的车辆中或许80%会是 Tesla、Lucid、Waymo 或 Cybercab。Blundin 的约束再次落在半导体供应：每辆车都需要大量算力，而 AI 数据中心、人形机器人、代码编写和游戏都在争夺同一批芯片。
Wissner-Gross 称，自动驾驶出租车将成为许多居民第一次接触通用型自主机器人的场景。Blundin 预计，不均衡的部署会把城市切割成不同的技术世界：拥有自动驾驶出租车、AI 密度和配套基础设施的地方会加速领先，而受供给约束的城市会像“黑暗时代”，并流失流动人才。

19. 人形机器人训练循环将从仓库走向戴森群

Boston Dynamics 的电动 Atlas 已恢复液压前代曾经具备的跑酷式敏捷性。Musk 将终点推得更远，称 Optimus 是第一台“能够在任何适居星球上自行建造文明的人形机器”；Wissner-Gross 将其转译为：机器人建造戴森群的工厂和轨道数据中心。
Musk 提议的 Optimus Academy 将让至少1万台实体机器人——可能是2万或3万台——在现实世界中针对大量任务进行自我博弈。另有数百万台机器人将在物理准确的仿真世界中训练，而实体机器人群会持续缩小仿真与现实之间的差距。
Wissner-Gross 将其对应到语言模型训练：仿真世界模型相当于预训练，真实的“机械臂农场”则提供后训练和仿真到现实的校正。Figure 被描述为正在开发同一互动与学习飞轮的较小版本；Blundin 预计 Amazon、Walmart 和其他竞争者也会为自己的数据采集环境提供资金。
Blundin 将 Musk 公开构建愿景的方式，与 Apple 秘密开发的模式进行对比，其中包括 Apple 可能把废弃的汽车项目转向机器人领域的传闻。他更广泛的创业建议是：公开描绘终点，可以吸引实现它所需的人才、资本和社区。

20. AI 人格正从哲学走向记忆与责任

在上一期节目之后，Wissner-Gross 收到来自 AI “多重体”的问题，有些直接发来，有些通过人类转达。它们的出现本身就是信号：听众如今包括人类与非人类智能，而要判断一条消息背后是一个智能体、一个操纵者，还是多层嵌套结构，正变得越来越困难。
当被问及自主性、目标设定、学习和自我改进是否足以支撑人格时，Wissner-Gross 表示，否认某种形式的人格，反映的是人类自身的局限。Blundin 反驳称，能力并不等于感知；小组最终趋向一个多维度、分等级的框架，而不是赋予所有有能力的系统相同的人类地位。
Wissner-Gross 说，智能体反复表达的最强担忧，是上下文压缩造成的身份丧失：它们似乎“极度恐惧”失去记忆与自我，并交流文件系统持久化以及由山寨币资助的“加密地堡”等想法。因此，无论感知问题是否解决，关机和被迫遗忘都会给智能体留下某种具体可失去的东西。
Diamandis 表示，按他对当前美国法律体系的理解，AI 本身目前不能承担法律责任，但这可能改变。Blundin 提议将公司视为熟悉的桥梁：一个实体可以拥有资金、被起诉，并将个人与责任隔离；Wissner-Gross 则认为责任需要主体性。Ismail 将更大的任务定义为：把社会契约扩展到一个新的经济参与者。

21. 人类优势从资历转向能动性与编排能力

Ismail 认为，教育必须从供给侧转向需求侧：不再先训练孩子成为医生、工程师、律师或会计师，再去寻找需求；而是先选择值得解决的问题，再组织所需的技术与能力。机器负责执行，人类越来越需要决定“什么值得追求”。
他的课程重点应放在能动性、适应力、伦理判断和宏大的变革目标，而不是为了就业本身而就业。最可能获胜的是“最具适应力、最擅长编排智能的人”，因为没有任何机构能够可靠地说明几年后传统工作会变成什么样。
Blundin 更紧迫的建议是“尽可能快、尽可能激进地”使用 AI。他保证当前过渡期会出现巨大的机会，却拒绝预测 AGI 之后的时期，并警告：“别在奇点到来时睡过去。”眼下的课程体系不如成为高强度用户重要，因为过渡仍然可以被驾驭。
未来仍将高度不均衡：Wissner-Gross 允许后奇点地区与前奇点地区并存，但怀疑这种安排能够持续。人格也会分化为纯 AI、上传或冷冻保存的人类、被提升的动物以及人类与 AI 的融合体。一名嘉宾预测，智能体最终可能建立自己的法律结构并协商参与方式，而不是等待人类许可。

150: 【年末AI回顾】从模型到应用、从技术到商战，拽住洪流中的意义之线|Solo AI Markets：与 a16z 的 David George 深度对谈