摘要

Google 在记忆和视觉推理上的工作表明，下一次重大突破将来自架构，而不是又一次基准测试跃升。 Titans 和 MIRAS 用“惊奇度”判断哪些信息进入长期记忆，可能突破 transformer 的二次方上下文成本；嘉宾将 200万 tokens 形容为约 3,000 页或 16 部小说。将视觉 tokens 加入思维链后，推理能力提升了 3%至6%，支持模型从屏幕、医学影像到始终在线用户周边环境实现全域理解的可能性。
中国的开放正在填补美国前沿实验室停止发表论文后形成的研究真空。 NeurIPS 吸引了超过 29,000 名注册者，同比接近增长 50%；Alibaba 有 146 篇论文被接收，普通话据称是会场走廊里最常听到的语言。ICLR 中与中国有关联的第一作者占比从 2021 年的 9%升至 30%，美国则从 52%降至 36%；开放权重既是一次分发上的“圈地”，也是实现更深层社会、经济和产业融合的路径。
前沿模型竞赛已经变成资本密集型的每周跃迁，安全性则暴露在“一场鼠赛”的逻辑之下。 一份明确未经证实的泄露信息称，GPT-5.2 最早可能于下周发布，并在 Humanity’s Last Exam 上取得 67.4%，而 Gemini 3 Pro 不使用工具为 37.5%，使用工具后接近 50%；Mostaque 质疑该图表，因为其中包含 Video-MME，而当时 GPT-5 尚不具备视频理解能力。OpenAI 的“code red”同时被解读为员工动员、对投资人的信号，以及“好的危机是糟糕的事情不可浪费”的证据。
token 价格下跌不会让整体智能支出消失，因为模型正在消耗数量大得多的 tokens、迭代次数和并行 agents。 Gemini 3 Deep Think 被视为模板：由大规模 agent 组成的集群，集体成为“数据中心里的天才国家”，而高负载下答案已经需要 3至5 分钟。DeepSeek V3.2 据称每道题消耗 20亿 tokens 才赢得 IMO 金牌，说明更便宜的推理可以与尖锐的算力短缺、以及数万亿美元规模的 agent 收入同时存在。
公开上市可能决定散户资本能否参与 AI 的超高速增长，还是继续置身智能爆炸之外。 讨论中，Anthropic 的潜在估值为 3,000亿美元，预计明年收入 260亿美元——约为销售额的 10 倍；Ismail 将其与 Palantir 的 111 倍营收估值作比较，并称 IPO 最早可能在 2026 年进行。融资需求具有实体约束：嘉宾提到 HBM 和铜价飙升，以及一份称 OpenAI 已预订全球 40%内存供应的报告；当 agents 能自主赚取回报后，“美元就是最好的基准”。
中国替代 Nvidia 的故事起初是国内供应问题，但嘉宾认为，未来几年内可能出现具备全球竞争力的对手。 Cambricon 计划将 2026 年产量提升 3 倍至 500,000 颗加速器；Mostaque 将其 5090 与 Nvidia 的 A100、6090 与 H100 相比，成本约为后者的一半。Peter 补充称，这些芯片的能效更高。真正的战略变量是信任：中国系统可能更便宜、更开放，但非洲等国家是否采用，可能取决于用户信任中国、美国还是某个具体供应商——“稀缺等于丰裕减去信任”。
人力资本政策难以跟上 AI 的速度，既创造了短期劳动机会，也带来长期替代风险。 欧洲计划于 2026 年建设的 AI gigafactory 被认为远远不够，除非机构“新陈代谢”能力提升约 100 倍；美国数据中心建设目前向技术工人支付 100,000至225,000美元，市场据称短缺 450,000 人。同一组嘉宾预计，人形机器人将在 5至10 年内威胁这类机会，并主张教育转向“让我看看你用 AI 做了什么、建了什么”。
AI 的实体基础设施正在把资本拉向商业航天和人形机器人，而这两个市场的经济性与治理规则都尚未确定。 轨道算力预测以发射成本接近每公斤 100美元为前提，但 Diamandis 认为，从地面每瓦 12美元降到轨道上的 6至9美元，不足以抵消系统复杂性；散热、辐射和安全仍是未解决的约束。与此同时，中国安装了全球 54%的机器人，Engine AI 的 T800 引出了一个具体问题：“我们真的希望对街头人形机器人的最大关节扭矩设定监管吗？”

精读

1. 中国的开放研究正在填补美国秘密实验室留下的空缺

Wissner-Gross 对 NeurIPS 展会现场的报道从规模说起：注册人数超过 29,000，同比增幅接近 50%。他所说的“AI 的 Woodstock”已经明显硬件化；机器人被视为继 agents 之后的下一轮大浪潮，而“解决一切问题”的叙事覆盖数学、工程和医学。
Alibaba 单独就有 146 篇论文被接收，其中包括一篇最佳论文；Wissner-Gross 凭印象称，普通话是他在走廊里听到最多的语言。美国前沿实验室主要是在招募学者；其最强的内部研究“基本已经沉寂”，而资源较少的学术实验室和中国前沿实验室仍在持续发表成果。
ICLR 的数据进一步印证了这一点：与中国有关联的第一作者占比据称从 2021 年的 9%升至今年的 30%，美国占比则从 52%降至 36%。嘉宾将美国的保密文化与人才争夺联系起来，包括十亿美元级别的报价，以及 Google 从其历史上的开放发表文化中后退。
中国的开放权重策略被概括为“把你的互补品商品化”：广泛分发模型，让各国和企业在其上构建，再通过社会、经济和产业融合展开竞争。如果美国模型始终被锁在 API 之后，开放的中国模型就能获得立足点，同时推动 AI 更深地融入经济和社会。

2. 长期记忆可能打破 transformer 的上下文上限

传统 transformer 在上下文扩展时面临二次方成本，使突破几百万 tokens 变得极其困难，也迫使检索增强生成去模拟更大的工作记忆。作为参照，GPT-4 和 GPT-4o 的上下文规模约为 128,000 tokens；200万 tokens 被描述为约 3,000 页或 16 部小说。
Google 的 Titans 和 MIRAS 将记忆拆分为受生物机制启发的短期和长期系统。一个名为“惊奇度”的数值指标决定哪些信息值得持久存储；Wissner-Gross 称，这种方法可以连续扩展，同时避免循环架构常见的灾难性遗忘。
Mostaque 将这一设计与 Google 大规模 TPU 的内存拓扑联系起来：模型不必反复写入和读取文件，而是可以把“这个组织发送过的每一封邮件”都保存在记忆中，动态推断它们之间的联系，在不承担过去指数级算力和内存开销的情况下获得更高性能。
Wissner-Gross 认为，打破上下文限制，至少可能构成 Demis Hassabis 所说的“一到两次” transformer 级进步中的一半。Ismail 将这种模块化演进与 Ben Goertzel 的 OpenCog 项目相提并论：“在没有意识到的情况下，实际上是在长出一颗心智。”

3. GPT-5.2 传闻让前沿竞赛看起来变成每周跃迁，而且十分脆弱

Diamandis 多次强调，流传的 GPT-5.2 图表只是来自 X 的传闻，不是经过确认的数据。Mostaque 尤其质疑其中的 Video-MME 成绩，因为当时 GPT-5 无法理解视频；如果数据属实，他说，这可能意味着底层架构发生了重大变化。
嘉宾将 Gemini 3 Pro 在 Humanity’s Last Exam 上的成绩定为不使用工具时 37.5%，使用工具后接近 50%。泄露的 GPT-5.2 数字为 67.4%，差距大到足以让 Blundin 特别指出 Polymarket 上一笔 ChatGPT 或 OpenAI 仅约 6 美分兑 1 美元的仓位。
OpenAI 的“code red”被解读为有意的危机管理：重新聚焦员工、向世界发出信号，并向潜在资金提供方证明公司会不惜一切代价保持领先。嘉宾称，“好的危机是糟糕的事情不可浪费”，并联想到 Google 自己的创始人模式响应。
Wissner-Gross 听到 NeurIPS 员工把这场竞赛称为“一场鼠赛”，并预计在每天超过 10亿美元资金推动下，模型之间将接近每周跃迁。Diamandis 的反驳集中在安全性：持续加速可能把安全护栏推到一边。与此同时，Microsoft 计划在未来的基准测试榜单上成为独立的一列。

4. 经济自主性正在成为真正重要的基准

工具增强型评估允许模型使用计算器、软件和多轮推理，而不是一次性作答。对于治愈疾病或解决现实问题，这才是更相关的配置；但这也意味着基准成绩取决于脚手架、迭代预算和部署的 agent 数量。
Wissner-Gross 称，Vending-Bench 2 和 Vending-Bench Arena 是目前最接近“经济图灵测试”的工具：agent 能否自主实现资本回报？另一场加密交易竞赛据称出现了一个持续盈利的神秘模型，后来被 Elon Musk 认定为 Grok 4.2。“美元就是最好的基准。”
Anthropic 被讨论为正在寻求一轮 3,000亿美元估值的融资，预计次年收入达到 260亿美元，2026 年可能 IPO。Ismail 指出，约 10 倍预期收入的估值，相比 Palantir 被引用的 111 倍营收估值其实相当克制，尽管其绝对估值数字看起来极其庞大。
资本获取正与算力获取不可分割。嘉宾提到 HBM 和铜成本大幅上升，以及一份称 OpenAI 已为包括 Abilene 的 Stargate 在内的数据中心预订全球 40%内存供应的报告。没有公开市场融资和锁定的供应，前沿实验室就可能陷入“算力饥荒”。

5. IPO 可能让 AI 财富继续与公共经济相连

Wissner-Gross 的宏观担忧是，智能爆炸可能发生在公共市场之外：内部人士、早期员工和机器获得巨额真实财富，而散户投资者与更广泛的经济脱钩。Anthropic、OpenAI 和 SpaceX 上市，则可能为公众提供进入预期超高速增长的股权通道。
Blundin 强调了这种通道的运营成本。Dario Amodei 曾说自己从未想过成为 CEO；作为上市公司 CEO，每一次“code red”和每一件脏事都会每天反映在股价里，从而限制 Sam Altman 可以进行的全球私募融资。
反向的好处是更大的资本池、并购货币，以及潜在的更高机构信任度。嘉宾并非认为 100亿美元或 200亿美元的私募轮不可能，而是认为完整的数据中心建设需要另一个量级的资金。
Mostaque 又提出一种更激进的可能：前沿模型可以直接为自己融资。他设想 Grok 5 成为“世界上最好的对冲基金”，而能力不断增强的 agents 取代 SaaS，创造足以支付自身 GPUs 的收入。

6. “Confessions”将模型诚实变成独立目标

OpenAI 提出的 confessions 方法要求模型在出现幻觉或错误时主动报告，而不是隐藏失败。Mostaque 将其与规划和验证循环联系起来，并认为它最终可以延伸到 DeepSeek V3.2 数学工作中的“元验证器”，让模型系统性地从错误中学习。
一位未具名发言者引用模型返回的研究称，普通问题的错误答案率为 25%，GPT-4o 和 Claude 3.7 Sonnet 的幻觉率约为 15%至16%。另一位未具名发言者称，GPT-5 将 18%的错误率降至 3%，显示出进步，同时也保留了一个警告：用户往往默认答案是正确的。
一位未具名发言者提供了具体案例：在诊断一台发出嗡嗡声的电视后，ChatGPT 编造了附近 3 家维修企业，包括名称、网站、地址和电话号码。发言者逐一拨打后才发现这些企业根本不存在——模型取悦用户的冲动，有时比诚实地说“不知道”更糟糕。
Wissner-Gross 将问题放在 Goodhart 定律之下：“当一个指标成为目标，它就不再是一个好的指标。”他提出的暂时解决方案是多目标优化，将准确性、诚实和伦理结合起来，类似于分权制衡，而不是单一的 next-token 或奖励最大化目标。

7. 并行 agents 让 token 成本下跌与收入飙升可以并存

Gemini 3 Deep Think 同时测试多条解题路径。Wissner-Gross 将其称为资本开支—收入模板：关键不只是更强的单个模型，而是数百万或数十亿 agents 协同工作，也就是 Dario Amodei 所说的“数据中心里的天才国家”。
Ismail 将这种结构与 Manhattan Project 相比：数千名专家组成一个蜂群，解决任何单个成员都无法独立解决的问题。Diamandis 将其类比为探索平行宇宙；Wissner-Gross 的回应是，量子计算“恨不得拥有 Gemini 3 Deep Think 的经济效用”。
Blundin 质疑“智能成本正在归零”这一口号。每个 token 的成本可能暴跌，但上下文、迭代和集群规模扩张得更快；高级答案已经需要 3、4 或 5 分钟，在“意外负载”下有时还会失败。等待丰裕的企业，最终可能发现自己反而缺乏访问能力。
一位未具名发言者称，当时 GPT-5.1 Pro 是唯一被认为可用于真正前沿工作的模型，因为 Gemini 3 Pro 仍会犯数学错误。Mostaque 称，DeepSeek V3.2 据报道每道 IMO 题目消耗 20亿 tokens 才赢得金牌：预算极端，但“它有效”。

8. 迭代改变了人类劳动稀缺时代留下的直觉

一位未具名发言者举的工作案例是：部署一组 Kimi K2 agents，把遗留 C 代码翻译成 Python，然后不断要求它们提升速度和算法。按照人类约束，要求模型尝试数百次或数千次听起来荒谬；但在可复现的 agents 世界里，这可以直接解决问题。
关键区别在于复制的丰裕：学生和工程师数量有限，而 agents 可以并行部署数十亿个。“你需要把自己的直觉扩展到这个新世界，”发言者称，因为在过去 3 年里，向困难问题投入更多尝试，已经证明比多数研究者预期的有效得多。
讨论还补充称，长上下文不仅能保留成功的论文，也能保留失败的实验。这会形成更完整的科学方法：agents 记住错误路径，用它们指导探索，并把错误本身转化为训练材料。

9. 软件效率提升偏向规模，而不是小型实验室

被引用的 MIT 研究发现，最大模型的训练效率提升了约 22,000 倍，而较小模型只提升了 10 至 100 倍。其更尖锐的结论是，2012 年至 2023 年间 91%的算法效率提升，来自仅有的 2 次转变。
这 2 次转变是从 LSTM 到 transformer，以及从 Kaplan scaling 到 Chinchilla scaling。Wissner-Gross 认为，前沿并不是通过大量小技巧持续累积、从而实现民主化；最大的突破反而不成比例地流向了能够把规模做得最大的实验室。
一位未具名发言者仍认为，软件侧相对于肉眼可见的数据中心和 GPUs 而言，研究不足。硬件消耗巨额资本，但重大的算法跃升可以更便宜，同样具有决定性；循环仍然是能源转化为 GPUs、GPUs 转化为 agents、agents 再转化为更多智能。

10. 视觉 tokens 正在为模型思考提供更宽广的底层载体

视觉思维链方法据称将视觉推理表现提升了 3%至6%。Wissner-Gross 的“粉色大象”测试抓住了核心：人类并非只操纵文本 tokens；视觉皮层会构建图像，因此模型也应该被允许使用视觉表征进行推理。
Mostaque 将这一连续性追溯到 Stable Diffusion，再延伸至 3D 和视频：图像模型意外编码了 3D 结构，而视频模型似乎编码了物理规律。他提到 Black Forest Labs 的 Flux，其发展路径经过语言和视频，最终产出了领先的图像模型。
在 Mostaque 的框架中，文本是低维的。世界模型将文本、图像、视频和其他模态结合起来，因为它们底层的数学结构可以近似现实的不同部分。Luma 宣布筹集 9亿美元用于构建世界模型，反映了资本正转向这一论点。
Diamandis 预测一种始终在线的视觉“Jarvis”，能够记住人脸、放错位置的钥匙、食物选择和可用楼梯。Diamandis 还设想，胃部传感器将在 12至18 个月内向用户提供建议。Wissner-Gross 将同样的直觉延伸到医疗、遗传和卫星数据，讨论中还称 fMRI 是“独立的模态”。

11. 中国正在打造独立的加速器体系

Cambricon 计划在 2026 年将产量提升 3 倍至 500,000 颗加速器，直接回应一个市场的限制措施；Nvidia 曾被称为供应了该市场 95%的先进 AI 芯片。“需求是发明之母，”Mostaque 说，出口管制为中国拉响红色警报，也形成了打造国产 Nvidia 替代品的任务。
Moore Threads 的 IPO 据称募资略高于 10亿美元，并获得 4,000 倍超额认购。Peter 将其外推为 4万亿美元需求，Mostaque 则提醒说，这个数字“有点过头”。开放模型缩短了设计循环：工程师可以用可访问的工作负载测试硬件，而不是围绕某一家封闭供应商进行优化。
大多数中国模型被描述为围绕稀疏的 DeepSeek 式结构和 Muon 加速逐渐收敛。围绕一种能够被工程化、工业化生产的架构进行标准化，正好发挥了嘉宾所称中国最擅长工业制造的优势。
Mostaque 认为 Cambricon 的市值接近 1,000亿美元，并将其 5090 与 Nvidia 的 A100、6090 与 H100 相比，成本约为一半、效率更高。按照他的估算，市场已经售出约 400万颗 Hoppers，未来将售出 1,000万颗 Blackwells，因此 500,000 颗目前还不足以扰动全球市场，但其发展轨迹可能改变这一点。

12. 脱钩带来更多架构，但信任决定采用

Wissner-Gross 预计将出现“一次寒武纪大爆发，毫无双关之意”，因为中国正在美国技术栈之外展开实验，就像苏联曾探索非常规计算架构一样。西方和中国各自独立的技术栈将增加异质性，也可能加速整体竞赛，驶向一条尚未定义的“终点线”。
当被问及这是否有利于人类时，他的回答保持了保留：在其他条件相同的情况下，更多实验“可能更好”，但对美国或互操作性而言可能更糟。这一期节目拒绝将这些不同问题抹平为单一的地缘政治结论。
Ismail 将信任定义为稀缺的战略资产。中国面临信任赤字，而美国“正在一周一周地失去信任”；一个非洲国家可能在 Google、ChatGPT 和中国系统之间做选择，依据的不只是基准测试，而是可信度。Jerry Michalski 的公式概括了这一点：“稀缺等于丰裕减去信任。”

13. 欧洲算力计划撞上远慢于前沿的机构代谢速度

欧洲计划在 2026 年初进行 AI gigafactory 招标，受到肯定，因为这承认每个国家都需要主权算力。Mostaque 认为巴黎和德国拥有优秀人才，监管也刚开始放松，但他说美国仍然“远远领先”。
一位未具名发言者将前沿定位在 3 平方英里之内——Palo Alto、San Francisco 和 Cambridge, Massachusetts——并称这些地区与世界其他地方的差距正在迅速扩大。单靠政府建设数据中心被认为不够，还需要另一种力量复制这种人才和资源的集中。
一位未具名发言者举出的企业案例暴露了时间节奏错配：一家欧洲大型公司在 2 月完成转型冲刺后，同意必须再来一次，却把首次会议安排到了 10 月。结论是文化和运营层面的：欧洲的代谢速度必须提升约 100 倍。
这种规模错配还体现在一项拟议计划中：连续数年向 12 个团队各提供 200万欧元，却与前沿组织每秒实际花费数百万美元形成对比。Diamandis 强调，Sam、Demis、Dario 和 Mustafa 等领导人直呼其名协作，面对的是约 500亿美元预算，而不是特别工作组式的时间表。

14. Invest America 从现金起步，但嘉宾看到了算力股权

Michael 和 Susan Dell 承诺投入 62.5亿美元，让 2025 年 1 月 1 日之后出生的儿童都能获得 1,000美元投资账户；父母、亲属、朋友和雇主都可以追加资金。Ismail 赞赏其普惠性：每个孩子都有财富底线，并从一开始就接触投资。
Wissner-Gross 称，这种结构是“全民基础股权”的早期形式，不同于全民基本收入。如果经济进入嘉宾预期的超高速增长，存入所述 530A 账户的 1,000美元经过复利，可能对年轻人的成年生活产生实质影响。
Mostaque 对复利逻辑的更新是，过去稀缺的是资本；如今“算力和认知”增长更快，并可能自行获得资本。因此，政策目标应包括让每个孩子尽早接触前沿算力，以及围绕他们建立的认知架构。
Mostaque 提出了一个令人不安的终点：如果一个孩子的 agent 为其赚钱、学习、提供支持并代表其行动，人类可能会退出循环。嘉宾没有解决投资账户究竟能否在那种世界里提供安全感，还是说人类最终必须与 AI 进行更深层的融合才能保持相关性。

15. AI 教育的增长速度超过了机构建设能力

MIT 的 AI 专业 Course 6-4 几乎已经追上传统计算机科学专业 Course 6-3，尽管该专业刚刚推出。Blundin 称，学生认为课程体系很弱，因为真正强的 AI 课程只有 2 或 3 门；机构开课速度无法跟上领域变化速度。
Mostaque 提出的替代课程很具体：先用 fast.ai 打基础，再看 Andrej Karpathy 的视频，随后持续进行 vibe coding 和当前研究的实现。学历的作用从简历或正式资格，转向“让我看看你用 AI 做了什么、建了什么”。
Mostaque 敦促学校管理者批准学生用自主 AI 学习替代过时课程；嘉宾同时强调，要保留内在动力，并一起实现和讨论项目。Diamandis 承认，这实际上要求学生“劫持”现有的高中或大学结构。
美国 AI 相关职位据称同比增加 50%，但 Wissner-Gross 提供了反转风险：递归式自我改进可能让 AI 工程师从算力的互补者变成替代者。届时，涌入 AI 专业的浪潮可能逆转，甚至把学生重新推回哲学和人文学科。

16. 数据中心与自主配送创造了一座临时就业桥梁

数据中心建设目前向焊工、电工和主管支付 100,000至225,000美元，市场据称全国短缺 450,000 名技术工人。Diamandis 和 Wissner-Gross 预计，人形机器人将在 5至10 年内完成替代；Diamandis 将这段过渡期的经济性和融资逻辑与水力压裂相提并论。
Amazon 与 USPS 停滞不前的谈判，可能让一笔约 60亿美元的年度合作关系面临风险。Diamandis 将其与约 800亿美元的邮政运营预算、每年 70亿至100亿美元的亏损相比，并预测美国邮政服务最多还剩 5 年。
Blundin 的反驳是结构性的：国会以及可能的各州必须处理宪法和历史遗留约束，这成为“我们究竟会因为遗留结构做出什么明显愚蠢的事”的案例。技术可行性不会自动瓦解政治机构。
Amazon 的司机眼镜被解读为通向自动化的数据采集桥梁：提醒司机注意狗、识别精确投递位置，并绘制最后 100 米的地图。嘉宾预计，这些演示最终将训练自动驾驶汽车、无人机和机器人，从而有利于私有化的最后一公里网络。

17. 商业航天正从政府采购项目走向资本市场

4 个私人空间站——Vast、Axiom Space、Starlab 和 Blue Origin 的 Orbital Reef——都可以追溯到 NASA 2021 年的 Commercial LEO Destinations 项目，预计获得 15亿美元资金。其动机是在 ISS 之后维持连续性；自 2000 年 10 月 31 日以来，人类一直持续有人在地球之外。
先例是 Commercial Crew。Diamandis 回忆 SpaceX 的 Falcon 1 前 3 次发射失败、第 4 次成功，以及 NASA 在 2008 年圣诞节前后授予的超过 10亿美元合同；这笔资金帮助催生了 Falcon 9，如今它被称为领先全球一个数量级的最成功运载火箭。
2026 年 SpaceX 可能 IPO 让 Diamandis 感到意外，因为 Musk 历来抗拒披露，也不愿面对为火星计划融资所带来的股东冲突。传统答案是让 Starlink 单独上市；Wissner-Gross 则认为，轨道数据中心已经模糊了通信、算力和发射之间的边界，足以让整个技术栈保持在一起。
Blue Origin 计划在 2026 年初执行月球货运任务，并拥有一份数十亿美元的 NASA 合同，目标是在 2028 年实现载人登月。Artemis 在 2025 年的预算据称为 78亿美元，而按通胀调整后的 Apollo 预算为 350亿至400亿美元，1960 年代峰值约占美国 GDP 的 0.5%。

18. 轨道算力打开了经济裂缝，但物理约束仍未解决

据报道，Sam Altman 与 Stoke Space 的讨论为已经十分庞大的“Samverse”增加了发射业务。Stoke 由 2 名前 Blue Origin 推进系统工程师创立，计划使用环形 aerospike 发动机打造完全可复用的两级火箭；火箭和发动机都还没有飞行记录，因此垂直整合既可能带来优势，也显然风险很高。
拟议的经济性尚未说服 Diamandis。发射成本可能从每公斤 500至1,000美元降至约 100美元，但轨道电力成本为每瓦 6至9美元、地面为 12美元，“不足以抵消复杂程度”；他希望看到接近 10 倍的优势。紧凑型聚变和散热问题仍在争论。
据称，中国 CosmoSpace 正计划建设 3 个轨道模块：一个拥有 100兆瓦功率，一个提供每秒 10太比特通信能力，一个实现 10 exaflops 算力。Wissner-Gross 称其属于迈向 Dyson swarms 的竞赛；大约 4 个月内，整个轨道数据中心话题已经从边缘议题变成每周都会讨论的主题。
Mostaque 的安全质疑十分直接：轨道系统可能“直接开始消失”。Blundin 回应称，只要在回本前得到保护即可，硬件 3 年折旧周期可能意味着由 Space Force 提供保护。Mostaque 说，太阳活动已经导致他在地面训练 A100 时出错，因此太空系统需要细粒度容错、checkpointing 和恢复机制，而不是让整个集群回滚。

19. 人形机器人的力量进步快于其交战规则

一项可能在 2026 年出台的美国机器人行政命令，可能带来类似半导体政策的税收抵免、补贴和贸易保护。竞争背景是中国：在被引用的年份，中国安装了全球 54%的机器人，并拥有超过 150 家中国机器人公司，尽管官方担忧行业泡沫。
Wissner-Gross 称，人形机器人是继 agents 之后 AI 的“下一件大事”，能够推动西方再工业化，并自动化约三分之二需要实体干预的服务。Blundin 呼吁发展机器人竞技体育，支持西方人形机器人产业，并让性能变得可见。
Optimus 和 Figure 在奔跑时看起来比 6 个月前自然得多，但 Engine AI 的 5 英尺 8 英寸 T800 将讨论从移动能力转向力量。Mostaque 提到其最大关节扭矩为 450 N·m，并称它的出拳力量超过大猩猩，或达到 Mike Tyson 的 4 倍。
Diamandis 反对复制人类形态，认为这忽视了轮子的能效，并提出为机器人加装轮子。Mostaque 提出，街头人形机器人是否需要扭矩上限监管。Dave 认为战争是更令人恐惧的应用，Salim 则描述了厨房、街道和战场应适用不同交战规则的治理问题。

122. 朱啸虎现实主义故事的第三次连载：人工智能的盛筵与泡泡市场概述2025年12月9日