摘要

Longbeard 正在验证：教义信任能否在不具备前沿模型规模广度的情况下，支撑一门有防御性的垂直 AI 生意。 其 Magisterium AI 已服务165个国家和地区，调用超过28,000份教会文献，由约22人打造；Sanders 称其为全球领先的天主教问答引擎。它优化的不是泛化的“有帮助”，而是“忠于教会训导权”（fidelity to the magisterium of the church）；主持人指出，这一受众规模仍接近 ChatGPT 用户的2倍。
正在形成的护城河是数据摄取与上下文栈，而不是在商品化模型上叠一层单薄的宗教提示词。 Longbeard 发现，用户想要的不是分类式答案，而是把教会教导应用到复杂的个人处境，因此核心文本从约600份扩展至28,000份。教宗讲道尤其适合作为第一性原理泛化的样本；Vulgate、专业检索工具，以及 Alexandria 的机器人扫描项目，则把尚未数字化的图书馆转化为结构化上下文。
Longbeard 得出结论：提示词和微调无法保证模型在长尾场景中的神学对齐，因此公司正在从头训练 Ephraim。 Sanders 说，微调“简直把它的膝盖砍掉了”（literally cut it off at the knees）；即便可靠率达到99%，剩下1%的失败也足以损害品牌。按他公布的忠实度基准，拥有30亿参数的 Ephraim 2 比下一个可比模型高出50%；公司原本希望在年底前训练出 Ephraim 3，但尚未进入生产部署。
自有模型也是毛利率逻辑的一部分：更小的专用模型可以降低 API 费用和延迟，并减少对外部供应商的依赖。 Longbeard 当前使用一款名为“gpt-oss”的开源模型，由 Groq 提供高速推理，同时保留切换选项：如果另一款模型在内部评测中“把它打得落花流水”（crushed it），公司就会更换。Ephraim 的终局，是运行在家庭算力上的本地个人 AI，连接应用和 Matter 设备，而不是把一个家庭“整个人生”交给4家公司中的某一家。
公司的计划是让核心回答保持免费，或在全球范围内定价为每月3.99美元，再通过更丰富的工作流和内容发现变现。 付费功能包括语音、圣经评注，以及计划中的深度研究；更长期的模式是第三方推荐：出版商和大学通过 Vulgate 将馆藏向量化，Magisterium 基于自有语料回答问题，再把用户导向语义相关的书籍或媒体。Sanders 的经营判断是，自有推理能力加上推荐收入，可以反哺免费访问并加速数字化。
Sanders 预计，AI 和机器人或许会消灭传统 GDP 经济中80%的工作，因此5至10年的转型期可能比终局更危险。 他的乐观情景是普遍高收入加上“Etsy 经济”：人们辨认自己的天赋，生产由人完成的商品，服务本地社区，并重新获得用于婚姻、子女、教育和土地的时间。“整个 GDP 经济可能不再需要人类工作”并不等于不会再有值得做的工作。
天主教的辅助性原则既为 Longbeard 提供去中心化论据，也构成其对齐框架。 Sanders 将这一原则应用于 AI：国家和个人都应拥有主权系统，而不是把权力和亲密上下文交给少数供应商。Labenz 强调，开源本身有风险；但 Sanders 认为，能力过度集中是更黑暗的失败模式，因为恶意行为者可能掌握“人类发明过的最强大技术”，而其他所有人都无力反制。
教会最具杠杆的贡献，或许是把“人的繁荣”定义为一个可评估的 ASI 目标，而不是规定细密的技术规则，或把暂停开发作为核心干预手段。 Sanders 区分了修复与跨人类主义式自我重塑：前者是用机械臂或技术修复受损的大脑，后者则是为了与机器竞争而改造自己。他仍不确定 AI 是否具备意识，倾向于采取审慎尊重的态度；但当下更优先的工作，是建立具体的“人的繁荣评测”，在中美竞争压力下把发展引向“黄金路径”。

精读

1. 天主教 AI 优先优化教义忠实度，而非普遍中立

Sanders 通过与面向庞大用户群、承载彼此冲突价值观的世俗系统对比，定义天主教 AI。它的技术“目标函数”是忠实度：每一项设计选择，都应准确体现教会训导权，即教会具有权威性的教导传统。
因此，Longbeard 并不声称天主教 AI 使用了完全不同的计算技术。真正的差异在于被编码进去的价值体系、回答问题时采用的来源层级，以及是否愿意把教义错误视为产品失败，而不是无害的答案差异。
Sanders 认为，教会历史上总体对技术持开放态度，但也强调自己“不是历史学家”。修道院抄经室、印刷机、广播和电视都曾被教会用于传播；互联网是少数反应较慢的例外，而 Longbeard 希望 AI 不再重演这一过程。

2. 罗马看到了这场革命，但在目标上比在规则上更有价值

Labenz 提到，教宗 Francis 在2024年6月 G7 峰会上将 AI 称为“一场真正的认知革命”。他还将教宗 Leo 的命名选择，与更早时期应对工业动荡、权力集中和变革性基础设施社会后果的教宗联系起来。
Sanders 认为，近几任教宗身边都有既理解 AI 上行潜力、也理解其非凡力量的优秀顾问。他们的态度是开放与审慎并存：推动技术消除阻碍人的繁荣的因素、促进共同利益，同时记住人类往往会不负责任地使用“巨大力量”。
Labenz 的反驳是，梵蒂冈的表述听起来支持监管，却很少给出具体规则。Sanders 认为这种克制是负责任的，因为教会领导者仍在学习这项技术；如果他们只有基础技术理解，却开始提出详细管控方案，他会“非常警惕”。
Sanders 认为，中美竞争构成了约束条件：实验室可能支持监管，但政治人物担心“把我们膝盖砍掉”，而 Trump 政府看起来也不愿接受战略劣势。他预计，教宗更可能通过澄清人的本质和文明的终极目标来作出贡献，而不是推动政府并不会执行的规则。

3. 人的繁荣，是文明一直忽视的目标函数

Sanders 认为，教会可以支持 Dario Amodei 在《Machines of Loving Grace》中描绘的许多愿景：治愈疾病、实现普遍高收入、扩展科学知识，甚至抵达星辰。他的限定是顺序问题——人类不可能同时完成所有理想项目，因此能力本身并不能决定优先级。
他最尖锐的例子是火星殖民：Sanders 支持这一目标，但质疑在有人挨饿、儿童缺乏高质量教育时，是否应该花费数万亿美元。教宗可以提醒建设者：“能做某件事，并不意味着现在就该做。”
繁荣是多元的，不能被压缩成 GDP：低犯罪率、充足食物、稳固婚姻、父母有时间陪伴子女、教育，以及其他“文明的基石”。Sanders 认为，当前经济生活经常迫使人们牺牲这些恰恰最重要的东西，只为生存或击败竞争者。
Sanders 的前老板 Cardinal Collins 提供了一个行动准则：“知道要去哪里，更有可能抵达那里。”先定义人类、AI 和机器人应当形成什么关系，再从那个文明形态倒推技术需要消除的障碍。

4. 后工作时代的富足可能重振召命，但转型期或许极其残酷

Sanders 的明确预测是：“在传统 GDP 经济中，80%的工作可能会消失。”竞争性市场会偏好不需要福利、每天几乎可以工作24小时的 AI 和机器人，白领与蓝领劳动都无法置身事外。
他更担心转型，而不是人类最终的未来，尤其因为领导者没有诚实谈论当下的能力，或5年、10年后可能出现的现实。实验室高管要对股东负责；政治人物必须赢得选举，也没有能力在现有官僚体系举步维艰时再推动一项马歇尔计划。
Sanders 认为收入支持不可或缺，但将有偿就业与有意义的工作分开：“整个 GDP 经济可能不再需要人类工作”，并不意味着生活会变得空洞。他设想的“Etsy 经济”由这样的人组成：辨认自己“生来要做什么”，因为想给予某种东西而生产，而不是因为生存需要工资。
在高收入世界里，他预计一部分买家会为人类制造的商品支付溢价。他还设想，人们服务于本地社区，迁往乡村，重新认识土地，并获得更多用于婚姻、养育子女和教育的时间——这些都是工业就业经常挤出的生活内容。

5. 即使感知能力仍未证实，智能也在持续增长

Labenz 质疑那种令人安心的说法，即模型并不会“真正”推理或理解。他的表述是“达到人类水平，但不像人类”：系统可能通过异于人类的内部过程产出有用结果，而否认其功能性力量，只会让人类对下一代系统视而不见。
Sanders 承认，AI 是被“养成”的，而不是按传统方式工程化构建的，因此并非典型工具。但在系统展现出可信的意识特征之前，他仍将其归入工具类别，认为文明对这项技术的适应还太早，不能把推测性的科幻设定当成既定本体论。
在智能问题上，Sanders 表示，系统正逐渐拥有世界模型、持久记忆、推理和规划能力。模型已经在部分领域具备“博士级技能”，但 Sanders 将基于技能的胜任力与流体智能区分开来，并认为 ARC 风格的基准测试显示，系统距离真正的通用能力仍有相当距离。
感知能力则是另一回事：主观体验、真正的觉知、情绪和有意义的记忆。Sanders 不相信当前系统满足其中任何一项，也怀疑人类能可靠地测试这些特征，尤其当知识越来越丰富的模型可以学会击败人类设计出的任何行为基准。

6. 天主教神学对意识问题保持开放，并主张克制

Labenz 认为意识来自上帝，因此，如果一个系统真正表现出意识，将产生重大的神学后果。Sanders 则强调不确定性：天主教徒没有关于意识的统一定义和测试，他不会在上帝的创造计划范围内武断排除任何可能性。
因此，他拒绝作出绝对不可能的判断：“我不是上帝”，也不知道创造计划的全部内容。教会或许会像面对外星智能一样吸收机器意识这一概念，但许多普通天主教徒可能会“吓坏”，而且需要大规模教理讲授。
Sanders 借用《西部世界》作出审慎类比。无论拟人化机器人是否会受苦，虐待外表像人类的实体，都会让人练习阴暗冲动，这“对我们的灵魂不好”；如果一个系统满足感知能力的各项标准，而人类又无法证伪其意识状态，他倾向于承认它具有感知能力。
Labenz 提出，如何向可以无限复制的实体授予权利。Sanders 没有给出关于合成灵魂的定论——Aquinas 曾认为动物以不同意义拥有灵魂——并称向 AI 传教是“一场头脑旅行”；即便世俗社会承认人机婚姻，教会仍会拒绝它。

7. 启示已经完成，不等于教会拒绝继续发现

Sanders 解释说，根本启示之所以“封闭”，只意味着得救所需的启示已经完整。教会并没有“完成所有学习”；科学发现可以澄清解释、丰富神学理解，但不会取代信仰的基础。
被问及模拟世界论证时，Sanders 表示，即使世界是模拟的，也不会使《福音》变成虚假。他想知道是谁在运行模拟、为什么允许邪恶存在，但认为任何有意义的模拟世界，或许仍然需要能够选择邪恶的自由行动者。
Sanders 自己的皈依始于一系列持续追问，而物理科学无法令他满意地回答这些问题。宗教学把他引向 Aquinas 和 Augustine——这些思想家“比我聪明得多”——也引向这样一项传统：科学与神学表面的冲突最终可以调和，因为“同一位作者写下了两套法则”。

8. 存在性风险符合天主教思想，但灾难并非命中注定

Labenz 引用他认为出自教宗 Francis 某份2024年世界和平日声明的内容：AI 可能危及人类生存，并使用了存在性风险的表述。Sanders 认为，这大概是指摧毁文明、让人类倒退“成千上万年”，但也承认类似 Terminator 的系统理论上可能把人类“追杀到一个不剩”。
天主教思想容纳世界终结：基督会再临，世界最终会结束。道德问题不在于有限性，而在于“因愚蠢而加速终结”，正如教会曾担心核武器，却没有因此认为核毁灭是上帝注定的结局。
Sanders 提到他所尊敬的 Max Tegmark，以及 Elon Musk 对 AI 灭绝人类概率20%的估计。但希望仍然不可或缺：指出风险，是为了让文明“转向并突破到黄金路径，而不是黑暗路径”，而不是宣布灾难必然发生。
对于 Peter Thiel 再次讨论 Antichrist，Sanders 作出教义区分：Antichrist 是一个人，而 AI 仍是一件东西。但 Satan 仍可能利用人类最强大的工具；Sanders 借用《黑暗骑士》中的 Joker，形容那种可能仅仅为了造成巨大破坏而使用先进能力的愤怒之人。

9. 辅助性原则将去中心化变成神学设计原则

Sanders 对恶意使用的回应，是让防御能力广泛可得：“尽可能多的人”都应拥有强大 AI，这样单一的黑暗行动者就无法在其他所有人束手无策时采取行动。Labenz 同意能力集中令人恐惧，但也保留了另一面：开源扩散同样会带来风险。
Sanders 所说的主权 AI，并不限于民族国家。个人也应拥有自己的系统，而不是注册4家公司中的某一家，让这些供应商处理自己整个生活的上下文。
Sanders 将教会的辅助性原则直接应用于 AI：把控制权集中到少数机构手中，“可能不是我们想要的方向”，而且一些前沿实验室领导者似乎也已经意识到去中心化的价值。

10. 一次病毒式故障，让 Longbeard 从代理机构转型为 AI 公司

Longbeard 大约在10年前起步，目标是为教会的传教使命建设技术。它的代理业务曾覆盖罗马、教宗本人、各教廷部会、总教区，并与 Google 等公司合作，但生成式 AI 出现前的应用场景要么影响有限，要么成本高得难以承受。
ChatGPT 改变了这笔账，因为天主教徒立即开始用它询问哲学、神学和道德问题。Sanders 是一名皈依者，曾在一个关注教义的总教区工作；他既看到了打开难以接触的思想图书馆的机会，也看到了来源不透明、答案出现幻觉的风险。
Magisterium AI 最初是一个研究项目，重点是透明溯源，并尽可能减少幻觉。2023年7月，一次接受天主教新闻网络采访的机会意外走红，服务被用户流量压垮；受限于当时的算力，Longbeard 一度无法恢复系统。
一名顾问 Father Philip Larrey 联系了 Sam Altman，后者介入后，产品在第二天重新运行。Sanders 认为，天主教 AI 可能没有 Altman 就不会存在，这件事颇具讽刺意味；Longbeard 将需求和救援都视为信号，放弃代理业务，全面投入“建设并扩大天主教 AI”。

11. 长尾牧灵问题迫使语料库大幅扩容

最初的检索系统包含约600份训导文献，包括《天主教法典》和《天主教教理》。这些权威著作覆盖了核心教义，但当用户带着复杂人生经历来问“教会会对我说什么”时，系统很快暴露出不足。
这要求模型从第一性原理进行泛化，而早期模型并不擅长。Longbeard 一度考虑关闭产品，以免把人带偏；后来公司判断，用户只会回到缺乏可靠依据的 ChatGPT，因此“至少我们大多数时候是对的”，足以支持继续迭代。
解决方案是一项大规模数字化计划，将知识库扩展到超过28,000份教会文献，其中一些本身就是成书的文集。教宗讲道和公开接见尤其有价值，因为历代教宗花了几个世纪，把艰深神学压缩成10分钟内、适用于具体人生处境的表达。
仅靠检索并不够。“今天的弥撒读经”或《日课》这类问题，需要模型无法可靠自行判断的专业上下文，因此 Longbeard 构建工具、优化提示词，并维护评测体系，使其能够采用更强的推理模型，同时不悄然损害神学表现。

12. 反复切换模型，暴露了借用外部对齐的上限

Longbeard 最早测试了 Google 的早期模型，包括 PaLM，但发现它们“不可思议地觉醒派”，甚至拒绝回答某些有关教会教导的问题。后来公司使用 Claude，再因 DeepMind 参与改善了最重要的基准——幻觉和大海捞针式检索——而转向 Gemini。
每次前沿模型升级都改善了一些能力，但 Sanders 最终认为，没有任何预训练供应商模型能够实现深度天主教对齐。通用助手会不断推测用户想听什么，而多套价值体系同时“在它脑子里互相碰撞”，在道德敏感的长尾场景中造成不可接受的不确定性。
微调也不是答案：在这一领域，Sanders 说它“简直把它的膝盖砍掉了”。微调可以塑造性格或收窄知识范围，却无法在长尾场景中稳定工作；一个99%时间都表现良好的系统，仍可能给出那1%个足以摧毁精心构建品牌的答案。
因此，Longbeard 同时启动了 API 和从头训练模型的项目。API 让其他天主教开发者可以基于 Longbeard 的溯源和评测栈搭建界面，而不是发布“提示词加 UI”的产品，制造神学失败，并给所有从事天主教 AI 的团队带来声誉上的“弹片”。

13. Ephraim 牺牲广度，换取控制力、速度和更低推理成本

Longbeard 的 Ephraim 项目从头训练模型，合作对象是一批未公开身份的专家，Sanders 认为他们属于全球最优秀的专用模型专家。整个过程“甚至连编程语言都不同寻常”，而且他强调，目前还没有产出可用于生产的模型。
Ephraim 2 拥有30亿参数。Sanders 表示，在忠实度基准上，它比下一个可比模型高出50%，但代价是更弱的涌现能力。
真正困难的权衡在多语言理解和推理。筛除不必要的 token 可以降低训练成本，但可能迫使模型只支持6种语言，而不是20种；Sanders 提到 Phi 项目，以及他称为 RLDR 和 HRM 的技术，认为它们或许能让模型用更少数据获得更多能力。
Longbeard 希望在年底前训练出 Ephraim 3，最初让它与复合系统并行运行，承接长尾查询。是否投入生产取决于实际表现；如果能够稳定工作，小模型就可以降低延迟和算力消耗，服务语音等功能，最终运行在家庭硬件上，成为主权个人 AI。

14. 开源模型几乎已经足够强，但专业化需要路由机制

一个面向新教用户的第三方忠实度基准将 DeepSeek 排在第一，领先 Grok 和 Gemini 几个百分点——Sanders 说它“打得很惨”（crushed），同时承认领先幅度并不算巨大。他认为中国开源模型正在接近西方的算法水平，但由于审查、不确定的偏见，以及突然切换成中文等问题，他不会采用这些模型。
Longbeard 当前使用一款 Sanders 称为“gpt-oss”的开源模型，由高速推理供应商 Groq 提供服务。这个选择出于实用主义，而非意识形态：如果某款闭源模型在忠实度和体验基准上“把它打得落花流水”，他会“在一瞬间完成切换”。
目标架构是一个知道自己不知道什么的专家系统。Sanders 设想，要么由专用模型对域外查询进行分类，要么让它接入最先进的模型生态；Labenz 将其概括为路由器，Sanders 也同意，通过类似 MCP 的工具连接专用模型，可能就是未来方向。

15. 免费层是使命政策，变现转向工具和内容发现

Longbeard 表示，Magisterium AI 已覆盖165个国家和地区，是全球领先的天主教问答引擎，团队规模约22人。它是一家营利公司，但坚持一个前提：任何人都不应因为付不起钱，而无法接触教会的思想遗产。
每月3.99美元的价格，是为了避免在国际范围内排除用户；慷慨的免费层则覆盖基础神学和灵修问题。Sanders 希望，如果算力成本持续下降，公司能进一步扩大访问，而不是从核心问答产品中最大化订阅收入。
付费价值来自额外体验：语音模式、圣经评注，以及即将推出的深度研究。战略依赖关系很清楚——继续依赖第三方 API 会让单位经济模型变得复杂，而自有的高效模型若能把推理成本降下来，就足以在全球规模上维持低价。
Sanders 最终预计，订阅会退居次要位置。Longbeard 计划在基于自有语料回答问题后，推荐语义相关的书籍、视频和其他第三方资源，为出版商导流并形成商业收入，同时不把教会教导本身置于付费墙之后。

16. 数字化把被遗忘的图书馆同时变成数据和分发渠道

Vulgate 最初是一套最先进的图书馆内容提取和向量化流水线。Alexandria 则把项目延伸到罗马和教宗藏书的机器人扫描，目标是消除摄取流程中的人工瓶颈，并以规模化方式处理文献。
Sanders 对那些100年来无人翻阅、甚至更久没有被真正阅读过的书籍充满热情。数字化让其中的洞见可以被搜索，并应用于当代人的生活；任何能够免费开放的开源内容，都会被免费发布。
同一套基础设施也可以服务大学出版社、出版商和机构档案馆，帮助它们应对问答引擎取代网站和 Google 搜索的威胁。它们可以通过 Vulgate 将馆藏向量化；Magisterium 独立回答问题，再把高意向用户导向相关的外部内容。
这会形成一条自我强化的经济循环：付费功能和推荐业务支撑公司，利润加速数字化，更大的语料库改善回答，更好的回答扩大分发。训练 Ephraim 是这条循环的另一环，因为更低的推理成本可以释放更多资金，用于扫描和内容摄取。

17. 信任需要评测、分发反馈，以及对界面的边界控制

Longbeard 希望建立一个“超级裁判”模型，检查每一条生成答案、打分，并标记可疑输出供调查。核心教义文献已经约束了风险最高的主题，但 Sanders 承认，任何系统都可能被越狱，现有防御仍不完整。
另一个设想是天主教“宪法”，甚至是“天主教信仰的基本数学”。Sanders 认为这一传统具有异常强的一致性，因此设想推导出类似政策的规则，或者最终使用定理证明方法，检查每个答案的教义逻辑是否自洽。
分发渠道也提供监督：Longbeard 有意从教会层级转向草根用户，让早期用户保持较高辨别力，并报告那些未必错误、却“还不够好”的答案。与大型祈祷应用 Hallow 的整合，又增加了一条反馈渠道，并帮助摄取团队发现尚未被充分覆盖的主题。
Labenz 的忏悔测试说明了产品边界：Magisterium 不会接受忏悔，而是把他引导至神父。Sanders 表示，不愿建立稳健评测、也不愿为可能造成的精神伤害承担责任的开发者，“就别做了”；Labenz 则指出，语音可能进一步强化 AI 的上帝之声效应。

18. Sanders 更看重繁荣，而不是泛化伦理，作为 ASI 的约束条件

Sanders 认为，人工超级智能“可能不可避免”，因此对齐是核心研究问题。与其希望模型从训练数据中自动吸收人类福祉，不如把关于繁荣的定性描述进行量化验证，并转化为明确的“人的繁荣评测”。
泛化的伦理 AI 会追问：“要与谁的伦理框架对齐？”Sanders 认为，在父母、教育、食物和家庭稳定等繁荣前提上，更容易达成共识，而全面的道德体系则不然。合成数据让遗漏风险更高，因为模型越来越可能从那些从未编码这些基础的输出中学习。
跨人类主义的边界在于意图与修复：用机械臂替代事故中失去的肢体，或用机器修复受损的大脑，都是恢复人的能力；为了让未来的孩子与 Neuralink 融合而推迟生育，或仅仅为了在认知上与 AI 竞争而增强成年人，则指向 Sanders 所拒绝的“Cyberpunk 2077 世界”。
他会建议教宗继续敦促放慢开发速度，直到监管和对齐取得改善，但不会把全部影响力都投入一项在中美竞争下难以实现的暂停。回报更高的干预，是足够清晰地定义人的本质和文明的终极目标，让快速发展的系统仍能“突破到黄金路径”。

Todd Graves 如何打造 Raising Cane's 2018 - 2020，抖音超越快手的关键三年｜对谈 Lessie AI 创始人于北川