Dario Amodei
前沿洞察
Amodei的终局研判呈现出惊人的张力：强化学习与超长上下文正催生“硅基天才之国”，2030年前AI全方位碾压人类的概率达70%-80%。他构筑的护城河放弃通用搜索，以可控推理直切编程与高阶智能体工作流。但胜负关键在于节奏——数万亿美元的资本狂飙下“早踏一步即破产”；而生物风险近在咫尺，安全管控将是决定谁能活过这轮寡头清洗的生死阀门。
观点集合
Anthropic 的 Dario Amodei：对 AI 未来的希望与担忧
Claude 3.7将推理变成可调节模式，面向编程和企业工作；Anthropic认为，未来三到六个月内某个模型有相当大的概率越过生物或化学滥用风险阈值。医疗工作流已显示商业价值，例如将临床研究报告准备从9周压缩至10分钟模型工作，但部署管控、编程岗位替代、出口政策和模型控制风险仍是关键变量。
查看摘要（7段）
Anthropic 正将 Claude 3.7 Sonnet 定位为一款面向经济实用工作的混合推理模型，尤其擅长现实世界中的编程。 不同于在快速模型和推理模型之间二选一的系统，同一个 Claude 既能即时回答，也能进入长链路思考；API 客户可将预算设定为最高 20,000 tokens，但模型往往会提前停止。Amodei 称，下一步的演进将是自动路由：由模型自行判断一项任务值得投入多长时间。
Amodei 认为，未来三到六个月内发布的某个模型，有“相当大的概率”会越过 Anthropic 对生物或化学滥用风险显著上升的阈值。 Claude 3.7 本身尚未显示端到端威胁增加，但未来系统可能提供一名病毒学博士掌握的专业知识，而不只是 Google 能搜到的信息。届时，Anthropic 将根据其负责任扩展流程启动额外的安全与部署管控。
对 Amodei 而言，DeepSeek 的意义与其说是商业威胁，不如说是中国正在前沿领域保持同步的证据。 他担心 AI 最终成为“专制机器”（engine of autocracy）：一旦人类执行者可以被机器取代，威权统治的约束就会消失。因此，他支持更严格的出口管制，同时坚持医疗收益仍应惠及生活在专制政府治下的人群。
Amodei 对“AI 军备竞赛”批评的回应是：美国领先可能为可执行的国内安全措施创造空间，而与中国势均力敌则会引发一场无法控制的国际竞赛。 如果模型变得危险，民主政府可以通过法律和有约束力的承诺让本国公司放慢脚步，但没有任何权威能够可靠执行美中之间的协议。他称，合作仍值得争取，但“不能成为 Plan A”。
Amodei 目前认为，本世纪末前出现大量在几乎所有方面都远超人类的 AI 系统，概率约为 70%-80%；他的猜测时间点是 2026 或 2027 年。 到 2025 年底，编程能力可能会变得“非常严肃”，到 2026 年底接近最优秀的人类；较低层级开发者的替代可能在 18-24 个月内开始，甚至更早，尽管近期采用 AI 主要仍是增强程序员能力。
医疗和企业工作流已经证明了 AI 的近期价值。 Amodei 称，Claude 将一份临床研究报告的准备时间从 9 周压缩到 10 分钟的模型工作加 3 天人工复核。但他否认“P doom”就是 10%-25% 这一说法：这个区间更广义地指文明受到实质性扰乱的概率，而他的判断基本没有变化。
收尾环节的头条显示，平台权力正在集中，而机构防线却承受压力。 Meta 在启动 5% 裁员一周后，将潜在高管奖金从基本工资的 75% 提高到 200%；Casey Newton 称这是“真正的‘不爽就走人’时刻”。Apple 则选择在英国撤下 Advanced Data Protection，而不是打造加密后门。Perplexity 的 Comet 浏览器和 5000万美元创投基金，在 Newton 看来更像是“向墙上扔意大利面”（spaghetti at the wall），而非有重点的扩张。
Dario Amodei——“我们已接近指数增长的终点”
Dario Amodei认为递归强化学习和更长上下文正逼近“数据中心里的天才之国”，而 Anthropic 收入已在两年内从零增至90-100亿美元。机会巨大却高度资本密集：算力需求可能在2028-29年推动每年数万亿美元资本开支，押注早一年就可能破产，因此需求预测、寡头结构与监管是关键风险。
查看摘要（8段）
- Dario 的核心判断是：我们已接近指数增长的终点。 技术进展基本符合他的预期——“聪明的高中生→聪明的大学生→开始读博”，真正令人意外的是“公众完全没有意识到我们已经如此接近终点”。他认为十年内出现“数据中心里的天才之国”的概率为90%，并有50/50的直觉判断认为这会在“一到两年、也许一到三年”内发生——“我认为说这件事到2035年还不会发生，简直不可理喻”。
- 他的扩展性判断与2017年提出的“Big Blob of Compute Hypothesis”相比没有变化：聪明程度不重要，关键在7个要素，而RL如今也呈现出与预训练相同的对数线性扩展。 数学竞赛以及“各种各样的RL任务”表现，都与训练时长呈对数线性关系。持续学习“可能根本不是障碍”；长上下文是“工程和推理问题”，不是研究问题，可能会在“未来一两年内”解决。
- Anthropic 的收入是最具交易价值的数据点：2023年从0增至1亿美元，2024年从1亿美元增至10亿美元，2025年从10亿美元增至90-100亿美元。 仅今年1月，收入就新增了“几十亿美元”。Dario 预计这条曲线“今年会有所弯曲”，但增速仍将很快；这也意味着那些暗示2028年总潜在市场规模约为2000亿美元的数字“太小了”。另一个明确判断是：“我很难想象2030年前不会出现数万亿美元的收入。”
- 资本开支纪律是这一期节目中最尖锐的风险框架：如果你每年买入1万亿美元算力，而收入只有8000亿美元，‘世上没有任何力量、没有任何对冲能阻止我破产’。 需求曲线判断错一年就足以致命，这也是 Anthropic 只购买“数千亿美元、而不是数万亿美元”算力的原因；他因此怀疑竞争对手“根本没有把表格算出来”。
- 供应商端的行业数学是：今年算力建设规模约为10-15 GW，并以每年约3倍的速度增长。 明年约30-40 GW，2028年约100 GW，2029年约300 GW；按每GW 100-150亿美元计算，2028-29年每年的资本开支将达到数万亿美元。稳态经济学则是每个模型都能盈利——“训练花10亿美元，收入40亿美元”；公司之所以亏损，只是因为在为指数级扩大的下一个模型持续投入。
- 在编码领域，他关于90%代码行由AI完成的预测“已经实现，至少在某些地方如此”，但关键在于这是一条连续谱。 从90%的代码行，到100%的代码行，再到90%的端到端SWE任务、100%，最后是SWE需求减少90%。他认为模型可能在“一两年内”端到端完成SWE，包括设定技术方向；并估计今天编码模型带来的生产率提升为全要素速度提升15-20%，高于6个月前的5%，这是一种滚雪球效应。
- 从结构上看，他预计最终会有3-4家玩家并保持正利润，而不是走向商品化。 这会是类似云计算的Cournot均衡，只是“模型的差异化程度高于云计算”。盈利能力不是规模阶段的里程碑，而是需求预测的残差：只要需求判断准确、推理毛利率超过50%，且约50%的算力用于训练，“底层经济学就是盈利的”。
- 政策上，他反对联邦层面对州AI法律实施10年暂停令，认为“10年是永恒……这么做很疯狂”，但支持设计得当的联邦先占；主张现在就建立透明度标准，一旦生物恐怖主义风险在“今年晚些时候”明确显现，就迅速采取针对性行动；对中国芯片出口管制持强硬立场，认为反对意见“很可疑”；相比“愚蠢”的聊天机器人法案，他更担心FDA审批管线堵塞。