最近，OpenAI开启了他们的官方播客，首期嘉宾便是CEO Sam Altman。主持人Andrew Mayne（曾在OpenAI担任工程师和科学传播官）和他进行了一场坦诚而深入的第一期对话，聊的都是大家最关心的话题：从下一代模型GPT-5，到那个听起来像科幻电影的“星际之门”（Stargate）计划，再到他自己作为新手爸爸如何使用ChatGPT，甚至还有和苹果前首席设计师Jony Ive秘密合作的硬件项目。 这不像是一场官方发布会，更像是一次朋友间的闲聊，信息量巨大，也足够真诚。让我们一起看看，Sam Altman为我们描绘了一幅怎样的AI未来图景。 当CEO成为新手奶爸：AI是育儿神器还是潜在麻烦？ 话题从一个非常接地气的问题开始：作为一名新手爸爸，Sam Altman用ChatGPT多吗？ “非常多，”Sam坦言，“说实话，我真不知道没有ChatGPT我该怎么带娃。” 他笑着说，尤其是在孩子出生的头几周，他几乎是“持续不断”地在向ChatGPT提问。现在，孩子大一些了，他会问更多关于“发育阶段”的问题，比如“宝宝这样做正常吗？”。 这引出了一个更有趣的思考：我们的下一代将如何与AI共存？Sam对此非常乐观。他甚至开玩笑说，尽管“我的孩子永远不会比AI更聪明”，但这根本不重要。 “他们将成长得比我们这一代能力强大得多，能够做到我们无法想象的事情。他们会非常擅长使用AI。” Sam分享了一个经典的视频：一个蹒跚学步的幼儿，把一本光滑的纸质杂志当作“坏掉的iPad”来滑动。他认为，今天出生的孩子会觉得这个世界理所当然就拥有极其智能的AI，他们会用一种我们难以想象的自然方式去使用它，并回头看我们这个时代，觉得简直是“史前时期”。 当然，他也承认这并非全是好处。有人让ChatGPT语音模式扮演托马斯小火车，陪孩子聊了一个小时。这背后可能隐藏着形成“拟社会关系”（parasocial relationships）的风险。但Sam相信，人类社会总能找到办法设立新的“护栏”，在享受巨大红利的同时，去减轻这些负面影响。一个有力的佐证是：OpenAI内部的许多员工，这些最了解AI的人，都在非常乐观地组建家庭、迎接新生命。 AGI的定义？我们可能问错了问题 聊到AI，绕不开“AGI”（通用人工智能）这个词。但Sam认为，我们可能有点钻牛角尖了。 “如果你在五年前问我AGI的定义，很多人给出的标准，今天的模型早就远远超过了。” 他觉得，AGI的定义会随着技术进步而不断“退后”，标准会越来越高。所以，一个更好的问题或许是：什么才算“超级智能”（Superintelligence）？ 对此，Sam有一个清晰的标准： “当我们拥有一个能够自主发现新科学，或者能极大地提升人类科学家发现新科学能力的系统时，对我来说，那几乎就是超级智能的定义了。” 他坚信，提升人们生活质量的关键，始终在于科学的进步。无论是找到治愈癌症的新方法，还是发现新的药物，这才是AI能带来的最激动人心的里程碑。 而这种迹象已经开始显现。比如，AI辅助编程已经让程序员和科研人员的效率大幅提升。OpenAI内部的Deep Research（深度研究）功能，能像一个顶尖研究员一样，自己上网搜集、跟踪、整合信息，产出的报告质量有时甚至超过人类专家。这些都是通往那个“科学大发现”时代的坚实步伐。 GPT-5要来了，但命名方式可能会让你头疼 “所以，GPT-5什么时候发布？” 主持人问出了所有人都想知道的问题。 Sam的回答有些模糊但又透露了关键信息：“可能在今年夏天某个时候吧，具体时间我也不确定。” 更有趣的是，OpenAI内部正在纠结一个“甜蜜的烦恼”：未来的模型该如何命名？ 过去很简单，训练一个大模型，发布，比如GPT-3、GPT-4。但现在，他们可以在一个基础模型上持续进行“事后训练”（post-train），让它变得越来越好，就像GPT-4o一样。 这就带来了问题： 当一个模型被持续优化，它应该一直叫GPT-5，还是叫GPT-5.1、5.2、5.3？ 用户有时会更喜欢某个特定时间的“快照”版本，我们该如何满足这种需求？ Sam坦言，这种命名混乱是技术范式转变的产物，他希望尽快摆脱这种“o4-mini-high还是o3”的复杂选择，让用户能简单地用上最好的GPT-5、GPT-6。 隐私是底线：《纽约时报》的要求“疯了” 随着AI越来越多地融入个人生活，隐私问题变得至关重要。ChatGPT最近推出的“记忆”（Memory）功能，能让AI记住用户的上下文，提供更个性化的回答，Sam自己就很喜欢这个功能。 但这也引发了外界的担忧。最近，《纽约时报》在与OpenAI的诉讼中，要求法院强制OpenAI保留超出常规30天期限的用户数据。 对此，Sam的态度异常坚决： “我们当然会抗争到底，而且我希望并相信我们能赢。我认为《纽约时报》提出这种要求是疯狂的越权行为。我希望这能成为一个契机，让整个社会意识到隐私在AI时代是多么重要，它必须成为核心原则。” 他强调，用户与ChatGPT的对话可能非常私密，这些数据极其敏感，必须得到最高级别的保护。 那么，OpenAI会用这些数据做广告吗？Sam表示，他对广告模式并不完全排斥（他甚至觉得Instagram的广告不错），但对于ChatGPT，他极为谨慎。 “人们对ChatGPT有很高的信任度。如果我们为了谁付钱多就去修改模型返回的内容，那会感觉非常糟糕，是摧毁信任的时刻。”他认为，任何商业化尝试，都必须建立在对用户极度坦诚、不损害模型输出中立性的基础之上。目前，他更喜欢“用户为优质服务付费”这种清晰直接的模式。 “星际之门”计划：为了AI，我们需要建一颗“新地球”吗？ 要让AI变得更强、更便宜、更普及，有一个巨大的瓶颈——算力（Compute）。 为了解决这个问题，OpenAI启动了一个雄心勃勃的项目：“星际之门”（Project Stargate）。 用Sam的话简单解释就是：“一个旨在筹集资金并建造前所未有规模算力的计划。” 这个计划的规模有多大？报道中提到的数字是数千亿甚至上万亿美元。Sam没有否认，并确认他们将在未来几年内部署这笔资金。他最近刚参观了位于Abilene的第一个站点，那里的景象让他深受震撼。 “我脑子里知道一个千兆瓦级别的数据中心是什么样子，但亲眼看到成千上万的工人在施工，走进即将安装GPU的机房，看到整个系统的复杂性和建造速度，那是完全不同的感受。” 他动情地提到了“I, Pencil”的故事——一支小小的铅笔，背后是全球无数人协作的奇迹。而一个AI数据中心，更是这种全球复杂协作的顶峰。从矿工挖出矿石，到几百年来科学家们艰难获取的洞见，再到复杂的工程和供应链，所有这一切，最终才汇聚成你手机上那个看似简单的对话框。 这也引出了一个尖锐的问题：能源从哪里来？Sam的答案是“所有选项都要”。天然气、太阳能、核能（包括先进的裂变和聚变），AI的巨大能源需求，会促使我们在全球范围内寻找更多样、更廉价的能源。一个有趣的想法是，能源难以跨国运输，但可以就地把能源转化为“智能”，再通过互联网把智能输送到世界各地。 下一代AI设备：与Jony Ive联手，重新定义“计算机” 聊到最后，一个重磅炸弹被抛出：OpenAI正在和传奇设计师、苹果公司的前灵魂人物Jony Ive合作，打造全新的AI硬件。 “它现在在你身上吗？”主持人打趣道。 “没有，还需要一段时间。”Sam笑着回答，“我们想做出质量极高的东西，这快不了。” 为什么要自己做硬件？Sam的逻辑很简单： “我们现在使用的计算机，无论是硬件还是软件，都是为没有AI的世界设计的。现在世界变了，你对软硬件的需求也正在快速变化。” 未来的设备可能是什么样的？ 更强的环境感知和个人情境理解：它能完全理解你生活的上下文。 全新的交互方式：不再局限于打字和看屏幕。 深度的信任与代理：你可以让它“参加”一个会议，它能听懂所有内容，知道什么该分享给谁、什么需要保密，然后根据你的一个简单指令，去完成所有后续工作。 这听起来像是科幻电影里的场景，但Sam认为，这就是我们正在走向的未来。虽然还需要很长时间，但他承诺“值得等待”。 给年轻人的建议：除了学AI，更要学什么？ 在对话的结尾，Sam给出了他对当下年轻人的建议。 对于战术层面，答案很明显：“学习如何使用AI工具。” 他开玩笑说，世界从“快去学编程”到“编程不重要了，快去学用AI”变得太快了。...

本文整理自 Lex Fridman 对 Google DeepMind CEO Demis Hassabis 的访谈，访谈中他们讨论了AI 的未来，模拟现实、物理和视频游戏，以及最后 Hassabis 给出了当前 AI 时代的生存法则。 Demis Hassabis：从电子游戏到模拟宇宙，AI正在揭开现实的终极奥秘 如果你有机会和当今世界上最聪明的大脑之一聊一聊，你会问些什么？也许是关于宇宙的终极谜题，比如P vs NP问题，或是生命的起源。又或者，你会和他聊聊电子游戏，那个我们许多人魂牵梦绕的虚拟世界。 幸运的是，Lex Fridman最近在他的播客上就和这样一位人物——Google DeepMind的负责人、诺贝尔奖得主Demis Hassabis——进行了一场深入的对谈。他们的谈话跨越了从理论物理到AI伦理，从模拟一个完整的细胞到创造一个真正开放的游戏世界。这不仅仅是一场技术访谈，更像是一次对现实本质、人类未来以及我们在这个宇宙中位置的哲学探索。 Hassabis的观点，就像他领导的AI一样，总能带给我们意想不到的启发。 自然的秘密，其实都可以被“学习”？ 在获得诺贝尔奖的演讲中，Hassabis提出了一个颇具“挑衅性”的猜想：“任何能在自然界中找到或生成的模式，都可以被一个经典的机器学习算法有效地发现和建模。” 这听起来有点疯狂，但仔细想想，这背后是他多年科研经验的深刻洞察。无论是AlphaGo在围棋中那看似无穷的变化，还是AlphaFold在蛋白质折叠这个巨大的组合空间中寻找答案，它们面对的都是一个“暴力破解”方法在宇宙终结前都无法解决的问题。 那它们是怎么做到的呢？答案是，这些系统通过学习，构建了一个关于环境的“模型”，从而能用一种更聪明的方式进行搜索，让难题变得“可解”。 Hassabis认为，这之所以可能，是因为自然本身就不是随机的。 “自然系统充满了结构，因为它们经受了进化过程的塑造。无论是生命体的演化，山脉被风化的形状，还是行星的轨道，它们都经历了一遍又一遍的筛选过程，可以称之为‘最稳定者生存’。” 如果一个系统是经过这种非随机过程形成的，那么它内部必然存在某种可以被学习和逆向工程的“结构”或“模式”。神经网络恰恰最擅长发现和利用这种结构，沿着某种梯度找到解决方案。这就像蛋白质在我们的身体里，只需要几毫秒就能完成折叠一样，物理世界本身就在高效地解决这个问题。AI所做的，就是学习并模仿这个过程。 这个猜想的适用范围可能非常广，从生物、化学到物理，甚至宇宙学和神经科学。但它也有边界。比如，对大数进行质因数分解这类纯粹的数学难题，如果数字本身没有内在模式，AI就无从“学习”，这时可能就需要量子计算机这样的“蛮力”工具了。 P vs NP：一个物理问题，而非数学游戏 这个关于“可学习宇宙”的观点，直接触及了理论计算机科学中最核心的问题之一：P vs NP。 简单来说，P类问题是计算机能快速解决的，而NP问题是答案一旦给出就很容易验证，但找到答案却异常困难。P是否等于NP，本质上是在问：所有我们能快速验证答案的问题，是否也都能被快速解决？ Hassabis将这个问题提升到了一个新的高度。他认为，如果我们把宇宙看作一个巨大的信息处理系统——信息比能量和物质更基本——那么P vs NP就不再仅仅是数学家的游戏，而变成了一个物理学问题。 AlphaFold的成功就是一个活生生的例子。蛋白质折叠曾被认为是NP难题，许多人甚至认为需要量子计算机才能模拟。但AlphaFold，一个运行在经典计算机上的神经网络，却做到了。这证明，至少对于某些看似棘手的自然问题，经典系统比我们想象的要强大得多。 这是否意味着，我们可以定义一个新的复杂性类别，比如“可学习的自然系统”（LNS, Learnable Natural Systems）？这个类别里的问题，虽然理论上可能很难，但因为其源于自然，拥有可学习的结构，所以能够被AI在多项式时间内高效解决。 我们可能正不断地被经典计算机的能力所震惊。无论是AlphaFold 3对蛋白质与DNA/RNA相互作用的建模，还是AlphaGenome将基因编码与功能联系起来，AI似乎总能从看似无限的组合可能性中，找到那个可以被高效建模的核心。 连流体动力学都能“悟”出来？ 就连那些传统上被认为极难处理的非线性动力系统，比如涉及纳维-斯托克斯方程的流体动力学（想想天气预报的复杂计算），也可能并非无法攻克。 Hassabis兴奋地提到了Google的视频生成模型Veo。 “你看看Veo，它对液体、材质和镜面光照的模拟好得惊人。我最喜欢看那些生成的视频，比如液压机挤压装满透明液体的容器。我年轻时在游戏行业写过物理引擎和图形引擎，我知道从零开始编程实现这些效果有多么痛苦。但这些AI系统，仅仅通过观看YouTube视频，似乎就逆向工程出了物理规律。” 这背后发生了什么？AI很可能从海量视频中提取出了关于物质行为的某种底层结构，一个可以被学习的“低维流形”。如果这个猜想成立，那么我们所处的大部分现实，可能都存在这样的“捷径”等待被发现。 Veo与游戏世界：AI正在构建“世界模型” Veo对物理世界的直观理解，让许多人（包括Hassabis自己）都感到惊讶。这动摇了一个长期以来的观念：要理解物理世界，AI必须是一个能与世界互动的机器人（即所谓的“具身智能”）。 但Veo证明，通过被动观察，同样可以学到深刻的物理直觉，就像一个孩子通过观察来理解世界一样。它不一定能写出物理公式，但它“知道”物体应该如何运动、光线应该如何反射。 这不仅仅是为了生成酷炫的视频。当这种模拟变得足够逼真，并且能够实时交互时，我们就离Hassabis心中的“圣杯”——一个真正的世界模型——不远了。 这自然而然地引向了他最初的挚爱：电子游戏。 Hassabis在青少年时期就是一名出色的游戏AI设计师，他参与制作的《主题公园》（Theme Park）和《黑与白》（Black & White）等都是开放世界游戏的先驱。他一直梦想着创造一个真正自由的、由玩家和AI共同叙事的游戏。 在过去，这几乎是不可能的。开发者无法为玩家每一个可能的选择都预先创造好内容，所谓的“选择”往往只是假象。但现在，情况不同了。 “想象一个交互版的Veo，再把它快进五到十年。我们可能正处在一个新时代的风口浪尖上。AI系统将能够围绕你的想象力动态地创造内容，无论你选择做什么，它都能生成引人入胜的故事情节。这将是终极版的‘选择你自己的冒险’游戏。” 这是一种深度的个性化体验。你打开的每一扇门背后的世界，都是为你即时生成的，独一无二。对于像Hassabis和伊隆·马斯克这样的资深玩家来说，这无疑是终极梦想。Hassabis甚至开玩笑说，等AGI被安全地引导到世界之后，他的“退休”计划之一就是投身于物理理论，另一个就是用AI技术做一款这样的游戏。在他看来，这两件事是相通的——因为一个尽可能真实的模拟游戏，本身就是对“宇宙是什么”以及“P vs NP”这些终极问题的探索。 AGI之路：不只是扩大规模，还需要“品味”和“顿悟” Hassabis乐观地预测，我们有50%的可能在2030年前实现通用人工智能（AGI）。但他设定的标准非常高：AGI必须具备人类大脑那样的全面认知能力，而不是在某些方面超强、在另一些方面却漏洞百出的“锯齿状智能”。...

本文整理自 Theo 在旧金山 OpenAI 的办公室对 OpenAI CEO Sam Altman 的访谈，访谈中讨论了快速开发人工智能的利弊，这些新技术将如何永远改变我们对“工作”的看法，以及围绕人机融合的伦理争论。 走进OpenAI的办公室，你可能期待的是一个充满未来感的科幻堡垒，有激光防护网和需要刷卡进入的层层关卡。但实际上，这里给人的感觉更像一个舒适的乡间别墅，温馨而放松。这或许是山姆·奥特曼（Sam Altman）有意为之——这位被誉为“科技领主”的男人，正处在这场可能重塑人类历史的技术风暴中心。 最近，在一次难得的轻松对话中，奥特曼放下CEO的身份，展现了他作为一位新晋父亲、一个对未来既兴奋又敬畏的思考者的多面性。他聊的不仅仅是代码和模型，更多的是关于人性、希望和那些连他自己也无法回答的终极问题。 成为父亲：在AI时代，我们如何看待“人性”？ 谈话是从一个非常人性化的话题开始的：奥特曼的儿子。他坦言，成为父亲的体验“比想象中好太多了”。看着一个四个月大的小生命以惊人的速度学习新技能——从抓握物体到在两只小手间传递，这种变化的速度让他着迷。 “我知道，这一切都是进化精心设计的神经化学魔法，让我们对婴儿着迷，”他笑着承认，“但我就是喜欢这种感觉，它太强烈了。” 这种新身份也让他对生活的权衡有了新的感悟。他现在的生活几乎被工作和家庭填满，那些曾经被视作理所当然的“说走就走的国际旅行”已经变成了遥远的回忆。但他对此心甘情愿，甚至感到无比幸福。“我完全接受这笔交易，我太开心了。” 当被问及一个颇具未来感的问题——我们的后代是否会在实验室里被“孕育”时，奥特曼的反应很微妙。他理智上能理解其优势：更健康、更安全。但情感上，他觉得“有点不对劲”。 这引出了他一个核心的观点：在一个科技日益科幻化的世界里，那些最深层、最本真的人类体验——家庭、爱、人与人之间的连接——反而会变得无比珍贵和神圣。 我们的孩子会好吗？关于教育和未来的饭碗 奥特曼觉得，他的儿子大概率不会上大学了。他自己也只读了一半大学就辍学了，和扎克伯格等许多科技大佬一样。他用一个流传已久的视频来解释他的看法：一个蹒跚学步的孩子，拿起一本杂志，却像操作iPad一样在上面滑动，因为在他看来，这本杂志就是一个“坏掉的iPad”。 “我的孩子将永远活在一个比他聪明的AI世界里，”奥特曼说，“就像我们从未经历过没有电脑的世界一样，他将永远无法想象一个没有超级智能工具的时代。” 在这种背景下，教育的形态必然会发生巨变。当知识可以随时被调用，死记硬背的重要性自然会下降，而利用工具进行思考和创新的能力将变得至关重要。 那么，父母该如何为孩子准备一个AI未来？奥特曼的回答出人意料：“我其实更担心父母，而不是孩子。” 他相信，伴随新技术长大的孩子天生就能适应，就像我们天生就会用电脑一样。真正的挑战在于那些已经习惯了旧有模式的成年人，他们需要重新学习如何在这个世界上工作和生活。 这并不意味着他对技术毫无担忧。他直言不讳地指出，短视频流带来的持续多巴胺冲击可能“正在以一种极深的方式搞乱孩子们的大脑发育”。 工作、财富和人生的意义 聊到AI对就业的冲击，这是每个人都关心的话题。一个历史系的学生，未来还能当历史学家吗？ 奥特曼认为，工作会进化，但不会消失。因为“人类对其他人着迷”。我们天生就关心故事、关心历史、关心彼此。所以，研究历史的职业会以某种新形式继续存在，就像一百年前没人能预测到“播客”或“AI公司CEO”会成为热门职业一样。 “有人问我，AI什么时候能取代你当OpenAI的CEO？我说，可能用不了多久，”他轻松地说，“我一点也不难过，我觉得这太棒了。我肯定能找到别的事情做。” 但真正的问题是，当大量工作被自动化后，人们如何维持生计？ 奥特曼提出了两种可能性： 普惠式赋能：像GPT-7这样的强大工具免费提供给所有人，极大地提升每个人的生产力，让每个人都能创造更多价值。 新的经济模式：如果大部分财富都流向了AI的所有者（比如OpenAI自己），那么社会将迅速要求建立新的分配机制。 他过去很推崇“全民基本收入”（UBI），但现在他有了更深的想法。他认为，人们需要的不仅仅是钱，更是能动性（agency）——一种参与和共同塑造未来的感觉。 “我不想要每月一张支票。我想要的是AI所创造价值的所有权份额，让我感觉自己参与其中。” 他提出了一个更激进的概念——“全民基本财富”（Universal Basic Wealth）。比如，将全球AI算力的一部分（他半开玩笑地用了“万亿级别的tokens”作比喻）平均分配给地球上的每一个人。每个人都拥有了这份“算力资产”，可以自己使用、出售或与他人合作，共同创造新的事业。 这引出了一个终极问题：如果AI能做所有事，人类的**人生意义（Purpose）**何在？ 奥特曼承认这是他经常思考的问题，但他保持乐观。他用历史类比：工业革命时，人们也曾恐慌工作会消失，但我们很快就创造出了新的需求和新的工作。从前为了生存而辛勤劳作的祖先，看待我们今天坐着聊天、做播客，会觉得这是“真正的工作”吗？或许不会。同样，一百年后的人们回顾我们，可能也会觉得我们的工作不值一提。 “但这正是人类进步的美妙之处，”他说，“每一代人都站在前人的肩膀上，生活变得越来越好，我们不断找到新的、更高层次的方式来服务彼此，寻找意义。” 直面恐惧：一个连奥特曼都感到“无用”的时刻 尽管乐观，奥特曼也毫不掩饰自己的恐惧。 “就在今天早上，我测试我们的新模型（GPT-5），我把一个我不太理解的复杂问题扔给它，它完美地解答了。”他靠在椅子上，那一刻他真实地感到了一种“哦，天哪，它来了”的冲击。 “在那一刻，我觉得自己相对于AI是无用的。那是一种很奇怪的感觉。” 他同样担心AI对用户心理健康的影响。人们已经开始把ChatGPT当作治疗师、生活教练，甚至AI伴侣。“我害怕这个，我还没有答案。” 另一个巨大的担忧是隐私和监控。随着AI变得越来越强大，政府可能会以安全为由，要求更多的监控。“我非常害怕这个，”他说，“我们必须捍卫隐私权。历史告诉我们，政府在这方面总是会走得太远。” AI竞赛的真相与未来图景 如今，科技巨头们都在进行一场激烈的AI竞赛，宛如新时代的F1方程式赛车。这场竞赛的终点是什么？奥特曼认为，大家并没有一个统一的目标。 早期的竞赛是关于“基准测试跑分”，就像过去电脑的“兆赫兹竞赛”。但现在，重点正在转向谁能真正为用户创造价值。至于终极目标，也许是能自我迭代的超级智能，也许是比全人类加起来还聪明的AI。奥特曼自己的里程碑是：“当我们宁愿把算力交给一个AI研究员，而不是我们最聪明的人类研究团队时，那将是一个完全不同的新时代。” 为了支撑这个未来，我们需要巨大的物理基础设施——数据中心。他描述了在德州阿比林市正在建设的一个1千兆瓦的数据中心，其规模之大，从空中看就像一块电脑主板。“我猜想，未来地球的很多地方都会被数据中心覆盖，或者，我们会把它们建到太空里去。” 而这一切都需要巨大的能源。奥特曼的答案是：核聚变。“我认为我们需要尽快实现核聚变。未来几十年，人类对智能和能源的需求将疯狂增长，我们最好找到解决方法。” 在对话的最后，奥特曼再次回到了那个核心的不确定性上。他坦言，他没有所有答案，也没有人有。 “我小时候总以为，这个世界上总有一些‘房间里的大人’，他们有全盘计划，知道一切会如何发展。后来我长大了，开始怀疑，可能根本没有‘大人’。现在，我自己成了那个‘房间里的大人’，我可以肯定地告诉你，没人知道未来会怎样。” 这或许就是与山姆·奥特曼交谈最让人感觉奇特的地方。他就像一个手握宇宙地图的向导，当你问他目的地是什么样时，他会坦诚地告诉你：“我也不完全清楚，但我们正在一步步探索，让我们一起去看看吧。” 这种坦诚，这种对未知的好奇与敬畏，或许比任何确定的答案都更能让我们理解我们所处的这个时代——一个充满无限可能，既令人兴奋又让人不安的伟大开端。

阿里巴巴 Qwen 团队发布的最新代码模型 Qwen3-Coder-480B-A35B-Instruct。该模型在代理式编程、长上下文处理和工具调用方面取得了显著进展。 模型规格 模型类型：因果语言模型 (Causal Language Models)。 参数规模：采用混合专家 (MoE) 架构，总参数量为 480B (4800亿)，单次推理激活 35B (350亿) 参数。 模型结构：包含 62 个层，160 个专家（每次激活 8 个），并使用分组查询注意力 (GQA) 机制。 上下文长度：原生支持 256K tokens，为处理大规模代码和文档提供了基础。 使用与集成 快速上手：官方建议使用最新版本的 transformers 库进行调用，并提供了详细的 Python 代码示例。 本地化支持：模型已得到 Ollama、LMStudio、MLX-LM、llama.cpp 等多种本地部署工具的支持。 内存管理：如果遇到内存不足 (OOM) 的问题，建议将上下文长度缩短（例如 32,768）。 代理式编码 (Agentic Coding) 工具调用：模型的核心优势之一是其出色的工具调用能力。用户可以像使用 OpenAI API 一样，轻松定义和调用自定义函数（工具）。 专用格式：模型采用了为函数调用特别设计的格式，以提升其作为代理的效率和准确性。 最佳实践 推荐参数：为获得最佳生成效果，建议设置 temperature=0.7, top_p=0.8, top_k=20, repetition_penalty=1.05。 输出长度：建议为大多数查询设置 64K tokens 的最大输出长度，以确保模型能完整地生成复杂代码或回答。 模型表现 Qwen3-Coder-480B-A35B-Instruct 上线近一周后，在 OpenRouter 上 Qwen 模型调用量翻了 5 倍，排名第四，仅次于 DeepSeek。在 HuggingFace 近七日 Trending 上 Qwen3-Coder 也位列第一。在LLMArena WebDev 上也和 Gemin 2....

本文是 Artificial Analysis 发布的《2025 年上半年 AI 采纳度调查报告》的亮点摘要。该调查收集了超过 1000 名 AI 用户的反馈，旨在揭示 AI 采纳和使用的最新趋势。 主要观点 根据 2025 年上半年的调查数据，AI 技术的采纳正从实验阶段迈向实际生产应用，呈现出快速成熟的趋势。企业在 AI 应用上日益多元化，平均考虑或使用的语言模型数量显著增加。在模型选择上，Google Gemini、xAI Grok 和开源模型 DeepSeek 的市场关注度大幅提升，改变了原有的市场格局。企业对 AI 的部署策略各不相同，呈现出自主构建、直接购买或混合模式并存的局面。此外，调查显示，如果数据托管在中国境外，多数组织对采用中国 AI 模型持开放态度。 关键细节 AI 采纳与应用场景 采纳成熟度：AI 正在从原型阶段走向规模化应用，已有 45% 的组织在生产环境中使用 AI。 构建 vs. 购买策略：在 AI 应用的获取方式上，32% 的组织选择自主构建，27% 选择直接购买成品，25% 采用混合策略。 核心应用领域：工程与研发（Engineering & R&D）是 AI 应用的首选领域，被 66% 的组织采纳。其次是客户支持（Customer Support）和市场营销（Sales & Marketing）。 主要挑战：超过 50% 的组织认为，模型智能水平（Intelligence）、可靠性（reliability）和成本（costs）是使用 AI 时面临的最大挑战。 热门应用工具： AI 聊天应用：ChatGPT 依然最受欢迎，Gemini 和 Claude 紧随其后。 AI 编程工具：GitHub Copilot 和 Cursor 在市场上占据绝对主导地位。 语言模型 (LLM) 模型偏好：Google Gemini 和 OpenAI GPT/o 系列模型是开发者的首选，约 80% 的受访者正在使用或考虑使用。DeepSeek 成为最受欢迎的开源权重模型。 市场份额变化：与 2024 年相比，Google Gemini (+49%)、DeepSeek (+53%) 和 xAI Grok (+31%) 的市场关注度显著增长，而 Meta Llama (-6%) 和 Mistral (-15%) 有所下滑。 模型多样化趋势：企业考虑或使用的 LLM 家族平均数量从 2024 年的 2....

本文深入分析了 2025 年主流开源大语言模型（LLM）的架构演进。作者指出，尽管这些新模型在宏观结构上与七年前的 GPT 架构相似，但在关键组件上进行了诸多重要改进。文章的核心目的在于剖析这些定义了当前旗舰模型的架构设计，而非关注基准测试性能或训练算法。 主要观点 文章的核心观点是，当前的大语言模型架构发展主要围绕着提升计算效率、增强模型容量和确保训练稳定性这三大主题进行。尽管没有颠覆性的结构变革，但通过对现有 Transformer 基础的精细打磨，研究者们实现了显著的性能与效率平衡。 混合专家模型（MoE）成为主流：为了在不显著增加推理成本的前提下大幅提升模型参数量（即模型容量），DeepSeek、Llama 4 和 Qwen3 等多个模型广泛采用了 Mixture-of-Experts (MoE) 稀疏架构。 注意力机制持续创新：为降低推理过程中的内存占用和计算量，各种高效的注意力机制被采用。Grouped-Query Attention (GQA) 已成为标准，DeepSeek 更是引入了 Multi-Head Latent Attention (MLA) 来压缩键值缓存（KV cache），而 Gemma 3 则通过 Sliding Window Attention 限制注意力范围以提升效率。 归一化策略的精细调整：为了提升训练过程的稳定性，模型开发者对归一化层（Normalization Layer）的位置和方式进行了新的探索。OLMo 2 采用了特定形式的 Post-Norm 布局，并引入 QK-Norm，Gemma 3 则同时使用 Pre-Norm 和 Post-Norm。 对位置编码的实验性探索：部分模型开始挑战传统的位置编码方案。例如，SmolLM3 实验性地采用了 No Positional Embeddings (NoPE)，旨在改善模型对不同序列长度的泛化能力。 关键细节 以下是支持上述观点的具体模型架构细节： DeepSeek V3 / R1 Multi-Head Latent Attention (MLA)：通过在存入 KV cache 前压缩键（key）和值（value）张量来节省内存，实验表明其性能优于 GQA 和 MHA。 Mixture-of-Experts (MoE)：模型总参数量高达 6710 亿（671B），但推理时每个 token 仅激活 9 个专家（1 个共享专家 + 8 个路由选择的专家），活跃参数仅为 370 亿（37B）。共享专家的设计有助于学习通用模式，提升了模型性能。 Kimi 2...

本文来自于 Meta CEO 马克·扎克伯格接受《The Information》杂志记者杰西卡·莱辛的采访视频，讨论了他对个人超级智能的愿景，以及这种愿景与当今世界对 AI 的理解有何不同。 采访还涵盖了扎克伯格部署资本的策略，以及他为何要将服务器安置在帐篷内。 扎克伯格摊牌了：我们的目标是“个人超级智能”，而且要不惜一切代价 最近，马克·扎克伯格似乎按下了AI军备竞赛的“狂暴”按钮。从疯狂招募顶尖AI人才、豪掷重金入股Scale AI，到宣布建造堪称巨无霸的超级计算机集群，Meta的一系列动作都在清晰地传递一个信号：他们要“All in” AI，而且是以前所未有的规模。 在与 The Information 的一次深度对话中，扎克伯格首次系统地阐述了Meta在这场AI终局之战中的独特愿景和激进打法。他不再满足于追赶，而是要定义一个全新的赛道——个人超级智能 (Personal Super Intelligence)。 不只是造工具，而是要给每个人一个“超强大脑” 当下的AI竞赛中，无论是OpenAI还是Google，大家似乎都更关注如何用AI解决“宏大问题”，比如自动化经济生产、赋能企业。但扎克伯格的思路显然不太一样。 他认为，AI就像早期的互联网，它的价值绝不限于生产力。人们生活中真正关心的，更多是人际关系、文化、创造力、娱乐和享受生活。这就是Meta想要聚焦的地方。 “我们的使命，是把个人超级智能带给世界上的每一个人，”扎克伯格说，“我们想把这种力量直接交到每个人的手中。” 这与竞争对手们想打造一个“中央超级智能”来解决宏大问题的思路形成了鲜明对比。扎克伯格描绘的未来是： AI是你的个人伙伴：它关心你生活中的琐事，而不仅仅是宏大的社会议题。 AI提升你的个人生活：它帮你维系人际关系，激发你的创造力，让生活更有趣。 AI增强你的认知能力：未来，不戴AI眼镜，可能就像近视眼不戴眼镜一样，处于一种“认知劣势”。 他举了一个生动的例子：我们每次和别人聊天，脑子里可能会闪过五件想后续跟进的事，但最后因为忙碌，能做一件就不错了。而在未来，你的AI眼镜会帮你记住这一切，甚至主动帮你跟进处理。 这种“个人化”的愿景，可以说是Meta这家以社交和连接起家的公司，在基因里就写好的。 弹药充足：用“钞能力”和极致算力吸引顶尖人才 要实现如此宏大的愿景，需要两样东西：顶级的人才和海量的算力。扎克伯格对此毫不含糊。 1. 人才争夺战：钱很重要，但不是全部 面对外界报道的数百万甚至上亿美元的“天价”薪酬包，扎克伯格虽然承认市场竞争激烈，但他透露了顶尖研究员们更看重的东西。 他说，现在招募这些顶级人才，他们想要的不再是管理多少人的“大团队”，而是恰恰相反——“最少的人，最多的GPU”。 这些天才希望在一个小而精悍的团队里，每个人都能将整个项目装进自己的脑袋，同时拥有几乎无限的计算资源来验证自己的疯狂想法。而这，正是Meta能够提供的核心吸引力。 “如果你要投入几千亿美元来构建计算集群，那么花点钱、不惜一切代价去争取那五六十个最顶尖的研究员，是完全说得通的。” 扎克伯格的逻辑很清晰：与庞大的硬件投入相比，人才招聘的成本反而是“小钱”。 2. 算力军备：不设上限的投入 当被问及资本支出（Capex）是否有上限时，扎克伯格的回答简单而霸气：“我们会看技术进展和结果再说。” 他认为，将资本转化为更优质的服务，是一种核心的竞争优势。Meta强大的业务模式能持续产生巨额现金流，这让他们有底气进行这种“可能长达数年，耗资数千亿”的投入，而许多竞争对手则需要为此不断融资。 为了在这场竞赛中跑得更快，Meta甚至颠覆了传统数据中心的建设方式。他们开创性地使用**“防飓风帐篷”**来快速搭建GPU集群，而不是等待耗时数年的钢筋混凝土建筑完工。 目前，Meta正在建设两个以希腊泰坦神命名的“泰坦”级数据中心——普罗米修斯（Prometheus）和许珀里翁（Hyperion）。其中，许珀里翁最终将扩展到惊人的5千兆瓦（5 GW），其占地面积甚至堪比一大部分曼哈顿。 扎克伯格的目标很明确：打造全球最庞大的计算集群，并实现“人均算力”的遥遥领先。 AI的终极形态：透过你的眼睛看世界 那么，这个“个人超级智能”最终会以什么形态出现呢？扎克伯格的答案，与他多年前就下注的另一项技术紧密相连——智能眼镜。 他坚信，智能眼镜是AI的最佳载体，因为： 它能看到你所见，听到你所闻，真正理解你所处的环境和上下文。 它能与你全天候对话，成为一个无缝的交互入口。 未来，它能直接在你眼前生成全息影像和交互界面，提供即时信息和帮助。 这让Meta在Reality Labs上的长期巨额投资，与当下的AI战略完美地串联起来，形成了一个从硬件到软件再到服务的闭环。 一场严肃的豪赌 在采访后的讨论中，记者Jessica Lessin敏锐地捕捉到了扎克伯格的变化。他当天穿着一件有领子的衬衫，虽然看似随意，但在熟悉他的人看来，这是一种“严肃”的信号——就像他曾在Facebook面临严峻挑战时，坚持每天打领带上班一样。 这次，扎克伯格是认真的。他不再是被动应对，而是主动出击，试图为Meta，也为整个科技行业，划定下一代计算平台的战场。 当然，一个巨大的问题仍然悬而未决：当“个人超级智能”真的实现时，它的商业模式是什么？如何为这项耗资千亿的服务买单？ 这或许是这场“AI热夏”中最激动人心，也最充满未知的问题。但可以肯定的是，扎克伯格已经摆好棋局，押上重注。这不仅关乎Meta的未来，也可能从根本上改变我们每个人与技术互动的方式。我们都在拭目以待。

本文来自于是谷歌前首席执行官、Relativity Space 执行主席兼首席执行官 埃里克·施密特在 2025 年巴黎 RAISE 峰会上的炉边谈话。访谈中施密特谈论的内容从 AGI 的时间表到硅谷地缘政治，从递归自我改进到万亿美元的资本支出竞赛等。 埃里克·施密特：我们正处在一个新纪元的黎明，而大多数人还没准备好 当埃里克·施密特（Eric Schmidt）——这位前谷歌CEO，科技界的重量级人物——登台时，他带来的不是又一个关于AI如何提升效率的商业演讲。他带来的是一个更宏大、也更令人不安的宣告：我们正站在一个全新纪元的门槛上，其深刻程度堪比“启蒙运动”，而绝大多数人，尤其是各国领导者，对此毫无准备。 这个观点并非一时兴起。施密特与已故的外交巨擘亨利·基辛格（Henry Kissinger）合著了《AI世纪》（The Age of AI）一书，书中早已埋下伏笔。基辛格曾将我们现在所经历的，与人类从信仰神明转向运用理性的“启蒙运动”相提并论。而现在，我们迎来的，是一种全新的、非人类的智能。 施密特认为，人们对AI最大的误解，就是还停留在两年前ChatGPT刚问世时的印象里。他直言不讳地对各国政府说：“第一，这玩意儿已经不是那个ChatGPT了，一切都变了。第二，你们根本没准备好。第三，你们最好赶紧围绕它组织起来，无论是好的方面，还是坏的方面。” “旧金山共识”：三年内，世界将天翻地覆 施密特最近提出了一个新词——“旧金山共识”（The San Francisco Consensus）。这听起来像个圈内黑话，但背后却是硅谷核心圈子里一群人的共同信念。 这个共识的核心观点是：在未来两到四年内（平均说法是三年），整个世界将被彻底改变。 听起来有点夸张？让我们看看这个论证是如何展开的： 第一步：智能体革命（The Agentic Revolution） 我们已经有了大型语言模型（LLM），比如ChatGPT。但真正的变革在于，当这些模型被赋予记忆和推理能力时，它们就变成了“智能体”（Agents）。 施密特用一个生动的例子解释了这一点：假设你想在加州建一栋新房子。你可以部署一系列智能体： 智能体A：负责寻找合适的地皮。 智能体B：研究当地所有的建筑法规。 智能体C：设计建筑蓝图。 智能体D：挑选并雇佣承包商。 （施密特开玩笑说）智能体E：如果房子建砸了，负责起诉承包商。 这个看似简单的流程，其实可以套用到任何商业、政府乃至个人活动中。这就是“智能体革命”，它将重塑我们作为人类的工作方式。 第二步：推理革命（The Reasoning Revolution） 这才是更令人震撼的部分。最新的AI模型（如GPT-4o）已经展示出惊人的推理能力，你甚至可以看它在解决一个复杂问题时来回思考、自我纠正。谷歌的一个数学模型，其解题能力已经达到了数学专业研究生的前10%水平。 可以毫不夸张地说，我们现在的AI系统，在许多高等学科（数学、物理等）上的能力，已经能媲美90%的人类顶尖学者。 从 AGI 到超级智能：我们离“魔法”还有多远？ 当“智能体革命”和“推理革命”结合，并引入一个关键概念——递归式自我完善（Recursive Self-Improvement）时，一切就变得不可预测了。 这指的是系统开始自我学习、自我改进，其进步速度会以一种我们人类无法理解的组合方式爆炸式增长。 这引出了两个关键的未来阶段： 通用人工智能 (AGI)：这是指AI拥有了像人一样的“自由意志”和通用智能。它早上“醒来”，可以自己决定去学什么、探索什么。施密特个人预测，这将在未来四到六年内实现。 超级智能 (Superintelligence)：这是指AI的智能超越了所有人类智慧的总和。如何判断我们是否达到了这个阶段？施密特给出了一个绝妙的测试标准：当AI能够证明一个我们已知为真、但任何人类（哪怕是全人类加起来）都无法理解其证明过程的命题时，超级智能就到来了。 基辛格曾问过一个深刻的问题：那是什么？是魔法吗？当人们亲眼目睹这种自己无法理解的力量时，很可能会因为恐惧而拿起武器反对它。施密特认为，这一天在十年内就可能到来。 这也带来了严峻的国家安全问题。想象一下，如果一个国家拥有了一百万个不知疲倦、不吃不喝、24小时工作的AI研究员，它的创新速度将呈指数级增长。这会让它的对手感到，一旦落后，就再也无法追赶，从而可能引发先发制人的冲突。 算力即战略：一场全球性的 AI 权力游戏 要实现这一切，背后需要的是天文数字般的算力投入和资本支出（Capex）。很多人觉得这像一场泡沫，行业高管们嘴上也说着“我们在过度建设”，但私下里都认为“倒霉的会是别人，我的投资没问题”。 施密特认为这可能不是泡沫。他引用了一句硅谷的老话：“格鲁夫给予的，盖茨会带走。”（Grove giveth and Gates taketh away），意思是硬件（英特尔的安迪·格鲁夫）性能的提升，总会被软件（微软的比尔·盖茨）无尽的新功能所消耗掉。历史上，硬件的容量从未被浪费过。 这场算力竞赛，也正在重塑全球的AI权力格局。 美国模式：资本雄厚，公司倾向于建立庞大的数据中心，提供功能强大的闭源服务。 中国模式：恰恰相反，在Deepseek等项目的引领下，中国正大力发展开源、开放权重的模型，背后很可能有政府资金的支持。 这会带来一个非常有趣的局面：未来，西方国家可能拥有最先进的AI模型，但世界上大多数国家和用户使用的，却可能是来自中国的开源模型。这其中蕴含的地缘政治风险，我们才刚刚开始思考。 唯一会让你失败的，是行动太慢 回顾过去，施密特坦言，他在谷歌领导安卓系统应对移动互联网浪潮时，犯下的每一个错误，归根结底都是时间的错误。...

本文来自于红杉资本对 OpenAI ChatGPT Agent 团队的访谈视频。团队成员 Isa Fulford、Casey Chu 和 Edward Sun 揭示了他们如何将 Deep Research 和 Operator 结合成一个强大的 AI 代理，该代理能够执行持续长达一小时的复杂多步骤任务。通过为模型提供访问虚拟计算机的权限，该计算机具有文本浏览、视觉浏览、终端访问和 API 集成功能，并且所有这些功能都共享状态，他们创造了可能首个真正具身化的 AI 助手。该团队讨论了他们的强化学习方法、用于现实世界行动的安全缓解措施，以及小型团队如何通过密切的研究应用协作来构建变革性的生成式 AI 产品。 深入 OpenAI 全新超级智能体：一场与创作者的对话 想象一下，如果有一个 AI 不仅能为你深度研究一个课题，还能顺手帮你预订机票、制作一份精美的幻灯片，甚至为幻灯片生成配图。这听起来像是科幻电影里的情节，但这正是 OpenAI 一个小型精英团队正在实现的目标。 我们有幸与这个新项目背后的核心成员——来自 OpenAI 的 Issa Fulford、Casey Chu 和 Edward Sun 聊了聊。他们分享了这个全新“智能体（Agent）”的诞生故事，它的强大能力，以及未来激动人心的可能性。 “天作之合”：一切的起点 故事要从 OpenAI 的两个明星项目说起：Deep Research 和 Operator。 Deep Research 就像一个学霸研究员。它擅长通过纯文本浏览器高效地阅读海量信息、浏览网页、综合内容，并最终生成一份带引用的详尽研究报告。 Operator 则更像一个动手能力超强的助理。它拥有一个完整的图形界面（GUI）浏览器，可以像真人一样点击、滚动、拖拽、填写表单，帮你完成在线购物、预订等需要实际操作的任务。 “我们当时各自规划着产品路线图，然后突然意识到，‘嘿，这简直是天作之合！’” Casey 回忆道。 团队发现，用户常常需要一个能“先研究，再行动”的工具。比如，一个常见的需求是“帮我研究一下去某个地方的旅行计划，然后帮我预订。” Deep Research 能做前者，Operator 能做后者，但两者是割裂的。 同时，两个产品也各有短板：Deep Research 无法处理需要登录或交互性强的网站，而 Operator 在处理长篇文本时效率不高。将两者结合，让它们互补，成了一个再自然不过的想法。 不只是 1+1=2：超级智能体的全能工具箱 简单地把两个东西粘在一起可不够。团队的目标是实现“1+1=3”的效果。他们不仅融合了 Deep Research 和 Operator 的核心能力，还扔进了一大堆能想到的实用工具，把它们全部集成在一个共享的虚拟计算机环境中。...

2025 年 7 月 17日，OpenAI 发布 ChatGPT Agent 功能，这是一个统一的 Agent 系统，它能利用自己的虚拟计算机和多种工具，处理从数据分析、网络研究到任务执行的复杂工作流程。该功能融合了 OpenAI 年初发布的两个 Agent 功能： Operator 的网页交互能力和 DeepResearch 的深度分析能力，并引入了新工具，使其能够在一个统一的界面中完成更广泛、更复杂的任务。 关键细节 核心功能与工作方式 任务执行能力： 用户可以要求 ChatGPT agent 执行诸如“分析竞争对手并创建幻灯片”、“规划并预订旅行”或“根据最新新闻为我简报即将到来的客户会议”等复杂任务。 工具套件： 它配备了一套综合工具，包括可视化浏览器、文本浏览器、终端和 API 访问权限，使其能够智能地选择最高效的方式来完成任务。 协同工作流程： ChatGPT agent 支持与用户进行迭代式协作。它会在需要时主动向用户请求更多信息，用户也可以随时介入以澄清指令或调整任务方向。 性能与基准测试 业界顶尖表现： 在多个衡量真实世界任务能力的基准测试中，ChatGPT agent 的表现均达到了新的业界顶尖（SOTA）水平，显著优于之前的模型，在某些任务上甚至超过了人类专家。 具体数据： 在 Humanity’s Last Exam（专家级问题测试）中，得分达到 41.6%。 在 DSBench（数据科学任务）上，准确率达到 89.9%，显著超越人类表现。 在 BrowseComp（网络浏览信息定位）中，准确率达到 68.9%，比 deep research 高出 17.4 个百分点。 风险与安全措施 应对新风险： 该功能引入了新的风险，如处理敏感数据和防范“提示词注入”（prompt injection）攻击。 多层安全防护： 用户确认： 在进行购买等有实际影响的操作前，必须获得用户的明确许可。 主动监督： 发送邮件等关键任务需要用户在“观察模式”（Watch Mode）下进行监督。 风险规避： 模型被训练以主动拒绝银行转账等高风险请求。 生物安全： 由于能力增强，该模型被置于最高级别的生物安全防护之下。 可用性与当前限制 推出范围： 该功能已开始向 Pro、Plus 和 Team 用户推出，Pro 用户每月有 400 条消息的使用额度。其他付费用户每月有 40 条消息，额外用量可通过灵活的基于积分的选项获得。 功能局限： ChatGPT agent 仍处于早期阶段，有时可能会出错。 幻灯片生成功能尚处于 beta 测试阶段，生成的内容在格式和美观度上可能较为基础。 原文：推出 ChatGPT 智能体：连接研究与行动 ChatGPT 现已具备思考和行动的能力，能主动从一系列智能体技能中进行选择，使用其自己的计算机为您完成任务。...