核心观点 - 智能的增长不再依赖于芯片速度的提升（摩尔定律失效），而是通过计算结构的重组与扩展，即更多计算单元接入同一套并行协作网络来实现 [1][7][16] 智能增长范式的转变 - 传统路径认为芯片速度提升直接导致智能增强，但芯片频率和制程在2020年左右已逼近极限 [1] - 尽管计算速度停滞，人工智能（特别是大模型）的能力却在2020年后疯狂升级和迭代，这与摩尔定律的预测相悖 [1][7] - 智能进化的新路径是“结构合并与协作”，而非“加速” [1] 智能的本质与生物类比 - 智能的核心是预测能力，生物的所有行动都是基于对环境和他者的未来判断 [4] - 智能的提升并非依靠“让单个大脑变快”，而是通过“让更多单元一起参与预测” [6] - 大型社会性物种通过分工和并行处理信息，形成远超个体上限的“集体智能”，这为理解AI发展提供了模型 [6] AI发展的新范式：规模与协作 - 过去十年大模型的跃迁，主因是算力的并行、扩展与集结，而非单个芯片变快 [6] - 模型依靠规模提升预测能力，数据中心通过多节点协作完成单机不可能的任务 [6] - 这种现象被Nature称为“技术版的共生生成”，AI遵循着智能自身的历史发展节奏 [6] - OpenAI联合创始人Ilya Sutskever将这种现象称为“由规模触发的智能”，许多新能力是在模型规模足够大时自动涌现的 [7] 计算架构的转向与影响 - 过去十多年，计算架构从追求速度增长转向核心数量扩张，显卡、集群、数据中心被设计为天生适合并行 [8] - 现代神经网络依赖大量简单计算单元的同步工作，而非某个神奇的单点能力 [8] - 智能出现在结构规模的变化中，而不是硬件本身的极限，这与生命从细胞到社会的演化方式高度相似 [8] 未来智能的形态：分布式与共生 - 未来的智能形态是一种“分布式心智”，不会具体落在某个模型或主体上，而是通过不断扩展的协作网络形成 [12][14] - 人类与机器将形成相互依存的技术共生关系，人类提供目标与世界模型，机器提供规模化预测和执行能力，两者在循环中共同调整 [11][12] - 智能的未来并非人类与机器的替代关系，而是演化史的延伸，AI与人类共同构成了一个更大的、刚刚开始学习的整体 [16] - 智能的增长脉络是结构的重新组织与更多节点的接入，使同一系统获得更高层级的能力，AI是这一脉络向前延伸的必然结果 [16]