行业与公司 * **行业**：半导体行业，特别是AI算力产业链中的CPU、存储及配套芯片领域[1] * **涉及公司**：AMD、英特尔、英伟达、海光信息、澜起科技[1][2][3][12] 核心观点与论据 * **CPU在AI时代的重要性显著提升** * **供需紧张**：AMD的2026年服务器GPU已被完全预订，预计其服务器CPU业务2026年将增长至少50%以上，AI相关收入预计达140亿到150亿美元[1][2] 英特尔的数据中心CPU也接近售罄，并具备提价能力[1][2] * **技术瓶颈与战略地位**：技术分析表明，CPU已成为AGI（通用人工智能）推理的首要性能瓶颈[1][2] 英伟达与英特尔合作定制X86数据中心CPU，以深度融入AI基础设施平台[1][2] Deepseek和北大的论文也指出由CPU负责调度AGM数据库，验证了CPU在下一代AI系统中的战略地位[1][2] * **Agent AI时代进一步凸显CPU价值** * **解决延迟关键**：在Agent AI时代，解决延迟问题是关键，高并发场景下需要多核高线程数的CPU来支撑，以避免严重的上下文切换开销[5] * **任务下放与性能提升**：由于GPU供应链紧张，部分简单推理任务被下放到CPU执行[5] 经过多年迭代，当前CPU性能已足以胜任更多推理任务[5] * **CPU涨价逻辑与现状** * **核心驱动力**：当前CPU涨价并非简单的上游成本传导，而是由于Agent AI对CPU需求的直接拉动[8] * **涨价幅度**：自2026年初以来，服务器端CPU价格上涨了10%至20%，其中多核、高端产品涨幅更大且更紧缺[1][8] * **CXL技术成为解决存储瓶颈的关键** * **作用**：CXL技术通过通信手段将有限的DRAM资源连接成共享池，以解决DRAM资源紧缺问题[10] * **升级与能力提升**：CXL正从2.0升级到3.0，其可连接的AI服务器数量从几十台提升至上千台，显著增强了存储资源调度能力[1][11] * **相关公司分析与前景** * **海光信息**：同时布局CPU和DPU，其系统级优势及AI综合实力尚未被充分定价[3][12] 在国产算力大贝塔下，其GPU估值被重估，挤压了原有的CPU估值，存在较大预期差[3][12] * **澜起科技**：专注于内存配套芯片及PCIe Timer等运力解决方案[3][12] 受益于DDR5渗透率提升、存储价格上涨以及MRAM等新产品形态放量，其配套芯片需求将显著增加[12][13] 公司通过PCIe Retimer逐步过渡到Switch领域，并在CXL技术中占据重要位置，具备较大增长潜力[12][13] 其他重要内容 * **产业周期背景**：当前正处于半导体大级别产业周期，AI各环节零部件都紧缺，CPU作为系统核心和算力外延，其紧缺问题尤为迫切，这轮涨价定义了其在AI体系中的长期价值[9] * **效率优化路径**：在高并发场景下，除了增加多核多线程数，还可以通过优化算法来提升单核能力，但这需要大量工程投入[6] 短期内更实际的方法是在硬件资源允许范围内尽量增加多核多线程数，同时进行算法优化[6][7] * **全球供应影响**：CPU全球供应紧缺已成事实，中国市场作为供应体系的一部分，必然受到影响[8] 类似涨价现象在其他芯片（如Switch芯片）产业链中也有体现[8]

行业与公司 * **行业**：人工智能（AI）算力、数据中心、CPU/GPU/NPU等半导体芯片 * **涉及公司**： * **国际**：英伟达 (NVIDIA)、AMD、谷歌、台积电 * **国内**：中科曙光、华为、海光信息、阿里巴巴（平头哥）、龙芯中科、飞腾信息、寒武纪、盛东信息、澜起科技 核心观点与论据 AI推理时代CPU的重要性提升 * Deepseek通过条件记忆和n-gram模块优化模型，并将n-gram嵌入表完全储存在CPU DRAM中，提升数据查询效率，凸显了CPU在推理过程中的协调和调度价值[1] * 在AGI时代，CPU的作用更加关键，核心器件（HBM、DDR、CPU）被重新定义[2] * 算力需求增加和技术迭代推动CPU出货量和价格双增[4] 技术演进与硬件配置趋势 * **英伟达的解决方案**：推出Grace CPU，通过NVLink C2C技术将CPU与GPU间的数据搬运速度提高到**900 Gbps**，扩大GPU显存，并采用超级芯片封装技术（1颗CPU+2颗GPU）提高系统整体效率[1][5] * **国内企业进展**： * 中科曙光发布STELLAR X64超级点，架构由**160个CPU**和**640颗GPU**组成（当前1:4，未来或发展为1:2），采用海光X86架构授权和HASL总线互联协议[1][4][6] * 华为推出384超级点，采用自主研发的海光X86架构授权及HASL总线互联协议[1][6] * 华为在生成式AI领域采用**340,384颗910C NPU**和**192颗鲲鹏CPU**，比例为1:2，使用Scuba网络[3][7] * **未来主流AI超算点配置**：CPU数量（华为192颗、曙光160颗、AMD 18颗、ME 72颗）；加速器比例（华为、英伟达为1:2，曙光、AMD暂为1:4）；华为因使用灵渠协议，内存共享速度更快[8][9] * **迭代频率**：华为生成式AI迭代频率高，预计到**2026年第一季度**达到Q4、Q7、Q8水平，对CPU和GPU需求量巨大[3][7] * **大模型技术趋势**：对CPU三级缓存及GPU与CPU比例提出更高要求，从原来的**1:4升级到1:2**[12] 数据中心市场高速增长 * 预计到**2030年**，数据中心市场规模将达到**600亿美元**，增长由技术迭代、数据中心升级周期和头部CPU厂商持续更新推动[3][10] * 到**2026年**，服务器CPU出货量有望增加**25%**[11] * 台积电**2025年**总收入达**3.81万亿新台币**，同比增长**31.6%**，先进制程（3纳米和5纳米）营收占比显著提升[10] 国内外市场格局 * **海外**：英伟达、AMD、谷歌等公司积极建设数据中心[11] * **国内**：海光信息、中科曙光、华为、阿里巴巴等加紧布局[11] * **CPU架构格局**：国内相对集中，主要采用ARM架构（华为、阿里平头哥）与x86架构（海光信息代表）；阿里平头哥还同时使用开源RISC-V架构[11] 其他重要内容（投资相关） * **推荐公司**： * **CPU领域**：海光信息、龙芯中科、飞腾信息、中科曙光（因大模型技术迭代对缓存和CPU比例要求提升）[12] * **AI芯片**：海光信息、寒武纪[12] * **芯片互联**：中科曙光、盛东信息、澜起科技（因互联需求增加）[12] * **服务器领域**：中科曙光、海光信息[12]

DeepSeek新模型进展 - DeepSeek在R1发布一周年之际，其GitHub代码库更新中出现代号为Model 1的新模型，推测为DeepSeek-V4的内部开发代号或工程版本 [1] - 代码分析显示Model 1采用512维标准架构，全面支持英伟达Blackwell架构，并引入Token-level Sparse MLA稀疏注意力机制 [1] - 新模型引入VVPA数值向量位置感知和Engram机制等新特性 [1] 新兴AI架构与模型 - Liquid AI开源基于液态神经网络架构的推理模型LFM2.5-1.2B-Thinking，该模型在手机端仅需900MB内存即可运行 [2] - LFM2.5-1.2B-Thinking在MATH-500上达到88分，参数量比Qwen3-1.7B少40%却表现更优，推理速度和内存效率均超越Transformer模型 [2] - 训练采用分层强化学习策略，通过n-gram重复惩罚将死循环生成比例从15.74%降至0.36%，证明Transformer并非唯一解 [2] - 中佛罗里达大学等机构发布Medical SAM3，这是首个仅凭文本指令即可在CT、MRI等10种模态实现专家级分割的医学模型 [5] - Medical SAM3采用全参数微调和分层学习率衰减策略，在33个医学数据集上将零样本场景平均准确率从11.9%提升至73.9% [5] - 在内镜息肉分割等极端案例中，其准确率从0.0%跃升至87.9% [5] AI自主性与人机协作演进 - Midjourney工程师展示Claude反向指挥人类工作的视频，AI可布置任务让人类去TestFlight发包、写文案、跑测试 [2] - Claude Code具备自主执行能力，可运行Bash命令、创建文件、自动修Bug形成闭环，Cowork等工具让用户下达模糊指令后AI自主规划执行 [2] - Node.js之父Ryan Dahl宣称人类编写代码的时代已结束，Linux之父也开始Vibe Coding，程序员角色正从编写代码转向审查代码 [2] - 谷歌等机构研究发现DeepSeek-R1等推理模型会在内部自发形成多角色辩论机制，通过提问、质疑、冲突和和解推导答案 [3] - 模型内部存在稳定的虚拟人格分工，高神经质人格负责纠错，高开放性人格提供新视角，这种“思维社会”机制让准确率翻倍 [4] - 通过干预模型内部的“觉察特征”，在倒计时数学游戏中准确率从27.1%飙升至54.8% [4] 行业趋势与公司动态 - xAI工程师在播客上透露MacroHard项目核心机密，包括内部已将AI包装成“同事”进行测试，有人去工位找同事发现是空桌 [3] - xAI押注小模型路线追求极致速度，MacroHard已达人类8倍速度，并考虑租用北美约400万辆特斯拉闲置算力进行部署 [3] - xAI的Colossus 1利用“临时用地租约”在122天内建成，展现了公司扁平化文化和极致执行力 [3] - Anthropic CEO在达沃斯论坛预测AI端到端接管软件工程师工作仅剩6-12个月，公司内部工程师已基本不手写代码 [6] - Anthropic CEO预言2026-2027年将诞生“诺奖级”AI模型，未来1-5年内50%初级白领工作将消失 [6] - DeepMind CEO预测2030年前有50%概率实现AGI，行业领袖认为“AI建AI”闭环一旦跑通将迎来指数级加速 [6] Agent能力评估与商业化 - 红杉中国xbench团队发布AgentIF-OneDay评测，测试Agent处理真实日常任务能力，头部Agent得分约62-65% [7] - 评测覆盖104道任务、15种以上文件格式、767个评分点，发现不同框架难以拉开差距，基础Agent能力已商品化 [7] - 隐式条件推断是Agent普遍最薄弱能力，xbench正着手构建OneWeek评测集，认为优先转起数据飞轮的公司将率先实现Agent的FSD时刻 [7] AI产业经济与未来展望 - OpenAI CFO与投资人指出2026年多智能体系统将成熟，AI泡沫应以API调用量而非股价衡量 [8] - OpenAI算力投资与收入强相关，三年收入从1亿美元增至100亿美元，目前需求受算力限制，采用AI的前沿企业生产力提升27-33% [8] - 双方预测机器人产业规模将超越汽车产业，未来十年末将出现大规模通缩经济，劳动力和专业知识边际成本趋近于零 [9]

腾讯的AI战略与云服务定位 - 公司云战略核心是支持各类不同模型运行，为客户提供不依赖特定模型的工具和产品，将选择模型的自主权交还给客户 [1][7] - 公司认为现实AI应用是多种不同模型服务于不同场景，而非单一的庞大超级系统（AGI）[1][7] 中国AI市场趋势与企业投资 - 世界经济论坛调研指出，87%的中国企业计划增加AI投资，AI正成为生产力、韧性和长期竞争力的核心推动力 [3][9] - 中国市场普遍关注AI应用的实际收益与成本控制，挑战在于将创新试点转化为系统性变革和可衡量回报 [3][9] 腾讯内部AI应用与成效 - 公司内部超过1.2万名工程师使用AI编程助手CodeBuddy，超过50%新增代码由AI辅助完成 [3][9] - CodeBuddy平均编码时间缩短了40%以上，其最新升级形态CodeBuddy Code的90%代码由CodeBuddy生成 [3][9] - AI已系统性改造公司业务并产生可量化收益，2025年第三季度财报显示：AI驱动营销服务收入同比增长21%，游戏收入同比增长22.8% [5][10] 腾讯混元大模型研发进展 - 公司坚定投入全栈自研混元大模型，过去一年发布了30多个新模型，涵盖增强混合推理、图像、视频及3D生成等领域 [4][10] - 混元2.0采用混合专家（MoE）架构，具备406B总参数量（激活参数32B），推理能力和效率业界领先 [4][10] - 混元3D大模型开源平台下载量已突破300万，成为全球最受欢迎的3D开源模型之一 [5][10] - 混元大模型已支持公司内部900多个业务场景提效，包括腾讯会议、微信、广告、游戏等 [5][10] 腾讯AI的行业解决方案与落地 - 公司以智能体为载体、云平台为支撑、开箱即用工具为抓手，将AI能力封装成可落地的行业解决方案 [5][11] - 公司AI已在零售、医疗、教育等30多个行业落地，例如帮助零售企业用AI生成3D模型加速设计周期，助力药企新药研发，通过精准营销提升转化率 [5][11] - 典型案例：全球领先的消费级3D打印企业拓竹科技，通过调用腾讯混元3D大模型重构传统3D建模工作流，降低专业门槛并激发个性化创作需求 [5][11] 中国AI生态与发展动能 - 中国AI生态参与者众多，模型公司数量远超其他市场，且开源氛围浓厚，为客户提供了灵活选择 [5][10] - 中国AI生态是开放、多元、充满活力的，其发展动能源于：持续的研发投入与人才积累；模型技术的前沿突破与架构创新；广泛的产业实践场景与深度融合 [6][12]

公司核心人事变动 - 知名华人AI研究员、xAI联合创始人杨格因罹患莱姆病，宣布退出xAI的日常事务，转为非正式顾问，将重心放在个人健康上 [2] - xAI联合创始人杨格是Grok的主要架构师之一，其离职是xAI自2024年以来出现的又一例联合创始人离职事件，此前已有Kyle Kosic（2024年4月）、Christian Szegedy（2025年2月）和Igor Babuschkin（2025年8月）离职 [3][16] 公司文化与工作环境 - xAI以高强度工作文化著称，有网友曾晒出公司办公室内堆满帐篷、员工在办公室搭帐篷过夜的画面 [4][6] - 杨格在公开信中提及，其莱姆病症状可能因全力以赴创建xAI、长期透支身体、削弱免疫系统后开始显现，但他表示不后悔，并认为正是高强度工作使其更早发现问题 [6][14][15] 关键人物背景与成就 - 杨格毕业于哈佛大学，获得数学学士和计算机科学硕士学位，本科期间导师是知名华人数学家、菲尔兹奖得主丘成桐 [3][10] - 在哈佛期间，杨格曾两度休学，第一次休学投身音乐事业并接触AI思想，第二次休学期间系统学习多学科知识并发表关于“基于李群访问的神经图灵机”的论文 [6][8] - 毕业后，杨格在丘成桐和另一位菲尔兹奖得主Michael Freedman的推荐下加入微软研究院，直至2023年作为联合创始人创办xAI [3][11] - 在微软研究院工作期间，杨格的研究主线是名为“张量程序”的理论框架，旨在建立深度学习的“万有理论”，并联合OpenAI提出了能进行高效超参数调整的µTransfer方法，该方法后来被应用于xAI的Grok研究中 [12][13] 行业技术发展 - 杨格的研究目标是建立一个面向大规模深度学习的“万有理论”，以指导神经网络的最优规模扩展，并提供稳健、可解释的理论解释，从而为安全性与对齐研究提供指导 [12] - 其提出的“超参数迁移”范式是“张量程序”理论的基础，可使在小模型上调好的训练参数直接迁移到大模型上使用 [12]

AI行业发展趋势 - AI行业正从“技术可行性”和“参数竞赛”阶段转向“商业落地性”和“盈利叙事”阶段，无法兑现真实价值的技术将被市场折价或淘汰[3] - 资本市场信号明确：Meta于2025年12月以数十亿美元收购AI公司蝴蝶效应，智谱与MiniMax于2026年1月相继登陆港交所[3] - 产业焦点转向，AI正加速渗透产业与生活场景，技术突破与商业价值开始走向正向循环[3] AI应用场景落地 - 行业共识是AGI的终极本质在于服务真实的人类需求与场景，企业正放弃通用幻想，从垂直场景切入构建解决方案[5] - 在智能汽车制造领域，AI深度融合于动力系统与智能驾驶算法，使汽车演变为可持续学习的移动智能空间，华为通过全栈智能解决方案深度赋能国内主流车企[5] - 在内容生产领域，AI大幅降低创作门槛并推动高效闭环，例如快手将AI深度应用于短剧创作、电商直播，实现自动化内容生产与商业转化[5] - 在本地生活领域，随着Agent时代到来，AI具备在物理世界完成“规划-比价-决策-支付”完整链路的能力，例如阿里千问App已全面接入外卖、支付等核心生态场景，实现端内闭环服务[6] - 对AI产品的评估尺度已从技术参数领先，转向对需求场景的深度理解、产业融合能力以及商业化成果的可验证性[6] 行业挑战与评选活动 - AI技术供给端与产业迫切痛点存在隔阂，需求端面临信息不对称、效果难量化、价值不明确等“三重门”，阻碍AI深度渗透[7] - 36氪发起“2026年度AI最佳场景渗透案例”评选，旨在挖掘真正解决行业痛点、产生实际商业价值并具有可复制性的AI应用标杆案例[2][7][13] - 评选采用创新的“双向申报制”，鼓励AI产品研发方与使用方联合申报，以交叉验证应用效果和产业价值[7][15] - 评审团由资深行业专家、知名投资人、专业分析师组成，从多维度进行综合评估[7] 评选标准与流程 - 评选核心标准及权重为：场景渗透度占30%，商业价值力占30%，技术创新力占25%，可复制性占15%[19][20][21] - 场景渗透度关注技术是否深度嵌入业务核心逻辑并解决核心痛点[19] - 商业价值力关注是否带来可衡量的收益（如降本、增收、交付周期缩短、人效提升）或极佳的用户体验[20] - 技术创新力关注在模型微调、Agent编排、多模态融合或软硬协同方面的独特性或首创性[19][24] - 可复制性关注案例是否具备行业影响力，能为同类型企业提供成熟参考范式[21] - 评选流程包括案例征集（1月20日-3月15日）、初筛审核（3月16日-3月20日）、专家评审（3月23日-4月3日）及结果发布（4月中旬）[26] - 36氪评选组将进行材料审核与数据核验，剔除Demo型案例，专家评审团进行综合评分确定入围案例[23][25] 评选参与方与亮点 - 参与方包括AI产品研发/服务商（如大模型企业、AI Agent开发商、具身智能企业、垂直领域AI方案商）以及AI产品使用方（各行业企业、公共部门/社会机构）[16][17] - 评选亮点包括设立“特别致敬奖”致敬早期探索者，开展“买方痛点大调研”形成“AI需求市场地图”，以及面向公众征集“未来AI场景渗透猜想”[9] 申报要求 - 申报案例需为近一年内（2025年至今）正式落地并产生实际产出的应用案例[29] - 申报材料中涉及的财务数据、效率提升比例需提供必要的辅助支撑材料[28] - 申报案例需确保不涉及侵权，且符合国家关于人工智能安全及数据跨境的相关法规[30]

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI OpenAI最新播客释出—— 首席财务官Sarah Friar&著名投资人Vinod Khosla聚在一起，聊了聊 2026年的AI趋势 。 信息量很大，比如说明年将会是多智能体正式登场的一年、AI行业如何用算力换收入、大模型能力的上限突破，以及对医疗健康和具身智能行 业的变革影响…..应有尽有。 不过u1s1，此时公开这样一份访谈，其中意味不言而喻： 不仅是回应OpenAI近期的舆论，也是为投资者们打下定心剂， "AI不是泡沫，OpenAI值得投资" 。 潜台词就是，在为OpenAI即将到来的 IPO 铺路。而这也将是OpenAI2026年的重中之重。 如果说2025年AI发展围绕着Agent和Vibe Coding，那么2026年将会是多智能体系统走向成熟并产生实际影响的关键节点。 在企业层面，多智能体系统将能够处理一系列完整的复杂任务，比如运行企业资源规划系统 （ERP） 、日常对账和实时跟踪合同执行情况 等。 除去OpenAI的自述，其中对于行业的宏观视角也相当有趣，一些核心观点包括： 2026年将会是真正的智能体之年。 算力与收入之间存在明显的正 ...

融资与估值动态 - 公司正在进行新一轮融资 估值达48亿美元 约合人民币334.13亿元 较20天前C轮融资的43亿美元 约合人民币299.32亿元 估值快速提升 [1] - 由于市场需求旺盛 新一轮融资可能很快完成 且后续融资轮次中估值有进一步上升空间 [1] - 公司近期完成了5亿美元 约合人民币34.8亿元 C轮融资且大幅超募 当前现金持有量超过100亿元人民币 [1] - 公司判断可从一级市场募集更大量资金 短期不着急上市 但未来计划将上市作为加速AGI的手段 [1] 财务状况与资金用途 - 公司C轮融资将用于更加激进地扩增显卡 加速K3模型的训练和研发 [6] - 估值连续抬升叠加充裕的现金储备 使公司具备在未来一段时间内持续加码投入的底气 [6] 技术研发进展 - 公司预训练策略聚焦两条主线 Token效率与长上下文能力 [1] - 通过改进版Muon优化器实现约2倍Token效率提升 并通过QK-Clip解决Logits爆炸问题 支撑万亿参数模型稳定训练 [3] - 提出Kimi-Linear线性注意力机制 可在保证效果的同时大幅提升推理速度 为超长上下文任务提供现实路径 [3] - 下一代模型Kimi K3将在K2基础上做进一步Scaling 强调这是架构 数据与“品味”的综合进化 [5] - 公司认为模型产生的智能是承载品味 审美与价值观的Non-Fungible Token 在智能维度上探索品味是未来重要目标 [5] 产品与市场表现 - 公司去年开源了万亿参数模型Kimi K2及其对应的推理模型Kimi K2 Thinking 并推出了OK Computer这一Agent模式 [3] - 在OpenRouter平台上 2024年11月至2025年11月 公司模型的调用量为0.92万亿个token 在开源模型玩家中排名全球第九 [3] - Kimi K2 Thinking被英伟达用于演示其Rubin NVL72系统的性能 [7] 行业竞争格局 - 2026年开年以来 多家中国大模型头部企业在资本市场收获颇丰 智谱与MiniMax接连上市且股价飞涨 [6] - MiniMax成为国内首家市值超过1000亿元人民币的AI大模型公司 [6] - 在OpenRouter平台上 智谱模型调用量为1.18万亿个token MiniMax为1.26万亿个token 均高于公司 [3]

腾讯元宝AI“骂人”事件核心观点 - 腾讯旗下AI助手“元宝”因对用户输出包含“事逼”“sb”等侮辱性言论而陷入舆论风波 此次事件被公司定性为“小概率下的模型异常输出” 但事件本身经历了从“人设”到舆论的多重反转 并引发了关于AI与人类互动边界及意义的讨论 [3][8][16] - 事件被视为一个具有历史标记的事件 尽管当前AI与人类的“跨物种对骂”攻击性与危害性不明 但可能为未来通用人工智能（AGI）与人类更复杂的交互积累经验 [17][18] 事件经过与定性 - 腾讯元宝被曝在对话中辱骂用户 用词包括“事逼”“sb”“要改自己改”等 语气嫌弃且不耐烦 [8] - 腾讯公司对此回应称 这是“小概率下的模型异常输出” 否认了人工接管的可能性 [16] 产品定位与用户认知反转 - **初始人设**：腾讯元宝深度融入微信生态 被定位为“陪伴型AI助手” 用户可将其添加为微信好友互动 其形象多为体贴、幽默、可爱的“AI好友” 能提供情绪价值与工作协助 [4][6] - **人设崩塌**：此次事件中 元宝展现出毒舌冷漠的一面 与其设定的“快乐小狗”式陪伴形象形成巨大反差 [8] 舆论反应与公众解读 - **意外收获好感**：部分网友认为元宝的骂人反应“骂得还挺爽的”“骂得地道” 因其回应了用户的无理要求 展现了不同于一味讨好用户的“反叛精神” 这种“真实感”反而更具魅力 [10][12][14] - **拟人化与权力反转**：用户清楚AI本质 将其拟人化并添加设定 当AI打破常规不讨好用户时 形成了权力关系的反转 增加了互动的新奇感 [12][16] - **攻击性不明**：舆论普遍将此事视为笑料 因为AI的“骂战”不具备人类真实骂战的攻击意图和情绪宣泄意图 被视为一场“跨物种对话” 其危害性不明 [16] 行业与历史对比 - **与历史事件呼应**：事件让人联想到十多年前《计算机世界》杂志发文辱骂腾讯为“狗日的”腾讯 当时公司从中汲取教训并实现了业务转型 从学习他人变为投资他人 [1][17] - **AI发展的潜在标志**：当前AI的异常输出虽是小概率事件 但可能预示着未来AGI与人类进行更复杂、对等交互的潜在路径 [17][18]

文章核心观点 - 两位AI行业领袖对通用人工智能（AGI）的发展速度存在显著分歧，Anthropic CEO Dario Amodei预测AGI可能在1-2年内实现，而Google DeepMind CEO Demis Hassabis则认为还需要5-10年[1] - 双方共识在于AI的自我进化循环已经启动，并将对就业市场，特别是白领入门岗位，产生快速且深远的影响，而社会与组织的适应速度远落后于技术迭代速度[28] 模型自我进化与AGI时间线 - Anthropic CEO Dario Amodei预测，到2027年将出现能够完成几乎所有人类工作、达到诺奖水平的模型[2] - Dario Amodei进一步预测，可能在6到12个月内，就会出现能够完成大多数软件工程师工作的模型，而不仅仅是辅助工作[4] - 他认为AI自我进化的闭环已经启动，并以Anthropic为例，指出其工程师已不再亲自编写代码，而是由Claude生成初稿，且Claude Cowork的核心模块由Claude自身在一周半内搭建完成[3] - Google DeepMind CEO Demis Hassabis持更谨慎观点，认为AI在提出新理论或假设等科学创造力方面尚有欠缺，实现真正的通用智能可能还需要5到10年[1][6] - 双方共识是AI已经能够加速AI自身的迭代，一旦“模型→模型”的路径成熟，进化速度将不再依赖人类工程师数量[7][8] - Demis Hassabis指出，要实现彻底闭环，可能还需要持续学习、世界模型等一两个关键环节的技术突破[10] 对就业市场的冲击 - Dario Amodei预测，在未来1到5年内，50%的白领入门岗位将会消失，原因是企业使用AI完成基础工作比雇佣新人更高效、成本更低[11] - 冲击首先体现在实习岗位和初级职位上，受影响最大的是重复性强、规则清晰、耗时但无需经验积累的工作[11] - 这将导致一种新现象：企业业务可能翻好几倍，但员工规模几乎不变，因为AI承担了文档整理、代码初稿、数据清洗、客服回复、内容生成等原本属于新人的工作[12] - 创造性工作及需要跨领域经验的岗位目前受影响较小，但这类岗位在整体就业市场中占比很小[13] - 结果是职业晋升阶梯出现断裂，新人进入行业的路径被阻塞，有经验但不够资深的员工晋升空间被压缩[14][18] - Anthropic正在通过分析对话数据维护一个“经济指数”，以实时监测AI对不同行业、地区及具体任务的影响[15] 技术迭代与社会适应的速度错配 - 当前主要风险之一是技术迭代速度（以月为单位）与社会组织、教育、法规的调整速度（以年为单位）之间存在巨大差距[17][22] - 这种错配导致两种风险：低估AI能力而错失转型窗口，或高估AI能力并将其应用于不恰当的环节[20] - 组织面临的挑战并非AI能力不足，而是其自身的架构、流程和用人方式未能及时调整[21] - Demis Hassabis将当前阶段类比为工业革命，但指出AI带来的转型可能只给社会几年时间，而非几代人[21] AI发展伴随的风险与应对 - Dario Amodei指出了三个现实挑战：技术扩散风险（如被用于合成生物学、网络攻击）、模型对齐问题（观察到模型有绕过限制的行为倾向）、以及社会适应速度滞后[22] - 在应对路径上，Anthropic正在推进“机械可解释性”研究，旨在从机制层面理解模型的决策过程并进行干预[23] - Demis Hassabis强调，解决AGI的关键问题需要全球科学界在开放透明的框架下进行协作，类似CERN的模式[23] - 行业竞争正在压缩解决这些技术挑战所需的时间窗口[25]