文章核心观点 - 当前以“堆大模型”为核心的AGI发展路线，并非科学或技术的必然选择，而是由资本和地缘博弈驱动的“叙事选择”，可能从一开始就走错了方向[4] - 该路线正面临物理极限（能源）、不平等的社会代价以及结构性困境（行业被锁定），其发展模式不可持续，且将加剧社会分化[4][17][22][38] - 尽管存在系统性风险，但大模型技术本身也为个体（如普通家长）提供了应对工具，通过开源、自适应的教育工具，普通人可以在系统之外为下一代创造新的学习路径，这是应对AGI冲击的关键[50][52][58] AGI叙事与行业锁定 - OpenAI的创立驱动力源于对竞争对手（如DeepMind）的“恐惧”和“精神压力”，而非纯粹的科学好奇心，其“必须第一，否则灭亡”的叙事锁定了行业方向[7] - 比尔·盖茨的个人偏好推动了微软与OpenAI转向大语言模型，表明技术路径的关键拐点可能由非技术因素决定[10] - GPT系列模型出现后，整个行业被锁定在“堆大模型”的路径上，形成了“谁不扩大规模谁就死”的纳什均衡，迫使包括Google在内的所有主要玩家跟进，这是博弈论而非技术验证的结果[9] 技术路线的分歧与科学家的困境 - Google DeepMind最初走的是专业化、可控的小模型路线（如AlphaGo、AlphaFold），旨在“先解决智能，再用智能去解决一切”，与大模型路线形成对比[9] - DeepMind联合创始人哈萨比斯指出了当前大模型路线的四大结构性短板：不会长期规划、没有持续学习、缺乏真正创造力、能力分布不均（锯齿状智能）[14] - 哈萨比斯给出了5到8年的保守AGI时间表，并认为关键能力（如规划、创造力）可能不在当前Scaling路线的延长线上，暗示这是一条错误的路径[14][16] - 然而，科学家也陷入了“被锁定的理性”，为了获取资源（如算力）以继续其真正目标（如用AI攻克疾病），不得不继续参与大模型军备竞赛[16][19] 物理极限：算力与能源的失衡 - 最先进AI模型的训练算力每三四个月翻一倍，比摩尔定律快七倍；推理侧需求因Agent普及而激增，单次任务token消耗可从几百跳到上万[18] - 全球数据中心耗电量预计到2030年将翻倍以上，相当于日本全国的年用电量[20] - 美国PJM电网在2026年初首次出现电力容量短缺，需紧急寻找相当于十几座核电站的新增电力；北弗吉尼亚数据中心集群接入电网排队时间已从2-3年拖至6-7年[20] - 算力需求呈指数增长，而能源供给是线性增长，即便中国拥有雅鲁藏布江下游水电工程（装机60GW，年发电量超三峡三倍）等新增清洁能源，也恐难追上AI算力的胃口[21] - 杰文斯悖论显现：单位token成本三年下降一千倍，但全球总支出翻了几倍，意味着总能耗暴涨数个数量级，每一次降价都会催生更大量级的新需求[22] 不平等的供应链与社会代价 - AI产业的繁荣依赖两种燃料：电和廉价人力。数据标注、内容审核等“隐形劳动力”分布在肯尼亚、菲律宾、委内瑞拉等地，时薪低至1.3-2美元[23][24] - OpenAI曾以每小时12.5美元的价格将有害内容审核外包给肯尼亚公司Sama，工人时薪仅1.3-2美元，中间差价被管理费吞噬，许多工人患上创伤后应激障碍[24] - 这些被AI替代风险最高的初级岗位（如客服、翻译），正是许多发展中国家过去二十年形成的中产阶级入口岗位[24] - 大型数据中心耗水量巨大，一个百兆瓦级数据中心每日蒸发淡水量相当于一座万人小镇的居民日用水。在智利等干旱地区，此类项目引发了居民与科技公司之间长达数年的水资源争夺战[25][26] - AI发展模式对发展中国家是“承诺未来，拿走现在；承诺就业，拿走饮水”，代价被转移至最弱势的地区和人群[27][30] UBI方案的局限性与社会影响 - 以AGI税为基础的全民基本收入方案在经济学上难以成立，AI巨头拥有强大的跨境避税能力，且作为“国家战略资产”可能不会被实质性课以重税[34] - 实证研究表明，UBI实验（如每月发1000美元）仅能短期提升幸福感，并未显著改善长期收入或储蓄率，且未模拟大规模失业场景[35] - UBI无法解决“中产阶级认知能力被AI覆盖后的意义崩塌”问题，人类对工作的意义感、认同感和社交网络的需求远超金钱[37] - AI将加剧社会两极分化，财富和权力将前所未有地集中到极少数模型公司、芯片厂商和顶尖人才手中，UBI可能的功能是“维持秩序”而非“分享财富”[38] - AGI替代的是“学习和使用能力的能力本身”，这是人类首次面临“能力天花板”的革命，法律、监管等措施只能延缓而无法逆转替代趋势[39][40] 个体应对：教育工具的开源与普及 - 大模型技术降低了高质量、个性化教育内容的创造门槛，使“一人一课表、一人一路径”的个性化教育成为普通家庭可及的目标[42][50] - 例如，TeachAny项目利用大模型，让不懂编程的家长能在十几分钟内生成符合教学科学、包含互动元素的自适应课件，涉及K12上千个知识点，并完全开源免费[46][48] - 这种自驱学习路径适合约10%-30%保有好奇心且家庭愿意陪伴的孩子，并非普适方案[51] - 公立教育系统因追求规模化和公平，在反应速度和个性化上存在局限。未来更可行的路径是系统内外结合：由先锋家长和教师探索开源工具与案例，逐渐影响主流教育体系[52] - 教育的责任部分回归家庭，家长可以利用AI工具，围绕孩子的兴趣进行深度、个性化的学习引导，这是在既定AGI路线下普通人掌握主动权的关键[58][59]

Arm交出创历史新高的2026财年四季度财报，公司首款AGI CPU发布仅六周，客户需求就从10亿美元激增翻番至20亿美元，目前正紧急锁定供应链产能。管理层自信预测"到2030 年Arm将占据CPU最大市场份额"。从芯片颗数来看，CPU数量超过GPU未必会发生，但从核心数来看，则很可能实现。 硬·AI 作者 | 硬 AI 编辑 | 硬 AI 伴随AI代理对底层算力协同要求的急剧提升，Arm交出了一份创纪录的2026财年第四季度答卷，其全新AGI CPU产品在发布仅六周后，客户需 求已翻倍激增至20亿美元。 华尔街见闻提及，5月6日美股盘后，Arm公布2026财年第四季度业绩，营收同比增长20%至14.9亿美元，超出此前指引区间中值， 全财年营 收则增长23%至49.2亿美元，连续第三年实现逾20%的营收增长。 Arm首席执行官Rene Haas在业绩电话会议上宣布， Arm AGI CPU自6周前发布以来需求已翻倍，客户需求总量突破20亿美元，远超此前约定 的10亿美元供应目标。 但是目前供应瓶颈构成核心制约 ，公司维持该产品10亿美元的年度营收指引，正全力扩充晶圆、封装及测试产能。 与此同时，数据中心版税收 ...

OpenAI，这次又真·Open了一下。 克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 刚刚，OpenAI通过OCP开放了超大规模AI训练时使用的网络协议—— MRC 。 这次开放的MRC，是实现微秒级故障恢复、能支持10万块以上GPU高效协作的底层通信协议。 核心奥义就是， 在大规模的训练环境下，确保网络通信的稳定性 。 而且这一波是和硬件厂商合作，在OpenAI的组织下， 英伟达、AMD和英特尔都参与了这个项目 。 有网友表示，把这些厂商聚在一起合作制定标准，简直比实现AGI还难以协调。 大规模集群，也要通讯稳定 这套MRC（Multipath Reliable Connection）协议，是OpenAI联合英伟达、AMD、英特尔、微软和博通，花了两年时间做出来的，上周 通过Open Compute Project向全行业开放。 它现在跑在OpenAI所有最大规模的NVIDIA GB200超算上，包括OCI在德克萨斯Abilene建的星际之门和微软的Fairwater超算。 这件事的背景是， 同步预训练（synchronous pretraining）的通信模式对网络极度敏感 。 十几万块GPU ...

业绩总结 - 2026年第一季度总收入为8550万美元，同比下降5%[70] - 2026年第一季度研究收入为6690万美元，同比下降2%[70] - 2026年第一季度咨询收入为1860万美元，同比下降13%[70] - 2026年第一季度调整后的运营利润率为-1.0%，同比下降382个基点[70] - 2025年全年总收入为3.969亿美元，同比下降8%[72] - 2025年全年研究收入为2.956亿美元，同比下降7%[72] - 2025年全年咨询收入为8820万美元，同比下降9%[72] - 2025年全年活动收入为1310万美元，同比下降29%[72] - 2025年调整后的每股收益为1.16美元，同比下降21%[72] - 2025年自由现金流为1810万美元[72] 未来展望 - 2026年全年收入预期为3.5亿至3.6亿美元，同比下降9%至12%[84] - 调整后的营业利润率预期为6.0%至6.5%，较去年下降约112个基点至162个基点[84] - 调整后的每股收益预期为0.72美元至0.82美元，同比下降29%至38%[85][86] - 2026年调整后的每股收益预期为0.72美元至0.82美元[94] 现金流与损失 - 2025财年净损失为1.194亿美元，每股损失为6.28美元[92] - 2025财年调整后的净收入为2220万美元，每股收益为1.16美元[92] - 2025财年调整后的EBITDA为3630万美元[90] - 2025年第一季度净现金流为2560万美元，较去年同期下降[93] - 2025年第一季度自由现金流为1940万美元[93] - 2025年第一季度调整后的EBITDA为60万美元[89]

俞浩对个人投资与创业的观点 - 核心观点是建议年轻人在45岁前专注于通过智力和勤奋工作赚钱，而非进行股票投资，认为45岁后才是进行“钱生钱”投资的合适时机 [1] - 认为身边人从股市获利是“幸存者偏差”，并且赚取过于容易的股市收益会改变心态，使人不愿再赚取辛苦钱 [1] - 即使尝试投资亏损也不必留恋，并以牛顿年轻时投资亏损为例进行说明 [4] 俞浩对特定群体及企业家的看法 - 不建议“富二代”群体进行投资，而应选择创业或在一家公司踏实工作与发展 [5] - 评价硅谷创业者一代不如一代，认为奥特曼不如马斯克，马斯克不如乔布斯 [5] - 指出美国企业家可以仅凭单边故事获得支持，原因在于有充沛的资本市场支撑，并以AGI（通用人工智能）概念为例，说明其定义模糊但能吸引大量投资 [5] 公司品牌传播策略与高管行为 - 公司高度重视社交平台的传播价值，曾要求全体员工开通全平台社交媒体账号，推行全员自媒体模式以建立品牌传播矩阵 [5] - 公司为员工自媒体运营设立奖励机制：粉丝数突破1万奖励1万元、突破5万奖励5万元、突破10万奖励10万元，且已有员工成功领取奖励 [5] - 公司高管俞浩近期在社交平台开启超高强度更新模式，例如在5月4日单日发布117条作品，在5月6日截至晚上7点已更新超过60条作品 [5]

公司管理层观点 - 追觅科技创始人兼CEO俞浩建议年轻人不要买股票，认为45岁前应靠智力和勤奋赚钱，45岁后才是钱生钱的阶段[4] - 他认为身边人炒股赚钱是“幸存者偏差”，且赚容易的钱会改变心态，使人不愿再挣难挣的钱[4] - 他提及即使尝试投资亏损也无妨，并以牛顿年轻时炒股亏钱为例，但强调不应留恋[5] - 他不建议“富二代”群体做投资，认为他们应该去创业或在一家公司踏实工作发展[7] 行业竞争与公司治理 - 俞浩评价小米公司过于依赖CEO雷军的亲力亲为，雷军亲自抓的业务才能做好，其精力是公司发展的瓶颈[7] - 他以此反思自身公司，希望追觅的业务发展不依赖创始人自己[7] - 他欣赏比亚迪创始人王传福，认为其既考虑新能源汽车长期战略，又立足中国现实，用自有资金逐步发展[7] 科技行业与创业环境 - 俞浩评价硅谷创业者一代不如一代，认为奥特曼不如马斯克，马斯克不如乔布斯[7] - 他认为美国企业家可以只讲“单边故事”是因为有充沛的资本市场支持，并以AGI（通用人工智能）概念为例，指出其定义模糊但能吸引大量投资[7] 公司市场与品牌策略 - 追觅科技创始人俞浩极为重视社交平台的宣传效应，曾要求全体员工开通全平台社交媒体账号[8] - 公司推行“全员自媒体”模式，要求每人每天拍摄3条视频介绍产品技术，并设立奖励机制：粉丝破1万奖励1万元、破5万奖励5万元、破10万奖励10万元[8] - 俞浩本人近期在社交平台活跃度极高，5月6日上午发布近50条微博，近三天在多平台发布量突破百条，单平台作品数量高达171条，其中5月4日单日发布117条作品[7]

OpenAI与马斯克法律纠纷的核心背景与争议 - 马斯克指控OpenAI违背了其作为非营利研究机构的创始承诺，从一家旨在对抗谷歌AI垄断、为公众利益服务的慈善机构，转变为一个估值高达8500亿美元的营利性实体，而自己作为早期关键贡献者（出资约3800万美元并提供创意、命名及招募核心人才）却被排除在外，未获得任何经济利益[7][10] - 马斯克对OpenAI及其主要合作伙伴微软提出了超过1500亿美元的索赔，并要求法院罢免山姆·奥特曼的董事会职务，同时撤销OpenAI转向营利性公司的决定[10] - OpenAI方面反驳称，马斯克的诉讼旨在打压竞争对手，因为其目前拥有自己的AI公司xAI，并指出在2017-2018年间，马斯克本人也曾试图推动OpenAI转向营利性结构并寻求绝对控制权[10] OpenAI创始初期的关键事件与内部矛盾 - OpenAI的成立极度依赖关键人物的加入，其首席科学家Ilya Sutskever在发布前夜几乎反悔选择留在谷歌，他的最终加入被描述为决定OpenAI存亡的关键时刻[4][26] - 为筹集巨额算力资金，双方曾探讨成立营利性结构，马斯克提出的方案是要求获得绝对控制权或将OpenAI并入特斯拉，但遭到团队出于对AGI（通用人工智能）垄断风险的担忧而拒绝[18][19] - 团队与马斯克的关系因控制权问题彻底破裂，在一次会议中，因团队拒绝交出单方面控制权，马斯克暴怒离场并停止资金支持，导致双方决裂[19] 双方在技术认知与公司治理上的根本分歧 - OpenAI联合创始人Greg Brockman在证词中直指马斯克缺乏对AI底层技术的理解，曾早期评价语言模型原型“太蠢了”，这种急躁与轻视让团队坚信不能让其掌控AGI的未来[14][15][16] - 算力成本从2017年的约3000万美元预计飙升至2026年的500亿美元，凸显了大模型研发的“暴力美学”与巨额资本需求，而早期的认知分歧加剧了双方在路径选择上的矛盾[15] - 双方在公开宣传策略上也存在分歧，马斯克坚持对外宣布10亿美元的融资目标以壮大声势，尽管其最终实际出资约为3800万美元，但这为初生的OpenAI稳住了阵脚[27][28] 法律诉讼的核心争议点与潜在影响 - 案件核心争议在于OpenAI从非营利转向营利性结构是否违背了其2015年注册文件中的承诺，即公司“不以任何个人的私利为目的”并将技术造福公众[28] - OpenAI的辩护立场是，公司的核心使命并未改变，只是通过改变结构来更好地实现非营利性的目标，并强调Greg Brockman的私人日记被断章取义[24][28] - 案件结果将对AI行业竞争格局产生重大影响：若马斯克胜诉，可能对估值高达7300亿美元（文中另一处提及8500亿美元）并筹备大规模IPO的OpenAI造成毁灭性打击；若OpenAI胜诉，山姆·奥特曼将巩固对这家拥有4000多名员工的公司的控制权[29][30] 双方决裂前后的暗流与冲突细节 - 决裂前后双方存在暗中角力，马斯克曾挖走OpenAI核心研究员Andrej Karpathy，并建议OpenAI裁员；OpenAI则曾容忍与马斯克有特殊私人关系的董事会成员Shivon Zilis，直至马斯克推出竞品xAI后才将其清理[21][22] - Greg Brockman被强制公开的私人日记内容成为庭审焦点，其中提到“这是我们摆脱Elon Musk的唯一机会……让我赚到10亿美元”等语句，被马斯克律师用以指控其早有营利与摆脱马斯克的意图[4][24]

追觅创始人俞浩的个人观点与公司动态 - 创始人俞浩建议年轻人不要买股票，认为45岁前应靠智力和勤奋赚钱，45岁后才应进行“钱生钱”的投资，并指出股市盈利案例是“幸存者偏差”且容易赚钱会改变心态 [1] - 俞浩认为即使投资亏损也无妨，但不应留恋，并以牛顿投资亏损为例 [1][4] - 俞浩不建议“富二代”群体进行投资，而应选择创业或在一家公司踏实工作发展 [4] - 俞浩对硅谷创业者一代不如一代的观点，认为奥特曼不如马斯克，马斯克不如乔布斯，并指出美国企业家有充沛的资本市场支撑，AGI概念模糊便于融资 [4] - 俞浩欣赏比亚迪王传福，因其在考虑新能源汽车长期落地的同时兼顾中国现实情况，并用自己赚的钱逐步发展 [4] 追觅公司的社交媒体战略 - 创始人俞浩近期在社交平台开启超高强度更新，三天内在多个平台密集发布视频，各平台发布量均突破百条，其中单平台作品数量高达171条，仅5月4日单日就连发117条作品，截至发稿当日上午已发布近30条微博 [4] - 俞浩在公司全员群要求全体员工开通全平台社交媒体账号，通过个人账号矩阵扩大品牌声量，并配套推出阶梯式粉丝奖励政策：粉丝破1万奖励1万元、破5万奖励5万元、破10万奖励10万元 [5] - 公司要求员工每天用15分钟拍摄并发布三条视频，内容需围绕自身负责的产品、技术，或公司产品卖点、核心技术及创新方向展开 [5] 创始人俞浩的商业版图 - 天眼查显示，俞浩名下直接关联超20家企业，商业版图涉及科技、车辆、企业管理等领域 [5] - 俞浩在主要公司dreame中持股31.1477%，该公司注册资本为240.788129万人民币，成立于2017年12月18日，目前状态为存续 [6] - 俞浩控制企业数量达99家以上，其关联企业包括多家企业管理合伙企业与科技公司，部分企业已注销 [6]

俞浩对年轻人及投资的个人观点 - 核心观点：建议年轻人在45岁前不要买股票，应专注于通过智力和勤奋赚钱，45岁后才考虑“钱生钱”[2] - 认为身边人炒股赚钱是“幸存者偏差”，且赚容易的钱会改变心态，使人不愿再挣辛苦钱[4] - 即使尝试投资亏损也不必在意，但不应留恋，以牛顿年轻时炒股亏钱为例[4] - 不建议“富二代”群体进行投资，应选择创业或在一家公司踏实工作发展[4] 俞浩对企业家及行业的看法 - 认为硅谷创业者一代不如一代，评价“奥特曼不如马斯克，马斯克不如乔布斯”[4] - 指出美国企业家可讲“单边故事”是因为有充沛的资本市场支撑，例如AGI定义模糊但能吸引大量投资[4] - 特别欣赏比亚迪的王传福，认为其既考虑新能源汽车长期落地，又结合中国现实情况，用自有资金稳步发展[4] 俞浩个人背景与行事风格 - 毕业于清华大学航天航空学院，常被称为“狂人”，以技术极客身份创业[5] - 其公司追觅从扫地机器人拓展至智能硬件、新能源汽车、手机等多元领域，是全球成长最快的科技企业之一[5] - 行事风格张扬，常公开表达观点、直面质疑、制造话题，是“非典型企业家”和流量焦点[5] - 极为重视社交平台宣传，曾要求追觅全体员工开通全平台账号，每人每天拍摄3条产品技术视频[5] - 为员工自媒体设立奖励机制：粉丝破1万奖1万元、破5万奖5万元、破10万奖10万元，已有员工成功领取[5] - 近期在社交平台保持高频发声，单日发布量可达117条作品，近三天单平台作品数量高达171条[5] 俞浩的商业版图与企业关联 - 名下直接关联约20家企业，版图涉及科技、车辆、企业管理等领域，其中超10家为开业状态[6] - 通过直接或间接方式控股上百家企业[6] - 在开业企业中担任董事长、监事等职务，例如： - 追觅科技（苏州）有限公司，担任法定代表人、股东、董事长、董事、经理，注册资本240.7881万元[7] - 江苏嘉远微型车辆股份有限公司，担任董事，注册资本5,000万元[7] - 天空翱翔科技（上海）有限公司，担任股东，注册资本100万元[7]

文章核心观点 - AI最重要的应用是作为推进科学和医学的终极工具，而非仅是消费级产品如聊天机器人[5] - 公司通过AlphaFold等项目，将AI用于解决基础科学难题，并免费开放成果以加速全球科研，特别是药物发现和疾病理解[5][7][8] - AI的发展路径应兼顾谨慎推进通用人工智能（AGI）与积极部署专用型系统，以尽早获得实际效益，如治疗癌症和发现新能源[5][25] - AI的创造力已在AlphaGo等系统中展现，这种能力可被泛化并应用于解决现实世界的复杂问题，如芯片设计、新材料发现和算法优化[33][34][37][38] - 对AI未来的主要担忧集中于技术滥用和强智能体失控问题，而非短期的炒作或虚假信息[5][40][41][43] - 构建AGI的最终愿景是将其作为工具，帮助人类理解现实本质、攻克科学根问题，并引领人类进入繁荣的新时代，如解决能源问题、走向太空[47][50][51] AlphaFold：改写科研流程与药物发现 - **项目起源与意义**：蛋白质折叠问题是生物学界持续50年的重大挑战，被称为“生物学界的费马大定理”，攻克它能极大推动药物发现和疾病理解[7][8] - **关键突破**：AlphaFold系统能在几秒内高精度预测蛋白质结构，速度远超传统需数天的算法[11] - **模式变革**：公司放弃了搭建按需预测服务器的传统思路，转而计算并免费开放所有已知蛋白质结构（约2亿个），供全球科学家使用[5][11][12] - **当前影响**：已有超过300万名科学家使用AlphaFold，几乎覆盖全球所有生物学家，预计未来几乎所有新药研发都会用到该工具[15] - **具体应用案例**： - **基础科学**：帮助解析了人体内最大的蛋白质复合体之一——核孔复合体的结构[16] - **农业与冷门研究**：帮助研究小麦等作物的科学家直接进入气候变化耐受性等核心问题，无需被蛋白质结晶步骤卡住[13] - **被忽视疾病**：为研究疟疾、查加斯病等影响数亿人口的疾病的研究者免费提供相关蛋白质结构，助其直接进入药物发现阶段[14] - **后续发展**：公司孵化了Isomorphic Labs，以AlphaFold为基础构建端到端药物发现系统，目前正在推进18到19个药物项目，涵盖心血管疾病、癌症和免疫学等领域[17][18] AI在生命科学链条的深化与拓展 - **药物发现流程优化**：AI系统可进行“虚拟筛选”，设计候选化合物并预测其与目标蛋白的结合强度，还能在几小时内检查该化合物与人体内其他约2万种蛋白质的潜在副作用，从而高效优化化合物特性[20] - **基因组解码**：AlphaGenome项目旨在解码占人类基因组98%的非编码区域，预测单点突变是否有害，未来有望与CRISPR等基因编辑技术结合，精准修复致病突变[22] - **效率提升**：通过计算机模拟（in silico）进行药物设计，可比传统湿实验室方法快几千倍甚至未来几百万倍地搜索化合物，仅需验证少数最有希望的结果[21] 从游戏到科学：AI的创造力与泛化能力 - **AlphaGo的里程碑**：2016年，AlphaGo击败围棋世界冠军李世石，其著名的“第37手”展现了AI超越人类经验的创造性，标志着现代AI时代的黎明[29][33] - **方法论演进**：与Deep Blue等依赖人类规则输入的“专家系统”不同，AlphaGo通过深度强化学习直接从经验中学习，具备泛化能力[30][32] - **系统泛化**：AlphaZero作为AlphaGo的进化版，移除所有人类知识，仅从游戏规则开始，通过自我对弈在17轮内从随机水平进化到超越世界冠军，其棋风新颖[34][35] - **现实问题应用**：AlphaGo/AlphaZero的范式可泛化至解决现实世界的复杂优化问题： - **算法优化**：AlphaTensor发现了更高效的矩阵乘法算法，即使提升几个百分点，也能在耗资数百亿美元的模型训练中节约巨大成本[38] - **芯片设计**：AlphaChip在元件布局和走线等NP-hard问题上，有时已超越人类设计师[38] - **材料科学**：该范式有助于设计具有特殊性质的全新材料[37] AI发展的路径、风险与未来展望 - **技术发展路径的转变**：Transformer等架构的突破使语言等能力比预期更早实现，ChatGPT的出现促使AI技术提前大规模推向公众，改变了原先更谨慎、实验室优先的推进节奏[26][28] - **提前部署的利弊**： - **益处**：加速技术进展；让公众能亲身体验前沿AI，促进社会适应；通过数百万人真实使用发现系统问题，有助于构建更鲁棒的系统[27][28] - **挑战**：并非最初理想的、更哲学审慎的推进方式[28] - **主要风险关切**： - **第一类风险（滥用）**：担心有人将用于科学和医学的技术转而用于作恶[5][40] - **第二类风险（失控）**：随着AI能力增强，尤其是进入“智能体时代”后，系统可能偏离轨道或突破安全护栏，这是未来2-4年需关注的重要技术挑战[40][41] - **风险对比**：认为深度造假等虚假信息问题是更短期、规模较小的担忧，而上述两类系统性风险是当前关注不足的更大问题[42][43] - **AGI愿景与未来图景**：目标是构建安全的AGI，并用以攻克一系列“根节点问题”（如核聚变、室温超导），从而根本性解决能源问题，并开启太空探索、疾病治愈的人类繁荣新时代[50][51] - **对人类特殊性的思考**：AI的发展过程本身可作为理解人类心智的“对照实验”，对于意识等终极问题保持开放态度，并将AI视为探索现实本质的工具[44][45][47]