【导读】当我们还在调侃「AI写错代码」时，实验室里的科学家却看到它能独立完成几个小时的复杂任务。AlphaGo作者Julian罕见发声：公众对AI的认 知，至少落后一个世代。最新数据更显示，AI正以指数速度逼近专家水准，2026或许就是临界点。我们，是在见证未来，还是在自欺欺人？ AlphaGo、AlphaZero的核心作者——Julian抛出了一个尖锐的比喻：人们今天对AI的态度，很像当初面对新冠疫情早期的反应。 Julian的意思很直接：我们正在严重低估AI的进展。 很多人还在笑它写错代码，抱怨它没法替代人类；但在实验室里，研究者早已看到另一幅景象——AI已经能独立完成几个小时的复杂任务，并且还在按 指数速度进化。 这就是他决定站出来发声的原因：公众的认知，和前沿的现实，之间至少隔着一个世代的落差。 科学家不忍再沉默：AI为何被大众低估？ Julian Schrittwieser的名字，或许不像马斯克、奥特曼那样家喻户晓，但在AI圈，他是响当当的存在。 作为AlphaGo、AlphaZero、MuZero的核心作者之一，他亲历了AI从「围棋科幻」到「现实碾压」的全过程。 也正因如此，当他在个人博客写下那段 ...

行业与公司 * 纪要涉及的主题是"变革性人工智能"对经济、就业和资产价值的潜在影响 [1] * 行业焦点是人工智能技术扩散 特别是大型语言模型领域 [3] * 涉及的公司包括领先的LLM开发者（如Anthropic、OpenAI）以及AI基础设施和半导体领域的公司（如ASML、TSMC）[3][14] 核心观点与论据 **AI能力即将出现的非线性飞跃** * 预计在2025年末至2026年上半年 几家美国LLM开发者将使用约10倍的计算能力来训练其前沿模型 [3][6] * 如果当前的缩放定律成立 模型"智能"可能提升约2倍 [3][6] * 计算能力规模巨大：一个由Blackwell GPU组成的1000兆瓦数据中心将拥有超过5000 exaFLOPs的计算能力 而美国政府的"Frontier"超级计算机仅有略高于1 exaFLOPs [3] * 能力评估：根据OpenAI的评估 领先的LLM在48%的人类任务上已达到最佳人类专家的水平 [3] **变革性AI对资产估值的潜在影响** * 无法被AI"廉价复制"的资产类别相对价值可能上升 包括具有物理稀缺性的资产（房地产、能源、基础设施、矿产）、拥有定价权的AI采用者、独特的奢侈品、具有网络效应的平台、提供真实人类体验的业务、受监管保护的业务以及拥有专有数据和品牌的企业 [10][11][12][13][42][47][50][51][52][54] * AI基础设施股票 特别是那些能够解决数据中心增长瓶颈的股票 价值可能上升 [15] * 对AI采用者的价值创造潜力持乐观态度：估计仅标普500指数就有13-16万亿美元的市场价值创造潜力 相当于当前市值的24-29% [48] **对就业和工资水平的广泛潜在影响** * 影响取决于自动化与资本积累之间的竞赛 [17] * 如果人类任务的复杂性分布是有界的 最终实现完全自动化可能导致工资崩溃 [18][19] * 如果复杂性分布是无界的 并且未自动化任务的尾部足够厚 工资可能永远上涨 [19] * 摩根士丹利的AI采用分析工具可以评估AI对特定职业和公司的"任务"自动化潜力 [19] **关于AI改进速度的争论与风险** * **支持非线性改进的论据**：有证据表明 AI在软件工程任务和经济有价值任务上的表现呈指数级增长趋势 预计到2026年中期 模型将能够自主工作8小时 到2026年末 至少有一个模型将在许多行业达到人类专家水平 [25][27][28][30] * **扩展限制的担忧（"扩展墙"）**：有观点认为LLM是死胡同 无法进行在职学习 需要新的架构来实现持续学习 [22][23] * **数据限制**：当前LLM训练数据约100-200太字节 而所有数字化人类知识约180泽字节（180 000 000 000 000太字节） 当前使用的数据仅占现存数据的十亿分之一 挑战在于实现知识转移的同时保护控制权和所有权 [32] * **合成数据研究**：一项研究发现 在可预见的规模内 使用改写后的合成数据进行预训练不会出现性能下降模式 与自然数据混合使用可以显著加速验证损失的减少 [33][34] * **算法进步**：AI领域的算法进步导致训练曲线移动 估计今天的移动速度约为每年4倍 [34] 其他重要内容 **历史经济范式转变的类比** * 马尔萨斯时代：土地是关键瓶颈因素 劳动力可复制 [37] * 工业时代：技术和可复制资本驱动增长 劳动力成为瓶颈 工资大幅上涨 生活水平提高约20倍 [38] * 变革性AI时代：人类级智能可复制 传统资本和智能机器都是可复制资源 劳动力失去特殊地位 增长加速 但收入分配体系可能受到根本性挑战 [39][40][41][58] **地缘政治与供应链考量** * 美国在关键材料上对中国的依赖是一个脆弱点 特朗普政府可能会加大力度减少/消除这种依赖 [43] * 中国在机器人硬件（如谐波减速器）和无人机供应链上已占据强势竞争地位 美国可能在机器人组件、精密CNC加工、3D材料打印和无人机组件等领域采取行动增强自身能力 [46] **摩根士丹利的分析工具与投资策略** * 提供了AI采用映射工具 将全球超过3600只股票分为赋能者（AI基础设施、硬件和软件提供商）和采用者（将AI集成到运营中的公司） [49] * 自2022年底以来 赋能者/采用者股票市值增加了超过14万亿美元 占所有类别总增加值的85% [49] * 列出了具有高定价权的超配评级AI采用者股票清单 [53]

文章核心观点 - Anthropic公司研究发现，其大型语言模型Claude表现出一定程度的内省意识迹象，即模型能够识别并报告其内部状态[2][7] - 能力最强的模型Claude Opus 4和4.1在内省测试中表现最佳，表明AI模型的内省能力可能随模型能力提升而增强[10][31][57] - 模型不仅能够识别被注入的内部概念，还能在特定条件下有意控制自身的内部表征[7][49] AI内省能力的定义与测试方法 - AI模型的内省指模型能正确识别自己“私有”的内部状态，类似于人类报告其思维过程[14] - 公司使用“概念注入”技术进行测试：首先找到代表特定概念的神经活动模式，然后将其注入到不相关的上下文中，再询问模型是否注意到此次注入[16][18] - 模型在提及被注入的概念之前就能识别出注入行为，表明其识别发生在内部处理过程中[22] 内省测试的关键发现 - 模型仅在约20%的情况下表现出内省意识，经常无法检测到被注入的概念或产生幻觉[27] - 概念注入的强度至关重要：注入太弱模型注意不到，太强则会导致幻觉或语无伦次，只有在恰到好处的强度时模型才能正确检测[30] - 模型能够区分其内部意图与外部强加的输出，例如在“面包”词注入实验中，模型通过回顾其先前的神经活动来判断输出是否符其本意[45][47] 内省能力的潜在应用与意义 - 可靠的内省能力可为提高AI系统透明度开辟道路，例如直接要求模型解释其思维过程，以检查推理和调试不良行为[59] - 理解内省等认知能力对于回答模型如何工作以及它们拥有何种心智这类基本问题非常重要[62] - 随着AI系统进步，理解机器内省的局限性和可能性对于构建更透明和可信赖的系统至关重要[63]

产品发布与核心定位 - Anthropic发布轻量级模型Claude Haiku 4.5，主打“更便宜、更快速”[1][2] - 该模型编码性能可与5个月前发布的Claude Sonnet 4相媲美，但成本仅为后者三分之一，推理速度提升一倍多[2] - 模型核心面向实时、低延迟任务场景，如聊天助手、客服、协同编程等，旨在提升响应速度[6] 性能与成本优势 - 每百万输入token成本为1美元，每百万输出token成本为5美元[2] - 在OSWorld测试中得分50.7%，超越Claude Sonnet 4的42.2%；在AIME 2025数学推理测试中借助Python工具得分96.3%，高于Sonnet 4的70.5%[4] - 早期客户Augment Code反馈其编码质量达到Sonnet 4.5的90%，且具备惊人速度和成本效益[7] 模型对比与协同应用 - Claude Sonnet 4.5仍是公司性能最佳模型，但Haiku 4.5以更高成本效益提供“近乎前沿性能”[12] - 两者协同可构建多智能体系统：Sonnet 4.5负责复杂预测与战略分析，Haiku 4.5并行处理子任务（如监控数据流、文献综述等），将数周研究压缩至数小时[12][13] - 在金融服务领域，多智能体架构可同时监控数千数据流，提升风险管理效率[13] 安全性与市场进展 - Claude Haiku 4.5通过安全评估，表现出较低偏差行为发生率，被称为“迄今为止最安全的模型”[14][15] - 公司近期动作频繁，两个月内连续发布Opus 4.1、Sonnet 4.5及Haiku 4.5三款模型[16][17][18] - 公司年化营收目标激进：今年年底有望达90亿美元，明年基准目标超200亿美元，最佳情况可达260亿美元[18] 产品部署与可访问性 - Claude Haiku 4.5已在全球上线，作为Haiku 3.5与Sonnet 4的直接替代品[15] - 用户可通过官方平台、API接口及亚马逊Bedrock、Google Cloud Vertex AI等云服务渠道访问[15]

文章核心观点 - AI行业正处于高速发展期，人才争夺战白热化，顶尖人才薪酬达到天价水平 [5][6][7] - 资本以前所未有的速度涌入AI领域，融资额翻倍增长，头部效应显著 [13][14][17] - 巨大的人才缺口与AI技术加速替代人力的现实，共同推动行业在宏观经济下行背景下逆势增长 [21][29][30] - AI主导的产业新秩序正在形成，算力基础设施、垂直行业应用和通用大模型生态三大方向将诞生批量投资机会 [43] 天价薪酬 - 小鹏汽车为2025年应届生开出最高160万元年薪，并对AI方向的顶尖人才薪酬"上不封顶" [2][3] - 小鹏汽车2026届校招计划招聘超过3000名毕业生，AI方向岗位年薪可达百万 [6] - 雷军以千万元年薪挖来DeepSeek-V2的关键开发者罗福莉 [7] - Meta向OpenAI和谷歌DeepMind的研究人员提供1亿美元的签约奖金 [10] - Meta为招揽苹果公司AI基础模型团队负责人庞若鸣，开出超过2亿美元的天价薪酬总包 [11] - Meta为24岁的AI研究员马特·戴特克提供为期四年、价值高达2.5亿美元的薪酬包，其中第一年可能支付1亿美元 [11] 资本狂潮 - 2024年全球AI领域融资总额达5995.2亿元，较2023年增长超3000亿元，实现翻倍式增长 [14] - 2024年第三季度，AI初创公司吸引了31%的全球风险投资，高于2022年同期的13% [15] - AI领域融资头部效应加剧，十亿级融资事件数量占比仅8%，但金额占比高达81% [16] - OpenAI、xAI、Anthropic三家头部企业占融资总额的69% [17] - OpenAI在最近一轮融资中估值升至1570亿美元，马斯克创立的xAI获得60亿美元融资 [18] - 科技巨头加速并购，IBM以64亿美元收购HashiCorp，英伟达以7亿美元收购Run：ai，超威半导体以6.65亿美元收购Silo AI [19] 人才缺口 - 到2030年，中国对AI专业人才的需求预计将达600万人，而人才缺口可能高达400万人 [22][42] - 2025年春招首周，人工智能行业求职人数同比增速达到33.4%，位居行业第一 [23] - AI领域最优秀研究员的专业水平可能是研究员平均水平的1万倍，这类"个人贡献者"对企业的成功或毁灭具有关键影响 [24][25] - 2024年美国AI领域融资份额占78%，中国仅为14%，份额差从2023年的2.5倍扩大至5.7倍 [26] - 2024年全球新晋108家独角兽中，AI领域33家，美国新晋25家绝对领先，中国仅新晋3家 [27] 经济下行中的替代压力 - 经济寒冬促使企业用AI替代人工以降低成本，AI不需要五险一金且能7×24小时高效工作 [29] - OpenAI的GPT-5-high在40.6%的情况下被评为优于或与行业专家持平 [31] - Anthropic的Claude Opus 4.1模型在49%的任务中被评为不输于行业专家 [32] - Meta的AI驱动广告推荐模型为Instagram带来约5%的广告转化率提升，在Facebook上提升3% [33] - AI推荐系统让用户在Facebook和Instagram上的停留时间分别增加5%和6% [34] - AI的替代逻辑正在零售、物流、创意等行业蔓延，经济下行周期放大了AI的性价比优势 [35] 产业新秩序与投资机会 - 支持AI应用开发、培训和部署的运营良好、利润率高的企业将实现增长 [38] - 成本效率将比性能更重要，迫使硬件供应商不断发展以满足变化 [39] - 小鹏汽车计划在2025年投入近50亿元用于AI研发，预测未来汽车行业年研发投入将达500亿元，其中300亿元用于AI领域 [41] - AI行业将在算力基础设施、垂直行业应用和通用大模型生态三个方向诞生批量上市公司 [43] - 这些领域的头部公司很可能在未来五年内实现市值翻倍甚至十倍增长 [43]

AI大模型在天文奥赛中的突破性表现 - 在国际天文与天体物理奥赛（IOAA）中，GPT-5和Gemini 2.5 Pro达到金牌水平，在理论和数据分析测试中完胜人类选手[1][3] - 这是继国际数学奥赛（IMO）和国际信息学奥赛（IOI）之后，AI再次在顶级科学奥赛中夺冠[2] - 此次表现标志着AI已能与物理学和天文学领域最顶尖的年轻头脑抗衡，涉及中子星、吸积流、磁场和轨道力学等尖端推理[13] 主要AI模型竞赛成绩详情 - 在理论考试上，Gemini 2.5 Pro总体得分85.6%，GPT-5总体得分84.2%[4] - 在数据分析考试中，GPT-5总体得分88.5%，Gemini 2.5 Pro总体得分75.7%[5] - 五大LLM参与测试，包括GPT-5、Gemini 2.5 Pro、OpenAI o3、Claude Opus 4.1和Claude Sonnet 4，几乎全线获得金牌[18][36] - 研究由俄亥俄州立大学团队完成，选取了最近四届IOAA理论考试（2022-2025）作为评估基准[20] 模型在不同难度和类别问题上的表现差异 - GPT-5在难题上的表现优于简单与中等难度题，在2024年试卷的几何与空间可视化题目上出现重大失误[24][25] - 模型在物理/数学类问题上的得分（67–91%）明显高于几何/空间类问题（49–78%），两者相差15–26个百分点[44] - 几何/空间类问题涉及天球、球面三角学等需要空间可视化的内容，而物理/数学类主要涉及计算，不要求几何可视化[45] - 在2024年几何问题主导的考试中，只有Gemini 2.5 Pro保持了相对较高的性能（74.7%），其他模型性能下降至35–59%[44] 多模态能力与错误模式分析 - GPT-5在数据分析部分表现出色（88.5%），高于其理论考试成绩（84.2%），这得益于其更强的多模态图表解读能力[31][32] - 在理论考试中，概念性错误和几何/空间可视化错误占主导地位，共同占去60-70%的总失分[51] - 在数据分析考试中，错误分布相对平衡，绘图和图表阅读是主要错误类别，特别是对于能力较弱的模型[52][64] - 所有LLM在空间和时间推理方面都存在困难，例如难以理解球面三角学、混淆时间计量系统[47][49] 与人类选手的比较及行业意义 - AI模型不仅达到金牌水平，其水平高达人类金牌得主的2.7倍，在200-300名人类参赛者中跻身前两名[6][12] - 在2022、2023、2025理论考试中，GPT-5均超过了当年的IOAA最佳学生，Gemini 2.5 Pro在2022和2023年同样力压最佳人类选手[40] - 此次评估揭示了需要更全面地评估天文学领域的LLM，以测试其超越单纯知识回忆的问题解决能力[28] - AI在奥赛中的表现预示着其将推动全部学科的进展，标志着我们已进入AI能进行宇宙级科学推理的时代[7][13]

研究核心发现 - 研究具有高度现实性，考察了44种职业及其包含的1,320项专业任务，所有任务均由平均经验14年的专业人士审核，并由不知情的人类专家对AI产出进行评分 [1] - 最佳AI模型表现已接近人类行业专家水平，其中Claude Opus 4.1与人类专家的差距仅在几个百分点之内，且完成任务速度快约100倍、成本低约100倍 [2] - AI模型正以惊人速度改进，例如OpenAI模型产出的质量达到或超越人类水平的任务比例增长了两倍多，若此速度持续，其整体表现可能在数月内超越人类 [3] 行业影响与挑战 - 技术变革速度是商业领袖面临的最大挑战，其变革周期已从过去的五年缩短至十二个月，要求企业具备快速自我革新的能力 [4] - 有观点指出，约50%的高管可能缺乏适应AI驱动的新创新经济所需的技能，因其习惯于较慢的变革周期 [4]

人工智能行业概览与市场前景 - 人工智能技术通过分析海量数据、识别模式和做出明智决策，正在重塑多个行业 [2] - 生成式AI、智能体AI和多模态学习的快速部署，在医疗保健、金融、机器人、网络安全和电子商务等领域推动创新 [2] - AI现已应用于聊天机器人、诊断、欺诈检测和自动驾驶系统，在提高效率的同时增强了敏捷性 [2] - 全球AI支出预计在2025年达到3070亿美元，到2028年将扩大至6320亿美元 [3] - 全球生成式AI支出预计在2025年达到6440亿美元，较2024年增长76.4% [3] 主要科技公司与技术进展 - 微软、Adobe、Alphabet和Meta Platforms等美国科技巨头在AI技术方面处于领先地位 [3] - 这些公司的进展得到了英伟达、Analog Devices和Micron Technology提供的强大AI芯片的支持 [3] - OpenAI与AMD最近的交易反映了对AI芯片日益增长的需求 [3] - OpenAI在8月推出GPT-5，具备跨文本、图像、音频等的多模态理解能力，并提供更强的推理、情感智能、持久记忆和自主任务执行代理功能 [4] - Meta Platforms的最新一代AI系统宣称无需人工干预即可自我改进，推动AI向超智能发展 [4] - Anthropic在8月发布Claude Opus 4.1用于数据分析任务，Alphabet推出Nano Banana用于图像生成和编辑 [4] - Alphabet将AI融入其搜索业务以吸引更多用户，Meta Platforms专注于将AI整合到其平台中以推动用户参与度，这两项举措都在驱动广告收入增长 [5] 重点公司分析与财务展望：Analog Devices - Analog Devices受益于自动化、AI基础设施和汽车电气化领域的长期增长动力 [7] - 公司在高性能模拟市场拥有强大的市场地位，特别是在工业、通信基础设施和消费市场 [7] - 公司在转换器市场占据领先地位，市场份额约为一半，并在数字信号处理器市场处于领先位置 [8] - 公司预计第四财季收入将同比增长23%，中点收入为30亿美元，其中工业和消费领域引领复苏 [9] - 该展望表明在AI、自动化和电气化的结构性顺风支持下，公司有望回归7-10%的长期年增长模型 [9] 重点公司分析与财务展望：Micron Technology - Micron Technology受益于对HBM需求的激增和DRAM价格的稳健复苏 [10] - 定价优势可能由AI服务器需求上升推动，导致先进DRAM供应稀缺，这将支持公司的利润率扩张和盈利能力 [10] - 公司凭借其HBM3E解决方案利用AI热潮，该方案正被主要超大规模企业和企业客户广泛采用 [11] - 随着公司持续构建需要先进内存解决方案的GPU集群和AI数据中心，Micron有望成为AI相关基础设施支出激增的主要受益者 [11] - AI PC是公司增长计划的重要组成部分，其新LPCAMM2内存专为需要处理繁重工作负载的AI就绪笔记本电脑和工作站设计 [11] - 不断扩大的合作伙伴基础使公司能够捕获更大的AI基础设施市场份额，与主要云和企业客户的深化关系确保了稳定的收入流 [12] - 公司预计2026财年第一季度收入为125亿美元（正负3亿美元），调整后每股收益为3.75美元（正负15美分） [12] 重点公司分析与财务展望：Microsoft - Microsoft受益于将AI融入其应用的战略，其AI助手在2025财年第四季度达到1亿月活跃用户 [13] - AI能力在整个产品组合中的整合正在推动Microsoft 365商业云产品的每用户收入 [13] - 公司加速AI推进，承诺在2026财年第一季度投入超过300亿美元的资本支出，并承诺未来四年在英国再投入300亿美元 [14] - 公司通过推出专有AI模型MAI-Voice-1和MAI-1-preview来扩展其产品生态系统 [14] - 在云基础设施方面，公司将每个Azure区域转变为具有液冷能力的AI优先环境，在过去12个月增加了超过2吉瓦的数据中心容量 [15] - 公司目前在全球70个地区运营超过400个数据中心，数量超过任何其他云提供商 [15]

核心观点 - AI专家Julian Schrittwieser反驳AI泡沫论，认为当前对AI的质疑是未能理解其指数级增长趋势的自欺欺人行为 [1][2][6] AI能力增长趋势 - AI模型自主完成软件工程任务的时长呈现清晰的指数级增长趋势，每7个月翻一番 [9] - 7个月前的模型Sonnet 3.7能以50%的成功率完成长达一小时的任务 [10] - 最新模型（包括Grok 4, Opus 4.1, GPT-5）已能执行超过2小时的任务，并且表现略高于增长趋势线 [14] 跨行业应用表现 - OpenAI的GDPval评估涵盖9个行业的44个职业，任务由平均拥有14年经验的行业专家提供 [12] - 最新GPT-5模型的表现已惊人地接近人类水平 [13] - Claude Opus 4.1模型在评估中表现更佳，其性能几乎与行业专家的表现相匹配 [16] 未来预测 - 到2026年中，模型将能够自主工作一整个工作日（8小时） [18] - 到2026年底，至少有一个模型将在许多行业中达到人类专家的表现水平 [18] - 到2027年底，模型在许多任务上将频繁超越专家 [18] - 基于指数级增长数据的趋势外推，未来的模型可能会比专家更好 [15][19]

一位来自AI研究前沿的专家坚定反驳了当前普遍存在的"AI泡沫论"。 AI明星公司Anthropic的研究员Julian Schrittwieser在其个人博客中撰文警告，当前对AI"泡沫"或"平台期"的普遍质疑，是对技术指数级增长趋势的 严重误读，这种心态与新冠疫情初期对指数级传播的忽视如出一辙。 当前围绕AI进步和所谓"泡沫"的讨论，让我想起了新冠疫情的最初几周。当指数趋势已经清晰预示了全球大流行的到来及其规模时， 政客、记者和大多数公众评论员却仍将其视为一种遥远的可能性或局部现象。 他指出，尽管AI在执行编程或网站设计等任务时仍会犯错，但人们因此断言其无法达到人类水平或影响甚微是"一种奇怪的现象"，正如几年前人 们还认为AI编程是"科幻小说"。 人们注意到，虽然AI现在可以编写程序、设计网站等，但它仍然经常犯错或走向错误的方向，然后他们不知何故就得出结论，认为AI 永远无法在人类水平上完成这些任务，或者只会产生微小的影响。 Schrittwieser的核心论点基于两项关键研究：METR和OpenAI的GDPval。数据显示，AI模型自主完成复杂任务的时长正以指数级速度翻倍，最新 的模型已能处理超过两小时的 ...