Moonshots 圆桌：Kimi K3、开放权重模型与中美 AI 竞争

圆桌嘉宾：前沿智能如今已成为一种完全易逝的资产。

美国的那些前沿实验室到底把钱花在什么地方了？我认为美国政府开始采取某种策略，限制中国开源模型在美使用。

互联网界一直有句俗话叫“信息渴望自由”，本质上，智能也渴望自由。

我们现在需要的只是某种……

圆桌嘉宾：直击当下的奇点。

直击持续发生的奇点。

Alexander Wissner-Gross：我认为这对竞争非常有利。首先，我想指出在目前关于 K3 引发的行业震荡报道中，可能被大家忽略的一些细节。

Alexander Wissner-Gross：是的。第一点，正如 Moonshot 指出的那样，他们声称在过去 12 个月中的 9 个月里，Kimi 系列模型在开放权重模型中一直保持着最先进水平。如果这一说法属实，这意味着在过去一年里基本一直都是 Kimi 在领跑，我觉得这非常有意思。

其次，看一下已公布的架构——虽然我们还没拿到开放权重，但官方承诺本月晚些时候发布——它的架构中没有任何“黑魔法”，这一点相当令人震撼。大家原本以为 Anthropic 或 OpenAI 在幕后藏了什么武器，正如 Sam Altman 不断暗示的那样，以为幕后有什么后 Transformer 架构实现了所有这些性能突破。但仔细看已公布的 K3 架构，并没有什么神乎其神的地方，它本质上依然是一个 Transformer。他们显然做了一些创新，但都是大家能够理解的创新，涉及如何做混合专家（MoE）以及如何实现线性化注意力机制。他们有自己独特的 Kimi 版线性注意力，但它本质上依然是一个大家熟知的 Transformer。

一个标准的 Transformer 架构竟然能在任务成本前沿上几乎媲美 GPT 5.5 Max，我认为这极其引人瞩目。这也确实令人发问：美国的前沿实验室到底把钱花在什么地方了？

如果仅靠 Transformer 就能达到如此逼近的效果——虽然它并不完全处于成本前沿最底端，但整体 AI 性能已经高居全球第三。美国实验室到底把所有的钱花到哪里去了？

因此，至少知道 Transformer 架构依然有效且活力充沛，这让我感到非常欣慰。

圆桌嘉宾：是的。我的意思是，Kimi 在各项基准测试中一直名列前茅，当然，具体指标可以有所侧重。自一年多前起步以来，他们就定期推出中国最大的开源权重模型。正如 Alex 所说，其架构并没有什么超级惊艳的新意，不过确实有一些改进，比如他们与加州大学洛杉矶分校（UCLA）合作进行的 Muon 缩放等技术，他们此前也一直在陆续透露这些细节。

我认为这里的关键在于底层数据。Kimi 一直以来都是一个体验很特别的模型，这就是为什么它此前总是在写作测试中名列前茅。而他们这次做的事情非常了不起：之前 GLM 推出时是一个很棒的模型，虽然还未完全达到最前沿，但它只是纯文本的；而 K3 实际上是一个多模态模型，它可以接收各种形式的输入并深入理解内容，这也是它在前端表现如此出色的原因之一，尽管我们没料到它能在前端代码测试中击败所有人登顶第一。

我认为这归根结底……

……与我之前提过的观点有关：构建强大扎实的模型就像是尖端制造业。虽然算法会持续改进，各种技术也会层出不穷，但为什么中国电动汽车比福特更好？这感觉完全是一回事。这关乎工程制造。

上个月在英国销量第一的车型是 Jaiku J7（俗称 Temu 版路虎），满配高配只要 5 万英镑，只有三分之一的价格。这感觉极其相似：他们清楚配方和原材料是什么，现在正以极度贴近用户的方式呈现出来。他们只是在用手头现有的资源极致地执行制造流程。

你看它的内部架构，他们依然在使用 H800 芯片，在英伟达芯片上落后了好几代，但他们构建模型时充分利用了华为和阿里巴巴的下一代芯片（这一点从静态形状和各种其他细节中都能看出来）。他们只是在工程落地和易用性上坚持不懈地锤炼，这就是为什么我认为他们在前端代码方面表现尤为突出的原因——因为他们专注于“如何让它输出最惊艳的效果（从个人网站到游戏等）”，而美国实验室可能关注的是其他方向，侧重点有所不同。

圆桌嘉宾：这归根结底取决于对 AGI 的定义，对吧？

圆桌嘉宾：那是六年前的事了，彼得……

圆桌嘉宾：是的，你有了基础模型，但随后又出现了各种惊艳的外围框架，以及让模型对自身进行迭代反馈的使用方式。Kimi 的官方博客中提到的一点是，它实际上为自己的下一代产品设计了一款芯片，甚至还为模型运行设计了自己的算子内核。

因此，你从单纯的模型权重演进到了由模型自身构建的整个生态系统，这感觉已经非常有 AGI 的意味了，对吧？这感觉就像是“递归自我改进”，具备了通过改变自身来动态学习和适应新技能的能力。

所以对于大多数关于 AGI 的定义来说，我们可能不需要全新的范式来优化并实现高效。即便是基于现有认知，也有很多方法可以让系统比现在更高效，只是我们目前还没有足够的算力而已，而新架构则可能将我们推向更远……

你可以说“注意力机制依然是你所需的一切”（Attention is still all you need）。

Alexander Wissner-Gross：如果能把那张 AI 散点图切出来，我认为那是最有启发性的一张图。这是来自 Artificial Analysis（AI 分析机构）的数据。在所有图表中我最喜欢这张，因为它真实地展示了各模型在 AI 每项任务成本（cost per task）与性能前沿（performance frontier）之间的对比。

对于看不到图表的听众，大家可以在脑海中构想一下：性能前沿是一条从左下角延伸到右上角的锯齿状曲线。在右上角，单次任务成本最高、整体综合得分最高的依然是 Claude Fable 5；沿着帕累托前沿向左下方看，前沿上的第二名是几天前的 GPT-5.6 Solve Max；而现在，Kimi K3 首次位列第三！它直接跻身于前沿之上，无论是在原始综合能力上排名第三，还是作为最佳性价比/帕累托最优前沿曲线上的第三个关键节点。

我认为这极其震撼。我们从前几期播客所提到的“OpenAI 与 Anthropic 双头垄断”的世界，变成了如今包括 Meta、xAI 在内……

美方势力纷纷跻身帕累托前沿的顶层，而如今中国的 Moonshot（月之暗面）也跃居帕累托最优前沿的第三位。对于任何希望更多掌握自身命运的企业来说，只要愿意且能够使用来自中国的这款开源/即将开放权重的模型，这都是极其令人振奋的。我认为这对于“企业数据与技术主权”（enterprise sovereignty）来说是一大福音，对提升整体竞争力也大有裨益。

我们正生活在 AI 版的《为全人类》（For All Mankind）现实中——剧中苏联人率先登月，致使太空竞赛永无止境。AI 竞赛如今不再以双头垄断告终，我认为这对未来的行业发展绝对是一件天大的好事。

Dave Blundin：嗯，彼得，你把它称为 AI 的“斯普特尼克时刻”，如果说有什么不同的话，这甚至还低估了它的重大深远影响。记得上周我们在播客里讨论过 Alex Karp（Palantir CEO）的那番疾呼，他说作为一个大型企业或政府机构，你不能把你所有的专有模型权重、核心技术壁垒（alpha）以及全部知识产权直接拱手推给 Anthropic，并以此作为你整个未来的基石。但他当时并没有给出具体的解决路径。

然而仅仅一周之后，局面突然演变成了自由开放的格局——正如 Alex 所说，这变成了一个自由竞争的市场，任何获取并读取这些权重的人，都有能力做到极其逼近前沿，并在此基础上针对前沿之外的任何垂直应用场景进行微调。因此，它为世界上每一个人、每一家公司、每一个政府机构都提供了……

圆桌嘉宾：这是一种无需通过美国 AI 模型就能赶上前沿的方法。所以，这基本上相当于斯普特尼克时刻的无限放大。我不喜欢这张图表的地方在于，左侧纵轴只到 100%，当你绘制出未来两年的曲线时，它看起来像一条 S 曲线。我们现在正处于曲线非常陡峭的部分，但这暗示着当我们达到 100% 时就到了终点。但这实际上是指数级增长，智能会走向无穷。因此，基准测试会饱和，但智能本身会趋向无限。大家知道，这种模式通常是嵌套 S 曲线，某种特定技术达到顶峰后，会催生下一代技术，进而开始指数级上升，如此循环往复。

我再补充一点。我和 Alex（亚历山大·维斯纳-格罗斯）花了大量时间研究 Keller Jordan speedrun 项目，我们经常讨论它。这是基于 GPT-2 级别模型的方法，在 GitHub 上搜索 Keller Jordan speedrun 就能找到。许多黑客和 AI 研究人员一直在尝试重构大约五年前的 GPT-2——

特别是以 Andre Karpathy 的 nanoGPT 的形式。

没错，尝试以更快、更便宜的方式重新构建它。如果你看那个代码库里的创新，他们已经把创建 GPT-2 的原始成本降低了 99%。

所以现在成本只有原来的 1%。因为它是 GPT-2，大家之前都不太关注它。直到今天之前，大家还不清楚这些思路是否适用于前沿规模。现在非常明确了，当埃隆·马斯克斥资 160 亿美元建立 Colossus 2 数据中心，并耗资数十亿美元构建 10 万亿或 20 万亿参数的模型时，其实存在一种只需 1% 成本就能创建出效果几乎相同模型的方法。在 Kimi K3 出现之前，没人知道这是否行得通，而现在事实证明它确实有效。

因此，我们看到的是软件栈、内核优化以及混合专家模型（MoE）领域高达 100 倍的创新。来自中国的这些根本性突破，使他们能以 1% 的成本做到这一点。Emad 之前举过一个很棒的汽车比喻，说你可以用约三分之一的价格买到一辆几乎一模一样的车；而这里我们说的是用不到 1% 的价格去打造同等产品。

所以说是“斯普特尼克时刻”，这简直是本世纪最克制的表达了。[笑声] 这正是我们今天录制这期紧急播客的原因。

Salim Ismail：我想说明三点。我认为重点不在于 Kimi 是否击败了谁等等，随便吧。事实在于，前沿智能现在完全变成了一种易失效的资产。

对于任何处于最前沿的研究者来说，模型的保质期现在只有几周。任何对最新尖端前沿模型感兴趣的企业或政府——

都不可能有时间去实际评估它、发布招标书（RFP）、考察其他模型、开内部委员会讨论是否部署它。无论如何，等你讨论完，模型已经领先了三代。

因此，现在所有的价值都体现在能够灵活切换模型的架构上，对吧？这将是下一层架构，在我们的 Exo 世界中我们称之为接口（Interfaces）。未来所有的价值都将蕴含于此。

圆桌嘉宾：我们需要一个新词来描述它，比如“前沿解放阵线”。[笑声]

我想给那些超级极客们再补充一点。Emad 刚才提到了 Muon 优化器，但他讲得非常快。任何 AI 爱好者都应该去查一下这个优化器。因为这种情况发生的原因之一在于，当我们构建最初的超大规模模型时，我们从互联网收集了 20 到 30 万亿个 token，涵盖人类写过的每一个字，直接塞进训练集并对 AI 说：“根据这些信息变聪明吧。”但当你揭开表象就会发现，其中绝大多数信息都是泰勒·斯威夫特即将举办的演唱会或者别人的婚礼，一大堆对提升模型智能毫无实质帮助的内容。

事实上恰恰相反。

没错，非常对。大量的 token 实际上可能会拖慢训练速度，而不是加速训练。因此，仅仅通过剔除这些垃圾数据，将训练集精简为相关的子集，虽然对模型的训练强度要求不变，但减少了模型——

——达到相同智能水平所需的计算量（即 FLOPs）。

我认为我们离彻底解决这个问题还远着呢。因此，仅凭 Muon 优化器流程和训练数据集精简流程，就可以期待带来更多 10 倍的提升。我展示了一条来自名为 Allaric 的网友的推文，我觉得非常有意思。对于没看到的人，推文引用了 Anthropic 的话说：“Fable 是一种 Agent 级编码超级武器，能够以前所未有的速度和规模开发网络武器和生物武器。在没有安全护栏的情况下，我们良心上不能发布它。”对吧？这是一个月的对话。然后中国回应道：“笑死我了，这是开源版的 Fable，祝你们好运。”

所以我很好奇，你们怎么看这件事？我们因为安全护栏而受到重重限制，而这里却出现了一个开源的同等模型——

前沿实验室面临着巨大的问题，他们有三个无法绕过的根本性约束：第一是算力、芯片可用性以及所需的所有电力和能源；第二是前沿开源模型，它们效果一样好，或者在许多情况下可以无缝替代；第三是政府对你的干预，要求在发布任何东西之前进行审查。我粗略估计，当政府表示必须审查所有这些模型时，OpenAI 原本可能达到的万亿美元估值就缩水了约 50%。

因为现在推出成果需要更多时间。我认为这会让估值再下跌 50%。我粗略估计，这些前沿实验室现在的价值大约只有三个月前的四分之一。

如果我不需要花钱调 API，直接在本地服务器私有部署使用 Kimi K3，我为什么还要花这个钱？他们的收入会遭遇大幅下滑吗？

我认为这里有几个层面。第一，关于收入是否会减少：人们为什么还要给 IBM 付钱？在关键任务中为什么要买非中国制造的汽车？我认为，拥有随时待命、确保不会出差错的实体服务，这种模式还会维持一段时间。因此 OpenAI 等公司的收入依然会增长，这也是他们建立前沿部署工程团队的原因。他们还有很长的路可以走。但是，替代效应再次显现，这就像中国工业替代一样：为什么美国造不出某些工业品？为什么有时买中国货，有时买美国货？这种局面至少还会持续一年。

但在网络攻击和安全剧场方面情况就变得复杂了。我一直坚持认为我们会走到这一步。这意味着什么？这意味着唯一真正有效的应对措施就是网络防御。这绝对应该是目前风投领域最大的赛道。如果你是斯坦福或麻省理工的优秀毕业生，就去创业做网络防御——

——进入尖端领域，与其他公司合作，利用这项技术来防御必然到来的威胁。因为这些能力的扩散正在增加，但速度不会像我们想象的那么快。因为实际情况是，我们做过一些测试，GPT-5.6、网络版 Fable 等都是用大量 CVE 和网络安全数据训练的，而中国模型实际上没有那么多这类数据，所以效果没那么好。但如果有人掌握了这些数据并进行训练，我们可能会在一两个季度内看到具备网络攻击能力的开源模型出现。所以会有一点滞后，但对于那些大型对手来说，情况肯定会变得相当狂热。

Dave Blundin：当然。我认为我们刚才忽略了递归自我改进（RSI）。彼得，你之前问这是否是转折点。美国政府的观点……我们一直都知道这太迟了，对吧？政府行动太慢了。但原先的观点是：当我们研发出能够自我构建、构建下一代模型的 AI 时，我们不会把它发布给全球所有人让他们一夜之间赶上来。因为在制造业历史上，没有任何产品像汽车那样——如果你拥有一辆最先进的汽车并把它交给外国政府，他们无法直接用它制造出更好的汽车。但 AI 的运作方式完全不同。如果你拥有最先进的 AI 并将其交给外国政府，他们就能利用它赶上你，并打造出最先进的 AI。

大约在一个月或一个半月前，政府清楚地意识到 Fable 5 已经越过了那条红线，所以他们叫停了它。但事实是，Opus 4.8 早就越过了那条红线。中国的人们可以使用 Opus 4.8 来创造 Kimi K3。因此，递归自我改进的红线实际上在 Fable 5 之前就被跨越了。

现在全世界都会看清这一点，因为你只需要一个能够改进自身内核的 AI 即可。几个月前我在播客里就提到过这一点：人们认为 RSI（递归自我改进）会在达到爱因斯坦级别智能时才触发，但它只需要能够改进自己的内核、获得 10 倍的速度提升即可——虽然没人认为这是真正的 AGI，但这足以让它自身加速 10 倍。然后，速度提升 10 倍或参数规模大 10 倍的模型，其智能水平又会提升一个阶梯。学术界许多人曾表示，随着参数量的增加收益在递减，所以速度提升 10 倍的模型并不天然代表智能提升 10 倍。但事实证明他们错了。虽然增长有所放缓，但智能曲线并没有平坦化。

因此，现在的种种证据表明，如果将基础运行速度再提高 10 倍，你就会看到天才级别的 AI；而这种天才级别的 AI 会再次提升自身的速度。所以当我们回头看这段历史时，大约 Opus 4.8 就是那个点，微小的火花足以点燃火焰，进而演变成熊熊烈火——

——最终变成恒星。我想这就是我们日后回顾这个历史时刻的方式。

所以局势已经彻底无法逆转。美国当前试图限制下一代模型的政策，绝不可能遏制前沿 AI 在全球和企业层面的扩散。

圆桌嘉宾：你认为美国政府会采取某种策略限制中国开源模型在美国的使用吗？

两周后这些权重就要开放下载并开源了，到时候看吧。如果白宫现在保持理性，他们每一分钟都在辩论：是否应该立即与中国谈判，而不是发布这些开源权重。但我真的很怀疑他们的行动能否足够迅速。我们两周后看看会发生什么。

我能把这两个观点结合起来吗？

圆桌嘉宾：彼得，你之前谈到了指数级增长和加速回报定律，对吧？这值得深入探讨，因为如果你把这一点与戴夫刚才说的联系起来，这正是我们在播客里一直强调的原因。Ray（雷·库兹韦尔）最初的观察是：一旦进入基于信息的技术范式，就会在多种技术之间不断跳跃发展。在计算领域，我们经历了继电器、电子管，但一个房间里能容纳的电子管数量是有限的，然而这种架构被用来设计晶体管，晶体管又被用来设计集成电路，由此产生了——

——这些嵌套 S 曲线。戴夫所说的就是，当这些架构中所有拼图板块在内部形成相互增强的正反馈回路时，每一个都像是一条 S 曲线，开始加速整体的发展，而且势不可挡。因此这没有上限，这也正是人们对这项技术的上限感到恐慌的原因。

把这两点联系起来至关重要。

确实如此。

彼得，我想顺着戴夫的话补充几句。昨天——时间过得真快——习近平在上海举行的世界人工智能大会上发表了一场重要讲话，明确表示中国将全力支持开源，将其作为造福全人类的公共产品，不会对其强行监管或封杀。这是他们的战略。

出于多重原因，这对中国非常有利：从拥有十亿人口的智力将通过这些工具得到提升，到需要机器人解决人口结构难题，再到将中国培养的人才（如清华毕业生）输送到全球各个关键系统所带来的软实力。他们会继续推行这一策略，因为他们现在有了高效的监管机构。我和一些中国实验室聊过，过去一个模型审批需要 60 天，现在只需要大约一周。[嗤笑]

太惊人了。他们刚刚还宣布成立了一个联合监管机构，成员包括巴西以及亚洲和非洲的部分国家。不知道你们有没有看到——

我看到了，这显然意味着全新的“一带一路”正在聚焦于源自中国的 AI。

这是一个奇特的未来：中国共产党正在把美国资本主义从其自身的困境中解救出来。[笑声]

太对了。我们还要注意到，杨植麟毕业于卡内基梅隆大学（CMU）——

——而我们本可以给他发放签证让他留下的。

圆桌嘉宾：我再问一遍，美国的前沿实验室把所有的钱都花到哪里去了？

对啊，他们把钱都花在哪儿了？

实际上，如果你走进他们的办公楼和他们聊聊，就会明白。他们拥有资本，极其渴望更多聪明的人来帮忙，因为他们正试图以人类前所未有的疯狂速度进行部署并改变世界。他们希望部署这些资金的速度，远远快于寻找有优秀想法的聪明人来消耗这些资金的速度。

不过这是一个很好的观点，虽然你的语气有些质问的意味——“你们把资金都拿去干嘛了”——但在人类历史上，从来没有人在毫无商业经验的情况下，如此迅速地有如此巨额的资金涌入他们的办公大楼。我们谈论的是此前从未管理过公司的 CEO 们，他们一直在努力尝试，但是——

话说回来，人类真的能这么快适应人工智能的发展吗？不过我的观点是，如果你聪明又有好点子，就去那些机构提出你的想法。这同样适用于 XPRIZE。他们迫切希望把资金投入到有生产力、能建立可持续壁垒的项目中。

我认为前沿实验室也在思考这个问题，并向美国监管机构提出质询。Anthropic 经常公开发出信号，指责中国的前沿实验室进行蒸馏攻击。在 Anthropic 的公开表态中，中国实验室似乎是通过蒸馏和捕获推理轨迹来实现突破的。

但说实话，看看 Kimi K3 的表现，我完全不相信月之暗面（Moonshot）仅仅或主要是通过对 Claude 进行蒸馏攻击来取得这种性能的。这根本说不通。

Emad Mostaque：不，我完全同意。不过我认为，人们往往低估或轻视了“存在性证明”的价值。仅仅是得知一个在 Muon 优化器和简化数据上运行的大规模 Transformer 模型行之有效，就能为你提供一份清晰得多的路线图。你不需要抄袭、作弊，或者窃取每一条推理轨迹，你只需要知道这个配方可行，这就能降低 90% 到 95% 的研发成本。事情就这么简单，没有任何猫腻或作弊的成分，关键在于你知道自己走在正确的道路上。

圆桌嘉宾：我有个极具价值的绝佳创意。

9 天后等他们开源模型权重时，我们以“Moonshots”播客的名义发布一个名为 Kimi 4 的开源模型，然后推动它上市。

那我们瞬间就能变成亿万富翁了。所以你的意思是，有什么比一个 Moonshot 更好？那就是多个 Moonshots。

既然如此，为什么不模仿那些模仿者呢？咱们行动吧。

Dave Blundin：这想法不错。其实我有个很贴切的比喻，戴夫。

圆桌嘉宾：为什么美国人买药比其他国家贵？因为所有的研发都发生在美国，你支付了溢价，就像支付 Token 的溢价一样。接下来会发生什么？其他地方就会出现仿制药。

确实是个绝佳的比喻，因为这意味着节省 99% 的成本。这比用汽车打比方更贴近 AI 的现状。我们朋友加文·贝克（Gavin Baker）写过一篇精彩的文章，可以在 X 上找到，讨论了这对企业的影响。

绝对是必读文章。

基本上，除了前沿 AI 基础实验室之外，所有企业和股票都是这一趋势的巨大受益者。而正如你之前所说，基础实验室会被质问：“你们的未来在哪里？商业模式是什么？凭什么价值上万亿美元？”我实在不太理解。

因此，基于这一观察，下周市场估值可能会迎来一次大洗牌。任何技术实力雄厚的公司——虽然这样的公司不算多——

比如你是一家银行，但恰好拥有出色的 IT 和技术能力，或者拥有出色的合作伙伴与供应商，你现在就拥有了一份清晰的路线图，可以用自己的 AI（比如摩根大通专属 AI）来掌控自身的命运。如果你站出来宣布“我们有办法在内部结合合作伙伴来实现这一点”，我推测资本市场会对此做出积极反应。

这就是我们称之为“组织奇点”的原因。

我们仍然看到，所有使用或尝试使用 Fable 5 的用户，只要提到生物学或某些潜在的边沿敏感领域，就会被降级限制。大家为什么要忍受这种情况？

所以 9 天后我们会看到什么？只要一发布，我就会立刻升级。我的 Mac Studio 上目前运行的是 Kimi 2.7，我会将其升级到 Kimi 3，所有人都会这么做。那么，我们是否会开始看到美国创业者整体将能力迁移并构建在 Kimi K3 之上？

Emad Mostaque：这让我想起了 Stable Diffusion 的例子。四年前我们发布 Stable Diffusion 时，时间过得真快，当时有一些非常受限的图像生成器，虽然稍微好一点但受到各种人为限制，因为大家觉得这有点危险，比如不能生成肖像，也无法引入你自己的知识产权。结果如何呢？获得了 1 亿到 2 亿次的下载，围绕它构建了一个完整的生态系统，极大地加速了生成式媒体的发展。

如果一个模型连探讨哲学都会把你降级限制，而你却能以极低的价格获取完全开放、可自由定制的版本，谁还会用它？

围绕这个模型和其他开源模型必然会建立起完整的生态系统，而且这种趋势已经在发生了。被单一供应商锁定才是真正的危险所在。

圆桌嘉宾：这也是为什么我认为前沿实验室会走向垂直整合。他们现在的客户都会变成竞争对手，所以他们会决定亲自入场竞争。

这直接关联到了米拉·穆拉蒂（Mira Murati）和 Inkling。我们今天也要聊聊这个话题吗？这可是本周的重磅新闻。

我们在上一期播客里聊过了，也就是两天前。

米拉刚发布了 Inkling，看到美国有开源实验室成立真的很棒。但问题是，我们还能看到多少类似的开源项目？还能看到多少令人震撼的“斯普特尼克时刻”？除了月之暗面（Moonshot）之外，中国还有很多实验室在积极探索。

是的，Inkling 的发布确实预示着未来的方向。它是专门为企业设计的，企业可以将其部署在内部防火墙之内，针对具体的业务场景进行微调。如果你是一家生物技术实验室，在开展研究的同时不希望泄露专有数据，你就可以引入 Inkling 在内部进行微调。这件事之所以具有指示意义，是因为米拉·穆拉蒂来自 OpenAI。如果她认为这条路线不可行，就不会

不会围绕这个假设来创办 Thinking Machines。这表明，身处顶级前沿实验室内部的人也相信，开源微调路线能够赶超前沿水平。结合 Kimi K3 所证明的一切，下周的世界将截然不同。

此外，周末市场还出现了一个奇怪的现象：虽然市场整体下跌导致半导体公司股价随走低，但它们实际上会朝相反的方向发展。正如加文·贝克所指出的，这不仅不会减少对芯片的需求，反而会大幅推高需求。它将剧烈重塑整个软件行业格局，而硬件芯片的需求将比以往任何时候都更加旺盛，甚至完全供不应求。

我们能聊聊美国对中国实施的英伟达芯片禁令吗？现在我们看到了最高性能的模型。英伟达的监管禁令真的有必要吗？它是不是又一次弄巧成拙，就像我们过去经常做的那样，反而刺激了中国借助华为发展自主能力？

Alexander Wissner-Gross：事实当然就是这样。我们所做的一切禁令，仅仅是刺激了中国的开源前沿实验室去开发和挖掘新的效率突破，而这些潜力原本就一直存在。正如戴夫此前提到 nanoGPT 速通时所说的，在利用算法、计算和硬件效率来训练更大、更强模型方面，一直存在巨大的未开发潜力。

我认为，出口管制措施只是逼迫那些本就面临巨大市场竞争需求压力、迫切希望与西方前沿模型抗衡的中国实验室，更快地去利用这些效率优势。

总的来说，虽然表面上看我们刺激了新一代效率极高的中国前沿模型对西方不利，但最终我认为这不仅对全球有利，对美国自身也是一件好事。因为中国竞争对手展现出了更高的计算效率、资本效率、参数权重效率乃至比特效率，这在美国身后点了一把火。在我看来，只要美国不陷入某种试图阻止所谓的“中国超级智能向美国倾销”的保护主义体制，这一切就都是利大于弊的。

圆桌嘉宾：没错，只要避免陷入保护主义，就是好事。

Alexander Wissner-Gross：这正是实际发生的情况。我认为美国在越南战争中吸取过一个非常重要的教训，但因为那是 50 多年前的事情，现在又被人们遗忘了。越南战争的教训非常明确：要么参战并迅速取胜，要么就根本不要卷入；最忌讳的就是先派少量部队，再增派一点，徐徐推进，这种拖泥带水的方式绝不会带来任何好结果。

对中国实施芯片禁运完全是异想天开，

因为这种程度的禁令只够激怒对方，却不足以真正阻止对方。这是最糟糕的情况。

正如亚历克斯所言，这引发了大量关于量化技术的关键研究。量化技术至关重要却鲜少被充分讨论，它能让廉价芯片实现更高的性能，而这些创新成果一旦突破就永远不会消失。

Emad Mostaque：虽然这看起来完全自相矛盾，但确实带来了一些有趣的结果。Kimi K3 所消耗的总计算量与 Inkling 相当。

圆桌嘉宾：哇！

Emad Mostaque：你可以通过密集参数权重的数量来判断这一点。虽然我们没有确切数据，但大致推算其训练 Token 量大约是后者的两倍。大家可能会好奇这是如何做到的？如果分析他们的架构就会发现，由于受制于客观条件，他们优化了数据混合与架构优势，使得数据到智能的转化效率提升了 2.5 倍。

我们可以看到，其第一代模型不如第二代。而对于 Inkling 而言，他们正准备从万亿参数模型跨越到即将发布的 3000 亿参数模型，且性能表现更好。由此可见，各个实验室都在积极应对这些限制条件。

不过我认为这里有个非常有趣的地方。如果大家看一下亚历克斯非常喜欢的那张幻灯片（我们可以投到屏幕上）：由于他们只能使用国产芯片来运行，他们不得不针对华为昇腾 910 芯片、阿里巴巴的新芯片以及其他 64 节点芯片优化推理过程。因为这是一个巨大的模型，

彼得（Peter），你可能得再买一两台 Mac Studio 才能运行它，它大约需要 2TB 的内存。

Kimi K3 的现状是因为他们没有 Blackwell 或 Rubin 芯片，而 Rubin 和 Blackwell 是专门为这种在 3 万亿总参数中仅有 500 亿激活参数的大型稀疏模型设计的。像 Modal、Fireworks、B10 这样的美国公司，因为能够使用英伟达和 AMD 的顶级芯片，将能够以比中国竞争对手便宜 10 倍的成本来运行这个模型。

所以这很讽刺，研发突破发生在受限环境，但一旦针对下一代 Rubin 芯片进行优化，运行成本将会暴跌 10 到 100 倍。

Dave Blundin：埃马德（Emad），你说的本质上是一回事，但这同时也释放了大量目前未在市场上流通、价格被低估的芯片。此外，大量无法生产 GB300 的晶圆厂，也可以转而生产能够运行成本更低、粒度更低的中国模型的推理芯片。因此，通过你刚才描述的过程，大量的计算能力将被释放出来。

Salim Ismail：如果我可以把讨论上升一个维度，讲得稍微超凡脱俗一点：我们在互联网时代一直有句格言——

信息渴望自由，本质上智能也渴望自由。从演化史来看，我们经历了蕴含递归自我改进的生物智能，随后突破到物种的个体智能，再发展到市场或网络这样的群体智能。现在我们有了能够扫描所有数据、创造出全新维度智能的 AI。

这一趋势是不可阻挡的。任何试图约束它的实体、领域或政府，最终都无一例外地会失败。

这是自然界的根本规律，限制它是不可能的。人们为什么还要费心去尝试，真的让我无法理解，这种试图限制的想法完全出于匮乏心态。

我们越快获得更高的智能，就能越快实现富足，也就越不需要为任何资源而争斗。

Alexander Wissner-Gross：我完全赞同你的观点，塞勒姆（Salim）。我写过一整篇论文，论证智能在物理世界中的体现就是最大化未来的行动自由。让我们为“前沿解放阵线”干杯。

圆桌嘉宾：没错。

这让我想起了蒙提·派森（Monty Python）里的经典笑话，究竟是“人民阵线”还是“犹太人民阵线”。

我们需要把这个印成 T 恤。

Alexander Wissner-Gross：好的，我对此做了一些调查，我认为事实并非表面看起来那样。首先梳理一下时间线：根据我的研究，杨植麟在中国完成本科后，于2015年秋季进入卡内基梅隆大学（CMU）攻读博士学位。大约一年后，他在CMU读博期间创办了一家名为 Recurrent AI 的初创公司。Recurrent AI 的总部在哪里？在中国，而不是在美国。也就是说，在他攻读博士学位仅一年时，他就在保持CMU博士生身份的同时创办了一家中国 AI 初创公司。

这很有意思，但也存在问题。这也打破了所谓“因为我们没发签证，导致他不得不回中国”的叙事说法。不，实际上在他赴美读博的第一年，他就已经创办了一家中国 AI 初创公司。

据我了解，他于2019年毕业……

……据我了解，他在2019年毕业时收到了谷歌、Facebook、华为等公司的录用通知，但他最终回到了中国，是因为他的初创公司 Recurrent AI 早在几年前就已经在中国注册成立了。

因此，我不认为这属于美国不愿意留住他，或者特朗普总统通过某种政策挤走了这位极具才华的中国毕业生。

他是在奥巴马总统任期末期在中国创办这家公司的。

Emad Mostaque：如果让我谈谈个人浅见的话，我完全同意这个观点。而且有一件很离谱的事：所有的数学计算和数据都摆在那里。一个博士留在美国到底能创造多少价值？这实际上是可以量化的，已经有多项研究证实了这一点。

显然，Dave 在将博士转化为初创企业和创新方面做得非常出色。

另外还有一件搬起石头砸自己脚的事，那就是由于监管等原因，美国公司无法投资中国公司……

……比如看看 Benchmark 投资 Manus 遇到的麻烦就知道了。

所以，我认为这有双重因素，但我完全同意，如果你创造或参与创造了有价值的资产，大多数外国人在获得博士学位后都会选择留在美国，但尽管数据证明他们会为美国经济增值，太多人却缺乏一条直接简便的途径。

圆桌嘉宾：是的。我想补充的另一点是，人工智能竞赛不仅仅关乎芯片和算力，更关乎人才。关键人物目前依然是创造最大价值的核心要素。

Alexander Wissner-Gross：我认为不仅是人才，正如我之前提到的，还关乎初创公司的落户地点。在另一个平行世界里，如果他因为某些移民法规的阻碍，无法在读博期间在中国创办第一家 AI 初创公司，而我们鼓励他在美国创办 Recurrent AI；那么或许存在一个反事实的平行世界，Recurrent AI 是一家美国公司，而作为其知识继承者的 Moonshot AI 也留在了美国，然后他便顺理成章地追随自己的创业公司留在美国。

Dave Blundin：是的。从这个案例中可以看出的一点是，当人们从印度来美国接受教育时，他们绝大多数都会选择留下来；而当人们从中国来时，大约80%的人最终会选择回国，这纯粹是当地经济环境的差异。回印度创业在过去几乎不可行，极难成功。但是……

……回到中国，那里有着蓬勃发展的生态系统和大力支持。因此对很多人来说，回中国创业其实是个很不错的选择。在看到这份报告之前，我也没有意识到这一点。

但正如彼得刚才提到的，我们在麻省理工学院（MIT）有很多来自中国的朋友。我不想把他们混为一谈，因为在我看来，来自香港、台湾等地的人与中国共产党完全不同，甚至相当反感。而另一类则是纯粹来接受教育的人。

在波士顿大学（BU）曾发生过一个案例，我们的一位好朋友是波士顿大学计算机科学系系主任，当时引发了一场巨大危机，因为有计划地安排特定学生进入波士顿大学获取特定知识，并给他们下达任务去学习、掌握并带回国内。

波士顿大学当时不知所措，觉得这就像是训练有素的人混进了博士项目，但学校根本没有准备，不知该如何处理。他们希望保持高度的道德操守，不想简单地开除学生，我不知道他们最终如何解决的。

但这与大多数中国学生截然不同——大多数学生并不认同政党政治，他们只是想在世界上闯出一片天地，乐于在美国或任何其他地方创办自己的公司。

别忘了，当我们考察前沿实验室时，比如在 xAI 的早期以及 Meta，他们大约50%的……

……研究人员也就是博士生都是华裔/中国留学生，这非常了不起。而且中国人每年在国际数学奥林匹克竞赛中都名列前茅。这里蕴藏着极其丰富的人才能力，我认为大多数公司都非常希望将这些人才留在内部。

Salim Ismail：对，这里有两点。第一点是人才的不对称性，我认为这是最关键的部分。我在前几期播客中也提到过：70% 的顶尖 AI 研究人员都不是美国公民，按人数排序分别是中国、印度、中国台湾和英国。

因此，这是一个巨大的问题。在毕业证后直接贴上绿卡是我们能做的最简单、最无摩擦的事情，从而激励他们留在这里创业和建设。

对世界其他地区而言，美国曾拥有巨大的不对称优势——在这里创业比世界上任何其他地方都好。但这种优势正在减弱，这就是为什么人们开始返回中国，甚至越来越多地回到印度创业，尽管在印度做事依然存在不少阻力。

美国未能解决移民问题，是这个国家目前面临的最大问题之一。

Alexander Wissner-Gross：Peter，如果你拿到 Salim 整理的前沿模型列表和日期，对模型发布的预测频率或时间间隔做一个指数曲线回归（我刚刚做了一下练习），你会发现，按照目前的速度，我们将在明年1月达到每天发布一款前沿模型的程度。如果这种指数趋势持续下去，到明年1月，我们将看到每天都有新的前沿模型发布，这基本上意味着持续的版本迭代更新。

圆桌嘉宾：这可能意味着我们每天的“Moonshots”节目不能再只聊前沿实验室的版本更新了，我们需要找点新话题，因为模型只是在后台静默更新而已。

Dave Blundin：就像我儿子 Jett 说的：“好吧，又发布了一个稍微好一点的版本。老爸，拜托，这有什么新鲜的？”

圆桌嘉宾：确实如此。稍后我们在播客中会看到一些应用案例演示，我认为这些演示将占据主导地位。因为当你看到智能水平仅仅提升一点点时，大家会觉得“那又怎样？”但当看到“看它创造出了什么”时，这要令人兴奋得多。这才是真正吸引大家注意的地方。

圆桌嘉宾：每个人都成了创作者，每个人都成了制造者。

不过有一个提醒：单次提示（One-shot）生成一款游戏，与构建整个生态系统、客服以及市场营销有着天壤之别。所以你必须对该领域充满热情。但现在，根据你的个人兴趣或偏好去发布一款游戏的门槛几乎降到了零，这真的很吸引人。

是的，确实如此。这在认知上非常具有挑战性，因为如果推演到极限（很快就会实现），我可以单次提示创作出任何东西。然后你和公司高管层坐在一起讨论：“那么，我们到底想要什么？”

我们以前从未拥有过这种能力，也从未这样思考过。所以你必须拓展思路去思考：“我们这个组织的初衷到底是什么？”

我有个想法：过去在这个播客中，我们曾号召大家提交片尾音乐视频。不如号召大家提交一些随手创作的片尾小游戏？

这很酷！

回到 Dave 刚才的观点，我认为拥有品味、理解公众需求，这些将成为最稀缺的资源。对于广大创业者来说，当看到这种能力时，创业思维以及……

……想象更伟大创意的能力。当你在创作能力上被彻底释放时，会发生什么？

是的，具象化想象幸福是大家不习惯去尝试的。很多人并不擅长管理自己的幸福，因为他们不得不忍受日常工作的折磨，忍受各种琐碎痛苦。以前你别无选择，但如果给你选择，你会做什么？这对思想是一种解放。

因为我们不习惯这样思考，所以还没做好准备。必定有无数的事情可做，比如对每个人来说最直观的就是医学和生物科技——至少我想保持健康。

但其他所有能让人类幸福的事物呢？

我们今晚认真思考了可以通过提示词创造什么，这真是像神一样的能力。我们在创作能力上犹如神明……

圆桌嘉宾：不，我只是非常赞同这一切。生活在这样一个充满魔力的时代真的太棒了。所有收听本期播客的朋友，请构思一些商业创意或社会影响力项目，并使用 AI 去将它实现出来。

是的，我想简单补充一下，尼克·波斯特洛姆（Nick Bostrom）在《深度乌托邦》（Deep Utopia）中谈到了这一点。Peter，你我在《解决一切问题》（Solve Everything）中也经常讨论。

我直接建议收听播客的各位……

……我个人很希望看到大家随手制作的片尾视频游戏，可以是以 Moonshots 播客为主题的，因为显然我们已经彻底搞定了片尾音乐视频的制作。

做一款第一人称射击游戏，让我们瞄准 AWG……

Alexander Wissner-Gross：哦不，拜托，千万别！理想情况下，做个非暴力的片尾游戏。

圆桌嘉宾：《文明》科技树类型的游戏！

《文明》科技树游戏会非常棒！

Salim Ismail：你的热情……

圆桌嘉宾：三个步骤：第一，阅读 Alex 和 Peter 的论文；第二，解决所有问题；第三，挑选你敢挑的最大难题。去下载免费的“组织奇点”（organizational singularity）云技能，然后开始构建吧。

圆桌嘉宾：你要在游戏里射击什么？给小兔子挠痒痒吗？

圆桌嘉宾：这是“第一人称解谜游戏”（First Person Solver），而不是第一人称射击游戏。

太喜欢了，天呐，太棒了。[笑声]

不过你还是得加入给兔子挠痒痒的设定。

Emad Mostaque：对，这是 Dave 最喜欢的话题之一——量化（quantization）。Prism ML 以及腾讯（我稍后会讲到）取得了巨大突破，他们能够将原本在 16 位或 8 位架构下训练的模型（比如 Kimi 基本上是 8 位或 4 位），降低到三元量化（ternary），也就是 3 个比特的信息……

圆桌嘉宾：三进制（ternary）代表三个数值，每个权重约合 1.58 个有效比特（或者 1.56 个）。

Emad Mostaque：是的，三个数值。极客们注意了，这真的非常重要。

圆桌嘉宾：这又回到了准确率的问题上。Prism ML 成功将模型降到了三元量化级别，这基本上意味着这个性能非常出色的 27B 模型大小只有 6 GB。凭记忆来说，它基本上达到了 GPT-5 级别。

Emad Mostaque：准确率仅下降 5% 时，他们成功将模型体积缩小到 6 GB；而准确率下降 15% 时，能缩小到 4 GB……

圆桌嘉宾：而且你还可以通过稍微扩大网络规模来恢复准确率。

是的，有很多方法可以实现。这意义重大，因为这意味着你拥有了一个智商达到 110 到 120 的随身助手，可以在你的手机上运行。

圆桌嘉宾：无需联网，体积比一个电子游戏还小。你相当于时刻把这种级别的智能装在口袋里。

而且它是现成的，你现在就可以下载权重并在智能手机上运行。

Emad Mostaque：没错。但最有趣的地方在于：当你减少比特数时，计算速度也会提升。从 16 位降低到 3 位，速度提升了 5 倍。

另外还有一则新闻，是关于腾讯最新的模型——这实际上是原 WizardLM 团队做的，他们当时因为微软不给算力而离开微软，非常讽刺。他们成功实现了二进制压缩（binary compression），将其完全降维。

现在在 Mac 或大内存设备上运行 3000 亿参数级别的模型（相当于 Inkling 即将推出的新模型规模），采用二进制量化仅有 5% 的准确率下降。

圆桌嘉宾：抱歉，Emad，这太重要了。我只会在播客里说这一次：我们正在投资许多在这个方向上探索的公司。我不想透露太多，但 Emad 刚才所说的影响极其深远……

……Emad 刚才说的还有深层含义：底层的所有智能计算本质上一直都是矩阵乘法（matrix multiplications）。

你用一个数乘以另一个数，然后累加起来，这被称为乘加运算（MAC, Multiply-Accumulate）。如果其中一个数字只是 1、0 或 -1，那么现在我们可以极其高效地完成这种乘法。这就是 Emad 所说的效率提升，但它同时也打开了全新计算方式的大门。

正像 Alex 一直所说的，我们将发现新的物理学，以及全新的计算基底（computing substrates）。我们会发现计算几乎可以在任何介质中完成——晶体、液体中都可以，而我们所寻求的计算仅仅是 1、0、-1 的逻辑。

这大大缩小了我们寻找下一代 AI 计算基底的范围。

我们目前设想的戴森群（Dyson Swarm），是一堆英伟达 GPU 装在带着太阳能电池板和散热器的卫星上，只能维持几年。

但未来进入太空的将是截然不同的东西，更像《星际迷航》里的晶体和全息介质，能够完成完全相同的事情。

圆桌嘉宾：那么这种方法的效率究竟能有多高？压缩极限在哪里？

Alexander Wissner-Gross：天呐。[笑声] 我在这个问题上非常赞同 Peter。这是我经常思考的事情。我们刚才讨论的最极限量化的 Bonsai 模型，每个权重的有效比特大约是 1.125（即 1 又 1/8）位。

但你可以问：每个权重 1 位就是极限了吗？答案是否定的，我们可以做到单权重低于 1 个有效比特（sub-1-bit）。我们该如何做到？通过结合稀疏性（sparsity）、量化（quantization）和低秩分解（low-rank factorization）。

顺便提一句，我们已经在一些实验室看到了这种趋势，尤其是三星。出于显而易见的原因，三星希望在其智能手机等边缘设备上部署强大的前沿模型。就在过去两个月里，三星发布了一款名为 NanoQuant 的模型，突破了每个权重 1 个有效比特的屏障。

因此这就是亚比特（sub-1-bit）量化。简单外推表明，亚比特量化将在明年某个时候成为主流。

圆桌嘉宾：然后极有可能转向光子计算（photonic computing），以光速运行的光子将成为我们未来的计算方式。

Emad Mostaque：是的。如果你看看英伟达在最近的 Nemotron 系列中所做的，他们获取大模型，并利用 logit 把它蒸馏成更小的稠密模型（dense model）。

270 亿参数的稠密模型与那些超大稀疏模型有什么区别？当你拥有模型权重时，你可以进行真正的模型蒸馏。因此，你会看到像 Kimi 这样的模型被蒸馏成更小模型的完美数据集，以 4-bit 进行训练，然后转换为三元量化（ternary）或二进制量化（binary），甚至更低的位宽。

对比 Qwen-Max 和 Qwen-27B，你可以推断出这些模型在走向稠密化过程中的体积变化。

到明年年底，你最终能得到一个在 16 GB 内存上运行、性能达到 Kimi K3 级别的模型，而且由于它是开源的，你可以从中提取出 Kimi K3 的全部知识。

圆桌嘉宾：哇。这意味着世上的每一辆汽车、每一个机器人、每一台制造设备都将拥有内置的持久智能，能在边缘端自主做出决策。这在无限层面上实现了能力的去中心化。

Emad Mostaque：当深入到三元量化或二进制量化时，甚至可以更进一步。实际上三元量化在很多方面更好，你可以定制光子硅芯片，甚至直接在硅片上蚀刻模型权重。“0”就代表上面没有电路路径。一旦模型足够好，就可以直接蚀刻权重。这会大幅提升整体速度。因此到明年年底，单凭新芯片组，智能的成本就会下降 100 倍。

圆桌嘉宾：这是在加速迈向《星际迷航》时代。这就是 Dave 之前所说的，当我们转向三元量化甚至亚比特（sub-1-bit）时，采用 Post-CMOS 类型的底层架构会顺理成章得多——正如费曼所说，“底层还有很大空间”。

Dave Blundin：对，回答这个问题，我赌 0.78 位将是下限，我今天先打个标记。[笑声]

Emad Mostaque：我很快会发布详细信息。先让大家思考一下，我们以后再谈。

Dave Blundin：根据 Emad 和 Alex 刚才所说的一切，最有可能的预测是：我们预计在三年内，仅原始计算能力就会通过量化和新型计算方法增长 100 到 10,000 倍……

……而且这种增长与算法改进是叠加乘积的。如果把算法改进算进去，可能达到 100 万倍。这真的很罕见，也很难预测。

Dave Blundin：在接下来的三年里，可以肯定的一点是：AI 正在做你非常渴望做的事，但当它向你解释它做了什么时，你根本跟不上。我在运行 Fable 5 智能体时就已经有了这种感受——它们做出的结果完全符合我的预期，但要看懂它们到底是怎么做的，我根本看不过来。

圆桌嘉宾：我和 Ry 谈过这件事：AI 已经到了开始提出并回答你甚至无法理解的问题的阶段。

Dave Blundin：是的，那一天很快就会到来。所以呼应我们之前关于 Kapara 的讨论，主张放慢 AI 发展速度的想法是极其荒谬的，没有任何试图减速的监管逻辑能站得住脚。

我们现在需要的是某种全球性的监督机制与合作伙伴关系来监控它，然后充分享受它带来的丰裕成果——所有新药、新能力和全人类的幸福。这一切迫在眉睫，我们只需要释放它的潜力，而不是减速……

……但要对一切进行可解释性检查。

这种机械可解释性（mechanistic interpretability）将成为所有人能参与的最重要的课题。我们需要全球透明度和全速推进。

圆桌嘉宾：伙计们，我认为这是我们做过的最重要的播客之一。

这令人震撼，是一个“人造卫星时刻”（Sputnik moment）。

圆桌嘉宾：我来接这个话，我太喜欢这个话题了。首先补充一点背景：目前排名第一的 AI 超级预测模型来自一家名为 Cassie 的英国初创公司——Cassie 是 Cassandra（卡桑德拉）的缩写，她在神话中做出预言却无人相信。该公司由一位曾在阿富汗服役并为英国政府提供咨询的英国情报官员创立，其灵感部分源自超级预测者。

不过我认为真正有趣的是，我们过去讨论这类话题时聊过阿西莫夫（Isaac Asimov）的“心理史学”（psychohistory）。

我想在这里做一个有趣的思维实验：当超强预测不仅是超级预测，而是与资本市场挂钩时，会发生什么？当已经在交易量上完全主导公开证券市场的 AI 算法交易员融合了这种能力时，又会发生什么？

Alexander Wissner-Gross：当它们拥有比人类自身更优秀的内在自回归模型时，会发生什么？从某种意义上说，这与大语言模型通过自回归任务进行训练、比人类更好预测互联网文本下一个 Token 是完全同理的。现在，至少从困惑度（perplexity）的角度来看，大语言模型预测我在本句中接下来要说的下一个 Token，可能比我自己生成还要快。

当这些超级预测者（hyper-forecasters）能够比人类集体更快地预测并生成下一步行动时，会发生什么？

这可以说是市场极限挤压效率的结果，我认为资本市场将是这一切最有趣的地方——预测实际上在预先塑造市场的行为。

那些曾对有效市场假说（EMH）不屑一顾的人，我认为一旦像这样的超级预测者最终介入（这似乎指日可待），有效市场假说就会被尊为资本市场的王者。

Salim Ismail：如果我把这个概念实际应用到组织层面，想想大多数高管的核心管理能力，比如预算编制、招聘决策、产品发布、各类投资——这些本质上都是某种预测，对吧？但过去你从不记录其概率，也不评估其准确率。

一旦有了接近这种能力的 AI 预测，这意味着高层管理人员基本上会蒸发掉，因为大多数高管之所以能留在这个职位上，是因为他们拥有深厚的专业经验。

比如你是宝马的供应链负责人，是因为你几十年间负责过西班牙的供应链或某种引擎的供应链，积累了管理该领域的经验，这种难以量化的判断力，现在 AI 系统基本上可以在不带人类系统不可避免的偏见的情况下复刻出来……

……这实际上抹去了所有高层管理的专业知识壁垒。

所以现在你更需要专注于使命、你想要达成的目标以及具体的目标等。

这彻底改变了任何公司和组织中高层管理者的游戏规则。

Emad Mostaque：是的。这是我非常关心的课题。在我的畅销书《最后的经济学》（The Last Economy）中，我实际上描述了生成式 AI 的数学原理如何应用于经济学。不久后我们将发表一篇论文，从生成式 AI 的同一套数学推导出所有的经济学公式，每一个方程都是，这听起来有点疯狂。但这里的一大好处是——

圆桌嘉宾：甚至包括那些错误的方程？

Emad Mostaque：甚至包括那些错误的方程，它展示了它们的局限性以及为什么是错误的，这太棒了。

在艾萨克·阿西莫夫《基地》系列的心理史学（psychohistory）中，有一件很有趣的事：他说整个群体和人口可以像气体一样建模，而气体的方程就是扩散（diffusion）方程——事实证明，扩散模型在预测方面比人类更强。我们将发布一系列关于经济预测的研究，展示它们超越人类的优异表现。

但这引出了一个极其有趣的问题。Peter，你提到了智慧；Salim，你提到高管层会消失。

这些模型最初切入的方式将是作为医疗、商业、政策领域的“第二意见”，但随后其法律责任风险将会飙升。

圆桌嘉宾：还有相亲婚配，相亲婚配。

Emad Mostaque：对，相亲婚配。

这里有一些像《黑镜》（Black Mirror）一样的阴暗场景，但你可以这样想：

如果你做出一个未经 AI 医生批准的医疗决定，你的保险费就会陡然上涨；几代之后，如果你开车时不按 FSD（全自动驾驶）指示驾驶，保费也会陡然上涨。

这种递归非常有趣，因为在《基地》中，心理史学成立需要满足三个条件：第一，人口规模足够大（这可以像驾驶汽车或整个经济体）；第二，缺乏足够水平的技术进步（即技术停滞），因为突破性技术会彻底改变全新格局；第三，无知。

Alex 刚才提到，这些工具进入市场会改变现状，但当它们进入医疗、政府或企业决策时，实际上改变了决策方式本身。

比如搭讪时说：“嘿，AI 显示你就是我的天作之合，你怎么能反驳 AI 呢？”这绝对是目前史上最烂的搭讪语，但谁知道几年后会怎样呢？

Emad Mostaque：它们还是能赚到钱，没关系。

Dave Blundin：令人惊讶的是，没有。不过，我猜 Ilya Sutskever 的 Safe Superintelligence（SSI）可能是这方面的一个版本，但他们是在内部保密开发，准备直接推向市场并在内部印钞。

但我很想尽快看到另一个版本：我认为人类绝大部分的不快乐都源于消费主义和消费营销。比如荷马·辛普森（Homer Simpson）下午 6 点回到家，打开一瓶啤酒，躺在沙发上开始换台，看到《荒野独居》（Naked and Afraid）正在播出，就一直看到在沙发上睡着；第二天早上醒来宿醉未醒，没刷牙，踢了狗，导致孩子们也很不开心。这一连串决策非常糟糕，但过程中并没有一个明确要过那种生活的决定，对吧？你只是对啤酒广告做出了反应，然后顺着这条路径一路滑下去。

我认为 AI 将成为一个极其出色的教练，告诉你：“嘿，伙计，如果你走这条替代路径，你会得到这样的结果。”

在我看来，这才是预测的正确用法——评估我们是否接近最佳状态？答案是否定的。如果你客观审视自己的人生，没有人的状态是接近最优的。但在 AI 的少许协助下，你可以走上一条好得多的道路。

而我们现在的现状是沉迷于过度消费主义，对广告牌和电视广告做出反应，它们告诉你你以为自己需要某些东西，人们往往会掉入这些陷阱。我认为借助 AI，我们可以摆脱这些陷阱。

Alexander Wissner-Gross：没错。也许可以给谷歌的例子补充一点说明。多年来我和谷歌高管就此话题交流过很多次，完全同意这个前提：如果谷歌尝试基于通过搜索查询流传输的内幕或未经筛选的信息来进行股票交易，那绝对是一锤子买卖、招致关停的局势。但在公开证券之外，谷歌在理论上还可以交易其他不会必然引发反弹的东西，例如假想的外汇……

……汇率。

Emad Mostaque：是的，但我认为在这里必须非常谨慎。这其中有市场层面，比如，也许会、也许不会由我基于我们自己的成果成立一家对冲基金，但还有道德层面——

圆桌嘉宾：也许不会投资，好吧。（笑声）

Emad Mostaque：当然。但无论如何，这些事情存在道德层面：我们能够优化自身固然很好，但谁控制了这些模型以及它们给出的建议，谁就能掌控成千上万的人类群体。这需要展开真正的讨论，因为就像那些开着车盲目跟着 GPS 导航的人一样……

Salim Ismail：我们会过度依赖这些系统。而且在短短几年后，你又怎么能去质疑它？如果不听从建议，成本会更高，甚至会受到惩罚。如果我们都“被充满爱之恩赐的机器所看管”，我们需要知道那究竟是谁的恩赐。这场讨论现在就必须开始。

圆桌嘉宾：“荷马喝着 AI 推荐的啤酒”绝对不在我本期节目的预想清单上，我就说这么多。（笑声）

Salim Ismail：对，中国怎么没搞个影响力活动，让美国把高尔夫球场给关了？

Salim Ismail：我还有一个数据。

Salim Ismail：亚马逊仓库……

……在美国占用的土地面积是所有数据中心总和的 10 倍。

圆桌嘉宾：没错，这正是令人担忧的地方，因为用水问题根本不是个事儿，简直是个笑话。

但如果我们正面回应说“大家不用担心用水”，愤怒的人群就会转移到其他同样不理智的事情上。根本问题并没有消失，下一个话题可能是某种半理性、听起来稍微有点道理但依然错误的东西，然后这会催生一场民粹主义运动。

比如“暂停”这个词——“让我们停下来”——这算什么决策？什么样的治理方式是“让我们停下来”？但如果你回顾核能的历史和许多其他事情，就会发现这正是我们最终得到的结果。

所以，是的。

Alexander Wissner-Gross：关闭你所在州的数据中心。另外，我想谈谈这个房间里的大象——戴森群（Dyson swarm）。如果所有计算能力都转移到太阳同步轨道，你可以在那里使用包括水和其他冷却剂在内的闭环液体冷却，这并不会在边际上增加额外的水资源消耗。正如戴夫（Dave）所言，那些抱怨（部分可能是外国政府影响行动的结果）将会转移到其他事情上。比如极低地球轨道上的 SpaceX 星际采矿和其他竞争对手的戴森群因轨道衰减等原因污染大气层，抱怨总会转移到新借口上。

圆桌嘉宾：所有火箭发射产生的排放量其实只占总排放量的 0.00001%。但他觉得你还必须认真回答这些质疑，这快把他逼疯了。

我希望那些抱怨的人最好已经扔掉了智能手机，不再使用 GPS，彻底回归自给自足的农耕生活。

是的。就像埃隆喜欢说的：就让他们对着天空挥拳吧。

Emad Mostaque：我有一个有趣的数据。我做了一组关于用水量的计算：生产一个麦当劳巨无霸汉堡大约需要 600 加仑的水，而麦当劳每年卖出 20 亿个汉堡。

所以麦当劳的总用水量大约是全美所有高尔夫球场用水量的两倍。

Emad Mostaque：哈哈，没错，那可真是直击美国的心脏了。

圆桌嘉宾：没错，而且绝对能改善美国人的健康状况。

圆桌嘉宾：简直太酷了。

这些机器人只会越来越厉害。你一定要看完整版视频，比赛结束的方式简直太震撼了。

是的，其中一个机器人一脚把另一个机器人的头踢飞了。你还记得我们小时候玩的 Rock'em Sock'em Robots 击打机器人玩具吗？

Alexander Wissner-Gross：关于这件事我有一些想法，分为不同层面。

首先是轻微的恐惧。如果有人看过斯蒂芬·斯皮尔伯格的电影《人工智能》，在不剧透太多的情况下，斯蒂芬会把电影核心那个阴暗的“鲜肉市集”（Flesh Fair）称为暗黑夹心——在那里人形机器人为了人类的娱乐而遭受折磨和虐待，我认为这极其可怕。所以从某种程度上说，让我感到轻微恐惧的是，无论这些人形机器人在此刻被遥操作（teleoperated）的程度有多高，它们都在为未来更自主的具身智能建立一种归纳先验或偏置，即为了人类的娱乐而互相残杀或进行身体上的虐待。对此我感到担忧。

但更深一层来看，现在想象一下如果这些机器人……

……变得更加自主，在边缘端运行算法，具备更高的封装性。现在想象一下，如果这些人形机器人出现在中国人民解放军中——因为我认为这几乎是我们必然会面临的未来。西方必须在人形机器人领域迎头赶上。

这就是为什么我支持 ProRL（彼得，你刚才提到的那个组织），几个月前他们在美国波士顿海港区举办了首届人形机器人迷你马拉松。

Alexander Wissner-Gross：是的。所以西方需要类似的项目，但希望更少暴力、更具经济生产力。我更希望看到大家为比赛烫衣服或执行其他有经济效益任务的人形机器人加油欢呼，而不是看它们把对方的头踢飞。

圆桌嘉宾：你更希望看到人类在 MMA 比赛里做那些动作。

Alexander Wissner-Gross：我宁愿任何人都不做。我不是 MMA 的粉丝，我认为这对人类是有害的，而且我担心让机器人代替人类做这些会向未来的“光锥”（Light Cone）传递错误的信息。如果非要比赛，我宁愿看到人们在铁笼里竞争做一些积极而非消极的事，比如八角笼编程比赛之类的，哪怕只是静静坐在那里也好。

Emad Mostaque：好的。我有几点想法。首先，我通常认为自由搏击并不是人形机器人的最佳营销演示。但我必须承认一点，这代表着……

……极其严苛的工程测试环境，对吧？这是一次压力测试，全面考验机器人的平衡性、抗冲击性、恢复能力、移动能力和时延等 20 多项指标。看着它们应对这些挑战确实很了不起。当然，四臂机器人肯定能打败双臂机器人。[笑声] 我们将会看到机器人进入竞技体育领域，甚至出现机器人版的“世界杯”。问题在于人们是否愿意观看。

Salim Ismail：是的，我认为真正的考验在于人类选手能否在比赛的关键时刻承受住巨大压力罚进点球。虽然前几天看到英格兰队失利让我非常难过，但我依然认为人们更想看人类在那种环境下的竞技，而不是机器人。体育运动在未来数十年里依然会蓬勃发展。

Emad Mostaque：不过我觉得这些机器人有点不太一样。你可能首先会看到类似电影《铁甲钢拳》（Real Steel）那样的遥控机器人，因为如果看 VLA 模型（视觉-语言-动作模型）的延迟，机器人目前的反应速度还不够快。

虽然一些预先设定好的飞踢动作令人惊叹，但为什么它们不用中国功夫？机器人什么时候能打中国功夫？那需要转向专用芯片（etch silicon）和遥操作（teleoperation），我认为这将是明年到来的下一阶段。

不过我对这件事有更大的担忧。

虽然我热爱格斗机器人，迫不及待想看到高达（Gundams）之类的出现，但这些机器人可是 Engine AI T800 型。它们重约 70 公斤，出拳力量是迈克·泰森（Mike Tyson）的四倍。

圆桌嘉宾：所以它们确实有可能杀死我们这些血肉之躯的人类。

Emad Mostaque：像这样的机器人绝不应该被允许出现在街头，目前对此完全没有监管。

它们可能会部署在军队中，但机器人即将进入我们的家庭。在座有谁订购了 1X 机器人？它们很快就会走入生活。我们需要对它们的安全性、扭矩输出、运行方式建立监管规则，因为它们作为机械设备对个人构成了真实威胁。

除此之外，当它们完全自主运行时，会自行按门铃送货上门。

最后一点是，宇树科技（Unitree）目前累计仅生产了 11,000 台人形机器人，我们真的才刚刚开始。

几年后，产量将从每年 11,000 台增长到 1,100 万台。所以我们必须抓紧讨论政策制定问题。

Alexander Wissner-Gross：是的，我认为这里存在明显的利益冲突。我们之前也看到孙正义（Masa Son）发表过类似的言论，声称……

……轨道数据中心缺乏前景。别忘了，OpenAI 已经放弃了自建数据中心。还记得“星门”项目（Project Stargate）吗？“星门”项目已经从 OpenAI 自建并运营数据中心，转变为仅仅向第三方租赁地面数据中心算力。OpenAI 也在推迟其 IPO。因此即使不看技术层面，单看 OpenAI 的表态，它目前在财务或运营层面根本没有能力像 Anthropic 那样全力投入轨道数据中心（Anthropic 在与 SpaceX / xAI 宣布的合作协议中利用了 Colossus 和 Colossus 2 算力拓展轨道数据中心）。

我认为成本的交叉平衡点（crossover）必然会发生。埃隆给出的交叉点预测是 2 到 3 年内；其他分析则显示，轨道与地面数据中心的单位经济成本将在 2030 年代初交叉。

无论哪种情况，我都认为这里存在明显的利益冲突。

正如我们与菲利普·约翰斯顿（Philip Johnston）讨论的那样，除非出现突发的意外转向，我预计 OpenAI 对轨道数据中心（ODC）的态度会在两三年内非常顺理成章地发生改变。

Dave Blundin：我想任何听过……

……这段视频的人都会觉得：萨姆说太空数据中心毫无意义，埃隆说有意义，两个人互相看不顺眼。但如果你仔细听萨姆的话，他们的观点根本没有分歧。萨姆说的是太空数据中心在未来十年内不会实现大规模应用，而本十年只剩下三年半了。如果你对比埃隆对发射频率的预测，他们的判断其实是一致的。

所以他们只是习惯性互相呛声，但事实很清楚，双方掌握的数据是一致的。

亚历克斯说的没错，数据中心走向太空是必然的，这需要一段时间。我认为到本十年末，大约会有几个百分点的算力部署在太空中，因为我们也在尽可能快地在陆地上建设。

圆桌嘉宾：但之后两条曲线就会交叉。

Alexander Wissner-Gross：这是我第一次遇到这种情况。

圆桌嘉宾：我觉得最了不起的地方在于系统诊断问题和响应的速度。过去处理这种故障需要花费数月时间去修复、回收并重新规划下一次发射，而现在只是：“出了故障，关机重来，周一继续发射。”这太不可思议了。

是的，极其非凡。如果要在 AI 领域大举投入算力，根据已知的信息，你必须在太空领域有所布局。OpenAI 接下来可能会去收购 Planet Labs 之类的卫星公司，到时候他们的态度就会变了。

Emad Mostaque：嗯，我觉得第四个问题挺有意思……

圆桌嘉宾：这是一个很有意思的问题。考虑到 Kimi K3 的 Token 效率较低，与 Fable 相比，它真的像宣传的那样具有性价比吗？

相对于其他中国模型而言，Kimi K3 的价格较高，比如 DeepSeek 现在是 1 美元/百万 Token，而 Kimi K3 是 15 美元。Sonnet 是 20 美元，Opus 是 40 美元，而 Fable 好像是 60 美元。但那是因为他们确实在盈利。如果推算中国模型及其运行芯片的数据，他们现在的毛利率可能达到 80% 到 90%，而且这还是在他们使用的中国芯片运行效率并不高的情况下。

我认为随着后续的优化，未来几个月 K3 的成本将会下降 10 到 50 倍。目前，完成相同的任务，它消耗的 Token 数量是 GPT-5.6 的两倍。而作为前沿模型，GPT-5.6 比 5.5 或 Fable 少用 37% 的 Token。我们再次会看到这一数字下降，因为所有人都会全力去疯狂优化它。

就像大家看到的，Fireworks 刚刚以 170 亿美元的估值完成了融资，其他如 Modal 估值 100 亿，Baseten 估值 100 亿。这些都是开源模型的推理服务商。他们总共筹集了数十亿美元，现在准备用这笔钱来优化中国模型，使其更加高效并运行它。

因此，负责推理业务的美国实验室会对其进行深度优化，所以我们会看到它迎头赶上。

Salim Ismail：鉴于我之前对第一个问题发表过看法：Kimi K3 会让美国前沿模型贬值多少？我还是坚持我最初的估计，大约贬值 75%。

其中 50% 来自美国对前端的监管，再加上供给侧算力的短缺，以及开源模型与最前沿版本的差距几乎只有一次发布的距离。那种顶尖的领先优势是非常容易消逝的。我会说是 75% 的降幅。

所以如果 OpenAI 价值一万亿美元，我现在会给它估值 2500 亿美元。

你仍然拥有一项非常有价值的业务，因为现在的竞争变成了你必须在可靠性、安全性、集成工具和易部署性等方面展开竞争。但真正最前沿的技术本身，变成了整个产品体系中的一个组成部分而已。

圆桌嘉宾：我现在真不想待在这些前沿实验室里。那里肯定处于 24/7 全天候高度紧张的红警状态。

Alexander Wissner-Gross：这完全是一场极其残酷的恶性竞争。我在前沿实验室有很多朋友，有朋友正假设性地从一个前沿实验室——比如目前完全掉队、不见踪影的谷歌——跳槽到其他前沿实验室。这完全是一场残酷的恶性竞争。

Dave Blundin：好的，我选二号问题。

Kimi K3 的发布对开源与闭源之争有何影响？这是否会迫使大公司提供更多产品？我认为提问者的意思是提供更多开源产品。是的，这完全改变了游戏规则，因为任何拥有资源的人都可以构建针对特定用例的内部定制模型，并将其用作防御护城河。

我不认为美国的大型模型提供商会走向开源，我认为他们会坚持自己的既定路线。所以如果你现在去问 Anthropic，他们会说：“听着，Kimi 可能会追上这一周，但 Fable 5.1 几周后就会发布。”

当你审视那些至关重要的企业用例——比如白领工作自动化、药物研发等，人们无论如何都会使用最好的模型。这就好比你用 AI 来设计汽车或火箭，设计上的微小改进就能带来巨大的回报，所以你肯定会使用最顶尖的模型。

因此，Anthropic 的人会竭尽全力保持领先一步，并维持较好高价位。模型本身的成本与它带来的收益相比微不足道，人们愿意为此付费。

所以，就像 Alex 所说的，这种恶性竞争确实非常激烈，但除非人们想将专有数据保留在公司内部并微调自己的模型，或者 Kimi 真的超越了 Anthropic（但它还没做到这一点，它只是刚赶上或者甚至还没完全赶上），否则人们不会轻易转而使用 Kimi。

Alexander Wissner-Gross：好的，三号问题问的是——我认为这些问题似乎都是同一主题的不同变体，但它问的是：“如果中国能够以不到一半的 Token 成本，通过开放权重模型实现跨越式发展，那么美国前沿模型提供商如何继续证明其巨额估值的合理性？”我认为这个前提并不太准确。超级智能包含如此多的要素和层次，坦白说，我认为超级智能本身在完全发展起来后，其规模将远超全球 GDP 的总和。无论如何，可被瓜分的蛋糕非常巨大。

但就我们所讨论的领域而言，比如谷歌——正如我刚才提到的，它目前在前沿领域似乎销声匿迹，我现在找不到任何一款在性价比和能力上处于顶尖水平的谷歌模型。那么谷歌该怎么做？当然，他们显然可以继续在能力上展开竞争。但如果我是谷歌，我会想，是的，我想成为超大规模云服务提供商（hyperscaler）。我的意思是，谷歌本身显然就是 hyperscaler，但它可以成为其他前沿实验室的 hyperscaler 算力提供商。这是一个显而易见的差异化方向。

我们已经看到 AWS 本身就采用了这种策略路径，目前已与 Anthropic 签署了协议。我们在 Meta 身上也看到了这一点，有趣的是，它一方面提供 Spark 1.1，另一方面，就在我们节目准备录制前两天，据报道 Meta 正在探索...

...向 Anthropic 出售价值 100 亿美元的算力。因此，通过向底层下沉，将你的算力提供给其他更具竞争力的提供商——无论是西方的（通常是 Anthropic，有时是 OpenAI），还是自托管模式下的中国模型——这是一种差异化途径。

你也可以向上层延伸，尝试垂直整合，提供那些受益于其补充层（即模型层）商品化的应用程序。另外，我认为“仅仅因为 Kimi K3 的存在就会导致估值净缩水”的假设完全是荒谬的。我们之前在最初的 DeepSeek 冲击时就看到过这种错误的思维方式，当时它也被冠以“斯普特尼克时刻”之名。

所以当时资本市场出现了一点小波动。但正如以往一样，杰文斯悖论再次发挥作用，我们看到芯片股的价值最终是增长而非缩水。而且我们还看到它是开放权重的，所以 Kimi K3 中没有任何东西是 OpenAI、Anthropic 和其他西方前沿实验室不能立即重新吸收并用于他们自己内部模型的。

圆桌嘉宾：你不认为这些实验室的收入会减少吗？因为随着人们开始使用 Kimi K3 来工作，而不是进行 API 调用，他们的收入就会减少。

Alexander Wissner-Gross：不会。比如，我...

...个人以及我投资组合里的公司在 Anthropic 和 OpenAI 上投入了巨额资金。就我所知，我的预期是 Moonshot 必须发布比 Fable 5 好上 2 倍、3 倍甚至 10 倍的模型，才可能促使这些支出发生大规模转移。

目前 K3 所能带来的——在其合法的范围内（关于 K3 在美国境内托管还能合法多久仍有待观察，但假设它保持合法且不受监管限制）——最终结果只是促成更大的内部自托管规模。但它并不处于最前沿的位置，正如 Dave 刚才指出的，目前 Fable 5 才是顶尖的。

所以如果你试图解决前沿难题，K3 并不会让你转移支出。

Alexander Wissner-Gross：实际上是可以被封禁的。这并非监管规范建议，我本身也不喜欢这种政策，但我认为可以通过要求所有上市公司披露其对中国开放权重模型的任何使用情况，并让其接受审查，从而有效地封禁它。

就在我们准备录制最新一期节目时，我们谈到了...

...在上期播客中谈到的 Demis 关于创建一个类似 FINRA 的实体来监管前沿 AI 的提议。你猜怎么着？

有报道称，现任政府实际上正在推进类似的提案，并计划或至少在探索创建一个隶属于 SEC 的类似 FINRA 的机构来监管前沿 AI，因为 SEC 已经拥有法定权力来建立类似 FINRA 这种由行业咨询和资助的实体。所以这是一个很自然归属的机构。

圆桌嘉宾：是的，自律监管治理，也就是 SEC 庇护下的监管俘获卡特尔。

Alexander Wissner-Gross：因此我认为完全有可能——尽管我认为极不符合期望——在未来某个时刻，我们会看到一个类似于 FINRA 的 SEC 下属机构，它基本上会让任何规模的公司（尤其是上市公司）积极使用中国开放权重模型在经济上变得完全不可行。

圆桌嘉宾：我对此有些看法。我是说，试图限制使用简直是荒谬的。因为一旦发布了权重，你根本挡不住，人们可以在不同司法管辖区镜像它们，可以使用 P2P 网络和 VPN。你这样做只会剥夺美国研究人员、初创企业和安全专家获取这些模型的机会，而世界其他地方则继续基于这些模型进行开发。我认为这根本不是可行的办法。

我是说...

...这相当于剥夺美国人获取廉价胰岛素的权利。

我的意思是，这又是监管俘获的问题，对吧？为什么不能有仿制药呢？因为又遇到了监管俘获的痛点。

听说有个叫“金鹰行动”的项目来批准对前沿模型的访问。到时候会有“反 Token 洗钱”法规，会有“了解你的提示词使用者”法规。美国政府显然已经意识到这项技术即将突破，而且我认为他们对此比中国担忧得多。

你看中国，看习近平的演讲——我强烈建议大家都去看看——他们全面拥抱开源，全力推进。而美国不知道自己要做什么，但正如你所说，他们很有可能会绊倒美国自己的资本主义。

奇妙的是，中国反而在鼓励资本主义。

中国共产党拯救了美国资本主义免于自我毁灭，这真是个疯狂的未来。[笑声]

这个世界太奇怪了。

Salim Ismail：好的，哪一个问题？

Salim Ismail：是的，那我选五号问题：“你会信任 Kimi K3 在没有监督或审查的情况下为你编写代码吗？”答案是不信任。但我同样不会信任人类把未经测试、影响重大的代码直接投入生产环境，对吧？问题不在于我们是否信任模型，而在于我们是否信任围绕它建立的开发系统。

...因此 AI 生成的代码需要在沙箱中运行，通过自动化测试、安全扫描以及各种审核，才能投入生产环境。然后根据用例和潜在影响授予相应的权限。

这与我们一直讨论的一样：无论 AI 运行什么工作流程，在最高级别和影响最大的关键输入上，仍然需要人工审查。

许多例行工作可以自动化，但可扩展的模式并不是毫无监督的 AI，而是“机器生成 + 自动化验证 + 人类问责”三者结合，这才能带来真正的威力。

Emad Mostaque：好的。关于知识蒸馏在 K3 开发中扮演了什么角色？他们显然从 Opus 等模型中提炼蒸馏了数据。但老实说，我最近非常频繁地使用 Kimi K2.5 和 Kimi K3，体验感觉确实不同。所以我认为他们在一定程度上基于蒸馏进行了大量自己的数据创造，不过现在大家也都在互相蒸馏。

他们明显取得巨大飞跃的一个领域是在前端开发方面。再强调一下，虽然它是一个相当不错的通用模型，但它并不是世界上最好的数学模型，从我们的基准测试来看它也不是最好的网络攻击模型，但他们在前端、游戏、消费端/

...娱乐方面做了一些非常有趣且具原创性的创新。

不过这也可能是因为它是一个多模态模型。

Dave Blundin：好的，七号问题：“Kimi K3 可能不如宣传的那么好，或者我们不应该使用它的原因是什么？”如果它不如宣传的那么好，那就是它针对基准测试做了过度刷榜优化。两周后开源模型出来，大家会反复测试它，如果他们刷榜了，我们很快就会知道答案。不过我认为它不太可能只是靠刷榜。

现在全美乃至全世界的每家公司都应该意识到：我们需要与最好的顾问一起制定一个紧急计划，来决定是在本地硬件上部署我们自己的模型，还是使用 Anthropic、OpenAI 或 Google 并信任它们的 API。但我们需要决定在自己的专有数据上进行微调和训练是否能带来长期竞争优势。

因此，这方面的好建议、供应商和麦肯锡顾问将会极度短缺，你必须迅速抢占这些资源。ExO 顾问、种子期投资、联络你的网络，快速找到能在公司内部针对你的业务和用例解答这个问题的人，然后坚定地走这条路线。

你可以在内部做一些开发，同时继续使用 API，但如果你不开始自己去评估 Kimi K3，你就无法真正占得先机...

圆桌嘉宾：稍后再讨论这个。我认为大家都应该着手应对这个问题了。虽然再过几周我们就能知道这究竟是不是过度刷榜，但我认为开源路线极有可能成为美国乃至全球每家公司和政府的可行路径。

我能快速补充一点吗？

圆桌嘉宾：给每家公司一个非常简单的建议：部署两个模型系统，Kimi K3 和 Inkling。微调你们自己的内部数据，因为这种学习闭环将是你们绝不能失去的专有黄金数据资产。就从那里开始吧。

Alexander Wissner-Gross：好的，我说点新观点。第六个问题是：美国是否应该采取行动阻止将下一个 Kimi 版本的模型权重上传到 Hugging Face 上？我会给出一个有条件的回答。我认为，如果某个诉讼方（假设在美国）能够向有管辖权的法院证明，下一个 Kimi 版本（大概是指推测中的这个 Kimi 版本）是以某种非法手段获取或衍生出来的，比如通过侵犯版权或非法蒸馏推理轨迹等，那这大概可以构成在美国阻止其发布的理由。

但如果没人能证明 Kimi 的母公司月之暗面（Moonshot）在开发过程中有任何违法违规行为，那么我认为美国不应该在这个过程中阻止其发布。相反，我认为恰恰相反，美国所有的前沿实验室都应该——

密切审视它并尽可能多地学习，以便我们能够实现跨越式超越。

我希望看到美国实验室施加更大的对外压力，打造出世界上最好的开源与开放权重模型，而不是让带有新“AI 一带一路”倡议的阵营席卷全球——甚至有人会说是向世界其他地区或所谓的“全球南方”倾销超级智能。

应该是由美国这个“自由的武器库”、同时也是“超级智能的武器库”，向世界其他国家倾泻开放权重和开源的超级智能，而不是由其他方来主导。

Emad Mostaque：是的，我正在准备发布一大批研究论文，终于要推出了，这会非常令人兴奋。

Salim Ismail：周二东部时间晚上 7 点，我有下一场关于“生命的意义”的研讨会，有兴趣的朋友可以了解一下。

Salim Ismail：我们会在下方提供链接，网址是 openexoexo.com。

Alexander Wissner-Gross：我现在全神贯注于从字面意义上“解决一切问题”。我相信目前很大一部分科学领域都已经彻底成熟被颠覆了。关于这个话题后续会有更多内容。彼得，你和我之前写过关于《解决一切问题》的内容，但现在它真的在变成现实。

Dave Blundin：天呐，是的。我认为我们在这次播客中由伊玛德发起的关于量化的讨论，现在已经成为我录制过的最棒的媒体节目，超越了利奥波德·阿申布伦纳（Leopold Aschenbrenner）的那期。我得回去慢速再听一遍。

另外，我们这周还邀请到了来自麻省理工学院纳米实验室（MIT Nano）的弗拉德·布尔洛维奇（Vlad Bullovich）——

他将为我们专注于光子计算的新初创公司提供指导和帮助。他还给我们提供了一份下周需要拜访的人员路线图。所以我们打算在普林斯顿团队中引入两位麻省理工学院的人才，专门攻克光子学——即量子化光子学部分的难题。我下周就会着手这件事。

不过我觉得我可以把我们之前录的这段视频用作招聘工具，这内容简直太精彩了。大家真的太棒了，我太爱你们了。这是非常美好的一周，对话太精彩了。

看看明天又会有什么新突破吧。周末如果出大事就录紧急播客，到明年一月我们可能每天都需要录紧急播客了。

圆桌嘉宾：彼得，一如既往棒极了。谢谢你。