Loading...
Loading...
Scale AI 创始人 Alexandr Wang（亚历山大王）：美国必须赢得对华 AI 战争，数据优势是关键撰文：Techub News 整理
导语
2025 年 5 月，数据标注与 AI 基础设施巨头 Scale AI 的创始人兼 CEO Alexandr Wang（亚历山大王）做客美国战略与国际研究中心（CSIS），与 CSIS Wadhwani AI 中心主任 Greg Allen 进行了一场深度对话。作为年仅 27 岁便登上福布斯亿万富豪榜的 AI 行业领军者，Alexandr Wang 的见解不仅源于其将 Scale AI 从 MIT 宿舍项目打造成估值超 140 亿美元独角兽的创业经历，更根植于他在洛斯阿拉莫斯（美国核武器研发基地）的成长背景，使其对技术与国家安全的交集有着深刻理解。此次对话正值中美 AI 竞争白热化、美国国内对 AI 安全与部署展开广泛辩论之际，Wang 的观点为理解美国 AI 领导力的现状与未来提供了关键视角。
摘要
AI 竞争是三位一体的战争：胜利取决于算法、算力和数据的综合优势，而数据优势（Data Dominance）是美国必须建立和维持的核心。
中国是有计划、系统性的竞争者：中国共产党自 2017/2018 年便制定了清晰的 AI 总体战略，旨在通过“蛙跳”技术超越西方，其举国体制在数据获取、算力建设（即使牺牲能效）上拥有独特优势。
美国国防部与政府需加速 AI 采纳：关键在于建立企业级 AI 基础设施、采用灵活采购路径，并敢于构想能带来“颠覆性”优势的雄心勃勃的 AI 应用场景，如“智能体战争”（Agentic Warfare）和“智能体政府”（Agentic Government）。
测试、评估与安全是规模化部署的前提：无论是国防还是民用关键领域，大规模、自动化的场景测试与生产监控能力是负责任地快速推广 AI 技术的基石，美国 AI 安全研究所网络应主导全球标准制定。
能源产能是 AI 竞赛的基础设施瓶颈：美国相对平稳的能源产能增长曲线与中国陡峭上升的曲线形成对比，满足 AI 算力爆发的能源需求是美国必须解决的战略问题。
从洛斯阿拉莫斯到 AI 数据基石：Scale AI 的崛起之路
Alexandr Wang（亚历山大王）的创业故事始于一个独特的地方：新墨西哥州的洛斯阿拉莫斯。他的父母都是在那里国家实验室工作的物理学家。这个因“曼哈顿计划”和奥本海默而闻名的小镇，让他自幼便浸润在国家安全与技术交汇的氛围中。“本周在华盛顿特区的许多会议上，人们都将 AI 比作曼哈顿计划级别的努力，”Wang 说道，“而我总是可以说，哦，我实际上是在那里长大的。”
这种背景塑造了他对技术使命感的认知。进入 MIT 学习人工智能时，正值 DeepMind 的 AlphaGo 击败世界顶级围棋选手。他敏锐地察觉到，深度学习在短短五年内从雏形发展到如此高度，意味着 AI 将成为他一生中最重要的技术浪潮。“我当时有时会告诉人们，我认为 AI 将是我们一生中最重要的东西，他们会笑，那时很难严肃地说出这句话，但现在可以更严肃一点了。”
他将 AI 的核心要素分解为三点：算法、算力和数据。观察当时的生态，他发现 OpenAI、DeepMind 等公司在攻克算法，Nvidia 等在解决算力，但在数据——这个“智能的原材料”和模型的“生命血液”——领域，却存在巨大的基础设施缺口。于是，2016年，19岁的他创立了 Scale AI，立志填补这一空白。
Scale AI 最初切入的是当时 AI 最炙手可热的领域：自动驾驶。他们为 Waymo、丰田、通用等公司提供高质量的数据标注和基础设施，解决诸如传感器融合等关键难题。“当你策划数据集时，你实际上是在编程 AI 系统。” 这段经历不仅让公司站稳脚跟，更积累了处理复杂、多模态数据的宝贵经验，为日后转向生成式 AI 奠定了基础。
转折点出现在 2017-2019 年。Transformer 论文、GPT-1、GPT-2 相继问世。Scale AI 在早期就与 OpenAI 合作，参与了 GPT-2 的工作。Wang 回忆道，从研究角度看，这条发展轨迹“非常无聊”，因为它本质上就是“对完全相同的算法投入更多数据和更多计算，然后它就变得聪明得多”。但正是这种“ scaling laws”（规模定律）揭示了 AI 发展的核心动力，也定义了现代的 AI 格局。Scale AI 随后与谷歌、Meta 等几乎所有主流 AI 实验室合作，见证了大型语言模型到智能体模型的惊人演进。“如果你在 2016 年问我，十年后 AI 能力会达到什么水平，很难预测它会走得这么远。” Wang 感慨道，他曾以为 AI 在竞争性编程或数学上超越人类需要三四十年，结果不到十年就实现了。
为何押注国防 AI：理性、使命与战略清醒
在 AI 行业普遍对与国防部（DoD）合作持谨慎甚至反对态度的年代（2018-[2020]年左右），Alexandr Wang（亚历山大王）做出了一个逆流而上的决定：让 Scale AI 为美国国家安全社区服务。当时的主流观点认为，DoD 既是糟糕的客户（导致亏损），也会引发员工（尤其是顶尖AI人才）的强烈反对而离职。
Wang 的决策基于两个核心信念。第一是“理性终将占上风”。他坚信，面对如此强大的新技术，其在国家安全上的应用是显而易见的，美国保持领先是绝对必要的。第二则源于他的个人经历和对中国竞争的清醒认识。一次由投资者组织的中国之行让他震撼：“我们当时访问的中国 AI 公司，100% 都专注于人脸识别和监控……而且他们做得非常好。” 这让他清晰地看到，AI 与国家安全交汇的时刻即将成为全球共识，美国必须拥有最优质的人才和公司来应对这一挑战。
“从我的立场来看，知道我父母的工作，了解我成长地方的历史，以及洛斯阿拉莫斯和曼哈顿计划对‘美国治下的和平’（Pax Americana）和全球秩序的影响……感觉非常清楚，伟大的 AI 技术需要应用于国家安全问题集，而且坦率地说，我认为我们有道德义务去支持它。” 尽管这个决定导致了部分投资者的怀疑和员工的离开，但 Wang 坚持了下来。
如今，Scale AI 在国防领域的工作已颇具规模。他提到了与国防创新单元（DIU）和印太司令部（Indopacom）合作的“雷霆锻造”（Thunderforge）项目，该项目旨在利用 AI 智能体加速军事规划和作战规划流程。这项工作的灵感部分来源于与 CSIS 早期的合作研究，涉及兵棋推演、模拟等领域。Wang 认为，这代表了未来战争的一个关键方向：智能体战争。核心优势在于，AI 智能体拥有“数千年的上下文知识”，并能近乎即时地行动，这对于压缩从决策到行动的“OODA循环”（观察、调整、决策、行动）至关重要。
此外，Scale AI 也与首席数字与人工智能官办公室（CDAO）合作，开发 AI 系统的测试与评估框架。Wang 强调，在国家安全领域大规模部署 AI，必须在“快速部署”和“确保稳健可靠”之间找到平衡。“我们的观点是中间路线：我们应该非常快速地在整个国防部、整个国家安全社区部署 AI 系统，但我们应该以深思熟虑的方式进行，并通过正确的测试和评估来确保这些系统的稳健性。”
中美 AI 竞赛：数据、能源与系统性挑战
Alexandr Wang（亚历山大王）对中美 AI 竞争的剖析尖锐而系统。他指出，中国共产党自 2017/2018 年便制定了清晰的 AI 总体战略，明确将 AI 视为能够“蛙跳”西方防御能力的跨越式技术。中国在数据收集、算力建设和技术军事化应用方面进行了系统性协调。
2025 年 5 月 DeepSeek、通义千问（Quen）等中国顶尖模型的涌现，迫使美国重新审视竞争方程式。Wang 指出，这些模型在计算资源相对较少的情况下达到了与美国前沿模型相当的水平，这证明胜利并非只取决于算力。“这不是一个单变量方程。这是一个三变量方程。” 算法进步和数据同样扮演重要角色，而中国在数据获取和“举国”协调经济方面具有优势。
因此，他提出了“数据优势”（Data Dominance）的概念。“如果你认为所有这些模型的智能原材料是数据，那么显而易见的结论是，你将通过比对手获得更多、更好、更相关的数据来赢得胜利。” 这最终取决于能否建立反馈循环，让技术以指数级速度改进。他建议美国考虑建立“国家 AI 数据储备”，将数据视为战略资产，类比过去的国家石油储备。
另一个基础性瓶颈是能源。Wang 展示了一幅对比鲜明的图景：中国的总发电能力曲线“直线上升”，部分原因在于他们不关闭煤电厂；而美国的曲线“大致平坦”，尽管在向绿色能源转型。“计算能力从根本上取决于生产的巨大能量……这是美国获胜的基本前提。” 他呼吁美国重新加速能源生产，以应对 AI 竞赛的需求。
关于对华半导体出口管制，Wang 认为问题很复杂。中国的应对策略是牺牲能效换取算力（如华为新芯片被分析为以 5 倍功耗换取 2 倍算力）。“如果他们能以极快的速度建设电力，那么这一切都归结为金钱或研发投入。而他们显然愿意付出任何代价。” 中国国有银行已宣布大规模计划支持计算基础设施，解放军去年也与国内大模型公司签订了超过 81 份合同，显示出“全系统冲刺”的态势。
构建可信的 AI 未来：测试、安全与全球领导力
要实现 AI 在国防和关键经济领域的大规模部署，信任与安全是绕不开的议题。Alexandr Wang（亚历山大王）强调，Scale AI 提供的测试与评估能力，不仅是国防需求，也是金融、医疗、电信等民用关键行业广泛采用 AI 的“先决条件”。
他描述了目前最先进的测试工具包。其一是大规模场景化测试：创建包含大量预设任务的基准测试环境，从简单的数学问题到复杂的法律审查任务，让模型在自动化、可扩展的“百万问题”环境中接受考验。其二是大规模生产监控：实时监测生产环境中的 AI 表现，识别和处理现实世界中出现的意外边缘案例和异常。
今年二月，美国 AI 安全研究所（US AISI）选择 Scale AI 作为其首个第三方评估机构，这正是对其技术能力的认可。Wang 认为，由美国、英国、日本等约 11 个国家组成的“全球 AI 安全研究所网络”至关重要。这些机构不应被简单视为“末日论者”的集合，而应看作是制定全球 AI 性能与安全标准的核心力量。
“美国 AI 安全研究所有能力在全球范围内引领……我们应该将此视为一个机会，不仅讨论安全，更真正地以全球方式制定标准。” 许多其他国家缺乏美国的资源和技术能力，因此美国有机会塑造全球 AI 的部署方式。这既有经济价值（推广美国技术），也有意识形态价值（确保民主价值观通过技术出口）。
给美国政府的行动建议：从基础设施到雄心壮志
基于以上分析，Alexandr Wang（亚历山大王）对美国政府（包括行政、国防和立法部门）提出了具体建议，核心目标是加速并优化 AI 的采纳与应用。
首先，建立企业级 AI 基础设施。对比硅谷初创公司可以轻松调用各种 API 快速起步，国防部内部的新 AI 项目则面临复杂的集成与采购难题。Wang 呼吁国防部应聚焦于提供全部门共享的云基础设施、数据基础设施和模型基础设施，为创新奠定共同基础。
其次，拥抱雄心壮志，构想颠覆性应用。硅谷的颠覆性源于“无拘无束的雄心水平”。国防部需要授权相关人员去思考那些能够对近邻对手产生“有意义的威慑效果”的、雄心勃勃的 AI 概念，并立即开始构建。例如，深入探索“智能体战争”在杀伤力、威慑力方面能实现何种真正的能力跨越。同样，在民用政府领域，应追求“智能体政府”，利用 AI 智能体彻底重新设计政府服务与流程，实现百倍的效率提升，而非简单地将 AI 嵌入现有流程。
最后，为 AI 未来培养人才。Wang 提到关于 AI 与教育的行政命令，强调美国必须像应对“斯普特尼克时刻”后通过《国防教育法》大幅增加工程师培养一样，积极准备和建设面向 AI 新时代的劳动力队伍，确保国家能抓住这场技术浪潮创造的巨大机遇。
在对话结尾，Wang 重申了竞争的紧迫性：“我们正处于这个关键节点……中国共产党有一个清晰的计划。他们有很多意图和协调。我们需要抓住这一刻，并将其归结为我们必须领先的领域。” 对于美国而言，赢得这场 AI 战争，意味着在数据、能源和快速、负责任的部署能力上，建立起不容置疑的领导地位。
Scale AI 创始人 Alexandr Wang（王亚历克斯）：AI 是未来经济的命脉，但人类必须保持主权撰文：Techub News 整理
导语
2025 年 6 月，Scale AI 创始人兼 CEO Alexandr Wang（王亚历克斯）做客知名播客《Shawn Ryan Show》，进行了一场长达 204 分钟的深度对话。作为 AI 数据基础设施领域的领军人物，以及硅谷最年轻的亿万富翁之一，王亚历克斯的观点深刻影响着业界对 AI 发展路径和安全性的思考。本次访谈中，他不仅探讨了脑机接口（如 Neuralink）的未来图景与潜在风险，更从国家战略层面剖析了中美在 AI、芯片和数据领域的激烈竞争，并强调了在 AI 能力飞速提升的背景下，维护“人类主权”的极端重要性。
摘要
脑机接口是通向“超级人类”认知能力的桥梁，但也是前所未有的攻击载体，可能被用于操纵感知、情绪甚至记忆。
数据是 AI 时代的“新石油”，而计算能力（芯片和数据中心）是决定 AI 实力的关键瓶颈，直接关系到未来军事和经济优势。
中美 AI 竞赛是一场关乎未来全球主导权的“战争”，美国必须在算法、数据和算力上全面领先，以形成有效威慑。
AI 能力的“递归式自我改进”可能导致领先者与追赶者之间的差距急剧扩大，形成赢家通吃的局面。
必须构建以“人类监督”为核心的 AI 系统，确保人类对关键决策保持最终控制权，这是防止灾难性后果的根本。
脑机接口：超级能力的诱惑与终极风险
访谈从对 Neuralink 等脑机接口技术的讨论开始。Alexandr Wang（王亚历克斯）对此持务实而前瞻的态度。他认为，随着 AI 能力以指数级速度超越人类生物学的缓慢进化，人类最终将需要与 AI 直接互联，以接入其强大的认知能力，避免被时代淘汰。他设想，未来接入脑机接口的人类将能像 AI 一样拥有百科全书式的知识、超高速的思维和处理全球信息的能力，从而在认知层面变得“超级人类”。
然而，王亚历克斯毫不讳言其中的巨大风险。将大脑直接连接到计算机和互联网，创造了一个前所未有的攻击面。他描绘了可怕的场景：公司可能将广告直接植入你的思维；更危险的是，外国行为体、恐怖分子或敌对政权可能入侵大脑，窃取记忆、控制思想或进行操纵。当技术发展到可以精确投射感官信息（视觉、听觉、触觉）甚至直接注入情绪时，塑造一个完全虚假的现实将成为可能。王亚历克斯承认，这种级别的“ propaganda ”（宣传操纵）将从现在的 1-2 分（低强度）跃升到 9-10 分（高强度），对个人和社会的控制力将达到空前的程度。
当被问及是否会给自己植入时，王亚历克斯给出了肯定的答案，但附加了严格条件：首先，必须对脑机接口的网络安全防御能力有绝对信心；其次，需要从大量先行者的数据中确信该技术不会对意识产生根本性的、不可控的改变。他进一步展望，脑机接口可能是人类意识最终“上传”到计算机的初级阶段，从而实现某种形式的“数字永生”。
数据为油，算力为引擎：AI 时代的国力方程式
作为 Scale AI 的掌舵人，王亚历克斯将公司定位为 AI 革命的“骨干”，为大型企业和政府提供部署安全、先进 AI 系统所需的数据和基础设施。他将数据比作 AI 时代的“新石油”，是驱动智能算法的核心燃料。而构建 AI 实力的另外两大支柱是算法（软件）和计算能力（硬件）。
他特别强调了计算能力，即芯片和数据中心的战略意义。未来的 AI 竞争，不仅仅是拥有最先进的模型，更是关于规模：你能同时运行多少个强大的 AI 实例？这直接取决于你能建造和供应多少数据中心、获得多少电力、拥有多少芯片。王亚历克斯指出，当前 OpenAI、xAI、Google、Meta 等巨头竞争的一个关键前线，正是提前数年争夺电力和数据中心建设用地，因为未来的优势在今天就已经开始布局。
这一逻辑将地缘政治风险推到了前台。王亚历克斯指出，全球约 95% 的高端芯片制造集中在台湾（TSMC）。如果中国大陆通过封锁或入侵控制台湾，就将掌控 AI 竞赛中最关键的战略资源。他分析了各种应对选项的困境：台湾自身可能不愿摧毁这些关乎其生存价值的晶圆厂；美国若进行轰炸，则可能直接导致世界大战升级。因此，最佳路径是通过强大的威慑（包括军事和 AI 能力优势）阻止冲突发生。但这也意味着，美国必须在国内加速建设芯片制造能力，尽管面临法规、电力、人才和 TSMC 自身战略考量等多重挑战。
中美 AI 竞赛：一场决定未来的“战争”
王亚历克斯直言不讳地将中美在 AI 领域的竞争称为一场“战争”。他认为，AI 将成为未来经济、军事和政府运作的“命脉”。能够有效利用 AI 实现经济自动化、研发自动化的国家，将获得近乎无限的 GDP 增长潜力，而落后者将被远远甩开。在军事领域，AI 也将处于未来战争形态的核心。
他警告，中国的 AI 初创公司如 DeepSeek 正在以比大多数人意识到的更快的速度追赶。中国在机器人、自动化工厂等领域的工业化速度也领先全球。王亚历克斯提出了一个关键概念：“智能递归” 或 AI 自我改进。即当 AI 发展到足够强大时，可以利用当前一代的 AI 来帮助更快地开发和训练下一代 AI，从而形成指数级加速的能力飞跃。如果一方在这个循环中领先哪怕 3 到 6 个月，追赶者可能永远无法跟上，形成“赢家通吃”的局面。
因此，美国的首要目标是确保在 AI 能力上全面领先中国，以维持威慑。最坏的情况是中国通过举国体制的“曼哈顿计划”式投入，在 AI 上反超美国，从而获得压倒性的军事优势。王亚历克斯认为，如果双方能力大致相当，则威慑可以维持；如果美国遥遥领先，则能确保其全球领导地位和安全。
人类主权：在超级智能时代保持控制
面对 AI 能力可能失控并威胁人类的科幻场景，王亚历克斯提出了“人类主权”这一核心原则。他认为，AI 获得独立意识并消灭人类并非不可避免的前景，而是一个选择问题——我们是否选择将关键系统的控制权完全交给 AI。
他主张，必须设计所有 AI 系统，确保人类监督和最终决策权至关重要。这正是 Scale AI 的长期使命之一：一是确保输入 AI 模型的数据能增强“人类主权”，使模型与人类目标对齐；二是在 AI 执行越来越多行动（经济、军事等领域）时，构建人类对每一个行动的监督机制。通过这种方式，人类可以维持控制，防止出现“终结者”式的灾难性后果。
王亚历克斯也谈到了 AI 生成内容（如超逼真视频）对社会信任（如法庭证据）的冲击。他认为，除了开发更强大的“假货检测器”，更需要通过政策和法律来调整激励，对伪造证据的行为施加重罚，以遏制其滥用。
技术巨头的责任与地缘协调
在访谈尾声，王亚历克斯被问及希望看到哪些嘉宾出现在节目中。他提到了 Elon Musk（埃隆·马斯克）、扎克伯格和 Sam Altman（萨姆·奥尔特曼）等科技领袖，认为让更多技术决策者参与这类关乎未来的讨论至关重要。此外，他也强调了国际协调的重要性，因为 AI 带来的挑战（如生物安全、网络安全）是全球性的。
他类比了核技术的发展历史：最初也是各国竞相研发，直到切尔诺贝利和三里岛等事故发生后，国际社会才建立了协调与条约机制。对于 AI，可能需要某种“AI 漏油事件”式的重大事故，才能迫使国际社会认识到协作的必要性——在促进经济和人道主义应用的同时，共同限制其在危险领域的应用。
Alexandr Wang（王亚历克斯）的思考勾勒出一幅复杂而紧迫的未来图景：AI 既是前所未有的机遇引擎，也带来了深远的生存性风险。在这场刚刚开始的革命中，技术发展、国家安全、人类价值观和国际合作紧密交织，任何单一维度的失败都可能带来不可估量的后果。他的观点为政策制定者、技术从业者和普通公众理解 AI 时代的挑战与抉择，提供了宝贵的视角。
Scale AI CEO Alexandr Wang（王曦）：AI 代理将重塑工作，中美 AI 竞赛与无限市场机遇撰文：Techub News 整理
导语
在2025 年 6 月 Meta 宣布向 Scale AI 投资超 140 亿美元、公司估值达 290 亿美元，以及 Alexandr Wang（王曦）将领导 Meta 新 AI 超级智能实验室的背景下，他做客 Y Combinator 的《Light Cone》播客，进行了一场深度对话。作为全球领先的 AI 数据与基础设施公司 Scale AI 的创始人兼 CEO，Alexandr Wang 回顾了公司从 YC 孵化到成为 AI 基础设施关键参与者的历程，并分享了其对 AI 代理、未来工作形态、中美技术竞争以及无限市场机遇的前沿思考。本次对话揭示了 Scale AI 多次成功转型背后的战略逻辑，以及这位年轻 CEO 对 AI 产业未来的深刻洞察。
摘要
AI 代理将重塑工作：未来经济将呈现“人类管理者指挥 AI 代理群”的模式，人类负责愿景、调试和解决复杂问题，而非被完全取代。
Scale AI 的演进逻辑：从专注自动驾驶数据标注，到预判并布局大模型数据需求，再到构建企业级 AI 应用与代理工作流，其成功在于始终领先 AI 浪潮半步。
中美 AI 竞赛分析：美国在芯片和算法创新上占优，但中国在数据获取、政府支持、硬件制造（如机器人）和能源产能方面具有显著优势，竞争格局复杂。
无限市场与核心竞争力：企业未来的核心竞争力将源于其专有数据与定制化模型；AI 应用市场（尤其是企业级）是“无限市场”，规模潜力巨大。
成功的关键是“极致投入”：无论是公司战略还是个人成长，最核心的特质是对工作质量抱有近乎偏执的重视和投入感。
从 MIT 辍学到定义“人类 API”：Scale 的起源
Alexandr Wang（王曦）的创业故事常被简化为“MIT 辍学生创立 Scale AI”，但真实的起点更早且充满偶然。在进入 MIT 之前，他曾在 Quora 担任软件工程师，那时机器学习工程师的薪资已超过普通软件工程师，这让他早早感知到市场的风向。更关键的是，他在青少年时期参加旧金山理性主义社区组织的夏令营时，就接触到了“AI 可能是我们一生中最重要的领域，尤其是 AI 安全”的理念，演讲者包括后来成为 AI 安全领域关键人物的 Paul Christiano，以及 OpenAI 联合创始人 Greg Brockman 等。这在他心中埋下了种子。
进入 MIT 后，Alexandr Wang（王曦）深入学习 AI，但很快感到“坐不住”并申请了 Y Combinator。最初的创业想法颇具时代特色——2016 年正值“聊天机器人小泡沫”时期，受 Magic 等应用和 Facebook 的愿景推动。他们最初的想法是“为医生打造聊天机器人”，但 Alexandr Wang（王曦）坦言这很可笑，因为他们对医疗行业一无所知。他反思道，年轻创始人的前十个想法往往缺乏独特性，且对自身真正的优势（alpha）缺乏认知。
转机出现在 YC 期间。他们与另一家 YC 公司合租，观察到聊天机器人热潮背后一个更根本的需求：大量的数据和人力投入。于是，一个“离奇”的想法诞生了：为什么不直接为这些公司提供数据和人力服务呢？ 当时他们正处于迷茫期，但这个想法迅速成型。某晚，他随意搜索并买下了“scaleapi.com”的域名，一周后就在 Product Hunt 上线了。产品的标语是“人类劳动力的 API”，核心洞察是：如果能像调用 API 一样调用人类来完成工作，会怎样？ 这是一种“未来主义”的倒置——让人类为机器工作。
产品上线后，他们吸引了大量工程师用户，并借此获得了早期融资。不久，他们发现自动驾驶是第一个需要重点攻克的主要应用领域。尽管当时亚马逊的 Mechanical Turk 是市场主流，但体验极差。Scale AI 凭借更好的 API 和体验，吸引了一批新用户。一个关键转折点是自动驾驶公司 Cruise（同样是 YC 系公司）通过网站找到了他们，并迅速成为其最大客户。这促使他们做出了一个重大决策：全力聚焦自动驾驶数据标注市场。
当时，这个决定遭到了早期领投方的质疑，认为市场太小，无法支撑一家大公司。但 Alexandr Wang（王曦）团队坚信，自动驾驶是未来，相关公司融资额巨大，汽车厂商也在大力投入，市场潜力被低估。专注于这个看似狭窄的领域，能让他们更快地建立业务和规模。回顾过去，他说：“这两点都对了。专注确实让我们迅速达到了规模，但同时，那个市场也确实不足以支撑一家巨型企业。” 这预示了 Scale AI 未来必须不断演进和寻找新增长曲线。
预见大模型浪潮与 AI 代理重塑工作未来
在自动驾驶领域，缩放定律（Scaling Laws）并非核心议题，因为车载算力受限，工程师们更关注如何优化能在车上运行的小型算法。真正的转变始于 2019 年与 OpenAI 在 GPT-2 时代的合作。Alexandr Wang（王曦）回忆，GPT-2 在当时只是一个有趣的“玩具”，但到了 GPT-3（2020年），缩放定律的真实性已清晰可见。他分享了一个趣事：他让一位朋友试用 GPT-3，结果朋友在与 AI 对话中表现出了近乎“个人化”的沮丧和愤怒，这让他意识到，GPT-3 在性质上已与此前任何技术都不同，仿佛通过了某种图灵测试的雏形。不过，真正让生成式 AI 进入大众视野的，他认为是 DALL-E。
随着 2022 年 InstructGPT（ChatGPT 的前身）、ChatGPT 和 GPT-4 的相继出现，Scale AI 迎来了“农场时刻”——数据需求将呈天文数字增长。Alexandr Wang（王曦）指出，当前模型改进的收益更多来自推理和强化学习，而非预训练，我们正在进入一条新的能力曲线。
对于企业而言，未来的核心知识产权（IP）将不再是代码库，而是其专有的、经过精细调优的模型。企业可以基于自身独特的业务数据和工作环境，在基础模型之上构建差异化的 AI 能力。这引发了关于未来经济形态的思考：AGI 会像“博格”一样吞噬整个经济，还是会出现专业化的经济？Alexandr Wang（王曦）倾向于后者，他认为未来的“阿尔法”（超额收益）将取决于企业能否将业务问题封装成独特的数据集或环境，从而构建差异化的模型。
这种趋势将深刻改变工作形态。Alexandr Wang（王曦）持技术乐观态度，认为人类将掌握未来。他以编程为例，描绘了工作演进的三个阶段：1) 助手模式：AI 辅助人类工作；2) 单一代理协作模式：人类与一个 AI 代理同步工作（如 Cursor）；3) 代理群管理：人类管理者部署并协调一群 AI 代理完成各种任务。
“最后一个角色在当前的劳动力市场中有明确的语义——就是管理者。” 他解释道。悲观者（或 AGI 末日论者）认为，连管理代理的工作最终也会被代理取代。但 Alexandr Wang（王曦）认为，管理极其复杂，涉及愿景设定、问题调试和火灾扑救，这些根本上仍将由人类驱动，因为经济是由人类需求和欲望驱动的。因此，经济的终极状态将是“大规模人类管理者指挥 AI 代理”。
他引用自动驾驶的例子：即使现在，每辆自动驾驶汽车背后仍有远程协助人员，比例可能低至每 3-5 辆车配备一名操作员，人类参与度远超公众想象。但这恰恰是乐观之处：过去一个 Uber 司机只能开一辆车，未来一个人可以管理五辆车，生产力得到提升。要实现失业率保持低位的乐观未来，必须相信人类的需求几乎是无限的，效率提升会降低价格，从而激发更多需求，这一趋势在人类历史上一直可靠。
他进一步类比：20 世纪初的“计算机”指的是从事计算工作的人，而如今程序员获得了巨大的杠杆效应，一个 10 倍工程师能创造巨大价值。AI 时代，所有行业的人类都将获得类似程序员的杠杆提升，这将极大激发生产力和创造力。
Scale AI 的演进弧线：从数据工厂到无限市场
回顾 Scale AI 的发展轨迹，Alexandr Wang（王曦）将其描述为一场持续的自我革新。最初三年，公司完全专注于为自动驾驶公司提供数据。这项业务的一个内在属性是：为了在任何垂直领域取得成功，AI 首先需要数据，因此 Scale 对产品的需求往往先于 AI 渗透到该行业。这迫使他们必须走在 AI 浪潮的前面。
例如，他们在 2019 年就开始与 OpenAI 合作语言模型，2020 年与国防部（DoD）合作政府 AI 应用，远早于后来无人机和国防 AI 的热潮；他们也早早涉足企业 AI 应用。这种“超前布局”与 NVIDIA 的 Jensen Huang（黄仁勋）的策略相似，后者在年度演讲中总是领先趋势，因为他必须在趋势发生前就为之做好准备。
2021 年底至 2022 年初，Scale AI 开始向应用层拓展，构建基于 AI 的应用，如今更侧重于面向企业和政府客户的代理工作流和应用。这是一个关键的商业演进。从高度依赖人力的数据工厂业务，扩展到软件产品业务，需要不同的能力。Alexandr Wang（王曦）研究了历史上成功拓展新业务的公司，最典型的例子是亚马逊构建 AWS。2006 年 AWS 推出时，亚马逊股价下跌，分析师认为这个与核心零售无关的想法很糟糕。但其智慧在于两点：一是他们坚信云计算市场将无限增长；二是他们拥有规模经济带来的成本优势。
Alexandr Wang（王曦）意识到，初创公司早期需要聚焦狭窄市场以获得动力，但当有野心成为百亿甚至更大公司时，必须转向寻找“无限市场”。他的结论是：每个企业和组织都将用 AI 驱动的技术（尤其是代理技术）重构其整个业务，这将吞噬整个经济。因此，为企业构建 AI 应用和部署是一个无限市场。
目前，Scale AI 的应用业务增长远快于数据业务。他们采取的策略是聚焦于少数顶级客户，如全球排名第一的药企、电信公司、银行、医疗提供商，并与美国政府（尤其是国防部）深度合作，专注于构建真正差异化的 AI 能力。Alexandr Wang（王曦）透露，他们的 AI 应用业务已是行业规模最大的之一。这项业务的差异化优势，正源于其在数据业务中积累的能力：知道如何为大型模型构建者生产高度差异化的数据，并能将这种能力和运营经验应用于企业独特的业务问题，为其打造专业化应用。
从最高层面看，Scale AI 像是一家为世界最大组织提供技术（尤其是数据技术）的供应商。这与 Palantir 有相似之处，但侧重点不同：Palantir 专注于数据本体和集成，而 Scale 更关注对企业 AI 战略最具战略意义的数据，以及如何从企业内部生成或利用这些数据。目前两家公司更多是合作而非竞争，因为企业面临的问题规模巨大、棘手，市场空间无限，远未到赢家通吃的地步。
内部实践、硬评估与中美 AI 全方位竞争
作为走在 AI 前沿的公司，Scale AI 内部已广泛采用代理工具提升效率。Alexandr Wang（王曦）分享，当他们看到模型开发者开始使用强化学习训练能够执行端到端工作流的“推理模型”时，就意识到可以将现有的人力工作流转化为强化学习的环境和数据，从而实现自动化。现在，代理工作流已渗透到公司的招聘、质量控制、数据分析、销售报告等各个主要部门。关键在于识别那些重复性高的人力工作流，并将其转化为能够训练自动化工具的数据集。例如，将候选人的完整资料包提炼成供委员会决策的摘要，这种“深度研究+”类任务是最容易实现代理自动化的。
关于提示工程与微调/强化学习的关系，他认为随着模型变强，提示工程效果会更好，能解决大部分问题，但强化学习能将能力推向更高水平。对于初创公司，他建议需要制定策略，让产品或业务能够受益于模型能力快速提升的“复杂性曲线”。
为了衡量模型在复杂推理上的前沿能力，Scale AI 与“人类安全中心”合作创建了名为“人类最后考试”的评估基准。其独特之处在于，题目来自全球顶尖科学家和研究员贡献的、从未出现在任何教科书或考试中的全新难题，需要深厚的专业知识和长时间思考才能解决。最初发布时，最好的模型得分仅 7%-8%，如今已超过 20%，进步神速。Alexandr Wang（王曦）认为，AI 行业仍然缺乏真正艰难、能体现模型前沿能力的评估。这类评估一旦流行，就会成为整个行业研究和优化的“北极星”，推动进步。他预测，未来评估将转向更模糊、更复杂的真实世界任务。
关于 AI 的科学突破，他认为未来 12-24 个月内，很可能出现由模型推理操作带来的全新科学突破，尤其是在生物学等领域，模型可能拥有人类不具备的直觉。这将是科学发现的激动人心时刻。
话题转向中美 AI 竞争。Alexandr Wang（王曦）指出，当前世界上最好的开源模型来自中国（如 DeepSeek），这是一个“尴尬的现实”。他认为中国模型进步神速的一个简单解释是“间谍活动”——前沿模型训练中的大量“秘密”（技巧、超参数设置直觉等）流向了中国实验室。展望未来，中国很可能拥有先进的模型，目前可能落后半步，但很难预测真正并驾齐驱时会怎样。
他详细对比了双方优劣势：
美国优势：芯片、算法创新（净优势）。
中国优势：
数据：可无视版权或隐私规则获取数据；政府大规模推动数据标注中心建设、提供补贴和大学培养项目。
硬件制造：在机器人等硬件制造上成本极低（美国机器人成本2-3万美元，中国可能仅2-4千美元），拥有无与伦比的供应链能力。
能源生产：中国电网产能过去十年翻倍（主要靠煤炭），而美国电网产量基本持平，这是一个巨大的政策差距。
在国防和安全领域，未来冲突将转向“微型战争”，依赖无人机、具身机器人和网络战，而非传统的战斗机航母。另一个大趋势是“代理驱动战争”——将现有高度人工、信息有限的军事决策流程，转化为由 AI 代理协作执行的系统，从而将关键决策周期从数天缩短至数分钟，形成一种“无情”的快速对抗模式。Scale AI 正与美国印太司令部合作开发名为“雷霆锻造”的系统，正是将军事规划流程代理化，这可能会彻底改变冲突形态。
极致投入：构建伟大公司与个人的唯一心法
在访谈最后，当被问及对听众有何建议以取得类似成就时，Alexandr Wang（王曦）的回答回归到一个看似简单却无比深刻的核心：“你必须真的、真的、真的非常在乎。”
他认为，年轻人的一个可贵特质是，几乎把所有事情都看得极其重要，因而会付出巨大努力，关注每一个细节。他多年前写过一篇题为《雇佣那些在乎的人》的文章，其核心理念很简单：在面试或与人互动时，你能分辨出哪些人是敷衍了事，哪些人把工作视为极其重要、关乎自身成就感的大事。后者会因为工作没做好而感到不安，因做得出色而深感满足。这种“在乎的程度”是衡量一个人能否成功、以及合作是否愉快的重要指标。
在 Scale AI，这种“极致投入”的文化自上而下贯彻。Alexandr Wang（王曦）本人至今仍亲自审核公司的每一名新员工招聘。他甚至分享，即使在公司规模已经很大时，他仍会亲自审查发送给合作伙伴的关键数据样本，充当最终的质量控制，对不合格的数据点说“不”。因为他深信，客户的情绪会直接影响到创始人，高标准和对于质量的执着追求必须深深嵌入组织的每一个层级。他引用了公司的价值观：“质量是分形的。” 如果高层管理者不在乎，这种态度会向下蔓延，瓦解整个组织追求卓越的欲望。
正是这种对质量和细节的偏执，使得 Scale AI 能够更敏锐地感知业务变化、更快地调整方向、更严肃地对待工作，从而在 AI 这个史上变化最快的行业中持续学习、适应并保持领先。在 Alexandr Wang（王曦）看来，这或许是所有成功背后最统一的特质。
Scale AI 创始人 Alexandr Wang（王）：AI 数据帝国背后的隐秘真相撰文：Techub News 整理
导语
在 Pulse 频道发布的这部近一小时的纪录片中，镜头对准了科技行业一个“公开的秘密”——Scale AI 及其创始人 Alexandr Wang（王）。这位出生于 1997 年、24 岁即成为全球最年轻白手起家亿万富翁的华裔天才，其公司被喻为“AI 时代的引擎”，为 OpenAI、微软、英伟达、Meta 乃至美国国防部等巨头提供至关重要的数据标注服务。然而，光鲜的估值（近 140 亿美元）与行业地位之下，是其商业模型对全球数十万低薪“数据标注工”的依赖，以及由此引发的关于技术伦理、劳工权益与创始人野心的激烈争议。本片深入挖掘了 Alexandr Wang（王）从天才少年到争议 CEO 的蜕变之路，揭示了 AI 产业繁荣背后不为人知的“燃料”来源。
摘要
Alexandr Wang（王）创立的 Scale AI 是 AI 巨头背后的关键数据供应商，但其成功基石是外包至菲律宾等地的低成本人力标注。
Scale AI 通过子公司 Remotask 管理全球标注工，被指控为“数字血汗工厂”，存在薪酬极低、支付延迟、账户无故封禁等问题。
为追求增长与控制，Alexandr Wang（王）与联合创始人 Lucy Guo（郭）决裂并解雇了她，并强势推动公司文化转向。
Scale AI 与美国国防部签订巨额合同，Alexandr Wang（王）高调呼吁“美国必须赢得 AI 战争”，但同时曾试图与 TikTok 合作，暴露其商业策略的务实（或机会主义）本质。
随着生成式 AI 兴起，Scale AI 调整劳动力策略，在美国开设新子公司 Outlier 以获取高质量英语标注数据，但类似劳工问题再次浮现。
天才的野心：从冰箱实验到 AI 数据帝国
Alexandr Wang（王）的成长环境充满了竞争与科技的烙印。在新墨西哥州洛斯阿拉莫斯（原子弹诞生地）的国家研究实验室旁长大，父母都是为美国空军工作的物理学家。这种环境塑造了他对成功的极度渴望，一位同事曾形容：“他需要成功，就像需要氧气一样。”在数学、编程和辩论上展现出非凡天赋的他，很早就立志要征服创业世界，甚至在九年级就维护着一份记录未来科技帝国构想的 Google 文档。
17 岁便已在硅谷初创公司担任程序员，几个月后更在问答网站 Quora 管理整个工程团队。尽管被麻省理工学院（MIT）录取，但因未能进入哈佛而心怀芥蒂，他最终选择放弃大学教育，留在 Quora。然而，他很快感到与年长同事和同龄大学生都格格不入，自称“不完美地卡在两个世界之间”。
转机发生在 2016 年他决定重返校园，进入 MIT 深入学习机器学习。MIT 注重实践与黑客文化的氛围激发了他。一个看似琐碎的问题——室友偷吃冰箱食物——催生了他的“顿悟时刻”。他尝试在冰箱安装摄像头并用 AI 追踪食物存量，但很快发现根本问题在于：AI 缺乏足够高质量的数据来识别复杂物体。
他意识到，要让 AI 执行需要人类感知的复杂任务，必须为其提供海量、精准标注的数据（图像、文本等）。此时，AI 正成为科技界最热门的领域，而数据正是其第一块基石。于是，入学仅一年后，19 岁的 Alexandr Wang（王）毅然从 MIT 辍学，决心在 AI 的“狂野西部”闯出名堂。他与在 Quora 结识的产品经理 Lucy Guo（郭）联手，两人凭借 Lucy Guo（郭）获得的知名投资人 Peter Thiel（彼得·蒂尔）设立的“蒂尔奖学金”光环，成功进入了由 Sam Altman（萨姆·奥尔特曼）领导的顶级创业孵化器 Y Combinator。
Scale AI 的崛起：数据标注，AI 的“弹药”
在 Y Combinator，Alexandr Wang（王）和 Lucy Guo（郭）最初的几个创业想法（如“俱乐部版 ClassPass”、AI 助手 Ava）并未引起共鸣。Alexandr Wang（王）不断回想冰箱实验的启示，并观察到 AI 行业的一个关键缺口：所有人都专注于开发炫酷的 AI 应用，却无人专注于为这些应用提供“燃料”——高质量、可规模化的数据标注基础设施。他以披萨为例：AI 需要人类先展示大量标注为“披萨”的图片，才能学会识别披萨。这个过程就是“数据标注”。
他认识到，数据对于 AI 如同食物和水对于人类一样重要，而当时几乎没有公司致力于让数据标注变得更好、更快、更便宜。2016年，他们正式创立了 Scale AI，目标是解决“AI 生态系统中的数据支柱问题”。
讽刺的是，支撑人类史上最复杂技术的基础设施，其核心工作并不需要天才般的技能。数据标注是一项几乎任何人都能完成的基础工作，但它需要一支能够快速组建的大规模劳动力。因此，Scale AI 提供的并非一个 App 或 AI，而是一项服务：按需提供人力，帮助 AI 开发者完成图像识别、数据分类、文本转录等枯燥但必要的任务。他们将其称为 Scale API。
起初，这个想法并不被广泛理解。但年轻投资者 Dan Lavine（来自知名风投 Accel）看到了价值，甚至在 Y Combinator 演示日之前就开出了投资支票。19 岁的 Alexandr Wang（王）获得了梦寐以求的行业关注和信誉背书。
真正的突破来自对当时最热门市场——自动驾驶汽车——的精准切入。Alexandr Wang（王）发现，没有正确标注的数据，自动驾驶汽车的 AI 就无法区分飘过街道的塑料袋和跑进马路的孩子，这是灾难性的。而当时没有一家公司专注于为自动驾驶汽车雷达、摄像头产生的 3D 图像进行标注。Scale AI 抓住了这个空白。
为了以可承受的成本处理海量数据，他们将实际的标注工作外包至发展中国家，首选是拥有庞大游戏文化和网吧网络的菲律宾。雇佣一名菲律宾标注员一天的成本，低于 Alexandr Wang（王）在旧金山每日一杯卡布奇诺的价格。凭借“先发优势”和硅谷的人脉，Scale AI 很快赢得了几乎所有涉足自动驾驶领域公司的合同，包括 Waymo、Cruise 以及通用汽车、苹果等巨头。公司从公寓创业迅速成长为吸引重金投资的独角兽。
暗面浮现：数字血汗工厂与内部裂痕
随着客户激增，Scale AI 对标注劳动力的需求呈指数级增长。为此，他们创建了子公司 Remotask，专门负责招募和管理全球的“任务员”（Tasker）。Remotask 的网站承诺“做任务，拿报酬”，简单灵活，对发展中国家的数字工作者极具吸引力。初期，一些任务员报告周薪可达近 300 美元。
然而，情况迅速恶化。Scale AI 将 Remotask 业务拓展至印度、委内瑞拉和拉丁美洲等地，有意在全球范围内制造任务员之间的激烈竞争。公司深知，这些急需收入的工人会陷入“竞次”比赛，从而允许 Remotask 压低薪酬。正如所料，工资水平暴跌至每任务仅几美分。同时，任务数量并不足以满足所有注册者的全职工作需求，许多人完成培训后便被无限期搁置在等待队列中。
为了提升效率，Remotask 在菲律宾租用场地提供高速网络，但这些“办公室”设施简陋、过度拥挤，任务员肘碰肘地长时间轮班工作，与承诺的“自由灵活”相去甚远，被活动家称为“数字血汗工厂”。
更严重的问题是支付。《华盛顿邮报》等媒体揭露，Remotask 存在普遍且不公正的延迟支付或取消支付现象。任务员完成项目后，需经过漫长而混乱的“反欺诈审核”流程，且经常对审核状态一无所知。许多人的报酬因此被扣留。当任务员抱怨时，Remotask 的回应往往是直接封禁其账户，且不做解释。社区内流传着“谈论薪酬就会被封号”的恐惧，这种恐吓策略非常有效，因为大多数被剥削的任务员别无选择。
就在 Remotask 的劳工问题发酵之时，Scale AI 却在 2019 年成功融资 1 亿美元，估值达到 10 亿美元，投资者包括 Peter Thiel（彼得·蒂尔）的 Founders Fund 和 Accel。客户们对此似乎选择了视而不见。
公司内部的裂痕也因此加深。联合创始人 Lucy Guo（郭）负责 Remotask 运营，直面这些混乱和投诉。而 Alexandr Wang（王）则专注于对外销售和塑造 Scale AI 的“科技公司”形象，极力淡化人力标注员的贡献。在他眼中，标注员是“采摘水果、挤牛奶的农场工人”，而他则是“米其林星级厨师”。当 Remotask 的丑闻开始泄露时，Alexandr Wang（王）将挫败感转向 Lucy Guo（郭），批评她未能控制住问题。
Lucy Guo（郭）主张通过善待工人、履行支付承诺来解决问题。但 Alexandr Wang（王）认为这威胁到了 Scale AI 的成功模式。在投资人 Dan Lavine 的支持下，Alexandr Wang（王）于 2018 年解雇了 Lucy Guo（郭），彻底掌控了公司。Lucy Guo（郭）在离职声明中仅以“文化和雄心的一致性存在分歧”轻描淡写地带过。
铁腕统治与战略转向：从自动驾驶到国防合同
解雇 Lucy Guo（郭）并未平息内部对文化变革的呼声。在员工评价网站上，Alexandr Wang（王）的形象从外部看到的魅力天才，转变为内部员工眼中的权力饥渴、独裁式的 CEO，有人将其比作 19 世纪末的工业大亨。
与此同时，自动驾驶行业遭遇寒流，过度承诺与交付不足导致投资紧缩，Scale AI 的核心客户开始取消合同。Alexandr Wang（王）为 2020 年设定的 1.2 亿美元营收目标最终只实现了 7000 万美元。公司急需新的增长点。
Alexandr Wang（王）开始将重心转向生成式 AI 和另一个更具争议的领域：美国政府，特别是国防部。为了安抚和动员员工，他举办全员“市政厅”会议，鼓励尖锐提问。会上，员工们提出了关于数字血汗工厂、标注员心理健康以及军事合同伦理的担忧。
当被问及是否会与军方合作时，Alexandr Wang（王）最初轻描淡写地回答：“我们不会帮助制造杀人机器人。”然而，几周后，Scale AI 宣布与美国国防部签订一份为期 5 年、价值近 1 亿美元的合同，为其战场监视 AI 系统提供数据和算法。随后，Scale AI 在华盛顿特区开设办公室，并将合同金额增至近 2.5 亿美元。
面对员工的质疑，Alexandr Wang（王）辩称形势已变，并提出了后来他向政府官员反复强调的观点：“数据是 AI 战争的弹药”，并警告在 AI 军事应用上中国正在超越美国。他的军事家庭背景（父母为空军工作）让他对员工的“天真”担忧不以为然。这一转向在财务上取得了成功，2021 年 Scale AI 再获 3.25 亿美元融资，估值飙升至 73 亿美元，24 岁的 Alexandr Wang（王）正式成为全球最年轻白手起家亿万富翁。
重塑劳动力与终极矛盾：商业利益与国家立场
生成式 AI 的爆发为 Scale AI 带来了新机遇。为了服务 OpenAI、Meta 等客户的大型语言模型，需要高质量的英语母语标注员。同时，Alexandr Wang（王）也需要清理 Remotask 的烂摊子和内部矛盾。
他的解决方案是“清理门户”：Scale AI 突然将 Remotask 从肯尼亚、尼日利亚、巴基斯坦等国撤出，锁死当地工人账户，并停止在全球大部分地区的新注册。随后，在美国成立了新的子公司 Outlier，从事与 Remotask 类似但面向英语母语专业人士的标注工作，以吸引高端人才并服务政府和生成式 AI 客户。同时，通过一系列壳公司进一步将 Remotask 与 Scale AI 的公开关联隔离开来。
然而，Outlier 的美国“零工”们很快也开始经历任务竞争加剧、薪酬骤降和账户无故被封的问题。与此同时，在 AI 热潮中，Scale AI 却在 2023 年初裁掉了 20% 的美国员工，理由是毛利率下降，但外界猜测这与那些曾质疑公司伦理的员工有关。
尽管存在这些动荡，Alexandr Wang（王）在 2024 年再次发起高达 10 亿美元的融资，旨在将估值推至近 140 亿美元。但硅谷对他的看法已然改变，“年轻神童”的故事逐渐被“年轻暴君”的叙事所取代。一些前自动驾驶客户也开始抱怨 Scale AI 数据中的明显错误。
最体现 Alexandr Wang（王）矛盾性的，是他与 TikTok 的潜在合作。就在他高调呼吁“美国必须赢得 AI 战争”、并在《华盛顿邮报》刊登整版广告宣扬此观点时，他却在积极洽谈一份为 TikTok 提供数据服务的大合同。TikTok 因其与中国政府的关系而被许多美国官员视为安全威胁。尽管遭到公司内部政府业务部门高管的强烈反对，Alexandr Wang（王）仍试图推动这笔交易，直到他的华盛顿团队警告这将对与美军的关系造成重大损害，他才最终放弃。这一事件让人不禁质疑：他对美国 AI 领导地位的拥护，究竟是信念，还是一种机会主义的销售策略？
如今，Alexandr Wang（王）已成为硅谷的明星，活跃于社交媒体和 Met Gala 等顶级场合。他的故事是一个关于极致野心、技术洞察力与伦理代价的复杂案例。Scale AI 作为 AI 时代的关键基础设施构建者，其成功无疑深刻影响了行业进程，但支撑其帝国运转的全球劳动力体系，以及创始人在理想与现实之间的游走，也为快速发展的 AI 产业留下了深刻的问号。
Worldcoin 创始人 Alex Blania（亚历克斯·布拉尼亚）与 Sam Altman（萨姆·奥尔特曼）：在 AGI 时代证明「我是人」撰文：Techub News 整理
导语
2025 年 5 月，Worldcoin 项目联合创始人、Tools for Humanity CEO Alex Blania（亚历克斯·布拉尼亚）与 OpenAI CEO Sam Altman（萨姆·奥尔特曼）在旧金山的一场名为「At Last」的活动上同台，回顾了 Worldcoin 的初心，并宣布了一系列重大进展。这场对话之所以重要，在于它发生在生成式 AI 能力飞速进化、AI 与人类界限日益模糊的背景下。Blania 与 Altman 五年前便开始探讨「在 AGI 时代，信任将何去何从」，而 Worldcoin 正是他们给出的答案——一个旨在为全球人类提供数字身份与经济接入的开放协议。本次活动标志着这个颇具争议但愿景宏大的项目，正式进入了其诞生地美国这一核心市场。
摘要
美国全面启动：Worldcoin 协议及相关服务（包括 Orb 验证、World ID、World App）将于次日正式在美国上线，计划在年底前部署超过 7500 台 Orb 验证设备。
硬件大规模进化：发布全新设计的 Orb，并宣布在美国德州自建生产线；首次预览了便携式「Orb Mini」，旨在将验证规模再提升一个数量级。
应用生态拓展：World ID（人类证明）将与 Razer（游戏）、Match Group（旗下包括 Tinder 等约会应用）等巨头合作，深入游戏、社交、约会等核心场景，打击机器人与虚假身份。
经济模型与去中心化路径：详细阐述了 Worldcoin 代币在协议可持续性与去中心化治理中的核心作用，并公布了「先驱者赠款」计划，对早期美国用户进行代币空投。
超级应用雏形：预览了 World App 4.0，整合了经过验证的人类身份、内置钱包、全球支付（与 Visa、Stripe 合作）、稳定币（与 Circle 合作）以及内嵌的第三方「迷你应用」和加密聊天功能，向「人类超级应用」迈进。
AGI 时代的信任基石：为什么需要「人类证明」？
活动开场，Sam Altman（萨姆·奥尔特曼）与 Alex Blania（亚历克斯·布拉尼亚）共同追溯了 Worldcoin 的起源。大约五年前，二人在一次城市漫步中开始思考一个根本性问题：在通往 AGI（通用人工智能）的道路上，信任将呈现何种面貌？那时 ChatGPT 尚未问世，但他们已预见到，随着 AI 能力的飞速进步，区分人类与 AI 生成内容、确保人类在数字世界中的中心地位将变得至关重要。
Blania 提到，计算机科学史上著名的「图灵测试」曾被视为遥远未来的挑战，但在 ChatGPT 出现后的今天，AI 已明确通过了这项测试。更不用说如今实时视频生成、AI 智能体等技术层出不穷。他断言，在大多数我们关心的在线服务中，人类需要一种新的「测试」或凭证，以便与 AI 系统正向共存——这就是一个全球规模的、保护隐私的「人类证明」。
他们认识到，解决这个问题需要满足几个苛刻条件：必须真正全球化、具有包容性，并且核心必须是保护隐私的。在尝试了各种在线声誉、政府身份系统等方案后，团队得出结论：这些方案都无法完全满足要求。因此，他们决定投入重金和时间，开发了专用的硬件设备——Orb，通过复杂的 AI 模型和多种光学传感器来验证生物特征，确认「面前的是真人」。
硬件冲锋：从固定 Orb 到口袋里的 Orb Mini
Alex Blania（亚历克斯·布拉尼亚）与硬件负责人 Rich 展示了 Worldcoin 验证硬件的演进路线。全新版本的 Orb 已经投产，它采用了最新的 Nvidia Jetson 处理器，运行复杂的 AI 模型，并使用可见光与红外传感器来确定「人性」。为了支持美国及全球的大规模推广，Worldcoin 将在德克萨斯州理查森市开设自己的组装生产线。
Rich 宣布了雄心勃勃的硬件部署计划：到今年年底，将在美国各地部署总计 7500 台 Orb。这个数字是目前全球 Orb 总数的四倍，目标是让几乎每个美国人都能在便捷的地点（如加油站、便利店）进行验证，理想情况下在 10 分钟内找到设备。
更大的惊喜在于 scalability（可扩展性）的突破。Blania 展示了「Orb Mini」的早期模型，这是第一款真正移动化的 Orb。其设想是让人们随身携带 Orb Mini，从而极大增加验证点的密度，甚至可以通过共享经济模式（类似 Uber 连接司机与乘客）连接需要验证的人和拥有 Orb Mini 的人。此举有望将验证规模再提升十倍，触及数十亿人群。活动现场的参与者将有机会获得限量版的「先驱者版」Orb Mini（预计 2026 年发货）。
现场还演示了优化后的自助验证流程：用户通过 World App 扫码配对 Orb，Orb 会通过语音和视觉提示引导用户调整距离、移除眼镜等，整个过程强调数据仅存储在用户设备，并在验证后从 Orb 中删除，突出了隐私保护设计。
World ID 落地：游戏、约会与社交的「真人认证」
有了 Orb 提供的「人类证明」，World ID 则是将其效用赋予各大平台的关键。Blania 指出，游戏、约会和社交将是早期最重要的应用领域。
在游戏方面，Worldcoin 已与全球游戏硬件及服务巨头 Razer 达成合作。玩家现在可以将他们的 Razer ID 与 World ID 验证关联，从而在 Razer 支持的所有游戏中证明自己是人类。未来计划包括：下个月起在所有 Razer 门店部署 Orb；举办完全在线的、仅限真人参与的「人类联盟锦标赛」；以及探索将 Worldcoin 的深度伪造检测（Deepfake）技术甚至硬件整合到 Razer 摄像头中，以进行更精确的身份匹配。
在约会应用领域，Match Group 的 CEO Spencer 登台宣布了合作。他透露，今年晚些时候，Tinder 在日本将率先集成 World ID 登录。用户可通过 World App 向 Tinder 发送证明，不仅验证其人类身份，还可验证年龄（如是否满 18 岁）。Match Group 计划在其庞大的全球约会应用矩阵中逐步推广这项技术，以提升平台的信赖度、安全性与真实性。
Blania 补充道，除了已与马来西亚和台湾地区政府进行的服务试点外，社交领域将是下一个让他个人非常兴奋的战场，预计今年内会有更多相关消息公布。
Worldcoin 代币：从增长工具到可持续协议引擎
Worldcoin 联合创始人兼协议负责人 Adrian 首次在正式场合深入阐述了 Worldcoin 代币（WLD）的功能与愿景。他承认，过去团队很少公开讨论代币的具体用途。
Adrian 指出，代币的第一个功能是网络增长工具。通过向完成 Orb 验证的用户发放少量代币作为激励，Worldcoin 成功吸引了超过 2600 万 World App 用户，其中超过 1200 万已完成验证。这与 PayPal 等早期金融网络用小额奖金激励用户增长的策略类似。
随着网络规模扩大，可持续性与信任成为核心问题。Adrian 强调，要使 Match Group、Razer 这样的大型企业信赖并依赖 World ID，他们必须确信这项服务是可持续且不可篡改的。这正是 Worldcoin 代币和区块链技术要解决的根本问题：构建一个开放、透明、去中心化、无人能单方面控制或关闭的协议。
他勾勒了协议的经济模型：应用程序（如 Match、Razer）为使用 World ID 等服务支付费用（以 Worldcoin 结算），这些费用用于支持提供底层技术（如 Orb 验证、协议维护）的参与者。这种共生关系确保了协议的长期可持续性。具体费用规则将由社区通过去中心化治理共同决定，收益可以分配给用户（如通过空投）、用于协议开发或被销毁。
Adrian 透露，未来一周将发布详细阐述去中心化阶段的白皮书。目标是到 2026 年底，使协议达到高度的去中心化水平，确保其可靠性、可信度足以支撑像民主投票、政府服务这类关键基础设施。最后，为庆祝美国上线，所有在美国上线前下载过 World App 的用户都将获得「先驱者赠款」，获得与项目启动日验证者等额的 WLD 代币，以示公平。
World App 4.0：迈向「人类超级应用」
World App 产品负责人 Thiago 展示了即将推出的 World App 4.0 预览版。他强调，World App 是 Worldcoin 协议的「第一个客户端」，但目标是成为「人类的超级应用」，这是一个漫长而艰难的旅程。
新版应用进行了全面重新设计，核心围绕「已验证的人类身份」展开。用户可以通过 App 查找最近的 Orb，验证后可以访问仅限真人使用的专属功能和内容。
「迷你应用」（Mini Apps）成为生态增长引擎。这些第三方应用内嵌于 World App，可利用 World ID 和金融网络提供新服务。自去年秋季推出以来，迷你应用已被使用超过 5 亿次。4.0 版本改进了主页和应用商店，方便用户管理和使用迷你应用。同时，新增了信用卡和 Apple Pay 等传统支付方式（由 Zero Hash 支持），并宣布预测市场平台 Kalshi 当天上线，允许用户使用 Worldcoin 参与体育赛事等预测。
加密聊天工具「World Chat」被深度集成。它不仅能显示聊天对方是否经过 Orb 验证，还推出了「已验证的个人资料图片」功能（用户可自愿设置，确保图片与 Orb 扫描的面部匹配）。得益于 World 网络兼具身份与金融属性，用户可以在聊天中直接附加转账。
金融功能全面升级：内置钱包的交易验证量已从去年底的 1.5 亿次猛增至 3.5 亿次。新版钱包简化了资产追踪，并重点推出了新的「现金」页面，允许用户在一个地方持有和使用多种全球货币。用户可以：免费、即时地向其他国家汇款；将资金存入「金库」赚取收益（通常高于银行）；连接 Morpho 等 DeFi 迷你应用进行借贷。此外，用户还将获得传统银行账户号码，以便接收工资等。
Thiago 宣布了关键合作伙伴：与 Circle 合作，将最受信任的美元和欧元稳定币引入 World Chain；与 Stripe 合作，使用户很快能在 Stripe 支持的网站和应用中一键使用 World App 支付；以及最引人注目的——推出实体「World Card」（与 Visa 合作），用户可以在全球超过 1.5 亿家商户直接使用 Worldcoin 进行支付。
登陆美国：规模化扩张的开始
Alex Blania（亚历克斯·布拉尼亚）在总结中再次强调了美国上线的重要性。从次日开始，旧金山联合广场、洛杉矶、迈阿密、亚特兰大、奥斯汀、纳什维尔等美国主要城市将设立旗舰验证点。但这仅仅是开始，伴随年底前 7500 台 Orb 的铺开，验证点将遍布加油站、便利店等日常生活场所。
Blania 与 Altman 的愿景清晰而宏大：在 AGI 时代来临前，构建一个全球性的、保护隐私的人类身份与金融基础设施，并通过代币经济与去中心化治理，使其成为由全人类共同拥有的开放协议。美国的全面启动，标志着这一极具野心的项目进入了规模化扩张和主流化应用的新阶段。
Davide Asnaghi（戴维德·阿斯纳吉）与 Alex Modon（亚历克斯·莫顿）：AI如何重塑硬件设计与大型基建撰文：Techub News 整理
在 a16z 的深度对话节目中，两位致力于将AI引入实体世界的创业者——Diode Computers CEO Davide Asnaghi（戴维德·阿斯纳吉）和 Unlimited Industries CEO Alex Modon（亚历克斯·莫顿）——分享了他们的见解。他们分别从微观（电路板）和宏观（大型基建项目）两个截然不同的尺度，探讨了AI如何改变传统上依赖深厚专业知识与手工流程的行业。这场对话揭示了AI不仅关乎软件与数据，更关乎如何移动原子、建造实体，以及重塑美国工业的未来。
从代码到电路板：AI如何成为硬件设计师
Davide Asnaghi（戴维德·阿斯纳吉）的公司 Diode Computers 正利用AI设计和制造定制电路板。他的目标听起来雄心勃勃：“我希望能够像我的朋友创办B2B SaaS公司那样，轻松创办一家硬件公司。”这意味着，将硬件设计——一项传统上被视为极其复杂和专业的工程——变得如同编写软件一样 accessible。
然而，硬件设计领域数据稀缺，且工程师们习惯于特定的工具和流程。Asnaghi（阿斯纳吉）的解决方案颇具巧思：“我们作弊了。”他们绕过了直接训练AI理解电路板物理设计的难题，转而利用AI已经擅长的领域——代码。他们构建了一个编译器，给予AI模型足够的提示，使其感觉像是在编写Python程序，而非设计电路板。这本质上是将物理设计问题，重构为一个AI模型已经拥有海量训练数据（代码）的问题。
“传统的电子设计根本不是用代码完成的，” Asnaghi（阿斯纳吉）解释道，“而且，很多有品位的电气工程师鄙视编写代码的想法。没关系，我们不想让不想写代码的人去写。让模型去写代码。模型写代码的能力惊人，它理解这些概念。”
这种“万物皆代码”的方法，使得AI能够生成可直接用于制造的硬件设计。Asnaghi（阿斯纳吉）对自动化时间线的预测相当激进：“我曾以为需要5年，但现在我认为可能只需要2年。”当然，他指的是特定类型的电子设计（他重点关注的子集）将在两年内实现全自动化设计。
自动化不仅仅是设计。在制造端，电路板组装（SMT）已有大量机器人自动化，但仍有约20%的工作难以自动化，例如焊接大型变压器、组装外壳等。这部分通常依赖人工。Asnaghi（阿斯纳吉）指出，在美国，单纯依靠劳动力无法快速扩大数据中心等产能，也无法将建设周期从四年缩短到两年。因此，他们的核心目标并非用AI完全取代设计工作，而是用AI自动化那些能够产出“高度可制造”输出的设计类型。如果设计本身受到约束（即针对制造优化），那么2026 年 4 月就可以实现100%的自动化制造——“机器人已经在这里了。”
Asnaghi（阿斯纳吉）的愿景是扩展“软件工程师”的定义：“你希望赋予任何能够生成代码的事物同样的生成硬件的能力。”这不仅包括技艺高超的软件工程师，也包括AI代理（agents）。他们的开源编译器工具链（diode.link/pcb）正是为此搭建的基础设施，旨在成为AI和人类设计硬件并无缝进入制造流程的轨道。
对于数据难题，Asnaghi（阿斯纳吉）认为，电路板设计领域缺乏足够的公开数据来训练一个真正强大的基础模型。他们的策略是先用代码方法 bootstrap（引导），生成经过验证的设计模块库，这些模块成为下一代模型的训练数据，形成复利效应。同时，如果他们能成为众人免费设计的平台（rails），数据自然会汇聚而来。他相信，最大的障碍是数据不足，而非模型架构。只要能在美国以与亚洲竞争的成本进行盈利性制造，就能生成足够数据使模型准确性飙升。
基建自动化：用AI重新设计大型项目
Alex Modon（亚历克斯·莫顿）的 Unlimited Industries 则瞄准了规模宏大的基建项目——电厂、医院、大型设施。他提出了一个大胆的断言：“在10年内，所有建筑都将完全自动化。”
目前，一个大型基建项目始于开发商拥有一块空地。随后，可能需要长达一年甚至一年半的时间进行设计，数百名工程师（机械、工艺、电气、土木结构）参与，共同完成一套巨大的“施工发布包”（IFC）。这套文件随后交给总承包商进行采购和建造。
Modon（莫顿）描述了他们自动化这一前端流程的愿景：输入场地信息和建设要求，AI将探索成千上万种不同的设计方案 permutations，一键点击即可生成一个全局优化的IFC包。优化目标可以是资本支出（CapEx），但更好的方式是项目的总拥有成本，包括运营维护和施工便利性。
与软件行业参数化、灵活的设计方式类似，Modon（莫顿）希望将这种模式引入基建设计。“对我们客户来说，最大的价值体现是，如果你花了6个月设计某样东西……如果你想在6个月后更改某些东西，哦，天哪……你得重新开始。这完全是一场噩梦。”而在他们的AI驱动模式下，一切只是一个更新的变量，可以高效迭代。
后端施工则涉及更多机器人技术，从短期内更可行的自主推土机，到未来工地上的大量人形机器人和无人机。Modon（莫顿）相信，只要激励措施得当，这个未来注定会在十年内实现。
与硬件设计类似，基建行业也面临数据稀缺和传统工作方式的挑战。Modon（莫顿）指出，基建行业的激励结构与风险规避紧密相关，资本来源决定了整个项目的激励机制，这往往抑制了新技术的采纳。“你走进这些公司，看看人们的电脑，你会感觉像是被困在90年代末。”因此，Unlimited Industries 选择了垂直整合的策略，“我们必须拥有足够多的部分，以便能够与行业建立一个清晰的接口。”而不是试图切入一个小环节并强迫人们改变。
在团队构建上，Modon（莫顿）的经验是：“教一个跨学科的人使用最新最好的AI工具，比反过来（教AI专家成为领域专家）要容易得多。”他们的团队主要由多学科背景的机械、电气、土木工程师以及仿真、控制专家组成，辅以一些AI和软件背景的人才。
对于AI理解物理世界约束的问题，Modon（莫顿）同样秉持“万物皆代码”的理念。他们将复杂的系统关系 embodied 到一个 robust 的 ontological 模型中，为AI代理和LLMs提供一个可以生成代码的环境框架，这些代码能利用各种确定性工具，就像普通工程师一样。这创造了一种参数化的关系，使得优化和迭代变得容易。
挑战、机遇与未来展望
两位CEO都承认，实现完全自动化仍有最后一段 gap 需要跨越。对于 Diode，目前AI能完成约90%的设计，剩余10%需要人类工程师检查和完善。Asnaghi（阿斯纳吉）认为，“最后的 frontier 是我们没有足够的数据。”数据是 society 需要生成的东西。他个人认为现有架构组件已足够，但数据是关键。他的联合创始人则有不同看法，认为许多问题非常适合蒙特卡洛树搜索强化学习风格的方法。无论如何，他们的策略是专注于构建端到端的系统，并随时准备利用架构或数据生成方面的任何突破。
对于 Unlimited Industries，Modon（莫顿）认为他们的问题数据稀疏度更高，但大多数问题可以被 bounded（界定），且行业有大量标准 governing 如何建造。他更强调系统设计哲学：“确保你设计的系统实际上是完全自主的，而不是需要人类介入的。”这驱动了非常不同的架构。他们同样押注模型会变得更好。
关于人形机器人（humanoids）等更广泛的物理自动化，两人都持乐观态度。Modon（莫顿）认为，围绕一种设计进行大规模制造所能带来的效率和学习率，足以抵消定制化效率的损失，因此人形机器人形态将非常重要。Asnaghi（阿斯纳吉）则笑称自己“平等地爱所有机器人”，因为它们内部都有电路板。他更看好具有视觉语言动作模型（VLA）的机器人手臂，来解决那剩余的20%难以自动化的工作。
两人都提到了行业中存在的“ tacit knowledge”（隐性知识）——那些经验丰富的工程师、电工所拥有的直觉和诀窍。Modon（莫顿）指出，美国电工的平均薪水可能已经高于硅谷的软件工程师，需求巨大。Asnaghi（阿斯纳吉）则认为，在美国电路板行业，更大的文化 disconnect 在于设计与制造的脱节。设计师往往在“象牙塔”中设计，然后将制造外包到其他地方，因此缺乏“为制造而设计”（DFM）的 visceral connection（切身联系）。在中国，设计师即使知道制造不是自己完成，也会为了让朋友的工厂更容易生产而精心设计。AI的目标之一，就是自动生成这些DFM-ready的设计。
最后，谈到他们工作的二阶效应和使命，Asnaghi（阿斯纳吉）希望激发美国下一代对建造实体事物的热情。“我希望美国工程师、美国的青少年热衷于建造实体东西，并说‘我想建造一个立方星并把它送入轨道，做点酷炫的事情’，而且这很容易，因为我可以快速启动，并在第二天就制造出我的电路板。”
Modon（莫顿）则关注美国基建能力的衰退。他来自软件世界，那里一切都在进步，而基建领域的劳动生产率等指标在过去50年里却在恶化。“我晚上闭上眼睛时看到的图表就是那样。”他们的目标是，将建造这些项目的生命周期中的一个环节做得更好（一个数量级甚至多个数量级），从而有能力重新解决整个问题，从激励措施入手，建造绝对更多的项目——从支撑AI胜利所需的数据中心能源，到重新工业化所需的所有先进制造业公司，再到关键矿物。这一切构成了我们所见的世界的核心骨架，而我们正在变得更糟，这是非常令人担忧的事情。
两位创业者的对话揭示了一个共同的主题：AI在实体世界的应用，不仅是技术挑战，更是对行业文化、激励机制和数据生态的重塑。通过将物理问题编码化，他们正在搭建通往一个更高效、更具创造力、且更能应对未来挑战的实体工业未来的桥梁。
美国例外论的钢铁意志：Palantir CEO Alex Karp 谈 AI 战争、硅谷责任与美国霸权撰文：0x李大旗
引言：一个「局外人」的战争宣言
在充斥着「改变世界」的陈词滥调和「正和游戏」理想主义的硅谷，Alex Karp 是一个不折不扣的「异类」。他是一位拥有新古典社会理论博士学位的哲学家，一个热爱越野滑雪、常年身着亮色运动服的「怪人」，也是全球最神秘、最具争议的国防科技公司——Palantir 的掌舵人。20 年来，他带领 Palantir 在一个几乎被所有主流科技公司视为禁忌的领域——国防与情报——深耕，并因此被贴上了「战争贩子」、「监控帝国缔造者」等无数标签。Karp 自嘲道：「我们曾是‘怪物秀’（The Freak Show），我们花了 20 年时间，就是为了等待这一刻。」
2026 年 3 月，在 a16z 于华盛顿特区举办的「美国活力峰会」上，Karp 与 a16z 合伙人 Katherine Boyle 进行了一场信息量巨大、充满哲学思辨和现实主义警告的深度对话。这场对话的背景极不寻常：就在几天前，美以联军对伊朗发动了代号为「史诗之怒」（Operation Epic Fury）的空前打击，伊朗最高领袖哈梅内伊身亡，整个中东陷入战争边缘。而 Palantir 的 AI 系统，正是这次行动背后看不见的关键力量。
Karp 的演讲，与其说是一场商业访谈，不如说是一份面向硅谷和整个美国的战争宣言。他毫不避讳地宣称，世界本质上是「零和」的，美国正与中俄等对手进行一场关乎生死存亡的技术竞赛。他警告说，如果硅谷继续沉溺于「取代白领工作」的 AI 幻想，而忽视其在国防领域的责任，那么整个行业最终将面临被「国有化」的命运。他将 Palantir 的使命定义为——确保美国及其盟友的军事优势，让士兵能够安全回家。
本文将深入剖析 Alex Karp 的完整论述，并结合近期关于 Palantir 及其核心产品 Maven AI 系统的深度报道，系统性地拆解以下核心议题：
1、零和世界观：Karp 为何坚信国际关系是零和游戏？他如何看待美国、中国和俄罗斯之间的技术与军事竞赛？
2、硅谷的责任与危险：Karp 对硅谷主流文化提出了哪些尖锐批评？他所警告的「国有化」风险具体指什么？科技公司应如何弥合与华盛顿的文化鸿沟？
3、AI 战争的现实：「史诗之怒」行动揭示了 AI 在现代战争中的何种角色？Palantir 的 Maven 系统是如何运作的？
4、美国单一优势：Karp 认为美国相对于其对手的「单一优势」是什么？他为何如此强调对「神经多样性」（neurodivergent）人才的保护和培养？
5、Palantir 的哲学：作为一家「反监控」的公司，Palantir 如何平衡技术能力与公民自由（如第四修正案）？Karp 的个人哲学思想如何塑造了公司的独特文化？
6、文化战争的前线：Palantir 如何成为进步主义与现实主义、全球主义与爱国主义激烈交锋的文化战场？
这不仅是对一场谈话的记录，更是对一个时代关键问题的深度反思。在一个技术与地缘政治空前交织的时代，Alex Karp 的「钢铁意志」，为我们理解科技的终极力量、国家的命运以及我们每个人的责任，提供了一个无法回避的、充满争议但极其重要的视角。
第一章：零和博弈——在现实世界中，只有胜者与败者
Alex Karp 的世界观与硅谷普遍信奉的「技术创造无限可能、实现多方共赢」的乐观主义精神格格不入。他的思想底色，是深刻的现实主义和对权力斗争的清醒认知。在这场对话中，他反复强调一个核心观点：在地缘政治的棋盘上，游戏规则是零和的。
1.1 「要么是我们，要么是中国或俄罗斯」
Karp 毫不留情地戳破了「技术中立」的幻想。他认为，在当今世界，最终制定规则、定义价值观的，必然是拥有最强大军事力量的一方。而这场竞赛的终极玩家，只有美国和它的对手，主要是中国和俄罗斯。
「理论上，拥有一个基于法律、人人平等的体系会更好吗？当然。但在这个世界里，要么是我们，要么是中国或俄罗斯。我不知道你们对这个选择作何感想，但我真的相信，我们正在做着更高尚的工作，不仅是为了美国，也是为了整个世界，确保我们是拥有决定性一票的力量。」
这种信念，构成了 Palantir 一切行动的出发点。Karp 认为，帮助美国维持其军事霸权，并非狭隘的民族主义，而是在为一个更符合自由、民主价值观的世界秩序而战。他将此视为一种「更高尚的使命」（work of a higher purpose）。如果美国输掉这场竞赛，那么全球的互联网架构、数据隐私标准、言论自由边界都将由威权政体重塑，这对所有信奉开放和自由的个人与企业都将是灾难。
1.2 威慑力的重建：从阿富汗撤兵的阴影到「史诗之怒」的逆转
Karp 坦言，在阿富汗撤兵之后，美国的威慑力（deterrent capability）一度「被摧毁」（eviscerated）。然而，在过去的一年里，尤其是在「史诗之怒」等一系列中东行动中，美国重新展示了其无与伦比的技术优势，实现了威慑力的重建。
「无论你喜欢与否，我们现在拥有了一种其他任何国家似乎都不具备的威慑能力……如果你看看‘午夜战锤行动’（Operation Midnight Hammer）、委内瑞拉发生的事情，以及迄今为止在伊朗发生的事情，你会看到一个社会完全主导了另一个社会。那就是我们的社会。」
他强调，这种主导地位并非偶然，其背后是长达 20 年的技术积累和军事创新。而 Palantir 的 Maven AI 系统，正是这种技术代差的核心体现。根据路透社和《印度时报》的报道，Maven 系统已被五角大楼指定为「记录在案的官方项目」（Program of Record），成为美军未来的核心作战系统[1] [2]。该系统能够整合来自卫星、无人机、雷达、传感器和情报报告的海量数据，利用 AI 进行分析，帮助指挥官识别威胁、选定目标，并规划打击方案。在近期的中东冲突中，Maven 已经支持了数千次针对伊朗及其代理人目标的精确打击。
Karp 认为，这种压倒性的技术优势，是阻止战争的唯一有效方式。因为当对手清楚地知道攻击美国或其盟友将面临毁灭性报复时，他们才不敢轻举妄动。「和平源于力量」，这一经典的现实主义信条，被 Karp 和 Palantir 奉为圭臬。
1.3 对硅谷的警告：不要假装不懂零和游戏
Karp 对硅谷同行们「假装不懂零和游戏」的伪善提出了尖锐的批评。
「他们确实认为这是零和的。他们认为这是他们彼此之间的零和。他们假装不这么认为，但你去问问他们对竞争对手的看法……他们不明白的是，在世界上，这也是零和的。」
他指出，硅谷的科技巨头们在商场上为了争夺市场主导地位，进行着最残酷的零和博弈，但却在面对国家间竞争时，天真地宣扬「合作共赢」。这种认知上的分裂，在他看来是极其危险的。因为当技术公司试图置身于地缘政治之外时，它们不仅是在逃避责任，更是在将自己置于被动和危险的境地。
Karp 的逻辑非常清晰：如果美国在与中国的技术竞赛中落败，那么未来全球互联网的规则、数据隐私的标准、乃至言论自由的边界，都将由一个威权政权来定义。届时，今天所有享受着开放互联网红利的硅谷公司，都将面临生存危机。因此，投身于国防事业，帮助美国赢得这场零和游戏，不仅是道义上的责任，更是商业上的明智之举。
第二章：硅谷的十字路口——在「颠覆」与「责任」之间
Karp 对硅谷的批判，是其演讲中最具争议也最发人深省的部分。他并非简单地指责硅谷的「白左」倾向，而是从一个更深层次的、关乎行业生死存亡的战略高度，剖析了硅谷主流文化与美国国家利益之间的深刻矛盾。
2.1 「白领工作终结者」的政治风险
Karp 敏锐地指出了当前 AI 发展浪潮中最致命的政治隐患：如果硅谷给公众留下的唯一印象是「我们将夺走所有人的白领工作」，那么它将不可避免地成为全民公敌。
「如果硅谷相信我们将夺走每个人的白领工作——主要指那些和我一起长大的、受过高等教育、上过精英学校或准精英学校、投票给一个政党的人——然后你又搞砸了军队，如果你不认为这会导致我们技术的国有化，那你就太迟钝了。」
他描绘了一个极具警示性的「马蹄铁效应」（horseshoe effect）场景：在政治光谱的两端，左派和右派可能在所有问题上都存在分歧，但他们最终会在一个问题上达成共识——那就是「这个（指科技行业）没有给我们带来好处，我们的行业应该被国有化」。
Karp 的警告并非危言耸听。当 AI 技术的发展导致大规模的结构性失业，尤其是冲击到社会中坚力量的白领阶层时，民粹主义的怒火必然会寻找一个发泄口。而那些手握巨额财富、看似「不食人间烟火」的科技巨头，无疑是最理想的靶子。届时，通过立法手段对科技行业进行强制监管、拆分甚至国有化，将成为一个极具诱惑力的政治选项。
2.2 文化鸿沟：两个永不对话的世界
Karp 认为，硅谷与华盛顿（特指国防和情报界）之间的矛盾，根源在于一道巨大的文化鸿沟。他将两者形容为「两个永不对话的世界」。
文化维度
硅谷
华盛顿(国防界)
核心价值观
颠覆、效率、智力优越感、个人主义
责任、荣誉、国家利益、集体使命
世界观
乐观主义、正和游戏、技术中立
现实主义、零和博弈、技术是工具
人才画像
顶尖名校、编码天才、商业精英
来自全国各地、强调纪律与奉献的军人
沟通方式
黑话、缩写、快节奏、数据驱动
等级分明、严谨、尊重传统与经验
Karp 给那些初次与五角大楼打交道的科技创始人的建议非常直接：
1、放下傲慢，学会共情：在与将军会面前，先去和一名普通士兵或者他们的家人聊一聊。理解他们的视角，感受他们的牺牲，这是建立信任的第一步。
2、承认自己的无知：不要以为自己在一个领域聪明，就意味着在所有领域都聪明。要对自己不擅长的领域保持谦逊，承认「你不知道谁是傻瓜时，你就是那个傻瓜」（if you don't know who the mark is, you're the mark）。
3、寻找「翻译官」：两个文化背景迥异的群体需要一个能够理解双方语言和逻辑的「桥梁」。Karp 本人在过去的 20 年里，正是扮演了这样一个角色。
2.3 好莱坞的启示：自我审查以避免被审查
为了说明科技行业应该如何主动作为，Karp 引用了好莱坞建立电影分级制度的例子。
「好莱坞意识到，如果我们不自己搞分级，华盛顿就会来搞。而华盛顿会把它搞得一团糟……所以第一步是，每个人都必须意识到，狼已经到了门口，而且已经尝到了血腥。」
上世纪 60 年代，为了应对来自政府和社会保守派越来越大的审查压力，美国电影协会（MPAA）主动推出了电影分级制度。这套由行业内部制定的规则，虽然限制了创作的某些自由度，但成功地避免了政府的直接干预，将审查权掌握在了自己手中。
Karp 认为，AI 行业也应借鉴这种「自我规制」的智慧。与其等待政府出台严苛的、外行的法律法规，不如主动联合起来，就 AI 在军事、经济和社会领域的应用伦理，制定出一套清晰、可行、且符合美国国家利益的行业标准。这不仅是为了规避政治风险，更是为了赢得公众的信任，确保行业的长期健康发展。
他特别强调，这种讨论必须是具体而细致的，要区分不同场景下的伦理边界。例如，在美国国内应用 AI 技术，必须严格遵守第四修正案，保护公民隐私；但在对外战场上，首要原则应该是「尽最大可能确保我们的战士安全回家」。混淆这两者，是导致当前许多争论陷入僵局的根本原因。
第三章：AI 战争的现实——从「史诗之怒」看新一代军事革命
如果说 Karp 的哲学思想和政治警告为我们提供了理解 Palantir 的宏观框架，那么「史诗之怒」行动和其核心——Maven AI 系统，则为我们揭示了 AI 战争血淋淋的现实。这不再是科幻电影中的场景，而是正在发生的、决定国家命运的军事革命。
3.1 「史诗之怒」：第一次由 AI 主导的空袭
根据多家媒体（包括《朝鲜日报》英文版、AI Magazine 等）的报道，「史诗之怒」行动被广泛形容为「第一次由 AI 主导的空袭」 [3] [4]。这次行动的特点是前所未有的精确性、速度和规模。美军在极短的时间内，对伊朗境内的数百个高价值目标进行了毁灭性打击，包括其最高领袖的藏身之处，而自身伤亡微乎其微。这种「外科手术式」的打击能力，正是美国重建其威慑力的关键所在。
Karp 在对话中自豪地宣称：
「我们的对手看着这一切，心想：‘这到底发生了什么？我们还在想阿富汗呢（指美军撤退的窘境），这是什么情况？’……美国已经重建了威慑力。这确实发生了，就在过去一年里。」
这种能力的背后，是 AI 技术在整个「杀伤链」（Kill Chain）中的深度应用，从情报收集、目标识别、决策辅助到武器制导，AI 无处不在。而 Palantir 的 Maven 系统，正是这一切的中枢神经。
3.2 Maven：战场上的「AI 操作系统」
Maven 项目最初于 2017 年启动，当时的目标相对简单：利用 AI 自动分析无人机拍摄的海量视频，将分析师从繁琐的「看屏幕」工作中解放出来。然而，经过多年的发展，尤其是在 Palantir 接手之后，Maven 已经进化为一个全方位的战场「AI 操作系统」。
根据《印度时报》和路透社的报道，Maven 的核心功能可以概括为以下几点[1] [2]：
功能模块
技术细节与作用
数据融合(Data Fusion)
整合来自不同来源的异构数据，包括：卫星图像（光学/红外/雷达）、无人机视频流、电子信号情报（SIGINT）、通信情报（COMINT）、人力情报（HUMINT）报告、社交媒体数据等。
目标识别与跟踪(Target Recognition & Tracking)
利用计算机视觉和模式识别算法，在海量数据中自动识别、分类和持续跟踪潜在的敌方目标，如车辆、武器系统、人员、建筑等。
威胁评估与优先级排序(Threat Assessment & Prioritization)
基于目标的行为模式、位置、与其他已知威胁的关联度等信息，自动评估其威胁等级，并为指挥官提供目标的优先级建议。
决策辅助与方案生成(Decision Support & Course of Action Generation)
利用大型语言模型（LLM）等生成式 AI 技术，理解指挥官的自然语言指令，分析战场态势，并自动生成多种可能的行动方案（COA），包括武器选择、攻击路径、附带损伤评估等。
人机协同(Human-in-the-Loop)
系统生成的建议和方案最终必须由人类操作员进行审核和批准。Palantir 反复强调，Maven 系统本身不行使「致命性自主权」（Lethal Autonomy），最终的开火决策权始终掌握在人手中。
Karp 将 Palantir 在其中的角色比作构建「软件脚手架」（software scaffolding）。Palantir 并不一定自己开发所有的底层 AI 模型，但它提供了一个安全、可靠、能够协同调度不同 AI 模型（包括来自 Anthropic、OpenAI 等公司的 LLM）的底层平台（Ontology）。这个平台解决了在高度机密和恶劣的战场环境下，如何安全、高效地使用 AI 这一核心难题。
3.3 从「寄生虫」到「混合体」：国防科技的进化
Karp 在对话中提出了一个有趣的观点，即国防科技公司的进化路径。
第一阶段：「寄生虫」软件公司。这些公司为国防部门提供一些无关痛痒的通用软件，比如「提供牛排晚餐」的报销系统。Karp 认为这类公司正在被「摧毁」（eviscerated）。
第二阶段：国防科技（Defense Tech）兴起。以 Palantir、Anduril 等为代表的公司，直接为核心作战任务提供技术解决方案。
第三阶段：「混合体」（Hybrid）。这是当前的阶段，需要将软件、硬件和 AI 三者深度融合。一个有效的作战系统，既需要能够分析数据的智能软件（AI），也需要执行任务的物理硬件（无人机、导弹等），还需要一个能够将两者无缝连接和调度的软件平台。
Palantir 正是在这个「混合体」时代扮演着关键的「粘合剂」角色。它的软件不仅运行在云端服务器上，也嵌入到无人机、战斗机甚至单兵装备中，形成一个覆盖整个战场的分布式智能网络。这种能力，使得美军能够以对手无法理解和匹敌的速度，实践「观察-判断-决策-行动」（OODA Loop）的作战循环，从而在战场上获得决定性的优势。
第四章：美国的单一优势——作为终极战略资产的「神经多样性」
在分析美国如何才能赢得这场零和竞赛时，Karp 并没有将重点放在传统的经济或军事指标上，而是提出了一个更深层次、更具哲学意味的观点：美国相对于其对手的「单一优势」（single advantage），在于其能够「增强神经多样化、高度个体化的人，让他们成为独一无二的自己」。
4.1 「我们国家的伟大之处」
Karp 认为，美国之所以伟大，是因为它从建国之初就是一个「异类」的避风港。
「你可以将我们这个伟大而美好的国家定义为这样一个国度：每个在意识形态、思想、宗教，或者坦率地说，在神经系统上与众不同的人，都来到这个国家，以寻求一个可以更好地表达自由、拥有表达思想权利的地方。」
他将这种对个体差异的包容和尊重，视为美国创新活力的源泉。从根本上说，这是一个允许人们「与众不同」的社会。而这种「与众不同」，正是产生颠覆性思想和技术的土壤。他甚至认为，这种对个体自由的保护，与美国宪法中的第一修正案（言论自由）、第四修正案（隐私权）乃至第二修正案（持枪权）紧密相连，共同构成了一个保护个体对抗集体压迫的完整体系。
4.2 Palantir 的人才哲学：寻找「独一无二」的艺术家
这种对「神经多样性」的推崇，直接体现在 Palantir 的人才战略中。Karp 坦言，他不喜欢那些「假装与众不同，实则千篇一律」的人（这被广泛解读为他对「Woke」文化的批评），他真正寻找的，是那些在某个领域拥有独一无二天赋的「艺术家」。
「我相信 Palantir 的员工……我正在帮助他们表达一些只有他们在那一刻才能做到的事情。如果你看看我们的产品和我们所做的一切，这确实是真的。即使我们现在在中东和美国所做的事情，每一个产品的每一个部分，都是由世界上唯一能做到这件事的那个人构建的。」
Karp 将自己的角色定义为这些「艺术家」的「经纪人」或「策展人」。他需要做的，不是像传统管理者那样下达命令，而是去理解这些天才的独特思维方式，并「以他们的方式」引导他们去完成那些他们自己可能并不认为有价值、但对整个公司使命至关重要的任务。
为了系统化地发掘和培养这类人才，Palantir 甚至设立了「神经多样性奖学金」（Neurodivergent Fellowship），专门招募那些在传统教育和招聘体系中可能被忽视的、具有自闭症、阅读障碍（Karp 本人就是阅读障碍者）等特征的天才。他认为，这些人的思维方式与普通人截然不同，能够从根本上「解构一个问题」（decompress a problem），从而带来突破性的创新。
4.3 个人主义 vs.集体主义：两种模式的竞争
Karp 将这种基于「神经多样性」的创新模式，视为美国对抗中国等集体主义威权体制的核心优势。在一个强调整齐划一、压制个人思想的社会里，或许可以高效地进行模仿和规模化生产，但极难产生真正颠覆性的、从 0 到 1 的原创思想。而美国社会的「混乱」、「多元」和对「怪人」的包容，恰恰为这种原创思想的诞生提供了最肥沃的土壤。
因此，Karp 认为，保护美国这一「单一优势」的方法，就是坚定不移地捍卫宪法赋予的各项权利，确保个人自由不被侵犯，让那些「神经多样化」的天才们能够在一个没有恐惧、可以自由思想和表达的环境中茁壮成长。这不仅是道义上的正确，更是赢得未来国家间竞争的终极战略保障。
第五章：哲学家的准则——Palantir 的「反监控」立场与宪政主义
Palantir 长期以来面临的最大争议，莫过于对其「监控帝国」的指控。然而，Karp 在对话中以及在多个公开场合，都反复强调一个看似矛盾的立场：Palantir 是一家「反监控」的公司。理解这一立场，是理解 Palantir 核心哲学和技术架构的关键。
5.1 「反监控」的技术实现
Karp 的「反监控」论点，并非文字游戏，而是建立在 Palantir 产品具体的技术设计之上。与那种旨在建立一个无所不包、可以随意访问的全景式监控系统（Panopticon）的思路相反，Palantir 的技术核心在于「精细化的权限控制」（Granular Access Controls）。
这意味着：
数据所有权：客户（无论是政府机构还是企业）始终拥有其数据的所有权和控制权。Palantir 只提供处理和分析数据的工具，而不能随意访问客户数据。
目的限制：对数据的所有访问和分析，都必须基于一个合法的、预先定义的目的。例如，一名情报分析师为了调查一个具体的恐怖主义威胁，可以被授予访问相关数据的权限；但他不能出于个人好奇，去随意浏览无关人员的信息。
审计追踪：系统会记录每一次数据的访问和操作，形成一个不可篡改的审计日志。任何滥用权限的行为都会被发现和追责。
数据最小化：系统鼓励用户只访问和处理完成任务所必需的最少量数据，而不是将所有数据一览无余。
Karp 强调，这种设计哲学，与美国宪法第四修正案保护公民「免受无理搜查和扣押」的精神是一致的。Palantir 的目标，不是建立一个「老大哥」式的监控系统，而是为执法和情报机构提供一个在严格遵守法律和宪法框架的前提下，有效利用数据打击犯罪和应对威胁的工具。
「尽管每个人都认为 Palantir 是监控公司，但它其实是反监控公司。我知道你在网上看到的那些人不认为这是真的，但每一个技术专家都这么认为。」
5.2 自由社会与威权社会的技术分野
Karp 将 Palantir 的技术路径，与中国等威权国家发展监控技术的方式进行了鲜明对比。在后者那里，技术的目标是实现对社会的全面控制，建立「社会信用体系」，监控和压制所有异见。而在 Palantir 的哲学里，技术必须服务于自由社会，其终极目标是保护而非侵犯公民自由。
这种分野，也解释了为什么 Palantir 坚持只与美国及其盟友合作。Karp 认为，将如此强大的技术出售给威权国家，无异于「武装我们的敌人」，这在道义上是不可接受的，在战略上也是极其愚蠢的。
5.3 哲学家的自我认知
Karp 拥有法兰克福学派的哲学博士学位，师从著名思想家哈贝马斯。这种深厚的哲学背景，深刻地影响了他对技术、权力和社会之间关系的思考。他不像典型的科技公司 CEO 那样痴迷于增长和效率，而是始终在思考技术的伦理边界和社会影响。
他将自己视为一个「艺术家」，将打造 Palantir 的过程视为一种「艺术创作」。这种自我认知，使他能够跳出单纯的商业逻辑，从一个更宏大的历史和文明的视角来看待公司的使命。他所要捍卫的，不仅仅是美国的商业利益或军事优势，更是西方文明中关于个人自由、法治和有限政府的核心价值观。
正是这种深植于西方古典自由主义和宪政主义的哲学信念，构成了 Palantir 这家备受争议的公司最坚硬的内核，也使其在唯利是图、政治正确的硅谷中，显得如此格格不入，却又如此重要。
第六章：文化战争的前线——Palantir 的「反 Woke」立场
Palantir 不仅仅是一家国防科技公司，它已经成为美国乃至西方世界文化战争的一个缩影和前线阵地。Karp 本人及其公司所展现出的强硬的「反 Woke」立场，使其成为进步主义精英口诛笔伐的对象，同时也赢得了许多保守派和现实主义者的支持。
6.1 对「觉醒文化」的公开宣战
Karp 在多个场合公开批评他所谓的「觉醒主义」（Wokeism），认为这种思潮正在侵蚀美国的创新能力和战斗意志。他认为，这种文化过分强调身份政治、集体归罪和历史修正主义，导致社会分裂，并使人们丧失了对客观真理和卓越标准的追求。
在 2022 年的一次采访中，他曾说：「‘觉醒主义’是对西方最致命的威胁之一……它是一种试图通过摧毁制度来获得权力的虚无主义运动。」他认为，这种思潮与 Palantir 所信奉的精英主义（meritocracy）和个人主义精神背道而驰。
6.2 捍卫精英主义与客观标准
Palantir 的内部文化，是对外部「觉醒文化」的一种反动。公司极度强调基于个人能力和贡献的精英主义。招聘和晋升的唯一标准是员工能否解决最困难的问题、创造出最优秀的产品，而非其种族、性别或政治立场。
Karp 认为，一个社会如果放弃了对客观卓越标准的追求，转而采用基于身份的配额或偏好，那么它在与那些只信奉实力和结果的对手竞争时，必然会失败。他将这种对精英主义的捍卫，视为保持美国长期竞争力的关键。
6.3 成为「文化避难所」
正因为其鲜明的反「Woke」立场，Palantir 吸引了大量对主流科技公司文化感到失望的顶尖人才。对于那些厌倦了无休止的多元化培训、政治正确审查和身份政治争论的工程师和科学家来说，Palantir 提供了一个可以专注于技术和解决问题的「避难所」。
这种文化上的吸引力，构成了 Palantir 独特的人才优势。它能够招募到那些不仅在技术上顶尖，而且在价值观上认同公司使命的「信徒」。这种高度的文化凝聚力，使得 Palantir 能够在一个充满争议和压力的环境中，保持强大的战斗力和创新活力。
结论：一场双重战线——为技术霸权而战，也为西方灵魂而战
Alex Karp 在 a16z 美国活力峰会上的这场对话，是一份极具冲击力和思想深度的时代宣言。它清晰地勾勒出在一个由 AI 定义的未来，美国乃至整个西方世界所面临的双重挑战：一场是与外部对手争夺技术和军事霸权的「硬实力」之战；另一场则是捍卫自身核心价值观、弥合内部分裂的「软实力」之战。Palantir 和 Karp 本人，正处在这两条战线的交汇点上。
核心论点总结：
1、接受零和现实：国际政治的本质是权力斗争，AI 领域的竞争是一场决定未来世界秩序的零和游戏。幻想「技术中立」或「全球合作」是天真且危险的。
2、硅谷必须「入伍」：科技行业不能再游离于国家战略之外。如果科技领袖们不能主动承担起国防责任，并解决其技术对社会造成的负面冲击，那么他们将面临被民粹主义浪潮吞噬和被政府「国有化」的风险。
3、AI 重塑战争：以 Maven 系统为代表的 AI 技术，已经从根本上改变了战争的形态，使得精确、快速、大规模的打击成为可能。这种技术代差是美国当前威慑力的核心支柱。
4、拥抱「异类」：美国真正的、不可复制的长期优势，在于其对个人主义和「神经多样性」的包容。保护和激发这些「异类」天才的创造力，是赢得未来的关键。
5、技术服务宪政：强大的技术必须被置于严格的法律和伦理框架之下。Palantir 的技术哲学，旨在证明在保护公民自由的前提下，依然可以有效地维护国家安全。
7、文化战争的号角：Palantir 的成功，不仅仅是技术的胜利，也是一种价值观的胜利。它向世界证明，一个坚持精英主义、爱国主义和现实主义的公司，可以在一个被进步主义思潮主导的行业中取得成功。
最终，Karp 的演讲向我们揭示了一个残酷的真相：在一个日益动荡和危险的世界里，自由和繁荣并非理所当然，而是需要用最强大的智慧、最坚定的意志和最先进的技术去赢得和捍卫的。对于硅谷而言，这不仅是一场商业模式的考验，更是一场关于其灵魂和历史定位的抉择。是选择继续做「颠覆世界的梦想家」，还是成为「捍卫世界的建设者」，Alex Karp 已经给出了他和他所领导的 Palantir 的答案。
Alex Rawitz出席2024 DePIN全球硬件大会，展望物联网与区块链技术的创新融合在全球数字经济的浪潮中，创新融合已成为推动行业发展的核心动力。物联网与区块链技术的融合更是展现出巨大的潜力和价值。在这样的大背景下，备受瞩目的“2024 DePIN全球硬件大会”于4月8日在香港数码港隆重揭幕。
本次大会汇聚了全球顶尖的硬件制造商、投资机构及创新项目，共同探讨Web3与AI领域的最新趋势与发展。这不仅是一场硬件领域的盛会，更是数字经济创新融合的重要平台。全球知名Web3硬件制造商JDI Global作为主办方，携手CGV、Web3Labs、深链协等重量级机构联合协办，并由Techub News承办，数码港合作支持，共同打造这一行业盛事。
值得一提的是，DIMO的联合创始人Alex Rawitz已确认出席本次大会。DIMO是一个去中心化的软件和硬件物联网（IoT）平台，它允许用户创建经过验证的车辆数据流以私下与应用程序共享，从而为用户协商更好的服务，如汽车融资和保险。Alex Rawitz不仅是DIMO的联合创始人，还是Digital Infrastructure的首席运营官和联合创始人。他在虚拟货币/加密货币领域有着深厚的背景和经验，同时对物联网、AV、VR等前沿技术也充满热情。
Alex Rawitz的出席无疑为本次大会增添了更多专业色彩。他将在大会中分享DIMO的创新理念和实践经验，探讨物联网与区块链技术在Web3和AI领域的应用前景，为参会者提供宝贵的行业见解和启示。
“2024 DePIN全球硬件大会”作为全球硬件行业的盛会，将为与会者提供一个交流创新、共谋发展的平台。在Alex Rawitz等行业领袖的引领下，我们期待见证更多创新融合的成果，共同推动数字经济迈向更加美好的未来。
“2024 DePIN全球硬件大会”不仅是硬件领域的一次盛会，更是数字经济创新融合的重要里程碑。在这里，我们将见证创新融合的力量，共同探索Web3与AI领域的无限可能。让我们期待这场盛会为全球数字经济带来的新篇章！
同时，2024 DePIN全球硬件大会也积极招募合作伙伴，共同建设这一行业盛会。我们希望通过共建共享，推动Web3硬件与AI领域的发展，为全球科技创新贡献力量。而全球首次DePIN硬件线下展览的推出，更是让与会者能够更直观地了解DePIN在Web3与AI领域的实际应用，进一步加深对这一领域的理解和认识。
在这个充满机遇与挑战的时代，我们期待2024 DePIN全球硬件大会能够汇聚全球智慧，共同探讨Web3与AI领域的未来发展。Max的出席，更是让我们对本次大会充满期待。我们相信，通过分享经验、交流思想、寻求合作，我们共同为全球数字经济的繁荣与发展贡献力量。让我们共同期待这场科技与创新的盛宴，期待它在推动全球数字经济进步方面发挥重要作用。
活动时间：2024年4月8日 14:00
活动地址：香港数码港
合作赞助：Contacting@techub.news
报名链接：
https://techub.news/activityDetails/1044
ALEX 现已加入支持 Bitcoin Layer 2 香港主题峰会ALEX 是第一个通过 Stacks 智能合约建立在比特币上的完整 DeFi 协议，包括 5 个关键组件：比特币预言机、比特币桥、跨链桥、订单簿以及 Launchpad；旨在消除比特币第 1 层和第 2 层之间的障碍，创造无缝的比特币 DeFi 体验。
ALEX 在 Bitcoin Layer 2 香港主题峰会上，为我们带来更多创新理念和愿景！
锁定您的参会名额，专属门票优惠码 TECHUBNEWS
Luma 和 活动行 优惠码相同
专访Hack VC管理合伙人Alexander Pack：投资黑客的黑客，投资技术的技术专家来源：PANews
作者：Zen，PANews
编辑：Techub News-Junge
上个世纪50年代末，麻省理工学院的一个名为技术模型铁路俱乐部(Tech Model Railroad Club，简称TMRC)的学生组织开始正式使用“hack”与“hacker”分别指代解决难题的方法和从事这一过程的人。在被发明之初，“黑客”完全是正面意义、带有敬意的称谓，象征着具备精湛技术、大胆创新以及独树一帜的风格。
对于这种黑客文化，Steven Levy在其于上个世纪80年代出版的《黑客：计算机革命的英雄》中，总结了包括“信息全部免费、不信任权威、用计算机制造美好和艺术”等黑客价值观。后来的区块链、加密货币所倡导的去中心化和开放精神也正对这种价值观传承与发展。如今加密行业的各个生态都流行举办黑客松hackathon，从中寻找并投资优秀的hacker，以促进生态乃至行业的繁荣发展。在这当中，Hack VC 的管理合伙人Alexander Pack就是一个尤其钟爱黑客文化的投资人——这从他的投资机构的名字就可以看出。
值得一提的是，历史上规模最大的程序员大会Hack Summit.()，是由Hack VC 的另一位基金管理人Ed Roman在八年前所创办，目前累计有来自50多个不同的国家的超13万名工程师加入。在今年3月底开幕的Hack Summit.()，还请到了以太坊创始人Vitalik和SEC委员Hester Peirce作为演讲嘉宾。
日前，Alexander接受了PANews的专访，分享了他的加密生涯故事、投资策略以及当前监管和新技术趋势等。
从Dragonfly Capital到Hack VC
2014年，22岁的Alexander在香港的一家专注于金融科技的风险投资公司工作，并第一次开始投资加密货币。在那时，加密货币还算不上一个行业，没有十亿美元级别的公司，甚至连以太坊都还没有推出。不过Alexander认为，加密货币最终可能会改变全球金融体系，他从那时开始找到了自己想要做一辈子的事情。之后，Alexander加入了美国贝恩资本(Bain Capital)，担任网络投资总监一职，并帮助该机构启动了加密投资业务。
2018年，Alexander首次自立门户，与冯波共同创立加密风投基金Dragonfly Capital，并担任第一位管理合伙人，该机构现已成为亚洲最大的加密基金之一。2020年，Alexander离开了Dragonfly Capital，并创立Hack VC。2021年秋天，Hack VC完成了一只2亿美元的加密货币种子基金的募集，出资方包括红杉资本、富达、a16z的Marc Andreessen和Chris Dixon等。
Alexander表示，Hack VC的名字表现了该投资团队的独特之处：他们是一群投资于黑客的黑客，是投资深度技术的技术专家。Hack VC专注于早期投资，专门投资于让加密走向主流化的技术基础设施，倾向于保持比许多同行公司更小、更灵活的投资规模。“对我来说，我在这世上最喜欢的事情就是找到一位拥有全新想法的伟大创始人，从一开始就进行投资，在产品或商业计划出现之前，通常则是作为孵化。 当你筹集太多资金时，很难做到这一点。”
注重市场和技术，熊市是构建优秀技术的最佳时间
近10年来，Alexander在加密领域一直是长期的机构风险投资者，这也基本贯穿了他整个职业生涯。迄今为止，他累计投资了100多家公司和项目，其中包括许多在L1、L2、DeFi和CeFi等领域的独角兽公司。Alexander表示自己很幸运，“当你在一个行业中待的时间几乎和它存在的时间一样长，你就更容易跟着它一起成长。”现如今，他早期的许多朋友经营着价值数十亿美元的加密公司、协议和基金，这些人现在经常是他的投资对象，或是投资者（LP）。
Alexander称，他们试图识别最有可能在未来引起重大范式转变的新技术，并尽早进行投资。在他早期开始投资L1、L2和DeFi项目时，行业还没有明确分类和类型名称。“一般来说，我们的目标不仅是投资于品类领导者，也投资于品类创造者，甚至在一个新品类还没有名字之前就发现它。”Hack VC在尽调中的大部分时间用于评估市场和技术。Alexander认为，如果没有一个出色的团队和社区，终将一事无成。因此，他们最终将投资于该项目的创始人和更广泛的社区。
Alexander经历了数个牛熊周期，他表示，牛市将由加密货币的大规模新主流应用推动，而这将由基础设施的改进推动。 归根结底，这是一项新技术，一个新技术产业，所以技术发展的速度决定一切。好消息是，熊市是构建优秀技术的最佳时机，在许多方面，技术基础设施的发展速度比以往任何时候都快。而在牛市中，一切都更加喧闹。在投资者中脱颖而出很困难，结识潜在的商业伙伴也更困难，甚至招聘和营销成本也更具竞争性。
放弃投资疯狂赌徒SBF与他的FTX
目前，FTX创始人Sam Bankman-Fried（简称“SBF”）已被陪审团判定七项罪名成立，最高可面临115年刑期，当初谁也不曾料到，SBF会从盛极一时的“加密天才”沦落为身陷囹圄的超级诈骗犯。实际上，Alexander正是SBF对冲基金Alameda Research的第一个投资者，最初他们达成了一个高级协议。而当时SBF还未通过Alameda启动FTX，也有意隐瞒了这一想法。
在Alexander进行调查的几个月期间，Alameda持续快速亏损，在追问之下，SBF才坦言正在孵化加密货币交易所的事实。Alexander表示支持新想法的创始人，并向SBF提出领导FTX种子轮融资的提议。然而，后续的尽调工作并不顺利，Alexander团队很难理解SBF业绩记录，例如存在的一些资金去向不明的问题。此外，他们还在交易的要点上与SBF产生了许多分歧，比如SBF坚称Alameda和FTX是独立的两个公司，因此价格另算，即使他们在使用着一样的员工和电脑，且Alameda筹集的资金被用来支付FTX的启动费用。
在经过更详细的尽职调查后，Alexander团队最终放弃了投资。SBF对Alexander个人感到十分愤怒，甚至试图将他列入该行业的黑名单。 “在当时这很糟糕，但现在看来，因祸得福。”Alexander对这件往事还评论道，“有趣的是，在我们的整个关系中，我一直在某种程度上钦佩SBF。 我认为他是我一生中见过的最聪明、最有战略眼光的人之一。 我非常确定他会取得巨大成功，即使他不具备我在创始人身上寻找的诚信底线。 当然，电影中的超级反派也很聪明、很成功。”
监管压力表明加密货币对世界的系统重要性
长期以来，加密行业在监管压力下艰难前行，而由于FTX等行业头部公司的倒闭及丑闻，进一步加剧了美国对加密行业的监管和立法。 对此，Alexander认为，从某些方面来说，这实际上是一件好事，它表明了加密货币对世界的系统重要性。除非某件事具有改变世界的重要性，否则政府不会费心去监管。他表示，互联网在早期面临着严格的监管审查，而人工智能现在也开始吸引监管审查，因为它已经变得足够重要。加密货币亦是如此。
“最终，一些监管对加密货币来说是有利的，正如我们在美国看到的那样，FTX等不值得信赖的实体正在被Coinbase和Circle等受监管公司，以及贝莱德和富达等值得信赖的现有企业所取代。”
除了政策监管的影响外，AI行业的爆发式发展也是加密从业者喜欢关注的话题，而两相比较下也或多或少地给处在深熊的加密市场多添了几分凉意。当下人工智能是整个科技领域最热门的行业，不仅大批创业者涌入，以头部加密VC Paradigm为代表的一些曾仅专注于加密领域的投资机构也开始将投资转向或分散到AI领域。Alexander自称是人工智能的忠实粉丝。实际上，他与合伙人已投资了大约30家人工智能公司，其中一部分已经取得成功。
“去年模型质量的突破引发了新的“生成式人工智能”趋势，将对加密货币产生令人难以置信的影响。 ”Alexander认为，加密货币和人工智能的交叉点尚未得到充分探索，就像2018年的DeFi 或 2016年的智能合约平台一样，这是一种有趣且难以形容的新趋势，最终将成为一个巨大的、颠覆性的新类别。最终，人工智能可能会解决当今去中心化应用程序中存在的严重的用户体验问题。 反之亦然，人工智能模型将使用DeFi和支付等领域的去中心化应用程序，使它们更有用，更有能力进行复杂的金融活动。撰文：Techub News 整理 导语 2025 年 5 月，数据标注与 AI 基础设施巨头 Scale AI 的创始人兼 CEO Alexandr Wang（亚历山大王）做客美国战略与国际研究中心（CSIS），与 CSIS Wadhwani AI 中心主任 Greg Allen 进行了一场深度对话。作为年仅 27 岁便登上福布斯亿万富豪榜的 AI 行业领军者，Alexandr Wang 的见解不仅源于其将 Scale AI 从 MIT 宿舍项目打造成估值超 140 亿美元独角兽的创业经历，更根植于他在洛斯阿拉莫斯（美国核武器研发基地）的成长背景，使其对技术与国家安全的交集有着深刻理解。此次对话正值中美 AI 竞争白热化、美国国内对 AI 安全与部署展开广泛辩论之际，Wang 的观点为理解美国 AI 领导力的现状与未来提供了关键视角。 摘要 AI 竞争是三位一体的战争：胜利取决于算法、算力和数据的综合优势，而数据优势（Data Dominance）是美国必须建立和维持的核心。 中国是有计划、系统性的竞争者：中国共产党自 2017/2018 年便制定了清晰的 AI 总体战略，旨在通过“蛙跳”技术超越西方，其举国体制在数据获取、算力建设（即使牺牲能效）上拥有独特优势。 美国国防部与政府需加速 AI 采纳：关键在于建立企业级 AI 基础设施、采用灵活采购路径，并敢于构想能带来“颠覆性”优势的雄心勃勃的 AI 应用场景，如“智能体战争”（Agentic Warfare）和“智能体政府”（Agentic Government）。 测试、评估与安全是规模化部署的前提：无论是国防还是民用关键领域，大规模、自动化的场景测试与生产监控能力是负责任地快速推广 AI 技术的基石，美国 AI 安全研究所网络应主导全球标准制定。 能源产能是 AI 竞赛的基础设施瓶颈：美国相对平稳的能源产能增长曲线与中国陡峭上升的曲线形成对比，满足 AI 算力爆发的能源需求是美国必须解决的战略问题。 从洛斯阿拉莫斯到 AI 数据基石：Scale AI 的崛起之路 Alexandr Wang（亚历山大王）的创业故事始于一个独特的地方：新墨西哥州的洛斯阿拉莫斯。他的父母都是在那里国家实验室工作的物理学家。这个因“曼哈顿计划”和奥本海默而闻名的小镇，让他自幼便浸润在国家安全与技术交汇的氛围中。“本周在华盛顿特区的许多会议上，人们都将 AI 比作曼哈顿计划级别的努力，”Wang 说道，“而我总是可以说，哦，我实际上是在那里长大的。” 这种背景塑造了他对技术使命感的认知。进入 MIT 学习人工智能时，正值 DeepMind 的 AlphaGo 击败世界顶级围棋选手。他敏锐地察觉到，深度学习在短短五年内从雏形发展到如此高度，意味着 AI 将成为他一生中最重要的技术浪潮。“我当时有时会告诉人们，我认为 AI 将是我们一生中最重要的东西，他们会笑，那时很难严肃地说出这句话，但现在可以更严肃一点了。” 他将 AI 的核心要素分解为三点：算法、算力和数据。观察当时的生态，他发现 OpenAI、DeepMind 等公司在攻克算法，Nvidia 等在解决算力，但在数据——这个“智能的原材料”和模型的“生命血液”——领域，却存在巨大的基础设施缺口。于是，2016年，19岁的他创立了 Scale AI，立志填补这一空白。 Scale AI 最初切入的是当时 AI 最炙手可热的领域：自动驾驶。他们为 Waymo、丰田、通用等公司提供高质量的数据标注和基础设施，解决诸如传感器融合等关键难题。“当你策划数据集时，你实际上是在编程 AI 系统。” 这段经历不仅让公司站稳脚跟，更积累了处理复杂、多模态数据的宝贵经验，为日后转向生成式 AI 奠定了基础。 转折点出现在 2017-2019 年。Transformer 论文、GPT-1、GPT-2 相继问世。Scale AI 在早期就与 OpenAI 合作，参与了 GPT-2 的工作。Wang 回忆道，从研究角度看，这条发展轨迹“非常无聊”，因为它本质上就是“对完全相同的算法投入更多数据和更多计算，然后它就变得聪明得多”。但正是这种“ scaling laws”（规模定律）揭示了 AI 发展的核心动力，也定义了现代的 AI 格局。Scale AI 随后与谷歌、Meta 等几乎所有主流 AI 实验室合作，见证了大型语言模型到智能体模型的惊人演进。“如果你在 2016 年问我，十年后 AI 能力会达到什么水平，很难预测它会走得这么远。” Wang 感慨道，他曾以为 AI 在竞争性编程或数学上超越人类需要三四十年，结果不到十年就实现了。 为何押注国防 AI：理性、使命与战略清醒 在 AI 行业普遍对与国防部（DoD）合作持谨慎甚至反对态度的年代（2018-[2020]年左右），Alexandr Wang（亚历山大王）做出了一个逆流而上的决定：让 Scale AI 为美国国家安全社区服务。当时的主流观点认为，DoD 既是糟糕的客户（导致亏损），也会引发员工（尤其是顶尖AI人才）的强烈反对而离职。 Wang 的决策基于两个核心信念。第一是“理性终将占上风”。他坚信，面对如此强大的新技术，其在国家安全上的应用是显而易见的，美国保持领先是绝对必要的。第二则源于他的个人经历和对中国竞争的清醒认识。一次由投资者组织的中国之行让他震撼：“我们当时访问的中国 AI 公司，100% 都专注于人脸识别和监控……而且他们做得非常好。” 这让他清晰地看到，AI 与国家安全交汇的时刻即将成为全球共识，美国必须拥有最优质的人才和公司来应对这一挑战。 “从我的立场来看，知道我父母的工作，了解我成长地方的历史，以及洛斯阿拉莫斯和曼哈顿计划对‘美国治下的和平’（Pax Americana）和全球秩序的影响……感觉非常清楚，伟大的 AI 技术需要应用于国家安全问题集，而且坦率地说，我认为我们有道德义务去支持它。” 尽管这个决定导致了部分投资者的怀疑和员工的离开，但 Wang 坚持了下来。 如今，Scale AI 在国防领域的工作已颇具规模。他提到了与国防创新单元（DIU）和印太司令部（Indopacom）合作的“雷霆锻造”（Thunderforge）项目，该项目旨在利用 AI 智能体加速军事规划和作战规划流程。这项工作的灵感部分来源于与 CSIS 早期的合作研究，涉及兵棋推演、模拟等领域。Wang 认为，这代表了未来战争的一个关键方向：智能体战争。核心优势在于，AI 智能体拥有“数千年的上下文知识”，并能近乎即时地行动，这对于压缩从决策到行动的“OODA循环”（观察、调整、决策、行动）至关重要。 此外，Scale AI 也与首席数字与人工智能官办公室（CDAO）合作，开发 AI 系统的测试与评估框架。Wang 强调，在国家安全领域大规模部署 AI，必须在“快速部署”和“确保稳健可靠”之间找到平衡。“我们的观点是中间路线：我们应该非常快速地在整个国防部、整个国家安全社区部署 AI 系统，但我们应该以深思熟虑的方式进行，并通过正确的测试和评估来确保这些系统的稳健性。” 中美 AI 竞赛：数据、能源与系统性挑战 Alexandr Wang（亚历山大王）对中美 AI 竞争的剖析尖锐而系统。他指出，中国共产党自 2017/2018 年便制定了清晰的 AI 总体战略，明确将 AI 视为能够“蛙跳”西方防御能力的跨越式技术。中国在数据收集、算力建设和技术军事化应用方面进行了系统性协调。 2025 年 5 月 DeepSeek、通义千问（Quen）等中国顶尖模型的涌现，迫使美国重新审视竞争方程式。Wang 指出，这些模型在计算资源相对较少的情况下达到了与美国前沿模型相当的水平，这证明胜利并非只取决于算力。“这不是一个单变量方程。这是一个三变量方程。” 算法进步和数据同样扮演重要角色，而中国在数据获取和“举国”协调经济方面具有优势。 因此，他提出了“数据优势”（Data Dominance）的概念。“如果你认为所有这些模型的智能原材料是数据，那么显而易见的结论是，你将通过比对手获得更多、更好、更相关的数据来赢得胜利。” 这最终取决于能否建立反馈循环，让技术以指数级速度改进。他建议美国考虑建立“国家 AI 数据储备”，将数据视为战略资产，类比过去的国家石油储备。 另一个基础性瓶颈是能源。Wang 展示了一幅对比鲜明的图景：中国的总发电能力曲线“直线上升”，部分原因在于他们不关闭煤电厂；而美国的曲线“大致平坦”，尽管在向绿色能源转型。“计算能力从根本上取决于生产的巨大能量……这是美国获胜的基本前提。” 他呼吁美国重新加速能源生产，以应对 AI 竞赛的需求。 关于对华半导体出口管制，Wang 认为问题很复杂。中国的应对策略是牺牲能效换取算力（如华为新芯片被分析为以 5 倍功耗换取 2 倍算力）。“如果他们能以极快的速度建设电力，那么这一切都归结为金钱或研发投入。而他们显然愿意付出任何代价。” 中国国有银行已宣布大规模计划支持计算基础设施，解放军去年也与国内大模型公司签订了超过 81 份合同，显示出“全系统冲刺”的态势。 构建可信的 AI 未来：测试、安全与全球领导力 要实现 AI 在国防和关键经济领域的大规模部署，信任与安全是绕不开的议题。Alexandr Wang（亚历山大王）强调，Scale AI 提供的测试与评估能力，不仅是国防需求，也是金融、医疗、电信等民用关键行业广泛采用 AI 的“先决条件”。 他描述了目前最先进的测试工具包。其一是大规模场景化测试：创建包含大量预设任务的基准测试环境，从简单的数学问题到复杂的法律审查任务，让模型在自动化、可扩展的“百万问题”环境中接受考验。其二是大规模生产监控：实时监测生产环境中的 AI 表现，识别和处理现实世界中出现的意外边缘案例和异常。 今年二月，美国 AI 安全研究所（US AISI）选择 Scale AI 作为其首个第三方评估机构，这正是对其技术能力的认可。Wang 认为，由美国、英国、日本等约 11 个国家组成的“全球 AI 安全研究所网络”至关重要。这些机构不应被简单视为“末日论者”的集合，而应看作是制定全球 AI 性能与安全标准的核心力量。 “美国 AI 安全研究所有能力在全球范围内引领……我们应该将此视为一个机会，不仅讨论安全，更真正地以全球方式制定标准。” 许多其他国家缺乏美国的资源和技术能力，因此美国有机会塑造全球 AI 的部署方式。这既有经济价值（推广美国技术），也有意识形态价值（确保民主价值观通过技术出口）。 给美国政府的行动建议：从基础设施到雄心壮志 基于以上分析，Alexandr Wang（亚历山大王）对美国政府（包括行政、国防和立法部门）提出了具体建议，核心目标是加速并优化 AI 的采纳与应用。 首先，建立企业级 AI 基础设施。对比硅谷初创公司可以轻松调用各种 API 快速起步，国防部内部的新 AI 项目则面临复杂的集成与采购难题。Wang 呼吁国防部应聚焦于提供全部门共享的云基础设施、数据基础设施和模型基础设施，为创新奠定共同基础。 其次，拥抱雄心壮志，构想颠覆性应用。硅谷的颠覆性源于“无拘无束的雄心水平”。国防部需要授权相关人员去思考那些能够对近邻对手产生“有意义的威慑效果”的、雄心勃勃的 AI 概念，并立即开始构建。例如，深入探索“智能体战争”在杀伤力、威慑力方面能实现何种真正的能力跨越。同样，在民用政府领域，应追求“智能体政府”，利用 AI 智能体彻底重新设计政府服务与流程，实现百倍的效率提升，而非简单地将 AI 嵌入现有流程。 最后，为 AI 未来培养人才。Wang 提到关于 AI 与教育的行政命令，强调美国必须像应对“斯普特尼克时刻”后通过《国防教育法》大幅增加工程师培养一样，积极准备和建设面向 AI 新时代的劳动力队伍，确保国家能抓住这场技术浪潮创造的巨大机遇。 在对话结尾，Wang 重申了竞争的紧迫性：“我们正处于这个关键节点……中国共产党有一个清晰的计划。他们有很多意图和协调。我们需要抓住这一刻，并将其归结为我们必须领先的领域。” 对于美国而言，赢得这场 AI 战争，意味着在数据、能源和快速、负责任的部署能力上，建立起不容置疑的领导地位。