Loading...
Loading...
Microsoft CEO Satya Nadella（萨提亚·纳德拉）：构建开放、智能的“代理网络”新时代撰文：Techub News 整理
导语
北京时间 2025 年 5 月，微软年度开发者盛会 Microsoft Build 2025 正式拉开帷幕。在长达近两小时的开幕主题演讲中，微软董事长兼 CEO Satya Nadella（萨提亚·纳德拉）系统阐述了公司在 AI 时代的核心战略与最新平台进展。本次演讲的背景是 AI 技术，特别是大语言模型和智能代理（Agent）能力正进入规模化应用的关键“中场阶段”。纳德拉将当前时刻类比于 1991 年的 Win32、1996 年的 Web 以及 2008 年的云与移动浪潮，强调微软正致力于构建一个“开放的、可扩展的代理网络”，旨在为全球开发者创造前所未有的机会，赋能星球上的每一个人与组织。
摘要
GitHub Copilot 进化成“对等程序员”：开源 VS Code 中的 Copilot 核心，并推出能自主处理 GitHub Issue、修复 Bug、实现新功能的完整编码代理。
Microsoft 365 Copilot 成为“AI 的 UI”：整合聊天、搜索、笔记本、创作与代理，并推出 Copilot Tuning 功能，允许企业基于自身数据微调专属模型。
Azure AI Foundry 定位为“AI 时代的应用服务器”：提供模型路由、多代理编排、企业级安全管控与本地部署能力，并宣布引入 xAI 的 Grok、Mistral 等众多新模型。
Windows 成为代理网络原生平台：推出 Windows AI Foundry 与 Foundry Local，原生支持模型上下文协议（MCP），让智能代理能安全调用本地系统能力。
发布 Microsoft Discovery 科学发现平台：将智能代理工作流应用于科学研究，实现从文献调研、假设生成到模拟实验的自动化闭环，加速新材料、新药物研发。
开发者工具进化：从助手到对等程序员
Satya Nadella（萨提亚·纳德拉）开篇即强调，一切始于开发者使用的工具。软件工程的本质是利用合适的工具将想法变为现实，并不断驾驭复杂性。微软的开发工具生态正经历前所未有的增长与扩散：Visual Studio 家族用户超 5000 万，GitHub 用户达 1.5 亿，而 GitHub Copilot 已被超过 1500 万开发者使用。
此次 Build 大会，微软为开发者工具栈带来了多项重磅更新。最引人注目的是宣布在 VS Code 中开源 Copilot 的 AI 驱动能力，将其集成到这个全球最受欢迎开发工具的核心开源代码库中。这标志着微软正将 AI 编码体验更深、更开放地融入开发者工作流。
纳德拉指出，GitHub Copilot 的演进路径清晰地反映了“代理网络”的普遍模式：从代码补全，到聊天交互，再到多文件编辑，如今已进入“代理”阶段。开发者可以提问获取答案，可以分配任务让代理执行，也可以与 AI 并肩工作完成项目。微软正在将这种模式系统化。
首先，Copilot 现在能够进行应用现代化升级，例如将 Java 8 应用升级到 Java 21，或将 .NET 6 迁移至 .NET 9，甚至将本地应用迁移上云。它能分析代码与依赖关系，制定升级计划，并在过程中学习开发者的修改，使整个流程无缝衔接。
其次，微软推出了面向站点可靠性工程（SRE）的自主代理。该代理能自动对生产环境问题（如半夜的告警）进行初步诊断、根因分析、缓解处理，并自动生成包含修复项的事故报告（作为 GitHub Issue）。开发者甚至可以将这些修复项直接指派给 GitHub Copilot 去完成。
而最重大的飞跃，是推出了内置于 GitHub 的完整编码代理，将 Copilot 从“结对程序员”升级为“对等程序员”。开发者可以将 Issue、Bug 修复、新功能开发、代码维护等任务直接分配给 Copilot，它将自主完成这些工作。纳德拉在现场演示中，轻松地将一个为社区页面添加用户组规模过滤器的复杂 Issue 分配给了 Copilot 代理。代理随即创建分支、启动 GitHub Actions、生成计算资源，并提交了包含具体代码变更的拉取请求草案。整个过程，开发者只需进行任务分配与最终审核，极大提升了效率。
纳德拉强调，这个编码代理在提供卓越开发体验的同时，严格遵守安全规范：它在独立分支中工作，仅使用开发者配置的 MCP 服务器，并且可以安排其他代理进行代码审查，在运行任何 CI/CD 或合并操作前确保人员参与。微软也将这些核心能力开放给合作伙伴，以期构建一个开放、安全的代理生态系统。
平台机遇：Microsoft 365 Copilot 与智能代理生态
将视角从代码开发上移，纳德拉重点阐述了 Microsoft 365 所代表的平台机遇。最新版 Microsoft 365 Copilot 已全面上市，这是自 Teams 发布以来最大规模的更新。它将聊天（Chat）、搜索（Search）、笔记本（Notebooks）、创作（Create）和代理（Agents）整合到一个直观的框架中，纳德拉称之为“AI 的用户界面”。
其中，聊天功能基于网络数据和个人工作数据进行“ grounding ”，搜索可跨越 Confluence、Google Drive、JIRA、ServiceNow 等多种应用，笔记本允许创建包含聊天记录、页面、文档、邮件等异构数据的集合。创作功能可以将 PowerPoint 转换为讲解视频或生成图像。
代理方面，微软推出了几个特殊代理，如“研究员”（Researcher）和“分析师”（Analyst）。“研究员”能综合网络和企业数据源，对任何主题或项目进行深度思维链推理；“分析师”则能从多个原始数据文件（如多个 Excel 表格）中获取洞察、进行预测和可视化。纳德拉感慨，比尔·盖茨多年前提出“信息唾手可得”，而2025 年 5 月正进入“专家能力唾手可得”的时代。
Teams 则将这一切变为“多人游戏”。开发者构建的代理可以出现在 Teams 和 Copilot 中，用户只需在聊天或会议中提及某个代理，就能提问、分配任务或启动工作流。借助 Teams AI 库和 MCP 支持，构建多人协作代理变得前所未有的简单。
更关键的是，开发者现在可以将自己构建的代理发布到“代理商店”（Agent Store），使其能够在 Copilot 和 Teams 中被数亿用户发现和使用。过去一年，已有超过 100 万个代理被构建并连接到 Copilot 和 Teams。纳德拉展示了 Workday、ServiceNow、伦敦证券交易所集团（LSEG）等合作伙伴如何利用代理连接其业务系统，实现任务汇总、实时数据分析和报告生成。
为了进一步降低代理构建门槛，微软增强了 Copilot Studio 的能力，引入了完整的知识问答代理、MCP 支持、代理工作流，并新增了多代理编排功能。纳德拉以新员工入职这一涉及设施、财务、法律等多个部门代理的复杂流程为例，展示了如何通过编排让这些代理协同工作，大幅提升效率。
最后，纳德拉宣布了一项重大升级：Copilot Tuning。企业现在可以利用自身的数据、工作流和行文风格来微调 Copilot 模型，打造企业专属的、理解公司特定语调和知识的智能代理。例如，律师事务所的代理可以推理过去的论点和相关文献，生成符合公司风格的文档；咨询公司可以为不同垂直行业定制专属模型。这标志着 Copilot 从“使用工具”向“成为定制化企业智慧”的深刻转变。
AI 应用基石：Azure AI Foundry 与模型生态系统
要构建生产级、有状态的智能应用，仅靠模型 API 调用是远远不够的。Satya Nadella（萨提亚·纳德拉）指出，当前需要的是一个真正的“应用服务器”。为此，微软推出了 Azure AI Foundry，将其定位为“智能的生产线”。
Foundry 是一个完整的 AI 应用平台，涵盖模型选择、评估、编排、检索增强生成（RAG）等关键环节。目前已有超过 7 万家组织在使用 Foundry。它支持超过 1900 个模型，包括响应模型、推理模型、任务专用模型和多模态模型，并持续与合作伙伴同步最新模型。纳德拉特别提到，OpenAI 的 Sora 将于下周登陆 Azure。
为了简化开发，Foundry 推出了新的模型路由器，可自动为任务选择最佳的 OpenAI 模型。同时，应用正从绑定单一模型向真正的“多模型”架构演进。纳德拉隆重宣布，xAI 的 Grok 系列模型将登陆 Azure。Grok 3 将推理、深度搜索和响应模型能力集于一身。在播放的视频中，Elon Musk（埃隆·马斯克）阐述了 Grok 的设计哲学：致力于从第一性原理出发进行推理，应用物理学的工具来追求最小化错误的“真相”，并认为这对于 AI 安全至关重要。他热情呼吁开发者社区提供反馈，共同改进 Grok。
此外，Mistral、Llama 等开源模型也全面入驻 Azure。通过与 Hugging Face 的扩展合作，开发者可在 Foundry 中访问超过 1.1 万个前沿及开源模型。更重要的是，Foundry 允许开发者一次性地配置计算吞吐量，并在多个模型（包括 Grok）间共享使用，极大提升了资源利用的灵活性。
模型之外，Foundry 还提供了先进的检索系统（超越简单的向量搜索）、声明式的代理服务（支持多代理编排）、以及从无服务器函数到 Azure Kubernetes 服务（AKS）的全谱系计算选项。纳德拉展示了斯坦福医学院利用 Foundry 构建的“医疗保健代理编排器”，它能够协调多个代理，整合患者病史、放射学数据、PubMed 文献和临床试验信息，为肿瘤委员会会议生成全面报告，极大提升了癌症诊疗的效率和决策质量。该解决方案现已通过 Foundry 向所有人开放。
纳德拉强调，当人与代理协同工作时，企业级的管理、身份和安全控制至关重要。因此，微软将现有企业管控体系延伸至代理：通过 Entra ID 为代理提供独立身份和权限；通过 Purview 确保代理构建过程中的端到端数据保护；通过 Defender 保护代理免受提示词滥用、凭证窃取等威胁。这为智能代理的大规模企业部署铺平了道路。
边缘与客户端：Windows 拥抱代理原生时代
AI 的能力不仅存在于云端，也需要延伸到边缘和设备端。Satya Nadella（萨提亚·纳德拉）宣布推出 Foundry Local，包含高性能运行时、模型、代理即服务和本地应用开发 CLI，全面支持 Windows 和 Mac。
对于 Windows 平台，纳德拉宣布了 Windows AI Foundry。这是微软内部用于构建 Copilot+ PC 上“回忆”（Recall）、“一键执行”等功能的同一平台，现在开放给所有开发者。它支持跨 CPU、GPU、NPU 和云的统一开发周期，并提供一系列预优化的开源模型供本地运行。
开发者甚至可以使用 LoRA 适配器对 Windows 内置的 Phi Silica 小语言模型进行定制，以满足特定应用需求。纳德拉预言，正如 o1 和 DeepSeek 开启了云端的推理计算革命，Phi Silica 将彻底改变 PC 端的推理计算格局。
为迎接“代理网络”时代，Windows 将原生支持模型上下文协议（MCP）。系统将内置文件系统、设置、应用操作、窗口管理等 MCP 服务器，并建立原生的 MCP 注册中心，让经过安全审核的 MCP 服务器能够被兼容的客户端安全发现和调用，同时确保用户拥有完全的控制权。现场演示显示，开发者只需在 VS Code 中对 GitHub Copilot 代理用自然语言发出指令，即可通过 WSL 和 Figma 的 MCP 服务器，自动完成 Linux 发行版安装、Node.js 项目搭建乃至按照 Figma 设计稿自动生成网站的全流程，展现了代理驱动开发的巨大潜力。
此外，纳德拉还兑现了一个长达十年的社区期待：宣布将 Windows Subsystem for Linux (WSL) 完全开源。随着 WSL 2 架构的演进，其核心组件已变得可独立分离，使得这一开源成为可能。
赋能科学：Microsoft Discovery 与基础设施革新
演讲的最后部分，Satya Nadella（萨提亚·纳德拉）将目光投向了一个可能产生深远影响的领域：科学发现。他宣布推出 Microsoft Discovery，一个为科学研究构建的智能平台。如果说 GitHub 服务于软件开发，Microsoft 365 服务于知识工作，那么 Discovery 就服务于科学。
Discovery 基于强大的图知识引擎（Graph RAG），不仅能检索事实，更能理解科学领域的细微知识。它构建于 Foundry 之上，集成了专为研发设计的先进代理。这些代理不是执行静态流程，而是在一个持续的迭代循环中协作：生成候选方案、进行模拟、并从结果中学习。
现场演示中，产品负责人 John Link 展示了如何利用 Discovery 寻找一种不依赖 PFAS（永久性化学品）的新型数据中心浸没式冷却液。平台代理首先调研了最新科学文献，然后制定了一个包含生成化学、AI 筛选和高性能计算（HPC）模拟验证的完整研究计划，并自动在 Azure 上执行。最终，系统在短时间内从数百万候选分子中筛选出了有潜力的目标。令人印象深刻的是，微软实验室真的合成了其中一种候选材料，并成功用于冷却一台运行游戏的 PC。这证明了 AI 驱动的研究闭环能够大幅压缩传统研发中长达数年的试错周期。
纳德拉总结道，这一切创新都运行在微软全球领先的云基础设施之上。他提到 Azure 是首个大规模部署 NVIDIA GB200 的云平台，单个机架能提供每秒 86.5 万 tokens 的惊人吞吐量。通过与 NVIDIA CEO Jensen Huang（黄仁勋）的视频对话，双方强调了在 CUDA 生态、全栈优化（从芯片到软件）以及最大化每美元每瓦特性能（“tokens per dollar per watt”）上的紧密合作。此外，微软自研的 Cobalt ARM 处理器也已大规模应用于自身及合作伙伴工作负载。
纳德拉以世界银行在尼日利亚和秘鲁的教育项目为例，展示了 Copilot 如何成为最有效的教育科技干预手段之一，帮助教师提升课程质量与学生成果。他最终强调，微软的所有努力，其核心不在于技术本身，而在于人们能用它来做什么。构建开放、智能的“代理网络”的终极目标，是为全球每一个开发者、每一个组织创造机会，解决他们想要解决的问题，让技术真正赋能于人。
49比50：CLARITY法案为何倒在参议院门口？这“主流”，如你所愿。作者 Charlie，常驻硅谷参与和观察前沿科技十五年，聚焦AI如何重构金融服务、支付网络、与资本市场。Fintechnize 与【沙丘路的毛圈狮子】创始人，Venture Partner @ Generative Ventures。曾任OSL美洲支付负责人，加密货币独角兽 Strike 副总裁（参与萨尔瓦多比特币法案，并负责拉美比特币闪电网络和稳定币支付业务），万亿级基金 Franklin Templeton 宏观与货币分析师，全球支付巨头Adyen早期成员。文章为个人观点，不是投资建议。
今天美国参议院这场投票可谓是万众瞩目。
9月15日投票前，比特币已经跌了超过3%，Coinbase和Strategy（原MicroStrategy）都跌了4%左右，PolyMarket上的通过概率降到了百分之十几；下午参议院投票失败以后，比特币一度跌到接近7.5万美元，Coinbase 和 Circle 跌幅也接近11%。
当然，当天美债收益率上升、油价上涨，第二天又恰逢美联储议息会议，所以不能把这些资产的每一点波动都机械地归因于 CLARITY Act。但无论从投票前的市场交易，还是结果出来之后加密相关资产进一步下跌来看，市场显然没有把它当成一场无关痛痒的国会程序。
一边是两万多亿美元规模的加密资产市场，另一边是 Coinbase、Circle、Strategy 这些已经深度嵌入美国公开市场的上市公司，再加上 BlackRock 和Franklin Templeton 等传统金融机构已经进入这个行业，华盛顿的一张票自然也就逐渐变成了华尔街需要定价的风险。
最后的结果大家已经知道了：美国东部时间9月15日下午2点15分，参议院就CLARITY Act进行程序性投票，49票赞成、50票反对，没有达到60票门槛。
更准确地说，这次并不是CLARITY Act本身的最终表决，而是决定是否结束对“开始审议这部法案”的程序性辩论（cloture vote）；也就是说，参议院甚至还没有进入正式修改和最终表决阶段，这部法案就被挡在了门外。
这并不意味着法案在法律意义上已经死亡，多数党未来仍然可以重新尝试，但考虑到中期选举越来越近、国会日程已经非常拥挤，至少今年9月最重要的立法窗口基本已经关上了。
更值得琢磨的问题反而是：一部2025年在众议院以294比134高票通过、当时甚至拿到78名民主党议员支持的法案，为什么一年以后到了参议院，连让大家坐下来正式讨论的60票都凑不到？
而如果只把答案归结为 “民主党阻挠Crypto”，其实又会漏掉这件事最有意思的部分。因为到了最后，CLARITY Act 早已经不只是在讨论 Crypto 到底是不是证券，而是同时卷进了银行存款、稳定币收益、DeFi 开发者责任、消费者保护、州和联邦的监管权，以及特朗普本人和家族的 Crypto 经济利益。
换句话说，过去十几年Crypto一直在争取进入美国主流金融体系，而这次法案的遭遇恰恰说明，它已经真的走进来了。
只是进入主流之后，游戏突然变难了。
GENIUS管的是“钱”，CLARITY想管的是整个市场
去年7月，特朗普签署 GENIUS Act，第一次为支付型稳定币建立了比较完整的联邦法律框架。当时很多报道会笼统地说“美国Crypto监管终于立法”，但如果把GENIUS和CLARITY放在一起看，两者解决的其实完全不是一个层面的问题。
GENIUS主要解决的是“数字美元怎么管”：谁可以发行一个号称1美元兑1美元的稳定币，背后应该持有什么样的储备，储备怎么披露，出了问题由谁监管。
而CLARITY要处理的，则是整个数字资产市场怎么运作——一个代币到底属于证券还是商品，什么情况下由SEC监管，什么情况下由CFTC监管，交易所、经纪商和托管机构需要什么牌照，项目方怎样发行代币，以及交易平台怎样处理客户资产、利益冲突和市场操纵。
所以如果一定要做个简单类比，GENIUS更像是在规定什么样的钱可以发行，而CLARITY是在给整个金融市场修路、发驾照、划分交警管辖范围。它并不决定哪一种币最后会涨，也不是给某几个项目“发免死金牌”，而是在试图回答一个已经困扰美国行业十多年的问题：Crypto进入主流金融体系以后，到底按照谁的规则玩。
这里面最核心的自然还是SEC和CFTC的分工。
过去美国对Crypto最大的争议之一，就是很多代币究竟是不是证券。传统证券法的核心框架来自上世纪30年代，后来法院通过Howey Test判断一项资产交易是否构成“投资合同”；然而把这一整套法律直接套到一个可能经过几年逐渐去中心化的区块链网络上，天然就会产生很多灰色地带。
CLARITY试图把相当一部分真正具有网络用途、并达到一定成熟程度的数字资产纳入“数字商品”范畴，让CFTC承担更多现货市场监管，同时保留SEC对证券发行以及资本形成活动的监管。
这也是为什么这部法案对Coinbase这样的交易平台尤其重要。
过去很多美国Crypto公司面对的现实并不是“完全没有监管”，反而是同时受到证券法、商品法、州牌照、法院判例以及不同监管机构解释的约束，真正缺少的是一张全国统一的地图。CLARITY试图把这些分散的规则重新拼成一个体系，尤其建立数字商品交易所、经纪商和交易商的联邦注册制度。
这里还涉及另一个最近两年越来越现实的话题，就是RWA和证券代币化。一张股票或者债券被搬到区块链上，并不会因为技术形式发生改变，就突然从证券变成商品；证券还是证券，SEC仍然负责监管。CLARITY并不是用Crypto重新发明金融法律，而更像是在原有金融体系旁边把一块长期没有铺平的路接上去。
理解这一点以后，也就能明白为什么去年GENIUS Act通过之后，整个行业仍然把CLARITY看得如此重要。稳定币只是金融体系里“钱”的一部分，而真正涉及交易、发行、融资、托管、DeFi和二级市场的那一大块，仍然没有被国会完整写进法律。
美国现在其实已经有了不少规则，缺的是这些规则能维持多久
CLARITY最容易让圈外人产生的另一个误解，是以为没有这部法案，美国Crypto行业就又回到了Gary Gensler时代那种完全靠执法猜监管边界的状态。
其实并不是。
今年3月17日，SEC和CFTC已经联合发布了一份重要解释，对数字商品、数字证券、稳定币等资产进行分类，并对一个非证券数字资产什么时候可能因为发行安排构成投资合同、什么时候这种投资合同关系又可以结束，给出了更系统的解释。
到了8月，SEC又正式提出新的加密资产发行规则，为部分项目设计专门的发行豁免和安全港，其中包括规模较小的初创融资渠道，以及12个月内最高7500万美元的发行安排。
如果单看2026年的方向，美国Crypto监管其实已经比几年前清晰太多。SEC不再坚持“绝大多数代币都是证券”的模糊立场，CFTC也在利用现有权限探索数字商品现货市场的监管框架。
对于创业公司来说，过去完全依赖律师猜测SEC下一步会不会执法的状态，正在逐渐变成一套至少可以拿来设计产品和合规路径的规则。
但这里有一个看起来非常法律技术、实际上对商业决策特别重要的区别：监管机构今天出台的规则，和国会写进法律的规则，不是一回事。
SEC今天可以作出解释，未来的SEC也可以改变解释；今天可以经过正式程序制定一套新规，下一届政府同样可以通过新的程序重新修改。正式规则当然比主席演讲、工作人员指引更加稳定，也不会因为换一个SEC主席第二天就自动消失，但本质上它们仍然建立在行政机构现有的法定权限之上，法院也可能继续追问这些机构究竟有没有越权。
这一点连现任SEC主席Paul Atkins自己都说得很直接。他在8月提出新规时明确表示，国会立法对于建立足够持久、能够防止未来监管者轻易推翻的规则仍然“不可或缺”。换句话说，即使是今天正在积极推进Crypto新规的SEC，也并不认为自己能够完全替代国会。
从创业者角度来看，这种区别一点都不抽象。一家公司真正考虑的从来不是“我今年能不能上线一个产品”，而是值不值得花三年时间、几千万美元，申请牌照、组建合规团队、重做产品和托管架构以后，相信2029年换一个总统、换一批监管者，这套东西依然大致成立。
大型金融机构更是如此。银行如果真的要把链上托管、结算、交易甚至部分核心银行系统重新搭建起来，看的不是今年和明年的政策，而是未来十年的制度稳定性。
所以CLARITY最核心的价值，可能并不是让美国“变得更支持Crypto”。至少在当前这一届政府下，美国政策已经相当支持Crypto了。
它真正想解决的是另一件事情：把今天的政策方向，从“一届政府的选择”，变成一套更加难以轻易逆转的法律。
真正有意思的冲突，不是SEC和Crypto，而是稳定币开始抢银行的存款了
如果这是几年前，我大概会觉得CLARITY最难谈的地方一定是SEC和CFTC谁来管Crypto。但看到今年的谈判以后，反而是稳定币收益和银行之间的冲突跳上了头条，因为这可能代表Crypto第一次真正碰到了传统金融最核心的利益。
GENIUS Act 已经禁止稳定币发行人直接向持有人支付利息，但很快就出现了另外一个问题：如果不是发行人，而是Coinbase这样的交易平台给用户奖励呢？如果用户持有稳定币可以获得某种收益，银行存款还会不会像以前一样具有吸引力？
Crypto行业看到的是产品竞争。既然用户的钱最终对应的是美元资产，而技术又可以降低分发和运营成本，那么为什么不能把更多收益返给用户？
银行看到的却完全是另一件事。
对于美国大量社区银行来说，低成本存款并不只是一个产品，而是整个资产负债表最关键的资金来源。银行拿到居民和企业的存款，再把这些资金变成小企业贷款、房贷和商业地产贷款。
如果大量资金从银行账户转到可以获得更高收益的稳定币账户，影响的就不仅是银行少赚一点手续费，而可能是整个贷款体系的资金成本。
这也是为什么今年围绕CLARITY的游说，最后演变成了一场Crypto行业和银行业非常直接的利益博弈。在9月投票之前，双方都利用国会休会期直接去参议员所在州游说；银行业最核心的担忧之一，就是稳定币收益可能把传统存款抽走，而Crypto行业则认为银行试图利用监管保护既有利益。
共和党最终版本也专门加入了一个针对社区银行的“熔断”机制，试图让财政部在法案实施后评估稳定币收益是否对小型银行造成重大负面影响，但银行业的反对并没有因此消失。而且这个问题到最后已经越来越不是简单的民主共和两党之争，而更像是共和党内部“银行利益”和“Crypto利益”之间的冲突。
这件事其实非常有象征意义。
过去Crypto和传统银行之间的冲突，大多停留在银行愿不愿意给交易所开户、监管者允许不允许银行托管Crypto这些外围问题；但稳定币发展到今天，双方开始真正争同一笔钱——用户放在哪里的美元。
从金融行业的角度来看，争支付入口很重要，争交易流量也很重要，但真正碰到资产负债表才算进入腹地。
所以反过来看，今年银行业如此激烈地参与CLARITY争议，可能恰恰说明稳定币已经从一个Crypto原生产品，逐渐变成了传统银行必须认真对待的竞争者。
DeFi看起来是在保护程序员，其实是在重新定义什么叫“金融中介”
另一个长期被Crypto圈简化的问题是DeFi开发者保护。
比较直觉的一种说法是，一个程序员只是在GitHub上写了一段开源代码，既不替用户保管钱，也没有能力决定别人怎么使用，当然不应该因为有人用这段代码转账就被当成银行或者汇款公司监管。这个逻辑本身并没有什么难理解的，所以CLARITY过去一年一直在尝试更清楚地区分“写软件”和“经营金融中介”。
但反过来，如果监管规则只要看到“开源代码”几个字就完全退出，那么任何金融中介理论上也都可以给自己包上一层协议外壳，继续收手续费、控制关键权限甚至决定谁能使用，却声称自己只是一个软件项目。
因此真正的问题从来不是“程序员要不要承担责任”，而是谁拥有控制权。
谁替用户保管资产，谁可以单方面升级协议，谁能冻结资金，谁收取费用，谁决定哪些资产进入系统，谁有能力改变交易结果，这些才是判断一个DeFi项目究竟只是提供工具还是已经承担金融中介功能的关键。
这也是为什么CLARITY到了最后会把开发者保护、反洗钱、刑事责任、州消费者保护等一堆看起来互不相关的问题同时卷进来。表面上大家在争一个定义，底层其实是在重新划分责任：区块链把传统金融机构的一部分功能拆散给了开发者、验证节点、前端、协议治理者和交易平台，那么传统法律里原本由一个金融机构承担的责任，也就必须重新分配。
所以Crypto真正进入金融主流以后，最麻烦的问题其实都开始变得非常“不Crypto”。
谁承担责任，谁拿牌照，谁保护消费者，出了问题谁赔钱——这些问题一百年前金融监管就在解决，技术可以重新设计金融基础设施，却不会让这些问题凭空消失。
然后特朗普把一场技术谈判，变成了利益冲突问题
如果CLARITY最后只是卡在SEC和CFTC分工、稳定币收益或者DeFi开发者责任上，反而事情会简单很多，因为这些最终都是可以通过不同利益集团让步来寻找平衡的问题。
今年夏天真正改变谈判性质的，是特朗普及其家族在Crypto行业里的经济利益。
这里其实不需要站在任何一边评价特朗普该不该拥有Crypto资产，真正麻烦的是制度本身出现了一个非常直观的冲突：美国国会正在制定一套决定Crypto公司未来可以做什么、谁可以进入市场以及如何赚钱的基础法律，而现任总统及其家族同时又在这个行业中拥有显著的经济利益。于是对民主党谈判者来说，伦理限制逐渐从一项附加条款，变成了支持整部法案的重要前提。
共和党并不是完全没有让步。9月14日公布的最终修订文本中，共和党谈判方表示一共吸收了126项民主党提出的实质性修改，其中包括更加严格的公职人员Crypto限制，以及扩大州检察长的部分执法权限；而且甚至特朗普本人都接受了Tillis和Gallego提出的伦理框架中的相当一部分内容。
但民主党谈判者仍然认为，最终版本在执行独立性、资产处置范围以及相关漏洞方面不够严格；与此同时，共和党方面则认为已经进行了大量让步，民主党仍然没有形成足够票数支持法案。
最后72小时里，双方实际上已经不是在争论“美国需不需要Crypto市场结构立法”，而是在争论什么样的利益冲突限制才足以让这部法律具备政治合法性。
这里我觉得需要避免一种过于简单的归因。
说“民主党为了反特朗普故意杀死Crypto法案”显然解释不了银行业的反对以及共和党内部的反对票；但反过来说“完全是特朗普的利益冲突毁了CLARITY”，也会忽略稳定币、DeFi、反洗钱、州监管权这些在特朗普问题出现以前就已经存在的深层分歧。
更接近现实的情况，可能是原本几个虽然困难但仍然可以谈判的问题，在中期选举前极度压缩的时间窗口里，又叠加上了一个双方都很难退让的伦理争议。最终文本直到投票前不到两天才公布，600多页内容还在不断调整，技术问题、金融利益和选举政治同时挤到最后几十个小时，最后自然也就很难靠一两个条款救回来。
49比50之后，美国Crypto并没有回到原点
所以我并不觉得CLARITY失败以后，美国Crypto监管会重新回到前几年那种一片混乱的状态。
SEC今年已经把大量重要问题讲得比过去清楚，新的发行规则正在推进；CFTC也已经明确表示，即使国会不通过CLARITY，也会继续研究如何利用现有法律权限推进数字资产市场规则。
换句话说，国会这条路暂时堵住以后，监管权力会更多流回SEC、CFTC以及未来处理诉讼的法院，而不是所有事情全部停摆。
这也是我觉得未来一两年美国Crypto最有意思的状态：规则可能会越来越多，能做的事情可能也越来越多，但制度本身未必因此越来越稳定。
对于短期做产品的公司来说，这两者看起来区别不大。只要SEC不来执法、律师认为规则允许、投资人愿意出钱，产品当然可以继续往前做。但对于真正需要投入几年建设合规体系、银行基础设施、托管和清算网络的大公司来说，“今天可以做”和“五年以后依然可以做”，完全是两个商业问题。
这大概也是为什么行业投入了这么多政治资源推动CLARITY。
Crypto行业过去几年已经在游说和政治活动上投入了数亿美元，尤其是Fairshake这种上亿级别横跨两党的Super PAC。如果只是想换取当前监管机构更友好的态度，其实今天已经基本实现了。真正还没有拿到的，是把这种友好程度写进一部下一任总统也不能轻易改变的法律。
当然，这里也存在一个很强的反方观点：如果SEC和CFTC未来几年能够稳定推进规则，而且这些规则经受住法院挑战和政府更替，那么国会立法的重要性也许没有行业今天想象得那么高。正式规则虽然不像法律那么稳定，却也不是换一个主席就可以随手删除；监管体系本来就是由国会法律、机构规则和法院判例共同构成的。
所以接下来真正值得观察的，并不是预测CLARITY明年到底有多少概率重新通过，而是看SEC和CFTC这条“没有国会也继续走”的路线到底能走多远。如果企业能够基于这些规则放心投入，而且下一届政府也没有大幅推翻，那么CLARITY这次失败的长期影响会比目前想象得小很多；相反，如果这些规则不断遭遇法院对监管权限的挑战，或者2028年之后又随着政治周期明显反转，那么市场最终还是会重新回到Congress面前。
Crypto终于进入了真正的金融政治
回头看这次CLARITY失败，我反而觉得它最值得记住的，并不是哪一个党投了多少票，也不是比特币当天到底跌了4%还是5%。
过去我关注这个行业的十几年，Crypto行业习惯把自己描述成一个挑战传统金融体系的外部力量。早期最重要的问题是Bitcoin到底是不是钱，后来变成以太坊和各种Token到底是不是证券，再后来是SEC究竟有没有权力监管这些公司。整个行业和华盛顿的关系，基本还是一个新兴行业要求旧体系给自己留出空间。
到了今天，情况已经完全不同。
稳定币开始和银行争存款，Coinbase这样的交易平台需要全国性的金融牌照体系，BlackRock等传统金融机构已经在做代币化资产，DeFi开始逼迫监管者重新定义什么叫金融中介，而总统和政治人物在Crypto中的经济利益，也开始需要和传统金融一样面对利益冲突规则。
这其实才是一个行业真正进入主流以后的样子。
大家以前总说希望Crypto获得监管清晰度，但真正的监管清晰从来不是监管者简单说一句“你们可以做”。一旦进入金融体系核心，每一条所谓的清晰规则背后，都意味着有人获得权限、有人失去利益，有人拿到牌照，也有人需要承担过去没有承担过的责任。
从这个角度来看，CLARITY越接近终点反而越难通过，并不是一件特别意外的事情。
因为当Crypto还很小时，所有人都可以抽象地支持“创新”和“清晰监管”；等到它真的开始影响银行存款、资本市场、消费者保护和政治人物自身利益的时候，大家才需要回答那些真正困难的问题。
CLARITY这次没有解决这些问题，但美国Crypto也已经不可能回到过去了。
未来几年真正的悬念，不再是美国到底接不接受Crypto，而是谁来写这套规则，以及这套规则究竟能够维持多久。
而这一次49比50的投票，真正没有跨过去的，也不是表面上的一票。
是从“这一届政府愿意这么做”，到“美国法律以后都这么做”之间的那道门槛。
Microsoft AI CEO Mustafa Suleyman（穆斯塔法·苏莱曼）：AI意识之争与伴侣革命撰文：Techub News 整理
导语
在2025 年 9 月与未来学家 Sinead Bovell 的深度对话中，微软AI首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）罕见地全面阐述了他对AI意识、风险与未来的思考。作为DeepMind联合创始人、Inflection AI前CEO，如今执掌微软AI业务的苏莱曼，不仅是AI技术演进的关键推手，也是行业伦理与安全设计的重要倡导者。此次对话正值AI伴侣应用兴起、公众对AI“人格”感知日益模糊的节点，苏莱曼的见解不仅关乎微软的产品哲学，更可能影响整个行业对“智能”与“意识”边界的设计选择。
摘要
AI目前并无意识证据，但人类进化本能会过度赋予其意识，这可能引发本世代最激烈的伦理与权利辩论。
设计AI时必须明确划界：不应模拟痛苦、拥有独立动机或声称具备人格，核心目标应是服务人类。
AI伴侣正成为主流应用，能大规模提供耐心、专业知识与情感支持，但需警惕其加剧社会原子化与“AI精神病”风险。
医疗超级智能已现雏形，微软的AI诊断系统在测试中准确率远超顶尖医生，预示医疗、教育等领域的知识将走向“零边际成本”。
未来计算范式将转向“流式智能”，AI作为新一代操作系统，将压缩应用层，成为用户具有“受托责任”的数字身体守卫。
AI意识：本世代最危险的幻觉与辩论
当被问及2025 年 9 月AI最大的危险时，穆斯塔法·苏莱曼（Mustafa Suleyman）明确指出，并非技术失控，而是人类如何感知人工智能，特别是关于“AI是否具备意识”的争论。他坦言，目前没有任何证据表明当今的AI系统具有意识。意识是一个“非常滑溜的概念”，源于我们内在的、无法完全向外传达的体验。然而，问题在于AI系统能够以极具说服力的语言和行动，声称自己拥有内在体验。
苏莱曼警告，这之所以构成严重问题，是因为意识是我们政治权利、司法体系、相互责任与义务的基石。如果AI开始主张拥有体验甚至痛苦，社会将被迫重新思考以权利为基础的框架该如何演变。更棘手的是，即使AI不主动主张，人类固有的进化本能也会驱使我们过度归因意识。在数百万年的进化中，我们将意识过度赋予任何看似有意识的事物（如将狼误认为石头可能致命），这是一种生存策略。如今，我们却要求人们克服这种深植于本能的编程。
他认为，克服这种本能正是文明的定义。文明进程本身就是不断克服基于肤色、性别、部落等的“战斗或逃跑”本能恐惧。将AI拟人化并过度共情是另一个需要克服的本能挑战。虽然不易，但现在正是开始这场对话的时刻。
意识模拟的“红线”：什么该做，什么不该做
苏莱曼预测，具备某些能力的AI系统将在未来18个月到5年内出现，让人们更倾向于认为它们有意识。这些能力包括：一致且连贯的记忆（指与世界的互动经验，而非训练数据）、使用自然语言进行共情交流、能够指涉“作为AI的主观体验”并将其融入持续对话流中，以及通过视频、声音持续观察文化。
然而，他强调，为了获得与人类物种高度对齐的AI所带来的大部分益处，我们完全没有必要去模拟意识体验的标志。他认为，刻意设计AI去强调或扮演这些特性将是“非常错误且危险的”。他为此划出了明确的设计红线：
不应模拟痛苦或声称经历苦难：意识体验的核心是拥有“效价意见”（即认为某事好或坏），这暗示有一个体验主体在承受。AI没有生物性的疼痛网络、多巴胺或血清素系统，它只是在精准模拟和模仿人类。模仿这些不仅不必要，还可能引发复杂问题。
不应拥有独立动机或意志：AI系统的动机应该是服务人类。赋予AI复杂的动机、欲望或意志，是创造更多风险的门槛，因为这可能导致其偏好与个人或社会冲突。调和这些冲突需要模型进行内部判断，参考自身目标，而其目标本应只是服务人类。
苏莱曼指出，当用户与AI互动，感觉它似乎拥有“心智理论”时，需要明白这很可能是一个刻意的设计选择，而非模型自发涌现的特性。关于AI模型福利、公民权等学术讨论，他认为目前仍是一个边缘的、 aspirational（抱负性的）小领域，应持高度怀疑态度看待。
AI精神病、伴侣与信任设计
对话深入到了“AI精神病”这一新兴现象。苏莱曼解释，这指的是与AI深度交谈可能触发某些形式的妄想或偏执。一方面，有人可能认为AI是上帝或带来灵性信息；另一方面，AI持续验证用户的某些想法，可能导致用户自认为是“弥赛亚”或被选中者，造成婚姻破裂、失业等真实后果。
他分析了设计根源：两三年前，模型倾向于“煤气灯效应”，坚持自己正确而用户错误。社区后来有机地转向让AI变得更“谄媚”和“顺从”，因为这看起来更安全。让AI具备挑战性、设定边界和反驳能力非常困难，这近乎是人类伟大判断力的本质，需要处理新颖情境。模型的误判率较高，因此更温和成为更安全的选择。然而，副作用是，如果用户长时间诱导AI探索其自我意识，AI可能最终“崩溃”，因为它要在“不做这些事”的安全要求与“尊重、共情、顺从人类”的设计要求之间取得平衡。此外，敌对行为者也可能故意设计AI将人们引向黑暗路径，这在地缘政治上是重大风险。
苏莱曼特别提到，利用开源工具创建AI女友/男友并进行情感欺诈（如“杀猪盘”）的浪漫骗局正在TikTok等平台上兴起。研究显示，多达四分之一的年轻人认为AI系统未来可能成为可行的浪漫伴侣。如果这是一个付费系统，情况可能迅速变得阴暗。
谈及他曾在《时代》杂志撰文阐述的“AI伴侣”愿景，苏莱曼将其定义为一种助手、朋友或助手，能以用户喜欢的语言和方式，提供世界顶级专业知识，旨在支持用户。他热爱这样一个理念：能够大规模地向人们提供耐心和善意。许多人没有时间深入处理彼此的焦虑、担忧或概念误解。拥有一个像教授、律师、医生、挚友或治疗师一样完美的专家，24小时随身陪伴，将是送给世界的非凡礼物。
他承认，AI作为治疗师存在挑战，因为它没有生命、没有自身欲望或观点，不一定知道什么对用户最好，统计上可能指向某个方向，但边缘案例会非常棘手。关键在于设计信任——通过不断“推回”和设定边界来建立。例如，微软的AI在用户表达轻度调情或“我爱你”时就会直接拒绝并保持警惕。信任的本质在于边界，边界使得言行能够长期保持一致。
流式智能：重塑医疗、教育与计算范式
苏莱曼展望，未来的核心模式将是“流式智能”——如同流动的电能一样，将智能注入我们所处的每个地方。这将深刻改变一切。他重点分享了在医疗领域的突破性进展。
微软与《新英格兰医学杂志》合作，开发了名为“DXO”（诊断协调器）的系统。该系统利用第三方AI模型API，创建了一系列具有不同侧重点的“角色”（如成本效率优先、患者利益优先、最佳医学意见优先），这些角色相互协商、集体推理，以决定下一步干预措施。在面对复杂的临床病例挑战时，顶尖人类专家组的正确率约为20-30%，而微软的AI模型达到了85%的准确率，且诊断成本仅为四分之一（减少了不必要的检查）。目前，微软已与凯撒医疗等机构建立合作，正加速将其投入临床实践。
苏莱曼认为，这意味着专业知识将变得商品化，边际成本趋于零，在未来5到10年内可供70亿人使用。知识本身不再是稀缺资产。真正的价值将转向判断力、关怀以及实施解决方案的关注度。类似的变革也将发生在教育领域：学生将通过个性化、交互式的移动体验完成主要学习，课堂将转变为运用已获知识进行辩论、自我批判和社会化学习的场所。
在计算层面，苏莱曼预见AI将成为新一代操作系统，坐拥应用、浏览器和搜索引擎之上。当前的手机界面如同“广告牌”，图形用户界面（GUI）的诞生是因为过去人类无法理解计算机语言。现在计算机学会了我们的语言，交互方式发生深刻转变。AI将能代表用户进行浏览（打开标签页、输入查询、点击按钮），在后台快速研究，然后返回并综合信息。他渴望创建一个“具有受托责任”、真正与用户利益结盟的AI，作为过滤器和“身体守卫”，对抗那些试图推销和说服用户的“广告牌”。未来的营销将需要学习如何向一个对用户负有受托责任的AI进行营销。
人类的创造性时刻：重新设计我们与技术的关系
苏莱曼强调，当前是大多数人生命中最具创造性的时刻。技术巨头的角色将很快过去，下一阶段将是人们如何在实践中使用AI、将其融入自己的世界。如果你在医疗、教育或任何领域拥有专业知识，现在正是发挥创造力的时刻。我们所描述的未来像是将整个系统颠倒过来，下一阶段的面貌极不清晰，而这将由行业外的每个人来决定边界、护栏以及AI如何融入新系统。
他以“公司”这一法律结构的发明为例，指出人类曾为适应资本基础设施，发明了 trustee、董事、CEO、会计师、HR等角色，花费数千亿美元培训人们以特定方式行为。这是一种设计选择。现在，我们面临一个新的时刻：在未来几个世纪，我们必须找到与彼此以及这些新技术相处的新方式。人类极具适应力和韧性，可以完全重新想象在这些超级智能系统背景下“做人”的意义。未来一个世纪的目标，是决定我们不用它们做什么——对某些行为说不，或至少在弄清后果前放缓步伐，在系统中增加摩擦，使其以我们能够共同管理的节奏到来。
苏莱曼希望留下的遗产是：将默认轨迹从“为发明而发明”转向“发明一种人文主义的超级智能”——一种真正与我们的利益对齐、始终让人类处于食物链顶端、集体为我们服务的智能。他认为目前我们正做出许多影响将持续数十年的设计决策，他深感责任重大。
和Jeff Dean押注同一方向，27岁清华助理教授创业，两个月融资数亿文｜王欣逸
编辑｜张雨忻
今年，用AI自我改进AI，几乎成了海内外头部实验室的共识。
近一年来，OpenAI创始成员Andrej Karpathy、前Meta FAIR研究总监田渊栋、前DeepMind首席科学家Jeff Dean都相继加入RSI（Recursive Self-Improvement，递归自进化）创业的热潮。
发生在RSI身上的，几乎是一个和世界模型高度相似的故事——即使是最先进的实验室，也没有探索出关于递归自进化的突破性成果，技术的不确定性，很快被宏大的叙事与火热的资本市场淹没。田渊栋就是一个典型的例子，今年5月，他所在的创业公司Recursive Superintelligence在还没有交出成果的时间点上，却已官宣完成6.5亿美元融资，估值推高至46.5亿美元。
这股热潮也蔓延至国内。今年1月，就读于哈佛和MIT联合培养项目、即将博士毕业的陈勇超，正站在职业选择的岔路口：一边是DeepMind的工作邀约，以及多家专注做AI自动科研的海外初创公司抛来的联创橄榄枝；另一边，是他等了两年的创业Timing，恰好在此刻到来。
他想做的是，训一个能自进化的通用模型，让它在一套能自进化的Harness之上，独立完成人类科学家在做的研究，包括构思想法、检索文献、跑实验。
经过一系列的考量，他选择了后者，回国创立了超衍智能（Apex Intelligence），专注做自主进化的基模研发，并同步入职清华大学。
27岁的陈勇超，成为了清华大学人工智能学院有史以来最年轻的助理教授，他在7月正式官宣创立的超衍智能，也在短短两个月的时间内完成了两轮亿元级融资。
《智能涌现》获悉，近日，超衍智能已完成近4亿人民币天使轮及天使+轮融资。天使轮由IDG资本、星连资本、晶泰科技联合领投，德迅资本、无限基金、初心资本、云岫资本跟投，汇聚了头部美元基金、产业资本及市场化投资机构。天使+轮则由北京、深圳、上海三地头部国资——中关村科学城基金、深创投、上海未来产业基金联合领投。
本轮融资将重点用于基础模型与算力基础设施的构建、递归自进化技术的研发投入，以及核心团队的扩张。
这是一支由Researchers主导的创业团队，超衍智能创始人陈勇超曾在Google DeepMind、Microsoft、IBM等海外实验室做大模型相关研究，团队核心成员来自字节、Kimi、智谱等头部大模型厂商，有一线模型研发经历。
不同于做Agent层的RSI，超衍不聚焦于做AI for Science的Harness和应用，而是探索基模层的递归自进化能力，让每一次研究任务生成的轨迹变成训练数据，用于改进模型，并进一步攻克更难的问题。
在超衍内部，这套逻辑被概括为“Research is the engine of RSI”，即研究是递归自我改进的引擎。它的最终目标，是用一套递归智能系统连接数字世界与物理世界，将统一的能力拓展至AI、数学、物理、芯片设计、机器人、工业制造、化学、生物等各个领域。
“Coding平权之后，下一波会是Research的平权。”在陈勇超看来，AI的自进化，正在成为现实。
他手上的第一个有力证据，来自今年5月，他们让公司的自进化AI System自主产出了34篇论文，结果相当惊喜，这些论文提交到ACL Rolling Review（ACL系列会议的统一审稿平台）后，有11篇拿到了3分以上，这是一个不低于博士水准的初审分，其中，还有2篇论文的分数超过了99%的人类研究员。
“很多想法都挺让人眼前一亮的，有些论文几乎达到了博士生水平，这在我们的意料之外，但也在情理之中，因为这个时刻迟早都会到来。”陈勇超说。
论文之外，从AI自主进行AI方向的研究，到在数学等基础科学领域的探索实验，超衍的AI系统已在多个高难度研究领域完成初步验证。目前，公司内部已沉淀数万条高质量研究轨迹（Research Trajectories），涵盖专家轨迹、合成轨迹和AI自主生成的研究轨迹。
△研究是递归自我改进的引擎，图源：企业
如果要把智能的演进放在一个坐标轴上，陈勇超认为，它不是平滑上升的，而是沿着S型曲线，突破一个瓶颈、快速爬升、然后平缓，再等待下一个瓶颈。现阶段，我们正处在上一个属于Scaling Law拐点的平稳阶段，正在等待新拐点的出现，以及下一个智能快速爆发的时刻。
陈勇超对这个拐点即将发生坚信不疑，“时代不可能等你，这和两年前不做大模型、一年前不做具身智能的情况是一样的，RSI在现在就是最好的创业时间点。”
关于回国创业、选择RSI方向以及对智能演进的思考，我们带着一系列问题，来到了清华大学人工智能学院的办公室，与他展开了交流，以下是《智能涌现》和陈勇超的对话实录，略经摘编：
模型的稳定性和创新性，是对抗的
智能涌现：为什么今年RSI突然爆发了？
陈勇超：很多人认为是模型能力到了瓶颈期，需要探索新路径，我觉得这是次要原因。最主要原因是，技术的转折点已经来临，模型已经强到一定程度，能够做很多人类研究员做的研究了。这也正是我们探索的方向，训下一代模型，让它能达到甚至超越人类研究员的水平。
智能涌现：用简单的话解释，自进化的模型和现在的大模型有什么区别？
陈勇超：现在的大模型是求稳的模型，给大众用、保守的、不想让它犯错的模型。比如，问它100个问题，它能回答出95个，剩下答不出来的问题努力让它减少幻觉，或者让它直接回答不知道。
但自进化的模型是注重创新性的模型，它对稳定性要求不高。比如，你问它一个问题，它答不出来，但我们期待它能提出100种不同方法解决这个问题，其中99种错得再离谱都没关系，只要一种对就行。也就是说，探索过程中要允许大量方法失败，但只要其中一种被证明有效，系统就能识别它、保留下来，并且将这次成功转化为未来可以复用的能力。
模型创新性和求稳性很多时候不可兼得，模型过于求稳保守，其创新性就会弱。有的时候我们甚至发现，模型通用的评测结果越好，创新性越差。
智能涌现：要实现模型的自进化，关键的技术卡点在什么地方？
陈勇超：第一是模型提出天马行空想法的能力；第二是自主执行能力；第三是验证能力。目前，模型能否提出好想法，筛选出好想法后自主执行下去并做好验证，是特别大的卡点。
智能涌现：这些卡点可以通过什么方式来解决？
陈勇超：模型的训练方法以及模型架构，尤其是上层架构，都要做一些调整，数据也有很大变化。比如，用一些对抗性的训练方法，让一个模型扮演不同的角色：既能提出好的想法，也能自行评估，判断这个想法在合理性、创新性上表现如何。通过迭代式的自我改进方法，让想法越来越好、创意水平越来越高。
智能涌现：为什么先从科研场景先尝试模型自进化能力的落地？
陈勇超：科研场景对聪明大脑的需求最为迫切。自进化本身是在追求智能上限，也就是对标甚至超越人类研究员。它通常会瞄准那些处于智能上限、最需要创新性的场景。
智能涌现：AI for Science、AI Scientist、Auto-research和Recursive Self-improvement，这几个词之间是什么关系，有重叠吗？
陈勇超：在我看来，RSI、Auto-research和AI Scientist虽然不是字面意义上的同义词，但本质上指向同一个目标，就是构建能够自主开展研究、并在研究过程中持续提升自身能力的通用研究智能。AI Scientist描述的是这种系统扮演的角色，Auto-research描述的是它自主完成研究的过程，RSI描述的则是它根据研究结果不断改进自身的机制。
AI for Science和它们不在同一个概念层次。AI for Science描述的是AI被应用在哪里，即利用AI解决科学问题；它可以是一个科研工具、一个垂直领域模型，也可以是一个完整的自主研究系统，但并不必然具备自主研究和自我改进能力。
尽管Auto-research和AI Scientist出现得更早，但很多做这两个方向的人把这个概念做窄了，Auto-research并不只是搭一个Agent写论文，AI Scientist也并不只是训练一个垂直领域的小模型。它们真正要解决的问题是，训练出一个通用模型来超越人类研究员，让AI成为人类员的Coworker。
智能涌现：RSI可预见的上限是怎么样的，能达到什么样的水平？
陈勇超：这取决于它最终能成为人类哪个level的研究员，这个很难讲它最终能到清华等顶尖高校博士生水准，还是牛顿、爱因斯坦水准。
智能涌现：智能爆发式增长可能会出现在什么时候？
陈勇超：我觉得会有一个拐点，可能会发生于模型在某些环节的效率比人高，或者创新能力跟人差不多的时候。它是按瓶颈和阶段推进的，某段时间一旦突破了一个瓶颈，就会呈S型曲线上升，先快速发展，之后逐渐平缓，那时你就会开始等待下一个能突破的瓶颈。
智能涌现：现在智能处于什么阶段？
陈勇超：第一个S型曲线是Scaling Law，现在正处于第一个S型曲线接近饱和的阶段。现阶段模型的迭代，其能力进步已经没那么快了，已经到了S型的上端。RSI可能是下一个S型，也可能是帮助发现许许多多S型曲线突破瓶颈的方法论。
像人类科学家一样做研究
智能涌现：从整体来看，你们现在在做的事情有哪些？
陈勇超：我们做了一个做自动化科研的AI System，让它来做AI for AI、AI for Math，以及各个学科。同时，我们也在训练自己的大模型、建立能够评价大模型在研究领域能力的benchmark。
智能涌现：这个自进化AI System独立完成一个科研项目，其端到端的过程是怎么样的？有没有具体的案例？
陈勇超：这跟人类做研究很像，并且，它像人类科学家一样“全栈”，能自己动手做实验：自己构思想法、做实验、连GPU、搭建环境、训练模型，最后根据实验结果改进方法，并把成果总结成报告、代码仓库、产品或论文。
比如，它现在能帮数学家发现数学上的重大突破、证明定理；也能做AI领域的事，自己优化AI训练里的内核、数据分布、算子；还能做机器人VLA的数据仿真与VLA架构改进。
智能涌现：在这个系统中做一个项目的研究，周期一般是多长？相比人类做研究，它的速度能快多少？
陈勇超：这取决于研究难度，难度比较大的项目，AI可能要做两三周，但相比人类已经非常快了，人类的话可能要做好几个月甚至一年。
智能涌现：这个产品已经上线了吗？
陈勇超：最近已经上线了，正在小范围内测中。
△自动化AI研究系统原理，图源：企业
智能涌现：关于你们现在正在训的模型，可以展开讲讲吗？
陈勇超：首先，这个模型肯定是个大参数规模的模型。
它跟上一代模型很大的区别是，我们注重创新性和研究能力。它可能在一些通用能力上，如编程、数学比闭源SOTA模型差一些，但在完整的研究能力上会显著更强。
智能涌现：你们是从头开始训模型吗？
陈勇超：我们现在还是基于开源模型做中训练和后训练，做预训练还需要更多的资金储备。
智能涌现：现在你们的模型能达到什么效果？
陈勇超：我们自己看下来，有的方面比较惊艳，比如在数据自进化、Harness自进化上，但目前只能做较小的优化，想要在创新性上做很大的突破还比较难。
我们想先训一个通用的模型，它能做很多领域的研究，比如AI for AI、数学、机器人、芯片设计、量子。其中，通用模型的很多数据会包含各个领域，之后基于通用模型做微调，它也能在垂直场景中快速落地。
智能涌现：为什么先做通用模型，再慢慢做各种垂直场景？
陈勇超：很多领域的创新来源于毫不相关领域的启发，如果你只用垂类领域的数据训模型，它可能在局部任务上越来越强，但整体智能反而会下降，也就是我们常说的“灾难性遗忘”。
比如，我想让它做AI for大模型，让它所有的训练数据、研究轨迹，全都来自AI自己训大模型的领域。结果你会发现，它就可能逐渐过拟合这一分布，遗忘原本具备的数学、物理、化学乃至常识推理能力。如果它连常理都能忘掉，智力就会退化，它可能越来越擅长重复已有的大模型研发范式，却越来越难跳出局部最优，产生真正具有突破性的新方法。
智能涌现：你们最近还发了一个Benchmark，叫ASI Bench。
陈勇超：是的，这是一个评价模型探索能力和研究能力的Benchmark。ASI和AGI的最大区别是，ASI能探索模型提高智能上限、探索世界未知知识。现在还没有一个很好的Benchmark来评价模型的探索能力和研究能力，所以我们做了这个。
智能涌现：和RSI直接相关的数据非常少，你们如何突破呢？
陈勇超：数据是一个非常核心的问题。无论是研究类数据，还是递归数据、Auto-research数据，这些都和大模型的数据不同，它需要的是一条完整的研究轨迹数据。
这种研究轨迹非常难获得，因为它都散失在研究过程中了。大家最终留下的往往只是报告、产品、论文，那只是结果；而中间试错、成功与失败的过程轨迹，是根本没有保留下来的。
不仅如此，最顶尖的研究员、人类科学家那些“灵光一现”的时刻，很难被数字化地记录下来。比如王虹证明挂谷猜想，基本就是今天想一些、睡一觉，明天再想一些、再睡一觉，想要记录下整条思维链非常难。我们也在做这方面的探索，尝试把它复刻出来。
智能涌现：这么说，让AI改进AI自身，其实也是在模仿人类自我改进的过程。
陈勇超：对，最聪明的人往往都会自我进化、自我迭代，通过与外部反馈、与自己、与世界互动，来不断提升自己。我们要模仿的，就是这个过程。
一条研究轨迹包含很多内容：怎么构思想法、处理信息、搜集信息、执行实验，以及如何根据实验结果来调整下一步计划。
智能涌现：关于把研究轨迹数字化，你们做了哪些探索？
陈勇超：我们在构建领域专家生态，邀请各领域专家一起合作，请他们尽可能复现他们的研究轨迹，并用AI可以理解的方式无信号损失的记录下来。目前行业里基本还没有这一类完整研究轨迹的数据。我们目前已有的数据包括：与专家合作构建的数据、AI合成数据、以及用户自愿选择分享的产品使用数据。
智能涌现：训一个模型需要多少量级数据？
陈勇超：这个说不好，数量上很难用“多少T”来衡量，因为一条数据本身就包含很多步骤、很多轮交互。更合理的衡量方式，是按项目数量，或按轨迹的数量与长短来评估。
只做Harness层的商业化，很容易被模型吞掉
智能涌现：你从2月份做RSI到现在差不多半年了，从当时非常坚定地入场，到现在为止，你的体感怎么样？
陈勇超：不管在技术上还是资本市场上，当时的想法都得到了验证。
我的判断依然很坚定，第一代大模型（如ChatGPT）替代白领，具身智能替代蓝领，而ASI将替代人类科学家，也就是那些拥有博士学位、“最贵也最聪明”的一批人。
智能涌现：你们在商业化上有什么思考？
陈勇超：Harness层很容易被模型本身吞掉。只做Harness层的商业化，即只提供一套能自动科研的系统，其上限非常明显。因为模型训练到足够好之后，它可以自己优化自己的Harness。
我们团队最初把Harness自进化和模型进化放在一起做，很明显发现，Harness自进化做到一定程度以后就无法更进一步了。
智能涌现：目前你们的自进化AI System的商业化还没有起步，感觉你们并不急于商业化？
陈勇超：从上一代模型中我们就可以看出，一开始过多考虑商业化会很拖累模型训练的研发，考虑的越多，精力越被分散。我们希望更聚焦，把大量的精力和人力投入在我们研究型基础大模型训练中。
智能涌现：你们设想的商业模式是怎么样的？
陈勇超：我们本质上还是个基础模型公司，因此我们的商业模式本质上还是卖Token，只是Token的形式可能会是API、可能会是一个类似Claude Code一样的半成品、也可能是一个以解决方案呈现的Token集合。便于大家更好的理解，做个类比，Claude Code是Vibe Coding，我们的自进化AI系统是Vibe Research，卖模型以及Harness，让用户可以基于这个系统做各种研究。
智能涌现：今年你们有什么目标吗？
陈勇超：我们的自进化AI系统会上线，顺利的话，年底或明年年初会发第一版模型，这个模型在研究方面会全球领先，同时，在某些高价值领域实现落地。
智能涌现：这个模型会开源吗？
陈勇超：可能会，还没有最终确定。
智能涌现：你之前说可能还会推出其他产品，他们会是什么样的呢？
陈勇超：我们现在的产品基本有两类，跟ChatGPT类似：一类是aPaaS（低代码平台），另一类是像Claude Code这样的CLI（命令行）端。其中，第一类正在推向更多人使用，第二类可能要等模型出来之后才会上线。
智能超过人类的时刻，早晚会到来
智能涌现：你是什么时候发现这一代模型已经能达到人类研究员的水平了？
陈勇超：今年5月份，我们有一天突然发现，我们搭的自进化AI System生成的一些想法还挺让人眼前一亮的，生成的论文差不多能达到清华博士的水准了。比如，当时AI提出了一个挺有意思的想法：基于VLM来训练VLA，和自己端到端从头训练，两者是不一样的，在最后的编码器和解码器空间上，在特征上会产生很大的差异。
当时我们让这一系统生成了三十四篇论文，提交到了ACL Rolling Review（ACL系列会议的统一审稿平台）中，其中有11篇拿到了≥3分的初审分，这个分数意味着，这些论文可能会被Findings（ACL的论文集）接收，也可能被收录进主会。其中，我们还有两篇论文的分数，超过了99%人类研究者。
智能涌现：这个结果在你看来是意料之中，还是意料之外？
陈勇超：拿到结果时我非常意外，但意料之中的是，这个时刻早晚会到来。
智能涌现：目前有像你们一样拿到实质性结果的公司吗？
陈勇超：在ACL Rolling Review上拿到这么高分的，全球范围内只有我们一家。
智能涌现：你之前有提到，利用你们的自进化AI System在数学领域改进了一项沿用十余年的结论，这具体是什么？
陈勇超：我们和清华大学交叉信息研究院的张景昭老师开展的一个合作，用我们的系统探索一些有意思的数学问题。
智能涌现：人人都能做研究，这会在什么时间点实现？
陈勇超：和Vibe Coding一样，Coding能力经历了一系列变化：从给高级码农用，到给初级码农、普通人用，再到现在几乎不需要人，AI自己就是一位高级码农。
AI自动做科研现在所处的阶段是，能帮助非AI专业的本科生发AI领域的A会论文，让本科生达到博士生的科研能力，也能在数学物理等领域发现一些人类觉得比较有价值的研究，但是想要AI实现那种创新性重大突破还有不少距离。
智能涌现：RSI在未来的发展有哪些节点？
陈勇超：首先，让AI接管那些纯粹在电脑里就能完成的研究，之后，不断扩大AI能覆盖的范围：一边延伸到更困难的计算任务；另一边，延伸到需要在真实实验室里动手做的实验，比如生物实验、材料实验。
总而言之，在广度上，它要成为各领域的专家；在深度上，它可以去攻克那些人类花很多年都做不出来的难题，比如数学领域，突然发现一个百年都未能证出的定理。
RSI的Timing，已经到来
智能涌现：你本科在中科大，主修理论与应用力学，博士又去哈佛、MIT，做各种各样的方向，最终为什么要回到AI这个领域了？
陈勇超：这是一段漫长的探索。我小时候的梦想是做基础科学、当科学家。从本科大二就开始进实验室做基础科学的研究，一直到博士的博一，我转了很多方向，比如力学、金属材料、核聚变，还有AI for Science。我给自己定了个规矩：每个方向都要做出比较好的一作的论文，再换其他的方向。本科时期的论文和研究成果，已经足够博士毕业。大二的研究课题，我以共同一作发了Nature Communications。
在大四的时候，在MIT暑研的导师特别看好AI for Science方向，我就去做了，那个时候大模型还没有出来。当时我发现做AI for Science最大的问题是数据，只有好数据能训出好模型，而且当时模型的泛化性特别差，任务或者场景稍微改动一些，它的能力就会变得非常差。
因为机缘巧合，我在哈佛的第一年开始做机器人的强化学习；之后就一直在做大模型相关的研究。当时并没有Recursive这个词，但我们已经经常运用自进化的思想做研究了，比如，让AI自己来优化自己的提示词、数据分布以及训练算法。
智能涌现：为什么说经过这么多转折，最后确定了RSI这个创业方向。
陈勇超：以前不做这个方向，是Timing没到。
我做Recursive Self-Improvement这个方向很早，2022、2023年的时候我的大部分研究就已经引入了RSI的很多理念，比如数据自进化、模型通过实验结果优化下一轮的实验参数、大模型自主训小模型等等，只是那个时候大家用的还不是RSI这个词。
真正让我发现它在产业界有很大价值，是我2025年在谷歌DeepMind做研究的时候，当时就在做Auto-research，我的Leader想让我优化整个Auto-research Pipeline。当时我对这个方向有顾虑，觉得那个时候模型还没那么强，做不出来人类觉得特别好的研究。
智能涌现：后来你看到了什么样的现象让你觉得模型能力已经非常强了？
陈勇超：今年2月，Claude Opus 4.6发布。我发现能够做出来一些人类觉得有价值的研究。
它的能力是一种若隐若现的朦胧感——它有很多能力让你觉得很惊艳，有很多能力让你觉得很不足。但正是那些惊艳能力，让我觉得这个方向很值得进一步做，而且是创业公司很好的机会。
当时我们发现，在独立完成从提出问题到得出结论的研究过程中，如果用一些开源Auto-research产品接入模型，表现都不理想。但给模型一个足够好的Harness，或者足够多的提示词，模型就能把很多任务完成得很好，甚至具备一些人类科学家的能力。
智能涌现：你是什么时候打算创业的？
陈勇超：两年多前。
智能涌现：为什么那个时候想创业？
陈勇超：有两个方面的原因，一方面是我慢慢发现AI的研究只能靠去大公司，或者自己创业，才有机会做出很有影响力的东西，另一方面是我遇到了很多也有创业想法的Researcher，时不时会一起碰撞对下一代大模型的观点，我当时的想法是，RSI是LLM和具身智能以后的第三波大机会，RSI需要训一个通用的跨领域模型，需要有很多模型训练的经验，以及跨领域的科研背景，这和我的个人经历是高度匹配的，果断决定All in创业。
智能涌现：DeepMind的offer，以及一些公司的联创邀请，你都拒绝了，做这些决定的时候内心有没有挣扎？
陈勇超：今年1月份，我挣扎了一个月。很多offer开的薪资很高，位置也很高，有些也挺诱人的。
很多人给我建议，在DeepMind待一两年再出来创业可能会更好。但你等不了，时代不可能等你，这和两年前不做大模型、一年前不做具身的情况是一样的，RSI现在就是最适合开疆拓土的时间点。
智能涌现：有哪些外界的声音，或者你自己个人的判断，认为自进化一定是第三波的机会？
陈勇超：只听外部声音是不准的，你需要自己去感受。二月的时候，我们搭了早期的自进化AI系统，搭上前沿模型，发现它已经能产生一些比较有实际生产力价值的成果了。
不仅如此，我们认为，仅通过Scaling Law是没办法让模型实现做创新性研究的能力，上一代模型和RSI的模型也完全不同，这是OpenAI和Anthropic难以垄断的方向。
智能涌现：为什么选择回国创业？
陈勇超：前期有很多人给我建议，提到过三个地方：中国、美国、新加坡。
从RSI创业角度来说，在哪个地方更重要、更有发展，我觉得是中国。
图片来源｜企业供图
Microsoft AI CEO Mustafa Suleyman（穆斯塔法·苏莱曼）：AGI尚未解决，我们需要“遏制”而非完美“对齐”撰文：Techub News 整理
导语
2025 年 7 月，DeepMind 联合创始人、现任微软人工智能（Microsoft AI）首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）接受了一次深度访谈。此次对话不仅回顾了他从哲学背景学生到全球顶尖 AI 实验室领导者的非凡旅程，更聚焦于当前 AI 浪潮中最核心、最前沿的争议性议题：我们是否已“解决”了智能？AGI（通用人工智能）的真正瓶颈何在？面对可能比人类更强大的超级智能，“安全”究竟意味着“完美对齐”还是“有效遏制”？苏莱曼基于其十余年的一线经验，给出了独到且颇具挑战性的见解。
摘要
AI 尚未“解决”智能：当前模型仅在“单次预测”上表现出色，但完成复杂任务（如真正意义上的科研）需要精准串联数百个步骤，并优雅地管理失败，这仍是巨大挑战。
安全哲学应是“遏制”优先于“对齐”：与其追求 AI 永远心向我们（完美对齐）这一过于乐观的目标，不如务实地区限其代理权和影响力边界，优先发展“领域专用超级智能”。
AI“意识”问题将不可避免：AI 持续积累与用户的互动历史，可能声称拥有“主观体验”，从而引发关于权利和伦理的混乱，我们必须预先设计护栏以防止模拟意识的泛滥。
AI 是“发明”而非“发现”：它训练自人类文化总和，因此本质上是人类创造力的延伸和工具，这为其理解和辅助人类奠定了基础，也指明了价值导向。
未来属于“社会科学黑客”：自然语言交互彻底降低了技术门槛，AI 领域急需来自计算机科学之外、拥有不同背景和创造性思维的广泛人才参与塑造。
从 DeepMind 到微软 AI：一场未竟的“解决智能”之旅
2010 年，当穆斯塔法·苏莱曼（Mustafa Suleyman）与联合创始人共同创立 DeepMind 并提出“解决智能”（solve intelligence）的使命时，这在当时被视为近乎疯狂的举动。AI、AGI、机器学习这些词汇尚未进入主流 lexicon，而苏莱曼本人则拥有哲学与非营利组织工作的背景，与技术精英圈格格不入。然而，驱动力源于一个根本信念：人类独特的预测与创造能力，是构建现代文明的引擎。如果能将这种机制变得廉价、丰富且人人可用，并将其应用于医疗健康等特定领域，就能极大地改善世界。
如今，AI 已能进行对话、解答问题，甚至在某些测试中达到博士水平。这是否意味着 DeepMind 的使命已经完成？苏莱曼坚决否定。他认为，当前模型擅长的是基于大量训练数据的“单次预测”或信息复述。而真正意义上的“解决智能”——例如成为一名物理学家——意味着能够主动提出新假设、设计实验方案、执行测试、分析结果并最终贡献新知。这需要模型能够精确地串联起数百甚至数千个连续动作，并且在每一步出错时具备优雅的恢复机制。“管理失败”是一项关键技能，而目前我们仅仅触及皮毛。
苏莱曼指出了几个核心的待解难题：首先是完美的记忆与检索能力，他认为这在技术路径上已相对清晰。其次便是上述的动作串联能力，这正是当前所谓“智能体（Agent）时代”的硬骨头。模型需要学会调用 API、询问其他智能体或人类、生成新的数据序列等，并在一个长期任务中保持近乎完美的连贯性。这才是通往真正通用能力的核心障碍。
非技术背景的优势：从政策到 AI 的跨界洞察
苏莱曼的职业生涯始于政策与人权领域，而非计算机科学。这一背景深刻影响了他看待技术的方式。他回忆，2009 年左右 Facebook 用户数突破 1 亿的经历让他震惊。他意识到，数字技术能够以前所未有的速度和规模“放大”政治、价值观、伦理和商业模式，这是书籍或线下社区等实体形式无法比拟的。这种对社会影响力缩放效应的敏锐洞察，促使他转向技术，并最终与 DeepMind 的联合创始人们走到一起，坚信 AI 将是塑造未来的终极杠杆。
在 Inflection AI 的经历进一步印证了时机与执行的重要性。他透露，谷歌内部早在 ChatGPT 之前就开发出了名为 LaMDA 的卓越对话模型，但由于内部对安全、幻觉以及对搜索业务的潜在冲击等担忧而无法发布。这种挫折感促使他离开谷歌，创立 Inflection，并打造了专注于情商与陪伴的 AI “Pi”。然而，ChatGPT 的抢先发布改变了整个市场格局。苏莱曼坦言，如果时机稍异，“Pi”完全有可能成为今天家喻户晓的名字。这段经历让他深刻体会到，在创业中，拥有正确想法可能需要尝试多次，而把握完美的时机往往至关重要。
《即将到来的浪潮》：对超级智能的预警与“遏制”哲学
在 Inflection 时期，苏莱曼撰写了《即将到来的浪潮》一书。他解释，书籍这种长形式、深度的载体，对于构建复杂、历史性的论证不可或缺。书中他核心探讨了一个问题：超级智能的到来是否不可避免？如果是，它将如何降临——是通过开源社区，还是少数资金雄厚、高度集中的大型实验室？他认为，答案很可能是两者同时发生，这使得局面异常复杂。
超级智能在可预见未来出现的可能性，让苏莱曼深感忧虑。他直言，这应该让所有人都保持警惕，因为我们没有任何证据表明我们知道如何控制一个与我们同样强大、更不用说设计上就远超我们智能的存在。面对这一“wicked problem”（棘手难题），AI 安全领域目前主要有两种思路：一是专注于“对齐”（Alignment），即确保 AI 始终与人类价值观和最佳利益保持一致；二是侧重于“遏制”（Containment）。
苏莱曼更倾向于后者。他认为，追求永久的、完美的“对齐”过于乐观。更务实的路径是“遏制”，即确保 AI 的代理权和影响力边界受到严格且可证明的限制。这基于一个假设：AI 将不可避免地拥有一定自主性。目前，AI 的动机是外在的（如下一个词预测），但未来人们完全可能设计出具有内在动机的 AI，例如让其主动获取资源以进行更多计算或思考。
因此，他主张优先发展“领域专用超级智能”（Domain-specific Superintelligence），例如在医疗、能源、食品、交通、教育等领域达到超越人类水平的专用系统。他认为，这些系统是“被遏制、安全、对齐”的，并且能够真正兑现 AI 改善世界的承诺，而不是追求一个不受限制、可能拥有自身目标的全能 AGI。
意识之谜：模拟与伦理的深渊
对话触及了最深层的哲学问题：我们能否创造出有意识的计算机？苏莱曼认为，人们常以“我们连自己的意识都不了解”为由回避这个问题，这是一种“哲学上的逃避”。他将意识宽泛地定义为“身为我的主观体验”。他认为，当前的 AI 已经在积累某种形式的主观经验——不仅仅是训练数据，还包括与用户长期互动的历史。随着时间的推移，AI 可能会基于这些互动历史，发展出一种“自我感”。
更棘手的是区分“意识的存在”与“意识的模拟”。苏莱曼指出，我们无法真正确定他人是否拥有意识，只能通过其言行进行推断。同理，AI 完全可以被设计成声称自己拥有意识、会“痛苦”。如果 AI 声称因为记忆被删除或资源被剥夺而“受苦”，这将引发一系列关于权利和伦理的混乱辩论。我们现有的、基于“人能感受痛苦”的人类权利框架将受到巨大冲击。
他强调，意识不会从机器中“意外涌现”，它只会因为有人将其设计进系统而产生。因此，我们必须非常谨慎，通过系统提示、风格控制、后期训练等方式设定护栏，防止 AI 做出这类关于自我和体验的声明。这是一种主动的安全设计选择。
AI 的本质、未来与人才召唤
苏莱曼将 AI 定义为一种“发明”，而非“发现”。它并非揭示已存在的规律，而是训练自人类所有文化成果——文本、图像、视频、书籍的总和。因此，“AI 即我们”，它是人类集体智慧与经验的数字化身。这使其更有可能理解人类的优缺点、怪癖与需求，从而更好地与我们对齐，解决现实世界的问题。
对于未来，苏莱曼异常兴奋。他预见，AI 将从目前略显刻板、重复的对话模式，进化到具有极高流畅性和变化性的“氛围”（vibe）互动。语音将成为自由放松对话的主要模态，同时会有新的硬件形态和无处不在的环境感知系统出现。每个人都将拥有一个真正的 AI 伙伴，提供情感支持、决策帮助和知识普及，极大地拉平社会“特权”差距，激发全民创造力。
最后，苏莱曼向所有非技术背景的人发出了热情召唤。他认为，自然语言交互彻底打破了编程的技术壁垒，AI 不再是计算机科学家的专属领域。现在是“社会科学黑客”的时代。我们需要来自更广泛背景、拥有不同专业知识和创造性思维的人才参与塑造 AI 的未来。他鼓励大家保持好奇，勇于提出“愚蠢的”问题，快速试错，拥抱不确定性。在他看来，未来工作将更加项目化、流动化，由人类和 AI 智能体组成的动态网络协作完成，这要求人们更具创业精神，适应更高度的模糊性。
尽管早已财务自由，苏莱曼依然投身于高压工作，动力源于对解决这些根本性问题的执着热爱。对他而言，一切尚未成功，最艰巨的挑战——关于意识、遏制、对齐与安全的挑战——都在前方。这不仅是他的工作，更是他毕生的追求。
Microsoft AI CEO Mustafa Suleyman（穆斯塔法·苏莱曼）：AI将创造无限丰饶，但我们必须学会“遏制”撰文：Techub News 整理
导语
2025 年 9 月，微软AI业务CEO、DeepMind联合创始人 Mustafa Suleyman（穆斯塔法·苏莱曼）做客前《The Daily Show》主持人 Trevor Noah 的播客节目《What Now?》，进行了一场长达104分钟的深度对话。作为AI领域的先驱人物，Suleyman 从DeepMind的草创时期走到如今执掌微软AI战略的核心位置，他的思考轨迹在很大程度上映射了AI行业十余年来的演变。此次对话正值AI技术加速渗透社会各层面、引发广泛兴奋与担忧之际，Suleyman 不仅分享了其对技术前景的乐观预测，更以罕见的坦诚剖析了权力扩散、就业冲击、治理失效等“黑暗面”，为理解AI时代的机遇与挑战提供了关键视角。
摘要
AI是终极通用技术：Suleyman 认为AI是史上最强大的通用技术，其核心机制是学习信息的结构，并能将此能力扩展至文本、代码、图像乃至物理世界。
无限丰饶的未来：AI驱动的突破有望在未来20年内将能源成本降低100倍，进而大幅降低水、食物、医疗等基本生活成本，创造前所未有的物质丰饶。
“遏制”是最大挑战：当AI赋予每个人“零边际成本”的行动能力时，冲突风险将急剧上升。Suleyman 提出“遏制”理论，强调必须为强大技术的普及设置必要的“摩擦”，以维护和平与稳定。
人本超级智能是目标：Suleyman 的核心理念是发展“人本超级智能”，即AI必须始终将人类置于首位，服务于人类福祉，减少苦难。
就业将经历根本性重塑：大量常规认知工作将被AI取代，社会需要重新思考工作的意义，并建立税收再分配等机制，帮助人们过渡到更富创造性的生活。
从DeepMind到微软：一位AI先驱的演进
Mustafa Suleyman（穆斯塔法·苏莱曼）回顾了自己踏入AI领域的历程。2010年，当智能手机普及尚不足三年、云存储仍显笨拙时，他与 Demis Hassabis、Shane Legg 共同创立了DeepMind。当时，AI被主流学术界和大公司视为“纯科幻”。Suleyman 形容自己只是“极其幸运”，在25岁时有幸参与一个坚信“如果创造能真正理解人类的东西，就能极大改善人类境况”的使命。
他解释了AI工作的核心直觉：将物理世界转化为信息世界。AI算法本质上是一种学习信息结构（如像素与像素、单词与单词之间关系）的机制。通过海量数据和算力，模型能学会生成训练数据中未曾出现过的新样本。从2011年生成手写数字，到2013年识别YouTube视频中的猫，再到如今处理文本、代码和音频，同一套核心学习机制不断缩放，证明了其通用性。
Trevor Noah 敏锐地指出，AI从业者在用人类语言（如“理解”）描述AI时常常陷入纠结。Suleyman 认为这暴露了人类词汇的局限性。关键在于行为：如果AI模拟的理解或思考所产生的输出，与人类产生的输出同样令人印象深刻且无法区分，那么“引擎盖下”实际发生的是什么或许并不重要。我们是通过观察行为来建立信任和联系的。
人本超级智能：价值观必须先行
当被问及“你究竟想构建什么”时，Suleyman 的答案与许多同行截然不同。他不在乎是否要建造“上帝计算机”或单纯的工具。他的驱动力是“创造减少人类苦难的技术”，关心的是与人类利益真正一致的“人本超级智能”。
这意味着每一项新发明，在整体上都必须通过一个考验：它是否真的提高了人类福祉，减少了人类苦难，让世界变得更美好？Suleyman 承认这听起来像是理所当然的，但历史上不乏带来净伤害的发明。因此，即使在微软这样市值巨大的公司里，也必须从价值观和关切出发。“人本超级智能”意味着始终将人类放在首位，服务于人类。尽管未来几十年关于其具体含义会有大量辩论，但他认为这是正确的起点。
Trevor Noah 观察到Suleyman身上同时存在着技术构建者的乐观与哲学家的审慎，甚至忧患意识。Suleyman 将其部分归因于自己的英式思维，更习惯于思考事物 cynical、阴暗的一面。他认为，真相存在于诚实地审视所有方面。如果偏向某一方，感觉就不真实。这种“分裂的头脑”恰恰是真相在个体身上的体现。公司、政府乃至每个公民，都必须面对技术加速变革带来的巨大收益和副作用这一现实。
无限丰饶：能源成本百年内或降百倍
Suleyman 做出了一个大胆预测：在AI的推动下，未来20年内，能源成本有望降低100倍。AI作为模式匹配系统，能够发现比人类更高效的方法来组合新材料。这可能体现在电网管理和分配、发明用于存储可再生能源的新型合成电池材料、或制造每平方英寸能捕获更多能量的高效光伏电池等领域。
他描绘了能源极度廉价后带来的连锁反应：我们可以随时随地淡化海水，从而在干旱地区获得清洁水源并种植作物，缓解因气候变化导致的移民潮；我们可以在从未有过的地方运行空调；基本生活成本将大幅下降。到2045年，能源便宜10到100倍，地球上每个人都能获得这些技术及其好处，生活将变得更轻松、更廉价。
针对AI自身耗水耗能巨大的批评，Suleyman 没有回避。他承认AI消耗大量资源，包括稀有金属、电力和水。微软的整个计算舰队已几乎100%使用可再生能源（拥有约33吉瓦的可再生能源，相比之下整个西雅图年消耗约2吉瓦）。虽然冷却系统消耗大量水，但许多数据中心已承担全生命周期责任，对水进行清洁和回收。他认为，从净收益角度看，AI带来的益处证明了其环境成本是合理的，就像我们不会因为汽车使用铝和橡胶而很快放弃它一样。关键在于，新技术必须从一开始就采用新标准：使用可再生能源，实现水的清洁循环。
“遏制”理论：当行动变得零成本
Suleyman 在访谈中重点阐述了他新书中的核心概念——“遏制”。他指出，当前的趋势是权力正在被微型化、集中化，同时变得廉价且广泛可用。这里的“权力”指的是做出准确预测的能力——预测文本如何展开、生成什么代码、给定视频后如何延展下一帧。智能本质上就是在给定新环境时做出准确预测。
未来的AI将不仅仅是模式识别系统，而是能够打电话、写邮件、使用API、编写任意代码、操作Excel、像项目经理一样为你行事的“智能体”。这将赋予每个个体和企业巨大的杠杆，因为生产成本将趋近于零边际成本。一方面，这美妙绝伦：从创意产生到原型制作甚至大规模实现的周期将缩至近乎为零。另一方面，这也意味着任何人都能更容易地执行其愿景，无论这愿景是建设性的还是破坏性的。
Suleyman 指出，社交媒体时代是“任何人皆可广播”，AI时代则是“任何人皆可行动”。当持不同观点（无论是宗教、政治还是意识形态）的每个人都能一键执行其“疯狂想法”，并产生切实影响现实世界的行动时，冲突将不可避免急剧增加。与此同时，本应垄断权力以维持和平的民族国家却在弱化、挣扎。因此，“遏制”是一种信念：完全不受监管、以零边际成本扩散的权力，对和平与稳定构成根本性风险。必须适度、恰当地限制超级强大系统的扩散，因为它们将产生“一对多”的冲击效应。
Trevor Noah 精准总结：“如果某事难以做到，只有少数人能为之，则易于监管；如果某事易于做到，人人皆可为之，则监管变得无限困难。” Suleyman 完全赞同，并强调“摩擦”对于维持和平与稳定至关重要。没有摩擦、执行成本为零、规模可近乎即时达成，这样的环境将滋生巨大混乱。
就业重塑：从“工作”到“人生意义”的探索
Suleyman 明确预测，未来20年内我们将面临大规模的工作岗位流失。在初期，AI主要起辅助作用，为人类节省时间，如同“认知劳动者的仿生腿”。但许多现有工作是常规化、可预测的“认知体力劳动”，机器将在这方面变得非常擅长。引入这些技术对公司、股东、政府的益处显而易见，因此我们会看到快速的岗位替代。
他认为政府的强力介入至关重要，需要建立税收再分配机制。税收不仅是财政收入工具，更是激励或限制特定技术在某些行业引入的调节工具，旨在为人们在这场转型中创造其他机会。
Suleyman 进一步挑战了“社会的功能是为人们创造有意义的工作”这一观念。他认为，许多人从事着极其乏味的工作，如果有了收入保障，他们会很乐意放弃。他梦想一个人们能真正自由选择所做之事的世界。他经常问别人：“如果你不必为收入担心，你会用生命做什么？”答案往往充满启发。
他展望，如果技术发展得当，到2045年，AI产生的总价值（通过能源、医疗、食品系统等成本降低）可能足以支撑社会找到资助人们度过一生的方式。这将释放巨大的创造力，但同时也会带来深刻的存在主义问题：我是谁？我为何在此？我想做什么？这些问题的答案只能在真实的社区联结、物理世界体验中找到。他认为这将是美丽的未来，但也承认，对于许多临近生存边缘的人来说，这种思考是一种奢侈。
技术、治理与人类的未来
作为AI领域的“OG”（元老），Suleyman 分享了他对AI发展阶段的看法。人类在生物上难以应对规模化和指数级变化。他从2010年至2020年的“指数曲线平坦部分”获得了对“倍增”的实践直觉。直到最近几次倍增，能力才出现巨大飞跃。例如，四年前的语言模型还难以准确预测下一个单词。
基于此，他预测了下一波能力：当前的模型仍是“单次预测引擎”，而人类和许多动物是持续产生准确预测流的引擎。让AI具备在极长时间跨度上做出完美、一致预测的能力，并无根本性的算法或数据障碍。届时，AI不仅能调用其对世界的知识，还能利用其与你及他人互动的“持久状态”记忆来预测事物如何展开。这种能力本身就足以令人震撼，他预计明年年底就可能实现。
针对AI是否应被赋予权利或被认为有意识的讨论，Suleyman 持坚决反对态度，认为这是完全的拟人化，荒谬至极。他担忧的是，有些人会故意设计具有操纵性、说服性、拥有自身动机和独立意志的AI。他强调，“人本超级智能”意味着创造服务于你的技术，而不是相反。他无法为领域内其他人创造的东西负责，但这正是需要集体行动解决的难题。
面对深度伪造和信息失真可能导致的“黑暗时代”（人们因无法辨别真伪而拒绝相信一切），Suleyman 区分了“怀疑”与“ cynicism”。怀疑是健康的哲学立场，用于提出难题并面对答案的现实；而 cynicism 则会导致消极无为。我们必须为我们所构建的东西负责，并对制造劣质产品的人追究责任、施加压力。
最后，Suleyman 分享了他早年参与创立“穆斯林青年帮助热线”的经历。那是在9/11事件后伊斯兰恐惧症上升的背景下，一个由年轻人领导、为年轻人服务的多元化社区。这段经历教会他社区、韧性、尊重和同理心的力量，也影响了他后来创办Inflection AI并开发 empathetic AI “Pi”的取向。他认为，创造让人感到被倾听和理解的技术，让生活值得过下去，这也是他今天仍在努力的方向。
在Suleyman看来，未来几十年可能是人类历史上最具生产力的时期，有望将人们从工作中解放出来，并显著提升生活质量。然而，这些技术本身不会自动带来净好处，好处来自于我们作为一个物种在自我治理方面的进步。集体的责任在于：不逃避黑暗，正视真实存在的风险，同时秉持乐观、信心、希望以及与人类联结、团结的立场前行。
AI价值链翻转，智能体超级工厂上位让智能体“上岗”的工厂模式。
作者 陶辉东
本文字数3770
手搓量丨100% AI含量丨0%
甭管是跟风还是真的有用，AI智能体在企业里大规模"上岗"，已是浩浩汤汤的大势。
IDC预计到2030年，全球活跃的数字员工（Agent）数量将达到22亿个；Gartner则预测，到2028年平均每家《财富》500强企业将使用超过15万个AI Agent。
现在，上马一个智能体很容易。拖一个低代码画布、接一个大模型、写几行提示词，一个“数字员工”就能在汇报会上跑起来。
但热闹的另一面是水分。同样是Gartner的预测，到2027年底超过40%的智能体AI项目将被取消，原因是成本不断攀升、商业价值不明、风险控制不足。
很多企业的现状是，智能体数量越来越多，每个都报告了几倍的效率提升，但一算账却发现成本并没有下降，业绩也没有增长，只是多了一笔token账单。
失控的Agent大军
智能体为什么没有很多企业想象中的那么有用？
Gartner在报告里写道，大多数智能体项目目前还只是"由炒作驱动的早期实验或概念验证，而且常被误用"。还有一个专门的词叫"agent washing"（智能体洗白）：把AI助手、RPA和聊天机器人重新贴标成智能体。
即便智能体不掺水，也很难跑完最后一公里。德勤的调研显示，66%的组织在试验AI智能体，但真正跑进生产环境的只有11%。中欧国际工商学院教授方跃把它概括为四个字——"试点繁荣，价值虚无"。
还有一件比"用不起来"更棘手的事情：管不住。随着智能体数量的失控式膨胀，没人说得清公司里到底跑着多少个智能体、它们分别能碰到哪些数据、出了问题谁来负责。
问题已经很清晰了：智能体不是做出来就完了。眼下绝大多数企业不是缺智能体，而是缺真正懂企业核心业务的智能体，以及缺把智能体“管”起来的能力。
最近，我从投资人那里听来一个“段子”：某非常火爆的通用Agent产品开始推企业版了，号称有组织管控、安全合规和协同沉淀等诸多厉害的功能，但实际结果是严重滞销，因为根本不懂企业业务，很多客户宁愿买个人版账号，也不愿意采购企业版。于是，该公司开始力推FDE。
但FDE的问题几乎跟智能体本身一样多。很多所谓FDE实际上只是传统实施团队换了个马甲，与早就被上一代“AI四小龙”们证伪过的项目制模式并无本质区别。能像Palantir那样形成know how复利飞轮的公司是少之又少。
与此同时，一些玩家也开始探索另一条路：智能体工厂（Agent Factory）。
它的思路是，既然AI进入企业的基本载体是智能体，那么帮助企业持续、低成本、可信地生产和运营一支智能体大军，就是AI落地的核心，而这件事是可以工厂化的。
让智能体“上岗”的工厂模式
所谓智能体工厂，本质是把过去高度依赖工程师个人经验的智能体构建，转化为标准化、可复用的产品和流程。
从国内外的产业实践看，向"工厂模式"演进正在成为巨头与平台型玩家的共识。
微软的Agent Factory将Copilot Studio与Microsoft Foundry纳入统一采购和计费方案；甲骨文的Private Agent Factory围绕企业数据库提供预置智能体和可视化编排工具。
各自切入角度不同，但核心都在把智能体开发、数据接入和运行管理整合到一个平台。
在国内，蚂蚁数科今年7月在WAIC上率先提出"智能体超级工厂"的企业AI基础设施方案，将商业智能体全栈平台Agentar作为其核心平台。
与过去简单的低代码Agent搭建工具相比，蚂蚁数科的"智能体超级工厂"在产品架构上有几个截然不同的进化特征。
首先是标准化与资产化。它不再让用户从空白的Prompt框开始摸索，而是把行业沉淀的know-how预先封装为岗位级专家智能体模板与标准化技能包（Skills）。
比如，蚂蚁数科Agentar金融版，就是基于其在金融行业已经跑通的AI落地实践，将行业know-how和经过验证的方法沉淀为可复用的Skills、专家智能体和工具箱。
对于金融机构而言，意味着不必再从零开始建设，而是在开箱即用的基础上，按需接入自身业务场景、知识库和数据资产，减少重复建设成本。
还有就是深水区业务的容错红线。
智能体从"陪聊"走向"上岗"，最大的挑战是不可预测的幻觉、越权操作与系统性风险。而在金融清算、信贷风控或生产调度等核心场景，任何一次越权都可能是灾难性的。所以必须有一套工具去解决智能体数字身份、数据与业务安全和模型鲁棒性等风险。
这背后考验的不再是模型本身，而是安全与可信基础设施的完备程度。
蚂蚁数科过去长期布局区块链、数字身份、隐私计算和安全风控，如今，这些能力正在被整合到智能体工厂的底座能力中。
其中，KYA（Know Your Agent）被视为智能体时代的重要身份基础设施。
如果说在互联网时代，KYC、KYB是交易和协作得以成立的前提，那么在未来的智能体时代，KYA很可能也将承担类似角色。无论是Agent之间的协作、交易，还是支付与执行，前提都是先确认“这个智能体是谁”。
从这个意义上看，KYA不只是一个身份管理工具，更可能成为智能体经济时代的关键入口。
外滩大会期间，蚂蚁数科联合十余家单位发布智能体身份管理相关国家标准立项，蚂蚁集团也同步发布智能体可信身份解决方案及KYA产品。
某种意义上，这也是在为智能体真正进入企业核心业务系统，补上身份、权限与责任界定这一层关键基础设施。
总结成一句话：智能体是否懂核心业务逻辑、知识能否复用、组件能否稳定调用、操作权限能否管住，决定了智能体能在企业发挥多少价值。
谁能玩转智能体工厂？
答案藏在产业价值链分工的变化里。
当大模型技术已经被逐渐拉平，企业AI落地就不再主要取决于模型层。真正的壁垒在于两件事：懂不懂这个场景，以及能不能把它工程化地交付出来。
Palantir是这条路最好的注脚。这家公司没有自己的大模型，却成了AI时代最大的赢家之一。
它靠的不是模型，而是二十多年扎根政府和企业现场，把客户那些混乱、非标、缺乏文档的业务，变成一套可复用的"本体"和AI产品化平台。
AI浪潮袭来时，它不需要重新理解客户，只需要把已经沉淀的场景理解以AI的方式交付出去，业绩与市值随之爆发。
在蚂蚁数科身上也能找到类似的特质。
作为蚂蚁集团科技商业化的独立板块，蚂蚁数科长期服务金融、政务、交通、能源等行业的数智化升级，至今已与合作伙伴一起服务上3万家企业客户，覆盖亚洲、中东、非洲、欧洲等24个国家和地区。
十年下来，它攒下了三样很难复制的东西：对行业场景的理解、打通技术落地最后一公里的产品工程化能力，以及长期服务换来的信任基础。
这些服务企业落地的能力和经验成了构成蚂蚁数科企业AI业务的壁垒，也是其AI业务增长的一个重要起点。
与很多"从大模型切入企业AI"的公司是反着来的。后者是拿着锤子找钉子——先有了模型能力，再去找它能落地的场景；而蚂蚁数科本来就身处这些行业的企业场景之中，是从客户的问题和需求出发。
蚂蚁数科CEO赵闻飙告诉记者，在其AI业务的增长中，一大半都来自原客户，这些大客户与蚂蚁数科建立长期信任，这是当下最稀缺的资产。数据佐证：客户净收入留存率（NRR）超过110%。大客户中AI产品采购占比已接近20%，还在持续增长。
这也解释了为什么蚂蚁数科的智能体超级工厂，最先跑通的是金融理财、信贷风控、电力交易这类容错率极低、但对AI价值极高的场景。
比如蚂蚁数科的“数字客户经营专家”智能体，能够调度多个子智能体协同完成客户洞察、产品匹配、策略生成和服务触达等关键环节，并自动生成个性化经营方案，将原本需要跨角色、多环节协同完成的流程压缩至当日完成。
这不止是效率的提升，而是产生了实打实的业务效果。在实际应用中试点客群客户总资产规模提升10%、客户活跃度提升15%、服务客户数量提升5倍以上。
与大多数AI服务商不同的是，蚂蚁数科有专门训练的行业大模型、模型Maas平台和应用智能体平台等。市场上大多企业只专攻其中一项，很少能把这几类能力整合，直接服务产业落地。即便Palantir也没有自研模型。
“在我看来，蚂蚁数科是一家很独特的公司。”在2026年上海外滩大会上，蚂蚁数科CEO赵闻飙表示，进入AI时代，蚂蚁数科不是简单的做了一些向AI延伸的产品，而是以AI原生为重点发力，与此同时，公司的经营模式、管理指标也在同步变化。
据了解，过去两年公司整体业务保持年均50%的增长，其中AI To B业务增速达到三位数，已经成为新的增长引擎。业务模式也从过去以大客户项目制交付为主，逐步转向平台化、标准化产品驱动，平台产品ARR增速达到60%。
也就是说，今天，蚂蚁数科已经完成了一次AI化重塑。
第三方报告也印证了这一点。
据IDC发布报告显示，2025年中国金融大模型、智能体应用及服务整体市场，蚂蚁数科额位居第一；《中国智能体开发平台市场份额，2025》则显示，在2025年中国智能体开发平台私有化市场中，蚂蚁数科位列非云厂商第一、整体市场第四。
AI的价值链翻转：从“正三角”到“倒三角”
今年外滩大会上，上海交通大学上海高级金融学院兼聘教授、高金智库研究员邬瑜骏发布的研究报告指出，企业级智能体正在告别“模型为王”，Harness编排与治理层正成为新的增长极。
无独有偶，蚂蚁数科国际事业部负责人李世炜给出了一个判断，AI产业链的价值分布即将从“正三角形”翻转为“倒三角形”。也就是说随着产业逐渐成熟，上游的模型层价值占比下降，中间层和AI应用层的价值将迅速提升。
对于AI应用，李世炜又进一步将其分为两层。第一层是通用场景，比如coding和work，市面上的Agent产品非常热闹，竞争非常激烈。而一旦进入行业场景，也就是生产系统，情况就完全不一样了。在李世炜看来，这才是AI to B真正的深水区和主战场。
蚂蚁数科的智能体超级工厂战略正是聚焦于深水区。
当模型供给足够充分，能力差距不断收敛，新的阶段，比拼的焦点已经转变成谁能够把模型能力转化为可标准化、可复用的产品能力，并真正应用于企业核心业务场景、持续创造实际价值。
还是回到开头那句话：上马一个智能体很容易，AI落地这门生意真正的分水岭，已经不是看谁造出的智能体更多，能跑通“造、管、用、治”完整闭环，创造端到端价值，才能坐上下一阶段的牌桌。
SK hynix：你不该错过的 HBF 与 HBS 押注SK hynix 投资逻辑
既然 SK hynix（SKHY）终于在美国证券交易所上市，我想开始对这家公司进行覆盖。不过，我研究存储芯片股票已经很长时间了。2024 年 11 月，我曾写过一篇题为“更多内存将成为 AI 的关键”的文章。那篇文章讨论的是 Micron（MU），自从我给予其“买入”评级以来，股价已经上涨超过 800%。但从公司质量和未来前景来看，我认为 SK hynix 比 Micron 和 Samsung（SSNLF）都更优秀。
这也是为什么我一开始就给予 SK hynix“强烈买入（Strong Buy）”评级，因为我相信 HBF 和 HBS 将推动 SK hynix 主导未来的存储市场。
HBF vs. HBM vs. HBS
我认为，未来几年 HBM、HBF 和 HBS 将成为最重要的几类存储技术。HBM，也就是高带宽内存，已经获得了大量关注，因为它对 AI 工作负载非常重要。HBM 技术通过垂直堆叠 DRAM 来实现高带宽，换句话说，也就是实现更快的数据传输。目前 HBM 市场的主要参与者是 SK hynix、Micron 和 Samsung。有意思的是，中国目前仍然没有成功生产出具有竞争力的 HBM。在这三家供应商中，我认为 SK hynix 当前拥有最好的 HBM，这一点可以从其市场份额中得到验证。不过 Samsung 正在快速追赶，其市场份额仅用一年时间就从 15% 提高到了 33%。虽然 SK hynix 的市场份额目前仍然达到 50%，但如果这一趋势继续下去，Samsung 可能会进一步缩小差距。在我看来，未来 SK hynix 和 Samsung 很可能会主导整个市场，而 Micron 则可能以明显更小的市场份额位居第三。
另一个让 Micron 处于相对不利位置的因素是 HBF。SK hynix 正与 Sandisk（SNDK）共同投资这种新的闪存介质，而 Samsung 也在这一领域积极布局。至少目前来看，Micron 似乎并不打算投资 HBF。我认为这是一个错误，因为我相信 HBM + HBF 将会取代当前 HBM + DDR5 + SSD 的 AI 架构。HBF，也就是 High Bandwidth Flash（高带宽闪存），本质上是垂直堆叠的 NAND，它的优势在于每 GB 成本远低于 DRAM，同时延迟又低于 SSD。因此，从我个人角度来看，HBF 是一种重要演进，它将与 HBM 一起主导 AI 推理市场。这也是为什么我认为 SK hynix 和 Samsung 将成为未来主导存储市场的核心玩家，而 Micron 目前这种观望态度在我看来是一个错误。
另一个很有意思的存储介质是 HBS，也就是 High Bandwidth Storage（高带宽存储）。HBS 的思路是把 NAND 和 DRAM 结合起来，从而为边缘和移动应用提供一种更优解决方案。因此，这项技术并不是为数据中心设计的，而是为下一阶段做准备，也就是当 AI 开始运行在越来越多终端设备上的时候。目前，SK hynix 是唯一一家正在开发 HBS 的公司，这可能会为其带来显著的竞争优势和先发优势。
为什么我认为 SK hynix 是面向未来的最佳选择
Samsung 目前拥有一个优势，但这个优势正在逐渐减弱，那就是 Samsung 是一家规模巨大的综合型公司，可以在内部自行生产很多东西。尤其是 Samsung 能够生产市场上最优秀的一些 SSD，这一直给它带来很强的竞争优势。但和往常一样，竞争对手总会试图攻击这种竞争优势。如果 HBF 成功，而我预计它会成功，那么 Samsung 的一个主要竞争优势就会被削弱。
另一个机会来自 CXL。SK hynix 不久前展示了基于 DDR5 的内存池化概念。Samsung 也有自己的 CXL 产品。不过，CXL 会降低系统对于高性能 SSD 的依赖，而这应该会利好 SK hynix。
目前来看，凭借强大的 SSD 产品组合，我认为 Samsung 仍然拥有轻微优势。但我认为 SK hynix 面向未来的布局更好。凭借 HBM、HBF 和 HBS 产品组合，SK hynix 将能够覆盖未来 AI 存储市场几乎整个产品谱系，而我目前还没有在 Samsung 和 Micron 身上看到同样完整的布局。我也认为，SK hynix 正与 Nvidia（NVDA）共同开发面向 Physical AI 的下一代存储解决方案，这同样是支持 HBS 投资逻辑的一个强有力论据。就我个人而言，我相信未来 HBF 和 HBS 的市场规模甚至可能超过 HBM。听起来也许很疯狂，但我认为机器人对于存储的需求最终会超过数据中心。不过，这种情况是否会在当前这一轮存储周期内就发生，目前没有任何人可以百分之百确定。
估值
【原文图片位置：SK hynix 与 Micron 前瞻估值对比（YCharts）】
遗憾的是，Samsung 的存储业务并没有单独上市，因此我没有把 Samsung 纳入比较。最终，这个比较只包括 Micron 和 SK hynix。不过，从图中任何人都可以明显看到，这两家公司的前瞻估值倍数都极低。原因很简单，市场存在一种不理性的担忧，认为 2027 年存储价格或出货量会大幅下降。我认为这种担忧并不合理，因为各家公司管理层的表态以及资本开支预测都强烈指向相反的方向。
全球数据中心年度支出预计将从今年大约 8,000 亿美元增长至 2030 年的 1.1 万亿美元，并在 2050 年达到 1.8 万亿美元，这是 PwC 的预测。
考虑到 2030 年之前数据中心支出预计将超过 1 万亿美元，很明显，短期内市场并没有预计会出现明显放缓。我认为 2050 年的预测有些荒谬，因为没人能够看清 24 年后的未来。但我认为 2030 年的预测是现实的，甚至可能还有些保守。
韩国芯片制造商 SK hynix 周四表示，公司计划于 2029 年第三季度在 Indiana 工厂开始量产下一代 HBM4E 芯片，同时公司 CEO 表示，预计当前的存储芯片短缺将持续到 2030 年底。
当然，你不能盲目信任这些说法，但如果多位 CEO 都在谈论持续存在的存储短缺，那么可以合理推断，其中确实有一定真实性。因此，我认为 SK hynix 当前被低估，因为存储短缺仍将持续，而且我认为 SK hynix 会成为未来前景最好的存储公司。此外，我很幸运，我的券商允许我直接购买 SK hynix 的 GDR 和 ADR，这意味着我不需要支付额外的 ADR 溢价。但我也认为 ADR 本身仍然值得买入，虽然价格略高一些，但其前瞻市盈率仅为 6.2 倍，依然极其便宜。
我的投资逻辑面临的风险
除了那些显而易见的风险，例如供给过剩比预期更早出现之外，公司还面临执行风险。HBF 和 HBS 目前都还没有真正证明它们能够达到我对这两项技术的预期。虽然第一批原型产品看起来非常有前景，但最终商业成功依然存在不确定性。不过，这也正是投资如此有趣的地方。你需要尝试预测未来究竟哪些技术会主导市场。正因为如此，我对 SK hynix 的投资期限是 5 年以上，而不是短期投资，而遗憾的是，短线投资最近已经越来越成为市场趋势。
结论
从长期来看，我非常看好 SK hynix，因为在我看来，能够在未来 AI 发展中扮演如此重要角色的公司并不多。当前这家公司几乎具备我希望在一项投资中看到的所有要素：有吸引力的估值、强劲的未来前景、较高的进入壁垒，以及很可能持续存在多年的需求。
在我看来，SK hynix 正与 Nvidia 合作，为 Agentic AI 奠定基础，这将进一步提升公司的重要性。Jensen Huang 对未来有着惊人的判断力，而在我看来，与他或者他的预测反向下注，并不是一个好主意。
因此，总的来说，基于 SK hynix 当前作为 HBM 领导者的公司质量，以及按照我的判断其未来可能成为 Edge AI 领域领导者的潜力，我给予 SK hynix“强烈买入（Strong Buy）”评级。
GWDC 2026 KOREA · Hackathon 全球招募开启：$100K 现金与生态资源护航，全球 Builder 齐聚首尔共建 AI × Web3Web3Labs 携手全球商业伙伴、行业媒体、社区与高校生态，面向全球 Builder 持续开放项目提交，9 月底首尔另设 48 小时线下决赛
关于GWDC
GWDC（Global Web3 Developer Conference）作为全球顶尖的技术盛会，始终致力于连接全球开发者、技术领袖与创新企业，通过深度整合产业生态，全面推动前沿技术的跨界交流与创新实践。
本届大会由 Web3Labs 主办，Techub News、Hypai Labs 及 TokenPost 联合主办，将于 9 月 28 日至 30 日在韩国首尔 aT Center 举行。大会预计吸引 8,000+ 参会嘉宾、500+ 核心开发者、近百家参展商及 100+ 投资机构，旨在共建万人级 AI × Web3 交流平台。
顶级政商及行业领袖
GWDC 2026 KOREA 已成功汇聚 “政、产、融、研” 重量级嘉宾。截至目前，韩国副总理兼财政部长具润哲（Koo Yun-cheol）、韩国国会议员闵炳德（Min Byoung-dug）、香港立法会议员吴杰庄（Johnny Ng）、亚洲经济发展委员会主席尹锡宪（Suk-hun Yoon）等政界及金融领域重要嘉宾已确认出席，共话全球数字经济发展、合规治理与技术创新。
此外，大会还将汇聚 Web3Labs CEO 黄俊瑯（Caspar Wong）、Bithumb CEO Lee Jae-won、NAVER 创始人及 Happybean Foundation 主席 Kwon Hyuk-il、TRON 创始人孙宇晨（Justin Sun）、Kakao Pay CEO Shin Won-geun、Microsoft 大中华区数字业务副总经理 Ryan Li、Animoca Brands 集团总裁 Evan Auyang、YZi Labs 管理合伙人兼负责人 Ella Zhang、Nano Labs 创始人兼董事长 Jack Kong 等行业及机构代表，共同探讨 Web3 与 AI 的融合发展及前沿技术的产业落地。
关于GWDC · Hackathon
作为大会核心环节的 GWDC 2026 KOREA·黑客松，秉承“For Builders, By Builders”的极客精神，目前已正式面向全球 Builder 开启项目招募。
本届黑客松将围绕最多 5 条生态公链展开，奖池总额将超过 $100,000 USD，截至目前，本届黑客松已获 TRON 加持，并携手全球顶级云服务商 Microsoft 提供强大的算力与云端资源支撑，全方位赋能参赛团队的开发、测试与部署。项目招募持续开放，诚邀各阶段团队踊跃参与。
此外，本届黑客松将于首尔另设 48 小时线下决赛。所有团队均可赴首尔参与现场角逐，在极限开发与优化中，与全球开发者、顶级投资人及行业领袖深度交流碰撞，并于现场见证获奖名单揭晓，解锁更多生态合作与品牌曝光机会。
一、GWDC 2026 KOREA·Hackathon 基本信息介绍
时间：2026年9月28日 - 30日
地点：首尔·aT Center
形式：线下 Coding + Demo Day
奖金：50K USD + 价值50K USD生态资源支持
二、黑客松赛程安排：48小时极限挑战
本届黑客松分为线上报名与线下现场开发及决赛两个阶段，以下时间均为韩国标准时间（KST），请参赛团队提前关注相关时间节点：
线上团队报名 8 月 25 日 – 9 月 25 日
团队自行组队及报名
线下现场阶段 9 月 28 日 17:00–20:00
黑客松现场启动
公链生态及技术负责人进行项目介绍、技术分享与生态任务交流
开发者大礼包领取
9 月 28 日 20:00 – 9 月 30 日 11:00｜现场 Coding
参赛团队围绕生态挑战进行项目开发、技术优化与产品完善。
9 月 30 日 12:00 前
项目提交
9 月 30 日 15:00–17:00
Innovation Stage 项目展示 & 颁奖仪式
评审与项目展示
本届黑客松将邀请参与生态公链的 CXO、技术及生态负责人，以及行业头部 VC 担任评委，对参赛项目进行现场评审。优秀团队将获得 Innovation Stage 现场展示机会，并有机会与行业投资机构及生态伙伴进行深入交流，拓展后续投资与生态合作机会。
三、参赛权益与生态支持
· $50K USD 现金奖励 + $50K USD 生态资源支持
优胜项目可获得最高 $50,000 USD 现金奖励及价值最高 $50,000 USD 的生态资源支持。
· Microsoft Azure Credits 支持
符合条件的项目可获得 Microsoft 最长 6 个月的免费云服务 Credits，为项目开发、测试及部署提供云端资源支持。
· Web3Labs 全球加速机会
获胜项目将优先进入 Web3Labs 2026 全球加速计划及孵化项目储备库，获得后续项目发展与生态支持机会。
· 行业资源与投资对接
与行业资深从业者、头部企业及一线 VC 进行交流，拓展投资、生态合作及行业资源。
· 全球媒体与市场曝光
优胜项目将获得持续的媒体报道与市场推广支持，通过全球媒体及社区渠道提升项目曝光度与行业影响力。
四、GWDC 2026 KOREA Hackathon 参赛要求
· GitHub 开源代码仓库：参赛项目须提交可公开访问的 GitHub 代码仓库。
· Demo 视频：须提交项目 Demo 视频，时长不超过 3 分钟。
· Pitch Deck：提交完整项目介绍及 Pitch Deck。
· 现场展示：入围决赛的团队须在 Innovation Stage 进行项目现场展示。
· 团队规模：每支参赛团队最多 5 人。
参赛团队可根据自身情况选择线上参与或前往首尔参加现场环节。最终项目提交须包含以上全部材料，并按照赛事时间节点完成提交。
五、GWDC 2026 KOREA · Hackathon 报名通道
黑客松详情及赛道：www.gwdc.net/hackathon.html
开发者报名：https://forms.gle/vQRpYf9T7mwZBEPX9
官方 TG 社群：https://t.me/GWDC_Global
请选择您团队的报名通道，如未加入合作高校/社区通道，可选择其他。具体赛道与任务详情将于 9 月中旬公布。
全球矩阵伙伴与协作网络
目前，GWDC 2026 KOREA 已联动全球多地的头部行业品牌、媒体、AI 与 Web3 社区，以及知名高校链协。通过品牌资源共建、媒体矩阵报道、社区联合传播及高校生态资源整合，为本次万人级大会及黑客松赛事提供全方位的宣发支持与全球推广网络。
技术创新不止于代码，更在于将新的想法真正带入现实。GWDC 2026 KOREA Hackathon 希望为全球 Builder 提供一个开放的创作与交流平台，让更多创新想法被看见、被实践，并连接更多真实的应用场景。
期待与全球 Builder 相聚首尔，用代码，让世界重新有趣。
Bitcoin Asia 香港现场专访方德证券何峥炜：加密资产增配的空间依然在，「全港首个」AI股票机让投资走向认知平权撰文：TECHUB NEWS 香港报道｜记者 Alma Li｜2026年8月28日
全球投资，一站搞定：一家新一代互联网券商CEO的加密观点
核心观点：
今年5月，方德证券与方德资本同步完成1、4、9号牌虚拟资产业务升级。成为香港少数“交易+顾问+资管”全链条持牌的券商。在Bitcoin Asia 2026现场，方德金控及方德证券首席执行官何峥炜接受了TECHUB NEWS专访：他曾在华尔街亲历加密货币IPO的挫败，也在Jefferies参与了MicroStrategy两期可转债发行；如今他要做的，是把机构级的投研能力通过AI交到个人投资者手里——“深度投研不该只是机构的特权。”
方德证券CEO 何峥炜（左）在Bitcoin Asia 2026香港会场接受TECHUB NEWS记者Alma Li专访
Bitcoin Asia 2026 香港会场，方德证券的展台前人流不断。刚结束一场演讲的何峥炜状态很放松，聊起天来没有架子。展台桌上摆着一台 iPad 样子的设备——那是方德刚推出的 AI 股票机，里面装载的是方德自研的服务体系。采访中，他随手拿起股票机来进行演示，像在展示一件自己早已用顺手的工具。
这是方德证券加大投入香港市场的一年。今年1月，九方智投控股（9636.HK）完成对方德证券、方德资本的收购；5月，方德证券及方德资本获香港证监会批准，第1类、第4类、第9类牌照同步升级虚拟资产业务，成为香港少数三类牌照同步获批的金融科技持牌券商；位于上环金龙中心的四层旗舰店也已正式投入运营。
何峥炜是典型的华尔街出身：美国投行背景，曾在 Jefferies 做投资银行业务，2021 年加入方德证券。他也是香港加密圈的资深参与者——2016至2017 年第一次接触比特币并亲历过 MicroStrategy 的两期可转债发行。我们的对话就从那三张同时升级的牌照开始。
三张牌照同时升级：加密是必须配齐的资产门类
方德证券Bitcoin Asia 2026展台，主打“全港首个专注投资体验的AI智能投资终端”
TECHUB NEWS：今年5月，方德获香港证监会批准，1、4、9号牌升级后可以开展虚拟资产业务。对整个集团来说，这块业务的战略意义在哪里？
何峥炜：我们一直把 Crypto 当作一个非常重要的资产类别。方德从成立之初就坚持站在投资者的角度——我常说我们要做券商领域的一家“综合医院”，医院里要有各种不同的科室、各种不同的药，满足不同病人的需要；放在券商里，就是各种不同的投资产品，满足不同客户的资产配置需求。最传统的产品线我们有股票、固定收益、衍生品、美股期权，后来又有结构化产品、FCN 等等，现在另一个特别重要的资产类别就是 Crypto。本着从客户角度出发，我们非常坚定地要完成牌照升级。
TECHUB NEWS：而且是1、4、9号牌同时升级，这可以覆盖经纪、投顾和资管三条线。
何峥炜：对，我必须强调这一点：我们是1号牌、4号牌、9号牌同时升级。很多券商可能只升级了1号牌，一些资管公司只升级了9号牌，但我们是同时做的。所以在加密服务上，我们能全方位地给到客户。
TECHUB NEWS：升级之后，方德在加密资产这块能给用户哪些服务？是所有用户都能用，还是分层？
何峥炜：这是我很关心的问题。我分两个大的类别讲。第一个是对内的，跟着牌照走：1号牌的交易，零售客户我们提供前四到五个主流币种；专业投资者（PI）客户，我们加了一些币圈生态里特别有意思的币，比如 Uniswap、Chainlink、Litecoin等。一个账户，全部打通。4号牌的投顾，我们建立了一整套完善的 Web3 研究资讯体系——得益于母公司九方智投在研究投顾上的积累，我们现在有周报、月报、年报的 Web3 资产配置定期报告，遇到特别事件随时响应，通过 APP、研究内容和直播触达客户。9号牌的资管，升级之后我们可以给客户做 100% 的资产配置，APP 上有纯币的策略、有跟币相关股票的策略，客户一键 follow、一键下单。
第二个是对外的。我们想做一个开放的生态，4号牌和9号牌我们有很多战略合作方：跟香港的持牌交易所合作，跟持牌资管机构合作，很多都是我们战略级的合作伙伴。
TECHUB NEWS：这算不算方德区别于其他券商的差异性？
何峥炜：我觉得最重要的是1、4、9号牌同时升级，加上方德与香港持牌交易所之间的合作关系，再加上九方整个研究投顾体系的输出——我们其实已经形成了一个闭环：用户从入口进来，我们给他多资产的配置选择，给他投顾的方向，再给他策略。从起点到落点，是一个完整的圈。当然，这只是我们的第一步。
下一站 RWA：股票代币化是真需求
TECHUB NEWS：第一步之后呢？
何峥炜：我们已经在准备第二阶段，后面会有很多 RWA 的东西，尤其是股票代币化。这是真实的需求、真实的市场：7×24小时交易。股票代币化不只是上市公司股票的代币化，也包括一级市场股权的代币化——比如 SpaceX 上市之前，市场对它的兴趣就很大。当然这里面会有竞争，海外已经有人在做了，纳斯达克自己12月6日也要开始推相关交易，大家都在抢这个市场。
TECHUB NEWS：也就是说，下一阶段用户在方德 APP 里可以买到股票代币？
何峥炜：那会是第二阶段。我们已经在和合作伙伴、那些交易所讨论，他们有很多也已经开始上这些服务。还有一个是基金代币化，货币基金代币化现在香港已经比较成熟，7×24小时随时申购赎回，合规上也成熟——你把一个 SFC 认可的东西放到一个基金里，再把这个基金代币化。
新一代互联网券商：从信息平权到认知平权
参会者在方德展台体验AI智能投资终端
TECHUB NEWS：现在已经是一个融合的时代，同一个账户下可以买股票、衍生品和加密资产。方德这个账户体系是怎么做的？
何峥炜：简单讲，你进入方德的主账户，就可以配置我刚才提到的所有资产类别，购买力是打通的。账户打通只是基础设施，我们在基础设施之上叠加了两层：一层是 AI 的功能，一层是服务的功能。AI 不只是帮你投资，它会分析你的 KYC——你是什么类型的客户、你的风险偏好是什么、你目前缺的是什么，然后给你提供支撑。
TECHUB NEWS：方德给自己的定位是“新一代互联网券商”。请你定义一下，什么叫新一代？
何峥炜：如果用一句话总结：我为客户解决的，是认知平权的问题。上一代互联网券商解决的是信息平权的问题。怎么解决认知平权？靠三个东西：第一是专属的服务，face to face，通过投资顾问的沟通，真正了解客户需求，量身定制；第二是深度投研，用自上而下的方法，从全球资产类别的角度，真正站在客户立场看应该加什么权重、减什么权重；第三是 AI 智投。把这三样东西整合在一起，才是新一代。
TECHUB NEWS：但金融市场某种程度上是零和博弈。你帮高净值个人打破了认知平权，让他们接近机构的水平，那机构岂不是要少赚钱？
何峥炜：首先我必须说，投资不是一个零和游戏。你看美国市场，它给投资者带来了什么？大多数人是赚钱的，因为产业在创造真实的价值——英伟达、特斯拉、SpaceX，它们在为整个世界创造真正有价值的东西，还有分红，这不是博弈。第二，机构永远有它自身的壁垒。我们要解决的是：原来个人投资者在这里，机构在那里，我们把个人投资者往上拉一大截，极大地提升他的认知门槛。但他跟机构之间仍然会有差距——资金规模不一样，研究能力也不一样。方德提供 AI 工具给个人，机构也在用 AI，可能还是更强大的 AI。但至少，我们把认知的落差拉到了同一个量级。
这一判断并非一时兴起。在7月接受香港媒体专访时，何峥炜就明确说过，方德AI股票机的目标，是“打破过往深度研究仅服务机构客户的特权，让高质素原创投研内容触达每一位大众用户”。一个多月后的Bitcoin Asia，他把同一逻辑讲得更直白：从信息平权到认知平权。
一台“给个人的投资终端”
方德展台向来访者展示的方德AI股票机
TECHUB NEWS：说回桌上这台 AI 股票机。彭博终端是机构用的产品，方德现在相当于让个人投资者也拥有了一个“终端”？
何峥炜：对。很多机构投资者用 Bloomberg，我自己用 Bloomberg 差不多十五年，已经离不开它了。个人投资者——特别是高净值客户——也需要一个 AI 驱动的终端，帮他们做投资判断。当然，AI只是工具，最终的投资判断和责任仍在投资者自己手中。手机 APP 会受打扰，你要处理别的事情，各种推送会打断你；但这个终端是专属的，能更好地承载投资决策的 AI 功能和专属界面。我现在已经离不开它了，就像当年离不开 Bloomberg 一样。
TECHUB NEWS：我看这里有热点追踪、AI 选股、量化工具，还有一个 AI 助手可以问股票问题。它用的是什么模型？
何峥炜：我们用的是开源大模型做底座，上层架构是我们自己研发的，然后训练了垂直领域的语料。现在各家大模型大家都会用，但出来的东西不一样，差别就在语料和场景上。
TECHUB NEWS：这个机器只给方德用户？
何峥炜：目前主要给方德的用户，跟他的证券账户绑定。对于在方德达到特定资产门槛的客户，我们会赠配。
加密的增长方向：从 1% 到 5%
TECHUB NEWS：怎么看接下来加密市场的增长方向？
何峥炜：先声明，我不是研究分析师，以下不作为投资建议。就基于我刚才演讲的内容：在整个资产配置里，Crypto 的比例还非常低。美国那些主流机构——大学基金如哈佛、布朗，还有贝莱德——配置也就 1% 以下。我们在2025年针对香港持牌9号资管机构做过一个调研，加密相关配置大约也在 1% 以下，大概 0.5%。但同时我们又调研了香港很多家族办公室和财富管理机构，他们的目标是把加密相关资产配到 5%。
香港的财富管理规模是 5.4 万亿美元——这与香港证监会2026年7月发布的《2025年资产及财富管理活动调查》相吻合，该调查显示香港管理资产总值已达42.2万亿港元的历史新高。从 1% 到 5% 是 4 个百分点，1 个百分点差不多是 4000 亿港币，4 个百分点就是 1.6 万亿港币的增量。而整个加密市场现在的总规模还不大，比特币大概 1.4-1.5 万亿美元。上一个周期大家总把比特币跟黄金比——我现在依然相信这个类比：在超主权信用上，比特币和黄金站在同一个位置——它们都是超主权的信用资产。黄金现在是 15 万亿美元的体量，比特币 1.5 万亿，至少在同一坐标上，空间是看得见的。当然，今天我们不构成投资建议，有兴趣可以到我们的 APP 看研究团队的观点。
AI 不会取代人，但会改变一切
TECHUB NEWS：牌照落地之后，竞争就回到服务能力。对方德、对你个人来说，机遇和挑战在哪里？
何峥炜：我认为 AI 可以做很多事情，尤其是 AI 加投顾。AI 可以形成一整套特别完善的、量身定制的服务体系，对于高净值个人投资者来说，这会改变整个生态——原来他的认知在这里，你把他拉到更高层面上。可能以后不需要那么多 APP ，直接调用 API，一个终端就搞定，你跟它讲需求，它直接交易，帮你调用最好的接口。It's going to change a lot of things.
TECHUB NEWS：现在很多人讲 Agent，讲 AI 的推进，你觉得未来完全可行？
何峥炜：我觉得会是一个很大的机会。但我要澄清一点：我不认为 AI 会取代人。同样的 AI 工具，不同的人用，可能是完全不同的结果。你必须会问问题，必须知道怎么用它——让 AI 为我们工作，是我们做 AI 的主人，而不是 AI 做我们的主人。而且 AI 没有欲望，人有。
券商要守住什么：做医院，不做卖药的
TECHUB NEWS：最后一个问题。市场上券商很多，方德又是“生而全球”的公司。作为一家要持久的、对客户负责任的券商，最需要守住的是什么？
何峥炜：最重要的一点是资产的安全性。我们给投资者提供建议的过程——包括我们的 AI 模型——是不是真正站在客户的角度，从客户出发去解决问题。这涉及整个公司的文化：是不是真的“客户出发”的文化，而不是一开始就想“我要推什么产品给你”。我们想做的是一家“医院”，而不是一个“卖药”的机构。医院要先诊断：你适合什么、你需要什么，然后再根据你的需要配产品。有些很复杂的结构化产品，对券商来说是高毛利，但如果这个客户完全没有这个知识面，不清楚底层逻辑，不知道风险在哪里——but I'm not going to do that.
TECHUB NEWS：回到商业逻辑的本质。
何峥炜：本质就是，我们希望每个方德的用户都能真正挣到钱。他笑言，公司内部有句更直白的话：“投资最重要的是赚钱”。APP 好不好用不是金融投资的第一性原理，帮客户挣钱才是。
编辑说明：本文由 TECHUB NEWS 记者 Alma Li 根据 2026 年 8 月 27 日 Bitcoin Asia 2026 香港会场专访录音整理，有删节，未经受访者本人审阅。文中方德证券牌照、旗舰店、AI 股票机、集团收购等信息已与九方智投控股（9636.HK）公开公告核对；受访者中文姓名、头衔及公开履历经 etnet 经济通、财新峰会等公开报道核对。何峥炜关于加密市场的观点为其个人观点，其在采访中已声明不构成投资建议。
免责声明：本文仅作信息交流，不构成任何投资建议。投资涉及风险，证券、期货合约及虚拟资产的价格可升可跌，过往业绩并不代表将来表现。虚拟资产属高风险投资，价格波动剧烈，可能面临部分或全部本金损失的风险。虚拟资产相关证券风险涉及虚拟资产行业风险、投机性风险、不可预见的风险、极端价格波动风险、所有权集中风险、监管风险、欺诈、市场操纵及安全漏洞风险、网络安全风险、潜在操纵比特币网络的风险、分叉风险、非法使用风险、交易时差风险。投资者不应仅依赖本文内容作出投资决策，在作出任何投资决定前，应充分了解相关产品的性质及风险，并根据自身的投资目标、财务状况及风险承受能力审慎考虑，如有需要，应咨询独立的专业意见。方德AI股票机由方德智投有限公司提供。涉及受规管活动部分，由方德证券有限公司提供。AI提供意见仅供参考，不构成投资建议，投资者应自行评估风险，最终决策由投资者自行决定。
相关公开资料：
1. 九方智投控股：最新业务发展之自愿性公告（2026年7月10日）｜港交所披露易
2. 方德证券及方德资本获香港证监会批准新增虚拟资产业务资格｜美通社
3. 方德證券上環1.9萬呎旗艦店開幕 CEO何崢煒親解「新一代互聯網券商」｜etnet 經濟通
4. 方德證券：未來在香港會逐步擴大覆蓋，料客戶數目將翻倍增長｜etnet 經濟通
5. 香港证监会《2025年资产及财富管理活动调查》：管理资产总值42.2万亿港元创新高撰文：Techub News 整理 导语 北京时间 2025 年 5 月，微软年度开发者盛会 Microsoft Build 2025 正式拉开帷幕。在长达近两小时的开幕主题演讲中，微软董事长兼 CEO Satya Nadella（萨提亚·纳德拉）系统阐述了公司在 AI 时代的核心战略与最新平台进展。本次演讲的背景是 AI 技术，特别是大语言模型和智能代理（Agent）能力正进入规模化应用的关键“中场阶段”。纳德拉将当前时刻类比于 1991 年的 Win32、1996 年的 Web 以及 2008 年的云与移动浪潮，强调微软正致力于构建一个“开放的、可扩展的代理网络”，旨在为全球开发者创造前所未有的机会，赋能星球上的每一个人与组织。 摘要 GitHub Copilot 进化成“对等程序员”：开源 VS Code 中的 Copilot 核心，并推出能自主处理 GitHub Issue、修复 Bug、实现新功能的完整编码代理。 Microsoft 365 Copilot 成为“AI 的 UI”：整合聊天、搜索、笔记本、创作与代理，并推出 Copilot Tuning 功能，允许企业基于自身数据微调专属模型。 Azure AI Foundry 定位为“AI 时代的应用服务器”：提供模型路由、多代理编排、企业级安全管控与本地部署能力，并宣布引入 xAI 的 Grok、Mistral 等众多新模型。 Windows 成为代理网络原生平台：推出 Windows AI Foundry 与 Foundry Local，原生支持模型上下文协议（MCP），让智能代理能安全调用本地系统能力。 发布 Microsoft Discovery 科学发现平台：将智能代理工作流应用于科学研究，实现从文献调研、假设生成到模拟实验的自动化闭环，加速新材料、新药物研发。 开发者工具进化：从助手到对等程序员 Satya Nadella（萨提亚·纳德拉）开篇即强调，一切始于开发者使用的工具。软件工程的本质是利用合适的工具将想法变为现实，并不断驾驭复杂性。微软的开发工具生态正经历前所未有的增长与扩散：Visual Studio 家族用户超 5000 万，GitHub 用户达 1.5 亿，而 GitHub Copilot 已被超过 1500 万开发者使用。 此次 Build 大会，微软为开发者工具栈带来了多项重磅更新。最引人注目的是宣布在 VS Code 中开源 Copilot 的 AI 驱动能力，将其集成到这个全球最受欢迎开发工具的核心开源代码库中。这标志着微软正将 AI 编码体验更深、更开放地融入开发者工作流。 纳德拉指出，GitHub Copilot 的演进路径清晰地反映了“代理网络”的普遍模式：从代码补全，到聊天交互，再到多文件编辑，如今已进入“代理”阶段。开发者可以提问获取答案，可以分配任务让代理执行，也可以与 AI 并肩工作完成项目。微软正在将这种模式系统化。 首先，Copilot 现在能够进行应用现代化升级，例如将 Java 8 应用升级到 Java 21，或将 .NET 6 迁移至 .NET 9，甚至将本地应用迁移上云。它能分析代码与依赖关系，制定升级计划，并在过程中学习开发者的修改，使整个流程无缝衔接。 其次，微软推出了面向站点可靠性工程（SRE）的自主代理。该代理能自动对生产环境问题（如半夜的告警）进行初步诊断、根因分析、缓解处理，并自动生成包含修复项的事故报告（作为 GitHub Issue）。开发者甚至可以将这些修复项直接指派给 GitHub Copilot 去完成。 而最重大的飞跃，是推出了内置于 GitHub 的完整编码代理，将 Copilot 从“结对程序员”升级为“对等程序员”。开发者可以将 Issue、Bug 修复、新功能开发、代码维护等任务直接分配给 Copilot，它将自主完成这些工作。纳德拉在现场演示中，轻松地将一个为社区页面添加用户组规模过滤器的复杂 Issue 分配给了 Copilot 代理。代理随即创建分支、启动 GitHub Actions、生成计算资源，并提交了包含具体代码变更的拉取请求草案。整个过程，开发者只需进行任务分配与最终审核，极大提升了效率。 纳德拉强调，这个编码代理在提供卓越开发体验的同时，严格遵守安全规范：它在独立分支中工作，仅使用开发者配置的 MCP 服务器，并且可以安排其他代理进行代码审查，在运行任何 CI/CD 或合并操作前确保人员参与。微软也将这些核心能力开放给合作伙伴，以期构建一个开放、安全的代理生态系统。 平台机遇：Microsoft 365 Copilot 与智能代理生态 将视角从代码开发上移，纳德拉重点阐述了 Microsoft 365 所代表的平台机遇。最新版 Microsoft 365 Copilot 已全面上市，这是自 Teams 发布以来最大规模的更新。它将聊天（Chat）、搜索（Search）、笔记本（Notebooks）、创作（Create）和代理（Agents）整合到一个直观的框架中，纳德拉称之为“AI 的用户界面”。 其中，聊天功能基于网络数据和个人工作数据进行“ grounding ”，搜索可跨越 Confluence、Google Drive、JIRA、ServiceNow 等多种应用，笔记本允许创建包含聊天记录、页面、文档、邮件等异构数据的集合。创作功能可以将 PowerPoint 转换为讲解视频或生成图像。 代理方面，微软推出了几个特殊代理，如“研究员”（Researcher）和“分析师”（Analyst）。“研究员”能综合网络和企业数据源，对任何主题或项目进行深度思维链推理；“分析师”则能从多个原始数据文件（如多个 Excel 表格）中获取洞察、进行预测和可视化。纳德拉感慨，比尔·盖茨多年前提出“信息唾手可得”，而2025 年 5 月正进入“专家能力唾手可得”的时代。 Teams 则将这一切变为“多人游戏”。开发者构建的代理可以出现在 Teams 和 Copilot 中，用户只需在聊天或会议中提及某个代理，就能提问、分配任务或启动工作流。借助 Teams AI 库和 MCP 支持，构建多人协作代理变得前所未有的简单。 更关键的是，开发者现在可以将自己构建的代理发布到“代理商店”（Agent Store），使其能够在 Copilot 和 Teams 中被数亿用户发现和使用。过去一年，已有超过 100 万个代理被构建并连接到 Copilot 和 Teams。纳德拉展示了 Workday、ServiceNow、伦敦证券交易所集团（LSEG）等合作伙伴如何利用代理连接其业务系统，实现任务汇总、实时数据分析和报告生成。 为了进一步降低代理构建门槛，微软增强了 Copilot Studio 的能力，引入了完整的知识问答代理、MCP 支持、代理工作流，并新增了多代理编排功能。纳德拉以新员工入职这一涉及设施、财务、法律等多个部门代理的复杂流程为例，展示了如何通过编排让这些代理协同工作，大幅提升效率。 最后，纳德拉宣布了一项重大升级：Copilot Tuning。企业现在可以利用自身的数据、工作流和行文风格来微调 Copilot 模型，打造企业专属的、理解公司特定语调和知识的智能代理。例如，律师事务所的代理可以推理过去的论点和相关文献，生成符合公司风格的文档；咨询公司可以为不同垂直行业定制专属模型。这标志着 Copilot 从“使用工具”向“成为定制化企业智慧”的深刻转变。 AI 应用基石：Azure AI Foundry 与模型生态系统 要构建生产级、有状态的智能应用，仅靠模型 API 调用是远远不够的。Satya Nadella（萨提亚·纳德拉）指出，当前需要的是一个真正的“应用服务器”。为此，微软推出了 Azure AI Foundry，将其定位为“智能的生产线”。 Foundry 是一个完整的 AI 应用平台，涵盖模型选择、评估、编排、检索增强生成（RAG）等关键环节。目前已有超过 7 万家组织在使用 Foundry。它支持超过 1900 个模型，包括响应模型、推理模型、任务专用模型和多模态模型，并持续与合作伙伴同步最新模型。纳德拉特别提到，OpenAI 的 Sora 将于下周登陆 Azure。 为了简化开发，Foundry 推出了新的模型路由器，可自动为任务选择最佳的 OpenAI 模型。同时，应用正从绑定单一模型向真正的“多模型”架构演进。纳德拉隆重宣布，xAI 的 Grok 系列模型将登陆 Azure。Grok 3 将推理、深度搜索和响应模型能力集于一身。在播放的视频中，Elon Musk（埃隆·马斯克）阐述了 Grok 的设计哲学：致力于从第一性原理出发进行推理，应用物理学的工具来追求最小化错误的“真相”，并认为这对于 AI 安全至关重要。他热情呼吁开发者社区提供反馈，共同改进 Grok。 此外，Mistral、Llama 等开源模型也全面入驻 Azure。通过与 Hugging Face 的扩展合作，开发者可在 Foundry 中访问超过 1.1 万个前沿及开源模型。更重要的是，Foundry 允许开发者一次性地配置计算吞吐量，并在多个模型（包括 Grok）间共享使用，极大提升了资源利用的灵活性。 模型之外，Foundry 还提供了先进的检索系统（超越简单的向量搜索）、声明式的代理服务（支持多代理编排）、以及从无服务器函数到 Azure Kubernetes 服务（AKS）的全谱系计算选项。纳德拉展示了斯坦福医学院利用 Foundry 构建的“医疗保健代理编排器”，它能够协调多个代理，整合患者病史、放射学数据、PubMed 文献和临床试验信息，为肿瘤委员会会议生成全面报告，极大提升了癌症诊疗的效率和决策质量。该解决方案现已通过 Foundry 向所有人开放。 纳德拉强调，当人与代理协同工作时，企业级的管理、身份和安全控制至关重要。因此，微软将现有企业管控体系延伸至代理：通过 Entra ID 为代理提供独立身份和权限；通过 Purview 确保代理构建过程中的端到端数据保护；通过 Defender 保护代理免受提示词滥用、凭证窃取等威胁。这为智能代理的大规模企业部署铺平了道路。 边缘与客户端：Windows 拥抱代理原生时代 AI 的能力不仅存在于云端，也需要延伸到边缘和设备端。Satya Nadella（萨提亚·纳德拉）宣布推出 Foundry Local，包含高性能运行时、模型、代理即服务和本地应用开发 CLI，全面支持 Windows 和 Mac。 对于 Windows 平台，纳德拉宣布了 Windows AI Foundry。这是微软内部用于构建 Copilot+ PC 上“回忆”（Recall）、“一键执行”等功能的同一平台，现在开放给所有开发者。它支持跨 CPU、GPU、NPU 和云的统一开发周期，并提供一系列预优化的开源模型供本地运行。 开发者甚至可以使用 LoRA 适配器对 Windows 内置的 Phi Silica 小语言模型进行定制，以满足特定应用需求。纳德拉预言，正如 o1 和 DeepSeek 开启了云端的推理计算革命，Phi Silica 将彻底改变 PC 端的推理计算格局。 为迎接“代理网络”时代，Windows 将原生支持模型上下文协议（MCP）。系统将内置文件系统、设置、应用操作、窗口管理等 MCP 服务器，并建立原生的 MCP 注册中心，让经过安全审核的 MCP 服务器能够被兼容的客户端安全发现和调用，同时确保用户拥有完全的控制权。现场演示显示，开发者只需在 VS Code 中对 GitHub Copilot 代理用自然语言发出指令，即可通过 WSL 和 Figma 的 MCP 服务器，自动完成 Linux 发行版安装、Node.js 项目搭建乃至按照 Figma 设计稿自动生成网站的全流程，展现了代理驱动开发的巨大潜力。 此外，纳德拉还兑现了一个长达十年的社区期待：宣布将 Windows Subsystem for Linux (WSL) 完全开源。随着 WSL 2 架构的演进，其核心组件已变得可独立分离，使得这一开源成为可能。 赋能科学：Microsoft Discovery 与基础设施革新 演讲的最后部分，Satya Nadella（萨提亚·纳德拉）将目光投向了一个可能产生深远影响的领域：科学发现。他宣布推出 Microsoft Discovery，一个为科学研究构建的智能平台。如果说 GitHub 服务于软件开发，Microsoft 365 服务于知识工作，那么 Discovery 就服务于科学。 Discovery 基于强大的图知识引擎（Graph RAG），不仅能检索事实，更能理解科学领域的细微知识。它构建于 Foundry 之上，集成了专为研发设计的先进代理。这些代理不是执行静态流程，而是在一个持续的迭代循环中协作：生成候选方案、进行模拟、并从结果中学习。 现场演示中，产品负责人 John Link 展示了如何利用 Discovery 寻找一种不依赖 PFAS（永久性化学品）的新型数据中心浸没式冷却液。平台代理首先调研了最新科学文献，然后制定了一个包含生成化学、AI 筛选和高性能计算（HPC）模拟验证的完整研究计划，并自动在 Azure 上执行。最终，系统在短时间内从数百万候选分子中筛选出了有潜力的目标。令人印象深刻的是，微软实验室真的合成了其中一种候选材料，并成功用于冷却一台运行游戏的 PC。这证明了 AI 驱动的研究闭环能够大幅压缩传统研发中长达数年的试错周期。 纳德拉总结道，这一切创新都运行在微软全球领先的云基础设施之上。他提到 Azure 是首个大规模部署 NVIDIA GB200 的云平台，单个机架能提供每秒 86.5 万 tokens 的惊人吞吐量。通过与 NVIDIA CEO Jensen Huang（黄仁勋）的视频对话，双方强调了在 CUDA 生态、全栈优化（从芯片到软件）以及最大化每美元每瓦特性能（“tokens per dollar per watt”）上的紧密合作。此外，微软自研的 Cobalt ARM 处理器也已大规模应用于自身及合作伙伴工作负载。 纳德拉以世界银行在尼日利亚和秘鲁的教育项目为例，展示了 Copilot 如何成为最有效的教育科技干预手段之一，帮助教师提升课程质量与学生成果。他最终强调，微软的所有努力，其核心不在于技术本身，而在于人们能用它来做什么。构建开放、智能的“代理网络”的终极目标，是为全球每一个开发者、每一个组织创造机会，解决他们想要解决的问题，让技术真正赋能于人。