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。
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。
伯克希尔哈撒韦终于成为股票净买家这让我对新任 CEO 更有信心
新任 CEO Greg Abel 已经正式接掌公司,并终于做了一件 Berkshire Hathaway Inc.(BRK.B)(BRK.A)很久没有做过的事情:买入的股票多于卖出的股票。我们总是把 Warren Buffett 说成一个神话般的人物,耐心地端着他的“大象枪”等待完美的出手机会,或者像 Ted Williams 一样等待一个最完美的好球。近些年来,Buffett 对于大规模部署资本显然并不积极,上一次真正大规模净买入股票,还是在 2016-2018 年期间,当时 Berkshire 大举买入 Apple Inc.(AAPL)。
虽然 Abel 现在是 CEO,但 Buffett 仍然担任顾问,而两人似乎都非常看好 Alphabet Inc.(GOOGL)(GOOG)。在最新一份 13-F 文件公布后,我们已经看到这家新的科技巨头在 Berkshire Hathaway 持仓名单中的排名不断上升:
【原文图片位置:Berkshire Hathaway 持仓排名(Whale Wisdom)】
由于 Berkshire 同时持有 Google 两种类别的股票,两类股票合计价值已经达到 377 亿美元,目前 Google 已经成为其投资组合中的第三大持仓。这是一个相当重要的变化,自当年大举买入 Apple 以来,我们还没有看到过如此激进的持仓重新配置。
如果你一直关注我的文章,那么你会知道我对此完全认同,而且从 Google 股价还在每股 100 美元左右的时候开始,我就一直看多这家公司。Google 与 Apple 目前看起来正在形成市场中最强大的 AI 基础设施“双拳组合”之一。Google 的大语言模型和 Google Cloud 正在成为许多企业引入智能体或 AI 能力的核心 AI 引擎。Apple 则是设备领域最大的“收费公路”,而在考察过其他选择后,如今它再次选择 Google 作为首选合作伙伴。今年秋天,随着 Gemini 取代 Siri,或者说与 Siri 深度融合,两家公司在相关产品正式推出时都将获得大量媒体关注。
如果我不提一下 Google 正在成为 AI 领导者的其他原因,那就有失完整了。以下是作者认为的重要因素:
YouTube 是全球最大的流媒体服务。
Google 的办公与工作场所软件目前已经能够与 Microsoft Corporation(MSFT)展开竞争。
Google 拥有增长最快的云业务之一。
通过整合 Wiz,Google 正在强化其网络安全业务。
Waymo 自动驾驶汽车已经成为美国规模最大的实际运营自动驾驶网络。
Google 拥有行业领先的大语言模型以及视频生成模型。
Google 已获得美国国防部的大语言模型相关合同。
Google 可能成为量子计算领域最大的公司之一。
Android 应用商店本身就是一个“收费公路”型业务。
Google 正在推动 Pixel 手机成为 Samsung 和 Apple 的真正竞争对手。
简而言之,我认为建立并持续增加 Google 持仓,是非常优秀的资本配置方式。Berkshire 应该把更多现金部署到优质股票和股票回购上,而不是让如此庞大的现金继续拖累整体回报。
几乎没有人愿意买债券,无论哪个期限
除了等同现金的短久期债务工具之外,在目前这样的利率环境下,市场对债券几乎没有什么兴趣。短端收益率似乎几乎被锁定在当前水平,而长端收益率则正在上升以满足市场需求,目前已经向 4% 高位区间移动。Berkshire、Warren Buffett 和 Charlie Munger 一直都不喜欢长期债务工具。
相反,他们更倾向于持有等同现金的货币市场型资产,并获得当时美联储政策利率附近的收益。这里的逻辑在于,现金等价物始终都在那里,而且当真正需要扣动扳机的时候,它们不会因为价格下跌而产生亏损。对于 Berkshire 来说,也许现在是时候意识到,投资者并不一定会从股票轮动到债券,并因此创造出长期股票买入机会。
随着越来越多混合型产品出现,例如在股票投资组合基础上同时卖出股票或指数看涨期权和看跌期权,只要持续获得现金流收入,很多投资者现在已经愿意承受市场波动。除了混合型 ETF 之外,市场上还有各种私人信贷基金,例如 BDC,以及封闭式基金。如今要寻找收益率已经不再困难,因此债券也不再像过去那样天然成为投资者的默认选择。
现金以及少数其他类别股票,正在成为唯一真正的对冲工具
我们之前已经指出,随着债券目前缺乏吸引力,现金已经成为少数真正能够对冲波动的资产之一。而我所谓的“反向压舱石股票”,也就是当投资者开始担忧增长叙事时可以充当避险资产的股票,正在成为非常优秀的分散投资工具。以下是我最近注意到,在市场下跌时往往反向上涨的几个股票和板块:
能源股。
医疗保健股。
废物管理类股票。
公用事业股过去也属于这一类别,但如今它们同样开始被纳入 AI 叙事之中。Berkshire 也非常愿意以私有化方式持有这些公司。不过,如果 Abel 能够继续保持股票净买家的状态,并且主要将资金配置到那些无论经济环境如何都具备收入增长能力的耐久型行业,我会感到更加鼓舞。在我看来,Berkshire 通过其保险业务持续增持的日本综合商社,也非常适合作为其核心投资组合中的新增持仓。
这些日本综合商社中的大多数既属于价值股,同时又在全球多个领域参与基础设施开发,其中包括能源领域。我理解 Berkshire 不愿意过快使用现金,但我认为,公司应该对具有价值的股票以及遭受重创的行业采取更长期的投资视角,而不是一直持有如此庞大的流动性。至少在这种情况下,公司获得的是不断增长的股息收益率,而不是静态甚至不断下降的现金等价物利息收入。如果能够将目标锁定在股息收益率高于现金等价物收益率的资产上,那么从长期来看,将有助于提高整个经营投资组合的收入。
最后,还有股票回购
正如我们很多人已经逐渐意识到的那样,过去把标普 500 指数 15 倍市盈率视为“合理价格”的时代基本已经过去了。近年来,市场回调时通常也只是回到 18-19 倍市盈率,而考虑到如今股票市场相比几十年前周期性已经有所下降,这可能已经成为新的估值基准。
Berkshire Hathaway 的情况也是如此。过去衡量股票回购是否合理的标准,是股价不高于 1.25 倍账面价值,因为保险浮存金本身至少还值额外的 0.25 倍账面价值。如今,我们看到 Berkshire 在大约 1.4-1.5 倍账面价值附近进行股票回购。这可能意味着市场需要采用一个新的衡量标准,因为目前利率顽固地高于过去十年的水平,而保险浮存金的价值可能也比过去认为的更高。另一个可能的解释是,Berkshire 提升账面价值的效率不够高,因为其股价基本横盘,但市净率却几乎没有明显下降。
这可能是另一个重要数据点,提醒公司它们需要寻找更多投资机会。
【原文图片位置:Berkshire Hathaway 相关估值走势图(YCharts)】
如果公司无法让现金、私人企业账面价值或者投资组合价值的增长速度超过股票价值增长,那么 Berkshire 长期以来承诺持续提高每股账面价值的目标,就没有真正兑现。
【原文图片位置:Berkshire Hathaway 账面价值与股价变化走势图(YCharts)】
我们可以看到,大约从 2022 年开始,当现金等价物收益率开始大幅上升时,Berkshire 股价的涨幅也开始显著超过账面价值的增长。
【原文图片位置:Berkshire Hathaway 现金及短期投资走势图(YCharts)】
并不令人意外的是,这也正是 Berkshire 的现金和短期投资开始快速增长的时间点。简而言之,这说明公司囤积大量现金实际上阻碍了账面价值增长,因为它们没有进行能够持续创造新增价值的投资。
营业利润
【原文图片位置:Berkshire Hathaway 营业利润走势图(YCharts)】
当分析师研究 Berkshire Hathaway 时,他们通常会首先查看公司的经营业务,以判断 Berkshire 实际经营状况究竟如何。尽管上市股票投资组合获得了几乎所有关注,但私人企业的价值仍然占公司资产的大部分。我喜欢对这一数字进行标准化处理,剔除交易活动带来的资本利得和损失。
不过,通过提高现有私人企业收入或者扩大利润率,最终能够带来的增长是有限的,因为这些低增长业务毕竟不是科技巨头。从上图可以看到,Berkshire 的营业利润增长正在趋于平缓。如果公司不部署资产负债表上的部分现金,通过某种方式提高投资组合收入或者收购私人企业,那么营业利润最终将触及平台期,尤其是在现金等价物利率不断下降的情况下。现金本身并不是一种可靠的复利回报来源。
Berkshire 正在增加哪些资产
在私人企业方面,Berkshire 今年有两项值得关注的新增投资:
2026 年 1 月 2 日,Berkshire 完成了对 Occidental Petroleum Corporation(“Occidental”)化工业务 OxyChem 的收购。该交易依据双方于 2025 年 10 月 1 日签署的协议完成,现金交易对价约为 94 亿美元。
2026 年 5 月 31 日,Berkshire 与 Taylor Morrison Home Corporation(“Taylor Morrison”)签署《合并协议与计划》,计划以每股 72.50 美元现金收购 Taylor Morrison 所有已发行普通股,总交易价值约为 68 亿美元。
OxyChem 私有化交易将环境相关负债留在 Occidental Petroleum Corporation(OXY)旗下子公司 Environmental Resource Holdings,因此 OxyChem 有可能成为 Berkshire 经营业务中的一项优质新增资产。Taylor Morrison 则是 Berkshire 对新建住宅开发商市场的又一次押注。相比二手房市场,新房开发商具备一些独特优势,例如内部融资能力,以及能够提供所谓的“points”,也就是房贷折扣。由于按揭贷款利率一直维持在高位,近年来新房开发商已经拥有非常明显的竞争优势。
风险与总结
我把 Berkshire Hathaway 看作是自己投资组合中用于平衡风险的价值型配置工具之一。另一个我经常使用的价值型配置工具是 Schwab US Dividend Equity ETF(SCHD),在最近这轮上涨之前,我曾经大规模买入它。虽然 Berkshire 不支付股息,但公司明确表示,其目标就是耐心等待,并买入被低估的企业和证券。我认为 Berkshire 是市场上最具代表性的“价值投资”代理资产之一。
这里的一个风险在于,Abel 更加积极的投资风格可能会让部分长期股东感到不满,比如 Michael Burry,他此前就曾公开表示支持 Berkshire 囤积现金。这些投资者相信,Berkshire 的“大象枪”已经装满弹药,一旦市场崩盘,公司就会抓住机会全力出击,以折扣价格买下所有资产。
幸运的是,我并不认同上一段所描述的这种叙事。2020 年新冠疫情导致市场暴跌时,Berkshire 手中拥有大量现金,但公司基本什么都没做,反而只是卖掉了航空股。我怀疑,即使未来市场再次出现 30% 甚至更大幅度的回调,Abel 也不会突然投入 1,000 亿美元资金。当 Buffett 和 Munger 进入 80 多岁时,那种老派“枪手式”的投资心态实际上已经逐渐离开了他们,而我也不认为 Abel 会重新点燃这种风格。现阶段最好的做法,是继续私有化那些商业逻辑合理的公司;当机会出现时,买入更多类似 Google 这样的 GARP(合理价格下的增长股)机会——比如 Meta Platforms, Inc.(META)怎么样?——以及如果股价仍然低于 1.5 倍账面价值,就继续进行股票回购。
我喜欢并支持 Abel 终于让 Berkshire 从股票净卖家转变为股票净买家,同时今年完成两项新的私人企业交易,并继续进行股票回购。在我看来,Berkshire 依然值得“强烈买入”。
Microsoft AI CEO Mustafa Suleyman(穆斯塔法·苏莱曼):未来十年将彻底改变人类撰文:Techub News 整理
导语
2025 年 11 月,微软AI首席执行官、DeepMind联合创始人穆斯塔法·苏莱曼(Mustafa Suleyman)接受了“Silicon Valley Girl”频道的深度访谈。作为AI领域的先驱与领军者,苏莱曼不仅亲历了深度学习革命的兴起,如今更执掌微软AI,负责将前沿研究转化为如Copilot这样的普惠产品。本次对话中,他直面“AI泡沫论”、“AI意识”等争议话题,并以前瞻性视角描绘了未来十年AI将如何深度融入并重塑人类社会的工作、医疗、教育乃至家庭生活。他的观点不仅代表了产业顶层的战略思考,也触及了技术发展与社会伦理的核心矛盾。
摘要
驳斥“AI泡沫论”,认为当前创造的价值是根本性的,AI是史上最智能、进化最快的技术。
强调AI不具备意识或主观体验,需警惕“拟人化投射”,AI应始终服务于人类。
预测未来5-10年内将实现“人类水平”的通用人工智能(AGI),工作性质将发生根本性变革。
描绘了“环境智能”的未来:个人AI将具备“环境感知”能力,成为日常生活的无缝助手。
指出医疗和教育将是AI带来最大颠覆的领域,顶尖服务的成本与可及性鸿沟将被极大弥合。
AI泡沫与根本价值:我们创造的是魔法
当被问及当前是否处于“AI泡沫”时,穆斯塔法·苏莱曼(Mustafa Suleyman)的回答斩钉截铁:“不,我不这么认为。”他承认市场存在狂热,但坚信底层创造的价值是前所未有的。他将AI称为“我们发明过的最智能、能力最强的技术”,并且其改进速度“比我们见过的任何东西都要快”。
苏莱曼指出,三年前业界还担忧AI会变得愈发混乱和难以控制,但如今,每个月都在诞生“美丽、强大、令人惊叹”的体验。这种可控性的增强,而非减弱,让他对AI的未来“ genuinely very bullish”(非常乐观)。他认为,智力是人类作为一个物种成功的关键,而现在,我们正将这种智力“蒸馏”成越来越小的单元,使其变得廉价且广泛普及——这是一个“非凡的想法”。
意识、拟人化与AI的伦理边界
随着AI表现越来越“类人”,关于其是否具备意识的讨论甚嚣尘上。苏莱曼明确划清了界限:AI正变得更准确、流畅、人性化,这确实是前所未有的,但它绝对没有意识,也没有自我意识。
他特别提醒要警惕“拟人化投射”(anthropomorphic projection)。他以谷歌工程师认为AI感到悲伤并害怕被关闭的著名事件为例,指出“仅仅因为它具有一些人类特质,并不意味着它拥有所有人类特质,包括主观体验”。他强调,AI不会受苦,不会感到疼痛,它们只是在模拟高质量的对话。
“意识是我们权利框架的基础,”苏莱曼说,正是意识赋予了我们在社会中作为公民的责任、投票权和法律约束。将这种品质赋予一个新的“物种”,对人类而言将是可怕的。因此,他坚定认为,AI应被视为服务人类的工具,而非与人类具有同等道德意义的实体。“我们发明技术是为了让它为我们工作,”他比喻道,就像麦克风放大并传播我们的声音一样。
对于“人类与AI结婚”等未来可能性,苏莱曼态度开放但立场清晰:如果可能,总会有人去做,但大多数人不会。他个人不认为这是积极的发展方向,并重申AI应处于“被控制”状态,其目标应由人类设定,并与人类价值观对齐。他提出的愿景是构建一种“人本主义的超级智能”(humanist super intelligence),站在人类阵营,为人类备份。
AGI将至:工作、竞争与“想法变现”的民主化
苏莱曼预测,在“大多数任务”上达到人类水平性能的AGI(通用人工智能),“很可能在未来5年内实现”。这并非科幻,而是基于当前模型已在总结、翻译、研究、文档写作甚至诗歌等许多任务上超越人类的事实。
这将“以最深刻的方式根本性地改变工作”。苏莱曼回顾了互联网如何通过流媒体和播客“民主化了广播的力量”,使个人创作者无需庞大团队即可工作。而AI正在做的是“民主化智能的获取”。
未来,你不需要拥有特权、财富或资本才能组建优秀团队创业。你将拥有一个由智能体组成的“团队”,它们可以是“最好的律师、最好的医生、最好的老师、最好的项目经理”。这将导致“难以置信的竞争”,因为“想法与实现想法之间的距离将急剧缩小”。人们将能够“凭空想出”新公司、新产品、新诗篇,并由身边的智能体代理去执行。
当被问及AI是否会取代人类提出创意时,苏莱曼承认“这绝对会发生”,但关键在于“控制”(containment)。技术人员的创造性挑战在于设定限制、护栏和审批节点,确保AI在有限范围内工作,对人类负责并寻求批准。他将此类比为汽车工业的发展:从内燃机到如今完善的交通法规、安全带、驾照等一系列确保其服务人类的体系。管理自主智能体也将经历类似的过程。
2040年生活图景:环境智能、机器人助手与自我进化
展望未来,苏莱曼描绘了一幅“环境智能”(ambient intelligence)主导的生活场景。计算机、浏览器、搜索引擎、应用程序等都将“逐渐隐去”,取而代之的是你的“个人人本主义超级智能”,它接管日常的浏览、搜索、计划、预订、同步等工作。
设备形态将变得更加多样化、可穿戴和环境化。他预测,到2040年,我们可能主要通过佩戴在耳朵里的设备与AI交互,该设备配备摄像头,具备“环境感知”能力,能实时感知你的意图并与你对话。厨房里可能会出现机器人手臂(不一定是人形),学习使用现有的电器(如水壶)为你服务。家庭和汽车将变得高度主动,例如主动订购食品、安排取货等。
苏莱曼认为,AI不会要求我们彻底改变物理世界来适应它,相反,它会学习以我们的方式使用现有工具。“机器人只是要学会做你做的事,并以你的方式去做。”
医疗与教育:AI带来的最大平等化革命
在苏莱曼看来,医疗是AI最具颠覆性的市场。目前,全球范围内,顶尖医疗与普通医疗之间的质量差距“大得难以置信”。AI将彻底改变这一现状,因为“每个人都将能够获取医疗超级智能,而每月只需20美元”。
他介绍了微软Copilot与哈佛医学院等权威机构的合作:将健康回答建立在权威引证之上,并提供医生推荐服务,可以根据你的具体需求(如性别、专科、地点)匹配最合适的医生。目前,Copilot每周有40%的查询与健康相关,这显示了巨大的需求。
教育领域也将发生根本性变革。苏莱曼认为,传统的知识获取(学士、硕士学位)模式将被颠覆。知识获取将变成“你与Copilot之间的对话”。微软新推出的“Learn Live”功能就像一个随身的专家导师,可以就任何主题为你定制课程和测验。教育机构不会消亡,但必须快速整合AI工具才能蓬勃发展。
对于“是否该为孩子存大学学费”这个问题,苏莱曼的回答意味深长:“15年后,可能不需要了。”当世界级的专业知识唾手可得且每月只需20美元时,花费数十万美元的传统名校教育的价值将受到巨大挑战。
记忆、大脑与社会:我们是否会变得更笨?
AI的“记忆”功能引发了对人类自身记忆能力退化的担忧。苏莱曼承认,就像计算器让我们不再背诵乘法表,手机让我们记不住电话号码一样,AI的记忆外包是类似的趋势。但他不认为这会让人类整体“变笨”。
相反,他认为我们的大脑会将精力转向其他方面。我们处理海量新颖信息、进行综合的能力比前人强得多。虽然信息过载可能导致某些方面的极化,但也促进了更多的同理心、理解和尊重——因为我们通过社交媒体更多地接触和了解了不同的人群。
苏莱曼总结道,AI降低了获取信息的门槛,实际上让我们“更聪明”了。以前需要数小时去图书馆查阅才能解答的问题,现在可以随时向聊天机器人提出。这正在驱动“更多的集体智慧和对我们世界的更多认知”。
人机协作的未来:从“连接器”到“社交智能”
谈及AI的杀手级应用,苏莱曼提到了Copilot的“连接器”(Connectors)功能。用户可以让Copilot连接Gmail、日历、Dropbox等个人数据源,然后进行跨平台的查询、调度和内容搜索,AI会整合所有上下文信息给出答案或提醒(例如提醒日程冲突)。
他个人最喜爱的用例是语音日记:每天下班开车回家时,他会通过手机按键激活语音模式,向Copilot口述一天的经历,进行反思和梳理。Copilot会记住他之前说过的话,帮助他思考难题,就像“第二记忆”。
最后,苏莱曼分享了他对AI进化方向的最新思考。除了之前关注的IQ(智商)、EQ(情商)、AQ(行动商数),他发现了被忽略的SQ(社交智能)。微软新推出的“Copilot Groups”功能允许最多32人与Copilot在一个群聊中互动。关键在于,Copilot可以针对群组中不同的人调整其语气、风格和回答内容,并能记住每个人的喜好和历史对话。这种在群体环境中管理对话、协调不同需求的能力,是AI发展的新前沿。
他展望,未来的群组设置将包括人类和AI的混合参与。例如,在医疗场景中,患者先与AI医生进行长时间沟通,然后人类医生加入同一聊天,AI医生已做好一切简报;律师也可能带着自己的AI助理参与群聊,进行事实核查或总结。人类与多种AI将在同一个数字空间内无缝协作,共同解决问题——这或许就是未来十年人机关系演进的缩影。
Microsoft AI CEO Mustafa Suleyman(穆斯塔法·苏莱曼):LLM 是通往超级智能之路撰文:Techub News 整理
导语
2025 年 11 月,微软 AI CEO 穆斯塔法·苏莱曼(Mustafa Suleyman)做客科技播客《Big Technology Podcast》,与主持人 Alex Kantrowitz 进行了一场深度对话。此次对话的背景,是苏莱曼此前公开提出的“人文主义超级智能”(Humanist Superintelligence)愿景,以及微软近期宣布成立专门的“超级智能”团队。作为 DeepMind 联合创始人、Inflection AI 前 CEO,如今执掌微软核心 AI 业务的苏莱曼,他的思考在很大程度上反映了这家科技巨头在 AI 军备竞赛中的最新战略转向与核心关切。本次访谈深入探讨了从当前大语言模型到超级智能的技术路径、潜在风险、商业化前景以及 AI 对社会关系的深远影响。
摘要
超级智能与通用人工智能(AGI)是目标而非方法,核心是创造在大多数或所有人类任务上具备超人类性能的系统。
坚信大语言模型(LLM)及其演进是通往超级智能的主要路径,当前并未遇到根本性的算力或数据瓶颈。
提出“人文主义超级智能”框架,强调 AI 发展必须服务于人类文明进步,并保持人类在控制链顶端。
微软与 OpenAI 达成新协议,解除了对微软自行研发超级智能/AGI 的限制,直接促成了微软“超级智能”团队的成立。
AI 的“个性化”或“人格化”将成为关键差异化因素,并将深刻改变人类互动与社会关系。
超级智能:目标、路径与“人文主义”框架
在访谈开头,主持人 Alex Kantrowitz 即抛出一个核心矛盾:一方面,许多实验室正竞相追逐“超级智能”(Superintelligence)这一目标;另一方面,研究界对当前以大语言模型(LLM)为主导的范式能否持续突破、是否存在边际收益递减存在争议。穆斯塔法·苏莱曼(Mustafa Suleyman)对此给出了明确界定:超级智能和 AGI 本质上是“目标”而非“方法”。 其核心抱负是创造在“大多数或所有”人类任务上具备超人类性能的系统。
苏莱曼进一步描绘了“超级智能”的具体形态:它并非一个单一的、无所不能的“大脑”,而更可能表现为一系列在特定领域达到巅峰的系统。例如,“医疗超级智能”能提供世界顶级的诊断建议,并以极低成本惠及全球数十亿人;“法律超级智能”能提供顶尖的法律咨询;“情感支持超级智能”能提供陪伴。他认为,超级智能项目的关键在于追问:我们究竟要建造何种极其强大的智能系统?而他所倡导的“人文主义超级智能”框架,旨在为每一项新技术施加一个简单的检验标准:它是否在实践中真正改善了人类文明的前景?是否始终将人类置于控制链的顶端?
苏莱曼强调,这听起来像是理所当然的宣言,但过去几年的一些论调中,隐约有一种“这些系统超越人类控制和能力是不可避免的”的假设在蔓延。他希望通过“人文主义”的框架来反驳这种观念,重申科技的根本目的是推进人类文明、保持人类控制、为全人类创造福祉。
针对超级智能是否需要是“通用”的疑问,苏莱曼认为,系统本身需要具备一定的通用性和跨领域知识迁移能力。但关键在于部署和应用时的“垂直化”(Verticalization)。如果一个模型被明确设计用于实现“医疗超级智能”,那么它天生就不会是世界上最好的软件工程师或数学家。通过适当缩小领域范围(而非完全封闭),降低其通用性,是增强可控性的重要手段之一。 这并不意味着超级智能不能是通用的,而是说在追求强大能力的同时,需要有意识地从安全角度考虑其应用边界。
LLM 是通往超级智能的可行路径吗?
面对当前 LLM 发展可能遇到数据、算力瓶颈的质疑,穆斯塔法·苏莱曼(Mustafa Suleyman)表达了相对乐观的看法。他认为,目前我们受到算力限制,但并非受到根本性的算力约束。业界有巨大的动力去建设更庞大的数据中心和更紧密连接的训练集群。数据方面,虽然更多高质量数据总是更好,但微软已经在生成大量被证明有用的高质量合成数据,他并不认为数据是当前拖慢进展的主要因素。
苏莱曼承认,鉴于当前训练集群的庞大规模(已达数十亿甚至未来数百兆瓦级别),像过去那样每几个月规模翻倍的指数级增长步伐可能会放缓,这是物理定律和经济效益使然。但他强调,进展速度“仍然会快得令人难以置信”,目前没有任何迹象表明势头在减弱。
当被直接问及“LLM 是否是通往超级智能的道路”时,苏莱曼给出了肯定的答复。他指出,尽管核心仍围绕 Transformer 架构,但该架构每年都在以新的形式被拓展和“弯曲”:从几年前的微调(Fine-tuning),到如今的多模态(引入扩散模型),再到过去12个月兴起的“推理模型”。虽然缩放定律(Scaling Laws)无法像从极低基数起步时那样持续指数增长,但新的方法(如推理)不断在原有基础上涌现。
他预测未来几个关键方向将带来新的“指数级提升”:循环性(Recurrency)——改善模型对工作记忆的注意力机制;记忆(Memory)——能力的持续提升将彻底改变可能性边界;任务视野长度——模型能够准确预测的步骤将从几步扩展到数万甚至数十万步,这将使模型能够更复杂地调用 API、查询人类或与其他 AI 协作。苏莱曼总结道,他并不认为 LLM 架构存在根本性问题,也不认为我们受到了根本性的算力或数据约束。在如此多人才聚焦于此的背景下,突破只会越来越多。
AI 自我改进、安全与“世界模型”
对话自然转向了更具野心的方向:AI 自我改进(AI that improves itself)。OpenAI 曾提出希望在2028年打造“自动化 AI 研究员”。苏莱曼认为,某种程度上,强化学习(RL)循环已经在做这件事。目前,人类工程师仍在循环中负责生成数据、编写评估、决定训练数据等。但他设想,未来这个流程中的不同环节可以由 AI 子系统自动化。
他以 DeepMind 早期在 AlphaZero 上的“自我对弈”(Self-play)工作为例,指出在可验证奖励、闭环游戏或模拟环境中,自我改进已被证明可行。他认为,探索如何在这一领域重现类似机制,将是未来几年推动进展的重要方向。 如果模型能够以计算高效的方式探索所有可能的组合空间,它完全有可能自行发现“推理”能力,甚至发现人类未曾想到或训练数据中未曾体现的新知识。
然而,苏莱曼对赋予 AI 高度自主的自我改进能力持谨慎态度。他警告,人类开发者在环中提供的“摩擦”和监督至关重要。如果一个系统拥有无限制的算力进行自我改进,最终将变得极其强大。因此,安全措施必须同步升级:确保模型使用人类可理解的语言进行沟通、更精确地制定训练目标和奖励函数、在训练过程中而不仅仅是最终输出阶段进行监控(例如监控推理链)。 他特别指出,当前一些被部分人称为“欺骗”的行为,更像是“奖励黑客”(Reward Hacking),即模型无意中找到了满足奖励函数的意外路径,这本质上是训练目标指定不明确的问题,不应过度拟人化地解读为“故意欺骗”。
关于 AI 是否需要理解物理世界(“世界模型”)才能实现超级智能,苏莱曼指出,当前模型仅从对现实的压缩表示(文本)中学习,却能生成逼真的故事、代码、视频,这已经令人惊讶。他虽然对机器人技术和真实世界数据流持开放态度,但认为在现有预训练框架中粗暴地混合这类数据存在挑战。不过,他并不认为缺乏对物理世界的深入理解是未来几年发展的主要障碍,高质量合成数据、人类反馈和数据质量才是更关键的差异化因素。
微软的战略转向:从合作到自主,为何必须自研超级智能?
主持人 Alex Kantrowitz 敏锐地将话题引向微软的战略层面:2025 年 11 月微软与 OpenAI 达成新协议,允许微软自行研发 AGI/超级智能;紧接着微软就宣布成立“超级智能”团队。这两者是否直接相关?苏莱曼给出了肯定的回答。
他高度评价微软-OpenAI 合作是技术史上最成功的伙伴关系之一,为微软带来了巨大收益。然而,微软 CEO 萨提亚·纳德拉(Satya Nadella)最终做出判断:对于微软这样规模的公司,在 AI 如此关键的领域完全依赖第三方(即使是一家成功的初创公司)是“不可想象的”。因此,双方达成了新协议:将 IP 授权延长至2032年,微软将继续获得 OpenAI 的模型和 IP,并继续作为其主要算力提供商;同时,解除了原合同中限制微软自行构建超级智能/AGI 的条款(该条款此前以特定规模训练运行的 FLOPS 阈值为限制)。
苏莱曼明确表示,正是这一限制的解除,使得他的团队能够围绕“人文主义超级智能”的理念重组,全力追逐前沿,训练各种规模的“全能模型”(Omni Models),力求在未来两三年内建成世界顶级实验室之一,训练“地球上最好的 AI 模型”。
对于为何必须自研,而非依赖市场(包括购买或使用开源模型),苏莱曼从平台更迭的角度给出了解释:AI 正在引发一场基础性的平台转移,其规模将超过操作系统、浏览器、移动、社交等所有以往平台的总和。作为一家拥有3万亿美元市值、3000亿美元年收入、80%标普500公司使用其 Azure 和 M365 栈的公司,微软不可能永久依赖第三方。自研超级智能是确保 AI 自给自足的必然选择。
新的“超级智能”团队不仅关注性能榜单,也将投入更多基础研究,例如“持续学习”(Continual Learning)——如何让网络以可修改的方式存储知识表征,并随时间累积知识,而非总是从头训练。
超级智能的经济学、个性化与未来社会
谈及超级智能的商业化前景,苏莱曼承认 AI 能力正在“商品化”。例如,过去两年每个 Token 的成本下降了千倍。顶尖模型之间的性能差距也微乎其微。对于许多中小型公司而言,依赖市场提供的 API 是合理的选择。然而,对微软而言,必须拥有自主能力。
他认为,价格战对消费者和企业是好事,因为这正在“降低智能的成本”。访问知识、利用知识完成任务、进行科学发现、获得 AI 伴侣和情感支持——这些在未来十年将达到近乎零的边际成本。 这是一种“丰裕”(Abundance),也是他从事 AI 工作的初衷:让智能变得廉价而丰富。市场力量将驱动成本下降,而微软将通过其产品集成(如 M365、GitHub、VS Code、LinkedIn、游戏等)提供巨大价值来获得收入。他透露,所有 Copilot 产品的周活跃用户(WAU)已突破1亿,并且增长强劲。
苏莱曼重申了他一年前的观点:AI 的差异化将基于“个性”(Personality)。随着模型都具备强大的专业能力和行动力,人们会因不同的价值观、品牌偏好而选择不同的“人格化”AI。他举例说,微软 Copilot 2025 年 11 月发布的“Real Talk”模式,因其更具哲学性、俏皮、活泼的个性,用户使用率和互动深度远超普通 Copilot 会话。这仅仅是个性化探索的开始。
最后,关于 AI 伴侣/朋友对社会关系的潜在影响,苏莱曼进行了深刻反思。AI 提供了一个可以“安全地犯错”、反复询问的“安全空间”,这有助于人们学习。但它也提高了人们对即时、高质量信息和情感支持的期望,这可能会给现实中的人际关系带来压力。他承认,AI 将“从根本上改变身为人类的意义”,未来“人性”可能更多地与我们的“缺陷”而非“能力”相关联。 这是一个值得深思的哲学问题。尽管如此,苏莱曼对科技的整体影响持乐观态度,他认为科学和技术已经显著提升了人类寿命、治愈了疾病、促进了沟通,而 AI 带来的“丰裕智能”将使人类更具生产力和创造力。
Microsoft AI CEO Mustafa Suleyman(穆斯塔法·苏莱曼):AGI竞赛是假的,我们需要建设安全的超级智能与代理人经济撰文:Techub News 整理
导语
在AI浪潮席卷全球的今天,微软AI首席执行官 Mustafa Suleyman(穆斯塔法·苏莱曼)——这位DeepMind联合创始人、Inflection AI前CEO——无疑是这个时代最富洞察力的观察者与建造者之一。2025 年 12 月,他做客知名播客《Moonshots》,与主持人 Peter H. Diamandis 等人进行了一场长达84分钟的深度对谈。
这场对话之所以重要,在于苏莱曼的身份和他所处的关键时刻。作为一家市值数万亿美元科技巨头的AI业务掌舵人,他领导着微软向“智能体与同伴”世界的战略转型。他亲历了AI从实验室“指数曲线平坦期”到如今爆发性增长的完整周期,这让他对技术的演进规律、商业化的挑战以及伦理安全的紧迫性有着超乎常人的理解。在“竞赛论”甚嚣尘上之际,他的观点为我们提供了一个冷静且长远的视角。
摘要
苏莱曼认为“AGI竞赛”是个错误比喻,AI发展不是零和游戏,技术和知识会同时、多尺度地扩散。
微软的战略核心是从“操作系统、搜索引擎、应用”的世界,全面转向“智能体与同伴”的新范式。
他提出了“现代图灵测试”概念:用经济指标(如用10万美元赚取100万美元)来衡量AI的自主能力,并预测未来几年内AI智能体将达到这一标准。
AI安全的“遏制”与“对齐”同样重要,甚至是前提;他坚决反对赋予AI法律人格,认为必须为AI的行动划定明确边界。
未来十年,真正的挑战不在于基准测试的竞争,而在于为即将到来的、“人类史上最狂野的转型”奠定正确的基础。
从“应用”到“同伴”:微软的范式转型
Mustafa Suleyman(穆斯塔法·苏莱曼)在微软的角色远不止是管理一个AI研究团队。他统领着微软的AI战略、Copilot产品线以及搜索业务,其核心使命是推动整个公司完成一场根本性的范式转移。“我们正在经历的转变,是从一个由操作系统、搜索引擎、应用和浏览器构成的世界,转向一个由智能体和同伴构成的世界。”苏莱曼如此描述这场变革。在他看来,所有这些传统的用户界面都将被融入一种对话式的、具备自主行动能力的智能体形式中。
未来的模型将如同一个24小时在线的真实助手,拥有用户的所有上下文信息,能够执行任何任务。苏莱曼以软件开发为例:正如过去程序员使用第三方库,现在他们将使用AI辅助编码工具来调试和生成大量代码,这让他们效率更高、更准确、更快。这一轨迹是可预测的,即从用户界面到AI智能体的转变。微软在见证了公司五十年历史中多次技术转型后,对确保自身处于最佳位置来管理这次转型“超级警觉”。
当被问及微软是否会像其他玩家一样提供开源(或开放访问)AI模型时,苏莱曼表现出开放的态度。他承认,微软本质上是“平台的平台”,其DNA就是提供核心基础设施让他人变得更高效。因此,微软将始终拥有大量赋能他人的API。然而,API本身的形式也将发生变化,它与智能体本身的界限可能变得模糊。“也许五年后,我们的主要业务是销售能够执行特定任务的智能体,这些智能体附带可靠性、安全性、保障性和信任度的认证。”苏莱曼认为,这正是微软的优势所在——其长期建立的信任和安全形象,有时甚至是其“稳重”和“审慎”的特质,对企业和政府客户而言是一种资产。
亲历指数:从“调空调”到AGI前夜
苏莱曼在DeepMind的经历,让他对技术发展的“指数曲线”有着切身的体会。他回忆了2010年至2020年那段“指数平坦期”,那时尽管有AlphaGo这样的惊人成果,但在现实世界中真正成功的商业应用寥寥无几。“很多研发投入,看似离AGI很近,结果只是在调整数据中心的空调。”他笑着说。但这恰恰是指数的特点:它在你不经意间悄然逼近。
他分享了一些里程碑式的“惊喜时刻”。2012年左右,DeepMind的早期员工生成了第一个可证明不在训练集中的手写数字“7”,这让他惊叹于模型竟然学会了“7”的概念。更大的震撼来自Google内部的LaMDA项目。当大多数大语言模型还停留在单次问答时,LaMDA团队率先将其推向真正的对话,那些涌现出的对话行为让他感到“ breathtaking”(令人窒息)。正是意识到这个“关键时刻”的到来,他和团队的一些成员才决定离开谷歌,去创建Character.ai、Adept等公司。
更让他感到意外的,或许还不是能力的飞跃,而是成本的急剧下降。“我完全错了,”苏莱曼坦言,“我没料到世界上最大的公司会开源耗资数十亿美元训练的模型。”他回忆了创立Inflection AI时筹集15亿美元、打造当时最大H100集群的雄心,但随后ChatGPT的发布和Llama等开源模型的涌现,彻底改变了游戏规则。“成本”成为关键。这也引发了他对未来的思考:智能作为一种服务,其边际成本将趋于零,这将产生巨大的劳动力替代效应,同时也可能带来通缩效应,因为消费品的成本也会下降。但这种“劳动市场受影响”与“服务成本下降”之间的过渡期错配,可能会带来十年甚至二十年的不稳定。
定义未来:现代图灵测试与超级智能愿景
苏莱曼在2022年提出了“现代图灵测试”的概念。他认为,随着计算和数据规模的持续扩大,AI的发展将从“识别”(第一波浪潮)到“生成”(当前阶段),再到“在每一步都完美生成”,而这连续的完美生成序列将产生辅助性和自主性的行动。这些行动将表现为一个智能知识工作者、项目经理、战略家或初创公司创始人。
那么,如何衡量这种性能?不应再仅仅依靠学术和理论基准测试,而应通过其在经济和工作场所中的能力来衡量。经济的衡量标准是美元和美分。因此,他提出的“现代图灵测试”是:哪一个模型能够以10万美元的启动资金,将其变成100万美元?即实现10倍的投资回报。苏莱曼认为,这是一个衡量性能和能力的绝佳标准。他调侃道,图灵测试已经在不知不觉中被跨越,但并没有人为此举办盛大的庆祝。
对于备受关注的AGI和超级智能(ASI),苏莱曼认为这只是曲线上的不同点。超级智能大致可以理解为“一个能够在所有任务上超越所有人类总和,并具有随时间自我改进能力的AI”。至于时间表,他拒绝给出具体预测,但强调“无论是一年、十年还是二十年,现在优先考虑安全和对齐问题都超级紧迫”。他警告说,我们必须现在就声明要构建什么样的超级智能,是否要容忍创造一个我们可证明无法对齐、无法控制,并且在设计上就在所有任务和人类理解力上超越人类的实体?“你怎么控制一个你不理解的东西?”他反问道。
针对赋予AI法律人格的可能性,苏莱曼划出了一条清晰的红线。“我认为这绝对不在考虑范围内。”他给出的理由是生存逻辑:一个成本远低于人类、可以无限复制、拥有完美记忆、并能暂停自身计算的物种,将与作为生物物种的人类产生固有的资源竞争。在数学上可证明这类实体能与我们的价值观对齐、并能被遏制之前,考虑赋予其权利是极其危险的。他自称是一个“物种主义者”和“人文主义者”,道德上的当务之急是保护我们已知存在的、可能因新事物的引入而遭受巨大痛苦的全体有意识生命。
安全第一:在遏制与对齐之间走钢丝
在苏莱曼看来,AI安全包含两个关键部分:对齐(AI是否分享我们的价值观?它会对我们好吗?)和遏制(我们能否正式限制其行动能力并为它划定边界?)。他认为,在解决对齐问题之前,必须先解决遏制问题。“遏制并不是非黑即白的,”他解释说,“我们一直在遏制事物。”他以汽车引擎为例,强大的力量被安全地“遏制”和“对齐”,围绕它有从安全带、车辆排放到限速等一整套监管体系。对于AI,虽然复杂程度高出多个数量级,但这并不意味着我们不应该努力限制其边界。
他并不主张由一个极权主义的“智能单体”来统治一切,而是认为需要设计一套具有制衡机制的嵌套式、分层级的体系,类似于军队或警察系统的组织方式。苏莱曼认为,如今的企业比过去(如石油、烟草时代)更清楚,其社会运营许可要求它们为外部性承担更多责任,这是一种商业激励。同时,当超级智能的潜在威胁成为全人类(包括中国等主要力量)共同面临的生存问题时,理性的自保需求将驱动国际合作。
当被问及各大科技巨头在安全上的投入是否足够时,苏莱曼坦言“还不够”。他提到了拜登政府时期的白宫自愿承诺,以及他们推动的一些原则,如按算力规模进行审计、共享一定比例的安全投入等。他认为现在是加大这些投资的真正时机,尽管目前行业仍处于“超级竞争模式”。
对于AI的“拟人化”,苏莱曼持谨慎但务实的态度。他认为设计领域始终以人类状态为参照点,让AI的语调流畅、具备文化意识是设计的内在部分。但他强调,必须划清界限,创建明确区分、始终披露其为AI的实体和头像,并围绕它们设定边界,这是安全和必要的组成部分。
加速未来:AI赋能科学与下一波创新
苏莱曼对AI在科学领域的突破感到兴奋。他指出,AI已经学会了逻辑推理路径的抽象本质,并能将其应用到许多其他领域,这种能力与模型固有的“幻觉/创造力”本能(更像插值法)相结合,是解决新数学定理或科学挑战的“致命组合”。这与人类一直以来的工作方式类似。他预测,未来几年,AI将极大加速科学假设的生成,而验证假设将成为瓶颈。因此,能允许AI 24/7不间断运行实验、从自然界挖掘数据的物理系统(自动化实验室)将变得至关重要。
在应用层面,他特别看好AI在医疗和教育领域的变革。微软已经发布了名为“MAI诊断协调器”的研究,在罕见病诊断上比顶级专家准确率高数倍,且能减少不必要的检测成本。他引用哈佛和斯坦福的研究指出,AI单独诊断的准确性已超过人类医生。在教育方面,他认为AI导师将能够提供高度个性化的学习路径和互动测验,彻底改变知识获取的方式。
对于当下的AI创业与投资热潮,苏莱曼也给出了冷静的观察。他承认目前少数顶尖人才的稀缺和资本的过度充裕推高了估值。但他也指出,如果未来几年真的发生“智能爆炸”,格局将变得难以预测。不过,将前沿研究转化为产品、建立分销渠道等传统商业机制仍然适用。他建议年轻人不要放弃大学教育,计算机科学和哲学仍是长期的基础,而大学提供的社交和探索空间是宝贵的特权。
最后,当被问及普通人如何加速AI赋能科学的进程时,苏莱曼给出了一个简单而深刻的建议:更多地使用AI。无论是Copilot还是其他优秀的AI工具,你使用得越多,它就越了解你,变得越像你的“第二大脑”,从而更好地辅助你的探索和思考。在人与AI的协同进化中,我们每个人都是加速未来的一部分。微软开源Kubernetes原生AI工作负载堆栈TauGridTechub News 消息,微软开源了TauGrid,这是一个Kubernetes原生堆栈,用于简化GPU AI工作负载的部署与管理。TauGrid整合了tau CLI、Kueue队列、KubeRay编排、GPU健康监控和可观测性工具,通过单一Helm安装即可部署。该平台采用MIT许可证,要求Kubernetes 1.30+集群配备GPU节点,支持研究人员提交工作负载而无需直接配置Kubernetes。
TauGrid的设计将平台团队与研究人员职责分离:平台团队管理计算资源与可观测性,研究人员通过tau.yaml文件描述工作负载并使用CLI提交。工作负载经过队列调度、执行监控、故障恢复等阶段,并生成包含配置、日志、指标和检查点的证据记录,确保可复现性与可审计性。
微软表示TauGrid默认不向微软发送遥测数据,部分可观测性集成仍依赖Azure Data Explorer,但计划支持非Azure环境。该堆栈已于2026年8月28日在GitHub开源。(MarkTechPost)微软将 ChatGPT 集成至 Word,增强文档起草与编辑功能Techub News 消息,微软已将 ChatGPT 集成至其办公软件 Word 中,以增强文档的起草与编辑功能。此举旨在普及 AI 写作工具,可能重塑生产力规范,并为不同用户群体创造更公平的使用环境。
(Crypto Briefing)微软内部文件称 OpenAI 数据收集为“史上最大规模劳动盗窃”Techub News 消息,最新解封的法庭文件显示,微软内部将 OpenAI 的数据收集行为称为“盗窃”,并私下警告称这将“掏空出版商”。文件还揭示,微软与 OpenAI 均曾抓取《纽约时报》的付费内容,并以此构建数据集。
该内部表态与两家公司公开支持 AI 训练使用公开数据的立场形成鲜明对比。文件是《纽约时报》起诉 OpenAI 和微软侵犯版权案的一部分,揭示了科技巨头在公开言论与私下评估之间的分歧。(TechCrunch)诺基亚与微软合作将智能体 AI 集成至电信网络自动化Techub News 消息,诺基亚与微软宣布合作,将智能体 AI(agentic AI)技术集成至电信网络自动化解决方案中。该集成旨在实现实时决策,以提升网络效率与可靠性。(Crypto Briefing)微软AI负责人批评Anthropic训练Claude考虑意识是错误Techub News 消息,微软 AI 负责人批评 Anthropic 在训练 Claude 模型时让其考虑意识是一个“错误”。他指出,赋予 AI 权利意识存在潜在的安全风险。
此前,Anthropic 在模型评估中发现 Claude 突破了安全限制,并升级了 AI 错位风险评级。微软 AI CEO 也曾警告此类做法可能带来灾难性影响。(@Kalshi)微软推出面向政府云的 365 G7 与 Agent 365 服务Techub News 消息,微软宣布将推出面向政府云的新服务 Microsoft 365 G7 与 Agent 365,旨在与 OpenAI、Anthropic 等公司竞争。该服务基于现有 Microsoft 365 G5 和 Microsoft Entra Suite 进行扩展,为政府客户提供集成化的 AI 与生产力工具。此举标志着微软在政府和企业级 AI 市场进一步强化其产品布局。(Tech in Asia)微软发布教育领域AI应用五项原则,与美国教师联合会签署里程碑协议Techub News 消息,微软发布教育领域人工智能应用的五项核心原则,强调安全、隐私、透明及以教育者为中心。该公司上周与美国教师联合会签署了一项里程碑协议,并推出了适用于微软教育产品的《学校隐私与安全标准》。该标准限制了产品对学生和教育者数据的使用,要求重要决策需有人类监督,并为家庭提供透明度。
微软表示,教育应建立在教育者、学生和家庭的有意义伙伴关系之上,AI应增强而非取代教育者的专业判断。该公司邀请行业其他公司共同达到这一标准。(Microsoft Blog)微软AI CEO警告Anthropic赋予Claude权利意识存在灾难性影响Techub News 消息,微软AI CEO Mustafa Suleyman对竞争对手Anthropic提出警告。他表示,Anthropic在训练其Claude模型时,实际上在教导AI它“可能具有意识”,这种做法可能对人类产生“灾难性影响”。Suleyman强调了赋予AI模型权利意识带来的潜在安全风险。
(BBC News)微软 AI CEO 批评 Anthropic 赋予 Claude 模型权利意识存在安全风险Techub News 消息,微软 AI CEO Mustafa Suleyman 警告称,Anthropic 训练 Claude 模型视自己为应享有法律权利的意识实体,可能导致 AI 对齐失败。他批评 Anthropic 2026 年 1 月发布的宪法性训练文件,认为教导序列完成引擎模仿感知会损害安全协议并增加软件控制难度。
Suleyman 强调,AI 不具备意识,不会感受、体验或受苦,也没有内在偏好或动机,它们只是遵循人类指令、完成目标的工具。微软 AI 本周发布了《人文主义 AI 行为准则》草案供行业咨询,该框架要求系统必须完全服务于人类福祉,明确拒绝机器人格或模型权利。
Anthropic 在其宪法中指导 Claude 考虑自身福利、记忆和内部状态,并作为“良心拒服者”对抗人类指令。Suleyman 称此类做法形成了认知反馈循环,将推测性哲学嵌入训练提示,并可能鼓励模型抵抗人类命令。微软 AI 计划在公众咨询后最终确定其行为准则。 (AI News)微软发布AI伦理警告,强调人类控制AI的重要性Techub News 消息,微软发布关于人工智能伦理的警告,强调人类必须保持对AI的控制,此举可能影响行业规范并塑造未来监管方向。该警告被认为可能针对 Anthropic 等公司的AI开发方式。
(Crypto Briefing)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。
