AI:AM：Trump-Xi 会谈究竟有何意义？什么才算乌托邦？+ AWS GPU 成本达 3 倍 & AI 诊断罕见病

摘要

• Trump-Xi 接触的意义，与其说在于缓和关系，不如说在于 AI 事故迫使各方提出“疯狂要求”前，先安装危机处理机制。 Edouard Harris 对建立潜在的 AI 风险热线表示欢迎，但也提醒，中国过去曾把不接核热线作为筹码。若没有更好的核验手段，第一项可核验要求可能会是关闭所有超过可见规模门槛的运行中集群——这将使数十亿美元的 GPU 折旧暴露在风险之下。

• 核验初创公司可能成为前沿 AI 收入的准入关口，但前提是情报机构在危机发生前完成技术审查。 即便某个系统只比监测吉瓦级热信号“好 50%”，也可能让一半数据中心继续运行、避免关闭全部设施，并节省数十亿美元；但要确保对方合规，仍需要进攻性能力。Jeremie Harris 强调，一项技术可能需要数年才能被认可为国家技术手段，而当前一些耗资1000万美元以上的研究项目，在情报体系看来可能从一开始就走不通。

• 共同的 transformer-MOE 技术树能让美国和中国看到相同的预警信号，却不会带来共同动机。 中国可能将美国的安全提议解读为维持领先优势的尝试；相比安抚性言辞，真正代价高昂的行动——比如事故后中国实验室放慢研发节奏，或监管机构阻止一个发生失配的模型上线——更难伪装。互惠透明的成本可能相对较低，因为正如 Edouard 所说，“中国人已经全面进入我们的系统”。

• 大型云厂商的 GPU 租赁价格至少是 neo-cloud 的 2-3 倍，因为企业买的是一套整合式客户关系，而不是可互换的芯片小时。 SiliconData 的 Steve Hou 将溢价归因于分析、安全、合规和客户黏性——这相当于把薯条和奶昔“注入肉饼”后的计算产品。其 token 指数同样反映使用结构：单周上涨 11.5%，可以与自6月底以来从约 $4 跌至 $1.60 并存。

• OpenAI DevDay 真正重要的变化，是把以交互延迟交付的智能，通过 ChatGPT 订阅变成了可移植能力。 Prakash Narayanan 称 GPT-6 Astra Ultra Fast 的速度提升至 8 倍，用户因此可以“在保持心流的同时，让模型与你当场协作”。Sign in with ChatGPT 也可能为 SaaS 厂商消除大笔试用成本：Waymark 一度仅为建立每个新客户的初始商业档案，就要花约 $1。

• Joel Borgen 借助 AI 创作的小说说明，模型可以压低创作启动能耗，但结构、品味和删减仍掌握在人手中。 他提供故事设计、搭建初稿框架，并将手稿删减约 14%，经常去掉 AI 的“腔调”和过度解释。他尚未解决的问题是：当个性化艺术大量涌现、不再属于共同文化空间时，它是否仍然具有价值。

• Gamo Labs 说明，低成本基因组测序并不会自动带来精准医疗：缺失的环节是解读。 一个 o3 agentic loop 找到了导致 Daniel McKinnon 的儿子 Owen 患病的 91-kilobase 缺失；此前，一个面向人工审阅、看似合理的筛选器排除了距相关基因 1 megabase 的增强子。Gamo 现在将模型、工具、湿实验室证据和评测结合起来；CloudCode 中的 Opus 5.5 在 RareBench 上得分约 50%，而 LIRICAL 约为 10%，但这个 50% 是基准测试分数，并不代表患者确诊率。

精读

1. 热线是进展，但不是危机方案

• Edouard Harris 的开场判断刻意保持克制：“能谈总比不谈好。”Trump-Xi 讨论可能已经促成政府间 AI 事故热线的雏形，即便目前仍停留在理论层面，这依然是积极信号。

• Gladstone AI 的评估参考了约12名曾与中国谈判的美国国务院外交官。他们的警告是，核热线并不会被可靠接听；在关键时刻，拒绝接听本身就可能成为筹码。如果中共从制度上真正重视 AI 风险，合作或许会改善，但美国的规划仍需要备用方案。

• 目前最粗糙的应急选项，是利用已经可观测的特征：数据中心规模庞大、建设缓慢，而且热信号明显。发生足够严重的事故后，美国可能要求中国关闭所有超过某一阈值的运行中集群，直到其热信号消失——Jeremie Harris 称这是一个“疯狂要求”。

• Nathan Labenz 补全了这套逻辑：能力快速进步叠加低水平互信，可能催生极端事故；随后政府会提出一个“离谱、成本极高的动作”，恰恰因为此前没有投资于成本更低的核验机制和“信任但核查”机制。

2. 核验必须在“比赛开始”前完成审查

• Jeremie 认为，更好的核验技术能够换取经济缓冲空间。假设某个系统仅比观察吉瓦级能源使用量“好 50%”，它也可能核验一半设施、避免全部停机，立即节省数十亿美元的 GPU 折旧成本。在这段时期，AI 利润可能会被“这些小型核验技术卡住”。

• 监测本身无法迫使对方合规。Jeremie 反复强调，这一点没有例外：没有进攻性选项，“就无法确保合规”；政府可以发现被禁止的活动，然后说“糟了”，却仍然没有任何实际应对手段。

• Jeremie 指出了一个被忽视的瓶颈：情报机构可能需要数年审查一项技术，并认可它是国家技术手段。因此，核验公司的创始人需要在危机发生前就与相关机构建立关系；而官员到了“比赛开始”时，则需要能够把这些创始人“设为快捷联系人”。

• 提前接触也能避免资本浪费。一些公司正在推进数百万美元、部分超过1000万美元的研究计划，但如果有合适的情报官员介入，可能会认为这些方向根本不可行；快速反馈可以让公司转向真正能够支撑协议的方法。

3. 共同架构带来共同预警，但不会带来共同动机

• Nathan 提议把 OpenAI 和 Anthropic 作为国内试验场：要求那些会相互触发警报的前沿实验室建立相互监督机制，再将有效做法改造为美中核验机制。Jeremie 称这个想法“并不疯狂”，并指出员工挖角在一定程度上类似于中国似乎已经能够进入美国实验室的情况。

• Edouard 的保留意见在于信任：两家美国公司仍然共享更多价值观和制度背景，不能与两个竞争国家相提并论。这些相似性值得挖掘，但实验室之间的机制不能不考虑双方“相当激进地不同”的价值观和处境，就直接放大成外交机制。

• 不过，Jeremie 仍然认为，共同的硬件和算法发展路径具有价值。两国基本都在继续押注 transformer-MOE，“再加上一些花活”，因此一个生态中的失败，另一个生态也更容易看懂。中国处于第二名的位置，可能看不清预警信号的细节，也更容易把美国的安全提议看成限制竞争对手的尝试。

• Edouard 认为，Xi 在 WAIC 上发表的缓和性演讲确实有一定积极意义，但代价高昂的行动更难伪装：例如事故后 DeepSeek 和 Zifu 达成控制研发节奏的协议，或者监管机构因为一个意识形态上合规的模型在现实环境中发生失配而阻止其发布。程序层面的积极信号包括谈判代表拥有实权、取得具体进展，以及对措辞的任性反对减少。

4. 互惠透明可能比持续战略模糊更便宜

• Edouard 所说的稳定性透明，应该足以证明双方都没有在做“你最害怕的那件事”。这对美国的成本可能不高，因为“中国人已经全面进入我们的系统”；但他也提醒，对前沿实验室的可见性不应单方面授予。

• 近期更现实的机会，是让双方的核验研究者、学者和初创公司进行更密集的接触。这些关系中已经有真诚参与者在表达类似意思：“是的，这是个问题，而且很糟……我们试着解决它。”

• 这种联系不会消除国家层面的约束，却能培养出一批可以对本国领导人说“我和他们谈过，他们不是恶魔”的人。Edouard 认为，这种来自人与人的证词，至少能稍微遏制双方对彼此作出的最极端解读。

5. 大型云厂商的 GPU 收取的是产品溢价，而不是干净的套利价差

• SiliconData 将报价和成交的 GPU 租赁价格结合起来，再利用机器学习进行标准化，以便比较不同合同。报价仍然有信息含量，因为 API 库存通常可以立即买到，不像广告中的公寓，可能已经无房，也可能存在议价空间。

• 单看成交价可能产生误导：以 $2.75 租下3个节点，并不意味着下一个节点也能以 $2.75 获得。如果周边市场的报价是 $4、$6 或 $1，就必须把一笔滞后成交放回当前供给环境中解读，而不能将其视为普遍的出清价格。

• 大型云厂商的收费通常是 neo-cloud 的“至少 2-3 倍，有时更高”。Steve Hou 将价差归因于打包提供的分析、安全、合规服务，以及积累多年的企业客户关系；客户面临切换摩擦，不一定是在为闲置 GPU 小时买单。

• 他用单层汉堡作类比：薯条和奶昔可以被单独拿走，但如果供应商把它们混进肉饼里，再宣布这是一个新产品，就不能再拆开计算。此时，SiliconData 会按供应商类别拆分，而不会假装芯片小时仍然完全可互换。

6. Token 指数既随报价变化，也随使用结构变化

• Silica Mark 会在 EU ID 层面逐一测试 GPU 的健康状况、吞吐量和 TFLOPS，但这些结果目前尚未纳入租赁指数。虽然“GPU 彩票”会造成单机差异，Steve 认为大型集群大概率会将其平均掉；当前价格变量主要包括地理位置、CPU、内存、租期和供应商。

• SiliconData 的 token 指数是按支出加权、归一化至100万的价格指数，不是纯价格指数，也不是总交易量序列。即便所有 API 的标价都没有变化，只要用户转向更贵的模型，指数也可以上涨。

• 专有模型指数在7天内反弹 11.5%，但此前从6月底到月中已经从约 $4 跌至 $1.60。Steve 猜测，反弹反映了使用结构变化——类似买家改选更贵的 Mercedes 车型——此前新模型和低价版本曾推动指数下跌超过 50%。

7. DevDay 将延迟和可移植订阅纳入产品本身

• Nathan 认为，Dots 是一款打磨成熟的消费产品，却被尴尬地放在开发者主题演讲中。在花了9个月迭代自己的系统后，他预计自己会继续使用 Dots；对于他的母亲这类用户，一个不需要数据库和故障排查、由服务商托管的 agent，可能正是合适的抽象层。

• Prakash 初步判断，GPT-6.1 Sol “基本上是以 Sol 的价格获得 Astra”，而且肯定优于仅在2-3周前发布的 GPT-6 Sol。发布节奏如此压缩，本身就是信号的一部分。

• GPT-6 Astra Ultra Fast 将此前的 2 倍速模式提升至 8 倍速。Prakash 认为，关键不在于模型能否做出一个游戏，而在于它能否以交互方式完成构建，“同时让你保持在心流中”：当能力跨过门槛后，同等智能下的延迟将成为下一个产品前沿。

• Sign in with ChatGPT 可以让符合条件的用户将现有订阅计划用于参与该功能的应用，从而降低 SaaS 厂商的试用推理成本。Waymark 一度需要为每个小企业注册用户生成初始档案，成本约 $1，已经足以影响获客经济性；Nathan 称，订阅可移植性对用户、开发者、SaaS 公司以及 OpenAI 的生态承诺都是“巨大胜利”。

8. AI 降低了启动能耗，但没有代替人搭建结构

• Joel Borgen 最终或许本可以独自写出《The Receipt Horizon》，但孩子和兼职工作让创作启动能耗高到难以承受。他从愿景出发，小说前半部分也已经规划了大半；早期模型主要带来了上下文窗口管理问题，因为此前材料会不断从上下文中掉出去。

• 更好的模型确实让小说变得更好，但原始文字仍可能“除非你知道如何搭建框架、再亲自编辑，否则根本没法读”。Joel 承认作品存在与 AI 相关的缺陷，也承认有些读者无论创作过程如何，都会拒绝 AI 写作。

• 他眼中的积极未来仍然从一场 AI 战争之后开始，因为“乌托邦在叙事中往往想变成反乌托邦”：小说需要摩擦力。他没有把某个角色设置成自己的代言人，而是嵌入自己希望看到的技术，同时努力以最有说服力的方式呈现那些反对这些技术的人。

• Joel 按结构块和章节草稿工作，主要使用旗舰版 Claude，以及 GPT-5 以来的 ChatGPT Pro 模型。专业文字编辑、插画和排版既昂贵又缓慢；此后，他将这些经验输入 GPT-5 或 o3 Pro，为续作开发工作流。

9. 当机器艺术爆发时，人的判断成为稀缺投入

• Joel 将自己的数月创作过程，与一个自动化言情写作团队作了对比：后者每年可以产出约数百本书，并通过作品组合获利。当生成式艺术能够即时个性化后，他更难回答的问题是：如果受众不再共享同一件作品，艺术是否仍然有价值。

• 目前，他认为 AI 协作仍然需要大量人类品味和劳动，这是一个“甜蜜点”。他将手稿删减约 14%，很多时候不是增加文字，而是去掉典型的 AI 腔调和过度解释，从而改善原本平庸的章节。

• 他偏好的工作流，是让模型充当专注的助手：读入整部小说，找出问题，再由他逐点决定。即便机器可以完成大量分析，作者身份仍然体现在判断之中。

• 一项持续多年的中音谱号测试，展示了能力的非连续跃升。连续几代模型都无法正确处理5个简单音符，直到 Astra 出现；随后，它通过 Codex，几乎完美地将一份高度复杂的20世纪乐谱转换为机器可读格式，其中包括重升号、变音记号和连音线。Joel 将这一跃升描述为“一夜之间从 0 到 99”。

10. AI 循环找到了合理临床筛选器排除的结果

• Daniel McKinnon 的动机来自5年的基因不确定性：他的儿子 Owen 死于一种罕见肺病，另一段妊娠也未能保住，随后3次全基因组测序都没有找到答案，直到 Warren 出生并健康存活13个月。在那次妊娠期间，Daniel 援引 HIPAA 赋予的权利取得原始数据，并搭建了解读流程。

• 这套流程重新找到了 Owen 已知的病变：一段 91-kilobase 缺失，移除了位于相关基因上游 1 megabase 的增强子。原实验室的结构变异筛选器忽略了距离基因超过 1 kilobase 的结果；在人类必须审阅由约10亿个、每个长150 base pair 的片段组装而成的嘈杂新一代测序结果时，这个决定是合理的。

• Daniel 将 o3 放入一个循环中：模型先检查编码区，每次没有命中后继续搜索。临床团队受到病例处理量限制，而机器智能可以持续、并行工作，直到找到这个远端调控区域的解释。

• 他认为，基因组解读尤其适合通过 agentic 系统改进：任务周期长、结果可验证，而且尚未饱和。罕见病例可以成为系统反复爬坡解决的“奥林匹克级问题”，而人类临床医生仍然被时间压力所困。

11. 不确定变异需要湿实验室证据，而不是又一个静态预测

• 大多数最难的重新分析病例，最终都会落入意义未明变异状态。按照 ACMG 体系，6分可以将一个变异推至“可能致病”，从而打开治疗和保险选项；等待另一个匹配患者可能需要数年，而一次功能研究可以贡献2-4分。

• 这些实验需要具有生物学相关性的系统。对于肺泡毛细血管发育不良，Daniel 提到 IMR90 胎儿肺细胞，因为相关基因只在发育第16至20周左右表达；将变异植入通用癌细胞系，无法回答同一个问题。

• Gamo 买下 Arpeggio 剩余的业务，招募4名团队成员，并在3周后开始第一次实验。眼下的产品可以是面向临床实验室的查询服务，但更深层的目标是获取“来自真实世界的 RL 数据”，闭合模型预测与实测生物学之间的循环。

• 测序本身已经“足够便宜”：每个基因组低于 $1,000，有时约 $500，在高通量实验室甚至低于 $100。稀缺的仍然是解读能力。在 RareBench 上，传统变异排序工具 LIRICAL 得分约 10%，而 CloudCode 中的原生 Opus 5.5 得分约 50%；新系统的能力也不止于排序，还能解释结果、排列患者优先级，并提出治疗相关性。

12. 垂直 AI 依靠路由、工具和评测取胜，但这一层正在变薄

• Gamo 服务于两类现有工作流：医生收到不充分结果后的在线重新分析，以及对数千个存档基因组进行批量重新分析——罕见病中心没有足够人手重新审阅这些数据。机器主导的系统一周可以处理80、100或200个病例，而受限于人力的人工流程需要6个月或1年；公司成立4个月后仍处于尚未产生收入的阶段。

• Daniel 将公司描述为“一家做模型编排、工具和评测的公司”。Claude、Astra，甚至 Gemini，在 RareBench 的不同集群上表现各异，因此智能路由和集成可以同时改善成本与性能，而不必在基础模型层面展开竞争。

• 轨迹分析能抓住演示数据无法暴露的失败。Groq 4.6 曾经因为悄悄重命名一个基因而漏掉病例；Astra 曾在被要求处理的一篇论文中漏掉答案，另一次评测中则因为某些工具让它陷入过度思考而停了下来。Gamo 与每个模型共同设计工具，以可靠且可负担的方式避免这些“细小但持续的擦伤”。

• Daniel 也承认，垂直层正在变薄：原生 o3 起初得分为 0%，他称此后的提升是“20或30个百分点之类”。前沿实验室员工一直很愿意提供帮助，Daniel 也报告了许多此前未确诊的儿童如今已经确诊；但调动一家万亿美元公司的方向，与个人层面的热情并不是一回事。Nathan 最后的保留判断兼顾了两面：放慢前沿进展可能仍然明智，但约 50% 的 RareBench 成绩仍留下关键问题，使克制成为“代价高昂的妥协”。