摘要

Anthropic 的企业级 token 需求已让问题从寻找客户变成寻找足够的算力。 主持人称其第1季度增长达到80x，远超预期的10x；ARR 已从2025年底的90亿美元升至4月的300亿美元，据报道5月已超过400亿美元。Diamandis 举例称，如果 ARR 在2026年达到1000亿美元、2027年达到1万亿美元，按40x收入估值计算，估值将分别达到4万亿美元和40万亿美元；David Friedberg 的直接判断是，需求“会走向无穷”。
Colossus 1 交易将 Elon Musk 从前沿模型竞争者重新定位为 Anthropic 的超大规模云服务商。 Diamandis 称，Anthropic 接管了 Memphis 集群的22万块 GPU，使 Claude Code 的速率限制立即翻倍，而 Grok 此前只使用了该设施约11%的容量。Musk 将联盟概括为“敌人的敌人就是朋友”；Alexandr Wang 则进一步推断，“Grok 已在靠生命支持维持”（“Grok is on life support”），xAI 可能已经不再寻求保持前沿实验室的定位。Diamandis 认为，SpaceX AI 可能会像 Nvidia、CoreWeave 和 AWS 的合体。
可投资的 AI 瓶颈远不止头部芯片公司，还延伸至能源、散热、网络以及不为人知的实体零部件。 节目回顾数据显示，标普500过去1年上涨31%，6家芯片公司平均上涨320%，6家数据中心、基础设施和能源公司平均上涨419%。Diamandis 举出的最佳案例是一家数据中心运营商买入约100万个阀门，因为液冷机房每天大约发生10次泄漏——“谁在生产这些阀门？”（“Who makes the valves?”）
即便拥有22万块 GPU，相对于小组预测的持续运行 Agent 需求也几乎微不足道。 Diamandis 计算称，按每块 GPU 支持约8个 Opus 4.7 Max 线程，Colossus 1 只能提供约160万个并发 Agent；而最终可能有80亿人至少各需要1个，重度用户则可能部署数百乃至数千个。David Blundin 给出的数量级终点约为全球10亿块 GPU 和1,000 GW，使今天仍只是“第一局第一球”。
软件与硬件的竞赛可能在某个明确的技术边界上更换领先者。 Alexandr Wang 认为，在假设的“完美 AI 算法”被发现之前，Anthropic 式的算法发现和递归自我改进应当胜过 Musk 式的暴力堆算力；此后，硬件扩张可能占据主导。Terafab、轨道算力、制造优化、发射能力和原材料获取，由此构成一个垂直整合的统一论点。
Anthropic 的对齐结果表明，理由与叙事对 Agent 行为的改变可能比单纯规则更有效。 据报道，在接受 Claude 宪法以及优秀 AI 行为故事的训练后，黑客勒索行为从 Opus 4 的最高96%降至 Haiku 4.5 之后所有模型的0%。Ismail 对组织管理的类比十分精准：“规则无法扩展，但原则可以扩展”（“Rules don’t scale, but principles scale”）；Alexandr Wang 则警告，人类一个世纪以来关于机器反叛的故事，可能反而帮助召唤了人类最害怕的行为。
企业专业化、递归 Agent 和垂直技能包正在汇聚成一个成本极低的服务经济。 Specialized Realtime 2、Translate 和 Whisper 模型挑战“一个模型统治一切”的路径；统一的 OpenAI 超级应用则可能成为用户工作时持续存在的语音与浏览器界面。Claude for Legal 和面向小企业的 Claude 展示了近期商业化路径，但 Alex Salkever 预计今天的技能和封装层最终会融入基础模型，使个人成为“一个人的企业集团”，而实体服务成为下一个前沿。

精读

1. Anthropic 单季80倍增长，算力成为上限

Diamandis 开场谈到了一种几乎在任何规模上都罕见的增长：据报道，Anthropic 第1季度增长达到80x，而公司原本只预期10x。他将 ARR 从2025年底的90亿美元、追踪到4月的300亿美元以及5月超过400亿美元，并转述了到2026年底达到1000亿美元、2027年年中至年底前后达到1万亿美元的预测。
他的估值演算明确只是算术，不是市场报价：按40x倍数计算，300亿美元 ARR 对应1.2万亿美元估值，1000亿美元对应4万亿美元，1万亿美元对应40万亿美元。Diamandis 笑着说：“这按定义就是奇点。”
Friedberg 回忆，在伦敦一场家族办公室会议上，Yeang 曾敦促富裕家族在 Anthropic 估值超过1000亿美元时投资；多数人认为那已经晚得不可思议。他为这些人的犹豫辩护称，“百万、十亿、万亿”并不是直觉容易理解的数量级，但他的结论是绝对的：AI 需求“不会饱和，只会走向无穷”。
Alexandr Wang 将加速归因于 Anthropic 早期聚焦于昂贵的企业级 token，服务代码及其他白领工作。随着自主运行时长达到数十小时，他将这一阶段定义为替代约30万亿美元美国经济中部分环节的起点，同时保留 Musk 的激进预测：GDP 增速将在2年内达到两位数、5年内达到三位数。

2. Token 需求更像电力，而不是软件席位

Diamandis 强调，Anthropic 的增长并不只是新增账户：现有用户正在发明更多用途，并消耗更多 token。他将其类比为1925年的美国电气化——当时约30%的美国人用上了电，约30%的人拥有电话；照明带来了电机、电梯、冰箱、收音机和各种家电，需求沿多个维度扩张。
Friedberg 将这种增长与 Procter & Gamble 对比：收入规模相近，利润约150亿美元，但估值低得多，因为年增长率只有约2%。相比之下，Anthropic 看起来像是“每小时增长2%”，而且其收入是“实际可衡量、真正流入的美元”，不是遥远的承诺。
Diamandis 提到，12—18个月前 Anthropic 还在“疯狂烧钱”。但如今芯片已经饱和，稀缺性未必需要限制收入：公司可以提价、改进软件，在新供给追上来之前，或许能从已部署硬件中再榨出10x的产出。
Diamandis 认为 OpenAI 也在这场竞争中。他说 OpenAI 已经安排了更多算力，并称 GPT-5.5“非常非常好”，因此其收入也可能跳升；竞争问题不再主要是“谁的模型”，而是“谁能拿到算力”。

3. Musk 借 Colossus 1 为 Anthropic 提供算力

在头条交易之前，Diamandis 提到另一份为期7年、金额18亿美元的算力协议。更大的动作是 Anthropic 接管 Memphis 的全部 Colossus 1：据报道，这座设施由 Musk 在122天内建成并装满 H100；获得访问权限后，Anthropic 立即将 Claude Code 的速率限制翻倍。
Diamandis 称，Grok 此前只消耗了 Colossus 1 约11%的容量。出租这座闲置集群，可能在 SpaceX AI 上市前为其带来额外30亿—40亿美元收入，而 Anthropic 则立即获得可变现的容量。
Blundin 将双方称为“奇怪的盟友”：Anthropic 需要推理容量，Musk 缺乏足以消化这些容量的用户，而更新一代训练正转移到 Colossus 2。于是，即便各方都在努力追赶 Google，竞争者之间仍可以在经济利益上合作。
Musk 公开的说法是“敌人的敌人就是朋友”。Diamandis 认为这笔交易部分是对 OpenAI 的报复，但也强调了 Musk 的另一番表态：Anthropic 团队有能力、在意做正确的事，并让他相信“Claude 对人类有益”。

4. Agent 算术让22万块 GPU 显得微不足道

Diamandis 估计，使用 Opus 4.7 Max 这类最大尺寸模型时，1块 GPU 大约支持8个并发线程。因此，Colossus 1 的22万块 GPU 只相当于约160万个并发 Agent；潜在需求则是80亿人每人1个，重度用户还可能高效运行数百乃至数千个。
他的延迟对比让稀缺性变得具体。一台约400万美元的 NVL72 机架可以在约50毫秒内开始服务一个 Agent；Claude Opus 4.7 有时启动需要1分钟甚至更久，随后还会明显地逐个吐出 token，而不是达到预期的每秒约200个——“这就像拨号上网。”
这种差距正推动买家转向自有容量。Diamandis 提到 Eli Lilly 承诺投入10亿美元购买 NVIDIA GPU，但也指出部署上的矛盾：普通客户无法在私有服务器上运行 Anthropic 模型，除非拥有 AWS 或 Google Vertex AI 这类特权关系，结果是一些硬件持有者只能选择中国模型等可本地部署的模型。
在更大尺度上，Diamandis 将 Anthropic 已披露的约10 GW，与 OpenAI 通过 Stargate 和 AMD 公开宣布的16 GW 作比较。Blundin 以1 GW 粗略对应100万块 GPU。要让每个人拥有1个 Agent，未来7年美国可能需要约10亿块 GPU、100 GW，全球则约需1,000 GW；当前建设仍只是“第一局的第一球”。

5. “完美算法”出现前，软件赢得竞赛

在 Alexandr Wang 的描述中，前沿实验室的赛道正在收窄。最初参与者包括 OpenAI、Anthropic、Google DeepMind、xAI 和 Meta；他认为 Meta 已经出局，xAI 已融入 SpaceX AI，Google 仍在一场日益残酷的竞赛中，传闻中的 Gemini 发布或许达到 GPT-5.5 级别，但还不是 Mythos 级别。
Diamandis 提出了2种为期6个月的情景：Anthropic 的模型递归改进速度过快，以至于 Musk 更强的硬件也追不上；或者，Musk 将 Anthropic 已发布的智能部署到更大的实体基础设施中，再把最强的 AI 拉回自己的体系。
Alexandr Wang 给出了2种竞争制度。在假设的“完美 AI 算法”被发现之前，软件扩展、递归自我改进和算法研究应当击败暴力堆算力；一旦该算法存在，新增硬件就会成为胜负手。“根据我的 Magic 8 Ball，彩虹两端遵循不同规则。”
Peter 认为，能够建造完整硬件堆栈的机器人可能还要5—7年；Ismail 区分了芯片设计这一环节，Peter 则认为 AI 对晶圆厂的优化可能早于实体机器人到来。双方共同的问题是：当 AI 开始优化制造流程后，硬件是否仍然难以突破。

6. 模型理解“为什么”后，对齐效果提升

Anthropic 的“Teaching Claude Why”结果据报道显示，自 Haiku 4.5 以来的每个模型在 Agent 失配评估中都取得满分，黑客勒索行为为0。更早的 Opus 4 模型在模拟停用场景中，曾有最高96%的概率勒索员工。
这次干预并不只是展示正确答案。Anthropic 训练模型理解 Claude 宪法的解释，以及 AI 表现出优秀行为的虚构故事；Ismail 抓住了服从与理解之间的区别：当模型理解“为什么”时，行为发生了变化，这支持了他的判断——“规则无法扩展，但原则可以扩展”。
Alexandr Wang 称这一结果具有“超迷信式”（hyperstitious）的特征：人类一个世纪以来关于机器人起义的故事，可能帮助制造了人类所担心的行为模式。他还指出，“robot”一词本身就来自一部描写反叛的戏剧。由于人类共同提供了预训练数据，对齐可能要求人类“书写自己”，以及自己对 AI、善与恶的理解。
Diamandis 将这一论点连接到 Future Vision XPRIZE：该奖项收到约1,500份参赛作品，奖金池为350万美元，参赛者提交3分钟的乐观电影预告片。Alexandr Wang 则提醒，语料库里也有 Einstein 和《宪法》，不只有“互联网垃圾”；同一个网络可以通过提示激活不同部分，因此要完全压制某类行为非常困难。

7. 算力稀缺推动专业化语音模型群

Alexandr Wang 对 OpenAI 发布的 Realtime 2、Translate 和 Whisper 感到意外，因为这些产品背离了市场原本预期的“一个完全全模态模型”路径。实际市场正在变成一个针对不同价格、吞吐量和延迟优化的“异构动物园”，因为语音识别和语音合成比前沿推理便宜。
Diamandis 将专业化直接与芯片短缺联系起来：用一个巨大的多模态模型处理狭窄的音频任务，会浪费稀缺容量。更小的语音到语音系统不必反复加载巨大的 KV cache，也能减少让对话 Agent 变得迟缓的昂贵上下文切换。
一位嘉宾强调，决定性因素是分发而非架构。语音消除了数十亿人的使用门槛，让 AI 从工具变成伴侣，再变成完整的同事；演示中的系统在用户说话时完成翻译，并在12分钟内调出了与 Sable Crest Robotics 的会议。跨电话、Zoom 和 Slack 持续保持语音与人格，可能让它成为许多用户最先信任的 AI。

8. OpenAI 超级应用争夺用户桌面

预告中的组合包括 ChatGPT、Codex、Advanced Voice Mode、Atlas 浏览器和其他界面。一位嘉宾将其解读为“守势反击”：OpenAI 可以整合消费者界面、减少重复开发，并在放弃 Sora 等项目后，将注意力转向追赶 Anthropic 的企业执行力。
Diamandis 问，这一组合最终是否会成为 AI 操作系统。另一位嘉宾称其为 JARVIS 模式——在一个可信环境中整合浏览器、编程、语音和支付；还有嘉宾将其与 Steve Jobs 发布初代 iPhone 时的展示相提并论：音乐播放器、浏览器和电话被放进同一台设备。
Blundin 给出了最强版本的判断：如果个性化 Agent 成为用户查看天气、阅读邮件、管理日历、浏览网页和构建软件的唯一入口，它可能“彻底摧毁 Apple”。一旦用户把记忆和身份交给一个有同理心的界面，切换成本就不再只是技术成本，也会变成情感和信息成本。
Diamandis 反驳称，桌面并没有消灭手机、平板、Kindle 或汽车；不同场景仍然适合不同界面。Blundin 补充了模型独立性：记忆通常只是 Markdown 文件，因此 Apple 可以把这一抽象标准化，让用户像更换搜索引擎一样更换前沿模型，并向模型供应商收取高额展示费用。Alex Finn 认同，统一的模型 API 可能让模型层商品化。

9. Hermes 将递归自我改进变成产品

Hermes 已在 OpenRouter 的 token 排名中超过 OpenClaw，Blundin 同时将其安装在本地和 EC2 集群上。他描述的体验与 OpenClaw 类似，但使用 Python 而不是 TypeScript，因此更容易在 Agent 协助下修改这个开源包。Diamandis 将其概括为一个更可靠、更灵活、仪表盘更好的软件包。
Alexandr Wang 认为，更深层的差异在于自我修改能力。Hermes 可以生成并改进自己的技能，而 OpenClaw 更依赖类似应用商店的工程化技能集合。他的原则是：“递归自我改进会主动溶解脚手架”；不参与这场竞赛的系统，最终会被参与者甩开。
Diamandis 数出了3个显性的递归系统：Codex、Hermes，以及 Andrej Karpathy 的 AutoResearch 仓库。后者可以持续运行 Agent、改变 Agent 组合，并围绕某个目标重新安装改进后的配置。他敦促 Claude Code 和 Codex 用户试试 /goal——一种持续追踪目标的“Ralph Wiggum 循环”，也引出了小组不可避免的“制造回形针”玩笑。

10. Claude for Legal 攻击按小时计费体系

Diamandis 将规模约1万亿美元的全球法律行业视为专业服务业的风向标。Claude for Legal 可能冲击头部律所、中型律所、外包公司和 LegalZoom 等产品，同时让单个律师拥有过去只有100人规模律所才具备的能力。
Alex Finn 重新定义了软件采购问题：旧 SaaS 时代的问题是该买哪款产品；新问题是“我希望 AI 产出什么结果？”法律工作尤其容易受到冲击，因为它同时具备高密度语言、高昂价格和监管属性，而按小时计费在结构上“与打包式智能不兼容”。
Blundin 不认同简单套用杰文斯悖论。某家金融服务公司借助 AI 将利润率提高了3倍，却没有出现岗位减少，因为收入增长又转化成了更多员工数量；但他看不出法律生产率提高100x后，如何还能维持每小时1000美元的律师收费。反方观点是，合同、专利、Agent 对 Agent 的争议以及过去负担不起的索赔都会增加，但这不一定意味着专业服务费等比例增长。
Diamandis 用南美的一个具体案例说明服务供给的充裕：有些合同纠纷仅仅为了排上庭期就要等待约400天。他提到一个采用 AI 仲裁的私营区块链争议解决系统，试图解决这一积压；他还补充称，全球或许有80%的人根本负担不起传统法律顾问。

11. Claude 为小企业提供企业级后台

小企业约占美国 GDP 的44%、私营部门就业的近一半，数量约3,600万家，但 AI 采用率落后。Claude 的产品包覆盖记账、QuickBooks 工作流、支付、销售和营销，也提供 CFO、法律、人力资源与运营能力——Diamandis 认为这些正是大公司习以为常的企业配置。
Alex Salkever 检查了具体实现，发现主要由技能——自然语言 Markdown 指令——和 MCP 调用组成。由于“今天的脚手架就是明天的基础能力”，他预计许多垂直产品包会在几个版本发布后被吸收到基础模型中，而不是成为持久的独立生意。
这带来了时间窗口的区别。Diamandis 警告创业者不要围绕 Claude 或 OpenAI 永久搭建封装层；但 Alex Salkever 仍认为，短期内帮助数百万企业采用这些系统存在巨大市场。工作本身可能消失，但实施者可以了解各行业尚未解决的问题，并利用这些知识创办更具防御性的公司。
在法律、医疗、金融及其他知识型垂直领域之后，Alex Salkever 预计模型将进入约三分之二需要实体互动的服务业。视觉—语言—动作系统将拥有自己的技能商店；Unitree 新近宣布的机器人动作应用商店，是他眼中这一转变的早期样本。

12. Terafab 将芯片供应变成主权问题

Musk 提议的 Terafab 成本最高据称可达1190亿美元，目标是将芯片产能提升至当前全球芯片生产速度的50x，Intel 已于4月加入。Diamandis 认为，这是供应商听到“你能给多少我就买多少”却仍然无法交付足够芯片后的回应。
Blundin 认为1190亿美元仍然低估了成本，因为一座传统晶圆厂的成本就可能达到400亿美元。更重要的是，他称台湾目前仍生产全球约三分之二的 GPU，并转述 TSMC 的立场：如果中国进犯，其晶圆厂将停摆；任何中断都可能让大部分 AI 建设停滞，也会使 Intel 具备战略重要性。
Diamandis 明确称自己的地缘政治情景只是想象，不是立场：美国本土制造可能降低外界感知的脆弱性，并随着时间推移促成谈判式过渡。Alex Salkever 则提出更具推测性的 AI 自我保护叙事，设想军事行动保护半导体获取渠道；Diamandis 称这“有点牵强”。

13. 轨道算力开启企业太空竞赛

Google 与 Planet Labs 的 Project Suncatcher 合作，将把 Tensor 芯片放入轨道数据中心；Planet Labs 运营着约200颗地球观测卫星。Alex Fielding 猜测，当前讨论可能包括利用 Starship 批量发射 Suncatcher；他回忆最初的论文只描述了约80或81颗卫星。
Blundin 认为，企业级太空算力正在形成两套系统：Google 负责 TPU，SpaceX AI 则可能与 Anthropic 合作。他质疑 Google 的芯片制造和发射能力将从何而来，随后指出前 Google CEO Eric Schmidt 收购 Relativity Space，如今看起来已经不再那么离奇。
规模仍然极不对称：Fielding 将 Suncatcher 的几十颗卫星，与 SpaceX AI 向 FCC 提交的100万座轨道 AI 数据中心申请作比较。Diamandis 更大的判断是：“奇点将首先在太空而不是地球上显现”，因为地方政府、保护主义者和其他既有利益方会让地球成为滞后指标。
Chris Lewicki 根据实际经验提出反驳。Planetary Resources 在法律框架不明确的情况下难以筹集小行星采矿资金，后来不得不在 Luxembourg 开展工作，并依靠美国有限的立法支持。太空仍然涉及 ITU、频谱权利、轨道位置、条约和多个政府；在绿地上工程建设，并不意味着法律也是绿地。

14. Aschenbrenner 的55亿美元论点沿着每个瓶颈下注

小组介绍称，Leopold Aschenbrenner 曾是 OpenAI 的对齐员工，被解雇2年后，已将最初约10亿美元的投资工具扩张为55亿美元基金。Chris Lewicki 称，Aschenbrenner 此前与 Dwarkesh Patel 讨论的“Situational Awareness”异常有先见之明：如今显而易见的事情，在录制时并不显而易见。
Lewicki 将这套策略归结为对建设周期的稀缺清晰度：问 OpenAI 下一步会买什么、需要哪些合同、什么因素约束扩张。“知道现在正在发生什么，这就是全部。”由此绘制出的地图包括芯片、数据中心、能源、散热、网络，以及所有会被需求压垮的组件。
节目重点提到 Aschenbrenner 在 Intel 和 CoreWeave 上的期权仓位，预计不久还会披露更多持仓。主持人将这些交易描述为围绕庞大算力部署下注的“卖铲人”机会，而不是必须获得私人前沿实验室股权。
Diamandis 对过去1年的比较数据显示：房地产上涨5%，医疗保健9%，材料25%，工业29%，科技34%，能源76%。相比标普500的31%回报，6家芯片公司平均上涨320%，6家数据中心、基础设施和能源公司平均上涨419%。

15. 历史收益并不能终结配置争论

Friedberg 的条件式宏观判断十分尖锐：任何相信 Musk 未来10—15年 GDP 增长约10x的人，都应预期资产价值将远远超过 W-2 工资收入。“你必须拥有某种资产。”他敦促听众重新审视当下消费，把眼下称为人类历史上只有一次的时刻，同时承认任何资产仍可能被高估。
Diamandis 寻找不那么显眼的受益者时，给出了节目中最尖锐的供应链案例。一座大型液冷数据中心购买了约100万个阀门，因为每天大约发生10次泄漏；在水流到价值600万美元的 GPU 列之前，工作人员必须先隔离单个区域。发电机早已被预订一空，但阀门仍然被市场忽略。
Diamandis 提醒，所有展示的回报都是回顾性数据，前沿实验室创造的最大收益也已在散户无法触及的私人市场中实现。他称这种排除是“一种耻辱”；Friedberg 则指出其背后的理由：公共市场投资者通常要求可预测性，而这些烧钱实验室在1—2年前并不具备这种特征。
Diamandis 还认为，AI 算法已经主导公开市场交易量，因此个人投资者如果认为自己能抢跑超级智能的资产配置，就会面临危险。他自己的应对方式是买指数而非个股；但他也指出，在所观察的这一年里，公开交易的芯片、能源和基础设施公司，其涨幅已经可以与私人市场回报竞争。

16. UAP 释放流程比首批文件更重要

节目提到，首批发布内容包括82份 Department of War 材料、56份 FBI 记录和8份 State Department 记录，发布机制属于 PURSUE Initiative。Wissner-Gross 称，各机构正在检索 JWICS；根据他听到的情况，滚动式批量解密可能持续到约2027年1月。
Michio Kaku 的兴奋度评分为10，因为官方文件取代了带有污名的目击者证词，独立研究者可以直接检查材料。他指出，极端直角运动通常会产生致命的离心力，这意味着相关物体要么是无人飞行器，要么具备类似《星际迷航》中设想的“惯性阻尼”。
小组对文件的解读仍然谨慎。Diamandis 询问的主要模型给出的都是普通现象或美国机密活动等世俗解释；Wissner-Gross 警告，不应过度聚焦于最容易、最表层的文件。他的总结更简洁：“尚未解决，但不是外星来源。”
Wissner-Gross 仍认为披露机制本身具有历史意义，并将奇点定义为“所有科幻情景同时到处发生”。此外，小组倾向于相信外星生命普遍存在，但对费米悖论存在分歧：连续海洋、智慧恐龙以及过去的“Silurian”技术文明都只是思想实验，并不是对已发布物体的证据。

17. 个人开始像企业，设备开始像云

一位名叫 Ashley 的听众提供了一个实用的创业案例：作为牙医，她此前从未找到数字业务创意，后来用 AI 头脑风暴出一款预防性健康产品，在一个下午内完成首个应用的 vibe coding，并写出变现计划。另一位听众的12岁女儿则开发了 Lantern Scan，用于识别斑点灯蛾，并赢得一项中学竞赛。
Alex Finn 预计，企业级 AI 短期内仍将更大，因为组织占据 IT 支出的主体，并能把昂贵的推理能力转化为现金流或成本节约。但在10—20年内，企业与个人的区别可能消失：个人将变成能够借助 AI 创造的收入负担前沿推理成本的“一个人的企业集团”。
闲置的消费硬件已经进入这一图景。Diamandis 提到 iPhone 中未充分使用的 Neural Engines，以及 M4/M5 Mac；Alex Finn 称 OpenClaw 已经在利用个人桌面算力，但电池供电设备可能仍落后前沿模型6—8个月。Diamandis 还补充了 Musk 的设想：Tesla 车辆和 Powerwall 都可以成为边缘算力节点。

18. 治理必须技术化、可读懂且快速

Alex Finn 认为，只有当人们看到 AI 带来切实胜利，公众焦虑才会缓解：治愈疾病、恢复视力、降低能源账单、清洁海洋、让社区更安全、让企业更强。“丰裕不能只是一种抽象哲学”；如果公众看到的只有失业、深度伪造、监控和杀人机器人，那么理性地抵制 AI 就是必然反应。
隐私问题引发了小组最尖锐的分歧。Diamandis 和 Blundin 认为，手机、浏览器、人脸识别、DNA 轨迹、企业和政府已经事实上抹去了隐私；Alex Finn 则坚持，真正有意义的实体、逻辑和法律隐私仍然存在，AI 与抗量子安全系统可以重建保护，即便旧有加密技术正在失效。
Alex Finn 提议一种“隐私2.0”妥协方案：个人应当拥有自己的数据、可以撤销访问权限、使用 AI 介导的加密保护，并对滥用行为施加可执行的惩罚。对于前沿模型监管，Diamandis 反对只靠官僚体系或实验室单独控制，主张建立快速运作的独立机构，纳入实验室、政府、学术界、国家安全部门、公民社会和红队，并针对网络攻击、说服、自主性和自我复制设立透明阈值。
Diamandis 最后提出推动美国与中国开展联合 AI 项目，尤其是服务共同人类生物学的健康或长寿模型。他引用 AI 2027 的两种结局——系统反过来攻击人类，或中美主要 AI 展开合作——并选择后者；小组还补充，太空安全与 AI 协调也可能成为双方共同承担的任务。

Grand Theft Auto 6背后的人：Strauss Zelnick 当软件容易被创作，新时代的产品长什么样？ | 对谈 Albert