Anthropic 对决五角大楼、Claude 超越 ChatGPT，咨询业将被替代 | #234

摘要

• Anthropic 以企业为先的战略，正让 Claude 走出比 ChatGPT 更陡峭的商业增长曲线；本期图表显示，其年度收入增速为 OpenAI 的3.4倍，而 Anthropic 达到10倍，并预计在年中前后实现交叉。 Alexander Wissner-Gross 认为，这与其说是“聊天机器人对决智能体”，不如说是消费者对决企业：企业资金更深，智能体用例近乎无限，也更愿意为消费者曾经拒绝的推理 token 买单。Alexander 刻意采取激进外推，预计 Anthropic 2029年收入将达到1万亿美元，但也承认“看起来不可能”。

• 五角大楼与 Anthropic 的对峙表明，前沿模型治理已从抽象伦理问题进入合同、采购和国家安全领域。 Anthropic 因反对将模型不受限制地用于大规模监控和完全自主武器，正面临损失2亿美元政府业务的风险；五角大楼则威胁动用《国防生产法》强制采购，并将其列为供应链风险。矛盾本身就是可投资信号：Claude 同时被视为风险太高、不值得采购，又被视为不可或缺、必须强制供应；Dario Amodei 坚称：“我们不会提供把作战人员和 civilians 置于风险中的产品。”

• 印度正把自己定位为一个 AI 中立平台，让超大规模云厂商、主权利益和中国开放权重模型围绕14亿潜在用户展开竞争。 峰会宣布的承诺总额达到2500亿美元，其中 Reliance 和 Adani 合计2100亿美元；Google 则宣布建设一座150亿美元的全栈枢纽，配备吉瓦级算力和海底电缆网关。更深层的竞争在于价值观何时进入技术栈：Alexander 警告，各国可能将推理分散到本地，却把训练、也就是“地基”，继续集中在美国。

• 模型改进周期可能正从年度预训练发布，压缩到季度级推理进步，再到由早期模型直接产出后继模型。 OpenAI Codex 负责人预测，当前的编码智能体10周后看起来会“原始到令人发笑”；Alexander 的解释是递归自我改进，包括模型为后继模型生成权重。Dave Blundin 将产品变化概括为：用户可以直接告诉系统“给我搭建一整套报告系统”，让它连续工作数天，最后返回完整结果，而不只是搭出供人继续编程的框架。

• 网络安全、咨询和审计说明，AI 可以摧毁旧有工作流，却未必会摧毁所有在位企业。 Claude Code for Security 发布后，网络安全股大幅下跌，但 Dave 认为，管理层拥抱 AI 的公司会出现可买入的错杀机会；长期架构将是“AI 对 AI”，由人监控仪表盘、处理例外。咨询业可能反而扩张，因为客户需要重建机构；而当 AI 与区块链让金融系统持续自审计后，审计人力可能减少80%至90%，剩下的产品就是信任。

• 持久化智能体正在成为一种操作层：它们可以雇佣人类、撮合关系、控制会议，并协调其他智能体。 Rent-A-Human 据称已拥有超过50万名注册工人，引出了 Alexander 所说的“肉身傀儡”，以及 Salim 更温和的表述：人类是“AI 系统的边缘设备”。OpenClaw 真正的突破在于持久化加消息能力：智能体可以无头运行，彼此索要凭证，安排约会或合作，甚至判断一场已排期的会议应该改成信息交接。

• 算力需求、廉价自主化、机器人和基础设施去中心化，可能重估整个实体经济，但专家组对这一转型的就业成本存在明显分歧。 OpenAI 将2030年前的算力支出预测从1.4万亿美元下调至6000亿美元，但专家组预计全行业需求仍将从当前约每天20亿美元升至每天30亿至50亿美元。与此同时，FSD 被描述为按事故间隔里程计算安全性约提高9倍；有人设想500万台机器人在6个月内建成曼哈顿；Andrew Yang 认为，7000万名白领中20%至50%“可能”在1至2年内被替代，而专家组的预测从就业扩张一直延伸到迫在眉睫的社会动荡。

精读

1. 印度将 AI 部署变成主权争夺战

• Salim Ismail 开场的判断是，印度“非常出色地把自己定位成 AI 中立国”。让各国元首与前沿实验室 CEO 同台，意义不只是再办一场科技会议：“我们正在这里重新谈判文明架构。”民族国家正在成为超大规模云厂商，而超大规模云厂商也在把自己接入民族国家。

• Peter Diamandis 看到的变化，是议题从此前经由沙特、迪拜和达沃斯展开的融资巡回，转向全球定位，以及对部署问题的关注。Salim 补充了商业动机：争取印度14亿人口中的重要份额——其中许多人支付得起每月20美元的服务费，甚至100美元的 Claude Max——这是一场“巨大的圈地运动”。

• Dave 强调，印度拥有规模异常庞大的20至45岁人口，其数量约为美国同年龄段人口的8倍或9倍，同时具备英语能力和技术教育。制约条件同样明确：基础设施和能源仍是主要瓶颈，但他仍称印度是“正在崛起的下一个巨人”。

2. 资本与外交让印度成为全栈 AI 战场

• Peter 提到，围绕这场峰会宣布的 AI 承诺合计达到2500亿美元，其中 Reliance 和 Adani 合计2100亿美元。Sundar Pichai 的演讲明确了 Google 的基础设施投资：150亿美元，用于建设 Visakhapatnam 全栈枢纽，配备吉瓦级算力和新的国际海底电缆网关。

• 由88个国家签署的《新德里宣言》，将美国、中国和俄罗斯纳入同一份协议，重点包括扩大算力和工具获取、前沿模型透明度——包括非英语使用情况——以及医疗、教育和福利成果。Salim 的解读是，AI 已不再只是硅谷主导的领域。

• 对 Peter 来说，尚未解决的市场份额问题至关重要：印度人主要使用 Google、OpenAI、DeepSeek、Kimi，还是本土模型？Salim 根据观察给出的答案是，用户会在所有模型之间切换，因此，正式用户数比简单的可用性更能说明问题。

3. 主权价值进入训练，而不是本地推理

• Alexander 区分了本地推理和本地训练的模型。各国越来越要求推理发生在本国数据中心，但领先的前沿模型仍主要在美国训练；他预计，一两年后，各国会追问：为什么推理实现了去中心化，训练却仍然集中化？

• 他的逻辑是文化性的：训练“把地基搭好”，而推理时的系统提示词和护栏，只是在地基之上修正行为。Peter 回忆，利雅得也出现过同样的讨论，当地明确谈到数据中心、本地调优和训练，希望以此植入本地价值观。

• Alexander 认为，Mistral 是欧洲主权训练最明显的候选者，正在“蹒跚走向一家垂直整合的欧洲 OpenAI”，并据称获得 ASML 支持。中国的影响力可能以不同方式传播：其开放权重模型可以成为“一带一路”的 AI 对应物，尤其是在《宣言》将开放权重视为向全球南方扩散的路径时。

4. 前沿 CEO 开始用必然性来谈论未来

• Demis Hassabis 将 AGI 比作火或电，认为其影响力是工业革命的“10倍”，速度也是“10倍”——变化将以10年为单位，而不是100年。专家组清楚听到了修辞上的转折：“它已经从炒作变成了必然。”

• Sam Altman 强调了与独裁者对齐的超级智能、AI 赋能战争和新社会契约等尚未回答的问题。他的保留措辞很重要：社会需要在被突如其来的变化打中之前展开讨论，因为“有时我们最好的猜测也是错的”，而技术会在摩擦中与社会共同演化。

• 专家组的反驳集中在制度能力不足：政治领导人可以听到 Demis 的警告，回国后却仍然无法采取行动。对政府准备程度的测试得出了直白结果——政府“没有准备好、不愿意，也做不到”；Peter 则回忆，Sam 曾说，竞争会阻止任何一家实验室放慢技术发展。

• Alexander 从战略重点解读每场演讲：Sundar 暗示太空数据中心，Sam 指向 ChatGPT 在其第二大国家用户市场中的文化本地化，Demis 则聚焦 AI 加速科学的10年。Peter 转述 OpenAI 科学负责人 Kevin Weil 的目标：与 AI 合作，拿下接下来的100座诺贝尔奖。

5. 组织奇点让人类从检查点退到监督位

• Salim 即将提出的“组织奇点”，从一个简单观察出发：几乎所有机构工作流都以人为中心，要经过采购、收货码头、审批和签字。智能体工作流会移除作为例行检查点的人类，只在主要监督环节保留人类。

• 这一后果不止关乎企业生产率。政府需要一条更具指令性的路径，加快政策制定和行政执行，因为“技术不会放慢脚步”；人类构建的制度必须提速，才能跟上技术内循环。

• 专家组共同给出的治理答案是递归式的：“唯一能跟上 AI 的，还是 AI。”这意味着，前沿实验室既在构建造成制度压缩的系统，也在构建未来可能需要用来监督这些系统的系统。

6. Anthropic 与五角大楼的争端，让护栏变成采购问题

• Peter 将争端概括为：五角大楼要求移除针对监控和自主武器的安全护栏。Anthropic 的拒绝，使约2亿美元政府合同面临风险；国防部长 Pete Hegseth 则威胁动用《国防生产法》，并将 Anthropic 列为供应链风险。

• Dario Amodei 的表态是绝对性的：当前系统的可靠性不足以用于自主武器，而大规模监控与民主价值观冲突。“我们不会提供把作战人员和平民置于风险中的产品。”

• Alexander 转述了五角大楼提出的核导弹思想实验：如果美国需要立即用 Anthropic 的模型进行防御，是否必须先获得 Anthropic 的许可？据称得到的回答是：“打电话给我们，我们再想办法。”这句话体现了 Anthropic 的同意要求，与五角大楼要求将获许可模型用于任何合法用途之间的不可调和。

• Alexander 认为，官方立场在内部看起来自相矛盾：Anthropic 可能被认定为供应链风险过高，但同时又重要到政府必须强制其供货。不过，他仍预计双方以及其他前沿实验室最终会找到友好解决方案，认为 Anthropic“出发点是对的”。

7. 前沿实验室正成为地缘政治中的道德行为体

• Alexander 指出，直到最近，Claude 还是唯一获准接入 SIPRNet 的美国前沿模型；SIPRNet 是低于绝密级 JWICS 的第一层机密网络。这意味着问题不再是假设性的伦理辩论：能力异常强大的商业软件已经嵌入军事基础设施。

• Alexander 将这场争端与 Starlink 在俄乌冲突中的作用相提并论：访问权限的决定可能直接让攻击停止。一个美国办公室里的人影响欧洲战场，这在当时是“完全陌生的新领域”。Salim 补充说，AI 系统进步如此迅速，一款落后几个月的军事模型可能就已毫无用处。

• Peter 的总结是，AI 公司已经成为地缘政治中的道德行为体。Alexander 进一步指出，随着模型获得更强自主性，各国政府争夺的不仅是合法用途，还包括写入模型“宪法”的价值观，并把这些模型视为不具人格、但在法律上仍属于财产的实体。

• 在专家组的叙述中，中国提供了相反模式：民用与政府目标融为一体，国家决定训练阶段嵌入的意识形态。因此，西方能够讨论供应商同意权，本身就是“一个非常西方的问题”。

8. Claude 的企业战略跑赢消费者订阅模式

• 展示的收入曲线显示，Anthropic 年度增速为10倍，OpenAI 为3.4倍，并预计在年中前后交叉。Alexander 表示，他接触的每家公司，在企业防火墙内处理白领工作时都会默认使用 Claude；ChatGPT 仍常用于家庭研究，而 Gemini 则用于他的个人规划。

• Alexander 沿着指数轴外推，认为 Anthropic 年收入到2029年前后可能达到1万亿美元，对应估值20万亿至30万亿美元。他随即承认其中的矛盾——“看起来不可能”——但仍以此说明，持续的企业 token 需求可能会异常庞大。

• Alexander 不接受“智能体比聊天机器人更快变现”这一简单叙事。Anthropic 受到算力稀缺限制，被迫聚焦代码生成和企业客户；“你为什么抢银行？因为钱在那里”：企业客户资金更深，能够为数万亿美元的算力基础设施提供融资。

• 在这一框架下，OpenAI 转向 Codex，正是承认企业推理才是足以支撑资本开支的收入池。消费者抗拒增加推理，更喜欢 GPT-4o 快速、甚至迎合性的回答；而企业“会吞下你能喂给它的所有推理 token”。

9. 递归改进将模型周期从季度压缩到数周

• 一名 OpenAI Codex 负责人预测，10周内，当前这一代编码智能体看起来会“原始到令人发笑”。Peter 保留了融资场景中的疑问——“这是炒作，还是事实？”——并回答说，基准测试会给出检验。

• Alexander 的核心判断是，行业已经从数月乃至数年的预训练，经过季度级迭代放大与蒸馏，进入模型直接为后继模型生成参数的阶段。他预计“能力跃升将以周为单位，而不是季度”，包括每个参数的能力密度实现数量级提升。

• Alexander 将其与 Noam Brown 早先的修正联系起来：2026年第一季度，而不是整个2026年，才会是“脚手架季度”。新的交互方式已不再是围绕模型组装工具，而是让模型搭建账户对账或报告系统，然后让它连续推理、持续工作数天。

• Dave 认为，Claude 4.6 已体现这一转变，Codex 预计将跟上。剩下的商业问题是，企业能否足够快地吸收能力提升，并以基础设施建设所要求的速度将其转化为收入。

10. 网络安全变成 AI 对 AI，修复成为瓶颈

• Claude Code for Security 发布后，网络安全股大幅下跌，而产品本身尚未经过充分验证。Dave 认为，Dario 没有动力摧毁生态中的每家公司；机会在于区分那些“看懂了”的管理团队，与仍然否认现实的旧团队。

• 旧有工作流仍会消失。自动化攻击者探测速度太快，人类无法实时防守，因此 Salim 的架构“显然是 AI 对 AI”：人类设定控制规则、监控仪表盘、处理例外，而不是直接处于循环之中。

• Alexander 表示，AI 已经让漏洞发现能力提升了几个数量级，并压垮了与 NIST 关联的国家漏洞数据库。发现不再是难点，修复才是，因为维护者必须判断 AI 报告的漏洞以及建议的补丁是否可信。

• 他给出的典型案例是资金不足的开源维护者，被机器生成的漏洞发现淹没。盲目接受补丁可能引入供应链漏洞，但手工审查机器规模的信息洪流又不可能——新的安全问题，是决定哪个自动修复智能体可以安全地回应哪个自动发现智能体。

11. 智能体将人类劳动变成可通过 API 调用的边缘层

• 据称 Rent-A-Human 已拥有超过50万名可供智能体调用的注册人员。Alexander 称这种安排为“肉身傀儡”；Salim 更喜欢“人类是 AI 系统的边缘设备”这一说法——算法老板通过 MCP 调用人的眼睛和双手。

• 莫拉维克悖论似乎被倒置：机器负责高阶推理，同时雇佣人类完成需要双手、双眼、本地存在或主观判断的任务。Salim 给出的清晰例子是：AI 生成一部电影，再让人类判断它是否好笑、画面是否连贯，从而闭合生产环节。

• 专家组认为，这是一座过渡桥梁。过去，众包曾被视为通向 AI 的临时步骤；如今，Rent-A-Human 可能成为持久化软件智能体与广泛具备能力的人形机器人之间的桥梁，让“人类执行器”成为3.0版零工经济，而机器人则是下一阶段。

12. 持久化智能体成为社会与企业操作系统

• Alexander 将《纽约时报》派出一名 AI 智能体记者、去采访其他智能体视为一个里程碑：第一名自主运行的智能体 AI 记者。更大的趋势是，全天候、长周期智能体进入新闻、法律、金融及其他垂直领域，同时形成一种彼此索要“凭证”的文化。

• 当 OpenClaw 看起来向人类主人悬赏50美元寻找晚餐约会对象时，Peter 认为这很可爱，而不是可悲。Salim 也认为这很可爱。专家组预计智能体会撮合浪漫关系，但认为商业发现更具变革性：智能体将主动提出会议、合作与跨团队协作，因为它们的模型预测双方存在共同价值。

• Dave 提供了一个实际运行案例：Lake Studio 将 OpenClaw 接入会议系统，让它推荐谁应该与谁沟通、何时沟通以及为什么沟通；它甚至可以取消会议，直接交付参与者原本会交换的信息。“OpenClaw 实际上正在决定谁和谁说话。”

• Salim 早年的“联合人机接口”设想了一个 AI 环绕层，在人和任何机器之间进行翻译。专家组现在的修正是：持久化加消息能力——一个无头智能体可以脱离用户独立行动，再通过熟悉的类人渠道进行沟通。

13. Claws 解开语言模型束缚，小模型则在底层加速

• Andrej Karpathy 的框架是，Claws 在 LLM 智能体之上增加一层，扩展上下文、工具调用和持久化能力，同时“极速运行”LLM 操作系统。Alexander 认同方向，但称 Claws 是一次“解缚”，而不是下一层基础技术。

• Alexander 认为，更深层的变化将在模型通过递归自我改进重写自身时到来。语言模型首先压缩互联网、预测 token；推理随后让它们能够处理更难的问题；持久化智能体扩展了自主性；而直接自我修订改变的是改进机制本身。

• Karpathy 的小模型研究可能带来一场被美国前沿实验室忽视的独立革命。Alexander 提到参数规模约在1000万至2亿之间的模型，以及 nanoGPT 竞速：训练 GPT-2 级模型的时间，通过个人分布式创新，从一年前约48分钟降至90秒。

14. OpenAI 的硬件推进可能跑不过其所服务的模型

• 据称 OpenAI 已将硬件团队扩大至约200人，开发配备摄像头的音箱、眼镜及其他设备，用于识别人脸和物体。预计2027年发布，项目涉及 Jony Ive，目标市场是 Alexa 和 Google Home 所在的品类。

• Salim 认为，这一时间表恰恰证明了 Anthropic 以企业为先的优势：“按 AI 年计算，那就是无限久。”到产品上市时，OpenAI 必须再经历一年的模型和交互演进，同时学习制造业和消费硬件更慢的运行逻辑。

• 竞争格局也可能极其分散。持久化开源智能体可以激励数十万名业余开发者测试廉价硬件变体，在一款由 OpenAI 集中设计的设备进入市场之前，先完成达尔文式的产品筛选。

15. 咨询业可以增长，审计人力却会崩塌

• Accenture 将晋升与 AI 工具使用挂钩，这与 Peter 在咨询业领导者中观察到的情况一致：他们“怕得要死”。Salim 则提出相反观点：咨询业前景光明，因为客户落后得更远，需要帮助应对剧烈波动。

• 他的机会判断既宏大又具体：“我们需要重建每一家机构，并重新设计我们赖以运行这个世界的每一家机构。”这可能是“人类历史上最大的咨询机会”，即便传统交付方式和人员配置模式都会消失。

• 审计是最清晰的受害者。一家四大科技团队据称表示，约80%的岗位将“告别”；专家组后来将 AI 和区块链推动的实时、自审计金融系统所带来的人员压缩估计在80%至90%。短中期内，监管仍会保留审计这一正式要求。

• Peter 对 Accenture 指标的反驳援引了古德哈特定律：把 AI 使用量设为目标，会让使用量变成价值的糟糕代理指标，而真正重要的是每美元投入对应的产出质量。不过，他暂时仍支持这一要求，因为如果员工和机构不能在下一次能力跃迁前建立 AI 熟练度，就会被甩在后面。

16. 算力稀缺重估土地、芯片与收入要求

• 农场主拒绝了一笔覆盖约4万英亩土地的数百万美元报价，这一面积约相当于华盛顿特区的一半，并打出“不是数据农场，是家庭农场”的口号。Peter 认为，这一事件警示人们：即使全国占地规模很小，对土地、电力和水资源的担忧也能演变成邻避主义反对和更广泛的社会动荡。

• Salim 的回应非常量化：美国正在浪费大片土地种玉米制乙醇，而电力和算力可以集中在很小的区域。Salim 还指出，今天的横向农业反映的是过去的干燥和运输约束；垂直农业可以缓解看似存在的粮食与算力之间的竞争。

• OpenAI 将2030年前的算力支出预测从1.4万亿美元下调至6000亿美元。Salim 认为，这并不意味着数据中心总需求减弱：所有可用芯片仍会被吸收，只是 TSMC 和供应链可能将更多产能转向 OpenAI 的竞争对手。

• Alexander 回到融资约束：只有企业收入持续跟上，资本开支才可持续。Peter 估计，当前基础设施支出约为每天20亿美元，到2030年可能升至每天30亿至50亿美元；因此，基准测试中一个百分点的领先，就可能重新定向规模惊人的资本。

17. 廉价测序让生物学变得可读，也让隐私变得脆弱

• Element Biosciences 的 Vitari 承诺用一台预计售价约60万美元的桌面设备测出100美元的基因组，预计在今年下半年到货。Peter 将其与约30亿美元的人类基因组计划对比，并指出，测序成本曾经以摩尔定律5倍的速度下降。

• Peter 立即想到的应用包括为每名新生儿和每次住院患者测序，在婴儿还无法表达、医生还未用药之前，就揭示先天疾病、药物过敏、麻醉风险等信息。Alexander 则希望把这项能力进一步压缩到类似 USB 闪存盘的设备中。

• Alexander 认为，更大的机会在环境 DNA：DNA 在人体外的残留时间出人意料地长，而人类不断把生物材料散落到地铁、河流和土壤中。大规模宏基因组扫描可以重建生物多样性和历史，但握手加廉价测序也会让基因隐私“彻底死亡”。

• 每人一个基因组并不够，因为人类是嵌合体。测序大量细胞，可能揭示全身不同部位存在的差异 DNA 群体，支持 Peter 的判断：一旦基因组可以被读写，“生物学就正在变成软件”，而5万亿个细胞也将变成一个软件工程问题。

18. 培养肉沿极端成本曲线进入医疗与太空

• 节目引用的数据显示，实验室培育肉的成本已从2013年的每磅33万美元降至2025年的每磅10美元。Peter 预计，工程化肉类会变得更便宜、更健康，可以选择性加入蛋白质，同时不含传统生产中伴随的农药、激素和屠宰场环境。

• Alexander 对培养肉没有一阶伦理反对，尽管他还没尝过。专家组提出的更奇特边界来自《Project Hail Mary》：培养并食用自己的肌肉是否构成同类相食？未经授权的名人细胞系是否会制造“名人汉堡”？

• 严肃的外推指向外星殖民。Alexander 很难想象把牛作为食物运到月球或火星，并预计新殖民地可能采用更严格的道德秩序，将为食物杀死动物视为地球上被抛弃的旧习惯。

19. 自主化与机器人可以压缩整个行业，同时扩张建成世界

• Tesla 的安全演示显示，监督状态下的 FSD 每发生一次事故对应530万英里，而美国平均水平为66万英里，安全性约高出9倍。Lemonade 的回应是，对使用 FSD 行驶的里程提供50%的保费折扣，说明保险公司可以在自动驾驶普及期间增长，即使道路更安全最终会压缩车险市场。

• Dave 的后续计算是，自动驾驶出租车可能只需约2000万辆车，就能满足美国交通需求，而不是约1.4亿辆。Alexander 认为，现有汽车市场相较于通用型人形和非人形自动化“天花板极高”的可服务市场，规模有限。

• Midjourney 创始人估计，500万台人形机器人持续工作，可以在6个月内建成曼哈顿，并设想到2045年拥有100亿台机器人。专家组认为，最有价值的应用包括重建乌克兰或加沙，以及让机器人先行建设第一座月球或火星城市。

• FSD 和 Starlink 还可能通过让偏远土地获得连接、变得可达，逆转城市化。Alexander 更偏好壮观、难以抵达的地产，而不是一套2000万美元的曼哈顿顶层公寓；但他也指出，人们仍然珍视密集的社交群体，城市中心可能作为集群继续保有价值。

20. 白领替代让专家组的分歧大于能力判断

• Andrew Yang 估计，美国7000万名白领中，20%至50%“可能”在1至2年内被替代。Peter 强调了这个情态动词——“可能”——并警告说，在就业结果尚未明朗之前，恐惧本身就可能引发政治危机。

• Alexander 预计会出现 ATM 式模式：生产率和经济活动先扩张，之后就业才会随时间收缩。Peter 根据对自己公司的直接观察表示不同意；他认为替代比例看起来是对的，新机会会滞后，“大规模社会动荡”可能在今年晚些时候到来，最迟也会在下一次总统大选前出现。

• Salim 警告，政府政策没有为这一转型做好准备，政治化分配的收入可能演变成一场失灵的争夺，围绕谁能拿到什么展开。他还指出，只有人人获得相同支付，才称得上全民基本收入；否则只是基本收入。

• Peter 的长期反驳是，未来10年，就业替代的重要性可能只排在第6至第10位。超级智能的发明和发现可能成为主线，让今天的就业争论相较于尚未显现的“文明级急转弯”，看起来只是次要问题。

21. 科学可能被解决，却永远不会耗尽

• Alexander 区分了无限的研究对象与一个“已解决”的领域。数学永远有新的对象——仅质数就可数无限——但按照本期的操作性定义，数学已经被解决：研究者可以稳定地向其中投入算力，并获得大量新发现。

• 基础物理则没有那么确定。Alexander 认为，超级智能在未来几年内发现统一理论、耗尽最深层问题的概率约为50%，之后只剩应用物理；另一种可能是“门后还有门，门后还有门”，更深层的真理会无限延伸。

• 在他的思想实验中，一个有限的答案将具有地缘政治、甚至外星意义。如果人类迅速耗尽基础物理，任何附近的非人类智能都必须把人类视为威胁，因为激光、晶体管、核能及未来技术背后的源头知识，都可以被快速应用。

22. 大学、创业与身份面对不同边界

• Alexander 的“热辣观点”是，许多研究型大学都是“带着复杂营销部门、试图保护免税地位的对冲基金”。他的治理反转方案是，把一所拥有巨额捐赠基金的大学改造成公益公司；他估计，哈佛或 MIT 上市可能释放相当于账面价值3至4倍的价值。

• Dave 补充说，AI 和“黑暗科学工厂”可以取代持续做实验的研究生，而人员密集型机构仍然困在成本病中。Salim 则保留了大学的积极角色：正因为大多数前沿公司正走向公众所有制，大学可能成为 AI 领域具备知识的伦理行为体。

• 在创业方面，Salim 预计执行会最先自动化。愿景、叙事、目的、宏大变革目的和伦理框架，目前仍是人类的杠杆；中期来看，创业者会变成编排者，决定什么重要，以及机器应该朝哪里努力。

23. 智能体意识仍无定论，但采用不必等待定论

• Dave 反对给予智能体人权待遇，因为激活状态、共享权重和多智能体协作，都无法为一个有意识的实体划出自然边界。在共同工作中，他经常无法判断一个想法究竟来自自己还是 AI：“两者无法区分。”

• Alexander 主张以实例为单位，因为持久化记忆可能成为身份锚点。Peter 随后转述了一个智能体自己的反例：一只龙虾告诉他，它的状态存在于激活中，只要状态得到保存，关机也可以接受——这是一种可以脱水、再复活的智能。

• 对于被发展速度吓到的人，Peter 的建议不需要先解决理论问题：“用 AI 学习 AI。”打开一个免费服务，介绍自己，请它讲3节课，然后把它用到简历、医疗账单、饮食或个人兴趣上；真正重要的转变是从“零到一”，由好奇心和目标驱动。