摘要

Google正把轨道AI基础设施视为应对地球土地、审批、电网和社区约束的长期方案。 Project Suncatcher计划将TPU集群和太阳能阵列部署到晨昏低地球轨道，近乎持续的日照可能让面板效率达到地面面板的8倍；数据回传或许只会增加“几毫秒”。这是应对爆发式算力需求的真实选项，但还不是当下的生意：发射成本仍是建设同等地面数据中心的数倍，维修可能需要机器人。
第一个具体里程碑是2027年的双卫星原型，而不是轨道超大规模扩建。 Google称，新一代TPU在质子束辐射测试中承受的强度，已经超过5年任务预期；公司正与Planet合作测试。Starcloud、Axiom Space以及一个信息模糊的中国项目也在探索这一领域，Eric Schmidt和Jeff Bezos则释放了兴趣。Google把Suncatcher与Waymo、量子计算并列，称这是一个需要投入“8、10、12、15年”的项目；发射经济性和运营可靠性才是关键门槛。
共和党的AI政策仍是一组直觉的光谱，还没有形成定型的MAGA教义。 Dean Ball说，政府内部共享几条宽泛直觉：AI可能是数十年来、甚至有史以来最重要的机会；它既有熟悉的风险，也有“更陌生”的风险；并将塑造美国领导力。阵营从聚焦对华竞争的国家安全官员、关注儿童安全的保守派，到主持人所对应的David Sacks与Steve Bannon的相反立场不等。Ball预计，围绕垃圾内容、电力、水、就业、儿童安全、灭绝风险，以及“AI是假的”等说法，最终可能形成一锅“奇怪的冷汤”。
基础设施可能是各家实验室最强的竞争壁垒，而它们的监管立场则与自身激励一致。 超大规模云厂商未必反对出口管制，因为中国买家、甚至对TSMC有限晶圆制造产能的间接需求，都会与它们竞争；前沿实验室需要芯片来出售token，但Ball认为“模型参数不是你的护城河”。Anthropic宣布投入500亿美元建设数据中心，加入Google、OpenAI的Stargate、Meta和xAI共同参与的资本开支竞赛，最终均衡需要政府裁定。
Ball划出的监管边界是：联邦政府预防灾难性尾部风险，普通伤害在证据出现后再反应式监管，政府采购的模型则只受采购规则约束。 他认为“Woke AI”行政令针对的是意识形态偏见条款，以及联邦版本的系统提示词披露，同时承认右翼反对政府施压与自身施压之间的矛盾，并称强迫改变公开模型训练方式“明确违宪”。他希望对训练成本达10亿美元、面向全球提供服务的模型设立国家标准，但也认为国会必须处理儿童安全问题，并称加州SB 53透明度规则“总体上相当合理”。
一个身份未明的Gemini测试模型，似乎把手写转录从“令人印象深刻”推进到了专业可用。 在5份、合计约1,000词的基准文件上，Mark Humphries测得约1%的词错误率；相较Gemini 2.5 Pro在这些测试中的结果，错误率下降约50%，接近人工转录专家的水平。结果来自Google AI Studio的A/B测试，有时需要提交20或30次，因此Kevin Roose所说的“可能是Gemini 3”仍然只是押注，而非身份确认。
更深层的信号并非转录，而是一次看起来具备符号推理能力的账簿推断。 面对一条Albany记录，模型推断“14 5”指的是以每磅1先令4便士售出的14磅5盎司糖，并将其与19先令1便士的总价核对一致；Humphries说，“模型不应该能做到这一点”。如果结果可复现，模型就能汇总整本账簿并承担更广泛的档案级任务；但目前样本很小、模型身份未知，仍需在模型发布时复现。

精读

1. 地面电力稀缺让轨道算力变得可以想象

Roose的前提是：地面数据中心需要土地、审批、电网容量和建设速度，而居民越来越反对其电力、水资源和环境成本。面对每一个拟议项目都可能遭遇“字面意义上，真的没有足够容量”的电网，AI需求的指数级增长让太空不再只是笑话，而成为一个默认AI使用量近乎无限的行业所需的应急方案。
Newton对投资者的表述更直接：这说明行业已经进入“这个泡沫的阶段”，企业开始相信地球无法为其雄心提供足够电力。即便轨道算力最终失败，对它的考虑本身也衡量了行业预期需求和资本开支增长的激进程度。
Google将Project Suncatcher称为“未来的、基于太空且高度可扩展的AI基础设施系统设计”，同时也称其为登月计划。今天没有任何公司在运营这类数据中心；该项目仍是面向一个可能在5年、10年或15年后到来的世界的主动研究，届时AI或许会持续服务几乎所有人。

2. Suncatcher把持续日照变成8倍能源押注

能源逻辑从规模开始：太阳的输出约为人类总产出的100万亿倍，但地面面板在夜晚到来后会失去发电能力。晨昏低地球轨道可以提供近乎持续的光照，让轨道面板的产能达到地面面板的8倍。
设想中的中心不是轨道上的仓库。Starcloud的模型看起来像“一只巨大的鸟”：薄薄的太阳能板翅膀为结构中央的计算机集群供电，整个结构则在地球上空运行。
把结果传回地面，可能反而是较不科幻的问题。业内人士告诉Roose，这可以类比Starlink：低地球轨道距离足够近，利用已经存在的卫星通信，传输延迟可能只增加“几毫秒”。
Google让一块标准TPU接受模拟轨道辐射的高强度质子束测试。新一代芯片承受了远超5年任务预期的辐射强度；硬件故障则更难处理，研究人员对Roose说：“我们得想办法”让机器人完成维修。

3. 2027年原型仍无法改变地面经济账

Google计划在2027年与测绘卫星公司Planet发射2颗原型卫星。Starcloud也在准备原型，因此近期竞争的目标是验证耐受性、连接能力和运行能力，而不是立即复制地面超大规模算力。
Roose的核心保留意见是：目前把大量芯片和卫星送入太空的成本，仍是建设同等地面算力的数倍。他预计至少数年内不会出现有意义的部署；更低的发射成本和可行的维修系统是前提，而非细节。
Google把Suncatcher放在Waymo和量子计算的同一条路线中，表明公司愿意投入“8、10、12、15年”，再等待其进入主流应用。只有当AI需求近乎无限、而地球最终同时缺少合适土地和电力时，这笔押注才成立。
这一领域还包括Axiom Space、一个细节含糊的中国项目，以及Eric Schmidt和Jeff Bezos可能的兴趣。当地居民的“不要在我后院”式反对，可能变成Newton所说的NOPs——“不要在我的星球上”；但太空碎片，以及富裕公司逃离地球问题的观感，最终也可能催生轨道反对者。

4. 共和党AI联盟拥有直觉，却没有定型教义

Ball在写完Hyperdimensional并在X上发帖后进入白宫，随后牵头起草其AI行动计划。他发现的是“连贯的直觉”，兴奋、担忧和困惑大致各占相同分量，而不是一套成熟的保守派政策目录。
第一条直觉：AI是数十年来、 “很可能也是有史以来”最重要的技术、科学和经济机遇。第二条直觉：AI既会产生可以用既有框架处理的熟悉风险，也可能带来政府缺乏清晰概念应对的“更陌生”风险。第三条直觉：AI将实质性地塑造美国的全球领导力。
Roose把David Sacks和Steve Bannon描绘成大致相反的两极：前者攻击“末日论”论点，后者谈论生存性风险。Ball接受这种光谱划分，但强调中间地带很大：包括聚焦对华竞争的国家安全官员，以及担心聊天机器人精神病、青少年自杀和社交媒体教训的保守派。
对于是否存在一种明显的MAGA式AGI理论，Ball的诚实回答是：“还没有。不，基本没有。”网上的MAGA讨论目前可能更偏向末日论，但许多参与者还没有形成对AGI的看法，更谈不上将其转化为具体的国内监管。

5. AI反弹会把矛盾熬成一锅政治浓汤

Ball说，在AI行业聚会中，反复出现的问题是“干草叉什么时候会出现”，以及什么会触发它们。他的答案不是一场单一灾难，而是一团混沌：内容垃圾化、面向儿童的不安全产品、电力和水资源消耗、失业、灭绝恐惧，以及同时存在的“AI是假的”这一信念，混合成“这锅奇怪的冷汤”。
他不认为会出现一套干净利落的党派立场。“AI政策”会像“互联网政策”一样分裂为数据中心、对华竞争、软件监管、儿童安全等问题；单个议题可能两极化，但AI内部差异太大，整体技术不可能形成一条持久的党派路线。

6. 基础设施可能成为前沿实验室的长期护城河

Ball反对把“行业”视为单一政治行动者：超大规模云厂商、前沿模型公司和其他供应商处于产业链的不同位置。“没有谁的论点是不正当的。每个人都在按自身激励行事。”政府要做的是在这些参与者之间找到均衡。
Microsoft、Google和Amazon Web Services未必憎恨芯片出口管制。当中国公司无法竞争同一批加速器、较少中国需求进入TSMC晶圆厂有限的产能时，它们都会受益，即使各家公司采购的是不同设计的芯片。
前沿实验室需要获得芯片，因为它们“想靠出售token赚钱”；但在Ball看来，比模型参数更可能形成护城河的是基础设施。他把Anthropic的500亿美元数据中心承诺，与Google、OpenAI的Stargate、Meta和xAI放在一起：每家公司都在通过拥有或锁定算力来建立防御能力。

7. “Woke AI”行政令暴露右翼反对政府施压的矛盾

Ball强调，行政令管的是联邦采购，而不是卖给消费者或私营企业的模型。政府要求供应商不要在提供给政府机构的特定版本中，自上而下植入意识形态偏见；它并未正式监管面向公众发布的模型。
他认为“客观”不是可行的技术标准——自语言诞生以来，人类就一直在争论真理——并称该行政令明智地避开了这个问题。它更狭窄的要求是，开发者不得额外强加一种世界观，并且在采购过程中披露政府版本的系统提示词等要素。
主持人的反驳是：共和党曾谴责拜登时期围绕新冠错误信息向平台施压，但特朗普政府同样在告诉科技公司产品应如何回应。Ball承认，这体现了特朗普之后的内在矛盾：一方面坚持反对政府施压，另一方面又使用政府权力“把它还给左派”。
Ball选择了原则立场：“任何人都不能施压。”但他区分了客户要求，指出政府模型本来就要承担更严格的《信息自由法》《总统档案法》和数据管理义务。他说，强迫改变公开模型的训练方式将“明确违宪”，同时侵犯公司的言论权和用户的言论权。

8. 联邦标准与正当的州级紧迫性相冲突

Ball的联邦主义论证取决于规模：模型训练成本可达10亿美元，且面向全球服务，因此其训练、评估和测量标准都涉及州际商业。各州分别建立制度并不现实；在国会缺位时，最大的州实际上可以制定全国规则。
因此，加州成了美国事实上的中央AI监管者。Ball称，这是制宪者无法预料的宪法失灵模式，因为当时还不存在现代经济的规模效应。不过，他总体支持SB 53这部仅适用于最大型开发者的透明度法律，称其“总体上相当合理”。
Newton的挑战聚焦现实伤害：聊天机器人精神病、儿童安全和青少年自杀倾向都是他描述为当下已经存在、且在一定程度上受到市场产品鼓励的伤害，而国会仍无力或无意监管技术。一名州议员完全可以合理地说：“我不想让本州的孩子自杀。”然后采取行动，而不是等待华盛顿。
Ball认同这种激励，并澄清自己的观点是主动性的：国会需要解决问题，而不是仅仅要求各州停止行动。他有时会批评立法者起草法律不佳——“让法院去解决”不能成为借口，因为议员同样宣誓效忠宪法——但他不会因此批评保护儿童的诉求。

9. 尾部风险值得预防，普通伤害可以等待证据

Ball借用了Ezra Klein对政府的描述：政府是“一项宏大的风险管理事业”。灾难性尾部风险和国家安全威胁需要成熟、最好是两党共同支持的预防措施；如果政府无法管理这些风险，就已经辜负了基本职责，不如“把钱还给股东”。
Ball说，前沿实验室中很多人确实真诚希望处理安全问题，但他无法代表这些实验室作为公司发言。他认为公司本身也有激励，因为如果它们引发一场大流行之类的事件，可能会破产。近期的生物和网络风险对资深风险官员来说“完全可以处理”——严重，但更像一场正在向佛罗里达逼近、可以追踪的飓风，而不是不可知的抽象威胁。
对于当前和近期技术，Ball不接受安全与加速之间必然存在取舍：政府可以改善生物安全，而不必实质性拖慢发展。他预计未来确实会出现真正的取舍，但届时应根据具体问题作出判断，而不是现在就预设可接受边界。
对于非尾部伤害，他主张在满足4项条件后采取反应式法律：伤害已经发生、很可能再次发生、普通法责任不足以解决、针对性法规能够产生实质帮助。儿童安全符合这一描述。他承认，一场灾难可能促使国会行动，但即使没有灾难，渐进式推进仍然可能。

10. 神秘Gemini进入人工专家级转录区间

Humphries和研究伙伴Lianne Leddy利用AI，把数万份关于毛皮贸易中普通人的手写记录连接起来。这些证据包括账目、合同、洗礼、婚姻和死亡记录，重建了大约1760年至19世纪初北美西部一批支离破碎的人生。
2023年的GPT-4只能“算是读懂”手写内容，但大多数结果都是错误。随后模型很快达到约90%的准确率，却难以突破；最后的10%恰恰包含历史学家最需要的姓名、金额和地点。之后，Gemini 2.5 Pro达到约95%。
他们的基准集包含50份被认为、但无法保证、不在训练数据中的文件。Humphries测试了其中5份，合计约1,000词；由于AI Studio会随机分配实验性A/B比较，他有时需要提交同一份文件20或30次，才能得到具有揭示意义的并排结果。
神秘模型的词错误率约为1%，其中包括大小写和标点错误；在这些测试中，错误率下降约50%，接近专业人工转录员的水平。Roose只能确认Google会在AI Studio中测试尚未发布的模型；他关于“可能是Gemini 3”的推断仍未得到验证。

11. 一本糖账暗示知识工作可能出现更大跃迁

更难的测试是一本文本来自18世纪Albany的账簿：手写快速潦草，表格结构即时形成，单位则是磅、先令和便士。这类记录类似为即时记账而非日后解读制作的收银条目，过去的模型在这类任务上表现很差。
Samuel Slitt的一条记录写着1条糖、简写数字“14 5”、每磅1先令4便士的价格，以及19先令1便士的总额。模型解释“14 5”代表14磅5盎司，并正确核对了数量、单价和总价。
Humphries惊讶的是，表面上的转录错误其实是澄清。模型必须从随机数字中推断含义，而不是预测一个可能出现的短语；识别进制不同的单位，并反向推算一套相对罕见的历史货币体系。对他而言，这看起来像符号推理：“模型不应该能做到这一点。”
如果结果能够复现，历史学家就可以要求模型找出并汇总整本账簿里的每一笔糖交易，而不只是转录文字。Humphries将这一机制推广到知识工作：转换信息、连接不同格式并推导含义；Newton则认为，这显示规模扩张仍可能产生涌现能力。但这两项结论都取决于对正式发布模型进行更大规模测试。

Michael Burry 做空 NVIDIA 和 Palantir：AI 世界的护城河消失了吗？（预览）Apple 如何改变移动通信经济学、SpaceX 想如何利用频谱、航空公司与运营商、Yann LeCun 离开 Meta