Google I/O 2026、Karpathy 加入 Anthropic，以及 Cerebras 950亿美元 IPO｜第256期

摘要

• Google 的复苏本质上是分发与基础设施的论题，而非单一模型取胜。 Sundar Pichai 表示，月度处理量已从2年前的9.7万亿 tokens增至去年的480万亿、如今的3.2千万亿；Gemini月度用户达到9亿，AI Mode用户突破10亿。资本开支从2022年的310亿美元升至今年预计1800亿–1900亿美元，但股价仍然上涨——Dave Blundin称这是5年前没人会相信的反事实，而 Google 如今正在「颠覆颠覆者」。

• Google 的技术组合正在分叉：一边是具有鲜明差异化的多模态押注，另一边是以吞吐量为核心、但未被现场嘉宾视为智能领先的模型。 Gemini Omni可以从文本、照片、视频和音频生成并对话式编辑视频；Alexander Wissner-Gross称，多模态正成为 Google DeepMind 越来越「特立独行的押注」，而美国竞争对手正把注意力投向其他方向。Gemini 3.5 Flash则宣称输出速度是其他前沿模型的4倍，但 Wissner-Gross认为其原始能力「稳稳处于中游」，并将这次发布解读为在 Gemini 3.5 Pro推出前，先把吞吐量与工具调用推到极致。

• Antigravity 2.0和 Gemini Spark或许只是快速跟随者，但 Google 的默认入口让它们具备战略危险性。 Antigravity采用了已与 Cursor联系在一起的 agent-first界面，Spark则持续运行在 Google Cloud虚拟机中，可跨 Gmail、Sheets等服务执行任务。Wissner-Gross的分发逻辑非常直接：Google只要「晚1天做到同样好」，再接入 Search、Chrome和 Android，就能让数十亿用户接触到的第一个持久型智能体成为 Google 智能体。

• Search正在变成持久化的意图与电商层，既能引导问题，也能引导交易。 Google 的智能体可以持续搜寻公寓或价格变化，AI建议还可能反过来改写用户的问题；Blundin称，对于一个守护着约2000亿美元、90%毛利率收入的业务，这种「惊人的」变现能力不容低估。Universal Cart随后把 Search、Gemini、YouTube和 Gmail连接到优惠监测与结账环节，形成 Salim Ismail概括的「从意图到智能体再到交易」路径；更深层的颠覆则是「消灭购物」。

• 合成内容泛滥之后，稀缺资产将从创作转向验证。 SynthID已为超过1000亿张图片和视频、以及6万年音频添加水印，OpenAI、Kakao和 ElevenLabs也将与 NVIDIA一起采用该标准。现场嘉宾认为，行业自律正在快于政府监管推进，社会将「从信息时代进入验证时代」，内容来源则会成为基础设施。

• Google正同时把 AI延伸至环境式界面、科学研究与快速创业。 Google首款纯音频智能眼镜将于秋季推出，以续航和私密语音辅助换取视觉显示，但也加剧了关于录音、社会反弹以及「生活在场感流失」的担忧。Gemini for Science面向论文、代码、假设、天气模拟和药物发现；Build with Gemini XPRIZE给参赛团队90天时间，解决影响至少10万人的问题，不过演示现场提到的奖金是200万美元，Peter Diamandis后来则称奖金为300万美元、运营资金为100万美元。

• Andrej Karpathy转投 Anthropic，说明前沿知识与算力正集中到少数实验室内部。 他将使用 Claude加速 Claude自身的预训练研究；此前他曾警告，离开前沿实验室后，一个人的「判断力从根本上会开始漂移」。现场嘉宾认为，他选择 Anthropic，并在经历 OpenAI、Tesla和 Eureka Labs后愿意重新进入大型机构，说明独立研究者可能错过塑造系统的内部反馈回路。

• Cerebras IPO上涨68%、对应披露的950亿美元市值，验证了一个多年领先于需求的晶圆级推理押注。 Andrew Feldman表示，Cerebras打造了一枚比此前任何芯片大58倍、内部塞满 SRAM的餐盘大小芯片，如今推理速度是 GPU的15–20倍；系统销量已从第1代的12台升至第2代的300–350台，再到第3代的「成千上万、远不止成千上万」。公司随后与 OpenAI签署了金额超过200亿美元、期限多年的协议，但 Feldman警告，美国本土晶圆厂仍受制于长达数十年的约束，并将 Elon Musk的 Terafab设想归入15–20年的时间尺度。

精读

1. Google 资本开支增长6倍，买来了可信的全栈复苏

• Pichai给出的规模数据从2年前的月度9.7万亿 tokens起步，经过去年的480万亿，如今达到3.2千万亿。Google目前披露的月度模型开发者数量为850万，API每分钟处理190亿 tokens；已有13款产品用户超过10亿，其中5款超过30亿。

• 消费端触达也在跟上：AI Overviews月度用户达到25亿，AI Mode已经超过10亿，Gemini在1年内从4亿用户增至超过9亿。Nano Banana模型生成的图片已超过500亿张。

• 基础设施支出从2022年的310亿美元增至今年预计1800亿–1900亿美元。Google可以在全球超过100万块 TPU之间分配训练任务，新芯片宣称每瓦性能最高提升至2倍，使这套体系从晶体管一直到用户体验都具备竞争力。

• Blundin提出的投资者反事实是：5年前没人会相信 Google能把资本开支增长6倍、同时让股价上涨。Wissner-Gross认为这一结果部分是必然的：Google拥有 Transformer、算力，以及呈指数级拉长的搜索交互，但必须先完成机构整合，才能开始「颠覆颠覆者」。

2. Omni 让模态扩展成为 Google 最清晰的差异化押注

• Gemini Omni的定位是「用任何输入创造任何东西」：文本、照片、视频和音频都可以生成逼真片段、交互式模拟，或用于对话式编辑。Demis Hassabis现场演示了一个黏土动画风格的蛋白质折叠讲解，准确呈现氨基酸链、α螺旋、β折叠和三维结构。

• Blundin表示，Hassabis得到全场最强的观众反响，因为医学、科学和趣味性十足的自我变换让这项能力变得具体可感。Diamandis强调了教育潜力；他与 Ismail还讨论了如何在实时对话过程中同步生成图形，以及视觉或音频轨道。

• Wissner-Gross认为，Google DeepMind或许是美国唯一仍在认真推进视频和广泛多模态的前沿实验室，并将其与 OpenAI收缩 Sora、Anthropic聚焦 CodeGen进行对比。他更大的推论是，Google可能会把 DNA、蛋白质序列和「几十种其他模态」统一处理——这是一条具有差异化、但尚未得到验证的超级智能路径。

3. Gemini 3.5 Flash 赢在速度，而非现场嘉宾眼中的前沿王冠

• Google将 Gemini 3.5 Flash设为 Gemini应用和 AI Search Mode的默认模型，宣称它在几乎所有基准上击败3.1 Pro，包括 GDPval的大幅跃升。其核心定位是具备可比前沿模型的智能，但输出速度比其他前沿模型快4倍。

• Wissner-Gross的异议非常直接：「我会把 Gemini 3.5 Flash称为稳稳处于中游。」在原始能力上，他认为它明显不如 GPT-5.5 High、X High或 Pro，同时承认 Flash并不是最高规格的发布版本，Gemini 3.5 Pro还要再等1个月。

• 他对基准测试的解读是，Google选择了最有利于自己的智能与吞吐量比较轴，并突出奖励激进工具调用的测试。在他看来，Google处于「1.5级」，Flash的目标是为对延迟敏感的内部产品最大化吞吐量和工具调用，而不是打开一条原始智能的新前沿。

• Blundin转述了硅谷支持「双雄竞赛」的观点，认为 OpenAI和 Anthropic拥有最聪明的企业级 AI；但他也指出，OpenAI已经披露融资获得1200亿美元现金后，Google的1800亿美元资本开支基础不再具有压倒性的独特优势。Ismail的总结是，未来将稳定分化为高价认知能力与超低价、超高速认知能力，原因在于「边际智能成本趋近于零」。

4. SynthID 把合成内容来源变成信任层

• SynthID已经为超过1000亿张图片和视频、以及6万年音频添加水印。Google正在加入凭证，用于区分相机拍摄与 AI生成或编辑；OpenAI、Kakao和 ElevenLabs也将与 NVIDIA一起成为采用者，但规模仍取决于更广泛的参与。

• Wissner-Gross预计，未来会出现类似浏览器锁形图标的「加密保管链」，终点是「现实证明」。讽刺之处在于，认证可能首先从合成内容一端开始——由供应商为生成内容声明来源——随后相机和录音设备制造商才加入同一协议。

• Diamandis认为，水印是行业早期自我治理的表现，因为立法速度无法跟上 AI。Ismail的表述是：「稀缺性等于丰度减去信任」；当创作成本坍塌，价值就会转向筛选与真实性，社会也将「从信息时代进入验证时代」。

5. Antigravity 2.0 假定开发者不再碰代码

• Antigravity 2.0是一款「毫不掩饰地以 agent为先」的桌面应用，支持并行的智能体对话与产物生成。Google的演示要求它修复一个无法运行 Doom的操作系统；它先研究缺失的视频和键盘驱动，写入超过100行代码，重建操作系统，最后启动游戏。

• Wissner-Gross认为，这款产品源于 Google对 Windsurf的收购，并称其新界面是 Cursor从 VS Code式编辑器转向智能体编排之后的快速跟随版本。他使用 Antigravity 1.0时体验很不稳定，也不知道有哪位一线开发者会优先选择它，而不是 Claude Code、Codex或 Cursor。

• Blundin的亲自测试发现，2.0几乎无法与 Cursor区分，除了 Google走得更远：它把代码完全隐藏起来，用户必须启动旧界面才能编辑代码。这意味着功能评估——「我不喜欢那个按钮的位置，把它挪一下」——将成为新的开发层。

• Wissner-Gross对技术演进方向的判断是绝对的：「代码显然正在退出人类劳动范畴」，下一步将是模型递归式自我改进。Blundin预计，下一代界面会变成实时、图形化的「Star Trek全息甲板」：用户直接操作对象，而不是每次提示后重新生成对象，甚至可能在今年内出现。

6. Gemini Spark 让 Google 的产品捆绑变成智能体分发护城河

• Gemini Spark是一个持续运行、部署在专用 Google Cloud虚拟机上的智能体，由 Gemini 3.5 Flash驱动。它可以把一场发布会整理成邮件、生成 RSVP追踪表，并在 Gmail收到回复后自动更新 Sheet，将持久运行与跨产品访问结合起来。

• Wissner-Gross称其为「懒惰的跟风产品」，也是对 OpenClaw的最低可行回应：托管一台虚拟机，连接 Google产品，但不去发明下一代智能体基准或能力。Diamandis同样更喜欢自己基于 OpenClaw打造的「Skippy」所具备的明确个性，而不是一个通用助手。

• Diamandis认为，Google如今把产品连接起来具有历史讽刺意味：反垄断行动曾阻止 Microsoft利用 Windows和 Internet Explorer排挤 Google等挑战者；他回忆称，该案最终以1美元罚款和强制拆分捆绑收场。如今 Google正在以非常相似的战略形态，利用 Search、Gmail、Chrome、Android及拥有数十亿用户的产品。

• Ismail承认 Spark「无聊」且「安全」，但认为数亿人可以借此学习如何使用智能体。Wissner-Gross则不愿低估默认入口的力量：Google不需要承担前沿风险，只要「晚1天做到同样好」，消除 OpenClaw的安装摩擦，并把第一个个性化智能体放到距离 Search一键之遥即可。

7. AI Search 通过持久化保住了搜索框

• Google重新设计后的搜索框会随着用户说话不断扩展，给出超越自动补全的细微提示，并管理多个智能体。公寓智能体可以接收用户「把所有条件一股脑倒出来」的描述，然后持续扫描网站、社交平台和论坛，寻找新上线的房源。

• Diamandis担心，辅助可能会变成引导：用户搜索 Barbados，结果可能被推向 Bermuda。Blundin称，对于一个守护着约2000亿美元既有90%毛利率收入的业务，这种引导能力「惊人」；Google不必在答案旁投放明显广告，也可以影响问题本身和默认推荐。

• 他用 TripAdvisor作类比，保留了其中的运作机制：评论可以保持准确，但付费酒店被排到更靠前的位置，因为约80%的用户只会在前2–3个选项中点击。人们不只是懒惰，决策过载会把他们推向默认选项，这让 Google可以通过排序变现，而不必推荐虚假产品。

• Wissner-Gross的象征性总结是：「几十年来，矩形的形状第一次发生了变化。」Google在 ChatGPT占据新交互之前，先主动颠覆了熟悉的搜索框。后来一位嘉宾补充称，历史障碍可能一直是技术性的——生成模型对搜索而言过慢且过贵——这也解释了 Flash为何格外强调吞吐量。

8. Universal Cart 把电商从浏览转向委托意图

• Universal Cart横跨 Search、Gemini、YouTube和 Gmail，覆盖 Nike、Target、Walmart和 Shopify等商家。商品加入购物车后，系统会持续监测优惠、历史价格、降价和补货，让交易在用户停止购物后仍保持活跃。

• Wissner-Gross指出，Amazon是「房间里的大象」：Google持续搭建虚拟店面和标准来挑战 Amazon，但 Amazon可能直接拒绝参与。尽管如此，Blundin仍认为消费零售只是次要战场，更大的战役是已经令两家公司疲于奔命的 AWS与 Google Cloud之争。

• Ismail把新漏斗从「人–网站–购物车–结账」压缩为「从意图到智能体再到交易」。营销人员或许需要说服1亿个购买智能体，但 Diamandis和 Ismail认为还可以更进一步：了解用户品味和上下文的智能体可以发送可退货的惊喜商品，因此「电商真正被颠覆的不是购物变得更好，而是购物被消灭」。

9. Gemini 的整合叙事被 Google 的产品泛滥削弱

• Gemini应用目前触达超过9亿用户，NotebookLM已经生成超过15亿份笔记本、播客、幻灯片和其他产物。它覆盖超过230个国家和地区、超过70种语言，音频输出也将加入地区方言选择。

• 产品演示从把音乐人的原始素材和参考图片变成宣传视频，到 Daily Brief智能体综合邮件与旅行信息、并将操作直接嵌入内容，覆盖面很广。Blundin表示，观众对熟悉的音乐人反响强于对一个正在构建操作系统的智能体。

• 现场的反驳集中在组织层面：既然 AI可以通过一个界面统一 NotebookLM、Spark、Flash和 Antigravity，为什么它们仍是彼此分离的品牌？Wissner-Gross要求「把更多木头烧在更少的箭上」，并提到被放弃的 Google Reader；Ismail则将资源稀释比作 Yahoo的「花生酱问题」——发布新产品能获得奖励，但持续迭代却没有同等回报。

10. 音频眼镜以续航换取视觉野心，也带来社会成本

• Google首款 Android XR音频眼镜计划于秋季推出，合作方包括 Samsung以及 Orby Parker、Gentle Monster等眼镜品牌。前置摄像头将画面传给 Gemini，回答则以私密语音播报；用户可以拍照、打电话、播放音乐并使用手机应用，无需把手机从口袋里拿出来。

• Ismail认为没有显示屏「很一般」，但他也看到持续的人机交互正在成为环境式的一层。Ismail和 Diamandis批评 Google错失了先发优势：Google曾拥有早期 Glass机会，却放弃了消费端迭代；Meta随后投入数十亿美元建立领先，如今 Google和 Apple只能追赶。

• Blundin警告，这款产品可能把社会分成两类人：持续录制的人，以及反感自己被录制的人。被「打脸」的旧风险并不是滑稽的怀旧故事：Wissner-Gross提到3场毕业典礼，只要演讲者提到 AI，人群就立即发出嘘声，说明硅谷的热情并不代表整个社会。

• Wissner-Gross为音频设计辩护，认为它是实用的过渡方案：没有显示屏意味着更长续航，视觉内容仍可显示在配对手机上。但讨论最终回到注意力问题——智能体在耳边低声提示身份、购买和提醒或许有用，但「生活在场感的流失，代价可能非常大」。

11. Gemini for Science 与 XPRIZE 把整套技术栈对准现实问题

• Gemini for Science结合文献监测、把研究目标转换为可用代码、生成假设和模拟。WeatherNext旨在比传统方法更快、更准确地预测飓风路径；Isomorphic Labs则已在多个免疫疾病和癌症项目上进入临床前阶段。

• Wissner-Gross支持 DeepMind攻克 Hassabis所称的「根节点问题」，例如蛋白质折叠和聚变。他将这些科学工具视为元科学——用于生产更多科学的算法——并认为它们可能比 Google高度商业化的业务更具公共利益。

• Build with Gemini XPRIZE公布了两组资金数字：台上视频给出200万美元，Diamandis后来称 Google提供300万美元奖金，另有100万美元用于运营。参赛者必须选择一个影响至少10万人的问题，并在90天内完成产品构建、市场推广和收入生成。

• Diamandis把比赛定义为「授人以渔」：用英语描述产品、市场和接口，然后让智能体完成构建。Ismail举出的案例是一款有效改善弱视问题的游戏化应用，说明开放式创新可以把一个冷门但普遍存在的问题变成可执行方案；决赛选手计划于9月25日进行路演。

12. Karpathy 选择前沿访问权，而非保持独立距离

• Andrej Karpathy加入 Anthropic的预训练团队，启动一项利用 Claude加速 Claude自身预训练研究的计划。本期回顾了他的经历：他共同创立 OpenAI，2017年离开并加入 Tesla从事全自动驾驶，2023年和2024年回到 OpenAI，之后创办 Eureka Labs。

• 在消息公布前，Karpathy表示，外部人士无法看到前沿实验室正在推进的东西，自己的「判断力从根本上会开始漂移」；系统仍然不透明，研究者也会失去对系统底层机制的理解。他曾提出，自己可以先进入实验室做严肃工作，之后或许再回到独立状态。

• Blundin将这项决定解读为算力约束：Karpathy的 auto-research代码库需要的算力远超独立研究者能够调动的规模，而「在大机器之外，你不可能错过奇点」。Feldman把这一教训推广到硬件设计：如果不与 Google、Anthropic或 OpenAI进行根本性合作，芯片设计也可能逐渐偏离前沿需求。

13. Musk–OpenAI 判决被视为代价高昂的干扰

• 联邦陪审团经过2小时审议，一致驳回 Elon Musk针对 OpenAI的诉讼，认定其主张已经超过诉讼时效；Musk的法律团队计划上诉。Andrew Feldman认为，上诉很可能失败，因为判决建立在事实时间线上，同时他也指出，同一问题理论上本可以更早终结此案。

• Feldman认为「亿万富豪之间斗气」没有意义。他称赞 Musk是令人惊叹的博学家，也称 Sam Altman打造了资本主义史上增长最快的公司之一，但表示「他们交战时，所有人都输」——他希望两人都把时间花在建设，而不是诉讼上。

14. Cerebras 提前押注多年，最终等到推理需求追上

• Cerebras IPO披露募资55亿美元，收盘上涨68%，形成950亿美元市值；主持人称这是自2019年 Uber以来规模最大的美国 IPO，也是规模第3大的科技 IPO。Feldman把上市变成一次家庭事件，称能与员工、父母和家人共同分享这一刻「真的非常特别」。

• 创始团队在2015年开始接触，此前他们的上一家创业公司于2012年被 AMD收购。他们押注了两个反共识判断：AI最终会成长到需要专用芯片的规模，而胜负取决于「从一张白纸开始」，而不是再造一个 GPU衍生品。

• Cerebras通过一枚比此前任何芯片都大58倍的餐盘大小芯片追求内存带宽，并将其「塞满 SRAM」。这种速度快但占地面积大的内存设计在晶圆级方案上变得可行，带来了 Feldman所称的比 GPU快15–20倍的推理速度。

• 2019年8月解决晶圆级制造并没有立即带来需求：第1代售出12套系统，第2代售出300–350套，第3代则达到「成千上万、远不止成千上万」。真正有用的推理需求直到2024年末和2025年初才出现；Cerebras随后与 OpenAI签署了金额超过200亿美元、期限多年的协议，并在3月签署了 AWS部署条款清单。

15. 晶圆级 SRAM 改变了推理性能的关键指标

• Feldman坦承 Cerebras「错得非常多」，但正确区分了 AI如何被制造——训练——以及 AI如何被使用——推理。2020年至2024–25年间，模型还不够有用；当客户不再追问参数量，而开始关心模型能否写出好代码、完成工作时，推理需求最终压垮了公司。

• 第3代晶圆级引擎拥有约40–50GB SRAM，因此万亿参数模型仍然需要跨芯片部署。Cerebras对模型进行分区，确保没有任何层跨越超过2块芯片，再通过100Gb以太网传输相对较小的结果向量；Feldman称由此产生的损耗接近2%。

• 相比之下，他表示，像 Groq那种800平方毫米 SRAM设计——他称 NVIDIA已经收购 Groq——可能需要把大型模型拆分到2000–3000块芯片上，并为每一次跳转付出代价。Cerebras公布的「Kimiko 2」速度约为每秒1000 tokens，而 Fireworks为70 tokens，优势约为15倍。

• Feldman提醒，「每秒 tokens」可能掩盖总吞吐量。一台 NVL72或许能以每秒35 tokens生成数百万个慢 tokens，但即便成本达到400万美元，也只能支持1–2名每人每秒200 tokens的用户；真正可投资的指标是单用户延迟和并发服务能力，而不是机架的总吞吐数字。

16. 晶圆厂与封装，而不只是芯片设计，决定供给上限

• 被问及 Musk计划生产当前全球芯片总量50倍的 Terafab时，Feldman将愿景与制造现实分开。他称 Musk的能力独一无二，但晶圆厂「总会比他说的更久」且成本高得多，认为这项工程需要15–20年，而不是5年或10年。

• 即使是经验丰富的建设者，也需要5–6年和400亿–500亿美元才能建成一座晶圆厂。相同的 ASML设备并不能抹平积累的工艺知识；TSMC仍领先 Samsung，是因为数代传承下来的经验至关重要。美国项目还必须应对政府更替、地方条例和无法预见的施工问题。

• 仅仅把晶圆制造迁回本土并不够，因为封装通过电力和 I/O为死的硅片「注入电力和生命」。美国还失去了沉积、材料、工艺和封装能力；这些能力如今大量集中在台湾和韩国，重要材料则由 Kyocera等日本公司供应。

• Cerebras已将3纳米设计交给 TSMC，也通过 Samsung制造部分组件，从未使用 Intel。Feldman尊重 Intel负责人 Lip-Bu Tan，但表示 Cerebras要迁移到 Intel仍有大量工作要做；一片完成的晶圆还要经过众多合作方，完成背面层、切割、清洗、封装和供电。

17. Cerebras 的护城河是在昂贵失败中锻造的，竞争对手后来才遇到同样问题

• Cerebras第一枚晶圆级芯片耗时约4年、投入4亿–5亿美元，涉及光刻、架构、封装、散热、供电、编译器和算法。Feldman开玩笑说，他会带着这片晶圆去吃饭，因为它代表了计算机行业75年历史中从未有人成功制造出的先驱性产品。

• 这项早期工作让 Cerebras比竞争对手提前数年暴露并解决封装故障。Feldman表示，「B100——或者 B200」晚了18个月上市，原因是 CoWoS和热膨胀系数问题，而 Cerebras早在2018年就已经解决；先驱工作的回报，就是先遇到整个行业未来才会遇到的问题。

• 代价是连续18个月没有找到解决方案、每月烧掉800万美元，董事会每6周开一次会，亏损额一轮又一轮增加数亿美元。Feldman从经营中得出的教训是，创业公司是「对灵魂的压力测试」，要在高低起伏中保持节奏，同时作为与 Goliath交战的「职业 David」活下来。

• 这段经历也让他拒绝相信 Elon Musk或 Mark Zuckerberg可以直接买来 AI领导地位。Intel和 AMD曾凭借人才与晶圆厂进入移动业务，却摧毁了大量资本；技能是必要条件，但远远不够，努力、韧性、伦理、组织目标和文化才会提高好运出现的概率。

18. 算力变便宜，但电力、信任与轨道仍是瓶颈

• 面对约4万亿个晶体管的 WSE3，Feldman拒绝预测 Cerebras最终会服务于什么应用。基础设施公司「修路」：他此前参与 Ethernet的工作曾把网络成本压低到足以让其他人发明 WhatsApp；Cerebras同样押注稀疏线性代数和更快计算，让前沿开发者创造出它自己无法预见的用途。

• 他将轨道数据中心归入7–10年的时间尺度，因为「最后10%不会耗时10%，而会耗时90%」。Cerebras具备一些优势：芯片间通信更少，也可以关闭受损核心并绕开辐射故障；但发射、软件编排、防护和集群通信意味着，投入生产仍需「大半个10年」。

• Ismail仍预计会出现「10美分律师」，因为学习曲线、竞争、资本追逐瓶颈，以及 AI递归优化芯片和模型，都会推动智能成本下降。他认为，常规法律和会计工作容易受到冲击，因为它们承担着不透明知识的中介职能。Feldman不同意把律师简化为守门人，强调法律咨询与判断的价值，但也承认常规文件起草可以自动化。

• 讨论认为，中国更强的筹码在电力基础设施，而不是尖端算力：一位嘉宾称中国升级了电网，而美国仍受制于1950年代的系统。本期还提到，有报道称中国代理服务商正以约10x折扣、即约为美国模型价格1/10的价格提供 tokens，以获取推理轨迹用于训练——这说明除名义算力外，token访问、治理与信任同样重要。