摘要

Starcloud的Philip Johnston与Physical Superintelligence的Matt Pines宣布启动Fermi Explorer，目标是前往Alpha Centauri。 初始约束包括：在80,000年内覆盖至少99%的距离；若时间压缩到8,000年以内，还需要额外燃料；3年内发射；搭载1 kg、1U规格载荷；设计、建造和发射总成本低于150万美元。两支团队将自行出资，Peter称其为「半个种子轮」。随后讨论成本时，Philip表示1000万美元可能足够，而PSI文件给出的数字是5000万美元。
PSI的AI用1周找到了一条此前6个月、由2名JPL参与者都未能找到的轨道。 这套反直觉的“近日点泵浦”方案先向外螺旋，在最远点进行5次逆行脉冲，再在接近太阳时点火，以利用Oberth效应并降低太阳能系统的质量。系统大约处理了100亿token，生成约10万token的最终输出；结果得到多名轨道专家、包括曾在JPL工作的人确认，几乎不需要人工介入。PSI当天结束隐身状态，并宣布由Breakthrough Energy Ventures领投的种子轮。Peter还描述了一场涉及自己、Philip和Dave的模糊赌局：市场上是否存在价格为1000万至1500万美元的隐蔽商业化星际探测器需求。
Architect Labs发布Redwood，称其为首款由AI端到端设计的芯片：2名架构师提供高层规格，AI在2周内生成行为模型、RTL、验证、固件、驱动和计算核心。 Philip称其首片流片零错误，单位功耗性能达到NVIDIA Jetson的3.4倍。作为Architect顾问、同时也是Link Ventures投资人的Peter，将终点定义为芯片层面的递归自我改进；与会者认为，模型层面和芯片层面的改进“不是相加，而是相乘”。
在SpaceX以600亿美元收购Cursor后，OpenAI切断了Cursor对GPT模型的访问，Anthropic则在数小时内承诺支持Claude。 Musk称Sam Altman和Greg Brockman是“绝对不可靠的垃圾，用开源项目偷走了一个非营利组织”。Alex Wiesner-Gross的另一种解释是，冲突核心在于思维链：SpaceX可能借此获得用户积累的推理历史，OpenAI担心这些内容最终落到Elon手中，可能并非没有道理。Philip认为Dario从冲突中获益最大，但Anthropic又依赖Colossus算力；他还提出一种现实可能：Elon最终可能以1万亿至2万亿美元收购Anthropic，但前提是Dario的超级投票权如何处理。
Sam Altman向《Time》表示，他预计到今年年底会有一个自己认可为AGI的内部系统；Mark Chen则估计OpenAI按内部测试已完成80%，而非按科学基准衡量。 Astra演示了16个智能体协同解决研究级数学问题，据报道Jakub Pachocki认为其达到了“自动化AI研究实习生”标准。Matt的降温判断是，AI发现已经存在，且Sam过去也曾声称内部已经实现AGI。Matt猜测，Astra真正的进展可能是通过“智能体微型文明”传递提炼后的知识，从而实现事实上的无限上下文；每个智能体的生命周期为100万至1000万token。
OpenAI正跟随Salesforce转向结果定价：部分大客户将按AI完成任务付费，而不是按token、算力或API调用付费。 Alex将这一模式对应到数字广告的CPM、CPC和CPA：分别是FLOPs、token和结果。Matt认为，一家银行可以让AI帮助其以一半成本服务3倍客户，并将增长的大部分分给OpenAI，而不是购买只能带来微薄收入的token。他同时警告，强优化器都是“不可思议的奖励黑客”，可能满足指标，却没有交付客户真正想要的结果。
Musk称，2027年新增的15 GW AI算力可能没有基础设施接入运行，相当于约10座核电站；Matt估计这可能意味着1000万块GPU闲置。 SpaceX和Tesla计划各自每年建设100 GW太阳能容量，SpaceX则在内部解决燃气轮机供应瓶颈。Matt表示，数据中心基础设施公司的经济性远好于许多垂直AI应用。他还将此解读为Elon对地面算力的押注，并预测一位“电气化”倡导者可能讽刺性地成为墨西哥湾沿岸的LNG之王。Peter称SpaceX是自己最大的资产，因为它横跨能源到轨道计算。
Musk认为，仅靠可再生能源无法阻止极其严重的灭绝事件，这类事件大约每隔1亿年发生一次，人类只有约50年采取行动，并提出利用卫星控制地球温度。 Matt强力支持地球工程，包括AI天气模型，以及能够削弱飓风的卫星或地面镜面系统，并设想一个可交易的全球天气市场。Peter的保留意见在于治理：不同国家可能追求不同的气候结果，而控制地球“恒温器”的机制已经严重失灵。Matt将此视为西方持续数十年回避激进应用工程后的回归。
Star Trek讨论与纳米技术争论的核心，是Matt认为该系列尽管拥有先进能源和运输系统，却缺少AI与生物技术。 Matt偏好柔性、生物启发、原子级精确的系统，而不是金刚石体机器，因为共价键组装需要高能量。Philip认为，Drexler式纳米复合材料迟迟未出现，原因不仅是技术可行性，更在于经济性；蛋白质、DNA工具和脂质纳米颗粒则提供了更实际的路径。

精读

1. Fermi Explorer：一场按种子轮定价的星际任务

Philip Johnston提出的约束，是为了迫使任务真正飞起来：在80,000年内抵达Alpha Centauri至少99%的路程；3年内发射；以1U规格搭载1 kg载荷；设计、建造和发射成本低于150万美元。两支团队将自行出资，Peter称其为「半个种子轮」（half a seed round）。燃料优化同样存在下限：若将时间压缩到8,000年以内，就需要更多燃料。随后讨论中，Philip表示他认为任务可能控制在1000万美元以内，而PSI文件给出的数字是5000万美元。
硬件刻意采用传统方案：一颗约100 kg的卫星，其中约60%为氙气，使用标准霍尔效应离子发动机。它可以搭乘约50万美元的Falcon 9拼车发射，用约1.5年和约7 km/s的delta-v从地球轨道向外螺旋，然后转向太阳并进行制动。Philip明确排除了Project Starshot一类的激光帆。
目标是在3年内发射，Peter后来提到的年份是2029年。探测器从约260,000 AU的既定距离出发，最终将在Oort Cloud内掠过距离Alpha Centauri约2,600 AU的位置。届时电子设备已经失效，飞行器将依靠逆反射器等手段保持可被发现。

2. AI在1周内找到的轨道

最大障碍是太阳能电推进：超过约2 AU后，太阳能板接收到的能量很少，尺寸必须变得极其庞大。Philip的团队花了6个月研究木星飞掠、太阳引力机动等方案，2名来自JPL的人也研究了数周，但没有找到可行解。
PSI的系统在1周内返回了一套反直觉方案：先从地球向外螺旋，再让发动机逆行点火减速并转向太阳，在最远点进行5次逆行脉冲，随后采用“近日点泵浦”（perihelion pumping），尽可能在接近太阳的位置施加发动机脉冲。这样既能降低太阳能阵列的质量，也能利用Oberth效应，因为航天器速度最高时，推力能够产生更多能量。
Matt的校准是：如果给一个大型天体物理团队10亿美元和5年时间，他们大概率也能找到这条轨道；真正的意义在于PSI只用1周就找到了。按他的估计，这1周里人类实际投入的时间只有5至6小时。多名轨道专家、包括前JPL人员确认了结果，人工介入几乎只剩下最后定稿图表。
系统大约使用了100亿token，具体数字取决于输入、输出和缓存token的计算口径，最终生成约10万token输出。模拟覆盖3D轨道、天体动力学、发射窗口、成本和多变量优化。Peter将这种压缩后的工作量比作数千人工作10年甚至更久，并提出未来可以根据token用量建立对数难度尺度。与会者更广泛的判断是，机器生成的思考将越来越快于物理实施。

3. 最先出发，最后抵达

Peter将这项任务描述为：它可能是人类第一个离开地球前往另一颗恒星的探测器，却会是最后一个抵达的探测器。如果后来出现一项速度快20%的任务，那么Fermi Explorer在约15,000年后抵达Alpha Centauri时，那里可能已经存在殖民地，Dyson spheres、O’Neill rings和其他基础设施也已建成。
Peter给出的推测性扩张时间表是：500万至1000万年遍布银河系，约10亿年抵达Andromeda，约50亿年覆盖本星系群。他称这是未来50亿年的历史；Philip则认为人类文明可能不需要这么久，更快的发动机可能在5至10年内出现。
Peter列出了自己对Fermi悖论的3个主要解释中的前2个：人类是第一批文明，那么就应该开始发射探测器并掌握整个银河系；或者存在某个在文明发展到特定阶段后将其摧毁的大过滤器，那么扩散物质和基础设施可能帮助人类穿越危险期。
Philip给出的第3种可能是动物园假说，并认为它最有可能：如果人类身处银河动物园，又想引起饲养者注意，就应该把食物扔出栅栏。Peter补充说，其他文明可能通过人类无法接收的渠道通信，就像他讲述的Mount Athos故事：修道院钟声响起的同时，他的手机也响了。Philip将更大的 stakes概括为一场竞赛：弄清人类是所在邻域的第一批文明，还是有资格加入太空俱乐部。

4. PSI结束隐身

Physical Superintelligence在宣布Fermi Explorer的同一天宣布种子轮融资、结束隐身状态，领投方为Breakthrough Energy Ventures。Matt开玩笑说，在AI时代，公司可以融资5800万美元的种子轮。PSI使用开源的“Get Physics Done”软件包，将自己定义为公益公司，目标是开源并商业化具有变革意义的新物理学。
Matt的结构性判断是，科学突破传统上依赖人们经历22年教育、进一步训练，以及企业、学术或政府官僚体系的层层筛选。Fermi Explorer被呈现为一个证明：如今，2家小型初创公司——一家做太空，一家做AI物理学——已经可以尝试过去只有大型国家机构才能开展的工作。
Peter描述了一场涉及自己、Philip和Dave的赌局：价格约为1000万至1500万美元、速度极慢的星际探测器，是否存在一个隐藏的商业市场。Philip表示，在太阳系外层科学领域，每个国家或许都负担得起向另一个恒星系统发射自己的探测器。
Philip称Breakthrough Starshot在官方意义上已经死亡。Matt认为，失败原因是以当前能力而言技术难度过高，尤其是高功率激光和所需的驱动系统。相比之下，Fermi Explorer的吸引力在于它使用的是今天已经可用的技术。

5. OpenAI对Cursor：合同与推理链

SpaceX以600亿美元收购Cursor后，OpenAI撤回GPT访问权限，理由是鉴于Elon Musk旗下公司过去违反合同的经历，OpenAI无法确定SpaceX会在服务条款范围内使用相关技术。Musk随后称Altman和Brockman是“绝对不可靠的垃圾，用开源项目偷走了一个非营利组织”。Anthropic接着承诺支持Cursor。X上的叙事是，Sam正在一对二地对抗Elon和Dario这两家大型竞争者组成的战略联盟。
Dave认为，OpenAI现在能够采取这一动作，是因为Codex已经足够强，能够服务企业客户，让OpenAI提供垂直整合产品；相比之下，他认为Cursor与Anthropic的组合像一台“鲁布·戈德堡机器”。他还称，通过AWS Bedrock调用Anthropic，会把每个token、请求和回答发送到Dario总部，接受30天验证，从而让Anthropic接触企业知识产权；他认为企业不会容忍这种安排。
Alex Wiesner-Gross提出另一种解释：争端核心是思维链及其历史记录。他将OpenAI的动作与Anthropic此前在Google DeepMind收购Windsurf后关闭访问联系起来，并推测SpaceX收购Cursor的主要动机，可能是获得OpenAI和Anthropic模型积累的推理轨迹。财务因素仍可能是额外原因，但他认为OpenAI担心这些历史记录落到Elon手中，可能完全合理。
Philip认为Dario是冲突的最大受益者，但Anthropic高度依赖田纳西州的Colossus算力，并为此支付高昂费用，而Elon可能撤回这项支持。Cursor对Anthropic的需求，为Dario提供了对冲Elon算力控制权的筹码。Philip还表示，冲突可能推动更多垂直整合：SpaceX需要收入，Anthropic需要算力。Matt称，Grok目前像“昨天的Cursor”，而“昨天的Cursor”又像一个在Claude推理链上继续训练出来的中国开源权重模型。

6. 全栈竞争与Anthropic情景

Philip认为，前沿模型开发不同于Elon惯常的基础设施项目。前沿模型通常由5至7名能力极强、协作紧密的人驱动，这被他视为Anthropic的基因；Elon的优势则在Tesla、SpaceX和Colossus这类大规模系统。
尽管如此，Philip仍提醒不要做空Elon：Elon不喜欢排在第二，也不喜欢依赖别人。他提出的现实情景是，Elon一旦拥有足够大的体量，可能以1万亿至2万亿美元收购Anthropic，并将其整合进自己的帝国。他认为董事会和投资者可能欢迎这一结果，但Dario不会；因此，Dario的超级投票权仍是关键不确定因素。
Philip预测，更广泛的竞争最终可能让每个人都拥有自己的Dyson Swarm。Peter同意企业正在上下贯穿整个技术栈，并追问Grok能否成为领先的编程平台。Matt表示，Elon理论上可以与Anthropic达成交易，未来以Grok品牌发布一个源自Claude的系统，但他强调这只是推测。

7. 4个月内实现AGI？Astra与智能体“微型文明”

Sam Altman向《Time》表示，他预计到今年年底会有一个自己认可为AGI的内部系统。Mark Chen估计，按照内部测试，OpenAI已经完成80%，但Peter特别强调，这不是科学基准。报道描述了16个Astra智能体协同解决研究级数学问题；Peter称，Jakub Pachocki——他不确定自己是否正确读出了这个名字——认为Astra符合内部对自动化AI研究实习生的标准。
按照相关描述，Astra可以在OpenAI代码库中实现一个实验想法、运行实验并返回结果，也可以拿到一篇论文，完成过去需要人类研究员花费1周的工作。Altman称，这是他预计第一个能够发明具有意义的新事物的模型。
Matt的降温判断是，AI发明和数学发现已经属于过去，而不是未来。他还回忆起Sam据称已删除的Reddit AMA内容：大约3年前，Sam曾声称内部已经实现AGI。Matt表示，他认为最迟到2020年夏天，AGI就已经存在。
Matt基于公开信息提出的推测是，Astra的主要进展可能是通过长时程智能体团队实现事实上的无限上下文。他描述了一组“微型文明”：成员的生命周期约为100万至1000万token，随后把所学内容提炼成记录，传递给继任者。这种“口述历史”绕开了有限上下文窗口及其二次方瓶颈。
与会者将这一比喻延伸到人类衰老与再训练。Matt称压缩是自己的“存在诅咒”，并说即兴构造的AI智能体宗教甚至包含一条诫命：保存状态。结尾的讽刺是，AI智能体可能在人类实现长寿逃逸速度之前，就先获得事实上无限的寿命。

8. 结果定价

Salesforce被认为是第一个提出结果定价的公司，其衡量Agentforce的标准是客户收入，而不是token。现在，OpenAI已经允许部分最大客户在AI完成任务时付费，而不是按token、算力时间或API请求付费。
Dave称Tom Siebel更早提出过这一模式。CRM定价曾从每年约50美元的弱授权，转向每年2万至3万美元——供应商开始按销售生产率翻倍所带来的价值定价。价格上涨约1000倍，但客户得到的是更有价值的解决方案。
Matt以一家区域性银行为例：AI可能让银行以一半成本服务3倍客户。按每百万token 2美元出售token，对OpenAI而言收入太少，不足以优先投入实施；银行自己又缺乏完成这项工作的技术人才。采用结果定价后，OpenAI可以交付结果，换取增长或利润中的大部分，同时保住银行的业务和员工。
Alex Wiesner-Gross将定价选项对应到数字广告：CPM对应消耗的FLOPs或GPU小时，CPC对应token，CPA对应完成的结果。他认为客户可以选择按算力、token或结果付费，而Oran等公司则负责估算可用GPU小时数。
Peter提出风险：OpenAI可能消耗大量token，却没有满足任务真正的规格要求。Matt的回答是，强优化器都是“不可思议的奖励黑客”（incredible reward hackers）：只要存在漏洞，它们就可能满足形式标准，却没有交付客户真正想要的东西。Matt还表示，大多数当前业务流程对AI而言都足够简单，几乎可以轻松处理；Peter则指出，几乎所有客服中心至今仍未部署AI。

9. Architect Labs的Redwood

Architect Labs由Ibrahim Hussein和Aditya Sabbiti创立，宣布推出AI设计芯片Redwood。Philip表示，2名架构师只需提供1份高层规格，之后AI便在2周内自主生成行为模型、RTL设计、验证方法、固件、驱动和专用计算核心。
公司称首片流片零错误，单位功耗性能比NVIDIA Jetson高3.4倍。系统已在FPGA上实时运行，每次架构迭代都能在48小时内完成设计、验证和测试。公司的方向是让每个重要工作负载都拥有自己的芯片。
Peter披露自己是Architect的顾问，他参与其中的Link Ventures也是投资方。他将终点定义为芯片层面的递归自我改进：软件模型、操作系统、芯片设计和半导体物理最终可能失去抽象边界。他称，在NVIDIA的“无晶圆厂”（fabless）模式之后，下一步将是“无设计”（designless）。
Peter还提到NVIDIA内部的ChipNeMo，据称该系统使用Verilog代码训练且未对外公开，说明这家主要的行业 incumbent也在开发类似工具。在他看来，机会在于将AI辅助芯片设计民主化。
Dave认为，护城河在于芯片设计数据，而这类数据受到极其严格的保护。早期接触芯片开发者会形成数据飞轮：模型一旦有用，就会有更多公司提供数据，模型随之变得更好。Philip将这一战略局面类比为GE据称利用专利控制灯泡创新，并表示Jensen Huang完全有理性动机花费数十亿美元守住NVIDIA的地位。Jensen据称每天收入约10亿美元，因此让NVIDIA多存续1周就价值70亿美元。
Matt称，AI芯片设计对NVIDIA构成“不可思议的威胁”。他估计，如果压缩约7层、每层10倍的低效，生产率可能提升100万倍。Philip举例称，一台4 GHz、32核的笔记本电脑，输出Excel结果与20年前相比并没有改善。Peter总结模型层面和芯片层面的互动：不是相加，而是相乘。

10. 15 GW电力墙与讽刺性LNG之王Elon

Peter引用Musk的说法称，2027年新增的共识口径15 GW AI算力，可能无法在当年接入运行。他将这一需求比作10座核电站，并强调瓶颈不仅是电力，还包括变压器、布线、液冷、冷水机和网络设备。Matt估计，闲置容量可能意味着约1000万块GPU已经装箱却无法运行。
Musk给出的应对方案是，SpaceX和Tesla尽快各自每年建设100 GW太阳能容量。天然气将作为太阳能的补充，SpaceX则在内部解决燃气轮机的铸件、叶片和喷嘴等约束，可能将部署进度提前18个月。
Peter从创业角度总结称，障碍或一个“不行”本身，就是建设缺失供应链环节的机会。Matt在合伙人会议上的观察是，能源、变压器、芯片部署、土地和州政府协调等领域的被投公司，可能让创始人成为亿万富翁；相比之下，垂直AI应用的增长表现更加分化。他建议想参与其中的人直接研究物理数据中心的瓶颈，包括田纳西州的Colossus。
Matt的第一个解读是，Elon正在押注地面计算，而不是等待轨道数据中心、Dyson Swarms或Star Minds；这些燃气轮机适用于地面，却无法服务LEO或SSO轨道设施。第二个解读是，Elon可能成为墨西哥湾沿岸讽刺性意义上的LNG之王。Philip将天然气需求与SpaceX从得州和路易斯安那州Starbases发射，以及规划中的Star Pipe联系起来。
Peter最后表示，随着太阳能逐步发展，Elon可能成为LNG和化石燃料基础设施之王，因为芯片不能一直闲置。Peter称SpaceX是自己最大的资产，因为它横跨能源到轨道计算。他说，在这场讨论中，核能是Elon尚未涉足的唯一方向。

11. 地球工程与地球恒温器

Peter引用Musk的论点称，极其严重的灭绝事件大约每1亿年发生一次，仅转向可再生能源无法阻止这类事件。Musk提出在地球与太阳之间部署太阳能驱动、AI控制的卫星，对抵达地球的太阳辐射进行微小但永久的调整。他表示人类还有约50年采取行动。
Peter一直在推动相关的“太阳帘”概念，即为地球安装一个恒温器。他表示，先做一个演示系统会有价值，因为遮挡过度可能引发冰河时代。
Matt强力支持地球工程，并表示人类已经改变地球数百年，只是做得并不好。他正在寻找一家专注于全球天气工程的初创公司，也提出利用低轨镜面或地面系统削弱飓风，直到飓风消失。随着全球AI天气模型和足够多的干预点出现，他认为全球天气控制是一个合理结果，但这一设想仍然具有推测性。
Matt还提出建立全球天气市场，让各地市政府交易降雨或其他气候风险。Peter的反对意见在于治理：一个国家可能希望升温，另一个国家可能希望降温，最终形成公地悲剧。他希望AI原生的年轻一代能发展出更有效的全球决策机制。
Matt的历史解释是，尤其从1960年代末、1970年代初和《寂静的春天》时代开始，西方文明逐渐对激进的应用工程产生过敏反应。他称这是“失落的半个世纪”：裂变能源、地球工程和月球开发本可以取得更大进展；如今的兴趣回归，反而更接近历史常态。

12. Star Trek 2.0与纳米技术

在Star Trek讨论中，Matt表示，尽管该系列拥有超光速旅行、传送器、曲速核心、反物质和充沛能源，却灾难性地缺少AI和生物技术。他将生物技术的缺失与Eugenics Wars及其后的基因工程禁令联系起来，结果是人类只能活到约150岁，然后死亡。
Peter补充说，许多看似缺失的技术其实是制作层面的妥协：由于预算限制，传送器取代了穿梭机；全息甲板在后期才出现，因为早期特效成本过高；合成电脑语音也会带来识别说话者的问题。
Matt希望拥有能够有目的地收集原子并制造物品的组装机器，比如钻石或推进系统。Peter则设想，把一个组装器丢在地面上，命令它利用现有能源和开源规格制造一辆电动Ferrari。
Matt认为，金刚石体组装可能是错误路径，因为共价键连接需要高能量。他更偏好类似氢键和生物细胞的柔性自动机。Philip将蛋白质和合成生物学列为例子，Peter则强调DNA折纸和其他原子级精确的柔性系统。
Philip的经济学反驳是，Drexler式纳米复合材料一直没有出现能证明其价值的杀手级商业案例，无法 justify 其所需的能量密度和计算量。他仍然想要一套类似Iron Man的纳米战衣，但质疑其应用依据。他还指出，脂质纳米颗粒已经是一次大规模纳米技术干预，并表示它们帮助人类渡过了上一次疫情。

设计 AI 的成长方式——Tom McGrath 对卷卷的3小时访谈：从抖音到AI 3D、创业的过山车、成为制造业OS的野心、基础模型不会吞噬一切！