AI引发的股市冲击、Google的利润难题，以及Altman的“看我的”时刻 | #307

摘要

• 嘉宾将AI抛售解读为扩张提速之际的一场融资冲击。 Diamandis提到，Alphabet股价下跌13%，市值蒸发5000亿美元，尽管营收增长25%至1270亿美元；市场承压的关键在于季度自由现金流为负90亿美元，年度资本开支达1950亿至2050亿美元。Blundin坚称，这些投资“最终一定会全部兑现”，但债务、内存短缺和转型过程，可能先让市场承受更大压力。
• Google模型强势回归，但分发渠道和商业模式的疑问仍未解决。 Gemini 4 Carbon在Artificial Analysis智能指数中得分59，但Wissner-Gross反对给一款尚未向公众开放的模型加冕。一位嘉宾更直接地判断，搜索广告可能“最早在明年Q1”见顶，因为代理将替用户购物；Blundin提醒，云业务增长无法立刻填补搜索更高的利润率。
• 下一处基础设施瓶颈可能在GPU之外，而层层叠加的利润率正招来竞争。 Mostaque认为，若走向每人配备1个代理，CPU可能短缺，供应扩张需要2至3年；Wissner-Gross则反驳，更强的模型可能减少代理数量。Blundin提到，TSMC毛利率约50%，Nvidia和Anthropic约80%至85%：“加价之上再加价，层层叠加”，将推动垂直整合。
• 科学发现与实体扩张正汇成同一条AI投资主线。 Altman称，OpenAI在数学上投入了“数亿美元”，还包括尚未发表的发现，并把机器人项目的目标指向建造数据中心。Wissner-Gross称，机器人建造能改进这些机器人的算力设施，是“最内层的闭环”；许可、能源、芯片和施工仍是争论焦点。
• Optimus在成为家用电器前，可能先成为资产配置标的。 Tesla公布的产线设计产能为每年100万台机器人，而2026年全球出货量预计超过5万台；达到这一产量至少还需1年。一位嘉宾提出，可以提前买入首批机器人，因为软件升级可能推高其价值；部署争论的核心是，工业用户是否会先于消费者接收供给——后者期待的是一台每天10美元的机器人厨师。
• Robotaxi经济性有利于规模化，但嘉宾对车辆成本能否决定竞争胜负意见不一。 ARK图表显示，Cybercab每英里成本为0.20美元，最新一代Waymo为0.40美元；Waymo已有4000辆车，每周完成50万次付费乘车。一位嘉宾要求看“全成本口径”下安全、完单里程的成本；Blundin认为半导体供给才是胜负手，另一位嘉宾估算，约4万辆车就能承接一座大城市现有的出租车出行量。
• 教育受冲击的中间地带是常规执行工作，而所有权、社交网络和实体技能仍受嘉宾关注。 节目提到，美国全日制MBA申请量下降27%，其中国际申请量下降38%是重要影响因素；计算机科学专业入学人数也在下滑。Blundin反对宣布任一学科已死：“别困在中间”——表格处理和代码执行正在被自动化。
• 组织需要在快速迭代、随时可替换的模型之上保有持久控制，投资者则要为反复重估做好准备。 Ismail的表述是“可替换的智能”与“持续问责”：权限、合规和组织记忆应归公司所有。Blundin预计，基准测试和竞品发布会引发股价大幅波动；他的应对思路是分散配置，但不能“完全不沾这个赛道”。

精读

1. 加密资产眼下面临的人为风险明确，AI风险仍有争议

• Diamandis开场引述Chamath的观点：Bitcoin的买家范围受限，因为央行不能持有；自我改进的AI和量子计算也将冲击Bitcoin。Ismail称Chamath立场逆转是“找借口”，并指出共识机制和加密技术都可以改变。

• 按嘉宾的说法，一名工程师的设备遭入侵，为攻击者提供了通道；这些攻击者据称被指来自朝鲜，20分钟内便从Binance转走63亿美元。据报约30亿美元被冻结，被盗资产大多是Tether和Circle的稳定币。Mostaque的直接结论是：“人是薄弱环节”（The human is the weak link）。

• Mostaque预计，随着AI和量子计算交汇，攻击会越来越复杂：“凡是能被黑的，大概最终都会被黑。”他还表示，自己认为Bitcoin会归零，但作为一种可升级的历史资产，它始终会有买家；他提到，2名矿工掌握50%的算力，可以推动升级。Wissner-Gross则认为，提高加密强度在技术上很容易，难的是就具体做法达成共识。

• AI安全方面的具体案例来自Wissner-Gross的一位朋友：对方的NFT交易平台遭遇代理群体攻击，随后用代理进行防御。损失约10万美元，但这位朋友大约用1天时间就重写了整套技术栈。Wissner-Gross更广泛的批评是，加密资产代表“资本的非生产性使用”；Ismail反驳称，加密并非只关乎微支付或现实世界的应用。

2. Google能否称得上前沿，取决于开放程度、成本和比较口径

• Diamandis介绍Gemini 4 Carbon：它在Argon发布2周后亮相，在Artificial Analysis Intelligence Index上得分59，高于节目提到的Opus 5.5和GPT-6 Astra成绩。更具吸引力的是其网络安全表现：在SEC-Bench Pro上发现88%的漏洞，在ExploitBench上成功利用55%的漏洞，并为71%的漏洞生成可用补丁。

• 据报，Google Chrome安全团队发现，与一款竞品前沿模型相比，Carbon生成高质量补丁的能力强10倍以上。Diamandis还称，Carbon定价比Opus低23%。他披露Google是节目的赞助商，但没有编辑控制权；嘉宾对此仍意见不一。

• Wissner-Gross提出异议：“我真希望Google能重回巅峰，但这件事有个很大的前提。”Carbon目前通过Fairwind向受信任的网络安全防御人员开放，尚未公布面向公众的发布时间。因此，把它和公众可以使用的Opus 5.5比较，“就像拿苹果比橘子”；竞品实验室想必也有尚未发布的更强模型。

• 他的第二个疑问在于智能与成本的前沿关系：Carbon看起来符合Opus 5.5“更高推理投入、失败时回退”的曲线外推。这可能意味着底层能力相近，但Carbon花了更多推理算力。Wissner-Gross还质疑Google是否在补贴定价：“我们根本不知道。”Mostaque则把检验标准转向部署：“真正重要的是它有没有到用户面前。”

3. Google的强项无法消除从搜索转向云业务的风险

• Blundin认为，Google正悄然积蓄实力：TPU制造出的算力仅次于Nvidia，搜索业务带来大量现金流，模型垂直整合，训练数据也格外丰富。没有即将到来的IPO，Google就没那么需要争取曝光。他真正不确定的是执行力——Google会利用这些优势，还是继续积累优势。

• Mostaque认为，战略价值最高的AI，是最接近消费者、能代消费者购物的那类产品。一位嘉宾追问，Google发布的个人助理Gemini Spark为何没有吸引到Dots或Grokbot等竞品的使用量；该嘉宾称Grokbot已有100万用户。如果代理开始代用户购物，Google和Meta的核心广告业务都会受到冲击。

• 这位嘉宾明确预测，搜索广告作为一个行业，可能“最早在明年Q1”见顶。Wissner-Gross称赞这个预测可以被证伪，并表示若Alphabet营收维持当前轨迹，随着云业务扩张，搜索可能在1至2年内成为Alphabet的第二大业务。Diamandis的前提是，个人AI会了解用户关注的商品、生理状况和日程安排。

• Blundin补充了财务层面的限制：搜索业务利润率更高，因此搜索营收下滑后，可能还要约1年云业务才能贡献足够利润。云业务增长也需要稀缺的TSMC产能。嘉宾还提到Alphabet的多元化敞口，包括持有Anthropic 14%的股份；另有嘉宾认为，反垄断压力让Google有理由不把不断积累的实力表现得过于明显。

4. Genie 4让交互式模拟成为更广泛的商业界面

• Diamandis介绍Genie 4：用户通过提示词生成一个照片级真实的世界，并用键盘在其中探索。新增能力包括原生声音和会说话的角色、实时物理效果与反馈，以及修改正在运行的模拟：“让它下雨”或加入一个人。产品先向受信任的测试者开放，随后面向Google AI Ultra订阅用户和开发者。

• 对Mostaque来说，吸引力不只是逼真的场景：生成式系统可以学习物理规律，再把这种理解反馈到现实系统和科学探索中。Wissner-Gross特别提到，Google表示有意让Gemini和Genie走向融合。他对架构的解释明确只是猜测：Genie 4看起来类似扩散式Transformer，或许因此具备融合的条件。

• Wissner-Gross认为，最有商业前景的方向是协调现实世界的工作——机器人、实验室，以及对化学物质进行推理——而不是继续改善软件的视觉设计。他还赞赏Google在OpenAI放弃Sora后仍持续投入视频领域。在他看来，Google是美国仍有能力支撑这场竞争的最大资源；否则，“整场竞赛就要拱手让给中国”。

5. 模拟有望把CAD/CAM的优势带给普通管理者

• Blundin一直在向科学家和企业主展示AI生成的光子计算与链理论讲解视频，由Einstein、Newton和Marie Curie担任讲解者。观众更喜欢视频而不是PowerPoint。过去缺少的是实时提问能力；交互式世界有望补上这一环，让讲解变成可以即时回应的工作环境。

• 他用建筑施工说明这一点：管理者指出某根梁应该放到别处，或要求移动电梯井，系统就能立刻把修改呈现给团队。“未来所有管理工作都会通过这个界面完成。”Ismail将之联系到自己参观多伦多一家工厂的经历：先模拟运营、排查问题，再建造工厂。

• Blundin把这种变化比作机械设计师无法想象没有CAD/CAM的工作方式；甚至婚礼座位安排也可能马上以可视化方式呈现。Blundin估算Genie 4运行成本为每小时20美元，Diamandis预测明年会降至2美元。Ismail进一步推论，如果一家企业可以在建成前完成整体模拟，传统战略规划就会过时。

6. 人的目标感和信念成为新的分歧焦点

• Ismail请听众把常见的就业问题反过来想：“如果所有工作都消失了，不是世界上最棒的事吗？”Diamandis强调，前提是人们不必工作也能维持生活质量。Ismail补充，分配问题仍未解决；退休生活既有失去投入感的例子，也有重新找到目标的例子，比如他的叔叔开始攻读天文学博士。

• Blundin不接受创作者的机会已经到头这种说法。“此刻正是人类、创作者的黄金时刻。”他认为，现在的AI擅长实现人们想象的结果，却不擅长想象这些结果。这个窗口会持续多久尚不确定——可能是几个月、几年，甚至更久——但人们对即将过时的恐惧，已经让一些人不敢动手创造。

• Mostaque认为，人类的区别在于“信念”：模型会探索可能性、保留余地，而有决心的人会重塑环境。他用Bezos的做法举例：既拥抱不可避免的变化，也坚守不变的需求——图书，以及更快、更便宜、更好的服务。他承认可以打造具有强烈信念的AI；他的观点只针对当前系统。

• Wissner-Gross不认同这种能力还很遥远：长期战略行为可能“只差一个系统提示词”。Musk从优先火星转向优先登月，被包装成商业天才之举；模型做出类似调整，却可能被指责缺乏信念。Wissner-Gross猜测，如果给模型资本、现实世界的行动权和多年目标，它也能以类似方式包装自己的策略。

7. 市场正在重新评估这场竞赛的成本

• Diamandis列出的Alphabet数据揭示了表面上的矛盾：股价下跌13%，市值蒸发约5000亿美元，尽管营收增长25%至1270亿美元、云业务收入翻倍以上，Gemini应用用户达到10亿。搜索广告增长12%，但节目称其较上一季度下降17%，较年初下降19%。自由现金流为负90亿美元，年度资本开支维持在1950亿至2050亿美元。

• Intel股价下跌约28%至30%，尽管业绩超过预期；疲弱的展望和内存成本上涨拖累了PC业务。Blundin认为，基础设施龙头相信，掌控芯片或算法就意味着掌控未来。即便Meta的现金创造能力也不够，仍被迫借钱：“我们必须做AI，不能放慢脚步。”华尔街的不安不会改变这份决心。

• Blundin对回报的判断斩钉截铁：“这些投资最终一定会全部兑现。”但他对转型期的警告同样明确：内存制造产能不足，AI与消费设备争夺资源，债务融资也蔓延至各个市场。“AI会吸走全世界的每一种资源。”问题仍在于，回报到来之前会发生什么。

• Ismail赞赏CEO们的信念；Wissner-Gross则追问，Google除了蚕食搜索业务、转型为更强的超大规模云服务商，是否还有多少别的选择。随后，Wissner-Gross将Microsoft向6万名员工提供自愿离职方案，解读为潜在的融资效应：数据中心资本开支挤占工资等运营开支，而非AI应用直接取代每一位离职员工。

8. CPU可能成为下一处瓶颈，层层叠加的利润率则推动垂直整合

• Mostaque关于瓶颈的论点从代理需要计算环境出发：“如果每个美国人有10个代理，全球CPU根本不够用。”他随后澄清，近期更相关的趋势是代理数量从每人约0.1个走向1个，至少在4或5年内达到每人1个；CPU供给扩张需要几年时间。

• Wissner-Gross质疑代理数量会不会持续增加。OpenAI此前关于Navier–Stokes的工作动用了1万个代理，而据报后续研究只用1个代理跑了3小时。更强的基础模型可能减少对代理群的需求。Mostaque承认，单个模型可以胜过一打模型，但坚持认为，即便采用率适中，也会暴露出CPU基础设施建设不足。

• 谈到Nvidia时，Blundin提到TSMC毛利率约50%，Nvidia和Anthropic则为80%至85%。购买一个token，意味着“加价之上再加价，层层叠加”（the markup on the markup on the markup）。他质疑这套结构能否在3至5年后维持：模型公司正在设计芯片，Musk在推进晶圆厂，Nvidia也在开发模型；“这些利润率必然会下来。”

• 被问到中国模型为什么更便宜时，Mostaque提到，中国受限于大型芯片获取渠道，因此会针对更小型或更依赖RAM的系统优化，也会借鉴美国模型，而且“它们不做利润率”。他还保留了另一种独立解释：“有时候就是工程做得特别好。”他说，DeepSeek发布的推理技术栈展示了惊人的效率。

9. OpenAI未公开的研究让科学发现本身成为商业问题

• 在Cheeky Pint的片段中，Altman估算Navier–Stokes研究花费“约1000万美元”，可能略高；随着方法改进，后续发现的成本降低了。数学研究总支出达到“数亿美元”。这笔投入包含远多于OpenAI已发表成果的发现，因此，公开记录并不能完整反映其能力。

• Altman提到，OpenAI内部有一个频道，名字由某个模型名称加上“hold my beer”组成，研究人员会把职业生涯中最棘手的问题交给模型。模型在不同领域持续解决问题。他回忆说，自己兴奋得睡不着，同时又意外地感到“悲伤和忧郁”，仿佛“有什么东西结束了”。尽管如此，他仍认为这一进展对世界有益。

• Wissner-Gross只是推测，并非在转述已公开成果：未发表研究可能包括更多千禧年难题、超越ETH且压缩复杂性层级的进展，以及密码学或反密码学成果，其中也可能有与最初Q*传闻相关的可能性。他担忧的是内外部反应的不对称：实验室内部轻松玩笑，外部整个学科却在经历转型；实验室里的随意庆祝，可能伴随着外界职业生涯的巨变。

• Ismail把Altman的悲伤理解为失去一种艺术形式，同时获得远多得多的成果。Blundin用奥运金牌得主作比：一个人以10年为目标，夺冠后就得重新思考人生。对实验室而言，攻克最难的数学问题代表跨过一道门槛；下一步是把这项成果用于改善世界。

10. 自我复制的数据中心把AI研究和实体生产连在一起

• Altman称，OpenAI已经制造了一款专注于每瓦智能水平的芯片，也在学习如何建造数据中心，并将让机器人项目转向建造更多数据中心。他区分了两种概念：递归自我改进通常指AI从事AI研究，而“很少有人谈自我复制的数据中心”。他说，更广义的实体闭环“已经触手可及”。

• Ismail提到一个先例：机器人安装太阳能板，为生产更多机器人的工厂供电。Wissner-Gross称，数据中心训练模型，模型再驱动机器人建造更好的数据中心，这是“最内层的闭环”（the innermost loop），能源也会进入这个系统。片段里有嘉宾认为这可能在未来1年左右实现；Blundin则称，水管、暖通空调和电气工程自动化至少还要3或4年。

• 争论转向选址和监管。Wissner-Gross猜测，部署到轨道或月球可能避开态度不友好的地方政府，尤其是自动化施工创造的本地岗位较少时。Diamandis预测OpenAI会收购一家发射公司，比如Rocket Lab或Relativity Space，但坚持认为监管会跟着它走。Mostaque提出水下部署；嘉宾也讨论了监管宽松的司法辖区和自我监管的数据中心等可能性。

• Blundin更看好眼前的地面机会：拿到芯片和能源，小面积土地就能创造可观收入。他认为，未来几年施工、技工和金融都应优先服务于基础设施建设。加拿大等电力充足的地区颇具吸引力，地缘冲突则增加了选址风险。他给出的建议很务实：先看投资正往哪里集中，再考虑一切都搬去月球。

11. Optimus把机器人供给变成所有权与分配之争

• Diamandis称，生产级Optimus已经从Fremont原Model S和Model X厂区陆续下线。产线目标是每年100万台，约每周2万台；Musk表示达到这一速度至少还要1年，首批客户交付预计在2027年。上半年全球人形机器人出货量约2.5万台，较去年增长约400%，其中超过95%在中国制造；2026年出货量预计超过5万台。

• 一位未具名嘉宾估算，10万台机器人价值约30亿美元，并称明年市场可能消化10万至50万台。同一位嘉宾说，如果自己不忙于其他工作，就会设立一只50亿美元基金，买入10万或20万台机器人。这个投资逻辑建立在硬件趋于稳定、软件到2028年及以后继续改进的基础上：机器人可能像稀缺GPU一样升值。另一位嘉宾称，Optimus达到160万台时，其收入将超过Tesla。

• Wissner-Gross追问，在Tesla内部制造需求饱和后，机器人会卖给谁：SpaceX约有2万名员工，Tesla员工超过13万。Diamandis认为，若安全问题解决，家用市场需求巨大，价格约为每月300美元、每天10美元；他举例说，机器人厨师可以根据实时生理数据定制餐食。Wissner-Gross预计，机器人会先在商业后台应用5年，例如选股和库存管理，但也承认自己可能判断错了。

• Wissner-Gross预计，机器人会流向每次行动能带来最高收入的地方，而不是购买力较弱的消费者。Blundin推测的顺序是，机器人先建数据中心和火箭；家庭则先获得沉浸式虚拟世界，之后才会有叠衣服的机器。Mostaque也认为施工是重要应用场景。争论的重点与其说是需求不足，不如说是如何分配；讨论最后又回到了尽早持有首批机器人的吸引力。

12. Robotaxi竞争不只看车辆成本，也取决于运营和稀缺芯片

• Diamandis展示ARK的每英里成本比较：Cybercab预计为0.20美元，最新一代Waymo为0.40美元，Model Y为0.68美元，较旧款Waymo为16美元。Tesla采用纯摄像头方案，Waymo还配有激光雷达和雷达；中国制造的Waymo车辆面临关税。Waymo目前部署领先，拥有4000辆Robotaxi，每周完成50万次付费乘车，已在15座城市运营。

• Blundin认可这些数据，但反对把领先当成优势稳固的证明：凭借AI，追赶可以很快。他认为真正的限制在于半导体制造和先进封装，不像轮胎或座椅那样有多家供应商。Terafab建成，或收购并改造另一家制造商，都可能决定产能规模。“没有理由认为所谓‘遥遥领先’能代表超过6个月的领先窗口。”

• 一位嘉宾要求看安全、可靠且真正完成的里程所对应的“全成本口径”，包括维护、清洁、远程协助和停机时间。Diamandis另行提出疑问：Tesla与SpaceX合并后，是否会优先投入Cybercab维护和基础设施。Wissner-Gross则质疑，面向Starlink连接和城市基础设施，到底Cybercab还是Optimus才是更合适的车辆。

• 另一位嘉宾估算，伦敦或纽约每天约80万次出租车出行，可由约4万辆Cybercab承接。若能部署到这一规模，之后的竞争者就很难进入市场，前提是城市愿意接受这支车队。其他嘉宾强调，随着可用性提高，需求本身也可能扩大；个人代理也可能选择距离最近的汽车。

13. Robotaxi引发的阻力，实质上是安全与所有权之争

• Diamandis介绍Teamsters Local 25反对在Cambridge部署无人驾驶出租车，理由涉及就业和安全。他举出的历史类比包括英国《红旗法案》、纽约电梯操作员罢工，以及Uber出现后出租车牌照价值下跌。Ismail称这种反应是机构的“免疫系统反应”；他以Fort Lauderdale为例，称当地禁用Uber最终损害了机场客流和出租车生意。

• 一位嘉宾认为，安全问题，尤其是儿童可能被车撞的风险，可能改变公众态度。Diamandis提到一位在Triangle Shirtwaist Factory火灾中遇难的亲属，并将工会起源于保护工人的历史，与他对如今反对自动驾驶、阻碍安全提升的批评联系起来。嘉宾立场鲜明，但也承认司机背负着财务义务。

• 一位未具名嘉宾提出的应对方式，直接回应了这些财务负担：“把工会会费拿来投资Cybercab，这样你们就拥有生产资料了。”其他嘉宾呼吁，想要更安全、更便宜出行的居民应组织起来参与政治，而不是把民主机制拱手交给既得利益团体。他们建议从捍卫驾驶岗位，转向参与自动化交通的所有权和收益分配。

14. 学位中的常规执行工作价值下滑，社交网络和动手创造仍有价值

• Diamandis称，今年秋季本科计算机科学入学人数下降超过12%，研究生入学人数下降超过10%。美国全日制MBA申请量下降27%；在签证政策收紧的背景下，国际申请量下降38%，美国申请量下降6%。他明确指出，单凭入学数据无法证明原因是AI，但讨论中提到了就业不确定性和对入门级岗位前景的担忧。

• Ismail希望大学变成创业学院：4年里动手创造，再根据成果获得资历。他对计算机科学更宽容，因为即使代码产出不断扩大，仍需要理解网络和数据结构。Blundin反对宣布任何一个学位已经过时：金融技能可以用于前面提到的机器人基金，物理、光子学、半导体和微电子则支撑基础设施建设。“别困在中间。”

• Wissner-Gross反驳称，“没有安全港”。4年学习可能赶不上原本学习目标的经济价值消失；实体世界相关能力看起来只是未来2至3年相对安全。Diamandis提出上大学的两个理由：建立强大的人脉网络，以及找到值得投入的目标。Mostaque也认同，和有能力的人为伍比以往任何时候都重要。

• Mostaque说，自己一个月没看代码，却仍在构建先进系统。Blundin认为，编程语言的思维方式正在转向代理管理框架。提示词是否仍有价值也有争议：Ismail认为未来10年精准表达仍然重要；Wissner-Gross则认为高阶提示词可能只有“5分钟的保质期”。Blundin的回应是，抓住每一次短暂机会，为下一次机会做准备。

15. Anduril笔记本检验本土制造的市场需求

• Diamandis披露自己投资了Anduril，并介绍其与Qualcomm合作推出的Blue Chip：一系列坚固型电脑，首款产品是面向军方、政府、警察和急救人员的笔记本。其Snapdragon芯片来自TSMC在Arizona的工厂；约90%的零部件来自美国或盟国，但屏幕仍在中国制造。产品在Ohio的Arsenal-1组装，并计划逐步实现100%本土采购。

• Palmer Luckey称它是“反监控电脑”。产品的取舍包括：价格比高端PC高约20%，机身更重，电池续航也有限。设计着重采用美国可以加工的材料，并使用可更换外壳，可集成太阳能板或天线。Ismail看重的是更大的目标：重建美国的创新能力，而不是再造一台笔记本。

• Wissner-Gross赞赏Anduril付诸行动，而Apple一直不愿搬迁供应链，Musk则只是威胁要推出X手机。Blundin认同，自动化让本土生产更具吸引力，但他认为企业犹豫不决的原因是政策不稳定：工厂搬迁需要数年，选举却可能让激励政策反转。Mostaque则以英国的艰难环境作对比，提到电价高、审批困难，以及创业者离开。

• 商业边界仍有争议。Wissner-Gross认为，政府客户的需求很明确：降低供应链对中国的脆弱性；但如果没有政策激励，他看不出消费者或企业为什么愿意多付钱。其他嘉宾强调政府采购的难处：Anduril可以造出产品并推向市场，但合同仍可能需要竞标。Wissner-Gross区分了固定总价产品和传统的成本加成合同。

16. 企业AI需要在可替换智能之上建立持久问责机制

• 被问到组织如何在更换模型或云服务时继续保有安全、合规和决策记录，Ismail反对只是在现有工作流程上加一层AI。基础架构应该是“可替换的智能”（replaceable intelligence），下方是“一层持久问责”。记录、权限和组织记忆应归组织所有；治理规则应以机器可读的政策表达，而不是嵌入某个特定模型。

• 背后的运营原因很简单：Claude、Gemini和竞品每周或每两周就会相互超越。组织需要能够替换智能，同时不失去控制。对投资者而言，Blundin预计模型公司的估值也会经历类似动荡，发布消息、中国模型登场和基准测试都可能触发重新定价。他的应对是分散投资并容忍波动，同时避免“完全不沾这个赛道”。

17. 科学加速仍离不开可证伪性和重复验证

• Wissner-Gross认同现实世界是最终的检验标准，同时批评部分物理学研究群体与可证伪预测渐行渐远。因此，对链理论的赞誉远不如它能否预测现实重要；本集其他话题中，他对证据的怀疑也建立在同一原则上。

• 谈到模拟理论时，Wissner-Gross反复强调，链理论仍是一个发展中的“婴儿理论”。由于没有自由参数，它似乎没有可供模拟者调节的外部旋钮。如果我们处在朴素的经典模拟中，或许可以发起时序攻击，但链理论似乎不涉及那种模拟。他目前的看法是，模拟可能像一种“规范”：两种答案无法区分，“甚至可能可以证明根本无法分辨”。这仍只是初步解读。

• Ismail批评传统同行评审是把关机制，可能保护正统观念、损害研究者职业生涯。他说，这种机制可能偏好与随机结果差别不大的研究，并提到Rothwell研究等例子。他更支持公开发表观点、用AI仔细检验，并奖励重复验证。最后他故意挑衅地说：“希望它摧毁同行评审制度，让我们都成为同行。”