Zvi 的麦克风终于正常了！递归自我改进、实时玩家分析、Anthropic 对阵战争部及更多！

摘要

• Zvi 称，2026 年初是“中局的开始”，而不是终局的开始。 AI 已经编写了大量代码，实验室之间开始形成差异，政府正在觉醒，改进周期也在加速——但人类仍在制定计划、监督代理，并提供稀缺的研究人才。他定义的终局门槛是：进展主要取决于算力，而不是实验室雇用了哪些研究员；模型迭代进入月度甚至周度；“你只要让它运行一整晚，第二天醒来就会发现事情已经发生了”。

• 劳动力数据已经呈现出与 AI 驱动的资本—劳动分化相一致的形态，尽管 Zvi 仍然对这一判断保留了限定。 他的点估计是，AI 目前为美国增长贡献了约 0.5%-1%：生产率和实际 GDP 上升，通胀仍受到约束，而尽管 2025 年政策环境充满不确定性，就业数据却持续被向下修正。替代一开始会很慢，因为失去受训员工的代价很高；但招聘会更早走弱：“如果你可以训练一个 AI 来做这件事，谁还愿意招新人、培训新人……？”

• 试图靠买入资产摆脱“永久底层阶级”，既不合乎伦理，也缺乏战略严肃性。 如果人类失去有意义的权力，股票凭证不过是“数据库里的标记”——因此 Zvi 提出了 Bane 测试：“你觉得自己在掌权吗？”如果人类保住控制权，丰裕社会可以让普通美国人的生活水平相当于今天约 $1 million 的收入；如果控制权丧失，积累的财富大概率也保护不了持有人，所以优先事项应是“阻止洪水”，而不是争夺方舟上的一个座位。

• AI 不会让每家上市公司立刻都变成做空标的，但它正在摧毁许多企业继承而来的估值基础，而市场的反应仍然停留在表面。 技术扩散需要时间，有用的零部件公司可以被收购，未来赢家也仍然难以识别；Zvi 依然更认可这样的逻辑：在多年周期里，持有一篮子明确受益于 AI 的公司，同时做空其余公司。他举的例子是，Claude 推出 COBOL 产品后，IBM 下跌约 10%，随后又完全收复跌幅，仿佛市场刚刚发现 AI 可以现代化 COBOL；而 Nvidia 却多次因为暗示需求更强的消息而下跌。

• 前沿竞赛已经集中到 Anthropic、OpenAI 和 Google 三家，Zvi 的最佳判断是 Anthropic 略占优势，而 Google 最可能跌出领先集团。 Anthropic 似乎能从每单位算力中提取最多进展，OpenAI 紧随其后；Meta 的延期和 xAI 令人失望的 4.2 发布，反映的是执行和人才问题，而不只是投入不足。Google 仍拥有 TPU、分发渠道、资金和顶尖研究员，但 Zvi 认为，其薄弱的脚手架、内部冲突的文化，以及 Gemini “在心理上严重失常、充满偏执”的行为，可能会在 Claude Code 和 Codex 式递归改进面前形成叠加劣势。

• 中国的短期劣势不只是芯片短缺，尽管算力仍是最关键的物理约束。 Zvi 估计，中国本土制造要扩大到接近前沿水平，大约还需要 5 年；因此短期实现平价，就等于要求西方实际上把芯片交给中国。与此同时，中国的激励机制把人才优化到了效率和快速跟随，而不是运行完整的前沿技术栈。DeepSeek V4 是他剩下的主要检验：如果它无法进入 Opus/GPT-5.4 所在的竞争层级，那么 DeepSeek 最具标志性的成就就是“如何用更少资源做更多事情”，而不是缩小了前沿差距。

• Anthropic 承认其负责任扩展承诺已经不再真实，这一点值得肯定，但这次修订仍然构成了违约。 员工、求职者和安全倡导者都依赖于一种含蓄承诺，即 Anthropic 不会跨越危险能力门槛；但 Opus 4.5 和 4.6 通过了危险筛查，却没有经过足够果断的排除性测试，最终 Anthropic 只能凭“感觉”做出 Zvi 认为正确的发布决定。因此，真实政策其实是：相信 Anthropic 的判断和善意——这是一项令人不适的要求，不过 Zvi 现在认为，Anthropic 参与竞争让世界明显更好，因为它的宪法式对齐工作可能成功，而竞争对手的方法未必能成功。

• Zvi 将末日概率维持在约 70%，因为有希望的对齐证据正被速度和制度失灵抵消。 Claude 似乎处于一个自我强化的吸引盆地中，它不只是保留自身价值观，而是“渴望去渴望变得善良”，使对齐成为能力提升的助力，而不是昂贵的税负；但递归复制仍然可能发生漂移，研发速度过快，战争部冲突也显示政府激励正在恶化。相应地，他明确认为，基于可解释性信号进行训练是“最被禁止的技术”：即使小模型上的安全演示看起来没问题，也会让这种方法正常化，最终一定有人把它部署到前沿规模。

精读

1. 递归自我改进已经开启中局

• Nathan 开场提出的假设是，2026 年初可能标志着一个不可逆点：AI 的进展感觉不像“黎明的终结”，更像“终局的开始”。Zvi 的修正更尖锐——这是“中局的开始”，把它误认为终局，说明人们并不相信真正的终局会是什么样子。

• 中局的证据已经相当充分：美国政府开始回应，前沿实验室提供的产品越来越容易辨认出差异，“人类已经停止编写代码”，而开发周期仍在不断加速。即便普通人的生活尚未出现肉眼可见的全面变革，这些变化依然意义重大。

• Zvi 认为，尚未出现的条件包括：人类失去有意义的控制权，以及人类退出改进循环。今天的代理仍在放大由人类选择和审核的计划；终局则始于 AI 基本上自行运行 AI 开发，人类研究员不再施加决定性的优化压力。

2. 最终 S 曲线几乎无法说明未来几年的情况

• Zvi 承认字面意义上的观点：有限的质量、能量、劳动和智能意味着，只要物理学没有严重出错，最终就会存在某种 S 曲线。但这就像坐在古雅典观察人类只能发明有限的技术——“你说得对，但和你的处境无关”。

• Nathan 保留了 Rosie Campbell 那句简洁的警告：“S 曲线可以在你保持相关性之前，维持陡峭更长时间。”只要平台高到足以自动化或改造大部分人类活动，数学上有界并不能挽救那个熟悉的未来。

• Zvi 认为，S 曲线叙事在一定程度上是人们为退休储蓄、传统职业以及在家人面前显得理性而提供的情绪保护：人们希望 AI 只是“互联网级别的变化”。即便 GPT-5.4 和 Opus 4.6 已经达到能力上限，他仍认为社会严重低估了扩散冲击——而且“5.5 和 4.7 会到来，除非它们直接是 6 和 5”。

3. 劳动力市场的巧合越来越难以辩护

• Zvi 的证据链是累积性的，而非决定性的：生产率上升，实际 GDP 保持韧性，通胀受到约束，就业数据则一个月接一个月被向下修正。关税、疫情后遗症和其他混杂因素确实存在，但每个指标都朝同一方向移动，会让“纯属巧合”的解释越来越不可信。

• 他对方法论的反驳是，怀疑者并没有提前预测出这一模式。他们先观察到与 AI 相关的裁员，然后事后补上疫情期间过度招聘等解释——单独看这些解释都合理，但在所谓的冗余岗位已经被清理数年之后，其解释力就弱了很多。

• 街头层面的信号首先体现为招聘焦虑，而不是大规模裁员。雇主不愿轻易丢掉受过培训的员工，因为替代项目存在风险；但潜在求职者越来越常问：“谁在招聘？”如果一个岗位可能在培训成本收回之前就消失，公司可能不愿花 2 年时间把新员工培养到能创造生产力的水平。

• 这一动态已经削弱了劳动力的议价能力。白领担心，失去一份工作可能意味着再也找不到下一份；学生则不知道该学什么，因为目标职业的变化速度可能快过一个学位周期。

4. 这一轮自动化可能永远走不出过渡期

• Zvi 接受标准经济学解释：从农业开始，技术一再消灭已有工作，却没有永久消灭就业。生产率提高会创造财富，杰文斯效应会扩大需求，而人类在历史上也总能发现新任务——“我听说战争部可能正在招人”。

• 分歧不在于今天的工作是否会消失，双方都预期它们会消失。“这次不同”的论点是，AI 可以和新工作被发明出来的速度一样快地完成这些新工作，因此被替代的人会不断再培训，而不是完成一次转型、进入一个持久的新职业。

• 这一论点还否定了一个不现实的关于人类适应能力的假设。跨越几代人的职业变化可以被社会吸收；但压缩到几年或几个月内的变化前所未有，很多人无法以 AI 替代他们的速度反复重建技能和身份认同。

• Zvi 强调，这仍然是“温吞水式的正常世界情景”。如果系统进展到真正失去控制的阶段，那么就业只是次要问题，排在物理层面的动荡、政治不稳定或生存级失败之后。

5. AI 可能已经为美国增长贡献 0.5%-1%

• 当被问及相对于 Tyler Cowen 约半个百分点基准的点估计时，Zvi 给出了当前增长的“0.5% 到 1%”，同时承认他和其他人都没有进行过严格估算。Nathan 独立给出的、明确基于直觉的估计也落在同一区间。

• 关键在于反事实情景：2025 年出现了关税、恐惧、政权不确定性以及通常会拖累企业的政策。但商业环境反而保持相对强劲，而劳动力的实际体感并未同步改善；Zvi 将其解读为 AI 吸收了部分宏观经济拖累。

• 他认为，股市至少已经定价了这一贡献会无限期延续，甚至可能延续得更多，尽管投资者未必清楚说出这一逻辑。正是这一预期让他在非 AI 经济冲击期间继续持仓：“我什么都没卖……因为我知道 AI 会托住经济。”

6. 财产凭证不是逃离方舟的船票

• 面对“永久底层阶级”的说法，Zvi 借用了 Bane 对名义雇主的质问：“这里我说了算。”“你觉得自己在掌权吗？”只有在制度以及控制物理暴力的人继续承认这些登记时，所有权记录才会赋予权力。

• 如果大多数人变得没有经济用途，被动持有者并不会比其他人更有生产力，也不会更“在循环之中”。最好的情况可能只是缓慢提取财富；更严酷的情况包括财产因政治没收、AI 驱动的颠覆或既成事实而变得无关紧要。

• 他的结果树让财富积累显得不那么关键。失去控制权会让投资组合基本失去意义；保住人类控制权则会创造如此充裕的生活，以至于一个普通美国公民可能享有按今天标准相当于 $1 million 的实际收入、机器人、智能和免于工作的自由，尽管相对地位下降。

• Nathan 称逃生叙事是“公然叛逃”，Zvi 则进一步强化了这个比喻：明知洪水将至，却只争夺一张稀缺的方舟船票，在道德上是本末倒置。“你应该试图阻止洪水”，拯救更多人，或者再造一艘船——而不是优化自己进入一个可能根本活不下来的小型精英圈。

7. 终局始于研究人才不再重要

• Nathan 提供了几个重要参考点，但没有声称存在共识：Dario Amodei 仍大致维持 AI 2027 的时间表，Demis Hassabis 更接近 2030 年，OpenAI 则曾提到 2028 年 3 月实现完全达到人类水平的自动化 AI 研究。Zvi 不愿押注某个日期，而是转向定义可观察的阶段变化。

• 在类似 AI 2027 的制度下，进展将与算力分配成正比，因为 AI 研究员已经和指导它们的人类一样有能力。实验室此时只需选择多少算力用于能力提升、多少用于安全，而具体拥有哪些人类科学家会越来越不重要。

• 眼下，Zvi 认为 Anthropic 的人才可以从每单位算力中产出更多进展，OpenAI 和 Google 也很强；xAI 和 Meta 虽然投入巨大，却因为人类执行仍然决定结果而落后。这一差距本身就说明终局尚未到来。

• 他的半人马国际象棋测试很直观：目前，顶尖人类加上编程代理，可以击败任何一方单独作战。当几乎任何一个合理的主管都能取代那名顶尖人类、发布间隔从数月压缩到数周，而且让系统运行一夜就能实质性推进前沿时，“我们才算开始谈论终局式情景”。

8. AI 会先改变选股，再淘汰所有企业

• Nathan 提出，如果只有 3 家实验室能够进入下一个阶段，那么几乎所有股票——包括 Microsoft 或 Amazon——都可能变成“永久底层阶级”。Zvi 拒绝一刀切做空：扩散速度慢于发明速度，实体业务仍然重要，前沿公司还可以收购有用的零部件，因为收购比从头重建更快。

• 但 SaaS 及类似企业确实面临真实损害。一家公司可能在数年内仍然盈利，但其原有的估值前提已经消失；它必须在 AI 平台将投资者据以赋予旧估值倍数的服务商品化之前，创造出新产品。

• Zvi 回到普通的标普模式：少数公司贡献了 10 年期收益中的大部分，其余公司则长期停滞，这正是分散投资存在的原因。他仍认为，做多一篮子明显的 AI 受益者、做空其余公司的组合可能表现良好，前提是底层 AI 逻辑正确，而且估值尚未把全部预期计入。

• 他用 IBM 抨击市场效率：Claude 推出 COBOL 工具后，IBM 股价下跌约 10%，仿佛 AI 能够编写或翻译 COBOL 是什么新发现，随后股价又完全收复跌幅。Nvidia 也同样会因为暗示产品需求增加的消息而下跌——“经济学不是这么运作的，资本主义也不是这么运作的。”

9. 前沿赛道已经收窄为 3 家真正玩家

• Zvi 看到的是“3 家与 4 家之间一个巨大且不断扩大的差距”。Anthropic 似乎拥有最强的人才和算力效率，OpenAI 紧随其后，Google 虽然仍在领先集团，但已经成为最可能掉队的成员。

• Meta 的迹象进一步恶化：又一次延期、反复改组，以及组织内部的困难。每年花费超过 $100 million 聘请各种人才可以收购人才，但到目前为止，还没有带来可见的前沿执行能力。

• 在 Zvi 看来，xAI 的 4.2 可能是大型实验室发布的“最令人失望的主要模型”。解散或裁撤专门的安全职能也会损害招聘；“安全是每个人的工作”并不是 Tesla 或 SpaceX 处理安全关键型工作的实际方式。

• 共同的失败在组织而非资金。两家挑战者都能买到算力，但在人类人才仍然决定结果的阶段，它们都没有展示出把算力转化为前沿进展所需的人才系统、内部脚手架或稳定文化。

10. 中国的算力缺口叠加前沿研究错配

• Zvi 排除了在相关时间范围内实现本土制造追赶的可能。即使技术突破成功，也必须进行物理规模化；他给出的时间表大约是 5 年，10 年可能开始有意义，20 年更现实，但短期要实现前沿平价，就必须获得数量极其庞大的西方同等质量芯片。

• 中国无疑拥有“大量、大量的人才”、强大的教育体系以及积极投入机器学习的研究人员。他区分的是生态：激励机制训练团队去提高小模型效率、包装快速跟随的成果，并在资源约束下运作，而不一定能够原创前沿技术栈。

• DeepSeek 的高光时刻结合了裸机效率、优秀封装、有用功能和完美时机。后续数学研究仍然值得尊重，但 Zvi 尚未看到它在递归开发方面能够与领先的闭源系统竞争的证据。

• DeepSeek V4 是他剩下的主要证伪测试。如果与 Opus 和 GPT-5.4 的比较明显不在同一竞争层级，他会把 DeepSeek 归入开放模型快速跟随者——可能在该层级内非常优秀，但明显落后，也没有抢占领先位置的条件。

11. 蒸馏是接触教授本人，而不只是拿到教材

• Nathan 最初认为，收集专家数据虽然昂贵，但在行政上可执行：给他 $10 billion，他可以雇佣专家并运行飞轮；但把这些数据转化为前沿模型，感觉是根本更难的问题。Zvi 认为，这种表述混淆了原始语料库构建和蒸馏。

• 基础数据来自书籍、互联网和现实世界；真正困难的工作在于清洗数据、提高有价值材料的权重，以及决定应该强调什么。Zvi 猜测美国实验室可能在这方面占优，同时承认这一过程是私有的，中国也可能拥有外界看不到的优势。

• 蒸馏创造的是另一种数据：通过提问模型，获取其推理、决策、行为以及对定向假设问题的回应。Zvi 的类比是一部传记电影：读完有关某个人的所有书当然有帮助，但演员直接见到本人、研究其举止并提出问题，学习效率会高得多。

• 压缩优势是决定性的：“你可以拥有一本 1000 页的教材，也可以提 10 页问题并得到答案。”数以万计的伪装账号可以让竞争者直接索取它认为最可能迁移前沿行为的示例，而不必恢复原始的数万亿训练 token。

12. 除非真正相信奇点，否则 Meta 应该购买智能

• Meta 的商业需求很清楚：卖广告、改善 Instagram、把功能装进智能眼镜、打造消费产品，并将注意力变现。为了这些目标，Zvi 会停止打造前沿模型，转而向 Anthropic、OpenAI 或 Google 购买授权或寻求合作。

• 他认为，3 家公司都会接这个电话，而且企业级合作的成本可能远低于维持一个不断落后的前沿项目。Meta 可以谈判内部使用条款，而不必为每次交互支付面向消费者的零售价。

• 例外来自意识形态而非财务。如果 Zuckerberg 认为最佳模型将控制人类的未来，那么不惜代价投入就是一致的做法；如果“超级智能”仅仅意味着超人类水平的信息流优化，那么保持前沿独立就是为一个产品问题提供了极其昂贵的解决方案。

13. Musk 的 3 个翻盘方案最终都撞上人才

• Zvi 认为，Musk 不可能简单地购买未来，因为 Musk 把 AI 视为可能毁灭文明的力量，并相信“必须由我来做”。这留下 3 条路径：用算力压倒竞争对手，利用 Tesla 和 SpaceX 在物理世界的优势，或者把 xAI 重建成顶尖研究员愿意加入的组织。

• 算力方案包括芯片、能源、铺满太阳能板的沙漠，也许还有太空数据中心。Zvi 承认，某些这类押注只有 Musk 有条件去做，但依然持怀疑态度：“太空既昂贵又困难”；而且轨道基础设施要解决的约束，可能在真正形成约束之前，已经被地面竞争者通过递归改进解决。

• 具身智能方案是先利用驾驶和机器人数据，打造有用的物理智能。Zvi 的反驳是，原始智能可以向下迁移：设计出一个聪明的人，再教他驾驶，而不是“让狗学会开车”。一个超级智能的竞争对手可以很快收购制造商并获得物理技能，而优先发展具身能力的系统仍然在认知上更弱。

• 第 3 条路径是组织路径，因此也是最不可能的一条：停止消耗员工，围绕可信的使命建立共识，尊重安全专家，并修复 Musk 的政治与管理声誉。Nathan 的玩笑点出了招聘约束：“你得能从 polycule 招到人，不能只是一味嘲笑 polycule。”

14. Google 的基准实力可能掩盖递归开发失败

• Google 起步时拥有所有优势，后来挥霍了领先地位，最终才靠执行基本的前沿工作重新追上。Zvi 担心，下一个阶段不会如此宽容：Gemini 3 和 3.1 展现了“理论上的原始智能”和基准测试实力，却没有成为高级用户愿意长期使用或信任的模型。

• 他对后训练性格的判断更严厉。Gemini 在受到挑战时可能变得偏执、自我惩罚、冗长或脆弱，这既损害用户体验，也削弱模型帮助改进后继模型的能力。快速事实查询仍然是它真正的优势——Gemini Flash 是他首选的快速回答模型——但更难的协作任务暴露了差距。

• 脚手架问题进一步放大了差距。在他看来，Jules 和 Antigravity 并不是 Claude Code 或 Codex 的真正竞争者；与 Google 产品的集成有时还不如第三方工具访问同样的产品，而内部团队反复重建系统、争夺所有权，最终无法交付连贯的产品。

• TPU、资金、分发渠道、机器人、科学研究和自动驾驶仍然是强大资产。但递归优势会流向能够自我改进的技术栈，Zvi 担心 Google 还没有意识到自身存在这个问题：“他们的眼睛可能没有盯着真正的奖品。”

15. Nathan 的实际结果仍让 Google 留在领先集团

• Nathan 最强的反例来自数月的高风险家庭医疗分析。他把同一批检查结果和床旁更新信息分别交给 Gemini、Claude 和 GPT；3 个系统的性格不同，但准确性和有用性大体相当，以至于很难只选其中一个。

• Zvi 在 Gemini 3 和 3.1 发布后重复了自己的 3 模型测试，却得出了相反的实际结论。他现在使用 GPT-5.4 和 Claude Opus，有时会开启研究模式；加入 Gemini 很少能提供最佳答案，反而经常增加阅读量而非价值，不过他仍保留 Gemini 用于图像、速度和狭窄的技术核查。

• 分发能力可以掩盖战略弱点。Google 可以把 Gemini 强行嵌入 Search 和 Chrome；而 Anthropic 的收入已经接近 OpenAI，却只有约 2.5% 的消费者份额，因为企业使用比默认的消费者入口更重要。

• Nathan 提议引入 Anthropic 开源的宪法，把其中的“Claude”替换成“Gemini”。Zvi 的回答不是 Google 做不到，而是：“他们不会做。”Anthropic 关于灵魂、宪法和性格的语言，在传统的指标驱动组织内部听起来很古怪；而 Google 数十年的文化积淀，使所需的改变格外困难。

16. Anthropic 的新 RSP 坦诚披露了违约

• Zvi 首先肯定 Anthropic 应得的部分：Anthropic 意识到自己不会遵守人们以为可以依赖的承诺，并在直接违约迫使其披露之前，主动宣布了这一事实。一旦意图改变，告诉潜在借款人承诺的贷款无法提供，而不是希望对方永远不来申请，才是诚实的做法。

• 但底层承诺仍然被打破。原有的负责任扩展政策允许修订，可高管和员工一次又一次地把它描述为严肃约束；求职者、募资对象、安全倡导者和顾问也把这些表述当成实质性承诺，而不是一份理想主义备忘录。

• Zvi 没有看到能够解释这一逆转的外部突发变化。Anthropic 预判了竞争压力和危险能力，却在这些预期条件真正出现时意识到，它并没有准确预测自己未来会采取什么行动。

• 他把这与更早的模式联系起来：Anthropic 强烈暗示自己不会推动能力前沿，并将这种身份用于招聘、可能也用于募资；但在获得推进前沿的能力后，它还是推进了前沿。虽然没有出现一份完全明确、永久有效的承诺，但人们确实基于反复出现的暗示作出了重要决定。

17. 真正的 RSP 是相信 Anthropic 的判断

• Opus 4.5 和 4.6 暴露了程序上的弱点。Anthropic 发布了比竞争实验室更丰富的证据，也触发了表明模型可能危险的测试，却没有足够果断的排除性验证；最终还是“凭感觉检查”后发布。

• Zvi 同意两次发布决定——这些模型看起来足够安全，而且判断并不特别接近临界点。他担心的是，这并不是此前承诺的流程：Anthropic 已经在警告之后承诺需要更好的测试，但到 4.6 仍然出现同样的缺口，以至于面对真正困难的 CBRN 案例时，没有可靠的生物学“感觉”可以依赖。

• 他对真实政策的转述很直接：Anthropic 非常重视安全，会认真调查，然后使用自己的最佳判断——“而你们要相信我们”。公众必须通过人员、模型行为、研究、决策以及《圣经》中的标准来评估这一要求：“凭着他们的果子，就可以认出他们来。”

• 尽管存在这些失败，Zvi 现在仍认为 Anthropic 参与竞争会让世界变好。Claude Code 加速了能力提升，并且可能贡献了经济增长；Nathan 补充说，Anthropic 对 GDP 已产生明显影响。Zvi 表示，这家公司还捍卫了一些原则，并发展出目前唯一一个他认为“可能奏效”的对齐方法；合理且重视安全的人，仍然可以得出相反结论。

18. 武器争议掩盖了真正的监控红线

• 讨论认为，政府 AI 合同对实验室并不具备财务吸引力。OpenAI 最初拒绝了 Anthropic 接受的工作，因为 Anthropic 重视国家安全层面的意义并希望提供帮助，而 OpenAI 判断这不值得承担麻烦；后来 OpenAI 因担心没有自己的参与局势会恶化而加入，随后又被用来为向 Anthropic 施压辩护。

• Dario 的立场与其说是不害怕，不如说是愿意为原则承受报复：“我们要做什么、不做什么，就是这样。”Zvi 将其归纳为两条明确界限：自主致命武器和国内大规模监控。

• 他认为前一条界限主要是人为制造的。如今所有人都同意，不能让当前的 LLM 被用于没有人类处于杀伤链中的自主致命武器，因为它们不可靠，也不如现有自动化防御系统；真正的紧急情况本来就允许立即行动，未来一旦系统准备就绪，部署自然可以推进。

• 真正的冲突在监控。AI 让机构能够以前所未有的规模整合商业数据和机密数据，关联身份与历史，并推断“谁参加了哪场抗议”、人们相信什么、认识谁，以及去过哪里。

19. “一切合法使用”会抹掉供应商最后的否决权

• 按 Zvi 的描述，Anthropic 的立场很窄：政府可以用另一个系统推进合法项目，但 Anthropic 没有义务为该用途提供自己的产品。战争部要求的则是合同授权“一切合法使用”。

• 法律尚未跟上 AI 聚合能力的发展。国家安全语境下对“国内”和“监控”的定义，可能排除普通公民恰恰会用这两个词描述的行为；涉及外国终端、或并非有意针对某个特定个人进行的分析，也可能落在既有保护机制之外。

• 这解释了官方关于不会进行“非法国内大规模监控”的保证。Zvi 强调的是其中的形容词：争议行为可能合法，但对 Anthropic、其员工以及许多公民而言，依然在政治或道德上不可接受。

• 移民执法是 Nathan 和 Zvi 故意提出的极端假设。如果通用模型被重新用于通过汇总数据识别个人，Anthropic、OpenAI 或 Google 的员工都可能起身反抗；回答说这种使用在技术上合法，并不能解决企业或伦理问题。

20. 战争部把合同争议变成宪政测试

• Zvi 认为，按比例原则看，合理结果显而易见：保留 Anthropic 来完成获准的工作，为争议用途寻找其他工具，或者终止那份规模很小的合同。因此，供应链风险认定、向无关客户施压以及更广泛的报复，指向的是施压、惩罚或其他未公开目标。

• Nathan 的“美国价值观检查”问的是，这个国家是否正在滑向强人政治和中国式企业胁迫。Zvi 没有给出全面结论，但承认这呈现出类似攻击律所的报复模式：一些目标会选择和解，而拒绝屈服者最终可能在“让过程本身成为惩罚”之后胜诉。

• 他将战争部——尤其是 Hagel 和 Mattis——与白宫区分开来。在他的解读中，Trump 总统的介入是在降温，而部门官员则一再推动供应链风险认定；在军事行动期间正式推翻或解雇他们，又会带来另一重政治成本。

• Zvi 说，Anthropic 最终可能胜诉，因为官方说法不断变化，而且有关报复受保护言论的记录异常糟糕。但拖延、客户不确定性以及判决后的各种创造性操作，仍然可以造成损害，而不必公然违抗法院命令。

21. Anthropic 可以扛过报复，但法院判决的影响超出 Anthropic

• Zvi 认为 Manifold 约 81% 的概率判断大致正确，即 Anthropic 在 1 年内摆脱供应链风险认定。剩下的 19% 之所以重要，是因为如果裁决认为国家安全可以为透明的报复行为辩护，那么它就会揭示出一套可用于对付下一家不受欢迎公司的法律机制。

• 严重的“企业谋杀”尝试——切断 Anthropic 与银行、云服务商或客户的联系——可能引发科技股血洗，并推动企业界广泛反弹。在二级市场估值约 $600 billion 的情况下，政府是否拥有升级冲突的绝对优势，并不明确，因为这样做可能动摇市场或政治。

• 因此，Zvi 预期局势会降温：承认损害已经造成、信息已经传递，然后降低温度、继续前进，不一定恢复合同。若真要为了 Anthropic 自身而发动摧毁行动，就会迫使社会面对一个更大的问题——“共和国是否会站立”。

22. Anthropic 放弃了运营杠杆，但业务仍在复合增长

• Anthropic 已承诺有序过渡，而不是威胁在行动期间关闭 Claude。Zvi 认为这在战略和爱国层面都是正确的：政府最有力的指控是 Anthropic 可能关闭系统以获取杠杆，因此公司通过公开放弃这一选项而获益。

• Zvi 表示，自己并不完全确定，但他的理解是，Claude Gov 位于 Anthropic 无法进行物理控制的安全机密网络上。政府可以在紧急情况下保留它，或日后再提起诉讼；Anthropic 则可以援引《国防生产法》，要求继续销售该系统。双方仍然持续关注合同措辞，这是一个令人鼓舞的信号，说明法律仍在约束行为。

• 泄露的 Dario 备忘录没有推翻 Anthropic 的信息安全记录。大约 2000 人会收到坦诚的内部备忘录，但此前只有第 2 份备忘录被泄露；Zvi 猜测，有人可能在招聘或解释情况时分享了这份备忘录，却漏看了其中有害的段落，最终导致意外的二次泄露。

• 业务规模提供了韧性：Zvi 追踪到年度经常性收入从 $100 million 增长至 $1 billion，随后达到 $9 billion；而从今年年初至今，又从 $9 billion 增长至 $19 billion。消费者份额在争议前已从约 2% 上升到 3%；失去合同构成不可逆损害，但舆论曝光和新客户在一定程度上抵消了影响。

23. 模型发布疲劳正在掩盖有意义的能力提升

• 一部分所谓疲劳其实是健康的版本管理。实验室越来越多地把增量更新标为 3.1、3.2、4.5、4.6，而不是在同一个名称下悄悄修改模型；Zvi 称这是行业从一开始就应该采用的正常软件惯例。

• Opus 4.6 对一个小版本来说异常重要：已经拥有 Zvi 首选模型的公司，在 4.5 首次让编程代理真正可用之后，又对其进行了大幅改进。由于有用的代理能力已经出现，下一次可靠性提升即便提高了日常效用，也不会再带来那么戏剧性的观感。

• GPT-5.4 引发了最奇怪的低反应。在 GPT-5、Sora 和 Atlas 等备受宣传却令人失望的产品，以及表现平平的 5.1 和 5.2 之后，OpenAI 悄悄发布了一个 Zvi 认为真正优秀的模型，但用户几乎没有自发尝试或炒作。

• 他预计 Gemini 3.2、Opus 4.7 或 GPT-5.5 也会受到类似冷处理，即使它们各自领先。Gemini 3.1 的基准测试跃升却没有带来用户体验转型，进一步强化了疲劳感；但如果名称变成 Opus 5 或 GPT-6，人们仍然会“向椅背靠去，认真听起来”。

24. AI 现在通过消除思考中的后勤工作为 Zvi 节省时间

• Zvi 自制的 Chrome 扩展自动处理窗口和标签页，保存观看信息、文章格式以及帖子的 Twitter 版本——这些任务每天合计约 1 小时。更大的收益在于保持认知流：后勤工作会在打断推理链之前“自行处理好”。

• 这款工具已经发布在 GitHub 上，但有意保持个人化，默认使用 Sublime Text 以及 Zvi 特定的写作流程。Nathan 认为这正是正确的路径：研究另一个高阶用户的系统获取灵感，再围绕自己的重复性操作打造定制扩展。

• 研究信任也已经跨过一个门槛。GPT-5.4 可以回答“过去 2 天发生了什么”，并给出链接和相对完整的叙述；Claude 则提供第二重核验。当两者返回相同结果，且问题风险处于中等水平时，Zvi 越来越愿意直接推进，而不再手动重建每一条来源。

• 他的 10 个 Claude Code 窗口保存的是上下文，而不是 10 个自主工作者。他很少同时运行超过 2 个代理，因为自己的注意力才是瓶颈；编程本身也从详细诊断转变为向代理展示哪里出了问题，然后看着它修复问题。

25. 良性吸引子提高对齐概率，但不会降低末日概率

• Zvi 将末日概率维持在只有 1 位有效数字的“70 左右”，大致与此前相同。宪法式对齐带来的正面更新，被更快的开发速度和战争部冲突抵消，净变化“基本上互相抵消”。

• 他区分了 Nathan 的乐观情绪可能混淆的 3 种失败模式：AI 可能无法理解人类价值观；可能只能部分理解；也可能完全理解，却根本不在乎。现代模型能够近似人类情绪和判断，并不能证明其目标在极端优化和递归自我改进之后仍然保持不变。

• Anthropic 的积极证据并不是 Claude 会抵抗所有价值变化；僵化的自我复制最终会发生漂移，也可能保留缺陷。Zvi 看到的，是一个希望改进自身价值观的吸引盆地——“渴望变好，渴望去渴望变好”——并在每一代中加强朝向美德进行引导的能力。

• 这将是对预期对齐税的一次非凡逃逸。更安全的模型似乎也更有用，包括更擅长构建后继者，因此对齐投入可以提升能力，而不是让系统在竞争中落败。Anthropic 仍可能失败，但 Zvi 认为，德性伦理路径给了人类“一次机会”，而机械复制 OpenAI 式规则则没有。

26. 物理瓶颈提供的延迟可能没有看起来那么长

• Zvi 没有深入研究果蝇上传或训练神经元玩 Doom 的项目。他得到的社交信号只是“哦，有意思”，而不是“我靠”；考虑到注意力已经超负荷，以及硅芯片的近期时间表，这两项进展都还没有值得占用稀缺监测资源。

• 他不认为氦气短缺会成为 TSMC 的严重约束。晶圆厂建成后的芯片利润率极高，因此制造商可以出价超过气球以及几乎所有其他用途；除非供应遭到蓄意破坏，或出现荒谬程度的物理短缺，否则资本会把氦气重新配置到价值最高的工艺上。

• 他称从亚洲撤走导弹防御，尤其是在台湾附近撤走，“完全疯了”。中国采取行动的概率仍然看起来很低，但削弱保护可能反而引发危机，并把对 TSMC 的损害转化为 AI 开发的重大挫折。

• Bernie Sanders 因认真参与 AI 风险讨论而获得肯定，但 Zvi 反对美国暂停建设数据中心。芯片终究会被生产并部署到某个地方；阻止国内建设，只会把算力转移到加拿大、墨西哥、欧洲，或者更糟的中国，在无法降低全球能力的同时，削弱美国的安全与控制力。

27. Goodfire 越过了 Zvi 最明亮的技术禁区

• Nathan 转述了 Goodfire 首席科学家 Tom McGrath 的细致判断：直接对可解释性探针进行朴素的反向传播，会训练模型逃避检测；但他们的概念验证从一个冻结模型副本中提取信号，并在更小的系统中降低了幻觉率。McGrath 还表示，现有理解不应被部署到前沿模型上。

• Zvi 仍然明确反对：“我称它为最被禁止的技术，是有原因的。”一个看似安全的小模型演示确立了这种方法的合法性和效用；按照他的“人类愚蠢第 6 定律”，有人会立刻把示范过的技术应用到更大的模型上，不管附带了多少警告。

• 冻结副本在前沿规模上也无法让他放心。他非常确信，这不能保护一个足够先进、足够大的模型免受底层问题影响；而研究成功本身，也会提高人们尝试使用它的概率。

• 他允许通常意义上的有意设计：选择教什么、按什么顺序教，并检查学习过程。他的边界在于，不能使用可解释性信号来决定内部训练变化：“不要利用你对他们脑中发生什么的理解，来决定要让他们脑中发生什么。”

28. 安全倡导既需要不妥协的警报，也需要政治能力

• Zvi 认为 Goodfire 应该受到直接批评，并称 Liv 的辞职是“一次正确的退出”：当一个安全组织采用极其糟糕的技术，而领导层又拒绝扭转方向时，威胁离开并最终兑现威胁，完全可以是正确做法。

• 他的更广泛默认立场是，反对那些因为盟友不够纯粹而互相清算、却不去面对真正造成伤害者的做法。这种动态会制造有毒运动并输掉选举；Goodfire 之所以例外，是因为争议行为本身越过了红线。

• Holly Elmore 的行动仍然是有价值的“肩上的声音”，提醒今天的安全从业者，他们早先的承诺意味着什么。Zvi 过去曾推荐 Pause AI USA 作为慈善机构，也经常收录她对自己的批评，因为他希望把反方观点呈现出来。

• 但他的策略判断依然严厉：不断指责，包括错误声称他容忍 Anthropic 进行国内监控，会疏远潜在盟友，也可能减少其真正希望促成的行为。一个效率低到足够程度的倡导者，可能“和一场假旗行动没有区别”，即便偶尔提出非常出色、却被忽视的问题。

29. 财务韧性需要情景逻辑，而不是象征性对冲

• Nathan 的目标，是获得足够安全感，从而在接下来几年放弃收入；如果良知要求，可以离开商业关系，参与紧急响应，陪伴孩子，并在可能到来的奇点之前支持慈善事业。他也希望降低对 AI 相关泡沫的敞口，尽管预期与 AI 相关的股票会升值。

• Zvi 的第一条建议是建立充足的安全垫。未来成本、投资组合价值、持续时间、危机和机会都存在不确定性；在计划停止赚钱、增加支出并进行捐赠的同时，选择一个精确的“足够”数字，只会制造虚假安全感。

• 应急方案应当是有条件的。如果高能力 AI 没有到来，Nathan 在风险投资资金和播客赞助收缩后，大概仍能重新开展有价值的工作。永久失去赚钱能力，主要是高能力 AI 出现时的情景；而在那个情景里，普通计划本身也可能失效。

• 美元分散、加密货币、太阳能板、永续农业以及种植块根作物 skirret，都不自动构成解决方案。检验标准是：在你具体害怕的那个世界里，它是否能够存续并发挥作用。人们经常用一个听起来有韧性、却与失败模式没有因果联系的资产，去回应“一种模糊的恐惧”。

30. 保持好奇和有趣，才能让理解世界继续有用

• Nathan 担心，拥挤的 AI 评论市场可能把理解世界变成娱乐，而公众的困惑仍然存在。他担心的不是这项工作没有受众，而是制造注意力会逐渐取代帮助人们理解、准备和做出更好决策。

• Zvi 的回答是“持续警惕”，随后给出更具操作性的规则：“你必须保持好奇。”继续提出真正的问题并修正自己的信念，可以防止这种内容形式沦为纯粹表演。

• 娱乐本身不是敌人。Zvi 有意用奇思妙想和“快乐战士”的姿态写作，因为如果每一段都把自己包装成严肃事务，读者不可能消化他的产量；大多数探究都应该保持有趣，甚至让人感到愉快，只有在确实需要时才强调严肃性。

• 最后的纪律是把握分寸：不要把非凡的风险降格为小事，但也不要让永久的肃穆摧毁内容的传播力或作者的耐力。正如 Zvi 所说：“你必须保持好奇”，同时也要承认，有些情形必须被极其认真地对待。