David Blundin

David Blundin 不认为 AI 本身是泡沫，但承认大量 AI 投资最终会失败。 他的区分直接关系到投资判断：骗子和弱公司可以倒闭，却不影响“人类历史上最大的船”（“the biggest ship in human history”）。OpenAI 据报月收入已达 10亿美元，代币量周环比增长约 50%，智能体使用量接近翻倍，推理使用量增长 8倍，这些迹象表明，需求的瓶颈仍更多在算力，而非用户胃口。

下一轮边缘计算跨界，可能在 6–12个月内把前沿级智能装进机器人、汽车、手机和工业设备。 相关配置是一块约 $2,500 的 NVIDIA RTX 5090，在本地运行与当前前沿模型相当的模型；Gemma 3 的 2.7亿参数模型据报只消耗 Pixel 9 Pro 1% 的电量，就能处理 25次对话。Alexander Wissner-Gross 认为，真正持久的逻辑是延迟，而不只是隐私：人形机器人需要在本地以“超低延迟”运行基础模型。

模型经济性改善的速度，可能远超传统 scaling 曲线的暗示。 一项 320亿参数蒸馏结果据报只用 1% 的训练语料，就达到了相当的能力，差距约为 100倍；其方法包括教师模型、结构化课程和逐步解释。Wissner-Gross 认为各处都存在“悬置的增益”，而 Blundin 认为数据、优化器、软件和芯片的改进会相互叠加，压倒任何单一算力扩张曲线上的边际递减。

科学发现正从孤立演示，转向自动化生产系统。 GPT-5 Pro 据报改进了凸优化中的一个证明，GPT-4b 则设计出据称有效性高出 50倍的细胞重编程因子；Wissner-Gross 预计，今天的“涓流”最终会变成批量证明、发现和发明。其关键机制是递归优化：如果 AI 能设计更好的优化器，而优化器又能设计更擅长设计优化器的优化器，它就会抵达“文明最内层的循环”。

短期真正的薄弱环节是企业采用，而不是模型能力。 相关 MIT 研究称，企业在生成式 AI 上投入了 $30–40 billion，但 95% 的试点没有产生财务回报；购买现成产品的成功率约为三分之二，而内部开发约为三分之一。Salim Ismail 的建议是建立直接向 CEO 汇报的 AI 原生边缘组织：“不要试图改造母舰。”

决定哪些前沿实验室最终拿走经济收益的，将是算力、能源、分发和人才，而不只是基准排名。 OpenAI 正推进最高 5 GW 的德州 Stargate 扩建，以及挪威一座配备 100,000块 GPU、规模 290 MW 的数据中心；Google 则同时拥有基础设施、$85 billion 的 AI 资本开支规模、现成分发渠道，以及据报持有 Anthropic 14% 的股份。Blundin 的表述非常直接：行业如今对算力有“无限需求”，由此形成了按“每个 token 的生产率”分配容量的新市场。Diamandis 还称，GPT-5 已让 700 million 人获得免费模型访问，可能形成生产率与资本相互促进的反馈循环。

BCI 与人形机器人，是这场圆桌把加速的机器智能接入人类经济的桥梁。 Merge Labs 据称正结合基因疗法与超声波读写神经元，Figure、1X、Unitree 等公司则在推进自主操作与运动能力。Wissner-Gross 警告，高带宽 BCI 可能需要在未来几年内到位，否则“纯 AI 经济”会与人类脱钩；圆桌最后展望的是 2030年代一个类似 Star Trek、但 AI 和生物科技更丰富的融合世界。

🔗 原始收听与视频来源： AI 是泡沫吗？专家与 Dave、Salim、AWG 辩论 AI 的未来 | EP #190

GPT-5 被定位为 OpenAI 将前沿能力合并进一款广泛适用产品的尝试，但访谈并未解决 AGI 问题。 Kevin Weil 称其为 OpenAI 最聪明的模型，重点强调编程、健康、复杂指令执行、工具调用和智能体工作；定价不到上一代的一半。但 OpenAI 仍无法可靠预测模型会解锁什么能力：能力会“穿过迷雾”出现，有时甚至要到发布后才显现。

OpenAI 的硬约束不是客户需求，而是算力。 Weil 表示，公司使用的模型配置基本与客户相同，始终“完全满负荷”，每新增一块 GPU 都能立即找到用途——降低延迟、加快 token 生成、扩大产品覆盖，或增加研究实验。因此，Stargate 计划投入超过 5000亿美元的基础设施，本质上是在扩充产能，以满足他所称的“墙内对 GPU 基本无限的需求”。

OpenAI 的分发策略颠覆了传统软件变现：昂贵能力先进入付费层，再逐步向免费层迁移。 Deep Research 从 Pro 下放到 Plus，最终向免费用户开放有限额度；印度推出了大幅折价的套餐，用量约为免费账户的 10x。Diamandis 表示，如今模型价格约为 GPT-4 发布时的 1/100，智能水平却在提升；Weil 则称，计算量最密集的任务仍将保留在付费层。

创业公司的检验标准，是更强的基础模型会强化产品，还是直接抹去产品。 Weil 建议创业者围绕当前模型已经显露出“微弱希望之光”的领域构建，让下一代模型到来后应用“唱起来”，而不是修补 OpenAI 很快就可能消除的限制。他的判断范围很大：几乎所有已经规模化的产品、服务和设备都诞生于 AI 之前，“它们都将被重新发明”。

OpenAI 构想中的 AGI 产品是环境式、主动式的，并能生成一次性软件，而不只是一个更聪明的聊天窗口。 Weil 预计界面会实时生成，例行工作会在用户开口前完成，助手能够“看到你所看到的”，并持续“在后台不断运转”。访谈中关于 Jony Ive 的问题，因录制中断而未获回答。

推理为预训练之外增加了第二条扩展轴：模型能够持续工作多久，同时保持方向不偏。 ChatGPT 的推理可能运行约 60秒，Deep Research 则可运行 20–30分钟；但 Weil 看不到模型不能工作数天、数月甚至数年的理由，“模型思考得越久，就越聪明”。芯片布局这类定义清晰的问题尤其适合把算力转化为迭代收益，因为每个候选设计都可以被评分。

AGI 可能以不断上升的能力梯度到来，而不是一次清晰的阈值事件。 Weil 认为，如今的模型已经在某些领域超过他，在另一些领域仍明显不如他，但“水位正在上升”；主持人将这一转变比作社会几乎没有察觉 AI 已经通过图灵测试。衡量重点正从容易评分且趋于饱和的基准测试，转向模糊但具有经济价值的工作。

在日益自动化的经济中，人类的对冲项是目标感、私人连接，以及把模型部署进具有实际后果的机构。 Weil 否定了人们只需“吃葡萄、写诗、领取 UBI”的未来，认为节省下来的时间会被重新投入更大的目标，而面对面连接的重要性会进一步上升。他同时担任陆军中校，也体现了本集更广泛的部署判断：如果竞争对手把较弱的系统部署到各处，而更强的模型“只是放在货架上”，那就没有多少优势。

🔗 原始收听与视频来源： Open AI Insider 谈 GPT-5、AGI 与伟大的 AI 竞赛：Kevin Weil 与 Dave Blundin

1X的核心判断是，家庭是触达消费者规模和发展具身智能的最快路径，而不只是自动化的又一个市场。 早期EVE机器人在重复性的安防或物流任务上运行约20–40小时后就会出现学习平台期，但家庭场景尚未显现多样性天花板。Bernt Bornich估算，部署10,000台机器人后，整个机群每天产生的非重复有效数据可能超过YouTube：“互联网其实没那么大。”

即使完全自主还未实现，短期商业模式也已经具备实用价值。 Peter Diamandis提出约$30,000的买断价，或每月$300的租赁价——每天$10、每小时约$0.40；Bornich回应“我认为我们可以做得更好”，但拒绝公布实际价格。工厂计划在2026年底达到年化产能20,000台以上，不过由于产能爬坡，2026年实际产量会更低。

NEO Gamma的工业优势在于刻意简化、轻量化的架构，而不是汽车式复杂度。 这台身高5英尺4英寸、体重66磅的机器人据称可举起约150磅、携带约50磅，续航4小时、从完全没电充满约需2小时；其零部件数量为数百个，而汽车约有50,000个。Bornich对制造的概括是：“它更像冰箱，而不是汽车。”

1X押注的是，物理智能必须具备空间、时间、触觉和互动维度，而不是以语言为起点。 互联网视频提供了观察结果，却没有智能体的目标、选择的动作或观察到的后果；机器人则可以执行“提出假设—采取行动—获得反馈—修正”的科学方法循环。Bornich不愿断言具身性在理论上不可或缺，只说这“比文本或低保真模拟短得多”。

远程操控既是产品栈的一部分，也是训练栈的一部分，而透明度承担了大部分信任成本。 早期客户获得的将是尽力而为的自主运行与预约式人工辅助工作的组合；用户必须批准远程操控，机器人会明显提示有人介入，操作员看到的是经过过滤的场景。私人数据有24小时的预训练删除窗口，人工审核则需要用户批准并提供解密密钥。

安全边界既通过物理设计设定，也通过动作条件世界模型加以约束。 NEO Gamma质地柔软，整体设计使意外撞击可能造成疼痛，但不太可能导致严重伤害；烹饪及其他涉及危险物体的任务初期仍会禁用，因为“一旦你拿起一壶滚烫的水，就再也无法保证自己是安全的”。在模型评估中，1X把控制器放入模拟世界，让“机器人身处Matrix”，测试性能、红队案例和不安全行为。

上行空间是一套劳动与基础设施飞轮，但约束条件高度依赖物理世界。 Bornich设想的“硬启动时刻”是机器人开始制造机器人、芯片工厂、数据中心、能源系统、实验室和专业自动化设备；Peter将劳动估算为全球$110万亿美元GDP的大约一半。Bornich认为到2040年拥有10 billion台人形机器人“可能大致正确”，甚至可能偏晚，前提是许可、电力、铝、稀土加工、磁体、晶圆厂以及足够多的机器人能够支撑所需劳动力的启动。

🔗 原始收听与视频来源： 机器人CEO：人形机器人革命确实存在，现在就开始——与 Bernt Bornich & David Blundin 对谈｜EP #188