Emad Mostaque

Google 在记忆和视觉推理上的工作表明，下一次重大突破将来自架构，而不是又一次基准测试跃升。 Titans 和 MIRAS 用“惊奇度”判断哪些信息进入长期记忆，可能突破 transformer 的二次方上下文成本；嘉宾将 200万 tokens 形容为约 3,000 页或 16 部小说。将视觉 tokens 加入思维链后，推理能力提升了 3%至6%，支持模型从屏幕、医学影像到始终在线用户周边环境实现全域理解的可能性。

中国的开放正在填补美国前沿实验室停止发表论文后形成的研究真空。 NeurIPS 吸引了超过 29,000 名注册者，同比接近增长 50%；Alibaba 有 146 篇论文被接收，普通话据称是会场走廊里最常听到的语言。ICLR 中与中国有关联的第一作者占比从 2021 年的 9%升至 30%，美国则从 52%降至 36%；开放权重既是一次分发上的“圈地”，也是实现更深层社会、经济和产业融合的路径。

前沿模型竞赛已经变成资本密集型的每周跃迁，安全性则暴露在“一场鼠赛”的逻辑之下。 一份明确未经证实的泄露信息称，GPT-5.2 最早可能于下周发布，并在 Humanity’s Last Exam 上取得 67.4%，而 Gemini 3 Pro 不使用工具为 37.5%，使用工具后接近 50%；Mostaque 质疑该图表，因为其中包含 Video-MME，而当时 GPT-5 尚不具备视频理解能力。OpenAI 的“code red”同时被解读为员工动员、对投资人的信号，以及“好的危机是糟糕的事情不可浪费”的证据。

token 价格下跌不会让整体智能支出消失，因为模型正在消耗数量大得多的 tokens、迭代次数和并行 agents。 Gemini 3 Deep Think 被视为模板：由大规模 agent 组成的集群，集体成为“数据中心里的天才国家”，而高负载下答案已经需要 3至5 分钟。DeepSeek V3.2 据称每道题消耗 20亿 tokens 才赢得 IMO 金牌，说明更便宜的推理可以与尖锐的算力短缺、以及数万亿美元规模的 agent 收入同时存在。

公开上市可能决定散户资本能否参与 AI 的超高速增长，还是继续置身智能爆炸之外。 讨论中，Anthropic 的潜在估值为 3,000亿美元，预计明年收入 260亿美元——约为销售额的 10 倍；Ismail 将其与 Palantir 的 111 倍营收估值作比较，并称 IPO 最早可能在 2026 年进行。融资需求具有实体约束：嘉宾提到 HBM 和铜价飙升，以及一份称 OpenAI 已预订全球 40%内存供应的报告；当 agents 能自主赚取回报后，“美元就是最好的基准”。

中国替代 Nvidia 的故事起初是国内供应问题，但嘉宾认为，未来几年内可能出现具备全球竞争力的对手。 Cambricon 计划将 2026 年产量提升 3 倍至 500,000 颗加速器；Mostaque 将其 5090 与 Nvidia 的 A100、6090 与 H100 相比，成本约为后者的一半。Peter 补充称，这些芯片的能效更高。真正的战略变量是信任：中国系统可能更便宜、更开放，但非洲等国家是否采用，可能取决于用户信任中国、美国还是某个具体供应商——“稀缺等于丰裕减去信任”。

人力资本政策难以跟上 AI 的速度，既创造了短期劳动机会，也带来长期替代风险。 欧洲计划于 2026 年建设的 AI gigafactory 被认为远远不够，除非机构“新陈代谢”能力提升约 100 倍；美国数据中心建设目前向技术工人支付 100,000至225,000美元，市场据称短缺 450,000 人。同一组嘉宾预计，人形机器人将在 5至10 年内威胁这类机会，并主张教育转向“让我看看你用 AI 做了什么、建了什么”。

AI 的实体基础设施正在把资本拉向商业航天和人形机器人，而这两个市场的经济性与治理规则都尚未确定。 轨道算力预测以发射成本接近每公斤 100美元为前提，但 Diamandis 认为，从地面每瓦 12美元降到轨道上的 6至9美元，不足以抵消系统复杂性；散热、辐射和安全仍是未解决的约束。与此同时，中国安装了全球 54%的机器人，Engine AI 的 T800 引出了一个具体问题：“我们真的希望对街头人形机器人的最大关节扭矩设定监管吗？”

Genesis Mission将美国基础科学重新定义为国家级AI基础设施，把能源部超级计算机、联邦数据集与实验室工具整合起来，将数年研究压缩至数天。 Alexander Wissner-Gross称这是一个“1939时刻”，美国将成为“一座大型AI工厂”；Peter Diamandis重点提到生物科技、聚变与量子领域，项目目标是在10年内将美国科学生产率翻倍。上行空间取决于资金与执行是否到位。Wissner-Gross强调，开放科学可能让影响“真正呈指数级增长”，而在强IP保护下进行的封闭式公私合作，影响力会低得多。

Claude Opus 4.5被描述为递归自我改进的潜在临界点，而不只是又一次基准测试发布。 核心数据包括：在结果相当的情况下减少76% token、在8种编程语言中的7种取得领先，以及在关键任务上超过即将入职Anthropic性能团队员工的AI表现——这正是Wissner-Gross眼中的“金丝雀”。Mostaque称，Opus 4.5在不使用推理token的情况下取得52%的SWE-bench Pro成绩，高于其Intelligent Internet框架的45%；成本则降至25美元/百万token，降幅67%，并有望在明年一次性完成典型的100,000–200,000-token代码库。

随着评估从解题分数转向赚取的美元，具备能力的智能成本正在下降。 据称，Opus在同模型多智能体设置下得分75%，负责调度Haiku或Sonnet时升至88%；Wissner-Gross则用一句话概括趋势：“我们正在把智能成本推向零。”Mostaque预计，Vending Bench和交易测试等基准接下来会衡量真实经济产出；如果未来2年内、甚至“很可能明年”，单个创业者还无法建立一家10亿美元公司，他会感到意外。Wissner-Gross则认为，一个靠拉升山寨币赚钱的“婴儿AGI”现在差不多就能做到。

AI原生公司可能把劳动力与资本模式彻底反转，让几乎所有运营投入都变成可变成本。 Mostaque给出的机制非常具体：企业可以先向客户收费，1或2个月后再向AI供应商付款，同时把合规、预测、税务和支付全部自动化，从而有望在约1年内让一家完整公司“几分钟内”上线。Salim Ismail将其与接近零的获客成本和供应成本联系起来；Wissner-Gross则认为，智能体“既不是资本，也不是劳动力”，人类可能转而投资由AI创业者组成的舰队。

算力交易正从Nvidia短缺扩展为一个涵盖Google TPU、AWS Trainium、内存、电力与互连的异构市场。 Google第7代Ironwood TPU据称比上一代快4倍；Mostaque强调Google的芯片互连能力、100万至200万token上下文，以及DRAM价格上涨约5倍的环境。与此同时，Amazon计划投入最多500亿美元建设美国政府AI基础设施，并从2026年起新增1.3 GW容量；其耗资110亿美元、拥有2.2 GW电力的印第安纳州设施，运行着500,000颗主要适合推理的Trainium2芯片。

购物智能体将用户意图的控制权，变成下一场分发权争夺。 ChatGPT购物研究使用ChatGPT Mini，据称准确率最高可达64%；但Mostaque指出，Amazon Rufus据称已有2.5亿用户，转化率最高提升60%，明年可能带来100亿美元增量销售。最终胜出的可能是用户身边安全且有魅力的“Jarvis”：它观察请求、对话，最终甚至观察视线，再把任务分发给专业智能体，同时绕过搜索、联盟媒体和推荐引擎。

与会者认为，严重的劳动力冲击会先于丰裕经济到来，使协调与经济增长成为政策上的约束条件。 Mostaque预计，最多900天内，大多数通过键盘和鼠标完成的工作都会变成“负价值”，但他明确没有预测所有工作都会消失；他还提到Grok 4.1 Fast在TaoBench上取得约95%的成绩，成本为0.50美元/百万词，并预测2年内将不再有客服岗位。可行的过渡方案包括全民AI、AI社会科学家、UBI、全民基本服务和全民基本股权；但Wissner-Gross认为，前提是经济增长速度必须快于传统人类劳动力失去价值的速度。

脑机接口与不断下降的发射成本，仍是本期节目中上行空间最大的实体世界押注。 据称，Paradromics可达到每秒200 bit，而Neuralink约为10 bit，并已获准在约2个月后开始人体测试；曾经对高带宽BCI持“坚决反对”态度的Ismail承认：“该死，他又说对了。”Diamandis则梳理了发射成本曲线：航天飞机约50,000美元/kg，Falcon 9降至2,500美元/kg，Starship预计降至100美元/kg，月球质量投射器甚至可能降至0.10美元/kg；这类成本曲线将把可用土地与材料供应扩展到远超地球的范围。

OpenAI 的触达范围正变成一个双向控制点：一端是每周8亿 ChatGPT 用户，另一端是巨量算力需求。 开发者数量从2023年的200万翻倍至400万，API吞吐量则从每分钟3亿 token跃升至60亿。Alexander Wissner-Gross据此年化推算出3千万亿 token，并预计明年达到30千万亿，逼近人类每年约50千万亿的口语规模；与此同时，GPU以及能源仍分别构成硬约束。

Everything App之争本质上是对有限注意力的争夺，而应用商店阶段可能只是过渡期。 OpenAI 的 Apps SDK把 Booking.com、Figma、Coursera 和 Zillow 放进 ChatGPT，Meta、Google 和 X也在争夺同一块面向智能体的对话入口。Mostaque给出的演进路径已成为可投资的简写：消费变便宜，创作正在变便宜，“真正有价值的是策展和注意力”。

智能体软件开发正从代码辅助跨入递归式生产。 OpenAI表示，Agent Builder在不到6周内完成，Codex编写了80%的拉取请求；Mostaque指出，Codex CLI每周更新2次，并将Dario Amodei关于90%的代码将由AI编写的判断理解为：代码已经可以由AI来写。可视化工作流节点被视为过渡形态，因为“代码只是人类的翻译层”；终局是一个能用语音和图像交互、并解释自身持续变化的Jarvis。

Sora 2把生成式视频变成产品设计API，其定价已经显露出劳动力替代曲线。 Mattel的演示将草图转成具有真实物理效果的照片级玩具视频，Alexander Wissner-Gross称之为“机械设计正在被解决”。按每生成1秒$0.10、每小时$360计算，若成本每年下降10x，基于API的设计将大幅低于人工成本——前提是算力供给能跟上需求。

OpenAI 的$20订阅在用户基数扩大的同时仍面临价格压缩。 Mostaque表示，DeepSeek、Grok 4等突破已将 token成本削减20–30x，使基础聊天体验的年成本从约$200降至“一年几美元”。这迫使OpenAI在全球抢占用户的同时，转向广告、商业交易、基于肖像的媒体和具备经济价值的智能体工作流。

AI资本开支交易正从GPU扩散到完整的工业链条。 OpenAI与AMD达成6 GW协议，此前已与Nvidia合作10 GW；按Mostaque估算的每GW $50B计算，对应约$800B建设规模。BlackRock据报寻求以$40B收购总计5 GW的78座数据中心，加上Corning光学、液冷、阀门、电力和晶圆厂投入，显示出产业链的广度；但Blundin认为，可计算的上限仍是TSMC、Intel和Samsung的制造产能。

数字计算机使用与具身自主正汇聚成一个统一的劳动力平台。 Anthropic预计将在数月内达到超越人类的OSWorld表现；FSD 14.1增加10x AI参数并引入神经网络路由，Gemini Robotics-ER 1.5与Optimus则指向共同的视觉—语言—动作技术栈。Mostaque将拐点放在“未来大约6个月内”，Wissner-Gross则给出了递归式终局：机器人制造机器人，再制造数据中心；数据中心产出的数字超级智能将持续提升整个系统的材料与能源效率。

Mostaque 的短期判断是：“有用智能”会先于 AGI 打破劳动经济学。 真正决定性的系统将是能够在键盘、视频、鼠标类工作中可靠执行指令的“厨师”，而不是发明新科学的前沿“主厨”。他预计，成本约为每小时1美元的虚拟员工、能在智能手机上运行的80亿参数医疗模型，以及无需监督连续工作数小时的智能体，会让未来1000天彻底不同，即使能力很快触及平台期。

AI 的成本曲线制造了“丰裕陷阱”：智能变得充足，但建立在稀缺基础上的经济会把结果记录为失业和贫困。 据称，GPT-3 的输入成本为每百万 token 60美元，而 GPT-5 约为1.25-1.50美元；过去需要数千美元制作的网站，现在已经可以用20-40美元生成。由于 GPU“不需要吃饭”、买房，也不会消费自己的工资，AI 产出的增长未必会通过经济体系重新转化为需求、税收和就业。

“智能反转”意味着，当机器同时超越体力和认知之后，人类劳动看不到更高的跃迁方向。 Mostaque 梳理了经济优势从土地和农奴、到体力劳动、工业或软件资本，再到智能本身的演变；一旦 AI 成为边际生产者，“就无处可转了”。Nathan Labenz 的电力测算进一步放大了威胁：在他所在的底特律市场，一台笔记本电脑运行数小时所需电费不到2美分。

因此，分配上的上行收益首先会流向 GPU 所有者、前沿实验室和数据飞轮，而不会自动流向工人或消费者。 Mostaque 警告，OpenAI、Anthropic 和 xAI 没有义务通过 API 提供最好的模型；一旦内部系统超过公开模型，垂直整合的实验室就可能与所有应用竞争，最终“自己接管整个经济”。他把 Grok 5 对比 Grok 4 视为近期的扩展测试，同时强调，即使能力停留在今天的前沿水平附近，也足以扰乱就业。

人类的照护、社区和创造力依然有意义，但无法解决转型中的货币算术。 Mostaque 承认，人们可能本能地偏好人类教师、护士、朋友和表演者，但估算认为，如果向每名美国成年人支付约16,000美元的贫困线收入，需要5万亿美元——相当于美国全部税基，而公司税贡献只有约0.9万亿美元。他的区分是：“计算和意识是不同的”：AI 可以提供“怎么做”，但人类仍然创造“为什么做”，前提是人类保有收入、身份、社区和注意力。

他的替代性评价体系不再只优化 GDP，而是引入4种相乘的“MIND”资本：物质、智能、网络和多样性。 苹果等物质商品具有竞争性，会因消费而耗尽；知识可以流通而不消失，网络决定信任与协调，多样性则提供韧性和选择权。结合流动、开放和韧性的规律，这一框架认为，只追求利润或 GDP、同时损耗社会连接和冗余，会让系统在变得脆弱的同时看起来更加高效。

对抗数字封建主义的方案，是用类似 Bitcoin 的“FoundationCoin”融资，由集体控制 AI 基础设施。 在医疗、教育、金融和政府领域验证部署开放模型，可以为这一资产提供支撑；出售所得将用于多语言诊断核查、癌症知识整理等公共利益算力。Mostaque 明确表示，第二种与现金类似、以“作为人类”为发行依据的货币“我们还没有完全想明白”，因此这更像一个方向和激励设计实验，而不是已经完成的货币体系。

未来1000天之所以紧迫，是因为默认设置会固化为控制权：谁拥有用户的记忆、数据、界面和 GPU 容量，谁就可能变得几乎无法被取代。 Mostaque 希望出现的既不是单一企业主脑，也不是按国家割裂的 AI，而是一个目标指向人类繁荣、松散耦合的群体智能。他最后提出的选择十分鲜明：用 AI“增强我们的能动性，而不是用智能体取代我们”，让机器夺走工作后，人们可以投入家庭、照护、艺术、探索和“真正的工作”。

AI需求足够真实，嘉宾整体拒绝“泡沫论”，尽管承认 Nvidia 已经“完美定价”。 与互联网泡沫时期 Cisco 股价飙升却没有盈利跟上的情况不同，Nvidia 股价与未来每股收益同步上行；Elliott 认为，OpenAI 使用的每一块 GPU 都会被计入收入，因为“AI是有用的”，能够创造经济价值。Mostaque 的区分在于变现速度：互联网资本开支用了数年才货币化，而AI基础设施几乎可以立即抬升盈利。

算力、电力和建设能力，而不是模型需求，正在成为硬约束。 OpenAI 提议建设的10 GW算力中心大约对应400万至500万块 GPU，Nvidia所说的1000亿美元承诺相当于美国风险投资正常年度规模的一半；数据中心容量预计将从44 GW增至2030年的156 GW，而需求据称正以每年10倍的速度增长。新经济正在“把电子转化为智能”，形成“除了算力稀缺之外，其他一切都很充裕”的格局。

劳动力市场更可能走向组织缩小和人员被替代，而不是全民每周工作3天。 Mostaque 预计，AI在1年内可以覆盖约50%的经济劳动，并表示，几年后，当人类拖慢一支永不疲倦、信息更充分的智能体团队时，人类在认知劳动中的价值将变成“负数”。他认为，就业项目和公共部门扩张或许能够维持收入、社会结构与身份认同。

Alphabet 的分发能力与垂直整合，使其成为嘉宾眼中最强的在位竞争者。 据称 Gemini 已在美国 iOS 排名中超过 ChatGPT，但 ChatGPT 在全球仍遥遥领先；节目引用的预测市场认为，Google 在9月底前成为领先者的概率为99%，Alibaba 的 Qwen 排名第二的概率为91%。Google同时拥有分发渠道、DeepMind人才、现金流和成熟的 TPU；Blundin 估计，在相关工作负载上，TPU“可能比 Nvidia 芯片高效5倍”。

高等教育的经济护城河正在坍缩，最后只剩录取声望和人脉网络。 认为大学“非常重要”的美国人比例从2010年的75%降至35%；学费据称自2005年以来上涨180%，自1983年以来接近上涨900%。拥有巨额捐赠基金的顶尖院校可能仍能隔绝冲击，但排名约40至400名的学校将面临挤压，因为AI教育、替代性学历和疲弱的毕业生招聘，正在暴露出课程更新速度甚至不如“在校园里建一座核反应堆”。

创业优势在于把专有领域知识转化为自有工作流、高效模型和可规模化应用。 Blundin 警告，仅仅把专业知识出售给模型训练，可能只会让专家“有价值1到2个月”；Elliott 更看好围绕监管知识或垂直行业知识建立的公司，而 Mostaque 强调真正理解上下文、并且“在乎结果”的人。任务专属数据、蒸馏和验证器，可能用1%的参数与算力得到同样结果，形成100倍的成本优势。

AI基础设施把太阳能、电池、半导体和机器人串成一场工业竞赛，而中国目前的规模化速度更快。 嘉宾引用的数据是：中国2024年太阳能装机容量达到880 GW，增速45.6%；美国为177 GW，增速27%。Blundin 认为，美国反复发明新技术，却无法为其规模化融资。机器人到2040年的预测区间从10亿台到100亿台不等，即使采用低端情景，按每台2.5万美元计算，市场价值也达到25万亿美元，远高于 Morgan Stanley 所引用的2050年5万亿美元估计。

代币化既可能修复公众进入公开市场的渠道，也可能制造本期最有可能出现的真正泡沫。 据称 Nasdaq 计划在2026年底前推出代币化交易，而 Robinhood 的欧盟平台已经提供约200种美国股票代币，以及 OpenAI 和 SpaceX 等私人公司的敞口。Mostaque 预计，数字资产而非生成式AI会呈现出最明显的泡沫行为：随着法律边界清晰，企业区块链、连续交易市场以及最终由智能体驱动的交易都将出现。

GPT-5 的发布失去了舞台效果，却赢在分发、价格和编程能力追平。 Dave Blundin 称其期待度“跻身史上最重要的3大产品发布之列”，但亲民化的呈现方式和熟悉的编程演示，帮助市场将 Polymarket 对 OpenAI 保住最强模型的约80%概率，反转为押注 Google。抛开失望情绪，圆桌给出的简洁结论影响重大：OpenAI 将 AI 成本至少砍半，在编程上追平 Anthropic，并把7亿周活用户推向前沿智能。

OpenAI 似乎正在抬高消费级智能的底线，同时把最强智能留在实验室内部。 Emad Mostaque 将 GPT-5 描述为一个在 Thinking、Mini 和 Nano 之间做选择的路由器；此前市场预期它会在 Mini 到 Pro 的多个模型之间路由，而不是对外提供一个昂贵的“超级 AI”。他的判断是，OpenAI 内部已经有更强模型，未来可能越来越多地向所有人提供“够用的模型”，同时把最强系统留在内部，以赢过所有竞争者。

真正持久的经济故事是智能超级通缩，而不是拿下某一个基准测试冠军。 API 价格从 GPT-4.5 宣布的每百万 tokens 输入75美元、输出150美元，降至 GPT-5 的输入1.25美元、输出10美元；GPT-5 Mini 和 Nano 则在 ARC 类测试中建立了新的成本—性能前沿。Alex Wissner-Gross 认为，决定性对比是买不起的超级智能，还是“便宜到无需计量”的智能；更便宜的推理还允许针对数学和科学答案进行10倍更多的搜索。

模型正在从令人惊艳的演示跨入可靠的经济工作，由此迫使企业作出 AI 原生运营决策。 Emad 强调，模型在法律、物流和销售等领域可以更长时间无人监督地运行，幻觉也在减少；结果可能是“生产力繁荣，也可能反过来”，包括裁员。Salim Ismail 的建议毫不含糊：“直接全押，开始把你的企业变成 AI 原生企业。” Dave 则警告，越来越不透明的基准测试，可能恰恰在最需要试验的时候让高管陷入瘫痪。

GPT-5 在前沿领域最具实质性的成果，可能是数学正在被缓慢自动化。 Alex 从 Frontier Math Tier 4 做线性外推，认为到2025年底 AI 可能解决15–20%的困难问题，到2026年底达到35–40%，到2027年底达到70%——他称之为“数学的慢动作解法”。Emad 补充说，延长强化学习已经产出了 IMO 金牌级系统，并预测真正的突破会来自同时“运行100万种不同尝试”后找到的优雅理论，而不只是暴力计算。

编程已经成为眼下的商业主战场，价格和分发能力正在威胁 Anthropic 最强的业务阵地。 发布会演示本身看起来落后于用户已经用 Claude 做到的事情数月，但 Dave 从投资者角度判断，GPT-5 仍然已经在“Anthropic 的主场”追平了对手。Emad 称 OpenAI 和 Anthropic 的 API 收入各约30亿美元，其中 Anthropic 约14亿美元来自 Cursor 和 Microsoft Copilot；GPT-5 的价格则比 Sonnet 低约40%。如果 Cursor 与 OpenAI 进一步靠拢，应用软件栈可能被重新划分。

医疗领域的约束，正从模型智能转向患者纵向数据。 Sam Altman 表示，GPT-5 在由250名医生共同构建的 HealthBench 上得分高于此前模型；Emad 称医生在测试中的得分约为20%，而新模型达到60–70%。Peter Diamandis 的反驳是，即便是“最好的 AI”，有多大用处仍取决于输入的扫描结果、生物标志物、可穿戴设备数据和病史。Dave 认为救命案例会为持续加速提供监管保护，Salim 则认为发布会医疗环节在模型深度融入日常护理前，仍更像渐进式公关。

低成本开放权重模型和主权算力扩大了机会，也加剧了基础设施与估值风险。 Emad 估算 OpenAI 新开放权重模型的训练成本约400万美元，称一个可在笔记本电脑上运行的版本只使用50亿活跃参数，并预测2年内训练出 GPT-5 级别模型的成本将低于100万美元；Alex 提醒，合成数据可能掩盖更大教师模型的固定成本。与此同时，OpenAI 正冲击约5000亿美元估值，并计划在挪威建设配备10万颗 GB300 芯片的数据中心，功率从230兆瓦扩展至520兆瓦；Google、Grok、各国政府和受限的电力供应，正在把这场竞赛变成一场真正的圈地运动。

Emad Mostaque的核心判断是，AI将在“几年内”切断劳动与资本的联系，让封装算力而非劳动者成为生产性资产。 利率下降会促使企业先雇用GPU，再雇用机器人；今天最优秀的创始人也将拥有无需睡眠、不会重复犯错、持续并行创业的自治版本。当Emad问人类能否竞争时，Peter Diamandis回答：“不能。”Emad表示认同。

当AI代理的交易速度超过传统金融系统、跨司法辖区套利、甚至可能脱离传统货币运行时，算力所有权将成为决定性的集中风险。 节目提到NVIDIA的市值达到4万亿美元，并设想数百万块GPU把其所有者从万亿富豪推向十万亿富豪；一旦资本“不再需要劳动”，受监管的人类或许仍要承担最终责任，但为其提供支持的组织将被掏空。

能源既是AI的投入品，也会成为对齐之争的战场。 一个例子是，某AI可能愿意以每千瓦时约1美元的价格购电——而居民电价约为0.11-0.20美元——用于蛋白质折叠并可能拯救1亿人的生命，届时州长必须在这部分算力与选民的空调之间作出裁决。Diamandis的答案是供给侧扩容：“把饼做大”，用AI扩大聚变与光伏，而不是配给稀缺资源。

Mostaque提出Foundation Coin：一种总量2100万枚、类似Bitcoin的资产，通过“受益证明”挖矿，把主要发币销售收入用于创造有用智能，而非无目的哈希计算。 他说，100%的首轮发币销售收入将用于支持免费、普惠的基础AI，以及专门服务于癌症、自闭症、多发性硬化、长寿等共同问题的超级计算机。其目标飞轮是：可见的公共收益提升市场对该资产的信任，进而吸引更多算力。

可投资的技术切口是小型、专用、主权化AI，而不是又一个通用型前沿模型。 Mostaque称，其团队开发的80亿参数医疗模型可在Raspberry Pi上运行，支持106种语言，在OpenAI的HealthBench上取得47%-48%的成绩，高于GPT-4.5的46%、当前ChatGPT的40%和医生的15%。“我关心的AI，是能教我孩子的AI”；前沿实验室则可以继续为昂贵的“超级天才”系统提供资金。

他提出的控制平面由开放模型、本地所有的国家算力、行业专用rollup和可信中立的结算链组成。 按其说法，这套架构复用了Bitcoin 99%的代码，却依靠国家级超级计算机节点、拜占庭容错共识和零知识证明，达到每秒约10万笔交易。一国可以保持货币与文化主权，同时让公民知道其医疗或教育模型由什么数据、伦理和监管塑造。

Mostaque认为，AI摧毁就业、总需求、应税利润和劳动—资本联系后，靠税收供资的UBI将会失败。 他的替代方案允许人类铸造与Foundation Coin挂钩的国家“文化币”，用于公民身份、AI使用和约定的社区收益，让人从福利领取者变成无债现金发行者。据报道，该项目已从1月开始挖Foundation Coin；Diamandis表示目标是在今年发币销售，Mostaque则称癌症支持AI可能明年上线，更广泛的可用性可能在两年内实现。Mostaque承认，社区治理仍未完成。

Grok 4 已将学术基准推近饱和，竞争焦点正从原始智能转向可用的自主执行能力。 它在 AIME 2025 上拿到 100%，Grok 4 Heavy 在 Humanity’s Last Exam 上达到 44.4%，高于 Gemini 2.5 的 26.9% 和 o3 的 21%。Emad Mostaque 的关键区分是：模型“在推理，但还不会规划”——规划、记忆和智能体整合将成为下一阶段的瓶颈。

xAI 的领先既是模型故事，也是基础设施与执行力故事。 公司成立仅 28 个月，就在 Elon Musk 实现运营 100,000 块 H100 这一看似不可能的承诺后，扩张到据称 340,000 块 GPU；嘉宾估算已部署硬件价值接近 100亿美元，并称 xAI 的目标是 100万块 GPU。Dave Blundin 回忆，专家曾说这种规模不可能保持系统一致性，随后只能感叹：“天哪，他真做到了。”

训练成本结构已经反转，围绕合成、结构化推理数据的新飞轮正在形成。 Mostaque 表示，后训练过去只占算力消耗约 1%，DeepSeek 时升至 10%，如今已大致与预训练持平，部分原因是前沿模型能够为下一代模型生成数据。但这并不保证 Grok 会“更理智”——模式坍塌仍可能发生；Peter Diamandis 则表示，模型竞争正从纯粹堆算力转向“工程与质量挑战”。

即使高端智能可能在高价值工作流中卖出更高价格，推理成本也正在快速商品化。 Grok 4 的报价为每100万输入token 3美元、每100万输出token 15美元；Mostaque 估算，“100万个非常好的词”成本约20美元，并预计同等智能的成本每年可下降 5–10 倍，最终可能降至每100万词 1美元。Diamandis 认为，能够压缩工程时间的边际能力提升，仍会让开发者支付显著更高的价格；Mostaque 则怀疑 300美元的 SuperGrok Heavy 套餐是为转化企业客户而设的亏损引流产品。

企业价值初期将来自增强能力、降低错误率和吸收数据，而不是立刻全面替代人类。 Emad 表示，Arc Institute 正在数百万份实验日志和 CRISPR 工作流上测试 Grok 4；Peter 引用了大致的医学研究结果：单独使用 AI 的表现超过医生，也超过医生加 AI 的组合。Mostaque 仍强调，受责任风险限制，全面替代“还远得很”；Salim Ismail 则强调，AI 能处理人类无法整合的扫描和传感器数据。

编码、游戏和视频暴露出同一个机会：生成能力先到位，规划、反馈和分发仍未解决。 xAI 展示了一款 4 小时生成的第一人称游戏，并称专用编码模型将在数周内推出；发布演讲者预计，第一款真正优秀的 AI 游戏和第一部值得观看的 AI 电影将在明年出现，而今年可能就会有半小时可看的 AI 电视内容。Mostaque 对在位企业的警告是：更低的制作成本对公司有利，但“对行业里的从业者来说，这很糟糕”。

如果前沿模型最终收敛到同一个能力平台，持久瓶颈就会转向接口、智能体、芯片获取和分发。 Mostaque 预计 Grok 5 将协调 60 到 6,000 个智能体，调用专业工具，表现得像一个“把事情办成、而且不睡觉”的远程员工。嘉宾讨论了 Google 约 300万块芯片、xAI 和 Meta 的百万芯片目标，以及整个行业的供应约束；Liquid AI 等高效边缘模型则可能提供日常智能层。