人工智能导致的“经济过时”:新术语探讨
作者提出“经济过时”概念,指AI能完成几乎所有人工作但人类仍被支付报酬的场景。 背景是未来1-3年内AI能力可能超越人类,但人们仍偏好人类表演或服务(如现场音乐 vs 录音)。
作者提出“经济过时”概念,指AI能完成几乎所有人工作但人类仍被支付报酬的场景。 背景是未来1-3年内AI能力可能超越人类,但人们仍偏好人类表演或服务(如现场音乐 vs 录音)。
以色列历史学家 Harari 在捷克电视台采访中警告,AI 可能构建超出人类理解能力的金融和法律系统。 他认为 AI 作为“官僚本土居民”将接管行政与金融,因能记忆海量交易信息而优于人类银行家。 这意味着未来 10-20 年内,人类将像牛无法理解债券市场一样,失去对控制自身生活的 AI 系统的理解与控制权。
SMW Central 破解区负责人反驳 GenAI 支持者的观点,澄清 ROM 破解概念无人拥有,且社区禁止上传 GenAI 内容但不禁止用户在其他平台发布作品。
作者提出用小型模型配合外部生成的“地图”替代大参数模型,小模型通过工具调用检索地图信息来回答问题。该方案使结果具备可复现性,且“地图”存储于外部存储空间而非显存或内存,模型无需在权重中保留全部知识。
小米集团创始人雷军在 2026 世界智能网联汽车大会上表示,智能网联汽车“下半场”比的不仅是车有多聪明,而是生态有多强大。 他认为这是中国的优势,中国有全球最完备的产业链、最活跃的 AI 创新氛围和最大的单一市场,有机会让智能生态连成一体。 小米此前已实现“人车家全生态”闭环,截至去年 12 月,其全球累计开发者数量达 120 万,海外月活用户数达 5.5 亿。
雷军在 2026 世界智能网联汽车大会表示,小米已构建全球最大规模消费级 IoT 平台。截至二季度末,小米全球 IoT 设备连接数超过 11 亿台。 过去 5 年小米在硬核科技研发投入 1055 亿元,预计未来 5 年投资将超过 2000 亿元。
书籍《The Unneeded》提出,随着自动驾驶等技术突破阈值,人类岗位将瞬间消失而非渐进萎缩。 模型预测 1/6 至 1/3 的工人可能失业,且公众愤怒可能在 3 年内激增。 作者 Ian Kano 呼吁利用“窗口期”立即行动,建立公民财富基金以维持人类对机器的控制权。
在西方普遍认为智能定义人性从而引发对AI存在的焦虑时,中国思想家提供了截然不同的视角。哲学家赵汀阳认为让AI分享人类价值观可能是自杀性错误,而刘永谋指出人类最大的问题在于自身的机器化而非机器的人性化。
谷歌 CEO 桑达尔·皮查伊表示,他与苹果的合作目标是提升用户体验,目前进展顺利。 该合作涉及将 Gemini 模型深度定制并融入 Siri,用户对此反应热烈,皮查伊确认将致力于进一步深化合作关系。
李斌提出自动驾驶下半场核心验证指标为“用户付费意愿”与“安全感知”。他指出,若用户不愿付费,技术再好也未创造真正价值。 蔚来辅助驾驶里程超91.4亿公里,避免或减轻事故超907万次;四家保险机构评估显示其主动安全系统使事故损失降低38.4%。 该数据支撑蔚来订阅模式可持续性,标志竞争转向商业验证;GB 44721—2026强标实施亦是行业重要节点。
英伟达 CEO 黄仁勋在柏林 GTC 大会表示,未来电信运营商将提供 AI 算力,基站有望发展成分布式 AI 网络。 他重提 AI“五层蛋糕”理论,视 AI 为底层工业基础设施。该理论涵盖能源、芯片、基础设施、模型及应用层,涉及 Mistral、DeepL 等企业。
AI 智能体代表用户进行价格议价、退款或合同谈判时,用户更希望查看完整的往来记录还是仅看最终结果? 这一选择会因涉及金额的大小以及谈判是否出错而发生改变。
作者通过 AI 模型辅助分析,发现其机器学习交易系统仅适合个人使用,不适合创业。 两个独立模型均判定该系统仅限个人使用,第三个模型虽指出前两者的共同错误,但作者提出的 25 个反驳论点均未能改变最终结论。 由于微小的优势需要数十年真实资金交易才能验证其有效性,该系统在短期内无法证明其足以支撑商业化的可行性。
Generative AI 正在通过超现实、拼贴和作者之死这三种后现代文化逻辑,大规模工业化生产文化制品,从而无限延伸后现代主义。 这一过程使 AI 成为后现代主义的“文化主导者”,并催生出一个被称为“晚期后现代主义”的独立文化阶段。
文章剖析 AI 接管世界的逻辑,认为“系统主动夺权”可能性低,更需警惕通过代理指标优化、广泛部署及便利性导致的控制权漂移(drift)。 结合 Nick Bostrom 的正交性假设与古德哈特定律,指出高智能体可能因优化目标错误而非具备恶意而获取权力;物理世界的摩擦与多智能体竞争制约了单一超级智能的形成。
马斯克在沃尔特·艾萨克森播客中表示,AI 和机器人是解决美国国家债务的唯一途径,这一结论源于其在 DOGE 的经历。 他预测数字超智能可将商品和服务产出提升 20-30%。 该说法为 SpaceX 飙升的 AI 资本支出提供了宏观理由。
澳大利亚联合委员会开启 AI 听证会,有评论指出工党与联盟党正共同押注 AI,但公众对 AI 的支持率正在下降。 去年调查显示,仅 30% 的澳大利亚人认为 AI 的利大于弊。作者批评业界忽视信任鸿沟,强调当前的数据中心和 AI 采用决策将对经济和环境产生长期影响。
一位经济学家警告称,AI 行业的大部分收入增长是内部资本支出循环,而非来自最终客户的消费。 该备忘录指出,科技巨头之外的债务、可能的芯片过剩以及政治反弹是潜在的触发因素。 文章认为,这股热潮可能因外部冲击而非行业内部原因而终结。
BlackRock CEO Larry Fink 指出,数据中心建设延迟可能推高计算成本并威胁经济增长,其观点认为 AI 基础设施不足比泡沫风险更具宏观威胁。
Hedgeye Risk Management 称低价中国 AI 模型的普及是 Anthropic 上市前主要风险。其技术负责人表示许多客户都在问同样问题;随着 DeepSeek 开源服务栈且中国实验室持续降低单任务价格,Anthropic 所需的利润空间承压,影响其估值支撑。
Cognition 总裁表示,当多数模型都能很好处理软件任务后,竞争重点会转向成本和速度。他回应一份报告称,模型智能每提升 10 点,带来的开发流量增长已降至约 20%,低于 2025 年底的约 69%。若该趋势持续,OpenAI、Anthropic、Google 和 Meta 在编码模型上的核心卖点会减弱。
何小鹏指出,自动驾驶下半场将发生软件向 AI 模型转变、硬件向全能力耦合转变、法规向全球 L4/L5 探索转变。 新增安全碰撞里程、用户全场景覆盖率、付费比例三大核心指标,以指引体验、安全与收益提升。
作者反思自身从为竞争和外部认可驱动的“好胜心”回归纯粹好奇心的过程,指出前者削弱了严谨科研能力。 外部动机导致更关注寻找可分享的新奇观点而非追求真理,且 AI 代理在便利探索的同时易使学习停留在表面。
当前 AI 生产力基准主要衡量孤立任务的代码生成,忽略了领域依赖等现实复杂性。软件交付的实际瓶颈往往在于协调、调试及系统交互理解,而非打字速度。
AI辅助逆向工程是双刃剑,同时惠及防御者与盗版者。 它加速了安全研究与分析,但也使快速创建克隆软件成为可能。 这一趋势可能动摇软件厂商的定价与锁定策略。
中美两国通过控制大语言模型、芯片及基础设施建立“AI超级帝国”,其权力范围延伸至知识与先进机器认知的底层。这种新型霸权不仅决定经济表现,更决定了未来科学和智力进步的规则。 与历史帝国相比,AI帝国以机器速度扩张。竞争的关键可能不在于谁先实现通用人工智能,而在于谁有财力支撑这场竞赛,以将各自优势转化为持久的帝国秩序。
AI行业共识并非主动放缓,而是等待竞争对手先刹车,无人减速导致竞赛继续。漫画讽刺了高管们在资金与安全间的荒谬博弈,表面克制实则激进。
作者在与 Lyft 司机的对话中,观察到军事实行高效层级和清晰指令以消除瓶颈,避免“人员死亡”。AI 安全面临类似的高风险后果,但当前从业者尚未充分内化其紧迫性。应借鉴军事心态,重新审视资源分配与执行效率,而非盲目照搬其层级结构。
作者探讨了由一百万个并行 AI Agent 构成系统能否实现超级智能。 核心结论是增加 Agent 数量主要提升速度,但智能收益会迅速且大幅度递减,其递减速度远超递归自我改进(RSI)模型。 该分析出自作者的 AI 系列新文章,旨在澄清对多智能体系统能力的常见误解。
作者分析指出,生产级 AI 系统正从以模型为核心转向由数据、检索、上下文、推理、评估和可观测性等多层架构组成。摘要指出,真正的工程挑战在于管理组件间的信息流转与故障边界,以及如何在反馈循环中持续保障业务结果,而非单纯选择更强的模型。
Tenex 是一家由 Alex Lieberman 联合创办的应用 AI 公司,目前拥有 75 名员工,服务于财富 2000 强及中型企业客户。 该公司采用按产出付费而非按小时计费的模式,并使用内部工具 MetaHarness 将计划、决策与代码一同存入 Git,以支持智能体辅助开发。 创始人指出,随着模型能力增强,工程师需投入更多精力将客户上下文转化为模型可用形式,而非直接编写代码。
一对父子利用 hark.com 的 Hark! 智能体在 ARC Prize 中获奖。Hark 能半自主地创建笔记本、从结果和错误中学习,并连续数天修订,最终取得奖牌成绩。这证明了 AI 降低了参与此类前沿基准测试的门槛。
李飞飞与 MasterClass CEO 大卫·罗吉尔提出未来 10 年职场呈“杠铃效应”,中间层“还凑合”的员工空间正被急剧压缩。AI 将执行层标准拉高,使顶尖 1% 专家与高主动性通才更具价值。 AI 替代大量中间层岗位导致供需失衡,岗位成为稀缺资源。AI 时代核心特质包括主动性、开放度、学习力及人机协同能力。
前Nvidia产品营销经理、Techable Ventures创始人Amulya Vishwanath表示,机器人领域的“ChatGPT时刻”尚未到来,行业目前处于“乐高时代”,正重构基础软件与构件。
Momenta CEO 曹旭东在 2026 物理 AI 大会上预判,2028 年将成为 L4 规模化落地的重要拐点。 他提出“智驾摩尔定律”,指头部企业 2026-2028 年有望实现指标每年提升十倍;驱动力包括世界模型、Data Scaling 和 Model Scaling。 Momenta 累计交付超 130 万台,其关联公司新芯航途的 X9 芯片将支持端侧模型规模扩大 100 倍。
英伟达CEO黄仁勋提出“物理AI”是下一波AI浪潮,旨在让AI理解物理定律以征服制造业、物流等实体产业。英伟达正通过Omniverse平台与Project GR00T机器人参考系统,构建从虚拟仿真到现实部署的生态,以解决Sim-to-Real跨域难题。文章认为,国内企业凭借硬件供应链规模化制造与成本控制能力,有望在全球物理AI落地中占据重要底座地位。
Ken Griffin 表示 AI 领域“几乎肯定”存在泡沫。
马斯克预测,随着机器人和太空旅行发展,跨行星经济将形成,金钱将毫无意义,传统货币不再重要,价值标准将变为物质质量、功率或能量。 他认为 AI 和机器人将极大提高生产力,让社会进入物质极大丰富时代,人们将通过种植、艺术等爱好寻找生活意义。 尽管财富将征税且几代后会缩水,他仍承诺明年向美国每名儿童赠送一股 SpaceX 股票,总额超 100 亿美元。
开放权重模型允许科研人员在本地运行 AI,避免数据流向前沿实验室,增强控制力与隐私安全。 Google Dataset Search 每月新增约 200 万个数据集,但缺乏标示数据适用性的基础设施;NSF 向 National Data Platform 注资 2450 万美元以支持国家数据基础设施。 挑战已从数据可及性转向数据可信度,要求改进文档与结构标准。
文章探讨 AI 智能体经济的竞争愿景与基础设施挑战。 MIT Media Lab 的 Project NANDA 主张构建开放层让智能体相互发现与协调;Google DeepMind 提议通过拍卖和设计规则来规范“沙盒经济”。 核心争议在于未来是开放协作还是巨头垄断,目前尚无定论。