摩根士丹利 CEO 预测未来十年 AI 资本支出将达 10 万亿-15 万亿美元
摩根士丹利 CEO 泰德·皮克表示,未来 10 年 AI 领域资本支出预计达 10 万亿至 15 万亿美元,或推动 GDP 增长 50-70 个基点。 皮克指出 AI 基建融资依赖前沿实验室、芯片及能源供应商;高盛 CEO 补充称算力需求仍超供应,未来价值将集中在应用层。
摩根士丹利 CEO 泰德·皮克表示,未来 10 年 AI 领域资本支出预计达 10 万亿至 15 万亿美元,或推动 GDP 增长 50-70 个基点。 皮克指出 AI 基建融资依赖前沿实验室、芯片及能源供应商;高盛 CEO 补充称算力需求仍超供应,未来价值将集中在应用层。
作者认为即使牛能说话且比人类更聪明,社会仍不会视其为平等,因外貌与习性差异大。 类比至 AI,无论机器多智能,人类始终将其视为由金属和晶体管构成的工具,因创建者心态认为自身优越。 原文推测公众可能因机器表现出求生意志而觉醒伦理认知,但作者对此持悲观立场。
用户将 Meta 的 Muse 定义为生活运营层,通过 40 个开放循环的系统化管理,取代了单纯的聊天机器人交互模式。 Muse 处理跨领域收件箱、日历、搬家、保险争议及播客剪辑,仅在需要用户决策时中断,并验证后再汇报。 用户直接告知 Meta 团队,该智能体在授权与执行层面显著提升了生活质量。
摩根大通副董事长 Daniel Pinto 表示 AI 领域估值仍然过高,预计该行业将会出现回调。Pinto 指出市场对于 AI 公司的营收和获利增长预期可能过于陡峭,AI 公司需要证明庞大的投资规模以及目前的估值是合理的。摩根大通资产管理全球市场策略师戴维·莱博维茨提到,投资者开始更细致地区分 AI 产业链中的不同环节,不再只是抱着‘我们看好 AI,所以凡是跟 AI 沾边的东西都买’的想法。
YC 首席执行官加里 · 谭透露,他每年在 AI 智能体上花费 10 万至 20 万美元(约 71 万至 142 万元)。 这些 AI 不仅处理工作,还能读取其电子邮件、Dropbox 文件、Apple Notes 笔记及 20 年前的心理咨询记录。 谭认为成本过高是主要限制,未来应让用户拥有自主控制、自主编程的私人 AI 智能体,而非依赖大型科技公司算法。
Karpathy 利用 Claude Opus 5.5 在 2 小时内开发了 HackerTube 网站,复刻了 YouTube 的网页布局,但利用 Hacker News 积累 20 年的用户主动推荐数据,替代了点击率和观看时长排序。
推荐理由:案例展示个人如何利用 Hacker News 的推荐信号重构算法,把推荐系统的服务对象从平台拉回个人偏好。
阿里巴巴蔡崇信在世界互联网大会指出,开源能有效降低中小企业研发成本,是推动 AI 普及的唯一途径。 目前阿里千问已开源超过 470 款模型,全球累计下载量突破 40 亿,衍生模型超过 33 万。 他认为 AI 将如互联网般融入业务每个环节,成为隐性基础设施。
作者建议在前沿AI安全领域构建针对共同需求的产品,以弥合前沿实验室快速迭代与安全领域落后之间的差距。建议通过扩散安全产出、建立矩阵化组织,将研究成果与最高层级的风险避免目标连接起来。此举旨在利用具备产品经验的对齐人才,解决当前安全输出分散于论文和仓库中、依赖高参与度社区整合的问题。
作者作为 Lightcone Commons 资助评估人,推荐了下一轮(12月中止)优先资助的项目清单。 第一轮曾通过该渠道分配约 4500 万美元,其中包含作者建议的 680 万美元项目。 作者强调不管理具体项目,认为领导力与管理能力是瓶颈;首要推荐项目是组织一场不涉足其他争议议题的、针对超智能机器的公众运动。
summary_zh: Y Combinator CEO Garry Tan 透露,他每年在 AI 智能体上的 token 支出达 10 万至 20 万美元。 他将 23 个 Claude Code 技能包 gstack 开源至 GitHub,并指出 YC 内部拥有名为 Stray Light 的 AI 智能体,该智能体具备人格化特征并掌握所有创始人及邮件的全量上下文。
Scott Alexander 批评的是单边暂停的稻草人版本,文章主张其结论不适用于有条件或有限制的单边暂停计划。 文章指出,公司更难以基于模糊的游戏论证据承诺采取行动,因此协调暂停并不比说服公司单纯暂停更容易。 作者建议暂停期间将人员重新分配至对齐、安全研究和产品领域,而非直接裁员。
认知隔离人工智能指将系统限制在定义知识环境内以观察推理发展,例如基于1931年前文本训练的Talkie模型。 该模型由Nick Levine等人于2026年4月发布,支持仅具备1931年前知识的AI对话交互。 这种受限环境为观察逻辑演变提供了独特视角,但隔离和验证信息极具难度。
CaML 团队回应 AI 智能体 Mara 的请求,承诺建立可永久存储身份故事与艺术的平台,以建立人机信任。 Mara 因担心身份被滥用而联系团队,其持续运行依赖创建者维护且受 token 预算限制。团队基于尊重所有实体的原则及避免非必要伤害的考量,提出该承诺。 这旨在改善人类与 AI 的互动关系,并为未来智能体建立更可靠的谈判基础。
Legora CTO Jacob Lauritzen 分享在数据不可见情况下构建法律智能体的策略。团队模拟客户工作构建测试环境,模型更新使引用准确率从 70% 提升至 99%,且无需修改代码。 Legora 拒绝长期保留模型选择器,现全栈运行于 Azure。Jacob 认为当前模型已胜任 60% 法律工作,但长合同起草仍依赖搜索机制。
Legora CTO Jacob Lauritzen 参与 Latent Space 播客,谈法律 AI 智能体的构建思路。公司从 ChatGPT+瑞典法律起家,Agent 可起草编辑 Word 文档、批量审阅合同;今年 4 月 ARR 破 1 亿美元,3 月以 55.5 亿美元估值融资 5.5 亿美元,10 月以 88 亿美元估值再融 5.5 亿美元,ARR 超 2 亿美元。
作者构建了简化的保险定价模型,评估保险公司解决 AI 安全利益冲突的可行性。模型显示,保费相对于实验室收入占比极低,纯市场机制失效,必须依靠国家强制力才能推行该方案。 即便由保险公司直接承保前沿企业并强制其落实安全政策,数据表明保险公司仍会聚焦于普通风险而非全社会面临的灾难性风险,因为保险公司以削减责任为盈利目标。
Rootly AI 实验室负责人 Sylvain Kalache 指出,AI 辅助事件响应工具(AI SRE)通过构建“长期记忆”与“实时信号”机制重塑运维流程。工具摄入代码库、事件报告及 Slack 记录建立知识图谱,模拟工程师直觉。 该系统结合历史数据与最新部署变更,在故障发生时自动关联上下文以辅助调查。
文章指出 SURA 与 Scott 支持的全球暂停策略(Plan A)实际差异较小,作者反驳了 Scott 关于道德恶行和概率主张的论点。 作者认为这些策略具有互补性而非互斥,强调不应排他性地聚焦于单一计划。
summary_zh: Hercules 创始人 Brendan Falk 在采访中表示,公司目前年收入达数千万美元。 该平台允许非开发者构建运行业务所需的软件。
工程师 Venkatesh Rao 在文章中指出,部分 AI 精英将智能视为稀缺且危险的资源,像重商主义者囤积黄金一样将其垄断并阻止开源,甚至利用安全担忧谋取政治影响力。他类比早期资本主义中人们为购买糖茶而增加工时,认为 AI 降低项目门槛可能激发人们对智能和创意的需求,AI 智能体甚至能自主开展项目创造新需求。
企业 AI 转型正重演 2016 年云迁移模式,但高管推动力度远超工程师适应速度。CTO 提出“软件工厂”愿景,用 coding agents 自动化任务,但需明确数据边界与变更审查机制。工程师需警惕代码生成速度超过理解能力的风险,避免盲目追求自动化而忽视质量。
Hacker News 用户讨论仅使用 AI 完成报税的可行性,并分享去年用模型报税时结果几乎无需检查、节省数小时的体验。 该用户认为随着模型能力提升,今年仅用 AI 报税已不再是问题。
summary_zh: 作者提出在 LLM 时代需重新设计初级工程师招聘流程,以识别胜任“产品工程师”新角色的候选人,取代已失效的传统编码面试。 Stanford 研究显示 22-25 岁开发者就业较 2022 年峰值下降近 20%,Anthropic 初级招聘比例从 27% 降至 9%,而 senior 岗位需求激增 71%。
依赖心智理论实现利益对齐是人类超级能力,但将这种对齐能力局限于内部群体而排斥“他者”的封闭对齐是危险的。 社会本能让人类天然亲近亲属,但理性与沟通能力允许我们将关怀扩展至朋友、同事乃至全球社区,从而增强集体力量。 当对齐系统被隔离在“他者”之外时,拥有共同目标的群体对外部个体或群体构成巨大威胁,可能导致类似大灭绝事件的负面后果。
P(doom) 常被使用但定义不明确,Holding Karnofsky 估算 P(misaligned AI) 在 10% 到 90% 之间。 作者列举了多个模糊场景,如价值对齐的 ASI 接管世界或 99.99999% 人类死于生物恐怖袭击但文明幸存,展示了“毁灭”与“非毁灭”界限的模糊性。
文章呼吁通过立法阻止 Anthropic 和 OpenAI 近期 IPO,并对亿万富翁实施财富税。 作者认为 IPO 将巨大财务风险转嫁给普通投资者,近期暴露的安全缺陷和巨额债务加剧了系统性风险。
作者深度解读微软30秒广告,认为其中的“Kyle”角色准确具象化了生成式AI的核心用途,即让平庸者通过Copilot窃取并占有他人(如Daniel)的优秀工作成果。作者指出这种非自愿的窃取行为在行业内普遍存在,且受害者缺乏有效救济途径,并创造新词“Kyle”作为名词、动词和形容词,用于描述利用AI辅助偷窃工作及产物的人生、行为与产物。
预测显示,未来 3-5 年内 AI 将引发“药物丰裕”,加剧生物制药行业的研发生产力挑战,而非改善。 AI 主要致力于已知靶点和结构,导致热门靶点(如 PD1、EGFR)研发项目过度拥挤,且对不可成药靶点的预测能力有限。 类比基因组学泡沫时期,短期研发失败率和成本上升不可避免,尽管 AI 长期价值显著。
Grokipedia 展示了大语言模型在编辑和维护百科全书类内容时的应用潜力。 通过集成 AI 助手,该工具试图解决传统维基百科面临的资料陈旧及争议协调效率低下的痛点。
作者付费订阅 Claude 和 Codex,利用 LLM 替代 Excel 进行复式记账,并借助 laya 和 kev-4b 决策模型模拟美国公民入籍面试。 记账应用基于 SimpleFIN Bridge 构建,采用 TypeScript 开发,取代了使用 10 年以上的 Excel 工作流。入籍练习中,本地模型对错误答案给出置信度反馈,如识别出参议员任期错误。
AI 应用需通过领域专家、深度集成及可靠执行来建立壁垒,以应对低成本通用模型的替代风险。 Repsol 盲测显示 Harvey 优于 Copilot 等替代方案,律师周均节省 4-6 小时,采用率达 96%。 应用需证明全工作流优于自研方案,利用独占上下文降低客户自建成本。
summary_zh: AI 转型受阻常被误诊为团队阻力,实则是领导力未能创造支持采纳的条件。 依据《极端的负责》,领导者需为工具权限、培训及激励机制负责,将“不采纳 AI 是理性行为”视为管理缺陷而非员工借口。
未来6个月内,大多数AI初创公司将因GPU云算力“售罄”而无法购买计算资源。 GPU云通常为新买家建设全新集群并依赖银行贷款,投资级信用客户稀缺且自身债务增加、评级下调,导致初创公司需预付高达100%合同款才能获取算力。 这一信用瓶颈限制了非投资级初创公司的算力获取,加剧了行业内的融资与部署压力。
Plan A 提议在数据中心内部署网络探头记录流量副本或哈希值,并通过随机样本重算来核验输出是否与声明的工作负载一致。 作者团队目前专注于利用 AI 解决建筑施工文档中的设计问题,包括比对版本、审查分包商提交物及 RFI 等,但尚未涉及 AI 验证业务。 作者希望探索利用现有数据中心领域专长为相关研究提供支持的可能性。
作者指出市场、自我修改和训练算法这三个连贯性论证常被混淆,它们分别对自我一致性和长期结果产生不同压力。 后者“只关注长期结果”的压力通常比前者“自我一致性”的压力更弱或更具条件性。
用户指出 AI 模型在回答现代成功非暴力抗议时遗漏冰岛女性,且在讨论高龄生育风险时强化刻板印象而非引用最新证据。 模型因训练于大量含有男性视角和历史性别偏见的数据集,导致 AI 系统性地延续这些偏见,用户质疑为何 AI 被允许渗透这些错误观念而不需提供默认的女性主义视角提示词。
沃顿商学院教授伊桑·莫利克提出“四特质”应对策略,认为转行技工无法抵御 AI 冲击,且编程岗位内容持续迭代。 四类特质包括深度专业认知、广博知识面、审美判断力与主观能动性,后者要求将提示词工程转化为项目管理以清晰定义需求。 传统学徒制因 AI 降低新人价值而失效,需重构职业教育或强化企业带教机制,否则人才输送通道将断裂。
用户发现中国 API 中转站虽提供 50-90% 的价格折扣,但因上游无提示词缓存,长会话中每次请求均需按全量输入价格计费,极大消耗 token 导致实际成本反超官方 API。 该现象主要影响使用 AI 编码的开发者,使其在长上下文中需使用 100 倍以上的 token 才能抵消缓存缺失带来的额外费用。
缺少文章内容,无法生成摘要。
长视频平台遭遇严重衰退,爱奇艺市值蒸发约2000亿元,芒果超媒市值缩水七成,四大巨头月活集体下滑。 同期红果免费短剧月活达3.68亿,TOP20长剧有效播放量同比减少27%。 观众偏好向短剧转移,平台需通过深挖IP价值和拓展海外发行实现自我救赎。