与「思考実験展」相关的搜索结果

◤￣￣￣￣￣￣￣￣￣ 　　職業診断結果 ＿＿＿＿＿＿＿＿＿◢ 診断結果を発表します。 声優回の3名は、 以下の職業になりました。 安元洋貴：武闘家 立花慎之介：暗殺者 杉田智和：音楽家 来たる日、魔王を討伐する旅に出発します。 ＃超思考実験展

◤￣￣￣￣￣￣ 　 実験報告 ＿＿＿＿＿＿◢ 安元洋貴/立花慎之介/杉田智和 特別公開実験へのご参加、ありがとうございます。 神が降臨するという、とんでもない展開に。 まだ、配信でも観測可能です。 被験者の思考を覗いてください。 #超思考実験展# #ニコニコ超会議2026#

近期麻豆倒閉的消息，實在令人不勝唏噓。 成人產業本來就屬於高風險且不易經營的領域。在華語市場中，不僅長期缺乏完善的產業鏈與制度支持，大眾對其也普遍帶有負面的刻板印象，甚至會視從業者為低人一等的存在，這使得整體發展環境更加受限。加上多數消費者尚未建立為成人平台付費的習慣，雖然台灣這幾年已逐漸養成為影視串流平台付費的觀念，但這樣的消費模式要真正延伸至成人平台仍有一段不小的距離。 另一方面，創作者品質參差不齊，對消費者而言缺乏保障，也進一步削弱付費意願。而當產業無法提供穩定且具吸引力的收益時，自然難以吸引優質創作者與專業團隊投入，形成一種近乎無解的惡性循環。 若營利模式仍停留在單篇解鎖或訂閱制，對於以個人為主、製作成本相對較低的創作者而言，仍有機會獲得不錯的報酬；但一旦規模擴大至工作室甚至公司層級，所需承擔的成本與風險大幅提升，這樣的收益模式顯然難以支撐長期運營，最終往往會面臨困境。 加上未來大環境的不確定性提高，似乎對於成人產業創作者而言，降低成本並專注於個人經營和包裝才是更穩妥的道路。 正因為如此我其實一直在思考，在這樣的環境下，創作者究竟該如何降低風險、穩定變現，甚至建立可長期經營的個人品牌？（對，我就是趁機推銷順便蹭熱度的） 如果你也在這個產業或準備踏入，其實有一條比你想像中更穩定、更適合長久經營的道路，我將試著用我的經驗讓你們少走一些彎路，把握成人自媒體經營的黃金期。 之後我會和@bunnybrownie36 @ChiBB1214 一起開一個完整的教學內容，把這些方法整理給真正想做的人們🫡

今天值得關注的消息之一，是美國國防部助理部長、中亞洲和中國台灣蒙古辦公室主任，對張又俠回憶，提到幾個重要信息： 1、2012年，張又俠和國防部長梁光烈訪美，表達的和其他那些酒囊飯袋的中共軍官不一樣，顯得有經驗、有能力、有魄力，深得中共參謀和美方喜歡； 2、2023年9月，習近平就在調查張又俠和張升民，張又俠一度岌岌可危； 3、2023年10月底，《南華早報》中國軍事記者陳敏莉前往北京採訪第10屆香山論壇，失蹤。 4、作者擔心，沒有了張又俠，中共犯台的危險大增，因為沒有人敢說真話 文章全文如下：《張又俠的倒台格外令人震撼》 Drew Thompson 2026年1月26日 這篇貼文不同於我之前的分析總結、文章連結或訪談。這次是個人感受。 週六宣布中央軍委副主席張又俠正接受調查、很可能已被拘留的消息，讓我真正感到震驚和意外。我本不該意外。自習近平2012年上台以來，已有數百名解放軍高級將領被調查、拘留甚至判刑。 腐敗在解放軍中根深蒂固，這給習近平提供了永恆且通用的反腐工具，用來清除他認為政治上不可靠的軍官。自2023年起我就聽到有關他的調查傳聞，但我總是假設、甚至希望他能逃過習近平無休止的清洗。張又俠曾負責解放軍裝備採購五年，那涉及巨額預算和可想而知的巨額回扣。據報導，解放軍軍官需向上級「買官」，價格因職位等級和潛在獲利能力而異。他的前任和繼任者都因腐敗被懲處。 我曾評估，張又俠的作戰經驗、自信、智慧，以及終身捍衛中國和共產黨的承諾，應該能保護他。我以為他與習近平的終身關係是他的保險。他們的父親還是朋友。我以為，憑藉他的能力和與習的關係，一些財務不當行為會被忽略。 主要的是，我希望他能挺過清洗，因為我喜歡他。 2012年5月，張又俠隨時任國防部長梁光烈上將率領的代表團訪美一周，由當時的美國國防部長萊昂·帕內塔接待。當時張又俠是瀋陽軍區司令員，代表團中有十多位將軍。我當時在國防部長辦公室擔任中國、台灣、蒙古事務主任，負責規劃和組織這次訪美行程。我全程陪同，包括在五角大樓的會議，以及東海岸和西海岸軍事基地的參觀。 在那次行程中，我認識了張又俠，我也喜歡他。 （照片說明：照片中有一些傳奇人物——戴夫·斯蒂爾韋爾，當時的北京國防武官（後來從空軍退役後成為助理國務卿）；彼得·拉沃伊，國防部助理部長首席副手；吉姆·米勒，國防部政策副部長；帕內塔部長，以及已故的副國防部長阿什·卡特。我不記得那次會議美方翻譯的名字。張又俠坐在梁光烈部長右邊，鏡頭外。梁部長左邊是解放軍最能幹的參謀之一、英語翻譯謝康敏少校（當時）。我在後面或走廊。細心的觀察者會注意到，卡特副部長帶了一個有密級封面的文件夾進會議室。別問我為什麼。） 張又俠與我遇到的多數解放軍將領不同。解放軍本質上是政治組織——它是共產黨的武裝翼，而不是宣誓保衛憲法或國家的國家軍隊。軍官的仕途主要取決於政治可靠度和人際關係。忠誠與意識形態比作戰能力更重要。批判性思維和獨立思考在解放軍中可能成為負擔而非資產。這是解放軍的文化。毛時代的階級鬥爭塑造了社會和軍隊，所以軍官多來自工農家庭，受教育程度低，很多人甚至文盲。這種遺留影響至今猶存。我遇到過許多教育程度不高的解放軍高級軍官。他們可能聰明，但從強烈的口音、詞彙和談話內容就能看出，他們既不具備知識分子氣質，也不世故。有些高級軍官能長篇大論背誦黨的路線，但除此之外說不出什麼。 張又俠很突出。他親歷過戰鬥，也因此謙卑。他受過教育、有知識分子氣質、直覺敏銳。他看到展示的東西，就能理解其重要性和價值，也大概明白我們為什麼向他展示。 多年來，我與對口的年輕解放軍參謀密切合作，他們負責對美交流。我們在華盛頓和北京無數次會議中建立起關係，包括類似張又俠參與的代表團行程。五角大樓中國事務組與解放軍總部美洲事務組之間有健康的相互尊重。負責陪同代表團的參謀當然有自己與將領的關係。令我著迷的是他們如何回應和支持自家高層。有些將領需要人哄、餵食、大量奉承，那些人通常在討論中沒什麼實質內容。他們的參謀為他們服務，但我看得出他們對那些將領不太尊重。我總猜那些軍官是買來的職位，並證明了彼得原理。 張又俠不同。他周身散發著能力的光環。其他解放軍將領和參謀都看得出來，也因此尊重他。他進房間時，他們站得更快、更直。他們給他最好的表現。不僅因為他是少數仍存活的1979年中越戰爭參戰者（而且那場戰爭輸了），也不僅因為他與習近平幼稚園就認識，而是他確實有那種氣場。 那週，張又俠比代表團中任何其他解放軍將領都更願意和我交談。他好奇、深思、尊重他人，極富同理心。他不像某些高級軍官那樣害怕或無法與外國人交流。（也許我的中文太爛，他們不願聽。）他對自己的參謀也很尊重，我想他對我也是同樣態度。他願意和我聊天讓我印象深刻，因為這很不尋常。 參觀本寧堡時，張又俠變得非常興奮。我們提供了靜態展示一些武器系統的機會，以及試射幾種的機會。許多解放軍軍官主要從事行政和政治工作，而不是作戰。很多人從未開過槍，在射擊場上會猶豫是否與士官交流。張又俠不然。他迫不及待要試射機槍。他認真觀察所有靜態展示，向解說員提出關於美國技術和作戰理念的好問題（放心，全都是非密級的！）很多將軍不知道該問什麼，因為參謀沒提前給他們準備問題。看張又俠參觀軍事基地、吸收所見所聞，顯露出他遠超同儕的智慧。 （照片說明：張又俠迫不及待試射M240機槍。（我直接選了.50口徑！）他非常享受這次「武器體驗」。這些是我在喬治亞州本寧堡拍的私人照片。我給了他拷貝。） 出於美中軍事關係穩定和台海穩定的考量，我希望張又俠能留在中央軍委高層，繼續做習近平最親近的軍事顧問。我認為他是現役解放軍軍官中唯一能給習近平提供最客觀建議的人，包括解放軍的實際能力及其短板，尤其是軍事衝突的人命代價。他能客觀評估美國和台灣的軍事能力，向習近平解釋攻台行動的軍事風險和代價。一個沒有作戰經驗的馬屁精只能告訴習近平想聽的話。張又俠的智慧、經驗和與習的關係，讓誠實與客觀成為可能，這使他成為解放軍將領中的例外。 （照片說明：張又俠在照片邊緣，仔細觀察展示系統，而梁光烈將軍看著解說員。我當時旅行和開會一週後很疲憊，眼紅眼袋明顯。我在這張照片裡有點生氣，因為隨團的一名解放軍武官剛做了件小壞事但無傷大雅，所以我擺出威懾臉，警告他別再犯。你得設下界限。） 要讓美國的威懾戰略有效，我們需要習近平身邊有能提供客觀建議的稱職將領。目前中央軍委僅剩的政治委員出身的張升民將軍。撇開習近平透過「一人委員會」指揮百萬大軍的治理與運作風險不談，我擔心由其他人而非張又俠向習近平提供軍事建議的後果。 沒有張又俠在中央軍委，誤判風險會上升。 我大半輩子都在從事某種形式的美中關係工作，這讓張又俠被調查並很可能被拘留的消息，對我而言成為個人失望。 對張又俠倒台的個人感受還有另一層。 2023年10月，南華早報記者陳敏莉（Minnie Chan）赴北京參加香山論壇時失蹤。她當時正在調查張又俠和張升民被調查的傳聞。 眾所周知，她和我經常聯繫。她很多關於解放軍的報導都引用了我，提供我對她研究議題的分析評估。她也是朋友。她對解放軍的了解不輸任何局外人，我們能整天交換情報。我通常從她那裡學到的比她從我這裡的多。我們有時通電話，有時發簡訊。她失蹤後不久，她發給我的簡訊幾乎全被刪除，只剩一條。我不知道是她自己刪的，還是控制她手機的人刪的。 她失蹤前一個月，我們討論張又俠和張升民是否被調查。她很確定。2023年9月我問：「你認為張又俠和張升民有麻煩，正在被調查嗎？」她簡短回覆：「Yes」。 那條唯一的「Yes」是整串簡訊中唯一沒被刪除的。 我不知道敏莉為何被拘留至今。她在大陸有很多消息來源和聯繫，報導過很多題材，所以我不確定2023年調查張又俠和張升民是否是她被失蹤的原因。 我的希望是，既然張又俠的調查已公開，敏莉能被釋放，回到寫出優質報導的工作，提供準確、真實的中國軍事與國防戰略視角，讓我們更好地理解中國，降低誤判風險。 我擔心她已被遺忘。 我想我的朋友們回來。 （照片說明：2012年5月，張又俠在北卡羅來納州勒瓊營檢視一輛MRAP。我身邊是三位我非常尊敬的解放軍軍官。從左到右：李繼少將，解放軍外事辦公室副主任；徐南峰少將，駐華盛頓國防武官；當時的黃學平大校，外事辦公室美洲處長。）

财报透视：WST 暴涨 14%，揭示医药供应链的“AI 加速”逻辑 在刚刚发布的 2026 财年第一季度财报中，West Pharmaceutical Services (WST) 以超越市场预期 27% 的盈利表现震惊了华尔街。作为制药行业的“包装收费站”，WST 的这份财报远不止数字增长那么简单，它实质上是生物医药行业进入“商业化收割期”的强烈信号。 核心亮点：GLP-1 引发的结构性红利 WST 本季营收达 8.449 亿美元，同比增长 21%。其爆发力主要源于： 重磅药物放量： 以 GLP-1（减肥/糖尿病药物）为首的注射剂需求激增，直接带动了高价值（HVP）包装组件和自助注射设备的订单。 产能释放： 欧洲生产线爬坡效率超预期，成功承接了下游药企全球扩产的订单压力。 利润结构优化： 随着复杂药物占比提升，运营利润率从 15.3% 跃升至 21%，体现了极强的议价权。 深度解读：AI 究竟在其中扮演什么角色？ 虽然 WST 是一家物理制造企业，但其业绩弹性本质上是 “AI + 医疗” 效率红利的终端体现： 从“出药率”到“上市率”： AI 通过蛋白质折叠预测和模拟筛选，显著提高了新药研发的成功率。这意味着更多高价值、复杂的生物药剂（如多肽药物）走出了实验室，进入了 WST 的包装流水线。 全产业链提速： AI 不仅加速了药物发现，还通过优化临床设计和申报流程，压缩了新药从获批到大规模上市的时间窗。WST 订单的“陡峭”增长，正是这种行业节奏变快的物理映射。 交付方式的智能化： 为了延长专利期和提升合规性，药企正加速将传统剂型转化为智能交付设备。AI 驱动的数字医疗趋势，正让 WST 的产品从“耗材”变成“精密系统”。 策略思考 对于宏观投资者而言，WST 的表现是一个明确的信号：AI 对医药行业的改变已不再停留于研发端的叙事，而是开始转化为供应链上的实打实订单。 当市场还在争论 AI 算力时，医药供应链中的“核心收费站”已经开始享受 AI 带来的商业化加速红利。只要新药上市的节奏持续被技术手段压缩，这类掌握精密交付关卡的公司，将持续展现出超越周期的确定性。 免责声明：本人观点十分主观，非投资建议dyor

Demis Hassabis 达沃斯访谈：比工业革命大 100 倍的变革 视频地址： 2026 年 1 月，达沃斯世界经济论坛期间，Bloomberg 主持人 Emily Chang 采访了 Google DeepMind CEO Demis Hassabis。这位诺贝尔奖得主用“每周 100 小时、每年 50 周”描述自己过去几年的工作状态，并给出了一个惊人的判断：AI 带来的变革将是工业革命的 10 倍规模、10 倍速度。 这场访谈覆盖了 AI 领域几乎所有热门议题：AGI 时间线、中国竞争、机器人突破、就业冲击、是否应该暂停，以及后稀缺世界的哲学困境。以下是访谈的完整整理。 --- 【1】Google 的势头回归 Emily Chang 开门见山：Gemini 3 发布了，据说 OpenAI 内部宣布了“code red”——Google 是不是找回了状态？ 【编者注】Gemini 3 Pro 于 2025 年 11 月 18 日发布，是 Google 迄今最强的 AI 模型，在推理、多模态理解和编程能力上均有显著提升。12 月 17 日，Google 又推出了更快更便宜的 Gemini 3 Flash，直接替换 Gemini app 的默认模型。这一系列发布引发了 OpenAI 内部的紧张反应——三年前 ChatGPT 发布时，Google 内部也曾宣布过类似的“code red”。 Hassabis 回应说，过去一年确实是“非常艰苦的一年”，团队付出了巨大努力让模型重新回到最前沿。他特别提到 Gemini 3 和图像生成模型 Imagen 的表现让他们“非常满意”。 “我们也适应了这个新世界——快速发布，把创业公司的能量带到我们所做的事情中。” 当被问到外界是否低估了 Google 时，Hassabis 说他不确定，但 Google 一直具备所有必要的条件。“过去十年，Google 和 DeepMind 加在一起，发明了现代 AI 行业所依赖的大约 90% 的突破性技术。”他列举了 Transformer、AlphaGo、深度强化学习等例子。 “我们有这些不可思议的产品触达数十亿用户——从搜索到邮箱到 Chrome——它们天然适合 AI。只是需要把这一切组织到一起。我们在过去几年做到了，虽然还有很多工作要做，但已经开始看到成果了。” --- 【2】全栈优势能维持多久？ Emily Chang 追问：如果你认为自己有优势，这个优势有多大？能维持多久？ Hassabis 的回答很直接：一切从研究开始。模型的前沿水平是最重要的，这是 Google 和 DeepMind 合并后首先聚焦的方向。 “我认为我们是唯一拥有完整技术栈的组织——从 TPU 和硬件、数据中心、云业务、前沿实验室，到所有这些天然适合 AI 的产品。从第一性原理来看，我们理应做得非常好。而且我认为未来还有很大的提升空间。” --- 【3】AI CEO 的日常：凌晨 1 点到 4 点的深度思考 Emily Chang 说她读到 Hassabis 大部分深度思考都发生在凌晨 1 点到 4 点之间。他确认了这一点。 “你有没有感到舒服过？”她问。 “从来没有。”Hassabis 说，“过去三四年一直是难以置信的高强度。每周 100 小时，每年 50 周，这就是常态。” 他认为这是处于“科技史上可能最激烈的竞争”前沿所必需的。“商业上、科学上，再加上所有关于 AGI 的兴奋……用 AI 加速科学发现一直是我的热情所在。这是我毕生的梦想，我为此工作了一辈子。很难入睡，因为有太多工作要做，同时又有太多激动人心的事情要探索和推进。” --- 【4】机器人：突破时刻还需要 18-24 个月 Emily Chang 提到 Gemini 已经被集成到人形机器人中，问物理世界的“AlphaFold 时刻”是否已经到来。 【编者注】2026 年 1 月 5 日，在 CES 展会上，Boston Dynamics、Google DeepMind 和 Hyundai 宣布了一项重大合作。Boston Dynamics 将把 DeepMind 的 Gemini Robotics 基础模型整合到其 Atlas 人形机器人中，首先应用于 Hyundai 的汽车制造工厂。这是 Google 2013 年收购又于 2017 年出售 Boston Dynamics 之后，双方的首次重要合作。 Hassabis 说他过去一年花了大量时间仔细研究机器人领域。“我确实认为我们正处于物理智能突破的临界点。但我仍然认为还需要大约 18 个月到 2 年的时间，需要做更多研究。” 他解释说，Gemini 从一开始就被设计成多模态的，能够理解物理世界，原因之一是可以构建一个存在于眼镜或手机上的通用助手，理解你周围的世界；另一个用途就是机器人。 “那么物理世界的突破时刻会是什么样子？我认为是机器人能够可靠地在现实世界中完成有用的任务。” 他列举了几个阻碍因素。首先是算法还不够稳健，需要比 LLM 更少的数据就能工作。其次，也是让 Hassabis 感触最深的，是硬件问题——特别是机械手。 “当你仔细研究机器人时，你会对人类的手产生一种全新的敬畏。进化设计得太精妙了。要匹配人手的可靠性、力量和灵巧性是非常困难的。” 他提到了与 Boston Dynamics 和 Hyundai 的合作，将在汽车制造领域进行原型测试。“一两年后，我们可能会有一些真正令人印象深刻的展示，然后可以规模化部署。” --- 【5】中国与 DeepSeek：西方反应过度了 Emily Chang 说，一年前 DeepSeek 的出现对西方来说似乎是灾难性的，但现在中国似乎安静了下来。Hassabis 对中国竞争的看法有变化吗？ Hassabis 的回答很坦率：“没有。我一开始就不认为那是灾难性的。我认为西方的反应是大规模过度反应（massive overreaction）。” 他承认 DeepSeek 展示了中国公司的能力，但认为一些说法被夸大了。“关于他们使用的计算量非常少之类的说法被过度夸大了，因为他们依赖了一些西方模型，也在一些领先西方模型的输出上做了微调。所以这不是从零开始的。” 他认为字节跳动可能是中国最有能力的 AI 公司，“可能只落后 6 个月，而不是一两年。” 但 Hassabis 提出了一个关键问题：“到目前为止，中国公司能否超越前沿进行创新，这还有待观察。他们非常擅长追赶前沿，越来越有能力，但我认为他们还没有展示出能够超越前沿进行创新的能力。” --- 【6】AGI 时间线：2030 年 50% 概率，但标准比别人高 Emily Chang 说 Hassabis 帮助定义了 AGI，并且曾表示 2030 年之前有 50% 的概率实现。这个时间线还成立吗？ “是的。”他说。 “AGI 对你来说还是一个有用的目标吗？” Hassabis 说是的，虽然他的时间线比一些同行更长，但那是因为他的标准更高。“我说的是一个系统能够展现人类拥有的所有认知能力。我认为我们距离那还很远。” 他举了科学创造力的例子：“不只是解决一个猜想或科学问题，而是能够首先提出假设或问题。任何科学家都知道，找到正确的问题往往比找到答案困难得多。” 他明确表示当前系统“肯定还不具备这种能力”，未来会有，但不清楚还需要什么。 他还提到了“持续学习”（continual learning）——系统需要能够在线学习，超越它们被训练的内容，在现实世界中即时学习。“在我看来，还有相当多的关键能力是缺失的。” --- 【7】AI 对就业的影响：比 Dario Amodei 乐观，但承认冲击终将到来 Emily Chang 提到 Anthropic CEO Dario Amodei 当天早些时候在达沃斯说 AI 可能在 5 年内消灭 50% 的入门级白领工作。Hassabis 同意吗？ 【编者注】Dario Amodei 在 2025 年 5 月接受 Axios 采访时首次提出这一预测，随后在 60 Minutes 等多个场合重申。他表示 AI 可能导致失业率飙升至 10-20%，并呼吁政府和 AI 公司停止“粉饰”这一风险。 Hassabis 的回答明显更保守：“我的时间线会长得多。” 他承认今年可能会开始看到一些迹象，比如入门级工作或实习的变化，但要实现真正的任务 Agent，需要解决当前 AI 的不一致性问题。 “我称之为‘参差不齐的智能’（jagged intelligence）。当前系统在某些事情上非常好，在其他事情上非常差。如果你想把整个任务委托给一个 agent，而不是像今天这样只是辅助程序，你需要全面的一致性。” 他给出了一个精辟的比喻：“如果它只在 95% 的任务上表现好是不够的。你需要它在整个任务上都表现好，才能真正做到‘发射后不管’。” 但他也承认，这种颠覆终将到来。“在极限情况下，有了 AGI，我认为那会改变整个经济，远远超出就业问题。” 他描绘了一个后稀缺世界的愿景：如果我们正确地构建它，我们将处于一个解决了一些世界根本问题的世界——比如能源。“如果我们用 AI 的帮助解决了聚变之类的问题，新材料……我认为在 AGI 之后 5 到 10 年，我们将处于一个极度富足的世界。那时经济和社会会是什么样子？” --- 【8】转型期的焦虑：10 倍规模、10 倍速度 Emily Chang 说，在到达后稀缺世界之前——如果能到达的话——人们对中间发生的事情有很多焦虑。她提到自己是一位母亲，知道 Hassabis 也有孩子。“你最担心他们什么？你和他们谈些什么？” Hassabis 承认这将是一个颠覆的时代，“就像工业革命一样。也许是 10 倍于工业革命，而且快 10 倍。” Emily Chang 迅速接话：“100 倍。” “是的，100 倍。”Hassabis 说，“但我也是人类创造力的坚定信仰者。我们极其适应性强，因为我们的心智是如此通用。你看看我们周围的现代世界——我们狩猎采集者的心智成功建造了现代文明。” 他认为人类会再次适应，但这次的独特之处在于速度。“通常这样的转变需要一到两代人，但这次的速度和变革的规模都是前所未有的。” 对于年轻人，他的建议是：“我会鼓励他们精通这些新工具，成为这些工具的原生用户。这几乎相当于给他们超能力。” 他以创意艺术为例：“你可能能够做到过去需要 10 个人才能完成的工作。如果你有创业精神，在游戏设计、电影、项目方面有创意，你可能比过去更容易进入这些行业。” --- 【9】是否应该暂停？理想与现实 Emily Chang 问：一些人主张暂停，给监管时间赶上，给社会时间适应。在一个完美的世界里，如果所有公司和国家都暂停，Hassabis 会支持吗？ “我想是的。”他说。 他提到这一直是他的梦想。“当我 15 年前创立 DeepMind、25 年前开始从事 AI 工作时，我的路线图是：当我们接近 AGI 这个门槛时刻时，我们可能会以科学的方式合作。” 他描述了一个“AI 版 CERN”的愿景：世界上最优秀的人才聚集在一起，以非常严谨的科学方式完成最后的步骤。“不只是技术专家，还包括哲学家、社会科学家、经济学家，共同思考我们想从这项技术中得到什么，如何以造福全人类的方式利用它。” 【编者注】CERN（欧洲核子研究中心）是全球最大的粒子物理学实验室，由 23 个成员国共同运营，是国际科学合作的典范。 但他话锋一转：“不幸的是，这需要国际合作。即使一家公司、一个国家，甚至整个西方决定这样做，除非全世界至少在一些最低标准上达成一致，否则没有用。而现在国际合作有点棘手。” Emily Chang 追问：如果 AGI 在 2030 年到来，而监管还没有到位，我们是否注定会遇到困难？ Hassabis 说他仍然乐观，希望足够多的领先参与者能够沟通并合作，至少在安全和安保协议上。“我们已经与 Anthropic 等公司在这些方面进行了相当密切的合作。” 当被问到是否愿意与 Sam Altman 合作时，Hassabis 说：“可能吧。我和几乎所有领先实验室的领导者关系都相当好。如果风险足够高——我认为每个人在未来 2 到 3 年会更清楚地认识到风险和代价。” --- 【10】Transformer 是死胡同吗？Hassabis 不同意 Emily Chang 提到 Yann LeCun 说他不认为 Transformer 和 LLM 单独能让我们达到 AGI。 【编者注】Yann LeCun 是图灵奖得主、Meta 前首席 AI 科学家。他在 2025 年 11 月离开 Meta，创立了一家专注于“世界模型”的新公司。他多次公开称 LLM 是通向人类级智能的“死胡同”，认为它们缺乏对物理世界的理解、缺乏常识和因果关系。 Hassabis 明确表示不同意：“我不同意它们是死胡同，我认为那显然是错的——它们已经如此有用了。” 但他也承认这是一个经验性问题。“我认为有 50% 的概率，仅仅扩展现有方法加上一些调整就足够了。可能足够。” 他认为无论如何都值得这样做，因为即使需要其他东西，“这些 LLM 也将是最终 AGI 系统的一个极其重要的组件。唯一的问题是：它是唯一的组件吗？” 他估计可能还需要一到五个突破，“可能是世界模型——这是 Yann 谈到的，我们也在研究这个，事实上我们拥有目前最好的世界模型 Genie，我直接参与了那个项目，我认为它非常重要。” 【编者注】Genie 是 DeepMind 开发的“世界模型”系列。2025 年 8 月发布的 Genie 3 可以根据文本提示生成可交互的 3D 环境，被 DeepMind 视为通向 AGI 的重要阶梯，并被 TIME 杂志评为 2025 年最佳发明之一。 他还提到了持续学习、系统一致性、更好的推理和长期规划等仍然缺失的能力。“从 Google DeepMind 的角度来看，我们在两个方向上都在全力推进——既发明新事物，也扩展现有事物。” --- 【11】“我们从未离开研究时代” Emily Chang 提到 Ilya Sutskever 说“通过扩展和做更大模型来获得改进的时代几乎结束了”。 【编者注】Ilya Sutskever 是 OpenAI 联合创始人，于 2024 年离开后创立了 Safe Superintelligence Inc. (SSI)。2025 年 11 月在 Dwarkesh Patel 的播客中，他表示 2012-2020 年是“研究时代”，2020-2025 年是“扩展时代”，现在“又回到了研究时代”。 Hassabis 的回应很有意思：“不，我不同意。他的原话是‘我们又回到了研究时代’。我爱 Ilya，我们是很好的朋友，在很多事情上看法一致，但我的观点是——我们从未离开研究时代。” 他强调 DeepMind 一直在投资研究，拥有“最深厚、最广泛的研究储备”。“如果你看过去十年，Google 和 DeepMind 加在一起发明了大约 90% 的突破性技术——当然最著名的是 Transformer，还有深度强化学习、AlphaGo 等。如果未来需要新的突破，我会押注我们，就像过去一样，会是做出那些突破的人。” --- 【12】奇点来了吗？“太早了” Emily Chang 最后一个“同意还是不同意”的问题：Elon Musk 说我们已经进入了奇点。 【编者注】2025 年底至 2026 年初，Elon Musk 在 X 平台上多次发帖称“我们已经进入了奇点”和“2026 年是奇点之年”，引发广泛讨论。他回应的是 Midjourney 创始人 David Holz 关于 AI 工具让他在圣诞假期完成了比过去十年更多编程项目的帖子。 “不，我不同意。我认为那非常过早。”Hassabis 说，“奇点是完全 AGI 到来的另一种说法，我之前解释了为什么我认为我们离那还很远。” 他承认即使 5 年也不算长，但“我认为在我们拥有任何看起来像奇点的东西之前，还有很多工作要做。” --- 【13】Google 的文化与创始人的参与 Emily Chang 问到 Google 内部现在的文化，以及 Larry Page 和 Sergey Brin 的参与程度。 Hassabis 说两位创始人都非常投入。“Larry 更多在战略层面，你会在董事会议上见到他。Sergey 更亲力亲为，参与 Gemini 团队的编码，更多涉及算法细节。” 他说这是一个“对计算机科学来说绝对不可思议的时刻”，科学上、人类历史上都是如此。“当然每个人都想亲身参与其中。” 他描述了自己试图结合多种优势：创业公司快速发布和冒险的能量，大公司的资源，以及长期和探索性研究的空间。“我认为过去一年进展顺利，我们还能做得更好，今年会做得更好。我认为我们的进步轨迹是业内最陡峭的。” --- 【14】为什么应该信任 Google？ Emily Chang 说所有这些公司都在要求我们信任他们，特别是如果监管跟不上技术的话。她直接问：为什么我们应该信任你们？为什么 Google 是最值得信任的地方？ Hassabis 说需要通过行动来判断这些公司，也要看领导者的动机。 “我选择 Google 作为 DeepMind 的归宿有几个原因。主要原因是 Google 的创始人和他们建立 Google 的方式——作为一家科学公司。很多人忘了 Google 本身是 Larry 和 Sergey 的 PhD 项目。所以我对他们感到一种直接的亲近感。” 他还提到了 Google 董事会的构成。“主席 John Hennessy 是图灵奖得主，Frances Arnold 是另一位诺贝尔奖得主。这些在企业董事会中是非常罕见的人物。” 【编者注】John Hennessy 是斯坦福大学前校长，因 RISC 架构获得 2017 年图灵奖。Frances Arnold 因定向进化研究获得 2018 年诺贝尔化学奖。 他说这种科学和研究主导的文化意味着“在最高水平做科学意味着真正严谨、深思熟虑，并在任何可能的地方应用科学方法。不只是对技术，也是对你作为一个组织的运营方式。” 最后他提到 Google 的使命。“‘组织世界的信息’——我认为这是一个非常崇高的目标。它与 DeepMind 的使命‘解决智能，然后用它解决一切其他问题’非常契合。这两个使命天然配合——AI 和组织世界的信息天然相关。” --- 【15】后稀缺世界：比经济更担心的是“意义” Emily Chang 问：后稀缺世界，人们不再有工作。Hassabis 在实现所有技术目标后打算做什么？ “我想用它来探索物理学的极限。这是我在学校时最喜欢的科目——那些大问题。现实的本质是什么？意识的本质是什么？费米悖论的答案？时间是什么？引力是什么？” 他说了一句令人印象深刻的话：“我惊讶于更多人不去思考这些巨大的问题。我们只是日复一日地生活，而这些深刻的谜题几乎在向我尖叫——答案是什么？” 他希望用 AI 探索所有这些问题，“也许还有星际旅行，借助新能源和 AI 解锁的材料。” Emily Chang 问：如果我们没有工作，我们还会有意义和目的吗？ Hassabis 回答道：“老实说，这是我比经济问题更担心的事情。我认为经济几乎是一个政治问题——当我们获得所有这些额外的收益和生产力时，我们能否确保它为每个人的利益而分享？我相信这是可以做到的。” “但比这更大的问题是：我们很多人从工作和科学事业中获得的目的和意义，在新世界中我们将如何找到？” 他说我们需要“一些新的伟大哲学家”来帮助思考这个问题。“也许我们会在艺术和探索上变得更加精致，还有极限运动之类的。今天我们做很多不只是为了经济利益的事情，也许未来我们会有这些事情的非常高深的版本。” --- 【16】给年轻人和企业家的建议 Emily Chang 最后问：房间里的每个人都在想他们应该做什么。10 年后，人们关于 AI 最大的错误会是什么？ Hassabis 给出了两条建议。 第一条是给年轻一代的：“我们唯一确定的是会有大量的变化。所以在学习技能方面，要准备好‘学会学习’——这是最重要的事情。你能多快适应新情况，用我们拥有的工具吸收新信息。” 第二条是给商业领袖的：“现在有很多领先模型和服务提供商，还会有更多。选择那些你认为正在以正确方式行事的合作伙伴。与那些正在推动变革、以你希望看到的方式对待这项技术的人合作。” 他总结说：“我认为我们可以一起构建那个未来——随着 AI 的到来，一个我们都想要的未来。” --- 【写在最后】 这场访谈中，Hassabis 展现了一种独特的气质：既是最前沿竞争的参与者，又试图保持长线思考的清醒。 他与几位同行的分歧值得注意：比 Dario Amodei 更保守地估计就业冲击，比 Elon Musk 更审慎地看待奇点，比 Ilya Sutskever 更相信 scaling 仍有价值，比 Yann LeCun 更认可 Transformer 的未来。 但他们有一个共识：无论 AGI 是 2030 年还是更早到来，我们可能都没有准备好。Hassabis 想要的“AI 版 CERN”需要国际合作，而他自己也承认“现在国际合作有点棘手”。 最后一个细节让我印象深刻。当被问到后稀缺世界的愿景时，这位每周工作 100 小时的 CEO 说他最想做的事情是思考“时间是什么？引力是什么？”——那些“几乎在向我尖叫”的宇宙深层谜题。 也许这就是为什么他能在“科技史上最激烈的竞争”中保持某种平静：对他来说，AGI 不是终点，而是探索更大问题的起点。

老黄站在 CES 2026 的舞台上，身后的屏幕突然黑了。“所有系统都挂了，”他笑着说，“这在圣克拉拉从来不会发生。是因为拉斯维加斯吗？外面是不是有人中了头奖？” 这个小插曲倒是个不错的隐喻：2025 年的 AI 行业，就像一台马力全开但偶尔冒烟的机器。所有人都在全速狂奔，所有系统都在满负荷运转。 老黄在 CES 上说，每隔十来年，计算行业就要来一次大洗牌。从大型机到 PC，从 PC 到互联网，从互联网到云，从云到移动端。 这一次不太一样，地震是双重的。不仅应用要建在 AI 之上，连我们写软件的方式本身都变了。 “我们不再编程软件，我们训练软件。不再跑在 CPU 上，而是 GPU 上。”过去的应用是预编译好的，装在你设备上就那样了。现在呢？应用理解你的上下文，每次从零开始，实时生成每个像素、每个 token。 这意味着过去十年砸下去的十万亿美元计算基础设施，都要升级换代。老黄算了一笔账：全球百万亿美元产值的产业，研发预算正在从传统方法向 AI 方法迁移。风投每年两千亿美元涌入这个领域。这就是为什么大家都这么忙。 【1】2025，大模型的三个拐点 老黄回顾了 2025 年 AI 领域的几个关键进展。 第一个是推理模型的出现。2024 年底 OpenAI 发布 o1，第一次让 AI 学会了“思考”。以前的模型是一口气给你答案，对就对，错就错。现在的推理模型会停下来想一想，把问题拆开，一步步推演。想得越久，答案往往越靠谱。老黄管这叫“test-time scaling”，也就是用更多的推理时间换更高的回答质量。 第二个是 Agentic 系统的爆发。AI 不再只是回答问题，而是开始“做事”了。它会自己规划步骤，调用工具，查资料，写代码，甚至操控其他 AI。2025 年，这类系统从实验室走向了真实应用。 第三个是开源模型的崛起。DeepSeek R1 的发布像一颗炸弹，证明了开源模型也能达到前沿水平。虽然还落后闭源模型大约六个月，但下载量已经爆炸式增长。创业公司、研究者、学生、甚至各国政府，都开始用开源模型构建自己的 AI 能力。 这三个突破并非孤立存在。推理能力让 Agent 更聪明，开源模型让 Agent 更容易构建。它们相互催化，共同把 AI 推向了一个新阶段。 【2】Agentic AI：从“能聊天”到“能干活” 三个突破里，Agentic AI 可能是离普通人最近、又最容易被误解的一个。 先说一个直观的例子。老黄提到，英伟达内部现在大量使用 Cursor 编程工具。这不是普通的代码补全，而是一个真正的 AI Agent，你告诉它想实现什么功能，它会自己规划怎么写，查阅文档，生成代码，测试，修 bug，甚至重构。程序员的角色从“写代码的人”变成了“审代码的人”。 这就是 Agentic AI 的本质：AI 从被动回答问题，变成主动完成任务。 ChatGPT 刚出来的时候，最大的槽点是“幻觉”，它会一本正经地胡说八道。因为它只能依赖训练时学到的知识，没法获取新信息，但它又被要求有问必答，所以不得不胡编乱造。你问它今天的天气，它只能编一个。 Agentic 系统解决这个问题的方式很简单：让 AI 学会“查资料”自己补充上下文。遇到不确定的问题，它会先判断“我需不需要去查一下”，然后真的去搜索、去阅读、去核实。这个判断本身就需要推理能力，所以第一个突破（推理模型）是第二个突破（Agentic 系统）的基础。 但 Agentic AI 的能力远不止于此。 【3】Agent 的四种超能力 老黄在演讲中描绘了一个完整的 Agent 能力图谱。我把它总结为四种超能力： 第一，会推理。遇到从没见过的问题，Agent 不会直接说“我不会”。它会把陌生问题拆解成一堆熟悉的小问题，然后逐个击破。就像一个聪明的实习生，虽然没做过这个项目，但能把它分解成自己会的步骤。 第二，会用工具。Agent 可以调用搜索引擎、计算器、代码解释器、数据库，甚至其他 AI 模型。它知道什么时候该用什么工具，就像一个老练的工匠，手边有一整套工具，可以随手选最趁手的那个。 第三，会规划。面对复杂任务，Agent 会先想好怎么做，制定计划，预判可能的结果，然后一步步执行。不是闷头往前冲，而是“三思而后行”。 第四，会协作。这是老黄特别强调的一点：现代 Agent 系统往往是多个模型并存的。一个 Agent 可能同时调用好几个 AI：用专门的模型处理图片，用另一个模型写代码，用第三个模型做总结。就像一个项目经理，知道每个专家擅长什么，然后把任务分配给最合适的人。 他特别提到 Perplexity 的做法让他眼前一亮：“第一次看到他们同时用多个模型，我觉得这太天才了。”道理很简单：一个 AI 当然应该在推理链的任何环节调用最适合那个任务的模型。 所以未来的 AI 应用是什么样的？多模态（理解语音、图像、文字、视频、3D）、多模型（不同任务用不同模型）、多云（模型分布在各个云上）、混合云（有些在边缘、有些在企业、有些在云端）。 【4】一个 Agent 是怎么工作的？ NVIDIA 为此搞了一套叫“Blueprint”的框架。演讲中展示了一个演示：一个小哥用 DGX Spark 搭了个个人助手，能管邮件、日历、待办事项，还能控制一个小机器人。隐私敏感的邮件任务用本地模型，其他用 frontier 模型，中间用一个意图路由器自动分配。 听起来像科幻片，但搭建过程出奇简单。 首先，接入一个前沿大模型的 API 作为“大脑”。然后，为每个功能创建一个“工具”：邮件工具、日历工具、摄像头工具。接着，因为邮件涉及隐私，开发者加了一个本地运行的开源模型专门处理邮件，数据不出本机。最后，加一个“智能路由器”，根据用户的意图自动决定用哪个模型处理。 结果呢？用户说“帮我给 Jensen 发个邮件，告诉他脚本今天能交”，Agent 就自己完成了。用户说“把这张草图变成建筑渲染图，再做个视频带我看看房间”，Agent 也搞定了。甚至当用户的朋友远程接入，问“我的猫 Potato 在干嘛”，Agent 能看摄像头、认出猫、发现它在沙发上、还记得朋友不喜欢猫上沙发、然后通过机器人喊话让猫下去。 老黄说，这一切在两年前是“完全不可想象的”。而现在，“这已经变得微不足道了”。 Agentic AI 的概念其实不新。早在 2023 年，AutoGPT 就火过一阵，号称能让 GPT 自己给自己下指令、自动完成任务。但那时候的 Agent 更像是玩具，经常跑偏、容易卡死、实用性有限。 2025 年的爆发，靠的是几个条件同时成熟： 1. 推理能力的突破。没有可靠的推理，Agent 就像一个冲动的实习生，一拍脑袋就开干，经常把事情搞砸。有了推理，Agent 才能“想清楚再做”。 2. 工具生态的完善。各种 API、各种开源模型、各种开发框架，让 Agent 能调用的“武器库”越来越丰富。 3. 多模型架构的成熟。以前大家想的是“训练一个无所不能的大模型”。现在的思路是“让一个聪明的模型学会调用专业的模型”。这大大降低了构建复杂 Agent 的门槛。 4. 开源社区的推动。老黄反复强调，开源模型让“每个公司、每个行业、每个国家”都能参与 AI 革命。你不用自己训练前沿模型，拿开源的来用就行。 【5】Agent 会取代软件吗？ 包括我在内很多人都思考一个问题：未来 Agent 会取代软件吗？交互形式是什么样的？ 老黄在演讲中给出的答案是：Agent 不只是一种新应用，而是未来软件的新形态。 他说，以后你跟 Palantir、ServiceNow、Snowflake 这些企业软件打交道，界面可能不再是一堆表格和按钮。你直接跟一个 Agent 对话，告诉它你想干什么，它就帮你搞定。“就像跟人打交道一样简单。” 传统软件的交互方式：填表单、点按钮、写 SQL，本质上是在“迁就机器”。你得学会机器的语言才能让它干活。而 Agent 的交互方式是“机器迁就你”。你用自然语言说需求，Agent 自己翻译成机器能懂的操作。 当然，这不会一夜之间发生。企业软件涉及太多复杂的权限、流程、合规要求，不是换个界面就能解决的。但方向已经很清楚了。 【6】写在最后 老黄这场演讲其实还讲了物理 AI、自动驾驶、机器人、下一代芯片 Vera Rubin，我对那些关注不多就不总结了。但如果只看 AI 大模型这块，核心信息其实就一个： > AI 正在从“一个聪明的对话伙伴”变成“一个能调动资源、完成任务的系统”。推理模型给了它思考能力，Agentic 架构给了它手脚和工具箱，开放模型让所有人都能参与这场游戏。 我个人比较关注老黄在演讲中提到的 Agentic 系统将成为所有软件平台的新界面。以前你和软件交互，要点菜单、填表格、写命令行。以后你和软件交互，就像和一个懂行的同事说话。你说想干什么，它帮你干。未来的企业软件，入口可能就是一个对话框。 对于开发者来说，这是一个窗口期。开源模型已经足够强，Agentic 框架已经成熟，基础设施已经就位。剩下的就是应用层的创新。 老黄在谈到开放模型时问了一个问题：数字形式的智能，怎么可能把任何人落下？ Agentic AI 的爆发，不是每个人都能训练出最强的模型，但每个人都可以学会编排这些模型，让它们为自己干活。 这可能是最重要的变化。AI 不再只是科技巨头的游戏，它正在变成每个人都能用的工具。

突然在想，这一波山寨币 ICO 们的崩溃，也不一定是坏事。 刮骨疗毒，把这些有毒的东西割掉，才能留下有价值的商业模式。 代币发行替代 IPO，回到第一性原理，在去中介化领域是有价值的，ETH BNB HYPE 都是 ICO 的高光。 怎么让有价值的项目来代币化发行，币越来越值钱，而不是默认发币就跑路，需要大家一起思考和实验。

看到很多硕博还在"古法做科研"——文献一本本看、实验一行行写、报告一字字敲，挺心疼的。 现在学术开源生态已经很成熟：写论文有 LaTeX 智能助手，文献调研有 Deep Research 类 13 agent 流水线，引用有 claim-level 审计防止幻觉，Claude Code 里两条命令就能装好。 跑完整篇 1.5 万字论文成本 4-6 美元。 机械活交给 AI，思考留给自己。 这才是科研该有的样子——不是手工时代的延续，是 AI 时代的杠杆。

为什么大佬总是精力充沛？ 其实核心就两点：事务清零 没有性压抑 不是体力好 不是基因好 是他们关掉了大多数人24小时不停运转的后台程序 普林斯顿心理学家 Sendhil Mullainathan 做过一个经典实验 他给同一批人做智力测试 在他们有钱的时候测一次 在他们缺钱的时候再测一次 结果智商分数掉了 13 个点 不是穷让人变笨 是”凑下个月房租”这种事一直在大脑后台跑 真正用于思考的算力 被严重压缩 这个东西有个专业术语叫：认知带宽 Cognitive Bandwidth 把这个模型套到普通人身上 你会瞬间清醒 普通人每天的认知算力分配大概是这样： 30-40% 在焦虑钱够不够 房租健康 20-30% 在纠结关系 性需求 社交评价 10-15% 在被身体内耗 没睡好 没吃好 真正用来做事的 只剩15-40% 而顶级精英的算力分配是这样： 5% 基础需求（已外包给团队） 5% 关系（稳定供给） 5% 身体（专业医疗+营养+睡眠优化） 可用算力 85% 差距不是2倍 是5-10倍 这里面最被低估的耗能项 是性 数据说男性平均每天浮现34次跟性相关的念头 扣掉睡眠 大约每28分钟一次 这不是道德问题 是进化遗留 500万年的自然选择 把”寻找传递基因机会”写进了大脑的基础代码 你关不掉这个程序 它只会在两种情况下停止： 一是稳定的高质量供给——大脑判断”基因传递已确保” 二是彻底放弃——进入贤者模式延伸版 而绝大多数普通男性卡在最痛苦的中间地带 永远在搜索 永远得不到确认 这才是最大的耗能源 之前网上一直有争论： 那种事到底伤不伤身？ 科学家说不伤 营养价值还不如一颗鸡蛋 长期实践的网友说毁了他的精气神 两边都没说到根上 真正消耗你的从来不是那几克蛋白质 是欲望永远悬而未决带来的心理内耗 你以为是身体虚 其实是大脑一直在跑高耗能进程 你以为是没睡好 其实是后台五个程序都没关 你以为自己懒 其实你的CPU早就被占满了 再来看大佬的另一个秘密——认知卸载 原文说他们”事务清零” 表面是有助理 本质是把决策外包给了系统 乔布斯 一辈子穿同款黑T恤 扎克伯格 永远是灰色短袖 奥巴马 总统期间只穿蓝色或灰色西装 不是没钱讲究 是他们都懂一件事 人脑每天能做的高质量决策是有限的 心理学叫”决策疲劳” Decision Fatigue 大约90-120次之后 质量就开始崩盘 普通人每天光是”早餐吃什么 穿什么 几点起 走哪条路” 就把这个额度耗掉一半 等到真正需要做重要决策的时候 大脑早就罢工了 大佬精力充沛的核心秘诀 不是体力比你好 是把所有低价值决策交给系统 让自己只做高价值决策 更深一层的真相是 人不是被欲望本身消耗的 人是被”不确定的欲望”消耗的 实验心理学有个经典发现 让人确定”再也吃不到甜食”的痛苦 远小于”也许能吃到 也许不能”的痛苦 这就是为什么戒糖最难的不是不吃 是不知道下次什么时候能吃 按痛苦程度排序： 确定性的获取 < 确定性的没有 < 不确定的可能有 最累的从来是第三种 而这恰恰是大多数人在所有领域的常态 性如此 钱如此 爱如此 身份认同也如此 所以大佬的核心能力 不是赚到了更多 是他们系统性地消除了所有低级需求里的”不确定性” 他们让大脑相信一件事：这些都已经确定了 不用再扫描了 而普通人的大脑 睡觉前还在算这个月还差多少钱 地铁上还在猜对方为什么没回消息 洗澡时还在幻想没发生的关系 不是不努力 是CPU早就被这些后台程序吃光了 所以那些看起来精力无穷的人 不是比你强 是比你”轻” 他们卸载了你还在跑的所有后台进程 把全部算力 用来做你需要分心一百次才能完成的同一件事 这才是真正的不公平 不是金钱的差距 是认知带宽的差距 而你能做的第一步 不是去赚更多钱 是先承认你那些没被解决的需求 然后一个一个 把它们做成闭环 哪怕降低标准 哪怕放弃幻想 确定性 永远比可能性更让人自由