与「新新世界」相关的搜索结果

#新新世界# 过去几年里，中国公民越来越多地投资海外证券，尤其是美国股市。但最近几周，北京突然收紧监管，切断了民众参与全球市场的方式，试图将更多资本留在国内。当局要求几家拥有大量大陆客户的香港和新加坡券商在两年内逐步结清这些账户。有人问道：“世界上这么多人都能交易美股。为什么中国人不行？”

指数增长的特点是，一旦走上指数发展的正道，最后一年发展的增量会超过之前几十年积累的总和。这个曲线的陡峭程度远超人的直觉所可以理解。 智人存在 20万年，但文字的涌现也就大约五千多年的历史 (位于现在伊拉克的古代苏美尔人)， 这是 40 : 1 的比例。 而这五千年来真正科技突飞猛进，1840年大概是个分水岭，火车，电报，照相这些技术的商业化都是在1840年前后开始, 也就是不到 200 年。这是大概 25 : 1 的比例。 而这过去两个世纪里，全球化的迅猛发展的一个转折点是 1993年 world wide web 的涌现，也就是三十年的历史。 转折点之后的人，看转折点之前的人的生活工作状态之落后，会有一种极为惨不忍睹的感觉。 转折点之前的人们，按照自己的认知和习惯去计划未来，如果没有考虑到高科技的指数发展，最终都会被证明是荒谬的，无效的，驴唇不对马嘴的，可悲的。 如果说有什么教训可以吸取，那就是: 1) 高科技发展会导致未来很多事物在一年的时间的增量，超过之前的几十年，几百年，几千年的积累 2) 这个现象会在很多不同领域持续，重复发生。 3) 这意味着多活几年的价值在未来可能会有决定性的意义，因为那几年在某些技术领域涌现的增量，决定你是否能够跃迁到一个现在无法想象的新世界，在新的技术条件下把自我意识以一种现在无法理解的方式保存/复制/传播/组合，等等。

外界对日本的认知始终存在割裂：游客眼中的日本，干净有序、精致礼貌，服务与生活体验无可挑剔，依旧是成熟发达的社会；但从时代发展维度看，日本早已褪去引领未来的光环。日本的衰退并非秩序崩塌式的溃败，而是一场安静的时代转向：它彻底告别了创造硬未来的能力，退守为维护旧秩序和打造软体验。这一变化的背后，是中日两种文明最核心的差异：日本文明的底色是坚守连续性、守护现有秩序，而中国文明的底色是突破桎梏、重建全新未来。 日本并非没有创造未来的能力，其近代两次崛起均印证了这一点。明治维新在西方工业文明的冲击下，完成封建岛国到近代强国的蜕变；二战后依托全球贸易体系与产业重构，以精密制造、家电汽车产业领跑全球，一度成为亚洲现代化的标杆。但日本的未来创造力存在致命短板：其革新永远依赖外部危机冲击。唯有旧秩序被彻底击碎时，它才会调动极致的执行力与学习力完成迭代；一旦外部压力消退、旧秩序尚可维系，便会回归保守的默认模式，专注于修补、维稳、延续现状，丧失主动破局、重构体系的魄力。 同时，日本社会并非没有创新的内生力量，江户时代的商业文化、锁国时期的兰学研究、明治前夜的革新志士，都是内部蒸腾的突破力量。但日本成熟的旧秩序拥有极强的“免疫规训机制”，所有异质创新、突破尝试，都会被快速吸收、驯化、约束。社会默认“不破坏氛围、不制造冲突、不给他人添麻烦”的准则，允许有限的个性化，却绝不允许颠覆现有结构的变革。反观中国，疆域辽阔、发展不均衡、社会结构复杂，一处的固化不会阻断全域的生机，旧秩序的缝隙永远能孕育新的突破力量。简言之，日本需要外部撞醒，中国自带内生蒸腾的生命力。 这种差异根植于两国的文明底层逻辑。日本作为狭小多灾的岛国，有限的生存空间让维系共同体稳定成为第一准则，久而久之形成以“连续性”为核心的文明特质。这套文明塑造了日本社会的优点：克制守礼、细节极致、秩序井然、敬畏规则，但也埋下致命隐患：社会问题被体面掩盖，矛盾难以爆发，年轻人不敢突破，组织优先维护氛围而非直面现实，老化的系统始终被体面维系，衰退在静默中持续蔓延。 中国文明的核心则是乱世重构、迭代新生。广袤复杂的大陆疆域、频发的自然灾荒、周期性的王朝更迭，让中国文明从未追求永恒的静态秩序，而是练就了“破旧立新、重建秩序”的底层能力。中国人根深蒂固地认为，没有一成不变的既定格局，旧体系腐朽便可推翻重构，困境之中总能开荒拓新、重启开局。这也是中国人执着于逆袭、升级、突破、再造的根源，不是天性躁动，而是数千年文明历练出的生存智慧。 日本的文明底色，具象化为三大社会特征，也是其衰退的核心表征。首先是守护小世界的文化内核。日本文艺作品始终围绕“守护日常、守护温柔、守护有限美好”展开，无论是动漫、影视还是生活美学，核心都是守住眼前的小共同体、小美好，而非改造大世界、创造新未来。其审美偏爱克制、消逝、细腻的日常，追求在有限秩序内留存温度。而中国文化始终向往突破、开荒、统一、跃升，追求从废墟到新生、从弱小到强盛的跨越式成长。这一差异在科幻创作中尤为明显：中国式末日是改造世界、对抗绝境，《流浪地球》以工程化、体系化的方式拯救文明；日本式末日则是守护尊严、留存记忆，在既定命运中守住最后的温柔。 其次是社会翻盘感极度缺失。日本社会极度重视资历、秩序、连续性，容错率极低，一旦年轻人失业、掉队、偏离主流轨道，便很难重新回归核心圈层。冒险的收益极低，失败的代价却足以桎梏一生，这直接催生了年轻人的低欲望、躺平心态。日本婚恋生育的低迷也源于此：年轻人不愿承担现实生活的不确定性，转而沉溺于低成本、无压力的虚拟情感与娱乐，用符号化的欲望替代真实的生活担当，本质是对未来丧失信心，不愿为固化的社会下注新生。 最后是静默式的集体苦难。日本社会的体面秩序，是以个体的隐忍为代价的。阶层固化、薪资停滞、青年无望、地方衰败等诸多问题真实存在，却被礼貌、忍耐、不添麻烦的社会规训层层包裹。痛苦不对外爆发、矛盾不公开化解、衰退不直面正视，所有社会困境都被转化为个体的私人内耗。游客所见的整洁与温柔，背后是普通人无声的挣扎，这种“不乱的衰退”，比动荡的衰退更难逆转。 为维系体面的旧秩序，日本形成了封闭的信息茧房，优先筛选维护民族优越感、贴合旧秩序认知的信息，刻意回避自身产业衰落、技术被赶超、发展滞后的现实。长期的自我麻醉，让日本形成了“维稳拖延、极限赌国运”的危险思维：平日拒绝迭代革新，任由体系老化，当危机累积到极致，便以豪赌的方式试图翻盘，近代太平洋战争便是典型。这种模式并非创造未来，而是旧秩序不愿落幕的被动挣扎。 客观来看，日本并未彻底失去未来，只是完成了硬未来退场、软未来延续的转型。在人工智能、新能源、全球供应链、新型工业范式等硬核生产力领域，日本已丧失主导权，无法再定义时代发展方向。但其在生活美学、情感体验、文化创意、服务设计等软领域，依旧保持顶尖水准，同时在材料科学、精密零部件、机床设备等细分技术领域，拥有深厚的技术积淀。但单点的技术深耕、极致的体验打磨，无法替代系统性的产业革新、范式级的技术突破，日本也从引领时代的“未来样板”，沦为供人怀旧体验的“过去样本”。 日本的静默衰退，为中国提供了极具价值的警示。当下中国已然出现老龄化、低生育、青年求稳、内卷焦虑等类日本现象，但中国不会重蹈日本覆辙。核心原因在于中国发展的不均衡性与未完成性，城乡、区域、产业的落差，让社会始终保有蒸腾的生机与破局的机会，永远有人渴望重启开局、突破桎梏、再造未来。 但中国同样存在自身困境：内生的创新冲动，极易沦为盲目折腾、无效内耗。很多人将无谓的冒险、跟风的内卷、不甘平庸的躁动包装成奋斗，脱离实事求是，最终陷入资源错配、自我消耗。同时，存量利益固化、形式主义、创新阻力等问题，也在持续压制社会活力。 中日文明没有绝对的优劣，只是面对时代的默认姿态截然不同：日本致力于优化旧世界，中国致力于创造新世界；日本恐惧秩序崩塌，中国害怕未来停滞。日本的教训警示我们：极致的秩序会沦为发展的牢笼，单纯的坚守终将被时代淘汰；其深耕细节、长期主义、打磨品质的优势，也值得我们借鉴学习。 中国最珍贵的禀赋，是从未停止相信未来、从未放弃破旧立新。我们无需效仿日本的保守维稳，也需摒弃盲目躁动的内耗。唯有立足现实、实事求是，将社会的蒸腾活力转化为产业升级、技术突破、体系迭代的有效力量，才能跳出“守成衰退”与“盲目折腾”的两极困境，持续创造属于自己的全新未来。

好策略不一定要更强，但一定要不一样 有些趋势跟踪策略的基金夏普比率（Sharpe Ratio）只有 0.3-0.5，也有很多资金认购，主要是因为策略配置时，除了收益以外，策略间的低相关性也很重要，怎么说 Sharpe 0.3 也是盈利策略。 组合策略的 Sharpe 有收益线性叠加，波动按 √N 叠加的特点。N 个零相关、Sharpe 各为 S 的策略等权组合，组合 Sharpe = √N × S： - 4 个 Sharpe 1 的独立策略 → 组合 Sharpe 2 - 9 个 Sharpe 1 的独立策略 → 组合 Sharpe 3 - 16 个 Sharpe 1 的独立策略 → 组合 Sharpe 4 独立交易员 Scott Phillips 在 Flirting With Models 的节目公开过他的加密组合策略，包括： - 趋势跟踪（CTA 风格， 以 50% 年化波动率作为仓位控制的约束）：过去 4 年 Sharpe 1.7，收益分布正偏（大部分小亏，小部分大赚） - 横截面动量（所有币按波动率标准化后，按过去 N 天收益排名，前几名开多，空后几名开空）：Sharpe 略高于 1.7，收益分布不如趋势偏向单边大赚 - 横截面套息（所有币按资金费率排名，最高的开多，最低的开空）：Sharpe 1.7（与趋势跟踪相近），收益分布是负偏（大部分小赚，小部分大亏），而且这个策略与前两个策略的相关性明显低。 Scott 最后总结：“这三个一起运行，很容易达到 Sharpe 2 ，执行上不需要太精细。” 按之前的公式倒推：N = 3，Sharpe 各 1.7，组合 Sharpe 取决于两两相关度 ρ： - ρ = 0.5 → 组合 Sharpe 2.08 - ρ = 0.3 → 组合 Sharpe 2.33 - ρ = 0 →组合 Sharpe 2.94 可见相关度越低的策略在一起，对组合 Sharpe 提升越大（相关性在极端行情会失效，不过这是另一个话题，这里不展开）。 上面这几个策略都是价格方向上的相对排名，机制上有不少同源。要再降低相关性，就需要换一个完全不同的维度。 波动率策略做的是隐含波动率和实际波动率之差（波动率风险溢价），与价格方向的相关性显著变低。AQR 在波动率策略的研究里提过，波动率风险溢价策略与动量、套息、趋势的相关性都很低，所以将这类策略纳入组合，能显著降低波动性，从而提升组合 Sharpe。 可以试算一下，我们假设当前组合的相关性为 0.5，夏普为 2.08，此时加入一个 Sharpe 1.2 且和其他策略相关性只有 0.1 的新策略，那么新组合 Sharpe 将提升为 2.29。即使新增策略的 Sharpe 略低，依然使得整个组合的 Sharpe 提升了 10%。这是配置层面的杠杆：加入不同源的新策略，等于打开了一个新世界。

[📸] 260402 Lemino「PRODUCE 101 JAPAN 新世界」# 2 101 SPECIAL BUDDYとして #INI# から #木村柾哉# #佐野雄大# #許豊凡# #田島将吾# が出演しました🐉👼🏻🧸🤓 ありがとうございました！ @produce101jp_ #PRODUCE101JAPAN新世界# #日プ新世界# #101SHINSEKAI#

华尔街日报今天这篇文章不错。人工智能领域的高管如何向子女描述未来的职业前景。 一句话总结：AI领袖们普遍不建议孩子过度追求当下的技术技能，而是强调适应性、批判性思维、文科教育（通才能力）以及人类独有的情感与责任感。 观点一：当下的具体技术技能（Technical Skills）保质期极短（甚至不到两年），未来的核心竞争力在于应对变化的敏捷性（Agility）。 Caroline Hanke (SAP) 指出，与其纠结于现在的编程技术，不如培养批判性思维、适应性和伦理判断力。 教育的重点应从“掌握工具”转向“适应新工具”和“判断工具的使用”。 观点二：在AI时代，传统的文科教育（Liberal Arts）比以往任何时候都重要，因为通过自然语言与AI交互需要深厚的元认知能力。 Jaime Teevan (Microsoft) 强调，以前操作电脑是决定性的（按按钮->出结果），现在是基于自然语言的意图表达。这要求使用者具备批判性思维、提供语境和挑战AI结果的能力（即元认知）。 Ethan Mollick (Wharton) 认为通才（Generalist）将是赢家。AI可以填补技能短板，因此拥有广泛技能组合的人（如既懂医学又懂人际沟通）更有优势。 与其成为单一领域的专才，不如成为能够整合多种知识并在AI辅助下工作的“超级通才”。 观点三：AI无法承担责任，也无法替代真正的人际连接。 Daniela Amodei (Anthropic) 认为，随着AI接管工作，人类品质（同理心、善良、沟通能力）的溢价会越来越高。人类本质上渴望与其他人类共处。 Jaime Teevan 指出，AI可以给出建议，但不能承担责任（Accountability）。像法律、会计这种需要对决策后果负责的职业，依然需要人类来做最终判断（Passing Judgment）。 未来的工作重心将从“执行任务”转移到“承担后果”和“提供情感价值”。 观点四：避开纯数字化的内卷，转向原子世界（能源、医疗）和社会服务领域。 Manny Medina ( 看好能源（特别是核能）和医疗保健。无论是为了驱动AI本身（能源需求），还是解决人类疾病（癌症治疗），这些都是硬需求。 鉴于AI发展的不平衡，致力于解决社会不平等（帮助被AI抛下的人群）和环境问题（海洋污染）也将是有意义且有前景的职业路径。 最后：孩子拥有一张“白纸”，他们不需要像成年人那样去“重塑”旧观念，这是一种优势。家长们的焦虑往往源于自身的旧经验与新世界的冲突，而孩子们是AI原住民。 不要把上一代的恐惧投射给孩子，鼓励他们去玩、去实验，而不是仅仅作为使用者。 AI高管们给子女的建议揭示了一个反直觉的趋势：在一个高度技术化的未来，最不值钱的可能是纯粹的技术执行力，而最值钱的是最“复古”的人类特质——对他人的共情、对复杂概念的哲学思考（文科）、对物理世界的改造（能源/医疗）以及对决策后果的承担（责任）。教育策略应从“学习如何像机器一样高效工作”转变为“学习如何做在大机器时代中独一无二的人”。

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。

我们把时间拉回10年前，当时原作者是20来岁😆 - 现在二十来岁的人，根本无法意识到他们有多幸运。因为意识不到，所以他们不会手舞足蹈，不会夜不能寐，不会意识到自己正站在历史的裂缝之上。 他们按部就班地去上课、考试、实习，给父母一个交代； 在游戏、社交网络和廉价的娱乐里消磨时间；在一次次毫无意义的聚会后，收获对未来的模糊与空白。 人，无法同时读过比特币白皮书、理解“私钥即主权”， 却又对自己的人生完全放弃掌控感。 而我们这些三十来岁的人，看着他们，FOMO 大到恨不得和二十岁的人换命、换身。 我们已经清楚地意识到：时间，正在我们身上开始收紧； 却刚刚在他们那里，撒下第一层迷魂的粉尘。让他们误以为时间像一枚刚铸好的硬币，厚实、沉重，怎么花都花不完。 一个刚上大一的年轻人，只要在 2013 年点开那份 PDF，读完《Bitcoin: A Peer-to-Peer Electronic Cash System》，只要理解“去中心化”“不可篡改”“无需许可”， 再往前一步，看见以太坊，把“钱”第一次变成可编程的协议，他距离改变自己命运，是那么地近。 挖矿、跑节点、参与早期社区、哪怕什么都不做，只需要买一点，拿住，不下牌桌，都足以在几年后完成一次阶层意义上的跃迁。 这是怎样的世界？只用一层薄薄的、名为 HODL的纸膜， 就把天量的人拦在了历史的门外。 他们看见狮子在草原上行走，却像牛群一样熟视无睹； 他们听见远处雷鸣滚动，却依旧成群结队地走进课堂、走进招聘会，低头啃草。 我身边的年轻亲戚、朋友，只因为我多说了两句比特币、以太坊，就已经流露出不耐烦的神情。 天啊！ 他们刚刚花几百块买了一台新手机、买了一款新游戏， 却完全无法理解：同样的几百块钱，在这个时间点，意味着什么。 我真想告诉他们：那不是一串代码，那不是一场投机；那是一次文明层级的协议升级，是人类第一次尝试在没有中心的情况下，重新定义“信任”。 你可以轻松下载、复制、使用你看到的一切—— 这是 Web2 时代的互联网故事。 你可以轻松铸造、转移、持有你看到的一切—— 这是比特币与以太坊开启的加密时代故事。 拿着锤子的人，看什么都像钉子。 而现实是： 不管你是否同意，锤子都会砸向它能砸到的一切， 去测试那些旧有结构，是否还能被称为“必然”。 就像人类曾经把蒸汽机塞进马车、缝纫机、纺织厂， 根本不在乎它们是否是最佳场景。 区块链，比蒸汽机更抽象，也更残忍。它像一种新的力场，正在渗入货币、金融、组织、信任的每一条缝隙，同样不关心人们是否理解、是否接受。 这从来不是“要不要参与”的问题。而是赤裸裸的—— To be or not to be。 教育、主流金融、传统机构的反应，在当时慢得像老年人的回头。真正站在前沿的人，看着这一切，就像站在时间快进的一侧，看着世界另一端的慢动作。 房间的门已经打开了。大象已经走进来了。新世界的气味，已经被象耳扇进每个人的鼻腔。 只是人们，不约而同地，选择了沉默。

音乐，生成式的交互其实一直存在，这几年我们只是短暂的被这种模式镇住了。 这两天全家来参加东岸最大的游戏展，真的很快乐。现场人才济济，居然凑出了一个接近 400 人的超级管弦乐团：长笛手五十多位、单簧管五十多位，还有无数小提琴、萨克斯风、鼓手、电吉他……那种“所有人都在同一个时刻发声”的密度，震撼又好玩。 但我最大的收获，其实不是乐团本身，而是误打误撞参加了一个 Open Jam，一种爵士/蓝调的音乐社交方式。我觉得这事特别值得讲，因为它对我们这种从小在“正统、严谨、以乐谱为中心”的训练体系里长大的人来说，简直是 blow my mind。同时我又非常佩服它：像是推开了一扇新世界的大门。 我本来是被朋友拉去的，完全不知道怎么玩。进去以后我就像误入服务器的新号，站着看了好几个小时。每首曲子只有开头和结尾有谱（theme / head in & head out），只有那一刻我能参与；中间进入即兴段落之后，我就彻底掉线：不知道什么时候该进、该怎么进、该说什么“话”。更别提上去 solo 了，我一次都没上过。完全懵，后来知道怎么玩，就是昨天去参加了专门介绍JAM的一个讲座。 后来陆续来了几位长笛手，状态基本跟我差不多。只有一位上去 solo 了，看得出来是玩过 jam 的。其他人不是水平不行，恰恰相反，光看装备、架势、气质就知道都是传统训练下的顶尖高手。但面对这种随性、流动、强对话的爵士语境，反而“玩不进去”。现场真正控场的，大多是萨克斯风和电吉他；木管里能把 jam 玩得很厉害的，是几位单簧管手。 这并不是说长笛不能玩爵士。长笛当然可以，甚至音色很适合唱旋律、做动机、做空间。但现实层面会吃一点亏：比如长笛需要离麦近一点，不然很容易被鼓和电声淹没；更大的差别也不在乐器，而在语言体系：你是不是会用“爵士的语法”实时说话。 没错，语言。昨天在讲座上，我一个人提了很多问题。演讲者和我互动，感觉很好。我就问他，我怎么觉得这一切都像一种CONVERSATION， 他很同意我，甚至整个课程我们一种乐手都没怎么动用乐器，一直在用语言交互。 没玩过的人可能不知道 jam 到底是怎么回事。我试着用最朴素的话描述：它是一种源自美国的音乐社交机制（很多人会把它和爵士、蓝调传统连在一起）。大家临场定一个调、一个速度、一个律动、一个形式，然后! 真正的高手开始 现场即兴作曲。你会看到他们不是在“演奏一首写好的作品”，而是在一边演奏一边写（我其实有问他们，需不需要大脑作曲，那种我认识的五线谱。小哥，这位演讲主讲人，一位职业音乐人，跟我说不需要。他们有大量的出色乐手，不懂五线谱！），一边写一边对话。 就在那一瞬间，我脑子里自动切到大模型视角：我突然强烈地感觉——jam 就是人肉版的生成式音乐。 它有 prompt：曲名/调性/速度/feel/form，就是那包最小约束。 它有上下文：前面的人刚刚讲了什么动机、鼓给了什么节奏暗示、钢琴铺了什么和声色彩、观众对当下能量的反馈。 它有交互：你说一句，整个节奏组就回你一句；你抛一个 motif，别人可以引用、变形、反驳、补全。 它甚至也有“系统调度”：谁控场、谁收放、什么时候 trading fours、什么时候该收尾。 这决定了这段现场生成到底是“高级的共同写作”，还是“失控的噪声增长”。 而我们这些新手为什么会卡住？因为我们没法在现场即兴生成——至少没法稳定生成。某种意义上，我们做不到那件事：predict the next token of notes，并且还要在正确的和声与小节位置上预测、在观众可接受的审美窗口里预测、在与他人对话的语境里预测。 所以我们只能在开头和结尾“有谱的地方”参与：那里像是固定脚本，像是把模型输出锁死的 deterministic segment。中间的 solo 段落才是真正的生成区：你要在每一个回合里既保持形式不崩，又能推进叙事，还要给别人可接的线索， 那才是厉害的地方。 我现在回想，那几个传统训练特别强的长笛手“玩不进去”的样子，其实很像一个很聪明、参数很大、但没做过对话微调的模型：能力在那里，但缺少 jam 这个生态所要求的交互协议、实时反馈、以及“在不确定中仍然可控地产出”的生成策略。 我觉得这件事太有意思了：一个音乐现场，竟然让我把“生成模型—上下文—prompt—对话—调度”这套东西看得如此具象。甚至让我开始反过来理解：为什么爵士被称为一种语言？ 因为它真的就是一种语言体系，只不过它的句子不是字，而是音。 这才是音乐，现场那个氛围，那种热情，那种人与人，人与环境，人与音乐之间的交互。那种心跳加速，那种忘我，真的，相见恨晚，顿时不想练莫扎特了。

ChatGPT Deep Research Textbook：用AI即兴生成任何话题的教科书 几乎可以在任何感兴趣的领域，让ChatGPT即时生成一整本教科书级别的英文内容：表达精准，信息结构完整，语言通俗易懂，章节清晰合理。一个晚上就能深入涉足一个新领域，其信息密度和表达质量，90%胜过你随便找的一本现成教材。尤其是在可读性上来说更接近任何人群的英文阅读习惯。不深，不浅，术语不多也不少。 我每天晚上睡前两个小时就拿来做这个：选一个新领域，生成结构化知识，查缺补漏。睡觉之前再布置一堆任务下去。 大学生，哪怕不是英语专业，一定要去蹭英语系的泛读课——至少蹭一年。畅游信息新世界的入门级能力。