与「早見和真」相关的搜索结果

比特币的币化：人类历史上“成为一种货币”的门槛是很高的！ 货币化：人类历史上的稀有突变 比特币真的“币化”了吗？比特币真的能翻译成“币”吗？ 这是一个值得反复追问的问题。 在人类历史上，“货币化”始终是极为罕见的制度突变。它和一般商品价格上涨、公司上市、国家货币贬值完全不同。货币化不是经济现象的量变，而是一次语言–制度–价值三位一体的跃迁：一种事物突然从“有价值的东西”变成“价值的尺度与载体”。 在进入长文之前，我们先自问几个问题： 1. 商品的价值与货币的价值 问题：如果一个商品极度稀缺、价值极高、价格还不断上涨，比如达·芬奇的画作，它能成为货币吗？ 答案：不能。艺术品可以是财富象征，却无法承担普遍交换职能。它缺乏标准化和可分割性，无法作为记账单位和结算工具。 2. 稀缺品的流通与货币的流通 问题：钻石稀缺、价值高，也能跨境流通，甚至被黑帮用于灰色交易。它是货币吗？ 答案：不是。钻石的稀缺主要靠人为垄断维持，其真伪和品质普通人难以验证，缺乏标准化。它更接近奢侈品或财富储藏物，而不是普遍承认的支付媒介。 3. 金融化商品与货币化的区别 问题：17 世纪的荷兰，郁金香球茎甚至可以做远期合约交易，进入了金融化市场。这是不是意味着它是货币？ 答案：依旧不是。郁金香的价格全靠投机叙事维系，没有成为结算单位或储值工具。它是投机泡沫，不是货币。 货币化是极少数历史节点才发生的制度性奇迹：青铜、银币、黄金、纸币、美元本位，以及如今正在被争论的比特币。 比特币的独特之处就在于，它触及了人类极少数才会发生的“币化门槛”。而这一切都在极短的时间之内发生了，真的是个奇迹。 我甚至认为我们家几代人对于金融，计算机都有研究，2015年他们在con上面摆摊的时候我都见过，生生被我忽略掉，到底是怎么回事？因为我不可能相信人类历史上只发生过5次的“币化事件”会在我眼前。起码20多岁的我不可能相信。 如果可以把少数的节点，总共只有5次，总结一下（当然我是个马后炮，我要是马前炮早财务自由，也不发推了） 币化是一种极罕见的现象，其规律是： 必须有制度性断层（原有体系无法覆盖的空白）。 必须有稀缺且可验证的锚定机制。 必须具备网络化流通能力。 一旦被市场在某个特殊场景中使用，便会逐步自我强化，完成从“物”到“币”的跃迁。 稀缺性：供给必须受控，不能随意增发。黄金靠地质稀缺。 比特币靠代码算法。 可验证性：所有人都能独立验证真假。黄金靠物理特性。 比特币靠区块链共识。 可流通性：必须能在广泛网络中自由转移。黄金靠物理可分割。 比特币靠网络传输。 制度真空/断层：必须有传统货币或信用体系覆盖不到的空白地带。古代金属货币诞生时，信用不足。 比特币诞生时，全球化资金流动和数字支付的监管断层。 所以：币化不是因为“大家觉得它有用”，而是因为它突然被推入一个原有制度无法覆盖的空隙。 这个你都听过无数次了，讲点我独有的观点。比特币碰上了难得的时代巧合。这个巧合和我们当代许多巧合一样，根本无法被计划。 币化是一种极其罕见的历史现象。 它并不是商品涨价、公司上市、货币贬值这种常见的经济波动，而是一种少见的制度性突变。所谓“币化”，是某种事物从“有价值的东西”跃迁为“价值的尺度和载体”。它的发生规律，几乎总是符合以下四个条件：第一，必须存在制度性断层，即原有货币或信用体系覆盖不到的空白；第二，必须有稀缺且可验证的锚定机制，防止随意增发或伪造；第三，必须具备足够的流通性，能够在广泛的网络中快速转移；第四，一旦在某个特定场景中被使用，就会通过自我强化机制，逐步完成从“物”到“币”的历史跃迁。 在这条极罕见的历史链条上，人类大约只有过五次真正意义上的币化时刻。第一次是金属货币的出现。在早期商业活动中，部落和城邦之间缺乏跨地域的信用，青铜、白银、黄金因其稀缺性、可分割性和易于验证的物理特征，逐渐取代贝壳、粮食，成为最早的普遍交换媒介。第二次是纸币的发明。金属储量有限、运输成本高，于是以金属为背书的纸质信用凭证走向台前，在元朝、欧洲近代银行体系里逐步确立。第三次是美元本位的确立。二战后的布雷顿森林体系，让美元取代黄金成为全球信用锚；这是一次制度与霸权的历史巧合，不是黄金自愿退位，而是美国的军事实力和经济体量逼迫世界接受。第四次则是电子化与数字化的法币转型，银行卡、电子支付系统、央行清算网络，让“货币”彻底脱离了纸张，进入计算机网络的比特与信号之中。 而第五次，就是比特币的出现。 密码朋克邮件列表实现了“中本聪”技术突破。 2008年刚好发生金融危机。 网络支付与全球化资本流动加速，出现了监管无法完全覆盖的真空。 这些条件原本不可能被“设计”出来，却在那个特定时刻奇迹般重叠，才有了比特币从极客收藏品逐步被推向“数字黄金”的轨迹。 当然这个其中还有更多的重叠，我就给你几个关键词： 暗网，丝绸之路，毒贩，跨境灰产，塞浦路斯，中国反腐，新冠，萨尔瓦多….等等 然而，打住！比特币完全币化了没有？ 有，也没有。 若从狭义层面理解——即作为真正的货币来使用，它显然并未全面实现。比特币确实具备货币的三大功能标准：支付手段、记账单位和价值储藏。但在现实中，它在支付环节并不普及，交易手续费高、确认速度慢；在记账功能上，几乎没有商品和服务直接以 BTC 定价；唯独在价值储藏方面，它的表现最为突出，已被广泛视为“数字黄金”。因此，比特币在狭义意义上，只是部分完成了币化。 如果从广义层面来看，即作为宏观金融资产进入主流投资组合，它则已经走得更远。随着 2024–2025 年美国批准比特币现货 ETF，大量制度化资金涌入，比特币已经稳固地嵌入全球金融市场结构。在流动性宽松周期中，它被投资者视作风险资产或对冲资产，其角色已经超越了单纯的投机品。这意味着在金融市场意义上，比特币已经实现了一种“结构性币化”。 但若再把视角拉到最高层级——所谓的终极币化，即成为某种全球信用体系的基础锚，那么比特币仍然差得很远。尽管萨尔瓦多等少数国家尝试将其纳入法定货币，但这种实验没有形成全球效应。在绝大多数国家，比特币依旧被定位为“资产”，而不是货币，更没有取代美元或黄金的制度性地位。因此，它离真正的终极币化——成为全球共识下的信用支柱——还有很长的路要走。 各国的小九九 只要一个人还无法真正不靠护照就能在全球自由定居，那么不管你做什么工作，是否交社保，你所能享受的“货币化”程度，都会与各国政府的态度高度绑定。正因如此，比特币的命运，很大程度上就是一场制度算计的舞台。 对储备型国家来说，比如美国，比特币触碰的核心利益是美元霸权。美国当然不会允许任何替代品大规模进入国际结算体系，否则美元的结算权就会被削弱。因此，美国一方面允许比特币进入金融化通道，比如批准 ETF 和期货，把比特币的流动性吸收到资本市场里；另一方面则坚决打压去中心化支付和匿名功能，避免它变成真正的“替代货币”。这套算盘其实很清楚：把比特币“金融化”，但不让它“货币化”，换句话说，是圈养而不是放养。 资本管制型国家，比如中国、印度，则有另一套小九九。这类国家最大的担忧是资本外逃。于是我们看到，中国在 2017 年和 2021 年两次对交易所和挖矿“一刀切”式封杀，目的就是防止体系外的资金流动。但与此同时，它们并不排斥区块链技术本身，反而在联盟链、央行数字货币（CBDC）领域投入巨大。逻辑很简单：比特币作为资产必须封杀，但它所启发的“去中心化创新”可以转化为“中心化应用”，最终强化本国货币的控制。 而在一些资源依赖型、金融体系薄弱的国家，比如拉美和非洲的部分国家，比特币的角色就变得更加复杂。由于本国货币信用不足、通胀高企、跨境支付成本极高，它们更愿意借用比特币的“外部信用”。萨尔瓦多直接将比特币定为法币，部分非洲国家则用它来完成跨境汇款。在这里，比特币的确帮助它们绕过美元和欧元的体系，获得了一部分金融自主权。但问题在于，这类国家缺乏制度和技术支撑，比特币的应用往往停留在象征性或局部层面，难以推广到全国。 如果放到更大的国际格局，在多极竞争的时代，比特币又被卷入另一层小九九。中俄等国推动“去美元化”，试图通过本币结算来削弱美元霸权。在这种趋势下，比特币理论上可能成为一种“中立的结算补充”，但现实中没有国家会主动拥抱它。原因很简单：所有大国更愿意推动的是自己能完全控制的货币（例如数字人民币），而不是一个无人掌控的比特币。于是，比特币变成了大家都不想让它真正赢，但都可能在暗中拿来当筹码的角色。 总结来看，各国对比特币的制度态度具有明显的双重性：一方面害怕它削弱货币主权，另一方面又想利用它的技术与叙事。结果就是，比特币的币化史在制度层面表现为一种半开放、半压制，利用为主、控制为辅的复杂局面。换句话说： 比特币的币化史，本质上就是一部“国家如何在维护主权与利用外部工具之间反复算计”的故事。 所以在这里我可以引入一张三角图，谈谈人民、技术与政府三者之间如何深度博弈，又如何互相算计。我们可以把这三方分别抽象为三股力量，然后观察它们在比特币币化进程中如何不断拉扯。 对人民而言，他们的逻辑是避险与自由。比特币最初吸引他们的，是对抗通胀、绕开监管与追求财产独立的需求。从囤币到构建社群共识，人民在不断为比特币的需求端注入动力。然而，他们的局限也很明显：技术门槛高，普及有限；面对暴跌和黑客风险时，个人缺乏自保能力。因此，人民更多扮演的是需求推动者的角色——正是他们让比特币逐渐从极客收藏品变成了一种价值储藏工具。 政府的逻辑则完全不同，他们追求的是主权与控制。任何替代结算工具，都可能冲击国家的货币体系；逃税、洗钱、资本外逃更是他们无法容忍的风险。因此，政府采取的手段往往带有双重性：有时是一刀切的禁止，比如中国对交易所和挖矿的封杀；有时是有限度的限制，例如印度和欧盟通过 KYC 来加强反洗钱；还有时是主动的利用，比如美国允许 ETF，把比特币流动性纳入华尔街。政府实际上是比特币币化的过滤器和操盘手，他们决定了比特币能否从灰色地带被拉入制度层。 而技术的逻辑则冷峻而中立。它的目标是去中心化与演化：通过算力共识与密码学保证网络安全，通过闪电网络和 Layer 2 提升扩展性，同时保持对任何国界和身份的无差别态度。技术本身不偏向人民或政府，但它的开放性决定了所有人都能加以利用——黑市、个人、国家都不例外。技术因此成为比特币币化的中性支柱，一个不断演化、为双方博弈提供舞台的存在。 三角博弈的格局。人民依靠技术寻找自由的空间；政府则试图压制或收编技术，例如央行数字货币的尝试；而当政府收紧，人民反而更倾向于投向比特币。在不同国家，这个三角关系呈现出不同的态势：在美国，政府允许技术存在，但通过金融化限制其货币属性，人民更多作为投资者参与；在中国，政府禁止人民直接使用比特币，却积极吸收底层技术为己所用，比如推动区块链和数字人民币；而在弱势国家，人民常常借助比特币绕过政府，而政府有时也会主动利用比特币来对抗美元体系。 从整体来看，这仍是一场未完成的博弈。人民想要自由与避险，政府想要控制与主权，而技术提供了一个不可逆的实验场。比特币的币化正是在这三方的拉扯中不断推进：如果人民的力量更大，它可能会更接近“自由货币”；如果政府占据上风，比特币则会被金融化、边缘化，最终只剩下“数字黄金”的角色；而如果技术继续突破，它或许会打开全新的空间，把人民和政府都迫向一种新的妥协。 然而，对整个技术共同体而言，技术从来不会后退。技术人的生产力、精力与智力，只会从一件事迁移到另一件事，而不会凭空消失。已经被创造出来的技术，不可能被强行抹去；而一旦有新的萌芽出现，也没有人能够阻止技术人去尝试、去玩、去推动它成长。 只要还有一口气，咱就得折腾。

一人公司 全球增长｜2026 出海去孵化器年度见面会嘉宾全阵容来了！ 从早上 9 点 30 到 晚上 19 点， 我们将带来 15 场高密度的主题分享加一场快闪。 内容深度横跨 AI 驱动产品构建、低成本海外流量分发、超级个体商业变现以及出海创投等前沿方向（具体嘉宾介绍和话题见图）。 另外，我们还特别开放了部分晚宴名额，方便大家与嘉宾们同桌深度对谈，创造更多真实链接。 目前早鸟超便宜，直接微信扫图 或 6 月 13 日，一起来北京，聊出海，吃烤鸭，晚上还有音乐节！

一名法国女子，看着站在面前的中国环卫工，突然掩面痛哭，真实原因，听着让人感动。 清晨的梧桐叶落了一地，环卫工老张正挥动扫帚，竹枝与地面摩擦出沙沙声。法国女子抱着个纸箱站在路边，金发被风吹得乱舞，看见老张，突然“哇”地哭出声，眼泪砸在纸箱上，洇开一小片湿痕。 老张吓了一跳，扫帚差点脱手。他不懂法语，只能比划着递过去块干净的手帕——是孙女绣的小熊图案，他总揣在兜里擦汗。女子接过手帕，哽咽着从纸箱里掏出件旧毛衣，蓝灰色，袖口磨出了毛边，上面还沾着点水泥渍。 “三年前……冬天……”女子用生硬的中文夹杂着手势，指着毛衣领口，“我的孩子……发烧……”老张这才认出，毛衣是他去年冬天捐给社区旧物箱的，当时老伴说领口磨破了，扔了可惜，不如捐给需要的人。 旁边早点摊的老板娘凑过来当翻译。原来三年前深冬，女子带着刚满周岁的儿子来旅游，孩子突然高烧惊厥，她在陌生的街头拦不到车，抱着孩子急得团团转。当时老张刚扫完这条街，见她哭得上气不接下气，二话不说脱下身上的毛衣裹住孩子，蹬着环卫三轮车把她们送到医院。 “他把毛衣给了我的孩子，自己穿着单衣在走廊等。”女子指着老张冻得发红的手背，“医生说再晚半小时，孩子就危险了。我想把钱给他，他摆手说不用，只说‘孩子没事就好’。”她掏出钱包，抽出一沓欧元，“我找了他三年，今天终于在这看见这件毛衣——我从社区救助站领的，上面有他缝补的补丁，和那天他袖口的一样。” 老张挠挠头，憨笑起来。他早忘了这回事，只记得那天送完娘俩，回去被老伴骂了顿，说他傻，大冬天把毛衣给陌生人，自己冻得咳嗽了半个月。他指了指不远处的小区，“我家就在那，孙女说这件毛衣太小了，留着占地方。” 女子突然抱住老张，在他肩上哭出了声。路过的行人停下来看，早点摊老板娘大声解释着，有人掏出手机拍照，有人抹起了眼泪。老张僵着身子，手不知道往哪放，最后轻轻拍了拍女子的背，像哄自家孙女似的。 “我每年冬天都来这条街，”女子擦干眼泪，从纸箱里拿出个崭新的保温杯，“这个给您，里面是热的姜茶，冬天喝了暖和。”老张接过杯子，触手滚烫，像那天裹在孩子身上的体温。 扫到街角时，老张打开保温杯，姜茶的辛辣混着甜味漫开来。他想起三年前那个雪夜，孩子烧得通红的小脸，女子发抖的肩膀，还有自己蹬三轮车时，风灌进单衣的冷。当时只想着快点到医院，哪敢想会被记挂这么久。 傍晚收工，老张把保温杯递给老伴。“这是个法国媳妇送的，说我救过她孩子。”老伴拧开盖子闻了闻，“还挺好喝。”她翻出件新织的羊毛袜，“明天穿上，别再冻着了。”老张看着袜子上的花纹，突然想起女子金发上沾的梧桐叶，和今早落在他扫帚上的那片，一模一样。 夜里躺在床上，老张摸着保温杯上的花纹，突然笑了。原来有些事你忘了，总有人替你记着，就像冬天里递出去的一件毛衣，过了三年，还能焐热另一颗心。

我观察到一个挺危险的信号，尤其在2026年这个节点。 很多人把“每天看很多东西”当成自己的核心竞争力。刷推、看研报、追热点、收藏帖子，感觉自己一直在吸收，一直在进步。 但说实话，AI已经把信息变成了公共资源。谁都能进，谁都能取。你知道的，别人最多晚半天也知道。你以为的“信息差”，其实只是“信息接收早了几小时”。 真正值钱的，从来不是你知道什么。是你拿你知道的东西，做了什么决定，执行了什么动作，拿到了什么结果。 如果今天让我从零开始重新在 crypto 里打拼，我不会去囤更多信息源，也不会去加更多付费群。我会死磕下面这3个能力。每一个都是我踩坑踩出来的。 1. 把话说清楚，这个比你想的难得多 我见过很多聪明人，脑子里逻辑特别强，但一开口别人就困了。或者写一段话绕来绕去，看完不知道他想表达什么。 现在的注意力比黄金还贵。别人愿意花3分钟听你说话，成本其实非常高。 你能不能把一个复杂机制讲得像点外卖一样简单？能不能写一段文字，让别人愿意读到最后一个字？能不能让别人在听完之后，下意识说一句“这人我信”？ 在 AI 生成内容泛滥的今天，模糊等于不存在。你说不清楚，AI 帮你说的任何东西都没用。清晰是你唯一不用花钱就能获得的杠杆。我过去一年拿到的大部分合作机会，都不是因为我懂最多，而是因为我让对方用最短时间听懂了我。 具体建议：每周强迫自己把一件复杂的事情（比如一个 DeFi 机制或者一个 AI 工具原理）用 3 段话讲给一个不懂的朋友听。他听懂了，你就过关了。 2. 学得快，而不是学得深 以前我们接受的教育是：一个技能学几年，然后用几十年。现在这个模型已经裂开了。 两年前会写简单的交易脚本还算个小优势，现在 AI 十分钟就能帮你搭一个框架。你花三个月死磕的某个工具，可能下个季度就被一个新协议或者一个新 AI 功能替代了。 真正拉开差距的，已经不是“谁一开始更聪明”。是谁迭代更快。 看到新东西，愿不愿意花一个小时立刻上手试试？发现原来的判断错了，能不能不带情绪地改？别人给你数据打脸，你是辩解还是调整？ 学得快的人，一年走完别人三年的路。而且这个差距会越拉越大，因为 AI 本身也在加速学习的速度。我现在招人或者看项目合作，最看重的不是他过去做过什么。是给他一个全新的东西，他几天能搞明白并开始产出。 具体建议：每接触一个新工具或者新赛道，给自己设定一个“48 小时交付物”。比如 48 小时内用这个工具做出一个最小可行产品，或者写出一份可执行的分析。不要等到“准备好”。 3. 完成一件事，比计划一百件事重要 这是最俗但也最真实的一条。AI 已经把“做出来”的门槛踩碎了。做一张图、写一篇文章、搭一个简单网页、写一个自动化脚本，以前要几天，现在可能几十分钟。 但问题来了：门槛越低，行动的幻觉反而越严重。我身边太多人状态是这样的：看到一个好点子，先去研究两周。准备动手，先刷三天教程。想做内容，先花一星期装修 Notion。然后呢？没有然后。 他们永远在“准备出发”的状态里舒服地待着。但 2026 年的现实是：你的信誉，来自于你真正完成过什么。不是你有什么计划，不是你收藏了什么模版，是那个已经上线、已经发出来、已经跑起来的东西。哪怕它很小、很不完美、第一次做得像屎一样。完成过一次的人，和永远在准备的人，是两个世界的人。 具体建议：每个星期必须有一个“公开完成”的东西。可以是一条推文、一个简单的脚本、一个交易复盘、甚至是一个失败实验的总结。只要它是完成并公开的就行。 还有一个很少人提的能力，判断力 AI 可以给你 100 个策略、1000 个方向、10000 行代码。但它永远没办法替你回答：哪个方向真的值得押注？哪个机会是噪音，会浪费你三个月？这个取舍现在值不值得做？ 这些是人的地盘。判断力很难速成，只能靠大量小决策，快速拿到反馈，然后修正模型。和交易一样，不练永远不会有手感。 具体建议：每天做一个小的预测并记录下来。比如“未来一周内 ETH 会不会突破某个位置”或者“某个新项目的地板价变化”。然后回头检验。你会慢慢发现自己的判断偏差在哪里。 我个人过去一年回报最高的一件事，写东西 不是想当 KOL，不是想涨粉。是因为写作这件事逼着我把脑子里的浆糊变成清晰的逻辑。你写不清楚，本质上就是没想清楚。AI 可以润色你的句子，但没办法替你思考。 而且写东西有一个隐藏好处：它会把你最弱的逻辑暴露在所有人面前。被骂几次、被质疑几次，你会发现自己进步得飞快。 具体建议：不要追求完美。从每天 200 字的复盘开始，写你对一个项目的看法、一次失败的交易、或者一个新工具的使用感受。连续写 30 天，你会感谢自己。 最后说点实在的 AI 不会淘汰人。它只会让两类人之间的差距大到像两个物种。一类人执行、交付、迭代。另一类人只消费、只收藏、只准备。 未来十年活得好的，不是学历最高的，不是资源最厚的。是那些能想清楚、学得快、讲明白、干得狠的人。 你现在在哪一类？

Gate Card上线了。 这几天正好来泰国见几个旅居老朋友。 所以我今早申请Gate Card， 没想到几分钟就审批成功。 我拿手机用东南亚类似滴滴的软件Grab打车， 发现可以绑定Gate Card直接支付， 非常丝滑。 如果你来海外旅游，Grab后台添加Gate Card就很方便。 我申请的白金卡。 你可以用Standard卡支持绑Apple Pay和Google Pay， 用Grab打车直接绑卡支付， 目前没手续费、基本没汇率差。 以及泰国真是加密友好国家， 看到我表示想用加密U卡， 服务员一看就懂， 拼命点头：can,can。 @Gate @Godot_gate @Gate_luqingxiao

GPT 5.5 现在写东西质量真的不错了，刚翻译了一篇文章（ --- 译文 --- 我为什么写作 作者：埃里克·布莱尔 从很小的时候起，也许是五六岁，我就知道，等我长大了，我应该成为一个作家。大约在十七岁到二十四岁之间，我曾试着放弃这个念头。但我心里很清楚，那是在违背自己真正的天性；迟早有一天，我还是得坐下来写书。 我在三个孩子中排行中间，前后兄弟姐妹都和我相差五岁。八岁以前，我几乎没见过父亲。因为这个，也因为其他一些原因，我多少有点孤僻。很快，我养成了一些讨人嫌的小毛病，整个学生时代都不怎么受欢迎。孤独的孩子常常会编故事，也会和想象中的人说话；我想，从一开始，我的文学野心就和这种被孤立、被低估的感觉纠缠在一起。我知道自己有驾驭文字的能力，也有直面难堪事实的能力。于是，我像是给自己造出了一个私人世界，可以在里面弥补现实生活里的失败，甚至悄悄“扳回一城”。不过，整个童年和少年时代，我真正写到纸上的严肃作品——也就是我认真想写出来的东西——加起来恐怕不到六页。 我四五岁时写过第一首诗，是我口述，母亲替我记下来的。我已经不记得内容了，只记得那首诗写的是一只老虎，而且老虎有“像椅子一样的牙齿”。这倒是个还不错的说法，但我猜那首诗大概抄袭了布莱克的《老虎，老虎》（William Blake 的名诗 *The Tyger*，英国浪漫主义诗歌中的经典作品）。十一岁时，1914—1918年的战争爆发（即第一次世界大战），我写了一首爱国诗，刊登在本地报纸上。两年后，基奇纳去世，我又写了一首，也登了出来。后来稍大一点，我时不时写一些很糟糕、通常也没写完的“自然诗”，风格模仿乔治王朝派（Georgian style，20世纪初英国诗歌中一种偏重田园、自然和抒情描写的风格）。我还大约试过两次写短篇小说，结果惨不忍睹。那些年里，我真正落到纸上的、想要称为“严肃创作”的东西，全部加起来就是这些。 不过，在那段时间里，我其实一直在某种意义上从事文学活动。首先，是那些按要求写出来的东西：我写得很快，很轻松，但自己并没有多少乐趣。除了学校作业，我还写 *vers d’occasion*（应景诗），也就是半滑稽的诗。现在回想起来，我当年写得快得惊人——十四岁时，我模仿阿里斯托芬（Aristophanes，古希腊喜剧诗人），大约一周就写出了一整部押韵剧。我也帮忙编辑学校杂志，有印刷版，也有手抄版。那些杂志简直是你能想象到的最可怜的滑稽仿作。我对它们花的心思，远不如我今天会花在最廉价的新闻稿上的心思。但与此同时，在十五年甚至更久的时间里，我还做着另一种完全不同的文学练习：我在脑子里编一个关于自己的连续“故事”，像一部只存在于心里的日记。 我相信，很多儿童和少年都有这种习惯。很小的时候，我会想象自己是罗宾汉之类的人物，把自己想成惊险冒险故事里的英雄。但很快，我的“故事”就不再是那种粗糙的自恋幻想，而越来越变成对我正在做什么、看到什么的描写。有时候，我脑子里会一连几分钟出现这样的句子：“他推开门，走进房间。一束黄色的阳光透过细棉布窗帘，斜斜落在桌上；桌上有一只半开的火柴盒，放在墨水瓶旁边。他右手插在口袋里，走向窗边。楼下街上，一只玳瑁猫正在追逐一片枯叶。”诸如此类。这个习惯一直持续到我大约二十五岁，贯穿了我那些“非文学”的岁月。虽然我必须寻找合适的词，而且确实也在寻找，但这种描写的努力似乎几乎不是出于我的意愿，而像是受到了某种外部力量的驱使。我想，这个“故事”大概反映了我在不同年龄崇拜过的不同作家的风格。不过据我记得，它始终都有同一种细致入微的描写特质。 十六岁左右，我突然发现了文字本身的快乐，也就是词语的声音和联想所带来的快乐。*《失乐园》*里的两行诗—— > So hee with difficulty and labour hard > Moved on: with difficulty and labour hee, > > （他艰难地、辛苦而沉重地 > 向前移动：艰难地、辛苦地，他——） 如今看来，我并不觉得这两行有多么了不起，但当时它们让我脊背发颤。而且，把 “he” 写成 “hee” 的古式拼法，也让我格外愉快。至于描写事物的需要，我早已经非常熟悉了。由此可见，当时如果说我想写书，我想写的大概是哪一类书：巨大的自然主义小说，结局不幸，充满细节描写和醒目的比喻，也充满华丽辞藻段落（purple passages，指为了文采而文采、常常显得夸张空洞的文字），其中一些词语被使用，部分只是为了它们的声音。事实上，我完成的第一部长篇小说 *《缅甸岁月》*，是在三十岁时写成的，但构思早得多，它大体上就是这样一本书。 我交代这些背景，是因为我认为，如果不了解一个作家早年的成长，就很难判断他的写作动机。作家的题材会由他所处的时代决定——至少在我们这样动荡、革命性的时代，这一点是成立的——但在他真正开始写作之前，他已经形成了一种情感态度，而这种态度他永远无法完全摆脱。毫无疑问，他的任务是约束自己的气质，避免卡在某个幼稚阶段，或陷入某种扭曲情绪里。可是，如果他彻底摆脱了早年的影响，也就等于扼杀了自己写作的冲动。暂且把谋生的需要放在一边，我认为，写作至少有四种重要动机，尤其是写散文时。这些动机在每个作家身上都以不同程度存在；同一个作家身上，它们的比例也会随着他所处的环境而变化。它们是： （一）纯粹的自我意识。 想显得聪明，想被人谈论，想死后被人记住，想向童年时轻视自己的成年人讨回一点公道，等等。假装这不是写作动机，是虚伪的；而且它还是一种很强的动机。作家和科学家、艺术家、政治家、律师、军人、成功商人一样，都有这种特征——简言之，这属于人类中最冒尖的那一层。绝大多数人并不是特别自私。大约三十岁以后，他们会放弃个人野心；很多情况下，他们几乎连“自己是一个独立个体”的感觉都放弃了，主要为别人而活，或者干脆被苦役般的日常生活压没了。但也有少数有天赋、意志强的人，决心一直按照自己的方式生活到底，作家就属于这一类。总体来说，严肃作家比新闻记者更虚荣、更自我中心，不过他们对钱的兴趣要少一些。 （二）审美热情。 看见外部世界中的美，或者看见词语及其恰当排列中的美。一个声音撞上另一个声音时带来的快感，优秀散文的坚实感，或者一个好故事的节奏。想把某种自己觉得珍贵、不该被错过的体验分享出去。许多作家的审美动机很弱，但即使是写政治小册子的人，或者写教科书的人，也会有自己偏爱的词语和短语，并非出于实用原因，而只是喜欢它们；或者，他可能会特别在意排版、页边距的宽度等。只要不是铁路指南那种层级的书，任何一本书都不可能完全没有审美考量。 （三）历史冲动。 想看清事物本来的样子，想找出真实事实，并把它们保存下来，供后人使用。 （四）政治目的。 这里的“政治”一词取最广泛的意义。也就是说，想把世界推向某个方向，想改变别人对于“人类应该努力建设什么样的社会”的看法。再说一次，没有一本书真正摆脱了政治倾向。认为艺术不应该和政治有任何关系，这本身就是一种政治态度。 可以看出，这几种冲动必然会彼此冲突，而且会因人而异、因时而变。按我的本性来说——也就是把“本性”理解成一个人刚成年时达到的状态——我身上前三种动机应该会压过第四种。如果生活在一个和平时代，我也许会写华丽的书，或者只是描写性的书，甚至可能几乎意识不到自己的政治立场。但现实是，我被迫变成了某种论战小册子作者（pamphleteer，指写政治宣传或论争文章的人）。 起初，我在一个不适合自己的职业里待了五年，也就是在缅甸的印度帝国警察部队。后来，我又经历了贫困和失败感。这加强了我天生对权威的憎恶，也让我第一次充分意识到工人阶级的存在。而缅甸的工作则让我对帝国主义的本质有了一些了解。不过，这些经历还不足以让我形成准确的政治方向。接着，希特勒出现了，西班牙内战爆发了，等等。到1935年底，我仍然没能做出坚定的判断。我记得自己在那一年写过一首小诗，表达当时的困境： > 两百年前，我本可以 > 做个快乐的乡村牧师， > 宣讲永恒的末日， > 看着我的核桃树生长。 > > 可惜我偏偏生在邪恶的年代， > 错过了那座惬意的避风港； > 我的上唇已经长出胡子， > 而如今的神职人员全都刮得干干净净。 > > 再往后，日子也曾不错， > 我们那时很容易满足； > 我们把烦乱的思绪 > 摇睡在树木的怀里。 > > 我们曾无知却坦然承认 > 那些如今必须掩饰的欢愉； > 苹果枝上的绿雀 > 也能让我的敌人发抖。 > > 可女孩的肚腹和杏子， > 阴凉溪水里的拟鲤， > 黎明时飞起的马和鸭子， > 如今全都只是一场梦。 > > 再也不许做梦； > 我们残害自己的快乐，或把它藏起； > 马是用铬钢造的， > 小胖子们会骑在它们背上。 > > 我是那条从未反抗的虫， > 是没有后宫的阉人； > 在牧师和政委之间， > 我像尤金·阿拉姆一样行走；（Eugene Aram，18世纪英国一起著名谋杀案中的人物，后来常被文学作品写成被罪感纠缠的人） > > 政委正在替我算命， > 收音机还在播放； > 可牧师答应给我一辆奥斯汀7型车，（Austin Seven，英国早期著名小型汽车） > 因为达吉总会买单。 > > 我梦见自己住在大理石厅堂，（“I dreamt I dwelt in marble halls” 是19世纪歌剧中的著名唱段） > 醒来却发现那是真的； > 我不是为这样的时代而生； > 史密斯是吗？琼斯是吗？你是吗？ 1936—1937年的西班牙战争和其他事件，让天平最终倾斜。从那以后，我知道自己站在哪里。自1936年以来，我写下的每一行严肃文字，无论直接还是间接，都是在反对极权主义，并支持我所理解的民主社会主义。在我们这样的时代，还以为自己可以回避这些题材，在我看来是荒唐的。每个人都会以这样或那样的形式写到它们。问题只在于你站在哪一边，以及你采取什么方式。一个人越清楚自己的政治倾向，就越有可能在采取政治行动时，不牺牲自己的审美和思想上的诚实。 过去十年里，我最想做的事，是把政治写作变成一门艺术。我的出发点始终是一种立场感，一种对不公的感受。我坐下来写一本书时，并不会对自己说：“我要创作一件艺术品。”我之所以写，是因为有某个谎言我想揭穿，有某个事实我想让人注意到；我最初关心的，是让别人听见。但是，如果写一本书，甚至写一篇长篇杂志文章，本身不能同时成为一种审美体验，我也不可能完成它。任何愿意研究我作品的人都会发现，即使在我写得最像宣传的时候，其中也包含许多职业政客会认为无关紧要的东西。我不能，也不想，完全抛弃童年时期形成的世界观。只要我还活着，而且健康，我就会继续强烈地在意散文风格，继续热爱地球表面，继续从坚实的物体和无用的零碎知识中获得乐趣。压抑自己的这一面毫无用处。真正的任务，是把我根深蒂固的喜好和厌恶，同这个时代强加给我们所有人的、根本上属于公共领域而非个人领域的活动调和起来。 这并不容易。它带来结构上的问题，也带来语言上的问题；同时，它还以一种新的方式提出了诚实的问题。让我只举一个比较粗糙层面的困难作为例子。我关于西班牙内战的书 *《向加泰罗尼亚致敬》*，当然是一本坦率的政治书，但总体上，它写得有一定的克制，也顾及形式。我确实很努力，想在不违背文学本能的前提下讲出全部真相。但书中有一整章很长，里面充满了报纸引文之类的材料，为那些被指控与佛朗哥合谋的托洛茨基派辩护。托洛茨基派（Trotskyists，苏联革命家托洛茨基的追随者，在当时左翼阵营内部常遭斯大林主义者攻击）；佛朗哥（Franco，西班牙内战中民族主义阵营领袖，后来成为独裁者）。显然，这样一章过上一两年后，对任何普通读者都会失去兴趣，也必然会毁掉这本书。一位我尊重的批评家曾训了我一通。他说：“你为什么要把那些东西放进去？你把一本本来可能很好的书，变成了新闻报道。”他说得没错。但我当时不可能不那样做。我碰巧知道一件事，而英国很少有人被允许知道：无辜的人正在遭受虚假指控。如果我没有为此感到愤怒，我根本就不会写那本书。 这个问题会以这样或那样的形式反复出现。语言的问题更微妙，谈起来会太长。我只想说，近些年来，我一直试图写得少一些画面上的华丽，多一些准确。不管怎样，我发现，当你把某种写作风格打磨成熟时，你也总已经从那种风格里长出来了。*《动物农场》* 是第一本书，在写它时，我完全清楚自己正在尝试把政治目的和艺术目的融合成一个整体。我已经七年没有写小说了，但希望不久之后能再写一部。它肯定会失败，每一本书都是失败的。但我确实相当清楚自己想写的是哪一种书。 回头看前面这一两页，我发现自己好像把写作动机说得全是出于公共精神。我不想让读者最后留下这种印象。所有作家都虚荣、自私、懒惰，而在他们动机的最深处，还藏着一个谜。写一本书是一场可怕而耗人的搏斗，就像经历一场漫长而痛苦的疾病。除非有某种自己既无法抗拒、也无法理解的“心魔”在驱赶，一个人绝不会主动承担这样的事。也许，谁知道呢，那种心魔不过就是婴儿哭闹着要人注意的同一种本能。然而，同样真实的是：如果一个人不持续努力抹去自己的个性，就写不出什么可读的东西。好的散文像一块窗玻璃。我无法确定自己哪一种动机最强，但我知道哪一种动机值得追随。回看自己的作品，我发现，每当我缺乏*政治*目的时，我写出来的书总是没有生命力，也总会滑向华丽空洞的段落、没有意义的句子、装饰性的形容词，以及各种虚假的漂亮话。 *Gangrel*，第4期，1946年夏 --- 来源：[奥威尔基金会]( --- 翻译提示词 --- 请将以下英文文章，重写成通俗流畅、引人入胜的简体中文。 核心要求： - 读者与风格： 面向对AI感兴趣的普通读者。风格要像讲故事，清晰易懂，而不是写学术论文。 - 准确第一： 核心事实、数据和逻辑必须与原文完全一致。 - 行文流畅： 优先使用地道的中文语序。将英文长句拆解为更自然的中文短句。 - 术语标准： 专业术语使用行业公认的标准翻译（如 `overfitting` -> `过拟合`）。第一次出现时，在译文后用括号加注英文原文。 - 保留格式： 保持原文的标题、粗体、斜体、图片等Markdown格式。 - 尊重原意：保持原有的结构、意思不变，不要过度引申发散，保持原文结尾不要续写 - 适当解读：如果是普通人难懂的专业术语或因为文化差异导致的难以理解，做出更多的注释以更好的理解，注释部分用括号包裹并加粗

强烈认为，美伊之间正在秘密进行“和平协议”谈判。 为什么这么笃定？因为特朗普总统主导的几轮重大协议，套路几乎一模一样，我们已经见过好几次了。 最典型的例子就是2025年5月的中美贸易协议，时间线和现在如出一辙： 2025年4月24日，“90天关税暂停”刚过去15天，10年期美债收益率冲破4.45%大关，特朗普公开说中国有兴趣谈“贸易协议”，中国立刻回应：“中美之间根本没有任何谈判。” 结果仅仅3周后，5月12日双方就宣布达成首份协议，关税基准降到30%。 现在伊朗的情况高度相似，只是谈判藏在幕后。 伊朗现在的打法已经转向“持久战”：通过资本市场和能源市场持续给美以施压。在敲定明确协议前，他们绝不想丢掉筹码，也不想让市场太早平静下来。 这跟2025年4月中国用的杠杆手法完全一样——先否认、10年期收益率破4.50%、美股暴跌，然后突然就谈成了。 我们判断特朗普又在复刻同一套剧本。 不过在正式协议落地前，市场波动还会持续；这次历史级冲击之后，整体市场真正回归正常恐怕还要好几个月。 过去一年，跟着“模式”交易赚得盆满钵满，我们的模型也在持续迭代。 建议收藏本帖。

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。）

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。