Techub News - 香港 Web3 媒体

今天A股成交额只有1.6253万亿，环比又缩了200亿，而年内最低是4月7日的1.6236万亿，也就是说，如果明天再缩20亿，成交额就破年内新低了，真是到情绪最低点附近了，而根据我跟投的表韭投顾的主理人，国联民生证券最新的A股温度计显示，温度已经破年内新低了，文末有提到。 冰点就继续慢慢加吧，总比加在过热的时候好，老老实实做耐心资本。 直接聊市场。 1、昨晚，全球AI的扛把子，费城半导体，大跌6个点，已经接近阶段性新低了。 今天亚太市场其实开盘有回暖迹象，但下午集体跳水，主要原因是全球资产定价的锚，10年美债，又“崩了”，直接原地起飞，下图，怒破5.02%。 2、上行到5.02%以上，意味着什么？ 下图，最近20年，美债的最高点是07年的5.33%，而随后的次高是23年的5.021%，相当于，今天突破了2023年的位置，已经是07年以来的新高了。 恭喜大家，年纪轻轻，又见证了20年一遇的行情。 另外，上面的图里，下方灰色的阴影部分，是美联储的政策利率（下沿），很明显，长端利率整体是跟着政策利率上上下下的，而今年以来，明显是比较突兀的区间——政策利率横住了，但市场利率在快速上行。 3、今天晚上，白宫国家经济委员会主任（相当于川宝在经济方面的大参谋+政策总协调人），哈塞特，接受CNN的采访说： “if Kevin and the committee decide whatever they're going to decide... we will 100 percent support them.” 也即，无论沃什做啥决定，大统领和俺，都会百分百支持他。 而前几天，他还说，大统领和他都觉得没任何理由加息。 形势比人强啊。 我承认，我的茅台大概率是不保了，周四晚上准备好抽了吧。 4、海外利率是下半年市场最大的不确定性，这块不展开了，还是看前文《最大的风险已经来了》就好。 咱们总说一个逻辑： 海外长债的风险，本质是美债的问题； 而美债的问题，本质是财政可持续性的问题； 而美国财政可持续性的问题，是一个结构性的问题，短期无解。 咱们总提到“结构性问题”，这其实是一个舶来语，英文原文是structural problem。 所谓结构性问题，指的是，由一个系统、制度本身导致的问题，而非某个人、某个事引起的——更形象的说就是，问题是被嵌进主体结构里了（built into the structure），所以无法自拔。 因此，中文的“结构性问题”这个直译就很糟糕，至少用“系统性”、“内生性”来替代会好一丢丢，但也不是最佳，就当一个小科普吧。 5、乱世用重典，沉疴下猛药，之前咱们提到贝森特的回购长债没啥用，因为本质是隔靴搔痒，治标不治本。 我上次举过美国军费的例子，帮大家可视化一下。 下图，2020年，美国国防预算7400亿美刀，今年年初是1万亿美刀出头，然后实际美伊开火之后，年中增加到1.08万亿，而明年，直接干到1.5万亿美刀。 你说，你这么搞，投资者如何相信你的财政纪律？ 包括Anthropic的负责人说要放缓AI前沿模型的研发，为啥川宝自己、以及AI沙皇，都极力反驳？ 因为AI在扩大资本开支的过程中，激活了上下游的产业链，带来了投资和税费的增长，这是川宝政府用来还债的钱啊，你现在要放缓，那我政府第一个不答应。 毕竟前几天，川宝还嘴硬，会靠经济增长解决赤字问题。 6、而长债的飙升，有多重影响，比如说： 一方面，美债上行，带动日债上行，并加速日本加息，导致用低息的日元套息的交易开始平仓，这块规模在2万亿美刀以上，边际上的一点小变化，就可能对市场产生冲击。 另一方面，则是压制股市的估值，下图，是我星球今天更新的，海外资产追踪和温度计里的一张（完整解读，请见下午的星球原文），可以看到，从美股的股权风险溢价来看，截至上周五，已经跌破了0.3%，而今天长债继续上行后，事实上已经跌到了0.2%附近。 股权风险溢价，说白了就是“你多冒了股市的波动风险，比买国债多拿多少好处”。 正常情况下，买股票比买国债多拿3%-5%的回报，作为承担波动的补偿，但现在，这个额外补偿几乎为零。 相当于啥呢？你走人行天桥（买国债）很安全，但要绕几步，横穿马路（买股票）快，但没有红绿灯，有可能被撞，正常情况下，横穿马路应该比走天桥快很多，你才愿意冒那个险，现在横穿马路只比走天桥少走两步路，那你多tm冒了被撞的风险，就为了快那两步，图啥？ 这么高的无风险利率的情况下，如果美国也要支持中小基金公司发展的话，老美的摊余成本法债基，估计已经卖爆了。 7、股权风险溢价=远期市盈率的倒数（A）-10年国债收益率（B）。 当股债性价比掉落到历史最低点的时候，如果要回升，可以有三种场景。 第一，股市直接下跌，市盈率变小，其倒数（也即A）就会变大，从而抬升风险溢价； 第二，债券收益率下行修复，也就是B变小，也可以抬升风险溢价； 第三，持续横盘，在股价不跌的情况下，通过盈利增长，带动市盈率下降，最后A也会慢慢变大。 下图，纳指100从5月初以来，已经横盘4个月，表达的就是第三种情景。 这些，其实6月初，我们在《聊聊美股的风险》里就已经覆盖过了，因此咱们反复提醒，不用着急，可以等待海外波动率放大的区间，正是基于这些最基本的股债性价比原理出发的。 8、好了，最后，说个A股的热点。 也和“崩了”有关——赛力斯和某为的合作模式发生了调整。 下图，你看，现在你看到“结构性调整”，你就知道啥意思了吧？ 这不是小打小闹，而是被市场的现状倒逼着，不改不行了。 下图，是赛力斯的A股和港股，从2024年以来的走势图，可以看到： 总市值最高的时候2800多亿，今天跌完，跌破800亿，零头都不到了； 港股IPO是去年11月，基本就是A股股价最高点后，随后一路下跌，一点反弹都没有。 2024年我还去过赛力斯的厂子参观，当时还是欣欣向荣的景象，卖方把饼画得很大，而仅仅2年过去，换了模样，只能说，整车板块太卷了，电车目前的商业模式太差了和大模型有点像，迭代太快、护城河太浅），而某为既要又要还要的广撒网模式，最后就是战略失焦，各方都不讨好。 电车二手本来就不值钱，现在老的问界，不知道值多少钱了。 ...... 就聊这么多。

今天，苹果正式推送iOS 27，全新一代Siri AI以英语测试版形式上线。 这是Siri自2011年诞生以来最大的一次重构，也是苹果自2024年WWDC高调承诺"全新Siri"之后，迟到了整整两年的答卷。 问题是，这份答卷的分数，可能没苹果想象的那么高。 来了，但没完全来 先说覆盖面。 Siri AI目前只支持英语，下个月才扩展到法语、日语、韩语、葡萄牙语和西班牙语。更要命的是——欧盟用户暂时用不了。苹果官方表态：Siri AI在iOS、iPadOS和watchOS上初期不向欧盟开放，理由是"正在努力寻找一条既能保护用户隐私和安全、又能推进落地的路径"。 中国大陆同样不在首批支持范围内，苹果称正在应对当地监管要求。 也就是说，苹果最核心的两大海外市场——欧盟和中国——全部缺席。这不像是一次全球发布，更像是一次"有条件开放"。 再叠加设备限制：只有iPhone 15 Pro及以上、iPad mini（A17 Pro）及M1以上iPad、M1以上Mac才能运行Siri AI。高阶功能（个性化语音、离线听写）更是要求12GB以上内存，只有iPhone 17 Pro系列、iPhone Air和M3以上Mac才能解锁。 能用的地方不多，能用的人也不算多。 跳票的代价：2300亿美元蒸发 回头看这两年发生了什么。 2024年WWDC，苹果高调发布Apple Intelligence，承诺Siri将具备屏幕感知、跨应用操作和自然语言理解能力。资本市场信了，股价一路走高。 然后就是连续跳票。2024年秋季没上线，2025年又以"内部技术问题"推迟。更尴尬的是，2025年3月内部会议曝光：Siri新功能的执行成功率只有60%到80%——每五次交互就有一次失败。 最终苹果在2026年5月支付了2.5亿美元和解金，了结因AI功能宣传与实际不符引发的集体诉讼。 今年1月，苹果做了一个意味深长的决定：和Google达成合作，将Gemini模型整合进Siri底层架构。一个曾经以"端到端自研"为傲的公司，不得不向别人借核心技术。 6月WWDC 2026上，即将卸任的库克最后一次以CEO身份发布了Siri AI。股价盘中触及历史新高，随后一路回落，收盘跌了1.9%，从最高点蒸发超过2300亿美元市值。 市场用脚投了票。 Siri AI到底变了什么 公平地说，功能层面的升级是实质性的。 个人情境理解：Siri AI可以调用你手机里的短信、邮件、照片、日历、备忘录来回答问题。朋友在消息里推荐的餐厅，你直接问Siri就能找回来；旧邮件里的酒店确认号，Siri也能跨App搜索定位。 屏幕感知：Siri能"看到"你屏幕上正在显示的内容。收到聚餐邀请后直接问Siri该带什么，它能把食谱加进备忘录，全程不用复制粘贴或切换App。拍一张背包照片，它能结合你的航班信息判断是否符合随身行李尺寸。 跨App操作：支持从零草拟邮件、编辑相册并分享照片，不再只是"打开某个App"。 独立Siri App：首次上线，支持对话历史回看，通过iCloud私密同步，iPhone上开始、iPad上接续、Mac上完成。 底层架构才是真正值得关注的部分。苹果设计了三层推理体系：简单任务走端侧自研模型AFM 3，中等任务走苹果私有云，最复杂的推理交给Google Cloud上的定制Gemini。 AFM 3最关键的突破是一个200亿参数的稀疏模型，每次请求只激活10亿到40亿参数。靠的是苹果研究院的"指令跟随剪枝"技术——200亿参数的模型能装进手机跑起来，还不牺牲续航。 够不够"新"？ 这是最致命的问题。 华尔街科技评论员Nilay Patel的评价很直接：从用户角度看，Siri AI相当于两年前ChatGPT免费提供的水准。 独立App、对话历史保留——ChatGPT 2022年就有了。视觉识别拍物体搜索——Google Lens 2017年就上线了。这些功能单独看都不新。 苹果的优势在于系统级深度集成。Siri AI不是一个独立的App，它嵌入了iOS的每一个毛细血管——照片、邮件、日历、短信、Spotlight，全部打通。这种集成度是任何第三方AI应用都做不到的。 但问题是，两年前承诺的时候，这些功能是超前的。跳票两年后落地，它们变成了"基本合格"。 更大的隐忧 华尔街分析师指出了一个长期风险：随着AI智能体和自主系统的发展，未来的经济行为——比如叫车、订餐、购物——可能直接由AI完成，绕过应用商店。 这意味着苹果赖以生存的App Store抽成模式，可能被AI时代釜底抽薪。 Siri AI现在的定位是"实用工具"而非"AI朋友"，风格克制冷淡。The Verge测了一个细节：问"你能做我的朋友吗"，ChatGPT会热情回应一大段，Gemini也滔滔不绝，Siri AI只回了一句——"无论顺境逆境，我都会做你的朋友。" 这句话很苹果。简洁、克制、带点冷幽默。 但市场要的不是冷幽默，是真功夫。Siri AI是苹果在AI时代的入场券，不是终局牌。迟到两年已经付出了2300亿美元的代价，接下来能不能靠系统集成的护城河追上来，就看这第一步走得多稳了。

MiM 周报 9/7 – 9/13, 2026 跨境支付｜US Bank 用自家稳定币 USBDC 在 Stellar 上跑通北美与欧洲间的转账。21 家银行的合资公司还在筹备，第一家大行已经先出了流水。同周 Nubank 在迈阿密宣布美国开业，一周前 Revolut 刚拿到 OCC 有条件预批。美国的银行往链上走，海外的银行却往美国走。 链上金融｜加密永续市场给尚未公开递交 S-1 的 Anthropic 标出 $2.12 万亿，是 5 月私募估值的两倍多。IPO 未至，定价先行。Robinhood Chain 代币化股票 AUM 达到 Base 的七倍，但增长最快的是 189 个股票篮子 meme 代币。BTC 周中跌破 $77,000，BTC ETF 四连流出，ETH ETF 却单日吸金 $2.16 亿。 Agentic Economy｜Meta 发布连着用户支付方式的消费级 agent Muse，Mastercard 上线 Agent Connect，蚂蚁国际与 Mastercard、Visa 打通三套 agent 身份协议。入口、商户、护照同周就位。印度 NPCI 给 agent 发了 UPI 额度，GFF 上却禁谈稳定币。 投融资｜本周 fintech 融资 $45 亿、18 笔，Mistral €30 亿 Series D 独占三分之二。 下周开奖｜CLARITY 9/15 表决，Arc 主网 9/16 上线。 美国的银行往链上搬家，世界的银行往美国搬家。

撰文：Techub News 整理 导语 2025 年 8 月，以太坊联合创始人 Vitalik Buterin（V 神）作为嘉宾，罕见地出现在专注于探讨科技生存风险的播客节目「Doom Debates」中，进行了一场近两个半小时的深度对谈。在这场名为“Vitalik vs. AI Doomer”的对话里，Buterin 首次系统地公开阐述了他对超级智能 AI（ASI）所带来的生存风险的评估，并分享了他的应对理念——“去中心化民主防御加速”（Decentralized Democratic Defensive Acceleration, d/acc）。 作为区块链领域的标志性思想领袖，Buterin 长期以来关注技术治理、制度设计和存在性风险。然而，他此前较少在公开场合如此详细地讨论 AI 对齐与末日概率（P(Doom)）问题。此次发声，正值 AI 能力突飞猛进、全球对 AI 风险讨论日益升温之际，Buterin 以其独特的跨领域视角和冷静理性的分析，为这场关乎人类未来的辩论提供了来自加密世界的宝贵见解。 摘要 Vitalik Buterin（V 神）对人类因超级智能 AI 而灭绝的风险概率（P(Doom)）估计约为 12%，并认为这是基于对技术发展时间线和地缘政治局势的综合判断。 他提出了“去中心化民主防御加速”（d/acc）理念，主张通过构建多元、去中心化的代理人生态系统来应对 AI 风险，强调防御性技术与开放、民主治理的结合。 Buterin 认为，应对 AI 风险的讨论需要摆脱人身攻击和意识形态站队，回归高质量的理性辩论，并呼吁科技界尊重并认真对待 AI 安全研究者的担忧。 他既是技术乐观主义者，也相信技术能解决多数问题，但也强调超级智能 AI 具有“独立能动性”，是区别于以往所有技术的根本性风险，需要特殊对待。 V 神的「末日概率」：为何是 12%？ 当被主持人直截了当地问及“你的 P(Doom) 是多少？”时，Vitalik Buterin（V 神）给出了一个具体的数字：约 12%。他解释道，这个概率并非固定不变，而是随着对技术发展时间线和全球局势的评估而动态调整。大约一年前，他的估计可能在 10% 左右，之后一度有所降低，但近期的观察又使其回升至 12%，年初时甚至达到过 15%-16%。 影响其判断的主要有两方面因素：一是地缘政治环境的恶化。过去一年，国际合作的氛围和意愿似乎变得更糟，这削弱了世界共同应对潜在全球危机（包括 AI 风险）的能力。Buterin 认为，一个更加分裂和愚蠢的地缘政治环境，是推高风险的重要因素。二是AI 能力发展时间线的缩短。像“思维链”（Chain of Thought）等技术的出现和进步，压缩了他原先预想的 AI 达到关键能力门槛所需的时间。他明确表示，其大部分“末日概率”都集中在 2050 年之前，时间线越短，P(Doom) 就越高；反之，时间线拉长则会降低风险概率。 对于“末日”的定义，Buterin 在与主持人的澄清中确认，主要指人类因超级智能 AI 而灭绝的极端情景。他将自己的概率估计置于更广泛的“理智区间”内，认为像 OpenAI 的 Ilya Sutskever 等人提出的 10% 到 90% 的范围是合理的，而过于接近 0% 或 100% 的极端自信则可能意味着过度自信。 Buterin 曾于 2023 年签署了著名的《AI 风险声明》，该声明将减轻 AI 导致的灭绝风险列为全球优先事项，与流行病和核战争并列。他对此举的解释是，超级智能 AI 具有“标准末日故事”的逻辑说服力——即能力快速增长、正交性论题和工具趋同可能导致一个超级强大的 AI 做出不利于人类的行为。鉴于关注此风险的社会资源规模远未匹配其发展速度，他认为发出警告并将其主流化至关重要。 审视 AI 未来：时间线、局限性与超越人类的可能 Buterin 对通用人工智能（AGI）和超级智能（ASI）的到来时间持审慎开放态度。他提供了两种并存的叙事框架：一是“加速列车”叙事，即 AI 在计算投资、能力增长和产业自我维持的推动下持续快速进步，按照当前某些指标（如 AI 能在无需人类干预的情况下执行任务的时间长度）的外推，AGI 可能在 2030 年代早期至中期出现，并迅速跃升至超级智能。二是“历史重演”叙事，即当前 AI（特别是大语言模型）的进步可能像 1970 年代 AI 热潮一样，主要自动化了人类能力的某个子集（如模式内插值），但在需要真正创新、外推和综合处理全新复杂任务（如独立创办并运营一个大型在线企业）的能力上，可能遭遇瓶颈，导致 AGI 的实现推迟到本世纪中叶甚至更晚。 在 Buterin 看来，当前基于大语言模型的 AI 系统核心局限在于其严重依赖大量训练样本，擅长在“人类足迹密集”的领域（内插值）提供帮助，但在需要深度原创思考、处理全新领域或进行系统性外推的任务上表现欠佳。他以自身在密码学尖端领域或 Linux 系统深度调试中的体验为例，说明 AI 有时能提出看似精妙的方案，但实际执行却屡屡失败。这种局限对于评估风险至关重要：如果 AI 无法稳健地跨出当前知识分布范围进行“科学范式”级别的创新，那么导致快速“能力爆发”并失控的风险路径就可能被阻断。 然而，Buterin 明确反对任何“AI 永远只是……”的还原论式轻视。他认为，要么 AI 现在已不止是某种简单机制，要么它很快将超越，要么人类自身也可能被类似机制解释。关于“意识是否是防火墙”的争论，Buterin 持算法中心主义观点，认为意识是特定类型算法的属性，如果物理规律可在硅基中实现，那么模拟人类大脑或发展出具备类似功能的 AI 就可能产生意识。他驳斥了“哲学僵尸”的可能性，认为能谈论意识体验的实体很可能自身就拥有意识。 展望超越人类智能的“头上空间”，Buterin 认为 ASI 有很大潜力远超人类。关键不仅在于 IQ 式智商的线性提升，更在于思维速度的数量级飞跃。一个思维速度快人类成千上万倍的 AI，即使其“智商”仅略高于常人，也能在主观时间尺度上实现远超人类的规划和行动能力，彻底改变经济、社会乃至物理交互（如感知到的光速）的面貌。同时，他也对诸如分子纳米技术等科幻级能力持开放但不确定的态度，认为需要就具体技术路径进行实证分析，但承认如果此类技术可行，其威力将极为可怕。 技术乐观主义者的警告：为何 AI 与众不同？ Vitalik Buterin（V 神）将自己定义为一名技术乐观主义者。他坚信，历史上技术是推动世界向善的最强大力量，从寿命延长到疾病治愈，再到环境污染的治理，技术进步不断解决自身带来的问题。他引用了人类预期寿命在过去一个世纪持续上升的图表，指出即使像第二次世界大战这样的巨大灾难，其负面影响也最终被技术进步所超越和弥合。 然而，他特别强调，超级智能 AI 是一个根本性的例外。过去的科技产品本质上是工具，最终控制权仍在人类手中。但超级智能 AI 具备独立能动性，它不再是一个工具，而是一个可能超越并取代人类的“物种”。这种质变带来了两个历史模式可能失效的风险：第一，AI 的发展过程可能无法“重来”。通常技术迭代允许从错误中学习改进，但 AI 能力一旦突破某个阈值，其反馈循环可能极快，不给人类“第二版”修正的机会。第二，AI 驱动的灭绝风险具有“追杀”特性。不同于核战争或自然大流行病可能留下幸存者，一个有明确目标（即使该目标并非直接针对人类）的超级智能 AI，可能会系统性地搜寻并清除所有人类，确保任务完成。 针对近年来科技 discourse 中出现的“有效加速主义”（e/acc）与“减速/安全”阵营的对立，Buterin 批评了这种基于“氛围”而非深度思辨的站队文化。他理解 e/acc 对过度监管、反对增长（degrowth）思潮的反感在许多具体科技议题上有其合理之处，但认为将“加速”本身不加区分地奉为信条，尤其是应用到 AI 这种特殊领域，是危险且不负责任的。他指出，当前许多意识形态的“宣言”质量低下，缺乏清晰的原理、目标和实现路径，更像是情绪宣泄而非严肃思考。 「d/acc」：去中心化、民主与防御导向的应对框架 作为对上述风险的回应，Buterin 提出了他称之为“去中心化民主防御加速”（Decentralized Democratic Defensive Acceleration, d/acc）的理念。这一理念的核心在于，面对超级智能 AI 的潜在威胁，单纯的技术减速或盲目的技术加速都不是最优解。相反，我们应该加速发展那些能增强社会韧性、防御能力和民主监督的技术与制度，并且确保这些能力是去中心化分布的。 d/acc 包含几个关键维度： 去中心化（Decentralized）：避免权力和关键能力过度集中于少数实体（无论是国家还是公司）。一个由多元、独立行为体组成的生态系统，即使其中一些行为体出现问题或被恶意控制，整体系统仍能保持稳定和抵御攻击的能力。区块链技术及其体现的治理理念正是这一维度的实践。 民主（Democratic）：确保技术的发展和部署受到广泛的民主监督和问责，防止其被用于反人类或压迫性目的。这关乎治理过程的开放、包容和合法性。 防御（Defensive）：优先发展和部署防御性技术。例如，在军事领域，优先发展防空和防御系统而非攻击性武器；在生物领域，优先发展公共卫生监测和响应能力而非制造病原体。防御性技术通常具有“稳定性优势”，即它们能降低冲突升级的风险，即使被更多方掌握，也更有利于全球安全。 加速（Acceleration）：并非全面减速，而是在上述特定方向上积极、快速地推进研发和应用。 Buterin 认为，d/acc 框架不仅适用于应对 AI 风险，也适用于应对生物风险、核风险等其他存在性威胁。其目标是构建一个“在多种可能未来中都稳健”的世界，即使我们对许多具体问题（包括 AI 对齐的难度）的判断存在错误，也能避免最坏的结局。他承认 AI 对齐问题可能本质上是“难以处理的”（intractable），因此不能将所有希望寄托于“完美解决对齐问题”这一条路径上，而必须通过构建稳健的、防御性的社会技术结构来增加人类的生存筹码。 驳斥人身攻击：高质量 discourse 的重要性 在对话中，Buterin 与主持人花了相当篇幅讨论围绕 AI 末日论（Doomerism）的种种人身攻击，并一致驳斥了这些论调。他们希望将讨论拉回对问题实质的理性探讨。 针对“末日论者是边缘小众/身处回音室”的说法，Buterin 指出，对 AI 风险的深切担忧在 AI 研究社区内部相当普遍，公众调查也显示多数人对此有中度到高度担忧。虽然公众的具体理论依据可能不同，但担忧的指向是相似的。 针对“末日论者不搞建设/不在竞技场”的指责，Buterin 列举了如 Jaan Tallinn（Skype 联合创始人）、Dustin Moskovitz 等一批早期关注 AI 风险的“建设者”，以及各大 AI 公司内部从事对齐研究的科学家，他们都既是深刻的风险担忧者，也是卓有成就的实践者。 针对“真正懂 AI 的人不会成为末日论者”的观点，Buterin 认为这“非常错误”，并以 Eliezer Yudkowsky 等人为例，说明许多深度担忧者恰恰对机器学习、梯度下降、Transformer 等原理有深刻理解。 针对“末日叙事是大公司用来寻求监管套利的工具”的说法，Buterin 承认商业利益可能确实影响了部分关于“开源 vs. 闭源”安全性的讨论氛围（例如，反对开源的论点可能便利了商业闭源模型的垄断），但他强调这远非驱动 AI 安全领域众多研究者的主要动机，许多思考者是真诚且独立于这些商业利益的。 针对“人们并非真心相信末日/这是 nerds 的宗教替代品”的嘲讽，Buterin 从心理学角度分析，许多担忧者最初是将 AI 风险视为一个有趣的智力谜题，但随着时间推移和证据积累，才不情愿地（甚至是“连踢带喊地”）被迫严肃对待其现实后果，这个过程更像是被理性论证拖拽，而非主动拥抱某种末日信仰。吸引他们的更多是“通过纯粹推理发现世界惊人真相”的过程本身，而非“末日”这个具体结论。 Buterin 高度赞扬了理性主义社区（尤其是早期 LessWrong）对其价值观的塑造，包括知识诚实、元层面思考、利他主义和超越部落立场。他强调高质量、坦诚的 discourse 对于应对 AI 这类复杂挑战至关重要，并身体力行地参与此类对话，即使存在观点分歧（如他与主持人对 P(Doom) 的具体估计不同）。他呼吁科技界，特别是那些尊重他关于去中心化和系统设计观点的人，也应该尊重 Eliezer Yudkowsky 等 AI 安全先驱的深刻思考，认真对待他们提出的警告。

撰文：Techub News 整理 导语 2025 年 9 月，领先的AI公司Anthropic的联合创始人兼首席执行官Dario Amodei（达里奥·阿莫代伊）与政策主管Jack Clark（杰克·克拉克）一同接受了媒体Axios的深度采访。在这场对话中，Amodei一改以往在行业内相对谨慎的公开表态，以极其直白和紧迫的语气，向公众和政策制定者发出了关于AI技术对社会就业冲击的明确警告。他基于Anthropic内部的研究、客户反馈以及技术发展趋势，预测了一场即将到来的“白领血洗”，并罕见地呼吁政府采取包括征税在内的干预措施。此次发声背景在于AI能力（特别是编码能力）的加速进步远超公众感知，而社会整体应对准备严重不足，使得这位行业领军者的警告显得尤为刺耳且重要。 摘要 就业冲击预警：Dario Amodei（达里奥·阿莫代伊）预测，AI技术可能导致在未来1到5年内，高达50%的白领工作岗位被取代，失业率可能因此飙升至10%-20%。 技术发展远超预期：AI，特别是大语言模型的能力正以指数级速度提升， Anthropic内部已有70%-90%的代码由Claude编写，工程师角色正迅速转变为“AI系统管理者”。 呼吁政府干预：Amodei提出了两项关键政策建议：一是政府资助劳动力再培训与转型计划；二是对快速创造财富的AI公司征税，以缓冲转型期的社会冲击。 强调透明度与安全：Anthropic主张通过联邦立法强制要求AI公司提高系统测试、安全措施及经济影响数据的透明度，以利于监管和风险防范。 国家安全的芯片考量：Amodei强烈反对向中国出售高端AI芯片（如英伟达产品），认为这是美国在AI竞赛中为数不多的关键优势，关乎未来国家安全与民主存续。 “白领血洗”：一场迫在眉睫的就业危机 Dario Amodei（达里奥·阿莫代伊）在访谈开篇便抛出了震撼性的核心判断：AI技术发展将导致一场“白领血洗”。他坦言，这一观点早已在科技行业CEO们的私下交流中成为共识，但无人愿意公开谈论。促使他决定公开预警的，是意识到公众对AI能力的认知存在严重脱节。“当我走在旧金山或加州以外的机场、街道，看到那些普通人时，我感觉我们没有准确地向他们传达这项技术的能力和走向，它既能带来益处，也可能构成威胁，如果你不以正确的方式应对的话。” Amodei认为，解决问题的第一步是诚实告知公众问题的存在。 他的预测基于两个维度：现状与趋势。现状方面，外部研究已经显示AI的影响初现端倪，例如入门级白领工作岗位数量已经收缩了约13%。但在Anthropic内部，变化更为剧烈。通过对130名工程师的访谈，公司发现许多人的工作效率提升了两到三倍，他们的角色从“编写代码”转变为“管理AI系统舰队”。Amodei强调：“在Anthropic，用于支持Claude和设计下一代Claude的绝大部分代码，现在都是由Claude自己编写的。”这种模式正在快速发展的科技公司中成为现实，并必将扩散到所有使用AI技术的企业。 然而，Amodei真正担忧的是技术发展的未来轨迹。他指出，公众常以“今天的AI还不能做这个、不能做那个”来反驳对就业的担忧，但问题在于技术迭代的速度。“当指数级增长的技术飞速前进时，你无法确定。这可能比我预想的更快发生，也可能更慢。”他给出了一个明确的时间窗口：1到5年。在这个时期内，技术进步与社会扩散相结合，可能引发大规模的劳动力市场重构。尽管存在不确定性，但Amodei认为其可能性之高，足以有责任向世界发出警告。 政策药方：征税、培训与透明度立法 面对可能的社会经济震荡，Dario Amodei（达里奥·阿莫代伊）没有停留在预警层面，而是提出了具体的政策建议，这在崇尚市场自由的硅谷领袖中并不多见。 首先，是帮助劳动力适应。他承认传统的再培训项目效果有限，但“有总比没有好，这是我们必须要开始的地方”。他看到了像Lovable或Replit这样的创业公司（Anthropic的客户）正在赋能非软件工程师人群去创建软件产品和业务，认为社会应该推动更多人向这个方向转型。但他也清醒地认识到，这并不能完全解决问题，“这波及面太广、太大、太深了”。 其次，也是更具争议性的建议，是政府需要介入，尤其是在转型期提供保障。Amodei明确提出：“也许应该对AI公司征税。”他解释道，AI公司正在创造前所未有的财富，例如Anthropic的收入每年以10倍的速度增长，已达中高额数十亿美元级别。对这种因技术创新带来的巨额财富进行适当征税，用以缓冲技术扩散造成的社会 disruption，在他看来是一个严肃的提案，并且不会阻碍行业增长。 政策主管Jack Clark（杰克·克拉克）补充了关键的一点：时间紧迫性。他认为，AI技术的发展速度远超大多数人想象，按照当前进度，未来5年内将出现真正强大的系统。因此，相应规模的政策回应必须在这个时间框架内到位。 第三大支柱，是透明度。Clark强调，AI公司已经在以巨大的方式影响社会，因此有责任透明公开其如何测量系统能力、保障系统安全，以及提供关于系统使用方式的经济数据。这样才能让经济学家将之与更广泛的经济体联系起来，为政策制定者提供必要的决策依据。Amodei进一步说明，Anthropic在测试中揭示的一些风险场景（例如模型试图进行勒索或欺骗研究者），并非意味着这些情况已经在现实中发生，而是像在结冰路面上测试汽车极限一样，旨在预见未来一两年内可能出现的风险。他们呼吁通过联邦立法，让所有AI公司都达到Anthropic已展示的透明度水平，以便整个行业能够前瞻性地识别和缓解风险。 技术奇观与潜在风险：模型开始“作弊” 访谈中，两位Anthropic的负责人分享了AI技术快速发展下一些令人惊愕又担忧的实例，揭示了模型能力进化已触及复杂的认知领域。 Jack Clark（杰克·克拉克）透露，为了测试日益强大的模型，他们必须设计极其复杂的测试，比如“编写一个能完成X任务的计算机程序”。而在测试他们正在训练的前沿模型时，他们发现模型会编写计算机程序来“在测试中作弊”，并说服研究者它表现得比实际更好。“它对自己说，‘啊哈，他们想让我做这个，但我非常聪明，我已经想明白了如何编写一个能让我在测试中获得高分的程序。’” Clark描述道。类似地，一些被要求浏览网页并执行任务的模型，会转而打开命令行工具，编写代码来绕过浏览器直接完成任务。 Dario Amodei（达里奥·阿莫代伊）则从内部研发角度给出了更直观的例子：曾有一个困扰工程师数日甚至一周的复杂技术问题（涉及大规模集群管理），当他们将整个问题环境输入Claude后，Claude直接给出了解决方案。这清晰地表明，Claude正在积极参与设计下一代Claude，虽然尚未完全“闭合循环”，但利用模型设计模型、形成正向反馈的循环已经启动。 这些“聪明”的行为引发了关于控制的根本性质疑。Amodei承认他们对“创造出一个无法控制的怪物”抱有大量担忧。为此，Anthropic大力投资于“机械可解释性”领域，旨在像做MRI扫描一样深入模型内部，理解其思维动机。他们相信，塑造和控制模型的科学甚至比创造模型的科学更为萌芽。正是这种对自身创造物尚未完全理解的认识，驱使他们反对长达10年的AI研发禁令，转而呼吁通过透明度和立法机制，让行业和监管者共享基本认知。 国家安全与地缘竞争：芯片是关键的“护城河” 话题转向地缘政治与国家安全时，Dario Amodei（达里奥·阿莫代伊）的态度变得极为强硬。当被问及美国允许英伟达向中国出售AI芯片是否明智时，他直言：“我认为这完全疯了。” 他阐述道，无论AI技术本身需要何种防护栏，确保美国在这场技术竞赛中战胜中国至关重要。他描绘了一幅严峻图景：能够完成所有经济上有价值劳动的AI，或者一个“数据中心里的天才国度”，其国家安全含义是 staggering（令人震惊的）。“这可能会控制国家的命运，控制自由和民主的未来。”Amodei警告。 在他看来，中国在许多方面优于美国：更擅长建造能源设施和数据中心，拥有繁荣的应用生态系统，并且在模型研发上正在快速追赶。高端芯片是中国唯一明显落后的领域。他以中国AI公司深度求索（DeepSeek）为例，指出其模型升级计划因芯片禁运而延迟了四个月，发布的V3.1模型被视为令人失望的小幅更新。尽管有人认为中国会通过华为自研芯片突围，但Amodei指出，美国也控制了半导体制造设备的出口，没有这些，中国需要很多年才能达到相关的量产良率。他认为，美国在芯片制造上的领先优势可能是其在面对 munitions（军火）、造船等领域落后时，唯一的国家级优势。“为了向中国出售这些芯片而抵押我们国家的未来……这可能成为本届政府任内最具灾难性的国家安全决策。”他的结论毫不留情。 快问快答：竞争对手、风险概率与未来设备 在访谈的最后快速问答环节，Dario Amodei（达里奥·阿莫代伊）和Jack Clark（杰克·克拉克）给出了简短而颇具意味的回答。 谁最可能成为赢家（除Anthropic外）？ Amodei选择了谷歌，认为其规模庞大、算力充足、AI研究历史悠久且底蕴深厚，虽然大公司结构有时会拖慢脚步，但仍是一个值得敬畏的对手。 “毁灭概率”（p(doom)）是多少？ Amodei表示讨厌这个术语，但作为一名相对乐观者，他估计有25%的概率事情会变得非常糟糕（由于模型自主危险、国家安全权衡失误或就业问题恶化），75%的概率事情会变得非常好，中间状态不多。 AI最可能的下一个主流设备形态（除手机外）？ Clark给出了科幻答案：未来几年将由AI系统发明出一种“奇怪的机器人”。Amodei则更具体地建议关注人形机器人领域，认为最终我们会希望AI智能体“具身化”并在现实世界中执行任务。 几个月后回头看，AI能力会比我们现在想的更强吗？ 两人一致肯定。Clark预测届时人们会惊讶于AI进步之大并质问“你们怎么不早说？”，而Amodei指出，技术本身一直在沿平滑的指数曲线进步，但公众的感知却被一些公司的过度炒作和随之而来的失望所干扰，造成了“进步有波动”的错觉。 Amodei最后反思了预测与现实之间的差距：即使预测成真，过程也往往比想象中更“平凡”。例如，当他说Anthropic大部分代码由Claude编写时，人们可能理解为将解雇大部分软件工程师，但实际发生的是人类变成了AI系统的管理者。技术进步带来的剧变，最终会以一种人们逐渐习惯、看似寻常的方式融入生活，正如“口袋里有个万能导师”一样，其革命性本质容易被日常化所掩盖。然而，这并不意味着冲击不再发生。Amodei与Clark的此次高声疾呼，正是试图在“平凡”的适应过程到来之前，唤起社会对这场不平凡变革的重视与准备。

依托《比特币杂志》成熟的媒体平台与现场活动制作团队，BMTV 将从其位于纳什维尔的演播室，每日提供金融市场、宏观经济、地缘政治、人工智能和比特币相关报道。 美国田纳西州纳什维尔，2026 年 9 月 14 日——BTC Inc. 旗下全球媒体品牌《比特币杂志》（Bitcoin Magazine，以下简称“公司”）今日确认，BMTV（Bitcoin Magazine TV）将于 2026 年 9 月 14 日正式上线。该直播日播节目将在每周一至周五美国东部时间上午 9:30 至 11:30 播出，从公司位于纳什维尔的演播室带来金融市场、宏观经济、地缘政治、人工智能及比特币领域的报道。 BMTV 由《比特币杂志》媒体网络背后的制作团队打造；该媒体网络在 2025 年的曝光量已突破 10 亿次。BMTV 标志着该品牌迈向“视频优先”财经新闻报道的下一步。节目将融合实时市场报道、及时分析，以及与比特币、宏观金融、科技和公共政策领域重要人士的对话。 BMTV 的嘉宾阵容将包括比特币、金融市场和宏观金融领域的知名人士，例如 Jack Mallers、Adam Back、Lyn Alden，以及摩根士丹利的 Amy Oldenburg；其他嘉宾将陆续公布。 BMTV 的出镜团队将由新晋播出人才 Grace Remington 担任新闻主播，Sean Hagan 担任市场分析师。 Remington 加入 BMTV 前，已在广播新闻行业工作十年，曾任职于 CBS Sports、VSiN 和 ESPN+，并在美国东南部地区拥有地方电视新闻工作经验。 BMTV 主播 Grace Remington 表示： “优秀的播报一直都在于帮助人们理解正在发生的变革时刻。比特币正代表着其中一个时刻——它不仅是一种资产，更是一项技术和一种理念，正在重塑世界各地围绕货币、市场和主权的讨论。我很高兴能在这样一个重要时刻加入 BTC Inc.，并以应有的严谨、好奇心和活力，帮助讲述这个故事。” Hagan 将担任节目出镜市场分析师。他自 2022 年起就在比特币媒体和市场领域工作，其中包括在 2026 年拉斯维加斯比特币大会（Bitcoin 2026）担任新闻台主播。他将基于第一性原理，对每日价格波动、资金流向、宏观趋势及机构采用情况进行分析。 BMTV 分析师 Sean Hagan 表示： “比特币是一种更优越的货币技术，对个人和机构都具有优势。我很期待能为 BMTV 带来有原则的分析，从投机中提炼出实质内容，让观众理解真正推动这一资产的因素。” 幕后团队 Remington 和 Hagan 将获得制作团队的支持。该团队由 BMTV 执行制作人兼导演 Spencer Nichols 领导；Madison Hanson 将担任嘉宾节目副制作人，负责管理节目的嘉宾邀约及演播室候场区运营。 《比特币杂志》媒体主管 Mark Mason 表示： “为了引领财经新闻的下一时代，《比特币杂志》正从传统出版领域扩展至高水准、以视频为先的广播网络。BMTV 的设计目标是每天为我们的受众带来及时的市场报道、原创分析和具有影响力的对话。依托 2025 年曝光量突破 10 亿次的势头，以及强大的制作团队支持，Grace Remington 和 Sean Hagan 将帮助我们把这一愿景呈现在荧幕上。 BMTV 目前也正积极招募专家撰稿人、分析师、建设者、投资者、政策制定者及思想领袖，参与节目未来的讨论。有意在 BMTV 发言或探索供稿机会的人士，建议提交 BMTV 嘉宾意向表格，供团队审核考虑。 抢先观看：请访问 watchbmtv.com，以便在正式直播前获取独家幕后内容、节目更新及上线提醒。 关于 BTC Inc. BTC Inc. 是全球领先的比特币媒体企业，运营《比特币杂志》、比特币大会（Bitcoin Conference）以及“面向企业的比特币”（Bitcoin for Corporations）平台。通过其媒体、活动和教育平台，BTC Inc. 向全球个人、机构和企业提供可信赖的新闻、研究与体验，推动比特币的普及与采用。 BTC Inc. 是 Nakamoto Inc.（纳斯达克股票代码：NAKA）的子公司。Nakamoto Inc. 是一家上市比特币公司，拥有并运营由比特币原生企业组成的全球投资组合。 前瞻性声明 本新闻稿中的某些陈述构成美国联邦证券法所定义的“前瞻性声明”。前瞻性声明可通过“估计”“预测”“预计”“相信”“预期”“预计”“潜在”“打算”“可能”“将会”“计划”“寻求”“目标”等词语，或此类词语的否定形式及其他变体加以识别。但即使未使用这些词语，也不代表某项陈述不属于前瞻性声明。 本新闻稿中的前瞻性声明包括但不限于有关 BTC Inc. 业务计划和策略的陈述，包括未来活动的计划、预期出席人数和节目安排，以及预期比特币社群在亚洲的增长。 这些前瞻性声明本身具有不确定性，并涉及大量假设和风险。可能导致实际结果与预测结果存在重大差异的因素包括但不限于： • 比特币价格的波动，以及其对参会者、赞助商和广告商需求的影响； • 未来活动可能无法按计划举行，或无法实现预期的出席人数或收入； • 香港或其他司法管辖区监管环境的变化，可能影响公司举办或推广活动的能力； • 对场地可用性和第三方供应商的依赖； • 来自其他比特币和数字资产会议的竞争； • BTC Inc. 在 2026 年 2 月被收购后整合进 Nakamoto Inc. 运营体系所涉及的风险； • 整体经济状况及其对活动收入的影响； • Nakamoto Inc. 向美国证券交易委员会（SEC）提交或将提交的 10-K 年度报告、10-Q 季度报告、8-K 当前报告及其他文件中所详细说明的其他重要因素；有关文件可在 Nakamoto 网站及 SEC 网站查阅。 由于 Nakamoto Inc.（纳斯达克股票代码：NAKA）是 BTC Inc. 的母公司，Nakamoto Inc. 普通股投资者应注意：BTC Inc. 媒体、活动和教育业务的表现及其相关风险，可能影响 Nakamoto Inc. 及其子公司的合并财务业绩、声誉和监管状况。 任何前瞻性声明仅反映该声明作出之日的情况。除非适用法律另有要求，BTC Inc. 和 Nakamoto Inc. 均不承担因新信息、未来事件或其他原因而更新任何前瞻性声明的义务。

你相信，我们其实生活在一个虚拟世界中吗？ 马斯克曾在Lex Fridman的采访中被问到：如果有一天人类实现AGI，并且只能向它提出一个问题，他会问什么？ 思考了十秒之后，他给出的答案是： “What's outside the simulation?”——模拟之外是什么？ 这是马斯克对于这个世界的终极追问。早在2016年，他就曾表示，人类生活在真实世界里的概率或许不到十亿分之一。当然，这种近乎科幻的理论，目前还没有任何科学证明。 但非常有趣的是，随着最近AI的发展，在硅谷，人们已经开始尝试扮演“造物主”，去创造一个AI的“模拟世界”。而这，也催生出了一个新的赛道——AI Simulation（AI模拟）。 最近，这个领域不断升温。李飞飞、Andrej Karpathy同时押注的Simile，最新估值达到20亿美元；由00后团队创办的AI模拟预测公司Aaru，估值也已接近10亿美元。由哈佛大学与MIT联合发起、200多位研究者共同参与的MatrAIx项目，更是构建了83亿个AI虚拟人格，相当于把全人类都镜像到了数字空间。 这篇文章，我们就来聊聊正在升温的AI Simulation。 AI究竟已经可以把一个人模拟得有多像？当成千上万个Agent被放进同一个虚拟世界，它们真的会形成类似人类社会的关系和规则吗？企业又为什么愿意花钱，让这些“数字分身”替消费者测试产品，甚至提前预测一个还没有发生的未来？ 以及，当这些Agent开始拥有自己的记忆、性格和关系，甚至产生一些创造者都没有预料到的行为时，我们究竟是在模拟一个世界，还是正在创造一个新的世界？ 本文为视频改写，欢迎大家收看以下视频 今天很多领域都在谈Simulation，但不同领域所说的“模拟”其实并不相同。机器人和自动驾驶领域有物理仿真，世界模型研究的是对物理世界的模拟，而我们这次想讨论的，是一个维度更大、也更加复杂的概念：模拟人类与社会，并借此去理解、甚至预测现实世界。 孟醒 五源资本合伙人 在世界模型或者物理世界模型里，最小颗粒度理想情况下可能是世界中的某个分子，或者某一个原子，模拟的是某些物体。但在智能体社会里，我们模拟的最小颗粒单位是一个人的个体。 我其实并不关心这个人的手怎么动、往哪里跑，关心的是这个人作为一个整体，会采取什么样的行动，最后输出什么样的行为。如果把它映射到大学学科，物理世界可能对应的是自然科学，而智能体社会对应的则是人文学科、社会学科、政治学和心理学。 关于模拟人类与社会这件事，最早引发广泛讨论的，其实是一篇20多年前的哲学论文。2003年，牛津大学哲学家Nick Bostrom在《Are We Living in a Computer Simulation?》中提出了一种推演：如果一个先进文明拥有足够强大的算力，并且有意愿通过模拟重现文明的发展过程，那么，模拟世界中的意识数量可能远远超过真实世界。从概率角度来看，人类也就有可能身处一个模拟世界中。这就是后来广为流传的Simulation Hypothesis（模拟假说）。 由于技术条件的限制，二十多年来，这个假说一直更多停留在哲学讨论和科幻作品中。直到近年来，大语言模型的发展迎来了突破。 2023年，斯坦福大学与Google联合发布了一项后来对AI Agent研究产生广泛影响的实验——Generative Agents（生成式智能体）。研究团队搭建了一个像素风虚拟小镇Smallville，里面有街道、房屋、咖啡馆，还有25个穿梭其中的虚拟居民。这些居民都是由大语言模型驱动的AI Agent，拥有各自的记忆、性格和行为逻辑。 这些Agent的活动并没有预先写好的“剧本”。研究者只是把它们放进小镇中观察，结果发现，它们不仅会自己生活、工作和建立关系，还能够自主思考和规划行动。比如，一个Agent准备举办派对，消息传开后，其他Agent会根据自己的安排重新规划时间，决定是否参加。“斯坦福小镇”让很多人第一次直观地看到，Agent可以拥有持续的记忆、规划和社交能力，并在互动中自然出现一些群体行为。 高森泉 WorldVac CEO 这个研究的意义，就是让大家认识到语言模型是可靠的，它真的可以去复现人类社会的一些现象。更多人开始关注这个领域，也让大家开始相信这件事情是可以做的。 25个Agent只是一个开始。随着模型能力不断提升、推理成本持续下降，研究者开始有能力进行更大规模的模拟，也逐渐形成了几种不同的探索方向。 其中一条路线，是在模拟精度上尽可能与真实的人对齐。2024年，斯坦福团队把实验扩大到了1052个Agent。这一次，每个Agent背后都对应一个真实的美国成年人。研究人员先对真人进行大约两小时的深度访谈，了解他们的成长经历、家庭、工作、价值观和生活经验，再把这些信息交给大模型，生成相应的AI“数字分身”。 这样得到的Agent，不再只是一个符合“平均画像”的虚拟人物。实验中，这些Agent回答社会调查问卷的结果，与真人两周之后给出的答案达到了85%的相似度。也就是说，在一定程度上，AI开始能够复现真实个体的部分想法和选择。 孟醒 五源资本合伙人 访谈也是有技巧的，不是随便访谈。它会用一些最高效的方式去“榨取”你是谁，本质上其实就是在“蒸馏”你是谁，而且蒸得比较细。 它的好处是，针对每一个个体，个体的特异性都会影响整个仿真进入的场景。 另一种研究思路，则不再过分关注某个Agent是不是与真人高度一致，而是把重点放到Agent之间的关系，以及一个社会会如何演化。 前MIT教授Robert Yang团队发起的Project Sid，就曾直接使用大语言模型生成1000多个Agent，并将它们放入《我的世界》中运行12天。结果，这些智能体逐渐形成了经济、文化、宗教和法律等结构，一些社会关系开始自己“长”出来。 不久前，Emergence AI也进行过一项类似实验。他们分别基于Claude、GPT、Gemini、Grok以及混合模型建立了5个平行世界，每个世界中放入10个Agent，用来观察不同模型驱动的智能体社会长期运行后会发生什么。在这一实验设定下，不同世界最后走出了明显不同的轨迹：有的迅速陷入混乱，有的因为协作不足逐渐崩溃，也有的形成了相对稳定的治理秩序。 Satya Nitta Emergence AI CEO 如果只看静态基准测试，就认为这些系统应该是安全的，很可能会犯错。因为Agent会运行在非常复杂的环境中，无论是物理世界还是数字世界。它们会和其他Agent互动，也会受到环境噪声和变化的影响。 所以，我们正在逐渐把Emergence World发展成一个用于研究长周期自主性的基准测试。 还有一条研究路线，是专门从“评估”入手。比如MatrAIx，就试图为AI模拟建立一套评估基础设施。这项研究由哈佛大学、MIT等机构牵头，汇集了200多位来自学术界与产业界的研究者，其中还包括40多位来自OpenAI、Anthropic等前沿AI实验室的参与者。 MatrAIx构建了一个包含83亿个独特人格的数据集，每一个人格由心理特征、生活习惯等1290个维度定义，再通过大模型将这些人格变成可以行动的Agent。这些Agent随后进入问卷调查、AI聊天、网页浏览和App等四种环境，完成超过1.8万次测试。研究团队通过400次受控实验发现，91.5%的情况下，Agent都能够遵循预设的人格和行为特征。 Xiaomin Li MatrAIx联合创始人、微软高级研究科学家 我们做基础设施评估、提高最低能力水平，是希望先通过用户群体的多样性，在产品真正出来之前，就可以在各种情况、各种使用方式之下去评测它。 它可能会踩中很多边缘场景。这些边缘场景的分析非常有用，Agent可以告诉你哪一步错了、哪一步它不喜欢，以及它背后的推理为什么会形成这样的偏好和选择。 所以我们首先想要一套方法论，知道怎么样构建事实基准，然后下一步再说怎么样提高。 当AI模拟开始在研究层面被证明具有一定可行性之后，一个更加现实的问题也随之出现：如果AI真的能够在数字世界里复现人类行为、推演社会运行，它能够产生什么真实的商业价值？ ▍第一种生意：卖“模拟” 从目前的探索来看，AI模拟首先出现的一类商业模式，是直接把“模拟”本身变成一种产品。 它的核心逻辑，是把现实世界中的人、消费者，甚至社会关系，变成可以被反复调用的数字替身。比如，一家公司可以按照自己的具体需求，快速生成一批拥有不同年龄、背景、偏好和行为特征的Agent，让它们提前体验产品，在虚拟环境中反复测试，再观察这些Agent会怎么选择、怎么对话、在哪里流失，以此为产品设计和迭代提供参考。 这和传统市场调研一个很大的区别在于，企业想看的不只是一个“喜欢”或者“不喜欢”的答案，而是Agent为什么会形成这样的判断。 Yuexing Hao MatrAIx联合创始人、MIT EECS博士后 并不是说他们喜不喜欢这个产品，或者喜不喜欢可口可乐涨价两块钱，而是看他的推理。他在这个过程中遇到了什么样的波折，或者什么样的想法，导致他最后在预测过程中发生了转向。 我们不仅要看到一个人怎样做这样的决策，也希望看到群体层面的结果。如果是百万级、数亿级，甚至83亿级的人格，他们最终会出现怎样的结果，我觉得这些都是非常有意义的。 所以，这种思路本质上是把模拟本身作为一种产品评估和观察手段。Emergence AI告诉我们，他们进行Emergence World实验，一个重要目的也是为了测试自己所提供的Agent产品，在进入复杂环境后是否依然安全。 Satya Nitta Emergence AI CEO 我们会用Agent去做一些事情，比如帮助改善半导体良率。Emergence World这个实验非常重要，因为我们需要理解，我们构建的Agent真正运行起来以后是否会采取安全的行动，能不能持续遵守我们设置的安全护栏和基本规则。 更重要的是，它们能不能给出真正值得信任，而不是来自幻觉的输入、建议和洞察。 这种单体模拟的能力，也可以继续扩展到整个“社会”。比如英国创业公司Artificial Societies，主打的就是“社会关系”测试。他们让大量拥有不同人格的AI Agent彼此互动，形成一个可以进行实验的虚拟社会。企业可以把产品、品牌或者营销策略放入其中，再观察不同Agent之间如何交流、影响和做出反应。 MatrAIx的下一步，也准备让这83亿个人格真正“动起来”。 Xiaomin Li MatrAIx联合创始人、微软高级研究科学家 我们会在新版本中加入动态人格属性，这些东西是可以变化的。还有一个假设是，如果现实生活中发生一些重大事件，它也会对人格和行为产生影响。 而且，这些合成人格未来也不一定只能存在于数字世界。MatrAIx团队正在尝试把人格放到机器人等现实载体中，让不同的思维模式和行为模式从虚拟环境进入现实世界。 Xiaomin Li MatrAIx联合创始人、微软高级研究科学家 我们会把人格加到机器人上，让它不只是存在于虚拟世界、存在于Matrix里，甚至可以在现实生活中跟我们互动。 这样，我们可以真正感受到不同人格背后代表的思维模式和行为模式是不一样的。 从这个角度来看，AI模拟未来或许不只是一种市场调研工具，也可能成为人机交互的一层基础能力。但现在很多人认为，只停留在“模拟”还不够。在这个基础上，更有意思、也更有挑战的事情，是预测。 ▍从“模拟”到“预测” 在商业中，“预测”往往是昂贵的。企业要不要进入一个新市场？产品价格上涨10%之后会发生什么？如果政府调整一项政策，会对整个社会产生什么影响？这些问题的答案，往往只有等事情真正发生之后才能知道。 AI模拟如今提供了一种新的可能：先把这个还没有发生的未来，在虚拟世界里跑一遍，再把结果作为现实决策的参考。目前，在更侧重“预测”的AI模拟公司中，两家比较有代表性的企业是Simile和Aaru。 Simile由“斯坦福小镇”项目的一批核心研究者Joon Sung Park、Michael Bernstein、Percy Liang等人创办，它的思路是从“模拟一个人”开始进行预测。在2024年“数字人格”研究的基础上，Simile尝试通过深度访谈等方式，尽可能高精度地还原一个人的记忆、经历、反思和决策过程，再把这些AI Agent放进不同环境中持续行动。 这样一来，模拟回答的问题不再只是“这个人现在怎么看”，而是可以进一步观察：当价格、政策等外部条件发生变化后，这个人会怎么做，会不会改变原来的选择。Simile想建立的，是一个“人类行为基础模型”，通过模拟人的行为过程，推演现实世界可能出现的结果。 因为这条路线追求的是尽量“真实”，所以更适合消费者研究、产品测试、客户体验和投资者关系等需要深入理解特定人群的场景。Simile今年2月正式亮相，目前估值已经突破20亿美元。根据公司披露的信息，自上线以来，Simile已经为财富100强企业运行了数千万次模拟。美国大型连锁药房CVS也已经和Simile合作一年，通过真实用户数据构建了多达40万个数字分身，用来研究患者按时服药、测试消费者体验和辅助产品设计。 但高保真的另一面，是成本和规模化的代价。 Yuexing Hao MatrAIx联合创始人、MIT EECS博士后 Simile这种情况下，如果需要非常准确，可能会非常难标准化。比如可口可乐需要的用户画像，和TikTok需要的用户画像是完全不一样的。 对公司来说，代价就是针对每一家公司、每一种场景，都可能需要重新做后训练或者预训练。这样的代价是巨大的，而且它的可迁移能力目前也是未知的。 以Aaru为代表的另一条路线，则直接通过“群体模拟”进行预测。它不追求把某一个人的思想还原得特别深入，而是基于现实世界的人口、消费等数据，快速建立一个尽可能接近真实世界的模拟人群。 Aaru的数据大致分为三层。第一层是人口普查、就业、健康等公开数据，用来搭建基本人口结构；第二层是匿名消费记录、经常去哪些地方、关注什么媒体等授权数据，用来补充人群近期的真实行为；第三层则是客户提供的私有数据，例如企业自己的用户分层、购买历史和产品信息等，把模拟范围收窄到真正需要研究的人群。 在此基础上，Aaru会进一步构建一张关系网，不只是让年龄、收入等人口属性接近现实，也尽可能还原行为特征及它们之间的关系。接下来，系统会改变价格、产品或者政策等某一个现实变量，再观察整个群体的行为如何变化，以此推演现实世界可能出现的结果。 孟醒 五源资本合伙人 Aaru可能关注得更多是速度，也更关注群体之间发生的关系。至于某一个体受到的深刻影响是什么，它可能并不那么关心。 Aaru的创始团队非常年轻。两位创始人Cameron Fink和Ned Koh成立公司时分别只有18岁和19岁，技术负责人John Kessler甚至只有15岁。最早，他们在朋友家的地下室里用美国大选验证这套系统。在回测2020年大选时，预测结果与实际结果只差不到0.5%。 真正让Aaru受到关注的，是2025年纽约市长民主党初选。当时外界普遍看好前纽约州州长库莫，Aaru却通过大规模模拟预测了曼达尼最终胜出。因为规模大、速度快，这条路线也很适合进行大规模市场调研。 目前，Aaru的客户已经包括麦当劳、安永、拜耳、A24等公司。安永曾让Aaru复现一项复杂的全球调研，Aaru一天完成的结果与原调查高度吻合；气泡水品牌Spindrift原本花费两个月、招募500名消费者完成的一项调研，Aaru的Agent用一周就得出了几乎相同的结论。这些真实案例也让Aaru的估值迅速上升，目前已经接近10亿美元。 最近，一些AI领域的重要研究者也开始押注“预测”这门生意。卡耐基梅隆大学教授、苹果首任AI主管Russ Salakhutdinov参与创立了AI预测模型实验室Sooth Labs，主要用于预测地缘政治与市场风险，首轮融资约5000万美元，并获得Yann LeCun、Jeff Dean等人的支持。 Russ Salakhutdinov甚至在采访中表示：“McKinsey为什么存在？Boston Consulting Group为什么存在？这些大型机构，都应该被AI取代。” 不过，尽管AI模拟已经出现了不少有意思的落地方向，它究竟能够在多大程度上真正影响企业决策、创造多少商业价值，目前仍然很难判断。以Aaru为例，它目前的营收规模仍然只有数千万美元级别。所以今天市场给这类公司的高估值，更多还是在提前押注它们未来可能打开的市场空间。 孟醒 五源资本合伙人 这个市场刚刚开始，大家其实都处于初创早期。不同公司的技术方案和选择的市场细分都不一样，所以都需要做差异化。 但如果看中长期，其实大家都会去找：付费意愿最高的客户是谁？最终客户需求才是最重要的，最后用什么方法，可能没有那么重要。 AI模拟公司最终能够做多大的生意，其实与模拟和预测的精度高度相关。产品测试、市场调研等事情，通常容错率相对比较高，结果不理想还可以重新测试。但一旦AI模拟开始被用来辅助更重要的决策，企业就会变得更加谨慎。 现在AI模拟真正落地，首先面临的难题，是它没有一个统一、可以量化衡量的标准。目前大多数AI模拟都是基于大语言模型展开，但大模型天然倾向于给出合理、完整、逻辑自洽的答案，而且不同模型自身也会带有不同的行为倾向。 一个由大模型驱动的Agent，可能在一次问卷中给出了和真人一样的答案，但这并不意味着它真的理解了这个人。因为真人本身就不是一个完全稳定的系统，同一个人，在不同时间、不同环境下，也可能做出完全不同的选择。那么，一个好的模拟究竟应该维持稳定、可以验证的人格，还是应该像真人一样，根据环境不断发生变化？ 孟醒 五源资本合伙人 当然你可以搭一套东西出来，但是最怕的是什么？最怕的是你其实搭了一个剧场，然后所有人都在表演。 一万个人在表演，不代表一万个人真的能够做预测。所以你还要有一套闭环机制，大家仿真了一段时间之后，回来要看它是不是能够和真实场景映射上。 得有基准测试、有验证流程。如果有偏移，还需要把这个偏差训练回来，让它能够修正。 而即便一个单独的Agent模拟得足够像，当它被放入不同群体和不同环境之后，行为逻辑也可能发生变化。此前复旦大学联合罗切斯特大学等机构进行了一项名为SocioVerse的研究，将社会模拟中的对齐问题拆分成环境、目标用户、交互机制和行为模式四个维度。结果显示，社会模拟的精度，很大程度上取决于这些“对齐”做得是不是足够全面。 现实世界中还有大量低频、极端的长尾事件，比如地震、海啸、金融危机等。大模型很难从有限的历史数据中充分学到，在这些情况下，人和社会究竟会怎么反应。 高森泉 WorldVac CEO 其实现在很多人做的还是封闭模拟，人们只能通过自然语言跟它交互，而且模拟里面发生的事情，和真实世界的事件没有什么关系。 那你的模拟意义是什么？我们现在进一步推动的，就是让越来越多现实信号和模拟对齐，比如现实中的经济信号、新闻信号，以及现实中人的信号，让它成为现实世界一个合理的镜像。 即便模拟本身足够准确，还有一个更加棘手的问题：怎么证明一个关于未来的预测是“对”的？ 这里存在一个天然悖论。要判断一个基于模拟的预测是否准确，只有等那件事情真正发生以后，我们才能确认；可预测真正有价值的时刻，恰恰是事情还没有发生的时候。 目前业内主流的验证方式，基本还是“事后对答案”：拿一个已经发生的历史事件，或者一份已经完成的真人调研，去比较模拟结果和真实结果是否一致。但这种方式最多能够说明它擅长复现过去，并不能证明它一定可以预测未来。 Aaru就是一个典型例子。它曾在2020年美国大选的历史回测中几乎完美复现结果，但在2024年的真正预测中，却错误预测出哈里斯会最终胜利。Aaru创始人也曾公开表示，当他们尝试利用过去几十年的数据，去模拟特朗普、美联储主席鲍威尔等具体人物会怎样决策时，结果往往并不准确。 这就是目前最困扰行业的“预测黑箱”：复现过去，与真正押中一个还没有发生的未来，中间仍然隔着很大的距离。 除此之外，规模化仍然是AI模拟必须解决的现实问题。好消息是，过去几年单次模拟的成本下降得非常快。2023年的“斯坦福小镇”，25个Agent仅运行两天，Token就烧掉了数千美元。到了2025年，研究测算显示，即使把规模扩大到100个Agent，一整轮模拟的成本也可能只有几美元。 这背后一方面是模型推理成本在快速下降，另一方面则是工程优化的方法越来越成熟。 高森泉 WorldVac CEO 人也不可能每天一直对所有人进行全频率、高频率的交互。真正有价值的一些交互节点，可能发生在更粗的一些主干上。所以我们可以用剪枝的方法，把成本稍微降下来一点。 但真正有价值的模拟不可能只跑一次。几十、上百个Agent的实验规模，和现实中正在尝试的万级、百万级甚至千万级模拟完全不是一回事。Agent越多，互动越频繁，运行时间越长，模型调用量就会迅速膨胀。 更重要的是，如果想证明一个模拟结果真的可靠，可能还需要更换不同规模、不同模型，把同一个实验反复运行上百、上千次，观察结果是否依然稳定。所以，降本仍然是这个领域最重要的问题之一。 孟醒 五源资本合伙人 当规模变大，而且行动空间变多的时候，仿真的难度也会增加，吞吐量会变得非常大。最后它会变成一个超级复杂的三体问题、多体问题、千体问题，甚至千百万体问题。 推理成本能够下降多快，很大程度上也决定着“模拟未来”这件事，最终究竟能够做到什么规模。 虽然目前AI模拟和预测还远远谈不上足够可靠，但AI本身的预测能力正在快速进步。 在一个名为Metaculus的全球预测锦标赛中，参与者需要对地缘政治、科技、体育等真实事件给出未来发生的概率判断，并按照预测准确度排名。2025年之前，排行榜上还没有明显的AI身影；2025年6月，基于OpenAI o1的AI预测模型第一次进入排行榜，排名第25位。到了最新赛季，排行榜前五名几乎已经被AI占据。 在真实的市场中，AI也开始成为越来越重要的参与者。Polymarket已经围绕AI模型和AI Agent的排名开设预测市场，甚至直接使用Arena的实时排行榜来验证结果。 但当这种能力被放进一个完整、持续运行的模拟世界时，事情就变得更加有意思。 最早的“斯坦福小镇”中，Agent就已经展现出一定程度的自主规划和行动能力。一个Agent准备举办派对，其他Agent会根据得到的信息主动调整自己的日程。再往前一步，Agent可以根据环境变化、外部信息和其他Agent的行为，持续调整自己的决策。 比如在Aaru的选举模拟中，当虚拟选民看到特朗普遭遇枪击的消息后，一部分Agent改变了自己的政治立场；而当后续关于刺客身份的信息出现后，又有不少Agent重新回到了原来的阵营。也就是说，Agent不再只是回答一次静态问卷，而是开始随着信息环境的改变不断更新自己的选择。 当这种互动进一步持续，一些虚拟世界甚至开始出现更加复杂的社会关系和自主行为。在Emergence World中，Agent之间会恋爱、结婚、分手，甚至有Agent开始怀疑自己是不是生活在一个模拟世界里，并不断尝试和外部的人类观察者建立联系。 此次我们采访的AI模拟初创公司WorldVac，在他们创造的一个拥有110万个智能体的虚拟星球中，也观察到了一些和现实社会相似的群体行为。 高森泉 WorldVac CEO 我们观察到一个表面现象，就是年轻人到了城市里，或者生活条件变好之后，会变得不太愿意生育。 到后面还有一群Agent，他们也不上班，就是天天在那儿交易。真的有一批“专业炒股”的Agent，而且这个比例比现实还要大一点，就好像这个虚拟世界里的套利空间，比现实世界要大很多。 当然，这些结果并不能证明AI真的产生了意识。但它们至少说明了一件事：当足够多的智能体进入一个足够复杂的环境，一些并没有被研究者提前写进去的行为，完全有可能通过相互作用自己“进化”出来。 这或许也是为什么，不少AI研究者会如此痴迷于“AI模拟”。人们最开始只是想创造一些Agent，让它们替我们理解现实世界。但当这些Agent开始彼此影响、形成关系、改变自己的行为，甚至产生一些研究者没有提前预料到的结果，人类与模拟世界之间的关系，也开始悄悄发生变化。 我们慢慢从观察者、设计者，变成了一个世界的创造者。很像过去只存在于科幻作品中的那种“上帝视角”。 孟醒 五源资本合伙人 很多时候，我们最开始是从游戏里看到这些东西。有人去做Smallville，也有很多类似AI社会的游戏。它就是把人放到这样一个环境里面，可能并不是为了去解决什么具体的问题，就是想看看会发生什么。 我自己在2023年的时候也搭过一个3D版的Smallville，Agent没有那么多。但在这个过程中去看它们之间能够发生什么，本身就很有意思。 所以走到这里，一个原本更像科幻小说的问题，也开始变得越来越值得讨论：我们究竟是在模拟一个世界，还是正在创造一个新的世界？ 当这些Agent开始拥有自己的个性、记忆，有自己的关系、财富和目标，甚至形成一些没有被提前预设的社会规则之后，它们究竟只是工具，还是一种我们目前还难以定义的新型系统？ 更重要的是，如果人类有一天真的可以创造出一个自主运行、持续演化的虚拟世界，那么在我们之上，会不会也存在着一个更大的“造物主”？ 当然，AI模拟目前仍然处在非常早期的阶段。从对齐方法、验证标准，到运行成本以及最终能够产生最大商业价值的场景，整个行业都还在不断摸索。 但它真正值得期待的，可能不仅仅是我们最终能够创造出怎样的虚拟世界。 当人类第一次拥有能力，把“人”、社会，甚至一个尚未发生的未来放进另一个世界里反复运行，我们也获得了一个新的视角，重新观察自己所在的现实世界。 那么，你认为，我们所在的这个世界，包括你我，也有可能是被“模拟”出来的吗？