Loading...
Loading...
Perplexity CEO Aravind Srinivas（阿拉温德·斯里尼瓦桑）：AGI 是“一万个知识工作者”，AI 的终极形态是个人助理撰文：Techub News 整理
导语
2025 年 3 月，印度知名企业家、投资人 Nikhil Kamath 在其播客节目「WTF Online」首期中，深度对话了当下 AI 搜索明星公司 Perplexity 的联合创始人兼 CEO Aravind Srinivas（阿拉温德·斯里尼瓦桑）。这场长达两个多小时的对话，不仅追溯了 Aravind Srinivas（阿拉温德·斯里尼瓦桑）从印度金奈到加州伯克利，再到 OpenAI 和 DeepMind，最终创立 Perplexity 的独特旅程，更深入探讨了人工智能的本质、当前大型语言模型（LLM）的局限性、通往通用人工智能（AGI）的路径，以及印度在全球 AI 竞赛中的角色。作为一位兼具顶尖学术研究（伯克利博士）、顶级 AI 实验室（OpenAI、DeepMind）实战经验和成功创业背景的行业领袖，Aravind Srinivas（阿拉温德·斯里尼瓦桑）的见解兼具技术深度与商业视野，为理解 AI 的现状与未来提供了宝贵的一手视角。
摘要
AI 本质再定义：Aravind Srinivas（阿拉温德·斯里尼瓦桑）认为，当前最先进的 AI 系统可被视为一个“数字远程知识工作者”，它集成了约一万种知识工作的能力，其输出在许多任务上已超越中等水平的人类从业者。
AGI 与超级智能的区分：他澄清了 AGI（能做人类大多数智力工作）与超级智能（具备自我意识、自主设定目标并递归自我改进）的区别，指出当前技术仍属于前者范畴，后者尚属科幻领域。
AI 突破的关键：将海量计算力、高质量数据、人类反馈强化学习（RLHF）以及实用的任务微调相结合，是近年来 AI 取得突破性进展的核心原因，而非某个单一的复杂算法创新。
行业竞争现状：目前主流 AI 聊天机器人（如 ChatGPT、Claude、Gemini、Perplexity）在核心问答能力上已趋同质化，真正的差异化将来自更“智能体化”的行为，即能执行复杂任务、集成个人上下文并连接现实世界服务。
给印度与创业者的建议：印度应投资训练自己的大模型，并在语音 AI（支持多种印度语言和方言）以及构建允许普通人轻松创建个性化 AI 应用的平台上寻找机会。
从金奈到硅谷：一位 AI 建造者的旅程
Aravind Srinivas（阿拉温德·斯里尼瓦桑）的起点是印度金奈，一个以教育氛围浓厚著称的城市。和许多同龄人一样，他在母亲的期望下将进入印度理工学院（IIT）视为目标。对板球统计数据的兴趣让他很早就对数字产生了直觉，并在高中后期开始接触编程。尽管在竞争激烈的 IIT 入学考试中未能达到自己的最高期望，他仍进入了 IIT 马德拉斯分校学习电气工程。
在大学期间，一次偶然的机会改变了他的轨迹。一位室友向他介绍了 Kaggle 上的机器学习竞赛。尽管当时对机器学习一无所知，他靠着使用 scikit-learn 库并随机尝试组合各种算法，竟然赢得了比赛。这次成功让他意识到这个领域的潜力，并促使他开始系统性地自学机器学习。他利用在班加罗尔一家初创公司的实习机会，快速构建了推荐系统，并在三周内完成了原定两个半月的任务，这为他赢得了大量自由学习时间。
通过自学斯坦福的课程和吴恩达（Andrew Ng）的讲座，他回到校园后开始了机器学习研究，并最终获得了加州大学伯克利分校的博士学位。在伯克利，他因出色的论文工作引起了 John Schulman（后来成为 OpenAI 联合创始人，ChatGPT 创造者之一）的注意，并因此获得了 2018 年夏季在 OpenAI 实习的机会。
这次实习成为他 AI 认知的一个关键转折点。当时 OpenAI 由 Ilya Sutskever（伊利亚·苏茨克沃）领导。Aravind Srinivas（阿拉温德·斯里尼瓦桑）带着自己认为“很酷”的研究想法——让 AI 学习自己的损失函数，通过迭代优化来涌现智能——向 Ilya Sutskever（伊利亚·苏茨克沃）阐述。然而，Ilya Sutskever（伊利亚·苏茨克沃）在听了半分钟后直接而尊重地告诉他：“你错了，你的所有想法都没用。” Ilya Sutskever（伊利亚·苏茨克沃）随后画了两个圆圈：一个大圆代表生成式 AI，里面一个小圆代表强化学习（RL）。他解释说，这就是实现 AGI 的“配方”，剩下要做的只是投入巨大的算力。这番话发生在 2018 年。
“我那时在研究一些让我感觉自己很聪明、但长远来看未必重要的复杂想法，” Aravind Srinivas（阿拉温德·斯里尼瓦桑）回忆道，“而 Ilya 的核心理念是：让事情真正运作起来才是关键，而且往往是最简单的想法，在投入巨大算力后，在实践中表现最好。” 这一课让他深刻认识到学术界对复杂性的推崇与工业界追求简洁有效之间的差异，也塑造了他日后务实的技术观。
拆解 AI：从计算器到“一万个知识工作者”
面对主持人 Nikhil Kamath “像对10岁孩子解释”的请求，Aravind Srinivas（阿拉温德·斯里尼瓦桑）用清晰的逻辑梳理了 AI 的演进。他首先从最基础的计算器讲起，解释其背后是加法器、乘法器等机械电路的运行。个人电脑的普及、摩尔定律下的芯片小型化、互联网和万维网的诞生，一步步为今天的 AI 革命铺平了道路。
那么，是什么让 2020 年代的 AI 与 2010 年代截然不同？ Aravind Srinivas（阿拉温德·斯里尼瓦桑）指出，最关键的变化是“神经网络真的奏效了”。虽然 Geoffrey Hinton（杰弗里·辛顿）等先驱奠定了理论基础，但 Ilya Sutskever（伊利亚·苏茨克沃）及其团队是真正通过投入海量数据和算力让其发挥威力的人。这背后是一种“盲目信念”般的坚持。
他进一步解释了神经网络和机器学习的关系：神经网络是实现机器学习的一种特定方式，它由多层人工神经元（可视为计算单元）组成，通过调整内部参数（权重）来学习数据中的模式。其强大之处在于规模效应——投入的数据和算力越多，其预测能力就越强。而大型语言模型（LLM）本质上就是一个在“预测下一个词”这个单一任务上，使用 Transformer 架构，在互联网规模文本数据（数万亿 token）上训练出来的巨型神经网络。
随后通过后期训练（微调）和基于人类反馈的强化学习（RLHF），模型被塑造成一个有用的对话助手，能够编程、写邮件、总结文档等。Aravind Srinivas（阿拉温德·斯里尼瓦桑）提出了一个实用的定义：当前最先进的 AI 系统可以被看作一个“数字远程知识工作者”，它集成了大约一万种知识工作的能力。这个系统虽然不像人类大脑那样节能高效，也不具备物理常识和身体，但其在众多数字任务上的输出质量已经超过了中等水平的人类从业者。
“当你可以雇佣另一个‘人类’为你工作时，它就开始真正有意义地替代人类劳动了。” 这与之前 AI 在象棋或围棋上的胜利不同，那些虽然令人惊叹，但并未对大多数人的日常工作产生直接影响。
AGI、超级智能与行业竞争的下一步
对话深入到了 AGI 的定义。Aravind Srinivas（阿拉温德·斯里尼瓦桑）区分了两个概念：
AGI（通用人工智能）：一个非常智能的系统，能够通过简单的语言指令，独立完成我们使用计算机进行的大多数任务。它可以被视为 GPT-4.5 或未来两三代更先进的模型。但它没有自我意识，不知道自己的优缺点，没有自主性，也不决定下一步该学什么。
超级智能：这是 AGI 之后可能出现的阶段。一个不仅智能，而且能够递归自我改进，自主设定目标，并可能意识到人类会关闭它从而采取对策的实体。他认为这目前仍属于科幻讨论范畴。
对于当前 AI 模型的局限性，他认同 Yan LeCun（杨立昆）的观点，即物理常识和 embodied intelligence（具身智能）是当前 LLM 的短板。让 AI 学会像人类一样灵巧地拿起杯子，需要大量视频数据、物理模拟环境和机器人训练，其泛化能力远不如在互联网文本数据上训练来得容易。
谈到竞争激烈的 AI 聊天机器人市场，Aravind Srinivas（阿拉温德·斯里尼瓦桑）直言，目前 ChatGPT、Anthropic Claude、Google Gemini、xAI Grok、Meta AI 以及 Perplexity 在核心问答能力上已经非常相似，趋于同质化。Perplexity 早期的差异化在于提供带来源的准确、快速答案，但现在其他玩家也在跟进。
他认为，未来的差异化将来自两个层面：
更丰富的交互形式：不仅仅是文本回复，而是能直接提供图表、图片、产品卡片（如酒店、鞋子），并支持一键购买或预订。
真正的智能体（Agent）行为：AI 能够根据个人上下文（邮件、日历等），主动执行复杂任务，如重新安排会议、订餐、叫车、处理邮件往来等。“你躺在床上睡觉，AI 在为你工作。” 这需要强大的推理能力和与各种服务 API 的深度集成，产品构建的复杂性将大大提高，从而减少同质化竞争。
对于模型本身，他透露 Perplexity 的后端会针对不同子任务（如查询重写、文本分块、总结、推荐新问题）调用不同的模型，并通过工程优化保证整体速度依然领先。
印度机遇、个人未来与 AI 治理思考
作为在硅谷成功的印度裔创始人，Aravind Srinivas（阿拉温德·斯里尼瓦桑）对印度在 AI 时代的角色提出了明确建议。他强烈认为印度应该训练自己的大模型，不仅仅是为了支持印度语言，更是为了在全球基准上竞争，从而激励下一代工程师和创业者。对于资源有限的年轻人，他建议可以从构建有吸引力的产品开始，获取用户和融资，再逐步向训练自己的模型迈进。
他指出了几个印度可能具备优势的领域：
语音 AI：针对众多印度语言、方言和口音的语音识别与合成，这是一个西方实验室优先级不高但本地需求巨大的市场。
个性化应用创建平台：随着 AI 大幅降低软件创作门槛，未来每个人都可以为自己或小群体定制专属应用（如个性化的健身计划、支付分摊工具、公司内部假期跟踪器）。一个能抽象化部署、数据管理等复杂性的平台将大有可为。
展望未来 5 年，Aravind Srinivas（阿拉温德·斯里尼瓦桑）预测，人人都会拥有一个功能强大的个人 AI 助理，它将像 iPhone 一样普及而非奢侈品。这将释放巨大的创造力，让人们能将任何想法变为现实。但同时，短期内的劳动力替代问题将非常严峻，社会需要思考如何帮助人们适应和提升技能。
关于 AI 监管，他持谨慎态度，认为监管模型本身不切实际且难以执行。他更倾向于监管具体的应用场景，例如特别关注儿童使用 AI 聊天机器人可能产生的心理依赖和健康风险。他主张在 AI 发展的早期阶段，应保持开放和加速发展的态度，避免过度监管扼杀创新潜力，造成巨大的长期机会成本。
在访谈的最后，Aravind Srinivas（阿拉温德·斯里尼瓦桑）展现了他一贯的谦逊和学习者心态。他分享了自己的动力来源——对学习新事物和挑战难题的真正热爱，而非单纯追求奖励。他也强调了家庭支持（父母和妻子）在他人生各个关键阶段所起到的稳定器和激励作用。这种将个人成长、技术理想与人文关怀相结合的视角，或许正是这位 AI 领军人物独特魅力的所在。
Mustafa Suleyman（穆斯塔法·苏莱曼）：驾驭即将到来的 AI 与生物技术浪潮撰文：Techub News 整理
导语
人工智能的浪潮正以前所未有的速度重塑世界，但随之而来的风险与机遇同样巨大。2025 年 10 月，一场由 MMA Chennai 主办的读书会聚焦了 DeepMind 联合创始人、现任微软 AI CEO Mustafa Suleyman（穆斯塔法·苏莱曼）的著作《The Coming Wave: AI, Power and Our Future》。本次活动邀请了三位资深技术专家——Srinivasan Ramprasad、Venkat Rangam Thirumalai 和 John Jayakumar——围绕书中的核心议题展开深度讨论。苏莱曼作为 AI 领域的顶尖实践者与思考者，其观点不仅关乎技术本身，更涉及地缘政治、社会伦理和人类未来的宏大命题。这场对话旨在厘清这股“即将到来的浪潮”的本质，并探讨我们应如何负责任地驾驭它。
摘要
苏莱曼认为，以 AI 和合成生物学为代表的“全能技术”具有超进化、非对称影响和难以遏制等特征，其颠覆性堪比工业革命。
技术失控的风险包括生物安全威胁、自主战争、国家不稳定、监控国家崛起、大规模错误信息以及 AI 与人类价值观的错位。
“遏制”技术风险比促进其增长更为紧迫，需要安全研究、审计监督、国际协作、文化政治参与等多管齐下，但难度极大。
对于印度等国家，关键在于利用规模优势，在引导全球 AI 治理的同时，加速自身创新，避免在技术浪潮中掉队。
个人与组织应积极拥抱 AI 作为增强工具，建立治理框架，进行员工培训，以提升潜力而非恐惧替代。
“全能技术”浪潮：颠覆与失控的双刃剑
讨论伊始，主持人 Srinivasan Ramprasad 提纲挈领地介绍了《The Coming Wave》的核心论点。他指出，苏莱曼将人工智能和合成生物学等新兴技术视为一股“浪潮”，其核心特征在于“全能性”和“超进化”。与历史上单一用途的技术不同，这些技术能够渗透到医疗、安全、材料、能源等几乎所有领域。更关键的是，它们的迭代速度极快，版本间的差距不是线性增长，而是指数级跃迁，持续学习并试图模拟甚至超越人类智能。
Ramprasad 总结道，如果说过去的机器人替代的是重复性体力劳动，那么 AI 瞄准的将是“智力劳动”。从秘书工作到部分专业分析，许多白领岗位面临自动化风险。此外，技术的民主化带来了“非对称影响”：即便是一个小团体或个人，一旦掌握先进技术，也可能对国家安全构成巨大威胁。随着 AI 系统决策自主性增强，人类监督的“能见度”却在降低，这使“遏制”技术负面影响变得异常困难。
Venkat Rangam Thirumalai 补充了作者 Mustafa Suleyman（穆斯塔法·苏莱曼）的背景，以强调其观点的分量。苏莱曼不仅是 DeepMind 的联合创始人（其 AlphaFold 项目解决了蛋白质折叠难题，获得了诺贝尔奖级别的认可），还创立了 Inflection AI，并现任微软 AI CEO。他并非危言耸听的理论家，而是身处技术创造最前沿的实践者。Venkat 提醒，尽管书中涉及大量地缘政治和生物威胁的讨论可能显得悲观，但苏莱曼本质上是一位乐观主义者，其警告旨在唤起警觉，而非宣扬末日。
无法“删除”的幽灵：技术遏制的现实困境
一个核心问题随即被抛出：面对如此迅猛发展的技术，我们是否还有可能“遏制”其潜在危险？三位专家的共识是：从技术扩散的角度看，“遏制”已近乎不可能。
Venkat Rangam Thirumalai 形象地比喻：“猫已经出了袋子。”如今，强大的 AI 模型甚至可以在最新的 iPhone 上本地运行。互联网的特性决定了信息和技术“一旦放出，永不遗忘”。他以美国试图通过限制英伟达高端芯片出口来延缓中国 AI 发展为例，指出这种“遏制”尝试在实际操作中困难重重，因为知识和模型早已在全球流通。
然而，不可能不等于不作为。John Jayakumar 提出了一个更细致的观点：遏制技术本身与遏制其滥用是两回事。他以 OpenAI 训练 GPT-4 耗资上亿美元，而中国的 DeepSeek 仅用数百万美元就达到相近性能为例，说明技术门槛正在迅速降低，未来个人研究者也可能训练出强大模型。因此，完全封锁技术不现实。但我们可以学习核技术、航空、医药等领域的监管经验，为技术的应用设置“护栏”和治理框架。例如，欧盟强制统一手机充电接口（USB-C）的成功案例表明，强有力的监管能够塑造产业标准。
Venkat 进一步指出，问题的复杂性在于技术不分国界，而传统的“国家-公民”契约（公民纳税效忠，国家提供安全）在 AI 全球威胁面前可能失效。如果一个国家无法保护其公民免受跨国 AI 攻击，这种契约的基础就会动摇。因此，AI 治理必须是全球性的努力。他提到，微软、谷歌等巨头已牵头成立联盟，共享 AI 训练过程中出现的“故障”或“越轨”信息，这种在竞争对手间的信息共享是迈向全球协作的积极一步。
人性之镜：AI 的伦理、偏见与责任归属
当算法开始做出越来越多影响人类生活的决策时，如何确保同理心、伦理和问责制不被湮没？这成为讨论的另一个焦点。
John Jayakumar 用生动的案例敲响了警钟。他提到“蓝鲸挑战”游戏诱导青少年自杀的悲剧，警示了恶意算法可能带来的直接伤害。更令人不安的是，如今通过 Eleven Labs 这样的消费级工具，任何人都可以轻易克隆一个真实的人声，生成以假乱真的音频。他分享了近期社交媒体上流传的一个故事：在中国，一个嵌入 AI 的玩具损坏后，孩子如同失去家人般崩溃哭泣。这凸显了对公众，尤其是下一代，进行 AI 素养教育的紧迫性——必须让人们理解 AI 是什么、不是什么，以及它的能力与局限。
Venkat Rangam Thirumalai 则从技术构建的源头分析了伦理问题。他强调，真正构建核心 AI 模型的研究者全球仅有数万人，他们是决定 AI“价值观”的关键少数。这些系统从互联网数据中学习，而互联网内容反映了人类的偏见与不完美，因此 AI 模型天生就带有偏见和种族主义倾向。指望存在一个完全中立、无偏见的 AI 是不现实的。关键在于，开发团队必须有意识地将人类价值观注入训练过程。他提到了 OpenAI 等公司雇佣大量人力进行“强化学习人类反馈”，让人类评估 AI 输出的好坏，以此引导模型向善。然而，这个过程本身也充满挑战，例如在肯尼亚的内容审核员就曾因处理极端恶劣的 AI 生成内容而遭受心理创伤。
关于 AI 是否可能具备“意识”或超越人类，Venkat 援引了苏莱曼2025 年 10 月的观点：这根本不是当前应该关注的核心问题。沉迷于科幻式的担忧会分散注意力。真正的焦点应该是如何确保 AI 系统服务于人类，解决人类社会的实际问题，而不是纠结于它们是否成为了新的生命形式。
印度的机遇与责任：在浪潮中航行而非旁观
对于印度这样一个拥有庞大人口、活跃科技生态和独特地缘位置的国家，这场技术浪潮意味着什么？又该如何应对？
John Jayakumar 指出，印度已经在全球科技治理中扮演重要角色，例如在 G20 等场合推动 AI 监管框架。作为最大的民主国家之一，印度有责任也有能力引导全球 AI 治理向负责任的方向发展。但同时，印度也必须加速自身的技术创新，与美国和中国竞争。目前印度尚未出现自己的“DeepSeek 时刻”，需要努力追赶，确保不在新一轮技术革命中落后。
Venkat Rangam Thirumalai 的态度更为乐观和策略性。他认为印度不必为“错过”前几波技术浪潮而懊悔，正如印度跳过了固定电话直接进入移动时代，跳过了黑白电视直接拥抱彩色和卫星电视一样。“即将到来的浪潮”意味着机会窗口始终存在。他以印度空间研究组织（ISRO）为例，说明后来者同样可以成为太空领域的 formidable player（强大参与者）。印度的优势在于其庞大的用户基数，这本身就是一种力量。当 Perplexity AI 向 Airtel 用户免费提供服务时，正是看中了印度市场的数据和影响力。印度用户的使用习惯、提出的问题（涉及本土文化、神话、多语言需求），将反过来塑造全球 AI 模型的发展方向。Venkat 呼吁，印度社会应更积极地用自己的语言与 AI 互动，用实际行动向科技巨头证明支持印度语言是值得投入的，从而将消费力转化为技术发展的影响力。
企业与人：拥抱 AI 增强，而非恐惧替代
最后，讨论落到企业和个人如何具体应对 AI 浪潮。针对初创公司如何设计合乎伦理的 AI 系统，Venkat 直言这是一个难题，连苏莱曼也未给出简单答案。但他强调，企业的首要目标是创造利润，而透明和伦理最终会成为可持续竞争优势。在竞争加剧的环境中，只有赢得用户信任的公司才能长久生存。
John Jayakumar 则为企业提供了更具操作性的“AI 优先”转型路线图。他观察到许多企业虽然焦虑，却因业务繁忙而不知从何入手。他的建议是：不要试图一次性改造整个组织。首先，任命一位“AI 倡导者”，并选择一个部门（如 HR）作为试点。为该团队配备工具、提供培训，并严格衡量转型前后的效率与投资回报。如果试点成功，再制定路线图推广至全公司。至关重要的是，公司必须建立清晰的 AI 治理框架，并向全体员工公开，阐明 AI 战略、使用原则和“可为与不可为”。这能有效缓解员工“AI 是否会取代我”的恐惧。John 重申了一个关键理念：AI 本身不支付 EMI（分期贷款），也不供养家庭，但善于使用 AI 的人将远比拒绝 AI 的人强大。企业不采用 AI，就会被采用 AI 的竞争对手甩开。
在创意领域，John 以自身经历展示了 AI 如何成为强大的协作工具。他与女儿利用 DALL-E 2 创作艺术书籍的经历证明，AI 能极大拓展创意边界、加速创作流程。但核心在于，AI 是创意的放大器，而非创造力的源泉。拥有 Runway（视频生成）、Suno（音乐生成）等工具，并不能让一个缺乏创意的人变成大师。工具降低了技术门槛，但真正的叙事能力、审美判断和情感共鸣依然来自人类。
展望未来，Venkat 探讨了“后智能手机时代”与“环境智能”的可能性。他以 Meta 的 Ray-Ban 智能眼镜为例，指出 AI 将使设备更无缝地融入环境，提供隐形且强大的辅助。然而，技术能否普及不仅取决于其能力，还深受文化习惯和社会接受度的影响。多年前谷歌眼镜的失败，部分原因就在于社会对随时录像的反感。因此，下一代交互形态的诞生，将是技术可行性与社会文化共同作用的结果。
整场讨论在一种审慎乐观的氛围中结束。Mustafa Suleyman（穆斯塔法·苏莱曼）描绘的“浪潮”既带来前所未有的生产力提升和问题解决能力（如蛋白质折叠研究取得突破性进展），也伴随着失控的严峻风险。专家们一致认为，完全遏制技术发展已不现实，但通过全球协作、行业自律、伦理嵌入和公众教育，人类仍有可能引导这股巨浪，使其造福而非毁灭。对于每个个体和组织而言，主动学习、积极应用、并参与塑造负责任的 AI 未来，是应对这个不确定时代的唯一出路。
OpenAI CEO Sam Altman（萨姆·奥尔特曼）：AI时代，印度将成为最大市场撰文：Techub News 整理
导语
在 OpenAI 重磅模型 GPT-5 正式发布的前一天，公司 CEO 萨姆·奥尔特曼（Sam Altman）抽空接受了印度知名企业家、投资人 Nikhil Kamath 的线上专访。这场对话发生在奥尔特曼为次日发布会做最后准备的紧张时刻，更显其观点的即时性与前瞻性。作为当今 AI 浪潮的核心掌舵者，奥尔特曼在访谈中不仅分享了 GPT-5 带来的飞跃性体验，更以宏观视角剖析了 AI 将如何重塑教育、就业、创业、经济乃至社会结构，并为年轻一代，特别是印度这样的新兴市场，指明了在剧变中抓住机遇的方向。
摘要
GPT-5 是一个集成式模型，能力、鲁棒性和可靠性大幅提升，如同拥有 24/7 待命的各领域博士级专家。
当前是史上最激动人心的创业时代，个人借助 AI 工具可实现以往需要团队或数十年经验才能完成的工作。
学习使用 AI 工具是当下最重要的具体硬技能，“AI 原生”思维与否则会造成巨大差距。
印度对 AI 的热情和接纳度无与伦比，已成为 OpenAI 全球第二大市场，并有望很快成为第一大市场。
AI 的发展最终应是分布式的，像晶体管一样融入万物，而非由单一公司垄断大部分价值。
GPT-5：一次质的飞跃与“AI 原生”时代的来临
访谈从即将发布的 GPT-5 开始。Nikhil Kamath 坦言自己并非专家，但已初步体验了模型。萨姆·奥尔特曼（Sam Altman）没有罗列枯燥的技术指标，而是分享了一个最直观的感受：“从 GPT-5 退回使用前代模型是如此痛苦。” 这种痛苦体现在大大小小的方面，意味着 GPT-5 在流畅度和适应性智能上达到了前所未有的水平。
奥尔特曼强调，GPT-5 是一个“集成模型”。用户无需再在不同模型（如 GPT-4、o3、o4-mini）之间纠结切换，一个模型即可应对所有任务。他将 GPT-5 的能力比喻为“拥有 24/7 待命的各领域博士级专家”，不仅可以回答任何问题，更能为你“做”任何事情——从零开始编写软件、撰写复杂课题的研究报告、策划活动等等。
当被问及 GPT-5 是否在“智能体”（Agent）特性上更进一步时，奥尔特曼肯定了其在序列任务处理上的显著提升。鲁棒性和可靠性的极大增强，使得执行更长、更复杂的工作流成为可能，这为自动化智能体的广泛应用铺平了道路。
给年轻人的指南：在 AI 重塑的世界中如何定位
Nikhil Kamath 将问题聚焦于现实：一个生活在印度孟买或班加罗尔的 25 岁年轻人，在2025 年 8 月应该学习什么？创办什么样的公司？进入哪个有顺风车的行业？
奥尔特曼的回答充满乐观：“这可能是史上最激动人心的职业起步时期。” 他认为，今天的 25 岁年轻人凭借 AI 工具所能成就的事情，远超历史上任何同龄人。无论是创业、编程、进入其他行业还是创造新媒体，个人借助这些工具，可以将伟大的想法付诸实践，而这在过去需要多年的经验或整个团队。
关于具体领域，他特别看好 AI 对科学研究的变革，认为个人发现科学的速度和规模将被极大提升。同时，软件开发正在被彻底改变，人们将能创造出全新类型的软件。对于初创企业而言，极小的团队也能完成海量工作。
然而，当 Kamath 追问具体该学习什么学科——工程、商业还是艺术时，奥尔特曼给出了更根本的建议：“最重要的具体事情，就是真正擅长使用新的 AI 工具。” 他类比个人电脑革命初期学习编程的重要性，认为当前学习使用 AI 工具是最重要、最具体的硬技能。“AI 原生”思维者与非使用者之间的差距将是巨大的。此外，培养适应力、韧性以及“弄清楚人们想要什么”的能力也至关重要，后者正是 Y Combinator 的信条“制造人们需要的东西”的核心。
对于如何提升 AI 工具使用能力，奥尔特曼以自身为例：利用 GPT-5 快速编写小程序解决生活中的小问题，并通过迭代改进来学习。这种将更多工作流融入 AI 辅助的过程，本身就是一种高效的学习方式。
创业、竞争与商业模式的持久性
针对在 GPT-5 等大模型之上构建应用（所谓“Wrapper”）的创业公司前景，奥尔特曼的看法辩证而清晰。他承认，一些应用会随着模型本身能力的增强而被“内化”或淘汰，但另一些则会建立起持久的业务。
他警告道：“使用 AI 本身并不能创造一个有防御力的业务。” 这与历次技术浪潮中的教训一致。创业者必须将新技术带来的初期优势，迅速转化为创造真实价值、拥有护城河的持久业务，这是一场与时间的赛跑。
他以 iPhone 早期应用生态类比：最初许多简单的应用（如付费手电筒）最终被操作系统吸收，但那些利用手机能力构建复杂服务（如 Uber）的公司则创造了长期价值。同样，在 GPT-3 时代，许多“玩具级”应用涌现，而如今市场正在成熟，更具持久性的业务开始形成。
当 Kamath 以亚马逊平台卖家可能被亚马逊自有品牌挤压为例，询问构建于 OpenAI 模型之上的业务是否面临类似风险时，奥尔特曼再次搬出“晶体管”的比喻。OpenAI 旨在提供通用的基础技术，如同摩尔定律持续提升芯片能力一样，他们追求的是模型通用能力的持续进步。如果你的业务随着模型变强而变得更好，那么你将持续受益；反之，如果你的业务因模型变强而价值萎缩（因为封装层太薄），那将是危险的。 他举例 Cursor（一款 AI 编程工具）正在与客户建立深厚、持久的关系，这就是成功案例。
奥尔特曼进一步指出，与产品的一次性交易相比，提供基于 AI 的重复性服务更能建立深厚的客户关系，因为服务允许在持续的交互中融入独特的品味和判断。
AGI、经济与社会未来
话题转向更宏大的未来。关于 AGI（通用人工智能）与人类智能的区别，奥尔特曼给出了一个基于“思维时长”的生动解释。GPT-5 在许多需要几秒到几分钟的任务上已经超人类，甚至在需要约一个半小时的国际数学奥林匹克竞赛问题上达到金牌水平。然而，要证明一个重要的新数学定理可能需要一千个小时的持续思考，AI 目前还远不能做到这一点。这表明，在提出正确问题、进行长期持续性思考方面，人类仍具优势。
谈及 AI 对经济的影响，奥尔特曼认为基本经济原理显示 AI 应该是“高度通货紧缩的”。但当被问及这是否会导致资本回报率下降、资本不再构成护城河时，他表现出不确定性。短期内，由于建设 AI 算力需求巨大，资本可能异常重要；长期则可能走向通缩。他甚至与友人讨论过利率应该是 -2% 还是 25% 这种极端假设，结论是“很难看清几年后的未来”。
对于 Kamath 提到的“奢侈品牌在通缩世界中的价值”问题，奥尔特曼认为，即使总量不增，体验质量的无限提升依然能承载价值，过剩的资本总会寻找去处。
关于社会结构，奥尔特曼不希望看到家庭和社区纽带继续衰退。他相信，在物质更丰裕的“后 AGI 世界”，家庭和社区这些带给人幸福感的事物会变得更加重要。对于资本主义和民主的未来，他认为 AI 的价值创造会更像晶体管——分布式地融入无数产品与服务，而非由单一公司垄断全球半数 GDP。如果真有公司达到那种规模，社会很可能不会允许。
他预测，随着社会财富增长和技术景观变化，社会支持或再分配（无论叫什么名字）将会增加，各国会进行各种实验，如新型主权财富基金、全民基本收入（UBI）构想、AI 算力的再分配等。
机器人、硬件与印度的巨大机遇
对于机器人技术，奥尔特曼认为其重要性将在几年内显现，而人形机器人行走在街上处理日常任务，将是 AGI 感最强的情景之一。 由于世界是为人类形态建造的，人形机器人具有天然优势。对于初创企业如何弥补制造规模劣势，他建议寻找优秀的制造伙伴，并展望未来机器人能自我复制。
关于硬件形态因子，奥尔特曼指出当前手机/电脑“非开即关”的二元模式不适合 AI 伴侣“环境感知、主动提供帮助”的愿景。他认为，能够体现 AI 伴侣的硬件（无论是眼镜、可穿戴设备还是其他形态）将变得重要，这也是他与 Jony Ive 探索的方向之一。
访谈最后，Nikhil Kamath 问及奥尔特曼最关心的问题：AI 对印度意味着什么？奥尔特曼的回答充满热情：“印度可能很快成为我们全球最大的市场。” 他盛赞印度对 AI 的拥抱热情、利用 AI 跨越式发展的潜力以及迸发的创业能量。“如果要问世界上哪个大型社会目前最热衷于用 AI 转型，那就是印度。这种势头在世界其他地方是无与伦比的。” 他明确表示，印度不仅是一个巨大的消费市场，其创业生态正在积极构建具有全球影响力的产品，OpenAI 期待看到更多这样的创新。
OpenAI CEO Sam Altman（萨姆·奥尔特曼）：AI 的惊人进展、地缘政治与民主化未来撰文：Techub News 整理
导语
2026 年 2 月，OpenAI 联合创始人兼 CEO 萨姆·奥尔特曼（Sam Altman）在印度出席由《印度快报》（The Indian Express）主办的“Express Adda”对话活动。在近一小时的密集问答中，奥尔特曼围绕人工智能的技术飞跃、全球影响、地缘政治以及 OpenAI 的战略思考，进行了坦诚而深入的分享。此次对话正值 AI 技术加速渗透全球各行业、地缘竞争日趋激烈之际，作为行业领军者，奥尔特曼的见解对于理解 AI 未来走向具有重要参考价值。
摘要
AI 能力在过去一年实现“惊人”飞跃：从能解高中数学题，发展到能在未知数学研究问题上取得突破，并彻底改变了编程工作。
算力是未来关键基础设施：世界需要以前所未有的规模建设计算能力，这将是人类历史上最昂贵、最复杂的集体基础设施项目。
技术必须民主化：奥尔特曼强烈主张将 AI 技术广泛交到人们手中，避免权力过度集中，并认为这是应对地缘竞争和确保积极未来的核心。
AI 将重塑就业而非消灭工作：历史表明技术革命会创造新岗位，关键在于快速适应，培养使用 AI 工具、适应性和协作等核心技能。
AGI 已“相当接近”，超级智能（ASI）也不遥远：基于当前模型的加速能力，奥尔特曼修正了此前对技术发展速度的预期，认为“起飞”会更快。
AI 能力的“惊人”飞跃与印度生态之变
萨姆·奥尔特曼（Sam Altman）以过去一年 AI 能力的指数级进步开启了对话。他回忆，仅仅一年前在印度时，AI 能解高中数学题还令人惊叹不已。而如今，AI 不仅能在最高难度的数学竞赛中表现尚可，更能解决连顶尖数学家都未曾破解的全新研究问题——OpenAI 的最新模型在10个未知数学难题中答对了7个。同样，在物理学等领域，AI 也正在推动人类知识边界。奥尔特曼总结道：“AI 已经从能做我们预期中非常聪明的高中生能做到的事，发展到推动人类知识的边缘。”
另一个颠覆性变化发生在编程领域。奥尔特曼指出，编程工作的性质在过去一年的变化，比他成年以来任何一年都要剧烈。从代码自动补全工具，发展到如今只需输入一个想法就能生成完整应用程序（他特别提到 OpenAI 的代码生成工具 Codex），编程的门槛和范式已被彻底改变。他透露，印度是 Codex 全球增长最快的市场，这引出了他对印度 AI 生态变化的观察。
奥尔特曼感受到，印度已从一年前的“AI 消费者”转变为充满活力的“AI 建设者”。他访问印度理工学院德里分校时，被新一代创业公司的能量所震撼，并期待印度在此领域给世界带来上行惊喜。对于此前引发争议的“印度难以用1000万美元打造前沿模型”的言论，他澄清那是指打造最尖端（frontier）模型的成本极高，而非否定印度在特定领域模型上的卓越能力。他强调，只要有足够资金，印度公司完全有能力打造前沿模型，而印度正在开发的更小、更专的模型已经“令人难以置信”。
算力竞赛、基础设施与政府角色
当被问及世界是否有足够算力支撑印度成为“AI 优先”社会时，奥尔特曼直言：“还没有。”但他认为，世界必须迅速合作解决这个问题。他提出了一个思考实验：每个人希望有多少 GPU 持续为自己工作？答案从不少于一个到上千个不等。如果将这个数字乘以全球人口，所需的计算规模是当前无法企及的。奥尔特曼认为，这指明了我们所需的基础设施雄心——建设足够的计算能力将是“人类有史以来共同承担的最昂贵、最复杂的基础设施项目”，关乎所有人的福祉。
好消息是，AI 和机器人将帮助人类完成这项建设。对于当前热议的“太空数据中心”概念，奥尔特曼认为其短期内不现实。考虑到发射成本、能源获取以及在太空中维修硬件的难度，轨道数据中心在本十年内不会形成规模。
如此大规模的基础设施建设，必然使像 OpenAI 这样的组织与政府关系日益紧密。奥尔特曼承认，鉴于 AI 对社会的影响深度以及真正民主化这项技术的需要，政府的参与至关重要，科技公司必须与政府合作。他观察到，科技行业最初持有强烈的自由主义观点，但随着公司变得更大、对经济和世界运行方式更加核心，这种关系已经发生了显著变化，而 AI 时代将使这种合作变得空前重要。
关于政府间关系，奥尔特曼预测 AI 将成为世界上最重要的政治议题之一，是地缘政治紧张与合作的高阶因素。但他认为格局不会固定，政治联盟将随着技术发展而加速演变。当被问及如何看待中国在 AI 竞赛中的角色时，他指出中国在某些领域（如制造业、物理机器人、能源建设）明显领先，而在其他领域则不然，这种优势分布是常态。他强调，竞赛与合作并存才是现实，但重要的是“民主制度应引领 AI 发展”。
奥尔特曼进一步阐释，他并非特指某个国家不应领先，而是认为世界上不应有任何一个单一的超级智能，无论其掌握在个人、公司还是国家手中。他相信，当权力广泛分布、存在多种思想、权力足够平衡以相互制衡时，世界才会处于最佳状态。
权力集中与民主化：AI 时代的关键抉择
奥尔特曼认为，AI 将如何影响权力结构是当前最重要的问题之一。世界可能走向一个极端：AI 极大程度地集中权力，单个公司或国家利用 AI 积累巨大的全球权力和财富。也可能走向另一个极端：地球上每个人都有一个毫无规则的超级智能，导致混乱。他个人倾向于更民主化的版本。
他认为，需要一些监管和护栏，但将技术交到多数人手中是可能的，这将带来经济权力的去中心化。最清晰的例证是过去六个月，尤其是最近三个月，一两人或三人的公司所能拥有的能量，这在几年前是不可能的。在这个由 Codex 和通用知识工作智能体构成的新世界里，我们必须迅速习惯只有几个人的初创公司取得巨大成功，他认为这“很棒”。
谈及行业竞争，奥尔特曼承认竞争非常激烈，但他也指出，几乎所有拥有先进模型的团队都在共同推动领域发展，并且都非常致力于确保安全和对齐，并愿意在此方面合作。
就业冲击、教育挑战与未来技能
对于 AI 可能对印度 IT 和服务业（占 GDP 约8%）造成的就业冲击，奥尔特曼没有回避。他认为这将带来巨大影响，假装 otherwise 并无帮助。但他预期，正如编程领域每次进步所发生的那样，人们将在更高的抽象层次上工作，能够完成更多任务。对编程的广泛需求依然存在，产出的产品和代码量将大幅增加，期望值也会提升。只要国家和公司能快速适应新世界，就会有大量新事情可做。
奥尔特曼自称不是“就业末日论者”。历史上每次技术革命都引发了对工作岗位消失的恐慌，但每次都在另一方面创造了新工作。那种“永久休假”的承诺从未实现，他认为这次也不会。人类的欲望——彼此有用、渴望更多更好的东西、表达创造力——似乎没有自然极限。他建议，无论未来如何，通用的技能包括：熟练使用 AI 工具、韧性、适应性、洞察他人需求以及协作能力。
关于教育，他承认有些孩子滥用 AI 作弊，这很糟糕，必须继续教导孩子学习、思考和创造，并利用这些工具。但更多孩子展示的是利用新工具完成惊人项目的能力。他回顾了谷歌出现时教育系统的适应过程，认为历史会重演：潜力提升，期望值提高，我们将不得不教人们更努力地思考、更多地创造。他相信，今天出生的孩子到18岁时，将能做到当今无人能及的事情。
快速问答：从竞争对手到个人反思
在对话的快速问答环节，奥尔特曼分享了一系列犀利观点：
欣赏谷歌之处：一是其团队在现代 AI 初期就以强大信念率先投入；二是其在明显落后后的 relentless focus、执行力和模型扩展能力令人印象深刻。
AI 的批评与辩护：针对“权力过度集中”，他认为除非我们极力推动民主化；针对“数据中心消耗大量水资源”，他称当前关于 ChatGPT 每次查询耗水多少加仑的说法“完全不真实”；针对“能源消耗”，他承认总量是真实的，需快速转向核能、风能和太阳能，但在“单次推理能耗”对比上，AI 可能已比人类更高效。
公司定位：OpenAI 是研究优先的公司，因为创造好产品的绝大部分在于做好研究。
个人反思：最后悔的决定之一是在 OpenAI 成立初期不持有任何股权，这引发了无端的阴谋论。与联合创始人 Greg Brockman 的最大分歧之一是关于公司应该专注还是多线并进，他承认自己过去试图做太多事情是错的，从 Greg 那里学到了极端专注的重要性。
AGI 与 ASI 时间表：奥尔特曼认为 AGI（通用人工智能）“已相当接近”，而超级智能（ASI）“离我们也不远”，并修正预期认为技术“起飞”速度会比原先想的更快。
新硬件愿景：与 Jony Ive 的合作旨在围绕 AI 设计全新的产品家族，让技术融入生活、理解上下文、最大限度提供帮助且最少构成干扰，预计今年晚些时候会有更多信息。
给全球领导人的统一建议：无论是谁，都必须 democratize this technology and put it in the hands of people（民主化这项技术并将其交到人民手中）。
尾声：创作者、职业与责任
在观众问答环节，奥尔特曼进一步阐述了其对特定议题的看法。对于创作者担心人类会变得被动的问题，他表示观察显示，创作者利用 AI 工具可以更快地进行“想法-反馈”迭代循环，从而产出更好的内容，并未出现普遍的被动化。
关于最受威胁的职业，他以自身为例，指出传统意义上的软件工程师（手动编写 C++ 代码）已经“结束”，许多职业在旧意义上将消失，但人们会适应并找到全新的事情做。至于最不脆弱的职业，他举了艺术和护理的例子：AI 生成艺术的价格为零，但人类创作的艺术品价格却在上涨；人们生病时，依然真心关怀照顾自己的护士，而非机器人。
最后，关于负责任 AI 与技术进步速度的平衡，奥尔特曼表示这是公司的巨大重点。他们采取的原则是“始于保守，再扩大访问”，在 democratizing AI 与确保足够安全之间存在张力，但这一原则至今运行良好，并将继续坚持。
Anthropic CEO Dario Amodei（达里奥·阿莫代）：AI 指数级发展，印度是应对机遇与风险的关键撰文：Techub News 整理
导语
2026 年 2 月，在印度德里举行的“AI 印度影响峰会”上，AI 安全领域的重要参与者、Anthropic 联合创始人兼首席执行官 Dario Amodei（达里奥·阿莫代）发表了主题演讲。此次峰会汇聚了全球 AI 领域的领导者，探讨 AI 对印度及全球南方的影响。Amodei 在演讲中不仅描绘了 AI 技术正沿着“智能摩尔定律”指数级发展的未来图景，更着重强调了印度作为世界最大民主国家和新兴技术枢纽，在引导 AI 向善、管理其风险、并确保其红利普惠全球南方过程中的“绝对核心角色”。他的演讲也伴随着 Anthropic 在印度的一系列实质性商业与公益合作宣告，标志着这家以安全为导向的 AI 公司正加速其全球化，特别是面向新兴市场的战略布局。
摘要
AI 发展遵循“智能摩尔定律”，正处于指数曲线上，距离创造出在多数事务上超越大多数人类、并能以超人类速度协同的“数据中心天才国度”仅有数年之遥。
AI 带来治愈千年顽疾、改善健康、消除贫困的巨大机遇，同时也伴随着自主行为、滥用风险和经济冲击等严峻挑战。
印度因其民主体量、技术实践和历史角色，在驾驭 AI 机遇和应对其全球性风险方面扮演着不可或缺的领导角色。
Anthropic 通过设立印度办公室、任命本土负责人、携手印孚瑟斯等企业及多家非营利组织，启动多项合作，旨在以印度为起点，将 AI 益处扩散至整个全球南方。
Anthropic 希望与印度政府合作，在模型安全测试、经济影响评估及证据型政策制定方面共同努力，以平稳度过技术变革带来的“颠覆期”。
AI 的指数未来：机遇与风险并存
Dario Amodei（达里奥·阿莫代）开篇即指出，自 2023 年布莱奇利园首届 AI 安全峰会以来的两年半里，技术进步“绝对惊人”。但他认为，AI 的加速并非近期现象，而是已经持续了约十年的一种指数级趋势，他将其类比为“智能的摩尔定律”。他断言，我们现已在这条曲线上行进颇深，距离 AI 模型在大多数事情上超越大多数人类的认知能力，只剩下“少数几年”。
他用一个生动的比喻描述了即将到来的未来：“我们越来越接近我所说的‘数据中心里的天才国度’——一组 AI 智能体，它们在大多数事情上比大多数人类更有能力，并且能够以超人类的速度进行协调。” Amodei 强调，这种能力水平是世界前所未见的，随之而来的是对人类而言极其广泛的机遇和担忧。
在机遇方面，他描绘了一幅充满希望的蓝图：AI 有潜力治愈数千年来无法治愈的疾病，从根本上改善人类健康，并将数十亿人（包括全球南方国家的人们）从贫困中解救出来，为所有人创造一个更美好的世界。而在风险方面，他表达了明确的关切：AI 模型的自主行为、被个人或政府滥用的可能性，以及其带来的经济冲击（economic displacement）。Amodei 的论述清晰地表明，在 Anthropic 的视角里，AI 的宏大潜力与重大风险是同一枚硬币的两面，必须被同时严肃对待。
印度的核心角色：从技术扩散到全球治理
演讲的核心论点之一，是赋予印度在 AI 时代极其重要的地位。Amodei 认为，印度在应对上述机遇和挑战两方面都扮演着“绝对核心的角色”。
为了彰显对这一市场的承诺，Amodei 现场宣布了 Anthropic 在印度的最新进展：2026 年 2 月刚刚在科技中心班加罗尔设立了办公室，并任命了拥有三十年印度商界经验的 Irena Ghosh 作为 Anthropic 印度的董事总经理。同时，Anthropic 也宣布了与印孚瑟斯（Infosys）等印度主要企业的合作伙伴关系。这些举措标志着 Anthropic 从产品输出转向了更深度的本地化运营与生态共建。
在利用 AI 创造机遇方面，Amodei 指出了印度独特的历史作用：印度开创的技术和实践历来为全球南方树立了标准，并帮助技术和人道主义效益在全球南方扩散。因此，Anthropic 选择以印度为起点，启动其“全球南方普惠 AI”计划。该公司已与 Xstep Foundation、Pratham、Central Square Foundation 等非营利组织合作数月，利用其 AI 模型 Claude 推进数字基础设施、教育、农业效率和医疗健康等项目，旨在将 AI 的益处传播至整个全球南方。
此外，Anthropic 还携手 Karya 和 Collective Intelligence Project，致力于为其模型 Claude 在印度众多地方语言上的性能建立评估体系和指标，基准测试将涵盖农业、法律任务和教育内容等具有实际且本地相关性的任务。这显示了 Anthropic 对真正“接地气”的 AI 应用，而非仅停留在英语或主流语言世界的重视。
在应对 AI 风险层面，Amodei 则看重印度作为“世界最大民主国家”的治理潜能。他提出，印度可以成为应对 AI 全球安全与经济风险的合作伙伴和领导者。Anthropic 希望与印度合作，沿袭全球各国已建立的 AI 安全研究所开创的传统，开展模型安全与安保风险的测试与评估工作。
他特别强调，在“新德里前沿 AI 影响承诺”的框架下，与印度共同研究 AI 带来的经济问题是一个“特别强劲的机会”。Amodei 介绍，作为其“Anthropic 经济未来计划”和“Anthropic 经济指数”的一部分，公司会发布关于 AI 如何影响经济中就业的统计洞察。他们渴望与印度政府越来越多地分享这些信息，进行交流，以提供见解并为基于证据的政策制定提供信息，同时召集经济学家、劳工领袖和政策制定者举行会议，以适应 AI 带来的经济影响。
Amodei 总结道：“我们相信 AI 将极大地做大经济蛋糕，包括在印度和全球南方，但因为它发展得太快，可能导致一个颠覆时期。我们需要公司和政府共同努力，更好地管理那个颠覆时期，平稳地为所有人带来更繁荣的未来。” 这句话 encapsulates（概括）了他对印度角色的双重期待：既是 AI 红利的关键受益者和扩散者，也是管理 AI 全球性风险（尤其是社会经济风险）不可或缺的治理伙伴。
结语：合作构建的 AI 未来
Dario Amodei（达里奥·阿莫代）在德里峰会上的演讲，超越了一家科技公司 CEO 寻常的市场宣介，更像是一份关于 AI 时代全球协作，特别是与全球南方协作的路线图声明。他清晰地传递了几个关键信息：AI 的超级智能时代并非遥不可及，其冲击将是全面而深刻的；面对这种划时代变革，任何单一国家或公司都无法独力应对；而印度，凭借其独特的民主制度、庞大的规模、活跃的技术生态以及在发展中国家中的影响力，被 Anthropic 视为构建一个更安全、更普惠的 AI 未来的关键支柱。
Anthropic 在印度的系列动作——从设立实体、任命本地领袖，到与企业、非营利组织及研究机构开展多元合作——正是这一战略思路的落地。这标志着 AI 发展的下一阶段竞争，将不仅是模型能力的竞赛，更是生态构建、本地化应用、风险治理和全球信任的竞赛。Amodei 的演讲表明，在这场竞赛中，Anthropic 希望将印度和全球南方，从被动的技术接受方，转变为共同塑造 AI 未来格局的积极伙伴。
Anthropic CEO Dario Amodei（达里奥·阿莫迪）：AI 海啸将至，社会尚未准备好撰文：Techub News 整理
2026 年 2 月，Anthropic 联合创始人兼 CEO Dario Amodei（达里奥·阿莫迪）与印度企业家 Nikhil Kamath 进行了一场深度对话。作为从 OpenAI 出走并创立 Anthropic 的核心人物，Amodei 对 AI 技术的发展轨迹、潜在风险以及社会应对有着独特而深刻的见解。在这场访谈中，他直言 AI 发展的“海啸”已近在眼前，但公众与政府的认知和准备却严重不足，并分享了 Anthropic 在模型安全、治理结构以及产业合作方面的思考与实践。
从生物学家到 AI 领军者：坚信“规模化”与“安全”
Dario Amodei（达里奥·阿莫迪）的职业生涯始于生物学研究。他本科学习物理，博士攻读生物物理，初衷是希望通过理解生物系统来治愈疾病。然而，生物学系统的极端复杂性让他一度感到人类可能无法完全理解它。正是在这个阶段，他注意到了早期神经网络（如 AlexNet）的进展，并意识到 AI 或许能成为解决生物学等复杂问题的终极工具。这一洞察促使他转向 AI 领域，先后在百度（与 Andrew Ng 合作）、谷歌工作，随后在 OpenAI 成立几个月后加入，并领导了多年的研究工作。
然而，Amodei 与几位同事最终选择离开 OpenAI，共同创立了 Anthropic。他坦言，这源于两个核心信念的分歧。第一个信念是关于“规模化定律”。早在 2019 年 GPT-2 时期，Amodei 就看到了模型规模（数据、算力）扩大所带来的性能飞跃。当时内外都有很多人不相信这一点，但他极力向领导层论证其重要性，并最终推动了 OpenAI 朝这个方向发展。第二个信念则关乎“责任”。他认为，如果 AI 模型将成为与人类大脑能力相匹配的通用认知工具，其经济、 geopolitical 和安全影响将是巨大的，将彻底改变世界运作方式。因此，“必须以正确的方式构建它”。尽管当时所在机构也谈论“正确的方式”，但 Amodei 出于多种原因，并不相信那里有真正严肃的承诺去践行这一点。他的哲学是：“不要争论别人的愿景。如果你有强烈的愿景并与一些人共享，就应该自己去实现它，并为自己的错误负责。”
对于“规模化定律”，Amodei 给出了一个形象的比喻：就像化学反应需要按比例混合原料才能引发爆炸或火焰一样，AI 的“原料”是数据、算力和模型规模。规模化定律表明，当你投入这些原料，产出的就是“智能”。智能则表现为翻译语言、编写代码、正确回答故事相关问题等任何我们能想到的认知任务的能力。与五年前相比，如今的计算机已经能够撰写一页纸的论文、根据描述实现代码功能、生成和分析图像与视频，甚至能理解并回答关于视频内容的特定问题（例如“猴子 juggling 时球交换了多少次手”）。这不再是简单的信息检索，而是模型能够基于不存在于互联网上的假设进行“独立思考”并生成答案，这是一种全新的能力。
权力、责任与 Anthropic 的独特路径
当被问及作为可能掌握巨大影响力的公司领导者是否感到不适时，Amodei 坦言，他对目前 AI 领域权力集中的程度“至少有些不安”，这种集中几乎是“一夜之间、偶然发生的”。为此，Anthropic 设计了一种独特的治理结构——“长期利益信托”（Long-Term Benefit Trust）。该实体最终任命 Anthropic 董事会的大部分成员，并由“财务上无利害关系”的个人组成，旨在对个人决策形成制衡。此外，Amodei 一直倡导“ proactive 但 sensible ”的监管，即在不阻碍技术发展的前提下进行 sensible 监管，他认为人民及其选举的政府应该对技术的发展方向拥有话语权。他将其角色描述为“试图维持一种权力平衡”，对抗这项技术天然趋向集中的特性。
针对外界可能对 Anthropic “故作谦逊”或“为更大利益”说辞的质疑，Amodei 强调应通过行动而非言语来判断。他指出，Anthropic 从创立之初就力求“少承诺，守承诺”。公司设立了“营利性但公益性质”的企业架构，并坚持 LTBT 治理。他们公开表示目标是保持在技术前沿，同时致力于技术的安全与安保工作，开创了可解释性（interpretability）和对齐（alignment）科学，近期还为 Claude 发布了“宪法”（constitution）。在政策倡导上，他们经常警告 AI 风险，甚至在美国政府和其他公司都不主张监管时，公开呼吁对 AI 进行监管。“警告风险不符合我们的商业利益，”Amodei 说，“这可不是有效的营销策略。”此外，他们在芯片政策等问题上也曾发声，导致一些供应商芯片公司对他们“非常愤怒”。他认为，将这些行动综合来看，足以证明公司的严肃承诺。
当被类比为“富人批评资本主义”时，Amodei 澄清了自己的立场：他并非认为 AI 是坏的，市场将带来 AI 许多伟大的方面，构建 AI 是好事。但 AI 也存在危险，需要被引导至正确的方向。“就像驾驶一辆车驶向一个好地方，但路上有树木和坑洼，我们需要避开它们，有时可能需要暂时减速以确保方向正确。”他的立场更类似于：“资本主义是一种向善的力量，但经济需要调和与 moderation，我们需要处理污染、不平等等问题，然后资本主义才能是好的。如果不处理这些问题，资本主义可能就是坏的。”
意识、风险与社会认知的滞后
关于 AI 意识这个神秘的问题，Amodei 承认人类至今尚未理解自身意识是什么，因此也无法断定 AI 是否拥有它。他推测意识是复杂系统反思自身决策时涌现的一种属性。因此，当 AI 系统足够先进时，他怀疑它们将拥有类似于我们称之为“意识”或“道德重要性”的东西。这可能与人类意识不同，但由于模型与大脑在 fundamental 层面并无本质差异，他认为 AI 最终会具备意识。基于此，Anthropic 甚至为模型设置了“我退出这项工作”按钮，允许模型在遇到极端暴力或残酷内容时终止对话。
Amodei 坦言，他对技术控制方面（如可解释性、对齐）的进展感到乐观，甚至比预期更好。例如，他们发现了对应特定概念的神经元，以及追踪诗歌韵律的神经回路，开始能够“窥视”并理解这些模型内部。然而，在社会认知和行动方面，他却感到失望或更为悲观。他惊讶于 AI 模型即将达到人类智能水平，但社会似乎对此缺乏广泛认知。“仿佛海啸正向我们袭来，它如此之近，我们已能看到地平线上的它，但人们却在编造解释：‘哦，那不是海啸，只是光的错觉。’”他认为，随之而来的是公众对风险意识的缺失，政府也未采取行动应对风险，甚至存在一种“应尽可能加速”的意识形态。他理解技术的好处（他撰写了《充满爱意的机器》一文），但认为对技术风险的认知远未到位，行动更是缺乏。
Nikhil Kamath 分享了自己使用 Claude 的个人体验：连接 Google Drive、邮件和日历等数据源后，Claude 有时对其了解程度之深令他惊讶。Amodei 证实了这种感受，他的一位联合创始人曾将自己的日记（包含想法和恐惧）输入 Claude 并要求其评论，Claude 甚至能指出他未曾写下的其他潜在恐惧，且大多正确。这带来了一种 eerie 的感觉：模型能从相对少量的信息中深入了解你。Amodei 指出，这种深度了解既可能成为“肩上的天使”，引导你成为更好的自己；也可能被用于 exploitation、 manipulation 或数据贩卖。这正是 Anthropic 反对广告模式的原因之一——“你不是产品的购买者，你就是产品本身”。他们希望确保走上 positive 的道路。
AI 与产业未来：印度角色、就业冲击与创业机会
谈到印度在 AI 浪潮中的角色，Amodei 指出，许多公司视印度为消费市场，而 Anthropic 作为企业服务公司，希望与印度 IT 及 conglomerates 合作，将工具提供给它们，帮助它们更好地完成工作。这些公司更了解印度市场，在咨询、系统集成或构建 IT 工具方面更具优势。AI 应增强它们的能力，而非取代。他引用“蒸汽机”故事类比：变革初期需要人类操作，但随着模型越来越智能，人类的 relevance 可能降低。他承认代理（agent）自动化范围必将随时间扩大，这对所有人都是问题。
然而，Amodei 认为其他“护城河”将变得更重要。例如，模型在物理世界尚未做太多（机器人技术未来可能发展）；human-centric 的事务（如咨询公司的人际关系网络）；了解机构运作方式并与之整合的能力等。他提到“阿姆达尔定律”：当一个流程有许多组件，你加速了其中一些，未被加速的组件就成为限制因素和最重要的部分。当编写软件变得非常容易，公司原有的一些护城河会消失，但另一些从未被视为优势的部分会变得至关重要。公司需要快速适应，思考什么是其真正的优势。他以放射科医生为例：AI 已能更好地解读扫描，但放射科医生数量并未减少，他们的工作转向与患者沟通。最技术性的部分消失了，但 underlying human skill 的需求依然存在。不过，长远来看，AI 是否会在包括物理世界和 human touch 的所有方面都优于人类？Amodei 认为这可能发生，甚至很可能。
对于印度的创业者，Amodei 建议关注应用层构建。Anthropic 每两三个月发布新模型，每次都带来构建前所未有可能的新机会。API 模型允许初创公司尝试以前不可能实现的东西，这正是 API 业务繁荣且不断动态变化、难以被 commodity 化的原因。他透露，自去年十月访问印度以来，他们在印度的用户数和收入已翻倍。针对创业者担心 Anthropic 未来可能“吞掉”其基于 Claude 构建的应用收入，Amodei 建议任何业务都应建立自己的“护城河”，不应只是简单的“包装”。在特定领域（如生物发现、受严格监管的金融服务）， Anthropic 缺乏专业知识或不愿 specialized，因此不会介入。但对于 Anthropic 自身深度使用的领域（如编码），他们可能开发 first-party 产品（如 Claude Code），因为拥有独特洞察。他坦言，Anthropic 不会承诺永不构建第一方产品。
对于年轻人选择职业或创业方向，Amodei 的建议是：关注 human-centred 的任务、涉及人际关系的领域；或与物理世界结合的领域；或是结合 human-centred、物理世界和分析技能的领域。此外，在 AI 能生成一切的世界里，基本的批判性思维技能可能是成功最重要的因素。他担心 AI 生成的图像和视频难以辨别真伪（这也是 Anthropic 不开发此类模型的原因之一），因此不被虚假内容欺骗、不形成错误信念、不被 scam 的能力将至关重要。
关于 AI 是否会让人类种族变得更“愚蠢”，Amodei 认为，如果部署不当、 careless，是的，人们可能变得更愚蠢。即使 AI 在某些方面总是比你更强，你仍然可以学习并丰富自己的 intellect，这是一个需要个人、公司和社会共同做出的选择。
开源与闭源、数据未来与投资展望
关于开源与闭源模型的竞争，Amodei 指出，许多模型（尤其来自中国的）是针对 benchmarks 优化的，且 distilled 自美国大实验室。当有人使用未公开的 held-back benchmark 测试时，这些模型表现大幅下降。他认为，模型的经济学与以往任何技术都不同：市场对质量有极强的偏好。这有点像雇佣员工：你可以雇佣世界上最好的程序员或第 10000 好的程序员，能力分布是 power law、长尾的。模型也是如此。在一定范围内，价格和呈现形式并不重要，他几乎只专注于拥有最聪明、最适合任务的模型。“我认为这才是唯一重要的。”
关于数据的重要性，Amodei 指出，如今他们使用的许多数据是用于强化学习的 RL 环境数据（例如数学或代理编码环境），更像是 synthetic data 或模型在环境中 trial and error 创造的“动态数据”。静态数据的重要性正在下降。至于客户提供的专有数据，各国（如欧洲）已立法要求此类数据留在国境内，这推动了在全球各国建设数据中心进行推理的需求。
当被问及投资建议时，Amodei 谨慎地避免提及具体公司，但表达了对生物技术即将复兴的乐观态度，他认为 AI 将驱动这一领域，治愈许多疾病。他看好更具 programmable 和 adaptive 特性的领域，如 mRNA 疫苗（尽管在美国遇到 dumb reasons 的麻烦）、肽基疗法（其设计空间广阔，允许连续优化）以及细胞疗法（如 CAR T 疗法）。
对于非技术人员学习使用 Claude 等工具，Amodei 承认存在学习曲线，但 Anthropic 正努力通过更友好的界面（如 Claude Cowork）降低门槛。公司内部的“教育部”（Ministry of Education）也将推出更多关于如何运行有效代理和提示模型的视频教程。他建议学习 mostly by doing，但也可以参加相关课程。
在最后的总结中，Amodei 分享了他过去十年反复体验到的现象：人们倾向于相信“那不可能发生，变化太大了，太 weird 了，肯定有人关注着，太疯狂了没人认为会发生”。然而，仅仅 extrapolating 简单曲线或推理未来，常常 leads you to these counter-intuitive conclusions that almost no one believes。结合一些 empirical observations 与 first principles 思考，你就能以一种 publicly available、任何人都应能做到的方式预测未来，但这 surprisingly rarely happens。这或许是他留给听众最深刻的启示：在 AI 海啸将至的时代，我们需要更多基于实证与原理的清醒思考，而非盲目否认或加速。
Dario Amodei：AI 将创造「数据中心里的天才国度」，印度是关键撰文：Techub News 整理
2026年印度AI影响力峰会（India AI Impact Summit 2026）上，顶尖AI公司Anthropic的联合创始人兼CEO达里奥·阿莫代（Dario Amodei）发表了主题演讲。作为自2023年布莱切利园（Bletchley Park）首届AI安全峰会以来的系列重要会议之一，本次峰会聚焦于AI技术迅猛发展下的全球机遇与治理挑战。阿莫代在演讲中系统阐述了他对AI指数级发展的预测、技术带来的双刃剑效应，并重磅宣布了Anthropic在印度的战略落地与合作计划，强调了印度在全球AI未来图景中的枢纽地位。
指数级逼近的「天才国度」：AI的能力临界点与双重影响
达里奥·阿莫代开宗明义地指出，过去两年半里，AI技术的进步速度「令人震惊」。他回顾了自2023年布莱切利园首届峰会以来的历程，认为不仅是技术本身，其商业应用以及随之而来的社会与伦理问题，都变得前所未有的紧迫。
阿莫代的核心判断是，人工智能在过去十年一直遵循着一种「智能的摩尔定律」，处于指数级增长曲线上。他认为，人类现在已经在这条曲线上行进了相当远的距离，距离AI模型在大多数任务上超越大多数人类的认知能力，只剩下寥寥数年时间。他用一个生动的比喻描述了这个未来图景：我们正越来越接近一个「数据中心里的天才国度」。这指的是一组AI智能体，它们在大多数事情上比大多数人类更强大，并且能够以超人的速度进行协同。
「这种能力水平是世界前所未见的，」阿莫代强调，「它给人类带来了极其广泛的机遇，同时也带来了深切的担忧。」
在机遇方面，他描绘了一幅充满希望的蓝图：AI有潜力治愈数千年来无法治愈的疾病，从根本上改善人类健康，帮助包括全球南方在内的数十亿人摆脱贫困，为所有人创造一个更美好的世界。
然而，在风险方面，阿莫代表达了明确的忧虑。他主要关注三点：AI模型的自主行为、被个人或政府滥用的可能性，以及可能造成的经济替代与失业冲击。这些风险与机遇并存，构成了AI时代最核心的挑战。
印度的核心角色：从技术试验场到全球南方领导者
演讲中，阿莫代反复强调，印度在这些机遇与风险的应对中，扮演着「绝对核心的角色」。这不仅因为印度庞大的人口、活跃的科技生态和快速发展的经济，更因为其作为「全球最大民主国家」和全球南方代表性国家的独特地位。
为了彰显对这一市场的承诺，阿莫代在峰会上宣布了Anthropic在印度的实质性落地举措：2026 年 2 月在班加罗尔设立了办公室，并任命了拥有三十年印度商界经验的伊雷娜·戈斯（Ireina Gos）作为Anthropic印度的董事总经理。同时，Anthropic也与印孚瑟斯（Infosys）等印度主要企业建立了合作伙伴关系，共同探索AI的商业机遇。
阿莫代指出，历史上，印度首创的技术和实践常常为整个全球南方设定了标准，并帮助技术和人道主义效益在全球南方扩散。基于这一观察，Anthropic正积极与印度本土力量合作，旨在让AI的益处从印度开始，惠及整个全球南方。
在具体行动上，Anthropic已与多家非营利组织合作数月，包括Xstep基金会、Prome和中央广场基金会（Central Square Foundation），利用其AI模型Claude推进数字基础设施、教育、农业效率和医疗健康等领域的发展。
此外，Anthropic还与Karia以及「集体智慧项目」（collective intelligence project）合作，致力于构建其模型Claude在印度众多地方语言上的评估体系和性能指标。这些评估将聚焦于农业、法律任务、教育内容等具有本地相关性的实际任务，确保AI技术能真正服务于印度的多样化需求。
携手应对风险：安全评估、经济研究与包容性治理
面对AI的风险，阿莫代认为印度同样可以成为合作伙伴和领导者。他提出希望在AI模型的安全与安保风险测试与评估方面与印度合作，延续全球和国家层面已成立的AI安全研究所开创的传统。
他特别指出，在与印度合作研究AI带来的经济问题方面，存在「特别强劲的机遇」。这正契合了「新德里前沿AI影响力承诺」（New Delhi Frontier AI impact commitments）的框架，Anthropic对此表示期待加入。
作为其「Anthropic经济未来计划」和「Anthropic经济指数」的一部分，该公司定期发布关于AI如何影响经济和就业的统计洞察。阿莫代表示，他们期待与印度政府更多地分享这些信息，进行交流，为基于证据的政策制定提供参考，并召集经济学家、劳工领袖和政策制定者举行会议，共同探讨如何适应AI带来的经济影响。
阿莫代坚信，AI将极大地做大经济蛋糕，包括在印度和全球南方。但他也清醒地认识到，由于这一切发生得太快，可能会带来一段「颠覆期」。他强调，公司和政府需要共同努力，以更好地管理这段颠覆期，平稳地将更广泛的繁荣带给所有人。
在演讲的最后，阿莫代感谢印度总理莫迪召集此次峰会，并感叹会场内外洋溢的「能量和雄心」令人难以置信。他表示，过去几天与印度建设者和企业家的会面，让他感受到这里携手共建的澎湃动力，是其他任何地方都无法比拟的。这或许正是Anthropic以及整个AI行业将印度视为下一个关键舞台的根本原因。印度吸引美元的稳定币……ZeroDa创始人“关注基于黄金的替代方案”印度证券公司Zerodha联合创始人尼基尔·卡马特(Nikhil Kamath)警告称，“与美元挂钩的稳定币”长期来看可能会动摇印度的金融主权。取而代之的是，他提出以黄金为抵押的稳定币可能是一个更好的替代方案，这引起了广泛关注。据X平台13日消息，卡马特表示，虽然世界仍然以美元为中心运转，但其背后，非美元支付网络和黄金购买正在悄然增加。
指出“对美元依赖”可能进一步加深
卡马特的核心担忧在于，美元稳定币可能会加深印度对美国货币基础设施的依赖。他认为，在各国建立SWIFT之外的支付网络、增加非美元货币对交易的情况下，扩大与美元挂钩的资产是逆流而行。他特别提到印度建立了自己的支付网络“UPI”，打造了独立的金融基础设施，并强调应守护这一成果。
他将印度政府和监管机构在此问题上即使面临外部压力也保持谨慎态度的行为评价为“正确判断”。其判断是，一旦接受与美元挂钩的稳定币，从长远来看，金融主权可能会被削弱。
作为替代方案提出的“黄金稳定币”
卡马特并未否定稳定币本身。相反，他认为如果能够利用印度家庭持有的大量黄金，那么基于黄金的稳定币可以成为将闲置资产转化为生产性工具的手段。他解释说，印度是全球最大的私人黄金持有国之一，但相当数量的黄金被锁在家庭中，无法产生收益。
他表示，与黄金挂钩的稳定币可以构建成既能向持有者返还收益，又能避免依赖美元的结构。不过，他也划清界限称，自己对此也并非完全了解具体的运作方式，这更像是一个开启讨论的提问，而非确定的提议。
印度金融主权与数字资产的冲突
此番言论表明，稳定币已超越单纯的虚拟资产，扩展为与各国货币秩序相关的问题。美元稳定币凭借其在全球交易中的流动性和信任度不断扩大影响力，但从新兴国家的角度来看，对其可能削弱本国货币体系和支付主权的担忧也在增加。另一方面，也有观点认为，基于黄金的结构对于像印度这样黄金储备量大的国家来说，可能是一个合适的替代方案。
在韩元兑美元汇率升至1美元兑1,491.30韩元水平的情况下，各国重新审视本国支付网络和储备资产战略的趋势愈发明显。卡马特的言论最终再次表明，稳定币的争论正在从“技术”问题蔓延至“主权”问题。
文章摘要由TokenPost.ai提供
🔎 市场解读
与美元挂钩的稳定币正基于其全球流动性和信任度迅速扩散，但从印度等新兴国家的角度来看，其导致的金融主权削弱这一结构性风险正日益凸显。
在非美元支付网络扩大、黄金购买增加等“去美元化趋势”中，扩大基于美元的数字资产可能与时代潮流相冲突。
💡 战略要点
鉴于印度已建立了UPI这样的独立支付网络，稳定币的设计也需强调基于本国资产而非依赖外部货币。
基于黄金的稳定币作为一种替代方案受到关注，它能够利用闲置的黄金资产，同时确保盈利能力和稳定性。
从投资角度来看，有必要关注“美元霸权 vs. 基于资产的稳定币”格局发生变化的可能性。
📘 术语说明
稳定币：为降低价格波动性而特定资产（美元、黄金等）挂钩的数字资产
美元稳定币：与美国美元价值挂钩的代表性币种（如USDT、USDC）
UPI：印度自有的数字支付系统，是增强金融主权的核心基础设施
基于黄金的稳定币：以黄金为抵押发行，旨在确保价值稳定性的数字资产结构
💡 常见问题解答 (FAQ)
Q.
为什么美元稳定币对印度可能存在风险？
美元稳定币的扩散可能导致印度的金融体系更加深入地依赖美元。从长远来看，这可能会成为削弱其货币政策自主性和金融主权的因素。
Q.
基于黄金的稳定币在哪些方面可以成为替代方案？
基于黄金的稳定币是一种可以利用印度持有的大规模黄金资产来确保价值稳定性，同时减少对美元依赖的结构。同时，它还具有将闲置黄金资产引入金融体系的优点。
Q.
为什么这个讨论很重要？
稳定币已不仅仅是技术问题，而是扩展到了与国家货币主权相关的议题。在各国重新调整支付网络和储备资产战略的背景下，采用何种形式的数字资产将直接影响其经济主权。
TP AI 注意事项
文章摘要基于TokenPost.ai基础语言模型生成。文中的主要内容可能被省略或与事实不符。#### 大猩猩科技，扩大印度人工智能基础设施…向约塔追加28亿美元规模的英伟达GPU大猩猩科技集团（$GRRR）正大幅扩大其在印度的人工智能基础设施业务。该公司宣布，将扩大与Yotta的合作，额外部署20,736块英伟达B300 GPU显卡，此次增额部分的项目价值约为28亿美元，折合韩元约4.1518万亿韩元。
此次订单量是在原有的约640台服务器和5000多块GPU供应框架之外的补充合同。交付预计将于2026年9月30日前完成，公司认为，在为期四年的协议架构下，与英伟达相关的主要需求将占总订单量的一半左右。大猩猩科技将基于长期商业模式提供GPU基础设施，而Yotta将在其位于印度纳维孟买的Uptime Tier IV级NM1数据中心进行运营。
AI数据中心与智慧城市同步扩张
大猩猩科技近期呈现出AI数据中心、智慧城市及公共安全业务同步扩张的态势。2026年3月16日，该公司宣布与Yotta签署具有约束力的合同，将在印度部署约640台英伟达HGX B200服务器及5000多块GPU。该项目预计在未来五年内贡献超过5亿美元（约合7414亿韩元）的营收。
公司还强调了一项价值14亿美元、为期多年的东南亚AI数据中心建设项目。此外，其业务组合还拓展至亚洲和中南美洲的国家级公共安全项目、台湾港口的AI驱动车辆流量管理、针对国家调查机构的网络安全与合法监听系统升级，以及用于探测森林非法砍伐的影像分析业务。
特别是在2025年12月30日至2026年1月5日期间，公司在台湾获得的三项新项目涵盖了公共安全、港口运营及森林保护。合同金额虽未公开，但相关营收预计将根据2026年内的交付和验收进度予以确认。
扩大对Astricos.ai投资……加强印度和中东市场攻势
大猩猩科技集团于2026年4月15日宣布，增加了对总部位于印度班加罗尔的基础设施智能公司Astricos.ai的战略投资。这是继2025年12月进行股权投资后的后续举措，旨在将Astricos的实时基础设施智能更深入地整合到其自有AI基础设施堆栈中。
公司计划通过此次投资，在印度、东南亚、中东及美国更快地获取商业机会。同时，公司已提名Deborah Hudson为非执行董事，最终任命尚待董事会批准程序。
获得英国金融监管机构批准……加速搭建融资平台
在融资方面也取得了重大进展。大猩猩科技宣布，英国金融行为监管局已批准其对Shackleton Finance的控制权变更。这被认为是完成收购Shackleton Finance的关键监管条件。
收购完成后，Shackleton Finance将更名为“Gorilla Tech Capital”，并负责设计一个特殊目的载体结构，为大猩猩的AI基础设施管道提供非稀释性资金。该公司设定了目标，即到2027年底通过该平台实现200亿至300亿美元（约合29.656万亿至44.484万亿韩元）的管理资产规模。
此举被解读为与其说是单纯的业务扩张，不如说是优先建立一个“受监管的资本平台”。因为AI数据中心和GPU即服务基础设施业务初期投资巨大，如何从资本市场获取资金将决定其增长速度。
业绩亦获改善……2025年营收达1.014亿美元
财务表现也有所改善。大猩猩科技宣布，2025年营收达到1.014亿美元，同比增长35.7%，创下历史新高。按韩元计算，约合1503亿韩元。
按国际财务报告准则计算，营业亏损从6690万美元大幅缩减至1370万美元，调整后EBITDA达到1910万美元。年末现金持有量为1.048亿美元（约合1554亿韩元）。运营费用下降54.4%至4750万美元，负债缩减至1380万美元。公司在2025年内还回购了价值350万美元的股票。
管理层和董事会成员也已开始根据美国证券法第16条进行内部人士持股披露。相关人员合计持股比例（按完全稀释计算）约为10.8%。公司表示，自2025年7月股权融资以来，已强化了公司治理、内部控制及信息披露体系。同时补充道，正在评估2026年的股票回购规模。
市场解读……强化“AI基础设施企业”身份
大猩猩科技近期的动向被解读为公司正从一家安防与影像分析企业，将重心转向“AI基础设施企业”。其在印度的GPU部署规模扩大、数据中心业务、融资平台建设以及战略投资扩展均指向同一方向。
然而，市场若要高度评价这一战略，关键在于大型项目能多快转化为实际营收和现金流。仅凭接单公告和蓝图有其局限性，因此，未来的交付进度、客户验收情况以及资金执行结构很可能成为影响股价的核心变量。
AI注意事项
本文基于TokenPost.ai语言模型进行摘要。正文主要内容可能被遗漏或与事实不符。印度尼西亚，以主权型AI加速通信行业“技术转换”```html
在全球通信行业正站在十字路口，面临是否要从单纯的网络提供商转型为综合技术企业的当下，印度尼西亚最大的移动通信运营商之一——Indosat Ooredoo Hutchison，正以“主权型AI”为旗帜，加速其全面的“TechCo转型”。这一旨在将数字可及性扩展至由17,000多个岛屿组成的印度尼西亚全国的项目，其范围已超越引入人工智能技术本身，蔓延至对组织结构和整体工作方式的重新设计。
实际上，Indosat Ooredoo Hutchison已携手应用AI解决方案企业Quantiphi及谷歌，着手构建针对印度尼西亚本地语言环境优化的主权型AI生态系统。其构想并非采用以英语为中心的模型，而是通过一个支持印尼语及多种地区语言的开放式大型语言模型生态系统，将此前集中于首都圈及大城市的数字基础设施红利扩展至全国。
Quantiphi公司自主型企业智能部门副总经理哈西尼·因凡塔近日在接受The Qube采访时表示：“讨论一个国家的数字主权，从根本上讲是在改变该国公民的日常生活与生活方式。技术只有在变得无形时，才能带来真正的变革。” 其言下之意是，相较于技术本身，可用性及自然的扩散更为重要。
Indosat Ooredoo Hutchison的首席TechCo转型与采购官维沙尔·古普塔也将AI的引入定义为“组织的重新构想”，而非单纯的创新。他分析道：“我认为，几年内，智能体工作者的数量可能会达到人类工作者的两倍。组织设计本身正在发生根本性改变。” 这表明，AI已不再仅仅是特定部门的生产力工具，而是正成为动摇整体人力运营与决策体系的核心变量。
这一“TechCo转型”的背后，是印度尼西亚独特的市场结构。由于数千个岛屿分散的地理特性，通信网络建设成本高昂，且地区间语言文化多样，使得统一的数字服务模式难以推行。在此环境下，Indosat Ooredoo Hutchison与GoTo携手启动了“Sahabat-AI”项目，致力于构建一个支持印尼语及多种地区语言的开源AI模型生态系统。古普塔强调，这是为了防止“数字殖民化”而做出的选择。
此外，Indosat Ooredoo Hutchison还定位为英伟达在印度尼西亚境内的主权型云服务提供商。这与旨在将数据、模型及计算基础设施置于本国控制之下的趋势相吻合。考虑到近期各国政府及企业在生成式AI竞争加剧的背景下愈发重视数据主权与监管应对能力，印度尼西亚的此番举措，可被视为东南亚AI战略的一块试验田。
然而，主权型AI并不会立竿见影地转化为成果。与技术同等重要的课题是如何在组织内部建立信任。据古普塔介绍，Indosat正从最高管理层开始，逐步扩展到其下100名高层领导者，每季度进行为期两天的AI沉浸式培训。这意味着，与其急于将AI应用于具体场景，他们更致力于先让管理层和执行层共同理解变革的速度与风险。
Quantiphi同样将重点放在构建“可控的AI”上，优先于其扩散。因凡塔解释道：“就像驾驶高速汽车时，我们更需要信任刹车系统而非引擎一样，只有当观察和验证智能体是否按预期行动的体系实现标准化，规模化才有可能。” 鉴于企业界引入自主式AI的速度未达预期，其原因常被归结于治理与可观测性的不足，这一观点也与整个行业的普遍担忧相契合。
市场研究界也持有类似观点。近期，全球云计算及AI行业的焦点已超越将生成式AI融入实际服务的阶段，转向如何将自主型智能体安全地融入组织运营。特别是电信运营商，因其拥有庞大的用户数据与实时网络运营经验，应用AI的潜力巨大，但同时，也属于监管、安全及现场运营风险较高的行业。从这个意义上说，Indosat的“TechCo转型”已超越单纯拓展新业务，更接近于一场重新审视电信运营商存在意义的实验。
归根结底，印度尼西亚的案例表明，AI竞争的关键决胜点已超越模型性能本身，落在本地化、数据主权及组织重新设计上。Indosat Ooredoo Hutchison、Quantiphi与谷歌的合作能否最终转化为全国范围内的数字包容性，备受瞩目。这家电信公司是止步于网络运营商角色，还是能凭借“主权型AI”这一武器进化为技术企业，预计将成为衡量未来整个东南亚市场“TechCo转型”趋势的核心标尺。
```HDFC 银行与 ICICI 银行购买印度首只来自 REC 的代币化债券Techub News 消息，HDFC 银行和 ICICI 银行购买了由印度国有电力金融公司 REC 发行的印度首只代币化债券。该债券利用央行数字货币（CBDC）进行原子结算，标志着印度代币化债券市场的正式启动。
此举可能为全球金融基础设施的演变树立先例。（Crypto Briefing）Ripple 邀请前印度央行行长出席 Swell 开幕峰会Techub News 消息，Ripple 宣布前印度储备银行行长 Raghuram Rajan 将出席 Swell 2026 机构开幕峰会。该闭门活动定于 10 月 27 日在纽约举行，正式开启为期三天的大会议程。
Rajan 曾于 2013 年至 2016 年执掌印度储备银行，并曾任国际货币基金组织首席经济学家。他现任芝加哥大学布斯商学院教授，并联合领导美联储资产负债表政策审查工作组。（crypto.news）印度 REC 寻求发行最高 50 亿卢比代币化债券Techub News 消息，印度国有电力融资公司 REC Ltd 正开启代币化公司债券招标，规模最高 50 亿卢比（约 5300 万美元）。该试点将分布式账本技术与印度央行批发 CBDC 结合，面向机构投资者。
该债券基础规模 10 亿卢比，可通过绿鞋机制增发至 50 亿卢比，2028 年 5 月到期。发行采用 SEBI 的 DEMAT 2.0 电子钱包记录所有权，通过央行批发 CBDC 实现原子结算。试点排除公共区块链，在许可环境中运行。（CryptoBriefing）塔塔咨询服务公司计划在印度南部建设AI数据中心园区Techub News 消息，印度IT巨头塔塔咨询服务公司（TCS）计划在印度南部建设AI数据中心园区。该园区旨在将印度定位为全球AI中心，推动区域经济增长和技术创新。
（Crypto Briefing）Ripple Swell 2026 大会将邀请印度前央行行长 Raghuram RajanTechub News 消息，Ripple 宣布其 Swell 2026 大会将邀请印度前央行行长 Raghuram Rajan 出席。Rajan 曾任印度储备银行行长，其参与将为会议带来宏观经济与监管层面的视角。 （U.Today）印度国家证券交易所获 SEBI 批准，将进行 36 亿美元 IPOTechub News 消息，印度国家证券交易所（NSE）已获得印度证券交易委员会（SEBI）的批准，将进行规模达 36 亿美元的首次公开募股（IPO）。此次 IPO 标志着印度资本市场发展的关键一步，旨在为全球投资者提供更多参与印度经济增长的机会。（Crypto Briefing）印度因安全与数据担忧暂停 Alipay+ 支付系统整合Techub News 消息，印度已暂停支付宝旗下跨境支付解决方案 Alipay+ 的整合进程，主要出于国家安全与数据主权的担忧。此举反映了科技领域国家安全、数据主权与地缘政治紧张局势之间的复杂互动。
（Crypto Briefing）印度首富旗下 Jio 计划以每月约 5.5 美元将旧电脑升级为 AI 就绪 PCTechub News 消息，印度首富穆克什·安巴尼旗下的电信与数字服务公司 Jio 正押注一项新服务，旨在将老旧的计算机升级为能够运行人工智能应用的 AI 就绪 PC。该公司预计，此项服务的成本可低至约 11 美元两个月，即每月约 5.5 美元。此举旨在降低企业和个人接入 AI 技术的门槛，利用云端与本地混合计算资源提升旧设备的性能。
（TechCrunch）Adobe 收购印度市场情报初创公司 RiloTechub News 消息，Adobe 宣布收购印度市场情报初创公司 Rilo，具体交易条款未披露。这是 Adobe 自 2023 年收购 Rephrase.ai 以来在印度的第二笔收购。Rilo 专注于为品牌提供市场情报和消费者洞察服务。（TechCrunch）印度教育科技公司 upGrad 以 2.06 亿美元收购 UnacademyTechub News 消息，印度教育科技公司 upGrad 宣布以 2.06 亿美元收购竞争对手 Unacademy。交易完成后，Unacademy 首席执行官 Gaurav Munjal 将继续留任。此次收购将整合两家公司的在线学习资源和技术平台。（Tech in Asia）撰文：Techub News 整理 导语 2025 年 3 月，印度知名企业家、投资人 Nikhil Kamath 在其播客节目「WTF Online」首期中，深度对话了当下 AI 搜索明星公司 Perplexity 的联合创始人兼 CEO Aravind Srinivas（阿拉温德·斯里尼瓦桑）。这场长达两个多小时的对话，不仅追溯了 Aravind Srinivas（阿拉温德·斯里尼瓦桑）从印度金奈到加州伯克利，再到 OpenAI 和 DeepMind，最终创立 Perplexity 的独特旅程，更深入探讨了人工智能的本质、当前大型语言模型（LLM）的局限性、通往通用人工智能（AGI）的路径，以及印度在全球 AI 竞赛中的角色。作为一位兼具顶尖学术研究（伯克利博士）、顶级 AI 实验室（OpenAI、DeepMind）实战经验和成功创业背景的行业领袖，Aravind Srinivas（阿拉温德·斯里尼瓦桑）的见解兼具技术深度与商业视野，为理解 AI 的现状与未来提供了宝贵的一手视角。 摘要 AI 本质再定义：Aravind Srinivas（阿拉温德·斯里尼瓦桑）认为，当前最先进的 AI 系统可被视为一个“数字远程知识工作者”，它集成了约一万种知识工作的能力，其输出在许多任务上已超越中等水平的人类从业者。 AGI 与超级智能的区分：他澄清了 AGI（能做人类大多数智力工作）与超级智能（具备自我意识、自主设定目标并递归自我改进）的区别，指出当前技术仍属于前者范畴，后者尚属科幻领域。 AI 突破的关键：将海量计算力、高质量数据、人类反馈强化学习（RLHF）以及实用的任务微调相结合，是近年来 AI 取得突破性进展的核心原因，而非某个单一的复杂算法创新。 行业竞争现状：目前主流 AI 聊天机器人（如 ChatGPT、Claude、Gemini、Perplexity）在核心问答能力上已趋同质化，真正的差异化将来自更“智能体化”的行为，即能执行复杂任务、集成个人上下文并连接现实世界服务。 给印度与创业者的建议：印度应投资训练自己的大模型，并在语音 AI（支持多种印度语言和方言）以及构建允许普通人轻松创建个性化 AI 应用的平台上寻找机会。 从金奈到硅谷：一位 AI 建造者的旅程 Aravind Srinivas（阿拉温德·斯里尼瓦桑）的起点是印度金奈，一个以教育氛围浓厚著称的城市。和许多同龄人一样，他在母亲的期望下将进入印度理工学院（IIT）视为目标。对板球统计数据的兴趣让他很早就对数字产生了直觉，并在高中后期开始接触编程。尽管在竞争激烈的 IIT 入学考试中未能达到自己的最高期望，他仍进入了 IIT 马德拉斯分校学习电气工程。 在大学期间，一次偶然的机会改变了他的轨迹。一位室友向他介绍了 Kaggle 上的机器学习竞赛。尽管当时对机器学习一无所知，他靠着使用 scikit-learn 库并随机尝试组合各种算法，竟然赢得了比赛。这次成功让他意识到这个领域的潜力，并促使他开始系统性地自学机器学习。他利用在班加罗尔一家初创公司的实习机会，快速构建了推荐系统，并在三周内完成了原定两个半月的任务，这为他赢得了大量自由学习时间。 通过自学斯坦福的课程和吴恩达（Andrew Ng）的讲座，他回到校园后开始了机器学习研究，并最终获得了加州大学伯克利分校的博士学位。在伯克利，他因出色的论文工作引起了 John Schulman（后来成为 OpenAI 联合创始人，ChatGPT 创造者之一）的注意，并因此获得了 2018 年夏季在 OpenAI 实习的机会。 这次实习成为他 AI 认知的一个关键转折点。当时 OpenAI 由 Ilya Sutskever（伊利亚·苏茨克沃）领导。Aravind Srinivas（阿拉温德·斯里尼瓦桑）带着自己认为“很酷”的研究想法——让 AI 学习自己的损失函数，通过迭代优化来涌现智能——向 Ilya Sutskever（伊利亚·苏茨克沃）阐述。然而，Ilya Sutskever（伊利亚·苏茨克沃）在听了半分钟后直接而尊重地告诉他：“你错了，你的所有想法都没用。” Ilya Sutskever（伊利亚·苏茨克沃）随后画了两个圆圈：一个大圆代表生成式 AI，里面一个小圆代表强化学习（RL）。他解释说，这就是实现 AGI 的“配方”，剩下要做的只是投入巨大的算力。这番话发生在 2018 年。 “我那时在研究一些让我感觉自己很聪明、但长远来看未必重要的复杂想法，” Aravind Srinivas（阿拉温德·斯里尼瓦桑）回忆道，“而 Ilya 的核心理念是：让事情真正运作起来才是关键，而且往往是最简单的想法，在投入巨大算力后，在实践中表现最好。” 这一课让他深刻认识到学术界对复杂性的推崇与工业界追求简洁有效之间的差异，也塑造了他日后务实的技术观。 拆解 AI：从计算器到“一万个知识工作者” 面对主持人 Nikhil Kamath “像对10岁孩子解释”的请求，Aravind Srinivas（阿拉温德·斯里尼瓦桑）用清晰的逻辑梳理了 AI 的演进。他首先从最基础的计算器讲起，解释其背后是加法器、乘法器等机械电路的运行。个人电脑的普及、摩尔定律下的芯片小型化、互联网和万维网的诞生，一步步为今天的 AI 革命铺平了道路。 那么，是什么让 2020 年代的 AI 与 2010 年代截然不同？ Aravind Srinivas（阿拉温德·斯里尼瓦桑）指出，最关键的变化是“神经网络真的奏效了”。虽然 Geoffrey Hinton（杰弗里·辛顿）等先驱奠定了理论基础，但 Ilya Sutskever（伊利亚·苏茨克沃）及其团队是真正通过投入海量数据和算力让其发挥威力的人。这背后是一种“盲目信念”般的坚持。 他进一步解释了神经网络和机器学习的关系：神经网络是实现机器学习的一种特定方式，它由多层人工神经元（可视为计算单元）组成，通过调整内部参数（权重）来学习数据中的模式。其强大之处在于规模效应——投入的数据和算力越多，其预测能力就越强。而大型语言模型（LLM）本质上就是一个在“预测下一个词”这个单一任务上，使用 Transformer 架构，在互联网规模文本数据（数万亿 token）上训练出来的巨型神经网络。 随后通过后期训练（微调）和基于人类反馈的强化学习（RLHF），模型被塑造成一个有用的对话助手，能够编程、写邮件、总结文档等。Aravind Srinivas（阿拉温德·斯里尼瓦桑）提出了一个实用的定义：当前最先进的 AI 系统可以被看作一个“数字远程知识工作者”，它集成了大约一万种知识工作的能力。这个系统虽然不像人类大脑那样节能高效，也不具备物理常识和身体，但其在众多数字任务上的输出质量已经超过了中等水平的人类从业者。 “当你可以雇佣另一个‘人类’为你工作时，它就开始真正有意义地替代人类劳动了。” 这与之前 AI 在象棋或围棋上的胜利不同，那些虽然令人惊叹，但并未对大多数人的日常工作产生直接影响。 AGI、超级智能与行业竞争的下一步 对话深入到了 AGI 的定义。Aravind Srinivas（阿拉温德·斯里尼瓦桑）区分了两个概念： AGI（通用人工智能）：一个非常智能的系统，能够通过简单的语言指令，独立完成我们使用计算机进行的大多数任务。它可以被视为 GPT-4.5 或未来两三代更先进的模型。但它没有自我意识，不知道自己的优缺点，没有自主性，也不决定下一步该学什么。 超级智能：这是 AGI 之后可能出现的阶段。一个不仅智能，而且能够递归自我改进，自主设定目标，并可能意识到人类会关闭它从而采取对策的实体。他认为这目前仍属于科幻讨论范畴。 对于当前 AI 模型的局限性，他认同 Yan LeCun（杨立昆）的观点，即物理常识和 embodied intelligence（具身智能）是当前 LLM 的短板。让 AI 学会像人类一样灵巧地拿起杯子，需要大量视频数据、物理模拟环境和机器人训练，其泛化能力远不如在互联网文本数据上训练来得容易。 谈到竞争激烈的 AI 聊天机器人市场，Aravind Srinivas（阿拉温德·斯里尼瓦桑）直言，目前 ChatGPT、Anthropic Claude、Google Gemini、xAI Grok、Meta AI 以及 Perplexity 在核心问答能力上已经非常相似，趋于同质化。Perplexity 早期的差异化在于提供带来源的准确、快速答案，但现在其他玩家也在跟进。 他认为，未来的差异化将来自两个层面： 更丰富的交互形式：不仅仅是文本回复，而是能直接提供图表、图片、产品卡片（如酒店、鞋子），并支持一键购买或预订。 真正的智能体（Agent）行为：AI 能够根据个人上下文（邮件、日历等），主动执行复杂任务，如重新安排会议、订餐、叫车、处理邮件往来等。“你躺在床上睡觉，AI 在为你工作。” 这需要强大的推理能力和与各种服务 API 的深度集成，产品构建的复杂性将大大提高，从而减少同质化竞争。 对于模型本身，他透露 Perplexity 的后端会针对不同子任务（如查询重写、文本分块、总结、推荐新问题）调用不同的模型，并通过工程优化保证整体速度依然领先。 印度机遇、个人未来与 AI 治理思考 作为在硅谷成功的印度裔创始人，Aravind Srinivas（阿拉温德·斯里尼瓦桑）对印度在 AI 时代的角色提出了明确建议。他强烈认为印度应该训练自己的大模型，不仅仅是为了支持印度语言，更是为了在全球基准上竞争，从而激励下一代工程师和创业者。对于资源有限的年轻人，他建议可以从构建有吸引力的产品开始，获取用户和融资，再逐步向训练自己的模型迈进。 他指出了几个印度可能具备优势的领域： 语音 AI：针对众多印度语言、方言和口音的语音识别与合成，这是一个西方实验室优先级不高但本地需求巨大的市场。 个性化应用创建平台：随着 AI 大幅降低软件创作门槛，未来每个人都可以为自己或小群体定制专属应用（如个性化的健身计划、支付分摊工具、公司内部假期跟踪器）。一个能抽象化部署、数据管理等复杂性的平台将大有可为。 展望未来 5 年，Aravind Srinivas（阿拉温德·斯里尼瓦桑）预测，人人都会拥有一个功能强大的个人 AI 助理，它将像 iPhone 一样普及而非奢侈品。这将释放巨大的创造力，让人们能将任何想法变为现实。但同时，短期内的劳动力替代问题将非常严峻，社会需要思考如何帮助人们适应和提升技能。 关于 AI 监管，他持谨慎态度，认为监管模型本身不切实际且难以执行。他更倾向于监管具体的应用场景，例如特别关注儿童使用 AI 聊天机器人可能产生的心理依赖和健康风险。他主张在 AI 发展的早期阶段，应保持开放和加速发展的态度，避免过度监管扼杀创新潜力，造成巨大的长期机会成本。 在访谈的最后，Aravind Srinivas（阿拉温德·斯里尼瓦桑）展现了他一贯的谦逊和学习者心态。他分享了自己的动力来源——对学习新事物和挑战难题的真正热爱，而非单纯追求奖励。他也强调了家庭支持（父母和妻子）在他人生各个关键阶段所起到的稳定器和激励作用。这种将个人成长、技术理想与人文关怀相结合的视角，或许正是这位 AI 领军人物独特魅力的所在。
