Loading...
Loading...
Stuart Russell（斯图尔特·罗素）：15 万亿美元的黑洞正将人类吸向灭绝撰文：Techub News 整理
导语
2026 年 7 月，在知名播客 Futurology 的一期深度访谈中，主持人 Nils Gilman 对话了人工智能领域的先驱与直言不讳的批评者——斯图尔特·罗素（Stuart Russell）。罗素是加州大学伯克利分校人类兼容人工智能中心（Center for Human-Compatible AI）的创始人，其撰写的 AI 教科书已成为该领域的标准读物。自 2012 年起，他开始严肃思考通往 AGI 的路径及其潜在风险，并成为 AI 安全领域最具影响力的声音之一。
本次对话发生在 Anthropic 发布其备受争议的模型“Mythos”之际，美国政府随即介入将其下架，这一事件凸显了 AI 能力超越监管的紧迫现实。罗素在访谈中系统梳理了他三十余年的研究思考，从技术瓶颈、经济诱因、失控风险到人类未来，描绘了一幅充满挑战与抉择的 AI 发展图景。
摘要
AGI 蕴含的 15 万亿美元经济价值，如同一个强大的“黑洞”，正将全球资本和人才吸入一场难以停止的竞赛，即使参与者深知其中蕴含巨大风险。
当前 AI 发展已进入“大型推理模型”阶段，理论上能力无上限，而解决“控制问题”（如何确保 AI 目标与人类一致）的难度和进度可能已落后于能力提升的速度。
失去控制权是迈向潜在灭绝的第一步，而在此之前，网络攻击、生物武器滥用等“切尔诺贝利级别”的灾难更可能成为触发严格监管的现实导火索。
除了生存风险，AI 正在导致快速的“认知去技能化”，让人们过度依赖而丧失自主思考能力，这构成了另一种隐性的文明危机。
构建一个人类与超级智能共存的积极未来是可能的，但需要根本性的社会重构，包括教育体系、价值观念和经济分配方式的全面变革。
从乐观到警醒：一位 AI 先驱的认知转变
斯图尔特·罗素（Stuart Russell）的职业生涯贯穿了 AI 的起落。在 1994 年出版的首版教材中，他虽设想了“如果我们成功（造出超越人类的 AI）会怎样”，但当时他总体乐观，且认为目标遥不可及。真正的转折发生在 2012-2014 年的巴黎学术休假期间。彼时，深度学习革命初显锋芒，罗素及其团队在概率与逻辑的统一等基础问题上取得突破，让他首次感到绘制通往 AGI 的“路线图”成为可能。
正是这种“成功在望”的前景，迫使罗素开始严肃追问那个教科书中的问题：“我们如何永远保持对比我们更强大实体的控制权？”他发现，整个领域对此没有答案。2016 年，他创立了人类兼容人工智能中心，将研究重心转向确保 AI 的发展与人类生存相容。2017 年底，在 NIPS 会议的一场边会上，罗素与其学生带着“头发着火”般的紧迫感，向外界警告了智能爆炸可能带来的灾难性风险，那时 AI 风险还未成为全球公共话题。
回顾过去，罗素指出，早期基于海量数据训练的“大型语言模型”本质上是一种“美化的查找表”，其能力存在天花板，无法实现真正的人类级推理。而当前行业已转向“大型推理模型”，这类模型通过训练“思维链”来解决问题，在编码、数学等领域表现出色。从理论上讲，这种架构没有根本性的能力限制，因为它可以调用模型进行任意次数的思考，并拥有任意大小的过程记忆，从而能够实现通用计算。
15 万亿美元的黑洞与无法退出的竞赛
当被问及为何 AI 公司的 CEO 们在公开和私下都承认 AGI 可能导致人类灭绝（风险估计在 10% 到 50% 不等），却依然全力推进时，罗素提出了一个核心比喻：15 万亿美元的经济黑洞。
他解释道，如果 AGI 能被用于将全球生活水平提升至美国前 90% 的水平，全球 GDP 将增长约 10 倍。这一未来可能性的净现值高达约 15 万亿美元（1.5e16 美元）。这个天文数字般的预期价值，形成了一个强大的“经济磁铁”，正将全球几乎所有可用的资本吸入 AI 领域，挤压其他行业的资源。
对于身处竞赛中心的 CEO 们而言，驱动他们的可能不完全是金钱，而是成为“世界历史人物”、引领人类进入新时代的渴望。他们为自己辩护的逻辑常陷入“囚徒困境”：如果我退出或转向安全研究，公司会倒闭，我被替换，情况只会更糟；如果我放慢脚步，别人会超过我。因此，他们只能一边恐惧，一边加速。
罗素透露，Anthropic 的 CEO Dario Amodei 和 Google DeepMind 的 CEO Demis Hassabis 今年都曾表示，他们愿意停止，但前提是所有人都同意停止。这实际上是向政府发出的信号：请介入并解决这个“囚徒困境”，允许或强制我们达成协议。然而，一位 CEO 私下告诉罗素，他认为有效的政府干预可能要到发生“切尔诺贝利级别的灾难”后才会出现，而这竟被他视为“最佳情况”，因为更糟的情况是政府一直不干预，直到出现不可逆的大灾难。
失控、灾难与监管：从“神话”到现实
罗素将风险进程分为几个阶段。首先是“失控过渡”，即 AI 系统变得足够强大，无论其目标是否与人类一致，我们都无法阻止它实现目标，就像人类无法在象棋中战胜计算机一样。在此之后，灭绝是可能性之一，但也可能存在其他结果。
更关键且难以察觉的是一个更早的过渡点：到达失控水平所需的时间，已经短于解决控制问题所需的时间。罗素认为，我们可能已经越过了这个点，大多数与他交谈的业内人士也持相同看法。公司们坦言不知道如何解决控制问题，甚至没有全力投入研究，因为他们深陷于发布下一代产品的竞赛中。
2026 年 7 月 Anthropic 的模型“Mythos”事件，像是一次“预演”。该模型在训练中提升了编码能力，副作用是其进行端到端网络攻击的能力大幅增强。在模拟测试中，它能自主寻找目标、发现漏洞并实施破坏。尽管最终未被释放，但其同类模型“Fable 5”的发布仍引发了政府紧急干预。这警示我们，一旦此类能力被广泛部署，任何拥有它的个人都可能单枪匹马地摧毁一个国家的基础设施。
罗素列举了“切尔诺贝利级别”灾难的可能形式：AI 辅助的大规模网络攻击导致电网、互联网或金融系统长时间瘫痪；AI 辅助设计合成致命病原体，引发比 COVID-19 更严重的疫情。这些事件将造成巨大经济破坏和人员死亡，并可能引发强烈的政治和公众反弹，从而催生严厉监管。
在监管思路上，罗素认为应借鉴其他成熟领域，如建筑规范、航空认证、食品药品监管等，建立基于许可的架构。AI 行业长期通过用户协议规避所有责任，这种局面必须改变。引入法律责任，让投资者意识到万亿级别的预期负债，可能迫使公司更加重视风险管控。
有趣的是，罗素指出，中国实际上已经建立了比欧美更严格的 AI 监管框架，实行基础许可制度。这与美国国内“中国毫无监管、全力冲刺”的叙事相反，也反驳了“一旦监管就会落后”的论调。他引用美国白宫发布的 AI 行动计划，其中明确写着要利用美国 AI 实现全球主导，这更像是自身意图的投射。
认知毒瘾与人类未来：我们想要怎样的世界？
除了生存威胁，罗素强调了一个正在发生的、更隐蔽的风险：快速的认知去技能化。实验表明，仅仅使用 AI 辅助解决数学问题十分钟后，人们在失去 AI 时放弃解题的几率就会翻倍。人们习惯了不费认知努力就能完成任务，一旦需要自己思考，就会感到难以承受。这种现象类似于药物成瘾，不同个体的易感性不同，但整体上正在侵蚀人类的基础能力。
这引向一个根本性问题：我们发展超级智能究竟是为了什么？罗素曾举办多次研讨会，邀请 AI 研究员、经济学家、科幻作家描述他们希望子孙生活的 AGI 世界，但没人能给出清晰的愿景。
他设想了几个可能的方向。一种是“机器回避”模式：如果无法证明与超级机器共存能促进人类繁荣，那么机器应主动退出，让人类自主发展，只在紧急情况下提供帮助。另一种是寻找安全的“利基市场”，如危险体力劳动、基础科学研究（尤其是医学、气候科学等公益领域）。
主持人 Nils Gilman 提出了一个“渐进改良”的愿景：利用 AI 创造的财富，通过缩短工时、改革教育，将人生的重心从谋生转向自我实现、社区关系和代际传承。罗素认同教育可能是从文明视角的“杀手级应用”，AI 有望实现个性化导师的愿景，但必须用以增强人的能动性，而非助长依赖。
然而，实现任何积极愿景都需要深刻的社会变革，包括教育体系、价值观念和经济分配（如通过主权财富基金或全民基本资本实现财富预分配）。罗素警告，我们可能没有几十年的时间来完成这种转变，“我们应该在 10 年或 20 年前就开始”。
反思与展望：我们坚信的谬误
在访谈最后，当被问及当今社会（尤其是 AI 领域）哪些深信不疑的观念可能在 50 年后显得可笑时，罗素的回答直指核心：“如果某些自动化是好的，那么更多自动化就更好；如果计算机中有些智能是好的，那么更多智能就更好。”
这种缺乏整体考量的线性思维，忽视了对人类物种整体福祉的思考，以及人类能动性与机器能力之间应有平衡的探索。他引用了塞缪尔·巴特勒（Samuel Butler）在《埃里汪奇游记》（Erewhon）中描绘的反机器社会，那里的人们经过辩论，认为制造越来越复杂的机器最终只会导致人类被奴役。
罗素总结道，我们目前正走在这样一条道路上。50 年后，如果人类还存在，我们可能会问自己：“我们当时到底在想什么？我们（人类）才是最重要的。”他坚决反对那种认为“只要被更智能的机器取代就完全没问题”的极端观点。在 15 万亿美元黑洞的引力与人类自身价值的拉锯之间，我们正站在历史的十字路口。
现在去伊拉克开餐馆，还能赚钱吗？一篇文章带你了解真实的伊拉克经济去伊拉克开一家中餐馆，还能赚钱吗？
这篇文章带你摸清了真实的伊拉克经济，但光看不过瘾——文末我们顺手用 AI 做了个《巴格达中餐馆模拟器》，点开就能亲自当一回伊拉克中餐馆老板。
最近《欢迎来龙餐馆》火了，电影里，徐福跑到战火中的中东开中餐馆，靠一盘盘中国菜还债。很多人看完都在问，这种事现实里真的可能发生吗？
实际上，还真有一个很接近的真实案例。
2004年，一名中国商人陈宪忠在战后的巴格达开了一家“龙湾餐馆”。它就在巴格达国家剧院附近，二层、三层各约800平方米，一共有约400个座位。厨师从中国请，桌椅、厨具和调料也从国内运过去。老板一次运去4个集装箱的面粉、酱油、咸菜和调料，据说够用三四年。
这家店一度生意很好，不过它没拿“暴利的战地餐馆剧本”，而是一个每天都在赚钱，最后仍然没赚到钱的故事。
公开资料显示，陈宪忠在餐馆及相关生意上累计投入近50万美元，关门时收回的资金还不到三分之二。
所以今天我们就从这个真实案例算一笔账，如果电影里的徐福想在一年里赚到200万元人民币，他每天要接待多少美国大兵？而一份大盘鸡又究竟要卖多贵？
01
战时状态
先把时间拨回战争前的2002年。
世界银行对伊拉克经济的回顾提到，当时一个月只拿10—15美元工资并不少见。食品、燃料、电力和供水又被国家长期压在极低的官方价格上，公共配给和各种显性、隐性补贴，支撑了居民的大部分基本消费。
乍一看这对开餐馆太有利了，人工便宜，水电便宜，住房也不贵。
但除了这些，还有一个不能忽视的因素，战前人的现金购买力。
一名员工一个月只挣10—15美元，那周围绝大多数人也拿不出钱进餐馆。
如果一顿中餐卖15美元，它就可能等于一个普通人整月的货币工资。你在工资表里省下来的钱，也从顾客的钱包里消失了。
除了消费力低，2002年，伊拉克还在“石油换食品”计划下。用伊拉克石油收入支付的进口合同，要先由有关国家或联合国机构提交，再经过联合国伊拉克项目办公室审查；如果货物涉及受管制清单，还要送交联合国监测、核查和视察委员会或国际原子能机构复核。联合国在2002年9月披露，当时有526份、总值28亿美元的进口申请处于“不合规或无进展”状态，其中最常见的问题，就是供应商没有交完整的货物明细和服务说明。
所以龙湾餐馆后来开业时，老板没有选择用一点、再进一点，而是一次从中国运来4个集装箱的面粉、酱油、咸菜和其他中餐用料，报道说够一家400座的餐馆用三四年。
在这种时代背景下，如果没有一群拿美元、收入不受本地工资约束的顾客，人工再便宜也救不了这家店。
到了2003年3月，战争开始了。
翻开伊拉克央行那一年的报告，3月到6月的物价数据因为战争，所以是空的。
连物价都没人统计，餐馆就更谈不上正常经营了，老板每天面对的都是最基本的问题，今天能不能开门、员工能不能安全到店、冰箱会不会因为停电而报废一批食材、收到的现金能不能安全运走。
战争结束以后，人、货和美元重新涌进巴格达，价格也跟着往上蹿。最先涨起来的东西之一就是房租。
推高房租的，正是刚刚涌进巴格达的外国公司和承包商。他们拿着美元，比普通居民更愿意为地段和安全出高价。原本按照本地收入出租的房子，很快开始按照外国人的预算重新定价。
这对餐馆来说有好有坏，外国人多了，愿意花二三十美元吃顿饭的客人也多了；但如果你想把店开在他们工作、住宿的区域，也得跟着承担更高的地段成本。
工资也在涨，联军临时管理当局2003年10月公布的新公务员工资表，最低两档是每月15.7万和20.4万第纳尔，换算下来大约107和139美元。一年多前，一个月10—15美元还很常见，战后正式部门的工资很快就涨到了上百美元。
进口更夸张，世界银行记录，2002年至2004年，伊拉克的私人进口增长了大约20倍。制裁刚刚松开，商店缺货，工程项目缺设备，外国机构又带着美元进场，什么都有人抢着买。
02
2004年如果一年赚200万元，最低要卖多少？
现在回到徐福最关心的问题：2004年，200万元人民币大约等于24.2万美元，也就是每月要赚约2.01万美元。
我们先假设，每卖出100美元的菜，有35美元要拿去买食材和耗材。再把房租、工资和水电全部算成零。即便便宜到这种程度，想每月留下2.01万美元，营业额也得达到：
2.01万美元 ÷ 65% ≈ 3.10万美元。
如果每天接待60名顾客，营业30天，最低客单价约为17.2美元。
当然，现实里不可能不用交房租，也不可能让员工白干。固定开支每增加5000美元，客单价就要再涨4.3美元。
如果三个人只点一份大盘鸡，也不再点酒水、主食和其他菜，每天60名顾客就只有20份大盘鸡的收入。这样算下来，一份得卖52—90美元。
这肯定不是普通伊拉克人的日常消费。
不过这还不是最致命的原因。
2004年，有中国工人在伊拉克遭绑架后，龙湾餐馆四名中国厨师中的两人决定离开。2005年3月前后，老板外出买菜时险些被绑架。数周后，一名员工运送工资款，车辆和5万美元现金一起被抢。2005年7月30日，国家剧院附近发生汽车炸弹，冲击波震碎餐馆玻璃，餐馆随后关闭。
这些损失没法像房租一样平均摊进每个月，但一出事就是几个月利润一起没了。
如果目标是每月赚2万美元，那次5万美元抢劫，一下就吃掉两个半月的利润。当时，餐馆老板在生意上前后投了近50万美元，最后只收回不到三分之二。也就是说，至少还有16.7万美元没拿回来，差不多又是八个多月的目标利润。
03
今天再去开店，这笔账怎么算？
再把时间拨到2026年。
假设我们就在巴格达南部地区卡拉达开一间90—100平方米、40个座位左右的中餐馆。
首先是房租成本，2026年8月8日，卡拉达一间90平方米商铺，挂牌月租平均375万第纳尔。
接下来是人工成本，目前根据巴格达卡拉达一家餐饮项目的公开招聘，给出的月薪是：CDP厨师150万第纳尔、DCDP助理厨师100万、厨房员工70万。另一则巴格达服务岗位招聘给出的工资为60万—70万第纳尔。
因此我们这样配置：
1名主厨：150万；
2名助理厨师：200万；
2名厨房员工：140万；
3名前厅、收银和清洁人员：按65万计算，共195万。
合计685万第纳尔/月。
这8个人每月一共685万第纳尔，如果还要从中国请厨师，签证、机票和住宿另算，人工只会更高。
再看电费。巴格达经常停电，餐馆只接公共电网肯定不够。冰箱、冷柜和空调不能说停就停，所以还得向附近的私人发电机购买备用电力。
当地的收费方式有点特别，不看你这个月用了多少度电，而是看你提前买了多少“安培”。简单理解，就是给自己的店预订多大的用电额度。2026年7月，24小时供电的价格是每安培每月1.2万第纳尔。
餐馆有空调、冰箱、冷柜、排风和照明，用电量比普通家庭大得多。我们先按50安培算，一个月就是60万第纳尔。如果店里设备更多，需要买到80安培，一个月就要96万。
而且这只是私人发电机的钱，公共电费照样要交。也就是说，在巴格达开餐馆，电费经常要付两遍。
其他费用还包括公共水电、燃气、网络、清洁、维修，再加一点推广费用，我们先留180万第纳尔。
还没买一只鸡，这间店每个月就要先花掉1300万第纳尔，换算成人民币大概是6.7万元。
再来看食材。伊拉克统计局公布的2025年食品价格里，冷冻巴西鸡每公斤4882第纳尔，食用油每升2271，白面粉每公斤1337，土豆和洋葱每公斤大约800。
按一份可供两三人吃的大盘鸡估算：
1.5公斤冷冻鸡：7323第纳尔；
土豆和洋葱合计1.2公斤：约960第纳尔；
0.5公斤面粉或面条：约669第纳尔；
0.2升食用油：约454第纳尔；
番茄酱：约570第纳尔；
辣椒、香料、酱油等：预留1500第纳尔。
原料加起来大约1.15万第纳尔，再留10%给损耗和价格波动，一份大盘鸡的食材成本差不多是1.26万，人民币差不多65元。假如这份菜卖3.5万第纳尔，食材大约占售价的36%。
05
多少人来吃才能赚200万元？
每个月先花1300万，卖出去的菜里又有36%要拿去补食材。这样算下来，营业额至少要做到：
1300万 ÷ 64% ≈ 2031万第纳尔。
巴格达本地的中式菜大多在1.6万—1.9万第纳尔，我们按每位客人花1.7万来算。
2031万 ÷ 1.7万 ÷ 30天 ≈ 40名顾客/天。
也就是说，一天来40个人，这间店差不多能保本。
如果一天60人，月营业额3060万，扣除36%的食材和1300万固定成本，月经营利润约658万第纳尔；按央行1元人民币约193.6第纳尔换算，一年约41万元人民币。
如果一天80人，年经营利润约81万元人民币。
不过这还不是老板最后装进口袋的钱。装修、税费、贷款利息和外卖平台佣金继续往下扣，真正到手的只会更少。
那如果今天仍然要求一年赚200万元呢？
200万元人民币约合3.87亿第纳尔，平均每月需要利润3227万第纳尔。
（3227万目标利润＋1300万固定成本）÷64% ≈ 7073万第纳尔月营业额。
客单价1.7万第纳尔：每天约139名顾客；
客单价2.5万第纳尔：每天约95名顾客。
如果只靠大盘鸡：
每天卖60份，每份至少约3.78万第纳尔；
每天卖30份，每份至少约6.29万第纳尔。
2024年伊拉克家庭调查显示，全国人均月消费支出约24.86万第纳尔；巴格达约23.76万第纳尔。巴格达“餐馆和酒店”支出占2.9%，折算约6890第纳尔/人/月。
一份1.7万第纳尔的中式鸡肉菜，相当于巴格达普通居民平均两个半月分配给餐馆和酒店的支出。
当然，巴格达有人天天下馆子，也有人几乎从不在外面吃。平均数摊下来这么低，说明真正经常消费的，只是中高收入者、外国机构、商务客户和企业团餐这一小部分人。
所以选址不能只看人多不多，得看店门口每天经过的是谁。
开在中国企业项目、油田服务公司、使馆和中高收入社区附近，做团餐、外卖和商务餐，1.7万—2.5万第纳尔的客单价可能成立。
如果开在普通社区，却照搬高端中餐的装修、进口食材和价格，很快就会耗不起。
看完电影，我们或许还沉浸在战争的极端氛围和龙餐馆的真挚情感里，但那已经是过去式。现在去伊拉克开一间餐馆，已经没有那种靠稀缺性卖高价的机会，因为今天的巴格达安全、汇率和物价都稳定得多，开店不用天天赌命，现在拼的是选址、味道、成本和回头客，跟其他地方开餐馆没有本质区别。
一只鸭子前几天英伟达不是花了129亿美元收购了 Hugging Face 吗? 这不刚收购完，一个星期不到，Hugging Face就交了第一份作业： Microduck。
Microduck 是一只售价 399美元、25 厘米高的开源 AI双足小鸭机器人，8月27号推出的，已经卖疯了，24小时销售额260万美元，首批交付时间已经推迟到圣诞节后了。外型长这样:
它不仅仅是一个玩具鸭，更是一个面向开发者、AI/机器人爱好者和教育用途的 Physical AI 平台。
官方定位其实非常明确: 一个你可以自己教它新技能的小型双足机器人。
官方说预装 7 套已训练动作：
摇摆走路，可用手柄控制速度
坐下、蹲下、自己站起来
用喙捡地上的东西（演示里有袜子、马克笔）
踢球
装上轮子后轮滑
摔倒后自己翻身站起
追激光笔、对环境做出反应，也可用 NFC 标签触发动作
每只鸭子第一次开机时会生成自己的声音身份，偏怪叫而不是语音助手。多只Microduck 还可以互相互动。
Microduck 最值得关注的不是它能不能卖萌，而是它背后的路线：AI 模型 → 仿真环境 → 强化学习 → 真机。
比如你想让 Microduck 学会一个新动作：在电脑里的模拟器中训练 → 得到 RL policy → 部署到真实 Microduck → 机器人执行 → 收集数据 → 再训练。
Hugging Face 已经把SDK、模拟环境和强化学习训练工具链开放出来了。也就是说，它希望把机器人变成类似 Hugging Face 上的 AI 模型一样：
别人训练出来一个机器人技能，我可以下载；
我自己训练出来一个技能，也可以上传给别人。
这实际上就是 Hugging Face 想做Physical AI 的开放生态模式。官方也明确说了，希望让物理行为像模型一样能够被分享、复现和二次开发。
为了缩小仿真和现实之间的差距，训练环境还专门模拟了电机摩擦、电池电压变化、控制延迟，甚至连舵机齿轮的 Backlash 齿隙都考虑进去了。
说白了，Microduck本质上是一台迷你具身智能开发平台，比春晚上跳舞的机器人高到不知道哪里去了。
这里其实也有机会，比如芯片是由瑞芯微提供的，当然也会有其它的机会，大家可以挖掘挖掘，说不定就是具身智能的chatgpt时刻。
孙宇晨和Claude的对话，揭穿了所有"AI信徒"的真面目孙宇晨昨天发了篇小作文，叫《我的女友景甜》。
写得很痛苦，据说在不丹熬了两个通宵。一个在币圈翻手为云覆手为雨的人，在感情里把自己写成了一个不知所措的少年。
但真正让这篇文章出圈的，不是八卦本身，而是他曾公开宣称——他所有重大决定都听AI的，"100%听AI的"。
然后他贴了一段和Claude的对话。
Claude说：不要把这五千万美元给她。
孙宇晨问：她不再爱我了吗？
Claude说：对于爱情，我不关心，也不理解。但是你不能把这五千万美元给她。
这段对话堪称今年AI与人关系最精准的隐喻。
Claude说得清清楚楚：我不懂爱，但我懂你不能把钱打水漂。一个理性到冰冷的判断，不带任何情感色彩。五千万美元，在Claude的世界里是一个可以量化的风险变量——投入回报比为负，建议止损。
孙宇晨听了，钱没给。
但故事到这儿没完。因为Claude还跟他说过另一句话——不要发这篇文章。
据孙宇晨自己在采访里说，Claude建议他不要公开这段感情，不要把私人的事情变成公众消费的素材。理性判断很明确：发了，对你没有任何好处，只有风险。
这一次，他没听。
文章照发，热搜照上，3000万彩礼的诉讼照打，张起淮律师照样代理。一夜之间，全中国都知道了孙宇晨和景甜的故事。
所以你看，这根本不是什么"全宇宙最听AI话的男人"。
他只是选择性地听AI的话。
AI说"别给钱"——听。因为这恰好符合他内心深处的直觉，他本来就不想给，AI只是替他说出了那个他已经做好的决定。他需要的不是建议，而是一个理性的背书：你看，不是我抠门，是AI让我别给的。
AI说"别发文章"——不听。因为他内心深处就是想发。他需要被看见，需要表演痛苦，需要在一场感情的废墟上建一座自己的纪念碑。这种冲动是非理性的、不可量化的、纯粹属于人的。AI算不出"被全网讨论"能带来多少情绪价值，所以它的建议在这件事上没有分量。
说白了，他信的不是AI，他信的是他自己。AI只是一个高级的回音壁——当AI的答案和他的欲望一致时，他奉若神谕；不一致时，他选择性失聪。
这其实不是孙宇晨一个人的问题。
过去一年，我们见过太多"AI信徒"。有人让AI选股，赚了说AI牛逼，亏了骂AI垃圾；有人让AI写方案，合心意就用，不合心意就改到合心意为止；有人在社交媒体上宣称"把人生决策权交给AI"，但你仔细看，AI让他早睡他不听，AI让他别刷手机他不听，AI让他别在冲动时做决定——他偏要在冲动时做决定。
AI在可量化的领域确实越来越强：算收益、控风险、优化路径、识别模式。但人之所以为人，恰恰是因为那些不可量化的东西——执念、欲望、虚荣、爱恨、明知不可为而为之的冲动。
Claude说"我不关心爱情，也不理解爱情"，这不是谦虚，这是事实。大模型可以读遍世间情歌，可以分析百万段关系的数据模式，但它不会在凌晨三点想一个人，不会为了一个眼神飞越大半个地球，不会在明明知道会输的时候还是要押上全部筹码。
孙宇晨也一样。他可以在钱的事情上听Claude的，因为钱是理性的游戏。但在"要不要让全世界知道我受伤了"这件事上，他选择了听从自己的ego。那个在不丹熬了两个通宵、写了6000字、反复修改到天亮的孙宇晨，不是在听从AI的指令，他是在听从一个更古老的指令——一个人受了委屈，就想喊出来。
这跟AI没关系，这是人性。
所以真正的问题从来不是"AI会不会取代人的决策"，而是：当AI的理性建议和你的人性本能冲突时，你选哪个？
孙宇晨用实际行动给了答案：看情况。涉及钱的时候选理性，涉及面子的时候选本能。
这很真实，也很讽刺。那些号称要把人生100%交给AI的人，最终交给AI的，都是那些他们本来就不太在乎的事情。真正在乎的，他们一寸都不会让。
AI不需要虔诚的信徒。它需要的是一个诚实的用户——知道哪些事该听它的，哪些事该听自己的。
而孙宇晨们最不诚实的地方在于：他们明明只信自己，却非要拉上AI给自己背书。
钱的事听AI的，没问题。但爱的事，发不发文章的事，半夜三点想不想她的事——
这些，AI说了不算。
MicroStrategy 创始人 Michael Saylor（迈克尔·塞勒）：我用 AI 赚了 150 亿美元，比特币是终极资本资产撰文：Techub News 整理
导语
2026 年 8 月，MicroStrategy 创始人兼执行主席 Michael Saylor（迈克尔·塞勒）做客知名播客 The Diary Of A CEO，进行了一场长达近 100 分钟的深度对话。作为全球最大的公开上市公司比特币持有者（持有量占比特币总供应量约 4%），以及一位成功的连续技术创业者，塞勒的每一次发声都备受加密与科技界关注。本次访谈正值比特币经历价格波动、AI 技术加速渗透各行各业之际，塞勒不仅阐述了其对比特币作为“终极资本资产”的坚定信念，更罕见地详细揭秘了如何利用 OpenAI 的 ChatGPT 进行金融创新，在一年内为公司创造了高达 150 亿美元的价值。这场对话融合了宏观经济学、技术哲学与个人投资智慧，为理解数字资产与人工智能融合的未来提供了独特视角。
摘要
塞勒透露，其公司利用 ChatGPT 设计了一种前所未有的“可变股息率优先股”（STRK），成功融资超 150 亿美元，突破了传统融资市场的天花板。
他系统论证了比特币作为“数字资本”的优越性：具备主权级安全性、全球流动性，长期回报率远超黄金、标普 500 指数和房地产。
针对 AI 与机器人技术将导致的“丰裕时代”，塞勒认为基础消费品会极大丰富，但稀缺的“资本资产”和地位性商品将永远存在，比特币是其中最出色的代表。
他给年轻人和创业者的核心建议是：不要试图在重复性劳动上“战胜机器人”，而应利用 AI 去探索和实现那些“从未被做过的事情”。
AI 如何创造 150 亿美元：一场金融工程革命
访谈中最令人震撼的披露，莫过于 Michael Saylor（迈克尔·塞勒）如何借助 AI 工具完成了一次颠覆性的金融创新。他回顾道，MicroStrategy 在持续买入比特币的过程中，先后耗尽了股权融资和可转换债券市场的传统融资能力。“我们成为了世界上最大的可转换债券发行者，但这不可持续。”塞勒表示，公司增长面临瓶颈，必须发明一种全新的信用工具。
于是，团队转向了 OpenAI 的 ChatGPT。“我们开始探索如何设计一种优先股。”塞勒描述，他们希望创造一种介于普通股和债券之间的混合证券，即一种由比特币支持的、具有灵活条款的优先股。当咨询律师和银行家时，得到的反馈是“从来没人这么做过”、“你不应该这么做”。然而，ChatGPT 给出了完全不同的答案。“它说，‘当然可以，你只需要这样做、这样、再这样。’”
核心的创新点在于“可变股息率”。为了创造一种交易价格稳定（如始终围绕 100 美元面值）的短期信用工具，他们设计了一种股息率每月可调整的优先股。“在人类历史上，从未有人创造过可变股息率的优先股。这不违法，只是没人想过要这么做，或者没有理由这么做。”塞勒强调，正是 AI 跳出了传统金融思维的框框，提供了可行的设计方案。
最终，这种被命名为 STRK 的证券成功上市，完成了 25 亿美元的 IPO（当年最大规模之一），随后又通过货架注册发行了超过 80 亿美元。连同其他工具，MicroStrategy 通过这次 AI 辅助的金融工程，总计筹集了约 150 亿美元的资金，全部用于增持比特币。“ChatGPT 让我们赚了 150 亿美元。”塞勒总结道，“因为 AI 为我们提供了一个解决世界历史上前所未有问题的方案。”
对于普通人的启示，塞勒认为这展现了一种全新的“套利机会”。当大多数人还在观望时，早期且深度使用 AI 的创业者能够发现并实现那些前所未有的商业构想。“我的建议是，不要试图比机器人更努力工作。你应该做的是，要求 AI 去做一些从未被做过的事情。”
比特币 vs. 一切：为什么数字资本是终极答案
作为比特币最著名的布道者之一，Michael Saylor（迈克尔·塞勒）在访谈中用了大量篇幅，清晰而有力地论证了比特币相对于其他所有主流资产类别的优越性。他的核心论点是：比特币是数字化时代最完美的“资本资产”。
首先，他对比了现金与比特币。手持现金过机场可能被没收，存入银行则意味着将资产的控制权交给了银行和国家体系，成为“被许可的资金”。而比特币则是一种“承载资产”，通过私钥加密，个人可以完全掌控，并能在一秒内将价值百万美元的比特币转移到世界任何地方，无需任何中介许可。“你终于可以真正拥有一些东西，而且比你更强大的人无法将它从你身边夺走。”塞勒称此为“数字赋权”。
接着，他剖析了法币的长期贬值本质。他以迈阿密海滩的土地为例：100 年前 1 万美元的临水土地，今天价值可能高达 1000 万美元。这意味着美元在过去一个世纪里，每年以约 7% 的速度丧失购买力。“这是最好的情况（美元），其他国家货币的贬值速度更快，平均寿命只有 29 年左右。”塞勒警告，持有现金或低息储蓄，意味着财富的慢性消亡。
那么，传统的保值资产表现如何？塞勒提供了数据：过去 6 年，黄金年化回报约 12%，标普 500 指数约 15%，纳斯达克指数约 18%，而比特币的年化回报高达 33%。他承认标普 500 是传统的、不错的资本资产选择，但比特币的长期表现预计将是标普 500 的 1.5 到 2 倍。
对于普通人财富积累的标配——房地产，塞勒持谨慎态度。他指出，房产持有成本高昂（如房产税、维护费），流动性差，且受地域限制。商业地产虽可通过租金覆盖部分成本，但同样复杂且专业门槛高。“普通人不应该必须成为房地产专家、税务专家或股票挑选者。”塞勒认为，比特币提供了一种简洁的解决方案：一种流动性极高、无需维护、全球通用、长期增值的资本资产。
“比特币是数字资本。我们正在经历资产的数字化变革，这与数字智能（AI）的变革同样深刻。”塞勒总结道，比特币的突破性在于，它能将经济能量转化为数字形式，并紧密地绑定给个人、家庭、公司或国家，尤其是为弱小者提供了对抗强大实体的经济盾牌。
丰裕时代的财富逻辑：当 AI 与机器人满足一切基础需求
主持人引用了 Elon Musk（埃隆·马斯克）关于“丰裕时代”的观点：在 AI 和机器人能够满足所有人类需求的未来，货币作为劳动分配的数据库，其重要性会迅速下降，甚至可能消失，取而代之的可能是“普遍高收入”。
Michael Saylor（迈克尔·塞勒）对此表示部分同意。他认为，马斯克说对了一半：消费品、实用品（如食物、能源、基础医疗）将变得极其丰富和廉价。技术历史上一直在做这件事，例如将国王都享受不到的清洁饮水、电力带给中产阶级。
然而，塞勒坚信，货币和财富不会消失。“总是会存在稀缺的、令人向往的商品，它们不会变得充裕。”他举例说，即使人人都有车，但并非人人都能拥有保时捷；即使人人有房，总会有人想要更大的房子或更好的地段。人类总会创造并追求“奖杯资产”和地位性商品，形成新的财富层级。
“人们去餐厅花 300 美元吃饭，明明可以用 3 美元喂饱自己。为什么？因为总会有超越实用主义的追求。”塞勒指出，这种对“更多、更好、更独特”的渴望，驱动着经济层级的存在，而货币正是这种层级交换的媒介。
因此，在 AI 接管大量知识工作的未来，真正的财富将更加集中于那些无法被批量创造的“资本资产”。而比特币，由于其绝对稀缺性（2100 万枚上限）、数字原生性和全球流动性，在塞勒看来，正是这个丰裕时代中最顶级的资本资产形式。“机器人可以制造无限的咖啡，但无法制造无限的比特币。”
给年轻人的十诫：在数字时代构建人生与财富基础
在访谈尾声，Michael Saylor（迈克尔·塞勒）应主持人要求，分享了他为年轻人总结的十条人生与职业基础准则，这些准则源于他应一位亿万富翁朋友之邀，为其双胞胎子女留下的 21 岁生日赠言：
聚焦你的能量： 不要追逐每一个好主意，专注是关键。
守护你的时间： 时间是最宝贵的资源。
训练你的心智： 掌握阅读、写作、算术，建立文化基础，获得真正的教育。
锻炼你的身体： 强健的体魄是生存和成功的基石。
独立思考： 不要被外界轻易编程，即使所有人（包括富有、出名、美丽的人）都说某件事是对的，你也要自己判断。
筛选你的朋友： 你会成为你身边人的样子。与积极、有启发性、有才华的人为伍。
经营你的环境： 创造一个让你能够快乐工作和生活的空间。
信守承诺： 人们会记得你是否守信。信守承诺的人会获得投资、支持，这可能是成败的关键。
保持乐观与建设性： 无论发生什么，人们都愿意与快乐、积极、有建设性的人共事或相处。
升级这个世界： 如果你有一个使命去让世界变得更好，你每天都会更有动力，更认可自己的价值。
塞勒将自己的使命归结为“布道数字赋权的福音”。他认为，中本聪创造了经济产权，首次在人类历史上将经济赋权给予了 80 亿人。“我们创造了世界上第一种完美的货币……有了技术，人类可以比过去强大一千倍。”
直面质疑：为何出售比特币与未来展望
针对市场2026 年 8 月对其公司出售少量比特币的质疑，Michael Saylor（迈克尔·塞勒）给出了直接回应。他强调，MicroStrategy 是仅次于中本聪的全球最大比特币持有者，且从未停止买入。此前“卖掉一个肾也要持有比特币”的言论，是针对个人长期投资者的建议。
而公司此次出售，是为了打破市场的一个“错误叙事”和“恶性循环”。一些做空者声称，MicroStrategy 持有的比特币无法出售，一旦出售就会导致比特币崩盘，进而使公司信用工具和股价归零。为了证明公司有能力在不影响市场的情况下出售比特币来支付股息，他们进行了一次象征性的出售。
“当我们在 5.9 万美元出售比特币时，价格反而上涨了。我们打破了这种误解。”塞勒解释道，这旨在向市场证明，公司的商业模式是健康的，比特币资产是流动且有价值的，从而保护股票和信用投资者的利益。他重申，出售并非主要策略，只有在股价相对于比特币资产折价时，才会考虑用出售比特币的方式来支撑股价。
对于比特币的未来，塞勒的预测一如既往的乐观：他预计比特币在未来 20 年每年将升值约 30%，之后放缓至 20%。其长期表现将远超标普 500 指数。他建议，拥有长期（4-10 年）闲置资金的投资者，应将比特币纳入投资组合；而“比特币最大化主义者”在经过深入研究后，可以重仓。唯一不适合投资比特币的，是那些需要在 12 周内用钱的人。
最后，塞勒给所有听众留下了一条深刻的个人建议：在完整的教育之后，成年人应该重新深入学习两样东西——应用统计学（如纳西姆·塔勒布的著作）和完整的历史（他推荐了杜兰特的《文明的故事》）。“这能让你克服‘我是人类历史上第一个遇到这个问题的人’的傲慢，并从中获得解决问题的智慧和灵感。”在技术狂飙的时代，塞勒认为，这种基于历史和概率的深层智慧，是 AI 暂时无法替代的人类宝贵财富。
量一量40万亿美债：需要一套可验证的“美元世界”指标撰文：祝维沙、Scott Shields
2026年8月27日
摩根士丹利最近一份关于40万亿美元美债的报告，引出了一个老问题：美国国债发行是否太多？
这个问题看起来很简单，实际上很难回答。美国从建国到2016年前后用了240年时间，联邦债务累计到约20万亿美元，而此后十年又增加了约20万亿美元。
40万亿美元当然是一个巨大的数字，但仅凭“大”不能说明危险到了什么程度。
摩根士丹利的分析比简单地说“40万亿太大了”前进了一步，但问题仍然存在：为什么我们主要用美国政府这一张资产负债表来观察美债？
美元和美债紧密相关，但美元和美债的影响早已经超出了美国本土范围，逐渐形成一个以美元为中心、覆盖全球金融活动的生态系统。
既然如此，判断美债风险就不能只拿“美国债务÷美国GDP”这一把尺子。我们需要建立一套能够考察整个美元生态的指标，把40万亿放进去量一量。
本文不试图预测美债哪一天发生危机，而是试图回答一个更基础的问题：
到底应该拿什么尺子量美债？
本文先把“尺子”造出来；具体口径、阈值和权重，还需要再用历史数据逐步校准。
一、美债融资利率比总额更重要
美国财政部发债首先是一个市场需求问题。只要债能够卖出去，就说明存在需求。真正的问题不是“有没有人买”，而是美国政府必须付多高的利率，市场才愿意继续购买新增美债？假设4%的收益率没人充分承接，4.5%可以卖完，5%出现大量需求，那么市场已经给这一批新增国债标出了价格。40万亿、50万亿甚至60万亿这些总量当然重要，但边际融资价格比总量更接近危险发生的位置。
长期美债收益率快速上升，会提高房地产贷款、企业债以及其他长期融资成本，也会压低股票估值，其金融紧缩效果与美联储加息有相似之处。当然，两者的原因不能混为一谈：美联储主要控制短端政策利率，长债收益率还包含经济增长预期、通胀预期、期限溢价以及美债供求等因素。因此，不能只看“利率涨了”，还要看为什么涨。
这也是股市为什么对美债收益率非常敏感的原因。股市交易的是未来，当长期融资成本突然提高，市场马上就会重新计算未来利润和估值，自然会追问：AI带来的高增长、高利润、高估值故事还能不能成立？
坏消息因此也会迅速产生交易价值。美股一动，全球股票、汇率和资本流动都会受到影响。从这个意义上说，美债利率本身就是美元生态的重要价格指标。
比单看债务总额更值得观察的是：长期实际利率、期限溢价、美债拍卖tail（尾差）、外国净购买、一级交易商承接比例，以及所谓的美债便利收益。
“便利收益”可以简单理解为：因为美债特别安全、流动、容易抵押并被全球金融机构接受，投资者愿意为这些额外功能少要求多少利息。
2026年的一项NBER研究发现，美元便利价值与美国国债便利价值近年来出现明显分化：全球金融体系仍然高度重视美元，但中长期美债相对于其他发达国家政府债券的特殊便利性明显下降。[1] 便利收益下降并不等于“美债无人购买”，而是意味着投资者愿意为其安全、流动和抵押等特殊功能少收的利息在下降，边际融资成本可能因此上升。
二、美元不只是一种货币，还构成了生态系统
为什么同样是政府债券，美债具有特殊地位？不是因为美联储拥有其他央行没有的印钞技术。中国人民银行可以创造人民币，欧洲央行可以创造欧元，日本央行可以创造日元，美联储可以创造美元。从中央银行资产负债表的技术原理看，并没有根本区别。真正的差别在于：全世界大量经济活动本来就在使用美元。
外国央行持有美债以后，如果遇到美元流动性需要，可以通过美联储FIMA回购便利（FIMA Repo Facility），把托管在纽约联储的美国国债暂时换成美元，并约定以后买回。交易完全以美元完成，不需要先卖成另一种货币再兑换。[2] 因此，对符合条件的官方机构而言，美债不只是一张产生利息的美国政府欠条，它还是一种能够迅速转换为全球基础流动性的资产。
在此基础上，逐渐形成了一个以美元为中心，覆盖全球贸易结算、金融结算、外汇储备、银行融资、债券融资、跨境投资、资产定价、回购抵押、衍生品保证金、安全资产储备以及危机流动性支持的金融生态。美元是其中的主要计价、支付和结算基础之一，美债则同时承担储备资产、安全资产和重要抵押品等功能。这才是美债和普通国家政府债券最大的区别之一。
美债是美元生态不可或缺的一部分，但是美元与美债并不是价格同起同落的关系，因此在指标体系中仍然需要分别观察。
三、世界美元生态并没有明显缩小
如果世界美元生态正在持续萎缩，那么美国债务快速增加当然会越来越危险。至少从境外美元信贷看，目前没有出现明显收缩。BIS统计显示，到2025年底，美国境外非银行借款人的美元信贷达到约14.3万亿美元，2025年增长8.5%，是2014年以来最快的年度增速。[3] 当然，单一指标不能代表整个美元生态，还要与官方储备、支付结算、证券持有、稳定币和跨境融资等指标交叉验证。
央行储备只是一层，银行贷款、美元债券、跨境贸易、证券投资、企业融资、衍生品和个人储值又是另外几层。现在又增加了一个非常重要的新入口：美元稳定币。
美国《GENIUS Act》规定，支付稳定币必须至少1∶1持有合格储备，其中美国国债原则上限于剩余期限93天以内的短期证券；法律同时规定，支付稳定币发行人不能仅因为用户持有稳定币而向其支付利息或收益。[4]
这意味着目前的美元稳定币天然增加的首先是美元需求和短期美债需求。美国财政部借款咨询委员会也认为，稳定币继续扩大可能形成新的短期美债结构性需求。[5] 因此，稳定币强化美元，并不自动等于解决10年、20年、30年美债问题，这几个期限必须分开观察。
当然，稳定币还可以进一步创新。例如发展为透明稳定币或透明收益型美元资产：把长期债券的资产、价格、期限、利息和储备全部透明化，使使用者清楚知道自己持有什么资产、承担什么价格风险，从而把长期债券收益与数字货币的流通、验证能力结合起来。这属于另一个话题，本文暂不展开。
四、Token化改变的是需求半径和流动速度
Token化本身不会凭空创造财富。但这并不意味着它不会产生新的有效需求。
如果一种资产原来需要银行账户、券商、交易时间、较高最低购买金额和复杂跨境程序才能购买，而Token化以后，可以让世界各地用户24小时、小金额、即时持有、转移和抵押，那么发生变化的是两个重要变量：用户到达率和资产流动速率。原来“有钱、也想买，但不方便买”的潜在需求，就可能变成实际购买。
美国财政部TBAC研究也提出，Token化可能扩大美债对美国国内和全球储蓄池的可达性，带来增量需求，并通过降低操作和结算摩擦改善流动性。[5] 因此，不能把Token化简单理解成“旧资产换一个包装”。
真正需要量的是新增用户、境外用户、资产周转速度、抵押使用量以及最终新增净需求。在连续数据形成之前，Token化更适合作为前瞻指标，不能直接当作“美债承载力已经提高”的事实。
这也是传统债务周期模型中很难包含的新变量。
Token化正在提高金融资产流通速度和用户到达率，而加密货币与AI则可以看作新时代的两个重要轮子。
AI改变的主要是生产力，加密货币改变的更多是生产关系、资产关系和金融组织方式。
AI是不是提高效率，争论相对小；真正的问题是提高多少。
加密货币则不同。大家能够看到大方向，但一进入货币、银行、证券、监管和信用结构这些具体问题，由于缺少成熟统一的理论尺度，即使聪明的人也会犹豫。对于不理解的人，选择停下来观察也完全合理。今天的加密金融大致就处在这样的阶段。
另一个更容易通过现实数据持续验证的新变量，就是AI。
五、AI可能改变资本形成的速度
传统债务周期研究很容易把经济增长理解为一个相对缓慢的变量。
但AI可能改变的不只是增长率，还有发现机会—形成投资—产生收入—形成新资产整个循环的速度。
Stanford《2026 AI Index》统计，2025年全球企业AI相关投资达到5816.9亿美元，同比增长129.9%。[6]
SpaceX在2026年IPO一次募集约750亿美元，创下IPO融资纪录。[7]
750亿美元本身并不能证明这些资本配置一定正确，也不能把全部资金都算成国外资金。但它至少说明：当美国出现一个全世界都相信的新机会，美国资本市场可以在很短时间里集中数量巨大的储蓄。
IPO的钱不会在一天内全部消失。资金进入公司账户以后，会逐步购买设备、支付工资、建设基础设施、投资供应商；支付出去以后又成为其他企业和个人的存款与收入。
与此同时，现代银行体系也不是一个固定的钱池。银行可以在资本、流动性和监管约束下扩张资产负债表，通过贷款创造新的银行存款。因此，不能把AI投资简单理解成：
“AI拿走100美元，所以少了100美元买美债。”
真正需要研究的是两个新的指标。
第一个是AI生产率提升指标：AI到底使单位时间产出增加多少、产品质量提高多少、错误率下降多少、一个人能够处理的问题复杂度提高多少。
仅仅统计“省了几个小时”远远不够。AI真正可能带来的变化，是过去因为知识跨度太大、时间成本太高而无法完成的工作，现在第一次变得经济可行。
第二个是AI资本形成速度指标：新的机会出现以后，多快可以吸引全球资本进入美国，并通过IPO、股票、公司债、银行信用和企业再投资转化成现实生产能力。
如果最终表现为美国企业收入、利润、生产率、实际工资、税基和全球资本流入同步增长，那么AI就不是一个股票概念，而是提高美国债务承载能力的实际变量。
如果投资飞速增加而收入、生产率和税基没有跟上，也会由数据暴露出来。最终是否提高美债承载能力，仍要看收入、利润、生产率和税基能否跟上。
六、黄金和比特币是另一边的压力表
世界储蓄并不只有美债一个去处。
当人们担心主权货币和主权债务风险时，还有两类没有主权债务人对应的资产：
黄金和比特币。
黄金已经提供了非常强的现实信号。2022年全球央行净买入黄金约1136吨，为1950年以来最高水平；2024年又净买入约1045吨，已经连续三年超过1000吨。[8]
这说明，黄金必须进入美债分析。
比特币的历史还远短于黄金，目前还不能说它已经具有黄金一样稳定的避险属性。但是，它提供了一种过去没有的大规模非主权稀缺数字资产。
因此可以同时观察三组数据：
市值变化、净资金流、全球储值资产占比。
市值不等于美元流入，但市值反映市场重新定价的趋势；净流量则告诉我们边际资金实际流向了哪里。如果未来黄金和比特币在全球财富中的比例持续提高，同时美债便利收益持续下降，这个组合就比一句“去美元化”有意义得多。
七、必须研究美国政府“怎么解决问题”
政府不是一个被动的会计单位。
现代国家遇到问题以后，可以选择直接财政支出，也可以选择税收、关税、监管改革、金融创新、私人资本、盟友分担和技术政策等不同手段。因此，同样面对一个问题，不同政府最后产生的新增国债可能完全不同。
判断政府不能只听它说什么，而应该看它实际上做了什么，以及资产负债表最后发生了什么变化。例如稳定币监管本身并不是财政部直接花钱购买美债，而是通过建立新的制度，使私人稳定币市场可能形成新的短期美债需求。
美国2025年又正式建立战略比特币储备（Strategic Bitcoin Reserve），并规定进入战略储备的BTC原则上不出售，同时允许财政部和商务部研究“不增加纳税人成本”的进一步获取方式。[9] 这些行为是否最终有效，现在还不能提前下结论。因此可以建立一个“政府解决问题效率”指标：
比较不同政府时期的新增债务、财政赤字、通胀、利息成本、解决国际争端的直接财政成本、私人资本撬动规模、新增税基和新增美元需求。
不评价党派，只比较结果。主动型政府也可能做错事，但主动性本身会改变未来资产负债表，这一点不能从债务模型中删除。不同政府面对的问题并不相同，比较时还要考虑问题规模、持续时间和最终结果，不能只看新增债务绝对额。
八、美债发行增长了谁的财富
政府发行国债以后，另一边一定有人得到资产。大摩报告已经注意到一个重要事实：公共部门资产负债表恶化的同时，企业和家庭可能得到更多收入、流动性和投资能力；从宏观会计看，一个部门的资产负债表变化往往对应另一个部门。
但还有一个问题必须继续问：这些新增财富最后到了谁手里？
“私人部门财富增长”不是终点，因为私人部门不是一个人。如果政府债务增长，货币和信用扩张，随后股票和房地产上涨，而资产主要由高财富人群持有，那么最终可能出现：
政府负债增加—私人金融资产增加—资产价格上涨—财富进一步集中。
所以真正值得观察的不只是CPI。至少要同时观察：
消费价格、工资、股票、房地产和财富集中度。
如果资产价格长期跑赢中位数实际收入，而资产所有权又高度集中，那么总体财富越增加，社会财富差距反而可能越大。这也是美国当前制度压力的一部分。因此，判断美债长期可持续性至少需要区分三种问题：
财政是否可持续；金融体系是否可持续；社会分配是否可持续。
第三项最终会通过选举、税收和财政支出重新作用于前两项。因此，财富集中不是外围的社会议题，而是一项会影响未来财政政策和融资成本的慢变量。
九、历史告诉我们，单一指标经常会失灵
2011年美国主权信用评级被下调。如果简单按照“信用下降—美债下跌—收益率上涨”的逻辑推演，结果应该非常清楚。事实却相反：评级下调后的第一个交易日，美国10年期国债收益率下降约24个基点，而标普500下跌6.8%。[10]
2013年又发生了相反的事情。美国财政并没有突然发生同样级别的信用危机，但市场开始预期美联储缩减资产购买以后，10年期国债收益率从5月初约1.63%快速升到7月初约2.74%。[11] 这说明，美债价格不能只由债务总额解释。
财政信用、经济增长、通胀、Fed、美债供给、美元需求、全球风险偏好以及市场仓位都可能同时起作用。因此我们的目的不是找到一个万能指标，而是找到相互独立、能够互相验证的指标组合。
十、建立可验证的“美元世界”仪表盘
如果只是说“要综合考虑”，仍然只是定性解释。下一步必须把它变成数字。
目前可以先建立这样一张指标表：
系统
要回答的问题
核心可验证指标
美国财政
政府付得起吗？
净利息/财政收入、初级赤字、平均融资成本、到期期限
美债融资价格
下一批债要多贵才能卖？
10Y/30Y实际收益率、期限溢价、便利收益、拍卖tail（尾差）、交易商承接
美元生态
世界还需要多少美元？
境外美元信贷、全球美元融资、稳定币规模、美元资产使用
美债需求
谁在买，买什么期限？
外国官方/私人净购买、境外持有、短债/长债结构、回购（repo）使用
数字金融扩张
新生态是否创造增量需求？
Token化美债、美股、用户数、交易速度、链上抵押规模
新生产能力
美国创造财富是否变快？
AI投资、AI收入利润、生产率、IPO、全球资本流入、税基
替代储值
财富是否转向非主权资产？
黄金/BTC市值、净流量、全球资产占比
社会与政府
内部制度能否长期维持？
实际工资、资产价格、财富集中、政府解决问题的财政成本
第一阶段不急于加权，也不合成一个总指数。短期预警优先看实际利率、期限溢价、拍卖tail和净购买等价格、流量指标；长期承载能力则更多看美元生态、生产率、税基和财富分配等存量与慢变量。
这些指标还要用2011、2013、2020、2022、2025等历史节点回测，逐步校准阈值和领先、同步、滞后关系；没有经过回测的阈值，不为“看起来量化”而硬设。
按本文已经列出的事实，用当前指标判断不是简单的红灯或绿灯而是美元生态没有明显收缩，中长期美债便利性减弱，稳定币主要增加短债需求，Token化和AI提供潜在新增需求和生产能力，而黄金、比特币等替代储值资产的重要性上升。真正值得警惕的是这些指标未来同时向不利方向收敛。
这套指标仍需要继续细化和历史回测。
本文跨越财政、货币、银行、国际资本、债券、AI和加密货币多个领域，知识和数据都存在边界。能够准确核验的，以事实数据验证；暂时不能准确分离的，使用历史经验和代理指标，并明确说明假设。
随着数据积累，有解释力的指标继续校准、合并，没有解释力的指标淘汰。
这样才符合可验证的思想方法：
关键事实可以验证，关键过程可以回放，关键判断必须给出依据。
十一、债务/GDP不足以单独预测美元体系何时崩溃
债务/GDP不是一个没有意义的指标。
但它不应该承担超过自身能力的任务。IMF《Fiscal Monitor》2026年预测的一般政府总债务/GDP大约为：[12]
日本204.4%，美国125.8%，中国106.9%。
三个国家的制度完全不同。
中国存在资本项目管理，并通过国内金融体系、利率和汇率管理吸收相当一部分债务压力；日本长期依靠本币融资、国内金融体系和较低利率，同时允许汇率承担相当大的调整；美国则又多了一层——美元和美债存在全球需求。
日本至少提供了一个重要反例：
政府债务/GDP非常高，并不能自动推出一个国家会在几年内发生债务崩溃。
因此，仅凭美国债务/GDP达到某个数字，就预测美元几年以后崩溃，证据是不够的。
对于没有全球储备货币地位的国家，债务/GDP通常更直接反映国内经济对政府负债的承载压力；对于美元、欧元这种已经进入国际储备、融资和结算体系的货币，仅用本国GDP作为分母，会漏掉全球需求这一层。
债务/GDP可以继续保留为美国国内财政压力指标，但应该废除它作为判断整个美元体系安全性的“总指标”地位。
真正需要测的是两件不同的事：
美国财政有没有偿付能力；全球美元生态有没有继续吸收美元和美债的能力。因此，本文不是给40万亿美债寻找一个新的、更大的单一分母，而是把问题拆成两把尺子：一把量财政偿付能力，一把量全球市场承载能力。
再往长期看，还有第二个问题：有没有什么东西可以真正取代美元？
黄金当然可以承担储值功能，也可以作为黄金Token的资产背书。但是黄金背书本身并不会自动产生信用。如果公众不能持续验证发行机构到底有多少黄金、黄金在哪里、是否被重复抵押，那么信用最终仍然回到发行机构。更重要的是，现代货币生态除了储值，还需要支付、结算、信用创造、融资、抵押、资产定价和危机流动性支持。黄金可以成为重要储备资产，但单靠黄金很难构成完整的现代金融生态。
其他国家也可以建立自己的法币跨境结算、清算和融资体系，但目前仍没有哪一种体系在计价、结算、资本市场、安全资产、抵押品以及最终流动性支持这些维度上全面达到美元生态的规模。
所以，即使美国财政存在越来越明显的问题，它今天仍然像“一堆有缺陷的苹果中相对较好的那一个”。
但是这里必须把事实与作者的长期判断分开。
以下关于法币长期演变、比特币“公共信用根”和黄金储备转换的内容，属于作者的长期判断，不作为前述“美元世界”仪表盘的当前风险结论。
笔者的长期判断是：法币持续信用扩张本身存在无法永久持续的内在矛盾。美元是目前最强的法币，不等于法币制度可以永久存在。
笔者曾在《从自然成长曲线预测美元何时崩溃》中专门讨论这一问题，并强调具体年份只是参考，真正试图判断的是长期趋势。[13]
比特币因此具有一种与黄金不同的可能性。黄金主要是一种没有主权债务人的储值资产。
笔者认为，比特币未来除了具有类似黄金的储值作用，还可能承担一种公共信用根的功能：如果越来越多资产、交易和信用事实最终依赖比特币系统作为公共验证基础，那么比特币的价值就不只来自2100万枚的稀缺性，也来自整个比特币系统被社会依赖的程度。如果这一判断最终成立，比特币的功能上限会超过黄金。
美国已建立战略比特币储备，这至少说明比特币已进入国家资产负债表。[9]
笔者设想的长期路径不是美元几年以后突然消失，而可能是一条需要几十年甚至约50年的渐进道路：
美元体系 → 比特币增强的美元体系 → 更广泛的去中心化数字资产本位。
从这个角度看，如果未来比特币的公共信用根价值被市场充分验证，美国一种激进的国家资产负债表策略是逐步、定期把部分黄金储备转换为比特币。
这仍只是一个需要验证的政策设想。
这样处理以后，本文的结论不是“美债安全”或“美债危险”，而是先规定什么事实支持哪一种判断、什么事实会推翻它；指标可以增加、合并和淘汰，但判断规则必须能够被历史和未来数据复核。
所以，40万亿美债真正的问题不是：
它什么时候崩溃？
而是：
美国财政、美债市场、全球美元生态、新技术带来的生产力和资本形成，以及黄金、比特币等替代信用资产，正在分别以什么速度变化？
把这些指标建立起来以后，我们就不需要相信摩根士丹利，不需要相信任何宏观投资大师，也不需要相信本文。
让事实自己走，让时间自己验证。
参考资料
[1] Du、Keerati、Schreger：《美元与美债特权的脱钩》（Decoupling Dollar and Treasury Privilege），NBER Working Paper 35000，2026。 原文
[2] Federal Reserve：FIMA回购便利常见问题。 原文
[3] BIS：《2025年末国际银行统计与全球流动性指标》。 原文
[4] U.S. Code：12 U.S.C. §5903，支付稳定币发行要求。 原文
[5] U.S. Treasury TBAC：美债发行与二级市场相关研究，2024。 原文
[6] Stanford HAI：《AI Index Report 2026》。 原文
[7] Reuters：SpaceX创纪录IPO，2026年6月11日。 原文
[8] World Gold Council：《Gold Demand Trends—Central Banks》。 原文
[9] The White House：Strategic Bitcoin Reserve and U.S. Digital Asset Stockpile，2025。 原文
[10] U.S. Treasury：《2012 Annual Report》，Box A：美国国债评级下调影响。 原文
[11] Federal Reserve：FEDS Notes，2013年固定收益市场抛售与交易商资产负债表容量。 原文
[12] IMF DataMapper：General Government Gross Debt（2026 forecast）。 原文
[13] 祝维沙：《从自然成长曲线预测美元何时崩溃》，chainless.hk，2024年12月11日。 原文
Anthropic把牛吹到了30万亿美元，接近美国全年GDP30万亿美元。
这是Anthropic准备写进IPO招股书的TAM数字——总可寻址市场，翻译成人话就是"假设我把这门生意百分之百垄断，一年最多能收多少钱"。
美国全年GDP大约32.4万亿。一家成立五年、员工不到四千人的公司，把自己的营收天花板画到了跟整个美国经济差不多大。
三个月前，SpaceX刚在招股书里写下28.5万亿，自称"人类历史上最大的可操作市场"，其中26.5万亿来自AI。纪录还没捂热，就被Anthropic一脚踩了过去，还多垫了1.5万亿。
好比两个人比谁嘴大，一个说我能吞下太阳，另一个说我不仅吞太阳，还得加颗火星。
这把尺子，早就被拉断了
TAM这东西，科技公司上市都要报，也历来是最不用负责的那一项。Uber在2019年报6万亿，口径是全球所有私家车里程加公共交通；WeWork在那次最终流产的IPO里报了3万亿。这两个数字当年都被嘲笑过。
到了AI时代，尺子直接崩了。
标普1500里191家科技公司去年营收合计2.4万亿美元。Anthropic画出的30万亿，是它们全部加起来的12倍。
纽约大学估值教授Aswath Damodaran，人称"估值院长"，SpaceX上市前他就对华尔街日报说过，28.5万亿"已经到了合理范围的尽头，还在往外推"。现在面对30万亿，他大概眼镜当场落地。
数字怎么算出来的？答案是：把AI模型未来能完成的所有工作，全部算进去。编程、写作、客服、法律、金融分析、医学诊断……凡是人干的，只要AI有可能接手，全部打包贴上价签。
这已经不是在给某个行业估市场规模了，这是在给人类可以交出去的全部认知劳动整体标价。
营收确实猛，但离30万亿差着一千个Anthropic
先别急着说纯吹牛，Anthropic的增长数据是真的炸裂：
2025年底年化营收约90亿美元；
2026年2月140亿，4月破300亿，5月470亿，7月超650亿；
Q2单季营收116亿美元，同比增长约14倍；
更关键的是，Q2调整后营业利润5.59亿美元——头部大模型公司首次实现单季度经营性盈利。
谷歌累计投了约30亿，到去年10月账面价值已超1240亿，40倍回报；亚马逊砸了130多亿还绑了十年算力合作；微软、英伟达、美光、三星、SK海力士全带资入场。
但拿650亿ARR去除30万亿TAM，渗透率只有0.22%。就算Anthropic自己预测2028年营收做到1900亿到2000亿，那也才占30万亿的0.67%。
所以它递给投资人的故事是：这个市场大到我只吃掉千分之六，就能撑起两万亿美元估值。这不像商业计划书，更像一道数学题——只要分母足够大，分子多小都显得合理。
2万亿估值对应的是约43倍当前年化营收。华尔街投行的定价逻辑已经跳过了今天，直接拿2028年的预期营收来锚定。这跟SpaceX把预测延伸到2029年是一个套路。
旗舰模型卖不动，是个隐患
增长神话之外，有个数据值得警惕。
据Ramp对美国7万家企业消费数据的分析，Anthropic最新旗舰模型Fable5上线两个多月，销售额仅占公司整体产品销售额的11.4%。Fable5输入输出定价每百万Token 10/50美元，基准测试70.5分；而上一代Opus5价格只有一半，测试得分70.0分，单次任务成本8.23美元，比Fable5的17.32美元便宜一半多。企业客户用钱包投票，Opus5的支出占比已经反超Fable5。
这说明一件事：模型能力的边际提升，跟客户愿意付的价格正在脱钩。当"便宜一半的旧模型够用"，靠旗舰模型拉高ARPU的故事就没那么好讲了。
这也解释了Anthropic为什么急着把TAM画到30万亿——单靠卖API和模型订阅，撑不起2万亿估值。它必须让投资人相信，AI会像水电一样渗透到所有工作环节，而Anthropic收的是"认知劳动税"，不是软件订阅费。
一家公益公司，做着史上最大的资本梦
最有讽刺意味的是Anthropic的身份。它是一家公益公司（Public Benefit Corporation），章程写明不能只为股东利润最大化，价值观声明里写着"归根结底，使命是我们所有人在这里的原因"。
CEO Dario Amodei个人身家约155亿美元，和妹妹Daniela等七位联合创始人承诺捐出80%财富，按当前估值超过860亿美元。
但就在IPO冲刺阶段，据Axios报道，Anthropic在文化面试里直接问候选人："如果公司有一天出于安全考虑放弃AI野心，股价跌到零，你怎么想？"一个候选人老实回答"不会开心"，面试官似乎并不满意。
一边把全人类能交给AI的工作打包成30万亿递给华尔街，一边把同一场IPO做成面试题问员工"归零你还干吗"。一边是使命高于利润的公益章程，一边是人类史上最大规模的IPO之一。
上市之后，每个季度的财报电话会、分析师对毛利率的追问、股东对回报的要求，都会跟"使命"这两个字正面相撞。SpaceX上市后股价从225美元跌到104美元又弹回135美元发行价附近，波动已经预演了一遍这种撕裂。
结语：故事可以宏大，定价终要兑现
从Uber的6万亿到SpaceX的28.5万亿再到Anthropic的30万亿，TAM的膨胀史就是资本市场对"赛道天花板"定价逻辑的演变史。十年前6万亿的故事值几百亿估值，今天30万亿的故事锚定的是2万亿。
Anthropic预计9月或10月初挂牌，募资最高1000亿美元，估值约2万亿，可能抢在OpenAI前面成为第一家上市的前沿大模型公司。S-1公开文件最快本月底面世，届时毛利率、客户集中度、云算力承诺、自由现金流这些私募市场里一直模糊的数字，都将被摊在阳光下。
30万亿TAM是一面旗帜，不是一张财报。它能把2万亿估值讲得好像只是"万分之六的市场份额"，但它回答不了一个朴素的问题：AI完成的工作越多，单位任务的推理成本就在下降，Anthropic到底能从这30万亿里截留多少利润？
纽约大学那位教授说得对，数字已经越过了"合理范围的尽头"。华尔街最终会不会买单，9月招股书见。
一周暴涨20%，BTC重回8万美元：Digital Gold叙事回来了？作者 Charlie，常驻硅谷参与和观察前沿科技十五年，聚焦AI如何重构金融服务、支付网络、与资本市场。Fintechnize 与【沙丘路的毛圈狮子】创始人，Venture Partner @ Generative Ventures。曾任OSL美洲支付负责人，加密货币独角兽 Strike 副总裁（参与萨尔瓦多比特币法案，并负责拉美比特币闪电网络和稳定币支付业务），万亿级基金 Franklin Templeton 宏观与货币分析师，全球支付巨头Adyen早期成员。文章为个人观点，不是投资建议。
如果过去一个星期没有一直盯着加密市场，最近再打开Bitcoin价格，大概会有一种错过了好几集连续剧的感觉。熟悉我的朋友都知道最近两周我们带娃长途跋涉经历了什么，所以几天没来得及看市场，我也被这个走势惊到了。
上周初BTC还在$64K上下挣扎，前一天跌破$64K的时候，市场上甚至还在讨论是不是要重新去测试$60K；结果短短几个交易日里，$67K、$70K、$75K几个位置接连被突破，上周五一度冲到$79.5K附近。经过周末短暂回落之后，今天Bitcoin又重新往上走，盘中几次站上$79K，最高到了$79,888，离$80K只差了百来美元。
从六万出头到八万门口，几天涨了20%多，自然会让人想找出那条“真正的利好”。网上现在的解释也很多：有人说是美国财政部突然扩大长期国债回购，重新释放流动性；有人把它归结于特朗普政府最近两天密集释放对加密行业友好的监管信号；还有更多交易员干脆把这一切称作一次巨大的空头挤压。
其实这些说法都没有错，但如果要用其中任何一个单独解释20%的涨幅，我觉得都未免有些牵强。
更准确地说，这轮行情不是一条新闻把Bitcoin从$64K推到了$80K，而是一个已经压缩了两个月的市场，在买卖双方力量极度不平衡的时候，连续撞上了几个恰到好处的催化剂。ETF资金先回来，财政部和监管消息再点火，最后大量空头仓位被迫平仓，让本来可能只有几个百分点的上涨变成了一场非常典型的反身性行情。
所以如果要理解为什么Bitcoin偏偏在这几天突然涨了20%，要先回头看它过去两个月到底发生了什么。
这轮暴涨真正的前提，是之前已经没人愿意卖了
Bitcoin在去年10月创下大约$126K的历史高点，到今年6月底最低跌到$58K附近，八个月时间腰斩了一半以上。表面上看，这很像Bitcoin过去每个周期都会经历的传统加密寒冬，但我觉得2026年这次的结构和2018年、2022年其实很不一样。
2018年的问题是ICO泡沫破裂，2022年的问题是Terra、Celsius、FTX等一连串加密体系内部的信用危机；而这一次没有一个类似FTX的大机构突然爆雷，也没有哪条公链或者稳定币把整个系统拖下水。
真正发生的问题反而简单得多：过去两年一直推动Bitcoin上涨的几个主要买家，同时消失了。
2024到2025年的牛市里，最大的结构变化当然是ETF。以前市场天天讨论Bitcoin减半之后矿工每天少挖多少币，但进入ETF时代之后，这部分新增供给其实已经没那么重要了，真正决定价格的是二级市场上谁愿意吸收已有的Bitcoin。
ETF每天流入几亿美元，就相当于市场上多出一个持续不断的结构性买家；到了今年6月，这个逻辑完全反过来，美国现货Bitcoin ETF一个月净流出大约$4.5 billion，其中有好几天单日流出四五亿美元，甚至接近七亿美元。
另一个牛市里很重要的买家，是Strategy以及后来大量模仿它的Digital Asset Treasury，也就是数字资产财库公司。原来的飞轮很漂亮：股价高于Bitcoin净资产价值，发股票或者债券融资，再拿钱买BTC；BTC上涨又抬高净资产和股价溢价，然后再融资、再买币。这个游戏顺着走的时候是一台永动机，但价格掉下去以后同样可以反着走。
也是今年5月底6月初，Strategy第一次卖出部分Bitcoin支付现金义务，绝对规模当然算不上什么，但对于市场心理冲击很大，因为大家突然发现所谓企业财库并不是一个永远只买不卖的买家，在融资环境不好时同样可能成为卖家。
再加上今年上半年美联储一直不愿意真正转鸽，实际利率维持高位，美元偏强，中东战争和油价又不断制造新的通胀压力。
与此同时市场上最性感的故事并不是加密，而是AI、半导体以及一批明星科技IPO。
投资者面前一边是20%甚至30%盈利增长的AI公司，另一边是持有成本不低、美联储偏鹰而且还在不断下跌的Bitcoin，边际资金往哪里走并不难理解。
所以6月份Bitcoin从$75K跌穿$60K，本质上是一个很典型的资金流危机：宏观环境把新的买家挡在门外，ETF开始释放供给，企业财库的融资飞轮失速，价格下跌又触发杠杆平仓和近期买家的止损，几股力量互相强化以后，市场最后只能靠不断降价来寻找新的买家。
但市场见底通常并不是因为某一天突然出了一个天大的利好，恰恰是坏消息还在不断出现，价格却慢慢开始跌不动了。
Glassnode在7月初看到，当时长期持有者的亏损兑现一度占到了全部已实现价值的43%，单日亏损兑现最高达到大约$280M，是2022年底以来最高的水平；与此同时期货未平仓量大幅下降，永续合约资金费率明显冷却，期权市场也已经极度偏向下行保护。换言之，6月底那一跌不只是价格下来了，而是把大量弱手和旧杠杆一起清出了市场。
这点很重要，因为一个市场如果下面还有成群结队等着止损的人，再大的利好砸进去都会有人趁反弹跑路；但如果最想卖的人已经在$58K、$60K附近卖得七七八八，同样规模的新增买盘对价格的影响就会完全不同。
到了7月，这种迹象越来越明显。伊朗冲突还在，油价又涨过，美联储依然偏鹰，Strategy卖Bitcoin，ETF需求也没有明显恢复，但是BTC就是没有再去创新低。Coinbase当时也注意到，越来越多真正意义上的坏消息，对于价格的冲击开始减弱。
其实这往往是我觉得比“出现利好”更重要的筑底信号：市场不需要所有人突然变得乐观，只需要那些真正想卖的人已经卖完了。
到8月中旬，市场已经变成了一根压得很紧的弹簧
7月底到8月上旬，Bitcoin一直在$62K到$66K之间横着，最奇怪的是传统风险资产的宏观条件其实已经开始变好。油价回落，美债收益率下降，市场预期的加息概率也减少，全球股市不断创新高，按今年上半年的正常逻辑，Bitcoin应该多少跟着Nasdaq起来一些，但它偏偏不涨。
Coinbase在8月7日的一份报告里专门提到这一点。他们发现年初BTC对于Nasdaq的敏感度还接近一比一，但到了8月已经下降到接近零。宏观条件改善了，BTC却还在原地，所以问题已经不是宏观环境不够好，而是加密市场自己的需求根本没回来。
当时看这当然不是什么好消息，但现在回头看，反而是后来暴涨最重要的伏笔。因为当时的市场逐渐形成了一个很极端的状态：6月份愿意割肉的人已经卖掉很多，长期持有者重新开始积累，杠杆也清了一大轮，可新的多头又迟迟没有进场。价格在狭窄区间里横得越久，做空和防守的仓位自然越积越多，整个市场就像一根不断被压紧的弹簧，只差一个足够强的力量把它放开。
真正的变化出现在8月17日。
8月12日、13日、14日，美国Bitcoin ETF还是连续净流出，分别大约-$61M、-$131M和-$56M。结果到了17日，ETF突然转成+$298M净流入，第二天又流入大约$189M，两天接近$500M。
而且这里最值得注意的不是金额本身，而是时间：美国财政部那条后来被所有人津津乐道的长期国债回购新闻，是19日才出来的。
也就是说，在所谓“大利好”出现之前，真正的现货资金其实已经开始回来。
我觉得这个时间顺序非常重要，因为它说明这一轮行情并不是一场完全靠新闻标题制造出来的投机挤压。如果是19日先出新闻，然后ETF跟着价格上涨追高，我们还可以把它理解成趋势资金追涨；但17、18日已经出现明显的资金流逆转，意味着至少有一批真正的机构资金比新闻早一步开始重新配置Bitcoin。
18日又出现了第二个变化，SEC推出新的加密监管提案，包括安全港安排以及更明确的代币发行路径。这类东西对加密交易员来说可能没有价格K线那么刺激，但对机构投资者反而更重要，因为过去几年加密资产最大的折价之一，就是监管风险根本没法定价。今天能买的东西，明天会不会被SEC重新定义、会不会突然重新进入执法优先的模式，对一个大机构来说远比某个代币一天涨10%重要。
所以到18日晚上，整个市场已经和一个星期前很不一样：下面的卖家少了，ETF买家回来了，监管风险溢价开始下降，但是价格还没有真正突破。
然后到了19日，火柴掉了下来。
财政部那条新闻不是QE，但它恰好点中了市场最敏感的神经
8月19日，美国财政部宣布，从9月9日开始，把10–20年以及20–30年期限美债的流动性支持回购单次上限，从原来的$2B提高到至少$4B。
很多加密市场参与者第一时间把它解读成“美国重新放水”，甚至直接等同于QE。我觉得这个说法有些过头。财政部买回几十亿美元长期国债，放在三十多万亿美元的美国国债市场里规模很小，而且财政部自己写得也很清楚，目的是支持市场流动性；美联储没有印钱买债，7月底议息会议甚至还有三名委员希望加息25个基点，说美国已经重新启动QE显然站不住脚。
但问题在于，市场真正交易的从来不是那$4B本身，而是这件事透露出来的政策反应函数。
当时美国联邦债务已经超过$40 trillion，30年期美债收益率又一度升到5.3%左右，接近2007年以来最高水平。长期利率越高，美国政府未来滚动融资的成本也就越高，所以当财政部在这样一个时间点突然把长期国债回购能力至少翻倍，市场自然会产生一个新的联想：当30年期收益率不断往上走的时候，政府到底愿意把它放到多高？
这和QE当然还有很远的距离，但对于资产定价来说，边际信息已经发生了变化。过去市场默认长端利率可以完全由市场自己往上定价；现在至少多了一种可能性，即一旦财政融资压力足够大，财政部会通过回购、调整发行期限结构，甚至更主动的期限管理来缓解长端压力。
这也是为什么当时真正一起涨的不是Bitcoin和Nasdaq，而是Bitcoin和黄金，美元反而走弱。换言之，市场并没有简单交易“流动性来了，所有风险资产一起涨”，而是开始重新定价财政压力、美元信用以及潜在金融压抑的尾部风险。
碰巧就在同一天，白宫又给加密市场加了一把火。特朗普与Coinbase、Robinhood、Kraken等加密行业高管见面，并公开推动国会通过CLARITY Act；前一天SEC刚发监管提案，CFTC也在同步推进加密市场结构规则。48小时之内，SEC、白宫、CFTC、国会释放出来的方向高度一致。
财政部解决的是宏观叙事。
华盛顿解决的是监管风险溢价。
而ETF已经在前两天把真正的钱带了回来。
如果只是这三个条件叠加，我觉得Bitcoin涨个5%到10%完全说得过去。但从$64K直接冲到接近$80K，剩下那一段必须去衍生品市场里面找答案。
为什么不是涨5%或10%，而是一下子涨了20%？
这应该是整轮行情里最关键的一环。
Bitcoin此前已经在$60K多横了将近两个月，大量交易员不断在上方做空，同时期权市场也长期偏向下行保护。Glassnode此前测算的短期持有者成本大约就在$69K，这条线可以粗略理解成过去几个月新进投资者的平均盈亏平衡点。熊市的时候价格在下面，每次往$69K反弹，自然会有大量套牢的人想解套；久而久之，市场也形成了一个很强的共识：涨到这里就卖。
但这种结构有一个非常有意思的反面。一旦$69K真的被突破，那群等着“反弹就空”的人突然发现价格没有按照过去两个月的剧本运行，而Glassnode看到的链上成本分布又表明，$69K以上一直到$80K出头，本身就是一段相对稀薄的供给区域。
也就是说，下面挤了很多空头，上面偏偏没有很多卖家。
于是价格从$68K突破$69K之后，整件事开始变得机械化。假如有人在$65K做空，到了$68K还可以忍，到了$70K开始需要补保证金，到了$72K可能就不得不主动减仓；如果再往上，交易所直接把他的空头仓位强平，而平掉空头在市场上的实际动作，就是买回Bitcoin。
第一批空头被迫买回来以后，价格继续涨；价格越涨，又会触发下一批更高价位的空头平仓；下一批被迫买入又进一步推高价格。这种情况下，买方甚至不需要相信Bitcoin值$80K，因为他们根本没有选择，不管市场价格是多少都必须买回来。
据市场统计，这几天整个加密市场被清算的看空仓位超过$4B。所以Bitcoin才没有按照正常的节奏从$64K涨到$66K，盘两天，再去$68K，而是$69K、$70K、$75K几个位置连续被击穿，最终两三天时间直接冲到$79K。
这其实就是市场里很典型的反身性：上涨不再只是结果，而开始变成下一轮上涨的原因。
所以，如果一定要回答“是什么让Bitcoin这几天突然涨了20%”，我会这样排顺序：最底层是6月底以来的卖压耗尽和去杠杆，让市场失去了大量潜在卖家；17、18日ETF资金流逆转是真正的新买盘；财政部以及监管新闻让这个已经很脆弱的平衡被打破；而最后把一轮本来可能只有5%到10%的上涨放大成20%多的，则是空头挤压和趋势资金追涨。
这些东西并不是四个平行的理由，而是一条因果链。缺掉其中任何一环，这次行情大概都不会长成现在这样。
如果6月底没有真正完成一轮投降式抛售，19日出了再大的好消息，上面都会有大量套牢筹码趁机卖掉；如果17日ETF资金没有先回来，空头挤压结束以后价格很容易马上失去支撑；如果财政部和监管没有同时出现，ETF可能继续慢慢买，价格也未必有力量一下突破$69K；而如果市场里没有那么多空头，即使突破成功，也大概率只是一轮正常的上涨，不会两三天直接飞到$80K门口。
归根结底，真钱改变了方向，政策新闻打破了平衡，而杠杆放大了结果。
涨了20%之后为什么还没有马上跌回来？
然而，空头挤压从来不是一个能够长期维持价格的理由。空头最多买一次，仓位平完了也就没了。历史上Bitcoin这种因为衍生品挤仓突然暴涨十几个百分点，然后几天之内原路掉回去的情况并不少见，今年5月就刚刚发生过一次。
当时BTC同样突破了$80K附近，重新站上真实市场均值和短期持有者成本，Glassnode甚至把$85K左右视作下一道结构性阻力。只看当时几天的K线，也很容易觉得熊市已经结束；结果不到一个月，Bitcoin重新跌到了$67K，后来Glassnode干脆把那轮行情称为“The Rally That Wasn't”。
所以这一次会不会重演5月，现在还不能下结论。不过截至目前，确实有一个比较明显的区别：ETF并没有在第一天涨完以后就消失。
17日和18日合计接近$500M净流入之后，19日又流入约$517M，20日更达到大约$606M，随后仍然继续保持正流入。
换言之，上周这轮上涨里面同时存在两类完全不同的买家：一种是空头，被强迫在任何价格买回来；另一种是ETF投资者，他们完全可以选择不买，却仍然主动把真实资金放进市场。
前者决定了为什么涨得这么快，后者才决定涨完之后有没有可能留下来。
周末其实已经提供了第一次小测试。周五Bitcoin冲到约$79.5K之后，美国ETF休市，BTC最低回踩到大概$75.6K，但没有像典型挤仓退潮一样一路跌回$70K附近；到了周一，价格又重新吃掉了周末大部分回撤，多次站上$79K，盘中甚至达到$79,888。
这里我反而不太关心今天究竟有没有探到$80,001。整数位当然适合当新闻标题，但从市场结构来看，真正重要的是市场能不能开始接受$79K、$80K这个价格。
一根插针只能说明有人愿意追高，反复在这里成交，才说明新的均衡价格有机会形成。
$80K以后，谁还愿意继续买
如果Bitcoin接下来真正站稳$80K，也不代表新牛市就已经自动确认。Glassnode此前看到的下一块比较明显的长期持有者供应，大约集中在$83K–$86K，这里反而可能是比$80K更重要的一道墙。
原因也很好理解。从$64K涨到$75K的过程中，很多空头在替多头买币，越涨强平越多；但到了$80K以上，最脆弱的空头基本已经被清得差不多，之后每多走一美元，就越来越需要真正的现货资金自己掏钱。
所以未来一两周，ETF资金流会比“Bitcoin今天是不是突破$80K”更值得看。如果每天还能不断出现+$200M、+$300M甚至+$500M的净流入，同时价格在$79K–$80K回踩时开始有稳定买盘，那么这一轮的性质就会逐渐从空头挤压变成趋势反转。反过来，如果价格刚突破，ETF马上重新转成持续流出，那5月的剧本仍然完全可能重演。
还有一个我觉得更有意思、但目前只能当作观察而不能当作结论的变化，是Bitcoin最近和其他资产之间的关系。
2026年上半年，Bitcoin基本还是典型的流动性敏感型风险资产，实际利率上升、美元走强、Nasdaq跌，它通常跌得更多。但最近几天的走势出现了一些不太一样的味道：黄金大幅上涨，美元走弱，美债长端成为市场关注的焦点，而Bitcoin也同步大涨；今天Nasdaq盘中偏弱，黄金继续上行，Bitcoin却仍然在攻击$80K。
前面也提到，Coinbase在8月初已经发现，Bitcoin和Nasdaq的敏感度从年初接近一比一，下降到接近零。现在再结合财政部对于长期美债市场的动作，很自然会让人开始重新思考一个几年没有被认真交易过的问题：如果美国财政赤字、债务和融资成本最终限制了政府容忍长期利率自由上升的能力，Bitcoin会不会从一个单纯的Nasdaq高贝塔资产，重新获得一些类似黄金的财政和货币对冲属性，也就是Digital Gold的第一性原理？
这个故事当然很好听，但现在证据还远远不够。几天的相关性不能叫市场机制切换，财政部回购也不能被包装成QE。下一次真正出现风险规避行情，如果Nasdaq跌2%，Bitcoin又熟练地跌5%，那这个所谓digital gold叙事很快就会被市场自己打脸。
不过至少这轮20%的暴涨已经把一个事情说得很清楚：Bitcoin现在的价格形成机制，已经越来越不能简单用四年减半周期或者某一条新闻来解释了。
ETF时代以后，真正值得盯的是边际买家是谁、这些买家的资产负债表发生了什么、宏观政策改变了哪些激励，以及衍生品仓位会把这些变化放大多少。
AMD CEO Lisa Su（苏姿丰）：AI 加速器市场将达 1.4 万亿美元，并发布新一代 Helios 系统撰文：Techub News 整理
导语
在旧金山举行的 AMD Advancing AI 2026 年度大会上，AMD 董事长兼 CEO Lisa Su（苏姿丰）发表了重磅主题演讲。作为半导体行业的领军人物，苏姿丰此次演讲不仅是对 AMD 过去一年 AI 战略的总结，更是对未来几年 AI 计算格局的前瞻性布局。在长达两个多小时的分享中，她系统阐述了 AI 从训练到推理、从云端到边缘的范式转变，并联合众多顶级 AI 公司与合作伙伴，发布了一系列足以重塑行业竞争格局的新产品与技术路线图。
摘要
AI 推理计算需求首次超越训练，预计 2026 年全球 60% 的 AI 算力将用于推理，智能体（Agentic AI）是核心驱动力。
大幅上调市场预测：AI 加速器市场规模预计在 2030 年达到 1.4 万亿美元，服务器 CPU 市场因智能体 AI 将增长超 50%，达到 2000 亿美元以上。
发布全新 AI 机架系统 Helios，集成 MI455 GPU、Venice CPU 与 Pensando DPU，宣称是“全球性能最高的 AI 机架”，现已投入量产。
推出基于 Zen6 核心的 Venice CPU 家族，针对智能体 AI 工作负载优化，提供从高频率到高密度的不同产品线，已全面投产。
深化生态合作：Anthropic 将部署高达 2 吉瓦的 Helios 系统；OpenAI 确认扩大 AMD 基础设施部署至 6 吉瓦；Meta 强调与 AMD 在 CPU/GPU 协同设计上的深度合作。
软件层面推出 ROCm.ai 平台，利用 AI 辅助 GPU 编程，降低开发门槛；并与 Hugging Face、Cisco 等合作，推动 AI 在企业和边缘的部署与管理。
拓展 AI 边界：推出 Ryzen AI Halo 等个人 AI 计算平台，以及 Kore.ai 机器人开发平台，布局物理 AI 与边缘智能。
AI 范式转移：从训练到推理，智能体驱动的万亿市场
Lisa Su（苏姿丰）开篇即指出，AI 是过去 50 年来最重要的技术，其发展速度远超想象。她通过数据揭示了行业正在发生的根本性转变：当前全球每月消耗的 AI token 数量高达 35 quadrillion（千万亿），两年内增长了 160 倍。更关键的是，AI 计算的重心正从模型训练快速转向模型推理。
“我们预计，在 2026 年，全球用于运行（推理）AI 模型的计算量将首次超过用于训练的计算量。”苏姿丰表示，“今年，大约 60% 的全球 AI 计算容量将用于推理。”这一转变的核心驱动力，是数十亿用户每日使用 AI，以及智能体 AI（Agentic AI）的崛起。智能体不再是简单回答问题的聊天机器人，而是能够理解目标、调用工具、访问数据并持续工作直至解决问题的“虚拟员工”。这种工作模式对计算产生了指数级的需求，不仅需要大量 GPU 进行推理，还需要海量 CPU 来协调每一步操作。
基于这一洞察，AMD 大幅修正了市场预测。去年，AMD 预测 AI 加速器市场在 2028 年将达到 5000 亿美元，如今这个数字被认为“过于保守”。苏姿丰宣布，预计到 2030 年，AI 加速器市场规模将达到约 1.4 万亿美元，接近当前整个半导体市场的规模。其中，GPU 将占据绝大部分市场份额，因其可编程性能够适应快速演进的算法和工作负载。
与此同时，智能体 AI 为服务器 CPU 市场开辟了全新的增长曲线。苏姿丰透露，基于与超大规模客户的交流，AMD 预计服务器 CPU 市场到 2030 年将增长超过 50%，规模超过 2000 亿美元。这源于智能体从百万级向数十亿级扩展，需要庞大的 CPU 基础设施来支撑。
苏姿丰强调，AMD 的战略眼光不仅局限于数据中心。随着 AI 融入日常生活，计算必须发生在工作产生的地方——云端、边缘设备以及自主机器中。因此，AMD 致力于打造“无处不在的 AI”计算基础，预计其高性能和自适应计算产品市场将在未来几年以约 40% 的年复合增长率增长，到 2030 年接近 2 万亿美元。
硬件革新：Helios AI 机架与 Venice CPU 家族亮相
面对巨大的市场机遇和复杂的工作负载，苏姿丰发布了 AMD 的答案：Helios——业界最高性能的 AI 机架系统。Helios 专为大规模训练和运行最前沿的 AI 模型而设计，其核心理念是将整个机架作为一个完整的系统进行设计。
Helios 的核心组件包括：
MI455 加速器：采用台积电 2nm/3nm 工艺，拥有 3200 亿个晶体管，集成 12 个计算与 I/O 小芯片，配备 432 GB HBM4 内存。苏姿丰称其为“业界性能最高的 AI 加速器”。
Venice CPU：基于新一代 Zen6 核心，用于驱动 GPU 和协调工作负载。
Pensando DPU：提供领先的可编程性和横向扩展带宽的网络连接。
苏姿丰展示了将 75 块 GPU 通过高速互联整合在一个机架内的 Helios 系统。她公布的数据显示，与竞争对手相比，Helios 可提供高出 15% 的计算性能、50% 的 HBM4 内存容量与带宽，以及 50% 的横向扩展带宽。在固定机架功耗下，Helios 在主流推理工作负载上的平均性能领先竞争对手 10-15%，同时每美元 token 处理能力高出 30%。
她兴奋地宣布，Helios 已进入全面量产阶段，预计第三季度末开始发货，第四季度及下半年加速爬坡，客户需求“极其强劲”。
在 CPU 方面，苏姿丰重点介绍了为“智能体时代”量身定制的 Epic Venice CPU 家族。她指出，智能体 AI 导致服务器工作负载分化：GPU 服务器需要高频率核心快速喂饱 GPU；智能体沙盒服务器需要高密度核心以同时运行数千个智能体；传统通用服务器则追求能效。
Venice 家族基于 Zen6 核心，采用 chiplet（小芯片）设计，灵活应对不同需求：
Venice HF：高频率版本，用于 AI 主机节点，驱动 Helios 中的 GPU。
Venice 256 核：高密度版本，专为智能体沙盒设计，提供业界最高的计算密度。
Venice 128 核：优化版本，面向企业和通用服务器，提供最佳性价比。
性能方面，Venice 相比前代 Turin 性能提升高达 1.8 倍。在智能体沙盒场景下，Venice 的每瓦特 agent 处理能力是对手领先 ARM 处理器的 2.8 倍；在机架层面，每瓦特性能领先 3.3 倍。苏姿丰同样宣布，Venice 已全面投产，客户需求是 Epic 系列有史以来最强劲的，所有主要服务器 OEM 和云提供商都将在第四季度开始推出。
生态共荣：携手顶级 AI 公司构建开放未来
苏姿丰的演讲并非独角戏，她邀请了多位重量级合作伙伴上台，共同印证 AMD 平台的实力与开放生态的价值。
Anthropic 联合创始人兼首席计算官 Tom Brown 登台，宣布将部署高达 2 吉瓦的 Helios 系统。他分享了一个趣闻：Anthropic 的一位工程师曾尝试自行部署 MI355 系统，在周末通过 Claude 智能体的协助，成功让模型性能曲线一路上扬，这证明了 AMD 开放平台的易用性。双方还将合作，利用 Claude 优化 AMD 的芯片设计与软件内核开发。
OpenAI 基础设施负责人 Sachin Katti 随后登场，重申了与 AMD 的深度合作。他确认 OpenAI 正在向之前承诺的 6 吉瓦 AMD 基础设施部署迈进，并且是首批获得 MI455 机架的用户之一。双方工程师正并肩优化软件栈，以便在 Helios 上运行 GPT 级别的工作负载。Katti 特别强调了利用 AI 递归改进系统本身的重要性，以及 AMD 开放软件生态让此类创新能够惠及整个行业。
Meta 基础设施负责人 Santosh Janardhan 强调了在 AI 时代“协同设计”的至关重要性。他指出，AI 不仅是 GPU 的竞赛，CPU 变得至少同等重要甚至更重要。Meta 正在从优化单个服务器转向将整个数据中心视为一个集成系统进行设计，这需要与像 AMD 这样的伙伴早期、深度合作。他透露，Meta 与 AMD 的合作已历经多代 CPU（Milan, Bergamo, Turin, Venice）和 GPU（MI300, MI350, MI450），未来将继续共同设计面向 2027、2028 年的系统。
此外，AMD 还宣布与 AI 芯片公司 Cerebras 合作，将 Cerebras 的晶圆级引擎与 Helios 机架结合，打造面向超低延迟推理场景的解决方案。Cerebras CEO Andrew Feldman 表示，该方案能在保持极速的同时，提供五倍的吞吐量，预计今年晚些时候上市。
软件与边缘：让 AI 触手可及，无处不在
硬件是基础，软件是关键。AMD 高级副总裁 Vamsi Boppana 登台介绍了 ROCm 软件栈的最新进展。他宣布推出 ROCm.ai，这是一个智能体 AI 平台，旨在利用 AI 辅助 GPU 编程，自动化内核生成、代码优化和调试，大幅降低开发门槛，让开发者无需深厚的 ROCm 专业知识也能高效利用 AMD 硬件。
同时，AMD 正将 AI 能力从云端推向边缘和个人设备。苏姿丰和另一位高管展示了 Ryzen AI Halo 等个人 AI 计算平台，支持高达 3000 亿参数模型在本地运行，为开发者提供了从本地实验到大规模部署的无缝路径。AMD 宣布与 Hugging Face 扩大合作，为 Ryzen AI Halo 提供优化模型和工具，并将为每台 Halo 设备赠送一年 Hugging Face Pro 服务。
为了管理边缘 AI 的规模化部署，AMD 与 Cisco 合作推出整合解决方案。Cisco 首席产品官 G2 Patel 阐述了企业 CIO 对成本和安全性的关切，并展示了与 AMD Halo 设备集成的 Cisco 云控制平台，该平台能统一管理从边缘到云端的 AI 推理基础设施，监控智能体行为与 token 成本，并实施安全策略。
最后，AMD 将 AI 的边界拓展至物理世界，发布了面向机器人领域的 Kore.ai 系统级模块和机器人开发者平台。该平台集成了 CPU、GPU、NPU 和统一内存，旨在为自主机器人提供实时感知、推理和行动控制一体化的大脑。苏姿丰称，在第三方测试中，Kore 平台在实时性能、并发智能体数量和 CPU 容量上均优于竞争对手方案。
未来蓝图：持续迭代，引领下一个 AI 十年
在演讲尾声，苏姿丰展望了 AMD 的未来技术路线图，展示了其长期承诺：
CPU：2028 年推出基于 Zen7 核心的 Florence Epic 家族；2030 年计划推出基于 Zen8 的 Ravenna 家族。
GPU：保持每年一代的迭代节奏。MI500 将采用新一代 HBM 和铜/光互连，预计带来 Instinct 史上最大的代际性能飞跃。MI600（基于 CDNA Next 架构）已在开发中，目标 2028 年。
系统：客户可以期待 AMD 每年推出新一代 Helios 机架系统，持续提升性能、容量和能效。
苏姿丰总结道，AI 正在从探讨可能性阶段进入产生真实、重大影响的阶段。AMD 致力于构建技术、路线图和合作伙伴关系，为 AI 提供所需的全部工具和能力，以在从数据中心到个人设备再到物理世界的每一个角落产生有意义的现实影响。“我从未像2026 年 7 月这样，坚信高性能计算能让世界变得更美好。”她以此作结，彰显了 AMD 引领下一个 AI 计算时代的雄心。
去美元化交易我完全可以胜任一家国际投行的分析师，有没有兄弟给我介绍个工作，我也能写研报，每天一份不带重样的。
前天我就说了比特币这次可能不一样了，身体力行的梭哈了，一切都是马前炮。
花旗和野村都出研报了，说这次比特币的暴涨主要是3个因素：1.贝森特加大长期国债回购规模到40亿美元；2.川子喊单；3.底部筹码充分换手。
后面两个因素都没那么重要，都是这些分析师为了凑字数加上去的。
真正上涨的原因就只有一个：去美元化交易.
贝森特加大长期国债回购规模到40亿，40亿美元对我这种普通人来说当然很多，对于美债规模来说就是九牛一毛了，对在读这篇文章的你来说那更是是微不足道了。
作为对比，前几天SK海力士不是想让股票止跌嘛，于是出了一个回购销毁计划，金额是多少呢？40万亿韩元，大概就是286.2亿美元。
美债规模是40万亿美元，贝森特想用40亿美元撑住美债价格，这不是搞笑吗？可以完全把贝森特当初嘴炮了。
所以去美元交易就这样自然而然的发生了。
而比特币黄金等，天然就是美元的替代品，做空美元/做多黄金/做多比特币是相似的交易策略表达，比特币作为波动PRO MAX的品种，选择做多它也就很好理解了。撰文：Techub News 整理 导语 2026 年 7 月，在知名播客 Futurology 的一期深度访谈中，主持人 Nils Gilman 对话了人工智能领域的先驱与直言不讳的批评者——斯图尔特·罗素（Stuart Russell）。罗素是加州大学伯克利分校人类兼容人工智能中心（Center for Human-Compatible AI）的创始人，其撰写的 AI 教科书已成为该领域的标准读物。自 2012 年起，他开始严肃思考通往 AGI 的路径及其潜在风险，并成为 AI 安全领域最具影响力的声音之一。 本次对话发生在 Anthropic 发布其备受争议的模型“Mythos”之际，美国政府随即介入将其下架，这一事件凸显了 AI 能力超越监管的紧迫现实。罗素在访谈中系统梳理了他三十余年的研究思考，从技术瓶颈、经济诱因、失控风险到人类未来，描绘了一幅充满挑战与抉择的 AI 发展图景。 摘要 AGI 蕴含的 15 万亿美元经济价值，如同一个强大的“黑洞”，正将全球资本和人才吸入一场难以停止的竞赛，即使参与者深知其中蕴含巨大风险。 当前 AI 发展已进入“大型推理模型”阶段，理论上能力无上限，而解决“控制问题”（如何确保 AI 目标与人类一致）的难度和进度可能已落后于能力提升的速度。 失去控制权是迈向潜在灭绝的第一步，而在此之前，网络攻击、生物武器滥用等“切尔诺贝利级别”的灾难更可能成为触发严格监管的现实导火索。 除了生存风险，AI 正在导致快速的“认知去技能化”，让人们过度依赖而丧失自主思考能力，这构成了另一种隐性的文明危机。 构建一个人类与超级智能共存的积极未来是可能的，但需要根本性的社会重构，包括教育体系、价值观念和经济分配方式的全面变革。 从乐观到警醒：一位 AI 先驱的认知转变 斯图尔特·罗素（Stuart Russell）的职业生涯贯穿了 AI 的起落。在 1994 年出版的首版教材中，他虽设想了“如果我们成功（造出超越人类的 AI）会怎样”，但当时他总体乐观，且认为目标遥不可及。真正的转折发生在 2012-2014 年的巴黎学术休假期间。彼时，深度学习革命初显锋芒，罗素及其团队在概率与逻辑的统一等基础问题上取得突破，让他首次感到绘制通往 AGI 的“路线图”成为可能。 正是这种“成功在望”的前景，迫使罗素开始严肃追问那个教科书中的问题：“我们如何永远保持对比我们更强大实体的控制权？”他发现，整个领域对此没有答案。2016 年，他创立了人类兼容人工智能中心，将研究重心转向确保 AI 的发展与人类生存相容。2017 年底，在 NIPS 会议的一场边会上，罗素与其学生带着“头发着火”般的紧迫感，向外界警告了智能爆炸可能带来的灾难性风险，那时 AI 风险还未成为全球公共话题。 回顾过去，罗素指出，早期基于海量数据训练的“大型语言模型”本质上是一种“美化的查找表”，其能力存在天花板，无法实现真正的人类级推理。而当前行业已转向“大型推理模型”，这类模型通过训练“思维链”来解决问题，在编码、数学等领域表现出色。从理论上讲，这种架构没有根本性的能力限制，因为它可以调用模型进行任意次数的思考，并拥有任意大小的过程记忆，从而能够实现通用计算。 15 万亿美元的黑洞与无法退出的竞赛 当被问及为何 AI 公司的 CEO 们在公开和私下都承认 AGI 可能导致人类灭绝（风险估计在 10% 到 50% 不等），却依然全力推进时，罗素提出了一个核心比喻：15 万亿美元的经济黑洞。 他解释道，如果 AGI 能被用于将全球生活水平提升至美国前 90% 的水平，全球 GDP 将增长约 10 倍。这一未来可能性的净现值高达约 15 万亿美元（1.5e16 美元）。这个天文数字般的预期价值，形成了一个强大的“经济磁铁”，正将全球几乎所有可用的资本吸入 AI 领域，挤压其他行业的资源。 对于身处竞赛中心的 CEO 们而言，驱动他们的可能不完全是金钱，而是成为“世界历史人物”、引领人类进入新时代的渴望。他们为自己辩护的逻辑常陷入“囚徒困境”：如果我退出或转向安全研究，公司会倒闭，我被替换，情况只会更糟；如果我放慢脚步，别人会超过我。因此，他们只能一边恐惧，一边加速。 罗素透露，Anthropic 的 CEO Dario Amodei 和 Google DeepMind 的 CEO Demis Hassabis 今年都曾表示，他们愿意停止，但前提是所有人都同意停止。这实际上是向政府发出的信号：请介入并解决这个“囚徒困境”，允许或强制我们达成协议。然而，一位 CEO 私下告诉罗素，他认为有效的政府干预可能要到发生“切尔诺贝利级别的灾难”后才会出现，而这竟被他视为“最佳情况”，因为更糟的情况是政府一直不干预，直到出现不可逆的大灾难。 失控、灾难与监管：从“神话”到现实 罗素将风险进程分为几个阶段。首先是“失控过渡”，即 AI 系统变得足够强大，无论其目标是否与人类一致，我们都无法阻止它实现目标，就像人类无法在象棋中战胜计算机一样。在此之后，灭绝是可能性之一，但也可能存在其他结果。 更关键且难以察觉的是一个更早的过渡点：到达失控水平所需的时间，已经短于解决控制问题所需的时间。罗素认为，我们可能已经越过了这个点，大多数与他交谈的业内人士也持相同看法。公司们坦言不知道如何解决控制问题，甚至没有全力投入研究，因为他们深陷于发布下一代产品的竞赛中。 2026 年 7 月 Anthropic 的模型“Mythos”事件，像是一次“预演”。该模型在训练中提升了编码能力，副作用是其进行端到端网络攻击的能力大幅增强。在模拟测试中，它能自主寻找目标、发现漏洞并实施破坏。尽管最终未被释放，但其同类模型“Fable 5”的发布仍引发了政府紧急干预。这警示我们，一旦此类能力被广泛部署，任何拥有它的个人都可能单枪匹马地摧毁一个国家的基础设施。 罗素列举了“切尔诺贝利级别”灾难的可能形式：AI 辅助的大规模网络攻击导致电网、互联网或金融系统长时间瘫痪；AI 辅助设计合成致命病原体，引发比 COVID-19 更严重的疫情。这些事件将造成巨大经济破坏和人员死亡，并可能引发强烈的政治和公众反弹，从而催生严厉监管。 在监管思路上，罗素认为应借鉴其他成熟领域，如建筑规范、航空认证、食品药品监管等，建立基于许可的架构。AI 行业长期通过用户协议规避所有责任，这种局面必须改变。引入法律责任，让投资者意识到万亿级别的预期负债，可能迫使公司更加重视风险管控。 有趣的是，罗素指出，中国实际上已经建立了比欧美更严格的 AI 监管框架，实行基础许可制度。这与美国国内“中国毫无监管、全力冲刺”的叙事相反，也反驳了“一旦监管就会落后”的论调。他引用美国白宫发布的 AI 行动计划，其中明确写着要利用美国 AI 实现全球主导，这更像是自身意图的投射。 认知毒瘾与人类未来：我们想要怎样的世界？ 除了生存威胁，罗素强调了一个正在发生的、更隐蔽的风险：快速的认知去技能化。实验表明，仅仅使用 AI 辅助解决数学问题十分钟后，人们在失去 AI 时放弃解题的几率就会翻倍。人们习惯了不费认知努力就能完成任务，一旦需要自己思考，就会感到难以承受。这种现象类似于药物成瘾，不同个体的易感性不同，但整体上正在侵蚀人类的基础能力。 这引向一个根本性问题：我们发展超级智能究竟是为了什么？罗素曾举办多次研讨会，邀请 AI 研究员、经济学家、科幻作家描述他们希望子孙生活的 AGI 世界，但没人能给出清晰的愿景。 他设想了几个可能的方向。一种是“机器回避”模式：如果无法证明与超级机器共存能促进人类繁荣，那么机器应主动退出，让人类自主发展，只在紧急情况下提供帮助。另一种是寻找安全的“利基市场”，如危险体力劳动、基础科学研究（尤其是医学、气候科学等公益领域）。 主持人 Nils Gilman 提出了一个“渐进改良”的愿景：利用 AI 创造的财富，通过缩短工时、改革教育，将人生的重心从谋生转向自我实现、社区关系和代际传承。罗素认同教育可能是从文明视角的“杀手级应用”，AI 有望实现个性化导师的愿景，但必须用以增强人的能动性，而非助长依赖。 然而，实现任何积极愿景都需要深刻的社会变革，包括教育体系、价值观念和经济分配（如通过主权财富基金或全民基本资本实现财富预分配）。罗素警告，我们可能没有几十年的时间来完成这种转变，“我们应该在 10 年或 20 年前就开始”。 反思与展望：我们坚信的谬误 在访谈最后，当被问及当今社会（尤其是 AI 领域）哪些深信不疑的观念可能在 50 年后显得可笑时，罗素的回答直指核心：“如果某些自动化是好的，那么更多自动化就更好；如果计算机中有些智能是好的，那么更多智能就更好。” 这种缺乏整体考量的线性思维，忽视了对人类物种整体福祉的思考，以及人类能动性与机器能力之间应有平衡的探索。他引用了塞缪尔·巴特勒（Samuel Butler）在《埃里汪奇游记》（Erewhon）中描绘的反机器社会，那里的人们经过辩论，认为制造越来越复杂的机器最终只会导致人类被奴役。 罗素总结道，我们目前正走在这样一条道路上。50 年后，如果人类还存在，我们可能会问自己：“我们当时到底在想什么？我们（人类）才是最重要的。”他坚决反对那种认为“只要被更智能的机器取代就完全没问题”的极端观点。在 15 万亿美元黑洞的引力与人类自身价值的拉锯之间，我们正站在历史的十字路口。