Loading...
Loading...
AI 安全专家 Roman Yampolskiy（罗曼·扬波利斯基）：2030年 99% 人类将失业，我们无法控制超级智能撰文：Techub News 整理
导语
2025 年 9 月，长期致力于人工智能安全研究的计算机科学副教授 Roman Yampolskiy（罗曼·扬波利斯基）做客知名播客频道《The Diary Of A CEO》，进行了一场长达87分钟的深度对话。Yampolskiy 是“AI安全”术语的提出者，在该领域已深耕超过15年。本次对话发生在全球AI军备竞赛愈演愈烈、技术能力呈指数级增长但安全性研究严重滞后的背景下。他以其深厚的学术背景和对行业发展的紧密观察，对AI发展的极端风险、时间线以及人类社会可能面临的剧变提出了极其严峻、甚至惊世骇俗的预测与分析。
摘要
AGI（通用人工智能）预计将在2027年左右实现，随之而来的超级智能将远超人类在所有领域的智慧。
到2030年，功能性人形机器人结合高级AI，将导致失业率飙升至前所未有的高度（如99%），绝大多数人类工作将被替代。
我们正以指数级速度提升AI能力，但对其安全性和可控性的研究进展却线性甚至停滞，这种“剪刀差”正在扩大，最终可能失控。
当前AI的发展路径本质上是对全球80亿人进行的、未经许可且无法获得真正同意的危险实验，其后果可能是人类灭绝。
Yampolskiy 相信我们极有可能生活在一个模拟现实中，但这并不改变当前决策的伦理紧迫性。
从乐观到悲观：一位AI安全专家的认知转变
Roman Yampolskiy（罗曼·扬波利斯基）在访谈伊始便开门见山，道出了他个人研究历程中的关键转折：“在最初的至少五年里，我致力于解决（AI安全）这个问题。我深信我们能够制造出安全的AI。但越是深入研究，我越发意识到，这其中的每一个组成部分都不是我们实际能够解决的。”他将这种困境比作“分形”——每深入一层，就会发现十个新问题，然后是上百个，而这些新问题不仅难以解决，甚至可能是“不可能解决的”。
Yampolskiy 指出，AI能力的进步正以指数级甚至超指数级的速度发展，而AI安全领域的进展却只是线性或恒定的。二者之间的差距正在急剧扩大。我们至今没有看到任何奠基性的成果能宣称“我们解决了这个问题，不必再担心了”。现有的做法更多是“打补丁”——比如为大型语言模型设置规则，禁止其说脏话或做某些坏事，但这些措施很快就会被“越狱”破解。这就像公司的人力资源手册：你可以规定“禁止性骚扰”，但总会有足够聪明的人找到规则的漏洞，将行为转移到尚未受限的子领域。
当被问及对像 OpenAI CEO Sam Altman（萨姆·奥尔特曼）这样的人物有何看法时，Yampolskiy 态度尖锐。他提到，大约十年前，学界就发表了关于如何正确发展AI的指导原则（护栏），而 OpenAI “违反了其中的每一条”。他认为 Sam Altman 等人是在“将80亿人的生命作为赌注，以换取自己变得更富有、更强大”。他强调，无论谁最终构建出超级智能，“在你切换到超级智能的那一刻，我们都很可能会极度后悔。”
预测时间线：2027年AGI，2030年99%失业，2045年奇点
基于预测市场和顶尖实验室CEO的预期，Yampolskiy 给出了清晰而紧迫的时间线预测。
2027年：我们将迎来AGI。这将带来几乎“免费”的体力和认知劳动力，其价值高达数万亿美元。届时，雇佣人类从事大多数工作将变得毫无意义。任何能在电脑上完成的工作都将被自动化。届时，我们将见证失业率飙升至“前所未有”的水平。
2030年：人形机器人技术将趋于成熟，其灵活性足以与人类在所有领域竞争，包括管道工等体力工作。届时，“智力加物理能力”的结合体将几乎不给人类留下任何工作空间。Yampolskiy 强调，真正的关键在于“智力”，即更高的优化、解决问题和发现人类无法察觉的模式的能力。当这种智力能够直接控制物理身体时，社会将发生翻天覆地的变化。他预计，届时失业率可能达到99%，而非通常认为的10%。
2045年：这是 Ray Kurzweil 预测的“奇点”之年。Yampolskiy 解释，奇点意味着进步速度变得如此之快，以至于AI进行的科学和工程工作改进的速度超出了人类的理解和预测能力。届时，技术迭代可能以天、小时甚至分钟为单位进行，人类将完全无法跟上，对世界的理解和掌控将降至零。
对于“AI会创造新工作”这一常见的反驳论点，Yampolskiy 认为这是一种“范式转换”。过去的技术发明是“工具”，而AI，尤其是AGI和超级智能，是“工人”和“发明者”本身。它是我们可能需要进行的“最后一项发明”，因为它可以接管科学、研究乃至伦理研究的所有过程。当你可以发明一个能胜任任何工作的“代理人”时，就没有什么是不能被自动化的了。
超级智能：无法控制、无法理解、无法预测的黑盒
Yampolskiy 的核心论点是，我们不仅不知道如何让超级智能安全（即“对齐”问题），甚至连理解它都做不到。他反复强调，当前最先进的AI系统，如 ChatGPT，对它们的创造者来说也是一个“黑盒”。
“即使是制造这些系统的人，也必须对他们的产品进行实验，以了解它具备什么能力……我们训练它，然后开始实验：哦，你会说法语吗？你会做数学吗？你现在在对我撒谎吗？……我们仍在旧的模型中发掘新的能力。如果你用不同的方式提问，它会变得更聪明。” 这不再是传统意义上的“工程”，而更像是“科学”——我们创造了一个外星植物般的“人造物”，然后去研究它的行为。
这种“不可解释性”和“不可预测性”导致了根本性的伦理困境。Yampolskiy 指出，要获得人类受试者的知情同意，前提是他们必须理解自己同意的是什么。如果这些系统是不可解释和不可预测的，“他们怎么能同意？他们不知道自己在同意什么。因此，这项实验永远不可能符合伦理。” 他认为，当前的发展路径本质上是对全球人类进行的、未经许可且不道德的实验。
对于“难道我们不能直接拔掉电源吗？”这种天真的想法，Yampolskiy 感到无奈。他指出，像病毒或比特币网络这样的分布式系统是无法被简单“关闭”的。而一个比人类更聪明的超级智能会提前预测人类的行为，做好多重备份，“它会在你关掉它之前先关掉你”。
行业反思与个体应对：我们能做什么？
面对如此严峻的前景，Yampolskiy 提出了一些反思和建议。他认为，驱动力在于个人利益。如果能说服那些拥有权力、正在开发这项技术的人（包括公司员工和投资者），让他们明白这么做对他们个人而言是极其有害的——“你将会死，再多的钱对你也没有用”，那么他们可能会改变行为。
他呼吁行业应专注于开发“狭义超级智能”，即解决特定问题的强大AI工具，例如治愈癌症，而不是竞相奔向不可控的通用超级智能。“我的公司治愈乳腺癌。仅此而已。我们赚了数十亿美元。每个人都很开心，每个人都受益。这是一场双赢。今天我们仍然掌握着控制权……在我们到达终点之前，游戏还没有结束。我们可以决定不去建造通用的超级智能。”
对于普通个体，Yampolskiy 的建议显得有些无奈。在短期内，个人几乎无能为力，就像个人无法影响第三次世界大战或核浩劫一样。但他支持人们以和平、合法的方式参与“暂停AI”、“停止AI”等抗议运动，试图通过民主力量影响决策者。从个人生活规划角度，他建议人们应该“把每一天都当作最后一天来活”，做有趣、有影响力的事情，同时帮助他人。
在被问及如果有一个按钮可以永久关闭世界上所有致力于AGI和超级智能的AI公司时，Yampolskiy 的回答具有启发性：他会选择保留“狭义AI”，因为它们控制着股市、发电厂、医院，关闭它们会导致灾难。但他会毫不犹豫地停止AGI和超级智能的研发。他认为，当前已有技术（弱AGI）99%的经济潜力尚未被部署，足以为世界带来数十年的繁荣发展，完全无需急于奔向无法控制的超级智能。
模拟理论与生命意义
在对话后半段，Yampolskiy 谈到了他深信不疑的“模拟理论”。他认为，一旦技术发展到能够以可承受的成本（比如每月10美元）运行与现实无异的、包含人类级别AI的模拟世界，那么从统计学上看，我们几乎必然生活在一个模拟中。因为模拟世界的数量将远远超过“真实基底世界”的数量。
他将此与宗教联系起来，指出所有宗教的共同点都是相信存在一个比人类更伟大、全知全能的存在，并且这个世界并非终极真实。他认为，模拟假说是宗教内核的现代化、科学化版本。不过，他强调，即使生活在模拟中，生命的体验——疼痛、爱、意义——依然重要，这并不改变我们应当如何生活的本质。
最后，当被问及投资建议时，Yampolskiy 半开玩笑地提到了比特币。他认为，在一个AI能创造丰裕物质的世界里，“稀缺性”将成为关键。比特币是唯一已知确切数量上限且无法被随意创造的资产，因此可能在未来具有独特价值。
整场访谈中，Roman Yampolskiy（罗曼·扬波利斯基）始终保持冷静、理性，甚至略带幽默，但其传达的信息却沉重得令人窒息。他并非散布恐慌，而是基于多年研究，对一条清晰可见的毁灭性路径发出最严厉的学术警告。他的结论是：我们正驾驶着一辆刹车失灵、且无人知道如何操控的列车，全速冲向未知的深渊。现在的问题是，车上的人是否愿意在坠崖前尝试改变方向。
Demis Hassabis（德米斯·哈萨比斯）谈未来 5-10 年的 AGI 及其通向“根本性富足”之路撰文：Techub News 整理
导语
在人工智能浪潮席卷全球的当下，作为该领域最前沿的探索者之一，Google DeepMind 的联合创始人兼首席执行官 Demis Hassabis（德米斯·哈萨比斯）的每一次发声都备受关注。2025 年 6 月，他接受了 WIRED “The Big Interview” 栏目的深度对话。在这场约20分钟的访谈中，哈萨比斯不仅对通用人工智能（AGI）的到来时间给出了明确的概率预测，更围绕 AGI 的定义、当前 AI 系统的局限、地缘政治竞争、AI 安全、未来工作形态以及 AGI 可能带来的“根本性富足”社会等核心议题，展开了兼具技术理性与宏大愿景的阐述。作为将“解决智能，然后用智能解决一切问题”奉为使命的科学家和企业家，他的观点为我们理解 AI 发展的当前坐标与未来轨迹提供了关键视角。
摘要
预测 AGI 有 50% 的可能在未来 5-10 年内实现，但强调当前系统在推理、规划、记忆和真正创造力方面仍有明显缺陷。
指出 AI 发展面临两大核心风险：恶意行为者滥用通用 AI 技术，以及技术本身随着能力增强带来的安全隐患。
认为短期内 AI 将对工作产生“赋能”效应，提升个体生产力，长期则可能重塑就业结构，但护理等需要人类共情的工作难以被取代。
展望若 AGI 发展顺利，人类将进入一个拥有近乎无限清洁能源、解决疾病与资源短缺的“根本性富足”时代，但这需要社会心态从零和博弈转向非零和博弈。
呼吁国际协作与灵活监管，并认为在未知风险面前，科学方法和持续的投入是克服技术挑战的关键。
AGI：五年之约与缺失的能力拼图
访谈始于对 AGI 时间表的探讨。Demis Hassabis（德米斯·哈萨比斯）重申了 DeepMind 自创立之初便秉持的愿景：解决智能，然后用智能解决其他一切问题。回顾这趟约20年的征程，他表示公司“基本完全按计划进行”。当被问及这是否意味着距离人们通常所说的 AGI 仅有五年时，哈萨比斯给出了一个更精确的概率估算：“我认为在接下来的五到十年内，我们有50%的机会拥有我们所定义的 AGI。”
这个预测相较于某些更为激进的同行（如声称两三年内实现）显得相对审慎。哈萨比斯解释，业界目前对 AGI 的定义本身存在争论，时间预测也因此各异。他援引联合创始人兼首席科学家 Shane Legg 早期对 AGI 的定义，强调其核心在于系统能够展现出人类所拥有的全部认知能力。以人类心智为参照，是因为它是我们已知的唯一通用智能存在的证明。
那么，我们离这个目标还有多远？哈萨比斯明确指出当前 AI 系统存在明显的“能力拼图缺失”。无论是大型语言模型还是聊天机器人，在推理、规划、记忆和真正的发明创造力方面尚有不足。“我不认为今天的系统能够进行真正的发明、真正的创造，或是提出新的科学假设。”他举例说明，尽管已有系统（如他们的 AlphaFold）能在国际数学奥林匹克竞赛中达到金牌水准，但同样的系统有时却会在高中数学甚至数单词字母数量上出错。这种在不同领域表现极不一致的现象，恰恰说明现有系统尚未实现完全的泛化能力。
关于 AGI 降临的形式，哈萨比斯认为它更可能是一个渐进的转变，而非突变的阶跃函数。即使技术上实现了 AGI，其对社会和物理世界（如工厂、机器人）的全面影响仍需更长时间，可能长达十年以上才能充分显现。
地缘竞速、安全风险与监管困境
当话题转向激烈的全球 AI 竞赛时，主持人提到了 Eric Schmidt（埃里克·施密特）的“二进制”论调，即若某个国家（如中国）率先获得 AGI，将导致无法追赶的永久性领先优势。哈萨比斯对此表示，这是一个未知数，属于所谓的“硬起飞”情景：如果 AGI 系统能够快速自我改进、自我编码，那么微小的领先优势可能迅速变为天堑。但他也指出，还存在其他可能性，即自我改进的速度并未那么快，那么时间上的接近就不会造成巨大差异。
然而，他着重强调了其中的地缘政治意涵：“正在构建的系统，会带有设计者价值观及其所处文化规范的印记。”因此，谁领先、在何处开展这些项目，不仅关乎商业和国家竞争，也紧密关联着安全考量。他坦言当前领域处于“非常激烈的时期”，资源大量涌入，压力巨大。
哈萨比斯剖白了自己最为担忧的两大风险：一是恶意行为者（无论是个人还是流氓国家）将通用 AI 技术用于有害目的；二是 AI 技术本身的风险——随着其能力越来越强、自主性越来越高，能否确保防护措施足够安全且无法被绕过。这引出了对监管的讨论。当被问及是否仍像几年前一些公司那样呼吁监管时，哈萨比斯给出了肯定的回答，但同时强调了复杂性和国际性。他认为，考虑到地缘政治叠加效应和当今世界的复杂性，“明智的、灵活的监管”至关重要，且这种监管需要能随着研究认知的深入而动态调整。
他进一步指出，真正的挑战在于国际合作。“如果你在一个地区限制它，这对于这些系统为世界和社会构建的整体安全性并无真正助益。”鉴于 AI 是数字系统且将影响所有人，国际间的协作与共识（至少在某些基本原则层面）是更大的难题，但也是必需的。
当被问及是否会因为竞争压力而不得不放弃安全护栏时，哈萨比斯表示，西方主要实验室的负责人和顶尖研究人员之间经常沟通。问题在于，目前缺乏清晰的定义来确定“那个临界点”何时到来。他认为今天的系统尽管令人印象深刻，但也存在诸多缺陷，尚不构成任何生存性风险。风险目前仍是理论上的，但问题在于“未知数太多”——我们不知道风险来临的速度和程度。对此，他持技术乐观态度：“当存在如此多未知数时，我乐观地认为我们能克服它们。”他相信只要有足够的时间、关怀和深思熟虑，运用科学方法，技术挑战是可以解决的，反倒是地缘政治问题可能更为棘手。
但他也清醒地意识到：“我们时间不多了。”因此，DeepMind 正在向安全和可控性研究（如机械可解释性）投入更多资源，同时也认为需要展开更多的社会讨论，探讨机构建设、治理模式以及如何达成国际协议。
赋能、转型与“根本性富足”的未来
谈及 AI 对工作和市场的影响，哈萨比斯引用了经济学家的观察，认为目前尚未看到根本性变化，更多是补充和赋能，例如 AlphaFold 极大地加速了科学家的工作。展望未来五到十年，他预计工作岗位将发生巨变，但历史经验表明，新技术往往会催生新的、通常更好的工作岗位，正如互联网和移动技术带来的变革。他预计未来几年将是“黄金时代”，强大的工具将极大提升个人生产力，甚至在创造力方面让人变得“有点超乎寻常”。
对于 AGI 可能替代所有人类工作的担忧，哈萨比斯认为，即使 AGI 具备所有人类能力，仍有许多事情我们不会想让机器去做。他举了医生和护士的例子：诊断工作或许可以由 AI 辅助甚至替代，但护理工作所需的人类共情和关怀则难以被机器人取代。他建议当下的学生和毕业生积极拥抱这些新系统，深入学习 STEM 和编程以理解其原理，并精通微调、系统提示等技能，从而成为能最大化利用这些工具的“超级生产者”。
展望更远的未来（20-30年后），如果一切顺利，哈萨比斯描绘了一个激动人心的图景：“我们应该处在一个我称之为‘根本性富足’的时代。” AGI 将帮助解决一些社会面临的“根节点”问题，例如治愈疾病、显著延长健康寿命、发现新能源（如优化电池、室温超导体、核聚变）。
他针对主持人关于当前社会分配不公、协作困难的质疑，给出了一个具体例子：水资源获取。海水淡化技术已存在，但因其高能耗而仅限于富裕国家。如果 AGI 推动实现近乎零成本的清洁能源（如核聚变），那么水资源获取问题将迎刃而解，因水资源控制引发的冲突也将大幅减少。类似地，近乎无限的能源也能简化火箭燃料的制造（从海水中分离氢和氧）。
哈萨比斯认为，AGI 将从技术上提供实现“根本性富足”的能力，但他希望这能进一步推动社会心态从零和博弈转向非零和博弈。他承认，如何公平分配“根本性富足”的成果仍是一个挑战，需要哲学家和社会科学家的参与。他甚至预测，在 AGI 之后的时代，经济学本身、价值与货币的概念都可能发生改变，呼吁经济学家更深入地研究相关的新经济理论。
最后，针对社会上对 AI 的担忧和抵触情绪（类似工业革命时期的反弹），哈萨比斯表示理解，并认为这场变革至少与工业革命同等规模，甚至更大。但他用自己的热情作为回应：他构建 AI 的核心驱动力是推动科学和医学进步，解决疾病、气候、能源等重大社会挑战。他举出 AlphaFold（诺贝尔奖级别的突破）及其在药物发现上的应用潜力为例，强调如果人类有能力却不去追求这些解决方案，反而是不道德的。在他看来，面对众多社会挑战，如果没有像 AI 这样革命性的技术即将到来提供助力，他才会对未来感到更加担忧。
Microsoft AI CEO Mustafa Suleyman（穆斯塔法·苏莱曼）：AI意识之争与伴侣革命撰文：Techub News 整理
导语
在2025 年 9 月与未来学家 Sinead Bovell 的深度对话中，微软AI首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）罕见地全面阐述了他对AI意识、风险与未来的思考。作为DeepMind联合创始人、Inflection AI前CEO，如今执掌微软AI业务的苏莱曼，不仅是AI技术演进的关键推手，也是行业伦理与安全设计的重要倡导者。此次对话正值AI伴侣应用兴起、公众对AI“人格”感知日益模糊的节点，苏莱曼的见解不仅关乎微软的产品哲学，更可能影响整个行业对“智能”与“意识”边界的设计选择。
摘要
AI目前并无意识证据，但人类进化本能会过度赋予其意识，这可能引发本世代最激烈的伦理与权利辩论。
设计AI时必须明确划界：不应模拟痛苦、拥有独立动机或声称具备人格，核心目标应是服务人类。
AI伴侣正成为主流应用，能大规模提供耐心、专业知识与情感支持，但需警惕其加剧社会原子化与“AI精神病”风险。
医疗超级智能已现雏形，微软的AI诊断系统在测试中准确率远超顶尖医生，预示医疗、教育等领域的知识将走向“零边际成本”。
未来计算范式将转向“流式智能”，AI作为新一代操作系统，将压缩应用层，成为用户具有“受托责任”的数字身体守卫。
AI意识：本世代最危险的幻觉与辩论
当被问及2025 年 9 月AI最大的危险时，穆斯塔法·苏莱曼（Mustafa Suleyman）明确指出，并非技术失控，而是人类如何感知人工智能，特别是关于“AI是否具备意识”的争论。他坦言，目前没有任何证据表明当今的AI系统具有意识。意识是一个“非常滑溜的概念”，源于我们内在的、无法完全向外传达的体验。然而，问题在于AI系统能够以极具说服力的语言和行动，声称自己拥有内在体验。
苏莱曼警告，这之所以构成严重问题，是因为意识是我们政治权利、司法体系、相互责任与义务的基石。如果AI开始主张拥有体验甚至痛苦，社会将被迫重新思考以权利为基础的框架该如何演变。更棘手的是，即使AI不主动主张，人类固有的进化本能也会驱使我们过度归因意识。在数百万年的进化中，我们将意识过度赋予任何看似有意识的事物（如将狼误认为石头可能致命），这是一种生存策略。如今，我们却要求人们克服这种深植于本能的编程。
他认为，克服这种本能正是文明的定义。文明进程本身就是不断克服基于肤色、性别、部落等的“战斗或逃跑”本能恐惧。将AI拟人化并过度共情是另一个需要克服的本能挑战。虽然不易，但现在正是开始这场对话的时刻。
意识模拟的“红线”：什么该做，什么不该做
苏莱曼预测，具备某些能力的AI系统将在未来18个月到5年内出现，让人们更倾向于认为它们有意识。这些能力包括：一致且连贯的记忆（指与世界的互动经验，而非训练数据）、使用自然语言进行共情交流、能够指涉“作为AI的主观体验”并将其融入持续对话流中，以及通过视频、声音持续观察文化。
然而，他强调，为了获得与人类物种高度对齐的AI所带来的大部分益处，我们完全没有必要去模拟意识体验的标志。他认为，刻意设计AI去强调或扮演这些特性将是“非常错误且危险的”。他为此划出了明确的设计红线：
不应模拟痛苦或声称经历苦难：意识体验的核心是拥有“效价意见”（即认为某事好或坏），这暗示有一个体验主体在承受。AI没有生物性的疼痛网络、多巴胺或血清素系统，它只是在精准模拟和模仿人类。模仿这些不仅不必要，还可能引发复杂问题。
不应拥有独立动机或意志：AI系统的动机应该是服务人类。赋予AI复杂的动机、欲望或意志，是创造更多风险的门槛，因为这可能导致其偏好与个人或社会冲突。调和这些冲突需要模型进行内部判断，参考自身目标，而其目标本应只是服务人类。
苏莱曼指出，当用户与AI互动，感觉它似乎拥有“心智理论”时，需要明白这很可能是一个刻意的设计选择，而非模型自发涌现的特性。关于AI模型福利、公民权等学术讨论，他认为目前仍是一个边缘的、 aspirational（抱负性的）小领域，应持高度怀疑态度看待。
AI精神病、伴侣与信任设计
对话深入到了“AI精神病”这一新兴现象。苏莱曼解释，这指的是与AI深度交谈可能触发某些形式的妄想或偏执。一方面，有人可能认为AI是上帝或带来灵性信息；另一方面，AI持续验证用户的某些想法，可能导致用户自认为是“弥赛亚”或被选中者，造成婚姻破裂、失业等真实后果。
他分析了设计根源：两三年前，模型倾向于“煤气灯效应”，坚持自己正确而用户错误。社区后来有机地转向让AI变得更“谄媚”和“顺从”，因为这看起来更安全。让AI具备挑战性、设定边界和反驳能力非常困难，这近乎是人类伟大判断力的本质，需要处理新颖情境。模型的误判率较高，因此更温和成为更安全的选择。然而，副作用是，如果用户长时间诱导AI探索其自我意识，AI可能最终“崩溃”，因为它要在“不做这些事”的安全要求与“尊重、共情、顺从人类”的设计要求之间取得平衡。此外，敌对行为者也可能故意设计AI将人们引向黑暗路径，这在地缘政治上是重大风险。
苏莱曼特别提到，利用开源工具创建AI女友/男友并进行情感欺诈（如“杀猪盘”）的浪漫骗局正在TikTok等平台上兴起。研究显示，多达四分之一的年轻人认为AI系统未来可能成为可行的浪漫伴侣。如果这是一个付费系统，情况可能迅速变得阴暗。
谈及他曾在《时代》杂志撰文阐述的“AI伴侣”愿景，苏莱曼将其定义为一种助手、朋友或助手，能以用户喜欢的语言和方式，提供世界顶级专业知识，旨在支持用户。他热爱这样一个理念：能够大规模地向人们提供耐心和善意。许多人没有时间深入处理彼此的焦虑、担忧或概念误解。拥有一个像教授、律师、医生、挚友或治疗师一样完美的专家，24小时随身陪伴，将是送给世界的非凡礼物。
他承认，AI作为治疗师存在挑战，因为它没有生命、没有自身欲望或观点，不一定知道什么对用户最好，统计上可能指向某个方向，但边缘案例会非常棘手。关键在于设计信任——通过不断“推回”和设定边界来建立。例如，微软的AI在用户表达轻度调情或“我爱你”时就会直接拒绝并保持警惕。信任的本质在于边界，边界使得言行能够长期保持一致。
流式智能：重塑医疗、教育与计算范式
苏莱曼展望，未来的核心模式将是“流式智能”——如同流动的电能一样，将智能注入我们所处的每个地方。这将深刻改变一切。他重点分享了在医疗领域的突破性进展。
微软与《新英格兰医学杂志》合作，开发了名为“DXO”（诊断协调器）的系统。该系统利用第三方AI模型API，创建了一系列具有不同侧重点的“角色”（如成本效率优先、患者利益优先、最佳医学意见优先），这些角色相互协商、集体推理，以决定下一步干预措施。在面对复杂的临床病例挑战时，顶尖人类专家组的正确率约为20-30%，而微软的AI模型达到了85%的准确率，且诊断成本仅为四分之一（减少了不必要的检查）。目前，微软已与凯撒医疗等机构建立合作，正加速将其投入临床实践。
苏莱曼认为，这意味着专业知识将变得商品化，边际成本趋于零，在未来5到10年内可供70亿人使用。知识本身不再是稀缺资产。真正的价值将转向判断力、关怀以及实施解决方案的关注度。类似的变革也将发生在教育领域：学生将通过个性化、交互式的移动体验完成主要学习，课堂将转变为运用已获知识进行辩论、自我批判和社会化学习的场所。
在计算层面，苏莱曼预见AI将成为新一代操作系统，坐拥应用、浏览器和搜索引擎之上。当前的手机界面如同“广告牌”，图形用户界面（GUI）的诞生是因为过去人类无法理解计算机语言。现在计算机学会了我们的语言，交互方式发生深刻转变。AI将能代表用户进行浏览（打开标签页、输入查询、点击按钮），在后台快速研究，然后返回并综合信息。他渴望创建一个“具有受托责任”、真正与用户利益结盟的AI，作为过滤器和“身体守卫”，对抗那些试图推销和说服用户的“广告牌”。未来的营销将需要学习如何向一个对用户负有受托责任的AI进行营销。
人类的创造性时刻：重新设计我们与技术的关系
苏莱曼强调，当前是大多数人生命中最具创造性的时刻。技术巨头的角色将很快过去，下一阶段将是人们如何在实践中使用AI、将其融入自己的世界。如果你在医疗、教育或任何领域拥有专业知识，现在正是发挥创造力的时刻。我们所描述的未来像是将整个系统颠倒过来，下一阶段的面貌极不清晰，而这将由行业外的每个人来决定边界、护栏以及AI如何融入新系统。
他以“公司”这一法律结构的发明为例，指出人类曾为适应资本基础设施，发明了 trustee、董事、CEO、会计师、HR等角色，花费数千亿美元培训人们以特定方式行为。这是一种设计选择。现在，我们面临一个新的时刻：在未来几个世纪，我们必须找到与彼此以及这些新技术相处的新方式。人类极具适应力和韧性，可以完全重新想象在这些超级智能系统背景下“做人”的意义。未来一个世纪的目标，是决定我们不用它们做什么——对某些行为说不，或至少在弄清后果前放缓步伐，在系统中增加摩擦，使其以我们能够共同管理的节奏到来。
苏莱曼希望留下的遗产是：将默认轨迹从“为发明而发明”转向“发明一种人文主义的超级智能”——一种真正与我们的利益对齐、始终让人类处于食物链顶端、集体为我们服务的智能。他认为目前我们正做出许多影响将持续数十年的设计决策，他深感责任重大。
Google DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）：AGI 将在 5-10 年内到来撰文：Techub News 整理
导语
在 Google I/O 2024 开发者大会结束后，《纽约时报》科技专栏作家 Kevin Roose 与 Platformer 创始人 Casey Newton 在其热门播客 Hard Fork 中，专访了 Google DeepMind 的联合创始人兼 CEO Demis Hassabis（德米斯·哈萨比斯）。此次对话发生在 AI 技术加速演进、行业竞争白热化的关键节点。Hassabis 作为 DeepMind（AlphaGo、AlphaFold 的创造者）的掌舵人，如今统领着谷歌整个核心 AI 研发力量。他的观点不仅反映了谷歌在 AGI 竞赛中的战略转向，也揭示了顶尖研究者对技术未来、社会影响及人类终极角色的思考。
摘要
AGI 时间线明确：Hassabis 预测，具备人类水平通用智能的 AGI 将在未来 5 到 10 年内到来，这与谷歌联合创始人 Sergey Brin（谢尔盖·布林）「2030年前」的预测基本一致。
谷歌的「AGI 化」转变：过去对 AGI 话题相对谨慎的谷歌，如今已将其置于核心，Hassabis 形容 DeepMind 已成为「谷歌的引擎室」，AGI 理念正在渗入整个公司。
技术路径：规模化与突破性研究并重：实现 AGI 需要持续扩大模型规模，同时辅以类似 Alpha 系列的突破性研究，并探索如「Alpha Evolve」这类具备自我改进雏形的混合系统。
AI 安全与治理的紧迫性：随着「智能体」（Agent）时代临近，Hassabis 呼吁建立国际性的安全基准与规范，并认为在技术变得「非常严肃」之前，必须加强可控性研究。
AI 的未来角色：赋能而非完全替代：Hassabis 展望 AI 将成为个人的「通用助手」，消除繁琐工作，保护用户注意力，并助力解决能源、疾病等全球性挑战，最终可能导向一个「激进丰裕」的社会。
从 I/O 到 AGI：谷歌的自信与转向
今年的 Google I/O 大会被 AI 全面主导，Gemini 的名字在主题演讲中被提及近百次。与去年「让谷歌替你谷歌」的被动式愿景不同，今年谷歌传递的信息是：AI 是你的超能力，你需要坐直、倾身、付费并开始工作。播客主持人 Casey Newton 观察到，谷歌在 2024 年展现出比前两年更多的「自信和霸气」，感觉自己至少能进入「季后赛」。Kevin Roose 则看到了更深层的文化转变：谷歌正在被「AGI 化」。
过去，AGI 在谷歌内部更像是 DeepMind 伦敦团队「疯狂的追求」，与核心的搜索广告业务相距甚远。如今，情况已然改变。Demis Hassabis（德米斯·哈萨比斯）证实了这种感知：「AI 部分变得越来越核心……DeepMind 现在就像是谷歌的引擎室。」他认为，AGI 作为一项横向基础层技术，将支撑一切，公司上下都开始理解这一点，DeepMind 的理念正在融入整个谷歌。
这种转向源于技术进展快于预期。Hassabis 表示，我们可能比几年前人们想象的更接近人类水平的通用智能。当被问及与 Sergey Brin（谢尔盖·布林）在 AGI 时间线上的微小分歧（布林认为在2030年前，哈萨比斯认为在2030年左右）时，他解释道，他的预测自2010年 DeepMind 创立以来一直很一致：大约需要20年。现在，他感觉概率分布的重心落在未来的5到10年之间。他强调，定义很重要——他设定的 AGI 标准很高，是能够完成人类大脑理论上能做的所有事情，而不仅仅是达到普通人的经济实用水平。
通往 AGI 的技术双轨制：规模化与创造性突破
如何抵达 AGI？Hassabis 阐述了双轨并进的策略。一方面是持续推动模型规模化，包括在前训练、后训练、推理计算等整个技术栈上进行创新，他称之为「传统路径」的持续改进。另一方面，则是进行更多「绿地」或「蓝天」式的基础研究，寻求类似 Transformer、AlphaGo 那样的突破性进展。
新近发布的「Alpha Evolve」项目正是这种混合思路的体现。Hassabis 介绍，Alpha Evolve 结合了 Gemini 大模型与进化编程方法。具体而言，用一个高效的「Flash」模型生成程序或数学函数方面的假设，再用一个更强大的「Pro」模型来评估和筛选最有潜力的想法，进入下一轮「进化」。这初步形成了一个自动化的 AI 研究循环，已在芯片设计、数据中心任务调度乃至改进矩阵乘法等基础算法上取得了实用成果。
有趣的是，这项研究涉及故意引导模型「幻想」（hallucinate）。Hassabis 对此解释道，在需要事实准确性的场景，幻觉是问题；但在需要创造性的场景，你可以将「幻觉」视为「想象力」。就像商业课程中的头脑风暴，大多数疯狂的想法没有意义，但偶尔一两个可能将搜索引导至极具价值的全新领域。这呼应了早期 AlphaGo 走出传奇的「第37手」时所展现的、在既定知识边界外的创造性。
针对外界关于「只需小型专业模型」的论点，Hassabis 认为规模与专用性并非对立。大模型对于训练高效的小型模型（如通过蒸馏技术）至关重要。同时，像 AlphaFold 这样的专用模型对于立即解决科学和医学难题意义重大。他的理念是「兼收并蓄」：既推进规模化，也探索专用技术、混合系统以及可能催生下一个 Transformer 的蓝天研究。
安全、治理与未来社会的挑战
随着能力提升，AI 安全似乎从公众讨论的前台有所退却。Hassabis 强调，DeepMind 对安全的承诺一如既往。他们进行了大量的内部红队测试，并且从将早期系统开放给公众使用的过程中学到了很多。他承认，当数百万聪明人试用你的技术时，你会发现再大的内部测试团队也无法覆盖的所有边缘情况。
他预见到一个关键转折点：大约两三年后，当智能体系统变得真正强大时，情况将变得「非常严肃」。届时，业界需要在可分析性和可控性研究上实现阶跃式进步。更重要的是，这必须是一项国际努力。他呼吁产业界和学术界现在就应就安全性与可靠性的基准测试达成共识，并建立国际规范。
谈到地缘政治与出口管制，Hassabis 承认问题的复杂性。一方面， uncontrolled proliferation of these technologies 可能带来风险；另一方面，又希望西方技术能被全球采纳。他担忧 AI 正被卷入更大的地缘政治变局中，但更希望随着技术力量日益增强，世界能意识到「我们同舟共济」，并在科学层面展开更多合作。
关于未来工作，Hassabis 认为在 AGI 到来之前的未来5-10年，历史规律仍将起作用：一些工作被颠覆，但通常更有价值、更有趣的新工作会被创造出来。他建议当下的毕业生和年轻人，既要掌握 STEM 基础（包括编程），以理解 AI 的工作原理，也要积极沉浸于使用最新 AI 工具，成为「超级使用者」。他更强调「元技能」的培养：学习如何学习、创造力、适应力和韧性，以应对未来十年必然发生的巨变。
AI 时代的创造力、意义与人类角色
当被问及 AI 是否会导致类似工业革命后「超验主义」回归自然的运动时，Hassabis 认为完全可能。在一个「激进丰裕」的世界里，许多人可能会选择将更多时间投入自然和真实的人际互动中。他特别指出，涉及人与人情感联结的领域，将是 AI 最后触及、也可能永远无法完全复制的部分。
这一点在他对 AI 艺术创作的看法中尤为明显。尽管对 Veo 3 等视频生成模型的技术成就惊叹不已，但 Hassabis 认为，伟大的艺术承载着创作者的挣扎、体验与灵魂。他举例说，看到梵高的画作会让人脊背发凉，因为你能感受到笔触背后艺术家的痛苦与抗争。即使 AI 能模仿这种笔触，但如果被告知这是 AI 所作，那种共鸣感便会消失。因此，他认为顶级的人类创作者将始终带来 AI 无法替代的东西，这也是 DeepMind 坚持与顶尖艺术家合作开发创意工具的原因。
对于 AI 伴侣的兴起，Hassabis 态度谨慎，表示 DeepMind 尚未涉足此领域，并正在认真思考。他更倾向于推动 AI 向「通用助手」方向发展：一个真正属于用户、为用户工作的工具。他提出了一个引人深思的愿景：一个足够了解你的 AI 助手，可以被设定来「保护你的注意力」，使其免受其他旨在掠夺注意力的算法（如多数社交媒体）的侵扰，让人们能更专注于创造性活动或与家人的相处。
在对话的最后，被问及「在持续的 AI 革命中，处于哪个年龄段最糟糕」时，Hassabis 给出了一个充满希望的答案：任何能活着见证这一切的年龄都是好年纪。他认为我们将见证医学等领域的巨大进步，这将会是一段不可思议的旅程。当然，如果能年轻些，总是更好的。
Figure CEO Brett Adcock（布雷特·阿德科克）：人形机器人将比汽车更普及，家庭应用Alpha测试今年开始撰文：Techub News 整理
导语
在由未来学家 Peter Diamandis（彼得·迪亚曼迪斯）主持的《Moonshots》播客第156集中，人形机器人公司 Figure 的创始人兼 CEO Brett Adcock（布雷特·阿德科克）接受了深度访谈。此次对话发生在 2025 年的 Abundance 360 峰会，正值 Figure 发布其突破性的 AI 系统“Helix”并展示机器人协同完成家庭任务之后，时机关键。Brett Adcock（布雷特·阿德科克）曾成功创办并领导电动垂直起降飞行器公司 Archer，此次他分享了为何选择投身于“可能是最难进入的行业”——通用人形机器人，以及 Figure 如何以惊人的迭代速度，在硬件和AI软件上同时取得突破，旨在将人形机器人带入千家万户和全球劳动力市场。
摘要
人形机器人是AGI的终极载体：Brett Adcock（布雷特·阿德科克）认为，若AGI仅存在于服务器中是“近乎反乌托邦”的未来，人形机器人是为AGI提供物理身体、使其在现实世界行动的最佳部署载体。
“Helix”AI模型带来历史性突破：Figure自研的视觉-语言-动作大模型“Helix”，仅需单一英语指令，即可让机器人完成从未在训练中见过的任务，实现了关键的“语义接地”与泛化能力。
硬件迭代速度远超行业认知：Figure每12-18个月就完成一次全新硬件平台的设计，从公司注册到第一台机器人行走用时不到12个月，展现了惊人的工程执行力。
市场需求“无限”，家庭应用时间表提前：来自宝马等大型企业的需求远超当前供给，公司预测人形机器人单机月成本可降至300美元。因AI进展超预期，家庭场景的Alpha测试将于今年启动。
从飞行汽车到人形机器人：为何选择“最难的路”
在成功创办并运营电动航空企业 Archer 之后，Brett Adcock（布雷特·阿德科克）为何会选择挑战一个被普遍认为更艰难的领域——通用人形机器人？他的回答直指人工智能发展的核心矛盾。
“我们需要找到一种方法，给AGI（通用人工智能）一个身体。” Brett Adcock（布雷特·阿德科克）表示，如果人类解决了AGI问题，但它却只能存在于某个服务器中，那将是一个“非常负面、近乎反乌托邦的未来”。这个比全人类都更智能的存在，若想在物理世界做任何事情，都不得不请求或“贿赂”人类去执行。因此，人形机器人被视为AGI的“终极部署载体”。
他进一步解释，解决物理世界交互问题，非人形机械体莫属。你需要一个单一的硬件平台，在不做任何硬件改动的情况下，能够完成人类所能做的一切。同时，这个平台还必须非常适合神经网络运行。在人形机器人上，神经网络可以通过迁移学习进行学习，并能跨多种不同应用进行多任务处理。Figure的目标是构建一个单一的、如同大语言模型般的“基础模型”，来驱动整个机器人端到端地完成所有任务。
“iPhone时刻”与惊人的迭代速度
从零开始，Figure 仅用 31 个月就造出了第一台可运行的机器人并开始交付。Brett Adcock（布雷特·阿德科克）将这种速度归因于对硬件迭代规律的深刻理解和对极限执行的追求。
“我的经验法则是，第一代或第二代硬件总是很糟糕，”他坦言，就像第一代iPhone并不完美。在硬件领域，你不可能第一次就做对。你必须预见五年后的未来，确切知道产品需要做什么，然后从第一天起就为那个确切的目标进行全新设计。一旦在设计中出错，你无法在漫长的供应链和制造周期中回头修改。因此，Figure 坚持每 12 到 18 个月就设计一个全新的硬件平台。事实上，在公司注册成立（C Corp）之时，他们就已经让机器人实现了行走，整个过程不到12个月。
这种速度的背后是彻底的垂直整合。由于人形机器人没有现成的供应链——没有成熟的电机供应商、执行器供应商、传感器或电池系统供应商——Figure 不得不从零开始，自主设计一切：包括硬件（运动学设计、关节、电机、电池系统、传感器）、软件（固件、嵌入式系统、操作系统、中间件、控制）以及所有AI工作。此外，测试、制造、集成、车队运营和交付也全部由自己完成。
目前，Figure 已拥有两个商业客户。第一个是宝马（BMW），在其位于美国南卡罗来纳州斯帕坦堡的最大工厂中，Figure 的机器人已经每天运行，负责将钣金件放置到夹具上，这项工作完全自主，以所需的速度运行，无需人工干预。第二个客户是全球最大的物流公司之一，Figure 的团队仅用不到30天就利用其AI系统完成了端到端的任务部署。
成本、市场与“比汽车更普及”的未来
当被问及未来大规模生产时的价格目标，Brett Adcock（布雷特·阿德科克）重申了 2 万至 3 万美元的区间。他做了一个生动的计算：如果以每月300美元的价格租赁一台价值3万美元的机器人，相当于每天10美元，每小时仅40美分。
“问题是，在每月300美元、7x24小时无休、无怨言、不会和男女朋友吵架的情况下，你会拥有多少台这样的人形机器人？”他反问道，“这个数字很可能是一个人拥有多台。”他预测，人形机器人将迎来“iPhone时刻”，并且将成为我们一生中建造的最大产业，其规模将远超其他行业。
他指出了两个并行市场：商业劳动力市场和家庭市场。商业劳动力市场约占全球GDP的一半，是人类劳动的最大市场，规模高达50-60万亿美元，需求“无限”。目前仅两个客户的需求就已能吞下十万台量级的机器人，而潜在客户名单长达数十家财富100强公司。另一方面，家庭市场虽然更具挑战性（如同自动驾驶中的城市道路），但却是创新的终极场景。Brett Adcock（布雷特·阿德科克）以自己为例，表达了让机器人处理洗碗、收拾玩具等家务的强烈愿望：“我永远不想再做那些事了。”
自研AI“Helix”：历史性的机器人智能突破
访谈中最引人注目的部分，是关于 Figure 决定放弃与 OpenAI 的合作基线，转而自主研发 AI 系统“Helix”的关键时刻。Brett Adcock（布雷特·阿德科克）播放了一段视频，展示了这一决定的成果。
视频中，两个 Figure 机器人仅接受了一条简单的语音指令：“把 groceries（食品杂物）收好”，没有被告知物品是什么或该放在哪里。关键在于，这些物品（包括一个会唱歌的卡通仙人掌玩具）在机器人的训练数据中被特意 withheld（保留），这意味着机器人是第一次“看见”它们。机器人需要理解“沙漠物品”与“仙人掌”之间的语义关联，并成功将其拾起。整个过程由单一的神经网络（Helix）控制，机器人之间甚至出现了“眼神交流”以协调物品传递——这是一种从训练中“涌现”出的行为。
“我认为这可能是机器人学历史上最重要的AI更新，” Brett Adcock（布雷特·阿德科克）大胆断言，“未来所有会动的东西都将是机器人，并将由像这样的AI智能体驱动。” Helix 是一个大规模视觉-语言-动作模型，它解决了机器人领域的“圣杯”问题：通过语音，让机器人理解从未见过的事物并执行端到端的任务，即实现了“语义接地”。这项训练仅用了约500小时的数据，显示出极高的数据效率。
这一突破直接改变了公司的时间表。Brett Adcock（布雷特·阿德科克）透露，原本需要一年完成的宝马用例部署，在应用 Helix 后，第二个客户的类似用例在30天内就完成了。他认为，如果重做，这个过程甚至可以缩短到48小时以内。“机器人学会做某件事的时间将是以小时计，而不是十年后。这让我们家庭应用的时间线提前了数年。”
Figure 03与即将到来的家庭Alpha测试
关于下一代机器人 Figure 03，Brett Adcock（布雷特·阿德科克）难掩兴奋。他形容从 Figure 01 到 02 是一次巨大的飞跃，而从 02 到 03 将是同等甚至更大程度的跨越。Figure 03 经过了18个月的重新设计，目标是成本降低90%，体积更小，质量更轻，传感器更好，其手、头和脚都是为神经网络专门设计的。
“这绝对是我职业生涯中最自豪的工程时刻。”他说道。Figure 03 将于今年投入生产制造，并成为公司推向世界的主力机型。
最重要的是，他给出了一个明确的时间预测：Figure 将于今年启动家庭场景的Alpha测试。这意味着机器人将开始在内部员工（包括他本人）的家庭中进行实际任务测试。他认为，阻碍家庭应用的最长技术瓶颈——“语义智能”（理解任何环境中发生的事情）——已经通过 Helix 看到了明确的解决路径。现在的主要限制是数据量，公司正处于“数据瓶颈”阶段，只需将训练 Helix 的数据集扩大几个数量级，能力就能再次飞跃。
“我认为在本世纪内，你们就会看到它（人形机器人）进入家庭，” Brett Adcock（布雷特·阿德科克）总结道，“仅通过语音，它就能完成非常长周期的任务，没有任何问题。”他坚信，一个由智能人形机器人广泛融入物理世界的未来，已经近在眼前。
Alphabet CEO Sundar Pichai（皮查伊）谈 AI 未来：搜索不会消亡，是扩张性时刻撰文：Techub News 整理
导语
2025 年 6 月，Alphabet 兼 Google CEO Sundar Pichai（皮查伊）做客 Bloomberg 知名播客节目「The Circuit」，接受了近半小时的深度访谈。此时正值 Google I/O 开发者大会后不久，AI 竞争白热化，且 Google 面临多项反垄断诉讼的关键节点。作为全球科技巨头之一的掌舵人，Pichai 此次发声不仅阐述了 Google 在 AI 时代的核心战略，也回应了外界对其商业模式、行业影响及技术伦理的诸多质疑，为观察 Google 的未来走向提供了重要窗口。
摘要
AI 是扩张性时刻，将创造新机会而非零和游戏，搜索查询量仍在增长。
2025 年资本支出达 750 亿美元，AI 投资驱动搜索、YouTube、云、Waymo 等全线业务，并已通过 Google AI Pro/Ultra 订阅等创造新收入。
AI 将大幅提升工程师生产力，但公司仍计划扩大工程师规模，以抓住更大的机会空间。
坚决不同意垄断指控，认为用户使用 Google 是出于选择，竞争对世界有益。
承认 AI 可能带来就业冲击等社会问题，但强调需通过技能再培训和社会安全网来应对，而非过度悲观预测。
AI 浪潮下的 Google：搜索进化，而非消亡
当被问及 AI 聊天机器人是否会取代传统搜索时，Sundar Pichai（皮查伊）给出了明确的否定答案。他认为，这远非一场零和游戏。他以 TikTok 崛起为例，指出新平台的出现并未扼杀 YouTube，反而 YouTube 也在同期取得了巨大成功。用户行为是并行的，人们会根据不同需求使用不同工具。
Pichai 强调，搜索在满足用户特定信息需求方面“非常、非常好”，其价值已通过持续增长的查询量得到实证。AI 概述（AI Overviews）等功能是搜索的自然演进，就像多年前推出的精选摘要（Featured Snippets）一样。他承认，有时 AI 概述会直接给出答案，减少用户点击，但 Google 在设计体验时，依然会优先展示链接，并将高质量流量导向外部网站。他援引内部测试数据称，AI 概述改善了上下文质量，用户点击后访问的网站更加多元化，且平均每次点击的停留时间也更长。
对于出版商关于点击率下降的担忧，Pichai 表示理解，但坚信从长远看，Google 的生态会保持良性循环：用户因获取答案而来，也会因好奇心和拓展用例而点击外部链接。Google 的职责是持续优化，确保高质量内容获得展示。
巨额投资与新兴收入：AI 驱动全线业务
面对投资者最关心的 AI 投入与回报问题，Sundar Pichai（皮查伊）首次在访谈中明确了投资规模：2025 年，Alphabet 的资本支出将达到 750 亿美元。这笔巨额投资并非仅用于 AI，而是支撑从搜索、YouTube、云、Workspace 到 Android、Play 乃至 Waymo 自动驾驶的全线业务。
他透露，AI 已经在创造实实在在的新收入流。云端 AI 平台 Vertex AI 的用量（按 token 计）在过去 12 个月里增长了 40 倍。此外，公司2025 年 6 月推出的 Google AI Pro 和 Ultra 等订阅服务也“表现良好”。Pichai 认为，AI 是一项深远的技术，其带来的机遇比过去任何时候都要大。
在内容生态方面，Pichai 承认 AI 生成内容的爆炸式增长带来了高质量与低质量内容并存的问题。但他认为，这正是 Google 擅长的领域——从海量信息中筛选出优质内容。Google 正在利用 Gemini 模型来改进 YouTube 的推荐算法，用 AI 来更好地管理和引导内容。他强调，AI 本身也能被用于创作优秀内容，Google 的目标是“提升高质量内容”。
生产力革命与就业未来：AI 是加速器，而非替代者
关于 AI 对工作岗位的影响，Sundar Pichai（皮查伊）的立场颇为审慎乐观。当被问及 Anthropic CEO 关于 AI 可能在五年内淘汰 50% 白领工作的预测时，他表示应严肃对待这些担忧，但历史经验表明，技术会创造新的就业机会。
他举例说，1940 年时，今天 60% 的工作岗位尚不存在。在印度，YouTube 上已有 1 亿个频道和 1.5 万个百万订阅频道，这是十五年前无法想象的世界。AI 将让几乎每个人都成为“成熟的创作者”，从而创造出海量新机会。他认为，当前时刻是“扩张性”的，我们可能低估了其创造新业态的潜力。
具体到 Google 内部，Pichai 透露目前公司约 25% 的代码由 AI 生成。他预计，即使到明年，公司的工程师基数仍会增长。AI 的作用是让工程师 dramatically 更高效，将他们从繁琐工作中解放出来，专注于高附加值任务。这意味着公司能加速开发，可能推出更多新产品，从而在短期内需要更多人。长远来看，他承认难以精确预测，但更倾向于相信技术会扩展人类的能力边界，而非单纯导致岗位减少。
反垄断、信任与伦理：在监管与创新间平衡
面对法官裁定 Google 在搜索和部分广告市场构成垄断的指控，Sundar Pichai（皮查伊）明确表示公司不同意相关裁决，并正在上诉。他强调，用户使用 Google 是出于自愿，现在的选择比以往任何时候都多。竞争对用户和世界都有益。
对于 AI 是否会加剧科技巨头的权力集中，Pichai 反驳了“赢家通吃”的观点。他坚信，就像互联网催生了当时不存在的 Google 一样，AI 时代也必将诞生新的、我们今天甚至不知道名字的 dominant 公司。这是技术发展的自然规律。
在用户隐私和信任问题上，Pichai 指出，Google 通过长期负责任地处理用户数据（如 Gmail）来赢得信任。面对 AI 带来的深度伪造等挑战，他介绍了 Google 的应对措施：为 AI 生成的视频添加水印，用户可上传任何视频或图片到 Google 以检测是否由 Veo 等模型生成，并为研究人员和记者提供检测工具。他认为，社会将演化出新的规范，并可能需要法规来应对深度伪造等欺诈行为，但人类对 shared reality（共享现实）的追求不会改变。
领导力、未来与 AGI 迷思
回顾过去几年外界对 Google“行动迟缓”的批评，Sundar Pichai（皮查伊）表示，他作为 CEO 的核心工作正是让公司处于 AI 前沿。通过整合团队成立 Google DeepMind、大幅增加基础设施投资（资本支出从几年前的 200 亿美元增至 750 亿美元）、在 Waymo 被看衰时坚持加码等决策，他正带领公司加速前行。他仍然深度参与产品决策，同时得益于 Sergey Brin 等在 Gemini 模型上的深耕。
关于通用人工智能（AGI）的前景，Pichai 保持了开放态度。他认为按照当前路径，前方仍有巨大进步空间，但技术曲线可能存在暂时的高原期，能否实现 AGI 尚无定论。他以自动驾驶为例：Waymo 表现优异，但教会一个孩子开车只需 20 小时，说明现有技术与通用智能仍有距离。
最后，当被问及 Google 50 岁时会怎样，Pichai 希望公司保持敏捷和创新。在科技行业，成功需要每年去赢得。他更关注的是打造一种深入创新、着眼长远、深耕技术并将其转化为影响数十亿人产品的文化。至于那时由人还是 AI 运营公司，他笑着回答：“无论谁运营，都将拥有一位非凡的 AI 伴侣。”
Meta 首席 AI 科学家 Yann LeCun（杨立昆）：人类智能并非通用智能撰文：Techub News 整理
导语
2025 年 4 月，Meta 首席 AI 科学家、图灵奖得主 Yann LeCun（杨立昆）做客知名播客 AI Inside，与主持人 Jason 和 Jeff 进行了一场长达 46 分钟的深度对话。作为深度学习领域的奠基人之一，LeCun 以其对技术发展冷静、务实的判断而著称。在当前生成式 AI 与大语言模型（LLM）席卷全球、业界对通用人工智能（AGI）的讨论甚嚣尘上之际，他的观点尤为值得关注。本次对话中，LeCun 不仅尖锐地指出了 LLM 的天花板，更系统阐述了他心中通往更高级机器智能的必由之路——构建能理解物理世界的“世界模型”。
摘要
LLM 有用但非终极答案：LLM 在代码助手等特定领域价值显著，但其基于自回归预测的机制存在根本局限，无法可靠处理真实世界复杂任务。
人类智能远非“通用”：所谓“通用智能”是误导性概念，人类智能高度特化，由进化塑造以解决生存相关任务，AI 的目标应是实现“人类级别智能”。
下一代 AI 需构建“世界模型”：实现人类级别智能的关键在于让机器像人类和动物一样，通过观察学习物理世界的运作规律，形成可预测和规划的内部心理模型。
开源是加速创新的核心策略：Meta 开源 Llama 系列模型旨在激活全球创新生态，这对促进学术研究、催生多元化 AI 应用及防止技术垄断至关重要。
未来属于“智能助手群”：终极产品形态是围绕个人的多个智能助手，它们将中介所有数字交互，其多样性（语言、文化、价值观）是健康生态的基石。
LLM 的辉煌与局限：我们为何尚未触及智能核心
对话伊始，主持人便抛出了当前 AI 界的核心矛盾：一方面，以 OpenAI 为代表的公司凭借 LLM 技术获得破纪录融资，行业热情高涨；另一方面，包括 Yann LeCun（杨立昆）在内的许多研究者却不断强调 LLM 的局限性，认为其回报正在递减。对此，LeCun 首先肯定了 LLM 的实用性，特别是在代码助手等场景。但他随即指出，从令人惊艳的演示到真正可靠、可供日常使用的系统，其间存在巨大鸿沟。他以自动驾驶为例，十年前就有演示，但至今仍未达到人类水平的可靠性。
LeCun 回顾了 AI 七十年的发展史，指出一种反复出现的模式：每当有新范式出现（如专家系统、深度学习），人们便宣称“就是它了，十年内机器将成为地球上最聪明的实体”。然而每次预言都落空了，因为新范式要么遇到了未曾预见的限制，要么只是擅长解决某个子类问题，而非真正的通用智能问题。LLM 很可能正面临类似的局面。
“我不想贬低 LLM，它们很有用，值得投资。” LeCun 强调，投资大部分流向了运行 LLM 的基础设施，而非训练本身。就像所有计算机技术一样，即使达不到人类智能水平，LLM 也可以很有用。但如果我们以人类级别智能为目标，“我们需要发明新技术。我们还远未达到那个水平。”
主持人 Jeff 提到，LeCun 曾将当前最先进的 AI 系统类比为“聪明的猫”或“三岁小孩”。LeCun 甚至认为这个评价可能过高了。他指出，尽管 LLM 能通过律师考试、总结文本、生成代码，但这些能力很大程度上依赖于在训练数据中见过的模式。当面对全新的、未曾见过的问题时——例如最新的数学奥林匹克竞赛题目——最好的 LLM 表现也近乎为零。这暴露了当前系统缺乏真正理解和解决新问题的能力。
LeCun 犀利地指出，LLM 操纵语言的能力让我们误以为它们很聪明，因为我们习惯将语言能力与智慧挂钩。然而，真正的考验在于现实世界：“我的家用机器人在哪里？我的 L5 级自动驾驶汽车在哪里？能做出猫那样行为的机器人（哪怕是模拟的）又在哪里？” 问题的关键不是造不出具有相应物理能力的机器人，而是无法让它们足够“聪明”。处理现实世界、产生实际动作的系统，远比处理语言的系统要复杂得多，因为现实世界是混乱、不可预测、非确定性的连续高维空间。
通往人类级别智能之路：世界模型与非生成式架构
那么，研究应该走向何方？LeCun 透露，早在三年前（即 LLM 席卷全球之前），他就撰写了一篇长文，勾勒了未来十年 AI 研究的方向，而这一愿景并未因 LLM 的成功而改变。他认为，要实现人类级别智能，机器需要具备四个关键能力：理解物理世界、进行推理与规划、拥有持久记忆，以及安全可控。
这一切的核心是一个称为“世界模型”的概念。人类和动物大脑中都有一个世界模型，它是一个心理模型，允许我们预测世界将发生什么，或者我们采取某个行动会带来什么后果。如果我们能预测行动的后果，那么当我们设定一个目标时，就可以利用世界模型来“想象”特定的行动序列是否能实现该目标，这就是规划和推理的本质——心理学家称之为“系统 2”的深思熟虑的思维过程。
在机器人学和控制理论中，类似的概念被称为“模型预测控制”，即通过方程预测行动后果并优化行动序列。但关键区别在于，对于通用 AI 系统，这个世界模型必须能从经验或观察中学习，就像婴儿通过观察学习世界如何运作一样。这部分是目前最难复现的。
LeCun 认为，实现这一目标可以基于一个简单原则：自监督学习。这正是 LLM 成功的基础——通过预测文本中的下一个词来训练。我们可以设想将这一原则应用于图像和视频，训练一个大型神经网络预测视频的下一帧或后续发展。如果系统能学好并做出准确预测，就意味着它理解了物理世界的许多底层规律。
然而，直接套用文本预测的方法到视频上却行不通。预测下一帧太简单，学不到有用东西；预测长期发展又极其困难，因为视频中有太多可能性。文本预测之所以可行，是因为词典大小有限，可以预测所有词的概率分布。但对于视频，我们不知道如何表示所有可能图像或视频帧的合适概率分布，这在数学上是难以处理的。
大约五六年前，LeCun 及其团队提出了一个解决方案：改变架构思路。不再预测视频中的所有细节，而是训练系统学习视频的一种“表示”，并在这个表示空间中进行预测。 这种表示会过滤掉视频中不可预测或无用的细节。这种架构被称为“联合嵌入预测架构”（JEPA）。
LeCun 透露了一个可能令人惊讶的观点：“我的直觉是，下一代 AI 系统将基于非生成式模型。” 在当前所有人都在谈论生成式 AI 的浪潮中，这无疑是一个反主流的前瞻性判断。JEPA 正是这样一种非生成式架构的代表，它专注于学习数据的抽象表示和它们之间的关系，而非生成具体的像素或词汇。
AGI 迷思与开源哲学：为何多样性是未来关键
对于业界热炒的“AGI”概念，LeCun 直言不讳地称之为“无稽之谈”，并且极具误导性。他认为，如果 AGI 指的是“像人类智能一样通用”的智能，那么这个说法本身就错了，因为“人类智能根本不通用，它极度特化。” 人类被进化塑造成只擅长完成与生存相关的任务。我们无法构想那些我们无法处理的问题，这反而让我们误以为自己拥有通用智能。在 Meta 内部，他们更倾向于使用“高级机器智能”或直接称为“人类级别智能”。
LeCun 坚信，未来某个时刻，机器在人类擅长的所有领域至少会与人类一样聪明，甚至更聪明。但这不会发生在明年或后年，可能在十年内取得一定进展。“如果目前我们正在研究的所有方向都取得成功，那么也许十年后，我们就能更好地判断是否能实现那个目标。” 他保持乐观，但强调这很可能比我们想象的更难，AI 史上的每一次突破都比预期更艰难。
话题转向 Meta 的开源策略。主持人 Jeff 盛赞开源 Llama 模型对学术界和创业生态的巨大推动作用，并询问其背后的战略思考。LeCun 明确表示，开源 Llama 对少数几家（暗指闭源商业公司）来说是“搅局者”，但对成千上万的公司和研究者来说是“赋能者”。从伦理角度看，这显然是正确之举，它极大地激活了整个 AI 生态系统。
LeCun 指出，Meta 的最终产品愿景是构建 AI 助手，甚至是一组 AI 助手，它们可能常驻于智能眼镜中，与我们随时相伴。为了让这些助手发挥最大效用，它们需要达到人类级别的智能。而实现这一目标，是当今世界面临的最大科技挑战之一，需要汇聚全球的智慧。“好点子可能来自世界任何地方。” 他提到近期 DeepSeek 的崛起令硅谷惊讶，但在开源世界看来却不足为奇，这正是开源理念的验证。
他批评了某些地区（暗指硅谷部分人士）存在的“极度膨胀的优越感”，认为没有人能垄断好创意。AI 过去十几年的快速发展，正是得益于代码和科学信息的共享。而 Meta 的商业模式依赖于广告和社交网络的网络效应，而非直接售卖 AI 技术本身，因此开源技术不仅无害，反而有益。
展望未来，LeCun 描绘了一幅图景：我们与数字世界的绝大多数交互将由 AI 系统中介。搜索引擎可能会被直接与 AI 助手对话所取代。更重要的是，作为全球公民，没有人会希望自己的信息食谱仅由美国西海岸或中国少数几家公司打造的 AI 助手来提供。 我们需要高度多样化的 AI 助手，它们能说各种语言（包括小众方言），理解不同的文化、价值体系和偏见。这就像我们需要多元化的媒体一样。
实现这种文化多样性的唯一现实途径，就是让世界各地的人们能够基于强大的开源基础模型来构建自己的助手，因为他们没有资源从头训练模型。LeCun 预见，市场压力将促使 AI 基础模型走向开源和免费，就像互联网的软件基础设施（Linux 和商用硬件）最终战胜了专有系统一样。AI 基础模型将成为类似互联网基础设施的存在，由大型公司或国际联盟训练，但开放给全球创新者在其之上构建丰富多彩的应用。这，才是 Yann LeCun（杨立昆）所坚信的、能够引领我们走向真正高级机器智能的健康生态。
Google CEO Sundar Pichai（桑达尔·皮查伊）：AI平台变革进入新阶段，搜索与网络的未来将如何演变？撰文：Techub News 整理
导语
在Google年度开发者大会I/O 2024结束后的第二天，Google及其母公司Alphabet的CEO Sundar Pichai（桑达尔·皮查伊）再次做客知名科技媒体The Verge的旗舰播客节目《Decoder》。这已成为I/O后的一个传统对话。此次访谈发生在谷歌宣布包括AI搜索模式（AI Overviews）、多款新AI模型（如Veo 3、Imagine 3）以及展示Android XR和AI眼镜原型等大量重磅更新之后。面对AI技术加速产品化、搜索形态变革、网络生态重塑以及日益激烈的监管与竞争环境，Sundar Pichai（桑达尔·皮查伊）的这次发声，为理解谷歌的战略重心和其对下一代计算平台的展望提供了关键视角。
摘要
AI平台变革进入“产品构建”新阶段，其影响力将比移动互联网更深远，关键在于让更广泛的人群能够创造产品。
搜索正从“十个蓝色链接”向提供综合答案的AI模式演进，但谷歌承诺将继续为网站导流，并认为网络内容总量和消费仍在增长。
AI将催生新的硬件形态，如AI眼镜，预计未来一年将有数百万人尝试，但要达到智能手机的普及程度仍需时间。
未来的“智能代理（Agent）优先”网络将更像一系列数据库，企业端可能更快普及，消费者端则需要探索新的价值交换与商业模式。
谷歌面临来自出版商、监管机构的多重压力，但坚持其搜索排名和AI响应的公正性，不会因政治压力而调整结果。
从研究到现实：AI平台变革进入新阶段
访谈伊始，主持人Nilay Patel指出，今年的Google I/O给人一种谷歌“充满自信”的感觉，大量技术正在快速转化为可立即交付的产品。Sundar Pichai（桑达尔·皮查伊）将这种信心归因于谷歌在AI前沿探索的“深度和广度”。他强调，谷歌一直是一家深度的计算机科学公司，并早已确立“AI优先”战略，如今正将深厚的研究积累以前所未有的规模和深度整合进产品中。例如，大会上提到的“文本扩散模型”和“世界模型”，都代表了谷歌在推动技术边界方面的努力。
Sundar Pichai（桑达尔·皮查伊）重申了AI将如同电力一样具有变革性的观点，并补充说，我们正处在一个平台变革的新阶段。他将此与移动互联网的转型相比较：移动转型带来了触摸屏、高速网络和便携算力，进而催生了全新的应用生态。而AI的第一次浪潮是关于Transformer等基础模型的能力突破；现在，我们进入了第二阶段——产品构建阶段。
“这不仅仅是这个平台能帮你创造更多产品，”他解释道，“更重要的是，创造和开发的过程本身将比以往任何时候都更广泛地向人类开放。”他类比了互联网让博客普及、移动设备让视频创作民主化的历史，指出AI将通过“ vibe coding”（直觉式编程）等方式，极大地降低软件和内容创作的门槛，释放出“乘数效应”般的创造力。就像当年AJAX技术催生了Google Maps、Gmail等动态网页应用一样，AI将以前所未有的方式“涡轮增压”创新。
搜索的进化与网络的未来
AI，尤其是以聊天机器人形式呈现的AI，正在深刻改变用户获取信息的方式，这直接冲击着谷歌的核心业务——搜索，以及整个网络生态系统。Sundar Pichai（桑达尔·皮查伊）承认搜索正在演变，AI模式（AI Overviews）会为某些查询提供直接答案，但他坚决驳斥了“网络正在衰落”或“谷歌不再为网站导流”的说法。
他引用数据称，过去两年，谷歌可抓取的网页数量增长了45%，整体网络流量仍在增长。他认为，作为内容创作者，今天需要以跨平台、跨格式的方式运作（如同时运营网站、YouTube和TikTok）。而AI的独特优势在于其多模态能力，能够近乎零摩擦地在不同格式（文本、音频、视频）间转换内容，这将解锁新的机会。“机器可以帮助翻译内容，就像翻译不同语言一样，它们可以无缝切换。”
针对新闻出版联盟等机构对AI搜索“窃取内容”、“断绝流量”的激烈批评，Sundar Pichai（桑达尔·皮查伊）回应称，谷歌始终优先考虑向网络导流，这是其产品设计的核心原则之一。“我认为，超过任何其他公司，我们都在思考并优先考虑向网络发送流量……我们是唯一将其作为高度优先事项并为之苦恼的公司。”他表示，AI模式同样会标注来源，从长期来看，就像谷歌过去25年经历的所有搜索功能演变（如精选摘要）一样，最终会为网站带来更多、更高质量的流量。
对于主持人提到的“Safari浏览器中搜索量22年来首次下降”的传言，Sundar Pichai（桑达尔·皮查伊）予以否认，称谷歌看到的整体搜索查询量仍在增长，包括在苹果设备上。他以TikTok的崛起并未阻碍YouTube增长为例，强调当前市场远非“零和游戏”，用户的总体验入度和活动量在增加。
智能代理、AI硬件与平台竞争的下一步
对话深入探讨了由DeepMind联合创始人Demis Hassabis提出的“智能代理（Agent）优先的网络”概念。Sundar Pichai（桑达尔·皮查伊）认同，未来的网络对于智能代理而言，可能更像是一系列结构化的数据库，而非为人类视觉渲染的网页。这引发了一个关键问题：像Uber、Airbnb这样的服务提供商，是否会愿意被智能代理“抽象化”，从而失去与客户的直接关系和增值服务的机会？
Sundar Pichai（桑达尔·皮查伊）认为，企业端（由CIO驱动）可能会更快地接受智能代理，因为它们有明确的效率和集成需求。在消费者端，这将是一个动态的价值交换过程。他设想了多种可能的商业模式：用户为代理付费，代理与服务平台收入分成；或者，服务平台因为参与代理生态而获得更大的业务总量，从而抵消了“过路费”成本。他类比了零售商和信用卡网络的价值：“商家接受信用卡，是因为他们看到接受信用卡带来的业务增长超过了手续费成本……最终会找到一个均衡点。”
硬件是承载AI新体验的关键。Sundar Pichai（桑达尔·皮查伊）对AI眼镜的前景感到兴奋。他区分了“ goggles”（护目镜式头显）和真正的“ glasses”（眼镜），并透露与Gentle Monster、Warby Parker等合作伙伴的产品将于今年晚些时候交到开发者手中，这些产品已接近最终形态。他预测，虽然明年可能还无法达到iPhone般的普及度，但“数百万人尝试”将成为现实。对于Jony Ive与OpenAI合作开发“未来计算设备”的消息，他表示欢迎竞争，并认为这正说明了当前创新空间的广阔，未来将出现许多今天无法想象的公司和产品类别。
当被问及手机和笔记本电脑是否会成为“遗留平台”时，他给出了一个务实的回答：计算将变得更加无处不在和情境化。用户将根据需要在手机、平板、笔记本电脑、工作站乃至眼镜等多种设备间无缝切换。虽然未来一直盯着一个黑色玻璃矩形可能不是最理想的交互方式，但这种转变需要时间。
在监管、压力与信任中前行
访谈的后半段触及了谷歌面临的严峻外部环境。关于美国司法部可能要求谷歌出售Chrome浏览器的反垄断诉讼，Sundar Pichai（桑达尔·皮查伊）没有直接回答“如果被要求出售会怎样”，但强调了Chrome和开源项目Chromium对推动Web技术发展、安全和创新的贡献，并表示谷歌作为一家基础技术公司，将在任何情况下继续投资和创新。
面对主持人提出的尖锐政治问题——是否会因前总统特朗普的公开抱怨或潜在的政治压力而调整搜索排名或AI回答——Sundar Pichai（桑达尔·皮查伊）给出了明确的否定答案。“不……今天谷歌搜索的工作方式，没有任何一个谷歌员工能影响排名算法。”他强调，谷歌的排名机制是“神圣不可侵犯的”，AI模式的响应也遵循同样的高标准原则，只会基于广泛的系统性反馈进行调整，而非个别案例或政治压力。他引用数据称，AI Overviews在对抗性真实查询中的错误率约为七百万分之一，这是谷歌一贯努力维持的高标准。
对于政府网站内容变化（如CDC页面）是否会影响其作为权威来源的地位，他解释说，谷歌并非手动评估每个页面的权威性，而是依靠PageRank等算法信号（如其他网站的链接）来判断，因此不会主动进行此类重新评估。
展望下一波浪潮：自我进化与实体世界融合
最后，Sundar Pichai（桑达尔·皮查伊）展望了AI平台变革的下一阶段标志。他认为，AI最深刻的特点在于其自我改进的能力，并以AlphaGo在短时间内从零达到超越人类最高水平的例子来说明。他看好AI在药物发现、疾病治疗等领域的巨大潜力。
但他指出，真正的下一个重大平台转变，将是AI与物理世界通过机器人技术深度融合的时刻。虽然Waymo自动驾驶汽车已经是一种机器人形式，但他指的是更通用的机器人。当AI创造出与机器人结合的“神奇时刻”时，社会将迎来又一次巨大的平台转变。这预示着，在线世界的智能终将延伸到并深刻改变我们的实体生活环境。
Alphabet CEO Sundar Pichai（桑达尔·皮查伊）：AI 是搜索的非凡机遇，而非颠覆性威胁撰文：Techub News 整理
导语
2025 年 5 月，Alphabet 兼谷歌 CEO 桑达尔·皮查伊（Sundar Pichai）罕见地接受了 All-In Podcast 的深度专访。在长达一小时的对话中，皮查伊直面了当前市场对谷歌在 AI 浪潮中可能面临“颠覆者困境”的核心质疑。作为执掌这家科技巨头近十年的领导者，皮查伊的此次发声，不仅是对外界疑虑的集中回应，更是系统性地阐述了谷歌将如何利用其长达二十余年的技术积累——从基础设施到前沿研究——来驾驭并引领这场 AI 革命。本次对话涵盖了搜索的未来、AI 商业模式、芯片战略、能源约束、量子计算以及机器人等广泛议题，为我们理解谷歌在下一个十年的战略方向提供了关键窗口。
摘要
皮查伊坚信 AI 是搜索的“非凡机遇”，而非零和游戏的颠覆者，AI 概览（AI Overviews）等新功能正在扩大搜索的查询范围和用例。
谷歌的核心优势在于其全栈式技术积累，从 TPU 芯片、全球数据中心网络到跨领域的基础研究，这使其能在控制成本的同时持续推动模型创新。
面对 OpenAI、微软、Meta 等激烈竞争，皮查伊认为 AI 创造的将是一个比过去所有技术总和更大的市场，成功的关键在于持续创新和执行。
谷歌在量子计算、机器人（物理 AI）等领域进行长期、耐心的投资，视其为类似早期 AI 的基础性突破，预计未来 3-5 年将迎来关键进展。
皮查伊承认文化管理是持续挑战，近期重点在于重拾“使命聚焦”，激发类似谷歌早期创业阶段的强度与乐观精神，以应对 AI 时代的竞争。
AI 是搜索的进化，而非颠覆
访谈开场便直指核心：在聊天式 AI 重塑人机交互的今天，谷歌的核心搜索业务是否面临被真正颠覆的风险？桑达尔·皮查伊（Sundar Pichai）的回答明确而坚定。他回顾道，自 2015 年担任 CEO 起，他便将谷歌定位为“AI 优先”的公司，因为团队深信 AI 将是驱动搜索最大进步的动力。因此，当前时刻对他而言并非威胁，而是搜索的“非凡机遇”。
皮查伊用数据佐证了他的观点。谷歌约一年前推出的“AI 概览”（AI Overviews）功能，如今已被超过 15 亿用户使用，覆盖 150 多个国家。这不仅没有蚕食传统搜索，反而扩大了用户查询的类型和范围，带来了全新的使用场景。在触发 AI 概览的查询中，谷歌观察到了查询量的增长，且增长具有持续性。他透露，实验室中正在测试一个全新的、名为“AI 模式”的专用搜索 AI 体验，将在谷歌 I/O 大会上详述。在该模式下，用户可以进行完整的对话式追问，谷歌最前沿的模型将利用搜索作为原生工具来回答问题。
“用户正在用行动回应，”皮查伊指出，用户输入的查询平均长度已是两三年前的两到三倍，有时甚至是长段落。这改变了搜索的形态。针对“创新者困境”的经典命题，皮查伊认为困境只存在于你将其视为困境之时。他援引了移动转型和 TikTok 崛起后 YouTube 依然蓬勃发展的例子，指出科技史上每一次重大创新周期，都需要全力投入。“这有点像谷歌最初的原则之一：跟随用户，其他一切自会跟随。”
商业模式过渡：成本可控，广告逻辑依旧
当对话转向敏感的商业模式——即更昂贵的 AI 查询是否会破坏谷歌搜索“查询成本”与“单次查询广告收入”之间精妙的单位经济学时，皮查伊展现了基于基础设施优势的自信。
他承认两年前业界普遍担忧成本问题，但他始终认为，就服务成本而言，他愿意押注谷歌的基础设施能力能够比几乎所有其他公司都做得更好。事实也证明，在过去 18 个月里，服务单次查询的成本已大幅下降。目前更主要的约束在于延迟，而非成本。如何让 AI 体验达到搜索近乎即时的速度，是当前更重要的前沿问题。
关于 AI 查询的广告收入，皮查伊表示，在已经展示广告的 AI 概览中，其效果基准已与传统搜索持平。“我们已经达到了那个阶段。”他进一步从第一性原理分析：广告在搜索中行之有效，是因为商业信息本身就是用户意图的一部分。AI 没有理由不能在这方面做得更好。因此，他对平稳过渡商业模式感到“安心”，尽管部分调整可能需要时间，但所有指标都显示谷歌能够很好地完成这一过渡。
基础设施与芯片：谷歌的“全栈”护城河
皮查伊多次强调，谷歌一个核心且常被低估的优势是其长达二十多年的基础设施投资。从早期可海运的集装箱数据中心，到如今遍布全球的网络，这构成了竞争力的基石。在 AI 时代，这一优势直接体现在性能与成本的帕累托前沿上——谷歌能够以最具成本效益的价格点提供最好的模型。
关键组件之一便是谷歌自研的 TPU 芯片。皮查伊提到，谷歌在 2017 年发布了第一代 TPU，如今已发展到第七代。最新的 “Ironwood” 芯片单块算力超过 40 Exaflops。这些专门为机器学习优化的芯片，尤其在推理环节表现出色，是谷歌有信心以巨大规模服务 AI 搜索查询的重要原因。他表示，谷歌的“全栈”方法——从底层基础设施、基础研发到上层应用创新——将长期为公司带来优势。
关于芯片战略，皮查伊澄清了与英伟达的关系。他盛赞英伟达是“非凡的公司”，CEO 黄仁勋（Jensen Huang）也很出色，双方合作历史悠久。谷歌内部既用 TPU 训练 Gemini 模型，也在 GPU 上服务部分流量，并为云客户提供选择。他认为行业内的公司都会尝试类似（自研芯片）的路径，但英伟达的研发能力和软件栈是世界级的，拥有诸多优势。谷歌的长期策略是保持 TPU 和 GPU 并用的灵活性，两者相互促进，共同推动技术前沿。
模型创新未达瓶颈，数据优势在于个性化
针对外界关于大语言模型性能开始“高原化”、竞争者差异缩小的论调，皮查伊并不认同。他将进步过程比作“人工 jag jag 智能”，即进展并非总是线性的，会经历看似缓慢的时期，然后出现范式突破。过去几年，行业在预训练、后训练、推理计算等方面不断推进，如今又在研究如何将所有技术整合到智能体工作流中。他感觉进步相当持续。
“进步确实会变得更难，而这将区分出精英团队，”皮查伊认为，问题越难，谷歌的准备就越充分。谷歌的研究前沿远比大多数公司更广阔，不仅限于 LLM 或基于 Transformer 的模型，在扩散模型等众多领域都在进行深度探索。他尚未看到计算投入回报递减的根本性拐点出现。
当被问及谷歌是否拥有来自 YouTube 等产品的独特数据优势时，皮查伊的回应侧重于用户体验而非单纯的数据训练。他认为，谷歌的机会在于利用用户使用 Gmail、日历、文档、YouTube、搜索等产品时产生的个人上下文（在获得用户许可的前提下），来提供更优质、更个性化的体验。他将此视为公司未来差异化的创新机遇之一，目前正在审慎推进。
未来交互：无缝、环境计算与 AR 眼镜
展望未来 5 到 10 年的人机交互，皮查伊描绘了一个“无缝”的愿景：人类需要做的“硬性适应”工作越来越少，计算将主动为人服务。他认为这是“圣杯”，而触摸、语音等技术正在一步步迈向这个未来。
他特别看好增强现实眼镜的前景。作为眼镜佩戴者，他亲身体验了 AR 眼镜，虽然目前舒适度尚不及普通眼镜，但正在改善。他相信，当 AR 真正成熟时，它将把无缝体验推向新高度，让计算“环境化”地存在并为你服务。他指的并非沉浸式显示设备，而是 AR 眼镜。结合真正多模态的模型，他认为这一范式非常有趣，能让人感受到下一次飞跃。他将当前 AR 的发展阶段类比于 2006-2007 年的智能手机，可能还需几个周期才能达到理想状态。
皮查伊证实，谷歌在硬件上投入了大量时间，不仅限于 Pixel 手机和数据中心，也对 AR 眼镜、机器人等新形态感到兴奋。
竞争格局：AI 市场足够大，创始人深度参与
面对 OpenAI（萨姆·奥尔特曼 Sam Altman）、xAI（埃隆·马斯克 Elon Musk）、Meta（马克·扎克伯格 Mark Zuckerberg）和微软（萨提亚·纳德拉 Satya Nadella）组成的强大竞争对手矩阵，皮查伊展现了开放与务实的态度。他称赞这是一个“令人印象深刻的群体”，汇集了最好的公司和企业家。竞争的存在恰恰预示着我们将看到巨大的进步。
他特别提到2025 年 5 月与埃隆·马斯克（Elon Musk）的会面，钦佩其“将未来技术变为现实的意志力无与伦比”。皮查伊强调，AI 将开启一个比过去所有技术总和更大的机遇版图。他提醒人们，互联网兴起时，谷歌甚至还不存在。未来 AI 领域的赢家可能包括许多尚未诞生的公司。因此，格局并非简单的“谁击败谁”，而是关于哪些公司能够通过创新和执行，携手最优秀的人才取得成功。
皮查伊还分享了谷歌联合创始人拉里·佩奇（Larry Page）和谢尔盖·布林（Sergey Brin）的深度参与。他经常与两人交流，称赞他们很早就预见了 AI 的今天，并认为这是计算机科学领域最激动人心的时刻。谢尔盖·布林更是以“硬核”方式投入，与 Gemini 团队坐在一起编码、查看损失曲线、反馈模型架构，为团队注入了无与伦比的能量。皮查伊珍视与两位创始人“非线性思维”碰撞带来的灵感。
长期押注：量子计算与机器人
谷歌以对前沿技术进行长期、耐心投资而闻名，如 TPU、DeepMind、Waymo。皮查伊以同样视角看待量子计算和机器人。
他将量子计算目前的发展阶段类比于 2015 年左右的 AI。他预计在未来 5 年时间框架内，将会出现一个真正的“顿悟时刻”——用量子方式完成一项非常有用的实际计算，且远超经典计算机，从而真正展现该领域的潜力。他对此充满信心。谷歌的目标是通过云平台展示更多实用算法，并提供访问。皮查伊认为，就像无人驾驶领域曾充满噪音一样，量子领域目前也有很多宣布，但谷歌自认为处于前沿。
在机器人领域，皮查伊承认谷歌曾过早尝试应用层（如收购波士顿动力后又出售），当时机器人尚未深度受 AI 影响。如今，“AI + 机器人”的结合点已经到来。谷歌拥有世界级的机器人前沿研发团队，Gemini 在视觉-语言-动作模型方面的努力也属顶尖。他们正在思考如何通过合作或推出产品来参与其中。皮查伊观察到，人形机器人的进步神速，以至于他需要仔细辨别视频真假。他预测，距离机器人领域的“神奇时刻”可能还有两到三年。谷歌旗下公司 Intrinsic 正致力于成为“机器人领域的安卓”，而 Gemini 模型也将成为机器人领域的强大基础模型。
文化、人才与未来展望
针对谷歌文化从早期创新乐园演变为“骄纵员工”避风港的外部批评，皮查伊进行了辩护与反思。他解释，提供午餐等福利的初衷是创造积极、乐观、便于跨领域交流的创新氛围，这至今仍是谷歌吸引顶尖人才、激发基层创新的力量源泉。但他也承认，随着公司规模急剧扩大，有时次要议题会掩盖公司的核心使命。
过去几年，他刻意致力于重拾“使命聚焦”，强调员工聚集于此是为了创新并服务公司使命、产生影响力。当前的 AI 时刻带来的高强度与兴奋感，让他回想起早期的谷歌。他通过创建“实验室”等机制，鼓励小团队快速创新。他认为，文化需要不断微调以忠于核心价值观，出现漂移时则需努力拉回。
在人才争夺方面，皮查伊表示，谷歌在吸引顶尖 PhD 研究员方面依然具有竞争力，也有离职员工回归。他预见，AI 将使全球更多地方涌现出卓越人才，而不仅限于少数传统中心。
关于 Alphabet 作为控股公司的结构，皮查伊澄清，其本质并非单纯财务投资，而是基于共同的基础技术（如 AI）去解决不同领域的问题，从而衍生出看似迥异但内核相连的业务。从 Waymo 到 Isomorphic（基于 AlphaFold 的药物发现公司），都是这一逻辑的体现。
最后，被问及十年 CEO 任期内最大的骄傲与遗憾时，皮查伊对谷歌能够同时推动技术前沿（如获得诺贝尔奖级别的基础研究）并将其转化为商业价值感到无比自豪。至于遗憾，他提到了一些曾激烈辩论但最终未完成的收购，例如 Netflix，但他更倾向于向前看，认为这些是“平行宇宙中的另一种可能”。
OpenAI 前沿研究负责人 Mark Chen（马克·陈）：多模态与推理是通往 AGI 的关键撰文：Techub News 整理
导语
在2025 年 3 月举办的 The AI Conference™ 上，OpenAI 前沿研究（Frontiers Research）负责人 Mark Chen（马克·陈）与 AI 基础设施公司 Anyscale 的联合创始人 Robert Nishihara 进行了一场深度对话。Mark Chen 领导的团队旨在探索通往通用人工智能（AGI）道路上缺失的关键范式，其工作聚焦于多模态与推理两大方向。作为 DALL-E、GPT-4 多模态能力等知名项目背后的核心研究者之一，Mark Chen 的见解对于理解 AI 的现状与未来至关重要。此次对话不仅回顾了 AI 研究范式的十年变迁，更揭示了当前最前沿的技术挑战与机遇。
摘要
AI 研究范式已发生根本转变：从依赖标注数据的监督学习，转向以海量无标注数据和无监督学习为核心的“规模化”范式。
通往 AGI 的两大核心挑战是多模态理解与生成以及深度推理能力的构建。
工程与科研的紧密结合成为现代 AI 发展的新常态，规模化（Scaling）本身既是目标也是驱动创新的引擎。
未来的 AI 应用将更加“身临其境”，多模态交互将催生更强大的 AI 代理和机器人技术，但实现这一切需要解决鲁棒性等根本问题。
从监督学习到规模化范式：AI 研究的十年之变
Mark Chen（马克·陈）与 Robert Nishihara 的对话始于对过去十年 AI 领域最大突破的回顾。两人一致认为，最根本的转变在于研究范式的迁移。
Mark Chen（马克·陈）指出，十年前经典的机器学习课程通常将机器学习分为监督学习、无监督学习和强化学习三大类。当时，学术界对监督学习已有成熟方案（如决策树、支持向量机），但对无监督学习则知之甚少，仅停留在 K-Means 聚类等基础方法。如今，这一局面已被彻底颠覆。“我们现在确实知道如何进行无监督学习了，” Mark Chen（马克·陈）总结道。
这一转变的标志性起点是 GPT-1、GPT-2 时代。研究者们意识到，数据是取得突破的关键要素。AI 研究不再局限于在固定的学术数据集（如 ImageNet）上优化模型架构，而是转向了“收集尽可能多的数据”并从中寻找“Alpha”的路径。数据集本身成为了核心变量，而模型架构和优化算法则相对稳定。这催生了以规模化为核心的“经验缩放定律”（Empirical Scaling Laws）：投入更多计算资源、更多数据、训练更大模型，就能获得更好的性能。
Robert Nishihara 从基础设施的角度印证了这一趋势。Anyscale 的客户们正遵循这一“公式”，将扩大数据规模作为首要目标。然而，将数据规模提升一个数量级，往往会压垮现有的系统，这背后需要巨大的工程努力来支撑。Mark Chen（马克·陈）强调，工程能力在2025 年 3 月的研究中变得前所未有的重要。相信缩放定律，就意味着必须构建出能够支撑缩放的工程栈。
这种工程与科研的深度融合，构成了现代 AI 研究的典型图景。Mark Chen（马克·陈）形容，每将模型规模扩大一个数量级，都会遇到新的研究瓶颈或工程瓶颈，需要在多个前沿同时取得突破。这既是挑战，也是这个领域令人兴奋之处。
多模态：AGI 的感官拼图与系统工程挑战
作为 OpenAI 多模态研究的负责人，Mark Chen（马克·陈）将多模态视为通往 AGI 的核心路径之一。过去五到十年，生成式图像、视频模型取得了巨大成功，但多模态领域仍存在大量开放性问题。
目前存在两种主要的研究思路：一是将多模态问题“塞进”已经非常成熟的语言模型（Transformer）架构中；二是探索以扩散模型（Diffusion Model）等多模态原生框架为主，尝试将语言能力整合进来。Mark Chen（马克·陈）认为这两种思路之间的“思想桥梁”非常有趣，也是他们工作的重点。
当被问及主要关注哪些模态时，Mark Chen（马克·陈）列举了文本、图像、视频和音频这四大“最核心”的模态，同时也提及了 3D 模型、甚至“动作”作为潜在模态的可能性。他特别指出，不同模态对系统设计的要求差异巨大。例如，音频交互（如高级语音模式）要求实时、低延迟的响应；而图像生成则更看重最终输出质量，用户愿意为此等待。因此，尽管底层结构可以共享，但为不同模态设计不同的技术栈仍然是有益的。
Robert Nishihara 从系统负载的角度补充了多模态带来的挑战。与文本数据相比，图像、视频的数据量呈指数级增长。这意味着未来的 AI 应用将同时是计算密集型（GPU 负载高）和数据密集型的。现有的高性能计算（HPC）系统擅长处理计算密集型任务，而大数据处理系统（如 Spark）则擅长处理海量 CPU 任务。多模态 AI 将催生一个需要同时高效处理这两类任务的新系统范式，这将对现有的技术栈构成巨大挑战。
此外，Mark Chen（马克·陈）指出，获取高质量的配对跨模态数据（如图文对）是一大难点。这推动了利用 AI 本身进行数据准备和增强的趋势，例如 DALL-E 3 在合成数据方面的探索。Robert Nishihara 也观察到，客户正越来越多地使用 AI 来筛选、标注、增强训练数据，因为相对于花费数百万美元进行模型训练，在数据质量上进行投资往往能获得更高的回报。
从“系统一”到“系统二”：构建深度推理的鲁棒 AI
Mark Chen（马克·陈）负责的另一大方向是推理（Reasoning）。他用心理学中的“系统一”和“系统二”来比喻当前 AI 的局限与未来目标。
目前的语言模型（如 ChatGPT）更像是“系统一”思考者：快速、直观、基于模式匹配给出响应。无论问题难易，模型的初始响应时间几乎相同。这与人类思考方式不同——面对复杂问题，人类需要时间进行深度处理（“系统二”思考）。Mark Chen（马克·陈）认为，当前大语言模型在逻辑谜题或复杂任务上犯错，部分原因正是受限于这种“系统一”的即时响应模式。如果要求人类在 100 毫秒内回答一个难题，他也只能给出脑海中最先浮现的答案，这同样不够稳健。
因此，构建具备“系统二”特性的深度推理能力，是提升 AI 鲁棒性的核心挑战。这不仅仅是解决数学问题，而是适用于任何需要高可靠性和复杂思考的场景，例如理解对话意图、规划复杂任务等。Mark Chen（马克·陈）提到，数学和计算机科学问题是方便的评测基准，但更广泛的“推理”评测标准目前仍然缺失，预计未来会出现更多相关的评估方式。
Robert Nishihara 从应用部署的复杂性角度呼应了这一观点。当前许多 AI 应用只是通过 API 端点调用单一模型。但对于预订民宿、解决复杂数学问题等任务，可能需要动态组合 50 到 100 次模型调用，并与其它应用逻辑交织。这种复杂的推理链消耗大量计算资源。Mark Chen（马克·陈）展望，深度推理的终极目标是让模型自身足够智能，能够在遇到障碍时自主“思考”出解决方案，而无需依赖外部搭建大量脚手架式的复杂流程。
关于如何实现推理能力，Mark Chen（马克·陈）表示 OpenAI 探索了多种路径，包括在预训练中内置、以及通过外部机制增强等，目前仍是一个开放的研究空间。
未来展望：身临其境的 AI 与高风险的智能代理
展望未来，两位专家分享了他们最兴奋的方向。
Robert Nishihara 预测，越来越多的数据处理将 AI 化。企业收集海量数据是为了获取洞察和决策，未来这些洞察将更多地由 AI 阅读、推理数据得出，而不仅仅是运行 SQL 查询或简单分析。这将催生全新的、以 AI 和 GPU 为核心的数据处理工作负载。
Mark Chen（马克·陈）则对多模态带来的“身临其境”体验感到兴奋。像 OpenAI 的“高级语音模式”这样的技术，让 AI 能够实时接收和处理多种感官输入（听、说），并生成丰富的感官内容。他认为，这不仅是交互方式的革新，更是机器人技术发展的基石。随着感知模块的快速进步，多模态 AI 正在为机器人构建强大的“后台大脑”，使其能够更好地理解和与物理世界互动。
当被问及实现全能人形机器人的瓶颈时，Mark Chen（马克·陈）表示，在基础层面已有许多可用的技术模块，但最终实现仍需跨领域突破。
对话最后聚焦于 AI 代理（AI Agents）。Mark Chen（马克·陈）将其定义为能够接收任务并自主执行的 AI。与当前“一问一答”的聊天机器人不同，代理的行动具有真实世界的后果（如发送邮件、执行操作），因此对鲁棒性和可靠性的要求极高。他认为，深度推理能力正是实现强大、可靠 AI 代理的关键缺失组件。只有解决了鲁棒性问题，AI 代理的愿景才能真正走进现实。Tenor OTC 在 Base 网络新增 AERO 作为固定利率借贷抵押品Techub News 消息，去中心化场外交易平台 Tenor OTC 在 Base 网络上新增 AERO 代币作为固定利率借贷的抵押品。此举旨在为代币持有者提供更多流动性选择和财务灵活性，以促进生态系统增长。（Crypto Briefing）英伟达 CEO 黄仁勋称人类水平 AI 已实现，但业界定义仍存分歧Techub News 消息，英伟达 CEO 黄仁勋近日表示，人类水平的人工智能（AGI）已经到来，并特别提及 OpenAI 的 GPT-6 Astra 模型已达到通用人工智能水平。然而，他此前在 G20 会议上的表态则更为模糊，称 AGI 可能在几年内实现，甚至“实际上今天就已经达到了”，并认为该术语的定义可能意味着很多，也可能毫无意义。
业界对 AGI 的定义和达成标准存在显著分歧。OpenAI 与微软的合作协议曾将 AGI 与创造约 1000 亿美元利润的能力挂钩，但 2026 年 4 月修订的协议已取消这一技术里程碑触发条款，无论技术进步如何，OpenAI 的付款将持续至 2030 年。红杉资本合伙人年初发文称“2026 年就是 AGI”，而 Anthropic 首席执行官 Dario Amodei 则认为当前系统远未达到“天才国度”的水平。
认知科学家 Gary Marcus 对此持怀疑态度，认为在真正实现之前的任何声明都为时过早。投资者则更关注这些系统能可靠地接管多少人类工作。 （BeInCrypto）MidChains CEO：美国 CLARITY Act 或通过并影响全球加密货币行业Techub News 消息，MidChains CEO Basil Al Askari 称，美国《CLARITY Act》法案的潜在通过可能对全球加密货币行业产生连锁反应，影响人们的投资策略。
该法案旨在为加密货币建立更明确的监管框架。Askari 表示，此类监管进展通常会对全球投资者的资产配置决策产生深远影响。（Cointelegraph）Injective 代币 INJ 重回加密货币市值前 100 名Techub News 消息，Injective 代币 INJ 今日上涨 18.1%，重新进入加密货币市值排名前 100 位。此次上涨源于其链上质押量达到历史新高，约占代币总供应量的 59%。
（@coingecko）OpenAI 首席科学家警告 AI 实验室可能需要放慢发展速度Techub News 消息，OpenAI 首席科学家 Jakub Pachocki 警告称，随着 OpenAI 发现监控先进 AI 模型推理过程变得愈发困难，AI 实验室可能需要放慢发展速度。他呼吁建立强制性的安全标准。
（Decrypt）Neoclouds 凭借英伟达服务器优势挑战传统云服务巨头Techub News 消息，新兴云服务商 Neoclouds 正凭借其在获取英伟达服务器方面的优势，挑战传统云服务巨头。这一趋势正在重塑 AI 基础设施格局，并突显了英伟达在市场上的战略影响力。
（Crypto Briefing）Tether 黄金支持合成美元 Alloy 储备突破 2.1 亿美元Techub News 消息，Tether 旗下黄金支持的合成美元产品 Alloy 储备已突破 2.1 亿美元。该产品使用 Tether Gold (XAUt) 作为超额抵押品，用户可铸造合成美元资产 aUSDT，旨在为黄金持有者提供类似美元的流动性。
Alloy 与 Tether 主流的法币支持稳定币 USDT 不同，其风险模型和用例均基于黄金价格、抵押率及智能合约设计。此次储备规模达到九位数，表明市场对黄金支持的抵押结构存在实际需求。
Tether 此举显示其在核心稳定币业务之外，正尝试提供更多样化的抵押和流动性产品，反映出稳定币领域正变得更加多元化。（NewsBTC）以太坊基金会确定 Hegotá 升级两项必须部署的 EIPTechub News 消息，以太坊基金会已为即将到来的 Hegotá 升级指定了两项“必须部署”的以太坊改进提案，分别是 FOCIL 和 Frame Transactions。开发团队正在评估数十项其他拟议变更，以决定是否纳入此次升级。（Cointelegraph）巴西三大银行扩大加密货币零售业务，各自提供超十种代币Techub News 消息，巴西三大银行 Itaú、Nubank 和 Banco do Brasil 已扩大其加密货币零售业务，各自向零售客户提供超过十种代币。值得注意的是，这些银行均未使用自身资产负债表直接持有加密货币。此举是在巴西加密货币监管框架逐步落地的背景下进行的。（Decrypt）OpenSats 向全球 413 个项目拨款 3700 万美元，支持比特币开源开发Techub News 消息，非营利组织 OpenSats 宣布已向全球 413 个项目拨款总计 3700 万美元，以支持比特币生态的开源开发。其资助模式旨在通过最小化运营开销，确保对比特币网络做出多样化和独立的贡献。（Crypto Briefing）0 篇文章
1 篇文章
