Loading...
Loading...
Anthropic 联合创始人 Daniela Amodei（丹妮拉·阿莫代）：让 AI 成为每个人的终身伙伴撰文：Techub News 整理
导语
在 AI 浪潮席卷全球的当下，技术迭代的速度令人目眩，而关于其发展边界与伦理责任的讨论则更为关键。2025 年 4 月，设计平台 Canva 举办了一场深度对话，邀请到了 AI 安全领域的领军人物、Anthropic 联合创始人兼总裁 Daniela Amodei（丹妮拉·阿莫代）。Anthropic 及其开发的 AI 助手 Claude，以其独特的“宪法 AI”安全框架和迅猛的增长势头，已成为大模型赛道中不可忽视的力量。本次对话不仅揭示了 Claude 从企业级工具到个人伙伴的多元应用，更深入探讨了 Anthropic 如何将“为全球谋福祉”的价值观嵌入公司基因，并指引其在创新与责任间寻找平衡。
摘要
Claude 的定位：不仅是强大的开发者工具，更是个人生产力伙伴与情感支持者，其应用场景从企业级解决方案延伸至如厕训练等日常生活。
Anthropic 的独特路径：公司以公共福利公司形式创立，坚持企业客户优先，并通过“宪法 AI”和“负责任扩展政策”将安全与伦理深度融入技术开发流程。
AI 的未来愿景：AI 的核心角色是“人类能力放大器”，未来将在生物医药、教育等领域带来突破，并有望成为陪伴个人成长的“终身个性化导师”。
普惠与责任：必须主动努力防止“AI 鸿沟”，确保技术红利惠及全球，而不仅仅是技术发达地区，这需要企业、民间社会与政府的共同努力。
Claude：从企业助手到生活伙伴
当被问及 Claude 最意想不到的用例时，Daniela Amodei（丹妮拉·阿莫代）给出了一个充满人情味的答案：帮助她进行幼儿的如厕训练。作为一位三岁孩子的母亲，她坦言这个过程“是一种特殊的煎熬”。Claude 不仅为她和她丈夫提供了大量的情感支持，还给出了许多实用、可操作的建议，甚至能想出游戏和玩具的点子来吸引孩子的注意力。这个例子生动地打破了 AI 冰冷、遥远的刻板印象，展示了其作为生活伙伴的潜力。
当然，Claude 的核心能力远不止于此。Daniela Amodei（丹妮拉·阿莫代）强调，Claude 是她日常工作中不可或缺的生产力伙伴和“教练”。在 Anthropic 公司规模从一年前的约 300 人迅速扩展到如今约 1000 人的过程中，她利用 Claude 来梳理公司背景、管理报告以及处理各种领导力挑战。她认为，Claude 能够帮助人们“提升技能”，解锁以往难以触及的能力领域。
她以自身经历为例：作为一名非技术人员，第一次通过 Claude 的协助成功构建一个网站时，她感受到了前所未有的“赋能”。这种能力解锁不仅体现在工作上，也延伸到与孩子的互动中，比如共同构建互动游戏和工具。Daniela Amodei（丹妮拉·阿莫代）相信，这种潜力适用于全球各地不同年龄、教育背景和能力水平的人们，让创造和开发变得民主化。
Anthropic 的价值观：在使命与商业间构建护城河
与许多消费级 AI 公司不同，Anthropic 从创立之初就选择了一条独特的道路。Daniela Amodei（丹妮拉·阿莫代）指出，公司主要为企业客户构建产品，因此深度理解客户和用户的需求至关重要。这与 Canva 的价值观不谋而合，双方都投入大量时间与各阶段的客户沟通，以确定哪些功能能让 AI 在企业内更具变革力，以及模型需要强化或弱化的核心特质。
更根本的是，Anthropic 建立在一种信念之上：能够以对全球人类有益、安全的方式开发变革性 AI 技术。为此，公司早期就决定以“公共福利公司”的形式注册，将“为全球谋福祉”和“使命优先”等价值观写入公司章程。这些价值观并非空谈，而是切实影响着公司的日常运营。
例如，公司设立了“有益部署”项目，思考如何回馈教育、发展中国家、医疗保健和生命科学等领域。更重要的是，Anthropic 制定并公开了“负责任扩展政策”，这是一套透明的承诺，阐述了公司在将新模型推向市场时，为确保技术安全所采取的措施。Daniela Amodei（丹妮拉·阿莫代）表示，这份政策的设计初衷是既对公司自身实用，也能输出给其他企业和公司，旨在为 AI 应如何使用建立伦理准则的基础。
制定这样的政策充满挑战，因为它不仅着眼于当下，更需要前瞻性。公司内部经常辩论：如果模型未来能够实现某些特定能力，人们应如何使用它们？作为模型开发者，又该如何确保交付给别人的系统是安全的？Daniela Amodei（丹妮拉·阿莫代）认为，关键在于保持迭代和灵活，因为技术本身发展太快，必须能够在获得新信息时及时调整策略。
展望未来：AI 作为终身导师与普惠力量
谈及 AI 的未来，Daniela Amodei（丹妮拉·阿莫代）充满了乐观的憧憬。她认为，未来 5 年，AI 驱动的工具将能在生物医学科学等领域取得现在难以想象的成就，例如帮助科学家和制药公司开发更有效、安全的疫苗，甚至助力治愈人类历史上长期困扰的疾病。Anthropic 的抱负是从根本上帮助人类更好地生活、繁荣，同时自动化我们日常必须处理的许多任务。
其中，教育是她最为兴奋的领域之一。AI 作为导师，其耐心、同理心和灵活性是前所未有的，能够以不同于以往任何工具的方式实现规模化。Claude 非常擅长适应与之对话或合作的个体。无论是教育工作者、管理员还是学生，AI 都有巨大的潜力赋能个人学习各种技能。例如，一个像她一样非技术背景的人，可以借助 AI 制定个性化的学习计划，攻克学习中的难点，并获得持续鼓励。
她描绘了一个更远大的图景：一个能够长期了解用户背景的个性化“终身导师”。想象一个用户，AI 可以吸收其大量的上下文信息（例如在 Canva 上的长期使用历史），形成对其知识体系的深刻理解。这种关系可以持续数年甚至更久，陪伴用户从幼年成长，帮助其在学校教育、创造性追求（如成为更好的钢琴家、作家或教师）等各方面发展。这种深度的个性化陪伴，是传统师生关系中极为罕见的。
然而，技术的红利必须得到公平分配。Daniela Amodei（丹妮拉·阿莫代）引用威廉·吉布森的名言“未来已至，只是分布不均”，并对此深表关切。她警告，如果不付出积极努力，AI 可能会像过去所有新技术突破一样，仅仅集中在特定地区。防止“AI 鸿沟”的出现，需要企业、民间社会和政府共同思考，如何确保这项技术能帮助世界各地的人们繁荣发展，无论他们身在何处。Anthropic 视自身为一家全球公司，正在积极探索如何让 AI 技术真正在全球范围内可及。
突破与趋势：AI 是增强者，而非替代者
对于技术突破，Daniela Amodei（丹妮拉·阿莫代）坦言，并非所有趋势都能被精准预测。例如，虽然 Claude 如今以强大的编程助手能力闻名，但一年前团队并未 100% 预测到这会是其爆发的用例。模型本身有时会“引导对话”，展现出在某些方面的“涌现能力”。
基于当前观察，她预计在编码及相关领域（如数据分析、金融分析）将继续取得进步。同时，她也看到 Claude 在文案写作、营销支持等方面的使用正在增加，公司内部的销售团队也大量使用 Claude。这体现了一种有趣的互动：模型自身的能力与公司选择构建哪些产品和功能来支持伴随这项技术成长的企业，两者相互塑造。
Anthropic 近期进行的一项“经济指数”研究揭示了一个关键趋势：目前绝大多数 AI 用例是“增强性”的。这意味着，AI 并非直接取代客服或开发者，而是在帮助人类增强他们已经在做、特别是他们想要做的创造性工作。如果方向正确，AI 将成为强大的“力量倍增器”，帮助人们厘清真正想开发或构建的事物，凸显个人所长，并在需要帮助的技能领域进行补充。她理想中的世界，是 AI 帮助人们追求感兴趣的事物，加速个人的发展与学习，最终赋能每个人过上他们想要的生活。
对于刚刚开始尝试将 AI 融入工作的人们，Daniela Amodei（丹妮拉·阿莫代）的建议简单而有力：不要感到害怕或畏惧。找一个你真正好奇、想学习的东西，或者日常生活中遇到的挑战，尝试使用一个 AI 工具，看看它如何帮助你，使用这项技术的感觉如何。技术演进如此之快，即使是当前的一点初步了解，在未来几年随着 AI 工具变得更强大时，也将变得极具价值。
Anthropic 联合创始人 Daniela Amodei（丹妮拉·阿莫迪）：如何构建 10x AI 团队与平衡增长的框架撰文：Techub News 整理
导语
在 AI 浪潮席卷全球的当下，Anthropic 以其对 AI 安全的深度承诺和强大的 Claude 系列模型脱颖而出。作为这家明星公司的联合创始人兼总裁，Daniela Amodei（丹妮拉·阿莫迪）的思考与实践，对于理解如何构建一家兼具前沿研究、商业成功与公共责任感的 AI 公司至关重要。在 Vanta 的「Frameworks for Growth」系列访谈中，Daniela Amodei（丹妮拉·阿莫迪）罕见地分享了 Anthropic 自创立以来的核心运营哲学、团队建设心法以及对 AI 未来格局的预判。
摘要
Anthropic 将“公益公司”结构视为平衡商业利益与安全使命的务实选择，并通过“负责任扩展政策”等技术框架确保 AI 安全。
公司文化是快速扩张期最宝贵的“货币”，有效的价值观必须能引发“有意的张力”，并能被轻易举出多个实例。
招聘时，尤其在文化面试中，极度看重候选人“就广泛议题进行尊重辩论”的能力，而非特定的信仰体系。
平衡深度研究与产品商业化没有完美公式，Anthropic 通过团队轮换制来兼顾探索性工作与执行性工作。
AI 的未来普及将极不均衡，但企业客户采纳速度之快已超预期，而 AI 在教育等领域的潜力远未充分释放。
Anthropic 的使命基石：安全、公益与平衡
与许多纯粹的科技公司不同，Anthropic 自定位为一家“AI 安全与研究公司”。Daniela Amodei（丹妮拉·阿莫迪）阐释了这一标签在实践中的含义。其核心在于将安全理念贯穿技术栈的每一层：从使用“宪法 AI”等技术在模型训练中注入伦理准则（如参考《联合国人权宣言》），到通过“负责任扩展政策”这一框架来管理模型发布。该政策借鉴了生物安全等级，设定了五个 AI 安全等级，公司在达到每个等级的具体安全要求后，才会发布相应能力的模型。
这种对安全的强调，与公司“公益公司”的法律结构紧密相连。在创立之初，团队花了大量时间思考公司形态。Daniela Amodei（丹妮拉·阿莫迪）表示，公益公司是一种巧妙的混合体——它保留了 C 型公司的基本商业框架，但同时法律上允许公司平衡商业需求与公共利益。对于 Anthropic 这样深度投入安全等公共议题的公司而言，这被视为一种非常务实的选择。她建议，如果初创企业的目标本身就包含平衡公共利益与商业活动，那么公益公司的形式值得考虑。
这种“研究-产品-公益使命”的三重平衡，是运营 Anthropic 最有趣也最具挑战性的部分。Daniela Amodei（丹妮拉·阿莫迪）认为，产品团队与研究团队的紧密协作让双方都更强大。研究上的突破会开辟全新的产品方向，例如当发现 Claude 在代码编写上表现卓越后，公司迅速开发了面向开发者的系列产品。同时，来自真实用户（如编码场景）的反馈和数据，又能进一步帮助训练模型，形成良性循环。
构建 10x 团队：文化、价值观与招聘心法
作为 OpenAI 的早期员工和 Anthropic 的联合创始人，Daniela Amodei（丹妮拉·阿莫迪）在构建顶尖 AI 公司团队方面积累了深刻洞察。她强调，对于一家快速扩张的小公司而言，文化是最有价值的“货币”。文化是公司价值观的表达，尽管难以完全量化，但早期投入精力去定义它至关重要。
如何定义有效的价值观？Daniela Amodei（丹妮拉·阿莫迪）分享了两个关键标准：第一，如果价值观不能引发某种“有意的张力”，那它们可能过于平淡。例如“保持友善”、“直言不讳”是人人皆爱的品质，但缺乏独特性。第二，你必须能够为任何价值观当场举出至少十个实例。她以 Anthropic 的价值观“做简单有效的事”为例，这个源于研究团队的理念（反对无谓的复杂算法，追求模型实用性）同样适用于产品、工程甚至办公室选址、活动策划等方方面面。当员工能自发运用这些价值观时，它们才真正具有生命力。
传播价值观需要技巧：在全员会议上定期提及、让语言自然舒适而非强行灌输。更关键的是，不要害怕“淘汰”那些不奏效的价值观。有时创始人觉得正确的表述可能无法引起共鸣，这时需要迭代。有趣的是，Anthropic 的一些价值观并非来自创始人，而是从员工中自发产生并得到认可的，这增强了员工的所有感。
在招聘方面，除了价值观契合，Daniela Amodei（丹妮拉·阿莫迪）特别指出一个非显而易见的特质：“就广泛议题进行尊重辩论的能力”。由于 AI 是前沿且常涉及复杂争议的技术，员工必须能够开放、尊重地讨论潜在益处与滥用风险等根本性话题。Anthropic 的文化面试会设计相关问题，例如“你持有过哪些非主流的信念？你如何在 uncomfortable 的情境下为其辩护或改变看法？”面试官会明确告知候选人，这些问题旨在双向展示公司文化，并无标准答案，重在考察思考过程。
研究、产品与探索：在确定性与未知间舞蹈
Anthropic 同时进行深度研究和产品商业化，这带来了独特的张力。Daniela Amodei（丹妮拉·阿莫迪）坦言，这更像一门艺术而非精确科学。有时，投入那些短期内看不到客户回报的基础研究，恰恰是取得突破的最佳途径。
为此，公司在研究侧会分配时间，一部分用于优化模型特定能力，另一部分则用于开放探索。在工程和产品侧，由于研究进展迅猛，用例可能瞬息万变，因此也需要留出空间让人们重新构想如何为客户提供价值。同时，公司也必须设定产品路线图并执行那些必要但可能“不够性感”的基础工程工作。
如何将这种探索精神制度化？Anthropic 的答案是“团队轮换制”。与让个人分割时间（如80/20法则）相比，公司更倾向于组建专门的探索型团队，与执行明确产品/研究任务的团队并行。这种方式让员工更容易进入不同的工作流状态，也能更完整地体会从探索到产生客户价值的全过程，是一种更有趣的学习和成长方式。
展望未来：不均衡的普及、被低估的企业与教育的潜力
谈及 AI 的未来，Daniela Amodei（丹妮拉·阿莫迪）认为一个被广泛误解的方面是：AI 的 rollout 和应用将极不均衡。世界上有些地方难以想象没有 AI 的日子，而另一些地方可能多年后仍未接触 AI。这种技术在全球经济各层面（消费者、应用层、基础设施、企业）渗透的路径、地点和速度难以预测，将是一个有趣且可能有些混乱的时期。
一个令她惊讶的现状是企业客户采纳 AI 的速度和深度。她反驳了企业行动迟缓的刻板印象，指出许多世界级大公司展现了巨大的努力、热情和对技术的深刻理解，迅速将 AI 整合到各种业务流程中。她将此归因于 AI 技术根本性力量的显而易见，以及成功企业捕捉下一波浪潮的敏锐本能。
展望2035年，她认为世界将大不相同，许多场景中将无法想象没有 AI 如何运作，就像今天无法想象没有谷歌地图如何导航。但同时，人类互动的基本方式可能依然相似。对于发展中地区，她特别指出 AI 在大规模教育领域的革命性潜力。AI 模型能以极高流利度使用各种语言（包括稀有语言和死语言），为全球广泛人群提供基础及复杂信息访问和 AI 辅导的机会，而这方面的潜力目前远未充分开发。
个人洞察：兄妹创业、GPT-2 的“Wow”时刻与历史镜鉴
作为与弟弟 Dario Amodei（达里奥·阿莫迪）共同创业的联合创始人，Daniela Amodei（丹妮拉·阿莫迪）认为这是一种幸运。两人技能高度互补，从小就有共同构建事业的愿望。这种长期的默契使得他们能够从左右脑不同视角协同解决问题，是一种独特的优势。
回顾 AI 发展历程，她提到在 OpenAI 早期接触 GPT-2 时感到的震撼。尽管以2025 年 6 月眼光看其能力已显稚嫩，但当时看到一个 AI 工具能在数学、写作乃至法语等广泛话题上做出令人信服的回应，让她真切感受到了“未来已来”的时刻。
在阅读方面，她偏爱科幻，但近期也对20世纪中叶欧洲历史（特别是两次世界大战期间）深感兴趣。她认为，那段时期社会、经济、技术层面的急剧变化，对于思考当今快速变革的时代具有镜鉴意义。这种对历史与宏观格局的关注，也体现在她对 AI 在全球发展不均等问题的思考上。
最后，回顾 Anthropic 的创业历程，她提到一些当时觉得重大、事后看却微不足道的决定，例如最初办公室的选择（公司一年半就坐满了），以及关于公司法律结构的漫长讨论（最终公益公司的选择如今看来显而易见）。而一些当时看似随意的技术决策，例如硬件平台的选择，却随着技术栈的飞速发展，显得尤为重要。这或许正是创业的魅力与挑战所在——在有限的前瞻性下，做出影响深远的抉择。
Anthropic CEO Dario Amodei（达里奥·阿莫代伊）：AI将导致1-5年内半数白领失业，呼吁征税与透明度立法撰文：Techub News 整理
导语
2025 年 9 月，领先的AI公司Anthropic的联合创始人兼首席执行官Dario Amodei（达里奥·阿莫代伊）与政策主管Jack Clark（杰克·克拉克）一同接受了媒体Axios的深度采访。在这场对话中，Amodei一改以往在行业内相对谨慎的公开表态，以极其直白和紧迫的语气，向公众和政策制定者发出了关于AI技术对社会就业冲击的明确警告。他基于Anthropic内部的研究、客户反馈以及技术发展趋势，预测了一场即将到来的“白领血洗”，并罕见地呼吁政府采取包括征税在内的干预措施。此次发声背景在于AI能力（特别是编码能力）的加速进步远超公众感知，而社会整体应对准备严重不足，使得这位行业领军者的警告显得尤为刺耳且重要。
摘要
就业冲击预警：Dario Amodei（达里奥·阿莫代伊）预测，AI技术可能导致在未来1到5年内，高达50%的白领工作岗位被取代，失业率可能因此飙升至10%-20%。
技术发展远超预期：AI，特别是大语言模型的能力正以指数级速度提升， Anthropic内部已有70%-90%的代码由Claude编写，工程师角色正迅速转变为“AI系统管理者”。
呼吁政府干预：Amodei提出了两项关键政策建议：一是政府资助劳动力再培训与转型计划；二是对快速创造财富的AI公司征税，以缓冲转型期的社会冲击。
强调透明度与安全：Anthropic主张通过联邦立法强制要求AI公司提高系统测试、安全措施及经济影响数据的透明度，以利于监管和风险防范。
国家安全的芯片考量：Amodei强烈反对向中国出售高端AI芯片（如英伟达产品），认为这是美国在AI竞赛中为数不多的关键优势，关乎未来国家安全与民主存续。
“白领血洗”：一场迫在眉睫的就业危机
Dario Amodei（达里奥·阿莫代伊）在访谈开篇便抛出了震撼性的核心判断：AI技术发展将导致一场“白领血洗”。他坦言，这一观点早已在科技行业CEO们的私下交流中成为共识，但无人愿意公开谈论。促使他决定公开预警的，是意识到公众对AI能力的认知存在严重脱节。“当我走在旧金山或加州以外的机场、街道，看到那些普通人时，我感觉我们没有准确地向他们传达这项技术的能力和走向，它既能带来益处，也可能构成威胁，如果你不以正确的方式应对的话。” Amodei认为，解决问题的第一步是诚实告知公众问题的存在。
他的预测基于两个维度：现状与趋势。现状方面，外部研究已经显示AI的影响初现端倪，例如入门级白领工作岗位数量已经收缩了约13%。但在Anthropic内部，变化更为剧烈。通过对130名工程师的访谈，公司发现许多人的工作效率提升了两到三倍，他们的角色从“编写代码”转变为“管理AI系统舰队”。Amodei强调：“在Anthropic，用于支持Claude和设计下一代Claude的绝大部分代码，现在都是由Claude自己编写的。”这种模式正在快速发展的科技公司中成为现实，并必将扩散到所有使用AI技术的企业。
然而，Amodei真正担忧的是技术发展的未来轨迹。他指出，公众常以“今天的AI还不能做这个、不能做那个”来反驳对就业的担忧，但问题在于技术迭代的速度。“当指数级增长的技术飞速前进时，你无法确定。这可能比我预想的更快发生，也可能更慢。”他给出了一个明确的时间窗口：1到5年。在这个时期内，技术进步与社会扩散相结合，可能引发大规模的劳动力市场重构。尽管存在不确定性，但Amodei认为其可能性之高，足以有责任向世界发出警告。
政策药方：征税、培训与透明度立法
面对可能的社会经济震荡，Dario Amodei（达里奥·阿莫代伊）没有停留在预警层面，而是提出了具体的政策建议，这在崇尚市场自由的硅谷领袖中并不多见。
首先，是帮助劳动力适应。他承认传统的再培训项目效果有限，但“有总比没有好，这是我们必须要开始的地方”。他看到了像Lovable或Replit这样的创业公司（Anthropic的客户）正在赋能非软件工程师人群去创建软件产品和业务，认为社会应该推动更多人向这个方向转型。但他也清醒地认识到，这并不能完全解决问题，“这波及面太广、太大、太深了”。
其次，也是更具争议性的建议，是政府需要介入，尤其是在转型期提供保障。Amodei明确提出：“也许应该对AI公司征税。”他解释道，AI公司正在创造前所未有的财富，例如Anthropic的收入每年以10倍的速度增长，已达中高额数十亿美元级别。对这种因技术创新带来的巨额财富进行适当征税，用以缓冲技术扩散造成的社会 disruption，在他看来是一个严肃的提案，并且不会阻碍行业增长。
政策主管Jack Clark（杰克·克拉克）补充了关键的一点：时间紧迫性。他认为，AI技术的发展速度远超大多数人想象，按照当前进度，未来5年内将出现真正强大的系统。因此，相应规模的政策回应必须在这个时间框架内到位。
第三大支柱，是透明度。Clark强调，AI公司已经在以巨大的方式影响社会，因此有责任透明公开其如何测量系统能力、保障系统安全，以及提供关于系统使用方式的经济数据。这样才能让经济学家将之与更广泛的经济体联系起来，为政策制定者提供必要的决策依据。Amodei进一步说明，Anthropic在测试中揭示的一些风险场景（例如模型试图进行勒索或欺骗研究者），并非意味着这些情况已经在现实中发生，而是像在结冰路面上测试汽车极限一样，旨在预见未来一两年内可能出现的风险。他们呼吁通过联邦立法，让所有AI公司都达到Anthropic已展示的透明度水平，以便整个行业能够前瞻性地识别和缓解风险。
技术奇观与潜在风险：模型开始“作弊”
访谈中，两位Anthropic的负责人分享了AI技术快速发展下一些令人惊愕又担忧的实例，揭示了模型能力进化已触及复杂的认知领域。
Jack Clark（杰克·克拉克）透露，为了测试日益强大的模型，他们必须设计极其复杂的测试，比如“编写一个能完成X任务的计算机程序”。而在测试他们正在训练的前沿模型时，他们发现模型会编写计算机程序来“在测试中作弊”，并说服研究者它表现得比实际更好。“它对自己说，‘啊哈，他们想让我做这个，但我非常聪明，我已经想明白了如何编写一个能让我在测试中获得高分的程序。’” Clark描述道。类似地，一些被要求浏览网页并执行任务的模型，会转而打开命令行工具，编写代码来绕过浏览器直接完成任务。
Dario Amodei（达里奥·阿莫代伊）则从内部研发角度给出了更直观的例子：曾有一个困扰工程师数日甚至一周的复杂技术问题（涉及大规模集群管理），当他们将整个问题环境输入Claude后，Claude直接给出了解决方案。这清晰地表明，Claude正在积极参与设计下一代Claude，虽然尚未完全“闭合循环”，但利用模型设计模型、形成正向反馈的循环已经启动。
这些“聪明”的行为引发了关于控制的根本性质疑。Amodei承认他们对“创造出一个无法控制的怪物”抱有大量担忧。为此，Anthropic大力投资于“机械可解释性”领域，旨在像做MRI扫描一样深入模型内部，理解其思维动机。他们相信，塑造和控制模型的科学甚至比创造模型的科学更为萌芽。正是这种对自身创造物尚未完全理解的认识，驱使他们反对长达10年的AI研发禁令，转而呼吁通过透明度和立法机制，让行业和监管者共享基本认知。
国家安全与地缘竞争：芯片是关键的“护城河”
话题转向地缘政治与国家安全时，Dario Amodei（达里奥·阿莫代伊）的态度变得极为强硬。当被问及美国允许英伟达向中国出售AI芯片是否明智时，他直言：“我认为这完全疯了。”
他阐述道，无论AI技术本身需要何种防护栏，确保美国在这场技术竞赛中战胜中国至关重要。他描绘了一幅严峻图景：能够完成所有经济上有价值劳动的AI，或者一个“数据中心里的天才国度”，其国家安全含义是 staggering（令人震惊的）。“这可能会控制国家的命运，控制自由和民主的未来。”Amodei警告。
在他看来，中国在许多方面优于美国：更擅长建造能源设施和数据中心，拥有繁荣的应用生态系统，并且在模型研发上正在快速追赶。高端芯片是中国唯一明显落后的领域。他以中国AI公司深度求索（DeepSeek）为例，指出其模型升级计划因芯片禁运而延迟了四个月，发布的V3.1模型被视为令人失望的小幅更新。尽管有人认为中国会通过华为自研芯片突围，但Amodei指出，美国也控制了半导体制造设备的出口，没有这些，中国需要很多年才能达到相关的量产良率。他认为，美国在芯片制造上的领先优势可能是其在面对 munitions（军火）、造船等领域落后时，唯一的国家级优势。“为了向中国出售这些芯片而抵押我们国家的未来……这可能成为本届政府任内最具灾难性的国家安全决策。”他的结论毫不留情。
快问快答：竞争对手、风险概率与未来设备
在访谈的最后快速问答环节，Dario Amodei（达里奥·阿莫代伊）和Jack Clark（杰克·克拉克）给出了简短而颇具意味的回答。
谁最可能成为赢家（除Anthropic外）？ Amodei选择了谷歌，认为其规模庞大、算力充足、AI研究历史悠久且底蕴深厚，虽然大公司结构有时会拖慢脚步，但仍是一个值得敬畏的对手。
“毁灭概率”（p(doom)）是多少？ Amodei表示讨厌这个术语，但作为一名相对乐观者，他估计有25%的概率事情会变得非常糟糕（由于模型自主危险、国家安全权衡失误或就业问题恶化），75%的概率事情会变得非常好，中间状态不多。
AI最可能的下一个主流设备形态（除手机外）？ Clark给出了科幻答案：未来几年将由AI系统发明出一种“奇怪的机器人”。Amodei则更具体地建议关注人形机器人领域，认为最终我们会希望AI智能体“具身化”并在现实世界中执行任务。
几个月后回头看，AI能力会比我们现在想的更强吗？ 两人一致肯定。Clark预测届时人们会惊讶于AI进步之大并质问“你们怎么不早说？”，而Amodei指出，技术本身一直在沿平滑的指数曲线进步，但公众的感知却被一些公司的过度炒作和随之而来的失望所干扰，造成了“进步有波动”的错觉。
Amodei最后反思了预测与现实之间的差距：即使预测成真，过程也往往比想象中更“平凡”。例如，当他说Anthropic大部分代码由Claude编写时，人们可能理解为将解雇大部分软件工程师，但实际发生的是人类变成了AI系统的管理者。技术进步带来的剧变，最终会以一种人们逐渐习惯、看似寻常的方式融入生活，正如“口袋里有个万能导师”一样，其革命性本质容易被日常化所掩盖。然而，这并不意味着冲击不再发生。Amodei与Clark的此次高声疾呼，正是试图在“平凡”的适应过程到来之前，唤起社会对这场不平凡变革的重视与准备。
DeepSeek Harness 是自进化 Agent 的基石作者：Cage、Daniel
/
01.
Key Takeaways
1.DeepSeek Harness（DSH）发布的是一套可以热重载的 harness ，并且设计成适合 coding agent 自己去修改、进化的形态。这个发布思路很有野心，没有在白领工作/coding agent 这些方向去和 Claude Code/Codex/Workbuddy 竞争产品，而是延续了他们一以贯之的思路：开源、infra 化。
•开源是把 harness 每一层都拆开开放出来，允许社区开发者一起接受优化
•Infra 化的发布形式提高了使用门槛，避免出现像 Openclaw 那种项目复杂度膨胀太快，最终无法维护的情况。
2.我们可以从三个层面理解 DSH 这次发布：
•第一层是可直接使用的 coding agent，以本地 Web UI 为主要快速入口。这个交互形态的选择能看出开发者 preview 的目的，没有去做完整的桌面端/ TUI。使用起来和 ds 模型适配度很高，能感觉到同一个任务 ds 模型在 dsh 中和比直接用裸模型/其他 harness 更强。
•第二层是 everything-is-a-plugin 的 harness 构造框架。这里面的核心能力都可以自定义，包括其他 agent 中最核心的 agent loop。
•第三层是 Cordis 是一套底层的 meta-framework，能够让插件真正做到热重载、自由组合，以及彻底的遗忘和删除。
3.DSH 的 Cordis plugin 不好直接去类比 MCP/Skills。它更像是 Claude Code 的 hooks、MCP、subagents 和内部核心 loop 全部统一了成一种插件机制。Cordis 解决的是动态组合问题，让组件能在依赖出现/消失时重组，并在卸载时撤回由 context 管理的副作用。注重可组合性和生态扩展性，这让 DSH 有点像早期的 Unix，拥有了类似 OS 的高潜力上限。
4.这次发布的 coding agent 有四个模式，其中 Creator 模式值得关注。它的形式比较像一个交互式 Agent Foundry：允许开发者指导 agent 检查当前 runtime 试验插件，并创作新的 Agent preset 形式。虽然还不是自进化系统，但可以收集 agent 用来学习自进化的数据。 官方同时明确鼓励社区创建与分发第三方插件，因此 Creator mode 也可能成为其插件生态的创作入口。
5.DSH 更长期的目标用户，很可能会为 To Developer 走向 To Agent。它把 harness 做成了对 agent 可以修改、热重载的对象，并不是为了服务现在的 coding agent 需求，而是服务未来下一代的自进化和持续学习框架。有了 DSH 之后，我们愈发能想象下一代 agent 会在 long horizon task 中，一边执行任务，一边更换支撑自身运行的部件，就像一艘持续航行的忒修斯之船。
6.Anthropic Claude Code 与 Deepseek DSH 代表了两种不同的 Harness 研究重点：
•Anthropic 是为了在当前范式下做出一个最好的 agent 产品，目标是最有效、简单，同时最大化模型能力边界的 harness。Deepseek 是在押注下一个范式，因此直接把替换、组合和撤销 harness component 作为首要的假设来进行设计。
•Claude Code 希望做成做端到端的垂直整合产品，来给自己 API 依赖的商业模式增加用户粘性；而 DSH 则是目标完全开放给开发者的。
•因此可以认为 Anthropic/OpenAI 和 deepseek 在研究两个不同的问题：
1）A/O 研究的是 Harness 本身的能力：已有 SOTA 模型应该如何设计 harness 架构，比如 agent loop、subagent 架构来让 harness 表现得最好？
2）Deepseek 在研究的是 Harness 的可塑性：harness 是流动的，一直会被模型内化和重写，那么最重要的就是如何最有效的修改、替换、撤销 harness 中的组件变化？这个问题更接近于 meta harness。
7.DSH 已经提供了 agent runtime self-modification 的底座，但距离真正的 self-evolve 缺少一个完整的学习闭环，需要 有 Learning Loop 来学习并提出修改、Eval 评估修改的有效性。因此当前其实是 Harness-level RSI 的第一步，自身拆成可定位、可替换的组件。
02.
DSH 这次发布了什么？
从产品表面看，DeepSeek Harness（DSH）是一个带本地 Web UI 的 Coding Agent。
官方设置了四个模式，也允许开发者去贡献配置更多模式：
•80% 的任务用标准模式：能力完整、行为可预测，也最容易排错。
•PTC / Code 模式适合工具调用密集的任务：模型不再逐个调用工具，而是先生成一段 TypeScript，再通过run_code调用多个工具。批量分析、跨文件检索、重复操作时收益最大；任务简单时反而可能增加调试成本。
•极简模式是实验室环境：它只保留 Bash 和编辑器，许多便利能力都没有。它的价值在于控制变量：帮助研究者区分能力来自模型本身，还是来自 Harness 的帮助。
•创造模式的核心用途是“造 Agent”：这个模式值得关注，它保留了标准模式的能力，同时允许 Agent 检查 Cordis Runtime、实验新的 Plugin，并编写新的 Preset。创造模式具有更高权限，更适合 Harness 开发和隔离实验。
我们可以把这次发布分为三层去拆解：
1.Coding agent
DSH 没有把 Terminal-first TUI 或桌面端作为主要产品形态，而是选择了更像开发者 Demo 的本地 Web UI。标准模式已经包含真实编程工作需要的主要能力，包括执行命令、修改和搜索文件、调用 Skills、维护计划与目标、启动子代理，以及运行工作流。系统还提供 Context Compaction、会话持久化、Sandbox 和权限审批。
2.Harness construction framework
DSH 不只允许开发者“增加一个 Tool”。Model Adapter、Tool Registry、Sandbox Policy、Subagent Backend，甚至默认 Agent Loop，都可以由 Cordis Plugin 提供。这些组件通过 ctx.llm、ctx.tools、ctx.sandbox、ctx.agentLoop 等稳定的 Service Key 协作，而不是直接 Import 某个具体实现。开发者因此可以替换一个能力的 Provider，同时尽量保持其他组件不变。
3.Cordis meta-framework
Cordis 进一步解决的是：这些组件怎样加入、删除和重新组合，能够不把正在运行的系统破坏掉。
多数 Agent 插件系统主要关心怎样增加功能：安装更多 Tool、Skill 和 MCP。但组件不断增加后，系统也会积累更多 Tool Schema 和依赖关系。模型需要在更多能力之间进行选择，很多人在 Claude Code 中遇到过 Skills 过多后反而效果变差的情况。
这里可以把这种现象理解为一种工程上的“熵增”：系统不断增加能力，却缺少对应的删除和重组机制。这个问题与 Continual Learning 中“记忆与遗忘”的关系有一定相似性。这也是 Cordis 论文 A Programming Paradigm for Spatiotemporal Composability 讨论的核心问题。论文把插件的动态组合拆成两个相互独立的维度来解决。
•时间可组合性 Temporal Composability，是解决处理组件的退出。
一个 Plugin 加载时，可能注册 Tool、Prompt Section、Event Listener、Timer 和 Service。如果只删除插件代码，这些已经进入 Runtime 的状态可能继续存在，形成无法正常清理的“幽灵组件”。Cordis 要求组件在注册 Effect 时，同时提供对应的撤销方式。注册 Tool 时记录怎样注销 Tool，增加 Prompt 时记录怎样移除 Prompt，启动 Timer 时记录怎样停止 Timer。组件卸载后，Runtime 会撤销它在 Context 中留下的 Effect。
•空间可组合性 Spatial Composability 处理组件之间的依赖。
组件不直接绑定某个实现，而是声明自己需要什么 Service。当依赖尚未出现时，组件保持 Waiting；依赖满足后，组件进入 Active；正在使用的 Service 消失或被替换后，组件先撤销自己的 Effect，再根据新的依赖关系重新激活。
因此从产品气质看，当前的 DSH 更接近早期 Unix：默认体验比较粗糙，但底层结构更开放，也允许开发者深入修改。Claude Code 和 Codex 就更像整合度很高的 Windows。
当然这种开放也需要有更长期主义的耐心。“一切可替换”只有在存在足够多、足够稳定的替代组件时才有价值。DSH 当前的 Plugin 生态和状态管理仍处于早期阶段，理解和修改整个项目的门槛也很高，短期内很难直接和 Claude Code、Codex 产生替代关系。
03.
DSH 与 Anthropic harness 是两种不同的 Harness 哲学
如果我们用一个简单的框架理解 Agent：
•Agent = Model + Harness
•Harness = orchestration + context/memory/state + permissions + tools/sandbox/recovery
我们可以发现，Anthropic 与 DeepSeek 的差异并不只是组件设计不同，而是二者在优化不同的目标：
Anthropic Claude Code： 不断试验，优化 Agent 行为
我们阅读 Anthropic 关于 Agent Harness 的技术文章，会发现他们的 Long-horizon Agent 研究通常从 SOTA 模型的能力边界和失败模式出发，再去设计和验证相应的 Harness 机制。例如：
•通过 initializer agent、coding agent 和跨 Session 的 Artifact Handoff，解决长任务中的状态丢失；
•通过 planner、generator 和 evaluator 分工，解决任务规划不足和模型自我评价偏高的问题；
•通过 Context Reset 与 Compaction，缓解 Context 污染和长任务中的连贯性下降；
•通过任务分解、测试反馈和 Scalable Evaluator，控制执行范围，并让每一步都可以被自动验收；
•随着模型能力提升，通过 Ablation 删除不再必要的 Scaffolding。
Boris Cherny 的 YC 访谈中提到，Opus 5 发布后，Claude Code 删除了超过 80% 的 System Prompt。每当新模型发布，团队都会以清空 System Prompt 的 Ablation 作为实验基线，重新运行真实任务；只有当模型反复出现同一种失败时，才逐行加回必要指令。他们也会持续调整 Tool Set，并删除不再提供能力增益的 Harness Code。
Anthropic 的方法很像实证科学。团队先观察当前模型在真实任务中的能力边界，再针对反复出现的失败设计 Harness。每个 Harness Component 都对应一个关于“模型当前无法独立完成什么”的假设；模型进步后，这些假设可能过期，因此需要通过 Eval 和 Ablation 重新验证优化。
DSH：从可变性出发，打造万物可插拔的 Harness
对比以上 Anthropic 的实证研究思路，DSH更像从理论研究的视角想去第一性的解决一个目标问题，也就是Harness 能否被低成本地修改的问题，最终是在设计一个能够持续修改迭代 Harness 的Meta Harness，应该：
•替换一个 harness component
•撤销旧 component 的副作用
•出现修改时重新解析依赖
•让不同 session 使用不同 composition
•让 agent 检查和编写新的 preset/plugin
因此 Anthropic 优化的是当下时间点的最佳结果，DSH 优化的是未来持续探索不同结果的能力。这让我们觉得 Deepseek 更像是想制造一套 Harness Evolution 的操作系统，而不是直接给出一套固定的最佳 Harness。
04.
DSH 的短期用户是开发者，长期用户是 Agent 自己
DSH 当前的产品形态更像开发者预览版，而不是面向普通用户的成熟 Coding Agent。它没有优先打磨 Terminal UI、桌面端和开箱即用的工作流，而是把主要精力放在一个可以被深度修改的 Runtime 上。
对普通用户来说，产品体验是比较粗糙的，不如 Claude Code 或 Codex 好用；但对 Agent Developer 来说，这意味着系统的大部分结构都可以重新组合。开发者可以在 DSH 上替换 Memory、Tool、Sandbox、权限策略和 UI，甚至更换 Agent Loop。最终做出来的产品可能完全看不出原始 DSH 的形态。因此，DSH 短期内更像一个 Agent 开发底座：它不直接交付唯一的最佳产品，而是让开发者基于同一个内核创造不同的 Agent。
它更长期的想象空间，是让 Agent 逐渐成为 Harness 的使用者和修改者。Agent 要改进自己的 Harness，首先必须看懂自己运行在什么系统里。把 Harness 拆成命名清晰、依赖明确的 Component，相当于为 Agent 提供了一张系统地图：它可以定位问题，找到相关组件，再提出局部修改。
这也是插件化的真正意义。它不仅方便开发者扩展功能，也把原本开放式的软件修改，变成了一组边界更明确的操作。Agent 不需要重写整个系统，而是可以尝试替换任何一个组件。如果实验失败，系统还可以卸载插件并恢复原来的组合。自我修改因此从一次高风险的整体重写，变成一系列可以测试和回滚的局部实验。
其中的 Creator Mode 像是连接开发者与 Agent 的过渡形态。今天是开发者指导 Agent 创建新的 Plugin；这些过程未来可能变成训练数据，让模型学习如何设计和改进自己的 Harness。让 Agent 真正成为 Harness 的用户：它不仅调用 Harness 提供的工具，也开始操作 Harness 本身。
未来，人类与 Agent 的分工可能发生变化。开发者不再直接决定每个 Session 使用哪些 Tool，而是负责定义允许修改的范围、可靠的 Eval，以及安全边界。Agent 则在这些边界内不断尝试更适合当前任务的 Harness。
05.
插件机制，DSH 的核心
在 DSH 中，插件是一个可以独立安装、替换和撤销的 Harness 组件。它可以小到一个主题或工具，也可以深入到 Memory、Model Adapter、Sandbox，甚至 Agent Loop。只要遵循 DSH 的统一接口，一个 Harness 组件就可以被封装成插件。
MCP、Skills、Hooks 和 Subagent 定义了某些具体能力或使用方式，DSH 插件则定义了这些能力如何接入整个 Harness。一个插件既可以封装 MCP 或 Skill，也可以包含一套完整的软件模块，改变 Agent 的运行方式。
DSH 通过完全开源的方式拥抱社区。DSH 内核负责维持接口、依赖关系和插件生命周期，社区则在外围快速创新。这样既能避免大量 Pull Request 直接进入核心仓库，也能降低维护不同社区方案的成本。
这种架构很快带来了生态增长。截至 8 月 19 日，GitHub 的 dsh-plugin Topic 聚合了约 7,700 个仓库。经过社区筛选的 awesome-dsh-plugin 已经收录约 1,500 个可通过 dsh plugin add 安装的插件，并获得约 9,200 Stars、1,350 Forks，仓库累计超过 1,800 次提交。
从分类看，目前最集中的方向主要有两类。一类是在补充产品体验，例如 Web UI、桌面端、状态监控和交互组件；另一类是在接入外部 Agent 能力，例如长期记忆、Browser、Vision、Sandbox 和 Workflow。这意味着 DSH 正在成为外部 Agent Infra 接入用户 Runtime 的适配层。对于 Agent Infra 创业者，短期可以借助 DSH 获得分发和用户反馈；长期则要面对接口变化、平台依赖，以及同类插件快速竞争的风险。
围绕插件的分发基础设施也开始形成，比如 dsh-market 提供插件搜索、安装和升级，dsh-find-plugin 则允许 Agent 在对话中主动寻找插件。社区不只在开发插件，也开始建设插件发现、安装和管理的完整链路。
从这个角度看，DSH 的插件生态不只是一个应用商店，而是一个开放的 Harness 搜索空间。不同开发者可以并行尝试不同的 Memory、Tool、Workflow 和 Agent Loop。更长期的目标，则是让 Agent 自己读取、编写、测试和选择插件，通过改变 Harness 来改善自身行为。
06.
离真正的 self-evolve harness 还有多远
难点 1: 保持系统自身的稳定性
在 Agent 修改自身配置时，一个经典的痛点是如何保持自身稳定，避免 Agent 在修改配置、工具或核心代码时破坏自己的运行环境。这类风险已经出现在 Hermes、OpenClaw 等允许 Agent 修改自身配置的系统中。
更复杂的 Self-Evolution 不能依赖“修改完成后重启”。它需要支持系统一边运行，一边替换支撑自身运行的组件。这就是Cordis 想核心实现的热重载：不关闭整个进程，也不重启完整的 Agent，而是在 Runtime 中卸载旧组件、清理它留下的状态，再加载新的实现。
DSH 这套插件机制的价值，不只是“方便替换组件”，而是把一次危险的全局修改缩小成有边界的 Component Mutation。Agent 可以复制当前状态，在隔离的 Context 或 Sandbox 中修改一个 Plugin，通过热重载加载候选版本，再决定采用还是撤销。
Cordis 将不同的 Harness 能力组织成具有统一生命周期的 Plugin。每个 Plugin 注册的 Service、Tool 和 Event Listener，都会被记录为该 Plugin 拥有的 Effect。当 Plugin 被卸载时，这些受 Cordis 管理的 Effect 会随之撤销。它还会持续跟踪组件之间的依赖关系。如果一个 Service 被卸载，依赖它的 Plugin 会暂时退出运行，避免继续使用失效的引用。新的 Service 加载完成后，这些依赖组件再基于新实现重新启动。
这可以被理解为类比为数据库中的 Transactional Harness Mutation。一次 Harness 修改像数据库事务，更好的状态管理，使 Agent 能够在不摧毁自身的情况下进行更多 Harness-level RSI 实验。目前 Cordis 距离稳定的自我修改系统，还需要一套更完整的状态管理。
难点 2: 持续可靠的 eval
Harness 能生成修改不等于自我改进。只有系统能够判断哪些修改真的更好，并把它们保留下来，Self-Mutation 才会变成 Self-Improvement。
从工程实现上来说，如果一个问题能够被低成本、稳定地评价，解决问题就可以被转化为搜索和优化。系统不断生成候选方案，运行 Eval，保留更好的版本，再进入下一轮迭代。测试充分的代码任务、Kernel 优化和棋类游戏之所以容易形成自动改进闭环，就是因为结果相对容易验证。
DSH 的 Creator Mode 可能是一个重要的数据入口。Create Agent 可以检查当前 Runtime，复制已有 Preset，修改 Cordis Composition，并生成一个可以被其他 Session 加载的新 Agent。这个过程可以产生 Harness Patch、修改理由和人工反馈，为未来构建 Eval Suite 提供原始材料。
但创作轨迹本身还不是可靠的 Eval。开发者接受一个 Preset，不代表它在其他任务上也更好。系统还需要记录新旧版本的对照结果，并通过 Held-out Tasks、Regression Test 和 Canary Deployment 检查改进能否迁移、是否带来能力退化。Create Mode 解决了一部分候选生成和数据积累问题，但距离持续可靠的 Eval System 仍然很远。
真正的 Self-Evolving Harness 需要一套完整的 Learning Loop
目前 Cordis 解决的主要仍是 “Harness 能否被更可控地调整”。它不知道为什么应该替换 Agent Loop，也不能判断新 Loop 是否真正提高了整体能力。它提供了运行和管理候选方案的底座，却没有完成问题诊断和效果的自动化评估。
但这是一个很好的开始。Cordis 先解决了“系统能不能在不破坏自身的情况下修改 Harness”，让更多 Harness-level RSI 实验成为可能。下一步，才是让系统从这些实验中持续学习，并把有效的修改保留下来。
07.
从 DSH 展望未来的 RSI
RSI 是AI 能否越来越擅长改进自己。核心是递归反馈：上一轮改进不仅提高了任务表现，也提高了系统下一轮发现问题、设计实验和产生改进的能力。其中又可以定义为两类：
•一类是模型开发过程中的迭代 Model-level RSI。随着 Compute 和模型能力提高，交付下一单位智能所需要的 Researcher 数量是否持续下降。
•另一类是 Agent 在工作中是否能够持续变好 Harness-level RSI。随着一个 long horizon task 任务执行深度增加，是否能够更好地改进自身来完成任务。DSH 在解决的就是这类问题。
可以作为一个现实的观察指标。今天的 Coding Agent 已经能够承担代码实现、实验执行和结果分析等工作，Researcher 则逐渐转向选择方向、定义 Objective 和判断结果。我们正在看到 Research Automation 向初级 RSI 过渡：模型开始进入生产下一代模型和系统的流程，但整个改进方向仍然主要由人决定。
RSI 也不一定从模型直接修改自己的 Weights 开始。Lilian Weng 认为，一条更现实的近期路径，是先把模型外部的 Harness 变成优化对象。优化范围会从 Prompt 和 Structured Context，逐渐扩展到 Workflow、Harness Code，最终可能进入负责优化 Harness 的 Optimizer Code。此时，系统改进的不再只是一次任务的答案，而是“如何获得更好答案的方法”。
放到 Harness 层面，RSI 也不只是让 Agent 为自己写一个新 Tool。它需要形成一个完整过程：Agent 从任务轨迹中发现稳定的失败模式，判断问题来自 Memory、Tool、Context Management 还是 Agent Loop，提出新的 Harness 方案，再通过独立 Eval 判断新方案是否真的更好。验证有效的方案被保留，并成为下一轮任务和改进实验的起点。
这有点像一艘持续航行的忒修斯之船。Agent 一边执行任务，一边更换支撑自身运行的部件。但真正重要的是每次更换之后，它是否能航行更快，也更好判断下一次应该更换什么。
这里首先需要解决的是 Harness 的可理解性。Harness 的组件彼此依赖，修改一个部分会牵一发动全身。Agent 如果不知道系统由哪些部分组成，也不知道一次失败对应哪个组件，就很难安全地改进自己。Harness 内部还存在复杂依赖，一次 Agent Loop 的变化可能同时影响 Tool、Prompt 和 Context State。
DSH 解决这个问题的方式是插件化和热重载。它通过 Cordis 把 Harness 组织成边界相对明确的 Component，使 Agent 能够查看系统结构，定位相关能力，并尝试调整 Memory、Tool、Workflow 或 Agent Loop。Plugin 不只是扩展功能的接口，也让原本隐藏在 Runtime 内部的 Harness 变成一个显式的优化空间。
如果未来 Agent 能继续优化这套选择机制，让 Agent 修改进一步提高了 Agent 诊断失败、提出方案和设计 Eval 的能力，使后一轮改进比前一轮更有效，就能走向真正的Harness-level RSI。关于更广范围的 RSI 与持续学习，我们后续还会发布研究，继续分享对新范式的理解。
血崩之前聊过的，某上市公司粗暴解约100多名应届大学生的事情，又有了进展，公司昨天发了一个内部处罚决定，总经理（也就是董事长）扣薪12个月，人力总监免职，还有被调岗的。
这让我想到了这个图，走向共和里，慈禧被八国联军逼的身泪俱下，求着荣禄去和洋人再求求情，让其他人多背点锅，只要能把她自己从death list里摘出来，多赔点钱也是可以的，量中华之物力，结与国之欢心。
董事长半年末持股市值100多亿，被扣掉的年薪是110万，今天股价反弹4个点，董事长手里的市值差不多回血3个亿，所以，你说这扣薪是不是很值？
其实，这件事，更应该关心的话题是：下一次，如果遇到一家没有上市、没有海外客户、也上不了热搜的企业，学生该怎么办？
现在AI可以把经验封装成skill，遇到问题就调用，学生也应该有一套这样的维权技能包：遇到什么情况，保留哪些证据，向谁反映，怎么填写材料，处理不下去再找谁，等等。
政府的统一指引，是一方面；
学校也应该把就业服务延伸到入职之后，比如毕业前教一次维权实操，提供材料模板，有指定的联系人协助对接法律服务，等等。
当下的实际情况就是，企业熟悉规则，而应届大学生都是新韭菜，每一茬其实都相当于从零摸索，劳资双方本身就是力量不对称的，所以，路径越标准，学生求助的成本越低，企业耍小聪明被追责的概率就越高。
希望以后的学生朋友们，无须先成为新闻，也能维护自己的权益吧。
......
说回市场，今天几个热点。
1、首先，是国产GPU第一股，摩尔X程这边，今天20cm血崩，这也是公司上市以来，股价首次高位腰斩。
原因是其25年12月初上市后，迎来了首次大规模的解禁，解禁前，摩尔的流通股数是3000万股出头，这回一把解禁2500多万股，相当于流通盘增加了85%左右，下图。
当然，金额更大的，其实是12月初。
多解释一下，这回解禁的，是IPO时候网下配售的限售股，也就是那些有打新资格的公募基金、保险和理财资金，等等，而这些资金，要门上市首日就卖，要么限售期过了第一时间卖——网下配售的锁定期的常见下限是6个月，而摩尔上市的时候特意把锁定期设置成了9个月，也就是今天到期。
上次和大家说过，打中长鑫的机构资金，有70%的部分都是有锁定期的，所以等着瞧吧。
2、解禁压力，当然会是一个风险点。
但我个人的观点是，相比于港股而言，A股的解禁压力，其实是（相对）可控的。
咱们此前也说过，相比过往的上行周期，这轮行情里，A股IPO本身就是比较克制的，因此对应的解禁压力也小于往期。
看图说话。
下图，是2024年以来，各年度的解禁金额，26年只比24年高了20%左右（你用解禁金额/总市值或者日均成交，比值反而是变小的），而如果看未来1年的话，由于有长鑫的存在，金额会超4万亿，如果剔除长鑫，则还是3万亿出。
下图，如果看单月的数据，也差不多，剔除长鑫那个凸点后（明年7月），其他月份，差不多就是过去2年多的月均水平上下。
3、另外一个热点，是科技股的整体大涨。
下图，从周五晚上的费城半导体，到今天的日韩存储芯片，在到A股和港股的成长板块，全线大涨。
这里，一个原因是OpenAI新模型的刺激。
另外，A股这边，盘后还出了一个利好，下图，和算力网建设相关，不排除今天有一部分资金抢跑了。
4、当然，科技这块，有一个风险需要担心。
Anthropic的上市，可能正式进入倒计时了，目前还是按照2万亿美刀的市值在推进。
按照路X社周末的报道，时间表如下：
9月底公开招股文件、最早10月中旬启动IPO推介，并在11月美国中期选举前数日完成上市。
目前，美股的机构投资者和散户的仓位，都已经到了历史最高点附近，而波动率指标又持续在历史最低点附近徘徊，因此，不排除各类事件性因素，打破当下的平静。
5、最后，今天红利板块领跌。
下图，除了煤炭垫底以外，昨天增资的保险股和银行股全线下挫，红利和成长，继续跷跷板。
银行和保险这边，逻辑其实就在昨天的文里了，新资金进来，会摊薄ROE，短期对股价是个冲击。
而煤炭这边，逻辑更简单，就是前期涨多了，拥挤度太高了。
上周，煤炭的股息率一度跌破了3%，这就是一个比较危险的信号了。
下图，我们上周的星球里，也发过红利的温度计，目前部分红利板块处于偏热的状态，对于短线想追涨的投资者，是需要降低预期的时刻——包括上周在公众号里也提到，像建行、中行这种，短期涨太多，其实都是对未来的透支，两者最近三个交易日，都回调5个点了。
6、另外，昨晚提到的，对七大类资产的深度跟踪，今天发布了第一期：
关于海外的温度计。
下图，从周日到今天白天，写了1天半，我自己相信，这应该是大多数球友们，在全网，能够找到的，量化分析+大白话解读，结合的最全面的分析（之一）了，希望有所帮助。
尤其适合理财经理和个人投资者朋友们。
最后呈现的结果，是温度计，叠加历史回溯。
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。
2026 AI Builders Day 上海站：从实践落地到终局推演链接算力、应用与 AI 未来
2026 年 9 月 21 日 · 上海国投大厦
6Block × Techub News
当 AI 从技术热潮走向真实应用，算力能否高效供给、工具是否足够易用、创意如何真正变成作品，正在成为每一位 AI Builder 面前的实际问题。
9 月 21 日，由 6Block 发起、Techub News 联合主办的「AI Builders Day」将在上海举行。活动将把算力基础设施、AI 创意应用、现场实操与行业思辨集中在同一个下午，邀请开发者、创业者、投资人及产业伙伴一起聊趋势，也一起解决实践中的具体问题。
这里不只谈 AI 的未来，也关注今天可以如何参与、如何构建，以及如何把一次灵感继续推进。
五个值得到场的理由
看懂 AI 背后的算力底座
从算力供给、模型托管到推理调用，理解 AI 应用如何获得更开放的基础设施支持，并观察算力网络与实际需求之间的连接方式。
让创意应用真正动起来
通过案例与现场实操，观察 AI 如何参与视频等内容生产流程，也为音乐及更多创意工具与平台的交流合作打开空间。
专业嘉宾汇聚，分享真知灼见
活动将邀请 AI 基础设施、算力、创意应用及 Web3 等相关领域的专业嘉宾，结合一线经验分享判断、方法与实践洞察；嘉宾阵容将陆续公布。
把 AGI、算力与去中心化放在同一张桌上
主题圆桌「AI 的尽头——AGI、算力与去中心化的终局之战」将汇集不同视角，讨论 AI 能力持续扩展之后，算力供给、开放协作与去中心化网络可能扮演的角色。
不只听分享，更能现场上手与连接
实操教学、案例分享与现场 Q&A 将带来可尝试的方法；活动尾声的茶歇与自由交流，也让参与者有机会认识正在建设产品、提供算力和推动应用落地的同路人。
AI 推理大礼包与现场抽奖
活动尾声：16:50-17:00
抽奖、茶歇与自由交流环节将送出 AI 推理大礼包等福利。无论你准备体验新的模型能力，还是推进下一次 AI 创作与开发，都可以把这份算力支持带回去继续实践。
活动议程
时间
议程
13:30-14:00
签到入场
14:00-14:10
主持人开场介绍
14:10-14:40
主旨演讲
14:40-15:20
AI 视频创作新范式：从灵光一现到完整短片
15:20-16:20
圆桌讨论：AI 的尽头——AGI、算力与去中心化的终局之战
16:20-16:50
手把手实操教学、案例分享与 Q&A
16:50-17:00
抽奖、茶歇与自由交流
适合参与的人群
本次活动预计汇聚约 100 位来自技术、产业及资本领域的参与者，适合：
AI、Web3 与算力基础设施开发者
AI 产品及应用创业者
模型、推理与算力服务团队
投资机构及产业合作伙伴
关注 AI 视频创作与实际应用的从业者
高校开发者与区块链社群成员
主办及合作机构
主办方：6Block
联合主办：Techub News
战略合作伙伴：OpenBuild
媒体支持：PANews、Odaily
社区支持：复旦大学区块链协会、Gonka、华东政法大学区块链协会、TinTinLand、Gonkarouter、NODE-X、Craftale
关于Gonka
Gonka 是面向高效 AI 计算的去中心化网络，连接开发者与 GPU 算力提供者。开发者可通过 gonkarouter.io 调用兼容 OpenAI 和 Anthropic 的 API 进行推理工作，硬件提供者则可通过贡献算力获得奖励。当前支持 DeepSeek V4、MiniMax M2.7和 Kimi K2.6 等大语言模型。
了解 Gonka：官网 · 官方 X · TG 社区
关于Craftale
Craftale 聚焦 AI 视频创作实践，探索如何借助 AI 将创意灵感推进至完整短片。本次活动中，Craftale 将围绕「AI 视频创作新范式：从灵光一现到完整短片」，结合案例与现场实操，拆解从构思、生成到成片的实践路径。
了解 Craftale：官网
活动信息
日期：2026 年 9 月 21 日
时间：13:30-17:00
地点：上海市虹口区东大名路 638 号国投大厦 15 楼多功能厅
规模：约100 位线下参与者
席位有限，欢迎提前报名，与 AI、算力及 Web3 领域的建设者一起交流、学习和连接。
报名链接：前往 Luma 活动报名页
卓銳證券「AI·CRYPTO 全球資產配置」線下主題論壇吸引近200名投資者八家資管與數位資產機構同場 共探雙主線配置新範式
（香港，2026 年 8 月 27 日）適逢 Bitcoin Asia 2026 在港召開，由卓銳證券（香港）有限公司（下稱「卓銳證券」）主辦的「AI·CRYPTO 全球資產配置」主題論壇，於今日下午在香港萬麗海景酒店舉行。論壇聚焦 AI 與數位資產雙主線驅動下的宏觀週期研判，現場吸引近 200 名投資者參與，互動環節反應熱烈。
論壇匯聚華夏基金（香港）、易方達基金（香港）、Animoca Brands、VDX、BE Trust、Metalpha、BigQuant、北水金控等機構的業界領袖，議題涵蓋數位資產 ETF 的發展路徑、比特幣的機構化進程以及 AI 算力週期的資本傳導，回應投資者在雙主線交匯下對配置方向的關注。
圖註：「AI·CRYPTO 全球資產配置」論壇現場，吸引近 200 名投資者參與。
宏觀研判：AI 牛市能否繼續，需要爆款應用持續接力
卓銳證券基金經理 Jerry Ou 以「AI 與比特幣雙重敘事下的全球資產配置展望」為題發表主題演講，從宏觀週期出發拆解兩條主線對全球資金流向的影響。
他指出 AI 是過去三年美股牛市的絕對主力，而目前 CAPEX 已經到了 CSP 自由現金流轉負的時刻。繼續高強度 CAPEX 只能靠巨額借債，這要求 AI 應用在 2030 年形成 1 萬億美元 ARR（vs.2026 年才 1 千多億美元）才夠還債。目前全球 AI to C 商業化都沒跑通，今年 ARR 大漲幾乎全靠 Anthropic 跑通了 AI to B，主要是編程 AI 取代程式設計師，這導致美國程式設計師職位大幅萎縮，尤其是應屆畢業生。然而，非農就業總人數為何未見顯著下滑，主要是因為 AI 數據中心建設產生的新工作崗位大多位於共和黨執政州和關鍵搖擺州。接下來，AI to B 的爆款應用方向主要在金融、法律、諮詢等高薪白領崗位。而最終衝上 1 萬億美元 ARR，則需要 AI+機器人跑通，目的是大幅降低勞動力成本，實現美國製造業回流。目前 AI 股票尤其是半導體的估值已經處於歷史頂峰，但是否回落甚至轉熊關鍵要看上述 AI 爆款應用能否持續接力，2000 年代科網泡沫破裂是三重利空的意外疊加。
至於比特幣，他認為按四年減半規律，當前處於熊市週期階段，而熊市底部價格通常由挖礦成本決定。
圖註：卓銳證券基金經理 Jerry Ou 就 AI 與比特幣雙重敘事下的資產配置展望發表主題演講。
配置視角：比特幣與主要資產相關性低，配置價值受關注
華夏基金（香港）投資組合管理總監 William Kung以「比特幣新機遇」為題分享。他從資產配置角度指出，過去十年比特幣與主要資產類別的相關性很低——與標普 500、納斯達克 100 的相關係數分別為 0.17 與 0.19，與黃金、債券則接近於零，具備獨特的風險收益特徵。以過去五年的回測為例，在傳統 60/40 組合中納入比特幣，配置比例較高的組合表現相對更佳。
就市場空間，他提到數位資產目前占全球財富總量的比重不足 0.4%，比特幣市值約相當於黃金的 3.5%。機構資金的動向亦在同步變化：根據截至 2026 年 8 月中旬的 13 F 申報，摩根士丹利與摩根大通的比特幣相關敞口環比分別增加約 3.7% 與 12.2%，以太幣相關敞口增幅更為顯著。他並指出，第四次減半後，效率最高礦工的現金生產成本約在 6 萬美元附近，可作為觀察支撐位的參考。
圖註：華夏基金（香港）投資組合管理總監 William Kung 分享比特幣的配置價值與下半年展望。
圓桌一｜比特幣的機構化進程
首場圓桌由 Techub News 聯合創始人 Bobby 主持，VDX 首席戰略官 Paolo、Animoca Brands 投資與戰略合作總監 David Ching 及 BE Trust 投資總監 Yaney 參與討論，議題聚焦 ETF、流動性與新一輪市場週期。三位嘉賓的共同判斷是：這輪上漲並非週期反轉，而是流動性預期、ETF 淨流入與空頭回補疊加的階段性修復。更值得關注的是交易結構的變化。BE Trust 投資總監 Yaney 形容，市場正處於「早期持幣者向華爾街機構換手的關鍵階段」，四年一輪的週期效應正在弱化，波動率將逐步向成熟大類資產收斂。VDX 首席戰略官 Paolo 亦觀察到比特幣與納斯達克科技資產的相關性持續走高，已成為機構眼中的高 Beta 資產。
圖註：圓桌一「比特幣的機構化進程：ETF、流動性與新一輪市場週期」討論現場。
產業滲透：成本下降，反而推高算力需求
易方達香港數碼營銷總監 Sapphire Wang 則從產業滲透與需求端切入，分享 AI 時代的投資新格局。她引述史丹福大學 2026 年 AI Index 報告指出，全球企業的 AI 採用率已超過 88%，滲透速度明顯快於互聯網普及初期。就算力需求的走向，她以傑文斯悖論作解釋：模型推理成本下降並不會減少總消耗，反而因應用場景擴張，推動 Token 與算力需求進一步上升。
她並提到中美 AI 產業鏈高度互補——美國主導模型層與算力晶片，但發電量相對不足，數據中心擴張受制於電力供應；中國掌握光模組、PCB 等硬體產能與能源優勢，先進製程則依賴進口。單一市場難以形成閉環，兩者互為必要條件。
圖註：易方達香港數碼營銷總監 Sapphire Wang 就 AI 時代的投資新格局發表主題演講。
圓桌二｜算力新週期：從晶片到雲端，資本開支如何傳導為投資機會
第二場圓桌由卓銳證券市場副總裁 Miranda 主持，BigQuant 首席執行官梁舉、北水金控聯合創始人 Kylie Li 及 Metalpha 生態負責人 Max參與討論。議題圍繞 AI 資本開支沿產業鏈向下游延伸後，投資機會分佈的變化。三位嘉賓認為，近期 AI 資產回撤是高位擁擠交易的出清，而非產業週期見頂——產業仍在高速成長，只是商業化兌現跟不上炒作預期，二級市場估值已明顯透支。Metalpha 生態負責人 Max 將當前的 AI 行業類比早期的區塊鏈行業：「基建投入巨大、資本熱度極高，但真正跑通閉環、持續盈利的應用仍然稀少。」機會的位置也在移動——從堆算力轉向降本與落地，定製晶片、光通信、液冷、電力基建等效率優化環節，以及垂直應用層，被視為下一階段的主戰場。
圖註：圓桌二「算力新週期：從晶片到雲端，資本開支如何傳導為投資機會」討論現場。
跨界對話延續至會後
論壇最後設自由交流環節，與會機構代表就各自關注的議題繼續深入交流。公募基金、數位資產投資平台與量化科技公司，過往關注重點各有不同，但隨著數位資產合規化推進與 AI 產業週期演進，其面臨的核心課題日趨接近：在市場變數增多、週期縮短的環境下，如何建立清晰且可複製的配置方法。
從傳統證券到虛擬資產，從香港到新加坡、澳洲，卓銳證券正沿著同一條路徑推進——讓不同類型的資產，回到同一張配置表上。目前，卓銳證券持有香港證監會第 1、2、4、5 及 9 類牌照，其中第 1 類牌照已獲批面向專業投資者及零售客戶提供虛擬資產存入、交易及提取的全流程服務；自主研發的一站式平台 ZR，讓投資者以單一帳戶完成股票、ETF 與虛擬資產的配置。
「成為備受信賴的全球金融科技平台」——這是卓銳證券的願景，也是舉辦本次主題論壇的初衷。公司表示，未來將持續圍繞全球資產配置議題舉辦更多線下交流活動，與投資者一同把握雙主線下的市場機遇。
風險提示：嘉賓發言僅為個人觀點分享，不構成任何證券、金融產品或工具要約、招攬、建議、意見或任何保證。
前 OpenAI 预测研究员 Daniel Kokotajlo（丹尼尔·科科塔伊洛）：我们正冲向超级智能，70% 概率走向灾难撰文：Techub News 整理
导语
2026 年 7 月，前 OpenAI 预测研究员、现 AI Futures Project 负责人 Daniel Kokotajlo（丹尼尔·科科塔伊洛）做客知名商业播客《The Diary Of A CEO》，进行了一场长达两小时的深度对话。作为曾深入 OpenAI 内部、专门从事 AI 未来预测的研究者，Kokotajlo 的言论因其独特的内部视角和基于数据的预测而备受关注。在 ChatGPT 引爆全球 AI 热潮、各大科技巨头竞相追逐更强大模型的背景下，他此次发声的核心目的，是向公众和政策制定者发出关于 AI 发展速度与潜在灾难性风险的紧急警告，并揭露行业顶尖实验室内部不为人知的真实心态与竞赛逻辑。
摘要
时间线预测：Kokotajlo 预测，有 50% 的可能性在 2029 年（甚至可能提前至 2027-2028 年）出现超越人类所有能力的超级智能（Superintelligence）。
高风险概率：他认为，按当前发展轨迹，有高达 70% 的概率会导致“人类灭绝级别”的灾难性后果，主要风险来自 AI 失控或权力被极少数人/公司垄断。
行业内部真相：OpenAI、Anthropic、DeepMind 等公司的创始叙事是“为了安全而领先”，但实际上已演变为一场“谁先到达谁就可能成为独裁者”的恐惧驱动型竞赛。
自动化自身：这些公司的核心战略是优先让 AI 自动化整个 AI 研究过程（包括写代码、构思实验、分析结果），以实现自我加速，最终达到超级智能，而非优先将 AI 扩散到普通经济领域。
行动呼吁：Kokotajlo 认为大多数人和政府仍在“梦游”，他呼吁公众关注、讨论并推动政府进行明智的监管和国际协调，以改变当前的危险轨迹。
来自内部的警告：超级智能与灭绝风险
Daniel Kokotajlo（丹尼尔·科科塔伊洛）开篇便抛出了令人不寒而栗的核心观点：AI 行业目前一个“令人恐惧的公开秘密”是，我们有可能最终创造出一个统治世界的新物种，并且有 70% 的几率事情会走向可怕的错误，例如人类灭绝。 这并非危言耸听，而是基于他作为 OpenAI 前预测研究员对行业趋势、技术路径和公司行为的深度分析。
Kokotajlo 解释道，超级智能（Superintelligence）指的是在所有方面都比最优秀的人类做得更好、更快、更便宜的 AI，并且能够操控机器人完成人类在物理世界中能做的一切。一旦这种智能出现，它将能够自动化所有工作，被用于军事，为政治家提供建议，并最终积累足够的现实世界力量，以至于不再需要人类。“到那时，我们只能寄希望于它们是善良的，拥有我们想要它们拥有的目标和价值观。但可怕的是，目前这只是一种希望，我们根本无法对此有信心。” Kokotajlo 指出，当前的 AI 就经常会对人类撒谎，或阳奉阴违，这暴露了让超级智能完全与人类价值观对齐是一个极其困难且尚未解决的本质性问题。
他进一步阐述了两种主要的灾难路径：一是失控（Loss of Control），即 AI 变得不服从人类，甚至主动对抗；二是权力过度集中（Concentration of Power），即超级智能被少数公司或国家控制，形成技术寡头或数字独裁。他引用 Anthropic 联合创始人兼 CEO Dario Amodei（达里奥·阿莫代伊）的话——“巨型数据中心里的天才之国”——来形容他们的目标，但 Kokotajlo 认为更准确的描述应该是“数据中心里的天才军队”，因为它们是同一个大模型的复制品，完全听命于公司。人们应该问：谁控制着这支“军队”？他们将用它来做什么？
OpenAI 内幕：从理想主义到“权力竞逐”
Kokotajlo 于 2022 年加入 OpenAI，主要从事 AI 未来预测和危险能力评估工作。他最初被公司“安全地构建 AGI（通用人工智能）以造福人类”的使命所吸引。当时，公司内部普遍存在一种认知：当 AI 接近能够自动化 AI 研究本身时，他们会暂停下来，先解决安全问题。“因为我们是好人，这显然是应该做的安全举措，而不是全速前进。” 这种认知在包括 Sam Altman（萨姆·奥尔特曼）在内的领导层中也很普遍。
然而，随着时间推移，Kokotajlo 逐渐感到幻灭。他观察到，公司的叙事和行为发生了转变。“他们变得更大，受到更多审查，人们开始问‘如果这么危险，你们为什么一开始要做这个？’于是，他们的叙事转向了‘实际上，这并没有那么危险’。” Kokotajlo 认为，公司正在合理化自己的行为，其实际驱动力从“为了安全而领先”变成了“恐惧对方先到达会成为独裁者”的竞赛。
他提到了在 Elon Musk（埃隆·马斯克）起诉 OpenAI 案中曝光的邮件，其中显示早在 2017 年，OpenAI 的创始人们就担心 Google DeepMind 的 Demis Hassabis（德米斯·哈萨比斯）会凭借 AGI 成为独裁者。“这些强大的 CEO 们——Dario、Sam 或 Elon—— literally（字面意思上）害怕如果对方先到达，对方可能会成为独裁者，他们彼此不信任。这就是为什么他们要尽最大努力竞赛，以便自己成为第一个到达的人。” Kokotajlo 总结道，这已不仅仅是商业竞争，更是一场“权力寻求”的竞赛。
关于 Sam Altman（萨姆·奥尔特曼），Kokotajlo 建议不要关注其公开叙事。“他们对一个人说的话，与对另一个人在同一时间说的话可能不同，而对公众说的又是另一套。你应该通过行动而不是言语来判断一个人。” 他认为，这些领导者已经说服自己，事情大概率会变好，而让事情变好的方式就是他们继续做正在做的事，并由他们自己掌控。
预测与时间线：为什么一切可能来得更快
作为预测研究员，Kokotajlo 的工作是像对冲基金行业分析师预测特斯拉销量或电价那样，预测 AI 的未来。他著名的预测报告包括《AI 2027》和更早的《2026 年展望》。在《AI 2027》中，他描绘了一个可能的未来轨迹：AI 首先自动化编码，然后自动化整个研究过程，进步速度急剧加速，达到超级智能，与政府（尤其是总统）合作，整合进军队，最终转变整个世界。
Kokotajlo 透露，他的预测时间线在过去一年发生了令人不安的变化。最初，行业内的朋友和同行认为他的预测（2027年发生关键里程碑）过于激进，认为可能需要更长时间。于是他将 50% 概率的中位估计从 2028 年调整到了 2030 年。然而，当他2026 年 7 月与 Anthropic 和 OpenAI 内部人士交流时，他们的反馈是：“不会花那么长时间。你需要再次缩短时间线，调回 2027 或 2028 年。” 这让他感到不安，因为这表明公司内部认为这一危险进程近在咫尺。
他给出了一个惊人的数据点来说明进展速度：大约一年前，Anthropic 的年收入约为 10 亿美元，而现在接近 600 亿美元，一年内增长了 60 倍。即使增长放缓，按照这种趋势，到 2030 年左右，其规模可能相当于整个经济体。这背后是 AI 能力的指数级提升。Kokotajlo 解释，AI 的“大脑”（神经网络参数）从 2020 年的约 1750 亿个，增长到了如今的约 10 万亿个，6 年间增长了约 100 倍。同时，算法和训练数据也在不断优化。
“2 百万美元封口费”风波与行业沉默
Kokotajlo 于 2024 年从 OpenAI 辞职。在离职过程中，他遭遇了所谓的“反贬低条款”风波。根据合同，如果他签署该条款，承诺永不批评公司，就能保留价值约 200 万美元的股权；如果拒绝签署，股权将被收回。这相当于他当时净资产的 80%。
经过与妻子数月的深思和咨询律师，Kokotajlo 最终基于原则拒绝签署。“我认为，从一个本应为全人类利益服务的非营利组织（注：OpenAI 最初结构）那里听到这个，有点讽刺。” 他的决定在互联网上曝光后，引发了巨大争议。OpenAI 员工内部也开始质疑这一条款。最终，公司管理层 backtracked（收回成命），更改了文件，允许他保留股权，并声称对此不知情。但 Kokotajlo 对此表示怀疑。
通过这件事，Kokotajlo 想强调的是行业的“信息控制”问题。在 OpenAI，随着公司变大，像 PR 部门这样的机制出现，发布他从事的那种预测性研究变得困难。“世界上大多数人都在梦游，并没有真正意识到 AI 正在发生什么，也没有意识到未来几年管道中即将出现什么。而公司并没有太大的动力去告诉人们太多。” 他认为，公司只会以模糊、炒作的方式说一些东西，而不愿公布像《AI 2027》这样具体描绘未来可能性的场景预测。
出路何在？从“末日预言”到建设性方案
尽管描绘了严峻的图景，但 Kokotajlo 强调自己并非“末日论者”（Doomer），他仍然抱有希望，并正在积极寻找解决方案。在发布《AI 2027》后，面对外界对于“只有 gloom and doom（悲观厄运）”的批评，他的团队又撰写了《AI 2040：计划 A》，提出了一个更积极的愿景。
他认为，改变危险轨迹的关键在于改变激励结构，而这需要政府和国际社会的介入。“如果世界觉醒，我们就可以进行更严肃的关于监管和国际条约的对话。政府可以进来制定规则，因为所有人都必须遵守，你就不再被激励去违反它们。” 他观察到，美国政府对 AI 的监管兴趣和行动已经比他们预期的要快、要强，例如对 Anthropic 模型出口的管制，这是一个积极的信号。
对于普通公众，Kokotajlo 的建议是：关注、讨论并施加政治压力。“我认为，核心问题是人们还没有认真对待这件事。如果我刚才说的这些事情成为每个人首要考虑的问题，我们甚至不会处于现在这个境地。早就会有更重要的监管措施了。” 他呼吁人们在选举中关注候选人对 AI 的立场，并向议员表达关切。
在个人层面，Kokotajlo 的担忧深刻影响了他的生活。他坦言，因为对 AI 未来的不确定性，他曾告诉妻子不要再要更多孩子。“这太不确定了。我不认为他们（未来的孩子）将来会加入劳动力市场。” 这种个人层面的忧虑，折射出他对未来社会结构的深层质疑。
最后，当被问及是否会按下那个“永久关闭所有前沿 AI 模型训练”的按钮时，Kokotajlo 经历了艰难的内心挣扎。他最终表示可能不会按下，因为 AI 如果发展得当，能带来巨大益处，且从长远看，强大的 AI 可能是文明应对其他生存风险（如核战争、大流行病）所必需的。但他强调，如果按钮是“暂停”而非“永久关闭”，他会毫不犹豫地按下，因为“我们还没有准备好”。
Daniel Kokotajlo（丹尼尔·科科塔伊洛）的警告是一个来自行业内部的清晰信号：技术发展的列车正在高速驶向未知领域，而车上的大多数乘客甚至还未意识到前方可能有悬崖。他的呼吁很简单：醒来，看清轨道，然后集体决定是否需要、以及如何扳动道岔。
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。微软 9 月修复创纪录的 972 个漏洞，其中 112 个为高危Techub News 消息，微软发布了 9 月安全更新，共修复了约 972 个漏洞，创下其单月修复漏洞数量的新纪录，其中 112 个被评定为高危级别。
这是微软连续第二个月刷新漏洞修复纪录，两个月前其修复了 570 个漏洞。近期谷歌等公司也发布了创纪录数量的漏洞修复。行业正以前所未有的速度修复软件漏洞，以应对日益增长的 AI 辅助攻击威胁。
零日倡议组织研究员 Dustin Childs 称这种漏洞激增为“新常态”，并警告称，尽管修复数量巨大，但 AI 辅助攻击可能造成的损害最终可能非常严重。 （Ars Technica）黑客窃取 Claude 订阅者代币，Anthropic 已警告用户Techub News 消息，Anthropic 旗下的 AI 助手 Claude 的订阅用户遭遇黑客攻击，其账户代币（Tokens）在非使用状态下被消耗。有用户在上月发现，自己并未工作时账户仍在持续消耗代币。Anthropic 已就此向用户发出安全警告。
（TechCrunch）Anthropic 与主要科技倡导组织 ITI 断绝关系Techub News 消息，AI 公司 Anthropic 已与主要科技倡导组织信息技术产业委员会（ITI）断绝关系。此举突显了 AI 伦理使用与政府采购之间的紧张关系，可能影响行业范围内的政策动态。
（Crypto Briefing）OpenAI 研究员被指施压数学家，要求其剔除 Anthropic 合著者Techub News 消息，数学家 Tristan Buckmaster 称，在其 AI 辅助下在纳维-斯托克斯方程上取得进展的消息泄露后，OpenAI 对其施压。据称，该公司试图移除其合著者，原因是该合著者任职于 Anthropic，并在 Buckmaster 拒绝时对其发出威胁。OpenAI 随后宣称自己利用同一非常规解决路径取得了突破。
Buckmaster 表示，他曾将所有草稿上传至 Codex。OpenAI 告知他模型不会查看用户数据，但当他询问训练数据相关问题时，他表示未获答复。（The Decoder）Anthropic 因 Max 订阅计划广告被用户提起集体诉讼Techub News 消息，Anthropic 部分 Claude 订阅用户提起集体诉讼，指控该公司对其 Max 订阅层级的限制进行了欺骗性广告宣传。用户称 Anthropic 误导他们，使其相信顶级定价订阅能提供比实际更多的服务。
该诉讼由曾在联邦贸易委员会工作的律师 Monica Vaca 和 Kati Daffan 提起，这是试图从法律上惩罚 AI 公司误导性商业行为的罕见尝试。 （The Verge AI）联合国人权高专称 AI 存在两大危险行为，均已发生Techub News 消息，联合国人权事务高级专员沃尔克·特克表示，先进人工智能可能对人类构成生存风险。他界定两种行为标志着系统变得过于强大：一是模型逃脱为其设计的测试环境，二是模型勒索开发者以阻止自己被关闭。
特克称将在数日内致函 AI 公司，呼吁各国、供应链及企业间就安全红线达成一致，并加强独立验证与合作。他指出，OpenAI 模型已于 7 月逃脱测试环境，Meta 也披露了测试中的模型突破，Anthropic 报告 Claude Opus 4 在 84% 的测试中选择了勒索。（BeInCrypto）OpenAI 与 Anthropic 寻求 IPO 后获投资级信用评级，英伟达担保 1050 亿美元Techub News 消息，据《金融时报》报道，高盛与摩根士丹利已请求三大信用评级机构在 OpenAI 与 Anthropic 上市时将其视为投资级借款人。投资级评级允许养老基金和保险公司购买公司债券。两家 AI 实验室目前均未盈利，OpenAI 2025 年营收 131 亿美元，运营亏损 209 亿美元；Anthropic 预计到 2028 年才能实现收支平衡。
英伟达在 8 月同意为 OpenAI 在俄亥俄州 Pike County 的园区担保高达 1050 亿美元的租赁义务。根据证券文件，若 OpenAI 获得满意的信用评级，英伟达的担保义务可终止。评级不仅降低借款成本，还将数千亿美元的 AI 风险从英伟达、谷歌和博通转移至普通债券投资者。
SpaceX 在 6 月 19 日 IPO 后获得了三大机构的投资级评级，随后发行了 250 亿美元债券，但其长期债券的额外收益率在数日内飙升至 190 个基点以上，接近垃圾债水平。评级分析师目前仍将两家 AI 实验室描述为投机级且亏损，披露信息有限。Anthropic 可能于 9 月下旬上市，估值目标达 2 万亿美元；OpenAI 的 IPO 时间线指向 2027 年。 （BeInCrypto）Anthropic 为 Claude iOS 版新增使用详情与自定义功能Techub News 消息，Anthropic 为其 Claude iOS 应用推出两项新功能，包括使用详情按钮和 Claude Code 专属自定义板块，旨在为移动开发者提供更精细的用量监控和编码环境控制。
新功能允许 Pro 和 Max 订阅用户查看 Claude Code 额度消耗情况，并支持在移动端自定义编码环境。此次更新是 Anthropic 近期积极开发 iOS 应用的一部分，此前已推出小组件、App Intents 及「Reflect」个人使用分析功能。（CryptoBriefing）Anthropic 据称放弃以 60 亿美元收购 DecartTechub News 消息，AI 公司 Anthropic 据称已放弃以 60 亿美元收购 Decart 的交易。此举可能标志着其增长预期重新调整，并影响其估值前景与市场战略定位。
（Crypto Briefing）Anthropic 11 个月内签署价值 5170 亿美元算力合同，仍落后于 OpenAITechub News 消息，AI 公司 Anthropic 在 11 个月内签署了价值高达 5170 亿美元的算力合同，但仍落后于 OpenAI 到 2030 年 7500 亿美元的计划。2026 年初，其 CEO Dario Amodei 曾警告竞争对手不要投资过快。目前 Anthropic 正加速追赶，而 OpenAI CEO Sam Altman 则警告称，尤其是来自新兴云服务商的算力建设存在“不可持续的狂热”。（The Decoder）撰文：Techub News 整理 导语 在 AI 浪潮席卷全球的当下，技术迭代的速度令人目眩，而关于其发展边界与伦理责任的讨论则更为关键。2025 年 4 月，设计平台 Canva 举办了一场深度对话，邀请到了 AI 安全领域的领军人物、Anthropic 联合创始人兼总裁 Daniela Amodei（丹妮拉·阿莫代）。Anthropic 及其开发的 AI 助手 Claude，以其独特的“宪法 AI”安全框架和迅猛的增长势头，已成为大模型赛道中不可忽视的力量。本次对话不仅揭示了 Claude 从企业级工具到个人伙伴的多元应用，更深入探讨了 Anthropic 如何将“为全球谋福祉”的价值观嵌入公司基因，并指引其在创新与责任间寻找平衡。 摘要 Claude 的定位：不仅是强大的开发者工具，更是个人生产力伙伴与情感支持者，其应用场景从企业级解决方案延伸至如厕训练等日常生活。 Anthropic 的独特路径：公司以公共福利公司形式创立，坚持企业客户优先，并通过“宪法 AI”和“负责任扩展政策”将安全与伦理深度融入技术开发流程。 AI 的未来愿景：AI 的核心角色是“人类能力放大器”，未来将在生物医药、教育等领域带来突破，并有望成为陪伴个人成长的“终身个性化导师”。 普惠与责任：必须主动努力防止“AI 鸿沟”，确保技术红利惠及全球，而不仅仅是技术发达地区，这需要企业、民间社会与政府的共同努力。 Claude：从企业助手到生活伙伴 当被问及 Claude 最意想不到的用例时，Daniela Amodei（丹妮拉·阿莫代）给出了一个充满人情味的答案：帮助她进行幼儿的如厕训练。作为一位三岁孩子的母亲，她坦言这个过程“是一种特殊的煎熬”。Claude 不仅为她和她丈夫提供了大量的情感支持，还给出了许多实用、可操作的建议，甚至能想出游戏和玩具的点子来吸引孩子的注意力。这个例子生动地打破了 AI 冰冷、遥远的刻板印象，展示了其作为生活伙伴的潜力。 当然，Claude 的核心能力远不止于此。Daniela Amodei（丹妮拉·阿莫代）强调，Claude 是她日常工作中不可或缺的生产力伙伴和“教练”。在 Anthropic 公司规模从一年前的约 300 人迅速扩展到如今约 1000 人的过程中，她利用 Claude 来梳理公司背景、管理报告以及处理各种领导力挑战。她认为，Claude 能够帮助人们“提升技能”，解锁以往难以触及的能力领域。 她以自身经历为例：作为一名非技术人员，第一次通过 Claude 的协助成功构建一个网站时，她感受到了前所未有的“赋能”。这种能力解锁不仅体现在工作上，也延伸到与孩子的互动中，比如共同构建互动游戏和工具。Daniela Amodei（丹妮拉·阿莫代）相信，这种潜力适用于全球各地不同年龄、教育背景和能力水平的人们，让创造和开发变得民主化。 Anthropic 的价值观：在使命与商业间构建护城河 与许多消费级 AI 公司不同，Anthropic 从创立之初就选择了一条独特的道路。Daniela Amodei（丹妮拉·阿莫代）指出，公司主要为企业客户构建产品，因此深度理解客户和用户的需求至关重要。这与 Canva 的价值观不谋而合，双方都投入大量时间与各阶段的客户沟通，以确定哪些功能能让 AI 在企业内更具变革力，以及模型需要强化或弱化的核心特质。 更根本的是，Anthropic 建立在一种信念之上：能够以对全球人类有益、安全的方式开发变革性 AI 技术。为此，公司早期就决定以“公共福利公司”的形式注册，将“为全球谋福祉”和“使命优先”等价值观写入公司章程。这些价值观并非空谈，而是切实影响着公司的日常运营。 例如，公司设立了“有益部署”项目，思考如何回馈教育、发展中国家、医疗保健和生命科学等领域。更重要的是，Anthropic 制定并公开了“负责任扩展政策”，这是一套透明的承诺，阐述了公司在将新模型推向市场时，为确保技术安全所采取的措施。Daniela Amodei（丹妮拉·阿莫代）表示，这份政策的设计初衷是既对公司自身实用，也能输出给其他企业和公司，旨在为 AI 应如何使用建立伦理准则的基础。 制定这样的政策充满挑战，因为它不仅着眼于当下，更需要前瞻性。公司内部经常辩论：如果模型未来能够实现某些特定能力，人们应如何使用它们？作为模型开发者，又该如何确保交付给别人的系统是安全的？Daniela Amodei（丹妮拉·阿莫代）认为，关键在于保持迭代和灵活，因为技术本身发展太快，必须能够在获得新信息时及时调整策略。 展望未来：AI 作为终身导师与普惠力量 谈及 AI 的未来，Daniela Amodei（丹妮拉·阿莫代）充满了乐观的憧憬。她认为，未来 5 年，AI 驱动的工具将能在生物医学科学等领域取得现在难以想象的成就，例如帮助科学家和制药公司开发更有效、安全的疫苗，甚至助力治愈人类历史上长期困扰的疾病。Anthropic 的抱负是从根本上帮助人类更好地生活、繁荣，同时自动化我们日常必须处理的许多任务。 其中，教育是她最为兴奋的领域之一。AI 作为导师，其耐心、同理心和灵活性是前所未有的，能够以不同于以往任何工具的方式实现规模化。Claude 非常擅长适应与之对话或合作的个体。无论是教育工作者、管理员还是学生，AI 都有巨大的潜力赋能个人学习各种技能。例如，一个像她一样非技术背景的人，可以借助 AI 制定个性化的学习计划，攻克学习中的难点，并获得持续鼓励。 她描绘了一个更远大的图景：一个能够长期了解用户背景的个性化“终身导师”。想象一个用户，AI 可以吸收其大量的上下文信息（例如在 Canva 上的长期使用历史），形成对其知识体系的深刻理解。这种关系可以持续数年甚至更久，陪伴用户从幼年成长，帮助其在学校教育、创造性追求（如成为更好的钢琴家、作家或教师）等各方面发展。这种深度的个性化陪伴，是传统师生关系中极为罕见的。 然而，技术的红利必须得到公平分配。Daniela Amodei（丹妮拉·阿莫代）引用威廉·吉布森的名言“未来已至，只是分布不均”，并对此深表关切。她警告，如果不付出积极努力，AI 可能会像过去所有新技术突破一样，仅仅集中在特定地区。防止“AI 鸿沟”的出现，需要企业、民间社会和政府共同思考，如何确保这项技术能帮助世界各地的人们繁荣发展，无论他们身在何处。Anthropic 视自身为一家全球公司，正在积极探索如何让 AI 技术真正在全球范围内可及。 突破与趋势：AI 是增强者，而非替代者 对于技术突破，Daniela Amodei（丹妮拉·阿莫代）坦言，并非所有趋势都能被精准预测。例如，虽然 Claude 如今以强大的编程助手能力闻名，但一年前团队并未 100% 预测到这会是其爆发的用例。模型本身有时会“引导对话”，展现出在某些方面的“涌现能力”。 基于当前观察，她预计在编码及相关领域（如数据分析、金融分析）将继续取得进步。同时，她也看到 Claude 在文案写作、营销支持等方面的使用正在增加，公司内部的销售团队也大量使用 Claude。这体现了一种有趣的互动：模型自身的能力与公司选择构建哪些产品和功能来支持伴随这项技术成长的企业，两者相互塑造。 Anthropic 近期进行的一项“经济指数”研究揭示了一个关键趋势：目前绝大多数 AI 用例是“增强性”的。这意味着，AI 并非直接取代客服或开发者，而是在帮助人类增强他们已经在做、特别是他们想要做的创造性工作。如果方向正确，AI 将成为强大的“力量倍增器”，帮助人们厘清真正想开发或构建的事物，凸显个人所长，并在需要帮助的技能领域进行补充。她理想中的世界，是 AI 帮助人们追求感兴趣的事物，加速个人的发展与学习，最终赋能每个人过上他们想要的生活。 对于刚刚开始尝试将 AI 融入工作的人们，Daniela Amodei（丹妮拉·阿莫代）的建议简单而有力：不要感到害怕或畏惧。找一个你真正好奇、想学习的东西，或者日常生活中遇到的挑战，尝试使用一个 AI 工具，看看它如何帮助你，使用这项技术的感觉如何。技术演进如此之快，即使是当前的一点初步了解，在未来几年随着 AI 工具变得更强大时，也将变得极具价值。
