Loading...
Loading...
OpenAI 联合创始人 John Schulman（约翰·舒尔曼）：ChatGPT 本可提前数年诞生，RL 研究远未结束撰文：Techub News 整理
导语
2025 年 12 月，OpenAI 联合创始人、首席科学家 John Schulman（约翰·舒尔曼）做客 Cursor 播客，进行了一场长达 51 分钟的深度对话。作为强化学习（RL）领域的奠基人之一，以及从 OpenAI 早期一路走来的核心人物，John Schulman（约翰·舒尔曼）的视角极具历史纵深感和行业洞察力。他目前也是新兴 AI 公司 Thinking Machines 的联合创始人。本次对话不仅回顾了 OpenAI 那段“草莽”岁月中的成败得失，更对当前 AI 研究的前沿问题、机构管理哲学以及技术未来走向，给出了坦诚而富有启发性的回答。
摘要
凭借后见之明，一个由少数精英组成的团队，完全有可能在 2018 或 2019 年就打造出 ChatGPT 3.5 级别的模型。
OpenAI 早期项目“Universe”是一个“死胡同”，但其追求通用 RL 智能体的核心理念“超前了可能十年”。
价值函数在当前的 LLM 强化学习（如 RLHF）中作用有限，但未来可能会“卷土重来”。
理想的 AI 研究管理者没有固定模式，需根据团队目标、成员经验和研究阶段，在“深度技术参与”和“放手赋能”之间灵活切换。
AGI 时间线预测充满不确定性，工程师的乐观估计通常需要乘以 2-3 倍的“现实系数”，但 AI 加速自身发展又可能带来意外突破。
ChatGPT 的“时空穿越”：少数精英与提前数年
访谈从一个有趣的假设开始：如果让 OpenAI 创始团队带着今天的全部知识回到 2015-2016 年，他们能以多快的速度“速通”ChatGPT？John Schulman（约翰·舒尔曼）给出了一个惊人的答案：“你完全可以用少得多的计算资源做到这一点。”他提到像 nanoGPT 这样的项目已经证明了这种可能性。关键在于，通过更巧妙的技巧，尤其是更好的“训练后”（post-training）方法，如精细的微调和巧妙构建的数据集，可以有效“放大”计算能力，让一个规模小得多的模型达到相当好的效果。
当被追问具体需要多少人、多少 GPU 以及在何时能完成时，John Schulman（约翰·舒尔曼）估算道：“如果你有几位才华横溢的人，带着充分的后见之明工作一年左右……我认为你可以在 2018 或 2019 年，用几个人就做出达到 GPT-3.5 水平的东西。”他补充说，这还建立在可以利用他人已有的预训练数据集和网络爬取成果的基础上。他甚至畅想未来可能会出现更极端的“演示场景版 ChatGPT”，即一个文件就能完成从网络爬取到全天训练的全过程。
OpenAI 的“草莽”岁月：死胡同与必要的弯路
如今市值巨大的 OpenAI，在早期却是一个“非正式”甚至有点“杂牌军”气质的团队。John Schulman（约翰·舒尔曼）证实了这一点，形容早期更像一个学术小组，研究人员根据个人兴趣主导项目，通常是一到三人合作，产出论文或博客文章。同时，他们也怀有进行大型工程项目的抱负，并深受 DeepMind 如 AlphaGo 等项目工作方式的影响。
然而，并非所有项目都通向成功。他重点提到了一个早期“死胡同”项目——Universe。该项目旨在汇集大量不同的 RL 环境（如各种电子游戏、网页导航任务），构建一个庞大的数据集，通过联合训练得到一个通用的、强大的 RL 智能体。“有趣的是，我认为这是一个根本上正确的想法，但就是太早了，可能早了十年。”John Schulman（约翰·舒尔曼）总结道。当时系统笨重，模型从零开始训练，泛化能力差，最终未能成功。团队后来转向更聚焦的环境（如模拟视频游戏集），才取得了更好的进展。像机器人项目也曾是公司的“死胡同”，但从长远看，它们锻炼了团队执行大型工程和科研项目的能力。
在谈到早期的大型工程项目时，John Schulman（约翰·舒尔曼）提到了 Dota 项目，这是 OpenAI 早期首个真正成功的大型计算密集型项目，涉及复杂的系统工作，包括如何接入 Dota 环境、构建训练系统以及进行大规模并行和异步 RL 训练。
管理科研“特种部队”：没有标准答案的难题
随着 AI 科研日益成为大团队协作的“大科学”，研究管理者的角色变得至关重要。John Schulman（约翰·舒尔曼）认为这是一个“棘手的问题”，因为成功的管理模式多种多样，且领域本身在快速变化。
他观察到两种有效模式：一种是深度参与型，管理者亲自动手写大量代码，审阅所有下属的代码，提供详细的技术反馈；另一种是赋能放手型，管理者更像一个“共鸣板”，提供职业建议，保持团队积极性和动力，让成员自由探索。
“没有一种模式适合所有情况。”John Schulman（约翰·舒尔曼）分析道，如果团队从事探索性研究，且成员经验丰富，那么放手模式更合适；如果目标明确，或者团队成员经验尚浅，需要执行具体任务，那么深度参与、提供更多技术监督的模式可能更有效。
关于研究机构的文化溯源，John Schulman（约翰·舒尔曼）表示，OpenAI 可能更多借鉴了成员们之前工作过的地方（如谷歌、DeepMind）的经验，而非刻意研究历史上的成功实验室（如贝尔实验室、施乐帕克）。早期 OpenAI 更像“和平时期”，允许更多探索性工作；而近年新成立的许多公司则更多处于“追赶模式”，先复制当前技术前沿，这可能导致探索性研究“肌肉”锻炼不足。
强化学习的现在与未来：价值函数会卷土重来吗？
作为 RL 专家，John Schulman（约翰·舒尔曼）对当前 RL 在 LLM 领域的应用现状和未来方向进行了剖析。
他首先解释了为什么价值函数（Value Functions）在当前流行的 RLHF 等任务中不那么受欢迎：“它们似乎帮助不大。”价值函数的主要作用是方差缩减，但在当前任务集上，效果并不明显。他坦言不清楚具体原因，但预计价值函数未来会在某个时刻“卷土重来”。
对于持续学习（Continual Learning）这一挑战，John Schulman（约翰·舒尔曼）认为它包含多种类型（如运动学习、情景记忆、程序性记忆）。他预计上下文学习（in-context learning）和长上下文能力会持续改进，而像 LoRA 这样的参数微调技术将在此基础上发挥作用，尤其适用于需要大量容量和知识吸收的记忆类型。但他也指出，如果模型规模持续扩大，即使方法论不变，各项指标也会持续改善；当然，新方法可能会带来更优的缩放定律，加速持续学习。
关于 RL 研究的未来，John Schulman（约翰·舒尔曼）认为许多想法会经历“时尚轮回”，有些想法出现得过早未能兑现承诺，但之后可能再度流行。他特别提到离线 RL（Offline RL） 和仿真到现实（Sim-to-Real） 是很有趣的方向。当前 LLM 领域的 RL 某种程度上类似于 Sim-to-Real，即在多样化的模拟环境中进行大规模 RL 以求泛化到现实世界。他认为这项技术在机器人领域依然有效，并预计未来 LLM 领域也会重新重视从真实部署中学习。
AGI 预测与行业变迁：从“怪人”聚集到工程能力优先
对于炙手可热的 AGI 时间线预测，John Schulman（约翰·舒尔曼）表现出审慎的态度。他认同工程师和研究者在预估项目时间上存在系统性低估的倾向，通常需要乘以 2-3 倍的系数才能接近现实。参考自动驾驶技术的发展历程，他认为 AGI 可能比一些乐观预测来得更晚。
“另一方面，AI 加速自身发展的正反馈循环也可能颠覆直觉。”他补充道，考虑到这一因素，一些较短的预测时间线也颇具说服力。因此，他并不愿做出非常自信的预测，认为其中存在大量不确定性，例如人类理解进展的瓶颈等。
回顾 AI 领域人才构成的变化，John Schulman（约翰·舒尔曼）认为早期从业者“可能更奇怪一些”，因为当时 AI 的重要性不像今天这样是“传统智慧”，吸引了更多非传统职业路径和风险承受能力更高的人。如今，更多遵循常规职业路径、风险承受能力相对较低的人进入这个领域。同时，由于竞争激烈，入行门槛也水涨船高。
更重要的是，工程技能的重要性如今已超过以往。因为扩展现有简单想法并良好执行就能带来大量收益，且领域更加成熟，研究者通常是在他人代码库和基础设施上构建，而非从零开始。因此，拥有软件工程背景的人现在更具优势。
Thinking Machines 的蓝图：Tinker 与未来展望
在访谈的最后部分，John Schulman（约翰·舒尔曼）谈到了他目前联合创立的公司 Thinking Machines 及其推出的产品 Tinker。
Tinker 被描述为一个低层级微调 API，提供了一小组用于训练和采样的底层原语，让用户能够表达几乎任何想要的训练后算法，而无需担心 GPU、加速器或复杂的分布式系统问题。它类似于 OpenAI 和 Anthropic 提供的采样 API，但专注于训练环节。John Schulman（约翰·舒尔曼）希望未来的初创公司能够直接基于 Tinker 构建复杂定制模型，而无需自研基础设施。
目前，Tinker 主要面向对 ML 有深入了解、希望使用这些底层原语的资深用户。但团队计划不断改进，增加更多功能（如多模态输入输出），并构建更多工具和高级组件，使其未来变得更加用户友好，成为一个“全栈”解决方案。
关于 Thinking Machines 的未来，John Schulman（约翰·舒尔曼）透露，明年将看到公司自有模型的相关发布，同时 Tinker 平台也将持续增强。
Cape CEO John Doyle：在已知被渗透的电信基础设施上，如何构建安全可信的蜂窝网络撰文：Techub News 整理
在2026 年 3 月a16z举办的一场对话中，美国海军首席技术官（CTO）Justin Fanelli与新兴安全电信运营商Cape的联合创始人兼CEO John Doyle进行了一场富有洞察力的交流。这场对话之所以重要，是因为它触及了两个关键且紧迫的议题：一是国家级对手对全球关键通信基础设施的深度渗透已成现实，二是国防机构正如何转变思维，以前所未有的速度吸纳商业创新技术来应对这些威胁。Cape在关岛的试点项目，正是这种新型公私合作模式的成功范本。
一、 危机浮现：从“盐风暴”到关岛困局
对话从一个令人震惊的事实开始。John Doyle分享了他去年在达沃斯世界经济论坛网络安全分论坛上的经历。当时，一位演讲者提到了名为“盐风暴”（Salt Typhoon）的高级持续性威胁（APT）组织，这是一个被认为隶属于中国政府的黑客团体。Doyle询问在场约60位网络安全专业人士，有多少人了解此事？结果只有5人举手。
“盐风暴”所揭示的，远不止一次普通的网络攻击。根据后续公开报道，该组织已经“全方位”渗透了美国主要的电信运营商。这意味着，攻击者实际上能够监听电话通话、获取通话详单、追踪互联网连接，甚至控制用于合法监听的接口。“他们可以随时打开开关进行监听，”Doyle强调，“想想你的手机上有多少生活内容？基本上全部。而我们现在了解到，这对美国的每个人都是如此，包括最高层人士。”
这一威胁在2024年美国总统竞选期间已现端倪，当时有报道称参议员J.D. Vance的电话遭到监听。更严重的是，攻击者还能获知哪些人正在被执法部门合法监听，这直接危及调查行动与相关人员安全。
这一宏观威胁在具体地点——关岛——变得尤为尖锐和棘手。关岛是美国在西太平洋的关键战略枢纽。Justin Fanelli指出，海军清楚地意识到关岛当地电信运营商可能已被渗透。然而，传统的“排查与清除”思路面临巨大挑战：在复杂如电信网络的系统中，很难确信自己找到了所有后门并彻底清除了威胁。
“与其试图在关岛现有的运营商网络中费力搜寻所有（中国）植入物，并尝试清除——而且永远无法确定是否完成或成功，”Doyle阐述了Cape的基本思路，“不如直接在现有物理基础设施之上，干净地安装一套电信网络。” 换言之，假设物理基础设施是敌对的，但通过上层的软件和架构创新，依然能提供可信的通信服务。这一想法成为了Cape与海军在关岛合作试点项目的核心。
二、 Cape的解法：构建“网络之上的网络”
那么，Cape究竟是什么？它如何实现其宣称的“更私密、更安全、更有韧性”？
John Doyle解释道，Cape是一个全球性的商业蜂窝网络，用户手机可以接入。它本质上是一个移动虚拟网络运营商（MVNO），但其中的“虚拟”（Virtual）是关键。Cape不拥有或建设物理蜂窝塔，而是从世界各地的现有运营商那里租用塔楼容量。在美国，这意味着与主流电信公司合作；在海外，例如近期宣布的与日本乐天移动的合作。
这种模式带来了独特的优势：
韧性：Cape构建了一个“网络的网络”，将不同物理基础设施提供商的资源编织在一起。因此，用户不依赖于任何单一供应商。Doyle提到，过去六个月中，美国三大电信运营商中的两家都发生了重大中断，但对Cape用户的影响则小得多，因为可以故障切换到其他网络。
安全：Cape团队在四年前创业时几乎没有任何电信行业经验，多来自国防科技背景。他们发现电信行业的网络安全现状“非常、非常糟糕”。因此，Cape选择在商业云上部署，采用行业最佳的网络安全实践，并对不符合安全标准的现成组件进行自研。Doyle自信地表示，从网络安全角度，Cape已“显著优于其他运营商”。
隐私：Cape在管理用户数据和手机标识符的方式上高度差异化。就像苹果为iPhone旋转MAC地址一样，Cape对其网络使用的多种标识符进行定期轮换，增加了用户追踪的难度。
关岛项目完美诠释了这一架构的价值。海军没有要求Cape去修复或清理现有网络，而是直接在其上叠加部署Cape的软件定义核心网。通过加密穿越可能被渗透的物理层，Cape为关岛的军事人员提供了可信的蜂窝连接。这个试点项目提前完成、未超预算，并达成了所有预设的成功指标（WHAMs）。
Doyle还分享了一个令人瞠目的故事，揭示了电信行业供应链的脆弱性。在建设自身网络时，Cape需要集成一个第三方供应商的系统，以响应执法部门的合法监听请求（这是法律要求）。这家供应商服务于众多大型电信公司。然而，Cape的站点可靠性工程（SRE）团队在评估该供应商提供的安装程序时，发现了一个未加密的文本文件，里面包含了该供应商所有客户的用户名和密码。“而这恰恰发生在‘盐风暴’新闻爆出的前三个月，”Doyle说，“我们后来得知中国攻破了所有这些主要电信公司的X1接口……现在看来，对他们来说似乎并不难。” 这件事促使Cape更换了供应商，并更坚定了自研与严格审核的决心。
三、 海军CTO的变革：从“建造者”到“园丁”，加速创新采纳
Cape能与海军快速达成合作并取得成功，离不开海军内部，尤其是Justin Fanelli所领导的团队，在创新采纳方式上的根本性转变。
Fanelli回顾，过去海军乃至整个国防部的采购体系严重依赖“需求轴”，即花费数年时间详细定义需求，过程缓慢。对于软件和快速发展的商业技术而言，这种模式已然过时。现在，海军正转向一种更灵活、更具前瞻性的“小赌注”模式：通过小型试点项目验证有潜力的技术，如果成功，再迅速扩大规模。
“我们以前更擅长自己建造一切，”Fanelli说，“现在我们正从‘建造者’转变为‘园丁’。” 他的团队致力于发现并培育有前景的技术种子，为它们在海军内部的应用扫清障碍。
这一转变的核心是改变内部流程与文化。Fanelli指出，过去负责采购飞机舰船的人员，习惯于用同样的漫长流程来采购软件。为此，他的团队与支持者一起，为项目经理和合同官员举办“训练营”，教授他们如何在3个月内完成过去需要18个月的事情。他强调，这不仅仅是外部初创公司需要学习如何与政府打交道，政府内部也需要进行“由内而外”的改革，消除瓶颈。
另一个关键工具是制定清晰、可衡量的“世界级对齐指标”（WHAMs），也就是成功标准。Fanelli坦言，如果技术介绍只停留在功能层面，而非聚焦于解决什么具体痛点、带来什么可衡量的作战或业务成果，就很难在决策链条中推动。在关岛项目中，双方花费了大量精力打磨这些指标，确保了目标一致，为后续顺利执行奠定了基础。
为了扩大创新规模，Fanelli的团队推行了“创新采纳工具包”，并鼓励形成“网络中的网络”。他们不再试图由一个小团队包揽所有创新发现，而是激活海军各社区（如弹药、机器人自主系统等领域）内部的“推动者”，并与外部投资者和生态系统保持紧密联系，共同识别和牵引新技术。
四、 给创业者的建议与未来的机会领域
对于有志于进入国防科技或军民两用领域的创业者，两位嘉宾给出了务实建议。
John Doyle指出，过去圈内有一种“传统智慧”：如果你要面向政府销售，应该最后才找海军，因为他们被认为采纳速度最慢。但这种情况正在改变。他建议创业者重视可共享的、非密的技术验证报告，就像DIU为关岛项目资助的第三方深度渗透测试报告那样。这类客观证据能极大加速技术在不同军种和政府机构间的传播与采纳。
Justin Fanelli的建议更直接：深入问题现场。“去圣地亚哥或诺福克，那里停泊着许多舰船。” 他建议创业者与最终用户（水兵、海军陆战队员）交流，倾听他们的痛点，参加黑客松，关注国防部发布的“结构化挑战”。关键在于找到那些“偏头痛”级别的、紧迫的真实问题，而不是轻微的不便。他还提到，软件领域存在大量“技术债”，许多陈旧系统亟待替换。如果一个新应用能整合并取代五个旧系统，将极具吸引力。
在机会领域方面，Fanelli提到了几个重点：
海事工业基础与分布式制造：通过3D打印等技术实现关键零部件的快速制造与维修，解决因单一小零件短缺导致昂贵装备停摆数月的问题，能产生巨大影响。
软件现代化：几乎所有软件领域都存在系统过多、用户体验不佳的问题。能够提供安全数据交付和直观用户界面，并能替代多个遗留系统的新方案，有很大空间。
对于有热情但暂无具体想法的创业者，Doyle建议可以先加入一家优秀的国防科技初创公司获取经验，而Fanelli则再次强调，深入一线发现问题本身就是最好的起点。
五、 结语：构建桥梁，共迎挑战
在对话的最后，Justin Fanelli用了一个比喻：匹兹堡是一座拥有数百座桥梁的城市，最初并非有意设计如此，但这些桥梁最终让城市受益匪浅。他认为，在当前这个对国家安全的支持达到空前水平的时刻，需要更多“桥梁建造者”——那些能够连接技术创新与国防使命、理解双方语言和需求的“战士工程师”和双语人才。
“我们更关注结果，我们可以衡量这些成果，”Fanelli总结道，“带来那些能形成‘压倒性优势’的方案，展示你能带来的改变。我们将提升价值、增强影响力、加强威慑。越多的人能够连接各个节点、说同样的语言，从国家安全和经济繁荣的角度来看，我们所有人的处境都会更好。”
这场对话清晰地表明，面对日益复杂严峻的网络威胁与地缘政治挑战，敏捷的商业创新与积极改革的政府机构之间的紧密合作，不再是可选项，而是必选项。Cape与海军的关岛合作，为这种新型伙伴关系提供了一个可复制的蓝本。Sol Strategies，任命John Matonis为董事会主席……Solana生态系统加速扩展专注于培育Solana生态系统的Sol Strategies ($STKE) 已任命Jon Matonis为董事会主席。该公司表示，此举旨在强化以Solana (SOL) 为核心的战略，同时加快近期正在推进的收购和技术获取工作。
Sol Strategies于11日（当地时间）宣布，Matonis将从即日起担任董事会主席。此前担任首席经济学家的Matonis已于12日卸任该职务，而Luis Berruga将继续担任董事。
比特币行业元老，出任主席一职
Matonis是比特币基金会的创始董事之一，曾在Visa和VeriSign积累了管理经验。他自2018年起参与Sol Strategies，并于2020年起担任董事会成员。有评价认为，由一位既了解公司内外战略又熟悉行业动态的人士担任主席，将增强未来业务推进的连续性。
特别是在Solana生态系统同时吸引机构和开发者关注的当下，将一位具有行业知名度的人士推向前台，在对外信誉方面也具有重要意义。近期市场趋势显示，与单纯持有代币相比，涵盖基础设施、应用程序和隐私技术的“生态系统投资”更受关注。
同步推进零知识证明技术与Swap收购
此次人事变动也与公司近期的战略布局相呼应。Sol Strategies此前已收购了Darklake的Zyga零知识证明系统，并已签署收购HoudiniSwap的最终协议。零知识证明是一种能在最小化交易信息公开的同时验证其有效性的技术，被视为同时追求可扩展性和隐私性的区块链行业核心领域。
显然，该公司正在Solana生态系统中拓展技术资产和服务领域。其目标不再仅仅是作为一家与Solana (SOL) 相关的企业，而是更注重获取实际可用的基础设施和网络竞争力。
对市场的意义
此次人事变动不仅仅是简单的董事会重组，更像是一则信号，展示了Sol Strategies未来的成长方向。让比特币行业的标志性人物担任主席，同时获取零知识证明和Swap技术资产，这一系列动向表明该公司决心更立体地发展其以Solana为中心的业务。
在加密货币市场，近来“谁拥有代币”已不再是核心竞争力，“谁在设计和连接生态系统”正变得越来越重要。从这个角度来看，Sol Strategies的此次举措被视为一个值得关注的案例，可用于评估其在Solana生态系统中扩大影响力的潜力。
TP AI 注意事项
本文使用基于TokenPost.ai的语言模型进行摘要。正文主要内容可能被遗漏或与事实不符。
诺奖得主 Johnson：加密危机即将到来！作者：西蒙·约翰逊（Simon Johnson）
原标题：《The Crypto Crises Are Coming》
编译及整理：BitpushNews
作者简介：
西蒙·约翰逊（SIMON JOHNSON）：2024 年诺贝尔经济学奖得主，曾任国际货币基金组织首席经济学家。现为麻省理工学院斯隆管理学院教授、麻省理工学院「塑造未来工作」倡议的教职主任，以及 CFA 协会系统性风险委员会联合主席。他与达伦·阿西莫格卢合著了《权力与进步：我们关于技术与繁荣的千年斗争》（2023 年出版）。
以下为正文：
在通过一项重要的数字货币立法（《GENIUS法案》）之后，并且还有更多法案正在审议中（《CLARITY 法案》已通过众议院），美国正有望成为加密货币相关活动的主要中心，甚至——如果按美国总统唐纳德·特朗普的字面意思——成为「世界的加密首都」。
但那些支持新立法的人应该小心，不要自食其果。
不幸的是，加密行业已经获得了如此巨大的政治权力——主要是通过政治捐款——以至于《GENIUS 法案》和《CLARITY 法案》的设计旨在阻止合理的监管。其结果很可能是一场史诗级的繁荣–萧条周期。
从历史上看，相较于其他国家，美国金融市场的主要优势在于其相对更高的透明度，这使投资者能够更深入地理解风险并做出更明智的决策。美国还有严格的反利益冲突规定，要求公平对待投资者（包括通过适当的托管安排保护其资产），并对许多金融公司可以承担的风险进行了限制。
这个框架并非偶然，也不是纯粹通过市场竞争形成的。相反，它是大萧条后（在一次重大灾难之后）于 20 世纪 30 年代创建的明智法律和法规的结果，此后也以合理的方式不断演变。这些规则是美国如此容易经商、将新想法推向市场以及筹集资本支持各种创新的主要原因。
任何个人企业家，甚至是潜在的新兴产业（如加密货币），都可能对这些规则感到不满，声称他们与世界见过的任何事物都不同。但金融创新带来的风险影响的是整个金融体系，而不仅仅是单个投资者。监管的重点在于保护整体。
许多主要经济体——包括美国——都是通过惨痛的教训才明白这一点。在过去的 200 年里，他们经历了严重的金融动荡甚至系统性崩溃。其中一次崩溃是导致大萧条的主要原因，这场大萧条始于 1929 年的股市崩盘，并蔓延至许多银行（及其他投资），摧毁了数百万美国人的财富和梦想。避免重蹈覆辙长期以来一直是一项重要的政策目标。
但《GENIUS 法案》并未推动这一目标的实现。该法律为由美国和外国公司发行的稳定币创建了一个框架。稳定币是一种重要的新兴数字资产，旨在保持与特定货币或商品（美元是最受欢迎的锚定物）的稳定价值。稳定币对活跃在加密货币交易中的投资者很有用，使他们能够在不必通过传统（非加密）金融系统的情况下进出特定的加密资产。我们应该预期到稳定币会有巨大的需求，包括来自希望绕过现有支付系统的非金融公司（如沃尔玛和亚马逊）。
稳定币发行商的商业模式类似于银行：他们通过投资其储备金来赚取利差，而根据这项立法，他们为稳定币支付的利息为零。这使得稳定币发行商有足够的动机将至少一部分储备金投资于风险更高的资产以获得更高的回报。这将成为一个主要的脆弱性来源，尤其是在发行商由宽松的州级机构许可的情况下。
事实上，从系统性角度来看，《GENIUS 法案》的主要缺点在于其未能有效应对稳定币固有的挤兑风险，因为它阻止了监管机构制定强有力的资本、流动性和其他保障措施。
当任何稳定币发行商——无论是国内还是国外——陷入困境时，谁将介入，又将凭借什么权力来阻止问题蔓延到实体经济，就像 20 世纪 30 年代那样？
简单地将破产法应用于失败的稳定币发行商，不可避免地会给投资者带来严重的成本，包括在收回剩余资金方面漫长的延迟。这几乎肯定会加剧对其他稳定币发行商的挤兑。
值得警惕的是，如果《GENIUS 法案》真如其拥护者所言，旨在维护美元全球储备货币地位并提振美债需求，为何法案第 15 条竟允许外国发行方将储备金投资于本国（高风险）政府债务等资产——即便这些债务并非美元计价？
可以预见，各国监管机构必将默许甚至鼓励此类操作。届时我们将面临何等荒谬的局面：号称"稳定币"却背负着美元兑付义务，其储备资产却大量由非美元资产构成——但凡美元大幅升值（剧透警告：流动性危机、偿付能力质疑、挤兑风暴将接踵而至），这种荒诞的资产错配必将原形毕露。
更大的危机还在后头——特别是如果参议院通过任何版本的《CLARITY 法案》。这项立法将纵容利益冲突和自利交易，其泛滥程度将是 1920 年代以来所未见的。更严峻的是国家安全隐忧：《GENIUS 法案》和《CLARITY 法案》在某种程度上甚至为稳定币（乃至更广泛的加密货币）持续用于非法金融交易提供了便利条件。
美国很可能成为全球加密货币中心，在其新兴的立法框架下，少数富人必将变得更加富有。但当国会急切地迎合加密行业的诉求时，却让美国乃至全世界都暴露在金融恐慌重演的真实风险中——这可能引发严重的经济破坏，意味着大规模失业和财富蒸发。
John Riggins：比特币生态的先锋与港亚控股的掌舵者John Riggins 是一位在加密货币行业深耕超过十年的资深人士，现任港亚控股有限公司CEO，同时也是UTXO Management比特币生态系统基金的创始合伙人。他的职业生涯以推动比特币在亚洲市场的机构采用为核心，展现了从学术到实践的转型智慧。John Riggins于2013年毕业于美国阿拉巴马大学，获得经济学学士学位。他的学术背景为他理解全球金融市场和货币政策奠定了基础，而这一知识储备在随后进入加密货币领域时成为重要优势。
加密货币行业的深耕
Riggins拥有超过10年的加密货币行业经验，堪称比特币生态的早期践行者。自2016年2月起，他担任BTC Inc.（《比特币杂志》的出版商及年度比特币会议主办方）的国际运营主管，积累了丰富的行业资源和全球视野。BTC Inc.是比特币领域的重要媒体与活动平台，Riggins在此期间推动了比特币相关内容和活动的国际化发展，为其后续职业生涯打下坚实基础。作为UTXO Management的创始合伙人，Riggins在比特币生态系统基金的创建与运营中发挥了关键作用。UTXO Management隶属于BTC Inc.，专注于通过战略投资推动比特币的机构化应用。Riggins曾主导日本上市公司Metaplanet的比特币战略，使其成为2024年全球资本市场表现最佳的股票之一。这一成功案例彰显了他在加密货币与传统金融融合方面的卓越能力。
港亚控股的战略转型
2025年初，UTXO Management联合Sora Ventures等投资方成功收购港亚控股的多数股权，Riggins被任命为公司首席执行官，带领这家原本专注于预付产品（如SIM卡和储值券）的香港上市公司迈向比特币战略转型。在他的领导下，港亚控股于2025年2月13日完成首次比特币资产配置，以约96,150美元（约75万港元）购入1个比特币，标志着公司正式进军加密货币市场。随后，公司进一步增持至18.88 BTC，平均成本约为每枚91,110美元，总价值超过170万美元。Riggins表示，比特币不仅是资产配置的工具，更是公司对冲宏观不确定性、实现长期韧性的战略选择。Riggins还推动港亚控股的品牌重塑，计划将公司更名为“Moon Inc.”，以反映其在加密货币和Web3.0领域的全新定位。他强调，亚洲市场对比特币的机构采用正迅速升温，尤其在香港监管环境的逐步开放下，公司将以此为契机探索更多金融创新机会
亚洲市场的比特币布道者
Riggins不仅是企业领导者，也是比特币在亚洲的积极倡导者。他在2025年3月由Bitcoin For Corporations举办的讨论中表示，港亚控股的比特币战略经过数月与香港监管机构、公众市场投资者及本地伙伴的磋商，确保符合监管要求。他的愿景是将港亚控股打造为亚洲企业采用比特币的标杆，计划于2025年8月在香港联合主办Bitcoin Asia峰会，进一步推动区域内的比特币普及。Riggins观察到，包括韩国、泰国、马来西亚和印尼在内的亚洲市场对比特币的兴趣正在快速增长。他还暗示，中国机构投资者和政府关联实体可能已在幕后间接持有比特币资产，规模可能超乎外界认知。
愿景与未来
John Riggins以其对加密货币的深刻洞察和战略执行力，正在重塑港亚控股的商业版图，同时为亚洲的比特币机构采用树立了新标杆。他将比特币视为全球金融基础设施的桥梁，致力于通过Moon Inc.的平台探索更多投资与创新机会。他的故事不仅是一位经济学学士的职业转型，更是比特币从边缘走向主流的缩影。John Deaton Slams Sympathisers of SBF: Here Is a Recap of What Happened in Week One of the TrialSummary
Lawyer and founder of Cryptolaw US John Deaton tweeted out against media and community members sympathising with SBF.
Deaton believes that SBF’s parents should be held accountable.
The SBF trial’s first week was full of intrigue, with testimonies revealing a US $65 billion backdoor between crypto exchange FTX and partner company Alameda Research.
SBF’s ex-partner, Caroline Ellison, will testify in court on Tuesday.
The Sam Bankman-Fried criminal trial is well and truly underway, with prominent pro-crypto lawyer John Deaton taking fire at those defending SBF. The community has been polarised by the crypto world’s most notorious figure. While some believe the ex-CEO of FTX to be a “soulless” criminal who deserves significant jail time, others are more sympathetic to his cause.
I believe she’s the first to cut a deal. I bet she provides an accurate depiction of Sam: soulless.
As for her credibility as a witness, when I was a federal prosecutor, I explained to the jury:
“When sins are conceived in hell, there are no Angels for witnesses.” https://t.co/awMgdE97Nx
— John E Deaton (@JohnEDeaton1) October 8, 2023
Deaton, however, was firm in his disdainfor those soft on SBF’s actions:
“People who believe SBFRaud is a good guy who made mistakes, and FTX grew too fast and it all got away from him… should never be interviewed by 60 Minutes or any other news outlet”.
John Deaton
The tweet comes in response to SBF appearing on several media outlets – such as 60 Minuteslast week – as the world becomes gripped with his legal battle.
SBF’s Parents Are Culpable, Deaton Believes
SBF sympathisers weren’t the only group to come under Deaton’s microscope, as the lawyer also aimed at the disgraced businessman’s parents. He claims that Joseph Bankman and Barbara Fried are “100% complicit” in the criminal activity conducted by their son, SBF. Although no major government or regulatory body has turned its attention to SBF’s parents, they are currently being sued by FTX’s revamped executive team.
SBF Trial Week One: A Recap
The SBF trial has only been live for a week, but already a picture is starting to emerge of how the FTX exchange collapsed, taking with it several other trading platforms and billions in customer funds.
Gary Wang, FTX’s ex-Chief Technology Officer and co-founder, testified that he created a secret backdoorbetween partner company Alameda Research and FTX. This allowed FTX executives to directly divert funds from the exchange to Alameda to cover the business’s poor investments. It was also revealed that investors and many other executives were unaware that customer’s funds were divested into Alameda Research before being spent elsewhere.
As part of the prosecution’s “forfeiture bill of particulars”, SBF may also have to relinquish control over some of his most prized assets – two private jets. It is reported that the aircraft’s values range from US $16 to 50 million ($25 to 78.7 million) each.
The trial is expected to heat up again on Tuesday when SBF’s ex-partner Caroline Ellison will testify in front of the court.撰文：Techub News 整理 导语 2025 年 12 月，OpenAI 联合创始人、首席科学家 John Schulman（约翰·舒尔曼）做客 Cursor 播客，进行了一场长达 51 分钟的深度对话。作为强化学习（RL）领域的奠基人之一，以及从 OpenAI 早期一路走来的核心人物，John Schulman（约翰·舒尔曼）的视角极具历史纵深感和行业洞察力。他目前也是新兴 AI 公司 Thinking Machines 的联合创始人。本次对话不仅回顾了 OpenAI 那段“草莽”岁月中的成败得失，更对当前 AI 研究的前沿问题、机构管理哲学以及技术未来走向，给出了坦诚而富有启发性的回答。 摘要 凭借后见之明，一个由少数精英组成的团队，完全有可能在 2018 或 2019 年就打造出 ChatGPT 3.5 级别的模型。 OpenAI 早期项目“Universe”是一个“死胡同”，但其追求通用 RL 智能体的核心理念“超前了可能十年”。 价值函数在当前的 LLM 强化学习（如 RLHF）中作用有限，但未来可能会“卷土重来”。 理想的 AI 研究管理者没有固定模式，需根据团队目标、成员经验和研究阶段，在“深度技术参与”和“放手赋能”之间灵活切换。 AGI 时间线预测充满不确定性，工程师的乐观估计通常需要乘以 2-3 倍的“现实系数”，但 AI 加速自身发展又可能带来意外突破。 ChatGPT 的“时空穿越”：少数精英与提前数年 访谈从一个有趣的假设开始：如果让 OpenAI 创始团队带着今天的全部知识回到 2015-2016 年，他们能以多快的速度“速通”ChatGPT？John Schulman（约翰·舒尔曼）给出了一个惊人的答案：“你完全可以用少得多的计算资源做到这一点。”他提到像 nanoGPT 这样的项目已经证明了这种可能性。关键在于，通过更巧妙的技巧，尤其是更好的“训练后”（post-training）方法，如精细的微调和巧妙构建的数据集，可以有效“放大”计算能力，让一个规模小得多的模型达到相当好的效果。 当被追问具体需要多少人、多少 GPU 以及在何时能完成时，John Schulman（约翰·舒尔曼）估算道：“如果你有几位才华横溢的人，带着充分的后见之明工作一年左右……我认为你可以在 2018 或 2019 年，用几个人就做出达到 GPT-3.5 水平的东西。”他补充说，这还建立在可以利用他人已有的预训练数据集和网络爬取成果的基础上。他甚至畅想未来可能会出现更极端的“演示场景版 ChatGPT”，即一个文件就能完成从网络爬取到全天训练的全过程。 OpenAI 的“草莽”岁月：死胡同与必要的弯路 如今市值巨大的 OpenAI，在早期却是一个“非正式”甚至有点“杂牌军”气质的团队。John Schulman（约翰·舒尔曼）证实了这一点，形容早期更像一个学术小组，研究人员根据个人兴趣主导项目，通常是一到三人合作，产出论文或博客文章。同时，他们也怀有进行大型工程项目的抱负，并深受 DeepMind 如 AlphaGo 等项目工作方式的影响。 然而，并非所有项目都通向成功。他重点提到了一个早期“死胡同”项目——Universe。该项目旨在汇集大量不同的 RL 环境（如各种电子游戏、网页导航任务），构建一个庞大的数据集，通过联合训练得到一个通用的、强大的 RL 智能体。“有趣的是，我认为这是一个根本上正确的想法，但就是太早了，可能早了十年。”John Schulman（约翰·舒尔曼）总结道。当时系统笨重，模型从零开始训练，泛化能力差，最终未能成功。团队后来转向更聚焦的环境（如模拟视频游戏集），才取得了更好的进展。像机器人项目也曾是公司的“死胡同”，但从长远看，它们锻炼了团队执行大型工程和科研项目的能力。 在谈到早期的大型工程项目时，John Schulman（约翰·舒尔曼）提到了 Dota 项目，这是 OpenAI 早期首个真正成功的大型计算密集型项目，涉及复杂的系统工作，包括如何接入 Dota 环境、构建训练系统以及进行大规模并行和异步 RL 训练。 管理科研“特种部队”：没有标准答案的难题 随着 AI 科研日益成为大团队协作的“大科学”，研究管理者的角色变得至关重要。John Schulman（约翰·舒尔曼）认为这是一个“棘手的问题”，因为成功的管理模式多种多样，且领域本身在快速变化。 他观察到两种有效模式：一种是深度参与型，管理者亲自动手写大量代码，审阅所有下属的代码，提供详细的技术反馈；另一种是赋能放手型，管理者更像一个“共鸣板”，提供职业建议，保持团队积极性和动力，让成员自由探索。 “没有一种模式适合所有情况。”John Schulman（约翰·舒尔曼）分析道，如果团队从事探索性研究，且成员经验丰富，那么放手模式更合适；如果目标明确，或者团队成员经验尚浅，需要执行具体任务，那么深度参与、提供更多技术监督的模式可能更有效。 关于研究机构的文化溯源，John Schulman（约翰·舒尔曼）表示，OpenAI 可能更多借鉴了成员们之前工作过的地方（如谷歌、DeepMind）的经验，而非刻意研究历史上的成功实验室（如贝尔实验室、施乐帕克）。早期 OpenAI 更像“和平时期”，允许更多探索性工作；而近年新成立的许多公司则更多处于“追赶模式”，先复制当前技术前沿，这可能导致探索性研究“肌肉”锻炼不足。 强化学习的现在与未来：价值函数会卷土重来吗？ 作为 RL 专家，John Schulman（约翰·舒尔曼）对当前 RL 在 LLM 领域的应用现状和未来方向进行了剖析。 他首先解释了为什么价值函数（Value Functions）在当前流行的 RLHF 等任务中不那么受欢迎：“它们似乎帮助不大。”价值函数的主要作用是方差缩减，但在当前任务集上，效果并不明显。他坦言不清楚具体原因，但预计价值函数未来会在某个时刻“卷土重来”。 对于持续学习（Continual Learning）这一挑战，John Schulman（约翰·舒尔曼）认为它包含多种类型（如运动学习、情景记忆、程序性记忆）。他预计上下文学习（in-context learning）和长上下文能力会持续改进，而像 LoRA 这样的参数微调技术将在此基础上发挥作用，尤其适用于需要大量容量和知识吸收的记忆类型。但他也指出，如果模型规模持续扩大，即使方法论不变，各项指标也会持续改善；当然，新方法可能会带来更优的缩放定律，加速持续学习。 关于 RL 研究的未来，John Schulman（约翰·舒尔曼）认为许多想法会经历“时尚轮回”，有些想法出现得过早未能兑现承诺，但之后可能再度流行。他特别提到离线 RL（Offline RL） 和仿真到现实（Sim-to-Real） 是很有趣的方向。当前 LLM 领域的 RL 某种程度上类似于 Sim-to-Real，即在多样化的模拟环境中进行大规模 RL 以求泛化到现实世界。他认为这项技术在机器人领域依然有效，并预计未来 LLM 领域也会重新重视从真实部署中学习。 AGI 预测与行业变迁：从“怪人”聚集到工程能力优先 对于炙手可热的 AGI 时间线预测，John Schulman（约翰·舒尔曼）表现出审慎的态度。他认同工程师和研究者在预估项目时间上存在系统性低估的倾向，通常需要乘以 2-3 倍的系数才能接近现实。参考自动驾驶技术的发展历程，他认为 AGI 可能比一些乐观预测来得更晚。 “另一方面，AI 加速自身发展的正反馈循环也可能颠覆直觉。”他补充道，考虑到这一因素，一些较短的预测时间线也颇具说服力。因此，他并不愿做出非常自信的预测，认为其中存在大量不确定性，例如人类理解进展的瓶颈等。 回顾 AI 领域人才构成的变化，John Schulman（约翰·舒尔曼）认为早期从业者“可能更奇怪一些”，因为当时 AI 的重要性不像今天这样是“传统智慧”，吸引了更多非传统职业路径和风险承受能力更高的人。如今，更多遵循常规职业路径、风险承受能力相对较低的人进入这个领域。同时，由于竞争激烈，入行门槛也水涨船高。 更重要的是，工程技能的重要性如今已超过以往。因为扩展现有简单想法并良好执行就能带来大量收益，且领域更加成熟，研究者通常是在他人代码库和基础设施上构建，而非从零开始。因此，拥有软件工程背景的人现在更具优势。 Thinking Machines 的蓝图：Tinker 与未来展望 在访谈的最后部分，John Schulman（约翰·舒尔曼）谈到了他目前联合创立的公司 Thinking Machines 及其推出的产品 Tinker。 Tinker 被描述为一个低层级微调 API，提供了一小组用于训练和采样的底层原语，让用户能够表达几乎任何想要的训练后算法，而无需担心 GPU、加速器或复杂的分布式系统问题。它类似于 OpenAI 和 Anthropic 提供的采样 API，但专注于训练环节。John Schulman（约翰·舒尔曼）希望未来的初创公司能够直接基于 Tinker 构建复杂定制模型，而无需自研基础设施。 目前，Tinker 主要面向对 ML 有深入了解、希望使用这些底层原语的资深用户。但团队计划不断改进，增加更多功能（如多模态输入输出），并构建更多工具和高级组件，使其未来变得更加用户友好，成为一个“全栈”解决方案。 关于 Thinking Machines 的未来，John Schulman（约翰·舒尔曼）透露，明年将看到公司自有模型的相关发布，同时 Tinker 平台也将持续增强。
