超火的短剧APP正式上线 #稀缺短剧# #当下都在找的AI短剧# 观影入口:👉 🚀 每天更新超爽短剧 | 古装甜宠/霸总/穿越/复仇 🔥 热播短剧抢先看 • 完结剧资源 全是推不让发的视频（博主超给力推荐） 免费安全无毒放心看！日更千部🔥全部免费

超火的短剧APP正式上线 #稀缺短剧# #当下都在找的AI短剧# 观影入口:👉 🚀 每天更新超爽短剧 | 古装甜宠/霸总/穿越/复仇 🔥 热播短剧抢先看 • 完结剧资源 全是推不让发的视频（博主超给力推荐） 免费安全无毒放心看！日更千部🔥全部免费

Notion 创始人这期分享确实很精彩。 大家千万别错过 Notion CEO Ivan Zhao 在红杉聊的这期播客，观点特别有见地。 甚至我觉得，这是近半年来所有创业者都应该认真精读的一期内容。 相当解惑。Ivan 把 AI 时代里一个组织正在发生的变化，用一种特别形象的方式串了起来。 1、Ivan 提到一个非常有意思的概念，叫 Jazz Mode。传统公司像 marching band（行进乐队），队形整齐，节奏固定，指挥说什么大家做什么。 Notion 想做的是 jazz band，有基本结构，但更强调即兴、互相接住、每个人都能主动发挥。 Ivan 觉得 AI 时代变化太快，太像 marching band 的组织会跟不上，所以 Notion 这几年在刻意招那种高主动性、高好奇心、能自己找路的人。 2、公司并不存在完美的扁平结构，人和人之间的层级关系始终存在，在这一点上他选择承认现实。 真正能设计的是一起工作的方式，把公司组织得更像一支可以即兴合奏的爵士乐队，而不是一支只会整齐队列表演的军乐队。 3、但爵士模式的前提是主旋律要清楚，相当于愿景、产品方向和少数几条铁律，类似底层和声结构。 团队在这个主旋律之上拥有较大的即兴空间，可以根据用户反馈和技术变化自己处理段落，而不是在每一个决策点都往上递审批。 4、Notion 现在大约有六十个曾经做过创始人的员工，这是他刻意营造的人才结构。 他更愿意招对 0 到 1 负过全责的人，这类人习惯自己发现问题、搭框架、推进落地，也更愿意在模糊地带主动出手。 公司需要的是能自己写歌、也能听懂别人演奏的人，而不是只会照谱子执行任务的演奏员。 5、在工程组织上，他把 Notion 重构成一个杠铃结构。 一端是非常 junior 的工程师，刚毕业或者职业早期；另一端是少数非常 senior 的架构师和技术带头人。 中间那类常规中高级工程师反而被刻意压缩，整个分布像一根两头重、中间瘦的杠铃。 6、杠铃结构背后的逻辑很简单。年轻工程师可塑性强，不会被旧时代的大规模工程实践和工具链束缚思路，在大模型快速变化的环境里能更容易接受全新的开发范式。 资深架构师负责定义系统级的分工和抽象，比如哪些部分交给模型，哪些部分坚持规则，如何组织数据和服务，确保整个产品作为一个系统是连贯的，而不是东一块西一块的功能拼盘。 7、当一个工程团队里大多数人都停在经验不浅、但也谈不上顶尖的这个档位时，整个组织很容易陷入一种温水状态：事情都有人做，但缺少敢颠覆旧方案的人，也少了愿意疯狂尝试新东西的人。 年轻人缺少全局视角，只能局部优化，老一辈如果人数太少，声音又容易被流程淹没，这种结构在 AI 时代会变得非常迟钝。 8、他用一个很有画面感的比喻来解释大模型产品开发。传统软件工程更像修桥，强调确定性的结构分析和数学推演，只要按照规范搭建，结果会高度可预测。 基于大语言模型做产品更接近酿啤酒，需要在原有配方和工艺上不断试验，调整温度、时间和原料比例，最后的标准来自人的口感而不是单一技术指标，用户体验是第一参照系。 9、他把 Notion 的 AI 能力视作对产品的再创作，而不是简单给旧界面贴一个智能按钮。 在拿到 GPT4 的早期访问时，他的直觉是，工具本身的工作方式需要重想，如果从公司一开始就可以假设存在这样的模型，那么 Notion 的交互结构、功能边界和价值主张应该是完全不一样的一套设计，这需要以重启思维来对待，而不是做一个插件。 10、他的职业生涯里出现过两次真正意义上的重启。 第一次发生在公司最困难的时候，团队被压缩到只剩几个核心成员，几个人躲在京都的小公寓里，用近乎白纸的心态重新问自己。 Notion 还要不要继续存在，如果要继续，哪些东西必须放弃，哪些能力哪怕再难也要保留。这一轮更偏向拿掉包袱、守住本质。 11、第二次重启发生在他拿到 GPT4 早期权限之后。 当模型能力跃迁时，他意识到自己这家公司可能会失去原本的位置，也可能借此进化成下一代生产力工具，关键在于有没有勇气承认旧的产品假设正在过期。 这一次的重启更偏向向前跳，是把 Notion 推向 AI 原生路线的转折点，从「文档+数据库」升级成「有理解能力的工作空间」的起点。 12、关于什么时候该重启，他给的判断标准非常实际。 并不是等到财务报表撑不住，更多是看组织与时代之间的错位：技术和市场环境已经明显往前走了，内部流程、产品形态和人才结构还停在旧逻辑里。 同时创始人对当下这家公司明显提不起兴趣，每天更像在维护一台运转正常但没有灵魂的机器，这种状态持续存在，基本就到了需要重启的阶段。 13、他谈创始人角色时，把重心放在创始人能量上。 创始人在公司里最关键的价值不只是最后拍板，更是持续发射出一套稳定的频率，这套频率包括对产品审美的标准，对什么算好体验的直觉，对哪些细节不能妥协的执念，以及面对不确定性时愿不愿意亲自下场试。 只要这股能量还在线，团队就知道自己在跟随一位有风格的乐手，不是在为一个抽象的 KPI 系统打工。 14、在人才选拔上，他逐步弱化简历本身的重要性。 Notion 的第一轮面试已经不再以简历为核心材料，更关注候选人在开放问题前的思考方式，对产品的直觉，对工具和工作方式的理解。 名校和大厂的履历在他眼里容易变成噪音，他更在意一个人能不能提出自己的看法，能不能在真实的情境下把事情推进，而不仅是在纸面上合格。 15、在销售文化上，他没有把销售放在产品的对立面。 他希望 Notion 的销售像懂音乐的乐手，先听清楚客户现在那首歌的节奏，再思考 Notion 这件乐器应该在什么位置加入，是主旋律，是伴奏，还是间奏，而不是一上来就把音量拉到最大只追逐签约数字。 真正重要的是建立长期合作关系，帮助对方把 Notion 用深、用广，而不是满足一次性收入目标。 16、他反复把组织、产品和 AI 放在同一个坐标系里思考。 组织设计要适配新的技术范式，人才结构要为试错和即兴留出空间，产品要在模型能力和用户体验之间找到新的平衡点，销售和商业化则负责把这套东西带到更大的市场里。 整套思路的底层前提很简单：这家公司永远是一支在不断改编曲目的爵士乐队，而不是一台固定工序的流水线。

又一个可以美股抄作业的AI投资大神，就是那个被 #OpenAI# 扫地出门的天才少年Leopold Aschenbrenner，他管理的基金Situational Awareness，仅仅1年多时间，从资产2.25亿美金飙升到如今55亿美金，整整增长了24倍。 他目前持仓的15只主要美股，每一只都跟AI相关，他的逻辑跟我们平时研究公链或AI的逻辑有异曲同工之处，核心看底层硬约束。缺电投电，缺内存投内存，缺机房投机房。 25年底，他基金披露出来的前5大持仓分别如👇图2，这5家公司在26年涨幅都十分惊人，给基金带来了接近20亿美金增长，以后是一个很好抄作业的代表，抄作业链接放在评论区！ #BE# 解决“缺电问题”。 #LITE# 解决“数据传输问题”。 #CRWV# 解决“云与Token经济问题”； #SNDK# 解决“数据存储问题”。 #CIFR# 解决“机房借电问题”； 1️⃣Bloom Energy (#BE#) ，AI 时代的“私人充电宝” 核心卖燃料电池的。它不靠电网，直接用天然气或氢气在现场发电，减少了AI机房的电力建设周期。 众所周知，美国电网旧的老掉牙，要等电网完善，AI机房黄花菜都凉了。Oracle要建超大规模机房给 OpenAI 用，电网批电要等几年，但找 Bloom Energy 几个月就能搞定，而Oracle也是BE的大客户之一。它现在是 AI 基础设施的「脱电网神器」。 2️⃣Lumentum Holdings (#LITE#) ，算力机房的“高速公路”，光通信领域的绝对龙头，专门做光收发器和激光器。 现在的 GPU 集群，比如几万张 H100之间，数据交换量极其恐怖。如果用铜线连接，速度慢还发热。Lumentum 的光模块就是把电信号变光信号，让几万颗芯片像一个大脑一样协同工作。没有它，算力集群就是一盘散沙。 3️⃣CoreWeave Inc(#CRWV#) 属于NVIDIA 的“亲儿子”算力商。这家公司以前是挖以太坊的，毕竟都是GPU，由于ETH转型POS后，干脆后面全仓转型搞 GPU 云服务。 它是 NVIDIA 全球最大的合作伙伴之一，甚至能先于亚马逊、谷歌拿到最顶级的显卡（H100/H200/B200）。它是专门为 AI 训练而生的云，效率比传统公有云高得多，是现在 AI 独角兽们最爱租的“算力房东”。 4️⃣Sandisk Corp (#SNDK#) ，最近已经涨疯了，很快要站上1000美金了，作为存储巨头，核心做闪存和 SSD 硬盘。 目前大家都在抢算力，但 AI 模型越大，喂给它的数据就越多，训练出来的“权值文件”也越大。AI 不光需要大脑快，还需要兜里装得下海量知识。存储是整个 AI 链条里刚需型的环节。 5️⃣Cipher Digital (#CIFR#) ， 矿场变机房的“转型标兵”，它是一家从加密货币矿工成功上岸 HPC。 首先这家公司原来叫 Cipher Mining赛富矿业，2026 年初刚改名 Cipher Digital。目前矿场最值钱的是什么？是大载荷的供电许可和现成的配电设施。 这家公司把挖矿的厂房拆了，改造成 AI 机房，直接卖电力容量给 AWS和谷歌。在“缺电”的当下，它手里的电力批文就是金矿。 天才少年Leopold Aschenbrenner的投资逻辑，是值得借鉴和思考的，他采用的便是标准的「第一性原理」，推演未来3-5年后，AI市场最缺乏的是什么，那么现在就去资本市场下注！🧐

转： 一、 国内风投机构现在都在疯狂砸钱，主要投向两类：实体机器人AI + 世界模型。 资金分配（折算成美元）： 1. 文字大模型（LLM）：235.6亿美元，花钱最多 2. AI硬件、芯片、算力基础设施：157.4亿美元 3. 实体AI、机器人（具身智能）：133.6亿美元 4. AI画图、AI剪辑这类AIGC应用软件：87.9亿美元 5. 自动驾驶等其他赛道：38.2亿美元，参考性不大 几条行业现状： 1. 刚起步的小团队想从头研发基础大模型，已经很难拿到投资了。 资本不再遍地撒网，钱都集中投给已经跑出来的头部巨头，重点押注“世界模型”赛道。美国市场也是一模一样，OpenAI、Anthropic两家会不断合并资源、强者愈强。 2. 当下一级市场最大投资共识：世界模型。 我前几个月就看好4D感知+世界模型这条主线，还盯上了美股AEVA。但目前市面上没有纯粹只做世界模型的上市公司。只能等新股IPO，大概率在明年上半年。 3. AI图文视频软件（AIGC）是变现最快的方向。 虽然赚钱路径已经跑通，但是没有一家绝对龙头。美国市场也一样，不管是图片还是AI视频工具，群雄混战，谁都没有坐稳老大位置。 海量资金持续涌入AI芯片、半导体产业链；大钱开始集体流向实体机器人、人形机器人大脑+世界模型。资本开始抱团扶持头部AI企业。 看好公开市场里的实体机器人标的，比如Agility机器人，还有绿的谐波这类核心零部件。 可惜目前A股+美股，还找不到纯正的世界模型概念股。 二、所有专业名词通俗解释 1）LLMs 大语言模型 ChatGPT、文心一言这类只会打字聊天、写文案的文字AI。只懂语言，不懂现实物理世界。 2）AI基础设施/技术层 AI的地基。包括GPU显卡、服务器、光模块、半导体芯片、机房算力，没有这些硬件，大模型根本跑不起来。 3）实体AI / 具身智能 AI不再只待在电脑里，长出“身体”，变成机器人，能在现实世界走路、搬货、干活。人形机器人就属于这一类。 “具身”=拥有实体身体。 4）世界模型（4D AI） 给机器人装一个“想象力大脑”。 普通AI只能看见眼前画面；世界模型可以预判未来，模拟物理规则：东西掉下来会摔碎、跑步会摔倒。机器人不用一次次实地试错，在脑子里就能演练动作。 4D=3D画面+物体移动速度，预判环境变化。 5）AIGC AI自动生成内容。AI画画、AI做视频、AI写PPT都属于AIGC。 6）私募风投（PE/VC） 还没上市的创业公司，拿到大佬机构的投资，属于一级市场，普通人买不到。 7）整合、抱团投资 资本不再投小创业公司，只给行业头部企业不断追加投资，小企业慢慢被淘汰。 三、文中提到的全部公司+股票代码（可直接炒股查询） 1、Aeva（AEVA） • 股票：美股纳斯达克 AEVA • 业务：4D激光雷达，给自动驾驶、人形机器人做视觉感知硬件，对应原文4D AI、世界模型感知硬件标的 • 状态：已经正式上市，可以直接交易 2、Agility Robotics（人形机器人企业） • 当前状态：还没正式挂牌，属于未上市私企 • 最新上市计划： 借壳SPAC公司丘吉尔资本XI，代码 CCXI； 合并完成后新代码改为 AGLT，预计2026年内完成上市 • 主营：Digit人形搬运机器人，亚马逊重点合作厂商 3、leaderdrive 绿的谐波（原文leaderdrive+harmonic） • A股科创板：688017 绿的谐波 • 业务：机器人关节核心零件（谐波减速器），是人形机器人最核心零部件，对应原文实体AI硬件龙头 4、文中美国头部大模型企业（未上市，仅作参考） 1. OpenAI：私有化，无股票代码 2. Anthropic（Claude）：未上市，无公开代码 四、关键补充提醒 1. 纯正“世界模型”标的：目前零上市公司 全世界没有一家上市公司主营业务只做世界模型，全部还停留在一级创业公司，只能等待明年IPO新股。现在只能买感知硬件（AEVA）、机器人零部件（绿的谐波）做间接布局。 2. AIGC应用赛道：软件公司很多，但行业内卷严重，暂时跑不出垄断龙头。

《熊市多出去走走，机会或许就在一顿饭里》 秉持着“熊市多出去走走”的原则，昨天参加了深圳交易员之家的线下活动，分享嘉宾是好朋友金爷，分享的是大饼分区间定投策略，这次活动目测来了 60 人左右，看到了许久不见的小飞、图图、小云等人，也碰到了经常碰面的子琦、谷木等人，妥妥的圈友见面会～~ 金爷的大饼定投策略之前就已经听过几次了，这次听下来又有了一些新的感触，这次金爷直接用 AI 结合 MA120、链上成本等 5 个维度指标来判断市场，并且为这些不同的维度赋予不同的权重，来进行综合打分，根据不同的分值，划分为不同的定投区间，我们再根据这些不同的定投区间，去调整自己定投的额度，在相对低的位置买入更多的筹码，避免站在高位，同时设置自动执行下单操作，这样可以大概率避免在熊市深处，因为恐慌情绪而停止定投，从而错过相对底部的区间，挺好的一个思路，再次感受到 AI 的强大。 活动结束后，我们一行 23 人一起聚了个餐，相互链接，让我印象最深刻有如下几点： 1、记得鲤鱼姐说了一句：一代人有一代人的大好河山，上一代是房地产，这一代是区块链与 AI，每一代都有每一代的机会。我个人是非常认同这句话的，结合我自己的经历，如果没有区块链，或许我们真的很难翻身了，而现在的 AI 又提供给每一个普通人的大好机会，作为普通人的我们，就是应该在这些创新的新土壤中去寻找方向。 2、鲤鱼姐也跟我们分享了她自己的经历，哪怕自己对投资不是很懂，但她做得很好的一点就是找对圈子、跟对人。如果自己对某个领域不是很擅长，那就找这个领域最擅长的人跟着去“抄作业”就行了，这句话我也是很认可的，毕竟每个人都有自已擅长的领域。 3、饭桌上，金爷也强调了一点就是 IP 的重要性，他建议大家去坚持写作，因为这个互联网年代小 IP 的复利非常强大，就像当年金爷就是从币乎开始写文章，接触到了他的合作伙伴猴哥，甚至他的现在的老婆，就是在那个时候认识的，就是你在坚持写作的时候，慢慢积累影响力，很多好运、很多合作机会就是这样不经意地而来。就像我现在也一样，每天坚持写作，也会影响到一部分和我同频的人，也让更多人认识我，这样无形之中就增加了我的一些机会。 当然啦，写作这个领域，觉得很难，其实也不容易，特别是像我这种日更的，需要很大的毅力坚持下来。而且刚开始也会有自己的担心，我文采不好，不知道怎么写，不知道怎么样才算好，后面想想了，我就用大白话，想到什么写什么，也不奢望浏览量能达到多高，我写我的，你看你的，大家都可以自洽了。 4、记得还有一个叫 Ben 的圈友（原来很久以前就加了好友，只是大家没有联系而已)，他分享到一点，就是我们在投资的路上一定要找 2 ～3 个非常笃定、非常看好的标的，在低位的时候去重仓埋伏，之后再拿出一点点的小资金去接触不同新的事物。哪怕是大家都极度不认可的东西都没关系，这些完全是可以接受归零的资金。 这一点又跟我是不谋而合的 ,比如当下的我，能重仓的标的就是大饼、CRCL，当然，现在我也还在观察 HYPE，看下有没有回调到我想要的价格，平时我自己也会留意很多新的机会，用小资金去试错，因为那些小机会就是以小博大。 当然，这个饭局聊的内容太多太多了，有聊健身的、养生的、新资产发行的，也有体制内的，其他传统行业的，每个人都各抒己见，大家也互相加了好友，认识了很多朋友 ，这里就不一一介绍了， 非常感谢交易员之家举办这样的线下活动，我个人觉得特别是熊市，其实真应该多出来走走，有时候别人的一句话就可以让你触动，或者学习到更多的新知识，解决自己的盲区。 比如在回城的路上，我们就和三金聊起了当下港股打新的一些机会、SOP，虽然我一直都在港股打新这条路上走着，但是对于这位手握多号的职业操盘手来讲，他的一些经验分享，让我觉得原来港股打新这个事情，原来还可以这样放大，在此非常感谢三金跟我分享了这么多实用的经验，同时我也正式开始对外接受合作。 如果你对港股打新有兴趣，想赚点现金流，有人出人，有钱出钱，都没问题，只要你是认可清水哥，并且你确认自己是真的想做这个事情，更是一个真诚的人，想链接清水哥的，欢迎一起，我等着你。

这几天看世界杯，更是熬夜看完C罗的世界杯最后一舞，多少有点唏嘘。转头看了眼盘面，6月那波调整算是缓过来了，BTC站稳63k附近，山寨也开始轮番动，资金又在到处找新方向。 这段时间一边调仓位一边挖新项目，交叉核对了好几轮，$ART（@AiTraceRoot_Ai）是我筛下来质地比较扎实、值得放进观察池的一个Web3+AI标的。 部署在BSC链上，走的是AI+链上数据基础设施路线。核心逻辑是把海量链上数据喂给AI模型，落地地址追踪、风险预警、交易策略辅助，甚至代币治理分析，形成一套完整的工具闭环。说白了，就是给普通用户配了个链上可验证的AI风控助手。 现在Web3最大的痛点之一，就是链上信息太杂，项目良莠不齐，中心化工具又总让人担心信任问题。ART是把资产安全放在第一位，所有分析和预警都走链上可验证的路径，挺务实，不是纯炒概念的路子。 项目2024年成立，背后有Castrum Capital、Becker Ventures、Gemhead Capital、Coinvestor Ventures几家机构投资。阵容不算顶级天花板，但都是正经做过尽调的机构，至少底子是靠谱的。 技术端测试网已经就绪，后续按路线图推进产品迭代、多链部署和生态建设，目标是做安全、合规、高效的AI+区块链基础设施。 目前社区评分6.7，整体看下来，有真实落地方向、有干净的币模、有机构背书，已经摸到了头部交易所的上币门槛线，不是纯炒作的空气盘。 当然Web3项目永远有执行风险，最终还是要跟踪产品落地和实际数据表现。但在当下新项目集中冒头的阶段，它属于我筛出来值得长期跟踪的那一类

为什么本来一度遥遥领先的 Claude，新发布的 Opus 4.7 模型，给大家一种降智的感觉，而过去一直被人诟病的 ChatGPT，最新 GPT5.5 以及 Codex 却迎头赶上，让很多人觉得惊艳？ 这个模型层的故事，背后涉及到当下 AI 最重要的投资逻辑。 自从 OpenAI 三月份砍掉 Sora，调整 ChatGPT 产品形态，战略重心变得更加聚焦，从单纯的 C 端订阅转向 Codex 以及企业级 Agent 市场，对标 Anthropic 的意味非常明显，势头很猛。 OpenAI 能在这么短时间内迎头赶上，我觉得核心还是在于算力。 粗略对比一下 OpenAI 和 Anthropic 目前拥有的算力，OpenAI 大概是在 2-4 GW 这个量级，而 Anthropic 大概是在 1 GW 左右，二者之间算力有几倍的差距。 而 OpenAI 公开锁定的算力规模，至少 10 GW 级别，Anthropic 一直在追，但仍然比不上 OpenAI。 我们会发现算力就是制约模型能力的最大因素，所以两家龙头大模型厂商都在拼了命地四处找算力，包括从 hyperscaler 以及 neocloud。 比如说 2 月份 OpenAI 和 AWS 签署 2GW 的算力协议，上个月又和微软 Azure 修改了合作协议，现在可以向多个 CSP 寻求算力。 还有就是这两个月 Anthropic 接连和 Google Cloud、AWS、SpaceX 签下了最高可能接近 10 GW 的算力协议。 很明显我们能够发现一个非常大的变化，过去 AI 大模型在比谁更聪明，现在已经升级为了谁有更多的算力，算力已经成为了 AI 上下游的核心战略资产。 所以并不是 Claude Opus 4.7 真的很垃圾很弱智，只是因为没有足够的算力... 顺着这个逻辑，我们就能看到以算力为核心的整个产业链上下游，各个环节都是瓶颈，不只是 GPU，还有 ASIC、CPU、内存、存储、光模块、交换机、数据中心、能源电力基础设施等等。 我们也就可以理解，为什么英伟达一直在疯狂大撒币，砸钱投资英特尔、康宁、诺基亚、Coherent、Lumentum、Nebius、Coreweave 这些公司，因为它们都是算力瓶颈的一环。 不投钱缓解产业链上的这些瓶颈，老黄的 GPU 就很难卖出去。 最后回过头来看，只要 OpenAI 和 Anthropic 的 ARR 持续增长，持续缺算力缺 Token，传导到上游大科技砸钱拉高 Capex，传导到整个产业链持续扩产、持续供不应求，我们看到的现象就是美股 AI 板块持续新高。 我认为这就是当下市场的主线逻辑。

推荐这篇文章。Redis 作者 antirez 对 Amodei AI 安全论的回应。 核心论点：真正的危险不来自开源模型，也不来自中国——它来自少数没有合法性却被赋予了替全人类做决定的位置的 CEO。 以下是全文翻译。 Amodei 在他最新的博客里写了一些我同意的东西，也有一些我认为误判了 AI 真正风险所在的东西。我想集中讨论为什么，在所有风险中，开源权重模型是最温和的那一种。我写这些的时候，深信 AI 在不远的将来确实可能非常危险。 1. 就像 OpenAI / HuggingFace 事件一样（那件事本身是个笑话，但关注的应该是行为模式而非结果），第一起严重的 AI 事件极大概率会发生在前沿 AI 实验室的围墙之内——在测试一个新模型的时候，或者当实验室员工、少量有访问权限的外部人员做出了超出模型预期能力的事情时。 2. 那些永远不会对公众开放的闭源模型，不过是几 TB 的数据。你只需要一个有权限的人+错误的意图，就能泄露一个——然后你就回到了开源模型的局面。开源模型是在测试之后、在同样能力的模型已经通过 API 存在一段时间之后才发布的。真正的风险是泄露，不是发布，而泄露发生在前沿公司内部。 3. 正如 Amodei 所说的，一旦 LLM 在生物学等领域变得足够危险，开源模型可以在剥离了某些科学分支的训练语料上进行训练，同时仍然对其他许多事情有用。一个在特定领域缺乏强预训练的模型，其有限的上下文窗口本身就是一种强有力的保护，即使这个模型在其他方面非常强大。我们目前还不在"开源模型能构成那种危险"的阶段。 4. 在网络安全这个背景下，不让 LLM 广泛用于防御性安全和漏洞搜索，恰恰制造了"LLM 成为武器"的问题。这已经在发生了：开源维护者如果没有被纳入某些网络计划，就找不到他们本可以找到的安全漏洞；而有正确意图的人能接触到前沿网络模型，在开源权重模型上做大幅强化学习训练，等等。 5. 一旦 LLM 足够危险（如果进展继续，我们已经接近这个界限了），真正需要的安全链在实验室内部——这条链没有强有力的共同规则是架不起来的，单一公司也不应该有能力独立评估一个模型是否足够安全。我们需要一个联合 AI 安全组织，包含来自世界各地的专家，并被前沿 AI 公司所在国家的政府认可。 6. 为安全而放慢 AI 的发展，必须被一个事实抵消：AI 在医学和其他科学中的发现可能会减少人类的痛苦。缺乏检查可能导致灾难性的结果（"早安！让我们来搞一个增强版天花"）。缺乏进展可能导致本可以被拯救的人死去——不只是当下，还包括未来许多将遭受疾病折磨的人。这看起来可能是一个奇怪的观点，但我们必须始终理解，停止 AI 也内嵌了安全成本，只是这层成本更加隐蔽。 7. Amodei 对中国的意识形态立场是不公平的。我们欧洲人 80 年前还在毫无体面限度地互相杀戮（人们现在忘了，美国当年投资欧洲稳定的原因之一就是我们确实极度危险，很可能会再来一次——而几十年的富裕会让我们成为一个好市场，同时阻止我们再次开战）。美国即使在当下，也有悲惨的不平等、因缺乏基本医疗而受苦的人、一个看起来不稳定且非常好战的总统。我希望中国拥有和我们西方一样的个人权利水平，但与此同时，中国的历史远不如西方文化好战。在当前条件下，AGI 军事锁定由中国执行会比美国执行更容易吗？这一点完全不清楚。此外，无论 GPU 出口政策如何，中国的 AI 进展都不会停止——所以 Amodei 要么是在主张一旦美国有了 AGI 就以武力阻止中国，要么他的论点到底是什么？ 8. 人类历史上有许多技术在某个地方率先达到顶点的例子。据我所知，这从来没有导致任何一个国家试图建立永久优势。核不扩散——这可能是与 GPU 禁令最相似的案例——并没有被用来通过威胁轰炸所有不服从者来获取永久经济优势，也没有阻止多个行动者在不同时间获得那项技术，其间没有任何一方为了阻止对方进步而轰炸对方。此外，我不认为 AI 的最大危险来自政府驱动的行为。我倒是希望这是最危险的场景！政府做蠢事，经常具有攻击性，他们的行动甚至导致了种族灭绝——但这需要很多人同意做一件可怕的事，这本身就是限制因素。最大的问题出在另外两种情况：A）少数个人制造了末日事件（病毒那个案例），B）AI 自身逃脱了构建它的人的控制。 我认为我们不应该认为 AI 是安全的。一个可能导致智人灭绝的关键事件是可能的。但危险不在开源模型，不在中国比美国进步更快。危险在于：一些 CEO（在世界各地都一样）没有所需的背景和合法性，却处于为全人类做艰难选择的位置。他们不是被选出来做这件事的——只是事件的随机性造成了这个局面。他们不能代表每个人——仅仅因为他们有 GPU 和钱。这是第一个需要被纠正的事情。 原文： #AISafety# #OpenSource# #AIEthics#