OpenAI 正式预览 GPT-5.6。 这次不是只有一个模型，而是一整个新系列： Sol：旗舰模型 Terra：平衡型日常工作模型 Luna：快速、低成本模型 但真正值得注意的是： GPT-5.6 的发布方式，开始变得很不一样了。 这次 GPT-5.6 Sol 是 OpenAI 目前最强模型。 官方提到，它在三个方向有明显提升： Coding Biology workflows Cybersecurity 尤其在 coding workflow 上，GPT-5.6 Sol 在 Terminal-Bench 2.1 拿到 88.8%，Sol Ultra 则到 91.9%。 这次也新增了两个很关键的模式。 第一个是 max reasoning effort，让模型有更多时间深度推理。 第二个是 ultra mode，它不只是单一模型回答，而是会透过 subagents 协作，处理更复杂的任务。 简单说，AI 不只是「回答你」，而是更像一组小型 agent team 在帮你做事。 但这次最微妙的地方，是发布策略。 OpenAI 表示，GPT-5.6 会先提供给少数 trusted partners 和 organizations，并且这批名单有与美国政府共享。 官方也特别说，他们不认为这种政府介入式流程应该成为长期预设，只是因为模型能力提升，尤其涉及 cyber 风险，所以先采取分阶段预览。

随着西方各国政府投入巨资将生产线迁回国内，炸药行业正迎来繁荣。 北大西洋公约组织(North Atlantic Treaty Organization, 简称：北约)国家目前至少有24个推进剂或炸药新项目正在推进。仅在美国武器生产重镇阿肯色州，就计划新建三家工厂。 四年前俄罗斯入侵乌克兰，暴露出西方在弹药量产上的力不从心。尽管炮弹产量已提升，但生产商依然受制于危险化学品的供应紧张，这些化学品出自一条横跨全球且存在诸多瓶颈的供应链。 在乌克兰战争爆发前，华盛顿及其盟友自认为拥有充足的库存和可靠的制造来源。几十年来，五角大楼的作战理念一直围绕“外科手术式打击”展开，也就是使用数量有限、装有计算机芯片和数字传感器的昂贵超精密弹药。 国防制造与物流公司Regulus Global的董事长威尔·索默林戴克(Will Somerindyke)表示，如今，乌克兰等地的战争正让炮弹等“供应链截然不同的弹药重返战场”。他还说，美国和欧洲没有这样的供应链，这意味着他们对自己的弹药没有主权，而要扭转这一局面并非易事。 自2024年以来，TNT的成本已飙升了近三倍。 乌克兰、俄罗斯和西方国家纷纷提高弹药（特别是炮弹）产量之际，其他炸药的供应也日益吃紧。为了应对短缺和漫长的补给线，美国和欧洲正试图填补市场缺口。 在特朗普(Trump)政府提出的1.45万亿美元国防预算中，有近500亿美元被指定用于开发武器生产所必需的关键矿物、化学品和含能材料的国内来源。 在其他相关举措中，美国陆军(U.S. Army)去年重新开放了爱达荷州的一座金矿，以获取一种关键的化学副产品。这种副产品被用于近三分之一的军用弹药中。目前，美国的硫化锑供应完全依赖海外。 RDX是一种比TNT稳定的替代品。美国试图增加RDX和另一种炸药IMX产量的计划被推迟了大约八年。尽管有旨在提高产量的项目正在推进，但目前的产量仍停留在2017年的水平。美国陆军的一位发言人表示，提高产量的目标日期已从去年推迟到2030年左右。

特朗普家族把美国总统职位变成了赚钱工具。 以下是他们的操作方式： 在 2025 年上半年，Reuters 报道称，Trump Organization 收入从 $5100 万增长到 $8.64 亿。 👉 超过 90% 来自选举后推出的加密项目 流程如下： Step 1：赢得选举 Step 2：推出依赖总统身份的金融产品 TRUMP memecoin 在就职前 3 天推出 市值 24 小时内达到 $145 亿 家族持有 80% 供应 👉 上半年收入约 $3.36 亿 Step 3：政策支持 → 获利 签署行政命令推动加密发展 放宽监管 World Liberty Financial： 融资 $5.5 亿 75% 收益归家族 👉 16 个月套现 $12 亿 Step 4：出售“访问权” Super Nodes：$500 万获得项目团队接触 Justin Sun 投资 $7500 万 Step 5：持续推出产品 USD1 稳定币 比特币矿业公司 手机、手表、NFT 等 👉 总统职位成为营销平台

特朗普金手机原来是“中国制造”？ 特朗普一年前推出个人品牌 T1智能手机，这本应是一款主打“爱国”牌的产品，其营销口号甚至就是“以美国为荣”（Proudly American）。 但德国新闻网站T-online以及多个科技新闻网站报道，专业人士在将手机拆开对比后发现，这款“御用”的金色手机其实是一台在中国制造的HTC手机。 HTC（宏达国际电子）是一家台湾的电子消费品生产商，其智能手机品牌在2000年代初期曾行销全球，2012年后手机业务逐渐萎缩。目前产品基本由中国大陆代工厂设计与制造。 镀了金，换了标记 美国维修平台iFixit的专家对T1进行了彻底拆解，并将其与2024年推出的HTC U24 Pro 进行了逐个组件比较。结果非常明显：二者是同一部手机，只是T1镀了金色，换了一个新徽标。 拆机前进行的CT扫描就已显示，两台手机的内部构造几乎完全一致。iFixit的专家在拆解这两款智能手机后，发现主板等组件以及各部件与螺丝的位置完全相同。他们甚至能将两台设备的主板互换，且未出现任何问题。此外，两者的显示屏也采用了相同的三星OLED面板，iFixit通过显微成像技术证实了这一点。 外观上的细节差异仅限于扬声器格栅上略有改动的开孔图案，以及位置微调过的闪光灯。两者在硬件上唯一显著的差异似乎在于电池：T1使用的不是原装 HTC 电池，而是由一家名为 Newlix Mfg Inc. 的菲律宾制造商生产的电池。虽然其容量略高于原装，但充电功率却从60瓦降至30瓦，因此无法真正快速充电。 美国缺乏手机生产厂 2025年6月，特朗普集团（Trump Organization）正式推出名为“Trump 1 Mobile”的手机与无线通讯服务，产品包括一款售价499美元的智能手机和月费为47.45美元的套餐。 T1最初号称“美国制造”（Made in USA）。特朗普集团曾表示，其客服中心将设在美国，手机也将在美国制造。当时的媒体报道就指出，美国本土并无成规模的智能手机生产基础设施，大多数设备仍依赖亚洲国家的生产线。 如今T1包装上标明的是“美国组装”（Assembled in the USA）。据iFixit 称，特朗普集团表示该手机是在佛罗里达州进行组装。 iFixit推测，所谓的“美国组装”很可能仅涉及电池或摄像头模组等少数几个部件的安装。极有可能的情况是，机身和显示屏均作为成品组件从中国进口。美国联邦贸易委员会（FTC）针对产品何时能标注“美国制造”制定了明确标准，而 T1 并不符合这些标准。 iFixit 写道：“综合这些信息来看，这并非一款‘彰显美国自豪感的设计’，而是一款在中国设计、在中国制造，且主要零部件均源自中国的手机。” 微信公众号“不客观实验室”发布介绍这一拆机测试的文章称，公开数据库显示，HTC U24 Pro 的制造商是位于广东的元昌电子。 T1售价499美元，HTC U24 Pro在美国的零售价约为550美元。另一点不同是，T1预装了特朗普的社交应用Truth Social。

方星海博士背后的证监腐败经济学：10篇学术论文看得刺激！证监会副主席方星海，其博士论文导师是诺贝尔经济学奖得主约瑟夫·E·斯蒂格利茨。方星海被捕的消息公开之后，重新翻看了他的履历：斯坦福经济学博士，世界银行工作经历，上海金融办主任，再到证监会副主席，在中国金融监管体系中，几乎是一份最接近技术官僚理想型的履历。 连他这样一位拥有深厚学术背景和丰富监管经历的官员走到被查这一步，也让证监系统为何频频出现腐败案件再次成为舆论关注的焦点。坊间讨论往往停留在个案层面，谁与谁存在关联，哪家企业上市过程中是否存在利益输送。但从经济学视角看，问题会更加清晰。证监系统中的腐败，其租金究竟来自哪里，利益由谁获得，成本又由谁承担，以及反腐能否真正改变背后的运行机制，才是更值得追问的问题。 过去十几年里，已有一批实证研究试图回答上述问题。相关文献从IPO审核、监管寻租、政治关联、上市公司治理以及资本市场资源配置等多个角度展开分析。我们将与中国证监系统腐败最直接相关的研究整理成一份清单。 六篇最直接研究证监腐败的论文清单。 1. 企业行贿发审委员，到底买到了什么？ Huang, Yan, and Chan（2021），Journal of Corporate Finance，题为《Does Aggressiveness Help? Evidence from IPO Corruption and Pricing in China》。 该论文的分量，在于作者使用了真实发生的行贿案件作为识别依据。研究团队根据法院公开披露的信息，识别出曾向两名创业板发审委员行贿的企业，并进一步匹配了行贿企业、时间、金额等具体信息，再将其与其他IPO申请企业进行比较。 研究发现，行贿行为使企业IPO过会概率提高约17个百分点。与此同时，行贿企业往往获得更高的发行市盈率，但上市首日表现反而更弱，平均涨幅仅为28.6%，低于未行贿企业的40.1%。上市之后，行贿企业的长期市场表现也更差。作者认为，这可能源于行贿企业本身具有更激进的融资策略，希望通过更高的发行价格弥补行贿成本以及相关中介费用。 论文中还有一个很有启发性的事件研究。腐败发审委员被调查或判刑的消息公布后，与其存在关联的企业股价出现更加明显的下跌。但与此同时，即使没有直接行贿关系的企业也受到负面影响。换言之，监管腐败会带来信任外溢效应，投资者难以准确识别哪些企业真正参与其中，于是整个相关板块都会面临估值折价。 在研究我国证监系统腐败的相关文献中，该论文的优势在于直接观察到了行贿关系本身。相比政治关联、官员背景等间接代理变量，真实腐败案件提供了更具说服力的证据。当然，行贿企业并非随机产生，法院披露的案件也可能只是全部腐败行为中的一部分。因此，17个百分点更适合作为特定样本范围内的估计结果，不能简单外推到所有IPO企业。 2. 发审委里的审计机构代表，会不会照顾自己的客户？ Geng, Hau, and Zheng，题为《China's IPO Screening with Partial Regulatory Capture》，Swiss Finance Institute工作论文。 我国过去的发审委制度曾吸收会计师事务所、律师事务所和金融机构等专业人士参与审核。制度设计的初衷，是借助市场专业力量提升审核质量，但同时也带来了潜在的利益冲突。当某家审计机构的人员进入监管决策体系后，该机构与拟上市企业之间便可能产生利用关系网络获益的空间。 论文发现，曾有代表进入监管决策机构的审计所，更容易承接那些刚好跨过财务审核门槛的边缘企业。这些企业获得IPO通过的概率更高，但上市后的表现明显更差。与普通IPO企业相比，其上市后两年的平均买入持有收益率低约45%，会计盈利能力也相对较弱。 作者进一步分析发现，这些审计所在其他上市公司的日常审计业务中，并没有表现出更高的审计质量。它们的优势主要体现在IPO审核环节，更多地体现为监管关系带来的便利，而非专业能力上的领先。 该论文对于理解发审腐败的制度根源具有重要意义。现实中的监管失灵，很少只是个别官员与企业之间的简单交易，更常见的是专业中介机构、审核委员和拟上市企业之间形成了一种长期互动关系。监管需要行业知识，因此需要吸纳市场专业人士参与，但专业人士进入权力核心后，也可能创造新的寻租空间。 3. 前证监官员进了券商，客户为什么更少被查出欺诈？ Chen, Lin, Ng, and Pan（2026），Review of Accounting Studies，题为《Revolving Door at Financial Intermediaries: Evidence from Fraud Allegations Against IPO Clients》。 论文研究的是券商和保荐机构聘用前证监会官员后，会对IPO审核结果产生怎样的影响。研究发现，前监管人员进入券商担任董事或高管后，由该券商保荐的IPO企业，被证监会认定存在欺诈行为的概率明显下降。 更值得注意的是，下降主要来自违规行为被发现的概率降低，而企业实际造假行为本身并没有明显减少。作者进一步将前监管人员带来的旧有关系网络，与其积累的监管专业知识进行区分，发现前者更能解释研究结果。即使违规行为最终被查出，拥有前证监官员的保荐机构，其客户受到的监管处罚也相对更轻。 其中的利益链条，同样清晰可见。保荐机构能够收取更高的服务费用，前监管人员也获得更高的薪酬回报。机构投资者似乎能够识别其中的风险，并在市场交易中做出反应，但普通投资者较难将此类风险充分反映到价格中。 该论文是目前解释我国证监系统旋转门现象较有代表性的研究之一。它揭示的利益交换机制，比直接送钱更加隐蔽。前监管人员带来的价值，可能来自对监管规则的熟悉，对审核重点的掌握，对调查触发机制的了解，甚至包括利用既有关系影响监管发现和处罚结果。 4. 有政治关系的券商，更容易帮客户过会。 Chen, Guan, Zhang, and Zhao（2017），Journal of Banking & Finance，题为《Political Connection of Financial Intermediaries: Evidence from China's IPO Market》。 作者使用2006年至2011年的中国IPO申请数据，以券商董事长或总经理是否具有政府、军队任职经历来衡量政治关联。 研究发现，具有政治关系的承销商能够显著提高客户企业IPO过会的概率。同时，这类券商收取的承销费用也更高，说明企业愿意为关系资本支付额外溢价。进一步分析显示，相关企业上市后的长期市场表现更差，政治关系带来的收益更多流向企业原股东和金融中介，普通投资者并未获得相应回报。样本中政治关联现象十分普遍，约44%的承销商被归入政治关联组。 论文描绘了一条较为完整的利益链条。政治关系提高IPO通过概率，券商借助关系优势收取更高费用，部分质量较弱的企业因此进入资本市场，而由此产生的成本最终由二级市场投资者承担。 5. 2015年金融反腐后，关系对审核的作用下降。 Xiong and Zhao（2021），Pacific-Basin Finance Journal，题为《Guanxi, Media Coverage and IPO Approvals: Evidence from China》。 作者考察了拟上市企业、中介机构与发审委员之间的社会关系，试图分析关系网络在IPO审核中的作用。研究发现，在2015年之前，企业与发审体系中的社会关系能够显著提高IPO过会概率。随着金融领域反腐力度加强，这类关系对审核结果的影响明显减弱。 论文还关注了媒体监督的作用。研究发现，正面媒体报道对IPO结果的影响并不稳定，但负面报道会显著降低企业过会概率。即使企业拥有发审关系，一旦遭遇负面曝光，上市成功率仍会受到明显影响。 该研究适合用来说明反腐和外部监督如何改变关系网络的收益空间。监管环境变化之后，原本能够带来优势的社会关系，其价值受到削弱，媒体曝光也成为约束寻租行为的重要力量。 6. 地方官员晋升前，企业上市会加速。 Piotroski and Zhang（2014），Journal of Financial Economics，题为《Politicians and the IPO Decision: The Impact of Impending Political Promotions on IPO Activity in China》。 严格说，这篇论文研究的并非证监官员腐败案件，但它是理解我国IPO政治经济学绕不开的一项研究。 作者考察地方官员晋升激励与企业上市之间的关系，发现地方官员即将晋升的时期，符合条件的企业更容易启动并完成IPO。这一现象在国有企业和民营企业中都存在。对于民营企业而言，上市窗口尤其重要，因为地方官员调整后，原有的政治联系可能失效，企业倾向于赶在关系网络变化之前完成上市。 研究进一步发现，晋升期上市的企业，后续经营表现和长期股票收益更差，控股股东持股比例更高，也更容易出现募集资金用途调整等现象。换言之，政治周期可能改变企业进入资本市场的节奏，也影响了资本市场资源配置效率。 反腐真的介入之后，发生了什么？ 前面六篇讲的是租金怎么来，接下来四篇换个方向，看反腐真正落地之后，市场和企业发生了什么变化。 7. 中央巡视证监会后，IPO抑价反而上升。 Yan, Li, and Wang（2023），China Journal of Accounting Research，题为《Do Anti-corruption Campaigns Affect IPO Underpricing? Evidence from a Central Discipline Inspection of the CSRC in China》。 作者利用中央巡视组进驻证监会这一制度事件，考察巡视期间完成上市的企业表现。研究发现，巡视期间上市企业的IPO抑价程度更高。作者认为，在巡视压力下，证监会更加重视市场稳定和监管风险控制，因此倾向于批准发行价格相对较低的项目，为上市后的短期上涨留下更大空间。 进一步分析显示，这类企业上市初期市场表现更好，但长期股票收益反而更差。相关影响在民营企业、聘用低质量审计机构的企业，以及所在地区腐败程度较高的企业中更加明显。 论文揭示了一个容易被忽视的机制。反腐检查能够压制监管寻租，但同时也可能改变监管人员的行为激励。在面临更强问责压力时，官员可能更加关注避免市场波动和审核风险，从而采取更保守的定价策略和项目选择标准。因此，反腐带来的短期变化，并不一定完全体现为资源配置效率提升。 8. 反腐削弱了上市公司政治关系的价值。 Chiang and Qin（2025），Economica，题为《How Did the 2012 Anti-corruption Campaign in China Diminish the Value of Political Connections for Listed Companies?》。 论文利用新闻报道中反腐政策强度的变化，考察2012年至2014年反腐运动对中国上市公司的影响。研究发现，反腐运动启动后的前两年，具有政治关联企业的市场价值下降约7.5%，相当于此前政治关系所带来价值的80%至83%。这一影响主要集中在民营企业、生产率较低的企业以及腐败程度较高的地区。 虽然该研究并不专门针对证监系统，但对于理解金融机构和上市企业为何愿意投入大量资源维护监管关系具有重要意义。政治关系本身就是一种具有市场价值的无形资产，能够帮助企业获得融资便利、资源支持和制度优势。反腐行动的推进，相当于显著压缩了这类关系资本的价值。 论文揭示了一个重要机制。企业经营政治关系，并非仅仅为了获得短期便利，主要还是因为这种关系过去能够带来真实的经济回报。当制度环境发生变化，政治关系的稀缺性和有效性下降，依附于关系网络形成的市场溢价也随之减少。 9. 禁止官员当独董后，财务报告质量提高。 Hope, Yue, and Zhong（2020），Contemporary Accounting Research，题为《China's Anti-Corruption Campaign and Financial Reporting Quality》。 2013年的相关规定禁止党政机关官员在上市公司兼职，大量官员独立董事因此退出上市公司治理结构。作者利用这一制度变化构建双重差分模型，考察失去官员董事后企业治理和信息披露的变化。 研究发现，失去官员董事的企业，财务报告质量随后有所改善。这种改善在民营企业、面临再融资压力、曾获得优惠信贷，以及所在地区司法效率较高的企业中更加明显。 研究结果表明，官员董事的作用可能远超一般意义上的政策咨询。他们既可能帮助企业获得融资便利，也可能削弱外部监督压力，使企业面临较低的信息披露约束。在这种情况下，企业维持政治关联的收益，部分来自降低透明度要求和外部治理压力。 10. 官员退出董事会后，企业转向创新和生产率。 Berkowitz, Lin, and Liu（2022），Journal of Law, Economics, and Organization，题为《De-politicization and Corporate Transformation: Evidence from China》。 论文研究的是同一轮官员独董退出事件。作者发现，短期内，失去官员独董的企业融资环境有所恶化，债务成本上升，市场价值也受到负面冲击。但随着时间推移，这些企业开始增加研发投入，引进更多机器设备，生产率和信息透明度逐步提升，经营能力的改善最终抵消了政治关系消失带来的损失。 该研究为理解反腐的长期经济影响提供了更完整的视角。政治关系被削弱后，企业短期内可能面临融资压力和市场估值下降，但与此同时，也会被迫减少对关系资源的依赖，转向技术创新、公司治理和真实经营能力提升。 从更长周期看，反腐并非只意味着切断既有利益网络，也可能推动企业重新建立基于效率和竞争力的发展模式。

《用 CPV 模型预测 AI 技术演进》 过去几年，AI 领域几乎每天都有新概念出现。 Prompt Engineering、RAG、Memory、Agent、MCP、J-space、Tool Use、World Model…… 大多数讨论都围绕一个问题展开： 下一个热点是什么？ 我更关心另一个问题： 为什么热点会依次出现？ 如果一种理论只能解释已经发生的事情，它的价值有限；真正有价值的理论，应该能够预测未来。 CPV（Cognitive Positioning Value）提供的，正是这样一种视角。 它关注的不是某项技术，而是反馈最终作用到了系统的哪一层。 ⸻ AI 的发展，本质上是反馈不断向深层沉淀 CPV 将反馈划分为五个层级： CPV1：行为（Action） CPV2：状态（State） CPV3：模型（Model） CPV4：结构（Structure） CPV5：边界（Boundary） 越往下，反馈改变的对象越深。 AI 技术的发展，几乎就是沿着这五层不断推进。 ⸻ CPV1：改变输出 这一阶段的代表是 Prompt Engineering。 Prompt 改变输入。 模型改变输出。 任务结束，一切恢复原状。 模型没有成长。 它只是完成了一次推理。 后来出现的 Prompt 自动优化、思维链（Chain of Thought）、提示模板，本质上仍然属于这一层。 它们提高了完成任务的能力，却没有改变模型本身。 ⸻ CPV2：改变状态 随后，人们发现一个新的问题： 模型什么都记不住。 于是，Memory 出现了。 长期记忆、用户画像、上下文管理、会话历史…… 反馈终于开始影响模型的运行状态，而不是一轮对话。 模型开始拥有“今天的自己”。 但这里仍然存在明显的局限。 Memory 越来越长。 越来越混乱。 越来越互相矛盾。 于是，新的结构压力出现了。 ⸻ CPV3：改变模型 真正的成长，不应该只是不断累积记忆。 而应该修改世界模型。 例如： 昨天认为用户喜欢苹果。 后来连续半年都选择安卓。 系统不应该同时保存两条冲突的信息，而应该形成新的理解： 用户真正偏好的是开放生态。 这里发生变化的已经不是 Memory，而是模型本身。 未来的 AI 一定会越来越重视： 记忆巩固（Memory Consolidation） 经验抽象（Experience Abstraction） 世界模型更新（World Model Revision） 它们共同指向同一个方向： 反馈开始改变模型，而不是继续堆积数据。 ⸻ CPV4：改变结构 随着模型越来越复杂，另一个瓶颈出现了。 一个网络承担所有能力，越来越低效。 于是开始出现： Planner。 Executor。 Memory。 Vision。 Reflection。 Safety。 它们逐渐成为不同的功能模块。 MoE、Tool Use、Agent、MCP、多智能体协作，都可以看作这一趋势的不同表现。 未来 AI 更像一个组织。 而不是一个越来越大的 Transformer。 反馈开始重组系统结构。 ⸻ CPV5：改变边界 这是最深的一层。 今天，人们谈论 AI，通常想到的是： 一个模型。 未来，AI 的边界会不断扩展。 浏览器。 手机。 电脑。 机器人。 汽车。 摄像头。 传感器。 云端。 其他 Agent。 这些都会成为 AI 系统的一部分。 到那个时候，我们讨论的不再是一个模型，而是一个持续运行的智能系统。 它的边界不断重新定义。 人与 AI 的关系也会随之改变。 ⸻ 为什么 CPV 能预测未来？ 因为每一层都会产生新的结构压力。 Prompt 足够成熟之后，系统开始需要记忆。 记忆足够丰富之后，系统开始需要学习。 模型足够复杂之后，系统开始需要重新组织。 结构足够完善之后，系统开始突破自身边界。 技术演进并不是热点随机切换。 而是上一层已经无法继续承载反馈。 新的层级因此诞生。 这是一种复杂系统普遍存在的演化规律。 ⸻ J-space 给了我们一个验证 Anthropic 最近公开的 J-space 研究，让人们第一次能够观察模型内部的工作空间。 很多人关注的是： AI 是否拥有了类似意识的东西。 我关注的是另一件事。 J-space 解释的是： AI 此刻如何思考。 CPV 解释的是： AI 为什么会演化到下一阶段。 两者回答的是不同的问题。 前者研究计算过程。 后者研究反馈如何不断向更深层沉淀。 它们并不冲突。 反而共同构成了一幅更完整的智能演化图景。 ⸻ 一个理论真正的价值 未来几年，还会不断出现新的技术名词。 也许叫 Workspace Editing。 也许叫 Self Evolution。 也许叫 Autonomous Organization。 名字会不断变化。 但如果这些技术仍然停留在同一层反馈，它们只是同一类问题的不同实现。 真正值得关注的，不是名字。 而是它让反馈深入了哪一层。 能够回答这个问题，才能真正理解 AI 为什么会这样发展，以及下一次技术跃迁会发生在哪里。 CPV 的意义，不在于解释某一项 AI 技术。 它试图描述的是： 所有能够持续学习的复杂系统，都遵循着同一种反馈演化规律。 因此，它不仅可以解释 AI，也可以预测 AI。