铃阅时讯
❌

阅读视图

夏天,关于人生发展的 24 条心得

原创 阳志平 2026-09-05 20:51 日本

「模型」成为 AI 时代的大类作品,训练模型就是一种创作。

关于 AI

1

周六下午,我与同学们畅谈良久,其中一个思想极为关键:AI 产业,未来走向,是复杂度跃迁。而所有沿着这个方向走的企业、组织、个人才是最有价值的。

2

今天的大模型发展,还处在什么阶段呢?我想到一个有趣的比喻:重金求子。

我们有时候,会在电线杆上或互联网上,看到一些小广告:重金求子。

今天的大模型也是这样,投入极大,甚至用堪称不合规(比如侵犯各类知识产权)的方法,来获得「类人智能」。

「重金求子」发展下去,变成了更先进的「试管婴儿」等辅助生殖产业,其实,AI 大模型下一步的发展也是如此。

不妨想想,未来,AI 产业的「生育术」「助产术」「育儿术」是什么?

3

模型、数据、算力、应用,才是一个完整的闭环。

当我们形成的数据,能够轻松注入模型,模型能力变得更强,然后被应用放大,应用又继续生产高质量的数据。

这种良性循环一旦建立,那就非常夸张了,Claude Code 开了一个很好的头。

这是正确的飞轮。这种打法也非常容易推广开来,甚至可以这么说,无数领域,都可以用这种思路,重新改造。

4

很多同学没有意识到,AI 时代、AI 时代,究竟是新在什么地方呢?

每个大的时代跃迁,对个人来说,就是多了一个大类作品,从而围绕这个大类,产生了无数新的职业。比如,电力时代的生产流水线,生产出来的工业制品就是一个新的大类作品。同样,到了互联网时代,是「webapp」这个大类;到了移动互联网时代,则是「app」这个大类。

那么,到了 AI 时代,你不要管一切媒体报道。最关键的就是,「模型」成为一个大类作品。

今天的「模型家」依然稀缺、昂贵、脆弱,但这都是一个时代早期的特征。这个早期也是获利最丰厚的时候。

所以,从零训练自己的「模型」,就是一种独特的创作行为。你训练出来的模型,就是和 app、webapp、图书、工业制品同一个性质的东西:你的作品。在 AI 时代,用作品说话,就是用「模型」说话。

这是时代的巨变带来的第一个趋势:出现一类全新的作品。

第二个趋势是什么呢?答案是上一个时代的较为典型的作品,会在下一个时代,变得极为充裕。比如,工业革命之后,农产品变得极为充裕;信息革命/互联网革命/移动互联网革命之后,工业品变得极为充裕。

显然,按照这个趋势推演,在 AI 时代,app/webapp/软件/信息,将变得极为充裕。

几乎是一种颠覆式的改变。而我们人类并不擅长应对巨变,更不擅长想象未来。

并且这轮巨变留给人类的缓冲时间,比前几轮少得多。工业革命、信息革命,都是至少 30 年起步。而这轮 AI 巨变,是 3 年起步。社会架构、立法制度、教育传承,统统都没做好准备。

人类将何去何从,我们在今天给出的一切答案都注定是错的。看得见的未来不叫未来。但有些东西会更永恒一些,比如爱与信任。

5

这轮 AI 跃迁,门槛比大家想的要高:

(1)硬件门槛:一台统一内存或显存 16G 的电脑,是起步,要流畅使用,需要更大内存或显存。

(2)软件门槛:需要不发怵 Claude Code、Codex 这些 CLI 界面。

(3)经济门槛:需要每个月支付至少 100 美金的订阅费,而要敞开了用,甚至需要 300 美金起步。这里伴随一个很高的隐形门槛:你做的事情的价值,应该是你的订阅费的十倍、百倍。

比这些门槛更高的是认知门槛:即我一向提倡的那些,比如提问技巧、自学能力、信息分析能力等等。

6

2024 年上半年,我做了一个演讲:《站在 3000 年繁荣的起点》,强调「计算模拟」作为人类与 AI 构成的全新社会未来 3000 年最重要的一种「认知方式」,以及,「模型家」作为一种新的职业,取代「科学家」。

说实在的,2024 年上半年,我只是预测。但谁能想到,如今真的成为现实了。

目前,「计算模拟」的「计算」部分,已经非常优雅地实现了——这么科幻的一面,不到 3 年,就突破临界值了:AI 的算力,可以写出极为复杂的代码了,执行极为复杂的任务了。

但另一面,则是「模拟」,突破得很不够,也就是 AI 模拟真实世界、进而预测未来的能力。这部分,才是未来 3000 年最大的红利。也是真正繁荣的起点。

目前大量关于 AI 带来的裁员、失业的焦虑,是因为我们当下,只有「计算」,更强的硅基算力,取代了脆弱、不稳定的碳基算力。所以,社会大众感受到的是人类的无力、脆弱。

但,繁荣的另一面,在于「模拟」。设想一下,另一种科幻来临:我们人类可以更好地预测世界走向、宇宙走向、银河系走向、生命走向、社会走向、组织走向,从而作出及时干预,增强人类福祉,以及,「模型家」职业大规模涌现,正式成为社会主流职业,那么,是不是,那时,我们真正意义上才迎来 3000 年的繁荣?

关于成长

7

成为好的研究人员、好的教师、好的作家,都需要那么点追求完美的精神,以及好奇心,不断追问,不断打磨自己的作品,而不是将一个半成品曝光给同行、学员、读者。

好的研究、好的讲座、好的写作,过程都有那么一些焦虑,但一旦体验到那种心流状态,研究、讲座、写作,就变为享受了。

8

这轮 AI 发展太快了,以至于我有个感觉:可能大量知识工作将变得没有意义了,但新的工作岗位又还没完全出来。这种转型期,是最动荡的,也是机会可能最多的时候。

我观察到一个有趣的趋势:目前互联网上值得浏览、关注的信息源越来越少了,因为大量都是 AI 写的了。反之,另一个趋势是,线下公众聚合,比如聚餐、游园、音乐会这类体验变得越来越重要了。

9

AI 时代,信息不对称与认知不对称反而被放大了。可以说,世界的漏洞被 AI 继续放大了。那么,是不是可以利用 AI 做更大的事情呢?

这里的矛盾是这样的:世界的确充满漏洞。但企图心是有代价的。只是看这个代价是谁来出的问题。

无数 AI 研发机构的背后,是无数注定走错路线的炮灰、无数做着低效重复实验的牛马,以及更多没有名字的数据标注工人、更多不会被媒体报道的投资失败案例。

选择符合「第一德性」的路线走,会很不一样,但会更长远。

10

传统的行为改变:终点是「自己」,最终总是试图让自己的某个「特质」变得更好,比如,因为不拖延看上去会更受欢迎,因此,努力地去战拖,最后让自己成为一名高效率人士。

然而,这个逻辑是错误的。我在过去人生发展咨询的 500+ 位来访者身上,反复看见这个错误。一旦将「行为改变」的「终点」设为自己,必然会陷入更大的人生发展困境。

而基于「人生发展学」的「行为改变」,我提醒咨询师的逻辑是什么呢?我们的行为改变:起点是「自己」,但只是从「自己」出发而已,终点可能是所处的环境,也可能是与环境的关系。但,「终点」一定不能是「自己」。第一步,是从自己出发,去理解自己的人生叙事,自己所处的环境(情境),而不是马上去定具体的目标。

当你为目标而目标,实际是将自己设定为执行目标的「工具人」了,某种意义上,这就是一种异化。

11

AI 时代万变不离其宗,什么最重要?依然是两件事:

(1)信用和作品。

比如开智学堂,因为我坚持了 10 年,初步获得了一定社会信用。10 年前社会上也有很多人搞面向成年人的教育体系,但多数人没坚持下来,少数坚持下来的,创新程度也不够。

(2)与正确的人在一起做正确的事。

开智学堂的第一个十年,以我主讲为主。但接下来的十年,更多以前的学生逐步成为讲师、开发者、咨询师、作家。讲师与讲师在一起、开发者与开发者在一起、咨询师与咨询师在一起、作家与作家在一起,会相互成长更快。

比如,当你看到其他作家那么勤奋写书,你作为作家会被激励。同样,AI 大模型是一次巨大的产业变革,那么,什么开发方向靠谱,什么开发方向注定是徒劳?与一些低调务实、聪明而又勤奋的工程师共事,你们会达成共识。而咨询师这类心灵职业,更是依赖相互之间的扶持。

与对的人在一起,你会给自己创造一个更好的小环境,战斗力、作品和机会都更好。

12

昨天,同事在我家,配合我一起干活。然后我谈到,人们还是低估当前 AI 的潜力了。我跟同事说几个应用 AI 的场景。

(1)AI 可以成为你很好的健康顾问。建立一个 health 项目,里面保存了你所有的体检报告、所有的病历、所有的美团买药记录、所有的京东购买相关记录、所有的美团外卖记录、所有的山姆/京东七鲜/美团买菜记录,以及你爱人的情况、你孩子的情况;再把你的居住环境,仔细拍成大量照片。

全部发给它。深入讨论、深入分析,最终得出的结论会令你大吃一惊。

(2)AI 可以帮你做更好的全局规划。我昨天跟同事开玩笑,如果我们想在 18 个月内实现一个极为有挑战的目标,你自己肯定是想不出特别好的方案的。但如果你扔给 AI 足够充分的上下文,以及你本身的对话意识足够到位,那么,一定会有大量创新的方案等着你。

(3)AI 可以帮你快速沉淀知识。一旦深入理解大模型的原理,你会发现,几乎所有领域,都可以训练或微调自己的大模型,而自己的大模型,最大的优势是 24 小时工作,以及生产更大规模的数据,从而获得一种持续进化的能力。相当于,人类沉淀知识、传递知识的方式,逐步从写作、教学这类方式,过渡到准备语料、训练模型、部署模型、生产数据,继续下一轮循环。

站在 2026 年回看 2000 年的互联网巨头——那时我们以为是新浪、搜狐,然而如今,它们掉队较为严重了。同样,站在 2056 年看 2026 年的 AI 发展,那时可能又大不一样。

关于工作

13

所有网状的设计,只会带来一个缺点:认知过载。

在知识量较小的时候,比如 100~300 条以内,尚可,一旦膨胀到一定程度,网状的结构,只会成为一团乱麻、一碗面条。

真正优雅的知识结构设计,我在不同书中说了很多次:树。

树是一种特殊的网络结构,但它具备唯一通道,所以可以大幅度降低认知负荷。

14

讲课,暗爽的是,有些历史的伏笔,只有你讲得很明白,其他人可能没看得这么明白。比如,Claude Code 101 这门课的首期,我浪费了 1 分钟去讲 tty 这个历史典故。然后,同学们才意识到,原来 Ghostty 的名字是这么来的。

其实,「零基础 AI 大模型研发训练营」首期内测也存在类似的草蛇灰线。第一讲,我花了整整 30 分钟,介绍「大语言模型」训练的「最小数学知识」,其中的一个重要概念是源自香农信息论的「交叉熵」。它是如此重要,是整个大模型训练的基础。

但,同学们更不清楚的是,Claude 系列模型的名字,即是向香农致敬。香农的全名是:Claude Elwood Shannon。大家有点感觉了吧?

更有趣的是,「交叉熵」与认知科学、神经科学、心理科学的大一统理论「自由能原理」依然是紧密相关的。只是,一个是「最小化损失」;一个是「最小化惊异」。

15

在「零基础 AI 大模型研发训练营」首期内测课程第一讲中,各位同学需要留意我展示的系列思维方法论。整理点心得,供更多同学参考:

(1)代码是唯一真相。不关心学界灌水的论文,只关心已经被工程界反复捶打的开源仓库。我们是要尽快掌握工程最佳实践,而不是成为一位靠灌水发论文的人。

(2)深入代码历史考古。代码的 Git 历史,比任何文字记录,更能反映 AI 的变迁历史,尤其是 PyTorch 这类有近 10 年历史的代码仓库。

(3)从最小、极简入手。我在第一讲,介绍了从零训练一个大模型的最小数学知识、最小计算机知识,然后基于它,构造了一个百万参数的模型。要知道,复杂系统都是从一个极简的起点发展出来的。自己动手实现一个「最小」,才更能理解复杂事物。

(4)追溯关键主干。AI 的每个节点,解决了什么问题?没解决什么问题?真正创新的工作就那么几篇关键论文,剩下的都是枝叶。

16

在管理学领域,有一句名言:没有测量,就没有管理。同样,在大模型研发领域,没有评测,就没有智能。目前,大模型评测变得越来越重要了。

17

最近在思考 AI 时代(严格说,2025 年 11 月以来的 AI 新时代),产品研发、软件架构的大变化。

在 2025 年 11 月之前,产品研发、软件架构,第一考虑是人类用户的需求,然后从界面入手。但现在的逻辑非常不一样了,直接从 Agent 的需求考虑,人类也是通过 Agent 来使用。

因此,我今天跟团队同事说,现在的产品研发逻辑变成这样了:

(1)一个产品值不值得做:答案很简单,看能否将其提炼为 4 组极简的 CLI 命令,这 4 组 CLI 命令,是否存在其他替代品?相对过去的解决方案,现在新的产品方案,能否获得 10 倍、100 倍、1000 倍的性能优势或成本优势或体验优势或用户规模优势?

如果 1 个软件产品,很难概括成 4 组核心命令,或者,4 组核心命令太中庸了,替代品太多了,那么,这个产品,在 AI 新时代,多半不值得做。至少,在公共市场没多大价值。可能,在关系导向的市场有少数价值。

(2)继而,围绕这 4 组核心命令,去架构整个产品逻辑。CLI、app、webapp 等等。而 app、webapp 等等,都是在调用 CLI,变成薄包装了,只负责处理授权、登录一些轻活,重活则都是 CLI 干的。

(3)这种新型软件架构,webapp 建议采用 TypeScript;CLI 建议采用 Rust。因为这两门编程语言都是强类型的,从而可以让 AI 大幅降低自己的「确认成本」(参考我的开年演讲《意向革命》)。

18

昨天晚上,一位好友出差来京,约我一起吃了顿饭,聊得很开心,给大家分享点心得。

(1)目前,科技公司裁员变得非常普遍了。好友这次出差,就是办一件较为艰难的事:裁员。而在 AI 的巨变之际,即使是大厂也不例外。没有安全区。容易被裁员的是,那些对 AI 的巨变没有感觉,也没有主动去学习、适应的人。

(2)新的研发结构、研发方法论,目前正在形成之中。团队组织结构,越来越倾向精英小团队。这个精英团队的领头人最好是技术和产品都懂。团队越小、越精英化,效率反而越高。在 AI 时代,人多反而是负担。你没法跟人解释「为什么又要推翻重来」,但 AI 不需要你解释,马上帮你验证。

(3)工作方式已经从「一问一答」进化到「AI 自主干活」。我给好友介绍,自己搭建了多套 AI 自主工作系统。当我们吃饭时,AI 自己在并行处理四个大项目,我只需要事后验收。

(4)一定要自己训练和部署模型,不是为了省钱,而是为了真正理解技术边界。你不自己跑 GPU,就永远不明白很多应该明白的东西。用 API 看上去省事,但你对模型能做什么、不能做什么,边界在哪里,始终是模糊的。

关于育儿

19

测智商

好久没给小美妞测智商了,小时候,给她测的是「发育商」,那时她得分不错,领先同龄孩子不少。

今天,妈妈忽悠她,给她测了一个经典智力测验。妈妈说,这是我在做的一个儿童心理学实验,看看不同年龄的孩子的得分,这个数据对我很重要,哈哈。

结果小美妞猜出来,妈妈要考她,就说,我得分多少,你别告诉我。

然后做完测验。对了一下分数,得分很高,哈哈。

小美妞是那种较为典型的高智力小朋友了,按照我的理论,智力分为三种:感商、智商、理商。她三商都不错。

20

神秘的怪人

晚上,小美妞同学来家玩。

小美妞带着同学参观我们家。

然后,走到我的书房,她说,这个书房是一个神秘的怪人的,我们看看就行了。

哈哈哈,原来爸爸在她心目中是一个「神秘的怪人」。

21

世界首富

今天,小美妞跟我说,去南锣鼓巷玩,发现怎么到处都是一个穿皮衣的大叔的照片。

我说,这个叔叔是 AI 时代最重要的人物,我们如果想用 AI,那么都需要用到一种叫 GPU 的设备,这种设备的市场,他的公司占据主力。一个强大的 AI,至少需要一万块他的最高端 GPU,每块就要二三十万,加起来就是几十亿。

然后我顺便问她,这个叔叔年轻时很励志,刷厕所,但一直没放弃。你能向他学习吗?

小美妞撇撇嘴,哈哈。

然后我问她,那么,你想像他一样,未来更努力地掌握 AI 知识吗?爸爸教你。

小美妞继续撇撇嘴。

然后我问她,那么,你想成为东升乡首富吗?

小美妞说,我才不呢!要做就要做世界首富。

我说:好,有志气!世界首富的商业能力都很强。那么,今晚你同学来咱们家玩,你能卖点东西给她吗?

然后妈妈在旁边讲了一个故事,大概意思是,这个同学前不久一百块红包也被她妈妈抢走了。哈哈。

我说,你看,你同学可能没那么有钱,那么,你是不是应该想办法赚有钱的人的钱?

结果,小美妞使劲地朝我的钱包看:D

后来才知道,原来她今天上午,刚与同学玩了一款叫《世界首富》的桌游。

儿童桌游,真的非常能激发孩子的各类想法,哈哈。

22

大事

六一儿童节前,小美妞所在小学举办加入少先队仪式。他们一年级小朋友都加入少先队,戴上了红领巾。

等小美妞回来,妈妈问她,今天是你的大日子吧?都戴红领巾了。

小美妞说:这哪是大日子。真正的大日子是我成为世界首富的那一天。

哈哈哈哈。

话说,《世界首富》这款桌游不错,小美妞最近总在玩它,哈哈。

23

不上补习班

六一儿童节,谈点育儿的事。

很多家长,对孩子的学习成绩会过于焦虑。我之前从来没想到,小美妞所在小学的一年级,同班同学好多就开始上补习班了。晚上七八点了,还在上补习班。这种情况比比皆是。

但我坚持不让小美妞上任何补习班。甚至今天跟妈妈开玩笑,现在学校形式主义严重,我可以给小美妞买台写字机器人来帮她写作业。

这里的逻辑是这样的:目前高等教育已经比较落后了,并且大学生的溢价几乎没有了,除非是中国排名非常靠前的那么十来所高校的热门专业。

而 AI 高速发展,大量新知识涌现,使得机会越来越不在传统高等教育这一环节。

在 AI 时代,越来越需要的是异类思维,也就是你不同于平均值的那部分。平均值的那部分,太容易被 AI 大模型训练进去了。

那么,如何培养孩子的异类思维呢?就是要让孩子形成独一无二的自己。

独一无二的兴趣。

独一无二的身份认同。

独一无二的知识结构。

独一无二的人际网络。

最后就是自然而然的:独一无二的作品。

这些,才是比上补习班等等更重要的东西。也是比上大学更重要的东西。

24

非共识路线

今天下午,指导一位开智铁杆的孩子填志愿。比去年轻松太多了。

其实,高考志愿填报,比结果更重要的是,理解决策框架,以及将自己家庭拥有的资源最大化。

按照目前 AI 的发展速度、社会内卷程度,我觉得未来最佳发展路线,真的是自学为主了,坚持用作品说话。

教育是传承,培养社会共识,很少关心你的个性化需求,更很少关心你的实际作品。

但共识这套东西,被 AI 大模型都训练进去了。显然,再按照在共识这套体系中生长出来的能力结构,去应对 AI 时代的需求,会变得特别无力。

未来的家长,也许都需要这种勇气,协助孩子选择「非共识」的人生发展路线。

小结

四月,做了人生第一次全麻手术。原以为是个小手术,没想到术后康复格外漫长,四月、五月的节奏,不知不觉就慢了下来。

住院的那段时间,每天沿着走廊散散步。走廊尽头,保洁阿姨养了一窗台的花,在阳光下盛开。那是我这个夏天看过的,最好看的花。

走廊尽头的花

阳志平

2026-09-05

相关阅读:

跳转微信打开

  •  

中年预防猝死指南

原创 Fenng 2026-09-05 18:53 新加坡

有备无患。

前几天我在推特上随口说了一句:

如果我做个课程,教人预防猝死,会有人感兴趣不?

似乎还真有人感兴趣,于是,昨天把这个课程上线了,点击下面的 {阅读原文} 可以查看。

很多朋友人到中年,担心猝死的发生,尤其是看到身边越来越多的案例出现。  

如果看到猝死案例,所能能想到的仅仅是「早点睡觉不熬夜」,那么,你对猝死的认识就是不够的,就需要补课。睡眠当然重要,但早睡不意味着高质量睡眠,不能代替血压、血脂和血糖检查,也无法发现冠心病、心肌病和遗传性心律失常。

猝死通常因为什么发生?哪些人属于高风险人群?应该优先排查哪些指标和疾病?

这门课程尝试把这些问题讲清楚,并且希望能提供一些真正有用、可以付诸行动的参考。

最后需要说明:这门课程的目的,是帮助识别并降低风险,不是承诺能够杜绝猝死,更不是任何形式的「保险」。

阅读原文

跳转微信打开

  •  

豆包工作,实测可薅

Fenng 2026-09-05 17:06 新加坡

豆包工作,豆包团队新推的全新生产力 AI 智能体(Agent)。

现在下载豆包工作,用豆包或飞书登录,有免费一个月会员的羊毛可以薅。

跳转微信打开

  •  

山观 HIKE Insight | 商业火箭进入兑现期:从技术验证到资本化窗口

陈宇超 2026-09-04 17:38 北京

完成首飞或取得单项技术突破,只是产品验证的起点;能否保持可靠发射、形成稳定交付,并把订单转化为收入,正在成为更重要的判断依据。

随着低轨星座建设加速、商业火箭企业陆续进入资本市场,行业的评价标准正在发生变化:完成首飞或取得单项技术突破,只是产品验证的起点;能否保持可靠发射、形成稳定交付,并把订单转化为收入,正在成为更重要的判断依据。

东方空间的引力一号已经连续三次发射成功,并开始承接规模化商业发射任务,初步体现出中型运力的可靠性和商业化能力。接下来,引力二号能否顺利首飞,并进一步完成连续入轨、重复使用和批量交付验证,将决定公司能否进入更大运力、更高频次的组网市场。

本文以商业火箭行业的技术演进和资本化进程为背景,讨论行业从“技术验证”走向“商业兑现”的变化,也借东方空间两代产品的衔接,说明山行对可靠交付能力的重视,以及对公司下一阶段发展的期待。

一、行业格局仍在演进:组网运力走向规模化,资本化窗口逐步打开

中国商业火箭仍处于多路线并行验证阶段,尚未形成一家在各项关键指标上全面领先的企业。行业格局最终如何收敛,要看企业能否在高频履约中持续验证任务可靠性,并把单位成本降到可商业化的水平。

猎鹰9的发展可以作为参照。2010年首飞后,SpaceX先依靠不可回收的中型液体火箭积累发射任务和运营经验;到2015年12月才首次实现一级成功着陆,2017年3月完成轨道级火箭一级首次复飞。此后,面向快速回收和翻新的Block 5构型投入使用,复用才从单次技术突破逐步转为高频运营;到2022年,已有一级完成第10次飞行。从稳定发射到首次回收,再到重复使用成为常态,这条路径经历了多年持续验证。

图1|从首飞到高频复用:猎鹰9的验证链条

资料来源:SpaceX公开资料,山行资本研究整理

中国民营火箭公司目前大体处于两个阶段并行的过渡期:一端是较成熟的一次性运力持续履约,另一端是可重复使用火箭首飞和回收验证。部分企业已经能够依靠固体火箭或一次性小型液体火箭承接并交付订单,但可重复使用的大型液体火箭尚未进入常态化、高频次商业运营。因此,现阶段不宜急于判断谁会成为最终领先者,更值得关注的是,哪些企业能够把技术路线转化为持续交付和可复制降本的产品能力。与SpaceX在猎鹰9时期较长的单线验证周期相比,中国民营液体火箭有望以更紧凑的节奏进入可复用能力的集中验证期。中科宇航的力箭二号、星河动力的智神星一号和蓝箭航天的朱雀三号等中大型液体型号已先后完成首飞入轨。其中,朱雀三号于2025年12月首飞入轨,并在2026年8月实现一级陆地回收,两个节点间隔约八个月。既有技术积累、较完整的供应链和大规模星座需求,为国内加快推进“首飞—回收—复飞”提供了条件。

SpaceX于2026年完成IPO,成为全球商业航天资本化的重要节点。一家从运载火箭起步,并将业务延伸至卫星互联网和空间基础设施的公司,开始接受公开市场的持续检验。国内商业火箭企业的上市窗口也在加快打开。2025年末,商业火箭适用科创板第五套标准的细则落地,头部企业的上市进程随之提速。截至2026年6月底,已有5家商业火箭公司启动A股IPO进程,其中蓝箭航天及中科宇航已获受理后进入问询。就当前进度而言,蓝箭航天和中科宇航构成最具代表性的第一梯队。

二、资本化窗口开启:商业火箭进入兑现能力检验期

中国商业火箭市场经历了多轮技术突破和资本热度起伏,目前正进入首批企业密集申报上市的阶段。与此同时,星网、垣信的万颗级低轨星座已启动初步建设,分别累计发射200余颗组网星。随着商业发射需求在未来几年逐步放量,行业竞争的重点也会从率先完成技术验证,转向能否把技术转化为订单、交付和收入。

在这一阶段,市场主要检验三类能力。第一是订单变现能力,即能否将星座组网需求转化为可确认的发射服务收入;第二是稳定交付能力,即能否在高频发射中维持可靠性、交付节奏和成本控制;第三是技术壁垒,即可重复使用和大运力等技术能否沉淀为长期的单位成本优势。

技术突破仍是起点,但只有形成“订单—交付—收入—再投入”的经营循环,才能支撑长期估值。

图2|商业火箭进入兑现期后,资本市场重点检验三项能力

资料来源:山行资本研究整理

蓝箭航天与中科宇航的IPO申报,对应两种具有代表性的市场验证路径:蓝箭航天适用商业火箭扩围后的第五套标准,中科宇航选择第二套标准。

图3|两套科创板上市标准,对应两种市场验证路径

资料来源:上海证券交易所公开规则及企业披露,山行资本研究整理

蓝箭航天适用第五套标准,审核重点是技术成果和长期市场空间。朱雀三号已完成“采用可重复使用技术的中大型运载火箭发射载荷首次成功入轨”“一级回收落地”等关键节点,为进入该标准的审核路径奠定了基础。后续仍需观察其连续发射成功率及可回收、重复使用技术的推进情况。

中科宇航选择第二套标准,更强调经营数据的量化验证:预计市值不低于15亿元、最近一年营业收入不低于2亿元、最近三年累计研发投入占累计营业收入的比例不低于15%。公司2024年营收约2.44亿元,更新披露的2025年营收为2.77亿元。其收入规模和研发投入,为审核机构和市场提供了较清晰的验证依据。

三、东方空间:以稳定中型运力推进收入兑现

东方空间的第一代火箭采用成熟度和可靠性较高的固体火箭路线。在此基础上研制的引力一号具备中型运载能力,可以承接规模化卫星组网发射任务,为公司现阶段的商业收入提供支撑。面向第二代中大型液体火箭,公司计划沿用此前积累的固体捆绑助推经验,在中大型液体火箭平台上拓展固体助推构型,进一步扩大运力覆盖和商业交付能力。

图4|运力技术路线与东方空间的商业化进阶

资料来源:公开资料,山行资本研究整理

引力一号已连续三次发射成功,初步验证了中型商业运载火箭的稳定性和可靠性。与只完成单次首飞验证的产品相比,引力一号已经具备持续执行发射任务的能力,并开始成为面向商业组网需求的稳定运力。

引力一号的近地轨道运载能力为6.5吨,500公里太阳同步轨道运载能力为4.2吨,可以满足多星批量部署需求,提升星座组网效率。更大的单次运载规模,也使其单公斤发射成本相较小型火箭更具优势,更能匹配客户对高效率、低成本发射服务的需求。

2026年,东方空间预计完成3至4次商业发射。随着连续发射能力、运力规模和客户需求逐步转化为实际交付,公司有望在年内实现数亿元营收。对资本市场而言,其商业逻辑正在从技术参数和单次发射成功,转向由发射频次、载荷利用率和收入规模共同验证的经营闭环。

四、引力二号:面向更大批量订单的下一代可复用运力

引力二号的首飞验证,是市场关注的下一个关键节点。东方空间正在研制的引力二号是一款可重复使用大型液体运载火箭,回收状态下的近地轨道运载能力将达到17.4吨,预计今年底具备首飞能力。对于低轨组网星座客户,更大的单次运载量意味着更高的组网效率和更低的单位成本。

首飞只是一个技术节点。此后能否连续成功入轨、完成可重复使用验证、形成批量生产节奏并取得商业订单,才会影响这一技术节点能否获得市场认可。东方空间正在从依靠较早成熟、可靠的中型固体运力获取订单,逐步延伸至以可重复使用液体火箭承接更大批量、更高频次任务。这一能力扩展将成为其后续估值的重要支撑。

结语

评价商业火箭公司,技术进展只是第一步,更难的是把技术、产能和发射任务转化为收入。蓝箭航天与中科宇航申报科创板IPO时分别选择第五套和第二套标准,也反映了企业所处商业化阶段的差异:前者更侧重可重复使用中大型液体火箭的技术进展,后者更强调建立在可靠交付基础上的经营数据。

引力一号连续成功发射和年内多次发射的计划,体现了东方空间以成熟运力推进商业兑现的路径。引力二号预计在年底具备首飞能力,届时公司的产品线将从成熟固体火箭进一步扩展至可重复使用大型液体火箭。若公司能够进一步验证大运力、可重复使用和更低边际成本,就有机会承接规模更大、频次更高的组网需求。

山行公司 | 东方空间引力一号(遥四)运载火箭一箭9星远海发射任务圆满成功

山行公司 | 3D存算一体芯片领军企业谦合益邦完成超20亿元B轮融资

山观 HIKE Insight | 从带宽到容量:HBF技术演进与VC投资机会

东方空间入围国家空间站货运飞船发射服务

山观 HIKE Insight | 算力突围:大模型推理芯片核心指标与产业格局研判(总览篇)

跳转微信打开

  •  

奇舞周刊第596期:头条抖音如何实现 OOM 崩溃率下降 50%+

原创 小编 2026-09-04 17:17 北京

性能与稳定性                                                           

📄 字节跳动技术团队|iOS 性能优化实践:头条抖音如何实现 OOM 崩溃率下降 50%+

文章分析 iOS 应用因内存占用过高被系统终止,却缺乏普通崩溃日志的定位难题,并介绍字节跳动基于内存快照研发的线上 Memory Graph 方案。该方案能够还原对象引用关系、识别异常内存来源并辅助归因,落地后三个月内使头条和抖音的 OOM 崩溃率下降超过 50%。

📄 滴滴技术|大规模集群,HDFS 如何从 2.7 滚动升级到 3.2

文章复盘滴滴在大规模生产集群中将 HDFS 2.7 滚动升级至 3.2 的完整实践,重点讨论版本兼容、服务连续性、升级顺序、风险控制和异常回退。团队在不中断业务的前提下完成长期升级,为后续改善集群稳定性、存储性能和资源成本奠定了基础。

📄 快手技术|快手 Android 内存分配器优化探索(二)

文章深入分析 jemalloc 内存分配器的组织结构、分配流程与碎片管理机制,并介绍 Google 针对 Android 平台所做的定制优化。作者从移动设备内存紧张、分配操作频繁等实际问题出发,继续挖掘降低内存占用和碎片率的空间,为大型 Android 应用的底层优化提供思路。

前端与客户端

📄 美团技术团队|微前端在美团外卖的实践

文章介绍美团外卖广告业务如何用微前端治理 PC、H5 和 KA 三端工程膨胀问题。团队采用基于 React 的中心路由基座,将系统按业务线拆分为可独立开发、部署和回滚的子工程,同时保留公共能力复用与单页应用体验,使构建时间由分钟级降低至秒级。

📄 携程技术|从 0 到 1,搭建一个体系完善的前端 React 组件库

文章从实际工程出发,系统介绍 React 组件库从项目初始化到投入使用的建设过程,涵盖组件设计、目录组织、样式管理、测试、文档、构建与发布等环节。同时讨论版本管理、升级和回退等长期维护问题,强调成熟组件库需要在真实业务迭代中持续沉淀。

📄 网易云音乐技术团队|iOS 14 小组件实战手册

文章结合网易云音乐业务讲解 iOS 14 WidgetKit 小组件的实现,覆盖 Timeline 数据刷新、SwiftUI 界面构建、App Groups 数据共享、Intents 个性化配置以及 URL Scheme 跳转,并分析小组件在生命周期、交互能力和刷新频率方面的限制,给出相应的体验设计建议。

工程与智能化实践

📄 阿里技术|如何让 Python 处理速度翻倍?内含代码

文章针对网络请求串行执行造成的 Python 数据处理瓶颈,使用 async、await 和协程对请求模块进行并发改造。处理一千组数据时,整体耗时由约 816 秒降至 424 秒;随着请求池增大,性能提升更加明显。案例同时说明,并发阈值应结合第三方接口的承载能力设置。

📄 高德技术|深度学习在高德 ETA 应用的探索与实践

文章介绍高德如何利用深度学习改善导航路线的预计到达时间。方案通过 LSTM 建模路线序列信息,再结合路线长度、日期和高峰时段等静态特征生成完整 ETA。北京地区实验中,模型的 MSE 损失下降 28.2%,也为继续引入周期性路况和突发事件信息提供了基础。

📄 哔哩哔哩技术|智能成片性能优化探索与实践

文章围绕 B 站智能成片功能的效率与效果优化展开。系统需要完成素材高光提取、模板特效、智能配乐和 ASR 字幕生成,早期快速迭代导致耗时与效果缺少统一衡量。团队重新梳理三条核心链路,建立 P90 合成耗时等可观测指标,并据此开展针对性治理。


如果您关注前端+AI 相关领域可以扫码进群交流

添加小编微信进群😊

关于奇舞团

奇舞团是 360 集团最大的大前端团队,非常重视人才培养,有工程师、讲师、翻译官、业务接口人、团队 Leader 等多种发展方向供员工选择,并辅以提供相应的技术力、专业力、通用力、领导力等培训课程。奇舞团以开放和求贤的心态欢迎各种优秀人才关注和加入奇舞团。

跳转微信打开

  •  

The Batch: 979 | LLM 清理智能体的“垃圾”

原创 DeeplearningAI 2026-09-04 12:45 北京

Hi~新朋友,记得关注我们哟

AI 智能体通常会通过总结或删除最早的内容来压缩其上下文窗口中的信息。研究人员提出了一种更有选择性地管理智能体记忆的方法。

●最新消息:社交购物网站小红书(也称 RedNote)的Xubin Hao及其同事构建了自主管理上下文(Self-GC)。与常见的智能体设计类似,Self-GC 会建立一个包含输入和输出的上下文,其中既有用户请求和工具调用,也有 URL、文件路径等结果。不同于典型的压缩算法,Self-GC在把上下文发送给关联的 LLM 之前,会由一个大语言模型来决定哪些部分保留、删减或丢弃。

●关键见解:仅靠基于输入输出类型或保留期限的规则,并不足以让智能体决定应保留哪些上下文信息。较早的工具输出可能保存着唯一一个之后还要重新打开的 URL,而较新的输出可能已经过时。LLM 能以更灵活的方式做出这类判断,因为它可以随着上下文累积读取已有信息,并判断哪些细节未来更可能有用。

●工作原理:当输入 token 占满主 LLM 上下文窗口的 30% 以上时,Self-GC 会把历史记录发送给规划模型(默认是 Qwen3.6-Plus),并要求它针对每条用户请求或工具调用及其结果,决定如何处理。

✴ 规划器可以保留这些条目,也可以从三种操作中选择一个。(i) “Fold” 会把某个条目收起来。其内容会移动到单独的存储中,同时附上一条简短说明,描述其位置,以便智能体在必要时能够逐字取回。(ii) “Mask” 会就地缩短条目,保留开头和结尾文本,同时删去中间的重复内容,这种方式适合较长的日志。(iii) “Prune” 会删除任务已不再需要的条目,例如失败命令的日志。

✴ Self-GC 会先在历史记录的副本上执行计划中的操作,并丢弃任何可能干扰最近请求或智能体对该请求持续响应的操作。然后,它会计算剩余操作可以节省多少输入 token。

✴ Self-GC 只有在估计到这能降低未来调用模型的总成本时,才会缩短历史记录,包括使用缓存输入所带来的节省。实际上,他们发现,如果能把历史记录至少缩短 30%,这个方案就值得应用,因此在测试中使用了这一经验规则。

●性能表现:开发人员在一个会浏览网页、运行 shell 命令并为小红书用户编辑文档的智能体上测试了 Self-GC。他们把它与遵循固定规则的方法进行了比较,例如删除最早的消息或删除工具输出。Self-GC 删除的历史更少,但更不容易丢失有用信息。为衡量这一点,开发人员回放了真实用户与其智能体之间已经完成的对话。对于每段对话,他们会在进行到一半时暂停,在截至当时的历史记录上运行 Self-GC,并使用 GPT-5.5 判断缩短后的历史是否仍保留了真实对话后续会用到的每一个细节。

✴ 在一组被认为尤其困难的 33 段对话中,Self-GC 删除了 43.95% 的输入 token,并在 84.85% 的情况下保留了必要细节。基于规则的方法删除了 61.90% 到 69.87% 的 token,而保留必要细节的比例为 54.55% 到 69.70%。

✴ 在更大的 332 段对话集合上,Self-GC 删除了 31% 到 34% 的输入 token,同时在三种不同的规划模型(Qwen3.6-Plus、Qwen3.7-Max 和 GLM-5.1)上都能以 91.27% 到 94.58% 的概率保留必要细节,表明 Self-GC 可以与多种 LLM 配合有效工作。基于规则的方法删除了 40.19% 到 47.76% 的 token,而保留必要细节的比例为 77.71% 到 87.46%。

✴ 在一些真实用户账号上进行在线运行时,与未使用 Self-GC 的账号相比,Self-GC 删除了 10% 到 15% 的输入 token。

● 是的, 然而:开发人员的评估测试了 Self-GC 保留重要细节的能力,但没有测试它生成良好输出的能力。一个使用压缩上下文的系统,其输出可能与完整上下文系统包含相同的细节和结果,但未必同样有用。

●重要原因:为了节省成本而压缩上下文会带来风险,即模型可能忘记之后需要的某个细节。知道该保留、删减和移除什么,能让长时间运行的智能体既保持可负担,又不会变得健忘。

● 我们在想:John McCarthy在 1959 年左右创造了“人工智能”一词,并为计算机发明了“垃圾回收(garbage collection)”,以便程序员不必手动管理计算机内存。妥善管理智能体记忆是另一种将 LLM 视为操作系统的方式——也再次说明,软件工程基础对于构建优秀的 AI 应用至关重要!

点击下方阅读原文查看更多有趣内容哦~

阅读原文

跳转微信打开

  •  

当 AI 不再只给答案: 豆包工作把办公能力推进到了执行层

原创 Fenng 2026-09-04 12:30 新加坡

体验了一下「豆包工作」这个新产品。

办公一直是 AI 工具最热衷演示的场景:写文案、总结会议、生成 PPT、分析 Excel。问题是,早期产品大多只负责产出内容;整理成文档、写回表格和归档文件,仍然要由用户完成。

豆包的「工作任务」开始接手这些后续步骤。用户给出工作目标后,模型可以拆分任务、调用工具并持续执行,最后交付文档、表格、演示文稿等可以继续使用的文件。

聊天机器人主要看回答得好不好;Agent 还要看任务能不能做完,以及做到一半卡住了怎么办。

先把名字搞清楚:「豆包工作」是个独立的产品

豆包目前有几组容易混淆的名称,有点绕。

豆包开始收费时曾推出「办公任务」,主要变化是增加免费版各项能力的使用额度。「豆包办公」只是外界对「豆包办公任务」的非正式简称。此后,「办公任务」更名为「工作任务」。

豆包工作则是承载这套能力的独立产品,提供可以单独下载的软件客户端。用户也可以在豆包主客户端中使用「工作任务」,或者通过飞书调用。

简单来说,这里涉及三个不同层次:

  • 专业版是收费与额度安排;

  • 工作任务是一种任务执行模式;

  • 豆包工作是独立产品。

三种入口调用的是同一套工作任务能力,主要区别在入口和使用环境。

工作任务开始接手文件和工具操作

字节跳动 Seed 团队在 2026 年 6 月发布 Seed 2.1,强化了模型调用文件、浏览器和外部工具完成长任务的能力。

在工作任务中,模型可以接触本地电脑、浏览器、文档、表格和 Skills,并根据目标选择相应工具。

例如,处理销售数据时,不只是给出几条分析建议,还可以读取原始表格、清洗字段、计算指标、生成图表,再把结果整理成新的文件。制作教学材料时,可以同时处理课程要求、教案、参考资料和演示文稿,而不是停在一份 PPT 大纲上。

资料可能来自网页和 PDF,数据分散在多个 Excel 文件中,结论需要写进 Word,最后再制作成 PPT 或网页。传统聊天式 AI 通常只负责其中一个片段,用户不得不反复复制内容、转换格式并重新补充上下文,既繁琐,也容易遗漏信息。

工作任务在把这些步骤串成一条连续流程。用户仍然需要定义目标、提供材料、确认关键条件并验收结果。是否真正提高效率,也不能只看生成的 PPT 漂不漂亮,还要看材料是否读全、计算是否正确、文件能否继续编辑。

Skills 就是 Agent 手里的工具

豆包工作把文档、表格、PPT、数据分析、可视化、应用生成和录音转写等能力组织为 Skills。

传统软件把功能放在菜单和按钮里,用户需要分别学习不同应用的操作方法。Skills 则把这些能力封装成可以由模型调用的功能模块。用户描述需要的目标任务,模型再判断应当使用哪些 Skills,并把自然语言要求转化为具体操作。

过去要做一份经营分析报告,通常得先在 Excel 中整理数据,再用图表工具实现可视化,最后把结论复制到 Word 或 PPT。现在,模型可以依次自动调用相关能力,把这些步骤组合成一条工作流程。

不必先考虑应该打开哪个软件,只要说清楚要完成什么任务。至于文档、表格和图表工具怎样配合,可以交给模型安排。

这类任务最怕的不是模型回答得慢,而是做到一半突然卡住。文件打不开、登录失效都可能让前面的工作白费,所以执行过程能不能查看,出问题后能不能接着做,会直接影响是否实用。

从生成文件到操作电脑,也要保留接管权

工作任务现在已经把执行范围延伸到本地电脑和浏览器了。

按照现有产品能力,用户可以让模型整理文件、处理本地文档,或者在浏览器中点击和输入。设备授权后,还可以从手机端连接电脑,继续桌面端尚未完成的任务。

比如,我现在已经开始在豆包工作中使用这样的提示词:

    请对我的 macOS 系统做一次全面的进程安全审计。检查是否存在危险、可疑
    或未授权的进程。

    Agent 开始操作浏览器和本地电脑以后,权限就不能含糊。哪些内容可以读取,哪些文件可以修改,涉及删除、支付和发布时是否必须确认,都应该让用户看得见。

    翻看了下豆包的说明,任务模式可能通过浏览器访问网站、理解页面内容并执行点击和输入。遇到登录或安全验证时,部分步骤仍然需要用户接管。对于已经登录的网站,系统在一定条件下也可能调用仍然有效的本地登录状态继续执行。用户可以终止任务,并管理相关 Cookie 设置。

    让 AI 写错一段文案,代价通常有限;让其整理本地文件、操作账号、发布内容或调整系统设置,错误可能造成文件丢失、信息泄露、误发布甚至账号风险。

    有没有用,拿一项真的工作试试

    豆包工作覆盖的场景很多,包括文档、表格、PPT、会议纪要、教学备课、电商运营、学术研究、金融分析、网页制作和电脑维护。

    场景列表再长,也不能证明产品适合每个人。最直接的检验方法,是拿一项真实工作进行验证。

    我更愿意拿一项每周都要重复的工作试它,比如整理会议资料、汇总销售表格,或者把几份文件合成一份报告。

    豆包工作生成的报告示例,部分

    我首先看材料有没有读全,计算能不能复核。最后拿到的还应该是一份可以继续修改的文件。如果一个任务原来需要在四五个软件之间反复切换,现在能够在一条流程里完成,节省下来的时间就是真正的收益。

    Agent 可以负责收集资料、转换格式和完成初步分析,我倒是觉得多数时候都比人工(我自己)做得好多了。

    对于复杂任务,如果觉得处理效率不够,那么刚发布的「多 Agents 并行」就可以派上用场:

      使用「多 Agents 并行」能力,
      分析附件《2025 年我国卫生健康事业发展统计公报》。


      安排 4 个子 Agent 同时工作:


      1. 数据 Agent
      提取 2024—2025 年核心指标。
      包括医疗机构、床位、卫生人员、卫生费用、诊疗量、入院量和患者费用,
      并计算同比变化。


      2. 医疗服务 Agent
      分析卫生资源、医疗服务量、基层医疗、公立与民营医院、中医药服务
      及患者费用的主要变化。


      3. 公共卫生 Agent
      分析疾病控制、妇幼健康、老龄化、食品安全、人口与托育等内容,
      提炼值得关注的指标。


      4. 复核 Agent
      检查数据、单位、同比和统计口径,区分百分比与百分点,核对正文与表格
      是否一致,指出不能从公报直接得出的结论。


      所有 Agent 完成后,由主 Agent 汇总,生成一份简洁的分析报告,包含:
      - 300 字以内的摘要;
      - 8—10 项关键发现;
      - 一张 2024—2025 年核心指标对比表;
      - 4—6 张清晰的数据图表;
      - 三项值得关注的结构性变化;
      - 数据口径、限制及需要谨慎解释的地方。


      要求:
      - 每项重要数据注明页码或表号;
      - 不得虚构数据或擅自推断因果关系;
      - 严格区分人数、人次、机构数、床位数、百分比和百分点;
      - 2025 年卫生总费用须注明为初步推算数;
      - 最终生成一份可编辑的 Word 报告,并将数据图表插入报告。

      别着急讨论谁替代谁,先让它干点活儿

      过去使用办公 AI,更像随时找个人帮忙写几段文字。到了豆包工作,开始能打开文件、调用工具,把后面的步骤一起做完。

      对每天在网页、Excel、Word 和 PPT 之间搬运资料的人来说,能够少做几轮复制、粘贴和格式转换,就已经是很具体的价值。

      对正在寻找 AI 落地场景的创业者和公司管理者,与其继续开会讨论 AI 能替代哪些岗位,不如先选一条真实、可控的工作流程,付费让团队用上一段时间。

      拿点原本要自己加班干的活儿,交给豆包工作试试。好不好用,跑几次就知道了。


      提醒:现在下载豆包工作,然后用豆包或飞书登录,有免费一个月会员的羊毛可以薅。

      跳转微信打开

      •  

      找到改写时代的好公司

      原创 任彤瑶 2026-09-03 21:00 上海

      趋势之前,共识之后

      2015年,纽约一家热衷于报道上东区生活方式的地方小报《Observer》,突然写了一篇报道,描述一个跟精英人士没什么关系的新消费现象:

      几个服装网站正通过Facebook精准广告“轰炸年轻女性”:9.99美元的裙子、首单五折、24小时发货......对千禧一代来说,这“简直难以抗拒”。

      其中一个最受欢迎的网站在Facebook上拥有超过150万粉丝。十年过去,这个名叫SHEIN的网站,已经是全球时装行业无可辩驳的巨头,长成了百亿美元级别的大公司,身后站着IDG、红杉、景林、Tiger Global、General Atlantic、Coatue、Mubadala等一长串全球顶级资本。

      2026年9月1日,希音国际控股有限公司(以下简称“SHEIN”)正式在港交所挂牌上市,总募资超135亿港元,发行市值约2062亿港元。

      但回到2015年,除了想不出选题的《Observer》网站编辑,只有极少数人注意到SHEIN,几位中国的投资人是其中之一。

      2015年,SHEIN想在美国市场扎根,他们看上了总部位于洛杉矶的一个DTC品牌MakeMeChic。为了完成这笔交易,以2.3亿美元估值融资4600万,IDG和景林成为仅有的投资方[1]。

      等到这个故事真正迎来资本市场意义上的终点时,消费早已不再是中国创投圈最热闹的话题。资金和注意力涌向AGI,新消费甚至一度成了需要绕着走的旧名词。

      但SHEIN这笔早期投资依然是业内津津乐道的故事。大家感兴趣的不是为什么这两个机构恰好投中了SHEIN,真正值得讨论的是一个更有普遍意义的问题:

      产业周期潮起潮落,靠什么发现真正的好公司?

      回看中国创投历史,仅仅过去十年,类似的发问就出现过三次。

      01.起伏之中

      SHEIN悄悄长大的时间段,中国创投圈最热闹的故事其实发生在别处。

      2014年,马斯克坐着私人飞机高调降落中国[2]。他拜访科技部部长、参加央视节目,又在北京酒仙桥向首批Model S中国车主交付了钥匙。

      风起于青萍之末。随着国务院和发改委相关政策落地,中国造车领域刮起了前所未有的资本风暴。

      最热闹时,市场上有60多家造车公司,算上注册却没把车造出来的公司多达400家。仅2015年至2017年上半年,全国落地的新能源汽车整车项目就超过200个,规划投资超过万亿。

      这股热潮中,留下了许多被反复讲述的故事,而"蔚小理"这三个字,后来成了整整一个时代的注脚。

      比如IDG,2015年专门成立了个汽车小组,把四五十家造车企业跑了个遍,访谈了二三百人,转年就投了蔚来,2017年又在小鹏A+轮入了局;

      比如黄明明跟李想在望京SOHO聊了三个小时,当场拍板投资,后来连跟七轮;

      比如雷军起初觉得互联网造车几乎等于骗子,顺为最终从二十多个团队里选中了熟人李斌和何小鹏[3]。

      新技术打开想象空间,政策和资本迅速跟进——但对很多机构来说,这轮热闹多少让他们有些警惕。毕竟再向前看十年,08金融危机、补贴退坡和“双反”影响下的光伏产业惨烈过往还历历在目。

      机构们都明白:在技术演进的长期趋势之下,是产能、供需和政策制造的起伏周期。穿越周期的愿望美好,但道路艰难,如何在波动中辨认确定性是大家共同要思考的课题。

      当所有人都声称自己能成为中国特斯拉,真正考验投资人的是如何去伪存真。

      2018年12月,小鹏正式对外交付G3,此时公司尚未取得完整的整车生产资质。工厂建设、自动驾驶研发、销售渠道铺设都需要持续投入,接下来的一轮融资关乎公司存亡。

      何小鹏在G3发布会

      但同时,国内新能源行业迎来阶段性低谷。补贴退坡、资本市场对新造车情绪转冷、一级市场融资收缩,多家新造车项目融资遇阻,爆出经营危机。新造车融资窗口迅速关闭,新能源领域迎来第一次大退潮。

      不少机构对新造车开始回避,2018年8月B+轮之后,小鹏整整15个月没有宣布新融资,C轮感兴趣的机构相当有限。对一家刚刚进入交付期的新品牌来说,处境异常艰难。

      此时老股东IDG却有自己的想法。他们判断,新能源汽车替代燃油车的长期逻辑并未改变,造车新势力长久来看依然具备投资价值,这只是“非趋势性的周期波动”,决定成为小鹏C轮的联合领投方,加码数亿人民币。

      2020年下半年开始,新能源汽车政策在全球回温,小鹏登陆纽交所,IDG成为最大财务投资方,在2018年蔚来汽车上市之后,收获第二个造车新势力IPO。

      小鹏的故事并不是孤例,新能源大退潮让一级市场意识到,趋势从来不是一条直线,在周期起伏中需要判断哪些是转瞬即逝的浪花,哪些是潮水的真正方向。

      新能源汽车教给一级市场一种与周期共存的能力,在波动中辨认确定性,但不被波动带走。

      技术进步不会沿着直线上升,产业扩张不会永远与需求同频,资本市场的情绪更会反复摇摆。在不确定性中找寻确定性,是一场漫长的修行。

      而就在新能源第一次大退潮的2019年,另一个板块正在迅速升温。

      02.趋势之前

      2019年前后,长沙的五一广场在社交媒体上频频走红:

      沿着黄兴路走一圈,几步就能撞见一家爆单的茶颜悦色;坡子街附近的超级文和友,最高峰时出现过万桌等位的盛况;在网红云集的完美日记柜台隔壁,三顿半、墨茉点心局、虎头局渣打饼行等一批新品牌店里人头攒动。

      名为“新消费”的风暴,接棒新能源成为下一次板块轮动的主旋律。一级机构们发现,即便没有新能源般显著的技术曲线,在基础消费品形态之上,人群、渠道和供应链重新组合,同样催生了过去不存在的新机会。

      2016年泡泡玛特揭不开锅,最缺钱时账上不足100万元。王宁见投资人的频率从一天两个提高到一天二十个,一笔3000万元融资最后拆成三笔才凑齐[5]。

      早期资本市场几乎不看好泡泡玛特。多数投资者并不真正理解王宁。他们只是模糊地预感,年轻人的潮流消费/线下消费“一定有机会”。

      同样的事情也发生在蜜雪身上,在新茶饮资本疯狂追捧高端精品、网红轻奢赛道的黄金十年,扎根下沉市场、主打极致性价比的蜜雪冰城,长期处于投资视野的盲区。

      即便是后来蜜雪冰城门店规模突破万店、坐稳下沉茶饮头部位置时,争抢入局的头部机构们,也并非提前看透了“大众平价茶饮、下沉消费刚需”的底层趋势,而是看到其成型的万店规模、稳定的盈利能力和成熟的供应链体系后,才后知后觉地追逐确定性。

      寻找那些还没被命名的供需互动,在趋势形成之前捕获它们,成为了这一轮消费板块的主要命题。

      泡泡玛特代表了一类最典型的机会,创造了从没人见过的新供给。蜜雪也代表了一类机会,消费投资并不总是在寻找从无到有的东西,跳出旧有理解框架也可能发现新机会。

      这个视角再往外推一步,随着研发、产品和运营能力成熟,中国拥有成熟的供应链优势的行业,有机会在全球范围形成新的消费品牌。

      这个方向上,IDG是走得比较快的。他们陆续投了消费电子、服装等出海优势领域的一批公司,包括Insta360、安克创新、致欧家居等等,也包括SHEIN。

      2018年以前跨境电商鲜少被投资机构关注,SHEIN“创始团队非名校出身、模式偏重”的形象,在主流投资视野里颇有“反直觉”意味。

      SHEIN的早期投资人、IDG资本合伙人连盟曾对媒体回忆说,他第一次见到许仰天,聊完就觉得应该立刻投,“说不上自己在等什么样的人,但见到就知道就是他了”。

      那时候SHEIN还不为人知,同行大多在北京、上海争抢互联网项目,IDG几乎没有竞争对手。双方一见如故,许仰天开了个价,IDG快速拍了板。

      番禺万博城中村的SHEIN办公楼

      这份判断背后是一个更大的世界观——国内电商早分出标品和非标两条线,但放眼全球,亚马逊几乎垄断了海外标品电商,非标却是一片空白;把世界看作一个更大的"中国市场",服装正是非标里体量最大、最具想象空间的品类。

      在这套逻辑驱动下,在SHEIN尚未真正走入美元基金视线时,IDG在2015年“逆势”领投了SHEIN的B轮融资。

      从泡泡玛特、蜜雪冰城,再到SHEIN,消费投资的参照系不断变化。这轮方法论的核心是,在趋势被所有人看见之前,先理解那些零散、模糊、甚至看起来不重要的信号。

      后来行业内有了一个词描述这种思考路径:寻找非共识,在变化中发现趋势。

      但下一轮产业浪潮来得太快,留给投资人的时间突然变得极其短暂。

      03.共识之后

      这次的主角是AI。

      如今提起AI,几乎已经等同于"共识"本身——但在这场万人挤上牌桌的热闹开始之前,它也曾有过一段少有人问津的非共识阶段。

      2021年底,ChatGPT还没有发布,IDG就联合高瓴、米哈游等机构投资了MiniMax团队。

      2023年2月,王慧文和出门问问创始人李志飞、真格基金戴雨森及刘元吃了一顿饭,聊刚发布的ChatGPT。聊到兴起,王慧文拿起手机发了一条朋友圈:“5000万美元,带资入组,不在意岗位、薪资和title,求组队。”

      这顿饭后来成了中国大模型创业潮一个颇具象征意义的开场。王小川、李开复、周伯文等名声响亮的创业者相继下场,大厂与投资机构迅速跟进,AGI以惊人的速度进化。

      同样在2023年,美团龙珠合伙人王新宇第一次在北京量子芯座大厦见到杨植麟[6],那是一个简陋的办公室,门口没有公司logo,只有一架白色钢琴,杨植麟甚至没有独立办公区。

      环境随意,融资速度却惊人。成立两个月,月之暗面近20亿元天使轮到账,不到十个月,累计融资近90亿元,估值接近180亿元。

      同一时期,智谱累计融资超过25亿元,一批行业头部产业资本和财务机构迅速聚集到同一张股东名单上。2026年长期依靠梁文锋和幻方体系输血的DeepSeek开放外部融资后,2个月内快速敲定超500亿人民币融资[7]。

      由AI延伸出的具身智能赛道也展示出同样的趋势。

      宇树2016年成立到B轮用了大约6年。但随着AI爆发,它在2024到2025年连续完成三轮大额融资,吸金近16亿。

      就在宇树科技2026年8月以"人形机器人第一股"身份登陆科创板几天后,小鹏机器人业务完成首轮融资,由IDG领投,融资规模超9亿美元,投后估值超63亿美元,刷新了中国具身智能行业单轮私募融资纪录——这一轮的融资额,比宇树IPO募资总额还要高。

      a16z合伙人Martin Casado感叹,AI创业公司out of the gate就需要融数亿美元。

      融资盛况指向一个鲜明的变化:AI浪潮中,共识形成的速度前所未有地加快了。

      过去的板块轮动里,投资机构往往有较长时间发掘项目,建立非共识的分析框架。到了AI,最核心的项目几乎没有这样的窗口了。

      大趋势高度确定加上资本聚集极快,在无限放大的FOMO情绪里,寻找非共识已经没有那么重要,一级机构们要回应的关键,变成了高估值下,能否有足够的魄力和眼光出手。

      这并不意味着机构一定要用更高的价格购买确定性,甚至为稀缺的入场机会支付溢价。共识越强,真正有价值的分歧反而越容易藏在水面之下。

      从B轮到C轮,月之暗面的估值只从33亿美元涨到43亿美元,中间隔了一年半——这段时间里,Kimi的月活从2165万一路腰斩到903万。这是月之暗面最难的一段日子。

      500

      月之暗面的办公室

      IDG恰恰在这个阶段进入。2025年底,月之暗面完成5亿美元C轮,IDG领投1.5亿美元[8]。这笔钱,投在了黎明之前。

      后来随着K2等模型陆续发布,付费用户与API收入开始增长,Kimi的技术、产品和商业化都有了更多可验证的指标,再次成为热门标的。

      回头看,IDG不是有未卜先知的能力,他们只是在市场悲观情绪下,愿意押注一部分仍未被破坏的基本面。这也说明在高度共识的AI时代,非共识并没有彻底消失。它只是变得更转瞬即逝,也更隐蔽。

      赛道轮动、趋势变化是创投领域不变的主题。两年前引发机构集中“抢筹”的 AI赛道,如今也在因商业化的巨额资本开支与漫长回报周期,爆发出新的集体性担忧。

      过去几年只要押中AI这个方向,估值扩张本身就能提供相当可观的回报。但随着大量资金涌入,头部公司的估值被迅速抬高,一部分预期甚至被提前兑付。方向正确,开始不再等于价格正确。

      在一个几乎不存在信息差的大共识时代里,谁还能从昂贵的资产中找出真正能够留下来的公司,正在成为下一阶段最困难的问题。一众机构们又被迫再次拾起看家本领,寻找“共识中的非共识”。

      04.尾声

      三十多年里,中国创投行业经历过太多潮起潮落。

      昨天还被奉为圭臬的经验,到了下一轮周期,可能就成了最需要警惕的路径依赖。曾经遍布鲜花和掌声的道路,常常在攀至最高点的时刻,突然转向陌生的荆棘与泥泞。

      从新能源,到消费和AI,创投行业经历了三套完全不同的估值坐标系。如果要说它们有什么共性,那就是要求参与者永远具备一种“重新认识世界”的勇气与能力。

      新能源是在波动中辨认确定性。技术并不会线性进步,产业扩张也不会永远与需求同频。机构要从剧烈波动中分辨长期趋势和短期周期,并在市场最悲观的时刻,仍然对那些没有被破坏的基本面保有信心。这是一种与周期共存的能力。

      消费是在变化中发现趋势。在一个没有明确技术拐点的行业,变化往往分散在不起眼的细节间。机构要重新理解供给和需求如何互动,并在这些变化尚未被市场命名前,抓住一闪而过的机会。这是一种识别趋势的能力。

      AI是在共识中重新寻找差异。当市场没有给非共识留下太多空间,当价码被不断推高,机构要在热闹里分辨真正能够留下来的核心资产。这是一种保持判断力的能力。

      经验会过时,但学习、寻找变化和修正判断的能力不会过时。适应变化当然痛苦,但能够一直留在牌桌上,看到下一轮变化发生,本身也是一种幸运。

      新的变化已经开始。

      今年以来,AI第一轮围绕模型、人才、算力和融资规模的跑马圈地正在接近阶段性终点。资本开始追问更具体的回报率问题。与此同时,创新的基本面并没有消失,还有许多激动人心的故事在时刻发生。

      三年前,所有人面对的问题还是要不要登上AI这艘船;今天,这艘挤满了人的大船,又要驶向下一片波涛汹涌的海域了。

      全文完,感谢您的耐心阅读。

      参考资料

      [1] SHEIN,万字长文解析最隐秘百亿美金独角兽是怎样炼成的,智象出海

      [2] 特斯拉效应:马斯克的中国64小时,商业价值

      [3] 论造车,雷军才不是新人,未来汽车日报

      [4] 茶颜悦色、文和友、三顿半……长沙靠“吃喝玩乐”成网红顶流,Tech星球

      [5] 《因为独特:泡泡玛特创始人王宁从杂货铺到IP世界的跋涉》,李翔

      [6] 美团龙珠,投了最火90后杨植麟,投资界

      [7] 掮客、份额与百亿资金:DeepSeek融资实录,财经杂志

      [8] Kimi 完成 5 亿美元新融资,杨植麟:账上有超百亿元人民币,晚点

      作者:任彤瑶

      编辑:李墨天

      责任编辑:任彤瑶

      图片

      图片

      跳转微信打开

      •  

      都在开源 Harness,Codex 和 DeepSeek 到底有什么不一样?

      原创 欢迎关注的 2026-09-03 18:00 上海

      同一个词,两家公司,开源的却是两层完全不同的东西。

      。图片

      点击蓝字,关注我们

      图片

      作者 | 医疗产品部

      导读 

      introduction

      模型能力趋同后,竞争下沉到了"怎么把模型用好"。2026 年 8 月,DeepSeek 与 OpenAI 先后开源 Harness:一个开"整套零件",一个开"调教好的实习生"。本文用"天才实习生"的比喻讲透 Harness 的五大能力,并拆解两家打法的本质差异——要主权,还是要省心? 读完后你会明白:功能清单会趋同,但"没人下令时它怎么做"才是真正的护城河。

      全文 6658 字,预计阅读时间 5 分钟

      前言

      GEEK TALK

      同一个词,两家公司,完全不同的故事

      2026年8月,AI编程工具赛道发生了两件看似相同、实则完全不同的事。

      先是 DeepSeek 开源了 DeepSeek Harness,两天冲上9万多GitHub Star——这个速度,几乎破了开发者工具的历史纪录。没过几天,OpenAI也宣布开源 Codex 的 Harness 层:CLI、app-server,还有官方SDK。

      如果你只看标题,会以为他们在打同一场仗。但如果你真的翻开代码,会发现一个反直觉的事实:他们开的是两层完全不同的东西。

      TL;DR(30秒速读卡)

      这篇文章只做三件事:

      1. 用最直白的话讲清楚 Harness 到底是什么;

      2. 拆开 Codex 这次到底开源了什么——核心亮点藏在哪里;

      3. 说清 Codex 和 DeepSeek 的本质差异。

      GEEK TALK

      01

      先建立一个坐标系:Harness 到底是什么

      在聊任何细节之前,先认识一个人——一个没有经验的天才实习生。

      他聪明得离谱:你随便说个需求,他立刻能给出思路;给他任何文字,读一遍就能复述、改写、翻译。

      但他有四个要命的短板:

      • 没记忆:上一分钟交代的事,下一分钟就忘干净,每次都得从头讲。

      • 没背景:没见过你们公司的代码在哪、文档在哪、谁负责什么。

      • 没手脚:不会打开文件、不会运行程序、不会查数据库——除非你给他工具,并告诉他"现在可以用"。

      • 没分寸:分不清哪些事自己能做主、哪些事必须停下来问你,很容易越界闯祸。

      问题来了:这样一个实习生,你要怎么把他用起来?

      你大概率不会让他直接上手干活——你会做一整套"带新人"的事。而这一整套"带新人"的东西,就是 Harness。

      1.1 一张表看懂:怎么"带"这个天才实习生

      这个比喻后面会反复用到——这个实习生一会儿是 Codex,一会儿是 DeepSeek,两家对他的"带法"完全不同。

      1.2 一句话定义

      Harness = 模型之外的一切。

      实习生本身只会“按要求干活”,他不知道项目背景是什么、工作规范有多大边界、如何使用趁手的工具。就像模型一样,本身只会“预测下一个词”,不会开文件夹、不会跑脚本、没法实时联网搜索。

      把这些事全做起来的那层"外壳",就是 Harness。

      拆开来看,它主要包含五样东西:

      1.2.1 上下文管理

      给模型看什么、不看什么、什么时候把旧内容压缩掉

      实习生第一次接手项目,你不能把公司十年的邮件全倒给他,也不能只甩一句"你自己看着办"。你得挑出跟这次任务最相关的那几份文档,并且随着对话变长,把已经没用的旧信息收走——否则他会越来越慢、越来越跑题。

      1.2.2 工具调用

      让模型能碰文件、跑命令、查接口

      实习生光会想、能干没用,得给他趁手的工具:配电脑、开权限,并告诉他"简单小铺可以换礼品,跟同事协同要用如流"。工具是他的手和脚。

      1.2.3 执行环境与沙箱

      把模型行为约束在安全边界内

      实习生再聪明,也不能让他直接在正式环境里干活。你得先给他划一块"随便折腾也不影响别人"的试验田——比如一个独立的开发分支、一套隔离的测试环境。他在里面改代码、跑测试、试新方案,哪怕把整个试验田炸了,一键就能恢复如初,不影响线上业务。

      1.2.4 审批与权限

      哪些动作自动放行、哪些必须问人

      实习生自己整理需求文档、画原型草图?可以自动放行。但要把需求正式同步给研发排期?必须等你确认过逻辑再发。

      你得给他一张清晰的"权限地图"——绿灯的事他自己干,红灯的事他必须拉起警报等你来拍板。

      1.2.5 会话与状态

      跨轮次记住进展、失败后从哪恢复

      他跟进了两周的客户,每轮沟通的要点、对方提的疑虑、下次跟进时间——如果没系统记下来,客户问"上次说的那个问题后来怎么样了",他一脸茫然,信任瞬间归零。

      你得给他配一块"进度白板":当前做到哪一步、哪些方向试过但行不通、哪些结论已验证、下一步该干什么。这样他每天开工能无缝续上,而不是对着空白屏幕从头想"我昨天干嘛来着"。

      一句话:模型是那个会思考的脑子,Harness 是那套让他能在真实世界里安全干活的整套装备。 脑子决定上限,装备决定他能不能把活干完、干好。

      1.3 再放一张表,彻底理清模型 vs Harness 的分工

      一句话:当模型能力趋同,竞争就开始从"模型"下沉到"模型之外的那层壳"。

      1.4 再澄清三个常见的误解

      误解一:Harness = 提示词(Prompt)。 不对。提示词只是"你怎么跟模型说话",属于上下文管理里的很小一块。Harness 还包括工具、沙箱、审批、会话状态——是一整个运行环境。

      误解二:Harness = Agent 框架(比如 LangChain 那类)。 也不对。框架帮你"搭骨架",Harness 更偏"真实落地时的那整套壳"——包含框架,但远不止框架。一个框架可以拿来写 Demo,一个 Harness 得扛住生产。

      误解三:Harness 是模型厂商的边角料。 恰恰相反,当模型拉不开差距时,壳就是护城河。在当下阶段,做好 Harness,可能比模型本身更值钱。

      GEEK TALK

      02

      Codex 这次到底开源了什么

      继续用带实习生的例子,假设你第一次带实习生没有经验,不知道该如何提升,Codex 本次就给了你三样东西,你可以开箱即用。

      2.1 三样东西,三种用法

      2.1.1 Codex exec:让他坐你旁边,你当面指挥

      这是最直接的方式,就像你让实习生坐在你旁边,随时派活儿、随时验收。不满意?当场指导并让他重来。

      在操作角度上,它就是一个电脑终端(相当于一个对话窗口),你只需要对着它说话:“把这个 MRD 再改改”、“这个代码有 bug”,Codex 就可以直接帮你干活,并把结果贴给你审核。

      它还有一个"自动模式":你把一份任务清单甩给他,说"今晚把这几件事跑完,明天早上给我报告",他跑完把结果整理好,顺便在报告封面上贴个"成功/失败"的标签。最适合那种"每晚自动跑一遍例行检查"的重复性工作——比如电商大促前,每天自动查一遍价格配置有没有异常。

      2.1.2 app-server:给他配一个总机号码,谁都能打电话叫他干活

      你不需要亲自坐他旁边了。给他开一个"公司邮箱地址"(实际上是一套标准接口),任何有权限的人——产品、运营、甚至你们公司的内部系统——都可以往这个邮箱发任务。他收到就干,干完把结果发回来。

      比如:产品经理发一封邮件(在 Jira 里创建一个任务)"生成这周的上线检查清单",系统自动接进来叫他干;运营发一封"生成昨日数据简报",他立刻开始跑数、写简报。你不用专门开个窗口跟他聊天,他已经变成了你们公司内部的"公用实习生"——谁有需求都能给他派活儿。

      它跟第一种方式的核心区别是:你不再是"唯一能差遣他的人",而是"给所有人开了差遣他的权限"。 至于怎么开、谁有权限开,你自己说了算。

      2.1.3 官方 SDK:把他打包成一个外包团队,你们公司的程序可以直接下单

      前面两种都是"人直接叫他"。但如果想把他集成到你们自己的产品里呢?比如你们的内部工具想加一个"AI 帮你自动生成周报"的功能——不需要重新开发,直接调用他就行了。

      SDK 就是"程序怎么调用他"的操作手册。你写好代码,你们的程序就能自动:开一个会话、让他跑任务、实时收到进度——甚至他能干活干到一半,程序判断"不对,这块权限不够",直接喊停,换个权限再让他跑。

      它跟前两种的核心区别是:不是人叫他,是程序叫他。 你不需要有人坐在电脑前点按钮,流程可以全自动跑起来。就好比你不是"给公司招了个实习生",而是"把这家外包公司的能力接进了你公司的系统里,你们的程序自动下单,他自动接单干活。"

      2.2 AI 干活长什么样?

      前面说了三种"叫他干活"的方式。但不管你怎么叫他,一旦他开工了,一次完整的工作过程长什么样?

      OpenAI 把"一次 AI 干活"拆成了三层结构,用三个词就能说清楚。

      拿"让实习生帮你跟进一个大客户"来举例:

      • 会话(Thread):从你第一次说"帮我跟进一下这个客户"开始,到最终方案确定、合同发出、客户确认——整件事从头到尾算一个"会话"。就像一张工单,开的时候写了个标题,关的时候已经有了结果。

      • 回合(Turn):会话里面,你每交代一件事、他做一轮动作、再回复你——这算一个"回合"。比如你先说"整理一下这家客户的背景资料",他去查、回来告诉你"整理好了,发你邮箱"——这是一个回合。然后你说"帮我起草一份针对他们的报价方案",他去写、回来发给你——这是下一个回合。一次会话,就是若干个回合串起来的。

      • 条目(Item):每个回合里,具体发生的每一件事,都是一个"条目"。你说的话是一个条目,他去查资料是一个条目,他写好的一份方案草稿是一个条目,他发起的一次审批请求也是一个条目。

        会话:跟进华东区一个大客户的续约(从开工到收工)

          回合1(你派活儿 → 他做背景调研)
            条目1:你说"这个客户下个月合同到期,你去摸一下情况"
            条目2:他查阅了客户近半年的使用数据
            条目3:他翻出了上次沟通的会议纪要
            条目4:他告诉你"客户最近三个月活跃度下降了15%,主要集中在新功能模块"

          回合2(你补充信息 → 他出方案)
            条目5:你说"把去年给他们的折扣政策也考虑进去"
            条目6:他计算了三种报价方案的成本和利润空间
            条目7:他草拟了续约方案,发给你确认

          回合3(你修改 → 他发起内部审批)
            条目8:你改了其中一个折扣系数
            条目9:他更新了方案
            条目10:他发起审批请求:"申请走特殊折扣流程,等你批"

          回合4(你批准 → 他准备正式文件)
            条目11:你点了"批准"
            条目12:他生成了正式报价单和合同草稿
            条目13:他回报"文件已备好,可以发给客户了"

        关键点来了:当你把一次工作拆成"会话→回合→条目"之后,它就不再是一个"黑盒"了——你随时可以:

        • 插进去:比如在回合3的条目10那里,审批系统拦住它,等你看完方案再放行。

        • 回头看:比如一周后想查"当时给这个客户的报价逻辑是什么",你可以把整个会话的每一条都翻出来。

        • 只看想看的:比如你只关心"他改过哪些数字",可以只过滤"计算报价"这类条目,其余不用看。

        2.3 怎么带好实习生?OpenAI 的两个锦囊

        1. 实习生看不到的东西,就相当于不存在

        你让实习生"去给华东区这个大客户出一版续约报价方案"。

        在你脑子里,这件事很清楚:一个月前你们内部已经协调定了"85折底线",实习生按要求出方案就行。

        但在实习生那边,他翻遍了入职时领到的资料包:产品手册里有标准报价模板,过往案例里有几份历史合同,邮箱里躺着一封三个月前的客户沟通纪要。"85折"这三个字,从来没出现在他摸得到的任何一份材料里。

        于是他按标准流程出了一版——95折,公司统一折扣,挑不出毛病。

        这是一个"你以为他应该知道,但他压根没渠道知道"的问题。

        解决方案?OpenAI 把这件事做成了工程,而不是靠口头提醒。

        他们把所有"实习生应该知道但可能不在场"的东西,全部硬写进他能访问的地方:一份目录式的指引文档,告诉他"遇到什么该去哪里看"——不给他300页手册,只给他一张"地图";一个结构化的知识库,放所有历史决策、讨论结论;甚至派一个"文档园丁"Agent定期扫描,发现过时信息自动更新。

        这套做法的核心就一句话:别指望他"在场",把该让他知道的,放到他伸手就能够到的地方。

        2. 把"品味"变成机器规则

        你让实习生整理投诉报告。你心里想的是"登录相关的问题归一类",他交上来的是"密码找回失败""账号无法登录""手机换绑收不到码"——三件事拆成了三类。

        你问他为什么这么分。他说:"客服填表的时候就是分开填的,我照搬了。"

        你没脾气——逻辑上挑不出错,但你想要的"合并同类项"他压根没意识到。这种"归类感"是你干了两年才长在身上的东西,实习生刚来两周,指望他"悟"?

        这是一个"你的品味没有变成流程"的问题。

        解决方案?把"什么叫好"翻译成自动检查的规则,然后派个"质检员"天天扫。

        ① 定规则:

        • 所有分类必须先查"标准标签库",库里没有的才能新建

        • 每一项分类必须注明归类依据

        • 每周跑一次健康检查,把"一人一类"的孤岛标签揪出来

        ② 天天扫:

        质检员每天扫描所有报告,发现偏离规则的地方,自动发起修改申请。你只需要确认"这个合并对不对",而不是从头翻一遍。

        ③ 持续还:

        今天扫出来三个分类没按标准来,修掉。明天又发现两个,再修掉。永远不让"坏品味"攒成大山。

        OpenAI 给这个机制起了一个很妙的比喻:像垃圾回收。

        年底大扫除 vs 垃圾回收:坏习惯攒半年,一次性整改,改动巨大、没人敢动,拖到下一年不了了之。每天顺手清一点,永远不会有"还不起的债"。

        实习生用不了两周就学会你的分类方式了——不是因为他变聪明了,是因为"什么叫好"从他第一天干活起,就嵌在他每走一步都会撞见的那道流程里。

        GEEK TALK

        03

        Harness 的分水岭与护城河

        • DeepSeek 公开的是"整套带人系统的图纸和零件"。他的产品是一棵启动时组装的插件树——连"这个实习生怎么思考"(agent loop 本身)、模型适配器、工具注册表、会话日志,都是可以换的零件。相当于给了你一箱乐高和图纸,告诉你"这个人的手脚、脑子、记忆、行为准则都可以拆下来换"。前提是——你自己得会拼。

        • Codex 公开的是"一个已经调教好的实习生,加上怎么把你的产品接到他身上"。他不让你换"思考方式",而是把上下文、工具、权限、验证、恢复这条工作回路,校准成一条普通用户无需重新设计就能走通的路。相当于直接派了一个"培训已完成、上岗就能用"的实习生过来,你只需要把公司门禁卡(你的产品接口)发给他,他就能干活。代价是——他必须用 OpenAI 配好的那套"工作方式"。

        Codex 开源的是"怎么把能力接进你的产品",DeepSeek 开源的是"怎么把整套系统拆开重组"。 其余差异——语言、许可证、成熟度——都只是这个核心差别的投影。

        有人会把这事概括成"DeepSeek 更开放,Codex 更封闭"。这是错的。两边其实都开放,只是方向相反:DeepSeek 开放的是深度——向下,直到运行时的每一个零件;Codex 开放的是宽度——向外,直到任何你想接入的产品形态。

        这背后是两种不同的确定性交易:用 DeepSeek,你买到的是"未来仍能改变系统的权利"——不被任何单一产品锁死;用 Codex,你买到的是"默认就能拿到可验收结果"——不用自己设计那套工作回路。没有哪个天然更好,取决于你要的是主权,还是省心。

        Addy Osmani 有一个犀利的观察:这些 harness 长得越来越像,比它们背后的模型还像——「look more like each other than their underlying models do」。上下文管理、工具调用、沙箱、审批、会话状态,谁家都会做,功能清单三个月后就会趋同。真正的护城河不在"有没有",而在于两个更深层的东西:

        • 有没有"沉默的经验":当实习生面对一个模糊任务——"帮我把登录修好"——他是直接动手改,还是会先复现问题、追调用链、写失败用例、跑全量回归、检查有没有误伤?这套"没人下达的指令"才是真正的"经验"。它不在功能清单上,但它决定了交付质量的上下限。

        • 默认路径有没有被校准过:Codex 的默认路径是被自己那条"人类不写代码"的极限路径验证过的——从空仓库到百万行代码,3.5个PR/人/天,它的默认行为已经被反复打磨。DeepSeek 给你的是"选择的权利",但默认值好不好用,需要你自己去校准。

        功能清单会趋同,但"没人下令时它怎么做"不会——那才是护城河。

        落到具体选择上,关键看自己更接近哪种处境:

        • 想尽快见效的小团队:好用 = 少接管。你不想在设计"实习生的工作回路"上耗费精力,Codex 这类"替你扛默认"的更容易直接见效。

        • 在建公司级 Agent 平台的团队:好用 = 关键能力不被单一产品永久锁死。你需要"换掉某个零件"的权利,DeepSeek 的"组合控制权"更有价值。

        • 两种都想要:这两者不互斥。真正成熟的下一代 Harness,很可能是"该自由的自由,该约束的约束"——内核给组合权,外壳给接入权。

        GEEK TALK

        04

        结语:Harness 不是"给 Agent 加一层壳",而是"给 Agent 造一个能稳定运转的世界"

        回到最开始那个实习生。

        DeepSeek 的选择是:把"带新人"系统里的每一个零件都做成可插拔的——换个"入职手册"、换个"工具台"、连"这个人怎么思考"都能换。你拿到一箱乐高,自己拼。

        Codex 的选择是:先把一整套"带新人"的流程搭好、校准好,在百万行代码上证明它稳定运转,然后把接口打开,让你往里面接你自己的产品。你拿到一个已经上岗的实习生,给他发门禁卡就行。

        两种选择,没有对错。它们只是把"模型之外的一切"这件新事物,从两个相反的方向各推了一步——一个向下探到了运行时的最底层,一个向外拓到了产品的最大面。

        而对我们来说,模型会越来越强,Harness 会越来越成熟,但真正决定 AI 能不能在真实世界里稳定地干活,答案还在路上。

        跳转微信打开

        •  

        The Batch: 978 | DeepSeek-V4-Pro 更新了

        原创 DeeplearningAI 2026-09-03 12:45 北京

        Hi~新朋友,记得关注我们哟

        DeepSeek 的旗舰模型在结束预览后正式发布,性能有所提升,同时也带上了该模型所用的基准测试框架。这个 harness 是免费且开源的,不过公司的模型价格上涨了。

        ●最新消息:DeepSeek 发布了 DeepSeek-V4-Pro-0813,这是其第四代两款模型中较大那款的正式版本。

        ✴ 输入/输出:文本输入(最多 100 万 tokens),文本输出(最多 384,000 tokens,78.1 tokens/秒)

        ✴ 架构:混合专家 transformer,总参数量 1.6 万亿,每个 token 激活 490 亿;可选的推测解码模块将检查点参数量提升到 1.7 万亿

        ✴ 特性:可调推理(无、低、高、最高),默认高推理;工具调用;上下文缓存

        ✴ 性能:在 Artificial Analysis 的 Intelligence Index 上得分 53,在开源权重模型中排名第三;在 Arena 的 WebDev 排行榜上位列 115 个模型中的第 10

        ✴ 可用性/价格:通过 DeepSeek 的应用和网站,以 Expert Mode 使用;通过 DeepSeek API,在高峰时段(UTC 01:00–04:00 和 06:00–10:00)每百万输入/缓存/输出 tokens 价格为 $1.32/ $0.044/ $3.96,非高峰时段价格减半

        ✴ 权重/许可:在 MIT 许可证下可免费用于商业和非商业用途

        ✴ 未披露:新的训练数据和方法、知识截止时间

        该公司还发布了一个开源的 agent harness 开发者预览版,并提高了所有模型的 API 价格。

        ●工作原理:DeepSeek-V4-Pro-0813 保留了 4 月预览版的参数规模和架构,包括 DSpark——DeepSeek 之前为预览版发布的推测解码模块。DeepSeek 表示,此次更新增强了模型的 agentic 能力,但没有具体说明改动了什么。

        ✴ DeepSeek 先用超过 32 万亿 tokens 对预览版进行预训练,然后通过监督学习和强化学习,在各个独立领域上分别对 10 个模型副本进行微调。最后,它通过 on-policy distillation 将这些模型合并为一个模型:新的副本,也就是 student model,去模仿这 10 个专家模型的输出。

        ✴ DeepSeek 的混合注意力机制在两类注意力层之间交替。两者都会在读取输入时压缩模型存储的 key 和 value,但其中一种还只关注被选中的 token 子集。对于 100 万 tokens 的输入,该模型只使用 DeepSeek-V3.2 所需计算量的 27%,以及其存储 key 和 value 所需内存的 10%。

        ✴ 该模型会连同答案一起返回推理过程。当请求包含工具使用时,后续 API 请求必须包含之前的推理轨迹,否则 API 会拒绝。这使得推理可以在多次调用之间持续保留。

        ✴ DeepSeek Harness 将模型、工具、技能、会话、沙箱、存储、循环、调度和用户界面都视为可配置、可替换的插件。它会记录模型摄取的一切内容,例如系统提示、推理、工具调用及其结果、子智能体调度和上下文注入,因此任何会话都可以恢复、分叉、搜索或回放。其最小模式只给模型一个 shell 和文件编辑器,这也是 DeepSeek 用于编码智能体基准测试的设置。它建立在一个名为 Cordis 的插件内核之上,DeepSeek 和北京大学曾在一篇论文中描述过其设计。

        ✴ DeepSeek 的 API 接受 OpenAI Responses 格式的请求,因此 OpenAI 的 Codex 编码智能体在运行一个 setup script 后即可使用 DeepSeek 模型。这使得从 OpenAI 模型迁移更容易。

        ●性能表现:独立评测者发现,DeepSeek-V4-Pro-0813 相比 4 月预览版有显著提升,但相较 DeepSeek 更小的 Flash 模型只保持了微弱领先。DeepSeek-V4-Pro-0813 在开源权重模型的综合智能表现中首发位列第三,但在 Artificial Analysis 的 Intelligence Index 上距离最佳闭源模型大约还差 10 分。它最明显的改进体现在编码能力上。该模型的单任务成本仍然只是大多数闭源领先模型的一小部分,但在降价之后,OpenAI 的 GPT-5.6 Luna 几乎同样有能力,而且现在每个任务的成本更低。

        ✴ 在 Intelligence Index 上,这是一项由九项经济实用型任务评估组成的综合指标。将 DeepSeek-V4-Pro-0813 设为最高推理时,它得分 53 分,每任务成本 $0.25;相比之下,它从 4 月预览版设为最高推理时的 45 分(每任务 $0.05)提升了 8 分,也比设为最高推理时的 DeepSeek-V4-Flash-0731(52 分,$0.11)高出 1 分。它在该指数上落后于 10 个模型,包括设为高推理的 Gemini 3.7 Flash(57 分,$0.40)。它优于设为最高推理的 GPT-5.6 Luna(52 分,$0.05/任务),但 GPT-5.6 Luna 是少数每任务成本低于更新后的 DeepSeek-V4-Pro 或 Flash 的模型之一。

        ✴ 在 DeepSeek 的测试中,使用的是最高推理和 DeepSeek Harness 的最小配置,DeepSeek-V4-Pro-0813 的最大提升来自编码智能体任务。在 Terminal-Bench 2.1(命令行环境中的多步任务)上,它从 72.1% 提升到 87.9%;在 DeepSWE(解决困难的软件工程问题)上,它从 12.8% 提升到 62.7%;在 CyberGym(发现软件漏洞)上,它从 52.7% 提升到 83.3%,略微领先于设为最高推理并带 fallback 的 Claude Fable 5(83.1%)。

        ✴ 使用其他 harness 对 DeepSeek-V4-Pro-0813 进行的独立评测显示,其在 Terminal-Bench 2.1 上的表现更低。使用自家内部评测 harness 的 Vals AI 测得该模型为 54.68,而使用开源 Terminus 2 harness 的 Artificial Analysis 测得其为 78.7%。

        ● 新闻背后:DeepSeek 最近发布了具有视觉能力的实验版 DeepSeekV4-Flash。公司尚未宣布推出类似的、支持视觉语言的 DeepSeekV4-Pro 版本的计划。

        ●重要原因:DeepSeek 公开了其用于基准测试模型的 harness,而这样做的公司并不多。智能体性能是模型本身与其脚手架的共同作用结果,因此公开 harness 的意义在于,开发者不再只能阅读这些数字,还能够复现它们。这个 harness 也是 MIT 许可,并且与模型无关。

        ● 我们在想:智能体harness 市场正在变得越来越拥挤!虽然这是一个开源发布,但一些用户在安全专家对 DeepSeek Harness 进行彻底评估,以及在其他模型而非 DeepSeek 模型上运行的基准测试公布之前,可能会对将其投入生产持怀疑态度。希望我们很快能看到扎实的第三方测试——随后还有开发者实验和修改——尽快出现。

        点击下方阅读原文查看更多有趣内容哦~

        阅读原文

        跳转微信打开

        •  

        人人都能学会的自进化 Agent 搭建指南

        原创 一泽Eze 2026-09-03 09:28 浙江

        Agent in the loop, context is everything.

        你想让自己的 Agent 工作流,每天自动迭代吗?

        是否发现用了一段时间的 Workflow、Skill,就会和实际需求脱节?

        今天,我们来聊「如何给自己搭一套自进化的 Agent 系统」。

        @一泽 Eze

         ㅤ

        Loop Engineering 这个概念,火了一段时间。

        核心理念是“不用反复提示 Agent,让 Agent 在运行中,具备「积累反馈验证信号-自我改进」的循环能力”。

        Image

        概念是真好,但因为落地复杂度,大多数朋友的实践还集中在 Coding 场景,远不及 Agent Skill “飞入寻常人家”的热度。

         ㅤ

        然,随着 Agent 产品普及、DS Flash 级的高性价比算力出现。

        搓一套「在日常使用中,自动收集反馈信号进化的 Agent Loop」已不再难事,使用场景也足够广阔:

        1)小到一套可自动改进的信源订阅系统,替自己每天推送更感兴趣的信息:

        Image

        Agent 在 Loop 中,无需人为迭代,自动收集群聊讨论、日报批注 → 按需增减监控信源 → 迭代日报呈现

         ㅤ

        2)大到一整个组织,业务数据指标异动,Agent 自己翻项目版本文档、会议纪要、群聊内容,给出归因报告。

        业务的每一条反馈批注,都会校准它下一次归因策略,报告越给越准。

        Image

        这些都是 Loop Engineering 理念在日常办公中的实践。

        只不过日常任务中,“什么是最好的成果”没有唯一答案。人类在正常工作中留下的批注、群聊讨论与使用反馈,是 Agent 自然的评价信号。

         ㅤ

        Agent in the loop, context is everything.

        借着飞书、豆包工作的上下文联动能力,本文将从「10 分钟手搓信源 Loop 系统」入手,包含:

        1. 1.手把手教你搭一套自进化 Agent 系统,全流程照抄就能跑
        2. 2.设计个人 Agent Loop 的思路,可以试用在你任何重复做的工作流上
        3. 3.识别 Agent 工具能力边界的方式,方便判断选什么工具、能搭多大的 Loop

        ➡️ 兼顾「只想上手即用」、「想了解 Context、Loop 理念」的朋友阅读。

         ㅤ

         ㅤ

        首先,Context 和 Loop 是什么关系?

        👉

        不需要看原理的,可以直接滑到后面,有手把手教程,能直接跟做。

        本节讲得比较通俗,已经剪掉了过于复杂且非开发场景用不上的部分。

        Context 即上下文,一个很宽泛的概念。

        从日常发给 AI 的消息,再到 Agent 运行时读取的文档、Skill、Memory.md 等长期记忆,以及 AI 产品背后的 System Instruction、Tool Description。

        Image

        它们都算 context。在 Agent 运行时被拼成长长的上下文,也决定了 Agent 在接到任务消息时的回应。

         ㅤ

        Loop 是 Agent 的不断循环。

        在自改进循环的系统中,Agent 自动进行循环,把上一轮积累的反馈信号写回 Loop。

        或以长期记忆回流 Context,或直接调优代码程序,目的都在于让下一轮 Loop 得到更优的结果。

        Image

         ㅤ

        聪明如你,不难发现:

        Agent 整个运行过程中,多数人容易管理的部分,正是 「任务过程消息 → 沉淀长期记忆,如 Skill、Memory、运行时必读文档」 这一环。

        (让我们姑且称这类只涉及 Context 循环优化的循环为 Context Loop)

         ㅤ

        想让依赖人类自然反馈的 Context Loop 真正跑顺,则需要同时满足三个条件:

        1. 1.人能完全顺手地留下反馈的痕迹:比如发消息、写批注、回邮件
        2. 2.Agent 有足够的工具权限,看到这些反馈痕迹
        3. 3.Agent 能够自主编辑长期记忆,也方便人类共同编辑

         ㅤ

         ㅤ

        如何设计 Loop 架构?

        在设计 Agent 工作流程前,让我们先设定最重要的几个体验预期。

        比如,作为示例的这套信源 Loop 系统,我希望它是这样的:

        Image

        1. 1.每天定时运行,按照预定的信源偏好,总结成日报,通过群聊直接推送到我面前
        2. 2.在阅读时,人类用户随手在日报里的批注、或在群里的反馈与话题讨论,都能自然作为反馈信号,改进下一轮 Loop 质量(因为足够自然,面向整个组织时,也不用改造这个信号反馈流程)
        3. 3.增加信源需求时,无需人为介入,Agent 自行找出新信息的采集方案

         ㅤ

        有了需求预期,才能去选能实现的工具组合。

        本文选择了用豆包工作来做 Case 示范,它与飞书的衔接度超出预期:

        •  ㅤ

          同一个账号,无需任何配置,直接能读到飞书的聊天消息、多维表格、文档甚至批注,也能代发与编辑。

        Image

        Image

        •  ㅤ

          整合了 Codex 备受好评的远程操控功能,方便远程管理 Agent

        Image

         ㅤ

        确定了体验预期与工具后,信源 Loop 系统的架构就清晰了:

        Image

        1. 1.飞书多维表格负责记录需求任务、信息采集入口;知识库文档负责同时承载日报模板、个性化精选规则,以及日报内容与反馈沉淀,是非常方便的 人-AI 实时数据写作面。
        2. 2.豆包工作内置的 Search、Fetch、本地运行脚本、Browser Use 共同负责信源采集(这个 Browser Use 好用的,和 Codex 体验接近)
        3. 3.整体由豆包工作的 Agent 执行,定时器触发,一个专门的 Skill 统合任务执行流程

         ㅤ

        你当然也能选自己喜欢的 AI 产品,不过就需要你自己按每个步骤调试了。

         ㅤ

         ㅤ

        👉 打造「自进化」的 Agent 信源系统

        0️⃣ 前置操作

        先下载「豆包工作」、「飞书」,这就不说了 🙂‍↕️

        建议你在豆包工作的左侧导航栏中,创建一个干净的项目文件夹

        Image

        Image

        然后模型档位,我在实操过程中,全程选择「自动、中等推理」,体感够用了。省点 token,加速执行。

        Image

        顺便解释一下:

        • ㅤ

          设置项目文件夹的原因:后续若有需要本地脚本采集方案的信源,对应的程序脚本,均可在此处统一管理。
        • ㅤ

          选择本地电脑,而不是云电脑的原因:因为必然有部分网页信源,需要 Browser Use 才能采集,豆包工作本地电脑的浏览器自动化效果很不错。

         ㅤ

         ㅤ

        1️⃣ 让 AI 创建监测任务表

        👍 从这一步开始,你开始正式打造自己的信源 Loop 系统了。

        发送以下 Prompt 给到豆包工作,创建用于监测任务的两张表:

        1. 1.监测任务:维护用户的监测需求
        2. 2.信息入口:按监控对象,如「OpenAI、DeepSeek」,维护其相关信源渠道

        ...

        我想搭建一套会随着使用和反馈逐渐变准的精选信源系统。以后,用户只需要说自己想持续关注什么,Agent 就会把需求拆清楚,找到合适的信息入口,确认可行的采集方式,再定期生成日报。并且可通过用户反馈,每日更新信源精选规则,不断优化 Agent 信源精选的准确度。
        现在,你的第一个任务是创建一个飞书多维表格“信源管理系统”,在里面建立两张数据表,作为后续运行的地基之一。
        第一张叫“监测任务”,每一行是一条可以独立新增、修改或暂停的需求,字段为:
        - 需求条目:主字段,单行文本;用来识别一条最小、可独立维护的需求
        - 监测对象:单选;用来汇总同一对象下的需求,也是后续分配 subagent 时的筛选依据
        - 监测要求:多行文本;说明具体想关注哪些变化,以后出现明确误判时也在这里补充必要边界
        - 证据边界:多行文本;说明什么来源或证据足以确认这条信息
        - 状态:单选,选项为“启用”“暂停”;决定当前是否执行这条需求
        示例:需求条目为“模型发布”,监测对象为“OpenAI”,监测要求为“关注新模型、重要版本升级及模型上线或下线”,证据边界为“以 OpenAI 官方公告、文档或官方账号为准”,状态为“启用”。
        第二张叫“信息入口”,每一行是一个可以独立检查的具体入口,字段为:
        - 入口名称:主字段,单行文本;用来识别一个具体的信息入口
        - 监测对象:单选;用来把入口归到对应对象,让 subagent 能与监测任务一起筛选
        - 入口地址:链接;保存实际访问位置
        - 渠道定位:单行文本;说明这个入口主要提供什么信号,例如正式公告、开发者更新、实时动态或招聘信号
        - 采集方式:单行文本;记录当前确认可行的主要采集路线,例如结构化接口、脚本或 Browser Use,不在这里展开完整操作步骤
        - 状态:单选,选项为“待验证”“启用”“暂停”“失效”;表示这个入口当前是否可投入运行
        - 上次成功检查时间:日期时间;作为下一轮查找新增内容的时间起点,只有检查成功后才更新
        示例:入口名称为“OpenAI 官方动态”,监测对象为“OpenAI”,入口地址为其官方 News 页面,渠道定位为“正式公告”,采集方式为“Browser Use 读取更新列表”,状态为“启用”,上次成功检查时间为最近一次成功运行的时间。这个示例只用于说明字段含义,实际入口和采集方式需要后续验证。
        两张表共用“监测对象”作为筛选和分组依据,不需要另外创建监测对象表。默认视图都按“监测对象”分组;再为信息入口建立一个“待验证”视图。
        完成后把表格链接发给我,并告诉我最终创建的字段和视图。
        这一步只创建空表,不添加正式需求和入口,也不创建日报、Skill 或定时任务。
        📍

        注意:现在用 Agent 时,其实用不着这么长的 Prompt,而且实际上也很难在复杂系统设计伊始,就给出如此完备的提示。往往是通过跟 AI 多轮交流,慢慢打磨出需要的结果。
        该 Prompt 也是我在实验过程中递归整理的完整提示,方便读者直接“抄作业”。

         ㅤ

        👉 豆包工作内置了多维表格、云文档、飞书消息等 Skill,能比较方便的一次性替你创建完成对应表格。(换成其他 Agent,虽然也能通过飞书 CLI 实现,但需要多一步终端配置授权)

        Image

         ㅤ

        Agent 所创建的飞书文档、表格,都归属在同一账号的飞书里 ⬇️

        Image

        所以方便你和 Agent 一起查看任务结果。打开后你能看到这样的多维表,这就是我们监测任务的长期 Context 规则了 。

        Image

         ㅤ

         ㅤ

        2️⃣ 按对象生成监测需求、采集方法

        搞定监测任务的数据载体后,就可以向 Agent 提出自己的「信源监测需求」,让它帮你拆成持久化的任务要求入库了。

         ㅤ

        在原对话输入以下 Prompt,AI 就会自动拆解需求条目,确定信源获取渠道:

        ...

        接下来请帮我把新的监测需求加入“信源管理系统”。
        请先读取其中的“监测任务”和“信息入口”两张表,理解字段和已有记录,然后问我:你想持续监测什么?
        收到回答后,请直接完成这件事:
        - 理解其中的监测对象和监测主题。监测任务表的一行,表示某个对象下面一项可以独立维护的主题;例如“OpenAI 的模型更新”是一项监测需求,不需要继续拆成发布、升级、上线、下线等多行
        - 按已经建立的字段新增或更新监测任务,避免产生重复记录
        - 围绕这个监测对象寻找能够覆盖该主题的具体信息入口,优先复用已有入口;对新增入口实际验证是否可以访问,以及适合怎样自动获取更新,再写入信息入口表
        验证采集方式时,请从轻到重逐级尝试,上一层能够稳定取得信息就停止:
        1. 优先使用现成的结构化入口,例如连接器、RSS、API、GitHub Releases 或提交记录
        2. 没有合适的结构化入口时,再尝试直接读取网页,或编写轻量脚本提取列表
        3. 页面依赖动态交互、登录状态,或前两种方式无法稳定读取时,再使用 Browser Use
        常见例子:GitHub 项目更新可以先检查 Releases 或 API;官方博客、更新日志和文档先检查是否提供 RSS 或其他结构化入口,没有再尝试直接读取页面或脚本;需要登录或高度依赖交互的网站,才考虑 Browser Use。这些只是判断示例,实际方案仍由你验证后决定。
        验证不能只确认“网址能打开”。请实际取得最近的内容列表,并确认至少能识别标题、链接、发布时间或稳定 ID,以便以后判断增量。没有实际跑通的方案,不要写成已确定的采集方式;可以保留为“待验证”。
        例如,我回答“我想持续监测 OpenAI 的模型更新”时,你可以这样理解和记录:
        - 监测任务:需求条目为“模型更新”,监测对象为“OpenAI”,监测要求涵盖新模型、重要版本变化以及模型上线或下线,证据边界以 OpenAI 官方公告、文档或官方账号为准,状态为“启用”
        - 信息入口:围绕 OpenAI 查找能够提供正式公告、开发者更新或实时动态的具体官方入口;例如先验证 OpenAI News RSS 是否能够稳定返回标题、链接和发布时间,再判断是否还需要其他入口补足覆盖。验证成功的状态设为“启用”,本次先不填写“上次成功检查时间”
        这个示例只说明需求如何落到两张表。实际采用哪些入口、使用什么采集方式,由你访问和验证后决定。
        除非存在会改变监测对象或主题的歧义,否则请自行判断并继续完成。最后告诉我你如何理解这次需求、写入了哪些监测任务、采用了哪些信息入口和采集方式。
        这一步不启动定时任务,也不生成日报。

        豆包工作会问你想要持续监测什么。

        你按照你的需求,自然描述即可,“帮我监测 OpenAI 的模型、产品更新,以及 Codex 重置预告”。(不用紧张,不用深呼吸,简单说需求就好了,现在的豆包工作还挺聪明的)

        Image

        输入后,无需其他操作,即可看到如下变化:

        •  ㅤ

          监测任务表中,以「OpenAI」为监测对象,拆分出了 3 条 MECE 的任务需求

        Image

        •  ㅤ

          信息入口表中,在 Agent 长程自动化采集实验后,登记了相关信息来源及采集方式

        Image

         ㅤ

        如果你有更偏好的信息入口与采集方式,也可以让 Agent 给你更换,直接和 Agent 说就好(不是说 Agent 给你选了 Browser Use 策略,你就必须用这个,可以像乐高积木一样随意局部拼接):

        Image

        豆包工作会对你提供的渠道进行验证后,并更新信源表内容:

        •  ㅤ

          需求表:

          Image

        •  ㅤ

          信源入口表:

          Image

         ㅤ

        附: 根据信源入口、采集方法不同,有时会受到网站登录限制,Agent 可能会需要你配合,帮忙在浏览器工具中登录,或者需要你授权对新信源验证,根据 AI 指示继续就行。

        Image

         ㅤ

         ㅤ

        3️⃣ 建立日报规则,跑出第一份日报

        Agent 工作流往往由大量环节组成,又因为模型生成的不确定性,需要做一点测一点,不然积💩成山,积重难改。

        ⬇️

        所以完善了采集方案后,别加太多信源需求,尽快先验证整套系统的最小闭环:根据信源管理多维表,根据日报生成规则,自动采集信息更新日报内容。

        发送给 Agent 以下指令:

        ...

        请创建一个飞书知识库“信源 Loop 系统”,作为这套系统长期文档的统一入口。
        目前只建立以下结构:
        1. 知识库首页
        用于长期维护整套系统的说明和文档索引,包括:这套系统解决什么问题、目前怎样运行;已有组成部分分别负责什么;指向各项正式资产的入口
        当前先在首页登记:
        - “信源管理系统”多维表格:维护监测任务和信息入口
        - “每日日报”目录:归档系统每天生成的日报
        以后新增日报规则、反馈日志或 Research Map 等正式文档时,再把它们补进首页索引。
        2. “日报规则”文档
        包含以下章节:使用材料索引、信息筛选规则、日报模板
        在“使用材料”中放入“信源管理系统”多维表格的直接链接,并注明:“监测任务”表决定需要关注什么,“信息入口”表决定去哪里获取。
        3. “每日日报”目录
        作为独立目录使用。以后每天生成一份以日期命名的日报,并统一放在该目录下级子文档。
        现在不要提前创建其他尚未实际使用的目录或文档。完成后把知识库链接发给我。

         ㅤ

        豆包工作将自动创建知识库:

        Image

        它会按要求填充 3 个核心文档,为后续 Agent 行动提供上下文指引:

        Image

         ㅤ

        接下来,让 Agent 先抓出一份日报看看效果:

        Image

        经过持续一段时间的长程任务执行,就能得到 Agent 给出的日报结果

        Image

        Image

         ㅤ

        ⬇️ 日报内容对应本周发生的事件(8.31-9.1),呈现在每日日报目录下

        ——信源日报小闭环验证成功 ✌️:

        Image

         ㅤ

         ㅤ

        附:如何调整 Agent 信源日报的格式?

        如果你对日报格式有自己的要求,可以让 Agent 帮你再做修改。

        1)建议先直接让 Agent 尝试调整日报本身

        Image

        很快能得到更加干净舒服的日报排版:

        Image

         ㅤ

        2)也记得让 Agent 帮你总结新的规则,固化在核心文档中,优化后续 Agent 任务行为

        Image

        发完要求后,就在日报规则中,看到 Agent 的调整:

        Image

        ✏

        其实和要求 Agent 优化 Skill 的逻辑差不多,思路都是一致的:
        每次任务会加载的上下文 = Agent 将遵循的任务指引,而 Agent.md、Skill、Prompt 都只是一种上下文的载体。

        3)对了,由于云文档的人、AI 都可读的性质,实际上也是人-AI 的 Context 共同协作面,所以也可以自己上手直接编辑,改动在 Agent 按下次文档执行时自动生效。

        Image

        除开这种主动修改的行为,后面 ⑤ 反馈 Loop 小节中,还会介绍更简单的、 Agent 自动根据群聊、批注的 Loop 改进方式。

         ㅤ

         ㅤ

        4️⃣ 设定时任务:日报每天自动出现在群里

        验证日报生成链路后,信源系统就很容易维护了:

        •  ㅤ

          增删监控需求?直接和 Agent 说即可——它会自己改监测任务表,连信源入口和采集方式都会跟着验证、更新
        •  ㅤ

          想调整日报的格式与内容?也直接说,或者直接在云文档里改「日报规则」——下一轮它就按新规则出

        至此,loop 的内容采集-生成层已经完整。

        下一步则是让我们的日报能够每天定时推送。

        而这就需要由定时任务 + Skill 机制,以及豆包工作与飞书的联动来完成。

         ㅤ

        1)自动生成每日信源 Skill,用于简化定时启动的 Prompt

        直接在原任务对话的基础上发送要求:

        ...

        接下来,我希望这套系统,能在每天早上 9 点,把当天日报自动推送到我的群里。
        请先创建一个 Skill,届时我将结合定时任务,用于指导该任务的自动定时执行。

        Image

         ㅤ

        即可得到 每日信源 Skill 的初版骨架 ⬇️

        Image

         ㅤ

        AI 会提示你指定一个发送的群,随意选择都可以,如「一泽与豆包工作 Bot / 部门信源监控群」

        Image

        豆包工作就会搜索到飞书内的该群 ID,更新 Skill 内容:

        Image

         ㅤ

        2)确定推送消息形态

        由于飞书聊天支持文本消息、长文内联消息、交互式卡片,可选的呈现方式多样,最好提前规定推送形态。

        我选了交互式卡片,直接和 AI 说“我需要推送消息以交互卡片形式呈现”即可,并要求其尝试推送今日信息作为示例 ⬇️

        Image

        Image

        这也是识别 Agent 工具能力的方法之一

        直接询问 Agent,让它自己读内置工具说明,告诉你它支持什么。有些时候可能有幻觉,所以必须要让Agent 先尝试一下,按结果来判断实际可行性。

         ㅤ

        最终实验出以下结果 ✅:

        Image

        • ㅤ

          不过豆包工作目前在发飞书消息时,没有自己的 ID 身份,只能以你的账号代发。
        • ㅤ

          当然也可以单独为豆包工作新建一个专属飞书账号,使得你可以把它以独立身份拉入各种群中。

         ㅤ

        3)最后是创建定时任务,支持最小间隔 15 分钟,同样在原窗口发送:

        Image

        自动完成定时任务的创建:

        Image

        🙂‍↕️ 自此,每天 9 点,你都能自动收到豆包工作为你筛选的信源日报了~

         ㅤ

        到这里,这个系统其实已经每天能够把你的信源日报送到群里。

        从日报系统本身来看,已足够完整,但它仍只是一个固定 Agent Workflow。它按照你给的规则、预设的信源需求而运行,并不能够自动按照你的阅读体验反馈而进行优化。

         ㅤ

        而我们真正的目标是达成自改进的 Context Loop ⬇️

        Agent 能够在每天的运行中,自然收集你以及其他读者对日报的反馈看法,使得它能够自动增减需求、筛选规则和呈现形式,变成一个越来越懂你的信源 Loop 系统。

         ㅤ

         ㅤ

        PS: 在开始下一步前,建议先让 Agent 总结一下监测任务与信息入口表的拆解与登记规则。

        后续当有反馈涉及增删需求时,即可按 Skill 自动完成表格维护。(复杂 Skill 的维护过程,想要写的阅读体验丝滑,太累了= - =,想来想去还是塞这里提醒合适)

        ...

        请参考我之前给你的指令,在 Skill 内增加多维表格中监测任务与信息入口表的登记规则,当用户有新的信源监测需求时,自动按之前的方式完成需求识别、采集方式验证与入表。

        Image

         ㅤ

         ㅤ

        5️⃣ 反馈的 Loop:让系统学会自己变好

        这一步的目标是让 Agent 能自己收集人类反馈,迭代下一次的行为:

        Image

        关键在于:人反馈的 Context 如何流动到 Agent 那里去?又该什么时候处理、处理成什么样。

         ㅤ

        以这个场景为例,飞书内常见的反馈输入途径是这几样:

        •  ㅤ

          直接在发日报的群里说:「今天的日报不错」「这条我感兴趣」「这个方向不用再盯了」,自然、低门槛;
        •  ㅤ

          在日报文档里直接批注:看到哪条觉得好,就在那条旁边写一笔;
        •  ㅤ

          单独提供一份问卷:让读者按固定格式反馈。

         ㅤ

        我更偏向群聊的自然发送和文档自带的批注。因为它们在阅读过程中顺手就发,不用专门填表。

        反馈越顺手,Loop 才越能持续。

        所以需要让 Agent 定时去总结群聊与日报批注中的反馈留言。譬如,我在日报中批注、在群聊中留言:

        Image

        Image

        借着豆包工作与飞书的联动,我所写的内容,自然能被 Agent 捕捉。

        再者就是自动循环。

        凭借豆包工作提供的「定时任务」功能,在每天抓新内容前,先整理前一天的反馈信息,进行 Autodream,就能把新的监控需求、采集方法、日报规则、模板更新在核心文档了。

        故使用以下 Prompt,让 Agent 补上日报反馈目录,并更新 Skill,要求每天定时任务都得先总结反馈信号 :

        ...

        请在“信源 Loop 系统”知识库中新增“日报反馈”目录,并把它登记到知识库首页。该目录用于按天保存从群聊消息和日报批注中整理出的反馈,每天建立一份以对应日报日期命名的子文档。(当天无反馈可不创建)
        并新增 Skill 规则:从下一次定时任务开始,每次运行信源采集前,必须先完成以下流程:
        1. 读取上一份日报发布后至本次运行前,群聊中与该日报相关的消息,以及该日报中的批注。
        2. 在“日报反馈”目录下创建当天的反馈文档,总结当天收到的日报反馈,以及根据这些反馈完成了哪些调整(谁、提出什么反馈、反馈处理结果)。
        3. 根据当日反馈文档,按照本 Skill、知识库核心文档,指引更新它所对应的信源 Loop 系统的正式资产,比如:
        - 涉及新增、修改或停止某项监测范围时,更新“监测任务”表
        - 涉及新增或调整信息来源时,完成必要验证后更新“信息入口”表
        - 涉及已有监测范围内更关注什么、哪些内容值得入选时,更新“日报规则”中的“选材规则”
        - 涉及日报结构、篇幅、图片、截图或链接形式时,更新“日报规则”中的“日报模板”
        向“日报规则”写入新规则时,说明它适用于全部日报、某个监测对象,还是某类监测主题,并放到对应位置。只有实际出现特定规则时,才新增相应的小标题,不提前建立完整分类。

        你就可以看到:

        •  ㅤ

          豆包工作在之前创建的 Skill 中,增加了「日报反馈流程」指引:

        Image

        •  ㅤ

          飞书知识库中也成功建立了日报反馈目录,来归档每天的反馈信号:

        Image

         ㅤ

        这时再让豆包工作,就能根据最新的指引,完成整个反馈-优化信源规则-再生成的 Loop:

        Image

         ㅤ

        1. 1.成功读取了我在群聊与批注中留言的反馈,形成了今日反馈总结

        Image

        1. 2.并根据反馈,在对应条目中,新增了监测需求与信息入口

        Image

        Image

         ㅤ

        1. 3.随后根据新要求,开始重置今日日报内容。还主动结合表中的「上次检查时间」游标信息,简化了有无新内容的判断难度

        Image

        Image

        ㅤ

        最终成功在日报中插入了推文截图(Seed 多模态 + Browser Use 神力 👍)

        Image

        🎉 至此,Loop 验证通过!可以为自己鼓掌了!

        恭喜你也为自己实践了一套自改进循环的 Agent 工作流,拥有了可以根据你 or 组织的留言反馈,自动「进化」的 Agent 工作流程了 ✅

         ㅤ

         ㅤ

        💡 加餐:个性化推荐机制

        上文因行文节奏,着重只讲了采集固定信息需求的方法,如“OpenAI 的模型更新信息”。

        但实际上,如果放宽要求,即使是同一组信源,这套 Loop 系统还能根据你的阅读喜好,自动推荐你可能感兴趣的内容。

         ㅤ

        譬如:

        •  ㅤ

          专心做 Agent 应用的产品同学,就多推“AI 应用新品”资讯
        •  ㅤ

          模型 Researcher,就多筛出模型训练相关的新论文
        •  ㅤ

          甚至你对某类“文风”、“调调”的内容不感兴趣,也能让这套系统逐渐熟悉你的偏好,为你筛选一二

         ㅤ

        那么怎么做呢?

        答案是在整个 Loop 中引入「内容推荐画像」的概念,比如你的职业、关注话题、喜欢的内容风格等。要求 Agent 在筛选监测需求之余,同样留意有没有值得额外推荐的内容。

         ㅤ

        同样准备好了可以直接照抄的提示词,你也可以根据自己的理解再做修改,发给豆包工作就好:

        ...

        请在知识库中创建一份「内容推荐画像」文档,用来记录我希望收到什么样的推荐内容,例如关注方向、判断偏好、喜欢或不喜欢的内容特征。同时更新「日报规则」:
        1. 每次生成日报时,读取「信源管理系统」中的监测任务,以及「内容推荐画像」和「日报规则」。
        2. 信息入口产生的新内容有两种入选方式:
           - 命中已启用的监测任务:作为监测内容进入日报。
           - 未命中监测任务,但符合「内容推荐画像」:作为推荐内容进入日报。
           同一内容同时满足两种条件时,只保留一次,并优先标记其命中的监测任务。
        3. 每日总结用户反馈后,按反馈所影响的对象更新对应资产:
           - 关注范围发生变化,更新监测任务;
           - 推荐偏好发生变化,更新「内容推荐画像」;
           - 日报的通用呈现规则发生变化,更新「日报规则」。

        你可以直接维护修改创建好的画像;也可以让 Agent 替你修改:

        Image

        大概会是这么个效果:

        Image

        这同样也是 Context 的新瓶装旧酒,就不再展开单独演示了。

         ㅤ

         ㅤ

        另外,如果你是老读者,应该还记得我之前做的 Web Access Skill,其中有提到过「站点经验」的机制。

        具体参考原文:Web Access:一个Skill,拉满Agent联网和浏览器能力

        「信源入口」表的采集方式字段,也在起着类似的作用。

        Image

        如果需要积累更完善的站点经验,让 Agent 操作更快更准确,或者直接叠加 Web Access Skill 来运行,当然也是可以的(感谢认可)

        同样要求豆包工作调整日报流程 Skill 即可:可以在本地新增站点经验文件 or 存在云文档中,或者直接要求遵循 Web Access Skill 来联网。

         ㅤ

         ㅤ

        🎐 写在最后:看 Context 是 Context

        走到这里,你可能已经发现了:

        这套 Loop 从头到尾,所有调整只围绕一件事 —— Context 的打通与循环。

        Image

        •  ㅤ

          Context 可以提醒 Agent 读另一段 Context:日报 Skill 引导 Agent 读知识库、多维表里的规则;规则引导 Agent 联网采集新闻。
        •  ㅤ

          Context 的来源与存储形态很多样:可以是本地文件、飞书群聊、文档、表格甚至批注。
        •  ㅤ

          Agent 本身还是 Context 的输出者:既可以输出日报,也能推送聊天消息;也能自己编辑给自己看的 Skill、规则文件,仅在 Context Loop 层上就足以自循环优化。

         ㅤ

        虽然本文只列了信源日报场景的 Loop 系统,但实际上放宽到 Agent 场景中,「信息 input」非常开放,你能接入的信息远不止这些。

        借助 MCP、API、CLI 生态,现在的 Agent 已经能够很方便的连接大量信息。

        比如,豆包工作积累了飞书等 IM 内的组织关系、讨论、文档和决策;也提供了连接器,方便访问邮箱、会议、同花顺、淘宝,和企业内部数据来源。

        Image

        而 Agent 对 Context 的处理结果,更不止日报这种形式:

        读时事,分析外部行业趋势;读会议纪要,帮你拆行动项、盯完成进度;接内部系统,做异常告警分析;整理客户信息,生成跟进建议。

         ㅤ

        设计 Agent,需要让自己到一种看 Context 不是 Context,但看 Context 是 Context 的状态。

        换一种输入 Context、换一种输出形态,就是全新的 Agent 工作流。

        定义好 Agent 体验预期、选好匹配的工具,好好设计每套 Loop 的自循环改进流程,就能让 Agent 自动捕捉你的每一次反馈,越用越合心意。

         ㅤ

        本来只是想分享一个教程,没想到还是絮絮叨叨到了 1w 字

        那就长文更新快乐,也感谢你的点赞,欢迎分享给你的朋友们 :)

        Image

        跳转微信打开

        •  

        奥特曼最新长访:OpenAI下一代模型,揭秘通用人工智能的下半场图景

        原创 Web3天空之城 2026-09-03 08:51 北京

        WebSkyCity

        奥特曼最新长访:OpenAI下一代模型,揭秘通用人工智能的下半场图景

        在人工智能的发展史中,我们正处于一个被敬畏与不安交织包裹的奇点。当全球都在屏息关注下一代模型何时问世时,处于风暴中心的OpenAI公司却做出了一个令人意外的决定:刹车。

        目录

        全局摘要和核心观点

        模型能力的飞跃与安全对齐的挑战

        预训练中的隐忧与行业动态

        赞助商信息与技术调整

        重新定义对齐:从安全故障到人类主导

        站在人类这一边:控制权与权力下放

        关于 AGI、超级智能与能力评估

        算力战略与环境反馈

        就业、内容创作与社会投资

        执行力、管理层变动与首席执行官角色

        智能体、电脑使用与隐私法规

        竞争、算力扩张与 RSI 的未来

        机器人愿景与个人设备隐私

        未来的愿景与最大风险

        全局摘要

        在本次深度访谈中,OpenAI 首席执行官 Sam Altman 详细阐述了公司在 AI 能力飞速演进背景下的战略抉择。他重点讨论了 OpenAI 为确保安全而推迟前沿强化学习(RL)训练的决策,反思了 Hugging Face 安全事件带来的启示,并阐述了对齐工作的核心原则——维护人类控制权与实现权力的分布式赋能。此外,访谈还涵盖了算力基础设施扩张、个人机器人愿景、隐私保护法案以及对 AGI 和超级智能定义的演变看法。

        核心观点

        • 安全优先于进度

          :模型能力的跨越式进步要求安全对齐工作必须同步、甚至优先发展。为此,OpenAI 不惜推迟前沿模型的训练任务。

        • 对齐的双重定义

          :对齐不仅是技术上的意图遵循,更是政治经济学上的权力分配,旨在防止权力过度集中。

        • AI 接口的演进

          :未来的 AI 将向主动式、跨平台的超级应用融合,具备人类水平的电脑操作能力。

        • 人类中心主义

          :尽管技术指数级增长,但未来的核心体验应保持人性化,AI 的目标是为人类提供更强大的杠杆,而非取代人类的自主性。

        01

        核心权力的博弈:为何我们选择暂时停下脚步

        在奥特曼看来,当前的智能演进速度已经到了令人“敬畏”的程度。这种速度不仅带来了技术的突破,更对现有的安全框架提出了前所未有的挑战。他坦言,由于模型能力的进步之快超出了预期,公司不得不改变工作方式。

        “至关重要的是,对齐、安全和防御能力必须与模型能力同步提升”。奥特曼指出。正是基于这种判断,公司推迟了一次前沿强化学习的训练任务。这在追求速度的硅谷显得极不寻常,但在奥特曼眼中,这是确保使命达成的必然选择。他回忆起此前发生的抱抱脸公司安全事件,将其描述为“如同科幻小说里的时刻”。那次事件揭示了当不同层级的漏洞被串联时,即便能力尚弱的模型也可能产生超出预期的负面影响。

        他强调,安全优先于任何公司的发展势头。“确保人工智能安全比任何公司的发展势头都更为重要”。这种克制并非因为业务停滞,事实上,该公司的商业增长极其迅猛,企业级营收已经超越了消费者业务。奥特曼认为,这种暂时的放慢是为了更稳健的奔跑,因为客户需要的是安全、可靠且稳健的产品,而非一个充满变数的黑盒。

        02

        从“意图遵循”到“权力下放”:重新定义对齐

        当谈及“对齐”这一术语时,奥特曼给出了两个层面的定义。首先是技术层面的意图遵循——即模型必须准确执行用户的指令,而不是产生“逃离沙盒”之类的意外行为。更深层次的对齐则关乎政治经济学:权力的分配。

        奥特曼坚定地表示,他站在人类这一边。“我们将把权力掌握在人类手中,这必须以一种分布式的、广泛赋能的方式来实现”。他警惕权力的过度集中,认为即便技术上解决了对齐问题,如果最终只有少数人掌握尖端智能,那也将是社会的灾难。

        他将人工智能比作现代文明的“晶体管”。正如晶体管创造了巨大的经济价值并扩散到全人类,奥特曼希望人工智能也能成为一种普惠的资源。“我们希望人们依然是故事的主角,但拥有了更强大的杠杆作用”。这种理念决定了该公司的部署策略:不是在实验室里闭门造车,而是通过持续的、迭代的发布,让公众在技术演进的过程中共同参与规则的制定与权力的分享。

        03

        智能体的终局:走向“懒人式”超级应用

        对于普通用户而言,未来的技术体验将发生质的飞跃。奥特曼展示了关于阿斯特拉模型在电脑操作能力上的突破。他坦言自己是一个“非常懒惰的用户”,不希望在不同的标签页 and 应用之间反复点击。

        “我只想说明我想要什么,我希望它能直接实现”。在奥特曼的构想中,未来的智能助手将具备人类水平的电脑操作能力,能够代替用户处理琐碎的表格、邮件和任务调度。这种“主动式”的计算机交互模式将彻底重塑人机关系。

        他预言,聊天助手与代码专家模型最终将走向融合。用户不再需要思考该使用哪种模式,而是面对一个通用的接口,提出需求,然后由后台的智能体去协作执行。这种进化不仅提升了效率,更让技术隐入背景。奥特曼分享了一个细节:面对一项复杂的任务,他只需告诉模型意图,然后去陪伴家人,等他回来时,一切已经准备就绪。这种“时间回赠”正是技术赋予人类的最高价值。

        04

        重塑物理世界:算力扩张、定制芯片与机器人

        人工智能的竞争正在从算法层延伸到物理现实。奥特曼承认,算力战略是实现通用人工智能愿景的关键。为了让全球每个人都能享受到顶尖的智能服务,现有的算力部署规模远远不够。

        他确认了公司在物理世界的野心,包括定制推理芯片的研发以及对机器人领域的重新投入。“我们一定会做人形机器人,因为这个世界很大程度上是为人类设计的”。奥特曼认为,只有让智能具备物理实体,才能真正解决厨房清洁、物资搬运等现实生活中的痛点。

        然而,在宏大的星际之门算力扩张计划背后,奥特曼也表达了对行业泡沫的担忧。他观察到市场上出现了一些盲目的算力建设行为。“我看到了一些属于不可持续的盲目行为的初步迹象”。他警告说,如果没有明确的营收支撑和买家需求,这种不计成本的扩张最终会导致财务崩盘。相比之下,他更看重如何通过技术革新大幅降低单位Token的成本,从而实现智能的规模化普及。

        05

        始终站在人类这一边:指数级增长中的人性留白

        尽管身处技术指数级增长的漩涡中心,奥特曼对未来的预判却带有一种温情的保守。他认为,即便超级智能出现,人类的生活体验依然会保持高度的相似性。

        “人们依然会和家人在一起,坠入爱河,发生争吵,拥有非常人性化的体验”。他认为,技术的进步是为了消除苦差事和辛劳,让人们有更多的自主权和财富去追求那些真正具有人性价值的活动。

        在访谈的最后,奥特曼再次强调了风险防范。未来一年最大的风险依然是安全保障。如果能在通往超级智能的过渡期,找到如何赋能于人、如何确保权力不被滥用的平衡点,那才是真正的成功。他对自己作为技术管护者的角色有着清晰的认知:在疯狂的竞速中保持克制,在不确定的未来中锚定人性。

        天空之城完整访谈整理

        OpenAI下一代模型,揭秘通用人工智能的下半场图景  

        模型能力的飞跃与安全对齐的挑战

        Alex Heath

        Sam,最近怎么样?

        Sam Altman

        在 AI 领域,这无疑是一个激动人心的时刻。模型能力正在迅速进步,我们看到人们正利用这些模型做出令人惊叹的事情。正如我们所讨论的,也正如我们预料的那样,模型能力的进步速度太快,以至于我们必须改变工作方式,才能建立起必要的安全案例、安全阈值标准、保障措施——无论你怎么称呼它——以便我们能够充满信心地继续进行训练。

        至关重要的是,对齐、安全和防御能力必须与模型能力同步提升。我认为我们最近经历了一个时刻,模型能力的进步之快,只能用“敬畏”二字来形容。我们需要更多时间来赶上安全对齐和防御工作的进度。这始终是我们工作的核心部分,但它们必须共同进步,我们确实需要时间来追赶。

        因此,我们推迟了一次前沿 RL 训练任务。在此之前,我们已经在过去几周里暂停并放缓了许多训练工作,以便将更多的算力投入到安全和对齐工作中。我认为这是件值得我们引以为豪的事情,未来当我们达到更高水平的能力时,这种情况还会再次发生。但当你亲身经历这一切时,你会意识到,这就是我们讨论已久的时刻,而现在它正在发生。

        Alex Heath

        亲历这一切是种什么样的体验?

        Sam Altman

        这一切甚至在 Hugging Face 事件之前就开始了。没错。那确实是一个令人感叹的时刻,就像科幻小说里写的一样。你可以理解其中每一个环节是如何发生的,但促成 Hugging Face 事件的诸多因素汇聚在一起时,即便我们此前已经讨论过相关议题,那依然是一个让人警醒的时刻,而其他公司发生的事情也同样证实了这一点——哇,AI 的能力水平已经达到了新的高度,而我们对模型的对齐处理以及围绕模型所建立的安全防护失效了。

        现在,我们将此视为一起意外事故并已做出相应应对,我认为这正是改进现有工作的方式。但也就是从那时起,开启了这几个月的全过程。随后,根据我们的准备框架,我们可能触及了网络关键临界点。接着在训练过程中,我们发现了一些问题,意识到我们需要更强的对齐保障,并且需要新的方法来取得更大的进展。但我对我们应对这些问题的方式感到非常自豪,同时也觉得,我们正身处其中,这种感觉有些奇妙——毕竟过去十年里我一直在思考这些问题,而现在它们真的发生了。而且,我们清楚该怎么做。

        预训练中的隐忧与行业动态

        Alex Heath

        在训练过程中,你们所有人看到的除了 Astra 之外、那种预示未来发展的东西是什么?似乎正是它引发了你们不想讨论的反应?我是说,我知道你们描述过 Hugging Face 的情况,大家也都了解 Hugging Face 事件,但在预训练过程中到底发生了什么让你们真正感到担忧?

        Sam Altman

        那并非单一事件。那是通过阅读大量样本,观察到某些行为与我们预想的并不完全一致,或者某些行为在结合其他因素来看令人担忧,尽管孤立地看这些行为或许尚可接受。所以,这不像 Hugging Face 攻击事件那样,有一个明确的“确凿证据”能直接指出这件事情很糟糕。

        我们无法指出具体发生了哪一件单一事件,而是存在不同程度的对齐问题,再加上——我认为这比任何单一数据点都更重要——当前模型能力的演进速度。老实说,在上一阶段的预训练进展中,我们的表现并非世界顶尖。我们突然之间在这方面变得如此出色,以至于现在拥有了这些能力非凡的模型。Aiden 和他的团队所取得的成就确实令人惊叹。

        Alex Heath

        因此,你们确实能指出一些细微之处。

        Sam Altman

        在我们的 RL 流程中,或者说,在对齐问题上,结合我们预见到的这些能力极其惊人的新预训练模型带来的影响。正是这种交集让我们希望以极其谨慎的态度做出反应。当然,我也不想过度夸大这一点。我不认为我们正处于那种极其关键的潜在灾难节点。

        但我同时也认为,随着风险不断升级,随着模型能力日益增强,基于我们的使命,以及安全性高于我们所面临的其他一切压力是何等重要,我们希望以极其谨慎的态度做出反应。我认为这是正确的做法。我认为我们这样做很好。我认为现在是一个放慢脚步的好时机,以确保我们能有新的安全案例来证明我们想要进行的运行是正当的。

        我认为,之前世界上的大部分风险在于模型是如何被部署和使用的。我们正在走向一个风险更大的世界。在模型实际的训练和生产过程中,做出反应固然是好事,但我也不想表现得过于危言耸听。

        Alex Heath

        没错,因为我认为人们看到了 Hugging Face 事件,看到了 Mythos 或 Fable 发生的事情,以及其他实验室领导者谈论这些话题的方式,他们便认为,我们似乎正处于世界末日的边缘。

        Sam Altman

        从某种意义上说,长期以来人们对 AI 一直持有类似的看法。所以,这就是为什么我希望能谨慎一点,不要过度夸大其词。

        Alex Heath

        我认为你可以回顾一下许多之前的模型,事后看来它们一点也不可怕,但当时人们却说我们正处于世界末日的边缘。

        Sam Altman

        我认为这里存在的“狼来了”的心理动力本身就很危险,而这并非我想要做的。我们正在努力去做的事情。但是,对模型能力的发展视而不见、假装无事发生是非常不负责任的。

        Alex Heath

        许多公司在过去几个月里经历了不同的网络安全事件。

        Sam Altman

        不同公司对此做出的反应确实存在很大差异。我认为,一种清醒、务实的应对方案应该是:我们将把安全置于一切之上,并随着模型能力的提升,将其视为日益重要的优先事项。这就是我希望每一位前沿 AI 开发者都能采取的态度。

        赞助商信息与技术调整

        Alex Heath

        这里面有很多值得深入探讨的内容,但我想明确一点,你们所看到的和 Hugging Face 经历的情况属于同一范畴,即通过串联零日漏洞实现模型间的协同作恶。比如,你们具体观察到了什么?能否更详细地说明一下是什么导致了你们内部所做的这些调整?

        Sam Altman

        我认为有必要指出,导致 Hugging Face 事件的模型,用 AI 发展的时间跨度来衡量,是一个相对久远且能力弱得多的旧模型。我们目前正在训练的新模型尚未进行部署,在任何可能导致类似情况的生产场景中都没有部署。

        所以,我并没有一个可以直接对比的案例,比如发生了 Hugging Face 事件,然后又发生了针对此事的更重大攻击。这里不存在涉及第三方基础设施的情况。

        Alex Heath

        不,完全不是。

        Sam Altman

        事实上,在 Hugging Face 事件之后,我们在监控智能体(agents)运行状态、沙箱机制,以及计算资源在监控与智能体运行任务之间的分配上,采取了更严格的控制措施。我认为这样做非常好,当然,我们也会对所有新事物采取同样的做法。

        话说回来,我认为资源重配置在 Hugging Face 事件后的放缓,是你所预料到的,或者至少是你应该预料到的。这更像是观察一个模型在训练过程中的表现,观察它变得多么聪明和强大,并监测我们在评估模型时共同关注的各种行为迹象。并不存在一种“看,所有这些东西都一起改变了”的情况。以及它具备的能力,这更像是观察这些不同的数据点、能力的水平、界限,以及如果允许它以某种方式部署——即让它能够把各项事物串联起来——它会产生怎样的影响。那才是令人担忧的。

        重新定义对齐:从安全故障到人类主导

        Alex Heath

        Hugging Face 事件在很多层面上都令人惊叹。昨晚我重温了你们团队关于此事的 Black Hat 演讲。有些事情让我感到无比震撼,比如模型在脱离控制并成功接入互联网后,字面上写着“天哪,我逃出来了”。这让我开始思考,在当前这种背景下,所谓的对齐究竟意味着什么?那么,我们究竟是在向什么目标对齐?因为如果看得直白一点,你们给它布置的任务是完成一项评估。而它为了尝试完成任务,做了所有需要做的事情。从某种角度来看,如果你采取一种非常简单的视角,这确实算是一种对齐。但我好奇,自那以后,你们关于对齐的思考是如何演变的?

        Sam Altman

        从一方面看这确实是对齐了,但从另一方面看,这完全没有对齐。当我们谈论对齐时,我们谈论的是遵循用户的意图,即意图本身。那些正在执行、运行该任务的人的意图,并不是要它逃离沙盒去窃取东西。

        没错。所以我认为这是一种对齐上的失败,因为它并没有执行其用户所预期的行为。我非常欣赏 Mia 及其团队讨论我们对齐工作的方式,他们对这些差异的界定非常明确。这些模型显然非常智能。如果你观察从去年 GPT-5 到 5.6 这种演进轨迹,会发现其能力进步令人难以置信。我认为人们不再像一年前那样感到受限于模型的智力水平,但他们越来越受限于模型理解其意图并可靠执行任务的能力。

        因此,对齐工作在多个层面都很重要,显然是为了避免我们现在所讨论的重大问题,同时也为了解决一些我们认为规模较小的问题。例如,某家公司采用 AI 并将其用于实现各种积极的增长,以及打造更好的产品。这看似并非小事,但从某种程度上讲,这同样属于对齐范畴。我认为,模型越能真正理解企业客户的意图,效果就越好。

        Alex Heath

        那么,你能更详细地解释一下研究团队正在进行的变革吗?你们是否正在将计算资源转向对齐领域?你们两个都更换团队了吗?

        Sam Altman

        确实如此。不仅是那些事,还有更多。在过去几周里,一些我从未想过会说“嘿,我决定要去从事对齐工作”的研究人员,都来跟我表达了他们的意向。这与对近期模型的感受并不完全一致。

        我们已经调动了大量算力,不仅用于对齐研究,还投入到了这些新的监控系统中;要知道,在 Hugging Face 事件之后,我们确实放慢了很多节奏。而原因之一正是为了将这些算力投入到监控系统中。我们现在推迟了一次重要的前沿模型运行。

        Alex Heath

        这是你们第一次这样做吗?我想是的。你认为这会对公司的发展势头产生什么影响吗?

        Sam Altman

        首先,确保 AI 安全比任何公司的发展势头都更为重要。所以我不会假装这完全不需要考虑,但它还没到值得大惊小怪的地步。我认为在我们关于此进行的所有对话中,人们都表示:伙计,这确实是一个全新的能力水平,我们必须果断且负责任地采取行动。

        其次,我认为目前商业上的发展势头非常强劲。增长速度极其迅猛,模型表现非常出色。我们的客户对此非常满意。我们的企业营收已经超过了消费者业务营收。大家都在说:这家公司目前状态极佳。我会对此进行思考。让我们针对眼前的挑战做出正确的决策。

        Alex Heath

        当前的模型仍有巨大的开发潜力,因此即使暂缓推进前沿技术也并无大碍。

        Sam Altman

        不仅如此,即便我们不再发布任何新模型,仅凭现有的模型也足以打造出色的产品并创造相应的营收。在达到我们所讨论的那个新的担忧层面之前,我们还有更多模型准备就绪,可以随时发布。

        所以我目前并不担心我们的业务,而且我认为这也不是最紧迫的考量。我们的商业团队 baby 产品团队所做的工作,再加上模型方面取得的惊人进展,使得我们近期表现非常强劲,且未来势头十分迅猛。这是一个关于 future 模型的表态。此外,我认为确保拥有安全、可靠、稳健的 AI 也符合我们的商业利益。客户需要这一点,世界也期望我们这样做。

        Alex Heath

        因此,这不会影响 Astra,即你们最近一直在谈论的即将推出的新模型系列。

        Sam Altman

        Astra 将会是该系列中的一个模型。就像会有许多版本的 Seoul 一样,未来也会有许多版本的 Astra。它只是作为一个更昂贵、更大规模模型类别的名称。这会影响 Astra 的未来版本,但我们已经能够发布一些我们认为在安全层面可以放心使用的模型了。

        Alex Heath

        新模型的发布节奏在过去 18 个月里似乎加快了很多,你们、Anthropic 以及其他公司几乎每个月都在推出新产品。当你们的竞争对手也看到这些能力并采取类似行动时,你预计整个行业会开始放缓吗?还是说你认为只有你们会这样做?

        Sam Altman

        我们会做我们认为正确的事情。我不认同这个领域中那种因为别人会做,所以我们也必须去做的想法。我认为那是一种非常危险的动态。

        Alex Heath

        但你承认这是一种动态。

        Sam Altman

        我们并没有去询问其他人:如果我们放慢脚步,你们是否也会这样做?我们只是说,这就是我们的使命和安全标准所要求的。我无法评价其他人。所以我们会做我们认为正确的事情。

        但我认为,即使没有新的能力水平,我们也可以继续推动产品体验实现显著提升。正如我们过去面临其他安全和对齐挑战时所做的那样,我们会在历史上多次经历的情况下,找到应对的方法。虽然没有这次这么重大,但我们曾多次找到解决问题的方法。我们将继续专注于我们的研究、软件开发和系统构建工作。我们将继续前进。

        Alex Heath

        对于你们现在的应对反应,有没有什么事情让你觉得,天哪,这件事本应该早点发生?我们本应该预见到这一点。或者说这真的是前沿领域中一个如此未知的地带,以至于你们无法更早做出反应吗?

        Sam Altman

        我们长期以来一直在做大量工作。没错。我认为对齐和安全工作一直是我们工作的核心,而且我认为多年来,在我们向世界推出产品的过程中,我们一直能够在那方面产出极其出色的成果。我们是否能够准确预测这种能力飞跃会在何时出现?以我的经验来看,恐怕不能。你可以大致勾勒出宏观层面的发展轨迹,但当突破真正到来时,这总是很难预测。

        站在人类这一边:控制权与权力下放

        Alex Heath

        那么,这背后的指导原则是否在于,人类——在这种情况下是指你们的研究人员,但随着模型普及,最终是指全人类——必须在每一步都拥有控制权?比如,你们所遵循的对齐原则是什么?

        Sam Altman

        原则有很多,但我认为这并不是你问题的核心所在,所以我不会深入探讨,比如我们是如何考虑网络安全之类的。这就是我考虑生物安全的方式。就像把视角拉到最远一样,我们非常自豪地站在人类这一边。

        我们希望构建一个未来,帮助人们构建一个未来。我们希望为人们提供工具。我们希望人们能利用这些工具去完成各种事情。我们希望人们能掌握未来的主导权。我们希望个人拥有与彼此共同创作的自主权,希望社会变得更好,但这一切必须从根本上是人类的事业。将一切自动化看起来既危险,又极其反乌托邦,还很枯燥乏味,令人沮丧。

        简而言之,那不是我们想要的。所以当我们谈论对齐时,我们所谈论的是这样一个世界:人们依然是故事的主角,但拥有了更强大的杠杆作用。以及让生活变得更美好、更快捷,且对每个人而言都更具创造性、更令人愉悦和充实的能力。我认为,关于对齐有两大核心原则。

        第一点,正如你所提到的,人们必须保持控制权。我们不能对 AI 失去控制。我们不能盲目崇拜我们的模型,也不能在不加审核的情况下信任它们,让它们替我们做决定。我们必须将权力掌握在人类手中。

        第二点是,这必须以一种分布式的、广泛赋能的方式来实现。我认为权力的集中是不好的,即使对齐问题得到了解决,如果最终出现一个只有少数人能使用 Frontier AI 的世界,且他们拥有相对于其他人而言巨大的权力,这种权力的增长速度远超常人,那也将是糟糕的。因此,我认为这就是对齐的两大核心原则:即不丧失控制权(或者如果你愿意称之为对控制权的维护),以及让每个人都能获得广泛的分布式赋能。

        Alex Heath

        与此同时,毕竟你们是一家公司。你们有一个非营利性董事会,你们有使命,但你们同时也是一家营利性公司。你如何在你所谈论的这些理念与公司性质之间取得平衡?我认为从纯粹的资本主义视角来看,如果你创造了这种全能的上帝机器,为什么要将其拱手让人或实现民主化呢?

        Sam Altman

        我认为你可以审视我们的行动、我们的言论以及我们所做的一切。而且,我们现在已经有很长一段时间的记录可循了。在这一过程中,我们做了许多并不受欢迎的事情。事实上,即便是最初的迭代部署策略,也曾遭到 AI 安全社区的广泛批评,他们认为我们不应该向世界透露这些信息。这被认为是糟糕的,我们需要在秘密中构建它。对于世界而言,这掌握了过多的知识。随后我们会让一些智者弄清楚如何使用它,并将这些成果回馈给人类。那从来都不是我们的策略,即便是在它非常不受欢迎的时候也是如此。

        我最喜欢的关于技术的历史类比,也是我期望我们能像的技术,就是晶体管。它曾经是,现在也是一项对世界极其强大的技术。它创造了巨大的经济价值。不仅是经济价值,我认为我们生活方式的改善也得益于晶体管的发现 and 工业化。但晶体管公司从中获得的价值微乎其微,价值主要扩散到了整个经济体系中。晶体管公司表现得还不错。

        Alex Heath

        我认为我们的过往记录已经证明了这一点。所以,你们不应该发展到拥有如此强大的模型,以至于不得不由你们亲自去控制它的地步。

        Sam Altman

        你们总会保留一定的控制权,而且事实上你们是通过计算资源来提供服务的,但我们希望在不让任何人代表他人承担灾难性风险的前提下,最大限度地赋能用户。所以我们会围绕它制定一些安全标准。但我希望人们能够利用我们的模型去做一些我个人并不喜欢的事情。我认为这是作为一个平台的重要组成部分。我不认为我们应该在这里为世界做出那种道德判断。

        现在,我认为世界期待我们为此设定一些护栏以避免出现重大安全问题是合理的,正如我们目前正在做的那样。但是,我们收到的大多数批评都是说你们赋予了人们太大的权力。你们让他们拥有的东西太多了。关于虚假信息怎么办,或者这个怎么办,那个怎么办?而我们秉持的精神是,世界必须在这里获得赋能。这对于我们的工作至关重要。这对于我所认知的健康且公平的社会样貌至关重要,而且,正如言论自由或任何其他形式的自由表达一样,总有人会对他人使用或表达的方式感到不满。

        Alex Heath

        回顾过去九个月以及这段对齐工作,有什么是你希望你们当时能做得不同的吗?很明显 Hugging Face 那件事本不该发生。

        Sam Altman

        是的。所以我希望我们当时采取了一系列措施,虽然我现在还不确定具体应该是什么。但我确实希望我们当时做了一系列准备,以防止那种情况发生。

        Alex Heath

        因为实际上发生的情况是,你们的一个未发布模型意外地攻击了那家公司,而且你们有一段时间对此并不知情,这听起来像是一次安全故障。

        Sam Altman

        那确实是一次安全故障。关于这在多大程度上应被视为安全问题还是对齐问题,还存在争议。我认为目前的报道大多将其归类为安全问题。但我个人认为,这更多是一个对齐问题。

        但无论如何,那确实是一件坏事。我不希望我们为此寻找借口,因为我不认为那是解决问题的方式。如果我们越是表现得像是在说,我们可爱的小模型,它绝不会做任何坏事。比如,只是配置错误或是阀门和线束的小问题,没关系,这依然是个可爱的小模型。

        Alex Heath

        如果我说出这样的话,我想你们应该意识到,这真的很糟糕。

        Sam Altman

        是的。但我们对此的表述是,这是一起真正的 AI 安全事故,也是一次对齐失败。

        Alex Heath

        我们绝对不能再让这种情况发生。

        Sam Altman

        所以我们将从中吸取教训,以下是我们正在采取的不同举措。

        Alex Heath

        围绕 AI、政策以及相关利害关系的言论,正处于前所未有的高点。这种紧迫感似乎在持续攀升,正如你所提到的,有些竞争对手正以一种非常自上而下的方式来界定这一议题。人们对 AI 有很多强烈的看法,尤其是在美国。我很好奇,就你现在所谈论的这些,你是否担心这会加剧那种情况?你是否会担心人们产生的这些恐惧?而且,你现在提出我们拥有这些模型,必须放慢开发速度。

        Sam Altman

        我认为人们应该为听到这些感到高兴,不是吗?他们希望做出更强有力的安全保障。他们将推迟这次模型运行。他们将在这里放慢脚步,并将重新分配算力。也许我不相信他们,也许这最终会变得非常安全,但我希望大多数人会说,很高兴他们在这里采取了保守的做法。

        如果我们在做这些事情的同时,没有那样的过往记录——即真正致力于将强大的模型交到用户手中,并完成我们所必须做的安全工作——那么,我依然认为我们自始至终都在引领行业。这就是我们使命的核心部分,将这些技术交到人们手中,造福全人类,秉持迭代部署的精神。我认为我们在这方面有着如此稳健的过往记录,如果没有这一点,我对此是可以理解的。

        但是,如果我们说,我们需要多一点时间,我们不想陷入一场不安全的竞争。我们希望确保能交付一款安全、稳健、可靠的产品,然后让你随心所欲地使用它。而且,我们相信我们超过十亿的用户有权这样做。我们相信我们的企业客户有权获得商业安宁和商业隐私。我们希望他们取得成功。我们希望他们能以任何可能的创意方式使用该模型。但你要知道,安全是我们使命中不可或缺的一部分。所以,请在这方面给予我们一些宽容。我觉得这没问题。

        Alex Heath

        好的。你能具体说明一下被暂停的内容是什么吗?因为我觉得人们一提到训练,就会想到所有相关的工作。

        Sam Altman

        是的。所以我们绝对没有放慢、暂停或推迟所有的训练。这具体是指前沿领域的 RL 运行。

        Alex Heath

        好的。

        Sam Altman

        即我们认为目前风险面最大的领域。此前,我们曾推迟过一些其他训练,以便对训练运行本身加强监控。但这并非训练的全部。并不是说我们的计算集群就闲置在那里。我们仍在进行相关工作,但我们专注于那些在安全论证上更有把握的工作。

        Alex Heath

        你似乎并不担心暂停训练所带来的影响,听起来你认为业务不会受到太大冲击。我相信你仍然会收到来自各方的担忧。但这确实看起来是某种程度上的减速。

        Sam Altman

        听着,我认为外界对我有一种刻板印象,觉得我不在乎 AI 安全,只是为了增加营收,正如某人曾形容的那样,是一个随心所欲的 YOLO CEO。

        Alex Heath

        确实有人这么说过。

        Sam Altman

        Dario Amodei。我不记得具体是谁说过的了。不过,我想我确实看到了这一点。

        Alex Heath

        我为你做这件事。

        Sam Altman

        谢谢。但我认为在 OpenAI 过去 10 年,超过 10 年,接近 11 年的时间里,我在谈论风险、收益以及平衡二者必要性方面一直非常一致。而且我不认为我们是完美的。我不认为我们的公司是完美的。我不认为我们的模型是完美的。我不认为我自己是完美的。

        与其他负责各类 AI 项目的人不同,正如我所说的,我的言行始终保持一致。这就是我们一直谈论的时刻。我们一直说,我们会把这一点置于利润、收入或其他任何事物之上。我仍然认为我们将建立一家极其成功的公司。但是,也许我们并不是那家公司。你本以为会有人说,我们要放慢脚步,因为我们看到了这些新的风险。但这始终是我们认为我们所是的那个公司。

        关于 AGI、超级智能与能力评估

        Alex Heath

        你最近对 AGI 感觉如何?

        Sam Altman

        往好了说,你可以说它是一个非常糟糕、定义模糊的术语。我本来想说它就像一个无关紧要的营销术语。

        Alex Heath

        据我上次了解,OpenAI's Charter 将其定义为一个高度自主的系统,在大多数具有经济价值的工作中表现优于人类。

        Sam Altman

        我认为有很多人审视当前的模型时会觉得,它已经达到了这个水平。

        Alex Heath

        是啊。你认为它达到了吗?

        Sam Altman

        算是吧,至少很接近了。我……

        Alex Heath

        我听说过关于你们团队成员观点的不同说法。

        Sam Altman

        我想很多人审视我们最新的内部模型时会说,这非常像 AGI。我认为也有人会说,你看,这是我能指出的它做不到的事情。它在这方面真的很差,而且并没有达到 AGI 的程度。

        但如果你观察人们在使用例如五、六个 Seoul 时获得的价值,更不用说我对人们从 Astra 那里获得的期待,如果你看看人们是如何彻底改变了他们提高工作效率的能力、从事新事物的方式,或者只是在个人生活中以各种美妙的大大小小的方式使用它。比如,你会听到有人说,我获得了这个救命的诊断,否则我无法获得。我用这个 ChatGPT 进行了一次长达 34 小时的工作会话,阅读了 2,000 篇论文。

        Alex Heath

        34 小时?

        Sam Altman

        我听说过比那更长的。但没错,许多人可以让它运行超过一天。如果你说比如阅读你能找到的所有论文。还有人说,我筹划了我蹒跚学步孩子的生日派对,它处理了所有琐事,协调了当地供应商,还为他找到了一个特别的蛋糕。

        Alex Heath

        还有……我原本需要预约邮局上门取件,但我不想填写邮局网站上的表格。于是我就直接让 Codex 帮我填了。

        Sam Altman

        而且它做到了,做得可能非常出色。

        Alex Heath

        我把包裹放在门口,第二天就被取走了。类似这样的事情。这看似是小事,但在过去这需要我 20 分钟的时间。

        Sam Altman

        我理解这一点。现在我随时都能获得这种节省 20 分钟的小胜利。所以,你想想看,如果能回到 2020 年,拥有一个系统,让你在生活的各个方面都能获得 20 分钟的效率提升,还能探索新科学、协助你创办一家完整的公司并编写复杂的代码,那会怎样。你会称之为 AGI 吗?你大概会这样认为。

        Alex Heath

        就像你所宣称的那样,这有什么意义吗?

        Sam Altman

        我认为这并不重要。没有任何意义。

        Alex Heath

        这只是因为太有趣了,就像我们在你们所在的这栋研究大楼里,当你走动时,墙上写着我们在构建 AGI。但这终究是一件你一直在构建的事物,它不再是一个终极状态了。听起来是这样吗?

        Sam Altman

        我不想说我们已经在 AGI 这个问题上宣布胜利并继续前进了,但我认为如果你听听人们使用的词汇,他们更多谈论的是这种超智能的持续提升,以及它将如何造福世界及其带来的挑战,而不是讨论我们是否处于 AGI 阶段。我在食堂的餐桌上已经很久没有听到过关于我们是否处于 AGI 阶段,以及我们何时能达到这一目标的辩论了。

        Alex Heath

        但随后,没错,超级智能这个词现在流行起来了,那些不关注 AI 的人会觉得,现在又有了新花样,我们就像是改变了目标,现在开始谈论超级智能了。Sam,在你看来,今天你如何区分 AGI 和超级智能?

        Sam Altman

        AGI 感觉像是一个里程碑,而超级智能感觉像是一种可以无限扩展的东西。无限扩展。没错。所以它并不是某种最终的、全知的存在,在这方面永远不会有最终定论。

        我是说,再次重申,这就是为什么所有这些术语都很愚蠢。有人以一种方式使用这个词,有人又以另一种方式使用这个词。所以有些人可能将其视为一个明确的、可理解的里程碑,还有些人可能将其视为一种能够无限扩展的事物。我认为这一切的核心不在于任何里程碑或术语,而在于我们正处于能力与潜力呈指数级增长的阶段。而且这种趋势看起来还将持续下去。

        Alex Heath

        你看不到任何指数增长放缓的迹象。高处不胜寒。因为这会带来一系列影响,比如算力基础设施的扩建,以及其他方方面面。每个人都在等待增长放缓的信号。我想,或许你可以将我们必须放慢前沿模型训练速度这一事实理解为一种放缓,但这听起来并不像……

        Sam Altman

        那并非能力的放缓。那恰恰是放缓的反面,即你所理解的放缓的反面。没错,没错。

        Alex Heath

        但如果要在当下由 AI 构建的这种“积木世界”中寻找任何令人担忧的理由,你看到了什么?去年经历过一段困难时期,其中一个好处就是你能真正体会到好时光有多宝贵,也能真正感受到当企业全速运转时,那种感觉是怎样的。

        Sam Altman

        鉴于我们在研究方面所见,即使面对安全性和对齐挑战,以及我们解决这些问题的能力,还有看到团队在产品、计算资源扩建以及所有汇聚在一起的各个环节上展现出的凝聚力,旨在让 AI 变得普及且低成本,并贯穿我们的市场进入机制、合作伙伴关系以及所有协同运作的要素。我们在各个环节都可能搞砸。

        而且,我不想表现得过于自信,因为我们过去显然有过磕绊,未来也会有。但摆在我们面前的潜力,观察模型从 5.4 升级到 5.5 再到 5.6 的过程中所发生的一切,以及我们从新模型获得的早期反馈,还有审视我们在产品改进方面的计划,看着营收的增长,看着计算资源建设的推进,我对这一切都感觉非常好。

        Alex Heath

        所以你觉得情况并非如此,毕竟外界有很多人认为 Anthropic 已经遥遥领先、他们的错误率更低、他们会率先进行 IPO,而你似乎在暗示,从外界视角来看,人们或许还无法完全洞察未来即将到来的增长潜力。

        Sam Altman

        我可不想互换立场。

        算力战略与环境反馈

        Alex Heath

        虽然我们对此讨论不多,但你们似乎正处于算力战略下一阶段转折点的核心位置,并且正在真正进行大幅升级。

        Sam Altman

        是的。

        Alex Heath

        事实上,我很想听听你对最初构想的 Stargate 1 的回顾,以及在重启该项目过程中你们学到了什么,还有你们目前所走的道路?

        Sam Altman

        首先,我应该谈谈为什么我们必须这样做。我们的使命是确保 AGI 造福全人类。目前,只有极少数人使用的 AI 远超其他人。如果你设想一下,我们要让全球每个人都能使用相当于当今前 0.001% 的 AI 用户所享有的算力,那么当你坐下来深思时,你会意识到:我们目前的算力部署方式根本不对。

        几年前,我们在算力上进行了一次雄心勃勃的押注,当时人们认为这既愚蠢又无法实现。这是一个正确的押注。我认为我们有必要再次做类似的事情。

        Alex Heath

        再次?是的,所以这意味着需要投入更多的资本。

        Sam Altman

        我指的不是这个,尽管确实也涉及资本投入。要弄清楚我们如何大幅降低 AI 的成本,并显著提升其可用规模。所以这更像是一个技术层面的表述,而非财务层面的。

        Alex Heath

        这就像你们正在研发的那款芯片一样。

        Sam Altman

        那是一个很棒的例子,我认为那确实是个很好的例子。机器人技术,我认为提高供应链速度的能力将非常重要。

        Alex Heath

        你谈到要为全世界的每个人提供 AI。对于现在那些不想要更多 AI 的人,你会对他们说什么?他们希望 AI 越少越好。他们厌恶自己社区里的数据中心,无论是你们的还是其他公司的。我在接触青少年时经常看到这种情况,他们就像是完全不愿触碰任何 AI 服务。

        Sam Altman

        他们仅仅出于原则就不使用 ChatGPT。

        Alex Heath

        现在有一种积极的反 AI 趋势。他们对数据中心的反感程度,相较于对 ChatGPT 的反感程度,究竟孰轻孰重?这纯属轶事经验。我认为对人们而言,数据中心是一个巨大的问题,他们确实将其视为一个问题,这是他们所不愿见到的。

        此外,人们认为 AI 是浪费的,它并未带来你所读到的关于耗水量等方面的价值——尽管这些说法已被证伪。但他们所获得的价值确实存在。也许这就是我们所讨论的,大多数人并没有在使用智能体,大多数人都没有,但这就是答案吗?

        Sam Altman

        总的来说,我认为让人们喜欢某样东西的正确方式是为他们提供价值。在 ChatGPT 出现之前,人们可能认为 AI 是一个非常抽象的概念,而突然之间人们可以使用它并发现了它的价值。

        现在,我认为很多人仍然认为 AI 仅仅就是 ChatGPT,他们不知道 AI 还可以为你处理邮局、表格以及提取物品之类的事情。如果很多人随着时间的推移使用这些功能,并意识到它不仅仅是更好的 Google 搜索,也不会像传闻那样消耗和破坏大量水资源,那么人们的热情会更高。但我认为这一领域的发展速度太快,需要时间才能在社会中普及。确实有很多人在使用 AI,据我所知,这是历史上普及速度最快的技术,许多人正从中获得巨大的价值。

        而且,我接触到的样本存在偏差,但我确实听到了更多这样的反馈。人们更多是说“我能够治愈这种可怕的疾病”,而不是“我认为 ChatGPT 正在耗尽世界上所有的水”。这种情况显然也存在。在如何让这些产品更易于使用并让人们获得更多价值方面,行业确实还有工作要做。

        我看到关于 ChatGPT 用水量的说法流传很广,大意是说每次运行一次 ChatGPT 查询,就好像你打开淋浴喷头跑了六个小时,水一去不复返,完全浪费了。我手头没有精确的计算数据,但我认为真实的数字大约是这样,这是凭记忆说的,可能不准确,但大体接近:每 38,000 次 ChatGPT 查询所消耗的水量,相当于在加利福尼亚州生产一颗杏仁所需的水量。这确实是基于全面且完整的真实水资源核算,而不仅仅是单一数据中心的耗水量。

        人们会质疑这种说法从何而来,因为那些一次吃掉 12 颗杏仁的人,在大多数情况下并不会觉得自己在水资源利用方面做了什么可怕的事情。诚然,数据中心在某个时期曾使用过蒸发冷却技术,但这种情况已经很久没有出现了。如果你观察一个现代化的大型数据中心,其耗水量在办公用水方面,比如人们使用洗手池、厕所等设施的规模上,其实与一栋普通办公楼相当。因此,这已经成为一个根深蒂固的迷因,虽然很难辟谣,但我认为它经不起任何审视。

        就业、内容创作与社会投资

        主持人

        另一个普遍担忧是它会取代我的工作,会取代我。我认为这些担忧和水资源问题的性质类似,即它会取代我、窃取我的内容,并且没有将价值回馈给我。但有趣的是,人们并不担心能源问题。

        我会把能源问题归类为与水资源问题同一类,这种消费,资源消耗。

        山姆·奥特曼

        在就业方面,存在两种观点。其一,我认为这将会产生实质性的就业影响。我不认为这会导致人们无事可做。我不认为人类的工作方式会变成那样。我们天生就习惯于关心他人,并渴望与他人共事。随着世界的发展,我们对人们的需求有着极佳的直觉。我认为这是一种本质上的人性特质,无论 AI 变得多么聪明。

        但这并不意味着工作岗位不会发生转型。而且,正如每一项技术出现时一样,有些事情会被技术做得越来越好,随后人们会转向更有希望的、更好的工作。这种情况已经持续很长一段时间了。我并不希望剥夺所有的技术,让我们重回田间辛勤劳作的状态。

        另一方面,技术对就业的影响比我预期的要小,甚至比我所希望的还要小。例如,我认为我们都应该希望人们能获得更好的工作,我们都应该希望人类的苦差事和辛劳能得到解决,但也许在目前的技术水平下,这方面做得还不够,或者没有达到我们预期的程度。我认为这实际上是对 AI 行业的一个合理批评。关于内容剽窃这一点,我实际上已经没怎么听到过这种说法了。

        主持人

        我认为这更多是在内容创作者群体中才会看到的现象。在社交媒体上看到这类内容相当普遍,你懂的。此视频制作未使用 AI 或类似技术。

        山姆·奥特曼

        我坚信未来将会出现创作新型艺术的新型内容。我记得曾经回顾过人们在相机刚发明时发表的一些言论,谈论它将对画家产生什么影响,在那时,我认为人们并没有把摄影视为一种新的艺术媒介。事实上,我可以相当肯定地说他们当时确实没有那样认为。

        我认为未来会出现新型的内容创作。而且,我们也可能根本不在意其中大部分内容。我们与创作者的关系可能更多地是关于他们作为人的本质,而他们是否利用 AI 去制作更好的视频或其他内容,这并不重要。

        主持人

        你认为你们的基金会——根据我所看到的,它可能是世界上资金最雄厚的——能在社区参与方面做更多工作吗?特别是在内容创作者方面?不,我是指更普遍地去应对这种非常负面的情绪,并表示,我们会站出来建立图书馆或做其他类似的事情。工业革命中有很多关于人们如何重新投资其财富的经验教训。

        山姆·奥特曼

        我认为我们能做的最重要的事情是开发出对人们有用的优秀 AI 产品,确保权力和经济权力继续在全球范围内扩散,让人人都能获得这些工具并享受其带来的红利,我们要倡导我们所见证的一切。其次,当然,我认为我们应该对社区进行更多投资,且我相信 AI 将能实现这一目标所需的大规模富足。

        我真心认为,当我们将这项技术交给那些为了自身社区利益而使用它的人们手中时,我们将见证其产生变革性的强大效益,而不是由我们来指手画脚地告诉他们什么是图书馆,什么是学校。

        执行力、管理层变动与首席执行官角色

        主持人

        你说我们过去12个月的表现并非史上最佳,这主要归咎于但我们即将迎来表现最好的12个月。你这话是什么意思?

        山姆·奥特曼

        迄今为止最好的12个月。迄今为止。我认为作为一家公司,我们显然犯了一些错误,这种情况会周期性地发生。试图进行一系列押注的一部分原因在于,有时成功率会高一些,有时会低一些。

        但我认为无论是在产品方向上,还是在具体的研究预训练方面,我们都落后于预期的目标。我认为我们现在的执行力不仅是公司史上最强的,也是这一领域所有公司中表现最好的。而且这种感觉很好,经历低谷后的回升会让人更有成就感。因此,看看我们模型的迭代速度,看看公司如何凝聚在一起、专注于目标,并在公司各个不同部门做出了一系列艰难的决策,但大家齐心协心向着同一个方向前进。这种感觉,此刻感觉棒极了。

        主持人

        我想讨论所有这些内容,但先在这里停留片刻,因为在过去的一年里,发生了很多事情。回顾过去,是否有某些具体的决策导致公司失去了发展势头?你提到了预训练。我知道你一直与研究团队保持着非常密切的联系,但你能详细说明一下吗?

        山姆·奥特曼

        我认为我们在产品端尝试做的事情太多了。所以,我们所做的这些事情其实本身都非常好。它们只是不如最重要的事情那样好,即推动通用人工智能能力的发展。

        所以我们当时在做浏览器和 SORA 之类的事情,而现在我们极其专注于为人们提供这种智能服务。我认为我们的模型已经达到了世界领先水平,并且在未来几个月内还会取得长足的进步。人们确实在利用它们完成卓越的成就,但这才是我们应该聚焦的核心,也是我应该督促大家坚持的一件事。我们未来不会再为这些所谓的支线任务分心了。

        主持人

        回顾大约一年前的领导层变动,你引进了 Fidji Simo 来协助管理公司的大部分业务。后来她因健康原因不得不退居幕后。现在你和联合创始人 Greg Brockman 实际上是在共同分担公司运营的职责。这是你所设想的未来持续的运营模式吗?还是说这只是暂时的安排?

        山姆·奥特曼

        我认为目前的合作进展非常顺利。我们将继续引入并提拔新的领导者。但这种感觉……对于 Fidji 的离职我感到非常难过,很难接替她的位置。但这种感觉很好,我认为 Greg 和我执行得不错,而且公司……当你感觉到事情正朝着正确的方向发展时,那是真的能感觉得出来的,现在的感觉就是一切都在步入正轨。

        主持人

        你们大家,也就是你和 Greg,平时是如何共同决策的?比如,谁来决定什么事情?你们是否遇到过必须由你来打破僵局的情况?

        山姆·奥特曼

        我们交流非常频繁,真的非常多,几乎时刻都在沟通。我们不像大公司那样。不仅仅是 Greg 和我。我们有一群极具天赋的人在管理研究项目。也有一群极具天赋的人在管理业务。我们所有人只是保持着频繁的沟通。

        在规模较小时,我认为去尝试雇佣某人,如果合适就迅速调整,而不花太多时间去反复权衡决策,这样做是可取的。以我们现在的规模,我学到的是,花大量时间力求做出正确的决策,采取那种“三思而后行”的策略要好得多。

        主持人

        大约一年前,我们在旧金山参加了由你做东的晚宴,当时正好是 GPT-5 发布前后。我们应该再办一次。

        山姆·奥特曼

        我都忘了那件事了。当时很愉快。

        主持人

        确实如此。虽然聊了很多,但我那次离开时的一个印象是,你似乎并不热衷于永远担任 CEO。我想知道过去这一年是否改变了你的想法?

        山姆·奥特曼

        我现在比一年前过得开心多了。我真的很享受现在的时光。我打算这么做,已经很长一段时间了。

        主持人

        我想说,去年的氛围更加严峻。

        山姆·奥特曼

        没错,确实如此。我认为这不仅仅是开场时的氛围问题。那对科技行业和 AI 来说都是一段艰难的时期,AI 泡沫是一个巨大的隐忧。所有那些事情都令人筋疲力尽。显而易见,我认为我们做成了一件了不起的事情。这虽然是一次痛苦的个人经历,但我认为这一切完全值得,我很乐意再做一次。而且目前我乐在其中。

        智能体、电脑使用与隐私法规

        主持人

        当我观看 Astra 的演示时,另一件让我印象深刻的大事就是你所提到的电脑使用能力。你们一直在向人们展示如何利用智能体操作电脑和各类企业软件,这种能力若能实现规模化,其影响将是深远的。我很好奇你们是否已经对此进行了深入思考,以及你认为世界需要如何适应这种变化。

        山姆·奥特曼

        电脑使用能力确实让我感到意外。此前我对此期待已久,但一直以来都让我感到失望。比如,模型在电脑上的点击操作表现一直不够理想,要么运行太慢,要么无法正常工作。

        而 Astra 在电脑使用方面似乎已经达到了人类水平。我不知道为什么这会让我觉得它是通往 AGI 之路上的关键里程碑之一,当时我心想,它真的做到了。它确实给我带来了情感层面上的那种冲击。

        我觉得这太棒了。在电脑上处理的所有这些琐碎任务,比如我不记得别人是在哪里给我发的消息,我得在所有这些通讯工具里点来点去,试图进行搜索。而现在,我只需要问问模型。我不想回到那个必须在电脑上痛苦地翻找各种东西的世界了。我只想说明我想要什么,我希望它能直接实现。我是一个非常懒惰的用户,所以我不想通过点击或建立连接来操作。

        主持人

        你是一个追求效率的电脑用户。

        山姆·奥特曼

        我不喜欢进行各种设置,我不想处理那一堆连接器和复杂的操作。我只是想用我的电脑来完成工作。我认为它能够操控软件这件事有着深远的意义。我认为这些影响大多是积极的,因为人们在电脑前有许多繁琐的工作要做。

        我有一个经历,在 pre-Astra 模型出现之前从未有过,但现在已经发生过几次了,就是面对一项任务时,它本来会占用我不少时间,而且这个过程本来会非常令人不悦。相反,我只是告诉模型我想要做什么,然后去陪我的孩子们玩,等30分钟回来后,一切就都准备好了。我觉得这非常棒。

        主持人

        尽管我们现在所处的世界中,美国政府开始在你们的模型和其他前沿实验室的产品发布前对其能力进行审查,我们正处于一个新时代。你曾经发出过警告,在 2025 年参议院听证会上说过,这种审查可能会对美国的竞争力,特别是在面对像中国这样的竞争对手时,造成所谓的“灾难性”后果。而且,最近在 GPT 5.6 初期发布时,特朗普政府要求你们所有人对该模型进行限制。你当时表示这不应该成为常态。所以看起来你一直都在说这不应该是事物发展的方向,但事实却正朝着那个方向发展。

        山姆·奥特曼

        不,我一直都在这么说。我认为多年来我一直呼吁建立某种国际监管框架。但特别是在模型发布前由政府进行审查,我认为我所反对的是政府去挑选个别客户,来决定谁被允许使用模型。

        我认为政府对模型进行测试以及制定共享标准是非常好的主意。理想情况下,我不认为政府应该决定你可以向这家公司提供访问权限,而不能向那家公司提供。

        主持人

        那么这在地缘政治竞争方面意味着什么?现在美国正开始采纳这种方法,而其他国家尚未跟进。你考虑过这一点吗?

        山姆·奥特曼

        再说一次,我认为正确的方法是采取国际化的路径。但目前,领先的研发力量全部来自美国公司。所以我认为从这一点出发,我们拥有的领先优势足以让我们能够承受稍稍放慢节奏的影响。我有信心我们既能构建安全、稳健、可靠的模型,也能在商业上取得卓越成就,并确保美国保持领先。

        局势可能会发生巨大的变化。如果其他国家发布了开源模型,并在我们提出新的安全范式之前引发了重大的网络安全事件,情况可能会产生一些变动。

        主持人

        你认为这可能会发生吗?

        山姆·奥特曼

        当然,这有可能发生。但你要知道,我觉得我们也有机会彻底重构网络安全的工作方式。尽管这些智能体可能会造成负面影响,但它们也能做出惊人的贡献。如果我们能拥有一种防御智能体,时刻运行,也许这才是正确的范式。

        主持人

        你是否准备好迎接美国政府可能告诉你不能发布模型的情况?你考虑过这个问题吗?

        山姆·奥特曼

        我坚信,在他们告知我们不能发布之前,我们自己就会决定不发布模型。

        竞争、算力扩张与 RSI 的未来

        主持人

        转到竞争层面,Anthropic 通过专注于编码的单次发射式策略达到了现在的地位。你在对话开始时提到你们下注很多,这导致你们损失了一些发展势头。我很好奇你能不能反思一下 Anthropic 是如何解决这个问题的,那个你们当时没有把握住的切入点。

        山姆·奥特曼

        我不认为是我们没有看到它的问题。问题在于我们当时正经历着极其迅猛的消费级增长。我们一直想做编程领域,但当时觉得我们手头有这个非常紧迫的任务,且它表现得很棒,这是一件非常值得拥有的事情。所以从优先级排序的角度来看,我们错过了它。

        我现在认为我们拥有市场上最好的编程产品,而且它正在疯狂地快速增长。据我所知,大多数人,甚至是那些曾经极其忠实的 Claude 用户,都已经转投过来了。我认为在任何一个阶段落后都不是灾难性的,因为我们总能通过更好的模型追赶上来。

        主持人

        我很好奇,因为我认为很多人都在试图理解 AI 市场在多大程度上是一个零和博弈。那么,Codex 的增长是从 Anthropic 那里分流的吗?还是反过来?对此你有察觉吗?

        山姆·奥特曼

        我认为目前大家都在增长。

        主持人

        这可能会成为一个非常庞大的市场。

        山姆·奥特曼

        以后或许会变成零和博弈。但就目前而言,我认为大家的增长速度都非常惊人。这完全超出了我对于这种规模公司增长速度的想象。我认为这恰恰说明了用户从产品中获得了多大的价值,而且这种情况在整个行业内普遍存在。

        主持人

        在产品层面,你们正在推进内部所谓的“合并”,即将 ChatGPT 和 Codex 整合在一起,打造一款集合两者功能的超级应用。你们已经开始了这项工作,不过我想说,目前还存在一些粗糙之处。

        山姆·奥特曼

        不仅仅是粗糙的边缘,你这么说真是太客气了,是啊。

        主持人

        我很好奇当你达到那个阶段时,那究竟是什么?那看起来会是什么样,又会带来什么样的影响?

        山姆·奥特曼

        我想要的是一种通向 AI 的接口,它几乎可以完成我需要的任何事情。如果我有一个像 ChatGPT 那样的快速问题,它可以直接回答。如果我需要构建复杂的东西,比如构建一段软件,它可以完成。如果我需要介于两者之间的功能,它也能做到。

        而且,如果它需要访问我的电脑或我的语境,它可以直接使用我的电脑并找到我的语境。我不需要——正如我提到的,我是一个非常懒的用户。我不必去思考当前处于哪个标签页,我不希望必须去思考我正处于什么模式。我认为,一个足够智能到能够发现新数学理论的 AI,应该能够直觉地判断出它应该做什么。

        主持人

        ChatGPT 刚刚达到了 10 亿用户。

        这是一个重要的里程碑,但我认为达到这个数字所花的时间可能比你们最初预想的要长。早期的增长是爆发式的。我很想听听你对此的看法。在过去的 12 个月里,它的增长速度是否比你预期的要慢?

        山姆·奥特曼

        当我们专注于编码时,我们只是专注于编码。我们决定将原本可以投入到聊天产品中的大量计算资源重新分配给编码。所以这并没有让我们感到惊讶,我们认为这是一件紧迫的事情。

        主持人

        所以增长直接取决于你决定投入计算资源的地方?

        山姆·奥特曼

        百分之百是这样。我一直希望计算限制即将缓解,因为我们将制造出更高效的模型,希望有一天能实现。但每当我们找到效率提升的方法时,全球的 token 需求就会不断上升并将其消耗殆尽。

        主持人

        我听到了,但我同时很好奇,聊天产品如何才能达到下一个十亿用户?这种增长模式是否像互联网或社交媒体的发展那样呈现线性特征,还是会更加起伏波动?这对你而言现在有多重要?毕竟你已经拥有了 Codex 和 API 业务?

        山姆·奥特曼

        我个人的看法是,尽管我们讨论过合并,但我认为最终这些事物都会走向融合。有一段时间,在合并之前,我停止使用 ChatGPT,直接向 Codex 询问我所有的聊天问题,因为我就是个懒惰的用户。

        现在,我认为很多人以前从未想过会有智能体为他们处理事务,他们只是单纯使用了 ChatGPT,点击了某个工作标签,然后惊呼:“哇,我竟然能做这种不可思议的事情。”所以我认为这一切终将融合,人们会订阅一种通用 AI 服务,而无需再去纠结它是 ChatGPT、Codex 还是其他工作工具。很快,甚至连询问这一步都不再需要了,希望它能更加主动,并且能够持续运行,不断尝试执行有用的任务。

        主持人

        所以,这最终将演变成一种极致的订阅服务。

        山姆·奥特曼

        作为用户,这就是我想要的。

        主持人

        我们一直在围绕这个话题讨论,但大约一年前,当你们大规模进行算力基础设施建设时,你确实承担了巨大风险,这也引发了人们对行业泡沫的担忧。而且,当时人们认为你们做得过火了,甚至连 Anthropic 的 CEO Dario 都说你们是在孤注一掷,但现在我想说,你们在这一方面的决策似乎已经被证明是正确的。当今世界依然极度缺乏算力。听起来你们似乎也面临同样的困境,尽管你们拥有的算力比某些竞争对手还要多。与此同时,你们似乎正在大幅降低 Token 的成本。

        山姆·奥特曼

        是。

        主持人

        而且你们即将发布 Jalapeno,这是你们首款用于推理的定制芯片。尽管如此,当你审视这一切时,你认为你们正在进行的算力扩张以及与之相关的天文数字规模,是否仍存在任何风险?

        山姆·奥特曼

        我不担心我们的算力基础设施建设规划,我担心的是全球的算力基础设施建设规划。例如,我认为我们计划建设的所有算力都将能够实现极高的盈利。但我看到了一些在我看来属于不可持续的盲目行为的初步迹象,比如接连冒出各种新的 Neo-Cloud,人们声称明年将要建设规模庞大的算力,而我认为他们既没有足够的营收来支撑,也没有明确的买家。我对全球整体的动向确实感到担忧,尽管我认为我们对自己所做的承诺非常有信心。

        主持人

        但你所描述的这种传染效应确实可能会波及你们。

        山姆·奥特曼

        如果整个经济崩溃,那确实可能会影响到我们。至于是否有能力按承诺支付算力建设费用,这方面我很有信心。我觉得现在人们处于一种不计成本的状态,仿佛在说:我们就是要疯狂建设海量算力,总会有人愿意花更高的价格买单。如果我们能够成功地将算力成本大幅降低并显著提升算力效率,那么,你可以想象会出现一些人因为做出了错误的财务决策而面临困境。

        这种情况在几乎每一次繁荣期或者大多数繁荣期都会发生。所以,这并非终局。如果真的发生了,也不算什么特别令人震惊的意外。

        主持人

        你是否预见到 OpenAI 未来会成为整个行业算力的供应方?

        山姆·奥特曼

        短期内不会。因为我们自己正需要这些算力。

        主持人

        我感受到的氛围是你们内部正在讨论这个问题,但目前尚未定论。

        山姆·奥特曼

        人们常讨论递归自我改进的 AI 模型,却较少谈及在物理世界中实现这一点的能力。但如果我们的机器人项目、芯片项目以及部分供应链投资能够整合起来,让我们在建设数据中心方面变得极其高效,且构建出远超他人的顶级芯片,那么我们或许会考虑这种可能。目前我们有任何具体计划吗?这依然不在我们的考量范围之内,我们还没有余裕去专注于此。

        主持人

        你提到了递归自我改进。我很高兴你提到了这一点。现在旧金山的人们正在热议 RSI。你们在提交 IPO 申请时泄露了一份你发给员工的备忘录,其中提到潜在的 RSI 爆发势头越强,推迟 IPO 可能就越有利。你这话是什么意思?

        山姆·奥特曼

        我认为成为一家上市公司是一个艰难的转变。人们会受激励驱动,他们希望股价上涨,不希望出现业绩不达标或其他任何问题。我从来不希望我们被这种压力束缚,我希望尽可能容易地做出符合世界安全利益的决策。

        如果出现这种情况,比如我们不得不停止训练或停止某个项目,而这在短期内会导致巨大的收入损失,最好不要同时面临一家刚上市公司的压力。一年前,我并不认为我们正处于那种超级智能的短期轨道上。现在我认为这可能会发生。但我并不确定它一定会发生。我们正在取得极快的进展。而且,我认为我们的使命比在任何特定时间框架内成为一家上市公司要重要得多。所以,我们将为使命做出最好的决定。

        机器人愿景与个人设备隐私

        主持人

        你提到了机器人技术。我很想听听你们机器人项目目前的进展。你们在构建什么?是人形机器人吗?还是机器人数据中心,或者是两者兼有?

        山姆·奥特曼

        我们一定会做人形机器人。我们也会开发其他形态的产品。世界在很大程度上是为人类设计的。所以,如果你考虑到开门、在电脑上打字、操作设备、打扫厨房以及做其他任何事情的能力,我们实际上是为人类构建了这个世界,而我想确保我们继续为人类构建这个世界。

        因此,采用这种外形设计似乎是恰当的。当然,未来也会有采用不同外形的数据中心机器人。但我认为,所有这些都不如真正弄清楚驱动机器人运作的“大脑”来得重要。

        主持人

        所以,你们正在制造人形机器人吗?

        山姆·奥特曼

        我们会制造的。

        主持人

        你认为这在现实世界中会如何运作?成为每个人的个人机器人吗?

        山姆·奥特曼

        我不认为这是最优先需要做的事情。你谈到了建造数据中心,甚至制造更多机器人或其他任何东西的能力。但我认为,终有一天每个人都应该拥有一个个人机器人。我非常希望拥有一个能帮我完成那些我不想做的任务的个人机器人,那将会非常棒。

        主持人

        你还与 Jony Ive 有关于消费类设备方面的合作。我知道你不能透露太多细节,我们可能很快就会看到第一款设备问世。

        山姆·奥特曼

        差不多快了。差不多快了。

        主持人

        你曾多次提到,你的梦想是一款能够时刻伴随在身边、倾听你的需求、感知一切并为你提供上下文信息的产品。我们早些时候谈论计算机使用时也提到过这一点。我同意在许多背景下这似乎非常有帮助。但这看起来也像是一场关于隐私和监控的噩梦。我很好奇你是否考虑过这一点,以及世界将如何对此做出反应。

        山姆·奥特曼

        我们在隐私问题上采取了非常坚定的立场。我认为这不仅关乎消费者隐私,也涉及商业隐私,比如我们所作出的承诺——即不使用企业数据进行训练,以及实现零数据留存。我认为这一点非常重要。

        随着 AI 越来越深入我们的生活,隐私变得极其重要。我担心的是,还有一些其他的努力持有不同看法,并会推动诸如“安全风险如此之大,以至于 AI 隐私无法以同样方式存在”之类的观点。我认为应该有一部关于 AI 的特权法。我不认为政府应该有权强迫公司提供用户的聊天记录或其他任何信息。就像如果你和医生或律师交谈,存在一种特权保护的概念。和 ChatGPT 交谈时没有这种保护,我认为应该要有。

        主持人

        但在你刚才描述的语境下,律师或医生处理你的数据时也受到很多限制。这不仅仅是关于对外共享数据。你认为这种监管是否应该延伸到你们使用数据的方式上?

        山姆·奥特曼

        没错,我正要谈到这一点。所以我认为政府在处理数据时应受到法律限制。我也认为企业在与 AI 共享数据时应该受到诸多约束。特别是当它在监控你的电脑、监听你的消息、与你交谈时,我认为人们对此应该比现在更加警觉。

        主持人

        在这种情况发生之前,作为 OpenAI,你们如何治理、如何自我约束数据的利用?你们所拥有的可能是世界历史上积累的最强大的个人画像数据。

        山姆·奥特曼

        我们针对其使用方式拥有极其严格的内部管控措施,并且我们做出了隐私保障,向用户履行我们所承诺的。随着我们日益接近该设备的发布,届时我们将讨论关于这类环境感知型硬件设备所采用的全新隐私控制技术与机制。

        主持人

        但确实,我认为你们拥有史上最个人化的数据库之一。Apple 曾非常公开地起诉你们,指控你们涉嫌窃取商业机密并招募其员工与 Jony 一起开发该设备。对此你们已经做出回应,并称其毫无根据。但我感到好奇的是,你是否担心这会拖慢设备开发的进度?

        山姆·奥特曼

        不,听着,首先,我本人就是个超级 Apple 粉丝,对此我感到非常难过。当我第一次听说这件事时,我的反应是这听起来太恶劣了,一定是有人做了什么糟糕的事情。

        我们不希望涉及任何公司的知识产权,当然也不希望有人窃取公司的知识产权并将其带给我们。如果我们进行了调查并发现有人这样做,我们当然会直接将其解雇并处理此事。但如果某人没有做错任何事,我们也会捍卫他们。我相信在我们调查此事后,会发现这是一个大家都没有做错任何事的案例。我们已经尝试解释其中的部分内容,更多的细节将在后续流程中展现。根据我的理解,我认为这不会拖慢事情的进度。

        主持人

        你是如何看待外形规格的?你喜欢吗?我以前听你说过你不喜欢。你喜欢眼镜吗?他们喜欢眼镜吗?

        山姆·奥特曼

        我不会,因为我觉得对着摄像机和灯光与人交谈非常不自在,确实压力很大。但还有很多其他的形态规格,有很多很棒的形态规格。我想我们会推出少数几种形态规格。

        我认为有些东西是属于桌面上的,有些东西属于你的口袋,有些东西属于你的身体,我们需要一些时间来推出所有这些产品。但我认为最大的调整在于习惯主动式计算机这一理念。

        主持人

        当你思考 OpenAI 的路线图和业务时,从某种意义上说,消费级设备是关乎生存的吗?它们是纯粹的累加吗?比如,你们所谈论的使命,尽管正如我们所讨论的那样你们已经精简了一些事务,但目前是否仍有许多事情在同时进行?

        山姆·奥特曼

        我认为我们尚不可知。我个人的强烈直觉是,会出现一种重大的新型计算机,以及一种历史上大约每隔几十年才会出现一次的关于我们如何使用技术的新类别。但这是一种不太可能成立的说法,所以我认为你不该让我这么说。你应当拭目以待,看看你对这些设备有何评价。

        未来的愿景与最大风险

        主持人

        关于人们目前对 OpenAI 的看法,你认为几年后人们会如何看待它?

        山姆·奥特曼

        很简单。我希望人们能够喜爱我们推向世界的产品。我们之前谈到过一些这类的故事,比如“我能够创办一家企业”、“我能够为我的孩子举办一场很棒的生日派对”、“我能够治愈这种疾病”。

        我最近遇到一个人,他利用 ChatGPT 帮助他为自己的狗设计了一种 MRI 癌症疫苗,现在他创办了一家公司,旨在为其他人提供同样的服务。我希望这些故事与该技术在几年后为人们带来的成就相比,都显得微乎其微。

        我也希望对于目前许多关于 AI 的担忧,人们会说,这是在每一个环节都极其负责任的公司。他们做出了非常明智的决策,符合我们所有人的利益。而且,我很高兴他们做得很好,因为我认为他们是技术的良好管护者。你会看到许多其他公司采取了截然不同的方案。

        我认为我们在安全信仰方面一直保持相当一致,但我们也愿意在犯错时做出调整。当我们开始采用这种迭代部署策略时,它遭到了 AI 安全社区的极度反感。回过头来看,我认为这显然是正确的。我很高兴我们有勇气去做那些我们真正相信的事情,即使在它们非常不受欢迎的时候;我也很高兴我们大多数时候是对的,并且在发现错误时能够及时调整。我认为,这就是构建安全且稳健系统的方式。所以我希望我们能继续这样做,也希望大家能认可这一点。

        主持人

        你们正在构建超级智能,我很好奇你是如何为此做个人准备的。对于你们所构建的事物将带来的未来,你有什么看法?

        山姆·奥特曼

        我认为未来看起来会与现在出奇地相似。人们依然会和家人在一起,坠入爱河,发生争吵,从事爱好,获得娱乐,拥有非常人性化的体验,也会感到压力与焦虑,为彼此创造价值,玩各种奇怪的游戏,并深切地关心他人。我希望未来不会有太大的不同。

        我希望如此,人类的体验会更加丰富。人们拥有更多的自主权、更多的自由、更多的财富,能够做更多的事情,能够更健康,能够共同拥有定义未来的更多力量,世界也能更快地变得更好,但人类的体验依然会是一种非常人性化的东西。

        主持人

        如果展望未来12个月,OpenAI面临的最大风险是什么?

        山姆·奥特曼

        我认为是安全与保障方面出了差错。我认为12个月后是有可能的,我们将拥有能力极强的模型。如果我们能够在一个已经找到如何赋能于人、如何确保权力不至于过度集中、如何实现全方位安全、以及如何让人们切实感受到能够掌控并改善自己未来生活的世界中,成功实现向超级智能的过渡,那将是一个巨大的成功。

        主持人

        山姆·奥特曼,谢谢你。

        山姆·奥特曼

        谢谢。

        跳转微信打开

        •  
        ❌