短视频记录：六位AI顶级大佬在大会上讲AI的发展

        近期AI消息很多，有个短视频比较有意思。特此记录文字如下，供参考。

今年“G20创新部长级会议”9月1日-2日在美国召开。AI多位大佬出来发言，包括OpenAI-萨姆奥特曼Sam Altman，Anthropic联合创始人-汤姆布朗Tom Brown、Space X-马斯克、Google DeepMind-德米斯哈萨比斯Demis Hassabis、Facebook Meta-扎克伯格Mark Zuckerberg，和NVidia-英伟达 黄仁勋。说是“AI智能开始进入量产阶段”。

视频说他们看起来各聊各的，但其实可以拼出一条AI可能的发展路线。这条线的起点是AI开始接手数字工作。例如马斯克给了个很猛的时间表：他判断到2027年前后，AI已经可以完成几乎所有数字工作。也就是那些主要坐在电脑前完成的事情：写代码、做设计、处理文件，包括大量知识工作都在这个范围里。以前我们讲AI提效，更多还是一个人用AI把原来8小时的事情缩短到一两个小时。马斯克现在讲的已经不是这个量级了。他认为再过一两年，在数字任务上，人和AI的距离将会大到没有竞争的意义了。

OpenAI奥特曼举例说当年他在VC做创业孵化的时候，一个团队在三个月里才能完成的大量工作。现在Codex可能十几分钟就可以做完。以前有个想法不代表你能把它做出来，得先找程序员产品设计，再慢慢把一个团队搭起来。如果工作越来越多，大任务可以直接交给智能体。一个人加几个AI就可能把事情跑起来。所以奥特曼判断AI可能带来人类历史上最大的一轮创业潮。这个角度其实很有意思，我们过去一直担心AI会让大公司少招很多人，但另外一面是很多过去根本开不起来的公司，也可能突然有机会成立。

奥特曼用了一个概念Persistent Agent，持续的智能体助手。它今天研究一个市场，化两小时完成一个报告。它工作并没有结束，过几天竞争对手出了新产品，它的调查随着改变，等到它分析到了需要你做决定时，再回头找你。如果这种智能体真正成熟，公司组织形式就可能发生变化。今天一家做得不错的软件公司，几十人几百人很正常。以后完全可能出现越来越多、几个人甚至一个人的团队。收入和业务规模却接近今天几百人的公司。很多过去必须加入一个组织之后才能获得的能力，开始可以直接被个人调用。

这也是扎克伯格这次特别强调的一个词，Empowerment- 赋能。Ai不只是帮公司少雇几个人，而是让一个普通人突然拥有过去一个团队才能拥有的能力。但如果事情只发展到这里，AI主要改变的还是办公室。扎克伯格这次讲的东西，正好沿着这条线继续往前走。他设想未来会有数10亿人拥有长期跟着自己的AI智能体。不是今天这种打开聊天框问完一个问题就结束，而是他一直知道你最近在做什么，理解你的目标，可以持续帮你推进事情。

这次会议上更值得关注的一个方向是AI开始往科学研究里面走了。

Anthropic联合创始人汤姆布朗，这次给了几个非常激进的判断。他本身就是早期Scaling laws缩放定律研究的重要人物。而到今天他仍然认为没有看到Scaling明显撞墙。更值得注意的是，他提到前沿AI创造经济价值的速度还在快速增长，而获得同等水平智能的成本却在迅速下降。布朗给出的量级是前沿AI实验室创造的价值大约每年增长4倍，而同等智能水平的成本一年可能下降到原来的1/20左右。一边AI还能继续变强，另外一边同样水平的智能却在迅速变便宜，也就是说我们获得智能的单位成本正在快速下降。布朗甚至判断，按照现在的能力进展，未来一年左右，在一些科学领域，我们可能开始看到接近一个时代才会出现一次的顶尖研究能力。Anthropic内部其实已经在提前体验这种变化。布朗提到现在已经有相当一部分智力工作可以直接交给模型完成，而且这些模型可以拿到和人类同事类似的工具代码环境和工作权限，自己连续完成任务。这就已经不太像传统意义上的AI助手了。如果AI开始能够自己提出假设分析数据、写代码，再根据结果决定下一步研究什么，它实际上已经在慢慢从科研工具变成研究者。

哈萨比斯这次谈的东西正好接在这里。他判断人类真正感兴趣的一直不是AI为聊天机器人，而是AI for science, AI科研。AlphaFold已经让大家看到一部分可能性。接下来DeepMind想继续把AI往药物研发、材料能源这些领域推进。这里真正关键的是科研的时间尺度。很多科学研究今天是按几年算的，药物研发甚至可能需要十几年。如果AI能把其中越来越多研究环节自动化一些，过去几年完成的工作，未来可能压缩到几个月甚至几周，那整个技术进步的速度都会变。如果AI能把其中越来越多研究环节自动化一些，过去几年完成的工作，未来可能压缩到几个月甚至几周。那整个技术进步的速度都会变。因为科学长期有一个非常简单的瓶颈，真正厉害的研究者太少，而且培养得太慢，一个顶尖研究人员十几年都不一定培养得出来。但如果AI达到类似能力复制，它就完全是另外一个逻辑，同一个模型可以同时运行，大量研究智能体各自研究不同方向，在不断使用彼此产生的新结果。这件事一旦发生，真正厉害的地方不是科学家效率提高了多少，而是科研开始可以大规模并行。过去一个研究团队卡在一个问题上，可能几个月都没有进展。以后可能有大量AI同时尝试不同路径，其中一个找到突破其他研究智能体立即接着往下走。所以AI最终可能加速的不只是某一项工作，而是技术进步本身。

但讲到这里，一个特别现实的问题马上就出来了。这么多智能体这么多AI研究人员靠什么跑？答案最后还是电和芯片。这也是这次会议很有意思的地方，几家站在最前沿的AI公司，聊到最后，话题反而越来越像传统工业。

马斯克这次就特别强调电力，他的判断是未来几年AI很可能遇到一个非常现实的瓶颈。芯片增长速度比电力快，GPU可以快速扩展，模型能力也可以持续升级，但发电厂、电网和大型数据中心的建设没有这么快。所以以后可能真的会出现一种很奇怪的情况，模型已经有了，芯片也买到了，最后发现没有足够的电把它们跑起来。

黄仁勋把这个问题讲得更系统，他把AI看成一个完整的工业体系。最下面是能源，再往上是芯片和数据中心，然后才是模型和应用。这个视角其实很重要，因为我们每天看到的是ChatGPT、Claude、DeepSeek。但真正决定这些东西能够跑多大规模的是下面那几层。AI越强，对物理基础设施的要求反而越高。所以黄仁勋才会直接说，未来AI应该像电力公路、互联网一样，被当成一个国家的基础设施。这就把问题一下从科技公司拉到了国家层面。以前一个国家谈AI，更多还是看有没有大模型公司，有没有算法人才。以后可能还要看很现实的东西，到底有多少电可以供给数据中心，能拿到多少先进芯片，算力成本是多少，企业又能不能长期大规模地使用这些AI,。

奥特曼打了一个很合适的比喻，他说一个国家未来选择不用AI，可能越来越像100多年前选择不用电。你可以自己训练模型，也可以使用外部模型，可以有自己的监管方式。但如果别的国家已经把AI大量放进科研制造和企业经营，而你没有这种效率，差距就会慢慢积累。未来几年有一个词将越来越重要，智能的产能。以前讲国家实力会讲发电量、制造业产能、石油、钢铁。以后也许还会多看一个东西，这个经济体到底能够生产调动多少，真正可用的智能？这里的产能不是训练出了几个大模型，而是有多少AI真正在干活。如果同样一个模型，一个国家只能供几十万企业使用。另外一个国家却能让几百万企业、科研机构和个人每天持续调用。那最后形成的生产力完全不是一个量级。

到了这一步，另外一个问题也跟着出来了，这么重要的一种能力到底应该开放到什么程度？这几个人在这里的分歧其实很明显。黄仁勋和扎克伯格明显更偏向开放和清洁，哈萨比斯则认为真正最强的前沿模型在大规模发布以前，应该有更系统的安全测试。奥特曼一边推动AI更便宜更普及，一边也一直在提醒网络安全、生物风险以及最强智能集中在少数人手里的风险。所以他们现在真正争的已经是AI扩张的速度、开放程度和控制权了，

再回头看这场会议，觉得真正值得关注的已经不是哪家公司下一代模型又强了多少。过去一个国家想多出100万个工程师，可能要培养十几年。以后增加一批数字工程师，需要的可能更多是算力和电。接下来真正值得盯住的是另外一件事情，智能开始可以像一种产能一样不断增加，如果这个趋势继续下去，我们进入的可能不只是智能体时代，更像是智能的工业化时代。

 ----------------------------------------------------

        AI高速发展应当是好事，但上了年纪，总有保留的想法。包括AI只能是工具，不能由AI支配人；AI会有意识吗？AI的工作过程，还是某种统计规律吧。。。曾发博文介绍Anthropic检查Claude内部推理过程，说用J-Lens检查。查了一些资料，很复杂，还没有得到明确结论。

支持单位：