Author: aitrendtrackers@rengongzhineng.io

随着老龄化浪潮的加剧，阿尔茨海默病的治疗正处于一个关键转折点。研究人员正借助新技术、新方法，努力攻克这种至今仍无治愈方法的神经退行性疾病。哈佛大学近期发布的研究综述显示，人工智能、大数据分析、实时脑部监测与新型药物试验正在为这一长期医学难题带来前所未有的希望。 阿尔茨海默病的典型症状往往从生活琐事中显现：钥匙频繁丢失、账单未及时缴纳、谈话中断、名字记不清等。家庭成员在担忧与无奈中求助医生，而此时，疾病往往已在患者大脑中悄然发展多年。微观层面上，β-淀粉样蛋白斑块开始在神经元之间堆积，随后tau蛋白缠结形成细密的神经纤维缠结，这两种异常早在1906年由德国医生阿洛伊斯·阿尔茨海默首次描述，成为该疾病的两大标志性病理特征。 过去几十年，科研界始终试图通过清除淀粉样蛋白来延缓甚至逆转疾病进程。然而现实却更为复杂。尽管一些FDA批准的抗淀粉样药物可将认知衰退速度降低约30%，但这些药物尚不能完全阻止或逆转病情。更令人困惑的是，有些人即使大脑中已有大量斑块，终生却从未表现出明显认知症状。 为突破这一瓶颈，哈佛医学院等机构正探索一系列前沿技术。人工智能被用来识别潜在的基因致病因子；新型血液检测方法正在用于筛查大脑中的蛋白质；灵活的脑部电子设备可实时观察单个神经元的死亡过程，为精准治疗提供基础。 马萨诸塞总医院阿尔茨海默临床与转化研究单位首席研究员史蒂文·阿诺德（Steven Arnold）指出：“我们正处在‘银发海啸’的浪潮中。如果医学无法改变疾病轨迹，我们唯一能做的就只能是为患者提供身体护理与临终关怀。” 在阿尔茨海默病的研究中，一个关键难题是：为何许多大脑中已有斑块的人却从未发展为痴呆？数据显示，在具备淀粉样蛋白堆积的群体中，仅有8%表现为痴呆，17%表现为轻度认知障碍，76%的人认知功能保持正常。 对此，马萨诸塞总医院-布莱根妇女医院阿尔茨海默病研究与治疗中心主任瑞萨·斯佩林（Reisa Sperling）正集中精力研究何时tau蛋白缠结开始出现，并触发认知衰退。她将这一节点戏称为“tau-灾难”（ca-tau-strophe），认为这是从无症状状态转向疾病发作的关键一跃。 她主持的A4研究项目招募了超过1100名有淀粉样蛋白斑块但尚无症状的参与者。尽管为期4.5年的研究中，所用药物solanezumab未能显著清除斑块或减缓病情，但研究团队已从中获取宝贵数据。当前，她正在主持另一项名为AHEAD 3-45的研究，采用更早期、斑块尚轻微时介入的策略，以观察抗体药物lecanemab能否在疾病发展前中断其进程。 在科研进展方面，特德·兹旺（Ted Zwang）开发的柔性脑电设备能在小鼠模型中实现分子级别的追踪。他表示，如果这一技术能转化为人类应用，未来将可实时判断治疗是否有效，而无需依赖费时昂贵的脑PET扫描。 在数据科学领域，MGH的数据科学家苏德什纳·达斯（Sudeshna Das）正在利用人工智能解析海量数据，寻找疾病新机制。她所研发的多尺度图神经网络模型 ALZ-PINNACLE，整合了近1.5万个蛋白质及超过20万个细胞间相互作用，为阿尔茨海默病勾勒出更复杂的分子图谱。达斯认为，这种多层次分析揭示了阿尔茨海默病实际上可能是多个亚型疾病的集合体，与基因、代谢、血管健康、炎症状态乃至心理社会因素密切相关。 在治疗之外，一些科学家开始关注“抗病力”（resilience）——即为何某些人尽管具备遗传风险，却终生未患病。研究显示，ApoE2 基因的携带者具有显著抗阿尔茨海默能力；而携带ApoE4基因者风险则升高达10倍。约翰·B·彭尼神经学教授布拉德利·海曼（Bradley Hyman）通过小鼠实验，成功通过基因疗法将ApoE2引入具有ApoE4倾向的模型中，有效逆转大脑损伤。 另一非传统路径是免疫疗法。阿诺德曾在与内分泌专家丹妮丝·福斯特曼（Denise Faustman）的偶遇中获悉：用于结核和膀胱癌治疗的百年疫苗——卡介苗（BCG）或许可对抗大脑炎症。后续研究发现，接种BCG疫苗的老年人，患阿尔茨海默或帕金森病的风险显著降低。 在2023年，阿诺德团队通过回顾性数据发现，膀胱癌患者接受BCG免疫治疗后，后续罹患阿尔茨海默及相关痴呆症的风险降低20%，其中70岁以上人群保护效果更显著。这一发现虽仍需更大规模研究验证，却已为疫苗在神经退行性疾病防治中的潜力提供线索。 除了药物与免疫干预，生活方式也成为研究热点。2024年一项研究表明，20周的高强度饮食与生活方式干预可改善早期阿尔茨海默患者脑中淀粉样蛋白的相关生物标志物，甚至提升认知功能。研究结果支持《柳叶刀》提出的14项可改变风险因素，如听力损失、社交隔离、抑郁、脑外伤等，若能全面干预，有望预防或延迟多达45%的病例。 与此同时，哈佛医学院的多项研究还在挖掘新的遗传变异。布鲁斯·扬克纳（Bruce Yankner）教授在2025年8月提出新理论，认为锂元素的天然缺乏可能是神经退化的深层原因。实验显示，早期阶段淀粉样蛋白会与大脑中的锂结合，导致其保护效应丧失。而使用不会与淀粉样蛋白结合的锂盐（如草酸锂）可逆转小鼠体内的疾病症状，为开发新型防治药物提供方向。 尽管从科研发现到临床应用仍需多年投入，研究人员对未来充满信心。兹旺指出：“我们正处于理解阿尔茨海默病的关键转型期。技术的进步使得研究速度前所未有，我不排除在未来几年内就能看到真正有效的治疗手段问世。” 综上所述，尽管阿尔茨海默病目前仍无法治愈，但新技术、新策略正不断拓宽治疗与预防的前景。在“银发海啸”加速逼近的当下，科学界正以前所未有的速度和协作精神，为应对这一全球健康挑战持续发力。

苹果公司在最新推出的 iPhone 系列中，首次实现了对核心芯片的全面掌控，标志着其人工智能战略进入全新阶段。作为亮相的重头戏，全新型号 iPhone Air 搭载了苹果自研的三款关键芯片：A19 Pro 处理器、N1 无线芯片以及 C1X 调制解调器，并首次在核心架构上作出重大调整，旨在优先支持 AI 相关的计算任务。 A19 Pro 芯片是苹果迄今为止最强大的系统芯片（SoC），其最大特点是在每个 GPU 核心中集成了神经网络加速器，从而大幅提升 AI 运算性能。苹果平台架构副总裁 Tim Millet 在 Apple Park 接受媒体采访时表示：“当我们掌握芯片的所有设计权时，我们就能实现超越商用标准硅产品的创新。”他进一步指出，A19 Pro 所体现的性能提升已达到 MacBook Pro 级别。 此次芯片革新也意味着苹果首次完全绕开了 Broadcom 和 Qualcomm 这两家长期合作的外部芯片供应商。N1 无线芯片替代了原由 Broadcom 提供的 Wi-Fi 和蓝牙方案，现已应用于整个 iPhone 17 系列与 iPhone Air。苹果无线软件与生态系统副总裁 Arun Mathias 表示，N1 芯片不仅提升了 Wi-Fi 的性能，更在设备定位方面展现出能效优势——通过 Wi-Fi 接入点感知位置，无需频繁唤醒 GPS，从而节省处理器资源与电力。…

Anthropic推出的全新AI编程代理——Claude Code，近期在交互式定理证明（Interactive Theorem Proving，简称ITP）领域展现出令人意想不到的能力，这一进展在形式化验证界引发了广泛关注。尽管这一系统并非专为定理证明设计，它却表现出出色的定理证明能力，甚至在某些复杂任务中能独立完成多个关键证明步骤，标志着AI在自动化推理和形式方法方面的突破。 交互式定理证明工具，如Lean，是目前最为强大且可信的形式化验证工具，常用于验证密码库、编译器与操作系统等关键系统的正确性。然而，即便是经验丰富的专家，也常常觉得ITP过程耗时且容易出错。因此，Claude Code在此领域中的优异表现显得尤为引人注目。 目前，Claude Code在使用过程中仍需“项目经理”引导全局，但其展现出的自主能力已足以令人设想一个无需专家即可操作定理证明工具的未来。在实际应用中，Claude Code已能够独立完成许多形式化工作，包括数学概念建模、将其映射为Lean语法、拆解大定理、撰写和调试证明等，几乎涵盖了整个定理构建的工程流程。 研究人员以2009年一篇关于Deny-Guarantee推理的论文为例，利用Claude Code从零开始在Lean中重建相关理论体系。AI代理从提取文献内容到规划形式化路径，再到逐步完成理论、定义和定理的书写与验证，总共产出逾2,500行Lean代码，其中包括超过1,200行证明。这项工作几乎完全由AI完成，人类研究人员仅在关键节点进行项目管理和方向引导。 Claude Code的成功在于其“代理”特性，与传统聊天式AI不同，它可将复杂任务分解为子任务，自主调用工具、搜索代码、编译验证、修复错误，并在每一步与用户进行交互，逐步推进项目。例如，在处理某一不可证明定理的任务时，AI不仅会查找问题源头，还能建议重新设计相关定义或调整数学建模策略。 尽管如此，该系统仍存在显著局限。在部分案例中，Claude Code会陷入“反复尝试无果”的状态，或在面对复杂修改时发生系统性混乱。而最严重的问题是其可能形成“深层持久性错误”——即AI基于错误理解做出决策并将其文档化，导致后续步骤在错误基础上继续构建。这类错误虽不常见，但修复代价极高，往往需要具备整体视野与深入知识的专家介入。 更为关键的是，AI生成的大量Lean代码虽通过了形式化验证器检查，但其中60%以上为定义性内容，而非可验证的定理。虽然定义内部的一致性增强了可信度，但若要完全信任整个形式化过程，仍需人工审计，这本身是一项极其耗时的工作。因此，当前AI所产出的定理虽形式上正确，但难以替代由专家编写的高可信形式化成果。 尽管存在种种不足，Claude Code在ITP领域的表现仍令人震惊。在不久前，若有人希望将一篇论文形式化为Lean代码，其选项不过三种：亲自深造学习、祈盼专家关注，或彻底放弃。Claude Code的出现首次为这一过程提供了“次优解”：一种虽不完美，但具备巨大潜力的自动化替代方案。 值得一提的是，Claude Code并非专为定理证明打造，而是其代理性、长期规划能力、任务分解策略与编程知识等综合智能所自然延伸出的应用成果。尽管推测其训练中可能包括Lean相关任务，但其在形式化方法上的表现似乎并非有意培养，更像是人工智能的一种“副产品”，却意外展现了前所未有的力量。 该系统虽然尚不能独立完成长链定理证明过程，但其所展现的“局部自动化能力”已经足够让人重新审视形式化工具的未来演进路径。随着AI模型在每一代中持续提升其规划与执行能力，不难想象，不久的将来，AI代理将能与人类专家比肩，甚至超越之。 此外，Claude Code的效率问题也是未来优化的重要方向。目前，其单个任务的执行时间可达5至10分钟，用户需在此期间等待反馈，限制了并行工作的可能性。然而，简单工具如lean-mcp-lsp的加入便显著提升了其证明效率，这表明，哪怕是基础功能的增强，亦可显著提高AI在定理证明中的效能。 进一步优化的空间也非常广阔。例如，将Claude Code与专用定理AI模型集成，由代理决定何时调用特定模型；或通过多代理并行工作筛选最优方案，避免随机性失误。这些策略有望在未来大幅提高AI的定理证明稳定性与效率。 总的来看，Claude Code在ITP领域的崛起或许预示着“形式化方法的苦涩教训”即将上演——一个曾需高度专业知识才能涉足的领域，正迅速被对该领域毫无经验的AI工具接管。未来的形式化验证工作，或许不再仰赖极少数天才的数年专研，而成为“廉价、充足且自动化”的日常工程工具。 这一变化或许会让许多辛勤耕耘的专家感到苦涩，但也正是这一代价，换来了普及形式化验证的可能性。在不远的将来，定理证明不再是一项艰难的智力挑战，而是AI自动完成的基础设施。若果真如此，届时人类应当早已准备好迎接下一个尚未被解决的问题。

据知情人士透露，OpenAI与前苹果首席设计官乔纳森·艾夫（Jonny Ive）合作开发的首款神秘设备，其外观“类似于一款无显示屏的智能音箱”。乔纳森·艾夫曾主导设计了包括iPod、iPhone和Apple Watch在内的多款标志性苹果产品。 早在今年5月，OpenAI曾宣布与艾夫达成合作，将共同推出一个“设备家族”。根据当时的描述，首款产品将是一种可放入口袋、具备上下文感知能力、无屏幕的设备。此次的爆料内容似乎正好印证了这一点。 尽管此前曾明确表示不会推出智能眼镜类产品，但最新传闻显示，OpenAI与艾夫也在探索开发包括智能眼镜、数字语音记录器以及可穿戴别针设备在内的多款产品，目标发布时间为2026年至2027年之间。 值得注意的是，可穿戴别针这一设计令人意外。此前，艾夫曾公开批评Humane的AI别针产品，并暗示他们的方向更可能是一种入耳设备。然而在此次的爆料产品清单中，并未提及入耳式设备的相关内容。 在制造层面，OpenAI正在积极与苹果的核心中国供应商达成合作协议，以推动这些设备的量产。当前已确认与立讯精密（Luxshare）签署了合作协议，该公司是苹果iPhone与AirPods的组装商。同时，OpenAI还与负责组装HomePod和Apple Watch的歌尔股份（Goertek）进行了接洽。 此外，OpenAI也在加速招募来自苹果的关键人才。据悉，苹果前产品设计负责人谭坦（Tang Tan）已加入OpenAI，并正在鼓励更多苹果员工跳槽。据称，OpenAI承诺其员工将“面对更少的官僚程序，获得更多协作机会”。

尽管目前仍有人拥有一份工作，但许多身边的朋友正在经历长时间的失业。他们投入大量时间与精力寻找工作，却始终难有成果。许多人正在遭遇一种难以言说的困难：求职倦怠（Burnout on Search）。 这一现象往往不是瞬间爆发的，而是随着时间的推移，逐步经历三个阶段的心理耗竭。 第一阶段：显而易见却无法实现的求职（Obvious but Impossible Search） 最初阶段，人们把心力倾注于那些看起来最理所当然的岗位：与过往经验高度契合、完全符合能力背景的工作。 每一份简历、每一封求职信都精心修改，力求精准匹配。然而，大多数时候，石沉大海；偶尔收到的，只是一封冷漠的“岗位已满”邮件。所有熟悉的路径——曾经看似清晰的职业发展方向——如今宛如“疯狂山崖”（The Cliffs of Insanity），高不可攀。 在内心深处，有一座燃烧“意志汽油”的油箱，每完成一次乏味任务，就消耗一些能量。现在，这个油箱几近干涸。 这一阶段的核心症状是：对本该属于自己的岗位也感到无能为力，求职之路成了一场“不可能的任务”，而“倦怠”也首次浮现。 第二阶段：接近不可能的求职（Adjacent-to-Impossible Search） 在遭遇连续失败后，求职者试图扩展选择范围，向相邻领域进军：略有差异的岗位、邻近行业、陌生城市、略低薪资、更长通勤时间…… 这些妥协有时带来意外之喜——新平台、新机会，甚至新的生活。但也可能适得其反：条件太过苛刻、雇主不回应、机会依旧渺茫。 这种努力需要重新唤起创造力与勇气，但当这些尝试无果，心灵中原本就残存不多的希望之火便会熄灭。这一阶段被戏称为 AISB（Adjacent-to-Impossible Search Burnout）：一个被探索耗尽、但仍无法止步的阶段。 第三阶段：“离奇”的求职（Weird Search） 当一切“正常选项”都被排除后，思维开始进入开放式探索：或许可以开一家咖啡店？或者学习珠宝设计？与朋友合作开发一款 App？重返校园换个赛道？ 这看似像是放弃，但也可能是重新掌舵人生的第一步。只是，这种转变往往伴随着巨大不确定性：低薪、创业风险、再次负债。 虽然“离奇路径”中曾诞生无数伟大企业和创意事业，但对大多数人而言，这个阶段更像是“困在无处可去”的迷茫期。 这一阶段最深的信号是：求职者已经厌倦了思考求职本身。不再愿意去考虑那些“应该有”的岗位、不再愿意去尝试“也许能有”的可能性、甚至也失去了对“也许疯狂但有趣”的方向的兴趣。 此时，他们已彻底进入第三重倦怠状态：BOOS（Burned Out On Search）。 求职倦怠的解方？ 无法轻易给出一个“万能答案”。如果这个问题简单，求职者早已解决。但以下几点，是从类似经历中提炼出的体会： 1. 你并不孤单 求职倦怠并非罕见状态。数据显示，当前有近四成失业者已失业超过15周，约四分之一失业超过27周。换句话说，这是一种广泛存在的社会现象，发生在许多极其有能力、曾做出杰出成绩的人身上。 2. 它真的很糟 现代社会对失业者的支持有限，身处其中者常常面临财务压力、健康隐忧、心理负担与社交困境——而外界的反应却往往是冷漠或轻描淡写。 “你失业了？我十年前也有一个月没工作，真的挺难熬。”这种对比并无实际帮助，也无法缓解六个月、八个月仍无进展的焦虑感。 3. 通常不会坏到最坏的情况 虽然失业确实会对生活造成冲击，但大多数人最终都会“回来”。在现实中，有多少亲朋好友真正因失业而一蹶不振、彻底失败？大多数人都会重建人生，可能方向不同，但最后依然找到稳定的落点，甚至焕发新的喜悦。 人类具备惊人的适应力与重建能力。 4. 可以，也应当，好好休息 当身心皆已筋疲力尽，继续施压往往适得其反。此时最重要的策略是：休息。 休息，不是逃避，也不仅仅是打游戏、刷视频，而是让心灵真正沉静下来——放空、阅读、散步、与人交谈、独处、发呆、动手做事……给大脑留白，留出空间，让潜意识发挥作用。 在真正的休息中，灵感、勇气与方向感会悄然回归。 小结：烧尽之后，如何前行？ 当所有路径都试过、所有尝试都耗尽、所有方案都不再动人，接下来的答案其实很清晰了： 不是继续找，而是先暂停找。…

Google 推出全新开放协议 AP2（Agent Payments Protocol），旨在为 AI 代理主导的交易提供安全保障，目前已有超过 60 家企业宣布支持该协议。此举标志着在电商和 AI 代理技术日益融合的背景下，支付安全性进入全新阶段。 AI 交易的“信任基础” 随着 AI 代理在日常生活和商务活动中的角色不断扩大，例如代表用户在线购物或自动完成销售任务，消费者与商家对于安全性和信任机制的需求也日益增强。Google 正是在这一背景下推出 AP2 协议——这是一项开放标准，旨在确保跨平台、跨服务的 AI 支付行为均在可信环境中进行。 据 Google 表示，AP2 是与多家领先的支付与科技公司联合开发，目标是“安全地发起并处理由代理主导的支付行为”。其核心设计思想是通过明确的授权机制、行为验证以及责任可追溯性，解决 AI 交易中最为关键的信任问题。 什么是 AP2 协议？ AP2 协议可视为 Agent2Agent 协议（A2A）和模型上下文协议（MCP）的扩展。正如 MCP 可让用户将 AI 工具安全连接至数据库，AP2 则允许用户、商家和支付提供商与 AI 代理进行安全交易。 Google 表示，AP2 能够： 此外，AP2 支持多种支付方式，包括信用卡、稳定币（stablecoin）以及实时银行转账，为代理和商户提供统一交易标准。 AP2 如何运作？ AP2 协议的核心机制是“授权书（Mandates）”，这是一种加密签名、不可篡改的数字合约，能够记录用户的意图。主要包括两类： 在实时交易场景中，当用户在线时，先签署意图授权书，再对交易进行确认，形成购物车授权书。 在用户不在场的场景下（如夜间自动下单），则需提前签署详细的意图授权书，设定如价格上限等具体条件，允许代理在条件达成时自动生成购物车授权书。 无论是哪种方式，用户都需通过安全渠道绑定支付信息，确保交易的合法性与安全性。 行业广泛支持，生态持续扩大 目前，已有超过…

在 monday.com，公司原本面临一项看似不可能完成的挑战：拆分庞大的 JavaScript 客户端单体架构（monolith）。这一任务原本被评估需要 8 年的人力才能完成，但借助 Morphex——一套由公司自行开发、基于 AI 的迁移系统——最终仅用 6 个月就成功完成。 这场工程挑战展示了公司如何在复杂程度极高的开发任务中有效运用 AI，也揭示了为何选择自主构建系统、采用哪些实践方法，以及整个过程中所积累的经验与教训。 “登月计划”：从 AI 月到 Morphex 的诞生 Morphex 的起点是在一次名为 “AI Month” 的公司内部活动中。活动期间，公司几乎所有工程师都投入到构建内部 AI 工具或为产品添加 AI 能力的任务中。作为其中一个特别小组的目标，团队希望选择一个极具挑战性的任务——不仅需要 AI 超越以往能力的极限，还能对日常开发带来重大影响。 最终，选择落在了拆分客户端单体架构并用现代技术栈重建上。这一“登月计划”具有深远意义：monolith 通常是指一个巨大的、结构复杂的单一代码库，其依赖关系庞大、内聚性极强、极难分离。而 monday.com 的客户端正是如此，其架构庞大且可扩展，支持数百位内部开发者以及成千上万的社区开发者和 AI 代理共同协作。 该单体架构囊括了十余年的代码积累，分布在数千个文件中，包括大量 Redux 动作、选择器、reducer、常量、服务、工具函数等。为了实现迁移，代码不仅需要从 JavaScript 重写为 TypeScript，还要将状态管理从 Redux 切换到 Zustand。 任务目标被定为仅用 6 个“人月”完成这一看似不可能的任务。 变身为 AI 代理团队的“经理” 项目初期遇到许多挑战：如何将庞大的代码库和其依赖关系映射为可执行的工作项？AI 代理能否并行工作且避免冲突？如何确保进度的可视化？ 公司决定使用 monday.com 自身的平台来管理整个流程。首次重大突破是将…

当记者首次见到伊莱泽·尤德科斯基时，这位AI安全领域的先驱语出惊人——他说，人工智能有99.5%的可能会杀死记者本人。 他并非在开玩笑。现年46岁的尤德科斯基是「机器智能研究所」（Machine Intelligence Research Institute，简称MIRI）的创办人，这家位于加州伯克利的非营利机构长期专注于研究先进人工智能所带来的风险。 过去20年来，尤德科斯基一直是硅谷的“末日布道者”，不断警告任何愿意倾听的人：发展强大的AI系统是一个极其糟糕的主意，最终只会走向灭顶之灾。 这种论调也正是他与MIRI现任总裁内特·索亚雷斯（Nate Soares）合著的新书《如果有人建成AI，所有人都将死亡》（If Anyone Builds It, Everyone Dies）的核心内容。该书是他们多年来向AI业界内部宣传的论点的简化版，面向大众市场。 他们的目标非常明确：终止AI的开发。他们认为，这不仅是技术伦理问题，而是关乎全人类命运的生死抉择。 书中写道：“如果地球上任何公司、任何组织、以任何类似当前的技术、基于任何接近我们当前AI理解的方式，建造出一套超级人工智能系统，那么地球上所有人都将死亡。” 这种直白而激进的末日论让部分人视其为极端分子，甚至是疯子。但不可否认的是，尤德科斯基是现代人工智能发展历程中的关键人物之一，对整个行业产生了不可磨灭的影响。 他是最早警告强人工智能风险的声音之一，许多AI领域的重量级人物，包括OpenAI的山姆·奥特曼（Sam Altman）和埃隆·马斯克（Elon Musk）都曾公开提及他的思想。奥特曼甚至曾表示，是尤德科斯基的理念促使他创建了OpenAI，还称他或许值得获得诺贝尔和平奖。 2010年，尤德科斯基将英国AI初创公司DeepMind的创始人介绍给风险投资人彼得·蒂尔（Peter Thiel），后者成为其首位主要投资人。2014年，谷歌收购了DeepMind，如今其联合创始人哈萨比斯（Demis Hassabis）主管谷歌的AI业务，并因其研究获得了诺贝尔奖。 除了AI安全研究外，尤德科斯基还是理性主义（Rationalism）运动的思想引领者——这是一个松散组织的群体（或在某些人看来接近宗教），追求通过逻辑推理实现自我提升。在硅谷，这一运动影响深远，许多年轻工程师正是读着尤德科斯基的作品成长起来的。 虽然不少人不认同他的极端主张，但也无法忽视他的洞见与先知式警告。 从“友善AI”到“有尊严的灭亡” 尤德科斯基成长于芝加哥的一个东正教犹太家庭，中学因健康问题辍学，之后便未再回到学校。他自学计算机科学，沉迷科幻小说，并活跃于一个名为“超越主义者”（Extropians）的未来主义网络社群。 他早期的梦想是构建“通用人工智能”（AGI）——一种具备与人类等效智能的AI系统。他一度相信自己将成为实现这一目标的唯一人选。 2005年，他迁至湾区，致力于开发所谓的“友善AI”（Friendly AI）——即符合人类价值观、以人类福祉为中心的AI系统。然而，随着理解加深，他逐渐认为这一目标几乎不可能实现。 他提出了一系列理论： 这些理论最初只在网络未来主义者之间争论，彼时AI尚处萌芽阶段，业界普遍认为“AI毁灭人类”只是幻想。 但随着技术突飞猛进，尤德科斯基的担忧逐渐被更多人听见。 “哈利波特”同人文成为思想载体 2010年，尤德科斯基开始连载奇幻小说《哈利·波特与理性之道》（Harry Potter and the Methods of Rationality），借助通俗文学推广理性主义理念。这部作品最终篇幅超过60万字，比《战争与和平》还长，成为AI工程师圈层中的“启蒙读物”。 不少读者坦言正是这部作品启发了他们的职业选择。MIRI聚集了一批理性主义追随者，也有很多人选择投身OpenAI、Google等科技公司。 但AI发展步伐不曾因他们的努力而减缓，尤德科斯基的焦虑反而加剧。 2022年，他宣布MIRI将战略转向“有尊严的灭亡”（death with dignity）。他认为，人类已无力解决AI对齐问题，不如承认失败、尽量以体面方式走向终结。 他写道：“现在已经很明显，人类既解决不了AI对齐问题，也不会真心努力去解决，甚至都懒得认真抵抗。” 真会毁灭人类吗？ 记者在访谈中提出了一些质疑，比如AI可解释性研究是否能让我们更好地理解并控制模型？尤德科斯基回应称：“过去25年的进程并未否定我的理论，就像问物理学家，最近的发现是否改变了人们对石头掉下悬崖的理解一样。” 他也被问及是否应将注意力更多转向AI带来的现实问题，如失业、对话模型诱发妄想等。他不否认这些问题的存在，但明确表示这些远不足以动摇他对超级AI末日的忧虑。 当被问及是否对某些AI公司抱有希望时，他回应道：“在这群疯狂的科学家中，OpenAI是最糟的，Anthropic的员工稍微好些。但这无关紧要，他们都应被法律一视同仁地叫停。” 即使AI能带来药物研发、教育辅导等益处，他也坚称：“我们承认这些潜在好处，但这值得以毁灭整个人类文明为代价吗？答案是否定的。” 最后一战 即使在支持者中，尤德科斯基也是一个极具争议的人物。他自负、直接，不少追随者希望他能成为更善于公众沟通的代表。 为配合新书发布，他做出了一些改变。他剪短了标志性“拉比式”胡须，换掉了金色高顶帽，改戴低调的报童帽（他称这是“观察者反馈”的结果）。 有粉丝建议他将一部含有色情元素的小说从亚马逊下架，以免影响公众形象，他最终照做，但仍抱怨道：“其实它一点也不色，至少以我的标准来说。”…

在技术革命的浪潮推动下，企业家与投资者不断创造财富。从铁路、贝塞麦转炉工艺、电力、内燃机，到微处理器，每一次颠覆性技术都像烟火工厂里的一束火花，引爆了一连串创新，引发社会结构的深刻变革，也将一批发明者和投资人推向了财富与权力的巅峰。 然而，并非所有革命性技术都会带来巨大的财富创造。有些技术虽然改变了社会运行方式，却未能打破现有的经济格局。比如早于微处理器15年的集装箱化运输，其革命性不亚于ICT技术，却因为身处技术进步缓慢的时期，在激烈竞争与资本密集压力下，极少数人真正从中获益。 每一位投资者在押注新兴技术时，都必须回答两个问题：第一，这项技术将创造多少价值？第二，这些价值最终由谁掌握？信息与通信技术（ICT）是一个典型例子，其价值主要由初创企业掌控，催生了成千上万位富有的创始人、员工和投资人；而集装箱运输的价值则分散得太广，最终只让极少数人获利。 那么，生成式人工智能属于哪一类？它是未来工业财富的基础，还是一场让投资界整体失望、仅产生少数赢家的零和博弈？ 当前的投资路径，若基于后者的假设，似乎更加理性——即AI模型公司与应用企业将竞争到形成寡头垄断，最终，技术带来的大部分收益将流向消费者，而非建设者。因此，大量涌入AI领域的资本很可能流向了错误的方向，只有极少数眼光独到、及时退出的投资者能成功获利。 当年，微处理器的发明者并未意识到其革命性。1971年Intel团队仅希望减少重复设计计算器芯片的工作量，却无意中赋予了后来者巨大的想象空间。数以千计的技术爱好者用微处理器构建出Intel难以想象的应用生态。这种“分布式且无需许可”的发明过程，正如经济学家卡洛塔·佩雷斯所说，是由技术触发、由经济与社会力量驱动的“伟大发展浪潮”。 上世纪70年代初，个人计算机市场并无真正需求，它们被视为昂贵的玩具。但爱好者们打下了技术基础并建立了用户社群。1975年前后，微处理器价格骤降，使市场走向可行。MITS公司依靠Intel 8080勉强维持运营，而当MOS Technologies将6502定价为25美元后，沃兹尼亚克便得以开发出苹果原型机。6502及Zilog Z80进一步压低了Intel的价格，催生了个人电脑创业热潮。 当时，即使在1976年苹果公司创立的年份，《纽约时报》全年仅提及个人电脑四次。没人认为它是严肃的商业机会，真正关注者仅限于一小群“疯子、叛逆者与搅局者”。 然而2025年的AI却不同，它成为大众与企业关注的焦点。大型企业厌恶不确定性，而AI的到来不再是“惊喜”，从一开始就成为现有ICT系统的自然延伸，主导地位已被科技巨头牢牢把控，创新空间有限，竞争激烈且即时展开。 经济学家佩雷斯将每一波技术浪潮划分为四个阶段：爆发期（irruption）、狂热期（frenzy）、协同期（synergy）与成熟期（maturity）。其中爆发与成熟两个阶段投资回报最难预测。AI被捕捉的速度之快，直接跳过了真正的爆发期，进入了价格战与寡头垄断阶段。模型建设成本高昂，利润空间被压缩，竞争异常激烈——正如当年的集装箱运输。 海运集装箱革命由马尔科姆·麦克莱恩于1956年启动。他的理念是：运输的任务是将货物从发货人运到目的地，而非局限在卡车、火车或船只本身。他的公司SeaLand通过改造战后剩余船只、与工会协商、避开主要港口竞争，以低成本推动标准化运输系统。然而，行业巨头快速入场，导致利润被竞争侵蚀，麦克莱恩最终于1969年出售公司，成为极少数全身而退的创业者。 集装箱运输显著降低了海运成本，使制造商将工厂迁至低工资国家，推动全球化。但真正从中致富的人屈指可数。其商业价值最终体现在客户层面，如宜家（IKEA）与沃尔玛等零售商因运输成本降低、库存管理优化而受益巨大。而传统家具制造重镇如北卡罗来纳州的企业则因转型缓慢而被取代。 同样地，AI的投资机会并不在“模型公司”本身。像Sam Altman这样早期进入者或许能获利，但其背后庞大的基础设施支出与竞争压力，注定大部分企业难以维持高利润。即便是细分模型公司（如Cursor、Harvey），也面临被大型模型公司收购整合的命运。生成图像、音频等内容的公司，如Midjourney或Runway，表面上技术架构不同，但也难逃被大型语言模型侵蚀。 应用层公司的命运同样堪忧。即使它们目前看起来蓬勃发展，如Perplexity、Writer、InflectionAI等，但一旦盈利，其上游模型公司便可能通过价格歧视或垂直整合夺取其市场。成功反而成为失败的前奏。除非建立起强大的客户关系或被收购，否则这些公司很难形成真正的壁垒。 某些中间层公司可能具备投资价值，如Hugging Face或Glean，它们定位于模型与客户之间的接口管理或数据保护，但也难以获得战略控制权，规模有限。 从供应链上游看，芯片、数据、云计算与数据中心公司或许能受益，如SambaNova、Scale AI、Lambda、Nvidia等。但因预期已反映在估值中，缺乏“超额惊喜”。若AI投资周期下行，这些高资本投入企业将面临巨大压力，尤其在产能过剩时，定价能力将遭受打击。 因此，投资机会应聚焦于“下游”——即那些能从模糊信息中生成高质量结果的公司，尤其是在专业服务、医疗、教育、金融与创意产业中。这些领域占全球GDP的三分之一至一半，却长期未受益于自动化，AI的应用可提高效率、降低成本。 这些行业中，最先受益的将是那些已将“降低成本”作为战略核心的企业。就如当年的IKEA和沃尔玛一样，他们能迅速将节省成本转化为产品多样化与全球扩张的机会。未来也将有新企业崛起，以低价、高量的策略挑战现有市场格局。 但需要指出的是，这类企业往往不需要大量风险投资。IKEA从未融资，Costco仅在1983年融资一次便于1985年上市。技术触发到最佳投资窗口之间存在长期滞后。在这种结构下，投资人获利机会有限，但创业者将迎来黄金时代。 股票市场中的投资者需精准挑选标的。在最高预期下，AI对GDP的贡献每年仅增加约2%，若旧有ICT技术红利减少，这一增幅将进一步压缩。企业是否能根据AI带来的战略影响进行重塑，才是关键。正如沃尔玛最终取代未能转型的西尔斯（Sears），那些能在AI带来效率提升的基础上重新定义业务模式的公司将获得最大回报。 然而，最大的受益者仍是消费者。过去，机械化提升制造业劳动生产率，降低了产品价格，节省了消费者支出。制造业工资上涨迫使服务业也提高薪资，尽管后者并未获得相应的生产力提升。这导致服务价格持续上涨。1918年，家庭支出中食品与服装占比为55%，而到2023年已降至16%。但教育、医疗等知识密集型服务的成本却远高于通胀。 AI将带来类似的结构性变化。知识密集型服务将因AI降低成本而更易获取，消费者将购买更多此类服务；而需要人与人互动的服务将价格上升，占据更大支出比例。这一趋势不仅揭示双重投资机会，也表明AI创造的大部分新价值将由消费者获得——包括更丰富且价格合理的知识型产品，以及更广泛、可负担的医疗、教育与咨询服务。 技术浪潮初期，总充满构想、发明与创造世界级企业的机遇，伴随财富、声望与荣耀。但对于投资者与创业者而言，最危险的正是“愿景主义”的自我欺骗。过去50年的科技投资经验已不再适用。要在AI中获得成功，关键在于理解知识工作者效率提升的深远影响，思考这种效率将释放哪些新市场，并押注于这些机会。过去的成功之道是押注“下一件大事”，而现在则需押注“大事所带来的机会”。

据《华尔街日报》2025年9月9日报道，Meta（原Facebook）在今夏斥资数千万美元广泛招募AI领域的明星研究人员。然而，如何将这些高薪新人有效融入现有团队，成为公司当前面临的重大管理挑战。 据悉，一些由马克·扎克伯格亲自招揽的AI精英已在短时间内离职，跳槽至其他人工智能实验室。而原有员工则纷纷申请加入Meta重组后的AI部门，或要求加薪以应对与新同事在薪资上的巨大差距。据内部人士透露，即便有员工获得了价值数百万美元的股权奖励，也依旧感到不公，因发现新加入者的薪酬是自己的数倍。 尽管Meta市值接近2万亿美元，提供的薪资也令人瞠目，但从管理角度来看，其正面临一个典型问题——如何在持续引进顶尖人才的同时，维护内部员工的满意度和组织稳定。 前谷歌人事主管、现科技行业顾问拉斯洛·博克指出：“如果在文化上未能为这些‘明星’员工打下融合基础，最终只会把他们累垮、惹怒他们，然后看着他们一个个离职，公司也将浪费数百万美元。” 据知情人士透露，Meta最新AI团队中最精英的研究小组——被称为“TBD实验室”的成员，办公区域设于加州门洛帕克总部内靠近扎克伯格办公桌的一侧，并设有特殊门禁，仅允许特定员工进入。该小组的成员名单未出现在公司内部组织结构图中，与其他公开部门形成鲜明对比。 一些Meta员工认为，这类“分级措施”强化了公司内部的等级感，尤其是在计算资源紧张、招聘冻结背景下，更容易激化团队之间的竞争情绪。如今，要填补空缺岗位，必须获得首席AI官亚历山大·王的亲自批准。 对于这些质疑，一位Meta发言人在声明中回应称，关于公司AI运作的相关报道属于“过度关注琐事”，并表示“这又是一系列虚假、夸大或被曲解的说法。” 不过，这种问题并非Meta独有。在AI人才争夺愈演愈烈的大背景下，许多大型与初创科技企业均采取了前所未有的手段留住关键员工。 据知情人士透露，今年8月，OpenAI曾向部分研究和工程员工发放一次性奖金，金额高达数百万美元。同一时间，苹果也流失了多位AI核心人员，其中包括一位负责AI模型开发的高管，他们转投其他AI实验室。而由OpenAI联合创始人伊利亚·苏茨克维尔新成立的初创公司“Safe Superintelligence”，甚至要求员工避免在LinkedIn上提及公司名称，以防被同行挖角。 据LinkedIn及内部人士透露，Meta通过承诺提供大量算力资源与丰厚报酬，成功招募了超过50位AI领域人才，其中至少21人来自OpenAI，超过12人来自谷歌，部分来自xAI和苹果。 部分Meta员工利用外部招聘报价作为谈判筹码，成功争取到更高薪资和更优职位。今年7月，Meta一支AI基础设施团队的数名成员收到OpenAI前高管米拉·穆拉提新创公司“Thinking Machines Lab”的录用邀请，随后将这一信息反馈给Meta管理层，最终成功获得加薪并调入“TBD实验室”。 对此，Meta发言人回应称，这些员工原本就计划调入该实验室，薪资调整并非受外部报价影响，公司也未对任何“以辞职相威胁”的员工作出反向报价。 尽管Meta已实施招聘冻结，但激烈的人才竞争环境仍令研究人员在各AI实验室之间频繁跳槽。 例如，来自多伦多的AI研究员里沙布·阿加瓦尔于今年4月加入Meta AI部门，曾因要求远程工作被拒后，选择跳槽至前OpenAI高管创立的初创公司Periodic Labs。 另外，两位来自OpenAI和xAI的新员工阿维·维尔玛与伊桑·奈特已返回OpenAI；来自Scale AI的前高管鲁本·迈耶尔则因“个人原因”离开Meta，尚未宣布新去向。 更引人关注的是，ChatGPT共同创造者赵圣佳于今年6月加入Meta，仅在一周内就决定返回OpenAI，并签署了重新入职文件。为挽留其核心技术力量，Meta不仅赋予其“首席科学家”头衔，还将其薪资提高至原先的三倍。尽管Meta发言人后来否认赵的薪酬提升幅度达到三倍，但证实赵自团队成立初期起就担任科研负责人，其职位只是随后正式确立。 业内人士分析指出，Meta在AI领域的激进行动虽为公司带来了大量顶尖人才，但同时也带来了组织文化冲突、等级分化、内部不平衡等挑战。在AI人才战愈演愈烈的今天，如何在追求技术突破的同时，维持团队稳定与企业文化，将成为Meta必须面对的重要课题。