！近日，在美國(guó)紅點(diǎn)創(chuàng)投播客Unsupervised Learning最新一期中，紅點(diǎn)創(chuàng)投合伙人Jacob Effron與Datology聯(lián)合創(chuàng)始人兼CEO Ari Morcos、Radical Ventures合伙人Rob Toews圍繞當(dāng)下市場(chǎng)關(guān)注的問(wèn)題進(jìn)行了一場(chǎng)討論，討論內(nèi)容涉及“大模型發(fā)展是否放緩、強(qiáng)化學(xué)習(xí)環(huán)境、谷歌大模型的快速上升、頭部大模型公司的估值、人才戰(zhàn)的影響、AI智能硬件與腦機(jī)接口等內(nèi)容。

Ari Morcos認(rèn)為，目前大模型單純地?cái)U(kuò)大規(guī)模已經(jīng)出現(xiàn)邊際遞減效應(yīng)，但大模型的進(jìn)步體現(xiàn)在推理能力、成本效率和小模型變強(qiáng)等方面；Rob Toews對(duì)此有不同觀點(diǎn)，他認(rèn)為，目前底層智能能力的加速度確實(shí)在放緩，如果希望繼續(xù)加速，需要在基礎(chǔ)層面有所突破。

兩人都長(zhǎng)期看好谷歌的AI。近期Nano Banana上線后，谷歌Gemini爬升至美國(guó)Apple APP Store前列。Ari Morcos認(rèn)為，Google的問(wèn)題長(zhǎng)期在“產(chǎn)品落地不強(qiáng)、缺乏核心聚焦”，但過(guò)谷歌聯(lián)合創(chuàng)始人Sergey Brin的回歸與深入?yún)⑴c，讓Gemini團(tuán)隊(duì)發(fā)生了變化。

關(guān)于目前頭部大模型公司的估值，兩人也認(rèn)為OpenAI（5000億美元）和Anthropic（1800億美元）的估值是相對(duì)合理的，但上限可能不高，未來(lái)可能更多取決于業(yè)務(wù)增速和商業(yè)化結(jié)果。而xAI的2000億美元估值不如上述兩家公司合理，資本市場(chǎng)愿意出錢(qián)更多是“不能押Elon輸”的原因。

以下為「明亮公司」編譯的訪談?wù)模ㄓ袆h節(jié)）：

Ari Morcos（左）、Rob Toews（中），主持人Jacob（右）

大模型的發(fā)展放緩了嗎？

Jacob Effron：先聊最近爭(zhēng)論很大的話題：模型進(jìn)展是否放緩。

Ari Morcos: 我不覺(jué)得有顯著放緩，只是更難量化、也更難被普通用戶感知。多數(shù)C端的任務(wù)上，模型已經(jīng)足夠好，所以差距沒(méi)那么直觀?，F(xiàn)在的進(jìn)步更多體現(xiàn)在其他維度——推理（reasoning）、成本效率、更小模型追平一年前的大模型等。大家可能覺(jué)得失望、但其實(shí)預(yù)期之內(nèi)的是，“單純擴(kuò)規(guī)?！遍_(kāi)始出現(xiàn)邊際遞減。

去看Scaling laws（Jerry Kaplan等人的研究）的工作——每擴(kuò)大10倍數(shù)據(jù)或算力，回報(bào)會(huì)遞減。GPT-4.5、Llama 4、Behemoth等都體現(xiàn)了這點(diǎn)。但我們也解鎖了別的有效擴(kuò)展軸。總體我不覺(jué)得放緩，只是“進(jìn)步的音色”換了。

Rob Toews: 為了讓討論“有火花”，我不同意Ari。我認(rèn)為底層智能能力的加速度確實(shí)在放緩。

任何指數(shù)最終都會(huì)走成S曲線。GPT-2到GPT-3，再到GPT-4的躍升驚人，但現(xiàn)在明顯在平臺(tái)期。一方面如Ari所說(shuō)，預(yù)訓(xùn)練擴(kuò)大規(guī)模邊際遞減，這點(diǎn)有充分證據(jù)。

另一方面，去年開(kāi)始有個(gè)敘事：擴(kuò)大后訓(xùn)練計(jì)算，基于RL（注：即強(qiáng)化學(xué)習(xí)、以下統(tǒng)一用RL）等，能延續(xù)進(jìn)步曲線，擴(kuò)大測(cè)試時(shí)計(jì)算的推理（reasoning）模型能在coding等領(lǐng)域展現(xiàn)新能力且很有用，但我不確定這套范式足以維持2020-2024那種進(jìn)度。

特別對(duì)RL而言，在有明確可驗(yàn)證答案的領(lǐng)域（數(shù)學(xué)、代碼）很強(qiáng)，但在難以驗(yàn)證的開(kāi)放域就不明朗。我覺(jué)得若要“再加速到下一層級(jí)”，需要更基礎(chǔ)的突破——雖然外界未必看見(jiàn)，但大廠顯然在做。就當(dāng)前范式而言，確實(shí)在放緩。

Ari Morco: 補(bǔ)充一句，預(yù)訓(xùn)練的平臺(tái)主要出現(xiàn)在“把模型越堆越大”這條路上——參數(shù)規(guī)模、上十億美元訓(xùn)練，這條路性價(jià)比不再高。

我們?cè)赗L上看到的收益，正是因?yàn)?/strong>基礎(chǔ)模型足夠好，RL才開(kāi)始奏效。這也是S曲線。對(duì)普通用戶而言，模型已經(jīng)很能打，剩下是可靠性，比如降低幻覺(jué)和成本等。對(duì)部署方來(lái)說(shuō)，更便宜很重要。

Jacob Effron：回到RL，關(guān)鍵是它能否跨領(lǐng)域泛化？還是在某個(gè)數(shù)據(jù)集/場(chǎng)景上爬坡，換域就歸零？Ari你長(zhǎng)期研究“泛化”，你的直覺(jué)是？

Ari Morcos: 我做過(guò)很多“分布外泛化”（注：即Out-of-Distribution Generalization、OOD泛化，指模型在訓(xùn)練數(shù)據(jù)分布之外的新環(huán)境/新域上，仍能保持穩(wěn)定、可靠的表現(xiàn)。簡(jiǎn)言之，不只在“熟悉場(chǎng)景”里準(zhǔn)，在“風(fēng)格變了、環(huán)境換了、采樣偏了”的陌生場(chǎng)景里也準(zhǔn)）。

現(xiàn)代自監(jiān)督學(xué)習(xí)有個(gè)訣竅：把分布外盡量變成分布內(nèi)。訓(xùn)練覆蓋全網(wǎng)在某些方面確實(shí)有效，但里面很多無(wú)效數(shù)據(jù)會(huì)拖效率。RL難點(diǎn)在于你搭的“環(huán)境”很具體，且極易被“獎(jiǎng)勵(lì)黑客”，模型會(huì)抓住模擬與現(xiàn)實(shí)的縫隙“作弊”?！?strong>AI在不完美環(huán)境里也會(huì)找這種漏洞，導(dǎo)致不泛化。

要讓RL奏效，你得做足夠真實(shí)、只能靠“通用原理”才能解的環(huán)境。這在編程等易驗(yàn)證領(lǐng)域可行，但大多數(shù)真實(shí)世界任務(wù)很難，仍待驗(yàn)證。

Jacob Effron: “RL環(huán)境創(chuàng)業(yè)”現(xiàn)在很熱，粗看有兩類：一類賣(mài)給那“幾家大的實(shí)驗(yàn)室”，像數(shù)據(jù)標(biāo)注那樣大部分工作在內(nèi)部；另一類服務(wù)更廣泛的企業(yè)，幫他們用RL訓(xùn)練自家模型。你們更看好哪個(gè)方向？

Rob Toews: 這個(gè)夏天冒出了一堆RL環(huán)境創(chuàng)業(yè)公司，不意外。

第一類——賣(mài)給有巨額預(yù)算的大實(shí)驗(yàn)室（OpenAI、Anthropic等等）——短期會(huì)有營(yíng)收暴增。大廠內(nèi)部自建很多，也愿意外采，目標(biāo)是盡快擴(kuò)充RL環(huán)境的供給。但長(zhǎng)期是否耐久，我存疑。環(huán)境生成會(huì)越來(lái)越自動(dòng)化，或需求會(huì)轉(zhuǎn)向。像Scale AI那樣，關(guān)鍵是創(chuàng)始人能否靈活轉(zhuǎn)身，找到第二幕、第三幕。

第二類可稱“RL as a service”，給企業(yè)做基于自有數(shù)據(jù)的定制模型，學(xué)習(xí)其企業(yè)環(huán)境。我更看好這條。雖有專業(yè)服務(wù)屬性，但市場(chǎng)已接受“前線部署工程”（FDE）的模式。RL環(huán)境千差萬(wàn)別，專家能長(zhǎng)期創(chuàng)造價(jià)值。

Ari Morcos: 我同意“耐久性”是關(guān)鍵。數(shù)據(jù)采集與RL環(huán)境不完全類比：多做環(huán)境會(huì)更擅長(zhǎng)做新環(huán)境，這和“專家數(shù)據(jù)標(biāo)注”不同，也更易被自動(dòng)化。標(biāo)注平臺(tái)（Scale、Surge等）多做客戶專屬數(shù)據(jù)集；而很多RL環(huán)境公司想“做一個(gè)環(huán)境賣(mài)給所有人”，這會(huì)削弱差異。

如果你相信環(huán)境將成為前沿差異，那么大廠會(huì)強(qiáng)烈傾向自建或購(gòu)買(mǎi)獨(dú)家環(huán)境。我預(yù)計(jì)這波不會(huì)太久，能否在窗口期做大、并順利轉(zhuǎn)型很重要。

至于第二類，我很看好。消費(fèi)端需要“面廣但淺”的通才；企業(yè)要“面窄但深”的專才，做到五個(gè)九、盡可能低成本。門(mén)檻在成本與人才，但二者都在快速下降。我們已有證據(jù)：用百萬(wàn)級(jí)美元就能做很強(qiáng)的定制模型，且成本還在掉。這會(huì)讓企業(yè)做定制RL非常有吸引力。

Jacob Effron: 以前“自建模型”更像做低成本版；現(xiàn)在通過(guò)這些技術(shù)，確實(shí)能在垂直領(lǐng)域把SOTA往前推。

Ari Morcos: 尤其當(dāng)你有與任務(wù)高度匹配的專有數(shù)據(jù)時(shí)。拿這些數(shù)據(jù)去做通用Web模型就不值錢(qián)了。

谷歌AI模型的快速上升

Jacob Effron: 這周Gemini首次登頂App Store，可能受Nano Banana驅(qū)動(dòng)。Google從Attention Is All You Need，到被說(shuō)“落后”，再到今天“回來(lái)了”，你們?cè)趺纯?？Ari你2016起在DeepMind。

Ari Morcos: 我一直看多Google Gemini，人才密度太高。Google的問(wèn)題長(zhǎng)期在“產(chǎn)品落地不強(qiáng)、缺乏必勝的聚焦”。過(guò)去一年Gemini團(tuán)隊(duì)顯然變了，Sergey（谷歌聯(lián)合創(chuàng)始人Sergey Brin）親自深入抓，能量不同。Google一旦“全力開(kāi)火”，上升很快，再疊加分發(fā)優(yōu)勢(shì)，會(huì)很強(qiáng)。

Jacob Effron: Rob，兩三年后他們會(huì)有最強(qiáng)模型嗎？

Rob Toews: 和Ari看法一致，我很看好（谷歌）。ChatGPT之后，大家說(shuō)Google躺平被OpenAI超車，當(dāng)時(shí)確實(shí)是這樣。但Google有結(jié)構(gòu)性優(yōu)勢(shì)：資源、算力、深厚的人才儲(chǔ)備。我預(yù)計(jì)Gemini 3很快會(huì)發(fā)，會(huì)很強(qiáng)、達(dá)到SOTA，甚至可能更好。若讓我選一家推進(jìn)前沿最猛，我會(huì)選Google。

Ari Morcos：有個(gè)財(cái)務(wù)層面的懸念：他們會(huì)贏下平臺(tái)之戰(zhàn)，但“平臺(tái)更難變現(xiàn)+成本更高”，短期利潤(rùn)會(huì)被兩頭擠壓。中期他們會(huì)摸索出變現(xiàn)方式，也會(huì)降本（自研芯片幫助巨大），隨后恢復(fù)增長(zhǎng)。

Jacob Effron: 這對(duì)OpenAI和Anthropic都是大威脅。OpenAI的估值很大程度基于C端ChatGPT；Anthropic更偏企業(yè)API（coding）。若Gemini 3在coding上發(fā)力，切換可能很快。

Ari Morcos: 默認(rèn)（defaults）的力量很大。ChatGPT的C端品牌已出圈，但Android默認(rèn)Gemini、iPhone未來(lái)默認(rèn)Apple自研或Gemini？（按搜索的歷史來(lái)看，但監(jiān)管未必允許），消費(fèi)者端會(huì)受默認(rèn)主導(dǎo)，尤其當(dāng)質(zhì)量差距不大時(shí)。

如何OpenAI、Anthropic、xAI的估值

Rob Toews: Jacob，我反問(wèn)你一個(gè)。你提到OpenAI和Anthropic的融資，這么高的估值你怎么想？

Jacob Effron: 關(guān)鍵看增長(zhǎng)率（是否）外推。若延續(xù)幾年，倍數(shù)自然變得更易接受。OpenAI有7億用戶，增量空間主要在“變現(xiàn)”：廣告、交易閉環(huán)等。理論上答案引擎的變現(xiàn)可超過(guò)搜索（直接驅(qū)動(dòng)交易），但要解決“信任”。Anthropic看“編程市場(chǎng)”和“企業(yè)API”未來(lái)兩年的成長(zhǎng)。要么模型有階梯式進(jìn)步，要么社會(huì)擴(kuò)散太慢，即便暫停研究也能靠擴(kuò)散效應(yīng)跑很久。

Ari Morcos：我不確定能保持“大爆發(fā)式增長(zhǎng)”，但即便停止研究，也需要幾十年把現(xiàn)有能力普及到全部經(jīng)濟(jì)系統(tǒng)。

OpenAI這類標(biāo)的我可能會(huì)買(mǎi)，雖然上行空間小了，但并非離譜。關(guān)鍵是單位經(jīng)濟(jì)是否穩(wěn)健、消費(fèi)者是否愿意付費(fèi)。開(kāi)發(fā)者會(huì)付，但我認(rèn)識(shí)的非開(kāi)發(fā)者很少付費(fèi)。

答案引擎廣告有“破壞信任”的風(fēng)險(xiǎn)。當(dāng)然搜索優(yōu)化了20年，我們從零開(kāi)始，怎么變現(xiàn)要摸索。

Jacob Effron: 你們會(huì)在OpenAI 5000億美元、Anthropic 1800億美元的估值投嗎？

Ari Morcos：OpenAI可能會(huì)吧。雖然上行空間小了，但并非不可理喻。Anthropic也類似，只是更受“開(kāi)發(fā)者喜新厭舊”的影響——新模型一出大家就切，我們自己也會(huì)切。

Jacob Effron：今天xAI宣布以2000億美元融資。熱度不如上面兩家，但畢竟是Elon。你們?cè)趺纯矗?/p>

Rob Toews: 能以這樣的速度與估值融資，反映了“Never bet against Elon”（別押Elon輸）在投資人心中的力量。這一理念在過(guò)去二十年確實(shí)非常奏效。他是這個(gè)時(shí)代最偉大的企業(yè)家。但如果撇開(kāi)Elon，xAI以200B估值不如OpenAI或Anthropic合理。他們業(yè)務(wù)體量更小，還在追趕；技術(shù)范式、產(chǎn)品也沒(méi)有根本差異。最近還出現(xiàn)頂級(jí)研究員出走，文化也有擔(dān)憂。綜上我不下定論，但就當(dāng)前態(tài)勢(shì)看，xAI不如那兩家站位穩(wěn)健，后續(xù)拭目以待。

Ari Morcos: 和Rob基本一致。我覺(jué)得數(shù)字上不太自洽，但“別押Elon輸”確實(shí)是會(huì)傷錢(qián)包的教訓(xùn)。

高薪挖AI人的影響：公司文化風(fēng)險(xiǎn)更大

Jacob Effron: 說(shuō)到人才遷徙，過(guò)去6-12個(gè)月“搶人大戰(zhàn)”和“超高薪package”很熱。Ari你怎么看？會(huì)持續(xù)嗎？

Ari Morcos: 我2015年入行。那會(huì)兒有人拿到50萬(wàn)美元就已夸張。每年大家都說(shuō)“頂了”，事實(shí)證明還沒(méi)頂。AI的經(jīng)濟(jì)價(jià)值已被驗(yàn)證，不是.com泡沫那種。未來(lái)對(duì)AI的依賴會(huì)更深，“投人才”有回報(bào)就會(huì)持續(xù)。從“模型性能/美元”看，任何能當(dāng)“算力乘數(shù)”的投入都很值。高質(zhì)量數(shù)據(jù)是乘數(shù)，頂尖人才也是。他們能把GPU榨干，顯著提升單位算力產(chǎn)出，節(jié)省遠(yuǎn)超薪酬本身。

風(fēng)險(xiǎn)在文化：是否吸來(lái)“只求不被裁/拿完錢(qián)就走”的人，打擊團(tuán)隊(duì)士氣？這取決于組織如何設(shè)定激勵(lì)。

從ROI看，很講得通。平均薪酬還會(huì)漲，1億美元這種或許是階段性現(xiàn)象。如果Meta放出很強(qiáng)的模型，更多“天價(jià)”會(huì)出現(xiàn)；否則會(huì)少些。

Jacob Effron: 幾年前Character AI那種“非并購(gòu)式并購(gòu)”發(fā)生時(shí)，大家一頭霧水；事后看對(duì)某些人很聰明。也把創(chuàng)投生態(tài)帶到一個(gè)新?tīng)顟B(tài)：一些超強(qiáng)團(tuán)隊(duì)一出場(chǎng)，底層價(jià)值就被巨頭潛在收購(gòu)價(jià)抬高，像Thinking Machines（前OpenAI創(chuàng)始人Mira Murati創(chuàng)立的公司）這類從Day 1就是“極具并購(gòu)價(jià)值的團(tuán)隊(duì)”，所以估值“地板”很高，像免費(fèi)看漲期權(quán)。

Rob Toews: 正是如此，所以才會(huì)有Thinking Machines 100億美元、SSI（Ilya Sutskever創(chuàng)立的公司）先50億再到300億美元+這種“從一開(kāi)始就很瘋狂”的估值。大廠已經(jīng)試過(guò)出高價(jià)收購(gòu)被拒，底線保護(hù)真實(shí)存在。

另一個(gè)現(xiàn)象是“非常規(guī)并購(gòu)”——不是傳統(tǒng)M&A，而是用結(jié)構(gòu)設(shè)計(jì)規(guī)避FTC或DOJ的反壟斷審查。我們?cè)贑haracter、Adept、Inflection，以及最近Scale AI與Meta上都看到過(guò)類似。

新問(wèn)題是“錢(qián)怎么分”變得不可預(yù)測(cè)，不再按資本結(jié)構(gòu)表線性分配。有的投資人只拿回本，有的折價(jià)，有的拿到更好倍數(shù)；創(chuàng)始人常常拿到很多，員工卻可能幾乎拿不到。這對(duì)生態(tài)有害，也只是找漏洞回避審查。我希望這是“時(shí)間段里的插曲”，會(huì)被監(jiān)管修正。

Ari Morcos: 我很在意這一點(diǎn)。創(chuàng)始人與早期員工之間有“社會(huì)契約”：你拿出最寶貴的時(shí)間與精力下注，公司成功你應(yīng)分享收益。

“類收購(gòu)非收購(gòu)”的結(jié)構(gòu)破壞了契約，會(huì)讓優(yōu)秀人才更不愿加入初創(chuàng)公司，轉(zhuǎn)而求穩(wěn)，長(zhǎng)期會(huì)餓死初創(chuàng)公司。

監(jiān)管應(yīng)介入，但更重要的是創(chuàng)始人的選擇：進(jìn)入談判，你要捍衛(wèi)員工應(yīng)得的分配，避免留下一個(gè)“空殼公司+一群被稀釋的員工”的爛尾。

Jacob Effron: 我也好奇監(jiān)管會(huì)怎么處理“時(shí)間敏感性”——AI時(shí)代，一年審批周期可能直接讓交易失去意義，這也是這些“結(jié)構(gòu)創(chuàng)新”的原因。

Ari Morcos：你們覺(jué)得監(jiān)管會(huì)允許收購(gòu)像SSI或MSL這類“估值超100億美元但主要是靠人才密度的公司嗎？

Rob Toew：嚴(yán)格按傳統(tǒng)反壟斷分析，沒(méi)營(yíng)收、沒(méi)市場(chǎng)份額的團(tuán)隊(duì)被收購(gòu)，不應(yīng)影響消費(fèi)者定價(jià)，理論上可通過(guò)。但像Lina Khan這種更積極的監(jiān)管者，可能會(huì)強(qiáng)硬阻止比如Google收購(gòu)SSI。換更“放任”的監(jiān)管，則可能放行。

變化如此之快，做AI infra還有意義嗎？

Jacob Effron: 換個(gè)話題。我在BG聽(tīng)到OpenAI平臺(tái)的Sherwin Wu談AI基礎(chǔ)設(shè)施（含RL環(huán)境）。他對(duì)“AI infra整體看空”，因?yàn)槟_手架（Scaffolding）變太快。你們?cè)趺纯矗?/p>

Ari Morcos：具體看類別。像Fireworks AI這類做高效推理（inference）的，不會(huì)因?yàn)榉妒阶兓蜎](méi)意義；推理總是需要。數(shù)據(jù)標(biāo)注看起來(lái)也“安全”，但我覺(jué)得未必那么安全：你不需要“無(wú)限人類數(shù)據(jù)”，合成數(shù)據(jù)會(huì)占更大比重。標(biāo)注公司也在轉(zhuǎn)向“評(píng)判（judges)”。

但給現(xiàn)有基礎(chǔ)模型套一層腳手架就能做某任”的，就容易被“下一代模型”吞掉。那些解決“訓(xùn)練易用性、推理規(guī)模化、持續(xù)刷新模型”的基建，我看好。比如大廠的排序模型每幾小時(shí)更新一次，否則損失很大，其他行業(yè)也會(huì)走向高頻更新。

Rob Toews: 我同意“難，但不能一概看空”。技術(shù)范式遷移，總需要全新基建。關(guān)鍵是挑那些“無(wú)論范式如何變化，需求都長(zhǎng)期存在”的類別。推理是一個(gè)。標(biāo)注過(guò)去是一個(gè)，但合成數(shù)據(jù)崛起后要再評(píng)估。還有一些公司提供的能力，雖然底層技術(shù)細(xì)節(jié)常變，但它解決的“本質(zhì)問(wèn)題”不變，這類也能長(zhǎng)存。

Ari Morcos: 以Datology為例，我們的核心信念是：無(wú)論你做什么AI，喂給模型的數(shù)據(jù)質(zhì)量始終關(guān)鍵。我們的“不公平優(yōu)勢(shì)”是：針對(duì)既定下游目標(biāo)，最會(huì)“給數(shù)據(jù)定價(jià)/估值”，決定“該篩什么、該合成什么”。這個(gè)抽象框架長(zhǎng)期有效，只是兩年后可能更多用在RL而非純預(yù)訓(xùn)練。

要在AI infra里獲勝，你得抓“永遠(yuǎn)成立的真理”，把核心能力打磨到極致，同時(shí)組織上能隨生態(tài)演進(jìn)調(diào)整落地形態(tài)。

Jacob Effron: 否則就會(huì)被“打地鼠式”的變化拖死。

Ari Morcos: 尤其在AI里，唯一恒定的是“六個(gè)月后做事方式會(huì)變”。要把“適應(yīng)性”設(shè)計(jì)進(jìn)公司。

AI硬件與腦機(jī)接口：臨近拐點(diǎn)

Jacob Effron：最后幾個(gè)寬泛的問(wèn)題。Ari你在Meta工作過(guò)，你覺(jué)得MSL（超級(jí)智能實(shí)驗(yàn)室）實(shí)驗(yàn)會(huì)成功嗎？

Ari Morcos: 有可能。就像別賭Elon輸，也別賭Zuck輸。我一個(gè)頗具爭(zhēng)議的觀點(diǎn)是，Meta在“元宇宙”的投入，長(zhǎng)遠(yuǎn)看會(huì)被證明合理?？此麄冏钚碌腁R眼鏡路線就明白了。FAIR（Facebook AI Research）很多AI研究當(dāng)時(shí)歸Reality Labs，算在“元宇宙開(kāi)支”里。Llama的預(yù)算溯源可能也來(lái)自那邊。

Zuck多次做出當(dāng)時(shí)被罵、事后被證明神來(lái)之筆的戰(zhàn)略。付高薪在財(cái)務(wù)上可能說(shuō)得通，我更擔(dān)心文化副作用：我看到很多超強(qiáng)人才沒(méi)拿到“天價(jià)”，即便薪酬不差也會(huì)心懷芥蒂。若失敗，很可能是文化與激勵(lì)的問(wèn)題，而非技術(shù)。

Jacob Effron: 硬件與模型的交匯也變精彩了。大家似乎共識(shí)“眼鏡”是形態(tài)，把模型和揚(yáng)聲器裝進(jìn)眼鏡。你們?cè)趺纯碅I走出手機(jī)與電腦，進(jìn)入物理世界？

Rob Toews: 我對(duì)BCI（腦機(jī)接口）非?？炊?，最近深挖了幾個(gè)月。無(wú)論侵入式還是非侵入式，都臨近拐點(diǎn)。侵入式需要開(kāi)顱植入芯片，比如Neuralink，但能獲取高分辨率神經(jīng)數(shù)據(jù)；非侵入式可把傳感器嵌入耳機(jī)、帽子、手環(huán)等。

得益于傳感器和AI（尤其信噪提取）的進(jìn)步，從頭部電/磁信號(hào)噪聲中挖出足夠“信號(hào)”越來(lái)越可行。未來(lái)12-24個(gè)月會(huì)出現(xiàn)有說(shuō)服力的消費(fèi)產(chǎn)品，帶來(lái)全新的人機(jī)交互范式。

Ari Morcos: Meta的腕帶（EMG）是類似路徑。

Meta的EMG腕帶控制器（來(lái)源：uploadvr）

Ari Morcos: 它測(cè)的是肌電，不是神經(jīng)活動(dòng)，但范式相近。眼鏡形態(tài)我也認(rèn)同。Google Glass當(dāng)年“為時(shí)尚早”。電影Her和Humane那種“口袋+小相機(jī)”的形態(tài)不如眼鏡自然。有趣的是：人們會(huì)不會(huì)因此更常戴眼鏡/墨鏡？陽(yáng)光強(qiáng)的地區(qū)滲透是否更快？再往后，腦機(jī)接口也會(huì)和眼鏡融合。

Jacob Effron：過(guò)去一年里，你們各自改變過(guò)的一個(gè)AI觀點(diǎn)？

Ari Morcos：我對(duì)“RL在大語(yǔ)言模型上的有效性”的看法變了。過(guò)去很多年，RL承諾大、泛化差、落地難。而這一年我們看到最有力的證據(jù)：在語(yǔ)言上，RL真的開(kāi)始奏效了。但事后看，這有賴于base model先足夠好。把同樣的DeepSeek R1式技巧搬到三年前甚至一年前的模型，根本不靈。比如Qwen在訓(xùn)練中吃了大量“推理軌跡（synthetic reasoning traces）”，所以非常會(huì)“被RL”；Llama沒(méi)吃，就不靈。

Rob Toews: 對(duì)我而言，不算“改觀”，而是“更不確定”：機(jī)器人什么時(shí)候迎來(lái)“GPT-3時(shí)刻”？我們談的AI多在“數(shù)字世界的知識(shí)勞動(dòng)”?！拔锢硎澜绲膭趧?dòng)”仍基本未被“AI優(yōu)先”地自動(dòng)化。

現(xiàn)在有兩路在攻：一是硬件無(wú)關(guān)的通用機(jī)器人基礎(chǔ)模型；二是通用硬件平臺(tái)人形機(jī)器人。進(jìn)展很快，看起來(lái)“終會(huì)實(shí)現(xiàn)”，但是一兩年、五年還是更久？AI一到“原子世界”，難度指數(shù)級(jí)上升。公開(kāi)研究與開(kāi)源能讓我們看到些信號(hào)，但我仍不確定時(shí)間表。這會(huì)深刻影響AI改變世界的速度。

Jacob Effron: 我也來(lái)一個(gè)：一年前我會(huì)建議應(yīng)用層別太想模型，深挖工作流與縱深足矣；但現(xiàn)在開(kāi)始變了——在自家垂直領(lǐng)域做RL等，顯著提高可靠性與質(zhì)量，開(kāi)始變得必要且可行。

Ari Morcos: 歸根結(jié)底是成本。如果要花巨款就不劃算；若幾百萬(wàn)美元可達(dá)成，每家企業(yè)都該做。成本還會(huì)繼續(xù)降。

Jacob Effron：還有什么你們覺(jué)得被低估的話題？

Rob Toews: 若有一個(gè)方向最可能帶來(lái)“下一次躍遷”，是“AI能自主改進(jìn)AI”的遞歸路線（recursive AI）。從上世紀(jì)六十年代起，很多“超智能”路徑設(shè)想都基于此：AI能造更好的AI，形成復(fù)利。我知道一些頂尖團(tuán)隊(duì)在悄悄做這事，大廠肯定也在做。它聽(tīng)起來(lái)像科幻，但現(xiàn)在比以往更現(xiàn)實(shí)。如果有人把它做通了，未來(lái)幾年曲線的斜率會(huì)被它主導(dǎo)。

Ari Morcos：這個(gè)好，我認(rèn)同。我補(bǔ)一個(gè)長(zhǎng)期被低估的：數(shù)據(jù)。相對(duì)于影響力，數(shù)據(jù)在研究里依舊是低配的。大家談“數(shù)據(jù)墻”，但“合成數(shù)據(jù)”是大解法之一，關(guān)鍵在“怎么正確做”。有人擔(dān)心“模型自我喂養(yǎng)”導(dǎo)致胡言亂語(yǔ)（babbling），但有方法規(guī)避。外界已提到GPT-5以及多家中國(guó)模型都大量依賴高質(zhì)量合成數(shù)據(jù)。結(jié)合更好地策劃、過(guò)濾真實(shí)數(shù)據(jù)，這是把現(xiàn)有數(shù)據(jù)再榨干的關(guān)鍵；進(jìn)入垂直領(lǐng)域，更是剛需。若做對(duì)，影響巨大，但也有風(fēng)險(xiǎn)，需要專業(yè)方法。

作者：MD

出品：明亮公司