拉斯·特維德：我們即將經歷下一個技術奇點，超智能時代人類會更加不平等嗎？

近年來，人工智能的發展正在成為全世界矚目的經濟增長點，不少人甚至將本輪以大語言模型為基礎的人工智能浪潮視作“第四次工業革命”的起點、唯一的“技術奇點”以及通往通用人工智能的必由之路。

但是另一方面，對於大模型技術本身的質疑並沒有消退，反而隨着未被使用的高質量訓練數據越來越少以及大模型擴大參數的邊際效益遞減問題而愈發高漲。同時，大模型對於傳統就業市場和經濟生態產生了實質性衝擊，這進一步引發了一部分羣體的民意反彈。

當下，人類似乎正站在又一個科技的十字路口，等待着技術發展指明前行方向。未來的人類社會會向何處去？我們又會如何與人工智能共存？關於這些問題，觀察者網與《超智能與未來》（Hyperintelligence: How the Universe Engineers Its Own Mind）、《超級趨勢》（Supertrends）等暢銷書的作者拉斯·特維德對話，請他為我們給出明確的建議。

【對話、整理 觀察者網/唐曉甫】

觀察者網：您創辦了多家公司，也撰寫了不少暢銷書。是什麼促使您從單純的商業投資轉向為人類未來發聲？是否有一個關鍵時刻改變了您的視角？

**拉斯：**我曾經從更宏觀的視角寫過一本書，名為《創造性社會》（The Creative Society），講的是一些科學家如何憑藉創造力取得成功。這本書的靈感來自我在哥本哈根的一次晚餐。

我是丹麥公民，但居住在瑞士。那次我受邀在哥本哈根與德勤的一位首席技術官雅各布·博克·阿克塞爾森（Jacob Bock Axelsen）共進晚餐。他極為特別，擁有物理學、生物物理學、數學、哲學和化學五個學位。我們聊了宇宙、生命、數學、統計學、物理學等諸多話題。

拉斯·特維德接受觀察者網訪談

隨後我告訴他，另一位朋友建議我寫一本關於未來的書，但我不確定寫什麼，因為我已寫過三本同類主題的書。回到瑞士後，我收到雅各布的短信，説：“你應該把新書命名為《宇宙的智能進化》（The Cosmic Evolution of Genius）。”我便開始琢磨這個題目，並打電話問他，這個題目的含義是什麼？

他説，關於人工智能的未來只是一個更宏大故事的一部分。未來我需要考慮的事情不僅關乎宇宙、關乎智能的演化，也關乎我們人類在那段更宏大的敍事中所應當扮演的角色。我覺得這個視角非常有意思，於是便開始動筆寫這本《超智能與未來》。

觀察者網：許多知識分子對科技和人工智能的發展持悲觀態度，但您卻極為樂觀。您創業過程中的哪些經歷塑造了您對科技進步的樂觀態度？

**拉斯：**我首先認為，幾百年來大量證據有力地證明，人類的生存狀況在諸多方面都在穩步且大幅改善。1939年，德國學者諾伯特·埃利亞斯（Norbert Elias）出版《論文明的進程》（Über den Prozess der Zivilisation）。這本書以德文出版，當時幾乎無人關注，因為它討論的主題是人們會隨着時間推移變得更文明、更和平。這本書問世的時機非常糟糕，因為二戰當年就爆發了。

後來，史蒂文·平克又拾起這一線索，寫出了一本極其出色的書。在這本名為《人性中的善良天使》（The Better Angels of Our Nature）的書中，他以極其詳盡的方式描述了人們如何在全世界範圍內變得更加文明。他認為，儘管仍然有戰爭存在，但戰爭總體上越來越少，殘酷的事情也越來越少，世界整體正在更多地走向“雙贏”而非“零和”。

在此，我想補充一點，許多人認為，我們的資源正在枯竭；但實際情況恰恰相反。我們正從各種渠道獲得越來越多的資源，因為“資源”從根本上説是創新的產物。我認為第一個明確指出這一點並用統計數據加以支撐的人，是一位名叫朱利安·西蒙的學者，他寫了一本書，名為《終極資源》（The Ultimate Resource）。他在書中提出人類的“終極資源是我們的頭腦”。從歷史經驗看，隨着人口的增加以及技術發展，我們獲得的資源反而越來越多。

現在，全球關於“我們正在毀滅地球”的討論非常多，但如果你查看統計數據就會發現任何一個進入工業化、然後繼續發展工業化的國家，都會在起步階段破壞環境，但當其收入水平達到一個階段後，當地的環境又會轉好。整體而言，當下世界在不少方面正經歷環境改善，森林覆蓋等指標在恢復。從長期統計看，有大量證據表明世界的情況正在變好。

不過，現實是：寫“末日論”的書往往暢銷；而寫積極進步的書，銷量反而一般。很多人不瞭解這些統計事實，但世界確實在變好，而且還會繼續變好。

觀察者網：您的書名實際上暗示了宇宙的演化規律本身就設計了智能。這是一個深刻的哲學命題。您能否解釋一下，您如何得出這種宇宙觀？您是否認為產生智能是宇宙的固有屬性，而非偶然副產物？

**拉斯：**當我們在着手寫這本書時，最開始只打算寫一部宇宙的複雜性如何演化出智能的書。我們並非先立一個預設模型再去填充細節，而是順着問題把故事寫出來。在行文過程中，我們發現宇宙的演化歷史中反覆出現一些非常簡單的模式，而這正是宇宙創造智能的方式，它們並不複雜。

首先，讓我們簡單回顧一下宇宙的歷史：我們知道宇宙在大約138億年前的大爆炸中誕生。在最初的一瞬間，宇宙並不存在任何物質、只有能量；隨後出現了一些亞原子粒子，並在最初的數分鐘內組合成幾種不同的原子，其中幾乎全部原子都是氫和氦。接着又過去了數千萬年，恆星出現了。它們在達到核聚變的臨界密度後開始合成其他元素，於是就有了整個元素週期表。

大爆炸假説

在宇宙漫長的歷史中，演化過程反覆出現這樣一種“臨界密度—級聯”模式：在某個時刻，某種事物達到“臨界密度”後就會觸發新的複雜性級聯反應。最初，它只產生“固定產物”，比如原子；而在某個階段，它開始產生“有生命力的產物”，例如細胞。你可稱前者為token（記號/計數單元），後者為living token（活性單元）。

現在，我們正在藉助科技與人工智能，創造信息領域的臨界密度（編者注：即智能湧現現象）。這種密度已經高到足以催生新的智慧與理解，乃至更高密度的知識。在歷史上，根據我的歸納，我們已經經歷了利用信息密度創造知識和智慧的十個階段，而我在書中提到的“超智能”（Hyperintelligence）是第十一階段。

現在我們剛剛看到“超智能”的些許曙光。我認為我們對它的感覺，類似當年人們初見內燃機。當時見到內燃機的人們會嘗試啓動它，聽它轟鳴幾下又熄火，再循環啓動到熄火的過程，現在的我們也是在做類似的事情。

我們確實看到了“超智能”的一些要素，但尚未達到那種“全時、全速”運行的狀態。我認為數年內人工智能會達到那一步，並引領我們邁向更高層次，創造新的知識。歸根結底，人類或許只是通往“宇宙的智能進化”的又一塊墊腳石；未來宇宙有可能變得具有意識。

我們可以通過人工智能讓機器人與無人探測器向宇宙各處擴散，這樣的擴散可能導致AI本身獲得意識。如果具備意識的AI遍佈整個宇宙，那麼我們可以認為：我們為宇宙創造了它自身的意識。也許宇宙中還有其他文明也在做同樣的事情。我認為宇宙需要我們，或者某種與人類相似的物種，邁出那關鍵一步。

觀察者網：您剛剛已經提到了臨界密度和複雜性級聯的概念，此外您還認為創造性脈動是推動智能進化的主要力量。您能否詳細説明這三個概念的相互作用機制，為何它們是宇宙“自我設計”的基本機制？

**拉斯：**讓我們把時間線再往前推一點。正如我一開始所説，大爆炸後早期只有四種元素，其中幾乎全部都是氦和氫。那個階段的宇宙到達了一種較低層次的複雜性，然後其系統複雜度不再顯著增加。

在這樣的背景下，氫氣雲在數千萬年的尺度上坍縮，最終才能形成一顆恆星。然後恆星內部在高温高壓下發生聚變，從氫一路合成到鐵；隨後在超新星爆發或恆星相撞時產生更重的元素，如金、鈾等。

於是整個元素週期表上所有的元素就形成，而宇宙也因此擁有了可合成分子的“積木”。但是在沒有生命的宇宙中，實際上只存在大約260到350種不同類型的加合物和分子，但這已經是那個階段的系統複雜性的上限，那個時候的宇宙已經無法生成更多種類的物質。但是隨着生命的出現，複雜性顯著上升。

首先是單細胞生命，它們就開始創造出各種複雜的分子，複雜性由此開始上升。單細胞生命如何邁向多細胞生命呢？關鍵在於臨界密度：隨着單細胞生物分裂增殖，它們的密度不斷提高並趨於黏連；當超過某一臨界密度，便觸發複雜性級聯，細胞開始分化與協作，最終形成彼此依存、單個細胞難以獨立存活的多細胞體。

如果我們把這個模式抽象出來，可以將其理解為當一類物質超過臨界密度後，就會產生的複雜性級聯反應，並隨之產生的創造脈動。這一過程是基於極其簡單的原理重複而成，並不需要外界力量的推動。這種自我形成、自我發展並達到一個階段的模式，貫穿了宇宙自驅動的演化歷史。

觀察者網：很多人把“技術奇點”視作未來某一刻的單一事件，而您認為它在宇宙中會持續發生。這與傳統奇點論有何不同？對我們的應對有何啓示？

**拉斯：**在我看來，我的觀點並不與“單一奇點”論相矛盾；相反，我認為過去我們已經歷過多次（物理、生物、技術等各方面的）奇點，未來還會出現若干新的奇點。很多人強調我們正逼近那個“唯一的奇點”。但事實上，從原子的出現、生命的出現、多細胞生命的出現、再到科學技術的出現，每一次變革都創造了一個奇點。

我們現在創造一個新的奇點，那就是“高級智能”和“超智能”，而且在這之後還會有一連串的奇點。我在書中總共列舉了14個奇點，也許還有第15個。第15個奇點就是創造一個新宇宙的能力。對於普通人來説，我們應當做好準備應對這些變化。我們應當意識到，當前所面臨的轉變，將是在人類漫長曆史中速度最快的一次。

我建議每個人都在手機上安裝一個AI並與之互動，瞭解其基本工作方式。對年輕人來説，他們需要意識到，許多本來通過傳統教育路徑可以獲得穩定、體面的崗位將被AI和機器人替代。因此，每個人都應弄清楚自己的興趣所在。你究竟喜歡做哪類事情，將非常必要。我們需要思考，在一個會計、律師等諸多職業都被AI替代的世界裏，我如何去做那些我熱愛的事？

觀察者網：您的工作和研究覆蓋了人工智能系統的自我改進方向。從研究與投資的角度看，您認為實現真正自主的AI還需要多久？目前還存在哪些關鍵的技術障礙？

**拉斯：**我們在公司裏使用代理式人工智能繪製與預測過全球的科學與創新發展全景圖。到目前為止，我們標註了人類歷史上大約16000項創新，並做出了4000條預測。

到2028年，我們預計DeepSeek之類的推理式AI將會像學者一樣工作、自主構建複雜答案，並且為了完成最終目標不間斷工作。與之相對比的是，即便今天我們向模型提問，它也許“思考”一分鐘就答覆；當人們用它們來寫軟件時，有時它們可能連續工作20分鐘然後停止。當然它們在一個任務上能夠持續工作的時間，正以一種接近超指數的方式不斷變長。

所以我們認為，2028年左右AI就能做到不間斷工作，並自行定義後續任務直至完成全部任務。在行業裏我們稱之為“AI創新者”（AI innovator）。

我在這裏給你舉個例子，我們寫這本書時大量使用了AI，但在寫作的時候，我們需要提出一個問題後，它才會給出答案。但是也許到了2028年，你只需輸入：“這是我對一本書的設想，請把它完成。”它就會自行規劃路徑、持續寫作，直至成書。

現在寫一本這樣的書大概需要一個人一年時間，但也許三年後的AI可以在半個小時之內裏完成這樣一本書，所以我認為2028年可能成為AI發展歷史上一個關鍵節點。

AI Agent是下一階段AI發展的重點 阿里雲

2028年也是我認為的“AI驅動機器人被大眾接受”的時間點。我們已經看到了AI機器人的出現，但是它還遠遠談不上走入大眾市場，等到2028年，我們將看到它所帶來的經濟影響。

如果我們接着把時間線向前推進到2034年，當然，以下都只是我們的猜測，那些自主的、由AI驅動的模型與設備能夠進行非常複雜的協作工作。那時，埃隆·馬斯克或其他人理論上就可以將機器人和AI送往火星並留在那裏，併為它們設定指令：“我們50年後再回來，在火星上建立一座文明。”這樣當你50年後回來時，它們可能已經理解需要如何將火星地球化、建造建築，並顯著改善當地環境。屆時，那裏將可能會出現一些由它們創造、不同於人類文明的要素。

我們認為到2034年，我們將可以在技術上實現這些東西，只不過在進度上會有所滯後，但這些設想都將變得可能。所以，我們要面對的是非常激進的變化。

觀察者網：所以您認為AI，尤其是大模型會在幾年內徹底理解真實世界的物理規律嗎？

**拉斯：**我認為它將能夠在幾年內實現自行定義任務。因此，當你思考一個自我再進化或遞歸的東西的時候，你會發現其中許多要素，AI可以進行自我改進。舉例來説，今天我們可以通過調參讓AI的某些表現發生變化，類似於通過生物手段取出一段基因並進行調整，使其表達更快；而在更根本層面，我們也可以像在生物學中添加一段全新基因那樣，為AI賦予全新的能力。

屆時，它們還可以自主部署：在既定目標驅動下自主規劃並執行外出任務，在追求目標的過程中可能突破許多既有限制。這些要素共同構成我們面前這場巨大轉變的一部分。

觀察者網：您認為創新是我們最終的資源，人口越多，人均資源就越豐富。這挑戰了傳統的馬爾薩斯思維。您能否舉例説明這一原則在歷史上是如何運作的，以及您認為它在當今的哪些領域仍然有效？

**拉斯：**首先，如今關於“資源正變得更加充裕”的現象，已經有了非常精細化的研究。對於這一概念的精確描述是：一個人為了獲得一定數量的某種商品或某種基礎資源，需要工作的小時數。這被稱為“時間價格（time price）”。

有一項研究考察了美國最常用的26種商品（比如鐵以及許多其他東西）在1850年到2018年間約170年的“時間價格”的演變。結果顯示：普通美國工人購買這26種商品所需的工作量下降了98%。

實際上，這裏還存在一種類似“摩爾定律”的規律：平均每20年，為購買同一批商品所需的工作時間會減半。很多基礎商品在非常長的時間裏都呈現出這種指數性減少趨勢，其中最經典的例子是“光”。人們對光的需求極強，以至於人們很早就圍繞光進行創新。有研究顯示：自石器時代以來，光的成本已經便宜了60萬倍，沒錯，就是60萬倍。

接下來我們可能會説，是的，過去如此，但未來會不會繼續？如果我們把這一點與《超級趨勢》一書中提到的時間線及我們所有的預測放在一起看，就會發現它將繼續，甚至可能加速。這是因為我們正在關注並開發一些極其重要的革命性技術。

在這裏我舉幾個例子，其中之一是核聚變。前幾天我參觀了一個可控核聚變的實驗堆。中國也正致力於核聚變研究，目前全球有四十餘個正在工作的實驗性聚變堆。其中一個公司名為Helion，他們聲稱三年後就能併網供電。對此，我們可以拭目以待。但大多數可控項目都表示大約需要15年左右才能實現商業供電。

而一旦核聚變實現商用供電，我們將擁有足夠的能源供全世界使用，其能提供的能源足夠人們使用到地球毀滅。它完全安全，完全“免費”，所需資源極其少且異常充裕，根本不存在任何上限。這是關於能源的例子。

四種可控核聚變路線，左上為託卡馬克裝置（中國環流三號）；右上為仿星器裝置（Wendelstein 7-X）；左下為激光可控核聚變裝置（國家點火裝置）；右下為Z-箍縮裝置（Z Pulsed Power Facility）

但在許多其他領域，我們也看到效率在提高。我可以給你舉一個歷久彌新的例子，農業。早在農業誕生之初，人們發現如果在同一片土地上持續耕作會導致減產，這是因為植物需要氮才能發育，而耕種會不斷從土壤中汲取氮。

所以當時的人們採用牛糞等糞便當肥料；後來發現這些糞便的產能仍不能解決減產問題，於是人們又開始利用在太平洋的島嶼上發現鳥糞石；這種來源隨後也枯竭了。但是同期，人們發現可以通過化學的方法在空氣中“提取”氮元素，並將其工程化，化肥的出現真正從根本上解決了問題。

歷史上，這種事情一再重複發生，而我們事實上正走向物質的“超級豐裕”。我們越來越不依賴直接從自然界獲取東西，而越來越依賴人工合成。現在即便是勞動，我們也正通過人工智能與機器人實現“合成勞動力”。這是一種根本性趨勢，正在深入滲透並改變文明的運作方式，而且它一直在加速。

觀察者網：通過《超級趨勢》和您的預測工作，您試圖描繪未來創新。您用什麼方法區分真正的新興趨勢與純粹的炒作？如何解釋突破性創新的不可預測性？

**拉斯：**我們確實為了區分趨勢與炒作建立了一套分析系統。我認為如果需要區分炒作與趨勢，需要首先考慮就是，是否存在真實的市場需求。許多炒作往往是懂技術的人甚至工程師推動的，他們認為他們的想法可行，但是在許多情況下，他們並不太討論這項技術是否真的存在足夠大的需求。因此，真正重要的是人們到底想要什麼。

從商業角度，我們也會考量網絡效應或其他放大機制。歷史上，廣播最初被當作“聽書”的工具，電視起初被認為只能播放錄製的戲劇，但是後來圍繞着廣播和電視出現了一系列基於需求的生態和多元應用。事實證明，人類會先發明出核心技術，然後出現圍繞它的應用生態。因此，你必須同時預判核心技術的突破，然後預測技術突破後應用或需求層面的突破。

我們現在在使用AI做相關預測。實際上，AI的“幻覺”在回答“如果五到十年後擁有這項核心技術，它能被用於什麼”時，表現出乎意料地好。它會提出“這可以用來做X”的清單，我們再評估可能出現多少種應用及其吸引力。就我的經驗而言，AI往往能給出一些出人意料卻可落地的點子，而這些潛在應用方向通常確實頗具吸引力。

觀察者網：您倡導的許多積極技術也會帶來巨大的經濟顛覆。在人工智能能力迅速擴張而社會與經濟體系尚未適應的過渡期，企業和投資者應如何應對？

**拉斯：**首先，我認為在商業領域將這些技術的影響劃分為兩類是有益的。第一類是提升既有流程的效率，這也引出提到的問題：崗位流失。第二類是思考這些技術能催生哪些全新的事物。

通常，擅長處理這兩類事項的人也並不相同：擅長提升效率的人一般並不那麼富於創造力，反之亦然。我認為，提升效率的方法其實相當直接：僱用一些人，對所有流程進行梳理，並分析如何改進。至於創造性流程，我不認為應當假設你自己在公司工作或者動員你的所有員工就能搞定。

我認為，可以創建許多大型組織來發掘創造性可能性。當然，你可以從公司內部着手：舉辦競賽，讓員工提交方案；建立一個類似電視節目《Dragons’Den》的機制。給予人們進行路演、提出創意的機會，若點子足夠好，或可獲得資金。但你也可以設立“創業加速器”和風險“膠囊”基金。再比如，10家保險公司可以在競爭的同時共同出資設立保險科技風投基金；銀行也可以類似操作。

總之，我有很多方式可以讓好的創意浮出水面。

如果你投資了足夠多的初創公司，你可以基於經驗判斷：“這家的商業邏輯説得通，我們願意加入其團隊。”而一旦成為團隊一員，你所持股份也可能獲得可觀收益。關鍵在於區分“效率”與“創造力”兩大板塊，因為這確實是兩件不同的事。

觀察者網：您是否認為AI的發展會產生擁有超級AI的“超人”，進一步加劇世界的不平等？

**拉斯：**我認為，很難斷言AI會加劇還是會減少全球的不平等情況。一種可能的情形是：極少數人因AI而變得極其富有。以埃隆·馬斯克為例：馬斯克的私人開支很少，他的財富主要集中在公司之中。因此，我並不認為馬斯克在剝奪他人的財富；我認為他只是在讓財富循環起來，以創造就業與推動創新。因此，這不是問題。但更重要的問題是：普通人怎麼辦？許多人會因為AI失去工作，並且難以尋找到下一份工作。

馬斯克

但是AI發展也有積極的一面，普通人可以通過AI獲取更多知識、受到更多教育。教育部門必須適應這種轉變。你、我以及許多人一直在使用AI學習各種各樣的內容。傳統上，我們會先用若干年受教育，再在餘下職業生涯使用我們所學賺錢、升職。但現在這種學習模式已經結束了，我們需要終身學習。

AI進入教育領域也帶來了一種可能性，假設你出生在貧困地區，不認識任何大人物，但你可以訪問上海或波士頓的大學教授相同的模型。這為任何擁有智能手機或電腦的人都提供了巨大機會。

觀察者網：鑑於中國在人工智能領域的鉅額投資，以及您強調的臨界密度作為驅動力，您如何看待中國在全球超級智能發展中的地位？您認為中國的做法有哪些獨特的優勢，面臨哪些挑戰？

**拉斯：**首先，若把中國所具備的優勢拿出來看，我先提一個常被忽略的點——電力。如果你聽過谷歌的CEO以及美國其他科技領軍人物的説法，你會認識到，在他們眼中，AI最終極的成本就是電力成本。而中國在電力基礎設施建設上的推進速度，遠超世界上任何其他國家。

去年中國在智能電網上的投資超過了全球其他國家的總和，而我們確實需要大量電力。做個參照，美國未來十年計劃開建的AI工廠，其電力需要超過100座核反應堆供電。因此，這些AI工廠起初並不會主要依靠核反應堆供能，起初大概率主要依賴天然氣供能，隨後也許逐步增加核能的比例。相比之下，電力是中國的強項，且中國電價更低。

中國的第二個優勢是數據共享規則相對更為寬鬆。AI訓練需要數據與電力；而數據共享越充分，AI的開發速度就越快。

中國的第三個優勢，也是我認為最重要的優勢就在於人才規模。在中國，有大量對技術感興趣並受過良好技術教育的人。全球範圍約一半所謂的STEM教育（科學、技術、工程與數學）專業學生都在中國，因此中國的技術聚焦度非常高，這是一個強項。

我們可以從美國的數據中更直觀地感受中國在AI方面的人才體量優勢。在美國約有10萬名全職從事AI方向的人員，其中30%出生在中國，這很驚人。但更驚人的是，在美國的頂尖AI科學家中，大約一半出生在中國。

我認為AI的主要商業價值不會體現在大型語言模型上。它們對於輸入信息非常敏感，往往會隨機選擇如何回答。大模型沒有明顯的網絡效應、沒有強品牌價值，也缺少關鍵的知識產權專利，同時大模型的訓練與運行成本又很高。

所以我認為大模型的大部分商業價值會在agentic AI（代理性人工智能）時代實現，也就是你所説的AI面向具體行業的落地之後。那就意味着當你走進一傢俱體的公司，比如媒體公司、製藥公司，説“我們要把AI接入這套流程”，需要把約數百個不同的AI智能體在特定場景中組合、測試、適配並使其自我學習。

社會各領域有數以百萬計的流程等待AI部署。這種大範圍部署並非一勞永逸之舉，而需要系統梳理企業流程、客户與目標等，再將AI系統嵌入其中並持續優化，這很費時。

各類經過蒸餾後可以用於本地部署的模型

這也意味着，如果你擁有100萬名真正擅長這件事的人，你的AI部署就會很快，你的GDP就會快速上揚；如果你只有1萬名，那麼你的部署進程會落後，你的GDP就不會快速上升。那麼誰有100萬相關人才？中國。所以我認為這是一項非常大的優勢。

接下來談中國的短板。短板首先體現在芯片上，以英偉達作為標杆，我認為到2027年，中國的芯片會到達英偉達今天的水平；但到那時英偉達又會更進一步。很難説中國何時能與之並跑甚至反超。我的粗略判斷是可能需要約10年。目前中國芯片較英偉達性能落後約40%，且雙方均在指數式提升，這是很大的差距。

當然，回看DeepSeek發佈後所引發的股價波動，我們就應該意識到：隨着軟件層面演進，硬件對AI的重要性可能沒有想象中那麼“絕對”。起初有人質疑其使用“違規”的英偉達芯片訓練，對此我一無所知；隨後DeepSeek發表論文説明了優化路徑，並向公眾開放。

因而，即便未來沒有全球最快、最“聰明”的通用基礎大語言模型影響也不是那麼大，我認為更重要的是把具有專家深度與行業洞見的大模型部署到特定領域併發揮實際效用。

觀察者網：我想更深入聊聊大模型，我與您在一些看法上可能不同，從現在的角度看，似乎“Scaling Law”（大模型的規模定律）已經到達了一個極限。各家大模型可獲取的數據量也在逼近上限。大模型的未來將如何？我們會不會以其他算法路線取代當下的大模型範式？

**拉斯：**我認為，大語言模型的基本概念可能會發生變化。當前，當你給它一個任務時，它會經歷處理過程，隨後因存儲等問題而遺忘相關知識。若其記憶能力更強，就能更高效地自我教學。

針對你提到的“數據枯竭”問題，我認為它也存在解決方案，這被稱為AI的“數據牆”（data wall）。現在互聯網上的數據量仍在增長，有用的數據每年大概增長5%左右，並不算多；而訓練數據正在逐步追上它。

所以解決問題的關鍵在於，讓AI進行模擬，也就是自我對弈。早期最吸引人的例子之一是AlphaGo。它先在海量歷史棋譜上進行訓練，然後基於上述經驗再與自己對弈提升能力。一年後他們推出了AlphaGo Zero，這個AI從零基礎開始訓練。一開始它下得就像一個新手，但3天后它就達到世界冠軍水平，40天后就徹底擊敗了上一代模型。

目前，許多模型採用類似的自我博弈訓練。例如Waymo公司99.9%的自動駕駛訓練發生在仿真環境中，他們可以以比現實快35000倍的速度進行模擬。又比如AI模型在尋找蛋白摺疊規律的速度比人類傳統速度快上百萬倍。

2017年柯潔慘敗於AlphaGo

同樣，你還可以對世界經濟系統、政治系統等進行建模和自我對弈。事實上，AI幾乎在任何領域都可以實現自我博弈，以創造出龐大的可能性。這是一門稱為系統動力學的學科，而它仍處於萌芽狀態，但這意味着大語言模型能積累遠超任何人類曾在任何數據庫或互聯網上發佈過的知識總量。我認為這點非常重要。

另一方面，物理世界中的AI機器人之類的具身智能也可以即時學習，我們可以接入它們的系統並利用它們的學習成果促進AI模型發展。事實上，如果外面有數百萬乃至數十億台從自動駕駛汽車到家庭、辦公室、餐館之類的機器人，它們不僅可以以一種當今互聯網所不具備的方式去學習世界如何運作，而且由於世界在不斷變化，它們會即時捕捉這種變化，並用於補充這些模型的不足。

因此，我不認為“數據牆”不可跨越；這些模型將會捕捉並自動創造信息。我對大語言模型的發展持相當樂觀的態度。

觀察者網：但已有部分論文表明，用AI自生成數據訓練大模型會導致“中毒”、加深偏見。您怎麼看？

**拉斯：**是的，我理解你所説的邏輯，我們會默認AI自主合成數據是正確的，而一旦這些數據是錯誤的，AI會基於錯誤的數據進行訓練，就會合成出更多錯誤數據放大偏差。

但我認為這可以通過工程化方式進行解決，大語言模型的發展能夠應對許多問題。舉例而言，隨着新的GPT-5的出現，我們擁有了多模型路由體系（混合專家體系，MoE）。當你給出一個提示語時，系統會判斷這個提示語應該被髮送到哪個模型。

我們也看到，最近DeepSeek和Claude這些模型在處理AI幻覺的時候相比於早期版本更加在行了。當你不需要AI幻覺的時候，他們可以儘量約束相關參數，而當你需要它們散發想象力的時候，他們釋放相關參數。例如，我説“請為某件事起草一個好標語時”，它就會調用更具想象力的路徑。

就在我們見面之前，我還問過AI這樣一個問題：“世界歷史上是否有一個時期，羅馬帝國與中華帝國的人口合計佔到全球的三分之二？”它給出了正確答案。也就是説，模型在“何時求真、何時發散”的判別上在進步，並且會進行你所謂的紅隊式（red team，即西方在軍事演習、網絡安全演習等領域中扮演敵人或競爭對手角色的羣體）對抗性審查：對給定信息主動追問“真的正確嗎”，以進行審查與反覆核驗。

當然，你提到的問題確實存在，但我認為AI會在這一領域持續改進。

觀察者網：您認為智能發展必將超越國界，那麼國際合作在人工智能發展中有多重要？您認為在超級智能領域採取碎片化、競爭性的做法會帶來哪些風險？

**拉斯：**我認為國際合作非常有用。但在某種程度上，我對能否順利實現國際合作持一點懷疑，因為國家之間的競爭非常激烈。不過，已出現一些積極跡象，例如機器人間數據交換的通用協議。這是個不錯的方向。

至於我個人，我最關心，也最需要國際合作推進的是版權。原因很簡單：AI與國家安全、財富與成功等方方面面密切相關。人們會意識到，對於各類知識的版權管制越寬鬆，你的AI模型演進越快；而如果你完全放鬆版權，AI就會以最快速度演進。

就我個人而言，我贊成涉及各類文化、知識產品的版權法律可以寬鬆化，如果中國、美國、歐盟、韓國、日本等能夠就版權法的規則達成一致，將更為有利。我不知道這會不會發生，但我認為那將極其有用。

在美國，總統科學技術顧問委員會主席大衞·薩克斯正牽頭AI政策。他是一位非常成功的企業家與風投家，對AI的商業與技術都有深刻理解。他正在致力於讓AI法律變得統一且簡明，並且目標是告訴大家：在未來10年內我們不打算修改它，雖然我不認為這一目標能夠實現，但他的想法就是讓AI法規儘可能地簡單而和諧。

許多人會説：“用我的書、別人的音樂等內容來訓練AI，是在偷我們的財產。”但我這本書就大量用到了AI。我把AI看作人人可“演奏”的創造性鋼琴。我認為我們應當允許AI儘可能地攝取內容，並在更廣的範圍內使用而不必支付無數項版權費；因為它會成為整個人類共同的平台，其成果會回饋到所有人。

“DeepSeek時刻”後越來越多的國人接觸AI

觀察者網：若人工智能在所有領域超越人類認知，人類在人工智能演進進程中應承擔何種目標與貢獻？我們應當如何在超級智能時代維繫自我意義與自主性？

**拉斯：**首先，若從更高的視角看：如果人類真的創造出超智能，而這種超智能最終遍及整個宇宙，甚至成為“宇宙意識”，那麼我們就是帶來這一切的起源。因此，我要説的第一點是：我們應當珍視自身在創造這一切中的角色。但這與我們的日常生活並無直接關聯。

回到日常層面，我認為我們應當追尋那些既特殊又令人愉悦的價值，以便在一個大部分GDP由AI創造的世界中，繼續堅持人的獨特價值：例如同情心、好奇心與創造力等。屆時，每個人都可以探索自我價值：我是作家嗎？我是藝術家嗎？我喜歡照顧孩子嗎？我想幫助無家可歸的狗嗎？我是否想要重建已消逝的自然嗎？諸如此類。

我們需要認識到，人類具備意識，而AI並不具備。我們可以體驗這個世界，而AI不行。這意味着我們可以基於我們對世界的主觀體驗來為彼此創造新事物，改造世界。

我有時把當下處境與人類與貓狗的關係作類比。最初，當人類開始與狗共處時，它們尚且是狼。我們和狗共同生活的理由是：它們可以保護我們，而我們餵養它們。但如今我們並不需要狗來保護我們，我們只是喜歡狗。同樣，我們最初養貓是因為它們會捕食老鼠；而現在鼠患不再普遍，但是我們喜歡貓。

如果我家裏有10條狗和10只貓，這並不會提升我的生產率；事實上它們會使我的生產率下降，因為照料貓狗既耗時也花錢。同理，單純增加人口並不必然提升技術的生產率。但人類可以很友善，我們可以以善意激勵、鼓舞他人。

現實生活中，在線音樂幾乎是免費的：我訂閲了Spotify、Apple Music以及其他諸多服務。儘管如此，我仍非常喜歡去音樂會，也喜歡走進爵士樂吧，看着三位音樂家在我面前演奏。他們演奏的音樂或許相同，但我能看見他們，這是完全不同的體驗，因為他們是人。因此，我們必須把重心放在人與人的真實互動上。

由此，未來的生活方式會很不一樣；但我們也將有機會提供比今天更多的基礎性公共免費服務。未來也許不僅教育與醫療是免費的，還可能包括基礎免費交通、基礎免費互聯網和基礎免費AI等服務。也就是説，未來人們的基本需求將大體得到滿足；若他們希望獲得更多，則需要通過工作來實現。

本文系觀察者網獨家稿件，文章內容純屬作者個人觀點，不代表平台觀點，未經授權，不得轉載，否則將追究法律責任。關注觀察者網微信guanchacn，每日閲讀趣味文章。