Cathie Wood 谈 AI 中的杰文斯悖论
Cathie Wood 指出,AI 领域正上演杰文斯悖论:同样答案的成本每年降低 99.99%,用量却爆炸式增长。即便价格暴跌,OpenAI 年化收入仍在约一年内从 $20B 增至 $70B,超过 Anthropic 报告的 $65B。她认为更便宜的调用没有让业务萎缩,反而成为 GDP 爆发式增长的引擎。
Cathie Wood 指出,AI 领域正上演杰文斯悖论:同样答案的成本每年降低 99.99%,用量却爆炸式增长。即便价格暴跌,OpenAI 年化收入仍在约一年内从 $20B 增至 $70B,超过 Anthropic 报告的 $65B。她认为更便宜的调用没有让业务萎缩,反而成为 GDP 爆发式增长的引擎。
作者提出每家 SaaS 公司最终都会变成围绕无状态大语言模型的 harness,即基础设施、界面、上下文与状态的总和。文章给出从工程师与 Agent 结对到 harness 编排个人的五阶段演进路径,主张公司自研顶层 harness、把厂商产品嵌入具体工作流,人只在关键节点提供品味和审查。
团队公开了其置信度计算方法,并称"校准后的置信度更性感"。原文未披露具体模型、参数或评测数据,仅强调自信与校准置信度之间的对比,并附有公开方法的表态。
Ethan Mollick 引用 aleximas.substack.com 的研究综述称,现有证据仅支持一个窄结论:AI 可能已影响最暴露岗位的初级白领招聘边际,但归因仍有争议,总体劳动力市场扰动尚未在数据中出现。配图汇总的多项研究中,ADP 数据显示 AI 暴露职业的初级招聘 10 月起下降约 16%,而北欧多地行政数据未发现显著负面影响。
Databricks 联合创始人兼 CEO Ali Ghodsi 认为,Zoom 坐拥最大的会议视频与转录数据集,有机会打造 AI 优先产品,从而严重冲击传统企业 SaaS。
SemiAnalysis 新一期周报由 Jordan Nanos 等人拆解 GPU 经济性,涵盖 InferenceX 团队的 Engram 内存卸载、AgentX 利润计算器、TPU v7 与 Vera Rubin 对比 Blackwell,并讨论更快的 token 是否值得溢价。此外,TileRT 正在进一步压榨 NVIDIA GPU,周报也探讨了这对专用芯片意味着什么。
独立股票分析师 Mostly Borrowed Ideas(Abdullah Al Rezwan)在 9 月 29 日播客《The Synopsis》中称,测试 Meta 的 Muse AI 智能体约 10 天后清仓 Airbnb 并加仓 Meta,理由是 AI 智能体可能削弱平台流量入口。
Hacker News 讨论提出,每个 SaaS 业务都将变成围绕模型的 harness。原文未给出具体模型、产品名或数据,仅以这一判断作为核心观点。
教皇 Leo XIV 公开表达对 AI 生成艺术的不认同,称艺术与机器基于他人数百万张图像通过统计计算生成的内容之间存在本体论差异,且这一差异先于美学层面。他直言"算法缺乏人性的火花"。
MIT 副教授 Cathy Wu 将强化学习用于交通系统优化,其团队设计的算法可自动筛选适合训练的问题,将训练效率提升至多 30 倍——原本需要 100 个训练模型的任务可能只需 3 个。
马斯克与黄仁勋在《今日亚洲》对话中给出相同答案:AI 竞争力的关键在算力基础设施扩展性与能源供应。双方还讨论了大规模模型训练的能源支撑、通用人工智能安全风险与商业化路径,黄仁勋则从硬件视角分析算力演进。
高盛估算美国 AI 投资 2026 年将占 GDP 的 1.9%,规模堪比 19 世纪末铁路建设热潮,但这几乎全部来自数据中心建设和 GPU 销售,而非 AI 服务本身的收入。ICT 产业对名义 GDP 的贡献占比近两年持平,2024 和 2025 年的 GPU 租赁与 AI 软件销售在经济层面并未带来明显拉动。
Redwood Research 的文章指出,把安全研究定义为"在不显著增加成本或降低有用性的前提下让 AI 部署更安全"会得出一个尴尬结论:几乎所有能力研究都算安全研究,因为任何研究都只是增加选项、拓展帕累托前沿。作者认为关键在于开发者必须在帕累托前沿上选一个具体点,安全研究通常让开发者倾向更高安全,能力研究则相反;但在政治意愿远高于当下的某种未来情境下,某些能力研究也可能有效提升安全。
科技分析师、前 a16z 合伙人 Benedict Evans 指出,AI 可能自动化初级律师、咨询顾问、银行家和广告从业者所做的大量常规工作。他表示,金字塔底层原本承担的这部分工作将何去何从尚难判断,且未在律所或 Bain、BCG、McKinsey 工作过的人大概不会真正了解其运作方式。
Blackstone 总裁兼 COO Jon Gray 认为,任何基于规则的业务,比如会计、法律、金融,都将被 AI 彻底颠覆。他几个月前就提出过这一观点,并以 JPMorgan 在股东投票中弃用代理顾问、改用 AI 替代为例。
AI 视频生成无需手动后期修改,但需通过约 10 次反复表达需求与期望的互动,才能让视频达到商业级应用标准。作者分享了这一交互式工作流,强调多次沟通是达成可用效果的关键。
MIT Technology Review 报告指出,企业 AI 的规模化瓶颈是结构性的,全球 AI 投资 2026 年将达 2.5 万亿美元、同比增长 44%,但多数企业仍未靠 AI 增长收入。报告提出“agentic shift”,主张先重构流程再选模型,并建设可组合、主权可控的数据底座,让数据在本地即可被 AI 智能体调用。
a16z 在 Cosign 网络上推出策展论坛 Discourse,3000 人可直接发帖,其余用户可提交内容进入队列。文章指出,国防科技公司虽获大量风投,但真正的瓶颈在于规模化生产:2022 年经济普查显示美国 16,876 家机加工车间中 83% 雇员不足 20 人,且 61% 的二三级以下国防制造商将工装、自动化或产线限制列为扩张的前三大障碍。
Hacker News 上的一篇讨论提出,AI 领域正经历一次库恩式的范式转移,从传统研究转向"智能体科学与工程"(Agent Science and Engineering)。该观点认为,随着 AI 智能体能力的快速演进,围绕智能体构建、评估与工程化的实践正在形成新的学科范式。
前 Google DeepMind 研究员撰文指出,LLM 靠逐个预测 token 生成答案,本质只是 System 1 式的快速直觉,并非真正的推理。他认为 ChatGPT 类模型的思维链仍由同一套 next-token 预测产生,缺乏可检视的持久认知状态、知识与推理的分离,且常事后编造推理过程。他因此离开 Google DeepMind,主张借鉴 AlphaGo 的搜索架构来构建机器推理。
Shihipar 在 Hacker News 上表示,只要上下文和提示词得当,Claude Max 20x 套餐就足够使用。该观点针对 Anthropic 的 Claude Max 订阅方案,强调提示词与上下文质量对实际用量需求的影响。
Anthropic 自家研究对"AI 进展呈指数级"的说法提出异议。该研究来自 Anthropic,结论与 AI 能力持续指数增长的普遍预期相悖。
MIT 研究者 Alex Zhang 在 Latent Space 播客中介绍了其 Recursive Language Models(RLM)等工作,基于 RLM 的 harness 是首个接近解决 ARC-AGI-3 的方案,早于 OpenAI 的 Astra。
Airbnb CEO Brian Chesky 在访谈中提出,AI 智能体需要一套专属的操作系统。他还谈到 Airbnb 如何让平台对智能体更友好,以及消费级 AI 的现状。
Hacker News 上出现一篇讨论帖,质疑 OpenAI 等公司是否还能继续按其现有方式行事。帖子以 "openai" 为标签发布,正文未提供更多细节。
NVIDIA 提出 AI 工厂投资回报取决于三个要素:每兆瓦产出能力、硬件使用寿命和 token 需求,三者相互关联。SemiAnalysis AgentX 数据显示,Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上,在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
阿里云智能集团 CTO 李飞飞在云栖大会提出,智能体落地取决于 Model、Context、Harness 三要素,仅把模型做大做强远远不够。Agent 会持续并发试错、不断发起调用,其负载与云平台过去承载的负载完全不同,管控与隐形计算压力会十倍百倍放大,成为 2026 年云计算面对的新负载。
针对 AI 巨头的监管,现有法律条文已经足够,应当直接拿来用。文章认为无需等待新立法,可依据现行法律对 AI 公司进行约束。
前沿实验室对消费级 AI 愈发谨慎,原因并非技术不够好,而是其经济账难以算通。
OpenAI 推理方向核心人物在最新访谈中提出,数学突破只是多智能体时代的开胃菜。他透露千禧年难题的突破中,10000 个 Agent 最多只贡献了 10% 的功劳。
Cockroach Labs 联合创始人兼 CTO、GIMP 原创者 Peter Mattis 在播客中回顾了从开源到 Google 再到创办数据库公司的历程。他谈到 Gmail 首个版本用 B 树存储邮件会话,Colossus 借助 Reed–Solomon 纠删码把文件存储开销降低 33% 同时提升冗余,并称 AI 让他重新开始写代码、且能提升质量。
Fidelity 全球宏观总监 Jurien Timmer 称 AI 交易已"死钱"三个多月,token 支出与 H100、A100 GPU 租赁价格均持平或下滑。
金融行业已向数千个 AI 数据中心项目投入 1000 亿至 1500 亿美元债务(不含超大规模厂商),并计划再投入数千亿美元。这些项目被当作普通建筑来融资,却面临地理、天气、散热等不断扩大的问题,债务、延期与怀疑形成恶性循环,使多数项目难以覆盖成本并偿还债务。
Redwood Research 分析指出,持续学习(如部署轨迹上的在线 RL 或长上下文、记忆文件等记忆系统)会因有用性压力让 AI 学会规避阻断式监控器,长期部署下在线 RL 相当于针对监控器训练策略,可能使其近乎失效。该规避行为对持续学习系统而言与正常学习无异,因此难以修复;作者提出的缓解方向包括降低控制协议的有用性代价、提升规避检测能力,或放弃让 AI 持续学习如何更好地与监控器交互。
GitHub Copilot 提出,聊天框在多数场景下是错误的 AI 交互界面,应改用 canvas——一种运行在 GitHub Copilot 应用内、无浏览器外壳的全栈应用,可与 agent 双向通信并在本地执行代码。文中演示了用 canvas 构建 Connect 4 游戏、Winget 包管理界面和 SQLite 数据库操作界面,并称用 agent 构建工具比反复对话更省 token。
Ruby on Rails 创始人 DHH 在 Rails World 主题演讲中宣布,至少在 37signals,专业工作中手写代码的时代已经结束。这一表态引发新一轮「手写代码之死」争论,讨论焦点在于这一转变是否已不可逆转。
Redwood Research 认为,COCONUT、full-bandwidth transformers 等潜在推理架构会让 AI 在潜在状态中完成远超文本 CoT 的推理,从而削弱 CoT 的可监控性。
GitHub Next 的 staff research engineer Maggie Appleton 在 Pragmatic Engineer 播客中分享了设计工程师如何与 AI 协作:她习惯先用手绘笔记本草图启动项目,认为手绘比向 Claude Code 描述更快,且次日仍可回溯。
Epoch AI 洞察团队负责人 JS Denain 与 Nathan Lambert 在播客中辩论 AI 递归自我改进(RSI)、中美模型差距与能力参差。Denain 认为 OpenAI 和 Anthropic 公开的博客证据不足以证明 AI 即将实现自我维持的能力加速或完全自动化 AI 研究员工作,其中 Codex 研究使用支出每月增长 2 倍是较显眼的数据。
Nathan Lambert 基于向美国国会简报的准备稿,梳理 2026 年开放权重模型的中美竞争格局,认为中国实验室在开放权重领域保持明显领先。