众力资讯网

【马斯克预测5年后AI智力将超越人类】7月24日消息，特斯拉CEO埃隆·马斯克在近期专访中，不仅对人工智能（AI）超越人类的时间节点及潜在风险做出了最新研判，还首次详细阐述了针对当前顶尖AI大模型研发公司的监管构想，并毫不避讳地谈及了硅谷AI巨头核心人物之间的恩怨局。市场目前高度关注AGI的落地时间表。对此，马斯克给出了一个极其明确且激进的预测：“大约在5年后，人工智能的智力水平可能会超过人类。”伴随智力爆发而来的是控制权的丧失。在被问及人类10年后是否还能掌控局面时，马斯克直言这“不太可能”。他用了一个残酷但生动的生物学比喻来解释这一逻辑：“如果人工智能与人类的智力差异远远大于人工智能与黑猩猩的智力差异，那么很难想象黑猩猩会占据主导地位。我们实际上不过是黑猩猩的进化版本罢了，不久前，我们还在丛林中吃着香蕉呢。”此前，马斯克曾多次警告AI可能带来人类的终结。在本次访谈中，当被问及杀人机器人导致人类终结的概率是否仍在10%到20%之间时，马斯克并未否认这一风险，但他选择了一种带有宿命感的乐观态度。他用火箭发射进行了极具画面感的类比。当主持人询问“如果你的火箭有10%到20%的概率会爆炸并杀死你，你还会坐上它吗”时，马斯克给出了肯定的回答：“会的。我们唯一能做的就是尽量减少出现糟糕结果的概率。”他进一步解释了自己不得不“登船”的现实逻辑：“人工智能和机器人的发展似乎是不可阻挡的，就算我想停止它，我也做不到。”他认为，既然无法阻止，最好的选择是身在局中以期影响走向，“最有可能的结果就是为所有人带来巨大的好处”。排除全球热核战争等极端因素，马斯克预测到了2036年左右，人类最有可能迎来一个“物质极为丰富的时代，每个人都能拥有他们想要的一切”。随着OpenAI、Google、Anthropic等AI巨头在底层大模型上的军备竞赛日益白热化，如何进行有效监管成为市场关注的焦点。马斯克在此次访谈中提出了一个非常接地气的方案：让竞争对手互相审查模型。马斯克透露，他曾与DeepMind创始人DemisHassabis进行过长谈，他认为最紧迫的做法是“让那些领先的AI公司至少定期举行会议或交流，讨论任何与安全相关的问题，比如每周或每两周一次。”各位网友，您怎么看？（华尔街见闻）

【#Gemini掉出全球前十#】当地时间7月21日，谷歌DeepMind发布三款轻量的新模型，主打“更快、更智能、更具成本效益”，但因智能程度没有满足外界的期待，评价两极分化。与此同时，旗舰模型Gemini3.5Pro依然没有露面成为此次焦点，从排行榜来看，谷歌的模型已经排在十名开外。根据谷歌官方博客，此次发布的三款模型定位不同。Gemini3.6Flash是主力模型，与上一代相比能使用更少的token，在相同成本下提供更高质量的工作；而Gemini3.5Flash-Lite则是快速、成本效益高的选项，适用于日常任务，如处理文档和搜索；Gemini3.5FlashCyber是一种网络安全模型，专为发现和修补关键软件漏洞而构建。但根据评测来看，此次谷歌的新模型在智能上并不出色。AI模型评测平台Arena.ai的研究显示，Gemini3.6Flash在前端代码竞技场中以1537分排名第12位。

清华姚班全球AI半壁江山2005年图灵奖得主姚期智院士创办姚班，到现在也有20年了，累计毕业生已边600多人，大量校友进入OpenAI、DeepMind、MetaAI、xAI、Microsoft等全球前沿实验室，以及腾讯、字节、智谱AI、月之暗面等中国头部AI企业。要说姚班走出了全球AI的半壁江山，那显然有点夸张，但是在现在的AI圈，姚班的影响力确实非常突出，属实是中国在AI人才竞争中的一个高光样本。

互联网上的文字ChatGPT们读了个遍，聊什么都头头是道。但在AI圈，一批重量级人物认定这条路走不到头，理由很简单：这些模型从来没见过真实世界。美国Meta公司前首席AI科学家、图灵奖得主杨立昆说得毫不客气：“指望把大语言模型的能力一路扩展到人类水平的智能，完全是胡说八道。”计算机视觉先驱、美国斯坦福大学教授李飞飞的说法文雅些，她形容大语言模型是“黑暗中的文字匠”：能说会道，却毫无阅历；学识渊博，却双脚悬空。钱已经跟着这个判断走了。今年2月和3月，李飞飞联合创办的美国初创公司WorldLabs和杨立昆创办的AMI先后融资，各拿到约10亿美元；做AI视频起家的美国公司Runway也在2月融到3.15亿美元。这些钱押的都是同一个方向：世界模型。名字听着玄，定义其实一句话就能说清。大语言模型学的是文字接龙，预测下一个词；世界模型学的是世界接龙，给它一个场景和一个动作，它预测下一刻会发生什么。它和AI视频生成是近亲。Runway首席技术官阿纳斯塔西斯·格马尼迪斯回忆，转折点出现在他们给视频模型加上镜头控制之后：用户可以指挥镜头在画面里移动，感觉一下子就变了，更像在玩游戏，你在一个世界里四处游荡，而这个世界正被模型实时渲染出来。普通的AI视频是整段一次生成的：模型从一屏雪花噪点出发，反复“去噪”，把所有画面同时修出来。这样前后连贯，但也意味着视频生成完之前，你插不上手。世界模型把流程改成一帧接一帧：模型画出这一帧，你按个方向键，它根据你的动作画下一帧。视频就这样变成了游戏。代价也不小。每一帧都要现算，烧钱烧得厉害；模型还健忘，你在生成的房子里逛一圈再回来，屋里的摆设可能已经悄悄变了样，因为它把早先的画面忘了。去年8月谷歌DeepMind发布的Genie3、去年12月Runway发布的GWM-1，走的都是这条实时生成的路。WorldLabs则选了另一条：它去年11月推出的Marble，用一张图片或一段视频，再选择性地加一句描述，就能生成一个后院大小的3D场景，你可以用键盘鼠标飞进去逛，还能把整个场景导出来，给游戏开发者和特效师直接用。两条路各有软肋。Marble的场景一次生成、永久保存，家用显卡就跑得动，可惜里面是死的，一片树叶都不会动。实时生成的世界是活的，你能动手干预、看到后果，但一停机就烟消云散，而且每一秒都在烧算力。WorldLabs联合创始人本·米尔登霍尔承认这一点，他们正在想办法把“会动”加进自己的场景里。这些模型的物理知识是哪来的？没人教过它们牛顿定律，也没人给它们输入过三维几何。这恰恰是故意的。计算机科学家、强化学习先驱理查德·萨顿2019年写过一篇著名短文《苦涩的教训》，总结了AI几十年的历史：研究者总想把人类辛苦积累的知识亲手教给机器，但一次又一次，这种精心设计输给了简单粗暴的路线，也就是把海量数据和海量算力堆上去，让机器自己悟。教训之所以苦涩，是因为输掉的总是人类引以为傲的那部分知识。大语言模型就是这么成的：没人教它语法，它读了整个互联网，语法自己就冒出来了。世界模型下的是同一个赌注：不教三维，不教物理，只让模型看海量视频、反复练习预测下一帧。预测得足够好，它就有可能在内部自己长出一套对空间和物理的近似理解，至少支持者们是这么押注的。这套理解藏在哪？研究者管它叫“潜空间”。美国麻省理工学院的文森特·西茨曼打了个比方：假如你能翻开自己的大脑看，里面绝不会有一张房间的三维图纸，但你闭着眼也知道桌子在哪。模型也一样，它内部存着关于世界的信息，只是形式人类读不懂。连研究者自己也说不清模型内部是如何形成这些物理行为的，他们只能反复验证输出是否够用。比如拍一段真实视频，一只皮球吊在天花板下晃，把第一帧喂给模型让它续写，再把模型算出的轨迹和真实轨迹对比。那么问题来了：烧几十亿美元，就为了造个能逛的假世界？真正的目标是机器人。自动驾驶这几年进展快，一个重要原因是数据管够：行车记录仪和路测每天都在生产驾驶数据。而想让人形机器人进家干活，可用的训练数据少得可怜。有的公司已经在花钱雇人戴着摄像头做家务，就为攒一点训练素材，但这点数据杯水车薪。世界模型给出的解法是练功房：让机器人在模拟世界里日夜不停地练，摔了不疼，砸了不赔，失败1万次也只是几度电，还能批量生成机器人执行各种任务的画面当教材。西茨曼的团队就在用视频世界模型训练机器人撕胶带，这个动作看着简单，对机器人来说难得很。前提是模拟得足够真。要是模型把摩擦力算错一点，机器人学到手的就是错的功夫，到了现实世界一用就露馅。这一关目前还没过。所以下次再看到机器人公司发布的惊艳演示，可以多留个心眼：场景、任务、道具，都可能是精心挑过的。西茨曼自己说得很清楚：“这是一场赌注，还没有定论。”他甚至在博客里写，视频生成模型未必能解决机器人智能问题，甚至未必是最终答案的必要零件。但他和整个行业还是把钱和时间押了上去，因为赌对的回报太大。AI圈习惯把行业的繁荣期叫作“AI之春”。这一轮春天是大语言模型带来的，而这些真金白银的赌注说明，很多人相信，春天不会跟着聊天机器人一起结束。～～～～～～图一：题图，图源：MIT图二：文森特·西茨曼领导美国麻省理工学院计算机科学与人工智能实验室的场景表征研究组，图源：MIT图三：WorldLabs团队合影，左侧和中间穿黑色连帽衫的是本·米尔登霍尔，他左手边同样穿黑色连帽衫的是联合创始人李飞飞，图源：WorldLabs图四：Runway首席技术官阿纳斯塔西斯·格马尼迪斯在CerebralValley语音峰会上演讲，图源：NewcomerAISummits图五：计算机科学家、强化学习先驱理查德·萨顿2025年在圣迭戈演讲，图源：Xuthoria摄，CCBY-SA4.0许可图六：用WorldLabs的Marble从一段文字提示和一张2D参考图生成的3D场景，环境由高斯泼溅（Gaussiansplats）构成，用户可以在其中自由移动、变换视角，但场景里没有任何动态，图源：SamuelAxon图七：Runway最初发布GWM-1时的演示，生成的仓库场景上叠加着方向控制键，图源：Runway图八：西茨曼等人在用视频世界模型训练机器人完成撕胶带之类的任务，这个动作没有看上去那么简单，图源：MIT图九：类似3D软件Blender的悬浮场景视图只是世界模型可能的界面之一，有些世界模型根本不会有人类界面，图源：SamuelAxon信源：Axon,Samuel."Simulatingeverything,sortof:Thepromiseandlimitsofworldmodels."ArsTechnica,13July2026

又一家世界模型公司获得融资了。今天，美国AI独角兽、世界模型创企Odyssey获得3.1亿美元（约合人民币20.96亿元）融资，本轮融资落地后，该公司投后估值将达14.5亿美元（约合人民币98.05亿元）。投资方包括亚马逊、英伟达、AMD风投、风投公司NaturalCapital、美国中央情报局（CIA）出资成立的风险投资机构In-Q-Tel、谷歌DeepMind首席科学家JeffDean以及硅谷投资人EladGil等。Odyssey的融资阵容包括云厂商、芯片大厂以及顶级AI科学家，这一豪华投资阵容，也一定程度上反映出当下AI资本正集体看好物理仿真世界模型这条技术路线。随着模型训练和推理成本持续攀升，模型公司与云计算、芯片厂商之间的协同正在变得更加紧密。对于世界模型赛道而言，未来的竞争或许不仅取决于模型能力本身，也将取决于产业生态的构建速度。具身智能机器人

全球人工智能这场竞赛，真正能打的只有中国和美国。其他那些国家，无论是日本、印度，还是加拿大、欧盟，说白了都插不上脚。这不是我瞎编的，是香港《南华早报》6月14日一篇文章直接点明的——在AI领域，中等强国的“科技主权”很可能只是幻觉。什么叫幻觉？就是看着挺美，实际上摸不着。你可能会问，这些国家难道不着急吗？急得要命。日本去年就放话了，未来5年砸1万亿日元搞AI研发，折合人民币大概447亿。听着不少吧？可你想想，美国那几家巨头，微软、谷歌、亚马逊，哪家不是一年几百亿美元往里扔？日本这5年的钱，还不够人家一个季度花的。印度总理莫迪今年2月也喊得震天响，说要把印度变成“AI超级大国”，还专门搞了个AI影响力峰会。加拿大更不含糊，6月初公布国家战略，承诺至少投20亿加元。欧盟也没闲着，上周推出了“欧洲技术主权方案”，又是《芯片法案2.0》又是《云与AI发展法》，生怕哪天美国那边一键断供，欧洲直接断网。但问题是，光砸钱管用吗？香港中文大学（深圳）的黄平教授专门分析过这事，结论很干脆：除了中美，世界上没有第三个AI“大国”，而且这差距已经是代际性的了。什么叫代际？就是人家都用上5G了，你还在琢磨4G怎么提速。举个例子。日本企业在业务中使用AI的比例只有50%左右，而中国、英国、德国都超过了90%。差了一半，这不是拿几万亿日元就能补上的。再说印度，每年号称培养150万名工程师，听起来吓人吧？可真正能干高端技术活的不到25%，这25%里头真正接触过AI的还不到5%——算下来也就七八万人。拿这点人去追赶中美？莫迪的野心跟现实之间差着一个太平洋。加拿大那边更尴尬。全国3500多家企业号称搞AI，可实际在生产经营中用上AI技术的只有12%。剩下那88%大概率是挂个牌而已。欧盟呢？研究水平不差，早年DeepMind就是欧洲出去的，可被谷歌买走了。现在欧洲连一家能跟OpenAI、字节、阿里掰手腕的大模型公司都没有。更惨的是，欧盟七成以上的云计算市场被美国公司牢牢捏着，亚马逊、微软、谷歌把上层云服务几乎包圆了。你说欧洲想搞“技术主权”，连数据都住在美国人的房子里，这主权从哪儿来？说到底，这些中等强国缺的不是想法，是完整的供应链。美国有芯片设计和制造的老底子，中国有庞大的市场和全产业链。其他哪个国家能把人才、技术、市场、算力这几样凑齐？一个都没有。黄平说得狠，但很真实：对中等国家来说，技术主权已经从目标变成了不切实际的幻想。那它们怎么办？两条路：要么选美国的技术，省心省力，但永远当小弟；要么选中国的方案，又怕美国不高兴，也怕自己国内有人反对。两头都不敢得罪，两头都捞不着便宜。结果是嘴上天天喊“独立自主”，手里用的还是美国造的芯片和云服务。所以你看，中美AI的G2格局已经定了。中等强国再怎么折腾，最多在夹缝里找个地方蹲着。科技主权这事儿，不是靠开会喊口号、出台红头文件就能变出来的——你得真有那个本事才行。

最近一个说法：好几位硅谷创业公司的CTO，跑去Anthropic做研究员。我核对了一下，是真的，而且数据比传言更狠。2025年中到2026年初，至少六位十亿美金级公司的CTO，放弃管理岗，以个人贡献者（IC）研究员的身份进了Anthropic——Workday、Instagram、Box、You.com、Super.com、Adept的CTO都在名单上，外加OpenAI联创Karpathy今年加盟。配套的两个数字（来自SignalFire《2025StateofTechTalentReport》）：2021–2023年初入职的员工，两年留存率Anthropic80%、前沿实验室最高（OpenAI67%、Meta64%）；工程师从OpenAI跳去Anthropic的概率，是反方向的8倍，从DeepMind则接近11倍。而当Meta开九位数签字费来挖人，Dario直接拒绝跟价当一个手握期权、职级、管理权的CTO，主动降级去做一线研究员，他是在用脚投票一个判断，在这个阶段，离前沿模型最近的位置，比组织里的权力更值钱。真正稀缺的不是算力，也不是title，是能站在能力曲线最陡那一段的人和位置。谁持续吸得住这种人，谁就握着下一轮的复利。

《金融时报》：算力军备竞赛正在重塑全球科技与军事格局——随着人工智能和现代战争的深度融合，算力正成为新的战略资源，其重要性逐渐接近石油、电力甚至核技术。最新一代战机、无人机和情报系统每天都会产生海量数据，军事能力越来越依赖数据中心与AI计算能力。在这一背景下，全球正在形成一场围绕“计算能力”的新军备竞赛。一方面，美国与中国掌握了全球约九成的AI算力基础设施；另一方面，包括英国在内的中等技术国家，正试图通过发展量子计算、神经形态计算和光子芯片等前沿技术，寻找突破口，以摆脱对外部算力体系的依赖。神经形态计算模仿人脑结构，只在数据变化时进行计算，大幅降低能耗，被视为未来数据中心的重要补充技术。量子计算则被寄予更高期望，部分国家已投入数十亿美元建设相关能力，并将其纳入国防体系。与此同时，AI驱动的现代战争也在改变作战模式。从自主无人机到反潜算法，再到Palantir等公司开发的战场智能系统，计算能力正在直接决定战场优势。然而，算力高度集中也带来新的安全与政治风险。芯片、云计算与数据中心基础设施主要掌握在少数国家和企业手中，使得“计算栈”成为新的地缘政治制高点。一些国家担忧，一旦依赖外部供应商，其关键数字基础设施可能受到限制甚至“被关闭”。在产业层面，英国等国家面临的核心问题并非技术创新不足，而是缺乏足够资本与产业规模，使得本土初创企业往往在成长阶段被海外巨头收购。例如DeepMind从伦敦初创公司成长为全球AI巨头的一部分，但最终被谷歌收购。与此同时，全球正在加速向“算力分工体系”演化：韩国主导存储芯片，台湾掌握先进代工能力，荷兰控制高端光刻设备，没有任何国家能够独立构建完整AI生态。未来的竞争不再只是AI模型之争，而是围绕能源、芯片、数据中心与新型计算架构展开的系统性竞争。谁能在“计算栈”中占据不可替代的位置，谁就将在新一轮科技与军事变革中拥有更大话语权。烽火问鼎计划热点观点“没有任何国家能够独立构建完整AI生态”，看“独立”、“完整”、“生态”怎么定义了。