美中AI热线、GPU价格与AI罕见病诊断
点播放，字幕跟着声音走
Subtitles follow the audio
逐句文字稿
点任意一句，从那里开始听
正在加载字幕…
-
真实的事情开始发生了。
-
本周的AI in the AM。
-
关于AI风险和核查，我们采访了Gladstone AI的Jeremy和Ed Harris。
-
他们对美中合作依然持强硬现实主义态度，但本周我听到了一丝缓和。
-
在这里，Ed谈到了对等透明能给两国带来什么。
-
某些类型的透明可以起到稳定作用。
-
就是那种透明，比如，嘿，我们让你足够清楚地看到我们在做什么，让你看到我们并没有做你最担心的事，这种东西可能是有用的。
-
而且，取决于我们怎么实施，这对我们来说可能实际上成本也没那么高，因为中国人本来就已经深入我们的系统了。
-
所以实际上，在很多情况下，我们并没有给出他们可能本来就没有的东西。
-
Steve Ho，Silicon Data的研究主管，这家公司做GPU价格指数。
-
我们问他，为什么租用看起来一模一样的芯片，在大型云服务商那里要贵那么多。
-
所以就超大规模云厂商而言，你观察得没错，他们的收费一贯稳定地至少是普通新云厂商的两到三倍，有时还更高。
-
原因和长期积累有关，不管是平台上提供的其他类型产品、软件分析、安全、合规，还是他们早已与企业用户建立了长期关系，这些用户已经用了很久，
-
没有那种一定要搬走的粘性。
-
它是作为一个高度差异化的产品来卖的。
-
Prakash，我在AI in the AM的联合主持人。
-
这周我们花了一些时间关注OpenAI Dev Day。
-
在这里，当模型在同等智能水平下变得更快时，软件开发会有什么变化？
-
有了Ultrafast，你可以边打字边交互，这是一种交互式的构建，软件构建，主动地搭建游戏。
-
我觉得那真的是未来，我觉得速度，延迟，同等智能下的延迟，可能是非常重要的东西，尤其是当你跨过这些能力门槛之后，比如这东西能做一个游戏，但这东西能不能在你当下的过程中和你一起做游戏，同时让你保持心流？
-
Joel Borgen和AI模型一起写了他的小说。
-
文本里有几处AI的痕迹，但这本书确实不错。
-
听听他提供了什么样的架构，以及为什么专业人士仍然需要他。
-
我是说，我启动这个项目的时候，多多少少知道自己想要做出什么东西。
-
我自己先勾勒出来了，尤其是书的前半部分左右，在接触模型之前就已经定得挺清楚了。
-
然后模型在某些事情上很擅长，它们在所有方面都越来越好。
-
但就单纯的散文写作本身来说，即使你告诉它你确切想要什么，你对一章有规划，你常常得到的是没法读的东西，除非你知道怎么给它搭架子，然后自己再编辑。
-
Daniel McKinnon创立了Gammo Labs，用AI来解读基因组。
-
他报告了一些儿童的新诊断，这些孩子的病例此前一直没有解决。
-
在这里，他讲了自己仔细查看一个模型的工作时发现了什么。
-
你会看到这样的情况，有一个特别的案例，Grok 4.6，当时在我们基准测试上是state of the art，在Grok build里，它漏掉了一个，因为它只是把基因重新命名了。
-
它就像是在说，哦，你知道，NRF2还是什么的负责这个。
-
然后它就把基因的名字改成了完全不同的东西。我以前从没见过这种情况。
-
我当时就觉得，这也太蠢了。
-
而我们的测试框架和我们的工具会阻止智能体做蠢事。
-
欢迎来到AI in the AM每周亮点，这些介绍是用我克隆的声音说的。
-
请告诉我们哪些地方做得好，哪些地方不好。
-
你们的反馈能帮我们把下一期做得更好。
-
第一部分，略有解冻。
-
Jeremy和Ed Harris一直在采访与中国谈判的外交官。
-
我们讨论了特朗普和习近平的会谈，以及建立AI事件沟通渠道的可能性。
-
Ed先谈了他对这次接触的看法。
-
谈总比不谈好。
-
所以这是个积极信号。
-
至少从特朗普和习近平对话的开头以及之前那些铺垫来看，我的理解是，这段关系可能带来的一个积极成果，就是建立了这个——我不知道你们会不会叫它红色电话，
-
但至少是两国政府之间在AI事件和AI风险方面某种理论上的热线。
-
我们出的那份报告，其实只是一份很长的通讯，是基于和大约十几位国务院外交官的交流，他们都在谈判桌上跟中国打过交道，也大致见过这些事情在实践中是怎么发展的。
-
他们看到的众多问题之一就是，我们在核领域已经试过红色电话这套做法了。
-
而且总的来说，对方并不总是接电话。
-
尤其是在关键阶段，这条线往往被当作筹码来用，意思是我们要掐掉这条电话线、不接电话，而不是把它当成一个让所有人都更安全的协作性共同项目。
-
再说一次，这并不是说如果中共从结构上真的重视AI——我们有充分理由认为他们可能会——那我们可能会有完全不同、积极得多的接触层面。
-
我们根据这些人的经验所建议的，就是对此保持现实态度，并且要有备用方案。
-
我问了Jeremy，在发生严重的AI事件之后，美国可以要求中国停止做什么，以及用今天现有的能力能核实什么？
-
这句话之后的所有内容，显然都还没有从红队的角度跟情报界接触过。
-
所以真正的答案是，我们没法深入了解。
-
我没法给你一个细到可以说“好，这个能执行”的答案。
-
举个简单的例子，说得夸张一点，数据中心留下的能源足迹可真是惊人。
-
你知道，那些数据中心的热信号非常非常亮。数据中心体量巨大。
-
总的来说，它们目前还不是按隐藏的标准建的，而且建数据中心要花很长时间。
-
当然，这会改变。
-
AI 2027 讨论了这个的时间线。
-
我们认为，根据跟业内人士的交流，隐藏数据中心的时间线可能会短得多，这相当有可能。
-
但不管你怎么看，你都会先有一场对话，在那场对话里，为了你当时真正需要的那个80-20，大致就是，老天作证，要是我看到一个集群，而且那个集群有那么大，你面对的就是这种对话。
-
而你怎么量化这个，取决于美国目前拥有的国家技术手段。
-
等等，你是说集群超过某个规模就会成为红线？
-
所以，如果你正处在那种恐慌时刻，对吧？
-
你会想，我们必须做点什么。
-
然后你问自己，什么是可行的？
-
就是，用我们今天现有的资产和基础设施，能做什么？别的什么都没有。
-
然后你确实会进入一个局面，不一定是那里存在一个这么大尺寸的集群，因为你不能要求他们拆掉集群，但我们必须看到这个的热信号，比如说，消失。
-
所以，如果有一个超过某个规模的集群在运行，而且说清楚，这在哪个方向上都是极其昂贵的要求。
-
GPU的折旧是运营成本的主要部分。
-
所以你是说先发生一个事件，然后对这个事件的回应、对这个事件的缓解措施就是，嘿，你能不能把这个大数据中心关掉？
-
对，就是把任何超过某个规模的集群关掉。
-
这是一种可能，因为说清楚，现在就是这样。
-
基本上，框架就是截至现在，我们就是这个状态。
-
所以某种意义上，我们会进入一个可能是循环的圈子里，你能看出这个要求有多大。
-
那是个疯狂的要求。
-
所以如果我把这里的逻辑从头到尾勾勒一下，就是，我们的关系没那么好。
-
AI能力继续快速进步。
-
我们预计会有疯狂的事情发生。
-
当足够疯狂的事情发生时，我们默认就会发现自己处在一个不得不提出
-
某种离谱的、超高代价举措的位置，比如关掉你所有的大型数据中心，因为我们没有其他
-
机制能提出一个代价更低、更好的“信任但验证”式环境，因为我们现在还没做那些投资。这就引出了一个问题：我们现在应该做什么，才能A，
-
理想情况下不落到那种境地，或者B，如果真的落到那种境地，除了“全部关掉”之外还有更好的选项可以提出来——而“全部关掉”显然会很难。
-
开发，基本上就是，你知道，你说得太对了。
-
就是开发更好的验证手段，开发更好的进攻性选项，以确保在验证结果说“不，他们还在干”的时候能够强制合规。
-
你能做的验证越好、越快，你就越不必依赖这种离谱昂贵的东西，比如这一吉瓦的能源辐射不该从太空都看得见。
-
如果我们有这类经过情报界审查的技术，哪怕它们只是比现在好50%，哪怕只是你能关掉一半数据中心、而我们可以充分验证另一半，或者类似的程度。
-
你一下子就能省下几十亿美元。
-
所以这个行业能不能继续赚大钱，在那段时间里实际上会受制于这些小小的验证技术。
-
而且已经有这么一个由小型验证初创公司组成的群体在做这项技术了。
-
这就是为什么这如此重要。
-
当然，我还要说，进攻这一侧也是至关重要的。
-
如果你没有那些进攻性选项，你就无法确保合规。你无法确保合规。
-
你可以验证，可以监控局势，可以说“哦，不行”。但根本上，你的手脚是被绑住的。
-
你没有工具去真正做点什么。
-
所以这两件事都超级重要。
-
存在这样一种瓶颈，我觉得很多这类验证公司并没有真正把它考虑进定价里。
-
所以这大概就是我们目前很多工作聚焦的地方。
-
所以想象一下，当A公司跑来说，我有这个东西，这东西能行，对吧？
-
而这时候正是危机时刻，特朗普或者当时的总统，不管是谁，正在到处找办法来缓解这个万亿美元级的瓶颈。
-
然后他们实际上会说，好吧，情报界现在得审核这个东西，因为他们显然不会就这么直接开始用，对吧？
-
那么过去类似的技术花了多长时间才被采用、被审核，并成为所谓的国家技术手段，也就是NTM，对吧？
-
答案是数年，取决于具体技术，但很多时候都是数年。我们必须做，中国也必须做。
-
我们必须就此达成握手协议。
-
而且就算你把钱这个障碍去掉、钱不是问题，有些事情就是需要串行的时间才能完成。
-
所以我们一直在做的很多事情，重点就是：不管有没有条约，假设某家AI协议验证或算力验证公司X，
-
你大概应该跟史蒂夫·乔布斯那边谈谈这件事，因为在危机时刻，第一，你希望尽可能多的东西是预先审核过的；第二，任何参与评估潜在国家技术手段的人，最好都把联系方式放在手边。他们最好有信号、有电话号码、有邮箱，或者随便什么，能联系上
-
他们计划使用的、或者最终可能不得不使用的所有验证公司的创始人。你想减少所有这些障碍，那些没人会想到的枯燥官僚程序，因为又枯燥又官僚。
-
但这些正是我们现在试图去摸底的东西，这样等到真正上场的时候，事情能推进得更快。
-
而今天，那些可能在追求某些研究路线或议程的公司，有些甚至是好几千万美元以上的研究议程，它们的定位方式，不幸的是，在情报界那个合适位置上的人看来会觉得，
-
这基本上没戏。
-
我们希望他们尽快得到这种反馈，这样他们就能重新调整方向，去做那些真正有机会成功的事情。
-
嘿，我们稍后广告之后继续我们的采访。
-
今天的节目由Athena赞助，这是一家高管助理公司，使命是改善人们工作和生活的方式。
-
如果你想扩大你的影响力，就必须腾出你的时间。
-
而这正是Athena最擅长的。
-
他们会为你匹配一位专属的、全职的、顶尖1%的高管助理，帮你接管收件箱、日历、差旅，以及其他一切悄悄吃掉你一周时间的事情。
-
Athena通过了SOC 2 Type 2认证，所以你可以放心，你的敏感数据交到了可靠的人手里。
-
作为这家公司的前AI顾问，我可以亲自担保他们在AI工具和培训上投入了多少。
-
事实上，我见过的最优秀的AI用户之一就是一位Athena客户，他把探索AI工具和开发AI工作流的任务交给了自己的行政助理。
-
Athena的客户平均每周节省15个小时，而且平均每位客户每年会推荐两个以上的朋友。
-
这一点在我看来完全说得通。
-
我经营初创公司的时候就是Athena的客户，直到今天，我还在继续向朋友们推荐。
-
现在就访问athena.com/cognitive，匹配你的行政助理。
-
网址是athena.com/cognitive。
-
这周就给自己省回几个小时吧。
-
访问athena.com/cognitive，看看他们这个月会给你配对谁。
-
本期节目由Parallel赞助，这里是智能体找到答案的地方。
-
如今大多数工程师都会密切关注新模型的发布，却几乎不怎么关注智能体最重要的工具——网页搜索。
-
如果你和我一样，你的智能体每天往往要进行数百次搜索。
-
虽然单次成本不高，但时间一长，这笔开销确实会累积起来。
-
在开始使用Parallel之前，我算过我的智能体搜索账单今年大约会达到500美元。
-
好消息是，我刚让我的智能体做了一次系统性测试，发现Parallel的Fast模式——每1000次查询仅需1美元——效果和我之前默认使用的服务商一样好，换过去之后，我今后的搜索账单大约能省下80%。
-
Parallel的基础设施达到企业级标准，他们的一套API提供了一系列帕累托最优的选项，让你可以根据自己的需求，在质量、成本和速度之间选择最合适的平衡点。
-
所以，无论你是在构建需要200毫秒延迟的语音智能体，还是需要深度研究的长程智能体，把Parallel加入你的智能体工具箱都是毫无疑问的选择。
-
访问parallel.ai/tcr免费开始使用。
-
网址是parallel.ai/tcr。
-
继续和Jeremy、Ed聊核查这个话题，我转向了那些可以从AI公司内部先做起的工作。
-
你觉得美中两国在AI发展上保持在同一个基础技术路线或同一个AI范式上，这件事有多重要？
-
我的感觉是，从某些方面来说，我们现在处在一个非常幸运的位置，因为我们基本上是在用同样的方式构建同样的技术，而且一路上遇到的意外也差不多。
-
所以这是一方面，然后另一个问题是，我觉得如果OpenAI和
-
Anthropic这种对抗关系里有什么好东西的话，那可能就是它们可以成为一个试验场，用来测试那些以后也许能扩展到美中关系层面的技术手段。
-
所以如果我是总统，我会说：你们俩得想办法互相监督，也许我们还可以把这个圈子扩大到其他几家前沿公司，但像你们俩，你们才是那些拉响所有警报的人。
-
我需要你们坐在一个房间里，不管你们需要开发什么技术，不管你们需要给对方什么访问权限。
-
想办法建立互信、互相核查，这是你们的责任。
-
然后也许我们可以把这种模式扩大到跨太平洋的关系上，类似地运作。
-
我觉得这倒也不算离谱。
-
当然，Anthropic和OpenAI彼此之间的情况有很大不同。
-
虽然挖人这件事在某种程度上确实反映了中国对前沿实验室的那种接触能力，但两家本质上都是美国公司，价值观也相当接近，诸如此类，这中间是有信任基础的，而对比之下，双方就相当不同了。
-
不是说这就完全一团糟什么的，但确实会有一些差异，也会有一些相似之处，而我觉得那些相似之处可能值得挖掘。
-
对，而且还有一点，你刚才说的是技术栈保持一致的重要性。
-
硬件彩票在这个领域起了很多很好的作用。
-
我觉得最关键的一点是，美国
-
和中国显然在彼此坐到谈判桌前的动机上互不信任，对吧？
-
所以当中国看到美国
-
坐到谈判桌前提出放缓或者安全护栏之类的问题时，我们从参与二轨、一轨半对话的人那里反复听到的解读是，Nathan，你也在这个圈子里待过或者接触过，就是，
-
中方多少把这看作是想遏制他们自己的发展，因为他们觉得自己落后，所以他们认为自己有权做一些在美国眼里连美国自己都不该做的事，只是为了追赶，因为他们排在第二。
-
排在第二也意味着，在规模上排在第二也意味着，你看到的那些警示信号分辨率是不一样的。
-
不过，他们似乎也比我至少预想的要更公开。
-
所以这种溢出效应是件好事，中国可以自己直接验证。
-
所以如果从全脑仿真或者技术树中某个完全古怪的其他分支在中国占据主导地位，你看到同样类型的失效模式，那这可能就是一个缓解因素。所以我确实觉得这是好事。
-
我觉得我们差不多会自然而然地走到那一步。
-
到了这个阶段，很难想象还有什么替代方案能真正带来颠覆性的改变。
-
量子机器学习，如果你等得足够久，我只是觉得在那些可能彻底重塑算法的关键时间尺度上，它不会变得相关。
-
但我们现在看到的是一个或多或少在加码 transformer MOE 的行业，带着一些花哨的东西和一些这里那里的变体，但一切基本上都是 transformer，而那似乎就是能落地出货的东西。
-
所以是的，我预计我们会从中受益。
-
它还带来一个好处，就是能够分享安全技术，就像美国在冷战高峰期有时对俄罗斯做的那样。
-
原则上，这确实意味着我们可以参与彼此的安全技术栈。
-
这可能会成为一些建立信任措施的来源，不过这个词对中国来说也有问题。
-
他们过去也抵制过做这类事情的尝试。
-
我觉得这是好事。我不知道它能走多远。
-
和哈里斯兄弟聊完，讨论从验证技术又回到了合作的外交证据上。
-
我不想太天真，但我确实想注意到并给予适当的重视，那些我看到多少在发展的积极信号。
-
我觉得她在 WAIC 上的演讲相当友好，相当有和解意味，还肯定了美国发明了 AI。
-
你知道，他当然没有呼吁国际军备竞赛。
-
他警告不要过度延伸国家安全概念。
-
我们可以把那当作只是好听的话而不予理会。
-
但那种可能性大概至少应该有一定的分量。
-
但你具体在关注哪些有意义的东西，哪些决策点会让你的想法更新？
-
他们是不是至少愿意为了自己狭隘的私利去尝试控制AI？
-
他们是倾向于真正合作，还是倾向于寻求某种？
-
支配地位，就像我们经常把自己投射成有兴趣这么做一样。至于要留意哪些迹象，我觉得任何看起来像积极迹象的东西，至少在某种程度上都是积极迹象。
-
所以一篇和解性的讲话是好事，是好事。
-
至少它不是敌对的讲话，对吧？本来可能更糟。
-
这一切都要打个折扣，因为这种修辞常常被用于战略目的，用来塑造叙事层面的战场空间等等。
-
重点不是说这些不是积极迹象。
-
只是我们得结合这个实体在过去一段时间里建立或没建立起来的可信度，来权衡这些证据。
-
至于他们可能释放出的、稍微更难造假的信号，那种会让你觉得“哦哇，好吧，这看起来是真的”的信号。
-
你可以想象，比如，我不知道，DeepSeek和智谱达成某种节奏上的协议，因为他们那边出了什么疯狂的事。
-
相当于Hugging Face那次事件。
-
你可以想象那个网络空间委员会，或者说那个对模型能否发布有管辖权的委员会，比如它们是不是，你知道，意识形态上合规之类的，
-
实际上踩了刹车，因为出了某种失准的问题，他们真的发现一个本来意识形态合规、测试也通过的模型，突然在真实环境里不合规了，或者类似这样的事。
-
我会说，那些看起来是真实的迹象，表明他们开始以我们自己前沿实验室那种详细程度，接收到这类事件的冲击，我觉得那会开始让我们所有人作为人类觉得，哦，你知道，
-
也许我们真正该担心的是那个巨大的、我们不理解的、像修格斯一样的东西，而我们在实验室里正加速把它养大。
-
那样会让我觉得稍微安全一点。
-
也许在程序上也是。
-
比如，我们有一份清单，我记得大概是美中外交中见过的五种不同的历史陷阱。
-
这些基本上就是一份简短的目录，列出中国在满嘴胡扯时的行为方式，至少按我们采访过的很多外交官的评估是这样。我得说清楚。
-
有一位持不同意见的外交官认为，其中一些事情要真诚得多，包括措辞的使用、对措辞的反对、军备控制，这个那个的。
-
而这本身就是我们之前谈到的那个认识论问题。
-
但基本上，我会说，把每一个危险信号翻过来，你就得到了对应的安全信号。
-
所以，如果你没有看到对措辞提出那种看起来随意的、莫名其妙的关切，那就是一个安全信号。
-
如果你看到接触，这其实非常重要，如果你看到有实权的人参与接触，可以说就像我们跟Chi那样，不过话说回来，一切都得校准，因为我们在其他场合见过这种情况，但这肯定不是危险信号。
-
但就具体承诺而言，那才是你要找的东西。
-
有实权的人、没有反复无常的随意反对、真正看起来在实质上有进展的事情，这其实是个出人意料的好迹象，因为你可以直接把它跟过去的状况对比，而过去的情况并不太好。
-
我的意思是，对比的基准点其实低到那种程度，所以它可以是真正的信号。
-
我们能做哪些对我们来说代价不太大、但对他们来说仍然是可信信号的事情，表明我们不会试图利用AI获取决定性的战略优势，并最终给他们一个无法拒绝的条件。
-
如果那确实不是我们要做的事——我有点担心我们可能实际上正要那么做。
-
如果我们走在寻求“机器人和平”的道路上，让我们都能受益于AI所提供的丰裕，尤其是中国制造的有形形态可能为我们提供的丰裕，那你认为我们这边接下来应该优先采取哪些步骤？
-
嗯，可能有一些事情我们可以做，而且在功能上其实代价并不大。
-
总的来说，正如Jer和你们几位之前可能也强调过的，某些类型的透明度可以起到稳定作用。
-
就是那种透明度，比如说，嘿，我们给你足够的视野看清我们在做什么，让你看到我们没有在做你最担心的事，这类东西可能是有用的。
-
而且，取决于我们怎么实施，这对我们来说可能实际上代价并不大，因为中国人本来就一直在盯着我们的系统，所以很多情况下我们其实并没有给出他们可能本来就没有的东西，所以也许某种程度的可见性——
-
就是这里是我们在做的事，这里是前沿实验室在做的事，等等。问题是，这种事不一定是你想单方面去做的，它应该作为建立信任措施的一部分，恕我直言，
-
在两个大国之间、在这样一个时刻之后。
-
但那些，我猜算是善意类的事情，我们现在就能做，肯定会是美国和中国核查界之间更多的互动。
-
这种事其实已经在发生了，那些圈子之间有一些相当不错、积极的互动。
-
所以是的，那种在学者对学者、创业公司对创业公司层面建立的联系，大家都在努力解决同一个使命。
-
这些都是非常非常积极的事情。
-
这些也像是，那个，那个，确实在政治层面上，两国已经开始分离了，甚至在大公司之类的层面上也是如此，
-
你能看到中国那种钢铁般的设计，转向了经典的中国式分拆故事之类的这些东西。
-
但两国之间仍然有真正真诚的联系，尤其是在学术方面以及其他一些层面上，有一群真诚的人在跟另一群真诚的人交谈，说，是啊，这是个问题。这很糟糕。是的，我同意。
-
比如，咱们试着解决它吧。
-
所以这种联系越多越好，大洋两岸有越多的人能够跟自己国内的领导层说，你看，我跟他们谈过了，他们不是，他们不是坏人。
-
他们只是在努力做这做那，不管这在多大程度上是真的，那种做法都能缓和双方更极端的倾向。
-
要完全做到这一点非常非常难，因为这些国家的行动在很多方面也受到限制，但我觉得，这真的很有帮助。
-
嘿，我们稍后会在赞助商信息之后继续我们的采访。
-
我收到一条短信。
-
夏天可能快结束了，但一颗新的重磅炸弹已经进入了别墅。
-
来认识一下 Deepgram Flux TTS 的声音吧。
-
本期《认知革命》由 OutSystems 赞助播出，它是领先的智能体系统平台。
-
OutSystems 帮助客户构建、现代化和运营企业系统，可以从任何编码工具开始，采用受治理的智能体工程模式。
-
是时候以 AI 的速度创新，同时不牺牲质量或控制了，这就是为什么全球成千上万的企业信赖 OutSystems 来运行他们的关键任务应用。
-
我们说的可不是理论。
-
我们说的是巨大的运营成果。
-
举个例子，一家领先的全球零售商曾经难以跟上自身的快速扩张。
-
他们用 OutSystems 构建了 AI 智能体，自动化了发票和翻译流程，把 95% 的日常门店运营迁移到了一个新的数字应用上，节省了数千小时的人工工作。
-
或者看看一家全球物流巨头，它曾经深陷技术债务之中。
-
他们的工程师每周都在手动排查平台日志，忙着救火。
-
用 OutSystems，他们只花了五天就做出了一个 AI 日志审查智能体。
-
现在这一个智能体每年就能帮他们省下超过 1600 个工程小时，让团队能专注于真正的创新，而不是被动地做维护。
-
即使在现代数字银行业，企业也在用这个平台来标准化和自动化复杂的财务工作流程，以竞争对手无法企及的速度提供安全、个性化的体验。
-
OutSystems 让你可以灵活选择部署方式，同时提供治理能力来确保安全。
-
别再追逐炒作了，开始掌控你自己的智能体未来吧。
-
想了解更多，请访问 outsystems.com 斜杠 TCR。
-
就是 outsystems.com 斜杠 TCR。
-
今天的节目由 Anthropic 赞助。
-
到现在，你应该已经知道我的故事了。
-
Claude 帮我起草开场白文章，然后我再改写。
-
不是因为草稿不好，而是这样我才能对我发表的每一样东西负责。
-
不过，我有个重要的更新。
-
Claude Fable 5 是第一个让我重新思考这条规则的模型。
-
现在我觉得，很多时候目标应该是共同创作，而不是独自拥有。
-
在模型表现出色的地方，重写它的作品，与其说是出于诚信，不如说是出于虚荣或者一种错位的责任感。
-
我在写歌的时候感受最深。
-
我不是作词人，但我在歌曲概念上很在行，而 Fable 能写出一些很棒的歌词。
-
我会针对它没写好的地方给反馈，也会推着它去追求更高的灵感、增加层次感、优化音节密度，最重要的是，写出一首热门歌曲。
-
现在，我们一起写的几乎每一首歌，我都会收到夸奖。
-
Claude 是为解决问题的人打造的 AI。
-
它是一个协作者，理解你的整个工作流程，和你一起思考，而不是替你思考。
-
无论你是在午夜调试代码、搭建财务模型，还是在规划下一步的商业动作，Claude 都能延伸你的思考，帮你攻克真正重要的问题。
-
对于值得解决的问题，请到 Claude.ai 斜杠 TCR 开始使用 Claude。
-
也就是 Claude 点 AI 斜杠 TCR。
-
还可以了解一下 Claude Pro，它包含今天节目中提到的所有功能。
-
再说一遍，是 Claude.ai 斜杠 TCR。
-
第二部分，智能的经济学。
-
Steve Ho 在 Silicon Data 领导研究工作，这家公司为租用的 GPU 算力和模型 token 构建价格指数。
-
要把算力变成一个可衡量的市场，就得先决定哪些价格是可以相互比较的。
-
Steve 先从 GPU 租赁指数的输入数据讲起。
-
我们在计算中同时使用了报价价格和成交价格，并且把这两者的区别讲清楚，对吧？
-
所以这是一个很大的，可以说是一个归一化的过程，用机器学习帮我们把合同变得可以苹果对苹果地比较，前提是你比较的是同一款芯片，比如说 H100，从世界不同地区租用的情况。
-
那么马上会冒出来的一个问题是，比如说在公寓租赁指数里，你绝不会只考虑用报价。
-
有人在楼前挂个牌子，说这套公寓每月租金两千美元，你不会指望光信这个数字，你可以走进去谈，但我们确实用了报价价格。这是为什么呢？
-
原因在于，和公寓不一样，你不能在 API 上点一下按钮就直接拿到那套公寓。
-
你得走进去跟人谈、去协商，而且很可能还租不到。
-
而在这种情况下，很多时候，对于可以通过 API 直接执行的 GPU 租赁，你实际上真的能拿到那块 GPU，就像你在亚马逊上买东西一样，对吧？
-
话虽如此，我们也有成交数据，所以我们会把两者拿来比较，这样如果某人有三台 GPU 节点出租，比如说三台都以 275 的价格租出去了，我不会假设自己还能回去找同一个商家再以 275 租一台。
-
很可能下一台就已经没有了。
-
或者如果三台里租出去两台、价格是275，那下一台也不一定还是275。
-
可能是4美元，或者6美元，或者1美元，取决于别人都报什么价。
-
要是大家都报4美元，他还继续按225出租，那这人就太离谱了。
-
你会觉得，要么他准备改价，要么这个价格本身就有问题，对吧？
-
所以这就是我又给你讲了一大段的原因，不过我们做的事情是尽量提供尽可能广的市场覆盖，把一切都标准化，好尽可能忠实地反映真实的市场状况。
-
我在 SiliconData 网站上随便浏览的时候，注意到一个很大的价格差异，就是 Neo 云和超大规模云厂商之间的差别。
-
这可不是小差别。
-
这差不多是好几倍的差距，看起来像是两到四倍。这个差距相当大。
-
这个差距为什么存在？
-
难道没法套利吗？这是不是意味着 GPU 时长在被浪费，或者我从超大规模厂商那儿买的时候，其实是在抢占他们内部的工作，他们用的是运行时没卖出去的所有资源？
-
给我稍微透露一点内幕吧。
-
所以你可以买，先别管那个，我这人喜欢打比方，之前给你打过单间公寓的比方，这次不用公寓了，虽然也能用。
-
顺便说一句，你可以想象我们在做一个单层肉饼汉堡指数，对吧？
-
你可以在纽约街头的汉堡摊买一个汉堡，也可以走进一家高档牛排馆点一个汉堡。
-
相信我，这两个汉堡的价格会差很多，对吧？
-
它们都是汉堡，而我们想做的，是尽可能找到一单位算力、或者说这里的一单位汉堡的边际价格，前提是它们具有相同的相对属性、相同的特征。
-
我可不想拿三层肉饼汉堡的价格去跟单层肉饼汉堡比，对吧？
-
但做完这些调整之后，还有一些调整我没办法合理地做，因为那反映的是产品捆绑或产品差异化带来的另一种溢价。
-
所以说到超大规模厂商，你观察得确实没错，他们的收费一贯、稳定地至少是典型 Neo 云的两到三倍，有时还更高。
-
原因跟长期的历史沿革有关，不管是平台上提供的其他类型的产品、软件分析、安全、合规，
-
他们已经跟企业用户建立了长期关系，这些用户用了很久，迁移起来有一定的黏性。
-
它是作为一个高度差异化的产品来卖的。
-
所以回到我刚才那个单层肉饼汉堡指数的类比，我看到有人卖单层肉饼汉堡配薯条和奶昔，我可以试着把这两样的价格剥离出去，单独推算出这家商户单层肉饼汉堡的价格。
-
但假如他们把薯条和奶昔打碎混进肉饼里，说这是个全新产品，然后要价两三倍，那我就很难轻易把它剥离出来了，对吧？到那时候我就只能说，好吧，我认输，你们这帮家伙确实有点
-
不太一样，我把你们归到另一个类别里去，对吧？我们到目前为止就是这么处理的。
-
我们相信，这样一来，你得到的是更纯粹意义上的单个计算单元，对吧？
-
这实际上让你更接近可替代性这个理念——前提是这些东西彼此之间是直接替代品。
-
同一款芯片在不同地方的表现可能不一样。
-
我记得根据你们网站上的信息，你们有一些跑在芯片上的软件。SiliconMark，对。
-
对，就是你们用来给芯片做基准测试的。
-
那我猜你们指数里的每一个价格都是经过这套系统基准测试的？
-
不是的。我们有一项叫 SiliconMark 的物理基准测试服务，它会具体到每块 GPU 的 EUID 层面去实地检测，评估 GPU 的健康状况、性能、吞吐量、TFLOPs 等等。
-
目前，这种物理基准测试和实际规格性能并没有纳入我们的定价，对吧？
-
考虑到这个市场的性质，我们至少在挂牌层面没有看到 GPU 具体性能表现跟价格之间有很强的关联。
-
尽管在横截面上我们确实能看到，不同 GPU 之间其实会有一定的差异。
-
对圈内人来说，这个 GPU 抽奖现象应该不算意外，也不算新鲜事。
-
但随着时间推移，如果你有一个集群，平均下来，大数定律就会起作用。所以我们不用那个。
-
我们有六个特征，包括地理位置、CPU 内存之类的，还有期限和供应商，但物理规格目前不在其中。
-
最终，当我们走向一个可能实现物理交付的场景时——因为推理，按我的判断，可能会让算力变得更可互换——那它可能会被纳入我们的定价体系，但目前还没有。
-
我在网站上注意到的另一个变动价格，是那个专有的 大语言模型 指数。
-
是啊。
-
你在那里把单纯的token定价拆成了……
-
开盘和收盘，对，我知道，整体来看，对。
-
所以那个专有指数，过去七天涨了11.5%。
-
我想问的是，你们是怎么衡量这个的？
-
因为看起来，如果按质量调整的话，大家都会说价格在下降，对吧？
-
甚至是大幅下降，而零售挂牌的API价格其实没变，对吧？
-
除非他们推出新模型的时候才会变。
-
所以你们每天到底在衡量什么，才能让你以这么细的粒度说出专有成本在怎么变化？
-
好，首先我想先给我们的token指数稍微交代一下背景，因为我觉得它们被反复误解了。
-
我觉得这跟命名不太恰当有关。
-
我们叫它支出指数，然后大家可能以为它要么指价格，要么指总交易量，但其实两个都不是。
-
它实际上是一个以支出加权的价格指数，归一化到一百万。
-
所以它能根据使用结构来显示趋势，这个我待会儿会讲到。
-
你提到那个专有的大语言模型模型，也就是那种前沿模型，最近稍微反弹了一点，这应该放在这样的背景下来看：大概从六月底一直到基本上这个月中旬，
-
它一直处于非常陡峭的下降趋势，从大概4美元降到，你知道，1.6左右，跌幅超过50%，对吧？
-
这段时间里，我们看到不只是前沿领先实验室通过推出强大模型的更便宜变体、新一代模型来降价，我们还看到其他专有模型冒出来，比如MATA和GROG。
-
别忘了，这些也是专有AI模型，对吧？
-
而且它们在价格上一直非常激进。
-
所以最近这个反弹，我觉得可能来自多种原因，对吧？
-
你知道，基本上如果人们决定说，好吧，我其实挺喜欢Anthropic那个更贵的强大模型，而且用得更多，那实际上可能会推高按支出加权的
-
指数价格指数。这个类比是为了让大家稍微理解一下，有点像——忘了这些吧，都是LMS，忘了这个，想象一下。
-
这些就像汽车，对吧？
-
你知道，就像奔驰有便宜的车型和贵的车型，取决于哪种车卖得更多、人们更喜欢哪种，那就会影响售出汽车的平均价格，对吧？这里也是一样的道理，对吧？在token市场里，有两件事在同时发生：
-
你知道，token模型的价格在变，但使用行为也在演变，而就我们从少数几个公开推理平台观察到的用量来看——某些平台能让你看到人们如何使用不同类型的模型。
-
我觉得这次最新的Frontier Preparatory Alignment Index的波动，我不知道，我没细看细节，但我怀疑更多是跟使用结构有关，而不是别的什么。
-
从衡量算力到使用算力。
-
接下来的对话就是两位主持人讨论OpenAI Dev Day。
-
我先从DOTS说起，就是OpenAI展示的个人智能体，以及谁可能想要一个自己不用维护的系统。它
-
挺有意思的，我觉得，当他们抛出整个dots那套东西时，我心想，好吧，这些我全都有了，而且我很确定我会继续更喜欢我自己那个版本，那是我在过去整整九个月里逐渐演化出来的，
-
所以那绝对——那对我来说真的不太像是一个开发者产品。
-
我觉得那有点混乱，因为在我看来它非常像是一个消费级产品，对吧？
-
就像那是给CHPT用户用的，而且完全不清楚开发者会怎么用，甚至到底会不会用。
-
我没有把每一个分组会议视频都看完，你知道，所以可能还有些我漏掉的内容，但至少在主题演讲层面，感觉那就是他们以第一方身份提供给用户的产品，而且我确实觉得它对人们会非常有用。
-
我想我会说，我猜人们真的会很喜欢这些dots，但对我妈来说，你知道，我会说去用吧，就用那个，你知道，那可能挺简单的，你不用操心自己承担所有这些事、在自己电脑上管理自己的数据库、
-
出问题时排查故障，尽管模型自己在这方面已经越来越擅长了。我确实觉得这种更高层次、更精致的抽象，对很多不想学一堆新花样、只想要一个能委托出去的
-
东西的人来说，可能会非常不错。
-
然后Prakash转向了OpenAI在Dev Day上展示的模型。
-
这些是他对它们能力和速度的第一印象。
-
他们推出了GBD 6.1 Sol和GBD 6 Astra ultra-fast。
-
GBD 6.1 Sol的价格我觉得跟GPD-6 Sol差不多，或者稍微便宜一点。
-
但基本上就是用Sol的价格买到Astra，他们就是这么叫的。
-
这看起来是个非常能打的模型。我用过，确实更好。
-
它肯定比GPD-6 Sol强。
-
GPD-6 Sol才发布没多久吧，大概两三周前？
-
所以发布节奏在加快。
-
GPD-6 Astra Ultra Fast。
-
现在有了这个，他们以前有个快速模式，是两倍速。
-
UltraFast是八倍速，他们还演示了UltraFast怎么用。
-
有了UltraFast，你可以边打字边交互。
-
这是一种交互式的构建方式，交互式地搭建软件、交互式地做游戏。我觉得这才是未来。
-
我觉得速度、延迟，在同等智能水平下的延迟，可能会变得非常重要，尤其是当你跨过能力这道坎之后。
-
这东西能做出游戏，但它能不能在你当下创作的时候跟你一起做，还让你保持心流状态？
-
我觉得这就是接下来要发生的事。
-
还是在Dev Day的对话里，我聊到了"用Chat GPT登录"，这个功能让符合条件的用户把自己的套餐带到参与的应用里。
-
我的例子来自Waymark，我联合创办的那家视频公司，还有让新客户试用AI产品的成本问题。
-
就是那种经典的试用一次、试用七天之类的。
-
这些都是久经考验的策略，但现在变得很难做，因为每来一个新用户，我都得在token上花一笔钱，才能给他们像样的体验，尤其是如果你的产品涉及不少设置或者资料处理的话。
-
拿我的公司Waymark来说，我们绝对算不上最耗token的业务。
-
但你一注册，我们做的第一件事就是给你的小生意建一份详细的档案，这样之后就能拿这份档案当输入来生成视频内容。
-
而且这个档案创建流程的价格已经降下来了。我不知道现在具体是多少。
-
有一阵子，差不多是每个客户一美元。
-
那时候就想，好吧，当你把获客的总成本算进去，这东西就开始变得有点分量了，我们能不能让这个飞轮转起来，多久能回本，诸如此类的问题。
-
但我觉得这对你的ChatGPT订阅来说是个很棒的增值功能，现在你可以把它带到各处去用，当然开发者需要去实现它，但让编程智能体去实现应该花不了太长时间，所以
-
这对ChatGPT是好事，对用户是好事，对SaaS公司也是好事，我觉得这是个大赢面，而且我也确实觉得这挺有利于
-
生态的，在我看来，这算是他们真正兑现承诺的一种方式——不去试图吞掉整个世界，而是去赋能人们做出酷东西。
-
第三部分，共同写作的技艺。
-
Joel Borgen是《The Receipt Horizon》的作者，这部小说设定在一个由先进AI塑造的世界里，是他和AI模型合作写成的。
-
我们聊了他作为作者提供了什么，以及这种合作如何改变了这部作品。
-
这本书我最终也许能写出来，但当你有了孩子、还有一份兼职工作的时候，起步所需要的那股启动能量实在太受限了。
-
我是说，我是一年多以前开始弄的，当时那些工具还没有现在这么成熟。
-
有很多限制，尤其是上下文长度方面。
-
你在写某一章或者书里某一部分的时候，会有一个对话线程，但之前的上下文老是掉出去，你得小心地管理这些。
-
我觉得现在越来越容易用这些工具去做一些协作性的东西，而且还能保持你自己的构想。
-
我是说，我启动这个项目的时候，多多少少已经知道我想要做出什么了。
-
我自己先勾勒了出来，尤其是书的前半部分左右，在
-
接触模型之前就已经定得挺清楚了，然后模型在某些方面很擅长。
-
它们在所有方面都在变好，但单就散文写作本身而言，哪怕你告诉它你确切想要什么、你对某一章也有个计划，你拿到的东西往往还是没法读，除非你知道怎么给它搭脚手架，然后自己再编辑。
-
所以，我其实一直在写一本后续的书，而且随着模型变得更强大，这个过程变化挺大的。
-
所以这本书因为有了AI的参与肯定好了很多，但我也清楚，AI写作对很多读者来说会有争议，他们不想碰这个。
-
我觉得这个过程让这部小说好了很多，但它也有弱点，有些地方我并没有完全考虑到。
-
我之前问过Joel，怎么把对未来的积极愿景写进一个仍然需要冲突的故事里，还有他给模型搭的那些脚手架。
-
在叙事里，乌托邦往往就想变成反乌托邦，因为你得有冲突、有摩擦，而一切都顺利、所有人都开心，当然就挺无聊的。
-
所以这个故事设定在一场大规模AI战争之后，人类大概是被锁死在能力范围之内了。
-
你既能看到技术层面和人们可选项上的惊人繁荣，也能看到一些非常严重的弊端。
-
所以我确实觉得，你讲的很多东西——我也同意——都是在努力描绘一个积极的未来愿景，而这在叙事形式里是很难做到的。
-
所以我不想书里任何东西、任何角色变成我的传声筒。
-
我想在世界上看到被创造出来的很多东西，都是故事的一部分。
-
我也尽量把那些会有不同看法的人往最强处去论证。
-
至于脚手架，我经常会把故事的大框架写成很多节拍，然后跟两个主要的前沿模型来回打磨。
-
我是说，我主要用的是当时旗舰的Claude模型，然后是从5开始的ChatGPT Pro模型，因为那个是最主要的，算是主力干活的。
-
它做的细致活儿最多。
-
Claude以前在跟进程度上要懒得多。
-
我主要是通过聊天界面来做，这对我来说大概有它的优势，大概也有它的局限。
-
但你知道，上下文长度，就像我刚才说的，随着它变长，那是个巨大的解锁。
-
你可以直接把整本书都放进去，因为在起草第一本的时候，有那么一个阶段，每次新模型出来，你就会用它来试着把它改得更好，提升自己的水平，让它能做更多，但就故事实际的脚手架而言，你基本上是一块一块地来
-
经常是这样，我一章一章地起草，然后等我写完的时候，我得到的建议是去雇专业人士来做文字编辑、美术和排版。
-
我照做了，也从中学到了很多。
-
那非常贵，也很费时间，而且挺慢的。
-
过程中肯定有不少让人沮丧的地方。
-
但我试着把从中学到的东西提炼出来，也总结出了是什么让那本书效果更好。
-
然后我就把它喂给ChatGPT的BD5还是6 Now Pro，摸索出了自己的一套工作流程，用来做和第二本书一样的处理。
-
所以我觉得，跟Joel一起看看这一切怎么运作，会是一次很有意思的体验。
-
我们从起草阶段进入了判断阶段，他仍然希望由人类作者来做选择、来编辑文字。
-
但随着我们进入这样一个世界——AI系统能做很多我们做的事，很多我们原以为有价值、属于人类贡献的事——你想想它现在具备的能力，我之所以觉得写这本书有价值，是因为里面有很多我自己的东西。
-
而且这仍然花了我很多精力。
-
我知道你可以——我好像听过一期播客，里面有人讲在亚马逊上写言情类的小说，基本上都是自动化、AI写的。
-
我记得好像一年能出几百本。
-
所以他们玩的是规模化的游戏。
-
其中几本会赚点钱，总体上是盈利的。
-
你当然可以那么做，而且模型越来越好，你大概可以按需定制出和我花了好几个月、好几个月做出来的书质量相当甚至更好的作品。
-
那到那个时候，艺术会变成什么样呢？
-
作为一个艺术消费者来想，如果英格玛·伯格曼或者斯坦利·库布里克又出了一部新电影——那些电影我花了很多时间去思考、去观看，深深打动了我——那样的世界会是什么样子呢？有海量按需生成的艺术，
-
而且几乎都是为你量身定制的。
-
我们其实已经在经历共享文化空间的流失了。
-
人们消费的内容越来越碎片化，整个文化图景的统一性，我想，也越来越少了。
-
那么到那个时候，如果艺术不再是我们和其他人共享的东西，它还有价值吗？
-
这个问题的答案我也不知道。
-
但我觉得我们现在正处在一个不错的甜蜜点上：要想做出一部你引以为傲的、和AI合作的作品，仍然需要大量的人类判断和投入。
-
而考虑到事情发展的方向，我不知道这种状态还能持续多久。
-
我可以设想把一些我用来编辑自己书的框架拿过来用，我的书大概被删减了14%左右，主要是手动删的，同时靠AI帮我决定该砍掉哪些内容。
-
很多时候，你可以拿一个还算凑合的章节，把AI做得特别差的那部分东西去掉，比如那些文字、那些过度解释，然后在这方面把它改进一下。
-
所以我觉得现在你可以设计出一套东西，能做出相当不错的书来。
-
前提是有合适的反馈回路。
-
我开发的很多东西，都是把我自己的偏好放进去，让我想要的效果能够实现，能够把整部小说交给一个模型，让它返回一份分析，列出这些是你应该考虑的地方。
-
因为手动慢慢来做的话，你可以想象，那是极其耗时的。
-
所以把东西提到你面前，就像一个助手一样说，这里有些东西你可以考虑一下，然后你可以自己一点一点地做决定，我觉得这是一种相当令人满意的工作方式。
-
Joel也是一位音乐家。
-
为了描述他亲眼见证的一项能力的到来，他从文字转向了乐谱，还讲了一个中提琴谱号测试，这个测试他一直在 successive 的模型上反复尝试。
-
这个保留测试我已经做了一年多了，可能甚至两年了，非常简单，就是一段简单的高清录制的五个中提琴音符，我把它交给那些推理模型。
-
我说，好，这是什么谱号？这些是什么音符？
-
音符时值是多少？
-
诸如此类，还有拍号。
-
结果没有一个答对的，直到Astra，OpenAI大概是喂了一些真正的乐谱进去。
-
所以它基本上从什么都做不了，到现在我给它一份复杂的20世纪乐谱，那份谱子看着都头疼，因为太复杂了。
-
我是说，这个，你知道，到处都是重升号、临时记号和连音线。就是很难。
-
而它几乎完美地通过编解码器把它转成了机器可读的形式。
-
所以这份乐谱，以前你基本上只有一个PDF，现在你可以把它变成能操作、能评估的东西。
-
于是它一夜之间就从零变成了99。
-
于是一夜之间，它就从几乎为零变成了99。
-
我觉得这是个挺有意思的办法，能把那些还无法机器读取的乐谱变成可以用来训练系统的东西。
-
所以我特别希望看到Suno朝着加入大量古典作品的方向发展。
-
因为我觉得，除了它能做出有意思的古典音乐之外，古典音乐本身也需要对曲式有不同层次的理解，因为它的规模往往大得多。
-
比如一部三个小时长的歌剧，内部有它自己的结构，甚至一个二三十分钟的单一乐章，里面包含的东西也比一首流行歌曲多得多。
-
所以我特别希望看到这件事发生。
-
再说，这其实也跟前面说的是同一个道理：如果你只是在做某种私人化的艺术，主要就是给自己听的。
-
我仍然觉得那是有价值的，但同样，就像写书一样，我会想在未来跟模型——那个假设中的模型——一起合作，做出一个我投入了大量心血和品味的东西。
-
我不知道这个人类和AI共同创作的过渡期会持续多久。
-
我们把它当工具用，但它仍然需要你投入很多，需要你的判断。
-
但我很期待等模型进步之后去尝试这个。
-
第四部分 仍在等待的诊断 丹尼尔·麦金农创立了Gammo Labs，想用AI智能体来解读基因组，重新审视那些悬而未决的疑难病例。
-
他的儿子欧文死于一种罕见的肺部疾病。
-
后来一位人类专家发现了最初的测序分析漏掉的基因缺失。
-
丹尼尔随后搭建了一套AI流程，在他家人又一次怀孕、四处寻求答案的时候，这套流程重新发现了那个缺失。
-
那段经历促使他走上了这条路。
-
去年夏天这件事真的让我一下子警觉起来，我是说，我们现在很幸运地有一个健康的13个月大的孩子，但因为我们的经历，我们被非常非常仔细地监测着。
-
在16周的解剖扫描里，就是有那么一点可疑的地方，我们自己的母胎医学医生，她是个特别好的人，她说，正常情况下我根本不会标记这个，但因为是你俩，我们得仔细看看。
-
那时候我们给胎儿做了全基因组测序，结果回来是阴性。
-
这其实是我在失去欧文和有了儿子沃伦之间见到的第三个阴性的全基因组结果。
-
我们其实还因为遗传原因失去了第二次怀孕，而且是很晚期的时候。
-
所以可以说，在把沃伦带到这个世界之前，我们经历了整整五年的心碎。
-
而且这些全都跟基因上的谜团有关。
-
所以作为一个病人，我开始了解到，或者说作为一个病人的家属，我开始了解到很多这个体系的缺陷。
-
就在那一刻，我说，我心碎了，但我也很愤怒，我要做点什么。
-
而且我手上有工具可以做点什么。
-
快进到去年夏天。
-
你知道，我拿到了这个结果。
-
我说，这不能接受。
-
这是我人生中最想要的一件事。
-
我真的很想有个家庭。
-
我想搞清楚到底会发生什么。
-
我不相信这些实验室。
-
然后我基本上给所有实验室都打了电话，我说，把我的原始数据给我，多亏了咱们这儿的《健康保险流通与责任法案》，你是可以拿到这些数据的。
-
然后我自己用“氛围编程”搭了一套自己的解读流程，我是说，现在氛围编程简直火得不行，对吧？
-
现在这事儿太容易了。
-
你只要说一句，Cloud Code，给我做个这东西。
-
但那时候，我是说，那还只是像自动补全、早期的代码生成那种水平。
-
所以实际上我自己还是得花不少功夫。
-
我做这个只是想看看，围绕这次怀孕能不能得到一点安慰。
-
结果让我震惊的是，它在其他那些病例上表现也更好。
-
最明显的是，欧文的病被诊断出来了，而一家最好的、甚至有人说是最好的产前测序实验室却没诊断出来。
-
那一刻我就知道，这是我必须去做的事。
-
我当时并不知道这会变成一家公司。
-
欧文身上的那个缺失有9.1万个碱基长，它删掉了一个增强子，也就是帮助调控基因的一段区域。
-
在丹尼尔用AI把它找回来之前，专家其实已经识别出这个缺失了。
-
我们问丹尼尔，最初的分析怎么会漏掉那个增强子。
-
漏掉它的原因是，这个增强子位于基因上游一百万个碱基处。
-
而布雷迪实验室的做法，也是很多其他实验室的做法，其实是很合理的判断，就是他们对结构变异设了一个过滤条件，因为结构变异在所谓的下一代测序里往往很杂乱，而现在的测序就是这么做的，
-
你基本上有大约十亿个150碱基对的片段，得把它们拼成这个临床谜题。
-
他们说，我们要设个过滤，基因上游或下游超过一千个碱基的，我们就不考虑了。
-
如果你有人工来查看所有这些数据，这完全是合理的取舍。
-
但我的想法是，那还是在Codex之前、在Cloud Code之前，能不能把o3模型，那是我当时用的模型，算是第一个真正的智能体模型，放进去？
-
之前有o1，但o3才是真正的第一次突破。
-
能不能把它放进某种循环里，让它一直找下去？然后它基本上就循环起来了。
-
第一轮循环是，编码元件有没有什么问题，这些是比较明显的东西。
-
它用的是那些生物信息学工具。
-
跟今天的东西比这很粗糙，但然后它漏掉了什么，就进入下一轮循环，再下一轮，它就一直不停地工作。
-
而作为一个临床实验室，不管你是营利、非营利，不管什么结构，最终你都得往前走，你得在每个病例上花一定的时间。
-
如果你得不出结论，你就会说这是非诊断性的，这非常常见。
-
大多数全基因组，即便是婴儿疑似遗传病的情况，结果都是非诊断性的。
-
我真的觉得这就是那种现实世界里的问题，如果我们能把这些活儿交给一个能不停歇、并行工作的机器智能，那我们就能看更多的孩子、治更多的孩子，
-
还能在人类只是时间不够的那些基础工作之上，做更多有意思的分析。
-
我不想说这是我重新发明出来的。
-
一直有人在试着做软件来加速基因组解读。
-
这事儿人们已经做了很久了。
-
但我觉得我可能比较早、也比较独特地看准的一点是，这真是智能体AI特别适合干的一个任务。
-
而且从改进它的角度看，它也是长周期的、是智能体式的、是可验证的，而且还没被做饱和。
-
所以我猜这会像数学那样，我们可以不断生成这种奥赛级别的题目，然后一直在上面爬山，直到这个问题基本被解决。
-
接着Daniel McKinnon转向了他团队现在正在分析的那些未解病例。
-
有时候剩下的障碍是一个效应未知的变异。
-
我们问，新的生物学证据会从哪里来。
-
而在解读做完之后，我们现在看到的临床病例大多数——说清楚一点，我们只接难病例。
-
所以这不像大多数普通实验室。
-
我们看到的是那些需要重新分析、之前没有答案的病例。
-
它们大多数最后会落到所谓的VUS状态。
-
也就是意义不明的变异。
-
而这些是按照美国医学遗传学与基因组学学会，也就是ACMG，制定的一套非常标准的评分规则来打分的。
-
你得拿到六分或以上，才能被提升到可能致病这一档。
-
而这就打开了很多治疗选择、保险选择，这么说吧，良性或者可能致病都算好。
-
卡在这种中间状态是非常糟糕的。
-
如果你在美国处于这个中间阶段，你可以做两件事来获得诊断。
-
一个是你就等着，如果有更多患者出现，和你有着相似的表型或相似的病症，以及相同的基因变异，你就能拿到更多分数。
-
所以这往往就是你在新闻里读到的那种情况，你会看到这个孩子已经患癫痫十年了。
-
终于得到了诊断，而且如果他们运气好，哦，既然我们知道那是个诊断，你知道，我们和制药公司合作，某种药物有超适应症使用，而且它实际上能帮助改善他们的病情，这通常就是因为他们一直等到别人也得了这个病，
-
但这没法规模化，而且耗时很长，另一条路是你可以说服某个大学实验室来关注这个问题。
-
他们会做的是所谓的功能性研究。
-
他们会制作一个能代表你这种特定病症的细胞系。
-
比如说，对于肺泡毛细血管发育不良，常用的是叫IMR90的细胞系，这是一种胎儿肺细胞系。
-
这一点非常非常重要，因为这个特定的基因只在发育的第16周到第20周表达。
-
你不能随便把它们放进一个癌细胞系里。
-
然后你可以进去做一些操作，比如你可以编辑基因组，或者插入一个质粒，或者做各种不同的功能性研究，来验证，好，在这个生理相关的细胞系里，如果我有这个基因突变，这个基因是不是在某种程度上坏了？
-
Daniel的团队刚刚接手了一个现有的生物实验室，用来测试不确定的变异。
-
他描述了那天开始的实验，以及他希望在有真实生物学和做预测的模型之间建立的那个反馈循环。
-
所以，我们基本上买下了Arpeggio剩下的东西，雇了团队里的四个人，然后很快就转向用生物学实验从真实世界生成这种类似强化学习的数据。
-
我们现在已经进行了三周，实际上今天就在跑我们的第一批实验。
-
我真的很期待能够闭合那个反馈循环，我觉得很多临床遗传学实验室也一样期待。
-
这项服务目前还没有商业化。
-
我们不仅能卖这种类似查询表的东西，比如，哦，我有一个携带这个变异的患者，你能帮我多拿几个ACMG分数，把它提升到可能致病吗？
-
因为你能拿到两到四分，记住你只需要六分，所以两到四分对于一个功能性研究来说已经是很多分了，但它也让机器能够学习，而现在机器并没有在学习，你做到一个VUS，那就到头了。
-
就像你做到一个VUS，你做了生物学研究，你说，哦，基因组的这个区域对 this 特定疾病其实相当重要。我们要去做那个。我们要去检验这些预测。
-
然后我们可以随着时间推移不断改进这些预测。
-
我们之前一直在讨论基因检测公司，包括Council。
-
Daniel又回到了对基因组进行测序与解读它之间的那道鸿沟上。
-
那些Scorcy位点来自Rarebench，这是他公司构建的一个基准，用来对基因变异进行优先级排序。
-
我当时就想，天哪，我们25年前就对基因组测序了，你知道，比尔·克林顿和托尼·布莱尔站上台说，这将彻底改变人类医学。
-
然后我回头看，发现有一大片基因组公司的坟场，就像，你知道，你提到了Council，其实我不会说它是坟场。
-
我觉得他们算是，你知道，还算挺成功的，但为什么整个医疗体系不是建立在精准医学之上呢？
-
这个领域里的每个人都说，它本该如此，而且确实有一些例子，只是太难了。
-
解读太难了。
-
所以我回头看，而且我们之前也聊过Council，我觉得到现在之前真正缺失的，就是那个解读层。
-
它非常非常复杂。
-
比如，基因组测序大概在五年前就已经变得，按我的说法，足够便宜了。
-
我是说，全基因组低于1000美元，也许500美元。
-
有些高通量实验室做一次全基因组测序不到100美元。
-
你在Twitter上能看到公告说，哦，我不到100美元就能做一个基因组。
-
现在有很多人在做这个。
-
测序不是问题。
-
问题是，针对你的具体问题，你能从中得出什么洞见？
-
而这直到去年夏天才有可能做到。
-
我会说03是第一个例子。
-
而且这不仅仅是变异解读的问题。
-
还要向医生解释为什么这件事很重要。
-
还要用清晰的方式给变异排序。
-
还要解释怎么治疗这个人。
-
还要给不同患者按ASO适用性排序。
-
除了给变异打分之外，还有很多很多其他的事情要做。
-
不过我要说，我们在Rarebench和其他基准测试上对变异注释做了评测。
-
就变异排序而言，表现最好的传统机器学习方法叫Lirical。
-
我记得它在我们的基准测试上大概得了10%，而现在Cloud Code里的Opus 5.5，就是最基础的用法，就能拿到50%左右。
-
所以这些传统工具也被这种新方法远远甩在后面了，而且新方法还能做更多事情。
-
你基本上需要做出一个非常非常便宜、简单的东西，让那些身边没有高端临床遗传学家、遗传咨询师、顶级医院的人也能用，这就是我们想解决的问题。
-
Daniel把对健康人做筛查、看未来可能出现什么问题，和调查已经存在的疾病区分开了。
-
他的团队专注于诊断，以及对那些一直没解决的病例做重新分析。
-
测序本身已经有产品市场契合度了。
-
顶级新生儿重症监护室里的每个宝宝都在做测序。
-
低一档的新生儿重症监护室里，只要有资源，每个宝宝也都会做测序。
-
而且问题的范围界定得清楚多了。
-
就是宝宝有肺动脉高压，找出原因。
-
而不是，这个宝宝现在或将来会不会有什么隐蔽的问题？
-
这正是我们今天和各家医院、各个家庭合作在做的事情。
-
这项工作有两个方向。
-
一个是我所说的线上模式，就是有病例进来，医生从传统实验室拿不到好结果，患者同意重新分析，他们就把数据发给我们，我们重新分析。
-
有时候，也不是每次，我们能发现一些额外的信息，帮他们做关于妊娠或新生儿的决定。
-
第二个方向是批量规模的重新分析。
-
就是那些拥有成千上万个基因组的罕见病中心。
-
他们说，这个数据库里可能有些孩子我们能诊断甚至治疗，但我们只有几个遗传咨询师、几个生物信息学人员，实在没有资源。
-
因为这里大部分工作是机器在做，我们可以拿80个、100个、200个或者随便多少个，一周之内就处理完。
-
这本来是六个月甚至几年的工作量，他们真的排不上优先级。
-
所以目前就是这两个方向。我们做了四个月，还没有收入。
-
我们真的还没在想这里最合适的商业模式到底是什么。
-
我们只是……对那些病例，Daniel讲了他们团队在底层模型、工具、模型之间的调度，以及整个系统的评估方面加了什么。
-
然后，再往上走一步，就是，我们该做什么？
-
我的意思是，我们基本上就是一家做harness、工具和评估的公司。
-
我觉得你在垂直AI领域会经常看到这种情况。
-
你知道，我在这些前沿实验室工作过，我其实最早是在Meta做语言模型，那是第一个语言模型项目，叫OPT175。
-
除非你是那种非常有名、非常有钱的人，否则我绝对不想跟这些新实验室对赌。我觉得有可能赢。
-
你在模型层是竞争不过的。
-
而且智能进步得太快了。
-
我们肯定是用多个模型集成。
-
这对成本和性能都有帮助。
-
如果你看看 Rarebench 的混淆矩阵，这个我们也发表过。
-
你会发现这些案例有点成簇分布，Claude 在这方面强，Astra 在这方面强，连 Gemini 也是，对吧？
-
Gemini 不在前沿，但在这方面还挺不错的。
-
你可以把这些东西集成起来，得到更好的表现。
-
所以我说这是我们做的一件事。
-
而集成这件事，有很笨的做法，也有很聪明的做法。
-
我没必要在这里讲所有细节，但我想说，搞清楚每个模型独特的路由和智能特点，是一个重要的优势，我觉得我们和很多其他人都在做这件事。
-
然后我觉得另一个大家容易忽略的关键点，这也是我在 Meta 和 Google 都做过的工作，就是评估，除非你有非常结构化的方法来衡量系统的表现，而且现在这已经不只是模型了，是整个系统，否则你根本不知道该往哪个方向爬坡。
-
所以我们会做相当扎实的追踪分析，看模型在有和没有我们这套工具框架的情况下表现如何。
-
这听起来很傻，但真正那么仔细去看数据的人其实没那么多。
-
这在推特上是个梗，但确实非常真实。
-
你会看到这样的情况，有一个特别的案例，Grok 4.6 当时在我们的基准测试里是 Grok build 中的最先进水平，它错了一个，就因为它把基因名改了。
-
它就像是说，哦，你知道，NRF2 什么的负责这个。
-
然后它就把基因名改成了一个完全不同的东西。我以前从没见过这种情况。
-
我当时就想，这也太蠢了。
-
而我们的框架和工具能防止智能体干这种蠢事。
-
我觉得存在这样一种可能，如果我在 OpenAI 或 Anthropic 工作，有无限的算力，能做几百万次 rollout，那么算力足够的智能体某种程度上都会收敛到某个答案，也许能把所有这些工作都省掉，尤其是现在它们还能自己写工具，
-
等等等等，但真正关键的是稳定地、可重复地、而且说实话是负担得起地得到正确答案。
-
我是说，一个案例 10 美元，谁在乎呢，甚至 100 美元一个案例也行，但如果你需要做一百万次 rollout，突然就变成 1000 美元一个案例或者 1 万美元一个案例，那就不合理了。
-
所以我们正在做更多研究，围绕这些成本曲线是怎么运作的，以及整个系统是怎么运作的。
-
但归根结底，我们的工作就是把世界上最聪明的智能体汇聚到一起，给它们配上最好的工具，然后为我们的患者找到答案。
-
这就是我们做的核心。
-
而且能够衡量它是否有效。
-
所以我会说，这就是我们做的核心。
-
那你会不会说，当你谈到垂直 AI 的时候，你看的是把智能和你们手上的工具结合起来的那种基准测试？
-
你怎么单独评估这些工具本身的强弱呢，你知道，排除掉——因为模型家族随着时间推移是会升级的，对吧？
-
你具体怎么衡量你们在中间搭的那一层东西的表现？
-
是啊，这是个好问题，说实话我对这个问题没有很好的答案，因为我们是在和模型共同设计这些工具的。
-
而且我们确实见过一些情况，我是说，这又是一个，同样，这是个很傻的例子，如果你深入进去、有具体的评测，你就会开始看到这些。
-
如果你不深入，就很容易觉得，哦，我让 Cloud Code 一把就把这个电子游戏做出来了。做得好吗？我也不太清楚。看起来挺惊艳的。
-
我不想传达出这些模型不惊艳的意思。
-
它们绝对惊艳。
-
但有一个工具，是关于某一类特定的文献检索。
-
然后那个模型，我记得这个其实是 Astra。
-
其实，这正好是 Astra 的一个好例子，放在后面说。
-
但 Astra 说，哦，好，这些就是你标记给我读的所有论文。
-
然后答案就在那篇论文里，它却漏掉了。
-
然后我们翻看执行轨迹，翻看上下文窗口，就发现，我觉得你其实根本没读这些论文。
-
有很多这样的小事，都是些小磕小碰。
-
而这些工具做的就是，哦，你这里漏了一个案例是因为这个，你那里漏了一个案例是因为那个，然后你就把它放到更好的轨道上。
-
其实，Astra 就是个很好的例子。
-
我们第一次给 Astra 跑评测的时候，它直接就停下来了，因为我们有些工具，它想得实在太多了。差不多就是那种情况。
-
你在 X 上能看到这种，有人说，哦，我让模型帮我做点研究，三十分钟后我回来一看，它在看阿联酋航空从迪拜到加尔各答的航班。你说你看这个干嘛？
-
它们就是会干这种事。
-
所以我觉得，我们试着让工具和模型一起进化，我们试着，回到一个很多人可能觉得无聊、但我觉得特别有意思的点，就是评测一个模型非常难，我们需要有非常稳健的评测，能早点抓住这些问题。
-
那次我们就早点抓住了，然后我们更新了 Astra 调用某些工具的方式，它又能正常工作了。
-
Prakash 问 Daniel，他最希望前沿实验室改进什么。
-
嗯，我希望他们来爬我的任务这座山。
-
这些模型在临床遗传学上变得非常非常强的时候，大家都是赢家，大概就是我们在 harness 这一层要做的事更少了，说实话，我对垂直 AI 既看多也看空，因为我觉得拥有客户关系有很大的价值。
-
我觉得 OpenEvidence 已经证明了这一点，但那一层也在变薄。
-
我刚开始做这个的时候，原版 O3 根本做不了这个任务。
-
事实上，O3 在我的基准上得分是 0%，我为了好玩又重新测了一遍。
-
所以当时就是，哦，我得做这么多工作、搭这么多脚手架才能让这些东西跑起来。
-
而现在呢，你知道，大概有 20、30 个百分点的提升之类的。
-
我是说，它确实在缩小。
-
不过话虽如此，我的目标是打造一家很棒的 AI 原生临床诊断公司，我希望最合适的人来做这份工作。
-
Prakash 还问了 Daniel，他打算怎么让那些生物学实验便宜到能大规模跑起来。
-
但这其实是个 AI 加机器人技术的事。
-
你这边有个机械臂，一次在一个更大的板子上做 384 个实验。
-
你那边有个卡盒，里面排着成千上万个板子。
-
你有 AI 在帮忙设计引物和实验方案。
-
而且这其实就是那种你会问“哦，能不能用 AI 来做这些事”的情况。
-
得拿到特别许可，但确实可以。
-
然后你知道，在非常高的通量下，你可以设计、订购引物、设计实验并跑实验。
-
接下来还有分析环节，你最终会得到超大规模的数据集，需要去翻找梳理。
-
所以这倒不是说我有什么完美的解释。
-
不是说就靠某一项发明，而是所有这些事情叠加在一起。
-
Daniel 还讲了前沿模型公司的人对他这项诊断工作有什么反应。
-
他还提到，在其他一些一直没查出病因的孩子身上，又有了新的诊断结果。
-
你跟前沿模型公司谈你这个生物应用案例的经历，是什么样的？
-
对我来说真的非常正面，因为我做这件事的原因太明显了。
-
我从没遇到过一个人问我“你为什么要做这个？”
-
我在这些实验室遇到的每一个人都是“我想帮忙”的态度。
-
当然，作为个人想帮忙，和“我能让这家万亿美元公司转过来解决你的问题”是两码事，这我理解，我自己也在这种万亿美元公司工作过，
-
但他们的支持力度非常大，而且如果至少前沿实验室不在这个问题上花些时间，我会相当意外，因为再说一次，这件事有意义、是好事，而且就算从他们自身利益出发，现在外面有个非常负面的 AI 叙事在发酵，
-
你会听到类似 Dario 最近那条推文里说的，哦我们要在五年内治愈癌症，我们今天就在给孩子们做诊断，我们有很多例子，是一些没被确诊的孩子，我们在一家小公司四个月内就给他们确诊了，这是个很棒的故事，应该由他们来讲，
-
哪怕你知道，哪怕只是出于自私的理由，嘿，美国那些对数据中心建设不满、对 AI 抢工作感到不安的人，这里有一个非常具体的例子，说明我们今天就在帮助人们，然后我也觉得这来自个人，人们会从工作中找到
-
意义，我觉得有很多人，尤其是职业中期的科技从业者，会说我这辈子一直在做广告排序、数据清洗之类的活儿。
-
而你现在告诉我，你有一个非常具体的办法能帮到孩子们，我想做这个。
-
所以我觉得是商业上的理由加上个人的理由，共同把人们推向了这项任务。
-
跟 Daniel 聊完之后，我又回过头来想，AI 进展慢下来，对那些还在等答案的家庭意味着什么。
-
我说的那个 50% 的数字，是 rare bench 上的一个分数，也就是这家公司的变异优先级排序基准，而不是已经确诊患者的比例。
-
出于理智上的诚实，我得承认，短期内当我们给前沿发展定节奏的时候——不管实际上能做到多少——这很可能仍然是我们需要权衡取舍的事情之一。
-
而且我仍然觉得这大概是个好主意，大概值得这么做。
-
我不认为前沿模型公司会因为放慢前沿研发的节奏，就面临业务做不大、收入涨不了、被人超越的风险，但重要的是要记住，世界上确实有一些非常现实的问题，AI 现在正在
-
爬那座山，但还没爬完，而这就是其中一个，你知道，
-
显然大家都希望它能早点解决而不是晚点解决，对我来说，重要的是对自己和对所有人都保持诚实：当你谈到一个个具体的人、他们的家庭时，那是一个非常真实的代价，就是那个 50%
-
的数字，Claude 今天能达到的，你知道，那显然意味着有一半的问题还没有答案，而那些问题对人们来说极其重要。
-
所以我确实认为我们不该对此掉以轻心，即使这是一个权衡，但总体来看，我觉得我们大概应该愿意在这上面做一些妥协。
-
这是一个代价不小的妥协。感谢收听，
-
请告诉我们哪些地方做得好、哪些不好，明早见
-
孩子们睡着了，雪堆得老高，然后有人坐上了那把空椅子，说哼一遍，我就跟着来，我哼了四小节，你弹了两遍，还咧嘴笑着问我，是这首歌吗？
-
第二小提琴，跟着来，把所有音符都弹给我，你从不慢，我留下那些听起来像我的，其他的就放掉，小提琴，
-
拉得明亮些，这曲子我哼了二十年，现在每晚我都是首席
-
如果你觉得这档节目有价值，希望你能花点时间分享给朋友，发到网上，在 Apple Podcasts 或 Spotify 上写个评价，或者直接在 YouTube 上给我们留个评论。
-
当然，我们一直欢迎你的反馈、嘉宾和话题建议，以及赞助咨询，可以通过我们的网站 cognitiverevolution.ai，或者在你常用的社交网络上私信我。
-
The Cognitive Revolution 是 Turpentine Network 的一部分，这是一个播客网络，现在已并入 A16Z，专家们在那里聊技术、商业、经济、地缘政治、文化等等。
-
我们由 AI Podcasting 制作。
-
如果你需要播客制作方面的帮助，从你停止录音的那一刻到你听众开始收听的那一刻，都可以去找他们，也可以在 AIPodcast.ing 上看我的推荐。
-
也感谢每一位听众，感谢你们参与这场认知革命。