在Peter H. Diamandis主持的“Moonshots”播客中，与Link Exponential Ventures首席执行官Dave Blondon、Intelligent Internet负责人Immad Mustach以及Blitzy首席执行官Brian Elliot进行了一场深入的对话，探讨了AI领域的最新动态、全球竞争以及对社会和经济的深远影响。这次对话的核心在于揭示当前技术变革的速度和规模是史无前例的，预示着一个由计算力驱动的新经济正在迅速形成。

深入洞察一：AI并非泡沫，而是经济基础的转移

对话一开始就明确指出，当前的人工智能热潮绝非泡沫。与2000年互联网泡沫时期思科股价与其盈利脱节的情况不同，英伟达（Nvidia）的股价上涨是与其12个月远期每股收益同步增长的。这表明AI正在产生真实的经济价值和利润。

• 经济价值驱动增长： 人们愿意为AI付费，因为它具有明确的经济价值。Immad Mustach强调，AI代表着一种从旧经济到新经济的过渡，而不是一场金融投机。
• 即时回报： 投资于AI的资本支出（CAPEX）与收益之间的延迟几乎是即时的，这与互联网泡沫时期形成了鲜明对比。
• 从“金鱼记忆”到“设置即忘”： 几个月前，AI还像是一个需要持续监督的“聪明金鱼”；但现在，它已经进化到可以“设置即忘”，能够处理数百万个token和代码行，展现出巨大的生产力飞跃。

深入洞察二：算力短缺：新经济的核心稀缺资源

这场对话最引人注目的主题是全球正在经历的**“算力稀缺危机”**，这被认为是“除了算力稀缺之外，其他一切都将富足”的未来世界的标志。

• 天文数字般的投资：
  • OpenAI计划中的数据中心将是数平方英里的规模，目标是10吉瓦（10 GW）的算力，仅靠英伟达的投资（1000亿美元）对实现这一计划来说也只是“沧海一粟”。
  • XAI正在建设“巨像2号”（Colossus 2），这是一个吉瓦级的超大规模数据中心，配备11万个GP200 GPU集群。
  • 马克·扎克伯格（Mark Zuckerberg）承诺到2028年将在美国数据中心投资6000亿美元，以确保Meta不会在“超级智能”竞赛中落后。
• 供需严重失衡： 尽管数据中心容量预计到2030年将增长四倍，达到156吉瓦，但AI需求的增长速度远超供应。需求每年呈十倍增长，而供应跟不上。
• GPU的争夺： 整个美国风险投资行业每年约为2000亿美元。而单个公司（如OpenAI）的单笔投资就占了其中一半。OpenAI与英伟达的合作涉及数百万个GPU，而全球每年GPU产量约为500万个，意味着这笔交易买下了很大一部分市场份额。
• 垂直整合与效率： 算力短缺促使公司寻求突破。谷歌的TPU（张量处理单元）比英伟达芯片的能效高出大约五倍，这使得像谷歌这样能够垂直整合软硬件的公司处于优势。企业家如果能通过迁移学习和蒸馏技术，以百分之一的参数和算力获得相同质量的结果，将建立起强大的进入壁垒。

深入洞察三：高等教育的“杀招”与证书的解绑

AI的发展对高等教育系统构成了“致命一击”（kill shot）。数据显示，认为大学“非常重要”的美国人比例已从2010年的75%暴跌至35%。

• 高成本与低价值感知： 自2005年以来，学费上涨了180%，四年私立大学的食宿费用高达25万美元，学生背负债务。然而，由于课程更新迭代速度跟不上技术发展（更新核反应堆的速度都比改变课程快），大学教育的价值感知急剧下降。
• 就业市场变化： 历史上，大学毕业生更有可能找到好工作，但现在，拥有大学学位的人失业时间更长，甚至在某些时间点，大学毕业生在世界上是最难就业的人群。
• 证书的解绑： 人们越来越认可进入麻省理工学院（MIT）的资格本身，而不是其具体的课程内容。人们通过进入Y Combinator或展示强大的作品集等其他方式获得认可。
• 大学的未来： 处于中游的学校（排名40到400）面临生存危机，急需彻底重塑教育模式。未来的顶级教育可能会出现在“AI大学”或那些拥抱技术的网络平台。一些人建议，拥有巨额捐赠基金的顶尖大学（如MIT）应该投资建设大型超级计算集群，以确保其研究质量，因为GPU数量将是决定研究质量的关键。

深入洞察四：劳动力重塑与工作的未来

AI正在重新定义人类劳动力的价值，引发了关于工作模式和失业的激烈讨论。

• 人类劳动的“负价值”： Immad提出了一个尖锐的观点：在认知劳动领域，人类可能很快就会产生负价值。在有AI参与的团队中，人类的偏差、错误和沟通成本反而会拖慢效率。例如，在医疗诊断中，GPT-4单独的正确率（92%）远高于医生（74%），或医生使用GPT-4（76%）。
• 工作周缩短的辩论： 埃里克·袁（Zoom CEO）、比尔·盖茨和杰米·戴蒙（摩根大通 CEO）等人都预测，由于AI的普及，未来工作周将缩短至3天或3.5天。
  • 竞争驱动工作时长： Brian Elliot质疑，如果公司能从员工投入中获得经济价值，那么在激烈的市场竞争中，他们仍会要求员工工作五天、六天甚至七天。
  • 应对失业的方案： 如果AI导致大规模失业，社会可能需要扩大公共部门，或推行3-4天工作周的就业计划，以提供某种社会保障和身份结构。
• 赋能领域专家： 对于中年专业人士（40-45岁），最佳策略是利用自己深刻的领域知识来解决尚未被解决的问题。他们可以将其专业知识注入高度专业化的AI代理中，从而实现自身的规模化和货币化。

跨行业应用及技术前沿

对话还涉及了AI在多个关键行业的应用和影响：

• 机器人与具身智能（Embodiment）： Figure公司正在崛起。行业认为，AI需要具身化（embodiment），进入家庭和办公室，像蹒跚学步的孩子一样收集多样化的运动学数据，才能真正达到通用人工智能（AGI）。亚马逊正在开发AI眼镜，计划首先在其39万名司机中试用10万套，用于记录现实世界数据，以训练未来的机器人。OpenAI也重新开始招聘机器人领域的职位，押注于这个潜在的25万亿美元市场。
• 治理中的AI： 阿尔巴尼亚任命了世界上第一位AI部长，目的是通过快速、高效、公正的决策来打击公共招标中的腐败。对话者认为，鉴于腐败在全球范围内的普遍性，AI部长的成功门槛非常低，即使它只有80%的正确率，也比现状更好。
• 金融创新： 纳斯达克正在推动代币化证券的交易。这可以为高成长性的私营公司提供更短、更容易的流动性路径，从而解决当前IPO市场流程过于繁琐，仅对少数大公司开放的问题。
• 医疗保健： AI能够将药物研发过程从数年缩短到数月。首个AI设计的药物已经进入人体试验，且在AI设计的药物中，成功进入临床一期试验的成功率高达80%至90%。此外，像Apple Watch这样的可穿戴设备正在通过监测高血压等“沉默杀手”来提供早期健康预警，并将海量数据汇集起来用于个性化健康分析。

结论：一场持续的加速竞赛

嘉宾们一致认为，我们正处于一个持续加速的时期。AI模型正在通过自我迭代来设计下一代模型。核心AI研究的进展现在受限于算力，而非研究人员的思想和创意。

在这个变革的时代，建议听众和读者保持好奇心，积极尝试和应用这些新的AI工具。正如Greg Brockman所言，我们正走向一个物质富足但算力稀缺的世界。对于企业家而言，现在是历史上最好的创业时期，因为构建软件从未如此简单，而领域知识的价值也从未如此重要。

原始视频：https://youtu.be/KkKeK0qWrxI?si=oTgANghlHNLOqbjt

中英文字幕：