Gaozzy

当你在推特上讲讲批话就收到了中国二线城市牛马的薪资时，难免会觉得世界真的很魔幻

Claude母公司Anthropic发布文章《2028年：全球人工智能领导地位的两种情景》。 Anthropic呼吁，美国及其盟友必须保持领先于像中国共产党这样的威权政府，这一点至关重要。 因为“中共已经开始利用人工智能审查言论、镇压异见人士、入侵世界各地的政府和企业，并加强中国人民解放军的实力”。 如果美国选择不采取行动，中国的AI公司迅速超越美国。AI的规范和规则由威权政权塑造，最优秀的AI模型实现大规模的自动化镇压，那么人类后果将不堪设想。 在他们的设想中，有两种情形，在第一种情景中，美国成功捍卫了其计算优势。政策制定者采取行动，进一步收紧出口管制，遏制中国的蒸馏攻击，并进一步加速民主国家对人工智能的采用。 在这种情景下，民主国家能够制定人工智能相关的规则和规范。 在第二种情况下，美国选择不采取行动。政策制定者没有收紧对中共获取计算资源的限制，中国的AI公司迅速利用了这些漏洞，赶上了美国，甚至超越了美国。 在这个世界里，AI的规范和规则由威权政权塑造，而最优秀的模型能够实现大规模的自动化镇压。即便威权政权的胜利是建立在美国的计算能力之上的，也丝毫无法带来任何安慰。 所以他们认为，美国AI公司最重要的使命，是不在AI领域，能让中国共产党更容易赶上美国。 以为为文章全部内容： 我们将发布一份新报告，阐述我们对中美人工智能竞争的看法。 美国及其盟友必须保持领先于像中国共产党这样的威权政府，这一点至关重要。人工智能很快就会变得足够强大，足以以前所未有的规模镇压公民，甚至改变国家间的力量平衡。由于人工智能正以惊人的速度发展，我们只有有限的时间来设定竞争条件，并决定这些威胁是否以及如何成为现实。正是基于此，我们概述了确保美国保持领先地位所需的措施。 人工智能发展的关键要素在于获取用于训练（或“计算”）模型的计算机芯片。由于性能最强的芯片由美国公司开发，美国政府目前通过实施严格的出口管制来限制中国的芯片供应。近期历史表明，这些管制措施取得了显著成效。事实上，中国的人工智能实验室之所以能够构建出智能水平接近美国的模型，完全是凭借其卓越的人才、善于钻出口管制漏洞以及大规模的“技术提炼”攻击——这些攻击非法窃取了美国公司的创新成果。 在这篇文章中，我们提出了 2028 年世界可能呈现的两种情景，届时我们预计变革性人工智能系统将会出现。 在第一种情景中，美国成功捍卫了其计算优势。政策制定者采取行动，进一步收紧出口管制，遏制中国的蒸馏攻击，并进一步加速民主国家对人工智能的采用。在这种情景下，民主国家制定人工智能相关的规则和规范。也是在这种情景下，我们最有可能与中国就安全问题展开有效对话，而我们也会在力所能及的范围内支持这种对话。 在第二种情况下，美国选择不采取行动。政策制定者没有收紧对中共获取计算资源的限制，中国的AI公司迅速利用了这些漏洞，赶上了美国，甚至超越了美国。在这个世界里，AI的规范和规则由威权政权塑造，而最优秀的模型能够实现大规模的自动化镇压。即便威权政权的胜利是建立在美国的计算能力之上的，也丝毫无法带来任何安慰。 美国及其盟友在人工智能竞争中占据绝对优势。民主国家中极具创新精神的企业生态系统构建了人工智能主导地位所需的工具。我们过去的成功意味着，我们当前的主要任务是避免挥霍优势：不让中国共产党更容易赶上我们。 2028年美国和中国的两种发展情景 概括 人工智能的研发和部署必须由民主国家而非威权政权引领。这些国家和政治体制能够塑造管理这些系统的规则和规范。 目前，民主国家在计算领域拥有显著优势，而计算是开发前沿人工智能模型的最重要要素。这种优势得益于美国及其盟国的创新，以及美国两党共同制定的、旨在保护这些创新的出口管制措施。但在模型智能方面，中华人民共和国（中国）的人工智能实验室，在中共的管辖和控制下，也紧随其后。我们之所以关注中共，是因为它是最有能力利用前沿人工智能巩固威权统治的政权；我们并非意在损害中国人民的利益或创造力。事实上，中共已经开始利用人工智能审查言论、镇压异见人士、入侵世界各地的政府和企业，并加强中国人民解放军的实力。 中国的人工智能实验室拥有世界一流的人才，但计算能力的限制阻碍了它们与世界接轨。为了保持竞争力，中国实验室利用美国出口管制政策的漏洞，并开展大规模的蒸馏攻击，窃取美国模型的创新成果，从而模仿其功能，最终与美国保持了紧密的联系。 随着计算能力的快速增长，以及人工智能越来越多地被用于辅助训练新的人工智能模型，我们正步入人工智能能力飞速发展的时期。“数据中心里的天才之国”——我们所期待的变革性人工智能的智能水平——或许指日可待。这种加速发展使得政策行动更加紧迫。迄今为止，由于我们允许中共规避出口管制和进行数据提炼攻击，我们在人工智能领域的努力一直紧随其后。但如果美国及其盟友现在就采取行动解决这两个问题，就有可能在人工智能前沿能力方面锁定12至24个月的领先优势。到2028年，如此巨大的领先优势将带来巨大的益处。这样的领先优势还将有助于我们与中国的人工智能专家就人工智能安全和治理问题展开合作，而我们也支持这些合作。但是，锁定这一领先优势的窗口期未必会持续太久。 本文提出了2028年美中人工智能竞争的两种潜在情景。第一种情景是民主国家在模型智能、应用和全球传播方面取得绝对领先优势。如果政策制定者现在就采取行动，加强对中国实验室先进计算能力的控制，阻止其窃取美国最佳人工智能模型的努力，并加速民主国家对人工智能的采用，那么这种情景就有可能实现。 第二种情况是中共在近前沿领域具备竞争力。这种情况的发生是由于政策制定者不巩固我们现有的领先优势，或者放松对中国企业获取计算资源的限制。 国会和特朗普政府的许多成员都支持出口管制、遏制蒸馏攻击以及出口美国人工智能。我们希望，通过推进这些政策，民主国家能够在2028年之前取得绝对领先地位，并避免两年后与中共陷入动荡不安的势均力敌的竞争局面。 保持领先的必要条件 我们预期，正如《充满爱意的机器》和《技术的青春期》中所述，前沿人工智能将在未来几年对经济和社会产生变革性影响。我们的使命是确保人类安全、有效地过渡到变革性人工智能时代。我们相信，成功的过渡将带来医学、发明和经济增长领域的惊人突破。 专制人工智能的威胁 这种转型能否顺利进行，部分取决于最强大的系统首先在哪里建成。最先进人工智能诞生的政治体系将塑造这项技术开发和部署的规则和规范。反过来，这些规则和规范将有助于决定这项技术是否安全，它保护的是谁的安全，以及它最终服务于谁的利益。我们认为，这项责任应该由民选政府承担，而不是由专制政权承担。 如果人工智能的边界是由那些将人工智能视为镇压、对民主国家施加军事优势和控制国内局势的工具的政权设定的，那么对于这些​​政权的公民或任何其他人来说，转型都不太可能顺利进行。 历史上，威权统治的范围之所以受限，是因为它依赖人力执法者进行监视和镇压。强大的人工智能系统可能会消除这种依赖，从而实现更大规模的自动化镇压。正因如此，中共在人工智能领域领先的前景，成为成功转型面临的最大威胁之一。 中国共产党掌控着中国的经济、军事以及全球最大的威权国家机构，拥有巨大的权力和影响力。除了美国之外，中国也是唯一一个拥有资源雄厚、人才济济的人工智能实验室，引领人工智能前沿发展的国家。此外，中国共产党致力于将中国打造成为人工智能领域的领军者。北京已向中国的人工智能和半导体产业投入了数百亿美元。 中共已开始利用人工智能系统审查言论、对少数民族实施严苛政策，并入侵大型企业和政府机构。中共的人工智能赋能技术威权主义愿景在新疆得到了广泛记录。在新疆，国家安全机构系统性地部署了人脸识别技术、生物识别数据采集和通信监控，实现了人类无法企及的大规模镇压。前沿人工智能系统将使这些能力的维护成本更低、覆盖范围更广、技术更复杂。中共输出这些技术，使其他国家的独裁者能够更有效地压制异议，巩固威权主义。中共主导的人工智能前沿可能会极大地加强世界各地的镇压。 人工智能是一项军民两用技术 前沿人工智能将塑造未来的军事平衡。中共领导层已基于此理念开展工作，并正在为人工智能赋能的战场打造军队。解放军战略家将军队的“智能化”视为追赶并最终超越美军的途径。解放军已开始采购国产人工智能系统用于军事用途，包括用于协调无人机集群和提升网络攻击能力的DeepSeek模型。这些能力的扩散速度不会很慢。例如，当一种新型模型在自主目标定位、漏洞发现或集群协调等方面具备新的能力时，控制该模型的政权可以在数周内而非数年内将其投入实战。 由于前沿人工智能将加速其他关键技术的发展，风险会进一步加剧。先进的人工智能模型能够缩短半导体、生物技术和先进材料领域的研发周期。在前沿人工智能领域取得领先地位，将有助于在整个国家安全技术领域扩大领先优势。 如果中国人工智能实验室比美国实验室更早开发出类似Claude Mythos Preview的模型，那么中共将率先获得一套能够自主发现并串联软件漏洞的系统，并可能利用该系统进一步渗透美国的关键基础设施。未来的模型功能将呈指数级增长，因此对美国和其他民主国家的国家安全利益也将产生更为深远的影响。 势均力敌的竞争可能会削弱负责任的人工智能的积极性。 中美人工智能实验室之间势均力敌的竞争可能会使行业和政府主导的安全与治理工作更加困难，也更难开展。如果中国实验室的模型与美国实验室的模型不相上下，那么中美两国的私营人工智能公司可能会面临更大的压力，被迫更快地发布新模型和产品，而忽视谨慎的部署前安全措施。各国政府可能会因为担心落后而不愿出台鼓励负责任的人工智能开发和部署的政策。 尽管越来越多的中国人工智能实验室研究人员和政策界人士开始关注人工智能的安全风险，但这种趋势并未转化为与美国实验室同等水平的安全实践。截至去年，13家中国顶尖人工智能实验室中仅有3家公布了安全评估结果，且没有一家披露针对化学、生物、放射性和核（CBRN）风险的评估。人工智能标准与创新中心（CAISI）发现，在一种常见的越狱技术下，DeepSeek的R1-0528模型对94%的明显恶意请求做出了响应，而美国参考模型的响应率仅为8%。这一趋势在近期发布的模型中依然存在。例如，今年4月发布的一项针对Moonshot的Kimi K2.5的独立评估发现，该模型拒绝CBRN相关请求的失败率远高于美国前沿模型。更糟糕的是，中国实验室经常将具有两用能力的模型以开放权重发布。一旦模型是开放的，现有的保障措施就可以被移除，从而使任何国家或非国家行为体都可以将该模型用于恶意目的，包括网络和 CBRN 滥用，而这些保障措施正是为了防止这种情况而建立的。 我们的政策目标：创造并保持民主国家的领先地位 我们支持美国和其他国家采取相关政策，以建立并维持在情报、国内应用和全球分发方面对中共的近期领先优势。这种领先优势对于避免人工智能被威权国家主导，以及保护美国和其他民主国家的国家安全利益至关重要。这样做是确保民主国家能够与威权国家达成有利协议的根本前提。 安人智公司高度尊重中国人民和中国人工智能界的成就。我们希望中国与世界各国保持和平关系。我们尤其关注任何掌握前沿人工智能系统的强大威权政治体制对人类构成的风险。 参与人工智能安全的机会 安特罗皮克支持在条件允许的情况下与中国的人工智能专家开展国际人工智能安全对话。无论人工智能在何处开发和部署，全球都对其安全有着切身利益。前沿人工智能系统可能带来一系列风险，需要中美两国开展合作。共同努力识别挑战，并提出应对和降低这些风险的方案，符合我们的共同利益。 当美国保持巨大的能力优势时，开展富有成效的合作前景最佳。负责任地在开发和部署最先进的人工智能方面建立领先地位，能够增强我们影响中国及其他地区人工智能安全的能力。 神话预览唤醒 我们于四月份向部分合作伙伴发布了 Mythos Preview 模型，作为“玻璃之翼计划”（Project Glasswing）的一部分。该模型标志着一个加速期的到来，使得政策行动更加紧迫。借助该模型， Firefox上个月修复的安全漏洞数量超过了 2025 年全年的总数，几乎是 2025 年平均每月安全漏洞修复数量的 20 倍。对此，一位中国网络安全分析师评论道，中国“仍在磨砺利剑，而对方却已架起了一挺全自动加特林机枪”。 前沿人工智能能力将迅速接近“数据中心里的天才之国”所描绘的变革性人工智能的蓝图。这种加速发展将由扩展规律的逻辑驱动，即模型性能会随着计算能力和数据输入的增加而可预测地提升；同时，人工智能本身也越来越多地被用于加速新模型的开发。 我们很有可能会把2026年视为美国人工智能的突破性机遇。美国实验室拥有最先进的人工智能模型，在推动人工智能前沿发展所需的先进芯片的数量和质量方面都遥遥领先，并且拥有巨大的资本优势，能够通过收入和融资支持必要的投资来实现这一目标。中国实验室也拥有真正的优势：世界一流的创新人才、丰富且廉价的能源以及海量数据。这些都是发展前沿智能的必要条件。但他们缺乏足够的国内计算能力来与之竞争，也缺乏足够的收入和资金来支持相关研发。 竞争的四个方面 中美两国正在人工智能等前沿技术领域展开战略优势争夺。北京和华盛顿的声明都反映了这一点。将这种竞争称为“竞赛”可能会给人一种错觉，仿佛存在一个终点线，一方最终会取得决定性的胜利。实际上，这场竞争将是一场持续不断的优势争夺战，民主政体或威权政体都将在这场竞争中占据有利地位，从而塑造人工智能时代的价值观、规则和规范。 这场竞争在四个方面同时展开： 情报：哪些国家开发出了最强大的人工智能模型。 国内应用：哪些国家在商业和公共部门中最有效地整合了人工智能？ 全球 分布：哪些国家部署了支撑世界经济运行的全球人工智能技术栈。 韧性：哪些国家能够在经济转型过程中保持政治稳定。 在四大领域中，情报最为重要。我们预计，前沿模型能力将对地缘政治竞争格局产生最为深远的影响。模型能力也是市场采纳和全球推广的主要驱动力。 但仅凭情报是不够的。如果中共能够更快、更有效地将近乎前沿的人工智能系统融入中国经济和安全体系，并推动全球采用补贴的低成本人工智能，那么它就能在情报不足的情况下，获得相对于民主国家的优势。北京的“人工智能+”倡议及其对“具身智能”的关注，正是将推进前沿智能融入其经济和国家机器的政策置于优先地位。特朗普政府的“人工智能行动计划”及其“促进美国人工智能技术栈出口”的重点，也体现了推动全球采用的战略优势。 虽然本文不会重点讨论这一点，但我们认为韧性将是人工智能竞争的重要前沿阵地。在此期间，能够维持稳定、凝聚力和良好的政策制定将是至关重要的优势，而那些无法做到这一点的人则会面临巨大的风险。 竞争状况 计算能力——即训练和部署前沿人工智能所需的先进半导体——是上述竞争各个环节的关键投入。全球人工智能领导地位的争夺在很大程度上就是一场计算能力的争夺。十多年来，模型能力与计算能力同步增长，人工智能性能的提升大多源于计算能力的增加。此外，计算能力不仅用于训练新模型，还用于满足客户对人工智能的使用需求（也称为“推理”能力）。计算能力对于训练最智能的模型以及在商业和国家安全领域部署这些模型都至关重要。顶尖人才、海量数据和关键算法的进步对于这场智能竞赛都至关重要——但如果计算能力不足，所有这些投入都将毫无意义。 如今，民主国家在计算领域的领导地位竞争中占据优势。尽管有人担心出口管制可能会加速中共自身发展先进芯片供应链的步伐，但几乎没有证据表明中国的自主化努力能够挑战美国及其盟友在先进计算技术领域的领导地位。北京已对中国芯片产业投入巨资，并在出口管制实施数年前就推出了“中国制造2025”战略和中国集成电路产业投资基金等重大产业政策举措。尽管有国家支持的投资，中国的人工智能实验室和芯片制造商仍然受到美国及其盟友对先进芯片和芯片制造设备的出口管制限制。 因此，计算能力差距似乎正在扩大。对华为和英伟达产品路线图的分析发现，到2026年，华为的总计算能力仅占英伟达的4%，到2027年则仅为2%。此外，英伟达仅代表美国及其盟国计算生态系统的一部分，谷歌和亚马逊也在加紧生产各自的芯片（分别为TPU和Trainium），以满足美国前沿人工智能实验室及其客户的需求。 雪上加霜的是，中国在半导体供应链中许多技术最复杂的环节进展甚微。如果无法获得极紫外（EUV）光刻技术，尤其是在政策制定者能够堵住深紫外（DUV）光刻技术及其维护保养方面的漏洞的情况下，中国的芯片制造商将无法生产出足够数量和质量的芯片来挑战美国的计算领先地位。中国无法大规模生产高带宽存储器进一步加剧了这一差距。一项研究估计，如果美国加强对中共获取美国计算资源的限制，美国的计算能力将是中国人工智能领域的约11倍。 民主国家如何建立领先地位：商业创新和明智的公共政策 计算领域的领先地位主要有两个原因。首先是英伟达、AMD、美光、台积电、三星、ASML等公司以及其他来自日本、韩国、台湾、荷兰和美国等民主国家的公司的卓越创新，它们共同打造了世界上最先进的半导体技术。如果没有这些产品背后所蕴含的工程技术成就和数十年来持续不断的研发投入，今天的AI成就将无从谈起。 第二个原因是过去三届总统政府采取的具有前瞻性和果断性的政策行动。两党合作的政策行动通过限制受中共管辖的中国企业获取美国人工智能技术栈，保护了美国及其盟国的创新引擎。例如，我们的首席执行官曾公开强调出口管制的重要性。过去 几年，这些管制措施遏制了对华高端人工智能芯片和半导体制造设备（SME）的销售，限制了中国在人工智能领域的前沿发展，即便北京已向该领域投入了巨额国家资源。如果没有限制中国获取美国计算资源的行动，中共本可以具备开发出与美国水平相当甚至更胜一筹的人工智能的所有条件。 一些观察人士担心，限制计算资源的使用将迫使中国的人工智能实验室在其他领域进行创新，从而削弱美国的领先优势。尽管中国实验室确实在进行创新，但这些创新目前尚不足以弥补其计算资源的不足。算法的改进既是计算资源的函数，也是计算资源的倍增器，而非替代。此外，发现这些进步本身就是一个计算密集型过程：更多的计算资源使实验室能够运行更多实验，从而发现更多算法改进。随着前沿模型越来越多地自行开展人工智能研发，这一循环将进一步收紧，前沿模型也将帮助构建其自身的后续模型。简而言之，计算优势会转化为算法优势，并最终在人工智能领域形成持久的领先地位。 目前，美国前沿系统在智能方面至少领先中国人工智能实验室的顶尖模型数月，尽管这些估计必然存在不确定性。尽管中国开源模型备受关注，但其企业应用仍落后于封闭式前沿模型，且公共投资者对其商业化前景也存在担忧。此外，中国的人工智能实验室似乎正在放弃开源，转而选择将最优秀的模型保留为专有模型。 中国人工智能领域的领军人物证实了出口管制的影响，以及对美国芯片的迫切需求。中国顶尖人工智能实验室的高管们担忧，由于计算能力的限制，中国在人工智能领域将进一步落后。这些实验室 指出，计算资源匮乏是制约模型能力提升的主要因素，而出口管制正是造成这一限制的原因。一位中国超大规模数据中心的高管称，向中国供应受出口管制的美国芯片的影响“巨大，真的非常巨大”，并补充说，任何供应缺口都会严重影响中国的人工智能发展，同时驳斥了进口美国芯片会拖慢其自主研发进程的担忧。在中国，认为出口管制徒劳无功的主要声音似乎来自中共官员和官方媒体，他们很可能试图影响美国决策者。 中共如何保持竞争力：政策漏洞依然存在 尽管出口管制在提供当前优势方面发挥了有效作用，但力度还不够。尽管中共无法在国内生产足够的高级芯片，也无法合法地从国外采购，但中国的AI实验室仍然能够通过两种变通方法紧跟情报动态：一是非法且规避的计算资源获取，即将AI芯片直接走私到中国并接入境外数据中心；二是非法模型获取，即对美国的前沿模型进行蒸馏攻击，并将这些模型用作加速自身AI研发的工具。 中国规避美国出口管制已是公开的秘密。例如，联邦检察官指控Supermicro的一位联合创始人及其两名同伙将价值25亿美元的装有美国先进芯片的服务器转移到中国。据美国政府和媒体报道，DeepSeek使用禁止向中国出口的美国先进芯片训练了其最新模型。《金融时报》 报道称，阿里巴巴和字节跳动目前在东南亚的数据中心使用受出口管制的美国芯片训练其旗舰模型，而目前的管制措施无法触及这一途径，因为美国出口法仅涵盖芯片的销售，而不包括对芯片的远程访问。¹美国出口管制体系难以阻止中国人工智能实验室获取源自美国的先进计算资源。 蒸馏攻击是指中国实验室创建数千个虚假账户，绕过美国人工智能模型的访问控制，并系统性地窃取其输出结果，从而复制美国前沿技术。这是中国实验室用来追赶美国同行并削弱出口管制影响的另一种非法手段。这种做法使中国实验室能够搭上美国数十年的基础研究、数十亿美元的投资以及数千名世界顶尖工程师打造美国前沿模型的“顺风车”。其结果是，中国实验室以极低的成本获得了接近前沿的技术，而这一切都由美国补贴。这是一种针对对美国长期国家安全利益至关重要的技术的系统性工业间谍活动。OpenAI 、谷歌、Anthropic和前沿模型论坛都已公开谴责蒸馏攻击行为。 中国的人工智能专家公开承认蒸馏攻击的规模及其对中国人工智能发展的重要性。一家官方媒体最近发表的文章将针对美国模型的蒸馏攻击描述为中国人工智能实验室赖以生存的“后门”，而这正是其商业模式的核心组成部分。一位前字节跳动研究员表示，中国人工智能实验室利用蒸馏技术作为训练模型的捷径，从而避免投资建设自己的数据管道。 美国决策者已迅速采取行动应对这一威胁。白宫科技政策办公室发布了一份关于蒸馏攻击的备忘录。白宫、战争部和国会的高级官员也对这一问题表示关注。众议院外交事务委员会近期提出的旨在应对蒸馏攻击的法案已获得委员会一致通过。 如果美国及其盟友民主国家的决策者采取行动，关闭支撑中国人工智能模型的这两个渠道——非法和规避的计算访问和非法模型访问——那么我们就有可能迎来一代人一次巩固领先地位的机会。 2028 年的两种情景 下面，我们将描述两种假设的未来情景，以帮助说明今天采取的政策行动如何影响我们到 2028 年的处境。 情景一：美国及其盟友拥有绝对优势并不断扩大领先优势。 美国在计算领域的优势依然强劲。尽管中国政府加大了对半导体产业的支持力度，但中国芯片制造商仍落后于美国及其盟国的同行数年之久，部分原因是他们无法获得先进的中小微企业工具、服务和维护。随着美国及其盟国芯片制造能力的不断提升，以及先进芯片制造商持续创新研发更高效、性能更强的芯片，中美在计算领域的差距正在扩大。与此同时，美国决策者已采取行动，堵住美国经济安全工具箱中的漏洞，而资金雄厚的执法力量也日益挫败了向中国走私芯片以及获取境外数据中心受出口管制芯片的企图。 因此，美国的人工智能模型在智能水平上领先12-24个月，而且领先优势还在不断扩大。少数人工智能实验室凭借最智能、最强大、性能最高的模型，在人工智能领域处于领先地位。这些实验室全部位于美国。“数据中心里的天才之国”已成为网络安全、金融、医疗保健和生命科学等关键行业的现实。当美国前沿实验室在2028年发布性能突飞猛进的新模型时（类似于2026年4月Mythos Preview的相对影响），中国要到2029年或2030年才能获得类似的人工智能能力。这为民主国家制定前沿人工智能系统的规则和规范提供了重要的喘息空间。 美国人工智能是全球经济的支柱，推动着新的经济和科技活力。特朗普政府推动国内人工智能应用和促进美国人工智能出口的努力正在取得成功，国内外采用强大的人工智能所带来的收益正在推动前所未有的经济增长和技术进步。美国人工智能的全球应用呈爆炸式增长。民主国家在能力和计算方面的领先优势意味着，除了少数几个专制国家之外，中国的人工智能企业在全球市场份额方面几乎没有竞争力。世界顶尖的前沿人工智能系统以民主价值观为指导，这使得专制国家更难利用人工智能系统侵犯人权和公民自由。 网络和其他国家安全优势不断扩大。公共和私营部门的网络运营人员和安全专家利用先进的人工智能系统，缩小美国和其他民主国家的攻击面，削弱中共在我们系统中获取和维持网络立足点的能力，从而增强我们国家安全资产、知识产权和通信网络的安全性。美国在人工智能领域压倒性的优势，对侵略行为构成了强有力的威慑。 自我强化的循环巩固了民主国家的领导地位。人工智能领域的绝对优势使美国及其盟友更具吸引力。这种联盟扩大了美国人工智能的市场，并壮大了制定全球人工智能规范的联盟，进而促进了安全可靠、保障公民自由的人工智能系统的开发和部署。世界顶尖的技术和科学人才持续涌向前沿阵地。美国获得了强大的影响力，可以激励北京在人工智能治理、战略竞争和贸易等关键问题上开展合作。这一循环自我强化：领先者巩固联盟，联盟又巩固领先者，民主主导的国际秩序通过向变革性人工智能的转型而得以巩固。 情景二：中共控制的人工智能生态系统势均力敌 中国研发和部署的人工智能在模型智能方面已接近前沿水平。尽管半导体产能薄弱，但中国人工智能实验室训练的模型仅比美国模型落后几个月。持续不断的蒸馏攻击、海外计算资源的获取、中小企业出口监管不力以及美国半导体出口管制的放松，都为中共的人工智能发展提供了助力。持续获取美国前沿人工智能资源用于人工智能研发，也使得中国人工智能实验室能够缩小差距，并逐渐接近与美国同行比肩的水平。 人工智能在商业和政府领域的快速应用。北京一直倡导通过“AI+”政策在全国范围内推动人工智能在国内的应用。尽管中国的人工智能模型能力略逊于美国，但中共加速应用的努力已取得成效。因此，中国能够在经济、军事和技术领域更有效地部署接近前沿的人工智能能力，从而改变力量平衡，使之向中国倾斜。 中共的人工智能网络力量构成严重威胁。中共将人工智能网络能力融入其原本就十分先进的网络力量，这使得解放军继续保持着令人生畏的网络竞争对手地位。解放军的网络行动者已获得对美国及世界大多数国家关键和军民两用基础设施的更多访问权限，使其能够破坏关键的国家安全和社会功能。随着人工智能被更深入地融入我们最关键的系统中，尽管民主国家率先开发了这项技术，但在人工智能领域，它们并不比中国拥有任何安全优势。 北京凭借成本优势和本地部署的灵活性，在全球市场占据领先地位。华为和阿里巴巴的数据中心遍布全球，尤其是在全球南方低成本市场（但不限于此）。这些数据中心基于较旧的芯片进行扩展，而中国之所以能够出口这些芯片，是因为它可以通过多种方式满足国内市场需求：从美国进口（持有出口许可证）、走私入境或远程访问海外数据中心的芯片。这些数据中心托管着中国实验室生产的二线但价格更低、性能依然强劲的芯片。与华为“价格低廉且足够好”的策略类似，中国近乎前沿的芯片和硬件支撑着全球经济中一个不容忽视且快速增长的领域。这种基础设施优势赋予了中共领导层对这些市场的重大影响力。 确保民主国家领导 为确保我们实现方案一，我们支持以下政策行动领域。 堵住漏洞：走私芯片、境外数据中心准入和中小企业。如今，中国实验室通过走私和境外数据中心获取受出口管制的美国芯片，而中小企业管控的漏洞则加速了其实现自主研发的进程。加强管控并增加执法预算有助于堵住这些支撑中共人工智能生态系统的漏洞。这将降低中国的计算能力上限，从而减缓其人工智能发展速度，进而巩固和扩大民主国家在人工智能领域的领先地位。值得注意的是，降低计算能力上限也可能显著削弱人工智能蒸馏攻击，因为中国的人工智能实验室仍然需要达到一定的计算能力才能有效地进行非法蒸馏。 捍卫我们的创新成果：限制模型访问并遏制蒸馏攻击。国会和行政部门的政策制定者可以继续支持惩罚和遏制中国实验室蒸馏攻击的政策行动，同时采取措施增强美国实验室自主检测和预防蒸馏攻击的能力。这些措施包括立法明确蒸馏攻击的非法性，以及努力促进美国同行实验室之间以及与美国政府之间的威胁情报和技术共享。遏制这种行为可以在未来数月和数年内显著扩大民主的领先优势。 大力推广美国人工智能出口。随着世界各地公共和商业部门越来越多地采用人工智能，特朗普政府应继续努力，推动全球采用基于民主原则开发和塑造的可信人工智能硬件和模型。锁定可信的美国基础设施，将使中共的人工智能生态系统无法获得未来在成本和普及方面参与竞争所需的全球立足点。 结论 美国及其盟友开发了世界上最强大的前沿人工智能模型和最先进的人工智能输入技术，这为我们带来了巨大的优势。如果我们能够捍卫我们对这项技术的领先优势，就能进一步扩大这一优势。但如果这项技术直接落入竞争对手手中，我们将失去它。决策者今年做出的决定将决定变革性人工智能的未来。我们支持那些致力于确保美国及其盟国民主国家在2028年赢得大选的人们。

马斯克公布了 X 平台的新开源算法，使 X 成为世界上第一个，开源算法的主流社交平台。 在你打开 X 的一瞬间，系统会根据你最近的点赞、回复、转发，以及在某个推文的停留时间、访问对方个人资料的次数等，来判断你是什么人。 这也就是为何，有些老哥不互动黄推，但因每次看时间久，结果天天被推黄片。 之后，在 X 平台了解你的用户画像后，会快速给你推荐两类帖子，分别是你关注的那些博主更新的内容，其次是根据你的画像，可能感兴趣的内容。 然后 X 会再筛选这些推文，是否符合审查结果，它们会对发布者的认证、历史信用、互动情况，进行计算。 最终在筛掉重复看过、被标记为暴力倾向的推文后，经过以上 4 层筛选，X 会推荐给你，真正想看的。 另外 X 后台有一套打分机制，无论是推文还是回复。正向行为包括点赞、回复、转发、分享。负向行为，如被拉黑、被举报、被点不感兴趣，会扣分。 相比于上次 X 平台算法的公布，这次引入了多层筛选、过滤、评分机制，这也让 X 上的内容变得更多样性，话题越来越丰富了。

codex in ChatGPT app 做的很取巧，类似 cc remote 模式而不是一开始就像 claude 搞了一个 cloud sandbox（他们推出的很早但似乎不太多人使用）其实这就是大多数人会使用 agent 的最终形态了，大家并不需要一个复杂的 OpenClaw/hermes 而是跨平台的 codex 来执行 /goal

总结了一下我这次临摹中用到的“去AI味” prompts，应该对很多 AI 界面产物都有效： - 所有的字，尤其是标题，都不要过粗 - 小字不要显得太小 - 避免使用全大写的单词 - 避免使用太多卡片 - 尽量避免使用阴影 - 尽量避免使用状态圆点 - 白背景上避免太淡的灰色，提高对比度和可见性 - 红色不要那么鲜亮 - 避免卡片套卡片的设计 - 金额数字和标题使用更有风格的字体 (但仍需是常见的 UI 字体) - 广告右侧配上插图 尤其是前面几个，是我经常用的。也不是说把这些输入进去 UI 就会变得很好看，有一定的疗效。有的可以反复用反复提醒（比如第二个）。 欢迎补充。

@ouopacity 老师去用用lovable吧，你会发现这俩根本谈不上设计，如果说lovabel是资深ui设计师，这俩模型在设计这块，还是实习生，设计不是它俩的强项

找对标

发现实会有人嫉妒 发x吧 内测还没推广 4天就有快1k用户我真棒 升级下服务器架构再推广吧！

网友投稿：微信的“小程序”功能可以 随意关联 他人的手机号。 添加成功后，就可以无视密码、一键代理登录别人的美团飞猪菜鸟闲鱼等等小程序。 不少网友反映自己的其他比如咸鱼小程序账号被盗。 网友反馈后，微信客服却人机一样，反复提醒“别泄露验证码”，却闭口不谈如何解决问题。

我感觉这里是一个很舒服的城市😌

每个人的认知水平不一致，就造成了想要一起聊天的话，高认知的人需要压制境界才可以有效沟通 这时候如果遇到低认知者胡搅蛮缠的话，就会很难受，一味教育引导没意义，因为认知不是靠三言两语就能改善的 顽固不化之人唯有远离

阿里这篇关于 AI Native 时代组织研发的思考非常值得一读。它在思路一个非常重要的底层问题：过去两千年的组织形态，都是围绕人的局限建立起来的。 人会遗忘，会疲惫，会误解，会有情绪。一个人能够稳定协作和管理的人数有限，信息在层级之间传递一定会衰减，所以组织才需要汇报链、部门边界、经理角色、需求评审、流程审批和各种协调机制。很多我们习以为常的管理制度，本质上不是先进设计，而是对人类认知带宽的妥协。 AI Agent 进入组织之后，这个前提开始松动。它不是普通工具。普通工具只是延伸人的手脚，Agent 则开始参与理解、执行、调用系统和交付结果。它没有疲劳，没有情绪，没有传统意义上的沟通损耗，也几乎没有上下文切换成本。于是，旧组织里大量围绕人设计出来的结构，都会被重新审视。 这并不意味着人马上被替代。更准确的说法是，组织过去长期依赖人的地方，第一次被暴露出来了。 很多系统之所以能运转，并不是因为它们真的清晰、完备、结构化，而是因为人在中间做了太多隐性修补。需求写得不完整，可以开会问。接口约定不一致，可以找熟人确认。代码缺少说明，可以凭经验猜。业务规则藏在老员工脑子里，也可以靠人肉沟通补齐。这些动作太常见，以至于我们忘了它们本身就是成本。 当 AI 接管更多执行工作之后，问题就变得尖锐。AI 需要清晰的上下文、稳定的接口、可执行的测试、完整的文档、明确的权限和可追踪的结果。传统系统没有为 AI 留出这些入口，所以员工反而变成了人肉中间件：从系统里复制数据，贴给 AI，再把 AI 的输出搬回系统。看起来是在用 AI，实际是在用人弥补系统对 AI 的不友好。 因此，AI Native 转型的核心瓶颈，往往不是模型能力不够，而是组织的信息形态太旧。真正重要的工作，是把隐性的经验、流程、标准和判断，转化成 AI 可以理解、调用和验证的基础设施。文章里提到的 Harness，可以理解为让 Agent 真正能干活的底层环境。它包括测试、文档、权限、日志、评估、工具接口和事故响应。它不显眼，却是未来组织速度的本金。 这也解释了为什么资深工程师和架构师会变得更重要。过去高价值人才可能体现在亲自解决复杂问题，现在更高的杠杆来自定义系统如何解决问题。他们要把领域经验写成规则，把失败模式沉淀为测试，把判断标准变成可复用的评估，把只可意会的经验变成可执行的流程。一个好的 Architect，不只是写代码的人，更像是在为一群 Agent 设计工作环境和行动边界。 与此同时，管理也不会简单消失。会消失的是大量信息传递型、协调型、汇报型的管理工作。战略传达、进度聚合、资源协调、日常决策，会越来越多地被系统承接。但人的激励、辅导、冲突处理、身份安顿、文化建设，仍然需要人来完成。更重要的是，转型本身会带来真实焦虑。员工把经验蒸馏成组织资产时，会自然担心自己被替代。这个问题不能靠口号解决，必须靠清晰的角色迁移、利益分享和评价机制来接住。 文章里另一个值得警惕的点，是不要把所有工作都推向极致透明和彻底结构化。执行类工作适合透明，适合让失败快速暴露，适合减少防御性自我。可创新类工作需要一些保护空间。很多真正有价值的想法，一开始都很脆弱、粗糙、反共识。如果过早暴露在统一评估和公共审视中，很容易被磨平。AI 很擅长执行和优化，但它没有那种连续几个月死磕一个问题的执念。人的生产性自我，依然是创新里最重要的燃料。 所以，AI Native 组织的成熟形态，很可能不是更冷冰冰的机器公司，而是上下两层同时存在：底层极度结构化，让 AI 能安全、稳定、高速地执行；上层保持足够开放和松散，让人提出问题、形成判断、冒险试错、保护尚未成形的想法。 这篇文章最终给我的启发是，AI 对组织最大的改变，并不是降本增效这么简单。它会逼迫组织回答一个更深的问题：你的经验是否能被沉淀，你的流程是否能被调用，你的判断是否能被验证，你的系统是否真的清晰。如果答案是否定的，AI 只会放大混乱。如果答案是肯定的，组织会获得一种新的适应速度。

如果想同时让 AI 改动一个代码库，开发多个不同功能。 最佳实践方案是用worktree吗？ 产品经理真诚求问，感觉worktree用的迷迷糊糊的。

虽然codex是rust写的，但是codex每次resume的时候都非常卡，比ts写的claude卡一秒不止，看来语言并不是一切，好的架构设计 > 语言

Vibe Coding时，不知道怎么让AI设计UX交互？ 很实用价值的Prompt之一：搜索参考最佳实践 毕竟都是前人智慧结晶，比不懂瞎指挥好。

有人刚刚成功提取出了 GPT-Image-2 的底层隐藏水印！ 你每天生成的 AI 图片，底层早就被打上了数字钢印。 左边是 GPT Image 2 的隐形水印，右边是 Gemini 的 SynthID。它们在图片生成的瞬间直接注入像素，肉眼完全不可见，且免疫任何截图、裁剪和高损压缩。 AI 越逼真，鉴伪越凶狠，而绝大多数用户对此一无所知。

@alexbu512 @DestinyLinker 对的老哥 我去设置一下 这个确实

@gaozy55 @DestinyLinker 你这个真太阳时没起到作用，你看一下设置呢

Tianfu Agent 在全球算命师大赛上跑到 50% 截尾准确率（人类 Top-20 选手平均 53.5%） 比赛 3069 名参赛者 人类 Top-20 选手平均 53.5% 最强通用大模型基线（Claude Opus 4.6）40%，这中间差了 10 个百分点 1️⃣ 一句话讲清楚 一个为命理术数专门设计的 agent 系统，在中国传统文化领域里，第一次真正贴近顶尖人类选手的水平 2️⃣ 它是什么？ 给 LLM 造了一整套命理专用工具环境 200+ 原子工具 / Agentic 端到端推理 让 AI 真正学会怎么「做命理」 跳出「把命盘数据塞进 Prompt 让通用大模型硬猜」这条老路子 3️⃣ 以前的解决方案 「排盘数据 + 通用大模型」 听起来够用了，实际上有三个结构性硬伤： 1）衍生数据会组合爆炸 大限 / 流年 / 飞宫 层层展开 没法穷举塞进 Prompt 2）空间关系序列化造成幻觉 三方四正 / 能量流通 全是拓扑结构 翻译成文字就面目全非 3）推理链越长越飘 每一步都依赖上一步 错误逐步放大 专业训练语料几乎为零 模型压根不懂这些规则 4️⃣ Tianfu Agent 的思路换了一套 第一 确定性优先 200+ 专用原子工具 排盘 / 飞宫 / 取用神推演 全部精确计算 模型不用「回忆」知识 第二 推理规则工具化 行业内部的推理技法 也写成可调用函数 该用哪条 / 什么时候用 模型按需精准触发 绕开了「让模型记住并遵守专业规则」这条永远跑不通的路 第三 量化「直觉」 从工具输出量化指标 / Sub-Agent 的自评 / 多流派合参的调和 层层量化 模拟人类专家的隐式判断直觉 5️⃣ 技术报告 1）技术报告 + 原始答案：destinylinker.github.io/MingLi-Bench/ 2）Benchmark 数据 + 评测代码：github.com/DestinyLinker/… 做 agent 或者做传统文化 AI 的，可以麻烦仓库点颗星支持一下🌟 下一条把「200+ 原子工具」这套工具栈具体长什么样拆出来

@alexbu512 @DestinyLinker 大佬可以试试我这个如何！ 我这个只要是盲派八字～ jiehuobazi.com

@DestinyLinker 又是同一圈的大V转一波。自己试了一下，最主要还是根据紫斗来的，单纯的叠盘分析，似乎飞星、四化等都不参考。另外子平八字、奇门就是个摆设，没起到作用。当然有可能是我没充钱，用任务积分测试的

@DestinyLinker 2025第16届全球算命师大赛, 比赛试题： zhuanlan.zhihu.com/p/191979431021…

@drakdogs1 @rwayne 可以试试 我这个🥹jiehuobazi.com我觉得上下文管理命理还是很有出路

@rwayne 玩了，和我自己算还是差远了

果然，AI 第一次贴近人类顶尖专家的领域，是命理术数。 DestinyLinker 团队官方表示，他们做的 Tianfu Agent，在 3069 人参加的全球算命师大赛上跑到 50% 截尾准确率，人类 Top-20 选手的平均水平是 53.5%，差距只剩 3.5 个百分点。同一道题，通用基线 Claude Opus 4.6 只有 40%。 干法很屌，传统做法是把命盘数据塞 Prompt 让通用模型硬猜，他们干脆给 LLM 造了 200+ 个命理原子工具，排盘、飞宫、取用神全部走精确计算，连推理规则都写成函数。 玄学这种领域都被 200+ 个原子工具拆开，其他做 agent 的没理由不动手。 我自己试了一下，我觉得在技术层面和商业层面讨论，哪怕是我一个站在AI命理对立面的人来说，我都会推荐大家去了解一下他们的整个产品哲学以及设计的逻辑，他们能看出来做了大量的用户调研以及内测。