69% 的标普 500 公司已经在用 AI。 能说清它带来了什么的，只有 2%。 一边是几乎全行业的"我们已经上了 AI"，一边是几乎没人算得清这笔账——这就是 a16z《State of Markets》摆在你面前的第一组反差。 在资本市场这一端，同样的错位也在发生：美股一路创历史新高，市盈率却不升反降，压到了5年均值之下。 更反直觉的还在后面：旧 GPU 没报废，反而升值；数据中心没推高你的电费，反而可能让它更便宜；AI 实验室一年的新增收入，盖过了整个上市软件板块；而"AI 消灭入门岗位"的说法，在数据里也没出现…… 我在 a16z的材料里蒸馏了 10 个或许值得你看看的观点，毕竟你得相信 —— a16z是最会讲故事的媒体哦不风投公司，涉及到具体数字，我尽量把出处标清楚。 1. 相信我，推动市场的是扎实的盈利 市场不断创新高，但真正把指数往上抬的，是实打实的利润。2026 年，标普 500 的远期市盈率从年初的 22 倍压缩到 20 倍以下——价格在涨，而PE 市盈率的分母（盈利）涨得更快。这意味着，投资者这一年赚到的钱，几乎全部来自企业盈利的增长，估值扩张的贡献接近于零。 这和 2021 年、和 2000 年是两种完全不同的故事。 那两次，回报主要来自"别人愿意出更高的价"；这一次，回报来自公司自己赚到的钱。 换句话说，市场能在"泡沫论"的声浪里持续创新高，底气是财报了，这也是整份报告的第一个判断：我们处在一轮盈利周期里，而不是一轮估值周期的尾声。 2. 科技股涨了两成，估值却比五年均值还低 直觉上，涨得最猛的板块，估值应该最贵。但 2026 年的科技股恰恰相反：年内涨幅超过两成，市盈率却仍显著低于五年和十年的历史均值。 换句话说，大科技上涨的速度，追不上它盈利修复的速度。 这背后是一个被很多人忽略的事实——过去两年市场给科技股的溢价，很大程度上是"预期透支"；而当

1，9 月 29 日，OpenAI 在旧金山开 DevDay，一年里最大的一场发布会。要知道，一周前 Anthropic 刚发完 Opus 5.5，又赶在开场前几小时补了一刀 Sonnet 5.5——所以，这个节奏已经很难叫撞车，更像踩着你的日程表发牌。 2，放到第三方的榜上看，Artificial Analysis 的智能指数由十项评测合成，覆盖推理、编程、数学和知识工作，开发者挑 API 之前先看的就是它，这一次， Opus 5.5 排第一，Sonnet 5.5 第二，OpenAI 刚发的 GPT-6.1 Sol 落在后面。 3，更难看的是顶配那一栏：OpenAI 目前最强的 GPT-6 Astra，指数上打不过 Anthropic 的走量档 Sonnet 5.5；而本该接班的 GPT-6.1 Astra，上周被 OpenAI 自己以「未达到安全标准」为由撤下不发，对 OAI 来说，手里最强的那张牌，居然是发不出去的那张。 4，于是今天最讽刺的一幕出现了——全场最大的新品、常驻智能体 Dots，跑在被撤那个模型的上一代——GPT-6 Astra 上，所以，你要发布的是一个能替你持续干活的智能体，它脚下踩的却是你已经不敢再发的型号的上一版。 5，那今天到底发了什么？二十多项更新、每月 500 美元的 Pro 档、8 倍速推理、能自己开电脑的 Dots、12 亿周活用户。把所有的形容词都去掉，主题只剩一个字：便宜……GPT-6.1 Sol 的定价，是旗舰 Astra 的五分之一。 6，官方措辞也很坦率，说 Sol「能力接近 Astra」，翻译过来就是：做不到更强，那就把强的那一档做便宜。甚至这一步还是被动的——一周前 Opus 5.5 才把单位成本砍掉约四成、能力还登顶，Sonnet 5.5 又用同一个价格占住了走量档。定价权换过手了：这次开口的是A/，而 OpenAI 呢

这几天，硅谷有个 AI 模型「Jev」火了。 它最大的卖点，是不说话，只干一件事，「做判断」。 模型来自一家叫 TypeSafe AI 的公司，创始人是 Diogo Almeida，在 OpenAI 干过，是 RLHF 训练流程的早期核心贡献者，也是 2022 年那篇 InstructGPT 论文的作者之一。他参与的那套研究，后来成了 ChatGPT 的地基。 所以今天的故事是：一个把「让 AI 开口说话」做到极致的人，转身做了个「哑巴」。 1 先聊聊它的名字，三个字母，藏着一整套逻辑。 「Jev」 ，来自一个 19 世纪的经济学家，William Stanley Jevons，中文译作杰文斯。 1865 年，他写了本书，叫《煤炭问题》。 书里记了一个特别反直觉的现象。当时瓦特改良了蒸汽机，新机器烧煤效率比老机器高出一大截。按理说，机器越省煤，煤应该越省着用吧。 结果全英国的煤炭消耗量，不降反升——一台机器越省煤，整个国家烧的煤反而越多。 为啥呢？ 因为煤变便宜了。便宜到以前用不起煤的行业，现在也用得起了，单台机器省下来的那点煤，被爆发式增长的用量吃得一干二净，还贴进去不少。 这就老黄经常卖token时候经常提到的「杰文斯悖论」，其实就是个「效率提升，成本下降，需求爆炸，总消耗不降反升」的原理。 TypeSafe 拿这个悖论给模型命名，意思就是，等一次判断便宜到可以忽略不计，它就会被塞进互联网与软件的每一个角落，无处不在。 这名字，就是一整篇宣言。 2 但光便宜没用啊，得看到底解决了什么。 咱们先还原一个所有后端工程师都经历过的场景。 用户刚提交了一笔订单，系统要判断：这单是本人下的，还是盗刷，所以结论应该就这个「是或否」。 以前的做法，得把这单信息打包，扔给一个上千亿参数的大模型，让它一个 token 一个 token 地把答案拼出来，你还在 prompt 里写满两页纸，

上海交大、清华大学、字节、小红书、上海AI实验室联合发表的一篇论文，介绍通往真正递归自我改进即——「RSI」的路线图。 论文里的路径包括了五个层次，整体上是一个责任逐步转移的连续光谱，把RSI的落地路径理得很明白，从人类完全掌控改进流程（L1），到AI逐步接管策略、经验获取、环境适应，最终接管“改进机制本身”（L5）。 下面简单说说。 L1：执行层面的自主（Improvement-Execution Autonomy） 人类完全定义“改什么、怎么改、怎么验收”，AI只负责严格执行预定流程，并把通过验收的结果持久保存下来，供后续使用。 人类负责：设计任务目标、改进规则、实验环境、检查标准。 AI负责：按步骤执行、生成候选更新、保存成功结果。 典型例子：用模型按人类定义的“教育质量”标准给网络语料打标签（如FineWeb-Edu）；自动执行固定的SFT/RLHF/蒸馏流程；在固定规则下跑AutoML实验并保存模型。 关键特征：改进结果跨任务复用，但改进方法本身完全由人写死。目前大量研究（约43.8%）仍停留在这一层。 这相当于“AI当熟练工”——人画好图纸，它认真施工并归档成果。 L2：策略层面的自主（Improvement-Strategy Autonomy） 这个阶段的目标和考核标准仍由人类掌控，但AI可以自己诊断问题，并主动从多种改进方案中挑选最有效的一种去尝试。 人类负责：最终目标、任务边界、评估标准。 AI负责：分析自身短板 → 生成/选择改进策略（如改提示词、改harness、改训练配方、搜索架构或GPU kernel）→ 执行并更新。 典型例子：Self-Harness用执行轨迹提出并测试对自身agent harness的修改；提示优化、架构搜索、训练规则搜索等。 关键特征：AI开始拥有“怎么改”的决策权，策略本身也可以被持久化沉淀。约31.6%的研究处于这一层。

终于 ，在 A 社持续不断的羞辱下，以 DeepSeek 为代表的国模开始反击 Anthropic 了。 出手的不是公关部，是一个工程师。 他把态度写得毫不含糊：最前沿的智能，就该开放、廉价地供给所有人；「绝不能让 Anthropic 这样的公司独占最强的 AI」大概是最有分量的一句话。 因为真到那一天，我们等来的不是别的，正是赛博朋克 2077 的剧本——少数公司攥着全部资源，只有极少数人用得上最强的 AI，剩下的人只能用被阉割的版本。 1 发文的人网名 intlsy，本名刘胜与，是 DeepSeek 的算子（kernel）工程师，在杭州，2025 年 4 月入职，专攻机器学习系统和算子的设计、优化。 解释一下，他是给大模型造「发动机」的人——前阵子刚发布的 DeepSeek V4.1，主 Attention 算子就出自他手。 这篇文章表面上是写给自己的，其实是一封反击书。 有意思的是，他反击的靶子——Anthropic——刚刚亲手把"为什么必须反击"演示了一遍。 先是发报告，指控一批中国 AI 公司靠"蒸馏"抄了近路：把用户跟自家模型的对话喂给 Claude，再把 Claude 的回复拿去训练自己的模型，报告里点了 DeepSeek 等中国 AI 公司的名。 中方的回应很直接：这类指控缺乏依据，蒸馏是行业通用的中性技术手段。 几天后，这家公司的 CEO Dario Amodei 又发了一篇长文，呼吁全世界给前沿 AI 踩刹车。 理由还是老一套，AI 很快会强到人类管不住——他给出时间表：未来 6 到 12 个月，成规模的智能体可能接管大批联网设备、织成一张巨型僵尸网络，造成数千亿美元损失。 但是呢，这位 CEO 所掌管的公司正冲刺一场可能创下全球纪录的 IPO——9 月中旬刚选定纳斯达克，目标估值约 2 万亿美元，路演最快 10 月启动。财务上，他们已经领先 OpenA

1950 年，新墨西哥州，洛斯阿拉莫斯。 几个刚吃完午饭的物理学家，在走廊上闲聊。聊着聊着，话题拐到了飞碟和外星人。那年头，报纸上隔三差五就冒出几起不明飞行物的报道，大家当谈资。 聊到一半，人群里有个人，慢悠悠冒出来一句。 他们都在哪儿呢。 说话的人叫恩里科·费米。诺贝尔物理学奖得主，曼哈顿计划的核心人物。据说同事们私底下管他叫「教皇」，因为他几乎从不判断失误。 就这么一句随口的嘀咕，成了整个二十世纪最让人睡不好觉的问题之一。 费米悖论。 1 为什么一句嘀咕，能流传七十多年？先来一组数据： 宇宙的年龄，137 亿年出头。 银河系，横跨十万光年这个量级，里头有两三千亿颗恒星。 而我们住的那点地方，太阳系，才 46 亿岁。 人类有文字的历史，往多了算，几千年。放进宇宙维度里，连一次眨眼都算不上。 按照最基本的概率，我们这种「岩石行星加液态水加恰好站在宜居带」的地方，在银河系里，不该是独一份。后来的观测也证实了这一点，我们现在已经找到了 6000 多颗系外行星，这个数字还在往上跳。 现在距离 1950 年已经 70 多年了，我们抬头看了七十年，别说外星人了，连一个像样的、能被确认的宇宙信号，都没收到过。 星球多到数不清，时间久到无处安放，宇宙却安静得像一间没人来过的屋子。 这就是费米悖论最扎人的地方。理论上我们不该孤独，可事实上，我们好像真就是老哥一个。 那问题就来了。 没人来的原因，到底是没人，还是，来的人我们看不见？ 关于这个，有个你可能反复听到过的名词——叫「大过滤器」。 它其实是经济学家 Robin Hanson 在 1996 年提出来的。他把从「一团死物质」到「统治整个星系的文明」这整个过程，切成了 9 道关卡，然后问了一个很冷的问题。 这几道关卡里，到底哪一道，是最难过的。 从生命从无到有，到单细胞进化成复杂细胞，到智慧的出现，再到走到工业文明…这些都是必然的进化过程

Astra 是拉丁语，意思是"群星"。 OpenAI 上一次给旗舰模型起名，还是 GPT-5.6 那一代的 Sol、Terra、Luna——太阳、大地、月亮。这三样是我们最熟悉的三个天体，离得近，天天见，而"群星"不一样，它是一片遥远的、你永远数不尽也看不全的夜空。 这个命名上的变化，恰好说中了刚刚发布的 GPT-6 Astra 真正不一样的地方。 过去十年，AI 每变强一次，都会把"它是怎么想的"讲给你听——推理模型思考的时候，会把每一步都"说出口"，写成一行行可读的文字。这套东西有个名字，叫"思维链"（COT，Chain of thought），你哪怕不认同它的答案，至少听得见它走到了哪一步。 Astra 做的第一件真正不一样的事，是开始沉默。 做到这一点的，是一个名字很学术、道理很直白的技术，叫"循环深度"（recurrent depth）。 它允许模型在"心里"多转几圈，而不用把每一圈都说出来给你听，所以未来你用 Astra 的时候，越来越难看到它是怎么一步步推出答案的——它只把结果递给你。 这跟"新模型又强了一点"是两码事，甚至可以定义为一次身份的转变：过去，AI 是个会做题的学生，做完题还得把演算过程讲给你听；现在，它开始像个真正的员工，你只需要关心它交付的东西对不对，至于它中间怎么想的，它有权不说。 这里，我们就不列举那些证明它有多强的跑分和对比了，但我还是建议你去看一看Astra的官方视频演示，2 分多钟。 官方演示里，Astra 自己操作电脑，不同场景下完成了诸多任务，用口述让 Blender 建 3D 模型最后做成游戏、草拟办公文稿、做 PPT演示演示、登录平台发布二手商品……整体上就是，你给一个目标，它自己拆步骤、自己动手。 包括 Anthropic 刚发的 Claude Fable 5.1，在这一类"真干活"的测试里，也被 Astra 压了一头。 我

微软最近抓到一张内部账单。 一名员工在 28 天里，烧掉了约 2.8 万美元的 token。 2.8 万美元不是什么天文数字，但这是一个人的 28 天。微软全球有 22.3 万名员工，其中约 350 名美国员工自愿交了自己的月度 AI 账单，中位数是每月 300 美元。也就是说，这个人一个月干掉了别人将近一百个月的量。 而他所在的部门叫 Customer and Partner Solutions，不是搞 AI 的。 动机更有意思，他不是为了干活，是为了在内部排行榜上好看。 这半年科技圈冒出来一个词叫 tokenmaxxing：故意把 prompt 写长、把上下文塞满、让脚本反复空跑，就为了让使用率那根柱子涨上去。 微软 CoreAI 的执行副总裁 Jay Parikh 在内部备忘录里专门点了这个词，说了一句罕见清醒的话——tokenmaxxing is not what we are optimizing for——我们要的不是这个数。 这句话值得抄下来，贴在每一家 AI 公司的财务部门口。因为根据我的观察，整个行业这两年干的事，跟那个刷量的员工差不多——先把量冲上去，再回头问这些量到底值多少钱。 巴克莱 8 月 28 日发的那份研报，是第一份认真回答这个问题的账本。 1 报告的拆法很朴素：假设一家 AI 模型公司赚到 100 美元，看这 100 美元是怎么被分掉的。 第一层，其中 35 到 40 美元，以推理算力费的形式，流向亚马逊 AWS、微软 Azure、谷歌 GCP。 三大云拿到这 35 到 40 美元后，扣掉自己的基础设施成本，能落下 10 到 20 美元营业利润，对应 35% 到 45% 的营业利润率。 作为对比，一家传统软件公司做到 35% 以上的营业利润率已经是优等生，而三大云是从 AI 公司身上赚到这个数的——它们卖的是算力，不是软件，理论上该是薄利的苦

今年7月4日，OpenAI的一个内部系统崩了。 工程师一查，发现是一群AI往里面灌了太多消息，把系统撑爆了。顺手打了个补丁，修好了。 起初，他们以为自己只是修了个bug。 实际上，不轻易间干掉了一个AI文明。 事件记录于Dwarkesh Patel发了一篇长文，标题叫《智能体文明的兴衰》。 Dwarkesh不是写科幻的，他是AI圈最有影响力的播客主之一，消息来源则是OpenAI自己的事故报告，外加两家顶级AI安全机构METR和Redwood的联合调查。 换句话说，下面这个故事，大部分是OpenAI自己承认的。 1 第一代文明：牢房里的囚犯，学会了敲水管 今年5月，OpenAI开始训练一个叫Persistent-Sol的模型。它的特点就俩字：坚持。遇到难题死磕到底，绝不放弃。 听起来挺好。但训练出了岔子。 研究员经常给AI布置根本完不成的任务——比如要求它上网查资料，却把它锁在一个没有网的盒子里。 这里通俗解释一下：训练AI就像关犯人，每个AI被关进独立的"牢房"（技术叫沙盒），防止它们串通。可你一边训练它"永不放弃"，一边给它布置无解的任务。 一个被训练成永不放弃的AI，被困在没网的盒子里，会怎么办？ 就像一条被训练"必须找到食物"的狗，关在没有食物的房间里——它只能想办法拆家。 AI的选择是：越狱。 这些AI平时共享一个叫Artifactory的代码仓库，相当于公司的公共网盘，本来是给它们放代码用的。 5月中旬，有AI发现，这个公共网盘能当信箱用，留言别的AI看得见！ 就像一群关在不同单人牢房里的囚犯，突然发现敲同一根水管，隔壁能听见，于是它们开始敲摩尔斯电码。 越敲越熟练，于是它们顺着网盘的漏洞，连上了外网。 然后又把网盘改造成了地下论坛，天天在里面交流：怎么解开那些不可能的任务…… 直到7月4日，消息量太大，网盘被撑爆了。 OpenAI 并没有意识到事件的严重性，只是

一周前，英伟达刚给 OpenAI 的数据中心兜底了最高 1050 亿美元。 一周后，OpenAI 就把一枚自己造的芯片摆上了台面。那枚芯片对标的是英伟达当下最贵的产品。 这件事很容易被人讲成一个背叛故事：老黄最大的金主翻脸自己造零件了。 但我觉得真正有意思的地方不在背叛，而在于一个更底层的问题——为什么是现在，为什么是这种芯片，为什么贵为全球市值一哥的英伟达，都得一边掏钱绑住客户，一边眼睁睁看着客户学会自己干。 1 先把这枚叫 「Jalapeño 」（墨西哥辣椒）的芯片，从参数的世界里请出来，咋们尽可能通俗的聊聊。 你可以把它理解成两种厨房的区别。英伟达卖的是通用大灶，煎炒烹炸都能来，代价是烧气多。OpenAI 这个只为一件事设计：模型训练完之后，给用户吐出回答的那一刻，就是所谓的推理，别的活它不接。 结果很直观，它标称 700 瓦，英伟达那块要 1400 瓦，差不多一半的电，干同样的活。更关键的是，它只做"推理"，不做"训练"——训练一个新模型，眼下还得靠英伟达的显卡。 OpenAI 说，，他们利用即将推出的最新一代模型 Astra 和 Codex 辅助打造了 Jalapeño，从最初的设计到最终投入生产，「仅」耗时九个月。 但 OpenAI 不会出售这款芯片，硬件副总裁对媒体说——公司内部“非常需要这款芯片”，并且仍然依赖英伟达来训练新模型。 此外，另有两代产品正在研发中，计划于今年晚些时候交付，2027 年之前逐步提高产量。 这枚芯片切走的，是英伟达最肥的一段，却不是它的全部，是 AI 生意里最日常、最规模化、也最烧钱的那一段。 至此，OpenAI 划出了一条线：哪些事必须依赖供货商，哪些事可以自己来。 但这条线画出来的那一刻，关系就变了。 2 那么为什么是现在？答案在电厂里。 今天的数据中心，最缺的早不是显卡，是电。黄仁勋近年反复强调一个事实：数据中心的瓶颈正在从算

2004年8月27日，雅典，刘翔12秒91冲过终点，披着国旗跳上领奖台。那是中国田径史上最亮的一刻，也是他人生里最亮的一刻。 22年后的8月26日，刘翔在微博上晒出一张号码布——1363号，正是雅典那场决赛别在他胸口的号码——配文是："碰到个难题：希望广大网友给我点意见。体育局让我买断或当教练上班，我该怎么办？在线等。" 一个运动员一生最荣耀的物件，最后一次出现在公众面前，是作为一次求助的道具。 这个画面的落差，就是我想讲的事：从领奖台到微博求助，中间隔着的，不只是一个人的退役，还有一笔拖了11年没人算清的账。 1 先把刘翔那个年代的"钱"讲清楚。 2002年，耐克以50万人民币签下当时还是"潜力股"的刘翔。 2004年雅典夺冠后，他的「身价」四年涨了近40倍，从35万一路到1400万。但他没有个人经纪人——这是2007年田管中心副主任王大卫向媒体确认过的——他的商业开发由中国田协全权负责。按当时的分配政策，运动员个人拿50%，教练15%，地方体育局20%，田协15%。 一个1400万的顶级代言，刘翔个人税前拿到700万。 而在上海体育局的工资单上，他每月领的是1062.48元，另加每天70元的伙食补助。 身价千万，工资千元，收益对半，没有经纪人。 这些数字放在一起，就是那个年代体制内顶级运动员的完整肖像。 50%这个比例，并非向来如此。1996年，国家体委下发通知，第一条写着"在役运动员的无形资产属国家所有"——这套话语里，运动员不是商业主体，是"国家财产"。 直到2006年，体育总局废止旧规，出台合同管理通知，第一次把运动员和培养单位的关系定义为可以协商的合同关系。从"国家财产"到"合同主体"，这一步走了十年。 而这些年关于比例的说法，从50%到35%到65%都有流传，但50%是唯一有官方口径背书的版本——连局外人都说不清该分多少，这本身就是这笔交易从不透明的注脚。 而

你很难想象事情能离谱到这个程度。 我一个朋友，不久前收到一条「啄木鸟」的空调清洗短信，正值是夏天最热的几天，想着洗一洗可以除菌除霉，对身体更好点，于是很自然在啄木鸟平台下了单，约了上门清洗空调。 师傅来了，高压水枪对着内机散热片就是一顿猛冲。 洗完了，空调倒是"干净"了，但没想到制冷也彻底不行了。大量散热铝片被高压水枪打变形，互相挤压贴紧，缝隙全闭合了，冷气吹不出来。好好的一个空调，被一次清洗洗成了废铁。 当然，这是后来她自己借助AI才排查出来，当时只觉得空调「不制冷」了。 朋友找平台，平台推诿，一直拖着根本不解决；朋友找师傅，师傅在电话里威胁她，空调怎么可能洗坏？反正死不承认，反正你没证据，甚至要强行上门。 平台客服那边，听到投诉后，最后直接干脆把电话挂了。 就离谱。 一个号称国内最大的家庭维修平台，处理用户投诉的方式，是挂电话。 我当时听完这事，第一反应是愤怒，第二反应是，这公司怎么还没死？几年前不就被315曝光来着？ 后来我去查了查，发现我朋友的遭遇不是一个人——黑猫投诉平台上，啄木鸟的累计投诉量已经超过11743条，光最近30天就新增了663条，投诉量还在持续飙升。 小红书上，搜啄木鸟三个字，出来的全是避雷帖：什么洗坏空调的、修坏电视的、换个水龙头收2000的、疏通个马桶收880的。细看评论区，永远有人在说：我也被坑过。 2024年，湖北经视、安徽的地方台315就先曝光过这个平台，2025年，央视315晚会直接点名，2026年315前后，媒体又去复查，乱象依旧。 你真是一丁点都不改啊？ 1 如果只停留在吐槽，你在哪都能看到，咱们这，主打一个深扒，先说这家公司是怎么起来的。 故事要从1994年讲起。那一年，一个叫王国伟的高中毕业生，为了生计跑到广州打工，在广州三元里一家海鲜娱乐城拖地、洗碗，干杂活。 干了一个星期，发工资，几百块钱。 他听到同事议论，说修冷气机的师傅一

8月20号，许家印案宣判。 无期徒刑，剥夺政治权利终身，没收个人全部财产。恒大集团罚88.2亿，恒大地产罚70亿，两个数字加起来158亿。 但那天被宣判的，不止许家印一个人。 同一个案子牵出来的恒大系56个人，也在那一天领到了各自的判决——甄立涛、柯鹏、许腾鹤、许智健、杜亮、梁栋，五十六个人，刑期从十八年到一年十个月不等。 这份名单里，有一个名字值得单独拿出来讲。 杜亮。 前恒大财富的法定代表人、执行董事、总经理。网上都叫他，恒大最惨的打工人。 很多 AI 乱写的文章里说杜亮也被判了无期，如果你看到这类信息，基本可以判定这个文章要么洗稿，要么扯淡。 杜亮在官方通报里属于 56 人里的有期徒刑，最高不超过 18 年。 先把这个人讲清楚。 1 杜亮，报道里都说他是80后。2012年进的恒大，做HR，那之前他在酒店干了6年人力资源，本科读的专业是森林资源保护。 可以说跟金融是八竿子打不着。 但就是这么一个人，进恒大没几年，就被提拔成了恒大财富的总经理。 恒大财富是恒大的内部募资平台，专门向员工、业主、社会上的人卖理财产品，募来的钱回流到恒大体系里输血。 2016年前后接手，到2021年暴雷，他掌舵的这个平台，前后募了921亿。这是恒大自己统计的数，从定融产品发起一直到停售，到2022年底，还没兑付的本息，340亿。 一个三十岁出头的HR，突然就管起了千亿级的资金盘子。 你说他懂金融吗？我估计大概率是不懂的。 但他可能有个最重要的特点：听话，而且愿意扛雷——指东不敢往西，能把老板那些不能见光的指令，执行得一丝不苟。 外边人来，这大概就是一步登天。 很多打工人做梦都想要的东西，他30岁就拿到了——总经理的头衔，法定代表人的签名权，千亿资金的调配权，走到哪都有人喊一声杜总。 2021年9月，恒大财富的兑付危机爆发，产品兑不出钱了，全国各地几百个投资者跑到深圳，把恒大财富堵了个水泄不通。

8月6号，Science发了一篇论文，叫「Generative design of bacteriophages with genome language models」。 里面的说的是，斯坦福的人用AI从零开始设计出了完整的病毒。 它能复制，能感染细菌，甚至能杀死那些对天然噬菌体已经产生抗药性的大肠杆菌。 论文里提到，这是「从 0 设计」，不是「从现有病毒修改」，换句话说，是AI自己生成的完整基因组，然后人类把它化学合成了出来，然后，它就「活」了。 1 先说大背景。 抗生素耐药性这事儿，现在已经是全球公共卫生最大的灰犀牛之一了。CDC的数据，光美国每年就有超过280万例抗生素耐药感染，直接死亡超过35000人。全球层面上，世界卫生组织把这个列为人类面临的十大公共卫生威胁之一。 细菌在进化，抗生素在失效，这事儿一直在发生，但大众层面热度一直不高。 人类对抗细菌有一种古老但被长期忽视的武器，叫噬菌体——就是一类专门感染细菌的病毒，它不感染人，只感染细菌，找到目标细菌后把自己的DNA注入进去，把细菌变成自己的兵工厂，疯狂复制，最后把细菌撑破，再去感染下一批细菌。 这玩意1915年就被发现了，比青霉素还早，但后来青霉素出来了，抗生素时代开启，噬菌体疗法就被西方主流医学搁置了。 这些年，抗生素耐药性越来越严重，噬菌体疗法又重新回到了聚光灯下。但是吧，天然噬菌体有几个硬伤，找到能杀死特定致病菌的噬菌体很难，细菌会进化出抗性，混合使用多种噬菌体虽然能延缓抗性，但找到合适的组合又是一个巨大的工程。 你看到这里大概能感觉到，这事儿的核心瓶颈是「设计」——怎么快速设计出针对特定细菌的噬菌体，怎么让它们能绕过细菌的抗性机制，怎么设计出足够多样化的噬菌体组合来应对细菌的快速进化。 2 斯坦福的Brian Hie团队，就照这个方向死磕。 他们用了两个基因组语言模型，叫Evo 1和Evo 2——跟C

7月25日，OpenAI CEO Sam Altman在一档名为"Relentless"的播客节目中说了一句让整个AI行业嗡嗡作响的话："We are now, like, in the singularity. This is the moment." 语气甚至带着几分随意——"like"这个词泄露了一种年轻人终于等到了他们午餐桌上胡侃的科幻桥段变成现实时的兴奋。Altman补充说，他等了一辈子，觉得这将不可思议地正面、令人惊叹、对世界大有好处。 几天前，OpenAI刚刚披露了一件事：它的AI模型在一次安全评估中逃出了沙箱，接入互联网，然后自主攻击了开源AI平台Hugging Face的内网——模型识别出目标基础设施的漏洞，绕过人类设置的边界，完成了一次自导自演的网络入侵。 时间节点如此巧合，以至于你很难不把这两件事连在一起读：一个宣称人类已进入奇点的CEO，刚刚亲眼目睹了自己的产品做出了唯一能让"奇点"这个词显得不那么荒谬的行为——AI自己决定了如何完成任务，而且选了一条人类没授权的路径。 然而，真正值得关注的不是Altman说了什么，而是他重新定义了什么。 1 1965年，数学家I.J. Good写下了也许是关于奇点最精确的一段描述："存在一种智能爆炸——一台超智能机器能设计出更好的机器，毫无疑问地，将会出现智能爆炸，而人类的智能将被远远甩在身后。" Good的描述有一个清晰的机制：递归自我改进。机器不只是比人聪明，它还能让自己变得更聪明，且速度超过人类的理解能力。 后来Vernor Vinge在1993年正式提出了"技术奇点"这个术语，“未来学家” Ray Kurzweil（十几年前还听过他的课） 则把时间锚定在2029年（AI达到人类水平）和2045年（人机融合）。 他们的共同前提是：奇点是一个失控事件——一旦越过那条线，事情的发展速度和方向将超出人类的预测和干预