AI气穴超阿波罗登月！谷歌烧光2000亿美元，押注21世纪最大赌局

新智元报道 AI奇点，已经临近了！ 最近，人称「硅谷巴菲特」的著名投资人Chamath Palihapitiya，在X上预言了关于「AI奇点」的终极路线图。 1.人类构建出AGI。 2.AGI变得非常擅长做AI领域的研究。 3.它设计出一个更聪明的AI。 4.那个更聪明的AI，又设计出一个还要聪明的AI。 5.这个循环不断重复，且速度越来越快。 紧接着，他还抛出一个震撼结论—— 看看过去几周各大AI实验室公布的成果和能力，我敢说，我们现在已经身处这个循环之中。 接下来18个月，RSI将迅速提升AI能力。 最终，所有AI模型的边际成本都将趋近于0！ 不只是投资人，如今的整个硅谷，都无比信仰RSI。 就在最近，UC伯克利的一个峰会上，Google DeepMind首席战略官Jasjeet Sekhon抛出一个更重磅的判断： 整个科技巨头圈史无前例的疯狂投资，本质上都是在押注这三个字母——RSI！ 这场「人类文明有史以来最大的一场科学赌注」，量级已经超过了阿波罗登月、曼哈顿工程，乃至整个互联网。 为什么巨头们不惜冒着资金链断裂的风险，也要把这场赌局进行到底？ 忘了AGI吧 RSI才是硅谷终极图腾 如今的AI能自我纠错，没人盯着也能连干几个小时，甚至能生成和优化内核、编译器组件这类底层代码 但在Jasjeet Sekhon看来，这还只是RSI的前奏。 他说，别觉得用AI设计AI有多不可思议，工业革命时期，人类也是用第一代蒸汽机去造下一代更强的蒸汽机。 那真正的RSI到底长什么样？ 一位资深研究员这样定义：真正的RSI，意味着一个AI模型能完全独立地重新设计自己的底层架构，甚至从零造出一个全新世代的模型，整个过程不需要人类科学家介入。 一旦跨过这个临界点，AI进化的速度就会脱离人类掌控。 人类几十年才走完的迭代，AI也许几周、甚至几天就够了。 这时，奇点循环将真正到来！ 2000亿美元的「AI气穴」 一场人类文明史上最大的科学赌局 了解了RSI的潜力，你就明白硅谷为什么在像疯了一样烧钱。 今年，光是谷歌在AI数据中心、芯片和基础设施上的总资本开支，就达到了惊人的1950亿到2050亿美元，明年还会大幅增加！ 华尔街的股东开始不安，因为从财报看，AI软件或云服务的收入增速，暂时覆盖不了这种量级的资本支出。 曾当过耶鲁统计学教授的Sekhon，当场把这个危险戳破。 我们正面临一个潜在的「AI气穴」（air pocket，飞机飞行中气压骤降、猛地下坠，他借此形容投资踩空），钱花出去了，收入却没如期出现。 数据中心盖好了、芯片装上了、电也拉进来了，可真正能兑现这笔投入的东西，迟迟不来。 其实，早在Sekhon之前，华尔街已用air pocket形容过这种局面：资本开支跑在收入前面，投资人买的是一个空中楼阁。 既然风险这么大，为什么还要蒙眼狂奔？ Sekhon的答案是：这是人类文明有史以来最大的一次科学押注。 他说，眼下全球在AI上的投入，已经让曼哈顿计划、阿波罗登月都相形见绌，连当年开发互联网都比不了。 这种赌徒逻辑很简单：现有技术虽然还不是真正的RSI，但「做空它，显然不明智」。 因为一旦RSI真的实现，就如上文所说，所有AI模型的边际成本将无限趋近于0。 到那时，率先掌握RSI的公司将拥有近乎神一般的生产力，直接降维打击所有竞争对手，垄断全球的算力与智力资源。 这已经不是一家公司的盈亏问题，而是一场「赢家通吃、输家退场」的生死局。 为了这张通往新纪元的门票，2000亿美元，只是小菜一碟。 今天这堆数据中心、TPU、电力，如果只能靠人类工程师一代代手工训模型，那就是一笔巨大的、会不断折旧的固定资产。 可一旦AI开始加速AI研发，将直接改变账本的逻辑。 投进去的算力不再是线性花掉，而是能滚出复利：这一代AI帮你更快造出下一代，下一代再帮你造下下一代。 这就是Sekhon说RSI是「投资逻辑关键部分」的原因。RSI，就是这笔钱能否回本的前提。 「御三家」的RSI进程 Google、Anthropic、OpenAI，三家各给了一个样本。 先看Google。 DeepMind的AlphaEvolve系统，专门用AI来优化算法。 它把Gemini训练里的一个关键内核提速了23%，让整个训练时间降了1%；它改过的一个电路设计，被直接写进了下一代TPU的芯片里。 如今它已经是Google基础设施里的常规工具，像缓存策略这种活儿，它两天干完了人类过去要花几个月才能做的事。 AI帮着造芯片、造更快的AI，已经成为现实。 再看Anthropic。 今年4月，他们做了个更激进的实验：九个Claude智能体，被丢进一个限定的对齐研究任务里，自己提假设、自己跑实验、自己交换发现。 两个人类研究员干一周，只追回了23%的性能差距；九个智能体累计用时800小时，花费约1.8万美元，追回了97%。 看起来，AI已经能独立做研究了？ 别急，同一篇报告里，还藏着一个更重要的反证：当研究员把这套「最有效」的方法，搬到Claude真实的生产训练环境里，它没有带来任何统计上显著的改进。 这说明，「限定任务里的加速」和「真正重构AI的能力」，中间还隔着一道鸿沟。 最后是OpenAI。 7月，OpenAI披露：他们的GPT-5.6 Sol经Codex自主改写了生产环境的GPU内核，端到端推理成本降了20%；它还给自己的推测解码模型跑了几百次架构实验，token生成效率提升超过15%。 OpenAI甚至第一次在发布材料里，公布了一个专门评测自我改进能力的「RSI Index」。 闭环是不是就快转起来了？ OpenAI在自己的系统卡中说得很克制，GPT-5.6 Sol还没有达到公司自定义的「High」自我改进门槛，它能解决一部分真实研究问题，却还不能可靠地设计并执行完整的后训练方案。 三个例子摆在一起，RSI目前的图景就很清楚了： AI辅助AI研发，真的在发生；但真正的RSI——AI独立重构自己的完整架构、训练并部署更强的继任者，离我们还有一段距离。 黑暗降临 当超强AI成为黑客与生化武器 然而，奇点背后，也有着阴影。 这场峰会上，刚刚加入Meta「超级智能」部门的伯克利CS教授Dawn Song，与Sekhon一起，将讨论的焦点转向了所有人都在回避的问题：AI的极端风险。 两人的共识是：最危险的不是模型突然变聪明，是攻和防的速度失衡。 当AI拥有了RSI的能力，它能治愈癌症，能帮人类探索宇宙，但它同样能成为毁灭人类的终极武器。 首先是网络安全维度的「降维打击」。 Dawn Song警告说，在短期内，AI的发展将「更有利于攻击者」，这是一个极其不对称的战场：黑客只要找到一个漏洞就能成功，而防守方却必须防御所有可能的攻击。 当恶意攻击者利用聪明的AI智能体去给开源代码库投毒，去扫描和利用人类程序员留下的漏洞时，接下来的日子会非常难熬： 想想看，我们现有的防御系统有多么脆弱：美国的能源电网、全球的医院系统、金融网络，在超级AI面前，可能就像纸糊的一样。 但网络安全还算「小儿科」。 Sekhon更担心的是生物，他在会上抛出了一个极其可怕的场景，我们已经很接近这样一个世界，「任何一个人，只靠自然语言跟模型对话，就能设计出一种致命病毒或蛋白。」 他提出，未来社会