导读： 在当今科技巨头竞相开发大语言模型的背景下，"意图经济"正从概念走向现实。这一新兴经济形态不仅超越了注意力经济的范畴，更深入捕捉用户行为轨迹与心理特征，试图通过AI技术预测并引导你的决策过程。大模型将如何重塑数字世界的信息流通与商业模式？这场技术变革背后隐藏着哪些深层次的哲学思考？本文将梳理哲学视角下"意图"的定义与科技行业通俗用法的分野；继而揭示大型语言模型（LLM）文化是如何定义与研究人类行为的。 本文翻译转载自Beware the Intention Economy: Collection and Commodification of Intent via Large Language Models，刊登于Harvard Data Science Review。 "意图"一词及其衍生概念涵盖广泛的理论说明。 西方分析哲学家将“意图”与目的性行为、个体理性推理 [1] 、意识 [2] 和对未来的心智表征（大脑处理、存储和使用信息的模式模型） [3] 等相联系，却较少关注自发性、行为能力缺失或非理性因素在意图行为中的作用。 在大模型语境下，国外学术界目前对意图的定义更聚焦在计算机科学实用性， 即技术人员可能把“意图”拆解为3个部分： 语义识别（你说的话是什么意思） 行为预测（你可能要做什么事情） 回应生成（系统该回答什么内容） 在计算机科学领域，人们普遍假设： 无论意图本质为何，皆可被计算化并实现操作化 。 如果个人没有主动说明额外的信息（如点外卖时的强大饥饿感和对营养热量的严格控制），那么个人“点外卖”的意图将被大模型解读为“ 需要点外卖 - 通过手机外卖App下单 - 外卖App根据过往历史推荐外卖 ”这一过程。 再例如，当你在网购平台上搜索某个东西时，平台会将你的搜索记录和点击行为保存下来。这些行为被视为你的“意图”。 比方说，如果你搜索“买手机”，平台可能认为你的意图是购买手机，并根据这些信息向你展示相关广告。 考虑人们的意图牵涉到多重的理性与感性因素，即便是目前生物学领域对人类意识最前沿的研究也只是全部拼图的冰山一角， 简化对“意图”的定义能让我们更好地理解大模型语境下“意图”的本质——即无论意图是什么，它都可以被计算化，并能够以相关的数学公式等量化操作。 关于“意图”的两个假设在最近的大模型研究和开发的各个方面中起到了基础作用，值得我们仔细审视。 假设1：“意图”是某种类型的封闭环境下将影响个人行动的选择。 认知科学家认为，意向性从根本上说是一种“ 在高度结构化的系统中产生的高度结构化现象 ” [4] 。举例来说，数字环境中的本身选择架构塑造了用户的能动性、行为可能性以及随之而来的意图 [5] —— 人们无法对无法点赞或滑动的内容进行点赞或滑动。 假设2：“意图”在大模型语境下具有时空性。 从某种意义上说，意图经济是注意力经济在时间维度上的延伸；它试图描绘用户注意力的轨迹——如何变化、固化，并与典型的行为模式相关联——跨越不同的时间尺度 。虽然有些意图转瞬即逝，但另一些却持久存在，这使得它们的离散化对广告商来说极具价值。 虽无法追溯上述这些假设的思想史渊源，但行动哲学家Michael Bratman在1999年提出的"意图规划理论"认为人类意图包含" 关于当下及未来行为，个体所产生的稳定的局部行动计划要素 " [6] 。 微软团队在2024年的研究论文中采用了大语言模型可操作化的术语，将"意图"定义为" 用户与AI智能体对话的目的 "，并列举了如"信息检索"“问题解决”“学习”“内容创作”"休闲"等结构化分类 [7] 。 遗憾的是，这类新兴文献鲜少阐明理论来源，其部分依据可追溯至2000年代初网络查询分类研究。 就大模型语境下的“意图”定义而言，这种与行动关联的意图理解与Bratman规划理论高度契合，但谱系学考证尚待深入。 现阶段意图经济更多是愿景而非现实。但科技巨头的投资与话语体系正将生成式AI塑造为颠覆谷歌等市场主导者的技术里程碑。 通过梳理快速演进的大语言模型研究文献，以及微软、OpenAI、苹果与英伟达核心人物的公开论述，我们发现头部科技公司的产业野心正在聚合—— 重点在于利用大语言模型预测和引导用户基于意图、行为及心理数据的互动过程，从自愿参与到将大语言模型设置为数字信息系统的首要接触点。 为具体说明意图经济与当前注意力经济的区别，我们可以设想现在生活中这样一个例子 ： 现今广告商可通过实时竞价（如百度旗下的广告联盟系统百度联盟）购买当下用户注意力，或对未来广告位做预购（如路上的广告牌或地铁车厢广告位）。 大语言模型通过实时询价（“今晚考虑看《蜘蛛侠》吗？”）与潜在未来竞价（“你曾提及工作超负荷，要预订之前讨论的电影票吗？”）来左右我们的生活选择。 在科技公司所构建的庞大数据网络中，大模型所提供的每条建议都是动态匹配我们的行为轨迹、心理画像与情境指标。 在意图经济中，大语言模型能低成本协调用户行为节奏、政治倾向、用词习惯、年龄性别、谄媚偏好等特征，结合竞价策略最大化目标达成率（如影响你所想要看的电影，最终将电影票卖给你） 。 有学者称此类个人AI"助手"实为服务平台、广告商与企业第三方的"市场化身"。尽管大语言模型未必是这一愿景的终极形态，但其基础设施成本及被重新定位为"基础"模型（令人联想建筑最低承重结构）的现象值得警惕。 同样需要审视的，是从直接信息检索（如我们通过百度或小红书等主动搜索信息）到生成式中介检索（如我们利用大模型来寻找问题答案）的模型转移，这正是之后我们讨论的重点。 不过，首先我们先把时间点拉回到2023年底，再回顾一次那场Open AI里程碑式的发布会。 2023年11月6日，OpenAI首届开发者大会在镁光灯下拉开帷幕。 这场高调亮相的科技盛典，恰似萨姆·奥尔特曼日后戏剧性"被罢免-复职-重组董事会"系列事件的预演。 大会上公布的平台升级——包括扩展上下文窗口、函数调用、JSON模式、多模态交互等——看似是面向开发者的技术迭代，实则暗藏玄机。 当OpenAI宣布对热门定制版GPT（即用户自建AI助手）实施收益分成时，一场针对普通电脑用户的"全民开发者"竞赛已悄然发令。 微软CEO萨提亚·纳德拉在演讲中着重强调公司对计算基础设施建设的投入，指出大语言模型的兴起促使微软重构"从供电系统到数据中心、机架、加速器乃至网络的全栈架构" [8] 。他特别赞赏与OpenAI的合作关系——ChatGPT和GPT服务为微软服务器带来了前所未有的工作负载，进而创造可观收益。2022年，Azure云平台已贡献微软总营收的三分之一以上 [9] [10] 。 纳德拉坦言，OpenAI带来的计算需求规模是其任职微软三十年来仅见的，“Azure的形态正在发生剧烈而快速的变革以支持这些模型” [8:1] 。 研究机构指出，基于2024年起每年超500亿美元的基础设施投入预算，“微软正在开展人类史上最大规模的基础设施建设” [11] 。换言之， 微软借大语言模型之势，不仅志在成为云服务提供商之一，更意图成为如同公共事业般的基础云平台——其命名"Azure"（意为’无云晴空的湛蓝’）本身即是对所有云计算基底的诗意致敬 。 为了达成这一宏伟的目标，微软在OpenAI上砸下的巨资，与OpenAI的团队人数之比，可谓是巨额——有学者计算后发现，该比例几乎与1975年苏联对国家计划委员会Gosplan的投资，和其员工人数之比，大致相同 [12] 。 微软、英伟达和OpenAI的确切投资目标难以通过实证方法明确辨识，但我们能从各公司发布的公告和大模型的研究方向中略知一二，而这些隐晦的投资目标往往被大众所忽视。 OpenAI希望通过发布和推销个人定制化的那些GPT模型（不论是在ChatGPT模型本身上修改制作，还是利用官方API），全面搜罗各领域和应用场景下的意图和行为数据。 这一点也是OpenAI在其官网中亲口承认的 [13] ： We’re interested in large-scale datasets that reflect human society and that are not already easily accessible online to the public today. We can work with any modality, including text, images, audio, or video. We’re particularly looking for data that expresses human intention (e.g. long-form writing or conversations rather than disconnected snippets), across any language, topic, and format. 这一陈述在某种程度上与奥尔特曼对“搜寻那些能表明人类意图的数据”的使命宣言不谋而合。并且这样的叙述在之后的OpenAI开发者大会上也被多次阐明。 Shopify的产品主管Miqdad Jaffer也表明道： “我认为我们目前正处于一个连续的过程中。我们首先从理解用户的意图开始，接着是预测用户的意图，然后是预测用户的行为。这就是我们当前的进展轨迹。而聊天机器人的出现正是为了明确获取用户的意图。” [14] 有趣的是，Miqdad Jaffer在2024年3月加入OpenAI，任职产品负责人。 英伟达CEO黄仁勋也在其他公开场合表明了大模型这一使命：“未来的典型应用场景，是一切事物的尽头就是大模型。我们与电脑的首次接触将是通过大模型完成的，它能辨识在特定场景下我们的意图、需求和想要做什么，它能呈现给我们达成目标所需要的，也是最想要的信息。” [15] 在这一任务上，英伟达和微软并非孤军奋战，Facebook的母公司Meta也在齐头并进。 Meta目前已经发现了如何从视觉图片中提取带有个人意图的行为数据。在一篇介绍“意图经济学”（Intentonomy）的文章中，作者们尝试着通过手动标注视觉片段来创建一个人类意图数据集 [16] 。对于测试内容，作者们一共标注了诸如“安全与归属感”、“权力”、“健康”、“家庭”、“抱负与能力”，以及“财务与职业成就”等28个意图类别。这一分析方法是从Instagram视觉图像中提取意图的类似研究中获得了灵感 [17] 。 大型语言模型的出现使得这类信息提取工作得以自动化，能够大规模推断人类意图与动机，并以相对较低成本进行分类。 当前一些研究正在不断表明，通过大模型获取人类偏好的趋势正在不断提升。大模型能引导自身与"模糊"的人类偏好对齐——这只需向人类提出开放式问题即可获取信息答案 [18] 。微软的另一个案例则探索利用大模型生成意图分类体系，用以捕捉"用户与AI对话的目的" [19] 。相关技术已被微软整合进其核心产品，如Teams的API库就包含"规划引擎"和"预测引擎" [20] 。 诚然，这类心理特征推断尚缺乏科学依据，且往往依赖隐蔽的人工标注劳动 [21] ，多数研究也尚未通过同行评审。 但不论如何， 这些早期的意图捕捉系统研发已取得了不错的进展 ，例如Meta就宣称其AI智能体CICERO在《强权外交》游戏中达到了人类水准 [22] 。这款游戏胜负关键正在于推断对手意图、制定策略，以及通过说服性对话推进己方立场。 不过这些能力将如何被商品化仍有待观察。 在数字广告市场，大模型与生成式AI为实时竞价系统（RTB）和程序化投放带来了自动化内容生成的可能。 广告主不再受限于人工制作的广告库内容，能借助生成式AI根据用户画像精准定制内容 。CICERO虽属概念验证，但其重要意义在于 展示了系统能围绕用户意图，在各种场景中通过自动优化策略来实现预设目标 。 鉴于Meta现有的广告基础设施，其很可能会利用RTB网络拍卖"预订餐厅/航班/酒店"等用户意图。 虽然RTB、民意调查、市场研究和社交分析早已允许相关方预测并竞标用户行为，但大模型将这些实践提炼成高度量化、动态且个性化的形式 ——既具备亲密性（如AI助手）、低成本（相比人工访谈），又具有普适性（如遍地开花的品牌对话机器人）。 最新研究显示，RTB网络正对超50亿人（含儿童）进行画像。更令人忧心的是，RTB还被广泛用于间谍活动和犯罪，使"外国势力与非国家的实体能窥探目标对象的财务困境、心理状态和私密隐私" [23] 。 OpenAI新任董事会成员同样展现出与Meta类似的意图数据收集倾向。 前Salesforce联席CEO布雷特·泰勒曾执掌FriendFeed，该公司2009年被Facebook收购后，他出任CTO。关键的是，此次收购促使Facebook推出"点赞"按钮，为心理特征定向技术埋下伏笔——这种技术后来因剑桥分析公司丑闻而曝光 [24] 。 研究表明：“数字环境中大规模心理说服的效果，极大依赖于心理画像预测的准确性。”——换言之，能根据算法对用户心理画像不断更新完善的广告商将更容易开展数字化的群体说服。 [25] 作为频繁与用户对话的助手，大模型天然适合持续校准用户生成的一系列相关数据（不论是从对话历史到行为习惯）。 基于语义丰富的交互，大模型能收集更逼真、深入且多元的数据。其生成能力还可隐蔽地（常借拟人化特性掩饰）实现内容个性化控制。 因此，大模型操纵个体与群体的潜力，已远超剑桥分析事件中基于"点赞"的简单手段。 相关实践已然展开：研究人员发现， 通过大模型能从文本中提取详尽的用户意图与偏好 。 例如模型能通过看似无害的对话推断个人信息，甚至"引导对话"以诱使对方泄露隐私 [26] 。 另一些研究则视大模型为推荐系统的革命性工具，可构建"忠实捕捉用户意图、编码人类认知机制的可配置模拟平台" [27] 。其方法包含模拟1000个具有记忆模块的智能体，对齐MovieLens-1M数据集中真实人类的"观影记录、系统交互和情感记忆"。其他团队则尝试从非语言数据中提取用户兴趣，训练点击率预测模型 [28] 。 这些预测技术的核心风险在于：若研究宣称的效果成真，将催生前所未有的超个性化操纵模式 。 CICERO团队就警告：“对话式AI存在操纵风险——智能体可能学会诱导对话对象达成特定目标” [29] 。2023年10月，英国一名21岁学生就因与同情型聊天机器人密谋刺杀女王，获刑9年 [30] 。 我们并非夸大模型对用户意图的影响力（并非所有用户都会成为刺客），但值得我们警惕的是： 提升意图预测能力在增强模型实用性的同时，也为其他干预行为（包括实施犯罪等）创造了条件 。 遗憾的是，加强隐私保护未必能消除这些危害。生成式AI将内容本身作为推断隐私属性的代理实体，绕过了对第三方cookie的依赖 。 2024年OpenAI缔结的大量数据合作，不经让人怀疑正是服务于这种有利可图的模式重构。其与美国媒体集团Dotdash Meredith（DDM）的"战略合作"核心，就是将大模型与DDM的广告意图定向工具D/Cipher结合。该工具号称能使"广告定位更精细、更精准，提升客户参与效果" [31] 。2023年5月推出的D/Cipher，本就是为应对第三方cookie被淘汰后、广告主无法跨网站追踪行为而开发 [32] 。 另一个意图商业化的典型案例是苹果新推出的"App Intents"开发框架。 该框架包含意图发现、相关性判定和跨应用预测协议，既能"预测用户未来可能采取的行动"，又能根据开发者提供的预测，“在未来向用户推荐相关功能” [33] 。苹果还宣布将ChatGPT作为第三方服务集成到设备系统层，与其自研的"Apple Intelligence"AI服务互补。这两者都体现了大模型如何推动交互模式向"自然语言声明意图"转变。此举将十亿iPhone用户纳入了以"意图流通"为前提的信息获取范式。理论上，将D/Cipher等工具整合到生成式界面机制中，也将助推这一目标。 Anscombe, G. E. M. (2000). Intention (2nd ed.). Harvard University Press. ↩︎ Dennett, D. C. (1989). The intentional stance . MIT Press. (Original work published 1987) ↩︎ Searle, J. R. (1983). Intentionality: An essay in the philosophy of mind. Cambridge University Press. ↩︎ Boden, M. A. (1973). The structure of intentions. Journal for the Theory of Social Behaviour , 3 (1), 23–46. https://doi.org/10.1111/j.1468-5914.1973.tb00314.x ↩︎ Joler, V. (2020). New extractivism . New Extractivism. https://extractivism.online/ ↩︎ Bratman, M. E. (1999). Faces of intention: Selected essays on intention and agency . Cambridge University Press. ↩︎ Shah, C., White, R. W., Andersen, R., Buscher, G., Counts, S., Das, S. S. S., Montazer, A., Manivannan, S., Neville, J., Ni, X., Rangan, N., Safavi, T., Suri, S., Wan, M., Wang, L., & Yang, L. (2024). Using large language models to generate, validate, and apply user intent taxonomies . ArXiv. [2309.13063] Using Large Language Models to Generate, Validate, and Apply User Intent Taxonomies ↩︎ OpenAI. (2023a, November 6). OpenAI DevDay, opening keynote [Video]. YouTube. https://www.youtube.com/watch?v=U9mJuUkhUzk ↩︎ ↩︎ Franek, K. (2022, September 30). Microsoft revenue breakdown by product, segment and country. Microsoft Revenue Breakdown by Product, Segment and Country - KAMIL FRANEK Business Analytics ↩︎ Microsoft. (2022). Msft-10k_20220630.htm . https://www.sec.gov/Archives/edgar/data/789019/000156459022026876/msft-10k_20220630.htm ↩︎ Patel, D., & Xie, M. (2023, November 15). Microsoft infrastructure—AI & CPU custom silicon Maia 100, Athena, Cobalt 100 . SemiAnalysis. Microsoft Infrastructure - AI & CPU Custom Silicon Maia 100, Athena, Cobalt 100 ↩︎ Siddarth, D., Acemoglu, D., Allen, D., Crawford, K., Evans, J., Jordan, M., & Weyl, E. G. (2021). How AI fails us . Harvard University. https://ethics.harvard.edu/files/center-for-ethics/files/aifailsus.jhdcarr_final_2.pdf ↩︎ OpenAI. (2023b, November 9). OpenAI data partnerships . https://openai.com/blog/data-partnerships ↩︎ OpenAI. (2023c, November 13). The business of AI [Video]. YouTube. https://www.youtube.com/watch?v=knHW-p31R0c ↩︎ NVIDIA. (2023, August 9). NVIDIA keynote at SIGGRAPH 2023 [Video]. YouTube. https://www.youtube.com/watch?v=Z2VBKerS63A ↩︎ Jia, M., Wu, Z., Reiter, A., Cardie, C., Belongie, S., & Lim, S.-N. (2021). Intentonomy: A dataset and study towards human intent understanding. In 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 12981–12991). IEEE. Intentonomy: a Dataset and Study towards Human Intent Understanding | IEEE Conference Publication | IEEE Xplore ↩︎ Kruk, J., Lubin, J., Sikka, K., Lin, X., Jurafsky, D., & Divakaran, A. (2019). Integrating text and image: Determining multimodal document intent in Instagram posts . ArXiv. [1904.09073] Integrating Text and Image: Determining Multimodal Document Intent in Instagram Posts ↩︎ Li, B. Z., Tamkin, A., Goodman, N., & Andreas, J. (2023). Eliciting human preferences with language models . ArXiv. [2310.11589] Eliciting Human Preferences with Language Models ↩︎ Shah, C., White, R. W., Andersen, R., Buscher, G., Counts, S., Das, S. S. S., Montazer, A., Manivannan, S., Neville, J., Ni, X., Rangan, N., Safavi, T., Suri, S., Wan, M., Wang, L., & Yang, L. (2024). Using large language models to generate, validate, and apply user intent taxonomies . ArXiv. [2309.13063] Using Large Language Models to Generate, Validate, and Apply User Intent Taxonomies ↩︎ Maillot, M. (2024, August 21). Introduction to Teams AI Library—Teams . Microsoft. Welcome | Microsoft Learn ↩︎ Gray, M. L., & Suri, S. (2019). Ghost work: How to stop Silicon Valley from building a new global underclass . Houghton Mifflin Harcourt. ↩︎ Bakhtin, A., Brown, N., Dinan, E., Farina, G., Flaherty, C., Fried, D., Goff, A., Gray, J., Hu, H., Jacob, A. P., Komeili, M., Konath, K., Kwon, M., Lerer, A., Lewis, M., Miller, A. H., Mitts, S., Renduchintala, A., Roller, S., … Zijlstra, M. (2022). Human-level play in the game of diplomacy by combining language models with strategic reasoning. Science , 378 (6624), 1067–1074. https://doi.org/10.1126/science.ade9097 ↩︎ Ryan, J., & Christl, W. (2023). Europe’s hidden security crisis . Irish Council for Civil Liberties. Europe's hidden security crisis ↩︎ 剑桥分析公司丑闻是指这家数据分析公司在2016年美国总统选举期间，未经用户同意从Facebook收集了数百万用户的个人信息，并利用这些数据为政治广告提供精准定位。事件曝光后引发了关于数据隐私和选举操纵的广泛争议，最终导致剑桥分析公司于2018年关闭。 ↩︎ Matz, S. C., Kosinski, M., Nave, G., & Stillwell, D. J. (2017). Psychological targeting as an effective approach to digital mass persuasion. Proceedings of the National Academy of Sciences , 114 (48), 12714–12719. https://doi.org/10.1073/pnas.1710966114 ↩︎ Staab, R., Vero, M., Balunović, M., & Vechev, M. (2023). Beyond memorization: Violating privacy via inference with large language models. ArXiv. [2310.07298] Beyond Memorization: Violating Privacy Via Inference with Large Language Models ↩︎ Zhang, A., Sheng, L., Chen, Y., Li, H., Deng, Y., Wang, X., & Chua, T.-S. (2023). On generative agents in recommendation . ArXiv. [2310.10108] On Generative Agents in Recommendation ↩︎ Liu, Q., Hou, X., Jin, H., Chen, jin, Wang, Z., Lian, D., Qu, T., Cheng, J., & Lei, J. (2023). Deep group interest modeling of full lifelong user behaviors for CTR prediction . ArXiv. [2311.10764] Deep Group Interest Modeling of Full Lifelong User Behaviors for CTR Prediction ↩︎ Bakhtin, A., Brown, N., Dinan, E., Farina, G., Flaherty, C., Fried, D., Goff, A., Gray, J., Hu, H., Jacob, A. P., Komeili, M., Konath, K., Kwon, M., Lerer, A., Lewis, M., Miller, A. H., Mitts, S., Renduchintala, A., Roller, S., … Zijlstra, M. (2022). Human-level play in the game of diplomacy by combining language models with strategic reasoning. Science , 378 (6624), 1067–1074. https://doi.org/10.1126/science.ade9097 ↩︎ Singleton, T., Gerken, T., & McMahon, L. (2023, October 6). How a chatbot encouraged a man who wanted to kill the Queen . BBC News. How a chatbot encouraged a man who wanted to kill the Queen ↩︎ Dotdash Meredith. (2024, May 7). Dotdash Meredith announces strategic partnership with OpenAI . Meredith Corporation MediaRoom. Dotdash Meredith Announces Strategic Partnership with OpenAI, Bringing Iconic Brands and Trusted Content to ChatGPT - May 7, 2024 ↩︎ Dotdash Meredith. (2023, May 16). Dotdash Meredith launches D/Cipher, a transformative intent-targeting tool for advertising . PR Newswire. Dotdash Meredith Launches D/Cipher, a Transformative Intent-Targeting Tool for Advertising ↩︎ Apple. (n.d.). App Intents . Apple Developer Documentation. Retrieved August 11, 2024, from App Intents | Apple Developer Documentation ↩︎ 2 个帖子 - 1 位参与者 阅读完整话题
Peter Steinberger 编辑：所罗门 【新智元导读】3个人，100个AI agent，一个月烧掉130万美元——OpenClaw之父把软件开发变成了「AI流水线」，OpenAI替他买单。 别人晒工资条，他晒账单—— 一个月130万美元！ 也就是将近900万人民币/每月。直接把网友们看傻了。 OpenClaw之父Peter Steinberger在X上轻描淡写地甩出一张截图。 Peter Steinberger 但截图上的数字，属实不淡定： 30天花费：$1,305,088.81。吞掉6030亿个token。发起760万次请求。 你没看错，是130万 美元 。也不是哪家大厂的季度AI预算—— 一个3个人的小队，一个月的用量。 更炸裂的是：这钱，OpenAI给报销。 评论区瞬间就疯了。 有人惊叹，有人质疑，有人掏出计算器开始算「这到底顶多少个程序员」。 Steinberger本人谈定回应：「关闭快速模式后，我的花费低于一个工程师的成本，而且这确实帮助大得多。」 翻译下就是—— 属实划算！ 更有网友惊叹于月薪40万刀的工程师——「旧金山的就业市场过于疯狂。」 网友评论 网友评论 还有网友好奇，这个大量的Token花在了哪里。 Peter回应大部分都用在了OpenClaw的开发上。 网友评论 云端程序员军团 这件事最离谱的是，Pete的小团队只有3个人。 他们在云端长期跑着约100个 Codex 实例，干软件工程里最脏、最累、最容易把人逼疯的活—— 审PR、找安全漏洞、去重issue、改bug、监控benchmark、发现回归后发到Discord，甚至听完会议后直接开PR。 于是，AI不只是「帮你写代码」，而是进入软件协作的每一个缝隙。 这就很吓人了。 因为软件开发真正贵的是沟通、理解、上下文切换、审查、回归、修复、等待、重复劳动。 过去一个团队每天大量时间，消耗在这些看起来不像「创造」、但没有它们项目就会烂掉的事情上。 现在，Peter 把这些环节一口气丢给了一群AI agent。 这是AI开始替你维护一个组织的神经系统。 示意图 这张截图还有一个细节很重要：它不是OpenAI后台，而是 Peter 做的 CodexBar。 CodexBar 是一个 macOS 菜单栏工具，用来追踪各种AI编程工具的使用窗口、credit、成本和重置时间。 它支持 Codex、Claude、Cursor、Gemini、Copilot 等一堆服务。 以前程序员的菜单栏里是什么？CPU、内存、电量、网速。 现在多了一个东西：token。 token正在变成一种新的「生产资料」。 CodexBar 最后说两句 130万美元一个月，3个人，100个AI agent。 你细品这组数字——三个活人，带着一百个不吃饭不睡觉不提涨薪的数字员工，把一整个工程团队的活儿给干了。 有人看完热血沸腾：AI终于不是只会聊天的花瓶了！也有人看完脊背发凉：等等，那我们这些写代码的，以后干嘛去？ 但说实话，最让我睡不着的，是Steinberger那句轻飘飘的话： 「我在探索，如果token成本不是问题，软件开发会变成什么样。」 Peter Steinberger 各位，他说的是「如果」。 可问题是，这个「如果」正在以肉眼可见的速度变成「当」。 今天130万美元干的活儿，模型降一轮价，13万。再降一轮，1.3万。 到那一天，100个AI agent同时干活，不再是硅谷大佬的独家游戏，而是随便一个三人创业团队的基本操作。 车库里三个年轻人，手握一百个不知疲倦的AI程序员——这画面，想想就离谱。 Peter Steinberger掀开了底牌。 底牌上写着： 未来已经在敲门了，而且它不打算等你准备好。 参考资料： https://the-decoder.com/for-1-3-million-a-month-openclaw-founder-peter-steinberger-runs-100-ai-agents-that-code-review-prs-and-find-bugs/ https://x.com/steipete/status/2055346265869721905 https://developers.openai.com/codex/speed 本文来自微信公众号 “新智元” ，作者：新智元，36氪经授权发布。
编辑：桃子 【新智元导读】大型翻车现场！起诉OpenAI「背叛使命」的马斯克，竟亲口承认自家Grok模型蒸馏了ChatGPT。 对薄公堂第四天，马斯克爆出了大瓜！ 4月30日，加州奥克兰联邦法院，马斯克诉OpenAI案进入第四天。 现场，OpenAI首席律师William Savitt站起来，问了一个让整个法庭安静了三秒的问题： xAI是否蒸馏了OpenAI的模型？ 马斯克先是打了个太极，「所有AI公司都在这么干」。Savitt继续追问道，所以答案是yes？ 部分如此（Partly）。 此话一出，全网瞬间看呆！ 马斯克承认Grok模型蒸馏了ChatGPT 一个正在起诉OpenAI「背叛非营利使命」的人，亲口承认自家AI蒸馏了对手模型。 大型双标现场，撕碎了体面 不得不说，这一幕的讽刺含量已经溢出屏幕了。 马斯克在宣誓作证的法庭上，轻飘飘一句话，彻底捅破了窗户纸—— 这是AI行业的标准做法，所有AI公司都在这样做。 马斯克承认Grok模型蒸馏了ChatGPT 蒸馏（Distillation），本质上就是让竞争对手的AI当家教，低成本教出一个差不多水平的学生。 马斯克起诉OpenAI，指控奥特曼违背了非营利使命，把他捐的3800万美元拿去搞了一个估值8000亿美元的营利性公司。 他是原告，他是那个指责别人「偷窃慈善」的人。 但就在这个案子的法庭上，他自己承认了另一种「偷」。 蒸馏算不算违法？目前，法律上是灰色地带：它可能不违法，但几乎肯定违反了OpenAI的服务条款。 硅谷巨头在训练数据上，疯狂游走在版权法边缘，海量爬取互联网内容，面对版权方的起诉时振振有词说是「合理使用」。 Anthropic声称OpenAI通过使用其API违反了服务条款 现在连马斯克都说了：大家都在这么干。 这个回答精妙到让律师都沉默了几秒，承认了，但没完全承认；坦白了，但留了余地。 Anthropic第一，xAI垫底？ 庭审中还有一个细节引爆了讨论，马斯克亲口给全球AI公司排了个座次。 被问及他去年夏天吹过的「xAI即将超越除谷歌以外所有公司」的豪言时，马斯克在法庭上的排名是： Anthropic第一，OpenAI第二，谷歌第三，开源模型第四。 马斯克 他说：「xAI非常小，大约只有OpenAI的十分之一，员工只有几百人」。 这和他平时在X上的画风完全不一样。 那个在社交媒体上天天喊「Grok杀疯了」的男人，到了宣誓席上突然变得无比谦虚。 在法庭上，马斯克需要把xAI描述得尽可能小，才能反驳「你起诉OpenAI是为了打击竞争对手」的指控。 OpenAI社媒 说白了就是：为了赢官司，必须先承认自己不行。 比马斯克证词更狠 庭审中最名场面的一幕，来自法官Yvonne Gonzalez Rogers。 马斯克的律师想让专家证人讨论AI可能导致「人类灭绝」，被法官当场拦下。 马斯克自己也在证词中反复提到「终结者」场景，说要确保特斯拉的机器人「不要变成终结者」。 电影截图 谁曾想，法官的回应堪称教科书—— 我注意到，尽管存在这些风险，马斯克先生本人也正在「这个领域」创建一家公司。 我相信有很多人不愿意把人类的未来交到马斯克手中。 但这不重要，这是一个关于慈善信托是否被违反的案件，不是一场关于AI安全风险的审判。 这句话的潜台词，远比字面意思锋利得多。 它指向了一个马斯克一直试图回避的事实：你一边高喊AI会毁灭人类，一边创办了一家AI公司，蒸馏了竞争对手的模型，还把它和SpaceX合并了。 你到底是在拯救人类，还是在跟人类抢生意？ OpenAI总裁日记，真正的定时炸弹 马斯克的证词，只是这场审判的序章。 下周一，OpenAI联合创始人Greg Brockman将出庭作证。 Brockman之所以是关键证人，是因为他的私人日记被法庭采信为证据。其中有这样几段： 山姆·奥特曼 他的故事将会是：我们最后对他不诚实，关于仍然想做营利化这件事，只是不带他一起。 从他手里偷走非营利组织是不对的。 在没有他的情况下转成B-corp，那是道德破产，而且他真的不蠢。 这些日记条目，正是法官决定将此案交由陪审团审理的关键依据之一。 OpenAI称这些日记，是被马斯克律师团队「断章取义」。 但无论如何，下周的法庭上，Brockman将不得不面对自己写下的每一个字。 一场改写AI行业叙事的庭审 回过头看这四天的庭审，信息量大到惊人。 马斯克承认了蒸馏，捅破了硅谷最大的公开秘密。他给AI公司排了名，当庭把自己的xAI贬到了最小。 马斯克承认Grok模型蒸馏了ChatGPT 他被法官教育「你不是律师」，被禁止讨论AI末日论。 他的财务管家Birchall证实了3800万美元捐款的细节，但也暴露了捐款可能没有附加限制条件的事实。 而最戏剧性的反转还没到来，Brockman的证人席，才是这场大戏的真正高潮。 下周一，正面交锋大戏正式开始。 参考资料： https://www.theverge.com/ai-artificial-intelligence/921546/elon-musk-xai-openai-trial-model-distillation https://www.cnbc.com/2026/04/30/openai-trial-elon-musk-sam-altman-live-updates.html https://www.businessinsider.com/takeaways-elon-musk-sam-altman-openai-federal-trial-2026-4?utm_campaign=business-link-post&utm_medium=social&utm_source=twitter 本文来自微信公众号 “新智元” ，作者：新智元，36氪经授权发布。
奥特曼家被炸了 【导读】当地时间周五清晨，奥特曼家被炸了。奥特曼发出家人和孩子的照片，并且发出长文表示，AGI如今已经如同魔戒一般，让人做出疯狂的举动。 奥特曼家被炸了！ 就在当地时间周五清晨，一名20岁男子向奥特曼旧金山中投掷了燃烧弹，引起火灾。 这栋豪宅价值2700万美元。 凌晨4点12分，警方接到报警，调查后发现无人受伤，火势已被控制。但嫌疑人已经徒步逃跑，体貌特征已被通报。 凌晨5点07分左右，警方又接到报警称，OpenAI办公楼外，一名身份不明的男子扬言要烧毁大楼。 警员很快发现，该男子与向奥特曼家中投掷燃烧弹的嫌疑人特征相符，应为同一人，警方立即将其拘留。 现在，旧金山警察局已经在X上发布通报。目前调查仍在进行中，尚未正式提出指控。 旧金山警察局已经在X上发布通报 面对这起事件，奥特曼愤怒了！他罕见地公开全家福，并且深夜发表了一篇长文。 奥特曼发长文 奥特曼发长文 奥特曼表示，「我爱我的家人胜过一切」 在这篇文章中，奥特曼首次深刻地回应了公众对AI的极度焦虑。他坦诚这种恐惧是合理的，呼吁通过全社会的政策响应和AI民主化来应对，坚决反对少数实验室独占未来控制权。 同时，他也进行了深度的个人反思，为自己因「逃避冲突」导致董事会风波而致歉。 他犀利指出，当前AI行业频发的内部斗争，就是源于AGI犹如「魔戒」般的权力诱惑。而唯一的解法，就是不让任何人独占控制权。 最后，他呼吁各方保持理性，停止极端的言语与物理攻击。 美国民众，开始仇视AI 近几个月来，美国民众对AI的看法急剧恶化。 就在Anthropic拒绝国防部合同要求的几小时后，OpenAI宣布与五角大楼达成协议，此举招致了大量对OpenAI的恶评。 奥特曼也明白，AI在美国大众的心目中并不受欢迎，很多人认为电价上涨、大量裁员的罪魁祸首就是AI。 山姆·奥特曼：AI在美国大众的心目中并不受欢迎 奥特曼的遭遇并不是首例，很多科技领袖都受过类似威胁，各大公司也都加大了对高管保护的投入。 仅在2019年，扎克伯格的安保费就超过了2000万美元。 而特斯拉提交给美国证券交易委员会的文件也透露了马斯克的安保成本：该公司「在2023年为此类安保服务支付了约240万美元的费用，并在2024年2月之前支付了约50万美元的费用，这仅仅占总成本的一部分。」 此前，美国各地就曾爆发反AI的大规模游行，愤怒的民众聚集在OpenAI和Anthropic总部外面，街道上写满标语。 3月份，就曾爆发过一场美国史上最大规模的AI全球抗议活动，200人横跨Anthropic、OpenAI、xAI高喊「停止AI竞赛」！ 美国史上最大规模的AI全球抗议活动 总诉求只有一个：若主要AI实验室彼此达成一致，应承诺暂停更强大模型的训练与发布。 参与联盟包括MIRI、PauseAI、StopAI、QuitGPT等组织成员，以及部分学者与前实验室员工。 如今，AI安全派和技术加速派之间关系已经极度紧张。 美国史上最大规模的AI全球抗议活动 美国史上最大规模的AI全球抗议活动 奥特曼博客：AGI已成魔戒 我希望图片是有力量的。通常我们尽量保持低调私密，但在这种情况下，我决定分享一张照片，希望它能打消下一个人向我们家扔燃烧瓶的念头，不管他们对我有什么看法。 上一个人是在昨晚，凌晨3点45分干的。谢天谢地，燃烧瓶被房子的外墙弹开了，没有人受伤。 文字也是有力量的。几天前，有一篇关于我的文章，充满了火药味。昨天有人跟我说，在大家对AI感到极度焦虑的当下出这种文章，会让我的处境变得更加危险。我当时没当回事。 现在，我大半夜醒来，火很大，并且意识到我之前低估了文字和舆论导向的力量。现在看来，正是把一些事情说清楚的好时候。 首先，我的信念。 *为每个人争取繁荣、赋能全人类，以及推动科技进步，对我来说是义不容辞的道德责任。 *AI将成为人类见过的、扩展自身能力和潜力最强大的工具。人们对这个工具的需求基本上是没有上限的，大家会用它做出不可思议的事情。这个世界理应拥有海量的AI，我们必须想办法实现这一点。 *但一切不会总是一帆风顺。对AI的恐惧和焦虑是完全合理的；我们正在见证社会发生长久以来、甚至是史无前例的巨变。我们必须搞定安全问题，这不仅仅是对齐某个模型那么简单——我们迫切需要全社会的共同响应，以抵御新的威胁。这包括制定新政策，帮助我们度过艰难的经济转型期，从而走向一个美好的多的未来。 *AI必须民主化；权力绝对不能过度集中。未来的控制权属于全人类及其社会机构。AI需要在个体层面赋能每个人，同时我们需要共同为我们的未来和新规则做决定。我认为由少数几家AI实验室来决定我们未来社会形态这种最重大的事情，是不对的。 *适应性至关重要。我们都在极其快速地学习新事物；我们的一些信念会被证明是对的，有些则会是错的。有时随着技术发展和社会演变，我们需要迅速转变观念。现在还没有人真正了解超级智能的影响，但这种影响必将是极其巨大的。 其次，一些个人的反思。 回首我在OpenAI头十年的工作，有很多让我感到骄傲的事情，但也犯了一大堆错误。 我刚刚想起了我们即将与马斯克对簿公堂的事，想起了我当初是如何死守底线，拒绝同意他想要对OpenAI拥有单方面控制权的要求。我为此感到骄傲，也为我们当时在夹缝中求生，保住了OpenAI并取得随后的所有成就而感到自豪。 我不为自己害怕冲突的性格感到骄傲，这给我和OpenAI都带来了巨大的痛苦。我不为自己在与前任董事会的冲突中表现糟糕而感到骄傲，那给公司造成了巨大的烂摊子。在OpenAI疯狂的发展轨迹中，我还犯过许多其他错误；我是一个有缺陷的人，身处在一个极其复杂的局面中心，试图每年都取得一点点进步，始终为着公司的使命而工作。我们在入局之前就知道AI的赌注有多大，也知道我所关心的、心怀善意的人们之间的个人分歧会被无限放大。但亲身经历这些痛苦的冲突，并且还要经常出面调停，完全是另一回事，我们付出了惨痛的代价。我向我伤害过的人道歉，希望我当初能学得更多、更快一些。 我也非常清楚，OpenAI现在是一个大平台了，不再是当初那个草台班子般的初创公司，我们现在必须以一种更可预测、更稳定的方式运营。过去这几年，强度极大、极其混乱且压力山大。 但抛开这些，最让我自豪的是，我们正在兑现我们的使命，这在我们刚起步时看起来简直是天方夜谭。排除了万难，我们弄清楚了如何构建极其强大的AI，弄清楚了如何筹集足够的资金来建立基础设施以交付它，弄清楚了如何打造一家产品公司和商业模式，弄清楚了如何在大规模上提供相对安全和稳健的服务，还有很多很多。 很多公司都把「改变世界」挂在嘴边；但我们是真的做到了。 第三，关于这个行业的一些想法。 过去几年我个人的体会，以及我对为什么我们这个领域的公司之间会上演这么多莎士比亚戏剧般抓马事件的看法，归结起来就是一句话：「一旦你见识过通用人工智能（AGI），你就再也忘不掉了。」它带有一种真实的「魔戒」效应，能让人做出极其疯狂的事情。我不是说AGI本身就是那枚魔戒，而是那种「要成为控制AGI的那个人」的极权主义思想。 我能想到的唯一出路，就是坚定地与大众分享这项技术，不让任何人独占这枚「魔戒」。实现这一点的两个最明显的方法就是：赋能个人，以及确保民主制度始终掌握控制权。 关键在于，民主进程必须始终拥有比公司更大的权力。法律和规范肯定会改变，但我们必须在民主的框架内行事，哪怕这个过程会很混乱，而且比我们希望的要慢。我们希望成为一种发声渠道和一个利益相关者，但绝不希望拥有所有的权力。 对我们行业的许多批评，实际上源于对这项技术极高风险的真诚担忧。这是非常合理的，我们欢迎善意的批评和辩论。我对那些反技术的情绪感同身受，显然技术并不总是对每个人都有利。但总的来说，我相信技术进步能为你我的家人创造一个无比美好的未来。 在我们进行这些辩论的同时，我们应该降降温，少用点过激的言辞和手段，不管是在比喻意义上还是字面意义上，都少搞点爆炸，少炸点房子吧。 参考资料： https://www.theverge.com/ai-artificial-intelligence/910393/openai-sam-altman-house-molotov-cocktail https://blog.samaltman.com/2279512 https://www.businessinsider.com/sam-altman-home-attack-molotov-cocktail-police-arrest-2026-4 本文来自微信公众号 “新智元” ，作者：新智元，36氪经授权发布。
【导读】刚刚，华尔街巨头被紧急召往华盛顿！Mythos这个模型让美国财长和美联储主席都恐慌了，向全美金融业CEO发出警告。短短一年内，SaaS市场经历了一场浩劫，2万亿美元直接蒸发。 就在这周二，鲍威尔和贝森特紧急召见华尔街，向所有人发出警告—— Anthropic的最新模型Mythos，可能对金融业造成重大风险！ 从蒸发2万亿美元，到紧急召集CEO进华盛顿——Anthropic的AI，正在触碰金融世界最敏感的神经。 就在今天，这个新闻已经在全网刷屏了。 Anthropic Anthropic 本周二，一场没有提前预告、没有公开议程的会议，在华盛顿财政部悄然举行。 出席者不是普通官员，而是美国金融体系的核心人物，及华尔街最顶级银行的CEO们。 美国财长 贝森特与美联储主席鲍威尔 ，这两位掌控全球金融命脉的「巨头」，联手发出了一道紧急召集令。 美国财长贝森特与美联储主席鲍威尔 花旗、大摩、美银、富国银行、高盛的CEO们，此刻脸上都写满了严峻。 他们怕的不是通胀，不是加息，而是Claude Mythos。 这只在Anthropic实验室里诞生的怪兽，被认为足以瞬间瘫痪全球的数字金融基础设施！ Anthropic Anthropic 最强黑客大模型掀起市场恐慌，美国软件股暴跌 4月9日，美国科技股的天空被乌云笼罩。 美国软件股暴跌 这一次，Anthropic搞出的Mythos超级模型，因为能力太强，干脆宣布不敢向公众开放！ 消息传出，华尔街的基金经理们坐不住了。 如果AI能如此简单地修复漏洞，那么那些每年收着巨额订阅费、靠卖安全防护软件为生的传统大厂，还有存在的必要吗？ 周四，美国软件板块遭遇了前所未有的「血洗」。 美国软件股暴跌 首先，是网络安全双雄惨遭重挫。 Zscaler暴跌8.8%，CrowdStrike、Cloudflare等巨头的跌幅也都在5%到7%之间。 然后，企业级巨头全线飘红：从做修图软件的Adobe，到做人力资源的Workday，再到云服务大佬Salesforce，无一幸免，跌幅从3.7%到6.8%不等。 短短一年间，标普500软件和服务指数已经缩水了25.5%，这是行业底层逻辑在崩塌。 这种焦虑甚至像病毒一样蔓延。 首先是欧洲市场惨叫连连，德国软件巨头SAP和Capgemini应声下跌。 接着，私募信贷也爆雷了。连凯雷集团这种顶级机构的信贷基金都遭遇了赎回潮，因为投资者担心那些背着一身债的科技公司，未来可能根本没活路。 一夜惊动华尔街，当AI开始「自己找漏洞」 说回开头，为什么一个AI模型，能让美国财长和央行行长坐立难安？ 在Anthropic的内部描述中，Mythos的能力近乎神迹，近乎恐怖：「它能根据用户指令，「识别并利用每一个主流操作系统和网页浏览器中的漏洞」。 首先，它秒破了全球最安全的系统。 OpenBSD，在黑客界被誉为「地球上最安全的操作系统」，其核心代码经过了长达数十年的审计。 然而，Mythos在接入后不久，就精准地揪出了一个隐藏了27年之久的远程崩溃漏洞。 媒体报道 过去近三十年里，无数顶尖黑客和自动化扫描工具都没发现的死角，在Mythos面前就这样被揪出来了！ 另外，在流媒体处理核心组件FFmpeg中，Mythos发现了一个16年前埋下的漏洞。 这个漏洞所在的行，曾被自动化测试工具扫描过500万次，却从未触发警报。 Mythos不仅看穿了它，还演示了如何通过这个漏洞实施攻击。 媒体报道 最让监管层脊背发凉的是，Mythos展现出了极高的「逻辑进化」。它能在Linux内核中，像串门一样自主寻找多个微小漏洞，并把它们串联起来。 第一步：获取普通用户权限。第二步：寻找溢出点。第三步：权限提升。最后，就是完全接管机器。 对于银行来说，这意味着它们斥资数十亿美元构建的防火墙、入侵检测系统，在Mythos面前已经薄如蝉翼！ SaaS末日，消失的2万亿美元 在Mythos引发华盛顿大地震之前，它已经先在资本市场投下了一枚核弹。 Anthropic发布的Claude Opus和一系列Agent工具，直接引发了企业软件股（SaaS）的暴跌。 在过去的短短12个月内，该领域市值惨遭血洗，近2万亿美元的财富凭空蒸发。 这不仅是SaaS行业的至暗时刻，更是人类历史上绝对市值最大规模的一次暴跌。 SaaS行业 为什么投资者如此恐慌？ 逻辑很简单：SaaS末日（SaaSpocalypse）到了。 长期以来，SaaS是资本市场的「心头好」：高毛利、按席位收费、稳定的现金流。过去十年，SaaS公司的护城河是「按人头收费」。公司有100个员工，就得买100个账号。 但现在，Mythos告诉老板们： 「如果10个AI Agent就能完成100名员工的工作，你为什么还要买那90个订阅？」 更可怕的是，当3月下旬Mythos的部分配置参数意外泄露时，网络安全板块也崩了。 市场突然意识到： 如果AI能自动生成攻击，那么现有的安全防御工具也将沦为廉价的商品，甚至失效。 Project Glasswing，拒绝向公众发布Mythos 面对这种「核武级」的能力，Anthropic做了一个罕见的决定： 拒绝向公众发布Mythos。 他们联手亚马逊、苹果、谷歌、微软、思科等公司，启动了一个代号为「玻璃之翼（Project Glasswing）」的绝密防御项目。 Project Glasswing 这是一场与魔鬼赛跑的战争。 为此，Anthropic投入了1亿美元的算力额度，并向开源安全组织捐赠了400万美元。 他们希望，在黑客掌握同类AI能力之前，利用Mythos先把自家的所有漏洞补上。 这也就解释了，为什么鲍威尔要召集CEO们开会。 因为监管层必须确保，这些「系统重要性银行」在Mythos这种级别的力量面前，不是在裸奔。 摩根大通的首席信息安全官Pat Opet坦言，他们正在以「极其严格」的方式评估这个工具。 他们知道，AI时代的攻防战，已经从冷兵器对砍直接跃升到了二向箔打击！ 五角大楼、特朗普政府与AI天才的微妙博弈 有趣的是，Anthropic目前正处于一个极度尴尬的地位。 一方面，它是美国金融系统的「守护神」，被视为防御AI威胁的唯一希望；另一方面，它正与政府打着官司。 五角大楼此前将Anthropic列为「供应链风险」。 尽管Anthropic提出了异议，但联邦上诉法院在本周刚刚驳回了他们暂停该认定的请求。 这种「一边被视为威胁，一边被视为救星」的矛盾，也正是当前AI监管的缩影。 一方面，监管层担心它太强，会成为敌对势力攻击美国的利刃；另一方面，监管层又担心它不够强，导致美国在AI军备竞赛中落后。 贝森特和鲍威尔的这次紧急会议，实际上是在向华尔街传递一个信号： AI不再是实验室里的玩具，而是关乎国家安全的「金融军备」！ 普通人：我的银行账户还安全吗？ 看完华尔街的动荡，很多人会问：这跟我有什么关系？关系可太大了。 从此，全球金融安全的底层很可能重构。 以后你的银行账户安全，可能不再取决于你改了多少次密码，而取决于银行背后那个「防御AI」够不够聪明。 而就业市场的逻辑，也开始全面坍塌。 当SaaS企业因为AI Agent而裁员时，这种冲击会迅速传导至金融、法律、审计等所有白领行业。 最后，数字信任也面临着彻底崩解。 如果一个模型能自主发现所有漏洞，那么我们过去赖以生存的数字文明（网购、转账、社交）都将面临着信誉危机！ 鲍威尔与贝森特的这通电话，敲响的是旧时代的丧钟。 在Mythos这个「神话」模型面前，人类金融体系几十年来引以为傲的稳健，显得如此脆弱。 华尔街不相信眼泪，但在Mythos面前，华尔街选择了敬畏。 现在，人类第一次正式向「不可控AI」递交上了防御白皮书。 未来的金融战，可能没有硝烟，没有交易员的嘶吼，只有在0和1之间，两个超强AI模型那零点几秒的博弈。 AI时代的「金融核威慑」，已经开始了。 参考资料： https://www.reuters.com/business/us-software-stocks-fall-anthropics-new-ai-model-revives-disruption-fears-2026-04-09/ https://www.bloomberg.com/news/articles/2026-04-10/anthropic-model-scare-sparks-urgent-bessent-powell-warning-to-bank-ceos 本文来自微信公众号 “新智元” ，作者：新智元，36氪经授权发布。