与 Cognition 创始人、“极客皇帝”Scott Wu 共度的一个下午

有一种人们再熟悉不过的叙事弧线，属于那类数学天才 ：在那个美国人谈情说爱、打赢战争、把书呆子塞进储物柜，而科技权力的公众面孔还属于盎格鲁-撒克逊新教白人、老派关系户和校园运动健将的年代，他们曾令观众深深着迷。

第一幕：凭借一项颠覆整个领域的新证明或新定理，天才横空出世、技惊四座，也因此得罪了那些权威受到威胁的大学名宿和奖项得主。第二幕：通过论文、讲座、公开露面以及一群忠诚门生展开自我正名的活动，虽处处受阻，却最终迫使不情不愿的体制予以接纳，同时也引来政府爪牙和外国间谍的兴趣与操弄。第三幕：无法再忽视的严重失眠与偏执症状接踵而至，随后是离婚、营养不良、自残、被送进精神病诊所，或沦为校园里的怪人笑谈，穿着浴袍随机现身，在黑板上 scribbling weird messages，把研讨会搅得人心惶惶。第四幕：无可挽回的精神错乱，或被药物镇静，或走向死亡；死后则被神话化，疯癫被宣称为天才必须付出的代价，继而在本科生课程中被奉为经典，成为美国国家书评人协会奖的心头好，以及 DreamWorks 冲奥题材的现成素材。

我们仍然喜欢讲述这样的故事，这一点从 《奥本海默》 和 《后翼弃兵》 的成功，以及 Jonathan Rosen 和 Benjamín Labatut 近年的著作中便可见一斑——而这些作品必然都要聚焦 20 世纪，自有其原因。人人都知道，到了 21 世纪的头 25 年，这位伟大的美国极客的命运已经彻底翻转。如今，与这位年轻的书呆子天才身处同一领域的人，不再把他视作个人威胁，而是视作一笔遵循幂律分布的风险投资，或是一桩价值上亿美元的人才收购。国内外政府，尤其可能是它们的情报机构，如今都成了他潜在的业务线。是常春藤盟校被他拒之门外。他不再需要那种偏执的与世隔绝——那种生活里，他一边掐死妻子，一边逼她先替自己试吃食物是否有毒；相反，他从自己挑选的多边关系圈中享受着许多过度社会化的伴侣，在那里，深奥的佛教冥想与 5-MeO-DMT 不仅让他接受了 Peter Singer 所认可的饮食方式，也顺带解决了他的睡眠问题。他当然也不再注定赤脚游荡在长满青草的校园庭院里，嘴里喃喃念叨着屠杀大批人口的幻想。 他只是上电视告诉安德森·库珀，他正在打造的大规模杀伤性武器肯定会做到这一点，或者至少会摧毁所有人的生计，而这同样也能创造股东价值。

或许更重要的是，昔日那种书呆子天才对“真理”的狂热也已不复存在——那种狂热曾把渴望被理解与甘愿被放逐结合在一起——部分原因在于，死亡对认可的索取已不如从前。如今，名望、财富与权力都通过估值和 IPO、对关键基础设施的掌控、国家元首的恳求、对人与系统的控制，以及在 X 上每天一层层光滑涂抹的时间线凡士林被实时呈现；在那里，一群被去人格化的奴才用史蒂夫·乔布斯棺木般的腐臭气息，为这位书呆子天才货真价实的才华和正在公开上演的人格障碍涂脂抹粉，还坚持声称他不过是犯了一阵“创始人模式”。

各位，这就是为什么“惹人喜爱的 AI 大亨”是个鸡尾酒会式的自相矛盾说法，就像“加拿大反派”或“德国喜剧演员”一样。没有人乐在其中，哪怕是那些没有白领工作可失去、也无需理清数据中心如何消耗水资源、更不怀有暴烈仇恨的人，也一样如此。 因为美国人骨子里都是中产阶级，他们本能地认为，书呆子天才的正当归宿，不该是在戛纳与 Graydon Carter 把酒言欢，也不该拥有比国家更大的权力。他应当服务于国家安全或探索星辰，之后或许去一家像 Costco 那样真正做实业的公司，然后退休到一间恒温的大学小屋里，透过一扇小窗沉思如何构建“温和奇点”的“世界大脑”——那东西若落入别人手中，将会“杀死所有人”——最终再安顿进一种日常：把自己涂成靛蓝色，玩弄自己的粪便。 这样想的那些人，现在可能正在替你装袋杂货，或者像你早就料到的那样，求你去上他们的播客。但如果你还想让他们继续纳税、继续打仗，你就必须把你的神，也构建在某种让他们觉得属于自己盒子的东西里。

这让我想到了 Scott Wu。

Cognition——这家 AI 编程代理实验室、也是史上增长最快的公司之一——的创始人兼首席执行官吴，目前更广为人知的身份，仍是竞争性数学与编程领域那位令人过目难忘、目光极为长远的“迈克尔·乔丹”。他在路易斯安那州巴吞鲁日这片数学与编程的沃土中长大，并在那里学会了这些本领。他是国际信息学奥林匹克竞赛（IOI）历史上最伟大的美国金牌得主，同时也是其中最出色、获胜次数最多的队友和教练。他喜欢向人发起扑克和国际象棋挑战，也会用扑克牌表演数学魔术。他是个书呆子天才。

吴第一次迅速进入其他“书呆子天才”的视野，是在 2003 年，当时他以小学二年级学生的身份参加了一场初中数学竞赛。一个 7 岁的孩子参加七年级组比赛，他原以为颁奖典礼上会念到自己的名字；结果并没有。20 年后回忆起这段经历时，他仍像 MJ 一样把这件事看得很重。第二年，他又以小学三年级学生的身份参加九年级组比赛，并拿下第一名。17 岁从高中辍学之前，他曾在美国顶级全国初中生竞赛 MathCounts 中夺得全国第一，并在 IOI 首次摘得此后三枚金牌中的第一枚；他的队友包括 Alexandr Wang、Johnny Ho 和 Jesse Zhang，他们后来分别创办了 Scale AI、Perplexity 和 Decagon。

就像尤金·维格纳那句著名评价所言——狄拉克、西拉德、泰勒，甚至爱因斯坦都愿意承认，冯·诺依曼是他们之中最聪明的人——吴的前 IOI 队友们似乎对他也抱有同样看法。自他们上一次共同摘得金牌以来的十年间，这些队友创办的公司合计估值已达 800 亿美元。Cognition 联合创始人、另一位 IOI 金牌得主 Walden Yan 说：“Scott 和我之间的差距，就像我和那些连参赛资格都没拿到的人之间的差距。”

每个人都能讲出一段关于吴氏“书呆子天才”气质的故事。有一次，Cognition 第三位联合创始人、也是吴昔日 IOI 队友的 Steven Hao，拿出一道入围 Putnam 竞赛的题目，挑战吴在两小时内只用纸笔解出。结果吴全程口述思路，连笔都没碰，90 秒就给出了答案。还有一次，吴向他最大的投资人 Peter Thiel 和 Napoleon Ta 发起国际象棋和扑克对决，想借此为自己的公司赢得更优厚的条款。还曾有一位火辣的 IOI 女生，几乎就要和中国队的头号人物走到一起，最后却被吴“截胡”。（认了吧，中国。）

后来还有一次，Founders Fund 举办了一场 Super Smash Bros. Melee 局域网对战派对，座上宾是 Mango——“五神”中的第一位、史上最伟大的 Super Smash Bros. Melee 选手。（另外四位“次神”包括 Dr. PeePee、Armada、Hungrybox 和 Mew2King。Mew2King 曾因澄清自己遭遇过失败的包皮环切手术、无法获得快感，而成功为自己洗清了一项关于性不端行为的错误指控；该指控后来也被撤回。）Wu 虽然从来不是 Super Smash Bros. Melee “神级”选手，却在那场局域网对战派对上现身，并把 Mango 打得毫无还手之力，凭借的是更快的手速和更高明、近似扑克式的虚张声势动作。

关键在于，在另一个时代，一位来自密西西比河东岸、言辞辛辣、白手起家、博学多才的电脑程序员兼国际智力运动冠军，怀着强烈的竞争欲，偶尔还带着几分“血洗”般的狠劲，到了 29 岁时，或许正处在“书呆子天才”叙事弧线第二幕与第三幕之间。要是他是另一种人物，他可能会登上 60 Minutes，警告说，如果政府不对任何新冒头的竞争者施加高到难以承受的监管成本，或者如果他打不赢自己的官司，他的公司就会在美国社会这块拼布上撕开一个无法修补的口子。

相反，Wu 几乎是在悄无声息地打造 Cognition。其旗舰产品 Devin 是一名自主式 AI 软件工程师，运行在自己的机器上，能够接受编码任务、处理现有代码库、对自身工作进行测试和调试，并生成拉取请求供人工审查。若这听起来乏味得令人头脑发麻——而我往往也会同意——那么 Cognition 之所以也成为商业史上增长最快的企业之一，自有其原因：Devin 的使用量每八周翻一番，在上线服务后的前 18 个月里，收入运行率便达到 4.45 亿美元。事实上，这背后有四个原因。

首先，吴比大多数人更早预见到，AI 行业将趋向于那些能够全天候在后台运行的智能体，它们像同事一样接手交办任务，而非仅仅充当自动补全工具。其次，在普遍共识仍认为这类能力还要数年才能实现时，他已看出 GPT-4 时代的模型足够强大，能够开始构建这样的智能体。第三，当其他人心存怀疑时，他坚信 AI 智能体的产品市场契合度根本不是问题，因为全球每年已经在“肉身计算机”（人类软件工程师）身上花费数万亿美元。最后，他愿意尽早发布产品并承受由此带来的反弹。吴于 2024 年 3 月推出 Devin，当时其在 SWE-Bench 上的成绩为 13%（这是一项针对 AI 编程智能体的测验，用于衡量其能够独立修复的软件漏洞比例），并因此招致了激烈的公开批评；但他随后利用这一先发优势不断扩大领先地位，如今 Cognition 在相关基准测试中已达到原版 SWE-Bench 约 90%、SWE-Bench Pro 约 80%的水平。如今，Devin 已成为从美国陆军到高盛、Mercedes-Benz 等企业机构的首选智能体。 一年半前客户还为零的 Cognition，如今正以约250亿美元的估值进行融资。

当吴谈到自己的公司，以及更广义上的人工智能时，他想到的并不是把无产者嗖地变成极小的办公用品，而是“让每个人都能轻松构建出真正优秀的软件”。他的意思是，让车管所、国税局、医院、航空公司，以及你孩子小学的网站，都能像 Instagram 一样顺畅、直观地运转；以及其他诸如此类、他希望能帮助清除现代生活中那些令人抓狂的泥沼的东西。正如他喜欢说的那样：“这样我们就能不再活在 Minecraft 的生存模式里，而是开始活在 Minecraft 的创造模式里。”——这对一位 AI 大亨、极客之王来说，是一种令人耳目一新的正常想法。

那么，这会奏效吗？也许不会。也许 AI 是一个零和市场，而在 2023 年 11 月才创办一家智能体实验室，意味着 Wu 已经太晚了。也许这是一个竞争激烈的市场，但 Cognition 最终仍会被 OpenAI 的 Codex、Claude Code，或 xAI-Cursor 这头“鹰马兽”碾压。也许想靠一支由书呆子组成、没有“运动健将”的超级团队打赢这样一场战争，本身就不明智。也许 Devin 早期的评价不如现在那么好，这一点很重要。又或者这并不重要，但 Cognition 终究会像 Cursor 那样，放弃独立性。再或者，我们不过是在重谈非同质化代币，而这一切从一开始就无关紧要。

作为一名作家兼珍稀人类“蝴蝶”收藏者，我最近前往 Cognition 位于旧金山的总部，与 Wu 交谈。他递给我一个水獭毛绒玩偶——这是 Devin 的拟兽化形象（某种程度上是 dev-elop-in’ 的拼合词）。我提到，我进门时注意到，办公室的健身房里恰好没有一个员工在使用器械，也许是因为那里同时还被公司用来存放湿垃圾。对此，他回答说，他们把湿垃圾存放在健身房里，是因为他们是数学奥林匹克选手。

我把吃饭的家伙摆在桌上，等 Metronome 创始人兼首席执行官 Kevin Liu 先把一小盒他声称“会改变你人生”的草莓送到吴手里，然后才按下录音键。以下是那场对话的文字记录，时长约三小时。为方便阅读，内容经过编辑和删节。

火星人

Jeremy Stern：Scott，你是一位 AI 大亨，围绕你的种种传说让人觉得你更像计算机而不是血肉之躯，而且还是在沼泽里长大的。所以我们先从头说起。

Scott Wu：我父母都来自上海，他们在中国的文化大革命时期长大。有很长一段时间，中国那种能让人上大学的常规考试根本不举行。这种情况持续了大约 10 年。我父母都不幸处在那段时期，连初中和高中都没能上。后来有一段时间，考试又重新开放了。很自然地，结果就是积压了 10 年的学生去竞争同样数量的大学名额。由于他们之前几乎没怎么上过学，我母亲当时在一家纺织厂工作。他们白天工作，晚上为考试学习，最终都考上了大学。两人当学生时成绩都非常出色。

我父亲非常喜欢下围棋，他有一位经常一起下围棋的教授。后来，那位教授去了美国，写信给我父亲说，你应该来美国学习。这里要好得多，机会也多得多。他还帮助我父亲申请，打点了各种事情。于是我父亲去了美国，六个月后，我母亲也去了。两人都在 Colorado State 学习化学工程。

他们有没有谈到过文化冲击？

这对他们来说当然很不一样，但就住得起公寓、吃得上饭而言，一切都好太多了——而这些在当时的中国仍然是稀缺的。他们对此非常感激。我父亲一直说，他这一生做过的最正确决定，就是来到美国。我想这确实如此。

他们此前从未离开过中国。即便后来也是如此——我母亲几年前去世了，她这一生只去过中国和美国。我父亲也是，直到我去年带他去了日本。所以，这毫无疑问是一次巨大的文化冲击。

有很多细小的事情。当时的中国非常贫穷，他们为能成行攒了好几个月的钱。来到美国时，我父亲身上总共只有大约80美元。他跟我讲过这样一个故事：从机场出来后，他和其他研究生一起坐出租车，大家自然而然都凑了一点钱给小费。当他掏出一两美元作为小费时，突然意识到，那差不多就是他全部身家的3%。那一刻对他来说既震惊，又有些尴尬。

我们现在处于哪一年？

1989.

所以，在美国而不是在中国当学生，真是一个相当特殊的时期。我们后来怎么会来到巴吞鲁日的？那儿显然也谈不上是埃利斯岛式的移民经历。

他们两人都学的是化学工程，而很自然地，由于路易斯安那有大量石油和天然气产业，他们最后都在那里找到了工作。我父亲做的是空气质量许可方面的咨询工作，我母亲则在政府的环境质量部任职。我有一个哥哥，Neal，比我大四岁。我出生于 1996 年。那时我们已经有了一栋小房子。我们在巴吞鲁日郊区有一个相当体面的中产阶级家庭住宅。

我一直都和身边的人明显不太一样，他们大概都正常得多。课间大家会去踢足球之类的，但我从来都对这些不太感兴趣。我喜欢数学，而且一直都非常好胜。我记得自己大概三四岁时就在学乘法表了。最初学到的很多数学知识，某种程度上都是在家里自然而然接触到的。我哥哥比我大四岁，这对我也很有帮助。我们有很多相同的兴趣，而我也非常仰慕他，因为在路易斯安那州巴吞鲁日，像我们这样的人并不多。

我这么想也没什么特别的理由，但你当时被霸凌过吗？

当然，没错。我被霸凌得很厉害。我就是和别人很不一样。在开始通过比赛遇到和自己相似的人之前，我一直都相当孤僻。在巴吞鲁日我有几个关系亲近的朋友，但说实话，我更觉得自己其实是和全国各地、乃至世界各地那些参加数学和编程竞赛的孩子们一起长大的，因为他们显然和我更像。

我想聊聊那些比赛。但在此之前，除了在课间休息时挑战其他孩子背乘法表，你还通过什么方式表达自己对数学的热爱？

（笑）我哥哥上六年级时，我才上一年级。那时他开始接触这些初中数学竞赛。我自然而然也跟着参与进去，也想学数学。我的数学之路，真正就是从那时开始的。

我当时在我们当地公立学校 Buchanan Elementary 的天才课程班就读，旁边还有一所叫 McKinley 的初中和高中。我从三年级开始就在那边上高中数学课。有几年时间，每天都会有一位教师从小学过来，带我走到 McKinley；到了五年级，我就开始自己走过去了。那里的学区体系有一点特别好，就是他们在帮我想办法把这件事安排妥当方面，非常愿意配合。

我想大概是在四年级的时候，哥哥教我编程。我总是在电脑上的模拟器里玩《Pokémon》，也正是这样，我学会了更多编程。我还玩《Tetris》。还有一种叫“24 点”的纸牌游戏。诸如此类的各种小游戏，都是逻辑、解谜或策略类的，你可以计算各种可能的选择。这些一直都是我最大的爱好。

我父母确实相当督促我去学习和练习，但很快我就到了那种自己发自内心想去做的阶段。我完全是靠自驱力在前进。如果你对这件事没有极深的兴趣，是很难做到的。我一直都喜欢数学，因为它实在太优美了。不过，父母的推动也确实很有帮助。

一个年幼的孩子会如何体会“优美”？

我记得我爸爸给我讲解二次公式。他在一张纸上写给我看：你有 Ax² + Bx + C = 0。接下来是这样做的：先把 A 除出去，然后配方，解这个方程，最后你会发现结果是负 B 加减某个东西。我当时特别喜欢这个过程。我一直都很喜欢逻辑，也喜欢把事情一步步推演到其自然的结论。数学最酷的地方在于，如果你对这些东西理解得足够深，它们最终都会在逻辑上自洽，讲得通。而且，我在这方面也确实很擅长，所以能赢别人，而我显然很喜欢赢别人。

你说“显然”，可这种特质是从哪里来的？

我依然是最强的那个，但我父母和我哥哥也都属于竞争力排在前1%的人。要我猜的话，也许我妈妈其实是我们当中最强的。

人们常说，父母总爱拿你和别人家的孩子比较——比如，“谁谁家的孩子做得更好。” 但我妈妈总是反过来说——比如，“那个聪明孩子其实也没那么厉害。某某家的孩子进了 Princeton，也没什么了不起的。” 她一直非常坚定地灌输给我一种观念：你有潜力成为最好的。她从来不会说，“这些人都太厉害了，你应该向他们学习。” 她更多是在说，“他们能做到的事，你也都能做到。”

书呆子奥林匹克

好，那么 James Jordan 在 Wilmington 家里的后院装起了篮球架。Michael 最先热爱的是棒球，但后来开始在院子里和他崇拜、却也一心想击败的哥哥 Larry 一对一打篮球。接着，人生中改变一切的转折点出现了：Michael 原以为自己能进入校队，结果参加选拔后却落选了。跟我讲讲那段经历。

（笑）我不确定我是否接受这个前提。史上最优秀的竞技编程选手是 Gennady Korotkevich，他现在就在这里[在 Cognition]工作。

当然，但像迈克那样，可不只是冠军戒指。这还包括价值数十亿美元的球鞋生意，把每一句陈词滥调都变成一场竞争游戏的本事，还有那种光芒四射的笑容，以及那位火辣的古巴妻子。顺便说一句，我觉得她曾是 Alexander Wang 的缪斯。另一个 Alexander Wang。

好吧。我参加的第一次数学竞赛是在 Baton Rouge 的 Southern University。那次比赛是面向初中生和高中生举办的——六年级考六年级数学，七年级考七年级数学，依此类推。而当时我才上二年级，却报名参加了七年级数学组。到了颁奖典礼上，他们一个个念名字，我一直以为某个时刻会听到我的名字。结果一直没有。我当时气坏了。真的就是……天啊。我到现在还记得这件事。我当时就是特别、特别、特别生气。那是我最早的记忆之一。

同一项比赛，我三年级时又去参加了，那时我已经在学 Algebra 1。我参加的是九年级组，我记得自己拿了满分，得了第一。从很小的时候起，我就一直想击败所有人。他们比我年长这件事，对我来说并不重要。

正如我们刚才所说，你曾遭受霸凌。

我二年级时确实没什么朋友。但大概到六年级、中学的时候，这种情况就开始了。中学里有一项叫 MathCounts 的比赛。学校里最优秀的孩子会去参加市级比赛，市里的佼佼者进入州赛，州赛再通往全国赛。他们会把所有人都送到 Disney World，进行为期三到四天的行程。比赛从上午一场大型笔试开始——所有人都在一个巨大的房间里参加测验。随后，成绩最好的 12 个孩子会被选入所谓的“倒计时回合”，也就是一对一对决。

这就是你和那个可怜女孩的爆红视频 。

没错。所以我参加了全国赛，并在那里认识了很多其他孩子，我们后来一直通过 Google Hangouts 保持联系。这种联系在高中阶段也延续了下来。对于数学和编程方面的尖子学生来说，会有一些夏令营。那些人中有很多都成了我最亲密的朋友。我和他们中的许多人一起创办了 Cognition。

他们中的大多数，正如你想象的那样，来自 Cupertino，或者华盛顿特区周边地区，上的是 Thomas Jefferson，或者在纽约上 Stuyvesant。我来自 Louisiana，但我仍然觉得自己和他们更为相似。我们一直关系非常紧密。我就是这样认识了 Jesse Zhang、Johnny Ho、Hyperliquid 的 Jeffrey Yan，以及 Scale 的 Alexandr Wang。Jeff 是我高中和学院时期最好的朋友之一。Alexandr 则像是我中学时最好的朋友。他来自 New Mexico，从某种意义上说，我们有点相似。

你为什么从棒球转向篮球？

我一直同时参加数学和编程锦标赛，但我更擅长编程。我更喜欢编程竞赛，原因有几个。实际涉及的题目方向更对我的胃口。在数学方面，我非常擅长概率、组合学、计数问题，基本上和策略游戏中的很多东西一样：计算不同的选项，理解什么会导向什么。相比之下，像几何这样的内容，我虽然也还可以，但没那么喜欢。编程在所有题目上都更像组合学。

还有就是……数学里有一大堆术语。比如，哦，这里要用帕斯卡原理，那里要用婆罗摩笈多定理，诸如此类。挺有意思的是，对我来说一直比较一致的一点是，我从来没去记这些东西的名字。我一直都是凭直觉去理解——比如，这件事既然成立，那就必然会推出那件事。我常常不知道一个东西叫什么，或者它对应的是哪条定理。它更像是某种更广泛、更普遍真理下的一个具体情形。

这事其实昨天才刚发生。我们当时有一场关于量化感知训练的研究演示，他们在讲那些术语时，我说：“不好意思，我不知道这些术语是什么意思。但你们讲的不就是先这样再那样的那部分，对吧？”我想我一直都是用更偏直觉的方式去理解事物。我觉得这多少有点不太寻常。

而编程显而易见的一点在于，它具有极强的实践性。我记得自己曾为 MathCounts 全国竞赛备战，还专门给自己做了一个程序，不断给我推送各种心算题。我会玩自己设计的这个游戏，并用它来训练。意识到自己真的可以动手去构建一些东西，那种感觉非常令人满足。

所以你三次拿下 IOI 金牌，成了年轻人的教练和导师，还拥有一个由数学和编程天才组成的分布式朋友圈，然后据我了解，你高中没读完就退学了。这合法吗？

严格来说我是毕业了，但我在高中大三后就离开了。加利福尼亚州的童工法规定，除非你年满 18 岁，或者拥有高中文凭，否则不能在州内从事全职工作。我意识到，因为我想在湾区工作，所以我基本上弄清楚了自己必须做些什么才能拿到文凭。后来我也确实做到了。

新布达佩斯

这里有一个问题：为什么 20 世纪许多最伟大的数学家和物理学家——那些后来在 Los Alamos 或 Met Lab 共事，或者提出了支撑现代数学、物理学和经济学的模型的人——几乎全都是 1900 年前后出生于布达佩斯及其周边的匈牙利犹太中产阶级。我想，给他们统称为“火星人”的是 Szilard。

理查德·罗兹在他那本关于原子弹的著作中推测，答案大致是这样：迅速现代化的布达佩斯，再加上已经同化却仍被旧有身份体系排斥在外的犹太资产阶级，再加上优质的学校和数学竞赛，再加上一种重视智识卓越的文化，再加上被迫迁往德国、随后再到美国，再加上战时的科学机遇。这个答案几乎可以说是你能想象到的最不令人满意的一种，但我猜它或许是准确的。

既然我刚刚把你比作“His Airness”，我就不打算再把你和你的朋友们比作“火星人”了，至少不会当着你的面这么说。但我确实想知道，究竟是什么造就了这样一个创业者群体：一起参加 MathCounts 和 IOI，在 Google Hangouts 上保持联系，随后从哈佛退学并进入量化公司接受训练，接着又抓住了 LLM 带来的机会冲击；而这些人全都是华裔美国人，且大多出生于千禧年前后。

我也常想这个问题。首先，我认为我们非常幸运。对我们所有人来说，最酷的一件事之一，就是能够身处 AGI 黎明到来的时刻。我认为，这或许真的是整个人类历史上最具变革性的事件。当然，至少对我们这一代人而言是如此。

我有几点想法。我觉得其中一点是，几乎所有事情发展到某个阶段，基本都会变成“Moneyball”。在扑克领域，20 世纪 70、80 和 90 年代，你会看到很多非常原始、粗粝的人物，有点像好莱坞套路里那种背负坎坷过去的角色。他们凭借对这项游戏极其深刻的直觉来打牌。他们当然也会从分析的角度去思考，但不会整天像书呆子那样钻研概率。可随着时间推移，扑克最终演变出的很大一部分其实恰恰就是这个：大量数学，而如今很多最顶尖的扑克玩家，本质上也都是数学书呆子。国际象棋也是如此，很多这类游戏也都是一样。

我某种程度上觉得，创办初创公司的发展轨迹也很相似。过去曾有一种史蒂夫·乔布斯式的人物画像。但现在我认为，尤其是 AI，在某种程度上还有加密货币，确实催生了这种非常技术型的人物画像。人们谈到 AI 领域那些大公司时，其中有很多都是由一个相当相似的圈子里的人在掌舵。OpenAI 就是一个例子。比如 Greg Brockman，他比我年长，但参加过完全相同的那些竞赛。他曾是全美数学前 24 名，还入选过美国化学队，并在国际化学奥林匹克竞赛中获得银牌。领导 OpenAI 研究团队的 Mark Chen，我们曾一起担任美国 IOI 队的教练。Jakub [Pachoki]，也就是他们的首席科学家，我过去经常和他同场竞技。他来自波兰，但我们参加的是同样的国际竞赛。Anthropic 的 Dario 曾是美国物理队成员。

长话短说：第一，显然有一种深层的分析能力是一脉相承的。第二，尤其是在人工智能领域，拥有非常强的技术背景，无论好坏，事实证明都极其有价值，因为你要解决的问题本质上都高度技术化。但对我们这一代人来说，还有一种会相互感染的因素。对此，我很大程度上要把功劳归于 Alexandr [Wang]，因为他确实是我们这群人里第一个说“好，我要去创办一家公司”的人。由于我们彼此关系都非常紧密、互相熟识，这很大程度上就变成了一种“我们都该去做这件事”的氛围。Alexandr 和我在中学时有一份文档，我到现在都还记得，里面写的是各种创业点子。我敢肯定那些点子都非常糟糕，但我们那时就已经在想，总有一天应该创办一家公司。

好，这就解释了时机因素和智商因素。并不是技术史上的每个时期都如此“智商至上”；AI 似乎有某种特殊之处，许多在 AI 领域取得重要突破的人，比如 Noam Shazeer，同时也是数学奥林匹克竞赛冠军。也许智商因素还解释了那种第一性原理的推理能力，比如能把问题沿着决策树看得更深更远，判断模型会提升到什么程度、不会提升到什么程度，扩展法则和 RL（强化学习）将如何发挥作用，数据和算力会发生什么，等等。这一点我明白。

但这仍然无法解释另一部分，也就是你还必须是一位领导者。你必须能够吸引其他非常聪明的人。在一群“布偶”同台的舞台上，你必须明显是那个主角布偶。合影时，你看起来都得像是被打了不一样的光。你必须具备产品直觉和人际交往能力。如果每年大概有25个这样的金牌得主之类的人，再假设这一点在10年时间里都成立，那么说到底，全球数十亿人口中，最多也不过只有几百人的候选池。而其中绝大多数人，别说具备几种创业者的能量，连其中任何一种都没有。

这就是为什么我仍然对其中“华裔美国人”这一点感到好奇，因为直到最近，这都还不是一种常态。我尽量想避开那个显而易见的答案，不过我会拐弯抹角地把它类比成犹太人与 Hollywood，或者银行业的关系。

感觉你这是在给我下套，好让我显得像个自鸣得意的混蛋。

那是我的问题，不是你的。我保证，没人会把这一点搞混。

我想，我对此的看法是，在我们这个领域里，真正重要的两种特质是智力和饥饿感。你刚才提到的其他那些东西，其实都是竞争社群所筛选出的这两个根本特质的下游产物：一是你非常聪明，二是你有股不服输的狠劲，想把所有人都比下去。如果你足够聪明，能不断分析、调整、反思自己哪里做错了，并在下一次做得更好；同时你又有足够强的动力，年复一年、日复一日地不停这么做，我觉得通常你在这些其他衍生出来的方面也都能变得相当出色。

至于华裔美国人这一点，就像我之前提到的，那种影响力本身是会传染的。我们都非常、非常幸运，能够拥有彼此。很多人并没有意识到，创业其实也是他们可以选择的一条路。我只是觉得，我们很幸运能够一起经历这一切，看着彼此绽放。

荒野岁月

我把话题带偏了，我们加快一点。你17岁去加州，那是哪一年？

2014.

好，所以按照加州法律，你当时算是童工，但你设法拿到了一张文凭，获得了豁免，因此 Addepar 得以雇用你。你在那里做了一阵子，随后又和其他“火星人”一起去了 HRT [Hudson River Trading] 做事 ，接着去了哈佛又退学，创办了 LunchClub，然后是 Cognition。在那将近十年的经历里，最令你印象深刻的是什么？

是的。我是通过 Johnny [Ho]认识 Vlad [Novakovski]的。Vlad 当时是 Addepar 的工程副总裁。我在那里担任软件工程师，主要做性能工程和优化。Addepar 有很多面向客户、财富管理公司的金融分析计算需要完成。我做的很多工作，本质上就是让这些计算跑得非常快。在那里工作一年多的时间里，其中一些特定模块的速度提升了大约 100 倍。我也花了很多时间做招聘，我想那一年我可能是公司排名第二或第三多的面试官，还会去 MIT 校园参加活动之类的。所有应聘者都比我年长，但我就是在向他们解释，各位，你们得来 Addepar 工作，原因就在这里。

那时你的商业嗅觉如何？

为零。我人生中太多时间都花在数学和编程上。我会做东西，但要说理解这个世界是如何运转的，我此前几乎没有接触过。一切都得从头学起。

后来我离开了 Addepar，去了 Harvard 待了大约两年。我学的是经济学专业，这事说起来还挺好笑的。其实我大概知道自己不会毕业。我上了写作课、公共演讲课、哲学课，还有一门计算机科学课。但我其实并不在乎学校学习这部分。Harvard 总会在期末考试前安排一个“阅读周”，大概就是大家赶论文、复习备考的一周。我完全不在乎这些。那一整周我都只是在和不同的人一起消磨时间。他们当中很多人整个星期都在学习，几乎不见别人。对他们中的不少人来说，我是他们学习间隙唯一的放松。

后来我退学了，搬到旧金山，和 Vlad 一起创办 LunchClub。那是 2017 年夏天。我们完成了种子前轮融资，加入了 SPC（South Park Commons）孵化器的第一期，并在那里办公。最初的想法叫 Elliot Technologies——这是一款用于安排日程、判断你应该和谁叙旧联络的应用。随着时间推移，我们进行了许多渐进式转向。它不再只是服务于个人叙旧，而是更偏向职业场景；也不再只是安排日程，而是帮助你判断应该去认识哪些新的人。事情就是这样逐渐变成了 LunchClub，这是一段很有意思的经历。我们一起运营那家公司大约五年，促成了数百万次会面，招聘了大约 30 名员工。有一群细分用户非常喜欢 LunchClub，也很享受参与这些会面。

之后发生了各种各样的事情。显然有新冠疫情，这对一款主打线下见面的产品来说很有意思。而且在某个阶段，增长和变现也变得很困难。我妈妈在 2020 年也开始病得很重。我于 2022 年 6 月离开了 LunchClub。

她什么时候去世的？

2023年10月。

当我向别人问起你时，除了竞赛、纸牌魔术和 Cognition 之外，这往往是他们第一个提到的事情。

她被诊断出患有第四期肺癌。她接受了一种靶向药物治疗，并服用了几年。后来又出现了其他并发症和一些别的问题。

不过，人们提起的不只是她去世这件事，而是你搬回家照顾她。你护理了她。

这大概……是我人生中更重大的事件之一。[停顿]

抱歉。[停顿]

我后来搬到了路易斯安那州，在那里度过了疫情的大部分时间，陪着她。我在家待了一年多。从这个意义上说，COVID 说实话…… 对我和我哥哥来说是很大的恩赐，因为那段时间我们得以陪伴父母。

到了2021年，随着各地开始重新开放，我开始把更多时间花在别的地方。我在迈阿密待过一段时间，后来又去了纽约。再到2023年前后，我母亲的病情开始明显加重，我就又回家了。

总体来说，那是一段很特别的时期。对我而言，其中很大一部分是在弄清楚自己想从人生中得到什么。我创办过第一家公司，结果还算可以，但谈不上大获成功。我也曾停下来，去探索各种其他想法。与此同时，我还在照顾母亲。经历这一切是一次非常情绪化的体验。但那也是一个很有意思的阶段，让我去思考自己真正看重什么、在乎什么，以及什么才是我愿意作为毕生事业去投入的东西。

你都探索过哪些想法？

我和 Steven [Hao]、Andrew [He] 一起折腾了很多东西，也借此了解这个世界。加密领域里有一些很有意思的东西，我们也在学习市场。围绕安全也有一些值得探索的内容，比如学习零知识证明。后来，ChatGPT 在 2022 年 11 月问世。到了那年下半年，我们花了很多时间，很自然地更深入研究 AI，并认真思考这项技术接下来会走向何方。但我觉得那段时间几乎像是一次休假，因为我也花了很多时间陪伴母亲。

我母亲于 2023 年 10 月 6 日去世。我们在 11 月创办了 Cognition。

COGNITION

一方面，纵观你的一生，训练我们未来的 AI 霸主如何编程，似乎就是你来到这个世界上该做的事。另一方面，这一切看起来又相当偶然。我想在某种程度上，我们每个人都是如此，但你是如何调和这种感觉的？

我可以讲一个事后看起来像是一切皆有安排的版本，但我不认为那完全是真相。实际情况是，当时我们正在探索生成式 AI。ChatGPT 刚推出不久，所有人都在谈论各种不同的应用。当时，大多数人关心的还是文本补全——最自然的心理模型是，这个东西在整个互联网上接受训练，因此理应补全一个人在互联网上会说的话。ChatGPT 只是一个问答界面，就像这样。

你怎么敢这么说。

但很自然，从一开始我们就对编程极其感兴趣，因为我们都是程序员。而教会 AI 写代码，几乎是你能尝试去做的最酷的事情。到 2023 年底，有一个时间点，人们开始真正意识到强化学习正在奏效。我认为那实际上标志着生成式 AI 第二时代的开始。ChatGPT 是第一时代，但相对更基础一些。

除了认识很多在实验室里工作的人之外，你怎么判断强化学习确实在起作用？

这是一方面，但我也一直紧跟研究进展，你能从研究论文中看出来。这是 AI 领域一个很有意思的现象。人们过去会公布他们所有的结果，但到了 2022 年 11 月，这种情况立刻停止了，因为他们意识到这可能具有相当高的商业价值。不过，你仍然可以看到一些已经完成的工作，比如用数学题、代码等内容来训练模型。

当时有一些相当有意思的论文。简单来说，合乎逻辑的下一步其实某种程度上是显而易见的，但这一步并没有被发表出来。我们开始与一些人交流，了解更多情况，以弄清楚这一点。后来我们逐渐形成这样的判断：好吧，AI 将在这类逻辑推理上变得极其擅长。那么接下来会发生什么？这就是 Cognition 的种子。

不过，真正的启动点是在 2023 年 11 月 17 日，也就是 Sam [Altman] 被解职的那一天。

为什么那件事会带来变化？

那天我正在纽约和几个人一起吃午饭。我当时在推介这样一个想法：推理能力正在迅速提升，强化学习开始奏效，现在可能正是创办一家新实验室的合适时机。那时候，这还非常偏研究导向——我们当时还没有对产品或商业模式形成明确立场。

那天下午，Sam 被解雇了。很自然地，我们的反应就是，好吧。如果说有什么时候该动手去做，那大概就是现在。我们本来就已经计划好了，也很可能无论如何都会去做。但这成了一个很好的推动力，一个不错的外部促动因素，迫使我们尽可能快地行动起来，并真正严肃对待这件事。而这有时正是创业公司所需要的——那个真正下定决心的时刻，告诉自己：好吧，我们都创过业，都当过创始人，但这一次不一样。这一个，才是人生中最重要的一次。

于是我们飞去了湾区，组织了一个黑客之家。我们给认识的、在 AI 领域工作的一群人发邮件、发消息。我们说，嘿，我们正在筹这件事，来跟我们一起黑吧，一起探索，看看最终能做出什么。我们就在加利福尼亚州 Burlingame 搞了那栋房子。

Burlingame 这个地名，来自亚伯拉罕·林肯派驻中国的大使；正是他谈判达成了一项条约，取消了对中国人移民美国的限制。

对，挺有意思的。我们这里有一间会议室，到现在还是以那栋房子的地址命名的。所以我们那样干了大概两周。那时正好是感恩节假期。我原本打算和父亲一起过感恩节，那是我母亲去世后仅仅几周。但我当时想，我现在必须去做这件事。我们一定要把它做成。于是我取消了原本的安排。结果那个感恩节和朋友们一起写代码、搞开发，感觉也很好。

后来我们在 12 月又办了一个 hacker house。我们基本上就一直这么干下去，直到真正成立公司。实际上，甚至在公司真正成立之后很久，我们也还在继续。我们一直用着那栋房子，直到今年 1 月。

你是在什么时候决定 Devin 会以何种形式呈现的？

我们一直把它视为一种同事形态。显然，AI 同事和人类同事之间有一些不同之处。但即便是在两年前——可以说我们当时对这个概念的提出还太早——这始终是我们的看法。它会是一个完整的智能体，会有自己的机器，会去独立完成自己的工作，会在同样的所有系统中运作，会出现在你的 Slack 里、出现在你的 Jira 里，或者其他任何系统中，就那样与你一起工作。

甚至从名字上也能看出来——我们之所以决定叫它 Devin，而不是把它命名成某种工具，是有原因的。我们一直把它视为一个能够出去做事的独立存在。随着事情的发展，我会说，这一点对我们来说体现得越来越明显。两年前，这更多还只是一种愿景；在日常使用中，你显然仍然需要对 Devin 进行大量手把手的引导。而现在，说实话，我们已经到了这样一个阶段：你真的可以把它当作同事来协作。一个具体的例子是，到目前为止，我们相当一部分 Devin 会话——或者说，我们客户运行的所有 Devin 会话中的相当一部分——已经不再由人类发起，而是自动运行的。

会出现一些特定的触发因素，或者有一些处于循环运行中的 Devin，会去寻找某些行为模式，或是在产品中发现一些看起来不对劲的地方，然后着手修复这些问题。但 Devin 不仅能够完成你交给它们的任务，它们实际上还会主动出去发现值得去做的任务。

你如何判断一个智能体或模型是在现实中变得更强、更有用，而不只是针对评测和基准进行了优化——毕竟一旦模型足够聪明，懂得“钻空子”，这些评测和基准就会趋于饱和。说到底，我们都见过那种判断力极差、能力平庸，却依然能在 SAT 上拿高分的人。作为一名擅长应试的人，你大概也思考过这个问题。

一旦语言模型开始在 AMC（American Mathematics Competition，美国数学竞赛）上击败我们，其余的事情某种程度上就显而易见了。AMC 是一项难度极高的高中数学竞赛。正如你所说，在沙盒环境中运作，与真正走向现实世界之间，显然存在巨大的差别。

不过，我更少把它看作一种直接应用，而更多把它视为一种关于“哪些事情是可能的”的概念验证。要解决其中一些真正困难的问题，你需要培养大量基础性的逻辑推理能力、大量创造力，以及将非常、非常长的推理链条串联起来并确保它们彼此严丝合缝的能力。既然我们已经知道，模型在有足够强化学习和合适训练数据的情况下能够做到这一点，这就相当清楚地表明，许多实际任务是可以完成的。

这最早大约发生在2024年初，当时模型开始擅长处理这类数学问题。在过去两年里，你基本上看到同样的技术被广泛应用。我想特别指出一点：我并不认为过去两年里，在注意力规模、甚至强化学习本身方面，出现了什么巨大的突破。恰恰相反，过去两年里真正发生的是另外几件事。

其一只是规模：更多算力、更多数据。但除此之外，很大一部分实际上在于弄清楚如何解决世界各地人们每天面对的实际问题，弄清楚如何依据这些标准来训练模型，帮助模型理解对某项具体任务来说什么是好、什么是不好，然后将其部署到现实世界中，打造真正能达到这一目标的产品体验。实际上，正是过去两年里这些杂乱而务实的工作，推动了 AI 使用的爆发式增长，也带来了人们从 AI 中获得的价值。这一点甚至超过了任何纯研究技术层面的突破。

模型的智能什么时候才不会这么参差不齐？它们什么时候才不会犯那些特别愚蠢的错误？

或许可以这样说：我认为它们始终都会是参差不齐的，但会存在一个层级，使这种参差不齐与人类发生交汇。这很合理，因为如果你去问人类被训练去做什么，那会非常不同，自然也就应当预期会因此出现不同的能力。也许最明显的例子，就是在物理世界中工作，与从事知识工作和思考之间的差别。

模型是在互联网上现有的所有 token 上训练出来的，当然，它们会先更擅长知识型工作，这很合理。相比之下，人类最先要学会的是走路和说话，而且我们更多的神经元也是用来处理这类问题的。所以我认为，这种参差不齐的能力表现将始终存在。一个有意思的问题是，模型相对于人类而言或许仍然会呈现出这种“锯齿状”特征，但在各种人类已接近完美掌握的能力上，模型是否仍能做到同样出色，甚至略胜一筹。我们在这方面已经接近理论极限了；而在另一些人类天生根本不适合做的事情上，经过优化和训练、专为此设计的计算机则会表现得非常出色。

说来也有趣，就编程和数学而言……从某种意义上说，人类居然能解数学题本身就是件令人惊叹的事。我不知道穴居人时代的生存经验里，究竟是哪一部分教会了我们数学很重要。但这种能力确实存在。从这个角度看，那些真正专注于编程的模型——而编程本质上就是与电脑对话、告诉它该做什么的艺术——经过训练后在这方面做得比人类更好，也许并没有那么令人意外。从这个视角看，这恰好成为第一个伟大的 AI 应用场景，也并不算离奇。但我想说的是：这几乎更多说明的是人类智能，而不是计算机智能。

我听到人们谈论，整个行业最终都会走向融合，也就是说，模型公司会进入应用层，而应用层也会开始构建前沿模型。是什么阻止你们成为一家模型公司？

我认为，对一家公司来说，聚焦非常重要。你可以有不同的职能、不同的垂直领域。但我认为，你只能有一个目标。你不能一边想做这个、做那个，一边又试图解决某个基础研究难题。如果你问 Cognition 唯一的目标是什么，我会说，是让世界上每个人构建软件都变得容易得多。这就是我们所追求的目标，而我认为这与基础实验室的目标不同。

为了实现这个目标，我们既需要做模型训练方面的工作，也需要做产品方面的工作。但这才是我们最根本的目标。我认为，一家公司的 DNA 在某种程度上是相当刚性的，比人们通常预期的更甚。使命会随着时间推移而变化，但变化幅度没有你想的那么大。到了某个阶段，公司里的每个人其实都只在思考一件事：你服务的顾客、你打造的产品、你所采用的商业模式。这一切都根植于同一件事。

所以，是的，我认为正如你所说，双方都会继续发展并向外延展。但像我们这样的公司，其核心基因是真正致力于把 AI 编码的益处带给全球用户，这将与一家更专注于推进研究本身前沿的公司有相当大的不同。

你们会走 Cursor 那条路线吗？

我们非常喜欢当“瑞士”。原因有几个。首先，我们认为自己是在打造必要的基础设施，成为企业可以信赖的合作伙伴，帮助它们弄清楚如何大幅提速、交付更多成果。所以坦率地说，保持中立有很大价值。你多少能从 Databricks 和各大云厂商的关系中看到这一点，但在这里我认为情况要更加极端，因为把我们的信任绑定在某一个特定模型上，会是一件很可怕的事。没人知道 12 个月后谁会拥有最好的模型。因此，我认为，通过与各种不同模型合作，并在各自最适合特定使用场景时加以使用，我们就能迅速适应变化，并帮助合作伙伴理解他们应当如何在实际工作中使用不同模型。我认为这非常重要。

除此之外，我还想指出，眼下科技行业里确实存在这样一种讨论：既然如此，为什么还要创办任何新东西？现在真的还是从零开始构建某样事物的时候吗？仿佛公司只能有那么多家，因为现有企业会把一切都吞噬掉。硅谷如今对是否还有可能从零开始打造真正有意义的新事物，弥漫着一种过了头的犬儒主义，而我认为这完全是误导。因此，我们也同样享受这样一种挑战与雄心：大家聚在一个房间里，亲手做出伟大的东西。这样做只是更有趣。

最后一问

在 AGI 时代，人类的天才会呈现何种模样？

我认为，对所有从事 AI 的人来说，最大的指导原则之一就是人类大脑的存在。我们并不了解人类大脑的一切，但我认为我们已经足够了解它，从而可以说，归根结底它不过是由电路构成的——本质上就是一台由血肉组成的电脑。显然，这背后还有大量细节，以及许多关于它如何演化至此的有趣问题。但在 AI 领域，我们的电路就直接被称为“神经网络”，因为这个名字正是源于大脑中的神经元。

从人类大脑的连接方式中可以看出，它们能够学习并解决一些极其困难的问题。接下来的认识是，只要有足够的时间、足够的规模和足够的能量，我们就应该能够制造出以与人类大脑大致相同方式运作的电子大脑，只不过我们可以制造更多，或者加入更多电路。人们往往会问，人类始终能够做到而 AI 做不到的事情究竟是什么？这多少有点好笑，因为过去几年里，人们此前提出的八种答案，后来都已被证明是错的。

我记得以前人们常说，当然，也许电脑能下国际象棋，但下不了围棋——电脑永远不可能会下围棋，因为这需要某种深层直觉和对世界的深刻理解，而这是电脑根本无法把握的。显然，事实并非如此。解答数学题、编写代码、获取新颖信息并证明新定理也是一样。AI 在这些方面都已经越过了那些门槛。至于你问人类心智将扮演什么角色，我不认为从足够长远来看，会存在某一种能力是 AI 永远无法做到、而人类能够做到的。

不过，我认为人类体验本身具有大量内在价值。我的联合创始人 Walden 说：“我们一直生活在《Minecraft》的生存模式中，而现在我们将生活在创造模式中。” 我认为这话没错。我们都有欲望，都有想要构建的事物、表达自我的方式，以及让我们感受到快乐和意义的途径。我们仍然会想去做这些事情。而现在，我们将拥有与我们并肩的 AI，去解决那些极其艰难而强大的问题。

但人类事实上并不是由血肉构成的计算机。我们拥有诸如尊严这样的东西，而按照我们共同所属的传统，尊严被平等地赋予每一个人，不论其能力如何，因此并不存在被“超越竞争”的问题。我们由特定的父母在特定的时间降生于特定的地方，被赋予名字。我们来自某个地方。我们在很大程度上由自己的记忆塑造而成，而这些记忆并非出于我们的选择；它们塑造了我们对意识理解中的核心部分，比如“家”这一观念。

如果这一切都只是可复制的电路，那么所谓“内在价值”，难道不只是一剂镇静剂吗？或者说，是一种逃避吗？

我们刚才谈到的那一版，更多是人工智能最终会走向何处的长期终局。就短期和中期而言，AGI 并不是真正意义上的二元状态——它更像是一个不断攀升的过程。在接下来一段时间里，它会以渐进式的方式前进：它能做所有这些事，但还做不了那件事 。然后我们再把那一个问题解决掉。基于这些原因，我认为，很多高语境、通用型的任务——你必须对全球范围内正在发生的事情有大量了解，吸收海量不同的信息，并得出正确的直觉性判断——在中期内，人类仍然占优。随着时间推移，如果 AI 拥有与人类相同的语境信息，并围绕相同的目标开展工作，那么它最终也应该能够达到那一步。

现在，我认为，无论是我还是任何一个人类，所拥有的最大优势之一，就是我们都可以调动极其丰富的软性语境信息。如果我去想 Cognition 每天在做的工作，或者任何一家公司的工作，其中有太多内容并不只是从零开始解决一个基础逻辑问题。就纯粹的逻辑能力而言，AI 在其中大部分方面基本已经和任何人类一样出色。

另一方面，如果我去想我们每天做出的所有细小决定，或者我们选择做事方式所遵循的原则，或者那些历史背景——“这就是我们最初为何以这种方式来构建系统，但自从这项新技术出现后，我们决定转向另一个框架”，又或者“这就是我们在 Cognition 内部具体如何做事，而这与大多数其他公司不同”——所有这些方面，正是人类在处理上下文、进行信息检索以及获取所有这些知识方面的能力，真正、真正强大的体现。

我有点喜欢说，检索是我们真正做得最好的事情之一，这其实也呼应了你关于记忆的观点。如果把模型和人脑相比，模型有上下文窗口，有它能够看到和读取的 token，有它可以调用的工具，而这些工具里或许就包括检索。我们的上下文窗口可差得多了。我常拿这个开玩笑：你设置双因素认证时用的六位数验证码，如果变成十位数，我都不知道我们人类还能不能应付。这就说明我们的上下文窗口有多短。

但另一方面，人类又有一种非常美妙的能力：你调出一份代码文件，突然之间记忆就被唤醒了——哦，对，四个月前我在做这个，当时我们碰到了这个 bug，后来事情是这样发展的。而这恰恰就是你完成这个特定任务所需要知道的信息——

这就像程序员极客版的“蘸了茶的玛德琳蛋糕”。

——或者你在和别人聊天时，会突然想起来：哦对，你不是七个月前提过这个吗？这和原始上下文是不同的。那是一种对我们所经历之事中所有隐性语境的持续积累与理解。我认为，这是当下人类相对于 AI 最大的优势。

如今，围绕这一问题，AI 领域的研究者正在攻关几类问题。其中之一是嵌入式搜索，这在某种程度上是最直接的对应：面对一个囊括过往全部对话、各种代码文件或任何你可能检索的数据的大型数据库，如何精确找出与你当下搜索内容相关的部分？

但另一个也在积极推进中的方向，是这个领域大多数人所说的持续学习。它的意思是——我认为这与人类思维的运作方式更为相近——AI 如何根据自己学到的内容更新自身权重。这里有一个大致的理念：一起激活的神经元会建立连接；你希望 AI 在不断运行、进行这些对话的过程中，也能更新它自身的权重。理论上，这应当能让它在下一次需要时进行回忆。这些都是当前仍在积极探索的话题。我认为，未来某个时间点——或许不会太久——AI 将能够做到这一点。但就目前而言，人类在这方面也仍然占优。

从某种意义上说，解决 AI 问题确实意味着解决认知问题。这真的是一件让人脑中反复思索仍觉疯狂的事，因为在人类历史上的绝大多数时间里，我们始终生活在这样一个事实之中：我们或许可以把这件事或那件事加速，但最终仍然需要有人类亲自去解决问题本身，并弄清楚该怎么做。仍然需要有人去发明那个新事物。

直到现在，我们一直认为，人之所以为人最核心的部分，就是思考和解决全新问题的能力。而这种变化并不意味着它一定是坏事——我认为，拥有能够在这方面帮助我们的 AI，将会是一件非常好的事。用更诗意的说法来讲，AI 是一根杠杆，它将确保我们的梦想不必永远只是梦想。但正如你所说，现在也确实到了重新思考、重新聚焦“究竟是什么让我们成为人类”的时候。

那么，究竟是什么让我们成为人类？

我会这样打个比方。如果你想想我们几百年乃至几千年前的所有祖先——他们会怎么看待我们？他们看到我们在电脑上按几个按钮，然后走进一个房间，和其他人聊聊天，我们就把这叫作开会，这就是我们所说的工作。与此同时，他们却要一周七天都在田里劳作，确保自己有足够的食物果腹。

把我们带到今天的变化，归根结底在于我们找到了自动化原始体力的方法，这意味着人类得以从事主要依赖自身知识与思考的工作。用一句话概括，这就是过去 200 年为人类带来的改变。而现在，我们所面对的是即将攻克原始脑力。那会带来什么？举些听上去有些荒诞的例子：你想要一张营养完美、又美味可口的披萨？你想要一辆 Ferrari？想要把篮球扣进篮筐？那么现在，你都可以做到。

更严肃地说，我认为这种从生存模式转向创造模式的变化才是正确的方向。这不会发生在未来两年或四年内，但它正在到来。到了某个时候，真正限制你的只会是你的想象力，以及你对于想如何度过人生所拥有的想法——而那将是一种截然不同的生活。就你这个问题而言，我认为其中很大一部分将是纯粹的自我表达。人们将能够过上自己想过的生活。把我们的梦想变成现实的瓶颈将大幅缩小。而我们如今的生活方式，届时看来会显得疯狂。

你最害怕什么？

我第一次听到这个问题时，脑海里立刻想到的，还是过去许多次技术革命。在硅谷，人们会想到手机、互联网、云计算、个人电脑。但再往前追溯，也可以一直回到电力，或者工业革命。虽然我认为 AI 的影响更大，而且在形式上或许也与其中许多技术有所不同，但实际上，在很多更高层面的意义上，它们是相当相似的。从长期来看，这是一种极其强大的能力，能够改变我们所有人的生活，让我们做得更多。我想，我们都认同这样一点：相比不得不把 90%的人类劳动投入农业生产，能够过上我们今天这样的生活，本身就是一项了不起的创新。

另一方面，从短期到中期来看，我认为确实存在现实中的摩擦。真要说的话，我最担心的甚至不是 AI 本身，而是这一切发展得如此之快所带来的摩擦。这在很大程度上指向一点：必须高度重视对全球民众的良好教育——人们应当如何使用这项技术，它如何改善人们的生活，以及如何让所有人同时接入并使用它。我认为，糟糕的结果是出现这样一种局面：在相当长一段时间里，只有旧金山或其他地方的精英能够接触到这些技术，而其他人却无法获得。再举一个过去几周我们都在切身经历的具体例子：如果模型具备非常强的网络能力，但世界上很多地方并没有以同样的方式将这些能力用于防御，而外面那些聪明的黑客却在把它们用于进攻，那么世界就会变得很棘手，平衡也会变得非常微妙。

因此，真正重要的是让全世界都理解这项技术，能够使用它，并能够与之协作。很大程度上，这只取决于我们能以多快的速度让人类为它做好准备。工业革命是在几代人的时间里发生的。那是一个非常渐进的转变过程，人们会随着时间推移不断学习，而这些变化也逐步、点滴地成为人们生活世界的一部分。我们现在看到的速度，比那快得多。

我认为人们将能够适应，我们也会发现各种各样的新技术会让生活变得更美好——无论是药物研发，还是让披萨既美味无比又营养完美，抑或是我们每天使用的各种技术。但这也确实意味着，人们必须紧跟正在发生的一切。在以往的许多次革命中，就算你晚了两年或五年才采用新事物，基本上也还来得及。而这一次，这一切必须发生得更快。

如果你不是那些真正从事 AI 工作的人之一，就很难设想这一切；这在某种程度上也解释了为什么我们这些局外人往往会觉得，许多 AI 领域的重要人物满嘴跑火车——至少当他们谈论对未来的推测时是如此。

我一直在思考的一件事是 METR 的研究。研究显示，如今智能体在需要被打断之前，已经能够完成相当于人类数小时的工作量，而且这一能力每隔几个月就会翻一番。过去几年里，智能体正是以这种方式，从只能工作几秒钟，发展到能够连续工作数小时。显而易见的问题是，好吧，如果这种能力继续翻倍，会发生什么？那我们谈论的就不再是几个小时，而是几天、几周，最终甚至是一整年。

有意思的是，我们其实已经沿着这条曲线亲眼看到了这种变化——从几秒钟到几分钟，再到几小时——但它依然让人感觉近乎陌生。说到人类大脑不太擅长处理的事情——我们确实很难理解指数曲线。一个能够完成一年工作量的智能体，究竟意味着什么？你只需要交给它一个任务，它会说，我来处理，然后等到第二年回来时，它已经把事情做完了。这听起来很疯狂，但我认为，这正是我们将会到达的地方。

我认为，很多 AI 圈外的人总会觉得，好吧，曲线确实陡然上扬了，但这里就是它停止并进入平台期的地方。可随后它又继续往上走，于是他们又会说，好吧，但那儿才是天花板。我觉得，之所以对身处 AI 领域、亲眼看着它发展的人来说情况不同，一部分原因在于，你能看到这条曲线上的每一个细小数据点。你知道它是怎么走到这里的。过去三年里并不是出现了 14 次突破，可能也就只有一次。但我们看得到，如果继续沿着这条路径往前走、继续把能力往上推，我们还能做到什么。而这件事，即便对所有深耕 AI 的人来说，也依然极其难以真正理解。

你到底能帮我把日常生活中多少繁琐乏味的事自动化掉，好让我重新回到自己最爱的消遣——抽大麻、看草发呆？

（笑）简单来说就是：一个人一天会冒出多少想法，而这些想法里又有多少最终真的能去做？只要这个比例还没到100%，就说明在执行这种繁琐事务上，仍然存在一个非常明显的瓶颈。我不认为它离100%有任何接近——可能也就5%左右。你会有各种各样想做、想构建、想尝试的点子，但在现实中，真正把它们做出来要难得多。

我认为这是 AI 将开启的重要变化之一。在软件领域，这一点尤其明显。我从没见过哪个工程团队会这样看待自己的工作：好，这个月我们把这个项目交付了，下个月就彻底结束了，不再需要软件了，我们想构建的一切都已经构建完成。情况永远恰恰相反——你手上有 85 个项目，而你必须只选 6 个来做，因为你的带宽只有这么多。我们将会看到的是，会有更多更多的人，终于能够去做他们真正想做的所有事情。

当人们说自己热爱构建软件时，他们爱的究竟是什么？现实是，这项工作中只有10%真正是在表达自我——思考你愿意为每个问题做出怎样的权衡、想采用什么样的架构，以及你具体想构建什么样的产品。其余90%则是机械式写代码和执行。当人们说自己真的热爱构建软件时，他们通常更偏爱前者。

每个领域都是如此，而且我们终将走到这样一个阶段：你真正热爱的那10%，你可以做上10倍之多。

最后一个问题。我对这样一种人很感兴趣：他们以这样或那样的方式，得到了上天的眷顾，或背负了上天的重负。他们拥有一种天赋。他们或许也很勤奋，生于良善之家，接受过优质教育，结识了出色的朋友和导师，运气不错，生逢其时，照着 Malcolm Gladwell 所说的一切去做，才取得了如今的成就，等等。但归根结底，真正存在的是那份天赋。而那正是他们人生中刀锋般的边缘。它可以被用于善，也可以被滥用；可以被挥霍，也可以被利用。它可以像你所说的 AI 那样，让你所有的梦想成真；也可能被消耗殆尽。它甚至会毁了你。

所以我想知道：作为一个被赋予了天赋的人——那大概是某种 16 缸数学大脑，再撒上一点盐的组合——你认为自己在选择如何使用这份天赋？而且，你的选择明智吗？

简单来说就是……AI 有可能是人类历史上最重要的事件，而编程将是它学习如何在现实世界中行动、如何构建事物的方式。如果我命中注定要做成一件事，如果我来到这里是有原因的，我想，那就是成为那个教会 AI 如何编程的人。

我可能会失败。如果事实证明，我并不是那个适合这份角色的人，我当然会难过，因为我这个人非常好胜，也很不服输。但真正让我无法原谅自己的，不是那样的世界；而是我面对这件与我一直以来天然热爱、在乎，并且有幸还算擅长的事情，却没有拼尽全力。真正让我无法接受的结果，是我不够努力，或者没有足够的动力十足去做这件事；那样的话，我觉得自己将无法再面对自己。

谢谢你，Scott。

对。来，我们应该尝尝这些草莓。

更正：本文此前的一个版本未能充分明确指出，针对 Mew2King 的一项指控是虚假的，且随后已被撤回。相关句子现已修订。

Jeremy Stern 是 Colossus 的主编。