作者 | 第一财经 刘晓洁 OpenAI的AI硬件计划备受关注，就在近日的一场播客中，被问及在筹备的AI硬件时，OpenAI CEO 奥尔特曼（Sam Altman）透露，未来不会推出单一的一个设备，而是"一系列的小设备"。 目前OpenAI并未公布硬件的具体形态，但根据供应链的爆料信息来看，其AI硬件没有屏幕、且体积 为口袋大小，设备外形类似苹果早期的iPod Shuffle，采用可夹式设计，可挂于颈部，外观和手 机、智能眼镜都有很大的不同。 2025.12. 20 本文字数：1822，阅读时长大约3分钟 主持人也抛出了外界关注的一系列尖锐问题，例如"OpenAI是否已失去领先优势"，如何看待竞争对 手谷歌等。 奥尔特曼辩护称，OpenAI拉响的 "红色警报"并不是恐惧，而是一种极度敏锐的防御机制。当潜在 的竞争威胁出现时，保持警惕并迅速行动是件好事。他提到，今年早些时候遇到DeepSeek的挑战 时，内部也启动了"红色警报"。 "流行病学领域有个说法：疫情之初你采取的任何行动，其价值都远超后期行动，但大多数人早期做 得不够，事后才陷入恐慌。我基本上是秉持这种哲学来应对竞争威胁的。"奥尔特曼说。 当被问及为 ...

OpenAI的AI硬件计划备受关注，就在近日的一场播客中，被问及在筹备的AI硬件时，OpenAI CEO奥尔特曼（Sam Altman）透露，未来不会推出单一的一个 设备，而是"一系列的小设备"。 目前OpenAI并未公布硬件的具体形态，但根据供应链的爆料信息来看，其AI硬件没有屏幕、且体积为口袋大小，设备外形类似苹果早期的iPod Shuffle，采 用可夹式设计，可挂于颈部，外观和手机、智能眼镜都有很大的不同。 当被问及为何没有屏幕时，奥尔特曼表示，"有一个屏幕的图形界面模式我们用了几十年了，而且它有一个键盘，会减缓输入信息的速度。"虽然在很长一段 时间内这种模式确实奏效了，但新事物打开了新的可能性空间，他认为现在的设备形态不适合去实现AI的能力。 随着时间推移，奥尔特曼预测，人们使用计算系统的方式会发生转变，它会从一种略显笨拙的被动响应式状态，转变为极具智能的主动预判式，它能理解你 生活的方方面面、所处情境、身边发生的一切，且非常清楚你身边的人，无论是物理意义上的还是通过计算机正在联系的人。而"当前的设备并不适合那样 的世界"。 他举例表示，"现在你有一台计算机，它有一系列设计的选择，你可以关闭或者开启 ...

在本期内容你会看到： 9 条新鲜资讯 3 个鲜明观点 Hunt for News｜先进头条 斯坦福计算机学位含金量暴跌，初级工程师就业市场萎缩 20% 曾经被视为硅谷就业「金饭碗（golden ticket）」的斯坦福大学软件工程学位，如今被应届毕业生形容为已贬值至「青铜」水平。 欢迎收看最新一期的 Hunt Good周报！ 3 个有用工具 1 个有趣案例 斯坦福生物工程副教授 Jan Liphardt 指出，就连斯坦福的计算机科学毕业生现在也难以在知名科技公司找到入门级工作，这种情况简直疯狂。 学生们描述校园内的就业氛围非常沉闷，就业市场呈现出极端的两极分化：只有极少数拥有丰富产品构建经验的顶级工程师，能获得优质 offer，而其他 人只能争夺剩余的残羹冷炙。 造成这一局面的核心原因在于 AI 编程能力的飞速进化。Palo Alto 的 AI 初创公司 Vectara CEO Amr Awadallah直言，「我们不再需要初级开发人员了，现 在的 AI 编程能力比名校毕业的平均水平还要好。」 数据佐证了这一残酷趋势。据斯坦福大学的一项研究显示，自 2022 年底达到顶峰以来，22 至 25 岁的早期职业软件 ...

文章核心观点 - 文章围绕“AGI能否实现”这一核心议题，呈现了两种对立的观点：一种基于物理和成本限制认为AGI和超级智能无法实现[3][7][28]，另一种则认为当前AI系统在软硬件效率上仍有巨大提升空间，通往更强AI的道路多样，实用化的“类AGI”能力可能并不遥远[33][36][66] 对AGI的悲观论据（物理与成本限制） - **计算受物理规律制约**：计算是物理过程，需要在局部计算与全局信息移动间取得平衡，随着晶体管缩小，计算变便宜但内存相对变贵，芯片面积主要被内存占据，导致算力可能因内存服务不足而成为“无效算力”[8][10][11] - **Transformer架构已接近物理最优**：该架构以最简单方式结合了局部计算与全局信息汇聚，是对信息处理单元的物理层面优化[11][12] - **线性进步需要指数级资源**：在物理现实和观念空间中，要获得线性改进，所需投入的资源呈指数级增长，观念创新因领域庞大而边际收益递减[13][15] - **GPU进步已停滞**：GPU在“性能/成本”指标上于2018年左右达峰，后续改进多为一次性特性（如16位精度、Tensor Core、HBM等），现已走到尽头，任何进一步改进都将是权衡而非纯收益[16][17] - **规模化收益面临极限**：过去GPU的指数级增长对冲了规模化所需的指数级成本，但现在规模化已变成指数级成本，物理极限可能在一到两年内逼近，规模化收益不再显著[20] - **基础设施优势可能迅速蒸发**：若研究/软件创新、强大的开源推理栈或向其他硬件平台迁移取得突破，前沿实验室的大规模基础设施优势可能一夜消失[21][22][26] - **超级智能是幻想**：超级智能自我改进引发爆炸增长的前提错误，智能改进受物理现实和缩放规律制约，线性改进需指数级资源，其发展更可能是填补能力空白而非推动边界外扩[28][29] - **AGI需具备物理执行能力**：真正的AGI需包含能在现实世界完成经济意义工作的实体机器人，但机器人领域数据收集成本高昂，现实细节复杂，许多问题经济上并不划算[25][27] 对AGI的乐观论据（效率与创新空间） - **当前AI系统被严重低估，效率远未达上限**：训练效率比几年前更低，例如DeepSeek-V3和Llama-4训练的MFU仅约20%，而2022年的BLOOM项目已达50%，当前模型设计并非为最高硬件利用率[39][41] - **推理效率存在更大提升空间**：最优化推理实现关注带宽利用率（MBU），FLOP利用率（MFU）常为个位数（<5%），这并非物理根本极限，而是当前自回归架构规模化带来的限制[43][44] - **新一代硬件提供显著算力提升**：Blackwell架构芯片的FP8吞吐量是Hopper的2.2倍，并支持原生FP4 Tensor Core，GB200等机架级方案可缓解通信瓶颈，高效FP4训练理论上可将可用FLOPs提升最多9倍[42][50] - **模型是硬件的滞后指标**：当前模型反映的是上一代硬件能力，而新一代超大规模集群（如10万卡以上）正在建设，意味着高达50倍的算力建设正在发生[47][48] - **明确的效率提升路径**：通过训练高效的架构协同设计、高质量高效率的FP4训练、推理高效的模型设计（如扩散式语言模型）等方式，可大幅提升硬件利用率[45][46][52] - **已有AI工具产生巨大经济影响**：以更务实的定义，一套在某些任务上比大多数人做得更好并能产生巨大经济影响的通用工具体系，可能并不遥远，例如当前模型已在编程等领域越过关键阈值[60][61] - **即便能力不提升，应用场景仍广阔**：假设模型能力冻结，系统层面的效率改进也足以让许多高影响力应用落地，且通过新的后训练范式、更好的样本效率等方法，可继续推进“有用AI工具”[62][63][65] 行业路径与理念差异 - **中美AI发展路径不同**：美国遵循“赢家通吃”思路，追求构建最大最强的超级智能模型；中国理念更侧重应用，认为模型能力本身没有应用重要，关键是实用性和以合理成本提升生产力[23][24] - **不同理念的可持续性**：在模型能力增速放缓的背景下，追求超级智能的目标可能遭遇困难，而推动AI经济扩散的务实思路可能更具长期优势[24][30]

苹果AI团队人事变动 - 核心AI研究员庞若鸣被Meta挖走后，其领导的基础模型团队由Zhifeng Chen迅速接掌 [1][4] - Zhifeng Chen于2025年4月离开工作近20年的谷歌加入苹果，在庞若鸣离开后直接管理二十多名下属 [2][3] - 苹果AI战略高级副总裁John Giannandrea将于2026年春季卸任并转为顾问，其负责的团队将被拆分，由Craig Federighi、Sabih Khan和Eddy Cue等高管分别接管 [21] 新任团队领导背景 - Zhifeng Chen拥有深厚的学术与工业背景，其谷歌学术论文被引次数超过12.8万次，h-index为68 [6][7] - 在谷歌期间，Chen是TensorFlow早期核心系统论文以及Gemini模型等项目的重要参与者 [5][7] - Chen的职业路径与庞若鸣高度相似，均是在谷歌工作十多年后转投苹果 [2] 团队稳定与人才流动 - 为应对核心人员流失，苹果启动了留人方案，最直接的动作是涨薪 [2] - Chen利用其在谷歌积累的人脉，从谷歌引入了多名AI研究人员，以快速补充团队能力 [8] - 然而团队结构显示，Chen的直管层成员中超过一半来自谷歌，且不少是最近2-4年内加入，团队凝聚力被指建立在个人关系而非组织认同上 [9][11] - 涨薪后人才仍在流失，继庞若鸣后，仍有基础模型团队成员（如Boyue Li）选择离开苹果，前往Meta、OpenAI等公司 [12][13] 苹果的AI战略方向 - 与Meta、OpenAI、Google等公司追求“超级智能”不同，苹果的AI目标更偏向产品导向，重点提升模型在日常任务（如写作、摘要、信息整理）中的可用性 [16] - 2025年3月，因Apple Intelligence部分关键功能无法按计划发布，苹果调整了汇报关系，将Siri团队从John Giannandrea的管理范围中移走 [16][18] - 随着Giannandrea卸任及团队拆分，AI不再作为独立超级部门存在，而是被重新纳入具体产品体系，表明公司当前重点是利用AI服务现有产品 [21][24] 行业竞争与潜在风险 - OpenAI等竞争对手的挖角已从软件算法层面延伸至硬件领域，正从苹果的设计、制造和供应链体系中吸纳人才，为其AI硬件项目做准备 [24] - 硬件、工业设计和供应链的系统性掌控是苹果过去十多年成功的核心，竞争对手进入硬件腹地意味着竞争维度发生变化 [24]

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI "不是AGI还没到，而是永远到不了。" CMU（卡内基梅隆大学）教授、艾伦人工智能实验室研究员 Tim Dettmers 从硬件瓶颈、资源成本、现实应用三重维度论证： 第一个是信息移动成本 。 比如有效计算需要平衡 全局信息传到局部 和 局部信息整合 ，可信息移动的成本会随距离呈平方级上升；芯片缓存也能说明问题，L2、L3缓 存比L1 大，但却因物理位置更远而速度更慢。 为什么AGI从一开始，就是个违背物理规律的幻想工程？ 一篇长文，指出 GPU性能峰值停在2018年，机架级优化2027年耗尽潜力，AI每提升1%的能力，资源消耗要翻好几倍 …… 核心观点 AGI的讨论都在回避"计算的物理枷锁" 智能不是飘在天上的想法，而是得靠电脑、芯片这些实实在在的东西算出来，而这些东西都得遵守物理规律。 计算从不是抽象概念，所有智能都要扎根物理现实。 这也是Dettmers反驳AGI的核心，很多人在聊到AGI时总把它当成抽象的哲学概念，但很多人忽略了硬件实现，而硬件必然受到物理规律限 制。 现在芯片里的晶体管越做越小，虽然能降低计算成本，但内存反而越来越贵，现在芯片上几 ...

编译 | Tina 坐拥近 9 亿用户，为何奥特曼依然觉得 OpenAI"命悬一线"？ 奥特曼最近一次对外露面时，罕见地把话说得很直："谷歌依然是最大的威胁之一，他们太强了。坦白讲，如果他们在 2023 年 就认真出手，我们当时可能会非常难受；在我看来，他们本来就有能力把我们直接击碎。" 而就在不久前，谈到 Gemini 3 的冲击时，他还表示："它对我们指标的影响，并没有我们担心的那么大。" 不过，奥特曼的愿景并不是在谷歌最擅长的领域与之正面竞争。谷歌的路线更像是把 AI 塞进现有的一切：搜索、Gmail、地 图、YouTube……几乎每一个入口都在"加一层 AI"。奥特曼则认为，生成式 AI 终将改变我们使用软件的方式，关键不在于给 旧软件打补丁，而在于重做一套"AI 原生软件"。 在这套逻辑里，他最在意的不是"把 AI 接到多少产品上"，而是先把用户留住，并让他们形成依赖：先让用户进门，向他们展示 能力边界，再通过记忆、个性化和深度定制把"粘性"一点点加固。 本文翻译整理自 Alex Kantrowitz 主持的一期播客节目。 他用"牙膏品牌"打了个比方："从某种意义上说，AI 就像牙膏。大多数人一旦选 ...

公司战略与竞争定位 - 公司将“红色代码”作为一种制度化的竞争应对机制，通常持续6-8周，预计未来每年发生1-2次，旨在快速响应外部威胁并弥补产品短板 [3] - 公司认为竞争的关键不在于模型基准测试的领先，而在于产品策略、分发、速度和体验上不露出破绽 [3] - 公司重新定义竞争赛道，认为日常通用需求将出现许多选择，但高价值场景（如科学发现、前沿推理）仍需最强模型，并创造最大的经济价值 [4][5] - 公司定位为AI-first的重构者，批评将AI“硬塞”进旧产品形态的做法，主张重新设计任务工作流，争夺更深度的系统集成和新入口 [7] - 公司CEO承认ChatGPT界面三年未有大变，但指出其“通用界面”力量被低估，未来发展方向是从“对话”转向“任务操作系统”，实现更主动的后台连续工作 [8] 产品护城河与用户粘性 - 公司构建用户粘性的核心机制之一是个性化与记忆，愿景是AI能记住用户一生的交互数据，形成“人格化的长期上下文”，从而大幅提高用户迁移成本 [6] - 公司通过创造“神奇体验”来锁定用户长期忠诚，尤其在医疗、学习等“高信任任务”中，一次关键帮助足以建立难以替代的依赖 [6] - 公司利用消费端优势向企业端自然延伸，形成平台化惯性，类比手机生态，员工熟悉的产品更容易被企业统一采购 [6] - 公司推出GDPval评估叙事，称GPT-5.2 Thinking在大量知识工作任务中被偏好或打平的比例达70.9%，Pro版本达74.1%，将AI定位为“可规模化的同事” [11] 市场拓展与商业化 - 公司企业用户已达100万级别，API增速很快，企业业务势能正在抬升 [9][10] - 企业市场爆发遵循一定顺序：先以消费端教育市场和培养习惯，再将企业端发展为统一的AI平台，实现从工具采购到长期绑定的升级 [10] - 企业应用场景中，编码最为成熟，金融和客户支持增长迅速，科学研究是CEO个人最兴奋的部分 [10] - 公司承认用户与AI建立“深层联系”的需求真实且庞大，但设定红线，不会推动用户进入“排他性的浪漫关系”，并预期其他服务可能会为此扩张边界 [13] - 关于IPO，公司未做最终决定，但将2026年视为一个“合理时间框架”的讨论，认为公开市场是支撑万亿级基建与全球平台的潜在选项 [17] 行业基建与资本投入 - 整个AI行业的基建投资预计达1.4万亿美元量级，这是多年周期内的累计投入，而非单家公司支出 [14] - 算力需求遵循“需求曲线叙事”：训练和服务均需算力，模型越强需求越大，供需缺口将持续很久，这将是未来十年最重要的投资之一 [15] - 算力与资本成为硬门槛，能够持续扩容并将供给确定化的公司，更可能将优势固化为结构性壁垒，推动行业向更高集中度发展 [15] 技术愿景与社会影响 - 公司对AGI采用务实定义：能比专家更好地完成任何认知任务的系统，并认为目前尚未达到此标准 [16] - 公司将更多注意力放在“超级智能”上，即远超人类智能、能做人类不能做的事，认为其发展可能比大多数人想象更快，但也可能遇到未知瓶颈 [16] - 公司CEO直接承认AI“完全可能”导致某些工作岗位消失，同时也会创造新工作，强调本次技术变革因AI能力范围更广而可能不同，重点在于如何管理“过渡期” [12] - 公司认为指数增长（包括能力、需求、基建投入和社会冲击）难以直观理解，但正是它导致世界突然拐弯 [16]

【环球网科技综合报道】12月18日消息，据businessinsider报道称，多位知情人士透露，埃隆·马斯克上周在xAI位于旧金山的总部召开的全体员工大会上表 示，如果公司能够成功度过未来两到三年的关键发展期，xAI将最终在人工智能竞赛中击败所有竞争对手。 在这场内部会议上，马斯克强调了xAI在算力扩张、数据基础设施建设和融资能力方面的显著优势。他指出，公司快速扩展其数据中心规模和处理海量数据 的能力，是实现"超级智能"（即超越人类智能的通用人工智能，AGI）并成为全球最强大AI企业的关键。 马斯克重申了他对AGI时间表的乐观预期，称xAI有望在未来几年内、甚至最早于2026年实现与人类智能相当或更高级别的通用人工智能。他此前曾在11月 表示，即将于2026年初发布的Grok 5模型有约10%的可能性达成AGI。 据与会员工透露，马斯克还向团队展示了xAI当前的资金实力：公司每年可获得约200亿至300亿美元的资金支持，并受益于与特斯拉等关联企业在地理和工 程资源上的协同效应。今年早些时候，特斯拉已将Grok AI集成至其车载系统，进一步拓展了xAI技术的实际应用场景。 xAI正在加速推进其名为"巨像"（C ...

根据消息人士援引马斯克的说法，xAI有可能在未来几年内实现通用人工智能(AGI)，即达到或超越人类 智能，甚至最早可能在2026年实现。 财经频道更多独家策划、专家专栏，免费查阅>> 责任编辑：栎树 全球首富埃隆•马斯克既是特斯拉的首席执行官，也是xAI的创始人，这两家公司目前都在推进人工智能 (AI)项目。而他本人似乎对xAI的未来很是乐观。 据几位知情人士透露，上周在xAI公司旧金山总部举行的全体员工大会上，马斯克扬言，只要公司能够 顺利挺过未来两到三年，xAI就能战胜竞争对手。 他补充称，该公司快速扩展其算力和数据容量的能力将是在所谓"超级智能"(即超越人类智能)的竞争中 致胜的关键，并最终有望让xAI成为最强大的AI公司。 ...