1. 推理模型和普通模型之间并没有什么界限

在2025年初的达沃斯论坛上，达里奥谈到了当时令业界倍感震惊的两件事。一个是，出现了高级推理的模型，一个是出现了非常廉价的模型。这个廉价模型，后来大家都非常熟悉了，就是来自中国的deepseek，它把算力的成本降低了10倍以上。而这个推理模型，则是指OpenAI当时刚刚发布不久的O1模型。达里奥说，他不认为所谓的推理模型，和市面上的主流大语言模型有什么本质差异，因为这些AI模型的训练方式并未演变，都是先进行预训练、再进行强化学习。他认为所谓推理模型只是在狭窄的任务集上进行训练所造成的假象，来自竞争对手的宣传大于实质。他说，我们公司正在思考如何开发出真正的科学模型，比过往这些AI模型能够更出色地协助科学研究。

2. AI经济学本质上就是租用别人的大脑

你是在租用一个虚拟大脑一段时间。现在发生的一切，唯一改变的是我们向虚拟大脑提出的问题不同了。这会对产出方面、价格方面以及成本方面产生影响，这些模型更像是劳动力，而不是软件。将来它们会是这样一种模型：你给它布置任务，它会工作几个小时来完成这个任务，偶尔向你汇报一下进度。

3. 编程领域的AI应用增长最快

达里奥说，在2024年的最后一个季度里，数亿美元的收入一夜之间就出现了。而他们公司Anthropic 的总收入在那一年从大约1亿美元增长到10亿美元。编码领域虽然并不是这些收入的大头，但却是细分垂类最大的一块蛋糕。他说，我认为这样的增长会扩展到各个领域，而这正是AI行业未来达成百亿、甚至千亿营收的方式。

4. AI会让生物学发展效率提高10倍

达里奥说，在过去，经济学家会谈论劳动、土地、资本的边际收益，但通常不会把智力看作一种独立的资产。现在这种情况不同了，在所有能够进行数字化的专业领域，事情的进展会非常迅速。达里奥说，我对生物学和健康领域的未来极为乐观，因为这个领域他非常了解，他以前就是生物学家。他的博士学位是生物物理学和计算神经科学。他之前的研究方向是理解真实的神经网络和大脑，而不是现在的人工智能神经网络和大脑。因此，达里奥认为，未来5-10年生物学会取得过去需要50-100年才能取得的进步。设想一下，未来一百年人类想要研发的所有药物，我们能多快拿到？他说，如果到了2027年AI足够强大，那么10年后到了2037年，人类的预期寿命完全有望到达150岁。

5. AI在技术层面没有泡沫

达里奥说，就整个AI产业来说，是否存在泡沫，这是个复杂的问题。他会从技术层面和经济层面分开来看。技术层面，是非常成功非常有前景的，他自认为是行业内最乐观的人。他说，这些AI模型随着算力的投入、更大规模数据的投喂，几乎只需要做一些微调，就能在各个领域表现出令人惊讶的能力。尤其是编程、科研、生物医学、法律、金融、材料和制造这些领域。从经济层面来看，达里奥介绍了自家公司Anthropic过去3年的营收，每年都是10倍增长。2023年从0到1亿美元，2024年从1亿美元到10亿美元，2025年有望达到100亿美元。但他也说，从100亿到1000亿，他不相信这会发生，即使过往3年发生了10倍增长，在1000亿这个规模，他不相信会在1年内完成，但是，业务增长仍然会非常迅速，经济价值最终会得到体现。

另一方面，达里奥也谈到了巨大的成本投入，他说，经济价值增长速度的不确定性，主要就是来自数据中心建设的滞后。这些基建滞后大概1-2年。他们现在做决策必须精确，因为存在两个相互关联的风险，一方面，如果购买的算力不足，那公司就无法服务所有的客户，那么就不得不拒绝他们，把他们推给竞争对手。另一方面，如果算力买多了，又会承担很大的成本压力，一旦没有足够的收入来支付这些算力成本，那么在极端情况下，公司甚至有破产的风险。这里面有多少缓冲空间，取决于公司的利润率。比如，你的利润率有80%，那么200亿美元的投入，就可以创造1000亿美元的收入。

达里奥委婉的diss他们的竞争对手，有一些玩家孤注一掷、太过火，他对此非常担忧。比如他自己的公司Anthropic去年就投入超过500亿美元，而他们的竞争对手OpenAI一年的投入甚至超过了1000亿美元。他说，我们一直是一家负责任的公司，因为我们专注于企业客户，所以我们拥有更好的商业模式，我们的利润率更高，我们必须做得更负责任。但是，如果你采用的是不同的商业模式，你采用的是消费者商业模式，你的收入来源就不太会稳定，利润率也会不确定。如果你天生就喜欢冒险、喜欢大数字，那么你可能会把那个扩音旋钮拧得特别高。他认为有些老板没有很好地管理这种风险，他们所冒的风险并不明智。那么达里奥这里阴阳的是哪家公司、哪位老板呢？我们只需要知道，行业领头羊OpenAI的老板山姆·奥特曼曾公开宣称过一个宏伟的目标，他打算在2030年之前实现盈利，用两年时间实现扭亏为盈，也就是从目前的一年亏损740亿美元到两年后实现正向利润。现在，你就知道达里奥阴阳的是谁了。

6. 芯片的折旧不是以使用寿命来看待

达里奥说，每当新一代芯片问世时，问题不在于它的设计使用寿命，一枚芯片没那么容易坏掉，它能用很久。真正的问题是，下一代芯片会不断涌现，性能更强、价格更低。如果你的竞争对手拥有了新一代芯片，而你最好也能拥有。这样一来，旧芯片的价值就会下降，通常就是一年后。他说，我们采用的评估方式，是假设芯片的效率曲线会持续下降，这已经是非常保守的假设了。可是，他阴阳道，有一些公司可能在自欺欺人，他们假设的过于乐观。

7. 面向企业的智能模型非常不同

达里奥说，为企业构建模型，和为消费者构建模型相比，这些AI模型的特性和功能差异巨大。因为关注点完全不同。你不再注重互动，而是更加注重编程、高智商活动、科学能力等等。他说，即便我们实现了通用人工智能，面向企业的模型和面向消费者的模型、最终也不会趋向同一个方向。专业化是始终存在的，它会与通用智能并存。尽管达里奥这番话有王婆卖瓜的嫌疑，因为他们公司的AI就是面向企业的智能模型。但是，他也讲出了实情，就像杨立昆所说，哪有什么通用人工智能，因为人类的智能是高度专业的、并不通用，AGI这个词太过模糊。站在企业界的视角，各行各业所追求的其实是深度专业智能，这和消费市场视角是很不同的。

达里奥说，一家公司很难从一种模式切换到另一张模式，因为他们的上下游客户都处在当前的模式之中，而且他们都喜欢当前的模式，不同的客户互动方式不同、个性也不同。要切换模式是非常困难的。因此，这里确实存在着一个可以长期发展的商业模式。

8. 超大规模造就超级智能

达里奥说，仅凭算法和算力无法达成超级智能，需要有足够的规模才能帮助我们实现超级智能。他说，他从来都不喜欢AGI这些词，因为它们不知所云。AI的进化完全是指数级的。就像曾经的摩尔定律那样：芯片速度越来越快，从一开始比不上人类，直到它们能够以任何人类无法企及的速度，完成任何计算。这些面向企业的专业模型，将越来越强大。他们公司内部的工程师已经开始停止写代码了，他们让Claude写出初稿，然后审阅。

9. 对人工智能进行监管是必要的

达里奥说，早在2016年，我就写过关于人工智能的论文，对吧？那时我甚至还没有公司，对吧？甚至在制定任何关于监管俘获之类的计划之前。顺便说一句，我们支持的几乎所有人工智能监管法案都对小型企业有豁免条款，对吧？我们支持的主要人工智能法案SB-53，甚至根本不适用于营收5亿美元以下的初创公司。所以我们一直非常谨慎，他认为人们应该关注政策。

他说，我能理解大家的想法，有些人把这项技术与以往的技术革命相提并论，认为市场会解决这些问题。市场决定论在过去或许行得通，但是，那些最了解人工智能的人，他们不会这么想。他说，如果你去问问那些真正从事AI研究的科学家——不是投资人、也不是那些科技评论员，而是那些真正开发这项技术的人，他们对这些模型的潜力既感到兴奋、也感到担忧。他们担心国家安全风险，担心模型的一致性，也担心模型的经济影响。即使是普通人也应该明白，这固然是一项新兴的技术，可它前所未有的强大。

达里奥说，我对AI这项技术非常乐观，但是，任何强大的事物必然存在许多弊端，人类社会需要提前考虑这些弊端。如果未来10年不对AI进行监管，那会非常危险。

10. 社会转变有三个阶段

达里奥说，第一个阶段是通过让AI做以前人类做的事情来提高效率。这方面已经有很多例子。这样一来，所需要的人力会大幅减少。这将提高效率、节省成本，用更少的人力完成同样的事情。他说，我们知道企业会朝这个方向去做选择，但还有第二个阶段：政府干预。虽然过往那种再培训计划不是万灵丹，但仍然需要某些形式的再培训计划，企业必须和政府合作才能达成这一点。

那么第三个阶段属于比较长远的畅想，达里奥说，对于一个已经建立了超级AI的社会而言，我们回顾一下凯恩斯的著作《我们子孙后代的经济可能性》，里面他提到了一个概念叫做“技术性失业”。在那样的社会结构之中，人们或许只需要每周工作15-20小时。人们会在其它地方找到工作意义的来源，工作或者更多的是为了自我实现，而不是为了经济生存。达里奥说，如果后AI时代到来的话，社会需要自我重塑。这三个阶段的进程需要大量共识，进展会非常缓慢。但无论如何，那就是AI产业将要去的地方。