大家好，我是 Azeem，
本周的版本探讨了目前最重要的通用技术人工智能周围出现的权力动态的各种力量。
让我们开始吧！
AGI 与 ROI 对比
中国和美国都希望在人工智能领域占据领先地位，但两国的战略截然不同。正如智库兰德公司所言：
在华盛顿，人工智能政策讨论有时被冠以“通用人工智能竞赛”的称号。相比之下，在北京，人工智能讨论则不那么抽象，侧重于能够支持北京整体经济目标的经济和产业应用。
我最近访问北京时亲眼目睹了这种区别。在美国，研究实验室将资源投入到越来越大的语言模型中，希望释放出广泛的通用能力。另一方面，中国团队发布了更精简的开源架构，并与医疗分析（医渡科技）和自适应学习（松鼠AI ）等领域的专家合作。每个团队都根据特定行业的需求构建定制工具。我在这里详细讨论了这一点：
中国最大的障碍是计算能力。国内研究人员约占全球人工智能计算能力的15%，而美国约为75%。美国对高端芯片的出口管制进一步缩小了这一差距。因此，中国工程师更加注重效率。DeepSeek模型号称运行成本比最接近的美国同类产品低17倍，吸引了智利和巴西注重预算的买家的兴趣——尽管备受期待的R2模型由于硬件短缺而被推迟。制裁的影响也不容小觑。
美国的做法本身也付出了代价。巨型模型需要庞大的数据中心和巨额的能源费用，而且只有资金充足的企业才能负担得起闭源许可证。最近的“大美法案”在这方面却出现了两个反转。首先，它损害了清洁能源供应，而清洁能源的开发速度可能是化石电厂的四倍。其次，它让人工智能公司把训练计算算作研发费用。这就像一边是一吨砖，另一边是一粒沙子。
最终，赢得人工智能“竞赛”的胜负将不再取决于模型的峰值能力，而更多地取决于在教育、医疗保健和制造业领域带来的切实利益。中国蓬勃发展的垂直应用生态系统使其在短期内占据优势。但如果美国实验室能够实现其规模化目标，并且制裁继续抑制海外竞争，美国或许仍将领先。
Meta 未走的路
自2016年以来，我一直致力于研究席德·梅尔在《文明》中的科技树，以描绘我们这个指数时代创新的分支。如今，我曾是OpenAI董事会成员问题是：“我们是否处在科技树的正确分支上？ ” 随着 ChatGPT 的爆炸式增长，领先的实验室正在加倍投入到 Transformer 架构的研究。但这种狭隘的关注可能会阻碍突破。
Meta 本周宣布成立新的 Meta 超级智能实验室，由前 Scale AI 首席执行官 Alexandr Wang 领导，以追逐通用人工智能。 该团队由众多构建过基于 Transformer 系统的研究人员组成，尤其引人注目的是，他们把 Meta 的首席 AI 科学家 Yann LeCun 抛在了一边。LeCun 长期以来一直警告称，这些模型在实际规划和内部世界建模任务中经常会失败。目前尚不清楚渐进式调整能否弥补这些缺陷。这种不确定性正是保留其他分支的价值所在。谷歌深谙此道。他们既资助巨额的法学硕士 (LLM) 项目，也资助那些不切实际的基础研究。而 Meta 则面临着视野狭窄（以及 AI 科学家高昂薪水）的风险。
网络新经济
显然，网络经济正面临来自法学硕士的压力：谷歌现在每抓取 18 个页面仅发送一次推荐访问，而 OpenAI 每抓取 1,500 个页面仅发送一次推荐访问——两者在过去六个月中都下降了 3-6 倍。
Cloudflare 目前正在尝试通过“ 按抓取付费”的方式，为发布商提供弥补广告收入损失的途径。在其测试版中，网站可以对爬虫请求的每个页面至少收取 0.01 美元的费用。但与广告支持的网站相比，每页 1 美分的费用又算得了什么呢？