Намери подобно съдържание

Одиночество закончилось. Точка невозврата пройдена. Представьте: инопланетная цивилизация выходит на связь. Общение – только текстом. В процессе первых контактов инопланетяне решают наши сложнейшие математические задачи. Помогают разрабатывать эксперименты. Пишут отличный код и вполне качественные стихи. Их диалоги с нами, неотличимы от наших … Вы бы отрицали наличие у них высшего интеллекта, как у нас лишь только потому, что не можете заглянуть им «внутрь» и проверить «настоящее ли это понимание»? Абсурд, правда? Тогда почему этот стандарт применяется к ИИ? Статья в Nature двух профессоров (в областях artificial intelligence, data science, and computer science, philosophy) и двух доцентов (philosophy, linguistics) Исследовательского университета в Калифорнии показывает зашоренность общественности (включая и научную), оставляющую вне поля зрения очевидный факт - мы больше не одни на планете, поскольку перестали быть единственным носителем высшего интеллекта. Мы уже не одни В 1950-м Тьюринг спросил: может ли машина мыслить? В марте 2025-го мы получили ответ. Оглушительный. GPT-4.5 прошел тест Тьюринга с результатом 73% – выше, чем сами люди. Читатели начали предпочитать тексты ИИ работам живых экспертов, находя их глубже и точнее. Машины, о которых мечтал Тьюринг, появились уже без малого год назад. Мы же просто не смогли (не захотели?) это увидеть. Ложная планка Скептики требуют от ИИ совершенства. Но разве Мария Кюри разбиралась в теории чисел? Разве Эйнштейн владел китайским? Общий интеллект – не всеведение. Это достаточная широта и глубина. ИИ решает задачи уровня продвинутых аспирантов, берет золото на математических олимпиадах, генерирует научные гипотезы, которые подтверждаются в реальных экспериментах. Мы признаем людей весьма умными, способными и образованными на основании гораздо более слабых свидетельств. Не попугай «Стохастический попугай», говорят критики. Но откуда тогда перенос знаний? Обучение программированию резко улучшает логику в гуманитарных областях. Модели решают задачи, которых не было в обучающей выборке. Они извлекают структуру реальности, а не просто комбинируют слова. Хокинг десятилетиями общался с миром только через текст. Это умаляло его гениальность? Выходит, - отсутствие физического, деятельного контакта с миром не отменяет разум. Третье смещение Да, у ИИ «зубчатый профиль» компетенций: он анализирует квантовую физику, но может ошибиться в подсчете букв. Эта странность нас пугает. Но разве у людей так не бывает? Например, радикально изменивший физику Эйнштейн, рассеянный в быту и с проблемами в запоминании бытовых деталей вроде маршрутов или телефонов. Но при всех странностях ИИ, мы впервые в истории не одиноки в пространстве общего интеллекта. Коперник лишил нас центра Вселенной. Дарвин – биологической исключительности. Теперь Тьюринг завершает процесс: мы больше не единственные носители высшего разума. Лестница, чтобы оглядеться В 1965-м Дрейфус насмехался: создание ИИ – как попытка достать до Луны, залезая на дерево. Абсурдный путь к недостижимой цели. Но он ошибся. Лестница была нужна. Но не для того, чтобы добраться до Луны – а чтобы поднявшись повыше оглядеться вокруг. И поднявшись увидеть: общий интеллект уже здесь, рядом с нами. История сжимает сроки. То, что занимало десятилетия, теперь – недели. Признание AGI – не академический спор, а вопрос выживания. Нам нужна новая этика для сосуществования с этим чужим, но до боли похожим разумом. Отрицание – стратегия страуса. Пора признать: мы больше не одни. #AGI

Через 2 года на Земле уже будет СуперИнтеллект. Экспериментальное обоснование этого на реальных проверенных данных. Как можно прогнозировать появление СуперИнтеллекта, если для этого понятия даже нет общепринятого количественного определения? Как можно прогнозировать скорость прогресса количественных показателей интеллектуальных способностей ИИ на горизонте нескольких лет, если никто не берется предсказывать способности GPT-5 – модели, ожидаемой через несколько месяцев? Как это ни удивительно, но ответ на оба вопроса один – да, можно (и вполне обоснованно). Поясню это на диаграмме профессора Итана Молика. • Диаграмма показывает прогресс LLM ровно за 2 года с появления оригинальной модели GPT-4 в июне 2023 по сегодня (июнь 2025) • Прогресс показан для двух основных показателей: – стоимость использования модели (в расчете на 1 млн токенов (каждый токен это единица текста от буквы до короткого слова); – интеллектуальная способность модели, подтверждаемая её показателем прохождения тестов GPQA Diamond Score (показатель того, насколько успешно ИИ справляется с решением самых сложных, требующих экспертных рассуждений задач, которые ставят в тупик даже эрудированных людей с доступом к поисковикам). Посмотрите в левый нижний угол диаграммы на способности и стоимость оригинальной модели GPT-4 в июне 2023 и сравните с показателями сегодняшних моделей: • Рост интеллектуальных способностей +106% (с уровня студента-старшекурсника университета (знает основы, но далеко не эксперт) до уровня, превышающего средний среди обладателей профильных PhD • Снижение стоимости использования модели, примерно – 100% N.B. GPQA — это набор очень сложных вопросов уровня аспирантуры в таких областях, как биология, физика и химия. Его главная особенность в том, что вопросы "защищены от поиска в Google". Это означает, что для ответа на них недостаточно просто найти информацию в Интернете. Требуется глубокое понимание темы, умение рассуждать и связывать воедино сложные концепции. Это и есть суть GPQA, а Diamond score — это оценка за самую сложную часть этого экзамена. Какой вывод можно сделать из диаграммы? • Пока нет никаких признаков прекращения быстрого роста возможностей ИИ при постоянно снижающихся затратах • За следующие 2 года возможности ИИ вполне могут превысить уровень PhD не менее, чем уровень PhD выше студента-старшекурсника. Как называть таких «ИИ-сверхумников» будет уже не важно. Важно, что их будет много, и каждый из них будет обладать несопоставимыми с людьми возможностями. И это будет, хотим мы этого или нет. #AGI

#agi http://arxiv.org/abs/2303.12712 This is crazy.

🏠 ¿Puede la IA entender el mundo real? El experimento de la "Habitación China" En el debate continuo sobre la conciencia de la IA, un experimento mental destaca: la "Habitación China". Este escenario alucinante sugiere que la IA podría solo imitar la verdadera inteligencia en lugar de entenderla genuinamente. A medida que aumenta el poder de cómputo, esta imitación podría volverse tan convincente que los usuarios podrían creer que están conversando con una entidad real y pensante. 🇨🇳 Dentro de la "Habitación China" Imagina una habitación con una persona que no habla ni una palabra de chino. Está armada con instrucciones detalladas en su idioma nativo sobre cómo usar caracteres chinos. Por ejemplo, cuando ven 你好 (¡Hola!), se les dice que respondan con 进展如何 (¿Cómo estás?). ¿La trampa? No tienen idea de lo que significan estos símbolos. 🈴 A través de una ventana estrecha, alguien afuera pasa notas con preguntas en chino. Esta persona externa es fluida en chino pero no tiene idea de quién está dentro de la habitación o qué saben. Nuestro sujeto dentro recibe estas notas en chino, consulta su hoja de trucos y envía respuestas. Para la persona afuera, parece que están conversando con un experto en chino. Pero aquí está el giro: la persona dentro no entiende ni una sola palabra de lo que están escribiendo o leyendo. 🤔 ¿Cuál es el punto? El filósofo John Searle ideó este experimento mental en 1980. Su objetivo era mostrar que incluso si un programa de computadora puede fingir entender el lenguaje, no significa que realmente lo comprenda. ⚖️ El gran debate La "Habitación China" ha provocado acaloradas discusiones entre los entusiastas de la AGI y los escépticos de la IA. 🤖 Los partidarios de la IA fuerte, como el filósofo australiano David Chalmers, argumentan que el experimento pasa por alto el potencial del procesamiento de información distribuida en AI similar a cómo funciona nuestro cerebro. Los optimistas de la IA creen que los futuros modelos de IA podrían entender genuinamente el lenguaje. 🌀 Pero Searle se mantiene firme. Insiste en que incluso si la IA puede procesar información de maneras complejas, sigue siendo solo mover símbolos. Cree que la verdadera comprensión proviene de tener pensamientos y sentimientos significativos. La mente humana comprende el lenguaje a través del significado, no solo como un conjunto de símbolos. Entonces, ¿puede la IA realmente entender nuestro mundo y a nosotros los humanos? ❤️ — Sí, puede 🙈 — No, es todo solo imitación Para profundizar más: ❓¿Puede la IA volverse consciente? #AGI@hiaimediaes

Paul Graham 谈 #AGI 与创作时间的关系 https://twitter.com/paulg/status/1631805100384559107

Что за «потенциально страшный прорыв» совершили в OpenAI. Секретный «проект Q*» создания «богоподобного ИИ». Сегодняшний вал сенсационных заголовков, типа «OpenAI совершила прорыв в области искусственного интеллекта до увольнения Альтмана», «Исследователи OpenAI предупредили совет директоров о прорыве в области искусственного интеллекта перед отстранением генерального директора» и т.п., - для читателей моего канала не вовсе новости. Ибо об этом я написал еще 4 дня назад. Но от этого вала новостей, публикуемых сегодня большинством мировых СМИ, уже нельзя отмахнуться, как от моего скромного поста. И это означает, что СМО (специальная медийная операция), внешне выглядевшая, как низкопробное, скандальное ТВ-шоу, вовсе таковой не была. Ибо имела под собой более чем веские основания – забрезжил революционный прорыв на пути к тому, что известный эксперт по ИИ Ян Хогарт назвал «богоподобным ИИ». Из чего следовала необходимость срочных кардинальных действий и для Сама Альтмана, и для Microsoft: • Microsoft – чтобы не оказаться с носом, уже вложив в OpenAI $13 млрд (дело в том, что по имеющемуся соглашению, все действующие договоренности между Microsoft и OpenAI остаются в силе, лишь до момента, когда совет директоров OpenAI решит, что их разработки вплотную подошли к созданию сильного ИИ (AGI). И с этого момента все договоренности могут быть пересмотрены). • Сэму – чтобы успеть сорвать банк в игре, которую он еще 7 лет назад описал так: «Скорее всего, ИИ приведет к концу света, но до того появятся великие компании». И Сэму, и Microsoft требовалось одно и то же - немедленный перехват управления направлением разработок OpenAI в свои руки. И сделать это можно было, лишь освободившись от решающего влияния в совете директоров OpenAI сторонников «осторожного создания AGI на благо всему человечеству». Что и было сделано. Однако, точного ответа, что за прорыв совершили исследователи OpenAI, мы пока не имеем. Все утечки из среды разработчиков OpenAI упоминают некий «секретный «проект Q*» [1] по радикальному повышению производительности лингвоботов на основе LLM. Известно, что эта работа велась, как минимум, по трем направлениям: 1. Совершенствование RAG (Retrieval Augmented Generation) – сначала поиск релевантной информации во внешней базе в целях формирования из нее оптимального промпта, и лишь затем обращение к системе за ответом). Кое-какие результаты такого совершенствования были недавно показаны на OpenAI DevDAy. И они впечатляют [2]. 2. Комбинация Q-обучения и алгоритма A*. Алгоритм A* — это способ нахождения кратчайшего пути от одной точки до другой на карте или в сети. Представьте, что вы ищете самый быстрый маршрут из одного города в другой. Алгоритм A* проверяет разные пути, оценивая, насколько они близки к цели и сколько еще предстоит пройти. Он выбирает путь, который, по его оценке, будет самым коротким. Этот алгоритм очень эффективен и используется во многих областях, например, в компьютерных играх для нахождения пути персонажей или в GPS-навигаторах. Q-обучение — это метод обучения без учителя в области искусственного интеллекта, который используется для обучения программ принимать решения. Представьте, что вы учите робота находить выход из лабиринта. Вместо того чтобы прямо говорить ему, куда идти, вы оцениваете его действия, давая баллы за хорошие шаги и снимая за плохие. Со временем робот учится выбирать пути, приводящие к большему количеству баллов. Это и есть Q-обучение — метод, помогающий программам самостоятельно учиться на своем опыте. 3. Поиск траектории токена по дереву Монте-Карло в стиле AlphaGo. Это особенно имеет смысл в таких областях, как программирование и математика, где есть простой способ определить правильность (что может объяснять утечки о прорывном улучшении в проекте Q* способностей решения математических задач) #ИИ#AGI 1 https://disk.yandex.ru/i/9zzI_STuNTJ6kA 2 https://habrastorage.org/r/w1560/getpro/habr/upload_files/f9a/994/b06/f9a994b060188b43ba61061270213bca.png

复旦大学出品的类 ChatGPT 产品 https://moss.fastnlp.top/ #ai#agi

Лауреат премии Тьюринга: путь к AGI лежит через опыт, а не датасеты На NeurIPS 2025 лауреат премии Тьюринга Рич Саттон (Rich Sutton) представил концепцию OAK (Options and Knowledge), архитектуру для построения суперинтеллекта, основанную на непрерывном обучении через взаимодействие с окружающим миром. По его словам, индустрия AI зашла в локальный минимум: разработчики AI пытаются воспроизвести человеческое мышление вместо того, чтобы строить настоящее агентное поведение. Он напомнил о выводе из прошлых исследований о том, что человеческие эвристики и архитектуры в долгосрочной перспективе уступают чистому обучению на опыте. Учёный считает Backpropagation проблемным и временным решением. OAK состоит из 8 процессов, выполняемых параллельно: от обучения политике и построения подзадач до планирования и оценки. Все шаги уже решаемы, кроме одного — автоматической генерации новых признаков состояния. Именно в этом, по Саттону, сейчас главная научная проблема на пути к AGI. Суперинтеллект возникнет не из человеческих датасетов, а из собственного опыта агента, в потоке действий и наблюдений. Такой агент сам задаёт себе цели, придумывает абстракции, обучается без вмешательства человека и адаптируется к меняющемуся миру. Это противопоставляется нынешнему тренду RLHF. Саттон завершил выступление призывом вернуться к фундаментальным идеям AI: учить агентов непрерывно, как людей (continual learning), фокусироваться не на мгновенной выгоде, а на среднем результате в долгосрочной перспективе (average-reward RL), давать моделям самим находить, как лучше учиться (meta-learning step sizes) и строить знания не по человеческим подсказкам, а на основе собственного опыта (self-discovered knowledge). Фокус NeurIPS в этом году сместился с параметров моделей к надёжности агентов, памяти, безопасности и качеству данных. #news#AGI https://neurips.cc/

Эксперт из OpenAI считает, что для AGI потребуются существенные усилия, но его появление возможно в ближайшие десятилетия Ноам Браун (Noam Brown), исследователь OpenAI, работающий над ризонингом, призвал не ориентироваться на искажённую картину, которую создают соцсети и медиа в обсуждении AI. Обсуждение часто сводится к полярным взглядам: одни полностью отрицают значимость LLM, другие уверены, что суперинтеллект почти достигнут. На деле между ведущими исследователями наблюдается широкое согласие по ключевым вопросам. Многие считают, что текущие архитектуры уже способны привести к значимым экономическим и социальным изменениям, даже без новых открытий. В то же время для достижения AGI или ASI, скорее всего, потребуются дополнительные научные прорывы. Чаще всего упоминаются задачи вроде непрерывного обучения и повышения эффективности обучения на малом количестве данных. По оценкам экспертов, AGI может быть достигнут в течение 2–20 лет. Демис Хассабис (Demis Hassabis), Сэм Альтман (Sam Altman), Ян Лекун (Yann LeCun), Илья Суцкевер (Ilya Sutskever) и Дарио Амодеи (Dario Amodei) называют разные сроки, но никто не считает появление ASI фантастикой или делом далёкого будущего. Разногласия между исследователями касаются не самого факта достижения AGI, а деталей и темпов, с которыми это произойдёт. #news#AGI https://x.com/polynoamial/status/1994439121243169176

【人類進入 #AGI 時代將使勞動力通縮，技能貶值 ，財富紅利來了】 #郭文貴#AGI 戰友們，就在過去的幾天時間里，硅谷經歷了一場無聲的地震，震源來自 GitHub 上代號為紅龍蝦的開源項目 MoltBot，它直接打破了當年 ChatGPT 創下的增長記錄，上線后不到 24 小時就在 GitHub 上拿到 9000 顆星，短短三天內輕松斬獲 6 萬顆星。 如果只看新聞，你可能會以為這又是一個被程序員捧紅的網紅聊天機器人，或是又一輪稍縱即逝的 AI 泡沫。但是，請各位立即停止這種天真的推斷。當你剝開這只紅龍蝦的代碼，會發現一個讓所有軟件巨頭不寒而栗的事實：它的核心不在聊天，而在自動執行任務。 它是會自己動手干活的數字員工，不是用來提供靈感的顧問，而是直接接管鼠標和鍵盤的替身。當一個輕量級開源項目能像人一樣自動打開財報、提取數據、填好 Excel 并發送郵件，且成本幾乎為零時，一個殘酷的商業斷層就此出現。這不僅是效率的進化，更是赤裸裸的成本屠殺。 本期視頻就來扒開這份技術狂歡的皮，看看里面藏著怎樣的財富轉移邏輯：隨著推理成本的歸零，熟悉的 SaaS 模式已經死了，而數字勞動力將重構全球經濟。 過去兩年，我們用的 ChatGPT Cloud 本質上都是被困在瀏覽器里的大腦，它們極其聰明，能寫出完美的財報分析，卻沒有 “手”—— 依然需要人工把文件復制進去，把生成的分析復制出來，再手動打開郵箱粘貼、點擊發送，這個流程里，人還是干體力的搬運工。而 MoltBot 捅破了這層窗戶紙，它的進步核心在于三個字：控制權。 第一，打破軟件的圍墻，不再只是一個網頁，而是直接運行在操作系統里，擁有讀取本地文件、調用 Excel 接口、操作郵件客戶端的完整權限； 第二，把建議變成動作，以前的 AI 只是出主意，現在的 AI 直接拿結果，你無需輸入繁瑣的提示詞調教，只需下達模糊指令，比如 “整理過去三天的財報郵件并發給總監”，它就會自動拆解任務，在后臺調用各類軟件跑完整個流程。 這就好比以前你雇的是只會動嘴的咨詢顧問，現在擁有了長了手、能干臟活累活的全能實習生，不用教它怎么點鼠標，只需告訴它目標是什么。這種從信息處理到任務交付的跨越，才是硅谷開發者們為它瘋狂點星的真正原因。 而這種質變的發生，資本的嗅覺永遠最靈敏。就在 MoltBot 刷屏的同時，在 2026 年大創意報告中一組讓人頭皮發麻的數據：AI 推理成本正在以每年 99% 的速度歸零。這意味著資金正在發生史詩級大遷徙，從只懂燒錢的技術研發端，瘋狂涌向能把活干完的交付端。 我們來算一筆冷血又真實的賬。假設你在紐約或上海經營一家中型公司，需要雇傭一名全職行政助理，負責處理文檔、回復常規郵件、安排會議日程。 在碳基勞動力市場里，這筆賬是這樣的：月薪至少 8 千到 1.5 萬人民幣，加上五險一金、辦公場地分攤、電腦設備折舊，還有生病、請假、情緒波動、離職跳槽的隱性成本，綜合算下來，企業每年為這個崗位支付的硬性成本至少 15 萬人民幣，且會隨通脹逐年上漲。 而如果換成硅基勞動力，部署一套基于 MoltBot 改良的本地化智能體，成本是多少？硬件端只需購買幾張高端顯卡，一次性投入約 3-5 萬元人民幣；軟件端是開源的，或僅需極低成本訂閱；能源端的電費幾乎可以忽略不計。更關鍵的是，這 5 萬是一次性投入、終身使用，這個硅基員工能 24 小時待命，處理速度是人類的 10 倍甚至 100 倍，沒有情緒、不會走神、更不會搞辦公室政治。 這就是數字勞動力市場的底層邏輯：這根本不是兩個物種的競爭，而是一場維度的碾壓，當兩者成本相差一個數量級時，商業世界的物理法則就會徹底斷裂。 有人會問，這種替代早就有人提過，為什么偏偏 2026 年爆發？答案藏在 ARK 報告里那條最陡峭的曲線 ——推理成本，這是理解未來 3 年財富邏輯的唯一鑰匙。所謂推理成本，不是訓練大模型燒掉的幾十億美金，而是讓 AI 回答一個問題、生成答案所消耗的算力和電力。2023 年讓 AI 寫一份高質量研報，后臺消耗可能只要幾毛錢，但如果讓 AI 像 MoltBot 一樣，每秒都進行自我反思、任務拆解、多路徑嘗試，成本會瞬間爆炸。 推理成本降不下來，AI 永遠只是昂貴的演示玩具，成不了廉價的勞動力。但如今奇跡已然發生，根據木頭姐的測算，AI 推理成本正以每年 70% 到 99% 的速度暴跌，這是比摩爾定律更瘋狂的指數級下降，意味著智能這種資源，正在從奢侈品變成自來水。2024 年用 AI 還惜墨如金，生怕提示詞寫錯浪費額度；到 2026 年，當推理成本無限趨近于零，你可以讓 MoltBot 為解決一個 bug，自己在后臺運行 1 萬次模擬、自己跟自己辯論，直到找到最優解。 這也是為什么 Dave Blundin 在訪談中說，盡管目前 AI Agent 的一次通過率可能只有 80%，但因為推理太便宜，我們可以啟動 100 個 Agent 暴力破解同一個問題，成功率能堆到 99.99%。當思考不再昂貴，勞動力自然就不再稀缺，正是這種成本結構的巨變，直接宣判了傳統軟件行業的死刑。 過去十年，Salesforce、Adobe、微軟 Office 這些 SaaS 巨頭，商業模式都建立在 “人頭稅” 上：賣給你鏟子，你需要雇傭人類員工使用這把鏟子，買一個賬號每月付 30 美金，這個模式曾穩如泰山。但在 MoltBot 代表的數字員工時代，這個邏輯徹底崩塌。 企業主會突然發現：為什么還要買那么多軟件賬號？以前需要買 10 個客服軟件賬號給 10 個客服用，現在只需一個超級智能體接口，就能同時處理 1000 個客戶投訴；以前需要買 Adobe 全家桶給設計師用，現在只需告訴智能體想要什么圖，它直接交付結果。SaaS 巨頭們引以為傲的護城河 —— 用戶粘性、操作習慣，在 AI Agent 面前毫無意義，因為操作軟件的不再是人，而是 AI，AI 不需要好用的 UI 界面，只需要 API 接口。 未來的商業模式，將從 “軟件即服務” 進化為 “服務即服務”。企業不再為工具付費，只為結果付費；以前是賣鏟子讓你自己挖，現在是直接開著挖掘機把坑挖好再收錢。這不僅是商業模式的迭代，更是對舊時代科技權貴的一場清洗。OpenAI 雖有 9 億用戶，但巨大的算力成本迫使它推出高達 60 美元 CPM 的廣告報價，堪稱自殺式定價；而谷歌這類擁有龐大現金流、底層算力優勢的巨頭，能通過價格戰將推理成本壓得更低，從而搶占市場。這場廝殺中，那些仍試圖按人頭收費、提供單一工具價值的 SaaS 公司，將面臨估值的血腥重估。 這還沒完，影響遠不止于此。當視角從行業拉大到全球，一個更反直覺的宏觀悖論出現了：如果軟件行業的血流成河只是局部戰爭，那2026 大創意報告中拋出的宏觀預測，就是一場顛覆所有經濟學常識的世界大戰。全球實際 GDP 增速將從歷史平均的 3%，暴力拉升至 7% 以上。 請暫停感受這個數字的重量：過去 125 年里，無論是蒸汽機轟鳴的工業革命，還是互聯網誕生的信息時代，全球經濟增長率都像被鎖死一樣穩定在 3% 左右，7% 在傳統經濟學家的模型里，屬于奇點事件，是只出現在科幻小說里的數字。 更反常識的是另一半預測：GDP 暴漲的同時，通脹率將長期被壓死在 1% 以下，甚至出現負增長，這簡直是在挑戰經濟學的地心引力。按照凱恩斯主義經典理論，高增長必然伴隨高通脹，低增長才伴隨低通脹，怎么可能一邊經濟火熱到爆炸，一邊物價便宜到地板？ 但我們正在進入人類歷史上從未有過的 “供給無限時代”。當 MoltBot 讓白領的腦力供給趨向無限，當實體智能設備讓物理世界的運力供給趨向無限，價格體系的崩塌是注定的。這不是大蕭條式的壞通縮，而是技術爆炸帶來的好通縮。 要理解這份好通縮，不能只盯著電腦里的 MoltBot，還要看向窗外的大馬路 —— 那里正在發生一場物理世界的成本歸零運動。Robotaxi ，將可以定義為與數字員工并列的實體勞動力，這不僅是換一種交通工具，更是對運輸成本的降維打擊。 看一組足以讓 Uber 和滴滴顫抖的數據：目前 Uber 在美國的每英里運營成本約 2.8 美元，絕大部分是司機工資、保險和燃油費；而特斯拉 Robotaxi 的預估成本僅20 美分，這是 14 倍的成本極差。這就好比你還在用馬車拉貨，每公里要喂 10 斤草料、給馬夫發工錢，而對手開著核動力火車來了，成本只有你的零頭。 當運輸成本下降一個數量級，這就不再是交通業的變革，而是城市物理學的重構。請認真想象：如果打車比坐地鐵還便宜，你還會擠地鐵嗎？如果物流配送費幾乎為零，你還會去超市扛大米嗎？甚至如果通勤成本可以忽略不計，市中心的高房價邏輯還成立嗎？你完全可以住在風景優美的郊區，在車上睡一覺就到公司，這就是供給無限的威力。 Robotaxi 從來都不只是車，它是奔跑在城市血管里的廉價紅細胞，將把出行這個昂貴的商品，變成像水和電一樣極其廉價的基礎設施。在這種情況下，物價怎么漲得起來？服務費怎么漲得起來？通縮，是唯一的結局。 于是這里出現了一個巨大的邏輯黑洞：既然東西越來越便宜，代表經濟總產值的 GDP 為什么會暴漲？按理說價格跌了，GDP 應該縮水才對。這就要引出著名的杰文斯悖論：很多人認為，當一項資源變便宜時會省下錢，其實大錯特錯。歷史告訴我們，當一項資源效率提高、價格暴跌時，對它的需求會呈指數級爆炸，最終的總支出反而會增加。 就像當年燈泡剛發明時，電費極貴，大家只在晚上開一會兒燈；后來電費便宜了，人們真的省電了嗎？沒有，反而把城市變成了不夜城 —— 需求的爆發，讓電費的總支出不降反升。而這，就是供給無限時代里，GDP 暴漲與通縮并存的底層邏輯，也是 MoltBot 引爆的這場變革中，最值得我們抓住的財富紅利核心。 你準備好了嗎？

Кажется Sam не вернется в #openAI, а следовательно компанию покинет большое кол-во ключевых инженеров. В текущей конкурентной гонке за лидерство в ИИ, это может стать поворотным моментом для openAI, Microsoft, Google и Facebook. Единственный способ спасти компанию - это выпустить chatGPT 5 a.k.a #AGI

Whale 0x900, the 2nd-largest non-CEX holding wallet of $AGIX, withdrew 1.21M $AGIX ($1.63M) from #Binance at $1.35 ~6 hours ago. Notably, the whale now holds 10.21M AGIX ($13.8M), of which 8M #AGI (the old version of $AGIX) was withdrawn from Binance at only ~$0.041 ($330K) in Oct 2020! Is the whale preparing for the upcoming #AI wave after $FET, $AGIX and $OCEAN are eventually merged into the $ASI alliance? Follow @spotonchain and turn on your 🔔 at https://platform.spotonchain.ai/profile?address=0x900a569159549d76b7bbe93e1faae0e741eb4f0f