原文標題：開源獲勝，通用人工智慧時代來臨，以及史柯西斯的AI工具包——Cerebras和Black Forest Labs首席執行官
原始來源：All-In Podcast
原文翻譯：深潮科技流

重點總結

本集節目邀請了兩位人工智慧基礎設施公司的執行長。安德魯·費爾德曼是Cerebras的創始人，該公司專注於推理晶片，剛完成IPO，並擁有價值250億美元的訂單積壓。他一再強調一點：人工智慧運算能力的需求早已飽和，根本不存在「造出來自然有人來」的情況，OpenAI、Anthropic、SpaceX和Google的需求遠遠超過了供應。推理能力的出現再次推高了運算強度，使其成為高速機器的爭奪戰場。羅賓·隆巴赫是Black Forest Labs的創始人，該公司致力於生成式圖像和視訊模型（Flux系列）。他先前發明了潛在擴散演算法，這是所有當前影像和視訊生成模型的基礎。他最近與馬丁史柯西斯合作，幫助這位導演利用人工智慧將腦海中的畫面視覺化；然而，他更興奮的是，一個多模態模型能夠同時用於電影製作，並作為機器人的大腦部署。生成式影片的最終目標不是螢幕，而是現實世界。

主要見解總結

推理是下一個計算能力黑洞

「有趣的是，這一波浪潮與以往不同。他們不再寄希望於‘建好了自然有人來’；需求已經預訂了產能。我們有價值250億美元的訂單積壓。”

“推理就是推理，會消耗大量的令牌，而這正是高速機器的戰場。”

“如果 Cerebras 的速度是原來的 15 倍，那麼運行 24 小時就相當於連續幾週甚至幾個月進行思考。”

開源與主權：企業真正想要的是控制權

“沒有人喜歡依賴他人。超大規模製造商從 x86 時代吸取的教訓就是與英特爾捆綁在一起。”

“你不需要擁有最快的晶片，你只需要不要完全依賴別人的晶片。”

“如果現在想運行開源模型，要么是 OpenAI 的 OSS-12B，要么是中國產的模型。美國需要更多本土開源選擇。”

根據二十年前的定義，通用人工智慧（AGI）已經到來。

“我們20、30、40年前提出的任何AGI定義，如今都已遠遠超越。”

“圖靈測試？已經通過了。”

「問題不再是我們不知道如何提問，人工智慧可以反過來告訴你：嘿，你們人類，你們沒有考慮到這一點。”

生成式影片並不能取代人類的創造力

“這些人工智慧模型只是一種媒介，我們不想去規定如何使用它們，尤其是不想去規定像馬丁·斯科塞斯這樣的人的使用方式。”

“語言是一種有損信息的交流方式；視覺信息信號則豐富得多。將你腦海中的圖像轉化為可見的圖像，這才是科技最強大的地方。”

“最有趣的結果幾乎總是來自人類不斷循環迭代的過程。”

從電影到機器人：同一模型套裝

“你可以用同一個多模態模型拍攝電影，然後將其部署為機器人的大腦。”

“透過影片進行預訓練，可以隱式地教會模型互動的物理原理，然後就可以從同一個模型中獲得動作預測，這就是機器人控制。”

“我們的目標是讓用戶能夠通過上下文提示命令來指示機器人，例如：‘給我拿一杯橙汁來。’我們還沒有達到這個目標，但這就是我們的方向。”

人工智慧基礎設施熱潮：資料中心規模超過城市

主持人：我們從未見過如此大規模的建設。自從長城和金字塔以來，人類在建造任何事物上投入的資金、時間和人才從未如此之多。而你們正在這樣做，你們的客戶正在建立資料中心，你們是其中的關鍵一環。 Cerebras 在 2026 年的計畫是什麼？德州的那些大型專案進度如何？

答：談到資料中心，它們未來幾年的耗電量將超過過去50年全球總耗電量。一座資料中心建築的面積相當於一個足球場，其電力供應量超過一座中等規模的城市。資料中心正在美國、加拿大、北歐國家、巴黎和法國各地、中東，甚至哈薩克、塔吉克和喬治亞等國興建。每個國家、每個州都想參與其中。

誰在為此買單？ OpenAI、Anthropic、SpaceX AI、谷歌，它們都擁有永不滿足的慾望。有趣的是，這波浪潮與以往許多科技繁榮時期截然不同：它們並非押注「只要建好了，自然有人來」；需求早已飽和。積壓訂單高達2500億美元。 OpenAI想要更多資料中心，微軟想要更多，AWS也想要更多。需求並非坐等客戶上門；客戶早已排起了長隊。

主持人：這也催生了一個叫做「代幣發行上限」的術語，即無限量發行代幣。有些人質疑如此高的需求是否真的能創造實際價值。

答：當然，我們創造了巨大的價值。當然，也經歷了很多試誤。 AWS剛推出的時候，能夠繞過自己的IT部門真是太爽了；每個工程師都直接用信用卡註冊。很多東西確實很有用，但有些事你回頭想想，「嗯，真不該那麼做。」但總的來說，我們仍然在賺錢，只是有些方向最終被證明是死路一條。

我至今仍記得1988年Costco在帕洛阿爾托開幕時的情景：每個人都像逛Safeway超市一樣，把每個貨架都逛了個遍。這種購物方式簡直糟糕透了，因為最後往往會買四件根本不需要的東西，每件都要22美元。後來，人們學會了正確的策略：直接去後面買炸雞，給孩子的生日派對買18個紙杯蛋糕，然後果斷行動。人工智慧代幣的消耗也是如此；起初，大家都隨意使用，但現在企業開始製定策略：哪些任務可以用開源模型完成，哪些任務需要尖端模型。我們現在管理人工智慧的方式就像經營一家企業一樣。

推理超越訓練：為什麼快速機器是這股浪潮的核心？

主持人：Sam Altman 在 AllIn 節目中提到，下一步是推理，即理解意圖、制定策略，並與其他智能體線程進行交叉驗證。我們已經從「猜下一個字」的階段走了很遠，現在 Cerebras 成為焦點，因為推理是推斷，需要強大的運算能力。

答案：推理過程會消耗大量的令牌，這為高速機器提供了一個競爭的戰場。推理的每一步都會消耗令牌，而你原本需要花費大量時間才能得出正確的答案。 Cerebras 的運算速度提升了近 15 倍，這意味著運行 24 小時的推理過程相當於其他人數週甚至數月的思考過程。

今天早上，我在 BitTensor ZAI 上測試了一個 GLM-52 模型，賦予它無限的運算能力，讓它每小時告訴我一些尚未被識別的全球趨勢。它開始進行自我討論：應該查看 Hacker News 和 Reddit 嗎？還是說趨勢會先出現在 Instagram 上？我看到一個推理模型在後台進行自我辯論，進行著推理。無限的代幣意味著無限的推理，而 Cerebras 的加速比接近 15 倍，這意味著 24 小時相當於其他模型幾週的時間。

主持人：Cerebras 也有自己的摩爾定律嗎？它的內部容量翻倍需要多長時間？

答：以往的晶片都遵循摩爾定律，每18個月效能翻倍。而這款晶片打破了這項規律，開闢了一條全新的道路。我估計，未來18個月內，它的性能提升將遠遠超過兩倍。新架構仍有巨大的最佳化空間。 GPU的架構20年來幾乎沒有變化，僅依靠製程節點的縮小，但新架構還有很多東西需要學習和適應。

主持人：你們積壓了價值250億美元的訂單，必須跟上OpenAI的步伐；他們未來可能成為你們的競爭對手。你們是如何管理公司的？

答：目前，矽晶片不會閒置，需求量太大。但你說得對，OpenAI 和亞馬遜都在開發自己的晶片。沒有人喜歡依賴他人。 x86 時代的大型製造商學到的教訓是與英特爾捆綁在一起；GPU 製造商學到的教訓是與少數幾個大客戶捆綁在一起，所以他們投資了新的雲端服務。自主研發晶片不僅是為了追求速度，更是為了不完全依賴他人，至少能夠掌控自身命運的重要部分。

開源與主權：企業真正想要的是控制權

主持人：開源正處於蓬勃發展的時期。我早期使用 OpenClaude，後來改用 Kimmy。我注意到我的 Claude 代幣數量激增，但 Kimmy 的表現與 Claude 相比並無明顯差異。開源模型已經開始進行推理，而今年兩者之間的差距突然縮小了。

Q：你不會想開著法拉利去超市。有時候你開跑車，有時候開麵包車，你也不介意孩子們把麥片灑出來。公司也是如此：他們用尖端模型（OpenAI、Anthropic、Gemini）解決棘手的問題，但對於大量日常問題，可靠的開源能力就足夠了。想想一家公司花了多少時間從Workday複製貼上到Excel。你不需要頂尖的數學技能；可靠的開源就夠了。

我最近又發現了一個問題：像金融和醫療保健（受 HIPAA 和 FINRA 等監管）這樣的受監管行業擔心資料外洩和失去對人工智慧主權的控制。他們希望將模型部署在本地，並使用開源版本來保持更強的控制力。 OpenAI 幾個月前發布了價值 120 億美元的開源模型，表現尚可。但現在美國正傾向開源——無論是 120 億美元的開源模型還是中國產的開源模型——而本地開源選擇卻寥寥無幾。 NVIDIA 也看到了這個機會，正在推廣自己的開源模型，但 Jensen 卻猶豫不決。他的客戶是 Sam、Dario、Elon 和 Sergey。採用開源模式會不會與他的客戶形成競爭？

Cerebras 的立場較為中立。我們運行 GLM、Kimmy、Qwen 系列模型，甚至包括 OpenAI 的封閉源模型。我們也運行由 GSK、阿聯酋 G42 和 MBZUAI 開發的模型。主權是一種趨勢。

通用人工智慧（AGI）已至，範式不會消亡，消亡的是人。

主持人：當初《神鬼寓言5》和《O-56》發售時，政府曾表示「暫停，然後再繼續」。當時Anthropic Games和政府之間存在著緊張關係，但現在這種關係開始緩和。您認為分階段發售合理嗎？這種模式真的很危險嗎？

答：我以前從未見過這種情況。但仔細想想：當一個模型極具創新性，而政府要求「請分階段發布」時，我認為這並沒有什麼不妥。我們對強效藥物的監管也是如此。當然，我們並不鼓勵FDA長達七年的繁瑣審批流程，但要求“至少讓政府進行一些紅隊測試，以確認我們的防禦措施能夠奏效”，並在兩到三週內修復明顯的漏洞，這並非過分的要求。

然而，現在是兩極化最為嚴重的時期。如果這件事不是川普做的——如果是其他任何一位總統做的——反應可能會完全不同。兩極化會損害清晰的思維。雙方都會做出愚蠢的事情，也會做出明智的事情。政府基層對此確實非常重視，但事情進展得太快了。

Palo Alto Networks 的 Nikesh 告訴我：當他們用這個模型測試他們的軟體時，一個小時內就發現了幾十個嚴重漏洞，迫使他們停止所有工作，花了六週時間進行修補。你會意識到這是一個多麼強大的工具。或許應該先給一小群人展示一下，或是進行一些紅隊測試。

主持人：按照20年前的任何定義，通用人工智慧（AGI）都已經到來了。您怎麼看？

答：是的。圖靈測試？早就過時了。任何10年、15年、20年、30年、40年、50年前提出的定義，我們早已遠遠超越。科幻小說家提出的問題，我們都能解答；他們會說：「我很好，抱歉。」 這就是為什麼那些看似站在邊緣的人的話值得傾聽。伊利亞八年前談到安全問題，你當時說：「什麼？」 好吧，他說得對。伊隆談到要把火箭成本降到接近零，你當時說：「什麼？」 好吧，他做到了。

主持人：遞歸學習，你問它一個問題，它學習，你再問一次，答案更好，涵蓋更多內容。這些學習循環的答案一下子就從「更好」躍升到「好得多」。指數曲線的斜率太陡了。

答：遞歸收益呈指數級成長；你做得更好，再做一次，就能持續獲益，但成長曲線過於陡峭。我們才剛開始意識到這一點。持續投入算力，結果會不斷提升嗎？運行完代幣或預算後就停止，但這條指數曲線何時結束？還是會永遠向上往右增長？這個問題現在非常引人入勝。

人類的學習速度受世代限制，大象和大型哺乳動物每15-20年才繁衍一代。要快速學習，就必須像果蠅一樣，一天之內完成兩代。人工智慧正在以跨越數千代的速度實現這種學習效率。我學習心理學時，一位教授說：「範式不會消亡，消亡的是人。」佛洛伊德、史金納、榮格的弟子們曾引領理論20-40年，之後下一代才會提出質疑。而人工智慧已經將世代差距壓縮到了果蠅般的速度。

我敢打賭：我們的孩子以及他們認識的所有人都不會死於癌症。經濟會經歷動盪，汽車已經普及，現在不是當馬蹄鐵匠的好時機。但列舉得失：無限的能源、無限的食物、無限的知識、無限的教育、無限的住房。一千年來我們都知道，一對一輔導比課堂教學更好；亞里斯多德輔導亞歷山大，蘇格拉底輔導他的學生，但我們卻選擇了工廠化養殖式的教學。現在，人工智慧可以為每個孩子配備一位導師，讓他們以自己的方式學習。

史柯西斯的AI工具箱：將心理影像變成現實

主持人：Robin Rombach 是 Black Forest Labs 的聯合創始人兼首席執行官，該公司總部位於弗萊堡和舊金山的黑森林地區。您之前曾參與穩定擴散（Stable Diffusion）項目，發明了潛在擴散演算法。 Black Forest Labs 的業務是什麼？目標是什麼？

答：我和我的合夥人兩年前創立了這家公司。在此之前，我們致力於穩定擴散（Stable Diffusion）的研究，更早之前則研究潛在擴散（Latent Disfusion），後者是所有當前圖像生成、視頻生成甚至物理人工智能模型背後的基礎演算法。其理念是將自然資料（影像、視訊、音訊）壓縮到一個高效的表示空間，然後基於壓縮後的資料訓練Transformer模型，類似JPEG和MP3的原理，但我們使用的是神經網路演算法。這項技術是我們慕尼黑博士學習期間所開發的。

目前，我們正在研究多模態視覺模型，同時使用影像和音訊資料進行預訓練，邁向新的範式：融入動作預測。這使得同一個模型能夠處理圖像、視訊、音頻，甚至預測動作，最終實現將其部署到現實世界的機器人。

主持人：從圖像到視頻到音頻再到機器人，如果一個模型能夠生成視頻，那就意味著它理解了世界。

答：直覺智能和深度推理是兩種互補的智能形式。我們從直覺智慧入手，影像是最自然的切入點，因為其計算量遠小於影片。然而，我們現在正逐步轉向多模態模型。透過視訊預訓練，模型可以隱式地學習物理互動規律，從而實現同一模型內的動作預測，也就是機器人控制。

主持人：你和馬丁史柯西斯合作過嗎？你有沒有坐在他旁邊，讓他使用你的工具？

答：是的，我和他坐在同一個房間裡，他一起研究我們的模型。身為核心研究者之一，我就坐在他旁邊，感覺很不真實。同時，我也是他的忠實粉絲。

他想要將腦海中的場景——正如他所描述的，一個東歐村莊——可視化。我們查看了輸出結果，他也提出了修改意見。最後，他說：將心理意象轉化為視覺表達，這種溝通方式的效率遠超過語言。語言是一種有損耗的溝通方式，而視覺訊息中的訊號卻如此豐富。單張圖像或影片所包含的資訊量龐大，這本身就是一種溝通管道。

我們不會規定如何使用這些模型，尤其不會對馬丁史柯西斯說：「你應該這樣使用。」人工智慧模型只是一種媒介。最有趣的東西幾乎總是來自人們參與的持續迭代循環。

從電影到機器人：生成模型的最終歸宿已超越銀幕。

主持人：現在很多新創公司都用 Flux 和你們的模型來發布影片；以前製作一個產品發布影片要花費 25 萬美元，現在一到兩週就能完成。蓋兒加朵最近就出演了一部比特幣電影，演員們在攝影棚裡表演，沒有用綠幕，所有背景都是用人工智慧產生的。他們用 3000 萬美元的預算就實現了以前需要 1.5 億美元才能達到的效果。你們有看過這些製作案例嗎？

答：我看過一些例子。高端電影製作是要求最高的應用場景之一。我很高興看到有人在探索這項技術，但我也想明確指出，這項技術仍處於快速迭代階段。幾年前，當我們攻讀博士學位時，我們只能產生 64×64 像素的圖像。現在我們已經可以處理多輸入高分辨率視頻，但這只是個開始。

最令我興奮的是：你可以用同一個多模態模型拍攝電影，然後把它當作機器人的大腦。這太神奇了。電腦是否真的能用上它還不確定，但這項技術正朝著物理世界發展，世界模型和動作模型本質上是一回事。

主持人：你們如何獲得訓練資料？是讓真人戴上眼鏡和手套，以第一人稱視角進行錄製嗎？還是光看YouTube上千個倒酒的影片就夠了？

答：我們的目標是透過上下文提示來指示機器人，例如：「給我拿一杯柳橙汁來。」 目前我們還無法做到這一點。現在的方法是：模型已經具備很強的視覺理解能力，只需幾個小時的微調資料就能使其適應特定的硬體。未來的發展方向是盡可能減少微調，更依賴上下文指令，但這仍然是一個研究主題。

主持人：開源軟體正當紅；企業都渴望擁有自主權。像迪士尼這樣的智慧財產權巨頭該怎麼做？他們應該使用你們的開源模型進行自身訓練，還是應該與你們合作訓練一個專有模型？

答：最有趣的用例是產生前所未有的事物；這從根本上來說，是這項技術最引人入勝之處。我們的公共工具無法產生特定的智慧財產權，這也很合理。我們確實與一些知識產權所有者合作開發模型，其中一些基於我們的開源模型，另一些則基於我們更強大的專有模型。

最有趣的視角是：科技正變得越來越快，互動性也越來越強。你可以想像Disney+上各式各樣的互動內容創作工具。

主持人：目前最有趣的現像是粉絲電影。過去，粉絲們會創作自己的《星際大戰》故事，後來又有人裝扮成絕地武士，拍攝粉絲電影。喬治盧卡斯曾表示，只要不用於商業用途，這種做法是允許的。如今，人們利用人工智慧重新詮釋那些未曾公開的《星際大戰》故事，而「星際大戰未公開故事」系列影片的點擊量更是高達數百萬。這就是未來：允許消費者付費購買授權，並利用現有的角色創造自己的故事。

答：如果我們能找到一個可行的IP商業模式，並實現這種極具創意且可自訂的遊戲玩法，那就太好了。每當我讀書或看電影時，我總會思考如果事情朝著某個方向發展會是什麼樣子，而現在我們終於可以將這些想法具象化了。

我們剛突破了 100 人大關，目前正在德國和舊金山招募：大規模模型訓練的研究人員、具有擴散和流匹配訓練經驗的人員、與客戶共同開發客製化解決方案的工程師、大規模運算基礎設施維護人員，以及有興趣擴大技術普及範圍的人員。