實際影片長度:10:30.000。原文、繁中、雙語可點擊句子跳轉影片。
0:00.300–0:02.766
大家好,这里是最佳拍档,我是大飞
0:02.966–0:06.466
当我们每天使用AI生成文案、图片甚至视频的时候
0:06.566–0:09.566
是否想过,这些看似神奇的技术背后
0:09.633–0:13.500
正运行着一个由数据、算力和资本构成的庞大帝国
0:13.700–0:14.333
今天
0:14.333–0:20.233
我们将回顾《华尔街日报》科技记者郝珂灵(Karen Hao)在Novara Media的一场专访
0:20.633–0:24.166
看看她是如何通过对硅谷AI行业的深度调查
0:24.300–0:28.566
揭开那些推动技术进步的关键力量如何重塑世界
0:28.666–0:31.833
以及这场技术革命背后隐藏的系统性风险
0:32.300–0:35.633
这期视频我们将从概念的起源到资源的争夺
0:35.733–0:38.500
从企业的蜕变到全球供应链的暗角
0:38.666–0:41.033
深入了解这个正在成型的"AI帝国",
0:41.033–0:42.233
究竟是如何运作的
0:43.133–0:45.766
要想理解当前AI产业的疯狂扩张
0:46.300–0:49.400
必须先厘清"人工智能"这个充满模糊的概念
0:49.633–0:50.500
1956年
0:50.500–0:53.100
达特茅斯学院的助理教授约翰·麦卡锡(John McCarthy)
0:53.100–0:55.400
为了给夏季研究项目筹集资金
0:55.566–0:57.833
首次创造了"人工智能"这个术语
0:57.966–1:00.066
这个诞生于学术营销的词汇
1:00.333–1:04.000
从此成为了一个可以装入任何技术的"手提箱概念"。
1:04.233–1:07.100
如今OpenAI、谷歌等巨头所谈论的AI
1:07.266–1:10.100
本质上是机器学习的一个子类,即深度学习
1:10.266–1:13.966
也就是通过神经网络对海量的数据进行模式计算
1:14.033–1:16.766
实现文本生成、图像识别等功能
1:16.966–1:20.666
但是公众很容易将它等同于科幻作品中的通用智能
1:20.766–1:23.500
忽视了它作为一种特定技术工具的本质
1:23.966–1:25.300
这种概念上的模糊
1:25.300–1:27.200
导致了严重的认知偏差
1:27.333–1:29.166
比如当英国政府宣称
1:29.233–1:33.566
用AI为英国国家医疗服务体系节省了20%开支"时
1:33.866–1:36.433
并没有说明具体用的是哪种AI技术
1:36.633–1:39.033
究竟是基于规则的医疗影像分析
1:39.033–1:41.466
还是需要海量数据训练的大语言模型?
1:41.866–1:45.300
两种技术在成本、效果和实施难度上的差异巨大
1:45.366–1:49.166
但是"人工智能"这个笼统的表述掩盖了所有的细节
1:49.333–1:50.166
更关键的是
1:50.166–1:53.633
这种模糊性让公众难以评估技术的真实影响
1:53.733–1:55.600
比如很少有人意识到
1:55.833–1:57.933
训练一个大语言模型的碳排放量
1:57.933–2:00.366
相当于数十万辆汽车的终身排放量
2:01.266–2:02.733
AI技术的每一次突破
2:02.766–2:05.200
都伴随着算力需求的指数级增长
2:05.466–2:06.800
麦肯锡报告显示
2:06.866–2:09.966
未来五年全球AI数据中心的能源消耗
2:10.000–2:14.000
将每年新增相当于英国0.5到1.2倍的用电量
2:14.200–2:18.500
而其中60%以上要依赖煤炭、天然气等化石燃料
2:18.633–2:19.633
在得克萨斯州
2:19.633–2:22.800
多家本应退役的燃煤电厂被重新启用
2:23.000–2:26.000
唯一的目的就是为AI训练提供稳定的电力;
2:26.366–2:31.666
埃隆·马斯克(Elon Musk)的XAI公司在田纳西州孟菲斯建设的Colossus超级计算机
2:31.833–2:35.000
未经许可便安装了35台甲烷燃气轮机
2:35.166–2:39.500
这些设备每天排放的有毒污染物超过了当地工业标准的200%,
2:39.833–2:42.000
严重威胁到周边居民的健康
2:42.266–2:43.966
水资源的争夺同样激烈
2:44.066–2:46.666
由于数据中心需要纯净水冷却设备
2:46.733–2:49.200
全球67%的新建AI数据中心
2:49.466–2:51.900
选址在干旱或者半干旱地区
2:52.166–2:55.500
乌拉圭首都蒙得维的亚正在经历百年一遇的干旱
2:55.666–2:59.300
当地政府不得不将处理后的工业废水混入饮用水
2:59.466–3:02.733
但是谷歌仍计划在此建设新的数据中心
3:03.000–3:05.800
该项目预计每天将消耗8万吨淡水
3:05.866–3:08.133
相当于16万居民的日常用水量
3:08.466–3:10.433
这种"技术发展优先"的逻辑
3:10.433–3:13.933
正在将环境成本转嫁到公共资源和弱势群体身上
3:14.833–3:17.533
郝珂灵指出,当前美国AI领域的竞争
3:17.533–3:21.266
本质上是一场关于"通用人工智能(AGI)"的集体狂欢
3:21.600–3:25.466
OpenAI、Anthropic、谷歌、Meta等公司投入数百亿美元
3:25.600–3:28.266
声称要创造"重塑人类智能"的技术
3:28.566–3:30.300
但是颇具讽刺意味的是
3:30.466–3:33.700
这些公司的商业案例普遍都是模糊不清的
3:34.000–3:37.966
比如微软在2024年悄悄撤回了部分数据中心的投资
3:38.133–3:40.133
承认"短期回报不及预期",
3:40.400–3:43.666
而OpenAI向投资者描绘的"AGI垄断"愿景
3:43.833–3:47.466
更多是基于彼得·蒂尔(Peter Thiel)「竞争是给白痴准备的,创业必须要垄断」的理论
3:47.466–3:49.266
创业必须要垄断"的理论
3:49.433–3:51.133
而非实际的技术路径
3:51.633–3:53.266
与美国的概念驱动不同
3:53.400–3:56.733
中国AI企业展现出的则是更为务实的技术路线
3:56.866–3:58.933
大多以具体场景为导向
3:59.033–4:01.166
强调技术与实体经济的结合
4:01.433–4:04.266
这种差异反映了中美产业文化的根本不同
4:04.400–4:05.866
但是无论哪种模式
4:05.933–4:08.066
都面临着"技术万能论"的陷阱
4:08.233–4:11.066
当企业将AGI视为一个必须征服的"圣杯",
4:11.133–4:14.400
就可能忽视技术发展的真实边界和社会成本
4:15.300–4:16.300
OpenAI的发展历程
4:16.300–4:19.666
是一部理想主义向商业现实妥协的教科书
4:19.900–4:20.666
2015年
4:20.666–4:23.933
埃隆·马斯克(Elon Musk)与萨姆·奥尔特曼(Sam Altman)创立这家非营利组织的时候
4:24.166–4:27.333
目标是"通过开放协作防止AI被垄断"。
4:27.733–4:30.300
早期的OpenAI确实践行了开源的理念
4:30.400–4:32.600
将GPT-1的技术细节公之于众
4:32.600–4:35.333
并且通过"使命感"吸引到了顶尖人才
4:35.533–4:39.900
包括前首席科学家伊利亚·苏茨克维尔(Ilya Sutskever)放弃了谷歌的百万年薪
4:40.000–4:43.100
正是被"打造造福全人类的AI"的愿景所打动
4:43.466–4:45.433
但是算力的瓶颈改写了一切
4:45.600–4:48.300
当团队发现深度学习模型的性能提升
4:48.333–4:50.200
高度依赖于算力规模后
4:50.333–4:53.200
非营利模式的资金限制就成为了一道致命伤
4:53.533–4:56.033
2016年,OpenAI决定引入商业投资
4:56.066–4:57.533
转型为"营利性公司",
4:57.766–4:59.666
这个决策导致马斯克退出
4:59.966–5:01.200
他后来公开表示
5:01.300–5:04.400
"无法接受将AI技术交给追求利润的资本"。
5:04.733–5:06.500
转型后的OpenAI迅速变脸
5:06.500–5:07.600
停止开源技术
5:07.600–5:09.733
与微软达成独家云计算协议
5:09.766–5:11.800
将技术细节作为商业机密
5:12.200–5:13.133
到2025年
5:13.133–5:15.400
OpenAI估值已达3000亿美元
5:15.466–5:17.600
成为全球最值钱的AI企业
5:17.766–5:20.233
而创立时的"开放、透明"原则
5:20.366–5:22.633
早已被"规模至上"的资本逻辑取代
5:23.533–5:24.966
作为OpenAI的灵魂人物
5:25.000–5:28.033
Sam Altman的崛起堪称硅谷精英的典型样本
5:28.200–5:30.133
这位YC前总裁的职业生涯
5:30.200–5:34.066
贯穿了对技术趋势的精准把握和对人性的深刻洞察
5:34.366–5:35.966
在担任YC总裁期间
5:35.966–5:39.333
他将这家初创加速器打造成了硅谷的创新引擎
5:39.433–5:42.733
投资了包括Airbnb、Dropbox在内的明星企业
5:42.800–5:44.566
积累了深厚的资本人脉
5:44.833–5:46.533
2015年创立OpenAI时
5:46.600–5:49.100
他展现出了非凡的八面玲瓏能力
5:49.233–5:50.233
对风险投资人
5:50.233–5:53.166
他会强调"先发优势带来的垄断利润";
5:53.333–5:54.166
对政府官员
5:54.166–5:56.500
他会大谈"AI监管的全球协作";
5:56.700–5:57.500
对普通用户
5:57.500–5:59.566
他则塑造"技术普惠"的形象
5:59.833–6:02.966
这种多面性让外界难以判断他的真实信念
6:03.100–6:06.766
但是也让他成为资本、技术、政策三界的"润滑剂"。
6:07.033–6:09.033
正如郝珂灵在采访中指出的
6:09.233–6:11.566
Altman并非传统意义上的技术专家
6:11.633–6:14.366
而是一名精通"愿景营销"的商业领袖
6:14.700–6:15.833
他的成功也证明
6:15.833–6:17.733
在硅谷"讲好技术故事",
6:17.733–6:19.766
有时比技术本身更加重要
6:20.666–6:22.700
在AI产业的光鲜财报背后
6:22.800–6:25.833
隐藏着对全球南方劳动力的系统性剥削
6:26.133–6:27.766
OpenAI的内容审核体系
6:27.766–6:29.833
依赖于肯尼亚工人的人工标注
6:29.966–6:32.700
这些工人以每小时2-3美元的报酬
6:32.766–6:36.133
处理包含暴力、仇恨、色情内容的海量文本
6:36.400–6:38.433
一名工人曾经在采访中回忆
6:38.500–6:41.266
他每天需要标注超过500条的极端内容
6:41.333–6:44.066
三个月后出现了严重的PTSD症状
6:44.166–6:45.866
无法与家人正常交流
6:46.166–6:47.200
更令人不安的是
6:47.200–6:49.700
这些用于训练AI安全系统的数据
6:49.766–6:53.133
从来没有向工人告知过具体的内容和潜在风险
6:53.200–6:56.833
导致企业将心理创伤成本完全转嫁给了弱势劳工
6:57.133–6:58.866
在自动驾驶数据标注领域
6:58.900–7:01.400
剥削则呈现出了更为隐蔽的形态
7:01.733–7:04.366
2016年委内瑞拉经济崩溃后
7:04.366–7:06.200
大量受过高等教育的难民
7:06.266–7:08.666
在哥伦比亚成为了AI数据标注工人
7:08.800–7:10.766
他们通过众包平台承接任务
7:10.766–7:12.633
却陷入了一场"任务抢夺战",
7:12.900–7:15.400
每个标注任务上线后几秒内就被抢光
7:15.600–7:17.866
迫使工人24小时保持在线
7:18.100–7:20.700
一位患有糖尿病的委内瑞拉女性难民
7:20.733–7:23.400
因为长时间紧盯屏幕导致病情恶化
7:23.400–7:24.266
最终失明
7:24.366–7:26.266
而她所标注的自动驾驶数据
7:26.300–7:29.700
正在被用来开发价值数十亿美元的智能汽车系统
7:30.600–7:31.566
郝珂灵指出
7:31.566–7:35.100
AI产业的扩张正在以独特的方式冲击民主制度
7:35.366–7:36.333
在地方层面
7:36.366–7:39.400
数据中心的选址过程往往会绕过公众的参与
7:39.400–7:41.500
比如亚利桑那州的一位市议员
7:41.600–7:44.033
在批准数据中心建设后才发现
7:44.200–7:47.333
该项目将消耗当地 30% 的淡水资源
7:47.533–7:50.800
而此前企业承诺的 "零影响" 报告严重失实
7:51.000–7:51.933
在国家层面
7:51.933–7:54.733
美国联邦政府通过的《人工智能创新法案》,
7:54.866–7:58.300
实际上冻结了各州制定本地监管政策的权力
7:58.533–8:00.633
将监管权集中到了联邦层面
8:00.866–8:02.100
而联邦政策的制定
8:02.100–8:04.466
又高度依赖企业提供的技术评估
8:04.466–8:06.733
从而形成了一种"监管被俘"的局面
8:07.200–8:09.833
更深远的影响还在于社会契约的破坏
8:10.066–8:12.333
当公众发现自己使用的AI服务
8:12.333–8:16.900
建立在对全球南方劳工的剥削、对环境法规的践踏之上
8:17.066–8:19.533
技术合法性将面临根本性的挑战
8:19.933–8:21.533
郝珂灵在访谈中警告
8:21.666–8:24.000
如果放任AI巨头的"帝国式扩张",
8:24.133–8:27.133
未来20年内可能出现所谓的"技术封建主义",
8:27.200–8:30.233
也就是少数企业会控制关键的基础设施
8:30.400–8:33.233
公众在数据、算力、服务上形成依赖
8:33.366–8:35.600
民主制度难以有效制约技术权力
8:36.500–8:38.033
面对技术集权的威胁
8:38.166–8:41.033
全球范围内已经涌现出了多元反抗力量
8:41.300–8:44.033
在智利,社区组织通过三年诉讼
8:44.066–8:48.033
成功阻止了谷歌在水资源保护区建设耗水型数据中心
8:48.266–8:50.400
迫使企业采用海水冷却技术;
8:50.600–8:51.366
在美国
8:51.366–8:54.500
艺术家集体起诉Stable Diffusion未经授权
8:54.600–8:57.700
使用120万幅版权作品来训练模型
8:57.933–9:01.433
推动法院首次明确AI训练数据的版权边界;
9:01.766–9:02.500
在欧盟
9:02.500–9:05.300
《人工智能法案》建立了技术风险分级制度
9:05.466–9:08.900
要求高风险AI系统必须公开训练数据来源
9:08.900–9:10.333
接受第三方审计
9:10.800–9:11.866
这些案例证明
9:11.900–9:15.066
破局的关键在于抓住AI供应链的薄弱环节
9:15.133–9:19.200
比如数据获取、算力消耗、劳工权益和政策监管
9:19.600–9:21.933
普通公众可以通过行使数据权利
9:21.933–9:29.033
比如拒绝非必要的数据收集、支持通过伦理认证的AI产品、参与社区技术听证会等方式
9:29.266–9:31.233
积少成多形成制约力量
9:31.466–9:32.700
正如郝珂灵所言
9:32.933–9:35.666
AI技术的未来不是由少数企业所决定的
9:35.666–9:38.133
而是取决于我们能否在每个环节
9:38.133–9:39.700
建立民主参与机制
9:39.800–9:41.900
确保技术进步服务于公共利益
9:41.900–9:42.966
而非资本扩张
9:42.966–9:43.700
九、技术神话的反思
9:43.866–9:44.900
在采访的最后
9:44.900–9:46.833
郝珂灵将当前的AI狂热
9:46.833–9:50.200
与电影《沙丘》中的宗教神话做了深刻类比
9:50.366–9:52.233
当技术精英不断在强化
9:52.366–9:54.900
AI将重塑人类文明的二元叙事时
9:55.033–9:57.066
无论是追捧者还是反对者
9:57.066–9:59.166
都可能陷入到认知陷阱中
9:59.266–10:01.966
忽视技术发展的渐进性和复杂性
10:02.233–10:03.500
历史经验告诉我们
10:03.566–10:06.100
任何技术革命如果缺乏社会制衡
10:06.100–10:08.566
都可能异化为新的剥削工具
10:08.666–10:10.800
正如19世纪的东印度公司
10:10.866–10:13.600
凭借着技术优势掠夺殖民地资源一样
10:13.900–10:17.200
21世纪的AI巨头也正在重演类似逻辑
10:17.300–10:22.133
只不过剥削对象从土地变为数据、算力和人类的注意力
10:22.366–10:22.900
好了
10:22.900–10:25.266
以上就是郝珂灵这次访谈的主要内容了
10:25.266–10:27.233
欢迎大家在评论区发表自己的看法
10:27.266–10:29.500
感谢观看本期视频,我们下期再见
0:00.300–0:02.766
大家好,这里是最佳拍档,我是大飞
0:02.966–0:06.466
当我们每天使用AI生成文案、图片甚至视频的时候
0:06.566–0:09.566
是否想过,这些看似神奇的技术背后
0:09.633–0:13.500
正运行着一个由数据、算力和资本构成的庞大帝国
0:13.700–0:14.333
今天
0:14.333–0:20.233
我们将回顾《华尔街日报》科技记者郝珂灵(Karen Hao)在Novara Media的一场专访
0:20.633–0:24.166
看看她是如何通过对硅谷AI行业的深度调查
0:24.300–0:28.566
揭开那些推动技术进步的关键力量如何重塑世界
0:28.666–0:31.833
以及这场技术革命背后隐藏的系统性风险
0:32.300–0:35.633
这期视频我们将从概念的起源到资源的争夺
0:35.733–0:38.500
从企业的蜕变到全球供应链的暗角
0:38.666–0:41.033
深入了解这个正在成型的"AI帝国",
0:41.033–0:42.233
究竟是如何运作的
0:43.133–0:45.766
要想理解当前AI产业的疯狂扩张
0:46.300–0:49.400
必须先厘清"人工智能"这个充满模糊的概念
0:49.633–0:50.500
1956年
0:50.500–0:53.100
达特茅斯学院的助理教授约翰·麦卡锡(John McCarthy)
0:53.100–0:55.400
为了给夏季研究项目筹集资金
0:55.566–0:57.833
首次创造了"人工智能"这个术语
0:57.966–1:00.066
这个诞生于学术营销的词汇
1:00.333–1:04.000
从此成为了一个可以装入任何技术的"手提箱概念"。
1:04.233–1:07.100
如今OpenAI、谷歌等巨头所谈论的AI
1:07.266–1:10.100
本质上是机器学习的一个子类,即深度学习
1:10.266–1:13.966
也就是通过神经网络对海量的数据进行模式计算
1:14.033–1:16.766
实现文本生成、图像识别等功能
1:16.966–1:20.666
但是公众很容易将它等同于科幻作品中的通用智能
1:20.766–1:23.500
忽视了它作为一种特定技术工具的本质
1:23.966–1:25.300
这种概念上的模糊
1:25.300–1:27.200
导致了严重的认知偏差
1:27.333–1:29.166
比如当英国政府宣称
1:29.233–1:33.566
用AI为英国国家医疗服务体系节省了20%开支"时
1:33.866–1:36.433
并没有说明具体用的是哪种AI技术
1:36.633–1:39.033
究竟是基于规则的医疗影像分析
1:39.033–1:41.466
还是需要海量数据训练的大语言模型?
1:41.866–1:45.300
两种技术在成本、效果和实施难度上的差异巨大
1:45.366–1:49.166
但是"人工智能"这个笼统的表述掩盖了所有的细节
1:49.333–1:50.166
更关键的是
1:50.166–1:53.633
这种模糊性让公众难以评估技术的真实影响
1:53.733–1:55.600
比如很少有人意识到
1:55.833–1:57.933
训练一个大语言模型的碳排放量
1:57.933–2:00.366
相当于数十万辆汽车的终身排放量
2:01.266–2:02.733
AI技术的每一次突破
2:02.766–2:05.200
都伴随着算力需求的指数级增长
2:05.466–2:06.800
麦肯锡报告显示
2:06.866–2:09.966
未来五年全球AI数据中心的能源消耗
2:10.000–2:14.000
将每年新增相当于英国0.5到1.2倍的用电量
2:14.200–2:18.500
而其中60%以上要依赖煤炭、天然气等化石燃料
2:18.633–2:19.633
在得克萨斯州
2:19.633–2:22.800
多家本应退役的燃煤电厂被重新启用
2:23.000–2:26.000
唯一的目的就是为AI训练提供稳定的电力;
2:26.366–2:31.666
埃隆·马斯克(Elon Musk)的XAI公司在田纳西州孟菲斯建设的Colossus超级计算机
2:31.833–2:35.000
未经许可便安装了35台甲烷燃气轮机
2:35.166–2:39.500
这些设备每天排放的有毒污染物超过了当地工业标准的200%,
2:39.833–2:42.000
严重威胁到周边居民的健康
2:42.266–2:43.966
水资源的争夺同样激烈
2:44.066–2:46.666
由于数据中心需要纯净水冷却设备
2:46.733–2:49.200
全球67%的新建AI数据中心
2:49.466–2:51.900
选址在干旱或者半干旱地区
2:52.166–2:55.500
乌拉圭首都蒙得维的亚正在经历百年一遇的干旱
2:55.666–2:59.300
当地政府不得不将处理后的工业废水混入饮用水
2:59.466–3:02.733
但是谷歌仍计划在此建设新的数据中心
3:03.000–3:05.800
该项目预计每天将消耗8万吨淡水
3:05.866–3:08.133
相当于16万居民的日常用水量
3:08.466–3:10.433
这种"技术发展优先"的逻辑
3:10.433–3:13.933
正在将环境成本转嫁到公共资源和弱势群体身上
3:14.833–3:17.533
郝珂灵指出,当前美国AI领域的竞争
3:17.533–3:21.266
本质上是一场关于"通用人工智能(AGI)"的集体狂欢
3:21.600–3:25.466
OpenAI、Anthropic、谷歌、Meta等公司投入数百亿美元
3:25.600–3:28.266
声称要创造"重塑人类智能"的技术
3:28.566–3:30.300
但是颇具讽刺意味的是
3:30.466–3:33.700
这些公司的商业案例普遍都是模糊不清的
3:34.000–3:37.966
比如微软在2024年悄悄撤回了部分数据中心的投资
3:38.133–3:40.133
承认"短期回报不及预期",
3:40.400–3:43.666
而OpenAI向投资者描绘的"AGI垄断"愿景
3:43.833–3:47.466
更多是基于彼得·蒂尔(Peter Thiel)「竞争是给白痴准备的,创业必须要垄断」的理论
3:47.466–3:49.266
创业必须要垄断"的理论
3:49.433–3:51.133
而非实际的技术路径
3:51.633–3:53.266
与美国的概念驱动不同
3:53.400–3:56.733
中国AI企业展现出的则是更为务实的技术路线
3:56.866–3:58.933
大多以具体场景为导向
3:59.033–4:01.166
强调技术与实体经济的结合
4:01.433–4:04.266
这种差异反映了中美产业文化的根本不同
4:04.400–4:05.866
但是无论哪种模式
4:05.933–4:08.066
都面临着"技术万能论"的陷阱
4:08.233–4:11.066
当企业将AGI视为一个必须征服的"圣杯",
4:11.133–4:14.400
就可能忽视技术发展的真实边界和社会成本
4:15.300–4:16.300
OpenAI的发展历程
4:16.300–4:19.666
是一部理想主义向商业现实妥协的教科书
4:19.900–4:20.666
2015年
4:20.666–4:23.933
埃隆·马斯克(Elon Musk)与萨姆·奥尔特曼(Sam Altman)创立这家非营利组织的时候
4:24.166–4:27.333
目标是"通过开放协作防止AI被垄断"。
4:27.733–4:30.300
早期的OpenAI确实践行了开源的理念
4:30.400–4:32.600
将GPT-1的技术细节公之于众
4:32.600–4:35.333
并且通过"使命感"吸引到了顶尖人才
4:35.533–4:39.900
包括前首席科学家伊利亚·苏茨克维尔(Ilya Sutskever)放弃了谷歌的百万年薪
4:40.000–4:43.100
正是被"打造造福全人类的AI"的愿景所打动
4:43.466–4:45.433
但是算力的瓶颈改写了一切
4:45.600–4:48.300
当团队发现深度学习模型的性能提升
4:48.333–4:50.200
高度依赖于算力规模后
4:50.333–4:53.200
非营利模式的资金限制就成为了一道致命伤
4:53.533–4:56.033
2016年,OpenAI决定引入商业投资
4:56.066–4:57.533
转型为"营利性公司",
4:57.766–4:59.666
这个决策导致马斯克退出
4:59.966–5:01.200
他后来公开表示
5:01.300–5:04.400
"无法接受将AI技术交给追求利润的资本"。
5:04.733–5:06.500
转型后的OpenAI迅速变脸
5:06.500–5:07.600
停止开源技术
5:07.600–5:09.733
与微软达成独家云计算协议
5:09.766–5:11.800
将技术细节作为商业机密
5:12.200–5:13.133
到2025年
5:13.133–5:15.400
OpenAI估值已达3000亿美元
5:15.466–5:17.600
成为全球最值钱的AI企业
5:17.766–5:20.233
而创立时的"开放、透明"原则
5:20.366–5:22.633
早已被"规模至上"的资本逻辑取代
5:23.533–5:24.966
作为OpenAI的灵魂人物
5:25.000–5:28.033
Sam Altman的崛起堪称硅谷精英的典型样本
5:28.200–5:30.133
这位YC前总裁的职业生涯
5:30.200–5:34.066
贯穿了对技术趋势的精准把握和对人性的深刻洞察
5:34.366–5:35.966
在担任YC总裁期间
5:35.966–5:39.333
他将这家初创加速器打造成了硅谷的创新引擎
5:39.433–5:42.733
投资了包括Airbnb、Dropbox在内的明星企业
5:42.800–5:44.566
积累了深厚的资本人脉
5:44.833–5:46.533
2015年创立OpenAI时
5:46.600–5:49.100
他展现出了非凡的八面玲瓏能力
5:49.233–5:50.233
对风险投资人
5:50.233–5:53.166
他会强调"先发优势带来的垄断利润";
5:53.333–5:54.166
对政府官员
5:54.166–5:56.500
他会大谈"AI监管的全球协作";
5:56.700–5:57.500
对普通用户
5:57.500–5:59.566
他则塑造"技术普惠"的形象
5:59.833–6:02.966
这种多面性让外界难以判断他的真实信念
6:03.100–6:06.766
但是也让他成为资本、技术、政策三界的"润滑剂"。
6:07.033–6:09.033
正如郝珂灵在采访中指出的
6:09.233–6:11.566
Altman并非传统意义上的技术专家
6:11.633–6:14.366
而是一名精通"愿景营销"的商业领袖
6:14.700–6:15.833
他的成功也证明
6:15.833–6:17.733
在硅谷"讲好技术故事",
6:17.733–6:19.766
有时比技术本身更加重要
6:20.666–6:22.700
在AI产业的光鲜财报背后
6:22.800–6:25.833
隐藏着对全球南方劳动力的系统性剥削
6:26.133–6:27.766
OpenAI的内容审核体系
6:27.766–6:29.833
依赖于肯尼亚工人的人工标注
6:29.966–6:32.700
这些工人以每小时2-3美元的报酬
6:32.766–6:36.133
处理包含暴力、仇恨、色情内容的海量文本
6:36.400–6:38.433
一名工人曾经在采访中回忆
6:38.500–6:41.266
他每天需要标注超过500条的极端内容
6:41.333–6:44.066
三个月后出现了严重的PTSD症状
6:44.166–6:45.866
无法与家人正常交流
6:46.166–6:47.200
更令人不安的是
6:47.200–6:49.700
这些用于训练AI安全系统的数据
6:49.766–6:53.133
从来没有向工人告知过具体的内容和潜在风险
6:53.200–6:56.833
导致企业将心理创伤成本完全转嫁给了弱势劳工
6:57.133–6:58.866
在自动驾驶数据标注领域
6:58.900–7:01.400
剥削则呈现出了更为隐蔽的形态
7:01.733–7:04.366
2016年委内瑞拉经济崩溃后
7:04.366–7:06.200
大量受过高等教育的难民
7:06.266–7:08.666
在哥伦比亚成为了AI数据标注工人
7:08.800–7:10.766
他们通过众包平台承接任务
7:10.766–7:12.633
却陷入了一场"任务抢夺战",
7:12.900–7:15.400
每个标注任务上线后几秒内就被抢光
7:15.600–7:17.866
迫使工人24小时保持在线
7:18.100–7:20.700
一位患有糖尿病的委内瑞拉女性难民
7:20.733–7:23.400
因为长时间紧盯屏幕导致病情恶化
7:23.400–7:24.266
最终失明
7:24.366–7:26.266
而她所标注的自动驾驶数据
7:26.300–7:29.700
正在被用来开发价值数十亿美元的智能汽车系统
7:30.600–7:31.566
郝珂灵指出
7:31.566–7:35.100
AI产业的扩张正在以独特的方式冲击民主制度
7:35.366–7:36.333
在地方层面
7:36.366–7:39.400
数据中心的选址过程往往会绕过公众的参与
7:39.400–7:41.500
比如亚利桑那州的一位市议员
7:41.600–7:44.033
在批准数据中心建设后才发现
7:44.200–7:47.333
该项目将消耗当地 30% 的淡水资源
7:47.533–7:50.800
而此前企业承诺的 "零影响" 报告严重失实
7:51.000–7:51.933
在国家层面
7:51.933–7:54.733
美国联邦政府通过的《人工智能创新法案》,
7:54.866–7:58.300
实际上冻结了各州制定本地监管政策的权力
7:58.533–8:00.633
将监管权集中到了联邦层面
8:00.866–8:02.100
而联邦政策的制定
8:02.100–8:04.466
又高度依赖企业提供的技术评估
8:04.466–8:06.733
从而形成了一种"监管被俘"的局面
8:07.200–8:09.833
更深远的影响还在于社会契约的破坏
8:10.066–8:12.333
当公众发现自己使用的AI服务
8:12.333–8:16.900
建立在对全球南方劳工的剥削、对环境法规的践踏之上
8:17.066–8:19.533
技术合法性将面临根本性的挑战
8:19.933–8:21.533
郝珂灵在访谈中警告
8:21.666–8:24.000
如果放任AI巨头的"帝国式扩张",
8:24.133–8:27.133
未来20年内可能出现所谓的"技术封建主义",
8:27.200–8:30.233
也就是少数企业会控制关键的基础设施
8:30.400–8:33.233
公众在数据、算力、服务上形成依赖
8:33.366–8:35.600
民主制度难以有效制约技术权力
8:36.500–8:38.033
面对技术集权的威胁
8:38.166–8:41.033
全球范围内已经涌现出了多元反抗力量
8:41.300–8:44.033
在智利,社区组织通过三年诉讼
8:44.066–8:48.033
成功阻止了谷歌在水资源保护区建设耗水型数据中心
8:48.266–8:50.400
迫使企业采用海水冷却技术;
8:50.600–8:51.366
在美国
8:51.366–8:54.500
艺术家集体起诉Stable Diffusion未经授权
8:54.600–8:57.700
使用120万幅版权作品来训练模型
8:57.933–9:01.433
推动法院首次明确AI训练数据的版权边界;
9:01.766–9:02.500
在欧盟
9:02.500–9:05.300
《人工智能法案》建立了技术风险分级制度
9:05.466–9:08.900
要求高风险AI系统必须公开训练数据来源
9:08.900–9:10.333
接受第三方审计
9:10.800–9:11.866
这些案例证明
9:11.900–9:15.066
破局的关键在于抓住AI供应链的薄弱环节
9:15.133–9:19.200
比如数据获取、算力消耗、劳工权益和政策监管
9:19.600–9:21.933
普通公众可以通过行使数据权利
9:21.933–9:29.033
比如拒绝非必要的数据收集、支持通过伦理认证的AI产品、参与社区技术听证会等方式
9:29.266–9:31.233
积少成多形成制约力量
9:31.466–9:32.700
正如郝珂灵所言
9:32.933–9:35.666
AI技术的未来不是由少数企业所决定的
9:35.666–9:38.133
而是取决于我们能否在每个环节
9:38.133–9:39.700
建立民主参与机制
9:39.800–9:41.900
确保技术进步服务于公共利益
9:41.900–9:42.966
而非资本扩张
9:42.966–9:43.700
九、技术神话的反思
9:43.866–9:44.900
在采访的最后
9:44.900–9:46.833
郝珂灵将当前的AI狂热
9:46.833–9:50.200
与电影《沙丘》中的宗教神话做了深刻类比
9:50.366–9:52.233
当技术精英不断在强化
9:52.366–9:54.900
AI将重塑人类文明的二元叙事时
9:55.033–9:57.066
无论是追捧者还是反对者
9:57.066–9:59.166
都可能陷入到认知陷阱中
9:59.266–10:01.966
忽视技术发展的渐进性和复杂性
10:02.233–10:03.500
历史经验告诉我们
10:03.566–10:06.100
任何技术革命如果缺乏社会制衡
10:06.100–10:08.566
都可能异化为新的剥削工具
10:08.666–10:10.800
正如19世纪的东印度公司
10:10.866–10:13.600
凭借着技术优势掠夺殖民地资源一样
10:13.900–10:17.200
21世纪的AI巨头也正在重演类似逻辑
10:17.300–10:22.133
只不过剥削对象从土地变为数据、算力和人类的注意力
10:22.366–10:22.900
好了
10:22.900–10:25.266
以上就是郝珂灵这次访谈的主要内容了
10:25.266–10:27.233
欢迎大家在评论区发表自己的看法
10:27.266–10:29.500
感谢观看本期视频,我们下期再见
0:00.300–0:02.766
大家好,这里是最佳拍档,我是大飞
大家好,这里是最佳拍档,我是大飞
0:02.966–0:06.466
当我们每天使用AI生成文案、图片甚至视频的时候
当我们每天使用AI生成文案、图片甚至视频的时候
0:06.566–0:09.566
是否想过,这些看似神奇的技术背后
是否想过,这些看似神奇的技术背后
0:09.633–0:13.500
正运行着一个由数据、算力和资本构成的庞大帝国
正运行着一个由数据、算力和资本构成的庞大帝国
0:13.700–0:14.333
今天
今天
0:14.333–0:20.233
我们将回顾《华尔街日报》科技记者郝珂灵(Karen Hao)在Novara Media的一场专访
我们将回顾《华尔街日报》科技记者郝珂灵(Karen Hao)在Novara Media的一场专访
0:20.633–0:24.166
看看她是如何通过对硅谷AI行业的深度调查
看看她是如何通过对硅谷AI行业的深度调查
0:24.300–0:28.566
揭开那些推动技术进步的关键力量如何重塑世界
揭开那些推动技术进步的关键力量如何重塑世界
0:28.666–0:31.833
以及这场技术革命背后隐藏的系统性风险
以及这场技术革命背后隐藏的系统性风险
0:32.300–0:35.633
这期视频我们将从概念的起源到资源的争夺
这期视频我们将从概念的起源到资源的争夺
0:35.733–0:38.500
从企业的蜕变到全球供应链的暗角
从企业的蜕变到全球供应链的暗角
0:38.666–0:41.033
深入了解这个正在成型的"AI帝国",
深入了解这个正在成型的"AI帝国",
0:41.033–0:42.233
究竟是如何运作的
究竟是如何运作的
0:43.133–0:45.766
要想理解当前AI产业的疯狂扩张
要想理解当前AI产业的疯狂扩张
0:46.300–0:49.400
必须先厘清"人工智能"这个充满模糊的概念
必须先厘清"人工智能"这个充满模糊的概念
0:49.633–0:50.500
1956年
1956年
0:50.500–0:53.100
达特茅斯学院的助理教授约翰·麦卡锡(John McCarthy)
达特茅斯学院的助理教授约翰·麦卡锡(John McCarthy)
0:53.100–0:55.400
为了给夏季研究项目筹集资金
为了给夏季研究项目筹集资金
0:55.566–0:57.833
首次创造了"人工智能"这个术语
首次创造了"人工智能"这个术语
0:57.966–1:00.066
这个诞生于学术营销的词汇
这个诞生于学术营销的词汇
1:00.333–1:04.000
从此成为了一个可以装入任何技术的"手提箱概念"。
从此成为了一个可以装入任何技术的"手提箱概念"。
1:04.233–1:07.100
如今OpenAI、谷歌等巨头所谈论的AI
如今OpenAI、谷歌等巨头所谈论的AI
1:07.266–1:10.100
本质上是机器学习的一个子类,即深度学习
本质上是机器学习的一个子类,即深度学习
1:10.266–1:13.966
也就是通过神经网络对海量的数据进行模式计算
也就是通过神经网络对海量的数据进行模式计算
1:14.033–1:16.766
实现文本生成、图像识别等功能
实现文本生成、图像识别等功能
1:16.966–1:20.666
但是公众很容易将它等同于科幻作品中的通用智能
但是公众很容易将它等同于科幻作品中的通用智能
1:20.766–1:23.500
忽视了它作为一种特定技术工具的本质
忽视了它作为一种特定技术工具的本质
1:23.966–1:25.300
这种概念上的模糊
这种概念上的模糊
1:25.300–1:27.200
导致了严重的认知偏差
导致了严重的认知偏差
1:27.333–1:29.166
比如当英国政府宣称
比如当英国政府宣称
1:29.233–1:33.566
用AI为英国国家医疗服务体系节省了20%开支"时
用AI为英国国家医疗服务体系节省了20%开支"时
1:33.866–1:36.433
并没有说明具体用的是哪种AI技术
并没有说明具体用的是哪种AI技术
1:36.633–1:39.033
究竟是基于规则的医疗影像分析
究竟是基于规则的医疗影像分析
1:39.033–1:41.466
还是需要海量数据训练的大语言模型?
还是需要海量数据训练的大语言模型?
1:41.866–1:45.300
两种技术在成本、效果和实施难度上的差异巨大
两种技术在成本、效果和实施难度上的差异巨大
1:45.366–1:49.166
但是"人工智能"这个笼统的表述掩盖了所有的细节
但是"人工智能"这个笼统的表述掩盖了所有的细节
1:49.333–1:50.166
更关键的是
更关键的是
1:50.166–1:53.633
这种模糊性让公众难以评估技术的真实影响
这种模糊性让公众难以评估技术的真实影响
1:53.733–1:55.600
比如很少有人意识到
比如很少有人意识到
1:55.833–1:57.933
训练一个大语言模型的碳排放量
训练一个大语言模型的碳排放量
1:57.933–2:00.366
相当于数十万辆汽车的终身排放量
相当于数十万辆汽车的终身排放量
2:01.266–2:02.733
AI技术的每一次突破
AI技术的每一次突破
2:02.766–2:05.200
都伴随着算力需求的指数级增长
都伴随着算力需求的指数级增长
2:05.466–2:06.800
麦肯锡报告显示
麦肯锡报告显示
2:06.866–2:09.966
未来五年全球AI数据中心的能源消耗
未来五年全球AI数据中心的能源消耗
2:10.000–2:14.000
将每年新增相当于英国0.5到1.2倍的用电量
将每年新增相当于英国0.5到1.2倍的用电量
2:14.200–2:18.500
而其中60%以上要依赖煤炭、天然气等化石燃料
而其中60%以上要依赖煤炭、天然气等化石燃料
2:18.633–2:19.633
在得克萨斯州
在得克萨斯州
2:19.633–2:22.800
多家本应退役的燃煤电厂被重新启用
多家本应退役的燃煤电厂被重新启用
2:23.000–2:26.000
唯一的目的就是为AI训练提供稳定的电力;
唯一的目的就是为AI训练提供稳定的电力;
2:26.366–2:31.666
埃隆·马斯克(Elon Musk)的XAI公司在田纳西州孟菲斯建设的Colossus超级计算机
埃隆·马斯克(Elon Musk)的XAI公司在田纳西州孟菲斯建设的Colossus超级计算机
2:31.833–2:35.000
未经许可便安装了35台甲烷燃气轮机
未经许可便安装了35台甲烷燃气轮机
2:35.166–2:39.500
这些设备每天排放的有毒污染物超过了当地工业标准的200%,
这些设备每天排放的有毒污染物超过了当地工业标准的200%,
2:39.833–2:42.000
严重威胁到周边居民的健康
严重威胁到周边居民的健康
2:42.266–2:43.966
水资源的争夺同样激烈
水资源的争夺同样激烈
2:44.066–2:46.666
由于数据中心需要纯净水冷却设备
由于数据中心需要纯净水冷却设备
2:46.733–2:49.200
全球67%的新建AI数据中心
全球67%的新建AI数据中心
2:49.466–2:51.900
选址在干旱或者半干旱地区
选址在干旱或者半干旱地区
2:52.166–2:55.500
乌拉圭首都蒙得维的亚正在经历百年一遇的干旱
乌拉圭首都蒙得维的亚正在经历百年一遇的干旱
2:55.666–2:59.300
当地政府不得不将处理后的工业废水混入饮用水
当地政府不得不将处理后的工业废水混入饮用水
2:59.466–3:02.733
但是谷歌仍计划在此建设新的数据中心
但是谷歌仍计划在此建设新的数据中心
3:03.000–3:05.800
该项目预计每天将消耗8万吨淡水
该项目预计每天将消耗8万吨淡水
3:05.866–3:08.133
相当于16万居民的日常用水量
相当于16万居民的日常用水量
3:08.466–3:10.433
这种"技术发展优先"的逻辑
这种"技术发展优先"的逻辑
3:10.433–3:13.933
正在将环境成本转嫁到公共资源和弱势群体身上
正在将环境成本转嫁到公共资源和弱势群体身上
3:14.833–3:17.533
郝珂灵指出,当前美国AI领域的竞争
郝珂灵指出,当前美国AI领域的竞争
3:17.533–3:21.266
本质上是一场关于"通用人工智能(AGI)"的集体狂欢
本质上是一场关于"通用人工智能(AGI)"的集体狂欢
3:21.600–3:25.466
OpenAI、Anthropic、谷歌、Meta等公司投入数百亿美元
OpenAI、Anthropic、谷歌、Meta等公司投入数百亿美元
3:25.600–3:28.266
声称要创造"重塑人类智能"的技术
声称要创造"重塑人类智能"的技术
3:28.566–3:30.300
但是颇具讽刺意味的是
但是颇具讽刺意味的是
3:30.466–3:33.700
这些公司的商业案例普遍都是模糊不清的
这些公司的商业案例普遍都是模糊不清的
3:34.000–3:37.966
比如微软在2024年悄悄撤回了部分数据中心的投资
比如微软在2024年悄悄撤回了部分数据中心的投资
3:38.133–3:40.133
承认"短期回报不及预期",
承认"短期回报不及预期",
3:40.400–3:43.666
而OpenAI向投资者描绘的"AGI垄断"愿景
而OpenAI向投资者描绘的"AGI垄断"愿景
3:43.833–3:47.466
更多是基于彼得·蒂尔(Peter Thiel)「竞争是给白痴准备的,创业必须要垄断」的理论
更多是基于彼得·蒂尔(Peter Thiel)「竞争是给白痴准备的,创业必须要垄断」的理论
3:47.466–3:49.266
创业必须要垄断"的理论
创业必须要垄断"的理论
3:49.433–3:51.133
而非实际的技术路径
而非实际的技术路径
3:51.633–3:53.266
与美国的概念驱动不同
与美国的概念驱动不同
3:53.400–3:56.733
中国AI企业展现出的则是更为务实的技术路线
中国AI企业展现出的则是更为务实的技术路线
3:56.866–3:58.933
大多以具体场景为导向
大多以具体场景为导向
3:59.033–4:01.166
强调技术与实体经济的结合
强调技术与实体经济的结合
4:01.433–4:04.266
这种差异反映了中美产业文化的根本不同
这种差异反映了中美产业文化的根本不同
4:04.400–4:05.866
但是无论哪种模式
但是无论哪种模式
4:05.933–4:08.066
都面临着"技术万能论"的陷阱
都面临着"技术万能论"的陷阱
4:08.233–4:11.066
当企业将AGI视为一个必须征服的"圣杯",
当企业将AGI视为一个必须征服的"圣杯",
4:11.133–4:14.400
就可能忽视技术发展的真实边界和社会成本
就可能忽视技术发展的真实边界和社会成本
4:15.300–4:16.300
OpenAI的发展历程
OpenAI的发展历程
4:16.300–4:19.666
是一部理想主义向商业现实妥协的教科书
是一部理想主义向商业现实妥协的教科书
4:19.900–4:20.666
2015年
2015年
4:20.666–4:23.933
埃隆·马斯克(Elon Musk)与萨姆·奥尔特曼(Sam Altman)创立这家非营利组织的时候
埃隆·马斯克(Elon Musk)与萨姆·奥尔特曼(Sam Altman)创立这家非营利组织的时候
4:24.166–4:27.333
目标是"通过开放协作防止AI被垄断"。
目标是"通过开放协作防止AI被垄断"。
4:27.733–4:30.300
早期的OpenAI确实践行了开源的理念
早期的OpenAI确实践行了开源的理念
4:30.400–4:32.600
将GPT-1的技术细节公之于众
将GPT-1的技术细节公之于众
4:32.600–4:35.333
并且通过"使命感"吸引到了顶尖人才
并且通过"使命感"吸引到了顶尖人才
4:35.533–4:39.900
包括前首席科学家伊利亚·苏茨克维尔(Ilya Sutskever)放弃了谷歌的百万年薪
包括前首席科学家伊利亚·苏茨克维尔(Ilya Sutskever)放弃了谷歌的百万年薪
4:40.000–4:43.100
正是被"打造造福全人类的AI"的愿景所打动
正是被"打造造福全人类的AI"的愿景所打动
4:43.466–4:45.433
但是算力的瓶颈改写了一切
但是算力的瓶颈改写了一切
4:45.600–4:48.300
当团队发现深度学习模型的性能提升
当团队发现深度学习模型的性能提升
4:48.333–4:50.200
高度依赖于算力规模后
高度依赖于算力规模后
4:50.333–4:53.200
非营利模式的资金限制就成为了一道致命伤
非营利模式的资金限制就成为了一道致命伤
4:53.533–4:56.033
2016年,OpenAI决定引入商业投资
2016年,OpenAI决定引入商业投资
4:56.066–4:57.533
转型为"营利性公司",
转型为"营利性公司",
4:57.766–4:59.666
这个决策导致马斯克退出
这个决策导致马斯克退出
4:59.966–5:01.200
他后来公开表示
他后来公开表示
5:01.300–5:04.400
"无法接受将AI技术交给追求利润的资本"。
"无法接受将AI技术交给追求利润的资本"。
5:04.733–5:06.500
转型后的OpenAI迅速变脸
转型后的OpenAI迅速变脸
5:06.500–5:07.600
停止开源技术
停止开源技术
5:07.600–5:09.733
与微软达成独家云计算协议
与微软达成独家云计算协议
5:09.766–5:11.800
将技术细节作为商业机密
将技术细节作为商业机密
5:12.200–5:13.133
到2025年
到2025年
5:13.133–5:15.400
OpenAI估值已达3000亿美元
OpenAI估值已达3000亿美元
5:15.466–5:17.600
成为全球最值钱的AI企业
成为全球最值钱的AI企业
5:17.766–5:20.233
而创立时的"开放、透明"原则
而创立时的"开放、透明"原则
5:20.366–5:22.633
早已被"规模至上"的资本逻辑取代
早已被"规模至上"的资本逻辑取代
5:23.533–5:24.966
作为OpenAI的灵魂人物
作为OpenAI的灵魂人物
5:25.000–5:28.033
Sam Altman的崛起堪称硅谷精英的典型样本
Sam Altman的崛起堪称硅谷精英的典型样本
5:28.200–5:30.133
这位YC前总裁的职业生涯
这位YC前总裁的职业生涯
5:30.200–5:34.066
贯穿了对技术趋势的精准把握和对人性的深刻洞察
贯穿了对技术趋势的精准把握和对人性的深刻洞察
5:34.366–5:35.966
在担任YC总裁期间
在担任YC总裁期间
5:35.966–5:39.333
他将这家初创加速器打造成了硅谷的创新引擎
他将这家初创加速器打造成了硅谷的创新引擎
5:39.433–5:42.733
投资了包括Airbnb、Dropbox在内的明星企业
投资了包括Airbnb、Dropbox在内的明星企业
5:42.800–5:44.566
积累了深厚的资本人脉
积累了深厚的资本人脉
5:44.833–5:46.533
2015年创立OpenAI时
2015年创立OpenAI时
5:46.600–5:49.100
他展现出了非凡的八面玲瓏能力
他展现出了非凡的八面玲瓏能力
5:49.233–5:50.233
对风险投资人
对风险投资人
5:50.233–5:53.166
他会强调"先发优势带来的垄断利润";
他会强调"先发优势带来的垄断利润";
5:53.333–5:54.166
对政府官员
对政府官员
5:54.166–5:56.500
他会大谈"AI监管的全球协作";
他会大谈"AI监管的全球协作";
5:56.700–5:57.500
对普通用户
对普通用户
5:57.500–5:59.566
他则塑造"技术普惠"的形象
他则塑造"技术普惠"的形象
5:59.833–6:02.966
这种多面性让外界难以判断他的真实信念
这种多面性让外界难以判断他的真实信念
6:03.100–6:06.766
但是也让他成为资本、技术、政策三界的"润滑剂"。
但是也让他成为资本、技术、政策三界的"润滑剂"。
6:07.033–6:09.033
正如郝珂灵在采访中指出的
正如郝珂灵在采访中指出的
6:09.233–6:11.566
Altman并非传统意义上的技术专家
Altman并非传统意义上的技术专家
6:11.633–6:14.366
而是一名精通"愿景营销"的商业领袖
而是一名精通"愿景营销"的商业领袖
6:14.700–6:15.833
他的成功也证明
他的成功也证明
6:15.833–6:17.733
在硅谷"讲好技术故事",
在硅谷"讲好技术故事",
6:17.733–6:19.766
有时比技术本身更加重要
有时比技术本身更加重要
6:20.666–6:22.700
在AI产业的光鲜财报背后
在AI产业的光鲜财报背后
6:22.800–6:25.833
隐藏着对全球南方劳动力的系统性剥削
隐藏着对全球南方劳动力的系统性剥削
6:26.133–6:27.766
OpenAI的内容审核体系
OpenAI的内容审核体系
6:27.766–6:29.833
依赖于肯尼亚工人的人工标注
依赖于肯尼亚工人的人工标注
6:29.966–6:32.700
这些工人以每小时2-3美元的报酬
这些工人以每小时2-3美元的报酬
6:32.766–6:36.133
处理包含暴力、仇恨、色情内容的海量文本
处理包含暴力、仇恨、色情内容的海量文本
6:36.400–6:38.433
一名工人曾经在采访中回忆
一名工人曾经在采访中回忆
6:38.500–6:41.266
他每天需要标注超过500条的极端内容
他每天需要标注超过500条的极端内容
6:41.333–6:44.066
三个月后出现了严重的PTSD症状
三个月后出现了严重的PTSD症状
6:44.166–6:45.866
无法与家人正常交流
无法与家人正常交流
6:46.166–6:47.200
更令人不安的是
更令人不安的是
6:47.200–6:49.700
这些用于训练AI安全系统的数据
这些用于训练AI安全系统的数据
6:49.766–6:53.133
从来没有向工人告知过具体的内容和潜在风险
从来没有向工人告知过具体的内容和潜在风险
6:53.200–6:56.833
导致企业将心理创伤成本完全转嫁给了弱势劳工
导致企业将心理创伤成本完全转嫁给了弱势劳工
6:57.133–6:58.866
在自动驾驶数据标注领域
在自动驾驶数据标注领域
6:58.900–7:01.400
剥削则呈现出了更为隐蔽的形态
剥削则呈现出了更为隐蔽的形态
7:01.733–7:04.366
2016年委内瑞拉经济崩溃后
2016年委内瑞拉经济崩溃后
7:04.366–7:06.200
大量受过高等教育的难民
大量受过高等教育的难民
7:06.266–7:08.666
在哥伦比亚成为了AI数据标注工人
在哥伦比亚成为了AI数据标注工人
7:08.800–7:10.766
他们通过众包平台承接任务
他们通过众包平台承接任务
7:10.766–7:12.633
却陷入了一场"任务抢夺战",
却陷入了一场"任务抢夺战",
7:12.900–7:15.400
每个标注任务上线后几秒内就被抢光
每个标注任务上线后几秒内就被抢光
7:15.600–7:17.866
迫使工人24小时保持在线
迫使工人24小时保持在线
7:18.100–7:20.700
一位患有糖尿病的委内瑞拉女性难民
一位患有糖尿病的委内瑞拉女性难民
7:20.733–7:23.400
因为长时间紧盯屏幕导致病情恶化
因为长时间紧盯屏幕导致病情恶化
7:23.400–7:24.266
最终失明
最终失明
7:24.366–7:26.266
而她所标注的自动驾驶数据
而她所标注的自动驾驶数据
7:26.300–7:29.700
正在被用来开发价值数十亿美元的智能汽车系统
正在被用来开发价值数十亿美元的智能汽车系统
7:30.600–7:31.566
郝珂灵指出
郝珂灵指出
7:31.566–7:35.100
AI产业的扩张正在以独特的方式冲击民主制度
AI产业的扩张正在以独特的方式冲击民主制度
7:35.366–7:36.333
在地方层面
在地方层面
7:36.366–7:39.400
数据中心的选址过程往往会绕过公众的参与
数据中心的选址过程往往会绕过公众的参与
7:39.400–7:41.500
比如亚利桑那州的一位市议员
比如亚利桑那州的一位市议员
7:41.600–7:44.033
在批准数据中心建设后才发现
在批准数据中心建设后才发现
7:44.200–7:47.333
该项目将消耗当地 30% 的淡水资源
该项目将消耗当地 30% 的淡水资源
7:47.533–7:50.800
而此前企业承诺的 "零影响" 报告严重失实
而此前企业承诺的 "零影响" 报告严重失实
7:51.000–7:51.933
在国家层面
在国家层面
7:51.933–7:54.733
美国联邦政府通过的《人工智能创新法案》,
美国联邦政府通过的《人工智能创新法案》,
7:54.866–7:58.300
实际上冻结了各州制定本地监管政策的权力
实际上冻结了各州制定本地监管政策的权力
7:58.533–8:00.633
将监管权集中到了联邦层面
将监管权集中到了联邦层面
8:00.866–8:02.100
而联邦政策的制定
而联邦政策的制定
8:02.100–8:04.466
又高度依赖企业提供的技术评估
又高度依赖企业提供的技术评估
8:04.466–8:06.733
从而形成了一种"监管被俘"的局面
从而形成了一种"监管被俘"的局面
8:07.200–8:09.833
更深远的影响还在于社会契约的破坏
更深远的影响还在于社会契约的破坏
8:10.066–8:12.333
当公众发现自己使用的AI服务
当公众发现自己使用的AI服务
8:12.333–8:16.900
建立在对全球南方劳工的剥削、对环境法规的践踏之上
建立在对全球南方劳工的剥削、对环境法规的践踏之上
8:17.066–8:19.533
技术合法性将面临根本性的挑战
技术合法性将面临根本性的挑战
8:19.933–8:21.533
郝珂灵在访谈中警告
郝珂灵在访谈中警告
8:21.666–8:24.000
如果放任AI巨头的"帝国式扩张",
如果放任AI巨头的"帝国式扩张",
8:24.133–8:27.133
未来20年内可能出现所谓的"技术封建主义",
未来20年内可能出现所谓的"技术封建主义",
8:27.200–8:30.233
也就是少数企业会控制关键的基础设施
也就是少数企业会控制关键的基础设施
8:30.400–8:33.233
公众在数据、算力、服务上形成依赖
公众在数据、算力、服务上形成依赖
8:33.366–8:35.600
民主制度难以有效制约技术权力
民主制度难以有效制约技术权力
8:36.500–8:38.033
面对技术集权的威胁
面对技术集权的威胁
8:38.166–8:41.033
全球范围内已经涌现出了多元反抗力量
全球范围内已经涌现出了多元反抗力量
8:41.300–8:44.033
在智利,社区组织通过三年诉讼
在智利,社区组织通过三年诉讼
8:44.066–8:48.033
成功阻止了谷歌在水资源保护区建设耗水型数据中心
成功阻止了谷歌在水资源保护区建设耗水型数据中心
8:48.266–8:50.400
迫使企业采用海水冷却技术;
迫使企业采用海水冷却技术;
8:50.600–8:51.366
在美国
在美国
8:51.366–8:54.500
艺术家集体起诉Stable Diffusion未经授权
艺术家集体起诉Stable Diffusion未经授权
8:54.600–8:57.700
使用120万幅版权作品来训练模型
使用120万幅版权作品来训练模型
8:57.933–9:01.433
推动法院首次明确AI训练数据的版权边界;
推动法院首次明确AI训练数据的版权边界;
9:01.766–9:02.500
在欧盟
在欧盟
9:02.500–9:05.300
《人工智能法案》建立了技术风险分级制度
《人工智能法案》建立了技术风险分级制度
9:05.466–9:08.900
要求高风险AI系统必须公开训练数据来源
要求高风险AI系统必须公开训练数据来源
9:08.900–9:10.333
接受第三方审计
接受第三方审计
9:10.800–9:11.866
这些案例证明
这些案例证明
9:11.900–9:15.066
破局的关键在于抓住AI供应链的薄弱环节
破局的关键在于抓住AI供应链的薄弱环节
9:15.133–9:19.200
比如数据获取、算力消耗、劳工权益和政策监管
比如数据获取、算力消耗、劳工权益和政策监管
9:19.600–9:21.933
普通公众可以通过行使数据权利
普通公众可以通过行使数据权利
9:21.933–9:29.033
比如拒绝非必要的数据收集、支持通过伦理认证的AI产品、参与社区技术听证会等方式
比如拒绝非必要的数据收集、支持通过伦理认证的AI产品、参与社区技术听证会等方式
9:29.266–9:31.233
积少成多形成制约力量
积少成多形成制约力量
9:31.466–9:32.700
正如郝珂灵所言
正如郝珂灵所言
9:32.933–9:35.666
AI技术的未来不是由少数企业所决定的
AI技术的未来不是由少数企业所决定的
9:35.666–9:38.133
而是取决于我们能否在每个环节
而是取决于我们能否在每个环节
9:38.133–9:39.700
建立民主参与机制
建立民主参与机制
9:39.800–9:41.900
确保技术进步服务于公共利益
确保技术进步服务于公共利益
9:41.900–9:42.966
而非资本扩张
而非资本扩张
9:42.966–9:43.700
九、技术神话的反思
九、技术神话的反思
9:43.866–9:44.900
在采访的最后
在采访的最后
9:44.900–9:46.833
郝珂灵将当前的AI狂热
郝珂灵将当前的AI狂热
9:46.833–9:50.200
与电影《沙丘》中的宗教神话做了深刻类比
与电影《沙丘》中的宗教神话做了深刻类比
9:50.366–9:52.233
当技术精英不断在强化
当技术精英不断在强化
9:52.366–9:54.900
AI将重塑人类文明的二元叙事时
AI将重塑人类文明的二元叙事时
9:55.033–9:57.066
无论是追捧者还是反对者
无论是追捧者还是反对者
9:57.066–9:59.166
都可能陷入到认知陷阱中
都可能陷入到认知陷阱中
9:59.266–10:01.966
忽视技术发展的渐进性和复杂性
忽视技术发展的渐进性和复杂性
10:02.233–10:03.500
历史经验告诉我们
历史经验告诉我们
10:03.566–10:06.100
任何技术革命如果缺乏社会制衡
任何技术革命如果缺乏社会制衡
10:06.100–10:08.566
都可能异化为新的剥削工具
都可能异化为新的剥削工具
10:08.666–10:10.800
正如19世纪的东印度公司
正如19世纪的东印度公司
10:10.866–10:13.600
凭借着技术优势掠夺殖民地资源一样
凭借着技术优势掠夺殖民地资源一样
10:13.900–10:17.200
21世纪的AI巨头也正在重演类似逻辑
21世纪的AI巨头也正在重演类似逻辑
10:17.300–10:22.133
只不过剥削对象从土地变为数据、算力和人类的注意力
只不过剥削对象从土地变为数据、算力和人类的注意力
10:22.366–10:22.900
好了
好了
10:22.900–10:25.266
以上就是郝珂灵这次访谈的主要内容了
以上就是郝珂灵这次访谈的主要内容了
10:25.266–10:27.233
欢迎大家在评论区发表自己的看法
欢迎大家在评论区发表自己的看法
10:27.266–10:29.500
感谢观看本期视频,我们下期再见
感谢观看本期视频,我们下期再见

影片筆記:【人工智能】AI帝国的背后真相 | Karen Hao |《华尔街日报》记者 | 人工智能概念被滥用 | 电力与环境 | AGI的集体狂欢 | OpenAI的转向 | AI底层劳工 | 技术神话反思

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉;下列為待處理問題,建議播放原片確認。

  • 待修正:⚠️ 全文快速校讀:已套用暫定修正,請確認(segment=22 已先套用暫定修正:本质上是机器学习的一个子类深度学习 → 本质上是机器学习的一个子类,即深度学习;segment=74 已先套用暫定修正:更多是基于彼得·蒂尔(Peter Thiel)"竞争是给白痴准备的 → 更多是基于彼得·蒂尔(Peter Thiel)「竞争是给白痴准备的,创业必须要垄断」的理论)
  • 待修正:逐字稿可先使用,但有待校正清單(segment=11 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置,斷句可能不符合文法/口語;segment=52 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置,斷句可能不符合文法/口語)

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

《華爾街日報》記者郝珂靈(Karen Hao)在 Novara Media 專訪中剖析 AI 產業背後的「帝國」邏輯,指出「人工智能」作為模糊概念掩蓋了巨大的環境代價(能源、水資源)與全球南方勞工的系統性剝削,並批判 OpenAI 從非營利轉向營利後的商業壟斷,呼籲建立民主參與機制以對抗技術封建主義。

核心重點

  1. 概念模糊與認知偏差:「人工智能」是一個手提箱概念,混淆了特定技術與科幻中的通用智能(AGI),導致公眾難以評估真實成本(如碳排放、水資源消耗)。
  2. 資源爭奪與環境代價:AI 算力需求導致能源與水資源爭奪加劇,環境成本轉嫁至公共資源與弱勢群體(如得州燃煤電廠復運、烏拉圭水資源危機)。
  3. 中美產業模式差異:美國企業傾向於「通用人工智能(AGI)」的概念驅動與資本壟斷,而中國企業則展現更務實的場景導向。
  4. OpenAI 的商業蛻變:從非營利組織轉向營利公司,經歷從「開放協作」到「規模至上」的轉變,Sam Altman 被視為精通「願景營銷」的商業領袖。
  5. 全球南方勞動剝削:揭示 AI 產業依賴肯亞、委內瑞拉等地勞工進行低薪、高壓且具心理創傷風險的內容審核與數據標註。
  6. 民主制度挑戰與反抗:探討 AI 擴張對地方決策與聯邦監管的影響,並列举智利、美國、歐盟等地的反抗案例,強調建立民主參與機制的重要性。

詳細大綱

1. AI 概念的起源與模糊性

  • 1956 年達特茅斯學院約翰·麥卡契(John McCarthy)創造術語。
  • 「手提箱概念」導致公眾誤解,混淆特定技術與科幻通用智能。
  • 案例:英國政府宣稱節省開支但未說明具體技術。

2. 算力背後的環境與資源代價

  • 碳排放:訓練大語言模型的碳足跡。
  • 能源消耗:數據中心電力需求增長,化石燃料依賴。
  • 水資源爭奪:數據中心選址與當地居民用水衝突。
  • 案例:烏拉圭蒙得維的亞,谷歌數據中心預計日消耗 8 萬噸淡水,相當於 16 萬居民日常用水量。
  • 案例:得克薩斯州燃煤電廠復運,XAI 公司安裝 35 台甲烷燃氣輪機,排放污染物超過工業標準 200%。

3. 中美 AI 產業文化對比

  • 美國:概念驅動,追求 AGI 壟斷,商業案例模糊。
  • 中國:務實路線,場景導向,結合實體經濟。

4. OpenAI 的發展歷程與商業邏輯

  • 從非營利到營利:算力瓶頸導致資金限制,邁克爾·馬斯克(Elon Musk)退出。
  • 戰略轉變:停止開源,與微軟獨家協議,估值飆升。
  • 2015 年創立,2016 年引入商業投資。
  • 2024 年微軟撤回部分數據中心投資。
  • 2025 年 OpenAI 估值達 3000 億美元。
  • Sam Altman 的角色:硅谷精英典型,精通願景營銷與多方周旋。

5. 全球南方勞動力的系統性剝削

  • 肯亞內容審核員:低薪(2-3 美元/小時)、高強度處理極端內容(每天 500 條),導致 PTSD。
  • 委內瑞拉難民數據標註員:眾包平台下的任務搶奪戰,健康受損。
  • 委內瑞拉經濟崩潰於 2016 年,難民在哥倫比亞等地成為標註工人。

6. 對民主制度與社會契約的衝擊

  • 地方層面:數據中心選址繞過公眾參與,承諾與事實不符。
  • 案例:亞利桑那州市議員批准數據中心。
  • 國家層面:監管被俘,聯邦政策依賴企業評估。
  • 提及《人工智能創新法案》凍結各州監管權(需查證)。
  • 潛在風險:技術封建主義,少數企業控制基礎設施。
  • 67% 的新建 AI 數據中心選址在乾旱或半乾旱地區。
  • 麥肯錫報告指出 AI 用電量達英國用電量的 0.5 到 1.2 倍。

7. 全球反抗力量與破局關鍵

  • 智利:社區訴訟阻止耗水型數據中心,訴訟耗時 3 年。
  • 美國:藝術家起訴 Stable Diffusion 版權問題,涉及 120 萬幅版權作品。
  • 歐盟:《人工智能法案》建立風險分級與審計。
  • 公眾參與:行使數據權利,參與技術聽證。

8. 技術神話的反思

  • 郝珂靈將 AI 熱潮類比電影《沙丘》中的宗教神話。
  • 警惕二元敘事,避免技術異化為新剝削工具。

工具 / 模型 / 名詞整理

  • 組織/機構:
  • 最佳拍檔(影片頻道名稱)
  • Novara Media
  • 華爾街日報(Wall Street Journal)
  • 達特茅斯學院(Dartmouth College)
  • OpenAI
  • 谷歌(Google)
  • 英國國家醫療服務體系(NHS)
  • 麥肯錫(McKinsey)
  • XAI 公司
  • 微軟(Microsoft)
  • Anthropic
  • Meta
  • 彼得·蒂爾(Peter Thiel)相關理論提及
  • YC(Y Combinator)
  • Airbnb
  • Dropbox
  • 東印度公司
  • Stable Diffusion
  • 技術/概念/產品:
  • 人工智能(Artificial Intelligence, AI)
  • 機器學習(Machine Learning)
  • 深度學習(Deep Learning)
  • 神經網絡(Neural Networks)
  • 大語言模型(Large Language Models, LLM)
  • 通用人工智能(Artificial General Intelligence, AGI)
  • Colossus 超級計算機
  • 甲烷燃氣輪機
  • 數據中心
  • 內容審核
  • 數據標註
  • 眾包平台
  • 《人工智能創新法案》
  • 《人工智能法案》(歐盟)
  • 技術封建主義
  • 《沙丘》(電影)
  • 人物:
  • 大飛(講者)
  • 郝珂靈(Karen Hao)
  • 約翰·麥卡契(John McCarthy)
  • 埃隆·馬斯克(Elon Musk)
  • 薩姆·奧特曼(Sam Altman)
  • 伊利亞·蘇茨克維爾(Ilya Sutskever)
  • 彼得·蒂爾(Peter Thiel)

操作流程整理

  • AI 產業發展流程:
  1. 概念定義(AGI 敘事)-> 吸引資本與人才。
  2. 基礎設施建設(數據中心、電力、水資源爭奪)。
  3. 模型訓練與數據標註(依賴全球南方低薪勞工)。
  4. 商業化應用與監管博弈(企業影響政策,地方社區抗爭)。
  5. 社會反饋與技術神話反思。

值得注意的限制或風險

  • 環境不可持續性:AI 算力需求導致能源與水資源爭奪加劇,環境成本轉嫁至公共資源與弱勢群體。
  • 勞動剝削:肯亞、委內瑞拉等地勞工面臨低薪、高壓及心理創傷風險。
  • 監管俘虜:聯邦政策依賴企業評估,可能導致監管失效。
  • 技術封建主義:少數企業控制基礎設施,可能形成新的權力結構。
  • 概念模糊:「人工智能」作為手提箱概念,掩蓋了技術細節,導致公眾難以評估真實成本。

逐字稿辨識疑點

警告:以下片段存在可讀性檢核問題(標點斷句異常或上下文速讀未交叉比對),請謹慎解讀,不得視為確定事實。

  • segment 11, 52, 72, 84, 101, 136, 158, 175, 186, 187: unnatural_sentence_boundary — 標點出現在句首或停在逗號位置,斷句可能不符合文法/口語。
  • segment 123: rapid_semantic_review — 全文速讀上下文判斷;尚未回聽或交叉比對。

具體名稱與事實疑點(需查證):

  1. 郝珂靈(Karen Hao):逐字稿標註為《華爾街日報》科技記者,但同時提及在 Novara Media 專訪。需查證其當前隸屬機構或該次專訪的具體背景。
  2. 約翰·麥卡契:逐字稿寫作「約翰·麥卡契」,標準譯名通常為「約翰·麥卡錫」(John McCarthy)。
  3. 邁克爾·馬斯克:逐字稿寫作「邁克爾·馬斯克」,標準譯名通常為「埃隆·馬斯克」(Elon Musk)。
  4. 薩姆·奧特曼:逐字稿寫作「薩姆·奧特曼」,標準譯名通常為「薩姆·阿爾特曼」(Sam Altman)。
  5. 伊利亞·蘇茨克維爾:逐字稿寫作「伊利亞·蘇茨克維爾」,標準譯名通常為「伊利亞·蘇茨克維爾」(Ilya Sutskever),此處聽寫可能準確,但需確認是否為標準譯名變體。
  6. 蒙得維的亞:烏拉圭首都,逐字稿寫作「蒙得維的亞」,標準譯名通常為「蒙得維的亞」(Montevideo),聽寫基本一致。
  7. Colossus 超級計算機:提及由 XAI 公司在田納西州孟菲斯建設,需查證該項目名稱與地點是否準確。
  8. 《人工智能創新法案》:提及美國聯邦政府通過此法案凍結各州監管權,需查證該法案名稱及具體內容是否與逐字稿描述一致。
  9. 《人工智能法案》:提及歐盟通過此法案,通常指《AI Act》,需確認逐字稿所指是否為該法案。
  10. 120 萬幅版權作品:提及藝術家起訴 Stable Diffusion 使用此數量作品,需查證相關訴訟中的具體數字。
  11. 3000 億美元估值:提及 2025 年 OpenAI 估值,需確認該數字是否為影片中的預測或特定來源數據。
  12. 0.5 到 1.2 倍的英國用電量:麥肯錫報告數據,需確認該比例是否準確引用。
  13. 67% 的新建 AI 數據中心:選址在乾旱或半乾旱地區,需確認該統計數據來源。
  14. 35 台甲烷燃氣輪機:XAI 公司安裝數量,需查證。
  15. 200% 工業標準:排放污染物超過標準,需查證。
  16. 8 萬噸淡水:谷歌在烏拉圭數據中心預計日消耗量,需查證。
  17. 16 萬居民:相當於多少居民日常用水量,需查證。
  18. 2-3 美元:肯亞工人每小時報酬,需查證。
  19. 500 條:工人每天需標註的極端內容數量,需查證。
  20. 3 年訴訟:智利社區組織訴訟時間,需查證。
  21. 2015 年:OpenAI 創立年份,需查證。
  22. 2016 年:OpenAI 引入商業投資年份,需查證。
  23. 2024 年:微軟撤回部分數據中心投資年份,需查證。
  24. 2025 年:OpenAI 估值年份,需查證。
  25. 2016 年:委內瑞拉經濟崩潰年份,需查證。
  26. 亞利桑那州:市議員批准數據中心案例,需查證具體事件。
  27. 得克薩斯州:燃煤電廠復運案例,需查證具體企業或項目。
  28. 田納西州孟菲斯:XAI 公司項目地點,需查證。
  29. 烏拉圭蒙得維的亞:谷歌數據中心項目,需查證。
  30. 肯亞:內容審核工人來源,需查證。
  31. 委內瑞拉:難民數據標註工人來源,需查證。
  32. 哥倫比亞:委內瑞拉難民成為標註工人地點,需查證。
  33. 智利:社區組織訴訟案例,需查證。
  34. 歐盟:《人工智能法案》案例,需查證。
  35. 美國:藝術家起訴案例,需查證。

可延伸追問

  1. 郝珂靈在 Novara Media 的專訪具體背景為何?她目前是否仍隸屬於《華爾街日報》?
  2. 《人工智能創新法案》是否真實存在?其凍結各州監管權的具體條款為何?
  3. XAI 公司在田納西州孟菲斯的 Colossus 超級計算機項目進展如何?
  4. 藝術家起訴 Stable Diffusion 的案件最終結果為何?120 萬幅作品的數字來源為何?
  5. 麥肯錫報告中關於 AI 用電量與英國用電量比例的數據來源為何?
  6. 智利社區組織訴訟的具體法律依據與勝訴可能性為何?
  7. 委內瑞拉難民在哥倫比亞進行數據標註的具體工作條件與合約細節為何?
  8. 中國 AI 產業的「務實路線」與美國「AGI 敘事」在具體技術路徑上有何差異?
  9. 歐盟《人工智能法案》對全球 AI 產業的影響為何?
  10. 如何建立有效的民主參與機制來監督 AI 數據中心的選址與運營?

尚未產生學習筆記

請在 Telegram 指令最後加上「學習」,例如:videonote 網址 英文 雙語 學習