WEBVTT
Kind: captions
Language: zh-Hans

00:00:00.300 --> 00:00:02.766
大家好，这里是最佳拍档，我是大飞

00:00:02.966 --> 00:00:06.466
当我们每天使用AI生成文案、图片甚至视频的时候

00:00:06.566 --> 00:00:09.566
是否想过，这些看似神奇的技术背后

00:00:09.633 --> 00:00:13.500
正运行着一个由数据、算力和资本构成的庞大帝国

00:00:13.700 --> 00:00:14.333
今天

00:00:14.333 --> 00:00:20.233
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

00:00:20.633 --> 00:00:24.166
看看她是如何通过对硅谷AI行业的深度调查

00:00:24.300 --> 00:00:28.566
揭开那些推动技术进步的关键力量如何重塑世界

00:00:28.666 --> 00:00:31.833
以及这场技术革命背后隐藏的系统性风险

00:00:32.300 --> 00:00:35.633
这期视频我们将从概念的起源到资源的争夺

00:00:35.733 --> 00:00:38.500
从企业的蜕变到全球供应链的暗角

00:00:38.666 --> 00:00:41.033
深入了解这个正在成型的"AI帝国"，

00:00:41.033 --> 00:00:42.233
究竟是如何运作的

00:00:43.133 --> 00:00:45.766
要想理解当前AI产业的疯狂扩张

00:00:46.300 --> 00:00:49.400
必须先厘清"人工智能"这个充满模糊的概念

00:00:49.633 --> 00:00:50.500
1956年

00:00:50.500 --> 00:00:53.100
达特茅斯学院的助理教授约翰·麦卡锡（John McCarthy）

00:00:53.100 --> 00:00:55.400
为了给夏季研究项目筹集资金

00:00:55.566 --> 00:00:57.833
首次创造了"人工智能"这个术语

00:00:57.966 --> 00:01:00.066
这个诞生于学术营销的词汇

00:01:00.333 --> 00:01:04.000
从此成为了一个可以装入任何技术的"手提箱概念"。

00:01:04.233 --> 00:01:07.100
如今OpenAI、谷歌等巨头所谈论的AI

00:01:07.266 --> 00:01:10.100
本质上是机器学习的一个子类深度学习

00:01:10.266 --> 00:01:13.966
也就是通过神经网络对海量的数据进行模式计算

00:01:14.033 --> 00:01:16.766
实现文本生成、图像识别等功能

00:01:16.966 --> 00:01:20.666
但是公众很容易将它等同于科幻作品中的通用智能

00:01:20.766 --> 00:01:23.500
忽视了它作为一种特定技术工具的本质

00:01:23.966 --> 00:01:25.300
这种概念上的模糊

00:01:25.300 --> 00:01:27.200
导致了严重的认知偏差

00:01:27.333 --> 00:01:29.166
比如当英国政府宣称

00:01:29.233 --> 00:01:33.566
用AI为英国国家医疗服务体系节省了20%开支"时

00:01:33.866 --> 00:01:36.433
并没有说明具体用的是哪种AI技术

00:01:36.633 --> 00:01:39.033
究竟是基于规则的医疗影像分析

00:01:39.033 --> 00:01:41.466
还是需要海量数据训练的大语言模型？

00:01:41.866 --> 00:01:45.300
两种技术在成本、效果和实施难度上的差异巨大

00:01:45.366 --> 00:01:49.166
但是"人工智能"这个笼统的表述掩盖了所有的细节

00:01:49.333 --> 00:01:50.166
更关键的是

00:01:50.166 --> 00:01:53.633
这种模糊性让公众难以评估技术的真实影响

00:01:53.733 --> 00:01:55.600
比如很少有人意识到

00:01:55.833 --> 00:01:57.933
训练一个大语言模型的碳排放量

00:01:57.933 --> 00:02:00.366
相当于数十万辆汽车的终身排放量

00:02:01.266 --> 00:02:02.733
AI技术的每一次突破

00:02:02.766 --> 00:02:05.200
都伴随着算力需求的指数级增长

00:02:05.466 --> 00:02:06.800
麦肯锡报告显示

00:02:06.866 --> 00:02:09.966
未来五年全球AI数据中心的能源消耗

00:02:10.000 --> 00:02:14.000
将每年新增相当于英国0.5到1.2倍的用电量

00:02:14.200 --> 00:02:18.500
而其中60%以上要依赖煤炭、天然气等化石燃料

00:02:18.633 --> 00:02:19.633
在得克萨斯州

00:02:19.633 --> 00:02:22.800
多家本应退役的燃煤电厂被重新启用

00:02:23.000 --> 00:02:26.000
唯一的目的就是为AI训练提供稳定的电力；

00:02:26.366 --> 00:02:31.666
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

00:02:31.833 --> 00:02:35.000
未经许可便安装了35台甲烷燃气轮机

00:02:35.166 --> 00:02:39.500
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%，

00:02:39.833 --> 00:02:42.000
严重威胁到周边居民的健康

00:02:42.266 --> 00:02:43.966
水资源的争夺同样激烈

00:02:44.066 --> 00:02:46.666
由于数据中心需要纯净水冷却设备

00:02:46.733 --> 00:02:49.200
全球67%的新建AI数据中心

00:02:49.466 --> 00:02:51.900
选址在干旱或者半干旱地区

00:02:52.166 --> 00:02:55.500
乌拉圭首都蒙得维的亚正在经历百年一遇的干旱

00:02:55.666 --> 00:02:59.300
当地政府不得不将处理后的工业废水混入饮用水

00:02:59.466 --> 00:03:02.733
但是谷歌仍计划在此建设新的数据中心

00:03:03.000 --> 00:03:05.800
该项目预计每天将消耗8万吨淡水

00:03:05.866 --> 00:03:08.133
相当于16万居民的日常用水量

00:03:08.466 --> 00:03:10.433
这种"技术发展优先"的逻辑

00:03:10.433 --> 00:03:13.933
正在将环境成本转嫁到公共资源和弱势群体身上

00:03:14.833 --> 00:03:17.533
郝珂灵指出，当前美国AI领域的竞争

00:03:17.533 --> 00:03:21.266
本质上是一场关于"通用人工智能（AGI）"的集体狂欢

00:03:21.600 --> 00:03:25.466
OpenAI、Anthropic、谷歌、Meta等公司投入数百亿美元

00:03:25.600 --> 00:03:28.266
声称要创造"重塑人类智能"的技术

00:03:28.566 --> 00:03:30.300
但是颇具讽刺意味的是

00:03:30.466 --> 00:03:33.700
这些公司的商业案例普遍都是模糊不清的

00:03:34.000 --> 00:03:37.966
比如微软在2024年悄悄撤回了部分数据中心的投资

00:03:38.133 --> 00:03:40.133
承认"短期回报不及预期"，

00:03:40.400 --> 00:03:43.666
而OpenAI向投资者描绘的"AGI垄断"愿景

00:03:43.833 --> 00:03:47.466
更多是基于彼得·蒂尔（Peter Thiel）"竞争是给白痴准备的

00:03:47.466 --> 00:03:49.266
创业必须要垄断"的理论

00:03:49.433 --> 00:03:51.133
而非实际的技术路径

00:03:51.633 --> 00:03:53.266
与美国的概念驱动不同

00:03:53.400 --> 00:03:56.733
中国AI企业展现出的则是更为务实的技术路线

00:03:56.866 --> 00:03:58.933
大多以具体场景为导向

00:03:59.033 --> 00:04:01.166
强调技术与实体经济的结合

00:04:01.433 --> 00:04:04.266
这种差异反映了中美产业文化的根本不同

00:04:04.400 --> 00:04:05.866
但是无论哪种模式

00:04:05.933 --> 00:04:08.066
都面临着"技术万能论"的陷阱

00:04:08.233 --> 00:04:11.066
当企业将AGI视为一个必须征服的"圣杯"，

00:04:11.133 --> 00:04:14.400
就可能忽视技术发展的真实边界和社会成本

00:04:15.300 --> 00:04:16.300
OpenAI的发展历程

00:04:16.300 --> 00:04:19.666
是一部理想主义向商业现实妥协的教科书

00:04:19.900 --> 00:04:20.666
2015年

00:04:20.666 --> 00:04:23.933
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

00:04:24.166 --> 00:04:27.333
目标是"通过开放协作防止AI被垄断"。

00:04:27.733 --> 00:04:30.300
早期的OpenAI确实践行了开源的理念

00:04:30.400 --> 00:04:32.600
将GPT-1的技术细节公之于众

00:04:32.600 --> 00:04:35.333
并且通过"使命感"吸引到了顶尖人才

00:04:35.533 --> 00:04:39.900
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

00:04:40.000 --> 00:04:43.100
正是被"打造造福全人类的AI"的愿景所打动

00:04:43.466 --> 00:04:45.433
但是算力的瓶颈改写了一切

00:04:45.600 --> 00:04:48.300
当团队发现深度学习模型的性能提升

00:04:48.333 --> 00:04:50.200
高度依赖于算力规模后

00:04:50.333 --> 00:04:53.200
非营利模式的资金限制就成为了一道致命伤

00:04:53.533 --> 00:04:56.033
2016年，OpenAI决定引入商业投资

00:04:56.066 --> 00:04:57.533
转型为"营利性公司"，

00:04:57.766 --> 00:04:59.666
这个决策导致马斯克退出

00:04:59.966 --> 00:05:01.200
他后来公开表示

00:05:01.300 --> 00:05:04.400
"无法接受将AI技术交给追求利润的资本"。

00:05:04.733 --> 00:05:06.500
转型后的OpenAI迅速变脸

00:05:06.500 --> 00:05:07.600
停止开源技术

00:05:07.600 --> 00:05:09.733
与微软达成独家云计算协议

00:05:09.766 --> 00:05:11.800
将技术细节作为商业机密

00:05:12.200 --> 00:05:13.133
到2025年

00:05:13.133 --> 00:05:15.400
OpenAI估值已达3000亿美元

00:05:15.466 --> 00:05:17.600
成为全球最值钱的AI企业

00:05:17.766 --> 00:05:20.233
而创立时的"开放、透明"原则

00:05:20.366 --> 00:05:22.633
早已被"规模至上"的资本逻辑取代

00:05:23.533 --> 00:05:24.966
作为OpenAI的灵魂人物

00:05:25.000 --> 00:05:28.033
Sam Altman的崛起堪称硅谷精英的典型样本

00:05:28.200 --> 00:05:30.133
这位YC前总裁的职业生涯

00:05:30.200 --> 00:05:34.066
贯穿了对技术趋势的精准把握和对人性的深刻洞察

00:05:34.366 --> 00:05:35.966
在担任YC总裁期间

00:05:35.966 --> 00:05:39.333
他将这家初创加速器打造成了硅谷的创新引擎

00:05:39.433 --> 00:05:42.733
投资了包括Airbnb、Dropbox在内的明星企业

00:05:42.800 --> 00:05:44.566
积累了深厚的资本人脉

00:05:44.833 --> 00:05:46.533
2015年创立OpenAI时

00:05:46.600 --> 00:05:49.100
他展现出了非凡的千人千面能力

00:05:49.233 --> 00:05:50.233
对风险投资人

00:05:50.233 --> 00:05:53.166
他会强调"先发优势带来的垄断利润"；

00:05:53.333 --> 00:05:54.166
对政府官员

00:05:54.166 --> 00:05:56.500
他会大谈"AI监管的全球协作"；

00:05:56.700 --> 00:05:57.500
对普通用户

00:05:57.500 --> 00:05:59.566
他则塑造"技术普惠"的形象

00:05:59.833 --> 00:06:02.966
这种多面性让外界难以判断他的真实信念

00:06:03.100 --> 00:06:06.766
但是也让他成为资本、技术、政策三界的"润滑剂"。

00:06:07.033 --> 00:06:09.033
正如郝珂灵在采访中指出的

00:06:09.233 --> 00:06:11.566
Altman并非传统意义上的技术专家

00:06:11.633 --> 00:06:14.366
而是一名精通"愿景营销"的商业领袖

00:06:14.700 --> 00:06:15.833
他的成功也证明

00:06:15.833 --> 00:06:17.733
在硅谷"讲好技术故事"，

00:06:17.733 --> 00:06:19.766
有时比技术本身更加重要

00:06:20.666 --> 00:06:22.700
在AI产业的光鲜财报背后

00:06:22.800 --> 00:06:25.833
隐藏着对全球南方劳动力的系统性剥削

00:06:26.133 --> 00:06:27.766
OpenAI的内容审核体系

00:06:27.766 --> 00:06:29.833
依赖于肯尼亚工人的人工标注

00:06:29.966 --> 00:06:32.700
这些工人以每小时2-3美元的报酬

00:06:32.766 --> 00:06:36.133
处理包含暴力、仇恨、色情内容的海量文本

00:06:36.400 --> 00:06:38.433
一名工人曾经在采访中回忆

00:06:38.500 --> 00:06:41.266
他每天需要标注超过500条的极端内容

00:06:41.333 --> 00:06:44.066
三个月后出现了严重的PTSD症状

00:06:44.166 --> 00:06:45.866
无法与家人正常交流

00:06:46.166 --> 00:06:47.200
更令人不安的是

00:06:47.200 --> 00:06:49.700
这些用于训练AI安全系统的数据

00:06:49.766 --> 00:06:53.133
从来没有向工人告知过具体的内容和潜在风险

00:06:53.200 --> 00:06:56.833
导致企业将心理创伤成本完全转嫁给了弱势劳工

00:06:57.133 --> 00:06:58.866
在自动驾驶数据标注领域

00:06:58.900 --> 00:07:01.400
剥削则呈现出了更为隐蔽的形态

00:07:01.733 --> 00:07:04.366
2016年委内瑞拉经济崩溃后

00:07:04.366 --> 00:07:06.200
大量受过高等教育的难民

00:07:06.266 --> 00:07:08.666
在哥伦比亚成为了AI数据标注工人

00:07:08.800 --> 00:07:10.766
他们通过众包平台承接任务

00:07:10.766 --> 00:07:12.633
却陷入了一场"任务抢夺战"，

00:07:12.900 --> 00:07:15.400
每个标注任务上线后几秒内就被抢光

00:07:15.600 --> 00:07:17.866
迫使工人24小时保持在线

00:07:18.100 --> 00:07:20.700
一位患有糖尿病的委内瑞拉女性难民

00:07:20.733 --> 00:07:23.400
因为长时间紧盯屏幕导致病情恶化

00:07:23.400 --> 00:07:24.266
最终失明

00:07:24.366 --> 00:07:26.266
而她所标注的自动驾驶数据

00:07:26.300 --> 00:07:29.700
正在被用来开发价值数十亿美元的智能汽车系统

00:07:30.600 --> 00:07:31.566
郝珂灵指出

00:07:31.566 --> 00:07:35.100
AI产业的扩张正在以独特的方式冲击民主制度

00:07:35.366 --> 00:07:36.333
在地方层面

00:07:36.366 --> 00:07:39.400
数据中心的选址过程往往会绕过公众的参与

00:07:39.400 --> 00:07:41.500
比如亚利桑那州的一位市议员

00:07:41.600 --> 00:07:44.033
在批准数据中心建设后才发现

00:07:44.200 --> 00:07:47.333
该项目将消耗当地 30% 的淡水资源

00:07:47.533 --> 00:07:50.800
而此前企业承诺的 "零影响" 报告严重失实

00:07:51.000 --> 00:07:51.933
在国家层面

00:07:51.933 --> 00:07:54.733
美国联邦政府通过的《人工智能创新法案》，

00:07:54.866 --> 00:07:58.300
实际上冻结了各州制定本地监管政策的权力

00:07:58.533 --> 00:08:00.633
将监管权集中到了联邦层面

00:08:00.866 --> 00:08:02.100
而联邦政策的制定

00:08:02.100 --> 00:08:04.466
又高度依赖企业提供的技术评估

00:08:04.466 --> 00:08:06.733
从而形成了一种"监管被俘"的局面

00:08:07.200 --> 00:08:09.833
更深远的影响还在于社会契约的破坏

00:08:10.066 --> 00:08:12.333
当公众发现自己使用的AI服务

00:08:12.333 --> 00:08:16.900
建立在对全球南方劳工的剥削、对环境法规的践踏之上

00:08:17.066 --> 00:08:19.533
技术合法性将面临根本性的挑战

00:08:19.933 --> 00:08:21.533
郝珂灵在访谈中警告

00:08:21.666 --> 00:08:24.000
如果放任AI巨头的"帝国式扩张"，

00:08:24.133 --> 00:08:27.133
未来20年内可能出现所谓的"技术封建主义"，

00:08:27.200 --> 00:08:30.233
也就是少数企业会控制关键的基础设施

00:08:30.400 --> 00:08:33.233
公众在数据、算力、服务上形成依赖

00:08:33.366 --> 00:08:35.600
民主制度难以有效制约技术权力

00:08:36.500 --> 00:08:38.033
面对技术集权的威胁

00:08:38.166 --> 00:08:41.033
全球范围内已经涌现出了多元反抗力量

00:08:41.300 --> 00:08:44.033
在智利，社区组织通过三年诉讼

00:08:44.066 --> 00:08:48.033
成功阻止了谷歌在水资源保护区建设耗水型数据中心

00:08:48.266 --> 00:08:50.400
迫使企业采用海水冷却技术；

00:08:50.600 --> 00:08:51.366
在美国

00:08:51.366 --> 00:08:54.500
艺术家集体起诉Stable Diffusion未经授权

00:08:54.600 --> 00:08:57.700
使用120万幅版权作品来训练模型

00:08:57.933 --> 00:09:01.433
推动法院首次明确AI训练数据的版权边界；

00:09:01.766 --> 00:09:02.500
在欧盟

00:09:02.500 --> 00:09:05.300
《人工智能法案》建立了技术风险分级制度

00:09:05.466 --> 00:09:08.900
要求高风险AI系统必须公开训练数据来源

00:09:08.900 --> 00:09:10.333
接受第三方审计

00:09:10.800 --> 00:09:11.866
这些案例证明

00:09:11.900 --> 00:09:15.066
破局的关键在于抓住AI供应链的薄弱环节

00:09:15.133 --> 00:09:19.200
比如数据获取、算力消耗、劳工权益和政策监管

00:09:19.600 --> 00:09:21.933
普通公众可以通过行使数据权利

00:09:21.933 --> 00:09:29.033
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

00:09:29.266 --> 00:09:31.233
积少成多形成制约力量

00:09:31.466 --> 00:09:32.700
正如郝珂灵所言

00:09:32.933 --> 00:09:35.666
AI技术的未来不是由少数企业所决定的

00:09:35.666 --> 00:09:38.133
而是取决于我们能否在每个环节

00:09:38.133 --> 00:09:39.700
建立民主参与机制

00:09:39.800 --> 00:09:41.900
确保技术进步服务于公共利益

00:09:41.900 --> 00:09:42.966
而非资本扩张

00:09:42.966 --> 00:09:43.700
九、技术神话的反思

00:09:43.866 --> 00:09:44.900
在采访的最后

00:09:44.900 --> 00:09:46.833
郝珂灵将当前的AI狂热

00:09:46.833 --> 00:09:50.200
与电影《沙丘》中的宗教神话做了深刻类比

00:09:50.366 --> 00:09:52.233
当技术精英不断在强化

00:09:52.366 --> 00:09:54.900
AI将重塑人类文明的二元叙事时

00:09:55.033 --> 00:09:57.066
无论是追捧者还是反对者

00:09:57.066 --> 00:09:59.166
都可能陷入到认知陷阱中

00:09:59.266 --> 00:10:01.966
忽视技术发展的渐进性和复杂性

00:10:02.233 --> 00:10:03.500
历史经验告诉我们

00:10:03.566 --> 00:10:06.100
任何技术革命如果缺乏社会制衡

00:10:06.100 --> 00:10:08.566
都可能异化为新的剥削工具

00:10:08.666 --> 00:10:10.800
正如19世纪的东印度公司

00:10:10.866 --> 00:10:13.600
凭借着技术优势掠夺殖民地资源一样

00:10:13.900 --> 00:10:17.200
21世纪的AI巨头也正在重演类似逻辑

00:10:17.300 --> 00:10:22.133
只不过剥削对象从土地变为数据、算力和人类的注意力

00:10:22.366 --> 00:10:22.900
好了

00:10:22.900 --> 00:10:25.266
以上就是郝珂灵这次访谈的主要内容了

00:10:25.266 --> 00:10:27.233
欢迎大家在评论区发表自己的看法

00:10:27.266 --> 00:10:29.500
感谢观看本期视频，我们下期再见