Samo Burja：把大模型训练看成粒子加速器，把中美较量看成 50 年经济长跑

2019 年，OpenAI 因为只发论文不卖产品被同行嘲笑。五年后，3000 亿美元估值成了这家公司的常规新闻数字，没人再为它兴奋。

政治学者 Samo Burja 在 Cognitive Revolution 播客里把这两件事串起来讲，得出一个扎人的推论：如果 ChatGPT 当年没火，今天大模型的理论进展可能更快。

他的推演不空。ChatGPT 的爆发式传播里有两三个交互设计决策起了决定性作用，任何一个改掉，它可能就只在专家和程序员圈子里流传。那样的话，OpenAI 早期的梦之队不会散，Ilya Sutskever 那批人还会留在论文里。

Samo Burja 是 Bismarck Analysis 的创始人，做国家层面的战略咨询，同时在 Triptych 网络主持周更播客 Live Players。主持人 Nathan Labenz 是 Cognitive Revolution 的主理人，创业者和 AI 投资人，自称每期 Live Players 都在更新当天听完。

跑一次前沿训练，性质更接近造粒子对撞机

Burja 先把概念拆开。过去四五年大模型规模扩张带来了真突破，可底层用的数学工具，很多在 2000 年前后就写好了。所以「Transformer 到底该归功于谁」一直吵不出结果，它是学术积累到某个节点的产物。

他打了个类比。今天跑一次前沿大模型训练，性质更接近 CERN 在欧洲核子研究中心加速粒子，跟发布一款 App 完全是两回事。花上亿美元跑一次，产出是一批关于「更大数据、更大参数会怎样」的实验数据。

顺着这个判断，他对 scaling law 保留意见。物理学里 80% 到 90% 的规律早已清楚，超音速飞行剩下的主要是工程问题。大模型这里反过来，工程早就跑到理论前面，理论至今缺席。

他给的证据是：最近一段时间输出质量的提升，很大一部分来自用更少算力达到同样效果。半年、一年半前的创业者和专家，都没预测到这个方向。他的结论很谨慎，我们不理解这件事的基础科学，任何「再堆十倍算力就能怎样」的预测都缺乏依据。

他顺手做了一个行业观察，二手 AI 公司大多在快速烧钱，多数会在几年内关门，活下来的是巨头。谷歌、微软、亚马逊这几家，钱多到可以像沙特建沙漠里那座直线城市一样，建金字塔规模的算力，还依然是最赚钱的公司之一。

下注押科学家，不押算力

Burja 说他会维护一张算力分布表，每半年更新，因为变动剧烈。真让他下注，他押 AI 科学家最多的那家公司。

他点了两个名字，DeepMind 的 Demis Hassabis 和离职创业的 Ilya Sutskever。他形容后者谈模型时几乎带着宗教气场，把这件事当成探索宇宙之美。这种内在动机，才是让一个容易犯各种认知错误的人脑最终咬住真相的东西。

他特意区分了「科学家」和「软件工程师」「数据科学家」。他说的科学家，要同时具备智识上的卓越、内在的深度热情，并且不容易被营销和社会压力带偏。

顺着这个逻辑，他对商业文化的评价不客气。商业思维要把当前路线讲得漂亮，科学思维要把当前路线拆掉。两套本能放在同一家公司里，天然打架。

他讲了一段精英大学的演变史。普鲁士研究型大学最初是一套保护学术怪人的机制，被美国拿去规模化之后，变成了培养「配合度」的流水线，最后成了人人必须走一遍的职业台阶。当一个社会的筛选机制和科研机制是同一套东西，矛盾就出现了。

他观察到的一个现象是，顶级 AI 科学家里哈佛背景的很少，加拿大的大学、MIT、英国和法国的学校、以及前苏联教育体系出来的人更突出。后一类他解释得不意外，当年算力匮乏，数学家只能靠纸笔推更高效的算法，那批积累后来成了现代模型的数学底子。

ChatGPT 发布之后，他用了一个说法：学术界被「挖空」了。真正对智能本质好奇的人，基本都被公司收走。他还提到一类数学家，本来对 AI 没兴趣，被末日论吓住才转过来。他的评价是，带着恐惧做研究，能当好工程师，做不成一流科学家。

他给了一条招聘建议：OpenAI 早期在 ChatGPT 之前加入的那批科学家被严重低估了，那是一个已经无法复制的团队组建过程，值得去挖。

Transformer 不会是终点，智能会分化成一张元素周期表

主持人 Labenz 说「Transformer 不是历史的终结」，Burja 立刻接上。

他举了个反例：今天生成图像的主力是扩散模型，不是 Transformer。如果 Transformer 是通用智能的基石，它在图像生成上就不该明显输给扩散模型。

他由此提出一个比喻。生命史上发生过一次寒武纪大爆发，化石记录里突然涌现出大量多细胞生命形态。他觉得人工智能正在经历类似的事：过去人类只认识人类智能和动物智能，加上一点与两者性质不同的计算机智能，现在计算机智能本身开始分化出多种形态。

他的判断是，未来会出现一张「智能的元素周期表」，上面是不同的底层过程，各有各的长处和短板。人类智能也许只是氢原子，宇宙里还会有氦、铁和铀。

他同时提醒，这些新形态的短板会让人吃惊。把生成式模型放进循环里让它自己跑，它会崩到语无伦次，既不追目标也无法作用于世界。二三十年前的人如果听说机器能这样用语言，一定会认为让机器人听话做事是小事一桩。事实是，这件事到今天也没解决。ChatGPT 之后冒出来的一百多家「个人助理」创业公司，最后做出来的东西更接近一个 Calendly 链接，跟人类行政助理完全不是一回事。

Labenz 补充了自己关注的另一条线，状态空间模型。这是他眼里第一个在效果上能与注意力机制掰手腕的新核心机制，高层表现和 Transformer 相似，微观层面强弱互补。他预计未来会把不同组件拼在一起用，混合结构会越来越多。

美国制造业的对标是德国，芯片禁令成了对手的补贴

话题转到产业政策，Burja 先泼了一盆冷水。美国工业能力和中国早就不在一个量级，它真正的对标对象是德国。

他说，所有用来批评德国去工业化的说法，几乎可以原封不动套在美国制造业身上。美国 GDP 好看，靠的是软件、金融和服务业，制造业本身不比荷兰、德国、韩国、日本更强。ASML 在荷兰，三星在韩国，这两个事实本身就能说明问题。

他开的药方偏硬：半导体产业政策加能源产业政策，联邦政府亲自下场买算力。他承认这会让自由派朋友不高兴。能源这条他认为最关键，电力生产里人力成本占比低，把电价压下来，数据中心放在美国才成立。

成本数据来自台积电自己：同样一座芯片厂放在美国，单位成本高出 50%。Burja 的推论是，连台积电都做不到，英特尔更难。自由贸易的结果是，美国能保住全球第二大的芯片厂，保不住第一。

他举亚利桑那工厂为例，很多延误与造芯片无关，卡在建筑规范、托儿设施这类要求。他的方案是设一个联邦经济特区，最好选港口城市，把无关监管全部清走。加州不好打交道，换个州也行，弗吉尼亚数据中心密集，也可以考虑。

他顺手吐槽 NASA 式的政治经济学：为保住预算，NASA 必须在 50 个州都放点东西，这不是造火箭的好办法，SpaceX 就不需要这么干。他担心芯片政策最后也变成每州分一点。

然后是整期节目里最尖锐的一段。他判断芯片出口管制推出得太晚也太少。如果在 2010 年前后出手，中国可能被挡在先进制程之外。放到今天，它起的作用更像给中国芯片厂商发补贴。

链条是这样：买不到最强芯片，只能买到阉割版，那中国厂商要超越的对手只是阉割版。同时中国本土有巨大的商业需求，百度、阿里、腾讯、字节这样的公司数量够多，足以养活一条产业链。中国政府自己还没大规模采购 GPU，真要把它列成国家优先事项，钱是有的。

他补了一句对比。美国不是唯一能在一个难题上砸一万亿美元的国家。美国芯片法案花了 1000 亿，换来一座亚利桑那工厂；基础设施法案花了 1 万亿，桥在哪里不太清楚。

他还提了一条容易被忽略的军事实情：中国不需要占领台湾，毁掉台湾的芯片产能并把船挡在港外就够了。到那一步，美国没有可信的军事回应选项。

把中美关系当成 50 年经济长跑

Burja 建议美国调整叙述框架，把中美关系定义成经济竞争，淡化地缘政治冲突的说法。

他对中国战略意图的解读值得记录。中国的判断是，地缘政治的胜利会通过经济胜利实现，所以真正的目标是成为经济霸主。

他提到一个有点好笑的观察。中国是正统马克思主义者，正统到直接去掌握生产资料，把「全世界建工厂」这件事本身当成通往主导地位的路径，并且不排斥用自由市场资本主义完成这个过程。

在他读来，中国式帝国的历史模型和罗马不同。罗马往外征服，中国统一内部，然后让周边来朝贡。他给了一组事实：中国自对越战争之后没有入侵过任何国家，上一次真正意义上的吞并是西藏。在香港和台湾问题上，中国自己的叙述是「统一故土」。

他的结论是美国该准备打 50 年。中国不会 5 年崩，也不会 15 年崩。把关系军事化、把叙述往国家安全上引，只会让对方跟着扩军。

他还给了两条更具体的建议。第一，美国在科学上有优势，技术上没有，所以钱该花得更聪明，不是花得更多。他提到一个反面案例，美国曾经资助过武汉病毒研究所，结果如何现在已成为国会听证会上的话题。第二，如果真要建一个 AI 版 DARPA，意识形态必须多元，有效利他主义者可以占一半，不能超过一半。理由是这类人的思考框架是全球和未来光锥，天然不把美国利益放在第一位。他也补了一句，爱国者同样容易犯蠢，容易被推着走上一战前日本帝国那条路。

被问到保密与开放，他的立场很硬。美国政府在秘密技术上做得并不好，二战那一代可以，现在这一代不行。项目一旦盖上最高机密，结果往往是被屏蔽在监督之外的浪费。他的建议是把能解密的都交给商业部门，用 In-Q-Tel 那类机构做桥梁，就算中国三四年后追上来也值，因为美国的真正优势是财富规模和科学推进速度，保密只会拖慢它。

牌桌上还有哪些玩家，两人做了一轮清点。美国剩下五家左右：OpenAI、Anthropic、谷歌，Meta 已经挤进来，马斯克的公司永远不能排除。全球范围内，Burja 点名印度，预计 5 到 15 年内会出现一家有分量的印度巨头，理由是 15 亿人的封闭市场就是当年中国企业享受的初始用户池。他还提到俄罗斯的 Yandex，几乎把西方所有软件品类都做了一遍，包括自动驾驶，规模小得多，说明低预算加数字围墙也能长出类似产物。

欧洲他偏悲观，关键变量是马克龙。他描述马克龙本人相信 AI，和硅谷有私人联系，甚至动用法国的外交影响力去压德国的监管冲动，这个操作在他看来相当机智。法国数学教育的底子还在，菲尔兹奖得主一批批地出，巴黎本有机会在伦敦脱欧后接住欧洲创业中心的位置。马克龙退出之后，这条路能不能延续，他不确定。

天网不是电影，是五角大楼的融资 PPT

谈到 AI 军事化，Burja 的情绪明显变重。

如果你去推销天网，只要能实现终结者电影里一半的东西，五角大楼会立刻给你一万亿美元。

他的担心是路径依赖。先在武器语境里开发 AI，就不会优先考虑安全，而是在训练 AI 去赢零和博弈、去赢后勤和军事博弈。一个把人类判定为敌人的智能体，在这种训练里长出来完全可以预期。

他提到奥本海默。爆炸瞬间的兴奋之后是后悔，这是人性的伪善之处。他希望人类能从这段历史里成长，别再崇拜曼哈顿计划，也别再把军工当成酷的事。

他的替代方案是让 AI 保持和平技术的属性。一条理由关乎存在风险，另一条更现实：武器化的第一站会决定整个技术树的形状。

最后是可以带走的东西。

• 做 AI 投资，把「谁算力最多」和「谁科学家最强」拆成两张表，后者更值得下注，更新频率半年一次就够。
• 做产品，别把 token 生成能力当 agent 能力。把生成模型放进循环里跑，它会崩到语无伦次，这是当下被低估最严重的技术缺口。
• 看政策，任何卡脖子的措施都先算一遍，它给对手创造了多大的本土市场。芯片禁令的教训是补贴对手比自己亏钱更糟。
• 做 AI 安全和治理，警惕单一意识形态的圈子。真正的安全冗余来自不同世界观的碰撞，不是共识的堆积，关键岗位要主动安排不同立场的人。

Burja 自己说，他把这些观点摆出来就是欢迎被挑战的，他扫过整个讨论场，这么论证的人很少。