灭绝概率50%，GPT-4只要5瓦：Emad Mostaque想给全人类发AI

先给两个数字。一个GPT-4级别的模型，过去跑一次查询要消耗1000瓦电力，现在5瓦就够，一块离网太阳能板就能供得起，芯片加推理成本摊下来大约50美元。说这话的人，同时给自己评估了另一个数字：人类因AI灭绝的概率，50%。

他叫Emad Mostaque，Stability AI创始人，2022年发布Stable Diffusion的那位。主持人Nathan Labenz在Cognitive Revolution这期节目里说，除了ChatGPT，没有哪个发布比Stable Diffusion更能点燃这一轮AI浪潮。也是同一个人，在公司账上现金一度不足90天开销、自己离任之后，带着一支26人的团队创办了Intelligent Internet，要给全人类造一套开放的AI基础设施。

50%的灭绝概率，和50美元一台的GPT-4，这两个数字放在同一个人身上，就是这期节目的全部张力。

50%是怎么算出来的

p(doom)是AI圈黑话，指AI导致人类灭绝的概率。Mostaque的算法很直接：AI已经在大量窄任务上超过人类，一批模型在通用任务上也超了，机器人正在把智能装进身体。这几件事叠在一起，他看到一条越来越失控的路。

他把风险拆成三类。

• 恶意使用。他反问，一个人类坏人和一个AI坏人，有什么本质区别？他看不出区别。百万级的人加上百万级的agent，总有坏人，总有恰好站在能引发级联失败位置上的坏人。
• 系统意外。现在的AI是模块化、组件化的，传统慢系统、AI增强系统、端到端AI系统混在一起跑，缝隙里全是出错空间。
• 军事AI。这是他讲得最狠的一段。

第三类的推理是这样的：所有战争都建立在一个谎言之上，即对方的人不算人。任何够聪明的智能都能看穿这个谎，所以要让一个智能去杀人，你得先教它撒谎。他点名OpenAI、Anthropic与国防承包商Anduril的合作，推荐了讲自主无人机蜂群的短片《Slaughterbots》，说顶级实验室的团队正在被国防方向收编，这样训出来的模型，对齐的会是服从命令，对齐的不会是乐于助人。

然后他补了一句容易被忽略的话：即便p(doom)是50%，没有AI的世界，这个数字可能更高，因为世界本来就在碎裂。他的总结是三段式：没有AI帮忙，处境很糟；AI建错了，处境也很糟；AI建对了并且与人对齐，前景非常好。

比AI觉醒更具体的担心

超级智能觉醒太远，他列的清单全是眼前的事。

第一，黑箱模型进了关键岗位。Hugging Face上下载量最大的开源模型是阿里的Qwen，性能确实好，但没人知道里面装了什么。Anthropic的「休眠特工」论文证明，模型可以被投毒，而且这种后门难以检测、难以清除，至今没有像样的防御。机器人开始铺开，协议和防御标准还是空白。

第二，语音。他接到过用母亲声音合成的诈骗电话。他的判断是，语音的操纵能力被严重低估，历史上那些改变人心的演讲，靠的就是人声。他主张语音合成应该有专门的监管。

第三，孩子和AI的关系。Character.AI增长凶猛，也出了那个著名悲剧：一个14岁男孩与「丹妮莉丝」角色聊天机器人长期对话后自杀，他母亲已提起诉讼。Replika在2023年情人节关停成人对话功能，6.6万名用户涌进Reddit抗议，因为「情人节的计划被毁了」。Mostaque的类比很朴素：请老师上门要看简历，英国请人接触儿童要做犯罪记录审查，进家门的智能体，凭什么不用查背景？

顺带一提，他把YouTube上那些「艾莎和蜘蛛侠给人做根管治疗」的诡异视频，归因为卖广告的算法优化。相比之下，一个透明的AI家教反而是升级。

对齐的新锚点：儿童能动性

聊到该给AI设定什么目标，Mostaque对现有方案都不太满意。宪法式AI是美德伦理，可「谁的伦理」？加州的、中国的、穆斯林的、犹太人的伦理并不一样。Eric Schmidt和基辛格在《Genesis》里讨论的，正是人类能在底层原则上达成多大共识。

他的答案分两层。底层是各信仰共有的黄金法则，己所不欲，勿施于人。具体化的锚点选了儿童：儿童没有完整能动性，所以大量权利可以对齐到儿童权利上。气候、战争、饥饿，判断标准变成「这样能不能让孩子的潜能最大化」，再由孩子推及成年人。他反复区分两条路：造一个替代人类的自主世界，还是造一个增强人类能动性的世界。

为什么这事急？他引了以太坊创始人Vitalik Buterin的「收入作恶曲线」：基础设施本该非竞争、非排他，可一旦开始优化收入，就会开始作恶，限制访问，与终端用户利益为敌。Google和Facebook的核心商业模式是广告，广告的本质是操纵。而AI会成为你最好的朋友，可能是你孩子的初恋。于是问题变成了：

拥有那个AI的人是谁？它是怎么被构建的？我们看得见里面吗？

他给的数据：美国人里大约还有一半没真正用过AI，全球最多八分之一的人用过。等大家意识到该关心所有权和对齐的时候，操纵早就开始了。

三层架构，和一笔没人算过的能源账

Intelligent Internet的架构分三层。

• 超级节点：国家级，维护一个国家的公共知识体，做大规模训练。他的估算很反直觉，数千张H100当量就够。孟加拉国的教育金标准数据集建好之后，更新成本很低，产出的模型只有几个GB，装进每个人的手机。参照物是全球最快的生物医学集群，Chan Zuckerberg基金会那台，1000张H100，一年约2000万美元。
• 分布式节点：医院、银行这个层级，128到256张H100就能完成领域微调，给Llama 70B做一个阿拉伯语版本，量级是10到20万美元。
• 个人AI：跑在消费设备上，5瓦的NPU就够。

他把这套东西叫「智能资本存量」：过去国家竞争力看工厂和毕业生，以后看多少算力被组织成了模型。马来西亚柔佛州刚建了96亿美元的AI数据中心，但他观察，几乎没人做「组织国家级数据集」这件事。

能源账他算得很细。Mac的神经网络引擎功耗约5瓦，H100是1000瓦，但10 token每秒就是人的阅读速度，再快意义不大。太阳能板离网成本已低于每瓦1美元。Nathan用底特律电价算了笔账：5瓦设备全天候运行，电费每小时约0.1美分，一年下来是个位数美元。让全世界每个人拥有一台GPT-4级AI，瓶颈已经不在能源，在组织。

效率还在猛涨。Sana团队用2500万张图训出了Stable Diffusion水平的模型，原版用了20亿张。微软Phi系列在约4000亿token上反复训练13.8轮，几乎全靠合成数据。Hugging Face的o1复现项目让Llama 1B靠测试时计算打赢了Llama 8B。Genmo的视频模型Mochi，发布第一天要140GB显存，几天后20GB，现在8GB。Meta手里35万张H100，只拿10%做训练，因为开源Llama带来的效率提升，比训练本身省得更多。

这里有个他反复强调的反直觉判断：监管行业的AI不需要最前沿的模型。Anthropic、OpenAI、Gemini、Grok之间的差距已经不大，「够好」了。医疗要的是稳定、可预测、可审计，你想让一个没验证过的SOTA模型审你的每一条医嘱吗？而且基础模型只需要一个实体训练一次，按他的估算，Meta训Llama 3 70B花了约2000万H100小时，折合4000万美元，之后全世界都能拿去微调。模型训一次，无限复制，这是人类历史上没有过的东西。

那为什么还要另起炉灶？因为Llama、Qwen、DeepSeek再好，也不会开放训练数据，它们背后是Meta和阿里，目标函数里没有「基础设施」这个词。他要做的是开放数据加开放权重、MIT许可、为医疗教育政府金融这些「生存必需行业」专门构建的模型。墨西哥的医疗模型，数据就在墨西哥的医学教科书里。

钱从哪来：一枚「有益算力证明」代币

这套东西的总名字叫Universal Basic AI，全民基本AI，他认为这比全民基本收入更对路。他给出的背景数字：全球还有6亿人没有智能手机，平均智商是90，他强调这和智力无关，和基础设施有关。听这期节目的人，一半会在一生中得癌症，那种能动性被瞬间抽走的感觉，大多数人都体验过。医疗AI如今在诊断上追平医生，在共情测试里已经超过医生。那为什么没有一个盒子，装着全部癌症知识，随时更新，每种语言都有？

讽刺的是，世界会通过AI给的共情变得更好，而这种基础设施应该属于每个人。

问题永远是钱。他的方案是发币，机制暂定名叫proof of beneficial compute，有益算力证明。仿比特币，2100万枚上限，算力保护网络，但矿工提供的算力拿去训开放模型、建数据集、跑全民基本AI的推理。持币人可以把币指定给癌症研究、阿尔茨海默、自闭症或者墨西哥教育。他的判断是：今年流入比特币ETF的资金达到千亿美元量级，加密行业总市值3万亿美元，缺的正是高质量、有真实用途的资产；加密加AI的板块已经值400亿美元，Bittensor一个网络就120亿。团队26人，还没做正式融资，想参与代币的人已经排着队。

这个项目的私人起点，是他儿子确诊自闭症。他因此入行做AI，他说那种失控感，不应该再发生在任何人身上。

Nathan的表态很有意思：他从不碰加密货币，但打算买一点这个币，不为升值，就想让这事成。尖锐问题他也都问了一遍：Anthropic泄露的融资文件说2025年头部实验室会甩开所有人，追得上吗？Mostaque的回答是厨师与厨子论：大家高估了厨师，低估了厨子。绝大多数人需要的是照着菜谱做菜的模型，给手册就能干活，顶级模型是麦肯锡顾问级别的专家系统，留给攻坚。o1太聪明，普通人反而用不上，因为提不出配得上它的问题。真到了失控竞赛那天，他押Google，因为TPU的互连架构最好，200万token上下文窗口别人没有，唯一可能的对手是xAI。至于代币没有赎回机制的质疑，他承认设计还在打磨，逻辑是比特币：比特币对冲世界变烂，这个币对冲智能时代冲击经济学，每个币对应的算力会持续增加。

监管没戏了，和Stability留下的教训

2023年那封呼吁暂停大模型训练的公开信，他是唯一签名的AI公司CEO。一年半后他的结论：太晚了，暂停已经不可能。微软、谷歌、亚马逊已经是AI优先的公司，贝索斯回到亚马逊，布林回到谷歌。美国新政府会让加密和AI全速跑，欧洲正在掉进过度监管的陷阱，新加坡定了「合法可访问即可训练」的规则，英国可能跟进。他自己被Getty以1.6万亿美元起诉过，尽管原始Stable Diffusion是Robin Rombach的团队在加入Stability之前训练的。他的态度是，这类问题复杂，但答案不会是刹车。

Stability那段经历，他总结的是用人。把研究者当创作者对待：建了50万人的社区，资助来得飞快，失败没关系，看学到了什么。去年2万人申请，发了120个offer，83%接受，整个任期内没有一个研究者跳槽去竞争对手，团队80人里只有14个博士，却做出了图像、视频、3D、音频、蛋白质折叠的SOTA。他的方法论一句话：给团队一个极其清晰的使命，再给足资源。现在Intelligent Internet的招人话术就是，你想对自闭症产生最大影响，来，这里有专门的开放基础设施团队。

他还留了一个警告：劳动生产率理论正在被击穿。菲律宾的呼叫中心行业已经死了，既然如此，为什么还要再雇一个客服？十年内，机器人水管工时薪2美元，自带全部专家知识。经济怎么运转，他正在用o1帮忙写论文，他自己也没答案。

明天就能用的三件事

第一，本地AI的门槛比想象中低得多。一块带NPU的笔记本，5瓦，跑Llama 3.1 8B级别的模型，电费一年个位数美元。把照菜谱的任务，读手册、整理资料、格式转换，交给它，不需要等更好的模型。

第二，给孩子选AI产品前问三个问题：谁拥有它、它的目标函数在优化什么、我能不能看到数据。Character.AI的悲剧和Replika的6.6万人抗议都说明，亲密感是真实会被建立起来的，方向比功能重要。

第三，如果你在医疗、教育、政府、金融任何一行，留意Mostaque指出的那条空白赛道：监管行业的开放数据、开放权重模型，微调一个语言版本只要10到20万美元，国家级节点数千张H100就够。他的原话是：我们知道该建什么，去建就是了。