有人叫我 doomer 的时候，我非常生气。当有人说“这家伙是个 doomer，他想放慢进度”的时候，你听到我刚才说的话了——我父亲去世，就是因为那些本来几年后就能出现的疗法。我深知这项技术的好处。想必你也听过像 Jensen 这类人的批评，说什么“Daario 认为只有他能安全地构建这项技术，因此想要控制整个行业。”
Dario：我从没说过那种话。那是无耻的谎言。那是我听过的最无耻的谎言。
Anthropic CEO Dario Ammoday 做客我们的节目，探讨人工智能的前进路径、生成式 AI 是否是一门好生意，并回击那些称他为 doomer 的人。他现在与我们在旧金山 Anthropic 总部的演播室现场。Dario，很高兴再次见到你。欢迎参加节目。
Dario：谢谢你邀请我。主持人：那么，我们来回顾一下你过去几个月的经历。你说 AI 可能会消灭一半入门级白领工作。当你得知 OpenAI 要收购 Windsurf 时，你切断了 Windsurf 对 Anthropic 顶级模型的访问。你向政府要求实施出口管制，还惹恼了 Nvidia CEO Jensen Wong。你这是怎么了？
Dario：我觉得，无论是 Anthropic 还是我个人，始终都专注于去做和去说我们内心相信的事。随着我们越来越接近更强大的 AI 系统，我更希望更有力、更公开地表达这些观点，把话说清楚。多年来我一直在说——我们可以详细讨论——我们有这些 scaling law。AI 系统正在变得越来越强大。几年前它们还几乎连语句都说不通，一两年前大概达到了聪明高中生的水平，现在正接近聪明大学生、博士生的水平，并且开始在经济领域广泛应用。因此，我认为与 AI 相关的所有问题，从国家安全问题到经济问题，都开始变得迫在眉睫，我们即将真正面对它们。所以，尽管 Anthropic 在某种程度上已经说了一段时间了，但随着这些问题日益临近，紧迫感增加了，我想确保我们说出自己的真实想法，向世界警示可能的负面影响。当然，没人能断言未来一定会怎样，我们只是在说我们觉得可能发生、甚至很可能发生的事。我们会尽我们所能为这些判断提供依据，尽管这往往是对未来的推测，没人能百分之百确定。但我觉得我们有责任向世界发出警告。这并不是说 AI 没有大量积极的应用，对吧？我一直在谈这个。我写过一篇 essay，叫 *Machines of Loving Grace*。事实上，我觉得我和 Anthropic 在阐述 AI 的好处方面，往往比那些自称乐观派或加速主义者的人做得还要好。所以我们可能比任何人都更清楚这些好处。但也正是因为如此——因为如果我们把一切都做对，就能拥有如此美好的世界——我觉得有义务去警示风险。主持人：所以这一切都是因为你的时间线。基本上，你的时间线似乎比大多数人都短，因此你感到一种紧迫感，想要站出来发声，因为你认为这一切迫在眉睫。
Dario：是的，我不确定。我认为这很难预测，尤其是在社会层面。如果你问人们什么时候会部署 AI，或者公司什么时候会投入 XX X 美元在 AI 上，或者 AI 什么时候会应用于这些领域、什么时候能带来医学突破，这些就更难说了。我觉得底层技术在某种程度上更可预测，但仍然充满不确定性，依然没人知道。不过在底层技术方面，我开始变得更有信心了。但这并不意味着没有不确定性。你知道，我们当前所处的这条指数增长曲线，仍有可能彻底停滞。我觉得大概在未来两年内，可能有 20% 或 25% 的概率，模型会因为一些我们不理解、或者其实能理解的原因——比如数据或算力不足——而停止进步。到那时，我今天说的一切都会显得极其愚蠢，所有人都会嘲笑我发出的那些警告。但考虑到我所看到的概率分布，我完全能够接受那种结果。主持人：另外我应该说明，这次对话是我正在撰写的一篇人物报道的一部分。我采访了二十多位曾与你共事、了解你、与你竞争过的人，如果有人想读，我会在节目备注里附上链接，免费阅读。不过我采访的每个人几乎都提到一个共同主题：你的时间线在所有主要实验室负责人中大概是最短的，你刚才也提到了这一点。那么，为什么你的时间线这么短？我们又为什么要相信你的判断？
Dario：这取决于你怎么定义“时间线”。有一点我多年来始终立场一致，那就是 AI 领域有一些像 AGI、super intelligence 这样的术语。你会听到一些公司负责人说“我们已经实现了 AGI，正在迈向 super intelligence”，或者“某人停止研究 AGI、开始研究 super intelligence，这太令人兴奋了”。我觉得这些术语完全没有意义。我不知道 AGI 是什么，也不知道 super intelligence 是什么。听起来像是营销术语，像是用来刺激人们多巴胺分泌的东西。所以你看，我在公开场合从不用这些词，而且我确实会刻意批评这些术语的使用。但尽管如此，我确实是极少数对 AI 能力快速提升最乐观的人之一。我一再强调、并且认为是真实存在的，是这条指数曲线——也就是每隔几个月，我们就会得到一个比之前更好的 AI 模型。我们通过向 AI 模型投入更多算力、更多数据、更多新型训练方法来实现这一点。最初是通过所谓的 pre-training，也就是把互联网上大量数据喂给模型。现在我们有了第二阶段，即 reinforcement learning，或者叫 test time compute、reasoning，随你怎么称呼。我把它视为涉及 reinforcement learning 的第二阶段。目前，这两个阶段都在同步扩展，这在我们的模型以及其他公司的模型身上都能看到。我看不出有什么因素会阻碍这种扩展继续下去。当然，在 RL 方面，如何拓展任务范围还有一些问题需要解决。我们在数学和代码等领域看到了更多进展，模型在这些方面已经非常接近高水平专业人士的水准，而在更主观的任务上进展则较少。但我认为这只是一个暂时的障碍。当我审视这一切时，我看到了指数级增长，而人们往往不太擅长理解指数增长——如果某个东西每六个月翻一番，那么在它爆发前的两年，看起来好像只完成了十六分之一。我们现在身处2025年年中，模型在经济层面真的开始爆发式增长。如果看模型能力，它们已经开始刷爆所有基准测试；如果看收入，Anthropic 的收入每年都增长10倍。每年我们都比较保守，会说这次不可能再增长10倍了，我从不做任何假设，实际上在业务层面我总是非常保守地说，我觉得这次会放缓。但我们的收入从2023年的零增长到1亿美元，2024年从1亿美元增长到10亿美元，而今年仅仅上半年，就从10亿美元增长到了——我想截至今天，已经远超40亿美元，可能是45亿。所以想想看，假设这个指数增长再持续两年，我不是说一定会，但假设持续两年，你就会进入数千亿级别。我不是说这一定会发生。我想说的是，当你处于指数增长曲线中时，你真的会被它迷惑。在指数增长彻底爆发的前两年，它看起来好像才刚刚有点起色。这就是根本规律。你知道，我们在90年代的互联网上就见过这一幕，对吧？网络速度和计算机底层速度不断提升，短短几年内，就在此基础上构建起全球数字通信网络成为可能，而这在几年前还不可能实现。除了少数人之外，几乎没有人真正预见到这一点以及它发生的速度。这就是我的想法来源，也是我现在所持的观点。当然，我不知道，如果一堆卫星坠毁，互联网可能会发展得更慢；如果发生经济崩溃，也许也会多花一点时间。所以我们无法确定确切的时间线，但我认为人们正在被指数增长所迷惑，没有意识到它可能有多快，我认为它很可能有多快，尽管我不确定。但是 AI 行业里有很多人都在谈论 scaling 带来的收益递减。这与你刚才描绘的愿景并不吻合。他们错了吗？是的。从我们观察到的情况来看，我只能就 Anthropic 的模型来说，但如果看 Anthropic 的模型表现，以编程为例，Anthropic 的模型进步非常快，采用速度也非常快。我们不仅仅是一家编程公司，我们计划扩展到很多领域。但如果看编程这一块，我们发布了 3.5 Sonnet，一个我们称之为 3.5 Sonnet V2 的模型，我现在更愿意把它叫做 3.6 Sonnet，然后是 3.7 Sonnet，接着是 4.0 Sonnet 和 4.0 Opus。这一系列的四五款模型，每一款在编程能力上都比前一款有实质性提升。如果你想看基准测试，可以看 SWE-bench，大约18个月前可能只有3%左右，一路增长到了72%到80%，具体取决于你如何衡量。实际使用量也呈指数级增长，我们正越来越朝着可以自主使用这些模型的方向发展。我认为 Anthropic 目前实际编写的大部分代码，都是由 Claude 模型编写或至少有 Claude 模型参与完成的。其他很多公司也发表了类似的声明。所以我们看到的进展非常迅速，指数增长仍在继续，我们没有看到任何收益递减。但大语言模型似乎存在一些短板。例如持续学习。几周前我们邀请了 Dark Kesh，他是这么说的，而且他在 Substack 上也写到了这一点。缺乏持续学习是一个巨大的问题。大语言模型在许多任务上的基线可能高于普通人，但你只能困在出厂即得的能力里。模型一旦训练完成就这样了，它不会学习。这似乎是一个明显的缺陷。你怎么看？首先，我想说的是，即使我们永远解决不了持续学习问题，即使我们永远解决不了持续学习和记忆问题，我认为 LLM 在影响经济规模层面的事情上表现出色的潜力仍然非常高。对吧？如果想到我以前从事的生物和医学领域，比如说我有一位非常聪明的诺贝尔奖得主，然后我说，好的，你已经发现了所有这些，你拥有极其聪明的头脑，但你不能阅读新教科书，也不能吸收任何新信息。我的意思是，这会很困难，但如果你有1000万个这样的天才，他们仍然会在生物学上取得大量突破。他们会受到限制，他们能做一些人类做不到的事，也有一些人类能做但他们做不到的事。但即使我们把这作为上限，天哪，那也已经非常令人印象深刻且具有变革性了。即使我说你永远解决不了这个问题，我认为人们仍然低估了它的影响。但你看，上下文窗口正变得越来越长，模型实际上在上下文窗口中是会学习的。所以当我在上下文窗口中与模型对话时，我们进行对话，它吸收信息，模型的底层权重可能不会改变，但就像我现在和你说话一样，我们在对话，我听你说的话，我思考，然后做出回应。模型也能做到这一点。而且从机器学习、从 AI 的角度来看，我们今天完全可以把上下文长度做到一亿词左右，对吧？这大致相当于一个人一生中听到的信息量。我们完全有理由做到这一点。这实际上是推理支持的问题。所以即便这样也能填补很多缺口，不是全部，但能填补很多。然后还有一些关于学习和记忆的技术，确实能让我们更新权重。所以有很多方法，比如各类强化学习训练。很多年前我们曾谈论过内循环和外循环，对吧？内循环就像我在某个 episode 中学习一些东西，并试图优化该 episode 期间的表现；而外循环则是智能体跨 episode 学习。所以我觉得这种内循环加外循环的结构可能是实现持续学习的一种方式。我们在 AI 领域学到的一点是，每当你觉得遇到了某种根本性障碍时——比如两年前，我们认为在推理方面存在根本性障碍——结果证明那不过是 RL。你只要用 RL 训练，让模型把一些内容写下来，你知道，就是让模型把思考过程写下来，以此来解决客观的数学问题。嗯，不必说得太具体，嗯，我认为，而且我们已经有一些证据表明，这又是那种看似困难、实则没那么难的问题，它最终会通过 scale 加上一种稍微不同的思维方式被攻克。你是否认为你对 scale 的执念可能会让你忽视一些新技术？就像 Deis Sabis 说的，你知道，要实现 AGI，或者你可以称之为超级强大的 AGI，无论如何，我们所说的就是人类水平的智能。要实现这一点，我们可能需要几项新技术。如果你在开发新技术，我们每天都在开发新技术。好的。嗯，你知道，Claude 非常擅长代码，而且我们，嗯，我们对外并不太谈论为什么 Claude 这么擅长代码。为什么它这么擅长代码？嗯，就像我说的，我们对外不谈这个。嗯，所以你知道，我们推出的每一个新版本的 Claude，都在架构上有改进，在我们输入的数据上有改进，在我们用来训练它的方法上有改进。所以我们一直在开发新技术。嗯，新技术是我们构建的每一个模型的组成部分。而且你知道，这就是为什么我提到过，我们在尽可能优化人才密度，你需要这种人才密度才能发明新技术。你知道，这次对话中一直有一个悬而未决的问题，那就是也许 Anthropic 是一家理念正确但资源不足的公司。因为你看看 xAI 的情况，还有 Meta 内部，Elon 建了他的大规模集群，Mark Zuckerberg 正在建造这个 5 gawatt 的数据中心，他们正投入如此巨大的资源进行 scale up。嗯，有没有可能？我是说，Anthropic 显然已经筹集了数十亿美元，但这些都是万亿美元级别的公司。是的。所以我们到目前为止筹集了将近 200 亿美元。这不算差。所以那也不算少。而且我还想说，如果你看看我们和 Amazon 等公司正在建造的数据中心的规模。嗯，我认为我们的数据中心 scale 并不比这个领域其他任何公司小多少。嗯，你知道，在很多情况下，这些东西受限于能源，受限于资本化。嗯，你知道，当人们谈论这些巨额资金时，他们说的是分摊到好几年，对吧？而且当你听到一些这样的公告时，有时候它们还没拿到资金呢。嗯，我们看到了其他人正在建造的数据中心的规模，我们实际上相当有信心，你知道，我们的规模会在他们建造的数据中心规模的同一数量级范围内。你谈到了人才密度。你怎么看 Mark Zuckerberg 在人才密度方面的做法？我是说，再结合这些大规模数据中心，他似乎能够参与竞争。是的。嗯，这其实非常有趣，因为嗯，你知道，我们注意到的一点是，相对于其他公司，嗯，我认为，从 Anthropic 被这些挖走的人要少得多。而且这并非因为他们没有尽力尝试。我和很多人聊过，嗯，你知道，他们在 Anthropic 收到了这些 offer，然后直接拒绝了。嗯，有人甚至不愿意和 Mark Zuckerberg 谈，说嗯，你知道，不，我要留在 Anthropic。而我们对此的总体回应是，你知道，我在全公司 Slack 上发了一段话，我说，听着，嗯，你知道，我们不愿意为了单独回应这些 offer 而妥协我们的薪酬原则、我们的公平原则。Anthropic 的运作方式是有一套职级体系的。一个候选人进来，会被定一个级别，而且我们不会就这个级别进行谈判。嗯，因为因为我们觉得这不公平。我们希望有一种系统性的方式。如果，你知道，如果 Mark Zuckerberg 朝飞镖盘扔飞镖，正好扎中了你的名字，并不意味着你的薪酬就应该比你旁边那个技能同样出色、同样有才华的人高 10 倍。嗯，而且我对这种情况的看法是，你知道，你真正可能因此受到伤害的唯一方式，就是如果你因此惊慌失措，为了捍卫公司而不公平地对待员工，从而让公司文化被摧毁。嗯，而且我认为这实际上对公司来说是一个团结的时刻，嗯，你知道，我们没有屈服。我们拒绝妥协我们的原则，因为我们有信心，人们在 Anthropic 是因为他们真正相信这个使命。嗯，而且你知道，我认为嗯，这就涉及到我是如何看待这件事的。我认为他们正在试图购买一样无法被购买的东西。嗯，那就是与使命的一致性。嗯，而且你知道，我认为这里存在选择效应，就像你知道，他们得到的是那些最有热情、最认同使命、最兴奋的人吗但他们有人才和 GPU，你没有低估他们吧。我我会看看事情会如何发展。嗯，我对他们正在做的事相当悲观。我们来谈谈你的业务吧，因为很多人都在想，生成式 AI 的生意是真的吗？而且我也很好奇。我一直有问题想问。你谈到你们筹集了将近 200 亿美元。嗯，你们从 Google 筹集了 30 亿美元，从 Amazon 筹集了 80 亿美元，从新一轮由 Lightseed 领投的融资中筹集了 35 亿美元，我和他们聊过。嗯，你们的 pitch 是什么？因为你不是那种大型科技公司的一部分，你是独立在外的。你是不是只要带着 scaling laws 然后说“能给我点钱吗”？所以我对这件事的看法一直是，嗯，人才是最重要的。嗯，所以你知道，如果回到三年前，嗯，你知道，我们当时的处境是只筹集了区区数亿美元。Open AAI 已经从 Microsoft 筹集了 130 亿美元。当然，你知道，那些大型科技巨头坐拥 1000 亿、2000 亿美元。而我们当时的基本 pitch 是，我们知道如何让这些模型变得更好，比其他人做得更好，对吧？可能存在一条曲线，可能存在一条 scaling laws 的曲线。但是你看，如果我们能够用 1 亿美元做到别人用 10 亿美元才能做到的事，用 100 亿美元做到别人用 1000 亿美元才能做到的事，那么投资 Enthropic 的资本效率就是投资这些其他公司的 10 倍。你宁愿处于能把任何事情都以便宜 10 倍的成本做出来的位置，还是宁愿一开始就有一大堆钱？如果你能把成本降低 10 倍，那么嗯，你知道，资金只是一个暂时的缺陷，你可以补救。如果你具备这种内在能力，能以同样的价格做出比别人好得多的东西，或者以低得多的价格做出和别人一样好的东西。要知道，投资者并不傻，至少他们不总是傻。
——那得看你找的是谁。
——我就不点名了。但他们基本上都理解资本效率这个概念。所以，三年前，这些差距可能还有一千倍之大，而现在你说，拿着 200 亿美元，能跟千亿美元级别的公司竞争吗？我的答案基本上是可以，因为人才密度高。我以前说过，Anthropic 实际上是有史以来在其所处规模上增长最快的软件公司。我们在 2023 年从 0 增长到 1 亿美元，2024 年从 1 亿美元增长到 10 亿美元。而今年，我们从 10 亿增长到了——我想我之前提过——45 亿。所以每年 10 倍，我是说，每年我都预感我们会以这样的速度增长，而每年我又几乎不敢公开这么说，因为心里会觉得，不，这不可能再发生了。所以我认为，这种规模的增长本身就足以说明我们有能力与巨头竞争。
——好的。CNBC 报道称，Anthropic 60% 到 75% 的销售额来自 API，这是根据内部文件得出的。现在还准确吗？我不会给出具体数字，但大部分确实来自 API。不过我们也有一项蓬勃发展的应用业务，而且最近我认为，重度用户使用的 Max 档位以及程序员使用的 Claude Code 表现也不错。所以我觉得我们的应用业务繁荣且增长迅速，但没错，大部分收入仍来自 API。所以你们是在对这项技术下最纯粹的赌注，就像你知道，OpenAI 可能在赌 ChatGPT，Google 可能在赌无论技术怎么发展它都能整合进 Gmail 和日历。那么为什么你们选择对技术本身下这个纯粹的赌注呢？
——是的，我的意思是，我不会完全这么描述。我认为，更准确地说，我们赌的是模型的商业应用场景，而不是赌 API 本身。只不过模型最早的商业应用场景是通过 API 实现的。如你所说，OpenAI 非常侧重消费端，Google 非常侧重其现有产品。我们的观点是，如果说有什么区别的话，AI 在企业端的应用甚至会大于消费端应用，或者我应该说商业应用，因为这涵盖企业、初创公司、开发者，还有那些用模型来提升效率的重度用户。我也认为，一家专注于商业应用场景的公司，实际上会有更强的动力把模型做得更好。我觉得值得做这样一个思想实验：假设我有一个模型，它在生物化学方面达到了本科生水平；然后我改进了它，达到了博士生水平。如果我面向普通消费者，给他们一个聊天机器人，说“好消息，我把模型从本科水平提升到了研究生水平”，可能——我不知道——只有 1% 的消费者会在意，对吧？99% 的人都会说，反正我也看不懂。但如果我去找 Fizer，说我们把这从本科生物化学水平提升到了研究生水平，这将会是全世界最重大的事情，对吧？他们可能会为此支付 10 倍的费用，这对他们的价值也可能是 10 倍。所以，让模型解决世界上的问题，让它们越来越聪明，同时还能带来许多积极的应用——比如我在《Machines of Loving Grace》里写到的那些，解决生物医学问题、地缘政治问题、经济发展问题，以及更务实的领域，比如金融、法律、生产力或保险。我觉得这给了我们更好的动力去尽可能地发展模型，而且在很多方面，这可能甚至是一门更有前景的生意。所以我要说，我们赌的是 AI 的商业应用，因为它最符合这种指数级增长的趋势。
——好的。那简单说说，你们是怎么决定押注编码这个应用场景的？
——是的。嗯，最初，和大多数事情一样，我们试图优化模型，让它在很多方面都更出色，而编码在价值方面表现得尤为突出。我和数千名工程师合作过，大约一年半前，我曾合作过的最出色的工程师之一说，之前所有的编程模型对他来说都没用，而这个终于能做一些他自己做不到的事了。我们发布之后，它迅速获得了采用。就在那段时间，Cursor、Windsurf、GitHub、Augment Code 这类编程公司开始爆火，我们看到它这么受欢迎，就加倍投入了。我的看法是，编码特别有意思，第一，采用速度快；第二，用模型把编码做得更好，实际上能帮助你开发下一个模型。所以它有很多，我觉得，优势。
——现在你们通过 Claude Code 销售 AI 编程服务。但很有意思的是，定价模式让一些人感到困惑。每月花 200 美元，就能获得相当于——我的一位开发者朋友说，他花 200 美元得到了相当于你们 API 每月 6000 美元的价值。Ed Zitetron 指出，你们的模型越受欢迎，如果用户是超级重度使用者，你们亏的钱就越多。这怎么讲得通呢？所以，嗯，实际上定价方案和 rate limits 出奇地复杂。其中一些情况基本上是因为我们发布 Claude Code 和 Max 档位时——我们最终把两者绑定在了一起——当时并没有完全理解人们使用模型的方式及其可能消耗的量。所以在最近几天，截至本次采访时，我们已经做了调整，尤其是在 Opus 这样的大模型上，我认为现在花 200 美元订阅已经不可能用到那么多了。未来可能还会有更多调整，但我们始终会有一批重度用户和一批使用量一般的用户。有些用户如果按 API credits 来算，在消费级订阅上得到的比 API 产品更划算，这并不一定意味着我们在亏钱。对吧？这里面有很多假设。而我可以告诉你，其中一些假设是错误的。我们实际上并没有亏钱。但我想还有一个问题：你们能否继续服务这些场景，同时不涨价？给你几个数据点，有些开发者很不高兴，因为在 Cursor 中使用 Anthropic 的新模型比以往任何时候都贵。我聊过的一些初创公司说，Anthropic 下降了很多，因为他们拿不到 GPUs。至少这就是他们所想象的情况。我刚在下周将要播出的一期访谈中采访了 Replet 的 Amjad Masad，他说曾经有一段时间，使用这些模型的 token 单价一直在下降，但后来就停住了。那么现在的情况是，这些模型对 Anthropic 来说运行成本太高，以至于撞上了自己的瓶颈吗？我觉得你这里又是在预设前提。所以我才来问 CEO。嗯，是的，我是这么看的：我们衡量这些模型时，关注的是它们创造了多少价值，对吧？所以随着模型越来越好，我关注的是它们创造了多少价值。而价值如何在模型开发商、芯片制造商以及底层应用开发商之间分配，那是另一个问题。所以再说一次，我不想说得太具体，但我觉得你问题里有些假设未必正确。嗯，我——
告诉我是哪些。我……这么说吧。我确实预期，提供某一特定水平智能的价格会下降。我预期，提供前沿智能的价格——它会带来不断增长的经济价值——可能会上升，也可能会下降。我猜它大概会维持在现有水平。但话说回来，所创造的价值会大幅上升。所以两年后，我猜我们会有与今天成本量级相当的模型，但它们在完成工作、自主运行以及适用范围等方面的能力会比今天强得多。
Amjad 提到的一点是，他认为由于架构以及我们讨论过的一些技术，更大的模型在运行时并不像人们想象的那样——或者说相对于其规模来说并没有那么高的计算强度——因为它们只激活模型的某些部分。所以我希望我没有曲解他的意思：Anthropic 其实可以在后端不用太大负担地运行这些模型，但却仍然维持着现有的定价。然后我想补充一点，也许 Anthropic 要达到软件行业的利润率——有报道称 Anthropic 的毛利率略低于软件行业——就得把这些模型定价再提高一点。所以，嗯，是的，再说一次，我认为大模型的运行成本比小模型高。嗯，我想你说的技术大概是 mixture of experts 之类的。所以不管你的模型是不是 mixture of experts，mixture of experts 是一种用更低成本运行具有特定参数量模型的方式，也是一种训练模型的方式。但如果你不用这种技术，那么不用这种技术的大模型运行成本就比不用这种技术的小模型高。而如果你用了这种技术，用了这种技术的大模型运行成本也比用了这种技术的小模型高。所以我认为这多少扭曲了实际情况。基本上我只是猜测，想从你这里了解真相。所以——
是的，你看，就模型成本而言，有件事可能会让你惊讶：人们总是预设，天啊，要把利润率从某个百分比提高到另一个百分比会很难。但我们一直在做改进，让模型的效率比之前提高 50%。我们仅仅处于优化 inference 的初期。嗯，inference 相比两三年前到现在已经提升了非常多。这就是价格下降的原因。那还要多久才能盈利？因为我觉得今年亏损大概会有三十亿美元。这些是要区分来看的。好吧。嗯，有运行模型的成本，对吧？所以模型每赚一美元，都要付出一定的成本。嗯，这部分其实已经相当盈利了。还有其他方面。你知道，人力成本、办公楼宇成本这些，在整体中其实不算大。最大的成本是训练下一代模型。嗯，我认为公司亏损、不赚钱这种说法有点误导性。嗯，当你看到 scaling law 时，你会更好地理解这一点。所以，作为一个思想实验，这些数字对 Anthropic 来说并不准确，甚至相差甚远。假设 2023 年你花了一亿美元训练一个模型。嗯，然后在 2024 年，你部署 2023 年的模型，它产生了两亿美元收入，但你在 2024 年花了十亿美元训练新模型。然后到了 2025 年，那个十亿美元成本的模型产生了二十亿美元收入，而你又花一百亿美元训练下一代模型。嗯，所以公司每年都不盈利。2024 年亏损八亿，2025 年亏损八十亿。嗯，所以这看起来是一家巨亏的企业。但如果换个角度，考虑每一个模型是否盈利——把每个模型当成一个独立项目。嗯，我花一亿美元投资一个模型，然后在第二年从这个模型身上拿回两亿美元。所以这个模型的利润率是 50%，第二年为我赚了一亿美元。嗯，你知道，公司投资十亿美元，赚了二十亿……哦，抱歉，下一个模型，公司投资十亿，所以每个模型都是盈利的，但公司每年都不盈利。我不是……这只是一个……这是高度简化的模型，我并不是在声称这些数字适用于 Anthropic，也不是在陈述这些事实，但这种总体动态……这种总体动态大致上就是正在发生的事情的解释。所以，你知道，任何时候，如果模型停止进步，或者公司停止投资下一代模型，你知道，你大概可以用现有模型构成一个可行的业务，但所有人都在投资下一代模型，所以最终它一定会达到某种规模。我们在下一代模型上投入更多这一事实，说明业务的规模在接下来的一年会比前一年更大。当然，可能发生的情况是模型停止进步，然后出现一种一次性成本，像是搞了个大而无当的项目，我们花了一大笔钱，但随后公司、行业会回归到这种利润率的平台期，或者指数增长会持续下去。嗯，所以我想，说了这么多，我的意思是我不认为这样理解问题真的正确。对吧？但开源呢？因为如果你停止了，假设你停止投资模型，而开源追上来了，那人们就可以换成开源模型。我很想听听你的看法，因为关于 Anthropic 的业务，有人跟我提过的一点是，最终存在这种风险：开源变得足够好，你就可以把 Anthropic 替换掉，把开源换进去。是的。所以，你知道，人们……我认为这个行业一直以来都是如此，而且我在 AI 早期历史中就已经看到这一点。
AI 所经历的每一个社群，都有一套关于事物如何运作的启发式判断。比如 2014 年我投身 AI 领域时，当时已经存在一个 AI 和机器学习研究社群，他们以某种固定方式思考问题，觉得这只是昙花一现，是新鲜事物，不可能成功，也不可能规模化。然后由于指数级增长，所有这些判断都被证明是错误的。后来，将 AI 部署到企业内部各种应用场景的人也经历了类似的过程；再之后在创业生态系统中，同样有这类想法。我认为现在我们正处于这样一个阶段：全世界的商业领袖，比如投资者和商界人士，他们有一整套关于商品化、护城河、价值会流向哪一层的词汇体系。而开源这个概念，意味着你能看清正在发生的一切，以至于它被认为具有重要意义，被认为会削弱商业。而我作为一个完全来自那个世界之外、从未用那套词汇思考过的人，发现这正是那种“一无所知反而能让你做出比上一代科技人更准确预测”的情况之一。我想，以上这些都是绕弯子想说：我认为开源在 AI 领域的作用方式，与在其他领域并不相同。主要原因在于，传统的开源你能看到源代码，而在这里我们看不到模型内部，所以人们常称之为 open weights（开放权重），而非 open source（开源），以作区分。但很多所谓的好处——比如很多人可以一起协作、它具有累加性——在 AI 里并不完全以同样的方式运作。所以我其实一直把它视为一个干扰项。当有新模型发布时，我不在乎它是不是开源的。比如谈到 DeepSeek，我不认为它是不是开源的这件事有多重要。我会问的是，它是个好模型吗？在我们关心的任务上，它是不是比我们更强？这是唯一我在乎的。其实无论如何都不重要。因为说到底，你必须把它托管在云上。在云上托管的人做 inference。这些都是大模型，做 inference 很难。反过来，很多你在能看到权重时能做的事情，我们也越来越多地在云端提供，比如你可以微调模型，甚至我们正在研究如何把探究模型 activation（激活值）作为 interpretability（可解释性）界面的一部分。上次我们就在 steering 方面做了一些小尝试。所以我认为，从竞争角度思考时，这是一个错误的维度。我关注的是哪些模型在我们做的任务上表现更好。我觉得开源其实是个干扰项。但如果它免费且运行成本低廉呢？它并不免费。你必须通过 inference 来运行，而且总得有人把 inference 做快。好吧。那么我想更多了解一下 Daario 这个人。好的。我们还剩一点时间，想问你一些关于早年生活，以及你是如何成为今天的自己的一些问题。好的。那么，在旧金山长大是什么体验？嗯，我刚在这里长大的时候，这座城市其实还没有那么明显的士绅化。你知道，我成长的时候，科技热潮还没发生，还没发生。它是在我上高中的时候兴起的。实际上，我对此毫无兴趣。它对我来说完全无聊。我想成为一名科学家，对物理和数学感兴趣。至于写网站或者创办公司之类的想法，我一点兴趣都没有。我想去发现基本的科学真理，想做些能让世界变得更好的事情。所以我更关注这些。我看着身边的科技热潮兴起，但我觉得自己当时本可以从中学到很多对现在有用的东西，但我其实根本没在意，也完全没兴趣，尽管我就身处其中。那么你的母亲是犹太人，父亲是意大利人，没错。在我来自的长岛，我们管这叫 pizza bagel（披萨百吉饼）。
Pizza bagel？我从未听说过这个说法。那你和父母的关系如何？嗯，我想说，我一直和他们很亲近。我觉得他们让我明白了什么是对错，以及世界上什么是重要的。我觉得，培养强烈的责任感可能是我印象最深的。他们一直是有责任感的人，想让世界变得更好。我觉得这是我从他们身上学到最主要的东西之一。我们家一直是一个非常充满爱、非常互相关怀的家庭。我和妹妹 Daniela 非常亲近，她后来成了我的联合创始人。我想我们很早就决定，要在某种程度上一起工作。不知道我们是否想象过，事情会发展到如此大的规模。但我们确实很早就决定要这么做。这些年认识你的人告诉我，你父亲的病对你影响很大。能谈谈吗？是的。没错。他病了很长时间。最终于 2006 年去世。所以这其实是促使我——我想这次访谈还没提到——在进入 AI 之前，我先进入了生物学领域。我进入普林斯顿时，本想成为一名理论物理学家，最初几个月做了一些宇宙学方面的研究。就在那段时间，我父亲去世了，这确实影响了我，也是促使我转向生物学的原因之一，我想去解决人类疾病和生物学问题。于是我开始和普林斯顿所在院系里研究生物物理学和计算神经科学的人交流，这促使我转向了生物学和计算神经科学。之后我最终进入了 AI 领域，而进入 AI 的原因其实是这种动机的延续：在生物学领域深耕多年后，我意识到生物学底层问题的复杂性似乎已超出人类所能驾驭的规模。要知道，为了理解这一切，需要成百上千的人类研究人员，而且他们往往很难协作，很难分享、整合彼此的知识。而AI——我当时才刚刚看到其中的发现——让我觉得它是唯一能够弥合这一鸿沟的技术，能将我们带到超越人类规模的层面，从而充分理解并解决生物学的问题。所以，是的，这里有一条贯穿的线索。对吗？我可能记错了。但我听说的一件事是，他患病时，这种病基本上是不治之症。而后来出现了一些进展……您能再多分享一些吗？好的。确实有一些进展让今天这种疾病变得可控得多了。是的，是的，这……这是真的。实际上，就在他去世后的三四年间，他所患疾病的治愈率从50%左右上升到了大约95%。是啊。我的意思是，父亲被一种本可以治愈的疾病夺走，这一定让人觉得非常不公。这……当然，当然。但这也让你意识到解决相关问题的紧迫性，对吧？你知道，曾经有人致力于研究这种疾病的疗法，最终成功了，挽救了许多人的生命，但如果他们能比实际早几年找到那种疗法，本可以挽救更多人的生命。我认为这正是其中的张力之一，对吧？我觉得AI拥有所有这些益处，我希望每个人都能尽快获得这些益处。我大概比几乎任何人都更清楚这些益处有多紧迫。因此，我真的理解其中的利害关系。你知道，当我公开指出AI存在这些风险，并表示担忧时，如果有人叫我doomer，我会非常生气。我真的很生气，当有人说：“这家伙是个doomer，他想放慢速度。”你听到了我刚才说的话，我父亲去世是因为疗法本可以早几年出现。我理解这项技术的好处。当我坐下来写《Machines of Loving Grace》时，我写下了这项技术能够让数十亿人的生活变得更好的所有方式。有些人在Twitter上为加速欢呼，我觉得他们对这项技术的好处并没有一种人文主义的感知。他们的大脑里只有肾上腺素，他们就是想为点什么欢呼，想加速。我感觉他们并不真正在乎。所以当这些人叫我doomer时，我觉得他们这样做完全没有任何道德可信度。这让我真的对他们失去尊重。我一直在想“影响力”这个词究竟意味着什么，因为身边人太常提到这一点了，说你对“产生影响”有着近乎偏执的执着。事实上，我和一位很了解你的人聊过，他说你不看《Game of Thrones》，因为那和“影响力”无关，是浪费时间，而你想专注于影响力。其实不完全对。我不看是因为它太负和了，人物都在进行如此负面的博弈。这些人一开始，部分是因为处境，部分是因为他们本身就是很糟糕的人，制造出一种局面，到最后每个人的处境都比之前更差。我真的很热衷于创造正和的局面。我推荐你看，这是部很棒的剧。但我听说有些部分……我只是很抗拒，很长时间都没看。让我们回到影响力这个话题。那么影响力实际上就是你的职业生涯一直在追求的东西——请告诉我是不是说得太过分了——是为了防止其他人陷入类似的处境。我觉得……我觉得这是其中一部分。我的意思是，我看过许多帮助他人的尝试，有些比其他更有效。而且我认为我一直努力在做的，是背后应该有策略，应该有智慧地试图帮助他人。这通常意味着有一条漫长的路径，对吧？它可能通过一家公司来实现，涉及许多技术性的活动，并不直接与你试图产生的那种影响力挂钩。但弧线在于，我一直试图将这条弧线引向那个方向。我想这就是我对它的理解。这也是我真正投身于此的原因，对吧？你知道，类似于投身AI的原因是，我认为生物学问题没有AI几乎是不可解决的，或者至少进展太慢。而我创办公司的原因是，我曾在其他公司工作，我只是觉得那些公司的运营方式并没有真正以实现那种影响力为导向。围绕它有一个故事，经常被用来招聘，但多年来我逐渐明白，那个故事并不真诚。我要稍微绕回来一下，因为很明显你指的是OpenAI。据我所知，你当时掌握着OpenAI 50%的算力。我的意思是，你负责了GPT-3项目。所以，如果说有人要专注于影响力和安全，那不应该是你吗？嗯，是的。我……有一段时间确实是这样。但并非一直如此。比如说，在我们扩展GPT-3的时候就是这样。所以，你知道，我在OpenAI的时候，我和很多同事——包括那些最终创办了Anthropic的人——
那些pandas，嗯，那些pandas。这是你给他们的名字。这不是我给他们的名字。是他们自己取的名字。呃，也不是他们取的名字。嗯……
那是别人叫他们的名字。呃，也许这是别人对他们的称呼。但我从未用这个名字叫过我的团队。好的，抱歉，请继续。呃……
这个澄清很好，谢谢。嗯……所以，是的，你知道，我们参与了这些模型的扩展工作。实际上，构建GPT-2和GPT-3的初衷源于我们当时做的一类AI alignment工作。我和Paul Cristiano以及一些Anthropic的联合创始人发明了一种叫做RL from human feedback的技术，它旨在帮助引导模型朝着遵循人类意图的方向发展。它实际上是一种先导尝试；我们当时试图扩展另一种叫做scalable supervision的方法，我认为许多年后它才开始真正奏效，以帮助模型遵循更具可扩展性的人类意图。但我们发现，即使使用这种更初级的RL from human feedback技术，把它应用到我们尝试的小型语言模型上——也就是OpenAI其他人构建的GPT-1——也不起作用。因此，我们对GPT-2和GPT-3进行扩展，是为了研究这些技术，从而大规模地应用RL from human feedback。这涉及到一点，我认为在这个领域，AI 系统的 alignment 与 capability 总是以一种比我们所预想的更加紧密、更加纠缠不清的方式交织在一起。实际上，这让我意识到，很难将 AI 系统的安全性与 capability 分开来研究，很难只钻研其一而不顾另一。事实上，我认为要让这个领域向更积极的方向转变，其价值和方法在于组织层面的决策：何时发布成果，何时在内部开展研究，对系统进行何种工作。这也是促使我和其他几位 Anthropic 创始人出走、按自己的方式行事的原因之一。但话说回来，如果你认为 capability 与 safety 是紧密交织的，而你又是 OpenAI 内部主导最前沿模型的人，那么即使你离开，你也知道他们仍会继续做这些事。是的。这么看来，如果你主导着 capability，你本应坐在驾驶座上，按你希望的方式确保它的安全。再者，我想说，如果涉及发布模型的决策、公司治理的决策、公司人员如何运作的决策、公司如何对外展示自身、公司在部署方面做出的决策、公司就其社会运作方式所提出的主张——其中许多事情都不是你仅仅靠训练模型就能掌控的。我认为信任至关重要。一家公司的领导者必须是值得信赖的人，其动机必须真诚。无论你在技术上多么推动公司前进，如果你为一个动机不纯、不诚实、并非真心想让世界变得更好的人工作，这是行不通的，你只是在为坏事添砖加瓦。所以，我相信你也听过 Jensen 这类人的批评，他说：“Dario 认为只有他能安全地构建这项技术，因此——说到控制这个词——他想要控制整个行业。”
我从没说过这种话。那是无耻的谎言。那是我听过的最无耻的谎言。顺便说一句，如果我把 Jensen 的话转述错了，我道歉，不过——
不，不，不。话本身没错。但是，这些话太过分了。事实上，我已经说过很多次了，而且我认为 Anthropic 的行动已经证明了这一点——
你知道，我们的目标是实现一种我们称之为 race to the top 的东西。我在这些年的播客里多次谈到这一点，而且我认为 Anthropic 的行动已经证明了这一点。如果是 race to the bottom，对吧，所有人都在竞争，看谁能以最快的速度把东西推出来。所以我说，当出现 race to the bottom 时，无论谁赢，所有人都是输家，对吧？因为你造出了不安全的系统，这可能会帮助你的对手、引发经济问题，或者从 alignment 的角度来看是不安全的。而我所理解的 race to the top 则是——无论谁赢，所有人都赢，对吧？race to the top 的运作方式是你为整个行业树立一个榜样，表明我们会践行这种做法。一个关键例子就是 responsible scaling policy。我们是第一个发布 responsible scaling policy 的，而且我们并没有说其他人都必须这么做，否则就是坏人；我们也没有试图以此谋取优势。我们发布了它，然后鼓励其他人也这样做。之后几个月我们发现，其他公司内部也有人想推出 responsible scaling policy，而我们率先这样做的事实——给了那些人许可，对吧——某种程度上让那些人能够向领导层据理力争：Anthropic 都在这么做，所以我们也应该做。在 interpretability 投资方面也是如此。我们向所有人公开 interpretability 研究成果，允许其他公司复制，尽管我们明知这有时会带来商业优势。constitutional AI 也是如此，还有对系统危险性的测量——dangerous capabilities evals 也是如此。所以我们试图为整个行业树立榜样，但这里存在一种相互作用：成为一家强大的商业竞争者是有帮助的。我从未说过任何类似于这家公司应该是唯一一家开发这项技术的主张。我不知道怎么会有人从我说的任何话中推导出这种结论。这完全是一种难以置信、充满恶意的歪曲。好吧，看看我们能不能快速问答一两个问题，然后再问最后一个，我们会留五分钟给那道题。
SPF 是怎么回事？就是——
SPF 是怎么回事？我是说，他曾是我们——你说。我没法告诉你。我没法——你刚才没回答的是什么来着？我可能只见过那家伙四五次。所以，我对 SPF 的心理，或者说他为什么做出如此愚蠢、如此不道德的行为，并没有什么深刻的洞察。我想我事先唯一了解到的关于 SPF 的事情，就是有几个人向我提到他很难共事，说他有点像那种 move fast and break things 的人。我当时就想，好吧，这种人多了——
欢迎来到硅谷。是啊，欢迎来到硅谷。所以我记得当时我说，好吧，我会给这家伙一个无投票权的席位，不让他进董事会。他听起来有点像——你知道，他听起来像个很难每天打交道的人。但是，你知道，他对 AI 很热心，对 AI safety 也很热心。他是 AI 的坚定看好者，而且对 AI safety 感兴趣。所以，你知道，这似乎是个明智的做法。现在回想起来，你知道，那种 move fast and break things 的作风，结果比我曾想象的还要极端、还要糟糕得多。好吧，那我们就到此为止。你已经实现了自己的影响力，我是说，你现在基本上正在实现理想。想想 AI 能在生物学等领域的种种应用，这还只是开始。你也说过这是一项危险的技术，我好奇的是，你对影响力的追求是否会促使你加速这项技术，同时却可能低估了控制它或许并不可行的可能性。要知道，我认为我比业内任何人都更多地警告过这项技术的危险，对吧？我们刚才花了 10 到 20 分钟谈论——那些掌管着万亿美元公司的人批评我谈论这些技术的危险性，对吧？还有美国政府官员也……
有掌管四万亿美元公司的人批评我谈论这项技术的危险性，对吧？他们强加给我各种离奇的动机，这跟我曾经说过的话、曾经做过的事完全没有关系，也没有任何依据。但即便如此，我还是要继续这么做。实际上，我认为随着 AI 商业收入的急剧扩大——而且是指数级增长——如果我没说错，再过几年，它将成为世界上最大的收入来源，对吧？它将成为世界上最大的产业。而企业的管理者们已经意识到了这一点。所以我们实际上面临着这样一种可怕的局面：有数千亿到数万亿，甚至我觉得大概 20 万亿美元的资本，都站在尽可能加速 AI 发展这一边。而我们这家公司在绝对数值上非常有价值，但相比之下就显得很小了，对吧？600 亿美元。即便如此，我仍然坚持发声，即使这让某些人不快——你知道，已经有一些文章了——比如美国政府中的一些人因为我们反对暂停 AI 监管、支持对华芯片出口管制、谈论 AI 的经济影响而对我们不满。每次我这么做，都会受到许多同行的攻击。没错。但你仍然假设我们能够控制它。我指的就是这一点。但我只是想告诉你，尽管重重阻碍堆积如山，尽管存在各种危险，尽管发声对公司而言存在风险，我付出了多少努力、坚持了多久，我愿意这么做。而这就是为什么我说，如果我认为根本无法控制这项技术，对吧？如果我认为这只是一场赌博，对吧？有些人会说，“哦，你觉得 AI 有 5% 或 10% 的概率会出问题，你就是在碰运气。”我不是这么想的。这是一场多阶段的博弈，对吧？你走一步，构建下一代更强大的模型，然后建立更严格的测试机制。随着我们越来越接近更强大的模型，我发声越来越多，采取的行动也越来越激烈，因为我担心 AI 的风险正越来越近。我们正在努力应对。我们已经取得了一定的进展，但当我担心我们在风险方面取得的进展——你知道——并没有完全跟上技术发展所需的速度时，我就加快节奏，然后就更大声地呼吁。所以，你知道，你问我为什么谈论这些，你一开始这次采访就问“你怎么了？为什么谈论这个？”是因为指数级增长已经到了这样一个地步，我担心可能会出现一种情况：我们应对风险的能力跟不上技术的速度。而我就是这样回应的。如果我相信根本无法控制一项技术——我完全没有看到任何证据支持这种观点——我们发布的每一个模型都在控制方面做得越来越好，对吧？确实会发生各种问题，但你真的必须对模型进行非常严苛的压力测试。这并不意味着不会出现突现的不良行为。我认为，如果我们只用现有的 alignment 技术就进入更强大的模型阶段，那我会非常担忧。那我就会站出来说，所有人都应该停止构建这些东西。甚至中国也应该停止构建。我觉得他们不会听我的，这也是我认为出口管制是更好措施的原因之一。但如果在模型上领先几年，而只有我们今天拥有的 alignment 和 steering 技术，那我肯定会主张我们大幅放慢速度。我警告风险的原因，正是为了让我们不必放慢速度。这样我们就能投资安全技术，继续推动这个领域的进步。即使有一家公司愿意放慢技术步伐，这也需要巨大的经济代价。而且你知道，这阻止不了其他公司，也阻止不了我们的地缘政治对手——对他们来说，这是一场关乎生存的殊死搏斗。所以，你知道，我们几乎没有多少回旋余地，对吧？我们被困在技术带来的所有好处、加速发展的竞赛，以及这是一场多方竞赛的事实之间。因此，我正在尽我所能做最好的事，那就是投资安全技术，加速安全领域的进展。我写过关于 interpretability 重要性的文章，关于安全领域各个方向有多么重要。我们公开所有安全工作，因为我们认为这是公共品，是所有人都需要共享的东西。所以如果你有更好的策略来平衡技术的好处、其不可避免性以及它所面临的风险，我非常愿意倾听，因为我每晚睡前都在思考这个问题，因为我深刻理解其中的利害关系——就好处而言，就它能做什么、能挽救多少生命而言。我亲身见证过这些。我也亲身见证过风险。我们已经看到模型出了问题。你知道，我们在 Grock 上就有这样的例子。人们对此不屑一顾，但当模型开始采取行动、开始制造东西、开始负责医疗干预时，他们就不会再笑了，对吧？当模型只是聊天时，人们可以嘲笑这些风险。但我认为这非常严肃。因此，我认为当前形势要求我们对风险和好处都有非常严肃的认识。这些都是高风险的决策，需要以严肃的态度来做出。而让我非常担忧的一点是，一方面有一群人只是纯粹的 doomer。有人叫我 doomer。我不是。但确实存在 doomer，他们说他们知道根本无法安全地构建这个。我看过他们的论点，那是一派胡言。这些模型存在危险，包括对整个人类的危险，这个观点我能理解。但声称我们能从逻辑上证明根本无法让它们安全，这在我看来是胡说八道。所以，我认为这是我们面对现状时一种在智识上和道德上都不严肃的方式。同样，我认为那些掌握着 20 万亿美元资本、因为利益一致而抱团的人，眼睛里都盯着美元符号，却坐在那里说十年内都不应该监管这项技术，这也是在智识上和道德上都不严肃的。任何说要担心这些模型安全的人，都被他们说成是想自己控制技术。这是一种 outrageous 的说法，在道德上也是不严肃的。我们坐在这里，做了所有可能的研究。我们在认为合适的时候发声。当我们谈论 AI 的经济影响时，我们试图用数据支撑。我们有经济研究委员会，有一个经济指数来实时追踪模型，我们还提供资助让人们去理解这项技术的经济影响。我认为，对于那些在这项技术的成功上比我投入了更多资金的人来说，轻率地抛出人身攻击——我认为这和 doomer 的立场一样，在智识和道德上都是草率的。我认为我们需要的是更多的深思熟虑，更多的诚实，更多愿意违背自身利益的人，愿意不去进行轻率的 Twitter 口水战和热点暴论。我们需要人们真正投入去理解当下的局势，真正去做功课，真正发表研究，真正为我们要面对的局势增添一些光亮与洞见。我正在努力这样做。没有人能做得完美，我也不例外。我正在尽我所能把它做好。如果有其他人也尝试这样做，将会非常有帮助。
Dario，我之前在镜头外说过这话，但我想在我们接近尾声时确保在镜头前再说一遍。我非常欣赏 Anthropic 发表的众多内容。从对模型进行 red teaming 到 vending machine Claude，我们从这些实验中学到了很多，虽然今天没有机会聊到后者。但我认为，世界因能听到这里发生的一切而变得更加美好。有鉴于此，感谢你坐下来接受我的访谈，并花了这么多时间。谢谢你的邀请。感谢大家的收听和观看。我们下期 Big Technology Podcast 再见。