参与者版图（2026年9月）

表 7.1. 2026 年 9 月底的主要前沿实验室（非完整列表）。

有三股动向值得强调。美国集中了资金最雄厚的参与者和最多样的战略，其中包括一批因高调出走而诞生的“新兴实验室”（见人物群像）。中国尽管在获取最先进芯片方面受到美国限制（第8章），仍以惊人的速度前进，并大力押注开放与成本效率。欧洲长期落后，如今把 Mistral 视为“主权 AI”的旗手，它得到公共部门的支持，值得一提的是，荷兰半导体企业 ASML 也在 2025 年底成为其最大股东。

2025 年初的“DeepSeek 时刻”给人留下了深刻印象：一个来自中国的开放模型证明，只需一小部分成本就能达到接近前沿的水平，由此撼动了整个行业的经济格局。

我们已在第4章详细介绍了各种基准测试（MMLU、GPQA、SWE-bench、ARC-AGI、人类偏好竞技场）及其局限（饱和、污染、古德哈特效应）。这里重提其中最核心的一条结论：到 2026 年年中，没有任何模型能在所有方面都占优，先进的机构普遍采用路由的做法（把每项任务交给最合适的模型）。任何排名都只是一张快照，有效期不过几周。

这种分层架构为后文提供了线索：基础设施层是第8章（芯片、数据中心）和第9章（本地 AI）的主题。应用层则在各行各业铺开（医疗、工作、法律，见第V部分）。

伴随这一层出现的是一种新的商业模式：出售的不再是软件，而是一个自主智能体，它被包装成专门负责某项职能（销售拓客、客户支持、会计、法务）的“数字员工”。Limova 或 Agentova 这样的法语平台就是例证，国际上还有众多销售类智能体（即 AI SDR）。计费方式随之从按用户订阅转向按用量（按词元），再转向按结果（按完成的任务）。不过，“完全自主”的承诺往往被过度吹嘘：没有人的监督，这些智能体很快就会跑偏，这又回到了前面那一点。

这种热闹景象体现在好几个现象上。首先是全球性的创业爆发：美国加速器 Y Combinator 的初创公司中，如今有近 60% 聚焦于 AI，一届接一届皆是如此，而最新的几届卖的已不再是功能，而是“员工”，甚至用智能体的形式重建整套企业软件，乃至咨询公司或律师事务所。这一现象确实遍及全球。它的重心仍在旧金山湾区，但各地都有重要的聚集地：中国（北京、深圳、杭州）、伦敦、特拉维夫、班加罗尔、新加坡或海湾国家（第7.1节），更不用说非洲（拉各斯、内罗毕）和拉丁美洲（圣保罗）正在兴起的生态系统。法国只是众多例子中的一个，有巴黎的 Station F（全球最大的创业园区）或里尔的 EuraTechnologies 这样的地方。加速器也不只有 Y Combinator：Techstars、Entrepreneur First 或 Antler 都在多个大洲开展业务。

项目本身也极为多样：不只有以 SaaS 形式出售的智能体，还有垂直应用（医疗、法律、金融）、开发者工具、研究实验室和大量开源项目。这是第二个侧面，即“公开构建”的文化：开发者以开源方式发布代码（GitHub 上的星标和托管在 Hugging Face 上的模型成了声誉的货币），并在 X 和 Reddit 上通过数不清的演示展示自己的原型。各个类别都不乏例子：让人自行运行模型的引擎，既有本地运行的（llama.cpp、Ollama，后者已在第9章提到），也有高吞吐的服务器端方案（vLLM）；用于构建智能体和检索增强的框架（LangChain、LlamaIndex）；还有用于图像和视频的可视化创作界面（ComfyUI）。在产品和企业方面，同样是一场环球之旅：图像生成有德国的 Black Forest Labs（FLUX 模型），视频与合成数字人有英国的 Synthesia，翻译有德国的 DeepL，医学研究有法国的 Owkin，法律有 Legora，客户关系有美国的 Sierra，国防有德国的 Helsing，企业主权有德国的 Aleph Alpha（2026 年与加拿大的 Cohere 合并）。举一个详细的例子：rtk 是一款开源实用工具（一个用 Rust 语言编写的二进制程序），它在命令输出到达模型之前先行过滤，从而把 AI 编程工具的词元消耗降低 60% 到 90%；它由少数几位贡献者推动，在 GitHub 上拥有数万颗星标，说明一个有用的项目可以从一个简单的公开仓库中诞生。

硬币的另一面值得提个醒。这种繁荣之中，扎实的与空洞的混杂在一起：在那些交付具体、可衡量产品的人旁边，有许多人只是在空谈，给自己换上“AI”的名号而实质毫无改变，或者许诺一种自己兑现不了的自主性。懂得从噪声中分辨信号（一个能用的产品、可核实的客户和数字，而不是一层单纯的营销包装）已经成为一项独立的本领。正如观察人士自己所指出的，一个主要客户变成了另一款软件的市场，既令人陶醉，又十分脆弱。

建造者（创始人与领导者）

萨姆·奥尔特曼（Sam Altman）执掌 OpenAI，他在 2015 年参与创立了这家公司。作为“AGI”雄心的代表人物，他曾公开表示目标是实现“超级智能”和一个“辉煌的未来”。他的经历中有一场引人注目的治理危机，发生在 2023 年 11 月（他被罢免，几天后又回归）。他代表的是快速部署能力越来越强的模型这一战略。2026 年夏季发生了 Hugging Face 事件（第24章），这一形象也随之有所变化：2026 年 9 月，他公开赞同达里奥·阿莫代伊关于有意放慢能力提升节奏的呼吁；2026 年 9 月底，OpenAI 出于安全原因暂停了其最新模型的训练（第24章）。

达里奥·阿莫代伊（Dario Amodei）和丹妮拉·阿莫代伊（Daniela Amodei）在离开 OpenAI 之后，于 2021 年共同创立了 Anthropic，其理念是把安全置于研发的核心（由此有了“有用、无害、诚实”的框架和所谓“宪法式 AI”的方法）。达里奥·阿莫代伊还写过一篇引人关注的文章 Machines of Loving Grace（2024），描述了一种强大而可控的 AI 可能带来的益处；2026 年 9 月，他又发表了“We Must Pace the Frontier”一文，呼吁业界有意放慢能力提升的节奏（第24章）。

德米斯·哈萨比斯（Demis Hassabis）执掌 Google DeepMind。他曾是国际象棋神童，学的是神经科学，因 AlphaFold（蛋白质折叠，第14章）方面的工作共同获得 2024 年诺贝尔化学奖。他主张通过解决重大科学问题走向 AGI，并把世界模型视为必不可少的一步。

埃隆·马斯克（Elon Musk）创立了 xAI（Grok 模型、Colossus 超级计算机），并执掌 Tesla 和 SpaceX。xAI 已成为 SpaceX 的子公司，并于 2026 年夏季更名为 SpaceXAI，SpaceX 还在 2026 年 8 月收购了代码编辑器 Cursor。他是 2015 年 OpenAI 的联合创始人，此后与之渐行渐远。他的立场十分特别：他长期公开警示 AI 的生存性风险，自己却又在全力冲刺研发 AI。2026 年 9 月，他公开赞同达里奥·阿莫代伊关于有意放慢能力提升节奏的呼吁（第24章）。

Arthur Mensch 是 Mistral（法国）的联合创始人兼首席执行官，他在 DeepMind 工作过一段时间之后，于 2023 年与 Guillaume Lample 和 Timothée Lacroix 一起创办了这家公司。他已成为欧洲“主权 AI”的代言人，主张一条部分开放的路线，并捍卫欧洲大陆的技术独立。

黄仁勋（Jensen Huang）执掌 NVIDIA，几乎所有大模型的训练和运行都依靠这家公司制造的芯片（第8章）。作为 AI 淘金热中的“军火商”，他让这样一种说法广为流传：词元（token）是这一新经济的“语言和货币”。

马克·扎克伯格（Mark Zuckerberg）执掌 Meta，该公司曾凭借 Llama 系列押注开放权重，后于 2026 年改为只通过付费 API 提供其旗舰模型（Muse Spark），并大举投资一个“超级智能”实验室，以至于在 2025 至 2026 年间引发了一场真正的人才争夺战（以天价从竞争对手的实验室挖走研究人员）。

梁文锋创立了 DeepSeek，公司背靠他的量化对冲基金 High-Flyer。他已成为中国方面开放而廉价的 AI 的旗手，其推理模型 R1 在 2025 年初成为一个转折点。

科学先驱（“教父”们）

杰弗里·辛顿（Geoffrey Hinton）是深度学习的“教父”之一（第1章），共同获得了 2024 年诺贝尔物理学奖。引起轰动的是，他在 2023 年离开 Google，以便能够自由地警示 AI 超越人类的危险，由此成为审慎一方最有分量的声音之一。

杨立昆（Yann LeCun）是法国人，图灵奖得主，曾长期担任 Meta 的 AI 首席科学家，是卷积网络的先驱。他既怀疑灾难论，也不相信单靠 LLM 就能通向智能，他主张的是世界模型（第5章）；他在 2025 年底离开 Meta，在巴黎创立了 AMI Labs。

约书亚·本吉奥（Yoshua Bengio）是加拿大人，同样是图灵奖得主，已成为安全领域的一个重要声音，尤其是主持了一份关于 AI 风险的国际报告。他呼吁高度审慎和全球协调。

伊尔亚·苏茨克维（Ilya Sutskever）是 OpenAI 的联合创始人和前首席科学家（也是 AlexNet 的合著者，第2章），他在 2024 年创立了 Safe Superintelligence (SSI)，这家公司没有任何公开产品，估值却在 320 亿美元左右，目标只有一个：打造安全的超级智能。2025 年底，他从理论上阐述了从“规模时代”到“研究时代”的转变。

李飞飞是斯坦福大学教授，因创建图像数据库 ImageNet（第2章）而被称为 AI“教母”，她创立了 World Labs，并倡导空间智能这一概念（第5章）。

安全与伦理的思想者

尼克·博斯特罗姆（Nick Bostrom）是牛津大学的哲学家，他凭借著作 Superintelligence（2014）让控制问题和“回形针最大化器”这一思想实验广为人知，这正是第24章的核心。

斯图尔特·罗素（Stuart Russell）是伯克利的教授，也是 AI 领域权威教科书的合著者，他在 Human Compatible（2019）中主张一种“可证明有益”的 AI，从一开始就设计成始终处于人类控制之下。

埃利泽·尤德科夫斯基（Eliezer Yudkowsky）是自学成才的研究者，也是 Machine Intelligence Research Institute (MIRI) 的联合创始人，是生存性风险阵营中最激进的人物。作为对齐问题思考的先驱（第24章）和所谓“理性主义”社群的推动者，他多年来坚持一个悲观的论断：以现有方法打造超级智能，几乎必然导致灾难。他把这一立场推到了要求全球停止前沿 AI 研发的地步，并在 2025 年与 Nate Soares 合著的一本书中作了总结，书名毫不含糊：If Anyone Builds It, Everyone Dies（“只要有人造出它，所有人都会死”）。批评者认为他的设想纯属推测、无法验证；支持者则视之为一记有益的警钟。他所代表的那一极，被对手称为“doomers”（末日论者），这个称呼往往带有嘲讽之意。

埃米莉·本德（Emily Bender）和蒂姆尼特·格布鲁（Timnit Gebru）代表了审慎立场的另一面，她们关注的不是遥远的风险，而是 AI 当下造成的伤害（偏见、数据剥削、环境成本、权力集中）；“随机鹦鹉”这一说法就出自她们（第4章）。她们的存在提醒我们，关于风险的讨论并不只有超级智能这一个问题。

加速的鼓吹者

与审慎的声音相反，有一股思潮公开采取加速主义立场：在他们看来，主要的危险不是 AI，而是让 AI 放慢脚步。

Guillaume Verdon 是物理学家和量子计算研究者（曾就职于 Google，硬件初创公司 Extropic 的创始人），他以 Beff Jezos 为化名，发起了有效加速主义运动（英文为 effective accelerationism，简称 e/acc），这一运动出现于 2022 年。他的信条以挑衅的口吻和借自热力学的词汇表述，可以归结为几点：技术进步是一个近乎宇宙性的过程，应当不受束缚地加以加速；市场是其最好的引擎；任何踩刹车的尝试（监管、预防原则）带来的风险都多于它所避免的风险。他的身份长期匿名，2023 年底被媒体曝光（第24章）。

马克·安德森（Marc Andreessen）是 Netscape 浏览器的联合创始人，后来成为硅谷首屈一指的投资人（Andreessen Horowitz 基金），是这一思潮中最有影响力的代言人。在他的 Techno-Optimist Manifesto（2023）中，他把“生存性风险”列为进步的“敌人”之一，并断言 AI 不会毁灭世界，反而可能拯救世界。这些表态传播甚广，也受到激烈质疑：批评者认为，它们既是一种哲学，也是在为经济利益辩护。

公共讨论中的声音

除了建造者和科学家，还有一些评论家和知识分子在塑造社会接受 AI 的方式。法国的讨论中就有一些形成鲜明对照的人物，他们的观点往往具有挑衅性，本身也备受争论。

Luc Julia 是法裔美籍工程师，与语音助手 Siri 的诞生有关（他本人对这一“生父”身份有所保留，自称不如说是“Siri 的祖父”），曾任 Samsung 的创新负责人，后来担任 Renault 的首席科学官直至 2026 年，也是法国技术科学院（Académie des technologies）院士，著有 L'intelligence artificielle n'existe pas（2019）。他持一种去泡沫化的观点：“人工智能”一词是对语言的滥用；应当说“增强智能”，因为机器只是在辅助人类，既没有意识，也没有自身的智能，而一种“什么都能做”的通用 AI 并不存在。他的论点在媒体上曝光度很高，也受到其他专家的质疑，他们指出其中有技术上的不严谨之处。

Laurent Alexandre 学的是外科，是 Doctissimo 网站的创始人和评论家，长期主张一种超人类主义且带有警世意味的愿景：在 La Guerre des intelligences（2017）中，他把 AI 描绘成一场不可避免的剧变，迫使人们重新思考教育和对人的“增强”，并就就业和“认知资本”的不平等一再发出警告。他那些挑衅性的说法引起的反响与招致的批评一样多。

Olivier Babeau 是经济学家，也是智库 Institut Sapiens 的创始人，他与 Laurent Alexandre 合著了 Ne faites plus d'études（2025），这本书的书名是有意挑衅：既然智能因 AI 而变得“免费”，传统学业的价值就会下降，人们应当换一种方式学习，要求更高，而且持续终身（这场讨论在第15章展开）。该书申明自己并不是对知识的声讨。

这些声音，或乐观或忧虑，或去泡沫化或灾难论，提醒我们 AI 也是一个社会辩论的议题，其中最鲜明的立场应当被如实看待：它们是表态，而不是既定的真理。

---

本章要点（第7章）

• 技术的最前沿分布在三极：美国（资金最雄厚、最多样）、中国（速度快、开放、尽管芯片受限仍具成本效率）和欧洲（Mistral，“主权 AI”）。
• 最大的战略分野是专有模型（闭源，通过 API 出售：OpenAI、Anthropic、Google）与开放权重模型（DeepSeek、Qwen、Kimi、Mistral、Llama）之间的对立。开放带来普及，却让管控变得复杂；Meta 已在 2026 年将其旗舰模型闭源。
• 生态系统分层排列：硬件、基础模型、应用、无代码工具。
• 一个服务层（自由职业者、代理机构、集成商）帮助企业部署和监督 AI；与此同时，一种“数字员工”模式（按用量或按结果计费的自主智能体）正在兴起，由一波“智能体化”初创公司推动。
• AI 背后的人分布在一条从急于建造的人到审慎的声音的光谱上，其间没有清晰的界线：一边是奥尔特曼、阿莫代伊兄妹、哈萨比斯、马斯克、Mensch、黄仁勋、扎克伯格、梁文锋；另一边是辛顿、杨立昆、本吉奥、苏茨克维、李飞飞、博斯特罗姆、罗素、尤德科夫斯基、本德和格布鲁，他们各以自己的方式贡献科学与警觉，而加速的鼓吹者（Verdon，化名 Beff Jezos，以及安德森）则主张相反的论点。

第II部分到此结束。我们已经明白了 AI 是什么、它如何运作，以及是谁在制造它。第III部分将走进机房：让这一切成为可能的硬件、基础设施和能源。

---