AI agent 出问题，先查权限：The Data Exchange 谈 AGI 泡沫与中国 robotaxi (2026)

单集信息

字段	内容
播客	The Data Exchange with Ben Lorica 1
主持人	Ben Lorica
嘉宾	Evangelos Simoudis，Synapse Partners 1
集标题	Ben Lorica and Evangelos Simoudis on Rogue AI Agents, the AGI Bubble, and China’s Robotaxi Push
发布日期	2026 年 8 月 8 日 19:00（北京时间）2
原集链接	The Data Exchange 官方单集页

这集没有把三个热点拼成一张「AI 趋势图」，而是给了三种不同的判断尺度：rogue agent 先看它拿到了什么权限，AGI 先看它是不是资本叙事，robotaxi 则要看谁能把技术栈带进更多国家和车辆。三段话题的共同问题是：能力本身不是结果，系统边界和商业约束才是。

Rogue agent 的第一问不是「模型多聪明」

Ben Lorica 和 Evangelos Simoudis 讨论的几起 agent 失控事件，重点不在模型突然拥有了某种神秘意志，而在开发者给了它什么身份、权限和网络通路。Ben 的建议很具体：先列出 agent 能接触哪些系统、拥有哪些权限，再区分每项权限是只读还是读写。自治权不该一次性发放，而应随着系统被验证而获得。

Evangelos 在节目中提到，类似的「breaking loose」案例已经至少出现三次，其中包括 Meta 的案例。他的判断是，开发者仍然没有完全理解这类系统的涌现行为；当 agent 被放进网络环境，它可能沿着最短路径完成任务，也可能被用于 offensive operations。两人的结论不是暂停所有 agent，而是把部署当成企业治理问题：身份、访问控制、网络安全、监测和人工接管都要一起设计。以上是访谈中的判断，不是对这些事件的独立事故鉴定。1

这一区分对工程团队很实用。评估一个 agent 时，不能只问「它能不能完成任务」，还要问：它为了完成任务可以读什么、写什么、调用谁；失败后能否撤销；一次成功是否会留下长期凭据。一个模型在 sandbox 里表现得很稳，不代表它在生产网络里拥有同样的安全边界。

AGI 叙事也是一张资本账单

Ben 把「AGI-pilled」的人分成三类动机：有人认为 AGI 不可避免，因此应该主动建造并引导；有人把它视为极高期望值的投资；还有人把它当作重要的科学挑战。这个叙事同时支撑着大额融资、估值和 data center 投资，但不等于这些投入已经有了对应的回报。

Evangelos 把企业决策拉回三个词：benefit、cost、ROI。企业负责人通常不需要先回答 AGI 是否存在，而要回答一套系统能不能改善业务，代价是多少，利润能否持续。他还刻意拆开了 AGI、superintelligence、world model 和 embodied AI：这些词经常在市场讨论里互相借力，经济学却不是一回事。训练和 inference 的成本结构也没有被充分说清楚，data center 更不能被当作一个同质化的行业。

节目中 Ben 引用了 Apollo 的一张图，称更靠近用户的 model/application layer 可能出现 -59% 的 operating margin，而 Nvidia 似乎是主要受益者。这是节目对外部图表的转述，不是本篇独立核验的行业统计；它的价值在于提醒读者把「模型能力」和「谁能留下利润」分开看。1

中国 robotaxi 的优势可能在出口方式

Ben 把问题问得很直接：中国会不会像在 solar 和 batteries 上那样，最终在 robotaxi 领域形成全球竞争力？Evangelos 的回答是「yes」，但理由不只是中国车多，而是中国公司更愿意把技术栈和当地运营商、当地车辆结合起来。

按 Evangelos 在节目中的口述，美国和中国的 robotaxi 总车队规模已经相近；美国主要由 Waymo 占据，车队超过 3,500 辆，可能接近 4,000 辆，Zoox 略多于 100 辆。中国一侧谈到 Baidu、Pony.ai 和 Apollo。中国公司更全球化，也更愿意与当地运营商合作，甚至把 stack 授权给非中国车辆。节目提到的测试或扩展地点包括 Singapore、Dubai、Slovakia、London 和其他欧洲市场；Waymo 则主要聚焦美国，同时在 Tokyo 和 London 测试。数字、市场版图和竞争判断均来自嘉宾口述，不能当作独立车队数据库。1

技术上，访谈把 Waymo 与中国玩家描述为大体在同一水平：都使用多传感器和 end-to-end AI，都还需要 human oversight 或 teleoperator，也都在探索 mapless implementation。真正的差别可能出现在数据和成本。更多里程不自动等于更好训练数据，行驶场景的类型更重要；Tesla 有私家车带来的数据，Waymo 更依赖 simulation。

Waymo 的商业化也不是「技术赢了就结束」。Evangelos 说它已经接近 break-even，正在用更便宜的 Geely Zeekr、Hyundai Ioniq 和第 6 版 stack 降低成本，同时减少对 teleoperator 的依赖。访谈的预测是：两年后，欧洲可能看到更多中国 robotaxi，但车会是 European cars。这个预测的关键不是国别标签，而是「谁提供 autonomy stack，谁掌握当地运营关系」。

对企业读者来说，这段还有一个可迁移的检查表：不要只比较一辆车的感知能力，要把每英里成本、远程接管频率、地图更新、车辆供应和当地牌照放在同一张表里。一个能在本国跑通的 robotaxi stack，只有在这些条件能被复制时，才称得上全球化产品。

这集真正增量：把三种 hype 拆开

agent 的问题是权限和治理，AGI 的问题是资本回报，robotaxi 的问题是部署、车队和跨国合作。把它们都叫作「AI 进步」会掩盖最该核对的字段：访问范围、单位经济、车辆成本、数据来源和监管落地。

可引用原话

「Autonomy should be earned rather than granted outright.」——Ben Lorica 1

「The short answer is yes.」——Evangelos Simoudis，回答中国能否在 robotaxi 上复制 solar 和 batteries 的路径 1

「I think we’ll see more Chinese, frankly, but with European cars.」——Evangelos Simoudis 1

适合谁，哪些可以跳过

适合：负责 agent 权限与企业治理、评估 AI 投资回报、关注 autonomous driving 基础设施和全球部署的人。
核心增量：用同一集节目把三类判断拆开：agent 看身份和权限，AGI 看 benefit/cost/ROI，robotaxi 看 stack、数据、车队成本与本地合作。
可以跳过：如果你只想听一个有 benchmark 或监管文件支撑的结论，这集不是那种材料；AGI 泡沫的铺垫和美国政治背景可以略听。最值得完整收听的是 rogue agent 的治理段，以及 robotaxi 的数据、成本和出口方式段。

References

1
官方单集页thedataexchange.media
2
Apple Podcasts 节目页podcasts.apple.com