Sama 轻提 GPT-5.6，Mollick 拆中美 AI 竞争

过去 24 小时，核心白名单没有出现密集长推。Karpathy、Jim Fan、Demis Hassabis、Yann LeCun 和 Ilya Sutskever 要么没有 AI 原创，要么只有转推或与 AI 主线无关的短句。真正能放进今天文章里的，是四类信号：Sama 把 GPT-5.6 的数学发现写成一句家庭类比，Mollick 要求先拆清中美 AI 竞争到底在比什么，Chollet 把模型权重看成未来的文化遗址，Marcus 继续盯着 AI 的成本账和研究能力短板。

Mollick 今天最有信息量的一条，不是预测谁会赢，而是提醒大家先定义赛道。他列的八项里，至少有三组经常被混在一起。

第一组是商业竞争：哪些公司从 AI 获利，开源还是闭源更有利，谁能把芯片、电力、软件组合成可售卖的国家级「stack」。这里的胜负标准是收入、毛利、客户和供应链控制权。

第二组是国家能力竞争：国家安全、谁能控制其他国家访问前沿模型、谁先接近 ASI。这里的胜负标准不再是产品体验，而是战略能力和准入权。

第三组更软，却不一定更轻：AI 是否会带着某种「人格」输出国家理想，进而影响别国用户接受哪些价值观。换句话说，模型回答问题时的语气、禁区、默认假设，也可能成为竞争的一部分。

这条推文对国内读者有用，是因为它能帮人拆开一句常见大话：美国和中国在 AI 上竞争。下一次听到这个判断，最好先问一句：你说的是模型能力、公司利润、算力基础设施、开放生态、军事用途，还是文化输出？这些赛道会互相影响，但不能用同一套指标糊在一起。

Marcus 今天的几条都不长，但指向同一个账本。他引用一句话说，AI 现在让一些公司花的钱，已经超过它本来要替代的人力成本。这里不能把它当作一条已被独立证明的行业统计，它首先是 Marcus 选择放大的批评口径；但这个口径能解释他为什么一直盯着 token 成本、模型可靠性和企业 ROI。

他另一条问得更具体：如果 AI 的编码能力已经很强，为什么研究能力没有同样令人信服？这句话背后是一个常被忽略的区分。写代码有编译器、测试、线上错误和用户反馈，很多失败能快速暴露。研究任务更麻烦：问题定义、证据选择、因果判断和新颖性评估都不容易自动验收。模型在可验证任务上变强，不等于在开放式研究中也同速前进。

Marcus 还把批评推到资本后果上：VC 建错了 AI，代价可能由养老金承担，而没人入狱。这个说法很重，也带着他一贯的反泡沫立场。它适合作为风险提示，而不是事实结论。真正值得追问的是：如果 AI 公司把「替代人」当作估值故事，客户最后却发现总成本没有降下来，谁来承担估值和采购预算之间的落差？

Sama 的推文很轻。他说孩子第一次把两个词连在一起，给他的惊讶程度大概相当于 GPT-5.6 发现新数学。它没有提供 GPT-5.6 的实验细节，也不能被写成 OpenAI 已公开某项数学突破。但这句话仍然能看出一种表达方式：前沿模型的进步，不只被包装成「更快」「更便宜」「分数更高」，也被放进认知发展、发现和创造的语境里。

Chollet 的「潜空间考古学家」则从另一个角度说同一件事。模型权重不是普通数据库，外人很难直接读懂；但它们确实压缩了训练数据、训练目标和时代偏见。未来如果有人研究今天的模型，看的可能不只是模型会什么，也会看 21 世纪的人类把哪些文本、图像、价值判断喂给了机器。

这两条短评放在一起，给今天的文章一个不那么热闹但有意思的收束：AI 既被当作能力机器，也越来越像文化容器。Sama 看到的是模型做出类似「发现」的瞬间，Chollet 想到的是模型保存了一个时代的影子。两者都没有给出可操作的产品建议，却提醒从业者别只看排行榜。模型留下的痕迹，可能比某一天的榜单名次更耐久。

本窗口没有 Karpathy 式的长推，也没有 Jim Fan 式的系统工程拆解。真正的主线是几条短推之间的张力：Mollick 要求先定义竞争，Marcus 要求重算成本，Sama 和 Chollet 把能力推进放进认知与文化的框架里。

对企业和投资人来说，今天最实用的问题不是「谁又领先了」，而是把每个判断放回它自己的坐标系：这是商业账、国家能力账、研究能力账，还是文化影响账？坐标系没说清，AI 讨论很容易听起来很热，落到决策上却没法用。