Anthropic营收大增，Meta高薪策略存疑，AI发展何去何从？

营收从2023年的1亿美元增至2024年的10亿美元，今年已超过45亿美元；照此增速，两年后营收或冲击千亿美元。Meta高薪吸引人才，但无法用金钱换取使命认同感。尽管Meta拥有人才和GPU资源，但该策略能否长期奏效依然存疑。另起炉灶创立因领导层的动机不够真诚，山姆·奥特曼的行为过于极端和不道德。阿莫迪认为AI是多步骤博弈，每开发出更强大的模型，都需要更严格的测试，若认为AI无法控制，会呼吁全球暂停开发。

7月31日消息，首席执行官达里奥·阿莫迪（Dario ）日前在与知名播客亚历克斯・坎特罗维茨(Alex )的深入对话中，回应了来自英伟达首席执行官黄仁勋的批评，驳斥了其对意图的误解，还阐述了公司致力于推动“向上竞赛”的使命，强调通过透明的安全政策和创新研究引领行业发展。

阿莫迪在访谈中分享了营收从2023年的1亿美元，已增长至今年目前（前7个月）45亿美元的惊人增幅。

谈及与及Meta等巨头的竞争，阿莫迪强调使命认同感，高薪不是留住人才的关键。他还直言不讳地批评领导层动机的不真诚，解释了为何选择另起炉灶创立。

以下为访谈内容核心内容（有删减）：

01.驳斥黄仁勋“AI安全控制论”：推动“向上竞赛”

主持人：先谈谈你与英伟达首席执行官黄仁勋（ Huang）的不和。他曾批评你，认为你试图通过强调AI安全来控制整个行业，暗示只有你能安全构建AI。你如何回应这一指控？

阿莫迪：我从未说过类似言论。这种指控毫无根据，是我听过的最荒谬的曲解。

我多次公开表示，致力于推动“向上竞赛”，而非垄断AI技术。我们通过发布负责任的扩展政策（ ）、可解释性研究及危险能力评估，为行业树立标杆，鼓励其他公司效仿，而非要求独占技术。这些措施公开透明，旨在促进行业整体进步。

黄仁勋的批评是对我立场的不实解读，缺乏依据，令人失望。

主持人：过去几个月，你颇为高调。你曾表示AI可能淘汰一半的初级白领工作；当得知计划收购时，你切断了后者对顶级模型的访问权限；还推动政府实施出口管制，引发了争议。是什么促使你如此积极发声？

阿莫迪：始终坚持表达我们坚信的观点，并采取我们认为正确的行动。随着AI系统能力显著提升，我认为有必要更明确、更公开地传达这些观点。

多年来，我一直在讨论AI的规模法则( Laws) ——即AI系统从几年前的勉强连贯，发展到如今接近高材生、大学生甚至博士水平，并在经济中广泛应用。因此，与AI相关的国家安全和经济问题正变得日益紧迫。

长期讨论这些问题，尤其是随着问题临近，我感到更强烈的责任感，必须警示潜在风险，同时强调AI的积极应用。

我在《爱之优雅的机器》( of Grace，2024年发布）一文中阐述了AI如何改善亿万人生活，我认为比许多自称乐观主义者或加速主义者更能清晰地表达出AI带来的好处。

正是因为AI可能让世界更美好，我更有义务警示其风险。

02.AI指数增长：技术与商业的飞速突破

主持人：这一切的根源，似乎在于你对AI发展的时间预判更为紧迫。与多数AI实验室领导者相比，你眼中技术走向成熟的时限明显更短。为什么你会认为AI的发展节奏如此急促？我们又有什么理由相信你的判断呢？

阿莫迪：时间表的定义因语境而异。

我一直避免使用“通用人工智能（AGI）”或“超级智能”这类术语，因其缺乏明确定义，更多是营销话术，旨在煽动情绪而非提供实质内容。我从未公开使用这些词，并批评其模糊性。

我确实对AI能力的快速提升持乐观态度。我相信AI发展遵循指数增长规律，每隔几个月，通过增加算力、数据和新型训练方法，如预训练和强化学习，就能获得比之前更强大的模型。我未发现阻碍这一扩展的根本障碍，尽管在某些主观任务上进展较慢，但这仅是暂时现象。

人们往往难以理解指数增长的威力。

例如，若模型能力每6个月翻倍，两年前的模型仅为最终目标的1/16。

模型能力已在经济中也广泛显现：收入从2023年的1亿美元增至2024年的10亿美元，今年已超45亿美元。

若按照指数级增长持续两年，收入可能达千亿美元。这种动态类似1990年代互联网的崛起，鲜有人预见其速度。我承认，经济崩溃或技术瓶颈（如数据或算力限制）可能延缓进程，概率约20%至 25%，但整体趋势表明，人们可能低估了AI发展的速度。

主持人：许多AI行业人士提到规模法则带来的回报递减，这与你的指数增长愿景似乎不符。他们错了吗？

阿莫迪：从的模型来看，我未发现回报递减的迹象。

以编程为例，我们的模型，如 3.5 、3.6 、3.7 、4.0 和4.0 Opus，在编程能力上持续显著提升。

18个月前，模型在SWE-Bench基准测试中的得分仅为3%，如今已达72%至80%。实际使用中，编程模型采用率呈指数增长，内部大部分代码由协助编写。其他公司也报告类似进展。因此，我认为规模法则的指数增长仍在继续，未见明显减弱。

主持人：大语言模型似乎存在局限，如持续学习能力不足。大语言模型在任务中的基线能力可能高于普通人类，但模型一旦训练完成，其能力即固定，无法持续学习。这是否是一个重大缺陷？

阿莫迪：即便持续学习问题未解决，大语言模型的经济影响力仍将十分显著。例如，在生物学领域，若拥有千万个诺贝尔奖级别的智能体，尽管无法学习新知识，仍能实现重大突破，远超人类能力。此外，模型的上下文窗口正不断延长，能够在对话中吸收新信息，类似人类在对话中的学习过程。目前，上下文窗口可达数百万单词，接近人类一生听到的信息量，未来可能进一步扩大。

强化学习等技术可更新模型权重，类似内外循环学习结构。两年前，我们认为推理能力是根本障碍，但通过强化学习和允许模型记录中间步骤，这一问题已解决。我相信，持续学习问题也将通过规模法则和新的思维方式克服。研究员特伦顿·布里肯（ ）提出，模型规模与学习新任务所需样本呈负相关，若模型参数达到人类大脑水平，持续学习效率可能媲美人类。

主持人：你对规模的重视是否可能让你忽视新型技术？谷歌首席执行官戴密斯·哈萨比斯（Demis ）认为，AI达到人类水平智能可能需要全新技术。你如何看待？

阿莫迪：始终在持续开发新技术。每款模型的发布都伴随着架构、数据和训练方法的改进。例如，在编程上的优异表现得益于这些技术创新，尽管我们不对外披露具体细节。我们重视人才密度，以持续推动技术创新。因此，我不认为对规模的关注会让我们忽视新技术的开发。

03.资源与竞争：资本效率对抗巨头资金

主持人：的理念可能正确，但资源是否不足？xAI和Meta正在建设大规模数据中心，投入巨额资金。你如何看待与这些万亿市值公司的竞争？

阿莫迪：已筹集近200亿美元，资金规模相当可观。与亚马逊合作建设的数据中心规模与其他公司相当，受能源和资本化限制，而非资金短缺。许多竞争对手宣称的巨额投资往往是多年计划，且尚未完全落实。我们对数据中心规模充满信心，认为能与行业领军者匹敌。

主持人：Meta首席执行官马克·扎克伯格（Mark ）在AI人才上的投入如何？你认为Meta的策略会构成威胁吗？

阿莫迪：Meta以高薪吸引人才，但的员工流失率较低。许多员工拒绝了Meta的邀约，选择留在。我们在公司内部明确表示，不会因外部高薪妥协公平薪酬原则。

我们通过系统化的薪资等级制度保障公平，避免因个别高薪邀约破坏公司文化。我认为，Meta试图购买的是无法用金钱换取的使命认同感。员工因相信公司使命而留下，这使我们更具凝聚力。尽管Meta拥有人才和GPU资源，我对其策略的长期效果持怀疑态度。

主持人：许多人质疑生成式AI的商业前景。在筹集了近200亿美元后，你如何向投资者继续推销？

阿莫迪：我的核心观点是，人才是最重要的资产。三年前，仅筹集数亿美元，而当时已获微软130亿美元支持，大型科技公司更是坐拥千亿现金。我们当时的推销策略是：能以更低的成本打造更优模型。若我们能以1亿美元实现其他公司10亿美元的效果，或以100亿美元实现1000亿美元的效果，投资的资本效率将会高出十倍。

投资者理解资本效率的概念。如今，我们的收入从2023年的1亿美元增至2024年的10亿美元，今年已达45亿美元，是史上增长最快的软件公司之一。这种增长速度证明了我们与大公司的竞争能力。

04.商业模式：API与编程用例的战略优先

主持人：据报道， 60%至75%的收入来自API。该数据是否准确？为何选择API作为主要商业模式？

阿莫迪：我不便提供具体数据，但API确实是的主要收入来源，同时我们的应用业务也在快速增长。我不认为我们单纯押注API，而是专注于AI的商业用例。聚焦消费者市场，谷歌整合现有产品，而我们认为企业（包括大型企业、初创公司和开发者）的AI应用潜力更大。

企业用例为模型改进提供了更强的激励。例如，若模型从本科生水平的生物化学能力提升到博士生水平，消费者可能无感，但对辉瑞等企业，这可能是革命性的，愿意支付高额费用。因此，专注于商业用例与AI的指数增长趋势更契合。

主持人：为何选择编程作为主要用例？

阿莫迪：我们最初尝试优化模型在多个领域的表现，但编程的商业价值尤为显著。一年半前，一位顶级工程师表示，是首个真正帮助他完成任务的编程模型。随后，编程模型如、、等迅速流行，我们因此加倍投入。编程用例有两大优势：一是采用速度快；二是模型编程能力的提升有助于开发下一代模型。

主持人： Code的定价模式引发争议。有人说，花200美元订一个月的服务，能用到的算力，如果按单次调用（API）收费得花6000美元。要是用户用得太多，平台可能就赔本了。如何解释这一定价逻辑？

阿莫迪：定价与限额设计颇为复杂。推出 Code时，我们未完全预料到用户的使用模式。近期，我们调整了Opus等大型模型的限额，200美元订阅已无法获得过高算力。未来可能进一步调整，但用户使用量分布天然存在差异，部分高用量用户并不意味着亏损。

我们并未因定价而亏损。价格是否会上涨取决于模型创造的价值。随着模型能力提升，其经济价值增加，价格可能保持稳定或下降，但整体价值在模型开发者、芯片制造商和应用开发者间分配。

主持人：一些开发者抱怨使用新模型的成本上升问题。初创公司认为，GPU短缺导致服务受限。首席执行官阿马贾德·马萨德（Amjad Masad）提到，每token价格不再下降。是否因运行成本过高导致价格壁垒？

阿莫迪：这些假设未必成立。我们以模型创造的价值为定价依据，而非单纯运行成本。未来，提供同等智能水平的成本将下降，但前沿模型的成本可能维持或略升，因其经济价值显著提升。例如，两年后，模型成本在与今日相同的情况下，模型的能力会更强、更自主。架构优化，如专家混合模型可降低运行成本，但大型模型仍比小型模型昂贵。我们持续优化推理效率，过去两年已大幅降低成本，未来仍有空间。

主持人：预计今年亏损30亿美元。何时能实现盈利？

阿莫迪：盈利需区分不同层面来看。从每美元收入的模型运行成本来看，已实现可观利润。员工薪资和办公成本相对较小。最大成本在于训练下一代模型。以假设为例，若2023年花费1亿美元训练模型，2024年该模型带来2亿美元收入，但同年花费10亿美元训练新模型，公司整体亏损8亿美元。

每款模型本身盈利，但因持续投资新模型，公司整体未盈利。这种动态反映行业现状。若模型停止改进或暂停新模型训练，现有模型即可盈利。但因预期未来规模更大，大家持续投资新模型。若规模法则失效，行业可能面临一次性高成本，但若指数增长持续，业务规模将进一步扩大。

主持人：开源模型是否威胁的业务？若开源模型性能追赶，客户是否会转向免费替代品？

阿莫迪：开源在AI领域的运作模式与其他行业不同。AI模型的“开源”通常指开放权重，而非源代码，缺乏传统开源的协同开发优势。我不认为开源是关键竞争因素。无论是还是其他模型，我只关心其性能是否优于我们，而非是否开源。开源模型需在云端运行推理，成本不低，且通过云端提供微调，弥补了开源的部分优势。因此，我认为开源对商业模式的威胁被夸大，真正竞争在于模型性能。

05. 离开：追求真诚的影响力

主持人：许多人提到你对“影响力”的执着，甚至不愿看《权力的游戏》，因其与影响力无关。你如何定义影响力？

阿莫迪：关于《权力的游戏》，我并非因它缺乏影响力而不看，而是因其博弈的剧情让我不适。对我而言，影响力是通过战略与智慧帮助他人，需要长期规划，可能涉及技术开发或公司运营，但始终以改善世界为目标。我进入AI领域因生物学问题进展太慢，创办因我认为其他公司的运营方式缺乏真诚的影响力追求。

主持人：你提到。你曾在该公司掌管其50%的算力，领导GPT-3项目。若你关注安全与影响力，为何离开？

阿莫迪：我在期间，尤其是扩展GPT-2和GPT-3时，与同事们致力于AI对齐研究，旨在使模型遵循人类意图。但我发现，AI的能力与安全密不可分，单独研究其中一方难以奏效。安全需通过组织层面的决策实现，如发布时机、内部测试和公司治理。在，我逐渐认为其领导层的动机不够真诚，这促使我与同事另起炉灶，创立。

主持人：既然你在推动前沿模型，为何不留在那里确保安全？

阿莫迪：模型训练仅是技术层面，而发布决策、公司治理、人员管理、对外形象及社会责任等均由领导层决定。若领导层动机不真诚，技术贡献可能适得其反。信任至关重要，若为不诚实的人工作，即使技术上推动安全，也可能助长负面结果。

主持人：你与首席执行官山姆·奥特曼（Sam ）的关系如何？为何与他合作？

阿莫迪：我与奥特曼仅见过四五次，并无深入了解。有人提到他难以共事，倾向“快速行动、打破常规”。他对AI和AI安全表现出兴趣，表面上看是合理伙伴。但事后证明，他的行为远超我想象的极端和不道德。

主持人：你在实现影响力的梦想，但你也称AI是危险技术。你对影响力的追求是否可能加速技术发展，而忽视控制其风险的难度？

阿莫迪：我比行业内任何人都更频繁地警告AI的危险，即便面对来自政府与万亿市值公司领导者的批评，仍坚持发声。我反对AI监管暂停，支持对中国的芯片出口管制，讨论AI带来的经济影响，每次都招致同行攻击。我认为AI是多步骤博弈，每开发出更强大的模型，都需要更严格的测试。

随着模型能力提升，我愈加大声疾呼，因担心安全技术进展跟不上技术速度。若我认为AI无法控制，我会呼吁全球暂停开发，但我认为此举不现实，因此支持出口管制。若未来模型远超当前对齐技术，我会主张大幅减缓开发。

目前，我通过投资安全技术、公开安全研究，尽力平衡AI的益处与风险。我深知AI的潜力与危险，因此以严肃态度对待这一高风险决策。相比认为AI必然不安全的末日论者和忽视风险的盲目加速主义者，我呼吁更多深思熟虑、诚实的研究与讨论。我并非完美，但尽力为这一复杂局面带来洞见。