swyx 现场对谈：AIE 大会、AGI 焦虑与 Agent Lab 生存法则

核心要点

• AIE 的价值：swyx 定位 AIE 是"中立赛场"，让各大实验室在同一起跑线竞争，对工程师最有利、对实验室最残酷；这在 OpenAI DevDay 或 Code with Claude 上都拿不到。
• pdoom 90/50000：swyx 自认是 doomer，以五万年（智人存续跨度）为尺度 pdoom 约 90，但强调 pdoom 必须绑定时间线——10 年内接近零，50 年约 5%。
• LLM 不通向 AGI：他明确回答 LLM 能驱动 RSI 却"递归受限"，只探索已被探索过的东西，接近已知分布；unknown unknowns 与真正的 world model 仍属研究领域。
• 数据效率是下一难题：人类靠数百万到数十亿样本就能干活，LLM 靠万亿 token 极其低效；目标是把"学一件事需 2000 例"压到 20 例、2 例，走向 continual learning。
• Agent Lab 两字方针：给应用层创业者的建议是"先选问题不选方案"，做某垂直领域（律师、牙医、金融、程序员）永远的"AI 那伙人"，赌的是 capability overhang 永远存在——这是安全的赌注。
• 路由是营销话术：swyx 认为顶级 agent builder 都在 all-in 单一模型、榨干 prompt/工具/缓存，而"以路由为卖点"只会沦为所有模型的最低公分母、错失全部能力。
• OpenAI 5% 给政府：他认为传闻"合理且在可能范围内"，各国民众理应分享 AI 上游收益否则形成永久底层；并以新加坡 Temasek、GIC 持股为正面先例。

章节时间轴

• 0:00 AIE 大会的起源 — swyx 如何预判 AI 工程职业化、买下域名办会，Karpathy 背书后起飞。
• 1:32 第一届最难的事 — 从零建立信誉、拉到第一个大实验室（当时 OpenAI 的 Logan）。
• 2:18 中立赛场的价值主张 — 让各实验室在同一平台公平竞争，覆盖从普通用户到深技术的全栈复杂度。
• 3:04 Etched 与推理专用芯片 — 不是颠覆 Nvidia，而是推理盘子太大必然出 ASIC；下一代 Cerebras/Groq。
• 4:37 Fable 归来与"降智"争议 — 网站彩蛋、false refusal、opus 重路由，以及 Fable 又聪明又慢。
• 6:10 Anthropic 是否算力受限 — mythos 限流是安全考量还是缺算力之争，AWS/XAI 算力交易。
• 7:43 OpenAI 给美国政府 5% 股权 — swyx 从新加坡国资持股经验谈 AI 上游收益共享。
• 9:18 当作公用事业还是放任创新 — Edison 类比，认为现在监管为时过早，art of the deal。
• 12:22 Skynet 焦虑与 pdoom — swyx 的 doomer 立场、五万年尺度、pdoom 绑定时间线。
• 16:10 LLM 能否递归自我改进到 AGI — 回答"不能"，数据效率与 world model 是研究前沿。
• 17:42 Sour lesson 与 Fable 是终点 — 反对人类类比机器，预言这一代 LLM 因慢与规模见顶而终结。
• 20:00 Capability overhang 与 Agent Lab — 应用层创业方针，agent lab 名单与 Cognition 内幕。
• 23:51 Token 预算与"模型路由"之辩 — all-in vs multicloud 类比，路由是营销话术。

详细内容

一、AIE 大会：从预判职业化到"中立赛场"

swyx 讲述办会缘起：他做了多年演讲嘉宾，见过前端工程、云工程、数据工程如何各自演化为有专属大会、专属 influencer 和技术栈的职业化领域，判断"这件事很明显也会发生在 AI 上"0:00。于是他买下 ai.engineer 域名、写了博文，Andre Karpathy 的背书让它真正起飞0:46。他补充 Gartner 两年前把它放在 hype cycle 的顶点，"到现在还很 hype、还在走"。

他并非独自操办，而是和曾办过会议的朋友 Ben 合作——Ben 当时在运营西海岸最好的 React 大会 Reactathon，swyx 负责内容、Ben 负责后勤1:32。第一届最难的是"说服人们这件事值得来"：作为任何东西的第一届，没有历史、没有口碑、没有 YouTube 频道，全靠 swyx 和 Ben 的声誉背书；而且当时技术本身也很原始，大家还在讲 prompt 框架和一点 RAG，"根本没有 agent"1:32。

第三个难点是拉到一个大实验室，对他们而言是当时在 OpenAI 的 Logan2:18。swyx 由此提炼出 AIE 如今的核心价值主张：能把所有实验室拉到一个中立场地，让它们在同一起跑线上竞争——这对工程师最有利、对实验室最残酷，而实验室其实喜欢在公平赛场上取胜，这在 DevDay 或 Code with Claude 那样的自家活动上是拿不到的。Berman 补充说他很欣赏大会覆盖了从普通用户到高度技术的"整个复杂度栈"。

二、Etched 与推理专用芯片：不是颠覆 Nvidia

Berman 提到本周刚出隐身状态的 Etched，swyx 说自己刚做了一场一小时的芯片专场3:04。对于"Etched 会不会颠覆 Nvidia"，swyx 的框定是：它们并不想颠覆 Nvidia，"整个推理盘子实在太大了，当然会有专门做推理的 ASIC"，Nvidia 会继续造 GPU3:04。

被追问 Etched 更像 Groq 还是 Cerebras 时，swyx 把 Etched（及 MatX 等新一代芯片）向朋友描述为"下一代 Cerebras、下一代 Groq"：Cerebras 十多年前起步、如今已 IPO，那套流程与 form factor 相对成熟；而 Etched、MatX 这批新芯片是"高度专门化地针对 transformer 之后我们已知的一切、并为该工作负载做优化"3:51。所以老一代没为此优化很合理——那时这类负载还不存在。

Berman 追问做定制芯片是否要承担架构剧变的风险，swyx 说"他们不在乎"：ChatGPT/GPT-3.5 那一档架构这么久基本没变，是个相当不错的赌注；即便未来出现新模型，像 GPT-4o 这样的现有负载仍有人在用——"东西一旦能用就一直用，别乱动"3:51。

三、Fable 归来、"降智"争议与 Anthropic 算力问题

swyx 提到 Fable 5 回归，Anthropic 专门为大会放开了它；网站上有个由 Fable 打造的彩蛋——一个小游戏，提示是"找那个悬停时会弹跳的地球图标"4:37。对于 X 上盛传的"降智/nerf"说法，swyx 说人们抱怨 Anthropic 很快，但他没有硬数据证明相比首发是否被削；他承认 false refusal 确实一直大量存在、很烦人，也知道有降级到 opus 的重路由，但他自己一次都没遇到过——Berman 打趣"也许你不够 spicy""也许你得聊聊化学武器它才会触发"5:24。swyx 的总体评价是：Fable 工作起来极其聪明，但也很慢，他不会拿它做所有事，只用于"聪明的问题"，"大概他们也是这么希望的"。

随后转到"Anthropic 是否算力受限"。Berman 复述一个月前的叙事：有人说 Anthropic 缺芯片、缺算力所以不推 mythos 和 Fable。swyx 反驳说 mythos 的限流"是真正出于安全考量"，不是什么限量配给算力的阴谋6:56。但 Berman 坚持认为他们确实受带宽/算力限制——看配额就知道，两个月前"几分钟就能烧穿配额"，现在因为 Fable token 消耗更大又开始发生7:43。swyx 提到 Anthropic 刚和 AWS 达成一批算力/带宽交易，而"XAI 那笔才是大的"，并强调这些交易不是一夜之间发生、早就在筹划6:56。

四、OpenAI 给政府 5%：从新加坡经验谈上游收益共享

Berman 抛出当天传闻：OpenAI 拟向美国政府提供 5% 股权7:43。swyx 说他不了解消息源，但觉得"合理、在可能范围之内"——OpenAI 一直比其他前沿实验室更亲近白宫，"这是事实"。更深一层，他认为任何创造出前沿智能的国家，其民众都需要在上游成功中分一杯羹或有一份话语权，否则会形成"永久底层"和巨大社会压力；他甚至玩味过"universal basic AI"——人人发一个 chat pro 订阅8:31。

他以自己的祖国新加坡为正面先例：Temasek 和 GIC 持有新加坡经济的相当大份额，运转良好，养老金、储蓄、保险大量投资于政府持股的国家关键企业，"有什么不一样？"9:18

对于"是否会当成公用事业来管"，swyx 判断这东西"太不稳定，不该当 utility"。他打了个比方：如果 Edison 当年一搞电就立刻被监管，那不行——大概得先等五十年。在 2025 年、ChatGPT 出来才三四年就说要像公用事业那样按成本加成定价、留给自然垄断，"我们还没到那一步，得再等几十年"10:04。他还提醒这是多回合博弈——每四年一次选举，别只为一个回合优化10:49。

五、监管、政治与"art of the deal"

Berman 指出政府近几周非常直接地介入决定哪些模型可公开、发布时机，比如 GPT 5.6 已宣布却要等几周才发10:49。swyx 认为白宫觉得这套是"一致的"，而且比一年多前各州自己搞的 SB 1047 那类东西要好——国家层面统一去做是可以的11:35。他能给出的最好评价是：这在政治上并非新战术，就是 art of the deal——先抛一个相当极端的开局，再往回收11:35。他和 Berman 打趣，如果人类最终是靠《交易的艺术》从 Skynet 手里得救岂不有趣，因为"资本主义下本来就没有别的机制去控制公司"12:22。

被问政府更担心 Skynet 还是别国的蒸馏/网络战，swyx 说多重动机是对齐的——"当它们都指向同一个答案时，就没必要排序动机了"12:22。

六、pdoom 90、五万年尺度与"我们没有天然存在权"

这是全场最鲜明的立场。swyx 自认是 doomer：他见过 pdoom 为 0、小于 1% 的人，而他自己"在五万年尺度上接近 90"，并强调 pdoom 必须绑定时间线12:22。五万年大约是智人存续的下限（区间约 5 万到 40 万年）；他的论证是：我们并不比先于我们存在过的任何物种更有"存在权"，如果我们在孕育一种新生命形式，那么"因意外而在与它的比较中活得不好"是合理预期——"树相对人类文明过得怎么样？我们移动比树快得多，而这些东西移动又比我们快得多"13:08。

因此他认为默认假设应是对齐的概率很低，"而如果我们要错，也会错向安全的方向"13:53。他借此说明 AIE 在 e/acc 与 decel 之间"正好居中"——政治上要务实、要乐观，但不能像 EA 那样无约束地乐观，所以护栏、系统、fine-tuning、eval 才重要；让工程师掌控、监视、监控思维链的变化，很可能是人类的正确路径13:5314:39。

当被要求把尺度从五万年缩到 10 年和 50 年，swyx 给出：10 年内 pdoom 接近零（先说 10、又改口"太高了，5%"），50 年"差不多是我们这代人寿命的尽头"14:39。他建议用《基地》(Foundation) 或《沙丘》(Dune) 那种长视角看待生命演化——LLM 可能某天到头、并非 AGI，也许还有 30 年 AI 寒冬，然后下一个范式才是真正的东西；"我们凭什么认为自己恰好活在一切终结的那一刻，那太自我中心了、太把自己当主角了"15:24。

七、LLM 不通向 AGI：RSI 的天花板与 sour lesson

Berman 问 LLM 是否足以带来递归自我改进（RSI）进而催生某种可能是 AGI 的新架构。swyx 说这是个很微妙的问题，但他的答案是"不能"16:10：是的，LLM 能驱动 RSI，昨天还有一整条 auto research 轨道在讲这个；但它的递归是受限的，因为它"很可能只探索那些已被探索过的东西"，离我们已知的分布不远16:10。发现真正的 unknown unknowns、真正的创新、真正的 world model，仍属研究领域——大会有 world models 轨道但发展得很不成熟，"Dwarkesh 说的完全对"16:56。

他点名"数据效率是下一个问题"：在万亿 token 上学习才能达到某种人类等效劳动，相比人类极其低效——人类在数百万量级就能做有用的事，数十亿就是个完整的成年劳动力16:5617:42。Berman 反问是否非得把 LLM 塞进"人类的盒子"，swyx 说不必——他称之为"sour lesson"（酸涩教训，与 bitter lesson 对照）：每次拿人类类比机器你大概都会失败，因为机器的发展方式和人类非常不同17:42。

但他强调低效"是我们已知的、毫无缓和余地的负面项"，所以要把它做得更高效：从学一件事需 2000 例，压到 20 例、2 例，这样才更可扩展，才能真正走到 continual learning——让 agent 自适应、建立真正的 world model，否则永远困在很可能正在触顶的 pre-train/post-train 范式里18:30。

八、Fable 是终点、Capability overhang 与 Agent Lab

swyx 说他"真心预期 Fable 会是这一代 LLM 的终点"，核心理由是慢18:30。Berman 说自己在 Cursor 里用感觉比刚发布时快了一点，但仍然慢；swyx 说 Anthropic 在做更好的推理，可它还是慢，所以有些不需要 Fable 的活你就不会用它，"也不想为所有事付 Fable 的价钱"19:15。他点出真正稀缺的预算不是钱而是时间——"哪怕你在前沿实验室，时间仍是你的限制"；如果 20 万亿参数的模型就是极限、没有 200 万亿、没有 quadrillion 级别，那么在无限预算的可用性意义上"差不多就到头了"，因此需要不一样的东西——也许是 Thinking Machines 的东西、也许是 Together AI 的 SSM，"总之我们还没有它"19:1520:00。

关于 capability overhang（能力过剩/未被榨干），swyx 认为它非常真实且会长期存在：即便上一代 Opus、GPT 5.5，能榨取的价值仍然关键，而新一代又会带来更多 overhang20:00。他给"AI engineer"的定位是：存在于"峰值能力"与"把它部署到其他所有地方"之间的空白表面积——模型研究在某个领域尖峰式突破、但在所有产品里分布不均，这就是工程师永远有活干的地方；只是会有一波波"整合"，某些自建的东西因下一代模型一个 prompt 就能做而被扔掉，这属于正常的"春季大扫除"，不该对代码有依恋20:47。

给应用层创业者的建议是两个字：Agent Lab（他有篇文章在 latent.space/agentlabs）21:32。核心是"永远做客户的那伙 AI 人"——先选问题不选方案，成为牙医、律师、金融、程序员等某个群体永远的"AI 那伙人"，把每一代新能力折叠进你的"最后一公里"产品里22:18。Berman 质疑这是否在赌模型不会泛化，swyx 承认模型确实会泛化、有时抹掉整个产品品类，但你真正赌的是"未来永远存在 capability overhang"，这是相当安全的赌注23:04。他列举 Sierra、Cognition、Cursor、Decagon、Harvey 都是各自领域的 agent lab：在模型上也许略落后前沿实验室，但在解决客户反馈上无人能及——他透露过去六个月在 Cognition 内部看到，没有别人会派 200 人随时和 Goldman Sachs 待命，搞定 Microsoft Teams 集成、搞定他们用的那套"Atlassian Bitbucket 开源时的 fork"这种怪需求，"Claude 不会替你做这个"23:51。

九、Token 预算与"模型路由"之辩

Berman 引出近期关于 token 预算、token maxing 对多数人不可及的讨论，并提出：非前沿的 agent lab（Cursor、Cognition、Factory）model-agnostic、有动力把模型路由做好，而前沿实验室没有——现在是不是 model-agnostic 公司的黄金时代24:36？

swyx 说这是"当前辩论下大家都在说的合理结论，但不代表我认同它"25:22。他从业够久，见过云时代的对照：有的公司 all-in AWS 或 GCP，有的用 Terraform 走 multicloud；而大赢家往往是"在一件事上 all-in"25:22。简单的论证是：如果你以路由为傲，你永远无法榨干任何一个模型的全部能力，因为你没 all-in——这是成为"所有模型最低公分母、完全错失能力"的好办法；而且你也没有 AWS 那种拥有整个栈的规模经济26:07。

他补充一个有趣角度：agent lab 从每家模型供应商拿到折扣，所以当人们拿"打折的 Claude Code 公开定价"去比 Anthropic 给 agent lab 的价钱时，这本身就值得讨论26:07。最后他直言"路由这事是一句营销话术"：和顶级 agent builder 聊，他们都在最大化、完整探索 prompt 表面积、工具使用、缓存等一切能榨干的东西——"你是要榨干他们给你的一切，还是只想停在表面、在 100 个模型上做 chat completion？哪种更可能作为 agent lab 胜出？"26:53

对话在 swyx 感谢 Berman 来到"我最大的舞台、最大的节目"、并互相约定在 YouTube 上合作中结束26:5327:39。

金句

我们能把所有实验室拉到一个中立场地，让它们在同一起跑线上竞争——这对工程师最有利、对实验室最残酷；而这在 DevDay 或 Code with Claude 上你根本拿不到。 —— swyx 2:18

我们并不比先于我们存在过的任何东西更有存在权；如果我们在孕育一种新生命形式，因意外而活得不如它，是合理的预期。 —— swyx 13:08

我们凭什么认为自己恰好活在一切终结的那一刻？那太自我中心了——你把自己当主角了。 —— swyx 15:24

每次你拿人类去类比机器，你大概都会失败，因为机器的发展方式和人类非常不同——我把这叫 sour lesson。 —— swyx 17:42

你真正赌的，是未来永远存在 capability overhang——而这是一个相当安全的赌注。 —— swyx 23:04

以路由为傲，是让你沦为所有模型最低公分母、彻底错失能力的好办法。 —— swyx 26:07

提到的书·产品·人物

• swyx / Shawn Wang（人物）：本期嘉宾，AI Engineer 大会创始人、Latent Space 主理人，新加坡人，过去六个月加入 Cognition。
• Matthew Berman（人物）：本期主持/采访者，拥有自己的 YouTube 频道，本期为播客串台。
• Andre Karpathy（人物）：其背书让 AIE 大会真正起飞。
• Logan（人物）：AIE 首届拉到的第一个大实验室代表，当时在 OpenAI。
• Ben（人物）：swyx 的合伙人，曾运营 Reactathon，负责 AIE 后勤。
• Dwarkesh (Patel)（人物）：被引用为在 world model / 学习范式局限上"说得完全对"。
• AI Engineer / AIE 大会（大会/产品）：swyx 创办，本期对话现场；域名 ai.engineer。
• Etched（公司/芯片）：本周出隐身，推理专用 ASIC，被 swyx 称"下一代 Cerebras/Groq"。
• MatX（公司/芯片）：与 Etched 并列的新一代、针对 transformer 后负载优化的芯片。
• Cerebras（公司/芯片）：十多年历史、已 IPO，被作为老一代大芯片对照。
• Groq（公司/芯片）：被用作推理芯片形态的参照。
• Nvidia（公司）：讨论"是否被 ASIC 颠覆"的对象，swyx 认为不会。
• Fable（模型/产品）：Anthropic 新模型，本期核心话题——又聪明又慢，swyx 预言它是这代 LLM 的终点；大会网站彩蛋由它打造。
• mythos（模型/产品）：Anthropic 的另一模型，其限流被 swyx 归因于"真正的安全考量"。
• Opus（模型）：重路由/降级的目标模型，代表上一代仍有 capability overhang。
• GPT 5.5 / GPT 5.6（模型）：前者代表仍未榨干的上一代，后者被政府要求延后几周发布。
• GPT-4o（"40"）（模型）：架构长期稳定、仍被使用的例证。
• Anthropic（公司）：贯穿"降智争议""算力受限""向 agent lab 供货折扣"多处讨论。
• OpenAI（公司）：传闻向美国政府提供 5% 股权的主角，被指更亲近白宫。
• XAI / AWS（公司）：Anthropic/相关方的大额算力交易对象，"XAI 那笔才是大的"。
• Temasek / GIC（机构）：新加坡国资，被作为政府持股企业运转良好的正面先例。
• Cognition（公司）：swyx 就职处，垂直领域 agent lab 典范，SWE-bench 表现好。
• Cursor / Sierra / Decagon / Harvey / Factory（公司）：各领域 agent lab 代表。
• Thinking Machines / Together AI（SSM）（公司/技术方向）：被点名为"下一个范式"可能来源。
• 《交易的艺术》(The Art of the Deal)（书）：被用来类比"先极端开局再回收"的政治谈判术。
• 《基地》(Foundation) /《沙丘》(Dune)（影视/小说）：被用来说明长视角看待文明演化。
• SB 1047（"SB47"）（法案）：各州一年多前的监管尝试，被拿来与国家层面框架对照。
• Goldman Sachs / Microsoft Teams / Bitbucket（Atlassian）（公司/产品）：Cognition 为大客户做定制集成的具体例证。

适合谁听

关心前沿实验室战略、AI 应用层创业方向与 AGI/安全长期图景的从业者与投资人。