Synth Daily

关于 AI 重大问题的获奖论文

一份关于人工智能重大问题的征文比赛揭晓了三位获奖者。他们的核心观点分别是：利用慈善基金会建立公共卫生基础设施以终结空气传播疾病；非技术供应链国家应专注于改善基础经济政策以吸引资本；AI 实验室的真正盈利点不在于技术本身，而在于其带动的周边资产与整合服务。

方案一：终结空气传播疾病

此方案主张将基金会作为一个国家级规模的行动机构，致力于终结空气传播疾病。通过有效抑制病原体的空气传播，不仅可以每年为全球增加超过1万亿美元的 GDP（通过消除流感、慢性病等），还能从根本上消除大规模流行病的灾难性风险。

  • 双重回报原则： 最有效的干预措施应具备双重效益，即在日常世界中能极大地提升社会福祉，同时在紧急情况下能显著降低尾部风险。生物安全就是这类干预的最佳范例。

  • AI 与生物学的挑战： 虽然 AI 能加速生物研究，但其破坏性能力（如设计病原体）可能首先出现。这意味着，AI 赋能的“攻击”（制造疫情）将远比“防御”更容易。因此，预先部署在基础设施中的防御技术至关重要。

我们已经生活在一个没有霍乱、伤寒和痢疾的时代，这得益于我们周围已经嵌入的技术，如洁净水、冷链食品和污水处理系统。

同样，我们也可以通过物理基础设施，建立一个没有呼吸道病原体的世界。例如，远紫外线（far-UVC）灯对人体安全，但对病毒和细菌是致命的。历史上，根除天花、普及净水和巴氏消毒法的主要障碍并非技术本身，而是市场失灵和协调失败。这正是慈善事业可以发挥巨大作用的地方。

实施四步计划

此计划预计在 10 年内投入约 400-600 亿美元，目标是让发达国家的所有小学和主要交通枢纽默认安装病原体被动消杀设施，将季节性流感死亡率降低 60%。

  1. 推动资金解决产品问题（50亿美元，1-3年）： 建立一个类似 DARPA 的项目办公室，专注研究病原体灭活数据、部署模型和安全研究，并进行大规模随机试验，以验证远紫外线灯的有效性。
  2. 预先市场承诺（150亿美元，1-5年）： 通过分阶段的采购承诺，刺激私人资本投入，并建立足以改造全球约 10% 建筑存量的供应链能力。
  3. 大规模部署以产生证据（150-250亿美元，2-7年）： 在全球 50 个最大都市区的医院、学校、机场和高密度工作场所进行部署，以建立坚实的真实世界证据基础。
  4. 建立政治基础设施并交由国家接管（30-50亿美元，1-10年）： 发起宣传活动，将呼吸道传播从“正常”转变为“不必要”的观念，并培养人才进入政府，推动全球部署和标准制定。当试点证明有效后，基金会从主要资助者转变为催化剂。

方案二：非供应链国家的生存之道

对于那些不在 AI 核心供应链中的国家，最好的策略可能非常简单：“什么都不做，并顶住要求采取激进行动的民粹主义压力。”因为人们在技术上天生保守，厌恶导致失业的经济颠覆。在 AI 自动化时代，政府的决策很可能会变得极度不理性和适得其反。

随着 AI 的发展，人力资本在经济产出中的重要性将下降。一个国家的成功将更多地依赖于自然资源、物质资本以及有效利用这些资源的能力。资本比劳动力更容易跨国流动，它会流向生产力更高、资源更丰富的地方。

因此，良好政策的支柱应包括以下几点：

  • 为 AI 自动化扫清障碍： 废除或修改职业许可、责任法、数据保护和知识产权等法律。打破行业垄断和工会，应用统一的安全标准，并简化创业流程。
  • 提供政治和法律稳定性： 一个稳定的环境才能吸引巨额投资。核心是避免资产被征用，并确保商业活动不会突然被宣布为非法。
  • 增加国内资本形成： 减少或取消资本利得税和企业所得税，简化项目审批，取消对资本流动的管制。
  • 修复关键行业的基础设施： 如果电力等部署 AI 所必需的行业存在问题，必须紧急修复。否则，国家将永远无法积累所需的资本。

尽管这些改革看起来很极端，但如果一个目前状况不佳的国家能够成功实施，它将在 AI 自动化重塑世界经济的几十年里吸引巨额外部投资并实现转型。

现实中这可能很难发生。但希望在于，现有的大国（如美国和中国）可能会犯错。例如，它们可能会在关键行业禁止 AI 自动化、阻碍数据中心建设或征收重税。如果一个中等国家能在此期间保持稳定，不犯大错，它最终的相对地位可能会比开始时好得多。

方案三：AI 实验室的“地铁+地产”盈利模式

AI 实验室面临的商业模式困境，与香港地铁（MTR）惊人地相似：前期投入数十亿，核心服务接近边际成本定价，为用户创造巨大价值但自身却难以捕获。许多人认为 AI 像铁路一样，需要国家补贴才能生存。但香港地铁找到了另一条路。

香港地铁是世界上少数几个在没有政府运营补贴的情况下实现商业自负盈亏、公开上市并派发股息的公共交通系统之一。

它的核心铁路业务从未靠票价收回成本。其秘诀在于“铁路+地产”模式。设计师们从一开始就明白，铁路会使其周边土地大幅增值。

  • 核心逻辑： 不要试图通过铁路服务本身来获取价值。要拥有那些因铁路服务而增值的资产。
  • 具体做法： 香港地铁在车站上方及周边开发住宅、办公室和购物中心，捕获其自身基础设施创造的价值增值。地产利润交叉补贴铁路运营，并为下一条线路提供资金。

AI 领域的启示

“AI 实验室何时能赚钱？”这个问题本身就问错了，就像问“铁路何时能靠票价回本？”一样。答案是：它永远不会，也不应该。

AI 模型通过 API 收取的费用，只占其为客户创造价值的极小一部分。由于竞争激烈，价格无法定得太高。真正的价值流向了用户和整个经济。

存活下来的 AI 实验室，不会是那些让 API 盈利的实验室，而是那些能找到并建立属于自己的“地产”的实验室。API 就是铁路，它永远不够赚钱。钱在它周围升值的东西里。

对于 AI 实验室来说，可以充当“地产”的资产包括：

  1. 政府授予的部署权： 获得国家卫生记录、税务系统等数据的独家部署权，从而积累起难以复制的领域数据和监管壁垒。
  2. 累积的强化学习奖励数据： 数十亿次的用户交互信号，是训练下一代模型的宝贵财富。它像一块待开发的土地，价值会不断增长。
  3. 前向部署的整合服务： 与其只卖 API，不如自己成为端到端的服务提供商。例如，实验室直接成为法律研究服务公司，按结果收费，而不是按 API 调用次数收费。
  4. 国家数据集的数据托管权： 成为国家级数据集（如病历、税务文件）的独家托管者，利用这些稀缺数据来训练模型和开发产品。

政策的重点也应随之改变：政府不应只补贴训练成本，而应设计制度（如部署权框架、数据托管结构），让实验室能捕获其基础设施创造的溢出价值。实现前沿 AI 可持续发展的模式，可能早已存在——它只是在运营火车而已。