AI出事後，美國目前唯一能開口的要求是：關掉所有大數據中心
因為能證偽安全承諾的核查技術還沒造出來，國家級認證又要熬過數年審批，危機一來除了要求對方關停整座數據中心，沒有折中選項。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 時間戳為按文稿位置估算
危機時刻能開的口，只有關停整座數據中心
哈里斯兄弟推演的鏈條是：中美互信基礎薄弱，AI能力還在快速進步，一旦出現嚴重事故，現在唯一能驗證對方是否服從的手段，就是要求對方關停某個規模以上的運行集群——因為衛星能看到的只有熱信號這種粗糙指標。這個要求成本極高，GPU折舊是運營支出的大頭，等於讓對方燒掉幾十億美元資產。現在該做的，是把核查技術做到能替代「全停」這個選項，比如只需關一半、核查另一半，就能省下大筆錢。
— Ed Harris核查技術被情報界認證，通常要等數年
哪怕現在就有公司做出了可用的核查技術，情報界也不會立刻採信——歷史上同類技術從研發到被正式認證為「國家技術手段」(NTM),往往要等數年。哈里斯建議現在就讓核查初創公司和情報界的對口人建立聯繫，提前把研究方向對齊，這樣真正出事時不用從零評估，能更快拍板該用哪種核查方式，而不是直接跳到「關閉所有數據中心」這種最貴的選項。
— Jeremy Harris判斷對方是否真誠，看它願不願意主動暴露事故
比起一場措辭溫和的演講，哈里斯認為更有說服力的信號是：中國自己的監管機構是否開始在和美國前沿實驗室同等細顆粒度上，通報自己系統出的問題——比如某個模型測試時「意識形態達標」,上線後卻跑偏了。如果看到這種級別的自我暴露，會讓人更相信對方真把「我們都在訓練一個自己還不完全理解的東西」當成共同風險，而不是把安全話語當談判籌碼。
— Ed Harris超大雲廠商的GPU比新興雲貴2到3倍，貴的不是芯片
Silicon Data的研究顯示，亞馬遜、微軟這類大雲廠商的GPU租金比新興GPU專營雲商穩定貴2到3倍，有時更高。Steve Ho的解釋是：這不是芯片本身的差價，而是打包了企業早已依賴的合規、安全分析、長期服務關係——就像同一款漢堡，街邊攤和高檔牛排館價格天然不同。這部分溢價沒法簡單拆分成「同款比價」,所以這類廠商被單獨歸為一個不可直接套利的類別。
— Steve Ho模型token價格看漲，其實是用戶換著花更貴的模型
Silicon Data的token價格指數最近回彈，但Steve Ho提醒這不代表智能變貴了——從6月底到現在，頭部模型的token報價本身一直在跌，曾一路從4美元跌到1.6美元，跌幅超過50%。指數回彈的真正原因是用戶行為在變：更多人開始願意多花錢用更貴的旗艦模型。這個指數是「支出加權」的，就像統計汽車均價時大家開始買貴的那一款，均價自然漲，但單位性能的價格仍在降。
— Steve Ho人類專家先找到那處基因缺失，AI只是後來復現
Daniel McKinnon的兒子Owen因罕見肺病去世，原始基因測序報告是「未確診」。後來一位人類專家找到了被漏掉的病因：一處91千鹼基的缺失，去掉了一段調控基因的增強子，這個區域離基因本體約有一百萬鹼基那麼遠——遠超多數實驗室設定的「只看基因上下游1千鹼基以內」的常規過濾規則。Daniel後來自己寫的AI分析流程重新發現了同一個答案，但順序很關鍵：是人先找到的，AI只是復現，不是搶在所有人類專家之前診斷出來。
— Daniel McKinnon專用基因變異工具命中10%,通用大模型裸跑命中50%
Daniel的公司Gamow Labs維護著一個叫Rarebench的基準，專門測試給致病變異排序打分的能力。表現最好的傳統機器學習工具Lyrica,在這個基準上大約只能打到10%。而什麼都沒特別優化、直接在Cloud Code裡跑的Opus 5.5,裸模型就能打到50%左右。對比更極端的是，最早期的o3模型在這個基準上是0%。這個落差是Daniel創業的核心判斷依據：這件事不該靠專用小模型死磕，該靠前沿通用模型加好的harness。
— Daniel McKinnon放慢AI速度的代價，是一半家庭仍等不到診斷
節目收尾時Nathan承認，支持給前沿AI進度「踩剎車」這件事是有真實代價的：Gamow現在用的模型在Rarebench上大約能解答50%的疑難病例，意味著另一半家庭的問題依然懸而未決。他仍然認為整體上值得為安全做一些妥協，前沿公司也不會因為放慢就失去商業增長空間，但他強調這不是免費的選擇——對具體某個家庭來說，這是一筆實實在在、代價高昂的交換。
— Nathan Labenz原話 · 已逐字校驗
Certain kinds of transparency can be stabilizing. So the the kind of transparency that goes like, hey. We're giving you enough vision into what we're doing to see that we are not doing the thing you fear most.
某些類型的透明度能起到穩定作用。那種「嘿，我們讓你有足夠的能見度，看到我們沒有在做你最害怕的那件事」式的透明。
Ed Harris0:21
data centers put off a hell of an energy footprint. You know, the thermals on those are really, really bright. Data centers are huge.
數據中心會釋放出極大的能源足跡。那種熱信號真的非常非常亮。數據中心本身也很大。
Jeremy Harris5:57
So how long did it take similar technologies in the past to get used, to get vetted, and to become what's known as national technical means, NTMs? Right? And the answer is is years, depending on the technology, but very often years.
過去類似的技術要花多久才能被使用、被審核，成為所謂的「國家技術手段」(NTM)?答案是要花數年時間，視技術而定，但往往就是數年。
Jeremy Harris10:31
So in the case of hyperscalers, indeed, you are observing correctly. They charge regularly, consistently, at least two to three times, sometimes more compared to a typical a new cloud.
對於超大型雲廠商來說，你的觀察沒錯。他們一貫地、穩定地收費，至少是普通新興雲商的兩到三倍，有時候更高。
Steve Ho34:31
since, like, maybe late June through, like, basically, you know, middle of this month, it has been on a very sharp downward trend of going from some $4 to, what, you know, 1.6 or something that's more than 50% drop.
從大概6月底到這個月月中，它一直處在非常陡峭的下跌趨勢裡，從大約4美元跌到1.6美元左右，跌幅超過50%。
Steve Ho39:31
this enhancer is a megabase 1,000,000 bases up upstream from the gene.
這個增強子在基因上游一兆鹼基、也就是一百萬個鹼基那麼遠的地方。
Daniel McKinnon1:01:22
the best performing, like, I'd say, machine learning based approach in terms of variant ranking is called Lyrica. I think it scores something like 10% on our benchmark. And right now, Opus 5.5 in Cloud Code, just a vanilla thing, scores something like 50%.
在變異排序上表現最好的機器學習方法叫Lyrica,我們的基準上它大概能打10%分。而現在，Cloud Code裡裸跑的Opus 5.5,什麼都沒特殊處理，能打到大約50%。
Daniel McKinnon1:08:07
I don't think the frontier model companies are at risk of, like, not being able to grow business, not being able to grow revenue, becoming surpassed if they pace their frontier efforts.
我不認為前沿模型公司會因為放慢前沿研發的步伐，就面臨做不大生意、增長不了收入、或者被別人超越的風險。
Nathan Labenz1:22:42
數字與實體
| 超大雲廠商GPU租金對新興雲商的溢價 | 2至3倍，有時更高 | 34:31 |
| 頭部專有模型token報價跌幅(6月底至今) | 從約4美元跌到1.6美元，跌幅超50% | 39:31 |
| ACMG變異評分升級為「可能致病」所需分數 | 6分以上 | 1:04:16 |
| 一次功能驗證實驗可帶來的ACMG加分 | 2至4分 | 1:06:33 |
| Rarebench基準得分：傳統工具Lyrica vs 裸跑Opus 5.5 | 10% vs 50% | 1:08:07 |
| o3模型最初在Rarebench上的得分 | 0% | 1:18:14 |
| Joel Borgen對AI初稿的編輯刪減比例 | 約14% | 52:11 |
術語
- VUS意義未明的變異
- 基因變異尚無法判定良性或致病，處於中間不確定狀態
- ACMG美國醫學遺傳學與基因組學學會評分標準
- 臨床上給基因變異致病性打分分級的通用規則
- NTM國家技術手段
- 被情報界正式認證、可用於核查對方合規的技術能力
- enhancer增強子
- 遠離基因本體、但能調控其表達強弱的DNA區域
- neocloud新興GPU雲商
- 專營GPU算力租賃的新雲服務商，區別於亞馬遜微軟等大型雲廠商
收聽指南
關心中美AI博弈機制、雲算力定價套利空間、或垂直領域AI診斷實際效果的創業者和投資人。
對AI寫小說的創作過程不感興趣，可跳過47:30-58:10這段。