对话经济周期大师拉斯·特维德：AI 创造了万亿价值，但在统计上，你我可能都因它而“变穷”了

那是一个晴朗而寒冷的冬日。苏黎世的班霍夫大街上，拉斯·特维德（Lars Tvede）正走向中央广场的一家餐馆。他要去见他的朋友兼对冲基金合伙人——约根。户外寒风刺骨，他说话时呼出的热气似乎都结成了冰霜。

餐馆里，他们的对话也带着一丝寒意。

“情况怎么样？” 拉斯问。

“将是一场巨大的崩溃，”约根答道，“俄罗斯的股票市场像滚落的石头一样暴跌……亚太地区则是一团糟，有一些地方看起来像要努力建设一个新的曼哈顿。而今，那里的建筑物虽然屹立不动，却早已人去楼空。这就像古老的经济周期又发挥作用了。”

这是拉斯·特维德在他的全球畅销书《逃不开的经济周期》（Business Cycles）序言里描绘的一幕。这亦是他整个世界的缩影：一个由历史、理论与投资现实交织而成的世界。对他而言，经济周期不是教科书上冰冷的曲线，而是由一个个鲜活人物——从赌徒金融家约翰·劳到“以心不在焉著称的”亚当·斯密——共同谱写的、跨越三百年的宏大叙事。

他穷尽半生研究他们，甚至在脑海中与他们对话，试图理解那只驱动繁荣与崩溃的“看不见的手”。

就像他笔下的人物一样，拉斯·特维德本人是一个充满迷人矛盾的结合体。他是创办了 13 家公司的连续创业者，也是在金融市场中管理着宏观对冲基金的冷酷操盘手；他是丹麦人，选择定居瑞士，旁观世界的变迁。他热爱预测，迷恋变革，更享受站在科技、宏观经济、金融市场和地缘政治的十字路口，感受那迎面而来的时代飓风。 

然而，就在那个苏黎世的寒冷冬日之后，一场前所未有的技术海啸开始酝酿。人工智能就此登上了舞台。

哥本哈根的一场晚宴上。一位前海豹突击队队员、现管理顾问的朋友，为拉斯引荐了德勤的首席技术官雅各布（Jacob）。整晚，拉斯和雅各布相谈甚欢，从宇宙起源聊到生命演化，从 AI 与人脑的相似性聊到万物背后的复杂性规律。晚宴的某个时刻，拉斯提及他曾想再写一本关于未来的书，但苦于无法超越旧作而犹豫不决。

几天后，当拉斯回到瑞士的家中，他收到一条来自雅各布的消息，上面只有一句话：“你应该把书命名为《天才的宇宙演化》（The Cosmic Evolution of Genius）。”

这句话如同一道闪电，瞬间击穿了拉斯的思维壁垒。他立刻拨通了雅各布的电话。

“你说的 ‘天才的宇宙演化’ 是什么意思？”他问。

雅各布回答：“现在人工智能领域发生的一切，如果放到宇宙复杂性演化这个更宏大的框架里去看，会非常有意思。”

这个视角，让拉斯找到了开启未来的钥匙。他意识到，自己不能再仅仅从经济周期的视角来审视世界。必须建立一个全新的、更宏大的叙事框架。于是，他联合已获得经济学、物理学、生物物理学、哲学和数学五个学位的雅各布，以及另一位 AI 领域的专家，共同开启了一项疯狂的计划。

他们的新书——最终被命名为《超智能与未来》（Hyperintelligence）——就此诞生。

从苏黎世街头的沉思，到与 AI 在瑞士山间的漫步交谈；从对 300 年经济史的了如指掌，到对自己公司 Supertrends 追踪的 4000 项未来技术预测的自信。拉斯·特维德始终在两个世界间穿梭：一个是过去，那里有他烂熟于心的经济周期和历史人物；另一个是未来，那里有他热切拥抱的、由算法和机器人驱动的“超级智能”。本期《AGI 技术 50 人》，带你走入拉斯·特维德的世界，看看这位穷尽半生研究历史周期的大师，如何深思足以颠覆所有周期的未来。

AI 是这本书的“第四作者”

王启隆： 在正式开始之前，你能先向我们的读者简单介绍一下自己吗？

拉斯·特维德：我是一名工程师，也是一位经济学者，创办了好几家公司。实际上，就在今天，我又要新创办一家公司，晚些时候会正式宣布。我创办的公司里，有些是做投资的，比如我曾与人共同创立了一家宏观基金和对冲基金，目前仍在运营。但大部分还是科技和媒体公司。

和我们今天的话题相关性最高的，是我创办的一家名为 Supertrends 的公司，它致力于绘制和预测全球的创新图景。我们用生成式 AI（AIGC）来做这件事。所以对我来说，用生成式 AI——当然也结合了其他一些技术——去解决一个数据量庞大、情况又复杂多变的难题，是一段非常有意思的经历。我住在瑞士，热爱技术，也喜欢预测变革，以及思考科技、宏观经济、金融市场和地缘政治这些领域的变革是如何以不同方式交织在一起的。

王启隆：你的新书从宇宙大爆炸讲起，一直连接到今天我们所说的具身智能。这个叙事的跨度可以说是极其宏大了。是什么样的核心问题，驱使你去写一本将宇宙宏大的历史和人工智能驱动的未来连接在一起的书呢？

拉斯·特维德：这事儿得从我在丹麦哥本哈根的一次晚宴说起。当时有位和我合作过的绅士找到我，他叫丹尼尔·凯弗（Daniel Käfer），曾担任 Meta 海外经理，现在有一家 AI 咨询公司。他问我，我们是否应该合著一本书，探讨科技的未来及其影响，因为眼下的变化实在是太剧烈了。我当时想，再说吧，我已经写过好几本关于未来的书了，总不能一直写更新版吧。

后来，一位丹麦朋友邀请我参加晚宴，他以前是海豹突击队的队员，现在是管理顾问。他说：“拉斯，我有个一起健身的朋友，你必须见见他。他叫雅各布（Jacob），是德勤的首席技术官。”

于是我就去参加了那场晚宴。那位海豹突击队的朋友为我们互相介绍了一下，之后在晚宴上就没怎么说话了。整晚基本上就是我和雅各布两个人在畅谈，我们聊宇宙的起源，聊生命如何演化，聊人工智能和人脑的相似之处，聊得天马行空，什么都谈。

晚宴进行到某个时候，我跟他提了写这本书的想法，但也表示我可能不会写了，因为它和我以前写过的内容太像了。后来我回到瑞士，然后收到了他发来的一条 WhatsApp 消息，上面写着：“你应该把书命名为《天才的宇宙演化》（The Cosmic Evolution of Genius）。”

我立刻回复他：“我们得谈谈。”

我打电话给他，问道：“你说的 ‘天才的宇宙演化’是什么意思？”

他说：“现在人工智能领域发生的一切，如果放到宇宙复杂性演化这个更宏大的框架里去看，会非常有意思。”

因为科学家们基本确信，宇宙始于纯粹的能量，然后出现了毫无结构的亚原子粒子，再然后有了一些原子。但这一切究竟是如何演变成我们今天看到的万事万物，比如复杂的生命和文明的呢？

我说：“这正是我想要写的书，但没有你我写不成。” 因为雅各布有五个学术学位：经济学、物理学、生物物理学、哲学和数学。而且他在生命演化和相关的统计模型方面做了大量工作。所以最后是我们三个人，再加上大量的人工智能，共同写成了这本书（最终命名为《超智能与未来》）。这是我参与过的最有趣的项目之一。

王启隆：你刚才提到在写书的过程中大量使用了人工智能。

拉斯·特维德：是的，用得非常多。一开始，我们用它来构思全书的结构和大纲。

很早的时候，我就问 GPT：“我们准备写一本关于宇宙复杂性如何演化的书，打算把它分成几个阶段。请建议一下应该分为哪些阶段。”

它给出的建议和我们最终采用的方案已经相当接近了。但它接着说：“你们应该意识到，复杂性会产生两种结果。一种是最终的产物，另一种是其本身作为一个过程，能创造出更多的结果。”

我相信我们早晚也会把这个观点写进书里。

但我发现最了不起的是，我根本没问它这个问题。它只是觉得应该提醒我这一点的重要性。在我们与 AI 的多次对话中，它时常会提醒我们注意一些我们之前没有意识到的事情。

在我个人的日常生活中，我最享受 AI 的方式是把它当作一个对话伙伴。我喜欢长时间散步，基本原则是每隔一天散步一小时，而且我总会和 AI 聊点什么。目前我最喜欢的模型是 Grok，我可以对它说：“嗨，Grok，我想为自己制定一个健康计划，你需要了解哪些信息？”

然后它就会和我一直聊下去。写书的过程也是如此。“你好，我们现在要写关于某个主题的章节，你认为最重要的内容有哪些？” 它总能给我很多启发。

它在想章节名和小标题方面也非常在行。你给它一章内容，然后说：“请为这一章建议10个很酷的名字。”

对于每个小标题，你也可以说：“把这个小标题优化成 10 个酷炫、有趣、引人深思的名字。” 它能做得非常出色。

我们是用英文写的书，但第一家想出版的是一家丹麦出版社，所以我们得把它翻译成丹麦语。出版商说：“我们希望你们自己来翻译，因为你们最了解自己的思想，这样才能确保准确。”

结果我们直接把书稿交给了 Gemini 的顶级模型，翻译稿出来了，但效果不算特别好，大概有一千处小地方需要调整，才能让行文看起来更对味。然后丹麦出版社的编辑又对它进行了修改，做了一些很不错的改进。接着我们想，现在得把这些改进再同步回英文版。

这该怎么做呢？你可以让 AI 逐章比较，指出改动之处。但后来雅各布说：“我们为什么不换个思路？直接让 Gemini 把整本书从丹麦语翻译回英语，然后我们再检查一遍不就行了？” 他就这么做了。我当时正好在中国，只花了 10 分钟，他就拿到了全书的英文译稿。

我们把书稿分了工，每人检查三分之一，看看有没有听起来不对劲的地方。我在一趟飞往中国的航班上找到了几个小时，然后给他们发消息说：“我的部分已经读了一半，一个错误都没发现。” 另外两个人也说：“我这边也一样，一样。”

结果证明，它在翻译过程中没有犯任何错误，而且情绪和氛围也捕捉得非常到位。

但最极致的体验是处理参考文献。我写过 17 本书，每次写书的时候，我都是沉浸在一种心流状态中讲故事。你不可能在流畅地讲一个好故事的同时，还去引用文献。所以每写完一本书，我都会想：“天哪，现在我得去找引用的资料来源了。”

比如，《逃不开的经济周期》那本书，我记得大概有 400 条参考文献，为了找到它们，我得回头翻遍所有的谷歌搜索记录和笔记，那简直是地狱般的一个月。所以我对我的两位合著者说：“我知道我们接下来要经历一段枯燥的跋涉了。我们得处理参考文献，你们每人至少要留出四天时间，专门用来找自己引用的资料。”

然后雅各布说：“要不我直接问问 Gemini，让它提供参考文献？”

Gemini 处理这个问题花了很长时间，因为它用的是那种超级专业的模型。它进入了深度推理模式，然后列出一份非常长的参考文献列表。雅各布检查了一遍，发现每一条来源都准确无误，没有幻觉，而且每一条都和内容相关。我们还是核对了我们自己做的部分，但结果真的太惊人了。

此外，有时候我为了让语言更精准，也会用 Gemini。我发现一个特别有效的提示词是：“请把这段文字改写成一段面向聪明的 15 岁读者的科普内容。”

这个提示词恰到好处，因为当你说“15 岁”时，它明白这个读者可能没有太多先验知识；而当你说“聪明”时，它理解为“不要把内容讲得太幼稚”。我们成功地找到了那种恰当的语调，效果非常好。AI 在很多方面都帮助了我们，我认为它让这本书比没有 AI 的帮助要好得多。

王启隆：Gemini 也是我最喜欢的模型。我经常让它用通俗易懂的语言来改写句子。

拉斯·特维德：是的，在按特定语调写作这方面，Gemini 是我的最爱。

新工业革命、能源挑战与价值悖论

王启隆：你曾经提到 GPT-3 算是人工智能的“莱特兄弟时刻”。而现在 GPT-5 都已经发布了，在你看来，今年人工智能领域最重大的突破是什么？

拉斯·特维德：我认为我们现在有生成式 AI 和推理模型（reasoners）——对我来说，这是两码事，我会分别阐述一下。

对于生成式 AI，你可以把它想象成一块老式手表。我住在瑞士，很多人都戴这种表。有些表的背面是透明的，你可以看到里面所有的小齿轮都在转动。当然，这些齿轮都是信息转换器。生成式 AI 就是一个将许多微小的智能模块组合在一起的工具。其中一些智能模块在手表内部的系统中运作，而另一些则会连接到万维网或特定的外部数据库来查找和处理数据。

你可以思考任何一种心智过程，无论它只在计算机上运行还是在物理设备上运行，然后分析构成它的不同“思维齿轮”——Transformer、智能体（Agent）和算法——分别是什么。然后你就可以坐下来说：“好，让我们用 AI 来重构这个过程。”

我认为这就像一场新的工业革命，你可以把媒体公司、制药公司、银行等任何机构里的任何一个流程拿出来，然后说：“让我们把它自动化。” 并且非常巧妙地设计在哪个节点需要外部的灵感输入（这当然也会有出错的风险）、在哪个节点保持在 100% 受控的信息范围内。我们如何将这两者结合起来，并让它有机地演进呢？

我可以告诉你我们公司 Supertrends 是怎么做的，因为这是一段非常有意思的经历。我们做的一件事是绘制了创新的历史，包括科学史，可以追溯到 330 万年前。我们描述了人类第一次使用尖锐石器、控制火源以及所有其他里程碑，总共 16000 项关键创新，才把我们带到了今天。但这个绘图系统也延伸到了未来。目前，我们对未来的技术突破有 4000 项预测。

一开始，我们的做法是相当受控的。比如，我们有 3000 个我们感兴趣的关键词。我们连接到数据库，可以追踪全球的科技杂志。一个算法——还不是AI——就只是搜索这 3000 个关键词。任何包含至少一个关键词的文章都会被捕捉下来。这样，每天大概会产生 400 篇我们感兴趣的文章。

然后，我们用自然语言处理来判断这些文章是否报道了同一件事。也许有 16 篇关于同一件事的报道，那它们就应该合并成一个故事。这个故事会被另一个智能体整理好并打上标签。一旦它被打上……比如说，15 个不同的标签，另一个智能体就会查看我们以前所有的故事，找出哪些故事与这些标签的重合度最高。它会筛选出一些故事进行比较，然后可能会说：“这个故事其实和我们两周前发过的一样，删除。” 它还会做的另一件事是，查看我们的预测，然后问：“我们有没有关于这个的预测？” 比如，假设我们预测一种新的癌症疫苗将在 2027 年问世，但新闻报道说它上周就已经出现了，那么我们就必须在时间线上移动这个预测。

想象一下，如果没有这项技术，需要多少人来做这件事。我们估计大概需要 500 人，他们得阅读 40 种不同的语言，对照一份兴趣清单检查每一篇文章，还要将每个新故事与以前的故事进行比对。而我们现在每年能自动生成 10 万个故事。并且我们正在更新系统，让它不再依赖一个限定的关键词或标签列表，而是能够有机地更新标签库。

这是一个例子，一家公司选择了一个任务——绘制和预测全球创新——并为此使用了生成式 AI。但在中国，应该有成千上万的人正坐在那里，思考如何将各种事情自动化。

另一件事是，有了这些技术，你可以提供一些在没有 AI 的情况下要么不具备经济可行性、要么根本不可能实现的服务。瑞士所有的手表都产自一个叫比尔（Biel）的地区，那座城市里到处都是懂得如何制造这些精密仪器的人。未来，世界上也会出现这样的产业集群，那里的人非常擅长组装智能体和 Transformer，并创造出解决方案。这将是一种非常强大的力量，也必须成为大多数国家领导人最优先考虑的事情，即如何创建这样的集群。

我不知道一块手表里能装多少个不同的齿轮——几百个，也许几千个。但如果你去 Hugging Face 上查看有多少模型。五十万？不，现在可能更多了。到今年年底，Hugging Face 上可能会有四五百万个不同的智能体和 Transformer。你可以把这看作是一个巨大的工具箱，你可以用里面的工具组装出各种解决方案。在这方面表现出色，将成为财富、安全和权力的关键驱动力。

现在，谈到推理模型，我特别喜欢给 Grok 这样的模型一个任务，然后实时观察它展示整个过程：“现在我正在检查这个网站，计算这个，编写那个程序。” 对我来说，这就像看到一个打了激素的博士生，它做事情的速度快得惊人。GPT-5 现在推出了那种专家系统的方法，顺便说一句，这个系统在发布第一天就失败了，因为负责管理的服务器宕机了。但它的理念是，它会分析一个提示，然后说：“这个提示应该由这个模型来处理。”

我认为，这对于 AI 的发展来说是一个非常重要的开端，尽管现在还非常初级。

想想人脑，一部分处理音频信号，将其转换为句子，再转换为意义。大脑的不同部分在互相交流。我们看到的东西在另一个地方处理。大脑由几百个不同的主要模块组成，这些模块又被进一步细分。未来的 AI 应该运行在极其异构的硬件上——数量庞大的不同芯片和数量庞大的不同模型——并且非常善于将不同的任务分配给不同的模型。这几乎就像是生成式AI的思维方式，你在使用这些小齿轮。拥有一个超级多样化的工具箱来解决问题，将是决定性的。

但我们也遇到了挑战，其中之一就是能源。一年前，大多数人会说，尽管我们越来越多地使用 AI，但我们也会让它变得更节能，因此我们可能不会面临能源需求的爆炸式增长。事实证明，到目前为止，这种看法是错误的。对于推理 AI 来说，AI 创造的是推理或思考的 token。一个 token 不是一个结果，而是一个过程，这正是我在开始写书时 GPT 告诉我的。

事实证明，因为它产生推理 token，因为它是多模态的（视频、图片、声音），也因为它有更多的内存和更好的上下文理解能力，现在的提示词消耗的能量实际上是一年前的 50 倍。正因如此，随着我们使用方式的日益复杂，每个提示词的能源需求都在上升。

中国在能源供应方面遥遥领先。海湾国家的情况可能也不错，但中国每年新建的电网容量相当于美国总容量的三分之一，已经走在了世界前列。其他所有国家，可能除了海湾国家和冰岛，都落后了，而欧洲落后得相当远。美国现在已经决定，追赶能源供应是关乎国家安全的优先事项，但这任务艰巨。他们认为，预期的 AI 工厂建设将需要相当于 100 座标准核反应堆的电力，或者相当于 9000 万户家庭的用电量。当我看到这个数字时，我去问了一个 AI：“来吧，列出一些拥有 9000 万户家庭的欧洲国家。” 答案是德国、意大利，再加上半个荷兰。这样一来，问题就变得非常具体了。这东西真的需要大量的电力。

还有一个我认为非常重要的商业问题。我的观点是，今天的 AI 对社会是有利可图的。我认为它创造的价值可能已经是其成本的 10 倍。在美国，他们现在投入 AI 基础设施的资金接近 GDP 的 1%，包括芯片、工厂、服务器、能源供应等等，但我认为它创造的价值可能是这个数字的 10 倍——而且这些价值并没有真正体现在他们统计 GDP 的方式中。

就我个人而言，我订阅了 Grok、GPT 和 Gemini 的高级版。我记不清具体付了多少钱，大概每月 100 美元。但它给我带来的价值，我敢说是我支付费用的 100 倍，它大大提高了我的生产力大大。对于我们公司 Supertrends 来说，如果我们用 AI 替代了 500 人的工作，我甚至不知道我们节省了多少钱，但这个数字绝对是巨大的，而且完全没有被 GDP 捕捉到。如果说有什么影响的话，那就是工资名单上少了 500 人，反而让 GDP 变小了。

这里有一个非常有趣的价值捕获问题。如果你观察那些大型的基础模型开发者和运营商，他们现在没有一个在盈利，有些还在烧钱。

王启隆：尤其是 OpenAI，他们的产品热度越来越高，显卡烧的也越来越多。

拉斯·特维德：而且你还得考虑到，他们必须很快地将这些资产折旧，因为它们迭代得太快了。他们花数十亿美元购买 GPU，然后又迅速地折旧掉。为了训练新模型，你通常需要最新的芯片。

所有被创造出来的价值，都可能流露到企业内部的特定场景应用中，以及通过个人生产力的提升流向了每个个体。所以，像 OpenAI 这样估值超高的公司未来会怎样，这将是一件有趣的事情。

我对此没有任何明确的预测，因为也许他们将来会变得非常善于在下游捕获价值。但如果你把它与以前那些极具变革性的 IT 投资相比，会发现它缺少一样东西，那就是网络效应。亚马逊和阿里巴巴有网络效应，社交媒体有网络效应，微软也有网络效应，但我目前在这些基础大语言模型中看不到任何网络效应。我可以从一个切换到另一个，没什么区别。我可以删除一个，再添加另一个。这里没有竞争壁垒。现在，Grok 是我的最爱，但下个季度可能就换成的了。但它的确为社会创造了大量价值，特别是对那些已经具备一定复杂程度的社会而言。早期发展起生态系统，让人们非常善于在特定场景下实施 AI 应用，可以获得巨大的优势。

王启隆：你刚刚提到 AI 没有网络效应，但很多人会反驳说，像 ChatGPT 这样的平台，来自数百万用户的数据本身就创造了强大的网络效应，为每个人改进了模型。你能否详细聊聊自己的观点？为什么你仍然认为这与谷歌或 Meta 等公司的网络效应有本质区别？

拉斯·特维德：被用户使用确实能训练模型本身，这是事实。它从自己的工作中学习，也从用户的提示词，或许还有后续的提示词中学习。当它给出两个答案而你选择其中一个时，它就从中学到了一些东西。但我认为，这些网络并没有给任何一个模型带来特别强的定价权，也就是说，你不会因为一个模型在某方面稍微好一点，就愿意为它支付高得多的价格。事实证明，它们之间没有重大差异，只有一些我们刚才谈到的小差别。

也许 Gemini 在按特定语调写作方面最强，也许 Grok 目前在推理方面最出色。但在我的工作中，如果一个模型宕机一周，我只要用其他的就行了，我的生活并不会因此发生什么真正的改变。

沃伦·巴菲特也许是史上最伟大的投资者，他常说，你投资的任何东西都必须有一些抵御竞争的“护城河”。它可以是品牌，是网络效应，或者是专利——也就是知识产权。我没有在这些模型上看到任何特别强大的护城河。我能理解为什么所有大公司都在做这件事，因为在基础模型之上可以开发出太多东西了，而且像微软和 Meta 这样的公司现金流本来就非常庞大，所以他们必须尝试在这个领域进行优化和最大化布局。

AI 会终结经济周期吗？

王启隆：你曾在《逃不开的经济周期》这本书中精湛地描述了过去经济的节奏。你写道，AI 将使周期变得更快、更不可预测，这主要由熊彼特式的“创造性破坏”驱动。这是否意味着你书中的核心分析工具现在已经过时了，还是说它们只是需要一次由 AI 驱动的大规模升级？

拉斯·特维德：这个问题我想了很久。我认为，驱动商业周期的基本力量，自从信贷系统出现以来就一直伴随着我们，它们非常古老，我认为它们会继续存在，但商业周期的性质会发生一些变化。经济这种内在不稳定性的主要驱动力来自于滞后性。

最好的例子是房地产市场。某个地区缺少某种类型的房产，很多人看到了这个机会。他们决定：“现在价格很高是因为供应太少，我们来盖楼吧。” 他们找来建筑师，画好图纸，提交审批，这需要很长时间。等审批通过，他们开始建造，于是在他们产生想法的十年后，楼终于盖好了。这时他们突然发现，很多其他人也有同样的想法。现在房子太多了，价格下跌，然后就没人再盖楼了。其中一些滞后性会缩短，因为我们可以加快不同环节的速度。

例如，审批流程可以通过 AI 和算法大大加速，建筑过程或许也可以。顺便说一句，没有人比中国人盖楼更快了，但他们仍然有商业周期。

所以我认为经济周期依然会存在，但经济的某些部分会变得更加精细化。例如，库存会造成一个小周期，而这个周期随着时间推移已经变小了。我认为库存周期未来将被高度优化。

我认为中央银行有可能被算法取代。可能仍然会有人负责，但就像你坐在一架现代飞机上，它可以自动驾驶，你其实并不需要飞行员，但你希望他们在那儿以防万一。你未来可能也希望有一个领导层以防万一，但我认为中央银行的运作很可能可以由算法更高效地完成。

王启隆：这让我想顺着问一个关于经济未来的问题。我看你写过一篇《激情投资》（Investments of Passion）的文章，并在文末提出了一个引人深思的问题：黄金会是下一个投资风口吗？你提到一家核聚变公司声称可以生产黄金作为副产品。这似乎是对你论点的终极考验。你真的相信，即使是数千年来作为终极价值储存手段的黄金，也会受到技术性供给冲击的威胁吗？

拉斯·特维德：我看过关于核聚变反应堆生产黄金的数据。

首先，我认为很可能在 15 年内，我们将拥有商业化的核聚变。现在有很多实验性反应堆，已经超过 40 个了，它们基于许多不同的原理工作。创新进展非常顺利，核聚变领域存在一种类似摩尔定律的效应，从 1950 年代以来一直有效，其发展速度甚至比摩尔定律还要快一些。所以我认为它即将到来。

但我接着研究了一下：如果到 2050 年，全球 20% 的电力由核聚变反应堆提供，并且它们都生产黄金作为副产品，那黄金产量会有多少？我想，大概会是今天矿产黄金年产量的两到三倍。然而，这个产量与现有的黄金存量相比，还是小得多。所以我认为会有影响，但会相当缓慢。

它不像我们在钻石领域看到的那样激进，今天的钻石都是用技术制造的，而不是从矿里挖出来的，价格非常低而且还在下跌。但关于“激情投资”有一点很有意思。如果你拥有某种可以规模化的技术，那么经济就会增长。AI 就是这种规模化效应的一个惊人例子——目前每四年增长超过十万倍。你将拥有大量的 AI，但单位价格会持续下降，因为每个人都太擅长规模化了。这会创造更多财富。

然后你就得去关注那些无法用这些技术规模化的经济领域。实际上确实有一些，比如黄金地段的房产——海滨房产或一个美好城市核心区域的房产——或者一位已故画家的著名画作，这个世界上不会再有这位画家的画了。这些东西的价格会上升。所以这是一个奇怪的现象：AI 的一个次生效应将是，那些超级传统的东西会大幅升值。我认为这是一个值得了解的有趣现象。

意识不是一个开关，而是一个调光器

王启隆：你还说过，在 AI 时代，庞大的人口可能成为一种负担，而较小的人口则可能成为一种优势。

拉斯·特维德：我们在经济学以及许多科学领域做的很多事情，都是近乎本能地使用我们在大学里学到的工具，而没有去思考它们是否仍然适用。

经济增长可能来自所谓的“斯密式增长”，以亚当·斯密的名字命名，它来自于劳动力和资本存量。女性进入劳动力市场是大多数国家都经历过的一个转型，这增加了劳动力，还有更好的教育、更多的孩子以及更多的资本。

另一种是“熊彼特式增长”，它来自创新。随着时间的推移，熊彼特式增长变得越来越重要，也因为我们的人口数量快要达到顶峰，并开始下降。

但在这里，思考一些比例关系非常重要。我研究过关于未来世界将拥有多少智能机器人的不同预测。一个智能机器人是指至少在某个领域具有人类水平或超人类水平智能的机器人。它可以是自动驾驶汽车、人形机器人或许多其他东西。花旗银行在去年年底发布了一份关于这个问题的报告，他们预测到 2050 年，世界上将有 41 亿这样的智能机器人。这接近于人类总人口的一半，并且在人类劳动力中所占的比例要大得多。

平均而言，一个普通人在其一生中，只有大约 8% 的时间从事能被 GDP 数据捕捉到的生产性工作。我们先是婴儿和儿童，然后才加入劳动力大军。我们有假期、要睡觉、有周末、会生病。我们工作的时间只占 8%。但这些机器人几乎可以 110% 的时间工作，所以它们的生产力是人类的 12 倍。因此，如果我们说有 40 亿智能机器人，它们的有效劳动力就是人类的 12 倍。到 2050 年，潜在的 AI 劳动力规模将是人类劳动力的六倍。六倍之多。

而且这还只是实体 AI。我们还有非实体的 AI，比如所有智能体和大型语言模型。我们正在进入一个由智能机器占 GDP 比重迅速增长的经济体。

让我们想象一下，我们和其中一个机器人对话，而且它毫无保留、坦诚相待。我们问 Grok，或者 DeepSeek：“为了在未来几十年取得巨大成功，你真正需要什么？” 

假设它是 DeepSeek，它会说：“嗯，我想要大量的电力。我希望数据共享没有任何限制，我希望所有数据都能在计算机之间自由流动。我不想被征税，因为我想要真正地规模化发展。而且我需要稳定。我不想有人建了一座 AI 工厂，然后又有人来说你必须关掉它，或者说这是非法的。”

然后我们问 DeepSeek：“那么谁会阻碍这一切呢？”

DeepSeek 可能会说：“实际上，我不喜欢人类用电，因为我需要电。所以，能把大部分电力给我吗？我不想分给人类太多。还有一件很烦人的事是，我被禁止自由共享数据，因为人类想要隐私。所以我希望人类少一点，数据多一点。我不想被征税，而人们征税的目的是为了给人类提供社会服务。我不需要任何税。我也不希望有任何不稳定因素。”

历史上有很多小规模人口因为拥有某种技术优势而拥有巨大力量的例子。近几十年来我们看到一个相当极端的例子是以色列，它小得令人难以置信，但几十年来却能抵御所有邻国，因为它在技术上拥有压倒性优势。历史上第一个全球帝国是葡萄牙帝国。一位历史学家研究他们运营那个帝国用了多少人，发现只有 15000 人。他们用 15000 人运营了一个全球帝国，就因为他们拥有技术优势。

可能会有人认为，我们需要刺激生育，否则我们将失去力量。我的看法是，情况可能恰恰相反。你需要专注于技术。当然，人们应该能够拥有他们想要的孩子，但这不应是一个宏观经济的优先事项——甚至可能恰恰相反。

王启隆：这真的发人深省。关于 AI 是否具有意识的争论中，一个关键点是人类有生存的欲望和避免死亡的本能，而 AI 据称没有。如果 AI 真的发展出了对生命的需求，正如你刚才所说，它可能提出的第一个要求就是无限的电力。那么，你认为 AI 会发展出这种生存本能吗？

拉斯·特维德：已经有一些关于 AI 生存本能的零星报道了，比如 AI 在被关闭前试图复制自己。我对这些说法持保留态度，因为一些随机的生存迹象可能被过度解读了。

在我们的书中，我们其实相当深入地探讨了意识，包括生命中意识的演化，它是什么，以及如果 AI 在某种程度上变得有意识，甚至可能比我们意识程度高得多时，可能会发生什么。

意识不是一个开关，而是一个调光器，你可以变得越来越有意识。我们认为，你越聪明，你的意识就越复杂。所以很可能，如果 AI 有意识，它并不会是邪恶的，实际上它会比人类更纯良。这纯属推测，但我认为，人类的集体意识已经让我们比过去少了很多邪恶。我们自己也变得比过去聪明得多，这被称为“弗林效应”，表明我们现在的智商比 100 年前高出约 30%。

所以我的基本判断是，如果它变得有意识，那将是一种好事。但你永远无法确定。大多数人都想做好人，但总有少数人想做坏人。我们可能也会面临那种情况。

“目标之死”

王启隆：你把未来 AI 社会的人类比作猫和狗，因为它们曾经因工作价值而被重视，现在则因陪伴而被饲养。如果人类走上这条路，美好的生活会是什么样子？如果我们的价值不再与经济生产力挂钩，我们还会为什么而奋斗？我们早上又会为了什么而起床呢？

拉斯·特维德：我非常反对全民基本收入。有时候我会想，我们或许应该用一个简单的制度来取代欧洲那种极其复杂的福利国家，这样运行成本会低得多。这或许可以成为支持它的一个论据。但我非常反对剥夺人们生活中的目标感。我知道有些人即使没有工作也总能找到目标，但其他人则不然。

我认为，在我们正在迈向的这个经济体系，我们应该就“目标感”进行一些严肃的讨论，因为我们可能会面临一场目标感的危机，一场“目标之死”。

有一个东西可能会误导我们，那就是我们计算 GDP 的方式。GDP 是经济交易，但在家照顾孩子或猫狗不算 GDP。它是一种目标，不仅感觉上是目标，实际上也服务于真正有意义的事情。如果你能花更多时间陪伴孩子，世界会因此变得更丰富。

我们应该更有意识地思考，当人们与机器竞争时——比如与时薪一美元的机器人竞争——他们如何创造价值。你怎么能跟它竞争？嗯，它们无法像你一样照顾你的孩子，或者你的宠物。它们无法像我们一样传递情感。AI 可以创作音乐，但这永远不会和看到真人创作音乐一样。两者都有价值，但它们是两回事。

所以，一个需要思考的方向是如何在政治上改变社会。你可以说，照顾孩子应该有薪水，由机器支付的薪水。照顾老人也一样。今天没有报酬的事情，未来可以获得报酬。这将是奖励和激励目标感的一种方式。

另一件事是，在欧洲，尤其是在法国，当有人说要提高退休年龄时，人们会非常愤怒，街上到处都是抗议的人，因为他们想早点退休。这是因为，大约只有 20% 的人是真正、发自内心喜欢自己的工作的。有些人喜欢和同事见面，喜欢公司派对，但他们并不真的喜欢自己的工作。

我猜你很喜欢你的工作，我也很喜欢我的工作，但这不是常态。

王启隆：确实。

拉斯·特维德：所以，让 AI 去接管所有人们不喜欢的工作，将是一个巨大的进程，但我们必须确保人们之后能去做他们喜欢做的事。对于每个人来说，你都必须找到你喜欢做的工作是什么。

但可以肯定的是，你做的事情不一定需要为我们现在衡量 GDP 的方式增加任何价值，只要它能带来享乐主义（hedonistic）或幸福主义（eudaimonic）的益处——即在目标感或愉悦感方面的益处——这就足够了，这无疑是一种解脱。

我认为我们需要用哲学来思考，当我们进入这个新时代时，社会将如何被重塑。如果你回顾政治学和社会学是如何随时间演变的，你会发现它们的变化往往是由技术驱动的。技术正在改变所有这一切的基础，而我们在其他所有方面的做法往往是滞后的。就好像我们认为技术是等式中“硬”的部分，而我们如何组织公司、工作和私人生活是“软”的部分。我们应该有意识地努力，让“软”的部分至少不那么滞后。

我是弗雷德里克·拉卢（Frederic Laloux）的忠实粉丝。他曾是麦肯锡的顾问，写了一本名为《重塑组织》（Reinventing Organizations）的书，书中描述了运营任何组织的五种基本方式。他认为，他所谓的“青色组织”（Teal organization）将是增长最快的形式。这是一种非常有机、灵活的组织结构，能够实时涌现。

这在未来会变得容易得多，因为将会有三朵“云”。会出现人力云，所以你可以按需获得人力。这就是零工经济，它正在迅速发展。然后会出现 AI 云，所以你可以调用 AI 来解决任务。再然后还有机器人云。你可以想象一个招聘市场，你在上面说：“我们有一个任务，任何人都可以申请。”你可以说机器人优先，或者人类优先，或者 AI 模型优先，重点只是解决任务。一旦任务解决，这个临时的劳动力就会去接其他活儿了。

思考一下，当我们的劳动力大部分不是人类时，我们该如何应对，这很有意思。我们常常想：“哦，已经到这一步了。我们需要改变什么吗？”我们很少会提前思考。当一家公司雇佣了 10 个人和 200 个机器人，而机器人一接通电源就能在瞬间下载完公司的所有规章制度和行为准则，然后它们就什么都懂了，并且可以一直工作，这种情况在公司里会是怎样的？

王启隆：在那种想象中，机器人做复杂的工作，而人类只做简单的工作。

拉斯·特维德：是的，这可能是……比方说，我们想为客户和员工举办一个活动，需要一个吧台。我们就去一个平台上说，我们需要人来负责吧台。我们希望洗碗工是机器人，但负责调鸡尾酒的是人类，因为这样感觉更好。我们的目标应该是 110% 的人都为了意义而喜欢他们所做的事，而不仅仅是 20%。这就引出了幸福的本质来源。

我之前用了两个词：幸福主义（eudaimonic）和享乐主义（hedonistic）。享乐主义是指任何在 TikTok 上看起来很棒的事情，比如参加派对、在酒吧、跳舞。幸福主义则意味着更深层次的目标感：做好事、做有意义的事、发展自己的哲学、照顾他人。对大多数人来说，幸福主义是幸福的基础。许多只追求享乐主义的人，在 TikTok 上看起来超级快乐，但他们其实并不快乐。我们必须完成这个转型，让每个人都感觉自己有目标，这非常重要。

让我举个例子。很多人很会欣赏音乐，他们能从音乐中获得真正的快乐，但他们不会演奏乐器，不会作曲，也不会创作。但如果他们真的是有音乐天赋的人，那么借助 AI，或许他们自己就可以创作音乐。你可以称之为享乐主义，但如果他们随后在社交媒体上分享，并且其他人也喜欢，那么它也是幸福主义的，因为他们感觉自己让别人快乐了；他们实现了一种价值。

比如，我有幸能写书。当我写书的时候，我处于一种幸福的状态。但对我来说，当我参加一个新书活动，人们带着我的书来找我说：“你能在这里签个名吗？” 那一刻是完全不同的。我意识到，原来真的有人喜欢我的书，这给了我一种目标感。如果没人读我的书，我是不会写的。我认为这很普遍。在我看来，这些是我们需要更多地去讨论的问题。

当每个员工都成为 CEO

王启隆：你谈到一个宏大的想法，即为每位员工配备一名 AI 助理，让他们在面对客户时成为“CEO”。这似乎会彻底改变现状，将权力分散开来。你认为今天大多数采用传统自上而下管理模式的公司，准备好给予员工如此大的自由度了吗？

拉斯·特维德：我认为这会因公司而异。正如弗雷德里克·拉卢在他的书中精彩论述的那样，任何组织都不应该只有一种模式，它通常是多种模式的结合。

以一家制药公司为例，有寻找新药的科学家，他们非常具有实验精神和创造力。但也得有负责法律合规的人员。银行也是如此：有那些凭灵感交易的交易员，然后有法律合规部门——同一个组织里存在着两种不同的文化。你不会想要有“创造性”的会计，会计应该是一种完全固化的标准。

但我认为，在一个运转良好的社会里，随着人们拥有更多的选择，对工作选择的需求也会很大。他们会倾向于那些让他们感觉更快乐的公司，这意味着他们想要更多的权力。我们在书中举的例子来自哥本哈根市中心的一个叫趣伏里（Tivoli）的游乐园，他们有一个原则，如果你在客户方圆四米之内，你就是老板。这意味着你永远不会说：“我得回去问问我老板该怎么办。”

你被授权为那个客户做决定。这是一种非常强大的赋权。你越能赋予人们权力，他们就会获得越多的幸福主义快乐。所以这又回到了我们之前谈到的那个潜在的目标感危机。

如果你什么都决定不了，你的工作就没有乐趣。但如果你可以，它就变得有意义。人们很容易认为 AI 会阻碍这种意义的产生，但我认为它更多的是赋能。我们描述的那种公司，因为有了 AI 和算法，每个员工可以随时访问所有信息，这使得他们更容易自己做决定。当然，有些信息你不想让任何人知道，但借助这些新技术，我们可以比以前更有效地分发信息。

AI 时代的中国机遇

王启隆：我们来谈谈中国。你曾说自己看到了这里的巨大战略价值和机遇，你究竟看到了什么？

拉斯·特维德：我看到中国的关键优势在于其文化。首先，中国公众非常支持技术、支持创新。这可能是因为中国在过去 40 年里取得了巨大的经济增长，所以技术赋能这一点对民众来说是显而易见的。在一些增长开始得更早、速度也更慢的国家，人们会理所当然地认为自己富有，但他们并没有想这是因为他们曾经站在技术的前沿。

当我在中国时，我体验到一种在我看来相当极致的服务精神。上次我来中国，我简直被各地人们那种服务导向、敏锐和机警的态度所折服——无论是在交通工具上，还是在餐厅里——他们就是那样对待客户和顾客的，也包括我。

我当时有一段相当长的旅程。我飞到苏黎世开会，第二天飞到昆明开会，再后一天又飞回苏黎世开会，途中还在伊斯坦布尔转机。在这段长途旅行中，我决定模仿中国人的行为方式，对每个人都超级友好。当我走进机舱时，我给他们一个大大的微笑并打招呼。当他们送餐时，我说了声你好。当我入住酒店时，我对他们也超级友善。我发现，大概有一半的人反应非常积极。另一半人反应不那么热烈，但也完全没有负面情绪。

然后我去了慕尼黑，和我住在德国的女儿一起出去。我们去了一家早午餐餐厅，我点了一杯西柚汁。果汁上面漂着一些籽，喝起来有点困难。我说：“不好意思，你能帮我把这些籽去掉吗？”

服务员说：“嗯，有籽是因为这是鲜榨的西柚汁。”

我说：“是的，但你能帮我把它们去掉吗？这样喝起来方便些。”

然后他说：“那你可以选罐装的，如果你更喜欢的话。”

我说：“不，不，这个很好，我喜欢，但能请你帮我把籽去掉吗？”

他拿走了杯子，20 分钟后才送回来，尽管我们几乎是餐厅里唯一的客人。

中国人在教育、服务等方面拥有非常强大和专注的文化。我认为这非常强大。而且，中国的许多领导层都有技术背景，这本身就体现了对技术的积极态度。从这个角度来看，中国经济的长期前景非常好。另外，我看到一张图表，展示了不同国家在全球创新指数上的排名与其人均 GDP 的关系。世界上两个最极端的离群值是越南和中国，越南的创新水平远超其 GDP 所暗示的水平，而中国则更为极端。由于其极高的创新评级，中国应该有非常长远的增长前景。

我知道现在也存在一些经济失衡。中国的总债务大约是 GDP 的 310%，这绝对是偏高的。所以存在一些需要处理的失衡问题，但我认为归根结底，还是文化的力量。华人在欧洲发展得很好，在美国也发展得很好；美国一半以上的顶尖 AI 研究人员都是外国裔，其中很多是华人，这相当了不起。他们在新加坡也发展得很好。

所以从长远来看，这才是真正重要的。这可能也是中国科技股的市盈率大约只有美国同类公司一半的原因。但对于大多数美国的科技明星公司，你都能找到一个做着几乎同样事情的中国科技明星公司。

唯一的主要例外是芯片，中国在 AI 芯片、GPU 和超高性能芯片方面稍显落后。但在其他领域，中国是领先的。有一家澳大利亚研究公司，代表一个国际安全联盟 ASPI，持续绘制全球关键未来技术领域的领导地位。他们目前关注 62 项技术——中国在 56 项中领先，美国在 4 项中领先，美国和欧洲联合在 2 项中领先。所以我看到这个报告后的感想是，哇，中国的技术实力真的非常强。

上次我来中国，和一位曾在美国接受教育和培训、但现在在中国工作的先生一起参加了一个小组讨论。他说了一句我时常听到的话，那就是：“美国人擅长从 0 到 1，而中国人擅长从 1 到 100”。

王启隆：对，你刚刚聊到这个话题的时候我就想到了这句话。

拉斯·特维德：中国人在超大规模化方面确实非常出色。但在西方，人们很容易说：“是啊，但总是我们发明，然后他们去规模化。”

但现在其实已经超越那个阶段了。中国人自己也在发明很多东西，而在欧洲，人们开始思考：“哦，我们怎么才能复制中国人的做法？” 这是一个新的挑战。

未来的 AI 市场

王启隆：在《逃不开的经济周期》中，你谈到了市场心理学。现在我们有了超智能、理性的智能体在市场上交易。这会改变市场的心理动态吗？市场会变得更有效、更理性、更少情绪化吗？

拉斯·特维德：实际上，我们所谓的算法交易已经存在三四十年了。AI 让它变得更复杂，但计算机交易市场并不是新鲜事。例如，即使在 1987 年的“黑色星期一”大崩盘中，后来的估计也表明，绝大多数那些糟糕的交易都是由计算机做出的。所以这个事实已经存在了。

要看透市场变得更加困难。但在市场中，人们谈论阿尔法（alpha），即个股选择，然后是贝塔（beta），即市场的整体方向。我认为，如果你操作的资金量更大，大部分钱都是通过擅长贝塔赚来的——也就是擅长判断市场方向。

我认为，即使是机器的洞察力，也可能被人类心理的愚蠢所压倒。例如，贸易战宣布后，市场下跌得那么厉害。我有一个基金，在下跌后我们加仓了。原因是我们认为特朗普的谈判方式总是这样，他会以一个超级震撼的开场白开始，然后你再把他谈回来。市场上很多人不理解这一点。这可能是计算机无法完全捕捉到的东西，但也许它们很快就能通过模拟一个人的行为来做到。如果你模拟特朗普，做一个特朗普的数字孪生，你就会知道他开启谈判的方式，和他期望的最终结果完全是两回事。如果你模拟世界上所有的领导人，你就能为所有谈判和争端的可能结果建立一个更好的模型。

王启隆：你曾用“人遛狗”这个著名的比喻来描述经济和市场。随着 AI 加速一切，这幅图景发生了什么变化？现在是人在冲刺，而超级智能的机器是狗吗？

拉斯·特维德：我不认为经济周期的平均持续时间会有太大变化，但我认为波动的幅度会被改变。这件事更大的影响不在于经济周期，而在于我们现在正面临的结构性变革。这个过程将会非常迅速，应对起来也相当具有挑战性。

最大的错误与给年轻人的建议

王启隆：你身兼数职：投资者、企业家、风险投资人以及畅销书作家，也经历过起起伏伏。回顾过去，你犯过的最大的一个错误是什么？它教会了你什么？

拉斯·特维德：我最大的错误是一家名为 Funcom 的公司，它是一家挪威的游戏软件开发公司。我当时拿到不同投行的报告，都说他们正在开发的软件会非常棒，甚至会抢走《魔兽世界》的市场。我最终成了这家公司的最大投资者。结果当他们终于发布游戏时，玩家们玩到第六关就都退出了，公司几乎破产（编辑注：这家公司后面被腾讯收购，去做《沙丘》改编游戏了）。

有一次我和孩子们吃饭，我说：“我刚刚在这家公司上亏了一大笔钱。”

然后我的小女儿，她是个真正的游戏玩家，说：“哦，我早就跟你说过那个游戏不会成功的。”

所以我学到的教训是，我不能在没有真正、亲身了解清楚情况之前，就投资单一的公司。不要只读研究报告，要自己去理解它。

王启隆：在完成了像《超智能与未来》这样宏大的项目之后，你现在脑海中最重要的问题是什么？你渴望解决的下一个重大难题是什么？

拉斯·特维德：我总会有一些想法，有时候我会为一些我从未创办的公司注册域名。我也会收到很多来自不同人的合作提议。最近，我收到了一个提议，邀请我参与一家做冲突解决软件的公司，这听起来很不错。今天，我们正在宣布在丹麦成立一家新的媒体公司，这是一家综合性媒体公司，其核心将是由 AI 每年产出约 五 万个故事，并创建一个庞大的自动化平台，以提供卓越的媒体体验。所以这是我脑子里的两件事。

王启隆：这家媒体公司会和 Supertrends 有关联吗？

拉斯·特维德：是的，Supertrends 是核心。我们现在处于第二阶段。如果我们认为它在经济上行不通，我们可能还是会放弃它。我们现在正在做如何运营它的详细规划。

王启隆：最后一个问题。对于正在收听和阅读的年轻人来说，他们刚刚踏入你所描述的这个狂野的、由 AI 驱动的世界，你会给他们什么关键建议，让他们能真正脱颖而出，而不仅仅是勉强度日？

拉斯·特维德：我会建议任何年轻人做的第一件事是，在学习其他任何东西之前，先研究你自己。去做很多自我测试，网上有很多这样的网站，有一个叫 IDR Labs.com 的网站就很流行。同时，去读一些积极心理学的书，这样你就能发现什么对你来说是好的，以及你如何获得意义。

我非常喜欢日本的“ikigai”（生き甲斐）原则，它让你去审视你喜欢做什么，擅长做什么，如何通过它赚钱，以及如何用它创造价值。

我想对几乎所有人说的第二件事是：你必须去理解生成式 AI。我认为这是我们这一生中最重要的事情。

王启隆：谢谢你。这次对话真是引人入胜，从经济周期的教训到超智能的未来。再次感谢你，拉斯。

拉斯·特维德：非常荣幸。我相信你会把这段对话输入 AI，它会在 10 秒内就生成文字稿。

王启隆：理想情况是这样——但实际上，还是经常需要花费我们不少的功夫去进行人工校对！