桥水创始人达利欧：AI 生产力翻倍，财富断层会被拉大还是抹平？

全文 3,000字 | 阅读约 10 分钟

(桥水创始人Ray Dalio最新访谈精彩片段)

2025 年 6 月 26 日（视频于 7 月 10 日上线），桥水创始人瑞·达利欧（Ray Dalio） 在纽约 92nd Street Y 与 David Rubenstein 的对谈中，被问到：“AI 能否一劳永逸解决经济难题？”

Dalio 先给出乐观判断：“AI 的生产力红利，将是上轮技术周期的两倍。”随即话锋一转：

美国 60% 成人阅读能力低于六年级。 当生产力与教育脱节，AI 把饼做大，也可能让断层更深。

他用“技术红利 × 分配鸿沟”形容正在撕开的 “财富断层”：

• 顶端 10 % 人群贡献 76 % 税收；

• 若他们哪怕一半“用脚投票”，地方财政立刻露出缺口。

那么大方向的问题看清了，但具体怎么做呢？

两周后，在 NYC Anyscale 大会现场，桥水 AI 实验室负责人 Jas Sekhon 给出回应：AI 不只是模型比拼，更关乎结构对冲。他提出三条“防守曲线”：

1. 算力成本曲线：盯紧每个 token 的 ROI；

2. 上下文窗口曲线：压低幻觉，延长推理跨度；

3. 因果鲁棒曲线：给 LLM 加一层安全因果阀。

AI 不是灵丹妙药，而是一条动态曲线——个人和企业活在这条曲线上，国家也一样。

本文将沿“宏观问号 × 技术解法”的双镜头展开：还原达利欧的风险清单，透视桥水 AI 的实战框架，最后给出组织与个体的“自保策略”。

第一节｜达利欧警告：AI 让强者更强，不会自动抹平断层

达利欧一开场就给出乐观判断：

AI 的生产力红利，大约是互联网等上一轮技术投资的两倍。

但这句话只是表层。他真正关心的，是这些红利最终流向谁。

在与 David Rubenstein 的对谈中，达利欧核心警告：

当前社会中，顶端10%纳税，底层60%无法参与。

他担心的是：AI 继续把饼做大了，但吃饼的人还是那群人，甚至可能更集中。

因为生产力提升，并不会自动带来教育提升、机会平等或收入结构的改善。技术的扩张，如果搭载在一个原本就不均衡的底座上，很可能不是抹平差距，而是把断层变成深渊。

他将这种趋势称为“技术尾风 × 分配逆风”。简单说就是：技术进步很快，但收益分配跟不上。

他强调，“制度基础”远比技术红利更决定一个国家的长期命运。

我们需要让大多数人都有生产力、有文明、有合作的能力。这个社会才能正常运转。一个文明社会的基本盘，是孩子能受教育，是法治管得住，是资产负债表健康。

他并没有否定 AI 的价值，而是在强调一个现实：当社会结构本身就存在不公平时，技术进步反而可能加剧不平等。再先进的工具，在倾斜的系统中不仅不会抹平断层，反而只会让强者更强。

最终结果是：富者越富，穷者越穷。

第二节｜桥水核心理念：AI 要解释得清，而非猜得准

未来不像过去，金融领域尤其如此。

Jas Sekhon 说这句话时，背后有着具体的技术考量。他强调的是：模型的任务不是预测，而是解释。

在纽约 7 月 8 日的 Anyscale 的炉边对话中，桥水基金 AI 实验室负责人 Sekhon 首次公开了他们内部对于 AI 投资系统的真实思路：如果你只是用模型去回看历史数据，做预测，那在金融领域会非常脆弱。

为什么？

他说得很明白：

“金融不是医学。医学中你能得到一份 X 光片，AI 能告诉你哪里骨折，甚至比人类医生还准。但金融是对抗性的，每一个变量都可能被人提前操控。你看到的数据，很可能是别人故意让你看到的。”

也就是说——金融不是一个干净的池子，数据不是“天落下来”的，它是被人放进去的。

这也解释了为什么，桥水从不单靠“相关性”驱动决策，而是坚持引入因果结构。

大模型懂世界，但不一定懂“为什么”

Sekhon 讲了一个对比：Reddit （美国知名社交平台）上能找到很多关于市场情绪的帖子，但那只是情绪，不是因果。你不能靠 Reddit 了解胆固醇是如何被肝脏代谢的。金融领域也是一样——你看到的热词、新闻、涨跌背后，未必有逻辑结构。

他举例说，在桥水内部，大语言模型的作用不是直接预测市场，而是帮助人类研究员建立世界模型：

我们不是问它‘美元会不会升’， 而是问它‘如果美元升，是因为什么’。

这句话的关键不在预测，而是在说清楚道理。

医疗数据多，金融数据脏：模型不能盲信

他说，大语言模型在医学领域的效果很好，主要是因为数据结构比较统一，标准明确、因果清晰：

“我几个月前骨折，在急诊室拍了 X 光。我上传到商业版 ChatGPT，它直接告诉我是三处骨折，还提示我去专科医院。它非常准——因为这类模型见过上百万张 X 光，有规律可循。”

但金融不同：

“你无法指望桥水把最好的策略公开上传到网络上。财经新闻常常自相矛盾——同一个市场走势，华尔街日报和彭博社的解读可能完全相反。”

换句话说，大模型如果只喂公开数据，学到的可能只是错误信息的叠加，而不是真正的规律。

所以，桥水内部必须结合因果建模、结构推理、真实人类经验——否则所谓的“智能”很容易走偏。

桥水的态度：不指望 AI 替人，而是让人能“读懂 AI”

Sekhon 点破了一个现实：过去我们用 AI 做图像分类，错了也没关系，广告投错了没人在意。但金融不一样，一旦错了就是钱的损失，甚至是结构风险。

所以，他们在桥水强调三个关键词：

• 解释性：你要能说出模型为什么做这个决定

• 鲁棒性：模型不能被少量异常数据搞乱

• 演绎力：不是靠记忆，而是能在新情境中推理

他说：

“我们不是追求模型100%正确，而是希望它90%正确、10%我们知道它错在哪。”

这就是桥水的态度：不是比谁更聪明，而是比谁更了解自己的AI工具，知道它'什么时候能信、什么时候不能信'。

第三节｜三条防守曲线：AI 能解释、能容错、撑得住

在金融这样一个不确定性极高的领域，Jas Sekhon 提出的不是“全交给 AI”，而是三条让系统更稳、更可控、更能解释的“防守曲线”。

他说：

AI 不是灵丹妙药，而是一条动态曲线 ——企业活在这条曲线上，国家也一样。

这三条曲线，来自桥水内部真实的实践经验——不是抽象概念，而是他们在 2024 年部署 AI 投资系统、接受外部资金、构建全新技术栈时，压过的一道一道硬线。

曲线一：算力成本线——每个 token 都要算 ROI

Sekhon 直言，AI 决策的计算成本，并非“可忽略”项。我永远都在向工程团队要更多算力。无论给我多少，我都能在研究中花完，然后再申请十倍。

但他马上补了一句：不是越算越聪明，而是每一次计算，都必须清楚能不能带来收益。

这背后是桥水的现实考量——他们不是做科研，而是在用 AI 管真实的资金池。

他强调：必须控制每个 token 的价值密度。

这也是桥水近年来加快与 Ray、Anyscale 等开源计算平台合作的原因之一。他们不是堆预算，而是让“计算更高效、扩展更灵活”。

Sekhon 用数据说话：我们的生产系统计算量在过去一年增长了 10 倍，研究人员的算力提升了 50 倍。但这还不够，我们还在优化。

曲线二：上下文跨度线——模型不能只记得第一句话，忘了最后一句话

第二条曲线，关乎大语言模型怎么才能更像一个真正思考的人。

Sekhon指出：

现在很多模型擅长背诵，但不擅长推理。 它们往往记得对话开头，却忘了结尾。

在桥水这样一个需要处理宏观叙事、变量交织、时间跨度长达数月甚至数年的场景中，上下文保持能力，决定了模型能不能贯穿事件之间的关联。

所以他们投入大量资源，把上下文窗口尽可能拉长，并训练模型减少幻觉、保持因果链条的完整性。

他说：

“我想做个有趣的测试——让 AI 假装不知道新冠这回事，只用2020年前的知识来看现在的世界。看它会怎么理解。”

这比简单的'答对题目'要求更高——让模型像人一样，知道什么时候该输出什么，有条件地思考问题，而不是把所有信息一股脑倒出来。

曲线三：因果鲁棒线——不是相关就信，而是能不能解释“为什么发生”

第三条曲线，是桥水的底牌——让模型不仅能说，更“说得通”。

大多数模型是相关性驱动的，但世界是因果驱动的。

Sekhon 解释，桥水内部已经不用预测型模型做核心决策。他们用的是带因果推理结构的系统，这样即使模型在某些数据段表现不佳，也能知道问题出在哪里。

他说：

“我们不是要让模型完美，而是知道它出错的边界在哪里。” “如果它错了，我们得知道是因为哪里信息不足，而不是完全失控。”

这条曲线的核心，是为了降低决策的不确定性，而不是提升答题正确率。

防守比进攻更重要，解释比预测更关键

这三条“防守曲线”，构成了桥水对 AI 的基本态度：

• 不是越用越强，而是要算清成本；

• 不是回答得快，而是理解得深、记得久；

• 不是说得漂亮，而是能讲清背后的逻辑和因果。

Sekhon 说：

“遇到问题不能头痛医头脚痛医脚。要从根本上解决，让系统自己变聪明，而不是每次都人工打补丁。”

在桥水看来，未来 AI 投资的制胜关键，不在谁算得快、谁买得准，而在谁能打造出一个既能解释，又能扩展的系统架构。

结语｜技术红利不会自动流向你，结构准备才会

Ray Dalio 没说 AI 是坏事，他只是强调：技术进步从来不是平均分发的，它只是放大现有的不公平。

AI 的生产力可以翻倍，但如果教育、税制、制度基础没有跟上，那些“红利”，只会流向已经站得更高的人。

Jas Sekhon 没谈哲学，也没喊口号。他讲的是：让系统活得更久、更稳、更解释得清，比什么都重要。

他提出的三条“防守曲线”，不是工程术语，而是一种现实提醒：

• 企业不是拼谁用 AI 更早，而是谁撑得住模型出错时的波动；

• 国家不是看谁拥抱技术更快，而是谁能让 AI 带来的红利不只落在塔尖；

• 个体也不是比谁工具用得溜，而是能不能成为会用AI放大自己的那类人。

AI 能替你做决策，但不能替你承担后果。 你若没有结构思维，它再聪明，也只是工具。

现在的问题不是“AI 多强”，而是当它越来越多地影响工作和生活时，你准备好了吗？

本文由AI深度研究院出品，内容翻译自Ray Dalio及Jas Sekhon访谈。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

参考资料：

https://www.youtube.com/watch?v=eGtGKk0E_qk&t=1353s&ab_channel=The92ndStreetY%2CNewYork

https://www.youtube.com/watch?v=WVT0Gksw56w&t=77s&ab_channel=Anyscale

https://fortune.com/2025/06/03/ray-dalio-ai-technology-future/

https://www.92ny.org/event/ray-dalio

https://www.happyscribe.com/public/the-tucker-carlson-show/ray-dalio-america-s-hidden-civil-war-and-the-race-to-beat-china-in-tech-economics-and-academia

来源：官方媒体/网络新闻

排版：Atlas

编辑：深思

主编: 图灵