北京
AI会不会毁灭人类？Databricks CEO Ali Ghodsi 给出的答案很直接：接近零。他在 a16z 播客中反驳了"10% 人类灭亡"的说法，并抛出一套可证伪的四条件检验来支撑判断。
这套检验针对的是"递归自我改进"（RSI）。Ghodsi 的结论是：四个条件全部落空，而且方向恰好相反。
四条件为什么全部落空
第一，成本在涨不在跌。模型训练成本从 1 亿美元涨到 50 至 100 亿美元，这与"自我改进会让成本骤降"的预期背道而驰。
第二，参与的人在变多，流程反而更脆弱。第三，一年只能训练一两次，且已经出现多起失败案例。Ghodsi 用这三点说明，当前并不存在一个能自我加速、自我复制的闭环。
播客中 Martin 补充了一个区分：90% 被称作"RSI"的东西，其实是"自催化效应"，而这是所有通用技术的常态，并非 AI 独有。
一场被框错的公关
话题转向 Anthropic。Martin 认为其 CEO Dario 那份文件的内容"完全合理"，问题出在框定方式——把它包装成"为前沿控速"，是一步公关臭棋。
他的理由是：控速与安全是正交的两件事，这种说法没有可信度，还落入了恐怖谷。正确的说法应该是"保障前沿"。
背后的博弈逻辑也被点破：没有实验室会单方面减速，"求政府来管我们"在某种意义上，是求一个强制性的集体减速机制。
真正紧迫的威胁在网络侧
Ghodsi 判断，"数据/AI 市场"与"网络安全市场"正在融合。他给出的时间线很刺眼：CVE 漏洞从公布到被实际武器化，过去是 2 到 3 年，2022 年压缩到 8 到 9 个月，如今已缩短到小时级。
他的结论是，人类对正在发生的攻击反应速度不够快，必须全自动化。
而企业真正的瓶颈，不是模型不够聪明，是缺失"组织本体"（Ontology）——模型手里没有组织的上下文。Databricks 自建了数百万节点的图谱，Ghodsi 说公司运营方式在一年内彻底改变。
他用一个类比解释这件事的难度：今天 agent 逐个调用 MCP 服务器检索，就像谷歌当年不建索引、每次搜索都实时爬十个网页再总结，又贵又慢质量又差。Ontology 就是企业版的"离线计算的 PageRank 索引"，但要难得多。
成本账：token 涨了，总成本没涨
Databricks 的控费实践有几条可复用的做法：
- CEO 本人用模型向生产环境提交代码，以此向全员施压
- 通过 Unity Gateway 做预算约束、用量预警和智能路由
- 同一个模型换不同 harness，成本差近 2 倍
结果是 token 用量持续上升，总成本持平。开源占比方面，按金额约 5%，按 token 量已超 60%；初创公司面向产品的场景接近 90% 开源。
Ghodsi 还提到一个细节：他的姐姐在储水，准备应对 AI 末日。他的态度是，领导者有责任不必要地不吓唬公众，除非有真正充分的理由。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
