A field manual for the singularity

奇点效应

沿用有效算力（effective compute）的数学模型回看此刻，我们已处在 AI 的奇点之中。这是一套面向未来三至五年的配置方法论——不是预测，而是一本可以被记分的账本。

开始阅读下载全文
6
Parts · 篇章
9
Indicators · 记分指标
3
Hard constraints · 硬约束
effective compute · OOM
we are here

Fig. 0 —智能 = 算力 × 算法 + unhobbling

Abstract

摘要

本书最早受到 Leopold Aschenbrenner 的《Situational Awareness》启发：沿用他采用的数学模型（effective compute，即有效算力）回看此时此刻，我们已处于 AI 的奇点之中。上一个三年，我们从 AI boom 中见证了第一批成功者——基础模型基建公司、芯片公司、能源企业与大模型公司这些头部玩家，这正是他预测中兑现的部分。而小型应用层公司，则随着模型能力的演化与部署公司（deployment company）的出现，竞争壁垒逐渐消融。

因此，本书以此时此刻为原点，在宏观经济叙事与国际环境的大背景下，复盘过去三年的 AI 进化历程，总结当今硅谷的科技生态，并由此推出一套面向未来 3–5 年的配置方法论，以及物理 AI 这一范式转换对该方法论的参数替换要求。

本书交付什么。本书交付的是一套面向未来 3–5 年的投资策略方法论，不是一份预测。它的推导方式是第一性原理：不从「AI 会发展到哪一步」这个无法证伪的问题出发，而从三组每季度都能用公开数据更新的硬约束出发——供应链的产能与交期、资本开支及其融资结构、以及收入究竟来自闭环之内还是闭环之外。这三组约束不受叙事影响，也不随情绪重定价；由它们推出的配置逻辑，在能力曲线快于预期和慢于预期两种情形下都成立，只是仓位分布不同。

本书不交付什么。第一，不交付 AGI 或 ASI 的年份预测：§3.1.3 与 §5.2 判断一不给年份区间，§3.1.4 明确不给 ASI 时间线。理由不是谨慎，是本书自己的诊断——凡以历史 OOM/年趋势率折算的年份，其信息量等同于日历时间上的线性外推，OOM 这一步不增加约束（§3.1.3）。第二，不交付任何单一维度的数据作为结论。本书出现的每一个数字都带口径，而多数关键量在不同口径下读数不同、甚至方向相反（总额法与净额法的收入、成本口径与动作口径的效率比、公开集与半私有集的基准分数）。把其中任何一个单独摘出来引用，得到的都不是本书的判断。读者若只取年份，取走的是本书最弱的部分；若只取某个数字，取走的是一个本书要求必须带口径使用的东西。

方法论由五条判准构成，每一条都直接对应一个配置动作。一、哪些公开指标已经不再承载信息，因而不该继续用于定价——饱和诊断给出识别方法与定量形态（§3.1.2）。二、技术风险如何换算成预算表上的钱：可靠性的连乘结构 R = ΠRᵢ 加上接管成本，把「9」变成每台每年的具体金额，由此定位出经济悬崖在 1 个 9 与 2 个 9 之间，而非行业叙事默认的 4 至 5 个 9；而 L2 到 L3 的断层是可接管性消失这一定性跳变，不是曲线上的一段。这两条决定物理 AI 标的的定价与择时（§3.2.2、§3.3.6）。三、需求的真假只有一个判准：付款义务落在闭环内还是闭环外。厂商对客户的投资、对客户债务的担保、相互采购承诺，都在闭环内，不构成独立需求证据；唯一有效的需求证据是终端企业付给云厂商的账单（§3.4.1）。四、数据优势是部署量的副产品，不是可以独立竞争的资源——泛化随环境数 × 物体数呈幂律，因此选标的时该看部署场景的杂度，而不是采集能力，集中式数据工厂结构性地打不过分布式真实部署（§3.2.2 断裂二、§3.3.8）。五、一级半市场的报价可不可信，买方自己就能核：在 EDGAR 上数一数标的名下的 Form D 与 SPV 层数，数量多、发起方杂、连号密集，说明看到的报价大概率来自分销层而非最近一轮真实定价。这是全书唯一一个不需要任何非公开渠道、个人投资者可独立复核的指标（§2 SPV 层）。

这套方法论的执行件是记分卡。§5.4 给出九个可公开观测、各附触发阈值的指标，§5.2 的每一条判断都绑定其中至少一个；凡不能绑定阈值者，不列为「判断」，只作观察。任一指标触及阈值，即应触发对应判断的重估，而不是等到年度复盘。方法论的可用性取决于它能不能被结算——年份会随数据移动，账本不会，而账本的价值在于它可以被记分。

Scorecard

记分卡：九个指标与八条判断的绑定

本书的主干是这张表，不是任何一个年份。它把 §5.4 的追踪指标前置到全书开头，理由是：一部以撤回为特色的书，最大的风险不是不诚实，是不可记分——每一条可能出错的主张都被预先标注为「示意」「演示」「方向性」「归纳性观察」之后，读者将无从判断本书对了还是错了。Tetlock 的校准研究（本书 §3.1.7 引）的核心要求正是可记分。本书因此立一条规矩：§5.2 的每一条判断都必须绑定至少一个附触发阈值的可观测指标；凡不能绑定者，不列为「判断」，——观察五（四类赢家）即按此规则保持在「观察」，不进入判断链。

读法：左列是可公开观测的量，中列是本书预先写死的触发阈值，右列是该指标一旦触及阈值应当被重估的判断。任何一条触发，都应当立即重估对应判断，而不是等到年度复盘。各指标的完整定义、口径与反向阈值见 §5.4。

#指标（可公开观测）触发阈值绑定判断
①METR 的 80% 时间跨度（不是 50%），须随点估计报告官方置信区间前置条件：METR 官方声明当前任务集在 16 小时以上不可靠（228 项任务仅 5 项超 16 小时），该阈值可能暂不可测，须等待任务集扩充。扩充后：80% 口径突破 24 小时且连续两个季度确认 → 判断一由方向性观察上调为判断；2027 年底仍低于 8 小时 → 原年份区间的撤回被追认为正确判断一
②ARC-AGI-3 的 RHAE，须注明评测切分与验证状态（见 §5.4）基准：ARC Prize 已验证的基座模型最高读数为 Claude Opus 5 的 30.16%（2026-07-24，High 档，Public Demo environments）。在同一官方验证口径下出现第三个数据点且较上一点提升超过 30% → 效率叙事成立；若提升仅出现在未验证的 harness 口径（Schema 约 99%、Berman 96.2%）→ 记为脚手架进展，不计入能力读数判断一、§3.1.4
③训练算力与推理算力的支出比推理支出占比连续两个季度超过训练支出 → 「配方换挡」由预测转为事实判断二
④推理市场中非英伟达份额的年度变化（自研 ASIC + 专用推理芯片合计）年度变化超过 ±5 个百分点即触发重估；正向超过 10 个百分点 → 「稀释」路径基本确认判断三
⑤主变压器与燃气轮机的报价交期，及主要数据中心集群的排队通电时长较 2025 年基准（约 18–24 个月）缩短 30% 以上 → 中间层瓶颈叙事减弱；延长 50% 以上 → 供电约束升格为第一约束判断二、判断四
⑥闭环外收入增速与资本开支增速的差缺口连续两个季度扩大且超过 40 个百分点 → 泡沫路径概率上调；收敛至 20 个百分点以内 → 路径风险降级§5.3 泡沫线（约束全部判断）
⑦学会一个新任务所需的演示条数，其年度下降斜率年度下降不足半个量级（不到 3 倍）→ 2029–2033 判决窗口趋向否定；下降超过一个量级且连续两年 → 泛化验证提前确认判断七、判断八 b
⑧单一客户重复采购超过 100 台的案例数年度新增 ≥3 起且来自不同行业 → 普及曲线启动确认；2028 年底仍为零 → 普及窗口整体后移判断七、判断八 b
⑨清盘样本中「四因子俱全」企业的占比（见 §1.1.4.8）在 n ≥ 50 的随机清盘样本中，四项俱全者占比超过 15% → 乘法法则被实质削弱；低于 5% 且存活样本对照成立 → 判断六上调为「中高」判断六

全书结构导览：Part 0 以 2026 年夏天的「奇点」为引子，复盘 Leopold 框架及其兑现情况；Part 1 从六个层面复盘上一个三年（ChatGPT 时刻、电厂与数据中心、模型演化、应用层生死、智能体与技能层、产业链地理）；Part 2 给出公司层的五层地图（收租者、超大规模厂商、Pre-IPO、应用与中间层、世界模型与机器人）与四类赢家观察；Part 3 建立方法论与量化推演——§3.1 语言模型侧的时间线，§3.2–3.3 物理智能的参数替换与飞轮，§3.4 风险三线；Part 4 记录地缘结构变化；Part 5 给出条件式判断与观察、八个附阈值的季度追踪指标与已知限制。

Contents

目录

  1. 00

    以 2026 年夏天的硅谷为原点，复盘 Leopold 的框架及其兑现的部分。

  2. 01

    ChatGPT 时刻、电厂与数据中心、模型演化、应用层生死、智能体与产业链地理。

  3. 02
  4. 03
  5. 04

    中美竞争的三层结构，欧洲、中东与小国的外生约束。

  6. 05
  7. 06