被挖大牛，公开演讲：把AI当作一种终极杠杆

当学习变得廉价，真正稀缺的是主动探索的意愿。

这两被媒体爆出Meta挖走的OpenAI研究大牛，也不在社交媒体上公开澄清下，不过却把过去一些经验分享公开出来啦！

Hyung Won Chung 是今天被爆 Meta 扎克伯格挖走的另一位重磅 OpenAI研究员。他是 MIT 博士，此前为 Google Brain研究员（2019-2023）。在OpenAI期间，其的工作重心先后是 o1-preview和o1项目，之后转向了深度研究（deep research）。而现在，他更专注于AI代理（agent）这个方向。并对推理（reasoning）、AI代理以及与之相关的一切都抱有极大的热情。

受康奈尔大学 计算历史学家Unso Jo的邀请，做了一场题为《AI作为一种终极的杠杆形式》的演讲。

4大AI杠杆法则

杠杆本质进化论：

人类文明通过“人力→资本→代码/媒体”三级杠杆突破能量守恒束缚，而AI以人力替代（熵减工具）??代码复制（零边际成本） 的复合形态，重构输入-输出法则。

个体认知奇点：

AI将知识获取的摩擦系数降至趋近于零，倒逼竞争力标尺从记忆存量转向探索增量——好奇心成为新稀缺资源，不用AI者如同你妈妈拒用洗衣机。

? 科学范式跃迁：

AI正从“专家协作粘合剂”（填补知识鸿沟）升级为自主研究引擎，其超线性推理能力将引爆“知识重组红利”，使牛顿式个体天才让位于人机共智网络。

? 文明操作系统重置：

当10人团队借AI智能体达成百人产能时，企业规模律失效；当复杂系统设计（进化盲区）取代重复劳动时，文明竞赛规则改写为“人类想象力×AI执行力”。

这是我于2025年5月2日在康奈尔大学的演讲《AI 作为终极的杠杆形式》。

当我们思考“如何提高产出”时，一个念头会很自然地浮现：“多工作几个小时”。延长工作时间确有助益，但这条路终将触及我们身体的极限。

然而，一个更深刻的问题是：“如何在不大幅增加投入的前提下，实现产出的飞跃？”这，就是杠杆的力量。

“杠杆”一词我们耳熟能详，以至于它背后深沉的意涵常被轻易忽略。在众多关于杠杆的解读中，我个人最推崇纳瓦尔（Naval Ravikant）的分类：人力、资本，以及代码/媒体。纵观历史，每一波惊人的财富创造浪潮，都由这三者中的一种或多种所驱动。

但规律是，一旦某种杠杆变得寻常（试想十年前的YouTube频道与今天的盛况），竞争的洪流便会涌入，无情地压缩利润空间。因此，当一种全新的杠杆浮现时，它便提供了一个获取超额收益的、千载难逢的窗口。

杠杆的本质和类型

在今天的演讲中，我将阐述一个观点：人工智能（AI）正是那个正在兴起的全新杠杆。 一个AI代理（AI agent）的精妙之处在于，它将两种杠杆融为一体——它既有人力杠杆的属性（为你工作，且无需许可），又兼具代码杠杆的威力（可以被无限复制粘贴）。

“AI将创造巨大财富”已是老生常谈，但借助“杠杆”这面透镜，我们能以一种高度连贯的视角，去解读纷繁嘈杂的AI新闻，并从中洞见真正的机遇。

感谢Unso的邀请！今天我自然会聊聊AI，但在那之前，让我们先看一张图。

这是一张由ChatGPT生成的、含苞待放的花朵。若你凝视它一分钟，甚至十分钟，它的变化几不可察。但这是否意味着，在这平静的表象之下，没有任何改变正在发生呢？并非如此。只要你等待足够长的时间，便会目睹它发生翻天覆地的变化，最终绽放成一朵绚烂的玫瑰。

我想借这幅小图阐明一点：我们人类，其实并不擅长感知那些以天或年为单位缓慢发生的演变，但我们对分钟和小时尺度的瞬时变化却极为敏锐。这背后或许存在进化层面的解释：能感知环境的即时变化，对生存至关重要；而洞察跨越一年的漫长变迁，则没那么紧迫。这或许是我们与生俱来的一种认知“缺陷”，一种需要我们主动去修正的盲点。

我为何要以此为开篇？因为AI，或许是人类历史上发展最为迅猛的技术。但即便如此，它的演进也并非以分秒计，而是以年、甚至十年为单位的宏大叙事。考虑到我们方才提到的认知局限，我们很可能正在低估AI所带来的变革，尤其是变革的量级。

时至今日，我已无需再多费口舌去证明AI的重要性——几年前我的演讲或许还需以此开场，但现在这已是共识。然而，我真正想强调的是，每个人心中对这场变革尺度的想象，可能存在天壤之别。如果说有什么偏差的话，我认为我们更可能是在低估它。特别是，当AI作为一种赋能个人乃至全人类的杠杆机制时，它的这一面，其深远影响，在很大程度上被低估了。我会逐步深入细节，但让我们先从“杠杆”这个核心概念入手，一点点建立起直觉。

这是一个极其重要的概念，但在日常语境中，它的使用往往显得随意、不正式，甚至因语境不同而含义泛滥，尤其是在硅谷湾区。我认为这个词的重要性，值得我们花些时间去细细品味，为它建立起坚实的直觉。

我个人与“杠杆”概念的初次邂逅，可能是在经典力学课堂上。想象那个经典的杠杆装置：我们在屏幕左侧向下施加一个力，通过支点，在右侧撬起一个一公斤的重物。如果我们将杠杆臂加长，同样的力就能撬起更重的物体。这意味着，输入（向下的力）保持不变，仅通过增益杠杆，输出便提升了三倍。

这个原理的适用性远超物理世界。在此，我想给出一个我个人对杠杆的工作定义：杠杆是一种机制，它能让输入端微小甚至没有变化，却在输出端引发巨大、乃至极其巨大的变化。 这是一个具有普适性的法则，可以应用到生活中的无数领域。

我们都渴望提升自己的产出，创造更多价值。面对这个愿望，脑海中最先跳出的，往往是“我该如何更努力？如何增加投入？”——比如压缩睡眠，延长工作。但这条路，很快就会碰到天花板。

一个更有价值的思考维度是：我该如何在不显著增加投入的情况下，大幅提升产出？我该如何斩断投入与产出之间的那条线性锁链？ 这便触及了杠杆机制的灵魂。因此，你真正需要寻找的，是你拥有或可能拥有何种杠杆。这才是通往更高产出的关键问题。

关于杠杆的思考框架有很多，我个人最偏爱纳瓦尔·拉维坎特的版本，它出自这本我强烈推荐的书——我手头正好有。这本书并非他亲笔所著，而是他智慧的结晶，汇集了他的推文与思考。

纳瓦尔将杠杆归为三类：人力、资本，以及代码和媒体。 让我们逐一审视。

第一种是人力杠杆，这是最古老的杠杆形式，因此也最为我们所熟悉。譬如，我想建造一座金字塔。若无杠杆，我只能孤军奋战，这无异于天方夜谭。但借助杠杆，我可以雇佣成千上万的劳工。如此一来，我的个人投入可能持平甚至减少，产出却呈几何级数增长，因为有无数双手在同时劳作。这是一种需要“许可”的杠-杆，因为我必须获得他人的同意。时至今日，人力依旧是社会运转的核心杠杆之一。

第二种是资本杠杆。假设我想投资一套价值百万的房产，但我手中只有二十万现金。于是我向银行借贷八十万。如果幸运降临，房产升值一倍至两百万。虽然资产本身只是翻倍，但我的个人投资回报率却高达400%（即5倍回报），远超资产的增值幅度，这便是资本的魔力。这是第二种杠杆，在20世纪尤为盛行。

第三种是代码与媒体杠杆，这是一种更现代的形态，尤其在硅谷这样的地方大行其道。它更偏向软件的本质。当我为一款应用写好代码并发布，一个用户使用它，创造了价值N；在我酣睡之时，另一个用户下载安装，又创造了另一个价值N。我的总产出就这样悄无声息地翻倍了，而我无需任何额外劳动。这得以实现，全因软件可以被无限复制，这一特性本身就蕴含着惊人的力量。近年来涌现的大量价值，正是构建于此杠杆之上。

媒体亦是同理。我给200人做了一场讲座，他们从中获益。随后，我将视频上传到YouTube。此后每一次新的观看，都在为世界增加价值，而我无需再付出任何努力，其传播的边界几乎是无限的。这也是一种新型杠杆。

回望历史，每一次巨大的财富创造，背后都有这些杠杆的身影。20世纪的金融巨头，娴熟地运用着资本杠杆；近代的科技新贵，则将代码“一次编写，无限分发”的特性发挥到极致。在每一个财富神话的深处，你几乎都能找到某种强大杠杆的支撑。

然而，任何杠杆的超额回报，最终都会在竞争中被逐渐磨平。当一件事物被证明有利可图，众人便会蜂拥而至。如果你今天创办的公司，仅仅依赖软件的可复制性，而无其他技术壁垒，那么成功的难度将远胜二十年前。又或者，对于我不太熟悉的领域，比如你想成为一名视频博主，今天所面临的竞争烈度，也远非十年前可比。

我试图阐明的是，当一项新技术催生出一种前所未有的杠杆机制时，巨大的价值与回报才得以可能，而这扇机会之窗会随着竞争的加剧而缓缓关闭。因此，敏锐地洞察“哪些新的杠杆机制正在浮现”，变得至关重要。

AI作为新兴的杠杆

至此，我的论点已然明晰：AI，正是那个正在步入舞台中央的、全新的杠杆。 它的影响范围和深度正在悄然扩张，从赋能个人，到变革团队，最终将惠及整个人类文明。

让我们先将目光聚焦于个人层面。对我个人而言，AI，特别是ChatGPT，最大的用途在于学习。这可能是我投入时间最多的场景。我常常在周末花上数小时，沉浸在新概念的海洋里，与AI就一个话题反复诘问、探究。如果用杠杆的视角来解构学习，输入是我为理解未知概念所付出的时间与心力，输出则是我脑海中形成的深刻理解。

AI的介入，让同样的投入带来了指数级的产出。比如，我想弄懂分布式系统中的某个特定概念。在生成式AI诞生前，我的路径是：谷歌搜索，打开一篇通常对新手不甚友好的维基百科，读得云里雾里，挫败感油然而生。接着，我可能会去找一门入门课或一本厚重的教科书，但我其实只想搞懂那一个点，却被迫要先搭建起整个知识框架，这极为耗时。而现在，AI能结合我的既有知识，动态生成难度恰到好处、内容恰如其分的学习材料。我的学习曲线因此变得陡峭，效率大大提升。

可以说，学习新领域的壁垒正在崩塌。

这固然是天大的好事，但凡事皆有两面。当知识的获取变得轻而易举，当人人都在加速学习时，一个隐性的代价随之浮现：不学习的机会成本，正在急剧升高。

想象一个极端场景：你完全不理会AI，固守自己的一方天地，勤勤恳恳。你并非懒惰，只是在做自己的事。而你周围的每一个人，都在利用新工具不断学习、迭代、进步。那么在相对坐标系中，你其实正在落后。这就是机会成本——并非你做错了什么，而是整个价值评判的体系，因技术而发生了偏移。

在任何社会中，一项技能的价值都由其稀缺性决定，而非其客观功用。人类的视觉系统就是一个绝佳的例证。从生物学角度看，它是一项无比复杂和精密的功能，其性能远超当今任何机器。我们能在嘈杂环境中瞬间认出朋友，这种能力本身堪称奇迹。但正因为它如此普遍，人人皆有，所以在现代社会中，单凭优异的视力并不能让你脱颖而出。同理，稀缺性，是任何高价值技能的先决条件。

我常常思考，哪些才是未来值得我们去磨砺的、真正宝贵的技能？一个有效的思考法则或许是：凡是进化没有直接赋予我们的能力，往往是价值的洼地。 因为一旦进化将其写入了我们的DNA，它便不再稀缺。

当知识的获取成本趋近于零，什么会变得稀缺？是探索未知的动力与永不满足的好奇心。这些品质一直都很重要，但在今天，它们的重要性被提到了前所未有的高度。因为学习的门槛虽已降低，却并未消失。你仍需克服认知上的不适感。学习新知，本质上是一场认知挑战，它并不总是愉悦的。要跨越这道坎，好奇心是那股最原始、最强大的驱动力：“我知道这很难，但我实在太想知道了！”如果你天生好奇心不强，也可以通过建立反馈机制来修正：有意识地承受短期的学习痛苦，以换取长期的回报与成就感。通过不断累积成功的正反馈，你同样能驾驭学习的挑战。

归根结底，技术总是在重新定义稀缺。 意识到这一动态变化，即便你不是技术的创造者，也至关重要。

社会和经济的范式转变

以上是AI作为杠杆在学习层面的体现。另一个更直观、也更激动人心的体现，则是AI代理（AI agent）。这或许是2025年乃至未来数年，最引人入胜的研究方向。AI代理的强大之处在于，它巧妙地融合了我们之前讨论的两种杠杆。

其一，是人力杠杆。AI代理为你执行任务，如同你雇佣的员工。其二，是代码杠杆。至少在目前，AI代理是纯粹的软件，你可以随心所欲地复制它。想要10个代理协同工作？复制10份即可。想要12个？再添两份。整个过程无需任何人的许可。这是一种**“无需许可的复合型杠杆”**，若你深思其内涵，会发现它蕴藏着改变世界的力量。

我认为，这将是未来财富创造的核心引擎。这个领域尚在襁褓之中，一切才刚刚开始。如果你体验过DeepResearch，对我而言，它是迄今为止功能最完善的AI代理。未来必将有更多更强的代理出现，但它是我体验到的第一个真正“能用”的代理，它极大地提升了我的个人产出，相信也赋能了无数人。

当个人被如此“超级充电”后，一个直接的结果就是：由少数顶尖个体组成的小团队，创造出巨大价值的案例将屡见不鲜。 你或许听过那些仅有十余人、二十余人的初创公司，却能斩获数亿美元的年收入。这在十年前是天方夜谭，如今虽仍属凤毛麟角，却已不再是神话。这背后，正是AI杠杆在悄然重塑生产关系，让个体的能量被前所未有地放大。

在过去，企业想要提升产出，同样要诉诸杠杆。当资本杠杆用尽后，唯一的选择似乎就是人力杠杆——雇佣更多的人。但人类协作的规模一旦扩大，沟通、管理等内部开销便会急剧上升。人与人之间的协同是一个极其复杂的问题。向一个百人团队增加一名新成员，产出未必能提升1%，甚至可能因内耗而下降。

在个人能力被AI无限放大的今天，传统大规模协作的性价比正在降低。我们或许会看到一个由更多小型、精悍、高产值的团队所构成的新商业版图。当然，巨型公司不会消失，但这种“小而美”的组织形态，可能会成为未来的主流。

至此，我们的讨论还停留在个人与团队层面。但正如那朵含苞待放的玫瑰，一场包宏大、更缓慢、也因此更易被低估的变革，正在人类文明的尺度上悄然发生。

AI对科学研究的颠覆性影响

让我们将视角拉升到整个人类文明的高度。我们共同的使命是什么？答案或许见仁见智，但在我看来，其中最核心的一项，是持续地创造新知，推动文明繁荣。 而驱动这一切的最可持续的引擎，莫过于科学的进步。每一次对世界基本规律的新发现，都可能将曾经毫无价值的东西，变成宝贵的资源。石油曾是地底的粘稠液体，但热力学知识的出现，让它驱动了整个工业时代。这样的例子，在历史长河中俯拾皆是。

自17世纪科学革命以来，人类的财富创造曲线便如曲棍球棒般昂首向上。在那个时代，科学领域充满了“低垂的果实”。作为先行者，探索的道路上或许有许多相对容易的发现。我并非否认先驱们的艰辛，但在客观的复杂性上，当时的研究相较于今日，无疑要单纯许多。

在现代社会，推动科学前沿的难度已呈指数级增长。想想牛顿力学与量子力学的复杂度差异，或是制造一枚尖端芯片所涉及的庞大知识体系，这早已远超任何单个大脑的承载极限。科学变得愈发复杂，需要更大规模的协作与更雄厚的资本。

雪上加霜的是，与科技复杂性爆炸式增长形成鲜明对比的，是人类智力的相对停滞。它增长的速度，远远追不上知识前沿扩张的脚步。

所有这些因素叠加在一起，成为了我们继续推进科学使命的巨大瓶颈。

纵观历史，每当遇到发展的瓶颈，我们总能创造出新的工具来突破它。这一次，我认为那把关键的钥匙，就是AI。我们应当将AI打造为最得力的科研工具，一个在研究能力上能与我们并肩、甚至超越我们的伙伴，从而确保科学进步的火种永不熄灭。

AI的用途万千，但对我而言，这一个——助力人类延续科学探索的宏伟征程——是它最重要、最无可替代的使命。

现在，让我们再次戴上“杠杆”的眼镜。在这场宏大的事业中，输入是全球科学家的集体智慧与努力，输出则是人类整体的科学进步。

AI如何在此充当杠杆？我想分享两点。

首先，现代科研高度鼓励专精，这使得知识变得像一个个孤立的山峰。少数专家掌握着高度专业化的知识，他们散落在全球各地，分属于不同的学术社群。这种物理和知识上的隔绝，让跨领域合作变得异常困难，我们甚至不知道合作的可能性存在于何处。在我的想象中，人类的知识图景就像一个高维空间里无数个锐利而孤立的尖峰，彼此间是广阔的虚空。

而AI，正在扮演一个**“凸包”（convex hull）或“包络面”（envelope）**的角色。它用一个光滑的曲面，将所有这些孤立的知识尖峰连接、包裹起来。如果你熟悉优化理论，便能理解这个比喻。这是我在DeepResearch项目中，随着工作深入逐渐形成的感悟。

我想说的是，由于专家间的壁垒和沟通效率的瓶颈，我们可能早已积累了海量的、有待整合的知识财富（overhang of existing knowledge synthesis）。仅仅是将现有知识进行创造性的连接与重组，就可能爆发出巨大的价值，催生出全新的认知。这是一片因人类协作模式的局限而留下的、几乎未被开垦的处女地。这，正是AI作为杠杆，在科学领域能率先摘取的“低垂的果实”。

但这还远远不够。我们应有更远大的目标。展望未来，我们有理由期待AI发展出超越人类的推理能力，以及真正自主产生新思想、新知识的能力。目前，这或许还很罕见，尽管我们已听到一些零星的案例，比如AI作为头脑风暴的伙伴，帮助科学家激发灵感。但我相信，它的潜力远不止于此。我预计，这种创造性的能力将在未来几代模型中规模化地涌现。

一旦那一天到来，我们将拥有一个永不疲倦、全天候运转的研究引擎。它能与人类科学家、与其他AI代理无缝协作，形成一个前所未有的知识创造网络。这，将是未来驱动科学进步最核心的杠杆力量。

以上就是我今天分享的全部内容。我谈及了许多概念，核心观点其实很简单：AI很重要，这已是共识。但我真正想邀请各位思考的是：在你的认知框架里，这场变革的尺度究竟有多大？我们是否有可能，正在系统性地低估它的量级？ 尤其是在今天，当我们一起用“一种新形式的杠杆”这一视角重新审视它之后，我希望这个问题能在你们心中萦绕。

谢谢大家。