AI最聪明的人，开始退场了

AI行业从未像这一周这样割裂。一边是Anthropic的研究员Jacob Coxon宣布辞职并彻底退出行业，理由是担心AGI失控甚至毁灭人类；一边是本土AI芯片厂商在算力紧缺中迎来最好的收入增长期，多家同比翻倍甚至数倍；再一边，李飞飞的World Labs发布了名为Atlas的世界模型，宣称要让生成的画面变得可测量。三件事看似不相关，其实指向同一个问题：当所有人都说AI在加速，加速的到底是什么？这篇文章想讲清楚的是，AI产业正在从单一叙事走向三条岔路——有人赌更快，有人求更稳，有人转向更真。

🚪 最懂前沿的人，为什么先离场

先讲一个反常识的事实：退出AI行业的，恰恰是离前沿最近的那批人之一。

Jacob Coxon过去三年一直在做AI预训练研究，而且是在业内公认的御两家——先是OpenAI，后来跳槽到Anthropic。注意他跳槽的方向：Anthropic以重视安全著称，他是奔着更安全的环境去的。这在研究员的流动里并不多见，多数人跳槽看的是算力预算和模型发布节奏，他看的是安全文化。

结果呢？在Anthropic认真工作了一段时间后，他的结论是：即便是最认真对待安全的公司，在没有政府干预或行业协调减速的情况下，也无法负责任地开发AGI。

他在X上发了一条长帖，开头写得很直白：我今天从Anthropic辞职了。过去三年我在OpenAI和Anthropic都做过预训练研究，两家公司都没有在负责任地行事。它们正在全速冲向自我改进的超级智能，拿我们的生命做赌注。

这不是一时冲动的情绪发言。他在接受WSJ采访时给出了具体的时间判断——这类系统可能在本十年末就会失控，甚至到明年年底就可能超出可控范围。一个在两家头部公司做过三年预训练的人，对模型能力边界的直觉判断，比大多数外部评论更值得认真对待。

把他的轨迹摆成一条线，你会看到一个从加入到幻灭的完整过程：

• 前年前后：在OpenAI做预训练研究
• 约两年前：因看重安全文化跳槽Anthropic
• 过去两年：在Anthropic继续预训练一线工作
• 本周：宣布辞职，并直接退出整个AI行业
• 他的判断：若无政府干预或行业协调减速，负责任地开发AGI不可能实现

这里的产业逻辑值得琢磨。预训练研究员是整个行业里最清楚模型实际能力的人，他们每天都在跟最新的能力涌现打交道。当这个群体里开始有人选择用脚投票，而不是继续领高薪围观，说明一线认知和公司公开叙事之间出现了裂缝。当然，一个人退场构不成趋势，但它提醒我们：AGI竞赛的内部共识，远没有对外宣传的那么统一。

📈 芯片紧缺，是危机也是红利

钱比故事诚实。看AI行业的真实温度，看芯片账单最准。

半年报披露窗口落幕，在算力紧缺的大环境下，本土AI芯片厂商迎来了最好的收入增长期。多家厂商实现同比翻倍甚至数倍增长，而且从一季度到二季度还是一个加速的过程。供给端的数字更夸张：据工信部，截至上半年，中国智能算力规模达2185 EFLOPS（FP16），同比增长177%；仅二季度，全国智能算力规模就增加了约303 EFLOPS。

需求跑得更快。按照信通院的数据，中国AI算力需求的增长速度，差不多是供给增速的3倍多。这个剪刀差决定了：这样的好日子还会持续。原因有两个——美国仍然卡住中国的模型厂商获得英伟达最先进的AI芯片，甚至计划从管实物延伸到管算力使用权；而本土芯片的产能仍在爬坡，与模型和云厂商的适配与运维还需要磨合。

于是出现了AI行业最卷的一幕：云厂商与模型厂商抓紧融资，但比融资速度更快的，是把钱赶紧花出去。阿里巴巴与腾讯在最近一个季度花掉了超过1200亿元人民币；DeepSeek今年已经向AI算力投入了100多亿。

关键人物的态度也摆到了台面上。梁文锋认为，国产AI芯片正面临历史机遇，以往短板的CUDA生态可以通过AI编码解决，未来两年的核心瓶颈还是在产能；吴泳铭则判断紧缺至少持续到2030年。一位厂商内部人士的说法在圈内流传得很广：现在不是怕卖不出去，是怕造不出来。

把供需矛盾拆开看，链条其实很清晰：

这个判断有依据可循：连续大幅亏损的寒武纪已经在去年扭亏为盈，在它的股权激励方案中，设定了2028年的营收目标。如果需求和产能继续按照目前的节奏增长，领先的AI芯片企业有望在2027年前后陆续跨过盈亏平衡线。

对产业观察者来说，这里的关键词是分化。紧缺红利不会平均分配——有产能的吃肉，有生态的喝汤，只有PPT的连汤都喝不上。本土AI芯片正在从讲故事阶段进入拼交付阶段，未来两年产能就是护城河。

🌍 世界模型，从好看走向可测量

generated 内容能不能用，正在成为AI影像赛道的新分水岭。

9月1日，李飞飞的World Labs发布了Atlas。发布页上那组画面确实好看：几台手机架在三脚架和夹具上，从三到五个角度对着同一个现场，然后时间停住，镜头开始移动，绕过人物，走到真实摄影机从未站过的位置。子弹时间这个手法这两年不算稀奇，Atlas的差别在于同时交出来的另外三样东西。

第一样是depth。给画面里每一个像素标上它离镜头有多远，一张普通照片就变成一张按远近上色的地形图。第二样是point cloud。在空间里撒下几百万个点，每个点记住自己的三维坐标，凑到一起就是这间屋子的形状。第三样是3D Gaussian Splat。它不用三角面片搭模型，而是拿大量带颜色、带透明度、有朝向也有胖瘦的小光斑堆出整个场景，换任何一个角度都能重新渲染一遍。

这三样东西的共同点是可测量。杯子的直径、桌子到墙的距离，都能从里面直接读出数值。生成的结果不再只是给人看的画面，可以送进游戏引擎、设计软件，或者一段机械臂的控制代码。

World Labs干脆把Atlas叫做世界模拟器。这个词他们用得不随便——三个月前，他们自己写过一篇文章，专门规定什么样的系统才配叫这个名字。这是在给赛道立规矩，也是在给自己的技术路线背书。

产业逻辑在这里分岔了。如果生成式AI只是好看，它的终点是内容产业，天花板是广告和影视预算；但如果生成结果可测量，它的终点就是物理世界——机器人训练、仿真测试、工业设计。后者单论市场规模未必更大，但护城河深得多：测量精度是硬指标，混不了一点水分。

当然要打个问号：发布了不等于验证了。Atlas在复杂场景下的测量精度、渲染一致性，都需要第三方和时间来检验。但方向本身值得记下来：AI正在从生成像素，走向理解空间。

🧭 三条线索，拼出行业的真实断面

把三件事放在一起看，才是这一周真正值得记住的信息。

第一件事讲的是人——最接近前沿的人开始对AGI竞赛的节奏投不信任票，认为行业在没有安全兜底的情况下全速冲刺是拿生命做赌注。第二件事讲的是钱——算力供需缺口3倍以上，阿里腾讯一个季度烧掉1200亿，DeepSeek投入100多亿，紧缺预期被吴泳铭拉长到2030年。第三件事讲的是技术路线——生成的终点不是像素而是空间，可测量性成为通往物理世界应用的门票。

它们其实在同一条逻辑线上：

资本没有因为安全质疑而减速，反而在加速下注——只不过下注方向开始多元化：既有继续堆算力的，也有转向世界模型、机器人和物理仿真的。这类演进在技术史上反复出现：当主赛道的确定性下降时，钱会去寻找新的确定性。

至于安全与速度的博弈，行业内部的处理方式依然是非对称的——公司层面继续发布安全框架和承诺，节奏上却一步不慢。Coxon的判断是，除非政府干预或行业协调减速，否则这个矛盾无解。这话对不对，未来几年会见分晓。但至少有一点可以确认：AI行业的故事，正在从我们马上要造出AGI，变成我们该怎么管住它、怎么用好它、以及它到底能不能碰物理世界。问题换了，行业的玩法也就换了。

结语：加速的行业，分化的人

一周之内，有人退出，有人加仓，有人换赛道——这就是AI行业当下的真实断面。AGI的终极叙事开始松动，但产业本身没有降温，只是钱和能力正在流向更具体的方向：产能、生态、可测量的世界模型。接下来的看点很明确：国产芯片能否在2027年前后兑现盈亏平衡，世界模型能否真正进入物理世界的生产环节，以及安全派的声音能否转化为实际的行业协调。AI的故事没有讲完，只是讲法变了。