英伟达斥资 5 亿美元投资伊利亚·苏茨克维尔：SSI 即将揭示人工智能缺失的关键要素吗？

Safe Superintelligence（简称SSI）或许是硅谷最引人入胜的黑匣子。这家由前OpenAI首席科学家伊利亚·苏茨克维尔创立的人工智能实验室，既没有公开的模型，也没有面向消费者的应用，没有可观的收入，几乎没有公开的研究成果。其网站与其说是商业计划，不如说更像是一份奇怪的承诺书：SSI存在的唯一目标和唯一产品就是“安全的超级智能”。

尽管如此，英伟达已同意向该公司投资5亿美元，使SSI能够使用英伟达即将推出的Vera Rubin计算平台，并获得足以将其可用计算能力提升十倍的硬件。至关重要的是，英伟达是在获得双方所称的难得机会，得以接触到SSI严密保密的研究成果后才做出这项投资的。

随后传闻出现。在最近一次“像专家一样投资”（Invest Like the Best）播客节目中，Atreides Management创始人Gavin Baker几乎是随口提到，“SSI声称他们将在8月份推出他们的模型。” SSI尚未证实这一说法，也没有宣布发布会或透露该模型的具体形式。目前，这只是一位消息灵通人士的爆料，并非官方发布日期，因此应谨慎对待。

不过，这一过程很难被忽视：英伟达得以一窥究竟，开出了一张巨额支票，SSI 宣布其研究终于准备好规模化，并且开始有传言称即将推出一款新模型。

在镀金时代，金融家们在铁路尚未建成之前就投入巨资。而如今，世界领先的芯片公司正在为一条通往机器智能的铁路提供资金，而实验室以外的人对此却一无所知。

这位人工智能科学家几乎从未失手。

苏茨克维尔之所以能获得数十亿美元的投资，并非因为他精通风险投资路演PPT的技巧，而是因为他的研究历程酷似现代人工智能的发展路线图。

苏茨克维尔毕业于多伦多大学数学系，师从深度学习革命的核心人物之一杰弗里·辛顿，并完成了博士学位。2012年，苏茨克维尔、辛顿和亚历克斯·克里热夫斯基共同开发了AlexNet神经网络，该网络在ImageNet计算机视觉竞赛中击败了所有竞争对手，并推动深度学习从学术研究走向人工智能的主流范式。该网络仅使用两块GPU进行训练——苏茨克维尔至今仍以此为例，论证重大研究突破并非一定始于规模庞大的数据中心。

在谷歌收购了该团队的 DNNresearch 初创公司后，苏茨克维尔在谷歌大脑工作，并与奥里奥尔·维尼亚尔斯和郭乐共同撰写了具有里程碑意义的 2014 年序列到序列论文。该架构为现代机器翻译奠定了基础，并提出了更广泛的理念，即神经网络可以将一个信息序列转换为另一个信息序列。

随后，他成为OpenAI的联合创始人兼首席科学家，并帮助确立了生成式人工智能热潮背后的核心理论：足够大的神经网络，在足够大的数据集上，借助充足的计算能力进行训练，就能获得那些并未被明确编程到其内部的能力。他的名字出现在GPT-3的论文中，而英伟达现在也承认他对AlexNet、AlphaGo、GPT模型以及OpenAI推理系统的研究方向做出了贡献。

正是这份履历让SSI吸引了其他几乎所有尚未推出产品的初创公司都难以企及的关注度。苏茨克维尔曾多次亲历那些看似不入流的研究理念如何突然成为行业核心原则的时刻。

从 OpenAI 的扩展先知到扩展异端

Sutskever离开OpenAI之前，该公司经历了2023年11月非同寻常的治理危机。危机期间，他曾参与董事会试图罢免首席执行官Sam Altman的行动，但之后公开表示后悔。他最终于2024年5月离职，结束了在他参与创建的这家公司近十年的职业生涯。

一个月后，他与丹尼尔·格罗斯和丹尼尔·利维共同创立了Safe Superintelligence公司。该公司不开发办公副驾驶、图像生成器、编码助手或广告工具，而是直接致力于超级智能的研究，使研究免受SSI所谓的“管理开销”、产品周期和短期商业压力的影响。

表面上的讽刺之处在于，帮助建立规模化理论的人后来却成了该理论最著名的批评者之一。但苏茨克维尔的实际立场比“规模化已死”这种网络口号要复杂得多，也更有趣。

在与德瓦尔凯什·帕特尔进行了一次长达2025年的访谈后，苏茨克维尔被总结为预测系统将面临扩展瓶颈，随后他发布了更正声明。他表示，扩展现有系统将持续带来改进，“不会停滞不前”。问题在于“某些重要的东西将持续缺失”。

缺失的要素似乎包括可靠的泛化能力、高效的样本学习能力和持续学习能力。

当前的前沿模型在测试中表现惊人，但在实际部署中却会犯一些匪夷所思的基本错误。它们在训练过程中可以吸收数万亿个令牌，但之后要教会它们一项持久的新技能仍然十分繁琐。相比之下，人类只需观看几个例子，就能推断出其中的原理，并持续学习，而无需从头开始重新学习。

苏茨克维尔告诉帕特尔，现代模型的“泛化能力远不如人类”。在他看来，业界已经进入了一个新的“研究时代”，因为仅仅将现有方案扩大100倍不太可能带来通用人工智能（AGI）所承诺的质的飞跃。下一个突破需要的是更高效的计算方式，而不仅仅是更多的计算资源。

苏茨克维尔似乎并非认为GPU已经过时，而是认为计算能力放大了某种理念，而非取代它。

超级智能始于学生时期

苏茨克维尔对超级智能的构想与科幻小说中常见的全知全能的数字先知有所不同。

他将最终目标描述为更接近于“超级智能的15岁少年”：一个可能最初并不了解所有事实或掌握所有专业技能的系统，但它能够以惊人的速度学习新领域。它并非一开始就接受过程序员、医生、工程师和科学家的全面培训，而是拥有一个通用的学习过程，能够胜任所有这些角色。

这项能力比拥有更大内存或略微更高的数学成绩的聊天机器人重要得多。

持续学习模型可以进入一个组织，观察其系统，吸收反馈并在运行过程中不断改进。部署到数千家公司的副本可以掌握不同的技能，并有可能将它们学到的知识融合起来。人类无法将50,000万名员工的经验整合到一个大脑中，但软件最终或许可以做到。

苏茨克维尔认为，未来五到二十年内，一个拥有人类水平学习效率的系统可能会出现。他还预计，该系统的经济影响将通过扩散而非瞬间的“通用人工智能日”来实现：具备相应能力的系统将被部署到企业中，学习各种工作，并逐步克服实体经济中存在的物理和制度摩擦。

他的安全理念同样非同寻常。苏茨克维尔曾提出，先进系统在设计时应考虑到有感知能力的生命，其最大能力可能需要加以限制，并且部署应循序渐进，以便政府和公众能够了解即将到来之物。他似乎不再完全坚持将所有技术都限制在SSI内部，直到最终的超级智能出现。在2025年的采访中，他承认让公众了解日益强大的人工智能具有相当大的价值，并表示逐步发布将是任何可行计划的一部分。

这一变化为 SSI 提供了一个空间，使其能够在不完全放弃其“直奔主题”理念的情况下发布一个过渡系统。

英伟达的交易为何改变了故事走向

7 月 27 日，SSI 和英伟达宣布建立长期战略合作伙伴关系，这将为这家初创公司提供英伟达的下一代 Vera Rubin 系统，并将其计算能力扩大一个数量级。

两家公司并未透露投资规模，但路透社报道称，英伟达将向SSI投资5亿美元。据悉，该协议在几周内便达成。

对于一家以保密著称的公司来说，官方措辞却出奇地透露出一些信息。

英伟达表示：“过去两年，SSI一直在默默推进一项新的研究方向。”并补充说，英伟达是在获得难得的机会接触到这项研究后才与其建立合作关系的。苏茨克维尔的声明则更加直白：“我们的研究成果值得扩大规模。”

我们宣布与 NVIDIA 建立长期战略合作伙伴关系。NVIDIA 将对 SSI 进行大量投资，这将使我们在未来 12 个月内计算能力提升 10 倍。我们的研究已经发展到值得规模化的阶段，而此次合作将使我们能够实现这一目标。我们……

— SSI 公司 (@ssi) 2026年7月27日

而这句话正是问题的关键所在。在接受Dwarkesh采访时，Sutskever辩称，SSI并不需要世界上最大的集群来仅仅测试其核心理念是否有效。AlexNet、Transformer以及其他一些基础性突破最初都是在相对简单的基础设施上实现的。他表示，SSI此前获得的约3亿美元资金足以验证其研究方向的正确性。

如今，该公司表示已做好规模化发展的准备，英伟达也表示赞同。黄仁勋完全有理由鼓励建立另一个前沿实验室。每当一家新型公司需要巨型计算集群时，英伟达都能从中受益。投资客户已成为其产业战略的重要组成部分，这也引发了人们对人工智能经济循环融资的合理担忧。

但SSI并非仅仅租用一堆旧GPU。两家公司表示，他们将在英伟达现有和未来的平台上展开合作，使这家芯片制造商能够获得SSI在新兴人工智能工作负载方面的洞见。如果SSI确实在开​​发以持续学习、样本效率或新型强化学习为核心的架构，那么这些信息可能会影响英伟达未来系统的设计。

英伟达不仅仅是在向苏茨克维尔推销铁路，它还在询问他铁轨应该建在哪里。

SSI 八月份可能会发布什么产品？

坦白说，除了SSI之外，似乎没有人知道。贝克的说法可能指的是公开模型、受限的研究预览、API、技术演示，或者仅面向特定研究人员和公司的分阶段发布。当然，也可能是不准确的、被误解的，或者是基于已经变更的计划。

SSI尚未公布具体型号、规格参数或承诺8月份发布。任何关于该实验室即将发布超级智能的说法都纯属猜测。

更合理的推测是，SSI系统旨在展示苏茨克维尔所提出的研究目标中的某些方面。这可能意味着在从少量示例中学习时表现更佳，在初始训练后适应能力更强，新知识的保留率更高，不同任务间的表现波动更小，或者某种形式的受控持续学习。

发布版本也可能远没有那么革命性：另一个基于Transformer的模型，但改进了推理和安全方法。历史并不要求Ilya Sutskever的每个项目都必须彻底革新该领域，5亿美元的投入也并非同行评审。

模型的发布格式与基准测试分数同等重要。一个真正持续学习的系统会带来严重的安全隐患。开发者需要解释模型可以学习哪些内容，如何防止有害行为永久化，不同的部署是否共享知识，以及运维人员如何检查或撤销更新。

静态模型可以在发布前进行评估。而随着经验的积累而不断变化、如同动态模型一般的模型则不然。

正因如此，关于人工智能治理的更广泛讨论已经超越了普通的产品监管范畴。正如《勇敢新币》（Brave New Coin）近期所探讨的那样，当系统能够在具有重要经济意义的工作中超越人类时，它将需要对劳动力政策、产业战略和财富分配进行变革——而不仅仅是在聊天窗口下方添加一条安全警告。

历史上最昂贵的科研实验

SSI有时被描绘成纯粹的、以安全为中心的替代商业实验室，例如OpenAI、Anthropic和Google DeepMind。但这种说法越来越难以成立。

一家由英伟达、Alphabet 和一些全球最强大的风险投资公司支持的公司，并非置身于人工智能产业体系之外。它本身就是其中最耀眼的机构之一：一个由少数研究人员组成的团队，拥有数十亿美元的资金和稀缺计算基础设施的特权，试图决定如何构建超人类智能以及它的价值所在。

但这并不意味着SSI是欺诈性的或邪恶的。这只是让它拥有强大的权力——而且除了投资者和创始人之外，它几乎无需对任何人负责。

接下来的几周或许会揭晓八月份的传闻是否属实。延迟发布并不令人意外。如果最终结果只是常规模型，那将略感失望。持续学习或泛化能力的显著提升，将是自推理模型出现以来人工智能领域最重要的进展之一。

错误的问题在于，SSI 的系统是否能在另一组标准化测试中胜过 ChatGPT、Claude 或 Gemini。正确的问题在于，伊利亚·苏茨克维尔是否找到了仅仅依靠规模化永远无法获得的“关键所在”。敬请期待，精彩即将上演。