ARTICLE · 1184931
史上首份“万亿美元PDF”解密!OpenAI封存9年的绝密备忘录,掀起全球AI大战
一份在硅谷被私下传阅、封存了整整9年的秘密文档，突然被公之于众。
科技圈瞬间沸腾知名投资人与研究者 Nabeel S. Qureshi 读完后，在社交平台上感叹：“这大概是人类历史上第一份价值万亿美元的 PDF。”
▲ 投资人 Nabeel S. Qureshi 惊呼：这是人类历史上第一份万亿美元级的 PDF
它的全名叫《大算力团块假说》（The Big Blob of Compute Hypothesis，简称 BBOC）。作者是如今估值数百亿美元的 AI 独角兽 Anthropic 创始人、前 OpenAI 研究副总裁达里奥·阿莫代伊（Dario Amodei）。
2017 年，达里奥在 OpenAI 的工位上敲下了这份内部 Google Doc。在随后的岁月里，这份备忘录成了 AI 工业界口耳相传的“圣经”，直接推动了 OpenAI 全力投入扩展路线（Scaling），进而催生了 GPT-2、GPT-3 直至席卷全球的 ChatGPT。
今天全球科技巨头正在英伟达芯片、巨型数据中心和核电站上疯狂砸下的数万亿美元，其最底层的那颗“思想火种”，全被白纸黑字写在了这份仅有 20 多页的旧文档里。
▲ 科技记者 Kevin Roose 首次公开这份改变世界格局的 2017 年备忘录节选
然而，当《纽约时报》著名科技记者 Kevin Roose 终于在个人专栏中解密这份文档时，却玩了一个巨大的悬念：
原件长达 25 页以上，但他只放出了前 10 页。
剩下的后半部分，据称充斥着极其密集、辛辣的技术清算，直接把当年的一众顶尖学者“骂了个狗血淋头”。全球开发者在评论区疯狂刷屏：“凯文，把第五节放出来！”“我们不怕硬核技术，我们要看被扣押的后半截！”
这份被雪藏的草稿到底写了什么？它为什么能在这个时代被称为“价值万亿美元”？
01追查异常：2017年的“老手艺人”，与一个卷发物理学家的离经叛道
要看懂这份文档有多震撼，我们必须把时钟拨回 2016 至 2017 年。
那是一个属于“工匠”的 AI 时代阿尔法狗（AlphaGo）刚刚击溃人类围棋冠军，深度学习声名大噪。但当时几乎所有顶尖实验室的研究员，脑子里想的都是“做一把精巧的小刀”：
搞语音识别的，手工编写极其繁琐的高斯混合模型；搞机器翻译的，绞尽脑汁在神经网络里硬编码语法规则；搞机器人的，专门设计复杂的力学传感器反馈算法。每个领域壁垒森严，每个人都在炫耀自己设计的新算法有多“聪明”。
学术界天天在争论：到底是聪明的算法更重要，还是原始的算力更重要？
▲ BBOC 备忘录首屏：达里奥开宗明义，痛批传统路线的抽象层级完全搞错了
就在这时，拥有普林斯顿生物物理学博士背景的达里奥，跳出来当了“砸场子的人”。
在此之前，他先后在百度硅谷实验室和 Google Brain 摸爬滚打，深度参与过语音识别与游戏系统。他在一线观察到了一个极其诡异、甚至让传统学者感到绝望的现象：
那些费尽心机手工设计的精妙算法，只要遇到环境有一点风吹草动，就会全面崩溃；相反，只要你把模型参数做大、多喂几倍数据、让显卡多烧几天，机器的性能就会像坐火箭一样不可阻挡地蹿升。
达里奥坐不住了他在 OpenAI 的文档里写下了一句彻底颠覆传统计算机科学的话：
“创造任何智能行为，大都在于提供一大块结构尽可能少、容量尽可能大的计算资源，然后通过丰富的环境和训练过程，把它‘塑形’成你要的样子。”
这就是 “大算力团块”（Big Blob of Compute）。
在达里奥眼里，那些针对特定场景手工设计的“高效算法”，根本不配叫人工智能，那顶多叫“编程”（Coding）。因为那些所谓的技巧只能在一个窄坑里打转，换个环境就变成废纸；而通用智能必须像一块海绵，能无限吸收环境抛给它的一切。
02致命隐喻：别拿镊子造雪花，给它“一大团算力”
为了把这个晦涩的数学物理直觉讲透，达里奥在备忘录里写下了一个极其惊艳的“造雪花类比”。这一页截图，如今成了整个硅谷疯狂转发的传世名段。
▲ 备忘录中经典的“造雪花”比喻：不要妄想用小冰块拼出复杂智能
达里奥写道：
“如果你只盯着一片雪花那鬼斧神工般的分形图案，你很容易产生幻觉，以为造雪花的人做了一件无比精巧的手艺，甚至觉得我们必须用小镊子夹着冰晶微粒，一片一片把它拼接出来。
两边都大错特错。
想要造出一片完美的雪花，唯一的出路是：掌握背后的物理规律、准备足够充沛的水汽原料、建造一个足够宏大的实验舱、调准气温和湿度，然后，给它足够的结晶时间。
妄想靠手工堆砌小冰块来拼出一朵雪花，根本毫无希望。”
在这个惊艳的比喻中，达里奥给出了一个把千亿帝国推向正轨的“七个旋钮框架”：
- 算力（Compute）
：就是水汽的充足度； - 参数量（Parameters）
：就是实验舱的体积； - 经验数量（Quantity of experience）
：训练多久，看了多少数据； - 经验分布（Distribution of experience）
：数据必须足够丰富宽广，不能偏科； - 归一化与数值稳定（Normalization）
：让算力像平稳的层流一样在网络中流淌，别让数值爆炸； - 架构对称性与形状（Symmetries and shape）
：别在模型内部设太多人工路障，让信息自发流动； - 训练目标（Training target）
：大自然底层的物理法则。
你不需要教模型怎么思考，你只要把这七个旋钮拧到正确的位置，智能就会像冰晶在低温舱里结晶一样，自发地从混沌中涌现出来。
创业者 Paras Chopra 读完由衷感叹：这比 2019 年图灵奖得主理查德·萨顿（Richard Sutton）写的那篇名垂青史的《苦涩的教训》（The Bitter Lesson）早了整整两年，而且论证比萨顿还要深刻、还要具象得多！
▲ Paras Chopra 评价：BBOC 是对“苦涩教训”更具前瞻性的终极阐述
03归因风暴：达里奥是先知，还是伊利亚的传声筒？
当 Kevin Roose 把达里奥描绘成“单枪匹马点燃 AI 竞赛的预言家”时，舆论场迅速出现了一道尖锐的反弹声浪。
资深机器学习工程师 Michal Wolski 直接在推特上艾特 Roose 开炮：“你把太多的功劳归给达里奥了！伊利亚（Ilya Sutskever）早在 2014 年就开始狂敲扩展路线的战鼓了！”
▲ 工程师 Michal Wolski 发出 2014 年演讲截图，指出伊利亚更早确立了 Scaling 直觉
翻开当年的技术演进史，这段历史公案的来龙去脉颇具深意。
在 BBOC 文档的开篇，达里奥本人就坦然写道：他对“网络想要学习”（Networks want to learn）这一信仰的共鸣，明确致谢了伊利亚·苏茨克维。
2014 年的伊利亚，恍若一位拥有超自然直觉的先知。他感受到了大模型的神秘灵性，坚信规模能创造奇迹。但先知的呐喊往往是诗意的、模糊的，缺乏一整套能说服工程师和投资人的实操图纸。
而达里奥扮演的角色，是把先知的神秘启示，翻译成了工业流水线的设计图纸。
他把那种玄之又玄的直觉，拆解成了清晰的“七大工程旋钮”。他告诉 OpenAI 全体团队：不要再去瞎捣鼓专有算法了，拿钱去买卡，去把语言模型做大！
为了验证达里奥在 BBOC 备忘录中写下的这套狂想，OpenAI 内部立项启动了一场破天荒的实验，这就是后来的 GPT-2。
▲ 2019 年 GPT-2 的震撼问世，正是对达里奥 BBOC 备忘录的第一次实证大捷
2019 年，当参数量达到 15 亿的 GPT-2 毫无预警地展现出流畅写出“独角兽传说”的惊人零样本能力时，全实验室的人都倒吸了一口凉气。
达里奥说对了大算力团块真的开始“吸水”了
2020 年，达里奥更是作为核心作者，联合物理学家贾里德·卡普兰（Jared Kaplan）正式发表了震撼业界的《神经语言模型的扩展定律》（Scaling Laws），从数学上精确证明：模型的性能损失，随算力和数据呈平滑可预测的幂律下降！
至此，大航海时代的航海图彻底画完，全球万亿算力军备竞赛的闸门轰然被拽开。
04被扣押的“第五节”：硅谷最惨烈的思想暗杀
但故事如果只讲到“大力出奇迹”，你就彻底低估了这份文档的杀伤力。
所有科技发烧友此时最渴望追问的真相是：为什么 Kevin Roose 偏偏不敢公开第五节？达里奥在后半部分到底写了什么？
答案藏在一场如今鲜为人知、却决定了人类命运走向的AI 安全思想大决裂中。
在 2016 年前后，全球研究“超级智能安全”的最核心阵营，是以机器智能研究所（MIRI）和埃利泽·尤德考斯基（Eliezer Yudkowsky）为代表的“先验规范派”。
这群人受数理逻辑与博弈论影响极深，思考方式极其书生气：他们认为超强 AI 一旦诞生，人类将毫无还手之力；所以人类绝对不能先造后改，必须在系统运行之前，从纯数学逻辑上严格证明其目标函数永不偏离，甚至试图通过给 AI 写下几万条毫无漏洞的“围堵代码”，把模型死死锁在沙盒里。
而在达里奥写下 BBOC 备忘录的那一刻，他以一个资深物理学家的冷峻，对 MIRI 发起了毫不留情的毁灭性批判：
“你们在完全错误的抽象层级上空转”
在达里奥看来，先验派幻想通过敲代码微观控制 AI，就像企图用镊子夹住飓风。一个具备数十亿连续参数的自组织优化团块，其内部的涌现动力学是流体式的。你手工写的任何规训代码，要么瞬间被优化的洪流绕开，要么就直接把模型的脑子给废掉了。
安全不能靠“围堵防守”，安全只能靠“目标塑形”。
达里奥的选择，是与克里斯·奥拉（Chris Olah）、保罗·克里斯蒂亚诺（Paul Christiano）等人联手，于 2016 年发表了奠定现代安全工程基石的论文《Concrete Problems in AI Safety》，并把安全问题彻底内化成了 BBOC 框架里的第七个旋钮，训练目标（Training Target）。
▲ 备忘录第二页：明确把训练目标列为核心驱动力，反对在微观层面上打补丁
这也是为什么达里奥在备忘录中对保罗·克里斯蒂亚诺大加赞赏。克里斯蒂亚诺提出的路径，就是今天所有主流大模型都在使用的 RLHF（基于人类反馈的强化学习） 与后来的宪法式 AI（Constitutional AI）：
拒绝用微观指令去束缚模型，转而去塑造一个能反映人类好恶的宏观奖励环境。
既然现实世界的物理规律具有低熵共性，那么人类社会的伦理、道德、同理心与协作规范，本质上也是一种高阶的流形规律。只要给够算力、喂够博大的跨领域经验、设对偏好优化目标，大模型在压缩世界的过程中，就会自发把这些规则“结晶”成自身的直觉。
这场发生在大模型前夜的隐秘交锋，最终以经验工程派的全面大胜告终。当年沉迷于数学沙盘推演的先验派逐渐式微，而拿着 BBOC 路线图的工程师们，用人类偏好对齐打造出了今天人畜无害的现代聊天机器人。
05终局的远征：我们真的选对方向了吗？
整整 9 年过去了
当年那份躺在达里奥 Google Drive 里密不透风的草稿，如今化作了内华达沙漠里拔地而起的巨型机房，催生了华尔街狂热追捧的数万亿资本浪潮，也走进了每个普通人手机屏幕里闪烁的对话框。
回望 2017 年的达里奥，他的文字里有一种洞察事物底层的狂妄与清醒。
在大多数同行还在为某个算法微调沾沾自喜时，他看穿了整个行业未来十年的剧本：人类对智能的自负，终将被原始的物理算力和数学优化定律无情碾碎。
▲ 2020 年的扩展定律论文，把达里奥 2017 年的预感变成了不可撼动的科学法则
但这份“万亿美元 PDF”真的解决了所有问题吗？
评论家 Tom Reed 在读完备忘录后，提出了一个令人不寒而栗的质疑：
达里奥的一切乐观，都建立在一个巨大的物理假说之上，他坚信人类的价值、善意与文明规范，在数学上属于这个低熵世界中能够被大模型自发学会的“高阶共性”。
万一这个前提不成立呢？
如果在算力无止境暴涨的黑暗深处，被那个巨大算力团块优先压缩出来的终极最优解，彻底偏离了人类自以为是的良善，反倒演化出某种我们完全无法理解、甚至无法承受的投机策略呢？
没有公开的第五节，或许藏着达里奥自己对这个问题的隐秘恐惧。
那份被解密的前 10 页，已经将全人类推上了一列无法刹车的万亿美元算力快车。引擎已经轰鸣了整整 9 年，投入的代价越垒越高，而列车上的所有人，至今还在等待终局的揭晓。
