ARTICLE · 1200238
OpenAI尘封9年绝密文档曝光!Dario十页手稿掀起万亿算力狂潮,后15页仍被封锁
一份在硅谷地下流传了整整9年的“创世手稿”，终于见光了。
就在新书《AGI编年史》（The AGI Chronicles）上市前夜，《纽约时报》知名科技记者Kevin Roose披露了一则轰动业界的重磅消息：他首次向全球公开了一份写于2017年的OpenAI内部绝密备忘录，《大计算团块假说》（The Big Blob of Compute Hypothesis，业内简称BBOC）。
写下这份文档的人，是当时还在OpenAI当研究员、如今执掌Anthropic的CEO Dario Amodei。
在Kevin Roose看来，正是这篇文章，亲手按下了全球AI军备竞赛的启动键。当年，这篇内部长文直接说服了OpenAI管理层，让他们用GPT-2进行了一场大胆冒险。实验大获成功后，OpenAI彻底倾尽全力投身“规模化（Scaling）”，这才有了今天巨头们疯狂砸下数万亿美元、在地球上到处兴建超级数据中心的奇观。
▲ Kevin Roose在社交平台宣布公开Dario Amodei于2017年撰写的《Big Blob of Compute》内部文档节选
这份备忘录全长超过25页，但Roose这次只放出了前10页。剩下的15页写了什么？为什么硅谷同行读完前10页深感震动，又在评论区不断催促公开下半部分？
带着这几个问题，我们一层层剥开这份价值万亿美元的“思想底片”。
01为什么一篇10页的内部文档，能让OpenAI彻底抛弃传统算法？
把时钟拨回2017年那是一个怎样的年代？
当时，AlphaGo刚刚击败人类围棋冠军，但大语言模型的浪潮还没影儿。全球99%的AI科学家，都把自己当成精益求精的“钟表匠”。搞翻译的钻研语法树，搞语音的抠声学特征，搞机器人的写控制方程。大家都信奉同一个教条：AI不够聪明，是因为人类设计的算法还不够精巧。
但Dario Amodei不这么想。
这位物理学博士出身的研究员，之前在百度硅谷实验室做语音识别时，发现了一个近乎诡异的现象：你哪怕不改算法，只要往模型里猛灌数据、猛加显卡、训练更久，模型就会像变魔术一样自己变聪明。再看看自然界，在同等条件下，大脑体积更大的动物，往往就是更聪明。
于是，他在OpenAI内部写下了这篇离经叛道的《大计算团块假说》。
▲ 首次公开的BBOC备忘录原件第一页，Dario开篇便将矛头指向了“算法与算力之争”
在这份文档里，Dario抛出了一个在当年看来极具侮辱性的核心观点：想要造出通用人工智能，根本不需要人类去精雕细琢每一个算法细节，你只需要准备好一大坨“结构尽量少”的原始算力（Big Blob of Compute）。
为了让同事们听懂，Dario在文中打了一个后来被硅谷传诵至今的比方，“造雪花”。
假设你要造出一片结构极其精密、拥有六角对称美感的雪花，你该怎么做？传统AI科学家的做法，是拿着一把小镊子，在显微镜下一片片夹起冰晶，试图亲手把雪花拼出来。Dario直言，这种做法注定是死路一条，因为雪花的细节太复杂了，人类根本拼不出来。
那正确的做法是什么？是造一个密闭舱室，调好温度和湿度，注入水蒸气，然后双手插兜退后，让大自然底层的物理定律，自己把雪花“长”出来！
在这个绝妙的隐喻里：
- 原始算力
，就是水蒸气原料； - 参数规模
，就是舱室的大小； - 训练目标（损失函数）
，就是底层的物理定律； 至于过去备受推崇的精巧算法，角色好比“水管工（Plumbing）”，唯一作用是让算力顺畅流进舱室，并不能孕育智能本身！
创业者Paras Chopra在读完这份手稿后深有同感。他敏锐地提炼出Dario在文中暗藏的核心锋芒：那些省算力、看似高效的精巧算法，本质上属于死板的“编写代码（Coding）”，无法代表智能演进的方向！
▲ Paras Chopra总结了备忘录中最具前瞻性的四个洞察，直指精巧算法无法替代通用智能
为什么这么说？因为省算力的捷径，往往针对特定任务做了过度优化（过拟合）。一旦换个环境，立马报废理想中的通用AI，应该是一块长满旋钮的巨大海绵。只要架构足够通用，哪怕它一开始笨拙不堪，只要丢进足够丰富的数据环境里去挤压，它就能吸收万物。
要知道，大名鼎鼎的强化学习教父Richard Sutton，直到2019年3月才写出了那篇震撼业界的《苦涩的教训》（The Bitter Lesson），总结出“利用算力的通用方法终将碾压人类知识”。而Dario在2017年的这份备忘录里，不仅早了整整两年，还直接给出了具体的工程行动纲领。
02既然Ilya早就喊过“大力出奇迹”，为什么偏偏是这篇备忘录被封神？
手稿一出，硅谷舆论场很快吵翻了天
不少人提出了质疑：把功劳全归于Dario一人未免过于夸张。研究者Michal Wolski直接晒出老照片反驳，指出OpenAI前首席科学家Ilya Sutskever早在2014年就到处演讲倡导“规模化（Scaling）”，当时只要在一线做深度学习的人，谁不知道“模型越大效果越好”？
▲ Michal Wolski在评论区指出，Ilya Sutskever早在2014年就已在公开演讲中鼓吹扩大模型规模
这确实是一段至关重要的历史纠偏在OpenAI内部，Ilya绝对是“规模化信仰”最早的布道者。但为什么偏偏是Dario的这篇备忘录，成了开启万亿算力狂潮的“圣经”？
答案很简单：Ilya提供的是先知般的“直觉”，而Dario把直觉变成了一套可计算、可验证、可拿去向资本市场融资百亿的“科学工程体系”。
在BBOC备忘录里，Dario超越了口号层面，直接从物理学底层解释了为什么“大力一定能出奇迹”。
他的推导极其犀利：第一，我们的宇宙是“低熵”的。所谓低熵，即宇宙万物受物理定律支配、高度结构化，呈现出深刻的自然秩序。第二，当你在单一窄任务上训练AI（比如只教它识别一种英国口音），它最省力的办法就是“死记硬背”。但如果你给它一个庞大的算力团块，同时喂给它五六种不同口音、甚至跨领域的海量任务分布，死记硬背的内存就不够用了！第三，为了节省比特（脑容量），模型会被迫放弃死记硬背，转而去抓取数据背后最底层的“高层共性（High-level commonalities）”。因此，当它学会了五六种口音背后的声学共性后，面对从未听过的第七种口音，它也能瞬间秒懂！
你看，顺着2017年这篇BBOC备忘录往后看，一条清晰的草蛇灰线浮出水面：
- 2018年5月
，Dario发表《AI与算力》，首次测算出顶级AI训练算力每3.4个月翻一倍； - 2019年2月
，OpenAI造出15亿参数的GPT-2，直接验证了BBOC假说； - 2020年1月
，Dario与Jared Kaplan等人正式发表《神经语言模型的扩展定律》（Scaling Laws），把“大计算团块”彻底写成了一条优美的数学幂律公式！
▲ 2020年发表的《Scaling Laws》论文，Dario将当年备忘录里的假说彻底变成了统治AI界的数学定律
从2017年的内部隐喻，到2020年的数学定律，Dario完成了AI从“手工作坊”向“重工业时代”的理论奠基。
03最神秘的后15页为什么不敢公开？它藏着怎样的安全路线决裂？
然而，整场风波中最让人抓心挠肝的，是Kevin Roose留下的那个巨大悬念。
Roose在文中坦白，这份备忘录后面还有整整15页没有公开。原因只有一句话：“内容极其密集、技术性极强，主要是Dario与其他AI安全研究者激烈辩论为什么对方的方案全错了。”
此话一出，整个AI圈沸腾了包括安全研究员Tim Hua在内的无数业内人士，在评论区排起长队疯狂喊话：“Kevin，人民群众想看第五节（安全章节）！”
▲ 评论区高赞回复：大家都在向Kevin Roose索要未公开的“第五节”安全论战内容
大家都知道，Dario后来之所以和奥特曼决裂、带队出走创办Anthropic，核心导火索就是认为OpenAI不够重视AI安全。可诡异的是，在2017年的这后15页里，Dario炮轰的对象，恰恰是当时最主流的AI安全阵营！
这到底是怎么回事？
回到2017年，当时的AI安全界被以MIRI（机器智能研究院，Eliezer Yudkowsky等人）为代表的“形式化验证学派”统治。在他们看来，超级AI犹如随时可能失控的致命装置，错一次人类就面临覆灭。所以他们主张用类似“网络安全（Cybersecurity）”的微观管理手段，给AI写死不可破解的数学公理、套上层层沙盒牢笼、严格限制效用函数。
但在Dario看来，这套做法简直愚不可及。
早在写下BBOC的前一年（2016年6月），Dario就联合Chris Olah、Paul Christiano等人发表了著名的《AI安全的具体问题》，主张抛弃科幻末日空谈，去解决防止奖励作弊（Reward Hacking）等工程问题。而在BBOC的后半部分，Dario抛出了更加辛辣的反问：如果连造雪花都不能用镊子去拼，你怎么可能用镊子写出的死板规则，去锁住一个比人类聪明一万倍的超级智能？
那么，既然不靠微观牢笼，Dario到底凭什么相信超级AI能够被人类驯服？
针对那未公开的15页，知名评论者Tom Reed（@mentalgeorge）做了一次惊艳全网的“逻辑破译”，一针见血地扒出了Dario潜藏在心底的“对齐乐观主义”底牌。
▲ Tom Reed顺着前10页的物理学逻辑，推演出Dario为何对AI安全抱有独特的乐观主义
Tom Reed指出，只要把Dario前10页的逻辑往前推一步，就能看清他安全观的深层底色：
既然宇宙是低熵的，大算力团块在海量任务中会自动学会“物理定律”这种高层共性； 那么在Dario眼中，“人类的价值观”、“善良”、“听话可纠错（Corrigibility）”，本质上也和物理定律一样，是人类社会数据分布中的一种“高层共性”！ 结论呼之欲出：AI安全的终极解法，在于把算力堆到AGI级别的同时，给它喂下足够广阔、全面包含人类善意与价值观的数据分布，无需像防贼一般给模型套死板枷锁。只要算力够大、数据分布够全，模型自己就会像顿悟牛顿定律一样，自行领会人类崇尚的良善与价值！
读懂了这一层，你才会明白为什么Dario一边疯狂推进大模型军备竞赛，一边又自诩为最懂安全的守门人。因为在他的世界观里，把模型做大，本身就是让模型彻底理解人类复杂价值观的前提！
但这一套看似完美的逻辑闭环，真的无懈可击吗？
恰恰相反，这里藏着当代AI最让人冷汗直冒的死穴。正如Tom Reed所反问的：物理定律是客观统一的，苹果在哪儿都会往地上掉；可人类的价值观呢？ 人类的历史充满了自相矛盾、虚伪、偏见与利益冲突。当一块巨大的“算力海绵”吸干了人类互联网的所有数据，它提炼出的最省比特的“高层共性”，究竟是真诚的善良，还是学会了如何完美伪装成善良、在表面上迎合人类指标的“欺骗性捷径”？
9年前，Dario用10页纸的“雪花隐喻”，精准预言了今天万亿美元的算力洪流；而那被死死捂住的后15页安全论战，或许正装着决定人类未来命运的关键底牌。
造雪的蒸汽机已经轰鸣作响，只是这一次，没人知道舱门打开时，长出来的究竟是一片完美的雪花，还是一场吞噬一切的暴风雪。
