为什么对纸尿裤检测出甲酰胺的新闻存疑

6月17日《经济参考报》刊登了一篇非常惊人的报道，称在多款婴儿纸尿裤里检测出了有毒物质甲酰胺。更令人担忧的是，记者称自己使用纸尿裤10小时后，血液内的甲酰胺直接翻倍（图1）

记者给出了使用前（绿色）与使用后（蓝色）的检测峰值对比图，说是分别对应2000ng/mL与4000ng/mL。

甲酰胺被认为具有生殖毒性，在部分动物实验里也显示具有致癌风险。婴儿使用的纸尿裤查出含有这种物质，不到一天还让记者体内甲酰胺浓度大幅飙升，立刻激起广泛关注。

但我个人高度怀疑这篇报道的准确性。

首先是甲酰胺血检的准确性令人生疑。

甲酰胺是一种化工原料，除了作为一些化学合成的中间体，也用于生产人造纤维。但就安全性而言，过去人们先注意到的不是甲酰胺，而是一个暴露后会在人体内转化为甲酰胺的物质：二甲基甲酰胺，DMF。

DMF是一种常用溶剂，也是IARC 2A类致癌物（很有可能可以致癌），为了监测接触DMF的工人们的暴露量，一种方式是检查甲酰胺。

可是由于后来的研究发现甲酰胺也有潜在的生殖毒性、致癌风险，欧美也建立了相应的工作暴露标准，即工作环境里，工人暴露的量不能超过多少。

但在这些工作环境暴露促成的甲酰胺研究里，针对甲酰胺做血检非常罕见，只有少数尿检文献，我都没找到血检的记录。

这让记者找的检测，在方法上的可靠性可疑。

其次就所谓记者使用后，体内甲酰胺翻倍，该结果令人匪夷所思。

记者的说法是甲酰胺从2000ng/mL增加到4000ng/mL。这个增幅2000ng/mL，对应2毫克/升。成年人血液总量大约4.5-5.5升。即便取4.5升计算。这意味着使用某纸尿裤10小时，仅体内血液部分，记者身上就突然多了9毫克的甲酰胺。

根据记者描述，他是把纸尿裤套在手臂上。…

甲酰胺是可以通过皮肤吸收。但即便纸尿裤上有甲酰胺残余，10个小时通过皮肤吸收9毫克，依然不可思议。

甲酰胺引发消费品安全忧虑的著名例子是十多年前，欧洲曾在儿童玩具、泡沫垫上检测出甲酰胺。这是因为做这些儿童用品的泡沫材料，生产过程中以甲酰胺作为发泡助剂，存在残留风险。

根据欧盟当时的检测，最高的含量是1266 mg/kg，巴西后来的一项研究里，最高查出来是1364 mg/kg（图2）。

即便我们假设记者买的纸尿裤残余量更高，达到2000 mg/kg，一个纸尿裤应该都不到50克重，对应的甲酰胺总含量不到100毫克。

把纸尿裤套在手上10个小时，真的可以把将近10%的甲酰胺吸收到血液里吗？

此外，欧洲发现婴儿泡沫垫、玩具有甲酰胺后，主要担心的也是甲酰胺挥发，被儿童吸入。根据一些研究，前几天挥发较多，之后迅速减少，欧盟也据此定下了玩具甲酰胺不能超过200mg/kg的标准。

如果考虑甲酰胺的挥发，就更不可能有大量残留甲酰胺能被记者的胳膊吸收了。

最后，我能找到的唯一一点血液甲酰胺检测，是美国NIH 2008年一份甲酰胺致癌风险评估报告里，对大鼠投喂甲酰胺的研究，里面给出了投喂后，大鼠血浆的甲酰胺含量（图3）。

图3表格中的单位为微克/mL，记者称自己使用纸尿裤前血液含量是2000ng/mL，对应2微克/mL。

一个很自然的问题是，记者身上这2微克/mL的基线是怎么来的？光看量，似乎不少。

根据一些文献，甲酰胺也是人体内源代谢物，但在未暴露人群中血浆浓度应当极低。而在大鼠投喂实验里，未喂食甲酰胺的对照组，血浆甲酰胺含量能有0.6–1.8微克/mL。

这就不得不让人怀疑，无论是记者初始的2000ng/mL还是使用纸尿裤后的4000ng/mL，都只是检测的背景误差。

即便我们假设这不是误差，是真实查出的甲酰胺，那么从大鼠投喂实验看，甲酰胺的血浆含量与摄入量成线性关系。每日投喂10mg/kg体重一周后，血浆浓度是15微克/mL。

非常粗略的计算，要达到记者体内的4000ng/mL——4微克/mL，这10小时里，记者就得被投喂约3mg/kg体重的甲酰胺。假设记者体重60千克，就是180毫克。就算是把纸尿裤吃了，应该都没那么多甲酰胺吧。

总结一下：

第一，甲酰胺血液检测文献报道极少，检测方法可靠性成疑；

第二，记者血液甲酰胺翻倍增加，从皮肤吸收角度，难以解释；

第三，根据过往动物实验，记者检出的甲酰胺不排除是背景误差；若不是，甲酰胺增加对应的摄入量也不现实。

总之，所谓有毒纸尿裤的报道，有诸多可疑之处。这种可能引发无数幼儿家长恐慌的报道，还是应该多方查证检验。

#多款纸尿裤被检出甲酰胺#

这个东西不是普通“扫描仪”，而是 Midjourney新成立的 Midjourney Medical推出的全身影像设备，官方称为 Midjourney Scanner，更准确地说，是一种“全身超声 CT / full-body ultrasound CT scanner”。它最惊人的地方在于：Midjourney不是从传统医疗设备公司出发，而是从 AI图像生成公司，突然切入医疗影像硬件。官方自己的表述是，要做一种“像 MRI一样强大、像去 spa一样轻松”的身体扫描体验。

它的基本工作方式可以这样理解：人站到一个平台上，平台沿轨道缓慢下降，把身体送入一池温水中。身体下沉时，会穿过一个环形传感器阵列。这个环像一圈“水下耳朵和嘴巴”，大量微型超声单元一边发出超声波，一边接收穿过人体后的回波和波形变化。Midjourney官方把它比喻成海豚的回声定位：从各个角度发出声波，收集足够多的角度和足够多的波形变化之后，重建身体内部图像。目标扫描时间是不超过 60秒。

它跟传统 CT最大不同是：不用 X光，也就是没有电离辐射。它跟 MRI最大不同是：不用强磁场，理论上不需要你躺进一个狭窄的磁体筒里，也不会有 MRI那种噪音、幽闭感和金属禁忌问题。它更接近“超声波 + 水介质 + 计算重建”的路线。传统超声一般是医生拿探头在身体表面扫，视野局部、角度有限、强依赖操作者经验；Midjourney这个方案是把身体放进一个固定几何结构中，用环形阵列从很多角度同时采集数据，然后用计算方法重建切片和三维体数据。

为什么要放进水里？因为超声波在空气和人体之间传播很差，空气会造成强反射和能量损失。传统医院超声检查要涂耦合剂，就是为了让探头和皮肤之间没有空气层。…

Midjourney这个系统直接用水作为大规模耦合介质，身体在水中通过传感器环，超声波可以更稳定地从各个方向进入人体。水还带来一个好处：体验上更像 spa，不像医疗检查。Midjourney甚至计划把第一批设备放在旧金山 Union Square的 Midjourney Spa里，配套热水池、桑拿、冷水浴和健身空间，目标是在 2027年底前开放。

它的技术核心不是“拍一张照片”，而是“从波形反推身体内部结构”。超声波穿过不同组织时，速度、衰减、散射、相位都会变化。水、皮肤、脂肪、肌肉、骨骼、器官之间的密度和弹性不同，波形会被不同程度地改变。系统要做的事情，是把海量发射—接收组合得到的信号，转化成身体断层图像。官方说，这个过程会产生极大规模的数据：每个微型单元都以极高频率记录回波，整体会形成“每秒相当于数百小时高清视频”的数据量，需要大量计算资源来重建图像。

从截图里的画面看，你看到的是一排排横截面图，类似 MRI或 CT的“切片”。每一张切片代表身体某个高度位置的内部结构。Midjourney官方展示的例子包括腹部、上腹、腿部等重建切片，还会在原始重建图像和 AI分割图之间切换。这里的 “AI segmentation” 不是说 AI随便画出器官，而是对已经重建出来的影像做结构识别：比如区分脂肪、肌肉、骨骼、器官边界等。这个点很关键：医疗影像里，AI最合理的角色不是凭空生成，而是辅助重建、降噪、分割、量化和长期对比。

The Verge的报道提到，这套设备与超声技术公司 Butterfly Network合作，使用 Butterfly的 ultrasound-on-chip模块；报道还说每套系统使用 40个 Butterfly Ultrasound-on-Chip imaging modules。Butterfly的价值在于把传统超声探头里的许多复杂声学元件和电子系统芯片化，从而让超声设备更小、更便宜、更可扩展。Midjourney选择这个方向，本质上是在赌：一旦超声阵列足够大、采样角度足够多、计算足够强，就可以把传统“局部超声”提升成一种接近全身断层成像的新模态。

这个设想如果成功，意义很大。MRI很强，但贵、慢、设备笨重、吞吐量低。CT很快，但有辐射，不适合高频日常扫描。传统超声便宜安全，但图像质量、可重复性、全身覆盖能力不够。Midjourney Scanner想卡在三者之间：像超声一样安全，像 CT/MRI一样形成断层图，像消费服务一样高频使用。它最适合的早期用途，可能不是“马上诊断癌症”，而是身体组成地图：肌肉量、脂肪分布、器官形态变化、运动和饮食干预后的长期变化。The Verge也提到，Midjourney目前说先做 body composition maps，而诊断性医疗用途需要 FDA clearance。

但这里必须冷静。现在它仍然是原型系统，不是成熟医疗产品。Midjourney官方路线图也写得很清楚：未来 12个月主要是改进算法和硬件、做研究试验、推进第二代硬件设计；2028年再扩大城市并升级到第三代 scanner。也就是说，今天看到的更像“技术路线展示 + 原型验证 + 未来商业叙事”，还不是已经完成临床验证的大规模医疗设备。

它的监管难点不会小。Midjourney招聘页面里已经出现 Quality Director、QMS、design controls、DHF、verification / validation、risk management等医疗器械质量体系关键词，说明他们知道这不是普通消费电子，而是要进入受监管医疗设备世界。医疗硬件最难的不是把 demo做出来，而是把设备稳定性、校准、软件版本、数据安全、误差边界、临床验证、医生工作流、责任边界全部跑通。

还有一个重要风险：全身扫描并不天然等于更健康。美国放射学会对无症状、无风险因素人群的全身 MRI筛查持谨慎态度，认为目前证据不足，而且可能发现大量非特异性结果，引发不必要的后续检查、费用和焦虑。FDA对全身 CT筛查也强调，健康人群做全身扫描不一定利大于弊，异常发现可能不是严重问题，正常结果也不能保证健康，误报还可能带来不必要的检查。虽然 Midjourney Scanner不是 CT，也没有 CT辐射，但“全身筛查导致偶然发现、误报、过度检查”的问题依然存在。

所以我的判断是：这个项目真正厉害的地方，不是“Midjourney会不会做医疗”，而是它把超声硬件阵列、计算成像、AI分割、消费级体验、长期身体数据账户放在一起了。如果它只是做一次性全身筛查，医学价值会很容易被质疑；但如果它能做高频、低成本、可重复、可量化的身体变化追踪，比如肌肉、脂肪、器官体积、炎症或水肿趋势，那么它可能打开一种新市场：不是医院里的诊断机器，而是“身体数据基础设施”。

一句话概括：Midjourney Scanner是一个水浴式、环形阵列、全身超声 CT原型，目标是在 60秒内重建人体三维内部图像。它试图把 MRI的信息密度、超声的安全性、AI的图像理解能力和 spa式消费体验结合起来。技术上非常大胆，商业叙事极强，但离真正医学级、可诊断、可规模化的产品，还有算法、硬件、临床验证、FDA监管和误报管理几道大关。

# 走进 Anthropic：这家近万亿美元的AI巨头

> 本文稿基于Bloomberg Originals · The Circuit with Emily Chang对Anthropic访谈节目播出版与完整采访版两份速记合并整理，限于篇幅略去了部分内容。

---

## 开场：压力、睡眠与相对论式的加速

**Emily Chang**：你现在睡眠怎么样？

**Dario Amodei**：我从来就不是那种睡得好的人。这么说吧——我正在学习怎么在非同寻常的压力下找到放松和入睡的办法。

**Emily Chang**：一切都在飞速推进。身处其中是什么感觉？

**Dario Amodei**：就像指数增长。打个比方：你坐上一艘飞船，以接近光速的速度离开地球。按照狭义相对论的原理，你睡一觉醒来，地球已经过了两天，你得在一天里消化两天的事。再睡一觉，因为你还在加速，地球已经过了三天。下一觉——四天。大概就是这种感觉。

**Emily Chang**：你每天上床的时候会不会充满恐惧——不知道醒来会面对什么？

**Dario Amodei**：眼前有足够多迫在眉睫的问题要处理，我一直在应对这些，同时想着怎么为下一步做准备。但我不觉得焦虑或害怕醒来后的事有什么帮助。我研究过历史上那些面对极端压力的人。你得学会理性应对，不能把某个危险放大到跟其他危险不成比例。那种在"没什么好担心的"和"天哪今天必须恐慌"之间反复横跳的状态——我觉得那是不成熟的决策者的特征。真正成熟的做法是：不能忽视，不能松懈，风险确实在变大。但我们必须理性回应。就像外科医生面对手术，或者军官面对军事行动——影响很多人的决策必须在冷静中做出。…

**Dario Amodei**：我儿子昨天问我，"我能用一下你的 Cowork账号吗？"我说："想都别想。我的 token我自己都不够用。"

😄

**Dario Amodei**：我们在消费端也看到越来越多的用户了。我们本来定位企业市场，但即便在消费端，我们没怎么使劲儿推，增长也开始起飞了。

---

## 第一部分：指数曲线的中心

**Emily Chang**：你现在站在AI宇宙的正中央，什么感觉？

**Dario Amodei**：我这一辈子——也包括在 Anthropic的这些年——一直在经历一种平滑的指数增长。体感就是：什么都没发生，什么都没发生，什么都没发生，冒出点小动静，然后嗖——一下子就疯了。我盯着这条曲线看了很久，跟自己说："大概在这个时间点前后，我们会成为营收最高、估值最高的AI公司。"果然就这么发生了。某种意义上不意外——因为就是曲线上的一条平滑的线。但事情真的发生时，你会看到大量细节和色彩，确实还是会被震到。不过我们关注的还是老问题——怎么训练好模型？怎么做好产品？怎么确保安全？怎么帮到人的同时管控社会风险？问题没变，只是放在了一个更大的显微镜下面。

**Emily Chang**：你从小在旧金山长大，爸爸做皮革手工，妈妈在图书馆工作。这段经历对你有什么影响？

**Dario Amodei**：当年整个互联网革命就在我身边发生，我完全不感兴趣。我就喜欢做数学题、研究各种东西。我对理解这个宇宙感兴趣，对科幻小说感兴趣。就是对世界充满好奇。

**Emily Chang**：你就生长在科技中心——现在也是AI的中心。这座城市对你的世界观有没有影响？

**Dario Amodei**：有。旧金山的那种不守常规的精神、个人主义、"疯一点没关系"的态度——我觉得确实渗透进了我。你会听到有人说，去欧洲某些国家、甚至美国某些地方，用不同的方式思考问题是被打压的，或者被当成怪人。硅谷有很多东西我是持批评态度的。但有一点我觉得很好：它鼓励你——哪怕所有专家都反对你也无所谓。只要你有一套连贯的愿景和世界观，就应该去追。也许完全行不通。但如果行得通——这里面有一种长尾效应，你可能在某条矿脉上挖到巨大的金矿。我觉得这种精神非常重要。

**Emily Chang**：2016年，你跟 Daniela和她丈夫 Holden Karnofsky合住一栋房子。你们当时在讨论什么？

**Dario Amodei**：那时候 Holden正在牵头创办 Open Philanthropy，我当时还是个生物学研究者。我帮他们看一些发展中国家健康或生物研究方面的事——哪些领域有前景，哪些不太行。

---

## 第二部分：离开 OpenAI

**旁白**：Dario学的是神经科学，后来先后在百度和 Google转向AI研究。Daniela则是 Stripe的早期员工。2016年 Dario加入刚成立的 OpenAI，Daniela在2018年跟进。两人后来与 Sam Altman在公司方向和价值观上产生分歧。Altman曾表示："我和 Anthropic有很多分歧，但总体上我还是信任他们这家公司的。"

**Emily Chang**：你离开 OpenAI的决定已经成了硅谷传说。到底怎么回事？你们在什么事上谈不拢？

**Dario Amodei**：我就直说了。造强大技术时你会遇到很多棘手的问题——Anthropic每天都在面对这类问题，而且我们不确定自己做的到底对不对。所以关于安全，完全可以有很多正当的分歧。我们确实和他们有这些分歧。但光是理念不合还不足以让人走——我们公司内部也有分歧。真正让人待不下去的是：你觉得对方不可信，你觉得他们嘴上说的价值观和实际做的不一样，你觉得他们不诚实，你觉得他们参与这件事的动机跟他们声称的不同——你看到令人不安的行为模式和不诚实。到了那个地步，你没法继续跟这家公司合作，没法继续信任它。说到底，跟一个你不信任、也不同路的人吵有什么意义？各走各的。我完全接受我们按自己的方式做、他们按他们的方式做。谁能赢得市场、赢得公众判断——让行动说话就好，这比任何关于谁离开了谁的戏剧都更有说服力。

---

## 第三部分：企业路线与商业爆发

**Emily Chang**：早期别家都在做炫酷的消费者应用，你们赌的是编程和企业市场。为什么？价值观还是商业考量？

**Dario Amodei**：创办 Anthropic的时候，最根本的诉求是"我们想把这件事做对"。但你得问自己：为了支撑昂贵的模型研发，必须有商业模式。商业模式会不会跟价值观打架？这个问题始终存在。但我在别的公司待过、也观察过别的公司，学到一件事：如果你选了一个跟自己价值观根本冲突的商业模式，日子会很难过——要么背叛价值观，要么变得无关紧要。不如一开始就选一个跟价值观兼容的模式。

我们想了想：社交媒体、消费者互联网的世界——它鼓励沉迷，甚至上瘾。AI视频模型产出的那些"泔水"——机制就是想让你花尽可能多的时间盯着看，因为收入来自广告。而企业市场呢？我们想让模型对人有用。想用AI攻克以前治不了的病——得跟生物科技、药企、学术团队合作——全是企业客户。想用AI让能源更便宜——也是企业。想用AI改善教育——大部分是企业。想用AI帮助发展中国家医疗——是非营利组织，但本质上也是企业。

还有一点：企业客户非常看重信任和长期关系。消费者市场可以有噱头的成分；企业市场的核心是你跟一家公司合作多年，你兑现承诺、他兑现承诺，彼此信任。这跟我们用安全、正面的方式部署模型的目标高度一致。

**Emily Chang**：一个开发者一个下午就能从 Claude切到 GPT或 Gemini。这个行业真的可能有长期领先吗？一个认真的竞争对手多快能复制你们造的东西？

**Dario Amodei**：模型质量是最重要的事。我们现在在模型质量上遥遥领先。有一定的惯性，但我们从来不靠惯性吃饭——从不指望"用户黏住了不会走"。我觉得你得有更好的模型、更好的产品。我们的增速没有任何放缓的迹象，如果有变化，是在加速——至少在录这期节目时是这样。

**旁白**：Claude Cowork发布后不久，2850亿美元市值一夜蒸发。交易员管这叫"SaaS末日"。

**Emily Chang**：如果AI继续以这个速度进步，传统软件有多少会被取代？多快？

**Dario Amodei**：这类问题事先极难预测——如果谁能精准预测，他在股市上就永远赢了。但我会指出几点。所有传统软件公司都有一系列护城河。我认为其中一些护城河会消失，但另一些会留下来。"我们写了一套复杂软件、别人写不出来"——这条护城河肯定要没了。但客户关系会留下来，领域知识会留下来，对行业运作方式的深度理解会留下来。

我给这些公司的建议是：别松懈、别无视，把你所有的护城河列出来，认清哪些会消失、哪些因为是限制因素反而会变得更重要，可能还有新的护城河会出现。灵活应对的公司会过得很好。自欺欺人、以为过去的打法继续管用的公司，日子会很难过。

总体判断：软件行业会变大不是变小——虽然会有大输家。蛋糕在变大。现有玩家相对占比可能变小，有些可能贬值甚至倒闭。但当AI把可能性放大十倍时，一个老牌行业增长1.5倍是完全可能的——只是不如整块蛋糕涨得快。

---

## 第四部分：投资方、估值与算力争夺

**Emily Chang**：你最大的投资方是 Amazon、Google、Microsoft、NVIDIA——这些公司各有各的盘算，既是伙伴也是对手，而且你有跟融资挂钩的商业里程碑。到底谁说了算？

**Dario Amodei**：在很多场合我们都直言不讳。说到底他们从这些交易中获益跟我们一样多。我们都是成年人，可以在一件事上合作，同时在另一件事上意见不同。

**Emily Chang**：据 Bloomberg报道，你们的估值已经超过了 OpenAI，接近一万亿美元——这可是一家才五岁的创业公司。你怎么理解这个数字？为什么需要那么多钱？

**Dario Amodei**：算力的投入在飞速增长。可以同时成立的两件事：业务基本面看起来不错，但一年后你的算力需求会是现在的三四倍——具体数字我不说——而且增长极快。我们完全预期营收的增速会追上并超过算力投入。融资是给这种不确定性留的缓冲。对公司来说稀释很小，逻辑上完全合理。

**Emily Chang**：有报道说你们服务器吃紧、可靠性出问题、用户抱怨 token不够用。你说过其他公司在基础设施上"梭哈"。你们的算力够吗？还是在追赶？

**Dario Amodei**：算力有市场，一段时间内我们能拿到大量算力。要说清楚的是——按任何合理标准，我们都不是买少了。我们原本规划的是每年十倍的算力增长。十倍是我们的预期。但2026年第一季度的实际情况不是这样——我们看到的是单季度营收增长超过三倍，注意不是年化的三倍，是单季度。三的四次方是八十一——也就是年化接近八十倍增速。我们不可能按八十倍年化增速来规划，因为如果只增长十倍，你就多囤了八倍算力。

我们正处于一个局部极端的算力爆炸期。这不会一直持续——如果持续下去，年底的营收数字会到地球上任何公司都达不到的水平。但短期内确实出现了"增长速度远超一切预期"的情况。你看到了我们跟 Google的算力协议、跟 Amazon的算力协议。市场是流动的——如果你能把算力用好、有需求撑着，你就能拿到算力。可能就是需要一两个月的时间。

---

## 第五部分：超越对手与公司文化

**Emily Chang**：超过头号对手是什么感觉？

**Dario Amodei**：我们面前有很多困难挑战。我们有一个"向上竞争"的理念——试图拉着其他公司跟我们一起往上走。我觉得我们确实做到了。有时候他们不承认是被我们带动的，有时候一边抄我们一边攻击我们。但这种拉动很有价值。成为商业上和模型能力上的领头公司——意义不在于"打败对手"本身，而在于有能力拉动整个生态系统跟着走。

**Emily Chang**：但赢总归有那么一点爽吧？

**Dario Amodei**：我们一直在争取成功——我们又不是想输。我不是那种认为"应该停下这项技术、不该造它"的人。我们活在自由市场体系里，这没什么问题。我们只是必须管控模型的风险，一直在两者之间找平衡。

**Emily Chang**：Anthropic大部分历史上都是弱者。当弱者的时候占据道德高地比较容易——反正没什么好失去的。到了今天的规模，坚持价值观有多难？

**Dario Amodei**：我在每一个阶段都保持警惕。公司每长大一层就有新的挑战——有新的方式可以让公司丧失商业上的斗志，或者丢掉核心价值观。我两方面都担心，因为在我看来它们是协同的：我们能做出这么好的模型，恰恰是支撑我们在成长过程中坚持价值观的基础。

这里有很多坑。出问题不是因为我或联合创始人的价值观变了，而是因为公司的构成在飞速变化。我大概一半的时间花在跟全公司讲 Anthropic的文化——文化怎么运转、为什么重要。公司增长这么快，你招进来大量来自大厂的人。如果你不告诉他们 Anthropic怎么运作，他们就只会复制自己以前公司的那一套。这是一场持久战，我和 Daniela的头号优先级就是搞清楚怎么保持这种文化——因为这才是我们长远的核心竞争力。

**Emily Chang**：你们的产品迭代速度太快了。怎么做到的？

**Dario Amodei**：两个因素。第一，公司上下统一——文化统一、目标统一、信息同步，规模在变大但效率没有丢。这是最大的因素。第二个因素是 Claude本身——我们现在用 Claude来帮助开发模型、提高效率、快速做产品。围绕这些有很多新的工作方式要摸索，我们还在早期阶段，但加速效果越来越明显，也越来越稳定。

---

## 第六部分：AI 最疯狂的事、百年科学进步、用 Claude 写文章

**Emily Chang**：你见过AI做过最疯狂的事是什么？

**Dario Amodei**：最让我震撼的是生物和医学方向。我见过好几次——包括 Daniela本人——Claude诊断出一个一堆名医都漏掉的病。生物领域，模型在药物设计、计算化学这些任务上开始变得出奇地好。我以前是生物学家，看到这些会想——这很难的，你得训练很多年才能做这个——Claude在变得越来越擅长。这是AI巨大的正面价值——生活会变好，人的体验会变好。

**Emily Chang**：一个世纪的科学进步？

**Dario Amodei**：一个世纪的科学进步，加上一个世纪的人类体验进步。回到1900年，想想那时候的一切问题——人们为什么早死、承受什么苦难、物质上有多匮乏。然后想象再来一百年这样的进步。我真心相信——如果我们能安全度过这段路程——而且我越来越乐观——我们会迎来一个好得多的世界。

**Emily Chang**：我知道你喜欢写作，你以文章出名。你用 Claude帮你写东西吗？

**Dario Amodei**：用。但我还没到让 Claude直接写出来的文字出现在成品里的阶段——我的写作风格太特别了，有点挑剔。我基本上用 Claude来头脑风暴、帮我梳理主题、找一些可以引用的参考。它扮演辅助角色。离 Claude写得比我好还有多远？还没到——但我觉得肯定会到的。

**Emily Chang**：我也喜欢写作。写作帮你跟想法搏斗，里面有大量批判性思维。如果我们让 Claude代劳，这些会丢掉吗？

**Dario Amodei**：我有点担心这个。这也是我坚持自己写的原因之一。我写的东西当然是给外部读者看的，但同样重要的是——写作帮我理清自己的思路，让我知道下一步该做什么，也给我和团队建立共同的参照系。我觉得目前我的做法——用 Claude做研究、帮我整理思路，自己来写——保留了这些好处。如果端到端交给它——"写一篇关于AI风险的文章"——首先它不会写出我想的那些东西，其次我就完全丧失了那种思考上的锤炼。随着模型越来越强，也许可以更直接地把它用在写作中、同时保留那些好处——但这会是一件需要慢慢摸索的事，不会是一刀切。

---

## 第七部分：AI 与就业

**Emily Chang**：你一年前说"AI可能在一到五年内淘汰一半的初级白领岗位"。AI进步得太快了。现在还是50%，还是更高？

**Dario Amodei**：我一直说的是——如果你回去找原始片段的话，但那些片段总被断章取义剪成三秒钟——我原本的表述是"我不知道会怎样，但这是事情可能疯狂到什么程度的数量级。"而且我每次都会谈应对方案——token税、跟企业客户一起帮人转型、宏观经济政策。从一开始我就在谈解决办法。但不知为什么人类心理有一种倾向，总是剪出那三秒钟的"末日来了"。

我的意思绝不是"末日要来了"。我的意思是：这件事我们应该预见到、感到担忧、并且积极应对。我的担忧程度没变，还是那个量级。

我们现在看到AI让人更高效——但这只是常规过渡阶段。你自动化了90%的工作，人在剩下10%上效率提升十倍。但终归会逼近100%。到了那时就得给人找别的事干。

就拿 Anthropic内部的软件工程师来说——我们正在经历这个转型。现在AI让工程师更高效——虽然代码基本全是AI写的，但人还是更高效。不过我们已经开始看到苗头——有些人，AI并不是在帮他们提效，而是AI自己干就比人干得好。

另一面是：哪里有新的需求？我们有一种岗位叫"前方部署工程师"，或者叫"AI解决方案架构师"——工作内容是技术和客户沟通各占一半。这类岗位需求非常旺盛，因为客户很多、我们增长又快。当然不是每个纯写代码的人都适合这种角色——不是一对一的。但这能让你感受到：颠覆会非常剧烈，但也会有调整。哪方面占上风？我不知道。但警告这件事之所以重要，是因为这样我们才能回应、才能制定政策——不管是 Anthropic内部的还是整个世界的宏观经济政策。

**Emily Chang**：你们发布了一张图，显示哪些工作可能受到冲击——销售、金融等等。哪些工作会消失？谁会被取代？新工作在哪？

**Dario Amodei**：谁也说不准。但大致来说，只要是初级白领——银行、金融——AI会先让人更高效，然后逐渐能整体替代这些岗位。到那时我们必须提前想好人能做什么。

我们跟企业客户交流时已经看到他们面临的选择：省成本——用更少的人做同样的事；还是扩能力——同样多的人做更多的事。我们总是尽可能推他们往后者走——基本意思是：雇同样多甚至更多的人，但做新的事。引导他们走正和博弈。

对我们有利的是蛋糕会大很多。蛋糕大了人就可能找到去处。问题只是找得够不够快。颠覆的规模——会很大，这就是我在警告的。但我们必须解决那个"匹配问题"。

**Emily Chang**：帮我推演一下——五年后你醒来，这个国家什么样？那些人在干什么？如果失业率真那么高——那不就是革命的温床吗？

**Dario Amodei**：没错，这恰恰是我们想避免的结局。有几个方向——都不打包票。一是物理世界——制造、建造、生产实物。机器人革命也在发生，但比AI慢得多。当处理信息变得容易了，瓶颈可能就是物理世界的事。二是跟人打交道的事——人们还是想跟真人说话，尤其是重要的事。三是人来指挥AI——总归得有人来定方向和价值取向。这个角色会存在，但我不知道它会多"厚"还是多"薄"。

**Emily Chang**：Jensen Huang说你把任务和岗位混为一谈了。也有人说这是对 Anthropic有利的恐惧营销。

**Dario Amodei**：我要明确、坚决地反驳这种说法。完整的画面是：存在就业风险——这里有一些应对思路。Anthropic提出了很多想法——我们有经济资助项目、有经济影响指数。在《技术的青春期》里我用了五页纸分析"任务"和"岗位"的区别、为什么这次跟历史上不一样、六种应对措施——从私人慈善到政府行动。我谈了问题，也谈了解决方案。

但社交媒体——我打心眼里厌恶的一个品类——人们翻出一年前的三秒钟片段。他们不读那些文章，或者利用社交媒体只看三秒钟这个特性来"喂"焦虑。"这是廉价营销"这个说法本身就是廉价营销。是偷懒。是拒绝认真对待严肃的思考。这是硅谷的病——被三秒钟的社交媒体裹挟了。每当有人这么说，我会降低对他的重视程度。

---

## 第八部分：Mythos 与 Project Glasswing

**Emily Chang**：你说 Mythos太强大了不能公开发布。最让你意外的是什么？

**Dario Amodei**：最意外的是——模型在发现漏洞方面的能力一直在提升，但这次是一个特别大的跳跃。而且不光是发现漏洞——它还能把漏洞变成可实际利用的攻击手段，这才是关键——人们只谈漏洞，不太谈利用漏洞。我们没做任何特殊引导，一些拿到早期测试权的公司就主动说："这是超级武器。使用它应该像买枪一样需要许可证。求你们别放出来。"要求这么做的不是我们——是那些发现了太多高危漏洞和可利用性的公司，主动要求我们别发布。

要说清楚——因为在社交媒体的世界里什么都会被扭曲——目标不是永远锁着。我们在逐步向更大范围开放，最终我们相信应该向公众发布 Mythos，但要搭配强有力的网络安全防护。目前的防护——我们已经在 Opus 4.7上发布了，这是一个不错的网络安全模型，但能力比 Mythos弱很多——这些防护可以被"越狱"。我有点担心有些公司认为这种级别的防御就够了——是，有时候管用，但我们都知道这些分类器是可以被绕过的。我们自己的测试以及对其他公司防御措施的评估都表明，当前的防护还不够强。这就是我们在等待的——等防护达到我们真正有信心的程度。

**Emily Chang**：有不少质疑声。有研究者说他们用更便宜的开源模型就能复制出来。有人说 OpenAI已经有这个能力了。你怎么回应说这是一次大型公关的人？

**Dario Amodei**：说"用开源模型能复制"——这完全是错的。Mythos是扫描整个代码库然后找到问题。有个人在 Twitter上说"如果你把开源模型指向 Mythos找到的那一行代码，它也能发现同样的问题"。那不是题目所在！这完全不是一回事。终极检验是：我们去找真实的公司、真实的开源代码库。我们在 Firefox上发现了271个新漏洞。在那些还没修好或不能公开的私有公司里发现了数千个。之前的模型没人找到这271个漏洞。所以"真正的工作流在实践中能做什么"和"别人找到了 Mythos发现的那根针之后再用其他模型挑起来"——完全是两回事。

至于说是好的营销——不发布这个模型，我们在商业上蒙受了巨大损失。Mythos极大加速了 Anthropic内部的研究和下一代模型开发。放出去外部世界也会获得同样的加速。不发布对我们的商业损害非常大。

**Emily Chang**：如果它帮了防御者，也会帮攻击者。我们还能防住什么吗？

**Dario Amodei**：我们之所以先把 Mythos给防御者而不是攻击者——就是为了把所有漏洞补上。随着模型越来越强可能会发现更多漏洞，但漏洞是有限的——就像一个平面上只有那么多洞，你把洞全堵上，这个平面就变得非常难攻击。而且代码本身也在被强大的模型重写，变得更难找到缺陷或入侵。所以我希望六个月到一年后，我们会拥有一个比过去安全得多的互联网生态。

我们一直在跟政府沟通。我们尊重他们的建议。他们在放慢我们开放的节奏，因为担心反情报风险——我觉得这很合理。所有严肃的人都理解这里面有真实的取舍。

我看到 Twitter上和其他AI公司的各种冷嘲热讽——你看看他们说的和他们做的之间的矛盾就知道了——他们不是在认真对待这些真实的取舍。我每天都有客户打电话来说"我要 Mythos"。有国家打电话来说"我要 Mythos"。我的安全团队和美国政府说"等一下，有风险。"两边都有道理，答案在中间某个地方。但这是一个真实的挑战，需要整个社会一起面对——不是指责别人"廉价营销"，也不是自己搞廉价营销去唱反调。这些行为体现出的——是令人难以置信的轻浮和不成熟。

**Emily Chang**：百度的经历影响了你对中国的看法吗？

**Dario Amodei**：没什么影响。我在那儿只待了一年。主要学到的是语音识别相关的东西。唯一让我不安的是——我们之所以能拿到那么多语音识别训练数据，他们很直白地说："在中国我们不管隐私，所以数据随便用。"

---

## 第九部分：AI 自我改进与指数曲线

**Emily Chang**：你们领域的人经常提到一个时刻——AI强到能改进自己，然后改进后的版本再改进自己，如此循环。你的一些研究员觉得这个时刻很近了。还有多远？

**Dario Amodei**：我不认为那是一个"时刻"。那是一个连续的过程。我们已经在某种程度上看到了——AI能为下一代AI建议架构。一年前，AI贡献的全要素生产率提升大概是10%到15%。现在可能到了20%到30%，也许在翻倍。跟所有事情一样——我们在指数曲线上。

不存在AI突然自我改进、或者失控、或者变得不安全的那一刻。我们有的是一条加速的指数曲线。在曲线上的每一个点，我们都要评估——是不是该放慢？是不是该给这项技术加更多管控？我觉得这方面的需求会越来越大。

但"理解一切"的罗塞塔石碑就是那条平滑的指数曲线。那些一开始反对所有AI监管、看到一件事就想国有化的人——是一个教训。那些忽视AI的力量、然后说"天哪它在自我改进、失控了、必须全部关掉"的人——也是一个教训。在极端反应之间反复横跳——对应对这项技术毫无帮助。正确的、明智的回应是："我们不恐慌。我们的应对措施会跟技术的力量同步升级。"如果你看到有人疯狂来回摇摆——那说明他们被吓到了，不是认真的人。

---

## 尾声

**Emily Chang**：我们在指数曲线的另一端见。

**Dario Amodei**：但愿。

😄

**Emily Chang**：你一直想当好莱坞明星吧。

**Dario Amodei**：当CEO有一件事我完全没预料到——你居然得这么频繁地化妆。这不在我的人生清单上。

😄

**Emily Chang**：就打了点粉。

# 走进 Anthropic：这家近万亿美元的AI巨头

> 本文稿基于Bloomberg Originals · The Circuit with Emily Chang对Anthropic访谈节目播出版与完整采访版两份速记合并整理，限于篇幅略去了部分内容。

---

## 开场：压力、睡眠与相对论式的加速

**Emily Chang**：你现在睡眠怎么样？

**Dario Amodei**：我从来就不是那种睡得好的人。这么说吧——我正在学习怎么在非同寻常的压力下找到放松和入睡的办法。

**Emily Chang**：一切都在飞速推进。身处其中是什么感觉？

**Dario Amodei**：就像指数增长。打个比方：你坐上一艘飞船，以接近光速的速度离开地球。按照狭义相对论的原理，你睡一觉醒来，地球已经过了两天，你得在一天里消化两天的事。再睡一觉，因为你还在加速，地球已经过了三天。下一觉——四天。大概就是这种感觉。

**Emily Chang**：你每天上床的时候会不会充满恐惧——不知道醒来会面对什么？

**Dario Amodei**：眼前有足够多迫在眉睫的问题要处理，我一直在应对这些，同时想着怎么为下一步做准备。但我不觉得焦虑或害怕醒来后的事有什么帮助。我研究过历史上那些面对极端压力的人。你得学会理性应对，不能把某个危险放大到跟其他危险不成比例。那种在"没什么好担心的"和"天哪今天必须恐慌"之间反复横跳的状态——我觉得那是不成熟的决策者的特征。真正成熟的做法是：不能忽视，不能松懈，风险确实在变大。但我们必须理性回应。就像外科医生面对手术，或者军官面对军事行动——影响很多人的决策必须在冷静中做出。…

**Dario Amodei**：我儿子昨天问我，"我能用一下你的 Cowork账号吗？"我说："想都别想。我的 token我自己都不够用。"

😄

**Dario Amodei**：我们在消费端也看到越来越多的用户了。我们本来定位企业市场，但即便在消费端，我们没怎么使劲儿推，增长也开始起飞了。

---

## 第一部分：指数曲线的中心

**Emily Chang**：你现在站在AI宇宙的正中央，什么感觉？

**Dario Amodei**：我这一辈子——也包括在 Anthropic的这些年——一直在经历一种平滑的指数增长。体感就是：什么都没发生，什么都没发生，什么都没发生，冒出点小动静，然后嗖——一下子就疯了。我盯着这条曲线看了很久，跟自己说："大概在这个时间点前后，我们会成为营收最高、估值最高的AI公司。"果然就这么发生了。某种意义上不意外——因为就是曲线上的一条平滑的线。但事情真的发生时，你会看到大量细节和色彩，确实还是会被震到。不过我们关注的还是老问题——怎么训练好模型？怎么做好产品？怎么确保安全？怎么帮到人的同时管控社会风险？问题没变，只是放在了一个更大的显微镜下面。

**Emily Chang**：你从小在旧金山长大，爸爸做皮革手工，妈妈在图书馆工作。这段经历对你有什么影响？

**Dario Amodei**：当年整个互联网革命就在我身边发生，我完全不感兴趣。我就喜欢做数学题、研究各种东西。我对理解这个宇宙感兴趣，对科幻小说感兴趣。就是对世界充满好奇。

**Emily Chang**：你就生长在科技中心——现在也是AI的中心。这座城市对你的世界观有没有影响？

**Dario Amodei**：有。旧金山的那种不守常规的精神、个人主义、"疯一点没关系"的态度——我觉得确实渗透进了我。你会听到有人说，去欧洲某些国家、甚至美国某些地方，用不同的方式思考问题是被打压的，或者被当成怪人。硅谷有很多东西我是持批评态度的。但有一点我觉得很好：它鼓励你——哪怕所有专家都反对你也无所谓。只要你有一套连贯的愿景和世界观，就应该去追。也许完全行不通。但如果行得通——这里面有一种长尾效应，你可能在某条矿脉上挖到巨大的金矿。我觉得这种精神非常重要。

**Emily Chang**：2016年，你跟 Daniela和她丈夫 Holden Karnofsky合住一栋房子。你们当时在讨论什么？

**Dario Amodei**：那时候 Holden正在牵头创办 Open Philanthropy，我当时还是个生物学研究者。我帮他们看一些发展中国家健康或生物研究方面的事——哪些领域有前景，哪些不太行。

---

## 第二部分：离开 OpenAI

**旁白**：Dario学的是神经科学，后来先后在百度和 Google转向AI研究。Daniela则是 Stripe的早期员工。2016年 Dario加入刚成立的 OpenAI，Daniela在2018年跟进。两人后来与 Sam Altman在公司方向和价值观上产生分歧。Altman曾表示："我和 Anthropic有很多分歧，但总体上我还是信任他们这家公司的。"

**Emily Chang**：你离开 OpenAI的决定已经成了硅谷传说。到底怎么回事？你们在什么事上谈不拢？

**Dario Amodei**：我就直说了。造强大技术时你会遇到很多棘手的问题——Anthropic每天都在面对这类问题，而且我们不确定自己做的到底对不对。所以关于安全，完全可以有很多正当的分歧。我们确实和他们有这些分歧。但光是理念不合还不足以让人走——我们公司内部也有分歧。真正让人待不下去的是：你觉得对方不可信，你觉得他们嘴上说的价值观和实际做的不一样，你觉得他们不诚实，你觉得他们参与这件事的动机跟他们声称的不同——你看到令人不安的行为模式和不诚实。到了那个地步，你没法继续跟这家公司合作，没法继续信任它。说到底，跟一个你不信任、也不同路的人吵有什么意义？各走各的。我完全接受我们按自己的方式做、他们按他们的方式做。谁能赢得市场、赢得公众判断——让行动说话就好，这比任何关于谁离开了谁的戏剧都更有说服力。

---

## 第三部分：企业路线与商业爆发

**Emily Chang**：早期别家都在做炫酷的消费者应用，你们赌的是编程和企业市场。为什么？价值观还是商业考量？

**Dario Amodei**：创办 Anthropic的时候，最根本的诉求是"我们想把这件事做对"。但你得问自己：为了支撑昂贵的模型研发，必须有商业模式。商业模式会不会跟价值观打架？这个问题始终存在。但我在别的公司待过、也观察过别的公司，学到一件事：如果你选了一个跟自己价值观根本冲突的商业模式，日子会很难过——要么背叛价值观，要么变得无关紧要。不如一开始就选一个跟价值观兼容的模式。

我们想了想：社交媒体、消费者互联网的世界——它鼓励沉迷，甚至上瘾。AI视频模型产出的那些"泔水"——机制就是想让你花尽可能多的时间盯着看，因为收入来自广告。而企业市场呢？我们想让模型对人有用。想用AI攻克以前治不了的病——得跟生物科技、药企、学术团队合作——全是企业客户。想用AI让能源更便宜——也是企业。想用AI改善教育——大部分是企业。想用AI帮助发展中国家医疗——是非营利组织，但本质上也是企业。

还有一点：企业客户非常看重信任和长期关系。消费者市场可以有噱头的成分；企业市场的核心是你跟一家公司合作多年，你兑现承诺、他兑现承诺，彼此信任。这跟我们用安全、正面的方式部署模型的目标高度一致。

**Emily Chang**：一个开发者一个下午就能从 Claude切到 GPT或 Gemini。这个行业真的可能有长期领先吗？一个认真的竞争对手多快能复制你们造的东西？

**Dario Amodei**：模型质量是最重要的事。我们现在在模型质量上遥遥领先。有一定的惯性，但我们从来不靠惯性吃饭——从不指望"用户黏住了不会走"。我觉得你得有更好的模型、更好的产品。我们的增速没有任何放缓的迹象，如果有变化，是在加速——至少在录这期节目时是这样。

**旁白**：Claude Cowork发布后不久，2850亿美元市值一夜蒸发。交易员管这叫"SaaS末日"。

**Emily Chang**：如果AI继续以这个速度进步，传统软件有多少会被取代？多快？

**Dario Amodei**：这类问题事先极难预测——如果谁能精准预测，他在股市上就永远赢了。但我会指出几点。所有传统软件公司都有一系列护城河。我认为其中一些护城河会消失，但另一些会留下来。"我们写了一套复杂软件、别人写不出来"——这条护城河肯定要没了。但客户关系会留下来，领域知识会留下来，对行业运作方式的深度理解会留下来。

我给这些公司的建议是：别松懈、别无视，把你所有的护城河列出来，认清哪些会消失、哪些因为是限制因素反而会变得更重要，可能还有新的护城河会出现。灵活应对的公司会过得很好。自欺欺人、以为过去的打法继续管用的公司，日子会很难过。

总体判断：软件行业会变大不是变小——虽然会有大输家。蛋糕在变大。现有玩家相对占比可能变小，有些可能贬值甚至倒闭。但当AI把可能性放大十倍时，一个老牌行业增长1.5倍是完全可能的——只是不如整块蛋糕涨得快。

---

## 第四部分：投资方、估值与算力争夺

**Emily Chang**：你最大的投资方是 Amazon、Google、Microsoft、NVIDIA——这些公司各有各的盘算，既是伙伴也是对手，而且你有跟融资挂钩的商业里程碑。到底谁说了算？

**Dario Amodei**：在很多场合我们都直言不讳。说到底他们从这些交易中获益跟我们一样多。我们都是成年人，可以在一件事上合作，同时在另一件事上意见不同。

**Emily Chang**：据 Bloomberg报道，你们的估值已经超过了 OpenAI，接近一万亿美元——这可是一家才五岁的创业公司。你怎么理解这个数字？为什么需要那么多钱？

**Dario Amodei**：算力的投入在飞速增长。可以同时成立的两件事：业务基本面看起来不错，但一年后你的算力需求会是现在的三四倍——具体数字我不说——而且增长极快。我们完全预期营收的增速会追上并超过算力投入。融资是给这种不确定性留的缓冲。对公司来说稀释很小，逻辑上完全合理。

**Emily Chang**：有报道说你们服务器吃紧、可靠性出问题、用户抱怨 token不够用。你说过其他公司在基础设施上"梭哈"。你们的算力够吗？还是在追赶？

**Dario Amodei**：算力有市场，一段时间内我们能拿到大量算力。要说清楚的是——按任何合理标准，我们都不是买少了。我们原本规划的是每年十倍的算力增长。十倍是我们的预期。但2026年第一季度的实际情况不是这样——我们看到的是单季度营收增长超过三倍，注意不是年化的三倍，是单季度。三的四次方是八十一——也就是年化接近八十倍增速。我们不可能按八十倍年化增速来规划，因为如果只增长十倍，你就多囤了八倍算力。

我们正处于一个局部极端的算力爆炸期。这不会一直持续——如果持续下去，年底的营收数字会到地球上任何公司都达不到的水平。但短期内确实出现了"增长速度远超一切预期"的情况。你看到了我们跟 Google的算力协议、跟 Amazon的算力协议。市场是流动的——如果你能把算力用好、有需求撑着，你就能拿到算力。可能就是需要一两个月的时间。

---

## 第五部分：超越对手与公司文化

**Emily Chang**：超过头号对手是什么感觉？

**Dario Amodei**：我们面前有很多困难挑战。我们有一个"向上竞争"的理念——试图拉着其他公司跟我们一起往上走。我觉得我们确实做到了。有时候他们不承认是被我们带动的，有时候一边抄我们一边攻击我们。但这种拉动很有价值。成为商业上和模型能力上的领头公司——意义不在于"打败对手"本身，而在于有能力拉动整个生态系统跟着走。

**Emily Chang**：但赢总归有那么一点爽吧？

**Dario Amodei**：我们一直在争取成功——我们又不是想输。我不是那种认为"应该停下这项技术、不该造它"的人。我们活在自由市场体系里，这没什么问题。我们只是必须管控模型的风险，一直在两者之间找平衡。

**Emily Chang**：Anthropic大部分历史上都是弱者。当弱者的时候占据道德高地比较容易——反正没什么好失去的。到了今天的规模，坚持价值观有多难？

**Dario Amodei**：我在每一个阶段都保持警惕。公司每长大一层就有新的挑战——有新的方式可以让公司丧失商业上的斗志，或者丢掉核心价值观。我两方面都担心，因为在我看来它们是协同的：我们能做出这么好的模型，恰恰是支撑我们在成长过程中坚持价值观的基础。

这里有很多坑。出问题不是因为我或联合创始人的价值观变了，而是因为公司的构成在飞速变化。我大概一半的时间花在跟全公司讲 Anthropic的文化——文化怎么运转、为什么重要。公司增长这么快，你招进来大量来自大厂的人。如果你不告诉他们 Anthropic怎么运作，他们就只会复制自己以前公司的那一套。这是一场持久战，我和 Daniela的头号优先级就是搞清楚怎么保持这种文化——因为这才是我们长远的核心竞争力。

**Emily Chang**：你们的产品迭代速度太快了。怎么做到的？

**Dario Amodei**：两个因素。第一，公司上下统一——文化统一、目标统一、信息同步，规模在变大但效率没有丢。这是最大的因素。第二个因素是 Claude本身——我们现在用 Claude来帮助开发模型、提高效率、快速做产品。围绕这些有很多新的工作方式要摸索，我们还在早期阶段，但加速效果越来越明显，也越来越稳定。

---

## 第六部分：AI 最疯狂的事、百年科学进步、用 Claude 写文章

**Emily Chang**：你见过AI做过最疯狂的事是什么？

**Dario Amodei**：最让我震撼的是生物和医学方向。我见过好几次——包括 Daniela本人——Claude诊断出一个一堆名医都漏掉的病。生物领域，模型在药物设计、计算化学这些任务上开始变得出奇地好。我以前是生物学家，看到这些会想——这很难的，你得训练很多年才能做这个——Claude在变得越来越擅长。这是AI巨大的正面价值——生活会变好，人的体验会变好。

**Emily Chang**：一个世纪的科学进步？

**Dario Amodei**：一个世纪的科学进步，加上一个世纪的人类体验进步。回到1900年，想想那时候的一切问题——人们为什么早死、承受什么苦难、物质上有多匮乏。然后想象再来一百年这样的进步。我真心相信——如果我们能安全度过这段路程——而且我越来越乐观——我们会迎来一个好得多的世界。

**Emily Chang**：我知道你喜欢写作，你以文章出名。你用 Claude帮你写东西吗？

**Dario Amodei**：用。但我还没到让 Claude直接写出来的文字出现在成品里的阶段——我的写作风格太特别了，有点挑剔。我基本上用 Claude来头脑风暴、帮我梳理主题、找一些可以引用的参考。它扮演辅助角色。离 Claude写得比我好还有多远？还没到——但我觉得肯定会到的。

**Emily Chang**：我也喜欢写作。写作帮你跟想法搏斗，里面有大量批判性思维。如果我们让 Claude代劳，这些会丢掉吗？

**Dario Amodei**：我有点担心这个。这也是我坚持自己写的原因之一。我写的东西当然是给外部读者看的，但同样重要的是——写作帮我理清自己的思路，让我知道下一步该做什么，也给我和团队建立共同的参照系。我觉得目前我的做法——用 Claude做研究、帮我整理思路，自己来写——保留了这些好处。如果端到端交给它——"写一篇关于AI风险的文章"——首先它不会写出我想的那些东西，其次我就完全丧失了那种思考上的锤炼。随着模型越来越强，也许可以更直接地把它用在写作中、同时保留那些好处——但这会是一件需要慢慢摸索的事，不会是一刀切。

---

## 第七部分：AI 与就业

**Emily Chang**：你一年前说"AI可能在一到五年内淘汰一半的初级白领岗位"。AI进步得太快了。现在还是50%，还是更高？

**Dario Amodei**：我一直说的是——如果你回去找原始片段的话，但那些片段总被断章取义剪成三秒钟——我原本的表述是"我不知道会怎样，但这是事情可能疯狂到什么程度的数量级。"而且我每次都会谈应对方案——token税、跟企业客户一起帮人转型、宏观经济政策。从一开始我就在谈解决办法。但不知为什么人类心理有一种倾向，总是剪出那三秒钟的"末日来了"。

我的意思绝不是"末日要来了"。我的意思是：这件事我们应该预见到、感到担忧、并且积极应对。我的担忧程度没变，还是那个量级。

我们现在看到AI让人更高效——但这只是常规过渡阶段。你自动化了90%的工作，人在剩下10%上效率提升十倍。但终归会逼近100%。到了那时就得给人找别的事干。

就拿 Anthropic内部的软件工程师来说——我们正在经历这个转型。现在AI让工程师更高效——虽然代码基本全是AI写的，但人还是更高效。不过我们已经开始看到苗头——有些人，AI并不是在帮他们提效，而是AI自己干就比人干得好。

另一面是：哪里有新的需求？我们有一种岗位叫"前方部署工程师"，或者叫"AI解决方案架构师"——工作内容是技术和客户沟通各占一半。这类岗位需求非常旺盛，因为客户很多、我们增长又快。当然不是每个纯写代码的人都适合这种角色——不是一对一的。但这能让你感受到：颠覆会非常剧烈，但也会有调整。哪方面占上风？我不知道。但警告这件事之所以重要，是因为这样我们才能回应、才能制定政策——不管是 Anthropic内部的还是整个世界的宏观经济政策。

**Emily Chang**：你们发布了一张图，显示哪些工作可能受到冲击——销售、金融等等。哪些工作会消失？谁会被取代？新工作在哪？

**Dario Amodei**：谁也说不准。但大致来说，只要是初级白领——银行、金融——AI会先让人更高效，然后逐渐能整体替代这些岗位。到那时我们必须提前想好人能做什么。

我们跟企业客户交流时已经看到他们面临的选择：省成本——用更少的人做同样的事；还是扩能力——同样多的人做更多的事。我们总是尽可能推他们往后者走——基本意思是：雇同样多甚至更多的人，但做新的事。引导他们走正和博弈。

对我们有利的是蛋糕会大很多。蛋糕大了人就可能找到去处。问题只是找得够不够快。颠覆的规模——会很大，这就是我在警告的。但我们必须解决那个"匹配问题"。

**Emily Chang**：帮我推演一下——五年后你醒来，这个国家什么样？那些人在干什么？如果失业率真那么高——那不就是革命的温床吗？

**Dario Amodei**：没错，这恰恰是我们想避免的结局。有几个方向——都不打包票。一是物理世界——制造、建造、生产实物。机器人革命也在发生，但比AI慢得多。当处理信息变得容易了，瓶颈可能就是物理世界的事。二是跟人打交道的事——人们还是想跟真人说话，尤其是重要的事。三是人来指挥AI——总归得有人来定方向和价值取向。这个角色会存在，但我不知道它会多"厚"还是多"薄"。

**Emily Chang**：Jensen Huang说你把任务和岗位混为一谈了。也有人说这是对 Anthropic有利的恐惧营销。

**Dario Amodei**：我要明确、坚决地反驳这种说法。完整的画面是：存在就业风险——这里有一些应对思路。Anthropic提出了很多想法——我们有经济资助项目、有经济影响指数。在《技术的青春期》里我用了五页纸分析"任务"和"岗位"的区别、为什么这次跟历史上不一样、六种应对措施——从私人慈善到政府行动。我谈了问题，也谈了解决方案。

但社交媒体——我打心眼里厌恶的一个品类——人们翻出一年前的三秒钟片段。他们不读那些文章，或者利用社交媒体只看三秒钟这个特性来"喂"焦虑。"这是廉价营销"这个说法本身就是廉价营销。是偷懒。是拒绝认真对待严肃的思考。这是硅谷的病——被三秒钟的社交媒体裹挟了。每当有人这么说，我会降低对他的重视程度。

---

## 第八部分：Mythos 与 Project Glasswing

**Emily Chang**：你说 Mythos太强大了不能公开发布。最让你意外的是什么？

**Dario Amodei**：最意外的是——模型在发现漏洞方面的能力一直在提升，但这次是一个特别大的跳跃。而且不光是发现漏洞——它还能把漏洞变成可实际利用的攻击手段，这才是关键——人们只谈漏洞，不太谈利用漏洞。我们没做任何特殊引导，一些拿到早期测试权的公司就主动说："这是超级武器。使用它应该像买枪一样需要许可证。求你们别放出来。"要求这么做的不是我们——是那些发现了太多高危漏洞和可利用性的公司，主动要求我们别发布。

要说清楚——因为在社交媒体的世界里什么都会被扭曲——目标不是永远锁着。我们在逐步向更大范围开放，最终我们相信应该向公众发布 Mythos，但要搭配强有力的网络安全防护。目前的防护——我们已经在 Opus 4.7上发布了，这是一个不错的网络安全模型，但能力比 Mythos弱很多——这些防护可以被"越狱"。我有点担心有些公司认为这种级别的防御就够了——是，有时候管用，但我们都知道这些分类器是可以被绕过的。我们自己的测试以及对其他公司防御措施的评估都表明，当前的防护还不够强。这就是我们在等待的——等防护达到我们真正有信心的程度。

**Emily Chang**：有不少质疑声。有研究者说他们用更便宜的开源模型就能复制出来。有人说 OpenAI已经有这个能力了。你怎么回应说这是一次大型公关的人？

**Dario Amodei**：说"用开源模型能复制"——这完全是错的。Mythos是扫描整个代码库然后找到问题。有个人在 Twitter上说"如果你把开源模型指向 Mythos找到的那一行代码，它也能发现同样的问题"。那不是题目所在！这完全不是一回事。终极检验是：我们去找真实的公司、真实的开源代码库。我们在 Firefox上发现了271个新漏洞。在那些还没修好或不能公开的私有公司里发现了数千个。之前的模型没人找到这271个漏洞。所以"真正的工作流在实践中能做什么"和"别人找到了 Mythos发现的那根针之后再用其他模型挑起来"——完全是两回事。

至于说是好的营销——不发布这个模型，我们在商业上蒙受了巨大损失。Mythos极大加速了 Anthropic内部的研究和下一代模型开发。放出去外部世界也会获得同样的加速。不发布对我们的商业损害非常大。

**Emily Chang**：如果它帮了防御者，也会帮攻击者。我们还能防住什么吗？

**Dario Amodei**：我们之所以先把 Mythos给防御者而不是攻击者——就是为了把所有漏洞补上。随着模型越来越强可能会发现更多漏洞，但漏洞是有限的——就像一个平面上只有那么多洞，你把洞全堵上，这个平面就变得非常难攻击。而且代码本身也在被强大的模型重写，变得更难找到缺陷或入侵。所以我希望六个月到一年后，我们会拥有一个比过去安全得多的互联网生态。

我们一直在跟政府沟通。我们尊重他们的建议。他们在放慢我们开放的节奏，因为担心反情报风险——我觉得这很合理。所有严肃的人都理解这里面有真实的取舍。

我看到 Twitter上和其他AI公司的各种冷嘲热讽——你看看他们说的和他们做的之间的矛盾就知道了——他们不是在认真对待这些真实的取舍。我每天都有客户打电话来说"我要 Mythos"。有国家打电话来说"我要 Mythos"。我的安全团队和美国政府说"等一下，有风险。"两边都有道理，答案在中间某个地方。但这是一个真实的挑战，需要整个社会一起面对——不是指责别人"廉价营销"，也不是自己搞廉价营销去唱反调。这些行为体现出的——是令人难以置信的轻浮和不成熟。

**Emily Chang**：百度的经历影响了你对中国的看法吗？

**Dario Amodei**：没什么影响。我在那儿只待了一年。主要学到的是语音识别相关的东西。唯一让我不安的是——我们之所以能拿到那么多语音识别训练数据，他们很直白地说："在中国我们不管隐私，所以数据随便用。"

---

## 第九部分：AI 自我改进与指数曲线

**Emily Chang**：你们领域的人经常提到一个时刻——AI强到能改进自己，然后改进后的版本再改进自己，如此循环。你的一些研究员觉得这个时刻很近了。还有多远？

**Dario Amodei**：我不认为那是一个"时刻"。那是一个连续的过程。我们已经在某种程度上看到了——AI能为下一代AI建议架构。一年前，AI贡献的全要素生产率提升大概是10%到15%。现在可能到了20%到30%，也许在翻倍。跟所有事情一样——我们在指数曲线上。

不存在AI突然自我改进、或者失控、或者变得不安全的那一刻。我们有的是一条加速的指数曲线。在曲线上的每一个点，我们都要评估——是不是该放慢？是不是该给这项技术加更多管控？我觉得这方面的需求会越来越大。

但"理解一切"的罗塞塔石碑就是那条平滑的指数曲线。那些一开始反对所有AI监管、看到一件事就想国有化的人——是一个教训。那些忽视AI的力量、然后说"天哪它在自我改进、失控了、必须全部关掉"的人——也是一个教训。在极端反应之间反复横跳——对应对这项技术毫无帮助。正确的、明智的回应是："我们不恐慌。我们的应对措施会跟技术的力量同步升级。"如果你看到有人疯狂来回摇摆——那说明他们被吓到了，不是认真的人。

---

## 尾声

**Emily Chang**：我们在指数曲线的另一端见。

**Dario Amodei**：但愿。

😄

**Emily Chang**：你一直想当好莱坞明星吧。

**Dario Amodei**：当CEO有一件事我完全没预料到——你居然得这么频繁地化妆。这不在我的人生清单上。

😄

**Emily Chang**：就打了点粉。

美籍等离子体物理学家陈凤翔在他所著一本科普书《一个不可或缺的真相——聚变能源如何拯救地球》中提到，FRC是聚变领域的“黑马”。孙玄非常赞同：“现在看来，FRC可能已成为‘白马’了。” FRC和托卡马克的本质区别在于拓扑结构不同。孙玄介绍，FRC属于紧凑型磁约束聚变装置，没有中心螺线管，物理挑战比托卡马克更大，但装置结构更简单。FRC是高β值的等离子体，磁场利用率很高，所以建造成本相对较低，非常适合做先进聚变燃料，如氘氦-3、氢硼的聚变堆。FRC还可以做脉冲压缩和绝热压缩，这是一种非常高效、简单的聚变实现方式。

http://t.cn/AXa0hInk星能玄光孙玄教授专访图片2026高温超导和可控核聚变论坛将于10月在杭州召开，会议将探讨全球和中国高温超导与可控核聚变产业进展，托卡马克、仿星器和场反位形（FRC）聚变技术与示范装置，高温超导带材和线材的稳定生产与一致性控制，高温超导关键材料：基带、缓冲层、超导层、保护层和封装层，高温超导靶材和沉积工艺，高温超导市场前景展望：聚变强磁体、电力、医疗设备、磁悬浮、大科学仪器等。

6月15日，《中国科学报》(2026-06-15第4版科创)刊发题为《他要把“人造太阳”变成现实》的文章，对中国科大教授、星能玄光创始人孙玄进行了专访报道。文章回顾了孙玄教授三十年聚变研究生涯，并对星能玄光所代表的“先进场反磁镜聚变”路线进行了详细说明。

图片

把“人造太阳”变成现实。这是中国科学技术大学（以下简称“中国科大”）教授孙玄多年来的心愿。

孙玄从事受控核聚变和基础等离子体物理研究，他希望聚变能应用于建造巨大、复杂的工程装置，但他也清楚，可控核聚变商业化不是短期能实现的事情。“这是科学和工程的巅峰挑战，几十年来都没做成，不能指望一夜实现。…

”2024年，孙玄牵头成立合肥星能玄光科技有限责任公司（以下简称“星能玄光”）。

孙玄在接受《中国科学报》记者采访时表示，当前，全球聚变研发进展超乎预期，一些国外同行已经宣布了建造示范电站的计划，虽然是否成功还未可知，但发展趋势是加速的。在中国，聚变商业化的实现或许会比预想的来得更早。

一、聚变领域的“黑马”

图片孙玄自1997年在中国科大读研就开始做聚变研究，主要依托中国科大的KT-5托卡马克装置。随后，他来到美国西弗吉尼亚大学读博，曾在暑期前往普林斯顿等离子体物理实验室（PPPL）交流，并了解到场反位形（FRC）这种聚变研究方法。

博士毕业，孙玄加入美国洛斯阿拉莫斯国家实验室，在脉冲场反位形领域做了一些研究。他说：“我真正开始研究FRC是在进入美国核聚变能源企业TAE公司（Tri Alpha Energy）后，也是从那时候意识到FRC的物理研究很有趣，从实现聚变的角度来看也很有市场潜力。”

当时，美籍等离子体物理学家陈凤翔在他所著一本科普书《一个不可或缺的真相——聚变能源如何拯救地球》中提到，FRC是聚变领域的“黑马”。孙玄非常赞同：“现在看来，FRC可能已成为‘白马’了。”

FRC和托卡马克的本质区别在于拓扑结构不同。孙玄介绍，FRC属于紧凑型磁约束聚变装置，没有中心螺线管，物理挑战比托卡马克更大，但装置结构更简单。FRC是高β值的等离子体，磁场利用率很高，所以建造成本相对较低，非常适合做先进聚变燃料，如氘氦-3、氢硼的聚变堆。FRC还可以做脉冲压缩和绝热压缩，这是一种非常高效、简单的聚变实现方式。

“聚变某种意义上像‘暴力美学’，需要输入大量能量，而FRC正好适合这种简单粗暴但有效的路径。”孙玄认为，从聚变能源的最终的经济性目标来看，根据现有的估算，FRC在经济效益上的优势还是挺明显的。

美国的求学和工作经历让孙玄收获满满。他接受了系统的学术训练，学习了如何做研究。“在TAE公司的4年时间里，公司提供了适合科研人员发展的平台和氛围，这改变了我对企业的印象和认知，也为我创立星能玄光提供了很好的参考样本。”孙玄说。

二、回国潜心做科研

图片2012年，孙玄回国加入中国科大。“回母校工作，是一件不用思考的事情。”孙玄感叹道，这里是国内等离子体物理研究实力最强的高校，也是真正做物理、做科研的理想场所。

“当时国内的核聚变研究领域，磁约束基本都采用托卡马克，其他路线很少，或者说基本没有。”孙玄却选择了FRC聚变这条路，他觉得某种意义上这也是填补国内研究方向的一个空白。“当时，中国已加入国际热核聚变实验堆计划（ITER），国家对聚变的投入在加大，我们新建的仪器设备甚至比国外还好。”

尽管一切向好，但孙玄也发现，就市场前景而言，当年还没有社会资本关注过聚变，更谈不上商业化。

孙玄从基础研究开始做起。2012年，他在中国科大设计建造国内最大的串列磁镜装置KMAX，该装置于2013年开始加工组装，2014年初实现放电。随后十年，孙玄和团队将场反与磁镜两种磁约束位形有机结合，开创出先进场反磁镜聚变路径。

其间，孙玄团队在KMAX装置上观测、测量了两个FRC的对撞融合过程，并且分析了其中的能量转换机制，给出了对碰融合的实验证据。“这实际上也是在国际上首次给出的直接实验证据，证明了FRC可以对碰融合。”孙玄说。

不过现实的困难也摆在眼前。孙玄还记得，当时托卡马克是主流，FRC这条路径想直接申请项目还比较困难。“我们的解决方案是采取‘迂回’策略，不直接强调聚变能源目标，而是侧重研究FRC中涉及的基础科学问题，例如与空间物理现象相关的共性物理，或者其可能应用于推进器等方向。”

就这样，孙玄团队通过强调FRC基础研究价值和交叉应用潜力，来争取支持，从而为聚变研究积累了经费。

三、创业赶上好时机

图片2024年，孙玄认为创业的好时机来了。资本市场对聚变的关注度显著提升，国内部分聚变创业公司融资成功了，这让他意识到，随着国家对于聚变的关注和重视，国内资本也愿意投资聚变这个长期赛道了。

与此同时，孙玄团队在中国科大的基础研究也到了一个阶段性节点。“我们已经完成了一系列原理验证，接下来需要建造更大规模、更高参数的工程化装置来向聚变目标迈进，这显然超出了高校常规科研的范畴，需要以公司化的形式来运营。”

在资本环境转暖和FRC技术发展的双重需求下下，星能玄光成立了。

从高校教授到创业者，孙玄发现最大的变化是目标导向的转变。在高校，一个项目结题的标准往往是发表论文、申请专利，以科研成果为导向；在企业，唯一的目标就是把聚变这件事做成，是产品、结果导向，一切行动都要以最终实现聚变能源的商业化为导向。

创业初期，孙玄最难适应的是各种“路演”。在学校，面对的听众主要是学生和同行；路演时，面对的是投资人，目的是获得资金支持。“这种有目的的沟通方式和氛围在初期让我非常不适应，不过现在已经轻车熟路了。”

成立一年的时间，星能玄光就完成了数亿元的融资。“投我们的资本方都是‘耐心资本’，他们对聚变的长期性有深刻认知，愿意陪伴我们长跑。”孙玄说，“光是讲‘长期’也不行，我们会在内部设立一些短期的，甚至有点疯狂的目标，看看能否集中资源快速突破，也让大家在努力中不断获得成就感，这样才能把一个长期的事业坚持下去。”

虽然星能玄光目前与国际顶尖的团队在装置建设、迭代方面还有差距，但在科学和物理设计上，孙玄认为，“我们和他们处于‘并跑’状态，或者说各有特色。我们起源于中国科大，在基础研究阶段就形成了自己独特路径和技术特色。”

如今，孙玄带领的星能玄光目标很明确：一方面要加强工程团队建设，另一方面依托国家的工业制造能力和高校院所的合作。“如果可以将物理需求与工业制造能力深度结合，在关键工程问题上实现突破。我们完全有可能从‘并跑’走向‘领跑’。”

不知道你们发现没有，今年世界杯的热搜词条，画风变得越来越奇怪了。

Lisa成为首个登上开幕式的K-pop女艺人、英格兰国家队装备失窃、被戏称为「卡牌大师」的中国裁判马宁、墨西哥开幕式上的Labubu……

好笑是好笑，但这些好像，跟比赛都没什么关系啊。

千言万语一句话：时代变了，大人。

因为在纸媒和电视垄断注意力的年代里，情况还不是这样的。

见证过2002年国足唯一一次挺进世界杯决赛圈的人都知道，「小负巴西、战平土耳其、大胜哥斯达黎加」之所以能成为一个经久流传的笑话，是因为在全国共享同一个信号源的高度中心化背景里，关于世界杯的讨论只能死死贴着比赛本身。

但今天完全不同了，注意力被分散到了数以亿计的手机屏幕里，于是特别明显的感受是，每家平台都在自己的辐射范围内争奇斗艳、各显神通：

咪咕就不用多说了，作为每届世界杯最稳定的观众接盘方，对所有配套玩法已经轻车熟路，牢牢占据着观赛第一入口的心智；

小红书成为唯二拿下转播权的新秀，渴望用现象级赛事来扩大用户基本盘，目前而言效果十分拔群，包括圈子、热点榜和主队认证上的小巧思诚意满满；

上一届的赢家抖音，虽然今年没有最终拿下版权，但它本身就是全国最大的注意力池子，并且对接签下了众多顶流球队和球星，目的就是把一届赛事，拆成无数条能一直刷下去的短视频；

至于B站，则沿用了一贯的差异化打法，娱乐整活和专业分析同出，依靠UP主这个自身最大的资产做文章，倒也不意外；

最后就是微博再次用事实证明，观赛可以去中心化，但最终的讨论总是会重新聚拢，回归广场。

换句话说，球迷们当然还可以在咪咕和小红书看直播，在抖音刷切片集锦，或是在B站找专业分析，但真正想聊世界杯的时候，总得有那么一个所有人都在场、所有梗都能接得住的地方。…

或者说「所有人都在场」这件事，微博在过去十几年来作为最大的参照系，其实一直没怎么挪过窝。

就好比媒体在赛前对这届美加墨世界杯的唱衰调门一度相当之高，但实际上我们也看到了，揭幕式当日，「世界杯在中国收视率爆了」的词条就喜提微博全站热搜第一，24小时里，单是与世界杯相关话题的阅读量就突破了26亿。

怎么说呢，这种「外冷内热」的现象，生动解释了近些年来媒体在公共场域的失位性，你如何唱衰是你的事，微博自会用热搜证明世界杯的含金量。

我甚至觉得，微博有没有力气去参与转播权的争夺——从营收体量上讲，它确实很难上桌——都已经不重要了，重要的是围绕着自身在「公共讨论」层面的资源禀赋，只有微博能把一条热搜、一个梗、一段切片，转化成在广场上发酵数日的热点事件。

尽管这是我的说法，微博未必会赞同，但「认命」之后的微博，身上反倒多出了一些以前从未有过的松弛感。

比如今年在供给侧，微博不仅增加了世界杯专属推荐流，还把超话入口放在首页的左上角，都是为了让对应的内容不再高度依赖博主本身的粉丝盘子，不靠关系也能拿到规模化曝光。

这就是广场的另一层含义，人人都能走上舞台拿起麦克风发言，人人也都能在台下回应他。

就连我自己也有实例为证给微博站台，众所周知，作为四年一遇、战绩可查的资深中国体彩消费者，我的预测向来只发微博，而今年某家合作商带着诚意来找，奈何该合作商与一支热门球队已经签约。

所以恰饭的代价是，这届世界杯不能预测这支球队的比赛结果……

思来想去，忍着有饭不能恰的阵痛，我最终还是拒绝了，原因很简单，在全球共襄盛典的赛事面前，与商单比起来，我实在不愿割舍那份如此强烈的正反馈。

微博就是如此，赛后人们记住的可能不是哪场球的比分，而是那些在广场上聊出来的梗、吵出来的架，和热搜上挂了一整天的名字。

【#北京提前蒸桑拿了#】#北京闷闷#经历了昨晚的一场全市性雷阵雨过后，今天京城开启晴晒模式，暂别雨水，但体感较闷热。

前两天的京城，由于频繁迎接雷阵雨，气温虽然没有超过30℃，但天空总感觉“憋着”水汽，能见度不佳，湿度较大，与前半月冷涡影响下干爽舒适的天气形成鲜明对比。

今天，这种湿润感会更加明显。13时实况显示，代表“北京温度”的南郊观象台气温已经接近30℃，湿度达到50%。午后随着气温继续升高，体感会更觉闷热。“衣服晒了半天还感觉潮乎乎的！”“北京怎么有点像南方‘入梅’了的感觉？”“这是提前体验‘桑拿天’了？”……网友们纷纷分享自己的感受。

北京市气象局气象服务首席王华告诉记者，相比6月上半月，从这周开始北京的天气确实变化比较大。前段时间，尤其是高考期间的北京，在东北冷涡的影响下，冷空气频繁，虽然时不时也有雷阵雨，但降雨过后地面多北风，空气凉爽，体感舒适。

而近几天，随着天气形势变化，北京主要受高空短波槽影响，高空有冷空气，但伴随低层偏南暖湿气流输送水汽，使得空气湿度加大，但降雨过后地面没有冷空气下来，风力较小，蒸发作用又导致近地面湿度更大，加剧闷热感。

就比如6月15日的北京，虽然最高气温只有27℃，但最小相对湿度都达到了60%，日平均湿度更是高达84%，体感就会觉得比较闷热。相比之下，6月11日的北京，虽然最高气温达到了31.1℃，但那天的最小相对湿度只有23%，日平均湿度仅48%，即便在太阳底下感觉晴晒，但在阴凉通风处体感还是非常舒服，人体就算出了汗散热也比较快。王华表示，从体感角度来说，除了受气温因素影响，还有湿度、辐射、风力等多个方面的影响。…

一般来说，夏天在同样的气温下，湿度每增大10%，体感温度会上升1℃左右，而湿度越大，体感会越闷热，“当湿度已经高达70%甚至更高时，那伴随着湿度加大，体感温度上升可能就超过1℃，闷热感肯定会更强。”王华说。

今明两天的北京，最高气温将达到31℃，预计白天最小湿度达50%，夜间最大湿度有90%，日平均湿度在70%左右，而且风力只有二三级，“湿度大，气温较高，风速又小，人的体感就会觉得更热。”王华说，当达到日最高气温时，可能人的体感温度就会超过35℃高温线的标准，高温高湿下的“桑拿天”体感，还是跟干热有较大区别，所以务必要多注意防暑降温，谨防中暑。（@北京日报记者骆倩雯） 来源：北京日报更多戳↓http://t.cn/AXqOUUfJ