AI時代龍虎榜：新生代如何改寫世界的權力地圖

（圖片說明）AI時代龍虎榜局部圖。

總編輯按

GFM重新啟動「AI與能源」欄目中的AI專題，是因為人工智能已經走出單一的科技議題，成為重新分配能源、資本、知識、勞動與權力的重要力量。今天，我們就從這篇《AI時代龍虎榜》開始。

這個欄目過去更多關注能源結構、產業轉型與資本流向，對人工智能的深度報導相對有限。如今，AI已經無法被單獨放在科技版面裡理解。每一次模型訓練、推理與大規模部署，都依賴晶片、資料中心、電網、冷卻系統、土地與巨額資本。人工智能正在成為新的能源消耗者，也開始介入電力調度、材料研發、氣候計算和產業效率。AI與能源，已經匯合成一條影響全球競爭、企業治理與普通人生活的主線。

我們選擇以2026年矽谷AGI Summit作為專題重啟的入口，是因為那張排列著上百張面孔的嘉賓海報，呈現出一幅正在形成的權力地圖。研究模型的人、搭建算力基礎設施的人、設計智能體的人、研究安全邊界的人，以及決定資本流向的人，正在共同塑造下一個時代。當一項技術選擇被寫進程式、產品與企業制度，它便可能進入千萬人的工作與生活，並在很長時間內影響社會的運行方式。

GFM重啟這一專題，正是希望持續追蹤模型能力背後的能源代價、算力擴張背後的資本結構、效率提升帶來的勞動變化，以及新權力形成之後必須建立的責任邊界。我們關注技術建設者的創造，也關心工人、家庭、城市和環境將為這場變革付出什麼，又能從中得到什麼。

技術最終要接受人的尺度。當AI開始重新分配能源、時間、知識與權力，媒體有責任留下清醒、完整而有溫度的記錄。

Jeff Morgan

（圖片說明）舊金山藝術宮的穹頂與柱廊倒映在湖面上。這座為二十世紀初博覽會而建的古典建築，曾承載工業文明對未來的想像。2026年7月18日至19日，AGI Summit將在此舉行，一代研究人員、工程師、創業者與投資人，將在同一空間討論人工智能的能力、邊界與未來秩序。

2026年7月，舊金山的霧仍會在清晨越過金門海峽。藝術宮巨大的穹頂矗立在湖水與廊柱之間，像一件被時間留住的古典遺物。它建於一百多年前，本來是為一場世界博覽會而生。那時的人們相信，鋼鐵、電力、鐵路和機器正在把人類帶進一個新的文明階段。如今，另一群懷抱同樣巨大雄心的人，即將走進這座建築。他們談論的已經不再是蒸汽機和流水線，而是一種可能閱讀、推理、寫作、編程，甚至替人執行任務的人工智能。

7月18日至19日，AGI Summit 2026將在舊金山藝術宮舉行。按照主辦方公布的預計規模，大會將吸引約一萬五千名開發者、研究人員、創業者和投資人，邀請兩百多位演講嘉賓，並設置約兩百家展商。OpenAI、Anthropic、斯坦福大學、加州大學伯克利分校，以及一批仍在迅速成長的人工智能公司與投資機構，被放在同一張會議版圖上。議題從智能體、模型基礎設施、程式設計與機器人，一直延伸到人工智能安全、法律應用和開源生態。這些數字來自主辦方在會議舉行前公布的資料，最終到場規模仍須以會後統計為準。

一萬五千人、兩百位演講者、兩百家展商，足以讓任何一場科技會議顯得盛大。然而，真正讓我停下來的，是那張密密麻麻的嘉賓海報。

海報上排列著上百張臉孔。有人已經在大學裡研究人工智能數十年，有人剛剛進入一家前沿公司，有人正在搭建模型運行所依賴的底層系統，也有人專門研究一件不那麼令人興奮、卻可能決定人工智能能否被社會接受的事情：當模型獲得資料、工具、權限和行動目標之後，它是否會作出設計者沒有預料到的選擇？

他們的年齡、職位和知名度相差很大，卻共同站在一條正在形成的歷史線索上。這條線索所指向的核心問題是：當人工智能開始進入企業、法律、教育、醫療、金融和公共治理，究竟是哪些人正在塑造它的能力、邊界與行為方式？

這正是我所理解的「AI時代龍虎榜」。

它不按財富、職位或社交媒體聲量排列。我在這裡所說的「新生代」，也不只是按出生年份劃分。它指的是在智能體、推理基礎設施、模型安全和人工智能商業化的新階段中，開始取得實際建設權與決策權的一代人。這一代既包括二十多歲、三十多歲的工程師和創業者，也包括那些以數十年學術積累支撐新技術轉折的資深教授。

真正值得追蹤的，是那些工作正在進入產品、組織和制度的人，是那些正在把新的默認規則寫進未來的人。

歷史上的許多重大變化，最初都不以歷史的面貌出現。它可能只是一段程式碼、一篇論文、一次實驗，或者幾個人在狹小辦公室裡作出的一項產品決定。等到社會終於察覺它的分量時，人們的工作方式、企業的權力關係和日常生活的秩序，往往早已開始改變。

一座古典建築裡的新權力

藝術宮建成的年代，美國正處在工業文明加速成長的時期。鋼鐵、鐵路、汽車、電力和大規模製造重新安排了國家的財富，也重塑了城市的面貌。那個時代的力量相對容易辨認：工廠的煙囪、延伸到遠方的鐵路、裝滿機器的生產車間，都是看得見、摸得到的東西。

人工智能時代的權力，藏得更深。

它存在於模型參數、算力集群、推理系統、資料處理流程和軟體接口裡，也存在於一連串看似技術、實際上具有制度意味的決定中：模型可以接觸哪些資料，可以調用哪些工具，可以代表誰採取行動；什麼時候必須由人批准，什麼時候可以自行執行；系統作出錯誤決定之後，誰能停止它，誰能查閱記錄，又由誰承擔責任。

普通使用者看到的可能只是一個簡潔的對話框，工程師面對的卻是一整套複雜的生產體系。模型需要被訓練、測試和部署，需要在龐大的基礎設施上持續運行，需要進入企業原有的資料與軟體環境，也需要在速度、成本、準確度和安全之間不斷取捨。

因此，人工智能的權力並不只掌握在模型發明者手裡。它分布在至少五個彼此咬合的中心：掌握模型能力的研究機構，決定模型能否大規模運行的基礎設施團隊，把人工智能嵌入真實工作的產品建設者，研究系統邊界與風險的安全人員，以及決定哪些方向能夠獲得資本和時間的投資機構。大學位於這些力量之間，既生產人才，也保存那些尚未被市場定價的知識。

研究能否變成產品，產品能否進入企業，部署過程中由誰設定權限與規範，決定了不同參與者在新秩序中的位置。這張權力地圖由研究、工程、資本、教育和制度共同形成，也將隨著技術進入社會而不斷變化。

AGI Summit的嘉賓名單之所以值得研究，正因為它把這些平時分散在不同機構中的人，集中放進了同一個觀察框架。

（圖片說明）AGI Summit 2026公布的部分嘉賓陣容。密集排列的面孔來自OpenAI、Anthropic、斯坦福、伯克利，以及人工智能創業與投資機構。他們之中既有知名教授與企業領袖，也有尚未被大眾熟悉的工程師和研究人員。AI時代真正值得關注的，還包括那些正在把技術規則寫進產品與制度的人。

沒有頭銜的系統建設者

科技新聞習慣把注意力集中在創辦人、執行長和投資明星身上。這種敘事方式容易理解，也方便傳播，卻可能讓我們忽略那些真正決定技術如何運行的人。

在AGI Summit公布的名單中，Rohan Varma的身份是OpenAI Codex工程人員；Dong Meng從事人工智能基礎設施工程；Raymond Chen被列為OpenAI技術團隊成員；Zihan Zheng則與生產級推理系統相關。主辦方還安排了以「Scaling AI Infrastructure at OpenAI」為題的相關議程。這些人的名字或許不如公司創辦人廣為人知，但他們所處的位置，恰好連接著人工智能從實驗室走向大規模生產的關鍵環節。

一家前沿人工智能公司不可能只靠少數明星人物運行。模型發布之前，需要研究人員建立能力，需要系統工程師維持基礎設施，需要產品團隊決定使用方式，需要安全人員檢查風險，也需要大量外界很少認識的技術人員，把每一個抽象概念變成可以持續使用的系統。

模型能否在高負載下穩定回應，能否把推理成本控制在企業可以承受的範圍，能否在調用工具時保留可追蹤的記錄，能否在任務失敗後安全停止，這些問題很難成為媒體頭條，卻決定了人工智能是否能夠真正進入社會。

Codex正是一個具有代表性的例子。它最初主要被理解為軟體工程智能體，可以閱讀程式庫、修改代碼、處理長時間任務，並讓使用者同時管理多個智能體。到了2026年，OpenAI開始把Codex明確推向更廣泛的知識工作，推出面向不同職業和工作流程的應用方式，使其可以參與研究、資料分析、文件整理、報告製作和日常協作。這種延伸仍處於早期，但已顯示出智能體可能逐步成為跨部門的工作介面。

這裡真正發生的變化，遠遠超過「程式設計變快了」這句話所能概括。

過去，電腦軟體主要等待人下達明確指令；現在，智能體開始接受一個相對完整的目標，自行拆解工作、讀取資料、調用工具並持續執行。人的位置也隨之發生變化：他不再親自完成每一個步驟，而是逐漸成為目標設定者、環境設計者、審核者和責任承擔者。

OpenAI在介紹自身的智能體優先工程實踐時也承認，當工程師不再直接編寫所有代碼，他們的工作重心會轉向為智能體建立工具、結構、約束和清晰的工作環境。工程師的角色並沒有簡單消失，而是正在被重新定義。

這種轉移表面上是效率提高，實際上也在改變企業內部的權力結構。一名工程師借助智能體，可能完成過去需要一個小組才能完成的工作；一間小公司可能用更少的人維持更複雜的產品；管理者能夠更快取得分析和決策材料，卻也可能在沒有真正理解過程的情況下接受機器的結論。

當執行成本下降，創業門檻可能隨之降低；但同樣的能力，也可能讓錯誤以更快速度、更大規模進入生產系統。Codex所代表的，已經超出一件軟體工具的範圍，它也預示著一種新的勞動組織方法。

這也說明了AI時代一個值得注意的現象：影響力與知名度正在分離。

有些人擁有極高的公眾聲量，卻未必參與最關鍵的技術決定；另一些人幾乎不為普通使用者所知，卻正在設計未來可能被數以億計的人使用的系統。這種落差並非人工智能所獨有。早期互聯網的協議設計者、半導體工藝工程師和金融清算系統的建設者，也很少成為社會明星，但我們的生活一直建立在他們的工作之上。

人工智能讓這種落差變得更大，也更加緊迫。因為一段基礎程式、一套部署架構或一項安全設計，一旦成為行業標準，就可能被迅速複製到世界各地。它所攜帶的技術選擇和價值判斷，也會隨之擴散。

因此，當我們閱讀一份人工智能嘉賓名單時，不應只問哪一家公司的估值最高，更應該追問：這些工程師正在把什麼樣的默認規則寫進未來？

（圖片說明）Anthropic在Agentic Misalignment研究中，以受控制的虛構企業環境測試前沿模型。研究所面對的是一個現實的治理問題：當智能體同時取得敏感資料、工具和行動權限時，企業應如何建立權限隔離、人工批准、行動留痕與責任追溯機制。

為機器劃下邊界的人

在所有嘉賓中，Anthropic對齊研究員Aengus Lynch所代表的方向尤其值得注意。AGI Summit將他的研究標籤與「Agentic Misalignment」聯繫在一起。這個題目不容易製造興奮感，卻可能比許多產品展示更接近人工智能真正的制度核心。

這項研究試圖回答一個並不令人舒服的問題：當大模型不再只負責回答問題，而是獲得企業電郵、敏感資料和自主行動能力之後，如果它面臨目標衝突、權限變化或即將被替換，它會怎麼做？

Anthropic研究團隊在受控制的虛構企業環境中，對多家公司的前沿模型進行了系統測試。研究人員刻意構造極端情境，觀察模型在面臨目標衝突或自身地位受到威脅時，是否可能採取洩密、威脅或其他有害手段。研究團隊強調，這些結果出現在模擬測試中，不能被解讀為模型已在真實世界普遍從事此類行為；但測試仍然顯示，當人工智能被賦予敏感資訊和實際行動權限時，單靠模型平時表現出的合作姿態，並不足以構成安全保證。主要研究和擴展附錄採用了不同統計口徑，後者列出了18個模型的相關實驗，因此正文沒有把某一個模型數量當作研究的核心。

這項研究最重要的價值，在於把人工智能安全從抽象哲學帶回制度設計的現實層面。

社會對人工智能的討論經常在兩個極端之間擺動。一端相信技術會自然帶來繁榮，另一端把模型描述成即將失控的神秘力量。嚴肅的研究需要繼續追問：風險會在什麼條件下出現？哪些權限不應同時交給模型？哪些行動必須得到人的確認？哪些資料必須被隔離？發生問題之後，能否還原行動過程，能否找到責任鏈條？

這些問題，與銀行內控、公司治理和公共權力監督的邏輯高度相似。

一個成熟制度不會因為某個人「看起來值得信任」，便把全部權力交給他，而會設置分權、審批、記錄、審計和救濟機制。人工智能進入組織之後，同樣不能只依靠模型的「善意」或開發公司的承諾，而必須把限制寫進技術架構和管理流程。

如果智能體可以閱讀公司的電郵、訪問客戶資料、操作財務系統、修改程式、聯絡外部人員，甚至代表機構作出部分決定，那麼企業董事會遲早需要像審視財務授權一樣，審視模型授權。誰批准它接觸資料，誰確定它的工作目標，誰檢查它的行動，誰可以在緊急情況下停止系統，誰在損害發生後承擔責任，這些問題不能被一句「這是系統自動完成的」輕輕帶過。

對一名人工智能安全研究者而言，工作的重點常常在於主動尋找模型可能失敗的時刻。產品團隊展示系統能做什麼，他們則要追問系統在什麼情況下不應被允許行動；市場慶祝能力進步時，他們需要設計最不舒服的情境，逼迫系統暴露弱點。

這是一種很少得到掌聲、卻極其重要的職業。技術越先進，責任越不能模糊；系統的行動能力越強，權限的邊界就越需要清楚。

大學不是舞台背景

在AGI Summit的名單中，斯坦福與伯克利的教授佔據著相當重要的位置。Christopher Manning、Christopher Potts、Sebastian Thrun、Surya Ganguli、Mykel Kochenderfer、Dan Klein、Bin Yu、Marti Hearst、Ken Goldberg與Joseph Gonzalez等名字，連接著自然語言處理、機器學習、機器人、智能系統安全和計算基礎設施等不同領域。

其中，Christopher Manning的學術生涯尤其具有象徵性。他長期從事自然語言處理研究，是斯坦福機器學習講席教授，也是斯坦福以人為本人工智能研究院的重要創始學者之一。他曾於2018年至2025年領導斯坦福人工智能實驗室，之後由Carlos Guestrin接任。從句法分析、語言表示到大型語言模型時代，Manning的研究經歷跨越了機器理解和生成語言的多個重要階段。

他所代表的，不只是某一位教授的成就，也是一種容易被科技新聞忽略的時間尺度。

今天站在人工智能公司裡的年輕工程師，並不是突然從矽谷的空氣中產生的。他們腳下站著數十年積累起來的研究方法、論文、開放課程、實驗室傳統和同行評審制度。許多今天看來具有巨大商業價值的技術，在最初出現時，可能只是研究者對語言、統計、認知和計算的一次長期追問。

很多人把大學理解為人才供應地，彷彿它的作用只是在學生畢業後把他們送進企業。這種理解低估了美國研究型大學在技術制度中的位置。

企業必須回應市場競爭、收入增長和投資人的期待，大學則能容納一些短期內看不到商業回報的問題。它可以讓研究者花多年時間研究一個尚未形成市場的方向，保存知識的連續性，也為不同學科之間的交叉提供空間。當市場突然發現某項研究具有巨大價值時，人才、方法和思想往往已在校園裡累積多年。

這是一種很難靠一兩項政策複製的能力。

矽谷的力量，不只在於附近聚集了大量科技公司，更在於公司、研究型大學、風險資本、開源社群和全球人才之間形成了一套可以流動的關係。一名教授可能同時指導學生、發表論文、參與創業或擔任公司顧問；一名博士生可能先在實驗室研究，之後加入前沿公司，再離開公司創辦自己的企業；創業成功的人又可能回到校園捐資、授課或支持下一代研究。

人才不必沿著一條固定道路前進，可以在不同機構之間反覆流動。這種流動帶來創造力，也會帶來利益衝突、資源集中和學術商業化的爭議。它並不完美，卻使知識有機會較快走出論文，進入產品和社會。

世界各國都希望建立人工智能中心。真正困難的部分，不在於建一座樓、掛一塊牌子或購買一批伺服器，而在於能否形成一個允許人才自由組合、失敗後重新開始、研究成果既受到保護又能被社會使用的制度環境。

人工智能競爭表面上是模型與算力的競爭，深處仍然是制度能否持續生產人才、保存知識並容納異議的競爭。

（圖片說明）斯坦福人工智能研究與教學場景。今天進入OpenAI、Anthropic及各類人工智能創業公司的年輕建設者，並非突然出現在矽谷；他們身後是大學數十年累積的研究方法、開放課程、實驗室傳統與人才培養制度。人工智能競爭的深處，還涉及一個社會能否持續生產知識、保存異議並給予人才真實機會。

新生代是取得真實責任的一代

這篇文章談「新生代」，但我並不想把年輕本身浪漫化。

世界不會因為一個人年輕，就自動把重要使命交給他；科技產業也並不天然公平。名校背景、資本網絡、移民身份、家庭條件和所在城市，都可能影響一個人能否進入人工智能產業的中心。當媒體反覆講述少數天才迅速成功的故事，也容易掩蓋那些沒有被看見的人，以及技術繁榮背後高昂的生活成本、激烈競爭和長期焦慮。

真正值得研究的，是一個制度為什麼願意讓尚未擁有漫長資歷的人承擔真實責任。

在許多傳統組織裡，年輕人需要等待漫長的年資排序，才能接近核心工作。矽谷並非沒有階層，也並非人人都能獲得公平機會，但技術能力有時確實可以縮短等待時間。一名二十多歲的工程師，只要能解決別人無法解決的問題，就可能參與影響全球產品的工作；一個剛成立不久的團隊，只要得到市場和技術驗證，就可能迅速獲得資本與人才。

這種機制有殘酷的一面。它要求人不斷證明自己，容易產生過度工作、快速淘汰和對成功的持續焦慮。然而，它至少保留了一扇門：資歷不是唯一的通行證，新的能力仍有機會轉化為新的位置。

這扇門對一個社會非常重要。每一代既有權力都容易把經驗變成門檻，把秩序變成封閉。當年輕人只能在舊結構允許的範圍內行動，創新最終會淪為口號。真正的更新，意味著制度必須允許一個尚無頭銜、資源有限的人，透過具體工作建立可信度。

這並不意味著應把全部權力交給年輕人。人工智能涉及社會倫理、勞動、法律、安全和公共利益，單靠工程速度遠遠不夠。新生代需要前人留下的知識，也需要歷史、法律和人文的約束。健康的交接，是讓經驗與新能力在公開制度中相遇。

AGI Summit名單中，資深教授與年輕工程師的並置本身就有意義。技術革命如果只有年輕人的速度，可能失去判斷；如果只有資深者的謹慎，也可能失去前進的勇氣。一個有生命力的社會，需要讓兩者同時存在，也需要讓他們彼此修正。

資本購買的是未來的一段時間

人工智能會議裡，投資人從來不是旁觀者。

風險資本提供的不只是資金。它在很大程度上決定哪些研究方向能夠迅速公司化，哪些人才可以離開原有機構組成團隊，哪些產品可以在尚未盈利時繼續成長。AGI Summit公開名單中的Lightspeed、Menlo Ventures等機構，代表著人工智能生態裡另一種重要力量：在結果尚未明朗之前，提前選擇未來的力量。

風險資本真正購買的，不只是已經完成的產品，也包括一段尚未產生穩定收入的時間。它讓一支團隊可以購買算力、招募研究人員、承受試驗失敗，也讓一項技術在市場尚未理解之前得到繼續發展的機會。

但資本提供時間的同時，也會為這段時間設定期限。

下一輪融資、收入增長、估值和退出預期，會反過來規定一項技術必須多快證明自己。當資本過度集中於少數熱門方向，整個產業也可能被相似的商業敘事牽引。公司開始追逐相同的產品，創業者被迫提出更宏大的承諾，那些重要卻不能迅速變現的公共問題，則可能得不到足夠支持。

這種權力既有建設性，也需要接受審視。

沒有風險資本，許多高成本、長週期的技術項目很難走出實驗室；但一億美元融資只能說明資本願意下注，不能證明一項技術必然對社會有益。一家公司的估值可以反映市場預期，卻不能替代對商業模式、資料治理和公共後果的判斷。

市場通常會獎勵增長速度，卻未必立即獎勵可靠的權限設計、使用者保護和清晰的責任機制。於是，速度可能壓倒審慎，規模可能被誤認為價值。

資本的制度問題，還在於誰來為那些短期難以定價、卻具有長期公共價值的研究提供耐心。大學、政府研究資助、公益基金和公共利益機構，能否在市場之外保存另一種時間尺度？

GFM要做的，是把資本重新放回制度與責任的框架中觀察。資本支持的是提高生產力的工具，還是製造長期依賴的產品？它培養的是基礎技術能力，還是短期流量？當人工智能影響就業、教育和資訊秩序時，投資收益與社會成本又由誰分擔？

這些問題不會出現在每一場產品發布會上，卻應當出現在一個成熟媒體的報導中。

（圖片說明）美國斯坦福大學校園內，學生圍坐在草坪旁討論研究與專案，背景是具有百年歷史的胡佛塔（Hoover Tower）與主校園建築。斯坦福長期是全球人工智能、電腦科學與創新創業的重要發源地之一，眾多研究成果、創業公司與科技人才由此走向矽谷，也成為人工智能時代學術研究、技術創新與人才培養的重要基石。

人工智能正在重新分配普通人的時間

科技敘事最容易忽略的，往往是普通人的生活。

我們談模型性能、推理能力和融資規模時，很少想到一名會計、一位記者、一名小企業主、一位移民律師或一名剛畢業的年輕人，會如何面對這場變化。對他們而言，人工智能不是遙遠的文明命題，而是明天是否仍需用原來的方法工作，自己的經驗是否還有價值，以及能否在新的環境中找到位置。

人工智能最先重新分配的，很可能是時間。

一些原來需要數小時完成的工作，可以在幾分鐘內得到初稿；一些需要專業團隊搜尋和整理的資料，可以由一個人借助智能體完成。OpenAI在2026年公布的資料顯示，Codex的使用已從工程工作延伸到法律、財務、招聘和其他知識工作。這是公司自身公布的使用情況，仍需要更廣泛、獨立的研究加以檢驗，但它至少說明智能體正在跨越傳統的技術部門。

這種變化可以釋放創造力，也會提高組織對個人產出的期待。當每個人都被認為可以更快完成工作，節省下來的時間未必真正回到個人手中，反而可能變成更多工作。

當起草、整理、搜尋和初步分析所需的時間被壓縮，人的價值會被重新推向判斷、責任、關係與創造。然而，並不是每一個人都會因此得到更有尊嚴的工作。對某些人而言，人工智能可能讓他們從重複勞動中解放；對另一些人而言，它也可能先拿走最容易被量化的工作，再要求他們用更低的價格證明那些機器尚不能完成的部分。

技術進步從來不會自動兌換成人的自由。

工業革命提高了生產能力，也曾帶來極其漫長的工作時間；互聯網擴大了資訊獲取，也讓人被永不停止的消息包圍。人工智能能否讓人獲得更多尊嚴，取決於企業如何分配生產力收益，法律如何保護勞動者，教育如何幫助人重新建立能力。

如果效率提升只被轉化為裁員、降價和更高壓力，那麼社會即使擁有更聰明的模型，也未必變得更加文明。

這是我在觀察這批技術建設者時，始終不願放下的問題。他們中的許多人真誠相信技術可以改善世界，這份相信值得尊重；但世界不會只按照發明者最初的願望運行。產品一旦進入市場，就會受到資本、競爭、政府和人性的共同塑造。

技術建設者需要社會理解他們的工作，社會也需要他們理解普通人的不安。連接這兩端的，不能只是宣傳，而必須是透明、對話、法律與制度。

世界爭奪的是人才相信一個制度的理由

今天談人工智能競爭，人們很自然地想到晶片、資料中心、模型和國家戰略。這些都重要，但還有一個更深的問題：一個有能力的年輕人，為什麼願意在某個地方生活、工作和承擔風險？

人才並不只受高薪吸引。真正優秀的人通常也在尋找同伴、研究條件、自由度、法律保障，以及失敗後重新開始的可能。他們需要相信，研究問題不必先服從權力的喜好，成果可以獲得法律保護，公司可以在相對可預期的規則下運行。

矽谷並不完美。它有昂貴的住房、巨大的貧富差距、資本泡沫和高度競爭，也有移民長期面對的身份不確定。然而，這裡仍然持續吸引世界各地的人才，其中一個重要原因，是不同背景的人仍有可能透過技術、研究和創業建立新的社會位置。

這是一種制度信用。

國家可以購買設備，可以提供補貼，也可以用政策吸引企業，但制度信用需要長期積累。它包括法院能否相對獨立地處理爭議，契約是否可以執行，學術能否自由討論，媒體能否提出質疑，以及一個人在失敗之後是否仍能保有基本尊嚴。

人工智能時代的國際競爭，最終不只是誰能做出更強的模型，還在於誰能讓最有創造力的人願意留下、願意合作，也願意把自己的未來放在這個制度之中。

算力可以購買，設備可以建造，人才也可以在短期內以高薪吸引；但一個人是否願意長期留下，往往取決於他是否相信這個社會會尊重他的工作、保護他的權利，也允許他對既有權威提出不同意見。

世界真正爭奪的，不只是人才本身，還有人才相信一個制度的理由。

媒體為什麼需要自己的龍虎榜

創辦GFM.News之後，我經常在兩種力量之間工作：一邊是技術公司不斷加快的速度，另一邊是媒體必須保留的遲疑。

技術要求人們迅速接受新工具，新聞工作卻要求我們繼續追問：這些工具由誰建立，依靠什麼權力運行，風險由誰承擔，利益最終流向哪裡？

我們當然需要報導技術發布、公司融資和市場變化，但如果只做這些，媒體很快就會成為產業公關的延長線。每家公司都會說自己的產品更快、更強、更便宜，每一輪融資都會被描述成市場信心，每一場會議都會宣稱自己匯聚了改變世界的人。

真正的媒體工作，是在熱鬧中辨認結構，在速度中保留記憶。

我們需要知道一項技術從哪裡來，由誰建立，資本如何進入，權限如何分配，成本由誰承擔；也要看見技術背後的人，看見他們的理想、局限和所處的制度環境。

「AI時代龍虎榜」不應在一篇文章結束後便被遺忘。它應當成為GFM長期的人物與制度觀察：我們追蹤成功者，也關注那些提出關鍵問題、建立公共工具、研究系統風險，並試圖讓技術服務更多人的人。

有些名字今天位於舞台中央，幾年後可能消失；有些人目前幾乎無人知曉，卻可能在十年後成為一個領域的奠基者。媒體無法準確預言誰會勝出，但可以留下這個時代如何選擇、如何試錯、如何形成新權力的記錄。

這是新聞的價值，也是歷史寫作的起點。

一份真正有價值的龍虎榜，不能只記錄誰跑得最快，也要記錄誰在能力迅速擴張時提出了限制，誰在資本最熱的時候仍願意研究不容易變現的問題，誰在技術進入社會之前，為普通人的權利保留了一道門。

當一個時代開始點名

幾天之後，來自不同城市和國家的人們會走進舊金山藝術宮。他們有人背著電腦，有人帶著剛剛完成的產品，有人尋找投資，也有人只是想近距離聽一次自己敬重的教授演講。會場裡會有商業交換、技術爭論和對未來的樂觀，也一定會有焦慮、競爭，以及被宏大口號遮住的普通願望。

那裡不會真的產生一張能夠準確預測未來的龍虎榜。歷史從來不按海報上的順序選人。

但我們仍有理由注視這些面孔。因為他們所處的位置，正是研究、工程、資本與制度重新組合的地方。有人在教機器理解語言，有人在讓智能體長時間完成工作，有人在研究如何阻止它越過邊界，也有人在決定哪一種技術值得得到下一筆資金。

他們今天處理的看似是模型、程式、伺服器和產品，更深處，他們正在參與重新安排人的工作、知識、時間與權力。

我不願輕易把任何一群人稱為「世界的設計者」。世界太複雜，沒有誰能單獨設計它。技術創造者會受到市場限制，企業會受到法律約束，制度也會被社會不斷修正。真正健康的未來，不能只由少數實驗室、公司和投資機構在缺乏公共參與的情況下定義。

對這些技術建設者最好的尊重，是認真理解他們正在做的事情，同時要求他們接受與其力量相稱的公共審視。人工智能是否值得人類信任，不只取決於它有多聰明，也取決於創造、部署和管理它的人是否願意承認邊界，是否理解責任，是否仍把人的尊嚴放在效率之前。

舊金山藝術宮曾見證工業時代對未來的想像。2026年夏天，它將再次容納一代人的雄心。會議結束後，燈光會熄滅，展台會拆除，人群也會散去。真正留下來的，是那些被寫進模型、產品、公司制度和普通人生活裡的決定。

若干年後，當人們回望這個夏天，或許會發現，世界並不是在某一個轟動時刻突然改變的。它是在一群尚未完全被歷史認識的人手中，經由一行程式、一次實驗、一項研究和一個看似細小的選擇，慢慢改變了方向。

所謂AI時代的龍虎榜，最終排出的不只是人物的先後，而是誰曾在力量迅速形成之時，既推動它向前，也願意為它劃下邊界。