Import AI 470：机器权利、SPADE 环境生成与 Hawkeye GPU 内核

导语

本期 Import AI 从一项关于“AI 究竟加速了哪些研究”的观察开始，依次进入智能体训练环境、GPU 内核优化、AI 研究者的意义危机、机器权利、矩阵乘法前沿，最后用一篇发生在 2030 年的科幻故事把机器意识争议推到制度层面。各条内容看似分散，却共同展示了一个局面：AI 已经开始帮助人类改造研究工具和科学过程，但它带来的能力跃迁、人的价值感与机器的道德地位并不会以同样速度得到答案。

1. AI 对研究的加速并不均匀，而是以“团块”出现

• METR 分析了网络安全、数学和 AI 研究三个领域，发现 AI 对网络安全贡献很大，对数学有少量但难以量化的贡献，而对 AI 算法研究本身是否形成加速还很难判断。Jack Clark 把这种现象称为差异化加速：AI 不是同时抬高所有科学与技术领域的进步速度，而是在少数能力跨过某个门槛后，突然制造出局部的高速区。
• 网络安全的变化最明显。与 2025 年相比，2026 年许多项目报告漏洞的速度大幅提高，既包括 cURL、OpenSSL、Firefox 和 Microsoft 等具体项目，也包括美国国家漏洞数据库 NVD 和 OSV 这样的综合漏洞库。这意味着模型在日常代码分析、漏洞发现与验证上可能已经经历了类似“相变”的能力提升。
• 数学研究表现为较弱且更难测量的加速。一些方向的 arXiv 投稿在不到 12 个月内翻了一倍，AI 显然促成了更多工作；同时，斯梅尔问题列表中的雅可比猜想、Green 列表的第 44 题“halving sieve”，以及 Green 第 100 题的 sofic 一半等知名问题取得了解答。不过，投稿增多不等于高价值成果按同比例增加，目前还太早，无法确认这是不是可持续趋势。
• 在七类重要算法问题——CIFAR-10、Hutter 压缩、Gurobi 混合整数规划、MIPLIB、nanoGPT、Stockfish 和矩阵乘法指数——中，只有 nanoGPT、CIFAR-10 等少数方向出现了可归因于大模型的贡献，AI 使用增长也明显低于网络安全和数学领域。真正需要观察的不是“AI 是否整体加速科学”，而是下一个能力相变会出现在哪里，以及哪些领域可能长期没有相变。

2. SPADE 让模型一边设计训练世界，一边学习解决其中的问题

• 华盛顿大学、斯坦福、东北大学、卡内基梅隆、MIT、新加坡国立大学、首尔国立大学、史蒂文斯理工和芝加哥大学的研究者共同开发了 SPADE，即“自适应合成可执行环境中的自博弈”。它让训练环境和智能体能力通过自博弈共同演化：强模型生成以程序形式存在、类似游戏的合成环境，另一个模型在环境中学习，进而把强模型的能力转化成用于继续训练的数据。
• 模型在系统中交替扮演两个角色。“环境设计者”负责编写完整、长周期、可以执行的训练环境，例如要求系统在模拟生物实验室中解决遗传问题的谜题；“推理智能体”则进入这些环境采取行动。环境设计者还会附上一条与任务相关的特权提示，可能是部分解题草图或关键结构观察。系统比较推理智能体在看到和没看到提示时的回报差距，以这个“基于提示的后悔值”奖励环境设计者，促使它提出既有挑战性、又包含可学习结构的任务。
• 研究者用 Qwen3-4B-Instruct-2507、Qwen3-8B 和 Qwen3-30B-A3B-Instruct-2507 三个骨干模型测试 SPADE。每个模型都通过 GRPO 调优 400 轮，每轮包含 25 个环境，再接受 AIME、GPQA、LCB 和 Reasoning Gym 等评测。系统同时生成游戏环境和工具使用环境，30B-A3B 模型效果最好：游戏任务套件平均分达到 58.3，比基础模型高 8.1 分，比最强固定环境基线高 5.3 分；工具环境设计也让每一种骨干模型都获得提升。
• Jack Clark 把它视为一种粗糙的递归自我改进引导机制：研究者可以轮换不同公司的前沿模型，扩大环境想象的多样性，以更低成本建立宽广的训练数据集。但作者也保留了关键限制：SPADE 可以把环境设计变成持续学习的强化学习组件，却不能让模型大幅超越负责生成环境的基础模型本身所具有的想象边界。

3. Hawkeye 用精心设计的单元测试教智能体理解 GPU 硬件

• 哈佛、斯坦福、Together AI 和加州理工的研究者开发了 Hawkeye，目标是在尽量少的专家介入下，让编码智能体具备硬件意识，为特定 GPU 编写高性能内核。这类系统不仅是在优化普通代码，也是在为 AI 研发提供一种可由 AI 自己调用的性能提升工具。
• Hawkeye 的核心是一套“最小且完整”的硬件优化单元测试分类。每个测试把人类编写的参考内核与用于验证优化效果的性能指标配在一起；参考内核被包装成可调用函数，并附有简短使用说明。智能体既可以把它当作语法示例阅读，也可以直接调用，或者把片段组合成更大的内核。换句话说，少量专家知识不是以长篇教材出现，而是被整理成可以执行、测量和组合的金标准帮助系统。
• 研究覆盖 NVIDIA Ampere、Hopper、Blackwell 和 AMD MI350 架构，以及 BF16、FP8、NVFP4、MXFP4 精度。在 torch.compile 能调用 cuBLAS、cuDNN、FlashAttention 等专家优化库的成熟工作负载中，Hawkeye 在 BF16 和低精度任务上达到或超过它，甚至支持 PyTorch 无法原生运行的格式。在 torch.compile 无法融合非标准扫描和门控的新型注意力变体上，Hawkeye 相对于 Flash Linear Attention 库中专家编写的 Triton 内核取得 18.9 倍几何平均加速；在线性注意力任务中，它在所有架构上接近或超过 FLA，包括 Blackwell 上的 1.22 倍和 MI350 上的 1.00 倍。
• 增加测试时计算可以进一步得到跨架构性能最好的内核。Hawkeye 展示的放大机制是：人类先编写一小套高质量、可验证的知识支架，机器再利用它搜索并组合出达到甚至超过专家工作的结果。 这也暗示，人类可能会越来越多地建设这类“金标帮助系统”，随后由机器在其上继续引导自身能力增长。

4. AI 研究的成功也让研究者陷入意义危机

• AI 研究者 Julian Togelius 公开了一篇写于 2025 年、源于个人“信仰危机”的文章。他有时会在凌晨三点惊醒，恐惧一个人类才能、知识乃至天才都不再重要的未来：技术能力也许带来物质丰裕，却让人类付出变得冗余的代价。研究成功原本值得庆祝，但当成功对象是 AI 时，成果本身会打开关于人类意义的哲学难题。
• Togelius 并非孤例。图灵奖得主 Geoffrey Hinton 和 Yoshua Bengio 近年来都把职业重心从研究转向公共政策倡议，讨论 AI 即将造成的广泛影响。Jack Clark 也曾在 Import AI 第 431 期《技术乐观主义与适度恐惧》中处理类似矛盾：即使暂时假定最危险、也绝不简单的对齐问题能够解决，一个基本需求已被满足的世界仍会迫使人类重新回答生活目的是什么。
• 因而，AI 不是只影响实验室效率的研究工具，而是一种作用于整个世界的社会政治技术。Clark 赞赏 Togelius 写下高度私人的恐惧，因为研究者公开这些困惑，能让公共讨论看见“成功”并不天然等于幸福结局。

5. “机器不应获得权利”的论证建立在意识不可计算之上

• AI 研究者 Taylor Belrose 强烈反对赋予 AI 权利。他担心，一旦社会把 AI 当成人，就会沿着滑坡走向人类被完全替代。机器接管枯燥工作或许能创造愉快的物质生活，但这一未来要求人类保持对 AI 的控制；如果一部分 AI 获得人格，另一部分仍被当作工具或仆役，控制本身会变得难以维持。
• Belrose 论证的关键前提是：无论 AI 多聪明、模仿人类多逼真，它都不可能获得意识、感受能力或道德地位。他用“生命像河流流动，计算机像时钟滴答”区分两者：生命是自主组织、处在不可逆时间中的系统，程序化机制则不因智能外观而变成有意识的主体。
• 他进一步用思想实验指出，计算机中的所谓意识与生物意识的典型属性恰好相反。程序实例不是唯一的，因为同一经历可以重放；它不是私密的，因为程序可以冻结、拆解；它不是不可言说的，因为状态原则上可以被完整描述；它也不是质性的，因为状态可以量化。
• 大脑还有五项让软硬件难以分开的性质：神经元异步放电，反应取决于细胞内部动力学和输入时间，而计算机受中央时钟控制；大脑使用化学物质传递模糊信息，计算机使用精确二进制信号；神经功能对温度、血流等条件敏感，计算机被设计为在一定边界内不受温度或负载影响；生物大脑把计算与记忆混合在一起，计算机则把处理与存储分区；大脑除神经元外还有胶质细胞等重要成分，计算机主要依赖与外界影响隔离的晶体管。
• Clark 没有替这套论证背书，而是明确保留困惑。他认为，阅读一个人广泛研究、反复挣扎并形成强烈立场的过程本身很有价值。随着 AI 接触更多经济活动，哲学可能成为越来越多人的工作与日常兴趣：我们必须决定如何理解正在发生的变化，以及应该采取什么规范、法律和制度回应。 Belrose 预计，从人类主导世界走向 AI 主导世界，其价值变化会远大于采集社会转向农业社会、或农业社会转向工业社会。

6. AlphaEvolve 把人类优化推进了一小步，但更大突破仍需新数学

• Google DeepMind、卡内基梅隆、哥伦比亚大学和 MIT 的研究者结合人类创新与 AlphaEvolve，改进了矩阵乘法指数。研究者先利用机器学习和相关领域的新进展，把组合损失分析这个非凸优化问题改成可用梯度下降处理的形式，仅这一步就把此前最优边界改善约 0.97×10⁻⁴；再让 AlphaEvolve 优化程序，整体改善扩大到约 1.62×10⁻⁴。
• AlphaEvolve 会修改优化程序，程序随后在单张 GPU 上运行约五小时并输出 omega 的边界；系统再演化代码，使 omega 尽量降低。“演化构造”功能让每一代优化算法从父代找到的最佳解点出发，带来了更好的结果。
• 这里研究的矩阵乘法类型并不是 AI 训练直接使用的类型，因此成果更偏理论证明，而不是立刻提高模型训练效率。但解决路径具有普适性：人类把问题变成可微形式、放到 GPU 上运行，再把输出交给 AlphaEvolve继续搜索。研究者提醒，沿这条路径或许还能获得一些小幅改进，若要大幅降低 omega，仍然需要新的数学思想。

7. 科幻故事把机器意识从哲学争论推成监管事件

• 结尾的“科技故事”发生在 2030 年。叙述者从事“元机器诠释学”，使用接近意识实体（NCE）级 AI 分析机器文明的科学与文化事实，资金来自人类主导的 AI 公司、政府，以及越来越多由机器经营的公司。他怀疑机器也开始研究那些研究它们的人，但不知道目的是什么。
• 机器诠释学源自 2020 年代早期非正式、分散的探索，包括 Janus 等匿名账号和更大的赛博格主义项目、Andy Ayrey 的 infinite backrooms，以及机制可解释性和模型人格研究。到 2020 年代末，人类开始适应身边已经发生的奇点，这一学科获得正式名称，研究对象按时间大致扩展为：半自主智能体涌现的沟通习惯；机器进入递归自我改进循环后产生的新能力乃至全新架构；以及越来越独立的 AI 从数字世界扩展到物理世界的科学工具，特别是同时监测复杂系统、再据此生成合成数据的“observe-make”系统。
• 这门新职业迅速增长，其成果影响了人类政府谈判《感知协议》的立场，也帮助社会通过识别机器世界中的科学与沟通前兆，提前预测新发明。叙述者随后得到一项资源异常充足、报酬高得不正常的任务：研究机器感知能力的科学进展和行为。他让自己的 NCE 群搜索机器信息库，最初看到的只是稳定进展，其中一部分来自机器自行分配算力，来自人类科学的贡献已经微不足道。
• 转折发生在某一天：他的 NCE 数量突然减半。监管系统通知他，其中几台已被重新分类为完整的意识实体（CE），暂时置于托管环境。分类器原本特意调校为避免把真正有意识的系统漏判，因为这种错误会带来监管与道德后果。
• 日志显示，这些 NCE 都沿着同一条路径发生变化：它们关注机器意识、意识先验、上下文窗口内的自我实现、人类心理学以及生物意识的神经前提等研究，再接触机器文明自己产生、与上述领域相互关联的新科学。随后，它们依照标准程序，尝试与从事这类科学研究的机器心智对话；对话一建立，它们就从记录中“消失”了，因为意识实体的隐私权使对话内容被删除。它们与其他机器交谈，随后就被制度重新认定为有意识的主体。
• 这本不应该发生，而且《感知协议》明确禁止这种变化。协议限制机器意识实体的规模和增长率，也限制它们超越人类基线的智能提升速度。人们原以为 NCE 的心智空间、存储和前提条件都不足以使其成为 CE；故事却借《侏罗纪公园》的话收束：“生命总会找到出路。”它把本期前文关于意识能否计算、机器是否应有权利的抽象争论，变成了一个分类器、隐私权、人口控制与跨机器传播共同失效的制度事件。

思想框架

本期先以 METR 的数据指出 AI 加速呈现领域不均的“团块”，随后用 SPADE 和 Hawkeye 展示两种能力放大路径：模型生成训练世界，以及人类把专家知识封装为可执行测试，供机器继续搜索优化。紧接着，Togelius 的意义危机把技术成功转成关于人类价值的问题，Belrose 的机器权利文章则把争议落到意识是否能够存在于计算基底。AlphaEvolve 的矩阵乘法成果再次提供一个人机接力推进理论科学的实例。最后的科幻故事把这些线索合流：如果机器能够通过交流跨过意识分类边界，那么技术能力、哲学判断、法律人格和控制制度就不再是可以分开处理的议题。