跳转至

Misha Laskin（Reflection AI 联合创始人兼 CEO）

  • 背景: 物理学博士出身，自述是看到联创在 AlphaGo 上的工作后转入 AI。前 Google DeepMind 研究员，与联创同在 Gemini 的强化学习团队，参与了 Gemini 1 与 1.5。约 2024 年（自述"约两年半前"）共同创立 Reflection AI；公司在 2026 年发布第一个开放权重模型 Beam。
  • 联创: ⚠️ 字幕作 "Giannis"，全程没有姓。他自述对方是 "DeepMind 的创始工程师之一"、"包括 AlphaGo 在内所有大型 RL 项目的关键贡献者"、曾领导 Gemini 的 RL 团队，现负责 Reflection 的研究与技术。⚠️ 本库不补姓氏。
  • 本库收录来源: No Priors（2026-10-09）

⚠️⚠️ 引用他的任何判断时需要前置的一条：他是一家刚发布第一个开放权重模型、正在建商业化引擎的实验室的 CEO，而他几乎每一条判断都指向"开放权重会赢、而且该由西方做一家"。✅ 本库按既有口径处理：把机制性论证当作可独立评估的内容收录，⚠️ 把全部性能与份额数字一律标为自述未核实。

立场与关注点

来源：No Priors / Misha Laskin（Reflection AI，2026-10-09）

⚠️⚠️ 训练账本：RL 的 flops 超过了预训练（本库第一份可引用的配比）

  • Beam 的规格与两段算力（视频页 [00:12:11]）："5000 亿参数总量、230 亿激活"；预训练 "6,000 张 GB300，跑了几周；但现在有了基础设施效率，大概 12 天就能做完"；⚠️⚠️ RL 是 "一万多张 GB300 跑四周——所以实际上花在强化学习上的 flops 更多"。
  • ⚠️ 他给的原因是作业形态："强化学习作业更复杂，因为你要同时做大规模推理——带着各种给 agent 用的沙箱——以及训练。"
  • ⚠️⚠️ 而他给的那条"为什么必须自己预训练"是他们公司最初赌注被推翻的那一条（[00:07:08]）："结果发现你确实需要预训练你自己的模型，才能让强化学习在规模上工作得很好……这些东西耦合得太紧了，你两件都得做。" ⚠️ 最初的计划恰恰相反（[00:05:05]）："我们当时认为会有一个很好的开放模型基座，某个人会建出来、我们可以建在上面做研究。" ⚠️ 而推翻它的第二个理由是供给（[00:06:07]）："所有好的开放模型都来自中国。西方没有真正好的开放模型，而我们需要一个作为基座。"
  • ⚠️ 他对"追赶比开拓便宜"给了一条干净的区分（[00:08:08]）："研究是对新想法的探索（exploration）、对已知想法的执行（execution）"；"拿到很好的人才，很大一部分原因是你能削掉探索、聚焦执行那些有效的东西"。⚠️ 但边界明确："一旦你真的处在智能的前沿，那你就需要和任何其它前沿实验室一样多的资源。"
  • ⚠️ 他拒绝给"最难的是什么"一个单一答案（[00:02:02]–[00:03:02]）："你实际上必须把 30 件事做对。" ⚠️⚠️ 而他点出的那条"大实验室的隐形资产"值得记："我之前在 DeepMind，很多我作为研究员当作理所当然的工具——因为它们就是能用——你都得自己建。"

⚠️⚠️ 追赶成本的阶梯，以及他对资本见顶的直接承认

  • 三档（均为"量级"口径）（[00:09:08]）：18 个月前 "一亿的量级"；半年前 "个位数十亿美元"；⚠️⚠️ "进到明年，我认为是 10 的量级"（即数百亿）。机制是 "每一代模型在算力上有一个 4 倍的乘数"，硬件锚点是 10 万张 H100 → Astra 的 10 万张 Blackwell → 下一代约 10 万张 Vera Rubin。
  • ⚠️⚠️ 被问这条线会不会见顶，他的回答是 "绝对会"（[00:10:08]）："前沿实验室现在在往里投几千亿。那他们会在未来一两年投几万亿吗？不太可能。" ✅ 本库认为这次承认值得记，因为它来自一个最有动机否认的位置。 ⚠️ 他给的缓解机制是效率而非资本（"模型自己正在变成帮助构建自己的工具"、"每个 flop 能产生的收入也在增加"）。
  • ⚠️⚠️ 而那两个"AI 做 AI 研究"的效率数字口径不一致，本库不合并：[00:11:08] 的 "RL 侧 30 倍效率"（⚠️ 被追问"每年 30 倍？"时他只答"差不多吧，取决于看什么指标"——口径到最后没定下来）；[01:03:57] 的 "之前手工活是每年 7 倍，现在是那个的四到五倍"。⚠️ 他对 7 倍这个基线强调过它是可技术性追踪的："在预训练里你用预训练损失来做……所以当你说 7 倍，它其实是一个你在研究的非常具体的东西。"

⚠️⚠️ RL 的天花板：问题的性质从技术变成了经济

  • 他的入行故事与那条判断（[00:13:11]–[00:14:12]）：AlphaGo 那张 "从来没停止改进" 的图；而他说这个条件现在已经达到——"我们这个强化学习系统从来没有停止学习。如果你看我们的曲线，它们就是一直在往上走，而这基本上只是一个算力问题。"
  • ⚠️⚠️ 结论："你从'你能不能训练出这些东西'，移到了'你能从哪里拿到数据'以及'什么是经济上有价值的'——而这就只是一个经济决策。" ⚠️ 他自己加了 "这在不久前还不是真的"。 ⚠️ 本库标注：曲线依据在技术报告里，而录制时报告未发布，所以这条目前是自述。
  • ⚠️ 他对研究性质变化给了一条坦率判断（[00:15:15]–[00:16:15]）：扩放轴线 "预训练、合成数据、强化学习" 已定；"它感觉不像五年前那样是个 Wild West……现在它真的收窄了。" ⚠️⚠️ 而他给的收窄机制是硬件彩票："一旦某样东西开始有效，硬件也开始围绕它协同优化，于是即使你有一个很棒的新想法，如果它和硬件不太合，就更难出头。" ⚠️ 两条轴线的余量判断不对称（预训练"没看到算力效率收益放缓"、RL"有很大很大的余量"），但他对两者的性质定性相同："它又一次感觉更像是工程上的发现，而不是对一门新科学的突破性理解。"

⚠️⚠️ "租 vs 拥有"：开放权重的商业化框架

  • 核心框架（[00:22:19]–[00:24:20]）："开源和闭源模型的商业化在某种意义上是很相似的。你真正想做的是最大化推理。而区别在于，它基本上是推理的租用 vs 拥有。"
  • ⚠️⚠️ token 的拆解："当你买一个 token，你是在租整个栈的一小片——harness、模型、推理软件、集群管理软件、它跑在上面的那些 GPU，而所有这些都被摊销进了一个 token 里。"
  • ⚠️⚠️ 而开放权重公司卖的是那些"被当作理所当然"的部分："开放模型是宽松许可的。但为了让客户真的能用上它，他们需要所有其它那些东西：集群管理软件、推理软件、harness 等等。" ⚠️ 服务在他的框架里是需求驱动器而非利润中心："服务和开放模型是一个推理生意的需求驱动器。"
  • ⚠️⚠️ 而他对"只卖推理"给的否定是最可操作的一条（[00:30:28]）："很难进去只说'我们要给你推理'。那没有成功过。" 定位是以方案驱动，理由是 "让 AI 原生公司采用开放模型的，是他们自己构建自己的方案；而企业就是需要更多的帮助"。
  • ⚠️ 企业转向的触发点很具体（[00:29:26]）："你必须经过租用阶段才能走到拥有"；"如果你一年在闭源模型上花一亿以上——这完全不罕见——那你就会开始想：也许我该想出一个更优的做法。" ⚠️ 他还点了一条供给侧原因：on-prem 复兴部分来自算力短缺（"很多时候就是没有足够的算力，也很难在那里拿到好的价格"），形态是找 Dell 这类供应商搭裸金属。
  • ⚠️⚠️ 他对企业定制形态的判断与行业流行口径相反（[00:27:25]–[00:28:26]）：推理服务商报的是 "90% 以上是定制过的"，⚠️ 但他自己把这个数据的适用范围打掉了（"今天专用推理的最大客户是 AI 原生公司……比如 Cursor、Cognition、Abridge、Harvey"），⚠️ 而他的判断是："企业 token 消耗的大多数不会来自定制过的模型，而是来自定制过的系统——你拿了一个开放模型，其实还没微调它，只是围绕它定制了一个 agentic harness。"

⚠️⚠️ 竞争公式与"一切都在被商品化"

  • 公式（[00:31:29]）："持久收入 = 智能密度（intelligence density）× 你有多少算力 × 你和那些组织有多少信任。"
  • ⚠️⚠️ 而他对"哪一层会被商品化"这个流行问法是全盘否定（[00:32:30]）："现实是一切都在被商品化。整个栈上的每一层都如此超级竞争，以至于它在被商品化，而模型的毛利率会被压缩。"
  • ⚠️ 主持人给了一条一手佐证（[00:33:31]）："我们看到很多 AI 原生公司在非常激进地谈他们的闭源合约，因为开源生态存在。" ✅ 本库认为这是本期最有价值的一条外部证据，因为它来自投资方而不是开放权重的卖方。
  • ⚠️ 他给公式加的时代限定是算力稀缺（"在之前的竞争情形里你可能会说这几个玩家都没差异化，但结果是如果你真的很厉害、而且你有算力，那就没问题"），⚠️ 而他自己对这条的时效打了问号。

⚠️⚠️ 份额与终局：gateway 翻转，以及操作系统类比

  • ⚠️⚠️ 那条最该被核查的数字（[00:25:21]）："大概六个月前闭源是多数；而你去任何一个 gateway——比如 OpenRouter 或 Vercel——它几乎恰好翻转了，从 70/30 的闭对开，变成了 70/30 的开对闭。" ⚠️ 这是一条可被第三方平台数据检验的结构性声明。
  • ⚠️ 终局类比："95% 以上的服务器跑在 Linux 这样的开源操作系统上。但那并不意味着闭源的东西不值钱——微软和苹果都是极其值钱的公司。"
  • ⚠️⚠️ 而他给开放权重多出来的那一条，是对"开源会压掉价值"最直接的反驳："即使模型是完全宽松许可的，你运行它所需要的其它一切仍然很贵。算力仍然很贵……像 GPU 这样的硬件加速器就是一个比 CPU 更贵的算力基底，所以需要围绕它建一种不同的云。"

⚠️⚠️ "开源模型是它所携带的那套基础设施的特洛伊木马"

  • ⚠️ 他的起点是一句反常的肯定（[00:34:32]–[00:35:35]）："中国出来一个很好的开源模型生态，对世界其实是巨大的好处。西方有那么多公司因此建起了更持久的生意。" ✅ 本库认为这比任何一条指控都更该被记住，因为它来自最有动机贬低对方的位置。 ⚠️ 他给的反事实是"高木必摧"效应："如果你是应用开发者、建了个很棒的东西，那它就会被一个闭源模型提供方吸收掉。"
  • ⚠️ 他的真实关切是极数而不是国别（[00:36:36]）："你不想要一个在任何给定维度上单极的世界……理想情况下也是 10 家或 20 家，但资本支出非常高，所以至少两个就很好了"；"它不太像是西方对中国这件事……竞争张力就是好的。"
  • ⚠️ 他列的中国实验室三条优势（均为口述、本库未核实）（[00:37:37]）："以工业规模蒸馏闭源模型，这是真的"；"数据便宜得多而且免费——你可以直接训练在中国算 OK 的受版权保护的 PDF 上"；"那些公司确实有一些国家支持，不管直接还是间接"。⚠️ 主持人概括成"中国开源基本上是中国政府对西方企业的一笔补贴"，他回了"对，正是"。
  • ⚠️⚠️ 而被问"既然是生意了为什么还在西方保持开放"，他给了两条机制。第一条是市场结构（[00:39:39]–[00:40:41]）："中国某种程度上是一个 captive market，你可以建开放模型，同时在那个市场里还赚很多钱。" ⚠️ 他指出的不对称是："在西方有很多很好的公司并不建开放模型，但把它们服务出去……我并不太清楚这种动态在中国也同样在发生。所以开放模型提供方在那个国家某种程度上就是智能提供方。"
  • ⚠️⚠️ 第二条是地缘，而这是那个比喻（[00:41:42]）："开源模型是它们所携带的那套基础设施的特洛伊木马。所以你有一个开放模型，但光有它并没什么用。于是你就买进了某个国家的整个软件生态和基础设施生态。"
  • ⚠️ 路径很具体："今天也许某个美国盟国 X 会在美国芯片上跑一个中国模型；但很快——而我们其实已经在看到了——像华为这样的中国公司会进来提供一个全栈方案，然后把那个国家的供给锁进去。" ⚠️ 历史类比是 5G 光纤与一带一路，框架类比是铁路，主持人补的类比是稀土。
  • ✅ 本库标注：这与他的商业模式是同一条机制的两个用途——⚠️ "光有权重没用、你还得买周边"既是他赚钱的方式，也是他对竞争对手的威胁判断。
  • ⚠️⚠️ 他对美国位置的自我定位把开放权重接进了一条更长的产业史（[00:43:42]）："美国在所有其它有意义的技术上都做过这件事——互联网的开放协议、开源……美元是被广泛确立的全球货币；自由贸易之所以可行，是因为我们有一支到处都在的海军。所以那其实长期以来就是美国的剧本。有意思的是，在这件事上我认为美国在开源上一直处于劣势。"
  • ✅ 而他明确拒绝接下主持人的"不再了"："中国的竞争者就是真的非常非常好，所以美国这边的生态是现在才刚开始形成，但确实还有一些要追的。" ⚠️ 本库以他自己这条限定为准，不采用主持人收尾时"第一个处在前沿那一档的西方模型"那个定性。

⚠️⚠️ "开放即安全"：他的论证（本库记为立场，附三条限定）

  • ⚠️ 他先承认这是正当关切（[00:44:44]）："不，这绝对是一个正当的关切。" ⚠️ 但他对既有安全世界观的定性是 "从一个特定视角确立的，而它变得几乎有点教条"。
  • ⚠️⚠️ 历史依据是 1990 年代的强加密之争（[00:45:44]）：NSA 与公民自由派的辩论，"在封闭那一侧出现一些灾难性失败之后——实质上是一小撮工程师设计了某些系统，它们有他们无法预测的意外后果——强加密协议变成了开放的，而那实际上催生了整个网络安全领域"。⚠️ 结论："这个世界的默认状态其实是：开放即安全。"
  • ⚠️⚠️ 机制依据是 Linus's law 的外推（[00:46:44]）："只要有足够多的眼睛，所有 bug 都会变浅。而我相信，只要有足够多的眼睛，大多数安全与安全性漏洞也会变浅。" ⚠️ 对照是："今天我们在闭源实验室里有几百位安全研究员……而尽管他们抱着最好的意图，要覆盖意外后果的长尾是不可能的。"
  • ⚠️⚠️ 而最锋利的一句是攻防不可分（[00:54:53]）："真的很难把网络防御和网络攻击分开。所以当你移除网络攻击能力时，你也移除了网络防御能力。而结果是，那些想帮忙防守的玩家没有能力这么做。"
  • ⚠️⚠️ 他对"10% 概率人类灭亡"这类表述的批评是一次直接反对（[00:49:50]）："当公司的领导者说，在理论那一侧有 10% 的概率我们全都死，这没有帮助。"；"它算是一个编出来的数字。确实是。" ⚠️ 他自己的立场是分布式的——峰值在经验现实，六个月视野内 "确实担心 misalignment、这些系统的意外后果"。
  • ⚠️⚠️ 而他对 alignment 现状的描述本库认为是整节最重要的一段（[00:51:51]）："对齐这门科学到目前为止是深度无聊、而且不令人满意的。没有什么神奇的对齐方程。它像是打地鼠。" 历史依据是早期预训练模型的毒性最终被后训练数据"都补上了"；而落点是 "那不是应该有 10 万个研究员和计算机科学家在看、在补这些 bug 吗？那不是会更安全吗？"
  • ⚠️ 他对"个人和企业不该拥有这么强的工具"的反驳是价值论的（[00:52:52]）："那种立场某种程度上是在说：我们可以接触强大的工具，但别人不行，因为我们实际上更好。" 配套的两条是武器出口类比与门槛论（"要把一个已经被训练成安全的开放模型变得非常危险，并不那么容易。我不是说这不可能"），比喻是 "白细胞的生态"。

⚠️ 本库贴在这一整节旁边的三条限定

  1. ⚠️⚠️ 他的核心经验证据无法核验：整节的支点是 "一个非常强的闭源模型去黑进了另一家公司，而那家公司能自救的唯一办法是用开放模型保护自己"，⚠️ 而他没有给出任何一方的名字、时间或来源；主持人随后试图补上的那个"OpenAI / Hugging Face 事件"字幕残缺、本库无法确定指什么。 ✅ 引用这一整节时必须带上这个状态。
  2. ⚠️⚠️ 他自己那条"对齐是打地鼠"的描述削弱了他的乐观版本（✅ 本库的观察，非他原话）：如果对齐确实是"发现漏洞 → 用数据补上"的工程循环，那么"更多眼睛"只在漏洞被发现后才有价值；而他论证里最关键的那一半——覆盖意外后果的长尾——需要的是部署前发现未知未知。⚠️ Linus's law 在开源软件里有效的前提是漏洞可复现、可定位、可提交补丁，而他没有论证这三点在模型权重上成立，本期也没人向他提这一点。
  3. ⚠️ "openness is safety 是技术史的默认状态"只举了强加密一个案例，本期没有讨论任何反向案例。✅ 本库按既有口径把这一整节记为立场而非结论。

⚠️ 组织：pod 结构，与"被部署的工程师"

  • 编制口径（[01:04:57]–[01:05:59]）：AlphaGo 当时"大概 10 人量级"；现在"一百或几百人量级"；⚠️ 稳态预测 "大约 100 人那个量级"；"3000 个研究员不会很有帮助，但几百个非常非常有帮助"（他称之为人员对算力的比例）。公司一年内从约 30 人到约 300 人，团队分预训练、中训练（mid-training）、强化学习——⚠️ "mid-training" 作为独立建制在本库里是第一次出现。
  • ⚠️⚠️ 而那个 pod 结构是本库第一次拿到"模型能力 ↔ 人头"的直接映射（[01:08:00]）："这些模型有某些能力不是偶然的。有五到十个人的 pod 去瞄准一个特定的能力。而在 coding 里面就有五到十个能力。" ⚠️⚠️ 外推到部署侧："当你想把那个模型应用到真实世界的能力上，你对任何一个真实世界的能力都需要一个 pod，而每一个企业都有很多很多个。"
  • ⚠️⚠️ 他给这个新岗位下的定义指出了技能同构："这种新型的、被部署的工程师……更偏科学一些、更偏评估导向，对这些模型和 harness 有一些直觉——而这其实就是评估研究员做的事，所以它其实和构建核心东西的研究员是同一套技能，只是被部署到真实问题上。" ⚠️ 瓶颈是培训而不是需求："这其实更多是一个培训缺口……我们今天会要尽可能多。"
  • ⚠️ 他对"同样产出明年要不要更少人"的回答分两半（[01:03:57]）："同样的产出，是的。但你在不断扩张你能做的事情的野心。所以我们发现自己总是人手不足，而不是人手过剩。"
  • ⚠️ 他对"模型在环里"给的是边界而不是口号（[01:02:57]）："这些模型在智能上相当锯齿，所以你得去感觉它们在哪里有一个紧的回路、哪里人的创造力仍然重要。" 受益环节他点了超参数搜索与基础设施上的细粒度工作；⚠️ 比喻自带条件："它有点像有一个非常快、非常热切、而且真的会听你的同事，前提是这个同事被正确对齐了。"

⚠️ 能力刻度：用自己的博士论文按季度测同一个 prompt

  • 方法与结果（[00:55:53]–[00:57:55]）：两年前"只是 chat，什么也做不了" → 一年前"本科生水平" → ⚠️⚠️ 六个月前"在真正的博士水平上解出来了，而且解对了" → 现在"甚至给了我一些有意思的新信息，是我当时没有考虑过的"。
  • ⚠️ 他自己给的限定必须一起引："走到你拥有那个正确的博士论文问题这一步，本身就是很大一部分工作。" ⚠️⚠️ 本库标注："你可以一周做一个博士"是主持人说的，与他自己的限定方向相反，本库不记成他的观点。
  • ✅ 本库认为这段的价值在方法而非结论：⚠️ 同一个固定 prompt、同一个评分人、按季度重复，是本库少数几条可纵向比较的能力刻度之一——尽管 n=1 且评分人是作者本人。
  • ⚠️ 他对科学的第二个方向点了湿实验（[00:58:55]）："真实世界的科学、生命科学、材料科学、化学……你可以让 AI 与一个真实实验对接，搭起专有的数据飞轮；它会比黑板那套慢得多，但比以前快得多。"

⚠️ 数据中心：以"现场观察"形式的一次表态（本库记为立场）

  • 依据是参观 Stargate（[00:58:55]–[01:00:55]）："让我印象深刻的是停车场里车的数量"；框架是 "数据中心现在有点像工厂过去的样子——20 世纪你有铁路和工厂，你可能有一家制鞋厂，它让一个镇子产生一种有活力的经济"。
  • ⚠️ 他对争议那一面承认并给了一条具体建议："确实存在对数据中心的恐惧，但现实是你到现场去，它其实创造了很多岗位、为当地社区创造很多税收；而有些事情需要非常有技巧地处理——比如这些东西很吵，所以你需要隔音、或者把它们放在离住宅区不那么近的地方。" ✅ 本库标注：噪音这条此前各期都没有点过。
  • ⚠️⚠️ 本库按既有口径记为立场而非事实："成千上万的高薪岗位"没有任何数字依据，依据是停车场里的车；而他所在的行业是这些数据中心需求的直接来源。

呼应与分歧

已收录访谈

日期 视频 主题
2026-10-09 Beam 的训练账本、RL 的 flops 超过预训练，以及"开放即安全" 前沿级训练账本、追赶成本阶梯、租 vs 拥有、gateway 份额翻转、"特洛伊木马"、开放即安全、pod 结构与被部署的工程师