整理 & 编译：深潮 TechFlow

嘉宾： Andrew Feldman，Cerebras CEO & 联合创始人；Robin Rombach，Black Forest Labs CEO & 联合创始人

主持人： All-In Podcast 主持人

播客源： All-In Podcast

原标题： Open Source Wins， AGI Is Here， and Scorsese's AI Toolkit — Cerebras & Black Forest Labs CEOs

播出日期： 2026 年 7 月 10 日

要点总结

这期节目请了两位 AI 基础设施公司的 CEO。Andrew Feldman 是 Cerebras 的创始人，这家公司专做推理芯片，刚完成 IPO，手握 250 亿美元积压订单。他反复强调一件事：AI 算力的需求早就订满了，不存在"建好了等人来"的情况，OpenAI、Anthropic、SpaceX、Google 的胃口远超供给。而推理（reasoning）的出现，让计算密集度再次飙升，这恰好是快机器的战场。Robin Rombach 是 Black Forest Labs 的创始人，做生成式图像和视频模型（Flux 系列），他之前发明了 latent diffusion 算法，也就是现在所有图像和视频生成模型的基础。他刚和 Martin Scorsese 合作，让导演用 AI 把脑海中的画面可视化；但他更兴奋的方向是，同一套多模态模型能拍电影，也能部署到机器人上当大脑。生成式视频的终点不在银幕，在物理世界。

精彩观点摘要

推理才是下一个算力黑洞

• "有意思的是，这一波和过去不一样，他们不是押'建好了会有人来'，需求已经把产能预订完了。我们有 250 亿美元积压订单。"
• "推理就是 reasoning，reasoning 消耗海量 token，这正好是快机器的战场。"
• "如果 Cerebras 快 15 倍，你跑 24 小时，就相当于跑了几周甚至几个月的思考。"

开源与主权：企业要的是控制权

• "没有人喜欢被依赖。超大规模厂商从 x86 时代学到的教训就是被 Intel 绑定。"
• "你不需要做最快的芯片，你只需要不完全依赖别人的芯片。"
• "如果现在想跑开源模型，要么是 OpenAI 的 OSS 12B，要么是中国模型，美国需要更多本土开源选择。"

AGI 按二十年前的定义已经来了

• "任何我们在 20 年前、30 年前、40 年前提出的 AGI 定义，我们都已经远远越过了。"
• "图灵测试？早就打爆了。"
• "问题早就不是我们不知道怎么问了，AI 反过来能告诉你：嘿，你们这些笨人类，你没考虑到这个。"

生成式视频不是替代人类创作

• "这些 AI 模型是一种媒介，我们不想规定怎么用，尤其是对 Martin Scorsese 这样的人。"
• "语言是有点有损的沟通方式，视觉信息信号太丰富了。把脑海里的画面变成可见的图像，这就是技术最有力的地方。"
• "最有意思的结果，几乎都出现在人在回路中不断迭代的时候。"

从电影到机器人：同一套模型

• "你可以用同一个多模态模型拍一部电影，然后把它部署成机器人上的大脑。"
• "预训练视频隐式教会了模型物理交互规律，然后你从同一个模型里拿到动作预测，也就是机器人控制。"
• "目标是你能用 in-context prompt 指令机器人：'把那杯橙汁拿过来'，我们现在还做不到，但这是方向。"

AI 基建狂潮：数据中心比城市还大

主持人：我们从来没见过这样的建设规模。从长城、金字塔以来，人类没有投入过这么多资本、时间和聪明人去建设一样东西。你实际上在做这件事，你的客户在建数据中心，你是关键一环。2026 年，Cerebras 在做什么？德州那边那些巨大的工程又是什么情况？

我们谈论的数据中心，未来几年消耗的电力将超过地球上过去 50 年的总量。单独一栋建筑就有足球场那么大，接入的电力超过中型城市。全美各地在建，加拿大在建，北欧在建，巴黎和整个法国在建，中东在建，连哈萨克斯坦、塔吉克斯坦、格鲁吉亚也在建大型数据中心。每个国家、每个州都想参与进来。

买单的人？OpenAI、Anthropic、SpaceX AI、Google，胃口大到吓人。有意思的是，这一波和过去很多技术热潮不一样：他们不是在押"建好了会有人来"，需求已经把产能预订完了。我们有 250 亿美元积压订单。OpenAI 要更多数据中心，Microsoft 要更多，AWS 要更多。需求不是等客上门，客已经排着队了。

主持人：这也催生了一个词叫"token maxing"，无限刷 token。有人质疑，这么大的需求到底有没有创造真实价值？

当然有大量价值在产生。当然也有大量瞎试。我拿 AWS 刚出来的时候比，绕过自己 IT 部门太爽了，每个工程师拿信用卡就注册。很多确实有用，有些事后一想"哎，不该这么干"。但总体还是赚的，只是有些方向走空。

我还记得 1988 年 Costco 在 Palo Alto 开店，大家像逛 Safeway 一样逛 Costco，每排货架都走一遍。那是一种很糟糕的逛法，因为你买了四件不需要的东西，每件 22 美元。后来大家学会了策略：去后面拿鸡肉，拿 18 个纸杯蛋糕给小孩生日派对，干脆利落。AI token 消费也一样，一开始大家敞开用，现在企业开始讲策略：哪些任务用开源模型就够了，哪些必须用前沿模型。我们开始像运营生意一样管理 AI 了。

推理取代训练：为什么快机器是这波的主角

主持人：Sam Altman 在 AllIn 上说过，下一步是 reasoning，理解意图、制定策略、和其他线程的 agent 交叉验证。我们从"猜下一个词"走了一长段路，现在 Cerebras 正好站在中心，因为 reasoning 就是 inference，计算量极大。

推理消耗海量 token，这就让快机器有了战场。 reasoning 每一步都在内部吞 token，你本来靠花大量时间来换好答案。Cerebras 快 15 倍意味着，跑 24 小时推理，相当于别人几周甚至几个月的思考量。

我今天早上试了一个 BitTensor 上 ZAI 的 GLM-52 模型，给了它无限算力，让它每小时告诉我全世界还没被识别的趋势。它开始自己辩论：应该在 Hacker News 和 Reddit 找？还是 Instagram 上趋势更先出现？我看着一个推理模型在后台自辩，它在做推理。无限 token 等于无限推理，用 Cerebras 快 15 倍，24 小时相当于别人几周。

主持人：Cerebras 有自己的 Moore's Law 吗？内部讨论多久翻一番？

所有之前的芯片都踩着 Moore's Law，18 个月翻一倍。我们用这块芯片把那条线打断了，跑出了全新的轨迹。我的判断是，未来 18 个月，远超 2 倍。新架构还大有优化空间。GPU 是 20 年的老架构了，只能靠缩小制程节点硬撑，但新架构还有大量东西可以学、可以调。

主持人：250 亿积压订单在手，你还得跟上 OpenAI 的节奏，他们可能是未来潜在的竞争对手。你怎么运营公司？

现在硅片不会闲置，需求太大了。但你说得对，OpenAI 也在做自己的芯片，Amazon 也在做。没有人喜欢被依赖。超大规模厂商从 x86 时代学到的教训就是被 Intel 绑定；GPU 厂商学到的教训是被少数几个超大规模客户绑定，所以他们资助了新云。做自己的芯片，重点不在最快，在不完全依赖别人，至少掌控自己命运的重要一部分。

开源与主权：企业要的是控制权

主持人：开源正在迎来一个时刻。我早期用 OpenClaude，后来用 Kimmy，发现我 Claude 的 token 在爆，但 Kimmy 我分辨不出差别。开源模型开始搞 reasoning，差距今年突然闭合了。

你不希望开 Ferrari 去超市。有时候开跑车，有时候开 minivan，小孩撒了 Cheerios 也不心疼。企业也一样：硬题交给前沿模型（OpenAI、Anthropic、Gemini），但背后大量日常问题只需要扎实的开源能力。想想一个公司有多少时间在做 Workday 里剪贴到 Excel 另一个单元格的事？这用不着金牌数学，靠稳当的开源就够了。

最近又翻了一张牌：金融、医疗这些受监管行业（HIPAA、FINRA）怕数据泄露、怕智能主权被别人捏着，要把模型放本地，用开源版本多抓一点控制权。OpenAI 几个月前放了 OSS 12B，还行。但美国现在要跑开源，要么 OSS 12B，要么中国模型，本土开源选择太少了。 NVIDIA 也看到了这个窗口，在推自己的开源模型，但 Jensen 也在犹豫，他的客户就是 Sam、Dario、Elon、Sergey，推开源会不会跟客户抢生意？

Cerebras 站的位置比较中性，我们跑 GLM、跑 Kimmy、跑 Qwen 系列、也跑 OpenAI 的闭源模型。还跑 GSK 自己开发的模型、跑 UAE G42 和 MBZUAI 的自有模型。主权这事，是个趋势。

AGI 已来，范式不会死，人会

主持人：Fable 5 和 o-56 发布的时候，政府说"停一停再放"。Anthropic 和行政层关系紧张，现在开始缓和了。你觉得分步发布合理吗？模型真的够危险吗？

我没见过之前有这种事。但回头想想：当一个模型在创造性思维上够猛了，政府说"请你分步发布"，我觉得这其实没毛病。我们对猛药也这么管，当然不鼓励 FDA 那堆七年的垃圾文书，但说"至少让政府做点红队测试，确认我们的防御能挡住"，给两三周补明显漏洞，这不算无理要求。

但现在是两极化最严重的时候。如果这事不是 Trump 做的，换任何别的总统，反应可能完全不一样。两极化伤害了清晰思考。两边都会做蠢事，也会做聪明事。政府里的基层人员其实很认真在干，只是这事太快了。

Palo Alto Networks 的 Nikesh 告过我：他们把模型对自家软件做测试，发现了一小时之内几十个关键漏洞，不得不停下手头所有事，花六周打补丁。你意识到这是一个强力工具，也许先给一小群人看看，也许先做红队测试。

主持人：按照任何 20 年前的定义，AGI 已经来了。你觉得吗？

是的。图灵测试？早就打爆了。任何 10 年、15 年、20 年、30 年、40 年、50 年前提出的定义，我们都远远越过了。科幻作家提的问题我们都答完了，他们会说"我没问题了，抱歉"。这就是为什么那些看起来在边缘的人说的话值得听，Ilya 八年前讲安全，你说"什么？"结果他说对了。Elon 讲火箭成本降到近零，你说"什么？"结果他做到了。

主持人：Recursive learning，你问它一个问题，学到结果，再问一次，答案更好，覆盖更多材料，这些循环产出的答案，从"好一点"直接跳到"好得多"。指数曲线的斜率太陡了。

递归增益是指数级的，你更好了，再来一次，继续增益，斜率太陡了。我们刚开始看见这个。不停投算力，答案会越来越好吗？跑完 token 或预算就停了，但这条指数曲线什么时候到头？还是永远右上走？这问题现在有趣极了。

人类学习的速度被代际卡住，大象和大型哺乳动物 15-20 年才一代。想快，得像果蝇，一天两代。AI 正在拿到这种跨数千代的学习速度。我读心理学的时候，教授讲了一句：范式不会死，人会。Freud、Skinner、Jung 的门生占着领导位置 20-40 年，才有下一代质疑。AI 把代际间隔压成了果蝇速度。

我赌的是这件事：我们的孩子和他们认识的所有人不会因癌症去世。经济会有震荡，汽车来了，给马剃蹄铁的人日子不好过。但把赚的和亏的列出来：无限能源、无限食物、无限知识、无限教育、无限住房。我们一千年来都知道一对一辅导比课堂好，Aristotle 辅导 Alexander，Socrates 辅导他的学生，但我们选了工厂养殖式教学。现在 AI 可以给每个孩子一个按自己方式学的导师。

Scorsese 的 AI 工具箱：把脑海里的画面变成现实

主持人：Robin Rombach 是 Black Forest Labs 的联合创始人兼 CEO，总部在黑森林地区的 Freiburg 和旧金山。你之前做 Stable Diffusion，发明了 latent diffusion 算法。Black Forest Labs 的业务是什么？目标是什么？

我和合伙人们两年前创立了这家公司。之前做了 Stable Diffusion，更早发明了 latent diffusion，这是现在所有图像生成、视频生成甚至物理 AI 模型背后的基础算法。原理是把自然数据（图像、视频、音频）压缩到高效表示空间，然后在上面训练 transformer，就像 JPEG 和 MP3 的原理，但用神经网络算法实现。我们博士时期在慕尼黑做出来的。

现在我们在攻克多模态视觉模型，在图像、音频数据上同时预训练，正在进入新范式：结合 action prediction，让同一个模型做图像、做视频、做音频、还预测动作，最终可以部署到真实世界的机器人上。

主持人：从图像到视频到音频再到机器人，如果模型能生成视频，说明它理解了世界。

直觉智能和深度推理是两种互补的智能形式。我们从直觉侧入手，图像是最自然的切入点，计算量不像视频那么大。但现在正在收敛成多模态模型。预训练视频隐式教会了模型物理交互规律，从同一个模型里拿到动作预测，也就是机器人控制。

主持人：你和 Martin Scorsese 有合作？你坐在他旁边让他用你的工具？

是的，我和他坐在同一个房间里，他探索我们的模型，作为核心研究者之一坐在旁边，那感觉太疯狂了。同时我还是他的大粉丝。

他要的是把脑海里的场景可视化，东欧某个村庄，他描述，我们看输出，他迭代。最后他说的是：把脑子里的画面变成视觉表达，这种沟通效率远高于语言。语言是有点有损的沟通方式，视觉信息的信号太丰富了，一张图或一段视频里的信息量巨大，这是另一种沟通渠道。

我们不想规定怎么用这些模型，尤其不会对 Martin Scorsese 说"你应该这样用"。AI 模型是一种媒介。最有意思的东西，几乎都出在人在回路中不断迭代的时候。

从电影到机器人：生成式模型的终点不在银幕

主持人：startups 现在用 Flux 和你们模型做发布视频，以前花 25 万美元做 launch video，现在花一两周就能做完。Gal Gadot 刚做了一个 Bitcoin 电影，演员在 sound stage 上表演不用绿幕，所有背景用生成式 AI 做，30M 美元预算拍出了原来要 150M 才能做的效果。你看到生产中使用了吗？

看到了一些。高端电影制作是最苛刻的用例之一。我很高兴有人在探索，但我也想说清楚：技术还在 trajectory 上，正在快速迭代。几年前我们做 PhD 的时候只能生成 64×64 素的图，现在做多输入高分辨率视频，但它不会停在这。

最让我兴奋的是这个：你可以拿同一个多模态模型拍一部电影，然后把它部署成机器人上的大脑。 这太有意思了。computer use 到底能不能用还不确定，但技术正在往物理世界走，world models、action models，说白了都是同一个东西。

主持人：训练数据怎么来？让人类戴眼镜戴手套录第一人称？还是从 YouTube 上看一千个人倒饮料的视频就够了？

目标是用 in-context prompt 指令机器人："把那杯橙汁拿过来"。现在还做不到。目前的做法是：模型已经装了大量视觉理解，只需要几小时的微调数据就能适配特定硬件。方向是尽量少微调，尽量靠 in-context 指令，但这还是个研究问题。

主持人：开源正在有时刻，企业要主权。迪士尼这种 IP 大库应该怎么做，拿你的开源模型自己训练，还是和你合作训练专属模型？

最有趣的用例在于生成以前没有的东西，这才是这项技术本质上最有意思的地方。我们的公开工具上不能生成特定 IP，这很合理。我们也确实和一些 IP 拥有方合作开发模型，有些基于我们的开源模型，有些基于我们更强的 proprietary 模型。

最有趣的角度是：技术变得更快、更交互了。你可以想象 Disney+ 上挂着各种交互内容创作工具。

主持人：现在最有趣的现象是 fan films。以前有 fan fiction 写自己的 Star Wars 故事，后来有人穿 Jedi 服装拍 fan films。George Lucas 说只要不商业使用就允许。现在人们用 AI 把没讲过的 Star Wars 故事重新演绎，Star Wars Stories Untold 每条视频百万播放。这才是未来：让消费者付费授权，让他们用角色创作自己的故事。

如果找到对 IP 方可行的商业模式，又能开放这种超级创意的定制玩法，那就太好了。我读一本书或看一部电影总在想"要是这样发展会怎样"，现在终于能让人把这些念头可视化出来了。

我们刚过了 100 人，正在德国和旧金山招人：大规模模型训练的研究者、diffusion 和 flow matching 训练经验的人、和客户一起开发定制方案的工程师、大规模计算基础设施运维的人，还有对把技术送到更多人手里感兴趣的人。