- 日期:2026-11-07
- 原始日期:2026-05-08
- 来源:阅读原文 (腾讯新闻·天空之城全文整理)|一手:阅读原文
- 讲者:丹妮拉·阿莫迪(Daniela Amodei,Anthropic 联合创始人兼总裁);访谈人:Gintare Zukauskaite(Stanford GSB MBA '26)
- 信源层级:二手(中文全译;一手为 Stanford GSB「View From The Top」现场访谈视频,未直听)|原始场合:Stanford GSB「View From The Top」讲座,播客 S9E6《Daniela Amodei Says Curiosity Is Underrated》
- 标签:组织设计 / 联合创始人 / AI安全 / 通才 / 商业与善
- 渠道:腾讯新闻
- 体裁:访谈
- 一句话:她不是“计算机科学家”,而是把“好奇心 × 跨学科学习 × 渴望产生影响”当成稀缺资产的人——AI 安全不是营收的敌人,企业规避风险,安全本身就是竞争力。
一、跨界旅程:从文学学位到硅谷
- 2009 年本科毕业(英语文学 / 政治学 / 音乐,UCSC),“拿着文学学位、没有任何技能,谁会雇我?”
- 职业选择公式:“我擅长的 / 我感兴趣的 / 能产生巨大影响”三者的交集。
- 路径:国际发展(全球健康)→ 国会山(Capitol Hill)→ 竞选 → Stripe(加入时约 40 人)→ OpenAI → 联合创立 Anthropic。
- 自认“通才”:“如果你审视我的背景,你会想,这位女士到底擅长什么?她没有法律学位,也不是计算机科学家。”但“保持好奇心并跨学科学习的能力、以及无论做什么都渴望产生影响的强大基础”——是一种被低估的特质。
二、跨越技术术语的障碍
- 背景训练:“在 Stripe 与工程师共事近六年 + 家里有一位技术型物理学家(Dario)”——两者都给她一件事:不要害怕技术。
- “技术最终是一套非常有价值的技能,但任何人都可以学。”
- 方法:不断提问,直到理解;清楚自己与他人的职责范围——“我无法训练 GPU,也无法训练 GPT-2/GPT-3,但我能带来他们所不擅长的东西。”
- 核心方法:理解自己的“比较优势”,并弄清自己如何嵌入更大的生态系统——这需要很多“人际层面”的技能。
三、创办 Anthropic:把安全与责任放在最前沿
- 2020-12,7 人(含 Dario)离开 OpenAI;“我们是在奔向某个东西,而不是在逃避什么。”
- 愿景:“创建一个组织,把安全与责任的价值观放在工作的最前沿”→ 因此选择了公共利益公司(PBC)架构。
- 选联合创始人(全场最好的一段):
- “人际关系比你想象的更重要得多——你们如何处理冲突?”
- Dario 与她“为同一个问题争吵并解决它已近 40 年”,其他人也有 15 年以上的交情。
- “把你们关进一个房间,各自画出想造的东西,不要出现一个人画独角兽、另一个人画鸭嘴兽的情况。”
- “不要直接一起创办公司,先一起去度个假”——看看共处一室是什么感觉。
四、重新定义 AI 安全:从历史教训到未来预防
- 安全 = “对我们正在开发的这项技术承担一种彻底的责任”(radical responsibility)。
- 社交媒体反例:“开发那些技术的委员会成员并非本意要引发青少年进食障碍……但他们当时想的是:我要优化的指标是什么?——没有那种紧迫感,因为我们从未见过如此规模的扩张。”
- 覆盖面:化生武器、网络安全(网络战)、用户健康、儿童安全、错误信息、选举完整性。曾因网络战风险决定不发布某个模型。
- 安全 vs 营收:“冲突并没有你预想的那么大。大多数企业(我们大部分收入来自企业)并不希望使用不安全的模型……企业本质上是规避风险的,他们不想要不可预测或不可靠的技术。”→ 安全转化为竞争力。
- 张力“与时间有关”:能力飞速发展期,有时需延迟发布直到安全修补完成——“在确信所有必要修补完成前发布是不负责任的。”
五、AI 对就业的冲击:从“替代”到“技能互补”
- 判断:AI 改变工作的类型,而非简单消灭岗位;目前更像“技能互补(赋能者而非替代者)”,例外主要是客服。
- 编程:常见场景——CEO 悄悄问“我女儿该不该学计算机?”——“我们也不知道。但我的猜测是,软件开发人员依然会存在,只是不会再写那么多代码了。因为他们的工作远不止敲代码:要与产品经理沟通、与客户密切合作。这类工作占比会扩大,容易被 AI 完成的会缩小。”
- 应对三步:① 对现实达成共识(尽早开启对话、保持透明);② 多层面创新与实验(重新思考工作/意义/社会生活的范式);③ 超出单一公司能力——这终将是社会与政治议题,需政府/公民社会/大学共同参与。
六、泡沫、监管、隐私(学生问答)
- 泡沫/资本支出:“这是一个高资本支出的行业,风险在于你本质上是在押注未来——算力稀缺,必须提前很久采购。这是一场深思熟虑的赌博……我们完全有可能判断错误。”
- 监管:“合理的监管将是 AI 发展不可或缺的一部分……我希望对话不要被政治化(监管=坏/创新=好)。理想状态是科技公司与监管机构携手:我们掌握滥用信息,监管机构懂得如何提供可强制执行的框架。”
- 隐私/医疗:“审慎使用并保护用户数据是公司的职责……向 Claude 咨询医疗问题是最常见用例之一。不要盲目相信模型给出的医疗建议——它不认识你、无法为你检查、有时会捏造事实。把它当作'一位很优秀但可能不是专科的朋友'。”
七、过度依赖与“学习模式”
- 大规模定性调查(81,000 人):一部分人“它让我做到了以前以为自己做不到的事”;另一部分人出现“我不再动脑思考了,因为没必要”——不是刷手机的沉迷,而是“本可以深入思考,却选择直接信任 AI 的结果”。
- 两种用法对照:把作业丢给 ChatGPT 直接要答案 = 作弊;让 Claude 进入“学习模式”当耐心导师 = 拓展你能学的东西。
- “我希望作为这个行业,我们选择前者(变聪明)而非后者(大脑停止思考)。”
八、比较优势:未来什么技能更重要
- “我们本质上是社会性生物”——在 AI 能完成更多日常生产性工作的世界里,同理心、沟通、复杂的社会判断将愈发重要。
- 医学例子:“我们雇医生是因为他们是出色的诊断专家……AI 在这方面会变得非常出色。但 AI 做不到的是观察你、检查你、理解你的感受并帮你感觉好转。有文献表明,与医生关系良好、喜欢自己医生的患者,临床效果更好。未来,'床边照护'技能的重要性将提升五倍。”
- 个人用例:管理教练(上传下属多年信息,Claude 帮她识别行为模式——“你在过去三四年一直围绕这个议题打转”);育儿/如厕训练辅助。
- 快问快答:“如果回到大学,我会再学一次文学。我知道这听起来很疯狂,但我就是喜欢读书。”
九、寄语下一代:使命感与社会价值
- ① “追随你真正关心的事物”——“世界上有太多好点子,如果没有那种强烈的使命感,当过程变得枯燥甚至糟糕时,你很难坚持。”
- ② “商业行为与创造社会价值之间并不必然矛盾”——“我认为这确实是一个非常新颖的理念……我越来越感觉到,行善的愿望与取得实际成就之间存在着很强的相关性。”
十、最好的建议(收尾)
- “一位工作之外的朋友兼导师说:老实说,我觉得你没必要非得跟我通话,因为你自己已经知道正确答案是什么了。”
- “当你处于人生十字路口、纠结这是否是正确选择时,通常你内心深处其实已经知道答案了。”
读后判断
对造物云/教育 AI 的三条映射:
- “通才”= 你自己的组织观。 Daniela 把“好奇心 × 跨学科 × 渴望影响”列为最稀缺资产——这与邱懿武“两个人一件事情/超级个体组合”、以及“壁垒=判断力+数据飞轮+Skill网络”同构。招聘/组队时,该按“是否通才+能否互相顶嘴”来筛,而不是按技能清单。
- “安全即竞争力”的推理链值得直接抄。 她论证安全不伤营收,靠的是“企业本质规避风险”。造物云做 KA/教育客户同理:“数据归属、合规、可靠”本身就是卖点(对照 C-127 教育硬件“客户真正付费动机=数据回来”)。
- “学习模式 vs 作弊模式”是教育产品的分水岭。 她给出一条硬判据:同一工具,用来“直接给答案”是作弊,用来“当耐心导师”是让你更聪明——这正是球球老师/问学悦课该写进产品定义的底线。
保留意见:信源为二手中文全译(一手为 Stanford GSB 现场视频,未直听);“81,000 人调查”“提升五倍”等数字与引语建议回一手核对。本篇与 2026-11-07-daniela-amodei-liberal-arts.md(笔记侠拼盘)、2026-10-26-anthropic-daniela-amodei-think-health.md(Thrive Global 场)互为三源对照。