【访谈】从边缘涌现的超级智能：一种更安全的 AGI 路径

💡 田鸿飞在 Oracle 做过安全工程师，MIT 毕业论文研究网格计算，25 年来一直专注于去中心化技术。他最新的项目 Olaris 是一个面向 AI Agent 的边缘操作系统。这期播客围绕三个核心问题展开：数据应该在哪里处理？我们需要的是更聪明的 AI 还是更像自己的 AI？超级智能会从哪里产生？

嘉宾: 田鸿飞（Olaris 联合创始人） 主持人: 芦义 / Jedi Lu（Indigo Talk） 来源: YouTube - Indigo Talk EP 41

苹果证明了一件事

田鸿飞说：“苹果的隐私是所有公司里面做的最好的，但是他又是一个特别最赚钱的公司。”

这不是偶然。苹果靠卖硬件赚钱，不需要出卖用户数据。商业模式决定了公司对待隐私的态度。

“你的设备越安全，你就越信赖他。”

芦义在直播中分析过隐私安全的公司排名：苹果最安全，其次是 Google，最后是 Meta。判断标准很简单——看商业模式。字节跳动、头条这类公司，所有的隐私和行为数据都是他们的商业筹码。

苹果的 Apple Intelligence 架构也印证了这一点：本地设备处理能处理的任务，处理不了的才发到云端。云端会为每个用户生成一个独立的容器化服务器，完全支持审计，除了用户本人，没有任何人可以查看访问记录。

田鸿飞认为，这证明了隐私保护和用户体验并不矛盾：“不是说你要为了隐私你就要做很多事情，不是说你要做比较安全，你就一定要记住 12 个英文单词。”

98% 的数据是私有的

田鸿飞表示，现在大模型训练已经碰到了"数据墙"——世界上可用的公开数据都用完了。而 98% 的数据是私有的，无法被大模型使用。

这 98% 里面，一部分在企业数据库，这是 Larry Ellison（Oracle 创始人）关注的领域。另一部分是个人数据——聊天记录、游戏数据、各种非结构化信息，散布在 Facebook、LinkedIn、微信各处，很难被利用。

芦义提出了一个他认为更理想的模式：

“我雇了一个智商很高的 agent 在我本地干活，干完你走。”

这种模式下，数据不需要上传到云端。云端提供智能，本地提供数据。智能进来处理，处理完就离开。Claude Code 的本地执行模式就是这种协作的典型案例——在本地创建虚拟环境，处理本地数据，结果写回本地。

田鸿飞说，这个思路他 25 年前在 MIT 写网格计算论文时就讨论过：“是让程序下载到你本地干完活就走，还是你把数据给他让他在云端干活？数据可能会很大，还要加密、同态加密、合成数据，成本很高。把程序下载下来，当然更简单。”

我不想这个模型比我聪明

田鸿飞说：“其实我不想做那么聪明的一个大模型，我只想最接近于每个人的模型。我不想这个模型比我聪明，但是他更像、最接近于我。我说话喜欢说对呀对呀，他就应该说对呀对呀。”

这是他对数字孪生的理解。

他每天戴着 Limitless 设备，24 小时采集声音。加上 Gmail、20 多年前的 Hotmail、学校邮箱——所有历史数据和未来产生的数据集中在一起，通过大模型学习，可以做出一个"更像我"的 Agent。

应用场景很具体：给客户写邮件时，用 OpenAI 写一封正式漂亮的邮件。给朋友写邮件时，用个人数字孪生模拟自己的语气。

他讲了一个更感性的场景。在 CES 回家的飞机上，旁边坐着一位 Boston Dynamics 的工程师。田鸿飞分享这个想法时，对方说他的老母亲整天对着 Siri 聊天。“如果你能让他把聊天都记在那个盒子里面，都是会带他一生记忆的一个回忆。”

田鸿飞自己也有类似的遗憾。他的老父亲以前有很多故事，但小时候父亲忙没时间讲，等父亲退休想讲的时候，他又经常不在家。“现在我想再问问他以前的故事，已经不可能了。”

DeepMind 论文：超级智能可能从边缘涌现

田鸿飞提到了 DeepMind 在 2025 年 12 月 19 日发布的一篇论文。核心观点是：当所有人的视线都集中在单一智能体（论文称为 monosodic）时，超级智能可能产生于多个亚智能体（sub-agent）通过协作而涌现。

“超级智能来自于多个没那么智能的智能体的协作来涌现出来。”

论文也提出，分布式智能体之间的协作同样需要 alignment 和价值导向。这是一个安全问题。

田鸿飞认为这种路径更符合人类社会的发展逻辑：“人类社会就是人和人之间进行交互，共同通过市场经济来达到一个共同的目的。”

他承认自己有"反骨"——从 MIT 网格计算研究，到 2012 年比特币创业，到现在的边缘智能，一直在做分布式、去中心化的事情。

关于安全性，他说：“好的智能比坏的智能互相制衡，这时候我们就再也不用担心出来一个超级智能把我们人类都给统治了。”

Tesla 的小模型策略

田鸿飞提到，Tesla 的 XAI 团队在做 10 万人类模拟器（human simulator）项目，用低算力芯片跑小模型协作。这和追求更大参数的路线完全不同。

他们的观点是：小模型可以迭代更快，通过小模型之间的协作产生更高的智能。

北美有超过 400 万辆 Tesla，未来都可能成为边缘计算节点。芯片规划是 AI4（现有）→ AI5（改进 FSD）→ AI6（驱动 Optimus 机器人）→ AI7（太空计算）。

田鸿飞引用了一位 Tesla 工程师的采访。Elon Musk 给团队的指令是：“人做的更好的事情，坚决不要人做。“他们追求的是人眨一下眼的时间，机器已经完成了上百万次交易。humanoid 可以做到人 8 倍的速度。

芦义补充说，Musk 的逻辑很简单：只要比人快 8 倍，商业模式就成立。“能力不用比人超过很多，可能比你笨一点没关系，我快 8 倍啊。”

股票市场已经是 Agent 群体博弈

芦义提出，Agent 群体协作的网络其实已经存在了——就是股票交易市场。现在 60% 的交易量来自高频交易和量化交易。

他的建议是：个人散户别进去跟 Agent 搏斗了。“人类以后就做投资，做中长线就好了。短线你根本做不过这些 AI。”

田鸿飞提到了一家公司，把所有大模型放去做交易博弈。他原以为是玩票，后来看了他们的博客发现是认真的 AI 研究公司。他们的观点是：市场博弈是最难的，而且是 zero-shot 的模型训练环境。

芦义说，如果金融领域能成，电商可能是下一个。所有人都用 Agent 做分布式交易处理，形成群峰效应。

Intelligent Network 取代 Internet

田鸿飞的愿景是：以后互联网不叫 Internet 了，应该叫 Intelligent Network——智能 web。

可穿戴设备（眼镜、耳机、戒指）会取代手机占用的大量屏幕时间。个人数据集中在边缘设备（如 OlarisOne）上处理。需要更强推理能力时才调用云端 GPU。

他设想的 AGI 形态是：每个人都有自己的智能体，智能体之间通过市场化机制协作，在各个行业涌现出更高级的智能。

“我们可能会在好的行业里面涌现出更高级的智能出来。”

芦义引用了 Elon Musk 的观点：“既然光速是有限制的，那么就不会出现一个垄断一切的超级智能。“大家都能达到光速，那就是均衡的力量。

未来的通信方式也会改变。现在的网站都是给人用的，给视觉用的。如果 Agent 和 Agent 之间通信，只需要一套 API 或者 MCP 协议就搞定了。“通讯效率巨高，所有的东西都会可能是十倍百倍的提升。”

编者分析

嘉宾立场

田鸿飞是边缘智能创业者，Olaris 正在做的就是边缘计算设备。他对"数据应在本地处理"和"分布式智能更安全"的观点，与其商业利益高度一致。这不意味着观点错误，但需要意识到这一背景。

论证中的选择性

1. 苹果案例的局限性：苹果确实是隐私保护的标杆，但它也是生态系统最封闭的公司。用苹果证明"隐私与商业成功可兼得"是成立的，但不能直接推导出开源边缘设备能复制这一模式。

2. DeepMind 论文：访谈中提到的"2025 年 12 月 19 日 DeepMind 分布式智能论文”，需要验证原文是否真的支持"超级智能从边缘涌现"的解读。学术论文的结论通常比科普解读更保守。

3. Tesla 芯片规划：AI5/AI6/AI7 的具体参数和时间线，目前主要来自 Musk 的公开言论，尚未有正式产品发布。

反面观点

集中式 AI 的支持者会反驳：

• OpenAI 和 Anthropic 的规模化模型确实在多数 benchmark 上领先
• 边缘设备的算力限制是物理定律决定的，难以弥补
• “分布式涌现智能"目前更多是理论探讨，缺乏实证

关于隐私：也有观点认为，对于大多数用户，云端服务的便利性远超隐私风险。欧洲 GDPR 的执行成本高昂，很多小企业因此退出欧洲市场。

核心建议

田鸿飞在访谈中的核心建议：

• 选择服务看商业模式：卖硬件的公司比卖广告的公司更可能保护你的隐私
• 数据留在本地：让智能进来干活，干完就走。不要把所有数据都上传云端
• 不要追求最聪明的 AI：追求最像你的 AI，可能更有实际价值
• 分散投资于边缘设备：无论是个人还是小企业，拥有自己的算力中心越来越重要

来源：Indigo Talk EP 41 - 超级智能会从边缘涌现吗？/ 从 Clawdbot 看 AI 时代的个人计算 嘉宾：田鸿飞（Olaris 联合创始人） 转录与整理：Claude Code video-to-article skill