克鲁格曼

2026-06-06

今天只有我的脑袋在自言自语。

大家好，我是保罗·克鲁格曼。这周我特别忙，所以没有安排两位嘉宾的对谈节目，只有我一个人简单说几句。

嗨，我是保罗·克鲁格曼。我刚结束一些旅行，面对面见了各种各样的人，所以虚拟互动减少了。为了给大家周六的视频内容，我想稍微谈谈最近的经济新闻、市场动态——这些东西我平时不怎么深入评论，因为这类市场点评通常更适合那些每天和市场参与者打交道的商业经济学家。但我觉得最近的情况很有趣，值得讨论一下，也能帮助我们思考当前经济的整体状况。

如果你在关注这些，你应该知道昨天发布了就业报告。这份报告异常强劲，远超几乎所有专业预测者的预期，新增了17.2万个就业岗位。

不出所料，特朗普首先大肆吹嘘，说我们在拜登时期可没有这样的繁荣。有趣的是，明明据说现在形势这么好，特朗普和他的团队却老是提起拜登。如果真的好那么多，有必要一直拿自己和拜登比，不断宣称自己做得更好吗？

顺便说一句，在拜登执政的48个月里，有多少次就业报告的就业增量和昨天一样好？答案是37次。

当然，早年拜登时期因从新冠衰退中恢复而出现的快速就业增长无法复制，而且移民大幅减少也意味着正常的就业报告数字会更低。

但这次的就业增长还是出人意料地强劲，不过也不至于改变你对经济运行的基本看法，只是短期前景比之前预想的更乐观一些。

另外，有些人质疑这些数字是否可信，尤其是失业率并没有下降，却有这么强的就业增长，他们怀疑数据是不是被操纵了。答案是：没有。别帮倒忙。

我不是说未来不会出现数据造假，但我们会知道的，那会很明显。而且要想系统性地造假而不被发现几乎不可能，会出现大量预警信号和举报者。

目前，劳工统计局仍然保持着非政治化、专业化的作风——虽然资源不足，这正成为一个问题——但这些已经是他们能提供的最好数据了。

如果你对“就业强劲增长但失业率不变”感到困惑，原因是这两个数据来自不同的调查。失业率基于家庭调查，就业增长数字基于雇主调查。这两个数字不必完全匹配。在理想世界里它们应该讲同一个故事，但存在统计噪声、抽样误差，以及概念上的差异。

这种差异并不罕见。它真正告诉你的是：劳动力市场到底是像失业率数据暗示的那样趋于平缓，还是像非农就业数据暗示的那样至少出现了小幅繁荣？答案是：谁知道呢？时间会给出答案。一年下来，这两个系列数据讲的故事通常不会有太大差异；但逐月看的话，噪声很大，不应该过度反应。

好，试着理解当前情况——为什么劳动力市场看起来这么强劲？当前经济面临三个重大力量。如果对专业经济学家来说，最好一次只发生一件事，但现实并非如此。

第一，我们仍在感受特朗普反复无常的关税政策的影响，这对就业产生了抑制作用——与其说是关税本身，不如说是不确定性。企业很难制定计划，在不知道几个月后关税政策会怎样的情况下，投入资金开展新业务风险极大。但这种不确定性可能只造成了一次性的就业打击，现在大概已经过去。因为虽然我们有疯狂的贸易政策，但它现在已经成为背景的一部分，可能影响就业水平，但不再明显影响增长速度。

第二是人工智能。我们看到数据中心支出出现巨大繁荣，投资大幅激增，股价也因对AI回报的期待而大涨。能从高股价中受益的人不多，但这些人拥有大量财富和消费能力。他们花得越多，就越能提振经济。这股力量与关税的影响形成了对冲。

而且AI驱动的支出可能正在发力，而关税的影响正在消退。

关于石油：预测市场大体上不是好东西，但它们能快速总结主流观点。大约一周前，Kalshi显示霍尔木兹海峡在8月1日前重新开放的概率是60%，现在降到了26%。人们有理由对白宫“快结束了”的说法持高度怀疑态度——他们早就该更怀疑了。

总之，看起来海峡不会很快开放。关于这意味着什么，仍存在巨大不确定性。

在此期间，金融市场人士（包括石油期货市场的参与者，他们应该比很多投资者更专业、更少受情绪驱动）和真正研究实体石油市场的人之间存在明显分歧。

目前，期货价格比战争前高出不少，但仍在100美元以下。然而石油行业人士却非常焦虑，说我们一直在通过消耗库存来弥补海峡关闭造成的供应损失，而库存已接近关键低位——维持正常运转需要一定库存水平——之前有很多警告称，如果6月1日前海峡不重新开放，将会发生非常糟糕的事。结果呢，现在已经是6月6日（诺曼底登陆日），海峡还是没开。所以，严重石油短缺会在几周后到来，还是可以勉强应付？

我们会维持在当前油价附近吗？我仍然觉得实体石油市场的论点很有说服力，但我也很疑惑。毕竟石油期货市场不像模因股那样有很多散户投机。它不是一个容易情绪化的市场。我们知道有内部交易者似乎能在特朗普行动前几分钟就知道他的打算并参与交易，但他们应该不足以长期严重扭曲价格。所以我不知道石油市场到底在发生什么，只知道它是一个令人担忧的因素。

其他客观经济事实：就业报告还显示工资增长继续放缓，而与此同时通胀正在加速。通胀先是被关税推高，现在又被油价以及其他经由霍尔木兹海峡运输的商品（化肥、氦气等）价格进一步推高。这些价格冲击还没有完全传导到整个系统。柴油价格和化肥等的影响会逐步显现，导致使用这些碳氢资源的产品价格上涨。因此通胀可能会在一段时间内保持高位。

随着工资增长放缓，我们几乎肯定会再经历至少几个月实际工资下降，这不是好事。

我对各种“K型经济”（顶层向上、底层向下）的说法持一定怀疑态度——很多都超出了数据的实际含义。但可以肯定的是，靠工资生活的人正遭受通胀冲击，却没有工资增长来补偿；而持有大量股票的人则表现好得多。这确实是一种真实的分化。

当然，持有大量股票的人现在也没一周前那么开心了。股市出现显著下跌，昨天更是大幅跳水，纳斯达克跌幅超过4%，其他指数跌幅稍小，但仍是显著下跌。美国总统又发了一通愤怒的推文（或者说Truth Social狂喷），说好的就业报告应该让股市上涨而不是下跌。他还想方设法把自己和拜登对比，并指责那些低估就业数字的业内人士患有“特朗普失调症”。

顺便说一句关于阴谋论：我认识一些做非农就业预测的人，不管他们的个人观点如何，他们的工作取决于预测尽可能准确。每月都会被评估。他们有一个故事、一个数字，预测会出错，但问题永远是：你比其他预测者好还是差？他们没有空间去放纵自己的政治观点。

预测出错是常态。经济很复杂。即使有最好的意愿和最好的信息，你也会出错。认为经济预测者对特朗普有特别的负面偏见，这种想法非常荒谬——只要你过去五年是清醒的就知道。很多人还记得2022年彭博社把接下来一年发生衰退的概率定为100%，结果根本没有衰退。

我从没说过专业经济预测被政治化了。我也不认为它曾针对拜登或现在针对特朗普被政治化。那些衰退预测背后有根本性的误判，但那不是政治化。

总之，特朗普完全没必要把自己当成受害者。

那么到底发生了什么？特朗普表示不解，为什么好的就业数据反而让股市下跌。但其实原因非常直白：当前高通胀（现在主要受伊朗相关事件影响）加上劳动力市场依然坚挺（没有崩盘，反而似乎在加速），美联储根本没有理由降息。

几个月前看起来还有可能今年降息一两次，现在根据市场隐含概率，降息概率只有大约1%。而利率实际上升的概率约为70%。虽然不会是大规模加息，但美联储很可能想要对抗潜在通胀，防止通胀在经济中根深蒂固——这一直是他们最担心的事。这不会导致剧烈行动，但按照历史标准，既没有降息的理由，反而开始出现加息的合理理由。

很多事情都可能发生，但短期内可能不会，所以市场对联邦基金利率（极短期利率，基本上是隔夜利率）的预期已经大幅上升，这又推高了长期利率，而长期利率对经济活动影响更大。利率上升会伤害股市。

道理很简单：你是把钱投到股市还是债券？利率更高的时候，人们更不愿意投股市。或者说，因为股票价格取决于对未来利润的预期，利率越高，未来利润的贴现就越多，股价就应该下跌。

昨天股市的表现也符合这个逻辑：跌得最狠的是那些价值高度依赖遥远未来预期利润的股票（纳斯达克跌4%）。标普500（增长股和当前盈利驱动的股票混合）跌得少一些。道指（更成熟、已有稳定利润流的公司）跌得更少。所以很明显，市场认为经济稳健而通胀令人担忧，美联储不会降息还可能加息，因此股市下跌。一点都不奇怪，也没什么反常。

我们从中唯一学到的是：美国总统根本不懂这些，他只觉得自己做了了不起的事，应该得到降息作为奖励。

有趣的情节是，这对新任美联储主席凯文·沃什意味着什么？沃什是特朗普安插的人，特朗普相信他会听话，会因为特朗普说要降息就去降息，并找到理由支持。沃什也确实在朝这个方向示好，呼吁美联储使用看起来比标准指标更温和的通胀衡量指标。这是个有趣的辩论，但明显是动机性推理——就是挑那些显示通胀最低的指标，好为降息制造更好理由，这正是特朗普想要的。显然这不是严肃的学术论证。

但我认为他基本没机会实现降息。美联储不是独裁机构，甚至不像公司那样CEO能一个人拍板。美联储的利率政策由联邦公开市场委员会（FOMC）决定，这是一个由美联储理事会长期成员和地区联储主席组成的委员会。它本质上不对特朗普负责，长期对民选政治家负责，但那是相当长期的事。

除了特朗普的人之外，美联储内部现在对降息的支持为零——也确实不应该有。在就业似乎仍在稳步前进而通胀高企的情况下，降息没有任何理性理由。

所以沃什会怎么做？是表现得像一个专业的央行行长，从而招致白宫的巨大愤怒？还是去倡导他自己也知道（他不傻），而且所有同事都知道是非常糟糕的政策，然后在FOMC一次次输掉投票，成为史上最不受尊重、最没有影响力的美联储主席？

我不知道结果会怎样，但可以边看边吃爆米花。

我希望之前已经说得很清楚：不要期待反对特朗普的人能立刻得到满足。我自己也犯过这个错误。但如果你希望特朗普做的坏事立刻或一两个月、半年内就引发严重衰退，很遗憾，经济学不是道德剧。坏行为的代价需要更长时间，而且更加分散。

外面有很多事情在同时发生。所以认为仅仅因为领导层灾难性糟糕就必然立刻导致灾难，这种想法在战争中成立（我们在伊朗看到的就是例子），在公司竞争中也许成立，但对美国经济来说，尤其短期内，对最高领导层质量的敏感度要低得多。因为美国政府影响经济，但并不直接运营经济。所以这不会是很多人出于政治原因希望看到的壮观崩盘。我们继续往前走吧。

顺便说一句，我不认为当前发生的事能扭转公众对经济的极度负面看法。大多数人并不关心就业数字（他们也不应该关心），那不会直接影响他们的生活。人们感受到的情况是：虽然失业率不高，但工作难找，物价在涨，而且涨得比工资快。这不是意识形态问题，只是事实。

所以人们会继续保持负面情绪，也会觉得我们有一个疯狂而反复无常的领导层。而大声宣称“这是有史以来最热的经济，一切都棒极了”在政治上几乎完全适得其反。

这个时候，特朗普真该从比尔·克林顿那里学学，说他“感受到了我们的痛苦”——虽然那是谎言，他并不感受得到，但他连假装都做不到。

因此，这仍将是一个非常负面的经济局面。特朗普原本以为自己手里有股市这张牌（虽然对很多人来说股市并不重要，但在统计上对消费者信心有一定影响），所以昨天不错的就业报告后股市反而下跌，自然让他暴跳如雷。

我确实认为，我们正处于一种难以解释为什么人们对经济如此负面、除非他们有一种累积的感觉：系统被操纵了，掌权者并不站在他们一边——而这一点现在非常真实。

因此这种情况极难扭转，尤其在一切都政治化的情况下，在中期选举前几乎不可能扭转。

今天就说到这里，算是一个快乐的结尾吧。保重，过几天我会恢复正常的访谈等常规格式。再见。

佛教的演进，从来不是一成不变的铁板一块。佛教是历史的产物，每一个宗派、每一个时代，都携带着当时当地的深刻印记。回望两千五百多年的佛教历程，我们看到，各大宗派的兴起，本质上都是佛教在特定时空下的现代化尝试。印度大乘佛教的崛起，便是最为壮观的例证。它突破了早期部派佛教的局限，从印度本土向中亚、中国本土和中国历史上的西域广泛传播，注入新的活力，回应了时代与众生的需求。历史上大多数的种种佛教现代化非但不必令人惊讶、担忧或排斥，反而是佛教生命力的自然展现——潮起潮落，兴衰交替，正是其历史常态。

然而，佛教现代化并非一帆风顺的坦途或是对佛教持守佛陀核心教导的而言的成功。印度佛教晚期，密教兴盛，逐渐参杂了印度教元素与传统密教成分，瓦解了当时主流的大乘宗派框架。最终，在复兴的印度教冲击下，所谓在当时现代化的佛教竟在印度本土彻底消亡。这段历史警示我们：当佛教现代化偏离佛法核心，沦为与世间众生欲望的简单妥协，便可能走向自毁。所谓“人间佛教”，本意在于契理契机、利益众生，若能坚守佛陀的根本教义，自有其积极意义。可一旦它演变为彻底的世俗化，成为众生种种欲望的大杂烩，表面香火鼎盛、信徒云集，实则可能正是佛教的堕落与自杀。

审视当下，尤其在中国大陆佛教的所谓“复兴”景象中，这种隐忧显得格外刺目。那些打着“人间佛教”旗号的实践，往往呈现出令人不安的图景：释永信等“高僧”的骄奢淫逸而长期逍遥法外，某些佛教山头、派别热衷于商业化而肆意敛财、中饱私囊，以及前佛教协会会长学诚法师相关的种种犯戒犯罪和僧团内部的乌烟瘴气，无不暴露了佛教界信仰的崩塌、商业腐蚀与世俗政治权力的渗透。著名的灵隐寺曾因政治为现在已倒台的前叙利亚独裁者巴沙尔·阿萨德一反常态、敞开中门，更凸显了佛教被当政治工具怂恿而向专制磕头的的尴尬现实。这些现象背后，是政治意识形态、商业资本与极端世俗化的合力操控，而中国大陆当前一些佛教组织、僧众和世俗信众，正是这场所谓“佛教现代化”的热闹主角。佛教被包装成升平之世“信仰自由”、“功德宣流”、“保国安民”的遮羞布，却在政经利益的舞台上唱着宗教异化的戏码。许多海内外的修行人赞叹这种盛世的“人类共同体”的“繁荣”，将其心目中的佛教现代化的希望寄托其上，却忽略了其中潜藏的缘木求鱼的佛教世俗化和腐败化的危机。

偏向于被政治意识形态、商业资本和极端世俗化、庸俗化所掌控的当代中国大陆佛教，并满足于自己的认知幻想，不少学人的这种态度令人深思。如果仅仅倡导佛教现代化，而主动逢迎和满足于被外部力量主导的佛教繁荣的表象，那么学人只能在远离佛陀所教导的八正道的路上越走越远而不自知。那些年复一年撰写的疲软文字、洋洋洒洒的似是而非的个人知见，看似美好而虚幻的个人愿景，最终都可能随风飘散。多年的勤勉修行和对佛教现代化的期望，若走失于对当前中国大陆佛教欣欣向荣表象的妄想痴迷，便会付之东流，甚至晚节不保，学佛之人不可不警醒。

佛教的现代化，必须以坚守核心教义为前提，而非盲目顺应人间世情，更不能让它成为世俗无尽欲望的载体。唯有保持清醒对佛教现代化和当代佛教状态的观照，甄别佛教现代化中的正见和邪见，反思实践中的种种弊端和过度世所化倾向，才能让佛教现代化在佛教复兴中坚如磐石，真正利益众生，才能让佛教在历史的长河中，继续折射出真正的智慧之彩，而非在异化中黯淡无光。

一家估值接近万亿美元、正冲刺IPO的AI公司，突然公开呼吁全球暂停AI开发。

6月4日，Anthropic在官方博客发布了一篇题为《当AI构建自身》（When AI Builds Itself）的长文。文章由公司联合创始人Jack Clark和内部研究机构负责人Marina Favaro联合署名，首次罕见对外披露了一批此前从未公开的内部运营数据。

这些数据显示，AI正在以惊人速度加速AI自身的开发进程：截至2026年5月，Anthropic超过80%合并入代码库的代码由Claude撰写；与2024年相比，工程师每日合并代码量已增长8倍；在一项内部研究调查中，员工估计使用最新模型Mythos Preview后，自身产出约为不使用任何AI工具时的4倍。

更关键的是，Anthropic提出了一个令整个AI行业不安的概念警示：“递归自我改进”（recursive self-improvement）——即AI系统无需人类干预、自主设计并改进其继任者的能力。这一阶段尚未到来，但“可能在未来两年内发生，甚至更早”。

我们走向递归自我提升的进展及其影响。

在人工智能的大部分历史中，人类主导了其开发周期中的每一个步骤。但在 Anthropic，我们正将越来越多的人工智能开发工作委托给 AI 系统本身，这大大加快了我们的工作速度。

如果这一趋势发展得足够远，并拥有足够的算力，它将指向一个能够完全自主设计和开发其下一代产品的 AI 系统。这被称为递归自我提升（Recursive Self-Improvement）。我们现在还没有走到那一步，递归自我提升也并非不可避免，但它的到来可能会比大多数机构准备好去应对的时间还要早。

通过利用公开基准测试以及来自 Anthropic 内部此前未公开的数据，Anthropic 研究院（The Anthropic Institute）表明，AI 已经在加速 AI 系统自身的开发。仅举一例：如今，Anthropic 的工程师每季度平均交付的代码量是 2021 至 2025 年期间的 8 倍。

本文讨论的技术趋势表明，AI 系统在未来几年内将变得能力更加强大。这些趋势具有巨大的影响。一个能够构建自身的 AI 将是技术史上的一大重大进展——它可能在科学、医疗等诸多领域为世界带来巨大的福祉。但完全的递归自我提升也可能增加人类失去对 AI 系统控制的风险。如果系统能够完全构建自己的下一代，那么我们保护它们、监控它们以及塑造它们行为的方式都将变得至关重要。

AI 参与开发的发展历程

• 2021–2023：构建第一代 Claude

  • 参与角色：人类、计算机

  • 在早期，Anthropic 的工作与其他科技公司无异：人们在笔记本电脑上编写代码和文档。

• 2023–2025：聊天机器人

  • 参与角色：人类、计算机、聊天机器人

  • 人们开始使用早期的聊天机器人来协助流程中的部分环节，例如生成简短的代码片段并将其复制到文本编辑器中。

• 2025–2026：编程智能体（Coding Agents）

  • 参与角色：人类、计算机、聊天机器人、智能体

  • 随着智能体能力增强，它们能够自主编写和修改代码，有时甚至是整个文件。

• 当下（2026）：自主智能体（Autonomous Agents）

  • 参与角色：人类、计算机、聊天机器人、智能体、工作流

  • 智能体现在可以自己运行代码，并将长达数小时的工作分配给其他智能体。

• 20XX？：闭环（Closing the loop）

  • 在未来，智能体可能具备足够的能力来自己构建和训练模型。如果发生这种情况，未来的 Claude 版本可以由 Claude 自身进行持续的改进。

来自外部世界的证据

AI 模型的改进速度正在加快。它们能够独立可靠完成的任务时长，大约每四个月就会翻一倍（而此前的趋势是每七个月翻一倍）。2024 年 3 月，Claude 3 Opus 可以完成需要人类花费大约 4 分钟完成的软件任务。一年后，Claude 3.7 Sonnet 能够应对需要约 1.5 小时的任务。又过了一年，Claude 4.6 Opus 已经能处理耗时 12 小时的任务。如果这一趋势保持下去，需要熟练人员花费数天才能完成的任务可能会在今年内进入 AI 的能力范围。到 2027 年，AI 系统可能就有能力处理需要人类花费数周时间的任务。

同样的模式也出现在编程和研究的基准测试（Benchmarks）中。基准测试用于衡量模型在特定领域的性能，当模型获得接近 100% 的表现时，基准测试就会趋于“饱和”。SWE-bench 是针对现实世界软件工程的标准测试：它向模型提供一个真实的开源代码库和一个真实的错误报告，并要求其编写代码修改以修复该问题并通过项目自身的测试。在两年内，模型的得分已经从极低的个位数发展到使该基准测试达到饱和。

CORE-Bench 测试模型是否能够复现现有的研究，这是它们开展原创性研究的前提。它向 AI 模型提供已发表论文背后的代码和数据，并要求其重新运行所有内容并确认能够复制该论文的结果。AI 系统成功复现结果的比例从 2024 年的约 20%，发展到 15 个月后的基准测试饱和。负责运行衡量模型完成长期任务能力的基准测试机构 METR 发现，Claude Mythos Preview 可以工作“至少”16 小时，并且已经处于“在没有新任务的情况下， 所能衡量的上限”。

公开的基准测试能够说明很多关于这些系统能力的问题。但它们无法揭示 AI 系统在加速 AI 自身开发方面所产生的具体影响。为此，我们需要来自像 Anthropic 这样的 AI 公司内部的直接证据。

来自 Anthropic 内部的证据

构建一个前沿模型主要包含两大类工作。一是工程（Engineering）：编写代码、搭建基础设施以及监督模型训练；二是研究（Research）：决定运行哪些实验、解读返回的结果以及思考下一步尝试哪些想法。

在工程和研究两个领域，情况是一致的。在工程方面，可以给 Claude 一个界定模糊的问题，它能自己想出解决方案；人类提供目标，但不再需要提供方法。在研究方面，Claude 在执行一个界定明确的实验时，已经能够媲美或超越熟练的人类。然而，当涉及到让 Claude 在工程和研究中运用判断力来选择目标时，依然存在巨大的性能差距。这就是今天的 AI 与未来能够自主设计其下一代的系统之间的差距。

随着经验的增加，Anthropic 的员工通常会承担更多开放性和更重要的任务。在早期，他们执行别人指定好的任务，比如：“导出按钮无法正常工作，请修复它。” 随着经验的积累，他们被赋予一个目标并自己设计方法，例如：“调查为什么网络在重载下会变慢。” 在最资深的层面上，他们要决定哪些问题根本不值得花时间去做：“团队下个季度应该构建什么？” 我们可以利用 Anthropic 的内部数据来看看 Claude 在处理这些不同类型的任务上已经走了多远。

Claude 编写了 Anthropic 相当大比例的代码。截至 2026 年 5 月，我们合并到 Anthropic 代码库中的代码有 80% 以上是由 Claude 编写的。在 2025 年 2 月 Claude Code 推出研究预览版之前，这个数字还处于极低的个位数。这种转变也体现在每位工程师的产出量上。在 Anthropic 的前四年（2021-2024 年），每位工程师每天合并的代码行数保持恒定，然后在 2025 年开始向上攀升，当时 Claude 开始能够运行代码，而不仅仅是提出建议供工程师复制粘贴。这一斜率在 2026 年随着模型开始在更长的时间跨度内自主工作而再次变陡。在 2026 年第二季度，典型工程师每天合并的代码量是 2024 年的 8 倍。这是因为大部分代码都是由 Claude 编写的，工程师负责指导和审查，而不是自己敲击键盘。

注意事项： 代码行数是一个不完美的衡量标准，因为它衡量的是数量而非质量。因此，2026 年第二季度每位工程师每天 8 倍的代码行数几乎肯定夸大了真正的生产力提升。尽管如此，它表明了一种加速趋势。在 Anthropic，我们并不根据员工编写了多少行代码来给予奖励；相反，团队成员之所以能产出更多代码，仅仅是因为他们正在使用 AI 系统来编写更多代码。

代码行数的增加与生产力大幅提升的主观印象是一致的。在 2026 年 3 月对来自 Anthropic 各个研究团队的 130 名员工进行的一项民意调查中，受访者中位数估计，在他们无论如何都会从事的项目类型上，使用 Mythos Preview 产生的产出大约是没有任何 AI 模型时的 4 倍。我们预计 3 月份的实际提升程度会略低一些。尽管如此，我们认为整体的说法是合理的，并且与我们的其他观察相符：相当大一部分 Anthropic 的技术人员完成核心工作的速度，比没有 AI 协助时快了数倍。

我们还看到证据表明，Anthropic 的员工正在使用 Claude 来做一些如果不是因为 AI 就根本不会发生的工作，例如构建探索性工具和处理拖延已久的清理工作。例如，在 2026 年 4 月，Claude 交付了 800 多个修复程序，将一类 API 错误降低了千分之一。负责监督 Claude 的工程师估计，人类需要花费四年时间才能完成这项工作；解决别人的 Bug 是缓慢而艰巨的，人类很难在脑海中同时容纳这么多陌生的上下文。

“大约一年前，我开始全力转向‘Claude化’（Claudifying）。那是一段疯狂的冒险，现在距离我上一次自己写代码已经过去大约 5 个月了。” —— Anthropic 员工

Claude 编写的代码质量“良好”且在不断改进。“好代码”意味着两件事：它能正常工作，且其编写方式允许另一位工程师理解并在此基础上进行构建。在第一个标准上，证据是显而易见的。一年来，Anthropic 员工对 Claude 进行修正、重定向或在任务中途接管的比例一直在稳步下降，即使在最复杂和最开放的任务中也是如此。这意味着在没有明确规范、工程师自己都不确定答案是什么样的问题上，Claude 也能胜任。

在最开放的任务中，Claude 的成功率在 2026 年 5 月达到了 76%，在六个月内上升了 50 个百分点。举一个该难度级别的任务示例：一次例行升级导致成千上万个训练任务崩溃。一位工程师向 Claude 指出了这一实时事故，当时几乎只提供了一些文本内容和集群访问权限。通过分析运行中的任务并一次测试一个环境设置，Claude 隔离出了触发崩溃的单个晦涩的调试标记，稳定地复现了它，并确认了修复方案。在大约两小时内，Claude 交付了通常需要两到三天才能完成的工作。

第二个标准是编写其他工程师能够理解并在此基础上进行构建的代码。在这一点上，人类和 AI 之间仍然存在差距，但正在迅速缩小。Anthropic 内部尚未达成完全共识，但许多人认为，在 2025 年底，Claude 编写的代码质量仍低于 Anthropic 人类编写的代码，而今天则大致持平。我们预计在一年内它会变得更好。

这已经改变了 Anthropic 现在审查自身代码的方式。现在，提交给代码库的修改建议会由一个自动化的 Claude 审查员阅读，在合并之前查找错误、安全漏洞和其他缺陷。利用这个工具，我们进行了一次追溯分析，发现如果对我们代码库的每一次修改都进行自动化的 Claude 审查，就能在过去 claude.ai 发生的事故上线之前，捕获其中大约三分之一的 Bug。编写这些代码的工程师是世界上构建这些系统最优秀的人才之一。而 Claude 现在正在捕捉他们遗漏的错误。

“在 2025 年底，Claude 编写的代码比 Anthropic 人类编写的代码稍差，今天大致持平，我们预计在一年内它会绝对胜过人类。”

Claude 非常擅长通过运行实验来达到别人设定的目标。每次 Anthropic 发布模型时，我们都会运行相同的测试：我们给 Claude 一些训练小型 AI 模型的代码，并要求它使该代码运行得尽可能快，同时仍要通过相同的正确性检查。目标和成功指标是预先固定的，因此 Claude 的工作就是通过重写代码、运行、计时并重复这一过程来寻找加速的方法。这是一个实验性研究循环的微缩版本。在 2025 年 5 月，Claude 4 Opus 相比初始代码实现了平均约 3 倍的加速。到 2026 年 4 月，Claude Mythos Preview 达到了 约 52 倍 的加速。作为参考，一个熟练的人类研究员需要四到八个小时才能达到 4 倍。在研究工作流的这一部分（在明确定义的实验中优化步骤），Claude 在不到一年的时间里已经从“超级帮手”变成了“超越人类”。

“如今的情况大致是‘人类产生想法，而模型能够以比以前快一个数量级的速度去实现、测试和评估它们’。”

Claude 在提出自己的实验建议方面正变得越来越好。2026 年 4 月，Anthropic 发表了第一个关于 Claude 全程端到端运行开放式研究项目的演示。由 Claude 驱动的智能体被赋予了一个 AI 安全领域的开放性问题——大致是：较弱的模型能否可靠地监督较强的模型？——然后让它们自己去解决。这涉及提出假设、测试假设、与并行智能体分享发现并进行迭代。该任务有一个明确的性能“下限”和“上限”：下限是弱监督者自己能做多好；上限是强模型在针对正确答案进行训练时的表现。两位人类研究员在全天大约一周的时间里，弥补了这一差距的约 23%；而智能体在累计 800 小时内弥补了 97% 的差距，并消耗了大约 18,000 美元的算力。这项工作有一些注意事项：结果并没有完美地转化到生产规模的模型中，而且人类仍然选择了问题并创建了评分标准。但在这些范围内，智能体自己设计了每一个实验。设定方向是人类扮演的唯一有意义的角色。

“在 1-2 天的时间里，Claude 在我极少协助的情况下完成了所有这些工作。我想如果一个初级同事在同样的时间里带着这样的结果回来找我，我会感到有些惊艳。未来已来。”

Claude 在引导研究会话走向研究发现方面正变得越来越好。我们检查了真实的 Claude Code 会话（在 2026 年 1 月至 3 月之间），在这些会话中，Anthropic 的研究人员正与 Claude 一起解决一个开放式的调查性问题，比如查明为什么训练运行一直崩溃，或者为什么模型在某个基准测试中得分很低。在每个案例中，我们都发现了研究人员走弯路的时刻：他们追求了一个导致会话跑偏的方向，然后才最终回到正轨。接着，我们只向各种 Claude 模型展示会话走偏之前的回溯工作，并询问它接下来会做什么。随后，另一个能够看到会话最终结果的独立 Claude 会评估是 AI 还是人类提出了更好的下一步建议。

因为我们刻意挑选了那些我们知道人类的选择还有改进空间的时刻（n=129），这并不是模型与人类判断力之间对等的比较。这些时刻为我们提供的是一套现实且具有挑战性的情境，在这些情境中，正确的下一步并不明显，而人类的选择可以作为一个有用的标尺，来衡量模型性能随时间推移的变化。在这项指标上，我们在 2025 年 11 月最好的模型（Opus 4.5）在 51% 的情况下击败了人类的选择；而在 2026 年 4 月（Mythos Preview），这一比例增长到了 64%。研究的日常工作很大程度上就是由这一连串的下一步决策组成的，这使得该指标成为衡量模型最终自主运行调查能力的切合标准。我们将这一结果视为一个早期信号，表明 AI 系统在做出 AI 研究赖以进行的各类判断抉择方面正变得越来越好。

“截至目前，人类的比较优势仍然在于看清更大的图景，以及跳出当前任务的局限进行思考。”

Anthropic 未来的工作可能会是什么样子？

证据表明，在 AI 开发过程的每一步中，人类的角色都在变窄。一旦人类和 AI 编写的代码质量达到对等，人类将完全停止编写代码，转而只进行审查。但如果他们审查代码的速度赶不上 Claude 生成代码的速度，人类审查就会成为 AI 开发的瓶颈。同样地，一旦 Claude 能够运行实验，问题就会转向“这些实验中哪一个值得运行？” 简单来说：执行（即编写代码、运行实验、产生结果）现在在人类时间上的成本几乎为零，即使它在算力上仍有成本。

目前，人类具有比较优势的领域是研究的品味和判断力，包括选择哪些问题重要、信任哪些结果以及何时判定某种方法走入了死胡同。

“过去的工作（和生活）依赖于人类之间小帮小助的‘互惠经济’。‘你能帮我把这个脚本运行起来吗？’ 每一次帮助都创造了一点人情债，一点共同的意识。而 Claude 速度更快，创造零人情债，但每一次这样的交互，都是一次人类合作机会的流失。”

“在一切运转顺利的日子里，我忍不住会想，我做的任何事情都不重要了，一切都是自动化的，而且比我能做到的更好、更快。但也有一些日子，所有东西都崩溃了，我不知道为什么，我才意识到自己根本不知道自己一直在忙些什么。”

如果我们错了呢？

对于上述证据的一个很自然的反对意见是：目前仍掌握在人类手中的工作——选择研究哪些问题——才是最重要的。缺乏这种判断力，Claude 只是一个能干的助手，而不是一个能够独自推动 AI 进步的系统。

目前尚不明确今天的训练方法和架构能否解锁这种能力。但 AI 很少是通过“灵光一现（eureka!）”的时刻取得突破的。在 AI 的近代历史中确实有一些这样的时刻，比如 Transformer 架构或混合专家（MoE）模型，但颠覆范式的想法往往相隔数年才出现。在这些时刻之间，大多数进展都是渐进式的：我们扩大某种规模，看看什么地方崩溃了，修复它，然后再次尝试。这恰恰是 Claude 现在所擅长的工作流。爱迪生说过，天才是 1% 的灵感加上 99% 的汗水。但我们看到，这些汗水正变得越来越自动化。很明显，推动前沿发展的许多工作都是可以自动化的；大规模的研究进展在很大程度上取决于工具和资源，它们决定了你运行实验的速度、能同时运行多少个实验以及多快能获得结果。

即使我们假设 Claude 永远无法获得良好的研究品味，对我们证据的保守解读仍然意味着复合式的加速。如果人类将大部分时间花在仅占个位数比例的“方向设定”工作上，而 Claude 处理其余的工作，这意味着每位工程师或研究人员所操控的工作量将远超从前。我们所看到的证据表明，Anthropic 的员工既移动得更快，覆盖的范围也更广。在实践中，这意味着 AI 已经使 Anthropic 的运转速度远快于高效 AI 工具出现之前。

而较不保守的解读是，关于 Claude 研究判断力正在改善的早期证据（尽管目前还很局限）是一个风向标，表明这一能力同样在提升。“研究品味”可能只是又一个 AI 系统在一段时间内无法做到、随后便能擅长的 AI 能力。我们在其他定性技能上也看到了类似的模式，例如 AI 系统能够解释为什么一个笑话好笑、展现出心智理论（Theory of Mind）以及解决语言谜题。

可能的未来

接下来会发生什么取决于两件事：趋势是否持续，以及如果持续我们选择怎么做。我们至少可以想象三种未来的场景：

1. 趋势停滞，但今天的 AI 能力得到了广泛普及。 本文包含了许多指数级的轨迹。但这些轨迹实际上可能会变成 S 型曲线（S-curves）。我们可能正接近曲线的弯曲点，此时规模带来的回报递减，线条变直，然后趋于平缓。区分一个平庸的研究员与一个伟大研究员的“判断力”，可能是一种无法通过扩大训练输入（如算力和数据）来获得的能力。如果是这样，突破这一瓶颈将需要新的想法，例如取代目前所有前沿模型都在使用的 Transformer 架构的新架构方法。

   或者，AI 进步的束缚性限制可能存在于供应链中，而不是模型本身：推进和普及前沿技术可能需要比目前存在的更多的能源和算力。芯片制造的速度、电网扩张或互连带宽可能是限制因素，而不是智能本身。我们也不能排除外部冲击对 AI 生态系统造成剧烈减速的可能性，例如算力或电力供应的突然减少，这两者都会减缓进展，并使得实验室的远期投资变得更加昂贵。或者，我们可能没有预见到其他阻碍进展的壁垒。

   即使模型能力冻结在今天的水平，我们也可以预料到世界会发生重大变化。Project Glasswing 就是一个早期迹象：在其最初几周内，Mythos Preview 在世界上最重要的系统中发现了超过一万个高危和严重级别的软件漏洞——多到网络防御的瓶颈已经从“发现漏洞”转移到了“如何足够快地修补漏洞”。而且，今天的模型向更广泛的经济领域的扩散仍处于早期阶段，在那种情况下，一个 100 人的公司越来越能做 1,000 人公司的工作，因为每个员工都将坐拥一个智能体金字塔。

   我们加入这个场景是为了全面性，但我们不认为这很有可能。我们能衡量的每一项能力，包括那些感觉“更模糊”的能力，如代码质量和在开放式任务中的成功率，到目前为止都遵循着相同的曲线。我们还没有看到这条曲线发生弯曲。在我们考虑的三个未来中，这一个将给政府和社会留出最多的适应时间。我们更担心接下来的两个，它们会发展得更快，留给准备的空间也少得多。

2. AI 实验室继续获得复合的效率提升。 在这种情景下，AI 开发实质上实现了高度自动化，但人类继续设定研究方向并评判结果。使用 AI 系统的组织随着时间的推移会变得更加高效，因此我们可以预期每个人身上都会出现显著的生产力倍增效应。100 人的公司可以完成 10,000 人或 100,000 人组织的工作。这将彻底变革知识工作和政府服务，但也可能被用于有害的目的，从对全体人口的威权主义监视，到针对每个人定制操纵手段且运行规模远超人类团队极限的影响力行动（Influence Operations）。在像 Anthropic 这样的公司，人类的角色将会转变。人们将与 AI 系统合作以扩大研究规模并产生新的见解，他们将共同构建所需的系统，以验证 AI 的产出是否可以被信任。

   我们在这里阐明的证据表明，我们很可能正在走向这个场景。但是，加速一个流程中的某一部分往往只是把瓶颈转移到了其他地方：整体步伐受限于那些没有加速的部分。在计算机科学中，这被称为阿姆达尔定律（Amdahl’s law），同样的逻辑也适用于组织。Anthropic 已经遇到了阿姆达尔定律的一个特征表现：随着我们开始在组织内推动更多代码，人类代码审查已成为一个新的瓶颈。

   我们在工程之外也遇到了这种摩擦。由于 Anthropic 员工与高能力模型合作，新想法、新计划、新工具和新模拟出现了爆炸式增长——远超我们有能力去追求的范围。组织发现并解决这些瓶颈的速度可能是一项随着时间推移而提高的技能，它可能成为任何组织最重要的一项技能。

3. AI 系统自身变得能够进行完全的递归自我提升，并开始构建它们的下一代。 如果提升能力的性能趋势持续下去，且 AI 系统能够发展出人类变革性创造力所固有的能力，那么 AI 系统设计和完善自身便是说得通的。

   在这个世界中，AI 开发的进步步伐完全取决于 AI 系统可获得的算力（或在算法训练/推理中发现各种效率提升的速度）。人类在其开发中扮演的角色大幅削减，可能会将我们的大部分精力转向对 AI 系统运行的不断扩大的“虚拟实验室”进行监督、确认和验证。我们预计，能够进行自动化 AI 研究与开发的系统所具备的技能将转移到其他科学领域，使它们开始彻底变革其他学科。

   在这种未来中，对齐问题（Alignment Problem）如何得到解决——或者无法解决——是我们最不确定的事情。模型可能会被证明足够对齐且具备足够的研究品味，从而发现并实施我们尚未触及的新颖解决方案。如果情况不妙，它们也可能足够明智地停止开发。或者，今天模型中存在的罕见的不对齐现象可能会在模型构建其下一代时复合叠加，变得更加频繁却更少被理解，直到我们失去对它们的控制。我们可能无法构建、整合和验证那些我们用来理解自己究竟处于哪条趋势线所需的工具。

   我们对这个世界会长成什么样并没有良好的直觉，因为我们的经济目前是由人类和人类制造的工具驱动的。就其本质而言，一个由快速递归自我提升驱动的世界可能会被自我提升的模型所主导，因为它的能力将完全盖过人类，并且该模型会扩散到更广泛的经济领域。如果人类劳动力停止具备竞争力，很难预测经济会变成什么样。

   即使模型开发变得完全自动化和递归化，我们也无法预测这对大多数人的日常生活意味着什么。阿姆达尔定律在这里同样适用。递归智能可能会导致在某些领域迅速实现《仁慈机器》（Machines of Loving Grace）中所概述的许多福祉。我们预计具身智能（即机器人技术）可能会紧随递归智能之后，并走上一条相似的以递减成本获得递增回报的道路。更强大的智能可能会帮助我们更快地在物理世界中建造东西，进行更高效的挽救生命药物的临床试验，并发展出新颖的协作形式。

   但仅实现递归提升并不能预示工业生产方式、社会组织形式或市场运作机制会立即发生改变。再强大的智能也无法在数十年使用之前就了解到一种药物的长期作用，无法在宪法规定之前提前举行选举，也无法在一个周末里将一个陌生人变成老朋友。对于大多数人来说，这个未来所感受到的步伐仍将由瓶颈决定，即使上游的实验室正以算力的速度运转。这种碰撞——构建自身越来越快的递归智能与由人类、人际关系和治理组成的世界相遭遇——是这个我们无法预测的未来的另一个部分。

我们应该怎么做？

如果有可能有效地放慢这项技术的发展速度，以给我们自己更多的时间来应对其巨大的隐秘影响，我们认为这可能会是一件好事。但如果放慢速度仅仅让那些最不谨慎的行动者在技术上赶上来，它可能会让每个人都变得更不安全。在缺乏全球协调机制的情况下，公司和政府将不得不在竞争和地缘政治压力下做出关于安全的艰难决定。

我们认为，如果世界能够拥有放慢或暂时暂停前沿 AI 开发的选项，以便让社会结构和对齐研究能够跟上技术的进步，这将是一件好事。Anthropic 研究院将与许多其他机构合作开展研究并采取行动，以帮助构建可靠的减速或暂停所需的系统。这些系统将使前沿 AI 开发商能够核实全球其他开发商是否确实停止或放慢了脚步，并确保不良行为者无法利用协同减速的掩护在暗中跳跃式领先。如果存在这样的系统，只要处于或接近前沿的其他开发商也以可验证的方式这样做，我们预计我们也会放慢速度或暂时暂停。

一次有意义的减速或暂停需要多个国家处于或接近前沿的、资源充足的实验室同意在相同条件下停止。它还需要每个实验室都能核实其他实验室是否确实停止了。由于 AI 系统的独特特征，这一军控问题的“可探测性”（一个比“可验证性”更低的标杆）要素比其他技术要具有挑战性得多。训练运行比导弹发射井要容易隐蔽得多，它们的输入是通用目的的，而且悄悄违约的动机是巨大的，因为谁在别人暂停时继续前行，谁就可能接过领先地位。一个可信的暂停还必须明确是由什么触发的、由什么解除的以及由谁来裁决。

这一切在原则上并不一定是不可能的——世界已经为其他复杂技术建立了核查机制（例如《中导条约》）——但那些机制花费了数十年时间才建立起基础设施和信任。我们没有那么长的时间。相比之下，一个实验室的单方面暂停是可以立即实现的，但起到的效果要小得多：它会改变谁是领跑者，但它不会创造目前所缺失的更广泛的审议流程。

在接下来的几个月里，我们将组织对话，邀请政策制定者、研究人员、公民社会和其他 AI 公司共同解答本文提出的一些问题，特别是围绕完全的递归自我提升以及如何为协调和审议创造更好的选项。我们将公布这些对话的成果。共同调查这些问题的窗口期已经打开，AI 公司之外的人们应当参与到这场审议中来。

脚注 (Footnotes)

1. METR 的核心衡量指标告诉你在处理一组任务时，AI 系统达到 50% 可靠性所需的时间跨度，不过该趋势线在 80% 可靠性下的表现基本一致。

2. 尤其是当基准测试向更具开放性的形式和更高难度的任务（例如奥林匹克级别的数学题）转变时，由于题目和答案集中存在诸如表述含糊或无解的问题等错误，基准测试往往在达到 100% 之前就已趋于饱和。

3. Anthropic 领导层曾公开估计，我们 90% 或更多的代码是由 Claude 编写的，这包括脚本和实验性代码。我们文中提到的“超过 80%”这一数据，衡量的是合并到生产环境的代码行数中归功于 Claude 的比例。从两方面来看，这都是一个更保守的衡量标准：一是我们的归因流程存在盲区；二是那些未归因于 Claude 的代码行中，还包含了同样并非由人类亲手编写的自动生成代码及其他产物。

4. 代码产量的这一激增正在让所有人共享的基础设施承受巨大压力。GitHub（全球绝大多数软件的构建平台）在 2025 年全年见证了大约 10 亿次代码提交（commits）；而到了 2026 年年中，其每周的提交量已达 2.75 亿次，按此速度，全年预计将达到约 140 亿次。该公司的首席运营官（COO）表示，为了跟上这一速度，他们正在容量扩展上“付出令人难以置信的巨大努力”。

5. 关于本次调查方法的更多细节，在《Claude Opus 4.7 系统卡》（System Card）的第 2.3.5 节中有所讨论。

6. 许多受访者可能没有仔细思考过如何排除问题定义中的各种偏见或微妙之处，且 METR 最近的研究表明，开发人员对 AI 生产力提升幅度的估计可能会偏高。

7. 加速幅度能有多大，很大程度上取决于初始代码留下了多少改进空间，因此不应将其理解为现实世界中的真实训练加速。所以，这里的绝对倍数并不是最核心的数据。更有参考价值的是这种实验设置所实现的“同类对比”——无论是模型之间的对比（过去一年里从约 3 倍提升到约 52 倍），还是与熟练人类的对比（人类在同一任务上花费 4 到 8 小时达到约 4 倍）。

8. 为了检验裁判模型的偏见，我们在另一组包含 127 个时刻的样本上运行了相同的测试，在这些时刻中，人类的下一步举措已经非常强劲（这与原始样本集相反，原始样本中人类的方向尚有改进空间）。在那组测试中，模型的建议被评为更好的比例仅为 20% 左右。

* 本文各处引用的 Anthropic 员工言论均出自内部讨论，并在获得许可后使用。它们反映的是截至 2026 年 5 月的个人观点，并不代表公司的官方立场。

葛生

2026-06-05

人类痛苦的一个重要根源，在于此世间的人类自然的分裂成为国家、社会、观点、利益互不相同的群体。这是一个事实，并让人们产生敌意与冲突。仅仅拿某些经教的没有上下语境的只字片语，割裂人我的正确关系，单纯混淆人我并强行不区分人我以示无二，是一种佛法修行的偏差，不仅无法解决问题，反而导致修行人的在现实社会的困惑。

有些人强调人类“同体共生”、“众生之网”的超越性，这是否意味著我们在生活的每时每刻，都必须全盘否定「人我」的界线？答案是否定的。在佛教的智慧中，真理分为「世俗谛」（此世间）与「胜义谛」（超越此世间）。佛法修学与切实的生活艺术，恰恰在于理解这两个层面中「人我关系」的不同功能与转化。

此世间：作为秩序与行事的「人我之分」

在我们所处的日常「此世间」中，区分「人」与「我」不仅是必要的，更是维持世间运作的基本法则。

世间行事的基石： 若完全抹杀个体边界，世间的事务将陷入混乱。在社会分工中，你是医生、我是患者；你是教师、我是学生。每个人各司其职、各负其责。如果没有「人我」的相对区分，道德责任就失去了主体，法律秩序也无法建立。即使为了实现觉悟、喜悦、关怀，也要人们明白人我的分际，理性地根据原因和条件，决定是否采取行动，利益众生。

正确行事的依据： 佛法讲「依缘起而行世间法」。要在此世间做出正确、合理的决策，就必须承认个体差异。例如，了解「他」的生理需求或心理困境与「我」不同，我们才能精准地施予援手；明白这份财产是「他」的而非「我」的，才能守持不偷盗的清净戒律。

因此，在世间层面，区分人我并非罪过，而是一种功能性的工具。它让我们能以清晰的理智、清晰的边界，在社会中井然有序地生活与劳作。

超越此世间：作为世间现象的「缘起无我」

然而，当我们将视角提升到「超越此世间」的圣义谛时，这种原本用作工具的「人我之分」，若被执著为一成不变的真理，就成了痛苦与对立的温床。超越世间的智慧，要求我们看透界线背后的实相：

时间的流动现象： 无论是「我」，还是被我划分出去的「他」，在终极意义上都不是永恒不变的实体。从微观上看，我们只是色、受、想、行、识（五蕴）在时间之流中的刹那生灭；从宏观上看，一生一死，亦不过是历史长河与宇宙演化中的短暂现象。既然彼此都是时间河流中的浪花，执著于「这朵浪花」与「那朵浪花」的绝对对立，便显得毫无意义。

相互依赖的缘起： 佛陀的核心教法「缘起」揭示：「此有故彼有，此生故彼生。」 没有任何一个个体可以孤立存在。我们的身体依赖农夫的耕作、大地的滋养；我们的思想依赖文化的传承、与他人的碰撞。在超越的维度里，民族、国家、宗教的界线开始模糊。我们与他人、乃至与万物，构成了一个盘根错节、相互成就的生命网络。伤害他人即是伤害自己，成就他人亦是成就自己。

在分别中行事，在无分别中解脱

人类的智慧，不在于走向任何一个极端，而在于「理事无碍」的圆融行事。

在此世间，我们借用「人我之分」来确立边界、承担责任、履行政务与义务，这叫善巧方便；在超越此世间，我们端坐于缘起的云端，洞察到人我本是一体，皆是无常的现象，从而放下敌意、消解恐惧，这叫般若智慧。

当我们能带著超越的「无我」智慧回归世间，我们依然会认真做好「我」的事、尊重「他」的权利。但此时的「人我之分」，已不再夹杂自私的贪恋与防御的猜忌，而变成了一种带著慈悲与智慧的世间游戏。这时，恐惧与冲突的根源被拔除，清净与和平便在每一个当下自然涌现。

维基百科：What the Buddha Taught

保罗·克鲁格曼

2026月4日

还记得关税吗？

十四个月前，唐纳德·特朗普宣布对世界上几乎所有国家征收大规模关税，从而发动了一场贸易战。此举引发了巨大震动，不仅是因为其经济影响。

特朗普的关税明显是非法的——这些税并非通过正常立法程序征收，而是援引了一条旨在应对经济紧急情况的 obscure 现行法律，尽管当时并不存在任何紧急情况。此外，特朗普单方面征收这些关税，严重违反了美国与其他国家（包括最亲密盟友）数十年来的庄严协议。因此，“解放日”标志着美国国内法治的终结——告别三权分立，迎来总统想干什么就干什么的君主制体系。同时，它也标志着美国转变为一个蔑视昔日盟友、无法被信任会履行承诺的流氓国家。

最初的震惊已经消退，很大程度上是因为此后发生了太多暴行，从国内的迫害到伊朗的灾难性战争。而最高法院在拖延数月之后，最终勉强裁定这些非法关税确实非法，必须予以退还。

但特朗普政府又援引另一条 obscure 法律，将其中许多关税保留下来，这条法律旨在应对国际收支紧急情况——尽管同样不存在此类紧急情况。这种对“第122条”的援引可能最终也会被判定非法，但无论如何，该法律对这类关税设定了150天的期限，因此特朗普主义者需要另一个花招。

昨天，他们推出了针对60个贸易伙伴（包括欧盟和日本）的“第301条”关税。第301条的标题是“针对不公平贸易行为的救济”。那么，特朗普主义者声称全世界都在从事的“不公平行为”究竟是什么呢？

答案是，特朗普政府指责其他国家“未能实施并有效执行禁止进口使用强迫劳动生产的商品的规定”。

注意这个措辞。他们并没有指责欧盟本身使用奴隶劳动。即使是特朗普主义者，目前也不愿意撒如此无耻的谎。他们声称的是，欧盟没有尽足够努力阻止那些使用奴隶劳动的国家将其商品销往欧洲。

所有人都明白——我是说所有人——这些关税所谓的正当理由完全是谎言。根本没有理由相信欧盟在反对使用奴隶劳动方面比美国懈怠。更不用说，没有理由相信特朗普及其手下对奴隶劳动有任何特别的反感。这只不过是一个透明的、甚至可以说是带着嘲讽的虚假理由，用来继续藐视美国法律和国际协议。

为什么特朗普的手下要不断使用法律花招和谎言来征收关税呢？毕竟，他们完全可以直接要求国会通过正常立法程序征收关税。但从特朗普的角度看，这样做会遇到三个问题。第一，国会可能拒绝配合。第二，即使尝试通过立法，也至少需要举行听证会，届时政府论点的薄弱之处将暴露无遗。第三，特朗普喜欢关税的一个重要原因，就是他可以随意发布政令，而不必进行那些烦人的与立法部门协商的程序；遵守宪法会破坏他无所不能的幻想。

所以，我们又来了一轮新的关税——很可能在几个月后再次被判定为非法。

为什么特朗普不干脆退让呢？毕竟，这些关税并没有实现其宣称的目标。还记得特朗普曾说要重振美国制造业吗？

这些关税也极不受欢迎，绝大多数美国人正确地认为它们推高了物价：

但对特朗普来说，在关税问题上退让就等于承认失败。如果你相信他会这样做，那我这里还有一场对伊朗的快速轻松胜利，你可能想买下来。

美国，非必需的国家

事实证明，特朗普手里没牌。

保罗·克鲁格曼 

2026年6月5日

2025年2月28日，唐纳德·特朗普斥责乌克兰总统沃洛迪米尔·泽连斯基，声称后者未能表现出足够的尊重。“你的处境不妙，”特朗普宣称，“你现在手里没牌。”

这是一场让美国蒙羞的闹剧——特朗普对一个正在为生存而与暴政战斗的国家的领导人进行卑鄙的霸凌。如果你有时间，不妨读读谈话记录或观看视频，就能感受到它有多么令人作呕。但更糟糕的事情还在后头。特朗普及其手下随后切断了给乌克兰的所有财政援助。

他们还开始阻止美国武器的运输，即使其他国家愿意为此付费。8月，特朗普与弗拉基米尔·普京举行会晤，据俄罗斯方面的理解，他提出促成一项协议，让俄罗斯控制乌克兰领土上一个关键的堡垒地带。

这是对一个为自由而战的民主国家的惊人背叛——同时也是对整个欧洲自由的背叛。甚至一些共和党人都感到羞耻。昨天，众议院18名共和党议员打破与领导层的统一战线，投票支持一项恢复对乌克兰援助并对俄罗斯实施制裁的法案。但该法案没有机会成为法律，因为特朗普在这场已进入第五年的战争中，正越来越坚定地站在普京一边。

然而，在特朗普试图把乌克兰交给他的流氓同伙的过程中，发生了一件有趣的事：战争形势开始转向有利于乌克兰。虽然战斗仍是一场残酷的消耗战，但乌克兰凭借更高的灵活性和创新能力，在日益主导战场的无人机作战中逐渐占据上风。事实上，乌克兰在无人机战方面极为熟练，以至于阿拉伯联合酋长国、卡塔尔和沙特阿拉伯——这些因特朗普灾难性的伊朗战争而遭受无人机袭击的国家——已签署协议，引入乌克兰的技术和专业知识。

事实证明，泽连斯基手里其实握有不少牌，而特朗普手中的牌远比他想象的少得多。

在特朗普之前，美国几乎被普遍视为一个不可或缺的国家：各国相信，他们需要进入美国银行才能做生意，需要进入美国市场才能繁荣，需要获得美国武器才能自卫。但特朗普通过撕毁数十年积累的国际协议——更不用说威胁盟友和背叛乌克兰——迅速失去了全世界的信任。通过在军事力量远弱于自己的伊朗面前惨败，特朗普也大大消除了世界对美国的恐惧。

如今，尽管特朗普实施关税，世界经济仍在运转；尽管特朗普试图釜底抽薪，乌克兰仍在坚持。这些事实表明，美国远没有大家之前认为的那么不可或缺。

修行人分享体悟和见解的意义和风险

修行人分享体悟和见解，是佛教传统中很常见的现象，既有正面意义，也确实存在风险。我们在这里坦率地讨论分享的问题。

为什么有人喜欢谈自己的观点和见解？

1. 源于慈悲与度众的愿心 尤其是大乘佛教，强调“自度度他”。许多修行人（特别是发了菩提心的）把分享视为一种利他行为。他们认为自己走过的坑、体会到的法义，如果能帮别人少走弯路，就是在行菩萨道。佛陀本人也是不断说法四十九年，弟子们记录成经论，这本身就是“分享体悟”的结果。
2. 帮助自己巩固体证 “说出来”本身是一种检验和深化。很多时候，语言化的过程会逼迫你把模糊的感受梳理清楚，也容易暴露自己理解的漏洞（所谓“教学相长”）。传统佛教的禅宗公案、祖师语录，大多是师父与弟子对话中产生的。
3. 传统与文化惯性 从早期佛教的“结集”（弟子们集体回忆佛陀教导），到历代高僧大德的开示、书信、游记、诗偈，分享见解是佛教传承的重要方式。在现代网络时代，这个现象被放大：直播、短视频、论坛、书籍，到处都是“我的修行心得”。
4. 心理需求 诚实地讲，也有人是出于“显露功德”、寻求认同、缓解孤独、或把修行当成身份标签的目的。这部分就混杂了世俗动机，需要仔细辨别。

分享自己的观点和见解有意义吗？

有，而且意义不小，当然前提是分享者的水平和动机相对纯正：

• 激励作用：很多人就是看到某位居士或法师的分享，才开始对佛教产生兴趣或正式实修。
• 提供参考地图：修行路上充满各种关卡（见地、境界、魔境、身心反应），前辈的真实描述像“路标”，能帮助后来者辨别方向。
• 活的教法：经典是死的，活人的体悟有时更能打动人，尤其在解释“如何把教理落实到日常生活”这个环节。
• 促进对话与校正：好的分享会引发讨论，让大家互相印证，避免闭门造车。

历史上许多重要教法（如六祖《坛经》、永嘉玄觉的《证道歌》），都是个人体悟的直接记录，却影响了无数人。

分享自己的观点和见解会有危险误导他人吗？

当然会有，而且这是个严重问题。

佛教特别强调“如实”和“正见”。如果分享者

• 见地不正：把自己的心理感受当成究竟解脱，把“轻安”、“光明”、“无我感”等阶段性体验当成了开悟，就会自欺欺人。
• 境界不高却大言炎炎：很多“半年打坐就开悟”的分享，容易让初学者好高骛远，忽略基础戒定慧。
• 动机不纯：为了流量、名声、收徒、卖课而包装“高深体悟”，这在传媒发达的当代特别常见。
• 忽略个体差异：每个人的根器、业力、因缘不同，同一个方法或境界在你身上是进步，在别人身上可能是障道，而有些人把自己的觉受绝对化、网红化。

佛陀在《楞伽经》等经典里反复警告“依语不依义”、“依不了义经不依了义经”的危险。禅宗也说“不立文字，直指人心”，但同时又留下了那么多文字 —这本身就说明文字和言语是方便法，但也极易成为障碍。

有什么比较健康的做法吗？

• 分享者：多说“这是我的阶段性体会，仅供参考”，少下绝对判断；多谈“如何用功、如何对治烦恼”，少炫耀“我的境界如何高”。
• 听者：保持“闻思修”的正确顺序——听闻之后要思考（思），最后要实证（修）。不要把别人的体悟当“圣言量”，要以经典和可靠师承为准绳，最终以自己的证量为最终验证。
• 最好有师承和验证：真正有分量的分享，通常来自有长期闭关、具德上师印可、或在僧团中被认可的人。

修行人分享体悟本身不是坏事，它是佛教活的传承的一部分。但价值高低完全取决于分享者的真实证量和谦卑程度。听的人若缺乏辨别力，就容易被误导；若有正见和定力，反而能从中受益。

修行最终还是“如人饮水，冷暖自知”。别人的地图再好，也代替不了自己走路。善知识的分享可以缩短冤枉路，但真正能救你的，永远是自己的如理作意和踏实修行。

格新

2026-06-01

这样的人在政治中往往表现出一种“权力至上、规则工具化”的风格：他们视道德为可灵活调整的工具，谎言是日常策略，而诉讼（尤其是战略性诉讼）则是施压、拖垮对手或转移注意力的武器。他们不一定总是“恶人”外表，常以强势、自信、实用主义者形象出现，但核心是结果导向、缺乏内在道德约束。

典型特征

随意撒谎：谎言规模大、频率高，甚至在可轻易证伪的事实上也撒谎。目的是塑造叙事、动员支持者、攻击对手，而非追求真相。被戳穿后常否认、转移话题或称“另类事实”。

无道德感：政治中“胜者为王”，手段正当性让位于效果。可能公开宣扬“为更高目标可以灵活处理真相”。

喜欢诉讼施压：大量提起或威胁民事/刑事诉讼（包括SLAPP式战略诉讼），目的不是追求公正，而是耗尽对手资源、制造恐惧、制造头条或报复。常作为“武器化法律”（lawfare）的手段。

这类人通常精力充沛、口才好、善于媒体操纵，但长期来看会侵蚀公共信任、极化社会。

具体例子

最典型的当代案例是美国总统唐纳德·特朗普

• 诉讼方面：从1973年到2016年当选前，其个人和企业涉及超过4000起法律案件，包括与赌场客户、承包商、政府税务的纠纷。担任总统前后，继续大量使用诉讼威胁媒体、政敌和批评者。批评者称其将诉讼作为报复和施压工具；支持者则认为这是对抗“深层政府”或不公的必要手段。
• 撒谎方面：被多家媒体记录下数万次虚假或误导性陈述（包括选举相关）。风格是“火力全开的虚假信息”，重复强调以制造替代现实。
• 整体形象：强势商人型政客，强调“交易艺术”，将政治视为零和博弈。支持者欣赏其不按常规出牌；批评者认为这体现了道德灵活性和规则工具化。

其他例子

• 战略诉讼（SLAPP）使用者：一些富豪或政客对记者、活动家或批评者提起高额诽谤诉讼，目的不是胜诉，而是让对方因律师费破产或沉默。全球多见，如某些寡头对调查记者的案件，或企业对环保批评者的诉讼。
• 病态撒谎型政客：如美国前议员乔治·桑托斯（George Santos），被曝在履历、背景上编造大量虚假故事（教育、工作、家庭等），以塑造形象。
• 国际案例：在一些国家，政客或执政者被指用“法律战”（lawfare）针对对手，如通过选择性起诉或调查拖垮政治敌人，同时自身可能存在诚信问题。双方常互相指责对方在搞lawfare。

历史上很多政客都有说谎记录（从尼克松到克林顿等），但这类人把谎言+诉讼系统化、常态化，超越了普通“政治修辞”。他们往往在高度极化、媒体碎片化的环境中 thrive，因为支持者更看重“战斗力”而非一致性。

格文

2026-06-01

Frank贾《枫下杂谈》的最新一期

https://youtu.be/iysF-tvtQZU?si=yWfcXR3yMU8gLLK-

视频核心观点总结

这期节目讨论了古蜀文明（三星堆）与中原华夏文明的对比、冲突与历史选择，带有强烈的“文明路径比较”色彩，涉及宗教、神权、政治结构和文化超越性：

• 三星堆为何不能成为“中国”/被掩埋的另一种华夏：三星堆代表一种高度发达但神权导向、艺术化/象征化的另类华夏路径。它有先进青铜工艺、独特纵目神崇拜、黄金使用等，但最终未成为主流。节目可能认为它是“被掩埋的另一种可能性”，中原选择了更世俗、礼制化的道路。
• 青铜器铸造时间，不是商朝晚期：挑战主流考古分期，主张三星堆青铜器有更早或独立的铸造传统，不完全依附于商文化时间线，强调其自主性或更早起源。
• 三星堆覆灭真相：涉及通胀的神权（神权过度膨胀，导致信仰/资源危机）。可能讨论内部崩溃、仪式性自毁（祭祀坑有序掩埋）、外来冲击或文化冲突。强调不是单纯天灾或单纯商/周征服，而是文明模式失效。
• 辫发人对笄发人的清算：象征发型/文化符号差异（辫发可能指北方/游牧或特定族群，笄发指中原/古蜀传统）。暗示华夏形成过程中的族群/文化整合与“清算”，古蜀元素被压制或融合。
• 华夏的选择：当古蜀神权遇到西周礼制：周人以礼乐制度（世俗化、人文化、等级秩序）取代或改造神权主导的古蜀模式。这成为华夏文明定型的关键选择——更注重现世治理、宗法、仪式，而非纯粹的彼岸神权。
• 更深层反思：文明的选择、宗教、现实与星空。中国文明高度现世性（this-worldly），注重人间秩序、政治实用，但缺少强烈的彼岸追求/超越性（transcendence，如西方宗教或印度灵性）。这导致政治规则、法制、宗教领域的“缺憾”：宗教未能独立发展成强大制约力量，法制更多依附于道德/礼制而非神圣/契约基础，太“入世”而缺乏“出世”张力。

频道风格提醒

Frank贾的《枫下杂谈》一向以大胆假设、跨文明比较、挑战主流叙事为主，融合考古、历史、人类学视角，常讨论“如果另一种文明胜出会怎样”。内容有思辨性，但也带有个人解读，不完全等同于学院派考古共识。三星堆相关老视频也很多（如灭亡之谜、最后一夜、夏朝关联等），这一期是最新综合讨论