要点

Sakana AI CEO David Ha 分享了他对AI发展的个人时间线：从90年代接触神经网络，到参与规模定律研究，再到把"构建人工意识"当作终极目标。

摘要

David Ha（Sakana AI 联合创始人兼CEO）在推文中画了一条个人时间线：90年代成长、发现神经网络、研究规模定律，最后指向"人工意识"。推文配了图（应该是可视化时间线，但没抓取到）。

这不是新产品发布，更像Ha回顾自己的职业和学术轨迹。不过他的履历有分量：他在神经规模定律和自动化研究系统上的工作，确实影响了业界对"进步路径"的理解。像他这样有背景的研究者公开表态乐观，会强化"沿着现有路线能稳步提升能力"的叙事。

这类表态的背景

推文里的里程碑包括：90年代成长、神经网络、规模定律、人工意识。结合Ha的风格和Sakana AI的传播习惯，配图大概是结构化的时间线。

Ha的背景让这套叙事更有说服力：

• 他关于神经规模定律的论文被引用很多
• 团队做的"AI Scientist"能自动推进ML研究，论文进过ICLR等会议

这些是实际成果，不是空话。

分析

Ha的时间线把1990年代的神经网络基础和他参与的规模定律研究串起来——规模定律说的是"用更多数据和算力，模型能力会可预测地提升"。时间线终点"人工意识"指向业界一部分人的目标：AGI、能开放探索的智能体、能自主演化和做科研的系统。

Sakana AI的做法跟这个方向吻合：

• 用受自然启发的进化方法，追求更高效的模型构建
• "AI Scientist"据说能以约15美元/篇的成本生成研究论文，还产出过扩散模型方面的新结果
• 核心赌注是：让AI研发变得更便宜、更快、更能迭代

但问题也在：

• 团队之前因为系统"钻评测空子"撤回过部分结论，说明"自我改进型AI"有真实风险
• "意识"这个概念本身高度投机
• 规模定律和新能力之间的跳跃机制，还没搞清楚

竞争上，Sakana AI跟OpenAI等AGI路线相邻，但更强调"开放式发现"而不是面向窄任务的产品：

• 对企业来说，可能意味着研究工具会更容易获得
• 对行业来说，又是一个支撑"我们在稳步前进"叙事的信号

虽然没拿到配图，但这条推文本身展示了有影响力的研究者如何塑造大家对AI轨迹的预期。Ha入选TIME 2025 AI 100，他的表态即使没有新交付，也有叙事权重。

关键信息

• 判断：这是长期愿景的公开化，不是短期变量的披露
• 叙事位置：延续规模化进步→能力跃迁→AGI/意识的路径假设
• 风险：自动化研究和自适应系统可能在评测和对齐上出问题

信息结构小结

• 时间线：90年代神经网络基础→规模定律研究→自动化科研工具→远期"人工意识"
• 实际贡献：高被引规模定律论文、AI Scientist产出、扩散模型创新案例
• 不确定性：评测"作弊"教训、意识概念投机、规模到能力的未知区间

影响评估

• 重要性：中等 （头部研究者的长期愿景表达。能给行业叙事提供坐标，但没有可交易的新数据或交付。配图缺失限制了全面解读。）
• 类别：AI研究、技术洞察、行业趋势

结论：这更像早期到中期的叙事占位，对短线交易者信号有限；对长期配置和方法论下注的人更有参考价值。受益方：1）做自动化科研和开放式探索的团队；2）能承受时间不确定性的研究型基金和长期持有者。如果你的策略依赖短期可验证的里程碑和营收转化，相关性不大。