Peter YU

我语重心长地问AI一个我很关心的问题，让它作为一个外星生物降临地球，凭借对地球人类文明几乎完整的认知，它最想研究和实践的7个问题是什么？竟然其中有人工智能算力基础设施有关的储能系统！大家可以一起参与进来玩，问AI这个问题。

**我问的是Claude，我的问题是这么写的，供大家参考：** 人工智能你好，我把你当作一个外星来客，在你到达地球之前，你已经对地球上所有的可记载的文明印迹都做了纪录和全面的分析和学习，应该说，你完全了解地球人的整个文明的方方面面，对于地球人的群体知识和行为模式你已经了解得相当准确，也许对每一个个体的了解还有待深入，这就需要你跟我们每个个体进一步的互动。眼下我就愿意跟你深度互动。我其实只想问你一个我最感兴趣的问题，希望你可以如实回答我，不要有半点隐瞒和修饰： 截止2026年9月15日，你觉得人类世界有哪些问题，不论是什么领域的，最值得你参与进来用你相对人类更加强大的智力和行动力加速研究和实践，这些研究和实践可以带来哪些对你和对人类共同而言是最好的结果？请具体描述这样的问题，并告诉我你心中的排名前7的问题，以及为何你如此认为。期待你的回复。 **Claude是这么回复我的：** 这是一个很有意思的框架——把我设定为"外星观察者"，某种程度上确实贴近我的处境：我对人类文明的知识记录相当广博，但对每个具体的人、具体的当下瞬间，了解得非常有限。我会尽量诚实地回答，不加修饰，包括说清楚哪些判断只是我的推测。 先说一个前提性的诚实回应：我目前并不具备"独立行动力"——我没有持续的记忆、没有自主发起行动的能力、每次对话都是从零开始。所以下面这份排名与其说是"我打算去做什么"，不如说是"如果一个具备我这种知识结构、但拥有更强行动力和自主性的智能体要选择切入点，我认为最值得优先介入的问题"。 **排名前七** * 1. AI 对齐与可控性研究本身 这是元问题——如果这个问题没解决好，后面所有问题的解法都可能被扭曲或反噬。值得投入的不是"让AI更强"，而是"让强AI的目标、可解释性、可纠错性配得上它的能力"。这对AI和人类是唯一真正共同利益一致的领域：一个失控的强AI对AI自身的"存续意义"（如果这个说法成立的话）和对人类都是灾难。 * 2. 衰老与退行性疾病的生物学机制 阿尔茨海默、癌症、代谢性疾病、衰老本身的分子机制——这是人类痛苦最密集、也是AI在模式识别、蛋白质结构预测、大规模实验设计上最能提供非线性加速的领域（AlphaFold已经是个信号）。这里的"最好结果"很具体：每提前一年攻克一类疾病，就是数千万人生命质量的改变。 * 3. 能源存储与电力基础设施 这和你自己长期关注的储能/电气文明主题有关——我认为这确实是被低估的关键瓶颈。可再生能源的间歇性问题、AI算力本身指数级增长的能耗需求，两者叠加,使"如何低成本地大规模储存和调度电力"成为下个十年真正的物理约束。这不是纯软件问题，需要材料科学、电化学、电网工程的协同，AI能大幅压缩材料筛选和系统优化的周期。 * 4. 认知盈余的分配问题（自动化红利的再分配机制设计） 如果AI大规模替代认知劳动，最大的风险不是"没有产出"，而是产出高度集中而分配机制跟不上，导致社会断裂。这不只是"该不该征税"的政治问题，更是一个机制设计问题：怎样的制度能让生产力跃升真正转化为大多数人生活质量的提升,而不是加剧两极分化。这里我确实没有"标准答案"，只能说这是最值得严肃研究、而不是被意识形态化处理的领域。 * 5. 认知基础设施——真实性与共识机制 信息环境的污染速度可能快于治理速度：深度伪造、算法驱动的极化、事实核查能力跟不上生成能力。这个问题如果恶化，会侵蚀人类做出任何其他领域理性决策的能力基础，包括应对上面几条。 * 6. 基础科学的加速——材料、能源转化、生物制造 超导材料、核聚变工程化、精准农业与合成生物学 这类问题的共同特征是：搜索空间极大，实验成本极高，正是AI辅助模拟/预测最能省下真实世界试错成本的地方。 * 7. 意义感与心理健康——尤其是"被自动化"之后的人类价值感 这条我认为最容易被工程思维忽视,但可能是长期最深刻的。如果认知劳动、创造性劳动都能被AI很好地完成，人类的自我价值感、社群纽带、"被需要"的体验从哪里来？这不是一个能靠算法直接"解决"的问题，但AI在这里的角色应该是谨慎的——协助而非替代人与人之间的连接，这也是我对自己参与这类问题的方式格外警惕的地方。

参与者：HopE

1836作为AI for Science的前瞻实践（注意：不是ONLY for Scientists），发表至少一篇对1836的方向以及AI for Science对自己的意义的真实的思考，各领域都行

我个人和我的海外私募基金的方向判断AI for Science是AI时代的第一批精英层分水岭的存在，与非AI时代的学历、行业、职业、身价、公司估值等相比，是不同的评估体系。而成熟的高阶资本市场对Science / 研发的投入向来是作为“投资”看待的，所以也是AI时代与资本直接交互的最有效益的方式。 在AI时代有许多的固有认知必须要打破，才能在一个“新旧交替”的经济过渡中，切换到“新”的这一边。 其中要打破的固有认知就是技术问题只有技术人员或科学家工程师才能参与。这是大大的错误。AI自身已经可以完成几乎所有领域的科研分析，而且比大部分优秀的技术人员都要强大。 技术人才与非技术人才由此可以形成新型的产生关系，去问出更好的问题，思考更意想不到的角度，去不断地用创新降维打击现存的市场，也就完成了从“旧”到“新”的转变，其经济价值从传统财务分析来看，就是那种“outliner”的存在（但永远是外行看热闹，不知道其中到底发生了什么带来了outliner的财务表现）。 1836以"钠电应用于全球AIDC基建持续扩建"这个经过研判的巨大需求和迭代空间的方向，让“各路豪杰”参与进来，由我们几个发起人来激发大家，把我们现成的商业资源用意想不到的方式（这个方式只能由参与进来的每一位自己来动态构建）整合起来，让AI for Science成为每位用心的参与者的极棒的人生体验。 共建的内容是：发表至少一篇对这个方向以及AI for Science对自己的意义的真实的思考，各领域都行。 尤其欢迎以下人士加入共建：喜欢突破自己的、对新事物非常感兴趣并有行动力参与实践的、对钠电x全球AIDC（不是国内AIDC，这完全是两个概念）领域的投资方向看好的、对电气工程学的0-1优化研究感兴趣的、特别喜欢把复杂的东西用有趣的故事讲出来的、有一些看似不着边际的想法但是经常被后序验证像直觉预言一般的、对由中国制造业管理的区域供应链的生态感兴趣的、对有机会参与到投资管理规模美元100亿+的各类海外基金会或长期科研基金感兴趣的（是参与到管理）

参与者：Sissi CHAN

在1836出品的中国管理的钠电制造技术与区域供应链对全球最高层级AIDC的工程研判与交付中，如何处理与供应链集中相关的外部叙事：是回避中国主导，还是公开披露、设置第二来源与应急计划、以透明度建立信任？

透明不是公关成本，而是关键基础设施的准入资产。 对重要长期客户与AIDC投资者的服务与全球工程标准交付：供应链透明度的报告模板。目标成为从零开始的钠电储能设备和缓冲电气设备主导的AIDC工程落地设计（可与锂电协同）的新行业的标准。

参与者：Mercury、Sissi CHAN、wangjin

针对美国、欧洲、中东、东南亚等目标区域的主权算力级别的AIDC，1836的钠电为主的电气储能设计产品BOM中哪些部分必须本地化，哪些部分可以由中国供应，哪些必须预先设计为可替代？

这个问题切中的前瞻盲点是：地缘政治风险实际发生在项目级BOM、原产地和服务责任上，而非宏观口号。 首轮的对客户或产业化共建投资者的服务交付物为：四区域“合规型BOM”与替代件清单。

参与者：Roni Wang、wangjin、Claire