伊利亚·苏茨克维的SSI或将于八月发布首款模型，加文·贝克表示

引言

安全超级智能公司（Safe Superintelligence Inc.）花了两年多时间对其研发内容守口如瓶。

这种沉默可能即将改变。

阿特雷德斯管理公司（Atreides Management）管理合伙人兼首席投资官加文·贝克，在最近与投资人兼播客主持人帕特里克·奥肖内西的一次对话中表示，SSI称其计划在八月发布一款模型。

这一言论立即引起关注，因为SSI此前从未公开宣布过模型发布的具体日期。

SSI由前OpenAI首席科学家伊利亚·苏茨克维、丹尼尔·格罗斯和丹尼尔·利维于2024年创立，围绕一个异常聚焦的使命而建。其官网至今仍将公司描述为一家“直线冲刺”的实验室，拥有一个目标和一款产品：安全超级智能。

这使得关于首款模型的任何讨论都显得格外重要。

然而，从一开始就必须明确一个关键区别：

截至2026年8月7日，SSI本身尚未在其官方网站上发布任何官方公告，确认八月推出模型的消息。

八月的时间线来自贝克的发言，而非SSI的正式发布通知。

如果贝克的信息准确，这将是外界首次一窥这家最神秘、最受关注的前沿AI实验室之一的技术成果。

SSI首款公开模型或于八月面世

这一关键言论几乎是在一场关于AI基础设施、半导体需求、持续学习和样本高效学习的更广泛讨论中顺带提及的。

贝克认为，如果模型在部署后能够高效学习，而非主要依赖大规模预训练，前沿AI的经济格局可能发生重大变化。

在阐述这一可能性时，他表示SSI已表明将在八月“推出”一款模型。

这一表述留下了许多未解之谜。

它没有告诉我们：

• 该模型叫什么名字
• 是否会公开提供下载
• 是否通过API提供访问
• 是研究预览版还是商业产品
• 是否属于传统意义上的语言模型
• 是否采用Transformer架构
• 是否支持持续学习
• 是否是SSI所追求的“安全超级智能”
• 八月的时间表是否

保持不变

源文章将这一声明解读为SSI的首次模型发布。

这是一种合理的解读，但发布的具体形式仍然未知。

SSI一直以不同于普通AI产品公司的方式描述自己

SSI的官方使命声明异常直白。

该公司表示，其成立是为了追求安全的超级智能，而不会受到以下因素的干扰：

• 产品周期
• 短期商业压力
• 管理开销
• 多条相互竞争的产品线

其公开路线图不是一系列聊天机器人、编程工具、搜索产品或企业服务。

其声明的路线图就是安全的超级智能本身。

这就是为什么8月份的说法引发了如此多的猜测。

如果SSI在达到超级智能之前发布一款传统的前沿模型，这可能表明该公司的产品战略已经发生了变化。

如果该模型只是SSI一直在开发的研究成果展示，那么这次发布可能意在展示进展，而非推出一个广泛的商业平台。

目前，这两种解读都仍属推测。

持续学习是贝克言论背后更重要的故事

关于模型发布的那句话出现在贝克讨论持续学习和样本高效学习的过程中。

这两个研究课题对AI经济的重要性可能超过任何一项基准测试结果。

什么是持续学习？

典型的基础模型是分大阶段训练的。

简化流程如下：

1. 收集一个非常大的训练语料库。
2. 在该语料库上预训练模型。
3. 对模型进行微调或后训练。
4. 部署模型。
5. 定期通过额外训练创建新版本的模型。

已部署的模型可以使用其上下文窗口或外部记忆中的信息，但其底层权重通常不会从每次交互中持续更新。

持续学习追求的目标更为宏大。

持续学习系统会随着时间推移不断获取有用的能力或知识，而无需从头重建，也不会灾难性地遗忘已有的知识。

这需要解决几个难题：

• 从源源不断的新经验中学习
• 将有用的反馈与噪声区分开来
• 避免灾难性遗忘
• 防止恶意交互破坏模型
• 在模型变化时保持对齐
• 评估行为随时间演化的系统
• 控制哪些经验被允许用于更新模型

因此，一个能在现实世界中持续学习的模型将远不止是一个具有长期记忆的聊天机器人。

什么是样本高效学习？

样本效率是指从更少的示例中学习的能力。

人类通常看一两次演示就能理解一条新规则。

当前的前沿模型往往需要极其大量的训练数据和算力才能实现广泛的能力提升。

一个样本效率更高的模型可以从每一项中提取更多的学习价值：

• 用户交互
• 工具结果
• 环境观察
• 模拟
• 实验
• 纠正
• 演示

如果

持续学习与样本效率共同提升，预训练的角色可能会改变。

与其在部署前构建几乎所有能力，实验室或许可以训练一个强大的基础模型，然后让它通过经验不断改进。

贝克假说：训练需求可能成为AI算力中较小的一部分

贝克将该研究方向与半导体需求联系起来。

他的基本设想是：

大规模一次性预训练
        ↓
部署模型
        ↓
模型从现实世界经验中高效学习
        ↓
减少重复巨型再训练的需求

在这种情境下，传统前沿预训练可能成为AI总算力中较小的一部分。

推理和持续学习可能变得更加重要。

贝克将此表述为训练需求可能出现的断层。

这是一个投资论点，而非已确定的技术结论。

要使该情景成为现实，需要满足多个条件：

1. 持续学习必须在前沿规模上可靠运作。
2. 模型必须能从相对较少的交互中学到有用信息。
3. 新学习不能破坏已有能力。
4. 随着系统变化，安全性和对齐必须保持稳定。
5. 在线学习必须比定期再训练更经济。
6. 最终系统仍需从大规模部署中获益。

即便如此，总计算需求也不一定会下降。

一个在部署后变得显著更有用的模型，可能会产生更多的推理需求、代理活动、模拟、数据生成和强化学习工作负载。

算力的结构可能发生变化，但总市场未必萎缩。

训练Token数量应视为示意性数据，而非字面基准

来源文章重复了贝克讨论中的一个引人注目的数值对比：早期模型示例约为数百亿Token，而现代训练规模已达数百万亿。

该对比不应被视为Llama训练的经过验证的历史数据。

Meta的官方文档表明：

• LLaMA 7B 使用了约 1万亿 Token 进行训练。
• LLaMA 33B 和 65B 使用了约 1.4万亿 Token 进行训练。

贝克本人也将较小的数字表述为听说的信息，而非正式的模型卡统计数据。

同样，前沿实验室并未披露每个当前专有模型的完整训练Token数量。

即使不依赖“200亿对300万亿”这一精确对比，核心观点依然成立：

前沿模型开发日益依赖海量数据集和大量算力，因此，如果某一突破能让部署后的系统从更少量的新经验中高效学习，就可能实质性改变AI基础设施的经济格局。

这对英伟达的意义

NVIDIA

受益于多种不同的人工智能工作负载：

• 预训练
• 后训练
• 强化学习
• 合成数据生成
• 推理
• 智能体执行
• 长上下文推理
• 模拟
• 嵌入与检索
• 视频和多模态生成

某一类别的减少并不自动意味着加速器总需求的下降。

这正是贝克将持续学习描述为一个值得压力测试的情景、而非他认为确定的预测的原因。

人工智能抛售是讨论的背景

贝克是在人工智能相关股票大幅走弱的时期录制这段对话的。

在他推广该访谈的社交媒体帖子中，他表示录制时“人工智能板块”较6月高点已下跌约35%至40%。

BAAI消息人士将此次回调的速度比作将2022年熊市压缩到更短的时间内。

贝克在对话中的目标是寻找证据，以判断人工智能底层投资逻辑是否已经恶化。

他讨论了以下指标：

• GPU定价
• 推理需求
• 开源模型进展
• 半导体需求
• 资本支出
• 持续的技术进步

他的论点不是说市场不可能进一步下跌。

而是说，真正的技术断层——例如高效持续学习——可能对长期算力逻辑比短期股价波动更为重要。

加文·贝克数十年来一直关注英伟达和半导体行业

消息人士花了大量时间解释为什么贝克关于SSI的评论引起了关注。

贝克不是SSI的员工或官方发言人。

他是一位公开市场投资者。

他目前担任Atreides Management的执行合伙人兼首席投资官，该公司由他于2019年创立。

此前，他于1999年至2017年在富达投资工作。

他在那里的职位包括：

• 半导体分析师
• 投资组合经理
• 富达场外交易组合经理
• 风险投资

他在半导体领域的长期背景与这次讨论尤为相关，因为贝克在多个计算时代一直跟踪英伟达。

这些时代包括：

• PC图形
• 游戏GPU
• CUDA
• 加密货币
• 深度学习训练
• 人工智能推理
• 数据中心系统
• 人工智能工厂

在2026年英伟达GTC大会上，黄仁勋公开将贝克介绍为英伟达首家主要机构投资者。

这一说法可以通过英伟达自己的GTC主题演讲记录独立验证。

为什么人脉渠道很重要

消息人士还强调了贝克在科技公司、创始人、投资者和半导体生态系统中的广泛人脉网络。

这种渠道或许可以解释为什么市场参与者会认真对待一句关于SSI的随口评论。

但这仍然不等于该言论等同于公司公告。

正确的证据等级是：

是：

来源	对SSI发布日期的可靠性
SSI官方公告	最高
Ilya Sutskever或SSI领导层的直接声明	非常高
NVIDIA联合公告提及发布	若具体则较高
Gavin Baker描述SSI所言	可信的二手声明
对Baker评论的社交媒体转发	二手
匿名猜测	低

截至8月7日，证据仍停留在“可信的二手声明”层面。

SSI已筹集数十亿美元但未发布公开模型

SSI的神秘性是外界期望异常高的原因之一。

该公司于2024年6月由以下人士创立：

• Ilya Sutskever
• Daniel Gross
• Daniel Levy

Sutskever此前曾共同创立OpenAI并担任其首席科学家。

SSI最初筹集了约10亿美元。

据报道，2025年后期的一轮融资又筹集了20亿美元，公司估值约为320亿美元。

2026年7月，NVIDIA和SSI宣布建立新的战略合作伙伴关系。

路透社随后援引消息人士报道称，NVIDIA的投资约为50亿美元，尽管两家公司仅称投资金额可观，并未在官方公告中披露具体财务数额。

这种组合在业内不同寻常：

• 数十亿美元的融资
• 极高的私人估值
• 规模较小的研究团队
• 没有公开的模型系列
• 发表的研究很少
• 没有常规的产品路线图

其结果是，该公司的感知价值在很大程度上取决于对其研究团队的信心，以及其方法可能与主流前沿模型路径有实质性差异的可能性。

NVIDIA现已看到SSI严格保密的研究

7月27日的NVIDIA–SSI公告提供了最强烈的公开信号之一，表明SSI相信自己已进入新阶段。

NVIDIA表示，它在获得SSI严格保密研究的罕见访问权后进入了这一合作。

两家公司宣布：

• NVIDIA对SSI进行了大规模投资。
• SSI将获得NVIDIA Vera Rubin平台的访问权限。
• 该合作将使SSI的计算能力扩大约一个数量级。
• SSI和NVIDIA将在未来计算平台上展开合作。

Sutskever表示，SSI拥有“值得规模化”的研究。

该声明仍未透露：

• 模型架构
• 训练方法
• 安全技术
• 基准测试
• 发布日期
• 模型名称

但它确实确认，SSI已从纯粹探索转向规模化一个其认为有前景的研究方向。

Vera Rubin为SSI提供更大的计算基础

NVIDIA的Vera Rubin平台是该公司的下一代AI计算架构。

NVIDIA表示Rubin改进了：

• 训练性能
• 智能体推理吞吐量
• 能效
• 令牌成本
• 大规模网络

具体到SSI，官方合作公告称，投资与Vera Rubin访问权限的结合将使公司计算能力增加一个数量级。

这就是“10倍计算”这一广泛流传说法的来源。

措辞很重要。

NVIDIA并未表示SSI将获得恰好10倍的GPU数量。

它表示该合作将

将使SSI的整体计算能力提升一个数量级。

英伟达合作能否支持八月发布？

时机自然引发猜测。

时间线如下：

日期	事件
2024年6月	SSI成立
2024–2025年	SSI筹集数十亿美元
2026年7月27日	SSI与英伟达宣布长期战略合作伙伴关系
2026年7月27日	英伟达表示SSI将获得Vera Rubin访问权限及约10倍计算能力
2026年8月4日	Gavin Baker关于八月模型的评论开始广泛传播
2026年8月7日	尚无公开的SSI模型发布公告

英伟达的合作可能支持即将推出的模型发布或未来的扩展阶段。

目前没有公开证据表明该硬件协议是为了支持八月发布而专门签署的。

更站得住脚的结论是：

该合作在一位有影响力的投资者表示该公司可能发布模型的同时，为SSI提供了大幅增加的基础设施，但这些事件之间的关联尚未得到官方解释。

“Claude作为华尔街的沃尔特·克朗凯特”观察

随后，来源从SSI转向Baker关于AI与金融市场的一个更广泛的观察。

他将Claude与沃尔特·克朗凯特进行了比较——这位有影响力的美国电视记者在广播电视时代与高度的公众信任联系在一起。

Baker的观点并非Claude真的决定了市场真相。

他描述的是金融分析中可能出现的多样性丧失。

在生成式AI之前

一份复杂的财报、半导体政策文件或监管公告可能会被以下人员独立解读：

• 数千名分析师
• 投资组合经理
• 交易员
• 行业专家
• 记者
• 经济学家

这些人会产生分歧。

不同的假设会产生不同的市场观点。

在生成式AI之后

现在，许多市场参与者可能会将同一份文件发送给同一小部分前沿模型。

他们提出类似的问题：

这意味着什么？
这是看涨还是看跌？
哪些公司受益？
二阶效应是什么？
与预期相比发生了什么变化？

如果许多人高度依赖同一个模型，他们可能会获得类似的分析框架和类似的结论。

这可能会形成模型中介的共识。

同质化分析为何重要

金融市场依赖分歧。

买方和卖方有不同的：

• 时间跨度
• 信息
• 模型
• 假设
• 风险承受能力
• 解读方式

如果很大一部分分析通过同一AI系统变得标准化，可能会发生以下几种情况：

• 反应速度加快。
• 共识提前形成。
• 相似交易在同一时间被下达。
• 价格波动变得更加剧烈。
• 逆向机会可能更早出现。
• 单一模型解读中的错误可能被广泛传播。

Baker将这种描述为分析多样性的一种衰退。

这是一个有趣的假说，而非现代市场的经验性实证规则。

AI也能增加多样性

存在另一种可能性。

AI工具可以

让一位分析师能够测试更多情景、查阅更多文件、翻译更多来源，并更快地质疑共识。

用户还可以比较以下模型或工具的输出：

• Claude
• ChatGPT
• Gemini
• 开放权重模型
• 专业金融模型
• 定制内部研究代理

AI 是否会增加或减少市场多样性，取决于人们如何使用它。

风险在于，在没有独立验证的情况下，将判断外包给同一个模型。

一个 SSI 模型可能揭示什么

如果 SSI 确实在 8 月发布一个模型，最有趣的问题可能不是标准的排行榜问题。

人们自然会从以下方面进行比较：

• 推理能力
• 编程能力
• 数学能力
• 代理任务
• 长上下文表现
• 多模态理解

但 SSI 声明的使命使得几个更深层的问题变得更加重要。

1. 它能持续学习吗？

Baker 的评论出现在一场关于持续学习的讨论中。

这并不能证明 SSI 的模型会展示持续学习能力。

如果确实如此，研究人员会想知道：

• 部署后会发生什么变化？
• 权重会在线更新吗？
• 学习是阶段性的还是持续性的？
• 遗忘是如何被控制的？
• 恶意反馈是如何被过滤的？
• 更新是如何评估的？

2. 它是否更具样本效率？

如果 SSI 找到了一种从更少的示例中学到更多的方法，这可能会影响训练经济学。

有力的证据需要透明的评估，而不是轶事。

3. “安全”在技术上意味着什么？

SSI 表示，安全性和能力应该共同进步。

发布将创造一个机会，展示这在实践中意味着什么。

可能的领域包括：

• 对齐
• 可解释性
• 鲁棒性
• 可扩展监督
• 对抗性抵抗力
• 可控的自我改进
• 安全的工具使用

SSI 尚未公开披露这些机制中哪些定义了其方法。

4. 它是一个产品还是研究里程碑？

公开的 API 将表明产品方向。

一篇论文、演示、基准测试或有限的研究发布则意味着不同的东西。

在 SSI 自己发声之前，“模型发布”这个说法过于模糊，无法回答这个问题。

为什么这个传闻即使在发布之前也很重要

SSI 是少数几个前沿实验室之一，其成立前提明确是：在其核心研究目标准备好之前，应避免普通的产品竞争。

这使得一次发布不仅仅是模型质量的考验。

它将考验自 2024 年以来围绕该公司的几个信念：

• 一个小而精的精英团队可以与更大的实验室竞争
• 一个研究优先的组织可以避免快速的产品循环
• 安全性和能力可以共同发展
• 不同的研究方向可以证明数十亿美元资金的合理性
• 前沿进展可能不需要仅仅更快地走同一条扩展道路

英伟达的合作提高了预期，因为英伟达表示，它在投入大量资本和下一代算力之前，看到了 SSI 的研究成果。

Baker 的评论增加了可能的时间点。

这两者都没有告诉我们这个模型到底是什么。

哪些已经确认、哪些有报道、哪些仍属未知

已确认

• SSI 由 Ilya 创立

Sutskever、Daniel Gross和Daniel Levy于2024年成立。

• SSI公开表示，其唯一目标和产品是安全超级智能。
• NVIDIA与SSI于2026年7月27日宣布建立长期战略合作伙伴关系。
• NVIDIA表示，此次合作将使SSI的计算能力提升约一个数量级。
• NVIDIA称，在建立合作之前，其获得了对SSI严格保密研究的罕见访问权限。
• Gavin Baker是Atreides Management的管理合伙人和首席投资官。
• Jensen Huang在GTC 2026上将Baker描述为NVIDIA的首位主要机构投资者。

由Gavin Baker报道

• SSI表示计划于8月推出一个模型。

尚未得到SSI公开确认

• 确切发布日期
• 模型名称
• 架构
• 参数数量
• 训练token数量
• 基准测试结果
• 访问模式
• 定价
• 许可
• 持续学习能力
• 样本效率声明
• 该发布本身是否属于超级智能系统

常见问题

安全超级智能公司是否会在2026年8月发布模型？

Gavin Baker在最近一次采访中表示，SSI称其将于8月推出一个模型。截至2026年8月7日，SSI尚未在其官方网站发布公开公告确认该日期。

这会是SSI的首个公开模型吗？

如果发布模型，这将是SSI首个公开亮相的模型或产品级系统。该公司自成立以来基本以保密方式运营，未发布过常规模型系列。

SSI的8月模型是否确认为超级智能？

不是。SSI的官方使命是构建安全超级智能，但尚无公开信息确认传闻中的8月模型已达到该水平。该模型的能力、架构、基准测试和发布形式仍不得而知。

什么是AI中的持续学习？

持续学习是指系统随时间推移持续从新经验中学习的能力，无需从头反复重新训练，也不会遗忘先前的能力。可靠的持续学习仍是一个活跃的研究课题，尤其是对于大型已部署模型而言。

为什么持续学习可能影响GPU需求？

如果模型部署后最终能够高效学习，部分计算可能从大规模周期性预训练转向推理、在线学习、模拟和后训练。这将改变加速器需求的构成，但不一定减少AI总计算需求。

NVIDIA是否投资了安全超级智能公司？

是的。NVIDIA与SSI于2026年7月正式宣布一项重大投资和长期合作伙伴关系。路透社报道称投资金额约为50亿美元，但两家公司未在官方公告中披露财务金额。

NVIDIA的Vera Rubin合作给SSI带来什么？

NVIDIA表示，SSI将获得其下一代Vera Rubin平台的使用权，且该合作将使SSI的计算能力提升约一个数量级。两家公司还将合作开发未来的计算平台。

Gavin Baker是谁？

Gavin Baker是Atreides Management的管理合伙人和首席投资官。

并此前在富达投资工作了近二十年。在2026年英伟达GTC大会上，黄仁勋将他描述为英伟达首位重要机构投资者。

相关工具

• Safe Superintelligence Inc.：SSI官方网站，是其使命、公司描述及未来公开声明的主要来源。
• NVIDIA Vera Rubin：英伟达下一代AI计算平台，将为SSI扩展的计算基础设施提供支持。
• Atreides Management：Gavin Baker的投资公司，其官方简介详细介绍了他投资半导体和科技领域的背景。
• NVIDIA On-Demand：英伟达GTC主题演讲、技术会议及文字记录的官方存档。
• Meta Llama：Meta官方模型系列网站，可用于在比较历史模型规模主张时查阅公开的训练和架构信息。

相关链接

• Safe Superintelligence官方网站：SSI官方声明，公司只有一个目标和一个产品：安全超级智能。
• 英伟达与SSI战略合作：英伟达2026年7月27日官方公告，涵盖其对SSI的投资、Vera Rubin使用权及计算扩展。
• 英伟达关于SSI合作的投资者新闻稿：同一官方合作公告的投资者关系版本。
• Gavin Baker — Atreides Management：Baker的官方简介，涵盖他在Atreides的职务及此前在富达的职业生涯。
• NVIDIA GTC 2026主题演讲文字记录：官方主题演讲文字记录，黄仁勋在演讲中称Baker为英伟达首位重要机构投资者。
• OfficeChai：Gavin Baker表示SSI可能在八月发布模型：保留Baker关于持续学习讨论相关部分的次要报道。
• Meta：推出LLaMA：Meta官方记录显示最初的LLaMA模型在约1至1.4万亿个token上训练，有助于理解token数量讨论的语境。

摘要

Gavin Baker首次给出了关于Safe Superintelligence发布时机的可信公开暗示，称SSI计划于2026年8月推出模型。截至8月7日，SSI本身尚未公开确认该时间表，因此该日期仍应被视为媒体报道的说法，而非官方发布公告。

这一评论之所以重要，部分原因在于其背景。Baker当时谈论的是持续学习和样本高效学习——这些研究方向可能将AI计算从大规模

如今，模型领域正被规模越来越大的预训练所主导，并朝着在部署后仍能持续学习的系统方向发展。

SSI 刚刚还与 NVIDIA 达成了重大战略合作。这项正式协议使该公司能够使用 Vera Rubin 系统，预计其计算能力将提升约一个数量级，而 NVIDIA 表示，它在获得 SSI 私密研究的特殊访问权限后，才决定达成这一合作。

今天的关键事实并非 SSI 已经确定推出了超级智能，而是一位人脉格外广泛的投资者表示，其首个模型可能终于接近问世——并且该公司如今已拥有大幅增加的计算资源，足以将其一直在构建的成果进行规模化扩展。