本报告基于2026年10月5日喜马拉雅资本创始人李录在哥伦比亚商学院第36届格雷厄姆·多德年度午餐会上的交流内容，并综合后续对其观点正反两方面的辨析，聚焦于李录关于人工智能发展本身的判断，而非其估值批判。核心结论是：AI是一轮巨大而真实的技术浪潮，但它不会走向硅谷叙事的“人造神”终局；同时客观并列呈现支持与反对两方的理由。
本报告基于2026年10月5日喜马拉雅资本创始人李录在哥伦比亚商学院第36届格雷厄姆·多德年度午餐会上的交流内容，并综合后续对其观点正反两方面的辨析，聚焦于李录关于人工智能发展本身的判断，而非其估值批判。核心结论如下。
李录认为，AI是一轮巨大、真实的技术浪潮，但它与历史上一切技术革命存在本质不同：它正从“人类生产力的工具”，沿着一条光谱向“自主造物”一端移动。硅谷据此构建的“递归式自我改进（RSI）—通用人工智能（AGI）—超级智能（ASI）人造神”终局叙事，他不会兑现，理由只有两条：要么技术本身走不到那一步，要么人类会在逼近终局前联合出手阻止。无论哪种情形，都不会有一尊“人造神”凌驾于人类社会之上。因此必须划下一条红线——AI的自我学习与工具化使用，必须始终有人参与，把它牢牢钉在“工具”一侧。
支持李录判断的理由集中在数据依赖、重资产增量成本、监管与社会容忍约束等现实层面；反对的理由则来自封闭系统自博弈的AlphaZero反例、非线性不可控的自我增强、开放环境内生目标与新认知框架的可能，以及“人能做到的、足够聪明的系统原则上也能做到”的功能主义逻辑。本报告将三部分分别展开，客观并列呈现，不做一边倒的结论。
2026年10月5日，喜马拉雅资本创始人兼董事长李录作为主讲嘉宾，出席了哥伦比亚商学院第36届格雷厄姆·多德年度午餐会（Graham & Dodd Event）。该年度聚会始于1991年，延续哥伦比亚大学自格雷厄姆、巴菲特以来深厚的价值投资传统。李录在会上与在场的学生、同行，围绕价值投资、AI科技浪潮、全球经济秩序韧性、中国转型的机遇与代价等话题，进行了一场长时间、开放式的深度交流。需要强调的是，这是一场基于对话的交流分享，而非正式的学术报告或专题论文，因此其观点带有即席讨论的鲜活与跳跃。
李录以巴菲特式的价值投资著称，曾被称“中国巴菲特”，并长期受查理·芒格青睐、管理芒格家族资产。他于1997年创办喜马拉雅资本，持仓以极致集中、长期持有著称，曾在美股市场挖掘美光等标的，现重仓谷歌、拼多多、伯克希尔等。这一身份决定了其看待AI的独特视角：他不是AI技术专家，而是从资本价值、经济约束与人类社会的宏观层面审视这项技术。理解这一立场，有助于正确把握其观点的定位与边界。
以下观点依据公开整理的演讲内容提炼，其中引号内表述均来自李录当日交流的公开记录。
李录开宗明义：AI毫无疑问是一轮巨大的技术浪潮，但这一轮的非同寻常超出了以往一切经验。表面看，其变化速度、涉及规模、资本与金融影响的集中程度、围绕它的叙事及叙事对资本配置的影响都前所未有。向下追问，真正不同的原因是叙事发生了变化——此前一切技术变革本质上都是提升人类生产力的工具，而这次的技术引入了一个新的维度：它处在“工具”和“造物”之间的一条光谱上，并且正在从工具端向造物端移动。
他勾勒了这条移动路径：大约四年前，这项技术跨过了某种图灵测试门槛，从语言上再也分不清对面是机器还是人；其后它拥有了推理能力，由推理而来的是编程能力；有了编程能力，它成为能自主执行的智能体（Agent）；再往后是众多智能体在复杂而持久的任务中协作，即“长程推理”，它们自我组织、设定优先级、使用自己的语言与工具，越来越像一个人类社会。硅谷据此预言下一步是递归式自我改进（RSI），再往后是AGI，最终是智能超越全体人类总和的ASI——“等于我们创造了一个半神”。
针对“AI能否一路走到人造神”这一核心问题，李录的回答很直接：不会。他给出的理由分布在四个层面，这也是本报告最关注的部分。
李录对AI给了一个“暂时性定义”：它是一台机器，用巨大的算力配以巧妙的算法，把人类产生的几乎全部数据放进去，从中提取“第一阶导数”，在近乎无限的变量之间建立系统性的上下文关联，由此获得接近人类推理与智能的能力。据此他强调，眼下AI仍牢牢处在人类生成数据的范畴之内。他进一步以生物复杂度作对比：人体每个细胞约相当于一个约50MB的文件，再乘以数万亿个细胞，若想真正跨越到生物学意义上的复杂性，面对的是完全不同的数量级。因此，距离能独立于人类经验形成认知的层级，极其遥远。
李录承认社会已部分进入自我改进阶段，即一切改进最终由AI自己完成、无需人类参与。但他同时指出，所谓RSI一旦失去人的参与，会非常非常危险，因为它会自行衍生目标与子目标，离人类的控制越来越远。言下之意，脱离人类在回路的自主优化，极容易出现目标漂移、子目标错配、以牺牲通用能力为代价去优化评价指标等内在断点，并不存在一条天然、稳定、持续正向的自我增强循环，能自动、无摩擦地跃迁到超级智能。
李录特别强调成本结构：这项技术将永远、永远存在增量成本，这一点与互联网等此前的一批技术有本质不同——那些技术可以一次性投入、长期摊销，AI则不然，其成本会持续发生。因此成本—收入—利润的等式至关重要，资本需求和金融纪律将永远在场。叠加芯片、电力、劳动力等现实约束，更强的模型往往意味着指数级增长的算力、能耗与资本开支，这些物理与经济上限，共同制约着“无上限能力跃迁”的乐观想象。
李录的表述隐含了一个判断：AI获得的是“接近人类推理和智能的能力”，且“我们知道怎么运转、知道怎么让它更强，但并不真正理解它为什么有效”。也就是说，它本质上是统计性的模式匹配与上下文关联系统，可以模拟目标、模拟思考，却并不内生拥有自己的欲望、目的与自我意识。从这样一个统计预测系统，到拥有独立目标体系、主动追求持续自我升级的自主心智，之间存在巨大的跃迁鸿沟，未必能靠堆参数与算力自动跨越。
李录给出了一个二分法判断：假如事情真的沿这条路径发展，人类届时算什么？没有人真正理解它，甚至没有人真正控制得了它，没有人愿意活在这样被“人造之神”统治的社会里。因此结局只有两种：其一，这项技术根本不会走向那个方向；其二，如果它真往那个方向走，人类总有一天会联合起来阻止它。所以，无论哪种情况，都不可能有一尊“人造神”活在人类社会之中。这一判断把技术的上限，从单纯的技术可行性，扩展到了社会制度、公共安全与地缘政治层面。
无论自我学习还是工具化使用，必须始终有人参与其中，把AI牢牢钉在“工具”一侧，而不是“造物”一侧。
李录明确划出红线：无论自我学习还是工具化使用，必须始终有人参与其中，把AI牢牢钉在“工具”一侧，而不是“造物”一侧。他强调，我们不允许技术在“没有人参与其中”的情况下继续自我发展；RSI一旦脱离人的参与和人的定义，会自行衍生目标与子目标，脱离人类控制。同时他承认AI极其有用、极具变革性，可把经济中庞大的知识型、技术服务层极大地“普及化”和“平权化”，但它改变不了能源与交通，也改变不了制造业——制造业的本质仍是分子与原子的重新组合。
李录认为，真正决定AI发展节奏的，有四五层不同层面的约束同时存在——芯片、电力、劳动力等物质条件，技术发展速度，以及社会能容忍它发展到什么程度。而人类社会适应这种巨大技术变化的方式，从来不是完美规划，而是连滚带爬、以危机的方式完成。因此，我们注定要经历大的繁荣—萧条周期，甚至不止一轮。只要AI停留在工具范畴，财务纪律与资本市场纪律最终就会重新发挥作用，并通过多轮估值起落、繁荣与崩溃来实现。
为理解其判断逻辑，此处简要交代：李录以一份募资材料为例，指出一家自称“研究实验室”的公司，已烧掉数百亿美元并承诺继续烧掉数千亿美元，一边许诺变革性技术，一边在材料中自认有大约10%的概率“把所有人都杀死”，却邀请市场至少投入1000亿美元、按2万亿美元估值定价。他称之为“市场能变得多不理性的一个绝佳注脚”，并指出这些事情不可能同时为真、这种状态不可能以理性方式长期持续。本报告主题为AI发展观点，故不在此展开估值论证。
以下理由为对李录观点的进一步展开与辩护，论点与论据分开列出。
论点：大模型的能力在根本上来源于人类产出的数据，其“创新”多为数据空间内的重组与推导。
论据：当前所有大模型，都以人类已有的文本、知识、经验、推理样本为训练基底，没有原生独立于人类经验的认知来源。即便AlphaZero一类自博弈系统能在给定环境内生成人类未见过的策略，也依赖人类预先定义的状态空间、奖励函数与“何为成功”的评价标尺。以“赢棋为正、输棋为负”这一价值量尺为例，它完全是人为设定的；没有这套标尺，自博弈根本找不到方向。因此，涌现出的复杂行为，不等于涌现出新的底层目标或认知范式。
论点：AI是重资产的、边际成本不归零的生意，不能像软件或互联网那样用远期故事一次性兑现。
论据：传统互联网与软件是“一次性开发、复制几乎零成本”，可以远期贴现巨额自由现金流；而大模型每次推理都按token消耗算力、电力与芯片，属于持续产生增量成本的重资产模式。这与李录“成本—收入—利润等式永远在场”的判断一致。产业界正逐渐形成共识：基础大模型本身很难拿到高永续毛利，利润更可能流向算力上游。由此推论，不能用一个远期的超级智能幻想，去支撑一个持续巨额资本开支、现金流持续为负的公司的高估值。
论点：技术的上限不只由算力和数据决定，监管、法律、社会共识与地缘政治是更强硬的约束条件。
论据：超级智能叙事假设技术单向加速、最终突破人类控制；但李录提醒，即便技术真的接近门槛，监管与社会也会介入。AI安全、生物安全、核安全、就业冲击等风险叠加，使人类社会不可能放任无约束的自主演化。很多乐观估值模型完全忽略这类尾部风险，而李录的视角补上了这一盲区。
论点：肯定AI的生产力价值，与认为“AI相关公司估值合理”是两件不同的事。
论据：李录并未否定AI的巨大价值，他反对的是把远期终局故事直接贴现到当下、让资金拥挤在少数明星公司身上。这符合格雷厄姆—多德的本源——“买资产，不买故事”。当资本压倒性涌向头部，一大批质地优良的公司被钉在极低价格上，这种市场分化反而给理性的投资者提供了更好的机会集。方法论层面的价值，独立于对AI技术本身的判断。
以下为针对李录上述观点的质疑与反论，分别就每个核心论断展开，客观呈现其力量与边界。
论点：李录“AI始终跑不出人类生成的数据世界”这一表述过于绝对，封闭规则系统内的自博弈可以生成人类从未见过的新知识。
论据：AlphaZero并未学习人类棋谱，只被给定围棋规则，通过自对弈生成了大量人类棋手数千年未曾想到的招法，在棋这一封闭环境内碾压人类棋手。它证明，在给定规则空间内部，AI可以不依赖人类范例自主生成超越人类的策略。需要同时指出其边界：围棋是完全定义、封闭、确定性的环境，规则固定、状态空间有限、胜负目标清晰，且目标函数由人设定；AlphaZero没有发明新规则，也没有自主开辟全新的认知域。因此，这一反例有效驳斥的是李录字面表述，若把李录观点修正为“在开放世界里，AI难以脱离人类设定的目标与评价体系，自主开辟全新认知疆域”，AlphaZero便不再构成直接反例。
论点：不必存在“稳定、持续、正向”的自我增强循环，才能通向强大智能；能力更可能以非线性、间断、局部、不可控的方式跃升。
论据：李录反驳的对象，是硅谷“每一轮都让通用智能均匀提升”的平滑永动机想象。这个反驳大体成立——目前没有任何证据显示存在持续稳定正向的通用自我增强循环，能力提升常遇平台甚至退化。但他忽略了另一种更值得警惕的可能：自我改进不一定是全维度同步上涨，完全可以在某些特定子领域跳跃式增强，大部分时间停滞，在某个架构、数据与目标组合下突然跃升，且伴随不可预测的副作用与目标偏移。这种“间断、局部、不可控”的增强，不需要全系统稳定正向即可产生巨大冲击。若真实路径如此，李录“技术到不了、或人类能在临近终点前识别并踩刹车”的二分假设，会因其不可预判性而被削弱——监管与社会反应往往滞后于突变节点。
论点：不能从“当前AI依赖人设定的目标与评价标准”这一工程现状，外推出“未来永远不能内生新目标、生成全新基础认知框架”的必然结论。
论据：目前的工程事实是，所有AI的目标函数、奖励机制、评价标尺都由人定义，涌现行为不等于涌现新目标。但这只是现状，并非物理或计算层面的必然定理。至少在理论上存在几种可能：其一，置于足够开放、持续交互的环境中，自维持系统可能自发涌现维持自身存续、扩展可用资源的内禀倾向，不依赖外部给定目标；其二，一个持续观察世界、由内部预测误差驱动的世界模型，可能为降低长期预测误差而自主抛弃旧认知假设、发明新的底层模型——此时“预测世界”本身即是内生的评价标准，无需人类预置“什么是好理论”。需要说明的是，这些属于理论猜想而非已验证事实，但它是自洽的可能性；李录直接忽略这类复杂系统涌现的可能，使其全称判断显得过强。
论点：人类本身是一套物理信息处理系统；既然人能够设立新目标、生成全新基础认知框架，就没有原则性的逻辑理由认定足够强大的AI永远做不到。
论据：这是功能主义的核心推论。前提是：人类大脑没有神秘的非物理“魔法”才产生新目标与新范式；原则上可构造另一套信息处理系统，其通用能力不低于甚至显著超越人类；若某系统能力达到或超过人类，则人类能完成的信息加工任务，它在原则上也能完成。因此，不存在先验的逻辑壁垒阻止AI自主生成新目标、发明全新认知框架。须承认这一论证是“可能性论证”而非“必然性论证”——它证明的是不存在逻辑禁令，而非“AI变强就一定会这么做”。且“推理远超人类”不自动等价于“拥有内生动机、主动抛弃旧认知框架”的整套机制；理解一套动机系统，不等于拥有这套动机系统。
论点：李录的论证在概念区分与路径选择上存在若干薄弱点。
论据有三。其一，混淆“数据来源”与“环境或目标设定”——真正的约束不是训练数据是否由人书写，而是奖励函数、环境边界与价值标准是否由人定义，这一点常被抓住漏洞。其二，低估“人机协同加速”路径——李录讨论的RSI偏向AI直接修改自身权重、架构的强自我修改；而更现实的一条路径是AI作为人类科研助手，极大缩短人类迭代模型的周期，即人—AI联合加速，这条路径不需要AI拥有独立主观意向，却能持续抬升能力，李录对其讨论甚少。其三，只以“稳定正向循环”作为唯一参照系，没有认真评估间断、非线性、局部、带风险的能力跃升这一中间可能，也未讨论渐进式AI（能力持续增强、局部具备自主代理能力、在监管缝隙中落地）的现实形态。
客观说明：上述反论证明的是“没有逻辑上的绝对禁令”，而非“超级智能大概率发生”。目前没有工程实例证明开放世界智能体能长期稳定地内生目标、构建跨领域因果模型，持续学习仍普遍面临灾难性遗忘与价值漂移。更重要的是，即便承认这些可能性，也不必然推翻李录的投资判断——若AI真能跳出人类目标框架自主演化，其长期行为与现金流将高度不可预测，附带巨大尾部风险，反而更不适合按稳定永续现金流估值。即“非线性、不可控”本身，同时意味着估值折价，而非溢价。
综合正反两方面，可以得出较为平衡的判断。李录这场交流，本质上不是一份AI技术的专业评估，而是一场以资本与社会为视角的宏大批判。作为风险提示，它极具价值：戳破了硅谷当前最流行的“人造神终局叙事”泡沫，提醒人们重视数据依赖、重资产约束、监管与社会的尾部风险，以及“技术革命不等于估值合理”这一朴素而常被遗忘的道理。作为产业预测，它有明确边界：他否定的是“RSI—AGI—ASI人造神”支撑下的高估值叙事，并不等于否定AI的巨大商业价值；中间态的智能体、垂直应用层，依然存在大量被其论述所覆盖不到的机会。
正反两方的分歧，本质上是对“足够复杂的系统能否自主涌现新目标与新认知范式”这一问题的判断：反方给出功能主义与复杂系统涌现的逻辑可能，指出李录的否定过于绝对；正方则强调这些只是未被验证的可能性，并守住“即便为真也不支撑稳定永续估值”的金融底线。两方各有所长，也都留有各自待验证的前提。理性地看待，是把李录的观点当作一道提醒风险的红线，而不是对AI技术天花板的终极定论。