作者：Benjamin Eule & Dr. Noah Lee，Gottlieb 联合创始人
我们带着一个假设抵达达沃斯：物理工程领域的AI需要与当今主流的聊天机器人截然不同的方法论。离开时，这个假设得到了验证——但验证的方式远超我们的预期。
这不是我们与颠覆性技术的初次相遇。我们两人加在一起拥有数十年的经验：Benjamin在梅赛德斯-奔驰和戴姆勒卡车领导工程组织的20年，Noah在Meta开发AI系统的多年积累。我们经历过产品量产、团队规模化扩张，也在安全关键领域的创新混沌现实中驾车前行。
但在WEF26和达沃斯AI House的这一周，让我们深刻认识到：构建颠覆性技术不只是技术上的卓越，更需要谦逊、治理、多元视角，以及对"让事物变得更好——而非仅仅不同"的坚定承诺。
这是我们的所学所悟。
基因编辑的启示：先建立治理框架，再谈规模扩张
这一周从WEF公开论坛"生物学与选择的交汇"开始——一场关于DNA和RNA研究如何改变医学的讨论。讨论嘉宾包括Victor Ambros（2024年诺贝尔奖得主，因发现microRNA而获奖）、牛津大学副校长Irene Tracey、ProQR Therapeutics创始人Daniel de Boer、罗氏高管Eva McLellan，以及智利生物技术研究员Natalie Edwards。
我们去那里不是因为要转型生物技术，而是因为基因编辑是一个典型案例——当颠覆性技术超越治理框架时会发生什么。
核心问题： 随着我们改变基因的能力不断增强，如何在公平、同意和人类尊严之间寻求平衡？当治疗与增强之间的界限变得模糊，谁来决定什么应该编辑、什么不应该？
反直觉洞见#1：在其他行业的监管失败成为你的失败之前，先向它们学习
基因编辑领域已经尝试过不同的监管方式——有些成功，很多失败。他们争论过国际标准，与执法困境搏斗，并直面技术可能性与社会接受度之间的鸿沟。
AI圈子的行为，仿佛我们是第一个面对这些挑战的人。我们不是。
对Gottlieb的启示： 从第一天起，我们就将治理框架内置于工程AI智能体的核心架构之中——不是合规表演，而是核心设计。在我们自动化热分析或合规检查之前，我们先问：什么可能出错？谁来负责？如何确保人类的主动性始终居于核心？
Daniel de Boer的故事令我们深受震动。当他的新生儿被诊断出囊性纤维化时，他彻底离开了科技行业，创立了ProQR，开发针对罕见病的RNA疗法。个人悲剧化为一项使命。
这让我们想起了为什么要构建Gottlieb：我们亲眼目睹过有才华的工程师在重复性合规文件工作中挣扎，而迫切的设计问题却得不到解决。我们见证过几个月的时间被耗费在本可由机器在数小时内完成的手动热验证上。这种浪费不仅仅是低效——它深刻地关乎人性。工程师想要创造，而不是填写表格。
物理学的突破：为什么仅靠LLM是不够的
与Yann LeCun（Meta前首席AI科学家，现任Advanced Machine Intelligence创始人兼执行主席）和Marc Pollefeys（苏黎世联邦理工大学）的炉边对话，重新定义了我们对AI发展轨迹的所有认知。
主题：具身AI——通过传感器和执行器感知、推理并在物理世界中行动的AI系统。
反直觉洞见#2："语言是简单的"——真实世界并非如此
Yann最具挑战性的断言：LLM不是通往AGI的路径，因为"语言是简单的"。当所有人都在庆祝语言模型的成功时，语言其实是一个简化的、低维的领域。真实世界是高维的、连续的、复杂的。
仅靠扩大聊天机器人的规模，不会带来通用智能。主流叙事是错误的。
反直觉洞见#3：下一个突破来自从真实世界视频中学习
Yann预测，下一个重大飞跃不会来自更大的语言模型，而是当AI能够从真实世界的视频中学习时——理解物体如何在物理空间中运动、交互和表现。
这不仅仅关乎机器人技术，而是任何需要理解物理空间中因果关系的AI系统——这正是工程所要求的。
对Gottlieb的启示： 这验证了我们的整个论断。工程AI不能只是对手册中的文字进行模式匹配，它需要理解：
- 应力如何在负载下通过材料传播
- 热量如何在热力系统中传递
- 制造公差如何在装配中累积叠加
- 法规标准如何映射到设计约束
这些不是语言问题，而是物理问题。
反直觉洞见#4：强化学习是"蛋糕上的樱桃"，而非核心
Yann对AI系统的框架：
- 无监督学习（世界模型）： 蛋糕的主体
- 有监督学习： 一层薄薄的夹心
- 强化学习： 顶上的樱桃——只是微调
试错式学习对于真实世界应用的样本效率太低。你不能通过数百万次碰撞来学会开车，也不能通过数百万次设计失败来学习工程。
对Gottlieb的启示： 我们的工程智能体将主要从以下来源学习：
- 物理仿真（无监督世界模型）
- 经过验证的工程数据集（有监督学习）
- 专家反馈循环（最小化RL用于微调）
我们不会在安全关键领域通过试错来训练智能体，而是将数十年的工程知识编码进系统，以增强人类专业能力。
AGI之夜：当智能与生物学脱钩
在达沃斯AI House举办的AGI之夜，由杜伦大学哲学家Jack Symes主持，与Gary Marcus（纽约大学）、Max Tegmark（MIT及生命未来研究所）和Richard Socher（you.com）共同探讨，将我们带入了令人不安的思考领域。
前提：智能不是存储的知识或固定的模式，而是一个动态、演化的过程。当智能被增强、加速或与生物学脱钩时，会发生什么？
反直觉洞见#5：我们正在为自己尚未完全理解的能力制定监管规则
Richard Socher提出了关于欧盟AI法案的一个关键观点：我们在不知道哪些参数真正重要的情况下，已经为参数设定了限制。我们以今天的认知为基础，试图监管未来的能力。
张力在于：过度监管扼杀创新，监管不足则导致灾难性后果。
没有完美答案，但有负责任的方法：以透明度构建，维持人类监督，设计可被解释和控制的系统。
对Gottlieb的启示： 我们在受监管行业（汽车、航空）运营，合规不是可选项。我们的做法：
- 可解释的AI输出，具备可追溯的推理
- 关键决策的人机协同验证
- 显示推荐生成过程的审计轨迹
- 内置于核心架构中的终止开关和监督机制
我们不能等待完美的监管，也不能完全无视监管。在构建能力的同时构建治理。
反直觉洞见#6：最难的问题不是技术性的——而是关于边界的
AGI的讨论超越了技术能力，进入了文化、哲学和精神层面：当一种新型思维在我们身边涌现时，意味着什么？这如何重塑创造力、目的和人类进化？
对我们而言，这个问题的操作版本更简单，但同样关键：何时自动化？何时增强？何时坚持人类判断？
对Gottlieb的启示： 我们构建的工具是为了扩展人类能力，而非取代人类判断。我们的工程智能体：
- 自动化： 重复计算、合规文件、标准验证
- 增强： 设计探索、权衡分析、法规解读
- 留给人类： 最终设计决策、安全关键审批、伦理权衡
这一区分比我们承认的更为重要。
创始人启示：带着使命与谦逊构建
除了论坛，我们最珍贵的时刻来自与其他创始人的交流。
Deepak Pathak（Skild AI） 正在为机器人构建基础模型——能够跨不同机器人和任务泛化的AI。他对具身智能的方法，强化了我们的信念：工程AI需要任务特定的基础，而非通用能力。
Richard Socher（you.com） 提醒我们，构建颠覆性公司需要技术深度与用户执念的结合。You.com之所以成功，不是因为它又是一个搜索引擎，而是因为它从根本上重新思考了人与信息的交互方式。
Daniel de Boer的旅程——从IT企业家到生物技术创始人——告诉我们，最强大的公司诞生于个人使命与技术能力和市场需求完美对齐之时。
反直觉洞见#7：最优秀的创始人是传教士，而非雇佣兵
我们遇到的每一位正在构建真正重要事物的创始人，都有其个人原因。这不关乎退出或估值，而是关乎解决那些让他们夜不成寐的问题。
对我们而言，是目睹工程师把才华浪费在机器本该处理的任务上。是看到创新被合规官僚主义所束缚。是深知下一代物理产品——电动汽车、可持续飞机、聚变反应堆——将需要比今天的流程快10倍的工程周期。
这不是演讲稿，而是我们的现实。这就是我们构建Gottlieb的原因。
对话精神：达沃斯做对了什么
坦率地说，我们到达时是带着怀疑的。达沃斯有"多说少做、重社交轻实质"的名声。
我们错了。
最打动我们的不是论坛或洞见，而是人。
工程师、科学家、企业家、政策制定者——来自汽车、航空、生物技术、机器人、量子计算、能源领域。来自德国、智利、瑞士、美国、印度、日本。背景不同，行业不同，来自世界不同角落。
但所有人都有一个共同点：对"做出真正改变"的真诚承诺。不是表演性的影响力，而是真实的影响力。
在AI House的交流中，在会议间隙的咖啡旁，在关于AGI的深夜辩论里——我们遇见了真正关心用技术做好事的人。那些和我们一样在思考：如何负责任地构建？如何在创新与安全之间取得平衡？如何确保颠覆性技术惠及所有人，而非只是精英阶层？
反直觉洞见#8：多元视角不是加分项——而是安全的必需品
每一次重大技术失败都源于盲点。同质化的团队会错过边缘案例、文化背景和意外后果。
基因编辑小组涵盖了来自英国、荷兰、加拿大、智利的视角。具身AI的讨论汇聚了计算机视觉专家和机器人专家。AGI之夜结合了哲学家、AI研究者和企业家。
不同的视角揭示不同的风险与机遇。
对Gottlieb的启示： 我们为汽车、航空和工业领域的全球工程团队构建产品。我们的客户说着不同的语言，在不同的监管环境中工作，面临着不同的约束。
我们不能在封闭的泡泡中构建。从第一天起，我们就需要多元声音来塑造我们的产品——不是为了多样性指标，而是作为根本性的风险管理。
达沃斯如何塑造Gottlieb
我们带着对五项原则的清晰认知离开达沃斯，这五项原则将指导我们的构建方式：
1. 治理是产品，而非政策
我们将合规框架、安全检查和人类监督内置于AI智能体的核心架构。治理不是一个独立团队在写政策——而是工程师将护栏构建进产品。
2. 物理第一，模式其次
我们的智能体将理解物理定律、材料特性和工程约束——而不只是对历史文件进行模式匹配。我们向Yann LeCun和研究社区学习：真实世界需要与语言不同的方法。
3. 增强专业能力，而非取代
工程师保留主动权。我们的智能体处理重复性任务并呈现洞见，人类对安全关键工作做出最终决定。边界是清晰的。
4. 向相邻行业的监管历程学习
基因编辑、制药、航空和核能在我们之前已经应对过"颠覆性技术"的挑战。我们正在研究它们的成功与失败，以构建更好的框架。
5. 使命先于指标
我们在解决一个我们亲身经历过的问题：工程人才被浪费在机器本该处理的任务上。如果我们真正解决了这个问题，营收和增长自然会随之而来。使命第一。
致谢
致世界经济论坛团队：感谢你们搭建了一个让这些对话得以发生的平台。对话精神不只是一个主题——当你汇聚如此高水准的多元声音时，它成为了可操作的现实。
致达沃斯AI House主办方和团队：你们创造了真诚连接的空间，而非纯粹的交易性社交。从论坛到深夜辩论，每一刻都提醒我们这项工作的意义所在。你们所构建的影响，将远远超越这一周。
致每一位我们相遇的人——构建者、研究者、监管者、投资者：你们对"做出改变"的承诺，激励我们以目标而非速度来构建。
Gottlieb的下一步
我们正在埋头构建。未来六个月的聚焦：
产品： 推出我们首个领域专用工程智能体，专注于汽车合规文件和热验证——这是我们在客户发现中确认的最高痛点工作流。
客户： 与迫切需要在不妥协安全的前提下提升工程效率的Tier-1汽车供应商和整车厂深化关系。
团队： 引进同时理解AI和物理约束的工程人才——那些在受监管行业真正交付过产品的人。
治理： 公开发布我们的AI治理框架——我们对安全、可解释性、人类监督以及在安全关键领域负责任部署的思考。
达沃斯没有给我们一份商业计划书，而是给了我们更好的东西：对什么真正重要的清晰认知。
我们在为物理世界构建AI——一个错误有后果、安全不可妥协、人类专业知识不可替代的世界。
我们以谦逊的态度去做，知道最难的挑战不是技术性的，而是关于边界、问责，以及确保技术服务于人类的繁荣。
我们以紧迫感去做，因为下一代工程师值得比今天存在的更好的工具。
如果你在物理AI、具身系统或工程自动化领域构建产品——或者你是一位被合规文件压垮的工程师——让我们谈谈。
工程的未来不是更多人做同样的工作，而是同样的人被赋能去做真正重要的工作。
Benjamin Eule 是 Gottlieb 联合创始人兼CEO，曾任梅赛德斯-奔驰和戴姆勒卡车VP及总监，目前就读于芝加哥大学布思商学院首席AI官项目。
Dr. Noah Lee 是 Gottlieb 联合创始人兼总裁，Meta前研究数据科学家，拥有生物医学工程博士学位。
在 gottlieb.ai 关注我们的旅程。
