# 前沿 AI 之声：十轮内容完整性复核

日期：2026-07-31  
状态：完成；可分享，但所有趋势与人物画像必须保留本文边界。

## 结论先行

本轮不是界面润色，而是针对“偏颇、断章取义和压缩失真”的十轮红队复核。发现并修正了三类实质问题：

1. 分期口径曾把 29 位人物时间轴的 408 / 474 条观点误写成六位核心人物样本；六位核心人物实际为 354 / 451。
2. 世界模型、AI 基础设施和企业 AI 曾使用未公开的扩展聚类，造成数字不可复算；现统一改为规范标签完全匹配。
3. 65 组唯一证据卡中，33 组存在可自动确认的锚点明显错位；已改到原文命中段。4 组跨段复合引文已收窄为单段可验证表述。

最终判断：报告适合在保留方法边界的前提下分享。它能说明“这批公开表达中哪些话题权重发生变化”，不能证明技术成熟度、商业结果、社会因果或全部公开言论的真实分布。

## 第 1 轮：范围、时间窗与分母

- 结构化事件：94；观点库：899；人物：29。
- 进入人物时间轴并按 viewpointId 去重：882；另有 17 条未进入人物时间轴。
- 分期：前期 408，后期 474。
- 六位核心人物合计 805；分期实际为 354 / 451。
- 修订：所有分期表明确写为“29 位人物时间轴样本”，不再写成“六人样本”。

## 第 2 轮：来源与事件集中度

| 人物 | 观点 | 事件 | 最大单场占比 | 有效事件数 |
|---|---:|---:|---:|---:|
| Demis Hassabis | 221 | 22 | 6.8% | 20.5 |
| Sam Altman | 159 | 17 | 12.6% | 13.8 |
| Dario Amodei | 149 | 20 | 6.7% | 19.0 |
| Yann LeCun | 107 | 12 | 15.9% | 9.4 |
| Jensen Huang | 111 | 14 | 13.5% | 12.0 |
| Elon Musk | 58 | 7 | 32.8% | 5.1 |

人物画像改为条件性观察坐标，不作观点数量排名。“高置信度”表示来源和说话人归属可靠，不表示观点为真。

## 第 3 轮：引文与上下文

- 报告共 78 个证据卡实例，对应 65 组唯一“引文 + 锚点”。
- 旧版仅 8 / 65 的引文词项与目标单段达到 80% 以上重合。
- 同稿重新定位后，34 / 65 可达到 80% 以上；33 组满足明确改链阈值并已校正。
- 4 组跨段复合引文已收窄：Sam 创业、Jensen 就业、Jensen 物理 AI、Yann 科学投资。
- 省略号引文可能跨句；链接现在指向承载核心判断的单段，上下文可在弹框继续展开。

## 第 4 轮：中英翻译与术语

分层抽查 12 个已校正证据段，覆盖六位人物及不同来源类型。核心主张、数字、否定词和时间表达一致。自动字幕误识别、口语重复和说话人切换属于源文噪声，中文不得将其润色为确定事实。英文原文继续作为最终复核基准。

## 第 5 轮：结论—证据映射

最终汇总只保留：资料可审计但非普查；世界模型与未来工作为较明确上升项；反向信号防止挑数；人物画像不能作排名。“逐级下钻”是产品能力，不再占核心结论位。

## 第 6 轮：反证与替代解释

- Agentic AI：16 / 408（3.9%）→ 14 / 474（3.0%）。
- AI 科学：20 / 408（4.9%）→ 20 / 474（4.2%）。
- AI 医疗：21 / 408（5.1%）→ 19 / 474（4.0%）。

替代解释包括人物发言节奏、公司发布活动、采访主题、字幕可得性与标签拆分差异。下降不等于技术退步，上升也不等于路线胜出。

## 第 7 轮：趋势与因果

| 主题 | 前期 | 后期 | 变化 |
|---|---:|---:|---:|
| AI 安全 | 25 / 6.1% | 30 / 6.3% | +0.2 pp |
| 世界模型 | 15 / 3.7% | 29 / 6.1% | +2.4 pp |
| AI 基础设施 | 14 / 3.4% | 23 / 4.9% | +1.4 pp |
| 未来工作 | 19 / 4.7% | 29 / 6.1% | +1.5 pp |
| 企业 AI | 12 / 2.9% | 19 / 4.0% | +1.1 pp |
| Agentic AI | 16 / 3.9% | 14 / 3.0% | -1.0 pp |
| AI 科学 | 20 / 4.9% | 20 / 4.2% | -0.7 pp |
| AI 医疗 | 21 / 5.1% | 19 / 4.0% | -1.1 pp |

统一使用“公开讨论占比上升/下降”，不从声量直接推导投入、采用、成熟度或因果关系。

## 第 8 轮：人物平衡

六位核心人物占 805 / 882。人物选择会塑造主题分布；同一事件可拆成多条观点，观点数不是发言时长、重要性或影响力。人物结论必须与事件数、最大单场占比、来源类型和场景一起解释。

## 第 9 轮：摘要压缩损失

采用三级阅读：一级为最终汇总；二级为人物与主题卡；三级为 97 篇双语逐字稿和 11,195 个锚点。摘要不能宣称“没有信息损失”；准确说法是“摘要有选择，完整材料可沿证据链恢复”。

## 第 10 轮：红队结论与置信度

| 结论 | 置信度 | 限制 |
|---|---|---|
| 世界模型规范标签占比上升 | 中高 | 人物与事件暴露不均 |
| 未来工作规范标签占比上升 | 中高 | 采访主题可能推动占比 |
| 基础设施、企业 AI 占比小幅上升 | 中 | 幅度低于旧版聚类口径 |
| AI 安全保持高位 | 中 | “安全”内部概念差异大 |
| 六人形成互补观察坐标 | 中 | 编辑性归纳，不是量化事实 |
| 主题变化代表技术成熟或商业成功 | 不支持 | 当前数据只测公开讨论 |

发布门槛：通过，但必须保留样本口径、反向信号、非因果说明和人物暴露差异。新增素材后应自动重算并再次运行锚点命中审计。