AI的一个时代结束,AI大牛突然泼冷水!但也指明了黄金赛道

新闻

作者：微信文章


抓住风口

本期要点：这位AI浪潮的开创者，究竟说了啥？

---

你好，我是王煜全，这里是王煜全要闻评论。
上周三，OpenAI前首席科学家伊利亚•苏茨克弗（Ilya Sutskever）在消失一年多后，突然在一档播客节目中进行了一个半小时的对谈，并朝当前的AI热潮泼了一盆冷水。

这位曾凭“扩展定律”（Scaling Laws）获得成功的AI领军者，却公开宣称“扩展时代（Age of Scaling）已经终结”。当前依赖算力、数据与参数规模扩张的主流发展模式已经触及瓶颈，大力出奇迹的神话失灵了。他还指出了一个矛盾的现象，当前模型能在高难度评测中表现优异，却会在简单的问题上犯错。研究人员为提高评测分数，对模型进行了针对性的强化学习训练，导致模型成为了“做题家”，却不是真正能举一反三的“天赋学生”。伊利亚更是重新定义了AGI（通用人工智能）：未来的超级智能，不应该只是个在海量数据和 GPU集群上预训练出来的成品，应该是一个具有超高学习效率的智能体（Superintelligent Learner）。它可以像实习生或15岁少年一样，虽然并不完美，却可以通过不断犯错和自我纠正来掌握技能，通过知识和经验的积累实现超常智能。那么，伊利亚在新访谈中表达的新认知究竟说明了什么？是不是意味着这轮AI变革要结束了？在我们看来，伊利亚恰恰为AI变革的下一阶段指明了方向，别再指望着通过更多数据、更多参数、更多芯片来打造出一个全能的AGI。而我们也想指出，既然追求全能的AGI并不现实，当前更务实的做法就是着力打造专注于特定领域的AI专家，即“领域智能”。

---

LLM已经到头了？首先，当前LLM（大语言模型）架构已经来到边际收益锐减的阶段。我们曾多次指出，基于LLM的AI存在能力上限。比如它可以写出万字报告，却得不出3句话的洞察。其中的原因也比较明显：第一、互联网上的高质量数据已经快要耗尽，再强大的算力也难为无米之炊；第二、当前的AI大模型还缺乏小样本泛化的能力。因此，AI大模型在训练数据所覆盖的范围内，可以表现惊人，但只要略微跳出这些范围，面对陌生场景，AI就容易出现意外错误，甚至在一些常识性的问题上阴沟翻船。

伊利亚就打了个比方，如今的大模型就像一个花了一万小时练习编程竞赛的学生，背熟了解题套路，能在竞赛中脱颖而出，但当让他去真正的软件工程岗位，却很难胜任复杂多变的实际工作，只能去做那些标准化了的任务。最近，和伊利亚有类似看法的AI大牛并不在少数。Meta的前AI首席科学家、图灵奖得主杨立昆（Yann LeCun）就说过，纯粹依赖LLM的路线是一条死胡同，当前的AI大模型智能水平还不如一只猫。“AI教母”李飞飞前段时间也发文指出，LLM路线训练出来的AI大模型只是能言善辩的书呆子。

李飞飞而背后的哲学道理，可以借用《道德经》开篇的“道可道，非常道”来解释：AI大模型所学习和处理的全部内容，是人类用文字对世界的表述，而不是这个世界本身；但AI没有真正亲身体验过这个世界，也就缺乏对于客观规律、因果联系的切实理解。就像一个熟读游泳指南却没有下过水的人，哪怕在岸上头头是道，在水里也大概率会溺水。这些AI科学家们其实是在提醒整个行业，别再希望靠单纯堆料就能走向下一代AI模型，而必须转向算法与架构的创新。这也正是伊利亚所说的，我们正站在从“扩展”回归“研究”的关键转折点上。

---

领域智能此时此刻，我想指出的是，大家应该意识到，至少在现阶段，追求一个万能的AGI很可能是个伪命题，真正的未来在于在各个垂直领域构建一个个能力远超人类的“超级专家”。无论是人脑还是计算机，其时间与精力资源都是有限的。当你将资源投入到某个领域以追求极致的专业水平时，必然牺牲涉猎其他领域的机会。就像篮球之神迈克尔•乔丹，在退役后转战棒球却很难复制之前的辉煌；一个AI如果要在医疗诊断上达到超常水准，它的模型架构、训练数据、优化方向都要深度契合医学领域，那它在文学创作上就必然不及专门训练的写作AI。正如伊利亚在访谈中所说，经过专业训练出来的AI可能会在诉讼等复杂经济活动中形成专业优势。因此，在下一代范式突破前，发展“领域智能”，也就是放弃AGI，转而培养专才型AI才是一条务实且可行的路径。毕竟科学原理的突破往往是脉冲式的，我们很难判断下一代AI模型会在什么时候、以什么方式出现，但基于现有技术的优化和配套研发已经足以将AI从高科技转变为高性能产品和高品质服务，并能持续推动产业发展，释放其中的经济价值。11月19日，OpenAI在ChatGPT中加入了类似AI购物助手的功能；不久后，Perplexity也上线了类似功能。这些都是“领域智能”方向的早期尝试，其核心是通过购物数据与任务对基础模型进行强化训练，构建专用于购物领域的模型。其中的商业逻辑也很明确，购物决策对幻觉的容忍度很低，要求信息的绝对精准，而且还要符合用户的需求，基于全网数据训练出的通用模型在商品推荐与消费决策方面的表现，大概率就不如在电商数据上训练出的专用购物模型。我们认为，未来，每一个垂直行业都有机会诞生基于领域智能的专用模型，而背后就将是一群相关的AI独角兽公司，乃至未来的行业霸主。今天的创业者和投资者，可以重新思考自己的战略，放弃大而全的幻想，转向小而美的深度优化，深入评估自己是否具有足够高的数据壁垒，能否获得领域专家提供的高质量且密集的反馈，能否利用自己在本领域的特有优势构建专用模型，并在特定任务上拥有超人表现。这类模型虽然会牺牲部分通用性，但有望在特定的高价值领域（如法律、医疗、教育等等）表现得足够专业和可靠，给用户带来有实际价值的服务，从而获得可持续的商业回报。

---

以上就是今天的内容，如果你希望在第一线观察AI产业的发展，欢迎加入明年一月初的CES展观展团。届时，我将陪同你和各位优秀的科技企业家，在创新的现场浸润式的观察和思考，感兴趣的朋友可以点击链接报名。报名收尾 | 和王煜全万维钢同看CES科技展更多科技产业的新趋势和底层规律，欢迎加入科技特训营学习，和我一起，先人一步，领先一路！王煜全要闻评论，我们明天见。↓长按图片扫码报名，先人一步，领先一路

也在这向各位家长们推荐前哨AI冬令营，我们将通过一周的集训让孩子能亲自上手完成一个真实的AI项目，快来尽早开启孩子AI时代的进化之旅吧！就快来点击链接了解详情吧。【前哨AI冬令营】8-16岁必冲！玩转AI编程最后，鉴于公众号推送机制的改变，你未来刷到要闻评论的机会可能没那么多了，建议你加入粉丝群，第一时间得到我的独家前沿分析，而且我们还会每天在粉丝群里发布独家资料，快快扫码加入吧！

此外，我们还为您准备了一个思维导图，扫描加群即可领取
“AI芯片产业的未来格局分析”
推荐阅读：
大革命中不要占小山头！前哨大会2025，带你看懂AI时代的成功法则

能写2万字报告，却得不出3句洞察！AI的上限原来在这？

特朗普再加关税，但注定要失败！究竟有啥重要经济规律？【思想荟】

↓点击学习王煜全老师最新大师课，掌握马斯克的赚钱底层逻辑！