兰 亭 墨 苑

标题 *

URL 别名 *

内容 * (支持 Markdown 格式) # Ilya 的观点刷屏了 过去几天，Ilya 的观点刷屏。 坦白说，看完他的那段访谈，我第一次清晰地感觉到： 大模型行业真的到了一个拐点。 不是要倒退什么，而是——靠规模堆上去的那条路，走到了尽头。 ⸻ **01 为什么大家都说“OpenAI 失去 Ilya，很可惜”？** 因为过去十年，大模型行业几乎所有关键突破，都发生在两个团队手里： • DeepMind 做出了 AlphaGo → 证明深度学习能推理 • OpenAI 做出了 GPT 系列 → 证明语言模型能通向通用智能 而 Ilya 是其中最早、最少被宣传、但最关键的核心人物。 别人做工程，他做方向。 别人做产品，他做范式。 这次访谈，他提出两个今天行业几乎没人敢谈的问题，却正好戳穿行业的表层繁荣。 ⸻ **02 “大模型像百科全书，不像智能体。”** 这是 Ilya 的第一个观点。 一句话解释： 现在所有大模型，都是靠摄入海量数据，然后在训练过程中把世界“压缩”进参数里。 它们很聪明，但不会在真实世界里“成长”。 你问它越多，它回答越好。 但它不是“变得更懂”，只是“记得更多”。 这意味着： • 它不能自己积累经验 • 不能像人那样越用越聪明 • 不能在现实任务中自我优化 • 学新东西速度极慢、成本极高 本质上： 它是一次性训练的静态智能，不是可成长的动态智能。 这就是为什么 GPT-4 到 GPT-5 的提升越来越像“打磨”，不像“革命”。 行业内部都知道：Scaling 的边际效应在快速下降。 ⸻ **03 “人类为什么能快速学习？因为我们有价值函数。”** 这是 Ilya 的第二个观点，也是最深的那个。 什么叫价值函数？ 非常直白： 人脑在做对某件事时，会自动给自己一个“微弱的奖励”。 不需要别人说好，也不需要考试评分。 大脑自己知道“这样更好”。 走路走稳一点 → 正反馈 拍球拍顺一点 → 正反馈 快要摔倒 → 负反馈 于是我们可以在 极小的信号 中学到 极强的技能。 而现在的大模型学习方式是： • 给它任务 • 给它提示 • 给它奖励 • 给它人类评价 • 再微调几万亿次 换句话说： 大模型只有外部奖励，没有内部价值。 这就导致： 它学得很慢，不能主动改进，不能自己纠偏，更不能像人类一样“顿悟”。 为什么行业没人做价值函数？ Ilya 说得很直—— 因为太难了。根本没人知道该怎么做。 ⸻ **04 Scaling 时代的尽头：大家都看到了，但没人敢停下** 你会发现今天的 AI 领域出现一个奇怪现象： • 每家公司都在卷推理速度 • 卷模型大小 • 卷发布节奏 • 卷商业化 • 卷价格战 • 卷扩展能力 却很少有人在卷“智能本身”。 为什么？ 因为市场不等你。 去年一年，每一家巨头都被资本催着： “快发新模型！” “快抢市场！” “快上产品！” “用户跑了怎么办？” “别人搜上你就完了！” 于是所有人都在拼命奔跑，却没有人真的在思考： 我们是不是已经在旧路上跑到了尽头？ 没人敢重新停下来做十年基础研究。 也没人敢押注一个不确定的方向。 但偏偏，真正的突破可能都在这些“不确定”里。 ⸻ **05 瓶颈真的已经来了？我认为：是的，但不是坏事。** 我越来越相信： 未来两三年，AI 的“智能”会进入瓶颈期，但 AI 的“应用”会井喷。 我们会看到： • 更快 • 更便宜 • 更稳定 • 更丰富的能力 • 更成熟的产品生态 但不会看到： • 人类级推理 • 主动学习 • 真正意义上的智能增长 • 自主形成知识 • 拥有自己的价值体系 换句话说： AGI 不会像大家想得那么快到来。 但这是好事。 历史上每一次真正的范式跃迁前，都有至少三年的缓慢期： • 深度学习之前有十年停滞 • 图形化界面之前有五年停滞 • 移动互联网之前也有四年停滞 真正的革新，总是在沉默期发生的。 ⸻ **06 Ilya 离开 OpenAI，可能是这个时代最重要的信号** 他在 OpenAI 可以调全世界最强的算力。 但他选择离开。 为什么？ 因为过去十年靠规模前进的道路，他已经走到头了。 接下来要走的，是一条完全未知、没有地图的新路。 这条路很难， 很慢， 很不确定， 也很可能没有短期价值。 但也只有这条路，才能让 AI 从“机器”变成“智能体”。 你可以不同意他的观点， 但不能忽视他的方向。 很多年后回头看，我们可能会发现： 2024–2025 年，是大模型时代的分水岭。 Scaling 时代在这一年结束。 “经验学习 + 价值函数”时代从这一年开始。 ⸻ 如果你问我现在的 AI 行业最缺什么？ 不是钱，不是数据，不是算力。 是一个敢停下来做十年探索的地方。 而 Ilya，正是那个愿意重新开始的人。

配图 (可多选)

标签