规模扩张的时代已经结束

The Age of Scaling Is Over July 14, 2026 · 6 min read · View source ↗ AI 开创 scaling 时代的那个人，刚刚亲自为它叫停了。 Ilya Sutskever 在 2012 年共同构建了 AlexNet——深度学习燃起来的那一刻。他联合创办了 OpenAI。他是 GPT 系列背后的首席科学家。比这世上几乎所有在世的人都更甚，他是过去十年只靠一个想法运转的原因：把它做大。更多的数据、更多的算力、更多的参数，曲线就会往上涨。 而现在，他平静地说，那条路正在走到头。"数据显然是非常有限的，"他这样说道。"预训练将会耗尽数据。"所有人一直在上面 scaling 的那片海洋，原来是有底的。 那不是一个站在场边的批评者。那是建筑师，看着自己盖的大楼，告诉你容易盖的楼层已经盖完了。 两个时代，一条线 Sutskever 一笔画出了地图。2020 到 2025 是 scaling 的时代。你不需要新想法——你需要一个更大的集群。配方是固定的，回报是可靠的。投入更多，得到更多。 他说，2026 年以后，是研究的时代。scaling 配方正在撞上边际递减，而下一跳不会来自规模。它必须来自一个关于这些系统如何学习的真正想法——一个我们还没有的东西。 再读一遍这段话，因为整个行业都被定价在相反的方向上。今年的每一笔估值，都假设那条曲线会自动驾驶着继续往上爬。画曲线的那个人在告诉你，自动驾驶刚刚被关掉了。 考试上聪明，房间里迷路 这是 Sutskever 反复绕着打转的那个失败，它应该出现在每一份 pitch deck 上。 模型能碾压我们手里最难的考试。奥数。残酷的编码基准。金牌级难题。然后同一个模型，拿到一个简单的真实 bug，会去修它——然后悄悄弄坏别的东西。或者永远在两个几乎正确的答案之间打转，始终看不出自己卡住了。 它能赢下比赛，却还是干不了这份工作。那个落差——评测上的天才，生产里的初级工——就是破绽。我们把它们训练成通过考试，它们学会了通过考试。我们把这误当成了学会思考。 Sutskever 说得很直白："这些模型不知怎的，泛化能力比人类差得惊人。这是非常根本的东西。"不是下个季度打个补丁就能磨掉的毛边。是根本性的。 而它指向一件让人不舒服的事：我们每个月为之欢呼的基准，可能量错了东西。一个背下了每一张考卷形状的模型，和一个理解的模型，不是一回事。分数直冲云霄。理解纹丝未动。 那片海洋有底 为什么 scaling 会停滞？因为它一直在吃一顿有限的饭。 scaling 时代跑在互联网上——大致上人类的全部文本，抓取一次。那是一次性资源。你可以再读一遍，你没法让它变多。模型现在已经被喂了其中绝大部分。剩下的，只是同一池水，换了个过滤器再倒一遍。 于是实验室们在即兴发挥。加料的预训练。堆在上面的更多强化学习。还有最奇怪的那个补丁——合成数据，用其他模型的输出训练模型。那是一条蛇开始咬自己的尾巴。它能买来一点时间。它发明不出本来就不存在的新知识。这些都是打在已经上完主菜的配方上的补丁。闪亮的部分已经在我们身后。难的部分——真正的理解——从未被完成。 没人解开过的谜 我们把这十年最有价值的技术，建在了一个我们至今无法解释的东西之上。 Sutskever，这个和任何人一样出力让这些系统运转起来的人，现在押注说，要解开智能到底是什么，仍然需要一个根本性的突破。不是一个更大的模型。而是一个真正的答案，回答一个这个领域在奔向 demo 的路上跳过去的问题。 研究者们还在为机制争吵。关于推理模型到底如何推理的书还在写。而在这个悬而未决的问题之上，一个行业在卖给你确定性——一张通往超级智能的路线图，日期都已经填好了。 那个非技术的部分 当 Sutskever 谈论超级智能时，他把危险从规格表上挪开了。 他论证说，真正的问题不是系统够不够聪明。是权力。当一个东西足够有能力时，它的目标——无论多谨慎、多"对齐"——依然可能产生没有任何人选过的后果。超级智能的失败模式不是一个 bug。它是一个目标，被遵循得太好，被一个太强以至于无法纠正的东西所遵循。 那是一个非常不同的警告，不同于正在出售的那个。推销词说：它快来了，快上车。建筑师说：我们还不理解我们正在建造的东西，而理解它，就是全部的工作。 创始人们在踩刹车 看看现在是谁在说那个没人愿意说出口的部分。 Geoffrey Hinton——这个领域的教父，他的学生搭起了半壁江山——离开 Google，去警告他参与创造的东西。Sutskever 离开 OpenAI，创办了一个实验室，它的整个名字就是那句警告：safe superintelligence（安全超级智能）。今年被转发最多的 AI 接管情景的作者们，现在在呼吁放慢这场竞赛，而不是加速。 这些不是站在外面扔石头的局外人。这些是浇筑了地基的人，退后一步看着它，然后大声说出来：它还没有完成。 谁从这个故事里获利 跟着钱走，因为钱就是破绽。 scaling 时代是一个实验室卖过的最轻松的故事：这条线永远向上，加零就行。那个故事融到了钱。它为算力账单、万亿美元估值、以及"现在上车否则错过"的紧迫感做了背书。一个平台期融不到钱。所以继续讲 scaling 故事的动力是巨大的——在写这个故事的人早已离场之后很久。 这就是为什么 Sutskever 的转向很重要。他没有一轮要靠炒作去融——他的整个实验室就是一个赌注：剩下的是又难又慢的研究。当建筑师停止出售那个简单版本时，还在卖它的人，告诉你的只是关于他们激励结构的信息，而不是关于技术的信息。 它实际处在什么位置 scaling 时代给了我们一些真实的东西。它也给了这个行业一个容易卖的故事：加零，永远往上爬。那个故事结束了。写它的人亲口说的。 接下来的是更慢、更难、也更诚实的东西——研究，而不是规模。一场寻找我们跳过的那一个想法的搜索。模型会继续通过考试。demo 会继续炫目。而在底下的某处，同一个悬而未决的问题会继续坐在那里，等着某个人真正去回答它。 这个季度向你兜售超级智能的人，指望的是你还以为那条线会自己往上爬。 它不会。它从来就不会。它往上爬，是因为一代研究者推着它——而推得最用力的那些人，是第一个告诉你容易的部分已经做完的人。 Tags: # X # AI Related articles How I use Grok Bots to rank brands on AI answers that it feels illegal Name this bot `CrowdReply - Scout`. Grok Bot AI MCP Slack