从规模化到研究：AI通往AGI的范式转向与超级智能的深层呼唤

TL;DR：

在AI领域，“大力出奇迹”的规模化法则正遭遇瓶颈，Ilya Sutskever等顶尖科学家呼吁转向“研究时代”，以“情绪价值函数”和泛化能力为核心，寻求AGI的关键突破。与此同时，围绕AI的商业泡沫与就业冲击的争论愈演愈烈，预示着一场深刻的社会经济变革。

过去五年，人工智能领域的主旋律是“规模化法则”（Scaling Law）——投入更多数据、算力和模型参数，即可实现性能的显著提升。这种“大力出奇迹”的策略推动了大语言模型（LLM）的爆发式发展，甚至被OpenAI联合创始人Ilya Sutskever称为“扩展时代”（Age of Scaling）¹。然而，近期Ilya的一番言论却在硅谷掀起了轩然大波，他指出，单纯的规模化已不再能带来过往的质的飞跃，即便资源增加百倍，也可能无法实现同等程度的能力提升。这一观点，虽经他本人紧急澄清“扩展仍在带来进步，但我们仍缺失一些至关重要的东西”¹，却无疑宣告了AI发展路径的重大范式转向：从纯粹的规模堆叠，迈向深层次的研究创新。

从规模化到研究：AGI路径的范式转向

Ilya Sutskever的言论，以及他离开OpenAI创立Safe Superintelligence Inc.（SSI）²后的首次系统性阐述，都清晰地指向了一个核心观点：AI的发展正从“Scaling时代”回归“研究时代”。他将2012-2020年视为“研究时代”，新想法层出不穷；2020-2025年则被“Scaling”吸走了所有空气，核心创新乏力；而现在，预训练数据趋于枯竭，算力边际效应递减，真正的飞跃需要根本性的研究突破²。

这一转变并非否定规模化的价值，而是指出其局限性。当前，AI基础设施的投资热潮仍在持续，微软、Alphabet、Meta、亚马逊等科技巨头预计2025年资本支出总额将达到约3700亿美元，并预计在2026年继续攀升³。哈佛大学经济学家Jason Furman估计，2025年上半年，数据中心和软件处理技术的投资几乎贡献了美国全部的GDP增长³。这表明，“数字铁路”的铺设仍在如火如荼地进行，为未来的智能时代奠定基础。然而，问题的关键在于，这条“铁路”通向何方，以及如何才能高效抵达目的地。Google DeepMind CTO Koray Kavukcuoglu也强调，AI进步的动力源泉永远是创新，Gemini 3更像是一种开放式探索，需要持续寻求新架构、新想法、新方式¹。这与Ilya的观点不谋而合，共同预示着一场深层的技术范式革命。

AGI的“缺失拼图”：情绪价值函数与泛化能力

Ilya Sutskever所指的“至关重要的东西”究竟是什么？他此前的播客对话中，曾深入探讨人类智能的“天赋”：我们学习能力不仅源于经验，更来自自进化硬编码的“价值函数”。他引述了一个发人深省的案例：一个因脑损伤失去情绪能力的人，即便智力、语言、逻辑未变，却变得极其难以做决定，甚至连穿袜子都犹豫不决。这表明，情绪并非“多余的噪音”，而是决策系统不可或缺的一部分，它是一种高效的“价值函数”，指引我们判断“可行之路”与“危险方向”¹⁴。

当前的AI模型，虽有类似价值函数的训练方式（如模型打分器），但这些机制相对脆弱、粗糙，并非内置于其核心架构中。Ilya认为，这是当前模型尽管持续改进，却无法实现AGI的关键原因——我们尚未掌握构建真正可行系统架构的方法¹。他进一步指出，现有的强化学习（RL）构建的学习环境，本质上是一种“应试教育”，模型在全量数据和反复刷题下表现出色，但在遇到从未见过的陌生情况时，泛化能力严重不足，表现出“能力时高时低”的“Jaggedness”²。

因此，Ilya的愿景是转向**“素质教育”：提升模型的泛化能力和样本效率**。他设想的ASI（超级人工智能）不是一个全知全能的模型，而是一个“快速学习者”，能用小样本高效学习，并像人类一样在没有海量指令下持续学习，更像一个15岁的超级智能学习者，渴望不断学习²。这意味着AI需要一种内在的“GPS”——价值函数，让它在推理过程中就能感知到错误，大幅降低探索和推理的成本。

未来已来：AGI时间表的争论与商业投资逻辑

尽管对实现路径存在分歧，但AI领域的顶尖专家们对AGI/ASI的到来时间却有着惊人的一致性预测：Demis Hassabis说5-10年，François Chollet说大概5年，Sam Altman说可能在几千天之内，Yann LeCun说大约10年，Ilya Sutskever说5-20年，而Dario Amodei甚至最乐观地认为可能2年内。无人认为ASI是天方夜谭，也无人认为需要等待100多年¹。

围绕AI的商业投资，也展现出狂热与理性的交织。以奥特曼、盖茨和贝佐斯为代表的观点认为，当前的狂热虽伴随泡沫，但这是一种**“产业泡沫”**，如同互联网泡沫后留下的光纤和服务器，或铁路投资狂潮后建成的铁路网，最终会留下改变世界的“数字铁路”³。而英伟达掌门人黄仁勋则坚决反对“泡沫论”，他认为这并非金融游戏，而是计算方式的根本转型——从通用芯片到加速芯片，只要AI能持续产出“值得付费的智能”，便是实打实的供需关系³。这种论战凸显了对AI价值评估的深层分歧：是着眼于短期估值飙升，还是长远的基础设施与能力变革。

AI海啸下的社会重构：工作与人类价值

AI技术飞速发展带来的另一重大议题，是其对就业市场的深远影响。MIT与橡树岭国家实验室合作开发的“Iceberg Index”模拟工具指出，AI目前已具备取代美国11.7%劳动力的能力，而这次受冲击的主要是白领工作³。Anthropic CEO Dario Amodei警告，未来五年内50%的入门级白领工作可能消失；马斯克也直言，“坐在电脑前处理数字”的工作可能被AI迅速接管。图灵奖得主Geoffrey Hinton甚至“扎心”建议大家去当水管工，因为AI擅长写法律文书、做表格，却难以修理漏水的水管³。

然而，并非所有人都持悲观论调。黄仁勋反驳称，取代你的不是AI，而是“会用AI的人”；公司借助AI提升效率后会赚更多钱，并雇佣更多人来开展新项目。Yann LeCun则认为“人类是老板，AI是超级助手”，AI越强，人类越轻松。摩根大通CEO甚至描绘了一周工作3.5天的美好职场乌托邦³。

这些观点的交锋，共同指向了一个不可逆转的趋势：AI引发的“海啸”正在来临，它将重塑我们对工作、技能和人类价值的理解。无论是悲观者眼中被淹没的风险，还是乐观者眼中的冲浪机遇，人类都需要迅速适应，习得与AI共存、共创的新技能，重新定义自己在社会分工中的角色。

迈向超级智能的深层反思

Ilya Sutskever对AGI/ASI的思考，超越了纯粹的技术范畴，触及了哲学与伦理的深层。他领导的SSI致力于纯粹的研究，不追求短期产品化，正是为了避免硅谷当前“老鼠竞赛”般的浮躁氛围，避免“想法廉价，执行至上”的短视逻辑²。他构想了一个更乌托邦式的AGI生态：技术方案百花齐放，创新被珍视，世界由新观点而非新算力驱动，技术应是简洁、优雅、美的，而非大量浪费、依赖蛮力²。

在AI安全方面，Ilya提出了一个独特视角：与其让AI学习人类矛盾脆弱的价值观，不如让AI感知所有生命（包括动物和AI自身）并与之共情，通过这种机制理解自我和其他感知存在，最终可能产生关怀²。甚至，为了避免人类在超级智能面前沦为“宠物”，他抛出了一个颇具争议的设想——通过脑机接口，让人类自身也成为强大的AI，实现一种半人半神的“终极对齐”²。

这场关于AI未来路径的辩论，不仅是技术路线之争，更是对智能本质、文明进程、乃至人类自身定位的深刻反思。从“大力出奇迹”到探寻“缺失拼图”，AI的发展不再是线性的规模扩张，而是深邃的内省与范式重构。它要求我们不仅关注技术的性能指标，更要审视其内在机制、社会影响以及与人类文明的终极关系。在AI浪潮之下，真正的挑战在于，我们能否在技术洪流中保持清醒的哲学思辨，引导智能走向一个兼顾效率与伦理、创新与深度的未来。

引用

• AGI发展
• 规模化法则
• 情绪价值函数
• AI泡沫
• 未来工作
• 泛化能力