北京
文 | 塔猴
作为深度学习领域的灵魂人物、OpenAI前首席科学家，Ilya Sutskever的名字在硅谷几乎等同于“风向标”。
在离开OpenAI并创立以安全为核心的SSI（Safe Superintelligence）后，他近期的一场万字访谈，无异于向火热的AI赛道投下了一枚深水炸弹。
Ilya在访谈中不仅系统性地复盘了AI发展的路径，更抛出了一个令行业震颤的论断：过去几年主导AI发展的“Scaling Law”（规模化法则）即将触碰到天花板。
这意味着，依靠堆砌算力、喂养数据的“暴力美学”时代正在落幕，AI行业必须从“资源竞赛”重返“范式创新”的硬核科研时代。
“高分低能”的悖论：强化学习的“诅咒”
尽管大模型在各类Benchmark（基准测试）中的分数屡创新高，但在实际的经济生产中，AI的落地应用却显得步履蹒跚。Ilya将这种“看起来很强，用起来很傻”的现象归结为强化学习（RL）带来的系统性偏差。
目前的训练机制存在严重的“奖励黑客”（Reward Hacking）现象。为了让模型在发布时获得漂亮的“跑分”，研究人员往往针对评测标准进行过度优化。
这导致AI变成了一个只会背诵题库的“应试专家”——它能完美解答见过的题型，却在面对从未见过的复杂现实任务时束手无策。
Ilya指出，人类之所以强大，不在于“刷题量”，而在于基于常识的推理与判断力。
当前的AI研发走入了一个误区：我们在制造“做题家”，而不是培养拥有真实理解力的“通才”。
赛道切换：当“数据金矿”枯竭
访谈中最具冲击力的观点，莫过于对Scaling Law（规模化法则）的看衰。
Ilya将AI的发展划分为两个截然不同的阶段：
• 2012-2020年（探索时代）： 从AlexNet到Transformer，这是由奇思妙想驱动的“研究时代”。
• 2020-2025年（规模化时代）： GPT-3之后，行业发现了“大力出奇迹”的捷径——只要投入更多算力和数据，模型效果就会线性提升。
然而，这条低风险、高回报的路径正在走到尽头。
根本原因在于高质量数据的稀缺性。
目前的互联网数据几乎已被“挖掘”殆尽，即便未来将算力规模再扩大100倍，如果没有新的数据范式，模型能力也不会产生质的飞跃。
“这就像所有人都在同一个枯竭的矿坑里挖掘。” Ilya比喻道，在过去几年，AI公司的竞争逻辑是谁的“挖掘机”（GPU算力）马力更大；而在未来，竞争逻辑将回归本质——谁能发现新的矿脉。
这意味着，AI行业的竞争壁垒将从资本密集型（拼算力）转向智力密集型（拼算法突破）。
安全博弈：超级个体的“瞬间合体”
当行业被迫重返“研究时代”，Ilya认为核心突破口在于让AI学会“持续学习”。但这将带来更深层的安全隐患。
不同于人类需要花费数十年精通一门技能，AI能够实现经验的**“瞬间融合”。
一个精通外科手术的AI和一个精通飞行的AI，可以通过数据合并，瞬间成为全能的超级个体。面对这种潜在的失控风险，Ilya提出了“增量部署”的安全策略。他反对将超级AI关在实验室里直到完美，认为这种“真空中的安全”是虚幻的。
相反，应该有控制地将越来越强的AI逐步释放到现实世界，通过真实反馈来校准其行为边界。
更有趣的是，Ilya提出了构建AI“同理心”的技术路径。他认为，与其制定冷冰冰的规则，不如通过底层架构设计，让AI具备类似人类镜像神经元的能力，使其作为一个“有情生命”去本能地关爱人类。这或许是解决对齐问题（Alignment）的终极解法。
终局思考：人类不应成为“旁观者”
在访谈的最后，Ilya对人类在AI时代的终局给出了极其冷静甚至残酷的预判。
他明确反对那种“每个人都有全能AI助手包办一切”的乌托邦愿景。
在Ilya看来，这种舒适区将是人类文明的陷阱——一旦人类失去了对事务的理解和参与，将彻底沦为被动和脆弱的附庸。
为了避免这种局面，Ilya提出了一个长期均衡方案：人类必须通过神经连接等技术，让自己成为“超级智能”的一部分。 只有当AI的认知能力能够完整传输给人类，实现人机共生，人类才能保持“完全参与”的主体地位。
Ilya Sutskever的这次发声，不仅是对技术路线的纠偏，更是对资本市场的一次预警：那个靠“堆显卡”就能讲好AI故事的时代，已经结束了。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
