4波AI浪潮3次踩空，OpenAI把牌打成了德州扑克

2023年ChatGPT月活破亿的速度，比TikTok快了7倍。但鲜有人知的是，这其实是OpenAI第四次押注技术路线——前三次，他们差点把自己押没。

2015-2018：第一波，强化学习的「赌场幻觉」

OpenAI成立之初，强化学习（Reinforcement Learning，让AI通过试错学习策略）是唯一赌注。他们做出了击败Dota 2世界冠军的OpenAI Five，烧了数千万美元算力。内部有人把这比作「在拉斯维加斯玩21点——赢了满堂彩，但庄家规则随时会变」。

问题是，强化学习需要海量标注环境和明确奖励函数。现实世界 messy 得像火锅底料，根本找不到「赢游戏」这种清晰目标。2018年，OpenAI Five项目收缩，核心团队转岗。这是第一次路线撤退，没对外声张。

2018-2020：第二波，机器人手臂的「物理诅咒」

转投机器人领域，OpenAI开发出能解魔方的机械手。演示视频播放量破千万，评论区全是「终结者要来了」。但内部数据很骨感：单次训练成本够买一辆特斯拉，成功率却卡在60%——比人类差远了。

物理世界的摩擦力、光照变化、零件公差，每个变量都是bug。Sam Altman后来承认，「我们低估了现实世界的熵增速度」。2020年，机器人团队裁员75%，剩余人员并入研究组打杂。第二次押注，筹码清空。

2020-2022：第三波，多模态的「早产困境」

GPT-3在2020年发布时，OpenAI已经看到语言模型的潜力。但他们同时押了另一条线：DALL-E图像生成。资源被撕成两半，两边都饿得半死。

DALL-E 1生成的人脸像融化的蜡像，GPT-3的上下文窗口只有2048个词（约1500汉字）。「我们当时觉得多模态是下一代，」一位前研究员回忆，「但技术成熟度差了两个数量级。」2022年中，DALL-E团队被整体并入GPT组，图像生成降为语言模型的「插件功能」。第三次路线合并，以语言模型吞并多模态告终。

2022至今：第四波，Scaling Law的「All-in」

ChatGPT的爆发不是顿悟，是幸存者偏差。当Google还在纠结Bard会不会损害搜索广告时，OpenAI已经没有退路——前三波烧掉的钱，逼得他们必须让GPT-3.5「足够好用」。

Scaling Law（规模定律）成了唯一信仰：参数越多、数据越多、算力越多，能力越涌现。这像德州扑克里的「短筹码策略」——牌面一般，但All-in的压力让对手先怂。Google有搜索、有广告、有DeepMind，包袱太重；OpenAI只剩这一手牌，反而打得出去。

四次浪潮的隐藏成本：组织创伤

频繁转向留下了后遗症。一位2017年入职的工程师描述：「每次All-hands（全员大会）都在庆祝新方向，但没人提上一个方向为什么死。三年后，老员工学会了一件事：别问。」

这种文化催生了两个结果。一是极端的保密倾向——GPT-4训练细节至今成谜，连论文都省略了架构图。二是「演示优先」的产品节奏：ChatGPT上线时根本没有联网功能，知识截止2021年，但对话流畅度足够让投资人点头。

对比Google的PaLM 2：技术报告写了91页，API开放慢半拍，功能迭代像挤牙膏。OpenAI的「半成品策略」反而赢了——用户容忍了幻觉和偏见，因为替代品更差。

牌局还没结束：第五波在哪？

2024年的OpenAI面临新压力。GPT-4的训练成本据传超过1亿美元，推理成本让API定价成了算术题。Sam Altman在YC校友会上被问到「下一步是什么」，回答很暧昧：「可能是Agent（能自主执行任务的AI系统），可能是多模态，也可能我们全猜错。」

Agent方向的尝试已经暴露问题。GPTs商店上线三个月，头部应用日活不过几千——用户发现「定制GPT」更像高级搜索，而非真正的任务执行。多模态的Sora视频生成惊艳，但720p分辨率、20秒时长、无法物理一致，离商用还差着一代芯片。

更隐蔽的风险是数据墙。高质量文本数据预计在2026年耗尽，合成数据（让AI生成训练数据）的边际效益正在递减。OpenAI的解法是用GPT-4筛选网页内容，但「AI教AI」像近亲繁殖，误差会累积。

四家巨头的四种押注

OpenAI的四次浪潮，其实是行业的缩影。Google DeepMind选了「安全优先」——Gemini的延迟发布、过度审查，换来的是口碑崩盘。Anthropic拿了Amazon的40亿美元，走「宪法AI」路线，用规则约束模型，但Claude 3的代码能力仍落后GPT-4一截。Meta最激进，Llama系列开源换生态，却被质疑「用社区免费劳动力测试漏洞」。

四家公司的技术路线，像极了2007年的智能手机前夜：iPhone还没发布，诺基亚押Symbian，黑莓押键盘，微软押Windows Mobile。当时没人能确定「全触屏+应用商店」是唯一答案，直到有人赌对。

OpenAI的筹码已经押在桌上。2024年Q1，他们的年化收入突破34亿美元，但训练下一代模型的成本可能翻倍。Sam Altman最近频繁会见台积电和三星高管——他在找更多算力，也在找更多退路。

一位离开OpenAI的研究员在Substack写道：「我们曾以为AGI（通用人工智能）是登山，找到正确路线就能登顶。现在觉得更像是冲浪——等浪来，浪走了就趴下，下一波可能更高，也可能把你拍进海底。」

第四波还在浪尖上。但浪的形状，从来由海底地形决定，而非冲浪者的意愿。