当AI巨头纷纷“跑路”，大语言模型或许真是场“中文屋”幻觉

最近两年，大语言模型（LLM）席卷全球，GPT-4、Claude、Gemini 轮番登场，似乎通用人工智能（AGI）的曙光已经在地平线上亮起。然而，一个越来越难以忽视的问题是：我们是否正在集体陷入一场“智能”的集体幻觉？

现在的大模型，真的走在正确的道路上吗？

其实，不仅普通用户开始产生审美疲劳，连站在人工智能金字塔尖的大佬们，也已经用脚投票了。

如果你关注 AI 圈的动向，会发现一个耐人寻味的现象：AI 领域的“三幻神”之一、图灵奖得主杨立昆（Yann LeCun）离开了 Meta，另起炉灶创办新公司；而 AlphaGo 之父、DeepMind 元老 David Silver 也在 2026 年初毅然出走，创立了一家名为“不可言说的智能”的初创企业。这两位大神，前者摒弃 LLM 路线，押注 JEPA（联合嵌入预测架构），试图让 AI 通过图像、视频和传感器数据去理解物理世界的规律；后者则重拾 AlphaZero 时代的信仰，走纯粹的强化学习路线，完全绕开人类语料，指望在自我博弈中涌现真正的智能。

更值得玩味的是，这两家产品都没有的新公司，各自都拿到了十亿美元量级的融资。

资本从来是最诚实的。投资方愿意花天价押注两条尚未验证的新路线，本身就传递出一个清晰的信号：他们对现有的大语言模型路线，有着深层的忧虑。 如果 LLM 这条路真的完美无缺，直通 AGI，谁又会在半路花十个亿去另辟蹊径呢？

不禁让我想起一个诞生于 1980 年的哲学思想实验——中文屋。

美国哲学家约翰·塞尔当年为了反驳“强人工智能”的论断，设想了这样一个场景：一个完全不懂中文的人被关在房间里，房间里有一本用英文写成、极其详尽的中文规则手册。窗外的人递进一张写满中文问题的纸条，屋里的人虽然一个字也不认识，但他可以像查字典一样，在手册里找到对应的问题图形，再照葫芦画瓢抄下手册给出的答案，递出窗外。

窗外的人看到对答如流，便以为屋里的人精通中文。但屋里的人真的“理解”中文吗？他全程只是在做纯粹的符号匹配和复制，对问题的含义和答案的内容毫无知觉。他就像一个高度精密的目录索引器，看似智能，实则与“理解”毫无关系。

现在，请仔细想一想：今天我们惊为天人的大语言模型，在本质上，是否就是一个参数规模大到难以想象、手册厚度惊人、检索速度极快的“超大型中文屋”？

它并不理解什么是“太阳”，什么是“小猫”，什么是“悲伤”。它只是在海量的互联网文本数据中，学习到了“太阳”后面经常跟着“升起”或“落下”，“小猫”的图像标签经常与“月光”和“奔跑”一同出现。当你让它生成“小猫在月光下奔跑”的视频时，它所做的，不过是把数据库中与“小猫”、“月光”、“奔跑”相关的数据片段，按照学习到的统计规律，进行一场概率层面的排列组合与拟合。

这是数据层面的重新拼接，是“死智慧”的排列组合，而非在理解世界基础上的创造性涌现。

更致命的一点在于，那本“中文规则手册”是被冻结在某一时刻的语法切片，它无法应对语言本身的鲜活演变。昨天的网络热梗，今天可能就过时了；现实中持续发生的新事件、新知识，一旦超出训练数据的截止日期，模型就两眼一抹黑。它就像一个巨大而精密的百科全书，你可以说这本书极其好用——正如人类历史上书籍对文明的推动作用一样——但没有人会把一本写满前人智慧结晶的书，称作“强人工智能”。

书，是前人智慧的切片冻结。它无法自主更新，无法处理书外的问题，更无法凭借旧经验，在遇到全新数据时，独立演绎、推导出新的知识体系。

为了更直观地说明这一点，我们不妨做一个大胆的思想实验——“外星文本假设”。

假设在未来的某一天，人类截获了来自另一个宇宙的文明所遗留的海量语言文字。那个宇宙的物理规律与我们完全不同，没有光与暗，没有上下左右，没有四大基本作用力。那里的“生物”甚至没有“你我他”的个体概念，只有一个超级个体存在，它身上的每一个器官都是独立的延伸。我们截获的文本，不过是它身体各器官之间交流的神经信号而已。这些信号中还充满了各种错误和噪声，因为这个超级生物本身也只是个有限的智能体，并非全知全能。

现在，面对这样一堆在我们眼中如同乱码的数据，人类唯一能做的，就是利用统计学工具，去发现某些串码出现之后，大概率会跟着另外一些特定串码的规律。我们可以搭建一个极其复杂的预测模型，根据这些规律进行“下一个 token”的完美预测，甚至能生成一段看似非常连贯的“外星回复”。

但问题是：人类能通过这些单纯的统计拟合，去真正“理解”那个光怪陆离的外宇宙的真实面貌吗？能推导出比那个超级外星生物更深刻的外宇宙物理规律吗？

答案大概率是否定的。因为你从未在那个宇宙中“活过”，从未有过哪怕一秒钟的感官体验和物理交互。你所有的“理解”，都建立在二维的文字符号映射之上。

这，就是大语言模型与人类所处现实世界之间的天然鸿沟。

计算机的“宇宙”是电流、是矩阵运算、是高维向量空间。而我们人类的宇宙，有温度、有触感、有情感、有无可名状的直觉与顿悟。LLM 试图仅通过人类语言这一种高度抽象、充满歧义且本身就有信息损耗的符号系统，来完整地倒推和复刻出背后那个庞大、立体、变化万千的物理世界与心灵世界。这就像试图通过研究一棵树的年轮，去还原整个森林生态系统的雨季和虫鸣。

这并非全盘否定大模型的价值。作为升级版的百科全书、高阶版的索引工具，它正在将人类的知识调用能力提升到一个前所未有的高度。但工具的强大，不等于智能的诞生。真正能通向 AGI 的道路，或许需要 AI 像人类婴儿一样，睁开“眼睛”去看，伸出“手”去触摸，在物理世界或高仿真的模拟环境中，通过行动去理解因果，通过感官与世界建立连接，在无数次试错中像 AlphaZero 一样“长出”关于世界的原始直觉。

大佬们的集体“叛逃”和资本的天价押注，或许正是在为这种思路转变写下最沉重的时代注脚。我们曾为 AI 流畅的对答而惊艳，但现在，是时候分清这到底是真正的理解，还是一场穿着概率外衣的古老魔术了。

中文屋的门，或许从未被真正推开过。