一、认识的转变 十四个月前，奥特曼在公开场合宣称OpenAI已经掌握了构建通用人工智能的方法论，剩下的只是执行问题。这曾被业界理解为OpenAI对自身技术路线的绝对自信。 但在斯坦福大学TreeHacks黑客松的最近演讲中，他的表述改变了。他坦言当前大型语言模型存在明确的能力瓶颈，突破它需要一种全新的架构创新——其颠覆力应该相当于Transformer对LSTM的影响。更关键的是，他并未声称已找到这种新架构，而是认为它有待发现。这个措辞的细微转变，反映出从"我们知道答案"到"我们需要寻找答案"的根本性转向。 类似的调整在产业领导者中普遍出现。马斯克的xAI公开承认首次尝试失败，需要重新开始。扎克伯格推迟了Meta旗舰模型的发布，未给出明确时间表。谷歌和微软的高管则在多个场合暗示，对单纯依靠规模驱动的AI进步持保留态度。这些来自产业一线的信号共同表明，曾经被奉为圭臬的"扩展定律"正在失去其绝对权威性。 二、学术界的预判 有趣的是，部分深度参与AI研究的科学家早已做出了类似判断。Meta首席AI科学家勒昆长期主张，大型语言模型可能代表了错误的技术路线，真正的人类级智能需要全新架构。DeepMind联合创始人哈萨比斯逐步淡出公众视野，OpenAI联合创始人苏茨克维尔离职后创办新公司，鲜少发声。这些核心参与者的沉默或转向，同样说明学术界对现有路线的反思已经深化。 认知科学家加里·马库斯四年前就质疑单纯规模扩展的可行性，当时遭到业界嘲讽。如今看到奥特曼的最新表态与自己的观点相符，他只是简短地记录了此转变。 三、投资困境与风险 问题在于，这场技术认识的转变来得过晚，与资本投资的节奏严重错位。全球科技公司和主权基金正在规划或建设的AI数据中心投资规模已超过数万亿美元，仅美国"星际之门"项目就承诺投入5000亿美元。这些巨额投资的核心假设是"继续扩展就能产生新的能力涌现"。如果这一假设被证明不可持续，这些基础设施的经济账式就难以平衡。 更深层的问题是，这些数据中心将产生巨大的电力消耗、水资源消耗和碳排放，而最终交付的AI能力可能远低于投资者和政策制定者被许诺的水平。这不仅涉及商业效益，还关系到资源配置的合理性和环保承载能力。马库斯直言，当"规模通向AGI"的论证站不住脚时，这些投资的逻辑需要重新审视，有关方可能最终需要政府干预来处理投资失利。 四、路径的不确定性 奥特曼的表态说明了智识上的诚实，承认了现有路线的局限。但这背后隐藏着一个更深层的问题：当前技术路径还能走多远，新的突破口在何处，目前没人能给出明确答案。整个产业正面临战略性的不确定性——大量资本已按旧逻辑配置，但新方向尚未明朗。
人工智能的发展正处于关键转折点。当狂热褪去，理性回归，这场关于技术路径的反思或许正是行业走向成熟的标志。在追求突破的同时，如何平衡短期利益与长期发展，协调技术创新与社会效益，将成为决定AI能否健康前行的核心问题。人类对智能本质的探索从未停止，而每一次重大突破往往始于对现状的清醒认知。