Sam Altman 声称规模化怀疑论者阻碍了 AI 的发展

OpenAI CEO Sam Altman 正在进一步强调规模化的力量，他认为上一代研究人员由于低估了大语言模型 (LLMs) 的潜力，从而扼杀了进步。随着关于 Transformer 架构天花板的争论日益激烈，Altman 断言，经验证据压倒性地支持持续扩大算力和数据规模。

思想教条主义的代价

在最近一次斯坦福大学的亮相中，Altman 谈到了规模化支持者与怀疑论者之间的摩擦，特别提到了像 Meta 的 Yann LeCun 这样的批评者，后者曾著名地将 LLMs 描述为“死胡同”。Altman 暗示，对规模化假设的许多抵制源于研究人员对 AI 不能 做什么过于自信。

他认为，一些行业人物已将自己的职业身份与特定的理论立场挂钩，这使得他们难以接受与长期信念相矛盾的新数据。虽然他承认“世界模型”对于机器人学等领域的进步至关重要，但 Altman 坚持认为，LLMs 目前的发展轨迹并非弯路，而是智能的主要引擎。

经验证明：超越模式匹配

Altman 为规模化辩护时最显著的观点之一，是 LLMs 正从单纯的文本预测器转变为具备原创性推理能力的工具。他引用了最近的一个里程碑：一个 OpenAI 模型成功反驳了一个长期以来未能被人类专家解决的数学猜想。

这一进展至关重要，因为它挑战了“LLMs 仅仅是无法进行真正发现的‘随机鹦鹉’”这一说法。“显然，LLMs 能够发现新知识，”Altman 表示，并指出数学界目前正在积极应对 AI 驱动证明所带来的影响。这种转变表明，规模化不仅提高了语言的流畅度，还扩展了认知能力的边界。

前沿：推理 vs. 长程任务

尽管持乐观态度，Altman 对该技术的当前局限性仍保持清醒的认识。他指出，在“长程任务”（long-horizon tasks）方面存在明显的性能差距——即需要长时间维持高水平判断和多步规划的复杂工作流。在这些特定领域，他承认 LLM 表现得“似乎比人类差得多”。

对于更广泛的 AI 领域而言，这一区别定义了下一个研究前沿。行业正从“为知识而扩展”（scaling for knowledge）阶段转向“为推理和智能体而扩展”（scaling for reasoning and agency）阶段。随着 OpenAI 和 Anthropic（由同样坚信扩展定律的 CEO Dario Amodei 领导）等公司继续向算力投入数十亿美元，其目标是弥合瞬时智能与可靠、长期自主性之间的差距。

核心要点

• 扩展是主要驱动力： Altman 认为，历史上低估算力和数据增长带来的影响，减缓了 AI 突破的步伐。
• 发现胜于模仿： OpenAI 模型解决复杂数学猜想的能力证明，LLM 正在向真正的知识创造迈进。
• 下一个瓶颈： 虽然扩展可以解决许多问题，但在长程、高判断要求的任务中达到人类水平的表现，仍是行业面临的下一个重大障碍。