Ilya 的观点刷屏了

过去几天，Ilya 的观点刷屏。

坦白说，看完他的那段访谈，我第一次清晰地感觉到：
大模型行业真的到了一个拐点。

不是要倒退什么，而是——靠规模堆上去的那条路，走到了尽头。

⸻

**01

为什么大家都说“OpenAI 失去 Ilya，很可惜”？**

因为过去十年，大模型行业几乎所有关键突破，都发生在两个团队手里：
• DeepMind 做出了 AlphaGo → 证明深度学习能推理
• OpenAI 做出了 GPT 系列 → 证明语言模型能通向通用智能

而 Ilya 是其中最早、最少被宣传、但最关键的核心人物。

别人做工程，他做方向。
别人做产品，他做范式。

这次访谈，他提出两个今天行业几乎没人敢谈的问题，却正好戳穿行业的表层繁荣。

⸻

**02

“大模型像百科全书，不像智能体。”**

这是 Ilya 的第一个观点。

一句话解释：

现在所有大模型，都是靠摄入海量数据，然后在训练过程中把世界“压缩”进参数里。
它们很聪明，但不会在真实世界里“成长”。

你问它越多，它回答越好。
但它不是“变得更懂”，只是“记得更多”。

这意味着：
• 它不能自己积累经验
• 不能像人那样越用越聪明
• 不能在现实任务中自我优化
• 学新东西速度极慢、成本极高

本质上：
它是一次性训练的静态智能，不是可成长的动态智能。

这就是为什么 GPT-4 到 GPT-5 的提升越来越像“打磨”，不像“革命”。
行业内部都知道：Scaling 的边际效应在快速下降。

⸻

**03

“人类为什么能快速学习？因为我们有价值函数。”**

这是 Ilya 的第二个观点，也是最深的那个。

什么叫价值函数？

非常直白：

人脑在做对某件事时，会自动给自己一个“微弱的奖励”。
不需要别人说好，也不需要考试评分。
大脑自己知道“这样更好”。

走路走稳一点 → 正反馈
拍球拍顺一点 → 正反馈
快要摔倒 → 负反馈

于是我们可以在 极小的信号 中学到 极强的技能。

而现在的大模型学习方式是：
• 给它任务
• 给它提示
• 给它奖励
• 给它人类评价
• 再微调几万亿次

换句话说：

大模型只有外部奖励，没有内部价值。

这就导致：
它学得很慢，不能主动改进，不能自己纠偏，更不能像人类一样“顿悟”。

为什么行业没人做价值函数？
Ilya 说得很直——
因为太难了。根本没人知道该怎么做。

⸻

**04

Scaling 时代的尽头：大家都看到了，但没人敢停下**

你会发现今天的 AI 领域出现一个奇怪现象：
• 每家公司都在卷推理速度
• 卷模型大小
• 卷发布节奏
• 卷商业化
• 卷价格战
• 卷扩展能力

却很少有人在卷“智能本身”。

为什么？

因为市场不等你。

去年一年，每一家巨头都被资本催着：

“快发新模型！”
“快抢市场！”
“快上产品！”
“用户跑了怎么办？”
“别人搜上你就完了！”

于是所有人都在拼命奔跑，却没有人真的在思考：

我们是不是已经在旧路上跑到了尽头？

没人敢重新停下来做十年基础研究。
也没人敢押注一个不确定的方向。

但偏偏，真正的突破可能都在这些“不确定”里。

⸻

**05

瓶颈真的已经来了？我认为：是的，但不是坏事。**

我越来越相信：

未来两三年，AI 的“智能”会进入瓶颈期，但 AI 的“应用”会井喷。

我们会看到：
• 更快
• 更便宜
• 更稳定
• 更丰富的能力
• 更成熟的产品生态

但不会看到：
• 人类级推理
• 主动学习
• 真正意义上的智能增长
• 自主形成知识
• 拥有自己的价值体系

换句话说：

AGI 不会像大家想得那么快到来。

但这是好事。

历史上每一次真正的范式跃迁前，都有至少三年的缓慢期：
• 深度学习之前有十年停滞
• 图形化界面之前有五年停滞
• 移动互联网之前也有四年停滞

真正的革新，总是在沉默期发生的。

⸻

**06

Ilya 离开 OpenAI，可能是这个时代最重要的信号**

他在 OpenAI 可以调全世界最强的算力。
但他选择离开。

为什么？

因为过去十年靠规模前进的道路，他已经走到头了。
接下来要走的，是一条完全未知、没有地图的新路。

这条路很难，
很慢，
很不确定，
也很可能没有短期价值。

但也只有这条路，才能让 AI 从“机器”变成“智能体”。

你可以不同意他的观点，
但不能忽视他的方向。

很多年后回头看，我们可能会发现：

2024–2025 年，是大模型时代的分水岭。
Scaling 时代在这一年结束。
“经验学习 + 价值函数”时代从这一年开始。

⸻

如果你问我现在的 AI 行业最缺什么？
不是钱，不是数据，不是算力。

是一个敢停下来做十年探索的地方。

而 Ilya，正是那个愿意重新开始的人。