2025 年 11 月 26 日，AI 领域顶尖研究者、SSI（超级智能研究所）核心成员 Ilya Sutskever 在近 2 万字的深度访谈中抛出重磅观点：当前大模型依赖 “预训练 + 规模扩张” 的 “大力出奇迹” 路线已明显遇阻，AI 行业正从 “规模时代” 重新回归 “科研时代”。这一论断不仅引发业内对大模型发展路径的重新审视，更揭开了当前 AI 泛化能力不足、经济价值滞后等核心痛点的深层原因。
核心论断：“规模竞赛” 难破瓶颈，科研范式亟待重构
Ilya 在访谈中直言，2020-2025 年的 “规模化时代” 虽推动大模型能力快速提升，但当模型规模已达极致时，单纯扩大参数量、增加算力投入，难以带来根本性突破。“你真的会相信再扩大 100 倍就能彻底改变一切吗？会有变化，但不会是划时代的转折。” 他强调，过去五年行业沉迷 “继续扩大” 的单一思路，本质是因预训练模式具备 “低风险、可预期” 的收益，但如今数据有限的硬上限已逐渐显现，继续依赖规模扩张，无异于 “用更多算力掩盖研究的缺失”。
这一观点与 Yann LeCun 多年来 “LLM 已死” 的论调形成呼应，LeCun 甚至在社交平台转发梗图调侃：“为何我早说的话没人在意？” 但 Ilya 进一步指出，行业并非要否定规模化本身，而是需重构研究范式 —— 从 “追求更大” 转向 “追求更高效的学习机制”，尤其要解决大模型泛化能力远逊于人类的核心问题。
痛点剖析：评测优秀与现实拉胯，问题出在哪？
访谈中，Ilya 深入分析了当前大模型的核心矛盾：为何模型在评测中表现惊艳（如编程竞赛超人类），但在实际场景中却频繁出错（如反复引入相同 bug）？他提出两点关键解释：
一是 “RL 训练的目标偏差”。当前企业为提升评测成绩，会从 eval（评估指标）中汲取灵感设计 RL 环境，导致模型成为 “极致的评测应试者”，类似 “学生刷遍竞赛题却缺乏真实编程素养”。例如，模型能在编程竞赛中快速实现算法，却无法在真实代码库中做出合理判断，本质是训练数据与真实需求脱节。
二是 “预训练的泛化假象”。预训练虽依赖海量数据，但这些数据只是 “人类把世界投射到文本上的一层”，模型并未真正理解世界。Ilya 以 “情感缺失者无法决策” 为例类比：人类的价值判断依赖进化形成的情感调节，而大模型缺乏类似的 “内在反馈机制”，即便掌握海量知识，也难以在复杂场景中做出稳健决策。
未来方向：从 “规模扩张” 到 “效率革命”，5-20 年迈向类人学习
对于 AI 的下一阶段发展，Ilya 提出三大核心方向：
1. 重视价值函数的效率提升
Ilya 认为，当前强化学习（RL）因迭代周期长、学习增益小，成为 “算力黑洞”，而价值函数能缩短学习反馈周期（如提前判断错误路径），大幅提升算力利用效率。“价值函数能做到的，不用它也能做到，但速度会慢很多。” 他预测，价值函数将成为未来 RL 优化的关键突破口。
2. 探索类人学习的 “通用机制”
人类仅需少量数据就能快速掌握新技能（如青少年 10 小时学会开车），核心在于 “内在价值体系 + 高效学习机制”。Ilya 推测，人类的学习能力并非依赖复杂的进化先验（如语言、编程等近期能力），而是某种更基础的 “通用机器学习能力”。未来 AI 需模仿这种机制，摆脱对海量标注数据的依赖，实现 “样本高效的持续学习”。
3. 接受 “科研时代” 的试错本质
Ilya 将 AI 发展划分为三个阶段：2012-2020 年 “研究时代”（AlexNet、Transformer 诞生）、2020-2025 年 “规模化时代”（GPT-3 为代表）、2025 年后 “新研究时代”。他强调，新研究时代无需无限制算力 ——AlexNet 仅用 2 块 GPU，Transformer 初期实验仅需 8-64 块 GPU，关键是 “找到正确的方向”。SSI 目前的研究也印证这一点：尽管总经费 30 亿美元远低于 OpenAI，但因资金集中用于研究，仍具备充足的实验算力。
超级智能展望：5-20 年实现类人学习，需平衡能力与安全
谈及超级智能的发展时间表，Ilya 给出 “5-20 年” 的预测，但强调这并非 “掌握所有技能的成品”，而是 “能学会任何技能的可成长心智”，类似 “求知欲旺盛的 15 岁少年”。他同时警示，超级智能的风险核心在于 “力量不可控”，需提前规划：
一是 “逐步部署与公众适应”。即便追求超级智能，也需分阶段推进，让社会逐步感受 AI 的力量，避免认知断层。
二是 “构建关怀感知生命的 AI”。Ilya 提出，未来 AI 应具备对 “所有感知生命” 的关怀，这比仅关注人类更易实现 —— 因 AI 本身可能具备感知能力，类似人类对动物的同理心，可通过模拟自身回路理解他者。
三是 “限制超级智能的能力边界”。对于 “大陆级规模” 的超强计算集群，需通过协议或技术手段施加限制，避免单一 AI 垄断能力。
行业影响：从 “一家独大” 到 “多元竞争”
Ilya 预判，未来 AI 行业不会出现 “一家率先突破超级智能并垄断” 的局面。一方面，市场偏好多样化、专业化，不同公司会在细分领域深耕（如诉讼 AI、科研 AI）；另一方面，信息会快速扩散，一家公司的突破会迅速被行业跟进，形成 “竞争 – 迭代” 的良性循环。
他同时提到，SSI 的独特之处在于 “纯粹的研究导向”—— 不追求短期商业化，专注验证 “理解与概括” 的核心思路。尽管前联合创始人因 Meta 收购离开，但 SSI 仍以 320 亿美元估值推进融资，聚焦 “安全的超级智能研发”。
从 “规模竞赛” 到 “科研回归”，Ilya 的发声不仅为 AI 行业敲响警钟，更指明了下一阶段的发展方向。正如他所言：“AI 的影响会真正渗透进经济体系，冲击会非常明显。但只有先解决学习机制的效率问题，才能让这种冲击走向良性。”
