近期，科技界备受瞩目的GPT-5模型发布却未能带来预期中的革命性变革，这一消息由华尔街见闻率先披露。市场的风向随之转变，对于通往通用人工智能（AGI）的路径产生了深刻质疑。尽管外界对GPT-5抱有极高期待，但用户反馈却揭示了新模型存在的低级错误，不少资深用户对其性能与“个性”变化表达了失望之情。这些反馈迅速在社交媒体上发酵，引发了硅谷内部对于生成式AI技术是否已触及当前发展阶段天花板的广泛讨论。
尽管技术层面的疑虑重重，资本市场和产业界对AI的热情并未因此减退。投资者们似乎更加关注AI在商业应用中的实际增长潜力，而非其对AGI的遥远承诺。这一转变预示着AI竞赛的重心将从追求模型能力的极限突破，转向更加务实、注重成本效益的产品化应用。
GPT-5未能达到预期的背后，是大型语言模型发展所依赖的“规模定律”正逐渐逼近其物理和经济上的极限。过去五年间，OpenAI、Anthropic等企业一直遵循着“投入更多数据、更强算力，创造更大、更好模型”的简单逻辑。然而，随着数据资源的日益枯竭以及算力面临的物理和经济双重限制，这一路径的可持续性正受到严峻挑战。
加州大学伯克利分校计算机科学教授Stuart Russell指出，当前AI领域面临的困境与1980年代的泡沫破裂有着惊人的相似之处。然而，尽管如此，资本仍在源源不断地涌入AI初创企业和基础设施项目。据统计，今年AI领域已占据了全球风险投资总额的33%，显示出市场对AI未来发展的坚定信心。
与此同时，AI竞赛的性质也在悄然发生变化。越来越多的AI企业开始意识到，他们正在为产品构建基础设施，这一趋势也反映在了企业战略上。OpenAI等企业已经开始派遣“前线部署工程师”入驻客户公司，协助其集成AI模型。这一举措不仅提升了客户的使用体验，也进一步挖掘了当前AI模型的应用价值。
