人工智能领域正经历一场深刻反思，伊利亚·苏茨克沃（Ilya Sutskever）的最新观点引发行业震动。这位OpenAI前首席科学家在访谈中直言，当前人工智能发展路径存在根本性偏差，单纯依赖算力扩张的模式已触及天花板。他创立的“安全超级智能公司”（SSI）正以全新理念挑战行业惯性，其核心论断与谷歌近期技术突破形成呼应，预示着AI产业竞争即将进入新阶段。
苏茨克沃将2020至2025年定义为“规模扩张时代”，这个阶段通过算力、数据与模型参数的固定比例混合实现性能提升。但这种确定性正在消散：高质量训练数据接近枯竭，合成数据收益递减，实验室扩张曲线趋于平缓。更关键的是，现有模型在基准测试中的优异表现无法转化为真实场景的可靠能力，暴露出基础架构的深层缺陷。他以代码助手为例：模型能修复特定漏洞却陷入死循环，在编程竞赛中碾压人类却在相邻任务中表现拙劣，这种“专才式”发展模式与人类智能的“通才式”适应形成鲜明对比。
谷歌的技术进展印证了苏茨克沃的判断。该公司通过优化理论框架，在算力需求可控的前提下实现性能突破，从GPU到TPU的硬件迭代路径证明，正确的理论方向比单纯堆砌算力更关键。这种“软硬一体”的竞争模型正在重塑行业规则，要求企业同时具备硬件设计制造与算法演进能力。苏茨克沃强调，现有模型的泛化能力与人类存在本质差距，这种缺陷导致AI对齐、价值学习等衍生问题难以解决，修复底层机制才是突破关键。
SSI公司的运营模式体现了这种研究导向。与传统实验室不同，其30亿美元融资不用于产品开发或推理基础设施，而是专注于验证泛化理论。苏茨克沃认为，真正的范式突破不需要最大算力规模——AlexNet仅用两块GPU训练，初始Transformer模型也仅需8至64块GPU。他质疑行业将过多资源投入推理负载与多模态研发，导致核心研究预算被稀释。这种“小团队挑战巨头”的底气，源于对理论正确性的绝对信仰：若方向错误，再多算力也只是徒劳。
访谈中更引发争议的是对AGI概念的重新定义。苏茨克沃指出，人类智能并非通用型，而是通过基础能力与经验积累形成技能网络。这种认知直接影响部署策略：与其追求“全知系统”，不如构建“快速学习系统”。他预言，具备类人泛化能力的学习系统将在5至20年内出现，具体时间取决于技术路径选择。这种不确定性反而坚定了他的研究信念：当规模扩张失效时，行业将回归2020年前的探索模式，依靠研究者对“正确方向”的直觉判断穿越技术迷雾。
对于AI安全，苏茨克沃提出更具哲学色彩的解决方案。他主张将共情范围扩展至所有感知生命，理由是人类自身就存在跨物种共情机制——我们会为动物电影流泪，踩到蚂蚁时会愧疚。这种“效率驱动的共情”源于大脑的神经机制统一性，可能为机器对齐提供新思路。尽管神经科学界对此存在争议，但苏茨克沃强调，这种思考深度远超行业平均水平，其结论值得严肃对待。
当被问及如何识别有潜力的研究方向时，苏茨克沃将“研究品味”归结为对生物智能的正确借鉴。他倾向于选择优美、简洁且符合神经科学原理的路径，同时保持对理论正确性的绝对信仰。这种信仰支撑他穿越多次实验失败，最终在深度学习领域取得开创性成果。随着规模扩张时代的终结，这种“花钱买不来”的研究品味，或将重新成为AI竞争的核心要素。
