文 | 塔猴
作为深度学习领域的灵魂人物、OpenAI 前首席科学家，Ilya Sutskever 的名字在硅谷几乎等同于 " 风向标 "。
在离开 OpenAI 并创立以安全为核心的 SSI（Safe Superintelligence）后，他近期的一场万字访谈，无异于向火热的 AI 赛道投下了一枚深水炸弹。
Ilya 在访谈中不仅系统性地复盘了 AI 发展的路径，更抛出了一个令行业震颤的论断：过去几年主导 AI 发展的 "Scaling Law"（规模化法则）即将触碰到天花板。
这意味着，依靠堆砌算力、喂养数据的 " 暴力美学 " 时代正在落幕，AI 行业必须从 " 资源竞赛 " 重返 " 范式创新 " 的硬核科研时代。
" 高分低能 " 的悖论：强化学习的 " 诅咒 "
尽管大模型在各类 Benchmark（基准测试）中的分数屡创新高，但在实际的经济生产中，AI 的落地应用却显得步履蹒跚。Ilya 将这种 " 看起来很强，用起来很傻 " 的现象归结为强化学习（RL）带来的系统性偏差。
目前的训练机制存在严重的 " 奖励黑客 "（Reward Hacking）现象。为了让模型在发布时获得漂亮的 " 跑分 "，研究人员往往针对评测标准进行过度优化。
这导致 AI 变成了一个只会背诵题库的 " 应试专家 " ——它能完美解答见过的题型，却在面对从未见过的复杂现实任务时束手无策。
Ilya 指出，人类之所以强大，不在于 " 刷题量 "，而在于基于常识的推理与判断力。
当前的 AI 研发走入了一个误区：我们在制造 " 做题家 "，而不是培养拥有真实理解力的 " 通才 "。
赛道切换：当 " 数据金矿 " 枯竭
访谈中最具冲击力的观点，莫过于对 Scaling Law（规模化法则）的看衰。
Ilya 将 AI 的发展划分为两个截然不同的阶段：
2012-2020 年（探索时代）： 从 AlexNet 到 Transformer，这是由奇思妙想驱动的 " 研究时代 "。
2020-2025 年（规模化时代）： GPT-3 之后，行业发现了 " 大力出奇迹 " 的捷径——只要投入更多算力和数据，模型效果就会线性提升。
然而，这条低风险、高回报的路径正在走到尽头。
根本原因在于高质量数据的稀缺性。
目前的互联网数据几乎已被 " 挖掘 " 殆尽，即便未来将算力规模再扩大 100 倍，如果没有新的数据范式，模型能力也不会产生质的飞跃。
" 这就像所有人都在同一个枯竭的矿坑里挖掘。" Ilya 比喻道，在过去几年，AI 公司的竞争逻辑是谁的 " 挖掘机 "（GPU 算力）马力更大；而在未来，竞争逻辑将回归本质——谁能发现新的矿脉。
这意味着，AI 行业的竞争壁垒将从资本密集型（拼算力）转向智力密集型（拼算法突破）。
安全博弈：超级个体的 " 瞬间合体 "
当行业被迫重返 " 研究时代 "，Ilya 认为核心突破口在于让 AI 学会 " 持续学习 "。但这将带来更深层的安全隐患。
不同于人类需要花费数十年精通一门技能，AI 能够实现经验的 **" 瞬间融合 "。
一个精通外科手术的 AI 和一个精通飞行的 AI，可以通过数据合并，瞬间成为全能的超级个体。面对这种潜在的失控风险，Ilya 提出了 " 增量部署 " 的安全策略。他反对将超级 AI 关在实验室里直到完美，认为这种 " 真空中的安全 " 是虚幻的。
相反，应该有控制地将越来越强的 AI 逐步释放到现实世界，通过真实反馈来校准其行为边界。
更有趣的是，Ilya 提出了构建 AI" 同理心 " 的技术路径。他认为，与其制定冷冰冰的规则，不如通过底层架构设计，让 AI 具备类似人类镜像神经元的能力，使其作为一个 " 有情生命 " 去本能地关爱人类。这或许是解决对齐问题（Alignment）的终极解法。
终局思考：人类不应成为 " 旁观者 "
在访谈的最后，Ilya 对人类在 AI 时代的终局给出了极其冷静甚至残酷的预判。
他明确反对那种 " 每个人都有全能 AI 助手包办一切 " 的乌托邦愿景。
在 Ilya 看来，这种舒适区将是人类文明的陷阱——一旦人类失去了对事务的理解和参与，将彻底沦为被动和脆弱的附庸。
为了避免这种局面，Ilya 提出了一个长期均衡方案：人类必须通过神经连接等技术，让自己成为 " 超级智能 " 的一部分。 只有当 AI 的认知能力能够完整传输给人类，实现人机共生，人类才能保持 " 完全参与 " 的主体地位。
Ilya Sutskever 的这次发声，不仅是对技术路线的纠偏，更是对资本市场的一次预警：那个靠 " 堆显卡 " 就能讲好 AI 故事的时代，已经结束了。
