本文基于 OpenAI 首席研究员 Lukasz Kaiser 的观点，深入分析了人工智能的五个核心趋势。文章指出，AGI 的定义应从“取代人类”转向“增强人类”，AI 在数学和编程等数字领域已展现超人能力，但在物理世界受限于成本和技术。核心技术正从基于 Transformer 的“预测下一个词”转向具备“内部思考过程”的推理范式，使 AI 能够通过试错和反思解决复杂问题。此外，文章讨论了算力资源分配对模型表现的影响，以及多模态联合训练如何让 AI 更好地理解物理世界。作者认为，AI 将逐渐“吃掉”职业中可流程化的部分，未来的核心竞争力在于掌握 AI 工具并保持底层认知力。
内容来源：网络信息整理汇编。
责编 | 贾宁 排版 | 拾零
第 9412 篇深度好文：3047 字 | 9 分钟阅读
商业趋势
笔记君说：
“我们不要惧怕技术变化的速度。历史上每次技术跃迁，最早学习使用新工具的人总是最大受益者。AI就像当年的电脑、互联网，早点接触、早点理解，就能早点获得优势。”
这篇文章来自OpenAI首席研究员卢卡什·凯泽尔，他也是人工智能研究领域的资深人士，以下是他在对话中的自述部分，略有删减。
希望今天的内容，对你有所启发。
一、AGI（通用人工智能）的重新定义
其实我不太喜欢“通用人工智能（AGI）”这个词。现在很多人把AGI定义为“能做人类能做的任何事”，但这个定义有问题。
AI和人类根本是两回事——它在数学、编程等领域已经远超人类，但在物理世界里，机器人仍然笨拙。让AI在物理世界取代人类，目前技术上不划算，经济上更不划算。
从去年开始，AI推理模型已经能处理很多专业办公任务。它不再是几秒钟给你一个答案，而是能持续思考几小时，产出高质量成果。这意味着部分工作流程可以被自动化，让人类专注于更有创造性的部分。
所以，别担心AI会全面取代人类工作，但它确实会改变工作方式。就像Excel没有淘汰会计，但淘汰了不会用Excel的会计。未来，会用AI辅助工作的人，效率可能是别人的很多倍。
当前AI在编程领域的进步就是明证。一年前还难以想象，现在AI已经能编写复杂程序、处理大型代码库、审查安全漏洞。
我团队里一半的人，现在都是先让AI写一遍代码，再人工微调。这只是开始。
AI不会一次性取代整个职业，但它会逐渐“吃掉”每个职业中重复、繁琐的部分。律师的法律检索、医生的初步诊断、教师的作业批改、设计师的素材整理……你的工作有多少“可重复、可流程化”的部分，就有多少可能被AI增强甚至替代。
二、为什么AI有时聪明有时笨？
所有AI大公司都面临同一个限制：GPU（计算芯片）就这么多。付费用户可以使用更强大的模型，但像OpenAI这样的机构，核心使命是让更多人体验AI的能力。
唯一的方法，就是让免费版尽可能接近顶尖水平——这非常困难，因为需要在有限算力下做极致优化。
所以你会看到有时AI回答很快很准，有时却显得“变笨了”。这其实是系统在动态分配计算资源，让更多人能用到基本服务。
我们不知道算力的上限在哪里，但确定的是：我们需要比现在多得多的计算资源。有人担心这么多GPU是否能用完，我完全不担心。即便算力增加十倍，依然有巨大应用空间。我们可以训练更大的模型，然后精简优化。市场最终会调节投入产出比，这是好事。
AI服务有时不稳定、有时收费，背后都是算力成本的现实约束。但趋势是明确的：随着技术成熟和规模扩大，AI服务会越来越便宜、越来越易得。就像手机流量从昂贵到普及一样，AI能力正在成为新的“数字基础设施”。
三、AI从“背诵”走向“思考”
过去几年，AI主要基于Transformer架构，通过预测下一个词来训练。这种模式已经接近瓶颈，因为互联网上的通用数据基本用完了。
但新的推理范式才刚刚开始，我们已经证明这条路可行，随着方法改进，这条路的潜力巨大。
关键区别在于，旧范式是“预测下一个词”，新范式是“生成内部思考过程”。AI会为自己创建一些不展示给用户的“思考Token”，可以调用工具、搜索信息、运行代码，直到完成整个推理过程，才输出最终答案。
这意味着，AI正在从“知识库”变成“思考伙伴”。以前你问AI问题，它给出的是统计上最可能的答案；未来AI会真正“理解”问题，并展示思考过程。这对教育、咨询、决策支持等领域是革命性的。
AI的进步不会放缓，未来一两年可能会有剧烈的突破。这确实令人敬畏，甚至有些恐惧。
想象一下，未来每个人都有一个“数字思维伙伴”。它不会直接给你答案，而是陪你一起思考，展示不同的思考路径、指出你的逻辑漏洞、提供你没想到的信息维度。这不是替代你的思考，而是增强你的思考。
四、推理模型的本质
新推理模型的关键突破是：它学会了在思考过程中“试错”和“反思”。
比如，它会尝试一条路径，发现行不通，然后退回重新思考。它甚至会在搜索时发现信息矛盾后，主动寻找第三个来源验证。
这多么像人类的学习过程！我们也是通过尝试、失败、反思、再尝试来掌握复杂技能的。
这种能力不是通过简单训练获得的，而需要强化学习。这很困难——你不能从一个完全随机的状态开始，必须给AI一定的“思考基础”，然后小心调整训练方法。但一旦成功，效果就非常惊艳。
AI思考的时间变长了，因为它要权衡不同选项、验证不同路径。它学会了这些，仅仅因为我们给了它“必须得到正确答案”的信号。对人类学习来说，这是很弱的反馈，但对AI却足够。
所以，AI的进步路径对我们特别有启发意义：真正的学习不是记住更多信息，而是建立“试错-反思-优化”的循环。无论你是学习新技能还是解决工作难题，主动构建这样的循环，都能加速你的成长。
那些依赖经验、直觉、模式化的工作（如看X光片、法律文书审查），会被AI辅助；而那些需要真正创新、跨界思考、人际情感的工作，人类的优势会更长久。
五、AI正在理解整个世界
最新的AI模型是基于文本、图像、音频联合训练的。视频目前被视为图像序列，但原生化训练是必然趋势。
技术上说，我们把音频、图像编码成“Token”（词元），让模型预测下一个Token。这种方法效果好得惊人：生成的图像不再有六根手指，能呈现报纸文字；音频能表现口音、低语甚至歌唱。
谷歌最新的机器人模型也开始融入推理能力。这在物理世界很关键：底层需要快速反应（像本能），高层需要深思熟虑（像理性）。如何结合两者，需要更好的系统设计。
这意味着AI将从“文本专家”变成“多感官通才”。你可以用语音和它自然对话，给它看一张照片让它分析，甚至未来它能看懂视频内容。这种人机交互会越来越自然，就像和真人交流一样。
视频数据很多，但大部分信息冗余。如果要训练机器人，视频信息至关重要；但要理解抽象概念，文字更有效。语言模型已经掌握了人类大部分抽象世界，现在的短板是对物理世界的理解。
AI的“大脑”会很快成熟，但“身体”（机器人硬件）普及还需要时间。就像自动驾驶，我们以为它会很快到来，结果多花了十几年。这意味着，在至少未来5-10年，AI的主要影响还是在数字世界、信息世界、服务世界，而不是物理世界。