导读：LLM逼近上限？图灵奖得主Yann LeCun和Richard Sutton联手唱衰，却被Transformer之父Kaiser回击！

AI没有寒冬，只有资本与算力的热浪！

Transformer的火种已燃烧七年。如今，推理模型（Reasoning Models）正点燃第二轮革命。

Transformer共同作者、OpenAI研究员Łukasz Kaiser预判：

未来一两年，AI会极速跃升——瓶颈不在算法，而在GPU与能源。

推理模型正改写规则，钱与电，才是决定胜负的「硬通货」。

2017年，Transformer架构横空出世，八位共同作者载入AI史册

值得关注的是，在ChatGPT问世前加盟OpenAI，Łukasz Kaiser此后一直专注研究推理模型——他认为这是继2017年Transformer之后最重大的突破。

最近，他公开表示「推理模型」只是开端，还远未到定义AI的终局时刻。但这也许正是最值得兴奋的地方。

我们终于有了一种能思考的机器。现在该让它少些花哨，多去把事情做完。

万亿美元的AI路线之争

这是一场价值万亿美元的AI观念之争。

「通用人工智能」，已成为业界多数人追逐的目标——真正具备人类认知水平的通用智能体。

OpenAI一路烧钱烧资源，不断Scaling，让硅谷陷入「AGI狂热」：LLM+数据+GPU+能源就是AGI！

OpenAI发布o3之时，经济学家Tyler Cowen认为AGI已诞生，2025年4月16日就是AGI日。

即便是Karpathy表示「AGI还需再等10年」，在美国湾区都会被认为对AI的前途太过悲观。

但不是没人唱反调：

叫它沉没成本也行，叫它包袱偏见也行，千万别叫它智能。

硅谷的10万亿美元幻觉

强化学习之父、2024年图灵奖得主、《苦涩的教训》的作者Richard Sutton断言，大语言模型已走入死胡同。

在他看来，语言大模型并没有吸取任何「苦涩的教训」。

换言之，他指出大语言模型存在关键缺陷：其改进能力存在极限，而这个极限远比众所周知的要近得多。

图灵奖得主Yann LeCun多年来支持类似的观点。

Ndea人工智能实验室联创、开源深度学习框架Keras之父François Chollet也这样认为。

LLM是对AGI而言是断头路，所以他联合他人发起百万美元AI奖项ARC Prize，只为让大家重新回到通向AGI的正确道路。

最近，Łukasz Kaiser公开反驳了「LLM是死胡同」这一观点。

他虽不确定Sutton是否针对的推理型LLM，但推理模型存在着根本性突破：它们所需训练数据量比传统模型少几个数量级。

这类模型能真正加速科研进程，本可以并行开展更多实验，只是我们目前缺乏足够的算力支撑。

归根结底是算力瓶颈，关键在于GPU和能源。这才是根本性制约，目前所有实验室都面临同样处境。这就是为何奥特曼为何疯狂融资的原因。

推理革命

LLM推理正引起AI领域重大的范式转移。

普通用户很可能从未接触过真正的推理型大语言模型。

即便使用过，也是通过GPT-5的路由系统间接调用，而他们对此并不知情。

推理模型具备以下能力：

能够自我反思并发现自身思维链输出中的错误，从而及时调整推理路径；

当接收到解决复杂问题的指令时，可通过「深度思考」动态分配更多计算资源；

在推理过程中，直接调用外部工具执行操作；

生成多条备选推理路径，并自主筛选最优解。

这已完全不同于GPT-4这类纯自回归大语言模型的时代。

而且推理模型（Reasoning Models）问世尚不足一年，远未达到潜力上限。

在绝大多数推理密集型任务中，OpenAI的首个推理模型o1显著优于当时最强的通用模型GPT-4o。

它们不急着开口，会先在脑中「打个草稿」——推理、检索、调用工具，像人类在回答问题前的那几秒犹豫。

在这种模式下，AI不仅能接上对话，还能「搞定一件事」：写完一份报告、排查一段代码、核对数据库。

Łukasz Kaiser把这看作一次静悄悄的范式更替。「这就像从对话生成器，变成真正的思考者，」他说。

更让他兴奋的是，推理模型对数据的渴求小得多，却能解决更难的问题。

在数学、程序分析这类结构化任务上，效果尤其明显。

16岁遇见AGI之父，AI日新月异

说来有趣，16岁时，Łukasz Kaiser的第一份有偿工作就是为Ben Goertzel编程。

在2001年前后，Ben Goertzel正式使用并普及了「Artificial General Intelligence」（通用人工智能）这一术语，用以区别于当时的「Narrow AI」（狭义人工智能）。

而现在AGI却被理解为完成人类能做的所有任务。

但现实是，AI与人类智能存在本质差异。

它在某些领域（如游戏、数学题解答）已超越大多数人，但在物理世界相关事务上仍无能为力——

现在的机器人，依旧笨拙不堪。

这种差异化发展或许才是技术演进的常态。

因此，Łukasz Kaiser认为未来发展路径将是：

AI能力会持续增强。但至少短期内，在物理世界相关领域仍将存在人类不可替代的工作，无论是技术上还是经济成本上。

比起概念争论，现阶段更值得关注的是推理模型带来的变革。

过去一年最大的突破在于，AI已能真正胜任职场中的某些工作任务，并且完成得相当出色——

不仅是秒级响应，更能持续工作数小时产出有价值成果。

这意味着我们可以将待办事项交由AI处理，从而提升整体效率。无论是否称之为AGI，AI正在变得越来越强大是不争的事实。

编程领域就是最佳例证：自从AI开发者开始聚焦这个方向，进展令人震惊。

无论是Anthropic的Claude还是OpenAI的Codex，现在都能根据需求生成完整程序，耗时仅数小时。

它们擅长理解大型代码库、进行代码审查、发现漏洞甚至安全威胁——这些能力在一年前还难以想象。

回想Claude 3.5约一年前发布时已是划时代突破，当时SWE-Bench基准测试通过率约30%，如今已达75%。

三个月前，代码模型还只是辅助工具，但现在却能真正处理复杂代码库。这种指数级进步意味着什么，不言而喻。

AI发展如此之快，但有些人开始担心我们正在进入另一个AI冬天。

Łukasz Kaiser却相对乐观。

AI的新范式：推理刚刚开始

过去，确实存在过Transformer范式，当时靠Transformer+Scaling，创造了ChatGPT。

当然，这种自回归范式，即预测下一个词，并在越来越多数据上训练越来越大的模型，这样已持续多年了。

通用的互联网数据，基本上已经被使用完了。它已经在所有这些数据上训练过了。谁也无法轻易获得比这多得多的（数据）。

但新的推理范式，才刚刚开始。

Łukasz Kaiser觉得这个范式如此年轻，以至于它仅仅处在一个非常陡峭的上升路径的起点。

就它未来的能力而言，我们已经走了一小段路。所以，我们知道它已经能做惊人的事情。

但我们还没有真正地充分利用它。我们把它扩大了一点规模，但还可以有更多的扩展。有更多的研究方法可以让它变得更好。所以，在这个新范式中，我们正处在一个陡峭的上升路径上。

我们正见证新范式的上升趋势，但它需要进一步深入研究：有些研究效果很好，有些则一般，你永远不知道——这就是研究令人兴奋的部分。

如果你把新旧范式两者结合起来，那么你就需要开始准备——

AI冬天不会即将来临，甚至在未来一两年内改进可能非常猛烈。

之后，世界将翻天覆地——这几乎有点让人害怕。

推理的突破真的非常大。

这不是偶然。GPT-4之前，OpenAI就开始研究推理模型，因为人们清楚地看到，仅仅纯粹的Scaling在经济上不可行，我们需要一个新的范式。

Łukasz Kaiser认为现在的推理模型有点像早期的「RNN」，思考仍然是一步一步的。

未来，它们需要「多线并行思考」——

GPT-5 Pro已经初步实现了这一点：同时运行多个思维链（chains of thought），然后让它们「讨论」并选出最佳答案。

这种方法可能带来更快、更强的推理能力。

当前的重点：从任意数据中学习

当前推理模型最值得关注的突破点，Łukasz Kaiser认为是「从任意数据中学习」的能力。这是他最近研究的重点。

现行训练方法需要标注数据正确与否，但现实世界的数据大多不像考试题目那样非对即错。

阅读书籍时，人们不会纠结下一段文字是否正确，而是直接理解吸收。这种自然的学习方式才是更理想的范式。

GPT模型主要使用的是文字信息训练。但OpenAI多模态训练现在进展如何？

目前，ChatGPT确实已经在进行多模态模型训练了。

神经网络把音频编码成离散的音频token（audio tokens），图像也被编码成图像token（image tokens）——不是整张图变成一个token，而是分成多个图像块。

然后模型通过预测下一个token来进行训练。通过这种方式，它就能生成音频、生成图像。

而且这套方法有效到让人惊讶。

总体来看，多模态训练确实取得了成功。

早期，生成的图片人物总是有六根手指，图像文字更是惨不忍睹。

后来，大家增加了训练数据、调整了编码器结构。虽然核心的Transformer序列模型架构没变，但AI生成效果已经突飞猛进。

现在，AI不仅能生成报纸版面的完整文字，音频也能唱歌、耳语、模仿各国口音。虽然偶尔还有瑕疵，但整体效果已经令人惊叹。

如果转向音频和视频训练，数据集规模将实现数量级增长——毕竟视频包含的信息量极其庞大。

但Łukasz Kaiser提醒，视频虽然数据量巨大，但大部分只是颜色、纹理等细节，对推理和理解世界帮助有限。

AI需要学会「挑重点」，只提取有意义的部分（例如运动、因果、变化）。

文字让模型理解「抽象世界」（逻辑、语言、思维），视频训练则让它理解「现实世界」（物体、空间、动作、物理规律）。

语言模型已经掌握了对抽象世界的建模，反而最欠缺的是人类最熟悉的物理世界的理解。

填补这个空白至关重要——这不仅能解决许多潜在问题，更是实现实用机器人的关键突破。

谷歌的Gemini 1.5 Robotics，已开始结合推理与视觉。

机器人会有「快反应系统」（动作）+「慢思考系统」（推理）。

随着视频理解成熟，「机器人有大脑」 将真正成真。

OpenAI唯一的Transformer发明者

Łukasz Kaiser是OpenAI 研究员、Transformer 架构创始人之一，此前曾任职于谷歌大脑团队。

他专注于深度学习与自然语言处理的基础研究，共同发明了Transformer架构、推理模型及其他神经序列模型，并参与开发了TensorFlow系统、Tensor2Tensor与Trax库。

在投身机器学习领域之前，他曾任法国国家科学研究中心（CNRS）终身教职研究员，致力于逻辑学与自动机理论的研究。

他曾运用可满足性求解器及其他符号化方法开发游戏对战系统，并从事程序综合研究。在理论探索方面，他完成了复杂性、博弈论和自动机领域的定理证明，解决了多个长期悬而未决的学术难题。

他于2008年获得德国亚琛工业大学博士学位，本科及硕士阶段毕业于波兰弗罗茨瓦夫大学。