6.6
深览指数
科技人人都是产品经理·智见 Time··AI 生成
苦修者梁文峰
本文以禅宗顿悟与渐悟的比喻，梳理了AGI探索的两条主流路线：相信规模扩大带来智能涌现的“Scaling Law”派，以及主张智能必须建立在对现实世界理解之上的“世界模型”派。作者指出，DeepSeek创始人梁文峰选择了第三条路——在AI进入现实世界之前，先让它学会“持续学习”。文章剖析了梁文峰路线背后的逻辑、与主流路线的差异，以及其面临的重大挑战：缺乏真实世界交互数据，持续学习可能沦为理论空谈。适合关注AI技术路线之争与资本投向的深度读者。原文 ↗
核心观点
- ▍梁文峰认为AGI的关键不是模型规模或现实交互，而是AI是否具备像生命一样不断成长的能力，即“持续学习”，这构成了不同于Scaling Law和世界模型的第三条路线。
- 01Scaling Law派认为模型规模达到一定程度后，能力会自行涌现，其代表是OpenAI的Ilya Sutskever和2020年发表的《Scaling Laws》论文。
- 02以Yann LeCun为代表的“渐悟派”认为语言模型不能代表智能，真正的智能需要一套能理解现实、预测变化、指导行动的“世界模型”。
- 03梁文峰在投资人交流会上明确表示，不做3D、视频生成、世界模型等方向，只聚焦GPT、CoT（思维链）、Agent构成的主线。
- 04梁文峰将AGI路线图描述为：思维链 → Agent → 持续学习 → AI自我迭代的渐进奇点 → 具身智能。
- 05文章指出，ChatGPT、AlphaGo、Waymo等成功案例，背后都依赖海量真实用户交互或物理环境数据，而非单纯的算法改进。
反方 / 局限
- — 梁文峰路线的最大挑战在于：若没有物理AI的真实环境、海量用户反馈和具身互动，持续学习可能只是一个理论方向，缺乏必要的训练数据土壤。
- — 如果智能的诞生是漫长的能力积累而非规模跃迁，资本是否拥有等待这场修行结束的耐心？资本可以接受亏损，但无法接受没有方向的亏损。
9 分钟 · 4 卡片 · 11 资料
读原文 →