科技虎嗅·江宁知府©··AI 生成
AI的前景悄然发生变化
本文认为，当前AI行业叙事正从“通用人工智能”、“超人工智能”的宏大愿景，转向更务实的“AI Agent”概念，反映了行业信心的微妙变化。作者指出，大语言模型的核心瓶颈是高质量训练数据接近枯竭，未来AI的突破将高度依赖“合成数据”和“蒸馏”，并集中在数学、编程等可验证领域，而社会科学、物理世界应用等仍是弱项。文章适合关注AI产业趋势、技术路线与资本叙事脱节的深度读者，帮助校正对AI发展阶段的判断。原文 ↗原文 ↗
核心观点
- ▍当前AI行业叙事正从“超人工智能/通用人工智能”的宏大愿景，转向更务实的“AI Agent”（人工智能体），这反映了行业对技术突破信心不足，且AI Agent的叙事本质是为老板设计，目标替代低端白领工作。
- 01大语言模型训练依赖的互联网原始数据池已接近枯竭，AI生成数据用于“二次训练”会导致模型“智商”停滞，迫使行业转向“合成数据”和“蒸馏”模式。
- 02AI的强项集中在语言、图像和代码三大领域，其本质是一个高级统计模型，会出错，在客服等需要人际互动的领域效果很差，用户发现是“聊天机器人”后会要求转人工。
- 03在数学、逻辑和编程等高度结构化、可验证的领域，AI前景广阔，类似于AlphaGo通过与自己对弈百万次即可掌握围棋技巧。
- 04AI在数字世界进步快，但在真实物理世界（如物理机器人、具身智能）进步慢，因为获取物理反馈的成本远高于数字世界。
- 05历史上变革性技术必须拿出“从未见过的东西”，而非仅提升效率。一个高级聊天机器人和图片视频生成器难以满足长期想象，全球设计服务与影视产业合计约3000亿美元，AI即使吃掉整个市场，创造的新增价值也有限。
反方 / 局限
- — 作者承认AI在某些研究性领域（如药物设计）的效率提升是实打实的，这与AI整体前景“悄然变化”的消极判断存在张力，暗示AI在垂直领域仍有价值。
- — 文章未讨论“AI Agent”在替代白领工作过程中可能遇到的监管、伦理、社会阻力，以及技术本身在复杂任务上的可靠性问题，这些是影响其前景的关键变量。
前置背景
技术原理
平行视角
延伸追问