人工智能領域正經歷一場深刻反思，伊利亞·蘇茨克沃（Ilya Sutskever）的最新觀點引發行業震動。這位OpenAI前首席科學家在訪談中直言，當前人工智能發展路徑存在根本性偏差，單純依賴算力擴張的模式已觸及天花板。他創立的“安全超級智能公司”（SSI）正以全新理念挑戰行業慣性，其核心論斷與谷歌近期技術突破形成呼應，預示著AI產業競爭即將進入新階段。

蘇茨克沃將2020至2025年定義為“規模擴張時代”，這個階段通過算力、數據與模型參數的固定比例混合實現性能提升。但這種確定性正在消散：高質量訓練數據接近枯竭，合成數據收益遞減，實驗室擴張曲線趨于平緩。更關鍵的是，現有模型在基準測試中的優異表現無法轉化為真實場景的可靠能力，暴露出基礎架構的深層缺陷。他以代碼助手為例：模型能修復特定漏洞卻陷入死循環，在編程競賽中碾壓人類卻在相鄰任務中表現拙劣，這種“專才式”發展模式與人類智能的“通才式”適應形成鮮明對比。

谷歌的技術進展印證了蘇茨克沃的判斷。該公司通過優化理論框架，在算力需求可控的前提下實現性能突破，從GPU到TPU的硬件迭代路徑證明，正確的理論方向比單純堆砌算力更關鍵。這種“軟硬一體”的競爭模型正在重塑行業規則，要求企業同時具備硬件設計制造與算法演進能力。蘇茨克沃強調，現有模型的泛化能力與人類存在本質差距，這種缺陷導致AI對齊、價值學習等衍生問題難以解決，修復底層機制才是突破關鍵。

SSI公司的運營模式體現了這種研究導向。與傳統實驗室不同，其30億美元融資不用于產品開發或推理基礎設施，而是專注于驗證泛化理論。蘇茨克沃認為，真正的范式突破不需要最大算力規模——AlexNet僅用兩塊GPU訓練，初始Transformer模型也僅需8至64塊GPU。他質疑行業將過多資源投入推理負載與多模態研發，導致核心研究預算被稀釋。這種“小團隊挑戰巨頭”的底氣，源于對理論正確性的絕對信仰：若方向錯誤，再多算力也只是徒勞。

訪談中更引發爭議的是對AGI概念的重新定義。蘇茨克沃指出，人類智能并非通用型，而是通過基礎能力與經驗積累形成技能網絡。這種認知直接影響部署策略：與其追求“全知系統”，不如構建“快速學習系統”。他預言，具備類人泛化能力的學習系統將在5至20年內出現，具體時間取決于技術路徑選擇。這種不確定性反而堅定了他的研究信念：當規模擴張失效時，行業將回歸2020年前的探索模式，依靠研究者對“正確方向”的直覺判斷穿越技術迷霧。

對于AI安全，蘇茨克沃提出更具哲學色彩的解決方案。他主張將共情范圍擴展至所有感知生命，理由是人類自身就存在跨物種共情機制——我們會為動物電影流淚，踩到螞蟻時會愧疚。這種“效率驅動的共情”源于大腦的神經機制統一性，可能為機器對齊提供新思路。盡管神經科學界對此存在爭議，但蘇茨克沃強調，這種思考深度遠超行業平均水平，其結論值得嚴肅對待。

當被問及如何識別有潛力的研究方向時，蘇茨克沃將“研究品味”歸結為對生物智能的正確借鑒。他傾向于選擇優美、簡潔且符合神經科學原理的路徑，同時保持對理論正確性的絕對信仰。這種信仰支撐他穿越多次實驗失敗，最終在深度學習領域取得開創性成果。隨著規模擴張時代的終結，這種“花錢買不來”的研究品味，或將重新成為AI競爭的核心要素。