AI 没书可读之后，两个 AI 教父赌上了相反未来-上海朗通资讯网

文 | wiwi

一家尚未发布公开产品的没书公司，估值已飙升至 320 亿美元。可读

创始人是教父 伊利亚·苏茨克维 (Ilya Sutskever)—— OpenAI 联合创始人、前首席科学家，赌上过去十年大模型浪潮中不可或缺的相反技术核心。他创立的没书公司名为 Safe Superintelligence (SSI)，直译为“安全的可读超级智能”。苏茨克维立下军令状：“在实现真正安全的教父超级智能之前，我们绝不发布任何产品。赌上”2025 年，相反SSI 完成 20 亿美元融资，没书估值达 320 亿美元——投资人显然愿意为这份耐心买单。可读

支撑这一豪赌的教父底层逻辑是苏茨克维的一个核心判断：数据是有限的，互联网只有一个，赌上预训练这条路已经走到尽头。相反2020 至 2025 年依靠堆砌算力驱动的“规模化时代”宣告结束，2026 年起，AI 必须依靠算法创新开辟新路径。

几乎在同一时间，另一位巨头在做完全相反的事：杨立昆 (Yann LeCun)离开了在 Meta 深耕 12 年的研究岗位，顶着“深度学习三大教父”之一的头衔独立融资，拿下 10.3 亿美元投资（投前估值 35 亿美元），创下欧洲最大规模种子轮纪录之一。

LeCun 并非否定大语言模型 (LLM) 的价值，但他认为 LLM 不足以通向人类级智能，充其量只是高级“信息检索系统”。他押注的方向是 “世界模型” (World Models)—— AI 不应仅靠阅读文本，而应通过观看视频、与真实世界互动来学习。在他离开前后，Meta 的 V-JEPA 2展示了该路线的早期成果：模型先从大规模视频中学习世界表征，再使用约 62 小时的机器人数据进行后训练，最终在真实机械臂上实现了零样本抓取与放置任务。

一边拒绝发布产品，一边认定现有路线无法抵达终点。这两位曾站在同一阵营顶端的科学家，在“AI 没书可读后如何进化”这一终极问题上，真金白银地投下了截然相反的赌注。这不仅是学术口水战，更是 后语料时代 (Post-Corpus Era)最核心的技术路线分歧。

分歧的起点：同一个事实，两种解读

过去几年，大模型如同一个疯狂读书的学生，吞噬了互联网上几乎所有可用的文章、论文、代码、帖子和问答。读得越多，它越全能。然而，Epoch AI的一项研究估算，公开可用的高质量人类文本语料，大概率将在 2026 至 2032 年间被现有训练方法“耗尽”。继续靠“读更多网页”来提升模型能力的路径，正肉眼可见地走向死胡同。

更严峻的挑战在于，互联网上新增内容中，AI 生成内容的比例日益攀升。新闻评论、产品文案、社交媒体帖子乃至代码片段，都可能源自 AI。由此引发了一种普遍担忧：AI 是否会陷入“自噬”循环？

这一担忧并非空穴来风。2024 年发表在《自然》杂志上的研究（Shumailov 等人，《AI models collapse when trained on recursively generated data》）将这种现象定义为 “模型崩溃” (Model Collapse)：如果模型持续学习低质量的 AI 生成内容，错误、偏见和失真将被层层放大，导致输出日益平庸，最终背离真实世界分布。

无反馈的自我学习= 回声室（导致退化）
有反馈的自我学习= 训练场（导致进化）

这似乎是大模型的宿命：学完人类知识后，开始啃食自己的产物，最终走向退化。但现实并未如此简单。OpenAI 的 o1、o3以及 DeepSeek-R1等具备“思考”能力的推理模型正在迅速崛起。据技术报告，它们主要依赖 强化学习和 可验证任务路线，某种程度上确实在利用“AI 生成且经验证”的数据进行自我训练。

同样是“AI 学 AI”，为何一种导致崩溃，另一种却带来增强？

关键差异不在于内容来源，而在于是否存在判断其“对错”与“效用”的机制。Sutskever 和 LeCun 看似押注相反方向，实则都在寻找同一样东西：一个能让 AI 从试错中持续进化的“裁判”。

AI 并未学完人类知识，只是读完了“易抓取”的部分

“AI 学完互联网”是一个具有误导性的高概念。AI 学到的主要是人类已数字化、可被抓取和训练的内容。文章、论文、代码只是人类知识的“影子”，而非知识本身。

许多关键经验从未被完整记录：
* 医生如何从细微体征中察觉异常？
* 工程师如何预判系统故障？
* 创业者如何感知产品方向偏差？

这些隐性知识难以转化为文本，也难以直接喂给模型。因此，高质量语料的枯竭，并不意味着 AI 无书可读，而是标志着 仅靠阅读网页和文章来提升能力的时代已经结束。AI 下一步需要学习的，不再是静态的“知识”，而是动态的“经验”。

路线一：推理模型 (Sutskever 路线) —— 依靠确定性裁判

理解 Sutskever 的路线，可以类比 AlphaZero的下棋逻辑。AlphaZero 的强大不在于背诵人类棋谱，而在于它知晓规则后，通过自我对弈，由胜负结果作为反馈来强化策略。

这里的核心不是“缺乏人类数据”，而是 “不会撒谎的裁判”。
* 没有裁判，系统只是盲目试错；
* 有了裁判，试错转化为经验；
* 未经验证的 AI 数据是污染，被验证过的 AI 经验才是燃料。

推理模型沿用了这一逻辑。传统大模型像“博学者”，回答看似合理但未必正确；推理模型像“解题者”，面对数学、代码或逻辑题，尝试多条路径，通过结果筛选解法。业内称之为 “可验证奖励强化学习” (RLVR)：
* 算对的留下，算错的丢弃；
* 代码能跑通的保留，报错的淘汰。

这些任务处于 确定性裁判 (Deterministic Judge)的领地：代码能否编译、定理能否证明。这种反馈客观、瞬时、低成本，模型可在毫秒间获得非黑即白的信号，进行数百万次的自我对弈。这是 Sutskever 路线的基石，也是他断言“预训练时代终结”的依据——数据见底不等于进步见底，变强的方式正在切换。

当然，这并不意味着模型拥有了通用理解力。它只是在规则清晰、可验证的领域（如数学、代码）找到了更高效的进化路径。对于没有标准答案的问题，推理模型目前仍无能为力。这条路更接近 几何学：公理明确，对错有据。

路线二：世界模型 (LeCun 路线) —— 将真实世界化为裁判

LeCun 押注的是另一维度的智能：许多核心智能无法被规则化，只存在于物理世界和人类共识中。这条路更接近 物理学：规律需从现实中观测得出。

互联网文本有限，但 世界本身无限。
* 自动驾驶的道路数据
* 机器人在工厂、家庭中的交互数据
* 实验室自动化与工业传感器数据
* 仿真系统生成的模拟经验

这些非文本数据构成了 世界模型和 具身智能的基础：让 AI 从环境互动中获取新经验。LeCun 的“世界模型”本质是将 物理定律转化为硬裁判：预测球的轨迹，若违反物理规律，现实会立即给予反馈。

然而，在更高层级（审美、常识、价值判断），物理定律失效，反馈进入 模糊性裁判 (Ambiguous Judge)领域：
* 反馈主观、滞后、高成本、充满噪声；
* 同一件事，十个人可能有十种判断；
* 最终仍需人类介入作为裁判。

目前，人形机器人（如 Figure、Tesla Optimus）面临的最大瓶颈是 真实世界交互数据的采集成本极高。相比代码测试，机器人一天的有效数据积累昂贵且嘈杂。世界模型距离真正理解物理世界仍有长路要走，但方向已明确：AI 需从学习“文字”转向学习“因果、行动与反馈”。

真正的分水岭：谁拥有反馈，谁拥有裁判

Sutskever 与 LeCun 的赌注虽相反，但指向同一结论：谁能提供更优质的裁判，谁就能主导 AI 的进化。

过去，AI 竞争的核心是 数据规模（谁拥有更多高质量文本）；未来，核心将是 判断数据效用的能力（即裁判权）。无论是确定性的标准答案，还是模糊性的用户反馈，反馈 (Feedback)已成为最稀缺的资源。

这将重塑 AI 竞争格局：
1. 算力、算法、数据依然重要，但不再是唯一壁垒。
2. 真实任务反馈成为关键增量。

这也解释了为何 Agent (智能体)变得至关重要：
* 聊天机器人回答问题是基于已有知识；
* Agent完成任务必须进入真实环境。

例如，Agent 订票需查询航班、比价、完成支付；Agent 写代码需运行测试、修复报错、提交结果。在此过程中，AI 留下完整的 任务轨迹：用户意图、拆解逻辑、错误修正、最终结果。这种数据比网页文本更具价值，因为它记录了 “任务如何被完成”，而非仅仅是 “人类说了什么”。

未来 AI 的竞争，将从“谁拥有最多网页”转向 “谁拥有最多真实任务闭环”。任务发生地即反馈产生地，反馈积累处即智能进化处。

应用公司的机会：场景反馈即护城河

对于大多数 AI 创业者而言，这场“争夺裁判”的变革反而厘清了机会所在。

通用大模型训练已非普通创业公司所能企及。OpenAI、Google、Anthropic 等巨头垄断了算力、人才与资金。创业者不应试图正面竞争通用模型，而应转向 “场景深度”。

大模型拥有通用能力，但缺乏行业内的 真实反馈闭环：
* 知道合同怎么写，但不知道律师为何修改特定条款；
* 知道题目怎么讲，但不知道学生为何在特定知识点反复出错。

AI 应用公司的护城河在于：
1. 结果导向：不仅生成内容，更记录用户是否真正解决问题。
2. 数据闭环：
* AI 法律工具：记录律师修改条款的习惯，积累争议解决数据。
* AI 教育工具：追踪学生错误模式，优化练习路径。

这些 场景化反馈是未来应用公司的核心资产。模型能力将日益廉价，功能将基础设施化。“套壳应用”因缺乏独特反馈数据，价值将被不断压缩。

AI 应用的价值主张将从“生成内容”转向“完成结果”。谁能定义结果，谁就掌握定价权。

并非所有问题都有标准答案

裁判并非万能。

确定性裁判领域：数学、代码、围棋、广告投放。AI 可通过试错快速进化。
模糊性裁判领域：文章优劣、产品方向、商业判断、审美价值。

这些问题没有唯一解，也没有即时反馈系统。用户点击不代表有价值，转化率提升不代表策略长期健康。模糊性反馈本身可能错误、滞后或被操纵。

因此，AI 的自我进化将呈现 非均匀性：
* 在确定性裁判主导的领域，AI 进化迅速；
* 在模糊性裁判主导的领域（审美、价值观、人际沟通），人类的判断依然不可或缺。

越是进入真实任务时代，人类作为 终极模糊性裁判的地位越重要。AI 能探索更多可能性，但未必知道哪种可能性值得追求。

结语：Sutskever 与 LeCun，可能都没错

回到最初的争论。Sutskever 断言数据见底、预训练终结；LeCun 认为 LLM 不足以通向人类级智能。两人争论的根源，在于对 裁判类型的不同押注。

Sutskever 押注确定性裁判：只要问题可被编译为代码、形式逻辑或规则，AI 即可在自我对弈中无限进化。SSI 敢于在 320 亿美元估值下不发产品，赌的是这套方法论在可验证任务上的高天花板。o1、o3、DeepSeek-R1 的成功证明了强化学习在数学、代码领域的有效性。
LeCun 押注世界模型与模糊性裁判：许多核心智能无法规则化，存在于物理世界与人类共识中。AMI Labs 的 10.3 亿美元种子轮，购买的是通往长期通用智能的船票。

这两条路径并非对立，而是 进化路径上的接力：
1. 第一阶段：确定性裁判先解决可穷举的智能（数学、代码、逻辑）；
2. 第二阶段：剩余的硬骨头（常识、物理交互、价值判断）需交给模糊性裁判，或将物理世界本身转化为裁判。

硅谷的资金已投票：一边为“近期答案”支付 320 亿美元，一边为“终局答案”支付 10 亿美元起步价。两头下注，说明两条路均无法被单独取代。

AI 学完互联网后，下一步靠什么进化？
答案不是无限阅读网页，也不是陷入自我吞噬的崩溃。
更准确的描述是：AI 正在从“阅读式学习”转向“行动式学习”。