前OpenAI创始人称：大模型将从“堆芯片”转向“拼研究”

2、OpenAI联合创始人伊利亚·苏茨克维尔（Ilya Sutskever）表示，如今需要找到高效利用这些算力的有效途径。

3、他在接受德瓦克什·帕特尔（Dwarkesh Patel）采访时称：“因此，我们将重返研究时代——只不过这次有了强大的计算机加持。”

作为现代人工智能领域的公认先驱，OpenAI联合创始人伊利亚·苏茨克维尔认为，AI行业的发展潮流必须重新转向研究阶段。

在周二发布的《德瓦克什播客》（Dwarkesh Podcast）一期节目中，苏茨克维尔对“算力扩张是AI进步核心路径”这一传统共识提出了质疑。

科技企业已投入数千亿美元采购图形处理器（GPU）并建设数据中心，本质上是为了提升其AI工具的性能——无论是大语言模型（LLMs）还是图像生成模型。

业界普遍认为，算力越强、训练数据越多，AI工具的智能水平就越高。

苏茨克维尔在采访中表示，过去约五年间，这种“模式”确实产出了具有影响力的成果。对企业而言，这种方式也极具效率：相较于投入可能无果的研究，它提供了一种简单且“风险极低”的资源投入方式。

然而，如今执掌安全超级智能公司（Safe Superintelligence Inc.）的苏茨克维尔认为，这种模式已逼近极限。他指出，数据是有限的，而各类机构已拥有海量算力。

“难道真的有人认为：‘哦，现在的规模已经很大了，但如果能再扩大100倍，一切就会截然不同？’ 变化肯定会有。但要说只要将规模扩大100倍，一切就会彻底改变？我不这么认为。”苏茨克维尔表示，“因此，我们将重返研究时代——只不过这次有了强大的计算机加持。”

苏茨克维尔并未否定算力的重要性，他强调算力仍是研究的必要条件，且在所有主流机构均遵循同一范式的行业背景下，算力可能成为“核心差异化优势之一”。

但他指出，要找到高效利用现有算力的有效途径，研究将起到关键作用。

苏茨克维尔认为，有一个领域需要更多研究投入：让模型具备与人类相当的泛化能力——即仅通过少量信息或示例就能完成学习的能力。

“我认为最根本的问题在于，这些模型的泛化能力与人类相比差距巨大。”他表示，“这一点显而易见，似乎是一个非常核心的症结。”（BI）

#AI #算力 #大模型 #科技 #大数据