核心观点 - 行业内部分资深AI开发者与研究人员质疑当前主流AI技术路径的可持续性 认为其无法实现生物学、医学等领域的重大突破且难以避免简单错误 这引发了对未来数十亿美元投资方向的质疑 [1] - 尽管存在技术局限 当前AI在写作、设计、购物和数据分析等任务上的应用已推动主要公司收入实现数倍增长 [1] 技术路径争议与挑战 - 部分AI领袖（如Anthropic首席执行官Dario Amodei和OpenAI首席执行官Sam Altman）对通过扩展现有技术实现AGI持乐观态度 [1] - 以亚马逊AI研究负责人David Luan、OpenAI前首席科学家Ilya Sutskever及强化学习之父Richard Sutton为代表的质疑者认为 当前训练模型的方式不可持续 实现类人AI可能需要全新的开发技术 [2] - 核心争议在于AI能否实现“持续学习” 即像人类一样在部署后从新经验中持续获取并应用新知识 而非依赖静态的、人类专家创建的大规模数据集进行训练 [1][2] - 当前一些最先进的AI训练方法被指无法帮助模型良好地“泛化” 即处理未曾遇到过的任务 [2] 技术突破的尝试 - 在NeurIPS大会上 多篇重要研究论文探讨了“持续学习”主题 例如麻省理工学院和OpenAI研究人员提出的“自适应语言模型”新技术 [3] - 该技术旨在使大模型能利用现实世界中遇到的信息（如一篇新医学文章）获取新知识或提升新任务表现 方法包括将新内容改写为问答用于自我训练 [3] - 部分研究人员认为 这种持续自我更新的能力对能产生科学突破的AI至关重要 [3] 当前技术局限与商业影响 - 技术局限已拖慢企业客户对AI代理等新产品的采购 模型在简单问题上持续犯错 AI代理在缺乏大量人工确保的情况下往往表现不佳 [3] - 若质疑者的观点正确 可能令行业明年在强化学习等流行技术上的数十亿美元投资面临风险 包括支付给Scale AI等数据服务公司的费用 [4] - Scale AI公司发言人对此持不同意见 认为使用持续学习的AI仍需要从人类生成数据及其强化学习产品中学习 [4] 行业收入与增长现状 - 尽管存在技术挑战 主要AI公司收入增长迅猛 OpenAI预计2024年收入将增长两倍以上至约130亿美元 Anthropic预计收入将增长逾10倍至约40亿美元 [1] - 三年前几乎没有收入的OpenAI和Anthropic 如今已从聊天机器人和AI模型销售中获得可观营收 [5] - 开发AI应用的其他初创公司（如编码助手Cursor）预计未来一年将集体产生超过30亿美元的销售额 [5] 行业竞争格局 - 大型开发者之间的AI竞赛激烈 谷歌的技术在某些指标上已超越竞争对手 导致OpenAI首席执行官Sam Altman告知公司准备迎接“艰难氛围”和“暂时的经济逆风” [6] - 谷歌取得进步的原因包括改进了用于模型预训练的数据组合 并找到了更好管理数千个自研张量处理单元（TPU）的方法 减少了硬件故障的干扰 [6] - OpenAI领导层表示已能类似地改进预训练流程 开发出代号为Garlic的新模型 并相信未来几个月能与谷歌竞争 [6]