上周，OpenAI終于發布GPT-5，許多人期待它能帶來驚喜。

YouTube播主Mrwhosetheboss對GPT-5進行測試。他發現，讓GPT-5創建象棋游戲時，表現優于GPT-4o-mini-high；撰寫視頻腳本時，GPT-5比GPT-4o更好；此外GPT-5能根據任務分配最適合的模型。但是，如果讓GPT-5生成YouTube縮略圖和生日派對邀請函，GPT-4o表現更好；而且，誘導GPT-5編造事實會更容易一些。 

很快就有更多人對GPT-5表達失望之情。一位用戶稱，即便是付費版本，它也是垃圾。Gary Marcus稱，GPT-5過度炒作且令人失望。

大模型進步，不再大踏步

隨著GPT-5的表現欠佳，人們漸漸形成一種態度：“生成式AI技術固然重要，但并不一定能徹底改變我們的生活。近期之內，人工智能的性能或許不會比現在好太多。” 

實際上，2024年春季時，奧特曼曾告訴工程師，下一代模型會比GPT-4出色得多，但到了今年秋季，結果卻令人失望。GPT-5的確有一些進步，但相比從GPT-3跳到GPT-4帶來的進步，提升幅度明顯小得多。 

有人曾比喻說，預訓練模型如同生產出汽車本身；而訓練后改進模型則是對汽車進行性能升級。隨著預訓練過程的拓展，產出的“汽車”會不斷增強。然而，當進步速度放緩后，行業關注的是如何讓已造出的“汽車”性能更優，工程師們搖身一變，成了“汽車修理工”。 

在編程方面，GPT-5的基準測試成績更高，文字表達也更自然流暢，但它的進步并不是什么巨大突破。 

亞利桑那州立大學的研究人員認為，人工智能公司所謂的推理能力不過是一種脆弱的幻影，一旦超出訓練數據的分布范圍便會消失。在基準測試中雖然能取得好成績，但與真正解決日常問題所需的推理能力并非一回事。 

Gary Marcus稱：“雖然2025年的大模型在基準測試中成績更好，但我并沒有聽到有多少AI公司宣稱2025年的模型比2024年實用很多。” 

曾經的縮放定律，越來越不奏效

實際上早在2020年1月，《紐約客》報道稱，OpenAI發布一份名為《神經語言模型的縮放定律（Scaling Law）》的報告（參與撰寫的包括現任Anthropic CEO Dario Amodei），認為只要擴大大語言模型的規模，增強訓練強度，模型就會越來越好。 

論文發表幾個月后，OpenAI發布了GPT-3，它似乎印證了縮放定律的正確性。GPT-3的規模是其前身GPT-2的10倍，性能也有了飛躍性的提升。 

如果縮放定律是確定的，那就意味著AGI觸手可及。大約一年后，OpenAI首席執行官山姆?奧特曼發表了一篇題為《萬物的摩爾定律》的博文，稱AI將接管越來越多的工作，創造無窮財富。他堅信：“這場技術革命勢不可擋。世界的變化將迅猛而劇烈，因此，我們需要在政策上做出同樣重大的調整，以分配這些財富，讓更多人能追尋自己想要的生活。” 

是不是所有人都支持縮放定律呢？當然不是。人工智能企業家、紐約大學心理學與神經科學榮譽退休教授Gary Marcus曾反駁稱，所謂的縮放定律并非像重力那樣普適，而僅僅是一種觀測結果，未必永遠成立。 

博文遭到了許多行業大佬的反對，比如Greg Brockton、Yann LeCun和馬斯克等。Gary Marcus回憶說：“在我寫過的所有文章中，從未有一篇像這篇一樣遭到那么多反對。”他甚至被機器學習產業驅逐。 

沒多久，ChatGPT用戶量達到1億。2023年3月，OpenAI推出GPT-4，性能再次大幅提升，風險資本看到了機會，大規模涌入。 

自那之后，AI的進步速度突然放慢。兩年多來，OpenAI并沒有推出重磅模型，于是一些專業人士開始質疑，認為縮放定律已經失效。 

TechCrunch在一篇文章中說：“如今似乎所有人都承認，在預訓練大型語言模型時僅僅投入更多計算資源和數據，不足以讓它們變成某種全知全能的數字神靈。” 

盡管如此，這種觀點的聲音極為微弱，行業大佬仍然宣稱AI很快將超越人類。 

大模型能力進步失速，將對AI經濟產生巨大沖擊

如果事實證明縮放定律失效，將對AI經濟產生巨大沖擊。科技分析師Ed Zitron直言不諱地稱：“生成式AI市場將創造500億美元的市場，但不是萬億級別。”Gary Marcus持相同觀點：“500億美元差不多，最多也只有1000億。” 

假設上述觀點是正確的，那么在未來幾年內，人工智能工具只能取得穩定但漸進的進步。許多人會定期使用，但用途有限。人工智能不會大規模擾亂就業市場，至于所謂的AGI，更是顯得不切實際。 

有分析認為，如果美國繼續炒作AI，風險將是巨大的。在美國股市中，約有35%的市值與七大科技巨頭有關。在過去18個月，這些企業在AI領域的投資高達5600億美元，但相關收入只有350億美元。 

從樂觀角度看，21世紀30年代仍有可能孕育出AGI，即便永遠無法讓人類工作自動化，也可以刺激AI行業催生出更復雜的解決方案。（小刀）