Karpathy說"我從未感到作為程序員如此落后"。

LeCun說"AGI是扯淡"。

Hinton說"AI奪取世界控制權的概率是10%-20%"。

Altman說"我們已經(jīng)知道怎么構建AGI了"。

這是2025年12月，AI圈最有意思的景象：所有人都在回答同一個問題，但給出的答案完全不一樣。

我花了兩天時間，翻完了Karpathy的萬字長文、Altman的兩篇博客、Hinton的CNN專訪、Sutskever離開OpenAI后的首次深度采訪，還有LeCun和Hassabis在X上的那場吵架。

整理出18位核心人物的觀點，大致歸成5類答案。

你會發(fā)現(xiàn)，AI圈的分歧比你想象的大得多。

答案一：規(guī)?；筋^了

代表人物：Ilya Sutskever

SSI創(chuàng)始人，前OpenAI首席科學家。GPT系列的核心貢獻者。

Ilya在11月接受Dwarkesh Patel采訪，說了一句很重的話：

"我們正在從規(guī)?；瘯r代轉(zhuǎn)向研究時代。"

什么意思？

從2020年到2025年，AI的進步邏輯很簡單——堆數(shù)據(jù)、堆算力、堆參數(shù)。GPT-2到GPT-3到GPT-4，基本就是這個套路。

但Ilya說，現(xiàn)在規(guī)模已經(jīng)大到一定程度了。"信念還是'再擴大100倍一切都會不同'嗎？我不這么認為。"

他的判斷是：AI的瓶頸不再是算力，而是想法。

這話從Ilya嘴里說出來，分量很重。他可是OpenAI的首席科學家，GPT系列的核心貢獻者。

更有意思的是他對當前方法的評價："當前的方法會走一段距離，然后逐漸停滯。真正有效的系統(tǒng)，是我們尚不知道如何構建的東西。"

換句話說，光靠scaling law，到不了AGI。

反方觀點：Sam Altman

Altman的看法截然相反。

他在2025年的博客《Three Observations》里寫道：

"AI模型的智能大致等于訓練和運行它所用資源的對數(shù)。"

翻譯一下：錢還沒砸夠，規(guī)模還可以繼續(xù)擴。

而且他給出了一個更激進的判斷：

"我們現(xiàn)在確信我們知道如何構建傳統(tǒng)意義上的AGI。"

注意用詞——"確信"、"知道如何構建"。

這和Ilya的"我們還不知道怎么做"形成了鮮明對比。

誰對誰錯？不好說。但至少說明，即使是OpenAI內(nèi)部出來的人，對這個問題的判斷都完全不同。

答案二：LLM是條死胡同

代表人物：Yann LeCun

圖靈獎得主，前Meta首席AI科學家。AI圈最愛吵架的人，沒有之一。

12月他在X上直接開炮：

"所謂的通用智能根本就是扯淡（completeBS）。

他的邏輯是：人類智能本身就是高度專業(yè)化的，我們以為自己很"通用"，其實只是一種錯覺。

更關鍵的是，他認為LLM這條路走不通。

"LLM只是預測下一個token，它們?nèi)狈ξ锢硎澜绲睦斫狻?

他的替代方案叫World Models——能夠理解物理規(guī)律、保持持久記憶、規(guī)劃復雜行動的AI系統(tǒng)。12月他宣布離開Meta，創(chuàng)辦了AMI Labs，就是做這個方向。

反方觀點：Demis Hassabis

DeepMind CEO Hassabis在X上直接反駁了LeCun：

"人類大腦是已知最復雜的系統(tǒng)之一，按設計來說是高度通用的學習機器。"

兩人在12月24日有一場公開辯論，Musk還站隊Hassabis，發(fā)帖說"Demis是對的"。

LLM到底是不是死胡同？

Gary Marcus（AI圈最著名的懷疑論者）站LeCun這邊。他在12月的Axios峰會上說：

"LLMs are not AGI. Anybody who thinks they are is just not really following the technical detail."

但主流還是覺得LLM能繼續(xù)走下去，只是需要配合其他技術。

答案三：泡沫要破了

代表人物：多位CEO的微妙表態(tài)

這個問題有意思。

按理說，AI公司的CEO應該最看好AI。但如果你仔細看他們的表態(tài)，會發(fā)現(xiàn)很多人在釋放"謹慎"信號。

Sam Altman（8月）：

"投資者作為一個整體是否對AI過度興奮了？我的看法是，是的。"

Demis Hassabis（11月）：

"私人市場顯然存在泡沫……種子輪估值幾十億美元的公司什么都沒有。這似乎有點不可持續(xù)。"

Dario Amodei（12月DealBook峰會）：

"部分公司在'YOLO'（孤注一擲），過度投資數(shù)據(jù)中心，承諾花費數(shù)千億美元。" "經(jīng)濟價值實現(xiàn)的時機不確定，可能出現(xiàn)'時機錯誤'。"

注意，這是Anthropic的CEO在說這話。他自己的公司估值已經(jīng)1830億美元了。

但也有人不信泡沫論。

Aidan Gomez（Cohere CEO，12月）：

"AI泡沫有正確和錯誤的一邊，Cohere在正確的一邊。"

Jensen Huang：

"我看到的和AI泡沫非常不同。"

Harvard的專家傾向于認為，即使有泡沫，更可能是"緩慢泄氣"而不是"突然爆破"。

但一個數(shù)據(jù)很扎眼：MIT在8月的報告顯示，盡管企業(yè)在GenAI上投入了300-400億美元，95%的組織獲得的回報是零。

答案四：就業(yè)沖擊比想象的大

代表人物：Geoffrey Hinton

"AI教父"，2024諾貝爾物理學獎得主。

Hinton在12月底接受CNN采訪時說：

"我可能比以前更擔憂了。AI進步的速度比我預想的更快。"

他給出了一個具體的預測：

"AI每7個月左右就能將完成任務的時間減半。幾年后，AI將能夠完成現(xiàn)在需要一個月工作量的軟件工程任務。"

更讓人不安的是他對AI風險的評估：AI奪取世界控制權的概率是10%-20%。

Dario Amodei的預測更激進：

"未來1-5年內(nèi)，可能消滅半數(shù)入門級白領崗位。" "3-6個月內(nèi)，AI將編寫90%的代碼。"

但也有人潑冷水。

Ethan Mollick（Wharton教授）在10月的CNBC峰會上說：

"I can tell you, no one knows anything."（沒人真的知道會怎樣）

他的觀點是：AI agents"還沒到那一步"，"你只是把AI換成人的想法對我來說很天真"。

Gary Marcus也不信AI會大規(guī)模替代白領：

"有太多白領工作是需要正確答案的。"——而這恰恰是AI最大的問題：幻覺。

這可能是最誠實的答案。

Ethan Mollick：

"包括頂級AI實驗室也不知道AI真正有用的場景。他們告訴我，用我的Twitter來了解用例。"

Dwarkesh Patel（播客主持人，采訪了幾乎所有AI大佬）在12月的博客里寫了一個很有洞察的觀察：

"模型不斷變得更impressive的速度符合短時間線預測，但變得更useful的速度符合長時間線預測。"

什么意思？

AI在benchmark上的表現(xiàn)越來越好，但真正落地到實際工作中，進展沒那么快。

這可能才是最核心的問題：能力和實用之間的gap，比我們想象的大。

那個沒有答案的問題：AGI什么時候來？

這是所有問題中最大的那個，也是分歧最大的那個。

預測

Sam Altman

"比世界上大多數(shù)人想的更快"

Demis Hassabis

2030年前可能

Geoffrey Hinton

5-20年（從30-50年下調(diào)）

Yann LeCun

10年以上，而且當前方法到不了

Ilya Sutskever

當前方法會"逐漸停滯"

Gary Marcus

LLM不是AGI，需要全新方法

差距有多大？從"已經(jīng)知道怎么做"到"完全是另一回事"。

我的判斷

看完這18個人的觀點，我有幾個感受：

1. 分歧比共識大。即使是同一個公司出來的人（比如Altman和Sutskever），對核心問題的判斷都完全不同。

2. 幾乎所有人都同意LLM有根本局限。幻覺、鋸齒狀表現(xiàn)（benchmark好但實際差）、缺乏對物理世界的理解。

3. 2025年的關鍵詞是"清算"。從"能力展示"轉(zhuǎn)向"經(jīng)濟價值證明"。95%的企業(yè)AI試點零回報，這個數(shù)據(jù)會倒逼整個行業(yè)。

4. "沒人知道"可能是最誠實的答案。包括頂級實驗室的人，包括諾貝爾獎得主，包括所有在X上吵架的大佬。

如果你問我AI現(xiàn)在最大的問題是什么？

說實話，我不知道。

但我知道一件事：最頂尖的那群人，也不知道。

Ethan Mollick說得最直接："No one knows anything."包括他自己，包括OpenAI，包括DeepMind。

這其實是個好消息。

如果連諾貝爾獎得主都在困惑，連OpenAI的首席科學家都說"我們還不知道怎么構建真正有效的系統(tǒng)"，那我們普通人就不用焦慮自己"跟不上"了。

當還有東西不知道，不確定的時候，我覺得未來還挺值得期待的。

我喜歡不確定性的未來。一切都注定了多無聊啊。

你覺得AI最大的問題是什么？歡迎留言聊聊。

參考來源：

• Karpathy: 2025 LLM Year in Review：https://karpathy.bearblog.dev/year-in-review-2025/

• Dwarkesh Patel: Thoughts on AI progress (Dec 2025)：https://www.dwarkesh.com/p/thoughts-on-ai-progress-dec-2025

• Ilya Sutskever - Dwarkesh Patel Interview：https://www.dwarkesh.com/p/ilya-sutskever-2

• MIT Tech Review: The Great AI Hype Correction of 2025：https://www.technologyreview.com/2025/12/15/1129174/the-great-ai-hype-correction-of-2025/

• Geoffrey Hinton on CNN (Dec 28)：https://fortune.com/2025/12/28/geoffrey-hinton-godfather-of-ai-2026-prediction/

• Dario Amodei at NYT DealBook Summit：https://techcrunch.com/2025/12/04/anthropic-ceo-weighs-in-on-ai-bubble-talk/