TheSequence意见#904：研究时代被高估，人工智能工程正在获胜

最近，Ilya Sutskever对现代人工智能的历史做出了一段简洁的梳理。他认为，从2012年到2020年左右，该领域处于研究时代；2020年至2025年，进入了扩展时代；而现在，我们正在回归研究——只是这次“带着大型计算机”。

这种分期颇具吸引力，但也引出了一个直接的问题。

打开2026年几乎任何前沿模型的发布说明，架构图看起来都出奇地相似。机器中仍然存在某个Transformer，通常通过混合专家系统进行路由。主要的改进通常在其他方面：更好的数据、更长的上下文、更强的强化学习、合成任务、工具使用、记忆、验证、自适应推理预算以及智能体编排。

这看起来并不像新神经物种的出现，而更像一级方程式赛车。赛车仍然有四个轮子和一台发动机，但巨大的进步却来自空气动力学、能量回收、轮胎化学、遥测、软件和维修区策略。底盘很重要，但围绕它的系统越来越决定比赛的胜负。

那么，我们正处于哪个时代：研究还是工程？

可能两者都是。研究时代已经回归，但其中许多研究如今表现为工业规模的工程。

“扩展并未结束，它逃逸了。”

吞噬该领域的配方

让我们更深入地探讨。Transformer的持续主导地位并非停滞，而是平台效应。就像20世纪初内燃机被不断改进一样，Transformer周围的工程创新正在释放其全部潜力。数据质量、训练动态和推理效率的进步，远比架构革命更能推动当前AI能力的提升。

事实上，一些最重要的突破来自对学习循环的重新思考。从人类反馈中进行强化学习、合成数据生成以及自适应计算分配，都使Transformer变得更加智能。这些并非替代品，而是增强剂。

因此，我们不应低估工程的价值。研究带来了Transformer，但工程正在赢得实际应用。未来的AI历史学家可能会将这一时期标记为工程时代，那时基础模型成为基础设施，而差异化优势来自于系统层面的优化。