極客網(wǎng)·人工智能8月15日 2025 年 8 月，OpenAI 終于推出備受期待的 GPT-5，但其表現(xiàn)并未如市場預期般帶來 “革命性突破”，反而讓 “AI 進步失速”“縮放定律失效” 的討論再度升溫。
GPT-5 實測：亮點有限，失望聲四起
YouTube 播主 Mrwhosetheboss 的實測顯示，GPT-5 并非全面領先：在創(chuàng)建象棋游戲時優(yōu)于 GPT-4o-mini-high，撰寫視頻腳本時強于 GPT-4o，且能根據(jù)任務自動匹配最優(yōu)模型；但在生成 YouTube 縮略圖、生日派對邀請函等場景中，反而不及 GPT-4o，甚至更易被誘導編造事實。
這份 “喜憂參半” 的答卷很快引發(fā)不滿。有付費用戶直言其 “是垃圾”，人工智能學者 Gary Marcus 更是直接批評 GPT-5 “過度炒作且令人失望”—— 對比 2023 年 GPT-4 相對 GPT-3 的 “飛躍式進步”，GPT-5 的提升僅停留在 “基準測試分數(shù)更高、文字表達更流暢” 的細節(jié)層面，毫無突破性進展。
大模型進步 “踩剎車”：從 “造汽車” 到 “修汽車”
曾有行業(yè)比喻：預訓練大模型是 “生產(chǎn)汽車本身”，訓練后優(yōu)化是 “給汽車升級性能”。此前，OpenAI 通過擴大預訓練規(guī)模，不斷推出性能更強的 “新車”；但如今，這種 “造新車” 的速度明顯放緩。
2024 年春季，OpenAI CEO 山姆?奧特曼曾向工程師承諾 “下一代模型遠超 GPT-4”，但 2025 年秋季落地的 GPT-5 未能兌現(xiàn)。亞利桑那州立大學研究人員進一步指出，大模型所謂的 “推理能力” 本質(zhì)是 “脆弱的幻影”—— 僅在訓練數(shù)據(jù)范圍內(nèi)有效，一旦超出邊界便失效，其基準測試成績與解決真實日常問題的能力并非同一回事。
Gary Marcus 的觀察更直白：“2025 年的大模型分數(shù)更高，但沒有哪家 AI 公司敢說，它比 2024 年的模型‘實用得多’?！?行業(yè)關注點已從 “造更強的模型” 轉(zhuǎn)向 “優(yōu)化現(xiàn)有模型”，工程師的角色也從 “汽車制造商” 悄然變?yōu)?“汽車修理工”。
縮放定律的興衰：從 “圭臬” 到 “失效”
AI 行業(yè)曾將 “縮放定律” 奉為核心邏輯。2020 年 1 月，OpenAI 發(fā)布《神經(jīng)語言模型的縮放定律》報告（Anthropic CEO Dario Amodei 參與撰寫），提出 “只要擴大模型規(guī)模、增強訓練強度，性能就會持續(xù)提升”。
隨后的 GPT-3 印證了這一觀點 —— 規(guī)模是 GPT-2 的 10 倍，性能實現(xiàn)飛躍；2023 年 GPT-4 再次大幅進步，疊加 ChatGPT 用戶破億的熱度，風險資本大規(guī)模涌入，AI 行業(yè)迎來 “大躍進”。山姆?奧特曼甚至在《萬物的摩爾定律》博文中斷言，AI 將 “迅猛改變世界”，AGI（通用人工智能）觸手可及。
但反對聲從未消失。紐約大學教授 Gary Marcus 曾直言 “縮放定律只是觀測結果，非普適規(guī)律”，這一觀點不僅遭到 Greg Brockton、Yann LeCun、馬斯克等行業(yè)大佬的反駁，他本人甚至被貼上 “機器學習產(chǎn)業(yè)異類” 的標簽。
如今，反對者的聲音得到驗證。TechCrunch 指出，行業(yè)已普遍承認 “僅靠堆算力、堆數(shù)據(jù)，無法讓大模型變成‘全知數(shù)字神靈’”—— 自 GPT-4 發(fā)布兩年多來，OpenAI 再無重磅模型，“縮放定律失效” 已成越來越多人的共識。
進步失速沖擊 AI 經(jīng)濟：萬億夢碎，風險浮現(xiàn)
若縮放定律徹底失效，AI 行業(yè)的 “經(jīng)濟泡沫” 或?qū)⑵屏??？萍挤治鰩?Ed Zitron 與 Gary Marcus 觀點一致：“生成式 AI 市場規(guī)模約 500 億美元，最多 1000 億，遠達不到此前炒作的‘萬億級別’?！?/p>
這意味著未來幾年，AI 工具只會有 “穩(wěn)定但漸進” 的進步 —— 雖會被定期使用，但用途有限，既不會大規(guī)模沖擊就業(yè)市場，AGI 的實現(xiàn)也將更不切實際。
更嚴峻的風險在資本市場。美國股市中，35% 的市值集中于七大科技巨頭，過去 18 個月，這些企業(yè)在 AI 領域投入高達 5600 億美元，但其 AI 相關收入僅 350 億美元，“高投入、低回報” 的矛盾若持續(xù)，可能引發(fā)連鎖反應。
當然，樂觀視角仍存：21 世紀 30 年代仍有可能孕育 AGI，即便無法實現(xiàn) “人類工作自動化”，也能推動 AI 行業(yè)探索更復雜的解決方案，倒逼技術從 “規(guī)模驅(qū)動” 轉(zhuǎn)向 “效率驅(qū)動”。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
