Nathan Lambert：AI 会快速进步，但未必走向通用超级智能

Nathan Lambert 在 2026 年 10 月 9 日发表于 Interconnects 的文章中判断，AI 可能快速提升工程与推理效率，但未必因此走向通用超级智能；其关注价值在于区分“能力扩张”与“智能性质变化”。

• 文章认为，模型在分布式 GPU 工程、代码编写和实验自动化方面可能超过人类研究者。
• 进展的重要来源可能是推理阶段计算扩展、缓存和基础设施优化，而非模型范式发生根本变化。
• AI 编程智能体降低了实验执行成本，使研究瓶颈从工程实现逐步转向问题选择和想法质量。
• 作者预计，部分预训练架构与数据选择工作可能在未来数年内被自动化，但这属于个人判断，不是实证结论。
• 影响/看点：如果基础设施效率持续改善，AI 应用成本和实验迭代速度可能下降；但这一推论成立的前提是模型质量、可靠性和可验证性能够同步提升，不能仅由工程效率推导出通用超级智能。资料依据:
• Interconnects（2026-10-09）：https://www.interconnects.ai/p/i-expect-rapid-progress-but-not-towards

本内容由 AI 生成，仅供参考，请注意甄别