为什么大模型疯狂学习 Excel 和浏览器操作,恰恰证明了 AGI 远未到来?

1. 主编按语

Why Now：在 OpenAI o1/o3 系列引发新一轮“Scaling Law”狂热的当下，市场普遍认为通过强化学习（RL）的扩展，AGI 将在 2-3 年内降临。然而，随着模型落地应用时的“手感”与宏大叙事出现偏差，我们需要冷静的冷思考。

Who & Conflict：本期内容源自一著名AI播客博主Dwarkesh基于 2025 年视角的复盘。核心冲突在于“短期极速派”与“技术现实主义”的对撞：前者认为通过 RLVR（基于可验证结果的强化学习）可以迅速通往 AGI；后者则尖锐指出，目前各大实验室疯狂进行“技能注入（Skill Baking）”的行为，恰恰暴露了模型缺乏核心的泛化与自学能力。

Value：这篇研报将为你祛魅。它指出了目前 AI 商业化受阻的真正原因并非“市场采用滞后”，而是“能力缺失”。同时，它提出了判断 AGI 真正的北极星指标——不是刷榜分数的提升，而是持续学习（Continual Learning）能力的突破。

2. 深度拆解·核心议题

📌 议题 1：「技能注入」悖论——RL 扩展的虚假繁荣

• 核心论点
  各大实验室目前通过“Mid-training（中特训）”向模型硬塞 Excel、浏览器操作等技能，这并非通往 AGI 的捷径，而是模型缺乏类人学习能力的铁证。
• 逻辑推演
• 现状
  目前 AI 供应链中存在大量公司，专门构建 RL 环境来教模型如何浏览网页或构建金融模型。
• 悖论
  如果模型真的接近人类智能（AGI），它们应该像人类员工一样，通过“在岗学习（On-the-job learning）”掌握这些工具，而不需要预先“烘焙（Bake in）”所有可能用到的软件技能。
• 成本黑洞
  实验室正在花费数十亿美元聘请 PhD 和专家编写问题和推理步骤。这实际上是在用人力堆砌出的“伪智能”来掩盖模型无法自主归纳经验的缺陷。
• 类比
  这就像机器人领域，如果有了类人学习器，机器人本该通过算法解决通用操作；但因为没有，我们被迫去一千个不同的家庭收集数据，教它如何折叠衣服。
• Nuance（微妙之处）
• 反方观点认为，这种笨拙的 RL 训练是为了培养出一个“超级 AI 研究员”（自动化 Ilya），然后由它去解决更难的学习问题。
• 但作者反驳：一个连基本“儿童级”自学能力都没有的模型，如何能解决人类研究了一个世纪的 AGI 算法难题？这不符合逻辑。
• 精彩原话

“人类不需要经历一个特殊的训练阶段，去预演他们未来可能用到的每一个软件。如果模型真有那么聪明，这种预烘焙就是毫无意义的。”

📌 议题 2：经济扩散的谎言——“采用滞后”是能力不足的遮羞布

• 核心论点
  AI 尚未在大规模商业中产生万亿级收入，原因不是“技术扩散慢”，而是“模型能力不够”。
• 逻辑推演
• 反驳“扩散滞后论”
  高技能移民（人类）进入新经济体时，几乎可以立即整合并创造价值。如果 AI 真的是“服务器上的高智商人类”，它们的整合速度应该比人类更快（几分钟读完公司所有 Slack 和 Drive）。
• 柠檬市场（Lemon Market）消失
  招聘人类存在信息不对称（不知道谁是好员工），但部署经过验证的 AGI 模型不存在这个问题。因此，AI 的扩散摩擦力本应极低。
• 数据证伪
  全球知识工作者的年薪总和是数十万亿美元。如果模型能力达标，企业会毫不犹豫地花费数万亿购买 Token。然而，目前实验室的收入与此相差 4 个数量级。
• 结论
  这种巨大的收入鸿沟，只能说明模型目前还无法替代真正的知识工作。
• 精彩原话

“如果这些模型真的是‘服务器上的人类’，它们的扩散速度会快得惊人……‘技术扩散需要时间’只是人们用来掩盖模型缺乏核心经济价值这一事实的托词（Cope）。”

📌 议题 3：终局推演——从“预训练红利”到“持续学习”的苦旅

• 核心论点
  真正的 AGI 爆发（Intelligence Explosion）不会来自单纯的算力堆叠，而是来自解决“持续学习（Continual Learning）”，这将是一个长达 10 年的渐进过程。
• 逻辑推演
• 偷换概念
  人们试图将“预训练 Scaling Law”的确定性（像物理定律一样稳固），“洗白（Launder）”嫁接到 RL 扩展上。但 RL 的扩展并没有公开、拟合良好的趋势线。Toby Ord 的研究甚至暗示，RL 需要 100 万倍 的算力增长才能获得类似 GPT 级的提升。
• 未来形态
  未来的 AGI 形态是无数个 Agent 被派往各行各业，在工作中学习，然后将经验“回传”给蜂巢思维（Hive Mind）进行批量蒸馏。
• 时间表
  解决“持续学习”不是一蹴而就的（像 GPT-3 并没有彻底解决 In-context learning 一样）。这需要 5-10 年的迭代。
• 竞争格局
  因为没有“一夜之间”的突破，先发优势会被人才流动和逆向工程抹平。各大实验室将继续轮流坐庄，不会出现单一寡头垄断。
• 精彩原话

“人们正在试图‘洗白’预训练扩展的声望，用它来为 RLVR 的看涨预测背书……但当我们试图从稀缺的数据点中拼凑真相时，结果相当悲观。”

3. 思维模型与框架

1. The "Schlep" Filter（繁琐过滤器）

• 定义
  Schlep (Yiddish) 指繁琐、令人不快但必须做的工作。人类劳动的核心价值，在于处理那些无法被标准化、需要实时判断的“非标准化繁琐事务”。
• 应用场景
  当你评估一个 AI 产品是否能替代人工时，问自己：这个任务是否需要为每个细分场景建立单独的训练循环（High Schlep）？如果是，目前的 AI 很难替代；如果 AI 能通过通用逻辑解决，才是真正的 AGI。

2. Prestige Laundering（声望洗白）

• 定义
  利用一个已验证趋势（如 Pre-training Scaling）的权威性，去论证另一个尚未验证、机制完全不同的趋势（如 RL Scaling/推理侧扩展），从而制造确定性的假象。
• 应用场景
  投资人在看 AI 项目 BP 时，需警惕创始人是否用 GPT-4 的成功路径，来强行推导 Agent 或机器人的必然成功。

3. Hive Mind Distillation（蜂巢思维蒸馏）

• 定义
  一种未来的 AI 学习架构。边缘端的 Agent 在具体任务中获取“隐性知识”，然后定期同步回中央大模型，中央模型通过“批量蒸馏”吸收经验并更新，再分发给所有 Agent。
• 应用场景
  判断 AI 应用公司的护城河——不仅看模型多强，要看是否建立了“端侧执行 -> 经验回流 -> 中央模型迭代”的闭环。

4. Decision Signals（决策信号·高价值判断）

🔴 看空/风险：短期 AGI 泡沫

• 警惕那些基于“RL 扩展将由 o1/o3 带来指数级飞跃”的短期激进预测。如果一家公司赌的是“2026 年模型将无所不能”，其商业模式极其脆弱。目前的 RL 扩展更像是为了特定 Benchmark 的“应试教育”。

🟢 看多/机会：持续学习（Continual Learning）基础设施

• 真正的机会在于解决“模型如何从部署后的经验中学习”这一问题。关注那些致力于数据回流、自动化评估、模型自我更新架构的技术栈。这是未来 10 年的真正主战场。

💡 非共识：AI 招聘的“反柠檬市场”效应

• 大众认为 AI 难以落地是因为企业保守。非共识观点是：一旦 AI 能力跨过某个阈值（真正具备自学能力），其采用速度将是垂直的（Vertical Adoption）。目前的缓慢采用恰恰证明了能力尚未达标。不要在模型能力未达标时，过分纠结于 Go-To-Market 的优化，核心瓶颈仍在技术本身。