大模型撞上“扩展之墙”：AGI之路为何急需转向？

摩天楼下的思想沙丘

在AI界的年度盛会NeurIPS 2025上，空气中弥漫着一种奇异的张力。一边是谷歌为其最新模型Gemini 3的卓越性能举杯相庆，其强大的多模态能力似乎又一次将人工智能的边界推向远方；另一边，会场走廊与闭门研讨中，却回荡着一种愈发清晰的警示：我们或许正将AI这座摩天大楼，建在了思想的沙丘之上。

尽管掌声雷动，但全球顶尖的研究者们传递出的信息却异常冷静，甚至带有一丝紧迫感。一个共识正在形成：无论当前的大语言模型（LLM）看起来多么能言善辩、才华横溢，通往通用人工智能（AGI）的梦想，非但没有更近，反而可能因走错了路而渐行渐远。那条曾经被奉为圭臬的“扩展法则”（Scaling Law）——用更多的数据、更多的GPU、更多的参数去“喂养”更大的模型——似乎已经触碰到了它的天花板。

从GPT-3到GPT-4的惊艳一跃，如今被越来越多地视为一次性的奇迹。此后的进展，更像是擦亮玻璃，而非打破天花板。这种“量变”无法引发“质变”的困境，不仅是研究者的烦恼，更是对整个社会期待的修正。当AGI近在眼前的叙事被广泛传播时，AI领域最聪明的大脑们却在说：我们可能从根上就错了。

“扩展之墙”：当暴力美学失灵

一个技术术语在会场悄然流传——“扩展之墙”（Scaling Wall）。它精确地概括了当前AI发展面临的困境，即依赖“规模”的暴力美学方法，正同时撞上物理与认知的双重极限。

• 数据枯竭：高质量的人类语料正被耗尽。互联网虽大，但充满噪声、偏见和重复的低质内容。当模型已经“读完”了整个互联网，新的养料从何而来？
• 能耗惊人：为了追求小数点后几位的性能提升，训练一次顶级模型所消耗的电力，足以支撑一座小城市的运转。这种不可持续的能源消耗，正成为AI发展的沉重负担。
• 认知浅薄：最令人不安的是，尽管模型参数已达万亿级别，它们依然无法真正地进行逻辑推理，无法理解因果关系。它们是出色的“模式匹配器”，能生成听起来正确的答案，但这与真正的“理解”相去甚远。它们会犯下一些匪夷所思的低级错误，这是任何人都无法接受的，尤其是在医疗、驾驶或科学研究等高风险领域。

Gemini 3的成功，恰恰反衬出这一问题的尖锐性。它无疑是当前范式下的巅峰之作，是Transformer架构的最优版本，但这栋“沙上之楼”即便再精美，其地基不稳的本质并未改变。当最强的模型依然无法跨越理解与推理的鸿沟时，整个行业不得不直面一个根本性问题：是时候彻底重塑AI的基础方法与理念了。

两条岔路：当“逻辑”与“直觉”相遇

当一条路走到尽头，寻找新的方向便成为必然。在NeurIPS 2025上，两种截然不同的替代方案被寄予厚望，它们代表了AI发展的两条关键岔路，试图为机器装上真正的“思维引擎”。

第一条路：回归逻辑的神经符号架构 (Neuro-symbolic Architectures)

这是一种混合式架构，旨在弥合AI两大传统学派——连接主义与符号主义——长达数十年的鸿沟。如果说当下的深度学习模型像丹尼尔·卡尼曼所描述的“系统1”，依赖直觉、进行快速的模式识别；那么符号AI则代表着严谨、有序、基于规则的“系统2”逻辑思维。

神经符号系统试图将二者合一。它让神经网络强大的感知能力（“看懂”图像、“听懂”语言）与符号AI的结构化推理能力相结合。这意味着AI的决策过程不再是一个无法解释的“黑箱”。据统计，超过67%的企业AI项目因可解释性不足而难以落地，神经符号系统恰好能生成人类可读的推理轨迹，解释每一个决策背后的逻辑依据。这对于构建可信、可靠的AI至关重要。

第二条路：模拟世界的“世界模型” (World Models)

另一条备受瞩目的路径，是构建“世界模型”。这个概念的灵感源于人类的“心智模型”——我们在大脑中模拟世界如何运转，从而预测行为的后果。如果你问今天的聊天机器人“盘子从桌上掉下去会怎样？”，它可能会生成一段优美的文字。但一个拥有世界模型的AI，其内部会有一个关于物理（重力、易碎性）的简化模型，它“知道”盘子会下落、撞击地面并碎裂。

这并非为了让AI更懂物理，而是为了让它拥有基于因果关系的预测和规划能力。从谷歌的Genie 3能够生成可交互的动态世界，到Meta的V-JEPA 2试图让AI掌握“物理直觉”，再到英伟达CEO黄仁勋断言“物理AI”是下一个万亿级市场，科技巨头们正全力以赴。正如AI先驱李飞飞所言，当前的AI缺乏对三维环境的扎实理解，如同“黑暗中的文字匠”，而世界模型正是通往“空间智能”的关键，是让AI走出虚拟文本、真正与物理世界互动的桥梁。

AGI的未来：从“鹦鹉学舌”到“举一反三”

这场关于AI未来的路线之争，本质上是一场关于“智能”定义的深刻反思。单纯依赖规模扩展的道路，尽管在过去几年取得了辉煌的成就，但它似乎正在将我们引向一个“超级鹦鹉”的未来——一个能够完美模仿人类语言，却不理解其背后真实世界的智能体。

NeurIPS 2025或许将因此被历史铭记。它不是一场炫耀成果的盛会，而是一次集体性的“校准”与“反思”。它提醒我们，通往通用人工智能的道路，需要的不仅仅是更大的算力和数据，更需要根本性的理论突破和范式转换。

无论是赋予AI逻辑推理能力的神经符号系统，还是让AI在内心模拟世界的“世界模型”，它们都指向同一个未来：一个不再仅仅依赖统计模式，而是开始真正理解规则、因果和物理现实的AI。这或许意味着，AI的发展正从一个依赖计算蛮力的“青春期”，迈向一个更注重内在机理与深刻理解的“成熟期”。要实现AGI，我们需要的不是更强大的“计算器”，而是一个能够“举一反三”的“思考者”。