OpenAI首席执行官萨姆·奥特曼最近在一次采访中说了一句颇为直接的话："这一领域的发展被一代科学家拖垮了，他们对某些规模化方法不会产生结果过于自信。"

话不长，但炸锅了。

这场争论的来龙去脉

奥特曼说的"一代科学家"，并没有指名道姓，但业内人士心知肚明，靶子之一是Meta前首席AI科学家扬·勒昆。勒昆多年来持续、公开地唱空大型语言模型（LLM），认为它们"仅仅是词元生成器"，无法真正理解物理世界，单靠文本数据永远触达不了人类级别的智能。他在2025年的英伟达GTC大会上宣布自己对LLM已经"失去兴趣"，随后离开Meta，创立AMI Labs，专注于他所看好的非LLM世界模型架构，首轮即融资10.3亿美元。

勒昆的立场不是孤例。在深度学习领域，对LLM规模化路线持保留意见的研究者长期以来形成了相当有影响力的声音，质疑涵盖推理能力、事实可靠性、基础理解等多个层面。这种怀疑论在学术圈曾是相当主流的观点，并在相当程度上影响了研究资源的分配方向。

奥特曼的愤怒，正是冲着这段历史来的。他的逻辑是：规模化有效的早期数据信号其实一直在那里，只是"一些人看了图表，说嗯，进展不错，继续吧"，而另一些人却以专家权威的姿态大声否定整个方向，让整个领域在本可更早突破的节点上原地踏步了数年。

在他的叙述里，问题不在于持有不同观点，而在于以压倒性的自信去否定尚未被证伪的可能性，并且在数据开始说话之后依然拒绝修正。他甚至用上了"精神错乱"这个词："当面对行不通的数据时，一遍又一遍重复同样的事情，从某种意义上说，这是一种精神错乱。"

这话说得相当重，也相当个人化。

赢了赌注，但赢得并不轻松

奥特曼的底气，来自结果。ChatGPT的商业成功、GPT系列的能力跃升、OpenAI估值突破3000亿美元，这些都构成了他口中"我们这边数据非常有力"的现实支撑。从预测能力来看，规模化路线的支持者赢了这场赌注，而且赢得相当彻底。

但这场胜利并不意味着所有问题都已解决。奥特曼本人在同一次采访中承认，"世界模型显然很重要，我们需要它来实现机器人技术之类的目标"。这几乎是对勒昆核心关切的一次间接认可：LLM的推进路线是有效的，但勒昆提出的那些问题，包括物理世界理解、长期记忆、真正的因果推理，并没有随着LLM的成功而消失。

这就是这场争论最耐人寻味的地方。奥特曼批评的，并非勒昆等人提出的具体技术质疑，而是他们在结果出炉前就全盘否定整个方向的姿态，以及在数据积累之后依然固守成见的行为模式。奥特曼把这称为"把身份认同绑定在某个信念上"，一旦信念受到挑战，人就开始护着自我而不是追着真相。

这个观察，其实并不只适用于AI领域。科学史上这样的例子从来不少，大陆漂移、幽门螺旋杆菌、量子力学，每一次范式转移都伴随着既有权威的强力阻击。只是在AI这个行业，资金、算力、人才的流向与学术共识的形成高度绑定，错误的共识代价尤为昂贵。

与此同时，勒昆的AMI Labs获得的10亿美元融资，说明市场并没有把这场辩论看作已经终结。LLM的路线被证明有效，不等于替代路线就此出局。奥特曼自己承认的那些缺口，或许正是下一场押注的起点。

这场争论的真正意义，不在于谁对谁错，而在于它暴露了一个问题：当一个领域的权威声音与实验数据出现裂痕时，科学共同体有没有足够的机制，让后者战胜前者。奥特曼的答案，显然是：这一次，没有。