Notes Wiki

State-of-AI-2026

6 min read

State of AI in 2026

创建时间： 2026-05-03 来源： [[sources/#490--state-of-ai-in-2026-llms-coding-scaling-laws-china-agents-gpus-agi|490 – State of AI in 2026 LLMs, Coding, Scaling Laws, China, Agents, GPUs, AGI]] 相关： Scaling-Laws-Three-Axes，RLVR-and-Reasoning，US-China-AI-Competition，Open-Weight-Models-Geopolitics，AI-Monetization-Market，Sebastian-Raschka，Nathan-Lambert，NVIDIA-Strategy

概述

Lex Fridman Podcast #490（2026-02-01 发布），嘉宾为 ML 研究者 Sebastian Raschka 和 AI2 post-training lead Nathan Lambert。这是对 2025-2026 AI 状态的全景式讨论，涵盖竞争格局、技术突破、开源政治和长期展望。

十大核心要点

1. 没有赢家通吃

  • 研究人员频繁流动 → 技术想法不再独家
  • 真正的差异化因素：预算和硬件约束，而非专有技术
  • 最新模型永远最好——“蛙跳式”竞争将持续

2. DeepSeek 引爆中国开放模型运动

  • DeepSeek R1（2025年1月）= 中国的”ChatGPT 时刻”
  • 之后 Z.ai、Minimax、Moonshot 等大量涌现
  • DeepSeek 本身正在失去”王冠”——不是因为变差，而是因为竞争者用 DeepSeek 的想法追赶上来

3. Anthropic 在代码领域领先

  • Claude Opus 4.5 的炒作”疯狂”但有机
  • Claude Code 是一种根本不同的编程体验——用自然语言做宏观设计，而非微管理代码生成
  • Anthropic 的文化优势：最少的混乱、最强的代码专注
  • 文化组织的稳定性本身就是竞争优势

4. Gemini 会继续追赶 ChatGPT

  • Google 的规模优势：TPU（绕过 NVIDIA 芯片的巨大利润）+ 数据中心先发优势
  • Nathan 预测 Gemini 将继续蚕食 ChatGPT 的份额
  • 但 GPT-5 的路由器功能帮 OpenAI 省了大量 GPU 成本

5. 架构基本没变，扩展三轴在工作

  • GPT-2 → GPT-OSS：只有 MoE、GQA、RMS Norm 等微调
  • 真正的进展来自：pre-training + RL（RLVR）+ inference-time scaling
  • 推理时间扩展是”阶跃函数”——让模型”想”更久再回答

6. RLVR 是 2025 年最大的突破

  • 模型在数学/代码等可验证任务上通过试错学习
  • 自然涌现出”分步推理”和”自我纠正”行为
  • RLHF 是”最后润色”；RLVR 是”引擎”

7. AI 编程已成主流

  • 调查：791 名 10 年+经验开发者中，~80% 觉得 AI 编程更享受
  • 高级开发者比初级开发者更多使用 AI 生成代码（>50%）
  • 核心悖论：你怎么在不亲自尝试的情况下成为专家？
  • 建议：保留离线学习时间 + 使用 AI 编程的”Goldilocks 区间”

8. 工具使用是减少幻觉的关键

  • “解决幻觉的最佳方式：不要总是靠记忆。数学用计算器，事实用搜索引擎”
  • 递归 LLM（Recursive LM）：将任务分解为子任务，每个子任务调用工具并汇总
  • 信任和安全是工具使用广泛采用的瓶颈

9. 文本扩散是替代方向

  • 类似 Stable Diffusion 但用于文本——并行生成 token
  • 优势：快速生成长 diff（适合 vibe coding）
  • 劣势：推理和工具使用需要顺序执行——扩散模型难以处理
  • Google 已宣布 Gemini Diffusion

10. AGI 时间线分歧

  • AI 2027 报告：超级编码者 → 超级 AI 研究者 → ASI（最初预测 2027-28，已推迟到 2031 平均值）
  • Nathan：“锯齿智能”将长期存在——某些代码超人，分布式 ML 很差
  • Sebastian：“AGI” 的阈值定义本身就是问题
  • 真正的经济影响可能不是单个”AGI 时刻”，而是渐进的领域专化

关键引用

“解决幻觉的最佳方式：不要试图总是记住信息。数学用计算器，事实用搜索引擎。” — Sebastian Raschka

“如果你想在 AI 研究中产生影响，最好的方式是找到更好的新数据。” — Nathan Lambert

“UBI 不解决 agency。人需要赋予生活意义的能力和做事的力量。” — Nathan Lambert

“AI 不会夺走你的 agency，因为它是工具。你掌控一切，你告诉 AI 做什么。” — Sebastian Raschka

衍生创作

参考资料

Graph View

Backlinks