今天我想和大家深入探讨一些思考，希望你能耐心读完。身处这个行业，每天都日新月异，感觉时间在加速流逝。
智能体 AI，才是未来
我越来越觉得，不能把人工智能简单看作一个工具或纯粹的技术。
思考它将如何变革社会时，总会让我联想到马克·安德森那篇著名的文章《为什么软件正在吞噬世界》。
现在，新的问题摆在我们面前：人工智能将如何具体地吞噬这个世界？
格雷格·伊森伯格的观点一针见血：应用商店曾给软件行业带来颠覆，而智能体构建者，未来可能为智能领域带来同样深刻的变革。
All-In 播客的大卫·弗里德伯格也提到，人工智能终将解放人们的时间。
而人们会用这些多出来的时间，投入到更多工作或更多娱乐中。这或许意味着，我们花在内容和游戏上的时间会更多，这对 Netflix 和腾讯是长期利好。
除了阅读、听播客和陪伴孩子，我终于有时间静下心来，深入思考这些趋势背后的一个宏大主题：
单纯追求规模的范式还走得通吗？我们是否正在转向一种更务实、更依赖强化学习的新路径？
接下来，就是我的思考。
强化学习，正在改变游戏规则
今年一月，我们曾探讨过 OpenAI 的 o3 模型是否改变了关于扩展定律的辩论。
十个月过去，我终于形成了一个更具体的认知框架：未来人工智能在真实场景中的应用，或许并不总需要最大、最新的大语言模型。
我们先来理解几个基本概念。
扩展，就是通过投入更多数据、算力和参数，把基础模型做得更大，以此来解锁更强的通用能力。这一点我们都很熟悉。
强化学习，则另辟蹊径，它的核心是在实践中学习。
一个智能体先去尝试任务，根据结果获得奖励或惩罚，然后调整策略再试一次。
如果这种反馈来自于人类专家，那就是基于人类反馈的强化学习（RLHF）。它能让系统针对场景中真正重要的因素进行优化，比如准确性、语气、安全性等。
想象一个销售跟进的场景：销售打完电话，需要写邮件、在系统中填字段、并安排下次联系。
通过强化学习，模型可以反复模拟这个流程，由销售专家为每次尝试打分。
慢慢地，系统就会知道什么样的措辞回复率更高，怎样填写字段能减少后续的修改。
接下来，我想把我从马克·安德里森、伊桑·莫里克教授和红杉资本的帕特·格雷迪那里得到的启发整合起来，看看它们是如何帮我理解人工智能的未来的。
通往实用性的新路径
在一个月前的投资会上，帕特·格雷迪分享了一个绝妙的比喻，巧妙地解答了扩展定律与强化学习的困惑。
他让我们把一个模型想象成一个球。扩展，就像是不断往球里充气，让球的体积变得更大。
而基于人类反馈的强化学习（RLHF），则是在球上增加尖刺。每一根尖刺，都代表一项通过实践磨练出的特定技能。
只要加上足够多的尖刺，即便球的核心体积没有增大多少，它在关键领域的触及能力也会大大增强。
扩展 = 充气（数据、算力、模型大小）→ 追求更强大、更炫酷的通用能力（例如精通博士级别的数学和物理难题）。
过去两年，整个行业都在合力吹一个巨大的沙滩气球，想让它大到能覆盖所有应用场景。
这就是扩展定律的世界观：如果模型能力不够，那就继续往里充气。但我们换个思路，如果不再执着于充气，而是在球上安装尖刺呢？
每一根尖刺都代表一项经过实战打磨的专业技能。当尖刺足够多，这个球不仅体积变大，而且变得异常实用，因为它能牢牢地抓住地面。
说实话，我起初不太喜欢这个比喻，觉得有些花哨，但现在我领会了其中的精妙。
AlphaGo 就是最经典的例子。它不是靠背棋谱取胜，而是在无数次对弈中学习制胜策略，好棋获得奖励，坏棋受到惩罚。
这个思路之所以重要，是因为追求无限扩展的道路，既昂贵又不确定。
下一个数量级的空气从哪来？我们去哪里找那么多干净的数据、廉价的算力，以及庞大的预算？
从天才毕业生到行业专家
很多人最初的梦想，是创造一个无所不能的超级模型，能同时写诗、起草合同、还能顺便修复代码。
但现在，思路可以转变了：让研究者们继续去探索前沿模型，挑战性能极限。
而商业世界的建设者们，可以停止争论扩展曲线是否见顶，转而思考如何更好地利用强化学习。
强化学习的承诺是：它不会告诉你一个更大的大脑能奇迹般地解决你的所有问题，而是告诉你如何教会这个大脑胜任一份具体的工作。
你可以把基础模型看作一个才华横溢的应届生：知识渊博、逻辑严谨，记忆力惊人，但毫无工作经验。
如果放任不管，它可能会写出用词华丽却不得要领的邮件，或者用格式完美但内容全错的信息填满你的客户管理系统。
“强化学习，就是它的学徒期。
顶级的销售员陪它进行角色扮演，告诉它哪句话能打消客户疑虑，哪句话会搞砸气氛。
护士长会审查它写的临床记录，奖励清晰的表达，惩罚可能带来风险的疏漏。
通过这种方式，把人类专家多年积累的知识、直觉和行业经验，一点点传授给它。
每一次强化学习的循环，都会在模型身上留下印记，最终形成一种我们过去认为只有人类才具备的肌肉记忆。这就是一根根尖刺。
这正是人工智能在我们身边真实发生的应用方向。
伊桑·莫里克在他最近的文章《真正的 AI 智能体与真正的工作》里，精准地描述了这一转变。
他认为，尽管生成式 AI 能帮人完成很多任务，但始终离不开人的监督，因为 AI 会犯错。没有人在每一步进行引导，就无法创造真正的价值。
莫里克还写道：“智能体并不具备人类意义上的自主性。我们需要决定如何使用它们，而这个决定，将在很大程度上定义工作的未来。”
核心瓶颈已经反转
正因如此，发展的瓶颈已经彻底反转了。
现在的限制因素，不再是模型本身的智商高低，而是围绕它的配套设施：数据管道、奖励机制的设计、专家的投入时间，以及安全的工具调用权限。
去年，我们还在屏息凝神，期待模型能力再次飞跃，盼着扩展定律继续显灵。
如今，这种不确定性已大大减少，取而代之的是一条更清晰的路径：如何将人工智能融入现有的数字化体系中。
今天的瓶颈不再是原始智能，而是我们为它搭建的脚手架。你的数据管道，能否为智能体提供新鲜、合规的上下文信息？
你对成功的定义，是否足够精确，以避免它在优化时走偏？比如你想要清晰，它却只追求简短。
人类教练是否能有效指导？还是他们自己也身兼数职，分身乏术？
智能体是否有足够安全、带护栏的工具权限去完成任务，而不仅仅是描述任务？
这些都不是什么深奥的科学难题，而是一个优秀组织每天都在解决的工程和流程问题。
这也正是“带刺的气球”这个比喻充满希望却不天真的原因。
扩展定律让我们相信，只要把中心吹得足够大，价值就会自然渗透。而强化学习则给了我们一张清晰的行动地图：
选择一个任务，定义奖励，反复训练，接入生产，衡量效果，然后循环往复。
不确定性从“我们能否等到下一个涌现能力？”转变为“我们能否建好并维护这个反馈循环？”。这是一种更可控、更优质的风险。
当然，强化学习也有陷阱。智能体会优化你设定的指标，却未必能理解你真正的意图。有些东西无法用语言传达，比如直觉、经验或某种不祥的预感，别指望智能体能懂。
如果你奖励简洁，就别惊讶它会产出篇幅低于 100 字但自信满满的胡言乱语。
在企业里，像使命、文化、品牌调性这类模糊的领域，往往没有标准答案。
这就需要你建立一套稳健的评估体系，并由资深专家定期校准方向。
随着智能体接入更多系统，一个权限错误可能造成的破坏会成倍增加。因此，治理必须是设计之初就考虑的要素，而不是事后补丁。
这些挑战并非让我们退缩，而是提醒我们，要把强化学习看作一项持续的运营工作，而不是一个一次性的项目。
最后，你可以把这些“尖刺”看作是企业的护城河和知识产权。
每一次反馈训练，都将专有技术和经验编码进模型，这是竞争对手无法简单下载或复制的。
企业的投入重心，也从一次性的模型训练，转向可重复的体系建设：专家的时间、工具链、系统集成和效果追踪。
所以未来，在评估一家公司时，或许可以多问问：他们用强化学习打磨了哪些业务流程？带来了多大的可量化提升？智能体的学习迭代频率是多久？背后的教练团队是否专业可靠？
一个不成熟的看法：去训练你的尖刺吧
那么，扩展定律真的走到头了吗？也许没有，我也没有资格下此定论。
我想，用当初大家形容深度探索模型的话来说，或许更贴切：它已经足够好了。
这呼应了文章开头的观点：当起点很低时，增长看起来是指数级的。但到某个节点，大小本身不再那么重要，更关键的是通过专业知识和技能，去构建你自己的尖刺。
我们今天所熟知的模型，确实遇到了实用性的瓶颈。更大的模型依然重要，但这更是科学家们需要继续探索的疆域。
对于商业世界而言，下一程的道路是由强化学习铺成的。它将让人工智能以更务实的方式，变得更有用。
现在，通过智能体 AI，我看到了一个无比清晰的愿景：
“教会它一项工作，搭建好反馈循环，磨利一根尖刺，提升业务指标，然后为下一个任务重复这个过程。
基于人类反馈的强化学习，利用人类的评估和范例，教会模型在特定任务中何为优秀。
而智能体，则是在此基础上，被授予访问你的应用、数据和规则的权限，从而端到端地完成复杂的多步任务。
简言之，强化学习赋予模型判断力，智能体则将这种判断力应用于生产实践。
最后再引用一次莫里克的话：“智能体已经来了。它们能做实际的工作，虽然能力尚且有限，但其价值真实存在，并且在不断增长。”
所以我的观点是，我们每个人都有责任去学习如何引导、控制和识别 AI 的工作，因为知识型工作的下一个时代，就属于智能体 AI。
一键三连「
