非常赞同 “智力不是解决重大问题的瓶颈,与现实的交互才是瓶颈”。
最近我去小米、大疆、华为、一些芯片制造产业链公司交流,发现 AI 对大部分员工的效率提升只有 50%,只有少数 “超级个体” 员工做 prototype 的时候能 10x、100x。
AI 作为助理工程师写代码、调研分析这些 2025 年的 agentic 任务都没问题。但是 agent swarm 全自主推任务这种 “数字员工” 都很难做。
因为制造业有大量的约束,有物理约束,有成本约束,有路径依赖约束,有供应链约束,有内部组织约束。这些约束还很难蒸馏成 skills。Agent 往往不是忽视这个约束就是忽视那个约束,就算 pass@k 都很低。
现在模型的持续学习能力有限,直接拿失败的 trajectory,模型团队用不上;要构建 RL 环境也很难,总不能尝试流片个几千次,或者造几千个不能用的工件吧。
形成反差的是,做数学、理论、网络安全的都觉得自己快被 AI 取代了。OpenAI 的几百篇 paper 虽然有错误,但大多数可能会被承认是对的。
我之前以为 AI 不擅长解奥数题这种 “巧思”,做理论的老师告诉我,AI 最擅长的就是这种巧思,它可以遍历上万种可能的巧思。在可形式化验证且验证成本低的领域,AI 是远远超过人类的。
这就是 raw intelligence 和在现实交互中持续学习的鸿沟。