AI领域悬而未决的拷问：自动化到底去哪了？

　　自动化的全新时代已经到来。你感受到了吗？头部 AI 企业显然对此深信不疑，但普通人或许毫无体会。

　　难得新闻平淡的一天，让我们有时间仔细琢磨 OpenAI 周二晚间重磅公告的意义：其尚未发布的新模型，在数百道数学与计算机科学重大难题上取得突破，甚至直接解出部分难题。对于我们这些日常不用钻研代数的普通人而言，这到底意味着什么？

　　我们很难把这些重大技术成果，和那些只为维持 AI 融资热度的商业宣传区分开来。我注意到，尽管周二这则消息堪称里程碑，但与此同时有报道称 OpenAI 正在洽谈融资、筹备 300 亿美元 IPO；而一周前，它那场万众瞩目的开发者日，外界评价更像是追赶对手。与此同时，最新的 AI 热点 —— 面向普通用户的 AI 智能体，开始遭遇阻碍：大量网站打算封禁 AI 爬虫。而且宏观统计数据上，暂时看不出 AI 提升全社会生产力的迹象。

　　这一轮 AI 淘金热，萦绕着一个核心问题：企业该如何把模型惊人的原始智能，转化成实实在在、可验证的业务价值？

　　前不久，我在旧金山滨水区一座幽暗的礼堂 Midway 见证了这场辩论，这里常举办电子音乐节与艺术展。上周，近 800 名软件开发者齐聚于此，参加 Modal 主办的大会。Modal 不是电子音乐 DJ，而是一家估值很高、面向开发者提供算力基础设施与软件工具的公司。

　　Modal 把大会主旨演讲交给了斯科特・吴（Scott Wu）。他早年因在数学竞赛中大放异彩为人熟知；而他创办的代码智能体初创公司 Cognition，上个月估值飙升至 480 亿美元。

　　他站在台上，身后幻灯片写着：“是时候怀抱远大野心。”他描绘不远的未来：企业内部遍布 “虚拟员工”，它们以结果为目标，而非单纯完成一项项任务。他说，只要拥有足够的数据中心、内存与沙箱环境，行业终将实现这个愿景。“智能体的能力会持续变强，这就是大趋势。”

　　支撑他这番号召的底气，来自数学领域的突破。“对我而言，转折点就是 AIME 那一幕。” 他说。AIME 指的是去年，高级 AI 模型的推理能力强大到，在他曾经参赛的高阶数学竞赛中，成绩超越人类选手。“那一刻我就知道，大势已定”—— 意思是人类不再独占智能。

　　当天下午的同一场会议，我听到了截然不同的声音。迪奥戈・阿尔梅达（Diogo Almeida），前 OpenAI 研究员，自称是 “OpenAI 多款爆款模型的共同作者”。他身着粉色皮草外套，面带微笑上台，语气带着一种内部知情者的热忱，仿佛从一个问题重重的国度或信仰体系出走，如今可以向众人道出真相。他现在执掌 TypeSafe AI，近期推出了一款广受关注的大模型替代品，名为 Jev。

　　他向台下听众发问：“自动化到底去哪了？”紧接着抛出一连串圈内熟知的缩写术语。“我对当前 AI 现状的一句话总结：如今所有大语言模型，都是基于人类反馈强化学习（RLHF）优化的辅助工具。”（不熟悉的读者：RLHF 即人类反馈强化学习）换句话说，大模型训练目标是取悦参与其中的人类。它们擅长辅助人，但无法在无人值守的场景下完成自动化工作。

　　在同一场大会上，多位 AI 行业领军人物都在推动软件工程领域的自动化，同时也承认这场变革阻力重重。他们听起来，也没有准备好全盘交给机器接管。

　　Anthropic 的 Claude Code 产品负责人卡特・吴（Cat Wu）表示：“我们重点推进的一个方向是，思考：哪些任务是我一直在重复做的？为什么我还困在这个循环里？”Anthropic 大概是全球最信奉 AI 潜力的公司。“很多自动化卡在半自动化阶段：Claude 完成 80% 的工作，剩下 20% 依然要人来做，而你要一遍遍重复这些任务。”

　　还有一些软件工程负责人觉得，比起驯服 AI 智能体，管好人类工程师才是更头疼的难题。知名开源项目 OpenCode 的开发者达克斯・拉德（Dax Raad）说，他们团队当下最大的麻烦，是人类工程师没有认真审阅 AI 写出的代码。“我现在想解决的问题是，怎么让团队提出正确的问题；一旦有未经仔细核查的代码上线，他们能心怀愧疚。” 拉德说道，“这是一个由来已久的难题：如何让人真正上心？”