誰會首先到達ASI（超級智能）？OpenAI！

大佬斬釘截鐵的回答，讓主持人驚呆了幾秒。

• GPT-4.5到底哪里出了問題？
• 小扎瘋狂挖人，砸出1000萬美金年薪，值得嗎？
• 蘋果在AI競賽中已經徹底落后，接下來他們打算做什么自救？

就在剛剛，AI大V Matthew Berman放出對Dylan Patel長達1小時的訪談，后者爆出不少猛料。

Patel是SemiAnalysis創始人兼CEO。SemiAnalysis的大名，在業內是如雷貫耳，每出一篇關于AI和半導體的重磅分析，都會被業內人士競相轉載，擁有極高的行業影響力。

而Patel本人，對AI領域的認知更是達到了無與倫比的深度和廣度。

在訪談中，Patel表示，如今很多全球頂尖AI公司內部，已經是亂成一鍋粥了！

看完這個訪談，許多網友表示，信息密度實在太大，全程高能，太值得一聽了。

Meta、OpenAI、蘋果、英偉達、xAI、微軟，這些大科技公司在硅谷的混亂局面中，誰將主宰下一個浮沉？

讓我們來看看大佬的犀利分析和預言。

Meta瘋狂掙扎，小扎作困獸之斗

借鑒DeepSeek，結果翻車了？

首先，兩人討論的是最近鬧出了天價挖人風波的Meta。

Llama 4發布已經有一陣子了，當時大家的期待值非常高，但它卻并沒有改變世界，隨后，Behemoth模型又被推遲了。

而在Patel看來，Behemoth恐怕永遠不會發布了。同樣命運的還有Maverick和Scout。這些模型的一些訓練方式和決策，后來被證明是行不通的。

本來在發布時，有個模型感覺還行，但后來在阿里和DeepSeek發的新模型前，一下子就顯得遜色了。

而另一個模型，客觀上來講就是很差勁。Patel表示，我敢打賭，那個模型就是為了應對DeepSeek而趕工出來的。

他們借鑒了DeepSeek的MoE架構，但搞砸了，如果仔細去看，這個模型甚至不會把Token傳送到某些專家模塊，可以說訓練基本就是白費了！

最終結果，就是一堆專家在那里無所事事，顯然訓練出了問題。

詭異的是，Meta明明擁有全球最頂尖的人才，也不缺算力，怎么就搞砸了？

這一點，他們應該向OpenAI學習。

奧特曼負責搞定所有資源，Greg Brockman和Mark Chen等人則是技術領袖，總之，要有一個懂技術、能做決斷、能選對方向的領導。

否則，后果就是這些頂尖研究員會把時間浪費在錯誤的路線上。

事實上，[品味」非常重要，判斷什么值得研究、什么不值得，這本身就是一種藝術。

一個想法當然可以用幾十萬個GPU跑一次來驗證，但事情不會完美地等比放大，這其中需要大量的品味和直覺。

如果錯誤的人通過一些政治手段，讓自己的想法和研究路徑被采納進了模型，結果很可能就是翻車。

小扎為何突然轉向AGI

最近，無論是收購Scale AI（本質上是收購Alexandre Wang），還是1000萬美元年薪天價挖來OpenAI員工，都讓小扎處于爭議的風口浪尖。

Patel點評到，Scale AI作為一家公司，現在業務基本上是完蛋了，因為谷歌在內的所有公司，都在取消和他們的合同（據說谷歌今年本來要在Scale AI身上花2.5億美元的）。

而OpenAI，也已經和Scale AI徹底決裂。沒有任何一家公司，希望Meta知道自己的數據在用來干什么。

Patel指出，最近這幾個月，小扎的轉變十分微妙。

在幾個月前的采訪中，他還認為ASI短期內不會實現。但如今，他真的信了ASI，所以，要做什么才能追上來？

目前，他還是純靠砸錢。OpenAI、SSI、Thinking Machines的全明星團隊，基本被他挖了個遍。

甚至傳聞中，Meta愿意開出上億美元年薪，挖不動人，就買下整個公司。

這場AI軍備競賽的本質是什么？

說到底，還是對「權力」的爭奪：誰能帶隊造出超級智能、誰就能掌控萬億級公司的AI戰略，能把產品推向數十億用戶。

這，是一場產品人、理想主義者和科技巨頭之間的全面競速。

超級智能，已經不是「能不能」，而是「誰先」。

其實要說到底，在超級智能這塊，真正引領潮流的還是Ilya。

他總是率先看到一切?？梢哉f，是Ilya引領了這波敘事轉向。他先創辦了自己的公司SSI（安全超級智能），大概在一年后，所有人都開始相信超級智能了。

而對于預訓練規模化、推理、早期的視覺網絡，他也是最早開始深入研究的一批人之一。

但對于小扎的收購，他果斷拒絕了。可以看出來，Ilya根本不在乎錢，他想要的就是實現ASI，是一個真正的信徒。

而對Meta來說，如果最終目標是超級智能，那么相比Meta目前的市值，以及AI的整個潛在市場，無論是1億美元，還是10億美元，都只是滄海一粟而已。

GPT-4.5的失敗，究竟是因為什么？

接下來，主持人拋出了這個問題：GPT-4.5到底怎么了？

Patel一句話金句總結：總的來說，它沒什么用，而且太慢了。

曾經，GPT-4.5的內部代號是Orion，本來被寄望于成為GPT-5。

為此，OpenAI下了血本，從2024年初就開始訓練，全力押注規模。他們用上了所有數據，造出一個大得離譜的模型。

結果呢？Patel表示，雖然它的確是第一個把自己逗笑的模型，但并沒有那么好用，速度太慢，也太貴了。

慘敗的原因就在于「過度參數化」——

它并不是在建立世界模型，而是在泛化。某種程度上，GPT-4.5就是因為太大、過度參數化，記住了太多東西，所以就不再進步了。

要知道，剛開始，OpenAI內部都覺得它要在基準測試上大殺四方了，然后事實卻讓所有人失望了。

而且倒霉的是，訓練代碼里還有個bug，直接持續了幾個月。雖然這個bug很小，卻攪亂了整個訓練。好在最終，研究者們發現并修復了這個PyTorch內部的bug。

另外，他們還不得不頻繁地從checkpoint重啟訓練，原因就在于模型太大、太復雜了，任何環節都可能出錯。

而且，就算基礎設施、代碼都完美無瑕，仍然可能遇到數據的問題。

在2022年，谷歌DeepMind在發表的Chinchilla論文里，提到過模型參數量和Token數的最佳比例（訓練數據量大約應該是模型參數量的20倍）。

這就是大家公認的Scaling Law——模型做得越大，投入的flops越多，模型就越好。

然而如今，隨著模型架構的變化，這篇論文里的結論已經不再適用了。

在2024年初開始訓練GPT-4.5時，他們就不得不使用了遠超Token數量的參數。

然而與此同時，OpenAI的另一個團隊卻有了關于推理的神奇發現，就是當時被傳得沸沸揚揚的「Strawberry」。

已經投入巨資訓練龐然大物的OpenAI才發現，原來完全靠推理，就可以用低得多的成本讓模型的效率和質量得到巨大提升。

總之，GPT-4.5之所以失敗，就是因為數據不夠。而最終，Strawberry證明了推理的魔力。

OpenAI和微軟：昔日CP，分道揚鑣

另一方面，曾經的OpenAI和微軟這對「AI界最強CP」，顯然也過了蜜月期。

過去幾年，OpenAI靠著微軟的大力投資和Azure算力迅速崛起，然而兩家公司的合作協議，實在是太過復雜——

微軟沒有OpenAI的股權，卻擁有它大部分利潤的分成權、所有IP使用權，甚至在AGI實現前，能使用OpenAI的所有技術。

也就是說，只要你造出了超級智能，微軟就能在頭一天把代碼全部打包帶走。

而且，起初OpenAI還被限制只能用微軟的云服務，但隨著星際之門的推進，他們也開始和Oracle、CoreWeave合作。

然而，微軟雖然放棄了獨家權，但保留了「優先承購權」以降低反壟斷風險。

問題是，如今的OpenAI野心膨脹，想成為地球上最為資本密集的初創公司，因此燒錢無上限、五年內不打算盈利，還要不斷融資；而微軟呢，雖然手握代碼庫，卻還沒真正動手自己搞模型。

雙方都一樣，心照不宣地防備彼此。接下來，誰先走出下一步，這種脆弱的平衡，就很可能要打破了。

蘋果，在AI上重大失誤

而在目前的AI大戰中，蘋果似乎是顯而易見的輸家了。

他們既沒公開大模型、也沒泄露任何研發細節。業內已經普遍認為，這不是「佛系」，而是徹底的結構性落后。

要深究原因的話，就是蘋果保守的收購策略、對開源文化的疏離、對GPU巨頭英偉達的長期芥蒂，以及自身缺乏AI研究氛圍的現狀，都讓它很難吸引到頂尖的AI人才。

因此，在Meta、OpenAI、Anthropic等公司瘋狂搶人的同時，蘋果最多只能招到「第二梯隊」的人才。

而他們所推崇的端側AI之路，也沒那么容易走通。

雖然蘋果在大力強調隱私與低延遲，但現實卻是，大模型越來越龐大，手機芯片根本跑不動。

而大多數用戶寧可免費用云端AI，也不愿為本地推理多掏幾百美元去買硬件。

而且即便是能在設備上跑通一些輕量任務（比如鍵盤預測），真正復雜的AI服務——搜索、日程規劃、訂票助手，依然還是需要依賴云端數據與算力。

蘋果也清楚這一點。

所以，他們正悄悄建造超大數據中心，部署Mac芯片做云端AI推理，還挖來了谷歌TPU團隊的關鍵人物，希望自研AI加速器。

可見，雖然表面強調的是「本地AI」，但他們真正押注的，其實還是云端。

別家都在卷大模型，但蘋果已經另辟蹊徑，開始為AI時代的「云大戰」做準備了。

超級智能，靠燒錢能到達？

所以最終，在Meta、谷歌、OpenAI、微軟、特斯拉這些公司中，如果必須選一家來賭誰會率先實現ASI，你會選誰？

Dylan Patel的答案是——OpenAI。

原因在于，他們是每個重大突破的先行者，幾乎主導了每一個關鍵技術突破——從預訓練到推理，再到多模態能力，始終走在最前面。

而且，單靠推理可能并不會帶我們進入下一代AI，最終一定還得有別的東西。OpenAI給人感覺，還在醞釀著更大的技術野心。

而第二名，就是Anthropic。

不過，雖然他們技術強大、團隊深厚，但風格卻太保守了——無論在模型發布、研究透明度、安全策略上。都是步步為營，小心謹慎。

不過可以看到，現在他們也逐漸放開了，Claude 4的發布節奏就明顯比Claude 3快很多，招聘也開始招「正常人」了。

而第三名，就是谷歌、Meta 和xAI之爭。

其中，谷歌技術底子雄厚，xAI有馬斯克資源加持，而Meta則是不吝砸巨資挖人。

如今，這場超級智能之戰才剛剛開始，誰都有可能先到終點。

而這過程中比拼的可不僅僅是技術，而是意志與資源的全面博弈。