Che Zhao

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。