ARTICLE · 1124748
AI越来越聪明,但“聪明”可能已经没那么重要了
AI越来越聪明,但“聪明”可能已经没那么重要了最近用 GPT-6 Astra 的时候，我有一种很明显的感觉： AI 又变强了。 这种“强”已经很难简单用“回答更准确”“写文章更自然”来形容。 面对复杂任务，它开始更像是在真正理解我要做什么。 给它一个并不完整的想法，它可以自己拆解问题；给它一堆资料，它能够从里面寻找真正重要的信息；涉及代码、文件、研究和分析时，也越来越不需要我把每一步都提前规定好。 以前使用 AI，我经常需要想： “我要怎么问，它才能理解？” 现在我越来越多想的是： “我最终到底想得到什么？” 这两个问题，看起来只差了一点。 但我觉得，它们背后可能是 AI 发展过程中一次很重要的变化。
回头看 ChatGPT 刚出现的时候，大家玩的东西其实很简单。 写篇文章。 翻译一段话。 总结 PDF。 帮我想十个标题。 写一段代码。 那时候 AI 最重要的能力就是： 回答。 所以后来每一次模型更新，我们最关心的也是： 数学提高了多少？ 代码提高了多少？ 推理提高了多少？ Benchmark 又超过谁了？ 我们一直在试图制造一个越来越聪明的“大脑”。 但到了今天，我反而觉得： 单纯讨论模型聪不聪明，已经开始变得没那么有意思了。 因为 AI 真正影响我们的地方，正在从“回答问题”转向： 完成任务。
以前我让 AI 帮我研究一个东西。 它告诉我： 第一步做什么。 第二步做什么。 第三步做什么。 然后我自己去执行。 现在越来越多时候，我真正想说的是： “你知道我要什么，直接做完。” 查资料。 阅读文件。 整理数据。 分析结果。 写代码。 修改代码。 检查错误。 制作最终内容。 以前这些事情需要我不断在不同软件之间切换。 现在，它们正在逐渐被串成一条完整的工作链。 这也是为什么我越来越觉得，Agent 这个词真正重要的地方，并不是“AI学会自己点鼠标”。 而是： AI开始从一个知识工具，变成一个执行系统。 
最近 GPT-6 Astra 给我的感受尤其明显。 真正让我觉得它强大的，并不是某一道数学题比上一代多拿了几分。 而是面对复杂工作时，它越来越能够维持对整个任务的理解。 以前使用 AI 做复杂事情，很容易出现一种情况： 做到第五步，它已经忘了第一步为什么这么做。 你不得不不断提醒： “不是这个意思。” “记得前面的要求。” “不要改变那个部分。” “继续按照刚才的逻辑。” 而现在越来越强的模型，正在减少这种人与 AI 之间的“沟通损耗”。 这件事其实比跑分重要得多。 因为现实世界里的工作，从来不是一道独立的考试题。 真正的工作通常是： 信息不完整的； 要求会发生变化的； 需要使用不同工具的； 中间可能失败的； 最后还需要自己检查结果的。 一个模型如果只是“聪明”，却不能稳定地完成这一整条链路，它依然只是一个很好用的工具。 而当 GPT-6 Astra 这样的模型开始越来越擅长处理这种长链路任务时，我觉得 AI 的意义就开始发生变化了。 它不只是给我答案。 它开始帮我把事情做完。
我现在越来越觉得，未来 AI 真正竞争的东西可能不只是 Intelligence。 而是： Intelligence × Context × Memory × Tools × Execution × Reliability 聪明只是其中一个变量。 想象两个 AI。 一个智力极高，但不知道你的任何背景，每次打开都是第一次见面，也没有权限访问任何工具。 另一个可能没有前者那么极致聪明，但它知道： 你最近在做什么； 你的文件在哪里； 以前做过哪些决定； 你习惯什么表达方式； 你有哪些工具可以使用； 这个项目下一步应该做什么。 更重要的是： 它真的可以去做。 哪一个更有价值？ 答案可能没有以前那么明显了。
这可能是我最近对 AI 最大的一个想法。 过去几十年，人和计算机之间的关系其实一直没有发生根本改变。 电脑越来越快。 软件越来越漂亮。 功能越来越复杂。 但我们依然需要： 打开软件。 找到按钮。 学习功能。 输入内容。 点击运行。 保存文件。 导出结果。 AI 可能第一次真正改变这个逻辑。 以后我们不一定需要知道某个功能藏在哪个菜单里。 我们只需要表达： 我要什么。 比如以前我要分析一份数据： 打开 Excel → 导入数据 → 清洗 → 写公式 → 做透视表 → 做图 → 写结论。 未来可能只剩一句： “帮我看看这个月的数据为什么变差了。” 软件依然存在。 Excel 也不会凭空消失。 但操作软件的人，可能越来越不是我们。 而是 AI。
如果继续往前推，这件事情就更有意思了。 过去一个人能力再强，也有一个非常明显的限制： 时间。 一天只有24小时。 所以公司存在的一个重要原因，就是把不同的人组织起来。 有人写代码。 有人设计。 有人做研究。 有人做数据。 有人运营。 有人处理行政事务。 但如果未来一个人身边可以同时运行很多 Agent 呢？ 一个负责研究。 一个负责代码。 一个负责设计。 一个负责数据。 一个负责整理资料。 甚至还有一个专门检查其他 Agent 有没有犯错。 那么一个人的生产力边界，会变成什么样？ 我觉得未来很有可能出现越来越多这样的组织： 1个人 + N个AI。 以前需要十个人才能启动的项目，也许未来两个人就可以开始。 以前只有大公司负担得起的研究、开发和内容生产能力，也许会逐渐下放到非常小的团队，甚至个人。 这可能才是 AI 真正改变生产力的地方。
如果 AI 可以帮我们写代码。 帮我们画图。 帮我们分析数据。 帮我们搜索资料。 甚至帮我们操作软件、执行任务。 那么最后，人还剩下什么？ 我现在的答案反而越来越简单： 判断。 知道什么值得做。 知道什么不值得做。 知道一个结果虽然“正确”，但不是自己真正想要的。 知道什么时候应该继续。 也知道什么时候应该停下来。 还有审美、责任、价值判断，以及面对不确定性时最终拍板的能力。 这些东西以前经常被执行能力掩盖。 因为一个人即使很有想法，如果不会写代码、不会设计、不会分析数据，很多事情依然做不出来。 但 AI 正在迅速降低“执行”的门槛。 于是一个很有意思的事情发生了： 当执行越来越便宜，判断可能会越来越贵。
从最早第一次打开 ChatGPT，到现在使用 GPT-6 Astra，我越来越明显地感觉到： AI 的发展可能正在进入一个新的阶段。 以前我们惊讶： “它居然会这个。” 后来我们比较： “它和人谁更聪明？” 而未来我们可能越来越少讨论这些问题。 因为当一个工具真正融入生活以后，我们通常不会每天讨论它有多厉害。 我们只会习惯它的存在。 就像今天已经很少有人感叹： 搜索引擎居然可以找到全世界的信息。 智能手机居然可以拍照、导航、支付、聊天。 这些曾经都是不可思议的技术。 后来都变成了生活的一部分。 AI可能也正在经历这个过程。 所以现在，我反而不太关心下一代模型的跑分究竟还能提高多少。 我更好奇的是： 当AI越来越能把事情真正做完以后，我们准备拿它来做什么？ 也许未来真正拉开人与人差距的，不是谁更会使用某一个AI工具。 而是谁更早想清楚了： 自己到底想让这些越来越强大的“数字同事”，替自己完成什么。
我是 Aron。 这里没有标准答案，也不预测遥远的未来。 只是记录我看到的技术变化，以及这些变化带给我的一些思考。 如果几年以后再回头看，希望还能记得—— 我们究竟是在什么时候，开始慢慢习惯身边多了一个越来越能干的“同事”。
AI越来越聪明，但“聪明”可能已经没那么重要了
一、我们花了几年时间，教AI“回答问题”
二、从Chatbot到Agent，变化的不只是名字