夜雨聆风有一个刚刚接触ai不久的朋友，今天兴奋地问我：“再过两三年，AI 会不会变成我们的全能替身？”
我苦笑着回答：“两三年？全能替身？我觉得你太高估自己……哪怕是现在，它写代码的能力也已经比我强了。我何德何能拿它当替身？其实，我是它的寄生虫。”
玩笑之余，我产生了一个思考。
观察我们所处的物理世界，所有的物理规律都有一个共同的特点，我称之为，就是都有极限。
比如一个物体如果不断加速，它最终也无法达到无限的速度，因为随着速度接近光速，它的质量会无限增大，最终难以加速——这是相对论告诉我们的。
同样，人工智能的能力也不可能无限膨胀。那么他的极限在哪里？
在当下的技术架构里，AI 的发展面临着巨大的现实瓶颈，比如，最基本的信息处理。
我们看一眼外部世界，如果把看到的画面“像素化”，其中蕴含的信息量远比单纯的文本要庞大得多，而这目前是 AI 难以企及的。最终 AI 能够处理的信息总量会是多少，达到恐怖的瞬间海量信息处理的能力，需要代价几何？全能的背后，是全知，这是否是ai能达到的，近乎神明的状态？它最终的瓶颈会是什么？
1、系统的复杂与成本的诅咒
要预判未来，需要先看看过去。
正如前文提到的速度极限，你要提升速度，面临的就是不断增大的各种物理阻力。
从系统论的角度来讲，性能的提升必然伴随着系统的逐步复杂化。就像芯片性能的跃升，需要的是更为极其复杂的极紫外光刻机系统来支撑。
对于信息技术领域而言也是同理：信息越多，检索就越困难；而要让检索变简单，底层系统的搭建就越复杂——你需要做庞大的索引，甚至将一切向量化。这种系统的复杂化，必然伴随着成本的指数级攀升。
但问题是：哪怕我们投入无限的成本，是否就能换来无限的性能？
这又绕回了物理学的领域。
因为无限复杂的系统，必然受制于有极限的物理学定律——就像热力学第二定律的熵增，就像光速的上限，就像材料学的物理极限。
也许理论上无限投入的 AI 能够拥有接近无限的能力，但这已经是现实与神话的分界线了。
2、AI 的确切极限在哪里？
回到当下，AI 确切的发展限制在哪里？
目前大模型的发展，很大程度上受限于“基于上下文的信息检索”问题，以及注意力机制（Attention）的算力分配。本质上，这些都是信息检索的成本问题。
如果我们把 AI 模型的 Token 窗口变化在时间轴上做一个线性推导，最终会发现，所有物理制约的穿透似乎都归结于一点：能耗。
AI 每实现一次惊艳的能力跃升，代价是更加庞大的算力与电力消耗；
而作为对比，人类大脑日常的高维运转，能耗大约只有惊人的 12W。
具体到工程细节，瓶颈依然无处不在。例如，在各个环节广泛应用的压缩算法，不可避免地会带来信息的损失。这对于高熵（高信息密度）的信息来说，往往是致命的。
再看ai的训练过程。当下 AI 的训练极度依赖高质量的人类语料，但存量的高质量语料是有限的。注意，是高质量的，我们普通的聊天，或者重复的交通信息，并不能算高质量的训练数据。经过思考的文本是最好的。
也许可以通过多模态数据继续训练，但多模态信息本身往往伴随着大量的“低质量”噪音。
高质量语料的枯竭，是肉眼可以看到的。也有人说，可以用ai生成的语料，自产自销，不过根据研究，如果直接用 AI 生成的合成数据去循环训练 AI，模型甚至会出现不可逆的“崩溃”（Model Collapse）。
ai自主生成的内容，是平庸的，普遍的，缺乏参差度的。
3、是“涌现”，还是极高维的“模式匹配”？
另一个限制在于 AI 的“思考”。
当我们给 AI 抛出一个极其复杂的问题时，现在的推理模型在思考过程中，似乎能表现出它懂得了某种算法或逻辑。但随着问题复杂度的不断增加，它的准确率会呈现断崖式的崩塌，这似乎不仅仅是上下文污染导致的。
当问题难度逼近其能力临界点时，模型并没有像人类一样“更努力、更变通地去思考”，而是直接走向了放弃，或者开始一本正经地胡说八道（幻觉）。哪怕你给它再多的计算能力，也无济于事。
所以剥开表象来看，目前的 AI 本质上依然是在它所见过的、极其高维的隐空间（Latent Space）内进行高级的模式匹配（Pattern Matching）。
这并非自媒体口中那种真正的智能，也不是之前一些所谓的“涌现智能”，只是这个匹配的维度实在太高，以至于看起来像是在思考。
从这个角度来讲，AI 的上限，其实就是人类所有最聪明头脑的合体。
它是一个全知的超级学霸，一个无限逼近全知的“超人”，但绝不是“神”。
为什么 AI 写代码这么厉害？正是因为互联网上有足够多、足够丰富的高熵编程语料，把它在编程领域的智能推到了无“人”能及的地步。
4、知识的黑洞与人类的边界
AI 最强大的部分，在于它的广度智能。它能够把人类各个截然不同的领域知识进行补齐、对齐和融合。
AI 一定不会是一个无所不能的全能者，但它会是人类已知知识领域内全知的“超人”。
在目前和可预见的未来里，普通人依然可以借助 AI，去补全自己在不同学科里的“黑洞”，那些学科之间交叉部分，无人踏足过的领域。
但当这种基于存量知识的“排列组合”被机器穷尽之后，人类整个群体和 AI 将在已知领域内共享全知。
而人类的价值，在于根据借助ai的帮助，去进一步拓展人类知识的真正边界。
