AI 革命的四个阶段，不该是一张倒计时表

为什么我曾经想给革命排时间表

看到模型从回答问题走向生成图片、写程序和操作工具，我很自然地想知道：下一次会轮到什么？我曾把这场变化粗分成语言模型、智能体、物理 AI、更加通用的智能四个阶段。时间表让遥远的变化变得可想象，也容易产生一种错觉：前一站快到了，后一站就会按时发车。

今天更值得保留的是这个顺序背后的问题意识，而不是具体年份。会表达、会完成任务、会在现实中行动，确实需要不同的证据；但它们不会等待彼此结束。机器人研究并非在语言模型之后才开始，多模态、控制和工具使用也会反过来改造语言模型。

四层能力，各自有什么验收条件

Transformer 原始论文发表于 2017 年，研究的是序列转换架构，并没有给后面几十年的智能发展规定路线。RT-2 则展示了把视觉语言预训练与机器人动作数据结合的具体方法。这两个例子让我更愿意沿着训练目标与反馈方式理解技术，而不是沿产品发布会的名字排列历史。^[1][2]

从回答到行动，瓶颈会换位置

让模型写一份采购建议，主要需要核对信息和推理；让它真正提交采购单，还要处理权限、库存状态、重复提交和失败恢复。如果输出改成机械臂动作，错误甚至可能在下一次推理完成之前发生。上层目标看起来相同，系统需要承担的事情已经不同。

因此，更强的模型可能让某一环节突然变容易，也可能把瓶颈推到数据、接口、硬件或组织责任。一个可靠的窄任务系统，完全可能先于更加通用的系统产生价值。通用性也不能用一次漂亮演示来替代验证。

我仍然期待，但用问题追踪进展

我期待未来不断出现过去做不到的事情。不过，期待不必要求每一年都出现同样大小的飞跃。某一年最有价值的工作可能是把失败率降下来，让一个昂贵的演示变成普通人能够持续使用的工具。

现在再看一个新系统，我会先问它跨过了哪道具体门槛：是否减少人工接管，是否处理更陌生的输入，是否能解释失败，是否能以可承担的成本运行。这样的观察方式没有倒计时那么刺激，却能让我持续修正判断，而不必为一个过早写下的年份辩护。