奧特曼宣判Transformer死刑！ AGI兩年內(nèi)降臨，下一代架構已在路上

新智元報道

編輯：好困 桃子

【新智元導讀】終結Transformer的架構即將誕生！奧特曼最新訪談豪言，下一代AI架構徹底顛覆Transformer，LSTM的命運或?qū)⒃俅紊涎荨?/strong>

Transformer的最大受益者，親手給它判了死刑！

這幾天，Sam Altman回到斯坦福，面對一群大二學弟學妹，扔出了一顆深水炸彈——

未來一定會誕生全新的底層架構，性能躍升不亞于當年Transformer對LSTM的降維打擊。

要知道，GPT帝國就建在Transformer上面。

ChatGPT、GPT-4、o1、Codex，全是這套架構的果實。

而現(xiàn)在，摘果子的人親口說：這棵樹的壽命快到頭了。

甚至，奧特曼直言不諱，我們所追求的AGI可能只是一次「熱身」（warm up）而已！

而下一代全新架構突破已在路上——現(xiàn)有的高階LLM已具備足夠的認知力，能夠作為人類智力杠桿，親手推開另一個技術范式的大門。

用AI找到下一個Transformer

人們都說，暴力出奇跡，但暴力本身也有極限。

Transformer有一個天生的算力黑洞：文本長度翻10倍，計算量翻100倍。

這就是為什么今天跑GPT-5.4級別的模型，燒錢速度是天文數(shù)字。

奧特曼顯然看到了這面墻。但他并不覺得沒路走了，恰恰相反，他覺得推翻這堵墻的工具已經(jīng)到手了。

訪談中有一句極其關鍵的話：現(xiàn)在的模型終于聰明到可以輔助人類去做這種級別的科研了。

意思是，找到下一代架構這件事本身，已經(jīng)可以讓AI來幫忙了。

用當下的AI去發(fā)現(xiàn)能取代它的新架構，邏輯鏈條很清楚：

模型越強→科研效率越高→新架構被發(fā)現(xiàn)的概率越大→新架構反過來讓模型更強。

一個自我加速的飛輪，就這樣形成了。

奧特曼之所以有底氣下這個判斷，跟一路走來對范式轉換的獨特嗅覺有關。

大一暑假，他跑去斯坦福的AI實驗室打工，結論是「這些玩意兒根本沒戲」，然后就跑去搞別的創(chuàng)業(yè)了。

不過，對AI的關注卻從未間斷過。用奧特曼自己的話說，這是一種「抬頭看全局」的習慣，別陷入管中窺豹。

2012年AlexNet橫空出世，他和大多數(shù)人一樣，覺得「挺酷的」，但沒往心里去。

接下來幾年，深度學習模型越做越大、越做越強，奧特曼一直在旁邊看著。直到某個臨界點，感覺徹底變了——這東西簡直像一顆正在逼近的小行星，極其瘋狂，但整個世界居然沒幾個人當回事。

于是2015年OpenAI成立。核心信念只有一條：把深度學習的規(guī)模往死里推，看看會發(fā)生什么。

但當時說要建AGI實驗室，整個行業(yè)的老前輩都覺得他們瘋了，甚至直接說他們是騙子。

不過結果大家都看到了。

GPT-2讓奧特曼第一次見到計算機做出了前所未有的事情，GPT-3驚艷了世界，GPT-4更上一層樓。當你站在一個正確的范式上死磕，回報是指數(shù)級的。

現(xiàn)在，同樣的直覺被投射到了下一個范式上。

Transformer不是終點，就像LSTM不是終點。

奧特曼甚至給了具體建議：

如果現(xiàn)在是一個研究者，會死磕這個方向，去找「哪里能挖出核彈級突破」，而且會重度依賴大模型來做科研助手。

Greg公寓里的白板

一個改變世界的夜晚

這場訪談最好看的部分，是奧特曼對OpenAI草創(chuàng)期的回憶。

OpenAI第一天上班，大家聚在聯(lián)合創(chuàng)始人Greg Brockman的公寓里。

早上9點半、10點，八九個人陸陸續(xù)續(xù)到了，坐在沙發(fā)上，面面相覷。

然后有人開口：「好吧，咱們干點啥？」

有人提議寫幾篇論文。又有人說得先弄塊白板。然后就有人直接在亞馬遜上下單，加急配送。

奧特曼說當時內(nèi)心一陣恐慌：這不行啊。這既不像正兒八經(jīng)的創(chuàng)業(yè)公司，也不像任何能成事兒的組織。

但他緊接著說了一句非常奧特曼的話：在那種時刻，你只要深呼吸，相信如果身邊聚的都是最優(yōu)秀的人，事情總會迎刃而解。

他賭對了。

就在那第一周，后來成為OpenAI前四年核心理念的大部分點子，都被寫在了那塊白板上。盡管當時他們自己都覺得這些想法不靠譜。

他們一開始壓根沒想過做產(chǎn)品。

奧特曼反復強調(diào)，他們以為自己就是個純研究實驗室，發(fā)發(fā)論文就好了。

但后來兩件事變得越來越清晰：

• 第一，這條路蘊含的經(jīng)濟價值遠超想象；

• 第二，需要的資金不是幾十億，而是數(shù)以千億計。

而真正讓奧特曼建立起信仰的轉折點，是GPT-2。

他說不記得GPT-2發(fā)布那天的具體日期了，但他永遠記得第一次跟那個模型對話的那個夜晚。

它做出了我以前從未見過計算機能做出的事情。

那一刻他覺得，妥了，這就是了。

至于GPT-2為什么暫緩發(fā)布？奧特曼承認，事后看來有些過度謹慎，但他覺得面對AI每一個新的能力臺階，稍微偏向謹慎一點沒壞處。

當然也不能慫過頭。如果企業(yè)不以足夠快的速度擁抱AI，就會被完全自治的AI公司干掉，那才是真正的災難。

斯坦福訪談全景

奧特曼的10個判斷

架構預言和創(chuàng)業(yè)往事之外，奧特曼在這場訪談中還密集輸出了大量觀點，幾乎每一條都值得單獨拎出來聊。

1. AGI兩年內(nèi)降臨。

奧特曼直接告訴臺下的大二學生：

等你們畢業(yè)的時候，你們將踏入一個已經(jīng)有AGI的世界。

當然，人類的底層驅(qū)動力不會變，你還是得搬家、找工作、考慮成家立業(yè)。

但科學研究將被高度自動化，創(chuàng)辦初創(chuàng)公司和去大廠打工的意義都將被徹底改寫。

2. 編程智能體是下一個ChatGPT時刻。

下一個引爆點是什么？奧特曼沒猶豫：編程AI智能體。

緊隨其后、但尚未完全引爆的，是AI在所有知識型工作中執(zhí)行任務的同等能力。

不過，距離這一天已經(jīng)不遠了。

3. 一個人能干出一家中型公司的活兒。

未來會涌現(xiàn)大量一個人或六個合伙人的微型初創(chuàng)公司，影響力和營收甚至能跟今天的中大型企業(yè)掰手腕。

奧特曼說iPhone問世算是上一次這種級別的機會，這一次更猛。

不僅能做以前不敢想的事，還能用極少的人力極快地把產(chǎn)品和公司建起來。

4.AICEO？不是不可能。

聊到AI對社會的影響，奧特曼說了句耐人尋味的話：

他絕不會自欺欺人地認為，不太遙遠的未來不會出現(xiàn)一個比他更適合執(zhí)掌OpenAI的AI CEO。

如果有的公司或國家擁抱了AI而別人沒有，競爭力差距將是碾壓級的。

這背后的政治、經(jīng)濟、社會沖擊，他坦言自己也還沒完全想明白。

5. 但別慌，人類的適應力被嚴重低估了。

奧特曼不是AI末日論者。

他反復強調(diào)一個觀點：AGI聽起來像是要徹底顛覆社會，但身處其中的感覺不會像聽上去那么驚悚，頂多頭幾天覺得有點懵。

人類渴望對彼此有價值、渴望競爭、渴望創(chuàng)造、渴望表達，這些底層驅(qū)動力不會消失。

也許100年后的職業(yè)跟今天毫無相似之處，但人永遠有事可做，也永遠在意人與人之間的連接。

6. 別怕跟OpenAI競爭。

有人問，OpenAI變成終極巨頭怎么辦？

奧特曼的回答出乎意料地坦誠：當年所有人都說不可能跟谷歌打，結果我們打出來了。

總有一天會有比OpenAI更大更成功的公司誕生，而他們絕對不會走一模一樣的路。

他甚至說，谷歌當初如果不那么「拉胯」，OpenAI根本不可能出頭。

大廠有大廠的通病。

7. 燒錢快，但不慌。

面對「OpenAI燒錢速度恐怖」的尖銳提問，奧特曼很淡定：燒錢確實快，但如果今年砸10億是為了明年賺30億，世界上大把資本排隊想做這筆買賣。

8. 自研芯片是認真的，蓋數(shù)據(jù)中心免談。

OpenAI有龐大的定制芯片計劃，對自家推理芯片極其興奮。

至于自建數(shù)據(jù)中心，用奧特曼原話說就是：真的一萬個不想干這苦力活。

被逼到那一步也會上，但最好是把服務器機架設計到極致，臟活累活讓別人干。

9. 社交產(chǎn)品要被撕開一條口子了。

奧特曼覺得AI的機會遠不止給現(xiàn)有軟件「塞個AI進去」。

他舉了社交產(chǎn)品的例子：想象一堆AI智能體代表各自的用戶在虛擬空間自主聊天、交換信息，這才是底層邏輯的顛覆。

10. 知道很容易，做到更難了。

這是奧特曼博客第一篇文章里就寫過的話。

AI時代還成立嗎？他說比以前更成立了。

獲取知識越來越容易，做成事情雖然也變?nèi)菀琢耍鞘菍λ腥硕缘摹愕酶澜缫黄鹁怼?/p>

他說他認識的那些把AI工具玩得最溜的頂尖高手，都覺得自己的工作從來沒有比現(xiàn)在更難。

工具強到離譜，但用好它們以保持頂尖競爭力也前所未有地艱難。

Sam，你真的快樂嗎？

訪談最后一個意外瞬間，是學生的靈魂拷問。

要知道，這是一個每天早上8點以后人生就徹底失控的CEO。

先工作幾小時，陪孩子一小時，然后去公司，從那之后就是純粹的兵荒馬亂。

用他的話說，沒有哪家公司像OpenAI這樣跑得這么快、內(nèi)部這么混亂、還死死頂在所有人槍口上。

但奧特曼說，他現(xiàn)在是他認識的人里最快樂的之一。

他分享了一個改變?nèi)松恼J知轉變。

大多數(shù)人覺得糟糕經(jīng)歷的反面是美好經(jīng)歷，所以遇到壞事就痛苦。但他把問題重構了，糟糕經(jīng)歷的反面，其實是徹底失去體驗的能力。

總有一天你連體驗的資格都沒有了，到那時你甚至會懷念那些被虐的日子。

后Transformer賽道

革命已經(jīng)開始

奧特曼的預言不是空中樓閣。

「后Transformer」的競賽早就打響了，進展比大多數(shù)人想象的快得多。

最高調(diào)的挑戰(zhàn)者是Mamba。

Albert Gu和Tri Dao在2023年底提出的這一架構，徹底繞開了「注意力機制」，改用狀態(tài)空間模型（SSM）處理序列。

簡單說，Transformer讀一段話要讓每個詞跟其他所有詞「對視」一遍，Mamba只維護一個固定大小的記憶狀態(tài)，線性時間搞定，推理吞吐量直接快5倍。2026年初Mamba已進化到第三代，論文被ICLR 2026接收。

產(chǎn)業(yè)界的動作更能說明問題。

英偉達在2025年發(fā)布Nemotron-H系列，92%的注意力層被Mamba層替換，推理速度提升3倍，精度不降反升。

到2025年底，英偉達全線新模型（Nemotron 3 Nano/Super/Ultra）全部切換到Mamba-Transformer混合架構。

AI21 Labs的Jamba、IBM的Bamba、微軟的Phi-4-mini-flash-reasoning、LSTM之父Sepp Hochreiter親自操刀的xLSTM，也紛紛加入混合陣營。

更野的方向也有：Liquid AI搞出的液態(tài)神經(jīng)網(wǎng)絡（Liquid Neural Networks），靈感來自一條只有302個神經(jīng)元的線蟲。

它用微分方程驅(qū)動神經(jīng)元，推理時還能繼續(xù)學習、實時適應環(huán)境變化，19個神經(jīng)元就能控制自動駕駛。2026年1月發(fā)布的LFM2.5模型，用遠小于Transformer的參數(shù)量跑出了驚人的性能。

下一次大遷徙，會誕生誰？

回顧歷史，從LSTM到Transformer的每一次架構級遷徙，都釋放了一個數(shù)量級以上的能力增長，同時也誕生了定義時代的偉大公司。

上一次遷徙，誕生了OpenAI。下一次呢？

奧特曼自己都說了：總有一天會有比OpenAI更大更成功的公司出現(xiàn)。

也許此刻，那個未來的創(chuàng)始人正坐在某個宿舍里，對著一塊亞馬遜加急配送的白板，寫下第一個不靠譜的想法。

而他手里多了一個前所未有的利器——AI本身。

參考資料：

https://x.com/rohanpaul_ai/status/2033117083127644536?s=20

https://www.youtube.com/watch?v=FjlymGBt-vY