近期，关于“Scaling Law（缩放定律）遭遇瓶颈”、“大模型进步停滞”的论调在硅谷和中文互联网甚嚣尘上。就在市场情绪在焦虑与质疑中摇摆时，前 OpenAI 首席科学家、SSI（Safe Superintelligence）创始人 Ilya Sutskever 接受了 Dwarkesh Patel 的深度专访。
这是 Ilya 离开 OpenAI 创办 SSI 后的首场公开长谈。作为深度学习的“教父级”人物，他的判断往往不仅代表技术趋势，更预示着未来 3-5 年的产业风向。
在 SVTR 看来，这场对话最重要的价值不在于回应过去的八卦，而在于厘清了一个核心误区：AI 的进步并没有停止，只是变得更加“隐蔽”且“困难”了。 我们正在从“大炼数据”的 Pre-training 时代，跨越到强调推理、验证与 Agent 行为的全新阶段。
对于创业者和投资人而言，这不再是一个“只要买卡就能赢”的游戏，而是一场关于工程精度与深度理解的较量。
一、发生了什么：Ilya 的核心论断
在长达 4 小时的对话中（尽管公开发布版本精简了），Ilya 并没有直接评价 OpenAI 的人事风波，而是将视角完全聚焦在了 AGI 的技术路径与 SSI 的使命上。以下是 SVTR 梳理的几个关键事实：
Scaling Law 依然有效，但形态变了
面对“模型性能提升是否正在放缓”的质疑，Ilya 给出了极其坚定的回应。他用了一个比喻：2016 年到 2023 年，我们是在“发现山峰”，这时候只要抬头看，目标很清晰；而现在，我们是在“攀登珠峰”，每一步都异常艰难，需要在缺氧和严寒中解决具体工程问题，但这并不代表我们没有在上升。
关键信号： 算力换智能的逻辑依然成立，但边际效应递减迫使大家寻找新的 Scaling 维度（如 Test-time compute）。
“安全”与“能力”不再是对立面
在 SSI 的定义中，Safety（安全）不是给模型穿紧身衣，而是能力的基石。Ilya 提出了一个反直觉的观点：一个不可控的超智能，本质上是一个能力有缺陷的系统。 真正的 Superintelligence 必须包含“完全理解并遵循人类意图”的能力。
关键信号： 传统的 Alignment（对齐）团队往往被视为边缘部门，但在 SSI，对齐就是核心产品研发。
SSI 的商业模式：零干扰，直取 AGI
与 OpenAI 或 Anthropic 这种既要在大众市场卖 Chatbot 会员，又要兼顾 B 端 API 的模式不同，SSI 甚至不打算在短期内发布任何商业产品。Ilya 的策略是：保持小团队、高密度人才，完全屏蔽外界商业噪音，通过几年的封闭研发直接交付一个安全的超级智能。
二、为什么重要：产业逻辑的深层重构
Ilya 的访谈实际上宣告了 GenAI 第一阶段（以 GPT-4 为标志）的结束，和第二阶段的开启。这主要体现在以下三个维度的剧变：
技术范式：从 Pattern Matching 到 Reasoning
过去几年，我们主要靠“喂更多的数据”来提升模型。但互联网上的高质量文本数据正在枯竭（Running out of tokens）。Ilya 暗示，接下来的决胜点在于让模型学会“思考”和“自我验证”。
这意味着，未来的算力将更多地从 Pre-training（预训练）向 Inference（推理/测试时计算）转移。谁能通过 RL（强化学习）和合成数据解决复杂推理问题，谁就能突破当前的“墙”。
资本逻辑：耐心资本的终极测试
SSI 的融资逻辑在硅谷也是个异类——仅凭愿景融资 10 亿美元，且明确表示“短期无产品”。这对于习惯了看 ARR（年度经常性收入）和增长率的投资人是巨大的挑战。
但这标志着 AI 投资的分化：一类资金流向应用层，追求快速 PMF；另一类资金则必须接受“科研级风险”，赌那个赢家通吃的 AGI 终局。
护城河的转移
如果 Scaling Law 仅仅是堆卡，那么 Google 和 Meta 必胜。但 Ilya 强调了“The Unseen Data”（未见数据）和工程文化的重要性。未来的护城河不是 GPU 的数量，而是如何利用 GPU 挖掘出那些无法直接从互联网获取的“隐性知识”。
三、对创始人意味着什么：机会与红线
对于正在 AI 赛道摸爬滚打的创始人，Ilya 的观点是一剂清醒剂。
警惕“薄应用”，拥抱“复杂流”
如果你的产品核心逻辑只是调用 API 做简单的文本生成，Ilya 的愿景对你是降维打击。随着模型本身推理能力的增强，中间层（Middle Layer）的价值会被迅速挤压。
建议： 去做那些模型不敢做、做不对的事情。例如需要多步推理、即时反馈、甚至承担责任的复杂 Workflow。
重视“评估体系”胜过“Prompt 技巧”
Ilya 在访谈中反复强调对模型行为的精准控制。对于创业公司，建立一套私有的、针对特定垂直领域的 Evaluation Pipeline（评估流水线）比写出花哨的 Prompt 重要一百倍。
建议： 不要只看 demo 效果，要建立能够量化模型“靠谱程度”的自动化测试集，这是你对抗大厂模型的唯一壁垒。
团队密度 > 团队规模
SSI 至今保持极小规模。在 AI 时代，添加平庸的工程师不仅不会加速研发，反而会因为沟通噪音降低系统的“熵”。
建议： 即使拿到融资，也不要急着扩招。寻找那些能理解底层原理（First Principles）的全栈人才，而不是只会调包的“调参侠”。
四、对投资人意味着什么：筛选与定价
站在 VC 的角度，Ilya 的复出给出了新的筛选信号：
重新定价“技术信仰”
过去两年，市场对“AGI 信仰者”存在一定的溢价，但也带来了泡沫。SSI 的出现设立了一个标杆：真正的技术信仰不是喊口号，而是敢于在没有短期收入的情况下，对技术路径进行极度具体的工程拆解。
策略： 对于基础设施层的项目，关注其对 Scaling Law 下一阶段（如 Data Synthesis、Reasoning Models）是否有独到见解，而不是还在讲 2023 年的故事。
关注“数据炼金术士”
既然公开数据已经枯竭，那么能够低成本生成高质量合成数据（Synthetic Data），或者拥有独家私有数据（Proprietary Data）闭环的项目，将享有极高的稀缺性溢价。
退出路径的分化
随着 SSI、xAI 等巨头继续吸金，中游的基础模型公司（Model Labs）将面临巨大的整合压力。
判断： 未来 18 个月，可能会出现一波模型层的并购潮。投资人需要审视手里的“小模型”公司，是具备独立存活的垂直能力，还是应该尽早寻找大厂作为退出出口。
五、总结 & 行动建议
Ilya Sutskever 在对话中展现出的并非狂热，而是一种作为顶级工程师的冷静与克制。他告诉我们：Scaling Law 没有撞墙，它只是变得更难了。
这对于所有从业者既是坏消息也是好消息：
- 坏消息是： 那个“随便套个壳就能起飞”的草莽时代结束了。
- 好消息是： 真正的技术红利才刚刚开始，留给那些愿意啃硬骨头、做深做重的团队。
SVTR 的核心判断：
不要被短期的“唱衰论”干扰。AGI 的物理上限远未到达，但接下来的竞争将从“资源战”转向“认知战”和“工程战”。
Actionable Step：
- 如果你是创始人： 本周内审视你的产品路线图，问自己一个问题：如果明年 GPT-5 或 SSI 的模型具备了完美的推理能力，我的产品还剩下什么价值？如果答案是“没有”，请立即转向深度业务整合。
- 如果你是投资人： 关注那些正在解决“Data Scarcity”（数据稀缺）和“Reliability”（可靠性）问题的中间层架构项目。
互动话题：
你认为 Scaling Law 真的遇到瓶颈了吗？还是如 Ilya 所说，只是进入了更艰难的攀登期？
欢迎在评论区分享你的看法，或者回复关键词「Ilya」获取本次访谈的英文原文精华笔记。