2025 年 8 月，OpenAI 终于推出备受期待的 GPT-5，但其表现并未如市场预期般带来 “革命性突破”，反而让 “AI 进步失速”“缩放定律失效” 的讨论再度升温。
GPT-5 实测：亮点有限，失望声四起
YouTube 播主 Mrwhosetheboss 的实测显示，GPT-5 并非全面领先：在创建象棋游戏时优于 GPT-4o-mini-high，撰写视频脚本时强于 GPT-4o，且能根据任务自动匹配最优模型；但在生成 YouTube 缩略图、生日派对邀请函等场景中，反而不及 GPT-4o，甚至更易被诱导编造事实。
这份 “喜忧参半” 的答卷很快引发不满。有付费用户直言其 “是垃圾”，人工智能学者 Gary Marcus 更是直接批评 GPT-5 “过度炒作且令人失望”—— 对比 2023 年 GPT-4 相对 GPT-3 的 “飞跃式进步”，GPT-5 的提升仅停留在 “基准测试分数更高、文字表达更流畅” 的细节层面，毫无突破性进展。
大模型进步 “踩刹车”：从 “造汽车” 到 “修汽车”
曾有行业比喻：预训练大模型是 “生产汽车本身”，训练后优化是 “给汽车升级性能”。此前，OpenAI 通过扩大预训练规模，不断推出性能更强的 “新车”；但如今，这种 “造新车” 的速度明显放缓。
2024 年春季，OpenAI CEO 山姆・奥特曼曾向工程师承诺 “下一代模型远超 GPT-4”，但 2025 年秋季落地的 GPT-5 未能兑现。亚利桑那州立大学研究人员进一步指出，大模型所谓的 “推理能力” 本质是 “脆弱的幻影”—— 仅在训练数据范围内有效，一旦超出边界便失效，其基准测试成绩与解决真实日常问题的能力并非同一回事。
Gary Marcus 的观察更直白：“2025 年的大模型分数更高，但没有哪家 AI 公司敢说，它比 2024 年的模型‘实用得多’。” 行业关注点已从 “造更强的模型” 转向 “优化现有模型”，工程师的角色也从 “汽车制造商” 悄然变为 “汽车修理工”。
缩放定律的兴衰：从 “圭臬” 到 “失效”
AI 行业曾将 “缩放定律” 奉为核心逻辑。2020 年 1 月，OpenAI 发布《神经语言模型的缩放定律》报告（Anthropic CEO Dario Amodei 参与撰写），提出 “只要扩大模型规模、增强训练强度，性能就会持续提升”。
随后的 GPT-3 印证了这一观点 —— 规模是 GPT-2 的 10 倍，性能实现飞跃；2023 年 GPT-4 再次大幅进步，叠加 ChatGPT 用户破亿的热度，风险资本大规模涌入，AI 行业迎来 “大跃进”。山姆・奥特曼甚至在《万物的摩尔定律》博文中断言，AI 将 “迅猛改变世界”，AGI（通用人工智能）触手可及。
但反对声从未消失。纽约大学教授 Gary Marcus 曾直言 “缩放定律只是观测结果，非普适规律”，这一观点不仅遭到 Greg Brockton、Yann LeCun、马斯克等行业大佬的反驳，他本人甚至被贴上 “机器学习产业异类” 的标签。
如今，反对者的声音得到验证。TechCrunch 指出，行业已普遍承认 “仅靠堆算力、堆数据，无法让大模型变成‘全知数字神灵’”—— 自 GPT-4 发布两年多来，OpenAI 再无重磅模型，“缩放定律失效” 已成越来越多人的共识。
进步失速冲击 AI 经济：万亿梦碎，风险浮现
若缩放定律彻底失效，AI 行业的 “经济泡沫” 或将破裂。科技分析师 Ed Zitron 与 Gary Marcus 观点一致：“生成式 AI 市场规模约 500 亿美元，最多 1000 亿，远达不到此前炒作的‘万亿级别’。”
这意味着未来几年，AI 工具只会有 “稳定但渐进” 的进步 —— 虽会被定期使用，但用途有限，既不会大规模冲击就业市场，AGI 的实现也将更不切实际。
更严峻的风险在资本市场。美国股市中，35% 的市值集中于七大科技巨头，过去 18 个月，这些企业在 AI 领域投入高达 5600 亿美元，但其 AI 相关收入仅 350 亿美元，“高投入、低回报” 的矛盾若持续，可能引发连锁反应。
当然，乐观视角仍存：21 世纪 30 年代仍有可能孕育 AGI，即便无法实现 “人类工作自动化”，也能推动 AI 行业探索更复杂的解决方案，倒逼技术从 “规模驱动” 转向 “效率驱动”。
