该图片可能由AI生成
一条半开玩笑的推文，却引发了AI圈一场严肃的思考。
华盛顿大学的Yuchen Jin抛出了一个大胆的假设：如果OpenAI在Anthropic的预训练模型上做后训练，再结合Google的持续学习技术——这不就是AGI吗？是时候让AI实验室们合并了。
有人接梗说，那应该叫AGO。Jin顺势改口：如果把OpenAI换成Ilya的SSI，那就是AGI——Anthropic、Google、Ilya的首字母缩写。玩笑背后，藏着一个真问题：当前AI发展的瓶颈，到底是技术本身，还是组织边界？
关于持续学习，Jin透露了一个关键信息：这项技术目前仍处于研究阶段，尚未在Gemini产品中上线。但Demis等Google高层对此相当看好，预计突破将在2026年到来。
这个“合并论”引发了两极分化的讨论。
支持者认为，最好的想法已经存在，只需要把它们组装起来。各家实验室各有所长，取长补短本是自然之道。有人甚至预测，AI终将因国家安全考量而被国有化，合并只是时间问题。
但反对声同样强烈。
最有力的反驳来自竞争论：正是因为竞争，我们才能以如此惊人的速度前进。垄断只会滋生懒惰，我们需要这场“战争”来催生AGI。还有人指出，现在各家实验室背后都是股东利益和巨额投资，合并不仅会制造垄断，更与推动人类进步的初衷背道而驰。
技术派则泼了一盆冷水：这充其量是更好的优化，而非真正的AGI。后训练加持续学习确实能提升样本效率和适应能力，但缺乏稳健的世界模型、长期规划能力和自主目标形成机制，本质上仍是窄域系统的拼凑，而非通用智能。即便有了持续学习，模型大概率仍是无状态的，在长时间跨度上会表现得古怪而不稳定。
还有一种声音值得玩味：AI的竞争护城河正在从模型架构转向训练效率和推理优化。当所有人都能大规模使用RLHF时，差异化就会向下游转移——数据质量、应用层、推理成本。最终胜出的，将是赢得效率之战的那一方。
或许最清醒的观点是这个：合并听起来是进步的美梦，却是去中心化的噩梦。把所有鸡蛋放进一个篮子，我们得到超级模型的同时，也失去了多元探索的可能。Anthropic执着于宪法AI，OpenAI不断突破边界——这种张力本身，恰恰是创新的源泉。
未来某天，国际模型委员会或许会问：为什么人类花了这么久才学会合作？
答案可能很简单：钱。
x.com/Yuchenj_UW/status/2010411689402155334