Sam Altman 这回没绕弯子，直接开炮：有整整一代 AI 研究员，因为打心眼里看不起「把模型往大了堆」这条路，把整个领域往后拖了好几年。
话冲着谁，圈里人一听就懂——Yann LeCun 这些年一直唱衰单纯的规模扩张。
“现在还赌 scaling 不行，挺想岔了”
Altman 的原话：
“Betting against LLMs scaling at this point feels quite misguided to me.”
讲人话就是——都到这个份上了，还押注大模型靠堆规模走不通，在我看来是想岔了。
他还补了一刀：有些人把自己的身份和某个立场绑死了，哪怕证据当面打脸，也下不来台。
这话表面是技术判断，底下是方向之争。LeCun 这一派认为，光靠喂数据、堆算力，大模型摸不到真正的智能，得换架构；Altman 和 Anthropic 的 Dario Amodei 站在另一头，坚信这条路还能往前冲很远。
两边吵了好几年，谁也没说服谁。但 Altman 这次手里多了张牌。
他翻出了上个月那道被 AI 破解的数学题
Altman 引的证据，是上个月那桩事：OpenAI 一个内部推理模型，把一道 1946 年提出、憋了将近 80 年的几何猜想给推翻了——自己想出了反例，不是验算别人的。（这事当时九位数学家联署盖了章，我们写过。）
他由此下判断：
“So clearly, LLMs are capable of figuring out new knowledge.”
也就是说——大模型显然能自己捣鼓出新知识，不只是把学过的东西复述一遍。
这一句正好戳在怀疑派的软肋上。长期以来，质疑大模型最常用的一句话就是「它只会猜下一个词，造不出新东西」。一道 80 年的数学难题被破，这话就不好讲了。
但 Altman 自己也留了余地
有意思的是，他没把话说满。
同一场谈话里，他承认大模型在另一类活上还很笨：那种要拉长战线、靠综合判断才能干成的任务，「比人差远了」。
所以他的态度其实是分两半的：在某些窄领域，AI 已经能憋出人类没想到的东西；可一旦换成需要长期判断的复杂活，它还远远不行。
这两头看着拧巴，其实是同一个偏科生的两张脸——尖子科目能教老师做人，基础科目却连及格都费劲。
scaling 这条路到底还能走多远，Altman 和 LeCun 这场嘴仗短期内分不出胜负。但靠那道数学题，看好的一方，这回手里总算攥了张能拍桌子的牌。
参考来源：CocoLoop、Sam Altman says a whole generation of researchers held AI back by underestimating what scaling could do（THE DECODER）