2025 年 8 月，OpenAI 終于推出備受期待的 GPT-5，但其表現并未如市場預期般帶來 “革命性突破”，反而讓 “AI 進步失速”“縮放定律失效” 的討論再度升溫。

GPT-5 實測：亮點有限，失望聲四起

YouTube 播主 Mrwhosetheboss 的實測顯示，GPT-5 并非全面領先：在創建象棋游戲時優于 GPT-4o-mini-high，撰寫視頻腳本時強于 GPT-4o，且能根據任務自動匹配最優模型；但在生成 YouTube 縮略圖、生日派對邀請函等場景中，反而不及 GPT-4o，甚至更易被誘導編造事實。

這份 “喜憂參半” 的答卷很快引發不滿。有付費用戶直言其 “是垃圾”，人工智能學者 Gary Marcus 更是直接批評 GPT-5 “過度炒作且令人失望”—— 對比 2023 年 GPT-4 相對 GPT-3 的 “飛躍式進步”，GPT-5 的提升僅停留在 “基準測試分數更高、文字表達更流暢” 的細節層面，毫無突破性進展。

大模型進步 “踩剎車”：從 “造汽車” 到 “修汽車”

曾有行業比喻：預訓練大模型是 “生產汽車本身”，訓練后優化是 “給汽車升級性能”。此前，OpenAI 通過擴大預訓練規模，不斷推出性能更強的 “新車”；但如今，這種 “造新車” 的速度明顯放緩。

2024 年春季，OpenAI CEO 山姆?奧特曼曾向工程師承諾 “下一代模型遠超 GPT-4”，但 2025 年秋季落地的 GPT-5 未能兌現。亞利桑那州立大學研究人員進一步指出，大模型所謂的 “推理能力” 本質是 “脆弱的幻影”—— 僅在訓練數據范圍內有效，一旦超出邊界便失效，其基準測試成績與解決真實日常問題的能力并非同一回事。

Gary Marcus 的觀察更直白：“2025 年的大模型分數更高，但沒有哪家 AI 公司敢說，它比 2024 年的模型‘實用得多’。” 行業關注點已從 “造更強的模型” 轉向 “優化現有模型”，工程師的角色也從 “汽車制造商” 悄然變為 “汽車修理工”。

縮放定律的興衰：從 “圭臬” 到 “失效”

AI 行業曾將 “縮放定律” 奉為核心邏輯。2020 年 1 月，OpenAI 發布《神經語言模型的縮放定律》報告（Anthropic CEO Dario Amodei 參與撰寫），提出 “只要擴大模型規模、增強訓練強度，性能就會持續提升”。

隨后的 GPT-3 印證了這一觀點 —— 規模是 GPT-2 的 10 倍，性能實現飛躍；2023 年 GPT-4 再次大幅進步，疊加 ChatGPT 用戶破億的熱度，風險資本大規模涌入，AI 行業迎來 “大躍進”。山姆?奧特曼甚至在《萬物的摩爾定律》博文中斷言，AI 將 “迅猛改變世界”，AGI（通用人工智能）觸手可及。

但反對聲從未消失。紐約大學教授 Gary Marcus 曾直言 “縮放定律只是觀測結果，非普適規律”，這一觀點不僅遭到 Greg Brockton、Yann LeCun、馬斯克等行業大佬的反駁，他本人甚至被貼上 “機器學習產業異類” 的標簽。

如今，反對者的聲音得到驗證。TechCrunch 指出，行業已普遍承認 “僅靠堆算力、堆數據，無法讓大模型變成‘全知數字神靈’”—— 自 GPT-4 發布兩年多來，OpenAI 再無重磅模型，“縮放定律失效” 已成越來越多人的共識。

進步失速沖擊 AI 經濟：萬億夢碎，風險浮現

若縮放定律徹底失效，AI 行業的 “經濟泡沫” 或將破裂。科技分析師 Ed Zitron 與 Gary Marcus 觀點一致：“生成式 AI 市場規模約 500 億美元，最多 1000 億，遠達不到此前炒作的‘萬億級別’。”

這意味著未來幾年，AI 工具只會有 “穩定但漸進” 的進步 —— 雖會被定期使用，但用途有限，既不會大規模沖擊就業市場，AGI 的實現也將更不切實際。

更嚴峻的風險在資本市場。美國股市中，35% 的市值集中于七大科技巨頭，過去 18 個月，這些企業在 AI 領域投入高達 5600 億美元，但其 AI 相關收入僅 350 億美元，“高投入、低回報” 的矛盾若持續，可能引發連鎖反應。

當然，樂觀視角仍存：21 世紀 30 年代仍有可能孕育 AGI，即便無法實現 “人類工作自動化”，也能推動 AI 行業探索更復雜的解決方案，倒逼技術從 “規模驅動” 轉向 “效率驅動”。