大语言模型无需炒作也自有其用

乔治·霍茨（George Hotz）的《我爱大语言模型，我讨厌炒作》一文令人耳目一新，因为它拒绝了当下许多 AI 讨论中非此即彼的两种立场。他既对语言模型、编程智能体、自动驾驶汽车和视频生成感到兴奋，又驳斥了“所有人都在奔向某个突然且不可避免的技术突破”这一说法。

这种结合让我深有同感。我认为大语言模型（LLMs）正逐渐成为真正有用的工具，尤其是在整合搜索、翻译、环境配置和重复性编码工作方面。但我也认为，实用性常常被悄悄包装成关于必然性、垄断性和机器接管一切的更大论断。这些论断需要自己的证据支持。

要点速览

问题	我的解读
发生了什么？	霍茨于 7 月 12 日发表文章，主张大语言模型的进步令人兴奋且实用，但由恐惧驱动的最后期限和超级智能叙事纯属炒作。
它指出了什么问题？	AI 讨论常常把眼前好用的东西，跟"技术即将突变""少数前沿实验室将长期垄断"这类推测绑在一起。
谁会从更清晰的框架中受益？	开发者、学习者、开源模型构建者和采购者，他们需要基于可观察的价值而非紧迫感来选择工具。
我的核心观点	大语言模型最强有力的理由在于它们延续了计算机革命。它们无需一夜之间变得神奇、垄断或改变命运也能产生重大影响。

好用不等于神话成立

霍茨这篇文章最有价值的一步，是把产品和围绕它讲的故事拆开。他讲了自己怎么用本地模型和编程智能体搞定一个 Linux 配置任务，也承认自己以前对“模型能不能写代码”判断太悲观。他现在的立场很克制：编程正在变，模型确实能帮上忙，而学会用好它们本身就是一门手艺。

我觉得这比“AI 就是没用的自动补全”或“AI 马上要接管未来”都站得住脚。编译器可以改变编程方式，但它自己并不会变成程序员。搜索、查找替换、文档、Stack Overflow，都改变过开发者要记什么、能跑多快。大语言模型完全可以是这条线上的又一大步，不必因此把科幻小说里的结局全搬过来。

文中链接的那场 2016 年演讲《超级智能：吞噬聪明人的想法》也值得一看，因为它把“智能爆炸”拆成了若干前提。有些前提确实说得通，但整条链到底还只是论证，不是已经发生的事实。我一直希望讨论 AI 时能用同一把尺子：能力演示只能证明它有这个能力，不能自动推导出所有下游剧情。

生产力证据比宣传话术复杂得多

霍茨承认自己现在确实从模型那里拿到了不少好处，但他也提到了认知疲劳，以及低质量生成代码仍然满天飞的现实。公开研究支持的也是这种参差不一的结论，而不是“全面提速”的乐观叙事。

一项PACIS 2026 的实验让 24 名开发者上手测试，发现智能体在遗留系统的上手任务中确实缩短了平均完成时间，主观工作量也降低了，但代码正确性并没有显著提升。作者还注意到开发者更容易进入“旁观模式”，并对过度依赖和技能退化提出了担忧。速度有提升，但样本量太小，离给软件工程下结论还差得远。

另一项Anthropic 的随机对照试验则讲了不同的故事。52 名以初级为主的工程师参与测试，用 AI 的那组只快了一点点，统计上并不显著，但对刚用过的陌生 Python 库的理解测试反而低了 17%。研究规模不大，测的也是即时掌握程度，但最实用的发现是：怎么用比用不用更重要——多问概念性问题、主动验证理解，比直接把代码甩给 AI 效果好得多。

炒作制造了虚假的最后期限

我最认同的批评，是霍茨对“窗口正在关闭”这套话术的拒绝。紧迫感在商业上太好用了。它能把一个还没定论的技术选择变成身份竞赛：搬到对的城市、进对的实验室、买对的模型，不然就等着被时代甩掉。

同样的工具正在快速扩散，这种说法就更站不住脚了。霍茨自己用的就是本地开源模型，又不是前沿实验室内部的私有权限。他更大的经济判断是：AI 可能会创造巨大价值，但前沿实验室未必能全拿走。文章并没有证明这一点，自托管也依然有硬件、运维、安全和利用率的成本。但开源权重加上不断下降的部署成本，已经让“永久稀缺”变成了一个需要拿出证据的说法，而不是默认前提。

这里我也想给霍茨补一句：通用计算在进步，不代表每个模型都能互相替代，商品化也很少是齐头并进的。就算核心能力铺开了，可靠性、分发、数据、集成、支持这些层面照样能做出差异化。拒绝垄断叙事，不等于要走到另一头，认定前沿工作一定没有持久优势。

我的最终结论

我喜欢霍茨这篇文章，因为“热情归热情，不跟着 hype 走”比一边倒的吹捧或否定都健康得多。大语言模型可以是很厉害的编译器、搜索引擎、翻译工具、编程搭档；它们也会让人疲劳、掩盖错误、削弱学习效果，还会制造一大堆看不出到底有没有用的代码。这些事实并不矛盾。

我想要的标准很朴素也很苛刻：说清楚任务是什么、基线在哪、失败率多少、审查成本多高、谁还留着修 bug 的能力。然后让托管模型和开源模型去竞争，把好用的部分推进日常计算里去。

AI 不需要什么“窗口即将关闭”或者天降神迹才能变得重要。只要它持续让计算机更强、更容易上手，这本身就是一个够分量的叙事。我宁愿在这样的可观察进步上押注，也不想让炒作来替这些工具定性。