AI创业“太晚了”？这个说法已经错了三次

“AI发展太快，新创业公司已经没机会了。”

这种论调听起来很有道理，但Andrej Karpathy指出：它已经被证伪了三次。

第一次是OpenAI创立时。当时所有人都在问：“你们几个人怎么可能跟Google竞争？”结果呢？

第二次是一批新创业公司挑战OpenAI。同样的质疑声，同样被打脸。

第三次正在发生。而Karpathy认为，这种论调依然是错的。

为什么？

规模化和渐进式改进确实能带来惊人进展，但当前的AI领域有一个根本性的事实被忽视了：前沿大模型与人脑之间仍存在巨大鸿沟。人脑只用20瓦功率就能运转出如此神奇的智能，而我们的模型还在用暴力计算的方式逼近智能。

这意味着什么？意味着能带来10倍提升的研究突破，而非10%的渐进改进，发生的概率依然很高。

有人说得好：当前的大模型更像是智能的“照片”，我们甚至还没搞清楚语言之上的建模应该是什么样子。这条路还很长，而且会经历很多次颠覆。

那为什么大公司反而不容易做出突破？

一位评论者总结得很精辟：人们总是把资本和洞察力混为一谈。Google有资源，但OpenAI有专注。现在OpenAI有了规模，但小团队有自由去尝试那些“奇怪的东西”。

突破性进展很少来自那些优化当前最佳方案的团队，而是来自那些提出完全不同问题的人。

还有一个被低估的因素：技术债务和组织惯性。几个工程师，零技术债务，没有中层管理，能交付的东西往往超出想象。大公司的优化目标是“守成”，而非“发明”。当创业公司变成巨头，资源就变成了约束，议程就变得僵化，大量潜力被搁置。

当然，研究突破只是起点。有人提醒：现在不仅仅是谁先取得突破的问题，还有谁能最快部署、获取用户、形成真实世界数据的复利效应。研究创造跳跃，但产品速度决定谁最终拥有它。

这是一个值得深思的平衡：纯粹的研究探索与产品落地的节奏，两者缺一不可。

Karpathy还提到一个让人兴奋的可能性：AI在原理上可以远远超越人脑，形成一个完全互联的蜂巢思维，没有空气振动传输带来的带宽瓶颈。这不是科幻，而是技术演进的逻辑延伸。

所以，如果你还在犹豫是否“太晚”，不妨换个角度想：每一次平台级变革，“太晚论”都被证明是错的。关键不在于时机，而在于你是否有独特的洞察，是否愿意问一个完全不同的问题。

效率的突破，才是改变一切的钥匙。谁能找到它，谁就能重新定义游戏规则。

x.com/karpathy/status/2016590919143952466