今天的 AI 创业，正在重复《苦涩的教训》

今天的 AI 创业，正在重复《苦涩的教训》

Founder Park Founder Park 2025年03月26日 20:15 北京

「RL 之父」Rich Sutton 在 2019 年发表的经典短文 The Bitter Lesson《苦涩的教训》广为人知，并且时不时被人提起。

「70 年的 AI 研究历史告诉我们一个最重要的道理：依靠纯粹算力的通用方法，最终总能以压倒性优势胜出。」

如今，似乎可以重新再聊下这个话题。

比如前两天我们发的 Agent 文章里的观点：未来 AI 智能体的发展方向还得是模型本身，而不是工作流（Work Flow）。

以及最近 Gemini 和 4o 更新的图片功能，可能直接取代了很多图片工作流——用自然语言对话完成现在复杂的 SD 图像生成工作流。

模型的通用能力，正在取代现在那些复杂的 Workflow。

今天编译的这篇文章，是作者 Lukas Petersson 听完 YC 100 多个项目路演后写下了一个有趣的观察：《苦涩的教训》中所写的 AI 研究历史似乎正在 AI 创业界重演。

作者介绍：Lukas Petersson，Andon Labs 的 CEO 兼联合创始人，专注 AI 安全评估和大语言模型研究。此前，他曾在 Google 实习，曾在 Disney Research 开发病毒式机器人，还曾参与探空火箭发射项目，担任项目主要负责人。

01 

历史重演：

AI 创业在重复这个教训

太长不看版：

• 历史上，通用方法始终在 AI 领域占主导。

• 如今，AI 应用领域的创始人们正在重复 AI 研究人员过去犯过的错误。

• 更强大的 AI 模型将催生更多通用 AI 应用，同时也会削弱 AI 模型「套壳」软件的附加价值。

AI 技术的飞速发展带来了一波又一波新产品。在 YC 校友 Demo Day 上，我见证了 100 多个创业项目的路演。这些项目都有一个共同点：它们瞄准的都是简单问题，加了各种限制的 AI 就能解决。

但 AI 真正的价值在于它能灵活处理各类问题。给 AI 更多自由度通常能带来更好的效果，但现阶段的 AI 模型还不够稳定可靠，所以还无法大规模开发这样的产品。

这种情况在 AI 发展史上反复出现过，每次技术突破的路径都惊人地相似。如果创业者们不了解这段历史教训，恐怕要为这些经验「交些学费」。

2019 年，AI 研究泰斗 Richard Sutton 在他那篇著名的《苦涩的教训》开篇提到：

「70 年的 AI 研究历史告诉我们一个最重要的道理：依靠纯粹算力的通用方法，最终总能以压倒性优势胜出。」

那些精心设计的「专家系统」，最终都被纯靠算力支撑的系统打得落花流水。我们在语音识别、计算机象棋和计算机视觉中都看到了这种模式。这篇文章标题里的「苦涩」二字，正是来自这个在 AI 圈一演再演的剧情——从语音识别到计算机象棋，再到计算机视觉，无一例外。

如果 Sutton 今天重写《苦涩的教训》，他一定会把最近大火的生成式 AI 也加入这份「打脸清单」，提醒我们：这条铁律还没失效。

同在 AI 领域，我们似乎还没有真正吸取教训，因为我们仍在重复同样的错误...... 我们必须接受这个苦涩的教训：在 AI 系统中，强行植入我们认为的思维方式，从长远来看是行不通的。

这个「苦涩的教训」源于以下观察:

1. AI 研究者总想把人类的知识经验塞进 AI

2. 这招短期确实管用，还能让研究者有成就感

3. 但迟早会遇到瓶颈，甚至阻碍 AI 的进步

4. 真正的突破往往出人意料——就是简单地加大算力

站在 AI 研究者的角度，我们需要在总结教训的过程中明确了什么是「更好」的。对于 AI 任务，这很好量化——下象棋就看赢棋概率，语音识别就看准确率。对于本文讨论的 AI 应用产品，「更好」不仅要看技术表现，还要考虑产品性能和市场认可度。

从产品性能维度来看，即产品能在多大程度上取代人类的工作，性能越强，就能处理越复杂的任务，创造的价值自然也就越大。

图 1. 展示了不同类型的 AI 产品，本文主要讨论应用层

AI 产品通常是给 AI 模型加一层软件包装。因此，要提升产品性能，有两条路径：

1. 工程升级：在软件层面利用领域知识设置约束规则

2. 模型升级：等待 AI 实验室发布更强大的模型

这两条路看似都可行，但在此有个重要洞察：模型能力越强，工程优化的边际效益就越低。

现阶段，软件端的设计确实能提升产品表现，但这只是因为当前模型还不够完善。随着模型变得更可靠，只需要将模型接入软件就能解决大多数问题了——不需要复杂的的工程。

图 2. 投入工程的价值会随着投入增加和更强大模型的出现而递减

上图展示了一个趋势：随着 AI 模型的进步，优化工程带来的价值将逐渐减少。虽然当前的模型还有明显不足，企业仍能通过工程投入获得可观回报。

这一点在 YC 校友 Demo Day 上表现得很明显。创业公司主要分为两类：第一类是已经实现规模化的产品，专注解决简单问题，但数量还不多；第二类则瞄准了相对复杂的问题。后者目前发展势头不错，因为他们的概念验证证明：只要在工程上下足功夫，就能达到预期目标。

但这些公司面临一个关键问题：下一个模型发布会不会让所有工程上的都成为无用功，摧毁他们的竞争优势？OpenAI 的 o1 模型发布就很好地说明了这个风险。

我和很多 AI 应用层的创业者聊过，他们都很担心，因为他们投入了大量精力来完善提示词。有了 o1 后，提示词工程的重要性就大大降低了。

从本质上讲，这种工程的目的是为了让 AI 少犯错误。通过观察众多产品，可以概括为两类约束：

• 专业性：衡量产品的聚焦程度。垂直型产品专注于解决特定领域的问题，配备了专门的软件包装；而水平型产品则更通用，能处理多种不同类型的任务。

• 自主性：衡量 AI 的独立决策能力。在此借鉴一下 Anthropic 的分类：

  • 工作流：AI 按预设路径运行，使用固定的工具和流程

  • 智能体：AI 可以自主选择工具和方法，灵活决策如何完成任务

这就规定了一个 AI 产品的分类框架：

	垂类	通用
工作流	Harvey	ChatGPT
智能体	Devin	Claude Computer-Use

表 1. 对知名 AI 产品的分类。需要注意的是，ChatGPT 可能每次对话都会遵循预先设定的代码路径，因此更像工作流而非智能体

让我们以商业分析师制作路演 PPT 为例，看看每类产品如何实现这个任务：

• 垂类工作流：它按固定步骤执行任务，比如，先用 RAG 查询公司数据库，小型 LLM 做总结，大型 LLM 提取关键数据并计算，检查数据合理性，最后生成 PPT。每次都严格遵循这个流程。

• 垂类智能体：LLM 能自主决策，循环工作，用上一步的结果指导下一步行动，虽然可用工具相同，但由 AI 自己决定何时使用。直到达到质量标准才停止。

• 通用工作流：像 ChatGPT 这样的通用工具只能完成部分任务，既不够专业也不够自主，无法完整处理整个工作流。

• 通用智能体：例如 Claude computer-use，能像人一样操作常规办公软件。分析师只需用自然语言下达指令，它就能根据实际情况灵活调整工作方法。

Demo Day 上几乎所有产品都属于垂直工作流。这很好理解——当前的 AI 模型还不够成熟，只能用这种方式才能达到可用水平。结果就是，即使是过于复杂的问题，创业者