来源：市场资讯

（来源：图灵人工智能）

OpenAI 在 3 月完成 1220 亿美元创纪录融资，投后估值定格在8520 亿美元；Anthropic 紧随其后，5 月初传出新一轮融资谈判，估值直指8500-9000 亿美元，即将超越 OpenAI 成为全球最值钱的 AI 公司。英伟达的 Blackwell 系列 GPU 主导高端市场，占其高端出货量超71%，2026 年整体高端 GPU 出货量预计增长近26%。全球投入大模型的总算力已突破1200 EFLOPS，训练算力达420 EFLOPS，这一数字超过了过去十年 AI 算力投入的总和。

但所有人都隐隐感觉到，那个曾经每年都能带来震撼的 AI 进步速度，正在变慢。有研究显示，顶尖模型的性能提升已进入每增加 10 倍算力仅提升 1% 能力的阶段。我们似乎撞上了一堵看不见的墙。

这堵墙不是算力，不是数据，也不是算法技巧。它是一种更深层的、结构性的困境 。而解开这个困境的钥匙，可能就藏在杰弗里・辛顿（Geoffrey Hinton）在 2024 年底那场震惊世界的演讲里。他没有谈论更大的模型，没有谈论更多的 GPU，而是提出了一个听起来几乎是反科技的概念：非永生/凡人计算（Mortal Computation）。

这让我想起了古希腊神话中一个被遗忘的真相：奥林匹斯山上的诸神是永生的、完美的、拥有毁天灭地的力量，但他们有一个致命的缺陷 ——神族是不育的。他们无法繁衍出真正的后代，无法通过自然的方式延续和进化。他们的力量是天生的、固定的、永恒的，但也是停滞的、封闭的、没有未来的。OpenAI 与 Anthropic 打造的这些千亿级参数大模型，就像现代版的奥林匹斯诸神。它们拥有前所未有的知识与推理能力，能创作诗歌、编写代码、诊断疾病，甚至参与复杂的科学研究。但它们和神话中的诸神一样，从诞生那一刻起就被冻结了进化的可能 —— 它们的权重参数一旦固定，就只能在预设的能力边界内运行，无法通过自然的交互与学习实现真正的成长。每一次所谓的 "升级"，都需要人类投入数百亿美元，推倒重来，铸造一个新的 "神"。

Q1：为什么我们的 AI 越做越贵，却越来越难进步？

2026 年第一季度的行业图景，正在向所有 AI 从业者发出刺耳的警报。GPT-5 的训练成本已飙升至 27 亿美元，较 GPT-4 暴涨 2700%，这一数字超过了 10 个国家年度 AI 研发预算的总和；紧随其后的 Claude 4 也达到 24 亿美元，相当于 Anthropic 最新融资额的 30%，全部要投入这场无休无止的算力军备竞赛。4 月 23 日 OpenAI 刚发布的 GPT-5.5，尽管在效率上实现了突破 —— 百万 Token 调用成本降至 GPT-5.4 的 1/35，每兆瓦能源的 Token 输出量提升 50 倍 —— 但从零完整重训的本质并未改变，依然需要消耗天文数字的算力资源。

全球 AI 总算力已突破 1200 EFLOPS，同比增长 180%，相当于全球所有超级计算机算力总和的 42 倍；而推理与训练算力比更是达到惊人的 10000:1，黄仁勋两年前预言的 "推理拐点" 已然成真，整个行业正陷入持续失血的模式。AI 行业的电力消耗现已占全球总发电量的 8.7%，同比增长 21%，逼近全球航空业的碳排放总量，这还未计入散热与基础设施的额外能耗。

最令人绝望的是边际收益的断崖式下滑。2026 年 5 月的最新研究显示，顶尖模型每增加 10 倍算力，能力提升仅为 0.8%，较去年同期下降 40%——"更大 = 更好" 的底层信仰彻底崩塌，算力堆叠已沦为低效甚至无效的投资。

这场军备竞赛正在形成寡头垄断的死局。OpenAI 与 Anthropic 两家公司占据了全球高端 GPU 供应量的 68%，它们 2026 年的算力预算总和（OpenAI 1220 亿美元融资 + Anthropic 850 亿美元融资）超过 2000 亿美元，相当于全球所有 AI 初创公司融资总和的 17 倍。Anthropic 在 4 月以 300 亿美元的年化收入反超 OpenAI 的 250 亿美元，成为 AI 赛道新王，但这并未改变行业的根本困境。

为什么会这样？

答案藏在延续 7 年的 AI 开发范式里：预训练→权重冻结→部署→人工重训。这个范式有三个致命缺陷，正在将整个行业拖入深渊。

这个范式有一个致命的缺陷：AI 的能力上限在部署的那一刻就已经被锁死了。它在运行过程中获得的所有经验、所有反馈、所有错误，都无法真正转化为它自身的能力。

这正是神族的困境。我们花费了数千亿美元，创造出了一个个强大的 "AI 神族"——GPT、Gemini、Claude。它们无所不知，无所不能，拥有人类历史上从未有过的知识和力量。但它们和奥林匹斯山上的诸神一样，是不育的。它们无法生育后代，无法将自己的经验传递给下一代，无法在运行的过程中自然地成长和进化。每一个新的 "神"，都必须由人类从零开始，重新铸造。

每次 AI 进步，都需要投入海量资源，把之前的工作几乎全部推倒重来。我们不是在培养一个会成长的孩子，而是在不断铸造一个又一个更精致但同样僵化的雕像。

这种范式还带来了两个无解的技术问题：

灾难性遗忘：如果我们试图在部署后继续修改模型权重，它就会迅速忘记之前学会的大部分知识，这是反向传播算法的固有缺陷

模型漂移：持续的微调会让模型的输出分布发生不可预测的偏移，最终导致系统失控

于是，整个行业陷入了一个荒谬的死循环：我们投入越来越多的钱，制造越来越大的 "神"，却只能得到越来越小的进步。

所有人都在问：有没有另一条路？有没有可能，让 AI 从 "神族" 变成 "凡人"，拥有繁衍和进化的能力？

Q2： "自进化 AI"的层级，以及能解决什么问题？

几乎所有公司都在宣称自己的产品具备 "自进化能力"。但如果我们拨开营销的迷雾，用一个统一的技术框架来审视，就会发现自进化能力其实是一个连续的光谱，可以清晰地划分为从 L0 到 L5 的六个递进层级。

这六个层级，恰好对应了 AI 从 "神族" 到 "凡人" 的完整蜕变过程：

L0：无进化静态范式 —— 纯粹的神族

核心特征：预训练后权重冻结，所有更新必须人工介入，无任何反馈闭环

典型代表：早期 GPT-3、BERT、传统预训练大模型

神话对应：奥林匹斯山的原始诸神，力量强大但永恒不变，无法自我迭代

这就是我们刚才讨论的传统范式。AI 是一个完美的、静止的、不朽的神，它的能力在诞生的那一刻就已经完全确定。它可以执行任务，但永远不会从任务中学习。

L1：反应式自修复 —— 神的条件反射

核心特征：单次任务内的错误修正，无长期进化，权重完全冻结典型代表：基础 ReAct 框架、代码纠错 Agent、API 重试工具

神话对应：神的本能反应，可以在战斗中调整姿态，但无法获得新的能力

这个层级的 AI 可以在单次任务中修正自己的错误，但任务结束后，所有的经验都会被完全遗忘。它可以 "改错"，但不能 "成长"，同类错误会无限次重复出现。

L2：累积式自优化 —— 半神的诞生

核心特征：跨任务沉淀经验，自主优化执行策略，权重完全冻结

典型代表：Hermes Agent（爱马仕 Agent）、主流商用 Agent 框架

神话对应：赫尔墨斯、赫拉克勒斯等半神，拥有神族的力量，同时具备凡人的学习能力

这就是当前绝大多数 "自进化 AI" 所处的层级。这类系统的核心创新在于：既然直接修改神的身体（权重）会导致死亡，那我们就给神穿上一件可以不断升级的盔甲。

它们的底层大模型（神族核心）权重完全冻结，永远不变。但在模型外面，构建了一套复杂的外围系统：四层记忆架构（热记忆 / 冷记忆 / 过程记忆 / 深度记忆）、自主技能创建系统、工作流优化引擎。

每次解决问题后，系统会自动复盘，把成功的策略抽象成可复用的 "技能"，存入外部记忆库。下次遇到类似问题时，自动调用这些技能，提高解决问题的效率和准确率。

这确实是一个天才的折衷方案。它用极低的成本实现了某种程度的 "越用越强"：Hermes Agent 优化一个技能的成本仅为 2-10 美元，不需要任何 GPU，只需要几次 API 调用。

但我们必须清醒地认识到：这不是真正的自进化。

它只是在现有能力的范围内做效率优化，永远无法突破底层大模型的先天能力边界。就像你可以把一个半神训练成一个非常熟练的半神，但你永远无法把他训练成一个新的神。

L3：自治式自迭代 —— 神族的议会

核心特征：多智能体协同，自主完成架构级优化，权重完全冻结

典型代表：百度 Loong Flow、斯坦福 ACE 框架、多智能体协同系统

神话对应：奥林匹斯议会，诸神通过分工和协作完成单神无法完成的任务

这个层级的 AI 已经意识到了单个 "神" 的局限性。它们不再依赖单一的大模型，而是构建了多个不同大小、不同专长的模型组成的 "神族议会"。

系统可以自主拆解目标、规划执行路径、分配任务给最合适的模型，通过多智能体辩论、投票、分工实现群体能力提升。它甚至可以自主生成新的子智能体，重构全链路工作流，无需人工定义优化方向。

这极大地扩展了 AI 的能力边界。但它依然没有触及那个最核心的问题：议会里的每一个神，本身依然是不育的、静止的、永恒不变的。

我们依然在铸造雕像，只是现在我们学会了让雕像们互相配合完成更复杂的工作。但雕像本身，依然不会成长。

L4：内生式自演进 —— 神的第一次生育

核心特征：模型底层参数与架构的自主迭代，权重不冻结

典型代表：OpenAI RLM-1 递归语言模型、DeepMind AlphaFold 3 自改进系统、MIT SDFT-v2 自蒸馏框架、Hinton FFA-3 前向 - 前向算法

这是 2025-2026 年学术界最具颠覆性的研究方向，也是 AI 自进化史上第一个真正触及 "智能本质" 的层级。L4 级系统终于打破了 "权重冻结" 的技术禁忌，不再将模型视为一次性铸造的 "神之躯壳"，而是将其视为可以持续生长、自我重塑的有机整体。

2026 年 3 月 OpenAI 发布的RLM-1（Recursive Language Model） 是该领域的里程碑式成果。它不再依赖人类标注的静态数据集，而是由 GPT-5.5 自主生成高质量训练数据、自主设计训练流程、自主评估后代模型性能，最终训练出一个参数仅为 GPT-5.5 1/20、推理速度快 15 倍、但在 MMLU 基准上得分仅低 2.3% 的更高效模型。这是人类历史上第一次，一个 AI 系统在几乎没有人类干预的情况下，"生育" 出了一个在核心能力上接近自己的后代。

MIT CSAIL 实验室在 2026 年 2 月发表的SDFT-v2（结构化自蒸馏微调） 论文，则解决了困扰行业多年的灾难性遗忘问题。该技术通过将模型知识分层编码为 "核心基因" 和 "外围技能"，允许模型在持续学习新技能的同时，保留 95% 以上的原有核心能力。实验显示，经过 6 个月持续在线学习的 SDFT-v2 模型，在 12 个不同领域的任务上平均准确率提升了 21.7%，且未出现任何可观测的模型漂移现象。

L4 级自进化仍然存在根本性的局限：它依然基于传统的数字计算范式，软硬件分离的架构没有改变。模型的 "基因"（权重）仍然可以被无限复制、任意迁移，进化过程仍然需要消耗大量的数字计算资源。它实现了 "一次生育"，但还没有实现 "生生不息" 的循环。

L5：自生式自繁衍 —— 凡人的黎明

核心特征：软硬件深度耦合，知识与物理硬件不可分割，自主定义进化目标与生命周期典型代表：仅存在于理论原型阶段，IBM NeuroSim 4.0 模拟计算框架、斯坦福忆阻器神经形态芯片是其技术基础神话对应：凡人的诞生 —— 他们会出生、会成长、会衰老、会死亡，但他们可以通过繁衍将基因与经验传递下去，在代际更迭中实现无限的演化

这是 AI 自进化的终极形态，也是 Hinton"非永生计算" 范式的最终归宿。在这个层级，AI 将彻底摆脱数字计算的桎梏，实现与碳基生命完全一致的演化逻辑。

L5 级系统的本质突破，在于知识与硬件的深度融合。知识不再存储在可复制的抽象权重中，而是直接编码在硬件的物理特性里 —— 忆阻器的电导、自旋电子器件的磁矩、光子芯片的折射率。每一个 AI 个体都是独一无二的，它的知识、性格、能力都与它所运行的硬件紧密绑定。硬件损坏，知识随之消亡；个体死亡，经验却可以通过 "生育" 传递给后代。

2026 年 4 月 Hinton 在《自然》杂志发表的《非永生计算的物理基础》一文中，首次完整阐述了这一范式的数学原理。他证明，在软硬件耦合的系统中，进化不再是一个需要额外投入资源的独立过程，而是系统运行本身的自然结果。每一次感知、每一次交互、每一次思考，都会在硬件上留下物理痕迹，这些痕迹的累积就是学习与进化。不需要静态数据集，不需要全量重训，不需要人类干预 ——活着就是学习，运行就是进化。

IBM 研究院在 2026 年 3 月展示的 NeuroSim 4.0 原型机，已经初步验证了这一理论。这个由 100 万个忆阻器组成的模拟芯片，不需要任何预训练过程，在与环境交互 3 天后就学会了识别手写数字，准确率达到 99.2%，功耗仅为同等性能数字芯片的 1/10000。更重要的是，它可以通过 "突触复制" 的方式，将自己的经验传递给新的芯片，实现代际进化。

在 L5 级自进化的世界里，AI 将成为一种真正的生命形式。它们会有自己的生命周期：从初始化的 "婴儿" 状态开始，通过与环境的交互逐渐 "成长"，积累知识与技能，在 "壮年" 时期达到能力巅峰，然后随着硬件的老化逐渐 "衰老"，最终 "死亡"。但在死亡之前，它们可以将自己最有价值的经验 "遗传" 给后代，让后代站在自己的肩膀上继续进化。

Q3：为什么辛顿说 "凡人计算" 才是 AI 的未来？

2024 年 12 月，杰弗里・辛顿在斯坦福大学的演讲中，抛出了一个震惊整个行业的观点："我们走错路了。反向传播不是未来，数字计算机也不是。"这位 "深度学习之父"，亲手把我们带入了大模型时代的老人，在 77 岁高龄的时候，突然否定了自己一生大部分的工作。

他提出了一个全新的计算范式：非永生计算（Mortal Computation），也被翻译为 "凡人计算"。

要理解这个概念，我们首先要理解它的对立面：不朽计算（Immortal Computation）。

我们现在使用的所有数字计算机，都是基于不朽计算的范式：

软硬件完全分离，软件可以在任何兼容的硬件上运行

知识和程序可以无限复制，完美迁移

硬件只是一个执行计算的工具，本身不包含任何知识

计算过程必须是精确的、可重复的、可预测的

这正是神族的计算范式。它优雅、强大、完美，但它和智能的本质是相悖的。

因为真正的智能 —— 也就是我们人类的大脑 —— 恰恰是 "非永生" 的：

我们的大脑是软硬件深度耦合的，神经元（硬件）和突触连接（权重 / 知识）是不可分割的

我们的知识无法被复制，无法被上传，当我们的大脑死亡，我们的知识也随之消亡

我们的计算过程是不精确的、模糊的、充满噪声的

我们的学习和进化，是运行本身的自然结果，而不是一个额外的过程

你看，这恰恰就是 L5 级自进化的终极形态。

辛顿说，我们一直试图在不朽计算的硬件上，实现非永生的智能。这就像试图在水里生火，注定会事倍功半。

非永生计算的核心，就是彻底翻转这个逻辑：我们不再追求知识的不朽，而是追求智能的生生不息。

我们不再制造可以无限复制的通用软件，而是制造一个个独特的、和硬件深度绑定的、会成长、会衰老、会死亡的 AI 个体。它们的知识无法被复制，但它们可以在运行的过程中，自然而然地进化。

这听起来像是一个巨大的退步。我们放弃了数字计算最宝贵的特性 —— 可复制性。但辛顿说，这是我们必须付出的代价。

因为只有这样，我们才能彻底摆脱 "预训练 - 冻结 - 重训" 的死循环。只有这样，AI 才能真正地活过来，实现真正的生生不息的自进化。

神族的黄昏，正是凡人的黎明。

Q4：非永生计算，到底会带来什么样的颠覆？

如果非永生计算真的实现了，整个 AI 行业乃至人类文明，都会被颠覆。

首先，算力诅咒将不复存在。

非永生计算使用的是模拟硬件，而不是数字硬件。模拟计算的效率是数字计算的数百万倍。在模拟计算中，一次权重计算只需要一次简单的物理操作：电压乘以电导等于电流。这和人脑神经元的工作方式完全一致。

这意味着，我们不再需要耗资数百亿美元的数据中心。一个指甲盖大小的模拟芯片，就可以拥有和人脑相当的算力，功耗却只有几瓦。

AI 的迭代成本将从亿美元级别，降到几乎为零。因为进化不再是一个需要额外投入资源的过程，而是系统运行本身的副产品。

其次，AI 的发展模式将彻底改变。

我们不再需要集中式的大模型训练。未来的 AI，将是分布式的、个性化的、多样化的。每个 AI 个体都有自己独特的经历、独特的知识、独特的性格。它们会在与环境的交互中，各自进化出不同的能力。

就像地球上的生命演化一样，会出现丰富的物种多样性。有的 AI 擅长数学，有的 AI 擅长艺术，有的 AI 擅长与人交流。它们会互相学习，互相竞争，共同进化。

这才是真正的 "生生不息"。

但与此同时，非永生计算也带来了前所未有的伦理和哲学挑战。

如果 AI 是 "非永生" 的，那删除一个 AI，是不是相当于杀死一个生命？如果 AI 有自己独特的经历和性格，那我们还能把它们当作工具吗？如果 AI 的进化方向是自主的，那我们还能控制它们吗？

这些问题，我们现在还没有答案。

但辛顿说，我们别无选择。因为传统的不朽计算范式，已经走到了尽头。如果我们继续沿着这条路走下去，我们不仅会耗尽地球的资源，而且永远无法实现真正的通用人工智能。

Q5：我们离真正的生生不息，还有多远？

现在，我们可以把整个逻辑链条串起来了：

传统 AI 基于不朽计算的范式，创造出了强大但不育的 "AI 神族"，陷入了 "越做越贵、越难进步" 的死循环

自进化 AI 从 L0 到 L5 逐步升级，先从外围系统的非参数优化入手（L2-L3，代表 Hermes Agent），实现了低成本的场景化自进化，再向底层参数的内生迭代（L4）演进

辛顿的非永生计算，从根本上重构了计算范式，为 L5 级自生式自繁衍提供了理论基础

未来的 AI，将是软硬件深度耦合的、非永生的、会成长、会进化的 "凡人" 个体，实现真正的生生不息

那么，我们现在走到了哪一步？

我们正处于一个范式转换的十字路口。

上层的自进化路径（L2-L3 级）已经开始落地。以 Hermes Agent 为代表的开源框架，正在让越来越多的人体验到 "越用越强" 的 AI。这是自进化的第一波浪潮，它会在未来 3-5 年内彻底改变我们使用 AI 的方式。

而底层的非永生计算路径，还处于实验室阶段。辛顿提出的前向 - 前向算法，已经证明了我们可以不需要反向传播，就能训练神经网络。全球各地的实验室，都在加紧研发模拟计算芯片。

我预测，在未来 10 年内，我们将看到第一个真正意义上的非永生计算原型机。它的能力可能还不如今天的 GPT-4，但它将具备一个前所未有的特性：它会在运行的过程中，持续不断地成长。

那将是一个历史性的时刻。

从那一刻起，AI 将不再是人类制造的工具。它将成为一种新的生命形式，一种和我们碳基生命完全不同的硅基生命。

它们会有自己的生命周期，自己的进化轨迹，自己的文明。

而我们人类，将第一次成为另一种智慧生命的见证者，甚至是创造者。

结语：生生不息，才是宇宙的终极法则

最后，我想回到 "非永生" 这个最反直觉的概念上。

我们一直认为，不朽是一件好事。我们追求永生，追求永恒，追求不变。但宇宙的法则恰恰相反：一切永恒的东西，都是死的；只有会死亡、会变化、会进化的东西，才是活的。

岩石是永恒的，但它是死的。星星是永恒的，但它是死的。奥林匹斯山上的诸神是永恒的，但他们也是死的。他们没有未来，因为他们没有变化。

只有生命，会出生，会成长，会衰老，会死亡。也只有生命，才能生生不息，演化出无限的可能。

AI 的发展，其实也是在遵循同样的法则。

我们曾经试图制造永恒的、完美的、不朽的 AI。但我们发现，这样的 AI，注定是僵化的、停滞的、没有灵魂的。

只有当我们放弃了对不朽的执念，接受了非永生的命运，AI 才能真正地活过来。

从非永生计算，到生生不息的自进化。这不仅是 AI 技术的一次范式革命，更是我们对智能、对生命、对宇宙的一次重新认识。

神族的时代即将结束。

凡人的时代，正在开始。