AI研究者Nathan Lambert在社交平台上抛出了一个判断：相比AI模型出现重大突破、一举消除大语言模型所有已知弱点，他更看好AI在效率上的大幅提升。

他把效率提升称为"扩散（diffusion）的巨大杠杆"。这句话的分量在于，它把注意力从"模型能不能变聪明"转向了"同样的能力能不能更便宜、更快地铺开"。

打开网易新闻 查看精彩图片

效率为什么被看作更大的杠杆

Lambert的表述里有一个隐含的对比：一边是模型突破，一边是效率提升。他没有否认突破的价值，但明确表示自己"更买账"后者。

这个判断的落点在于扩散——效率提升带来的不是单点能力的跃升，而是让已有能力触达更多场景。对做产品的人来说，这往往比等待下一次模型跃迁更可控。

他在同一条动态里提到，自己刚度过了一个很棒的旧金山一周，之后花了几个小时反思RSI。这条动态发布于10月9日晚9点39分，目前有14.2K次浏览。

一个值得注意的措辞

Lambert用的词是"more bought into"，即更买账、更认同。这是一个程度上的偏好表达，不是对模型突破的否定。

他没有展开RSI的具体内容，也没有给出效率提升的具体路径或数据。这条动态更像是一个方向性的表态，而非完整论证。

对于关注AI落地节奏的从业者来说，这个表态提供了一个观察角度：当行业还在追逐下一个模型里程碑时，效率这条线上的进展可能更早转化为实际可用的产品能力。