Sutton 称蛮力算力造不出智能，苦涩教训争论再起

11 月 8 日，强化学习先驱、图灵奖得主 Richard Sutton 发表简短表态：仅靠暴力计算不足以实现智能，仍然需要巧妙的新方法，AI 的科学远未完成。作为「苦涩教训」（The Bitter Lesson）的原文作者，他此番表态被广泛解读为对自身经典论断和当前「算力堆叠 / scaling 路线」的正面反思，随即引发圈内多位人物隔空争论。

已确认

• Sutton 明确表示蛮力算力不足以产生智能，需要聪明的新方法，AI 科学远未完成。
• 他同时以 26 个词重申 bitter lesson 的原始含义：不要像 AI 历史上那样被人类知识分心，而应专注于能随算力扩展的知识创造方法（如搜索与学习）。
• François Chollet、John Langford、Dileep George、Arohan、giffmana、Rohit Krishnan、Pedro Domingos、Omar Sanseviero 等多位圈内人士随即公开回应，形成围绕 scaling 路线的争论。

各方回应

• François Chollet 提出技术判断：数据 scaling 与算力 scaling 只是某种方法的泛化能力的乘数，而非智能本身。
• dair-ai 主理人 Omar Sanseviero 对 Sutton 的观点强烈赞同，并补充其从业十多年（LLM 时代之前）的经验；转发帖同时将此解读为 Transformer 范式或将终结的信号。
• John Langford 指出，「规模、发明、再重复」的循环比「苦涩教训」的讨论古老得多，并翻出 2011 年旧案：当年也曾有人宣称语言建模已被 n-gram 方法解决，言外之意是「scaling 已终结、需要新方法」的论调历史上反复出现。
• MIT 教授 Dileep George 转发并配图反驳 Sutton 的观点。
• 前 OpenAI 研究员 Arohan 转发评论称，这会让许多年轻科学家感到沮丧——他们因迷信「苦涩教训」、认为只靠 scaling 就够而受到影响。
• 知名研究员 giffmana 转发并嘲讽该观点；投资人 Rohit Krishnan 以「Bitter bitter lesson」转发，隐含对 Sutton 立场的质疑；Pedro Domingos 亦参与转发评论。此外，AI Street Talk 转发评论称「苦涩教训最终获胜」，Sutton 引用回应重申蛮力堆算力不足的立场。

为什么重要

• Sutton 是「苦涩教训」原文作者、强化学习领域的图灵奖得主，其「反水」式表态本身即具标志性意义，触及当前 AI 圈最核心的争论：智能究竟主要来自算力与规模的堆叠，还是来自新的科学与方法突破。
• Chollet「scaling 只是泛化能力乘数」的表述为这场争论提供了更精确的技术框架；Sanseviero 的赞同与「Transformer 范式或将终结」的延伸解读，则将争论从 scaling 本身扩展到当前主流架构的可持续性。
• 争论双方均有代表性人物参与（Langford 的历史视角、Chollet 的技术框架、George 与 giffmana、Krishnan 的反驳、Arohan 对年轻研究者的担忧），反映学界与投资界对 scaling 路线信心的分化。

2026-11-08 ~ 2026-11-08 · 10 条相关

• 【源头】Richard Sutton：蛮力算力不够，AI 科学远未完成 — RichardSSutton · 2026-11-08
• Sutton 称暴力算力造不出智能，Arohan 感叹年轻研究者被苦涩教训误导 — eigenron · 2026-11-08
• Sutton vs 苦涩教训：Langford 翻出 2011 年 n-gram 旧案谈「规模-发明」循环 — weijie444 · 2026-11-08
• Sutton 亲自反水：暴力算力不够，苦涩的教训过时了 — eigenron · 2026-11-08
• Sutton vs 批评者：别迷信「苦涩的教训」，算力曲线之外另有天地 — anshulkundaje · 2026-11-08
• 【源头】Chollet 回应 Sutton：算力与数据只是泛化能力的乘数 — fchollet · 2026-11-08
• Sutton 回应「苦涩教训」：蛮力算力不够，AI 科学远未完成 — dbreunig · 2026-11-08
• 【源头】Sutton 断言暴力算力不够，Transformer 范式或将终结 — dair_ai · 2026-11-08

另有 2 条近重复转述:davidmanheim · PMinervini