Jay Kreps：前沿 AI 竞赛自带自稳定机制，弱模型反而攒出大算力
olcan · x · 2026-10-28
Jay Kreps（Confluent 联合创始人/CEO） 提出一个反直觉观点：人们普遍预期 RSI（递归自我改进）会放大领先者的微弱优势、让某家实验室一骑绝尘，但前沿 AI 竞赛内嵌着一个反向的自稳定动态：
- 模型太好 → 卖断货：你得把训练和研发算力几乎全部挪去撑推理、安抚客户，还要大量投入现有模型的推理效率优化，下一个模型的质量可能因此大打折扣。
- 模型太差 → 没人用：留下大量闲置推理算力，反而可以在下一轮训练中更大规模地扩张与试错，做出更强的模型。
用梗总结就是：大算力造强模型 → 强模型耗光算力 → 算力变少出弱模型 → 弱模型又攒回大算力，形成循环。
「漫话AGI」频道最新
- GEO 成 AI 搜索新课题：从排网页到被 AI 引用，KDD 论文正式定义 — robertonappe · 2026-10-28
- AI 从不夺走工作只会解锁无数难题,优先级才是新挑战 — robleclerc · 2026-10-28
- AI 致基金申请暴增，拨款管理员竟毫不知情 — wandedob · 2026-10-28
- AI token 支出走向:前沿模型当 CapEx,开源模型当 OpEx — curious_vii · 2026-10-28
- Chris Albon 思想实验：若 scaling 由军方或华尔街发现，AI 史会怎样改写 — chrisalbon · 2026-10-28
- AAAI/ICLR 审稿人:约半数评审疑似 AI 生成,同行评审告急 — dsmirza · 2026-10-28