奥特曼谈AI：超能力与低幼并存！这种能力断层究竟有多荒诞？
2026年7月28日，知名投资类播客Invest Like the Best第484期正式更新。 主播Patrick O'Shaughnessy与OpenAI掌门人Sam Altman进行了长达两小时的深度对话，议题广泛涉及通用人工智能、计算资源及个人智能助手等前沿话题。 当聊到现有模型的能力天花板时，Altman抛出了一个极为精妙的类比：
"AI is just veryjagged. It's likesuperhuman geniusin some ways, likedumb toddlerin others."
人工智能的智能水平极其参差不齐——某些维度堪比超越人类的天才，另一些维度却又愚笨得像个幼儿。
寥寥数语，便将模型能力大幅波动的真实状态公之于众。
Altman口中的"参差"，描绘的是一种极度不均衡的能力分布格局。
不妨这样设想：你对面坐着这么一个人，他能在半分钟内产出一份逻辑无懈可击的法律意见书，能驾驭七种编程语言落地复杂算法，还能即兴赋一首令人动容的十四行诗。 然而你随口一问：strawberry这个词里出现了几个r？
他竟答错了。
这种巨大反差是2023年以来大型语言模型身上最令人费解的特质之一。 其实早在Altman抛出"天才与幼儿"之说之前，学术界就已经为这一怪异现象命名了。
▲ 哈佛商学院Karim Lakhani教授复盘"参差技术前沿"研究，该理念最早源自2023年波士顿咨询公司的实地测试
2023年秋季，哈佛商学院与波士顿咨询公司（BCG）合作开展了一项随机对照实验：他们将758名BCG咨询师随机分成两组，实验组配备GPT-4辅助，对照组则不借助AI，分别完成两类工作任务。
结论令人震惊。
在AI"能力版图之内"的任务范畴内——比如创意文案、深度分析——使用AI的小组不仅效率更高，成品也更出色，且原本能力较弱的顾问收益最为显著，呈现出一种"精英层内部的均化效应"。
然而在"版图之外"的任务上——例如综合访谈记录里的隐晦线索、做出全局性战略研判——借助AI的那组，准确率反而骤降约19个百分点。
对照组正确率超过八成，而AI组因为过分信赖模型产出，失误率反而更高。
研究者将这条匪夷所思的能力分界线冠名为jagged technological frontier，即参差的技术前沿。 这条边界线如锯齿般起伏不定，且这些高低起伏与人类直觉中"哪类任务更难"的排序完全脱节。 你以为轻而易举的事，模型可能掉链子； 你觉得高不可攀的难题，它可能轻松攻克。
Altman的比喻由此获得了精准的注脚：在同一个主体内部，天才与幼儿同时并存。
除Altman之外，其他学者与业界大佬也观察到类似现象。
OpenAI联合创始人Andrej Karpathy曾把训练大语言模型比作"召唤幽灵"：你得到的实体拥有极其诡异的能力分布，既有通才式天才的灵光乍现，也夹杂着小学生水平的低级漏洞。 他的原话是，大语言模型既像genius polymath（博学天才），又像cognitively challenged grade schooler（认知障碍的小学生）。
谷歌掌门人Sundar Pichai则更进一步，在Lex Fridman的节目中创造了一个全新术语：
AJI，即Artificial Jagged Intelligence，人工参差智能。
▲Business Insider刊文：AI领军人物开始用全新术语坦承模型"并非始终那么聪明"，配图为Sundar Pichai
Pichai指出，我们正身处一个"突破性进展与鸡毛蒜皮错误并肩而行"的阶段。 模型既能绽放令人惊叹的实力，也会在数数字这类基础问题上让人哭笑不得。 他将这种状态定性为一种人类历史上从未遭遇过的智能形态。
这些观察互为印证：学术实验量化了参差对任务表现的影响，模型研究者尝试从训练原理剖析其根源，实验室CEO则借助天才与幼儿的隐喻向大众勾勒这种陌生的能力轮廓。
讲完"天才与幼儿"，Altman随即转向人类判断力的议题：
"人类与AI的技能，迄今为止高度互补。世界或许需要发明一个新词，专门描述人类驾轻就熟、而AI似乎始终难以企及的那种judgment（判断力）。"
他表示这既不完全等同于taste（品味），也不完全是intuition（直觉）。 我们甚至还没有一个合适的词来定义它，但它确实存在，而且意义重大。
Altman列举了几个场景：AI已能生成令人惊艳的图像，但人们依然看重作品是否由真人创作或甄选； 阅读小说时，作者的身份依然左右阅读体验； 在咨询、销售、工程等诸多场景，许多人仍倾向于与真人协作。 企业的重大决策也需要有人挺身担责。
"Human values have value because they're human. We are deeply hardwired to care about people."
（人类价值之所以珍贵，恰恰因为它源于人类。 我们从基因深处就被编程为关注他人。）
这句话出自一位将毕生精力倾注于AI事业之口，份量非同寻常。 他在能力指标之外，又划定了一条与人的身份、担当和情感紧密相连的边界。
同一期节目中，Altman还披露了一些耐人寻味的细节：
他描绘了一种理想中的"全天候在线"个人AI代理：它时刻注视你的屏幕、旁听你的会议、翻阅你的文档，甚至在你入睡后依然"消耗算力继续思索"，次日奉上更优质的产出。 他坦言自己愿意把"思考预算滑块"推到极限，但若人人皆如此，算力开销将难以估量。
他还提及一个"鲜少被触及"的开放命题：认知萎缩（cognitive atrophy）。 当越来越多的思考任务被外包给AI，我们自身的大脑会经历怎样的变化？ 我们还能否保有理解关键议题的能力？
▲ 完整对话覆盖算力军备竞赛、安全事件、AGI之后、个人AI蓝图、机器人等多元议题
他甚至聊到了育儿话题。他直言育儿远比"全球最有趣的工作"重要得多，而他的下一代将成长在一个"再也不必为不如计算机聪明而焦虑"的时代。
而在另一段叙述中，他罕见地流露出倦意：这是地球上最酷的职业，我打算一直做到退休，但它比我所能向任何人解释的都要艰难百倍。
▲ Altman袒露心声：这份工作比能向人解释的更艰难，但他决心坚持到底
让我们把视角拉远一些。
从2023年哈佛与BCG针对758名顾问的实验，到Karpathy的"召唤幽灵"，再到Pichai的AJI概念，直至Altman的"天才与幼儿"之喻，整个行业耗费了三年光阴，才找到一套共同语言来描述这一违反直觉的事实：
AI的能力增长并非线性分布——它的能力轮廓恰似锯齿，起伏跌宕，而这些锯齿的落点，与人类直觉中"何者更难"的判断全然错位。
"多用AI"绝不等于"用好AI"。 BCG实验揭示，在能力前沿之外盲目信赖模型，反而可能导致输出质量下滑。 培训体系、组织流程以及个人使用习惯，都无法回避一个核心命题：眼前这项任务，究竟落在锯齿的哪一侧？
Altman本人也承认，这种智能远比多数人预想的更加离奇。
天才与幼儿同居一脑，这正是AI能力参差的真实写照。
或许，这就是AI的本质所在。