最近AI圈子里最出圈的话题不是某个大模型又刷新了跑分而是一句火药味十足的话“LLM吸光了房间里的空气”。说这话的是一位在头部AI研究机构长期负责基础方向的资深学者他在公开场合直接批评自家公司乃至整个行业对大规模语言模型过度投入甚至把“物理世界才是AGI的终局”这面旗子亮了出来。一时间支持者和反对者吵成一片有人觉得这是技术派内部的路线之争有人觉得这不过是资源分配不满的情绪宣泄。这话题之所以能炸开是因为它碰到了一个真实痛点过去两三年几乎所有资源、注意力、人才、算力和话题度都涌向了LLM其他方向的生存空间被压缩得极其有限。这篇文章想把这个争论掰开揉碎讲清楚“空气论”的背后是什么、LLM的边界到底在哪、以物理世界为终局的AGI路线又该怎么理解以及这场争论对我们普通开发者和技术决策者有什么实际的参考价值。1. 这场“内部炮火”为什么会演变成全行业话题1.1 “空气论”不是段子而是资源分配的警报很多不在一线做研究的人以为“空气被吸光”只是夸张说法实际上它描述的是极其现实的情况。在一家以AI为核心业务的机构里GPU配额是最直观的指标。过去两年大模型项目的申请书一到评审会上基本就是绿灯哪怕实验设计写得一般只要够大、够新就能拿到训练资源。反观机器人学习、强化学习、物理仿真等方向申请算力时面对的问题是“这个工作能不能带来下一个爆款产品”答不上来配额就砍半。这种倾斜还会传导到更多层面。顶会投稿的评审口味在变论文价值被简化为“在某个榜单上高了几个点”团队招聘时简历里写过LLM微调经历的人会被争抢而做过机械臂抓取控制或者强化学习项目的人连面试机会都难拿到媒体流量更不用说今天发一条大模型应用新闻到处有人转明天写一篇物理世界智能的深度分析阅读量可能只有前者的零头。如果只看单个事件这些都只是资源分配不均衡。但把这些信号放在一起你会发现一个更值得警惕的趋势年轻研究者开始主动回避“不热门”的方向。我身边就有原本对机器人非常感兴趣的年轻朋友最后为了好毕业、好就业转身扎进LLM微调的汪洋大海。他们倒不是不爱科研而是承担不起“走一条冷门路”的代价。这种个体理性选择叠加起来会让整个生态失去多样性。那位大佬把话说得那么难听本质上不是在跟某个具体团队置气而是看到了一种正在发生的研究断层。1.2 两种AGI路线的正面交锋如果把“空气论”当作单纯的情绪输出很容易把问题看小了。它背后其实是关于“通用人工智能最终该走哪条路”的两种判断。一种判断认为AGI主要是个规模问题。只要把模型做到足够大、把数据喂得足够多语言理解、推理、规划能力就会持续涌现最后自然逼近通用智能。过去几年这条路线拿到了几乎全部的重磅资源也确实做出了一批让人眼前一亮的产品所以它在舆论场的声音非常强。另一种判断则认为语言只是人类智能的表层投影。我们之所以有智能不只是因为会说话更是因为我们有身体、能行动、能在真实环境中感知和干预世界。按这个思路真正的AGI必须扎根于物理世界学习从传感器原始数据到行动决策的完整映射。语言模型再强也都是在文本这个高度符号化的世界里工作并没有跟物理现实建立起可靠的因果连接。这场争论其实已经持续很多年只是过去资源充裕两条路线能共存。当资源收紧、大模型吸走了绝大多数支持时矛盾就压不住了。我在下面用一个表格把两派的核心差异列出来方便大家快速对比。对比维度语言模型主导路线物理世界AGI路线训练信号文本、代码、部分图像传感器流、行动后果、环境反馈学习目标预测下一个token、执行文本指令预测环境变化、计划并执行行动核心能力语言生成、知识召回、信息综合空间认知、因果推理、操控技能、自适应规划目前成熟度已进入产品化阶段多数处于研究验证和早期工程阶段主要瓶颈缺乏物理常识、容易幻觉、无法闭环试错数据获取贵、硬件成本高、仿真到真实迁移难2. 为什么说只押注LLM的体系会被吸干2.1 注意力是比算力更稀缺的资源算力和资金的问题相对好理解但真正的“空气”其实是行业注意力和人才评价体系。当一个技术方向成为绝对中心它会对其他方向产生系统性的挤出效应。比如论文评审中做LLM的团队可以轻松获得大量审稿人的共鸣而做物理交互、机器人操作的高质量工作常常因为“不是当前热点”而被低估。投过稿的人都明白这种隐性偏见的杀伤力比显性的资源不足更大。再说招聘。过去两年我见过太多离谱的薪资倒挂一个只做大模型API调用和提示词优化的应届生起薪能超过做了五年机器人算法开发的资深工程师。不是说前者没有价值而是这种市场信号会强烈扭曲年轻人的选择。一个本来对多智能体系统感兴趣的学生在看到招聘行情后很可能立刻转投大模型方向。个体层面这是很理性的决策但从整个行业看这就是“房间里的空气被吸走”的直接后果。2.2 语言流畅不等于物理理解从技术层面看LLM的能力边界正在被越来越多的实验暴露。它可以写出关于摩擦力、惯性、流体力学的文章文笔流畅到可以投稿科普专栏。但如果你问它一个更具体的物理过程预测——“一个装满水的杯子从桌角滑落落地瞬间水会朝哪个方向溅开”——它只能根据文本里的常见描述给你一个“看起来合理”的答案。它不是基于真实的视觉观察、力学约束和事件记忆做出的判断而是基于统计相关性生成的猜测。这种差距在纯文本任务里几乎看不出来因为语言本身就是模糊的答得大概对就够了。但一旦落到真实世界比如机械臂抓取一只随意放置的杯子或者机器人穿过堆满杂物的房间微观上任何一个预测错误都会导致动作失败。语言模型可以在“应该把杯子抓住”这句话上给出满分回答却无法在“抓取的接触点、施加的力度、抓握后重心的转移”上做出可靠决策。我可以断言这不是模型更大就能解决的问题而是训练信号从根本上就缺失了物理层次的信息。2.3 从文本世界到真实世界缺的是闭环试错人类学走路、学骑车、学拍球都不是靠阅读手册完成的而是靠一遍遍尝试、犯错、观察结果、调整策略。这个过程里有一个关键的信号来源行动后果。你推一个杯子推得太用力杯子倒了水洒了视觉和触觉立刻告诉你“这次力度不对”。这种来自物理世界的纠正信号是任何文本数据都替代不了的。LLM的训练是开环的。它读进海量文字学到的是“在哪些语境下哪些词通常跟着哪些词出现”然后一次性生成答案。输出之后没有一个环境对它说“错了你再试一次”。即便引入人工反馈强化学习也只能修正“回答是否符合人类喜好”没法修正“模型内心对物理规律的理解是否正确”。如果模型在训练数据中被灌输了错误的世界图像人类反馈很难在根本上把它掰过来。要让机器真正理解世界只能让它在足够真实的环境里高频试错。这也是“具身智能”这条路为什么绕不开的核心原因。3. AGI终局里的物理世界到底长什么样3.1 世界模型不是3D渲染而是对变化的预测能力听到“为物理世界建模”很多人第一反应是三维重建、数字孪生之类的东西觉得无非是生成一个更逼真的虚拟场景。但研究者说的“世界模型”不是这个意思。世界模型关心的不是“场景看起来多逼真”而是“如果我现在执行某个动作下一步世界会变成什么样”。我用一个生活场景解释你端着咖啡杯侧身过一道窄门大脑会快速估算门的宽度、你转身的角度、杯口液面的晃动幅度然后决定是侧身走还是后退半步。这个过程只持续零点几秒你没有进行任何物理公式计算却能成功避免洒咖啡。大脑里运行的就是一个高效的世界模型——它不需要精确计算每个分子的运动但能抓准宏观结果。对AI来说也一样。只要模型能准确预测“在当前状态下做某个动作会导致什么变化”智能体就可以在脑内进行虚拟试错不需要每次都到真实世界里撞墙。拿自动驾驶举例更直接。一套可靠的驾驶系统必须在几十毫秒内预测出旁边车辆的未来轨迹然后据此规划自己的变道或刹车动作。一个只会告诉你“车辆距离较近请谨慎驾驶”的文本模型在这个场景里根本没法用。系统需要的是对连续状态变化的预测能力而不是一句具备语言合理性的提醒。3.2 具身智能的闭环感知、预测、行动、再感知物理世界AGI路线的核心不是“做个人形机器人摆在那里”而是让智能体在完整闭环中学习。这个闭环是感知、预测、行动、再感知的循环。一个简单的例子是机械臂抓取杯子。传统工业机械臂的工作方式是事先得知杯子在固定坐标用预编程轨迹运行抓完就走。这套方案能对付产线上位置固定的工件但面对随意摆放的未知物体立刻失灵。带世界模型的智能抓取则不同。机械臂通过视觉看到杯子的位置和姿态内部模型快速预测几个候选抓取点判断出哪个点的摩擦力和重心配合最稳定然后实时调整抓手姿态和力度。抓取过程中如果出现滑动触觉信号会立刻反馈给模型让它原地修正。这套能力必须靠海量的实际接触、尝试、失败和调整来获得文本教程和图像识别都教不会。正因为如此这条路线研究成本高、周期长难以像LLM那样快速迭代。但从智能本质来看闭环交互可能是唯一能涌现出真实世界理解能力的路径。3.3 大模型在AGI体系里只能算一块组件需要澄清一个容易走极端的点支持物理世界AGI路线不等于要彻底抛弃大模型。在更合理的AGI架构里语言模型仍然有价值——它可以负责语言理解、常识问答、宏观知识的调用但视觉感知、触觉反馈、运动控制、因果预测需要专门的世界模型来处理最后还需要一个规划和决策模块把感知、预测、目标串成一个可以在环境中持续行动的系统。也就是说LLM在AGI终局里可能还在但它的身份会从“核心主角”降级为“组件之一”。今天围绕大模型疯狂配置资源的状态很可能只是技术演进中的一个阶段。我并不是说这个判断一定正确而是说当一条路线的支持者已经拿到几乎所有资源时保持观察和备份其他路线是一种基本的科研理性。把全部赌注押在唯一一个方向上的体系无论它今天看上去多繁荣都经不起范式切换的冲击。4. 这场争论落在实处能给我们什么操作建议4.1 工程师视角复合技能栈的抗风险能力更强对正在AI领域规划职业的人来说这场争论释放了一个值得注意的信号行业对“懂物理交互”的人才兴趣在回升。过去两年纯大模型技能可以吃遍天但现在的风向开始变自动驾驶、机器人、工业视觉、仿真平台这些方向越来越需要既懂深度学习、又懂控制理论、还熟悉物理仿真环境的人。我不建议你把手里的大模型技能丢掉那是当下赚钱和产出的能力。但我强烈建议你在技能栈里留出另一个维度了解强化学习的基本框架、动手跑过一个仿真环境里的机器人控制示例、知道状态空间和动作空间怎么设计。哪怕每月只投入几个小时一年后你面对行业风向变化时的选择空间会大很多。单一技能在一个主导范式下很舒服但范式一旦松动转型成本极高。4.2 决策者视角资源分配要做冗余设计如果你是团队技术负责人最该从“空气论”里提取的教训是资源分配过于集中导致的脆弱性。高效和韧性之间有矛盾但一个成熟的团队需要平衡。主力项目当然要投入最大比例的资源但同时值得设一个很小的探索组专门做“当前不以盈利为目标、但有理论价值”的事情比如世界模型、具身推理、仿真到实际的迁移。我见过一些团队嘲笑这种做法是“养闲人”直到主力方向遇到天花板才发现没有预案。用少量冗余对冲范式风险看似低效实际是性价比很高的保险。方向没成损失有限方向一旦被验证整个团队就拥有了提前半年的技术积累。这种先手优势在大变革来临时是决定性的。4.3 实践视角普通人也能低成本亲身体验两条路线差异很多读者可能既不搞机器人研究也没有大量算力但仍然可以用一些低门槛方式感受“文本智能”和“物理智能”之间的差距。第一条建议是找一个开源物理仿真环境在上面跑一个最简单的强化学习示例比如让一个虚拟小车学会走到目标点。你会发现哪怕只是控制一个简单小车完成寻路也需要精心设计奖励函数、调整超参数、处理随机性难度远超调大模型接口。这种亲身经历能让你对“大模型离物理世界还有多远”产生实感。第二条建议更简单在生活里随手做实验。拍一个物体空翻下落的慢动作视频观察它的角动量变化然后让一个大模型去预测同样的场景你会发现它的预测经常跟实际结果有微妙偏差。这类小实验不需要任何专业设备却能帮你建立一种判断直觉语言描述世界与真实世界之间隔着多大的鸿沟。5. 几个高频争论点我顺手拆一下5.1 说LLM不够AGI不等于否定LLM的价值评论区最常见的抬杠方式是把“LLM不是AGI终局”偷换成“你说大模型没用”。这是典型的二极管思维。文本生成、代码辅助、信息综合这些能力已经是实打实的生产力工具。没人否认大模型的工程价值真正被质疑的是那种“大模型就是智能的一切”的叙事。把工具误认为终点才会导致整个行业把资源押在单一范式上。工具是否好用和它是否通往AGI是完全两码事。5.2 世界模型不是元宇宙式的虚拟空间有些朋友一听到“在脑内模拟环境”就联想到一个给人游玩的虚拟世界。这个联想有偏差。虚拟空间的核心是渲染逼真度世界模型的核心是预测准确性。前者让用户觉得“像现实”后者让智能体推算“下一步会发生什么”。当你看到一辆车朝你驶来你本能地判断出需要多少秒避让这就是世界模型在工作而不是脑内打开了一个三维场景编辑器。两者要解决的问题完全不同。5.3 普通从业者现在该焦虑吗不少不从事一线研究的朋友看完争论后问我是不是该转向了我的看法是在大方向上做所谓“预判”意义不大因为即便是顶级研究者也无法确定哪条路线最终胜出。更务实的态度是盯住那些无论哪个路线都绕不开的底层能力理解系统如何运作、会调试闭环反馈、能处理真实数据里的噪声和不确定性。这些能力在纯LLM时代和物理AI时代都稀缺。掌握它们的人不需要担心被某一轮技术风向淘汰。6. 最后聊聊我自己的观察在AI行业摸爬滚打这些年我最大的体会是风向永远在变但真正能让人站稳的是在不变的东西上的积累。这次“空气论”的争论表面看是大佬对自家环境的不满深层看是整个研究生态为单一化付出代价之前的预警。我个人的工作习惯是每年做技术规划时都会刻意留出一点资源给“当下不算热门但逻辑自洽”的方向不要求短期产出只要求团队里有几个人能持续跟踪和实验。去年这样做的时候还有人觉得我在浪费人力和算力。但今年物理智能相关的讨论明显升温那个“看似没价值的冷门方向”开始变得抢手。我不确定物理世界一定就是AGI的终局但多一手准备总不会吃亏。对普通从业者来说与其急着站队不如多给自己留几个抓手。等下一波风向真来了至少手里还有牌可以打。