Salvatore Sanfilippo（网名 antirez）对 2025 年 AI 现状的 8 个洞察：
1. “随机鹦鹉”论：正式扫入历史垃圾堆
到了 2025 年，曾经风靡一时的“随机鹦鹉”理论（认为大模型只是在毫无意识地拼凑概率）终于彻底熄火了。
事实胜于雄辩。随着模型在医学诊断、法律咨询和高难度数学竞赛中全面爆发，学术界通过逆向工程证实了一件事：大语言模型（LLM）的内部，确实形成了深刻的语义表征（Semantic Representation）。
预测下一个 Token（词元）绝不是简单的玩填字游戏，而是模型在真正理解了逻辑之后的必然产物。正如 AI 教父 Geoffrey Hinton 所说：“要完美预测未来，你必须先理解这个世界。”
2. 思维链（CoT）：不仅是草稿纸，更是内部搜索
现在大家都知道，让 AI 展示“思维链”（CoT，Chain of Thought）就像变魔术一样能提升效果，但 Salvatore 拆解了这个魔术盒。他认为 CoT 的本质其实是两件事：
采样与搜索：模型在正式回答你的问题前，先在自己的知识库（表征空间）里进行了一次“内部搜索”，把相关的概念搬运到当前的上下文里。
状态收敛：结合强化学习（RL），模型生成的每一个思考步骤（Token），都在改变它内部的状态，一步步引导它走向那个最优解。这不再是盲目的猜测，而是一种有目标的逻辑收敛。
3. 告别数据枯竭：可验证奖励的“暴力美学”
以前人们总是担心：人类写出来的文字快被 AI 读完了，Scaling Law（规模定律）是不是要撞墙了？但 2025 年，强化学习 + 可验证奖励（Verifiable Rewards）打破了这一僵局。
在编程、数学这些领域，答案是对是错、运行是快是慢，是可以自动判断的。于是，模型开始自我博弈、自我进化。它不再需要人类一口口喂饭，自己在实验室里就能跑程序、证定理，源源不断地产生高质量的训练数据。AI 的“AlphaGo 时刻”正在更多垂直领域上演。
4. 程序员的集体“真香”：从抵触到分流
2025 年，程序员群体对 AI 的抵抗情绪基本消失了。原因很简单：投入产出比（ROI） 实在太香了。哪怕 AI 偶尔会犯错，但它带来的效率提升，足以覆盖掉你去修 Bug 的成本。
现在的编程界分裂成了两大流派：
协作派：把 LLM 当作“超级同事”。像 Salvatore 自己，就在网页端和模型深度交流思路，一起探讨架构。
智能体派：把 LLM 当作“独立劳动力”。直接甩给 Agent（智能体）一个任务，让它自动去写代码、跑测试、修 Bug。
5. 范式之争：Transformer 也许就能通往 AGI
虽然很多科学家正急着寻找 Transformer 架构之外的“新大陆”（比如世界模型或显式符号表征），但 Salvatore 持不同观点。
他认为，LLM 作为一种在连续空间上训练的可微机器（Differentiable Machine），已经足以模拟离散的推理步骤。我们未必需要什么颠覆性的新架构，AGI（通用人工智能）完全可能在现有的 Transformer 框架下，通过多条路径独立到达。
6. 别拿 CoT 当借口：承认 LLM 的强大很难吗？
Salvatore 观察到一个有趣的现象：一些老牌评论家为了面子，开始找补说“是因为 CoT 改变了 LLM 的本质，所以它才变强了，原来的 LLM 还是不行的”。
对此，他的评价极其辛辣：“他们在撒谎。”
底层的架构根本没变，依然是预测下一个 Token。CoT 只是把这种预测能力发挥到了极致。对于这些人来说，承认自己之前看走眼了，似乎比重新定义 LLM 要难得多。
7. ARC 测试：从“差生鉴别器”变成“毕业证”
François Chollet 设计的 ARC（抽象推理测试）曾经被视为 LLM 永远无法逾越的天堑，是用来证明“AI 不会推理”的铁证。
然而在 2025 年，OpenAI 的 o3 模型和具备深度 CoT 能力的大模型，在 ARC-AGI-2 测试上拿到了惊人的高分。这个原本为了证明“LLM 不行”而设计的测试，反而成了证明“LLM 具备真正推理能力”的最高荣誉勋章。
8. 终极挑战：未来 20 年的生存命题
未来 20 年，AI 领域的根本挑战只有一个：避免灭绝（avoiding extinction）。
