OpenAI备受期待的GPT - 5发布后未能带来革命性突破，这引发了市场对于人工智能发展的广泛关注和思考。虽然通往通用人工智能（AGI）的道路似乎遭遇瓶颈，但市场焦点正逐渐转向如何利用现有技术创造更广泛的商业价值。

期望与现实的落差

过去三年，AI领域技术能力突飞猛进，然而GPT - 5的发布打破了这一节奏。发布后迅速引发失望情绪，用户在社交媒体分享其犯下的低级错误，如错误标注美国地图，资深用户对其性能和“个性”变化不满，认为在基准测试中表现平平。CEO Sam Altman承认发布“坎坷”，是底层“自动切换器”失灵导致系统调用较弱模型。开源AI初创公司联合创始人表示未看到全新东西，此前业内充斥对AGI即将实现的乐观预测，GPT - 5未能成功印证“通过规模化通往AGI”的路线。同时，行业竞争格局改变，Google、Anthropic等竞争对手缩小了与OpenAI在前沿开发上的差距，OpenAI一家独大的局面不复存在。

“规模定律”遭遇瓶颈

过去五年，OpenAI和Anthropic等公司遵循投入更多数据和更强算力创造更大、更好模型的“规模定律”。但如今这条路径面临两大制约。一是数据枯竭，AI公司几乎耗尽互联网上所有可用的免费训练数据，虽正寻求新的数据来源，但能否推动技术前沿进步未知。二是算力的物理和经济限制，训练和运行大型AI模型消耗巨大能源，GPT - 5训练动用数十万颗英伟达下一代处理器，Altman承认像ChatGPT这样的聊天机器人“不会变得更好了”。

AI寒冬的幽灵

技术进步放缓让一些资深研究者联想到历史上的“AI寒冬”。加州大学伯克利分校教授警告当前情况与1980年代泡沫破裂相似，技术创新未兑现承诺，无法提供投资回报，过高的期望易使投资者信心崩盘。但目前资本仍在涌入AI初创公司和基础设施项目，今年AI已占全球风险投资总额的33%。

从AGI到产品化

竞赛性质正在改变，焦点从技术停滞转向更务实的产品化落地。普林斯顿大学研究员认为AI公司正接受为产品构建基础设施的事实，GPT - 5在成本效益和速度方面表现出色，可能为基于AI模型的产品和服务创新打开大门。Meta首席科学家指出纯文本训练的LLM进入回报递减阶段，但基于多模态数据、理解物理世界的“世界模型”仍有巨大潜力。企业战略也有所体现，OpenAI等公司派遣工程师入驻客户公司帮助集成模型。

投资者押注应用前景

尽管专家对技术前景争论不休，但硅谷投资者并无焦虑。AI相关股票和初创公司估值持续飙升，英伟达市值攀升至接近历史高点，OpenAI投资方软银集团股价上涨。驱动投资热情的是ChatGPT等产品的强劲增长，其年经常性收入已达120亿美元，产品成为像谷歌一样的常用工具。许多投资者相信当前这代模型在商业和消费应用领域仍有巨大潜力待挖掘，即使短期内无法实现AGI或超级智能，仍有很多“很酷的东西”可创造。

GPT - 5的表现虽未达预期，但AI发展的重心正从追求AGI的宏大叙事转向更务实的产品化应用，投资者也更关注AI在商业应用中的实际增长，这或许预示着AI竞赛进入了一个新的阶段。