《苦涩的启示》：算力驱动的AI发展新方向

理查德·萨顿提出的“苦涩的教训”揭示了AI发展的本质，即算力驱动系统终将超越人工设计。企业应聚焦算力基建与扩展架构，工程师需转型为算力赛道搭建者。

2019年，Richard Sutton发表《苦涩的启示》，其核心观点是随着算力提升而进化的系统终将战胜其他系统，在AI领域原始算力碾压人类设计方案。

打理花园时会发现，植物生长无需详细指令，提供基础条件就能自行探索，这与高效AI系统工作方式相似，过度设计的AI解决方案就像微观管理植物生长，既低效又脆弱。

在客户服务这一常见AI智能体企业应用场景中，构建客服自动化系统有多种方案。基于规则的方法虽能应对常规案例，但变化时易崩溃且维护成本高；有限算力智能体可处理简单问题，复杂咨询仍需人工干预；扩展方案加大算力投放，重构AI使用范式，效果显著且能处理边缘案例、发现新交互模式。

2025年，强化学习（RL）智能体凸显新突破，对后训练RL算力的投入带来成果，RL增强模型不仅遵循预设模式，还能发现新方案，其精妙的自然学习机制如同教人骑自行车，通过海量试错学习，突破人类认知局限。

Claude代码与Cursor的竞争也体现了这种趋势，未来这种模式将在更多领域显现。

这一发现改变了AI系统设计范式，要简单起步、为扩展设计、避免过早优化。

对工程师来说，企业应多投资计算基础设施，AI领域赢家是能驾驭最大算力者，工程师价值在于构建利用海量计算资源的系统，这是软件开发思维的转变。

未来AI工程师要设计利用算力的系统、构建可扩展学习环境、创建无需重构的架构，算力在竞赛中终将获胜，工程师要建造赛道而非设计每个动作。