【在AI行业狂热追逐GPT-5等下一代大模型之际，360创始人周鸿祎却发出理性警示。他认为当前大模型存在三大核心问题：技术层面尚未突破"幻觉"（虚构信息）难题；商业层面缺乏清晰的盈利模式，高昂算力成本导致企业入不敷出；应用层面仍停留于"玩具"阶段，未能深度赋能产业。周鸿祎指出，行业需要从追求参数规模的竞赛转向务实探索落地场景，"AI发展应像电力革命一样渗透千行百业"。其观点折射出中国科技界对盲目跟风技术潮流的反思，呼吁在创新热潮中保持战略定力，通过技术与实体经济的深度融合实现可持续价值。
一场发布会的“不合时宜”
2023年，ChatGPT的浪潮还未退去，科技圈已开始热炒GPT-5，然而在各大厂商争相宣布“All in AI”时，360创始人周鸿祎却公开唱反调：“GPT-5可能只是量变，别指望它带来质变。”这话像一盆冷水，浇灭了部分狂热。
这位以“犀利直言”闻名的互联网老兵，究竟看到了什么？他的观点背后，是行业对技术演进的误判，还是对现实瓶颈的清醒认知？
一、周鸿祎的质疑：GPT-5真是“救世主”？
周鸿祎的发言直指大模型发展的核心矛盾：技术突破的边际效益递减，他认为，从GPT-3到GPT-4，能力的提升更多依赖算力堆砌和数据规模扩张，而非算法层面的革命性创新。“如果GPT-5只是参数更多、训练数据更全，它依然会犯低级错误，比如一本正经地胡说八道。”
这种担忧并非空穴来风，以GPT-4为例，尽管它在专业考试中表现惊艳，但在实际应用中仍存在“幻觉问题”（编造虚假信息），某医疗企业曾尝试用GPT-4生成诊断建议，结果发现它对罕见病的回答错误率高达40%——这类场景中，模型的“量变”远不如“可靠性”的质变重要。
二、行业狂欢背后的三大现实痛点
周鸿祎的冷水，实则戳破了当下AI赛道的三个泡沫：
1、算力竞赛的不可持续性
GPT-4的训练成本据传超过1亿美元，而GPT-5可能需要10倍投入，但企业很快发现：烧钱换来的性能提升，用户未必买账，国内某AI公司高管透露：“我们的千亿参数模型，客户最常问的却是‘能不能再便宜点’。”
2、落地场景的稀缺性
大模型的“万能”标签下，真正能规模化商用的场景屈指可数，周鸿祎曾举例：“除了写诗作画、客服聊天，有多少行业愿意为‘看起来聪明’买单？”金融、制造等领域更关注垂直模型的精准性，而非通用模型的炫技。
3、安全与伦理的滞后性
360作为安全起家的公司，对AI风险尤为敏感。“如果GPT-5的代码能力再增强，黑客会不会用它批量生成漏洞攻击工具？”周鸿祎的质疑，直指行业对技术伦理的集体性逃避。
三、泼冷水的另一面：周鸿祎在布什么局？
值得注意的是，周鸿祎并非反对AI本身，相反，360早已悄然布局“安全+AI”赛道：
垂直化路线：推出针对政企安全的“360智脑”，强调“小切口、深渗透”，比如用AI分析网络攻击日志，而非追求通用对话能力。
硬件结合：投资智能硬件，将AI能力嵌入摄像头、路由器等设备，解决安防、家庭场景的具体问题。
对抗性训练：通过模拟黑客攻击数据训练模型，提升AI对网络威胁的识别率——这恰是GPT-5这类通用模型难以覆盖的领域。
这套打法与OpenAI的“大而全”形成鲜明对比，却也揭示了另一种可能：AI的下一战，或许不在参数规模，而在细分场景的“毛细血管”渗透。
四、给普通人的启示：如何理性看待GPT-5？
面对技术炒作，普通用户不妨参考周鸿祎的“三问”逻辑：
1、它能解决我的具体问题吗？
比如学生用GPT查资料，需交叉验证信息真伪；企业若想用AI降本增效，先评估错误率是否可接受。
2、是否有更便宜的替代方案？
许多场景中，专用工具反而更高效，如设计师用Midjourney生成草图，比调教GPT-5描述需求更直接。
3、风险是否可控？
涉及隐私或关键决策时（如法律咨询），盲目相信AI可能埋下隐患。
技术需要“祛魅”
周鸿祎对GPT-5的冷水，本质上是一次对技术崇拜的“祛魅”，当行业沉迷于参数竞赛时，我们或许该记住他的一句话：“AI不是神，而是工具，工具的价值，永远取决于用工具的人。”
未来的AI竞争，可能不再是谁的模型更大，而是谁能更早走出实验室，真正理解用户“衬衫的第一粒纽扣该怎么扣”——那些看似微小却决定体验的细节。
网友评论