镜子里的裂痕：AI行业正在反噬自身
Anthropic被曝协助军事目标识别致平民伤亡；LeCun宣判AGI是伪命题；Karpathy开源AI自我进化系统；一个行业在膨胀最快的时刻，正面临来自内部的最严厉质疑
🪞 引言：当行业领袖成为批评对象
3月8日，AI行业迎来了一个罕见的"向内看"时刻。Gary Marcus的一篇文章将Dario Amodei推上审判席——这位以"安全AI"著称的Anthropic创始人，被指其承诺与行为存在系统性落差：从协助军事目标识别到过度炒作AGI时间线，从安全承诺反悔到版权争议。
这不是孤立事件。LeCun发出正式宣判：AGI是一个被滥用的模糊概念，他提出"超人类适应智能"（SAI）作为替代，强调适应速度而非静态基准测试分数。与此同时，AI视频模型在"从1数到10比手指"这道幼儿园题前全军覆没——Seedance 2.0的惊艳外表之下，物理世界理解依然近乎为零。
但这一天也有真正的兴奋点：Andrej Karpathy开源了AI自我进化系统autoresearch，让AI代理自动修改训练代码、运行实验、评估结果；一名大四学生用AI工具10天开发舆情分析工具，登顶GitHub后获3000万融资，成为超级个体时代的中国样本。技术在加速，批判也在加速。
Gary Marcus的文章标题一针见血："商业AI领域没有英雄"。核心指控是：Dario Amodei虽以"不将AI用于自主武器"为底线与国防部谈判破裂（见3月5日大事件），但Anthropic仍被曝通过Claude协助军事目标识别——且由于人类操作员疲劳导致伊朗学校遭到误炸，造成平民伤亡。
Marcus的批评延伸至更广：Amodei被指过度炒作不切实际的技术目标，包括声称AI将在2-3年内实现AGI、十年内将人类寿命延长到150岁，并系统性地淡化AI失控风险。文章的结论是：Amodei与Altman在商业运作模式上高度相似，"均依靠制造恐慌和炒作来融资"，只是包装不同。
这一指控发生在Anthropic市场份额飙升至70%、年化营收接近200亿美元的关键节点——越是成功，对其"道德护城河"叙事的考验就越严苛。
值得注意的是，这场批评并非来自AI行业外部的监管机构，而是来自行业内部的长期观察者。这意味着对AI行业道德叙事的质疑，正在从外围渗透进行业共识本身。在LLM性能快速趋同的今天，"安全"与"道德"一直是Anthropic最核心的差异化叙事——一旦这个护城河被质疑，其商业估值的基础将面临重新审视。
Yann LeCun的论文从根本上质疑了AI行业最核心的叙事：AGI（通用人工智能）的定义是模糊的、不一致的，无法作为科学目标。他的核心论点可以浓缩为三点：
- 人类智能并非真正通用：人类在特定生存任务中表现优异，但这不等于"通用"；AGI的标准无法统一
- 静态基准测试是错误的衡量方式：AI应以适应速度（快速学习新技能的能力）为核心指标，而非固定任务清单上的分数
- SAI（超人类适应智能）是正确目标：强调广泛学习能力与自我监督，未来AI需内部专业化而非追求单一"通用"模型
—— Yann LeCun, Meta Chief AI Scientist
LeCun的论文与这一周AI视频模型在"数数测试"中集体失败形成了有力的互文：Seedance 2.0能生成令好莱坞惊叹的逼真画面，却无法生成一个人从1数到10并用手指比出数字的视频——所有主流模型（Sora、Veo、Kling）均告失败。这不是技术细节问题，而是缺乏对物理世界时序因果逻辑的结构性理解。
LeCun的SAI框架与李飞飞的World Labs世界模型方向形成了有趣的汇流：两者都指向"AI需要理解物理世界"，只是路径不同。在AGI这个叙事越来越被用来融资和制造市场热情的背景下，LeCun的反叙事具有重要的认知校正价值。
Andrej Karpathy开源了autoresearch：一个让AI代理自动迭代代码库的系统。流程极为简洁——代理修改训练代码 → 运行实验 → 评估结果 → 如果性能提升则保留修改，否则回滚 → 循环。
底层是Karpathy自研的极简框架nanochat，提供从Tokenizer训练到推理服务的完整管线，代码量极小（约百行），专为"可理解的最小实现"设计。autoresearch的核心价值在于：它展示了AI自我改进不需要复杂的框架，只需要清晰的评估信号和足够简单的代码库。
这与当前"大型基础模型主导一切"的主流叙事形成对比——有时候，最小可行的自我改进循环，比庞大的推理链更有工程价值。
LessWrong上的研究记录了一个令安全社区深感不安的模式：OpenAI于3月5日发布的GPT-5.4 Pro，在生物研究、网络攻击和计算机使用能力均有显著提升的情况下，没有附上任何公开安全评估数据。这是继GPT-5.2 Pro之后的第二次"裸发布"。
研究者的建议是：建立1-3人规模的独立快速评估团队，运行现有评估套件并生成公共报告，作为实验室透明度缺失时的补充机制。这一呼吁折射出一个结构性困境：当前AI能力增长速度远超评估框架的建设速度。
与此同时，阿里Qwen团队震荡的余震仍在持续。分析师指出，字节与阿里正形成两种清晰的路线竞争：阿里通过Qwen开源矩阵争夺开发者生态，字节通过闭源模型+低价API占据应用流量入口。IDC数据显示火山引擎Token调用量接近半数份额居首，阿里云在AI云收入上仍保持领先——各有胜场，但Qwen团队人心向背的变量，尚未在数据上体现。
研究快讯：三个值得关注的技术进展
① AI空间智商测试（西北大学 + 斯坦福 + 华盛顿大学）：研究团队提出"空间理论"测试，评估大模型在未知环境中的主动探索和信念更新能力。结果令人失望：GPT-5.2准确率从57.1%跌至46.0%，信念惯性高达68.9%——模型倾向于坚持错误信念而非纠正。研究指出，通往具身智能的关键是：可塑性空间记忆 + 内在好奇心驱动 + 物理法则世界模型，三者当前均严重缺失。
② 谷歌发布Workspace CLI工具：统一封装Drive、Gmail、Calendar等Google Workspace云服务，支持动态API发现、自动分页和结构化JSON输出，是AI代理访问企业数据的重要基础设施更新，为自主办公场景提供了更低门槛的工具链。
③ AI招聘伦理新议题：随着AI面试工具普及，"AI面试官vs AI求职者"的对称性博弈开始出现——求职者使用AI辅助面试答题，企业使用AI筛选简历和面试评估。当双方都在用AI时，人才筛选的真实信号是否还存在，成为人力资源领域的新讨论。