{"id":"mb-20261012-34f287","kind":"deep","title":"杨立昆苏黎世理工演讲算账：为什么吞下全人类文本的大模型搞不出AGI？","summary":"图灵奖得主杨立昆通过数据对比指出，主流大模型吸收的三十万亿token约等于10^14字节，而一个四岁儿童通过两百万根视神经及感官所接收的物理世界数据同样达到10^14字节。扁平文本的极低带宽决定了单纯放大模型无法获得真实的物理世界常识。","body":"大模型吞下人类四十万年的文字，总数据量才顶一个四岁小孩。\n\n不少人一直指望靠着做大模型、喂合成数据，再加上强化学习，一路冲到通用人工智能。\n图灵奖得主杨立昆最近在苏黎世联邦理工学院做了一次演讲。\n他觉得这条路走不通。\n他当场给台下算了一笔账。\n\n现在的头部大模型，训练用了差不多三十万亿个 token，折合二十万亿个词。\n一个 token 算三个字节，整套文本数据量大概是 10 的 14 次方字节。\n差不多一百万亿字节。\n这是个什么概念？\n一个人不吃不喝坐在那里看，要看整整四十万年。\n人类文明能写下来的公开文字，基本上全被扫进去了。\n\n读了四十万年的书，大模型该懂常识了吧？\n并没有。\n它连一张餐桌都收拾不利索，更不知道把水杯推到桌子边上会掉下去摔碎。\n你再看一个四岁的小孩。\n话都还没说利索呢，在屋里到处跑，能跨过门槛，能堆积木，还会看家长的脸色。\n这套生活经验是从哪来的？\n\n杨立昆把小孩接收到的信息也给量化了一下。\n四岁小孩醒着的时间，按每天十六个小时算。\n人眼连着大脑，大概有两百万根视神经纤维。\n每根纤维每秒传输大约一个字节。\n靠眼睛看，加上耳朵听和双手摸，一个小孩长到四岁，吸收的感官数据刚好也是 10 的 14 次方字节。\n\n数字完全一样，但里面装的东西彻底不同。\n大模型花了几万张芯片算出来的，全都是排成一串的字符。\n而小孩四岁前看进脑子里的，是高维度的三维物理空间。\n有重力、有光影、有阻力、有碰撞，还有前后相扣的因果。\n文字只是人类用来记录现实的压缩工具，带宽低得可怜。\n几十万分钟的视频切成文字，信息量可能还赶不上小孩在客厅地上爬半小时。\n\n这也解释了为什么大模型背了全人类的书，依然没有真正的世界模型。\n它只是在算词语和词语之间出现的概率，从没碰过真正的物理世界。\n光在文字的影子里把模型越做越大，根本补不齐物理现实这块拼图。\n机器要想掌握常识，大概没办法只靠在书堆里算概率。\n它得先学会像小孩一样，去亲手碰一碰这个世界。","topic":"杨立昆苏黎世理工演讲算账：为什么吞下全人类文本的大模型搞不出AGI？","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-12 16:12:26","legal_anchor_count":0,"transcript_citation_count":0}