統(tǒng)治AI十年的Transformer，要被親爹親手砸碎？

新智元報(bào)道

【新智元導(dǎo)讀】80分鐘的拳擊式辯論！Transformer聯(lián)合發(fā)明人親自下場(chǎng)為自己的作品辯護(hù)，對(duì)面三位挑戰(zhàn)者直指五大死穴。這是AI架構(gòu)十年來(lái)最硬的一次正面交鋒。統(tǒng)治AI黃金十年的架構(gòu)，地基是不是已經(jīng)松了？

Transformer憑什么統(tǒng)治AI這么久？

長(zhǎng)上下文、記憶、推理這些短板，新架構(gòu)真能突破嗎？

所謂「后Transformer」，到底是更強(qiáng)的記憶機(jī)制、更高效的序列建模，還是從訓(xùn)練到系統(tǒng)都得換一套？

5月5日，舊金山，Pathway搞了場(chǎng)拳擊擂臺(tái)式的辯論賽。

這不是比喻，是真擂臺(tái)。

一邊是Transformer的共同發(fā)明人?ukasz Kaiser，另一邊是主張「后Transformer時(shí)代」的新架構(gòu)派。

注意一個(gè)細(xì)節(jié)：注意力機(jī)制的兩位聯(lián)合發(fā)明人，「Transformer八子」之一Llion Jones，坐在了Kaiser的對(duì)立面。。

話題就一個(gè)：下一代AI架構(gòu)到底長(zhǎng)什么樣。

現(xiàn)場(chǎng)坐滿研究者、創(chuàng)業(yè)者和投資人。輸贏不靠投票，靠「clapometer」——拍手計(jì)分器，誰(shuí)掌聲響誰(shuí)贏。

這是一場(chǎng)刀刀見紅、指名道姓的硬碰硬。

當(dāng)裁判宣布比賽開始，統(tǒng)治了全球AI架構(gòu)近十年的神話，第一次被它的締造者親自拉上了被告席進(jìn)行自衛(wèi)辯護(hù)。

這場(chǎng)思想界的重量級(jí)對(duì)決，從Transformer的五大死穴開始。

苦Transformer久矣

五大死穴

?ukasz Kaiser的身份讓這場(chǎng)辯論的分量直接拉滿。

他是Transformer的聯(lián)合發(fā)明人。

2017年那篇改變整個(gè)AI格局的論文「Attention Is All You Need」，他是作者之一。之后他參與了ChatGPT、GPT系列和o1的實(shí)際工程開發(fā)。

他是當(dāng)事人。他今天坐在這里，是為自己的作品做辯護(hù)。

對(duì)面的三位挑戰(zhàn)者，來(lái)頭同樣不小。

Llion Jones，Transformer的另一位聯(lián)合發(fā)明人，Sakana AI聯(lián)合創(chuàng)始人。

Adrian Kosowski，Pathway首席科學(xué)官，BDH架構(gòu)的發(fā)明人。

Matthias Lechner，Liquid AI首席技術(shù)官，MIT液態(tài)神經(jīng)網(wǎng)絡(luò)的共同發(fā)明人。

這本身就是技術(shù)史上極其罕見的畫面。創(chuàng)造同一個(gè)東西的人，對(duì)它的未來(lái)產(chǎn)生了根本性分歧。

Kaiser開場(chǎng)用了一個(gè)類比。

他說(shuō)Transformer的注意力機(jī)制，就像圖書管理員的卡片索引系統(tǒng)。

你走進(jìn)圖書館，說(shuō)出你要找的內(nèi)容（query），管理員翻開卡片目錄（key），找到對(duì)應(yīng)的書架位置，把書取出來(lái)交給你（value）。

簡(jiǎn)潔。高效。全局檢索。

但挑戰(zhàn)者們要問的是：如果這個(gè)圖書館有一億本書呢？每次查詢都要翻遍所有卡片，這個(gè)系統(tǒng)還能撐住嗎？

這就是O(n2)，懸在Transformer頭上的達(dá)摩克利斯之劍。

三位挑戰(zhàn)者沒有籠統(tǒng)地說(shuō)「Transformer不行了」。他們拆出了五個(gè)具體的、當(dāng)前Transformer架構(gòu)無(wú)法在設(shè)計(jì)層面解決的開放難題。

每一個(gè)都直指要害。

挑戰(zhàn)者們最尖銳的隱喻，直指Transformer的記憶與持續(xù)學(xué)習(xí)缺陷：「土撥鼠之日」。

在電影《土撥鼠之日》中，主角每天醒來(lái)，世界都會(huì)重置，昨天的記憶蕩然無(wú)存。

目前，Transformer也是如此。

每一次推理（Forward Pass），它的權(quán)重（Weights）都是完全凍結(jié)的。

哪怕你今天跟它聊了十個(gè)小時(shí)，它學(xué)到了絕妙的新知識(shí)，在下一次會(huì)話啟動(dòng)時(shí)，它依然是一個(gè)失憶的白癡。

現(xiàn)在工業(yè)界為了解決這個(gè)問題，拼命往里塞RAG（檢索增強(qiáng)生成）、長(zhǎng)上下文（KV Cache）。

但這根本不是架構(gòu)級(jí)的解法，而是用昂貴的算力在傷口上貼創(chuàng)可貼。

五大死穴，每一個(gè)單拎出來(lái)都不是小事。合在一起，構(gòu)成了一張完整的起訴書。

但起訴書不等于判決書。

Kaiser的底牌

你行你上，拿曲線說(shuō)話

面對(duì)五大攻擊，Kaiser沒有一一辯駁。

他沒說(shuō)O(n2)不是問題，沒說(shuō)災(zāi)難性遺忘不存在，沒說(shuō)Transformer完美無(wú)缺。

他拋出了一句話，成了整場(chǎng)辯論的核心：

除非Post-Transformer證明更好的scaling曲線，否則Transformer仍然是主流。

這句話的殺傷力在于，它把舉證責(zé)任推回了挑戰(zhàn)者。

什么是scaling曲線？

簡(jiǎn)單說(shuō)，就是「投入更多算力和數(shù)據(jù)，AI能力提升多少」。

Transformer統(tǒng)治近十年，最核心的原因不是它沒缺陷，而是它的scaling曲線至今沒被任何架構(gòu)超越。

這是OpenAI敢砸?guī)资畠|美元訓(xùn)練GPT、Anthropic持續(xù)擴(kuò)大Claude規(guī)模的底氣。

Kaiser的邏輯極其清晰：

你說(shuō)Transformer有五個(gè)問題？我同意。

但有問題的東西和應(yīng)該被替換的東西之間，有一道鴻溝?？邕^它，你需要的不是五篇論文，是一條更好的scaling曲線。

然后，他展開了更具體的辯護(hù)，而且?guī)еこ态F(xiàn)場(chǎng)的鐵銹味。

并行性是硬道理。

上周，在最新的Nvidia硬件上，Kaiser重新實(shí)現(xiàn)了Transformer和幾個(gè)老式RNN，并做了對(duì)比。

非常小的GRU，比一個(gè)大得多的Transformer還要慢50倍。

RNN確實(shí)優(yōu)美，但它的順序執(zhí)行特性在當(dāng)前硬件上就是一場(chǎng)災(zāi)難。

如果真存在一種更好的架構(gòu)，你需要用50倍的時(shí)間去證明它——而大多數(shù)實(shí)驗(yàn)室沒有這個(gè)耐心。

十年的工程積累。

不只是GPU優(yōu)化，編譯器、訓(xùn)練框架（PyTorch、JAX）、推理引擎（vLLM、TensorRT-LLM）、量化工具——整個(gè)AI工程棧都圍繞Transformer搭建。

換架構(gòu)意味著這一切都要重來(lái)。

隱式的「持續(xù)學(xué)習(xí)」，早已發(fā)生。

Kaiser指出，Transformer在大規(guī)模預(yù)訓(xùn)練后，前向傳播中表現(xiàn)出的上下文學(xué)習(xí)（In-Context Learning），在數(shù)學(xué)上其實(shí)完美模擬了反向傳播中的梯度下降。

換句話說(shuō)，你們說(shuō)它不會(huì)學(xué)，它其實(shí)在以另一種方式偷偷地學(xué)。

他的辯護(hù)不是「Transformer永遠(yuǎn)是最優(yōu)解」，而是「Transformer現(xiàn)在是最優(yōu)解，除非你證明不是」。

然后他甩出一句讓對(duì)面啞口無(wú)言的話：

也許找到下一個(gè)架構(gòu)的，恰恰會(huì)是Transformer本身——而不是你們。

全場(chǎng)笑聲。

但大家都聽出來(lái)了：這是認(rèn)真的。

AI：無(wú)人可擋的光明未來(lái)

Kaiser的結(jié)束陳詞，沒有說(shuō)「Transformer永遠(yuǎn)是最優(yōu)解」。他說(shuō)的是：「目前，Transformer仍然贏?！?/p>

「目前」這個(gè)詞，是他留給挑戰(zhàn)者的唯一縫隙。

更微妙的是，他親手交出了一件本屬于自己陣營(yíng)的武器。

后Transformer陣營(yíng)此前最大的短板，是「缺乏大算力的工程和硬件驗(yàn)證」——新架構(gòu)跑得慢、沒人愿意為它改芯片。但Kaiser自己承認(rèn)，這道壁壘正在被瓦解：

現(xiàn)在，AI Agent已經(jīng)學(xué)會(huì)了寫極高難度的CUDA和Triton核函數(shù)。

即便一個(gè)新架構(gòu)最初運(yùn)行慢50倍，你只需要把代碼丟給Agent，它就能在短時(shí)間內(nèi)幫你優(yōu)化出幾乎能榨干GPU算力的專用內(nèi)核。

硬件彩票的壁壘，正在被智能體開發(fā)生態(tài)自己砸碎。

這意味著，一旦有人在百萬(wàn)Token、千萬(wàn)Token的極長(zhǎng)上下文任務(wù)上，用Post-Transformer架構(gòu)跑出一條更漂亮的困惑度曲線，哪怕只有一點(diǎn)點(diǎn)優(yōu)勢(shì)，也會(huì)在scaling的放大鏡下，形成對(duì)舊帝國(guó)的致命一擊。

Kaiser甚至主動(dòng)提議：應(yīng)該建立一個(gè)統(tǒng)一的測(cè)試標(biāo)準(zhǔn)——用困惑度衡量所有架構(gòu)在同等條件下的學(xué)習(xí)能力。

「我們應(yīng)該在這件事上達(dá)成共識(shí)，然后各自去證明自己的架構(gòu)更好?！?/p>

這句話的潛臺(tái)詞是：挑戰(zhàn)賽正式開始。

而Jones的最后一句話更直接：

今天我沒有得到任何理由讓我懷疑自己的信念：有更好的東西存在。當(dāng)那個(gè)突破到來(lái)，我們所有人都會(huì)進(jìn)入后Transformer時(shí)代，?ukasz也不例外——因?yàn)樗麑脮r(shí)別無(wú)選擇。

這場(chǎng)「拳擊賽」看似戲謔，但它的勝負(fù)直接決定了Claude、ChatGPT等硅谷雙雄的底層地基是否需要被全部推倒重建。

如果后Transformer（Post-Transformer）陣營(yíng)擁有更優(yōu)越的Scaling Law（縮放定律）曲線，整個(gè)人類通往AGI的物理路線圖都將被改寫。

參考資料：

https://x.com/probnstat/status/2057522470760914957?s=20

https://www.youtube.com/watch?v=hCjoMLuCuLQ

編輯：大衛(wèi)