這兩天，VentureBeat 一篇報道在 Hacker News 上引發(fā)熱議。

顛覆性論文《Attention is all you need》的作者之一，現(xiàn)任 Sakana AI CTO 的 Llion Jones 在近日的 TED AI 大會上表示他已經(jīng)厭倦了 Transformer。

是什么，讓這位 Transformer 的創(chuàng)造者發(fā)出了如此言論？

近日在舊金山舉行的 TED AI 大會上，Llion Jones 表示：盡管前所未有的投資和人才正涌入 AI 領(lǐng)域，但該領(lǐng)域已經(jīng)僵化在單一的架構(gòu)方法上，這可能會讓研究人員對下一個重大突破視而不見。

他說：「盡管（該領(lǐng)域）從未有過如此多的關(guān)注、資源、資金和人才，但這在某種程度上導(dǎo)致了我們正在進行的研究變得狹隘?！顾J(rèn)為，罪魁禍?zhǔn)资莵碜酝顿Y者的回報要求以及研究人員在過度擁擠的領(lǐng)域中爭相脫穎而出的「巨大壓力」。

當(dāng)然，不得不承認(rèn)，這個言論并不新鮮。但考慮到 Llion Jones 的身份，還是頗為讓人驚訝也更引人重視。

如前所言，Jones 是論文《Attention is all you need》的作者之一。不僅如此，也正是他將這個后面改變了世界的 AI 架構(gòu)命名為「Transformer」。

注意該論文的所有作者皆為共一作者，名字以隨機方式排列

現(xiàn)如今，這篇發(fā)表于 2017 年的論文已經(jīng)收獲了超過 20 萬引用量，絕對算是本世紀(jì)最具影響力的計算機科學(xué)論文之一（甚至或許沒有之一）。

現(xiàn)在，作為總部位于東京的 Sakana AI 的 CTO 和聯(lián)合創(chuàng)始人，Jones 卻正在放棄自己的造物。他說：「我個人在今年年初做出了一個決定，我將大幅減少我在 Transformer 上花費的時間。我現(xiàn)在正明確地探索和尋找下一個重大突破?！?/span>

資金更多，創(chuàng)新卻更少？

在 Llion Jones 的演講中，AI 領(lǐng)域正面臨著一個重大悖論：資源更多了，但創(chuàng)造力卻在下降。

他說，研究者們正在不斷檢查自己是否被研究相同想法的競爭對手「搶先」(scooped)，學(xué)者們也選擇安全、易于發(fā)表的項目，而不是高風(fēng)險、具有潛在變革性的項目。

實際上，我們在近日的報道中也發(fā)現(xiàn)了兩個比較顯著的案例。

其一是有 4 篇不同論文幾乎同時提出了與謝賽寧表征自編碼器（RAE）類似的思想，我們也報道了其中兩個（另外兩篇是 arXiv:2509.25162 和 arXiv:2510.18457）

其二則是智譜的 Glyph 與深度求索的 DeepSeek-OCR 撞車，都研究了用視覺方式來 token 化文本的方法。

針對這種情況，Llion Jones 進一步解釋說：「如果你現(xiàn)在正在做標(biāo)準(zhǔn)的 AI 研究，你必須假設(shè)大概有三、四個其他團隊在做非常相似，甚至完全一樣的事情。不幸的是，這種壓力損害了科學(xué)，因為人們倉促發(fā)表論文，這降低了創(chuàng)造力?！?/span>

他從 AI 自身中引出一個類比，即「探索與利用」(exploration versus exploitation) 的權(quán)衡：當(dāng)一個系統(tǒng)過度「利用」而「探索」不足時，它會找到平庸的局部最優(yōu)解，同時錯失更優(yōu)越的替代方案。他認(rèn)為：「我們幾乎可以肯定，AI 行業(yè)目前就處于這種情況。」

這背后的含義發(fā)人深省。Jones 回憶起 Transformer 出現(xiàn)前的那段時期，當(dāng)時研究人員們正無休止地調(diào)整循環(huán)神經(jīng)網(wǎng)絡(luò) (RNN，這是之前的主導(dǎo)架構(gòu)）以獲取微小的增量收益。

當(dāng) Transformer 出現(xiàn)后，所有這些工作突然顯得無關(guān)緊要。他提出了問題：「你認(rèn)為，如果那些研究人員知道像 Transformer 這樣的東西即將出現(xiàn)，他們會花多少時間試圖改進循環(huán)神經(jīng)網(wǎng)絡(luò)？」

他擔(dān)心該領(lǐng)域正在重復(fù)這種模式。「我擔(dān)心我們現(xiàn)在正處于這樣一種境地：我們只專注于一種架構(gòu)，不斷對其進行排列組合和嘗試不同的東西，而真正的突破可能近在咫尺?！?/span>

《Attention is all you need》誕生于自由，而非壓力

為了強調(diào)他的觀點，Jones 描述了 Transformer 得以誕生的條件，從而這與當(dāng)今的環(huán)境形成了鮮明對比。他說，這個項目是「非常有機的、自下而上」的，誕生于「午餐時的交談或在辦公室白板上的隨意涂鴉」。

Jones 回憶道：「關(guān)鍵在于，我們最初實際上并沒有一個成熟的想法，但我們有自由真正花時間去研究它…… 更重要的是，我們沒有來自管理層的任何壓力 —— 沒有壓力要求我們必須做某個特定項目，或者必須發(fā)表多少篇論文來提升某個特定指標(biāo)?！?/span>

Jones 暗示，那種自由在今天是普遍缺失的。

即使是那些以天價招聘來的研究人員，也可能感覺沒有權(quán)力去冒險。他問道：「你認(rèn)為當(dāng)他們開始新職位時，他們是感到有權(quán)嘗試自己瘋狂、更具投機性的想法，還是感到巨大壓力必須證明自己的價值，并再次去摘取那些唾手可得的成果？」

不知道 Meta 的研究者對此有何看法。

研究自由勝過百萬美元年薪？

Jones 提出了一個解決方案：調(diào)高「探索旋鈕」(explore dial)，并公開分享研究結(jié)果，即使這會帶來競爭代價。他承認(rèn)自己立場的諷刺性?！嘎牭?Transformer 的作者之一站在舞臺上告訴你他已經(jīng)受夠了 Transformer，這可能聽起來有點爭議…… 但這在某種程度上是合理的，對吧？除了其他七個人之外，我研究 Transformer 的時間比任何人都長?！?/span>

Jones 表示，在 Sakana AI，他正試圖重現(xiàn) Transformer 出現(xiàn)之前的環(huán)境，進行受自然啟發(fā)的 (nature-inspired) 研究，并且將追逐論文發(fā)表或與對手直接競爭的壓力降至最低。他向研究人員提供了來自工程師 Brian Cheung 的一句箴言：「你只應(yīng)該做那些如果你不做就不會出現(xiàn)的研究。」

一個例子是 Sakana 的「連續(xù)思維機器」(continuous thought machine)，它將類腦同步機制整合到了神經(jīng)網(wǎng)絡(luò)中。

提出這個想法的一名員工告訴 Jones，如果是在以前的雇主或?qū)W術(shù)職位上，他會面臨質(zhì)疑和壓力，被認(rèn)為是在浪費時間。在 Sakana，Jones 給了他一周時間去探索。這個項目最終大獲成功，被 AI 頂級會議 NeurIPS 接收為 Spotlight 論文。

Jones 甚至表示，在招聘方面，自由勝過薪酬?！高@是吸引人才的一種非常、非常好的方式?！顾劦竭@種探索性環(huán)境時說?！赶胍幌耄胁湃A、聰明、有抱負(fù)的人，會自然而然地尋找這樣的環(huán)境?！?/span>

前些天 The Information 報道稱，Sakana AI 將以 25 億美元估值籌集 1 億美元，這或許將為其研究理念贏得更多資金支持。

Transformer 很成功，但也可能正在阻礙 AI 的下一個突破

不僅如此，Llion Jones 還暗示 Transformer 可能已成為其自身成功的受害者。他說：「當(dāng)前技術(shù)如此強大和靈活的事實阻止了我們?nèi)ふ腋玫模夹g(shù)）。不難理解，如果當(dāng)前的技術(shù)更差，就會有更多的人去尋找更好的替代品?！?/span>

他謹(jǐn)慎地澄清，他并非在貶低正在進行的 Transformer 研究?！冈诂F(xiàn)有技術(shù)上仍有大量非常重要的工作要做，并將在未來幾年帶來巨大價值。我只是說，鑒于我們目前擁有的人才和資源，我們完全有能力做得更多。」

他最終傳達(dá)的信息是合作而非競爭。Jones 總結(jié)道：「坦率地說，從我的角度來看，這不是一場競賽。我們都有相同的目標(biāo)。我們都希望看到這項技術(shù)進步，以便我們所有人都能從中受益。因此，如果我們能夠共同調(diào)高探索旋鈕，然后公開分享我們的發(fā)現(xiàn)，我們就能更快地實現(xiàn)目標(biāo)。」

這一觀點也是網(wǎng)友們關(guān)注和討論的核心，在 Hacker News 上，有不少人分享了自己的看法。

AI 探索問題的高風(fēng)險

這番言論發(fā)表于 AI 發(fā)展的關(guān)鍵時刻。

現(xiàn)在有越來越多的證據(jù)似乎表明：簡單地構(gòu)建更大的 Transformer 模型可能正接近收益遞減的瓶頸。頂尖研究者已經(jīng)開始公開討論當(dāng)前范式是否存在根本局限性，一些人認(rèn)為，要讓 AI 系統(tǒng)持續(xù)進步并變得更強大，需要的將是架構(gòu)創(chuàng)新，而不僅僅是規(guī)模。

Jones 的警告表明，要找到這些創(chuàng)新，可能需要顛覆現(xiàn)有的激勵機制，即便這些機制確實推動了 AI 的近期繁榮。每年有數(shù)百億美元流入 AI 研發(fā)領(lǐng)域，實驗室之間的激烈競爭導(dǎo)致現(xiàn)在人們更傾向于保密，以及加快論文發(fā)表周期。他所描述的那種探索性研究環(huán)境似乎正漸行漸遠(yuǎn)。

然而，他的內(nèi)部人士視角具有非凡的分量。作為幫助創(chuàng)造了當(dāng)今主導(dǎo)技術(shù)的人，Jones 既了解實現(xiàn)突破性創(chuàng)新需要什么，也了解行業(yè)放棄這種創(chuàng)新方法所面臨的風(fēng)險。他決定告別成就其聲譽的 Transformer 架構(gòu)，這為他的信息增添了可信度 —— 否則，這些話聽起來可能只是標(biāo)新立異的立場。

當(dāng)然，我們無法確定 AI 領(lǐng)域的巨頭們是否會響應(yīng)這一呼吁。

但 Jones 尖銳地提醒人們注意風(fēng)險所在：下一個 Transformer 規(guī)模的突破可能近在咫尺，正由那些擁有探索自由的研究人員追尋。它可能正被束之高閣、無人探索；而與此同時，成千上萬的研究人員正競相發(fā)表對某個架構(gòu)的增量改進。

用 Jones 的話來說，這位 Transformer 架構(gòu)的創(chuàng)造者之一已經(jīng)「受夠了它（absolutely sick of）」。

Hacker News 上的犀利評論

畢竟，他研究 Transformer 的時間比幾乎任何人都長。他自然知道什么時候該翻篇了。