1980 年代在 AI 领域读书的 Paul Graham，脑子里装着一整套关于"AI 最终会是什么样"的推演。多年以后回头看，这套推演错得相当有价值——错的方向，恰好解释了今天每个使用者都在经历的那种别扭感。
这段谈话出现在 Y Combinator 官方频道 2026 年 10 月发布的一期节目里。Graham 先交代了自己的底子：他学的是另一种 AI，符号主义那一套，用他事后的话说，那东西永远不会成功，"就是个笑话"。正因为如此，他对 AI 的到来想得格外多，也格外具体。
他真正感到意外的不是 AI 变得多聪明，而是它沿着一条谁也没预料到的顺序长出来。
1. 计划原本是从一只完美的苍蝇开始
Graham 复述了当年的设想：先造一只完美的苍蝇。苍蝇的大脑做不了什么大事，但凡是苍蝇会做的事，它做得和苍蝇一样好。然后往上爬——老鼠、猫，再往后是猴子，最后是人。每一级都"完美"：能力有限，但在自己的能力范围之内不出错。
这套阶梯里藏着一条没人说破的假设：可靠性和智能水平是同步增长的。先把小东西做到无可挑剔，再把它做大。按这个剧本，人类应该在最顶端等到一个又强又准的东西。
结果交付的是另一种东西：一个完整的人，但是满嘴胡说。按他的说法，那甚至不是"苍蝇级别的小东西"，那就是人，只是一个很烂的人。
2. 第一批 ChatGPT 像个硬把论文糊过去的本科生
他对最初几版 ChatGPT 的形容相当刻薄——像一个本科生死撑着把论文敷衍完：听起来头头是道，措辞人味十足，内容却经不起看。这种"听起来很对"的能力，成了模型最先长出来的器官。
于是路径整个反了。原本设想是从完美出发、逐步逼近人类；实际发生的是从人类出发、再慢慢逼近完美。Graham 强调，最后被优化的那个维度，恰恰是谁都没预料到的方向——"像人"，而不是"对"。 对方一句话接住：这东西本质上就是一台老虎机。
而且这股味道到今天还没散掉。聊天时那种一本正经的随机感，仍然是它的底色。
3. 锯齿状前沿：攻得下数学公开难题，答不出餐馆几点开门
同一件事的两面被摆到了一起：一边是到处流传的消息说 AI 正在解出著名的数学公开难题，另一边是问它一家餐馆几点开门都问不出来。Graham 对后者颇有怨气——他听到太多"AI 攻克了什么"的故事，而他自己的体验是这种最日常的问题都卡住。
有人给这种落差起了个名字：jagged frontier，锯齿状前沿。同一个系统里，能力的高点和低点挨得极近，中间没有平滑过渡，你无法从它在某件事上很强，推断它在隔壁那件事上也不差。
Graham 对此的猜测是：那些攻下数学难题的模型，大概掌握了他不知道的东西，或者是某种研究版本在起作用。他的念头甚至滑向一个很朴素的解释——也许有一个版本，能查得到餐馆的营业时间。
4. 意外的不是能力，是成长顺序
把这段对话收拢起来，Graham 的核心判断其实是关于顺序的：我们等到的不是一个从简单到复杂、从可靠到更可靠的过程，而是一个先把"人的样子"长齐、再回头补"正确"的过程。
这个方向决定了后来所有争论的形状。模型可以同时显得才华横溢和完全不着调，可以在一个领域里给出惊人的结果，在另一个领域里胡说八道——不是因为它还没有长大，而是因为它从一开始就是从"像人"那一端出发的。人类身上最不可靠的那些特质，反倒先被复刻了出来。
所以当年那套"从完美的苍蝇走到完美的人"的想象，与其说是技术路线判断失误，不如说是对"智能会以什么顺序出现"这件事想错了。没有人预料到，第一个看起来像人的 AI，会像一个满嘴空话的本科生。 而今天每一次在强能力与基本事实之间来回横跳的体验，都是这条反向路径留在用户身上的账单。
