上一条发出之后，我和一位好朋友交流下，发现自己可能低估了现在AI的进度。 热力学是等来的状态变量， 蒸汽机造出来七十年，卡诺才写出那篇论文。 卡诺的关键动作是发现效率只依赖温度比，那个把 10²³ 个自由度压缩成两三个宏观量的坐标选择。 热力学之所以可能，前提是 (P, V, T) 这组变量在动力学下是闭合的。知道它们，就能预测它们的演化，不需要回到微观。 所以，亟待解决的门槛问题是： 大模型的状态变量是什么？ 目前，我们手里只有 l…

事件核心：发生了什么

8 月 8 日，Phoenix Yin 在 X 上发布了一条长推文，讨论当前 AI 理论的瓶颈。他用 19 世纪热力学的诞生过程做类比：蒸汽机被造出来 70 年后，卡诺才发现效率只依赖温度比，进而把 10²³ 个自由度压缩成两个宏观量。热力学能成立，前提是 (P, V, T) 这组变量在动力学下是闭合的——知道它们，就能预测系统演化。

他认为，AI 现在面临同样的问题：大模型有没有属于自己的状态变量？目前研究者手里只有 loss、参数量、数据量和计算量。这几个量确实构成了一条闭合关系，也就是 Scaling Law，但它们对推理、幻觉、上下文学习这些现象并不闭合。“我们现在根本无法从 (N, D, C) 预测某个能力何时出现。”

他给出的判断是：AI 的现状更像 1850 年前后——有了几条经验定律，有了熵的雏形，但还没有玻尔兹曼。Scaling Law 本身是完整的宏观经验定律，可是它还需要一个从微观到宏观的理论框架来支撑。

为什么重要

这篇推文的观点分量很重，因为它把讨论从“怎么训练更好的模型”拉回到“我们能不能先理解模型”。Phoenix Yin 区分了几个容易混为一谈的问题

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。