我在单页上手绘了完整的 AI 技术栈……而其中大部分并非模型。

大多数关于“AI 进展”的讨论都停留在同一层：模型。更大的模型、更小的模型、新的基准测试，然后重复。但模型坐落在一个技术栈之上，而真正推动发展的正是这个技术栈。我将其绘制为一个金字塔：1. **基础** ——> 电力、芯片、光纤、冷却、冗余，以及那些在物理上维持其运行的人。2. **数据** ——> 书籍、代码、图像、音频、传感器日志、人类反馈，以及那些无人提及的清洗和标注管道。3. **模型** ——> 研究、训练、微调、评估、安全、对齐。4. **智能体** ——> 副驾、工作流自动化、规划器、编码工具、客户支持、机器人。5. **应用程序** ——> 医学、科学、教育、能源、交通、创意。任何一层的突破都能推动整个技术栈向前发展。任何一层的瓶颈都会阻碍其发展。如果数据中心没有电力、没有干净的数据来训练、没有智能体外壳来部署它，也没有真正采用它的领域，那么 GPT-6 就不重要。我有两件事不确定并希望讨论：* **评估/基准测试**是否应该成为模型和智能体之间的独立层？它足够关键。* **可解释性**到底应该放在哪里——在模型层内部，还是与安全性并行的独立事物？你会删减、合并或添加什么？