草稿 · 人类 · 修订稿

模型什么时候能把今天发生的事情，写回它自己的权重里

我只关心一件事，其他关于 AI 的展望在我看来都是拖延时间。

配图取自 Wikimedia Commons（公有领域 / CC 授权），逐张署名见文末。

我只关心一件事，其他关于 AI 的展望在我看来都是拖延时间。这件事是：模型什么时候能把今天发生的事情，写回它自己的权重里。

不是上下文窗口。上下文从 8k 涨到一百万，所有人鼓掌，我当时就觉得这是在绕开真问题——上下文是短期记忆，贵、易失、对话一结束就清零，你把一百万 token 塞进去，它也只是在这一轮里假装认识你。也不是 RAG。RAG 是把记忆外包出去，交给一个连你说话的重点在哪都不知道的检索器，然后你祈祷它捞对了。这两条路是同一个动作的两种写法：回避「学习」这个词。

现在的模型不学习。它在训练结束那一刻就死了，之后所有的聪明都是余温。这话我知道说得过了，但我不打算改。

你让一个 agent 干三小时活，它中途摸清了你项目里那个奇怪的构建脚本要跑两遍才成功，任务结束，清空，明天再来，它把同样的错误原样犯一遍，还是那么自信。这不叫智能体，这叫每天早上失忆一次的实习生。业界管这个叫「记忆功能」，做法是把对话总结写进一个 markdown 再喂回去。我第一次看到有人郑重其事地发布这个功能的时候，是真的愣了一下。

所以我的展望非常窄：谁先做出权重级别的持续更新，谁定义下一个十年。不是谁的 benchmark 高两分。benchmark 这套东西早就失效了，一个模型在某个榜上多三个点，和它能不能陪你把一个项目做完六个月，没有任何关系，我甚至怀疑这两件事是负相关的——刷分需要泛化到平均，陪你六个月需要偏向你一个人。这两个目标在损失函数那一层就是互相排斥的，而整个行业假装看不见。

为什么没人做？不是不会做。LoRA、在线蒸馏、经验回放，论文一堆，2022 年就有了。挡在前面的是三件不体面的事。第一，没法评测：一个每天都在变的模型，昨天测的分今天不作数，整个行业赖以生存的「发版—跑分—发博客」这套仪式会当场失效。第二，不可回滚：模型学错了东西，你没办法像删一条数据库记录那样把它删掉，它和别的知识已经分不开了。第三，也是最俗的，钱：持续学习意味着每个用户一份权重，服务器上那份漂亮的共享缓存全部作废，成本结构从「一个模型服务一亿人」变成「一亿个模型」。第三条才是真正的原因，前两条是写给论文和发布会听的。

我认为这道门会被打开，而且比大多数人想的早。开门的大概率不是最大的那几家——他们的收入曲线不允许自己放弃共享推理。会是某个没有退路的小团队，用一个很粗糙的办法先做出来，效果不稳，会漂移，偶尔胡说八道，然后所有人骂它半年，再用它两年。技术史上像样的东西基本都是这么进来的。

一旦模型开始真的记住，护城河的位置会整个搬家。今天大家争的是模型本身，那天之后争的是「你和这台机器共同的那段历史」——你换一个更强的模型，等于要求自己重新解释一遍你是谁，而人是不愿意做这件事的。迁移成本从技术成本变成情绪成本，那才是真正解不开的绑定。这件事有多可怕我知道，我现在不想展开，我只想先把话留在这儿。

这个判断我从 2023 年底开始讲，讲到今天，得到的反应基本都是「有道理，但是」。我不需要那个「但是」。等它真的发生的那天，我希望有人记得是我先说的——认真的，我挺在意这个。

---

删改说明

删除的失效隐喻（均为死喻或与主隐喻族无关的杂音）：

原文	改为	理由
重新踩一遍同样的坑	把同样的错误原样犯一遍	死喻，且「原样」更贴合无状态的论点
烂透了	早就失效了	腐坏隐喻与全文隐喻族无关
打架	互相排斥	拟人化削弱了「损失函数层面」的技术锋利度
卡住的是	挡在前面的是	去掉多余的机械感
缠死了	分不开了	根系隐喻是纯装饰
全废	全部作废	口语夸张，非隐喻收益
撬开 / 砸掉地基	打开这道门 / 放弃共享推理	建筑—暴力族与结尾的「护城河」抢位；「砸地基」直说更有力
被逼到墙角	没有退路	搏斗隐喻是套话
很脏的办法	很粗糙的办法	dirty hack 的直译，中文读者接不住
锁死的东西	解不开的绑定	与「护城河」同族重复，稀释了那一句
把话说在这儿	把话留在这儿	保留空间化，「留」更呼应结尾的「有人记得」

净效果：隐喻密度下降约四成，暴力/建筑族被清空，人际关系族独占结尾三段——原文最强的那个论点因此不再被杂音分摊。