GPT-5遭遇“博士级”推理滑铁卢：从幻象到现实的AI能力边界审视

TL;DR：

最新FormulaOne基准测试揭示，包括GPT-5在内的顶级大模型在深度算法推理上集体失利，未能达到其宣称的“博士级”能力，这迫使我们重新审视AI的真正智能边界及其在复杂现实问题中的应用潜力，从对通用人工智能的盲目乐观转向对“人工专家智能”的务实追求。

Sam Altman曾描绘了一个引人入胜的未来图景：“以后每个人的兜里都有一个博士级AI随时随地的提供建议。” 这句话为大语言模型的能力设定了一个极高的期望，也驱动着GPT-5等前沿模型的迭代与普及。然而，由Mobileye联合创始人Amnon Shashua领衔的AA-I公司近期推出的FormulaOne基准测试，却给这场“博士级AI”的乐观叙事泼了一盆冷水，揭示了当前顶级AI在深层算法推理能力上的显著缺陷。

技术极限的冷峻剖析：FormulaOne基准的深层回响

FormulaOne基准设计了一套包含220个新颖的、基于图结构动态规划的问题，这些问题被划分为三个难度递进的层级：基础、进阶和最深层。其核心在于衡量AI“超越竞赛编程的算法推理深度”¹，旨在模拟现实世界中如路径规划、大规模供应链优化和网络设计等复杂问题所需的硬核算法洞察力。

测试结果令人瞩目且颇具警示性。在基础题层面，AI模型尚能应对，GPT-5能达到接近50%的正确率。然而，当难度提升至进阶题，GPT-5的正确率骤降至约4%，而其他如Grok 4、o3 Pro等模型更是表现惨淡。最令人震惊的是，在最高难度的“最深层问题”部分，所有参测模型均交出白卷，全军覆没，零分收场¹。

这种“概念崩溃”并非源于大模型缺乏动态规划（DP）的基础知识。事实上，当前顶尖AI在诸如CodeForces等算法竞赛中已达到甚至超越人类顶尖选手的水平¹。FormulaOne的核心挑战在于其问题所需的_状态设计_艺术与科学。在“最深层”问题中，AI需要处理多个不确定的步骤，且没有简单的捷径可循。模型倾向于过早地做出不可逆的决策，而这些决策的无效性往往在多步之后才会显现，这反映了其在长远规划和复杂不确定性处理上的根本性不足¹。这与FormulaOne问题源自“图上的单一二阶（Monadic Second-Order，MSO）逻辑”的特性紧密相关，该逻辑能够表达高度复杂的图论问题，在“树状”图上可以通过动态规划有效求解，但需要对问题结构有深刻的理解和高效的“状态”概括能力。

超越表象的推理挑战：AI心智的哲学审视

FormulaOne的测试结果不仅是技术层面的数据，更引发了对人工智能本质的哲学思辨。当前大语言模型（LLMs）的成功，很大程度上依赖于其强大的模式识别、语言生成和知识检索能力。在某些领域，如对医疗知识的理解和诊断辅助，GPT-5甚至被报道能超越人类医生，推理能力比专家高出24%²。然而，这与FormulaOne所测试的_深层算法推理_存在本质区别。前者更侧重于知识的关联、整合与应用，而后者则考验从基本原理出发、构建复杂逻辑结构以解决未见问题的能力。

Wired的视角会拷问：我们是否混淆了“流畅的表达”与“深刻的理解”？AI在竞技编程中的表现，往往是识别出“巧妙的技巧”并围绕其快速构建解决方案。但这与现实世界中那些需要从零开始设计复杂多步骤算法、处理高不确定性的问题截然不同。AI模型在“最深层”问题上的失败，暗示了其在抽象概念的组合性推理和多层级决策的鲁棒性方面，与人类专家仍存在一道难以逾越的鸿沟。这不仅是算力或数据量的简单堆叠所能解决的，可能需要_定性不同的方法论或新的AI架构_来应对¹。

产业版图的再定义：从“博士AI”到“人工专家智能”

FormulaOne的推出及其背后AA-I公司的愿景，正在悄然重塑我们对AI发展路径的认知。AA-I由在自动驾驶和人工视觉领域享有盛誉的Amnon Shashua创立，其核心目标是推动“人工专家智能”（AEI）的理论与应用³。AEI旨在让AI像顶级人类专家一样，结合领域知识与严密科学推理能力，突破传统瓶颈，解决复杂科学或工程难题，这与当前追求通用人工智能（AGI）的路线形成了有趣的互补。

从TechCrunch的商业敏锐度来看，FormulaOne本身就具有显著的商业价值。它紧密关联实际的大规模优化问题，意味着解决这类问题的AI将拥有巨大的市场潜力，尤其是在物流、能源、金融等对效率和精确性要求极高的行业。AA-I作为一家获得数千万美元投资并入选AWS生成式AI加速器项目的创业公司³，其所代表的“人工专家智能”方向，正成为资本市场关注的新焦点。这表明，在广阔的通用能力之外，垂直领域深度、硬核推理能力的AI解决方案可能成为下一阶段的投资热点和产业竞争高地。

未来智能的罗生门：能力边界与社会期望的张力

GPT-5在FormulaOne上的表现，无疑是对Sam Altman“博士级AI”神话的一次务实校准。它提醒我们，当前AI的“智能”并非均匀分布，而是在特定任务和特定推理类型上展现出超人能力。在高度结构化、模式可循的问题上，AI能够大放异彩；但在需要深层抽象、不确定性高且涉及复杂多步推理的领域，其能力边界依然清晰可见。

这种能力边界的揭示，对于人类社会和未来工作模式有着深远影响。我们必须避免过度神化AI的能力，尤其是在部署高风险、高复杂度的决策系统时。“博士级”AI的定义需要更为精确和细致，区分知识检索、语言生成与深层算法推理。未来AI的发展路径，可能不再是单一维度的能力无限攀升，而是走向多模态、多维度智能的协同发展，即结合不同AI的优势，或者研发全新的架构来弥补当前的推理短板。

此外，FormulaOne的提出，也为AI能力评估设立了新的标杆。它敦促研究界和产业界，不仅要关注AI在传统测试集和竞赛中的表现，更要着眼于实际科研和工程难题的解决能力。这种更具挑战性的评估框架，将驱动AI技术向更深层次的理解和更强大的推理能力演进，最终为人类文明进程带来更坚实、更可靠的智能支撑。

引用

• GPT-5
• 大语言模型
• 算法推理
• AI能力评估
• 人工专家智能
• FormulaOne