為何Cohere前AI研究主管押注反對規模擴張競賽
人工智能（AI）實驗室正競相建造規模如曼哈頓般巨大的數據中心，每一個耗資數十億美元，耗電量相當於一個小城市。這場競賽背後，是對「規模擴張」的深信不疑——即透過增添更多運算能力，持續擴大現有AI訓練方法，最終將誕生能完成各種任務的超智能系統。
然而，越來越多AI研究人員開始質疑大型語言模型（LLM）的擴張已接近極限，認為提升AI表現必須靠其他突破。
這正是Sara Hooker的賭注。她曾任Cohere的AI研究副總裁，也是Google Brain的前成員，現創立新創公司Adaption Labs。她與同樣來自Cohere及Google的Sudip Roy共同創辦該公司，基於一個理念：規模擴張已成為壓榨AI模型性能的低效方式。Hooker於今年8月離開Cohere，本月低調宣佈創業，開始廣泛招募人才。
Hooker在接受TechCrunch訪問時表示，Adaption Labs致力打造能不斷適應和學習現實環境的AI系統，且效率極高。她拒絕透露具體技術細節，也未說明是否仍依賴大型語言模型或改用其他架構。
「現在很明顯，單純依賴擴大模型規模的『擴張主義』，雖然吸引人但極度乏味，並未產生能夠有效與世界互動的智能。」Hooker說。
她認為，適應是學習的核心。例如你走過飯桌時踢到腳趾，下次自然會更小心繞過。AI實驗室曾嘗試透過強化學習（RL）捕捉這個概念，讓AI模型在受控環境下從錯誤中學習，但現有RL方法無法讓已投入生產、服務用戶的系統即時從錯誤中學習，AI依然會「踢到腳趾」。
部分AI實驗室提供企業客製化微調服務，但代價不菲。據報OpenAI要求客戶在微調服務上花費超過一千萬美元。
Hooker指出，「目前只有少數先鋒實驗室提供一套對所有人相同的昂貴AI模型，事實上這已不必然。AI系統完全可以高效地從環境中學習。證明這點將徹底改變誰能掌控AI、誰能由AI服務的局面。」
Adaption Labs的出現，是業界對大型語言模型擴張信心動搖的最新徵兆。麻省理工學院近期發表論文指出，全球最大AI模型可能即將面臨效益遞減。舊金山的AI圈子氣氛也開始轉變，知名播客主持人Dwarkesh Patel近期邀請重量級AI研究者進行罕見的質疑對談。
被譽為強化學習之父的圖靈獎得主Richard Sutton去年9月坦言，LLM無法真正擴展，因為它們不會從現實經驗中學習。今年早期OpenAI前員工Andrej Karpathy亦表示對RL長期提升AI模型能力持保留態度。
這類疑慮並非首次出現。2024年底，部分研究者曾警告，通過預訓練擴大AI模型規模已顯示效益遞減，這一方法曾是OpenAI和Google提升模型的秘密武器。
儘管如此，AI業界已找到其他提升模型能力的方式。2025年，圍繞AI推理模型的突破（這類模型在回答前會花更多時間和算力推演問題）已進一步推高AI能力。
目前多家AI實驗室認為擴大RL和AI推理模型是新前沿。OpenAI曾透露開發首個AI推理模型o1，因為他們相信它具擴展潛力。Meta和Periodic Labs研究人員最近發表論文探討RL如何進一步擴展性能，該研究耗資超過400萬美元，凸顯現有方法仍極其昂貴。
相較之下，Adaption Labs尋求下一個突破，證明從經驗中學習可以更便宜。據三名投資者透露，該公司今年秋季曾洽談籌集2,000萬至4,000萬美元的種子輪，並已完成，具體金額未公開。Hooker未對此置評。
她說：「我們的目標非常雄心勃勃。」
Hooker先前在Cohere負責訓練針對企業應用的小型AI模型。如今小型AI系統在編碼、數學和推理基準測試中經常勝過大型模型，這正是她希望延續的趨勢。
她也以推動全球AI研究多元化著稱，曾招募來自非洲等代表性不足地區的研究人才。Adaption Labs將於近期在舊金山設立辦公室，但Hooker計劃全球招聘。
如果Hooker和Adaption Labs對擴張極限的判斷正確，將帶來深遠影響。迄今已投入數十億美元擴大LLM規模，假設更大模型必然導向通用智能。但真正的自適應學習或許不僅更強大，更具效率。
—
評論與啟示
Sara Hooker的觀點與新創公司Adaption Labs的願景，正好反映了AI界日益清晰的共識轉變：純粹依賴「規模擴張」來提升AI能力的時代，可能正走向終點。過去幾年，大型語言模型的快速擴展帶來了驚人進步，但這種模式的成本極高，且在智能的本質——適應與學習能力方面表現平平。
Hooker強調的「適應」與「持續學習」概念，提醒我們真正智能的核心不只是數據量與算力的堆砌，而是系統能否從實際環境中即時調整行為，像人類一樣從經驗中學習。這種能力將使AI更靈活、更符合複雜多變的現實世界需求。
不過，實現這一目標的技術挑戰巨大。現有強化學習方法雖然理論上可行，但在生產環境中仍難以即時高效應用。Adaption Labs若能找到成本更低、效率更高的自適應學習方案，將可能改寫AI發展路徑，並打破目前由少數巨頭壟斷高昂算力資源的格局。
此外，這場轉變也將帶來生態系統的多樣化。若AI模型能更快適應個別用戶與場景，將促進更多中小企業及地區參與AI創新，從而推動全球AI發展的公平性與包容性。
總結來看，Hooker的創業不僅是技術路線的挑戰，更是對整個AI產業現有思維模式的顛覆。香港及亞洲市場的業界人士，應密切關注這類突破，因為未來AI勢必從單純的「大規模」轉向「智慧和效率」並重的新階段，這將影響技術應用、商業模式甚至政策制定的全方位布局。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
