在人工智能从“科幻”步入“日常”的 2025 年，一篇 LinkedIn 文章点燃了业界对 AI 局限性的深度反思。作者 Alex Wang，一位在LinkedIn上超过百万followers的博主，以“AI 仍不能做什么？为什么这是最有趣的部分”为题，剖析了当前大型语言模型（LLM）和大型推理模型（LRM）在泛化、可靠性和世界建模等方面的顽疾。 Wang 强调，AI 已成熟于结构化任务，如客户支持和知识工作流自动化，但这些“不能做”的空白并非 AGI（通用人工智能）的遥远梦魇，而是当下可见的“研究地图”——它们指引着下一波突破，如多模型生态和因果推理架构。结合 2025 年最新基准报告和专家访谈，本文将剖析这些局限的成因、表现及影响，揭示为何“AI 的短板”正成为创新的引擎。毕竟，在 DeepSeek V3.2 和 Mistral 3 等开源模型层出不穷的当下，承认局限并非退缩，而是前行的智慧。
AI 的双面镜：成就耀眼，局限隐现
2025 年，AI 的光芒已照亮全球经济：OpenAI 的 GPT‑5 系列处理每日 30 亿次查询，Google 的 Gemini 3 在 LMArena 基准上 Elo 分超 1500，生成式 AI 市场规模预计达 5000 亿美元。 从 Waymo 的无人驾驶到 Adobe Firefly 的专业图像生成，AI 已渗透交通、医疗和创意产业。 X 用户 @ZaStocks 发帖列举：“AI 能自主驾驶、即时翻译、生成视频，甚至在军事情报中实时决策。” 这些成就源于 Transformer 架构的规模化：参数从 GPT‑3 的 1750 亿跃升至 2025 年的万亿级，训练数据超 10 万亿 token。
然而，正如 Wang 所言，AI 的“成熟”局限于“数据分布内”的模式匹配。 Aussie AI 研究报告指出，LLM 在重复任务上准确率达 95%，但一遇边缘案例，便崩盘。 例如，2025 年 AIME 数学竞赛基准上，DeepSeek V3.2‑Speciale 得分 96%，但在变体题（如引入物理约束）中，仅 70%。 X 帖子中，@willccbb 吐槽：“2025 年了，GPT‑3.5‑turbo 仍无法乘大数。” 这些并非孤例：Palantir 的 AI 平台虽优化供应链，但用户报告显示，在突发地缘事件下，预测偏差超 20%。 Wang 的洞见在于，这些局限不是“bug”，而是“feature”——它们暴露了 AI 从“预测机器”向“智能实体”的跃迁需求。
剖析 AI 的七大“不能”：从泛化到情感的深层裂隙
Wang 将 AI 局限归纳为七类，每类皆以具体示例佐证，呼应 2025 年多份调研。 第一，真泛化缺失：AI 擅长内插（interpolation），却畏惧外推（extrapolation）。LeetCode Copilot 博客举例，AI 助编码面试通过率达 90%，但遇“逻辑谜题变体”（如一处异常条件），失败率飙至 80%。 原因？训练数据偏向常见模式，缺乏鲁棒性——LRM 如 o1 在转移学习上，仅 60% 成功率。
第二，可靠性崩塌：长链推理易幻觉（hallucination）。Wang 指出，顶级 LLM 在 1000 token 序列后，连贯性降至 70%。 2025 年，Anthropic 的 Claude 4.5 在多步规划中，错误率达 15%，需“验证器模型”辅助。
第三，无内置世界模型：AI 缺乏物理/因果直觉。Wang 引用 Google DeepMind 的 Genie 3，它生成虚拟仓库模拟以训代理，但真实世界部署中，AI 忽略重力或碰撞，失败率 40%。 Meta 的 LRM 研究证实，AI 在常识规划（如“倒牛奶不洒”）上，仅 65% 准确。
第四，即时学习缺失：模型冻结后，无法动态适应。Wang 对比人类：“AI 无‘现场学习’（in‑situ learning）。” 2025 年，Google 的嵌套学习虽进步，但适应新任务需重训，耗时数小时。
第五，宏目标设定无力：代理强微目标执行，却无战略视野。Wang 示例：AI 可纠错代码，但不知“为何写此项目”。 Bindu Reddy 在 X 上称，20‑50% 工作可自动化，但“安全/权限/上下文”仍需人类把关。
第六，情感 grounding 虚空：AI 模拟共情，却无“活经验”。Wang 警告，在谈判/HR 中，AI 易陷“有缺陷前提”。 LinkedIn 帖子 @mnovello23 补充：“AI 自动化数据清洗，却无法建关系或情感洞察。” 2025 年，AI x Education 子栈报告显示，AI 评分作文存种族偏见，无法分辨“好坏写作”。
第七，边缘案例脆弱：模糊情境下，AI 直觉缺失。Wang 视之为历史规律：“每次突破皆是解决前面边缘。” Facebook 群组讨论：AI 懂代码，却无法“设计用户体验或架构决策”。
这些“不能”并非静态：2025 年，Kweku Opoku‑Agyemang 在 X 上反驳 cynics：“AI 已破数学难题达到 100%、可代理自治。” 但 Wang 坚持，承认短板是进步前提。
成因探源：预测架构的“原罪”与资源瓶颈
AI 局限的根源多维交织。首先，核心架构缺陷：Transformer 是“预测器”，非“理解者”。Wang 剖析：LLM 靠统计关联生成，易在长链中“漂移”，幻觉率 10‑20%。 Personal Science Guide 警告，生成 AI 的“幻觉风险”源于数据噪声。
其次，数据与计算壁垒：训练数据耗尽——2025 年，有分析估计高质量语料仅剩 1% 未用。 X 用户 @aasim 称：“我们耗尽电力、数据、资金，甚至测量智能的方式。” DeepSeek V3.2 虽然降成本达 90%，但世界模型仍需模拟万亿交互，计算需求超当前 10 倍。
第三，设计哲学偏差：AI 优化基准，而非现实。Wang 引用 Fei‑Fei Li的话语：“规模非未来，需认知启发架构。” 2025 年，欧盟 AI 法案强化此点：要求“因果推理”透明，罚款达 7% 营收。 此外，伦理盲区放大局限：情感 grounding 缺位源于数据去人性化，避免偏见却牺牲深度。
“不能”的魅力：创新引擎与深远影响
Wang 的精髓在于：这些空白“最有趣”，因其“研究可见”——非玄学，而是可操作的信号。 例如，世界模型空白催生 Genie 3 等模拟器，推动机器人从实验室走向工厂；可靠性问题激发多模型监督，如 OpenAI 的“工具调用”生态。
分析AI之不能影响多层面，双刃剑并存。积极面：激发人机协作。AI x Education 强调：“聚焦 AI 不能——建关系、情感洞察。” 企业如 Palantir 用 AI 决策，却留宏判人类，提升效率 30%。 负面：若忽略，风险放大——幻觉致医疗误诊（2025 年报告 5% 案例），或代理失控（如自治车辆边缘事故）。 全球影响：发展中国家受益开源（如 Mistral 3 的多语言），但数据鸿沟加剧不平等。 Wang 预言：突破将来自“改变学习方式”——长时记忆、不确定建模，或将解锁 10 倍性能跳跃。
结语：从“不能”到“能”的黎明
Alex Wang 的反思如一面镜子，映照 AI 的光彩与阴影。2025 年，我们见证了从“峰值 AI”到“现实对峙”的转折。 正如 @CaibelPlayz 在 X 上所言，AI 不能当法官、军人，但这正是人类价值的堡垒。 未来，承认“不能”将驱动从规模到结构的范式移——或许 2026 年，Garlic 模型将填补编码鸿沟。 AI 非取代者，而是放大镜：它照亮我们的局限，也点亮无限可能。在这个“不能最有趣”的时代，创新者当以此为鉴，携手共进。