#568. Transformer辩论：如何理解下一代智能之争

Transformer 架构凭借卓越的可扩展性与并行计算效率，在当前 AI 领域占据统治地位。然而，Post-Transformer 阵营认为，当前模型过度依赖 “暴力” 扩展，缺乏原生推理能力与高效的持续学习机制，且受限于特定硬件范式，陷入了局部最优。智能被定义为一种解决问题的动态过程，而非单一产品，这促使研究者探索更紧凑、更高效的架构以模拟大脑的动态学习。尽管 Transformer 在当前基准测试中表现优异，但其架构局限性限制了对复杂推理的深度挖掘。未来 AI 突破的关键在于寻找具备更优缩放定律（Scaling Laws）的新架构，并建立能够衡量长上下文推理与持续学习能力的科学评估指标，以实现向通用人工智能（AGI）的跨越。