AI真的在“思考”吗？LLM的本质是压缩
YC创始人Paul Graham最近发了条推文，大意是说，我们现在用“深度思考”来描述LLM，就像16世纪的天文学家虽然不信日心说，但为了计算方便还是会用它。用着用着，我们似乎就慢慢承认AI真的在思考了。
这其实是一个彻头彻尾的“市场叙事”问题。
LLM的底层机制是“Next-Token Prediction”（下一个词元预测）。它的核心是基于海量数据的概率分布，通过Transformer架构进行矩阵运算，算出下一个最可能出现的词是什么。它没有意图，没有世界模型，更没有自我意识。
把这种概率计算过程称为“思考”，就像说潜艇在“游泳”一样。它们都在水里移动，但驱动机制和生物过程完全是两回事。混淆这两者，要么是认知上懒惰，要么是商业上精明。
Paul Graham显然属于后者。
为什么要鼓吹“LLM在思考”？因为这直接决定了AI产品的定价权和市场估值。
如果LLM只是一个“高级文本计算器”，那它的价值就锚定在“工具”上。它的商业模式是提升效率、降低成本。用户为它付费，是采购一个生产力工具。
但如果LLM是在“思考”，那它的价值就锚定在“智能劳动力”上。它的商业模式就变成了替代人类，甚至创造新价值。用户为它付费，就变成了雇佣一个数字员工。
前者的估值有上限，后者的想象空间是无限的。Paul Graham作为全球顶级孵化器的掌门人，他需要为他投资的数百家AI创业公司，构建一个最有利的价值叙事。
对我们普通人来说，陷入这种“是否思考”的哲学辩论毫无意义，甚至有害。它会让你偏离真正的商业本质。
LLM带来的真正革命，不是创造了“思考”，而是将“信息组织和生成”这件事的边际成本，史无前例地降到了接近于零。这是一个经济学事件。你的产品应该围绕“成本优势”去设计，去找到那些因为过去人力成本过高而无法实现的业务场景，用LLM去重塑它。
把一个成本问题，包装成一个哲学问题，是这个时代最大的认知陷阱之一。
LLM