AI 只是个 hack——牛顿力学也是

破解过初代 iPhone、写出 tinygrad 的 George Hotz，最近一句话引爆了 AI 圈：整条 AI 路线根本就是错的，大模型只是一套取巧拼凑出来的 hack，算不上正经严谨的技术体系。

平心而论，他这句话没说错。但凡稍微摸透 AI 底层原理的人都清楚，当前主流大模型的本质就是一场巨型概率游戏：它不理解逻辑、不懂真实世界规则，只是靠海量数据拟合文字分布，用统计概率"猜"出看起来通顺、正确的输出。从底层架构来说，它确实是临时凑出来的 hack，没有完整、自洽的底层智能理论支撑。

但我不认同他全盘否定这条路线的结论。

一个 hack，照样推动世界

就算 AI 只是个阶段性 hack，它也实实在在拉高了各行各业的生产效率，落地解决了大量过去难以推进的问题。

回看整个科技史，从来不存在一步到位、完美无缺的终极技术。无数在后世看来有缺陷、近似、甚至"错误"的临时方案，恰恰是推动下一代更严谨科技诞生的垫脚石。没有这些不完美的过渡做实践积累，我们根本摸不到更接近真理的方向。

牛顿力学也是个 hack

举个所有人都学过的例子。牛顿经典力学，放到相对论、量子力学的维度看，本身就是一套有适用边界、不够完整的近似模型——某种意义上，也是简化世界的 hack。在高速、强引力、微观粒子的场景下，牛顿定律会完全失效。

可哪怕爱因斯坦颠覆了它的底层逻辑，时至今日，工程、航天、机械、建筑领域依然在大规模使用牛顿力学。为什么？因为在日常绝大多数场景里，这套近似精度完全够用，成本更低、计算更简单。它的缺陷只出现在极端条件下，完全不影响日常创造价值。

AI 也一模一样。

管好这个 hack，而不是神化或抛弃它

我们完全承认，当前 LLM、AI 智能体只是概率拟合的阶段性 hack，有固有缺陷、有无法根除的盲区。但不能因为它不完美，就否定它当下的价值。

这正是我一直在讲的循环工程、以及我们在 Molecule AI 上落地三套企业级 AI 循环的核心逻辑：我们清楚 AI 有局限，所以用多层校验、人工上层监管、异构模型互审、客观测试兜底的闭环系统，去弥补这个 hack 的缺陷，扬长避短。

如果一味追求底层绝对完美、拒绝一切有缺陷的过渡方案，人类科技只会停滞不前。每一次效率提升、每一轮试错，哪怕有短板，都是在为未来更严谨的科技铺路。

George Hotz 指出 AI 底层的缺陷，是非常珍贵、清醒的提醒：警惕盲目全量依赖 AI、放任无人自主循环。但我们不该走向另一个极端，全盘否定现阶段 AI 的生产力革命。

看清它只是个 hack、守住工程管控的底线，同时用好它的效率杠杆——这才是更客观、更务实的选择。