在人工智能領域，一場關于預訓練技術是否仍占主導地位的辯論正如火如荼地進行。這一話題已成為AI行業的焦點，引發了廣泛討論。

近年來，預訓練技術一直被視為AI發展的第一性原理。然而，隨著OpenAI前首席科學家Ilya的公開質疑，以及強化學習模型DeepSeek R1的嶄露頭角，預訓練技術的地位似乎開始動搖。

預訓練技術的命運轉變，是AI行業共識與非共識不斷交織的縮影。為了深入探討這一話題，螞蟻集團在2025年5月27日的“技術開放日”上組織了一場圓桌對話。

參與對話的嘉賓包括Sand.AI創始人曹越、阿里通義千問技術負責人林俊旸，以及香港大學助理教授孔令鵬。他們各自在AI領域取得了顯著成就，為對話帶來了豐富視角。

曹越和孔令鵬在非共識探索中取得了顯著成果。曹越將語言模型主流的自回歸路線應用于視頻模型訓練，實現了視頻長度的無限擴展。而孔令鵬則通過引入擴散模型，用僅7B的參數量在語言任務上超越了671B的DeepSeek V3。

他們的經歷展現了AI行業最具創新性的一面：勇于擁抱非共識，不斷探索未知領域。

相比之下，阿里給人的印象似乎更加保守，長期專注于Dense模型的發展。直到2025年2月，千問才推出了首個MoE模型。面對外界的質疑，林俊旸在圓桌上澄清道：“我們并不保守，只是經過大量實驗后未能取得預期成果。”

林俊旸還分享了阿里在Transformer架構上的探索歷程。他們曾嘗試多次改進，但最終發現Transformer仍是最優解。這一經歷揭示了共識在AI行業中的重要性：共識往往代表著經過驗證的成功經驗。

然而，三位嘉賓都感受到了行業的變化。去年還在堅守共識的他們，今年開始積極尋找非共識。林俊旸比喻道：“現在的行業就像是在不同的方向上摸彩票，看誰能中大獎。”

孔令鵬也表達了類似的觀點。他認為，無論是語言模型上的擴散模型，還是視頻模型上的自回歸路線，都是為了平衡模型偏差和數據偏差，達到更好的效果。這一觀點揭示了非共識探索背后的共同目標。

在預訓練技術方面，美國近期又涌現了新的非共識：預訓練還未結束。林俊旸站在了這一新非共識的一方，透露阿里仍有大量數據未用于千問模型，每次加入新數據都能帶來性能提升。

在圓桌對話中，嘉賓們還分享了各自在模型優化、架構創新等方面的見解。曹越強調了稀疏化在提升多模態領域效率方面的重要性；林俊旸則關注了MOE模型的進一步探索以及訓練穩定性的優化；孔令鵬則探討了模型可解釋性和幻覺問題，并提出了將創造視為搜索問題的新視角。

通過這場對話，我們可以深刻感受到AI行業的多元性和創新性。在這個快速變化的領域里，共識與非共識不斷交織碰撞，推動著技術的不斷前行。