人工智能领域近期可谓热闹非凡。这边，Anthropic郑重其事地向全人类发出暂停AI研究的呼吁；那边，OpenAI内部高层却透露了实情——别把模型想得太神奇，AI并非突然爆发，严格来说，它才刚刚跨过“合格”的门槛。

在这一切背后，Yann Dubois提出的一个观点引人深思：AI构建更像是一门“手艺活”，而非传统意义上的“科学”。

这种说法初听有些反直觉，毕竟我们谈论的是全球最消耗算力的领域。然而仔细琢磨，确实有其道理。在硬核算力与海量数据铺天盖地的当下，最终决定一个模型是否“神级”的，反而更像是炼金术般的直觉与灵感。这种“flare”，在某种程度上已成为决定胜负的关键。

此外，Dubois还抛出了一个值得开发者深思的判断——“最后一公里的AI红利”。

他的核心观点是：即便当前所有大模型停止迭代、不再升级，仅靠开发垂直应用来“驾驭”它们，人类实际上已经能够触及通用人工智能（AGI）的某种雏形。

这是一个温和却极具分量的结论。说得更直白些：瓶颈并非模型本身不够聪明，而是在“权限、连接与数据”等落地环节被卡住了。对于那些仍在观望是否入场的开发者而言，这既是冷水，也是一张清晰的地图。

尤其在编程场景中，Dubois的观察更为直观。他本人每天写代码，模型一进步，就相当于团队多了一个永不疲倦的搭档。这个搭档不仅能够搭建工具链，更关键的是，在训练下一代模型时，可以实现“以AI养AI”——即利用现有模型加速自身迭代。

这种加速反馈一旦启动，迭代周期将越来越短。近几个月，人们感觉AI进步“越来越迅猛”，原因就在于此。数据也印证了这一判断：到2026年第二季度，Anthropic内部人均每季度贡献的代码量，已是2024年第一季度的8倍。

简而言之：AI正在从“刷题选手”进化为“职场打工人”。它不再只是实验室里刷benchmark的理论模型，而是开始真正融入生产环节。

说到底，大模型飞得再高，若是不能落地，也只能当作烟花观赏。而真正有价值的，反而是那些看似辛苦的粗活——把它拽回地面，帮它获取必要的权限，连接相关的数据，打开应有的通道。这份“最后一公里”的苦差事，恰恰是目前最值得挖掘的金矿。