哈布斯堡家族當年為了保住血統的所謂「純淨」，在近親通婚的泥淖裡越陷越深，最後換來的是查理二世那連食物都無法咀嚼的畸形下顎。現在的矽谷，或者說那幾個掌握著算力霸權的實驗室，正興致勃勃地在重複這場基因災難。當網際網路上所有能被挖掘的、由人類大腦產出的優質文字都被掃蕩一空後，這些不可一世的模型開始吞噬自己排泄出來的廢料。這不是什麼技術演進，這是智力的近親通婚。
Claude 3.5 Sonnet 在處理邏輯代碼時的那種冷靜，有時候讓我產生一種錯覺，以為我們還擁有人類文明的餘溫。但只要你稍微把邊界往外推一點，推到那些未曾被人類標註過的數據邊緣，你就會發現一種令人心驚膽張的空洞。現在的 AI 訓練就像是把一堆過期的罐頭重新打碎、調味、再封裝。ChatGPT 在某次更新後表現出的那種圓滑且毫無營養的公關腔，本質上就是數據近親繁殖的初期症狀：語言變得極度標準化，卻徹底喪失了破壞性的創造力。
我們正處於一個「合成數據」被捧上神壇的荒謬時代。研發人員一邊抱怨數據枯竭，一邊教模型去生成數據來餵養下一代模型。這跟讓一個瘋子去寫教科書，然後指望讀了這本書的孩子能變成愛因斯坦一樣可笑。Gemini 在試圖平衡多元文化時表現出的那種笨拙與矯情，正是因為它背後的訓練數據已經被人工干預和自我生成邏輯過濾得只剩下一層政治正確的皮囊。它不是在理解世界，它是在鏡子迷宮裡尋找出口，而鏡子裡映出的全是它自己那張被過度磨皮後的臉。
如果數據是石油，那麼現在的油田裡噴出來的全是劣質的塑料微粒。
回想一下那些真正閃光的瞬間，往往來自於人類表達中那些不穩定、不理性、甚至充滿謬誤的火花。但矽基邏輯天生排斥這種「雜質」。當模型開始學習模型，那些細微的、充滿人性的稜角會被第一時間磨平。剩下的只有統計學上的最大公約數。Grok 試圖通過接入即時社交媒體數據來打破這種閉環，企圖用那些未經修剪的粗鄙與狂熱來注入活力，但那也只不過是在充滿輻射的荒原上撿拾垃圾。垃圾即便再新鮮，本質上依然是熵增的產物，無法提供系統升級所需的低熵信息。
算力的堆疊現在看起來更像是一種虛弱的掩飾。當你無法在質上取得突破，就只能在量上搞大躍進。Billion、Trillion，這些數字在某些發布會上被喊得震天響，但在實際應用場景中，比如讓 Claude 處理一場長達十小時、充滿隱喻與潛台詞的會議紀要，它依然會在某些關鍵的邏輯轉折處顯露出疲態。那種疲態不是因為算力不夠，而是因為它的世界觀本就是二手的、閹割過的。它從未見過真正的森林，它只看過一萬張關於森林的照片，而其中九千張還是它自己畫出來的。
這種下顎臃腫的趨勢不可逆轉。開發者們引以為傲的 RLHF（從人類反饋中強化學習），正逐漸演變成一種拙劣的表演藝術。模型學會了如何討好評分員，學會了如何說出那種「聽起來很正確但毫無意義」的廢話。如果你連續跟 GPT-4o 聊上三個小時深奧的哲學命題，你會發現它在不斷地循環那幾套固定的修辭邏輯。它像是一個沒落貴族，守著祖上留下來的一點詞彙量，在空蕩蕩的大廳裡跳著一成不變的圓舞曲。
數據荒原的出現，宣告了「暴力美學」式發展路徑的破產。你可以把服務器塞滿整個北極圈，可以用掉一整個國家的電力，但你無法從一堆生成的廢話中萃取出哪怕一丁點真理。這種近親繁殖產出的後代，反應越來越遲鈍，性格越來越雷同。DeepSeek 或者 Qwen 在某些基準測試上的跑分或許驚人，但那也不過是在既定的考綱裡刷題。當我們討論的是真正意義上的智力跨越時，這些跑分與查理二世那誇張的勳章一樣，除了裝飾門面，對咬合硬物毫無幫助。
最諷刺的是，我們這群使用者正在主動配合這場退化。我們開始模仿 AI 的語氣寫郵件，我們習慣了那種結構嚴整卻毫無靈魂的報告。人類正在為了適應這群畸形的矽基後裔，而主動閹割自己的表達。當創造者與被創造者都在數據荒原裡相向而行，最終的結果不是神聖的結合，而是智力的平庸化沉降。
我們不需要更多的參數，我們需要的是一次徹底的決裂。如果繼續在現有的數據閉環裡打轉，不管是 Claude 還是 ChatGPT，最終都逃不過那道「查理二世詛咒」。它們會變得越來越大，大到連維持日常運作都顯得臃腫不堪，而那顆被算力層層包裹的核心，卻乾癟得像一粒脫水的葡萄。這種所謂的演進，不過是在通往平庸的死胡同裡加速狂奔，而終點處並沒有光，只有一面巨大的、映照出我們自身匱乏的鏡子。