Dwarkesh Patel 上月那組「RL 資料產業」論述，今天逐句對完帳：哪些字坐實、哪些字是前瞻，切開了。

本篇出自 2026年7月26日 晨報

Dwarkesh Patel 是獨立科技訪談者與作者，其 AI 產業深度論述常被業界轉引。他 6 月的文章主張：每個要教給模型的技能，背後對應至少數百位人類專家寫示範與評分標準；專家標註＋RL 環境（讓模型在其中反覆練習的模擬任務環境）這個產業年營收已達數十億美元、將達百億級；實驗室約 30–50% 的算力用於推論，且這些算力目前不回饋模型改進（原文，2026-06）。今天查證的結果：「數百位專家」有 Mercor、Surge 的公開職缺與專家團隊頁佐證；「年營收數十億美元」有第三方市調（Mordor Intelligence、Grand View Research）獨立同向，惟其統計口徑略窄於他的說法；「30–50% 算力」與原文逐句對上。但「將達百億級」是他的前瞻預測而非現況——RL 環境這個專段目前規模小得多，引用時要切開。這組論述支撐本報長期持有的判斷框架「資料與環境是模型能力進步的真瓶頸」，並與今日主線第 6 點互為表裡。

同類最新

• 大神觀點 2026年7月27日 1 條來源

  Lambert 解讀 Opus 5 為何追得上旗艦

  Nathan Lambert 對 Opus 5 追平旗艦給出機制解釋:他認為關鍵是「更快的迭代速度＋規模化強化學習(RL)」,而旗艦模型「反而還太大、還沒法同樣做 RL」。若這個解…

• 大神觀點 2026年7月25日 1 條來源

  Ben Thompson 對 Kimi K3 恐慌唱反調：威脅不新，前沿實驗室的優勢仍然真實。

  Thompson 是科技戰略電子報 Stratechery 的作者、產業判讀最受引用的分析者之一。在華府與華爾街同聲恐慌的一週，他的判斷反著走：中國開源模型的威脅並不新；前沿實驗室…

• 大神觀點 2026年7月24日 1 條來源

  Wharton 教授 Ethan Mollick：要用 AI「做真正的工作」，實務上只剩兩個選項；分水嶺不在模型，在配套。

  Mollick 是賓州大學 Wharton 商學院教授，企業界讀者最多的 AI 實用主義評論者。他以第一手實測給出 2026 下半年的判讀：要拿 AI 做真工作，實務選項只有 Ch…

• 大神觀點 2026年7月23日 1 條來源

  Poolside 共同執行長 Eiso Kant：「MCP 和工具層是蠢的」——給模型一個容器讓它直接寫程式，比塞幾十個工具有效。

  AI 編碼新創 Poolside 的共同執行長 Kant 主張：對長時間的複雜任務，在模型與系統之間夾一層工具協定（如 MCP）沒有意義。MCP 是 Anthropic 主推、讓 …