Noam Brown 的判断很直接：下一代 AI 的上限，未必由单个模型有多聪明决定，而是要看多智能体系统能不能把上万个智能体组织起来、把事办成。这位在扑克博弈里打出名声、如今在 OpenAI 做研究的科学家，最近在 Dwarkesh Patel 的播客上，把智能体协作、对齐和递归自我改进三件事摆到了同一张桌子上。
先说他最在意的那件事。推理扩展让模型在输出前多想几步，这条路已经跑通；但 Brown 更看重的是把这种"想"分摊到大量智能体之间。它们彼此交换中间结论、互相检查、甚至互相拆台，整体表现就会超过任何一个单体。难点也很现实：通信成本、错误传播，以及谁来协调这上万个并行决策者。智能体越多，涌现出来的行为就越是没有被谁写进代码里的东西。
这也正是对齐麻烦的源头。单体模型的对齐，本质上还能靠训练和评测去逼近；一旦系统里出现互动的群体，风险就从"模型想要什么"变成了"群体博弈会滑向哪里"。至于递归自我改进，Brown 没有给出耸动的预言，他的态度更接近工程判断：能力会继续往上走，但能不能自己改进自己，取决于评测、验证和纠错这一整套基础设施跟不跟得上。听得出来，他对万级智能体协作抱有期待，对随之而来的失控面同样清醒。
