造出Transformer架构（变换器架构）的那个人，跑去OpenAI（AI研发公司）了。
6月17号，Noam Shazeer（诺阿姆·沙泽尔）官宣加入OpenAI，职位是架构研究负责人。
Sam Altman（山姆·奥特曼）坦言，从OpenAI成立那天起，他就想跟这个人合作，整整等了十年。
2017年，Google（谷歌）八位研究员发布了一篇封神论文，标题叫《Attention Is All You Need（注意力即是全部）》。
直译过来就是：注意力，就够了。
标题口气大得离谱，但他们真的做到了。
这篇论文提出了Transformer架构。
如今我们熟知的 GPT、ChatGPT、文心一言、通义千问、DeepSeek（深度求索）、Claude，全部都是在这个架构的基础上搭建出来的。
而Noam Shazeer，正是八位作者里贡献最大、最核心的那位。
在谷歌内部，他甚至被同事称为AI圈的“巫师”。
谷歌曾经花27亿美元重金把他挽留回来，可不到两年，他再次选择离开。
当时 OpenAI 和马斯克的 xAI（马斯克AI公司） 两大巨头疯狂争抢，最终他选择加入OpenAI。
今天不聊人事八卦，我们聊点更硬核、更实用的：
Transformer 到底是什么？为什么它值几十亿？和我们普通人有什么关系？
01 在Transformer出现之前，AI有多笨
在Transformer诞生前，AI处理文字、理解语言，靠的是 RNN（循环神经网络）。
它的工作方式非常笨拙：从左到右，一个字、一个字地读。
你可以想象一下：
让你逐字逐句读完一篇五千字的文章，等你读到最后一段，大概率早就忘了第一段写了什么。
RNN 也是一样。
文本一旦变长，前面的信息直接丢失。
行业里叫「长距离依赖问题」，大白话就是：前面的记不住，后面的跟不上，全程迷路。
更致命的是：RNN 无法并行计算。
一万个字，就必须老老实实从头算到尾，不能同时处理、不能提速。
这也是为什么早年的AI，又慢、又笨、记不住长内容。
02 Transformer，彻底改写AI规则
Transformer 做了一个颠覆性的改变：
不再逐字阅读，而是一眼看完一整句话、一整段文字。
然后通过注意力机制，自动判断：
这句话里，哪些词关系最紧密、最有关联？
举个经典例子：
“它把杯子放到桌子上，因为它太重了。”
我们人一眼就能分辨：
第二个「它」指代杯子，不是桌子。
我们不需要重读全文，靠的就是注意力筛选重点。
Transformer 就是复刻了人类的这种能力：
让每一个字，和全文所有字建立关联；
关联越强，分配的注意力权重越高；关联越弱，直接降低关注度。
最关键的是：它支持全程并行计算。
从前 RNN 一万个字排队计算，
现在 Transformer 一次性全部算完。
速度直接飞跃式提升。
通俗比喻：
RNN 像老和尚逐字念经，死板又缓慢；
Transformer 像成年人看报纸，一眼扫完全文、瞬间抓取重点。
03 为什么这个人值27亿美元？
2017年之前，整个AI行业都认为：
想要AI理解语言，必须靠复杂结构、叠加记忆模块。
直到这篇论文颠覆所有人认知：
不用花里胡哨，只要注意力机制，就足够支撑AI理解语言。
事实证明，它真的够了。
从2017年至今，全球所有主流大模型，底层清一色全是 Transformer。
GPT全系、Google Gemini、Meta Llama、DeepSeek、Claude，无一例外。
不仅如此，Noam Shazeer 同年还开创了 MoE（混合专家模型）。
现在的 GPT-4、DeepSeek-V3 等顶级模型，全部依赖 MoE 架构提速增效。
简单说：
现代AI的两大基石：Transformer + MoE，都是这个人奠基的。
这也是为什么谷歌两次招揽、两次留不住，Altman 甘愿等他十年。
04 Transformer，和普通人有什么关系？
你可能觉得底层架构离自己很远。
其实你每天都在反复使用。
你用 ChatGPT 写文案、
用 DeepSeek 查资料、
用 Kimi 读长文档、
用所有AI对话工具……
后台跑的全部都是 Transformer。
看懂它，你就能看懂AI的所有优缺点：
AI为什么行文无比流畅？
因为 Transformer 天生擅长概率预测下一个字词。
AI为什么经常一本正经胡说八道？
因为它不会真正理解语义，只是在匹配大数据里的高频语序。
它不是在思考，它是在精准接龙。
05 Transformer，天生自带三大硬伤
没有任何技术是完美的，Transformer 有三个行业皆知、但很少对外科普的短板。
第一：长文本记忆能力严重不足。
哪怕现在AI都卷到 128K、200K（12.8万、20万字）超长上下文窗口。
但文本越长，分配给每个字词的注意力越稀薄。
就像盯着整面墙看，最终哪里都看不清楚。
窗口大，不代表真记住，很多时候只是“假装记住”。
第二：没有真正的推理能力。
Transformer 全程依靠概率拟合，而非逻辑推导。
简单问题能答对，稍微复杂的数理、逻辑闭环问题，就容易崩坏、乱答。
它是模仿答案，不是推演过程。
第三：多轮对话状态追踪差。
聊十几二十轮之后，AI很容易忘掉前文约定、前期信息。
这不是 bug（程序漏洞），是架构天生缺陷：
每一次回答，都是一次独立预测，没有持续记忆状态。
06 MoE，唯一的补救方案，但无法根治问题
现在行业通用的解决方案，就是 Noam Shazeer 自创的 MoE 混合专家模型。
旧模型：一个模型包揽所有任务，笨重、算力消耗巨大。
MoE模型：拆分成无数个“专家模块”，只用哪个、激活哪个。
模型可以做得极大，但每次运行只消耗少量算力。
GPT-4、Gemini、DeepSeek-V3 全部在用这套方案。
但 MoE 只能优化速度、降低成本、放大模型体量。
它解决不了记忆弱、不会推理、状态丢失的底层架构缺陷。
07 AI的下一个时代，即将开启
这次 Shazeer 入驻 OpenAI，不是写代码，不是做迭代。
他的核心任务只有一个：
寻找 Transformer 的替代者，研发下一代AI底层架构。
整个AI行业已经达成共识：
单纯堆参数、堆数据、堆 GPU（运算显卡），收益越来越低。
GPT3到GPT4是质的飞跃，
GPT4到后续版本，提升越来越平缓。
规模定律 Scaling Law（规模缩放定律）正在失效。
未来的突破，不再是“把模型做大”，
而是换掉底层架构，解决三大终极问题：
长文本永久记忆、
真正的逻辑推理、
持续稳定的对话状态追踪。
最懂 Transformer 缺陷的人，就是亲手创造它的人。
由他来颠覆旧时代、开启新时代，再合适不过。
2017年，一篇15页的论文，八个研究者，
彻底把AI从“逐字拼读”带进了“全局感知”的时代。
未来三年，或许就是后 Transformer 时代全面到来的时候。
你觉得，Transformer 还能统治AI多久？
欢迎评论区聊聊。
10个月宝宝每天需要喝多少奶粉？