眼下，全球科技巨头正争相砸重金搭建超大规模基础设施，他们信奉“大力出奇迹”，相信更多的资金投入将让他们在人工智能（AI）竞赛中立于潮头。

　　在此背景下，硅谷正掀起一场论战：“规模定律” （scaling laws）究竟能将AI技术推向何方？

　　谷歌旗下AI研究公司DeepMind的首席执行官Demis Hassabis日前明确表达了他在这一问题上的立场。DeepMind近日发布了Gemini 3 AI大模型，并收获了广泛好评。

　　上周，Hassabis在旧金山举办的一场人工智能峰会上表示：“就当前系统的规模化发展而言，我们必须将其推向极致，因为这最终将成为通用人工智能（AGI）系统的关键组成部分，甚至有可能构成整个通用人工智能系统”。

　　通用人工智能（AGI）目前仍停留在理论层面，是一种具备与人类同等推理能力的人工智能。AGI是所有头部人工智能企业竞逐的终极目标，正因如此，企业才会在基础设施与人才领域投入巨额资金。

　　而AI规模定律的核心逻辑是：向AI模型投喂的数据越多、投入的算力越大，模型的智能水平就越高。

　　Hassabis认为，仅靠规模定律或许就能让整个行业实现AGI，但他同时也猜测：要实现这一目标，可能还需要一到两项其它技术突破。

　　单纯依赖规模化存在明显瓶颈。一方面，公开可用的数据量是有限的；另一方面，增加算力意味着要建设更多数据中心，这不仅成本高昂，还对环境造成巨大压力。

　　一些AI观察人士还担心，大模型背后的AI公司在规模化方面的巨额投入将显示出回报递减的趋势。

　　包括Meta首席人工智能科学家杨立昆在内的一些科技大佬认为，AI行业不能只靠规模定律，需要探索另一条发展路径。杨立昆最近宣布，他将离开Meta并创立一家AI公司。

　　杨立昆今年 4 月在新加坡国立大学（NUS）表示：“大多数真正有趣的问题在规模定律下表现得都极其糟糕，你不能想当然地认为，更多的数据和更多的算力就意味着更智能的人工智能”。

　　作为ChatGPT的核心缔造者，OpenAI联合创始人、前首席科学家伊尔亚·苏茨克维（Ilya Sutskever）近日也挑战了规模化可能是AI进步的关键路线图的传统观点。

　　他表示，AI行业应告别简单的“规模化”堆积，重新回归到注重底层创新的“研究时代”。