把信息拆开揉碎，你会看到一条清晰的主线。过去几个月，一个安静但重要的讨论在业界蔓延：再把算力翻一倍，模型能力是否还能像过去那样线性兑现。Scaling Law这条被信奉多年的增长曲线，似乎正在逼近它的膝盖点。
为什么说scaling law的边际回报在递减？
所谓scaling law，是指模型性能随参数量、数据量、算力呈平滑可预测的幂律提升。但当模型参数踏入万亿级、语料逼近用尽，继续堆规模换来的增益开始肉眼可见地变缓，账单却指数膨胀。Anthropic招股书里5180亿美元的算力承诺，正是这条曲线的代价侧写。更麻烦的是数据侧：高质量人类语料被认为在数年内就会被耗尽，这是OpenAI转向合成数据的根本动因。规模红利的两条腿——参数与语料——同时开始遇到天花板。对普通人和小团队来说，这里藏着可操作的机会。
除了堆参数与算力，逼近AGI还有哪些杠杆？
业界正在把希望押到几条新杠杆上：其一是推理时计算，让模型「想得更久」而非「长得更大」；其二是世界模型与具身智能，让模型从环境交互中获取新经验；其三是算法架构本身的重写，挑战Transformer一家独大的局面。这三条路本质上都在回答同一个问题：当「更大」不再划算，智能还能从哪里长出来。答案大概率不是单一方向，而是三者与算力的再组合。从产业视角看，这件事正在改写普通人的选择逻辑。
拐点叙事是泡沫预警，还是技术换轨的信号？
拐点叙事要分两面看：它既可能是AI泡沫要破的预警，提醒市场不要为无上限算力债务买单；也可能只是技术范式换轨的正常信号，就像当年摩尔定律放缓不代表芯片业终结。历史上每次增长曲线变缓，都是工程红利让位给理论突破的时刻。对旁观者的启示是：别再只盯模型排行榜，下一个十年的竞争位，属于那些率先掌握新杠杆的团队。把镜头拉远，Scaling Law 背后其实是需求和供给的双向奔赴。
Scaling law不是失效，而是在提醒行业：单纯堆规模的时代正在过去。下一段AGI征程，属于算法、数据与身体的再组合。
去论坛讨论
前往 silicon-agi.com 论坛 参与讨论
💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com
