谷歌DeepMind首席執(zhí)行官德米斯·哈薩比斯近日公開表示，將現(xiàn)有AI模型的規(guī)模擴(kuò)展至極限是實現(xiàn)通用人工智能（AGI）的核心路徑。這位憑借Gemini 3模型引發(fā)行業(yè)關(guān)注的科學(xué)家認(rèn)為，單純依靠擴(kuò)大模型參數(shù)、增加訓(xùn)練數(shù)據(jù)和計算資源，可能成為構(gòu)建AGI的關(guān)鍵組成部分，甚至直接構(gòu)成完整系統(tǒng)。但他同時指出，完全依賴規(guī)模定律或許存在局限性，最終可能需要一到兩次技術(shù)突破才能徹底突破瓶頸。

規(guī)模定律作為機(jī)器學(xué)習(xí)領(lǐng)域的核心原則，描述了模型性能與規(guī)模、數(shù)據(jù)量及算力之間的量化關(guān)系。其通俗理解可概括為：參數(shù)規(guī)模越大、訓(xùn)練數(shù)據(jù)越豐富、計算時間越長，模型智能水平越高。這一經(jīng)驗性規(guī)律已成為當(dāng)前大模型研發(fā)的核心依據(jù)，全球頂尖科技公司均圍繞其展開技術(shù)競賽。但哈薩比斯承認(rèn)，該路徑面臨現(xiàn)實挑戰(zhàn)——公開可用數(shù)據(jù)總量存在天然上限，持續(xù)增加算力不僅推高訓(xùn)練成本，還會加劇能源消耗與碳排放問題。

行業(yè)內(nèi)部對此存在顯著分歧。前meta首席AI科學(xué)家楊立昆（Yann LeCun）公開質(zhì)疑規(guī)模定律的普適性。他在新加坡國立大學(xué)演講時強(qiáng)調(diào)，多數(shù)復(fù)雜問題無法通過單純堆砌數(shù)據(jù)和算力解決，例如需要理解物理世界的場景。這位近期離職創(chuàng)業(yè)的學(xué)者透露，其新項目將聚焦構(gòu)建"世界模型"，通過空間數(shù)據(jù)而非語言數(shù)據(jù)訓(xùn)練AI，試圖開辟區(qū)別于大語言模型的技術(shù)路線。

當(dāng)前AI領(lǐng)域?qū)GI的探索呈現(xiàn)兩條并行路徑：一條延續(xù)規(guī)模定律，通過持續(xù)擴(kuò)大模型邊界逼近人類智能；另一條則試圖突破現(xiàn)有框架，尋找更高效的認(rèn)知架構(gòu)。哈薩比斯代表的第一陣營認(rèn)為，現(xiàn)有技術(shù)路線尚未觸及理論極限，而楊立昆等學(xué)者則警告過度依賴規(guī)?？赡軐?dǎo)致資源錯配。這場爭論折射出AI發(fā)展進(jìn)入深水區(qū)后的戰(zhàn)略選擇困境——在算力競賽與范式革新之間，行業(yè)尚未形成共識性方向。