财联社 12 月 8 日讯（编辑 卞纯）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 去经营自己的初创公司。

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 "。