DeepMind華人研究員萬字揭曉一個AI大秘密：Scaling Law沒死，算力即一切

來源：新智元

【導讀】2025年就要結束，DeepMind華人研究員萬字長文為我們揭秘了谷歌內(nèi)部對于AI的預言：除了算力，其他一切都是雜音。

今天是2025年的最后一天了，很多人都在這一天進行AI回顧總結。

在經(jīng)歷一年的模型、算力、資本的新聞轟炸后，AI距離通用人工智能還有多遠？

如果說2024年是人們對于AI的好奇之年，那么2025年就是AI深刻影響人類社會之年。

在這充滿變數(shù)的一年里，我們聽到了截然不同的聲音：

Sam Altman在2025年中的博文《溫和的奇點》中大膽預言：

「我們已經(jīng)知道如何構建AGI，2026年我們將看到能夠產(chǎn)生原創(chuàng)見解的系統(tǒng)。」他堅持認為，Scaling Law遠未觸及天花板，智能的成本將隨著電力的自動化生產(chǎn)而趨近于零。

NVIDIA的黃仁勛則將目光從「算力崇拜」轉向了「AI工廠」。

他在2025年底的一次演講中提到：

「AI的瓶頸不再是想象力，而是電力。未來的Scaling Law不僅是模型的堆疊，更是推理效率10萬倍的飛躍。」

相比之下，Meta的前首席科學家Yann LeCun依然嘴炮，他甚至在離職創(chuàng)辦新公司前公開表示：

「LLM是通往 AGI 的死胡同，它沒有世界模型，就像一個沒有軀體的空中樓閣。」

2026年，Scaling Law是否還能繼續(xù)玩下去？

對于這個問題，一篇來自DeepMind華人研究員的萬字長文在社交網(wǎng)絡火了：

Scaling Law沒死！算力依然就是正義，AGI才剛剛上路。

文章地址：https://zhengdongwang.com/2025/12/30/2025-letter.html

本文是Google DeepMind研究員Zhengdong Wang撰寫的2025年度長信。

作者以獨特的個人視角，回顧了從2015年至今AI領域的劇變，并深刻剖析了驅動這一切的核心動力——算力。

盡管外界對Scaling Laws存疑，但歷史反復證明，隨著算力的指數(shù)級增長，AI模型不斷涌現(xiàn)出超越人類預期的能力。

作者結合自己在DeepMind的工作經(jīng)歷，驗證了強化學習教父Richard S. Sutton「苦澀的教訓」：

通用算力方法終將戰(zhàn)勝人類的特定技巧。

這也是我們今年最大的感受！

除了算力，其他都是雜音

2025年12月30日，當回望這波瀾壯闊的一年時，腦海中浮現(xiàn)的是十五年前那場由AlexNet開啟的視覺革命。

那場辛頓、李飛飛、Ilya都參與的大會，或許就是如今AI時代的真正萌芽。

那時，大多數(shù)人認為人工智能僅僅是關于「特征工程」和「人類聰明才智」的博弈，而今天，我們已經(jīng)進入了一個完全不同的維度：

一個由算力主導、由Scaling Law驅動、且AGI（通用人工智能）才剛剛踏上征途的紀元。

最近大家關注的焦點無外乎：Scaling Law是否已經(jīng)撞墻？

算力的信仰：為什么Scaling Law從未失效

在2024年底，業(yè)內(nèi)曾出現(xiàn)過一陣強烈的悲鳴，認為預訓練數(shù)據(jù)的枯竭和邊際收益的遞減標志著Scaling Law的終結。

然而，站在2025年的終點，我們可以負責任地說：

Scaling Law不僅沒死，它正在經(jīng)歷一場從「暴力堆參數(shù)」到「智能密度」的深刻演化。

十五年一遇的連續(xù)性

我們要理解Scaling Law，首先要看到它的歷史韌性。

研究顯示，過去十五年里，用于訓練AI模型的算力每年以四到五倍的速度增長。

這種指數(shù)級的復合增長，在人類技術史上是罕見的。

在DeepMind內(nèi)部觀察到，模型在訓練過程中所消耗的數(shù)學運算量，已經(jīng)超過了可觀測宇宙中的恒星數(shù)量。

這種增長并非盲目，而是建立在極其穩(wěn)定的經(jīng)驗公式之上。

根據(jù)Kaplan和Hoffmann等人的實證研究，性能與算力之間存在著明確的冪律關系：性能提升與算力的0.35次方成正比。

文章地址：https://fourweekmba.com/ai-compute-scaling-the-50000x-explosion-2020-2025/

這意味著，每投入10倍的算力，大約能帶來3倍的性能增益；而當我們跨越1000倍的算力鴻溝時，性能的提升將達到驚人的10倍量級。

定性躍遷與涌現(xiàn)能力

Scaling Law最迷人的一點在于，它不僅帶來了定量的誤差減少，更誘發(fā)了不可預測的定性躍遷。

在DeepMind的實驗中，隨著算力的增加，模型會突然展現(xiàn)出邏輯推理、復雜指令遵循以及事實性修正等「涌現(xiàn)能力」。

這種現(xiàn)象意味著，算力不僅僅是燃料，它本身就是一種能夠催生智能的物理量。

2025年的真相是：我們已經(jīng)從單純的「預訓練Scaling」轉向了「全四個維度Scaling」：

1. 預訓練Scaling

   通過海量多模態(tài)數(shù)據(jù)構建基礎認知。

2. 后訓練Scaling

   利用強化學習（RL）進行對齊和偏好優(yōu)化。

3. 推理時Scaling

   即讓模型在回答前「想得更久」。

4. 上下文Scaling

   通過超長記憶提升端到端任務能力。

在DeepMind親歷的「1000倍算力」瞬間

如果說Scaling Law是宏觀的哲學，那么2021年Zhengdong Wang在DeepMind經(jīng)歷的那次實驗，就是微觀的啟示錄。

那次經(jīng)歷徹底重塑了Zhengdong Wang的「智能觀」，也讓Zhengdong Wang理解了為什么說「算力即正義」。

算法聰明才智的貶值

當時，DeepMind團隊正在嘗試解決具身智能（Embodied AI）在3D虛擬環(huán)境中的導航與交互問題。

那是典型的「硬核AI」挑戰(zhàn)，涉及到復雜的強化學習算法優(yōu)化。

當時的共識是：這個問題的瓶頸在于算法的精妙程度，在于我們?nèi)绾卧O計更優(yōu)的采樣策略和獎勵函數(shù)。

然而，一位同事提出了一個近乎「魯莽」的方案：不要改算法，直接把算力投入增加一千倍。

在那次算力狂飆之后，奇跡發(fā)生了！

那些原本被認為需要突破性人類巧思才能解決的邏輯死角，在海量的矩陣乘法面前直接「融化」了。

算法并沒有變聰明，但規(guī)模賦予了它一種類似于生物本能的魯棒性。

算力之波的沖擊

那一刻，Zhengdong Wang深刻體會到了理查德·薩頓（Richard Sutton）在《苦澀的教訓》中所表達的真理：

人類在AI領域的所謂「巧思」，在算力的指數(shù)增長面前往往不值一提。

這種realization就像是一股巨大的「算力之波」從你身上碾過，讓你意識到，與其苦思冥想如何優(yōu)化那1%的算法效率，不如直接去擁抱那1000倍的算力擴張。

這種視角在2025年的今天已經(jīng)成為了DeepMind內(nèi)部的通用語：

我們不再問「這個問題能不能解」，而是問「這個問題需要多少算力才能解」。

正是這種心態(tài)，讓我們敢于在數(shù)據(jù)中心投資上砸下遠超阿波羅計劃的重金。

基礎設施的極限與挑戰(zhàn)：1GW時代的到來

Zhengdong Wang還提供了額外的視角。

當DeepMind在內(nèi)部討論算力時，話題已經(jīng)從「PFLOPS」轉向了「GW」。

2025年，AI不再僅僅是代碼，它是重工業(yè)，是土地、能源和定制硅基芯片的終極整合。

硬件的代際跨越：Blackwell與Ultra

這種終極整合，用一個詞概括就是「AI工廠」，正是黃仁勛在GTC大會所提出的概念。

Wang認為，NVIDIA在2025年交付的Blackwell平臺，是DeepMind能夠維持Scaling Law信仰的物理基礎。

GB200 NVL72系統(tǒng)將72顆GPU互聯(lián)為一個單一的超級計算引擎，其萬億參數(shù)模型的推理速度比H100提升了30倍。

BlackwellUltra的推出更是將單芯片顯存推向了288GB的極限，這意味著即使是300B以上的模型，也可以在不需要顯存卸載的情況下完整駐留，這對于長上下文和高并發(fā)推理至關重要。

電力與散熱的硬墻

然而，物理定律依然嚴苛。

單芯片功耗逼近1000W，讓DeepMind不得不全面轉向液冷方案。

2025年，開始談論「AI工廠」而非「數(shù)據(jù)中心」。

谷歌的基礎設施首席執(zhí)行官Amin Vahdat在內(nèi)部會議中明確指出，為了滿足爆發(fā)式的算力需求，我們必須每六個月將算力能力翻倍，并在未來4-5年內(nèi)實現(xiàn)1000倍的增長。

這種壓力不僅體現(xiàn)在金錢上。

2025年上半年，AI數(shù)據(jù)中心投資占據(jù)了美國GDP增長的90%以上。

盡管外界擔心泡沫，但DeepMind內(nèi)部的視角是：

如果你能看到1000倍算力帶來的智能紅利，那么任何低于這個數(shù)字的投入都是一種風險。

具身智能的突破：SIMA 2與通用Agent的誕生

在DeepMind，始終認為AGI的終極形態(tài)不在對話框里，而在物理世界中。

2025年，SIMA 2項目展示了從「理解」到「行動」的跨越。

像素級交互與開放式學習

SIMA 2是一個通用的具身智能體，它不依賴于游戲內(nèi)部的數(shù)據(jù)接口，而是像人類一樣，通過觀察像素和操作鍵盤鼠標在復雜的3D虛擬世界中行動。

這種設計確保了它所習得的技能——從基礎的導航到復雜的工具使用——具有極強的泛化性，可以無縫遷移到完全不同的數(shù)字環(huán)境，甚至為未來的物理機器人提供大腦。

更重要的是，SIMA 2展示了「自我進化」的能力。

通過與Gemini基礎模型的結合，它可以自主生成任務、自我設定獎勵，并在沒有任何人類標注的情況下，通過不斷的嘗試和錯誤習得新技能。

擴展閱讀：我的王者榮耀有救了！谷歌發(fā)布游戲SIMA 2，不開外掛「像人一樣」練級

METR時間跨度圖：智能的量化加速

在評估進展時，作者最推崇的是METR的時間跨度圖。

兩年前，AI只能穩(wěn)定完成人類耗時9分鐘的任務；而到了2025年底，這個數(shù)字已經(jīng)躍升到了4小時以上。

按照目前的Scaling趨勢，到2028年，AI有望獨立完成人類專家需要數(shù)周才能完成的科研或工程任務。

AGI才剛剛上路，正處于爆發(fā)的前夜

在結尾，Zhengdong Wang寫道：「這就是我上車的地方——我們現(xiàn)在還極其早。」。

盡管2025年我們已經(jīng)看到了能過IMO的金牌模型，看到了能自主在3D世界中生存的Agent，但在DeepMind的「Post-AGI」團隊看來，這僅僅是序幕。

我們依然受困于1GW的電力瓶頸，受困于數(shù)據(jù)采集的效率，受困于推理成本的最后幾美分。

AGI不是終點，而是起點！

DeepMind之所以成立Post-AGI團隊，是因為預見到：

當AGI的門檻被跨過那一刻，人類社會真正需要面對的挑戰(zhàn)才剛剛開始：

• 如何管理那些能夠自主進化、且由于算力規(guī)模而產(chǎn)生「不可解釋性」的智能體？

• 在一個智能成本趨近于零的世界里，人類的獨特價值如何重構？

• 當AI開始主導科學研發(fā)的循環(huán)，人類文明的知識邊界將以何種速度擴張？

2025年的真相是，Scaling Law不僅是通往AGI的路徑，它本身就是一種重塑物理世界的哲學。

那些還在爭論泡沫的人，或許還沒意識到，這股由1000倍算力卷起的風暴，已經(jīng)將人類送往了一個再也回不去的紀元。

對于AI的擁躉，所有人正滿懷敬畏地看著那列名為「智能」的火車加速駛向遠方。

我們并非在等待奇跡，我們正在親手塑造它。

AGI，才剛剛上路。

參考資料：

https://zhengdongwang.com/2025/12/30/2025-letter.html

為偉大思想而生！

AI+時代，互聯(lián)網(wǎng)思想（wanging0123)，

第一必讀自媒體