谷歌DeepMind首席執(zhí)行官德米斯·哈薩比斯近日公開表示，將現有AI系統(tǒng)的規(guī)模擴展至極限，可能是實現通用人工智能（AGI）的核心路徑。這一觀點引發(fā)了硅谷科技界對"規(guī)模定律"應用邊界的持續(xù)討論。作為剛推出Gemini 3模型并獲得業(yè)界認可的AI領軍人物，哈薩比斯在上周的學術交流中指出："當前AI發(fā)展的規(guī)?；M程尚未觸及天花板，這項技術最終可能直接構成AGI系統(tǒng)，或成為其關鍵組成部分。"

通用人工智能（AGI）指具備人類水平認知能力的智能系統(tǒng)，能夠理解、學習并完成人類可執(zhí)行的各類任務。盡管全球頂尖科技企業(yè)都在投入資源研發(fā)，但這項技術至今仍停留在理論階段。支撐當前大模型發(fā)展的規(guī)模定律，本質是揭示模型參數規(guī)模、訓練數據量與計算資源投入之間的量化關系——通常表現為"參數規(guī)模越大、訓練數據越豐富、計算時間越長，模型性能越強"的規(guī)律。

哈薩比斯在闡述技術路線時也保持審慎態(tài)度。他承認單純依賴規(guī)模擴展可能推動AI向AGI演進，但同時指出："要真正實現突破，或許還需要1-2項關鍵技術革新。"這種觀點與部分行業(yè)專家的擔憂形成呼應——隨著公開數據資源逐漸耗盡，持續(xù)擴大模型規(guī)模將面臨數據獲取瓶頸；而建設超大規(guī)模數據中心帶來的能源消耗與環(huán)境影響，也使訓練成本呈指數級增長。有研究機構測算，當前頂尖大模型的訓練能耗已相當于數百個家庭的年用電量。

在硅谷的另一極，前meta首席AI科學家楊立昆（Yann LeCun）公開質疑規(guī)模定律的普適性。這位今年4月在新加坡國立大學演講時直言："多數真正具有挑戰(zhàn)性的智能問題，無法通過簡單堆砌數據和算力解決。"他以人類認知機制為例，強調視覺感知、物理推理等能力需要特定的認知架構支撐，而非單純依賴數據規(guī)模。這種觀點與其正在研發(fā)的"世界模型"項目密切相關——該系統(tǒng)試圖通過構建三維空間數據模型，模擬人類對物理世界的理解方式，形成有別于大語言模型的技術路徑。

據知情人士透露，楊立昆離職meta后創(chuàng)立的新公司，將專注于開發(fā)不依賴文本數據的空間智能系統(tǒng)。這種技術路線若取得突破，可能為AGI研發(fā)開辟全新方向。當前科技界普遍認為，無論規(guī)模擴張派還是架構創(chuàng)新派，其技術路線都面臨數據質量、能源消耗、算力瓶頸等共同挑戰(zhàn)。如何在現有技術框架下實現質變，或通過范式革新突破物理限制，將成為決定AGI發(fā)展進程的關鍵因素。