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：

「我們已經知道如何構建AGI，2026年我們將看到能夠產生原創見解的系統。」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，隨著算力的指數級增長，AI模型不斷涌現出超越人類預期的能力。

作者結合自己在DeepMind的工作經歷，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是否已經撞墻？

算力的信仰：為什么Scaling Law從未失效

在2024年底，業內曾出現過一陣強烈的悲鳴，認為預訓練數據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，它正在經歷一場從「暴力堆參數」到「智能密度」的深刻演化。

十五年一遇的連續性

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。

這種指數級的復合增長，在人類技術史上是罕見的。

在DeepMind內部觀察到，模型在訓練過程中所消耗的數學運算量，已經超過了可觀測宇宙中的恒星數量。

這種增長并非盲目，而是建立在極其穩定的經驗公式之上。

根據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，模型會突然展現出邏輯推理、復雜指令遵循以及事實性修正等「涌現能力」。

這種現象意味著，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

   通過海量多模態數據構建基礎認知。

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經歷的那次實驗，就是微觀的啟示錄。

那次經歷徹底重塑了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虛擬環境中的導航與交互問題。

那是典型的「硬核AI」挑戰，涉及到復雜的強化學習算法優化。

當時的共識是：這個問題的瓶頸在于算法的精妙程度，在于我們如何設計更優的采樣策略和獎勵函數。

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年的今天已經成為了DeepMind內部的通用語：

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，讓我們敢于在數據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：1GW時代的到來

Zhengdong Wang還提供了額外的視角。

當DeepMind在內部討論算力時，話題已經從「PFLOPS」轉向了「GW」。

2025年，AI不再僅僅是代碼，它是重工業，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系統將72顆GPU互聯為一個單一的超級計算引擎，其萬億參數模型的推理速度比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「數據中心」。

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

這種壓力不僅體現在金錢上。

2025年上半年，AI數據中心投資占據了美國GDP增長的90%以上。

盡管外界擔心泡沫，但DeepMind內部的視角是：

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，它不依賴于游戲內部的數據接口，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字環境，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只能穩定完成人類耗時9分鐘的任務；而到了2025年底，這個數字已經躍升到了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周才能完成的科研或工程任務。

AGI才剛剛上路，正處于爆發的前夜

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

盡管2025年我們已經看到了能過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，受困于數據采集的效率，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才剛剛開始：

• 如何管理那些能夠自主進化、且由于算力規模而產生「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開始主導科學研發的循環，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，互聯網思想（wanging0123)，

第一必讀自媒體