笔下文学网

手机浏览器扫描二维码访问

ai“规模定律”突破不在“练模型”，在这3个新方向（第1页）

以前聊AI进步，大家总说“模型越大、数据越多，能力就越强”，这就是所谓的“AI Scaling Law（规模定律）”。但现在业界发现，靠“堆规模”练模型的效果越来越差，就像给植物浇水，一开始浇得多长得快，后来再怎么浇，长得也慢了。不过不用慌，AI的发展焦点已经转了方向，接下来的突破会从3个新维度来，咱们一个个用大白话讲透。

一、定律“换赛道”：从“练模型时堆规模”，转向“用模型时提能力”

先搞懂“规模定律”到底在“换”什么。以前的“规模定律”，核心是“预训练规模定律（Pre-trained SL）”，简单说就是“练模型的时候，把数据量、模型参数堆得越大，模型就越聪明”。比如以前练一个语言模型，用1000亿数据、1万亿参数，比用100亿数据、1000亿参数的模型，写文案、答问题的能力强得多。

但现在这条路走不通了——不是堆得越大没用，而是“边际效益平缓”，也就是“多花10倍钱堆规模，能力只多1倍”，不划算。所以行业开始把焦点转向两个新的“规模定律”，相当于从“练内功”转向“练实战”。

第一个转向是“推理规模定律（Inference SL）”。“推理”就是AI“用知识解决问题”的过程，比如你问AI“怎么修漏水的水龙头”，它要从脑子里调出“水龙头结构”“维修步骤”，再组织成你能懂的话，这个过程就是“推理”。以前没人关注“推理”的规模，现在不一样了——行业开始研究“怎么让AI在推理时，能处理更复杂的问题、更长的任务”。比如以前AI只能帮你想“修水龙头的3个步骤”，现在能帮你想“先判断是阀门坏了还是水管漏了，再告诉你买哪种零件，甚至帮你查附近的五金店，对比零件价格”，这就是“推理规模”提升了，能把“解决漏水问题”这个事从头到尾想明白。

第二个转向是最终目标：“智能体规模定律（Agentic SL）”。“智能体”就是咱们之前聊的“能自己干活的AI”，这个定律的核心是“衡量智能体综合能力的规模”。简单说，以前看AI强不强，看“练模型用了多少数据”；以后看AI强不强，看“智能体能不能搞定更复杂的任务、跟更多设备联动”。比如一个智能体，能帮你“搞定出差行程”，这是基础能力；要是能帮你“搞定出差+同步处理工作邮件+跟客户预约面谈+回来后写出差报告”，这就是“智能体规模”更大，综合能力更强。这个定律一旦成熟，AI就能从“只会解决单一问题”变成“能包办一整套事”。

二、范围“扩圈子”：从“只会玩语言”，到“能看、能听、能懂各行各业”

以前的“规模定律”，基本只在“语言模型”里管用，也就是AI“学说话、写文字”的领域。比如练语言模型时，堆的是“文字数据”，提升的是“写文案、翻译、答问题”的能力，其他领域不管。但现在不一样了，“规模定律”开始“扩圈子”，往更多领域延伸，最明显的就是两个方向。

第一个方向是“视觉模型规模定律（Vision SL）”，也就是AI“看东西”的能力。以前AI看图片，只能认出“这是猫”“那是狗”，因为“视觉模型”没怎么堆规模；现在行业开始用“规模定律”练视觉模型——堆更多的图片数据、更大的模型参数，让AI不仅能“认东西”，还能“懂东西”。比如你给AI看一张“厨房乱糟糟的照片”，它不仅能认出“有脏碗、没叠的抹布、散落的调料瓶”，还能告诉你“收拾步骤：先把脏碗放进洗碗机，再叠好抹布，最后把调料瓶归位到橱柜第二层”，甚至能根据照片里的橱柜大小，推荐“买哪种调料架更合适”。这就是“视觉规模”提升了，从“能看”变成“能看懂、能给方案”。

第二个方向是“领域特定规模定律（Domain SL）”，也就是“针对具体行业的规模定律”。以前的AI是“通用选手”，什么行业的问题都能答，但都不精；现在行业开始给AI“分专业”，针对医疗、教育、汽车这些具体领域，用“规模定律”练“专业模型”。比如医疗领域，练模型时堆的不是“通用文字数据”，而是“几百万份病历、几千万张CT影像、几万种疾病的诊疗指南”，这样练出来的医疗AI，不仅能“认出CT里的肿瘤”，还能根据患者的年龄、病史，推荐“先做穿刺检查，还是直接手术”，甚至能对比“不同化疗方案的副作用和治愈率”，给医生参考——这就是“医疗领域的规模定律”，让AI从“懂点医疗常识”变成“半个医疗专家”。

现在这两个方向一扩展，AI就从“只会玩语言的单一选手”，变成“能看、能听、懂各行各业的全能选手”，多模态（又会说、又会看、又会懂专业）的能力越来越强。

这章没有结束，请点击下一页继续阅读！