廣東
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?！顾麍猿终J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?！?/strong>
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?！?/strong>
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」：
- 預訓練Scaling
通過海量多模態數據構建基礎認知。
- 后訓練Scaling
利用強化學習（RL）進行對齊和偏好優化。
- 推理時Scaling
即讓模型在回答前「想得更久」。
- 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
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
