文章讨论了谷歌DeepMind CEO德米斯・哈萨比斯关于规模定律（scaling laws）在实现通用人工智能（AGI）中的关键作用的观点，同时提到了硅谷对此的不同看法，包括前Meta首席AI科学家杨立昆的反对意见。

12 月 8 日消息，据《商业内幕》昨天报道，谷歌 DeepMind CEO 德米斯・哈萨比斯（Demis Hassabis）最近表示，扩大 AI 模型规模是实现通用人工智能（AGI）的关键。

据报道，硅谷各界人士一直在进行一场持续的争论：规模定律（scaling laws）究竟能让 AI 走向何方？

刚刚凭借 Gemini 3 获得广泛赞誉的谷歌 DeepMind CEO 德米斯・哈萨比斯在上周表示：“我们必须把当前 AI 的规模化推向极致，它最终会成为通用人工智能的关键组成部分，甚至有可能构成整个通用人工智能系统”。

IT之家注：通用人工智能（AGI）指的是具备与人类同等智能或超越普通人类的人工智能，能表现正常人类所具有的所有智能行为，目前仍处于理论状态，全球领先的 AI 公司都在为此投入，争夺头牌。

而规模定律（scaling laws）指的是机器学习领域描述性能与模型规模、训练数据集大小及计算资源之间可预测关系的经验性规律，被 AI 业界视为大模型预训练的核心原则，可以用“模型越大 + 数据越多训练越久＝越聪明”来理解。

回到正文，哈萨比斯还认为，只靠规模定律或许能让 AI 走向 AGI，但他也怀疑最终可能需要一到两个额外的突破才能达成 AGI。

但规模定律并非完美无缺，毕竟公开的数据总量是有限的，而且增加算力意味着要建设更多数据中心，会导致训练成本越来越高昂，且对自然环境造成压力。一些关注 AI 的专家也担心，大语言模型公司持续投入规模定律会出现投入产出递减现象。 与此同时，硅谷也出现了另一派声音，其中前 Meta 首席 AI 科学家、近期宣布离职创业的 Yann LeCun（杨立昆）就认为，AI 行业不能只靠规模定律。

他今年 4 月在新加坡国立大学（NUS）表示：“大多数真正有趣的问题在规模定律下表现得极其糟糕，你不能简单地认为堆数据和堆算力就能产出更聪明的 AI”。

据悉，他离开 Meta 是为了构建一款不依赖语言数据，而是依靠空间数据的“世界模型”AI 体系，可以被视为大语言模型的替代方案。