人工智能（AI）模型的表现，对于那些投资和部署相关技术的企业来说至关重要。但目前，大型语言模型的发展进步是否正在放缓，依然是一个备受争议的话题。

这场讨论的焦点，集中在人工智能的缩放定律上。

由美国OpenAI公司推广的AI缩放定律背后的逻辑相对简单：即在更多的计算资源上训练出的更大规模的模型，将会获得更好的性能。OpenAI公司在2020年发布的论文《神经语言模型的缩放定律》，是首篇展示缩放定律且具有深远影响的文献。

谷歌DeepMind于2022年发表的论文《训练计算优化大型语言模型》则提出了一个关键观点：影响模型性能的两个关键因素，是数据（而非模型大小）以及计算能力。他们的Chinchilla模型的规模不到GPT-3的一半，但其数据量却是GPT-3的四倍，性能也因此超越了GPT-3。

Y Combinator创业加速器的总裁Garry Tan在其视频系列YC Decoded中表示：“在过去的几年里，人工智能实验室似乎找到了一种行之有效的策略：扩展更多的参数，更多的数据，以及更多的计算资源。持续扩展模型，它们就会不断进步。”

但有迹象表明，最初的性能飞跃正在减缓。

UST公司人工智能和机器学习首席架构师Adnan Masood在一篇博客文章中写道，数据和计算这两大扩展的主要驱动力正变得日益稀缺和昂贵。“这些趋势强烈地表明，大型语言模型目前的轨迹正趋于平缓。”

例如，在知识问答、数学应用题和编程测试中，改进的幅度正在“变平”。Masood指出，在MMLU基准知识测试中，GPT-3的记录为43.9%，到2023年GPT-4翻了一番，达到86.4%，但此后在2024年停滞在90%。

Tan提出疑问：“如果旧的缩放定律开始失去优势，那么接下来会发生什么？”

Tan和Masood的答案一致：缩放定律正在发生改变。人工智能模型的性能仍在进步，但这主要是由于新技术，而不仅仅是扩大数据和计算能力。

Tan表示，这正是OpenAI公司在GPT系列之后推出其o1和o3人工智能推理模型的原因。对于o（或称omni）模型，OpenAI使用了“思维链”技术，让模型能够深入思考其答案。结果是性能得到了提升。（OpenAI跳过了将模型命名为o2，因为它是一家电信供应商的名称。）

Tan说：“OpenAI的研究人员发现，o1思考的时间越长，其表现就越好。现在，随着其继任者o3的最新发布，这种新型的LLM扩展模式的前景似乎是无限的。”

Tan表示，o3“打破了之前被认为人工智能遥不可及的基准”。

新媒网跨境了解到，根据Innovation Endeavors于2025年6月发布的一份报告显示，在美国，领先的人工智能模型保持使用率榜首的时间仅为大约三周，之后就会被超越，特别是被开源竞争对手超越。模型的发布周期仍然很快，尽管不再是指数级的增长。

缩放定律尚未消亡，但人工智能社区正在为未来做准备，这个未来将强调更智能的架构、推理驱动的模型以及分布式数据源的使用。新媒网认为，人工智能领域正迎来一个更加注重创新和效率的新阶段。

新媒网跨境获悉，随着数据和计算资源日益受限且成本上涨，传统缩放定律推动的人工智能性能提升正在放缓，这导致了像MMLU这样的关键基准测试结果趋于平稳。

包括“思路链”推理和优化训练方法在内的新技术，例如OpenAI的o系列模型所采用的技术，正在逐渐取代传统的蛮力扩展方式，以实现性能的提升。

新媒网跨境认为，尽管美国的模型开发依然快速，但随着传统扩展带来的收益递减，重点正逐渐转向更智能的架构和基于推理的人工智能。

外媒报道提到，人工智能模型在美国的使用周期正在缩短，开源模型的竞争力日益增强，整个行业正在积极探索新的发展路径。

新媒网跨境了解到，尽管缩放定律尚未完全失效，但人工智能领域正在为未来做准备，未来将更加重视智能架构、推理驱动的模型以及分布式数据源的运用。 这一转变预示着人工智能发展方向的重大调整。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/7519.html