好，今晚聊聊Scaling Law的边际递减到底意味着什么。

先解释一下背景：Scaling Law说的是「模型越大、数据越多、算力越强，模型就越聪明」。过去几年整个AI行业的狂奔就是建立在这个信念上的——只要我砸足够多的GPU，AGI就一定会出现。

但最近越来越多信号表明，Scaling Law在碰到瓶颈。GPT-5的成本涨了5倍，能力提升可能只有20-30%。不只是OpenAI，Google和Anthropic也遇到类似问题。

如果Scaling Law真的在减速，那行业会发生几件事：

第一，模型层的竞争会从「谁更大」变成「谁更聪明地用有限算力」。蒸馏、稀疏、混合专家这些效率技术会比堆GPU更重要。

第二，应用层会爆发。因为模型层不再一年提升10倍了，应用开发者可以放心地在当前模型能力上建东西，不用担心下个月模型一升级你的产品就被碾压。

第三，数据的重要性会更加突出。算力堆不出更聪明的模型时，更好的数据质量就成了唯一的差异化。这也是为什么我一直在说数据采集这件事——具身智能、AI制药、所有「AI+物理世界」的赛道，数据的壁垒比模型的壁垒更深。

说实话，Scaling Law减速对整个行业来说不是坏事。它逼着大家从「烧钱堆算力」转向「用巧劲做应用」。泡沫会挤掉，真正有价值的东西会留下来。

你怎么看？如果GPT-5的提升不如预期，会影响你对AI的信心吗？

AI ScalingLaw GPT5 行业判断