【新智元导读】2025年就要结束，DeepMind华人研究员万字长文为我们揭秘了谷歌内部对于AI的预言：除了算力，其他一切都是杂音。
今天是2025年的最后一天。在经历一年的模型、算力与资本密集输出后，AI距离通用人工智能（AGI）还有多远？
如果说2024年是人们对AI的好奇之年，那么2025年就是AI深刻影响人类社会之年。
这一年，行业领袖释放出截然不同的信号：
Sam Altman在2025年博文《温和的奇点》中指出：“我们已经知道如何构建AGI，2026年将出现能产生原创见解的系统。”他强调，Scaling Law远未触顶，智能成本将随电力自动化生产趋近于零。
NVIDIA创始人黄仁勋则将焦点从“算力崇拜”转向“AI工厂”。他在2025年底演讲中表示：“AI的瓶颈不再是想象力，而是电力。未来的Scaling Law不仅是模型堆叠，更是推理效率10万倍的飞跃 [2] 。”
Meta前首席科学家Yann LeCun仍持异议：“LLM是通往AGI的死胡同——它没有世界模型，如同空中楼阁 [3] 。”
Scaling Law没死！算力依然就是正义，AGI才刚刚上路
一篇由Google DeepMind研究员Zhengdong Wang撰写的万字长文近期引发广泛关注。文章题为《2025年度长信》，系统回顾了2015年以来AI发展的核心驱动力——算力 [4] 。
尽管外界质疑Scaling Laws已逼近极限，但历史反复验证：算力指数级增长持续催生超越人类预期的AI能力 [5] 。作者结合自身在DeepMind的实践，印证了强化学习教父Richard S. Sutton提出的“苦涩的教训”：通用算力方法终将胜过人类特定技巧 [6] 。
除了算力，其他都是杂音
回望2025年，其意义堪比2012年AlexNet开启的视觉革命。当年AI争论焦点在于“特征工程”与人类智慧博弈；今天，我们已进入一个由算力主导、Scaling Law驱动、AGI刚刚启程的新纪元 [7] 。
算力的信仰：为什么Scaling Law从未失效
2024年底曾出现悲观论调，认为预训练数据枯竭与边际收益递减预示Scaling Law终结。但站在2025年末回看，该规律不仅未失效，更正经历从“暴力堆参数”向“智能密度”的深层演化 [8] 。
十五年一遇的连续性：过去十五年，AI训练算力年均增长4–5倍，这种复合增速在人类技术史上罕见。DeepMind内部观察显示，单次训练所执行的数学运算量已超过可观测宇宙恒星总数 [9] 。Kaplan与Hoffmann等实证研究证实，性能提升与算力呈0.35次方幂律关系：投入10倍算力带来约3倍性能增益；跨越1000倍算力鸿沟，则性能跃升10倍 [10] 。
定性跃迁与涌现能力：Scaling Law不仅降低误差，更触发逻辑推理、复杂指令遵循、事实性修正等“涌现能力”，表明算力本身即一种催生智能的物理量 [11] 。2025年，DeepMind已全面转向“四维Scaling”：
- 预训练Scaling：依托海量多模态数据构建基础认知；
- 后训练Scaling：通过强化学习（RL）实现对齐与偏好优化；
- 推理时Scaling：延长模型“思考时间”以提升决策质量；
- 上下文Scaling：借助超长记忆增强端到端任务能力 [12] 。
在DeepMind亲历的「1000倍算力」瞬间
2021年，Zhengdong Wang参与具身智能（Embodied AI）在3D虚拟环境中导航的攻关。当时共识是瓶颈在于算法精巧度——需优化采样策略与奖励函数。一位同事却提出“鲁莽方案”：不改算法，仅将算力投入增加1000倍 [13] 。
结果令人震撼：那些被认为需突破性人类巧思才能解决的逻辑死角，在海量矩阵乘法下直接“融化”。算法并未变聪明，但规模赋予其类生物本能的鲁棒性 [14] 。这印证了萨顿“苦涩的教训”——人类在AI领域的所谓巧思，在算力指数增长前往往微不足道 [15] 。如今，DeepMind内部通用语已是：“不再问这个问题能不能解，而是问需要多少算力才能解 [16] 。”
基础设施的极限与挑战：1GW时代的到来
当DeepMind讨论算力时，术语已从“PFLOPS”升级为“GW”。2025年，AI不再是纯软件工程，而是土地、能源、定制芯片的终极整合 [17] 。
硬件的代际跨越：Blackwell与Ultra
“AI工厂”概念由黄仁勋在GTC大会提出，而NVIDIA 2025年交付的Blackwell平台，成为DeepMind维持Scaling Law信仰的物理基石 [18] 。GB200 NVL72系统将72颗GPU集成单一引擎，万亿参数模型推理速度较H100提升30倍 [19] 。Blackwell Ultra单芯片显存达288GB，使300B级以上模型可全量驻留，显著提升长上下文与高并发推理能力 [20] 。
电力与散热的硬墙
物理定律仍是严苛约束：单芯片功耗逼近1000W，迫使DeepMind全面采用液冷方案。2025年起，“AI工厂”正式取代“数据中心”称谓 [21] 。谷歌基础设施CEO Amin Vahdat明确要求：未来4–5年内算力能力须增长1000倍，且每六个月翻倍 [22] 。2025年上半年，AI数据中心投资占美国GDP增长逾90% [23] 。DeepMind内部共识是：若能看到1000倍算力带来的智能红利，任何低于此数的投入都是风险 [24] 。
具身智能的突破：SIMA 2与通用Agent的诞生
DeepMind坚信，AGI终极形态不在对话框，而在物理世界。2025年，SIMA 2项目实现了从“理解”到“行动”的关键跨越 [25] 。
像素级交互与开放式学习：SIMA 2作为通用具身智能体，不依赖游戏内部接口，仅通过观察像素与操作键鼠即可在复杂3D虚拟世界中行动。其所习得技能——从基础导航到工具使用——具备极强泛化性，可无缝迁移至全新数字环境，甚至为物理机器人提供大脑 [26] 。更重要的是，它展现“自我进化”能力：结合Gemini基础模型，可自主生成任务、设定奖励，并在无任何人工标注下，通过试错习得新技能 [27] 。
METR时间跨度图：智能的量化加速：作者推崇METR评估体系。两年前，AI稳定完成人类耗时9分钟的任务；至2025年底，已跃升至4小时以上 [28] 。按当前Scaling趋势，2028年AI有望独立完成人类专家需数周才能完成的科研或工程任务 [29] 。
AGI才刚刚上路，正处于爆发的前夜
Zhengdong Wang在文末写道：“这就是我上车的地方——我们现在还极其早。” [30] 尽管2025年已出现能通过IMO金牌测试的模型、可在3D世界自主生存的Agent，但在DeepMind“Post-AGI”团队看来，这仅是序幕。当前仍受限于1GW电力瓶颈、数据采集效率、以及推理成本的“最后几美分” [31] 。
AGI不是终点，而是起点。DeepMind设立Post-AGI团队，正是预见到跨过AGI门槛后，人类社会将面临三重根本挑战：
- 如何管理具备自主进化能力、因算力规模而产生“不可解释性”的智能体？
- 在一个智能成本趋近于零的世界里，人类独特价值如何重构？
- 当AI主导科学研发循环，人类文明的知识边界将以何种速度扩张？ [32]
2025年的真相是：Scaling Law不仅是通往AGI的路径，它本身就是重塑物理世界的哲学 [33] 。那些仍在争论泡沫的人，或许尚未意识到——这场由1000倍算力掀起的风暴，已将人类送入一个不可逆的新纪元。
对于AI的拥趸，所有人正满怀敬畏地看着那列名为“智能”的火车加速驶向远方。我们并非在等待奇迹，我们正在亲手塑造它。
AGI，才刚刚上路。 [34]