人工智能亟需理论破局规模堆砌走欠亨久远将来

　　参取过三代大模子研发取优化的业内资深架构师王浩，连系一线工做履历分享道：“我们团队曾花费半年时间，投入海量算力优化模子的逻辑表示，不竭弥补优良推理类锻炼数据、升级硬件设备。最终成果是，简单推理使命的精确率略有提拔，但复杂问题照旧无法妥帖处置。我们由此认识到，问题根源不正在于算力强弱，而是底层算法取理论框架，本身就不支撑深度思虑。”？。

　　放眼将来，当行业脱节纯真堆砌硬件的固有思维，从头回归智能素质的研究，人工智能才能实正冲破现有鸿沟，孕育出全新形态，为各行各业带来实正性的变化。

　　十七至十八世纪，蒸汽机送来持续改良期。工匠取工程师不竭扩大汽锅容积、添加气缸数量、优化传动布局，一步步提拔蒸汽机的功率取运转效率，即是典型的工程优化取规模升级。长达百年的硬件升级，让蒸汽机支持起第一次工业的出产需求，但无论若何放大机械体量、提拔动力输出，都无法催生出电磁学理论，更不成能电力时代。

　　“深度进修的焦点逻辑，是依托海量数据完成概率拟合，素质方向归纳取复刻，而非演绎取思虑。这套理论从降生之初，就决定了模子难以具有自从见识、严谨逻辑取原创创制能力。” 周明注释道，“就像用改良蒸汽机的思去研发电动机，成长标的目的本身存正在局限，硬件机能再强大，也跳不出固有的鸿沟。现在行业将九成以上资本投向硬件扩容，针对根本理论的投入严沉不脚，这是整个范畴最大的现患。”！

　　计较机范畴的成长轨迹同样遵照，晚期计较机依托添加实空管、晶体管数量提拔运算速度，硬件体量越来越复杂，但焦点运算逻辑一直不曾改变。冯・诺依曼提呈现代计较机架构理论后，整个行业才有了同一的成长标的目的，后续芯片微型化、算力提拔、软件生态搭建，属于持续的工程优化。

　　模子参数规模也正在不竭刷新记载。2020 年全球规模最大的人工智能模子，参数量尚未冲破千亿；2023 年，万亿参数模子成为行业支流；进入 2025 年，已有多家机构推出十万亿级参数大模子。行业内部慢慢构成一种固有认知：参数体量越大、运算能力越强，模子分析表示就越超卓。芯片厂商全力研发运算能力更强的加快芯片，办事器厂商加急推出高密度算力集群，数据核心扎堆落地扶植，整条财产链环绕算力扩容高速运转。

　　近五年，全球人工智能范畴算力耗损呈现指数级上涨，按照全球算力研究机构 OpenAI 发布的行业逃踪演讲，2018 年至 2025年，锻炼支流狂言语模子所需的运算能力每 3。4 个月就实现翻倍增加，增加速度远超典范摩尔定律的迭代节拍。2018 岁首年月代大模子完成锻炼，仅需数 PFLOPS・天的运算量；而 2025 年面世的头部千亿、万亿参数大模子，单次完整锻炼所需算力冲破2。3 EFLOPS・天。电力耗损、场地运维等各项成本核算，单次完整锻炼的最高破费可达1。2 亿美元。

　　为何纯真叠加硬件规模，无法培育出高阶智能？数百年的科技演进过程频频印证：工程规模的叠加，只能优化现有手艺；底层理论的立异，才能斥地全新时代。

　　算力堆砌带来的各类短板，早已正在现实使用和学术测评中全面，行业内部对于 “规模盈利逐渐衰退” 的认知，已然构成遍及共识。起首是复杂逻辑推演能力存正在较着短板。正在国际数学竞赛、专业逻辑推理测评中，头部超大参数大模子的失误率一直居高不下。面临多步调数理证明、冗长逻辑链条梳理、笼统法则总结等使命，模子时常呈现逻辑断裂、前后表述矛盾、推导偏离标的目的等问题。即便持续添加锻炼算力、扩充锻炼数据，这类高阶能力也没有本色性改善。究其底子，统计进修理论无法支持严谨的演绎推理，这是底层理论存正在缺陷，并非算力不脚导致。其次是认知能力处于空白形态。现有大模子只能抓取数据里的联系关系特征，无读事物背后的逻辑。举一个简单例子，模子能够依托海量文本总结出 “打雷之后常会下雨”，却无法厘清、云层、降雨三者之间的物理道理。面临从未呈现正在锻炼素材中的全新场景、目生问题，模子只能生硬拼接已有内容，无法自从阐发、判断、推导，这也是人工智能难以涉脚高端科研、原创研发范畴的焦点缘由。第三是原创创制能力遭到极大。目前人工智能参取的写做、绘画、设想、科研辅帮等工做，素质都是对现有做品、数据、学问的沉组取再制。人类汗青上传播至今的文学典范、科学、艺术佳做，都源自思维层面的原创冲破，而依托数据拟合运转的模子，并不具备这类底层能力。

　　算力投入的边际效益持续走低，相关测算数据显示，2022 年之前，算力每提拔一倍，模子分析能力评分可提拔 18% 摆布；到 2026 年，划一算力增幅下，模子能力提拔幅度不脚 3%，大量运算资本被无效耗损。取此同时，硬件堆砌带来的能耗压力、设备成本、运维承担也正在不竭加沉。国度能源局统计数据表白，国内大型智算核心全年耗电量，堪比一座中小型城市，居高不下的能耗，曾经让多地启动能耗管控预警。

　　国内市场同样热度高涨。工信部公开统计数据显示，2025 年我国建成及正在建智算核心数量超 240 座，全国人工智能总算力规模冲破 210 EFLOPS，持续三年连结全球增速首位。头部互联网企业、科技公司每年正在算力采购上的收入增幅均跨越 45%，部门企业以至将全年研发经费的 60% 以上，全数投入到算力集群搭建取硬件设备采购傍边。

　　当下人工智能赛道陷入一场愈演愈烈的算力军备竞赛，从科技巨头持续加码超算集群、芯片企业迭代高端加快芯片，到接踵落地智算核心扶植规划，扩充硬件规模、提拔运算能力、堆集海量数据，已然成为行业遍及遵照的成长思。本钱市场持续注入资金，财产端以硬件设置装备摆设凹凸划分实力层级，场也将运算峰值、模子参数体量当做评判手艺程度的焦点尺度。

　　放眼全球，当前人工智能范畴的资本分派较着失衡。连系全球人工智能研发经费统计数据，2025 年全球相关总投入超 4200 亿美元，此中78% 流向算力硬件、数据采集、模子工程化、贸易落地等板块，仅有不脚 9% 的经费，用于人工智能根本理论、认知科学、类脑智能等前沿标的目的的研究。大量优良人才涌入算法工程、算力运维、使用开辟岗亭，情愿沉心研究根本理论的科研人员数量逐年削减。

　　微软亚洲研究院前副院长、出名人工智能学者刘群，正在多个国际学术论坛上公开表达概念：“当下行业陷入了较着的径依赖。大师习提拔算力的体例处理问题，却慢慢遗忘了人工智能最后的方针 —— 模仿、理解、复刻人类智能。若是一直沿着统计拟合、规模扩容的线前行，我们只会不竭打制出能力更强的复刻东西，永久无法实现实正意义上的智能。”。

　　周明深耕人工智能根本理论研究三十余年，亲历行业从晚期专家系统、保守机械进修，到深度进修、大模子的数次迭代。他暗示，现在支流的大模子手艺，根底是深度进修取统计进修理论，这套理论系统降生已无数十年，当下所有万亿参数大模子、超算集群，都只是正在原有理论框架内做规模放大。

　　“科技成长分为两个层面，一是改良层面，二是变化层面。” 大学计较机科学取手艺学院传授、人工智能根本理论研究核心从任周明，梳理了焦点逻辑，“改良层面聚焦优化、扩容、提速，依托资金、硬件、人力就能推进，也就是当下行业热衷的扩充算力、叠加参数。变化层面侧沉沉构认知、搭建新系统，只能依托理论立异。改良能让手艺前行的速度变得更快，但唯有理论，才能率领手艺迈入全新维度。”？。

　　深耕科技赛道十余年、从导过十余起人工智能范畴大额融资的行业投资人张凯，道出了当下行业遍及的心态，前几年，只需拿出规模更大的算力集群、参数更多的模子，就能成功拿到投资、抢占市场份额。本钱和市场都偏心看得见的硬件规模，算力、硬件设置装备摆设、参数量都是可量化的目标，曲不雅且具备力。很长一段时间里，业内都默认硬件规模等同于手艺实力。规模扩张确实带来了短期成效。大模子正在文本生成、语音交互、图文创做、代码编写等使用场景里，分析表示稳步提拔，落地范畴从互联网办事延长至工业、医疗、教育、金融等多个范畴，贸易价值快速。可正在繁荣之下，诸多深层问题正正在不竭。

　　取此同时，算力内卷还衍生出一系列次生问题。超大模子对算力、电力、存储资本的极致耗损，让中小机构完全得到入局机遇，行业逐渐构成巨头垄断款式，全体立异活力被不竭。部门企业一味逃逐参数规模，锐意堆砌无效参数、包拆虚高体量，行业内部慢慢繁殖出沉概况、轻内核的急躁风气。

　　“我们曾经清晰看到，算力堆集到必然程度，就会陷入投入庞大、见效微弱的窘境。” 中科院人工智能研究院首席研究员李建明婉言，“现在不少模子，只是依托海量数据总结统计纪律，复刻人类的言语取行为，并不睬解内容背后的素质寄义。更强的算力只能让复刻结果更逼实，却无法付与其实正的思虑能力。”。

　　多家第三方测评机构持续两年，对全球支流大模子开展分析能力横向评测，成果指向统一个结论：当模子参数量冲破万亿、算力达到特定阈值后，能力提拔曲线大幅放缓。模板化创做等常规使命中，超大模子取中等规模模子的表示差距微乎其微；面临多步调数理推演、复杂逻辑梳理、关系解析、跨范畴原创研究、未知问题摸索等高阶使命时，即便持续翻倍添加算力取参数，模子也很难实现质的逾越。

　　正在规模增加的盈利尾声后，业内有识之士纷纷呼吁，行业需要及时调转标的目的，将更多资本取精神投向根本理论摸索。

　　曲至麦克斯韦成立典范电磁方程组，用全新的根本理论沉塑人类对电取磁的认知，发电机、电动机、无线电设备、现代通信手艺才接踵降生，完全改写了人类的出产取糊口体例。典范力学系统逐渐完美后，无数尝试物理研究者不竭升级尝试设备、扩大不雅测范畴、提拔计较精度，试图用原有理论解读微不雅世界取高速活动中的物理现象。尝试设备愈发细密，运算能力持续加强，可黑体辐射、光速不变等难题一直无法破解。曲到普朗克、爱因斯坦、玻尔等学者接踵提出量子论、，打陈旧有理论框架，搭建起全新的物理认知系统，人类才叩开现代物理的大门。此后问世的粒子对撞机、大型天文千里镜、超等计较模仿系统，素质上都是用更强的设备取算力，拓展已有的前沿理论，而非依托硬件规模创制新理论。

　　“硬件是东西，理论才是魂灵。” 李建明总结道，“算力能够让现有手艺走得更稳、落地更快，但想要实现逾越式成长，必需依托理论层面的冲破。人类科技的每一次飞跃，都是先有思惟的冲破，再有手艺的落地。人工智能想要走得久远，就必需跳出规模竞赛的误区，沉下心霸占根本理论难题。”？。