涌现能力：量变何时引发质变

涌现能力指模型规模突破某个阈值后，突然表现出训练时未直接强化的新能力——比如学会做数学题、写代码、理解幽默。这种“整体大于部分之和”的现象是当前 AI 研究的热点。

对应用者而言，关注涌现的现实意义是：大模型的能力曲线不是平滑的，有时扩大规模会解锁全新场景。保持对小步迭代的敏感，在能力跃迁点快速调整产品方向，是 AI 时代的重要竞争力。

## 核心要点

图片来源：Openverse / Unknown（https://www.rawpixel.com/image/5926824/photo-image-background-public-domain-pink）

1. 涌现目前主要在语言模型中被观察到，且存在学术争议。

2. 有观点认为所谓涌现只是评测指标的假象，能力是渐进增长的。

3. 研究涌现的规律有助于预测下一代模型的能力边界。

4. 涌现也带来风险：新能力可能带来未被预期的危害。

图片来源：Openverse / Wonderlane（https://www.flickr.com/photos/71401718@N00/3198159563）

## 写在最后

以上是关于「涌现能力」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。