缩放定律：AI 领域最重要的经验规律

缩放定律（Scaling Law）揭示：模型性能随着参数量、数据量、算力的增加而可预测地提升，且在对数坐标下近似线性。这条定律是近十年 AI 算力军备竞赛的理论依据。

缩放定律最深远的影响是改变了行业的投资逻辑：既然“更大就更好”可以被量化预测，那么 AI 就变成了资本密集型游戏。但对普通人来说，真正的机会在另一端——如何用有限的算力解决具体问题，这反而是更可持续的赛道。

## 核心要点

图片来源：Openverse / mikemacmarketing / photo on flickr（https://commons.wikimedia.org/w/index.php?curid=84804323）

1. 缩放定律是经验规律，不是物理定律，存在适用边界。

2. 它解释了为什么大公司拼命买 GPU、建数据中心。

3. 有研究指出单纯堆算力的收益正在递减，算法创新重新重要。

4. 小公司不必焦虑，应用层的创新机会不依赖无限算力。

图片来源：Openverse / playful.geometer（https://www.flickr.com/photos/24888685@N08/6879666160）

## 写在最后

以上是关于「缩放定律」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。