2025 AI年终回顾：算力信仰不灭，AGI刚刚上路

今天是2025年的最后一天，全球无数科技从业者与爱好者都在此刻驻足回望，用AI复盘这不平凡的一年。

在经历了整整一年关于模型迭代、算力竞赛、资本狂潮的密集信息轰炸后，我们不禁要问：那个被畅想已久的通用人工智能，究竟还有多远？

如果说2024年是大众对AI的好奇与试探之年，那么2025年则毫无疑问是AI深度嵌入人类社会肌理、重塑运行逻辑的变革之年。

在这充满不确定性与惊喜的一年里，行业领袖们发出了截然不同的预言：

Sam Altman在2025年中发布的博文《温和的奇点》中大胆展望：

「构建AGI的路径图已在我们手中，2026年我们将见证具备原创思想能力的系统诞生。」他坚信，尺度定律（Scaling Law）远未触及天花板，随着电力的自动化生产，智能的边际成本将无限趋近于零。

拓展阅读：奥特曼：温和奇点已降临！AI最终掌控物理世界，2030年人类命运大转折

NVIDIA的掌舵人黄仁勋则将聚光灯从「算力崇拜」转向了「AI工厂」的未来图景。

他在2025年底的一次公开演讲中指出：

「AI发展的瓶颈已不再是算力芯片的想象力，而是能源。未来的Scaling Law不仅是模型参数的简单堆叠，更是推理效率实现十万倍级飞跃的革命。」

拓展阅读：英伟达AI工厂：人类历史酝酿12000年的绝对必然

相比之下，Meta的前首席科学家Yann LeCun依然不改其犀利本色，甚至在离职创办新公司前公开直言：

「LLM是通往 AGI 的死胡同，它缺乏对世界的真实建模，如同没有躯壳的空中楼阁。」

拓展阅读：LeCun赌上后半生，押注大模型必死！Hassabis誓将Scaling进行到底

步入2026年，Scaling Law是否还能继续奏效？

对于这一核心争议，一篇来自DeepMind华人研究员的万字长文在社交网络上迅速引爆：

Scaling Law并未消亡！算力依然是决定智能水平的终极正义，AGI的征程才刚刚拉开帷幕。

文章地址：https://zhengdongwang.com/2025/12/30/2025-letter.html

本文正是Google DeepMind研究员Zhengdong Wang撰写的2025年度长信。

作者以亲历者的独特视角，回溯了从2015年至今AI领域的沧海桑田，并深刻剖析了驱动这一切剧变的核心引擎——算力。

尽管外界对Scaling Laws的质疑声不断，但历史一次又一次地证明，随着算力呈指数级增长，AI模型中涌现出的能力远远超出了人类的预期。

作者结合自己在DeepMind的一线工作经历，再次验证了强化学习教父Richard S. Sutton那篇著名文章《苦涩的教训》中的核心洞见：

基于通用算力的规模化方法，最终必将战胜依赖人类特定领域知识设计的精巧技巧。

这，也是我们2025年最深刻的感悟！

除了算力，其他皆是杂音

2025年12月30日，当我回望这波澜壮阔的一年时，脑海中浮现的却是十五年前那场由AlexNet点燃的视觉革命。

那场由辛顿、李飞飞、Ilya等先驱共同见证的大会，或许正是今日AI狂潮的真正萌芽。

那时，主流观点还认为人工智能的核心在于「特征工程」和「人类智慧的巧妙设计」，而今天，我们已经踏入了一个截然不同的维度：

一个由算力主导、由Scaling Law驱动、且AGI（通用人工智能）才刚刚踏上征途的纪元。

近期业界关注的焦点无非是：Scaling Law是否已经触及天花板？

算力的信仰：为什么Scaling Law从未失效

在2024年底，业内曾弥漫过一阵悲观情绪，认为预训练数据的枯竭和边际收益的递减预示着Scaling Law的终结。

然而，站在2025年的终点回望，我们可以负责任地断言：

Scaling Law不仅没有死去，它正在经历一场从「暴力堆参数」到「提升智能密度」的深刻范式演变。

十五年一遇的连续性

要理解Scaling Law，必须首先看清它背后的历史韧性。

研究数据显示，过去十五年里，用于训练AI模型的算力每年以四到五倍的惊人速度增长。

这种指数级的复合增长，在人类技术演进史上是极为罕见的。

在DeepMind内部，我们观察到模型在训练过程中所消耗的数学运算量，已经超过了可观测宇宙中的恒星数量。

这种增长并非盲目堆砌，而是建立在极其稳定的经验公式之上。

根据Kaplan和Hoffmann等人的实证研究，模型性能与算力之间存在着明确的幂律关系：性能提升与算力的0.35次方成正比。

文章地址：https://fourweekmba.com/ai-compute-scaling-the-50000x-explosion-2020-2025/

这意味着，每投入10倍的算力，大约能带来3倍的性能增益；而当我们跨越1000倍的算力鸿沟时，性能的提升将达到惊人的10倍量级。

定性跃迁与涌现能力

Scaling Law最令人着迷的一点在于，它不仅带来定量的误差减少，更催生了不可预测的定性跃迁。

在DeepMind的实验中，随着算力的增加，模型会突然展现出逻辑推理、复杂指令遵循以及事实性修正等「涌现能力」。

这种现象深刻表明，算力不仅仅是燃料，它本身就是一种能够催生智能的物理量。

2025年的真相是：我们已经从单纯的「预训练Scaling」转向了「全维度Scaling」：

1. 预训练Scaling

通过海量多模态数据构建基础认知。

1. 后训练Scaling

利用强化学习（RL）进行对齐和偏好优化。

1. 推理时Scaling

即让模型在回答前「思考更久」，增加推理深度。

1. 上下文Scaling

通过超长记忆窗口提升端到端任务能力。

在DeepMind亲历的「1000倍算力」瞬间

如果说Scaling Law是宏观的哲学，那么2021年Zhengdong Wang在DeepMind经历的那次实验，就是微观的启示录。

那次经历彻底重塑了Zhengdong Wang的「智能观」，也让他深刻理解了为什么说「算力即正义」。

算法聪明才智的贬值

当时，DeepMind团队正在攻克具身智能（Embodied AI）在3D虚拟环境中的导航与交互难题。

那是典型的「硬核AI」挑战，涉及到复杂的强化学习算法优化。

当时的普遍共识是：这个问题的瓶颈在于算法的精妙程度，在于我们如何设计更优的采样策略和奖励函数。

然而，一位同事提出了一个近乎「鲁莽」的方案：不要修改算法，直接把算力投入增加一千倍。

在那次算力狂飙之后，奇迹发生了！

那些原本被认为需要突破性人类巧思才能解决的逻辑死角，在海量的矩阵乘法面前如同冰雪般「融化」了。

算法并没有变聪明，但规模赋予了它一种类似于生物本能的鲁棒性。

算力之波的冲击

那一刻，Zhengdong Wang深刻体会到了理查德·萨顿（Richard Sutton）在《苦涩的教训》中所表达的真理：

人类在AI领域的所谓「巧思」，在算力的指数增长面前往往不值一提。

这种顿悟就像是一股巨大的「算力之波」从身上碾过，让你意识到，与其苦思冥想如何优化那1%的算法效率，不如直接去拥抱那1000倍的算力扩张。

这种视角在2025年的今天已经成为了DeepMind内部的通用语：

我们不再问「这个问题能不能解」，而是问「这个问题需要多少算力才能解」。

正是这种心态，让我们敢于在数据中心投资上砸下远超阿波罗计划的重金。

基础设施的极限与挑战：1GW时代的到来

Zhengdong Wang还提供了额外的视角。

当DeepMind在内部讨论算力时，话题已经从「PFLOPS」转向了「GW」。

2025年，AI不再仅仅是代码，它是重工业，是土地、能源和定制硅基芯片的终极整合。

硬件的代际跨越：Blackwell与Ultra

这种终极整合，用一个词概括就是「AI工厂」，正是黄仁勋在GTC大会所提出的概念。

Wang认为，NVIDIA在2025年交付的Blackwell平台，是DeepMind能够维持Scaling Law信仰的物理基础。

GB200 NVL72系统将72颗GPU互联为一个单一的超级计算引擎，其万亿参数模型的推理速度比H100提升了30倍。

BlackwellUltra的推出更是将单芯片显存推向了288GB的极限，这意味着即使是300B以上的模型，也可以在不需要显存卸载的情况下完整驻留，这对于长上下文和高并发推理至关重要。

电力与散热的硬墙

然而，物理定律依然严苛。

单芯片功耗逼近1000W，让DeepMind不得不全面转向液冷方案。

2025年，我们开始谈论「AI工厂」而非「数据中心」。

谷歌的基础设施首席执行官Amin Vahdat在内部会议中明确指出，为了满足爆发式的算力需求，我们必须每六个月将算力能力翻倍，并在未来4-5年内实现1000倍的增长。

这种压力不仅体现在金钱上。

2025年上半年，AI数据中心投资占据了美国GDP增长的90%以上。

尽管外界担心泡沫，但DeepMind内部的视角是：

如果你能看到1000倍算力带来的智能红利，那么任何低于这个数字的投入都是一种风险。

具身智能的突破：SIMA 2与通用Agent的诞生

在DeepMind，我们始终认为AGI的终极形态不在对话框里，而在物理世界中。

2025年，SIMA 2项目展示了从「理解」到「行动」的跨越。

像素级交互与开放式学习

SIMA 2是一个通用的具身智能体，它不依赖于游戏内部的API，而是像人类一样，通过观察屏幕像素和操作键盘鼠标在复杂的3D虚拟世界中行动。

这种设计确保了它所习得的技能——从基础的导航到复杂的工具使用——具有极强的泛化性，可以无缝迁移到完全不同的数字环境，甚至为未来的物理机器人提供大脑。

更重要的是，SIMA 2展示了「自我进化」的能力。

通过与Gemini基础模型的结合，它可以自主生成任务、自我设定奖励，并在没有任何人类标注的情况下，通过不断的尝试和错误习得新技能。

扩展阅读：我的王者荣耀有救了！谷歌发布游戏SIMA 2，不开外挂「像人一样」练级

METR时间跨度图：智能的量化加速

在评估进展时，作者最推崇的是METR的时间跨度图。

两年前，AI只能稳定完成人类耗时9分钟的任务；而到了2025年底，这个数字已经跃升到了4小时以上。

按照目前的Scaling趋势，到2028年，AI有望独立完成人类专家需要数周才能完成的科研或工程任务。

AGI才刚刚上路，正处于爆发的前夜

在结尾，Zhengdong Wang写道：「这就是我上车的地方——我们现在还极其早。」

尽管2025年我们已经看到了能过IMO的金牌模型，看到了能自主在3D世界中生存的Agent，但在DeepMind的「Post-AGI」团队看来，这仅仅是序幕。

我们依然受困于1GW的电力瓶颈，受困于数据采集的效率，受困于推理成本的最后几美分。

AGI不是终点，而是起点！

DeepMind之所以成立Post-AGI团队，是因为预见到：

当AGI的门槛被跨过那一刻，人类社会真正需要面对的挑战才刚刚开始：

如何管理那些能够自主进化、且由于算力规模而产生「不可解释性」的智能体？

在一个智能成本趋近于零的世界里，人类的独特价值如何重构？

当AI开始主导科学研发的循环，人类文明的知识边界将以何种速度扩张？

2025年的真相是，Scaling Law不仅是通往AGI的路径，它本身就是一种重塑物理世界的哲学。

那些还在争论泡沫的人，或许还没意识到，这股由1000倍算力卷起的风暴，已经将人类送往了一个再也回不去的纪元。

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。

参考资料：

https://zhengdongwang.com/2025/12/30/2025-letter.html