回应
按立场分组 · 点上方立场只看那一组
堆规模算力和效率持续复利增长，能力就跟着往上走
前沿实验室的有效 AI 人口每年增长约 10 倍：算力年增 4-5 倍，同等能力所需算力年降 3 倍
▶ 1:08:09迪伦·帕特尔Dylan Patel – Two labs will soon control most of the world's workforce2026
AI 一旦达到某条能力水位线，就能覆盖该水位线以下的所有问题，而人类做不到
▶ 34:33Dwarkesh PatelTerence Tao – How the world’s top mathematician uses AI2026
AI 能力只由算力、数据量与质量、训练时长、可扩展目标函数和数值稳定性决定，各种技巧不重要
▶ 2:57达里奥·阿莫代伊Dario Amodei — “We are near the end of the exponential”2026
即使不解决持续学习，现有的预训练与上下文内学习也足以创造数万亿美元收入
▶ 42:07达里奥·阿莫代伊Dario Amodei — “We are near the end of the exponential”2026
资金充裕不足以推进通用人工智能，真正的瓶颈是算力
▶ 12:42戴密斯·哈萨比斯The Thinking Game | Full documentary | Tribeca Film Festival official selection2025
缺新想法光把规模做大不够，缺的是还没有的概念性突破
当前各前沿实验室之间在算力规模上的差距，对模型能力的影响并没有那么大
▶ 40:44迪伦·帕特尔Dylan Patel – Two labs will soon control most of the world's workforce2026
过去一两年 AI 的进步更多来自检索、记忆、工具等周边系统，而非模型规模本身
▶ 16:23主持人Jeff Dean: The 1% Rule for Building in AI2026
提升模型在特定问题上的表现，写更好的指引和 skills 比调整模型参数更可行
▶ 19:02杰夫·迪恩Jeff Dean: The 1% Rule for Building in AI2026
即使 AI 单步可靠性达 99%,百步逻辑链的证明仍会因那 1% 而垮掉
▶ 41:33陶哲轩Can AI Prove It? Terence Tao on “Big Math” and Our Theoretical Future | The Futurology Podcast2026
仅靠扩大算力规模无法达到人类水平的人工智能，因为电路的表达力远低于程序
▶ 19:43斯图尔特·罗素Stuart Russell: Provably Beneficial Artificial Intelligence2019
世界放不放行决定进展的是外部世界在多大程度上允许它发生
AGI 的限制因素不是研究工程师的速度，而是世界其他部分在多大程度上允许它发生
▶ 1:02:48迪伦·帕特尔Dylan Patel – Two labs will soon control most of the world's workforce2026
苏菲周报 · THE WEEKLY
每周一封，
追问一个大问题。 苏菲拉底的每周来信，写这一周在追问的问题和看到的回应。
追问一个大问题。 苏菲拉底的每周来信，写这一周在追问的问题和看到的回应。
苏菲拉底
ASK THE BIG QUESTIONS · THINK DEEPLY · SEE THE WORLD DIFFERENTLY
微信公众号
© 2026 苏菲拉底 · 内容仅供学习
[email protected]