多年来，人工智能的进步主要依赖于“模型越大，性能越强”的逻辑。但如今，这一模式似乎正在失效。随着生成式AI的发展，行业内部对技术进步的讨论方式已悄然变化。过去几年，AI的提升仿佛是自然规律，每代模型（如从GPT-2到GPT-3，再到GPT-4）都带来了质的飞跃，让人坚信性能会随着数据量和算力的增加而稳定提升。然而，这种可预测的指数级增长正在放缓，技术突破不再像以前那样明显。 这一趋势被称为“扩展定律”，最初由一些权威研究支持，认为只要持续扩大模型规模和训练数据，AI性能就能线性甚至指数级提升。但如今，研究人员发现，这种增长的边际效益正在递减，继续扩大模型的投入产出比不再理想。 面对这一挑战，AI公司正开始探索新的方向，比如优化算法、提升数据质量或采用更高效的训练方式。这标志着AI发展进入了一个新阶段，不再单纯依赖规模扩张，而是转向更精细的技术创新。