Google DeepMind首席执行官德米斯·哈萨比斯（Demis Hassabis）在旧金山举行的Axios AI+峰会上表示，必须将当前人工智能的规模扩展推向极致，因为这是实现“通用人工智能”（AGI）的关键路径。AGI是指具备与人类相当推理能力的智能系统，是当前全球领先AI公司竞相追求的终极目标。 哈萨比斯指出，尽管目前的AI系统仍依赖于规模扩展，但“我们必须将其推到极限”，因为这至少会成为最终AGI系统的核心组成部分，甚至可能就是全部。他强调，当前的AI扩展定律表明，模型所使用的数据量和计算资源越多，其性能就越强。尽管他相信规模扩展将推动行业走向AGI，但也承认可能还需要一到两项关键突破。 然而，单纯依赖规模扩展面临现实瓶颈：公开可用的数据资源有限，而增加算力意味着建设大量数据中心，不仅成本高昂，也对环境造成压力。此外，部分AI研究者开始担忧，当前大模型在持续投入算力和数据后，已出现边际效益递减的迹象。 对此，Meta首席AI科学家杨·勒昆（Yann LeCun）持不同观点。他近期宣布离职并创办新公司，致力于开发“世界模型”（world models）——一种不依赖语言数据、而是通过感知物理世界来学习的新型AI架构。他认为，许多关键问题的复杂性无法通过简单堆叠数据和算力解决，真正的突破需要更本质的范式转变。 勒昆表示，新公司的目标是打造能理解物理世界、具备持续记忆、可推理并规划复杂行为序列的下一代AI系统。这标志着AI发展路径正从“语言为中心”向“感知与理解为中心”演进，也反映出业界对AGI实现路径的深刻分歧。