從擴展定律到世界模型，人工智慧模型演進的下一個商機

自 ChatGPT 於 2022 年底問世以來，已經過去三年時間。

過去這段時間，全世界人工智慧模型主要的發展方向，可以說是一種.....暴力美學?

這種作法稱為擴展定律 (Scaling Law)。更多的參數、更多的 GPU 算力、更多的電力，就等於更強的智慧。

然而，這種思維在近期開始遇到了挑戰。最簡單的論點就是，如果我們的數據與電力走到了盡頭，這樣的模式還能夠繼續下去嗎？

所以，現在部分公司正從「訓練更大的模型」，轉向讓模型用更多時間「思考」。另外，則是從單純的語言模型納入多模態，並瞄準世界模型。

這場典範轉移不只會改變未來的技術路徑，更重塑了未來的投資邏輯。

第一階段：Scaling Law 的暴力美學與物理極限

在 2020 到 2025 年間，矽谷只有一個信條，那就是 Scaling Law（擴展定律）。

這是一個非常好懂的商業與技術公式：

「更多數據 + 更多算力 + 更多電力 = 更強的智慧」。

這條路徑之所以成為主流，是因為它清晰且有效。不管你是 OpenAI、Google 還是 Meta，只要有錢買到足夠的 NVIDIA GPU，蓋足夠大的資料中心，把整個網際網路的數據餵給模型，它的智商就會線性增長。這是一場單純的軍備競賽，大者恆大。

但到了 2025 年底，這個定律開始遇到阻礙。

最大的問題在於「數據耗盡」。高品質的網際網路數據基本上都已經被訓練過一輪了，剩下的都是重複或低質量的內容。再加上電力消耗已經讓全球電網不堪重負，例如，美國資料中心的建設速度就遠遠趕不上需求。

所以，盲目擴大規模（Scaling）的邊際效益正在急速遞減。這引發了產業內的一個關鍵問題：當數據與電力都走到盡頭，AI 該往哪裡走？

第二階段：重回研究時代，從「死記硬背」轉向「推理能力」

當暴力擴展失效，產業界爆發了一場關於「繼續擴展」與「轉向推理（Reasoning）」的路線之爭。這也是我們稱之為「重回研究時代」的關鍵轉折。

Ilya Sutskever：100 小時學生 vs 10,000 小時學生

OpenAI 聯合創始人、現任 SSI（Safe Superintelligence）創辦人 Ilya Sutskever 提出了一個非常傳神的比喻：

Q: 什麼是真正的智慧？
A: 想像有兩個學生準備考數學競賽。學生 A 練習了一萬小時，死記硬背所有題庫。學生 B 只練了一百小時，但他花時間理解公式背後的推導邏輯。

遇到沒見過的難題時，誰更有可能解出來？

Ilya 認為，應該是學生 B

但現在的 AI 更像是學生 A，雖然透過海量訓練數據獲得能力，但缺乏真正的理解與泛化能力。而我們需要的 AGI（通用人工智慧），必須是學生 B，因為他們才能從少量範例中領悟本質。

Andrej Karpathy：認知核心與「鋸齒狀智慧」

Tesla 前 AI 總監、OpenAI 創始成員 Andrej Karpathy 提出了幾個關鍵概念：

1. 鋸齒狀的智慧（Jagged Intelligence）：現在的 AI 在某些領域強得可怕（如下棋、寫程式），卻會在基本邏輯或常識推理上犯下低級錯誤，最經典的應該就是「9.11 大於 9.9」這個數學題目。而這種不一致性是目前人工智慧模型的最大挑戰之一。

2. 認知核心（Cognitive Core）：我們不需要模型背下整個網際網路（那是外掛資料庫的事），我們只需要訓練一個輕量、純粹的「推理引擎」。

3. 幽靈 vs 動物：我們並不是在模擬生物演化（像斑馬出生幾分鐘就能奔跑那樣的硬體能力）。我們只是在從網路上「召喚數位幽靈」，一種完全基於文字數據的精神實體。這意味著 AI 的智慧本質是一種模仿，它是人類思想與行為模式的數位倒影。這種差異決定了 AI 的能力與侷限。

新的競爭邏輯

所以，部分研究者認為，未來的人工智慧競爭，不再是比誰的模型參數大，而是比誰的「思考品質」高。這解決了數據耗盡的問題，因為我們不再需要餵給它更多的垃圾資訊，而是教它更好的思考方法。

這種轉變催生了「推理時計算（Inference-time Compute）」的新範式：讓模型在回答前花 10 秒甚至更久進行內在推演，而非秒答。這就是從 System 1（直覺反應）到 System 2（邏輯推理）的轉變。

OpenAI 在 2024 年 9 月率先推出 o1-preview，首次將推理時計算帶入主流視野。而真正讓產業震撼的，是 2025 年 1 月中國 DeepSeek 推出的 DeepSeek R1。

DeepSeek R1 採用了「小模型 + 推理能力」的策略，總參數量為 671B（6710 億），但在推論時只採用 37B（370 億）參數。這種設計讓它在保持強大推理能力的同時，大幅降低了運算成本。

更重要的是，DeepSeek 證明了一件事：

你可能不需要無限大的模型，只需要一個會思考的模型。

第三階段：終極目標——世界模型（World Models）

除了從擴展理論到開始重視推理能力之外，現在的人工智慧模型也逐漸從個別的語言模型、生圖模型、音頻模型等，融合成多模態模型，並以「世界模型」作為目標。

方法論 vs 終極目標

「Scaling vs Reasoning」爭論的是「大腦該怎麼訓練與思考」（方法論），而「世界模型」是關於「大腦必須懂什麼」（終極目標）。

無論你訓練大腦的方法是靠堆積算力還是靠推理能力，AI 最終都必須通過「物理世界」的考試，才能真正成為 AGI。目前的語言模型只懂文字接龍，它知道「杯子掉在地上會碎」可能是因為訓練的文字資料裡有這樣的內容，而不是因為它知道重力與材質的物理交互作用。

三條通往真實世界的路

目前通往世界模型有三條主要路線，它們分別代表了不同的技術拼圖：

路線一：空間智慧（Spatial Intelligence）

代表：李飛飛的 World Labs（產品 Marble）

核心能力：從 2D 影片中重建高品質的 3D 場景，並且可以一鍵導出到 Unity 或 Unreal Engine。

價值：讓 AI 擁有「視覺」，看得見真實的物理結構。這是人機介面的關鍵，因為人類是視覺動物，需要高畫質的 3D 場景才能感覺「真實」。

批評：更像是「高級的 3D 掃描工具」，就像好萊塢的佈景，正面看很美，背面全是木架支撐。這是一條通往元宇宙的路，而非直接通往 AGI 的路。

路線二：互動模擬（Action & Consequence）

代表：Google 的 Genie 3

核心能力：模擬「如果我做動作 A，世界會變成 B」的因果關係，像是讓模型不斷地做白日夢，提供無限的、低成本的試錯環境。

價值：對於訓練通用代理非常重要，因為它提供了一個虛擬的物理實驗室。

限制：依然受限於「像素」。如果模型這一次「夢」錯了（比如夢見杯子掉下去沒有碎而是彈起來），機器人就會學到錯誤的物理知識。

路線三：抽象理解（Abstract Prediction）

代表：Meta 的 JEPA（Yann LeCun 主導）

核心能力：不預測下一個像素，而是預測物體的抽象特徵與狀態。比如看到一台車開過來，JEPA 不在乎車的顏色，只在乎它的速度向量和碰撞機率。

價值：這是通往 L5 自動駕駛和具身智能的必經之路。Tesla 的 FSD v12 基本上就是這類「視覺到決策」模型的大規模部署。

缺點：對人類很不友善，因為它是「黑盒子」，我們看不見它到底理解了什麼，只能通過它的行為來判斷。而且 Yann LeCun 也將離開 META。

終極整合

如果我們把這三條路線放在一起看，它們其實構成了一個金字塔結構：

• 底層：Marble 的完美外表，但不懂因果
• 中間：Genie 試圖連結，但精準度還不夠
• 頂層：JEPA 的完美邏輯，但沒有身體

真正的 AGI 需要 JEPA 的大腦來指揮，但需要 Marble 這種技術將抽象的物理交互渲染成人類可理解的畫面。或者反過來，用 Marble 生成的高精度數據來餵養 JEPA。

這場戰爭最終不會是三選一，而是看誰能先把這三者整合在一起。

投資典範轉移：從訓練到推論

這種技術典範的轉移，直接影響了資金流向。

關鍵轉變：訓練算力 → 推論算力

在 Scaling 時代，算力主要花在訓練那個巨大的模型上。訓練完後，用戶問問題，模型秒答（推論成本低）。

但在 Reasoning 時代，模型在回答前可能需要「思考」10 秒甚至更久（System 2 思維），進行大量的內在推演。這意味著推論階段的算力需求將指數級爆發。

投資機會地圖

硬體層：晶片與算力

• NVIDIA：依然是王者，但專注於高效能推論的 ASIC 晶片（如 Broadcom、Marvell 協助設計的 TPU/LPU）將迎來爆發。
• TSMC：真正的壟斷者，無論是 NVIDIA 的 GPU，還是 Google、Amazon 自研的 AI 晶片，全部都要找台積電代工。

平台層：完整技術堆棧

• Google DeepMind：擁有 Genie、Gemini、AlphaFold 的完整技術儲備。加上 YouTube 的無限影片訓練數據和 Waymo 的真實世界數據，在世界模型競賽中極具優勢。

數據層：物理世界數據

• Tesla：如果互聯網文字數據已經不值錢，那什麼最值錢？答案是「非公開的物理世界數據」。Optimus 與 FSD 每天都在收集真實世界的物理交互數據，這是其他公司難以複製的。

能源層:電力基礎建設

• 不論是 Scaling 還是 Reasoning，電力都是硬通貨。大量運算都取決於一個瓶頸：電力。

結論

過去三年，我們見證了太多次「領先者」的更迭。2022 年，所有人都以為 OpenAI 會一路領先。2023 年，Google 的 Gemini 和 Anthropic 的 Claude 證明了追趕者的爆發力。2025 年，中國的 DeepSeek 用更小的模型和更低的成本，挑戰了整個產業的假設，開源模型更是急起直追取得一定的市場份額。

這是因為 AI 的遊戲規則正在改變。當所有人都在比拼參數量時，推理能力成為新的分水嶺。當大家都在訓練語言模型時，多模態與世界模型開啟了新戰場。

每一次典範轉移，都將讓產業秩序重新洗牌。

現在的我們，可能正在逐漸脫離「只要砸錢就能讓模型變聰明」的簡單時代。

參考資料

媒體報導：

• Dwarkesh Patel (2025). "Ilya Sutskever – We're moving from the age of scaling to the age of research".
• Dwarkesh Patel (2025). "Andrej Karpathy — We’re summoning ghosts, not building animals".

產業動態：

• World Labs (2025). "Marble: A Multimodal World Model".
• Google DeepMind (2025). "Genie 3: A new frontier for world models".
• Meta AI Research (2025). "INTRODUCING V-JEPA 2，A self-supervised foundation world model".