上周，红杉资本旗下播客邀请到一位重量级人物——微软首席技术官凯文·斯科特。他在访谈中再度力挺大型语言模型的“规模定律”，坚信这条路远没走到尽头，尽管圈内已有不少声音怀疑进步正在趋缓。要知道，正是这位斯科特在背后推动了微软与OpenAI那笔130亿美元的技术共享协议，他的表态自然分量十足。

斯科特直言：“有人说规模化的边际收益在递减，我不同意。我想让大家明白，这其实是一个指数级提升的过程。遗憾的是，你只能每隔几年才看到一次，因为建造超级计算机、再用它们训练模型，都需要时间。”这番话直接把矛头对准了那些认为大模型进步已经撞墙的人。

回溯一下，2020年OpenAI的研究人员首次系统阐述了LLM的“规模定律”——模型参数越多、训练数据越庞大、算力越强，语言模型的性能就会呈可预测的线性甚至指数提升。换句话说，只要持续堆料，能力自然能涨，根本不需要每次都搞算法上的大突破。这个定律至今仍是OpenAI研发理念的基石。

但质疑声从未停止。一些观察者注意到，从GPT-3到GPT-4，性能提升肉眼可见；可到了Gemini 1.5 Pro、Claude Opus以及GPT-4o这一代，进步似乎没那么大了。非正式的基准测试和业内口碑都传出一种感觉：大模型可能正在进入“边际收益递减”的阶段。人工智能领域著名的批评人士Gary Marcus今年4月就写道：“GPT-3明显优于GPT-2，GPT-4也明显强于GPT-3。但之后呢？”这句话精准戳中了当前焦虑的核心。

斯科特的立场其实不难理解。微软向OpenAI砸了上百亿美元，又在大力推销自家的Microsoft Copilot，如果公众开始相信大模型进步停滞，那整个商业逻辑都会被动摇。所以，维持“持续突破”的公众认知，对微软来说至关重要。哪怕技术真的遇到瓶颈，姿态上也必须保持信心。

另一位知名批评者Ed Zitron则更尖锐。他最近在博客里说，支持继续烧钱的人常常暗示“OpenAI手里藏着我们不知道的秘密武器，一项能瞬间击垮所有质疑的神秘技术”。他直接戳破：“真相并非如此。”这语气，摆明了就是不信还有什么隐藏大招。

话说回来，公众感觉进步放缓，可能也跟认知的时间窗口有关。OpenAI在2020年发布GPT-3之后，默默研发了三年才推出GPT-4。但大多数人是在2022年底通过ChatGPT（基于GPT-3.5）才第一次体验到强大语言模型，所以到2023年GPT-4一来，感觉是巨大的飞跃。而如今，大家已经开始期待GPT-5或者类似的“下一代”，但开发周期摆在那里，自然觉得等待漫长。

斯科特在采访中也承认，新模型往往需要数年才能开发，所以数据点的更新确实比较慢。但他对未来版本的改进信心满满，尤其强调目前模型表现不佳的地方正是突破的方向。“下一个突破即将到来，我无法确切地预测它何时出现，也不知道它会取得多大的进步，但它几乎肯定会改善现在那些不够完善的方面——比如成本太高、用起来太脆弱、让人不放心。所有这些方面都会改善：成本降下来，模型更稳定。到那时，我们就能实现更复杂的功能。这就是每一代大型语言模型通过规模化所取得的成就。”这番话说得相当具体，也透露了微软内部对下一步的预期。

整体来看，规模定律是否真的能持续，可能只有时间和下一轮模型才能给出答案。但至少，像斯科特这样的人，依然把赌注押在了“更大更强”这条路上。