AI投资热潮受阻技术“天花板”？增长动力Scaling Law能否延续？【AI大师课7.3】

我们处在AI爆发式增长的奇点？还是进步放缓的原点？

目前可以提高模型效果的Scaling方法，按照性价比由高到低排序的话:Test time Scaling Law RL Scaling Law预训练阶段Scaling Law。如果哪天RL Scaling Law和Test Time Scaling Law到了天花板，又没有找到新的性价比更合算的Scaling Law，仍然可以回归预训练阶段的Scaling Law。

AI产业链发展两周年，市场化格局走到哪一步了？

Kevin Scott表示，过去20年里，人工智能领域最重要的进步都与“规模”有关；OpenAI的潜力在于未来可能成为构建AI平台的基础；数据的质量比数量更重要。

AI搜索有望成为大模型商业应用落地的第一束光。

大模型的问题不是 Scaling Law 失效，而是缺少足够多的数据。