Senior technology investor: If there is no breakthrough in Scaling Law, AI will collapse in 2024

Gavin Baker 指出，Gemini 3 的發佈證明大模型的擴展定律（Scaling Law）依然有效。

週二，資深科技投資者 Gavin Baker 在最近的播客訪談中指出，谷歌 Gemini 3 模型的推出驗證了即使在硬件算力受限的窗口期，AI 仍能通過新的推理機制實現能力躍升。

他強調若非模型推理能力的及時湧現，全球 AI 產業本將在 2024 年中期至 Gemini 3 發佈期間陷入完全停滯。由於英偉達下一代芯片 Blackwell 面臨科技史上最複雜的產品過渡與延遲，這一硬件算力的 “斷檔期” 本極有可能引發資本市場的劇烈動盪。

Baker 指出，在過去幾個月沒有真正下一代算力上線的情況下，AI 的進步主要依賴於兩類新方法：一是帶有驗證獎勵的強化學習（Reinforcement Learning with Verified Rewards），二是測試時計算（Test Time Compute）。

他認為，正是這兩項技術讓模型在現有硬件上實現了智能水平的顯著提升，從而支撐了當前科技股的高估值。

預訓練定律的存亡時刻

關於預訓練 Scaling Law，Baker 強調，Gemini 3 的發佈具有里程碑意義，因為它明確證實了該定律仍然有效。

在此之前，沒有人能從原理上完全解釋為何 Scaling Law 會起作用，它更多是一種類似古埃及人觀測天象的 “經驗觀察”——雖然能夠精確測量金字塔軸線與星象的對齊，卻並不理解背後的軌道力學。

對於投資者而言，每一次對 Scaling Law 的確認都至關重要。如果這一經驗定律失效，意味着海量的資本支出將無法轉化為更強的智能表現。

Gemini 3 證明了即便在現有硬件架構下，通過增加算力和數據，模型基座的能力依然在提升。但 Baker 同時指出，僅靠預訓練階段的 Scaling Law，並不能解釋過去半年的市場繁榮。

事實上，如果 AI 進步僅僅依賴於硬件算力的預訓練堆疊，那麼從 2024 年中期開始，行業將面臨長達 18 個月的 “真空期”。

兩大新定律拯救市場

讓全球市場躲過這一劫的，是 “推理” 能力的出現。

Baker 引用 ARC AGI 基準測試數據指出，AI 智能水平在過去四年裏僅從 0 進展到 8%，但在 OpenAI 推出首個具備推理能力的模型後，短短三個月內就從 8% 飆升至 95%。

這一飛躍源於兩條新的 Scaling Law：

• 帶有驗證獎勵的強化學習（RL with Verified Rewards）： 正如 Andre Karpathy 所言，“凡是能被驗證的，就能被自動化”。只要有明確的對錯結果，AI 就能通過強化學習自我進化。
• 測試時計算（Test Time Compute）： 讓模型在回答問題前 “思考” 更長時間，通過消耗更多的推理算力來換取更高的智能表現。

這兩大定律在英偉達 Blackwell 缺席的情況下，強行延續了摩爾定律般的增長。它們不僅填補了硬件迭代的空窗期，更重要的是，這些定律具有乘數效應。

最後，Baker 強調，AI 已跨越單純依賴堆砌顯卡的增長瓶頸，進入通過邏輯推理與驗證實現價值躍升的新階段。 他預計，未來當這些新 Scaling Law 運行在性能更強的 Blackwell 基座模型之上時，AI 能力將迎來再一次爆發。