Anthropic联创：Scaling Law没崩，但推理成天价！有了TTT，25年AI更加速

原标题：Anthropic联创：Scaling Law没崩，但推理成天价！有了TTT，25年AI更加速
文章来源：新智元
内容字数：5825字

AI发展并未停滞：规模法则（Scaling Law）的未来与挑战

近日，Anthropic联合创始人Jack Clark在《Import AI》新闻通讯中驳斥了AI发展已触及瓶颈的观点，并预测2025年AI进展将进一步加速。他认为，当前的AI发展远未达到极限，规模法则并未失效。

1. 规模法则的延续：超越单纯的模型扩大

   Clark以OpenAI的o系列模型为例，特别是o3模型，证明了AI的巨大发展空间。o3并非简单地扩大模型规模，而是通过“测试时计算”（test-time compute），即在推理时进行强化学习和额外计算，从而实现显著性能提升。这种“边思考边执行”的能力为规模法则开辟了新的可能性。Clark预计，2025年科技公司将结合传统的大模型扩展方法和测试时计算等新方法，进一步加速AI进展。

2. o3模型的惊艳表现与高昂成本

   o3在多个基准测试中取得了突破性进展，例如在科学理解基准GPQA上达到88%，在ARC-AGI上超越人类工作者，在FrontierMath上达到25%的成绩，以及在Codeforces上排名第175。这些成就证明了测试时计算的有效性。然而，o3的成功也伴随着高昂的成本：其高强度推理版本的每个任务成本高达20美元，这主要源于其实时创建新程序解决问题的机制，需要处理大量的token。

3. 成本预测的挑战与Anthropic的下一步

   Clark指出，基于推理扩展范式的模型使得成本预测变得更加困难，因为资源需求会根据具体任务而变化。 虽然o3展现了强大的性能，但其高昂的运行成本也引发了人们对未来AI发展成本的担忧。目前，Anthropic尚未发布与OpenAI o系列或Google Gemini Flash Thinking竞争的推理模型，其Opus 3.5模型的发布也存在不确定性，这反映了开发先进LLM的复杂性和挑战。

4. 开发先进LLM的复杂性

   Anthropic CEO Dario Amodei解释了开发先进LLM的复杂性，包括漫长的训练过程、大量的计算资源需求、复杂的微调过程以及严格的安全测试等。他认为，开发先进LLM更像是一门艺术，而非单纯的科学，每个新版本模型的性能和特性都可能出现不可预测的变化。即使Opus 3.5最终发布，其高昂的运行成本是否合理仍需进一步考量。

总而言之，Clark的观点认为AI发展远未触及瓶颈，规模法则仍在发挥作用，但新的方法，如测试时计算，将成为未来AI发展的关键。然而，高昂的计算成本将成为未来AI发展的主要挑战，需要进一步的研究和创新来解决。

联系作者

文章来源：新智元
作者微信：
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。