DeepMind专家解读：为何扩大模型规模仍是实现AGI的关键路径

近期，关于AI“缩放定律”是否已触及天花板的争论在技术圈内持续发酵。值此关键节点，谷歌DeepMind负责人德米斯・哈萨比斯公开发声，传递了一个清晰的战略信号：规模化扩展不仅远未过时，更是实现通用人工智能（AGI）不可或缺的核心路径。

哈萨比斯的论点明确且坚定。他强调，必须将现有基于算力与数据规模的AI发展范式推向极限。在他看来，这条路径极有可能不仅是构建AGI的关键模块，其本身甚至就构成了未来完整AGI系统的基石。当然，他也保持了技术上的审慎，坦言要实现真正的通用智能，或许还需要一至两项突破性的新算法或架构作为补充。

这一立场，与杨立昆等学者所持的审慎观点形成了直接对话。后者更倾向于认为，单纯依赖参数和数据量的线性增长，难以攻克AI在因果推理、情境理解等深层认知任务上的瓶颈，因而倡导探索“世界模型”等更具解释性的新范式。