Scaling 结束了吗？Ilya Sutskever 与 Dario Amodei 的分歧，指向同一个难题 (2026)

先说结论

Ilya Sutskever 和 Dario Amodei 的分歧，表面上是「Scaling 还行不行」，更深一层其实是：下一轮能力增长，究竟来自把现有训练回路继续放大，还是来自重新定义模型要学习的东西。

Ilya 在 2025 年 11 月的访谈里说，2012 至 2020 年是研究时代，2020 至 2025 年是 Scaling 时代，2026 年起会进入另一个研究时代。他认为预训练迟早会遇到数据有限的问题，当前语言模型的泛化能力也远不如人类。1

Dario 的判断几乎沿着相反方向展开：预训练与强化学习、推理时计算仍在同时扩大，暂时看不到足以证明收益已经明显递减的证据。但他也给出了一个不低的反例概率：未来两年模型可能因为数据、算力或尚未理解的原因停止变好，他把这个概率估在 20% 至 25%。2

这不是一场已经分出胜负的争论。对行业更有用的问题是：当两种路线都声称自己在「扩展」时，它们扩展的对象到底是什么。

两场访谈说了什么

Ilya：从更大的模型，转向更强的内在结构

这是 Ilya 创立 Safe Superintelligence 后的一次重要公开访谈。他谈到的重点不是下一代产品，而是为什么仅靠互联网数据和更大的训练规模，可能无法解决模型与人类之间的根本差距。

他的表述很直接：预训练的数据显然是有限的，「Scaling sucked out all the air in the room」。在他看来，模型在测试集上表现很强，并不等于它像人一样把经验迁移到新环境中；当前模型在现实任务里的泛化能力仍然「严重不如人类」。3

Ilya 给出的替代方向，包含几个相互关联的想法：让模型在读入大量语言数据之前先获得对世界物理的理解；通过自博弈或其它内部信号产生训练反馈；为模型加入类似人类价值函数的结构。他用脑损伤患者难以做出简单选择的案例说明，知识量并不自动等于行动能力。3

这套思路也解释了 SSI 选择「瀑布式」研发的原因。Ilya 不想把研究过程拆成持续发布产品、收集用户反馈、再快速迭代的循环，而是试图在较长时间里保持隐身，直接构建一种不同于聊天机器人的推理系统。这个策略仍是他的路线主张，不代表 SSI 的技术进展已经被外部验证。1

Dario：Scaling 没有结束，只是换了训练阶段

Dario 在 2025 年 7 月的 Big Technology 访谈中，把「Scaling」拆成了两个阶段：先是把互联网数据放进预训练，再是用强化学习、推理或测试时计算让模型处理更难的问题。他认为这两部分正在一起扩大，代码和数学任务上的进步说明收益还没有消失。2

他并没有把自己的判断说成确定预测。Dario 承认指数增长可能在未来两年停滞，也承认数据和算力供应会造成约束；但在现有证据下，他仍然认为模型能力会快速提升。与其争论「AGI」这个边界模糊的词，他更愿意谈可观察的能力变化，例如代码生成、企业使用和端到端任务完成。2

这里有一个容易被忽略的细节：Dario 并不否认新技术。他说每一代模型都包含架构、数据和训练方法的改进，只是这些改进仍然可以被纳入持续扩展的工程体系。换句话说，他押注的不是「永远只用同一种算法」，而是相信新方法会继续被吸收到更大的计算、数据和反馈回路中。2

Demis：现有范式可能还没有触到边界

Demis Hassabis 的位置更像一个中间参照。他在 2025 年 7 月的 Lex Fridman Podcast #475 中提出，凡是能在自然界生成或被发现的模式，或许都能被经典学习算法高效发现和建模。他的依据来自 AlphaGo、AlphaFold 等系统：面对极大的组合空间，模型不必枚举所有可能性，而是学习环境中的结构，沿着可利用的梯度搜索。4

他还用视频生成模型对液体、材质和光照的模拟举例，认为模型仅靠被动观看视频就可能学到某种直觉物理。这并不等于模型拥有人的深层理解，但至少说明「必须先具身行动，系统才可能形成世界模型」这条旧判断需要重新检验。4

因此，Demis 并没有简单站到 Dario 一边。他认为经典系统仍有很大空间，但下一步的关键也许是找到自然系统中的结构，而不只是把原有数据管线做得更大。

真正的分歧：扩展什么

维度	Ilya Sutskever	Dario Amodei	Demis Hassabis
主要担忧	预训练数据有限，模型泛化与价值判断不足	指数增长可能受阻，但目前还没有足够证据证明它已结束	现有经典学习系统可能还远未到能力边界
下一步重点	世界模型、内在价值函数、自主反馈和新研究范式	预训练、强化学习与推理时计算的协同扩展	学习自然结构，让搜索和建模更高效
对产品节奏的态度	研究优先，较长时间保持隐身	通过代码、企业和开发者场景验证能力与商业价值	以科学发现和世界模型作为长期目标

这张表里最重要的不是谁更乐观，而是三人对「反馈」的理解不同。Dario 把企业使用视为模型进步的外部检验，Anthropic 也把代码等商业场景看成能反过来推动模型改进的地方。Ilya 则担心用户数据主要教会模型模仿人类，而不是产生超越人类的推理能力，因此希望把反馈回路移到模型内部。2 3

如何判断哪条路线更接近事实

第一，看「数据瓶颈」究竟发生在哪里。如果新增互联网文本带来的收益下降，但强化学习和推理时计算仍能稳定提高复杂任务表现，Dario 所说的「Scaling 换了阶段」就比「Scaling 结束」更准确。反过来，如果模型在熟悉的基准上继续进步，却无法把能力迁移到新环境，Ilya 对泛化问题的批评就会变得更有分量。这里的判断必须依赖跨任务评测，而不能只看单个榜单。

第二，看模型是否能持续学习。Dario 承认持续学习和记忆仍是问题，但认为更长的上下文、内循环与外循环训练可能填补一部分缺口。Ilya 则把「读入世界、形成内在价值、独立产生反馈」放在更靠前的位置。真正的分水岭，不是模型会不会回答更多问题，而是它能否在新环境里积累经验、修正目标，并保持可解释的行为边界。2 3

第三，看「研究回报」能否被产品及时捕捉。Dario 的路线适合在商业环境里快速验证，因为代码和企业任务有相对清晰的成功标准；Ilya 的路线如果成立，价值可能要到某个新系统完成后才显现，短期很难用收入或用户量证明。两种组织方式对应两种风险：前者可能把所有新想法都压回既有工程回路，后者则可能在长期隐身中失去现实反馈。

对行业的影响

1. 算力竞赛不会自动消失，但投入结构会变化

如果 Ilya 的判断成立，下一轮资本不会只追逐更大的预训练集群，而会更多流向世界模型、合成数据、可验证推理、持续学习和新型反馈机制。若 Dario 的判断成立，预训练之外的强化学习和推理时计算仍会吸收大量算力，企业需要重新估算推理成本、数据中心规模和模型服务的毛利。

所以「Scaling 结束了吗」并不是一个适合用单一数字回答的问题。更准确的问法是：哪一种计算还在带来可重复的能力增益，哪一种增益能转化为现实任务中的可靠结果。

2. 企业 AI 会成为检验模型路线的压力测试

Dario 反复强调商业使用，尤其是开发者和企业场景，因为这些场景能把模型能力和实际产出绑定起来。代码是否完成、任务是否闭环、错误率是否下降，比「模型看起来更聪明」更容易形成反馈。2

但企业部署也有盲点：组织可以容忍一个助手偶尔答错，却不能接受它在目标不清时自行扩大行动范围。如果模型要从「会生成答案」走向「能在复杂环境中持续行动」，Ilya 所说的价值函数、记忆和世界理解就会从研究问题变成产品可靠性问题。

3. AGI 时间线的争论，最终会落到可检验能力

Demis 曾在这场对话中给出大约三至五年的 AGI 时间判断，但同一访谈更有价值的部分，是他把讨论拉回「系统能否建模自然结构」和「能否理解世界动力学」。4

这比争论谁先宣布 AGI 更有用。读者真正需要追踪的指标包括：模型能否在陌生任务上迁移，能否长期记忆并修正策略，能否处理开放环境中的因果变化，以及它的行为是否能被人类稳定地约束。没有这些指标，任何「进入新时代」或「指数还在继续」都只是路线声明。

接下来值得追踪什么

这三场对话留下了一个清晰的观察框架：

看新一代模型的进步，主要来自更多数据、更长推理，还是新的训练目标。
看模型能否在没有人工逐步示范的情况下，通过环境反馈学到可迁移的策略。
看企业真实任务的成功率是否同步提升，而不是只看实验室基准。
看研究机构是否公开足够的失败案例，让外界判断它们的时间线究竟建立在什么证据上。

Ilya 和 Dario 的分歧并没有告诉我们谁一定正确，却把问题问到了更具体的位置：未来的 AI 竞争，可能不再只是比谁有更大的模型，而是比谁能找到最值得扩展的学习回路。

References

1
Dwarkesh Podcast：Ilya Sutskever——从 Scaling 时代走向研究时代
dwarkesh.com
2
Dario Amodei：Big Technology Podcast 访谈完整转录
singjupost.com
3
Ilya Sutskever 访谈 YouTube 完整字幕入口
youtube.com
4
Lex Fridman Podcast #475：Demis Hassabis 完整逐字稿
lexfridman.com

先说结论

这不是一场已经分出胜负的争论。对行业更有用的问题是：当两种路线都声称自己在「扩展」时，它们扩展的对象到底是什么。