来源：新智元
Scaling Law，撞墙了吗？
3月3日，Anthropic CEO Dario Amodei在摩根士丹利TMT年度会议上说直接定调：
We do not see hitting the wall.
我们，看不到墙。
他的核心观点只有一句：
Scaling Law不仅没有撞墙，2026年还会迎来一轮激进加速!
而且这个速度，会让所有人措手不及。
Dario Amodei直接把AI撞墙论按在地上摩擦。
这话如果换一个人说，你大可以当吹牛听。
但说这话的人，是全球估值最高的AI公司之一的掌门人，手里握着Claude系列模型，公司年化收入已经被外界估计达到了190亿美元量级（已经快追上OpenAI了）。
而且在企业API市场，Anthropic的份额可以说是一家独大。
他不是在画饼，是在描述他每天亲眼看到的东西。
让数学家都害怕的棋盘故事
如何让普通人也能体会到「奇点加速」的感受？
Dario在会上讲了一个经典得不能再经典的寓言——棋盘上的稻米。
故事你可能听过：国际象棋棋盘有64个格子，第一格放1粒米，第二格放2粒，第三格放4粒，每一格翻倍。
听起来人畜无害对吧，但真算到最后一格，那个数字是多少？
大约是1844京粒米。
就是18,446,744,073,709,551,615粒。
这个数字大到什么程度呢——把全球所有水稻田连种一万年，也凑不出这么多。
这个故事之所以恐怖，不在于结局，而在于过程中的错觉。
前32格加在一起，总共也就大约42亿粒米，听着挺多，但放在整个棋盘上看？
连零头都算不上。真正的爆炸性增长，全部集中在后32格。
从第33格开始，每翻一格，增量就超过之前所有格子的总和。
这就是指数增长最狡猾的地方——前半场温温吞吞，让你觉得也就那样；后半场突然起飞，等你反应过来，已经来不及了。
Dario说：我们现在正站在这个棋盘的第40格。
也就是说，前面39格的增长——从GPT-3到ChatGPT到GPT-4到Claude 3.5再到Opus 4.6今天各家模型的百花齐放——所有这些加在一起，可能只是后面24格的一个前奏。
他原话的意思很明确：从第40格到第64格的速度，会比你已经见过的一切都更快。
哪怕你已经觉得AI发展够快了，你仍然没有准备好。
2026年：激进加速的一年
Radical acceleration——这是Dario用来形容2026年的词。
注意，他没有说稳步提升，没有说值得期待，他用的是激进加速。
让我们想想过去两年发生了什么：
2024年初，大多数人还在用ChatGPT写写邮件、问问菜谱，觉得AI挺好玩但也就那样。
到了2024年底，AI编程助手开始大面积进入开发者工作流。
2025年，AI Agent的概念爆发，模型开始能自主完成多步骤任务。
2026年，发生的一切已经够让人目不暇接了。
但在Dario看来，这都还只是棋盘前半场的故事。
真正让他兴奋（或者说让他紧张）的是：他们在实验室里看到的东西，远比外界感受到的要疯狂得多。
这就是科技行业一个经典的信息不对称——公众感知到的AI能力，永远落后于实验室内部的真实水平。
当你觉得哇，Claude变聪明了好多的时候，Anthropic内部可能早在半年前就已经走到了更远的地方。
而现在，Dario直接站出来说：2026年，实验室里的东西要大规模溢出到现实世界了。
代码领域：一切爆发的起点
在这次会议上，Dario透露了一个关键信息：代码生成是目前AI能力爆发的最强领先指标。
他说这个领域的进展已经超出了他们最乐观的预期。
这个超出预期是什么概念？
Anthropic自己就是最好的例子——他们内部已经在大规模使用自家模型来写代码。
如果按照付费标准来算，Anthropic自己会是自己最大的客户之一。
但更关键的变化在于，代码能力的溢出效应：
第一阶段：模型帮你写代码。节省时间，提高效率，但本质上还是个高级工具。
第二阶段：模型开始接管围绕代码的一切周边工作——管理服务器、控制集群、检查视觉特征、搭建工具链。它不仅写代码，还能理解代码运行的整个上下文。
第三阶段：模型开始搭建让自己更高效工作的脚手架和工具。也就是——AI开始用AI来改进AI。
这就是为什么Dario说他们的端到端生产效率已经翻了两到三倍。不是某个环节提高了30%，而是整个链条的效率成倍增长。
他进一步预言：代码领域正在发生的这一切，将会以稍慢但完全相同的模式，复制到经济的每一个角落。金融、医疗、法律、教育、制造……每一个行业都将经历同样的三阶段渗透。
这是一个非常大胆的断言。但如果你回想一下互联网的普及路径——先是程序员用，然后企业用，最后所有人用——你会发现，AI的这条路径几乎是历史的复刻，只是速度快了10倍。
RSI：AI学会了左脚踩右脚
在Dario的公开言论之外，还有一个更值得关注的信号：递归式自我改进（Recursive Self-Improvement, RSI）。
什么是RSI？简单说就是：AI自己改进自己。
打个比方，现在的AI模型是人类工程师用大量数据训练出来的。但如果有一天，AI模型能自己发现自己的不足、自己设计实验、自己优化参数、自己提升能力呢？
这就像一个学生不再需要老师，开始自己给自己出题、自己批改、自己查漏补缺。而且每一轮改进之后，它出的题更好了，改进的速度也更快了。
左脚踩右脚，原地起飞——虽然这在物理学里是个笑话，但在AI领域，这正在变成现实。
从Dario的发言中可以看出，Anthropic在这个方向上很可能已经取得了实质性进展。
他提到模型已经能搭建工具和脚手架来改进自身工作流，这本质上就是RSI的早期形态。
如果RSI真的在2026年取得突破，那么AI的进化速度将从指数增长变成指数的指数增长。
留住人才比什么都重要
在一片技术狂飙中，Dario还分享了一个很接地气的话题：人才战争。
去年夏天，Meta曾试图挖走Anthropic的研究人员，开出的价码从1亿到5亿美元不等——注意，这是给单个人的。
这个数字已经远远超过了顶级职业运动员的薪资。
面对这种天价诱惑，Anthropic怎么做的？
Dario说，他们对团队的态度是：你来Anthropic是因为使命感，不是因为某个竞争对手突然扔了个飞镖扎到你名字上我们就给你加10倍薪水。那样做只会撕裂团队文化。
结果呢？面对5亿美元的诱惑，Anthropic最终只走了两个人去了Meta。
而作为对比，规模大约是Anthropic 1.5倍的OpenAI，流失的人数要多好几倍。
Dario骄傲地强调：Anthropic的7位联合创始人至今全部在职，要到差不多第20号员工才能找到一个离开的人，而且离开的时间也是创业很多年之后。
这个留存率在硅谷几乎是不可能的。在AI这个人人都被高薪挖角的行业里，简直是个奇迹。
他的总结只有一句话：技术可以买，文化买不到。
这句话听着像鸡汤，但放在AI军备竞赛的背景下看，它有着非常现实的含义——当你的对手可以花几百亿买GPU、花几十亿买数据，唯一不能用钱解决的，就是一支发自内心相信自己在做正确事情的团队。
Scaling Law撞墙的迷思从何而来？
过去一年，Scaling Law撞墙的说法在业内反复出现。
其核心论点是：随着模型越来越大，继续堆算力和数据的边际收益在递减，性能提升越来越慢。
一些研究者甚至断言，大模型的发展已经接近天花板。
早在2024年，Ilya就曾提过现在给AI训练的燃料要用尽了。（不过当时奥特曼说了，没有墙）
这种说法并非完全没有道理——在某些特定的benchmark上，最新模型的进步确实没有之前那么惊艳了。
但Dario显然不同意这个结论。他的反驳逻辑也很直接：
第一，你看到的减速，可能只是指数曲线上的一个微小波动。
站在棋盘第38格往第39格看，增速确实只是翻了一倍。但这一倍放在绝对值上，已经是天文数字。
第二，Scaling不只是堆参数。
包括训练方法的创新、推理时计算的优化、数据质量的提升、工具使用能力的增强……这些维度上的进步，正在打开全新的增长曲线。
第三，也是最关键的一点——他们在内部看到了加速。
不是理论推演，是实实在在的实验数据。当一个每天坐在前沿实验室里看数据的人告诉你没撞墙，这个信息的权重应该比任何推特上的观点都重。
写在最后
说实话，Dario的话让人既兴奋又不安。
兴奋的是：如果他说的是对的，那我们正处于人类历史上最大的技术革命的临界点。
每一个行业都将被重塑，每一种工作都将被重新定义，生产力的飞跃可能超出所有经济学家的模型。
不安的是：指数增长的本质就是它永远比你想象的更快。
而这一次，加速的不是某个具体产品，是智能本身。Dario自己也承认：人们还没有准备好。
从棋盘的第40格往前看，39格的一切已经足够震撼。
但第40格之后，人类科技没有退路。
棋盘后半场，智人没有回头路。