AI模型要如何打开真实世界之门？
物理认知与算力效率，正在成为新的路标。
责任编辑：黄金萍
AI正卡在通往物理世界的峡口，一边是唯恐错过AI技术变革的恐慌，另一边是对AI模型不好用、不够用的抱怨。
“大力出奇迹”的Scaling Law（规模法则）的边际收益正在递减——堆砌更多数据和参数，换来的AI模型性能提升越来越小，加上算力成本居高不下，拖慢了AI进入真实场景的步伐。
在2026年6月12-13日举办的“北京智源大会”大模型和世界模型论坛上，与会者试图从两个角度给出回答：一是借助世界模型构建物理认知，教会AI预测“下一个状态”；二是通过软硬协同提升算力效率，加速AI产业落地。
Scaling Law失效了吗？
2026年，行业普遍感受到AI模型对算力的“消化能力”在下降——更大的模型参数、更多的算力芯片，已经无法带来同等比例的智能提升。
这是因为，当前以预测“下一个Token”为核心的预训练范式，被认为更侧重于学习语言的统计规律（比如哪些词经常一起出现），而非理解其背后的因果逻辑（比如为什么会出现这个词）。当AI模型掌握常见模式后，继续扩大规模往往面临着收益递减的问题。
“驱动模型智能增长的方式需要改变。”在论坛上，新加坡国立大学教授、潞晨科技创始人兼董事长尤洋认为，未来提升智
登录后获取更多权限
校对：赵立宇
欢迎分享、点赞与留言。本作品的版权为南方周末或相关著作权人所有，任何第三方未经授权，不得转载，否则即为侵权。