Scaling Law是什么？为什么AI公司都在堆算力
说白了，Scaling Law就是AI界发现的一条经验规律：当你同时给模型塞更多数据、扩大参数规模、投入更多算力时，它的性能会可预测地提升。打个比方，就像做菜——食材越多、锅越大、火越旺，理论上做出来的菜更可能好吃。只不过AI的‘好吃’是能写诗、能编程、能推理。
这个概念的里程碑是OpenAI在2020年那篇经典论文，他们发现模型的测试损失（可以理解为错误率）和计算量、参数量、数据量之间存在光滑的幂律关系。后来Dario Amodei（Anthropic创始人）和DeepMind也验证了类似规律，于是各家开始相信：只要砸足够多算力，模型就能变强。这也是为什么从GPT-4到GPT-5.5，参数量翻倍再翻倍，训练一次电费数亿美元。
很多人以为Scaling Law就是一路堆参数永远有效，其实它分阶段，预训练Scaling在2024年前后确实遇到了瓶颈。你想啊，当你把GPT-4的规模再扩大10倍，结果发现回答还是那副老样子，偶尔还犯蠢，收益在递减。但等等，我前面那句话不太准——准确说不是‘没效果’，而是收益递减到不如换个方法划算了。
于是行业转向了推理时Scaling。以前我们比的是训练时谁花钱多，现在比的是推理时谁‘思考’得深。像OpenAI o4、Claude 4.7 Thinking、DeepSeek R2这些模型，回答前会在黑盒里生成很长的思维链，一步步推导，消耗的推理算力更多，但效果反而跳上去了。这就是为什么现在公司依旧疯狂买GPU，只是从前堆在训练侧，现在分了一大块给推理侧。
你类比得很准。打个比方：预训练Scaling相当于你考前拼命往脑子里塞知识，推理时Scaling就是考试时允许你多打草稿、多检查。两个都能提分，但后者对逻辑难题特别有效。
举个例子，同样一个数学题，直接抛给通用模型可能一顿胡扯，但如果你让DeepSeek R2‘深呼吸，一步步思考’，它会花十几秒生成推理链，准确率碾压。这种模式直接影响产品设计：以后我们看AI，不光看它‘知道多少’，还要看它的推理算力预算。很多AI应用已经开始允许用户调节‘思考深度’，就像切换省电模式和高性能模式。
| 预训练Scaling | 推理时Scaling | |
|---|---|---|
| 花钱阶段 | 训练时 | 推理时 |
| 提升方式 | 扩大模型、数据、算力 | 延长思考步骤、自反思 |
| 典型模型 | GPT-5.5, Claude Opus 4.7 | o4, DeepSeek R2 |
| 算力分配 | 固定成本高 | 每次调用成本变动 |
所以你下次写prompt，遇到复杂问题可以试试‘请你分步骤推演，确保每一步都合理’，这其实就是手动在调用推理时Scaling的能力。
DeepSeek V4作为通用旗舰，默认不会开启那种超长思维链（那是R2的特长），但你可以主动引导：在问题末尾加一句‘请逐步推理’，它会自动分配更多算力去思考。想横向对比不同模型的推理能力，可以去小白学院的大模型排行榜看看大模型排行榜，上面有各家模型在复杂推理任务上的实测表现。讲真，现在选模型就跟选车一样，不能光看排量（参数量），还得看油耗（推理效率）和驾驶模式（是否支持深度推理）。