Sam Altman 在斯坦福演讲：一代研究者低估了 Scaling 能力，阻碍了 AI 发展

一句话看懂

Sam Altman 在斯坦福演讲中反击 scaling 怀疑论者，称一代研究者因低估 scaling 能力而拖慢了 AI 进步。

详细发生了什么

在斯坦福大学的一场演讲中，OpenAI CEO Sam Altman 为大规模语言模型（LLM）的 scaling 策略进行了强力辩护。他直言，过去十年间，整整一代人工智能研究者因为低估了 scaling 能够带来的能力提升，实际上阻碍了该领域的发展。

Altman 引用 OpenAI 最近的一项研究成果作为证据：该团队成功推翻了一个长期存在的数学猜想。这一成就被认为是 scaling 能力的直接体现——通过扩大模型规模和数据量，模型展现出了超越传统理论预期的推理能力。

Altman 的言论明显是针对近年来关于“scaling law 已失效”的批评。部分学者认为，单纯扩大模型规模带来的收益正在递减，需要新的架构或方法。但 Altman 坚持认为，scaling 的潜力远未被充分挖掘，而批评者恰恰是那些未能预见其力量的人。

中文圈视角

Altman 的这番表态对中文 AI 社区有直接冲击。国内大模型厂商如百度、阿里、字节跳动等，在 scaling 路线上的投入一直紧跟 OpenAI。如果 scaling 真的还有巨大空间，那么国内厂商继续堆算力、堆数据的策略就仍然有效。反之，如果 scaling 见顶，则意味着需要更多架构创新。

对中文用户而言，这意味着：短期内，国内大模型仍会沿着 scaling 路线前进，模型能力可能继续快速提升。但需要警惕的是，国内算力受限（尤其是高端 GPU 出口管制），能否跟上 OpenAI 的 scaling 速度是个问题。此外，Altman 提到的“推翻数学猜想”这类能力，对中文场景的科研、教育、编程等领域可能产生深远影响——但前提是这些模型能通过合规渠道进入中国。

目前中文圈讨论较少的一个盲点是：Altman 的批评是否也针对了部分中国研究者？国内 AI 学界对 scaling 的质疑声音同样存在，而 Altman 的演讲可能加剧路线之争。

几条值得记住的细节

Altman 在斯坦福演讲中明确为 scaling 辩护，称其潜力被低估。
他引用 OpenAI 推翻数学猜想的成果作为 scaling 有效的证据。
批评对象是“整整一代研究者”，范围覆盖学界和业界。
演讲时间：2026年6月，正值 AI 领域对 scaling 路线争议激烈之时。
Altman 未提及具体模型或数据规模，但暗示 scaling 仍有巨大空间。

一句话总结

Scaling 之争远未结束，Altman 的强硬表态意味着 OpenAI 将继续押注规模，国内厂商需在算力与创新间找到平衡。