夜雨聆风
2026 年 4 月，谷歌 AI 掌门人 Demis Hassabis 说了一句让整个行业都停下来思考的话：
"把模型做大的红利，快吃干了。"
这是 DeepMind CEO、诺贝尔化学奖得主对 AI 行业最核心竞争逻辑的一次公开质疑。
过去三年，AI 行业的竞争逻辑极其简单：谁算力多，谁模型大，谁就领先。
OpenAI 凭借微软的万张 GPU 集群，率先推出 GPT 系列并建立行业标杆。随后 Google、Meta、Anthropic 纷纷跟进，一场围绕算力的军备竞赛就此打响。
但现在，谷歌 AI 的最高负责人亲自站出来说：这条路可能走不通了。
模型越大，能力越强，差距越大。这个假设在过去三年基本成立。从 GPT-3 到 GPT-4，每一次"做大"都带来了显著的能力提升。
但 Hassabis 指出了三个正在显现的拐点：
拐点一：边际收益递减
模型从 10 亿参数到 100 亿参数，能力飞跃明显；但从 1 万亿到 10 万亿，同等投入带来的提升正在缩小。投入 10 倍算力，可能只换来 10% 的能力增长。
拐点二：算力民主化加速
芯片技术迭代、云服务降价、开源模型涌现——获取算力的门槛正在降低。当算力不再是稀缺资源，靠算力堆出来的护城河自然就弱了。
拐点三：数据瓶颈逼近
互联网上高质量的训练数据是有限的。当所有团队都在用同一批数据训练模型时，算力再大也拉不开本质差距。
如果算力不再是决定性因素，那什么才是？
Hassabis 给出了明确答案：算法创新。他特别强调了四个关键能力缺口：
持续学习
当前模型是"训练一次，冻结使用"。真正智能的系统应该能持续从新数据中学习，不断进化。
记忆系统
人类拥有工作记忆、短期记忆和长期记忆的分层系统。当前 AI 模型的"记忆"机制还很原始。
长期规划
AI 能处理即时任务，但在多步骤、长周期的规划任务上表现不佳。这是智能体从"辅助工具"升级为"自主代理人"的关键瓶颈。
一致性
模型在不同对话、不同场景中的行为一致性仍然不足。一个真正可靠的 AI 系统，应该有稳定的推理逻辑和行为模式。
Hassabis 的判断，对中国 AI 产业来说，既是警醒，也是机会。
警醒在于：中国 AI 产业过去两年也在走"堆算力"的路线。各地争建智算中心，企业争购 GPU，地方政府把"算力规模"当政绩指标。如果算力红利的窗口期真的在缩短，这些投入的战略价值需要重新评估。
机会在于：中国不缺算法人才，缺的是对算法创新的重视。DeepMind 本身就是"算法驱动"的典范——AlphaGo、AlphaFold 都不是靠堆算力取胜，而是靠算法突破。
事实上，中国团队已经在算法创新上取得了一些突破：MoE（混合专家）架构的广泛应用、RAG（检索增强生成）技术的快速普及、Agent 框架的百花齐放——这些都是"算法驱动"的典型案例。
四川在 AI 产业的布局上，应当认真吸收 Hassabis 的判断。
第一，算力基础设施要建，但不能只建算力。四川拥有丰富的水电资源和西部算力枢纽的地位，建设智算中心是正确的。但如果只停留在"卖算力"的层面，就会沦为 AI 时代的"卖水人"。算力是基础设施，不是核心竞争力。
第二，算法研究需要真金白银的支持。电子科大、四川大学在算法领域有扎实的基础。天府实验室、省人工智能研究院等平台应当加大对算法创新的投入，特别是在持续学习、记忆系统、Agent 架构等方向上。
第三，产业政策应向"用 AI"倾斜，而非"做 AI"。算力竞赛是巨头游戏，四川的优势不在于训练最大的模型，而在于把 AI 用到最好的场景里。政务、医疗、文旅、农业——这些领域的 AI 应用，才是四川真正的机会。
Hassabis 的判断不一定全对，但他提出的问题值得每一个 AI 从业者深思。
当所有人都在拼命买 GPU 时，有人问了一句：这真的是唯一的路吗？
这种质疑本身，就是推动行业进步的力量。
对于中国、对于四川，最好的策略不是在算力竞赛中追赶，而是在算法创新和应用落地中寻找自己的节奏。
毕竟，真正的竞争，从来不是比谁跑得更快，而是比谁跑对了方向。
