AI行业的风向,悄悄变了

过去两三年，AI行业的玩法非常简单粗暴，只要猛猛堆参数、堆数据、堆算力，模型的性能就会越好，所有大厂都在照这个逻辑疯狂砸钱。

但如果有人告诉你，这条被全行业奉为圭臬的定律其实比大多数人想象中要脆弱得多，你会怎么想？

前OpenAI安全研究副总裁翁荔最近在个人博客上连发两篇长文，把这个话题彻底摊开了。一篇拆解Scaling Law，一篇讲Harness Engineering。两篇连在一起看，其实是在讲同一件事。AI行业的底层逻辑正在松动，而很多人还没意识到。

Scaling Law的核心思想非常简单，只要把模型做大、数据喂多、算力堆够，性能就会按一个固定的幂律往上涨，这条曲线让AI从一门玄学变成了一门可以算账的生意。在此之前，深度学习一直被嘲讽为“炼金术”，你知道什么有效但不知道为什么有效。

Scaling Law第一次把这种不可预测性拽进了“可预测”的范畴，你不用真的花几亿美元把大模型训完才知道它行不行。你可以先跑几个小模型拟合出那条直线，然后往右一推就能预估出更大模型的表现，这就是所有大模型公司敢于砸钱的底气。但问题是，这条直线本身比看起来要脆弱得多。

翁荔在博客里做了一个非常细致的拆解，她发现同一个Scaling Law框架，不同团队用不同的统计口径能导出完全相反的最优解。2020年OpenAI发论文说模型应该比数据涨得快，2022年DeepMind又发论文说两边应该等比增长。分歧的根源小到一个参数的统计口径差异，加上实验规模不够大，这些看起来像账房先生才会计较的细节最终影响了价值数十亿美金的判断。

更麻烦的是，这些细微的误差在小规模实验里根本看不出来。因为一旦外推到万亿参数级别，一个四舍五入的差别就能让结论差出一大截。也就是说你在小模型上拟合出的完美曲线，推到远处可能完全不准。

还有一个更根本的问题是数据快用完了，Scaling Law默认数据可以无限供应，但高质量文本是有限的。这也是为什么整个行业集体转向强化学习、测试时计算和合成数据，本质上都是在找“不用更多真实数据”的替代路径。但转向本身就已经说明那条曾经被当作铁律的曲线，地基正在松动。

如果说Scaling Law决定了一代模型的天花板有多高，那另一层东西正在决定这个模型在现实任务中能走多远，也就是之前AI圈热议的Harness Engineering（驾驭工程）。

你可以简单地理解成包裹在大模型外面的一层“脚手架”，它负责编排模型如何思考和规划、调用哪些工具、如何管理上下文和如何评估结果。换言之，模型负责“想”，Harness负责“做”，然后把“做”的结果反馈给模型，让它下一次“想”得更好。

一个成熟的Harness有点类似于操作系统，它能把复杂的逻辑封装起来，同时保持接口简单。模型不需要把整个工作流和所有日志都塞进有限的上下文窗口里，它可以基于文件系统这样的持久化存储来管理状态。这能让智能体处理更长周期的任务，不至于在长上下文的混乱中迷失。

当下像Claude Code、Codex、Cursor这类AI编程产品，它们的核心竞争力很大程度上不来自模型权重本身，而是精心设计的Harness。模型提供推理能力，Harness则提供“让推理在真实环境中落地并持续迭代”的结构。同一个基础模型配上不同的Harness，在真实任务中的表现可以差出好几个量级。

更值得注意的是Harness本身的演进方向，早期的Harness靠人手工设计，现在的研究正在让它变成一个可以自我优化的系统。一个元智能体可以去搜索和改进管理上下文的“技能”，甚至让编码智能体自己去编写、测试和迭代新的Harness代码。这样模型不需要直接改写自己的权重，它只需要优化外面那层“脚手架”，就能实现持续的能力提升。

AI行业正在经历一次非常微妙的转向，过去几年的主线是扩展模型本身，现在看来这个方向可能只是拼图的一半。数据和算力的规模依然重要，但它们的定义正在被重新理解。高质量数据的作用将变得更加突出，训练之后的工作流、推理时的计算策略、模型调用工具的方式甚至评估体系的设计，都在成为决定最终表现的关键变量。

Scale没有结束，它只是换了种形式。整个行业的竞争正在从单一维度的比拼，走向更多层次的系统较量。未来谁能在模型之外搭出更好的执行系统、反馈闭环和记忆机制，谁就能在同一个模型的基础上跑出更远的距离。

而那条曾经被奉为圭臬的Scaling Law曲线，可能只是这场竞赛的起跑线。