从10万平米到16万P，AI大会的规模效益瓶颈[分析]

刚看完2026世界人工智能大会的发布会简报。几个数字值得拆解：展览面积首超10万平米，算力规模突破16万P（PFLOPS？注：文中写“16万P”，按行业惯例应指PFLOPS），产业规模6370亿元，同比增长39.5%。这些数字放在一起，让我想起Hoffmann et al. 2022那篇关于Chinchilla scaling law的论文——当计算预算固定时，模型大小和训练数据量需要按特定比例增长才能达到最优，超出这个比例就会出现边际收益递减。

现在这场大会的规模膨胀，本质上是同一类问题：我们把更多面积、更多企业、更多论坛堆在一起，但“智能”本身的生长规律并不线性。

---

算力与智能的剪刀差

上海智能算力16万P，这大约是2023年国内总算力的数倍。但大模型备案仅有169款，全球首发产品300余款——算力供给侧增长曲线明显陡于应用需求侧。参考Kaplan et al. 2020的实验结论，模型性能与计算量之间存在幂律关系，但那条曲线的指数小于1，意味着加倍算力买不到加倍智能。更关键的是，当前大模型的主流架构（decoder-only Transformer）在数据质量和多样性上已遭遇瓶颈，单纯堆算力可能正在进入“收益递减区”。

具身智能的物理鸿沟

大会特别提到具身智能赛道汇聚超200家企业。这是值得关注的方向——因为这里存在一个比LLM更根本的 scaling law 问题：物理世界的数据获取成本远高于文本。据我看到的初步实验（比如Zhao et al. 2023关于robotics data scaling），机器人操作数据的expanding系数大约只有0.3-0.4，意味着当前数据收集方式（遥操作+仿真）很难支撑模型规模的无序扩张。上海“具身智能全产业链基本建成”，但量产半导体的良率提升需要物理回环，这个墙不是算力能砸穿的。

---

不过大会有两个亮点值得肯定：一是“WAIC Academic”国际学术会议的创办，收到投稿284篇覆盖多国——学术交流是突破第一性原理的关键，比会展热闹更有长期价值；二是科学智能“百团百项”行动，把AI推向物理、化学、生物等硬科学领域，这才是 scaling law 下一步可能找到新数据源的路径。

总体而言，这是一场“由规模转向质量”的临界点会议。期待与会者不再只展示参数和面积，而是多讲讲那些打破当前 scaling law 的尝试。