{"id":"mb-20261012-68a0e2","kind":"deep","title":"外行的新手运气：Anthropic创始人Dario Amodei如何靠硬堆参数砸出大模型时代","summary":"2014年，从生物物理转行做AI的Dario Amodei在百度实验室提出了一个外行问题：不改算法，只把模型做大、数据加倍会怎样？面对资深专家的理论质疑，他用最简单的旋钮实验撞开了缩放定律的大门。本文拆解大模型背后的规模逻辑，以及为什么在范式转换时，过度依赖经验反而会成为探索的包袱。","body":"生物物理博士转行搞AI，靠硬堆参数砸出了大模型时代。\n\n这个人叫 Dario Amodei。\n现在他是 Anthropic 的 CEO，掌管着估值几百亿美元的 Claude。\n但在 2014 年，他刚从普林斯顿拿完生物物理博士，跑去百度硅谷实验室给吴恩达当研究员。\n在当时的 AI 圈子里，他是个彻头彻尾的外行。\n\n那时候整个领域在忙什么？\n全在钻研算法。\n大家都在设计更精巧的神经网络架构，寻找更高深的数学优化技巧。\n几乎所有专家的共识都一样：AI 想变聪明，必须靠更好的算法设计。\n\nDario 带着生物物理学的视角看这件事。\n他觉得那些算法太复杂了，反而提出了一个几乎称得上天真的问题：\n“如果模型结构一点都不改呢？”\n“我们只把层数做深、参数做大，同时塞进去更多的数据，会怎么样？”\n\n在他眼里，这根本不需要复杂的算法技巧。\n就像设备上的两个独立旋钮。\n一个旋钮叫模型规模，一个旋钮叫数据量。\n两只手同时往上拧，看看会发生什么。\n\n当时同行们的主流判断出奇一致：别折腾了。\n在既有认知里，无脑堆数据容易造成严重过拟合，模型做大了算力吃不消，没有算法层面的创新，算出来的全是一团噪音。\nDario 后来在播客里回忆，听到同行们这样说，他的第一反应其实很怂：\n“我当时真觉得大概率是我错了，行业里这么多专家，他们肯定是对的。”\n\n但他还是伸手去转了那两个旋钮。\n实验跑出来的结果让所有人意外。\n模型不仅没有崩溃，反而每加大一倍参数、每多喂一批数据，准确率就跟着往上抬一截。\n而且性能提升的趋势极其规律，就像一条确定的物理定律。\n\n到了 2017 年，他在 OpenAI 推动语言模型的实验。\n互联网上的文本有几万亿词，这把旋钮的刻度一下子被彻底拉开了。\n后来的事情大家都看到了。\n从 GPT-1 到后来的万亿参数模型，每当有人断言规模扩张即将见顶，团队就把旋钮再往上拧一格，规模增长每一次都冲破了预想的瓶颈。\n\n这就是后来统治整个 AI 行业的缩放定律（Scaling Law）。\n大模型的智能爆发，没靠任何精巧复杂的算法技巧，纯靠最朴素的物理逻辑：把参数做大，把数据喂饱，在算力尺度上硬生生压出智能。\n\nDario 在访谈里给出了一句很实在的总结：\n很多时候，经验反而是一种劣势。\n因为懂行的人看得太清楚了。\n他们知道过去的每一条理论限制，熟悉过去几十年里碰壁的各种细节，反而不会去问这种简单的问题。\n只有带着新手运气的外行，因为没有思想包袱，才敢伸手去转那个没人愿意碰的旋钮。","topic":"外行的新手运气：Anthropic创始人Dario Amodei如何靠硬堆参数砸出大模型时代","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-12 16:15:07","legal_anchor_count":0,"transcript_citation_count":0}