---
id: "mb-20260830-9d2675"
kind: "deep"
title: "算力每暴涨 10 倍，AI 兑换出来的智商其实只有 50 点"
topic: "算力每暴涨 10 倍，AI 兑换出来的智商其实只有 50 点"
source_type: "generated"
status: "published"
generated_at: "2026-08-30 20:43:53"
frame_type: ["对数智力铁律 (Logarithmic Scal", "机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 算力每暴涨 10 倍，AI 兑换出来的智商其实只有 50 点

算力每暴涨 10 倍，AI 兑换出来的智商其实只有 50 点。
过去三年，几乎所有公开的基准测评都在一年内被大模型打满。
这种测试迅速饱和的景象，制造了智力正在指数级暴冲的幻觉。
真相刚好相反。
测评被打满，不代表模型进入了神级进化。
这只是因为人类现有的测试，难度区间太窄。
AI 趋势研究机构 Epoch AI 统计过一组数据：
全球前沿大模型的训练算力，每年增长 4 到 5 倍。
加上算法和数据清洗的效率提升，每年综合有效算力翻了整整 10 倍。
如果把一个测评任务从 10% 正确率爬到 90% 的过程画下来，它是一条标准的 S 型曲线。
大部分任务在 10 倍算力的冲击下，只要 6 到 24 个月就会彻底饱和。
表面上看，AI 正在以恐怖的速度攻克一个又一个领域。
但如果把有效算力本身作为尺子，底层的机器就露出了真面目。
这台机器叫对数智力铁律。
人类心理学在测量智商时，经历过完全相同的一幕。
斯坦福-比奈量表把人类 IQ 强行压进一条均值 100 的正态分布曲线里。
后来更严谨的项目反应理论，也就是 IRT，改用单道试题来测算潜在能力。
在 IRT 模型里，一个人做对一道题的概率随能力上升，画出的同样是一条 S 型曲线。
一道典型题目从 10% 正确率爬到 90%，在人类身上需要跨越大约 50 个 IQ 点。
在 IQ 70 到 145 的绝大多数人类区间里，这套理论与经典智商测试完全线性吻合。
两套看似无关的测量体系，在这里完成了一次精确对接。
在 AI 这里，推动单个测试从 10% 到 90% 饱和所需要的，刚好也是 1 个数量级，也就是 10 倍有效算力。
这意味着：人类定义的 50 点智商差距，底层消耗的是整整 10 倍的训练计算量。
智力不是随着算力线性暴涨的。
智力是有效算力和训练数据的对数。
算力在坐火箭，智力在走楼梯。
从普通人的 100 智商跨到顶尖学者的 150，需要 10 倍算力。
想从 150 跨到 200，不是多买几块芯片，是必须在之前的基础上再翻 10 倍，也就是 100 倍算力。
想冲到 250，需要 1000 倍。
越往前走，每一分智力的边际成本就越接近天文数字。
数据瓶颈更是一道死锁。
要训练出高出 50 个 IQ 点的模型，不仅需要指数级膨胀的数据量，还需要数据本身具备高出 50 点的认知质量。
模型无法靠自己左脚踩右脚完成自举，真正的突破必须依赖现实世界里极其昂贵的科学实验。
即便未来有人造出包裹恒星的戴森球，把太阳系所有物质都变成可逆量子计算机，在物理极限下，能达到的智力上限也就在 2000 点左右。
所谓无限自我迭代的智力大爆炸，从一开始就撞上了一堵对数墙。
每一寸认知的推进，背后都咬着一张成倍暴增的物理账单。
决定这场竞赛终局的，从来不是谁的声量更大。
是在对数铁律的残酷折损下，谁能撑得住指数级膨胀的真金白银。

_Rendered by mubei-terminal._