Gavin Baker 指出，Gemini 3 的发布证明大模型的扩展定律（Scaling Law）依然有效。
周二，资深科技投资者 Gavin Baker 在最近的播客访谈中指出，谷歌 Gemini 3 模型的推出验证了即使在硬件算力受限的窗口期，AI 仍能通过新的推理机制实现能力跃升。
他强调若非模型推理能力的及时涌现，全球 AI 产业本将在 2024 年中期至 Gemini 3 发布期间陷入完全停滞。由于英伟达下一代芯片 Blackwell 面临科技史上最复杂的产品过渡与延迟，这一硬件算力的 “断档期” 本极有可能引发资本市场的剧烈动荡。
Baker 指出，在过去几个月没有真正下一代算力上线的情况下，AI 的进步主要依赖于两类新方法：一是带有验证奖励的强化学习（Reinforcement Learning with Verified Rewards），二是测试时计算（Test Time Compute）。
他认为，正是这两项技术让模型在现有硬件上实现了智能水平的显著提升，从而支撑了当前科技股的高估值。
<h2 style="text-align: left">预训练定律的存亡时刻</h2>
关于预训练 Scaling Law，Baker 强调，Gemini 3 的发布具有里程碑意义，因为它明确证实了该定律仍然有效。
在此之前，没有人能从原理上完全解释为何 Scaling Law 会起作用，它更多是一种类似古埃及人观测天象的 “经验观察”——虽然能够精确测量金字塔轴线与星象的对齐，却并不理解背后的轨道力学。
对于投资者而言，每一次对 Scaling Law 的确认都至关重要。如果这一经验定律失效，意味着海量的资本支出将无法转化为更强的智能表现。
Gemini 3 证明了即便在现有硬件架构下，通过增加算力和数据，模型基座的能力依然在提升。但 Baker 同时指出，仅靠预训练阶段的 Scaling Law，并不能解释过去半年的市场繁荣。
事实上，如果 AI 进步仅仅依赖于硬件算力的预训练堆叠，那么从 2024 年中期开始，行业将面临长达 18 个月的 “真空期”。
<h2 style="text-align: left">两大新定律拯救市场</h2>
让全球市场躲过这一劫的，是 “推理” 能力的出现。
Baker 引用 ARC AGI 基准测试数据指出，AI 智能水平在过去四年里仅从 0 进展到 8%，但在 OpenAI 推出首个具备推理能力的模型后，短短三个月内就从 8% 飙升至 95%。
这一飞跃源于两条新的 Scaling Law：
<blockquote>
<ul>
<li>
带有验证奖励的强化学习（RL with Verified Rewards）： 正如 Andre Karpathy 所言，“凡是能被验证的，就能被自动化”。只要有明确的对错结果，AI 就能通过强化学习自我进化。
</li>
<li>
测试时计算（Test Time Compute）： 让模型在回答问题前 “思考” 更长时间，通过消耗更多的推理算力来换取更高的智能表现。
</li>
</ul>
</blockquote>
这两大定律在英伟达 Blackwell 缺席的情况下，强行延续了摩尔定律般的增长。它们不仅填补了硬件迭代的空窗期，更重要的是，这些定律具有乘数效应。
最后，Baker 强调，AI 已跨越单纯依赖堆砌显卡的增长瓶颈，进入通过逻辑推理与验证实现价值跃升的新阶段。 他预计，未来当这些新 Scaling Law 运行在性能更强的 Blackwell 基座模型之上时，AI 能力将迎来再一次爆发。

英伟达

科技投资者 Gavin Baker 指出，由于英伟达 Blackwell 芯片延迟导致算力断档，AI 产业本应在 2024 年停滞 18 个月。但” 强化学习验证奖励” 和” 测试时计算” 两大新 Scaling Law 扩展定律的出现，让 AI 推理能力在硬件受限下实现飞跃（智能水平测试从 8% 升至 95%），避免了市场崩盘，并为未来结合新硬件的能力爆发奠定基础。

- Gavin Baker 指出，Gemini 3 的发布验证了大模型的扩展定律仍然有效。  
- 他强调，AI 产业在硬件算力受限的情况下，通过新推理机制实现了能力跃升。  
- 两项新技术推动了模型智能水平的提升，支撑了科技股的高估值。  

资深科技投资者：如果没有 Scaling Law 的突破，2024 年 AI 就崩了