Gavin Baker 指出，Gemini 3 的發佈證明大模型的擴展定律（Scaling Law）依然有效。
週二，資深科技投資者 Gavin Baker 在最近的播客訪談中指出，谷歌 Gemini 3 模型的推出驗證了即使在硬件算力受限的窗口期，AI 仍能通過新的推理機制實現能力躍升。
他強調若非模型推理能力的及時湧現，全球 AI 產業本將在 2024 年中期至 Gemini 3 發佈期間陷入完全停滯。由於英偉達下一代芯片 Blackwell 面臨科技史上最複雜的產品過渡與延遲，這一硬件算力的 “斷檔期” 本極有可能引發資本市場的劇烈動盪。
Baker 指出，在過去幾個月沒有真正下一代算力上線的情況下，AI 的進步主要依賴於兩類新方法：一是帶有驗證獎勵的強化學習（Reinforcement Learning with Verified Rewards），二是測試時計算（Test Time Compute）。
他認為，正是這兩項技術讓模型在現有硬件上實現了智能水平的顯著提升，從而支撐了當前科技股的高估值。
<h2 style="text-align: left">預訓練定律的存亡時刻</h2>
關於預訓練 Scaling Law，Baker 強調，Gemini 3 的發佈具有里程碑意義，因為它明確證實了該定律仍然有效。
在此之前，沒有人能從原理上完全解釋為何 Scaling Law 會起作用，它更多是一種類似古埃及人觀測天象的 “經驗觀察”——雖然能夠精確測量金字塔軸線與星象的對齊，卻並不理解背後的軌道力學。
對於投資者而言，每一次對 Scaling Law 的確認都至關重要。如果這一經驗定律失效，意味着海量的資本支出將無法轉化為更強的智能表現。
Gemini 3 證明了即便在現有硬件架構下，通過增加算力和數據，模型基座的能力依然在提升。但 Baker 同時指出，僅靠預訓練階段的 Scaling Law，並不能解釋過去半年的市場繁榮。
事實上，如果 AI 進步僅僅依賴於硬件算力的預訓練堆疊，那麼從 2024 年中期開始，行業將面臨長達 18 個月的 “真空期”。
<h2 style="text-align: left">兩大新定律拯救市場</h2>
讓全球市場躲過這一劫的，是 “推理” 能力的出現。
Baker 引用 ARC AGI 基準測試數據指出，AI 智能水平在過去四年裏僅從 0 進展到 8%，但在 OpenAI 推出首個具備推理能力的模型後，短短三個月內就從 8% 飆升至 95%。
這一飛躍源於兩條新的 Scaling Law：
<blockquote>
<ul>
<li>
帶有驗證獎勵的強化學習（RL with Verified Rewards）： 正如 Andre Karpathy 所言，“凡是能被驗證的，就能被自動化”。只要有明確的對錯結果，AI 就能通過強化學習自我進化。
</li>
<li>
測試時計算（Test Time Compute）： 讓模型在回答問題前 “思考” 更長時間，通過消耗更多的推理算力來換取更高的智能表現。
</li>
</ul>
</blockquote>
這兩大定律在英偉達 Blackwell 缺席的情況下，強行延續了摩爾定律般的增長。它們不僅填補了硬件迭代的空窗期，更重要的是，這些定律具有乘數效應。
最後，Baker 強調，AI 已跨越單純依賴堆砌顯卡的增長瓶頸，進入通過邏輯推理與驗證實現價值躍升的新階段。 他預計，未來當這些新 Scaling Law 運行在性能更強的 Blackwell 基座模型之上時，AI 能力將迎來再一次爆發。

英偉達

科技投資者 Gavin Baker 指出，由於英偉達 Blackwell 芯片延遲導致算力斷檔，AI 產業本應在 2024 年停滯 18 個月。但” 強化學習驗證獎勵” 和” 測試時計算” 兩大新 Scaling Law 擴展定律的出現，讓 AI 推理能力在硬件受限下實現飛躍（智能水平測試從 8% 升至 95%），避免了市場崩盤，併為未來結合新硬件的能力爆發奠定基礎。

- Gavin Baker 指出，Gemini 3 的發佈驗證了大模型的擴展定律仍然有效。  
- 他強調，AI 產業在硬件算力受限的情況下，通過新推理機制實現了能力躍升。  
- 兩項新技術推動了模型智能水平的提升，支撐了科技股的高估值。  

資深科技投資者：如果沒有 Scaling Law 的突破，2024 年 AI 就崩了