Hassabis：「我們從沒真的看到牆」——DeepMind 的資源配置是 50% 擴大規模、50% 創新。

本篇出自 2026年7月22日 晨報

Google DeepMind 執行長 Demis Hassabis 在去年年終訪談（本報昨夜才取得逐字稿）正面回應「規模化撞牆」論：只有報酬遞減、沒有牆，而且遞減不是零與一：Gemini 3 的進步就是證據；訓練資料用盡的顧慮在可驗證領域（程式、數學這類答案可自動核對的題目）有解，「某種意義上可以生產無限的資料」；DeepMind 的研究配置是「50% 押規模、50% 押創新，我賭兩者都要才到 AGI」(GDM Podcast,2025-12)。這是「撞牆敘事」對面分量最重的一手反證，也是難得一見的實驗室資源配置口徑——但全屬單一來源的自家說法，非第三方量測。

同類最新

• 大神觀點 2026年7月27日 1 條來源

  Lambert 解讀 Opus 5 為何追得上旗艦

  Nathan Lambert 對 Opus 5 追平旗艦給出機制解釋:他認為關鍵是「更快的迭代速度＋規模化強化學習(RL)」,而旗艦模型「反而還太大、還沒法同樣做 RL」。若這個解…

• 大神觀點 2026年7月26日 1 條來源

  Dwarkesh Patel 上月那組「RL 資料產業」論述，今天逐句對完帳：哪些字坐實、哪些字是前瞻，切開了。

  Dwarkesh Patel 是獨立科技訪談者與作者，其 AI 產業深度論述常被業界轉引。他 6 月的文章主張：每個要教給模型的技能，背後對應至少數百位人類專家寫示範與評分標準；專…

• 大神觀點 2026年7月25日 1 條來源

  Ben Thompson 對 Kimi K3 恐慌唱反調：威脅不新，前沿實驗室的優勢仍然真實。

  Thompson 是科技戰略電子報 Stratechery 的作者、產業判讀最受引用的分析者之一。在華府與華爾街同聲恐慌的一週，他的判斷反著走：中國開源模型的威脅並不新；前沿實驗室…

• 大神觀點 2026年7月24日 1 條來源

  Wharton 教授 Ethan Mollick：要用 AI「做真正的工作」，實務上只剩兩個選項；分水嶺不在模型，在配套。

  Mollick 是賓州大學 Wharton 商學院教授，企業界讀者最多的 AI 實用主義評論者。他以第一手實測給出 2026 下半年的判讀：要拿 AI 做真工作，實務選項只有 Ch…