Import AI 475：Swarm Scaling 揭示智能体扩展边际收益递减与物理瓶颈

Jack Clark 在 Import AI 475 中汇总了 AI 领域的关键进展，核心发现是 Swarm Scaling（群体扩展）虽能提升推理速度，但存在显著的边际收益递减，且 AI 科学家的规模化正面临物理资源的硬性约束。Toby Ord 的分析指出，增加智能体数量带来的性能提升并非线性，而是遵循 10λ倍的增长规律（λ介于3到5之间），这意味着大规模智能体协作的效率会随规模扩大而迅速衰减，但这反而增加了 RSI 驱动的智能爆炸可能性。 在技术落地方面，Google DeepMind 推出了 SynthID Bio，通过调整氨基酸序列和原子坐标为合成生物学数据添加水印，以应对生物武器风险；C5R Corp 发布的 SciUniverse 基准测试显示，Claude Fable 5.1 在自动化实验室任务中的通过率仅为 45.3%，成本为每任务 40.61 美元，表明当前模型距离完全自主科研仍有差距。DeepMind 的研究论文进一步提出，未来 AI 科学家的发展瓶颈将不再是创意生成，而是物理实验资源，因此需要建立包含“思想验证”、“事前评估”和“授权交易”的自动化科学经济体系。 事实层面，美国民调显示 61% 民众认为企业自律不足以监管 AI，支持政府制定规则；推断层面，Swarm Scaling 的非线性特征意味着单纯堆砌智能体无法解决复杂问题，必须优化协调机制；猜测层面，若物理资源成为稀缺要素，AI 科学经济可能引发新的资本开支竞争格局。这些细节共同指向一个结论：AI 能力的下一阶段增长将更多依赖于系统架构优化与物理世界的交互效率，而非单纯的模型参数扩张。