1最近玩游戏的好消息不断，

1.1 meta 出售加速算力的事情带崩了美国 ai 概念股

1.2 Diogo Almeida指出了“规模法则”，里面有 BUG 。

此人为前 OpenAI 研究员，参与了规模法则的发现，现 TypeSafe AI 创始人，在 2026 年 7 月 4 日的博客《Scaling Laws, Honestly》中指出的这个问题。

这个文章，更低情商的说，就是说规模法则，一定程度上，是一个谎言。

2具体而言，就是虽然 Open AI ，Claude 窃取了今天互联网上几乎全部的数据用来训练模型，但是，数据量和模型规模的关系他们搞错了。

对应单位模型规模，目前的数据太少了，而高质量的训练数据更少。

再简而言之，我们现在为了最优表现，根本不需要那么大规模的模型规模，因为数据量不够。

并且引用 Chinchilla 论文认为只有一半规模的模型，但是四倍左右的数据量能训练出表现更好的模型。

3但是，模型规模 = 更大的加速算力中心 = 更高的推理算力消耗 = 更夸张的加速算力基建需求 = 更多的英伟达显卡 = 更疯狂的美股市值。。。

而数据，尤其是高质量数据不够这个事情，你能支持如此大的加速算力基建和美股市值吗？

很难。

4所以，今天美国疯狂的加速算力基建和股市的疯狂的两个最根本的地基：

c端 token 需求，以及更多加速算力卡需求的必要性。。。

可能，都是不成立的。。。

前者缺乏中国的参与，而后者缺乏足够多数据的支持。

而 奥特曼 和 黄仁勋 是真的没有专业的团队和技术能力来发现这个“规模法则”的 bug 吗？？？

无论他们是否知晓，反正最终他们的选择是制造对加速算力需求的 fomo ，然后通过疯狂的资本运作，来把加速算力中心的基础设施建设推向疯狂。

5而今天，谁更关注高质量的训练数据？谁更在乎加速算力规模和模型规模的关系？谁在有限规模模型上的训练上深耕，并且不停的发表论文和有说服力的 demo？

貌似是 deepseek ，qwen，GLM 和 kimi 。