撰文：Rob Toews

编译：MetaverseHub

2024 年即将结束，来自 Radical Ventures 的风险投资家 Rob Toews 分享了他对 2025 年人工智能的 10 个预测：

01.Meta 将开始对 Llama 模型收费

Meta 是世界上开放式人工智能的标杆。在一个引人注目的企业战略案例研究中，当 OpenAI 和谷歌等竞争对手将其前沿模型封闭源代码并收取使用费时，Meta 却选择免费提供其最先进的 Llama 模型。

因此，明年 Meta 开始向使用 Llama 的公司收费这一消息，会让许多人感到意外。

需要明确的是：我们并没有预测 Meta 会将 Llama 完全闭源，也不意味着任何使用 Llama 模型的用户都必须为此付费。

相反，我们预测 Meta 将对 Llama 的开源许可条款做出更多限制，这样，在一定规模以上的商业环境中使用 Llama 的公司将需要开始付费才能使用模型。

从技术上讲，Meta 如今已经在有限的范围内做到了这一点。该公司不允许最大的公司——云超级计算机和其他月活跃用户超过 7 亿的公司，自由使用其 Llama 模型。

早在 2023 年，Meta 首席执行官 Mark Zuckerberg 就说过：「如果你是微软、亚马逊或谷歌这样的公司，而且你基本上会转售 Llama，那么我们应该从中获得一部分收入。我不认为这在短期内会是一大笔收入，但从长远来看，希望这能成为一些收入。」

明年，Meta 将大幅扩大必须付费才能使用 Llama 的企业范围，将更多的大中型企业纳入其中。

跟上大型语言模型（LLM）前沿是非常昂贵的。如果想让 Llama 与 OpenAI、Anthropic 等公司的最新前沿模型保持一致或接近一致，Meta 每年需要投入数十亿美元。

Meta 公司是世界上最大、资金最雄厚的公司之一。但它也是一家上市公司，最终要对股东负责。

随着制造前沿模型的成本不断飙升，Meta 公司在没有收入预期的情况下投入如此巨额资金来训练下一代 Llama 模型的做法越来越站不住脚。

爱好者、学者、个人开发者和初创公司明年将继续免费使用 Llama 模型。但 2025 年，将是 Meta 开始认真实现 Llama 盈利的一年。

02.「尺度定律」相关问题

最近几周，人工智能领域引发讨论最多的话题莫过于尺度定律（Scaling laws），以及它们是否即将终结的问题。

尺度定律在 2020 年 OpenAI 的一篇论文中首次提出，其基本概念简单明了：在训练人工智能模型时，随着模型参数数量、训练数据量和计算量的增加，模型的性能会以可靠且可预测的方式提高（从技术上讲，其测试损失会减少）。

从 GPT-2 到 GPT-3 再到 GPT-4，令人叹为观止的性能提升都是缩放规律的功劳。#p#分页标题#e#

就像摩尔定律一样，尺度定律实际上并不是真正的法则，而只是简单的经验观察。

在过去的一个月里，一系列报告表明，主要的人工智能实验室在持续扩大大型语言模型的规模时，正在看到递减的回报。这有助于解释为什么 OpenAI 的 GPT-5 发布一再推迟。

对尺度定律趋于平稳的最常见反驳是，测试时计算的出现开辟了一个全新的维度，可以在这一维度上追求规模扩展。

也就是说，与其在训练期间大规模扩展计算，新的推理模型如 OpenAI 的 o3 使得在推理期间大规模扩展计算成为可能，通过使模型能够「思考更长时间」来解锁新的 AI 能力。

这是一个重要的观点。测试时计算确实代表了一个新的令人兴奋的扩展途径，以及 AI 性能提升。

但关于尺度定律的另一个观点更加重要，而且在今天的讨论中被严重低估。几乎所有关于尺度定律的讨论，从最初的 2020 年论文开始，一直延续到今天对测试时计算的关注，都集中在语言上。但语言并不是唯一重要的数据模式。

想想机器人技术、生物学、世界模型或网络代理。对于这些数据模式，尺度定律尚未饱和；相反，它们才刚刚开始。

实际上，这些领域中尺度定律存在的严格证据至今甚至尚未发表。

为这些新型数据模式构建基础模型的初创公司——例如，生物学领域的 Evolutionary Scale、机器人技术领域的 PhysicalIntelligence、世界模型领域 WorldLabs，正试图识别并利用这些领域的尺度定律，就像 OpenAI 在 2020 年代前半期成功利用大型语言模型（LLM）尺度定律一样。

明年，预