国际三大AI机构集体验证"密度定律":清华团队两年前预测获证实

全球人工智能研究领域近期出现罕见"共振"现象。4月间，美国研究机构METR与Meta超级智能实验室相继公布独立研究成果，得出了惊人相似的结论：人工智能能力正呈指数级攀升，而实现同等智能水平所需的训练算力则急剧下滑。两项研究的曲线斜率高度吻合，共同指向一个中国团队早在两年前就已提出的概念——"密度定律"。

4月3日，METR发布的技术报告显示，AI处理复杂任务的能力每88.6天实现翻倍。仅隔5天，Meta推出新模型Muse Spark，其内部训练数据表明，达到一年前Llama 4 Maverick的性能水平，如今仅需不到十分之一的训练算力。两家机构研究方法截然不同，数据并无交集，但当将结果换算至同一坐标系时，两条曲线几乎完全重合。

这一规律与清华大学和面壁智能联合团队2024年末提出的"密度定律"（Densing Law）高度契合。该团队由孙茂松、刘知远教授率领，通过对2023年至2024年间51个主流开源模型的系统性评测发现，模型智能密度随时间呈指数级增强，实现特定智能水平所需的参数量每3.5个月减半。该研究于2024年12月发表于arXiv，2025年11月被《自然·机器智能》（Nature Machine Intelligence）接收，较Meta与METR的相关研究领先约一至两年。

业内分析指出，这一定律的验证预示着三个关键趋势：一是AI推理成本下降速度将超预期，过去一年同类性能模型的token价格已下降百倍；二是端侧智能爆发点临近，按此趋势，普通设备运行顶级大模型将在未来几年成为现实；三是行业策略面临转变，单纯"堆参数"的效益递减，提升模型密度本身将成为竞争焦点。