智能扩展

智能扩展（Scaling Intelligence）是《AI+HW 2035: Shaping the Next Decade》报告所批判的旧范式，指通过增加模型参数和算力来提升AI能力的发展模式。

定义

智能扩展是当前AI发展的主流范式，其核心逻辑是：更大的模型、更多的训练数据、更强的算力，就能带来更强大的AI能力。

局限性

• 能源不可持续：训练一个前沿模型消耗的能量可与数百个家庭的用电量相当
• 经济不可持续：高昂的算力成本限制AI技术的普及和应用
• 环境压力：全球数据中心能耗已占全球电力消耗的3%，且仍在快速增长

与效率扩展的对比

智能扩展关注"能做多大事"，而[[效率扩展]]关注"能用多省的方式做大事"。报告认为，未来十年必须从智能扩展转向效率扩展。

与维基中其他概念的关系

• 与[[效率扩展]]：形成范式对比，效率扩展是对智能扩展的超越
• 与[[colossus]]：xAI的Colossus超算集群是智能扩展范式的典型体现
• 与[[nscale]]：Nscale的估值爆发隐含了智能扩展逻辑
• 与[[每焦耳智能]]：智能扩展不关注每焦耳智能，而效率扩展将其作为核心指标