據騰訊科技報道，清華大學計算機系副教授劉知遠及其團隊的研究登上《自然 · 機器智能》封面，正式提出用於量化大模型「能力密度」的「密度法則」（Densing Law）。
基於對 51 個主流大模型的回測，該研究指出 2023 年至 2025 年間，大模型的智能密度以每 3.5 個月翻倍的速度加速演進，意味着每 100 天即可用一半參數量達到當前最優模型的相當性能，成本也隨之減半。
劉知遠直言，若一家模型公司發佈新品後「3 至 6 個月無法收回成本」，商業模式將難以為繼，因為後來者很快能以四分之一的資源實現同等能力。
「用AI製造 AI」被其視為 AI 時代生產力的標誌與產業突圍方向。
劉知遠將「密度法則」與「規模法則」（Scaling Law）視為「硬幣的兩面」：
- 前者強調通過架構、數據治理與學習方法的持續創新，用更小的參數承載更強能力；
- 後者則刻畫參數規模擴張帶來的能力持續上升。
他指出，在 ChatGPT 引發全球投入後，密度翻倍週期由約 5 個月收縮至約 3.5 個月，速度遠快於摩爾定律的 18 個月節奏。這一趨勢使雲端 API 服務競爭極度激烈，最終可能只剩擁有海量用户與強大技術迭代能力的頭部廠商；
與此同時，約束條件清晰、對功耗與響應時延敏感的「端側智能」將成為創業公司更具確定性的機會窗口。
關於多模態進展，劉知遠將 Google 最新發布的 Gemini 3 視為里程碑：在圖像生成中對文字的高一致性與可控性體現了模型對世界理解與生成過程的「逐層細化」。
他推測該能力不僅依賴 Diffusion，也很可能融入自迴歸思想，從而實現生成一致性的新範式；這也印證了密度法則的外延——只要某種智能能力可被實現，未來一定能在更小的終端上運行，如手機、PC 或車載芯片。
他對AI的長期影響持樂觀態度，認為 2030—2035 年可實現全球普惠的 AGI，互聯網的主體將不再只是人類，還會有數不盡的智能體；雖然訓練廠商會收斂，但「AGI 發展還沒收斂」，推理算力需求將爆炸式增長，人機協同將成為常態。
推薦閲讀：清華劉知遠團隊提出“大模型密度定律”(Densing Law)
