AI正卡在通往物理世界的模型门峡口，一边是何打唯恐错过AI技术变革的恐慌，另一边是实世对AI模型不好用、不够用的模型门抱怨。

“大力出奇迹”的何打Scaling Law（规模法则）的边际收益正在递减——堆砌更多数据和参数，换来的实世AI模型性能提升越来越小，加上算力成本居高不下，模型门拖慢了AI进入真实场景的何打步伐。

在2026年6月12-13日举办的实世“北京智源大会”大模型和世界模型论坛上，与会者试图从两个角度给出回答：一是模型门借助世界模型构建物理认知，教会AI预测“下一个状态”；二是何打通过软硬协同提升算力效率，加速AI产业落地。实世

Scaling Law失效了吗？模型门

2026年，行业普遍感受到AI模型对算力的何打“消化能力”在下降——更大的模型参数、更多的实世算力芯片，已经无法带来同等比例的智能提升。

这是因为，当前以预测“下一个Token”为核心的预训练范式，被认为更侧重于学习语言的统计规律（比如哪些词经常一起出现），而非理解其背后的因果逻辑（比如为什么会出现这个词）。当AI模型学会普遍模式后，继续扩大规模往往面临着收益递减的问题。

“驱动模型智能增长的方式需要改变。”在论坛上，新加坡国立大学教授、潞晨科技创始人兼董事长尤洋认为，未来提升智