7月9日，红杉资本与微软CTO Kevin Scott开展了一场以AI为题的对谈。
访谈中，Kevin Scott提及了“Scaling law”，他认为这一定律仍适用于当前的业态——在扩大规模的同时，边际效益并没有递减。
大模型的Scaling law最早由OpenAI在2020年的一篇论文中提出，其内涵是，大模型的最终性能主要与计算量、模型参数量和训练数据量三者的大小相关，而与模型的具体结构（层数/深度/宽度）基本无关。
Kevin Scott指出，持续的扩张能够让模型更便宜、更强大，“让更复杂的事情变得可能”，这在一代又一代模型更迭中“不断上演”。