近日，机器人“人类数据规模效应”集中爆发！9月17日，Figure将Helix 2.5引入旧金山湾区30个陌生家庭做家务，得益于Index预训练，任务成功率从9%跃升至56%。8月Dyna也证实人类视频预训练规模与真机表现正相关。9月21日，亮源新创发布Light-O1，用1200亿tokens互联网视频预训练，首次验证人形机器人的“迁移缩放定律”，误差按幂律下降。目前行业正探索“专门采集”与“互联网视频”两条路线，人类经验已成提升机器人能力与优化成本的核心资产。

12月8日，谷歌DeepMind CEO德米斯・哈萨比斯表示，扩大AI模型规模是实现通用人工智能（AGI）的关键。他强调，将当前AI的规模化推向极致可能构成AGI的核心部分，但或许还需一到两个额外突破。规模定律（scaling laws）描述了模型性能与规模、数据量及计算资源的关系，被视作大模型预训练的核心原则。然而，哈萨比斯也指出其局限性，如数据总量有限、训练成本高昂及环境压力等问题。与此同时，前Meta首席AI科学家杨立昆批评规模定律，认为仅靠堆数据和算力无法解决真正有趣的问题，并致力于开发不依赖语言数据的‘世界模型’作为替代方案。

2025年8月，Similarweb和QuestMobile发布的AI趋势报告显示，全球及国内AI行业在经历爆发式增长后开始下滑，进入新阶段。通用大模型挤压垂直工具生存空间，AI写作、聊天等赛道流量下降明显，视频生成和语音生成类产品增长遇瓶颈。海外旅行类AI产品逆市上涨，Mindtrip三个月增长153%。国内市场‘插件化’成主流，移动端AI活跃用户达6.8亿，但原生App和PC网页端表现低迷。DeepSeek流失用户中超一半转向百度，AI搜索仍是核心需求场景。报告指出，独立AI应用增长放缓，嵌入现有场景的AI工具更受欢迎，行业需重新调整发展策略。

微软CTO凯文·斯科特在近日的红杉资本播客访谈中重申了他对大型语言模型“规模定律”的信心，认为随着模型规模扩大和数据增加，AI性能将持续提升。尽管有研究者对“规模定律”的长期有效性存疑，斯科特坚持认为每隔几年的超级计算机升级将带来指数级的进步。他预计未来会有突破，但强调技术发展周期长，公众对AI进展的认识滞后于实际研发。斯科特的乐观态度反映了微软对大型语言模型投资的立场，尤其是与OpenAI的合作。