12月8日，谷歌DeepMind CEO德米斯·哈萨比斯提出，扩大AI模型规模是实现通用人工智能（AGI）的关键。哈萨比斯认为，将当前AI的规模化推向极致，可能是构建通用人工智能的关键组成部分，甚至可能构成整个通用人工智能系统。他强调，规模定律（scaling laws）描述了机器学习领域性能与模型规模、训练数据集大小及计算资源之间的可预测关系，是大模型预训练的核心原则。

哈萨比斯同时指出，尽管规模定律可能推动AI走向AGI，但可能还需要一到两个额外的突破才能实现。然而，规模定律并非没有缺陷，公开数据量有限，增加算力意味着建设更多数据中心，导致训练成本上升，对环境造成压力。一些AI专家担心，持续投入规模定律可能出现投入产出递减现象。与此同时，前Meta首席AI科学家Yann LeCun提出，AI行业不能仅依赖规模定律，他离开Meta是为了构建一款不依赖语言数据，而是依靠空间数据的“世界模型”AI体系，作为大语言模型的替代方案。