【AI 的第三种缩放定律：当智能体学会“记笔记”】加州理工学院教授 Yisong Yue 提出，除了模型（算力/数据）和智能体（工具/框架）的缩放，AI 正在进入“知识缩放”（Knowledge Scaling）时代。通过构建知识飞轮，系统能够从 Agent 运行产生的海量执行痕迹中蒸馏出可复用的经验——哪些策略在特定环境下有效，哪些路径会导致失败。这种方式让后续的智能体不再需要从零开始探索，而是通过共享的知识库直接继承前者的“判断力”，在推理和编程任务中以更低的成本实现性能跃迁。这一转变的核心在于将 AI 运行的“废气”转化为“资产”。过去 AI 的失败经验往往随进程结束而消失，但知识飞轮让系统具备了类似人类的“复盘”能力。真正的竞争壁垒可能不再仅仅是模型参数的大小，而是系统提取和组织知识的效率。社区评论对此持有不同看法：乐观者认为这开启了递归自我改进的新路径，让 AI 能够像人类专家一样积累行业直觉；怀疑者则指出，如果无法有效过滤无效信息，知识库很快会沦为长尾垃圾的堆填区，且模型最终的性能天花板依然受限于预训练时的分布支持。这不仅是技术的演进，更是 AI 从“完成任务”向“积累智慧”的范式转移。