人工智能热潮并未破灭，但人工智能计算确实正在发生改变

不要太害怕人工智能的空头。他们大声质疑人工智能投资的大热潮是否已经来去匆匆，市场对由大量高性能 GPU 驱动的大规模人工智能训练系统的热情和投入是否已经消退，以及对人工智能时代的预期是否应该大幅缩减。

但如果你仔细观察大型超大规模企业的计划，就会发现人工智能投资仍然生机勃勃。Meta、亚马逊、微软和谷歌最近都加大了对人工智能技术的投资。根据最近的一篇报道，他们对 2025 年的投资总额将超过 300 亿美元 在金融时报微软CEO萨蒂亚·纳德拉表示，微软今年仅在AI领域就可能投入80亿美元。Meta创始人兼CEO马克·扎克伯格在Facebook上表示，“我们计划今年投入60-65亿美元资本支出，同时大幅扩充我们的AI团队，我们有资本在未来几年继续投资。”

这并不是说人工智能热潮即将破灭，但人们对于在人工智能应用上投入了多少资金感到越来越不安。至少两年前，科技巨头们表示，他们看到了对更多计算能力的明显需求，以帮助训练大规模人工智能模型。但 2025 年伊始，这些公司每天都会因为大肆炒作人工智能而受到商业媒体的严厉批评。

为什么人们的期望会突然转变为担忧？答案部分在于中国新人工智能应用的迅速崛起。但要完全理解实际情况，以及这对未来几年的人工智能投资和技术项目意味着什么，我们必须承认，人工智能时代正在进入其发展的新阶段。

深入探寻真相

现在，全世界都知道 DeepSeek，这家中国人工智能公司宣称它如何使用推理引擎和统计推理来训练大型语言模型，效率更高，成本更低，比其他公司训练模型的成本更低。

具体来说，DeepSeek 声称其技术使其所需的 GPU 数量少得多（仅 2,048 个 GPU），并且所需的 GPU 性能也比一些超大规模公司训练模型所需的数十万个高性能 GPU（例如 Nvidia H800）要低得多（Nvidia H100）。在成本节约方面，OpenAI 花费了数十亿美元来训练 ChatGPT，而 DeepSeek 据说 仅花费 6.5 万美元来训练其 R1 模型。

值得注意的是，许多专家都对DeepSeek 的支出声明表示怀疑，但损害已经造成，因为有关其不同方法的消息导致超大规模计算公司以及他们花费数十亿美元购买 GPU 来训练 AI 模型的公司的股票价值大幅下跌。

然而，在混乱中，人们忽视了几个重要观点。一是人们认识到 DeepSeek 并没有“发明”一种新的人工智能工作方式。二是人工智能生态系统的大部分成员都很清楚，人工智能投资资金的支出方式以及未来几年人工智能本身将如何发挥作用，即将发生转变。

关于 DeepSeek 的方法，使用 AI 推理引擎和统计推理的概念并不新鲜。统计推理的使用是推理模型推理这一更广泛概念的一个方面，它涉及 AI 能够根据模式识别进行推理。这本质上类似于人类学习解决问题的不同方法并进行比较以找到最佳解决方案的能力。基于推理的模型推理如今已投入使用，并非中国初创公司独有。

与此同时，人工智能生态系统早已预见到人工智能的使用方式和所需计算资源将发生根本性变化。人工智能时代的最初几年，人们都在努力在非常大的数据集上训练大型人工智能模型，这需要大量的处理、复杂的计算、权重调整和内存依赖。在人工智能模型训练完成后，情况发生了变化。人工智能能够使用推理将其学到的一切应用到新的数据集、任务和问题中。推理是一个计算强度低于训练的过程，不需要那么多的 GPU 或其他计算资源。

DeepSeek 的最终真相是，虽然它的方法并没有像震惊感兴趣的股票市场投资者那样震惊 AI 生态系统中的大多数人，但它确实强调了推理将成为 AI 进化下一阶段的核心的方式之一。

人工智能：下一代

人工智能的前景和潜力从未改变。大型超大规模企业持续大规模投资人工智能表明，他们坚信人工智能能够释放出未来价值，也坚信人工智能能够改变几乎所有行业的运作方式以及几乎所有人的日常生活方式。

对于那些超大规模企业来说，改变的是这些资金可能花在什么地方。在人工智能时代的最初几年，大部分投资必然用于培训。如果你把人工智能想象成一个孩子，它的心智还在发育，我们花了很多钱把它送到最好的学校和大学。现在，那个孩子已经是一个受过教育的成年人了——它需要找一份工作来养活自己。在现实世界中，我们在培训人工智能方面投入了大量资金，现在我们需要通过使用人工智能来创造新的收入来看到这笔投资的回报。

为了实现这一投资回报，人工智能需要变得更高效、更低成本，以帮助企业最大限度地发挥其市场吸引力，并在尽可能多的应用中发挥其效用。最有利可图的新服务将是那些不需要人工监控和管理的自主服务。

对于许多公司来说，这意味着利用资源高效的人工智能计算技术（例如推理模型推理）快速且经济高效地实现自主的机器对机器通信。例如，在无线行业，人工智能可用于自主分析移动网络频谱利用率的实时数据，以优化信道使用并减轻用户之间的干扰，最终使移动运营商能够支持其网络上更动态的频谱共享。这种更高效、自主的人工智能驱动的机器对机器通信将定义人工智能的下一代。

与其他所有主要计算时代一样，人工智能计算也在不断发展。如果说计算的历史教会了我们什么的话，那就是新技术总是需要大量的前期投资，但随着我们开始利用改进的技术和更好的实践来创造更有益、更实惠的产品和服务以吸引尽可能多的市场，成本将会下降，效率将会提高。创新总能找到出路。

如果你听信人工智能熊市论，你会发现人工智能行业最近似乎遭遇了挫折，但超大规模企业今年计划投入的资金以及基于推理的技术的日益使用，却讲述了一个不同的故事：人工智能计算确实在发生变化，但人工智能的前景完全完好无损。