AI大模型发展路径之争将带来哪些巨变 路径分化拥抱开源

在AI大模型的“下半场”，路径分化和拥抱开源成为新的趋势。部分国家为了保持领先优势，不断追求更高的算力、数据规模；而中国的AI发展则逐渐明确，在推进算力基础设施建设的同时，致力于普惠AI，形成差异化优势。

DeepSeek的开源策略引发了大模型赛道的分化。2月18日，美国人工智能企业xAI发布了Grok 3推理模型，性能超过或媲美DeepSeek、GPT-4等模型。然而，Grok 3的训练过程消耗了大量算力资源，累计使用了20万张英伟达GPU。相比之下，今年1月发布的开源模型DeepSeek-R1成本仅为同类模型的三十分之一，迅速在全球范围内走红，开启了低成本训练模型的风潮。

当前，面对DeepSeek以高性价比强势破局，部分AI厂商依然坚持高投入“卷算力”。这种路径分化与“Scaling Laws”（尺度定律）的性价比降低有关。当算力、算法、数据达到一定程度时，大模型的智能表现将出现跃升，即“智能涌现”。但近年来，随着模型体积膨胀，参数数量呈指数级增长，“Scaling Laws”的性价比逐渐下降。例如，Grok 3的计算量几乎是DeepSeek的几十倍，但性能提升并不明显。

预训练阶段的“Scaling Laws”遇到瓶颈，但在推理阶段仍有很大机会。DeepSeek正是在模型推理阶段找到了新解法，为全球通向AI未来开辟了一条新路径。不同AI厂商对大模型的发展路径各有坚持。xAI仍在扩张其超级计算集群，OpenAI也在继续推进大规模投资项目。与此同时，越来越多的科研团队开始研发低成本AI模型，如美国一研究团队近期宣布开发出名为“s1”的模型，训练成本只需几十美元。

清华大学计算机科学与技术系长聘副教授刘知远认为，高效利用现有资源，走可持续高质量发展的路线才是正确的方向。而资深人工智能专家郭涛则认为，“大力出奇迹”的优势更大，通过大规模数据和超强算力可以充分学习海量知识，逼近通用人工智能。多家研究机构也肯定了算力的作用，认为算力堆积仍是模型进步的关键变量之一。